農(nóng)民工就業(yè)選擇決策:“盲目跟風”還是“理性選擇”

李 靜, 王 科

(安徽大學 a.經(jīng)濟學院;b.創(chuàng)新發(fā)展戰(zhàn)略研究院,安徽 合肥 230601)

一、引 言

隨著我國經(jīng)濟的快速發(fā)展與農(nóng)民工群體的不斷壯大,勞動力市場的就業(yè)結(jié)構(gòu)和行業(yè)分布產(chǎn)生了巨大變化。目前農(nóng)民工勞動力總量過剩但局部行業(yè)就業(yè)人數(shù)短缺,說明存在一定的勞動力資源錯配,因此聚焦農(nóng)民工行業(yè)選擇研究具有一定的現(xiàn)實意義。

國內(nèi)有關(guān)就業(yè)選擇的研究對象多為女性[1-2]、大學生[3]這些社會特殊群體,研究順序一般為先研究分布情況接著進行影響因素分析。有關(guān)農(nóng)民工就業(yè)選擇的文獻大多研究就業(yè)地選擇差異[4],僅有部分文獻關(guān)注到行業(yè)選擇的差異[5-6],考察農(nóng)民工行業(yè)類型選擇的文獻更加少見。

在理性人假說下,農(nóng)民工為了增加自身的收入水平、提高生活滿意度和自我認可度,在行業(yè)選擇時應(yīng)當傾向于工資較高的行業(yè),工資水平對決策有更顯著的影響。康姣姣等認為個人、家庭、社會特征因素影響勞動力的就業(yè)選擇[6],但個人決策往往受到社會網(wǎng)絡(luò)中其他個體的影響,即同群效應(yīng);魏霄云和史清華通過空間計量經(jīng)濟學的方法證明了這一效應(yīng)對農(nóng)民工的非農(nóng)就業(yè)選擇有顯著影響[7]。任義科等研究發(fā)現(xiàn)農(nóng)民工外出務(wù)工在某種程度上具有盲目性,選擇上具有扎堆趨勢[8]。這一扎堆趨勢體現(xiàn)在行業(yè)選擇上則是農(nóng)民工可能受到區(qū)域內(nèi)從業(yè)人數(shù)較高的行業(yè)影響,存在“盲目跟風”這一低效率行為,而非“理性選擇”,非理性的行業(yè)選擇無法給農(nóng)民工帶來穩(wěn)定的收入增長,還直接導致了勞動力市場的行業(yè)分布不均衡。

鑒于此,本文聚焦農(nóng)民工行業(yè)選擇問題,采用混合Logit模型分析農(nóng)民工行業(yè)選擇是“盲目跟風”還是“理性選擇”,并基于研究結(jié)論提出針對性建議。本文可能的邊際貢獻在于:從研究視角來看,通過研究行業(yè)類型對農(nóng)民工行業(yè)選擇的影響,考察農(nóng)民工選擇行業(yè)是盲目的還是理性的,從而為優(yōu)化就業(yè)選擇提供建議;在行業(yè)類型劃分標準上,本文在實證研究中沒有將行業(yè)按照等級、單一標準或者三大產(chǎn)業(yè)劃分,而是以國家衛(wèi)生計生委中國流動人口動態(tài)監(jiān)測調(diào)查(CMDS)問卷中的行業(yè)劃分標準為基礎(chǔ),將農(nóng)民工行業(yè)類型分成14種(1)CMDS調(diào)查問卷中2012年、2018年分別將農(nóng)民工行業(yè)劃分成15類和21類,本文將就業(yè)人數(shù)過少或工作性質(zhì)類似的行業(yè)加以合并,最終得到14種行業(yè)類型是:采礦、電煤水熱、房地產(chǎn)、建筑、交通運輸、居民服務(wù)、農(nóng)林牧漁、批發(fā)零售、制造業(yè)、住宿餐飲、租賃和商務(wù)、科教文衛(wèi)、新興產(chǎn)業(yè)、其他服務(wù)管理業(yè)。;在研究內(nèi)容上,本文在實證分析時考慮行業(yè)擴張的影響,選擇修正后平均工資和行業(yè)結(jié)構(gòu)偏離度作為行業(yè)特征變量。

二、農(nóng)民工行業(yè)分布特征

1.樣本說明與數(shù)據(jù)來源

第一個數(shù)據(jù)集是CMDS數(shù)據(jù)。針對本文主要研究對象農(nóng)民工,篩選得到三組樣本:第一,由于 CMDS 數(shù)據(jù)調(diào)查對象為在流入地居住1個月以上,為了更符合農(nóng)民工的定義,本文剔除了流入時間為調(diào)查本年的、戶口非農(nóng)業(yè)、行業(yè)未知的樣本。2018年的數(shù)據(jù)篩選后剩下81 035個樣本數(shù)據(jù),其中男性有46 258人,女性有34 777人,性別分布較符合全國性別比例水平,并將此數(shù)據(jù)庫命名為CMDS2018a。第二,剔除年齡超過60歲的農(nóng)民工和流入新疆生產(chǎn)建設(shè)兵團的特殊農(nóng)民工,得到2018年72 312個樣本數(shù)據(jù),2012年75 616個樣本,分別稱為CMDS2018b、CMDS2012b。第三,將第二步中2018年的寬形數(shù)據(jù)轉(zhuǎn)換為長形數(shù)據(jù)(2)混合Logit模型包含行業(yè)屬性,即自變量會隨每個行業(yè)和個體而變,因此按照多元Logit模型的寬形數(shù)據(jù)排列格式需要轉(zhuǎn)化為長形數(shù)據(jù)格式。,得到1 012 368個樣本數(shù)據(jù),稱之為CMDS2018c。

第二個數(shù)據(jù)集是2012-2018年中國勞動力動態(tài)調(diào)查(CLDS)數(shù)據(jù)。在研究行業(yè)聚集程度時,考慮到CMDS的流動人口樣本中近七成都是農(nóng)業(yè)戶口,故使用CLDS數(shù)據(jù)考察農(nóng)民工行業(yè)選擇與全體勞動力行業(yè)選擇的差異。

第三個數(shù)據(jù)集是2012-2018年各城市以及行業(yè)數(shù)據(jù)。城市層級的數(shù)據(jù)大多來自《中國城市統(tǒng)計年鑒》(2012-2018),對于其中部分城市數(shù)據(jù)的缺失,查找《中國統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》中的數(shù)據(jù)進行補充,共得到286個城市數(shù)據(jù)。

2.農(nóng)民工行業(yè)分布情況

研究農(nóng)民工的行業(yè)人數(shù)分布情況以CMDS2018a樣本數(shù)據(jù)為基準,將農(nóng)民工從事的行業(yè)分為21個類型(3)2018年CMDS數(shù)據(jù)庫的行業(yè)類型共21類,分別是:農(nóng)林牧漁,采礦業(yè),制造業(yè),電煤水熱生產(chǎn)供應(yīng),建筑業(yè),批發(fā)零售,交通運輸、倉儲和郵政,住宿餐飲業(yè),信息傳輸、 軟件和信息技術(shù)服務(wù),金融業(yè),房地產(chǎn),租賃和商務(wù)服務(wù),科研和技術(shù)服務(wù),水利、環(huán)境和公共設(shè)施管理,居民服務(wù)、修理和其他服務(wù)業(yè),教育,文體和娛樂,公共管理、社會保障和社會組織,國際組織,衛(wèi)生,社會工作。。其中從事批發(fā)零售、制造業(yè)與住宿餐飲業(yè)這三大行業(yè)的農(nóng)民工人數(shù)占據(jù)農(nóng)民工總?cè)藬?shù)的58.07%,這三大行業(yè)中有兩個都屬于第三產(chǎn)業(yè)。

縱觀所有行業(yè)類型,從事第三產(chǎn)業(yè)的農(nóng)民工占到總?cè)藬?shù)71.87%。值得關(guān)注的是,科研技術(shù)服務(wù)業(yè)和金融業(yè)也不乏有農(nóng)民工參與在其中。

從行業(yè)的區(qū)域分布來看,仍從事農(nóng)林牧漁業(yè)的農(nóng)民工主要分布在胡煥庸線以西偏北,那里人口較少土地遼闊,因此一批農(nóng)民工進入從事農(nóng)業(yè)生產(chǎn)以彌補當?shù)貏趧恿Σ蛔?且87.67%的人學歷在高中以下;從事第三產(chǎn)業(yè)的農(nóng)民工多分布于廣東,但各省份分布差異不大,且從事第三產(chǎn)業(yè)的農(nóng)民工有37.19%具有高中及以上學歷;從事第二產(chǎn)業(yè)的農(nóng)民工主要分布在浙江、廣東、江蘇這三大沿海省份,該產(chǎn)業(yè)中具備高中及以上學歷的農(nóng)民工占比為32.6%。

社會進步與城市發(fā)展會帶來新型產(chǎn)業(yè)的出現(xiàn)以及行業(yè)集中趨勢的改變。本文參考段成榮等研究流動人口流入地分布集中程度的量化指標計算方法[9],得到農(nóng)民工行業(yè)分布集中度指數(shù)計算公式:

(1)

其中:C為農(nóng)民工行業(yè)分布集中程度指數(shù);Ni為農(nóng)民工選擇從事i行業(yè)人口數(shù)占總農(nóng)民工數(shù)的比重;Ti為從事i行業(yè)人口數(shù)占總調(diào)查人口的比重。C的取值范圍在0～1,C值越小且越接近0表示農(nóng)民工的行業(yè)分布越分散,相反,C值越大且越接近1表示農(nóng)民工的行業(yè)分布越集中。

本文使用中國勞動力動態(tài)調(diào)查(CLDS)篩選出農(nóng)民工和非農(nóng)民工群體,計算得到農(nóng)民工行業(yè)分布情況(4)CLDS數(shù)據(jù)庫的行業(yè)類型共16類,分別是:農(nóng)林牧漁,采掘業(yè),制造業(yè),電力、煤氣及水的生產(chǎn)和供給業(yè),建筑業(yè),地質(zhì)勘查業(yè)、水利管理業(yè),交通運輸、倉儲及郵電通信業(yè),批發(fā)和零售貿(mào)易、餐飲業(yè),金融保險業(yè),房地產(chǎn)業(yè),社會服務(wù)-居民服務(wù)業(yè),衛(wèi)生、體育和社會福利業(yè),教育、文化藝術(shù)和廣播電影電視業(yè),科學研究和綜合技術(shù)服務(wù)業(yè),國家機關(guān)、黨政機關(guān)和社會團體,其他行業(yè)。,見表1所列:

表1 2012-2018年農(nóng)民工行業(yè)分布集中度指數(shù) %

可以看到農(nóng)民工集中度指數(shù)一直大于40%,雖然有減少的趨勢但變化不大,說明行業(yè)分布有較明顯的集聚現(xiàn)象,且集聚程度短時間內(nèi)難以緩解。

為了反映農(nóng)民工在不同行業(yè)的聚集程度,借鑒高永輝和溫晶晶的方法[10],使用區(qū)位商(LQi)來分析農(nóng)民工這一特殊人群在各行業(yè)聚集程度大小,同時以2012-2018年的時間維度測量區(qū)位商三次變化情況,計算公式分別為:

(2)

LQ大于1,說明農(nóng)民工在某一行業(yè)分布較為集中;LQ等于1,說明農(nóng)民工在某一行業(yè)中的人口分布與全體就業(yè)人口在該行業(yè)的分布相同,行業(yè)分布處于均衡狀態(tài);LQ小于1,說明農(nóng)民工在某一行業(yè)中分布不足。其中與1的差距越大,不均衡問題越突出,可能存在農(nóng)民工進入行業(yè)壁壘等問題。

根據(jù)式(2)計算得出2012、2014、2016、2018年共計16個行業(yè)的區(qū)位商LQ和區(qū)位商變化L。其中,僅衛(wèi)生、體育和社會福利業(yè)的區(qū)位商值從2012到2018年一直維持在合理波動區(qū)間,農(nóng)民工在絕大多數(shù)行業(yè)分布不均衡。2012-2016年制造業(yè)的區(qū)位商值一直保持最大,到了2018年這一地位被房地產(chǎn)業(yè)取代,房地產(chǎn)的區(qū)位商值在2016到2018年間陡升,農(nóng)民工從集中于制造業(yè)轉(zhuǎn)向房地產(chǎn)業(yè),且聚集現(xiàn)象尤為突出。

此外,區(qū)位商變化值在1上下波動穩(wěn)定的行業(yè)有:制造業(yè),交通運輸業(yè)、倉儲及郵電通信業(yè),批發(fā)和零售貿(mào)易、餐飲業(yè),社會服務(wù)-居民服務(wù)業(yè),這是大多農(nóng)民工會選擇的傳統(tǒng)行業(yè);在非傳統(tǒng)行業(yè)中金融保險業(yè)、科技研究和綜合技術(shù)服務(wù)業(yè)的區(qū)位商值有所提高。

三、農(nóng)民工行業(yè)選擇的影響因素

1.變量說明

(1)農(nóng)民工行業(yè)類型 為了較為詳細地了解農(nóng)民工的總體行業(yè)分布情況,本文把行業(yè)分為14類,詳見表2注解。

表2 變量描述性統(tǒng)計

(2)行業(yè)特征變量 農(nóng)民工外出務(wù)工是基于經(jīng)濟理性,因此就業(yè)收入是衡量農(nóng)民工就業(yè)決策行為效用最大化的指標。

陳斌開和陳思宇基于2005年全國1%人口抽樣調(diào)查數(shù)據(jù)的實證研究發(fā)現(xiàn),當前城鄉(xiāng)融合中傳統(tǒng)社會資本在低端服務(wù)業(yè)中依然可以發(fā)揮影響,農(nóng)民工通過信任的社會網(wǎng)絡(luò)和社會關(guān)系,顯著提高了進入低端服務(wù)業(yè)的概率,帶來了行業(yè)人數(shù)的增加[11]。因此行業(yè)就業(yè)人數(shù)占比可以直接反映農(nóng)民工就業(yè)決策是否存在跟隨和模仿行為。

由于行業(yè)擴張會直接導致行業(yè)就業(yè)人數(shù)增加,也會對行業(yè)的平均工資產(chǎn)生不確定的影響,本文選擇行業(yè)的修正工資水平(以行業(yè)產(chǎn)值比為系數(shù)對行業(yè)的年平均工資進行加權(quán)處理)、行業(yè)結(jié)構(gòu)偏度(某行業(yè)產(chǎn)值比重/某行業(yè)就業(yè)人數(shù)相對比重-1)這兩個行業(yè)特征變量。

若行業(yè)的修正工資對農(nóng)民工進入非農(nóng)行業(yè)概率產(chǎn)生正向影響則認為農(nóng)民工行業(yè)決策存在“理性選擇”;若行業(yè)結(jié)構(gòu)偏離度對被解釋變量產(chǎn)生負面影響則認為農(nóng)民工進入非農(nóng)行業(yè)存在“盲目跟風”。反之,結(jié)論相反。

(3)控制變量 一是個體特征變量?？紤]數(shù)據(jù)可得性,微觀個體特征選擇CMDS問卷。本文將重點討論農(nóng)民工年齡、性別、婚姻情況、受教育年限、家庭平均月支出、進城年限、健康、留城意愿。在農(nóng)民工年齡方面,中青年對于工作時長和工作強度承受力更強,行業(yè)選擇范圍更廣;中老年因為身體、家庭等因素對行業(yè)選擇有一定局限性。

高學歷或較高學歷農(nóng)民工開始從事高新技術(shù)產(chǎn)業(yè),老一代農(nóng)民工因受教育水平所限只能繼續(xù)留在第一、二產(chǎn)業(yè)。

早進城就業(yè)的那一批農(nóng)民工往往有更強的非認知能力[12],所以2012年的CMDS對農(nóng)民工進城年限的調(diào)查能在一定程度上補充農(nóng)民工除學歷以外的人力資本信息。

二是城市特征變量。農(nóng)民工流動的推動因素與經(jīng)濟水平直接相關(guān),而農(nóng)民工遷入地的人均 GDP(PGDP)可以更為直觀、真實地反映城市經(jīng)濟實力;城市人口規(guī)模(POP),以城市年平均人口數(shù)表示,可以綜合反映某一時期內(nèi)的城市人口規(guī)模;城市財政支出水平(GOV),以城市一般公共預(yù)算支出與城市GDP的比值表示,該指標可以衡量地方政府的經(jīng)濟影響力。

具體變量說明及描述性統(tǒng)計,見表2所列。

2.計量模型設(shè)定

新古典經(jīng)濟學家從個體理性選擇角度出發(fā)研究勞動力遷移行為,說明該行為可以用量化的數(shù)學模型(5)以托達羅為代表的新古典經(jīng)濟學的微觀理論從個體理性選擇的角度, 用量化的數(shù)學模型來解釋勞動力遷移行為。其具體公式的解釋見Theories of international migration:a review and appraisal(Population and Development Review 1993年第3期 )。來解釋。本文的行業(yè)類別為多分類變量,且各個行業(yè)類別是完全對等的,不區(qū)分主要、次要類別,所以可以采用多元Logit回歸模型分析個體微觀特征對農(nóng)民工進入行業(yè)的影響,見式(3):

(3)

其中:P(Y=j)代表農(nóng)民工進入j行業(yè)的概率;P(Y=1)代表對照組,本文以農(nóng)林牧漁為對照組,故j行業(yè)屬于非農(nóng)行業(yè)(6)本文所指的非農(nóng)行業(yè)是農(nóng)民工在非戶籍所在地從事除農(nóng)林牧漁業(yè)以外的其他所有行業(yè)。;PV代表個體特征變量:年齡、性別、婚姻、家庭月支出、健康狀況、留城意愿;HV代表人力資本變量:受教育年限、進城年限;SV代表社會保障:醫(yī)療保險。

3.基本估計結(jié)果

基于CMDS2012年和2018年數(shù)據(jù),分別完成對式(3)的回歸,回歸對比結(jié)果見表3所列。

表3 多元Logit模型基本回歸結(jié)果

以農(nóng)林牧漁業(yè)為對照組,整個模型的回歸結(jié)果具有顯著性。首先,除批發(fā)零售和科教文衛(wèi)外,2018年與2012年相比,男性農(nóng)民工勞動力進入各非農(nóng)行業(yè)的概率增加,可見農(nóng)民工勞動力市場存在性別歧視。其次,受教育年限對農(nóng)民工進入行業(yè)的概率的影響方向會依不同行業(yè)有所不同。從變化趨勢來看,2018年與2012年相比,在不同行業(yè)其影響變化也是各不相同,例如,受教育年限對進入電煤水熱的正向影響增加,對房地產(chǎn)的正向影響減小。整體來看,其對農(nóng)民工選擇非農(nóng)行業(yè)的影響系數(shù)很小,故僅從提高農(nóng)民工學歷水平改善農(nóng)民工勞動力資源配置是遠遠不夠的。再次,除采礦業(yè)和其他服務(wù)管理業(yè),2018年與2012年相比,家庭成員數(shù)對農(nóng)民工進入各行業(yè)的負面影響系數(shù)減小,這可能與家庭中女性逐漸進入勞動力市場有關(guān)[1],一定程度上反映了農(nóng)民工在努力平衡工作與家庭;最后,家庭平均月支出能反映農(nóng)民工所在家庭的消費水平,對農(nóng)民工進入各非農(nóng)行業(yè)概率的影響顯著為正,2018年與2012年相比,對不同行業(yè)的影響系數(shù)絕對值變化不同,但影響系數(shù)較其他變量大。因此,在分析農(nóng)民工行業(yè)選擇時,家庭支出水平不容忽視。

標準Logit一般要滿足IIA 假設(shè)(無關(guān)選擇獨立性假設(shè)),即從樣本中去掉某一獨立的選擇類別后得到的參數(shù)估計值一定要是一致的但不一定是有效的,刪除選擇類別后所得的參數(shù)估計值如果非一致說明刪除的選擇類別和剩下類別之間并非真正獨立。

本文為了研究行業(yè)選擇類別是否真正獨立,用Hausman檢驗結(jié)果顯示,批發(fā)零售和住宿餐飲這兩個行業(yè)類型拒絕了IIA假設(shè),表明農(nóng)民工行業(yè)的14種選擇并非獨立的無關(guān)選擇,用標準多元Logit模型研究影響農(nóng)民工行業(yè)選擇的因素不夠合理,故必須采用混合Logit模型。

混合 Logit模型為Logit模型的積分式,與之前模型不同的是:當個體選擇某一行業(yè)的某一個變量發(fā)生變化時,選擇其他行業(yè)類型的概率變化的百分比取決于各自行業(yè)類型的變量和分布函數(shù), 因此概率變化并不相同,所以該模型克服了Logit模型比值無關(guān)性的缺陷,它放松了多元Logit模型的IIA假設(shè)。

4.“盲目跟風”還是“理性選擇”

混合Logit模型中必須包含隨方案而變的屬性,因此本節(jié)加入2018年行業(yè)特征變量進行混合Logit回歸,并根據(jù)行業(yè)特征對農(nóng)民工行業(yè)選擇的影響來判斷農(nóng)民工就業(yè)決策是否理性。

選擇的農(nóng)民工行業(yè)特征指標(TV)有:行業(yè)產(chǎn)值比重(某行業(yè)增加值/國內(nèi)生產(chǎn)總值)、就業(yè)人數(shù)相對比重(某行業(yè)就業(yè)人數(shù)/當?shù)厮行袠I(yè)就業(yè)人數(shù))、行業(yè)平均工資(7)綜合考慮行業(yè)的區(qū)域差異性和數(shù)據(jù)真實可得性,本文默認全國各省份的行業(yè)產(chǎn)值比重相同,而各行業(yè)的就業(yè)人員人數(shù)相對比重和平均工資按照不同省份取值不同?！吨袊y(tǒng)計年鑒》私營單位各行業(yè)的就業(yè)人數(shù)不全,本文用各省份非私營企業(yè)的就業(yè)人員數(shù)和平均工資反映行業(yè)特征。等。行業(yè)產(chǎn)值比重在一定程度上反映了行業(yè)生產(chǎn)總規(guī)模和總水平。行業(yè)擴張即行業(yè)的生產(chǎn)總規(guī)模增加,會影響行業(yè)的勞動力需求,進而影響就業(yè)人數(shù)和平均工資。

為避免回歸結(jié)果涉及多重共線性等問題,本文引入 “行業(yè)結(jié)構(gòu)偏離度”[13]這一指標,它可以判斷行業(yè)結(jié)構(gòu)與農(nóng)民工就業(yè)結(jié)構(gòu)是否達到平衡狀態(tài)。

當行業(yè)結(jié)構(gòu)偏離度越接近零,說明該行業(yè)的行業(yè)結(jié)構(gòu)與農(nóng)民工就業(yè)結(jié)構(gòu)越接近平衡狀態(tài),即越合理;當行業(yè)結(jié)構(gòu)偏離度大于零,說明該行業(yè)農(nóng)民工供給數(shù)量不足;當行業(yè)結(jié)構(gòu)偏離度小于零,說明農(nóng)民工供給過多。在行業(yè)產(chǎn)值一定的情況下,行業(yè)的結(jié)構(gòu)偏離度與就業(yè)人數(shù)相對比重呈反比關(guān)系,因此,若行業(yè)的結(jié)構(gòu)偏離度對農(nóng)民進入各非農(nóng)行業(yè)的概率產(chǎn)生負向影響,則就業(yè)人數(shù)比重對其具有正向影響,此時可以認為農(nóng)民工進入非農(nóng)行業(yè)存在“盲目跟風”。行業(yè)平均工資受到行業(yè)擴張的影響是不確定的,因此本文采用全國行業(yè)產(chǎn)值比為權(quán)重系數(shù)對行業(yè)的年平均工資進行加權(quán)處理得到修正后的行業(yè)平均工資,記作行業(yè)修正工資,若行業(yè)修正工資對農(nóng)民工進入非農(nóng)行業(yè)概率產(chǎn)生正向影響則認為農(nóng)民工行業(yè)決策存在“理性選擇”。

本節(jié)將基準回歸中個體微觀特征作為控制變量,以行業(yè)修正工資對數(shù)和行業(yè)的結(jié)構(gòu)偏離度作為解釋變量,設(shè)計數(shù)學模型研究行業(yè)特征對農(nóng)民工行業(yè)選擇的影響:

(4)

其中:TV代表行業(yè)特征變量,即修正后的行業(yè)平均工資、行業(yè)結(jié)構(gòu)偏離度;其余變量與式(3)意義相同。混合Logit回歸結(jié)果見表4所列。

表4 混合Logit模型回歸結(jié)果

實證分析結(jié)果顯示控制變量的影響方向與多元Logit基礎(chǔ)回歸基本相同。兩個行業(yè)特征變量作為解釋變量對被解釋變量都有顯著的影響,修正后的行業(yè)年平均工資對數(shù)的影響系數(shù)大于0,說明行業(yè)工資的增加會增加農(nóng)民工進入該行業(yè)的概率,農(nóng)民工趨向流入工資水平增加的行業(yè),這是符合“理性選擇”定義的。但是,行業(yè)的結(jié)構(gòu)偏離度的影響系數(shù)小于0,回歸結(jié)果可以解釋為某行業(yè)的就業(yè)人數(shù)比重增加就會導致農(nóng)民工選擇該行業(yè)的概率提高,這恰恰符合了“盲目跟風”的定義。雖然農(nóng)民工越來越依靠自主力量和本地朋友來找到合適的工作[14],但仍有一定比重的農(nóng)民工是依靠家人、親戚、同鄉(xiāng)和同學,這導致就業(yè)信息獲取渠道的局限性,在同群效應(yīng)下農(nóng)民工容易同時進入就業(yè)人數(shù)增加的行業(yè)?；貧w結(jié)果得到農(nóng)民工選擇行業(yè)保持一定理性是符合現(xiàn)實情況的,但考慮到一些就業(yè)人數(shù)較多的行業(yè)能提供農(nóng)民工更好的工資報酬,因此工資水平的正向影響結(jié)果可能與行業(yè)就業(yè)人數(shù)對農(nóng)民工進入行業(yè)的正影響有關(guān)。另外,“賺快錢”的思想加劇了農(nóng)民工行業(yè)決策的同群效應(yīng),隨波逐流地進入時下從業(yè)人數(shù)較多的行業(yè)分一杯羹,這也能解釋2018年大量農(nóng)民工從制造業(yè)集中轉(zhuǎn)向房地產(chǎn)行業(yè)的現(xiàn)象。綜上所述,農(nóng)民工的就業(yè)選擇存在“盲目跟風”現(xiàn)象。

四、城市特征對農(nóng)民工行業(yè)選擇的影響

在上述回歸中考慮了個體差異,將個體微觀特征變量作為控制變量。其實,我國城市之間在物價水平、生活成本、經(jīng)濟發(fā)展水平等方面存在較大差異,許多學者研究流動人口區(qū)域分布時發(fā)現(xiàn)人口較為集中在東南沿海經(jīng)濟發(fā)達城市[15]。因為家庭消費水平會受到所在城市經(jīng)濟水平的影響,所以農(nóng)民工作為遷移個體在選擇遷移和進入行業(yè)過程中會考慮凈收益值。本文通過設(shè)置城市特征變量city與部分個體微觀變量的交互項來完成城市異質(zhì)性分析,具體模型設(shè)計如下:

Logit(Pi/1)=β0+β1PV+β2HV+β3SV+β4TV+β5city+β6PV×city+

β7HV×city+β8TV×city+ε(j=1,2,3,…,14)

(5)

加入的城市特征變量分別是:城市人均GDP(PGDP)、城市年平均人口數(shù)(POP)、城市財政支出水平(GOV)、城市一般公共預(yù)算支出/城市GDP(8)各行業(yè)數(shù)據(jù)來自《中國統(tǒng)計年鑒》和《中國人口和就業(yè)統(tǒng)計年鑒》。城市經(jīng)濟數(shù)據(jù)來自2018年《中國城市統(tǒng)計年鑒》,對于部分城市缺失的人均GDP值參考城市所在省的全省人均GDP ,少數(shù)民族自治州不在城市統(tǒng)計數(shù)據(jù)范圍內(nèi)故進行城市異質(zhì)性分析時刪去該部分樣本,最后樣本涉及直轄市、地級市共計286個。。式(5)中城市特征變量的具體操作是:一是行業(yè)修正工資水平除以城市人均GDP得到新的行業(yè)平均工資水平;二是年齡、受教育年限、家庭成員數(shù)與家庭月支出分別與城市人均GDP對數(shù)相乘得到新的微觀個體變量;三是城市特征變量作為控制變量加入回歸。異質(zhì)性回歸結(jié)果見表5所列:

表5 城市特征對農(nóng)民工行業(yè)選擇的影響

以農(nóng)林牧漁業(yè)為對照組,其他個體控制變量系數(shù)與式(4)回歸結(jié)果正負性相同,由于篇幅限制未展現(xiàn)。經(jīng)過城市異質(zhì)性處理過的微觀個體變量:年齡、受教育年限、家庭成員數(shù)與家庭月支出,也和式(4)回歸結(jié)果有著相同的影響方向。城市財政支出水平對農(nóng)民工進入行業(yè)概率的影響,在電煤水熱和采礦業(yè)的影響為正,其余非農(nóng)行業(yè)影響為負,即城市一般公共預(yù)算支出占城市GDP比重越大,地方政府對地方經(jīng)濟引導作用越強,農(nóng)民工進入電煤水熱和采礦業(yè)的概率就會增加,進入其余非農(nóng)行業(yè)的概率則降低。可能的原因是因為城市一般公共預(yù)算支出多用于電煤水熱和采礦業(yè),這兩個行業(yè)的擴張導致了就業(yè)需求增加,進入其就業(yè)的概率提高。城市人口規(guī)模對農(nóng)民工進入電煤水熱和采礦業(yè)概率的影響為負,進入其他非農(nóng)行業(yè)概率為正,可能的原因為人口規(guī)模越大的城市,電煤水熱和采礦業(yè)的產(chǎn)業(yè)占比越低,往往大力發(fā)展其他高附加值行業(yè),如新興產(chǎn)業(yè),因此城市人口規(guī)模對新興產(chǎn)業(yè)的影響系數(shù)最大。城市人均GDP對農(nóng)民工進入制造業(yè)產(chǎn)生正向影響,卻對進入其余非農(nóng)行業(yè)產(chǎn)生負面影響,產(chǎn)生差異的原因可能是:制造業(yè)屬于勞動密集型產(chǎn)業(yè),城市人均GDP水平越高即城市的經(jīng)濟發(fā)展水平越高,制造業(yè)越發(fā)達,例如,我國東部及南部沿海發(fā)達城市的小商品、服裝制造蓬勃發(fā)展,對勞動力的需求較大,農(nóng)民工進入制造業(yè)的概率隨之提高。然而,城市經(jīng)濟越發(fā)達,農(nóng)民工進入其他行業(yè)的概率降低主要歸因于城市勞動力市場的戶籍歧視,城市雇主更偏向選擇城鎮(zhèn)勞動力群體。

解釋變量中行業(yè)結(jié)構(gòu)偏離度的影響系數(shù)變小,但仍保持顯著的負向影響,故行業(yè)的就業(yè)人數(shù)比重增加就會導致農(nóng)民工選擇該行業(yè)的概率提高,符合本文“盲目跟風”的定義。解釋變量中的修正工資/PGDP作為新的行業(yè)平均工資水平,能反映行業(yè)工資水平對農(nóng)民工進入行業(yè)概率的影響,從結(jié)果系數(shù)顯著為負可以得出:考慮城市經(jīng)濟水平異質(zhì)性后,農(nóng)民工行業(yè)選擇不再存在“理性選擇”?？赡艿脑?一是行業(yè)工資水平考慮了城市經(jīng)濟水平差異性后更接近農(nóng)民工實際工資,二是城市經(jīng)濟水平越發(fā)達,就業(yè)信息就越發(fā)“鋪天蓋地”,農(nóng)民工難以理性分辨這些信息,導致在行業(yè)選擇時更加“盲目跟風”。綜上所述,城市異質(zhì)性分析下農(nóng)民工就業(yè)選擇存在顯著的“盲目跟風”現(xiàn)象且不存在“理性選擇”。因此沒有考慮城市異質(zhì)性的混合Logit模型可能會誤判行業(yè)工資對行業(yè)選擇概率的影響,現(xiàn)實中農(nóng)民工行業(yè)選擇的“盲目跟風”現(xiàn)象可能更為嚴重。

五、穩(wěn)健性檢驗及內(nèi)生性處理

1.穩(wěn)健性檢驗

為檢驗式(4)回歸結(jié)果的穩(wěn)健性,本文從替換解釋變量角度,進一步驗證行業(yè)的平均工資和就業(yè)人數(shù)占比對農(nóng)民工就業(yè)決策行為的影響,穩(wěn)健性檢驗結(jié)果見表6所列。

表6 穩(wěn)健性檢驗

第一,考慮到就業(yè)比重對農(nóng)民工行業(yè)選擇的影響具有一定的滯后性,為了得到穩(wěn)健性結(jié)果,本文用前三年各省各行業(yè)就業(yè)人數(shù)比重的平均值代入行業(yè)結(jié)構(gòu)偏離度公式,回歸的實證結(jié)果見表6模型(1)。結(jié)構(gòu)偏離度的回歸系數(shù)符號和顯著性與式(4)回歸結(jié)果一致,表明結(jié)果較為穩(wěn)健。說明以當年就業(yè)比衡量就業(yè)選擇存在誤差,會使得回歸系數(shù)偏大,該模型回歸得到的行業(yè)工資水平的正向影響系數(shù)較大,進一步說明農(nóng)民工行業(yè)選擇時可能存在更多的“理性選擇”。

第二,行業(yè)特征分析中所在省份各行業(yè)就業(yè)比重與個人行業(yè)選擇之間存在反向因果關(guān)系,農(nóng)民工行業(yè)選擇會直接影響行業(yè)比重變化,所以考慮到內(nèi)生性問題,本文用行業(yè)法人單位占比替代就業(yè)人數(shù)占比,計算行業(yè)的結(jié)構(gòu)偏離度?；貧w結(jié)果見表6模型(2),其對行業(yè)選擇的影響方向和顯著性與式(4)回歸相比沒有發(fā)生改變,只是結(jié)構(gòu)偏離度的影響系數(shù)絕對值變小。一方面,行業(yè)的法人單位比重不能等同于就業(yè)比重,不同法人單位的就業(yè)人員規(guī)模不同,對于勞動密集型行業(yè),法人單位比例增長率遠小于就業(yè)人數(shù)增長率;另一方面可能是各行業(yè)就業(yè)比重與個人選擇的反向因果關(guān)系導致之前的回歸系數(shù)較大。

第三,原本的混合Logit回歸中利用各省份行業(yè)平均工資水平衡量行業(yè)收入對農(nóng)民工影響,實際上不同家庭對于收入高低的衡量標準有差異。表6模型(3)報告了相對工資水平(修正后的行業(yè)平均工資水平/家庭月支出水平)代替修正后的行業(yè)平均工資,得到各影響因素系數(shù)在方向、顯著性和大小上都與替代前完全一致,說明行業(yè)平均工資水平對不同家境農(nóng)民工影響程度相似,行業(yè)工資水平依然是農(nóng)民工在就業(yè)決策時考慮的重要因素。綜上所述,以上穩(wěn)健性分析結(jié)果表明式(4)回歸結(jié)果穩(wěn)健。

2.內(nèi)生性問題處理

雖然本文考慮了微觀個體特征、城市特征等各種控制變量,盡可能地避免截面數(shù)據(jù)由于遺漏變量所導致的估計偏誤,但仍遺漏了各城市產(chǎn)業(yè)發(fā)展偏好、未來貼現(xiàn)的個人偏好等這類難以測度的變量。除此以外,CMDS數(shù)據(jù)庫調(diào)查變量的局限性所導致遺漏了微觀個體人力資本、社交活動等,最終難以排除存在遺漏變量導致內(nèi)生性估計偏誤的可能性。為此本文參照王偉同等的做法[16],用可觀測變量度量未觀測變量帶來偏誤的可能性,進一步消除遺漏變量可能帶來的內(nèi)生性問題。在此考慮兩個不同控制集合的回歸,第一個回歸僅控制有限的控制集,第二個回歸控制所有可能的控制集。將第一個回歸估計的核心解釋變量系數(shù)記為βR,第二個回歸估計的核心解釋變量系數(shù)記為βF。構(gòu)造如下指數(shù):

(6)

從分母來看,指數(shù)δ大小與(βR-βF)成反比。βR與βF之間的差異越小,可觀測變量的解釋能力越強,其可能的偏誤問題對估計結(jié)果的影響就越小,即相對于可觀測的變量,不可觀測變量就需要更強的解釋能力才能對整體效應(yīng)產(chǎn)生影響。(βR-βF)越小,δ越大,未觀測變量帶來偏誤的可能性就越低;從分子來看,βF越大,δ越大,表明已經(jīng)控制的所有控制集具有很強的解釋力,不可觀測變量對估計結(jié)果造成偏誤的可能性就越小。

本文選取了四種有限集和一個全集來構(gòu)造該指數(shù)。有限集包括:一是僅控制城市特征變量;二是僅控制個體層面中除了家庭人數(shù)和家庭月支出以外的性別、年齡、受教育年限等微觀個體變量;三是僅控制個體層面中家庭人數(shù)及家庭月支出;四是僅控制包括家庭特征以內(nèi)的所有個體層面的變量。一個全集為式(5)中控制的所有變量。結(jié)果見表7所列:

表7 用可觀測變量度量未觀測變量的偏誤程度

結(jié)果顯示的四個值的數(shù)值范圍為3.878～36.410,均值為12.805。若未觀測變量可以對本文估計結(jié)果產(chǎn)生偏誤,則其解釋能力平均超過12倍,最少要是已選擇的控制變量的3.9倍,本文前面的分析已經(jīng)考慮了各城市和個體特征變量,因此我們有理由相信本文由未觀測變量造成估計偏誤的可能性是很小的,也可以基本排除估計結(jié)果因遺漏變量而出現(xiàn)估計偏誤的可能,表明之前的結(jié)論是可信的。

六、主要結(jié)論與政策建議

本文利用全國流動人口調(diào)查數(shù)據(jù)分析農(nóng)民工就業(yè)的選擇決策問題,主要結(jié)論如下:一是隨著社會現(xiàn)代化發(fā)展和農(nóng)民工自身素質(zhì)的提高,受教育年限對農(nóng)民工就業(yè)決策的影響減小,農(nóng)民工逐步進入新興產(chǎn)業(yè)甚至高新技術(shù)行業(yè)。二是擇業(yè)的“盲目跟風”現(xiàn)象存在于農(nóng)民工行業(yè)選擇中,導致農(nóng)民工的行業(yè)分布高集聚。三是考慮城市異質(zhì)性后發(fā)現(xiàn)農(nóng)民工就業(yè)選擇不僅存在“盲目跟風”,同時缺乏“理性選擇”,引導農(nóng)民工理性就業(yè)刻不容緩。農(nóng)民工所在城市經(jīng)濟水平,會對農(nóng)民工進入制造業(yè)以外的非農(nóng)行業(yè)產(chǎn)生負向影響。

結(jié)合本文研究結(jié)論,提出以下政策建議:第一,政府應(yīng)鼓勵企業(yè)為農(nóng)民工提供更多就業(yè)機會?？山o予那些為農(nóng)民工提供優(yōu)質(zhì)崗位的企業(yè)稅收優(yōu)惠政策或獎勵,要求國有企業(yè)雇傭一定數(shù)量的農(nóng)民工等。此外,行業(yè)主管部門應(yīng)加強行業(yè)監(jiān)管,避免企業(yè)拖欠農(nóng)民工工資事件的發(fā)生。第二,政府應(yīng)做好就業(yè)信息公開,拓寬農(nóng)民工的就業(yè)信息獲取渠道。以行政區(qū)或街道為單位,相關(guān)部門可以定期為農(nóng)民工提供就業(yè)指導和培訓。培訓內(nèi)容可結(jié)合農(nóng)民工需求,解決農(nóng)民工困惑,引導農(nóng)民工理性地進行行業(yè)選擇。除了線下培訓外還可以利用互聯(lián)網(wǎng)拓寬招聘信息公開渠道,安排相關(guān)人員定期、定點進行信息推送,降低農(nóng)民工獲取招聘信息的難度。第三,政府應(yīng)做好宣傳工作并提供政策保障。宣傳農(nóng)民工為城市經(jīng)濟、社會發(fā)展所做的貢獻;深入推進戶籍制度改革,避免城市落戶政策“隱性門檻”等問題。