地方劳动力转移路径综述范文

本站小编为你精心准备了地方劳动力转移路径综述参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

一、农村劳动力转移的经济理论模型

刘易斯的二元经济增长模型：刘易斯在《无限供给条件下的经济发展》中，把发展中国家经济的二元性明确地刻画出来，以两部门（城市工商业部门和农业部门）的劳动力转移为核心构建了发展中国家的经济增长模型。他认为发展中国家存在着传统农业部门与现代城市工商业两部门，由于后者的劳动生产率大大高于前者的劳动生产率，由此形成了两者极大的工资收入差异，使得农业部门中的过剩劳动力源源不断地流向工业部门[1]。托达罗的人口流动模型：托达罗根据发展中国家城市和农村普遍存在的失业状况，通过论文《人口流动、失业和发展：两部门分析》阐述了他的人口流动模型：Mt=（fP*Wu-WR），ft＞0模型认为，影响转移的因素有：（1）预期的城乡实际收入差异；（2）预期在城市找到工作的可能性。Mt表示在第t期从农村迁入城市的人口数，P为在城市找到工作的概率，Wu为城市工资水平，P*Wu即为预期的实际工资，WR为农村的实际收入，（P*Wu-WR）即为预期的城乡收入差异，f′＞0表示人口流动是预期收入差异的增函数。该模型表明，只要预期的工资大于农村的收入，劳动力从农村向城市的转移就会继续；只有当劳动力的转移诱发城市工资水平降低，抑或增加了失业率，从而使预期的城市收入和农村水平相等时，劳动力转移才会停止[2]。

二、农村剩余劳动力转移的影响因素识别

（一）基于传统经济理论的影响因素———城市化水平、城乡收入比等托达罗建立的城乡劳动力转移模型，可以回答为什么农村向城市的转移过程会不顾城市失业转变为隐蔽失业的存在而继续进行，从而补充了刘易斯模型。依据阿瑟•刘易斯所构建二元经济增长模型，城市化水平影响着农村剩余劳动力的转移；同时，依据托达罗构建的城乡劳动力转移模型，城乡收入比也同样影响着农村剩余劳动力的转移。从长期的角度分析，农业剩余劳动力取决于其他非农产业对劳动力的需求，非农业部门劳动力的需求越大对农业剩余劳动力吸引能力就越大。

（二）基于河北省实际情况的影响因素———受教育水平传统经济理论都暗含一个假定：即农村剩余劳动力与城市工业部门扩张所需的劳动力在受教育程度上是同质的，能实现快速转移。但是对于河北省而言，数百万的农村剩余劳动力中70%为初中及以下受教育水平，这种文化素质的劳动者怎能适应当今知识经济时代大量采用高新技术的城市工业和服务业呢？事实也是如此，即新闻媒体披露的：“一方面是城市、企业需求大量有知识有技能的劳动力，另一方面是大量的农村剩余劳动力找不到工作纷纷回流农村”。所以，受教育水平也是影响农村劳动力转移的重要因素。

三、河北省农村剩余劳动力的转移模型构建

（一）模型解释变量的选择

依据经济理论模型和影响因素识别，设定河北省农村剩余劳动力转移指标：（1）城市化水平因素（依据阿瑟•刘易斯所构建的劳动力转移模型，这里采用城市化率指标：Cityratio）。（2）城乡收入比因素（托达罗模型中的影响劳动力转移的解释变量：Incomeratio）。（3）农村劳动力本身的教育水平因素（这里采用的衡量教育水平的指标是初中以上的从业人员比重:Eduratio）。（4）人均耕地面积（Averageplow）、农村劳动生产率、农村人均纯收入、农业劳动剩余率）。（5）GDP增长率、农村中非农产业所占比重、第三产业比重。（6）农村非农产业的发展是河北省农村剩余劳动力转移的重要因素，这里引入衡量农村中非农产业的发展指标。

（二）被解释变量总体分析

图1是河北省农村剩余劳动力转移的时间序列示意，从图中看到，转移呈现倒“U”型，只是在1985年左右出现了一个极大的高峰时期。数据出现异常的主要原因是当时河北省农村经济体制改革得到全面推进，并且以城市大工业为依托的乡镇企业在飞速发展。在经济分析中，将把这个时期的值作为奇异值来处理，在运用Eview软件进行模型分析时，模型中将引入虚拟变量D85。我们把奇异值暂时替换为正常值，修正后的Inflow*数据如图2所示，由Eview运行后，得到相关矩阵（表1），由此表可以看出，EPLOW、XIYIN分别和Inflow*的相关系数较大，可以作为Inflow*的解释变量。但是相比之下，AGRRAMIN、REVRATIO和Inflow*的相关系数较小，分别只有-0.315893和0.255024，这说明了河北省农村劳动力转移的现状。虽然从西方经济理论上分析，剩余劳动力的转移数量和农业剩余率密切相关，但是那是在假定充分就业的前提下的结论。河北省农村剩余劳动力的转移数量和剩余劳动力的数量相关性较小，说明现在存在大量的农村劳动力闲置的情况。按照托达罗的人口流动模型，城乡收入比应该是农村劳动力转移的一个解释变量，但是从数据上显示，河北省的转移总量和城乡收入比的相关性很小。总之，在河北省城市和农村都出现不充分就业的情况下，农村剩余劳动力的总量和城乡收入比对转移的总量影响较小，从另一个侧面说明了劳动力的转移总量在短期内主要由XIYIN等因素决定。

（三）模型回归分析

我们首先引入AGRRAMIN、AVERGDP、CITYIDX、EDU－RATIO、EPLOW、REVRATIO、XIYIN作为解释变量，Inflow*为被解释变量，利用Eview软件做回归分析。回归模型及输出如下：Inflow*i=C（1）+C（2）×AGRRAMIN+C（3）×AVERAGDP+C（4）×CITYTIO+C（5）×EDURATIO+C（6）×EPLOW+C（7）×REVATIO+C（8）×XIYIN+u（ii=1，2，3，…，n）回归分析结果见表2。

四、河北省农村剩余劳动力转移模型的检验及优化

（一）多重共线性的检验和优化

多重共线性的原理：一个回归模型yi=β0+β1x1i+β2x2i+ui，如果存在不为零的常数，使的λ1x1i+λ2x2i=0成立，则x1和x2存在完全多重共线性；如果存在不为零的常数，使得λ1x1i+λ2x2i+vi=0成立，则x1和x2存在不完全多重共线性。由于经济变量本身性质：两个自变量具有相同或者相反的变化趋势，数据收集的范围过窄，造成某些自变量之间似乎有相同的或相反的变化趋势的假象，一个自变量是另一个自变量的滞后值等，经济变量间存在一定程度的多重共线性是一种普遍现象。当多重共线性程度很高时，将给普通最小二乘法带来严重的后果，比如：估计值不稳定，参数估计值的方差增大，t检验失效，甚至预测失效等，所以我们必须要对多重共线进行检验并进行相应的处理。多重共线性的检验分析：模型回归结果显示：回归总体的拟合优度R值很大，达到0.992217，总体拟合很好。但是模型中的参数估计值的T值诸如：C（2）T值为-0.145734，C（3）T值为-0.892582，C（4）T值为0.671486，C（5）T值为-0.680653，表明模型中大部分参数不显著。根据不显著系数法的理论，意味着自变量之间存在着多重共线性。并且从经济理论上分析，CITYIDX、EPLOW等解释变量对被解释变量有重要影响，但回归参数的OLS估计值却不显著，一般应怀疑是多重共线性所致。多重共线性的优化处理：这里使用Frisch分析法进行模型优化，Frisch也称逐步回归法。这种方法的观点是多重共线性应从相关系数r，拟合优度R2和标准误差三个方面综合考虑。首先，我们利用Eview分别变量做回归。以XIYIN为解释变量的回归模型如下：Inflow=C（1）+C（2）×XIYIN+ui，回归结果是（以EPLOW、EDURATIO为解释变量的回归模型和结果略）：INFLOW=6.171624769+1.124039446×XIYINt-Statistic（8.380361）（40.73882）Std.Error（0.736439）（0.027591）R2=0.986918d=1.262513从上面回归输出来看，解释变量XIYIN的参数C（1）和C（2）的统计值t值分别为8.380361和40.73882，有很强的显著性。总体方程的拟合优度R2达到0.986918，与其他的回归相比，XIYIN回归拟合得最好。可以看出，XIYIN是一个十分重要的解释变量。从河北省现实劳动力转移状况出发，农村中非农产业的吸引也是转移的重要渠道。所以选定以XIYIN为解释变量进行第一步Frisch综合分析。引入解释变量EPLOW，模型变为：Inflow=C（1）+C（2）×XIYIN+C（3）×EPLOW+u1，回归后，R2有所提高，但是C（3）为正值，表明了EPLOW和INFLOW正相关，与事实不符。理论上，人均耕地面积越大，农业对农村劳动力的容纳能力越强，所以呈现反相关。另外，河北省的现实情况是：人均耕地面积逐年减少，直接导致的后果是农村剩余劳动力的增多，但对于劳动力的每年转移量影响不是很大，故从这两方面来说，删除掉EPLOW这个解释变量，以期消除多重共线性。再引入解释变量AVERGDP*，模型变为：Inflow=C（1）+C（2）×XIYIN+C（3）×AVERGDP+u2。回归后，R2有较小的提高，参数的T检验值也较大，统计上分析是显著的。但是从经济意义上考虑，河北省的人均GDP是反映全省的经济状况的一个很好的指标，经济状况越好，农村剩余劳动力的转移规模应该越大，但是上面的回归参数为负，故不符合现实经济规律，所以删除此变量。

（二）自相关的检验和优化

自相关的原理：如果COV（ui，uj）=E（ui，uj）≠0，i≠j，i，j=1，2，…，n，即u的取值与它的前一期或前几期的取值相关，则称u存在序列相关或者自相关。在经济计量研究中，随机项u自相关的现象在时间序列数据经常存在。假定u存在自相关，若ut的取值仅与前一期ut-1有关，即ut=（fut-1），则称这种自相关为一阶自相关，形式如下：ut=ρut-1+v（t-1＜ρ＜1）。自相关带来的后果，使OLS估计量失去有效性；在随机项存在自相关的情况下，t检验和F检验同时失效。自相关的检验分析：由于模型回归采用时间序列数据，且样本容量较少，所以这里假定随机项u（ii=1，2，3，……n）存在一阶自相关，故采用杜宾—沃特森（Durbin—Watson）检验法对模型中存在的自相关作检验。D-W检验方法：提出原假设H0：ρ=0，即u不具有一阶自相关；备择假设H1：ρ≠0，u具有一阶自相关，为检验原假设，构造D-W统计量，记作DW或d：d=∑（et-et-1）（2t=2，…，n）∑e（2tt=1，…，n）根据样本容量和解释变量的数目，在给定显著水平下，建立了检验的下临界值dL与上临界值dU。本回归模型，从杜宾—沃特森检验上下界表中查得在解释变量为k（k=3，且变量数包括常数项），观测值n为24组时的D—W检验下界dL为=1.19，上界dU=1.55。以XIYIN和CITYIDX为解释变量，回归模型为：Inflow=C（1）+C（2）*XIYIN+C（3）*CITYIDX+u，Eview软件分析结果如下：INFLOW=1.673473867+1.020013196*XIYIN+0.08890316835*CITYIDXt-Statistic（2.458536）（35.77679）（5.682138）Std.Error（1.147365）（0.028510）（0.015646）R2=0.991043d=1.974206INFLOW=C（1）+C（2）*CITYIDX+C（3）*XIYIN+C（4）*DD将d现实值与临界值进行比较：du（1.55）<d=0.974206<4-d（u4-1.55），则随机项u不存在一阶自相关。

（三）异方差的检验和优化

异方差的原理：在线性回归中，如果V（u）i的数值对不同的自变量观测值彼此不同，则称随机项u具有异方差性，即V（u）i=E（ui2）=δui2≠a（i=1，2，3，…n，a是常数）。如果随机项具有异方差，在运用OLS法进行参数估计时，有如下的影响：t检验和F检验无效；预测区间无效。在研究农村剩余劳动力的转移模型中，我们有必要对模型中的异方差性作检验，以避免异方差对模型的不利影响。异方差的检验分析：在本文中，我们运用Goldfeld-Quandt对模型的异方差进行检验。G-Q检验要求观测值的数目适用于大样本情形（n>30），这里观测值样本数量接近于G-Q检验的适用条件。同时，样本数目是参数的12倍，远大于2倍，满足了进行G-Q检验的第二个条件，并且我们已经检验了模型的随机项没有自相关，符合G-Q检验的第三个条件。下面进行G-Q检验：第一，建立统计假设：零假设H0：ui是同方差（i=1，2，3，…，n）；备择假设H1：ui具有异方差。然后，处理观测值：将解释变量XIYIN的观测值由小到大的顺序排列，然后将居中的c个观测值数据去掉，关于c的取值，Goldfeld和Quandt认为取样本容量（n>30）的1/4为佳。本文中取c=4，再将剩余的n-c（24-4=20）个数据分为数目相等的两组：数据较小的为一组子样本，数据较大的为另一组子样本。第二，建立回归方程求残差平方和。较小数据的一组（数据略）回归模型是：Inflow=2.4081+1.0307×XIYIN+0.0711×CITYIDX，残差平方和Sumsquaredresid=11.81854，较大数据的一组（数据略）回归模型是：Inflow=4.5166+1.0502×XIYIN+0.05316×CITYIDX，残差平方和Sumsquaredresid=25.80692。建立统计量F值：F=RSS2/RSS1=RSS2［/（n-c）/2-k-1］RSS［1（n-c）/2-k-1］然后由计算公式计算F值：F=25.80692/11.81854=2.183596。RSS2与RSS1的自由度为：（n-c）/2-k-1=（24-4）/2-2-1=7。在5%的显著水平下，查F分布表，第一个自由度为7，第二个自由度为7，得F的临界值为3.79和7.00。2.183596<3.79，即F<Fα=0.05［（n-c）/2-k-1，（n-c）/2-k-1］，则接受零假设H0，认为没有异方差。

（四）修正的河北农村剩余劳动力转移模型

经过修正得出农村剩余劳动力修正模型是：Inflow=C（1）+C（2）*XIYIN+C（3）*CITYIDX+u（i=1，2，3，…，n），Eview软件分析结果如下：INFLOW=1.673473867+1.020013196×XIYIN+0.08890316835×CITYIDXt-Statistic（4.458536）（35.77679）（5.682138）Std.Error（1.147365）（0.028510）（0.015646）R2=0.991043d=1.974206从上面的回归结果看出，R2=0.991043，说明方程整体拟合得非常好。各个参数的t统计量分别为4.458536。

五、结论

综上，我们不难看出，农村剩余劳动力的转移主要是以农村和乡镇吸引非农产业为主，其次是城市化的吸引。这说明城市化的提高在某种程度上会吸引农村剩余劳动力的转移。但是从模型中可以看到，城市化变量的影响系数不大，说明其对农村剩余劳动力的转移起到的作用并不大。联系实际情况也是这样，河北省农村劳动力的转移，主要还是要以农村和乡镇中的非农产业的就地转移为途径。不能单纯依靠工业扩张解决日益凸显的失业问题，而应同时大力发展农村经济，适当控制城市工资率的提高，同时重点增加农民的收入，缩小城乡收入差异。调整产业结构，大力发展乡镇企业，积极推进城镇化进程，从而更有效地转移农村剩余劳动力[3]、[4]、[5]。