城镇化进程中农村土地与劳动力配置的驱动力分析

李杰

摘要：在用“推-拉”理论分析农村土地与劳动力配置机理的基础上，运用因子分析方法分析农村土地与劳动力配置的共同驱动力。结果发现：土地承载力、农业技术进步、制度与政策激励等来自农村的“推力”和城乡预期收入差距、城镇化、经济增长与产业发展等来自城镇的“拉力”共同作用，促进了农村土地与劳动力的流动与重组；社会经济进步主成分因子、生活水平主成分因子是农村土地与劳动力配置的主要驱动力。得出结论：要从制度与政策激励、人力资本提升等方面采取有效措施促进农村土地与劳动力的优化配置，加快城镇化发展。

关键词：城镇化；农村；土地配置；劳动力配置；驱动力；因素分析

中图分类号： F321文献标志码： A文章编号：1002-1302（2016）05-0573-04

自从家庭承包责任制被稳定下来以后，我国城镇化发展进入加速阶段，农村土地与劳动力的农业配置逐渐降低，农村土地流转与劳动力转移数量迅速增加，土地城镇化与人口城镇化成为我国资源配置的必然趋势。

国内学者从经济学、人口学和社会学等多学科视角，从宏观、中观、微观3个层面对劳动力流动的驱动因素进行了分析。从宏观层面上来看，宏观经济发展水平、经济开放度是导致劳动力流动的主要动因[1-2]；土地制度、户籍制度和社会保障制度是影响劳动力流动的制度因素，制度的改进将有助于农村劳动力流动[3-4]。从中观层面上来看，非农产业吸纳能力提升、非农产品消费比重提高、城镇工业技术进步是农村劳动力转移的根本动因[5-6]；城乡收入差距、第三产业发展水平、地区市场潜力、教育和地方福利水平、区域房价差异等是吸引劳动力流动的重要因素[7-8]。从微观层面上来看，大部分学者认为家庭劳动力数量越大、受教育程度越高，对劳动力流动具有正向驱动作用[9-10]；劳动力的主观高收益与高福利预期、人力资本的提升是劳动力流动的内在动力[11-12]。

国内学者主要运用定性分析、相关分析、主成分分析、多元回归分析等方法分析土地利用变化的驱动因素[13-14]。从现有研究成果来看，大部分学者认为人口、经济、技术、政策及个人因素是主要因素。其中，包括经济发展、土地收益和城镇化在内的经济因素是土地利用变化的根本动因[15-16]；人口增长和密度是其重要推力[17-18]；政治和制度因素是影响土地利用变化的主要驱动因素[19-20]；技术因素是直接原因[14，21]；个人禀赋和认知是土地利用变化的主要作用力[22-23]。

但是现有研究大多数仅对农村土地配置或者劳动力配置进行研究，较少分析农村土地与劳动力配置的共同驱动力，而且对驱动力或影响因素的研究往往只关注某个因素或者几个因素，分析不全面。因此，本研究在对农村土地与劳动力共同驱动的定性分析基础上，运用因子分析法分析二者的主要驱动力，进一步丰富对农村土地利用与劳动力流动的研究，为促进农村土地与劳动力的优化配置和城镇化进程提供参考。

1农村土地与农村劳动力配置的驱动力

农村土地与劳动力配置驱动力是促使其利用目的和利用方式发生变化的效果力，是包括内部驱动力、外部驱动力的合力。农村土地与劳动力配置驱动力既有来自城镇化发展需求产生的拉力，也有农村资源与农业生产形成的推力，它们共同作用组成了土地与劳动力配置的驱动力系统。

1.1农村土地与劳动力配置的推力

1.1.1土地承载力在农业生产技术和农村生活水平不变的条件下，单位面积土地上所能容纳的人口存量有限，这也决定了在一定时期内农村土地与劳动力的配置比例。一方面，农村人口的迅速增加，加剧了土地承载压力，驱动农村劳动力的非农配置；另一方面，由于农业技术进步提升了土地承载力，使得剩余土地非农配置成为可能。

1.1.2农业技术进步农业技术进步提高了农业技术对农村土地与劳动力的替代率，解放了大量的农村土地与劳动力资源，直接影响农业土地与劳动力的利用方式与土地产量，促进了农村土地与劳动力的非农产业配置。

1.1.3制度与政策激励制度和政策对人们经济行为的约束和指导作用对农村土地与劳动力配置产生重要的影响。不同时期的制度和政策对农业生产要素产生不同的作用。土地制度改良形成了良好的经营机制和激励机制，提高了农村土地与劳动力配置效率；同时，我国土地产权交易市场的完善和户籍制度的放松对农村土地与劳动力的非农配置具有积极影响。

1.2农村土地与劳动力配置的拉力

1.2.1城乡预期收入差距作为理性经济人的农民是否继续承包经营农村土地从事农业生产，其决策依据是预期收益差异比较和总体效用最大化。城乡预期收入差异以及人力资本收益、机会收益、社会保障收益、人脉收益等总效用的提高是农村劳动力非农配置的动因，而劳动力城镇转移后腾出的土地为其非农配置提供了可能性。

1.2.2城镇化城镇化过程本质上是土地城镇化、人口城镇化的完全城市化过程，必然伴随着农村土地与劳动力配置与利用形态的变化。城镇化进程不仅伴随着产业集中和地域扩散，使土地与劳动力配置非农化，而且通过城镇生产和生活方式改变土地与劳动力利用结构[24]。

1.2.3经济增长与产业发展经济增长与产业发展增加对生产要素的需求，引起农村土地与劳动力利用方式和结构变化。农村土地与劳动力资源在利益驱动下向经济附加值较高的非农产业部门配置，实现其利用方式和结构的非农转变。

2农村土地与劳动力配置驱动力的实证分析

本研究在定性分析的基础上对城镇化进程中农村土地与劳动力配置驱动因素进行定量分析。首先根据驱动因子的选取原则选择驱动因子指标体系，然后采用因子分析方法找出各社会经济驱动因子中的主要驱动因子。

2.1驱动因子指标体系的构建

参考现有研究成果，结合数据的可得性、可量化性原则以及各驱动因子的内在逻辑性，本研究选取22个因子构建农村土地与劳动力配置驱动因子指标体系（表1）。

土地承载力计算公式：

L=G/∑nj=1Wj/Ij·Kj（j=1，2……n）。

式中：L为土地承载力，万人；G为耕地面积，×103 hm2；Wj为人均食物消费量，kg；Ij为某食物单位面积产量，kg/hm2；Kj为某食物复种指数，%。参照已有研究，植物油、肉禽及制品、蛋及制品、奶及制品和水产品与所需粮食的转化比分别为 1 ∶2.5、1 ∶3.5、1 ∶1.5、1 ∶0.35、1 ∶2.3。根据各年粮食、蔬菜单位面积产量，粮食、蔬菜的复种指数分别按160%、250%计算。

2.2驱动因子的标准化处理

为了消除各指标量纲和数量级不统一的影响，对各指标数据进行无量纲化处理，实现在统一的标准条件下对数据进行分析。本研究采取了Z值（Z-score）标准化处理，其计算公式如下：

2.3因子分析

2.3.1相关系数矩阵为了避免统计误差和减少繁冗度，本研究采用剔除某些显著相关的驱动因子和其他因子以解决“非正定矩阵”和相关性较高的问题，最终确定12个驱动因子的相关系数矩阵，详见表2。

2.3.2巴特利特球度检验和KMO检验为了考察以上驱动因子是否适合采用因子分析，本研究对变量指标进行巴特利特球度检验、KMO检验[25]，结果见表3。由表3可知，KMO检验值为0.799，根据统计学家Kaiser给出的常用KMO度量标准判断可知，驱动因子适合进行因子分析。巴特利特球度检验统计值为393.949，P值为 0.000，小于显著性水平0.05，认为相关系数矩阵与单位阵有显著差异。

表3巴特利特球度检验、KMO检验结果

检验方法统计量检验值KMO检验0.799巴特利特球度检验近似统计值393.949自由度66P值0.000

2.3.3提取因子根据剔除后的驱动因子相关系数矩阵，采用主成分分析方法提取因子并选取特征根值大于1的特征根，得到主成分贡献率，详见表4。在因子解中，从12个驱动因子中提取了2个特征值大于1的因子。由表4可知，前2个主成分的累计方差贡献率达到了93.713%，超过主成分要求的累计贡献率大于85%的标准，信息丢失较少，已经充分反映了农村土地与劳动力配置的主要驱动信息，因子分析效果较理想。

2.3.4因子的命名解释为了使主成分因子更易于命名解释，本研究采用方差最大法对因子载荷矩阵进行正交旋转。与第2主成分相比，第1主成分中的各因子载荷系数都很大，说明所选因子对农村土地与劳动力配置的驱动作用很大。由表5可知，旋转后的因子载荷系数呈现出明显的两极分化，可表4特征值及主成分贡献率以直观地判定提取2个主成分，分别为：（1）第1主成分，按载荷系数高低依次为：农业机械总动力，国内生产总值，化肥施用量，城镇化率，总人口，乡城就业比，第二、第三产业占国内生产总值的比重，土地承载力，人口自然增长率。第1个因子载荷系数较高，载荷系数的绝对值平均在0.90以上。其中，农业机械总动力，国内生产总值，化肥施用量，城镇化率，总人口，第二、第三产业占国内生产总值的比重和土地承载力与第一主成分有较强的正相关性；乡城就业比，人口自然增长率与第一主成分有较强的负相关性。这9个因子代表着农业技术、经济增长、产业发展、城镇化、人口、劳动力，因此可以解释为社会经济进步。

（2）第二主成分，按载荷系数绝对值高低依次为：城乡收入比、基尼系数、农村贫困发生率。第2个因子载荷系数较高，载荷系数的绝对值平均在0.8以上。其中城乡收入比、基尼系数与第二主成分有较强的正相关性；农村贫困发生率与第二主成分有较强的负相关性。这3个因子代表着人民生活状况，因此可以解释为生活水平。

因此，农村土地与劳动力配置的驱动因素归纳为社会经济进步、生活水平这2个主成分因子，其中社会经济进步因子包括经济发展、城镇化水平、人口增长、技术进步；生活水平因子仅包含生活水平。这2个主成分对农村土地与劳动力配置的影响程度最大，能够比较全面地解释农村土地与劳动力的乡城配置状况。

2.3.5综合评价根据因子得分函数计算综合得分函数F，用于全面作出对农村土地与劳动力配置驱动力因素的综合评价。本研究以提取的各主成分因子的方差贡献率占提取主成分因子的总方差贡献率的比例作为权重。综合因子得分函数如下：

F=λ1∑2i=1λiF1+λ2∑2i=1λiF2。

式中：F1、F2分别为第1、第2主成分因子的得分函数，λ1、λ2分别为第1、第2主成分因子的方差贡献率。

根据以上公式计算综合得分函数为：

F=0.769F1+0.232F2。

由图1可知，2006年前后，农村土地与劳动力配置的综合因子得分实现了从负值向正值的转变。其中，2000—2006年综合因子得分平均为-0.67；2007—2013年综合因子得分增长为正值，平均为0.67，可见2000—2013年农村土地与劳动力配置驱动力的综合因子得分整体呈现上升的发展趋势。这表明驱动力因子对农村土地与劳动力城乡配置的作用力在逐渐增强，也在一定程度说明农村土地与劳动力资源在城乡流动和自由配置的意愿和可能性很高。

2.4分析

根据前面的因子分析，从众多驱动因素中筛选影响农村土地与劳动力配置的2个主成分因子，第1主成分因子为社会经济进步，包括经济发展、城镇化水平、人口增长、技术进步；第2主成分因子为生活水平，包含城乡收入比、基尼系数、农村贫困发生率。

2.4.1社会经济进步成分因子是农村土地与劳动力配置的主要驱动力根据驱动力的定性分析可知，社会经济进步是农村劳动力非农产业转移以及所伴随的农村土地流动的主要驱动力。因子分析已经证实了上述观点，取得了一致性结论。这个结论也与目前农村剩余劳动力乡-城转移和农村土地流转的事实相吻合。

随着经济持续增长、产业结构升级、农业技术进步、城镇化等多方面因素的影响，使得城市经济社会对农村土地与劳动力资源的需求越来越旺盛，而农村土地与劳动力资源的供给能力也逐渐提高，在农村推力和城镇拉力的共同作用下，增加了城镇化发展所需的土地与劳动力供给，进而推动土地城镇化和人口城镇化快速发展，而城镇化的发展又反过来进一步促进农村土地与劳动力的乡-城流动，形成相互作用的良性循环系统。

2.4.2生活水平成分因子对农村土地与劳动力配置影响相对较小生活水平是影响农村土地与劳动力配置的最主要驱动因子之一，对农村土地与劳动力配置的影响程度仅次于社会经济进步，本结论进一步支撑了定性分析的观点。这也表明，随着农民生活水平的提高，农村劳动力不断向城镇转移，农村土地利用方式也逐渐转变为城镇土地利用方式。

随着我国经济的长期快速发展，农村居民收入水平和农民生活水平不断提高。在农民物质生活得到极大满足的前提下，农村居民对精神文化生活的需求日益增长，向往更多的文化设施和更好的居住环境。但是，在目前乡村凋零、文化设施落后的现实条件下，农村已经无法满足农村居民的精神需求，向城镇迁移已经成为最主要的，甚至是唯一的途径。这种发展轨迹和人口流动趋势也正是城镇化发展的过程。

如果说城镇对农民追求高质量生活的满足是农村劳动力向城镇迁移的拉动力，而城乡收入差距、收入分配不公平性以及农村贫困等共同因素则是农村劳动力大量向城镇转移的推动力。农村劳动力向城镇迁移，甚至转变为城市市民、融入城市生活已经成为农村居民提高家庭收入、缩小收入差距、摆脱贫困、提升公平感和增强生活幸福感的重要手段。

农村劳动力的大规模转移促进了农村土地流转和集约利用，节约了土地资源，同时，农村劳动力的转移也使大量农村土地被闲置抛荒，这为农村土地转变为城镇用地提供了条件。此外，土地替代型农业技术和劳动替代型农业技术对农村土地与劳动力资源的解放使农村土地转城市用地成为可能。因此，上述2个原因构成了土地城镇化的基础条件。

综上所述，生活水平成分因子是影响农村土地与劳动力乡-城配置的最直接驱动因素，也是推动人口城镇化和土地城镇化的重要驱动因素。

3结论与讨论

本研究在定性分析的基础上运用因子分析方法分析了农村土地与劳动力配置的共同驱动力，得出以下结论。（1）土地承载力、农业技术进步、制度与政策激励等来自农村的“推力”和城乡预期收入差距、城镇化、经济增长与产业发展等来自城镇“拉力”共同作用，促进了农村土地与劳动力的流动与重组。（2）社会经济进步主成分因子和生活水平主成分因子是农村土地与劳动力配置的主要驱动力，其中社会经济进步成分因子是农村土地与劳动力配置的主要驱动力，而生活水平成分因子对农村土地与劳动力配置影响相对较小。

城镇化演变过程是农村土地资源与劳动力资源从农村“流向”城镇的资源配置过程，在城镇化配置的过程中受到经济、社会和政治等各方面因素的影响。目前农村土地制度、户籍制度、社会保障制度、城乡劳动力市场分割、农村人力资本存量低等是阻碍农村土地与劳动力资源在城乡的优化配置的主要障碍，因此，要从制度与政策激励、人力资本提升等方面采取有效措施，促进生产要素的优化配置和城镇化发展。

致谢：感谢朱晓霞、黄海燕和苏秀琴的相关研究工作。

参考文献：

[1]肖智，张杰，郑征征. 劳动力流动与第三产业的内生性研究——基于新经济地理的实证分析[J]. 人口研究，2012（2）：97-105.

[2]张蕊，杨晓丹，王楠. 四川省农业“人口红利”及剩余劳动力转移研究[J]. 农村经济，2011（11）：126-129.

[3]孙文凯，白重恩，谢沛初. 户籍制度改革对中国农村劳动力流动的影响[J]. 经济研究，2011（1）：28-41.

[4]都阳，蔡昉，屈小博，等. 延续中国奇迹：从户籍制度改革中收获红利[J]. 经济研究，2014（8）：4-13，78.

[5]欧阳峣，张杰飞. 发展中大国农村剩余劳动力转移动因——一个理论模型及来自中国的经验证据[J]. 中国农村经济，2010（9）：4-16.

[6]程名望，史清华，徐剑侠. 中国农村劳动力转移动因与障碍的一种解释[J]. 经济研究，2006（4）：68-78.

[7]王永培，晏维龙. 中国劳动力跨省迁徙的实证研究[J]. 人口与经济，2013（2）：53-59.

[8]高波，陈健，邹琳华. 区域房价差异、劳动力流动与产业升级[J]. 经济研究，2012（1）：66-79.

[9]邢春冰，贾淑艳，李实. 教育回报率的地区差异及其对劳动力流动的影响[J]. 经济研究，2013（11）：114-126.

[10]刘伟江，丁一，杨雪. 少数民族地区农村劳动力流动及其影响因素研究[J]. 人口学刊，2015，37（2）：102-112.

[11]陈林，姚顺波. 退耕农户劳动力流动类型选择的影响因素分析[J]. 林业经济问题，2013，33（3）：218-224.

[12]樊士德，沈坤荣. 中国劳动力流动的微观机制研究——基于传统与现代劳动力流动模型的建构[J]. 中国人口科学，2014（2）：17-31，126.

[13]朱高儒，许学工. 渤海湾海岸带土地利用变化的社会经济关联因子分析[J]. 国土与自然资源研究，2013（5）：37-40.

[14]姚远，丁建丽，赵振亮. 快速城市化背景下的乌鲁木齐市土地利用变化人文驱动力定量研究[J]. 干旱区资源与环境，2012，26（10）：132-137.

[15]钟太洋，黄贤金，王柏源. 经济增长与建设用地扩张的脱钩分析[J]. 自然资源学报，2010，25（1）：18-31.

[16]Wrbka T，Erb K H，Schulz N B，et al. Linking pattern and process in cultural landscapes：an empirical study based on spatially explicit indicators[J]. Land Use Policy，2004，21（3）：289-306.

[17]张成扬，赵智杰. 近10年黄河三角洲土地利用/覆盖时空变化特征与驱动因素定量分析[J]. 北京大学学报：自然科学版，2015，51（1）：151-158.

[18]曾永年，马振玲，刘正春，等. 青海高原东部农业区建设用地扩张驱动力分析[J]. 干旱区资源与环境，2011，25（12）：114-118.

[19]范润梅，苑京，王征南. 基于不同驱动因素的农村土地整治策略[J]. 农业经济，2015（8）：96-98.

[20]吕晨光，杨继瑞，谢菁. 我国农村土地流转的动因分析及实践探索[J]. 经济体制改革，2013（6）：73-77.

[21]张荣天，焦华富. 长江经济带城市土地利用效率格局演变及驱动机制研究[J]. 长江流域资源与环境，2015，24（3）：387-394.

[22]陈仲常，马大来，王玲. 农民土地转出参与意愿的影响因素分析[J]. 重庆大学学报：社会科学版，2014，20（4）：31-38.

[23]翟研宁，梁丹辉. 传统农区农户土地转出行为影响因素分析[J]. 南京农业大学学报：社会科学版，2013（3）：78-83.

[24]许学强，朱剑如. 城市地理学[M]. 北京：高等教育出版社，1997.

[25]薛薇. 基于SPSS的数据分析[M]. 3版.北京：中国人民大学出版社，2014.郑华伟，周家俊，刘友兆. 利益相关者视角下农地整治项目绩效测度目标分析[J]. 江苏农业科学，2016，44（5）：577-580.