教育如何影响农村劳动力转移

曾旭晖　郑莉

摘要：本研究分析了教育是如何影响农村劳动力在纯务农、兼业和纯务工之间的就业选择，以及该选择随年龄增长和世代更替的演变趋势。研究发现，教育在总体上促进了非农就业，但在不同世代的生命历程中有着不尽相同的作用机制。在较早出生的世代中，教育对兼业和纯务工的促进作用是一致的。但在晚近出生的世代中，更高的教育水平对纯务工就业有着非常显著的影响，而对兼业选择影响甚微。在老一代农民中，教育对兼业和纯务工的促进作用随年龄增长而有所减弱；而在新一代农民中，教育对纯务工的促进作用随着年龄增长而迅速加强，呈现教育的积累性优势。此外，老一代农民的生命历程中有一个从务工到务农的回归；新一代农民向非农行业转移则呈现不可逆的趋势，教育对此起到了促进作用。

关键词：农村劳动力转移；教育；世代效应；多层多项Logit模型

中图分类号：F3046文献标识码：A文章编号：1000-4149（2016）05-0035-12

DOI：103969/jissn1000-4149201605004

Abstract：This study analyzes the effects of education on rural labor transition from farming to parttime or fulltime nonfarming work， by applying multilevel multinomial logit model based on a longitudinal data.

We also take into the life course and cohort replacement account.

The results show that education improves transition to nonfarming work overall but the effects vary in the life course of different birth cohort. For the earlier cohorts， education has the same effects on nonfarming transition； for the later cohorts， education has much stronger effects on fulltime nonfarming transition when they grow older， but has little effects on parttime nonfarming transition. In the long run， for the earlier cohorts， the effects of education on nonfarming transition weaken a little bit； for the later cohorts， the effects of education on fulltime nonfarming transition get stronger and then show an accumulative advantage. In addition， we find a regression from nonfarming to farming in the life course of earlier cohorts. For the later cohorts， the transition to nonfarming work looks like an irreversible trend， facilitated by education significantly.

Keywords：rural labor transition； education； cohort effect； multilevel multinominal logit model

一、引言

从20世纪90年代初的民工潮开始，从土地上释放出来的我国农村劳动力源源不断地进城务工，构成了人类历史上最大规模的劳动力迁移。根据2010年人口普查数据，农村16岁及以上劳动年龄人口数为512亿，

其中有22亿人在外务工，占全国农村劳动力总量的426%，另根据全国农民工监测报告，截至2014年，农民工总量已达到27亿，其中住户中外出农民工132亿，本地农民工106亿，举家外出农民工3578万。随着我国城镇化和农业现代化的推进，农村劳动力向非农行业转移将会持续下去。在一个农民的生命历程中，面临诸多选择：继续在家务农，还是到城里干点活，找点现钱；自己做点生意，还是外出打工；在就近的城镇务工，还是到中心城市或是省外务工；继续在外面打工，还是回乡发展；回乡创业，还是回乡务农。从农村劳动力转移的长远趋势看，弄

清楚从农业向非农行业的职业转换是如何实现的，受到哪些因素的影响至关重要。特别是在中国特定的转型期，半工半农的兼业方式普遍存在，突显农村劳动力流动的复杂性和反复性。

在农业劳动力向非农行业转移的国内外研究中，人力资本一直是一个重要的指标。受教育程度高的人更倾向于离开农业，在城市中寻找工作，进而完成农民向市民的转换。同时，工业化和城市化也是一个国民教育普及的过程，新一代农民会比老一代农民获得更高水平的教育，也更希望在城市工作和生活。但是我们对教育在农村劳动力转移中的影响机制还缺乏深入分析。在一个农民的生命历程中，教育是如何影响到务工、务农或兼业的职业选择，以及在不同时代出生的农民中，教育对非农就业行为是否有着不同的作用方式，这些问题还有待进一步研究。

二、文献综述

西方国家在城市化过程中，农业劳动者向非农行业转移既是职业的流动，也是由农民到市民

身份的转变。而中国农村劳动力流动有着自身的特点。由于城乡二元体制下户籍制度和农村集体经济制度的约束，多数农民虽然在某种程度上实现了非农就业，但是户籍身份仍然保留在农村。蔡昉较早提出劳动力迁移的两个过程，即农村劳动力迁入城市和在迁入地定居下来，而后一个过程因制度障碍难以顺利实现[1]。其结果就是农村劳动力的职业流动模式呈现多样性。从非农就业的角度来看，有学者将其分为三种模式：务农、本地非农就业和外出务工[2-3]；也有学者注意到非农就业参与程度上的差异，从而将其区分为务农、务工和兼业三种类型[4]。值得注意的是，不同就业模式的选择不是一次性的。一个农村劳动力可能会在其生命历程中的不同时段选择不同的就业模式。尽管农村劳动力迁移以常年外出务工为主，但是农民工回流也是这一迁移过程的一部分；大部分回流者更倾向于从事生产性农业而不是本地的非农工作，并且多数回流劳动力会选择再次外出[5-7]。在经济波动中农户劳动力供给行为也会发生改变，在经济下行时期，农村劳动力普遍增加务农的时间或提高在农业上的劳动力配置[8]；在兼业农民中也存在非农就业时间配置问题[9]。这些研究都说明了农村劳动力向非农职业流动是一个动态的过程，应该考虑纵向的时间维度。

在农村劳动力迁移模型中，教育通常是一个默认变量。以教育为代表的人力资本要素促进了农村劳动力向非农行业转移[10-13]。杨金风和史江涛在较早的文献综述中把教育的影响归纳为三个方面：教育提高了农村劳动力获得非农就业的机会和从事非农就业的概率，并且从就业区位、从业时间和行业类别等方面增强了从事非农就业的选择能力[14]。杨涛通过建立农户家庭劳动力配置模型来解释教育的作用机制，发现了如下三个事实：教育没有为务农带来明显的回报，家庭最高受教育者对农业效益的贡献与其是否从事非农工作无关，教育提高了务工收益。因此，农户家庭中受教育程度较高的成员会利用比较优势，外出务工，从而最大化家庭收益[13]。但是赵耀辉发现教育对外出务工的影响很小，并且不是递增的：与没受过教育的农民相比，受过小学和初中教育的农民的外出概率分别只高出20%和24%，而高中文化程度的农民与没上过学的农民的外出概率差不多。该研究进一步分析发现，教育极大地促进了劳动力进入本地非农产业，与没受过正规教育的农民相比，小学、初中和高中文化程度的农民外出务工概率分别高出36%、11%和21%，说明受教育程度高的农村劳动力首先选择在本地非农就业，而不是外出务工[2]。威尔莫（Willmore）等人也发现较低和较高文化程度的人更倾向于留在农业，而中等文化程度的人更倾向于从事非农工作，作者对此的解释是较高文化程度的人存在不充分就业的问题，即找不到合适的非农工作，只好留在家里务农[3]。

教育对非农职业流动的影响有着不同的方式。张林秀等人发现，教育增加了非农就业的机会，并且在调查的三个年份中（1988年、1992年和1996年）教育对非农就业的影响不断加强。该研究进一步分析发现，教育并不是退出非农工作的重要因素，但对进入非农行业有显著的促进作用[8]。邢春冰也发现教育对非农工作机会的影响随时间而变化，在20世纪90年代初期影响较大，而到了90年代中后期，教育对于非农工作机会的边际贡献呈下降趋势。这可能是由于人力资本水平提高、劳动力市场不健全导致人力资本配置失灵[15]。陈宗胜等人发现不同受教育程度对不同非农就业途径的作用方式存在差异，比如教育在远城区比在近城区对外出务工的影响更为显著；相对于在本地从事非农工作，教育对外出务工的促进作用更为明显[16]。外出农民工较高的教育水平是从事中高端职业的重要条件，提高了非农就业稳定性[17]，同时也降低了从非农部门回流到农业部门的概率[18]。

年龄对非农就业的影响有不同的研究结论。赵耀辉发现年龄对外出务工有微弱但是显著的负向影响，可能的原因是很多农村劳动力并不打算移居城市，由于只有几年的务工预期，因此难以用经济学上的迁移受益年限来解释，而年龄的心理成本可能起到更大的作用[2]。张林秀等人发现年龄与非农就业有很强的相关性，21-30岁是非农就业率最高的时期，随着年龄的增大，非农就业率呈下降趋势，在经济下行期，年龄大的农村劳动力更倾向于退出非农工作[8]。方黎明和王亚柯则发现不同年龄段农村劳动力回流到农业部门的概率并没有显著性差异[18]。

同年龄相对应的另一个重要维度是出生年代。王春光较早提出新生代农村流动人口的概念，并与第一代农村流动人口在出生年代、教育、务农经历、外出动机、身份认同等方面进行比较；新生代流动人口接受了更高的教育、缺乏务农经历、外出动机强调在城市的生活适应、农民的身份认同减弱[19]。近年来，新生代农民工群体引起了更广泛的关注，主要是指“80后”、“90后”的青年农民工。新生代农民工概念的提出意味着对不同出生年代的群体有了不同的考量，这为我们在分析农村劳动力流动时引入世代效应提供了很好的思路。

世代效应

关于cohort effects的翻译在不同学科之间还没有统一的标准，有同期群效应、代际效应、队列效应、世代效应等多种译法。同样，对birth cohort的翻译也有队列、世代、代际、出生世代等不同译法。（cohort effects）是指一个群体因出生于相同的年代而有着共同的社会经历，从而带有相似的特征，如我们所谓的“80后”或“90后”。世代效应的倡导者赖德（Ryder）认为，出生世代（birth cohort）是社会变迁的载体，社会变迁对个体生命的影响在不同世代中不尽相同，对出生世代的研究有助于我们更好地把握我们所经历的社会变迁[20]。因此，出生世代这一概念早已超出人口学范畴，其对个人行为的影响，已经与社会经济地位（SES）等结构性因素同等重要。赖利（Riley）在综合了米尔斯的“社会学的想象力”和赖德的世代效应论述基础上，提出一个整合性的生命历程理论视角，指出个人的成长、成熟和老去都是在社会大背景中展开的，而这个社会大背景正是由一代又一代的出生世代所定义并形塑的[21]。也就是说，个人层面的年龄效应和集体层面经历的社会变迁——即世代效应，在生命历程理论中，需要得到同样的关注。

具体到中国农村劳动力流动的研究中，年龄效应和世代效应有不同的作用方式。年龄效应代表生命周期，比如年轻时外出务工，年长时回乡务农；世代效应则更多地体现了不同时期出生的人所共有的特征，比如新生代农民工的群体特征。不同世代农民工的非农就业行为可能并不一致：比如我们想知道新一代农民与老一代农民

由于本研究采用世代效应的分析方法，研究对象被看做是不同年代出生的群体，因此，新一代农民和老一代农民是一个相对概念，前者泛指晚近出生的农民，后者泛指较早出生的农民。

在职业选择上的差异，是因为整体受教育程度的不同，还是因为年龄上的不同，或者只是因为出生时期的不同。要回答这类问题，必须进行年龄与世代的交互分析，否则就难以区分年龄、教育和世代各自独立的影响。有学者早已注意到了这方面研究上的不足，指出已有研究多使用截面数据或短期重复观察数据作为分析的基础，由于数据可及性问题和统计方法上的局限性，在这一领域进行长时段的动态研究还不多见[14]。

在方法层面，社会科学研究中常用截面数据（crosssectional data）来分析社会变迁。截面数据无法区分年龄效应导致的个体内差异（withinperson differences）和世代效应导致的个体间差异（betweenperson differences）。这会导致年龄和世代的同一性问题（identification problem），也就是年龄效应和世代效应在截面数据中相互混合干扰[22]。随着观察数据的丰富和统计方法的改进，我们得以利用纵向数据或追踪数据（longitudinal data）和面板数据（panel data）在分析中对年龄效应和世代效应进行剥离。具有多个出生世代的多轮追踪观察的数据设计尤其适合将数据中的时间变化区分为年龄和世代两个维度。多世代追踪数据提供多重世代的连续纵向观测，相邻的出生世代有了重合年龄段的观察，因此我们得以比较不同世代在相同年龄段的发展轨迹，从而区分年龄效应与世代效应。

本研究将利用多世代纵向追踪数据CHNS，将年龄和世代效应引入对农村劳动力转移的研究中，应用多层多项Logit模型，分析人力资本过去20多年来对农村劳动力非农就业的影响及其发展趋势。我们的主要研究问题如下：第一，农村劳动力的非农就业（兼业与务工）是否存在世代差异？世代效应对兼业与务工的影响是否一致？

第二，教育如何影响兼业与务工的选择，教育的影响具有世代差异性吗？第三，年龄如何影响兼业与务工的选择，年龄的影响具有世代差异性吗？第四，随着年龄的增长，教育对兼业与务工的影响是不变、增长，还是降低？教育的年龄效应是否有世代差异？

三、数据与变量

二级标题1. 数据来源

本研究的数据来自于“中国健康与营养调查”（China Health and Nutrition Survey，CHNS）。CHNS是美国北卡大学和中国疾控中心合作实施的从1989年开始进行的纵贯调查或追踪调查的项目。在最初的调查中，采用分层多阶段抽样的方法，从8个社会经济及地理情况各异的省份中抽取分层概率样本。目前，CHNS已完成并发布了9个年份的追踪调查数据，包括1989、1991、1993、1997、2000、2004、2006、2009、2011年，时间跨度达到23年，样本获取地区有9个省和三个直辖市（2011年加入），调查覆盖了47%的中国人口。CHNS调查设计中涵盖了城乡在经济发展、公共资源、健康指数、社会人口等方面的变迁，信息综合程度高，时空跨度大，为相关研究提供了难得的大范围的追踪数据库。

CHNS调查主要目的是为了研究中国社会、经济和人口的变迁对个人一生健康的影响。在问卷信息收集中，包括了样本的职业变动、务农务工收入、人口学数据等，调查时间段正好对应我国农村劳动力由乡进城的历史时期，因此，对追踪分析我国农村劳动力非农就业变迁具有独特的优势。尽管CHNS不是针对全国人口来设计调查，但前期研究发现CHNS的世代特征在年龄、性别与教育分布上，与全国性样本具有可比性[23]。

本研究的分析样本为所有农村户籍、年龄在16-60岁之间且没有在上学的农村劳动力。总计共12177人、47816次观测记录，人均观测值为393次。

本研究的因变量为农村劳动力（户籍为农村）的就业变动，分为纯务农、纯务工和兼业三个基本类型。我们用4个指标来综合决定样本非农就业情况，指标1是职业分类，分为农业劳动者和非农业劳动者；指标2是有无农业收入；指标3是有无工资性收入；指标4是有无经营性收入（见表1）。所有收入均指个人收入。纯务农者是指无任何非农收入的农业劳动者，纯务工者是指无任何农业收入的非农业劳动者。兼业型农村劳动力可分为三类：前两类是指有非农收入的农业劳动者，若是以工资性收入为主则属于第一类兼业，若是以经营性收入为主则属于第二类兼业，第三类兼业是指有一定的农业收入来源的非农业劳动者，其主要从事非农工作，但同时以农业劳动为辅。

表2列出了9个年份中农村劳动力的就业变动。总体来看，农村劳动力20年来的就业分布趋势是纯务农比重不断下降，而纯务工比重则不断上升。但是，由于农业人口原始基数大，2011年的数据显示仍有过半的农村劳动力从事纯务农的工作。兼业型农村劳动力的比重在一定范围内波动，多数时间保持在15%-22%之间。值得注意的是在2004年农村劳动力纯务工和兼业的比重都有一个明显的下落，特别是第一类兼业，以务农为主、务工为辅的农村劳动力大量减少（从68%减少到19%），同期纯务农劳动力的比重从2000年的625%提高到695%。因为2004年调查的是2003年的就业情况，我们推测这与当年的金融危机有关。很显然，受经济波动影响最大的是第一类兼业型劳动力，主要是外出打零工的农村劳动力。从另一个角度看，这也体现了农村集体土地制度对农村劳动力经济活动的缓冲功能。

值得注意的是，农村劳动力在纯务农、兼业、纯务工之间的转换不是一次性的。尽管有相当数量的农村劳动力常年务农，在观测期间没有任何非农就业行为，但是有相当一部分劳动力发生过多次农业和非农就业的转换。对追踪数据的描述性分析发现，在有两次及以上观察值的样本中（N=9301），有392%的人从未发生过就业转换，259%的人有过一次转换，177%的人有过两次，有三次及以上者达171%，人均职业转换125次。

为了对世代效应有一个较为直观的认识，我们根据初次和二次观测时农村劳动力分世代的务农和非农就业情况，做一个描述性的分析（见表3）。从纯务农者所占比重来看，世代之间的差异并不像通常感觉的那么大。除了最早出生的世代（1949年及以前出生），不同世代的农村劳动力在第一次观测时，完全从事农业的比例都保持在65%-70%之间。世代之间较为显著的差异体现在兼业和纯务工的样本分布上。晚近出生的农村劳动力更倾向于直接进入城镇务工，而较少选择兼业的非农就业方式，特别是1980年及以后出生的农村户籍的劳动力，没有务农经历者占1/4，而兼业者比例只有74%。可预计随着代际替换的推进，半工半农的比重或将逐渐下降。在比较前两次观测值时，我们看到，晚近世代职业流动性更强，发生非农就业转移的比例更大。在“80后”农村劳动力中，有436%的样本发生过务农和非农就业的转移，而纯务工的比例达到387%。但是从另一个方面看，所谓的“80后”新生代农村劳动力仍然有过半数的以务农为业。

进入模型的自变量包括年龄、教育和世代三个连续变量。年龄如前所述限定在16-60岁。教育采用被访者所报告的最高受教育年限，平均值为676年，即小学毕业。如果按照就业类型计算，纯务农、兼业和纯务工劳动力接受的平均国民教育年限分别为609、727和870年。世代是根据被访者的出生年月，将被访者分为5个跨度10年的出生世代。世代1为出生时间在1949年及以前的样本，世代2为出生时间在1950-1969年的样本，以此类推，世代5为1980年及以后出生的样本。值得注意的是，教育在世代之间存在显著的差异，晚近出生的样本平均受教育年限也更高，从世代1到世代5依次为36、57、78、83和96年，这也与我国九年制义务教育的普及过程相吻合。

控制变量包括性别、家庭人口数、家里是否有未上学孩子（年龄小于7岁），以及城乡区位差异。城乡区位差异表明被访问对象是住在城区或城郊，还是住在边远的农村。在前期分析中，我们还考虑了是否有70岁以上老人，以及国内不同区域的变量，但是在后面的统计分析中并不显著，因此未放入模型。主要数据指标的描述性统计见表4。

四、计量模型分析

1. 计量模型

本研究使用多层模型来处理追踪数据中个人信息随时间而变动的情况。在多层模型中，每一个个体可以有不同次数的观测，个体的特征变量可以随不同的观测时点而不同，从而形成两个层次的模型结构：一个是个体间的差异性，另一个是个体内的差异性。在社会科学的经验研究中，多层模型直到最近更多地应用于分析复杂的多分类名义变量[24]，称为多层多项Logit回归模型（Multilevel Multinomial Logit Model）。

在CHNS追踪数据中，一个农村劳动力在任何一个时间点上有三种可能的就业状况：一是纯务农，二是兼业，三是纯务工。在这个特定的数据结构中，多层多项Logit模型帮助我们从世代效应的视角分析农村劳动力的就业变动。在本研究中，我们以纯务农（y=3）为参照组，相对于纯务工（y=1）和兼业（y=2），可以得到如下公式：

2. 数据结果

模型1考察教育在农村劳动力转移过程中的积累性效应，亦即随着个体年龄的增长，教育对非农就业的促进作用是增强、减弱，还是保持不变。模型2加入世代和世代与年龄的交互项，侧重分析年龄增长的影响在不同世代之间呈现的差异性。模型3在截距和斜率中加入教育和世代的交互影响，检验教育对外出务工影响的世代差异性，见表5。本研究使用Stata软件中的GLLAMM（Generalized Linear Latent and Mixed Models）估计多层多项Logit模型的参数[25-26]。

模型1结果显示，教育促进了农村劳动力从农业向非农行业转移，这在前期研究中得到反复证实。每多接受一年教育，相对于务农，个体选择兼业的比率提高了184%（exp（0169）-1），个体选择务工的比率提高了312%（exp（0272）-1）。年龄对外出务工

同样具有促进作用，但仅限于兼业。年龄每增加10岁，相对于务农，农村劳动力选择兼业的比率增加301%（exp（0031*10）-1），选择纯务工的比率略有增加但并不具有统计显著性。年龄对非农务工的正向影响并不是线性的，在年龄平方项中的负值（-0003）表明，在农村劳动力的生命轨迹中，年龄的正向影响逐渐减弱。教育与年龄的交互项对兼业的影响是正向的，显示出教育对外出打工的累积优势，即随着年龄的增长，教育对非农就业的促进作用加强了。

模型2截距参数显示，在控制了其他变量后，每晚出生一个世代（10年），相对于务农选择兼业的比率要提高517%（exp（0417）-1），选择兼业务工的比率要提高127倍（exp（0821）-1）。晚近出生的世代更倾向于外出务工，无论是兼业还是纯务工。在“80后”新生代农民中，相对于务农选择兼业的比率要高33倍（exp（0417*4）-1），而选择务工的比率要高24倍（exp（0821*4）-1）。如果在兼业和纯务工之间对比，每晚出生一个世代，农村劳动力选择纯务工相对于兼业的比率要高出50%（exp（0821-0417）-1）。同样是“80后”的农村劳动力，选择纯务工概率是兼业概率的4倍（=exp[（076-0352）*4]-1）。

模型2斜率参数显示世代与年龄对外出务工的交互影响。每晚出生一个世代，农村劳动力选择兼业相对于务农的比率要增加408%（exp（0034*10）-1），选择务工相对于务农的比率只增加112%（exp（0011*10）-1）。加入世代与年龄的交互影响后，教育与年龄的交互项无论是对兼业还是纯务工的影响都消失了，说明模型1中教育*年龄的影响主要是来自世代*年龄的影响，这是由于新一代农民受教育年限高于老一代农民。

为了更清晰地呈现教育和年龄这两个人力资本变量对农村劳动力非农就业影响的世代差异，同时考虑到参数估计的稳定性，我们以世代2（20世纪50年代出生的老一代农民，下同）和世代4（70年代出生的新一代农民，下同）为例，根据前面的概率公式计算出不

同受教育水平的样本随着年龄增长从事兼业、务工和务农的概率。图1显示，在老一代农民中，教育在各个年龄阶段对兼业都有显著的影响；但在新一代农民中，教育在青年时期对兼业几乎没有影响，在中年期的影响则呈负值。随着年龄的增长，老一代农民选择兼业的概率成长曲线相对平缓；而新一代农民选择兼业的概率成长曲线则呈近似直线型增长，并且随年龄增长教育程度低者更倾向于选择兼业。

图2显示教育对纯务工选择的影响普遍存在，而且对新一代农民的影响比老一代农民更大。就年龄的影响而言，两代农民务工概率的成长曲线都呈倒“U”型，先是随着年龄增加务工概率也增加，在中间某个年龄段达到顶点，然后呈下降趋势。但在新一代农民中顶点之前的曲线更陡，表明随年龄增长教育对纯务工的促进作用迅速提高，这一点在受教育程度较高的群体中表现尤其突出，体现了教育的累积性优势。而老一代农民的纯务工概率的增长曲线较为平滑，并且不同教育程度的两条曲线呈收拢的趋势，表明教育的积累性效应随年龄增加反而减弱了。

图3所显示的是农村劳动力纯务农概率的成长曲线，在各个世代、各个年龄阶段，教育程度高者，务农概率低。老一代农民的务农曲线呈一个较平缓的“U”型，即随着年龄的增长，纯务农的概率缓慢下降，到45岁后再略微增长。考虑到务农、务工和兼业三者概率之和等于1，结合图1和图2的非农就业曲线，我们可以得出这样的判断。一方面，在老一代农民中呈现出一个青壮年时期外出务工、中老年后回乡务农的生命轨迹。另一方面，新一代农民的务农曲线则呈反“J”型，即纯务农的概率随年龄增长持续下降。结合前面的讨论，有一个有趣的发现，即教育程度较高的新一代农民更多地选择纯务工就业，而教育程度较低的则更多选择兼业。

五、主要结论

本研究根据跨度23年的CHNS追踪数据，应用多层多项模型分析方法，考察世代效应和年龄效应的独立影响及其交互作用，从而有助于回答前面提出的几个问题。一是农村劳动力的流动存在显著的世代差异。在控制了教育、年龄等变量后，相对于老一代农民，新一代农民仍然更倾向于非农就业，包括兼业和纯务工。在老一代农民的生命历程中有一个从务工到务农的回归；而新一代农民向非农行业转移则呈现出不可逆的趋势。二是教育这一重要的人力资本在总体上促进了非农就业，但在不同世代的生命历程中有着不尽相同的作用机制。在较早出生的世代中，教育对兼业和纯务工的促进作用是一致的。但在晚近出生的世代中，更高的教育水平对纯务工就业有着非常显著的影响，而对是否选择兼业影响不大。三是年龄效应对兼业与务工的作用不同，且呈现出世代差异性。在新一代农民中，随着年龄的增加，兼业的概率持续提高，呈直线上升趋势；在老一代农民中，兼业的概率曲线相对平缓。年龄的增加促进了纯务工的选择，概率曲线呈现倒“U”型，即达到某个年龄段后，纯务工的概率开始下降。最后，我们发现在世代更替过程中，教育和年龄这两个重要的人力资本既各自独立作用，也交互影响。在老一代农民中，教育对纯务工的促进作用随年龄增长而有所减弱；在新生代农民中，教育对纯务工的促进作用随着年龄增长而迅速加强，呈现出教育的积累性优势——也就是说早先因受教育程度较高而具有一定优势的人，在其后的生命历程中进一步扩大了这方面的优势。对于在中间出生的世代，教育的影响则没有体现出年龄差异。

在当前中国新型城镇化背景下，推进农业转移人口市民化是当务之急。如果把纯务农或兼业向纯务工的就业转移看做是农民工市民化的必要阶段，我们看到教育是如何在其中起到规律性的作用。虽然老一代农民呈现出青壮年外出务工、中老年回乡务农的生命轨迹，但是对新一代农民而言，务农的概率持续下降，开始表现出不可逆的城市化趋势。在新一代农民中，城市化进程因受教育程度高低而呈现出不同的轨迹，更高的教育对纯务工就业的促进作用非常明显。本研究的发现能在一定程度上批驳农村出现的“新读书无用论”[27]，而要从根本上推动我国农业转移人口市民化进程，全面提高新一代农村劳动力的受教育水平显得更为迫切。

本研究的贡献在于：其一，在理论和方法上将年龄和世代效应引入传统人力资本对农村劳动力转移的影响研究，并揭示出在农民的生命历程中教育是如何影响到非农就业选择，及其显著的世代差异性。世代效应可以成为探索社会变迁的重要指标。其二，在研究设计上将兼业与纯务工分离，揭示出教育对兼业和纯务工影响的变化趋势是不同的。教育对兼业的影响随世代推移而降低，但教育对纯务工选择随世代推移而加强。相对于兼业而言，纯务工是更高阶的职业流动，对教育的要求也越来越高。其三，通过分层多项统计方法的使用，能够追溯每一个体随年龄增长形成的不同就业概率的成长曲线，分离出年龄效应和世代效应，及其世代差异性。

参考文献：

参考文献内容[1]蔡昉. 劳动力迁移的两个过程及其制度障碍 [J]. 社会学研究， 2001 （4）：44-51.

[2]赵耀辉. 中国农村劳动力流动及教育在其中的作用——以四川省为基础的研究 [J]. 经济研究， 1997 （2）：37-42.

[3]WILLMORE L， CAO Guiying， XIN Lingjie. Determinants of offfarm work and temporary migration in China [J]. Population Environment， 2012， 33：161-185.

[4]罗仁福， 张林秀， ROZELLE S. 我国农村劳动力非农就业的变迁及面临的挑战 [J]. 农业经济问题， 2011 （9）：18-24.

[5]白南生， 何宇鹏. 回乡， 还是外出？——安徽四川二省农村外出劳动力回流研究 [J]. 社会学研究， 2002 （3）：64-78.

[6]ZHAO Yaohui. Causes and consequences of return migration： recent evidence from China [J]. Journal of Comparative Economics， 2002， 30：376-394.

[7]王子成， 赵忠. 农民工迁移模式的动态选择：外出、回流还是再迁移 [J]. 管理世界， 2013 （1）：78-88.

[8]张林秀， 霍艾米， 罗斯高， 黄季焜. 经济波动中农户劳动力供给行为研究 [J]. 农业经济问题， 2000 （5）：7-15.

[9]陆文聪， 吴连翠. 兼业农民的非农就业行为及其性别差异 [J]. 中国农村经济， 2011 （6）：54-62.

[10]HUFFMAN W E. Farm and offfarm work decisions： the role of human capital [J]. Review of Economics and Statistics， 1980， 62（1）：14-23.

[11]周其仁. 机会与能力——中国农村劳动力的就业和流动 [J]. 管理世界， 1997 （5）：81-100.

[12]张务伟， 张福明， 杨学成. 农村劳动力就业状况的微观影响因素及其作用机理——基于入户调查数据的实证分析 [J]. 中国农村经济， 2011 （11）：62-73.

[13]YANG Tao. Education and offfarm work [J]. Economic Development and Cultural Change， 1997， 45（3）：613-632.

[14]杨金风， 史江涛. 人力资本对非农就业的影响：文献综述 [J]. 中国农村观察， 2006 （3）：74-79.

[15]邢春冰. 中国农村非农就业机会的代际流动 [J]. 经济研究， 2006 （9）：103-116.

[16]陈宗胜， 周云波， 任国强. 影响农村三种非农就业途径的主要因素研究——对天津市农村社会的实证分析 [J]. 财经研究， 2006 （5）：4-17.

[17]王超恩， 符平. 农民工的职业流动及其影响因素——基于职业分层与代际差异视角的考察 [J]. 人口与经济， 2013 （5）：89-97.

[18]方黎明， 王亚柯. 农村劳动力从非农部门回流到农业部门的影响因素分析 [J]. 人口与经济， 2013 （6）：56-62.

[19]王春光. 新生代农村流动人口的社会认同与城乡融合的关系 [J]. 社会学研究， 2001 （3）：63-76.

[20]RYDER N B. The cohort as a concept in the study of social change [J]. American Sociological Review， 1965， 30：843-861.

[21]RILEY M W. On the significance of age in sociology [J]. American Sociological Review， 1987， 52：1-14.

[22]YANG Yang. Aging， cohorts， and methods [M] // BINSTOCK R H， GEORGE L K. Handbook of Aging and the Social Sciences， 7th. Burlington， MA： Academic Press， 2011：17-30.

[23]ZHANG B， ZHAI F Y， DU S F， POPKIN B M. The China health and nutrition survey， 1989-2011 [J]. Obesity Reviews， 2014， 15：2-7.

[24]王济川， 谢海义， 姜宝法. 多层统计分析模型——方法与应用 [M]. 北京：高等教育出版社， 2008：160-168.

[25][JP2]RABE-HESKETH S， ANDERS S， ANDREW P. U.C.Berkeley Division of Biostatistics Working Paper Series 160[EB/OL].[2016-

[JP]03-18]. http：//www.bepress.com/ucbbiostat/paper160.

[26]RABE-HESKETH S， ANDERS S. Multilevel and longitudinal modeling using Stata， 3rd [M]. Texas： Stata Press， 2012：659-666.

[27]余惠琼， 张礼军. 透视农村“新读书无用论”[J]. 中国青年研究， 2006 （6）：66-70.

[责任编辑责任编辑冯乐，武玉]