周众帏
(国家统计局浙江调查总队,浙江杭州 310012)
浙江省农民工收入影响因素实证分析
周众帏
(国家统计局浙江调查总队,浙江杭州 310012)
本文以2015年浙江省农民工市民化进程动态监测数据为基础,建立线性回归模型后发现,浙江省农民工的性别差异、劳动时间、流动时间等基本社会特征显著影响了他们的收入状况。浙江省农民工的收入随着劳动时间和外出务工时间的增加而增长;女性劳动力在收入上处于劣势地位;而职业对他们的收入影响不显著。
农民工;收入;影响因素
农民工进城就业不仅是增加农民自身收入的方式,更是为社会发展提供了不可或缺的劳动力。农民工的收入直接决定了农民工迁移的程度,收入越高,迁移的数量和质量就越高。当前农民工收入问题性质发生了显著变化,它不仅体现在各种收入的非均衡增长,使得农民工收入增长的源泉发生了“质”的变化,而且还表现在农民工收入问题日益复杂化,研究农民工收入现状及影响因素,有助于促进农民工稳步增收、推动经济健康持续发展。因此,研究农民工收入这一问题具有很强的现实意义。
关于个人收入影响因素的研究,最常见的模型就是明瑟尔(Jacob Mincer)收入函数,该函数的基本思想是个人收入的变异有多少可以通过人力资本的差异解释,基本自变量是教育和工作经验。模型如下所示:In(w)=α+β0·edu+β1·work-exp+β2· work-exp2+ε
其中,w表示个人收入,ln(w)表示收入的自然对数,edu代表受教育年限,work-exp代表工作年限(以年为单位),work-exp2则代表工作年限的平方,ε为随机误差项,β0代表教育回报,β1和β2代表经验回报。农民工市民化进程监测把农民工就业分为工资性就业者和自我经营者两类,工资性就业者占调查比例的近80%,因此本文将参照明瑟尔收入模型,以性别、受教育年限、职业、周平均工作小时数和流动时间作为变量,建立回归方程来分析工资性就业的农民工收入的影响因素。
本研究的调查数据来源于以2015年浙江省农民工市民化进程动态监测对2090名工资性就业者的调查。数据显示:
1.从性别来看,接受调查的2090个农民工中,男性1302人,占62.3%,月平均收入为4271元;女性788人,占37.7%,月平均收入为3295元,相差976元,两组均值比较的P值小于0.05,因此拒绝零假设,说明男女的月平均收入有显著性差异。
2.从受教育程度来看,接受调查的农民工中1.5%为文盲,18%为小学水平,49.2%为初中水平,20.6%为高中或者中专文凭,只有10.7%接受过大专及其以上教育。从表1可以看出,虽然在各收入分组中都是初中和高中教育程度的人数最多,但随着教育水平的提高,髙收入段的人数不断增加,可见,低文化程度人群收入肯定不会太高。
表1 农民工收入情况表
3.从职业差异来看,农民工职业较多,按照调查分为8大类,为了方便数据的分析,将职业结合行业,区分为脑力劳动和体力劳动两类,接受调查的2090个农民工中,脑力劳动者占51.8%,月平均收入为3994元;体力劳动者占48.2%,月平均收入为3810元,相差184元,两组均值比较的P值小于0.05,因此拒绝零假设,说明两类职业者有显著性差异。
4.从周平均劳动时间来看,农民工平均每周工作56.3小时,劳动时间与收入的线性相关系数为0.08,且检验的p值为0.000,说明这两个变量线性相关,可以考虑建立线性回归模型。
5.从流动时间来看,农民工从最初外出工作至今平均经过了11年。流动时间与收入的线性相关系数为0.117,且检验的p值为0.000,说明这两个变量线性相关,可以考虑建立线性回归模型。
影响农民工收入的因素很多,但本文研究采用5个上述提到的因素:劳动时间、受教育程度、性别、职业、流动时间。根据这5个影响因素,参照明瑟尔收入函数,可以建立农民工收入影响因素模型如下:
In(income)=α+β1·In(hour)+β2·edu+β3· years+β4·career+β5·gentle+ε
其中,income表示流动人口月平均收入,hour表示每周平均工作小时数,years表示流动人口开始流动生活的年限,edu表示受教育程度,career表示职业,gentle表示性别。在这五个变量中,gentle、career都为虚拟变量。edu用受教育年限来衡量,edu为0时表示受教育程度为文盲或半文盲,edu为6时表示受教育程度为小学,edu为9时表示受教育程度为初中,edu为12时表示受教育程度为高中或中专,edu为15时表示受教育程度为大专,edu为16时表示受教育程度为大学本科,edu为19时表示受教育程度为研究生及其以上;gentle为1时表示性别为男性,gentle为0时表示性别为女性;career为1时表示从事的职业为体力劳动,career为0时表示从事的职业为脑力劳动。
农民工的收入与劳动时间、受教育程度、流动时间、性别、职业之间的关系,我们可以利用统计软件对调查变量数据进行线性回归分析,从结果看,在以上5个考虑因素中,有4个对农民工的收入影响显著。通过逐步回归分析,其中有4个变量进入线性回归模型中是拟合最好的:第1个变量是性别,第2个变量是劳动时间,第3个变量是流动时间,第4个变量是受教育程度。从模型汇总表看,DW检验为1.69,残差项间有相关性,P值为近似0.000,模型总体符合建模标准。从下面的方差分析表来看,回归分析的F统计量为104.68,对应的P值近似为0.000,由此可以看出,回归方程是非常显著的。
表2 方差分析表
a.因变量:收入LN
b.预测变量:(常量),性别。
c.预测变量:(常量),性别,受教育年限。
d.预测变量:(常量),性别,受教育年限,外出年数。
e.预测变量:(常量),性别,受教育年限,外出年数,工作时间取LN。
>表3 系数分析表
从上面的系数分析表中可以看到,对于方程常量和系数项检验发现P值都近似为0.000,检验非常显著。各变量之间容差都大于0.1,而且VIF值都小于10,因此各变量之间不存在共线性;绘制因变量数据P-P图,所有点聚集在直线附近,因此因变量数据符合正态分布;最后通过绘制残差图,在残差图中残差的方差不随着解释变量值的增加而出现增加或减少的趋势,所以无异方差的现象;因此可得以下回归方程:
In(income)=7.013+0.176·In(hour)+0.027· edu+0.006·years+0.24·gentle+ε
通过拟合以上多元线性回归方程可知:
(1)4个自变量都正向影响农民工的收入。也就是说,农民工的收入随着劳动时间和外出务工时间的增加而增长;男性比女性能获得更高收入;受教育程度越高收入越高。
(2)在5个解释变量中,性别差异对农民工的月收入影响最大,职业这个变量对农民工的月收入影响不明显。
本文对浙江省农民工的收入做了描述性分析,进而通过其月收入对劳动时间、流动时间、性别、职业差异、受教育程度等影响变量进行回归分析。通过回归分析,可以得出以下主要结论:
(1)性别差异对农民工的收入影响最大。男性和女性之间的月均收入相差近1000元,可以分析男性外出务工得到收入远高于女性,女性在收入待遇方面与男性差距较大。
(2)劳动时间对农民工的收入具有直接影响。虽然农民工在城市中也想追求“体面、高层次”的工作,但实际上大多依然只能从事简单的体力劳动,可替代性强,就业也极不稳定;一次就业甚至不一定可以工作一整个月,按时计费的情况普遍存在。
(3)受教育程度对农民工收入影响显著。调查的农民工中初中和高中教育程度的人数最多,但是我们分析发现,随着收入的不断提高,高层次教育水平的人数不断提高,因此受教育对收入具有正向作用。
(4)流动时间是影响农民工收入的重要因素。随着农村青年离开家乡进人城市流动时间的增长,就业的机会越来越多,从而可以大量累积工作经验,有利于农民工增加收入。
(5)模型分析发现职业对收入没有显著影响,分析其中原因,可能由于职业类型数据分类存在误差,因此对数据分析造成一定影响,这也是本文需要进一步改进的地方。
根据以上结论,可以了解到当前影响浙江省农民工收入的各种因素。针对以上影响因素,提出以下政策建议:
(1)合理保护女性农民工权益。扭转传统性别歧视观念,可以发挥女性特点的职业优势进一步扩大化。完善国家政策的平衡和法制体系,完善的政策和法律体系是纠正农民工劳动力市场性别歧视的重要手段,国家可以通过赋予女性农民工特定的保障权利,在事前和事后对其权利均予以保障。建议根据女性农民工生理、心理以及家庭需要的特点,提供多层次、多方位且时间灵活的培训体制,同时结合信息技术的发展提供灵活的培训方式,可以使得女性在多重地点和多样境况(2)进一步完善最低工资制度。当前我省农民工劳动时间超时现象严重,平均一周工作时间超56小时,目前经济环境下,农民工劳动力价格弹性不高,因此只能采取不断加班来增加工资,这一现状短时间内无法改变。因此更需要进一步完善最低工资制度,确保每小时最低工资才能够更有效地保障流动人口的收入和权益。
下,即便在家庭也可完成培训。
(3)加强农村人力资本培育。加强农村人力资本培育,不仅可以增加农民工资性收入,而且还具有溢出效应,卢卡斯认为,人力资本是经济增长的引擎,一个拥有较高人力资本的人对他周围的人会产生更多的有利影响,提高周围人的生产率。具体而言,一是要大力发展农村的基础教育,二是要发展农村职业技术教育,对农村居民而言,后者似乎更为重要。在广大农民中进行有目的、有步骤的专业技术培训,形成农村教育培训体系,掌握了一定实用技能的农村劳动力,才能增强适应市场经济的竞争力,拓宽就业门路。
(责任编辑:牛域宁)