防控常态化背景下农民工外出务工意愿研究①

李映丹 安海燕

（贵州大学经济学院 贵州贵阳 550025）

外出务工是大多数农民的主要收入来源，在当前扶贫攻坚的关键时期，研究新冠疫情防控常态化背景下农民工外出务工的影响因素，有利于政府和企业有针对性的出台相关措施，进一步提高农民收入，对完成脱贫攻坚任务具有重要意义。

1 数据来源及样本描述

1.1 数据来源

本次研究数据来源于2020 年2 月防控常态化期间，面向全国发放的关于防控对农民工群体城乡认知和行为的影响线上调查，共发放问卷530份，收回有效问卷528份。调查内容包括农民工个人特征、防控常态化情况及防控常态化对行为意愿的影响等方面。

1.2 样本描述

1.2.1 样本农民工的个人特征

从三个方面分析调查数据：性别，男性数量略高于女性，但基本在50 %左右；年龄，问卷将年龄分为6 个不同阶段，19-35 岁占61.44 %，36-40 岁的占 8.11 %，41-50 岁占 8.85 %，51-60 岁农民工占18.05 %，18 岁及以下、61 岁及以上的农民工仅3.55%；受教育程度：样本中受教育程度最高集中在大学及大学以上，但并未超过50 %，大学学历以下初中文化水平农民工数量占22.24%，小学及以下、高中或中专、大专所占比例在10%左右。

1.2.2 样本农民工的家庭特征

家庭特征从家庭结构和家庭经济2 个方面分析。

（1）家里人口总数：家中总人口为4人的农民工占总样本的32.77 %；4 人以上超过60 %；5 人以上超过40 %；家中人数为1、2 人分别占1.33 %、4.16 %，可见农民工家庭人口数普遍偏多。

（2）2019 年家庭年收入：收入在2～5 万元（不含5 万元）的家庭占33.08%，5～10 万元的家庭占26.49 %，18.16 %的农民工收入低于2 万元（不含2万），家庭年收入10万元以上家庭约两成。

1.2.3 样本农民工外出务工情况

农民工外出务工行业：从事服务业的农民工最多有279 人，超过样本总量的50 %，其次从事工业的有198 人占37.43%，仍从事农业活动的农民工也有52 人。防控常态化前后农民工打工意愿对比：调查数据中过半数的农民工在防控初期没有外出务工的意愿，但在防控成功之后，农民工外出务工意愿增强，由222 人增加到了388 人，占样本总数由42.05%增加到73.49%。

1.2.4 农民工对防控常态化的反映

（1）重视程度：61.55%农民工每天谈论防控情况，时时讨论的农民工占总样本数的23.48 %，可见农民工对防控常态化的重视程度相当高。（2）防控常态化产生的影响：认为防控常态化对农业生产有非常严重损失和比较严重的农民工数量相差不大，对家庭生活影响非常大的农民工数量最多，占42.80%，认为对家庭生活影响比较大的占34.66%。

2 模型构建与变量选取

2.1 模型构建

本文在对前人的研究方法进行总结的基础上，根据现有情况确定选择使用二元logit 模型来进行新型冠状肺炎防控常态化后农民工外出务工意愿选择的研究。二元logit 模型是通过标准化分布的累计分布函数来转换值的，介于0 与1 之间。其表达式为：

对于给定的Xi，Pi表示相应个体做出行为选择的概率，对式（1）进行变换，最终可得：

由式（2）可知回归方程的因变量是某个具体选择概率比的对数，二元Logit 模型优势在于可以把［0，1］区间上的预测概率问题转变为预测一个实际事件发生的选择问题。logit 累积概率分布函数的斜率值在Pi=0.5 时最大，在累积分布两个尾端的斜率逐渐变小。说明相对于附近的解释变量的变化对概率的变化影响更大，而相对于接近和附近的值的变化对概率的变化影响较小。

logit 模型通常使用极大似然法进行参数估计，首先分析含有两个参数（α和β）的随机试验。假设被估计的模型如下：

在样本中，Pi是观察不到的。与Xi的值相比，只能得到被解释变量yi取值为0 或1 的信息。极大似然估计的出发点就是寻找样本观测值最有可能发生条件下的α和β的估计值。从样本看，如果第一种选择发生了n 次，第二种选择发生了N-n 次。设采取第一种选择的概率是pi，采取第二种选择的概率是（1-pi）。重新将样本数据排列，使前个n观测值为第一种选择，后N-n 个观测值为第二种选择，则似然函数为：

对数似然函数为：

分别求式 （4）（5）α和β的偏导数，并令其为 0，便可求到α和β的极大似然估计值。α和β的极大似然估计量具有一致性和渐近有效性，且都是渐近正态的。

将防控常态化后农民工外出务工意愿处理后分为两种情况：无外出务工意愿和有外出务工意愿。因此采用二元logit 模型进行研究，通过二元logit 模型检验二元被解释变量与解释变量之间的相关性，通过“极大似然法”进行参数估计。最终探明防控常态化期间影响农民工外出务工的因素及其影响方向，最终模型如下：

式（6）中，P1为防控常态化后农民工选择外出务工的概率，P0为不再外出务工的概率。由于问卷为线上问卷，为方便调查以上变量皆为分类变量。个人特征的变量有：农民工性别（sex）、年龄（age）、受教育程度（edu）；家庭特征的变量有：家中人口数（people）、2019 年家庭年收入（in‐come）；农民工外出务工情况有：务工年限（year）、务工行业（industy）；农民工对防控常态化关注情况：关注讨论频率（attention）、防治程度（prevention）；防控常态化对农民工生产生活行为影响变量有：农业生产损失程度（agriculture）、家庭生活影响程度（family）。α 为回归常数，β 为回归系数。

2.2 变量选取及赋值

被解释变量为农民工是否有外出务工的意愿，没有打工意愿为0，短期或长期有意愿皆为1。解释变量根据现有文献从个人、家庭特征结合实际，选取性别、年龄、受教育程度、去年家庭年收入、家中人口数作为衡量相关特征的解释变量，对年龄、受教育程度、去家庭年收入、家中人口数根据不同阶段进行分类赋值。解释变量除基本情况外，结合防控期间情况研究农民工外出务工行为意愿的选择，在务工情况方面选择打工行业和打工年限作为变量，根据第一、二、三产业将行业分为3 类，根据打工年限长短分为5 类。在农民工对防控常态化的反映情况中，选择讨论频率和居住地防治程度作为农民工对防控常态化重视关注情况的变量，选择对农业生产的损失和对家庭生活的影响作为防控常态化对农民工生产生活行为的影响变量。

3 结果与分析

本文使用stata11.0 对新型肺炎防控常态化对农民工外出务工意愿的影响进行了二元logit 回归，回归具体结果如表1所示：

表1 农民工防控常态化后外出务工意愿影响因素回归结果

3.1 个人特征

性别对务工意愿的影响并不显著，但年龄对外出务工意愿有显著负向作用。年龄越大免疫力越低，重症和危重症病例年龄普遍偏大［1］，所以年龄越大抵御病毒免疫力越糟糕，越不会外出务工。受教育程度对防控常态化后外出务工意愿在5%的显著水平下有显著正向作用。

3.2 家庭特征

家庭人口数在5%显著水平下对外出务工意愿有正向的影响，人口越多经济负担越重，有能力的农民工务工意愿就会越强。去年家庭年收入在10 %的显著水平下对农民工外出务工意愿有负向影响。

3.3 务工情况

务工年限在1%显著水平下对农民工外出务工意愿有正向影响。务工年限越长积累的工作经验和人脉关系越多越稳定，城市融入度越高［2］，越有意愿外出务工。服务业在5%的显著水平下对农民工外出打工意愿有显著影响。从调研数据来看，从事服务业的农民工是最多的，在服务业领域中又以劳动密集型的传统服务行业为主，提升职业层次的难度较大。

4 结论

根据调查得到的基本数据和对防控常态化后农民工外出务工意愿影响因素的实证结果，得到如下结论：第一，个人特征上，年龄越大外出务工的意愿越弱，受教育程度越高外出务工的意愿越强烈；第二，家庭特征方面，家庭人口越多外出务工意愿越强，去年家庭年收入越多外出务工意愿越弱；第三，打工情况方面，防控取得成效后外出务工意愿增强了，其中从事服务业的农民工，更愿意外出务工；第四，农民工对防控常态化的关注重视程度对农民工外出务工意愿的选择没有很大影响。