農村勞動力結構性短缺的影響因素分析
——基于湖南省224份問卷的調查

歐陽濤，龍 晶（湖南農業大學經濟學院，長沙 410128）

?

·三農問題·

農村勞動力結構性短缺的影響因素分析
——基于湖南省224份問卷的調查

歐陽濤，龍 晶
（湖南農業大學經濟學院，長沙 410128）

摘 要隨著農村勞動力不同質的轉移，大量農村地區出現了勞動力老齡化、婦女化、低素質化等現象，留守的農村勞動力出現了嚴重的結構性短缺，農村勞動力一定程度的畸形轉移與結構性缺失，使得農村發展過渡到了一個瓶頸階段。文章基于224戶農戶的調查數據，運用因子分析方法，對影響農村勞動力結構性短缺的因素進行了實證分析。模型結果表明:農村勞動力結構性短缺受人力資本、家庭、收入、就業因素的影響。其中，（1）人力資本因素，人力資本因素的貢獻率是最大的，留守農戶擁有技能、接受培訓與否直接影響著農村勞動力的結構；（2）家庭因素，家庭年純收入、家庭人口數量、土地經營情況對農村勞動力結構性短缺的影響較大，（3）收入因素，本人月收入的影響權重較大；（4）就業因素，就業因素的影響力度較小，農戶從事的行業以及就業地點間接影響農村勞動力結構性短缺。針對模型結果，提出幾點政策建議。

關鍵詞農村勞動力 結構性短缺 影響因素 因子分析 人力資本

0 引言

隨著經濟的增長，農村大量剩余勞動力特別是大部分農村青壯年及知識技能型勞動力離土離鄉，農村勞動力絕對過剩得到緩解的同時，大量農村區域出現了勞動力老齡化、婦女化、低素質化等現象［1］，勞動力結構出現斷層［2］，形成了農村勞動力結構性短缺的尷尬局面。農村要全面建成小康社會，農業要實現現代化，現有結構性短缺的農村勞動力難以擔當起這樣的歷史使命，農業與農村的發展受到了威脅，應審時度勢，認真分析其產生的原因，從源頭上找尋解決對策，切實促成農業現代化及全面小康社會建設。

近年來，從農村勞動力視角來分析農村問題的并不少見，但諸多文獻側重于如何轉移農村剩余勞動力，促進農業人口的非農化，實現從傳統社會向現代社會的轉型。對于在長期不平衡的城鄉二元關系下所形成的農村勞動力結構變化特點并沒有給予充分的關注。隨著城市化進程的推進與農村勞動力結構的變動，中國農村是否已經出現了“勞動力結構性短缺”的表征？而如果這種結構特點已經出現了，有哪些因素會對其造成影響？又應如何應對？這都是該研究待解決的問題。

1 農村勞動力結構性短缺的現狀

根據發展經濟學“二元經濟理論”的觀點，農村剩余勞動力的轉移是一個同質轉移的過程，最終的結果:一方面，工業部門吸收農村剩余勞動力，使現代工業部門發展與壯大，另一方面，農業部門自身效率可得到提高，將實現工業部門與農業部門的“雙贏”，使“異質的”二元經濟轉變為“同質的”一元經濟［3］。但是我國農村剩余勞動力的轉移并不是一個同質轉移的過程，而是具有高度的篩選性［4］。農村青壯年勞動力、知識技術型勞動力大量向外轉移，大部分農村地區變成了“空心村”［5～6］，農業生產主體以婦女、老人居多。農村勞動力的不同質轉移正在改變著我國農村地區農業生產勞動力的性別結構、年齡結構、文化素質結構，農村勞動力結構性短缺現象日益嚴重［7］。

1.1 性別結構

根據國家統計局資料顯示，2013年我國農村勞動力資源總量為53 100萬人，勞動力性別構成男性50.80%、女性49.20%，男女比例協調；但是外出從業勞動力性別構成男性64%、女性36%，外出務工男性將近是女性的2倍，留守農村的婦女居多。雖然農村勞動力資源總量豐富，但是就性別來看，男性勞動力短缺，農業生產以女性為主。

圖1 農村勞動力年齡分布

1.2 年齡結構

我國農村勞動力資源中，20歲以下6 947萬人，占 13.10%；21～30歲 9 184萬人，占17.30%；31～40歲12 679萬人，占23.90%；41 ～50歲 11 021萬人，占 20.70%；51歲以上13 269萬人，占25%；中老年人口基數大，老齡化趨勢較為明顯。外出從業勞動力中，20歲以下占16.10%；21～30歲占36.50%；31～40歲占29.50%；41～50歲占 12.80%；51歲以上占5.10%，外出從業勞動力的年齡階段主要集中在20～40歲，達到了66%，留守農村的勞動力年齡結構呈現出“兩頭大、中間小”的格局。加之農村老年人口基數大，就年齡來看，從事農業生產的青壯年勞動力短缺，農業生產主體老齡化趨勢明顯［8］。

圖2 農村勞動力文化程度分布

1.3 文化素質結構

農村勞動力資源中，文盲3 593萬人，占6.80%；小學文化程度17 341萬人，占32.70%；初中文化程度26 303萬人，占49.50%；高中文化程度5 215萬人，占9.80%；大專及以上文化程度648萬人，占1.20%。外出從業勞動力中，文盲占1.20%；小學文化程度占18.70%；初中文化程度占70.10%；高中文化程度占8.70%；大專及以上文化程度占1.30%。總體而言，我國農村勞動力初中文化程度以下的居多，文化素質普遍較低［9］，而有知識、有技能的勞動力大部分選擇外出從業，大量知識技術型高素質人才流出農村，留守農村的知識技術型勞動力短缺［10］。

分析結果表明，我國留守農村的勞動力婦女化、老齡化、低素質化現象嚴重，農村勞動力出現了結構性短缺，我們需審時度勢，認真分析產生的原因，從源頭上找尋解決對策。該文基于224戶農戶的調查數據，運用因子分析法，對農村勞動力結構性短缺的影響因素進行了實證研究。

2 農村勞動力結構性短缺影響因素實證分析

2.1 數據來源及樣本農戶的基本特征

2.1.1 數據來源

為了更加科學客觀的說明所要研究的問題，2014年7～8月該研究選擇性地對湖南省具有代表性的不同區域——懷化市、湘潭市、岳陽市、衡陽市等農村地區進行了實地調研，通過發放問卷、實地走訪座談，對問卷的統計整理，搜集到了相關數據資料。實地調查共發放問卷240份，有效回收224份，回收率達93.33%。

2.1.2 樣本農戶的基本特征

問卷調查分析表明，樣本農戶有以下基本特征:（1）樣本調查性別分布比例女性多于男性，分別為58.90%與41.10%，但戶籍人口數男性要多于女性，比例為3:2。（2）受訪農戶年齡集中分布在41～60歲之間，老齡化比較嚴重。（3）受訪農戶受教育程度初中及以下的比重較大，達到了77.70%，職業高中、技工學校占的比重較低；有84.80%的受訪者表示沒有接受過專業培訓，并有78.60%的受訪者缺乏相關技能。（4）受訪農戶的家庭年純收入主要集中在2～4萬元，但是受訪者本人的月收入在500～1 000元之間的比重較大，達到了40.60%。（5）受訪農戶中，有79.90%的家庭人口數量為4～5人，青壯年負擔的家庭責任比較重；大多數受訪家庭表示家庭欠有外債，迫使家里主要勞動力外出務工、經商。（6）受訪農戶大多從事種植業與養殖業，但是他們表示更加愿意外出務工或經商，留守農村的大多是沒有一技之長，找不到合適的工作，或者年齡較大，不適宜外出務工，受訪的女性則大多是為照顧家庭而未外出。

2.2 模型及變量選取

2.2.1 模型選取

該文運用因子分析法，將復雜多變的影響因子通過降維處理，進行分類簡化。其模型方程表達式為:

也可以矩陣形式表示:X=AF+ε。式中Xi為標準化的原始變量；fi為因子變量，且fi與fj互不相關（i≠j）；a為因子載荷陣；aij為因子載荷系數；ε為特殊因子；k＜p。

2.2.2 評價指標的選取

影響農村勞動力結構性短缺的因素多種多樣，該文選擇了以下十二項指標作為模型的解釋變量，對相關變量進行平均值與標準差的計算，相關變量的含義、賦值與描述性統計分析結果見表1。

表1 模型解釋變量選擇及描述性統計分析

2.3 確認并構建因子變量

對所調查的數據進行信度與效度檢驗，檢驗結果Cronbach’s α系數為0.714，KMO=0.750，Bartlett的球形度檢驗χ2值為1 474.771，p=0.000，說明所使用的調查數據具有較好的信度與效度；原始變量的相關系數矩陣中，大部分的相關系數大于0.5，其Sig.值均小于0.05，各變量間具有較強的線性關系。數據的信度與效度檢驗、原始變量的相關系數矩陣均表明12個原始變量適合做因子分析，可以從中提取公因子。

運用SPSS19.0統計軟件對12個外生觀測變量進行降維，構建因子變量，得出的結果如表2、表3、表4所示。

由表2中數據可知，所有變量的共同度 （也稱公共方差）均在0.5以上，各個變量的信息丟失較少，因子提取的總體效果較理想。

表2 公因子方差

表3將各因子對應的特征值進行了降序排列，并列出了各因子的方差貢獻率與累計方差貢獻率。分析結果可知，前4個公因子特征值均大于1，累計方差貢獻率達到了74.50%，表明它們對原始變量信息的解釋力較大，適合提取4個公因子。

表4是初始因子載荷矩陣，從中可看出文化程度（x3）、家庭年純收入 （x4）、土地經營情況 （x6）三個變量均在公因子1與公因子2上有較大的載荷系數；家庭是否欠有外債 （x7）在公因子2與公因子3上有較大的載荷系數；農戶本人的月收入 （x8）在公因子1與公因子3上有較大的載荷系數。部分原有變量同時與幾個因子都有較大的相關關系，需要由若干個因子共同解釋，因此因子變量的實際含義并不清楚。

2.4 因子命名解釋

通過方差對因子載荷矩陣進行正交旋轉，使每個變量在盡可能少的因子上有較高的載荷系數，對各因子進行命名解釋，輸出結果見表5。

若一個因子變量可以成為某一個原有變量的典型代表，它的實際含義就清楚了，由表5可知，農戶是否擁有技能 （x1）、是否參加過專業培訓 （x2）、文化程度 （x3）、身體素質 （x10）在公因子1上有較大的載荷系數，可定義為人力資本因子；家庭年純收入 （x4）、家庭人口數量 （x5）、土地經營情況 （x6）、家庭是否欠有外債 （x7）等4個變量在公因子2上有較大的載荷系數，可定義為家庭因子；主要收入來源（x9）、農戶本人月收入 （x8）等2個變量在公因子3上有較大的載荷系數，可定義為收入因子；農戶從事的行業 （x11）、農戶就業地點 （x12）等2個變量在公因子4上有較大的載荷系數，可定義為就業因子。

表3 解釋的總方差

表4 初始因子載荷矩陣

表5 旋轉后的因子載荷矩陣

表6 因子得分系數矩陣

2.5 因子變量得分

采用回歸法估計因子得分系數，并計算出綜合得分，結果如表6。從綜合得分來看，每個解釋變量的權重及重要性是不一樣的，除了變量6與變量9的綜合得分系數為負數，其他10個解釋變量的得分均為正數，表明家庭的土地經營情況及主要收入來源對農村勞動力結構性短缺是負向的影響。農戶是否擁有技能（x1）、是否參加過專業培訓 （x2）、文化程度（x3）、身體素質 （x10）的綜合得分系數均比較高，分別為1.409、1.203、1.256、1.129，這4個變量屬于人力資本因子，表明人力資本對農村勞動力結構性短缺的影響最大；家庭年純收入 （x4）、家庭人口數量 （x5）、土地經營情況 （x6）、農戶本人月收入 （x8）的綜合得分絕對值比較接近，分別為0.543、0.556、0.630、0.524。變量4、5、6屬于家庭因子，變量8屬于收入因子，家庭因子次之，第三是收入因子；農戶從事的行業 （x11）、農戶就業地點 （x12）、主要收入來源 （x9）、家庭是否欠有外債 （x7）的綜合得分絕對值分別為0.247、0.380、0，140、0.001，綜合來看，收入因子的影響力度小。

3 結論與建議

通過上述實證分析，可以得出以下結論:農村勞動力結構性短缺受人力資本、家庭、收入及就業因素的影響。其中占主導地位的影響因素是人力資本，其次是家庭因素，第三是收入因素，就業因素的影響力度較小。實證分析詳細結果:（1）人力資本因素是影響農村勞動力結構性短缺的首要因素，對農村勞動力結構性短缺的貢獻率最大，隨著現代農業的發展，農業科技的進步，人力資本成為關鍵，農業、農村的發展離不開優質人力資本的投入。留守農戶受教育程度、身體素質、技能的擁有、接受培訓的程度，直接影響農村勞動力結構性短缺的局面。知識技能型留守農戶越多，農村勞動力結構性短缺的尷尬局面越能得到緩解。（2）家庭因素中，家庭年純收入、家庭人口數量、土地經營情況對農村勞動力結構性短缺的影響較大。家庭的年純收入越高、人口數量越多，農村勞動力結構性短缺的局面越嚴重，調查數據顯示，大部分留守農戶的收入較低，家庭的主要收入來源于家庭外出務工人員的非農收入，再加上家庭人口多，家庭負擔重，外出務工的勞動力流動性大，農村勞動力結構性短缺的局面越嚴重；家庭土地經營情況對農村勞動力結構性短缺有負向影響，土地的規模經營可以吸收家庭勞動力，使勞動力回流，緩解農村勞動力結構性短缺的局面。家庭是否欠有外債對農村勞動力結構性短缺的影響較小，但也不容忽視，家庭欠有外債，迫使家庭勞動力外出務工，勞動力流動性大。（3）收入因素中，本人月收入對農村勞動力結構性短缺的影響權重較大且為正，主要收入來源的影響權重相對較小且為負。（4）就業因素中，農戶從事的行業以及就業地點間接影響農村勞動力結構性短缺。數據顯示，受訪的留守農戶中，71.40%從事的行業是種植業與養殖業，53.60%的就業地點在本地農村地區。農戶從事的行業、就業地點均比較單一，就業選擇、就業機會較少，大批有知識有文化的農村青壯年勞動力努力尋求外出務工機會，脫離農業生產。

根據上述研究結果，要切實改善農村勞動力結構，使農村勞動力結構更加趨于完善，可以做如下工作:（1）提高農村留守勞動力的自身素質，加強對農村留守勞動力的技能培訓，培養有文化、懂技術、會經營的新型農民。加大農村教育經費投入，改革農村職業教育、中等農業教育；把握市場脈搏，緊扣農民就業創業需求，在農村設置技能培訓點。（2）鼓勵農村土地規模化、多樣化經營，政府提供種糧補貼、技術支持，鼓勵農民進行農業生產，提高農民農業生產積極性，不僅可以提高農民收入，也可以吸引農民返鄉。（3）在農村大力發展中小產業、鄉鎮企業，提供更多的就業崗位，吸引青壯年勞動力返鄉就業、創業，降低農村勞動力的流動性。（4）建立統一、完善的社會保障制度，推動城鄉社會保障制度接軌、管理并軌，消除流動后農民后顧之憂，保障其基本權利。

參考文獻

［1］ 張銀，魏君英，何蒲明.湖北省農村勞動力短缺的原因及對策研究.農村經濟與科技，2014，（7）:29～30

［2］ 王迎春，張婧，王艷麗，等.我國“農民斷層”問題的現狀及其原因.中國農業資源與區劃，2013，（6）:187～191

［3］ 威廉·阿瑟·劉易斯.二元經濟論.北京:北京經濟學院出版社，1989

［4］ 郭熙保，趙光南.我國農村留守勞動力結構劣化狀況及其對策思考——基于湖北、湖南、河南三省調查數據的分析.中州學刊，2010，（5）:112～117

［5］ 何侍昌.中國農業勞動力空心化與難題破解芻論.改革與戰略，2014，（4）:76～79

［6］ 王彩霞.農村空心化與新生代農民培育.山西農業大學，2014，（11）:1143～1147

［7］ 王英，劉秀華，劉勇.不同經濟區農村勞動力結構失衡及其影響研究——基于重慶市的實證分析.西南師范大學學報，2012，（7）:120～125

［8］ 劉暢，鄒玉友.農村勞動力供給的結構特征及其影響因素.三農觀察，2013，（8）:25～29

［9］ 蔣勇，林柏浪，陳泮，等.我國農業勞動力轉移問題的思考.中國農業資源與區劃，2009，30（4）:16～19

［10］ 高源鴻.農村勞動力功能性短缺的原因分析.東北財經大學學報，2012，（3）:53～55

THE ANALYSIS OF THE INFLUENCING FACTORS ON THE STRUCTURAL SHORTAGE OF RURAL LABOR——BASED ON 224 QUESTIONNAIRES SURVEY IN HUNAN

Ouyang Tao，Long Jing
（College of Economics，Hanan Agricultural University，Changsha 410128，China）

AbstractWith different quality transfer of rural labor，the labor is aging，women-dominated and less educated in many rural areas，and the remaining rural labor is in a serious structural shortage，which led the development of rural areas transit to a bottle neck stage.Based on the survey data of 224 households and by using factor analysis method，this article carried an empirical analysis on the factors which influenced the rural labor structural shortage.The results showed that the structural shortage of rural labor was resulting from human capital，family，income and employment factors，of which the human capital was the dominating factor.In other words，whether the remaining rural labors were skilled or trained directly affected the structure of rural labor.The family annual income，population and soil management situations would contribute great to the structural shortage.The income played a dominating role.Employment was a less-affected factor and types of industries chosen by rural labor and working locations had an indirect influence on the rural labor shortage issue.Finally，it provided some policy suggestions based on the modeling results.

Keywordsrural labor；structural shortage；influence factors；factor analysis；human capital

中圖分類號：F304.6

文獻標識碼：A

文章編號：1005-9121［2016］02-0124-06

doi:10.7621/cjarrp.1005-9121.20160220

收稿日期：2014-12-12

作者簡介：歐陽濤 （1964—），男，湖南岳陽人，教授、碩士生導師。研究方向:區域經濟與農村發展。Email:tao.oy@163.com。