就業安置政策增加失地農民穩定工作機會了嗎
——基于特大型城市的數據

陳建偉1 王 軼2

(1.對外經濟貿易大學，北京 100029； 2.北京工商大學，北京 100048)

財貿研究 2017.1

就業安置政策增加失地農民穩定工作機會了嗎
——基于特大型城市的數據

陳建偉1王 軼2

(1.對外經濟貿易大學，北京 100029； 2.北京工商大學，北京 100048)

以中國城鎮化速度最快且屬于特大型城市的北京地區失地農民為研究對象， 基于2015年的入戶調查數據，通過構建一個含內生選擇機制的就業安置政策效應評估模型，評估政府就業安置政策效應。研究結果表明:就業安置政策有一定的積極效果；對接受就業安置的失地農民群體，就業安置政策對實現穩定就業的因果效應為0.45。進一步研究發現，雖然政府就業安置政策大幅度提升了失地農民在農林牧漁、餐飲娛樂業、物業管理與保潔等行業的就業概率，即保持了初次就業安置的成功率，但上述行業具有的低穩定性、低保障等特點，導致就業安置政策的長期效果降低。建議政府制定就業安置政策時要考慮失地農民對就業崗位的選擇性偏好、就業行業與區域產業結構的結合等，以提高就業安置政策的實施效果。

失地農民；就業安置政策；政策效應評估

一、引言

采取積極的勞動力市場政策，包括直接提供就業崗位和就業信息、提供培訓機會、提供就業補貼等，是政府解決社會就業問題的核心。在歐盟成員國內部，積極的勞動力市場政策構成了“歐洲就業戰略”(European Employment Strategy)的核心部分。積極的勞動力市場政策是否有效地促進了社會就業，則成為學者關注的重要問題。盡管越來越多的研究開發出科學的方法來評估不同積極就業政策的有效性，然而關于積極就業政策能否有效地降低失業促進就業，以及哪類項目最具發展前景，尚未達成共識(Kluve,2006)。

在勞動力市場發育和城鎮化過程中，創造更多的就業崗位成為中國各級政府年度工作的重要目標，其中之一便是針對城鎮化過程失地農民的就業安置政策。失地農民的就業問題是隨著城鎮化推進中政府強制性征地而產生的。根據中國社科院發布的《2011年中國城市發展報告》，中國失地農民的總量每年仍以約300萬人的速度遞增，預估到2030年將增至1.1億人左右。《2005年中國就業報告》的調查結果顯示，有近41%的失地農民找不到工作。賴德勝等(2013)指出，2009年的調查結果顯示，特大型城市失地農民在家待業的比例為14.41%。王軼等(2016a)的研究發現，特大型城市失地農民2015年的就業率已達90.70%，明顯高于2008年。為了促進失地農民更好地實現就業和非農轉移，各地政府紛紛出臺了與征地政策相配套的經濟補償和就業安置政策，政策力度比較大。但是，這些就業安置政策的實施效果如何，目前的研究還比較少，這是本文所要解決的問題。

二、文獻綜述

目前國內外對征地過程中就業安置政策的因果效應評估文獻還比較少。國外由于沒有失地農民這一概念，因此學者一般研究就業政策對農民非農就業的影響。Briggs(1997)回顧了美國不同時期實施的就業政策，并對農民非農就業的實施效果進行了分析和說明；Dolowitz(1997)分析了20世紀80年代撒切爾政府開始實施的積極就業政策對個人非農就業的影響；Lanjouw(1999)以印度及一些發展中國家的就業政策案例與非農就業產業的發展為研究基礎，分析了區域和全國就業政策對美國區域非農就業行業發展的影響，研究發現，最低工資立法、福利與勞動立法抑制了非農就業部門的發展，不完善的資本市場也加劇了非農部門的就業壓力，進而影響了非農就業；Berdegué(2000)考察了亞洲和南美洲的非農就業政策及非農就業發展狀況，進而分析了美國非農就業政策的重要性；Radhakrishna(2002)以烏干達為例，指出如果要促進非農就業的增長，解決貧困問題，就需要加大人力資源開發投資，提高人民的就業能力。

國內從就業政策著手研究再就業的文獻也相對較少，以失地農民這個特殊群體為研究對象的政策效應評估文獻更加少見。研究就業政策對再就業影響的代表性文獻有：國家發改委宏觀經濟研究院課題組(2004)以再就業群體為研究對象，比較分析了1999—2002年積極就業政策的實施效果；楊偉國(2007)全面分析了中國改革與就業政策轉型的關系，以及中國就業政策轉型的宏觀環境、戰略性就業政策、保護性就業政策等內容，并對其實施效果進行了說明；李新寬(2010)基于歷史學視角分析了在重商主義時代，英國是如何發揮就業政策的作用來促進本國公民的再就業；賴德勝等(2011)從分析就業政策與下崗失業人員的再就業視角入手，探討了就業政策對再就業的影響。在研究失地農民的就業政策方面：葉繼紅(2007)以南京地區失地農民為例，分析了失地農民就業過程中地方政府所采取的相關舉措；李倩(2008)認為，解決失地農民生存問題的關鍵在就業，推動就業的出路在于制訂合理的就業安置政策；劉雪梅(2014)從制約農民工就業的制度環節入手，分析了農民工就業面臨的問題和制約因素，據此提出提高失地農民就業率的制度性安排；羅凌云等(2014)通過定量分析發現，失地農民的就業保障因素對失地農民職業轉型產生了顯著影響，因此建議加強失地農民就業保障體系建設，以推進失地農民的二次就業轉型；王軼等(2016b)基于北京地區連續跟蹤的調查數據，通過構建OLS回歸模型，驗證了影響失地農民就業質量的關鍵因素，發現土地補償政策、失地農民人力資本、求職途徑等都會對失地農民的就業產生直接影響。

已有文獻主要從區域和國別的視角分析了就業政策對非農就業的影響，研究結果充分支持了不同就業政策對農民非農就業所產生的重要影響，但對就業政策的效應評估文獻相對較少。隨著中國城市化進程的日益加速，失地農民群體進入了研究者的視野。為此，近幾年逐步有部分學者開始關注就業政策對失地農民就業的影響。不過，由于推動失地農民就業沒有一個全國性的政策，只有區域性政策，為此少量研究都是基于區域的視角，從人力資本或社會資本展開，研究方法多偏重于定性分析或描述性統計分析。當然，已有研究為本文奠定了堅實的基礎，并提供了思路和可供借鑒的方法。但也存在一些問題，如針對失地農民的積極就業政策取得了怎樣的總體效果？所有失地農民都從政策中均等受益嗎？目前的研究還缺乏共識。因此，需要對政府就業安置政策進行有效的因果效應評估。因果效應評估的可行思路是建立反事實。由于本文不能同時觀察到失地農民接受或不接受政府就業安置的就業結果，也就無法直接比較就業安置政策對失地農民就業的影響，因此需要根據樣本數據構建反事實模型進行評估。

本文試圖通過構建一個含內生選擇機制的就業安置政策效應評估模型，通過估算政策的干預效應來回答一個問題：接受政府就業安置是否增加了農民的就業機會？課題組于2015年對中國特大型城市北京地區的失地農民就業狀況進行了抽樣調查，為本文的評估研究提供了可能。在調查中發現，盡管政府為失地農民提供了就業安置政策，但安置政策對就業的促進效果并不如預期般顯著。分析看來，失地農民基于自身人力資本和社會資本等比較優勢，在勞動力市場搜尋工作。如果就業安置政策對促進就業有積極作用，失地農民個體接受政策安置的積極性就比較高。因此，失地農民對政策的響應是內生決定的，本文要評估失地農民是否接受政府就業安置對就業結果的影響，就必須要考慮這一內生選擇機制。本文的研究也將表明，控制選擇性偏差對于準確估計政策效應非常重要。

三、研究設計

因果識別是本文需要重點關注的問題。從理論上來說，如果政府積極的就業政策是促進失地農民就業的原因，那么意味著如果沒有政府積極的就業政策，失地農民的就業概率將會降低。由于我們不能同時觀察到一名接受政策安置的失地農民的就業與非就業狀態，因而無法直接估計得到是否接受政策干預下的就業概率。更為重要的是，本文使用的是調查數據，其中失地農民是否選擇接受政府的就業安置并不是隨機分配，而是個人基于各種條件所做出的優化決策；政府的積極就業政策將使得失地農民面臨選擇，或者不接受政府安置，或者接受政府安置，不同的選擇將導致不同的就業發展路徑甚至影響到最終的結果。如何在考慮失地農民是否選擇就業安置的條件下，估計接受政策干預所帶來的就業概率增加，是本文需要解決的關鍵核心問題。辦法是構建二元抉擇和內生轉換回歸模型，在回歸結果的基礎上構建反事實模型，估算政策干預的因果效應。

首先，將失地農民個人“是否選擇了政府安置就業”作為政策干預變量Ti(Treatment)，接受政策安置為1，否則為0。是否接受政策干預可以表示為：

Ti=1 if γZi+θi>0

Ti=0 if γZi+θi≤0

(1)

定義就業狀態的結果變量和結果方程：

(2)

其中：y*0i、y*1i分別表示未接受就業安置和接受就業安置下的就業狀態潛變量，決定了觀察到的二元就業狀態變量y0i、y1i；X0和X1是弱外生性的協變量向量；Z表示失地農民是否選擇接受就業安置的影響因素；β0、β1和γ是待估計的參數；μ0i、μ1i和θi是誤差項，假定其服從聯合正態分布，具有0均值，相關矩陣為：

(3)

其中，ρ0是μ0i和θi之間的相關系數，ρ1是μ1i和θi之間的相關系數，ρ10是μ0i和μ1i之間的相關系數。由于y0i和y1i永遠不可能被同時觀察到，μ0i和μ1i的聯合分布無法識別，ρ10也無法被估計出來。因此，通常的做法是假設ρ10=1。

(4)

其中Φ2是雙變量聯合正態分布的累積分布函數。

類似地，失地農民選擇政府安置就業(T=1)卻沒有得到積極就業結果(y=0)的概率可以表示為：

(5)

同理，失地農民沒有選擇政府安置就業(T=0)并獲得積極就業結果(y=1)的概率可以表示為：

(6)

失地農民既沒有選擇政府安置就業(T=0)又沒有得到積極就業結果(y=0)的概率可以表示為：

(7)

對于式(1)-(7)所刻畫的二元內生選擇變量和二元結果變量模型，可以用Lokshin et al.(2011)提出的構建對數似然函數，并利用最大似然法加以估計(具體的對數似然函數略)。

首先考察已經接受政府就業安置的農民群體，本文稱之為干預組。可以根據模型回歸得到的參數估計結果，計算干預組接受政府就業安置所產生的就業概率，作為其參照的反事實是，如果干預組沒有接受政府就業安置所產生的就業概率，二者之差便是接受政府安置就業給失地農民帶來的預期就業效應，也稱為干預組的干預效應TT(effect of the treatment on the treated)：

(8)

干預組的平均干預效應為：

(9)

接下來考察沒有接受政府就業安置的農民群體，本文稱之為對照組。同樣地，可以根據參數回歸結果，計算對照組的干預效應TU(effect of the treatment on the untreated)：

(10)

對照組的平均干預效應為：

(11)

如果隨機地從樣本總體中抽取出具有觀察特征x的失地農民個體，接受就業安置的政策干預，那么就業政策干預所產生的干預效應TE(treatment effect)為：

TE(x)=Pr(T=1,X=x)-Pr(T=0,X=x)=F(X1β1)-F(X0β0)

(12)

平均干預效應為：

(13)

其中，N=NT+NU。

四、數據說明、變量設定和描述性統計

(一)數據說明

本研究數據主要來自北京師范大學“實施擴大就業”課題組于2015年對中國特大型城市北京地區的居民所進行的一手調查。調查時間為2015年5—7月份，調查對象為失地農民、城市居民和郊區農民，共計發放問卷3350份，回收有效問卷3220份，占調查總數的96.12%。其中，失地農民431份*問卷中先以有無失地為標準，把樣本分為失地農民和非失地居民；然后，按失地農民所在區域把失地農民分為郊區失地農民和中心城區失地農民，將非失地居民按戶籍分為郊區農民和城市居民，這樣分類主要是便于統計分析。，城市居民2177份，郊區農民612份。刪除65歲及以上人口樣本和離退休樣本，刪除就業狀態和征地狀態記錄信息不全的樣本，最終得到失地農民有效樣本為410個。

2015年的樣本獲取主要有兩條途徑：一是課題組選取北京地區近郊的兩個重點區域進行入戶調查，這兩個區域分別為北京房山高教園區和大興高教園區，其征地面積大，失地農民數量多，就業安置形式多樣，在一定程度上能反映北京地區失地農民的整體情況。二是課題組選取5所北京市屬高校(1所本科院校、1所獨立學院、3所專科院校)中北京地區近郊區縣的學生作為隨機抽樣的對象。原因為：(1)北京市屬高校中，北京生源占比高，平均都在70%以上，這樣就保證了抽查數據的充足性和隨機性；(2)北京地區城鎮化發展過程中，近郊區縣是重點征地的區域，近郊區縣的人群也容易成為失地和半失地人群；(3)調查群體經過簡單培訓，能理解每一個題項的含義，并準確填寫問卷調查內容。

問卷調查方式：為保證調查質量，課題組成立了問卷調查小組，組建了200多人的一線調查隊伍。開展調查前，調查組對調查員進行專門培訓；為保證調查的順利進行，問卷上留有課題組的多種聯系方式，包括手機、座機、QQ號、飛信等，便于咨詢。問卷填寫質量保證：為保持調查信息的真實性和準確性，每張調查問卷上都留存了被調查者的聯系方式，便于回訪；問卷調查和回收實施責任制，要求負責人簽字確認；在問卷數據整理與錄入時，還成立了專門錄入小組，一組錄入，一組核對，然后由小組負責人進行抽查，對于不合格問卷做好標記并重新錄入，盡可能減少在問卷調查、問卷回收、數據錄入等環節出現差錯。

在使用北京的數據之前，有必要對北京地區征地配套政策進行簡要說明。北京市政府在征地過程中推出了一系列配套政策來保障失地農民的利益，積極的就業政策便是其中重要一環。政府有關部門為失地農民推出的一系列政策包括：提供工作崗位、就業培訓、提供用工信息、就業指導等。2004年北京市出臺《建設征地補償安置辦法》(市政府148號令)，標志著北京市農地征收補償安置政策的重大突破。該項政策具有兩大核心：一是對失地農民進行經濟補償，包括直接通過貨幣的形式或者通過建設還建房的形式給予失地農民經濟補償；二是對部分轉移勞動力進行就業安置。因為政府是強制征地，所以北京市政府制定了一系列相關政策推動失地農民再就業，主要包括：(1)社會保障。政府通過為失地農民辦理戶籍等形式為失地農民提供相應的醫療、養老、失業等保障，以此緩解失地農民的就業壓力。(2)就業培訓。政府通過就業培訓等形式，幫助失地農民積累專用人力資本，提高失地農民二次就業的能力。(3)就業推薦。政府征收土地后，與即將入駐的單位進行談判，通過推薦就業的形式，解決當地失地農民的就業問題。(4)自主擇業。失地農民在獲得一定經濟補償后，也可以通過勞動力市場自主實現就業。

(二)變量設定

征地行為對農民產生了外生沖擊。如果只是失去部分土地，那么征地行為可能會部分地影響到農業人口的勞動力供給決策。因征地而失去部分農業生產用地的家庭，必然有部分勞動力剩余，那么失地農戶會向非農生產部門供給勞動力，供給量多少取決于勞動力市場效率和非農就業預期收入。如果農戶失去全部農地，那么農戶便需要再就業，或者受雇于其他農業生產經營者，或者流向非農生產部門，尋找新的工作機會。然而，征地過程如何影響勞動力供給，目前的文獻并沒有給出一致結論，失地農民的就業機理更無從得知。一般地，農業人口失去土地，必然會影響到農業人口的勞動供給行為。在失地農民的勞動力流轉過程中，政府的政策必然會起到一定的促進作用，農民人力資本和社會資本狀況等因素必然要發揮關鍵性的作用。本文的變量設定如表1所示。

表1 變量設定

正如是否接受教育和培訓是基于自身特征做出的優化選擇，失地農民是否接受政府安置就業同樣如此。如果失地農民即使沒有就業安置政策，都能夠找到合適的正規工作，那么額外接受就業安置的必要性較低。基于此，結果變量和選擇變量可能同時受到未觀測變量的影響。后文的分析也將表明，通過選擇變量控制選擇性偏差對準確估計政策干預效應的重要性。

(三)描述性統計

表2 分組描述性統計

為了說明本文所使用數據的基本情況，也為了從統計均值上表現出本文的因果效應模型具有事實基礎，表2中初步報告了政策干預組和政策對照組的統計差異。

從表2來看，對照組獲得正規就業*本文所提的正規就業，是指在比較正規的企事業單位，根據勞動法簽訂了的勞動合同并按照國家規定享受各種勞動保障，能夠得到比較穩定的工資式就業。的均值為0.552，略微高于政策干預組的0.543。如果本文沒有控制選擇性偏差，那很容易從這種相關性直接推論，政策干預組的就業均值低于對照組，就業安置不利于促進失地農民就業。而且，政策干預組失地農民在第1類行業就業的均值為0.554，高于對照組的0.519。直觀上，政策干預組的失地農民更可能獲得農林牧漁業、餐飲娛樂業、物業管理服務等行業的工作，而這些工作很多是臨時工種，就業穩定性不足。實際上，后文的分析將表明，正是因為存在失地農民對就業安置的選擇性接受，才使得這種相關性偏離了真實的因果關系。從教育程度的比較來看，兩組的平均受教育水平比較接近，對照組的學歷層次略高。干預組的健康狀況和職業培訓狀況要好于對照組，職業培訓和社會資本方面，政策干預組均值相對更高。政策對照組的具有社會保障的比例更高，而政策干預組的征地年限相對更長、政策供給相對更多。

五、實證分析

根據分析，本文已經設定了具有內生選擇性質的內生轉換模型，轉換方程將失地農民分為兩類——選擇就業安置的政策干預組和未選擇就業安置的政策對照組。對于這一背景的模型，選擇簡單的最大似然(ML)Heckman兩步法probit估計，或者對聯立方程進行聯立probit估計，得到的結果并不是有效估計量。考慮到結果方程和選擇方程誤差項之間的相關性，本文使用Lokshin et al.(2011)提出的完全信息最大似然(FIML)進行估計，得到一致有效的估計量。

(一)就業安置政策對失地農民穩定就業的因果效應以失地農民的就業狀態為結果變量，對模型(1)和模型(2)回歸的完全信息最大似然估計結果報告在表3。

注：***、**、*分別表示在1%、5%和10%的信心水平下顯著；括號內報告的是標準差。

根據表3報告的結果，本文不難總結出以下幾個結論：

第一，選擇方程與結果方程的誤差項相關系數ρ1、ρ0在10%的信心水平下顯著不等于0，表明存在未觀測因素同時影響失地農民是否選擇就業安置和就業結果。選擇方程誤差項與值1結果方程的誤差項的相關系數為正，表明存在負選擇性偏差，存在未觀測因素在促進個體選擇政府安置就業的同時，降低了個體的就業概率。這意味著失地農民根據自身的比較優勢來選擇是否接受就業安置。如果失地農民本身的就業能力比較低且迫切需要工作崗位，更傾向于選擇接受就業安置，從而獲得工作崗位；如果失地農民本身的就業能力比較強，沒有就業安置政策也能獲得較為穩定的工作，那么這部分群體可能不會選擇就業安置，照樣能夠實現較好就業，并選擇其他方式的補償。這也證明，如果本文不控制內生選擇性機制對結果造成的偏差，則估計結果就是有偏的。

第二，就選擇方程的回歸結果來看，職業培訓和政治面貌的回歸結果顯著為正，健康狀況的回歸結果為正，教育程度的回歸結果為負但不顯著。這表明，不同類型的人力資本和社會資本對失地農民就業安置的選擇影響不同。教育程度越高的勞動者，在勞動力市場獨立找工作的能力越強，因此接受政府就業安置的意愿可能越低。而健康、職業培訓和政治面貌等特征盡管有助于提升就業能力，接受政府就業安置可能會更有利于發揮職業培訓、健康等因素的積極作用。

第三，就結果方程來看，政策干預組和政策對照組之間的回歸結果存在一定的差異。與對照組相比，政策干預組教育程度對實現穩定就業的積極作用相對較低。這也印證了選擇方程的回歸結果，教育程度較高的失地農民，因為就業能力較強，不接受政府就業安置狀態下也能夠實現同等的穩定就業。另外，不論是干預組還是對照組的回歸結果，工作經驗的回歸結果顯著為正，表明工作經驗對獲得穩定就業的重要意義。

表4 就業安置政策對失地農民穩定就業的因果效應

注：括號內報告的是標準誤差。

得到選擇方程和結果方程的回歸系數之后，本文可以根據模型(8)—(13)估計平均干預效應,結果報告在表4。

表5 就業安置政策選擇與就業行業內生轉換模型回歸結果

注：***、**、*分別表示在1%、5%和10%的信心水平下顯著；括號內報告的是標準差。

根據表4，干預組平均干預效應為0.450，對于已經接受就業安置政策的失地農民而言，如果不接受政府的就業安置，那么實現穩定就業的概率將會降低45%。未干預組的平均干預效應為-0.088，對于沒有接受就業安置政策的失地農民而言，如果接受政府的就業安置，其實現穩定就業的概率會降低8.8%。總體平均干預效應為0.210，如果失地農民隨機地被安排接受政府就業安置，那么獲得穩定就業的概率會上升21%。由此可見，就業安置政策對失地農民實現穩定就業具有積極的促進作用。如果不控制選擇性偏差，根據表2報告的結果，干預組和對照組的正式就業機會差距為-0.009(0.543-0.552=-0.009)。而本文得到的平均干預效應為正，由此可見控制選擇性偏差，對于準確估算因果效應非常重要。

(二)就業安置政策對失地農民就業行業的因果效應

以失地農民的就業行業(第1類行業)為結果變量，對模型(1)和模型(2)回歸的完全信息最大似然估計結果報告在表5。

表5中報告的選擇方程回歸結果與表3所報告的大致相同。誤差項相關系數分別為-0.646、-0.553，在10%的信心水平下顯著，表明存在選擇性偏差。但是，由于選擇方程與不同結果方程誤差項的相關系數存在差異，因此表5中的結果也有一些不同于表3的地方，其中之一便是對失地農民提供的各項積極政策的回歸系數顯著性。政府就業安置所提供的崗位，較多地集中在職業門檻較低的行業，比如物業管理、保潔、合作種植業等崗位。對于那些因失去土地而需要非農工作機會的農村勞動力，政府提供的就業安置恰當地滿足了他們的需求。因此，選擇方程的回歸結果顯示出更傾向于選擇政府就業安置的失地農民群體所具備的特征，即教育水平較低但身體健康、具有職業培訓經歷、黨員群體等。而政府提供的積極就業政策，都有助于失地農民更加愿意接受政府就業安置。

表5報告的就業行業回歸結果顯示，具有較高教育程度、較長工作經驗或政治面貌為黨員的失地農民不傾向于選擇第1類行業就業，而健康、職業培訓的影響卻相反。為了更好地分析就業安置政策對就業行業選擇的因果效應，本文在表6中報告了各組的平均干預效應。

表6 就業安置政策對失地農民就業行業的因果效應

注：括號內報告的是標準誤差。

根據表6報告的結果，就業安置較大地提升了失地農民在第1類行業(農林牧漁、餐飲娛樂業、物業管理和保潔業)的就業概率。政策干預組的平均干預效應為0.316，表明接受就業安置的失地農民，如果不接受就業安置，那么在該類行業就業的概率將降低31.6%；政策對照組的平均干預效應為0.329，表明沒有接受就業安置的失地農民，如果接受就業安置，那么在第1類行業就業的概率將提高32.9%；如果失地農民隨機地接受政府的就業安置政策，那么在第1類行業就業的概率將提高32.3%。

六、結論和討論

本文通過構建二元選擇和內生轉換模型，基于模型回歸結果估算反事實概率，有效評估了政府就業安置政策對失地農民獲得穩定就業的因果效應，以及政府就業安置政策對失地農民流向農林牧漁、餐飲、物業管理、保潔等第1類行業就業的因果效應。實證分析表明：總體上，政府對失地農民的就業安置政策取得了一定的積極政策效果。對于接受就業安置的這部分失地農民群體，就業安置政策對實現穩定就業的因果效應為0.45。然而，在控制選擇性偏差的基礎上，因果效應降低為0.21。由于存在負的選擇性偏差，隨機狀態下政策干預的平均因果效應要低于干預組的平均因果效應。進一步的分析發現，政府就業安置政策大幅度提升了失地農民在農林牧漁、餐飲娛樂業、物業管理與保潔等行業的就業概率。由于這些行業通常具有低穩定性、低保障等方面的特點，即使初次就業安置成功，也不能夠保證崗位的持續時間，從而導致就業安置政策的長期效果降低。

本文的政策啟示如下：首先，在解決失地農民的就業問題時，應結合失地農民年齡特點和就業偏好，提供更多的選擇性機會。一般來說，年齡偏大的失地農民，技能少，對第一產業存在偏好，那么在安置就業過程中，盡可能安置到現代農業、保潔業和低端服務行業就業；對于年輕的失地農民，學習技能快，學歷相對較高，可以安置到高端服務業、運輸性等行業就業。符合失地農民就業的選擇性偏好將能大大提高失地農民的就業機會，保障失地農民就業安置政策的有效落實。其次，完善失地農民的社會保障體系，包括養老保險、醫療保險、重大疾病保險和失業保險等。讓失地農民無論在哪個行業工作，其生活和醫療都是有保障的，從而解決失地農民的后顧之憂，降低失地農民的就業壓力和經濟壓力，穩定失地農民就業隊伍。其三，加強失地農民技能培訓，提供失地農民的就業能力。針對不同的就業群體，開展形式多樣的職業技能培訓，包括開展繼續教育、學歷教育、短期和長期的培訓等，讓失地農民通過培訓提高自己的就業技能，融入開放地的就業市場，增加主動選擇的就業機會。其四，做好失地農民的職業發展規劃工作。任何行業都有其發展的機會，失地農民在低端就業行業中如何發展、如何規劃等，都離不開職業規劃，因此在失地農民就業的低端行業，應充分發揮人事部門和工會的作用，做好失地農民的職業發展規劃，幫助失地農民快速成長。其五，切實提高失地農民的就業待遇。失地農民為區域城鎮化的發展做出了貢獻，因此在安置失地農民就業過程中，要提高失地農民的就業待遇，制定完善的工資增長機制，消除性別歧視和工作歧視，為失地農民的穩定就業提供保障。

國家發改委宏觀經濟研究院課題組. 2004. 再就業政策效果的評價與建議[J]. 經濟學動態(8):41-44.

賴德勝,李長安,孟大虎. 2013. 實施擴大就業的發展戰略研究[M]. 北京:人民出版社.

賴德勝,孟大虎,李長安. 2011. 中國就業政策評價:1998—2008[J]. 北京師范大學學報(社會科學版)(3):110-124.

李倩. 2008. 我國被征地農民就業安置政策變遷及其評價[J]. 人口與經濟(S1):1-3.

李新寬. 2010. 英國重商主義就業政策簡析[J]. 東北師大學報(哲學社會科學版)(6):76-80.

劉雪梅. 2014. 新型城鎮化進程中農村勞動力轉移就業政策研究[J]. 宏觀經濟研究(2):81-86.

羅凌云,胡仕勇. 2014. 就業保障因素對失地農民職業轉型的影響研究[J]. 農村經濟(8):1-9.

王軼,石丹淅. 2016b. 失地農民就業質量的演進:基于北京地區的跟蹤調查數據[J]. 經濟經緯(4):32-37.

王軼,王琦. 2016a. 新常態背景下特大城市失地農民的就業問題研究[J]. 當代財經(5):3-12.

楊偉國. 2007. 轉型中的中國就業政策[M]. 北京:中國勞動社會保障出版社.

葉繼紅. 2007. 失地農民就業的類型、路徑與政府引導:以南京市為例[J]. 經濟經緯(5):115-117.

AAKVIK A, HECKMAN J J, VYTLACIL E J. 2000. Treatment effects for discrete outcomes when responses to treatment vary among observationally identical persons: an application to Norwegian [R]. NBER Technical Working Paper No. 262.

BERDEGUE J, REARDON T, ESCOBAR G, et al. 2000. Policies to promote non-farm rural employment in Latin America [R]. London:Overseas Development Institute, Natural Resource Perspectives, No.55.

BRIGGS V M Jr . 1997. Institutional barriers to effective employment policy: the case of the United States [DB/OL]. http://digitalcommons.ilr.cornell.edu/briggsIV/10/.

DOLOWITZ D P. 1997. British employment policy in the 1980s: learning from the American experience [J]. Governance, 10(1):23-42.

KLUVE J. 2006. The effectiveness of European active labor market policy [R]. IZA Discussion Paper No. 2018.

LANJOUW P. 1999. The rural non-farm sector:a note on policy options [R]. Amsterdam: Development Economics Research Group, The World Bank.

LOKSHIN M, NEWSON R B. 2011. Impact of interventions on discrete outcomes: maximum likelihood estimation of the binary choice models with binary endogenous regressors [J]. Stata Journal, 11(3):368-385.

RADHAKRISHNA R. 2002. Agricultural growth, employment and poverty: a policy perspective [J]. Economic and Political Weekly, 37(3):243-250.

(責任編輯 彭 江)

Do Job Placement Policies Increase Employment Stability of Landless Peasants? Evidence from the Municipal Survey Data

CHEN JianWei1WANG Yi2

(1.University of International Business and Economics, Beijing 100029;2.Beijing Technology and Business University, Beijing 100048)

Based on a survey data in 2015 in Beijing, where the speed of urbanization is the fastest as a giant city, this paper has estimated the treatment effect of job placement policies with self-selection and endogenous switching. It shows that there are positive effects on employment stability. For those peasants who have accepted job placement, the average treatment effect on treated is 0.45. Furthermore, this study finds that the employment probability has been largely enhanced in traditional sectors, such as farming, forestry, animal husbandly and fishery, catering and entertainment, property management and cleaning. That is to say, the policies have successful helped landless peasants find jobs for the first time. However, due to the unstable and low security nature of these jobs, the long term effects have been decreased. It is recommended that the selected preference and the combination of industrial structure with regional structure should be concerned when making the job placement policies to enhance the effect of the implementation of policies.

landless peasant; job placement policy; policy impact evaluation

2016-12-11

陳建偉(1985-)，男，湖南茶陵人，博士，對外經濟貿易大學教育與開放經濟研究中心講師。 王 軼(1970-)，男，河南信陽人，博士，北京工商大學學報編輯部主任，副研究員。

教育部人文社會科學研究規劃基金項目“我國城鎮化進程失地農民的就業問題研究” (14YJA790057)；北京市教育委員會科研計劃人文社科面上項目“北京地區城鎮化進程中失地農民的就業問題研究”(SM201410011007)；國家社會科學基金重大項目“構建和諧勞動關系研究”(12&ZD094)。

F241.4；C976.7

A

1001-6260(2017)01-0048-10

10.19337/j.cnki.34-1093/f.2017.01.005