王明揚(yáng) 張雪逸 戎曉紅
(徐州工業(yè)職業(yè)技術(shù)學(xué)院,江蘇 徐州221140)
隨著經(jīng)濟(jì)的高速發(fā)展和社會的轉(zhuǎn)型升級,農(nóng)村勞動力轉(zhuǎn)移方向發(fā)生了新的變化,逐步由“外出民工潮”向“返鄉(xiāng)創(chuàng)業(yè)潮”轉(zhuǎn)變。2020年1月19日,由國家發(fā)展和改革委員會等19個部門聯(lián)合印發(fā)的《關(guān)于推動返鄉(xiāng)入鄉(xiāng)創(chuàng)業(yè)高質(zhì)量發(fā)展的意見》提出,支持農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)。農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)可帶動當(dāng)?shù)鼐蜆I(yè),是推動鄉(xiāng)村振興的重要舉措[1]。本文通過對江蘇省連云港市贛榆區(qū)15個鄉(xiāng)鎮(zhèn)返鄉(xiāng)創(chuàng)業(yè)人員展開問卷調(diào)查,并用統(tǒng)計軟件分析農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)意愿及影響因素,用小素材反映大背景,旨在為新生代農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)提供參考,為政府優(yōu)化創(chuàng)業(yè)環(huán)境提供樣本。
贛榆區(qū)地處蘇魯交界的黃海之濱、海州灣畔,是江蘇省的“北大門”。全區(qū)總面積1 514 km2,人口119萬,下轄15個鎮(zhèn)。2019年,贛榆區(qū)農(nóng)村居民人均可支配收入19 076元,增長8.90%;2019年實現(xiàn)地區(qū)生產(chǎn)總值624億元,增長5.80%;一般公共預(yù)算收入28.8億元,增長11.50%。本次調(diào)研范圍為贛榆區(qū)15個鄉(xiāng)鎮(zhèn)。
2020年7—8月,對贛榆區(qū)15個鄉(xiāng)鎮(zhèn)進(jìn)行問卷調(diào)查,每個鎮(zhèn)50份問卷,共發(fā)放問卷750份,有效收回691份,有效問卷率92.13%。利用SPSS統(tǒng)計分析軟件進(jìn)行描述性分析,利用Logistic模型對新生代農(nóng)民工是否返鄉(xiāng)創(chuàng)業(yè)進(jìn)行分析。Logistic模型的具體形式如下:

可進(jìn)一步轉(zhuǎn)換為

式(2)中,Pi是農(nóng)民工愿意返鄉(xiāng)創(chuàng)業(yè)概率,即模型中的因變量;而X1i、X2i等為影響因素,即模型中的自變量;β為影響因素的系數(shù)大小;εi為截距,表示誤差[2]。
對于贛榆區(qū)新生代農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)意愿的問卷調(diào)查數(shù)據(jù),本文利用統(tǒng)計軟件SPSS進(jìn)行Logistc回歸處理。構(gòu)建Logistic模型時,將贛榆區(qū)新生代農(nóng)民工的返鄉(xiāng)創(chuàng)業(yè)意愿設(shè)置為因變量。對于自變量,即返鄉(xiāng)創(chuàng)業(yè)的影響因素,包括調(diào)研對象自身基本情況的內(nèi)在影響因素、農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)的外在影響因素以及自我評價因素。其中,調(diào)研對象自身基本情況的內(nèi)在影響因素包括性別、年齡、學(xué)歷和月收入,外在影響因素包括務(wù)工期間的收獲、創(chuàng)業(yè)動機(jī)、創(chuàng)業(yè)原因、政府支持,返鄉(xiāng)創(chuàng)業(yè)的自我評價包括家庭因素、年齡性別和風(fēng)險偏好。本文選取上述3個方面的8個因素作為自變量[3],具體如表1所示。
本文數(shù)據(jù)主要利用SPSS軟件進(jìn)行分析,同時包括對參數(shù)的估計檢驗。本研究以所有的變量對返鄉(xiāng)新生代農(nóng)民工創(chuàng)業(yè)意愿均具有顯著影響為假定條件,而且要明晰各個變量對研究對象的作用方向。因此,利用SPSS進(jìn)行分析時采用了強(qiáng)制進(jìn)入的方法,從而得到了表2的回歸模型分析表。
由表3的模型匯總結(jié)果可以看出,預(yù)測的準(zhǔn)確率達(dá)到了75.40%,而強(qiáng)制回歸模型的最大似然平方的對數(shù)值為303.943,變量對因變量解釋能力R方值為0.267,擬合優(yōu)度R方值為0.360,從而可以得出模型的擬合程度較好。當(dāng)最大似然平方的對數(shù)值結(jié)果偏小時,就代表回歸方程的似然值偏大,也同樣代表著模型擬合度較好;當(dāng)最大似然平方的對數(shù)值結(jié)果偏大時,就代表回歸方程的似然值偏小,也同樣代表著模型擬合度較差。為了使得整個模型愈加完整,調(diào)查結(jié)果更加符合實際,研究還運用了向后逐步剔除法(Likelihood Ratio)進(jìn)行下一步的研究分析,剔除的依據(jù)是最大偏似然估計值似然比統(tǒng)計量的概率值[4]。在模型中,將0.30作為剔除模型變量的標(biāo)準(zhǔn),將0.05作為變量進(jìn)入模型的標(biāo)準(zhǔn),得到如表4所示的回歸模型。

表1 各變量數(shù)據(jù)表述

表2 強(qiáng)制進(jìn)入回歸模型分析表
從表5可以觀察到,經(jīng)向后逐步剔除法得到回歸模型的最大似然平方的對數(shù)值為308.010,變量對因變量解釋能力R方值為0.255,擬合優(yōu)度R方值為0.354,而預(yù)測的準(zhǔn)確率達(dá)到了75.70%,模型的擬合度較好,因此得出回歸方程可以合成,原因是后逐步剔除回歸模型的檢驗結(jié)果與強(qiáng)制進(jìn)入得到的模型結(jié)果比較吻合。從回歸模型可以發(fā)現(xiàn),年齡、性別、風(fēng)險偏好對農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)意愿的影響顯著性較高。根據(jù)回歸系數(shù)的比較得出,性別是對研究對象返鄉(xiāng)創(chuàng)業(yè)意愿影響最顯著的因素。

表3 強(qiáng)制進(jìn)入回歸模型匯總結(jié)果表

表4 向后逐步剔除回歸模型分析表

表5 向后逐步剔除回歸模型匯總結(jié)果表
對于受調(diào)查者的基本情況,性別、年齡、學(xué)歷均是顯著影響農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)意愿的因素。從性別來看,由于創(chuàng)業(yè)是男性大腦深處的欲望,相比女性而言男性創(chuàng)業(yè)意愿更強(qiáng);女性創(chuàng)業(yè)受興趣及家庭影響,其返鄉(xiāng)創(chuàng)業(yè)意愿明顯要弱于男性。從年齡來看,31~40歲年齡階段的農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)意愿更強(qiáng)烈。從學(xué)歷來看,創(chuàng)業(yè)意愿基本呈現(xiàn)正態(tài)分布,學(xué)歷較高與較低者的返鄉(xiāng)創(chuàng)業(yè)意愿均較低[5]。
一是完善農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)相關(guān)條例。有規(guī)矩則是方圓,農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)面臨的困難與挑戰(zhàn)極多,如技術(shù)、資金、租賃等。對此,應(yīng)采取培訓(xùn)的方式,提高農(nóng)民工自身專業(yè)技能;可通過眾籌、貸款、國家補(bǔ)助等多方面進(jìn)行資金的籌集,以確保返鄉(xiāng)創(chuàng)業(yè)工作有序進(jìn)行。同時,政府要針對農(nóng)民工制定諸多特權(quán),以確保農(nóng)民工權(quán)益,提高其返鄉(xiāng)創(chuàng)業(yè)積極性。二是返鄉(xiāng)創(chuàng)業(yè)應(yīng)與電商相結(jié)合。新時代背景下,科技、經(jīng)濟(jì)均在飛速進(jìn)步,對此,可利用各種各樣的短視頻軟件,如抖音、快手、火山小視頻等進(jìn)行宣傳和推廣,進(jìn)而幫助返鄉(xiāng)農(nóng)民工從創(chuàng)業(yè)中獲得更多收益,擴(kuò)大創(chuàng)業(yè)規(guī)模。三是改善農(nóng)村水、電、路、網(wǎng)絡(luò)覆蓋等問題。返鄉(xiāng)農(nóng)民工創(chuàng)業(yè)后從事的種植業(yè)、養(yǎng)殖業(yè)、服務(wù)業(yè)等通常會面臨雷雨干旱天氣、交通不便、網(wǎng)絡(luò)覆蓋不全面等諸多問題,這些問題直接影響了返鄉(xiāng)農(nóng)民工創(chuàng)業(yè)的積極性。因此,當(dāng)?shù)卣畱?yīng)加大投資力度建設(shè)農(nóng)村基礎(chǔ)設(shè)施,確保水、電、路、網(wǎng)等全覆蓋,從而提高農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)的積極性,保障創(chuàng)業(yè)工作有序開展。