農村人力資源空間智能化配置模型構建研究

戴雪兒，徐 靜

（中國農業大學煙臺研究院，山東 煙臺 264670）

中國作為擁有14億人口，且糧食產量高居世界前列的農業大國，其對農業農村地區的開發和管理存在較大不足，且城鎮化的快速推進影響老齡化的分布態勢和空間演變格局，改變了農村地區積累財富的傳統手段和能力，也一定程度上加劇了農業從事者的老齡化態勢［1-3］。在農產品需求持續剛性增長，農業外貿依存度增加的發展現狀下，重視農業生產、高效管理農地資源、優化配置人力資源顯得十分重要，但在對農村人力資源問題的探究上，缺乏較深入的科學論證研究，且常常忽視人地關系的失衡問題，難以協調好整個社會的生產力和生產關系的協調限度［4-6］。鑒于此，本研究結合耦合協調度和最小二乘模型，并借助空間計量工具探究其時空演變規律進行人力資源的智能配置，以期為農村人力資源配置方面的研究提供參考。

1 農村人力資源空間配置方法改進及模型構建

1.1 人力資源空間智能化配置模型的構建

農村人力資源的變化與人口老齡化水平、勞動者素質變化、人口流轉頻率以及產業結構的升級優化等因素具有一定影響，全面把握不同區域的農村人力資源數量和質量的變化特征和規律，評估其農地資源的利用效益和產值收益，從空間區域分異的角度來探討人力資源空間匹配和優化模型構建，有助于為農地資源中各種要素均衡協調發展提供建議［7］。對人力資源的空間配置，首先了解其空間中心的位置和變化趨勢，并相應地指出未來發展的方向。空間重心作為評價全域中心性的指標，可以在空間中較好地描述出區域的平均位置和周邊分布狀態，可以使用局部自相關中的統計來進行空間聚集程度的探究。統計指數是用以判斷區域空間的異質性，用來反映某一單元與領域單元屬性的關聯程度，較之Moran指數，可以針對所有的數據點進行分析，空間聚集呈現效果更加明顯，可以檢驗局部單元是否存在高、低值顯著聚集的現象［8］。計算公式如式（1）所示。

式（3）中，yi′為標準化之后的結果，α,β為待定系數，k為調節系數，yi、yj均為指標原始值，ymax為項指標中最大值，C是耦合協調指數，且C∈[]0,1，當C趨于0，表示兩者趨于無序，處于一種失調狀態；當C趨于1時，表示兩者趨于有序，處于一種協調狀態，k為調節系數。耦合協調發展度能表現出兩者之間的交互程度和影響因素，故本研究引入耦合協調度，構建起勞動力與耕地、老齡化與人力資源之間的協調度模型，避免單純依靠耦合度判別多區域對比中出現的不平衡等時效局限性，以便更好地揭示出人口與耕地的整體功效與協同效應，發展度模型如式（4）所示。式（4）中，T為人口與耕地的發展度，D為耦合協調發展度，其數值在［0，1］之間浮動，協調度在呈現出極不協調到極其協調的良性上升趨勢。α,β為待定系數。本研究認為人口與耕地的重要性相等，設置α=β=0.5。

1.2 數值擬合預測模型建立

城鎮化率受到多方面的影響，難以呈現出線性變化，而神經網絡以其非線性映射能力和分類能力能夠在數據運算中進行較好的深度分析，利用其本身算法性能的優化能夠加快對數據量的處理［10］。故本研究首先利用最小二乘法對缺失數據進行擬合補充，隨后利用網絡神經算法對結果進行預測。利用最小二乘法對部分缺失數據進行補充，以便進行后期人力資源應對發展的預測，如式（5）所示。

式（5）中，θ1(x),θ2(x),…,θs(x)為基函數，y*為預測值，θs為第s個模型參數，m為特征數目，bi(i=1,2,…,s)為待定系數，y*=bmxm+bm-1xm-1+…+b1x+b0是擬合函數為m（m＜觀測數據組數）多項式時的計算公式，即可分別得到矩陣求解，如式（6）所示。

式（6）中，可得到矩陣的待定系數X為方程的解。最小二乘法曲線是使得曲線上的數據點與擬合點之間的誤差平方和達到最小，即可進行對部分缺失數據進行擬合補充［11］。神經網絡在面對一些數據量較大的二維數據計算處理時，通過輸入層、隱含層和輸出層結構的運作實現良好的擬合效果。首先，計算網絡實際輸入與期望輸出的誤差，然后通過對誤差信號反向傳播，以實現對網絡權值和閾值的逐步調整［12］。神經網絡采用廣泛互聯的結構和有效的學習機制來模擬人腦信息處理過程，利用泛化能力對集中的數據進行訓練和識別，而其層數結構、權樹賦值、樣本質量以及節點數結構等都會對神經網絡的泛化能力造成影響［13］。本研究采用極大值標準化法對不同量綱的不同原始數據進行轉換，即將屬性數據縮放至特定區間以便更好地分析數據的屬性，并借助Matlab工具進行標準化處理，轉換的公式如式（7）所示。

式（7）為標準化處理轉換的公式。神經網絡設定輸入層、隱含層和輸出層的神經元個數來確定拓撲結構，并確定學習率和最大迭代次數。通過信息前向傳播和誤差反向傳播完成網絡的訓練和學習，輸入統計數據與預測未來的發展趨勢，前向傳播計算公式如式（8）所示。

式（8）中，wl為連接權值，xl-1為上層神經元輸出，bl為神經元閾值，f(x)為激活函數，xl-1和bl都是列向量，wl為矩陣。xl為指定層（研究層）神經元輸出。BP神經網絡是借助鏈式求導法和梯度下降法實現對神經元之間的連接值和閾值的調整，進而使其反映出符合評判標準下的復雜非線性關系。選取適當的誤差函數可以提高算法的準確性，減小算法運行過程中的失誤率。

式（9）為平方誤差代價函數計算公式，y表示神經網絡的輸出，t表示期望的輸出，?為誤差函數對閾值求導的結果，反映出每一層神經元的靈敏度，δl為輸出層的神經元靈敏度，wl為矩陣。根據梯度下降法則對權值進行更新，必須求得誤差函數對權值的偏導數，偏導數再乘以一個負的學習率便是對權值的更新。

2 農村人力資源配置下的演變規律和關聯格局結果差異分析

2.1 縣域老齡化趨勢與人力資源關聯格局結果分析

為了探究江西省縣域范圍內農村老齡人口和老齡化發展的演化趨勢，借助冷熱點圖對其空間布局和變化范圍進行研究（圖1）。熱點分析工具是對數據集中的要素進行計算而得到的Z得分和P值在空間上發生聚類的位置，可以檢驗空間過程中因子的關聯性和空間依賴性［13］。江西省老齡比在空間分布變化的差異有所縮小。

從圖1可以看出，2019年老齡人口的熱點主要是聚集在該省的平原地區，次熱點呈環狀分布在其周邊，而冷點區的分布主要在偏北部和東北部，大體上處于一種較為分散的狀態。2020年出現了南北聚集的“雙熱點”，且西北和西南地區的冷熱點都有所擴張。總體看來，次冷熱點的空間變化不太明顯且多處于山區邊界，而次熱點區域明顯減少，熱點區域朝著聚集形態發展。為更好地探究農村勞動力分布與人均耕地之間的空間關系，結合江西省人口普查中的部分數據，選取常住適勞人口和戶籍人口數據，并結合第一產業人口的比例情況對勞動力差額和人均耕地面積進行分析，得到結果如圖2所示。

圖1 江西省2019、2020年縣域農村老齡人口空間分布的冷熱點圖

圖2（a）中，勞動力的分布主要集中在平原地區，南北分布差異較大，且呈現出中間數值低，南北數值高的空間分布狀態，全省農村勞動力流失情況較嚴重，在空間上有集聚態勢，且高值區域明顯減少。而農村勞動力的流失，會使得人均耕地面積增大，從而加大了人均耕地的壓力。從圖（b）可以看出，人均耕地差異變化較大的是該省北部地區，縣域中增加最多的人均耕地面積達到每人0.418 hm2，但總體增長幅度較小，其主要的集聚態勢在東部地區。

圖2 江西省2019、2020年勞動力和人均耕地差異空間分布

2.2 人力資源耦合空間格局結果分析

區域耕地流轉性加快以及農業勞動力的產業化轉移進程的推進，都使得勞耕比例存在一定的不適應情況，難以保障鄉村系統有序發展，而研究耕地與勞動力已然成為人地關系和農村人力資源研究中的重要內容［14］。研究勞動力與耕地之間的耦合關系，能夠較好地探究兩者之間的相關水平和空間交互程度，結果如圖3所示。

由圖3可知，該省農村勞動力-耕地耦合協調度的空間分布總體呈現極不均衡狀態。2019年耦合協調度數值較高的位于該省北部平原丘陵地區，且高數值呈現出西北-東南走向帶狀分布，協調發展較好（7.6%）和輕微失衡（17.7%）的勞動力數量與耕地之間空間分布協調度較低，存在勞動力缺失或者溢出現象。2020年全省耦合協調發展程度有明顯弱化和下降態勢，良性發展的縣域耦合度（3.5%）較之2019年下降了4.1個百分點，使得部分片狀聚集區域演變成零星塊狀分布，耕地地區人口和耕地面積數量的匹配程度降低。

圖3 江西省2019、2020年勞動力-耕地耦合協調度空間分布

城鎮化的演變推進不僅使勞動力資源呈現出時間和空間分配不均勻以及流動路線變化加快，農業生產者老齡化趨勢及自身勞動能力的下降使人們在心理傾向和情感寄托上更加傾向于回歸農村，從事部分簡單的農業勞動［15］。對江西省農村農業勞動力與耕地耦合發展協調度以及老齡比協調程度進行協同度分析，可以更好地探究農村人力資源發展模式和現狀，結果如圖4所示。

從圖4可以看出，2019年老齡化-人力資源協同度值分析來看，最大值和最小值分別為0.759和0.010，且在空間分布上，整體處于一種良性系統發展狀態，但勞動力與耕地之間的協調適配性與其老齡化之間呈反比。圖4（b）中協同度為0.601～0.800部分縣域在空間上呈現出零散發展態勢。城市化水平的提高和地區差異影響勞動者需求因素和流轉變化，在拓寬就業渠道和方向上人們更加傾向于發達程度較高省份的就業選擇，進而使得本地區人力資源的協同度下降，農村勞動力缺失使得人均耕地壓力增加、資源配置不均衡問題日漸突出。

圖4 江西省2019、2020年老齡化-人力資源協同度的空間分布情況

綜上所述，勞動力數量和質量水平與耕地之間的耦合協調狀況探究中呈現出不一致的情況，且其受到地域影響痕跡較為嚴重。山地地區的勞動力素質較高，但老齡化問題的加劇阻礙地區發展的穩步推進，且江西省范圍內人力資源配置和耦合協調度數值存在不均衡地區差異，一定程度上制約著農業現代化的進程。

2.3 人力資源空間智能化配置下的協同程度預測分析

采用多角度、多指標的數量統計方法對農村居民代際流動情況進行探究，并運用對數線性模型考察相對流動率，以擺脫邊際分布的干擾。在選取對象的時候，考慮地緣差異，采取了隨機抽樣和分層抽樣相結合的方法，結合縣域經濟發展程度、農業生產發展情況、人力資源以及資金的調配情況，在剔除一些特殊樣本后對農村居民流動率和流動距離進行研究，結果如圖5所示。

從圖5（a）為農村居民代際流動比率變化，其中上向流動率由2017年的42.37%發展到2020年的49.82%，大致呈現出增長態勢，其中2019年到2020年的增幅最大，達到8.9個百分點。總的流動率的起伏變化不大，整體較緩慢增長。

圖5（b）為代際流動距離占比，距離主要集中在短距離的上向流動，流動距離的正負說明其發生了上向流動和下向流動。農村社會存在一定的基層封閉性，農民的代際流動和職業更替在一定程度上受到自身局限和環境條件的影響，且在山區情況更為明顯。通過短距離流動至工人階級或者辦事人員階層的上向流動的通道尚存，其就業渠道和上升方向有了較大程度的提高。同樣代際流動也會受到城鎮化和家庭背景的影響，就業渠道和上升方向有較大程度的提高，但仍是一種不平衡狀態。

圖5 農村居民流動比率變化和代際流動距離占比

交通樞紐的發展和信息交流速度的差異都會影響城市化進程的發展，城鎮化率的增長情況與農村人力資源的配置具有一定的關系，農業發展態勢趨于穩定，使得農業生產人員需求增多［15］。隨后研究以該省之前的城鎮化率變化情況為參考依據，推測得出其在2023年至2027年城鎮化率的發展趨勢，結果如圖6所示。結果表明，城鎮化率是隨著時間的推移呈現增強態勢，但在進入城市化后期階段，增速有所放緩，且縣域之間的差距逐漸縮小。不同地形條件下的縣域，應根據其城鎮化和老齡化水平適時采取應對措施，改進農業生產方式并提高生產效率和效益。在農村勞動人口平均年齡增加的情況下，積極應對自然條件變化和衡量生產者接受程度來推廣新型農業的發展，加快其現代化發展。

圖6 2023—2027年江西省部分縣域城鎮化率預測結果

城鎮化率越高使得從事農業的人口比例有所下降，利用耦合協調模型計算出江西省部分縣域未來人力資源-農業發展協同指數，可對其未來發展提供適當可行的建議，結果如表1所示。

表1 江西省部分縣域人力資源-農業發展協同預測結果

從表1可以看出，總體上，江西省省內人力資源-農業發展協同指數都較高的縣域大多主要集中在農業生產區域，且其人力資源狀況與耕地之間的耦合協調程度較好，但山區部分縣域的城鎮率與耕地之間的耦合協調度較差。2025年，全省范圍內耦合協調度均值為0.474，其方差為0.032，省內縣域間差異較大。到2030年，全省范圍內耦合協調度均值提高了0.005，其方差減小至0.025，組內差異有所減小。方差數值的縮小，說明縣域之間的差異程度在減小。耦合協調度在2035年（0.477）和2040年（0.475）的數值有所改變，且方差仍然呈現出減小趨勢，數值最高的縣域也發生了改變，其組內差異和最高值持續減小。耦合協調度和高值區數值的變化大體上受到城鄉二元結構影響較多，且南北差異較大，人力資源存在溢出或缺失情況，發展狀態不平衡，應依據不同地區的實際情況正確引導剩余勞動力的回流和流轉。

3 小結

通過對影響農村人力資源空間配置因素的老齡化程度、城鎮化水平、代際流動變化、人力資源耦合協調度等方面建立其模型方法，對實際運行情況和預測結果進行分析。結果表明，江西省老齡人口的熱點聚集由原先的平原地區逐漸演變為南北“雙熱點”，冷熱點格局或成環狀分布，且勞動力的南北分布差異較大，呈現出中間數值低、南北數值高的空間分布狀態，耦合協調發展度的空間分布不均衡，且2020年良性發展的縣域耦合度（3.5%）較2019年下降了4.1個百分點，使得部分片狀聚集區域演變成零星塊狀分布，匹配合適度下降。而老齡化影響程度加深，使得人均耕地壓力增加，資源配置不均衡問題日漸突出，進一步制約著農業的發展。同時人力資源-耕地耦合協調度的均值和方差總體上有所減小，南北差異較大，勞動力存在溢出或缺失情況。故在此基礎上應依據不同地區的實際情況正確引導剩余勞動力的回流和流轉。