互聯網使用對農村勞動力非農轉移影響研究

　　[摘 要] 本文通過使用湖北省兩縣的調研數據，利用Logit模型分析互聯網使用對農村勞動力非農轉移的影響，驗證互聯網使用對農村勞動力行非農轉移的促進作用，并發現性別、年齡、受教育程度、婚姻狀況在不同程度上影響農村勞動力非農轉移。同時根據分析結果提出加快互聯網基礎設施建設，提高農村互聯網普及程度;加大農村教育投入，提高農村勞動力文化素質;加強互聯網信息監管，建立官方信息平臺等建議，從多個方面提升互聯網使用對農村勞動力非農轉移的促進作用。

　　[關鍵詞] 互聯網;非農轉移;Logit模型

　　推薦閱讀：“互聯網+”在建筑施工企業管理中的應用

　　改革開放以來，我國經濟高速增長，人民生活水平穩步提高，城鎮化、現代化迅猛發展。但城鄉二元體制依然存在，城鄉之間發展不均等問題嚴重。與城市相比，農村居民收入偏低，農村社會發展緩慢，城鄉差距大。而縮小城鄉差距、提高農民收入的一項重要措施就是促進農村勞動力非農轉移。當前，我國正處于經濟結構轉型的重要時期，需要更多地引導勞動力從第一產業轉入其他產業。21世紀以來，互聯網的普及程度逐漸升高，成為人們日常生活的必不可少的一個重要部分，在便利日常生活的同時也帶來了諸多領域的變革。互聯網的使用毫無疑問會加速農村地區的信息傳播，降低信息的傳播成本[1]。對于農村勞動力來說，通過互聯網可以更加便捷地獲取外界的就業信息，改變依靠親友、熟人介紹等傳統就業模式，從而減少非農轉移成本，使得農村勞動力更易進行非農轉移[2]。本文依靠實地調研數據，通過實證分析，檢驗互聯網使用是否對農村勞動力非農轉移存在影響。

　　1 數據來源及模型設定

　　1.1 數據來源

　　本文所用的數據來自2018年中南財經政法大學工商管理學院的暑期調研。調查地包括湖北省蘄春、監利兩縣范圍內的33個行政村，調研的主要形式是派遣調研員深入基層，進到農戶家中以訪談的形式填寫問卷，共回收問卷575份。根據本研究需要，剔除缺失本研究所需指標的問卷后，得到樣本563個。

　　1.2 模型設定

　　本文主要研究的是互聯網對農村勞動力非農轉移的影響，將是否存向非農行業轉移作為二向性問題，發生轉移的概率設為P，其與自變量x1，x2，x3，……，xp之間的Logistics回歸模型為：

　　P=exp(β0+β1X1+β2X2+……+βnXn)/1+(β0+β1X1+β2X2+……+βnXn)

　　由此可知農村勞動力不向非農行業轉移的概率為：

　　1-P=1/1+(β0+β1X1+β2X2+……+βnXn)

　　經過數學變換得：ln=[p/1-p]=β0+β1X1+β2X2+……+βnXn

　　定義：Logit(P)=ln=[p/1-p]，為Logistic變換，即Logit(P)=β0+β1X1+β2X2+……+βnXn

　　則農村勞動力轉移的Logit模型可以表示為：

　　Y=β0+β1X1+β2X2+……+βnXn+ε

　　其中，Y指是否發生轉移，βn是估計系數，Xn是自變量，ε是隨機擾動項。

　　2 變量選取

　　2.1 因變量

　　因變量為受訪者2017年是否發生勞動力轉移。若受訪者離開第一產業，從事第二、第三產業半年以上，則認為發生了非農轉移，反之則未發生。

　　2.2 自變量

　　本研究選取的自變量分為核心自變量、控制變量兩類。其中，核心自變量為互聯網使用情況，控制變量則是性別、年齡、受教育程度、婚姻狀況和政治面貌5項個人特征。

　　根據調研問卷及數據，本研究選取各項指標定義及賦值如表1所示。

　　3 實證分析

　　3.1 多重共線性檢驗

　　為了確保所有自變量之間不存在相關關系，在進行Logit回歸分析前，首先對所有自變量進行多重共線性檢驗。本文選用方差膨脹因子(VIF)與容差值(1/VIF)作為評價指標，一般認為方差膨脹因子小于10.0，容差值大于0.10，可以認定自變量之間并不存在共線性問題。

　　本文使用了統計分析軟件Stata14測算各個自變量之間是否存在多重共線性。首先，將互聯網使用作為因變量，其他5個變量作為自變量，得到的多共線性分析結果如表2所示。檢驗結果表示，方差膨脹因子均小于1.153，容差值都在0.89以上。顯然，互聯網使用變量與其他自變量之間不存在多重共線性。然后，依次選擇性別、年齡、婚姻狀況、受教育程度和政治面貌等自變量重復以上操作，綜合全部回歸結果，方差膨脹因子都低于10.00，而且容差值均高于0.10。因此可以判定，本文所選用的互聯網使用、性別、年齡、婚姻狀況、受教育程度和政治面貌6個自變量之間不存在多重共線性。

　　3.2 二元Logit回歸分析

　　本文通過使用Stata14軟件對所有指標進行二元Logit回歸分析，研究所選互聯網使用對農村勞動力非農轉移的影響，回歸結果見表3。

　　從表3可以看出，互聯網使用、性別、年齡、受教育程度和婚姻狀況5項指標均對農村勞動力非農轉移存在較為顯著的影響。其中，年齡為負向影響，其余為正向影響。政治面貌指標則未通過顯著性檢驗。

　　互聯網使用指標在模型1中的回歸結果表明，其每提高一個等級，發生非農轉移的概率增加45.49%。而在模型2中，添加了控制變量后，其每提高一個等級，發生非農轉移的概率增加30.22%。這不僅說明互聯網的使用確實促進了農村勞動力的非農轉移，而且手機上網相對于寬帶上網具有更明顯的作用。一方面，互聯網的使用使得農村勞動力可以便捷地接觸到就業信息，大幅降低了獲取非農就業信息的成本，有了更多的就業選擇;另一方面，他們可以通過互聯網學習新的知識和技能，從而提高自己的人力資本，適應勞動力市場的需求。