2. 西南大学 地理科学学院,重庆 400715;
3. 西南科技大学 土木工程与建筑学院,绵阳 621010;
4. 四川省绵阳中学,绵阳 621000
2. School of Geographical Science, Southwest University, Chongqing 400715, China;
3. School of Civil Engineering and Architecture, Southwest University of Science and Technology, Mianyang 621010, China;
4. Mianyang High School, Mianyang 621000, China
劳动力指人的劳动能力,是蕴含在人体中智力和体力的总和。劳动力转移是优化资源配置的必然要求[1],是任何国家和地区工业化、城市化进程中的必经之路,产业结构、城乡结构的演变离不开部门之间、城乡区域之间甚至国家之间的劳动力转移[2]。滇桂黔石漠化区属于典型的喀斯特地貌,集民族地区、革命老区等于一体,生态环境脆弱、发展条件较差、基础设施落后,是中国贫困程度最深,脱贫攻坚难度最大的片区。永善县是云南省27个深度贫困县、昭通市最大的集中连片特困区域之一,在西南喀斯特贫困山区中具有较强的典型性和代表性。改革开放以来,农村大量劳动力流向城镇,劳动力转移就业是家庭摆脱贫困的重要途径[3],但劳动力持续转移引起农村空心化、主体老弱化,进一步导致乡村空间收缩、经济坍塌,农村发展陷入恶性循环。近年来,在产业结构调整的背景下,东部地区产业逐渐向中西部转移,同时乡村振兴战略的实施,政府制定一系列措施吸引劳动力返乡就业创业,那么劳动力持续转移是否出现了扭转趋势?因此,基于永善县贫困劳动力转移就业数据,深入刻画劳动力转移的时空格局,对于理解其转移的空间模式,优化生产力布局,稳定贫困家庭收入水平,巩固脱贫成果,推进乡村振兴具有重要的现实意义。
劳动力转移问题长期以来受到地理学、人口学学者的关注,刘易斯二元结构理论[4]、拉尼—费景汉理论[5]、托达罗预期收入理论[6],从宏观外部环境解释了劳动力转移的原因,认为劳动力从农业部门转移到非农部门,是为了获取更高的劳动报酬而自主决策的理性行为。20世纪70年代以来,出现了一系列从微观层面对劳动力转移动机和决策的研究,如“推—拉理论”[7]、“斯塔克新迁移经济学”[8]等,强调家庭作为转移决策主体的重要性,认为劳动力转移是为实现家庭收益最大化和风险最小化。国内学者从不同视角对劳动力转移展开了研究,成果主要集中在以下几方面:①在劳动力转移的影响效应方面,采用多元线性和PW回归、DEA及空间杜宾模型、STIRPAT模型等分析方法,探讨其对耕作种植结构[9]、农业生产或效率[10, 11]、农业生态效率[12]、经济发展[13]的影响。②劳动力转移动机和影响因素方面,学者主要从个体和家庭层面分析人力资本水平[14, 15]、抚养和赡养负担[16]、家庭耕地面积[17]等因素对转移决策的影响;而在区域层面,城乡和地区收入差距扩大为劳动力转移提供了动力[18, 19],寻求适合的工作机会和生活条件[20, 21]以及城镇第三产业较高的工资水平也是重要原因[22]。③对于劳动力转移空间特征的关注有:从宏观层面把握中国劳动力、人口转移的基本流向和流量[23-25];从行政区划或中观区域尺度,探讨农村劳动力转移到县内、县外市内、市外省内、省外[26, 27],或中国东、中、西部地区的分布情况[28];空间距离尺度上,关注空间距离对农村劳动力转移决策的影响以及劳动力在转移就业地的聚集特征[29]。
从现有研究成果来看,研究视角更多基于数量规模分析转移特征及其带来的个体或家庭效应,而相对忽视兼顾劳动力素质的转移特征;转入地更多聚焦于地区或省级中观尺度,较少在更精细(地级行政单元)的地理尺度上,开展劳动力转移的时空变化研究。因此,本文利用2016—2019年云南省永善县建档立卡贫困劳动力转移就业数据,以地级市以上行政区为研究单元,采用统计分析、空间自相关分析、地理探测器模型等方法,基于劳动力数量和素质两个维度,刻画贫困劳动力转移就业的时空变化格局,并从劳动力转入地层面,识别贫困劳动力转移就业空间分异的影响因素。最后提出政策启示,以期为促进贫困劳动力稳定就业,巩固脱贫成果,实现乡村人才振兴提供决策参考。
2 研究方法与数据来源 2.1 研究区概况云南永善县位于云贵高原北部,四川盆地边缘,乌蒙山脉西北面,金沙江下游,是典型的喀斯特地貌区,自然灾害频发,是以农业经济为主的国家扶贫开发重点县。地理位置介于东经103°15′—104°01′,北纬27°31′—28°32′之间,国土面积2778 km2。地势南高北低,最高海拔3199.5 m,最低海拔380 m,属中亚热带湿润气候区,由于海拔高低悬殊,立体气候特征明显。永善县下辖8镇7乡142个村(社区),2020年末乡村人口38.5万人,占户籍总人口的80.45%。全县地区生产总值139.62亿元,农林牧渔业总产值31.49亿元,城镇常住居民人均可支配收入28573元,农村常住居民人均可支配收入11148元。全县共有贫困村(社区)141个,建档立卡贫困人口41234户180195人,2019年通过县级自评,贫困县摘帽退出综合贫困发生率、漏评率、错退率、群众认可度各项指标已达到贫困县退出标准,2020年5月17日,正式退出贫困县序列。
2.2 劳动力转移评价指标劳动力资源是指能够推动社会经济发展、具有劳动能力的人口总和[30]。20世纪50年代,刘易斯提出了二元经济结构理论,建立乡城劳动力转移的数量模型,从数量层面探讨劳动力转移对部门经济的影响[4]。而劳动力素质(人力资本)对经济生产同样重要,舒尔茨的人力资本理论通过劳动者的知识程度、技术水平、工作能力、健康状况及时间寿命来表示,对劳动力进行教育培训是提高劳动力资本质量的重要途径[31]。本文借鉴已有研究成果,综合考虑永善县的实际情况,从劳动力转移的数量和素质两个层面评价劳动力转移的时空特征(表 1)。劳动力素质是指劳动者智力素质和体力素质的总称[31],智力素质拟采用平均受教育年限作为衡量指标,转移劳动力受教育年限越长,智力素质相对较高;体力素质是劳动力的身体健康状况和身体各种器官的功能状态,相对来讲年龄越年轻,身体健康状况及机能越好,体力素质越高,因此采用平均年龄来反映。
劳动力素质指数(QIL)用于表征劳动力素质水平的高低,其值越高,代表劳动力素质越高。具体公式如下:
式中,QIL代表劳动力素质指数,Fij表示标准化处理后的指标值,ωij为指标权重,因劳动力素质由智力和体力素质构成,二者紧密联系,相互制约[32]。借鉴相关学者研究[33, 34],年龄代表体力素质与受教育程度代表智力素质在反映劳动力整体素质时同等重要,故ωij取0.5,m为指标个数,i为第j个地级市。
2.3 地理探测器地理探测器用于探测属性Y与某解释因子X的空间分异及空间一致性[35]。本文借助地理探测器,引入贫困劳动力转移水平分异决定力q,探测影响研究区贫困劳动力转移水平分异的单个因素,同时通过检验两个因素空间分布的关联性,来探测二者之间的交互作用,其公式为:
式中nh为单因素的类型h(对应一个或者多个子区域)内的样本数;n为研究区内全部的样本数,σ2为整个研究区域的离散方差;L为单因素的分类值。
此外,本文还使用空间自相关、OLS回归分析、基于ArcGIS的空间可视化等分析方法。
2.4 数据来源研究数据来源于2016—2019年永善县建档立卡贫困户劳动力转移就业数据,覆盖15个乡镇142个村(社区),内容包括户籍地、姓名、民族、年龄、文化程度、健康状况、转移就业地等属性指标。因劳动力作出转移就业决策具有滞后性,影响因素各指标选取2018年数据,包括《2019省(市)统计年鉴》、《2019中国城市统计年鉴》、各地市2018年国民经济和社会发展统计公报等。地图数据源来自然资源部标准地图服务网站下载,为保持行政单元的完整性和连续性,以地级以上行政区划单元(包括地区、自治州、地级市和盟)为贫困劳动力转入地的研究单元(为方便描述,统称为城市)。
3 贫困劳动力转移就业时空分布格局 3.1 劳动力转移数量空间分布及变化特征基于以上方法和数据,首先对2016—2019年永善县贫困劳动力县外转移就业(包括省外就业和县外省内就业)数据进行梳理统计,然后对有劳动力转入的309个城市进行了数量测算,最后绘制出劳动力流入地空间分布图(图 1)。由于2016—2019年间贫困劳动力转移数量空间分布年变化不明显,为节省篇幅,本文选取2016年和2019年贫困劳动力转移数量的时空变化特征进行重点分析。
2016—2019年,永善县贫困劳动力转移就业总量从33 705人增加到54420人,3年增幅达61.45%。这主要由于永善县地处乌蒙山脉西北部,自然地理条件较差,交通设施落后,脱贫攻坚以来,政府全面开展就业扶贫,多措并举促进贫困劳动力转移就业。
从图 1看出,两个年份的贫困劳动力转移分布较为分散且空间格局未发生重大转变,呈现长三角、西南地区空间分布密集,东南沿海、新疆北部、京津冀地区局部集中,中部地区分布比较均衡,东北和西北地区分布稀疏的特征,可能原因是经济发达地区城市就业条件好,市场规模大,工资水平高,对劳动力转入具有很强的吸引力,同时省内及周边省份离家较近,转移就业可方便照顾家庭,因而也是吸引劳动力转移就业的重要目的地。而永善县农村贫困劳动力文化素质较低,能力弱,主要从事门槛较低的劳动密集型或低水平服务型行业,再者经济发达城市生活成本压力大,使其易向成本低的中小城市转移,从而导致转入城市空间分布较分散。由于人力资本较差,贫困劳动力主动寻求或更换工作的能力较弱,外出就业地和行业具有相对的稳定性,导致两个时段空间分布特征变化不明显。具体而言,劳动力转入的前20个城市中,除空间距离较近的昆明、昭通、西昌,与乌鲁木齐市外,全部分布在长三角、成渝、珠三角城市群内,其转移量占比超过55%,说明城市群仍是承载劳动力转入的主要地区。但城市群内部存在较大差异,如长三角城市群中嘉兴、台州、杭州、上海、苏州、宁波和常州等10个城市转入数量较多,嘉兴的转入量约为第2名昆明的两倍,而转入成渝和珠三角城市群的劳动力主要分布在成都、重庆、深圳、广州、东莞特大城市中。究其原因,可能是经济发展水平越高的城市,其公共服务设施配套越完善,就业机会越多,吸引劳动力转移就业能力越强。
相较于2016年,2019年永善县贫困劳动力转移的数量变化较明显,有劳动力转入的309个城市中有276个城市转移数量增加,占比89.32%。空间分布上具有局部集聚,相似区域连片分布的特征,转移增加50人以上的城市占总增加数量的86.04%,其中96.30%的增加人数集中在东部沿海和西南地区,且东南沿海地区的增加量是西南地区的2.36倍;增加50人以下的城市多分布在中部、东北及西北地区,劳动力转移数量减少的29个城市主要集中在东北及西北地区,如乌鲁木齐、西宁、银川(图略)。另外,杭州减少数值较大,因劳动力转入数量基数大,相对减少的量仍较小。
3.1.2 转移数量空间集聚演化特征全局自相关统计量显示(表 2),4个年份Global Moran's I值均为正值,虽然数值较低,但均通过了5%的显著性检验,表明研究期永善县贫困劳动力转移存在显著的空间正相关,具有明显的空间集聚效应。从Global Moran's I值的变化来看,2016—2019年呈下降趋势,表明贫困劳动力转移数量具有局部集聚性减弱,均衡性增加的特征。
通过LISA局部自相关分析,对2016年和2019年贫困劳动力转移集聚的具体地区进行探测,表现出相似的集聚特征。高值(H-H)集聚区主要分布在长三角地区、云南省内地区以及珠三角个别城市,成都、重庆的贫困劳动力转入总量也比较突出,但由于两地的虹吸效应,成渝城市圈的集聚态势并不明显(图略)。2016年,西安和济南是2个高—低值(H-L)集聚区,到2019年高—低值集聚区消失。低—高值(L-H)集聚区的城市主要分布在长三角、珠三角和西南等地区,相比2016年,2019年低—高值集聚区减少惠州。低值(L-L)集聚区主要分布在东北地区、西北地区、中部地区等,2019年除东北地区低值集聚区增加外,西北和中部地区均有所减少。
3.2 劳动力素质空间分布及变化特征因个别城市转入数量较少,计算出的转移贫困劳动力素质指数可能会出现异常值。本文剔除转移数量在10人及以下的城市,以降低异常值对分析结果产生影响,然后统计各个城市转入劳动力的平均年龄及平均受教育程度,并进行标准化处理,测算贫困劳动力素质指数。
3.2.1 转移素质空间分布特征考虑到研究区贫困劳动力转移数量的特点以及不同年份贫困劳动力素质指数的空间分异具有可比性,运用ArcGIS10.2软件的自然断裂点法对素质指数进行分级划分,可得到图 2。从空间分布来看,2016年劳动力素质指数高值区及较高值区主要集中分布在长三角、成渝城市群、珠三角、北京及周边等地区。中值区的空间单元多集中在云南、福建、江苏、四川和新疆等省份的部分城市。较低值区主要分布在中部、川西、新疆及贵州北部等地区。2019年劳动力素质指数整体表现出“南高北低”,与2016年相比,高值和较高值区新增云南、江西、湖南和福建沿海等地区,空间呈连绵状延伸分布,中值区整体上分布较分散,而围绕在高值或较高值区边缘,如西南、福建及广东省内等地区则相对集中。较低值区主要分布在中部和西北昆仑山以北地区。两个时点均仅有1个低值区位于新疆北部。可见,劳动力转移素质指数空间分布与地区经济发展水平具有较高的重叠性,说明地区经济发展水平越高,产业结构调整越完善,劳动力就业岗位需求对劳动力素质要求相对越高。
2016年城市转入贫困劳动力的素质指数Global Moran's I值为0.365(P=0.002),2019年为0.408(P=0.002),且4年间呈连续上升的趋势,说明城市转入的贫困劳动力素质指数有显著的空间自相关性,同时具有空间集聚逐渐加强,均衡性减弱的特征。
从局部自相关聚类特征看,2016年高值(H-H)集聚区的城市有38个,主要分布在长三角、西南及珠三角等地区,而2019年高值(H-H)集聚区的城市增加到52个,空间分布进一步扩大,特别是珠三角地区向北连绵延伸,形成第3大热点区域。因剔除贫困劳动力转入数量较少的城市,2016年及2019年北部及东北等地区缺值较大,其区域集聚特征不做分析。
4 贫困劳动力转移就业空间差异的影响因素 4.1 变量选择借鉴劳动力转移及空间分异的相关文献[24, 36, 37],同时考虑数据的科学性、可获取性,构建预期收入水平、产业结构与类型、地理交通区位、公共服务水平、生活消费成本、资源环境状况6大类指标变量。主要假设如下:①城乡收入差距是影响劳动力转移就业的重要因素[38],预期收入水平高低影响劳动力转移决策,拟从工资水平和可支配收入反映,选取在岗职工平均工资和城镇居民家庭人均可支配收入2项指标。②农村劳动力一般转入非农产业,地区产业结构对劳动力就业机会的获取产生不同程度的影响,拟从规模以上工业企业数及制造业、第三产业就业人员比例进行分析。③通常,贫困家庭劳动力外出就业选择汽车或火车为交通出行方式,转入地距离远近或交通成本高低影响其转移决策,拟选取到区域中心城市的最短公路和铁路交通时间,来反映交通区位情况。④公共服务水平越高的地方,对劳动力可能具有更强的吸引力,受数据获取限制,拟选取小学专任教师数、卫生机构床位数和教育预算支出作为公共服务代理指标。⑤转移劳动力承担生活消费成本能力有限,生活成本越高,越容易向成本低的地方转移,而地区生产总值越高的城市,生活消费水平也相对较高,拟选取地区生产总值和城镇居民家庭人均年消费支出,反映地区生活消费成本水平。⑥资源环境状况可能是影响劳动力转入的重要因素,选取人均水资源量和城市绿化覆盖率作为资源环境状况的代理变量。各类变量的基本情况如表 3所示。
基于以上分析,考虑到部分城市贫困劳动力素质指数值的剔除及篇幅大小,同时较难准确获取地理交通区位指标的面板数据。因此,本文利用2019年贫困劳动力转移数量的数据,来试图探究影响贫困劳动力转移就业空间分异的决定因素。首先,运用SPSS20.0逐步回归模型对自变量进行处理,有助于建立最优的线性回归模型,剔除不显著的变量,而保留影响显著的变量。运行结果显示(表 4),在岗职工平均工资(X1)、规模以上工业企业数(X3)、制造业从业人员比例(X4)、小学专任教师数(X8)、地区生产总值(X11)5个指标通过了显著性检验,且自变量VIF均小于3.5,说明各自变量之间不存在共线性问题。除在岗职工平均工资(X1)和制造业从业人员比例(X4)与贫困劳动力转移数量在显著性水平0.05上,其余均在0.01水平上显著;另外,仅有地区生产总值(X11)呈负向显著。
运用地理探测器不仅探测贫困劳动力转移空间分异的单个因素,对OLS回归结果进一步验证和补充,而且能通过检验两因素空间分布的关联性,探究二者对劳动力转移共同作用的影响程度。首先,运用自然断点法对各变量进行K-means离散化分类处理,利用地理探测器模型,以在岗职工平均工资(X1)、规模以上工业企业数(X3)、制造业从业人员比例(X4)、小学专任教师数(X8)、地区生产总值(X11)5个因素为自变量,分别与贫困劳动力转移数量进行空间探测分析,得到各自变量对劳动力转移数量的决定力值q(表 5),其值分别为:0.207、0.405、0.088、0.115、0.384。
可见在岗职工平均工资、规模以上工业企业数、地区生产总值对贫困劳动力转移数量空间分布影响较大,制造业从业人员比例和小学教师专任教师数对贫困劳动力转移数量的作用较小。通过交互探测各因子间的交互作用发现:任何两因素对贫困劳动力转移数量空间异质性的影响远超过单因素作用(表 5),其中(X1在岗职工平均工资∩X3规模以上工业企业数)的影响力q值最大,为0.538,其次是(X1在岗职工平均工资∩X1地区生产总值)的影响力q值,为0.511,而(X4制造业从业人员比例∩X8小学专任教师数)的影响力q值最小,为0.363。
4.3 影响因素分析综合OLS回归和地理探测器模型的分析结果,本文最终选择具有较大影响力的在岗职工平均工资(X1)、规模以上工业企业数(X3)、制造业从业人员比例(X4)、小学专任教师数(X8)、地区生产总值(X11)等指标,作为影响永善县贫困劳动力转移就业数量地域分异的主导因素,主要集中在预期收入水平、产业结构特征、生活居住成本、公共服务水平四个方面,具体分析如下:
(1)预期收入水平对贫困劳动力的转移影响较大,在岗职工平均工资对劳动力转移数量产生显著的正向影响,对塑造劳动力转移格局产生重要的作用。在岗职工平均工资每增加1%,会导致劳动力转入量上升约0.8%,说明经济因素对劳动力转移决策的影响仍然是重要的,贫困家庭劳动力转移为摆脱贫困,提高家庭经济收入,往往选择预期收入水平高的城市作为转移目的地。这是因为永善县地理环境特殊,境内沟壑纵横,耕地资源匮乏且破碎化,生态环境脆弱,交通及基础设施落后导致经济发展缓慢,二三产业缺乏,属于典型的农业县;同时,贫困劳动力自身素质能力较差,自主发展能力不足,在家主要从事传统的种养殖业,效益低下且风险较高,家庭的经济收入普遍较低,相对于农村务农收入,外出转移到城市就业更能获得较高的非农收入。因此,城市预期收入水平越高,越能促进贫困劳动力转移就业,也体现出较高的工资收入作为劳动力转移“推—拉”理论中的城市拉力因素作用明显。
(2)贫困家庭劳动力的受教育程度整体较低,转移就业主要集中在城市的次级劳动力市场,通常从事劳动技能要求较低的劳动密集型行业或低水平的服务型产业。从城市产业结构特征因素来看,制造业从业人员比例、规模以上工业企业数,对贫困劳动力转移有显著正向影响,其中规模以上企业数作用更加明显,与预期理论结果一致。由于永善县地处西南山区,海拔高差悬殊,地面坡度较大,土地和资源有限,所能承载劳动力十分有限,劳动力外出转移就业趋势明显。而转入城市的制造业从业人员比例越大,规模以上工业企业数越多,说明城市的制造业和服务业发展水平越好,具有较大的劳动力就业用工需求市场,劳动力更易获得技能要求相对低的就业机会;同时,农村贫困劳动力人力资本较差,主动更换工作的意识和能力不强,而规模以上工业企业能够提供较稳定的就业岗位,对贫困劳动力转入产生较强的吸引力。
(3)地区生产总值对贫困劳动力转移具有显著负向影响,说明地区生产总值越高的城市,贫困劳动力转入的数量越少,与前文预期相符。可见,贫困劳动力在外出转移就业中,由于自身素质普遍偏低,未知风险较大,转移决策更加理性化,除考虑工资、就业机会外,还需考虑生活消费成本。这是因为转入城市的地区生产总值越高,物价水平和生活成本越高,贫困劳动力转移就业的生活消费支出越大,从而压缩了劳动力转移就业获得的经济收益,导致城乡实际收入差距降低,从而阻碍贫困劳动力转入就业。同时,贫困劳动力主要从事劳动密集型产业,就业收入较低且稳定性较差,承担生活消费成本能力有限,生活消费成本越高,转入地推力作用越明显,越容易向成本低的城市转移。因此,生活消费成本也是影响困劳动力外出或城市间转移的重要因素。
(4)公共服务水平对贫困劳动力转移的影响相对较弱。本文使用教育预算支出、医疗机构床位数、小学专任教师数作为解释变量探究对贫困劳动力转移数量的影响。研究发现,仅有小学专任教师数对贫困劳动力转移数量产生一定的正向影响,说明贫困劳动力外出务工更多受到经济、就业机会、生活成等本因素影响,而劳动力自身能力有限,工资水平相对较低,较难承担在城市就医、子女上学的压力。同时,精准扶贫政策的实施,充分保障了贫困家庭的子女教育、基本医疗的需求,故外出就业对转入地的教育医疗要求较低。而小学专任教师数产生的正向影响,可能原因是农村劳动力大量流失,空心化严重,有部分的乡村学校已撤销合并,造成适龄儿童就近上学不方便,劳动力外出转移携带子女,让其在转入地就读。因此,城市的教育设施资源对劳动力转移有一定的影响。
5 结论与启示 5.1 结论本文利用2016—2019年永善县贫困劳动力转移就业数据,分析劳动力转移数量和素质的变化态势,探究贫困劳动力转移就业的空间分布格局,并揭示空间差异的影响因素。研究结论如下:
(1)2016—2019年间,永善县贫困劳动力转移就业总量发生了明显增长,但空间分布格局具有较强的稳定性。等级和经济水平发展高的城市地区是吸引劳动力转移就业的重点区域,空间上表现出由东部沿海尤其是三大城市群地区向中西部逐渐稀疏的趋势,而地理空间距离较近的西南地区也是转移就业的重要目的地。劳动力转移数量具有明显的空间集聚效应,但局部集聚性逐渐减弱,空间均衡性增加。2016年与2019年贫困劳动力转移热点区域空间变化不明显,主要分布在长三角城市群及云南省内地区。
(2)地区经济发展水平越高,劳动力就业岗位对劳动力素质要求相对越高,且区域间对劳动力素质需求具有锁定效应。相比2016年,2019年转移贫困劳动力素质指数高值和较高值区范围进一步扩大,空间呈现连绵状分布,中值区均主要围绕在高值或较高值区边缘,较低和低值区分布特征相似。城市贫困劳动力转入素质指数具有显著的空间自相关性,城市间不均衡程度逐渐加剧。地区经济发展是促进劳动力素质高值集聚区进一步扩展的重要原因,尤其是珠三角地区向北连绵延伸快速演化为第三大热点集聚区。
(3)城市的社会、经济发展水平是造成贫困劳动力转入就业空间差异的核心要素,对贫困劳动力在流入城市就业走向具有举足轻重的影响。经济收入、就业机会及生活消费成本仍是驱动劳动力转移就业的核心力,相比预期收入水平和生活消费成本等经济因素的驱动,自然资源环境状况对劳动力转移影响不显著。空间交通距离对劳动力转移的影响不明显,说明随着地区的交通基础设施日益完善,以及互联网等通讯技术的发展,空间交通区位对劳动力转移的作用较弱。
5.2 启示(1)当前,西南喀斯特区贫困劳动力流失严重,空间转移集疏分布差异大,东部沿海地区集聚明显,中西部吸纳劳动力规模偏小。同时,伴随脱贫攻坚胜利收官,建立完善长效稳定脱贫机制,推进脱贫攻坚与乡村振兴的深度融合,仍是面临的重要现实问题。一是东部沿海产业转型升级趋势不可阻挡,西南喀斯特区应结合当地资源及贫困劳动力自身特点,构建合理的产业格局及就业路径,防止出现结构性失业,保持贫困劳动力转移就业的持续性以巩固脱贫。二是加强劳动技能培训的精准性和实效性,提升劳动力的自身素质,畅通就业信息渠道,增强贫困劳动力转移就业能力,以促进家庭稳定持续增收。三是推动区域特色农产品的生产和深加工,促进产业融合发展,增强贫困劳动力就地就近就业的吸纳能力,实现农业和转移就业劳动力的合理分配,有利于乡村经济平稳增速发展。四是加大农村教育、医疗投资的投入力度,优化区域公共服务设施资源配置,降低对城市的过度依赖,吸引更多高素质人才向农村地区流动,推动乡村振兴。
(2)本文主要对永善县贫困劳动力转移数量及素质的空间格局加以分析,在劳动力素质评价模型构建中仅考虑年龄和文化程度,由于劳动力素质还受思想、技能等因素综合影响,今后尚需采用多种指标进行评价。从转入城市视角探究贫困劳动力转移影响因素,但在实际的操作中,不同区域、城市社会经济发展具有差异性,同时区域内部依然存在空间分异特征,选取影响因素可能会造成一定的误差,在后续的研究中,需根据城市发展实际情况及区域发展特点,进一步完善影响因素的选取,及时发现农村劳动力转移过程中的新问题和新因素,从而为合理制定完善相关政策提供参考,促进乡村振兴发展。
[1] |
马爱玲. 农村剩余劳动力转移——基于内蒙古自治区产业结构优化视角的研究[M]. 北京: 经济管理出版社, 2017: 3-7. [Ma Ailing. Transfer of Rural Surplus Labor Force: The Research Based on the Perspective of Industrial Structure Optimization of Inner Mongolia[M]. Beijing: Economy & Management Publishing House, 2017: 3-7.]
|
[2] |
赵峰, 星晓川, 李惠璇. 城乡劳动力流动研究综述: 理论与中国实证[J]. 中国人口·资源与环境, 2015, 25(4): 163-170. [Zhao Feng, Xing Xiaochuan, Li Huixuan. A literature review on rural-to-urban labor migration: Theory and Chinese empirical studies[J]. China Population, Resources and Environment, 2015, 25(4): 163-170. DOI:10.3969/j.issn.1002-2104.2015.04.021] |
[3] |
何田, 廖和平, 孙平军, 等. 西南山区村域贫困家庭劳动力转移强度空间格局及影响因素[J]. 农业工程学报, 2020, 36(5): 325-334. [He Tian, Liao Heping, Sun Pingjun, et al. Spatial pattern and influencing factors of labor transfer intensity of rural poverty-stricken families in southwest mountainous areas of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(5): 325-334.] |
[4] |
Lewis W A. Economic development with unlimited supplies of labor[J]. Manchester School of Economic and Social Studies, 1954, 22(2): 139-191. DOI:10.1111/j.1467-9957.1954.tb00021.x |
[5] |
Fei J C H, Ranis G. Development of the labor surplus economy: Theory and policy[J]. The Economic Journal, 1967, 77(306): 480-482. |
[6] |
Tordaro M P. A model of migration and urban unemployment in less developed countries[J]. American Economic Review, 1969, 59(1): 138-148. |
[7] |
Lee E S. A theory of migration[J]. Demography, 1966, 3(1): 47-57. DOI:10.2307/2060063 |
[8] |
Stark O, Bloom D E. The new economic of labor migration[J]. American Economic Review, 1985, 75(2): 173-178. |
[9] |
齐元静, 唐冲. 农村劳动力转移对中国耕地种植结构的影响[J]. 农业工程学报, 2017, 33(3): 233-240. [Qi Yuanjing, Tang Chong. Effect of labor migration on cultivated land planting structure in rural China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(3): 233-240.] |
[10] |
王玮. 湖北省农村劳动力转移对农业生产率的影响分析[J]. 中国农业资源与区划, 2016, 37(7): 182-185. [Wang Wei. Analysis on the effect of rural labor transfer on agricultural productivity in Hubei province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(7): 182-185.] |
[11] |
苏昕, 刘昊龙. 农村劳动力转移背景下农业合作经营对农业生产效率的影响[J]. 中国农村经济, 2017(5): 58-72. [Su Xin, Liu Haolong. The effects of farmers'specialized cooperatives on agricultural production efficiency within the context of rural labor migration[J]. Chinese Rural Economy, 2017(5): 58-72.] |
[12] |
侯孟阳, 姚顺波. 中国农村劳动力转移对农业生态效率影响的空间溢出效应与门槛特征[J]. 资源科学, 2018, 40(12): 2475-2486. [Hou Mengyang, Yao Shunbo. Spatial spillover effects and threshold characteristics of rural labor transfer on agricultural eco-efficiency in China[J]. Resources Science, 2018, 40(12): 2475-2486.] |
[13] |
花卉. 基于宏观经济数据的农村劳动力转移对陕西省经济贡献研究[J]. 中国农业资源与区划, 2017, 38(1): 168-174. [Hua Hui. The contribution of rural labor transfer on Shaanxi province's economic based on macroeconomic data[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(1): 168-174.] |
[14] |
程名望, 刘金典. 中国劳动力省际转移特征及其影响因素——基于博弈论视角[J]. 人口与经济, 2019(2): 28-43. [Cheng Mingwang, Liu Jindian. Analysis on the characteristics of China's labor force interprovincial transfer and its influencing factors: Based on the game theory[J]. Population & Economics, 2019(2): 28-43.] |
[15] |
王盼, 阎建忠, 杨柳, 等. 轮作休耕对劳动力转移的影响——以河北、甘肃、云南三省为例[J]. 自然资源学报, 2019, 34(11): 2348-2362. [Wang Pan, Yan Jianzhong, Yang Liu, et al. Effect of rotation fallow on labor transfer: A case study in three provinces of Hebei, Gansu and Yunnan[J]. Journal of Natural Resources, 2019, 34(11): 2348-2362.] |
[16] |
周皓. 中国人口迁移的家庭化趋势及影响因素分析[J]. 人口研究, 2004, 28(6): 60-69. [Zhou Hao. Analysis on the family trend and influential factors of population migration in China[J]. Population Research, 2004, 28(6): 60-69. DOI:10.3969/j.issn.1000-6087.2004.06.011] |
[17] |
何田, 廖和平, 孙平军, 等. 西南山区贫困家庭劳动力转移特征及乡村振兴响应策略[J]. 地域研究与开发, 2021, 40(3): 145-150. [He Tian, Liao Heping, Sun Pingjun, et al. Characteristics of labor transfer of poverty-stricken families and response strategies for rural revitalization in Southwest mountainous areas[J]. Areal Research and Development, 2021, 40(3): 145-150.] |
[18] |
王春超. 农民工流动就业决策行为的影响因素——珠江三角洲地区农民工就业调查研究[J]. 华中师范大学学报(人文社会科学版), 2011(2): 49-57. [Wang Chunchao. The influencing factors of migrant workers'decision-making behavior in Floating Employment: A survey of migrant workers'employment in Pearl River Delta[J]. Journal of Huazhong Normal University (Humanities and Social Sciences), 2011(2): 49-57.] |
[19] |
李扬, 刘慧, 汤青. 1985-2010年中国省际人口迁移时空格局特征[J]. 地理研究, 2015, 34(6): 1135-1148. [Li Yang, Liu Hui, Tang Qing. Spatial-temporal patterns of China's interprovincial migration during 1985-2010[J]. Geographical Research, 2015, 34(6): 1135-1148.] |
[20] |
刘盛和, 邓羽, 胡章. 中国流动人口地域类型的划分方法及空间分布特征[J]. 地理学报, 2010, 65(10): 1187-1197. [Liu Shenghe, Deng Yu, Hu Zhang. Research on classification methods and spatial patterns of the regional types of China's floating population[J]. Acta Geographica Sinica, 2010, 65(10): 1187-1197.] |
[21] |
顾朝林, 蔡建明, 张伟, 等. 中国大中城市流动人口迁移规律研究[J]. 地理学报, 1999, 54(3): 204-212. [Gu Chaolin, Cai Jianming, Zhang Wei, et al. A study on the patterns of migration in Chinese large and medium cities[J]. Acta Geographica Sinica, 1999, 54(3): 204-212.] |
[22] |
张耀军, 岑俏. 中国人口空间流动格局与省际流动影响因素研究[J]. 人口研究, 2014, 38(5): 54-71. [Zhang Yaojun, Cen Qiao. Spatial patterns of population mobility and determinants of inter-provincial migration in China[J]. Population Research, 2014, 38(5): 54-71.] |
[23] |
丁金宏, 刘振宇, 程丹明, 等. 中国人口迁移的区域差异与流场特征[J]. 地理学报, 2005, 60(1): 106-114. [Ding Jinhong, Liu Zhenyu, Cheng Danming, et al. Areal differentiation of inter-provincial migration in China and characteristics of the flow field[J]. Acta Geographica Sinica, 2005, 60(1): 106-114.] |
[24] |
刘涛, 齐元静, 曹广忠. 中国流动人口空间格局演变机制及城镇化效应——基于2000和2010年人口普查分县数据的分析[J]. 地理学报, 2015, 70(4): 567-581. [Liu Tao, Qi Yuanjing, Cao Guangzhong. China's floating population in the 21st century: Uneven landscape, influencing factors, and effects on urbanization[J]. Acta Geographica Sinica, 2015, 70(4): 567-581.] |
[25] |
李飞, 孙峰华. 中国农村剩余劳动力的空间分布和转移模式研究[J]. 中国人口科学, 2000(5): 59-63. [Li Fei, Sun Fenghua. Research on the spatial distribution and transfer mode of rural surplus labor force in China[J]. Chinese Journal of Population Science, 2000(5): 59-63.] |
[26] |
孙小宇, 郑逸芳, 黄晓俐, 等. 农村劳动力转移空间特征及其影响因素——基于外出从业经历与农地流转行为视角[J]. 湖南农业大学学报(社会科学版), 2018, 19(6): 62-67. [Sun Xiaoyu, Zheng Yifang, Huang Xiaoli, et al. Spatial characteristics of the transfer of rural labor force and its influencing factors: From the perspective of outgoing experience and farmland transfer behavior[J]. Journal of Hunan Agricultural University (Social Sciences), 2018, 19(6): 62-67.] |
[27] |
樊新生, 高更和, 罗庆. 农村劳动力流动空间及其影响因素分析——以河南省为例[J]. 经济地理, 2015, 35(7): 134-139. [Fan Xinsheng, Gao Genghe, Luo Qing. An analysis of migration space decision of rural surplus labors and its influence factors: A case study on the survey of rural households in Henan province[J]. Economic Geography, 2015, 35(7): 134-139.] |
[28] |
艾大宾, 袁天凤. 四川省农村劳动力转移演变的时空特征及内在机制[J]. 热带地理, 2014, 34(3): 399-407. [Ai Dabin, Yuan Tianfeng. Temporal-spatial characteristics and internal mechanism of evolution of rural labors transfer in Sichuan province[J]. Tropical Geography, 2014, 34(3): 399-407.] |
[29] |
高更和, 李小建, 乔家君. 论中部农区农户打工区位选择影响因素——以河南省三个样本村为例[J]. 地理研究, 2009, 28(6): 1484-1493. [Gao Genghe, Li Xiaojian, Qiao Jiajun. Research on influencing factors of employment location choice for farm households in agriculture area of Central China: A case study for three sample villages in Henan province[J]. Geographical Research, 2009, 28(6): 1484-1493.] |
[30] |
蒋桦. 农户劳动力资源特征及其影响分析——以重庆武隆4个村为例[J]. 中国农业资源与区划, 2017, 38(4): 96-101. [Jiang Hua. The factors and characteristics of labor resources in mountainous areas: A case study of four villages in Wulong county, Chongqing[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(4): 96-101.] |
[31] |
江涛. 舒尔茨人力资本理论的核心思想及其启示[J]. 扬州大学学报(人文社会科学版), 2008, 12(6): 84-87. [Jiang Tao. The central idea of Schultz's human capital theory and its implication[J]. Journal of Yangzhou University: Humanities & Social Sciences, 2008, 12(6): 84-87.] |
[32] |
杨学成, 张务伟, 张福明. 社会转型中期劳动力素质与就业的城乡差别——基于山东省1502位城乡劳动力调查资料的分析[J]. 中国农村观察, 2011(3): 32-39. [Yang Xuecheng, Zhang Wuwei, Zhang Fuming. The difference of labor quality and employment between urban and rural areas in the middle period of social transformation: Analysis of 1502 urban and rural labor force survey data in Shandong province[J]. Chinese Rural Economy, 2011(3): 32-39.] |
[33] |
李明贤, 樊英. 粮食主产区农民素质及其种粮意愿分析——基于6个粮食主产省457户农户的调查[J]. 中国农村经济, 2013(6): 27-37. [Li Mingxian, Fan Ying. Analysis of farmers'quality and willingness to grow grain in main grain producing areas: Based on the survey of 457 households in 6 major grain producing provinces[J]. Chinese Rural Economy, 2013(6): 27-37.] |
[34] |
薛福根, 石智雷. 个人素质、家庭禀赋与农村劳动力就业选择的实证研究[J]. 统计与决策, 2013(8): 110-112. [Xue Fugen, Shi Zhilei. An empirical study on personal quality, family endowment and rural labor employment choice[J]. Statistics & Decision, 2013(8): 110-112.] |
[35] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-132. [Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-132.] |
[36] |
王婧, 刘奔腾, 李裕瑞. 京津冀人口时空变化特征及其影响因素[J]. 地理研究, 2018, 37(9): 1802-1817. [Wang Jing, Liu Benteng, Li Yurui. Spatial-temporal characteristics and influencing factors of population distribution and floating changes in Beijing-Tianjin-Hebei region[J]. Geographical Research, 2018, 37(9): 1802-1817.] |
[37] |
古恒宇, 沈体雁, 刘子亮, 等. 基于空间滤波方法的中国省际人口迁移驱动因素[J]. 地理学报, 2019, 74(2): 222-237. [Gu Hengyu, Shen Tiyan, Liu Ziliang, et al. Driving mechanism of interprovincial population migration flows in China based on spatial filtering[J]. Acta Geographica Sinica, 2019, 74(2): 222-237.] |
[38] |
邓金钱. 政府主导、人口流动与城乡收入差距[J]. 中国人口·资源与环境, 2017, 27(2): 143-150. [Deng Jinqian. Government dominance, population mobility and urban-rural income gap[J]. China Population, Resources and Environment, 2017, 27(2): 143-150.] |