本站小編為你精心準備了地方勞動力轉移路徑綜述參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、農村勞動力轉移的經濟理論模型

劉易斯的二元經濟增長模型：劉易斯在《無限供給條件下的經濟發展》中，把發展中國家經濟的二元性明確地刻畫出來，以兩部門（城市工商業部門和農業部門）的勞動力轉移為核心構建了發展中國家的經濟增長模型。他認為發展中國家存在著傳統農業部門與現代城市工商業兩部門，由于后者的勞動生產率大大高于前者的勞動生產率，由此形成了兩者極大的工資收入差異，使得農業部門中的過剩勞動力源源不斷地流向工業部門[1]。托達羅的人口流動模型：托達羅根據發展中國家城市和農村普遍存在的失業狀況，通過論文《人口流動、失業和發展：兩部門分析》闡述了他的人口流動模型：Mt=（fP*Wu-WR），ft＞0模型認為，影響轉移的因素有：（1）預期的城鄉實際收入差異；（2）預期在城市找到工作的可能性。Mt表示在第t期從農村遷入城市的人口數，P為在城市找到工作的概率，Wu為城市工資水平，P*Wu即為預期的實際工資，WR為農村的實際收入，（P*Wu-WR）即為預期的城鄉收入差異，f′＞0表示人口流動是預期收入差異的增函數。該模型表明，只要預期的工資大于農村的收入，勞動力從農村向城市的轉移就會繼續；只有當勞動力的轉移誘發城市工資水平降低，抑或增加了失業率，從而使預期的城市收入和農村水平相等時，勞動力轉移才會停止[2]。

二、農村剩余勞動力轉移的影響因素識別

（一）基于傳統經濟理論的影響因素———城市化水平、城鄉收入比等托達羅建立的城鄉勞動力轉移模型，可以回答為什么農村向城市的轉移過程會不顧城市失業轉變為隱蔽失業的存在而繼續進行，從而補充了劉易斯模型。依據阿瑟•劉易斯所構建二元經濟增長模型，城市化水平影響著農村剩余勞動力的轉移；同時，依據托達羅構建的城鄉勞動力轉移模型，城鄉收入比也同樣影響著農村剩余勞動力的轉移。從長期的角度分析，農業剩余勞動力取決于其他非農產業對勞動力的需求，非農業部門勞動力的需求越大對農業剩余勞動力吸引能力就越大。

（二）基于河北省實際情況的影響因素———受教育水平傳統經濟理論都暗含一個假定：即農村剩余勞動力與城市工業部門擴張所需的勞動力在受教育程度上是同質的，能實現快速轉移。但是對于河北省而言，數百萬的農村剩余勞動力中70%為初中及以下受教育水平，這種文化素質的勞動者怎能適應當今知識經濟時代大量采用高新技術的城市工業和服務業呢？事實也是如此，即新聞媒體披露的：“一方面是城市、企業需求大量有知識有技能的勞動力，另一方面是大量的農村剩余勞動力找不到工作紛紛回流農村”。所以，受教育水平也是影響農村勞動力轉移的重要因素。

三、河北省農村剩余勞動力的轉移模型構建

（一）模型解釋變量的選擇

依據經濟理論模型和影響因素識別，設定河北省農村剩余勞動力轉移指標：（1）城市化水平因素（依據阿瑟•劉易斯所構建的勞動力轉移模型，這里采用城市化率指標：Cityratio）。（2）城鄉收入比因素（托達羅模型中的影響勞動力轉移的解釋變量：Incomeratio）。（3）農村勞動力本身的教育水平因素（這里采用的衡量教育水平的指標是初中以上的從業人員比重:Eduratio）。（4）人均耕地面積（Averageplow）、農村勞動生產率、農村人均純收入、農業勞動剩余率）。（5）GDP增長率、農村中非農產業所占比重、第三產業比重。（6）農村非農產業的發展是河北省農村剩余勞動力轉移的重要因素，這里引入衡量農村中非農產業的發展指標。

（二）被解釋變量總體分析

圖1是河北省農村剩余勞動力轉移的時間序列示意，從圖中看到，轉移呈現倒“U”型，只是在1985年左右出現了一個極大的高峰時期。數據出現異常的主要原因是當時河北省農村經濟體制改革得到全面推進，并且以城市大工業為依托的鄉鎮企業在飛速發展。在經濟分析中，將把這個時期的值作為奇異值來處理，在運用Eview軟件進行模型分析時，模型中將引入虛擬變量D85。我們把奇異值暫時替換為正常值，修正后的Inflow*數據如圖2所示，由Eview運行后，得到相關矩陣（表1），由此表可以看出，EPLOW、XIYIN分別和Inflow*的相關系數較大，可以作為Inflow*的解釋變量。但是相比之下，AGRRAMIN、REVRATIO和Inflow*的相關系數較小，分別只有-0.315893和0.255024，這說明了河北省農村勞動力轉移的現狀。雖然從西方經濟理論上分析，剩余勞動力的轉移數量和農業剩余率密切相關，但是那是在假定充分就業的前提下的結論。河北省農村剩余勞動力的轉移數量和剩余勞動力的數量相關性較小，說明現在存在大量的農村勞動力閑置的情況。按照托達羅的人口流動模型，城鄉收入比應該是農村勞動力轉移的一個解釋變量，但是從數據上顯示，河北省的轉移總量和城鄉收入比的相關性很小。總之，在河北省城市和農村都出現不充分就業的情況下，農村剩余勞動力的總量和城鄉收入比對轉移的總量影響較小，從另一個側面說明了勞動力的轉移總量在短期內主要由XIYIN等因素決定。

（三）模型回歸分析

我們首先引入AGRRAMIN、AVERGDP、CITYIDX、EDU－RATIO、EPLOW、REVRATIO、XIYIN作為解釋變量，Inflow*為被解釋變量，利用Eview軟件做回歸分析。回歸模型及輸出如下：Inflow*i=C（1）+C（2）×AGRRAMIN+C（3）×AVERAGDP+C（4）×CITYTIO+C（5）×EDURATIO+C（6）×EPLOW+C（7）×REVATIO+C（8）×XIYIN+u（ii=1，2，3，…，n）回歸分析結果見表2。

四、河北省農村剩余勞動力轉移模型的檢驗及優化

（一）多重共線性的檢驗和優化

多重共線性的原理：一個回歸模型yi=β0+β1x1i+β2x2i+ui，如果存在不為零的常數，使的λ1x1i+λ2x2i=0成立，則x1和x2存在完全多重共線性；如果存在不為零的常數，使得λ1x1i+λ2x2i+vi=0成立，則x1和x2存在不完全多重共線性。由于經濟變量本身性質：兩個自變量具有相同或者相反的變化趨勢，數據收集的范圍過窄，造成某些自變量之間似乎有相同的或相反的變化趨勢的假象，一個自變量是另一個自變量的滯后值等，經濟變量間存在一定程度的多重共線性是一種普遍現象。當多重共線性程度很高時，將給普通最小二乘法帶來嚴重的后果，比如：估計值不穩定，參數估計值的方差增大，t檢驗失效，甚至預測失效等，所以我們必須要對多重共線進行檢驗并進行相應的處理。多重共線性的檢驗分析：模型回歸結果顯示：回歸總體的擬合優度R值很大，達到0.992217，總體擬合很好。但是模型中的參數估計值的T值諸如：C（2）T值為-0.145734，C（3）T值為-0.892582，C（4）T值為0.671486，C（5）T值為-0.680653，表明模型中大部分參數不顯著。根據不顯著系數法的理論，意味著自變量之間存在著多重共線性。并且從經濟理論上分析，CITYIDX、EPLOW等解釋變量對被解釋變量有重要影響，但回歸參數的OLS估計值卻不顯著，一般應懷疑是多重共線性所致。多重共線性的優化處理：這里使用Frisch分析法進行模型優化，Frisch也稱逐步回歸法。這種方法的觀點是多重共線性應從相關系數r，擬合優度R2和標準誤差三個方面綜合考慮。首先，我們利用Eview分別變量做回歸。以XIYIN為解釋變量的回歸模型如下：Inflow=C（1）+C（2）×XIYIN+ui，回歸結果是（以EPLOW、EDURATIO為解釋變量的回歸模型和結果略）：INFLOW=6.171624769+1.124039446×XIYINt-Statistic（8.380361）（40.73882）Std.Error（0.736439）（0.027591）R2=0.986918d=1.262513從上面回歸輸出來看，解釋變量XIYIN的參數C（1）和C（2）的統計值t值分別為8.380361和40.73882，有很強的顯著性。總體方程的擬合優度R2達到0.986918，與其他的回歸相比，XIYIN回歸擬合得最好。可以看出，XIYIN是一個十分重要的解釋變量。從河北省現實勞動力轉移狀況出發，農村中非農產業的吸引也是轉移的重要渠道。所以選定以XIYIN為解釋變量進行第一步Frisch綜合分析。引入解釋變量EPLOW，模型變為：Inflow=C（1）+C（2）×XIYIN+C（3）×EPLOW+u1，回歸后，R2有所提高，但是C（3）為正值，表明了EPLOW和INFLOW正相關，與事實不符。理論上，人均耕地面積越大，農業對農村勞動力的容納能力越強，所以呈現反相關。另外，河北省的現實情況是：人均耕地面積逐年減少，直接導致的后果是農村剩余勞動力的增多，但對于勞動力的每年轉移量影響不是很大，故從這兩方面來說，刪除掉EPLOW這個解釋變量，以期消除多重共線性。再引入解釋變量AVERGDP*，模型變為：Inflow=C（1）+C（2）×XIYIN+C（3）×AVERGDP+u2。回歸后，R2有較小的提高，參數的T檢驗值也較大，統計上分析是顯著的。但是從經濟意義上考慮，河北省的人均GDP是反映全省的經濟狀況的一個很好的指標，經濟狀況越好，農村剩余勞動力的轉移規模應該越大，但是上面的回歸參數為負，故不符合現實經濟規律，所以刪除此變量。

（二）自相關的檢驗和優化

自相關的原理：如果COV（ui，uj）=E（ui，uj）≠0，i≠j，i，j=1，2，…，n，即u的取值與它的前一期或前幾期的取值相關，則稱u存在序列相關或者自相關。在經濟計量研究中，隨機項u自相關的現象在時間序列數據經常存在。假定u存在自相關，若ut的取值僅與前一期ut-1有關，即ut=（fut-1），則稱這種自相關為一階自相關，形式如下：ut=ρut-1+v（t-1＜ρ＜1）。自相關帶來的后果，使OLS估計量失去有效性；在隨機項存在自相關的情況下，t檢驗和F檢驗同時失效。自相關的檢驗分析：由于模型回歸采用時間序列數據，且樣本容量較少，所以這里假定隨機項u（ii=1，2，3，……n）存在一階自相關，故采用杜賓—沃特森（Durbin—Watson）檢驗法對模型中存在的自相關作檢驗。D-W檢驗方法：提出原假設H0：ρ=0，即u不具有一階自相關；備擇假設H1：ρ≠0，u具有一階自相關，為檢驗原假設，構造D-W統計量，記作DW或d：d=∑（et-et-1）（2t=2，…，n）∑e（2tt=1，…，n）根據樣本容量和解釋變量的數目，在給定顯著水平下，建立了檢驗的下臨界值dL與上臨界值dU。本回歸模型，從杜賓—沃特森檢驗上下界表中查得在解釋變量為k（k=3，且變量數包括常數項），觀測值n為24組時的D—W檢驗下界dL為=1.19，上界dU=1.55。以XIYIN和CITYIDX為解釋變量，回歸模型為：Inflow=C（1）+C（2）*XIYIN+C（3）*CITYIDX+u，Eview軟件分析結果如下：INFLOW=1.673473867+1.020013196*XIYIN+0.08890316835*CITYIDXt-Statistic（2.458536）（35.77679）（5.682138）Std.Error（1.147365）（0.028510）（0.015646）R2=0.991043d=1.974206INFLOW=C（1）+C（2）*CITYIDX+C（3）*XIYIN+C（4）*DD將d現實值與臨界值進行比較：du（1.55）<d=0.974206<4-d（u4-1.55），則隨機項u不存在一階自相關。

（三）異方差的檢驗和優化

異方差的原理：在線性回歸中，如果V（u）i的數值對不同的自變量觀測值彼此不同，則稱隨機項u具有異方差性，即V（u）i=E（ui2）=δui2≠a（i=1，2，3，…n，a是常數）。如果隨機項具有異方差，在運用OLS法進行參數估計時，有如下的影響：t檢驗和F檢驗無效；預測區間無效。在研究農村剩余勞動力的轉移模型中，我們有必要對模型中的異方差性作檢驗，以避免異方差對模型的不利影響。異方差的檢驗分析：在本文中，我們運用Goldfeld-Quandt對模型的異方差進行檢驗。G-Q檢驗要求觀測值的數目適用于大樣本情形（n>30），這里觀測值樣本數量接近于G-Q檢驗的適用條件。同時，樣本數目是參數的12倍，遠大于2倍，滿足了進行G-Q檢驗的第二個條件，并且我們已經檢驗了模型的隨機項沒有自相關，符合G-Q檢驗的第三個條件。下面進行G-Q檢驗：第一，建立統計假設：零假設H0：ui是同方差（i=1，2，3，…，n）；備擇假設H1：ui具有異方差。然后，處理觀測值：將解釋變量XIYIN的觀測值由小到大的順序排列，然后將居中的c個觀測值數據去掉，關于c的取值，Goldfeld和Quandt認為取樣本容量（n>30）的1/4為佳。本文中取c=4，再將剩余的n-c（24-4=20）個數據分為數目相等的兩組：數據較小的為一組子樣本，數據較大的為另一組子樣本。第二，建立回歸方程求殘差平方和。較小數據的一組（數據略）回歸模型是：Inflow=2.4081+1.0307×XIYIN+0.0711×CITYIDX，殘差平方和Sumsquaredresid=11.81854，較大數據的一組（數據略）回歸模型是：Inflow=4.5166+1.0502×XIYIN+0.05316×CITYIDX，殘差平方和Sumsquaredresid=25.80692。建立統計量F值：F=RSS2/RSS1=RSS2［/（n-c）/2-k-1］RSS［1（n-c）/2-k-1］然后由計算公式計算F值：F=25.80692/11.81854=2.183596。RSS2與RSS1的自由度為：（n-c）/2-k-1=（24-4）/2-2-1=7。在5%的顯著水平下，查F分布表，第一個自由度為7，第二個自由度為7，得F的臨界值為3.79和7.00。2.183596<3.79，即F<Fα=0.05［（n-c）/2-k-1，（n-c）/2-k-1］，則接受零假設H0，認為沒有異方差。

（四）修正的河北農村剩余勞動力轉移模型

經過修正得出農村剩余勞動力修正模型是：Inflow=C（1）+C（2）*XIYIN+C（3）*CITYIDX+u（i=1，2，3，…，n），Eview軟件分析結果如下：INFLOW=1.673473867+1.020013196×XIYIN+0.08890316835×CITYIDXt-Statistic（4.458536）（35.77679）（5.682138）Std.Error（1.147365）（0.028510）（0.015646）R2=0.991043d=1.974206從上面的回歸結果看出，R2=0.991043，說明方程整體擬合得非常好。各個參數的t統計量分別為4.458536。

五、結論

綜上，我們不難看出，農村剩余勞動力的轉移主要是以農村和鄉鎮吸引非農產業為主，其次是城市化的吸引。這說明城市化的提高在某種程度上會吸引農村剩余勞動力的轉移。但是從模型中可以看到，城市化變量的影響系數不大，說明其對農村剩余勞動力的轉移起到的作用并不大。聯系實際情況也是這樣，河北省農村勞動力的轉移，主要還是要以農村和鄉鎮中的非農產業的就地轉移為途徑。不能單純依靠工業擴張解決日益凸顯的失業問題，而應同時大力發展農村經濟，適當控制城市工資率的提高，同時重點增加農民的收入，縮小城鄉收入差異。調整產業結構，大力發展鄉鎮企業，積極推進城鎮化進程，從而更有效地轉移農村剩余勞動力[3]、[4]、[5]。