地形对农户就业的影响——基于CHIP 数据的实证分析

付红雪，付雪娇，闵园园

（1.中国地质大学（武汉）经济管理学院，武汉 430074；2.湖北大学数学与统计学学院，武汉 430062）

“三农”问题一直是中国经济工作的重中之重，其中农户贫困问题尤为重要。作为最大的发展中国家，经过近几十年的扶贫工作，中国扶贫方式已由过去的“大水漫灌”转变为现在的精准扶贫［1，2］，贫困研究单元由片区［3，4］、省域及县域［5，6］等宏观尺度向村域［7-11］等微观尺度转移，贫困研究内容涉及农村多维贫困状况识别和贫困类型划分［12-15］、基于县域贫困的空间格局及影响因素［11］等方面。

农户收入一直是“三农”问题的重点，而劳动力转移是推动农户收入增长、摆脱贫困的重要途径之一［16］。一些研究展望了农村劳动力转移的趋势和方向以及劳动力转移对农户收入、农户务农收入、农业生态效率、贫困农户生计［17-21］的影响，可见选择何种类型的就业模式对农户收入有着重要的影响。然而由于农村构成要素的多样性、农村自然地理和区位的差异性、资源禀赋和经济社会基础的不同，农户的就业选择错综复杂。一些学者在研究农户问题时引入了地理因素，如蔡昉等［22］研究了地理因素对劳动力要素的影响，Sylvie 等［23］以经济地理因素为切入点研究了中国的区域增长，发现不同地理因素是造成地区经济增长差异的显著原因。

研究显示，农村转移劳动力通过增加非农收入来减少贫困［24，25］，因此研究地形差异下农户的就业选择对农村扶贫具有重要的现实意义。同时，细化就业选择不仅便于观察处于不同地理区位农户的就业情况，而且在实证分析中可以得到更加稳健的估计结果。因此，本研究基于湖北省4 821 个贫困村的位置数据，运用GIS 技术对贫困村空间分布地形特征进行了研究，同时，利用中国家庭收入调查（CHIP）数据，将农户的就业安排分为5 类，运用SUR 回归等方法检验了地形对农户就业选择的影响，以期能为地区制定精准扶贫政策提供参考。

1 湖北省概况与数据来源

1.1 湖北省概况

湖北省地处中国中部，全省总面积18.59 万km2，地势西高东低，呈阶梯状分布。由全国31 个省域高程标准差（表1）可知，湖北省内地势高低起伏的差异排名全国第八，仅次于四川、新疆、甘肃、西藏、青海、云南、河北。地势差异明显，西部号称“华中屋脊”的神农架最高峰神农顶，海拔达3 105 m；东部平原的荆州市监利县谭家渊附近，地面高程为0。同时湖北省是中国22 个国家扶贫开发工作重点省份之一，贫困程度位居全国高贫困发生率省份第一方阵，扶贫开发任务之重超过全国及中部6 省平均水平，因此本研究以地形具有代表性的湖北省作为研究区域。

1.2 数据来源

本研究中的4 821 个贫困村名单来源于湖北省人民政府扶贫开发办公室。利用百度地图API 的地址解析功能识别各个村的经纬度，再运用ArcGIS软件生成贫困村矢量点数据，从全国第二次土地调查数据库中提取湖北省省级行政区划数据，分辨率90 m 的数字高程模型（DEM）数据下载于地理空间数据云，其他数据来源于中国家庭收入调查（CHIP）。

表1 全国31 个省域高程标准差

CHIP 2013 数据采用系统抽样的方法，覆盖15个省份126 个城市234 个县区的18 948 个住户和64 777 个个体样本。本研究以湖北省为研究区域，覆盖洪山区、蔡甸区、点军区、猇亭区、保康县、华容区、鄂城区、掇刀区、云梦县、罗田县、通城县、恩施市、鹤峰县、仙桃市、天门市15 个县（市、区）。

2 贫困村空间分布的地形特征

为研究湖北省贫困村的地形特征，将湖北省范围的高程栅格数据进行处理，得到湖北省坡度分级（图1）。运用ArcGIS 分区统计工具，得到不同坡度等级下的贫困村数量（表2）。分析可知，随坡度的增大贫困村数量逐渐减少，40.16% 的贫困村位于平地，58.62% 的贫困村坡度在6°以内，拥有较好的耕地地形条件，仅有8.23% 的贫困村土地利用条件较为恶劣。

图1 湖北省坡度分级

表2 不同坡度等级下的贫困村数量

3 变量选择与研究方法

3.1 变量选择

3.1.1 被解释变量 从个体与家庭2 个层面选取3组变量衡量劳动力的配置，包括农户就业选择、农户就业时间安排和家庭劳动力配置（表3）。

表3 被解释变量

3.1.2 解释变量 较多学者用DEM 数据中的高程来定义区域地貌类型［8，9］。因此参考学者的思想，本研究基于ArcGIS 的Spatial analyst 中的区域统计工具，得到每个县（市、区）的平均高程值，将研究县（市、区）划分为平原县（市、区）或山地县（市、区），取值为1 表示平原，否则为0。

3.1.3 控制变量/工具变量 户主作为家庭的决策主体，对其家庭成员的就业选择具有一定程度的影响，因此本研究控制了户主的某些个体特征变量；有研究提出儿童占家庭人口的比重、老年人口占家庭人口的比重同样影响家庭劳动力配置［26，27］，同时也控制了这2 个变量；县（市、区）经济发展水平对农户就业选择有影响，因此还控制了反映县（市、区）经济发展水平的变量，同时为避免内生性，用同县城其他家庭平均可支配收入表示。考虑到农户所处县（市、区）的地理位置具有相似性，因此构造了该县（市、区）的平均高程以及平均坡度作为工具变量。

3.2 研究方法

3.2.1 模型设定 为分析地形对农户就业选择的影响，本研究构建如下方程：

式中，Employmentij为县（市、区）i 农户j 的5 个就业选择变量；Landformij为1 时表示平原，否则为0；Xij为农户个体以及家庭特征变量的矩阵；Zi为县（市、区）特征的矩阵；θi为县（市、区）的个体效应。本研究采用Logit 模型进行估计，同时为估计地形对农户就业时间安排的影响，将采用如下方程：

式中，Timeij为被解释变量，包含农户的4 个就业时间安排；Landformij为1 时表示平原，否则为0。由于不同就业选择的劳动时间存在此消彼长的同期相关关系，各个方程的误差项可能存在同期相关。因此，本研究将采用似不相关回归方法（SUR）［28，29］对被解释变量的4 个方程进行系统估计。同时，式（1）中，农户的就业选择同样存在同期相关，因此还将采用SUR 回归方法对所有方程进行估计。

3.2.2 内生性检验 首先检验各控制变量的组间差异，若控制变量的组间差异显著，则控制这些变量。表4 是控制变量/工具变量的组间差异，由表4 可知，有9 个控制变量的组间差异较为显著。控制变量后，需要采用工具变量法检验模型是否依然存在内生性问题。因此，采用工具变量法进行检验，结果如表5 所示。

由表5 可知，Kleibergen-Paap 统计量均大于10%水平下的临界值16.38，拒绝弱工具变量的假设。同时内生性检验结果表明，除了失业/待业、本地工资性工作时间、本地非农经营时间3 个方程外，其他11 个方程均接受不存在内生性的原假设，即模型不存在内生性问题。因此，本研究主要根据SUR 回归的估计结果进行解释。

4 模型估计与分析结果

4.1 描述性分析结果

由描述性分析结果（表6）可知，平原农户与山区农户的就业选择差异表现为：山区从事农业的农户达50.75%，比平原农户高近6 个百分点；平原农户从事本地工资性工作、本地非农经营的较多；与山区农户相比，更多的平原农户选择外出就业，平原外出就业的农户达32.60%，比山区农户高近7 个百分点；山区农户的失业比重较高，有16.82% 处于失业/待业状态，比平原农户高近8 个百分点。

平原农户与山区农户的就业时间安排差异表现为：平原农户从事农业的平均就业时间为3.04 个月，比山区农户低0.57 个月；平原农户从事本地工资性工作、本地非农经营、外出就业的平均就业时间分别为1.49 个月、0.89 个月和3.27 个月，比山区农户分别高0.19 个月、0.36 个月和0.91 个月。

平原农户与山区农户的家庭劳动力配置差异表现为：山区家庭从事农业的平均劳动力人数比平原家庭略高；山区家庭平均失业/待业人数为0.505，高于平原家庭。综上可知，平原地区从事本地工资性工作、本地非农经营和外出就业的农户较多，从事农业的农户相对较少。同时，地形优势会在一定程度上减少失业人数。

表5 内生性检验结果

表4 控制变量/工具变量的组间差异

4.2 分析结果

4.2.1 地形对农户就业选择的影响 为反映分析结果的稳健性，本研究同时采用了OLS 回归、Logit 回归及SUR 回归模型。由地形对农户就业选择的影响（表7）可知，地形优势能够显著降低农户从事农业、失业/待业的可能性，促进农户外出就业，而对本地工资性工作和本地非农经营只有微弱的正影响。从SUR 回归结果来看，在平均意义上，地形优势促使农户从事农业的可能性由0.508 下降至0.426；促使农户失业/待业的可能性由0.168 下降至0.115；促使农户外出就业的可能性由0.256 上升至0.308。内生性检验显示，农户失业/待业方程中存在内生性问题，因此采用了工具变量回归，地形的估计系数变成了-0.06，并在5% 的显著性水平拒绝了原假设。

表7 地形对农户就业选择的影响

表6 描述性分析结果

4.2.2 地形对农户就业时间安排的影响 由地形对农户就业时间安排的影响（表8）可知，平原地区地形优势能够显著减少农户从事农业的时间，增加农户外出就业时间，而对本地工资性工作时间和本地非农经营时间的影响不显著。从SUR 回归结果来看，在平均意义上，地形优势促使农户从事农业的时间下降0.32 个月；促使农户外出就业的时间增加0.60 个月。内生性检验显示，农户本地工资性工作时间、本地非农经营时间方程中存在内生性问题，因此采用了工具变量回归，而地形的估计系数分别变成了0.265 和0.062，均在5% 的显著性水平拒绝了原假设。

4.2.3 地形对家庭劳动力配置的影响 由地形对家庭劳动力配置的影响（表9）可知，地形优势能够显著减少家庭农业人数、失业/待业人数，增加外出就业人数，对本地工资性工作人数、本地非农经营人数只有微弱的正向影响。从SUR 回归结果来看，在平均意义上，地形优势促使家庭农业人数减少0.25个；促使外出就业人数增加0.21 个；促使失业/待业人数减少0.21 个。

表8 地形对农户就业时间安排的影响

表9 地形对家庭劳动力配置的影响

5 小结与建议

本研究利用CHIP 数据实证分析了地形对农户就业选择的影响。结果表明，地形优势促进了农户从事非农就业，降低了失业/待业情况。具体而言，地形优势促使农户从事农业的可能性、农业就业时间、家庭农业人数显著下降；同时促使农户从事外出就业的可能性、外出就业时间、家庭外出就业人数明显增加；地形优势显著降低了农户失业/待业的可能性以及家庭失业/待业人数，山区农户整体失业/待业人数略高。然而，地形对农户本地工资性工作、本地非农经营没有显著影响。

农户就业转换严重依赖地形，山区劳动力接受外部信息的能力较弱，判断外界就业机会的水平较低，增加了失业/待业情况。为此提出几点建议：创造有利条件，采取置办工作车间等，为当地农户提供就业机会；大力开展就业培训以及政府安排就业等，促使地形劣势地区农户外出就业，以增加家庭收入摆脱贫困；以农业为主的平原地区需要提升机械化水平，降低劳动力在农业中的投入，促进更多劳动力向其他部门流动。