《财经研究》
2021第47卷第2期
乡村振兴背景下农民工回流与农村资源配置——基于农民工返乡后行为的微观分析
贺小丹1 , 董敏凯2,3 , 周亚虹4     
1. 首都经济贸易大学 经济学院,北京 100070;
2. 上海财经大学 体育教学部,上海 200433;
3. 上海财经大学 公共经济与管理学院,上海 200433;
4. 上海财经大学 经济学院,上海 200433
摘要: 我国地区间产业转移与乡村振兴战略实施引发了“常态化”的农民工回流趋势。文章利用上海财经大学2013年“千村调查”数据,研究了当前农民工回流趋势的成因和农民工返乡后的行为。研究发现:第一,与以往几次短暂的“被动”回流不同,当前农民工回流趋势与新形势下的乡村发展机会密切相关,是在务工城市“推力”与家乡发展“拉力”共同驱动下形成的;第二,农民工返乡后大多选择非农经营,为家乡非农产业注入了人力资本等要素;第三,农民工回流趋势有效促进了农村土地流转,优化了土地资源配置。文章的研究为吸引优秀农民工回乡发展和促进乡村产业振兴提供了一定的参考价值。
关键词: 农民工回流    土地流转    非农择业    资源配置    乡村振兴    
Return Migration and Resource Allocation in Rural Revitalization: Based on the Micro-level Analysis of Return Migrants’ Behavior
He Xiaodan1, Dong Minkai2,3, Zhou Yahong4     
1. School of Economics,Capital University of Economics and Business,Beijing 100070,China;
2. Physical Education Department,Shanghai University of Finance and Economics,Shanghai 200433,China;
3. School of Public Economics and Administration,Shanghai University of Finance and Economics,Shanghai 200433,China;
4. School of Economics,Shanghai University of Finance and Economics,Shanghai 200433,China
Summary: In the past 40 years, the large-scale migration of rural labor forces to the city has made great contribution to the acceleration of industrialization and urbanization of China. However, with China’s entering the new period of high-quality development, the traditional industrialization mode is now experiencing upgrading and transformation, and the old way of rural urbanization is no longer applicable. In this context, it is notable that there has been a persistent tendency of the return of rural labor forces to their hometowns in recent years. Meanwhile, rural development is also essential for China’s economy. And as the Report of the 19th CPC National Congress pointed out, China should adhere to the strategy of Rural Revitalization. One question arises: Does this persistent going-back-home trend have the characteristics of promoting Rural Revitalization? Concretely, this paper aims to answer the question from the perspective of rural resource allocation efficiency. The main contents are as follows: Firstly, this paper studies the causes of the going-back trend to identify its distinctiveness. Secondly, we investigate the land transfer and off-farm behavior of returnees, and further analyze the change which would be brought to the efficiency of the land and human resource allocation. The empirical study using the micro-data of 2013 “Thousand-Village Survey” finds that: (1) Different from the previous several temporal and passive going-home tides, the current migration is driven by both the “push” and “pull” factors, which is closely related to the current economic situation. (2) Due to their labor advantages, those going-back farmers tend to engage in and bring human capital to local off-farm industry. (3) The interesting thing is that these return migrants prefer to rent out their farmland, which therefore improves the land allocation efficiency. According to the findings, one possible policy suggestion is that, attracting excellent migrant workers back home and creating a good business and employment environment for them may be an effective way to promote Rural Revitalization in the future. Compared with the existing literature, this paper not only pays attention to the new characteristics of the current return trend, but also studies its impact on the rural economy from the perspective of land-and-labor-resource allocation. Besides the off-farm behavior investigation, this paper also considers return migrants’ land transfer decisions and the simultaneity between professional choices and land transfer. In addition, the exploration of selection preference and productivity advantages of return migrants provides further evidence for the significant effect of the backflow on rural economy from the perspective of human capital allocation.
Key words: return of migrant workers    land transfer    off-farm employment    resource allocation    Rural Revitalization    

一、引 言

改革开放以来,中国经济长期快速增长。其中一个显著特征是,大量农村剩余劳动力从中西部地区流向东部沿海地区,加速了工业化与城镇化进程。近年来,中国经济由粗放型发展转向高质量发展,进入动能转换与结构调整的关键时期。在此背景下,党的十九大报告中提出要坚持实施“乡村振兴战略”,为新时代解决“三农”问题提供了新思路。与此同时,伴随地区间产业转移,农民工回流成为“常态”。国家统计局数据显示,从2011年开始,外出农民工增速呈逐年回落趋势,外出农民工占农民工总量的比重也呈下降趋势,越来越多的农民工选择返回家乡寻求发展。此时,一个问题值得思考:在实施乡村振兴战略的大背景下,农民工回流趋势会给农村经济带来什么影响?

回顾我国流动人口的历史变迁,过去也曾出现农民工“返乡潮”。例如,20世纪90年代末,国有企业改革引发大量农民工返乡;2008年,全球金融危机对东南沿海出口型企业造成冲击,出现农民工大规模返乡。而这种由宏观经济波动所引起的农民工回流往往属于短暂的“被动”回流,且回流者多数仍有再次外出的可能(Constant和Zimmermann,2011;Hu等,2011;王子成和赵忠,2013),不会对农村经济产生显著影响。现有文献更多关注的是外出务工大潮流中伴随的少数返乡现象。遗憾的是,受调查时段和样本选取差异影响,现有研究没有形成一致认识,存在两种不同观点。一种观点认为,农民工回流是“负向选择”的迁移,回流者多数重新从事传统农业生产,而没有表现出更强的非农从业倾向,因而此回流只会增加农村剩余劳动力(Wang和Fan,2006;白南生和何宇鹏,2002;胡枫和史宇鹏,2013)。另一种观点认为,农民工回流会为家乡带来经济资本、人力资本、技术和创业精神等,而且务工经历不仅有利于农业生产能力提升,还能促进职业非农转化与自主创业(Ma,2001,2002;Zhao,2002;Démurger和Xu,2011;罗凯,2009;石智雷和杨云彦,2011;周广肃等,2017),因而回流可以带动农村经济发展。

图 1 2008−2018年农民工数量变化趋势图(数据来源:国家统计局)

与以往不同,当前农民工“常态化”回流趋势具有持续性和一定规模。因此,当前农民工回流对中国农村经济的影响值得关注,这是本文的主要研究动机。本文将首先分析此次回流与当前经济发展形势的关系,厘清其与以往回流的本质区别;然后,基于农民工返乡后行为来考察农民工回流趋势下农村经济的变化特征。现有文献对当前“常态化”回流的关注多数集中在农民工返乡创业决策与绩效方面(彭克强和刘锡良,2016;周广肃等,2017),而自主创业其实只是少数农民工返乡后的选择。事实上,在乡村振兴战略背景下,发展农村经济的核心是推动乡村产业振兴,并逐步实现农业农村现代化。其中包含两层涵义:一是提高农业生产效率,实现规模化生产;二是发展第二三产业,促进产业融合,形成乡村特色产业链,丰富农村业态。在此过程中,土地与劳动力等资源的有效配置是重要基础。因此,本文选择农村资源配置作为研究视角。

现有制度下,实现农村土地和劳动力资源有效配置,关键是促进土地有效流转和劳动力在农业与非农业之间自由流动。土地有效流转有利于打破农户生产经营上的零星化、碎片化模式,实现农业适度规模化与机械化生产;同时,有利于实现土地资源向农业生产效率较高的农户集中,并释放劳动力向非农产业转移。这不仅可以优化土地资源配置效率,更有利于发挥劳动力比较优势;既提高了农业生产效率,又促进了农村第二三产业发展。因此,评价农民工回流对农村土地和劳动力资源配置的影响,关键要看返乡农民工的土地流转与择业行为。而农户的土地流转与择业行为属于同时决策,两者具有一定的联立性。现有相关文献多数仅针对返乡农民工的农业投资、非农从业和创业等某一方面展开分析,忽略了土地流转的关键作用,也没有考虑土地流转与择业行为的联立性。

本文将在分析当前农民工回流趋势及成因的基础上,重点研究返乡农民工的土地流转与择业行为,据此从资源配置视角评价农民工回流对于乡村振兴背景下农村经济发展的意义。本文可能的边际贡献在于:第一,关注了当前“常态化”农民工回流趋势的新特征,并从资源配置视角评价了其对于农村经济发展的意义;第二,不仅关注了返乡农民工的择业行为,还考虑了其土地流转行为,两者具有联立性,据此评价了返乡农民工行为对农村土地资源配置的影响;第三,进一步分析了返乡农民工在非农领域的行业选择倾向与能力优势,从人力资本配置角度为农民工回流对农村经济的正面作用提供了证据。

二、研究假说、实证方法与样本数据

(一)研究假说

1. 农民工回流趋势形成原因。如果当期农民工回流与以往几次类似,仅仅是宏观经济波动下的短暂“被动”回流,那么这一回流趋势对于农村经济的作用是有限的;但如果回流是新经济发展阶段的乡村产业发展机会吸引所形成的,那么具有一定资金、经验和技术积累的农民工回乡发展对于农村经济意味着更多可能。需要指出的是,这里的外出农民工指本乡镇外出务工或经商的人员,农民工回流指外出农民工返回本乡镇从事农业或非农业生产经营活动的行为。关于外出劳动力回流,现有文献的解释主要基于两个理论,一个是“人力资本选择性”理论,另一个是区域经济发展的“推力”和“拉力”理论。其中,前者有“负向选择”回流与“正向选择”回流两种观点。“负向选择”观点(Sjaastad,1962)认为,返乡的通常是劳动力市场竞争中的失败者,由于受教育程度或劳动技能较低,他们无法找到满意的工作,从而更倾向于返回家乡(Lindstrom和Massey,1994;Constant和Massey,2002;Piotrowski和Tong,2010)。与此相反,劳动力迁移的“收入目标”理论(Piore,1979)将劳动力迁移看作劳动者为增加收入、改善返乡后生活状况而做出的短期外出决策,返乡者是已经实现目标的成功者(Galor和Stark,1990),因而外出劳动力反向迁移是“正向选择”的过程(Constant和Massey,2002;Démurger和Xu,2011)。关于后者,区域经济发展的“推力”和“拉力”因素是早期解释劳动力迁移动因的主要理论(Lee,1966),这些因素也必然会影响劳动力的反向迁移(Lee,1984)。一方面,务工所在地的经济环境变化所形成的“推力”会导致劳动力回流,这在现有文献中有相关讨论(Bastia,2011);另一方面,家乡经济发展所形成的“拉力”也会影响外出劳动者的返乡决策,但现有文献对此鲜有关注。

结合新时代转型经济发展特点与区域经济发展格局,首先,随着经济发展进入动能转换与结构调整期,劳动技能较低的农民工不再适应发达地区对较高技术劳动力的需求,因此发达地区的农民工就业机会明显减少;同时,城市的生活压力和城乡二元结构所带来的社会保障等问题更强化了农民工返乡的“推力”。其次,产业由东向西转移提高了西部地区吸纳劳动力的能力,为农民工创造了在“家门口”打工的机会;同时,城市居民的消费需求结构发生了显著变化,城市居民对乡村产业的需求上升,城市与农村间的互动增加。此时,乡村振兴战略的实施为外出打工农民传递出回乡发展的“利好”信息,从而吸引具有一定资金、经验和技术积累的农民工返乡,形成“常态化”回流趋势。这也为农村经济发展带来更多可能。当然,具有较高学历和职业技能的打工者能够更好地适应发达城市中的较高端产业的生产活动,所以对经济形势变化的敏感度较低。因此,从某种意义上讲,当前农民工回流存在一定程度的“人力资本选择性”。基于上述分析,本文提出以下假说:

假说1:与以往几次回流不同,当前农民工回流趋势是在务工城市“推力”与家乡发展机会“拉力”的共同驱动下形成的。

2. 农民工返乡后行为选择。研究回流原因是为了确定回流趋势的特征,评价农民工回流后行为对农村经济的影响才是核心。本文将围绕返乡农民工的土地流转与择业决策展开分析,主要包括两个层次:一是从土地流转与非农从业联合决策的角度看返乡农民工的选择倾向;二是对于选择非农从业的返乡农民工,进一步分析其行业选择倾向。

现有文献对农户土地流转或非农从业的讨论并不充分。一些研究(冒佩华等,2015)的理论基础来自Carter和Yao(2002)、Deininger和Jin(2005)以及Jin和Deininger(2009)等。这些研究将关注点放在农户的土地流转决策上,没有对非农从业选择进行过多讨论。而针对非农从业选择的研究,多数从农民增收的角度进行分析(彭克强和刘锡良,2016;艾春荣和汪伟,2010)。也有学者认为土地流转释放了农村剩余劳动力,激励农民非农就业与外出务工(Bardhan等,2014;Ma等,2016)。但有关土地流转与非农从业关系的讨论多数基于土地制度的视角(Mullan等,2011)。事实上,根据Deininger和Jin(2005)以及Jin和Deininger(2009)等理论框架,是否参与土地流转与是否从事非农活动是农户基于对土地和劳动力资源的优化配置做出的选择,两者属于同时决策且具有联立性,而现有文献往往忽略了这一点。

传统理论还存在一个关键问题,即没有考虑非农生产经营能力的异质性,因而认为只有农业生产效率低的农民会转出土地并通过非农就业增加收入。但在乡村振兴战略背景下研究返乡农民工家庭的土地流转与非农从业选择,还需考虑他们与传统模型中普通农户在劳动能力及其所面临宏观环境等方面的差异。一般来讲,务工经历为返乡农民工在非农生产经营能力方面积累了一定优势,尤其是被乡村产业发展机会所吸引而选择回乡的农民工,往往积累了一定的资金、经验和技术,并准备利用其资源回乡发展。基于上述分析,本文提出以下假说:

假说2:返乡农民工具有较高的非农生产率,他们更倾向于将自有土地转出,并在当地从事非农生产活动,从而土地配置效率提高。

从乡村产业振兴的视角看,除了提高农业生产率外,更重要的是发展第二三产业,促进产业融合,从而形成乡村特色产业链,推动农业农村现代化。因此,返乡农民工在非农领域的择业选择同样值得关注。事实上,外出务工不仅使农民工积累了资金、经验和技能,在城市的生活与工作经历更使其深化了对现代产业发展模式和城市居民消费需求结构变化的认识,这些都会影响他们返乡后的择业选择。基于上述分析,本文提出以下假说:

假说3:返乡农民工更倾向于选择以生产性服务业为主的行业,在为家乡非农产业注入人力资本等要素的同时,还能带动产业融合与产业链发展。

(二)实证方法

对于假说1,本文将建立二元选择模型来分析当前农民工回流趋势的成因,重点关注务工城市和家乡经济环境的“推力”和“拉力”作用。实证模型的设定与控制变量的选取主要参考Zhao(2002)等文献。

对于假说2,本文首先分析返乡农民工的土地流转与非农从业选择。考虑到两者的联立性,本文选用双变量ProbitBiprobit)模型,避免了模型估计的效率损失和可能存在的内生性问题。具体模型如下:

$ \begin{array}{l} \left\{ {\begin{array}{*{20}{c}} {d_{1i}^{in/out} = 1\left\{ {{\alpha _{\rm{1}}}Return{s_i} + {X_{1i}}{\beta _1} + {\mu _{1i}} > 0} \right\}}\\ {{d_{2i}} = 1\left\{ {{\alpha _{\rm{2}}}Waich{u_i} + {X_{2i}}{\beta _{\rm{2}}} + {\mu _{2i}} > 0} \right\}} \end{array}} \right.\\ \;\;\;\;\;\;\;\;\;\;\;\left( {\begin{array}{*{20}{c}} {{\mu _{1i}}}\\ {{\mu _{2i}}} \end{array}} \right) \sim N\left\{ {\left( {\begin{array}{*{20}{c}} 0\\ 0 \end{array}} \right),\left[ {\begin{array}{*{20}{c}} 1&\rho \\ \rho &1 \end{array}} \right]} \right\} \end{array} $ (1)

其中,第一个方程为农民工所属家庭的土地流转选择方程,第二个方程为农民工的非农从业选择方程。

$d_{1i}^{in/out}$
为农民工
$i$
所属家庭是否参与土地流转(租入或租出土地)的0−1型变量,
${d_{2i}}$
为农民工
$i$
是否参与非农活动的0−1型变量,
$ 1\{ \cdot \} $
为指示函数。
${\mu _{1i}}$
${\mu _{2i}}$
分别为土地流转选择方程和非农从业选择方程的扰动项,考虑到两者可能的相关性,将其假定它们服从相关系数为
$\rho $
的联合标准正态分布。土地流转选择方程中的关键解释变量为家庭成员外出务工经历
$Return{s_i}$
(有外出务工经历的人数),非农从业选择方程中的关键解释变量为个人外出务工经历
$Waich{u_i}$
(是否有外出务工经历)。模型中其他控制变量的选取主要参考Deininger和Jin(2005)以及Jin和Deininger(2009)的理论框架与实证模型设定,同时结合当前背景考虑了非农就业机会、城乡互动等宏观环境因素。土地流转选择方程中的控制变量
$ {X}_{1i} $
包括土地流转市场发育情况、家庭劳动力禀赋、土地禀赋和资产禀赋等;非农从业选择方程中的控制变量
$ {X}_{2i} $
包括家庭土地禀赋、个人劳动力特征、非农就业机会以及与城市互动程度(用交通便利程度表示)等。

对于假说2,本文还需验证返乡农民工的非农生产率优势。本文将非农收入作为被解释变量,将是否有外出务工经历作为关键解释变量。需要注意的是,只有从事非农活动,才能观测到非农收入。如果忽略这一样本选择问题,那么模型估计就会存在偏差。本文采用Tobit II模型来分析农民工的非农从业收入。具体模型如下:

$\left\{ \begin{array}{l} {y_i} = {\varphi _1}Waich{u_i} + {Z_{{\rm{1}}i}}\gamma + {\upsilon _i} \\ {y_i} \; is \; observable, \; only \; when \; {d_{2i}}{\rm{ = 1 }} \\ \end{array} \right.$ (2)

其中,第一个方程为非农收入结果方程,被解释变量

${y_i}$
表示非农从业收入(取自然对数)。
${d_{2i}}$
为表示非农从业选择的0−1型变量,当且仅当
${d_{2i}}{= 1}$
时,
${y_i}$
才是可观测的。因此,模型(1)的第二个方程为模型(2)的选择方程。结果方程的关键解释变量为外出务工经历
$Waich{u_i}$
,其他控制变量的选择主要参考冒佩华等(2015)的设定,并考虑了农村宏观环境因素。
${Z_{{1}i}}$
包括是否转出土地
$d_{1i}^{out}$
,年龄、受教育年限等个人特征,以及非农产业发展水平、与城市互动程度等宏观环境因素。非农从业指在本乡镇范围内的活动。

对于假说3,需要进一步分析返乡农民工在非农领域的行业选择倾向。对此,本文采用多项选择模型,被解释变量为行业选择离散变量

$Nonfarm\_industr{y_i}$
。根据行业划分准则,本文将非农行业分为四大类:一是农林牧渔服务业;二是第二产业,包括采矿业、制造业、电力、燃气及水的生产和供应业、建筑业;三是以生产性服务为主的服务业,包括交通运输、仓储和邮政业、信息传输、计算机服务和软件业、金融业、租赁和商务服务业、科学研究、技术服务和地质勘察业、文化、体育和娱乐业;四是以消费性服务和公共服务为主的其他服务业,包括批发和零售业、住宿和餐饮业、水利、环境和公共设施管理业、居民服务和其他服务业、教育、卫生、社会保障和社会福利业、公共管理和社会组织、国际组织。模型的核心解释变量同样为外出务工经历
$Waich{u_i}$
。具体模型如下:

$\left\{ \begin{array}{l} {U_{i,j}} = {\lambda _j}Waich{u_i} + {Z_{{\rm{2}}i}}{\pi _j} + {\varepsilon _{i,j}},j = 1,2,3,4 \\ \Pr (Nonfarm\_industr{y_i} = j) = \Pr ({U_{i,j}} \geqslant {U_{i,k}},\forall k \ne j) \\ \end{array} \right.$ (3)

其中,

${U_{i,j}}$
表示农民工i从事行业j的潜在收入,为不可观测变量。在模型设定下,农民工会比较各行业潜在收入进行择业。模型(3)的控制变量与模型(1)的非农从业选择方程相同。考虑到行业选择与本地产业结构有关,模型中还控制了本地主导产业。

需要指出的是,无论是非农从业选择还是具体行业选择,都与农民工外出务工从事的行业和经验密切相关。根据本文假说,外出积累的优势决定了返乡农民工更倾向于从事非农活动,且选择生产性服务业等较高端行业。这种优势正是源于他们外出务工从事的行业及积累的技术和经验等。因此,模型中并没有控制务工行业与经验,而这些因素包含在外出务工经历(Waichu)中,以考察外出务工积累的优势对农民工返乡后行为的影响。

(三)样本数据

本文所用数据来自上海财经大学2013年千村调查“农村劳动力城乡转移状况调查”课题组的实地问卷调查。调查基于2010年第六次人口普查,采用多阶段的PPS抽样方法,从我国25个省份中抽取了来自21个省份30个县的120个样本村,共收集到6 203个农户的28 840个家庭成员的数据。表1汇报了样本区县的分布情况。河南是农业大省,样本区县数量最多。调查样本所在21个省份的农业户籍人口占到全国农业户籍总人口的88.71%,居住在乡村的人口占到全国乡村居住总人口的88.72%。从地理覆盖面和人口覆盖面来看,调查样本均具有一定的代表性。此外,这项调查以“农村劳动力城乡转移状况”为主题,除了农户家庭成员基本劳动力特征、家庭经济情况以及土地经营与流转等常规信息外,重点关注了农村劳动力的城乡迁移、就业状态变化以及农村经济情况等,为研究农民工回流与返乡农民工择业行为提供了全面且详细的数据信息。需要说明的是,被抽取的30个区县中包括上海市青浦区,但考虑到上海作为直辖市,地域小,城市化率高,几乎没有农民外出打工的说法,本文剔除了上海市样本。

表 1 样本区县分布情况
地区 省份 样本区县数 样本人数 地区 省份 样本区县数 样本人数
华北 河北 2 1 196 华东 浙江 1 675
山西 1 513 江苏 1 533
东北 辽宁 1 571 安徽 2 1 260
吉林 1 587 江西 2 1 221
西南 重庆 1 494 山东 2 1 159
四川 2 1 182 中南 河南 3 1 918
贵州 1 551 湖北 1 554
云南 1 530 湖南 2 1 348
西北 陕西 1 646 广东 2 1 542
甘肃 1 572 广西 1 710

在数据整理过程中,本文剔除了农民基本特征信息缺失的样本。由于研究的是具有劳动能力的农民就业选择与城乡迁移行为,本文剔除了年龄在16岁以下以及65岁以上的,以及就业状况为“离退休”“在校学生与学龄前儿童”“其他非就业者”的样本,最后筛选出17 762个受访农民,其中6 319人有外出务工经历。描述统计结果显示,各省农村劳动力的平均年龄在40岁左右,男女比例在50%左右(男性略多),平均受教育年限在7−8 年(基本上是小学到初中的水平)。除浙江外,其他省份的农村劳动力非农户口比例都在10%以下,说明大多数省份的农村城市化率都处于较低水平。

表2汇报了各省样本中受访农民过去一年的就业状态。首先,农村劳动力从事农业生产比例较高的主要是吉林、山东、甘肃等农业大省,只有浙江省农村劳动力从事自营性非农生产和在本地务工的比例较高(分别为22.4%和47.4%),其他各省水平都偏低,体现出我国农村非农产业发展整体上比较落后。其次,外出务工比例较高的省份包括安徽、湖南、四川、广西、江苏和广东(在35%以上)。2010年之后,外出务工大省的返乡人数呈明显增长趋势。当然,与外出务工人数相比,返乡人数所占比重并不是很高(平均在16%左右)。因此,本文所指的农民工回流并不是大规模的外出务工农民返乡,而是当前经济发展阶段呈现出的具有“持续性”的一定比例农民工回流,外出务工依然是农民就业、增收的主要方式。表3给出了本文主要变量定义。

表 2 各省样本农民就业状态统计
省份 自营农业(%) 自营非农(%) 本乡镇务工(%) 外出务工(%)
河北 34.40% 14.10% 18.90% 20.10%
山西 37.60% 10.00% 7.60% 29.80%
辽宁 42.50% 6.70% 11.20% 24.70%
吉林 62.40% 7.40% 7.00% 10.40%
江苏 18.20% 5.10% 22.00% 35.60%
浙江 11.70% 22.70% 47.40% 8.40%
安徽 32.50% 11.70% 10.10% 36.00%
江西 28.50% 6.90% 4.90% 31.90%
山东 51.20% 6.70% 11.50% 28.90%
河南 36.20% 8.10% 21.80% 24.90%
湖北 42.30% 5.10% 7.80% 30.90%
湖南 26.80% 3.30% 3.80% 41.40%
广东 17.30% 10.30% 12.50% 39.50%
广西 43.40% 3.50% 11.30% 35.40%
重庆 48.50% 9.00% 5.10% 26.70%
四川 32.80% 5.10% 8.30% 43.40%
贵州 44.70% 7.60% 14.50% 28.40%
云南 39.90% 14.60% 10.00% 24.60%
陕西 49.10% 4.10% 18.60% 30.60%
甘肃 49.70% 8.40% 15.80% 28.10%
全样本 34.50% 8.30% 14.60% 29.60%
表 3 主要变量定义
变量符号 变量定义
个人特征 Age 实际年龄
Gender 性别:女=0,男=1
Educ 受教育年限(年)
务工经历 Returns 家中有外出务工经历(>3个月)且已返乡的人数
Waichu 是否有外出务工经历(>3个月),0−1型变量
家庭禀赋 Pop 家庭劳动力总人数
LnLand 家庭拥有耕地总面积(取自然对数)
LnF_Asst 家庭生产性固定资产净值(取自然对数)
Educ_avg 家庭劳动力平均受教育年限(年)
家乡经济环境 Nonfarm 非农就业机会:本乡镇企业从业人数(人/户)
LnAgrict 农业机械总动力(万千瓦)(取自然对数)
Rentpct 土地流转参与率(%)
务工城市经济环境 Wage 工资水平:实际工资指数(%)
CPI 物价水平:城市CPI(%)
Unemp 就业情况:失业率(%)

三、农民工回流趋势形成原因

(一)农民工返乡原因简单统计

“千村调查”2013−2016年开展的村级层面调查工作询问了农民工返乡的主要原因,表4汇报了返乡原因统计结果。可以看出,影响农民工返乡的原因主要包括家庭因素(如方便子女教育、方便老人照顾等)和家乡经济因素(如务农的收入提高、附近地区近几年发展起来等)两个方面。2013−2016年,因家乡的农业(务农的收入提高)与非农业发展机会(附近地区近几年发展起来)而选择返乡的比例明显增加。此外,务工城市工作不稳定也是导致农民工回流的主要因素之一。可以认为,除了个人和家庭原因外,家乡经济环境变化所形成的“拉力”是当前影响农民工返乡的关键因素,这与高质量发展阶段的城乡互动和乡村振兴战略实施带来的乡村经济发展机会有关。

表 4 2013−2016年农民工返乡原因统计
返乡原因 2013年 2014年 2015年 2016年
务农的收入提高 12.5% 16.1% 19.3% 17.2%
附近地区近几年发展起来 23.3% 50.5% 58.3% 41.9%
疾病或残疾 14.2% 6.9% 10.1% 6.5%
医疗养老保障 5.0% 12.0% 15.2% 8.8%
方便子女教育 30.8% 41.5% 36.1% 36.2%
方便老人照料 37.5% 37.6% 33.4% 34.0%
生活费用低 6.7% 14.6% 10.8% 11.2%
城市工作不稳定 23.2%
城市对农民工限制多 8.3%
城市生存条件恶劣 4.0%
社会歧视 0.9%
改变家乡面貌 9.8%

(二)基于二元选择模型的实证研究

农民工返乡决策的Probit模型分析结果见表5,表中同时汇报了按照务工行业和单位性质的分组回归结果。家乡的非农就业机会、农业机械化程度和土地流转率均对农民工回流存在显著影响,作用比较明显的是家乡的非农就业机会和农业机械化程度。根据边际效应的计算结果,如果平均每户增加1个就业机会,则返乡概率会增加近4个百分点。根据样本统计结果,本村企业从业人数(Nonfarm)的均值约为0.14人/户,如果就业机会翻倍,大约增加到0.3(即每10个家庭有3个就业机会),那么返乡概率会增加约0.6个百分点。此外,家乡机械总动力每提高10个百分点,返乡概率会增加约1个百分点。因此,家乡产业发展机会与就业机会的增加形成了吸引农民工回乡发展的“拉力”。

反映务工城市经济环境的工资水平、物价水平和失业率也均对农民工返乡决策存在显著影响。务工城市的工资水平越高(工资水平可以在一定程度上反映地区平均劳动生产率)、物价水平越高、就业机会越少,农民工的返乡概率越大。这反映出随着经济动能转换与结构调整,务工城市的工作与生活压力形成了导致农民工回流的“推力”。

分组回归结果表明,在当前发展阶段,受经济环境变化影响而选择返乡的主要是从事非服务业和在私营单位务工的农民。这反映出当前回流趋势存在一定的“人力资本选择性”。基于上述结果,假说1得到验证。此时,被家乡“拉力”所吸引的农民工返乡后的行为便成为关键。

表 5 农民工返乡决策的二元选择模型估计结果
全样本 按务工行业分组 按务工单位性质分组
系数 边际效应 服务业 其他 私营 其他
家乡经济
环境
Nonfarm 0.331*** 0.038 0.093 1.115*** 0.374*** 0.449
(3.31) (0.75) (3.54) (3.18) (1.58)
LnAgrict 0.989*** 0.112 0.985*** 1.013*** 1.037*** 1.089***
(21.67) (11.52) (17.34) (19.9) (6.43)
Rentpct −0.005** −0.001 −0.011*** −0.004 −0.005* −0.007
(−2.13) (−2.71) (−1.13) (−1.91) (−0.86)
务工城市
经济环境
Wage 0.057*** 0.006 0.034* 0.077*** 0.056*** 0.284**
(4.55) (1.69) (4.43) (4.16) (2.08)
CPI 0.217*** 0.025 0.199** 0.235*** 0.210*** 0.284*
(4.92) (2.43) (4.26) (4.36) (1.83)
Unemp 0.133** 0.015 0.096 0.209** 0.152** −0.018
(1.98) (0.86) (2.26) (2.12) (−0.06)
N 3 024 3 024 1 124 1 735 2 518 408
  注:括号内为z值,*******分别表示10%、5%和1%的显著性水平。回归中控制了个人与家庭特征、外出务工情况以及家乡交通、文化等因素。

四、农民工返乡后行为选择

(一)土地流转与非农从业联合决策

针对假说2,本文首先估计模型(1)。考虑到反映土地流转市场发育情况的“本村土地流转参与率”(Rentpct)可能与扰动项

${\mu _{1i}}$
相关,导致模型存在内生性,本文参考陈媛媛和傅伟(2017)的研究,选用农村第一大姓比例与第二大姓比例之差作为工具变量。表6分别汇报了普通回归结果与工具变量回归结果,表中同时汇报了基于工具变量回归结果计算的边际效应。

表6中可以发现,返乡农民工家庭的土地流转参与倾向明显高于留守农民家庭(从未有成员外出打工)。家庭中有外出务工经历且已返乡的人数每增加1人,家庭租出土地的概率增加约2.1个百分点,租入土地的概率增加约0.4个百分点,但后者在统计上并不显著。同时,有外出务工经历的返乡农民工从事非农活动的概率比留守农民(从未外出)高出约14个百分点。这说明农民工返乡后更倾向于将家庭自有土地租出并从事非农生产活动,为假说2提供了支撑。因此,从促进农村经济发展的角度看,当前农民工回流促进了家乡土地流转,优化了土地资源配置;同时,农民工返乡后从事非农活动增加收入的同时,为家乡的非农产业发展注入了更多要素。当然,对于这一论断,还需对模型(2)进行估计,为假说2中返乡农民工在非农生产率方面的优势提供证据。此外,表6中其他控制变量的系数估计结果与现有文献(Deininger和Jin,2005)基本一致。

表 6 土地流转与非农从业联合决策的Biprobit估计结果
Biprobit估计系数 Biprobit-IV估计系数 Biprobit-IV边际效应
土地流转选择方程
转出 转入 转出 转入 转出 转入
Returns 0.095*** 0.021 0.099*** 0.016 0.021 0.004
(2.88) (0.62) (2.98) (0.48)
Pop −0.009 0.057*** −0.006 0.056*** −0.001 0.012
(−0.93) (5.75) (−0.59) (5.62)
Educ_avg 0.039*** −0.022*** 0.036*** −0.021*** 0.007 −0.005
(5.78) (−3.29) (5.27) (−3.16)
LnLand −0.021 0.127*** −0.013 0.122*** −0.003 0.027
(−1.02) (6.11) (−0.63) (5.80)
LnF_Asst −0.033*** 0.035*** −0.035*** 0.038*** −0.007 0.008
(−9.67) (11.13) (−10.13) (11.65)
Rentpct 0.024*** 0.016*** 0.034*** 0.000 0.007 0.000
(25.39) (18.00) (9.53) (0.00)
非农从业选择方程
Waichu 0.513*** 0.529*** 0.515*** 0.531*** 0.144 0.148
(11.12) (11.43) (11.13) (11.43)
Educ 0.102*** 0.101*** 0.101*** 0.099*** 0.028 0.028
(22.94) (22.63) (22.60) (22.29)
Nonfarm 0.167*** 0.192*** 0.151*** 0.179*** 0.042 0.050
(7.40) (8.50) (6.54) (7.70)
LnLand −0.176*** −0.173*** −0.175*** −0.173*** −0.049 −0.048
(−9.65) (−9.53) (−9.56) (−9.45)
N 8 482 8 482 8 384 8 384
  注:括号内为z值,******分别表示10%、5%和1%的显著性水平。回归中控制了模型设定中的其他控制变量。

针对模型(2),本文将从自营性非农从业与工资性非农从业两个角度进行估计,分别选择从事自营性非农活动的净月收入与从事工资性工作的月工资(取自然对数)作为被解释变量。如上文所述,本文使用Tobit II模型进行估计,以修正可能存在的样本选择偏差。常用估计方法包括MLEHeckman两步法,其中MLE方法在选择方程与结果方程的扰动项服从联合正态分布的假设下更具有效性,Heckman两步法则更具稳健性。本文同时使用这两种估计方法,结果见表7。从表7中可以看出:

第一,如假说2所预期,与留守农民相比,返乡农民工在非农生产率方面具有明显优势。根据回归系数可以计算得到,返乡农民工的非农从业工资比本地留守农民高约25%—28%,自营性非农从业收入比本地留守农民高约30%—34%。但不难注意到,返乡农民工在自营性非农收入方面的优势仅在10%的水平上显著。同时,根据选择方程估计结果,外出务工经历显著提高了返乡农民工参与工资性非农工作的概率,但对其从事自营性非农活动的概率没有显著影响。大多数农民工返乡后倾向于选择工资性非农就业,外出务工经历使其在返乡后的工资性就业中体现出明显的优势,但自主创业倾向并没有显著高于本地留守农民。基于上述结果,一方面,农民外出务工积累的经验与技术使其在非农生产率方面具有一定优势,他们的返乡行为可以为家乡非农产业注入更多人力资本等要素,有利于家乡非农产业发展;另一方面,自主创业并不是多数农民工返乡后的选择,依靠返乡农民工的自主创业带动乡村振兴的作用目前还是比较有限的。

表 7 非农从业收入的Tobit II模型估计结果
自营性非农从业 工资性非农从业
MLE Two-step MLE Two-step
Waichu 0.296* 0.266* 0.224*** 0.246***
(1.69) (1.77) (3.06) (3.21)
Educ 0.110*** 0.088*** 0.049*** 0.057***
(5.47) (2.73) (6.44) (6.33)
Rentout 0.179 0.182 0.105** 0.118**
(1.50) (1.61) (2.20) (2.46)
Nonfarm 0.105*** 0.109 0.089*** 0.099***
(2.83) (1.57) (4.05) (4.15)
Traff −0.065*** −0.054*** −0.027*** −0.031***
(−4.21) (−3.54) (−4.53) (−4.76)
N 7 348 7 348 7 345 7 345
  注:括号内为z值,******分别表示10%、5%和1%的显著性水平。使用交通便利程度Traff(与最近公路距离取自然对数)来反映与城市的互动程度。回归中控制了模型设定中的其他控制变量。限于篇幅,表中没有汇报选择方程估计结果。

第二,如传统理论所预期,参与土地流转有利于提高农民的非农生产率。尤其对于从事工资性工作的农民,转出土地者的工资水平比未转出者高约11%—12.5%,且在5%的水平上显著。其他控制变量对不同类型非农收入的作用方向基本一致,只是大小略有差异。其中,在农民的劳动力特征方面,受教育程度越高,非农从业收入越高;在宏观环境方面,家乡的非农产业发展水平越高、与城市的互动程度越高,农民的非农从业收入越高。

(二)非农领域行业选择

为了进一步分析返乡农民工在非农领域的行业选择倾向,下文将基于多项 Probit设定对模型(3)进行估计来检验假说3。上文将非农行业划分为四类,事实上前三类对于农村产业发展具有比较重要的意义,只是作用有所不同,而消费性服务与公共服务更属于针对本地居民的生活性服务。因此,模型估计将第四类行业作为参照组,估计结果见表8

表8中可以发现,对于自营性非农从业者,外出务工经历显著提高了返乡农民工从事前三类行业的潜在收入,表现为变量Waichu的系数显著大于0,而且系数大小排序为生产性服务业>农林牧渔服务业>第二产业(依次为0.658、0.648和0.421);对于工资性非农从业者,外出务工经历对返乡农民工从事第二产业和生产性服务业的潜在收入存在显著的正向影响(变量Waichu的系数分别为0.513和0.562)。这说明,无论是从事自营性非农活动还是工资性非农工作,返乡农民工都比留守农民更倾向于选择有利于带动产业融合与产业链发展的生产性服务业。除了生产性服务业外,从事自营性非农活动的返乡农民工比较倾向于选择农林牧渔服务业,其次是第二产业;而从事工资性非农工作的返乡农民工则倾向于选择以工业为主的第二产业。总的来说,由于积累了一定的资金、经验和技术,且生产效率具有明显优势,返乡农民工不仅为农村非农产业注入了人力资本等要素,而且其行业选择倾向具有推动农村产业链发展和丰富农村业态的特征,这对于乡村振兴背景下的农村经济发展具有重要意义。

表 8 非农从业者行业选择模型估计结果
自营性非农从业 工资性非农从业
系数 z 系数 z
农林牧渔服务业 Waichu 0.648** 2.26 −0.016 −0.06
第二产业 Waichu 0.421* 1.69 0.513*** 2.82
生产性服务业 Waichu 0.658** 2.47 0.562** 2.45
N 1 020 1 765
  注:******分别表示10%、5%和1%的显著性水平。回归中控制了模型设定中的其他控制变量。但限于篇幅,表中仅汇报了核心变量Waichu的系数估计结果。

五、异质性分析与稳健性检验

(一)异质性分析

上文发现,返乡农民工往往具有较高的非农生产率,他们更倾向于将自有土地转出,并在当地从事非农生产活动。这为家乡非农产业注入了人力资本等要素,也提高了土地资源配置效率。这一结论是否适用于所有地区?这是值得进一步探讨的问题,对于不同地区的政策制定具有重要意义。本文按照所属区域将全样本划分为东中西三个地区,运用分组回归分析了返乡农民工行为的地区异质性,结果见表9。可以发现,东中西三个地区的返乡农民工的非农从业倾向都非常显著,且系数依次递减;土地流转选择方程中变量Returns(家庭返乡人数)的系数存在明显的地区差异。在中部和西部地区,家庭成员外出务工经历会显著提高土地转出概率;但在东部地区,返乡农民工家庭并没有表现出更高的土地转出倾向。本文进一步分析了返乡者非农生产率优势的地区差异。结果发现,三个地区的返乡农民工都显著倾向于选择工资性就业,而没有表现出更高的自主创业倾向;西部地区返乡者的非农生产率优势更多体现在工资性就业中,而东部地区返乡者在自营性非农生产率方面的优势更加明显。

表 9 返乡农民工土地流转与非农从业决策的地区异质性分析
西部地区 东部地区 中部地区
转出 转入 转出 转入 转出 转入
土地流转选择
Returns 0.136* 0.049 0.009 0.021 0.273*** −0.051
(1.81) (0.8) (0.14) (0.28) (5.75) (−0.94)
非农从业选择
Waichu 0.412*** 0.426*** 0.770*** 0.780*** 0.512*** 0.531***
(4.52) (4.66) (8.47) (8.57) (7.23) (7.47)
N 1 678 1 678 2 870 2 870 3 786 3 786
  注:括号内为z值,******分别表示10%、5%和1%的显著性水平。限于篇幅,表中仅汇报了核心变量的系数估计结果。

(二)稳健性检验

本文实证模型的核心变量为是否具有外出经历的虚拟变量Waichu,稳健性检验将替换为务工时长(月数)来反映外出务工经历。对于从未外出的留守农民,这一变量取值为0。结果显示,无论是土地流转与非农从业决策模型,还是非农收入与非农领域行业选择模型,更换解释变量后的估计结果均与基准模型一致。

有关返乡农民工的土地流转倾向,还存在一个值得思考的问题:返乡农民工的土地转出行为是发生在返乡之后,还是当初外出务工时就已将土地转出?由于调查数据中没有农户租出土地时间,本文转向检验外出务工农民家庭的土地转出倾向,如果外出务工不直接导致农户转出土地,那么本文结论便得到支撑。具体地,在土地转出方程中加入家庭外出务工人数作为解释变量。结果显示,外出务工人数不会显著影响农户家庭的土地转出行为,而返乡人数增加显著提高了农户转出土地的概率。这验证了返乡农民工家庭的土地流转更可能发生在返乡之后。因此,农民工回流确实有利于促进土地流转,优化土地资源配置。

表 10 农民工回流促进土地流转的稳健性检验
(1) (2) (3)
系数 t 系数 t 系数 t
Returns 0.096*** (2.89) 0.099*** (2.97)
Pop_waichu −0.0002 (−0.01) 0.006 (0.31)
Rate_waichu 0.091 (0.91)
N 8 482 8 482 8 482
  注:******分别表示10%、5%和1%的显著性水平。限于篇幅,表中仅汇报了土地转出方程中几个核心变量的系数估计结果,其他变量以及非农从业决策模型的系数估计结果基本没有变化。

六、结 论

本文关注了当前经济发展阶段的农民工“常态化”回流。本文基于返乡农民工的土地流转与非农择业行为,从土地和劳动力等资源配置的视角,围绕农民工回流对于乡村振兴背景下农村经济发展的意义进行了讨论。研究表明:第一,我国产业转移、城乡互动以及乡村振兴战略实施为农村产业发展带来了机会。与以往几次受宏观波动影响所形成的短暂“被动”回流不同,当前的农民工回流是在高质量发展阶段务工城市“推力”和家乡发展机会“拉力”双重驱动下形成的,具有持续性的特征。这种“常态化”回流会为乡村振兴战略背景下的农村经济发展带来更多可能,外出务工农民工返乡后的行为是重要的微观基础。第二,外出务工经历使农民工在非农生产率方面积累了一定优势,他们返乡后更倾向于将自有土地转出并选择从事非农活动。不论是从事自营性非农活动,还是选择工资性非农就业,返乡农民工都更倾向于选择以生产性服务业为主的,有利于促进产业融合和推动产业链发展的行业。因此,农民工回流促进了土地流转,提高了土地资源配置效率,提高了农业生产率;更重要的是,返乡农民工的非农择业行为还可以为家乡非农产业注入人力资本等关键要素,而且他们的行业选择倾向具有推动农村产业链发展和丰富农村业态的特征。从土地和劳动力等资源配置的视角看,当前农民工回流对于乡村振兴战略背景下的农村经济发展具有积极意义。根据本文研究发现,吸引优秀外出农民工回乡发展,并为他们创造良好的就业环境与创业环境,是未来推动实现乡村产业振兴的有效途径。同时,不同地区制定相关政策需因地制宜,东部地区的返乡农民工在自营性非农方面具有明显优势,更应注重鼓励农民工返乡创业;而对于西部地区,借助产业转移与城乡互动机会打造本地产业并吸引优秀农民工返乡就业或许更有效。

  * 文章还得到首都经济贸易大学北京市属高校基本科研业务费专项资金的资助。

① 2008−2018年,本地农民工数量的年均增速比外出农民工高约1个百分点,这一期间本地农民工数量占比提高了近2.5个百分点。

② 这里是指支持农林牧渔业生产的服务活动,但不包括各种科学技术和专业技术服务活动。

③ 在稳健性检验部分,本文将核心变量替换为外出务工时长,结果依然稳健。此外,考虑到多数农民工外出打工从事的行业主要包括以制造业和建筑业为主的第二产业,以及以交通运输与物流仓储、居民服务、餐饮住宿和批发零售为主的服务业,本文还通过分组回归(按服务业与非服务业分组)比较了具有不同行业外出务工经历的返乡者行为差异,分组回归结果与基准回归结果基本一致。唯一的差异体现在,外出从事非服务业(主要包括制造业和建筑业)的返乡农民工在工资性非农就业中选择第二产业的概率略高于生产性服务业。限于篇幅,文中没有汇报相关结果。

④ 不含中国香港、中国澳门、中国台湾、新疆、西藏、青海、内蒙古、宁夏和海南。

⑤ 上海市样本共488人,其中仅有26人在本乡镇外务工,而且26人中25人在上海市内。此外,即使保留上海市样本,实证研究结果也没有太大改变。

⑥ 根据《中国人口和就业统计年鉴(2013)》,山西省6岁以上乡村人口中初中以上学历占比为66.4%,陕西省为65.9%,与全国其他省市相比仅次于北京(72.6%)、海南(69.6%),同时全国平均水平为(56.8%),而山西、陕西两省的文盲比例显著较低(分别为3.4%,5.6%),并低于全国平均水平(7.4%)。

⑦ 根据《中国人口和就业统计年鉴(2013)》,贵州和云南两省6岁以上乡村人口文盲比例较高,初中以上教育程度的比例较低。

⑧ 此处的本地指本乡镇。

⑨ 数据来源:使用区域统计年鉴统计数据匹配得到。

⑩ 数据来源:同上。

⑪ 需要说明的是,虽然江苏和广东的农民外出务工比例较高,但是主要在省内,这与两省是全国制造业集聚中心有关。同时,为了进一步说明本文样本的代表性,我们查找了相关的统计资料,但没有找到全部省份的农民外出务工比例。基于《中国农村统计年鉴2013》和《全国农民工监测报告》,可以大致计算出2012年全国农民外出务工比例约为25.4%,与本文样本的29.6%较为接近,其他可以查证省份(如安徽、广东等)的计算结果也与本文基本接近。

⑫ 这里统计的是2008年以来的返乡人数占所有外出务工农民数的比重。如果统计每一年的返乡比例(即返乡人数占当前外出务工人数的比重),2013−2016年分别约为7%、18%、21%和17%(统计数据来源于2013−2016年“千村调查”的村级层面调查)。

⑬ 由于2014年、2015年和2016年开展的入户调查主题与问卷设计均与2013年不同,这三年的家庭层面调查数据没有包含有关劳动力迁移与就业的信息,因此本文的实证研究部分仅使用了2013年的家庭层面数据。2013年中国经济已经进入转型发展新阶段,仅使用2013年的数据并不影响本文实证结果的说服力。

⑭ 从表4中还可以发现,返乡原因为“附近地区近几年发展起来”的比例在2016年出现了比较明显的下降,原因可能在于:在2016年的问卷中新增了“城市工作不稳定”等表4中最后5行所列出的选项,而新增选项可能会在一定程度上影响受访者(村级数据的受访者为村委会领导)的主观选择,同时新增选项中“城市工作不稳定”的比例较高。虽然如此,2016年选择“附近地区近几年发展起来”的比例依然较高,这一结果并不会影响本文主要结论。

⑮ 按照从事行业划分为服务业与非服务业,按照务工单位性质划分为私营单位与非私营单位(包括国有、集体所有与外资企业)。

⑯ 与城市互动程度的代理变量:交通便利程度(“与最近公路距离”取自然对数)。

⑰ 计算公式为

$ {e^\beta } - 1$

⑱ 需要注意的是,本文将住宿与餐饮业归入第四类行业,但在一些主打文化、旅游等体验消费经济的农村,住宿与餐饮业也具有一定的产业影响力。不过,在本文实证中,即使将住宿与餐饮业归入第三类行业,实证结果也并没有发生明显变化。因此,对于这一行业的归类并不影响本文研究结果的可信度。

⑲ 受篇幅限制,文中没有汇报稳健性检验结果,如有需要可向作者索取。

主要参考文献
[1] 艾春荣, 汪伟. 非农就业与持久收入假说: 理论和实证[J]. 管理世界, 2010(1): 8–22.
[2] 白南生, 何宇鹏. 回乡, 还是外出? ——安徽四川二省农村外出劳动力回流研究[J]. 社会学研究, 2002(3): 64–78.
[3] 陈媛媛, 傅伟. 土地承包经营权流转、劳动力流动与农业生产[J]. 管理世界, 2017(11): 79–93. DOI:10.3969/j.issn.1002-5502.2017.11.007
[4] 胡枫, 史宇鹏. 农民工回流的选择性与非农就业: 来自湖北的证据[J]. 人口学刊, 2013(2): 71–80. DOI:10.3969/j.issn.1004-129X.2013.02.008
[5] 罗凯. 打工经历与职业转换和创业参与[J]. 世界经济, 2009(6): 77–87.
[6] 冒佩华, 徐骥, 贺小丹, 等. 农地经营权流转与农民劳动生产率提高: 理论与实证[J]. 经济研究, 2015(11): 161–176.
[7] 彭克强, 刘锡良. 农民增收、正规信贷可得性与非农创业[J]. 管理世界, 2016(7): 88–97.
[8] 石智雷, 杨云彦. 外出务工对农村劳动力能力发展的影响及政策含义[J]. 管理世界, 2011(12): 40–54.
[9] 王子成, 赵忠. 农民工迁移模式的动态选择: 外出、回流还是再迁移[J]. 管理世界, 2013(1): 78–88.
[10] 周广肃, 谭华清, 李力行. 外出务工经历有益于返乡农民工创业吗?[J]. 经济学(季刊), 2017(2): 793–814.
[11] Bardhan P, Luca M, Mookherjee D, et al. Evolution of land distribution in West Bengal 1967-2004: Role of land reform and demographic changes[J]. Journal of Development Economics, 2014, 110: 171–190. DOI:10.1016/j.jdeveco.2014.02.001
[12] Bastia T. Should I stay or should I go? Return migration in times of crises[J]. Journal of International Development, 2011, 23(4): 583–595. DOI:10.1002/jid.1794
[13] Carter M R, Yao Y. Local versus global separability in agricultural household models: The factor price equalization effect of land transfer rights[J]. American Journal of Agricultural Economics, 2002, 84(3): 702–715. DOI:10.1111/1467-8276.00329
[14] Constant A, Massey D S. Return migration by German guestworkers: Neoclassical versus new economic theories[J]. International Migration, 2002, 40(4): 5–38. DOI:10.1111/1468-2435.00204
[15] Constant A F, Zimmermann K F. Circular and repeat migration: Counts of exits and years away from the host country[J]. Population Research and Policy Review, 2011, 30(4): 495–515. DOI:10.1007/s11113-010-9198-6
[16] Deininger K, Jin S Q. The potential of land rental markets in the process of economic development: Evidence from China[J]. Journal of Development Economics, 2005, 78(1): 241–270. DOI:10.1016/j.jdeveco.2004.08.002
[17] Démurger S, Xu H. Return migrants: The rise of new entrepreneurs in rural China[J]. World Development, 2011, 39(10): 1847–1861. DOI:10.1016/j.worlddev.2011.04.027
[18] Galor O, Stark O. Migrants’ savings, the probability of return migration and migrants’ performance[J]. International Eco- nomic Review, 1990, 31(2): 463–467. DOI:10.2307/2526851
[19] Hu F, Xu Z Y, Chen Y Y. Circular migration, or permanent stay? Evidence from China’s rural-urban migration[J]. China Economic Review, 2011, 22(1): 64–74. DOI:10.1016/j.chieco.2010.09.007
[20] Jin S Q, Deininger K. Land rental markets in the process of rural structural transformation: Productivity and equity impacts from China[J]. Journal of Comparative Economics, 2009, 37(4): 629–646. DOI:10.1016/j.jce.2009.04.005
[21] Lee E S. A theory of migration[J]. Demography, 1966, 3(1): 47–57. DOI:10.2307/2060063
[22] Lee O J. Urban-to-rural return migration in Korea[M]. Seoul: Seoul National University Press, 1984.
[23] Lindstrom D P, Massey D S. Selective emigration, cohort quality, and models of immigrant assimilation[J]. Social Science Research, 1994, 23(4): 315–349. DOI:10.1006/ssre.1994.1013
[24] Ma X L, Heerink N, van Ierland E, et al. Land tenure insecurity and rural-urban migration in rural China[J]. Papers in Regional Science, 2016, 95(2): 383–406. DOI:10.1111/pirs.12129
[25] Ma Z D. Urban labour-force experience as a determinant of rural occupation change: Evidence from recent urban-rural return migration in China[J]. Environment and Planning A: Economy and Space, 2001, 33(2): 237–255. DOI:10.1068/a3386
[26] Ma Z D. Social-capital mobilization and income returns to entrepreneurship: The case of return migration in rural China[J]. Environment and Planning A: Economy and Space, 2002, 34(10): 1763–1784. DOI:10.1068/a34193
[27] Mullan K, Grosjean P, Kontoleon A. Land tenure arrangements and rural-urban migration in China[J]. World Development, 2011, 39(1): 123–133. DOI:10.1016/j.worlddev.2010.08.009
[28] Piore M J. Birds of passage: Migrant labor and industrial societies[M]. New York: Cambridge University Press, 1979.
[29] Piotrowski M, Tong Y Y. Economic and non-economic determinants of return migration: Evidence from rural Thailand[J]. Population, 2010, 65(2): 333–348. DOI:10.3917/pope.1002.0333
[30] Sjaastad L A. The costs and returns of human migration[J]. Journal of Political Economy, 1962, 70(5): 80–93. DOI:10.1086/258726
[31] Wang W W, Fan C C. Success or failure: Selectivity and reasons of return migration in Sichuan and Anhui, China[J]. Environment and Planning A: Economy and Space, 2006, 38(5): 939–958. DOI:10.1068/a37428
[32] Zhao Y H. Causes and consequences of return migration: Recent evidence from China[J]. Journal of Comparative Economics, 2002, 30(2): 376–394. DOI:10.1006/jcec.2002.1781