中国劳动力供求关系及其变化形势.pdf

未经作者允许，不得擅自引用 1 中国劳动力供求关系及其变化形势 都阳 王美艳 近年来中国劳动力市场上出现的转折性变化，其重要的推动因素之一来自于人口转变所导致的劳动力供求变化。在未来，伴随着人口老龄化趋势的日益严峻，劳动年龄人口的规模将很快可能出现绝对的缩减。同时，劳动力年龄组内部也将出现老龄化的趋势，并对劳动力供求产生持续的影响。因此，人口因素的出现的总量与结构性变化是决定中国劳动力供求关系变化的基本力量。除了人口因素，二元经济特征的逐渐消弭，既是劳动力市场供求转变的集中体现，也是未来非农劳动力供给逐渐衰竭的主要原因。一直以来，农村劳动力都是中国实现工业化的主要劳动力来源。然而，经济发展跨越刘易斯转折点的一个重要标志就是，农村劳动力无限供给的终结。这也意味着，中国劳动力市场上的供求关系真正进入了新古典经济所描绘的景象。本章从人口因素入手，首先从人口预测的角度分析劳动力年龄人口数量的变化趋势，总结其对劳动力市场供求关系变化可能产生的影响；然后，对劳动年龄人口的老龄化及其可能对劳动力供求产生的影响展开分析；本章的第三部分着重分析农村劳动力剩余的程度、特征和可能变化的趋势；最后，就如何挖掘劳动力供给潜力，提出相关的政策建议。一、劳动力年龄人口数量的变化趋势 假定总合生育率水平在未来维持 1.4 的低水平，在预测的时间区间内（即 2050 年之前），城市化进程仍然按照过去 10 年的速度推进。在这样的城市化发展速度下，我们假设城乡间具有不同的人口增长速度，但全国的总合生育率为 1.4 的情况下，预测未来 40 年总人口及各年龄组人口的变化趋势。在上述假定下，预测的结果表明，总人口在 2024 年达到峰值，13.91 亿人。如果将总合生育率水平假定为 1.6，则总人口将在 2029 年达到 14.20 亿的峰值。显然，采用更符合当前的生育率水平的预测参数，人口峰值到达的时间较以往以总合生育率1.8 的预测提前，峰值人口的总量也更低。在本章，我们更关注劳动年龄人口的状况。图 1 展示的是 2011 至 2050 年劳动年龄人口总量及劳动年龄人口占总人口比重的变化情况。根据该预测结果，16 至 64 岁的劳动年龄人口的总量在 2016 年达到 9.81 亿的峰值。随后，劳动力年龄人口总量开始逐年小幅下降。到2020 年，劳动力年龄人口总量将下降到 9.74 亿，2030 年下降到 9.35 亿，2050 年更将下降至 7.35 亿。劳动力年龄人口占总人口比重的变化则更为迅速。根据我们的预测结果，劳动年龄人口占总人口的比重到 2013 年达到最高值，为 71.9%。随后，总人口中劳动年龄人口的比重开始下降，到“十二五”末期缓慢下降到 71.4%；2020 年下降到 70.2%；2030 年下降到 67.5%；2050 年则仅为 58.3%。图 1 清晰地表明，劳动力年龄人口比重的下降速率，从 2026 年前后开始加速。本报告的其他部分已经说明，对长期经济增长产生更大影响的是劳动年龄人口的相对比重，而非劳动年龄人口总量。因此，中国经济要保持高速增长，已经开始面临来自人口因素的挑战。未经作者允许，不得擅自引用 2 2013,71.99.815557596163656769717320112013201520172019202120232025202720292031203320352037203920412043204520472049劳动年龄人口比重（%）4567891011劳动年龄人口（亿）比重（%）数量 图 1 劳动年龄人口数量及其占总人口的比重变化：2011-2050 资料来源：作者预测。由于劳动年龄人口数量的变化对劳动供给的约束更具刚性，因此，人口变量是一个更稳定、不容易对短期的价格信号产生反应的影响因素。为了更清楚地阐述对应于经济增长产生的劳动力需求变化，我们进一步观察劳动年龄人口增量的变化情况。如图 2 所示，由于快速的人口转变，目前新增劳动年龄人口的数量正经历着急剧的下降。有两个时间点新增劳动年龄人口的变化值得我们特别关注。其一，2007 年，新增劳动年龄人口的数量由前一年的 1491 万，大幅下降到 894 万，并由此开始较长时期的单调下降的趋势。“十一五”期间，平均每年新增的劳动年龄人口为 741万。回顾整个“十一”时期，除了 2009 年受到金融危机冲击，没有出现劳动力短缺以外，其他年份都出现了不同程度的劳动力短缺，而且，总体上呈不断严重的趋势。其二，2017 年，新增劳动年龄人口将首次出现负值，即劳动年龄人口的总量将开始减少。也就是说，劳动年龄人口总量减少的时间大致出现在“十二五”结束之后。纵观整个“十二五”期间，每年新增劳动年龄人口较之“十一五”期间进一步下降到 312 万。2020 年，的新增劳动年龄人口较之上一年将减少 280 万，2030 年减少 964 万。考虑到就学时间的延长而导致的新加入劳动年龄人口的人群劳动参与率低的现实，新增劳动年龄人口的下降，会对劳动力供给紧张的局面产生更大的影响。结合劳动力需求由于经济总量扩大而不断增长事实，我们就不难理解“民工荒”为什么愈演愈烈。同时，我们也有理由相信，这一局面将在今后相当长的一段时期内，伴随着中国经济的发展。增量分析的结果，解释了为什么在最近几年农民工短缺的现象会频繁出现，以及是否由短期因素所主导。需要指出的是，上述供求关系的边际分析，并不是只针对农民工群体，而是从劳动力市场总体供求进行观察的结果。可以想见的是，由于供需双方在增量上的差异，必然需要从现有的劳动力存量中弥补劳动力短缺的缺口。这也是为什么我们观察到劳动力市场上工资持续上涨的原因。从目前中国的劳动力市场构成看，劳动力供给的存量资源分别来自于两个部分。其一，是继续挖掘农村劳动供给潜力；其二，挖掘城市劳动力市场上，已经退出劳动力市场的劳动未经作者允许，不得擅自引用 3 力资源的供给潜力。而只有当市场的工资率高于保留工资时，这两个存量部分的劳动力的供给才会增加。在本章的最后，我们将就如何完善劳动力市场制度和政策，挖掘劳动供给潜力做进一步的讨论。8941494-1400-900-400100600110016002002200420062008201020122014201620182020202220242026202820302032203420362038204020422044204620482050新增劳动年龄人口（万人）图 2 新增劳动年龄人口数量的变化：2002-2050 资料来源：作者预测。二、劳动年龄人口的老龄化 当我们将总人口粗略地分为少儿抚养人口、劳动年龄人口和老龄人口时，我们观察到的人口变化的总体趋势，是劳动年龄人口和少儿抚养人口的持续下降，以及老龄人口的不断增加。实际上，伴随着老龄化进程，劳动年龄人口内部也呈现出不断老化的趋势，并对劳动供给产生影响。图 3 展示了对劳动年龄人口按更细年龄别分组的预测情况。我们看到，劳动年龄人口的年龄构成也将发生明显的变化。0%20%40%60%80%100%2011201320152017201920212023202520272029203120332035203720392041204320452047204916-3031-4041-5051-64 未经作者允许，不得擅自引用 4 图 3 不同组别的劳动年龄人口的变化情况 2011-2050 资料来源：作者预测。首先，劳动年龄人口内部最年轻组和最老年组出现出此消彼长的关系。30 岁以下的最年轻组别，2011 年占劳动年龄人口的 1/3，到“十二五”末期将下降到 31.2%，2020 年下降到 27.6%。到 2030 年，年轻劳动力占劳动年龄人口的比例将下降到 1/4。与此相对应的是，最老年龄组占劳动年龄人口的比重呈逐渐上升的趋势：2011 年 51 至 64 岁组占劳动年龄人口的比重为 21.3%，到“十二五”末期将上升到 24.0%，2020 年上升到 27.9%，2030 年上升到 32.2%。到 2050 年劳动年龄人口的老龄化将非常严重，30 岁以下组占劳动年龄人口的比重下降至 22.3%，50 岁以上组的比重上升至 37.2%。其次，相对于年轻组和老年组此消彼长的关系，31 至 40 岁年龄组和 41 至 50 岁年龄组的劳动力在劳动年龄人口中所占的比重，在未来 20 年里将保持相对稳定。在人口老龄化的总体趋势日益严峻的形势下，中年劳动力的比例相对稳定构成了有利于经济发展的重要因素。因为该年龄组别的劳动力不仅具有较高的劳动参与率（参见图 4），他们的劳动参与率也是各年龄组的劳动人口中最高的。2011 年这两个年龄组所占比重分别为 21.7%和 23.9%，到 2020 年分别为 22.3%和 22.2%，到 2030 年分别为 20.0%和 23.0%。从 2011 年至 2030 年，31 至 50 岁的劳动力占劳动年龄人口的比重基本维持在 42-46%。由于不同队列的劳动年龄人口在个人特征和劳动供给行为上存在不同的特点，劳动年龄人口的老龄化必然会对劳动供给的数量和质量产生影响。我们可以从以下两个方面：劳动参与率的变化以及队列变化效应对人力资本存量的影响，来观察老龄化对劳动供给数量和质量产生的影响。其一，劳动参与率随着年龄的变动有显著的变化，表现出明显的生命周期特征。图 4是根据 2005 年“全国 1%人口抽样调查”资料绘制的分年龄劳动参与率变化情况。我们可以从该图观察到，随着年龄增长，劳动参与率呈现出明显的倒 U 型特征。这主要是因为，由于教育部门（尤其是高等教育）在本世纪的扩展，刚刚进入劳动年龄的人口因为就学，只有很低的劳动参与率；而 50 岁以后的劳动年龄人口，由于接近法定的退休年龄，劳动参与率则逐步下降。具体来说，16 至 24 岁年龄组的平均劳动参与率为 55.9%1，25 至 49 岁组平均为 88.9%，50 至 64 岁组平均为 60.7%。1 一般来说，劳动参与率是指经济活动人口（就业人口和失业人口）与劳动力的比，而在校学生由于不统计在劳动力范围之内，不包括在参与率计算的口径里。但由于接受初中以上教育的学生已进入劳动年龄，因此，此处计算的参与率以劳动年龄人口，而非劳动力作为分母。如果在计算劳动参与率时，仅考虑劳动力，则年轻的劳动年龄人口的参与率水平很高。例如，根据中国社会科学院人口与劳动经济研究所于 2005年和 2010 年所做的“中国城市劳动力调查”（CULS）资料，16-29 岁组的劳动力的劳动参与率均超过 80%（Cai,et.al,2011）。未经作者允许，不得擅自引用 5 0.00.10.20.30.40.50.60.70.80.91.016 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64年龄劳动参与率 图 4 2005 年全国劳动年龄人口分年龄的劳动参与率 资料来源：转引自 Du and Wang(2010)。如果劳动参与率的生命周期特征在未来保持类似的模式，那么，即便在劳动年龄人口总量保持不变的情况下，劳动供给的数量也会由于老龄组的劳动力占劳动年龄人口比重的提高而下降。我们以图 4 所展示的分年龄的劳动参与率为基础，结合人口预测数据，可以计算出在考虑各个年龄别不同的劳动参与率的情况下，有效劳动供给的变化，结果如图 5 所示。根据我们的计算，如果仅仅考虑人口数量的变化，劳动年龄人口总量将由 2011 年的 9.68 亿，下降到 2030 年的 9.35 亿，减少了 3.4%。但如果考虑到劳动年龄人口的老龄化，以及老龄组的劳动年龄人口参与率更低的情况，则实际有效劳动供给将由 2011 年的 7.52 亿，下降到2030 年的 7.00 亿，下降的幅度增加了近一倍，为 6.9%。600006500070000750008000085000900009500010000020112012201320142015201620172018201920202021202220232024202520262027202820292030年份劳动供给（万人）劳动年龄人口有效劳动供给 图 5 考虑劳动参与率的有效劳动供给：2011-2030 未经作者允许，不得擅自引用 6 资料来源：作者根据 2005 年 1%人口抽样调查和本研究预测数据计算。此外，如果仅仅观察劳动年龄人口数量的变化，如前所述，劳动年龄人口的峰值出现在2016 年。但如果考虑不同年龄组的劳动年龄人口劳动参与率的差别，则有效劳动供给的峰值可能出现在 2014 年左右。当然，劳动参与率随着劳动力市场形势和劳动力市场制度的变化而变化。如果未来教育部门进一步扩展，青年人受教育年限逐步提高，那么低龄组的劳动年龄人口的劳动参与率将会进一步下降；随着社会保护制度的完善，特别是社会保障和社会救助体系覆盖的增加以及转移支付水平的提高，福利制度对劳动供给的负向激励可能出现，劳动参与率也会下降；再如退休年龄的延长，将有可能提高老龄组的劳动年龄人口的参与率；而在其他条件不变的情况下，工资水平的提升将激励更多的人参与劳动力市场。这些变化趋势既有助于我们了解未来劳动供给形势变化的方向，也对我们完善劳动力市场制度，提高劳动参与水平，挖掘劳动供给潜力，提供了可能的选择。其次，随着时间的推移，即便教育制度保持不变，人力资本投资维持现有水平的话，劳动年龄人口的平均受教育水平也会由于队列效应而提高。当前50至64岁组的劳动年龄人口，在改革开放以前接受教育，他们的平均受教育年限很低。这也是目前农村尚有大量人口，但劳动力短缺却频繁出现的重要原因。可以预期的是，到 2020 年，目前 50 至 64 岁组的劳动力大多将退出劳动力市场，而目前 40 至 54 岁组的劳动力的平均受教育水平要明显高于高龄组的受教育水平，如表 1 上半部分所示。我们忽略各年龄组死亡率差异对各组别平均受教育水平所造成的细微影响，这样我们将每个年龄组的平均受教育水平向下移动两个年龄组，以预测 2020 年的平均受教育水平。我们同时假定教育部门的发展维持现有水平，也就是说，未来低年龄组的劳动年龄人口的平均受教育水平，维持在现有水平。在这些假设条件下，我们就得到 2020 年各个年龄组的就业人口的平均受教育水平，如表 1 下半部分所示。表 1 就业人口的受教育水平：2010 和 2020 未上学 小学 初中 高中 大专 大本 研究生及以上 2010 年 16-19 0.8 10.1 73.9 14.1 1.0 0.1 0.0 20-24 0.8 8.0 62.9 19.2 6.4 2.7 0.1 25-29 0.9 9.4 57.1 17.3 8.8 5.9 0.5 30-34 1.3 14.6 56.4 15.4 7.5 4.3 0.5 35-39 1.6 20.0 56.3 12.8 5.7 3.2 0.3 40-44 2.2 25.0 54.6 11.1 4.3 2.5 0.2 45-49 3.1 25.6 48.0 16.8 4.1 2.1 0.3 50-54 6.6 39.0 37.2 12.5 3.3 1.2 0.1 55-59 10.7 51.7 28.9 5.8 2.0 0.8 0.1 60-64 16.3 60.5 20.3 2.2 0.4 0.3 0.1 2020 年 16-19 0.8 10.1 73.9 14.1 1.0 0.1 0.0 20-24 0.8 8.0 62.9 19.2 6.4 2.7 0.1 25-29 0.8 10.1 73.9 14.1 1.0 0.1 0.1 30-34 0.8 8.0 62.9 19.2 6.4 2.7 0.1 35-39 0.9 9.4 57.1 17.3 8.8 5.9 0.5 未经作者允许，不得擅自引用 7 40-44 1.3 14.6 56.4 15.4 7.5 4.3 0.5 45-49 1.6 20.0 56.3 12.8 5.7 3.2 0.3 50-54 2.2 25.0 54.6 11.1 4.3 2.5 0.2 55-59 3.1 25.6 48 16.8 4.1 2.1 0.3 60-64 6.6 39.0 37.2 12.5 3.3 1.2 0.1 资料来源：作者根据2010 年人口与就业统计年鉴（中国统计出版社）及人口预测数据计算。根据表 1 的结果，以各年龄段人口数量进行加权，我们可以计算出劳动年龄人口的平均受教育年限将由 2010 年的 8.86 年，上升到 2020 年的 9.30 年。也就是说，即便在教育部门保持现有的发展水平下而没有进一步的扩展，到 2020 年，中国劳动年龄人口的人力资本存量，也将由于队列效应提高约 5%。无疑，队列效应带来的劳动年龄人口的人力资本存量增加，对于中国应对老龄化挑战是极其有利的。但充分利用这一潜在优势的前提，是我们得以继续增强劳动力市场灵活性和竞争性。只有如此，才能使未来的老龄组的劳动力具备的人力资本优势（相对于当前的），得到有效的开发和利用。由于劳动年龄人口的老化，接近退休年龄的人口将呈逐年增加的趋势。由于目前的退休制度尚存在性别差异，而且法定退休年龄还因职业的变化而有所不同，因此，我们观察50 至 55 岁的女性，以及 55 至 60 岁的男性这些临近退休或达到年龄的人群的数量变化。根据预测 2011 年，城镇人口中临近退休年龄的人口总量为 4145 万人，在未来 10 年中成逐年增加的趋势，到 2020 年达到 7259 万人，临近退休人群的年增长率高达 6.4%。0100020003000400050006000700080002011201220132014201520162017201820192020男性女性 图 6 城镇人口中临近退休人群的数量变化：2011-2020 资料来源：作者预测。我们已经观察到，接近法定退休年龄的劳动年龄人口，其劳动参与率呈明显下降的趋势。这就意味着，在退休制度保持现状的情况下，总体的劳动供给形势会因为临近退休年龄的人口数量逐年增加，而更加趋于紧张。同时，退休人口的增长也意味着生产性人口和赡养人口之间此消彼长的关系开始加速。人口年龄结构的这种变化，不仅会对养老保障制度产生不可忽视的影响，也将成为经济增长的重要影响因素。三、农村剩余劳动力估计 未经作者允许，不得擅自引用 8 伴随着经济发展和劳动力市场的不断发育，农村劳动力转移与就业的形势已经发生了转折性的变化。然而，关于农村劳动力转移的现状及所处阶段的认识并没有得到统一，其原因在于以下两个方面的误区一直干扰着很多人对中国劳动力市场形势的正确判断。其一，准确地判断中国的劳动力市场形势需要正确理解不同来源的统计数据的质量、含义及其针对性。中国的社会经济体制转型已经为大家广为接受，但统计体制的转型存在一定程度滞后，而且其对形势判断所产生的影响也未能引起足够的重视。我们稍后的分析会表明，大多数判断基于农村及农业劳动力的加总统计，认为中国尚有足够的劳动力在农村和农业当中，存在明显的高估。其二，准确判断中国的就业形势还需要正确把握中国经济体制发展与转型产生的影响。很多学者基于国际经验，给出对中国劳动力市场发展阶段的认识。然而，如果在借鉴国际经验时不考虑发展和转型的特征，简单地比照其他国家的统计数据，会产生比较严重的误判。我们随后的分析也会表明，农村劳动力的人力资本结构直接影响了劳动力市场的发展趋势。有鉴于此，我们对当前农村劳动力转移与就业的现状从以下几个方面进行分析和评估。（一）农业就业数量的高估 对农村劳动力转移就业的现状及趋势的判断在很大程度上取决于对农村剩余劳动力数量，或者说农业就业的认识。很多人认为，根据现有的统计，农村劳动力中仍然有近 3 亿在农业部门就业，占就业总量的 38%。比照发达国家的标准，我们仍然有大量的劳动力要转移。需要指出的是，一方面，由于统计制度的原因，农业就业数量被高估；另一方面，考虑农村劳动力的人口统计特征，尤其是人力资本特征，剩余的农村劳动力已经难以满足现代生产需要。我们在本节先着重分析第一个方面。目前的农业就业总量统计仍然采取全面报表统计的方式。应该说，这种调查制度在城乡明显处于分割状态、几乎不存在劳动力流动的计划经济时期，是相对可行的调查方式。因为在计划经济时期，劳动力资源的配置方式是以计划为基础的，不同的群体就业有清晰的界定。由于劳动力几乎没有流动，基层单位统计农业劳动力的成本低，通过各级单位层层上报就业数量也是可行的。然而，随着经济发展和农村就业的非农化趋势逐步增强，农业就业统计遇到了巨大挑战。从 1980 年代中期的乡村工业化大潮，到随后开始并一直延续至今的农村劳动力向非农产业和城镇地区流动，带来了中国就业结构的巨大变化。加上农户经营的土地规模小，兼业化的就业方式几乎成为大多数农户的就业方式，给农业就业统计带来的困难就更加明显。在这种情况下，仍然通过逐级上报的方式统计就业数量，很难得到关于农业就业的准确统计。例如，国家统计局根据住户调查资料推算，2010 年到乡镇以外从事非农工作超过 6个月以上的农村劳动力达到了 1.53 亿。同时，兼业化的就业方式几乎成为大多数农户的就业方式。在这种情况下，清晰地界定劳动力在什么产业就业几乎不可能。在农户成为农村经济基本经营单位的情况下，农户之间存在劳动力配置的异质性。因此，以农村集体为单位，填报农业就业情况，会在加总的过程中，丢失反映农户劳动力配置差异性的信息。适应农村经济发展形势的变化，需要通过以农户为基本单位，以抽样调查的方式细化基本的调查单位。在农村劳动力兼业化越来越明显的情况下，继续以“人”为单位统计农村就业也面临着越来越多的困难。因为同一个劳动力可能将一部分时间配置于农业，而其他时间配置于本地非农业或外出务工。为应对这种情况，度量劳动供给的单位需要更精确。例如，以“月”乃至“天”为计量单位来度量劳动供给，可以解决以“人”为单位带来的不可分性。未经作者允许，不得擅自引用 9 以农户水平的资料为基础，我们可以通过图 7 展现的框架，重新估算农业就业的数量。对于特定的农村劳动力而言，配置劳动力的方式包括农业、本地非农业以及外出务工三种。如果以“人月”为单位，我们就可以计算农村劳动力在三种生产方式的总投入。然后，我们可以再将每一种劳动供给换算成以“人”为单位的劳动投入。图 7 农村劳动力配置及农业就业数量的估算 遵循这一思路，我们以农村住户调查数据等为基础，重新估算农业就业人口。以“人月”为单位的基本假设是：作为一个具有全国代表性的调查，农村住户样本与全国农村的总体就业结构相同。因此，我们首先估算样本农户农业就业占 16 岁及以上人口的比例，再将其乘以 16 岁及以上农村人口总数，即可得到实际的农业就业数量。我们对农业就业数量重新估算的核心是，充分利用了农村住户数据对劳动供给度量更加精确的特点，将劳动供给时间由人年细分至人月。如果 16 岁及以上农村人口的总量为 N，农村劳动力 Pi根据劳动力市场的状况和家庭及自身的禀赋配置其劳动jiL,，每个劳动力拥有的劳动时间都是一样的，但可能配置于不同的经济活动 j，即：3,2,1,120,jLji 根据当前农村劳动力配置情况，我们将经济活动分为三类，农业（j=1）、本地非农活动（j=2）和外出经济活动（j=3）。由于对于每一个劳动力而言，其在不同的经济活动中劳动投入月数是可分的，因此，该项经济活动的总劳动供给也是可以加总的。对于农业经营而言，农业就业总量NiiLA11,。我们也可以将农业就业总量还原为以“人”为单位，即农业总就业为NiiLE11,121。丧失劳动能力 劳动力资源 不工作 工作 农业（人）农业（人月）正在上学 本地非农（人月）外出（人月）本地非农（人）外出（人）不工作（人）劳动年龄人口 未经作者允许，不得擅自引用 10 然而，我们并不能掌握所有农村劳动力的劳动配置情况，而只能依赖抽样调查的样本 n的信息，推断总体情况。我们得到样本中农业就业为：niile11,121 在假设样本中的人口和就业结构与总体相同的情况下，我们可以通过样本中农村人口的农业就业比例推断总体的农业就业比例，即：niinNnlnerR11,/)121(于是，农业就业总量为：niiNlnNNRE11,101 为了得到农村劳动力资源总量 N，我们采用“第二次农业普查”所公布的农村劳动力资源数。因为，无论是从调查的资源投入还是调查的组织设计，农业普查所得到的信息更加可信。但第二次农业普查开展于 2006 年，为了得到 2009 年的农村劳动力资源数，我们根据国家统计局每年的“1人口变动调查”，计算 2006-2009 年的人口增长率，并由此得到 2009年该年龄组的人口数。同时，我们根据样本中 15 岁人口的比例进行调整，得到 16 岁及以上的人口数。综合各种资料来源，我们对 2009 年农业就业总量的重新估计结果见表 2。表 2 2009 年农业就业总量的重新估计 含义 数据来源 数值 农业就业比例（nr）样本中按劳动供给时间计算的农业就业与人口之比 农村住户抽样调查 0.315 农村常住人口（万人）15 岁及以上农村人口的数量 第二次农业普查 60250 15 岁调整系数 样本中 15 岁人口的比例 农村住户抽样调查 0.982 总人口调整系数 15岁及以上人口2006年以来的增长 1人口变动调查 1.032 重新估算结果（万人）23075 年鉴数（万人）29708 高估数量（万人）6633 高估比例（%）22.3 表 2 的重新估算结果表明，目前公布的农业就业数量存在着较为严重的高估。以 2009年为例，农业就业总量高估了 6633 万人，高估比例达 22.3%。（二）农村劳动力资源的分布与剩余 早在 20 世纪 80 年代中期，随着农村经济改革的激励效果显示出来，绝大多数学者和政策制订者都相信，农村有大约30%-40%的劳动力是剩余的，绝对数大约为1亿到1.5亿（Taylor,1993）。到了 20 世纪 90 年代，一些学者推算表明，农村剩余劳动力的绝对数进一步增加。例如，卡特等（Carter et al.,1996）的估算为 1.72 亿，剩余比例为 31.5%。到了新世纪，人们对于农村剩余劳动力绝对数量和比例的估计不仅几乎没变，甚至还有所提高。例如，刘建进（2002）估算的结果是，2000 年农村剩余劳动力比例高达 46.6%，绝对数量超过 1.7 亿。未经作者允许，不得擅自引用 11 这些估计存在着一个共同的特点，就是注重农村剩余劳动力总量关系的测算，但忽视微观个体特征和行为差异对农村劳动力配置产生的影响。这一方面容易造成对农村劳动力剩余的总量关系判断产生偏差；另一方面，由于缺乏对农村劳动力微观特征的把握，也很难形成具有针对性的劳动力转移政策。然而，尽管非农部门的劳动力需求持续增加，但关于农村剩余劳动力的规模有多大，却是一个具有广泛争议的问题。一直以来，对农村剩余劳动力的估计，大多是用农村劳动力资源总量，减去既定的农业生产能力下农业对劳动力的需求量得到。这种估计方法虽然直接，却在以下几个方面存在着缺陷：首先，在城乡经济关系和劳动力市场一体化程度逐步加强的情况下，农业部门的劳动力配置不仅取决于农业生产能力及其产生的劳动力需求，也取决于农产品价格、非农部门的工作机会和经济收入等多种因素。在二元分割的社会经济形态下，农业剩余劳动力是一个静态的、绝对的概念，即特定的技术水平和农业生产条件下，除了农业需求的劳动力，其余的劳动力都可以称之为农业剩余劳动力。而在城乡之间产品和要素市场相互联系的情况下，农村剩余劳动力则成为一个动态的、相对的概念。农户的劳动力配置不取决于农业部门的实际劳动力需求，而是取决于劳动力配置于农业部门和非农部门的边际收益大小。在这种情况下，农村劳动力的绝对数量和农业需求劳动力水平，就不能成为估计农村剩余劳动力规模的依据。实际上，随着经济的不断发展和市场化改革的不断深入，城乡关系逐步改善，劳动力市场逐步一体化的局面已经形成。一方面，劳动力由农村向城市流动的规模越来越大，农村劳动力占城市就业规模的比重已接近一半（蔡昉主编，2007）；另一方面，由于劳动力流动的频繁，劳动力市场一体化的程度也在逐步加强（蔡昉、都阳，2004）。这就意味着，农户有条件根据非农部门的劳动力市场信息和农业的收益，决定其劳动力配置的部门。而兼业经营和直接、间接的撂荒等现象的日益普遍，则更说明农业劳动力需求数量难以估计，也就难以成为估算农村剩余劳动力规模的基础。其次，在城乡劳动力市场逐步发育的情况下，农户的劳动力配置行为，也逐渐转化为劳动者根据劳动力市场信号进行个人决策的过程。也就是说，农村劳动力是否在非农部门就业或者迁移到其他地区从事经济活动，取决于劳动力市场的工资水平和个人的保留工资水平。另外，即便是农业生产需求以外，存在着一定数量的剩余劳动力，也需要考虑各种可能存在的不同的劳动力市场选择。对于任何一个群体的劳动力，都存在三种可能的劳动力市场状态：就业、失业和退出劳动力市场，农村剩余劳动力也不例外。对城市劳动力市场的研究结果表明，由于劳动供给特征、流动性、保留工资和市场分割等因素，城市中的农村迁移劳动力的失业率很低。从全国平均水平看，2000 年城市本地劳动力失业率为 9.1%，农村迁移劳动力失业率为 3.6%，农村迁移劳动力失业率不到城市本地劳动力失业率的一半。这是一个选择性的结果，在城市劳动力市场上未找到工作的农村迁移劳动力，往往倾向于返回农村。因此，把农村剩余劳动力作为一个群体来考虑，他们的失业率可能很低，但劳动参与率也可能较低。显然，用农村劳动力资源总量减去农业需求劳动力，得到农村剩余劳动力数量的加总分析方法，难以分析个人的劳动力市场参与等决策过程，而笼统地把没有参与劳动力市场的劳动力也作为农村剩余劳动力，并认为其可以为非农经济部门所使用，显然会高估农村劳动力的供给数量。而对农村剩余劳动力构成的差异性不加区分，也不利于形成合理的、有针对性的劳动力市场政策。第三，由于以往对农村剩余劳动力的估计是基于加总数据，因此，也就很难考虑劳动者的个体差异性。实际上，目前的非农劳动力市场对农村转移劳动力具有很强的选择性，从而使得年龄、受教育水平等个人特征，成为决定农村剩余劳动力流动方向的最主要的因素。已未经作者允许，不得擅自引用 12 有的研究（蔡昉，2007）也已经指出，农村中中青年劳动力已转移殆尽，而老年劳动力的转移可能性却很低。因此，不对这两个群体的转移可能性加以区分，不仅可能高估农村剩余劳动力的总体规模，也不利于出台具有群体针对性的政策，鼓励迁移可能性低的农村劳动力转移，以挖掘现有的劳动力供给潜力。最后，农业生产的复杂性为确切地估计农业劳动力需求的数量增加了难度。农业生产的季节性很强，目前，劳动者在不同部门之间循环往复地就业，形成兼业化模式的现象非常普遍，这会给度量农业劳动力需求增加难度。同时，农业中的精耕细作和粗放经营会产生明显的劳动力需求差异，但这些差异很难在加总分析中得到反映。而不同程度和形式的撂荒，则更增加了对农业劳动力需求的估计难度。鉴于上述原因，我们拟通过具有全国代表性的微观数据资料，分析农村劳动力资源的配置状况，基于个体特征，对农村劳动力的转移可能性和农村剩余劳动力数量进行估计，并以此为基础，讨论进一步挖掘农村劳动力的供给潜力所应进行的政策调整。农村劳动力的个体特征和家庭特征，是决定其是否从事非农就业和外出就业的重要因素。2009 年农民工监测调查数据中，包含着有关农村劳动力非农就业、外出就业，以及个体特征和家庭特征的资料。因此，我们得以根据该资料，从总体上估计农村劳动力的非农就业和外出就业决策2。在估计农村劳动力的非农就业决策时，我们将劳动力的非农就业决策定义为一个虚拟变量。从事过本地非农自营、非农务工或者外出就业过被定义为非农就业者，被赋值为 1；反之被赋值为 0。劳动力的外出就业决策同样定义为一个虚拟变量，外出就业过被赋值为 1；反之被赋值为 0。我们使用 Probit 模型，估计农村劳动力的非农就业和外出就业决策过程。在农村劳动力的非农就业和外出就业决策模型中，包括了反映劳动力个体特征的变量，如年龄、性别和受教育水平，还包括了一些反映家庭特征的变量，如家庭规模、6 岁以下孩子比重、65 岁以上老人比重和家庭中受教育水平最高的人的受教育年限等。同时，为了反映区域性的因素对劳动力从事非农就业和外出就业决策的影响，我们又在模型中加入了户口登记地所在省份的虚拟变量，以体现地区差异性。用于估计农村劳动力非农就业和外出就业决策的 Probit 模型设定如下：proveduoldkidhhsizeseniorjuniormaleageageP109876543221max 其中，age为年龄，2age为年龄平方项，male为男性虚拟变量（女性为参照组），junior为初中虚拟变量（小学及以下为参照组），senior为高中中专及以上虚拟变量（小学及以下为参照组）3；hhsize为家庭规模，kid为 6 岁以下孩子比重，old为 65 岁以上老人比重，edumax为家庭中受教育水平最高的人的受教育年限。此外，户口登记地所在省份虚拟变量也包括在模型中，以控制区域劳动力市场等因素的影响，是随机误差项。Probit 模型回归结果见表 3。表 3 农村劳动力转移就业决策：Probit 模型估计结果 变量 非农就业决策 外出就业决策 边际概率 Z 值 边际概率 Z 值 2 农村劳动力是指 16 岁及以上不在学而且具有劳动能力的人。3 农村劳动力中，受教育水平在大专及以上的比例很低。此处，我们将“高中”、“中专”与“大专及以上”合并为“高中中专及以上”。未经作者允许，不得擅自引用 13 年龄 0.0089 5.22*-0.0069-5.54*年龄平方-0.028-13.5*-0.0068-4.17*男性 0.31 39.44*0.12 23.70*初中 0.094 9.66*0.053 7.49*高中中专及以上 0.14 10.13*0.070 6.79*家庭规模-0.0037-2.90*-0.0005 0.60 6 岁以下孩子比重-0.11-2.34*-0.080 2.59*65 岁以上老人比重 0.066 2.06*0.068 2.82*家庭最高教育 0.0046 2.75*0.001 0.98 省虚拟变量 有 有 Pseudo R2 0.236 0.274 注：*表示在 1%水平上显著，*表示在 5%水平上显著；户口登记地所在省份虚拟变量的估计结果在表中省略。模型中的大部分解释变量都在 1%水平上显著。这表明，我们可以根据上述模型的估计结果，来预测样本中未从事非农就业或外出就业的农村劳动力，未来从事非农就业或者外出就业的概率。需要注意的是，这种预测是基于劳动力市场的需求因素，和调查时点相比没有发生根本变化的前提下。换言之，任何引起需求发生明显变化的因素，最终会通过劳动力市场的价格机制，传导并影响农村劳动力的非农就业和外出就业决策。例如，非农部门劳动力需求的增加，会在既定的劳动力供给水平下，提高非农劳动力市场的工资率，相应地增加农村劳动力从事非农就业的可能性。反之，非农经济部门增长放缓，会降低对农村劳动力的需求，使农村劳动力从事非农就业的可能性降低。另外，任何对保留工资产生影响的因素发生变化，也会使预测结果产生结构性的变动。例如，农民工的社会保护水平、福利状况、工作条件和享受公共服务的水平和范围的变化，也会影响到农村劳动力外出就业决策。这些因素也是我们未来讨论政策变化和劳动力转移的主要领域。根据农村劳动力的个体特征、家庭特征和农村劳动力外出就业决策模型，我们可以预测出农村劳动力的外出就业概率。在预测时，我们分别预测每一个年龄组下，不同受教育水平的劳动力的外出就业概率，外出概率乘以该年龄组下每种受教育水平的劳动力人数，即可得到该组别的劳动力中可能外出就业的劳动力数量。表 5 分别列出了 2011 年劳动力的分年龄和受教育水平的分布情况，每一个组别的平均转移就业概率，平均外出就业概率，以及每个组别可转移就业的数量，可供外出就业的劳动力数量。首先，在近 4 亿 16 至 64 岁的