教育对贫困地区农户非农劳动供给的影响研究

      作为一个重要的人力资本变量，农户家庭成员的受教育水平不可避免地影响着农户家庭决策的多个方面。在已有的关于农户经济的文献中，教育对农户生产的影响已经得到了系统的研究（Welch，1970； Huffman，1974）。 农户劳动供给配置模式是农户经济的一个非常重要的方面，而对于既定的一种劳动配置模式的形成，教育也会产生重要的影响。当我们关注整个劳动市场的情况时，发现教育会通过市场工资率等因素的传导影响劳动的供求。而从另一角度看，更高的教育水平可能是通过提高农户农业劳动生产率来改变农户的劳动配置模式（Gisser，1965；Huffman，1980）， 或是通过影响家庭联合决策的方式来影响非农劳动供给的水平（Huffman and Lange，1989；Gould and Soupe， 1989）。

      就贫困地区的经济而言，情况又有所不同。农户经济不仅受到低收入的困扰，也同时面临着收入波动带来的风险的冲击。因此，在农户的家庭决策中，一方面需要在现有的资源条件下提高收入，另一方面可能通过对家庭劳动配置的多样化来熨平收入的波动。而更高的教育水平使农户更敏感地预期可能发生的收入波动的风险，也可能使他们更清楚地发现、认识和处理劳动市场信息，从而对农户是否参与非农工作的决策产生积极的影响。

      1.教育对农户劳动配置模式的影响途径

      1.1 教育对农户劳动供给的一般影响

      教育对农户的劳动配置模式是通过图中所示的几种途径来实现的。该图较为直观地反映了农户家庭时间如何实现配置均衡。为了说明的方便，并没有考虑家庭工作时间的情况。图中横轴为农户对闲暇的消费，而纵轴则表示对物品的消费。无差异曲线U 表示了农户在消费和闲暇（非工作时间）之间的权衡。曲线U 的斜率也就是农户的影子工资率（ Skoufias，1994）。与一般消费理论不同的是，在我们所表达的模型中预算线的形状可能是由三个部分组成的，即家庭的非劳动收入V （如接受馈赠的收入以及其他一些转移支付等）；从事农业劳动所获得的收入即曲线BEG，它实际上是劳动投入生产的生产函数， 该曲线的斜率则是投入农业生产中的劳动边际产品；另外，还可能有源于非农劳动的收入，即曲线ED所显示的部分，该曲线的斜率是市场工资率。OL部分用于闲暇，LM部分用于非农的市场工作，MT部分的时间则用于农业生产。据此，我们可以认为，教育水平对图中所示的曲线的形状与位置的任何影响都会导致家庭时间配置模式的变化。具体地说：第一，教育可能增加农业部门的劳动生产率，使BEG曲线向上扩张（Huffman，1974）。在给定其他条件不变的情况下，农户的农业劳动供给会增加；第二，教育可能会提高影子工资率的水平，从而使OM段增加，MT段减少。也就是说教育水平的提高可以使得劳动供给量增加，而对于闲暇的消费减少。但劳动供给的增加部分是用于农业生产还是用于非农工作，则是不确定的。

      

      图 农户家庭时间在各用途间的配置

      1.2 教育对贫困地区非农劳动供给的影响

      如前所述，就农村贫困地区而言，教育对于劳动供给的影响可能在于它能提供给人们认识市场机会的能力。并且由于收入的易波动性，出于规避风险的动机，劳动供给也可能表现出分散化，而教育的另一层作用就可能在于它能减少劳动供给分散化可能带来的效用损失。从经验估计的角度看，如果教育对于发现市场机会有积极影响的话，那么它必将显著地影响对非农工作的参与。而这种参与是出于收入均等化的原因，还是分散风险的动机，则要看教育变量在工资方程中的作用。

      2.教育对贫困地区非农工资率的影响

      2.1 工资方程的形式

      对贫困地区所进行的农户调查发现，由于贫困地区的劳动市场不完全，教育在工资方程中的作用并不显著。一个保留的假设是教育是与其他社会经济环境变量共同发生作用的。

      以每天工作8小时为标准工作时间，日工资为标准工资率， 从事非农工作的工资率的对数为被解释变量，我们得到如下形式的工资方程：

      

      AGE为年龄，YOS为受到正规教育的年限，DSEX为参与者的性别虚拟变量，EX为经验变量，DSKILL为参与者的技能虚拟变量，D 为村虚拟变量。

      与一般的工资方程相比，上述方程有这样几个特点：

      第一，没有放入经验的平方项。因为，传统的工资方程所使用的经验变量是以年龄减去受教育年限和未成年部分作为替代。在我们使用的数据中，工作经验是根据被调查者的报告年限所得，能直接反映其参与非农工作的经历。

      第二，放入教育的平方项，以检验在贫困地区的劳动力市场上是否存在某一个有效的教育水平，能最好地决定其在劳动市场的收益。

      第三，工资方程中放入交叉项。如性别与技能的交叉项，教育与性别的交叉项等。

      函数形式采取半对数，即工资率采取了对数的形式（后面的模型中工资率也都是对数形式，见表1）。

      2.2 样本有偏选择及其调整

      正如数据丢失会导致有偏估计一样，在研究过程中对样本进行非随机的选择以估计其行为关系也会导致有偏估计。在实践中，样本有偏选择可能来源于两类原因。第一，被调查的个体可能存在自选择的情况；第二，研究者或数据处理者在其操作过程中采取类似自选择的方式对样本进处理。