Standard and Non-standard: the Influence of Employment Models on the in-Work Poverty of Migrant Workers: Empirical Evidence from Eight Big Cities
-
摘要:
利用2017年流动人口卫生计生动态监测专题调查数据，对不同就业模式农民工的规模、工作贫困的风险、致贫影响因素及机制进行了研究。结果表明，非正规就业是农民工在大城市就业的主要模式，占比高达81%，其中非正规受雇就业占比42%，自雇就业占比39%，正规受雇就业占比则仅为19%。在就业效果上，较之正规受雇农民工，非正规受雇农民工的贫困发生比率高出25.6%，自雇就业农民工则无显著差异；造成不同就业模式农民工工作贫困风险差异的劳动力市场机制主要是较低的小时工资，但其他的致贫因素则既有共性也有差异。提出对农民工工作贫困问题的治理需要分类施策，一方面，完善劳动力市场政策，提高最低工资水平，加强劳动法的执法力度；另一方面，完善家庭儿童照料和养老保障相关政策，提高农民工家庭去家庭化和去商品化程度。
Abstract:This paper analyzes the scale of rural migrant workers with different employment models and their risks of in-work poverty, as well as the mechanism and constraints of in-work poverty based on the National Migrant Population Health and Family Planning Dynamic Monitoring Survey Data of 2017. The result shows that 81% of the migrant workers in the surveyed cities are employed in the non-standard employment model, while only 19% in the standard employment model. Compared with the standardly employed migrant workers, the poverty risk of non-standardly employed migrant workers is 25.6% higher, while the self-employed migrant workers have no significant divergence. Low hour wages is the main labor market mechanism that causes differences of in-work poverty risk among migrant workers in different employment models. As for other factors, both similarities and differences exist among different employment models. The main suggestion of this paper is to deal with the problems of migrant workers' working poverty according to the divergences of their employment models and poverty constraints. On one hand, the labor market policy should be improved by raising the minimum wage level and strengthening the enforcement of labor law; On the other hand, the family policy and pension policy should be improved to raise the degree of de-familiarization and de-commercialization of migrant workers' families.
-
Keywords:
- employment model /
- non-standard employment /
- in-work poverty /
- migrant workers
-
引言
就业与贫困之间的关系一直是贫困与不平等研究的焦点。传统的反贫困策略往往聚焦于促进就业, 但对促进就业相关政策效果的研究表明, 工作增加本身并不一定减少贫困[1], 这启发人们要反思工作与贫困之间关系的传统认识。
长期以来, 我国国家层面的扶贫开发政策主要针对农村贫困问题, 对城市贫困问题重视不够。2020年农村人口全面脱贫后, 亟需加强城市贫困问题研究, 推进建立城乡一体化贫困治理战略。我国城市贫困群体主要包括“三无”人员和新贫困群体(城镇下岗失业人员和农民工)。城市新贫困群体不同于传统“三无”人员的主要特征为:他们是具备劳动能力的经济活动人口; 他们的贫困属于工作性贫困。随着下岗失业人口通过再就业或者退休等形式转型或消退, 农民工成为城市新贫困群体的主要来源[2]。因此, 研究农民工的就业与贫困之间的关系对构建城乡一体化贫困治理战略具有重要意义。
这一研究必须放在中国劳动力市场变迁的大背景下进行。改革开放以来, 市场成为劳动力资源配置的主要手段, 劳动力自由流动的趋势明显, 就业模式由正规向非正规转变[3-4]。基于全国普查数据的估算表明, 2005年非正规就业已占中国城镇就业的58.85%[5]。非正规就业比例不断上升, 既是我国经济结构调整的必然结果, 也符合我国人口众多、农村人口比例大、低技能劳动力长期供大于求的基本国情, 是解决失业问题、缩小城乡收入差距的必由之路[3]。非正规就业的优势在于方式灵活、吸纳能力强、门槛低、更能满足城镇居民多方面的劳务需求[6], 其不足是工资收入低、就业稳定性差、劳动条件和劳动保护条件有时十分恶劣[7]。农民工主要以非正规就业的方式在城镇实现就业[8], 但随着农民工劳动供给结构和劳动力市场规制的变化, 农民工的就业模式出现了正规就业和非正规就业的分流。二者的就业效果既有研究并无一致结论。例如, 从就业收入角度看, 有的研究显示农民工非正规就业效果好于正规就业[9], 有的研究结论则相反[10], 还有的研究认为二者的分流并未对农民工就业境况产生显著影响[11]。这一方面是对非正规就业的界定不同而导致, 另一方面也可能是由于使用的数据方法不同。以往关于不同就业模式就业效果的研究多从劳资关系的视角进行, 关注个体工资收入的不平等, 而较少从家庭层面来衡量个人福利水平的高低, 但家庭内部资源往往是共享的。本文将从工作贫困的视角来比较分析农民工不同就业模式的就业效果, 在家庭、市场和政府三者之间关系的平衡[12]架构下, 比较不同就业模式下农民工的工作贫困风险, 评估不同就业模式的总体就业效果, 分析导致不同就业模式农民工工作贫困风险差异的主要劳动力市场机制以及工作贫困影响因素。
一. 文献综述与研究假设
就业模式大致分为正规(standard)和非正规(non-standard)2种。前者的特征是较高的工资水平、优越的工作条件、稳定就业和完善的社会福利, 后者则往往工资水平低、工作条件恶劣、就业不稳定、福利保障不完善[12-13]。国内外经验研究表明, 通常后者有更高的贫困风险[12, 14-15]。
一 关于非正规就业的定义及其社会经济后果
1.非正规就业的定义与形式
非正规就业是相对于正规就业而言。正规就业源于“福特主义的就业体系”, 典型特点是长期性、全日制、男性养家(male breadwinner, 即男性的工作收入可以支撑整个家庭)。偏离这一标准模式的各种工作往往被称为非正规就业, 在相关研究中也被名之为非典型就业、灵活就业或不稳定就业[12]。非正规就业主要包括零时工(temporary employment)、非全日制工作(part-time employment)和独立的自雇劳动者(solo self-employment)3种形式[16]。
国内学者在界定非正规就业时, 通常参照国际劳动组织的分析框架, 将劳动者所在单位类型和个人就业身份结合起来。其外延既包括非正规部门就业者, 也包括正规部门的非正规就业[3]。但具体的操作上不同学者各有其异。有学者根据劳动合同期限的长短, 将雇佣关系划分为终身雇佣、长期雇佣、短期雇佣和无合同雇佣, 前两者与正规就业对应, 后两者与非正规就业对应[13], 但这些划分未把自雇就业考虑在内。有学者指出, 不仅要考虑是否签订劳动合同以及劳动合同的类型, 还要将是否享受社会保险待遇作为重要判断标准[17]。据此, 薛进军等[5]将中国非正规就业者划分为家庭帮工、自营劳动者、非正规部门中的雇主、从事非正规工作的雇员4类。张抗私等[18]将非正规就业者区分为非正规受雇者和自我经营者2类。遵循国际劳工组织的分析框架并借鉴已有研究, 本研究将非正规就业划分为非正规受雇和自雇就业2种类型。
2.非正规就业的效果及其影响机制
西方发达国家对非正规就业的社会经济后果形成了融合论(integration)和区隔论(cleavage)2种理论观点[19]。融合论认为, 提升劳动力市场的灵活性和增加非正规就业可以实现劳资双赢, 既能为雇主节约成本提高效率, 又可以增加低技能劳动者的就业机会和晋升机会。区隔论认为, 非正规就业降低了雇员的谈判能力, 导致尽管就业机会增加了, 但是岗位工资低、稳定性差, 进而使整个社会的经济不平等加剧。随着非正规就业日益盛行, 越来越多的学者强调非正规就业的区隔效应[20-21], 同时, 推动工作贫困问题被日益引起重视。中国学者早期倾向于融合论, 强调非正规就业的积极意义[3, 8]。晚近以来则更多强调区隔效应, 主张将非正规就业正规化[5, 22]。国内外研究显示, 非正规就业者比正规就业者的工资收入水平低[5, 18, 20]。较低的就业收入当然更有可能导致家庭陷入贫困。那么, 是什么原因导致非正规就业者往往处于低工资、就业不稳定的劣势地位, 进而面临更高的贫困风险呢？
首先, 以劳动力市场分隔理论解释。该理论将整个劳动力市场区分为主要和次要2个市场, 前者一般拥有较好的工作环境、较高的工资水平和较完善的福利保障, 后者一般工作环境较差、福利待遇和薪资水平相对较低。前者常被称为正规部门, 后者常被称为非正规部门。通常的情况是, 劳动者在主要劳动力市场不能找到工作后, 才进入次要劳动力市场, 不得不接受低工资、低福利[18, 23]。同一部门内也存在边缘劳动力和核心劳动力的区分, 核心劳动力享有更高收入和更好职业保障, 边缘劳动力主要从事可替代性强的岗位, 而且工资低、保障弱[1]。其次, 以人力资本理论解释。该理论更为具体地指出, 非正规就业长期处于弱势地位的主要原因, 是其不利于劳动者的人力资本积累。非正规就业者通常不属于核心劳动力, 他们与雇主的谈判能力弱, 进修培训机会少, 易经历反复失业, 所以积累的人力资本少。这限制了他们寻找更好工作和增加收入的机会[20]。综上, 提出假设1:与正规就业农民工相比较, 非正规就业农民工陷入工作贫困的风险更高。
如前所述, 非正规就业又可分为非正规受雇和自雇就业2种类型, 二者的就业效果怎样呢？国外相关研究表明, 与正规受雇者相比较, 非正规受雇者收入水平更低, 贫困风险更高[12, 14, 20]。但关于自雇就业者是否更容易陷入贫困, 现有研究并无定论[24]。国内有关研究发现, 自雇经营者的收入水平高于非正规受雇者, 但却低于正规受雇者[18]。有研究显示, 与受雇农民工相比较, 自雇农民工取得了更高的工资收入, 并具有较高的社会融入感[25-26]。还有研究显示, 农民工自雇就业的效果不仅好于非正规受雇者, 还好于正规受雇者[9]。基于上述文献, 提出假设2:不同类型非正规就业农民工的工作贫困风险存在显著差别。
非正规就业与正规就业的就业效果差异研究, 目前主要集中在个体收入不平等方面, 它与贫困关系的研究尚不多见, 国内现仅可见都阳等[27]对非正规就业减贫效果的评估。个人的低工资或低收入只是贫困的一个重要影响因素, 它与贫困是两个完全不同的概念。首先, 低工资的衡量单位是个体, 而贫困的衡量单位是家庭; 其次, 贫困除了考虑就业性收入外, 还考虑其他收入来源; 再次, 二者的规范性意义不同, 工作贫困意味着一种不被认可的状况, 需要进行干预, 而低工资(收入)是一种事实状况, 未必是问题[28]。
二 工作贫困的定义及其影响因素
1.关于工作贫困的定义与测量
工作贫困者是指生活在贫困家庭中的有工作的个人, 简言之即有工作的穷人。定义和测量工作贫困需要回答2个基本问题, 即“谁是工作者”和“什么是贫困”[28-29]。
工作有动态和静态2种定义方式。前者将一段时间内的就业时间作为是否工作的评判标准, 例如, 欧盟采用过去1年里至少工作6个月以上作为标准; 后者是指调查的某个时间点上是否在工作, 如调查前1周是否做过有收入的工作, 国际劳动组织(ILO)采用此种定义。2种方法各有优劣, 但在数据的可获得性和灵活应用方面, 静态定义更具优势[28-29]。贫困有多种定义和测量方法, 从收入贫困的角度看, 有绝对贫困和相对贫困之分。绝对贫困标准是根据满足维持生存必不可少的基本需求来确定。相对贫困标准则根据经济社会环境的变化, 以被主流社会所认可的基本需求来确定; 相对贫困标准往往包含社会融合的内蕴, 因为它是根据达到社会普遍认可的生活标准所需的资源来确定的, 而这一生活标准是社会融合的前提条件。通常, 在富裕国家采用相对贫困概念, 在落后国家采用绝对贫困概念。在关于工作贫困的研究中, 目前往往采用相对贫困定义[28]。
本研究对“工作”采用静态定义, 对“贫困”采用相对贫困定义。一方面, 按照国家相关部署, 2020年底, 我国绝对贫困应基本消除, 下一步将重点解决相对贫困的问题; 另一方面, 新型城镇化战略明确提出农民工市民化, 希望农民工能够融入城市, 那么, 判断其是否贫困, 应以城市居民的整体状况为参照而采取相对的贫困标准。
2.影响工作贫困的主要机制
克莱塔兹(Crettaz)[24]总结了影响工作贫困的3个具体机制, 并得到广泛认可和应用:一是工资水平低, 通常用小时工资来测量; 二是就业不充分, 包括个人层面和家庭层面, 通常用工作密度来测量①; 三是家庭需求高, 通常用儿童抚养比来测量。相应地, 政策干预措施的着力点也不同:针对工资水平低, 提高最低工资是干预重点; 针对就业不充分, 促进就业是干预重点; 如果是家庭需求高, 完善家庭政策则是干预重点。对农民工而言, 工资收入低无疑是导致贫困的重要原因[30-31]。前文也表明农民工就业模式出现分流, 不同就业模式下农民工的收入水平存在显著差异, 所以, 低工资可能是影响不同就业模式农民工贫困风险差异的重要机制之一。就业是否不充分的影响, 需要分短期和长期来分析。短期来看, 比如, 平均周工作小时, 绝大多数农民工的工作强度都超过法定工作时间。研究显示, 我国处于社会转型期, 劳动超时现象普遍存在, 农民工因其弱势地位而劳动时间更长, 平均周工作时间高达55小时[32], 总体而言, 农民工就业不充分的概率较低, 不同就业模式下的农民工不充分就业比例差异不明显。但从长期看, 比如, 一年甚至更长时间, 农民工尤其是非正规就业农民工, 更容易反复经历就业—失业的周期性贫困。本文主要考察短期限度内农民工就业是否充分对不同就业模式农民工贫困风险差异的影响。由此提出假设3:导致不同就业模式农民工贫困风险差异的主要劳动力市场机制是低工资, 而非就业不充分。
① 往往以个人或家庭成员实际工作时间与应工作时间之比表示, 取值为0~1。
解释工作贫困, 还需要放在更大的框架下进行, 考虑更多的因素。罗曼(Lohmann)[33]基于工作贫困的国际比较研究需要, 将影响工作贫困的因素分为宏观层面的制度性因素(社会福利制度和劳动力市场制度)和微观层面的个体家庭因素(具体分为需求性因素、资源性因素和限制性因素)。卡兹米普尔(Kazemipur)等[34]提出了一个解释移民贫困的分析框架, 将影响移民的因素分为同化因素、人力资本因素、结构性因素3类, 分别对应同化理论、人力资本理论和劳动力市场分割理论, 其不足是没有考虑家庭因素影响; 阿尔瓦雷斯·米兰达(Álvarez-Miranda)[35]在同一主题上强调了社会人口特征、家庭特征、职业特征和移民身份特征4个因素, 这很有可资借鉴的价值。王美艳[36]在研究我国农民工的收入贫困时, 将解释变量分为人力资本、家庭成员就业特征和家庭人口结构特征3类。因此, 本研究将农民工工作贫困的相关因素分为社会人口因素、人力资本因素、同化因素、劳动力市场因素和家庭因素。宏观制度层面因素没有被纳入本框架, 因为以个人为单位分析工作贫困影响因素时, 很难纳入宏观因素的考量[29]。
与此同时, 不同就业模式下农民工致贫的影响因素可能会存在差异。农民工群体本身分化较为严重, 存在较大的异质性; 在贫困的表现和致贫因素上, 不同属性的群体各有不同[37]。因此, 可提出假设4:不同就业模式下农民工的致贫因素, 既有共性也有差异性。
综上, 可以确立本研究的分析框架如图 1所示。该分析框架清晰表明了将要研究的问题与相关变量之间的关系。本研究的主要内容是分析不同就业模式下农民工的工作贫困风险是否有显著差异, 造成差异的主要劳动力市场机制是什么, 以及影响不同就业模式农民工工作贫困的因素有何异同①。
① 就业模式本身属于广义的结构性因素, 为突出本研究的重点, 故将其单独列出。
社会人口特征包括性别和婚姻2个常用指标。
人力资本因素包括年龄、教育和迁移距离。人力资本理论主要依据个人拥有的人力资本来对贫困进行归因。卡兹米普尔(Kazemipur)等[34]曾指出, 与移民的经济地位直接相关的人力资本因素包括教育、年龄、工作经验、健康和迁移范围, 其中年龄、教育和迁移范围更具解释力。这对农民工贫困问题同样适用[37-38]。
同化因素包括到达本地时间1个指标。同化理论认为, 新来者由于面临更多的不利因素, 如语言障碍、信息网络缺乏等而面临更高的贫困风险。相应的逻辑推论是, 随着在流入地时间的延长, 上述问题会逐步消除, 社会经济状况随之得到改善。
结构因素包括职业地位和就业行业2个指标。结构化理论认为一国的经济结构特性是导致贫困的主要原因。一般来说, 蓝领职业、低端服务业收入水平低、职业声望低、工作不稳定、福利待遇不完备, 陷入贫困的风险更高[39]。
家庭因素, 包括家庭人口数、12岁及以下儿童占比、65岁及以上老人占比和外出务工人数占比。贫困研究认为个人的福祉是通过家庭来衡量的。总的来说, 家庭规模越大, 家庭的需求就越多, 贫困的风险会越大。家庭中被抚养人口占比越高, 贫困风险也越大。家庭中就业人口占比越高, 贫困风险则越低[33, 36, 40]。
此外, 考虑到中国经济发展不平衡, 不同地区不同就业模式的规模和就业质量存在较大差异, 可把地区因素作为控制变量纳入模型。
二. 数据、变量和方法
一 数据来源
本文对9 178名年龄在15~59周岁、户籍为农业且调查前1周有工作的农民工进行实证分析。数据来自原国家卫生和计生委组织的2017年流动人口卫生计生动态监测调查中的流动人口健康重点领域专题调查数据库。该调查同时选取江苏省苏州市、山东省青岛市、河南省郑州市、湖南省长沙市、广东省广州市、重庆市九龙坡区、云南省西双版纳州、新疆维吾尔自治区乌鲁木齐市等8个地区, 这些地区主要代表了东、中、西部流动人口相对集中的大城市。调查对象为在流入地居住1个月以上、非本区(县、市)户口的15周岁及以上的流动人口, 包括流动人口就业、家庭成员及家庭收支等重要信息。
二 变量的设置
1.被解释变量
关于工作贫困的界定。以2017年“‘五一’节前1周是否做过1小时以上有收入的工作”, 作为判断是否工作的标准, 选择“是”视为有工作。关于贫困家庭的认定, 采取相对贫困定义, 以2017年各调查城市城镇居民人均可支配收入的60%作为贫困线(见表 1)。一方面, 考虑农民工进城务工生活, 其参照群体已由农村居民转变为城市居民[36]; 另一方面, 由于我国各地方经济社会发展水平不同, 所以, 设定相对贫困标准, 需要结合各地区实际发展状况[2]。关于家庭人均可支配收入计算。遵循国际贫困研究常用的方法, 使用过去一年家庭平均月总收入除以家庭人口数的平方根计算而得。家庭人均可支配收入低于贫困线者即为贫困家庭, 反之为非贫困家庭。由此, 因变量操作化为二分变量, 有工作且所在家庭属于贫困家庭的农民工记为“1”, 有工作且所在家庭为非贫困家庭的农民工记为“0”。
表 1 8个城市城镇居民收入贫困线及最低小时工资标准地区 城镇居民人均可支配收入/(元/月) 收入贫困线/(元/月) 最低小时工资标准 苏州市 4 901 2 940 17 广州市 4 617 2 770 18.3 青岛市 3 931 2 359 16 长沙市 3 912 2 347 15 郑州市 3 004 1 803 16 重庆九龙坡 3 028 1 817 15 乌鲁木齐市 3 086 1 851 16.7 西双版纳傣族自治州 2 267 1 360 13 注:城镇居民人均可支配收入来源于各市(区)2017年国民经济与社会发展统计公报; 收入贫困线=城镇居民人均可支配收入×60%;最低小时工资标准来源于各地人力资源与社会保障局通知公告 2.主要解释变量
(1) 关于非正规就业的分类与操作化。本文结合就业单位和就业身份以及是否享受社会保险, 将农民工的就业模式划分为正规受雇、非正规受雇和自雇就业3种类型。具体操作的步骤为:首先, 将经济部门划分为正规部门(机关事业单位、国有及国有控股企业、集体企业、股份/联营企业、私营企业、港澳台独资企业、外商独资企业、中外合资企业)和非正规部门(个体工商户、社团/民办组织、其他和无单位); 其次, 将农民工的就业身份划分为受雇者(包括有固定雇主和无固定雇主的劳动者)和自营劳动者①; 再次, 将是否参加职工医疗保险作为考察受雇农民工是否正规就业的指标。由此, 本研究中, 非正规受雇的农民工主要指在非正规部门工作的雇员, 在正规部门工作但没有劳动合同的雇员, 在正规部门工作且有劳动合同却没有职工医疗保险的雇员; 正规受雇就业农民工则指在正规部门就业、签订了劳动合同且参加职工医疗保险的雇员。
① 参照其他关于非正规就业的研究, 本文没有将雇主身份农民工纳入分析。雇主身份农民工占就业农民工总数的5.12%, 他们的工作贫困率为6%, 占农民工工作贫困总数的比例为2.5%。
(2) 关于低工资和低工时的操作化。国外往往以小时工资中位数的2/3作为低工资判断标准[1], 国内有学者将城镇单位就业人员平均工资的55%作为低工资判断标准[30]。本研究将各地公布的最低小时工资作为是否低工资的判断标准(见表 1)。农民工小时工资的计算采用上月的工资收入除以月工作小时数, 其中月工作小时数使用周工作时间乘以4.3周获得。农民工小时工资小于等于最低工资标准记为低工资“1”, 大于最低小时工资记为非低工资“0”①。
① 我国《最低工资规定》声明, 我国最低工资标准一般采取月最低工资标准和小时最低工资标准的形式。月最低工资标准适用于全日制就业劳动者, 小时最低工资标准适用于非全日制就业劳动者。如果将月最低工资标准换算成小时工资, 往往月最低工资标准低于小时最低工资标准。鉴于我国月最低工资标准通常较低, 本研究采用小时最低工资标准作为低工资的判定标准, 这也符合国际惯例。
就业是否充分常用工作密度来衡量。在实际操作中也可以用是否全职工作来大致测量。国际上通常采用周工作30或35小时作为是否全职工作的分界线[12], 国内中山大学组织的“中国劳动力动态调查”采用35小时的标准。本研究也采用35小时作为标准。问卷调查了“五一节前一周做过一小时以上有收入”的工作者在那一周的工作时间, 如果小于等于35小时, 为非全职工作, 记为“1”, 大于35小时, 为全职工作, 记为“0”。
3.其他控制变量的设置
(1) 人力资本因素。包括年龄、年龄平方/10、教育水平和流动范围。其中教育水平为分类变量, 小学及以下=1, 初中=2, 高中或中专=3, 大专及以上=4。流动范围也是类别变量, 跨省流动=1, 省内跨市流动=2, 市内跨县流动=3。
(2) 同化因素。以流入本地的具体年份来衡量, 为连续变量。流入本地时间越早, 代表同化时间越长, 同化水平越高。
(3) 结构性因素。包括职业地位和从业行业2个分类变量。职业地位分为:白领职业=1, 包括机关企事业单位负责人、专业技术人员、公务员办事人员; 蓝领职业=2, 包括生产、运输、建筑、设备操作等工人和农林牧渔生产人员; 新蓝领职业=3, 包括商业服务业人员、无固定职业及其他人员。行业类别分为建筑、采掘、水电煤供应=1, 制造业=2, 低端服务业=3(包括批发零售、交通运输、仓储邮政、住宿餐饮、水利环境公共设施管理、居民服务修理), 高端服务业=4(包括信息传输和信息技术服务、金融、房地产、租赁和商业服务、教科文卫、社会工作、公共管理社会组织、国际组织), 农林牧渔业=5。
(4) 家庭因素。包括家庭人口规模、12岁及以下未成年子女占家庭总人口的比例、65岁及以上老年人占家庭人口的比例、外出务工就业人口占家庭成员的比例, 均为连续变量。
表 2展示了按就业模式分各主要控制变量的分布情况。
表 2 农民工工作贫困影响因素分布情况变量 类别 总体 正规受雇 非正规受雇 自雇就业 就业模式/% 100 19.0 41.7 39.3 核心解释变量 低工资/% 56.17 38.35 61.85 58.72 非全职就业/% 5.09 2.48 6.50 4.86 社会人口特征 女性/% 44.9 44.2 47.3 42.8 已婚/% 78.1 73.96 67.15 91.65 年龄/岁 34.53 31.97 32.87 37.53 年龄平方/10/岁 127.9 108.0 117.7 148.5 学历水平/% 小学及以下 13.4 4.4 14.5 16.7 初中 45.1 29.3 45.6 52.4 人力资本 高中或中专 26.5 30.9 26.3 24.7 大专及以上 14.9 35.5 13.7 6.2 流动范围/% 跨省流动 38.24 45.5 35.9 37.2 省内跨市 55.8 49.3 58.9 55.5 市内跨县 6.0 5.2 5.2 7.3 同化因素 本次流动时间/年 2012 2012 2013 2011 结构因素 职业地位/% 白领 9.2 26.3 9.1 1.1 蓝领 22.7 38.6 30.4 6.8 新蓝领 68.1 35.1 60.5 92.1 就业行业/% 建筑、采掘、水电煤供应 6.1 4.9 9.6 3.1 制造 27.5 51.9 29.2 13.7 低端服务 53.6 23.6 45.7 76.5 高端服务 10.3 19.0 13.1 3.1 农林牧渔 2.5 0.6 2.4 3.6 家庭因素(均值) 家庭成员数 3.1 2.87 2.90 3.41 依赖儿童占比 0.19 0.19 0.16 0.22 65岁及以上老人占比 0.004 4 0.004 5 0.005 0 0.003 8 外出务工人数占比 0.62 0.64 0.65 0.58 样本量 9 178 1 746 3 823 3 604 第一, 从社会人口特征看。与正规受雇者相比, 非正规受雇者女性和未婚者比例较高。女性的比例为47.3%, 高于正规受雇者3.1个百分点。未婚者占比为32.85%, 高于正规受雇者6.81个百分点。自雇经营者中女性占比为42.8%, 低于正规受雇者1.4个百分点; 已婚者比例为91.65%, 高于正规受雇者17.7个百分点。
第二, 从人力资本因素看。与正规受雇者相比, 非正规受雇者平均年龄略大, 低学历者占比较高, 长距离迁移者占比较少。非正规受雇者平均年龄为32.87岁, 高于正规受雇者0.87岁。非正规受雇者小学及以下占比为14.5%, 初中占比为26.3%, 分别比正规就业者高10.1和16.3个百分点; 高中或中专占比为26.3%, 大专及以上占比为13.7%, 分别比正规受雇者低4.6和21.8个百分点。非正规受雇者跨省迁移的比例为35.9%, 低于正规受雇者9.6个百分点; 反之省内跨市流动为58.9%, 高9.6个百分点; 市内跨县流动则无显著差别。与正规受雇者比较, 自雇就业者平均年龄相对较大, 低学历占比较高, 长距离迁移者占比较少。自雇就业者平均年龄为37.53岁, 高于正规受雇者5.56岁。自雇就业者小学及以下占比为16.7%, 初中占比为52.4%, 分别比正规受雇者高12.3和23.1个百分点; 高中或中专占比为24.7%, 大专及以上占比为6.2%, 分别比正规受雇者低6.2和29.3个百分点。跨省流动的比例为37.2%, 比正规受雇者低8.3个百分点。省内跨市和市内跨县流动的比例分别为55.5%和7.35%, 分别比正规受雇者高6.2和2.1个百分点。
第三, 从同化因素看。非正规受雇者同化时间晚于正规受雇者, 自雇就业者同化时间则早于正规受雇者。正规受雇者流入本地的年份均数是2012年, 而非正规受雇和自雇经营者流入本地的年份均数分别为2013年和2011年。
第四, 从结构性因素看。就职业地位分布而言, 非正规受雇者白领职业和蓝领职业占比分别为9.1%和30.4%, 比正规受雇者低17.2和8.2个百分点; 新蓝领职业占比为60.5%, 显著高于正规受雇者25.4个百分点。自雇就业者更是在服务及其他职业中占比达92.1%, 比正规受雇者高57个百分点; 自雇就业者属于白领的仅占1.1%, 蓝领的占6.8%, 分别比正规受雇者低25.2和31.8个百分点。就行业分布而言, 非正规受雇者占比最多的分别是低端服务业45.7%和制造业29.2%。自雇就业者更是集中在低端服务业(76.5%), 其次是制造业占13.7%。正规受雇者则主要集中在制造业(51.9%)和低端服务业(23.6)。
第五, 从家庭特征看。非正规就业者平均家庭规模大于正规就业者, 非正规受雇者和自雇经营者分别比正规受雇者家庭多0.03人和0.54人。与正规受雇者相比较, 依赖儿童占家庭成员的比例上, 非正规受雇者低0.03, 自雇经营者高0.03;65岁及以上老年人占比上, 非正规受雇者高0.000 5, 自雇经营者低0.000 7;外出务工人员占家庭成员比例上, 非正规受雇者高0.01, 自雇经营者低0.06。
三 分析方法
本文采用logistic回归方程分析。为了考察不同就业模式农民工贫困风险的差异以及辨别导致差异的主要劳动力市场机制, 具体分析策略采用了逐步回归的方法, 以考察主要解释变量是否具有独立影响。同时, 本文的每个回归模型都将控制流入城市, 以控制宏观地区因素对自变量的影响。
三. 结果与解释
一 描述性分析
1. 8个城市的农民工正规就业与非正规就业分布情况
超八成的农民工以非正规就业方式实现城市就业。从表 3可以看出, 2017年8个城市的农民工非正规就业的比例为80.92%, 其中非正规受雇占比41.65%, 自雇经营占比39.27%。较此前薛进军等[5]利用全国普查数据估计的2005年迁移劳动力非正规就业的比例70.9%进一步抬升。还可以看出, 在经济发达的东部城市, 农民工非正规就业的比例要比中西部地区比例低, 正规就业的比例要比中西部高。这表明经济越发达, 劳动力市场越健全, 农民工越有可能以正规的模式实现就业。
表 3 8个城市农民工就业模式分布情况地区 正规受雇 非正规受雇 自雇经营 频次 占比/% 频次 占比/% 频次 占比/% 苏州 587 43.64 481 35.76 277 20.59 广州 394 29.25 481 35.71 472 35.04 青岛 314 25.47 416 33.74 503 40.79 长沙 140 8.92 541 34.46 889 56.62 郑州 70 4.47 878 56.1 617 39.42 重庆九龙坡 121 23.54 233 45.33 160 31.13 乌鲁木齐 120 12.53 476 49.69 362 37.79 西双版纳 5 0.77 317 49.07 324 50.15 合计 1 751 19.08 3 823 41.65 3 604 39.27 2.不同就业模式下农民工的工作贫困发生率
由表 4可以看到, 非正规就业农民工的工作贫困发生率高于正规就业农民工。非正规受雇农民工和自雇就业农民工的贫困发生率分别为15.15%和12.32%, 较之正规受雇农民工分别高出5.16和2.33个百分点。从分地区看, 除乌鲁木齐外, 其他城市非正规就业者工作贫困的风险都高于正规就业者。
表 4 8个城市按就业模式分农民工工作贫困发生率% 地区 正规受雇 非正规受雇 自雇 合计 苏州 12.95 16.22 23.10 16.21 广州 11.17 24.95 26.48 21.46 青岛 6.05 9.62 8.15 8.11 长沙 8.57 20.52 9.00 12.93 郑州 4.29 9.11 5.83 7.60 重庆 5.79 7.73 9.38 7.78 乌鲁木齐 11.67 13.03 10.22 11.80 西双版纳 0.00 22.08 14.20 17.96 合计 9.99 15.15 12.32 13.05 从非正规就业的2种不同类型看, 非正规受雇农民工的贫困发生率总体上高出自雇就业农民工2.83个百分点。但也存在显著的地区差异, 例如, 在经济发达的苏州和广州, 自雇经营者的贫困发生率要高于非正规受雇者, 在西部的重庆九龙坡区也是如此。表明经济发达地区农民工自雇就业层次和质量相对较低。
处于工作贫困状态的农民工主要来自非正规就业农民工。在农民工工作贫困总人数中, 非正规受雇者占48.33%, 自雇就业者占37.06%, 二者合计占85.39%, 而正规受雇者仅占贫困总数的14.61%①。
① 篇幅所限, 有关数据表格未列出, 可根据表 3和表 4相关数据计算而得。
3.非正规就业农民工相对高贫困风险的机制分析
前面论述表明, 影响工作贫困最直接的2个劳动力市场机制是工作水平低和就业不充分。那么, 不同就业模式农民工的收入和工作时间是否存在差别？以及有怎样的差别？详见表 5。
表 5 8个城市不同就业模式农民工月收入、小时工资收入和周工作时间情况地区 月工资/元 小时工资/元 周工作时间/小时 正规受雇 非正规受雇 自雇 正规受雇 非正规受雇 自雇 正规受雇 非正规受雇 自雇 苏州 4 754 4 302 4 714 23.50 18.28 19.19 50.48 59.42 65.04 广州 4 661 3 710 4 423 24.42 18.62 18.20 46.15 51.56 68.22 青岛 4 289 3 918 4 789 20.26 17.86 18.08 51.16 54.21 67.23 长沙 4 362 3 343 4 105 22.87 16.50 15.38 45.77 51.87 67.60 郑州 4 420 3 283 4 743 22.56 15.38 18.50 47.39 52.75 69.15 重庆 4 059 3 475 4 203 19.60 16.97 21.02 51.52 52.47 66.56 乌鲁木齐 3 769 3 370 4 839 17.28 15.99 22.21 53.33 56.13 58.94 西双版纳 3 580 2 755 3 700 14.55 20.95 18.39 56.20 47.91 58.43 合计 4 486 3 521 4 440 22.32 17.22 18.16 49.41 53.47 65.96 非正规就业农民工的工作收入水平低于正规就业农民工。从月收入来看, 从高到低分别是正规受雇就业农民工的4 486元/月、自雇经营农民工的4 440元/月和非正规受雇就业农民工的3 521元/月。小时工资也呈现同样的规律, 分别是正规受雇就业农民工22.32元/小时、自雇经营农民工18.16元/小时和非正规受雇农民工17.22元/小时。这与张抗私等[18]关于不同就业模式城镇劳动力工资差异的研究发现相一致。
非正规就业农民工的工作强度高于正规就业农民工。自雇经营就业者、非正规受雇就业者和正规受雇就业者的周工作时间分别为65.96小时、53.47小时和49.41小时, 都超过了周最高工作44小时的法定上限, 其中非正规就业农民工程度更甚。
据以上分析, 工作收入水平低而非就业不充分(工作时间不足)可能是导致不同就业模式下农民工贫困风险差异的主要因素。尤其是非正规受雇农民工, 他们的小时工资水平基本在法定最低小时工资附近徘徊。这还只是在静态时点上的观察, 没有考虑较长时间(比如1年内)内非正规就业农民工的摩擦性、周期性失业问题。
已有研究表明, 个人工资收入水平低, 并不一定陷入贫困, 还取决于个人收入是家庭收入的主要来源还是次要来源。如果是前者, 则陷入贫困的风险就高; 如果是后者则低。因此, 我们需要通过回归模型, 考察在控制其他影响因素情况下, 不同就业模式之间贫困风险是否存在显著差异。同时, 进一步考察低工资和非全职就业哪个因素对不同就业模式间贫困风险差异的影响更大。
二 回归结果与解释
表 6展示了关于农民工工作贫困影响因素的logistic回归结果。
表 6 农民工工作贫困影响因素的logistic回归结果变量 全体农民工 正规受雇 非正规受雇 自雇就业 模型(1)
比率比模型(2)
比率比模型(3)
比率比模型(4)
比率比模型(5)
比率比模型(6)
比率比模型(7)
比率比模型(8)
比率比就业模式(以正规受雇为参照) 非正规受雇 1.997*** 1.520*** 1.519*** 1.294** 1.256** (0.193) (0.161) (0.161) (0.140) (0.136) 自雇就业 1.540*** 1.026 1.025 0.902 0.886 (0.155) (0.123) (0.123) (0.111) (0.109) 非全职就业 1.041 2.142*** 3.355*** 1.861*** 2.232*** (0.149) (0.327) (1.479) (0.401) (0.598) 低小时工资 3.742*** 4.191*** 3.279*** 4.044*** 4.953*** (0.320) (0.377) (0.657) (0.574) (0.790) 女性 1.149** 1.148** 0.941 0.921 0.738 0.971 0.930 (0.078 7) (0.078 7) (0.066 4) (0.065 2) (0.140) (0.104) (0.107) 已婚 0.715*** 0.716*** 0.752** 0.766** 0.569 0.706* 1.109 (0.092 6) (0.092 8) (0.101) (0.103) (0.196) (0.131) (0.334) 年龄 0.839*** 0.839*** 0.863*** 0.865*** 0.767*** 0.840*** 1.002 (0.025 4) (0.025 4) (0.026 8) (0.026 9) (0.070 1) (0.036 1) (0.060 4) 年龄平方/10 1.027*** 1.027*** 1.023*** 1.023*** 1.041*** 1.026*** 1.005 (0.004 11) (0.004 11) (0.004 20) (0.004 21) (0.013 0) (0.005 96) (0.007 65) 教育水平(以小学及以下为参照) 初中 0.572*** 0.572*** 0.623*** 0.630*** 0.579 0.626*** 0.647*** (0.053 5) (0.053 5) (0.059 3) (0.060 1) (0.212) (0.089 9) (0.091 4) 高中或中专 0.390*** 0.390*** 0.470*** 0.475*** 0.432** 0.424*** 0.512*** (0.045 4) (0.045 5) (0.056 0) (0.056 6) (0.169) (0.077 3) (0.095 8) 大专及以上 0.260*** 0.260*** 0.379*** 0.385*** 0.326*** 0.340*** 0.490** (0.041 8) (0.041 8) (0.062 0) (0.063 1) (0.140) (0.082 3) (0.170) 迁移范围(以跨省迁移为参照) 省内跨市 1.232*** 1.232*** 1.238*** 1.226** 1.167 1.432*** 1.132 (0.099 4) (0.099 4) (0.103) (0.102) (0.236) (0.190) (0.150) 市内跨县 1.361* 1.359* 1.380* 1.360* 0.494 1.967*** 1.381 (0.226) (0.226) (0.235) (0.232) (0.308) (0.508) (0.357) 流入本地时间 1.035*** 1.035*** 1.036*** 1.037*** 1.074*** 1.046*** 1.017* (0.006 89) (0.006 89) (0.007 03) (0.007 06) (0.021 2) (0.011 8) (0.010 1) 职业地位(白领职业为参照) 蓝领职业 1.087 1.087 0.900 0.885 0.974 0.923 1.771 (0.166) (0.166) (0.142) (0.140) (0.281) (0.195) (1.426) 服务及其他 0.945 0.946 0.803 0.796 0.841 0.714* 2.465 (0.137) (0.137) (0.119) (0.119) (0.240) (0.140) (1.898) 就业行业(以建筑采掘水电煤生产业为参照) 制造业 1.817*** 1.821*** 1.483** 1.517** 0.890 2.003*** 1.147 (0.299) (0.301) (0.250) (0.257) (0.375) (0.437) (0.473) 低端服务业 1.832*** 1.836*** 1.434** 1.453** 1.215 1.697** 1.068 (0.307) (0.308) (0.247) (0.251) (0.558) (0.385) (0.425) 高端服务 2.046*** 2.048*** 1.659** 1.664** 0.913 2.591*** 0.925 (0.396) (0.396) (0.330) (0.332) (0.445) (0.659) (0.481) 农林牧渔业 6.693*** 6.702*** 4.723*** 4.682*** 1.547 5.289*** 4.661*** (1.548) (1.551) (1.125) (1.113) (1.694) (1.798) (2.188) 家庭人口规模 1.173*** 1.173*** 1.132*** 1.126*** 0.989 1.083 1.278*** (0.045 1) (0.045 1) (0.044 7) (0.044 6) (0.112) (0.058 9) (0.093 2) 12岁及以下儿童占比 0.990 0.989 1.197 1.190 5.707*** 1.528 0.758 (0.230) (0.230) (0.286) (0.285) (3.842) (0.559) (0.291) 65岁及以上老人占比 5.613** 5.605** 6.229** 6.268** 75.88** 8.141** 1.494 (3.909) (3.904) (4.439) (4.473) (139.3) (7.865) (2.190) 外出务工人员占比 0.129*** 0.129*** 0.111*** 0.111*** 0.055 3*** 0.079 9*** 0.288*** (0.021 7) (0.021 7) (0.019 1) (0.019 1) (0.024 2) (0.019 8) (0.091 7) 地区因素 yes yes yes yes yes yes yes yes 截距 0.135*** 0*** 0*** 0*** 0*** 0*** 0*** 0* (0.013 0) (0) (0) (0) (0) (0) (0) (0) 对数似然值 -3 424.750 8 -3 111.151 7 -3 111.113 -2 973.506 1 -2 962.081 1 -468.161 87 -1 319.612 8 -1 107.836 样本数 9 151 9 151 9 151 9 151 9 151 1 729 3 817 3 600 注:*** p < 0.01, ** p < 0.05, * p < 0.1, “yes”表示已控制 1.非正规就业农民工是否更容易陷入贫困
以模型(1)作为基准模型。从中可以看出, 在控制地区变量的情况下, 非正规就业农民工的贫困发生比率显著高于正规就业农民工。其中非正规受雇者的贫困发生比率要高出1倍, 自雇就业者的贫困发生比率高出54%。假设1得到一定的证实。但是, 这种差异是由于不同就业模式本身造成的, 还是由于其他相关因素造成的, 并不明确。
模型(2)中加入了社会人口特征、人力资本、同化因素、结构性因素和家庭因素等控制变量, 可以看出非正规受雇者与正规受雇者的贫困发生比率仍存在显著差异。与模型(1)比, 其贫困发生比率下降了23.8%, 但仍比正规受雇者高52%。与此同时, 自雇就业的影响不再显著。说明自雇就业与正规受雇就业之间贫困风险的差别主要是由人力资本等其他因素造成, 而非就业模式本身。这也一定程度上表明自雇就业的就业效果并不比正规受雇差, 而非正规受雇的就业效果要比正规就业差。这与以往的研究结果相印证[25, 41]。在此, 假设2得到证实, 非正规受雇和自雇就业之间的贫困风险有显著差异, 前者高于后者。
2.低工资与就业不充分哪种机制更为关键
模型(2)已经表明, 在控制了相关影响因素的基础上, 非正规受雇者与正规受雇者的贫困发生比率仍存在显著差异; 前文描述性分析也显示, 二者在工资收入和工作时间上也存在显著差别。那么, 低工资和就业不充分究竟哪个机制是造成二者差异的更为关键的因素？
模型(3)在模型(2)的基础上, 加入是否非全职就业变量。可以看到非全职就业的影响并不显著。与模型(2)比, 不同就业模式下农民工贫困发生比率几乎未变。可见, 就业不充分对不同就业模式农民工贫困风险差异的影响并不突出。模型(4)在模型(2)的基础上加入低工资变量, 该变量的影响显著。低工资者的贫困发生比率较非低工资者高2.74倍。与模型(2)比, 在控制了工资水平的情况下, 模型(4)中非正规受雇者的贫困发生比率降低了14.8%, 说明低工资确实对非正规受雇者和正规受雇者之间贫困风险差异有重要影响, 也表明低工资在就业模式与贫困风险关系之间发挥了部分中介作用。通过模型(3)和模型(4)的比较, 可以验证假设3, 即不同就业模式间贫困风险的差别主要因工资水平低而非就业不充分造成。
3.哪些特征的农民工更容易陷入工作贫困
模型(5)将影响工作贫困的所有因素纳入模型, 进一步考察除了上述3个主要解释变量外还有哪些因素对农民工贫困有显著影响。在此全模型中, 非正规受雇者比正规受雇者的贫困发生比率高25.6%, 自雇就业者则无显著差别。低工资的作用更加凸显, 低工资者较非低工资者陷入贫困发生比率高出3.19倍。同时, 非全职就业的影响也变得显著, 在控制了是否低工资变量的条件下, 非全职就业的贫困发生比率较全职者高出1.14倍。需要注意的是, 尽管非全职就业对工作贫困有显著影响, 但是当非全职就业占总体比例很低时, 它对不同就业模式下农民工工作贫困风险差异的作用就很小。其他方面因素的影响如下。
第一, 社会人口因素方面, 性别的影响不显著, 婚姻的影响显著。已婚者比未婚者陷入工作贫困发生比率低。
第二, 人力资本有显著影响。年龄的影响显著, 一次项为正, 二次项为负, 表明工作贫困的发生比率随着年龄的增加先降低然后再增加, 验证了人力资本理论中关于工作经验的作用为“倒U型”的假说。随着受教育水平的提高, 贫困发生比率相应下降, 这与以往的研究结果一致。与跨省迁移相比较, 省内跨市迁移者贫困发生比率高22.6%, 而市内跨县迁移者的贫困发生比率高36%。
第三, 同化因素也有显著影响。到达本地时间越晚, 贫困发生比率越高, 在本地居住时间越长, 贫困发生比率越低。
第四, 结构性因素影响不突出。职业地位并无显著影响, 这在一定程度上表明农民工内部并未产生明显的职业极化现象。就业的行业部门有显著影响。与建筑采掘水煤电生产等艰苦行业比较, 在制造业就业的贫困发生比率要高51.7%, 低端服务业要高45.7%, 高端服务业要高66.4%, 农林牧渔等低生产效率行业的贫困发生比率更是高出3.68倍。这主要是由于艰苦行业多数年轻农民工不愿意进入, 在供需关系的作用下, 这些行业的工资水平相对较高。
第五, 家庭因素对工作贫困有显著影响。随着家庭人口增加, 陷入工作贫困的发生比率增加。65岁以上老年人占比高, 会大大增加农民工陷入贫困的发生比率。12岁以下依赖儿童占比也会增加贫困的风险, 但并不显著。家庭中外出打工人数占比越高, 贫困发生比率越低。
以上是从总体上分析了社会人口特征、人力资本、同化因素、结构性因素、家庭因素对农民工工作贫困风险的影响。但这些因素可能对不同就业模式农民工贫困的影响存在差异, 分析这种差异对农民工工作贫困的精细化治理有重要意义。
4.相同就业模式谁更容易陷入贫困
模型(6)(7)(8)分别对正规受雇、非正规受雇和自雇就业3种不同就业模式农民工陷入工作贫困风险的影响因素进行了回归分析。
第一, 低工资和非全职就业的影响方面。低小时工资对3类就业模式农民工的贫困发生比率均有显著影响。低工资正规就业农民工、非正规受雇农民工和自雇农民工比, 相应的非低工资群体的贫困发生比率分别高出2.28倍、3.04倍和3.95倍; 是否全职就业也有显著影响, 3个群体中, 非全职就业者较之全职就业者贫困发生比率分别高出2.36倍、0.86倍和1.23倍。也可以看出, 低小时工资的机制在非正规就业农民工身上体现更加突出, 这也表明工资收入差距在非正规就业群体内部更突出。非全职就业对正规就业农民工贫困发生比率影响更大。这是由于正规就业的非全职工作者工作可能相对稳定, 但是工资水平可能比较低。
第二, 社会人口特征的影响。性别无显著影响。婚姻对非正规受雇农民工有显著影响, 对其他两类就业模式农民工贫困发生比率无显著影响。已婚非正规受雇农民工的贫困发生比率比未婚的低29.4%, 可能的原因是已婚者为了家庭的生计而更加努力工作的缘故。
第三, 人力资本因素影响。年龄对正规受雇就业和非正规受雇就业均有显著影响, 且影响方向一致, 均随着年龄上升贫困发生比率降低, 到达一定年龄后贫困发生比率又增加。表明受雇就业(包括正规与非正规)更容易受年龄增大体力下降、技能陈旧落后等相关人力资本贬值的影响。年龄对自雇就业者影响则不显著。学历水平对不同就业模式农民工的贫困发生比率均有显著影响。以小学学历为参照:正规受雇农民工初中学历无显著差异, 但高中或中专学历贫困发生比率要低56.8%, 大专及以上的低67.4%;非正规受雇者初中学历、高中或中专学历、大专及以上的则分别低37.4%、47.6%、66%;自雇就业者的相应数据则是低35.3%、48.8%和51%。迁移距离对正规受雇和自雇就业的影响不显著, 但对非正规受雇的影响显著。非正规受雇者中, 省内跨市流动的贫困发生比率较之跨省流动者要高43.2%, 市内跨县流动的更是高96.7%。
第四, 同化因素的影响。流入本地时间对3类就业模式均有正向影响, 即流入本地的时间越晚, 同化程度越低, 贫困发生比率越大。
第五, 就业结构相关因素影响。职业地位仅对非正规受雇农民工有显著影响, 且新蓝领工作比白领工作陷入工作贫困发生比率低, 蓝领则与白领无显著差异, 这与预期的恰恰相反。可能的原因是非正规受雇的新蓝领工作苦、脏、累、险, 较少人愿意承担, 因而工资水平反而较高。就业行业对正规受雇农民工陷入贫困无显著影响, 对非正规受雇有显著影响, 对自雇就业农民工有微弱影响。正规受雇农民工的行业收入差距并不显著。对非正规受雇农民工来说, 与建筑采掘等行业相比, 贫困发生比率由大到小的分别是农林牧渔业、高端服务业、制造业、低端服务业。自雇就业农民工只有从事农林牧渔业与参照组有显著差异, 其他则无显著差异。
第六, 家庭相关因素对不同就业模式农民工贫困发生比率有显著差异。家庭规模因素仅对自雇就业有显著影响, 随着家庭人口增多, 贫困发生比率也在上升。12岁以下儿童占比对正规受雇农民工贫困发生比率有显著影响, 而对其他两类非正规就业农民工无显著影响。65岁以上老人占比对正规受雇和非正规受雇者有显著影响, 而对自雇就业影响不显著。可以看出, 依赖人口的占比对正规受雇者的贫困发生比率影响尤为显著, 其次是非正规受雇者, 对自雇经营者的影响则不显著。可能的原因是自雇就业时间相对自主, 更有助于工作和家庭的平衡。外出务工人员占家庭成员比例对所有就业模式的农民工贫困发生比率都有显著影响。外出务工人员占比越高, 在某种程度上代表家庭的工作密度越高, 则家庭贫困发生比率越低。
综上所述, 假设4得到了验证。不同就业模式下农民工的致贫因素, 既有共性也有差异性。
四. 结论与建议
本研究发现, 非正规就业是农民工在大城市就业的主要模式和途径, 其中非正规受雇就业占比达42%, 自雇就业占比为39%。仅有19%的农民工以正规就业的方式实现在城市就业。
非正规就业农民工的贫困发生率比正规就业农民工贫困发生率高。正规受雇就业农民工贫困发生率为9.99%。非正规受雇农民工则为15.15%, 高出5.16个百分点; 自雇经营农民工为12.32%, 高出2.33个百分点。在控制影响贫困的其他相关因素后, 与正规受雇农民工相比, 非正规受雇农民工贫困发生比率要高25.6%, 自雇就业农民工则无显著差别。
小时工资水平低而非就业不充分在短期时间跨度内是导致工作贫困的主要劳动力市场机制。因此, 适当提高最低工资水平是对劳动力市场干预的应选方案。当然, 就业不充分、非全日制工作也对贫困有显著影响。但大多数农民工都是超时工作而非就业不充分。因此, 规范用工时间, 减少农民工工时, 倒是需要同时解决的问题。
不同就业模式农民工陷入贫困的影响因素既有共性也有差异, 治理上需分类施策。
从人力资本角度看, 学历水平对不同就业模式的农民工均有显著影响。学历水平越高陷入贫困的风险越低。年龄对受雇(正规和非正规)农民工有显著影响, 对自雇农民工无显著影响。迁移距离对非正规受雇农民工有显著影响, 迁移距离越大, 贫困风险越低。这提示人们:一方面要大力发展教育, 让农民工及其子女接受更多的教育, 提升其学历层次; 另一方面, 对受雇农民工, 一要着力加强对年轻农民工的培训, 使其尽快适应岗位, 二要着力做好中老年农民工培训, 推动其更新技能适应社会生产的新要求。此外, 应做好跨省劳务输出合作, 经济发达地区与欠发达地区政府间应在用工信息上加强对接, 在就业服务上加强合作。
从文化适应角度看, 在流入地时间越长, 越有助于降低三类就业模式农民工的贫困风险。这提示人们, 流入地社区要做好农民工的社区融入工作, 帮助他们熟悉掌握本地的风俗习惯、语言文化, 为其提供社会交往的机会, 建立新的社会网络, 提供更多的就业信息。
从结构性因素看, 职业地位和就业行业对农民工工作贫困的风险并无一致结果。职业地位的影响并不显著(非正规受雇农民工略有例外), 表明农民工内部职业极化现象并不突出, 职业地位高低对其贫困风险并无显著差别。就业行业对正规受雇农民工和自雇农民工并无显著差异(自雇于农林牧渔业略有例外, 贫困风险较高), 而对非正规受雇农民工则有显著影响。这表明, 正规受雇和自雇职业有助于减少行业差距对贫困的影响。
从家庭因素看, 家庭中成年劳动力外出就业的比例越高, 越有助于预防贫困; 老年人占比对受雇农民工(正规和非正规)的工作贫困有显著的正向影响; 依赖儿童占比对正规受雇农民工的工作贫困有显著的正向影响。以上结果启发人们, 在双职工模式成为主流家庭模式的情况下, 家庭中有就业收入的人越多, 越有助于减贫; 但有依赖儿童可能会影响家庭工作密度, 尤其是对女性的影响较大, 特别是对正规就业农民工而言; 所以帮助正规就业农民工解决好儿童照料问题, 是预防工作贫困的较好选择。同时, 增加农村老年人养老金水平, 减少抚养家庭的经济负担, 也是减贫的重要选项。依赖儿童和老人对自雇就业的影响均不显著, 从一个侧面反映了自雇就业的优势在于平衡家庭和工作, 要求我们在大众创新万众创业的大背景下, 应将自雇就业农民工纳入帮扶视野, 并予以相应的信贷、税费等政策支持。
总之, 农民工非正规就业比例较高, 推进农民工就业模式的正规化是未来农民工就业政策的方向, 但要分类施策, 区别对待。对非正规受雇者, 要增加劳动合同签订率, 提高社会保险参保率, 增强劳动保护, 使其向正规化方向发展; 同时, 要完善家庭政策, 尤其是儿童照料政策, 提高农民工去家庭化水平, 使正规就业的农民工能够更好平衡家庭与工作, 也有助于更多的非正规就业农民工转而选择正规就业。对自雇农民工要鼓励其发展, 制定宽松激励政策。最后, 应进一步提高农村养老保险待遇标准, 提高农民工家庭去商品化程度, 减轻农民工家庭的养老负担, 此举对各类就业模式农民工家庭提高抵御贫困风险的能力都有积极意义。
(感谢中国社会科学院社会学研究所任莉颖和对外经济贸易大学方黎明对本文提出宝贵建议。) -
表 1 8个城市城镇居民收入贫困线及最低小时工资标准
地区 城镇居民人均可支配收入/(元/月) 收入贫困线/(元/月) 最低小时工资标准 苏州市 4 901 2 940 17 广州市 4 617 2 770 18.3 青岛市 3 931 2 359 16 长沙市 3 912 2 347 15 郑州市 3 004 1 803 16 重庆九龙坡 3 028 1 817 15 乌鲁木齐市 3 086 1 851 16.7 西双版纳傣族自治州 2 267 1 360 13 注:城镇居民人均可支配收入来源于各市(区)2017年国民经济与社会发展统计公报; 收入贫困线=城镇居民人均可支配收入×60%;最低小时工资标准来源于各地人力资源与社会保障局通知公告 
下载: 导出CSV
表 2 农民工工作贫困影响因素分布情况
变量 类别 总体 正规受雇 非正规受雇 自雇就业 就业模式/% 100 19.0 41.7 39.3 核心解释变量 低工资/% 56.17 38.35 61.85 58.72 非全职就业/% 5.09 2.48 6.50 4.86 社会人口特征 女性/% 44.9 44.2 47.3 42.8 已婚/% 78.1 73.96 67.15 91.65 年龄/岁 34.53 31.97 32.87 37.53 年龄平方/10/岁 127.9 108.0 117.7 148.5 学历水平/% 小学及以下 13.4 4.4 14.5 16.7 初中 45.1 29.3 45.6 52.4 人力资本 高中或中专 26.5 30.9 26.3 24.7 大专及以上 14.9 35.5 13.7 6.2 流动范围/% 跨省流动 38.24 45.5 35.9 37.2 省内跨市 55.8 49.3 58.9 55.5 市内跨县 6.0 5.2 5.2 7.3 同化因素 本次流动时间/年 2012 2012 2013 2011 结构因素 职业地位/% 白领 9.2 26.3 9.1 1.1 蓝领 22.7 38.6 30.4 6.8 新蓝领 68.1 35.1 60.5 92.1 就业行业/% 建筑、采掘、水电煤供应 6.1 4.9 9.6 3.1 制造 27.5 51.9 29.2 13.7 低端服务 53.6 23.6 45.7 76.5 高端服务 10.3 19.0 13.1 3.1 农林牧渔 2.5 0.6 2.4 3.6 家庭因素(均值) 家庭成员数 3.1 2.87 2.90 3.41 依赖儿童占比 0.19 0.19 0.16 0.22 65岁及以上老人占比 0.004 4 0.004 5 0.005 0 0.003 8 外出务工人数占比 0.62 0.64 0.65 0.58 样本量 9 178 1 746 3 823 3 604
下载: 导出CSV
表 3 8个城市农民工就业模式分布情况
地区 正规受雇 非正规受雇 自雇经营 频次 占比/% 频次 占比/% 频次 占比/% 苏州 587 43.64 481 35.76 277 20.59 广州 394 29.25 481 35.71 472 35.04 青岛 314 25.47 416 33.74 503 40.79 长沙 140 8.92 541 34.46 889 56.62 郑州 70 4.47 878 56.1 617 39.42 重庆九龙坡 121 23.54 233 45.33 160 31.13 乌鲁木齐 120 12.53 476 49.69 362 37.79 西双版纳 5 0.77 317 49.07 324 50.15 合计 1 751 19.08 3 823 41.65 3 604 39.27
下载: 导出CSV
表 4 8个城市按就业模式分农民工工作贫困发生率
% 地区 正规受雇 非正规受雇 自雇 合计 苏州 12.95 16.22 23.10 16.21 广州 11.17 24.95 26.48 21.46 青岛 6.05 9.62 8.15 8.11 长沙 8.57 20.52 9.00 12.93 郑州 4.29 9.11 5.83 7.60 重庆 5.79 7.73 9.38 7.78 乌鲁木齐 11.67 13.03 10.22 11.80 西双版纳 0.00 22.08 14.20 17.96 合计 9.99 15.15 12.32 13.05
下载: 导出CSV
表 5 8个城市不同就业模式农民工月收入、小时工资收入和周工作时间情况
地区 月工资/元 小时工资/元 周工作时间/小时 正规受雇 非正规受雇 自雇 正规受雇 非正规受雇 自雇 正规受雇 非正规受雇 自雇 苏州 4 754 4 302 4 714 23.50 18.28 19.19 50.48 59.42 65.04 广州 4 661 3 710 4 423 24.42 18.62 18.20 46.15 51.56 68.22 青岛 4 289 3 918 4 789 20.26 17.86 18.08 51.16 54.21 67.23 长沙 4 362 3 343 4 105 22.87 16.50 15.38 45.77 51.87 67.60 郑州 4 420 3 283 4 743 22.56 15.38 18.50 47.39 52.75 69.15 重庆 4 059 3 475 4 203 19.60 16.97 21.02 51.52 52.47 66.56 乌鲁木齐 3 769 3 370 4 839 17.28 15.99 22.21 53.33 56.13 58.94 西双版纳 3 580 2 755 3 700 14.55 20.95 18.39 56.20 47.91 58.43 合计 4 486 3 521 4 440 22.32 17.22 18.16 49.41 53.47 65.96
下载: 导出CSV
表 6 农民工工作贫困影响因素的logistic回归结果
变量 全体农民工 正规受雇 非正规受雇 自雇就业 模型(1)
比率比模型(2)
比率比模型(3)
比率比模型(4)
比率比模型(5)
比率比模型(6)
比率比模型(7)
比率比模型(8)
比率比就业模式(以正规受雇为参照) 非正规受雇 1.997*** 1.520*** 1.519*** 1.294** 1.256** (0.193) (0.161) (0.161) (0.140) (0.136) 自雇就业 1.540*** 1.026 1.025 0.902 0.886 (0.155) (0.123) (0.123) (0.111) (0.109) 非全职就业 1.041 2.142*** 3.355*** 1.861*** 2.232*** (0.149) (0.327) (1.479) (0.401) (0.598) 低小时工资 3.742*** 4.191*** 3.279*** 4.044*** 4.953*** (0.320) (0.377) (0.657) (0.574) (0.790) 女性 1.149** 1.148** 0.941 0.921 0.738 0.971 0.930 (0.078 7) (0.078 7) (0.066 4) (0.065 2) (0.140) (0.104) (0.107) 已婚 0.715*** 0.716*** 0.752** 0.766** 0.569 0.706* 1.109 (0.092 6) (0.092 8) (0.101) (0.103) (0.196) (0.131) (0.334) 年龄 0.839*** 0.839*** 0.863*** 0.865*** 0.767*** 0.840*** 1.002 (0.025 4) (0.025 4) (0.026 8) (0.026 9) (0.070 1) (0.036 1) (0.060 4) 年龄平方/10 1.027*** 1.027*** 1.023*** 1.023*** 1.041*** 1.026*** 1.005 (0.004 11) (0.004 11) (0.004 20) (0.004 21) (0.013 0) (0.005 96) (0.007 65) 教育水平(以小学及以下为参照) 初中 0.572*** 0.572*** 0.623*** 0.630*** 0.579 0.626*** 0.647*** (0.053 5) (0.053 5) (0.059 3) (0.060 1) (0.212) (0.089 9) (0.091 4) 高中或中专 0.390*** 0.390*** 0.470*** 0.475*** 0.432** 0.424*** 0.512*** (0.045 4) (0.045 5) (0.056 0) (0.056 6) (0.169) (0.077 3) (0.095 8) 大专及以上 0.260*** 0.260*** 0.379*** 0.385*** 0.326*** 0.340*** 0.490** (0.041 8) (0.041 8) (0.062 0) (0.063 1) (0.140) (0.082 3) (0.170) 迁移范围(以跨省迁移为参照) 省内跨市 1.232*** 1.232*** 1.238*** 1.226** 1.167 1.432*** 1.132 (0.099 4) (0.099 4) (0.103) (0.102) (0.236) (0.190) (0.150) 市内跨县 1.361* 1.359* 1.380* 1.360* 0.494 1.967*** 1.381 (0.226) (0.226) (0.235) (0.232) (0.308) (0.508) (0.357) 流入本地时间 1.035*** 1.035*** 1.036*** 1.037*** 1.074*** 1.046*** 1.017* (0.006 89) (0.006 89) (0.007 03) (0.007 06) (0.021 2) (0.011 8) (0.010 1) 职业地位(白领职业为参照) 蓝领职业 1.087 1.087 0.900 0.885 0.974 0.923 1.771 (0.166) (0.166) (0.142) (0.140) (0.281) (0.195) (1.426) 服务及其他 0.945 0.946 0.803 0.796 0.841 0.714* 2.465 (0.137) (0.137) (0.119) (0.119) (0.240) (0.140) (1.898) 就业行业(以建筑采掘水电煤生产业为参照) 制造业 1.817*** 1.821*** 1.483** 1.517** 0.890 2.003*** 1.147 (0.299) (0.301) (0.250) (0.257) (0.375) (0.437) (0.473) 低端服务业 1.832*** 1.836*** 1.434** 1.453** 1.215 1.697** 1.068 (0.307) (0.308) (0.247) (0.251) (0.558) (0.385) (0.425) 高端服务 2.046*** 2.048*** 1.659** 1.664** 0.913 2.591*** 0.925 (0.396) (0.396) (0.330) (0.332) (0.445) (0.659) (0.481) 农林牧渔业 6.693*** 6.702*** 4.723*** 4.682*** 1.547 5.289*** 4.661*** (1.548) (1.551) (1.125) (1.113) (1.694) (1.798) (2.188) 家庭人口规模 1.173*** 1.173*** 1.132*** 1.126*** 0.989 1.083 1.278*** (0.045 1) (0.045 1) (0.044 7) (0.044 6) (0.112) (0.058 9) (0.093 2) 12岁及以下儿童占比 0.990 0.989 1.197 1.190 5.707*** 1.528 0.758 (0.230) (0.230) (0.286) (0.285) (3.842) (0.559) (0.291) 65岁及以上老人占比 5.613** 5.605** 6.229** 6.268** 75.88** 8.141** 1.494 (3.909) (3.904) (4.439) (4.473) (139.3) (7.865) (2.190) 外出务工人员占比 0.129*** 0.129*** 0.111*** 0.111*** 0.055 3*** 0.079 9*** 0.288*** (0.021 7) (0.021 7) (0.019 1) (0.019 1) (0.024 2) (0.019 8) (0.091 7) 地区因素 yes yes yes yes yes yes yes yes 截距 0.135*** 0*** 0*** 0*** 0*** 0*** 0*** 0* (0.013 0) (0) (0) (0) (0) (0) (0) (0) 对数似然值 -3 424.750 8 -3 111.151 7 -3 111.113 -2 973.506 1 -2 962.081 1 -468.161 87 -1 319.612 8 -1 107.836 样本数 9 151 9 151 9 151 9 151 9 151 1 729 3 817 3 600 注:*** p < 0.01, ** p < 0.05, * p < 0.1, “yes”表示已控制
下载: 导出CSV
-
[1] BRÜLLE J, GANGGL M, LEVANON A, et al. Changing labour market risks in the service economy:low wages, part-time employment and the trend in working poverty risks in Germany[J]. Journal of European Social Policy, 2019, 29(1):115-129. http://www.researchgate.net/publication/326210930_Changing_labour_market_risks_in_the_service_economy_Low_wages_part-time_employment_and_the_trend_in_working_poverty_risks_in_Germany
[2] 向德平, 华汛子.改革开放四十年中国贫困治理的历程、经验与前瞻[J].新疆师范大学学报(哲学社会科学版), 2019, 40(2):59-69. [3] 胡鞍钢, 杨韵新.就业模式转变:从正规化到非正规化——我国城镇非正规就业状况分析[J].管理世界, 2001(2):69-78. http://d.old.wanfangdata.com.cn/Periodical/bjgydxxb-shkx201201003 [4] 蔡武.劳动力市场分割、劳动力流动与城乡收入差距[J].首都经济贸易大学学报, 2012, 13(6):51-59. http://d.old.wanfangdata.com.cn/Periodical/sdjjmydxxb201206007 [5] 薛进军, 高文书.中国城镇非正规就业:规模、特征和收入差距[J].经济社会体制比较, 2012(6):59-69. http://d.old.wanfangdata.com.cn/Thesis/Y769681 [6] 赵云, 石美遐, 任尤天.促进灵活就业减少城市贫困[J].山西财经大学学报, 2007(S1):18-19. http://d.old.wanfangdata.com.cn/Periodical/sxcjdxxb2007z1016 [7] 吴要武, 蔡昉.中国城镇非正规就业:规模与特征[J].中国劳动经济学, 2006, 3(2):67-84. http://d.old.wanfangdata.com.cn/Thesis/Y769681 [8] 李强, 唐壮.城市农民工与城市中的非正规就业[J].社会学研究, 2002(6):13-25. http://d.old.wanfangdata.com.cn/Periodical/ncjj201212025 [9] 万向东.农民工非正式就业的进入条件与效果[J].管理世界, 2008(1):63-74. http://d.old.wanfangdata.com.cn/Periodical/glsj200801007 [10] 杨凡.流动人口正规就业与非正规就业的工资差异研究——基于倾向值方法的分析[J].人口研究, 2015, 39(6):94-104. [11] 胡凤霞, 姚先国.农民工非正规就业选择研究[J].人口与经济, 2011(4):23-28. [12] HOREMANS J. Atypical employment and in-work poverty[M]//LOHMANN H, MAX I. Handbook on In-Work Poverty. Cheltenham, UK: Edward Elgar, 2018: 146-170.
[13] 李小瑛, 赵忠.城镇劳动力市场雇佣关系的演化及影响因素[J].经济研究, 2012, 47(9):85-98. [14] VAN L W. The European world of temporary employment[J]. European Societies, 2012, 14(1):83-111.
[15] 姚建平.中国城市工作贫困化问题研究——基于CGSS数据的分析[J].社会科学, 2016(2):42-51. http://d.wanfangdata.com.cn/Periodical/shkx201602005 [16] HIPP L, BERNHARDT J, ALLMENDINGER J. Institutions and the prevalence of nonstandard employment[J]. Socio-Economic Review, 2015, 13(2):351-377.
[17] 赵建.临时就业问题研究评述[J].经济学动态, 2011(7):131-136. [18] 张抗私, 刘翠花, 丁述磊.正规就业与非正规就业工资差异研究[J].中国人口科学, 2018(1):83-94. http://d.old.wanfangdata.com.cn/Periodical/nfjj201204003 [19] GIESECKE J, GROβ M. Temporary employment:chance or risk[J]. European Sociological Review, 2003, 19(2):161-177. http://d.old.wanfangdata.com.cn/Periodical/wlhxxb201803009
[20] GIESECKE J. Socio-economic risks of atypical employment relationships:evidence from the German labour market[J]. European Sociological Review, 2009, 25(6):629-646. http://cn.bing.com/academic/profile?id=f3d25ac990b39ee327bc32d56a9a2ba3&encoded=0&v=paper_preview&mkt=zh-cn
[21] KALLEBERG A L. Precarious work, insecure workers:employment relations in transition[J]. American Sociological Review, 2009, 74(1):1-22. http://cn.bing.com/academic/profile?id=fa72c7120b8eba7195361954a35bc986&encoded=0&v=paper_preview&mkt=zh-cn
[22] 翁玉玲.我国农民工地位弱化的制度反思——以非正规就业法律规制为视角[J].农业经济问题, 2018(6):98-107. [23] 祝建华, 颜桂珍.我国城市新贫困群体的就业特征分析[J].中州学刊, 2007(3):116-120. http://d.old.wanfangdata.com.cn/Periodical/zzxk200703034 [24] CRETTAZ E. A state-of-the-art review of working poverty in advanced economies:theoretical models, measurement issues and risk groups[J]. Journal of European Social Policy, 2013, 23(4):347-362. http://esp.sagepub.com/content/23/4/347.abstract
[25] 胡凤霞.农民工自雇佣就业选择研究[J].宁夏社会科学, 2014(2):50-56. http://d.old.wanfangdata.com.cn/Periodical/nxshkx201402010 [26] 李树茁, 王维博, 悦中山.自雇与受雇农民工城市居留意愿差异研究[J].人口与经济, 2014(2):12-21. http://d.old.wanfangdata.com.cn/Periodical/rkyjj201402002 [27] 都阳, 万广华.城市劳动力市场上的非正规就业及其在减贫中的作用[J].经济学动态, 2014(9):88-97. http://www.cqvip.com/QK/93743X/20149/662207024.html [28] LOHMANN H. The concept and measurement of in-work poverty[M]//LOHMANN H, MAX I. Handbook on In-Work Poverty. Cheltenham, UK: Edward Elgar, 2018: 7-25.
[29] 鲁大明.韩国的劳动贫困阶层和脱贫政策: 未完成的改革[M]//王春光.社会政策评论(第7辑).北京: 社会科学文献出版社, 2017: 101-122. [30] 张盈华.工作贫困:现状、成因及政府劳动力市场政策的作用——来自欧盟的经验[J].国际经济评论, 2016(6):121-133. http://d.old.wanfangdata.com.cn/Periodical/gzcjxyxb201406012 [31] 杨舸.流动人口与城市相对贫困:现状、风险与政策[J].经济与管理评论, 2017, 33(1):13-22. http://d.old.wanfangdata.com.cn/Periodical/gzshkx201210025 [32] 杨菊华.城乡差分与内外之别——流动人口劳动强度比较研究[J].人口与经济, 2011(3):78-86. [33] LOHMANN H. Welfare states, labour market institutions and the working poor:a comparative analysis of 20 European countries[J]. European Sociological Review, 2009, 25(4):489-504. http://cn.bing.com/academic/profile?id=e45576a22afc269f779c051ea5ed63b6&encoded=0&v=paper_preview&mkt=zh-cn
[34] KAZEMIPUR A, HALLI S S. Immigrants and "New Poverty":the case of Canada[J]. International Migration Review, 2001, 35(4):1129-1156. http://cn.bing.com/academic/profile?id=8ff7d2664d395a57017b48fdc0523c17&encoded=0&v=paper_preview&mkt=zh-cn
[35] ÁLVAREZ-MIRANDA B. In-work poverty among immigrants[M]//FRASER N, GUTIÉRREZ R, PENA-CASAS R. Working poverty in Europe: a comparative approach. London: Palgrave Macmillan UK, 2011: 250-277.
[36] 王美艳.农民工的贫困状况与影响因素——兼与城市居民比较[J].宏观经济研究, 2014(9):3-16. [37] 杨帆, 庄天慧.我国农民工贫困问题研究综述[J].西南民族大学学报(人文社科版), 2017, 38(11):109-115. http://d.old.wanfangdata.com.cn/Periodical/xnmzxyxb-zxshkxb201711018 [38] 杨肖丽, 景再方.农民工职业类型与迁移距离的关系研究——基于沈阳市农民工的实证调查[J].农业技术经济, 2010(11):23-29. [39] 李实, 吴彬彬.中国外出农民工经济状况研究[J].社会科学战线, 2020(5):36-52. [40] 寇竞, 胡永健.城镇劳动者个人和家庭因素对工作贫困的影响分析[J].贵州财经大学学报, 2014(6):90-94. http://d.old.wanfangdata.com.cn/Periodical/gzcjxyxb201406012 [41] 李振刚, 张建宝.劳而不富:青年农民工缘何工作贫困[J].社会发展研究, 2019, 6(4):134-153. http://d.old.wanfangdata.com.cn/Periodical/xzqykj200209016 -
期刊类型引用(12)
1. 郝君富，席飞扬. 学前儿童照料方式对农民工工作贫困的影响研究. 北京联合大学学报(人文社会科学版). 2025(01): 52-65 . 
百度学术
2. 陈传波，高端阳，李睿. 社会保险降费改革对农民工就业类型的影响研究. 农业技术经济. 2024(05): 43-57 . 百度学术
3. 解静. 农村“留守”妇女参与非正规就业的特殊社会化经历研究——基于广东省N编织工厂的研究. 中国市场. 2024(26): 25-28 . 百度学术
4. 高喆，邱嘉怡，余家怡，李昱霄，敖荣军. 高学历人才逆向梯次迁移现象及机制研究——以北上广深应聘至武汉的中小学教师为例. 地理研究. 2023(01): 123-136 . 百度学术
5. 樊丹迪. 成员非正规就业对家庭稳定脱贫的影响——基于PSM方法对低收入和低保家庭的检验. 社会建设. 2023(02): 83-96 . 百度学术
6. 孟现玉. 积极促进理念下失业保险法律制度转型的逻辑与路径. 时代法学. 2023(01): 53-66 . 百度学术
7. 周俊江. 非正规就业的社会影响与政府态度转变. 经营与管理. 2023(06): 137-142 . 百度学术
8. 刘璐婵，丁鸽. 我国城市贫困研究的知识图谱——基于CSSCI来源期刊的文献计量分析. 山东行政学院学报. 2022(01): 113-123 . 百度学术
9. 吴小芳. 城市工作贫困的结构性成因——基于中国劳动力动态调查（CLDS）的实证研究. 城市观察. 2022(03): 91-102+162 . 百度学术
10. 王宁娜，肖莹，廖小清. 中国非正规就业研究热点及发展趋势——基于CiteSpace的知识图谱分析. 广西职业师范学院学报. 2022(04): 1-9 . 百度学术
11. 曹清峰. 中间品进口种类多样化、技能异质性与农村劳动力城市就业. 国际经贸探索. 2021(07): 35-49 . 百度学术
12. 李振刚，张建宝，黄璜. 学前儿童正规照料是否有助于缓解青年农民工工作贫困——来自50个大中城市的经验证据. 中国青年研究. 2021(12): 72-80 . 百度学术
其他类型引用(23)
计量
- 文章访问数: 163
- HTML全文浏览量: 12
- PDF下载量: 33
- 被引次数: 35