一、引言
对于评价发展中国家的经济业绩并解释经济发展成果的分享方式而言，著名的刘易斯模型（Lewis, 1954）无疑提供了一个很好的框架。在一个竞争性的市场经济国家中，只有当经济从存在剩余劳动力的古典阶段也即第一发展阶段进入到劳动力稀缺的新古典阶段也即第二发展阶段时，实际劳动收入才会普遍上升。在这一转折点到达之前，经济增长的成效体现为对剩余劳动力的吸收，而不是劳动收入的普遍上升。在越过这一转折点之后，劳动力稀缺可以成为缓解劳动收入分配的不均等的重要因素。日本（20世纪50年代或60年代）和韩国（20世纪60年代或70年代）的经验，很好地诠释了从古典发展阶段向新古典发展阶段的转变过程。毫无疑问，中国在改革初期是一个典型的劳动力剩余型经济体，农村（表现为公社内部的不充分就业）和城市（表现为国有企业内部的不充分就业）都存在剩余劳动力。改革开放以来，中国经济得到了快速发展，1978～2008年这30年期间的年平均增长率超过9％。然而，劳动力人数在同一时期增长了3.8亿，从相对量看则增长了90％，相当于年均增长率为2.3％。一个饶有兴味的问题便是，剩余劳动力是否已经被快速发展的经济有效地吸收？
一些学者依据某些地区农民工工资上升的报告或数据，认为中国已经到达了刘易斯转折点（Cai et al., 2007; Park et al., 2007；王德文，2008）。但有学者认为，农民工工资几乎没有增长（Du and Pan, 2009; Meng and Bai, 2008）。还有学者认为，有证据表明中国农村地区还存在着较大规模的剩余劳动力（Kwan, 2009; Minami and Ma, 2009）。刘易斯转折点也成为出现在媒体上的一个热点话题。例如，国务院的一位参事指出，中国在未来40年内的劳动力资源都是充足的（Xin and Shan, 2010）。对剩余劳动力问题出现了两种截然不同的判断，这种状况部分地反映了数据的匮乏，导致难以对这两种假说进行检验。然而，这两种判断有可能都包含着正确的成分。但问题在于如何将表面上相互冲突的论据予以整合，而本文将试图提供解决这一难题的可行途径。具体而言，本文试图分析农民工的工资决定机制，判断农民工工资是否出现了增长的趋势，并考察工资变动的原因。本文也估计了农村劳动力外出的概率模型，分析未外出人员选择留在农村的原因，并估算农村地区潜在的可供转移的农民工数量。由于劳动力市场处于快速变动之中，因此本文也对未来十年间的劳动力供求状况进行了预测，以描绘剩余劳动力规模的变动趋势并判断劳动力市场转折到来的大致时间。
本文的第二节将简要描述刘易斯模型；第三节提供中国劳动力市场发展趋势的一些背景信息；第四节回顾了与本文研究主题相关的文献；第五节描述了本文使用的2002年和2007年全国住户调查数据；第六节介绍了最低工资和农民工工资机制的已有研究，估计了农民工的工资方程，以考察并解释中国城镇地区农民工的工资机制及其变动；第七节基于农村住户调查数据，估计了劳动力外出的probit模型，估算出农村地区潜在的可供转移的农民工数量；第八节对未来的劳动力需求和供给进行了预测；第九节讨论了上面提到的疑问并总结全文。
二、刘易斯模型
刘易斯模型已被世人所熟知，因此我们在这里只对该模型进行非正式的论述。刘易斯转折点的产生有两种可能的机制。一个机制是农村（或农业或非正规）部门劳动力的边际物质产品，随着劳动力逐渐离开这个部门，土地和自然资源相对于劳动力的比率也随之提高，从而使得劳动力的边际产出得以提高。另一个机制为农业和工业部门之间贸易条件的改善。随着对农产品需求的上升或（和）农产品供给的减少，劳动力的边际产品价值将会上升。
根据劳动力外出目的的不同，农村劳动力的供给价格与劳动的边际产出或者平均产出有关。刘易斯假定，在边际产出超过平均产出之前，平均产出都影响着劳动力的供给价格。边际产品的增加会直接或间接地提高农村劳动力的供给价格，这表现为对城市部门的劳动力供给的曲线最终会向上倾斜。相应地，劳动力向城市部门的进一步转移将提高在该部门内由市场决定的实际工资水平。
上述的劳动力转移过程有助于我们理解，日本等现今的发达市场经济国家以及韩国和台湾地区等稍晚取得成功的工业化经济体是如何实现了生活水平的全面提高。但是，在应用刘易斯模型来描述欠发达国家的发展进程之前，我们需要了解刘易斯模型的限制性条件及其修正。
首先，刘易斯模型描述的古典阶段和新古典阶段并不存在清晰的分界点。这主要有两个原因：地区异质性和劳动力的不完全流动意味着一些地区会比其他地区更早地碰到劳动力稀缺问题；此外，农民工的机会成本更有可能是缓慢上升，而不是跳跃式地增长，因此，城市部门的劳动力供给曲线会呈现缓慢上升的态势。
第二，在许多情形中，农业部门并不等同于农村部门和非正规部门，而工业部门也不等同于城市部门和正规部门。农村地区的工业能够为劳动力提供重要的就业途径，城市非正规部门也能成为吸收剩余劳动力的重要渠道。
第三，农村部门存在资本积累和技术进步，从而提高劳动力边际产出和平均产出。因此，在农村劳动力外流影响劳动力的供给曲线之前，农村劳动力的供给价格就已经发生了变化。农村劳动力供给价格的这一增长是外生的，而不是内生于劳动力转移过程。
第四，正规部门的实际工资可能由非市场因素决定而高于市场出清水平。效率工资、劳动力流转（labor turnover）、工资的利润分享理论、由制度或谈判决定的工资，都是非市场因素的体现。这一工资水平可能与市场出清工资无关，也有可能与其有正向关系。如果农民工的工资水平被设在高于市场出清工资的水平，那么城镇地区将会出现农民工的过度供给。这一现象可以由外出概率模型来刻画：农民工在城镇地区的失业率将会上升，直到他们的预期工资（城镇工资乘以在城镇地区被雇用的概率）等于农民工的供给价格。
第五，城市（工业或正规）部门的发展会导致压力集团的产生，使得城市部门在权力分配中处于有利位置，从而损害其他部门的利益。城市偏向的经济政策能够损害农村部门，使得农村部门不能及时分享到经济增长的成果。
第六，城乡之间的贸易条件的改善在一定程度上能够提升农村收入。在某些国家，价格更多地受到政府干预或者是国际价格和汇率的影响，而不仅仅是农村和城市商品的相对供给和
需求。
最后，相对于劳动力规模的增长而言，城市（工业或正规）部门对劳动力需求的增加幅度可能过小。如果劳动力数量和正规部门就业人数之间的差距拉大，那么经济将远离而不是趋近转折点。
上述对刘易斯模型的阐述表明，中国的劳动力市场转型可能并不是瞬间完成的，可能会出现刘易斯转移阶段而非刘易斯转折点。此外，正规和非正规就业都有可能成为农民工在城市的就业选择，因此，本文将农民工细分为工资就业者和自我雇佣人员，分别考察了工资和自我经营性收入的影响因素以及变动趋势。由于农村劳动力的供给价格影响到农村劳动力的外出决策，本文在估计外出的概率模型时，分析了农村劳动力的供给价格的作用。农民工所面对的劳动力市场存在制度性分割因素，制度性分割不仅体现在城市居民和农民工之间的分割，而且也体现在不同城市之间农民工劳动力市场的分割。基于这一认识，本文在构建对农民工的需求的代理变量时，生成了每一城市对农民工的单独需求而非全部样本城市对农民工的需求的加总。此外，本文也分析了农民工工资在不同城市之间是否存在趋同的现象。
三、中国劳动力市场的变化趋势
早在几十年以前，中国的可用土地数量就达到了极限。1952～1995年期间，播种面积的增长幅度不到6％。而在同一时期，农村劳动力却增加了150％，并在1995年达到最高点。改革开放前，人民公社中存在着剩余劳动力，但剩余劳动力却被工分制所掩盖。许多研究测算了中国农村劳动力的剩余程度，但估计结果之间的差异较大。然而，大多数研究表明，剩余劳动力在20世纪80年代占到了农村劳动力的30％（Taylor, 1988; Knight and Song, 1999）。
作为宽松人口政策的滞后效应，农村劳动力在20世纪80年代迅速增长。而在70年代后期提出的计划生育政策，只是到了90年代后期才开始影响到劳动力市场。表1列出了1995～2007年期间的关于劳动力人口和就业数量的几个指标。农村劳动力从90年代中期开始缓慢下降。随着农村非农就业的增长（平均每年增长1.6％），从事农业的劳动力数量显著下降（年均1.4％）。城镇就业数量快速上升（年均3.7％），而正规部门的就业（包括国有企业和城镇集体企业）实际上呈现出下降的态势（年均2.2％），城市非正规就业则是发展最快的部门（就业年均增长13.1％）。
城镇本地劳动力的自然增长过于缓慢，以致于无法满足城镇雇主日益增长的对劳动力的需求，农民工则恰好填补了这一缺口。盛来运（2008）利用国家统计局的数据，估算出农民工的数量从1995年的3000万增加到了2006年的1.32亿。外出务工人员占农村劳动力的比重从1995年的7％至少上升到了2006年的26％。尽管很难准确地测度每年的农民工数量，但这几个判断应该是没有争议的：农民工的数量大概每年增长14％，农民工是近10年来劳动力各个组成部分中增长最为迅速的部分。
表1也显示，城镇的平均实际工资在1995～2007年间的年均增长率为11.2％，这一增长幅度要远高于农村实际人均收入年均6.3％的增长幅度。然而，官方统计的城镇职工的工资水平并没有将农民工包括在内。城镇职工的工资不仅受到体制和政治考量的影响，而且在近年来也受到了非正规性质的利润分享的影响，后者是与效率工资理论相一致的。而农民工的工资决定机制与城镇职工并不相同（Knight and Li, 2005; Knight and Song, 2005）。因此，官方数据所显示出的工资增长趋势，并不等于农民工的工资也出现了同样幅度的增长，我们需要单独研究农民工的工资变动状况。
根据国家统计局调研组（2006）和都阳（2008）的研究，农民工在2002年、2003年、2004年、2005年、2006年、2007年的月工资（2002年价格）分别为659元、696元、748元、813元、880元、904元。中国居民收入分配课题组的2007年调查数据表明，城镇居民与农民工的月平均工资的比率为1.49。尽管相比城镇居民而言，农民工更多地受到市场因素的影响，但农民工的工资还是要高于他们的机会成本。2007年的调查数据也询问了农民工如果留在农村会得到的收入水平，发现农民工在城镇地区得到的工资水平与他们留在农村所获得的收入水平之间的比率为2.43。根据外出务工的概率模型可知，城乡收入差距应该会吸引农村劳动力大量涌入城市，并在外出的农民工中间形成较为严重的失业问题。然而，中央政府与地方政府在城镇地区所施加的对农民工就业及安置方面的约束，使得农民工的失业问题并不严重（Knight and Song, 2005）。根据估计，2002年中国城镇地区的农民工失业率仅为2.8％（李实、邓曲恒，2004）。
四、文献综述
已有许多文献讨论了中国的刘易斯转折点，但并没有形成一致的认识。Cai等（2007）、Park等（2007）和王德文（2008）认为中国已经到达了刘易斯转折点，他们的观点部分地是基于近年来农民工工资的上升。然而，不同的调查所得到结果也是不同的，农民工工资上升这一证据仍需要更深入的考察。例如，Meng和Bai（2007）对广东农民工进行了小范围案例研究，并提供了农民工工资并没有上升的证据。但是，Meng和Bai（2007）的样本数太小而且具有较强的选择性，因而并不具有代表性。
另一个方法是研究农业劳动力的供给和需求。蔡昉和王美艳（2007）使用官方估计的“劳动力需求量”，推算出当前农村的剩余劳动力已经为数不多了。他们从农村劳动力总量（4.85亿）中减去非农就业（农村工业和农民工）的农村劳动力数量（2.3亿），得到农业劳动力的供给（2.55亿）。根据每一农作物的播种面积（亩）乘以单位用工数量（劳动日），蔡昉和王美艳（2007）计算出种植业的劳动力需求量，并用类似的方法计算了饲养业的劳动力需求量①。
接下来，蔡日方和王美艳（2007）假设从事农业的劳动力每年工作230天，那么通过计算得到的农业劳动力需求量为1.8亿，剩余劳动力则为0.75亿（占农业劳动供给的32％）。如果每年工作320天，则农业劳动力需求量减少到1.3亿，剩余劳动力增加到1.25亿（占农业劳动供给的49％）；如果每年工作180天，则农业劳动力需求量增加到2.3亿，剩余劳动力减少到0.25亿（占农业劳动供给的10％）。
然而，由于农村地区存在着较为普遍的兼业现象，而且农业生产和非农就业在家庭内部也可能存在替代的可能性，因此准确定义农业劳动力和非农劳动力并不容易实现。许多被定义为非农就业的劳动力可能也同时从事一定
程度的农业生产，而许多农业劳动力则可能只在农业上投入极少的时间。这部分农业劳动力之所以采取这样的劳动力供给模式，并不是因为他们实现了充分就业，而是因为与劳动在他们的土地上的边际产出相比，更多的农业劳动时间并不可取。因此，农业劳动时间越少，可能表明存在着越多的剩余劳动力。然而，正如蔡昉和王美艳（2007）的计算结果所表明的，农业劳动时间越少，也可能说明农业劳动力需求量越大，而剩余劳动力也就越少。因此，利用劳动力需求量推算剩余劳动力的方法并不令人信服。
Kwan（2009）、Isalm和Yokota（2008）、Minami和Ma（2008）使用生产函数法考察了剩余劳动力问题，并认为农业部门的剩余劳动力数量从全国范围来看有所下降，但仍保持在较高的水平。例如，Kwan（2009）使用省级面板数据估计了中国农业的随机成本前沿函数，计算了必需的劳动力数量以及实际使用的劳动力数量。其研究结果表明，剩余劳动力数量在整个改革期间有所减少，但受加入世贸组织等因素的影响，剩余劳动力数量在进入21世纪后实际上有所上升，并且保持着相当的规模。Cai（2008）和Park等（2008）考察了人口转变，认为中国的劳动力数量在2020年左右将开始减少。他们把预测到的劳动力增速的减少，视为刘易斯转折点已经到达或正在逼近的标志。
Chen和Hanori（2009）的研究方法与我们类似。他们利用了2000年中国健康和营养调查数据（CHNS），估计了多元logit模型，预测了农村人口在不同就业部门（农业、本地非农就业、外出务工）的选择，并估计了农民工的工资方程。Chen和Hanori（2009）发现，教育程度、男性、30岁以下、家中没有幼童、其他家庭成员的收入较高、人均耕地较少等因素会增加外出务工的概率；只有在农民工获得（极少的）技能型工作、处于30岁以下并且其他家庭成员收入较高的情形下，农民工的小时工资才会随着教育水平的提高而提高。Chen和Hanori（2009）认为，缓解农民工的短缺问题，可以并且必须通过提高农村居民的教育水平以及消除户籍制度的约束等不利于劳动力流动的人为限制来实现。
总之，不同的方法所得出的观点也不同。而数据和经验证据的来源也是极为广泛，这导致了相互冲突的结论的出现。那么，能否从这些繁杂甚至相左的证据和观点中得到对剩余劳动力这一难题的合理解释和认识呢？
五、数据
本文使用的数据来自中国居民收入分配课题组（CHIP）的2002年和2007年住户调查。调查包括3种类型的住户：城镇家庭、农村家庭和农民工家庭。这3种类型的住户调查是分开进行的，其中城镇家庭和农村家庭的样本是国家统计局大样本中的一部分。
2002年的农村住户调查覆盖22个省份，在选择调查省份时充分考虑了代表性问题。其中北京代表直辖市，河北、辽宁、江苏、浙江、山东和广东代表沿海地区，山西、吉林、安徽、江西、河南、湖北和湖南代表中部地区，四川、重庆、贵州、云南、广西、陕西、新疆和甘肃代表西部地区。样本户在22个省份的分布大致等同于这些省份的人口数的相对比例。各省份统计局根据收入分层抽取样本县和样本户，每个样本县中至少有50个调查户。在2002年的农村住户调查中，总计有120个调查县、9200个样本户、37969个人。2002年的城镇家庭住户调查只包含上述22个省份中的12个：北京、山西、辽宁、江苏、安徽、河南、湖北、广东、重庆、四川、云南和甘肃，总计有70个城市、6835个样本户和20632个人。调查问卷由课题组成员设计。为了精确估计家庭可支配收入，调查问卷包括了详尽的收入信息。调查户被要求回答每一就业人员的工资性收入与其他收入以及家庭经营收入等。农村调查户还回答了在本乡以及本乡之外工作时间的有关信息。有关收入的问题包括每个家庭成员的工资性收入和其他收入，也包括家庭经营收入。
2002年的农民工调查则包括了2000个调查户，其中沿海和中部的每个省份都抽取了200户，西部省份的每个省份则抽取了150个家庭。农民工被定义为在城镇居住了6个月以上的农村户籍人员。对农民工调查而言，每个省份的省会城市抽取100个调查户，而中等城市抽取50个调查户。在每个城市中，农民工家庭都是通过社区进行入户调查的，因此居住在建筑工地和工厂的农民工不包括并没有包括在调查中。农民工调查的问卷包括工资、经营性收入、消费、家庭成员的就业特征等问题。
2007年的农村、城市和农民工调查在9个相同的省份进行：上海、江苏、浙江、安徽、河南、湖北、广东、重庆和四川。城镇家庭和暂住户调查覆盖15个城市，而农村住户调查覆盖80个县的800个村庄。样本包括8000个农村住户、5000个城市住户和5000个流动人口住户。与2002年的调查相类似，2007年的农村住户和城市住户样本是从国家统计局大样本中提取的子样本，而流动人口调查则是单独实施的。为确保两年调查样本的可比性，我们将分析样本限定在两年调查都覆盖的省份。
2007年的调查问卷尽可能多地保留了2002年调查所询问的问题。此外，2007年调查新增加了关于流动人口身份和行为的一些信息。2002年和2007年的农民工调查在抽样方法上存在差异。在2007年调查中，流动人口家庭是从他们的工作地点抽取的，而在2002年调查中流动人口家庭则是从居住社区抽取的。因此，从事自我经营的流动人口在2002年调查中的比例较高。相比与居住在其他地方的流动人口而言，居住在社区的流动人口具有更高的收入，因此2002年数据中的农民工工资要系统性地高于2007年数据中的农民工工资。为了纠正这一偏差，我们在2007年的农民工调查中，只选取了居住条件与2002年相仿的流动人口。
六、农民工工资
（一）其他研究
本节我们讨论关于农民工工资的几项研究，以考察农民工的工资是否在近年来有所上升。如果农民工的工资确实上升了，那么我们需要知道其原因是否为农民工稀缺的增大。我们首先讨论都阳和Du和Pan（2009）的研究。Du和Pan（2009）考察了2001年和2005年这两个时点之间农民工工资的变化、最低工资制度的发展以及其对农民工的影响。Du和Pan（2009）的数据来源为主要在大中城市实施的最低工资标准以及中国城市劳动力市场调查（CULS）数据。中国城市劳动力市场调查覆盖了上海、福州、武汉、沈阳和西安5个大城市。尽管有关最低工资标准的数据可以追溯到1995年，但劳动和社会保障部直到2004年才颁布了《最低工资规定》，以推广并推进最
低工资制度。近年来农民工工资的上升能否归因为最低工资标准的上调？在2001～2005年期间，上述5个城市的名义月最低工资标准上升了45％，实际水平的月最低工资上升了38％（根据城市消费价格指数进行调整，这一价格指数在此期间只上升了4.8％），这相当于两者平均每年分别增长9.7％和8.4％。同一时期，中国城市劳动力市场调查数据中的农民工月平均工资年均上升了2.6％（名义水平）和1.4％（实际水平）。因此，相对于最低工资标准，农民工的工资水平反而下降了。
最低工资标准无法影响农民工工资的原因可能在于，雇主通常执行的是月最低工资标准，而农民工的工作时间较长（2005年1周平均为61个小时）。然而，青年农民工的工资值得进一步探讨。农民工的工资增长幅度随着年龄的增长而单调下降，因此青年农民工的工资增长幅度最大。对这一现象的一个解释是，面对农民工的日益稀缺，雇主不得不采取措施吸引新的农民工。还有一个解释则与最低工资有关。农民工的平均工资大体上随着年龄的提高而单调增长。因此，青年农民工工资水平的较大幅度增长反映了最低工资标准及其上调幅度的作用。对城镇本地劳动力而言，并不存在类似的工资增长模式。这是因为城镇本地劳动力的工资水平较高，较少地受到最低工资标准上调的影响。可以认为，某些年龄组农民工的工资增长是由最低工资制度而非市场力量导致的，我们无法排除这种可能性。
赵长保和武志刚（2007）利用农业部固定观察点的农村住户调查数据（包括24000个调查户，覆盖31个省份的314个村），分析了2003年和2006年期间农民工月平均工资的变化。在2003～2006年期间，农民工的名义平均工资年均增长了6.9％，实际平均工资每年增长了3.9％。但是，实际工资的年增长率在2004年为负，在2006年又上升到9.8％，这或许是因为劳动力稀缺只是出现在2006年。将农民工的工资水平与同一时期的农村家庭人均收入（国家统计局，2008）相比是很有助益的。农村家庭人均收入的增长速度要快于农民工的平均工资（两者的年均增长率分别为8.0％和3.9％）。即使是在2006年，两者在增长率上的差异也不大（分别为8.5％和9.8％）。因此，农民工工资与家庭人均收入的比率在2003～2006年期间下降了。当然，正如刘易斯模型所预测的，劳动力流动最终会导致农民工工资和农村收入的上升。因此，我们有必要对农村收入的增长进行分解，以判断农村收入的增长究竟是外生的还是内生的。农村家庭人均实际收入增长部分地是外生因素所致：一是税费的减免，二是家庭人口的减少。其他因素（如农业生产率和产品价格的变化）既可能是外生的，也有可能是内生的。但来自农民工的汇款收入显然是内生的。遗憾的是，官方的统计数据无法支持这样的分解分析。
当然，农民工劳动力市场的变化极为迅猛，上面提到的一些研究结果已经显得不合时宜了。最新的证据来自农业部的常规住户调查（赵长保、武志刚，2007）。表2提供了2003～2009年的相关数据，我们可以看到，农民工工资在2006年增长了10％，在2007年和2008年的增长有所放缓，2009年农民工工资的增速又超过了17％。这些证据与近期农民工工资的加速增长趋势相一致，但这一趋势的明朗化还尚待时日。
孔涛等（Kong et al., 2010）利用了2007年和2008年的CHIP调查的面板数据部分，考察了全球性经济危机对农民工的影响。其研究表明，数以百万计的农民工失去了工作，回到了家乡。农民工占农村劳动力的比重在2008年上半年为25.0％，到2009年上半年则下降到了22.8％。这意味着1500万个农民工工作岗位的消失。然而，农民工的小时工资和自雇收入却分别上升了19％和8％。在控制了农民工的特征之后，农民工的小时工资和自雇收入的上升幅度分别为15％和－5％。因此，在政府应对金融危机所采取的财政扩张政策中占重要地位的基础建设工程产生了对农民工的新需求，而农民工工资的增长很有可能是对农民工需求的滞后和小心翼翼的反应，而不是更深层次的农民工短缺问题所致。
（二）基于CHIP数据的研究
CHIP住户调查数据是农民工工资的极具价值的信息来源。我们的分析分为两部分。首先，我们利用2007年的调查数据，分析农民工工资的影响因素，这有助于我们考察市场力量在农民工工资决定机制中所起的作用。接下来，我们将2002年和2007年的数据进行合并，以研究农民工的工资在2002年和2007年之间的变化，从而判断农民工的实际工资是否有所上升，并探寻农民工工资变化的原因。2007年的农民工问卷和城镇住户问卷都询问了月工资收入以及自我经营的净收入。我们利用Brandt和Holz（2006）的处理方法，根据省级层面上的购买力平价计算了物价指数，从而使得收入在时间和空间上都具有可比性。由于农村调查和农民工调查是分别进行的，无法将农民工与农村居民进行匹配，因而无法纠正劳动力流动方面的自选择性偏差。
估计各城市内部城镇户口劳动力的收入对农民工工资收入的影响，在技术上是可以实现的。我们的做法是分别估计每一城市城镇居民的收入函数，然后根据农民工的特征以及农民工所在城市的城镇居民收入函数的估计系数计算农民工的预测收入。农民工的预测收入可以成为特定城市对农民工的需求的代理变量。如果农民工的供给曲线在每个城市都是具备完全弹性的，而城市内部又存在劳动力市场的分割，那么城镇居民的工资对农民工的市场出清工资应该没有影响。然而，如果农民工工资受到了城镇职工工资的影响，那么就可能说明农民工和城镇职工之间在就业方面存在着竞争关系（即劳动力市场的分割是不完全的），或者制度化的工资决定过程也适用于部分农民工。数据还提供了农民工户籍所在村的非技术工人的日工资水平以及如果农民工留在老家可以得到的月收入等信息。这些变量可以作为农民工供给价格的代理变量。
农民工劳动供给和需求的代理变量有助于解释农民工工资的变化。考虑一个简单的需求和供给模型，而农民工和城镇职工是不完全替代的（Knight and Yueh, 2009）。由于信息滞后、惯性和交易成本的存在，需求曲线的右移在短期内会导致供给方面的较小幅度的反应。我们预期农民工工资会因此而上升，少量的农民工则可以享有工资租金。在长期意义上，供给会做出相应变化，边际租金会消失，均衡状态的工资则由供给和需求曲线的弹性决定。如果农民工供给曲线是完全弹性的，那么均
衡的工资将回到初始水平；如果劳动供给曲线不是完全弹性的，那么农民工需求的代理变量的系数无论在短期还是长期都为正。如果市场的冲击来自供给曲线的上移（或左移），而且在短期内如果农民工的供给反应滞后，那么农民工的工资上升幅度将很小，实际上可能会出现负的边际租金。随着时间的推移，均衡工资将会进一步提升。如果农民工供给曲线是完全弹性的，农民工工资的增长幅度将达到最大。在这一情形中，农民工需求的代理变量不会影响到均衡工资。
供给和需求的代理变量的相对重要性，揭示了市场力量是如何影响农民工工资的。如果农民工劳动需求的代理变量有着更高的系数，那么就说明需求是决定工资水平和工资增长的重要因素。如果农民工供给价格的代理变量有更高的系数，那么供给条件在农民工工资的形成机制中有着更为重要的作用。需要指出的是，我们在本文中使用的是截面数据，因此无法处理滞后效应，也无法在均衡和非均衡状态之间做出区分。
表3报告了2007年农民工工资收入方程和自我经营收入方程的OLS估计结果，其中收入变量都进行了对数化处理。农民工劳动供给价格这一变量的系数显著为正：机会成本的系数为0.161，而农村非技术工人的工资的系数为0.046。由于这些变量之间可能存在着共线性，我们又从方程中剔除了非技术工人的工资这一变量，以重新估计机会成本的系数（表中最后一行），结果发现机会成本的系数的估计值为0.165，与包括非技术工人的工资的情形相比只是略微有所提高。如果收入变量不进行对数化处理（这里未报告估计结果），那么估计结果表明机会成本每上升100元，农民工工资会显著增加33元。自我经营收入方程的估计结果表明，劳动供给价格的作用更大（机会成本的系数为0.197，而农村非技术工人工资的系数为0.173，两者都在统计上显著）。当估计方程不包括非技术工人工资这一变量时，机会成本的估计结果显示，如果农村劳动力的供给价格提高100元，农民工在城市的自我经营收入将提高73元。这一证据表明，机会成本更高的农民工在城市中的收入也更高。因此，农村劳动供给价格的上升将导致农民工工资的增长。
预测的农民工工资是城市劳动需求的一个合适的代理变量，其系数估计值显著为正（0.086）。然而，这一变量可能反映了需求以外的因素的作用。由于农民工大多分布在城市工资分布的底端，因而农民工工资可能也反映了制度性因素尤其是最低工资制度的影响。因此不难理解，预测收入在自我经营者样本中的估计系数显著为负且不显著（－0.006）。
针对农民工的城镇需求的代理变量，我们进行了多个稳健性检验。由于农民工在城镇地区的预测工资/收入可能与教育等其他变量正相关，我们将预测的工资/收入变量去掉，重新估计了表3的第3列和第4列。然而，去掉预测的工资/收入变量之后，教育变量以及其他变量的估计结果并没有发生太大变化。我们也尝试了将预测的工资/收入变量替换为其他两个代理变量。一个代理变量为初中文化程度以及初中文化程度以下城镇居民在各个城市的平均工资/收入。另一代理变量则是城镇居民的加权平均工资/收入。这一变量的生成方法是利用每一城市的农民工职业分布对城镇居民进行重新加权，以使得城镇居民的职业分布与农民工的职业分布相一致，进而得到城镇居民的加权平均工资/收入。我们的估计结果表明，对自我雇佣的农民工而言，无论使用何种代理变量，预测收入的系数在数值上都很小而且并不显著。然而，对从事工资性就业的农民工而言，第二个代理变量的系数估计值为0.148，而第一个代理变量的系数估计值则为0.300，两者都在0.01的水平上统计显著。因此，我们所得到的结果并不是简单划一的。根据所选择的代理变量的不同，农民工需求方面因素的影响（系数在0.086和0.300之间变动）可能高于也有可能低于供给方面的影响（系数的变动范围为0.046和0.165）。
农民工的收入方程中也包括了其他控制变量。我们简单地讨论系数估计值显著并且具有较强经济意义的一些变量。对工资性就业者而言，教育回报率显著为正，但数值较低（年均2％），而学习成绩对工资没有显著影响。这些估计结果可能反映出农民工通常从事着低技能的工作。对自我经营者而言，教育变量在所有收入方程中的系数都不显著。然而，接受过培训对工资性就业者和自我经营者都有着正的回报。类似地，对工资性就业者和自我经营者而言，在城镇地区的工作经验（外出打工的年数）和收入的关系也都呈现出惯常的倒U型。男性和建筑工人的工资性收入和自我经营性收入高于女性或其他部门（主要是销售和其他服务）的工资性收入和自我经营性收入，这说明农民工从事的一些工作较为繁重或者并不令人愉悦；对自我经营者而言，这意味着从事某些特定经营活动则存在着技术或资本方面的障碍。
表4将2007年和2002年的农民工样本进行了合并，以考察对数工资在这两个调查年份之间的变化。前已述及，2002年和2007年调查的抽样方式有所不同。2002年的样本是从居住社区抽取的，而2007年的样本则是从农民工的工作地点抽取的。由于一些农民工住在雇主提供的宿舍或工作场所，因此2007年数据的覆盖面更广。为了使得这两年的数据具有可比性，2007年的样本只包括了居住在自己的房子或出租房的农民工。我们仍然采用Brandt和Holz（2006）的方法，根据购买力平价得到的物价指数来调整
表4中的模型设定不同于表3，表4中的关键变量是年份虚拟变量，2007年为1，2002年为0。第1列和第5列都只包括年份虚拟变量和截距项，以度量农民工实际工资的毛增长。估计结果表明，工资性就业者和自我经营者的收入的年均增长率分别为13.7％和17.8％。第2列和第6列则在年份虚拟变量之外还加入了个人特征变量。值得注意的是，在加入个人特征变量之后，工资性收入和自我经营收入的年均增长率只是略微下降，两者分别为12.5％和16.7％。这说明了技术水平极低的农民工的工资增长幅度。我们也在第3列和第7列中进一步控制了预测的城市工资，结果发现收入增长率进一步下降，工资性收入和自我经营收入的增长率分别为11.2％和15.9％。农民工留在农村可以获得的收入是农村劳动供给价格的最好指标，当在第4列和第8列控制该变量后，工资性收入和自我经营收入的增长率进一步分别下降为7.0％和10.6％。尽管如此，还有很大一部分工资性收入和自我经营收入的增
长，无法由我们所选取的变量进行解释。
对不同特征农民工的需求和供给的相对改变可能会改变农民工的工资结构。特别地，如果青年农民工和受过较好教育的农民工的稀缺程度日趋严重，那么这些农民工的工资增长幅度会更大。我们接下来考察了这一可能性。我们将样本分为青年农民工（35岁及35岁以下）和年长农民工（35岁以上）、高文化程度农民工（初中及初中文化程度以上）和低文化程度农民工（初中文化程度以下）。我们重新估计了表4第2列到第4列的工资方程，将原有方程的教育变量分别替换为青年农民工的虚拟变量及其与2007年的交叉项、高文化程度农民工的虚拟变量及其与2007年的交叉项。需要检验的假说是这些交叉项的估计系数都是正的。估计结果（这里未报告）表明，青年农民工与2007年的交叉项在第2列到第4列的估计系数都显著为正，系数值在0.08和0.11之间变动。相比之下，高文化程度与2007年的交叉项并不显著为正。相反，这一变量在2个估计方程中出现了系数显著为负的情形。这表明，相对年长的农民工而言，青年农民工的处境更好，这说明了青年农民工日趋严重的相对稀缺性或者最低工资标准的增加。而农民工教育的溢价在这5年期间有所下降。
随着时间的推移，农民工的受教育程度将越来越高，在城市的工作时间会更长，而教育和工作经验等生产性特征将得到市场的回报。一个更加直接的方法是通过分解分析来度量特征变化对农民工工资增长的贡献。表5报告了2002～2007年期间农民工平均工资变化的分解结果。可以看到，平均对数工资的增长（0.649）中的一小部分（不超过30％）可以归因于两个工资方程之间的系数差异，而工资增长的大部分则是由于特征均值的变化导致的。然而，农民工文化程度的提高所引致的工资增长只占了工资增长总量的不到5％，而城市工作时间的增加对工资增长则没有影响。工资增长的主要来源是城市劳动力需求价格（32％或42％，取决于所使用的权数）和农村劳动力供给价格（32％或35％）的上升。因此，劳动力市场方面的因素确实是工资增长的主要原因。如表5所显示的，自我经营性收入增长的分解结果与工资性收入增长的分解结果类似。
简要归纳一下工资方程的回归结果。在表3中，农村劳动供给的代理变量（农村机会成本）和城市劳动需求的代理变量（雇主对农民工的估价）与农民工工资都有着正向关系。农村劳动供给的代理变量与自我经营性收入也存在正向关系，但城市劳动需求的代理变量对自我经营性收入没有影响。教育的回报很低，这也许反映了大多数农民工从事的是体力活。从表4我们可以看到，无论是否控制农民工的特征，工资性收入和自我经营性收入在2002～2007年期间的增长都很迅猛。表5显示，农村劳动力供给价格的代理变量和城镇劳动力需求价格的代理变量，能够解释农民工实际工资增长的大约2/3。因此，供给和需求因素都在影响着农民工的工资及其增长，农民工工资的上升并不能简单地归因为剩余劳动力的减少乃至消失。
CHIP调查数据所提供的证据表明，农民工劳动力市场在空间上正在变得更加一体化。表6报告了3个样本的农民工平均工资的离散度（dispersion）。这3个样本分别为两年调查中相同的7个城市、两年调查中相同7个省份中的23个城市、所有的被调查城市。在第一个样本中，平均工资的基尼系数从0.167下降到0.067，对数工资的标准差从0.323下降到0.129。但平均工资的标准差则呈现出上升的态势。在其他两个样本中以及当分析对象为自我经营性收入时，我们也得到了类似的结果。这些结果意味着最低工资标准变得更为规范和具有效力，或者农民工在不同地区之间的流动性日益增强迫使市场力量做出响应，而后一种情形出现的可能性更大。
七、潜在的外出人口
本节的主要目的在于估计潜在的农村外出劳动力规模。我们使用2002年和2007年CHIP数据的农村样本，选取了两年调查都涉及的9个省份，估计外出务工的概率方程，以判断外出概率较高的非外出务工人员的规模。我们对外出概率的阈值进行了设定，以使得预测的外出务工人数恰好等于实际的外出务工人数。在我们的样本中，外出人口的比例在2002年和2007年分别为23.4％和27.3％。在2002年，14％的非外出人口根据模型的预测结果会外出务工，而46％的外出人口则被预测为非外出人口。2007年相应的数字则分别为13％和36％。
表7报告了probit方程的估计结果，因变量为外出务工，省略组为留在本地就业。从边际效应看，男性的外出概率在2002年和2007年分别比女性高出15和12个百分点。已婚对外出概率具有负向作用，尤其是对已生育小孩的已婚者而言。21～25岁年龄组的外出概率在两个调查年份都是最高的。在2002年，外出概率在26岁后随年龄而急速下降。在2007年，外出概率在31岁后随年龄而迅速下降，并且其下降幅度比2002年更大。这一结果有些出乎意料，因为随着农民工逐渐变得稀缺，年龄较大的农村居民的外出概率将会提高。相比其他个人特征而言，年龄对外出概率的作用更强。
与小学及小学以下文化程度的农村居民相比，初中文化程度农村居民的外出概率在2002年和2007年分别高出要6和2个百分点。高中文化程度的估计系数在2007年不显著。尽管高中文化程度在2002年的估计系数是统计显著的，但它的边际效应（5％）小于初中文化程度。与表3所报告的低教育回报率相一致，教育在2002年并不是影响外出务工概率的重要因素。而在5年之后，教育的作用变得更弱。健康状况良好在两个调查年份都有助于提高外出务工的概率，健康状况欠佳则在2007年会降低外出务工概率。家庭人均可耕地面积越多，家庭成员外出的概率越低。回归方程中还包含了省份虚拟变量，估计结果表明农村人口的所属省份是外出概率的重要影响因素，但这里没有报告具体估计结果。
村庄中外出人口的比例对外出概率有着重要影响。村庄中外出人口比例的均值在2002年和2007年分别为0.13和0.22，标准差分别为0.10和0.14。村庄中外出人口比例的一个单位标准差的提高，会使得外出概率在2002年和2007年分别提高5.2和5.5个百分点。对这一结果有着几个可能的解释。其中一个解释是，随着信息的累积和外出人员网络的形成，劳动力流动和工作搜寻的货币成本和心理成本都会降低，这就形成了对外出务工的累积作用过程。在这一情形下，外出人口比例目前依然较低的村庄，或许能够在未来形成劳动力大量外
出的局面。
阻碍农村居民外出的原因是什么？2007年的调查询问了不外出的原因，表8列出了对这一问题的各种选项的分布。主要原因有3个：年龄大了、在外面找不到工作、需要照顾老人或小孩。随着对农民工劳动力需求的日益扩大，回答这3个原因的农村居民可能都会转变自己对外出务工的态度。如果政策调整使得举家迁移和定居城市变得更为容易，那么年龄较大以及需要照顾老人小孩的农村居民都会外出。如果对农民工的需求增强，农村居民将会更为容易地在外找到工作。而外出务工人员的网络在找寻工作的过程中会进一步增强，这无疑会提高农民工的就业概率。
表8也报告了以未外出人口为样本的OLS估计结果，因变量是从表6得到的预测外出概率，而自变量则是各种未外出原因的虚拟变量。这一估计结果并不能从因果效应的角度进行解释。相反，它只是说明没有外出的哪些主观原因与表6所报告的由客观因素预测出的外出概率之间存在相关关系。如果估计系数或偏相关系数的数值为正，那么系数越高就说明没有外出的主观原因与较高的外出概率具有越强的相关性。这也就说明，对于解释预测外出概率较高的农村居民为何未外出务工，这一主观原因能够起到十分重要的作用。从表8可以看到，回归系数以及偏相关系数最大的变量为年龄在40岁以上并且自认为年龄太大了这一虚拟变量。除了实际年龄的影响（已被吸纳在预测的外出概率里），自我感觉年龄太大似乎是阻碍外出务工的重要因素。一个重要的问题即是，随着外出机会的增加和劳动力流动政策的变动，这一自我感觉是否会相应调整？
利用表7中的probit模型估计结果，我们能够计算出2002年和2007年外出务工人员和未外出人员的预测外出概率，并根据预测外出概率计算劳动力的频次分布。根据外出人员和未外出人员在样本中的人数，我们可以计算出外出人员和未外出人员在全国农村人口中的总数，并得到它们在预测外出概率的不同区间中的人数。表9和图1显示，在预测的外出概率高于0.5的农村人口中，实际的外出人员数量在两个调查年份里都要多于未外出人员的数量。外出人员和未外出人员在数量上的这一差异在2002年较小，但在2007年有所扩大。预测的外出概率在0.3和0.5这一区间的外出人员的数量较大（2007年为3300万），这意味着预测外出概率处于这一区间的农村居民非常有可能外出务工。但预测的外出概率在0.3和0.5这一区间的农村居民中，有着更多的未外出人口（4500万）。事实上，预测概率高于0.3但没有外出的人口超过8000万，这一数字要略高于2002年的7700万。
图1 根据预测外出概率估算的外出与未外出的人数分布（百万）
度量潜在的农民工数量的另一方法是计算未外出人员中预测会外出的人数，即将每一预测概率区间内未外出人员的数量乘以该预测区间的概率（取区间的中值）。表9给出了相应的计算结果，未外出人员中的预测外出人数在2002年和2007年分别为7400万和7100万。
由于年龄是影响外出务工的重要因素，因此有必要将未外出人员分为青年和年长两组（分界线为35岁）。在青年未外出务工人员中，预测外出概率高于0.3的人数在两个调查年份都达到了6700万（大多数年长未外出务工人员的预测外出概率都低于0.3），预测外出人数从2002年的4400万下降到了2007年的4100万。
我们的上述结果都基于probit模型，只是在外出和未外出之间进行了区分。作为一项稳健性检验，我们也估计了多元logit模型。基准组被设定为务农，其他组别为本地非农就业和外出务工。本地非农就业和外出务工的影响因素大致类似。但相比外出务工而言，教育对本地非农就业的重要性更强，而年龄对本地非农就业的影响更弱。由于本地非农就业的收入要高于外出务工的收入（Knight and Song, 2005），因此，对能在本地非农就业工作得到充分就业的农村居民而言，本地非农就业比外出务工更具吸引力。我们下面将要论及，外出务工的农村居民数量可能会受到农村的本地非农就业机会的影响。
通过比较实际工作的天数与可用来工作的天数，我们也可以测度农村的剩余劳动力规模。尽管2007年的CHIP数据并没有提供这一信息，但2008年的CHIP数据记录了工作天数，并询问了农村就业人员的主要经济活动。在回答自己从事农业的农村居民当中，平均的工作天数为183天（其中只有25天不是从事农业），其中49％的农业劳动力的工作天数少于200天。对所有的农村劳动力（包括自我识别为非农就业人员和外出务工人员的农村居民）而言，相应的数字为226天和32％。很明显，相比从事农业的农村居民而言，从事非农就业的农村居民的就业更为充分。假设300天是一年内能用来工作的天数。基于这一假设，农业劳动力中的剩余劳动力占到了39％，这部分剩余劳动力可以成为农民工的潜在来源。而在全部农村劳动力当中，剩余劳动力占到了25％。
综上所述，我们采取了多种度量方法，从不同角度阐释了潜在的劳动力流动规模。不论使用哪种度量，我们都可以发现中国农村地区还存在可观的农民工供给。此外，潜在农民工的规模在2002年和2007年之间基本没有缩小。随着城镇地区的经济增长，农村劳动力外出务工的概率可能会提高。至少存在两个理由支持这一观点。城镇地区的经济增长将会为农村劳动力提供更好的城镇就业机会。而城镇地区的经济增长也需要更为稳定的劳动力供给与之配套，中央政府和地方政府会基于这一经济上的考量对相关政策进行调整。政策的调整则会使得年长的劳动力有着更强的激励，与其所在家庭一起进入城市。
八、对未来的预测
不管农民工劳动力市场的现状如何，它都处于快速变化之中。因此，对未来的劳动力供求状况进行预测是极有助益的。尽管城镇劳动力和农村劳动力之间的替代性不强，但我们仍可以假设城市经济中劳动力需求的增加可以促使城镇职工的职业等级会向上提升，而农村户口劳动力则从事空余下来的低技术工作。城镇劳动力的供需缺口可以成为对农民工需求的度量，供需缺口的变化于是就显示了农民工需求的变动。基于预测的需要，我们也做出了一些必要的假设。表10报告了预测的结果，图2描绘了到2020年为止的预测的农民工需求。在做出这一预测时，我们假设农民工的供给会自动调整，以使得供需平衡。我们将在下面详细讨论这一假设。
我们首先分析需求方面。城镇就业在1980～2008年期间的年均增长率为3.8％。为了减少就业周期性波动
的影响，我们取城镇就业的3年移动平均值来对城镇就业进行时序比较。20世纪80年代城镇就业的增长非常快（年均4.5％），这反映了城镇劳动力的迅速增长以及政府的充分就业政策而导致的冗员问题，而前者可以归咎于60年代的宽松人口政策。然而，城镇就业的增速在90年代有所放缓（年均3.6％）。来自城市和农村工业的产品市场竞争的加剧，使得利润减少和亏损增加，从而减缓了城镇就业的快速增长势头。90年代后期的民营化政策以及国企改革使得大量冗员失去了工作。在2000年和2007年期间，就业的年均增长率为3.4％。
图2 2005～2020年期间预测的城镇、农村及农民工劳动力数量（百万）
注：U[,s]表示城镇地区劳动力的自然增长或减少；U[,d]表示预测的城镇劳动力需求；M表示农民工的需求和供给（U[,d]－U[,s]）；R[,s]表示农村地区劳动力的自然增长或减少；R[,r]表示农村剩余劳动力（R[,s]－M）。
放眼未来，尽管经济增长速度会因体制改革的放缓和资源的渐趋充分利用而有所下降，中国在未来5年仍然很有可能保持目前的GDP增长趋势。事实上，在刘易斯转折点达到之后，农民工工资的上升将会刺激雇主减少对非熟练工人的使用并压缩非熟练劳动力密集型产品的生产规模，从而会减少对劳动力的需求。我们在预测2008～2020年的城镇就业时，较为保守地假设了城镇就业年均增长3％。图2的曲线U[,d]表示预测的城镇就业。
在预测拥有城市户口的劳动力时，我们需要将城市户口劳动力与农村户口劳动力进行区分，并需要考虑到城镇居民的年龄结构在不断地发生变化这一事实。基于国家统计局的2005年1％人口抽样调查数据，我们对2005～2020年期间的劳动力供给状况进行了预测。2005年1％人口抽样调查数据提供了市、镇、村的按年龄组区分的人口信息，包括每一年龄组的死亡率以及每一年龄组的劳动参与率（年龄组以5岁为1组）。我们计算了2005年以后流入和退出城市户口劳动力队伍的人数。我们假设人们在18岁进入劳动力市场，并在60岁退休。2004年各个年龄组的死亡率被用来计算2005年以后每一年龄组的死亡人数。而2005年各个年龄组的劳动参与率被用来计算劳动年龄人口中的劳动参与人数。
图2中的曲线U[,s]则是对城市本地劳动力的自然增长的预测结果。预测结果表明，2005～2020年期间城市本地劳动力的自然增长率为－6.4％（相当于年均－0.44％）。城市本地劳动力在2005～2010年期间的自然增长率为1.8％，在随后5年中有所下降（－2.7％），而在2015～2020年期间其下降的速度加快（－5.5％）。
这一显著的人口转变可以由中国人口政策的急剧调整得到解释。3年自然灾害以后，中国于20世纪60年代和70年代初期出现了婴儿出生高峰。这导致了80年代及90年代初期劳动力总量的迅速增加。而随着60年代出生的这一代人达到最佳生育年龄，在1985～1995年期间出现了又一个生育高峰。自1978年起中国开始正式实行计划生育政策，这一政策在城镇地区得到了更为严格的执行。计划生育政策的实施，使得育龄妇女的生育率从90年代中期开始一直维持在较低的水平。15～19岁、10～14岁、5～9岁、0～4岁的城镇小孩数量在2005年分别下降了100％、81％、66％和56％。小孩数量的减少以及计划生育政策的继续严格实施，是劳动力数量在2010年以后出现减少态势的主要原因。
2005年的1％人口抽样调查数据将城市人口简单地定义为在城市居住6个月以上的人员，而这包括一部分农村户籍的流动人口。因此，根据盛来运（2008）基于国家统计局数据的计算，我们估计了农村进城务工人员的数量，以测度2005年城镇劳动力需求超出城镇户口劳动力供给的“额外需求”。图2中的曲线M表示在城市就业的农民工数量的增长。可以看到，在2005年农民工占到了城市劳动力的46％。而到2010年，“额外需求”达到了53％，在2015年和2020年则分别达到了60％和68％。2020年，在城镇地区工作的农民工将达到2.92亿。因此，如果城镇地区的经济增长速度在将来能够保持下去，农民工在城镇经济中的作用将变得更为重要，而且在大约2010年以后农民工将成为城市劳动力中的主力。
我们使用相同的方法对农村地区的劳动力供给进行了预测。表10和图2报告了相应的预测结果。曲线Rs刻画了农村人口的自然增长。相比城镇地区而言，计划生育政策在农村的实施要相对宽松。然而，农村地区同样受到人口政策急剧调整的影响。尽管要滞后城镇地区5年，农村的人口出生率也在急剧下降。15～19岁、10～14岁、5～9岁、0～4岁的农村小孩数量在2005年分别下降了100％、104％、79％和68％。因此，农村劳动力在2005～2020年的预期增长率只有2.6％，相当于年均增长0.2％。其中2005～2010年期间农村劳动力的增长率为4.4％，在随后的5年期间农村劳动力的增长率与之基本持平，而在2015～2020年期间农村劳动力的增长率将下降为1.6％。曲线R[,r]表示剩余劳动力的供给，也即农村劳动力的自然增长减去预测的劳动力外出数量。在2005～2020年期间，农村的就业数量下降很快，减少幅度为31％，年均减少2.5％。我们的估计结果表明，2005年的剩余劳动力数量为4.85亿人，2010年减少为4.68亿人，而2015年和2020年的剩余劳动力数量则分别减至4.09亿人和3.34亿人。因此，刘易斯转折阶段（转折阶段而非转折点）的到来已是为时不远。
上面我们预测了对农民工的需求。我们一直假设，农民工的供给会与对农民工的需求相匹配。根据我们的预测，农村就业人数在2005～2020年期间会减少。然而，农村就业人数的减少可能会使得农民工的供给曲线向上移动，从而会提高农民工的工资，这反过来又会降低劳动力需求的增长速度。如果当前阻碍劳动力流动的制度性约束仍然存在，那么农村就业人数的减少对工资的作用会更大。
农民工工资的增长速度也与农村非农就业机会的变动有关。有迹象表明，非农就业的平均回报尤其是边际回报，超过农村中务农的回报；而本地非农就业的平均回报和边际回报并不低于外出务工的回报（Knight and Song, 2005）。另一项研究（Zhao, 1999）发现，尽管本地非农就业的收入较低，农村劳动力还是会选择本地非农就业而非外出务工。因此，非农就业机会在未来的增长速度越快，农民工的供给将越少。然而，农村工业所提供的就业机会的增速似乎在降低。乡镇企业的就业人数在20世纪80年代的年均增长率为11.9％
，到90年代其年均增长率降低为3.3％，而在2000～2007年期间乡镇企业就业人数的年均增长率进一步降为2.3％（国家统计局，2008）。
九、结论
我们所提供的证据表明，农村地区存在着剩余劳动力，而与此同时城镇地区的农民工工资正在上升。这两种现象的并存似乎与刘易斯模型的假说不相一致，但它们在中国确实同时存在。我们对这一难题的解释是劳动力市场存在着分割，城乡劳动力流动的制度性约束导致了这一结果的出现（Knight and Song, 1999; Knight and Song, 2005; Lee and Meng, 2010）。制度性约束为农民工在城镇地区的生活（例如体面和稳定的工作、住房、公共服务的享有）制造了困难，也阻碍或阻止了农民工的举家流动。这也使得许多农民工不愿离开农村，至少不愿意离开农村太长时间。
尽管有证据表明，农民工所在的劳动力市场正在变得更加一体化，但农村的剩余劳动力与农民工工资的上升这两种现象在未来几年仍将同时存在。对中国这样的大国且存在较强管制的国家而言，并不一定会存在明确的刘易斯转折点。Ranis和Fei（1961）对刘易斯模型进行了修正，正式地引入了转折阶段的概念，以描述农村劳动力边际产品的逐渐提高这一过程。考虑到农村部门的异质性和中国劳动力市场的制度性约束，我们预期中国的转折阶段会更长。
我们的分析表明，农民工的实际工资水平在近几年的确有所提高，而且农民工的工资与城市劳动力市场的状况以及农村劳动力的供给价格有着非常紧密的关系。农村收入的提高能够解释相当大一部分的农民工工资增长。但是我们无法区分农村收入的外生增长部分（如取消农业税和教育费附加）和因外出务工导致的内生增长部分。我们本来预期农民工工资的增长部分地来源于农民工的文化程度和城市工作经验等人力资本的改善，但这些因素至少在2002～2007年期间对农民工工资增长的作用出奇的小。
通过对2002年和2007年CHIP农村住户调查数据的分析，我们发现农村存在着大量外出概率很高的未外出人员。没有外出在很大程度是基于年龄太大、需要照顾家人、担心在外面找不到工作这3个原因。随着农民工工作机会的增加以及劳动力市场政策的内生性调整，这3个原因对农民工外出务工的影响将逐渐减小。
对劳动力供需趋势的预测表明，农民工的数量将迅速增加，而留在农村的人口将迅速减少。到2020年，农民工将占到城镇总就业人数的大约2/3，农村剩余劳动力将比2005年减少大约1/3。然而，在2020年之前市场和政府都可能会进行内生性的调整。在劳动力市场中，由市场竞争所决定的非技术工人的工资可能会普遍上升。而政府的调整可能会涉及对退休政策、计划生育政策和城市化政策的调整。
可供政府调整的一个政策变量是正常退休年龄。由于以前的预期寿命较低，中国人通常在较为年轻时就退休了。2002年的CHIP数据提供了城镇居民退休时的年龄信息。数据显示，男性退休年龄的中位数是59，而90％的男性在61岁的时候已经退休；女性退休年龄的中位数是51，而92％的女性在56岁的时候已经退休。考虑到预期寿命目前已经大为提高而且存在继续提高的趋势，政府可以适当提高退休年龄。而劳动力市场的压力可能会加快这一政策的调整。劳动力稀缺的行将到来和出生率的大幅下降可能促使政府放宽计划生育政策。然而，计划生育政策的调整只能在滞后大约18年以后才能影响到新进入劳动力市场的人数。
如果我们的预测大致正确，那么劳动力市场的发展趋势可能会鼓励农民工定居城市并促进户口制度的弱化。随着更多技术性职位的空缺，农民工的职业分布将会有所改善，而随之引致的收入增长为农民工提供了定居城市的经济基础。技能以及相关的培训成本增强了对就业稳定性的需求。而中国候鸟式的人口流动将变得越来越缺乏经济效率。在许多国家，对这一问题的解决方案是雇主尽力通过提高长期服务的回报来稳定他们的劳动力队伍。如果长期服务在经济上变得更为有效率，那么政府就会有动力允许并鼓励这一行为，雇主也会有激励提高长期服务的回报，而农民工则会有激励选择长期服务。长期服务反过来会鼓励农民工举家迁移到城市。
在城市长期生活会使得农民工认同城市居民的价值观，而农民工的社会基准组则会从农村转移到城市（Knight and Gunatilaka, 2010）。这一过程可能会使得农民工的相对剥夺感增强。随着越来越多的农民从农民工转变成为产业工人，中央和地方政府将在平等对待农村流动劳动力和城市居民方面承受越来越大的压力，而依附在户口上的特权很可能会消失。
劳动力市场的变化还具有其他深远的影响。改革开放以来，中国的收入不均等程度不断扩大，而非熟练工人的普遍稀缺将可能成为减轻收入不平等的最为强大的市场力量。非熟练工人的普遍稀缺也可能会成为缩小城乡收入差距的主要市场机制。快速提高非熟练工人的收入，也需要发展战略向技能密集型和技术密集型经济转型，而这需要长期的规划和人力资本投资。除了1998年以来的高校扩招以外，目前几乎没有证据表明，中国的经济进行了上述调整。然而，由于城镇就业的持续快速增长和人口模式的迅速转变，我们很可能在未来10年观察到这些变化。
本文完成于约翰·奈特访问北京师范大学期间。原稿为英文，由杨穗翻译成中文。
注释：
① 数据来源为《中国农村统计年鉴》，其原始数据来自覆盖6万多个住户的全国成本调查。
|
