农民工的社会网络与职业阶层和收入:来自深圳调查的发现
开篇：润墨网以专业的文秘视角，为您筛选了一篇农民工的社会网络与职业阶层和收入:来自深圳调查的发现范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：本文利用2005年“深圳外来农村流动人口调查”数据，定量研究了社会网络对农民工职业阶层和收入的影响。研究发现，求职关系网络的规模、关系构成对农民工职业阶层的提升和收入的提高有正向影响，而求职网成员的职业阶层趋同性则有负向影响。本研究表明，尽管个体因素和流动因素对农民工求职结果有重要影响，但是社会网络在中国社会转型期对农民工求职具有不可忽视的作用。
中图分类号：F304．8 文献标识码：A 文章编号：1002―2848―2007(01)－0025―09
一、研究背景
80年代中期以来，随着经济体制改革和户籍管理制度的松动，曾经被长期固定在土地之上的农村剩余劳动力从土地中“脱离”出来，向经济较发达的城市“流动”。除了制度松动以外，增加收入的愿望、人均耕地相对减少以及寻求生活方式的转变，也是促使农民外出务工的重要原因。然而，由于劳动力市场的不完善和户籍身份的约束，农民工成为城市社会的弱势群体，他们在城市社会的职业阶层和收入状况受到学者们的关注。目前研究农民工求职的分析框架主要是运用社会关系网络理论，将流动民工的求职过程看成是其通过建立社会网络来实现的。
90年代以来，由于社会网络分析(Social Net―work Analysis)方法的完善和发展，社会网络理论(Social Network Theory)因其独到的实证能力而被国外学术界广泛接受。相应的社会网络理论也被应用到求职领域，如Granovetter提出了“弱关系的强度”的理论，他认为弱关系是在社会经济特征不同的个体间发展起来的，它将处于不同等级社会地位的人们连接起来，在求职和社会流动等方面为个体提供更为有用的信息。Lint的“社会资本”(social Capital)理论，把资源获得当作中介变量，用社会网络解释了成功求职。Bian的“强关系的力量”假说对Granovetter的“弱关系强度”和林南的“社会资本”理论提出了挑战，他在对中国天津市居民的调查中发现，居民工作的获得更多地是通过强关系而非弱关系，求职者和最终的帮助者是通过中间人的强关系联系起来。虽然国外研究表明，“强关系”或“弱关系”对个体的求职有很大的影响，但是当一个个体的网络成员中既有强关系也有弱关系时，这种“混合关系”对个体的求职影响研究还不多见，而且社会网络结构变量对个体求职影响的研究也相对较少。
近年来，社会网络理论及其分析方法被引入到国内社会学及其它相关学科的研究。对农民工问题的研究主要表现在两个方面：一是研究社会支持网与农民工的社会地位及城市融入的关系。如流动民工的社会网络特点是规模小、紧密度高、趋同性强、异质性低、网络资源含量较低农民工信任的是以血缘和地缘关系为基础的强关系，只有当他们不得不去寻求群体外的支持和帮助时，才会把信任的目光投向城里的其他群体(弱关系)。社会网络与社会融合对女性农民工初婚和避孕行为也产生了重要影响。上述研究是从个体网角度进行研究。李树茁等则定量地研究了农民工社会支持网和社会讨论网的整体社会网络特征。二是研究强关系(弱关系)与农民工求职的关系。然而，这种研究主要是从定性角度进行描述性统计分析。少数学者定量研究了社会网络对求职的影响。
对农民工求职影响机制的研究主要集中在人力资本和社会资本，而且社会资本往往是以网络关系来度量。赵延东和王奋宇研究表明，农民工的人力资本对其经济地位获得有着重要的影响，主要表现为正规教育与培训的作用；而社会资本对农民工获得经济地位的作用已经超过了人力资本的作用。陈成文和王修晓研究认为，人力资本和社会资本与农民工城市就业有一定的关联性，在人力资本方面表现在工作经历和职业技能；而在社会资本方面表现在，原始社会资本(强关系)更多地与城市农民工的生活满意度相关，而新型社会资本(弱关系)则更多地与其职业声望有关；上述研究揭示了人力资本和社会资本是农民工经济地位(收入)的重要影响因素，但是人力资本和社会资本(社会网络)如何影响农民工的职业阶层的研究相对较少，尤其是社会网络结构变量如何影响农民工的职业阶层和收入，还需做进一步研究。
本文利用“深圳市外来农村流动人口调查”数据，结合“强关系”、“弱关系”的相关理论和个体中心网的结构特征，研究社会网络对农民工职业阶层和收入的影响机制。首先，分别分析了社会网络对农民工初次流动职业阶层的影响；其次，分析社会网络与农民工目前职业阶层的影响因素；第三，分析社会网络对农民工目前收入的影响因素。在此基础上，提出相应的政策建议。
二、研究设计
(一)分析框架
为了更好地分析社会网络对农民工社会阶层及收入的影响，结合个人因素和流动因素，本文提出了研究影响农民工职业阶层和收入的分析框架图，见图1。
1．社会网络因素
Gr粕ovetter根据互动的频率的高低、感情力量的深浅、亲密程度的强弱、互惠交换的多少，将个体(个人、组织)之间的关系分为强关系和弱关系，强关系是在性别、年龄、教育程度、职业身份、收入水平等社会经济特征相似的个体之间发展起来的，而弱关系是在社会经济特征相对不同的个体之间发展起来的。有学者在研究社会网络对农村流动人口求职过程影响的研究中，根据农村流动人口的特征，将社会网络中的强关系界定为以“血缘”和“地缘”为主的家属、亲戚和老乡，将弱关系界定为以“业缘”和“友缘”为主的朋友、同事和老板等。与更多的弱关系交往可以找到更好的工作。因此，根据网络成员的强关系和弱关系的比例的多少，本文将网络成员关系构成分为“强主导”、“相等”和“弱主导”三类，其中“强主导”表示强关系数多于弱关系，“弱主导”则相反，“相等”表示强弱关系数相等。
社会网络可以分为个体中心网和整体网络。个体中心网的个体结构特征包括：规模、紧密度、趋同性、异质性等。相关研究表明，求职者的网络结构对其求职效果有重要影响。当网络规模(即网络成员数)增加时，求职者可以获得更多的信息从而就业可能性更大，更能找到更好的工作。网络规模、趋同性和异质性是网络结构变量。趋同性和异质性是从不同角度去刻画样本与其网络成员的差异程度，趋同性是指某个体的网络成员中在某种特性方面与该个体相同的比例，异质性则是指网络成员之间的差异程度。本文主要关注阶层趋同性，因此仅采用阶层趋同性变量，而没有考虑异质性变量。由于本文个体中心网数据的限制，无法计算紧密度，因此，本文所说的社会网络变量中没有包含紧密度变量。
综合上述分析，本文推断，强(弱)关系构成、网络规模和职业趋同性是农民工初次流动和目前职业阶层及目前收入的重要影响因素。
2．流动因素
农民工职业阶层分析考虑初次流动后和目前两种情况。城市较高的收入预期是吸引农民工流入城市的直接动因；同时，流动有利于农民工提高人力资本，从而提高其收入。因此，农民工在初次职业流动过程中实现了职业地位的较大上升，而再次职业流动时却基本上是水平流动，没有地位上升。因而，本文认为流动因素也是影响农民工求职的重要因素。
流动因素包括来源地和在深圳打工年限(滞留时间)。农民工来源地可大致分为沿海地区和内陆地区，其中沿海地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西和海南等省份。从调查中得知，来自沿海经济发达地区的农民工主要集中在江苏、浙江、福建、山东、广东、广西和海南省。来源地变量的设置，目的是为了控制较早实行经济开放政策的地区，即控制政策因素，来研究社会网络对农民工职业阶层和收入的影响。打工年限的设置主要是为了控制时间因素。
3．个人因素
农民工求职还会受到个人因素的影响。个人因素包括性别、年龄、受教育程度、婚姻状况以及来深圳前的打工经历和在深圳更换工作次数。年龄、性别和婚姻状况是农民工个人属性，而受教育水平、工作经验(包括来深圳前的打工经历和在深圳更换工作次数)代表了他们的人力资本。相关研究充分肯定了农民工的人力资本在其职业地位获得过程中所起的作用。
(二)研究假设
根据前面的理论分析，本文就社会网络对农民工职业阶层和收入的影响提出以下假设：
假设1：网络关系构成对农民工职业阶层和收入有显著影响：
假设1a：初次流动网络关系中的弱关系越多，农民工的职业阶层越高；
假设1b：目前网络关系中的弱关系越多，农民工的职业阶层越高；
假设1c：网络关系中的弱关系越多，农民工目前的收入越高。
假设2：网络规模对农民工职业阶层和收入有显著影响：
假设2a：初次流动的网络规模越大，农民工的职业阶层越高；
假设2b：目前的网络规模越大，农民工的职业阶层越高；
假设2c：网络规模越大，农民工的目前收入越高。
假设3：农民工与网络成员的趋同性对其职业阶层和收入有显著影响：
假设3a：初次流动网络成员的趋同性越强，农民工的职业阶层越低；
假设3b：目前网络成员的趋同性越强，农民工的职业阶层越低；
假设3c：网络成员的趋同性越强，农民工目前的收入越低。
(三)数据
本文数据来自2005年4月西安交通大学人口与发展研究所组织的“深圳市外来农村流动人口调查”。深圳市是农民工人数最多的城市之一。该市虽是沿海经济发达城市，但其有相当一部分产业是劳动密集型的，对廉价劳动力的巨大需求促使大量适龄农村劳动力流入深圳。外来农村人口的加入，促使该市的户籍人口与流动人口比例倒挂严重，户籍人口与暂住人口的比例为1：6，而且农民工的数量有不断增加的趋势。因此，选取该市农民工作为研究样本具有较强的代表性。
本次调查是以“15周岁以上，非深圳户籍的外来农村流动人口”为调查对象。调查采用结构化问卷，对调查对象进行面对面采访。调查点分散居和聚居两类，聚居类人群指农民工集中居住，社区环境中市民的比例很低，调查中选取居住在工厂宿舍或工棚中的农民工；散居类人群指农民工分散居住在市民小区中，社区环境中市民的比例较高。这两类人群基本能反映整个农民工的具体情况。聚居类样本用来分析整体网络特征，散居类样本是用来分析个体中心网的特征，本文主要是分析农民工的个体中心网对其求职的影响。对于散居类样本采用随机抽样，而聚居类样本采用整群抽样。调查为期8天(4月20日至27日)，共收回有效问卷1739份。样本中，年龄在34岁以下者占67．1％；文化程度普遍偏低，其中具有初中文化程度者占58．1％；已婚者占68％。有关深圳市的背景、抽样设计、调查内容、调查执行和数据质量的具体情况，请参见研究报告。
(四)方法
首先，采用二分LOGISTIC回归，分析社会网络因素如何影响农民工职业阶层。分别考察农民工初次流动到深圳后和目前在深圳职业阶层的影响因素。LOGISTIC回归模型的因变量均为职业阶层。职业阶层的划分为二大类：工人阶层和非工人阶层。工人阶层包括产业工人和商业、服务业劳动者，他们处于职业的底层；非工人阶层包括个体户、办事人员、专业技术人员、私营企业主、经理和国家及社会管理者，这些职业阶层较高。因变量以工人阶层为参照类。
初次职业阶层回归与目前职业阶层回归的自变量区别在于：初次职业阶层回归时，流动因素中没有包括在深圳打工时间，个人因素中没有包括在深圳更换工作次数。而目前职业阶层回归时自变量包括了所有变量。分析时，仅考虑借助社会网络求职的样本，这样得到初次职业阶层和目前职业阶层回归的样本数分别为1220和334。
其次，采用OLS回归，分析农民工目前收入的影响因素。因变量为月收入，回归时对收入取对数。样本数为1220。
回归模型的自变量均包括社会网络因素、个人因素和流动因素三种类型的变量。社会网络因素包括：关系构成、规模和趋同性。其中关系构成分为“强主导”、“弱主导”和“相等”三类，“强主导”作为参照类。规模和趋同性变量设置为连续变量。个人因素包括：年龄、性别、受教育水平、婚姻状况、来深圳前是否有打工经历和在深圳更换工作次数。其中更换工作次数为连续变量，其余为分类变量。流动因素包括来源地和在深圳打工年限(滞留时间)，前者为分类变量，后者为连续变量。
对目前收入进行回归分析时，除了考虑网络因素、流动因素和个人因素外，还纳入了目前职业阶层对农民工收入的影响。
以上各变量的具体分类和统计信息见表l。
三、研究结果
(一)职业阶层
1．初次流动后职业阶层
表2提供了农民工初次流动职业阶层的二分LOGISTIC回归模型估计结果。在模型1中，网络规模、关系构成和趋同性对职业阶层都有显著影响。在模型2、模型3和模型4中分别控制住流动因素和个人因素以及同时控制住流动因素和个人因素，发现网络因素影响同样显著。不同点在于，模型1和模型2中，关系构成中的“相等”较为显著，而模型3和模型4中的“弱主导”较为显著。研究结果表明：规模越大，农民工处于非工人阶层(更高阶层)的几率越高；关系构成中，弱关系越多，农民工越容易处于非工人阶层。阶层趋同性越高，则农民工越容易处于工人阶层。
在流动因素中，来自沿海地区的农民工比来自内陆地区的农民工更可能进入非工人阶层。在个人因素中，性别、年龄、文化程度对农民工职业阶层均有显著影响，婚姻状况则没有显著影响。与男性相
比，女性更容易处于工人阶层，而不是非工人阶层。就年龄而言，年龄较大的农民工更容易处于较高阶层。与小学及以下的文化程度相比，具有高中及以上文化程度的农民工更容易进入较高阶层。而与具有初中文化程度和具有小学程度的农民工相比，没有显著差异除此之个，个人因素中，来深圳前有打工经历的农民工更可能处于工人阶层，而不是其它更高阶层。
2．目前职业阶层
表3提供了农民工目前职业阶层的LOGISTIC回归模型估计结果。社会网络变量中，关系构成和阶层趋同性对职业阶层有显著影响，而网络规模没有显著影响。研究发现，控制住流动因素和个人因素后，弱主导的关系构成使农民工更可能处于非工人阶层；网络职业趋同性越高，越容易处于工人阶层。流动因素中，在深圳打工年限越长，越容易处于非工人阶层。来自沿海地区的农民工比内陆地区的农民工更容易进入非工人阶层。在个人因素中，年龄较大的农民工更容易进入较高阶层。来深圳前，有打工经历者比没有打工经历者更容易处于工人阶层；在深圳更换工作次数越多的农民工越容易处人工人阶层；性别、受教育程度和婚姻状况对农民工目前职业阶层没有显著影响。
(二)目前收入
农民工目前收入的影响因素OLS回归结果见表4。从模型1中，发现网络因素对农民工收入粗影响显著。模型2中控制住流动因素，网络因素仍然显著，且网络规模更为显著，而趋同性显著性减弱。表明在控制流动因素后网络规模对收入增加的贡献在提高，而趋同性的贡献在下降。但是在模型3和模型4中，分别控制住个人因素和同时控制住个人因素流动因素后，网络规模的净影响不显著，趋同性和弱主导的关系构成净影响仍然显著。研究表明，弱主导的关系构成显著增加了目前收入，而阶层趋同性的提高降低了目前收入。
流动因素中，在深圳打工年限延长，显著提高了农民工的目前收入；来自沿海地区的农民工与内陆地区的相比，他们的目前收入没有显著差异。在个人因素中，女性的目前收入会明显地低于男性。初中和高中及以上文化程度的农民工收入显著高于小学及以下文化程度的农民工。已婚者的收入比未婚者可能更高。在深圳更换工作次数越多，目前越可能获得更高收入。目前职业阶层是非工人阶层者，其收入要显著高于工人阶层者。个人因素中，年龄和来深圳前是否有打工经历对农民工目前收入影响不显著。
四、讨论与结论
本文利用“深圳外来农村流动人口调查”数据，系统定量地研究了农民工进入城市后的社会网络对他们的职业阶层和收入的影响。本文的假设基本得到验证。
首先，对农民工初次流动的职业阶层影响因素而言，网络变量的影响与本文的假设基本相符。网络规模、关系构成和职业趋同性对农民工的职业阶层均有显著影响，表明社会网络结构变量对农民工初次流动的职业阶层有重要影响。弱关系为主导的关系构成对职业阶层的显著影响也间接验证了Gmnovetter的“弱关系的强度”假说。
其次，对农民工目前职业阶层的影响来说，阶层趋同性和关系构成变量仍然影响显著，但是网络规模影响不显著。表明流动后农民工社会网络结构仍然是高趋同性，对其职业阶层有影响的关系构成仍然是以弱关系为主导。网络规模不显著的原因可能是因为农民工网络规模不仅小于城市居民，也小于农村居民，回归分析表明流动后影响农民工职业的不仅仅是网络成员的人数，而是与弱关系比例的大小以及阶层趋同性的高低是密切相关的。
最后，对农民工目前收入的影响而言，发现网络变量的影响与本文的假设也基本一致。弱主导的关系构成显著提高了收入；阶层趋同性增强则显著降低了目前收入；同样网络规模对农民工目前收入的影响不显著。以上结果都表明社会网络是影响农民工收入的重要因素。
除了上述主要发现以外，分析个人因素和流动因素，我们还得到如下发现：
第一，在个人因素中，初次流动后，女性与男性相比更容易处于工人阶层，但是目前二者的差异并不明显，表明刚到城市时女性职业阶层地位不如男性，但随着时间的推移，两性问的这种差异变得不明显。但是，在收入方面，女性要明显低于男性。不论是初次流动还是目前，年龄较大的农民工都较容易进入较高阶层。然而，年龄对农民工的收入影响没有显著差异。对于受教育水平而言，初次流动后，高中及以上文化程度的农民工与小学及以下的相比更容易进入较高职业阶层，而目前受教育水平对农民工职业阶层没有显著影响，表明受教育水平只对农民工初次流动后的职业阶层有影响，随后由于农民工自身对城市的不断适应，受教育水平上的差异也会不明显。尽管如此，较高受教育水平能促使农民工得到较高的收入，表明较高人力资本会带来更高的收入。婚姻状况对初次流动和目前农民工的职业阶层都没有影响，但已婚者的目前收入明显高于未婚者。可能原因是婚姻会带来更多经济负担，从而提高了农民工提高收入的动力和努力程度。来深圳前有打工经历会促使农民工处于工人阶层，而且没有获得更高的收入。在深圳更换工作次数同样会明显促使农民工处于工人阶层，却同时带来更高的收入(从结果来看，更换工作次数不会促使其职业阶层变高，见表3)。
第二，在流动因素中，来自沿海地区的农民工与内陆地区相比，更可能进人较高阶层，表明经济开放政策对农民工的职业阶层有显著的影响。但是，农民工来源地对农民工收入并无显著影响。在深圳打工年限的延长，有助于农民工进入较高阶层，同时也有利于农民工获得更高的收入。
本研究也有一定的局限性：首先，由于调查数据的限制，网络结构变量中的紧密度指标难以获得，对该网络变量的研究有待进一步深入。其次，本调查样本来源于深圳市，本文得出的结论能否推广到其它农民工较多的城市，也需做进一步研究。第三，社会网络对农民工职业阶层变动的影响也是一个未来有意义的研究方向。
尽管有上述局限，本研究和发现对改变农民工弱势地位、提高农民工收入提供了一些政策方面的启示。已有研究表明，农民工社会关系网络以初级关系为主，并以初级关系为基础不断建构次级关系。本研究进一步发现，网络规模、趋同性和关系构成都会影响到农民工的职业阶层和收入。因此，本文提出以下政策建议：首先，政府应该通过相关部门，公布用工单位信息，加强农民工输出地政府与城市用工单位之间的信息交流，增加农民工输出地政府与外出农民工的沟通，从而增加农民工初次流动前的社会网络规模、减小趋同性和增加弱关系的比例，进而使农民工初次流动能得到较好的职业阶层和较高的收入。其次，农民工进入城市之后，流人地城市应对农民工加强职业培训，从而有助于提高农民工的人力资本。同时，城市政府应尽快完善各种相关措施，保证有留城意愿的农民工能继续在城市打工，不断提高其经济收入。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。