三 研究设计

（一）变量测量

为探究区域农村劳动力转移对减贫的作用机制，首先把贫困程度作为被解释变量，其次把农村劳动力转移程度作为解释变量，最后选择产业结构、农业劳动生产率、城乡居民收入差距、资本密集度和教育水平作为相关控制变量，以便获得相对更为有效的研究结果。

1.被解释变量

贫困程度。区域贫困治理主要体现在减贫效果上，即贫困治理效果好的地区，其贫困程度相对较低，反之亦然。目前，学界对“贫困”的测度高度关注，当前学界常用的贫困测度有人口指数、贫困缺口数和FGT贫困指数三种，但仍未达成一致认同的测度标准。因此，本文借鉴段忠贤、黄其松（2017）的研究成果，采用城乡居民最低生活保障人数来识别贫困人口，采用“贫困程度=（城市居民最低生活保障人数+农村居民最低生活保障人数）/年末常住人口数”指标来测度区域贫困程度，用PK表示。

2.解释变量

农村劳动力转移程度。农村劳动力转移主要有就地转移和异地转移两种模式。其中农村劳动力向城市和非农就业转移是二元结构特征明显的发展中国家的普遍现象。农业劳动力转移通过就业效应，获取更多的收入机会，从而降低农民贫困的可能性。因此，本文借鉴刘华珂、何春、崔万田（2017）的研究成果，以“农村劳动力转移人数=乡村从业人员数-乡村第一产业人员数，而农业劳动力转移程度=（乡村从业人员数-乡村第一产业人员数）/乡村从业人员数”指标来来衡量区域农村劳动力转移程度，用NZ表示。

3.控制变量

（1）产业结构

一般来看，产业结构层次越高，即第二、第三产业越发达，区域经济发展水平也越高，而第三产业中餐饮、家政等行业是吸纳农村劳动力转移的主要层次。农村劳动力转移既改变了农村经济，也改变了农民收入结构。因此，文章借鉴洪业应（2014）的研究成果，采用“产业结构=（第二产业产值+第三产业产值）/地区生产总值”指标来测度区域产业结构，用CY表示。

（2）农业劳动生产率

农业劳动生产率通过增加农产品的产出和增加非农产业的收入来增加农民的收入。农业劳动生产率的提高对农村减贫具有积极效应。因此，本文借鉴刘华珂、何春、崔万田（2017）的研究成果，采用“农业劳动生产率=农业机械总动力/乡村第一产业从业人数”指标来测度区域农业劳动生产率，用NS表示。

（3）城乡居民收入差距

一般来看，城乡居民收入差距越大，说明农民收入越低，也限制了农民劳动技能的提升，从而不利于减贫。当前学界常用的城乡居民收入差距测度方法有城乡居民人均可支配收入比、基尼系数和泰尔指数，并认为泰尔指数不仅能够直接反映城乡人口比重情况，而且能够有效反映城乡两端收入的变动。因此，本文借鉴王瑞彭、祝宏辉（2016）等的研究成果，采用泰尔指数来测量城乡居民收入差距，用T来表示。

（4）资本密集度

一般来看，劳动密集型产业的资本密集度越高，表明经济发展水平及资本化程度越高，与之相匹配的劳动力需求也越大，可促进农业劳动力向城镇转移，增加非农收入，有利于减贫。因此，本文借鉴陈斌开、林毅夫（2013）的研究成果，采用“资本密集度=全社会固定投资完成额/年末常住人口数”指标来测度区域资本密集度，用ZB表示。

（5）受教育水平

居民受教育水平是衡量人力资本状况的主要指标，且受教育水平越高，其获得就业的机会越多，促进农业劳动力转移的机会也越多，增加其非农收入的机会也相应增加，从而有利于减贫（王瑞彭、祝宏辉，2016）。因此，文章选取居民平均受教育年限作为衡量受教育水平的指标，用JY表示。

（二）模型的构建

根据上述分析，本模型是一个多元回归方程：

其中，i表示区域，t表示某一年；Poverty_i，t表示区域贫困程度，用PK表示；Labortrans_i，t是农业劳动力转移程度，用NZ表示；X_i，t是其他影响贫困程度的控制变量，ε_i，t是随机误差干扰项。

（三）数据来源

本文选取贵州省2000～2016年的贫困程度作为被解释变量，即选用人口指数来测度，用PK表示。变量有：NZ——农业劳动力转移程度（%），CY——产业结构（%），NS——农业劳动生产率（kw/人），T——城乡居民收入差距（%），ZB——资本密集度（亿元/人），JY——受教育水平（年）等指标。以上指标选取的数据均来自2001～2017年《贵州统计年鉴》及统计部门公开出版的数据。因此，数据来源翔实可靠，假设检验的结果具有较高的信度和效度。