家庭照料与农户收入

2021-01-13张永奇单德朋

金融发展研究 2021年12期

张永奇单德朋

摘要：本文基于中国社会状况综合调查（2019年）微观数据，实证分析了家庭照料对农户收入的影响机理以及土地流转在其中发挥的中介作用。研究结果表明：家庭照料作为一种家庭负担，对农村劳动力的经济决策行为产生了显著影响;人口老龄化危机使得低收入农户显著提升了土地作为主要经济收入来源的依靠性，降低了此类群体土地出让的概率及可能性，抑制了农村土地结构化、规模化、集约化进程，从而在阻滞乡村振兴与农业农村现代化的进程中，对农户增收产生了较强的削弱力。因此，未来决策层在通过正式照料减弱农户自主照料负担的同时，也应该将目光聚焦于低收入群体，为低收入农户制定结对帮扶计划，从而在缓解家庭照料对土地整合的负向作用之时，亦能为农户持续增收提供更多的内生动力。

关键词：家庭照料;农户增收;照料服务;土地流转;内生转换回归模型（ESR）

中图分类号：F832 文献标识码：A 文章编号：1674-2265（2021）12-0022-08

DOI：10.19647/j.cnki.37-1462/f.2021.12.003

一、引言与文献综述

持续保障农户增收是中央“三农”工作的重中之重。全球经济增速放缓、新冠肺炎疫情动态蔓延等不利因素影响下，农户增收致富的经济增长点被显著收窄。增加农户收入，缩小城乡差距作为实现乡村振兴过程中的大文章，既需要从战略高度认真对待，也需结合“后扶贫时代”特征，采取针对性措施，提供“靶向治疗”。因此，立足于新的时代背景，深入挖掘农户增收的影响因素及理论机制具有重大的理论价值与现实意义。

农户增收作为学术界的热点话题，一直备受学者关注。梳理过往文献，已有研究从宏观与微观角度为本文探讨农户增收提供了重要的理论基础与经验观察（程明望和史清华，2014;匡远配和周丽，2018;王营等，2020）[1-3]。但这些研究均忽视了基于农户为主体的微观劳动者在有限时间的刚性约束下，既要进入劳动市场又需提供家庭照料的事实（刘娜和刘双庚，2014）[4]。由于制度的长期缺位以及家庭功能的弱化，我国出现了老龄化与老年照料需求增加、儿童照料赤字与生育率降低、女性工作与家庭难以平衡、家庭形态变迁与照料功能式微等对照料社会政策的现实需求表征（张奇林和刘二鹏，2019）[5]。人口老龄化的加速、儿童出生率的“新低”，均在一定程度上支持了家庭照料的负向经济效应更为突出的研究结论（单德朋和张永奇，2021）[6]。家庭照料作为一种劳动和时间密集型活动，对照料者的时间稀缺性具有诱发作用，使照料者在既定时间约束下，较难平衡工作与照料活动的双重负担，从而影響农户经济决策，限制农户劳动者的要素投入能力，使得农户货币收入水平发生显著改变（唐潥等，2020）[7]。但与此同时，夏李莹和马学琳（2021）[8]也指出我国农村家庭多数为机会型创业，家庭照料对创业的支持效应明显超出负担效应，通过增强幸福感、增加财富与提高社会地位加速农村家庭创业获得感。由此，在家庭照料正负效应并存于农村地区的现实条件下，深度检验家庭照料与农户收入之间的关联意义重大。

在农村地区，农户多以家庭作为决策主体进行经济决策。土地和劳动力作为农业活动的主要生产要素，以家庭为单位的经济决策主体对土地的依赖性和农村劳动力老龄化的趋向是制约土地流转和土地使用效率的关键因素。这也表明以家庭为基本单位的农村住户群体受到土地规模和成员生产生活能力的双重限制，即家庭照料的存在使得农村劳动力在进行经济行为决策时，需要对成员的劳动能力和土地规模进行配比，将有限的劳动力资源合理分配在农业、非农部门，从而实现整体利益最大化（江永红和程杨洋，2019）[9]。根据学者估算，我国现有农业劳动力中，60岁以上人口占比为18.42%，预计2030年将攀升至33.8%（徐娜和张莉琴，2014）[10]。王亚辉等（2018）[11]研究发现，拥有老年人口的农村土地流转率呈现下降趋势，为佐证人口老龄化对土地流转的负向作用提供了相关证据。由此，可以发现，在乡村振兴与农业农村现代化的政策背景下，除了讨论家庭照料对农户收入的直接影响，进一步挖掘家庭照料能否通过土地流转对农户收入发挥间接效应也是十分必要的。现有文献对于土地流转带给农户收入变化的研究主要分为两种观点。部分学者认为农村土地流转市场发育能够在公平与效率两个层面产生正向影响。贫困农户经由土地转出渠道实现外出务工，获得更多的非农收入;高收入农户可以借助土地转入实现集约化和规模化经营，从而增加此类群体的农业经营收入（何欣等，2016）[12]。整体而言，在产权确定的基础上，土地在租赁市场的自由配置对各类农户家庭的收入水平均有显著的促进作用（许恒周等，2020）[13]。但另有学者表示质疑，认为现行农村土地流转市场在减缓信息不对称方面存在欠缺，优化农地资源配置的作用并不显著（江永红等，2019）[9]，从而使得土地流转对农户增收的经济效应并不明显。土地流转的增收效果在于生产率的提高，但由于现阶段农村劳动力难以充分发挥比较优势，由此可能使得农户收入不升反降（肖龙铎和张兵，2017）[14]。此外，土地流转过程中的高额交易成本以及持有耕地的农户对未来的担忧均限制了土地流转对农户增收的正向效果（冯华超和钟涨宝，2018;隋福民，2018）[15，16]。基于此，在家庭照料仍为主流模式的农村地区（范红丽和辛宝英，2019）[17]，深入探讨家庭照料、土地流转与农户收入三者之间关系，对于积极应对老龄化和确保农户持续增收具有较为明显的政策价值。本文的边际贡献在于：基于家庭照料视角研究农户收入，拓展了农户收入的研究视野，为农户增收的原因和影响机制提供了补充解释，丰富了农户收入的文献基础。

二、理论模型

根据时间分配理论，家庭照料作为一种劳动和时间密集型活动，会诱发照料者的时间稀缺性，使照料者在既有时间约束下，很难有效平衡工作与照料活动的双重负担，从而限制了劳动者要素投入能力，对劳动者货币收入来源和择业选择行为造成影响（单德朋和张永奇，2021）[6]，进而对个体收入产生显著作用。因此，从理论上来看，可以将家庭照料看作家庭负担，并通过影响一个家庭中劳动力的经济行为来影响个体收入。本文借鉴Becker（1974）[18]的家庭利他模型，从财富转移的视角来考察家庭照料如何通过土地流转渠道影响农户的短期收入。考虑到现有家庭是由劳动力L与非劳动力NL构成的，当期的家庭效用函数可以表述为：

[UiCi，C-i=UViCi，V-iC-i，i=N，NL] （1）

其中，下标[i]和[-i]分别表示自身与对方，[U]代表总体效应，[V]代表效用函数，[C]表示消费，[∂VC/∂C>0]。本文主要研究家庭照料对农户收入的影响，所以只需分析非劳动力的最優化行为。在（1）式的基础上，非劳动力效用的函数可以表述为：

[UNLCNL，CL=∂VNLCNL+1-∂VLCL] （2）

[∂∈0，1]，充当非劳动力赋予自身效用函数的权重。非劳动力效用最大化的预算约束可以表示为：

[CNL=INL+ILt0，CL=ILt-t0-ILt0] （3）

其中，[INL]是非劳动力个人收入，由于其主要来源于财产性收入，所以一般地，[∂INL/∂NL<0]，即表示，非劳动人口的增加会使得劳动力的转移就业意愿降低，从而使其整体收入受到影响。[t0]和[t-t0]分别代表劳动力用于照顾家庭和外出劳动上的时间花费，[I]代表相应的收入或者支出。效用最大化的一阶条件能够表述为：

[V′NLCNL=1-∂/∂V′LCL] （4）

代入预算约束能够得到：

[V′NLCNL=1-∂/∂V′LILt-t0-CNL+INL] （5）

非劳动力收入对劳动力[t0]投入的影响能够表示为：

[∂ILt0∂INL=∂CNL-INL∂INL=∂CNL∂INL-1] （6）

（4）式两边对[INL]求导得到：

[∂ILt0∂INL=-V′LCLV″NLCNL+1-∂/∂V″LCL] （7）

一般情况下，劳动力在家庭照料活动中投入越多的资源，也就意味着其转移就业机会越少、可支配收入越低。所以，其往往选择从事一定量的土地耕种以弥补空闲和收入。因此，基于家庭决策背景，可以发现，从短期而言，家庭照料的存在的确抑制了农户的土地流转意愿，从而对农户增收造成冲击。

三、数据来源、变量选取与计量策略

（一）数据来源

中国社会状况综合调查（Chinese Social Survey，以下简称CSS）是中国社会科学院社会学研究所于2005年发起的一项全国范围内的大型连续性抽样调查项目。2019年度的CSS项目采用多阶段混合概率的抽样方法，共获得有效调查问卷10283份，覆盖全国30个省级行政单位，具有良好的代表性。本文以2019年度CSS数据为样本，根据实证研究设计，对样本数据进行了如下处理：（1）保留数据内的农户样本;（2）剔除在调查期内没有参与劳动并且没有提供家庭照料的农户样本;（3）将劳动年龄限制在60周岁以下，剔除劳动年龄大于60周岁的样本;（4）剔除被访者核心变量回答不明确的调查样本;（5）剔除其他异常值。最终得到1025份调查样本。

（二）变量选取

1. 被解释变量。本文被解释变量为农户收入。农户收入的主要来源可以分为农业收入与非农收入两部分。农业收入具有相对稳定性，农户收入中非农收入增长对农户收入增加起到决定性作用（莫亚琳等，2020）[19]。基于此，本文通过使用CSS（2019）问卷中“个体总收入”这一指标来衡量农户收入。并对该变量进行了对数处理。此外，本文借鉴Rooij等（2011）[20]做法，将整体样本的人均收入按照从低至高分为4个分位数区间，处于收入最低的区间农户赋值为1，处于收入最高的区间农户赋值为4。

2. 核心解释变量。本文的核心解释变量为家庭照料。本文通过使用CSS（2019）问卷中“由于要尽家庭责任，我很难把精力集中在工作上”这个问题来构建家庭照料指标，其中回答“是”的赋值1，反之赋值0。此外，本文进一步选用“大部分时间花在工作中，很难承担家庭责任”这一指标（否=1，是=0）充当家庭照料的替代变量。在上述问题基础上，引入问卷中的剩余家庭照料相关问题，“做家务（照顾孩子）很累，我总是不能够很好地完成工作”（是=1，否=0）、“我工作完回到家后总是很累，没有精力再做家务（照顾孩子）”（是=1，否=0），利用上述指标，通过因子分析法建立新的家庭照料指标对农户收入的影响展开进一步分析。

3. 工具变量。家庭照料负担的提升，确实会改变农户的收入支配。但是收入也可以成为农户承担家庭照料责任多寡的原因。收入越高的农户，越有可能利用正式照料服务来分担家庭照料压力。因此，鉴于两者之间可能会因反向因果而产生内生性偏误，本文选取了“同一年龄段平均家庭照料水平与个体家庭照料水平的差距”指标作为工具变量来缓解此项问题。

4. 中介变量。根据前文的理论模型，家庭照料的资源分配涉及农户的土地流转决策，而土地流转行为也与农户收入具有一定关联。因此，本文使用问卷中“家中是否有土地转出（是=1，否=0）”“家中是否有土地转入（是=1，否=0）”两个问题来考察土地流转情况。针对土地流转的两个问题中只要有一个问题回答是，则定义该农户参与了土地流转。

5. 控制变量。本文为保证模型构建准确，遵循传统文献做法，选取了一系列可能对农户收入产生影响的控制变量，尽量避免因选择疏忽而引发的各种遗漏（郭军等，2021）[21]。控制变量将被调查对象的年龄、性别、婚姻状况等个体特征变量全部囊括在内。另外，本文考虑到家庭经济也会对农户收入发挥作用。因此，本文选取了家庭经济水平、住房情况作为家庭特征变量。具体描述统计见表1。

为了解家庭照料与农户收入之间的单独联系，本文利用此前的收入划分区间标准，对家庭照料与农户收入的关系展开相关性检验。根据表2的描述结果，能够发现，家庭照料活动在低收入农户中愈加常见。随着农户收入的逐渐攀升，家庭照料活动的占比持续下降，这表明农户收入与家庭照料呈现负相关性。不过，考虑到相关性并不能验证因果性，下一部分将对家庭照料与农户收入的关系展开深度研究。

（三）计量策略

本文使用的农户收入指标是连续变量，根据此变量的数据分布特征，使用普通最小二乘法（OLS）模型展开分析更加合适。本文设定的基准回归模型如下：

[Lnincomei=α+βCarei+λXc+εc] （8）

其中，[i]代表个体;[Lnincome]代表農户收入;[Care]代表农户家庭照料情况，[Xc]代表影响农户收入的其余控制变量;[λ]为其余控制变量的估计系数，代表相应变量对农户收入的影响程度;[εc]为随机扰动项。[β]是家庭照料对农户收入的影响系数。[β]系数为负，则代表家庭照料对农户增收具有显著的抑制作用。

四、实证结果与分析

（一）基准回归结果与分析

表3给出了基准回归的结果。模型1是对家庭照料与农户收入的单独检验。根据模型1的结果，能够看出，家庭照料对农户增收的抑制作用在1%的水平上显著成立。模型2是通过稳健标准误测量方法，对两者关系展开的进一步检验。模型3与模型4分别引入个体特征变量、家庭特征变量。根据模型2—模型4的回归结果可以发现，家庭照料与农户收入的基准研究结论仍然成立。在家庭照料模式仍占主流地位的农村地区，自主照料不仅需要家庭劳动力付出时间、金钱等显性成本，也需要预防心理抑郁等隐性成本，大幅度提升了农村劳动力在时间资源及人力资源方面面临双重困境的可能性，一定程度上提高了其从事其他行业（除农业外）的工作门槛，最终致使农村劳动力的增收途径在短期内被家庭照料负担所约束。

（二）稳健性检验

本文采取更换核心变量、增加控制变量的方法进行稳健性检验。首先，本文将被解释变量农户收入从连续变量替换成“1—4”有序变量，即利用前文农户收入四等分的收入指标，在此基础上使用Oprobit模型对两者关系展开进一步检验。其次，本文使用家庭照料指标替代变量、利用因子分析法得到的家庭照料指标作为解释变量，对农户收入的影响程度重新进行回归分析。最后，本文考虑到农户收入会受到非农就业（是=1，否=0）、参加技能培训（是=1，否=0）的影响，为了进一步弥补变量遗漏偏误，本文将上述变量引入基准回归模型。根据表4中模型1—模型4的回归结果，能够发现，采用多种方法进行稳健性检验后，家庭照料与农户收入的关系依然显著，从而验证了本文基准研究结论的稳健性。

（三）内生性处理

针对内生性问题，本文选择三种方法进行缓解：工具变量法、修正样本自选择偏差的双稳健IPWRA方法以及内生转换回归模型（ESR）。

1. 工具变量法。借鉴以往学者的做法，本文使用“同一年龄段平均家庭照料水平与个体家庭照料水平的差距”作为家庭照料的工具变量（单德朋，2019）[22]。选择此指标源于两点：其一，此指标与个体的家庭照料情况存在显著关联，个体的家庭照料资源投入与同一年龄段的家庭照料水平息息相关，符合工具变量的相关性假设;其二，该指标属于静态指标，对农户收入的影响并不直接，符合工具变量的外生性假设。表5给出了利用2SLS模型展开分析的结果。根据表5模型1的结果显示，同一年龄段平均家庭照料水平显著为正，即同一年龄段其他个体的家庭照料资源投入将会促使该年龄段的农户倾向于将更多的资源分配给家庭照料活动。模型2中家庭照料的估计系数仍为负数，说明在工具变量的内生性控制下，家庭照料对农户增收的抑制作用仍然显著。

2. 样本修正自选择偏差的稳健IPWRA。上述实证结果虽然使用工具变量法验证了家庭照料对农户增收的阻滞效应，但并未规避样本自选择偏差问题，即家庭照料与农户样本并非随机选择的。在此情况下，利用模型回归可能存在选择性偏差问题。因此，本文采用IPWRA模型验证了家庭照料对农户收入的影响。选择该模型的原因如下：其一，相比Probit等限制因变量模型，IPWRA模型可以通过逆概率赋权的估计方法，进一步修正样本自选择偏差。其二，IPWRA作为双稳健性的估计模型，通过IPW和RA两种模型结合得到，并且只需要两者之一被正确设定，即能获得待估计参数的一致估计（柳松等，2020）[23]。

根据表6的回归结果，能够看到，在RA模型、IPW模型和IPWRA模型三种不同的估计方法下，家庭照料对农户收入的限制作用依然成立。根据模型3的结果能够看出，家庭照料的估计结果为-0.040，显著为5%。这表明家庭照料使得农户减收的概率达到4.0%。由此可见，在规避样本自选择问题后，家庭照料与农户收入的研究结论依然稳健。

3. 内生转换回归模型（ESR）。参照陈宝珍等（2021）[24]做法，使用内生转换回归模型（ESR）进行分析。该方法可以同时估计提供家庭照料和不提供家庭照料对农户收入的影响，并通过全信息最大似然估计将不可观测的偏误纳入选择模型中，以纠正选择性偏误，更好地规避有效信息遗漏问题。该模型的具体思路为：第一，采用二元选择模型估计农户提供家庭照料的概率;第二，估计提供家庭照料和不提供家庭照料两种情况下农户收入的决定机制;第三，根据估计结果，测算两种情况平均处理差异。

内生转换回归模型（ESR）回归结果如表7所示。Wald检验在1%的水平上拒绝了家庭照料的选择方程和收入效应的决定方程相互独立的原假设，在1%水平上显著不为0，表明存在不可观测变量同时影响家庭照料和农户收入，以上结果均表明采用内生转换回归模型（ESR）分析农户家庭照料和收入问题是恰当的。在其他变量得到控制的条件下，受访者为党员群体、家庭关系较好、家庭经济状况比较脆弱的农户更倾向于提供家庭照料。该结果表明家庭照料的资源提供与受访者的政治觉悟、家庭支持存在一定的关联。

从农户收入的影响因素来看，未提供家庭照料的农户，其收入主要受到年龄、婚姻状况、相对收入预期、性别及互联网使用的影响。而提供家庭照料的农户，除了上述影响因素外，其收入还受到家庭经济的影响，家庭经济状况越好，提供家庭照料的农户获得“收益回馈”的可能性越高。上述研究结果表明，家庭照料对农户增收的约束力不仅取决于农户自身的人力资本及社会资本，还会受到家庭经济状况的制约，家庭经济条件越好的农户，家庭照料对其增收的挤出效应越弱。

在内生转换回归模型（ESR）的基础上，进一步预测了提供家庭照料的农户和不使用家庭照料的农户的收入效应，如表8所示。平均处理效应模型所得ATT为-0.450;半径匹配模型由于仅能纠正可观测变量的选择性偏误，导致对家庭照料的收入效应也存在一定的低估。但结合表8的整体结果，能够验证家庭照料的抑收效应仍然成立。

（四）影响机制分析

前文已经采用多种回归方法检验了家庭照料与农户收入的关系，补充了影响农户收入的关联因素。但是并未给出家庭照料对农户收入的影响机制。在人口老龄化压力更为严重之时，通过土地保障来满足家庭养老需求已被许多农户接受。与此同时，农户对土地持续生计功能的重视程度也必然会对农村土地组织化、集约化进程造成影响，从而影响农户家庭的经济收益。因此，本文利用土地流转作为传导视角，深度挖掘家庭照料与农户收入之间的关系。

1. 家庭照料→土地流转→农户收入。根据表9的回归结果可以发现，家庭照料显著制约了农村土地流转，造成了农村土地政策改革“绩效漏损”。尽管城镇化的快速发展给农村青壮年转移就业提供了机会，但是在农村老人与孩童需要照料的情况下，使得农村照料者被迫滞留在农业部门而不能进行非农转移的现象普遍存在。在农村社会保障体系亟待完善的情况下，农村家庭劳动力对土地的收入保障深化預期得到强化。进一步研究显示，模型5中家庭照料的系数显著为负，土地流转的系数显著为正，此结果意味着家庭照料能够通过土地流转途径对农户收入发挥中介效应。土地流转的系数显著为正，意味着在政府不断健全土地流转服务体系的背景下，农村地区的新型农业经营发展模式存在较大提升空间。通过土地的流转（转出），可以使土地转出农户在获得土地租金或佣金分红等收入的同时，还能利用富裕时间从事其他工作，从而增加其他非农收入。经由土地流转（转入）渠道，农村地区有利于及早实现农业适度规模经营的发展目标，从而提升农业经济生产效率，持续激发农户增收的内在动力。

2.家庭照料→土地流转→农户收入（高、低收入）。上文已经检验了家庭照料能够通过土地流转路径对农户收入产生间接效应，但是并未区分收入群体，即检验家庭照料对哪类农户的土地流转抑制作用更加明显？如果在家庭照料的约束下，土地转出意愿薄弱的主要群体聚焦于低收入农户，那么就会大幅度阻滞土地的规模集约化进程。因此，在养老痛点和难点集中的农村，进一步探讨受制于家庭照料这一因素下，土地流转（转出、转入）的主体身份，则具有更加显著的现实意义。

根据表10的回归结果可以发现，在家庭照料的约束下，低收入农户土地转出的概率较低，而高收入农户土地转入的概率也显著降低。这意味着受家庭照料约束，在农村地区实现新型农业经营主体适度规模化的目标仍有差距。为了缓解这一现实困境，需要为低收入农户提供相应的增收渠道，包括尝试提供非农就业机会、增加家庭养老补贴及托幼补助等措施，缓解其对土地的依赖程度，进而削弱此类群体家庭照料负担，减弱家庭照料对农村居民增收的限制。

五、研究结论与政策建议

随着乡村振兴战略的持续推进，农户增收问题得到密切关注。在城乡融合持续推动、人口老龄化问题日益严重的现实条件下，深入探讨家庭照料对农户收入的影响程度及机理路径具有重要的现实意义。本文基于CSS（2019）数据和各项指标，对家庭照料与农户收入的整体关系展开实证分析，得出的核心结论为：第一，从短期来看，家庭照料作为一种负担对农户增收具有显著的抑制作用。第二，影响机制表明，土地流转能够充当家庭照料影响农户收入的传导路径。第三，相比于高收入农户，低收入农户更加需要通过土地耕作方式来承担家庭养老负担，因此，家庭照料对低收入农户土地转出的阻滞效应更为明显。

基于上述研究结论，本文的政策启示如下：

第一，拓展照料服务体系，为家庭照料提供社会替代选择。照料活动所带来的紧张和压力将会对照料者的心理健康产生影响，这不仅对照料者来说是一种福利损失，也会反过来影响照料效果（袁笛和陈滔，2019）[25]。因此，为缓解照料老人、儿童等弱势群体的负向冲击，政府在坚持和完善民生保障制度的同时，需要健全农村地区的基础服务体系，建立日托中心与养老互助机构等，提高社会照料服务质量，从而缓解农村劳动力的家庭照料负担。

第二，采取切实帮扶手段，缓解家庭照料对农户收入的短期负面影响。土地作为低收入农户的主要收入来源，主要原因在于低收入农户在劳动力市场的竞争能力不足。因此，应采取更多措施帮助此类群体扩充增收渠道。如及时提供创业政策和资金扶持，帮助其发展有特色、有市场、有效益的种养业;免费为低收入农户家庭提供技能培训服务，指导他们科学种养，帮助他们减弱对土地的依赖程度。此外，针对高收入农户家庭，应鼓励其从事新型农业经营，帮助其尽早实现规模经营。

参考文献：

[1]程名望，史清华，Jin Yanhong.农户收入水平、结构及其影响因素——基于全国农村固定观察点微观数据的实证分析 [J].数量经济技术经济研究，2014，（5）.

[2]匡远配，周丽.农地流转与农村减贫——基于湖南省贫困地区的检验 [J].农业技术经济，2018，（7）.

[3]王营，梁海涛，连宁.乡村振兴背景下完善农业社会化金融服务的创新实践与思考 [J].金融发展研究，2020，（5）.

[4]刘娜，刘长庚.居民收入提升与家庭照料约束——市场与家庭联立视角下收入差距扩大再探因 [J].财经研究，2014，（7）.

[5]张奇林，刘二鹏.面向家庭的照料社会政策建构：范式、因应与路径 [J].青海社会科学，2019，（2）.

[6]单德朋，张永奇.家庭照料与农户贫困 [J].世界农业，2021，（5）.

[7]唐溧，胡晓霁，刘亚慧，温铁军.社会养老为何在农村水土不服——“家文化”视角下城乡养老意愿差异的实证研究 [J].农业经济问题，2020，（1）.

[8]夏李莹，马学琳.农村家庭创业投资周期管理研究：创业动机、家庭照料与创业获得感——基于“千村调查”数据分析 [J].东北农业大学学报（社会科学版），2021，（1）.

[9]江永红，程杨洋.家庭负担是农地流转的约束吗[J].农业技术经济，2019，（4）.

[10]徐娜，张莉琴.劳动力老龄化对我国农业生产效率的影响 [J].中国农业大学学报，2014，（4）.

[11]王亚辉，李秀彬，辛良杰，谈明洪，蒋敏.中国土地流转的区域差异及其影响因素——基于2003—2013年农村固定观察点数据 [J].地理学报，2018，（3）.