杨昊 彭开丽

摘要：  利用湖北省667个农户调查样本数据，运用Heckman模型，实证分析不同收入类型对农户土地流转决策行为的影响。结果表明，①农户家庭收入中不同收入类型对土地流转决策行为有不同的影响。农业经营收入对农户土地转入有显著正向影响，但对土地转出有显著负向影响;农业补贴收入负向影响土地转入，但对土地转出无显著影响，非农工资收入对农户土地转出有显著正向影响。不同非农工资收入水平对农户土地流转决策行为具有不同的影响，只有较高的非农工资收入才能促进土地转出。因此，本研究提出应在提高农业生产能力和农户非农就业能力的同时，完善土地流转相关配套政策，改善农业补贴水平和方式的政策建议。

关键词：  家庭收入; 土地流转; 农户决策行为; Heckman模型; 工具变量

中图分类号：  F323.8;F321.1    文献标识码： A    文章编号：  1000-4440（2021）05-1320-07

Impacts of household income on farmers land transfer decision

YANG Hao， PENG Kai-li

（College of Public Administration， Huazhong Agricultural University， Wuhan 430070， China）

Abstract：  The survey data collected from 667 households in Hubei province were used to analyze the impact of income on farmers′ land transfer decision-making behavior by using Heckman model. The results indicated that different-types of househdd income had different effects on farmers′ land transfer decision. Agricultural income had a significant positive impact on farmers′ land flow in， but had a significant negative impact on land flow out. Agricultural subsidy had a negative impact on land flow in， but had no significant impact on land flow out. Non-agricultural income had a significant positive impact on land flow out. Different levels of non-agricultural income also had different effects on farmers' land transfer decision. Only higher non-agricultural income could promote farmers to flow out land. In order to develop the farmland transfer market， it is needed to enhance farmers′ capability of agricultural production and non-agricultural employment， and improve the supporting policies of farmland transfer and the level and method of agricultural subsidy.

Key words：  household income; land transfer; farmers′ decision-making behavior; Heckman model; instrumental variable

“农业发展、农民增收、农村稳定”一直以来是中国经济发展的焦点问题，农村土地流转和农民增收作为破解“三农”问题的关键和总抓手倍受政策制定者的高度关注  [1] ，  2014- 2019年的中央一号文件均先后提出要“建立、健全、规范、引导、鼓励、放活”土地承包經营权有序流转，发展多目标、多形式的适度规模经营，完善土地流转运行体制，切实实现农业增效和农民增收，为引导农用地有序流转提供了有力的政策支持。目前，以家庭为主体的土地流转普遍且长期存在，农户个体的土地流转决策行为将对土地流转市场的发展产生重要的影响。值得注意的是，改革开放和城镇化的不断推进使得农户在就业选择和收入水平等方面发生变化，并通过影响农户土地依赖度和土地产权结构偏好进而影响农户的土地决策行为  [2] 。对农户而言，就业差异化的本质是收入分化，家庭收入作为反映农户家庭资源禀赋和生产生活方式的指标对农户土地流转决策行为产生重要影响，并成为土地流转过程中的内在驱动力  [3] 。因此，从收入类型视角出发，研究分析农民收入类型与农户土地流转决策行为的潜在关系及影响机理，对于深入了解中国农户土地流转决策行为，优化土地流转政策实施的传导机制，提升资源配置效率具有重要参考价值。

许多学者深入讨论了农村土地流转对农户家庭收入的影响，从文献来看，土地流转作为分拣机制，有助于非农就业机会少但农业生产能力强的农户转入土地和扩大土地经营规模，非农就业机会多但农业生产能力弱的农户转出土地和参与非农活动，进而促进这两类农户收入的提高  [4-5] 。与此同时，伴随着城乡劳动力要素流动性增强，大量农村劳动力转移至非农就业部门，农户的家庭资源禀赋和行为能力差异导致了农户收入结构的变化，农业收入占家庭总收入比例的不断减小弱化了农户对土地的依赖，从而为土地流转提供可能  [6] 。因此，部分学者颠覆了“土地流转影响农民家庭收入”的传统单向认识，分析了农户家庭收入变化对其土地流转意愿的影响。例如，许恒周和郭玉燕  [7] 发现非农收入与土地流转存在长期均衡关系，非农收入增长是引起土地流转的重要原因;刘同山和牛立腾  [8] 认为农户以收益最大化确定的土地处置方式取决于收入结构差异，农业比较效益较差的现状是推动土地流转的重要因素;冷智花等  [9] 证实农户收入结构差异和劳动力内部分工才是驱动农户参与土地流转的本质原因;缪书超等  [10] 认为农业补贴收入能够通过抑制土地流出和家庭非农就业促进农户扩大土地经营规模。

因此，从现实观察和实证研究看，“土地流转是收入结构变化的结果”的判断是成立的，破解当下土地流转低水平化和发展缓慢难题，应重点关注如何从提高农户收入角度提高农户土地流转的意愿和能力  [11] 。然而，农村土地流转和农户家庭收入之间存在双向影响关系，若将流转视为结果，收入水平及结构转变作为原因，如何解决家庭收入与土地流转存在的内生性问题？家庭收入由农业经营收入、农业补贴收入和非农工资收入等不同收入类型构成，不同收入类型对农户土地流转决策行为是否具有不同的作用方向？现有文献对这些问题尚无较好的回答。因而，本研究从农户微观视角出发，分析农户家庭的不同收入类型对土地流转的作用机理，运用Heckman模型对湖北省667个农户样本进行分析，识别不同类型农户土地流转决策行为的影响差异。本研究一方面有助于从微观层面揭示土地流转的内在驱动，进一步发挥收入结构变化促进土地流转的重要作用，另一方面有助于从宏观层面针对不同类型农户制定差别化的激励措施，在促进农户增收的同时，引导农户进行土地有序流转，提高土地流转效率。

1 研究方法

1.1 数据来源

本研究数据来源于课题组2018年10-11月在湖北省开展的农村入户实地调研，基于代表性和随机性原则，采用分层抽样和随机抽样法，按照“县（市、区）-镇-村-户”的关系选择黄冈、孝感、天门、仙桃、潜江、鄂州、荆州、洪湖和武汉共计9县（市、区）、13个乡镇、38个村的农户进行面对面访谈，得到调研问卷700份，剔除数据缺失的问卷，最终回收有效问卷667份，问卷有效率为95.29%。调查内容主要包括农户个人特征、家庭经济特征、家庭禀赋特征和土地流转状况等基本信息。最终得到发生土地流转的农户373户，占总样本的55.92%（其中转出户有240户，占比为35.98%;转入户有133户，占比为19.94%），未流转户294户，占样本总数的44.08%。

1.2 模型设定

考虑到农户的土地流转行为并不是随机发生的，其是否流转以及流转规模的大小受到多种因素的影响。对于未流转户，虽然无法直接观察到其土地流转的规模，但若直接将未流转户排除在外，仅仅回归分析那些流转的农户样本，这种自我选择样本可能会导致估计结果有偏差。因此，本研究参照王亚楠等  [12] 的做法，选择Heckman两阶段模型解决样本选择性偏差问题。

第一阶段以“是否转入”或“是否转出”作为被解释变量，对所有样本进行概率单位（Probit）回归估计。公式如下：

Y  i1 （p）=β 0+∑ n i=1 β iX  i1 +ε 1  （1）

其中， p 用于度量农户 i 参与流转的可能性，若 p >0，则  Y   i1  =1，表示农户参与流转;若 p <0，则  Y   i1  =0，表示农户不参与流转。  X   i1  为可观测变量，表示农户 i 的特征（家庭特征、資源禀赋特征、产权特征和社会保障特征）变量，  β   i  表示因  X   i1  变化导致的土地流转概率的变化，  ε   1  为误差项。

因普通最小二乘法（OLS）估计可能存在样本选择性偏差，需从第一阶段概率单位回归模型中估算得到逆米尔斯比率（ λ ），公式如下：

λ= （ β ︿   X   i ）/φ（ β ︿   X   i ）  （2）

其中，  （ β ︿   X   i ） 表示变量  β ︿   X   i  的正态分布函数， φ（ β ︿   X   i ） 表示变量  β ︿   X   i  的累积密度函数。

第二阶段利用OLS模型模拟土地流转规模决策过程，此时 λ 作为工具变量修正OLS选择性偏差，公式如下：

Y   i2 = δ   0 +∑  n   i=1   δ   i  X   i2 + δ   I λ+ ε   2   （3）

其中，  Y   i2  表示流转率的大小，  X   i2  表示第二阶段的解释变量，即影响农户流转率的农户家庭特征、资源禀赋特征、产权特征和社会保障特征。  δ   i  表示   X   i2  变化一个单位导致的土地流转率的变化，  δ   I  为 λ 的系数，  ε   2  为误差项。

1.3 指标及变量选择

土地流转决策行为指标选取与测度。考虑到农户流转决策行为包括“是否流转”和“流转规模”两阶段，本研究借鉴钱龙等  [13] 的研究结果，以“农户是否参与流转”测度土地流转参与行为，以“土地流转率”测度农户土地流转参与程度。其中“土地流转率”又分为“土地转入率”和“土地转出率”，“土地转入率”以土地转入面积与家庭经营耕地面积的比值来衡量，“土地转出率”以土地转出面积与自有耕地面积的比值来衡量。

解释变量。家庭收入是农户家庭基本经济状况的综合反映，包括经营性收入、转移性收入、工资性收入和财产性收入  [14] 。本研究借鉴张明辉等  [15] 的研究结果，按照是否通过土地所得将农户收入划分为直接收入（含农业经营收入和农业补贴收入）和间接收入（非农工资收入）。本研究没有将财产性收入纳入农户家庭收入的范畴，一方面是因为财产性收入在农户家庭收入中所占的比重很小，长期以来在2%的水平浮动  [9] ;另一方面是由于农户的财产性收入多半来自于土地租金，而土地租金是土地流转的结果，若研究其对土地流转的影响，会由于“颠倒因果关系”而导致严重的内生性问题。

其他控制变量。为控制其他因素的影响，本研究参考已有研究成果，并结合实地调研经历，选择家庭特征、资源禀赋特征、产权特征和社会保障特征等共4维度13个控制变量。变量含义及指标见表1。

2 家庭收入对土地流转决策行为的影响分析

利用STATA15.0对农户土地流转决策行为进行Heckman模型分析，要求作为第二阶段模型的解释变量是第一阶段模型解释变量的真子集。参照高珊等  [16] 的做法进行模拟检验，在经过多次模拟检验后，在第二阶段模型中减少户主文化程度、家庭成员健康状况和自有耕地面积3个变量。从数据处理结果（表2）来看，转入率和转出率模型估计结果得到的逆米尔斯比率（ λ ）分别在0.10和0.01的水平上显著，这表明农户的土地流转决策行为的确存在选择性样本偏差问题，使用Heckman两阶段决策行为模型是合理的。

2.1 不同收入类型对农户土地转入决策行为的影响

表2显示，农业经营收入均通过了两阶段决策模型0.01显著性水平检验，农业经营收入每提高1%，土地转入的可能性提高 0.706 8 个百分点，土地转入率提高 0.022 5 个百分点，农业经营收入能显著正向促进土地转入，增加土地有效需求;农业补贴收入显著负向影响土地转入，农业补贴收入每提高1%，土地转入的可能性降低 2.696 8 个百分点，与孙钋  [17] 的研究结果一致。

2.2 不同收入类型对农户土地转出决策行为的影响

对于土地转出决策行为，模型估计结果（表2）显示，农业经营收入显著负向抑制土地转出，农业经营收入每提高1%，土地转出可能性降低 1.428 5 个百分点，土地转出率降低 0.287 4 个百分点，表现为随着农业经营收入的提高，土地有效供给减少;农业补贴收入对农户土地转出决策行为没有显著影响;非农工资收入正向促进土地转出，非农工资收入每提高1%，土地转出的可能性增加 0.046 6 个百分点，从整体来看，非农工资收入显著促进土地流转的研究结论得到国内大多数学者的认可  [7，18-20] 。然而，托达罗模型的农村劳动力转移经典理论认为，较低的非农工资收入不会促进土地转出，只有较高的非农工资收入才会促进土地有效供给  [21-22] 。因此还需深入分析不同水平的非农工资收入对土地转出决策的影响，以得到更稳健的实证结果。本研究将非农工资收入分为低收入組[非农工资收入（1年）< 1.50× 10  4 元]，中低收入组[ 1.51× 10  4 元<非农工资收入（1年）≤ 4.00× 10  4 元]，中高收入组[ 4.01× 10  4 元<非农工资收入（1年）≤ 8.00× 10  4 元]， 高收入组[非农工资收入（1年）> 8.01× 10  4 元]。表3显示，低收入组的非农工资收入与土地转出决策呈显著负相关，高收入组的非农工资收入与土地转出行为呈显著正相关，中低收入组和中高收入组的非农工资收入与土地转出决策行为无显著相关性，符合托达罗模型的农村劳动力转移经典理论。说明非农收入增长并不必然推动土地转出，农户是否进行土地流转取决于其家庭经营特征、农业收入与非农业收入的综合比较等。当农户非农收入较低时，农户缺乏非农就业的机会，土地成为其生活来源和保障的必须生产资料，此时农户对土地有着较高的依赖度，更倾向于保留土地;只有非农工资收入达到较高程度时，农户才具有向二三产业有效转移的条件，从而选择将土地转出。

3 稳健性检验

为避免收入结构与土地流转可能呈双向因果关系而引起内生性问题，还需对模型进行稳健性检验。参考温兴祥  [23] 的研究方法，分别采用本地村级层面非农工资水平和村级农业收入水平作为非农工资收入和农业经营收入的工具变量。一方面，中国农村是典型的熟人社会，邻里之间的关系，村级层面非农就业网络是农村居民相互联系的纽带  [24] ，同时，村级层面非农就业和农业经营状况反映了本地经济发展现状，与农户的非农工资收入和农业经营收入密切相关  [25] ;另一方面，村级非农工资水平和村级农业收入水平并不会对单个农户的土地流转决策产生直接影响。可见，工具变量符合外生性假设。这里不考虑农业补贴收入，因为在调研区内，农业补贴收入的发放对象为土地承包户，土地流转不会反向影响农业补贴收入水平。

本研究参考陈云松  [26] 的内生性检验方法，对非农工资收入、农业经营收入与土地流转之间的内生性问题进行探讨，并使用工具变量的IV-Heckit模型进行稳健性检验[第一阶段模型以非农工资收入（农业经营收入）为被解释变量，以村级非农工资收入水平（村级农业收入水平）为解释变量;第二阶段模型以是否转入或是否转出为被解释变量，以非农工资收入或农业经营收入为解释变量]。第一阶段的估计结果（表4）显示，村级非农工资水平的系数和村级农业收入水平的系数均在0.01水平上显著，表明村级非农工资水平和非农工资收入、村级农业收入水平和农业经营收入高度相关，基本排除弱工具变量的可能性，工具变量有效。第二阶段估计结果表明，对于农户转入决策，非农工资收入和农业经营收入显著促进农户转入;对于农户转出决策，非农工资收入显著促进农户转出，农业经营收入显著抑制农户转出，这与Heckman估计结果一致，模型的稳健性较好。

4 结论与建议

4.1 结论

综上，可以得到以下研究结论：第一，不同收入类型对农户土地流转决策行为有不同的影响。农业经营收入对农户转入土地具有显著正向影响，对土地转出具有显著负向影响;农业补贴收入负向影响土地转入，但对土地转出无显著影响;非农工资收入对农户土地转出具有显著正向影响。第二，不同非农工资收入水平对农户土地流转决策行为也具有不同的影响。非农工资收入较低的农户更倾向于保留土地，只有较高的非农工资收入才能促进土地转出。说明非农收入低的农户对于土地的依赖程度较高，非农收入高的农户对土地依赖度较低，由此看来，进行土地流转的是非农收入较高的家庭。研究结果表明，农民家庭收入是土地流转的重要激励和约束条件，深刻影响着农民土地流转决策行为。

4.2 政策建议

根据以上结论，建议国家和社会应从重视农业经营收入在探索土地适度规模中的重要作用，完善农业补贴政策和大力发展非农就业等方面入手，促进农民增收，引导土地有序流转。

（1）为发挥农业经营性收入在促进土地转入中的作用，地方政府应定期开展农业技能培训，大力引进先进的农业生产技术，提高农民农业生产经营的技能和管理水平。同时应考虑地区特点推广现代农业以提高农业经营收入水平，例如在平原地区可加强高标准农田和现代农业设施建设，促进农业规模化生产;在丘陵及山地可通过土地治理改造中低产田，推广适合山区农业生产的微耕机械。

（2）为发挥农业补贴在促进农业发展中的重要作用，应在继续加大农业补贴强度的同时，将农业补贴发放给土地经营者，并将政策目标瞄准为耕地地力保护和支持适度规模经营的“大户补贴”，激励新型农业经营主体的规模发展。

（3）为发挥工资性收入在促进劳动力转移中的作用，应完善非农就业市场，健全就业保障机制，开展与指导非农就业技能培训，提高农民非农就业能力与非农就业市场劳动需求的匹配度。同时出台相关配套政策，解决好进城务工农民的就业、医疗、住房和子女教育等问题，在提高农户非农就业收入和稳定性水平的同时，促进农民身份转变，提高农民对城市生活的认同和归属感，从而促进农业劳动力向城镇非农就业部门转移，促进土地流转。

参考文献：

[1]  匡远配，陆钰凤. 农地流转实现农业、农民和农村的同步转型了吗[J]. 农业经济问题， 2016， 37（11）： 4-14，110.

[2] 刘玥汐，许恒周. 农地确权对农村土地流转的影响研究——基于农民分化的视角[J]. 干旱区资源与环境， 2016， 30（5）： 25-29.

[3] 许恒周. 农民阶层分化与农村土地流转中的产权偏好[J]. 中州学刊， 2011（4）： 75-78.

[4] 高 欣，张安录，杨 欣，等. 湖南省5市农地流转对农户增收及收入分配的影响[J]. 中国土地科学， 2016， 30（9）： 48-56.

[5] 张 兰，冯淑怡，陆华良，等. 农地不同流转去向对转出户收入的影响——来自江苏省的证据[J]. 中国农村观察，2017（5）： 116-129.

[6] 陈会广，单丁洁. 农民职业分化、收入分化与农村土地制度选择——来自苏鲁辽津四省市的实地调查[J]. 经济学家， 2010（4）： 85-92.

[7] 许恒周，郭玉燕. 农民非农收入与农村土地流转关系的协整分析——以江苏省南京市为例[J]. 中国人口·资源与环境， 2011， 21（6）： 61-66.

[8] 刘同山，牛立腾. 农户分化、土地退出意愿与农民的选择偏好[J]. 中国人口·资源与环境， 2014， 24（6）： 114-120.

[9] 冷智花，付畅俭，许先普. 家庭收入结构、收入差距与土地流转——基于中国家庭追踪调查（CFPS）数据的微观分析[J]. 经济评论， 2015（5）： 111-128.

[10] 缪书超，钱 龙，宋 亮. 农业补贴与农村家庭非农创业——基于中国家庭金融调查（CHFS）数据的实证分析[J]. 农业经济问题，2021（3）：62-74.

[11] 许 庆，陆钰凤. 非农就业、土地的社会保障功能与农地流转[J]. 中国人口科学， 2018， 188（5）： 30-41.

[12] 王亚楠，纪月清，徐志刚，等. 有偿VS无偿：产权风险下农地附加价值与农户转包方式选择[J]. 管理世界， 2015（11）： 87-94，105.

[13] 钱 龙，陈会广，叶俊焘. 成员外出务工、家庭人口结构与农户土地流转参与——基于CFPS的微观实证[J]. 中国农业大学学报， 2019， 24（1）： 184-193.

[14] 彭开丽，张安录. 土地利用变化中农户脆弱性研究——一个理论分析框架及基于中国中部五省的调研实证[J]. 自然资源学报， 2015（11）： 1798-1810.

[15] 张明辉，蔡银莺. 农地经济贡献对农地流转市场的影响——以孝感、武汉、成都、苏州为例[J]. 资源科学， 2017， 39（2）： 198-208.

[16] 高 珊，黄贤金. 农村市场化对农户耕地流转的影响——以沪苏皖农户调查为例[J]. 长江流域资源与环境， 2012， 21（7）： 816-820.

[17] 孙 钋. 农业补贴政策收入分配效应的实证分析——以黑龙江省为例[J]. 学习与实践， 2014（10）： 53-60.

[18] YI F J， SUN D Q， ZHOU Y H. Grain subsidy， liquidity constraints and food security——Impact of the grain subsidy program on the grain-sown areas in China[J]. Food Policy， 2015， 50：114-120.

[19] 吕悦风，陈会广. 农业补贴政策及其对土地流转的影响研究[J]. 农业现代化研究， 2015， 36（3）： 362-367.

[20] 邓楚雄，谢炳庚，潘艳平，等. 典型农业县域转出劳动力对耕地处置方式的影响因素分析——以湖南省新化县为例[J]. 经济地理， 2015， 35（9）： 134-140.

[21] 陈 飞，翟伟娟. 农户行为视角下农地流转诱因及其福利效应研究[J]. 经济研究， 2015， 50（10）： 163-177.

[22] 楚永生，王云云，高 頔. 否定之否定：刘易斯模型与托达罗模型比较与改进——兼論中国农村劳动力转移的政策选择[J]. 南京审计大学学报， 2019， 16（5）： 103-111.

[23] 温兴祥. 本地非农就业对农村居民家庭消费的影响——基于CHIP农村住户调查数据的实证研究[J]. 中国经济问题， 2019（3）： 95-107.

[24] 路雅文，张正河. 1978-2016年农村人口迁移的社会网络分析：来自中部人口流出大省C村的证据[J]. 农业经济问题， 2018（3）： 87-97.

[25] 魏滨辉，苏柯雨， 柳 松. 中国农村非农就业对农户融资的影响与机制——基于CFPS面板数据的研究[J]. 农村经济， 2020（5）： 105-112.

[26] 陈云松. 农民工收入与村庄网络 基于多重模型识别策略的因果效应分析[J]. 社会， 2012， 32（4）： 68-92.

（责任编辑：陈海霞）