影响农户土地流转意愿的诸因素分析及对策建议——基于对大连市农户的调查

卿 固 辛超群

(大连大学经济管理学院 辽宁大连 116622)

影响农户土地流转意愿的诸因素分析及对策建议
——基于对大连市农户的调查

卿 固 辛超群

(大连大学经济管理学院 辽宁大连 116622)

本文以大连市农户调研数据为基础，采用主成分修正Logistic回归模型对影响农户土地流转意愿的13个因素进行了实证研究。研究结果表明：农户家中收入主要来源、非农收入比重、农户对现行政策的了解程度、土地流转价格等因素对农户土地流转意愿影响较为显著。基于此研究结果，本文有针对性地提出了相应的政策建议：加大政策宣传力度，提高土地流转价格；深化农村教育改革，提高农户素质；完善农村社会保障和社会化服务体系。

主成分修正Logistic；土地流转意愿；大连市

一、研究背景与意义

党的十八届三中全会提出“赋予农民对承包地占有、使用、收益、流转及承包经营权抵押、担保权能”以及“鼓励承包经营权在公开市场上向专业大户、家庭农场、农民合作社、农业企业流转，发展多种形式规模经营”，这为农村土地流转的改革提供了政策指导。而农户作为土地流转的主体，其本身的意愿在很大程度上影响着土地流转的效果。对农户意愿的影响因素进行研究，有助于正确认识我国农地流转的瓶颈所在，有助于加快推进农地流转的步伐，缓解农地撂荒和细碎化问题，提高农地利用效率，同时，有助于弥补家庭联产承包责任制带来的缺陷，有利于推进农业结构调整及构建新型农业经营体系。

二、相关文献回顾

针对农户土地流转意愿及其影响因素，国内众多学者通过实地调查及构建经济计量模型做了大量研究，主要体现在以下三个方面。

(一)研究地区的分布上

翟辉、杨庆媛等(2011)以重庆市为例对西部地区农户土地流转行为影响因素进行了实证分析，发现家庭的收支和农村社会保障等因素对农户土地流转行为影响显著[1]。刘卫柏(2011)通过对湖南进行实地调查，认为非农就业能力、非农收入、年龄、医疗保险和养老保障等因素与农地流转关系密切[2]。徐美银、陆彩兰等(2012)以江苏省作为发达地区的代表，通过调研发现现阶段发达地区农户总体上具有较为强烈的土地流转意愿，且对流转模式、收益、基层政府的管理服务等方面要求不断提高[3]。

(二)影响因子的选择上

由理性人假设可知，农户做出土地流转的决策行为是多种因素共同作用的结果。既有外部宏观经济、政策等方面的作用，也受微观层面如个体特征、家庭特征等方面的影响。包宗顺、徐志明等(2009)着重从非农产业发展水平、农业生产结构、劳动力素质、农村居民人均纯收入以及农村社会保障水平等对农村土地流转的影响因素进行了实证分析[4]。刘艳(2010)则认为农户收入水平、地权稳定性、交易成本、参与流转土地的供求状况以及区域差异对农地流转影响较大[5]。

(三)研究方法的选取上

詹和平、张林秀(2008)采用Probit模型对江苏省142个农户的调研数据进行了实证分析，认为影响农户土地流转的因素主要有家庭保障水平、以农为主的劳动力人数、农业资产价值、拥有土地年数等[6]。郭嘉、吕世辰(2010)则利用主成分分析法和多元线性回归模型对影响土地流转的因素进行了分析，提出了应建立土地流转部门、规范流转现象，同时探索土地流转的专项社会保障制度等建议[7]。周春芳(2012)采取Heckman两步法从土地流转的供给和需求方面对农户土地流转的意愿因素进行了实证分析，认为建立完善的农村社会保障体系，提高农村劳动力素质是促进农户土地流转、完善流转市场的根本[8]。刘洋、刘慧君(2011)，陈昱、陈银蓉、马文博(2011)，曾子成、刘骏(2012)等则采用经典Logistic回归模型对影响农户土地流转意愿的因素进行了实证研究[9-11]。

综上所述，国内学者对新时期农户土地流转进行了卓有成效的研究。然而，过往的实证研究主要存在以下两方面的不足：一是影响因素的选取上。在国家政策、外部经济环境等宏观因素相同的情况下，影响农户土地流转意愿的因素更多的来自农户自身的特征、认知程度等微观层面，而多数实证研究考虑了较多的宏观层面的因素。另外，对于影响因素间的多重共线性问题，很少有文献进行检验和消除，这会使得模型分析的结果出现误差甚至失真。二是研究方法的选择上。由于影响农户土地流转的因素是否服从正态分布以及各因素与农户的意愿是否必然存在线性关系还没有得到一致的结论，因此采用Probit及多元线性回归模型进行实证分析欠妥。

据此，本文更多地从农户自身的角度等微观层面出发来选取变量，同时采用主成分分析法对变量间存在的多重共线性进行消除，进而通过构建修正的Logistic回归模型进行实证研究，力求真实地分析影响农户土地流转意愿的因素，为政府提供参考和决策支持。

三、原理及步骤

(一)原始数据标准化

为了消除变量间的量纲关系，从而使数据更有可比性和更利于对异常值的判断，有必要对数据进行标准化处理，公式为：

(1)

(二)计算相关系数

变量间是否存在相关性，对理解所选取的自变量与因变量之间的关系十分重要，而相关系数通过数值的方式能较为精确地反映变量间的相关性的强弱程度，简单相关系数公式为：

(2)

(三)主成分分析

当变量间存在一定相关性，可认为这些变量在解释同一问题时存在信息的重叠，而主成分分析正是通过降维的方法将原来的变量整合成一组互相无关的综合变量，同时这些新的综合变量又尽可能多地保持原有的信息，其数学模型为：

(3)

公式3反映的是，主成分分析法通过坐标的手段，将原有的n个相关变量x标准化处理后进行线性组合，转换成另一组不相关的变量y[12]，至于主成分的个数则是由方差贡献率决定的。最后，建立主成分得分函数：

Fi=e1izx1+e2izx2+…+enizxn(i=1,2,3,…,n)

(4)

(四)Logistic回归分析

将样本数据代入公式(4)计算各主成分，然后用主成分代替原变量来参与Logistic回归分析。

四、实证研究

(一)数据来源

本文所选取的数据来源于2013年12月有针对性地对大连市的金州区、普兰店、瓦房店和庄河市的350户农户所做的调查。调查涉及的地区包括城乡结合地带、农村等，兼有丘陵、平原地区；涉及的农户包括纯农业、以农为主兼业、非农为主兼业和非农业农户。采取随机抽样的方法，进行实地调查和入户访谈，实际发放问卷350份，回收问卷331份，问卷有效率94.57%。

(二)变量选取

1.因变量的选取。农户土地流转意愿受诸多因素的影响，然而农户土地流转意愿只有两种，即：“愿意流转”和“不愿意流转”。结合Logit模型，本文把“愿意流转”定义为Y=1；“不愿意流转”定义为Y=0。

2.自变量的选取与预期影响。影响农户土地流转意愿的因素众多且复杂，但并不是所有变量都可以量化，且如果自变量过多，会使得分析过程冗杂，难以得出结论。因此，本文在借鉴前人的基础上选取了以下13个因素进行研究，这13个因素可分为三类：农户特征、家庭特征、土地特征。具体为，农户特征：性别(X1)、年龄(X2)、受教育程度(X3)、职业(X4)、对现行政策的了解程度(X5)；家庭特征：家中人口数量(X6)、家中月收入水平(X7)、家中收入主要来源(X8)、非农收入比重(X9)；土地方面特征：人均土地面积(X10)、土地持有年数(X11)、土地对家庭的重要性(X12)、现行土地流转的价格(X13)。变量说明和预期影响具体如表1所示。

表1 变量说明及预期影响

注：“+”表示预期影响为正，数值越大影响效果越显著；“-”表示预期影响为负，数值越小效果越显著。

(三)相关性分析

对样本数据进行标准化处理，得到相应变量ZXi(i=1,2,…，13)。针对不同类型的变量ZXi进行相关性分析，连续型变量用Pearson简单相关系数衡量，分类和等级变量用Kendallτ相关系数衡量。经SPSS17.0处理后， 受教育程度(X3)、职业(X4)、对现行政策的了解程度(X5)、家中月收入水平(X7)、家中收入主要来源(X8)、非农收入比重(X9)、家中人均土地面积(X10)、家中土地持有年数(X11)、土地对家庭的重要性(X12)、现行土地流转的价格(X13)等变量间的相关系数|r|>0.3，具备了进行主成分分析的前提条件。

(四)主成分分析

将上述存在一定相关关系的变量经SPSS17.0运行，得到变量的巴特利特球度检验和KMO值，如表2所示。

从表2可以看出，巴特利特球度检验的观测值为693.447，相应的概率为0.000，小于显著性水平0.05，同时，KMO值为0.757，说明所选取的变量适合进行主成分分析。

表3反映了所提取的主成分因子对原有变量总方差的解释情况，从中可以看出共提取了五个主成分，共解释了原有变量总方差的73.837%。总体上原有变量的信息丢失较少，主成分提取理想。

表3 因子解释原有变量总方差的情况

表4反映了所提取的主成分的成分矩阵和成分得分系数矩阵。可以看出，变量Z职业、Z土地对家庭的重要性、Z家中收入主要来源、Z非农收入比重拟合成主成分F1，且按照F1所能解释程度排序为Z职业、Z土地对家庭的重要性、Z家中收入主要来源、Z非农收入比重，F1可命名为收入贡献因子；Z家中土地持有年数、Z家中人均土地面积拟合成主成分F2，且按照F2所能解释程度排序为Z家中土地持有年数、Z家中人均土地面积，F2可命名为土地贡献因子；Z对现行政策的了解程度、Z现行土地流转的价格拟合成主成分F3，按照F3所能解释的程度排序为Z对现行政策的了解程度、Z现行土地流转的价格，F3可命名为外部环境因子；Z家中月收入水平拟合为F4；Z受教育程度拟合为F5。

根据成分得分矩阵可以得到每个主成分的得分函数：

F1=0.259Z职业-0.256Z土地对家庭的重要性+0.252Z家中收入主要来源+0.168Z非农收入比重+0.034Z家中土地持有年数-0.052Z家中人均土地面积+0.171Z对现行政策的了解程度+0.133Z现行土地流转价格+0.127Z家中月收入水平+0.185Z受教育程度。

同理，可以得到F2、F3、F4、F5的得分函数。

表4 主成分成分和得分矩阵

(五)主成分修正的Logistic回归

本文在经典二项Logistic回归模型的基础上，将主成分变量F1、F2、F3、F4、F5同其他未进行主成分分析的变量作为全新的变量进行Logistic回归，得到修正的回归模型，如下所示：

(5)

1.拟合优度的检验。主成分修正的Logistic模型的拟合优度如表5所示，通过似然比检验可看出选用该模型是可取的。Cox & Snell R2和NagelkerkeR2是模型系数的调整值，数值越大说明拟合度越好。另外H-L统计量对应的概率P(0.302)大于给定的显著性水平α(α=0.05)，说明拟合优度较好。

表5 主成分-Logistic模型的拟合优度

2.模型运行结果及分析。本文借助Excel和SPSS17.0软件，采用向前条件策略对各变量进行回归分析，具体结果如表6所示。其中B、S.E、Wald、d.f.、Sig、Exp(B)分别表示：模型的回归系数、回归系数的标准误差、Wald统计量、自由度、Wald检验统计量的概率p值、发生比率。

表6 主成分-Logistic模型运行结果

续表6

从表6可看出，运用向前条件策略，经过四个步骤进行回归后，模型最后保留了主成分F1、F2、F3以及变量ZX2(年龄)。而主成分F4、F5和变量ZX1(性别)、ZX6(家中人口数量)被排除在模型之外，这说明这些变量与农户土地流转意愿的关系表现得不是太显著。同时，主成分F1、F2、F3以及变量ZX2(年龄)与农户土地流转具有较强的正相关关系，相关系数分别为1.702、0.562、0.566、0.338。此外，对应的显著性水平分别为0.000、0.000、0.000和0.031，小于给定的显著性水平α(α=0.05)。这说明主成分F1、F2、F3与ZX2是影响农户土地流转意愿的主要因素。

由上文拟合的过程可知，主成分F1主要为变量职业、土地对家庭的重要性、家中收入主要来源和非农收入比重，主成分F2主要为变量家中土地持有年数、家中人均土地面积，F3主要为变量对现行政策的了解程度、现行土地流转的价格。这说明这些变量对农户土地流转意愿的影响程度是显著的。具体分析如下：当农户从事的职业为非农业或以非农为主兼业时更愿意流转土地，而职业为纯农业时则更愿意拥有土地；当土地对家庭来说是赖以生存的要素，则更多地表现为不愿意流转土地，反之土地流转意愿强烈；家中收入主要靠土地耕作，非农收入比重比较低的农户更愿意占有土地，其土地流转的意愿则不是太强烈。这跟预期的假设相符合，同时说明扩大农户收入渠道，增加非农收入比重，促使农户收入多元化，降低农户对土地的依赖性，使农户从土地的束缚中解放出来，能够加快土地流转的步伐。同样，家中土地持有年数长，家中人均面积多，农户则更愿意流转土地，跟预期假设相一致。此外，农户对相关政策越了解，土地流转的价格越昂贵，农户越愿意进行土地流转，这与预期假设相一致，说明增强农户对土地流转相关政策的了解程度，提高土地流转的价格能够推动土地流转。

五、结论与建议

本文以大连市农户调研数据为例进行实证研究，结果表明：其一，本文采用主成分分析法很好地解决了变量间的多重共线性问题，主成分修正Logistic能较好地满足研究的需要。其二，农户土地流转的意愿受诸多因素的影响，但主要受到三方面的影响：一是农户的职业和受教育程度。农户更多地从事非农业活动、受教育程度越高，对相关土地流转的政策及认识越深入，其土地流转的意愿越强烈。二是收入主要来源及非农收入比重。越多收入来自于非农收入，农户对土地依赖程度越低，越偏向于土地流转。三是土地有关因素。家中土地持有年数越长，人均土地面积越多，现行土地流转价格越高，农户则越愿意流转土地。由此本文针对农户土地流转意愿提出如下建议：

(一)深化农村教育改革，提高农户素质

各级政府应集财力、物力、人力等加强农村基础教育建设，改善办学条件，扩大农户初、高中比例。同时，加大对农户的职业技能培训，依托农校、农村社区经济合作组织、大中型企业等，紧紧围绕农业产业化，以市场为导向，及时开设、调整培训专业，采取培训输出的形式，从整体上提高农户的综合素质。此外，应加强对农户的后续教育培训，不断提高农户的技能水平和就业能力。

(二)完善劳动力转移机制，增加农户收入

建立农村劳动力转移的长效机制，想方设法给农户创造更多的就业机会，诸如大力发展乡镇企业、劳动密集型产业，加快县域经济发展等，同时发展派遣就业，促进自主创业和鼓励家庭就业[13],促进剩余劳动力的转移，扩大农户收入的来源渠道，让农户从土地中解放出来。此外，应加强培育公平自由的劳动力市场体系，维护进城农户的利益，减少劳动力转移障碍、地域歧视等，切实增加农户收入。

(三)健全土地流转市场机制，提高土地流转价格

在坚持和完善家庭联产承包责任制的前提下，通过市场机制配置土地资源，按照“效率优先，兼顾公平”的原则，加快培育农地使用权市场。同时，以有偿使用为原则，通过土地所有者与使用者之间的充分竞争形成土地流转价格，并辅以政府的调控政策，加强配套金融支持，为土地流转提供资金保障[14]，尽可能提高土地流转价格，让农户从土地流转中获得更多收益。

(四)完善农村社会保障和社会化服务体系

农户不愿意流转土地，究其原因是担心流转后自身生活无法得到足够的保障。政府应完善包括就业在内的养老、医疗等农村社会保障制度，使农户敢于实行国家赋予的承包地流转、承包经营权抵押、担保等权能，解决农户的后顾之忧。此外，应尽快形成低成本、高效率的农业服务体系，为农业生产的各个阶段提供资金、技术等支持，使土地流转的效果得以彰显。

[1] 翟辉，杨庆媛.农户土地流转行为影响因素分析——以重庆市为例[J].西南师范大学学报(自然科学版)，2011，36(2)：176-181.

[2] 刘卫柏.基于Logistic模型的中部地区农村土地流转意愿分析——来自湖南百村千户调查的实证研究[J].求索，2011(9)：81-83.

[3] 陆彩兰，陈国泼.发达地区农民土地流转意愿及其影响因素分析——来自江苏的566户样本[J].经济与管理研究，2012(7)：66-74.

[4] 包宗顺，徐志明，高珊，等.农村土地流转的区域差异与影响因素——以江苏省为例[J].中国农村经济，2009(4)：23-30，47.

[5] 刘艳.农地使用权流转研究[M].北京：北京师范大学出版社，2010.

[6] 詹和平，张林秀.农户土地流转行为的影响因素——有序Probit模型的实证研究[J].重庆建筑大学学报，2008，30(4)：10-14.

[7] 郭嘉，吕世辰.土地流转影响因素的实证分析[J].经济问题，2010(6)：68-70，74.

[8] 周春芳.经济发达地区农户土地流转影响因素的实证研究[J].西北农林科技大学学报(社会科学版)，2012，12(6)：37-43.

[9] 刘洋，刘慧君.基于Logistic模型的农地流转农户意愿影响因素研究[J].安徽农业科学，2011，39(2)：962-963，969.

[10] 陈昱，陈银蓉.基于Logistic模型的水库移民安置区居民土地流转意愿分析——四川、湖南、湖北移民安置区的调查[J].资源科学，2011，33(6)：1178-1185.

[11] 曾子成，刘骏.基于Logistic模型的城乡统筹试验区农户土地流转意愿实证研究——以荆门掇刀区为例[J].安徽农业科学，2012，40(35)：17332-17334，17338.

[12] 薛薇.基于SPSS的数据分析(第二版)[M].北京：中国人民大学出版社，2011.

[13] 林莉，朱岩峰.城乡统筹背景下农村失地妇女就业问题探讨——基于福建省的实证研究[J].西华大学学报(哲学社会科学版)，2014，33(5)：100-104.

[14] 王德平.金融创新支持农村土地流转研究——以四川达州市为例[J].西南金融，2013(11)：66-70.

[责任编辑 杨 瑜]

2014-10-21

辽宁省大连市社科联(院)重大(重点)课题项目“大连都市型现代农业发展的瓶颈及对策研究” (dlskzd201318)阶段性研究成果。

卿固(1962—)，女，教授，研究方向为农业经济。

F301.2

A

2095-1124(2015)02-0032-07