土地流转对农户贫困脆弱性的影响研究

彭继权，吴海涛，秦小迪

（1.江西财经大学经济学院，江西 南昌 330013；2.中南财经政法大学工商管理学院，湖北武汉 430073）

1 引言

消除贫困是人类的共同使命，是当今世界面临的最大全球性挑战之一。中国政府历来重视农村贫困问题，扶贫工作取得了举世瞩目的成就。截至2018年底，中国农村贫困发生率下降至1.7%，贫困人口从2012年底的9 899万人减少到2018年底的1 660万人。中共十九大进一步提出要打好防范化解重大风险、精准脱贫和污染防治三大攻坚战，把精准脱贫作为全面建成小康社会最具有决定性意义的一个攻坚战。而且，摆脱贫困是中国实现乡村振兴的前提条件，因此解决贫困问题仍是重中之重。土地一直以来都是农民赖以生存和发展的物质基础，对农户能够起到基本的社会保障功能，有着一定的减贫作用[1]。随着国家农业现代化建设步伐的加快，土地细碎化经营已经不能满足农业现代化的发展需求，土地流转势在必行[2]。有学者就此提出，参与土地流转后的农户是否会因为土地经营权的丧失加重贫困的发生[3-4]。若土地流转会加重贫困产生，土地政策制定前必然要权衡土地流转效益和农村贫困危害间的利弊。因此，探究土地流转对农户贫困脆弱性的影响显得尤为重要。

目前，已有学者就土地流转与农村贫困的关系进行探讨。ZHANG AND WAN[5]发现土地流转通过保障低收入群体的租金收入和缓解异质性农户的非农收入差距来降低农户间的收入不均等。JIN AND DEININGER[6]和匡远配等[7]发现土地流转能够促进农民职业多元化，增加农户收入并减贫。KIMURA等[8]基于土地租赁交易决定因素的理论模型，发现土地流转不仅有利于降低农业成本，更能促进部分农民转移到非农业部门，增加农户非农收入水平，提升农户整体福利。诸培新等[9]和钱忠好等[10]发现土地流转有利于转出户经营性收入、工资性收入和转移性收入的增加，从而有利于转出户家庭总收入的增加。赵春雨[11]发现以土地流转入股，扶贫资金和村集体资产评估作为集体资本入股，重构新农村合作社集体经济组织，能够产生“内生性”扶贫效应。夏玉莲等[12]和蔡洁[13]对土地流转的多维减贫效应进行分析，发现土地流转推动农村劳动力转移到其他产业，通过接触新产业提升人力资本，进而缓解能力贫困。宁静和殷浩栋等[14]发现土地确权可以促进土地转出，提高贫困户财产性收入，并通过劳动力转移提高工资收入水平，进而缓解贫困。

以上研究基本证实了土地流转能够有效缓解农村贫困，但都忽略了一种重要问题，即都只分析了土地转出的短期效应，没有考虑长期效应。这是因为贫困指标是一种事后测度，只能用来静态度量某个时点个人或家庭的福利状况，不能反映未来的福利状况以及相关风险[15]。土地流转对农村家庭当期福利的影响是短期效应，但农村家庭未来可能会因为各种负向冲击而陷入贫困，因此，基于土地流转短期效应所制定的政策并不适用于那些在未来陷入贫困的家庭[16]。众所周知，贫困的“预防”远比贫困的“治理”更为重要，而“预防”贫困就需要评估贫困脆弱性。贫困脆弱性是被世界银行在2002年《世界发展报告》中提出，用来测度个体或家庭未来陷入贫困的可能性。贫困脆弱性测度是对农户贫困的事前预测，能够前瞻性地衡量农户土地流转后的长期效应，借此来准确识别未来可能陷入贫困的家庭，从而制定相应政策有效阻断这些家庭在未来陷入贫困。

另外，以往学者在分析土地流转对贫困的影响时，大多没有考虑模型中样本选择偏误问题，但农户是否进行土地流转很可能是自我选择的结果。这是因为农户的土地流转决策会受家庭资源禀赋的影响，从而导致农户是否选择土地流转并非完全随机，如果仍采用传统计量方法进行估计，必然会降低模型估计的准确性和有效性。基于此，本文在测度农户贫困脆弱性的基础上，采用倾向得分匹配法（PSM）估计土地是否转出对农户贫困脆弱性的净效应，采用回归方程的Shapley值分解法估计土地转出面积对农户贫困脆弱性的贡献率，这两种方法都能有效解决样本选择偏误问题，保证模型估计的真实性。同时，本文把转出土地分为水田和旱地，考察不同类型土地转出对农户贫困脆弱性影响的差异，也能在一定程度上考察土地流转对农户贫困脆弱性的作用机制。

2 研究方法

2.1 贫困脆弱性测度

贫困脆弱性是将风险冲击与家庭福利水平联系在一起，一般认为贫困脆弱性是不可观察的、动态的、前瞻性的，强调贫困产生的预期。CHAUDHURI[17]、ZHANG and WAN[5]认为贫困脆弱性是指家庭或者个人因为遭受不确定性风险冲击而陷入贫困或者无法摆脱贫困的概率。贫困脆弱性的计算方法如下：

式（1）中：下标i和t分别表示农户和时间；Y表示农户的福利水平（户均收入）；Z表示贫困线，表示农户i在t时期的贫困脆弱性，即未来陷入贫困的概率；Yi,t+1表示农户i在t+ 1时期的福利水平。

可以采用AMEMIYA[18]提出的三阶段可行广义最小二乘法（FGLS）进行估计，在收入对数服从正态分布的假设下，即可计算出贫困脆弱性：

式（2）中：Xi表示与农户或个体相关的特征变量，如性别、年龄和教育等；lnYi表示农户福利水平的对数；lnZ为贫困线的对数为对数收入的期望值；为对数收入的方差；为贫困脆弱性值。

2.2 计量模型构建

本文运用湖北省1 682个农户调查数据作为研究样本，构建如式（3）所示的计量回归模型，以考察土地流转对农户贫困脆弱性的影响：

式（3）中：i表示单个农户；Yi为农户贫困脆弱性值，有高、中、低三条标准贫困脆弱性值；xi为核心解释变量，主要包括转出土地面积、转出旱地面积、转出水田面积、有无土地转出、有无旱地转出和有无水田转出；Z为其他控制变量，包括家庭人均外出务工时间、家庭受培训人员比例、人情往来支出、家庭社会网络、家庭储蓄、家庭负担系数、农户市场化率和农业物资资本；μi是随机扰动项；α0、β0、γi为待估参数。

2.3 PSM估计法

PSM的基本思路为：首先，利用Logit模型计算每个样本农户参与土地流转的条件概率拟合值，此概率值即为倾向得分值（PS），PS值相近的参与土地流转农户与未参与土地流转农户构成了共同支撑领域。

其次，将参与土地流转的农户和未参与土地流转的农户逐一匹配，确保控制组和处理组的主要特征尽可能相似；最后，利用控制组模拟处理组的反事实状态（即未参与流转情况），比较农户在参与和不参与土地流转这两种互斥事实下的贫困脆弱性差异，差值即为净处理效应。在计算得到农户土地流转的倾向值后，农户贫困脆弱性的平均处理效应（ATT）可以表示为：

式（5）中：Nt为土地流转农户的样本数；t为匹配后的实验组；c为匹配前的控制组为实验组中第i个参与土地流转农户的观测值为控制组中第j个没有参与土地流转农户的观测值；pi为实验组农户i的预测概率值；pj为控制组农户j的预测概率值；λ（pi，pj）为权重函数，不同的匹配方法有不同的权重函数。

3 数据来源和描述统计

3.1 数据来源

本文数据来自于课题组2016年在湖北省的农户实地调查数据，此次调查的内容涵盖家庭人口基本信息、家庭物质资产、家庭社会资产、借贷行为、家庭生产经营情况、农地流转行为和农业政策认知情况等。为保证样本选取具有代表性，调研地点选取了英山县、蕲春县、沙市、阳新县和老河口市5个县市，在一定程度上能够代表湖北省的东中西部。采用随机抽样的方法，在每个县市抽取5个乡镇，每个乡镇抽取2个村，每个村抽取35户农户，共调查1 750户农户，剔除无效样本68份，共获得有效样本1 682份。

3.2 变量说明

本文选取家庭人均纯收入来预测家庭贫困脆弱性，选取家庭人均非农收入来检验土地流转对家庭分项收入的影响机制。贫困线的选择会影响贫困脆弱性值，许多研究学者认为中国国家贫困线相对于国际贫困线（1.9美元和3.1美元）而言较低，为了保证家庭贫困脆弱性衡量的准确性和稳健性，本文分别选取高、中、低三种不同层次标准的脆弱性临界值，低标准脆弱性临界值为2016年的国家贫困线年人均纯收入2 800元，中标准脆弱性临界值为世界银行规定的国际贫困线标准每人每天1.9美元（年人均收入4 319元），高标准脆弱性临界值为世界银行推荐发展中国家每人每天3.1美元的贫困线（年人均收入7 047元）。本文的关键解释变量为土地流转面积和土地是否流转，主要分为转出土地面积、转出水田面积、转出旱地面积、土地有无流转、水田有无转出和旱地有无转出。本文选取变量的计算方法及描述统计如表1。

表1 变量计算方法及描述统计Tab.1 Variable calculation method and description statistics

4 土地流转对农户贫困脆弱性的基准回归

4.1 不同类型土地流转面积对农户贫困脆弱性的影响

表2为不同类型土地流转面积对贫困脆弱值的估计结果，采用国定线、1.9美元贫困线和3.1美元贫困线分别考察土地转出面积、水田转出面积和旱地转出面积对其贫困脆弱性值的影响。模型（1）—（3）中的因变量为土地转出户的贫困脆弱性值，模型（4）—（6）中的因变量为水田转出户的贫困脆弱性值，模型（7）—（9）中的因变量为旱地转出户的贫困脆弱性值。由以下9个模型可知，不论采用何种贫困线和何种土地转出面积，各变量对其贫困脆弱性值的影响方向和显著性基本保持不变。随着贫困线的提高，各变量对贫困脆弱性值的估计值只有微弱减少，其减少幅度基本可以忽略不计，说明回归模型具有较强的稳健性和可靠性。无论转出水田还是旱地，均不会导致农户收入降低，相反，还能降低农户陷入贫困的可能。此外，水田转出对农户贫困脆弱性值降低的效果会更加明显，即与旱地相比，水田在经济上对农民的重要性较低。可能原因是，水田更多的是种植粮食作物，旱地更多是种植经济作物，粮食作物生长所需的时间较长、劳动力投入较多和生产成本较高，但其收益较低。而经济作物的收益相对较高，因此，农户在面临比较利益较高的生产经营机会时，往往会放弃收益较低的水田，节省出更多的劳动力和时间从事比较利益更高的非农生产经营活动[10]。

表2 不同类型土地转出面积对贫困脆弱值的影响Tab.2 Impact of different types of land transfer areas on poverty vulnerability

4.2 不同类型土地是否流转对农户贫困脆弱性的影响

表3是不同类型土地是否流转对农户贫困脆弱性值的估计结果，依然选用三条贫困线来分别考察家庭土地有无转出、水田有无转出和旱地有无转出对农户贫困脆弱性值的影响。回归的结果显示，随着贫困线的提高，各自变量对农户贫困脆弱性值的影响在逐步减小，但减少幅度几乎可以忽略不计，说明贫困脆弱性影响因素的作用机制不会随着贫困线的改变而改变，

也间接证明回归模型具有较强的稳健性。从土地流转变量来看，土地有无转出和旱地有无转出对农户贫困脆弱性值尽管呈现负向关系，但回归系数并不显著，只有水田有无转出变量的回归系数呈现出显著的负向影响。进一步验证上文结果：转出水田能够帮助农户从事其他收益更高的非农生产经营活动，从而增加收入。

表3 不同类型土地有无转出对农户贫困脆弱性值的影响Tab.3 Impacts of different types of land transfer on the poverty vulnerability of farmers

5 土地流转对农户贫困脆弱性的PSM估计和Shapley值分解

5.1 样本匹配前后核密度分布情况

在采用PSM估计法时，首先需要检验样本匹配是否合理和有效，经常采用的检验方法为查看处理组和控制组匹配前后的倾向得分核密度函数分布。图1（a）和图1（b）表示土地转出农户匹配前后核密度分布图，在没有采用核密度匹配法前，控制组（土地转出）和处理组的倾向得分匹配值的概率分布差异较大；当采用核密度匹配法后，控制组（土地转出）和处理组的倾向得分匹配值的概率分布差异下降很大，表明匹配法能够有效降低处理组和控制组家庭特征的差异，说明采用核密度匹配法的匹配效果较好。本文也尝试采用其他方法进行匹配，最后发现匹配的效果都不错。本文也验证了水田转出农户和旱地转出农户的匹配效果，其结果也较为理想，但考虑文章篇幅限制，不一一列出检验结果。

5.2 匹配结果分析

为了保证研究结果的可信度，本文采用半径卡尺匹配法、核密度匹配法和局部线性回归匹配法分别估计国定贫困线、1.9美元贫困线和3.1美元贫困线下土地有无转出、水田有无转出和旱地有无转出对农户贫困脆弱性的平均处理效应。表4为土地是否转出、水田是否转出和旱地是否转出对农户贫困脆弱性的PSM估计结果，为节省篇幅，本文只报告了半径卡尺匹配结果。从不同贫困线的匹配估计值来看，随着贫困线水平的提高，土地转出对农户贫困脆弱值的影响有略微降低的影响，但是下降幅度较小。为了表达简洁性，下文主要解释国定贫困线的匹配估计值。

在匹配前，土地转出对农户贫困脆弱性有负向影响，且在1%水平上显著，土地转出会降低农户贫困脆弱性值的7.68%。当采用匹配法消除了样本控制组和处理组的差异后，净效应ATT的平均值为7.38%，也就是说土地转出使农户贫困脆弱性值会实际下降7.38%，相比没有匹配前的回归系数有所下降，说明采用普通的OLS回归会高估土地转出对农户贫困脆弱性值的影响，采用PSM估计也进一步证明了土地流转确实会减少农户未来陷入贫困的概率。从水田转出对农户贫困脆弱性值估计的平均处理效应来看，匹配前水田转出对农户贫困脆弱性值有显著的正向影响，匹配后ATT值的平均值为8.28%，也就是说水田转出使农户贫困脆弱性值会实际下降8.28%，也比土地流转的ATT平均值要大，进一步说明，水田有转出的农户相比水田无转出的农户，其未来陷入贫困的风险会降低很多。

图1 匹配前后倾向得分核概率分布图Fig.1 Probability score nuclear probability distribution before and after matching

表4 土地是否转出对农户贫困脆弱性的PSM估计Tab.4 PSM estimates of the impacts of land transfer on the poor vulnerability of farmers

从旱地转出对农户贫困脆弱性值估计的平均处理效应来看，匹配后ATT值的平均值为7.91%，也就是说旱地转出使农户贫困脆弱性值会实际下降7.91%，这也进一步证明农户不仅不会因为失去旱地致贫，反而较失地前拥有更小的致贫风险。通过对不同类型土地有无转出对农户贫困脆弱性值PSM估计可知，水田转出对贫困缓解的效果最为明显，亦即水田对农户生计的作用最小，再则就是土地，旱地的影响最大，因为土地转出是旱地转出和水田转出的加总，其ATT估计值理应在其他两类土地转出ATT值的中间，实证结果也正好符合这一点。

5.3 基于回归方程的Shapley值分解

为了排列出政策的优先次序，有必要从变量对贫困脆弱性影响程度的角度将变量排序并解析贫困脆弱性的不平等。本文采用基于回归方程的Shapley值分解方法[19]，该方法可以通过对贫困脆弱性值进行分解，把贫困脆弱性分解成与每个基本决定因素相关的组成部分，计算各基本决定因素对贫困脆弱性的贡献率。表5分别是土地转出面积、水田转出面积和旱地转出面积样本在三条贫困线下贫困脆弱性值的Shapley值分解结果。不同贫困线下各变量的贡献率变动基本不大，但各变量对不同转出类型土地贫困脆弱性的贡献率有差异，而各自变量贡献率的次序基本不变。就土地转出面积而言，土地转出面积变量对贫困脆弱性的贡献率达到了9.12%；就水田转出和旱地转出而言，其贡献率分别为8.52%和4.01%。总体而言，土地转出对农户贫困脆弱性的贡献率不容忽视，水田转出的贡献率要明显高于旱地转出的贡献率。

6 结论和建议

本文尝试采用国定贫困线、1.9美元贫困线和3.1美元贫困线来分析不同类型土地有无转出和转出面积对农户贫困脆弱性的影响，使用PSM法估计出不同类型土地有无转出对农户贫困脆弱性的真实平均处理效应，运用回归方程的Shapley值分解方法求出不同类型土地各决定因素对贫困脆弱性的贡献率，以求准确厘清土地以及土地类型与农户贫困脆弱性的关系。从基准模型回归可知，土地转出面积、水田转出面积和旱地转出面积对农户贫困脆弱性值有显著的负向影响，水田转出面积的影响最大，水田转出面积每增加1个单位，农户的贫困脆弱性就减少0.015 3个单位。土地有无转出、水田有无转出和旱地有无转出对农户贫困脆弱性值有显著的负向影响，水田转出的影响依然更大，水田有转出的农户相比水田无转出的农户，其贫困脆弱性值显著低于0.040 3个单位。考虑到模型中样本选择偏误问题，为了进一步准确得出不同类型土地有无转出对农户贫困脆弱性的影响，采用PSM方法进行估计，发现三种土地转出类型都对农户贫困脆弱性有显著的负向影响，且水田转出的影响最大，其匹配后ATT平均值为8.28%。为了估计各变量对农户贫困脆弱性的贡献率，继续采用回归方程的Shapley值分解法计算了不同类型土地的农户贫困脆弱性的贡献率，结果显示水田转出和旱地转出的贡献率分别为8.52%和4.01%。从控制变量来看，家庭平均外出务工时间、家庭受培训人员比例和家庭储蓄对农户贫困脆弱性有显著的负向影响，人情往来支出、家庭负担系数和农户市场化程度对农户贫困脆弱性有显著的正向影响。由上可知，土地流转并不会增加农户未来陷入贫困的风险，以水田转出的效果更为明显，旱地转出效果次之。这可能是因为土地流转后的农户不仅能够获得固定的土地租金，还有更多的剩余劳动力和时间进入比较利益较高的非农生产经营领域，从而提高农户收入水平，降低农户未来贫困发生风险。

表5 基于回归方程的土地流转的Shapley值分解结果Tab.5 Shapley value decomposition results of land transfer based on regression equation (%)

因此，本文也基本证实了土地流转会减缓农户的贫困脆弱性，那么，为了满足国家农业现代化的发展需求，更应积极推动土地流转。中国农业现代化需要不断改变传统小而全、分散低效的落后经营模式，农户土地细碎化是制约农户农业技术采用和农业标准化生产的重要因素[20]，如何把分散的土地和农户联合起来，从而提高农业的生产效率和实现农业的规模经济？这不仅需要从农业生产组织形式开始着手，也需要从农业生产的源头进行改革。土地流转是当前中国农业实现规模经营的必由之路，是现代农业发展的前提条件。土地转出户的家庭剩余劳动力进入非农劳动市场所获得的工资收入完全可以超过土地流转损失的农业收益，非农市场的高价劳动报酬完全可以抵消农户土地流转后的风险顾虑。鼓励农户土地流转，不是让农户放弃农业生产，而是集中农业资源更好地发挥农业生产的规模效应，促进农户生计多样化从而增加农户的抗风险能力。为了降低农户未来陷入贫困的风险，还需要不断提高农村人力资本，促进农村剩余人口非农就业，增加农户的生计多样性，重点扶持家庭负担系数过高的农户，引导农村社会风气，提高农户节俭意识。当然，本文也存在一定的局限性，由于本文使用的为横截面数据，不能从多年份考察农户贫困脆弱性的变动趋势，但贫困脆弱性本身就有预测功能，在一定程度上能够克服截面数据局限的问题，用面板数据进一步验证本文思想是未来值得深入研究的方向。