城镇安置模式对陕南移民搬迁农户生计活动影响研究

郭华 黎洁

摘要 城镇安置日益成为我国政府推进易地扶贫搬迁过程中主导的安置模式。本文首先简要探讨了我国移民安置模式的演进，在深入分析城镇安置模式三个层次的内涵及其对搬迁户生计活动影响机制的基础上，结合陕南安康移民搬迁地区搬迁农户的一手调查数据，运用广义精确匹配模型，控制了观测数据中混杂因素对评估结果的影响。在此基础上采用无序多分类logistic回归模型深入分析了城镇安置模式对搬迁农户以及贫困搬迁户生计活动的影响和作用。结果表明：①城镇安置模式对搬迁农户从事非农型生计具有显著的促进作用，从事非农型生计的概率显著提升1.863个对数发生比。在贫困的搬迁农户样本中，城镇安置模式使贫困的搬迁农户从事非农型生计的概率显著提升了1.823个对数发生比。②在全部搬迁户样本中，医疗设施对搬迁农户从事非农型生计有显著的促进作用;针对贫困搬迁户，便利的交通设施更有助于其从事外出务工等非农型生计;是否获得产业、就业扶持或培训无论对全部搬迁户或贫困搬迁户都无统计上的显著作用。③家庭劳动力数量、通讯费用对全部搬迁户以及贫困的搬迁户从事兼业、非农型生计有着显著的促进作用;搬迁时间对搬迁农户生计选择有一定的影响，但对贫困搬迁户无显著作用。最后，提出以下建议：城镇安置需要综合配套，逐步完善城乡一体化的体制机制;完善产业帮扶措施及提高农户的人力资本，帮助搬迁农户实现非农就业;流转土地，盘活搬迁农户在迁出区的资产，增加农户收入;要充分考虑搬迁人口在家庭结构和能力等方面的差异，实施差异化的精准扶持等。

关键词 城镇安置;搬迁农户;生计活动;广义精确匹配（CEM）

中图分类号 F328文献标识码 A文章编号 1002-2104（2019）07-0149-08DOI：10.12062/cpre.20190303

易地扶贫搬迁工程作为我国开发式扶贫的重要内容之一。陕西省早在2011年就启动了陕南避灾移民搬迁工程。“十二五”时期，陕西分类引导搬迁群众就地、就近、有序进城入镇，移民搬迁促使陕北、陕南地区城镇化率分别提高了4.6和4.78个百分点[1]。“十三五”期间，陕西移民搬迁工作坚持以集中安置为主，陕南集中安置率原则上不得低于80%，城镇安置率不得低于60%。陕西易地扶贫搬迁工程实施“靠城、靠镇”的城镇安置模式为搬迁农户实现居住条件优化的同时，也可能使搬迁农户面临生计转换、社会融入和身份认同等多重考验。本文首先简要分析了我国移民安置模式的演进，在深入分析城镇化安置模式的内涵基础上，结合陕南移民搬迁地区搬迁农户的一手调查数据，运用广义精确匹配模型，深入分析城镇安置模式对搬迁农户生计活动的影响和作用，并提出相应的对策建议。

1 移民搬迁的安置模式、城镇安置的内涵与分析框架的提出

1.1 我國移民搬迁安置模式的演进与城镇安置

移民安置模式是移民理论和实践中的重要问题。我国对移民搬迁户的安置模式，可按就业谋生方式、土地配置以及安置点地域选择等多种分类依据进行划分。首先，按照居住建设模式可划分为集中安置与分散安置。集中安置是指将移民搬迁到新的安置区，集中在一定的范围内统一安置。分散安置包括插花安置以及自主进城务工、投亲靠友等方式。其次，从谋生方式上看，安置模式有农业安置、劳务安置等;按土地配置方式可划分“有土安置”和“无土安置”等。再次，按照安置点地域选择，可分为城镇安置与中心村安置。城镇安置是将农村贫困人口集中安置在城镇，为迁移农户集中修建住房，并配套医疗教育等资源，形成新的移民小区的一种模式[2]。类似的，施国庆等人针对水库移民城镇化安置，将其划分为集镇安置、县城安置和中心城市安置[3]。中心村安置模式是指将搬迁农户迁移到距乡镇中心较近，交通便捷的中心地带。

以上多种移民搬迁安置模式也有交叉重合之处。传统上，我国对生态、避灾、扶贫、工程等类型移民大多实施了农业安置或有土安置。由于农用地资源日益稀缺，近些年来城镇安置或城镇化安置日益得到了重视。我国一些地区在水库移民的城镇化安置模式方面进行了探索。如浙江温州珊溪水库将非土地安置的移民安置在经济发达、市场繁荣并有就业机会的城镇或集镇，户口“农转非”，享受城镇居民待遇[3]。宁夏“十二五”生态扶贫移民工程有开发土地集中安置、适度集中就近安置、因地制宜插花安置、劳务移民务工安置和特殊人群敬老院安置等5种安置方法。李培林、王晓毅等[4]关注到了宁夏生态移民与城乡一体化发展，发现宁夏生态移民农业条件的重要性在逐步降低，认为宁夏新一轮生态移民有较多的城镇化倾向，强调生态移民工程与工业化、城镇化相结合，与新农村建设相结合。

陕西移民搬迁安置模式包括了集中安置、分散安置、交钥匙工程三种模式，其中集中安置包括了城镇规划建成区安置、城镇规划区外融合式安置和城镇规划区外非融合式安置。城镇规划建成区安置指依托中心城市、县城、建制镇等城镇规划建成区建设集中安置社区。在建设过程中，将基础设施和公共服务配套与集中安置点进行了同步规划、一体建设。

我国贵州的易地扶贫搬迁工作走在了全国的前列。如贵州黔西南州的易地扶贫搬迁工程实施了跨区域、城镇化搬迁，35万贫困户全部搬到县城及以上城市区域，将搬迁农民定义为新市民，制定了系统全面的“黔西南州新市民计划”，目的是使易地扶贫搬迁到城镇居住的群众与市民享有同等城市配套、同等公共服务、同等市民待遇，并配套了规划建设、产业发展、教育、卫生健康、资源权益、社会治理等13项推进措施。贵州黔西南州的易地扶贫搬迁实施了一个内涵丰富、配套措施完整的城镇化安置模式。

由于多种因素，无论是水库移民，或者其他类型的避灾移民等，我国大多数农村移民既使是安置于城市社区的移民户籍一般未调整为城镇户籍，仍处于人户分离状态。陕南扶贫搬迁工程也是这样。有专家认为目前我国户籍制度改革并未触及深层次的社会福利制度改革，各项相关配套制度改革严重滞后，并未剥离户籍内含的各种权利和福利[5]。因此，在我国城乡二元体制藩篱难以破除的这一背景下，移民在安置后仅在“一定程度上”进入了城镇的社会权利与社会福利体系，只是在居住环境和居住条件方面实现了“城镇化”[3]。

CEM（coarsened exact matching）匹配方法是由Lacus等人[16-17]提出的，匹配的目的不是估计，而是为了使两组数据的协变量保持平衡，以增强可比性，并减少对模型的依赖程度，从而减少偏差。CEM是一种单调性不平衡边界（MIB）匹配方法，这意味着参与组和对照组之间的最大不平衡可以由用户事先选择，而不是通过事后检查和重复重新评估的过程来发现，并且调整一个变量上的不平衡不会影响任何其他变量的不平衡[16]。具体来说，在精确匹配之前，首先根据每个协变量进行分层，之后CEM根据这些层进行精确匹配，确保在每一层处理组（城镇安置农户）和未处理组（非城镇安置农户）相匹配。

为了确保比较的有效性，Lacus等人提出了L1测量方法，L1的取值范围是[0，1]。若L1=0则说明两组数据完全平衡，若L1=1则说明两组数据完全不平衡，越接近1则说明不平衡程度越大。若匹配后L1较匹配前的L1有所下降则说明匹配效果较好。CEM匹配后两组数据的样本量可能会不相等，因此CEM匹配过程中会产生权重变量（Weight），以此来平衡每层中参加城镇安置和非城镇安置的样本。

2.2.2 多分类逻辑回归模型建立

虽然CEM 匹配减少了对模型的依赖，也部分解决了两组别间个体差异导致的内生偏差，但仍需要借助模型控制匹配后的样本个体特征[18]。因此本文在CEM的基础上，进行结合匹配权重的多分类逻辑回归模型对结果进行估计，这样比单纯的回归分析更稳健。多分类逻辑回归模型（Multinomial Logistic Regression）适用于分析因变量是分类变量，且水平数大于2的情况，根据因变量水平是否有序又分为有序多分类和无序多分类逻辑回归[19]。本文运用无序多分类logistic回归模型揭示不同安置模式对搬迁农户生计活动的影响。其中定义因变量中的纯农型生计作为参照水平，其他生计活动与其相比，对K个自变量建立n-1个Logistic模型如下：

式中，j=1，2，…，n， 表示n个因变量的n个不同水平;P（y=j）/p（y=n）为y取值为i与n的概率之比，称为发生比;∝j 为各回归方程的常数项;βjk为各自变量的回归系数，表示在其他自变量不变的条件下，xk每改变1个单位，发生比的自然对数值的改变量。

2.3 变量选取

调查地农户搬迁后主要的生计活动包括农业种植、林业种植、养殖、打工和非农经营。这里将搬迁农户仅从事农业种植、林业种植或养殖，或家庭收入仅来自农林业种植、养殖，称为纯农型生计;类似的，仅从事打工和非农经营定义为非农型生计;既有农林养殖又有打工或非农经营的，归为多样型生计。

本文模型中，控制变量考虑了农户的家庭和社会人口特征，包括户主年龄、户主受教育程度及家庭劳动力数量。由于土地是农户重要生产生活资料，因此选取了家庭所拥有的耕地面积。本文采用是否有借款与家庭人均年收入对数衡量家庭的金融资本。物质资本是指用于生产和生活的生产资料和物资设备，这里用家庭资产总数，如三轮车、拖拉机、水泵等生产工具数量来衡量。除此之外，本文选取急需大笔开支时可求助的户数和家庭成员上月通讯费用两个指标来衡量家庭的社会资本。农户的搬迁特征选取了已搬迁时间、搬迁类型。

城镇安置模式的搬迁农户与非城镇安置模式搬迁农户在生计资本、搬迁特征等方面的描述统计结果，见表1。表1显示，城镇安置模式搬迁农户和非城镇搬迁户在人力资本、金融资本、物质资本均存在统计上显著差异，因此不能得出搬迁农户生计活动选择是由城镇安置影响的结论。在分析城镇安置对搬迁农户生计选择影响之前，需利用CEM匹配方法对城镇安置搬迁农户和非城镇安置搬迁农户的基本特征进行匹配。本文选取了搬迁农户户主年龄、户主受教育程度、家庭耕地总面积、已搬迁时间和搬迁类型作为广义精确匹配的协变量，采用Stata15.0软件进行了匹配。匹配后，L1的值从0.735下降到0.584，说明匹配效果较好。

3 实证分析结果

3.1 城镇与非城镇安置模式下搬迁农户收入来源等情况的描述性统计

根据不同安置模式下搬迁农户是否从事农林业种植、家庭养殖、外出务工和非农经营的统计检验结果显示，两者间均存在着显著的差异（P<0.05，数据略）。其中，城镇安置与非城镇安置的搬迁农户外出务工的样本比例分别为82.11%、72.55%。在城镇安置模式中，搬迁农户从事了农林种植、养殖、非农经营的比例分别为40.92%、22.22%和13.82%。在非城镇安置模式中，搬迁农户从事农林业种植、养殖的比例分别为68.63%、41.18%。此外，根据搬迁农户收入来源与不同安置模式的列联分析（表略），城镇安置与非城镇安置的搬迁农户非农经营收入和外出务工收入占比最高，外出务工和非农经营是搬迁农户主要的收入来源。非城镇安置的搬迁农户农林种植收入水平远高于城镇安置的搬农户，并且两者在农林收入水平上存在显著差异（P<0.001）。

针对不同安置模式搬迁农户居住周边基础设施、公共服务施建设，整体上，城镇安置社区调查点周边医务所和商店达到全覆盖，其次，市场、幼儿园、小学以及公交站覆盖率达到85%以上，但初中、高中以及中心公园覆盖率较低。非城镇安置中，医务所和商店覆蓋率较高，但公交站和高中覆盖率最低，均不超过10%;对比城镇安置与非城镇安置模式，搬迁户的医务所、公交站、幼儿园和小学的可及性情况都存在显著差异（P<0.001）。

3.2 基于多分类逻辑回归模型的结果分析

3.2.1 城镇安置模式对搬迁农户生计活动的影响

在前述对城镇与非城镇搬迁农户样本进行粗略精准匹配的基础上，本文进一步运用多分类逻辑回归模型，分别将是否为城镇安置模式、基础设施、产业帮扶情况纳入模型1和模型2，结果如表2所示。

模型1是在全部搬迁户样本中，将是否为城镇安置模式纳入模型，实证结果表明，①相比于纯农型生计，是否为城镇安置模式对搬迁农户选择多样型生计并无显著作用，但对选择非农型生计有着显著提升。城镇的居住环境和生活方式为搬迁农户从事农业型生产活动带来了一定阻碍，但城镇安置模式能为农户提供更多的非农就业岗位，帮助搬迁农户向二三产业就业转型。②在家庭生计资本中，户主教育程度对搬迁农户选择多样型生计和非农型生计有着显著负向的影响，家庭劳动力数量无论在多样型还是在非农型生计选择中有着正向影响。金融资本中，相对于选择纯农型生计的搬迁农户而言，搬迁农户人均年收入对数对农户选择多样型和非农型生计产生了显著的正向影响，可能原因是家庭金融资本积累的越多，从事非农生产经营活动的机会就越大。但家庭中是否有借款对选择多样型生计有着负向影响。家庭调查前一个月的通讯费用对搬迁农户选择非农型生计有着显著的影响。而搬迁农户的土地与物质资本对搬迁农户选择多样型生计或非农生计均无显著影响。③在搬迁特征中，只有搬迁年限对搬迁农户选择多样型生计有着显著的负向影响，表明搬迁时间越长，农户选择多样型生计模式的可能性越小。

模型2是将基础设施与公共服务以及产业帮扶的相关变量纳入模型，结果表明，仅有医疗设施对城镇安置的搬迁农户非农就业有着正向的影响，这可能是由于医疗设施建设更能有效保障家庭成员健康，帮助其实现非农型生计。相比于选择纯农型生计，户主受教育程度、家庭劳动力数量、家庭人均年收入对数和家庭中是否有借款对农户选择多样型生计和非农型生计有着显著的影响。另外，调查前一个月的通讯费用对农户选择非农型生计有着显著的影响。搬迁特征中，仅有搬迁年限对选择多样型生计有着显著影响。

3.2.2 贫困搬迁农户生计活动选择的影响因素分析

为进一步分析贫困搬迁农户生计活动选择情况，本文备注：#表示广义精确匹配的协变量;p表示城镇安置与非城镇安置搬迁农户之间的差异。为进行粗略精准匹配，对连续变量进行单因素方差检验（Univariate Anovas），虚拟变量进行卡方检验（chi-2 test）。

依据调查所在的时间点（2015年），将所调查搬迁农户样本按人均纯收入是否低于国家2015年标准贫困线进行划分，人均纯收入小于等于2 800元的为贫困户，人均纯收入大于2 800元为非贫困户，将匹配后的贫困户样本纳入多分类逻辑回归模型（受篇幅所限，模型结果略）。类似于前文模型1，如将是否为城镇安置模式纳入模型，贫困户生计活动选择回归结果显示，城镇安置模式使贫困的搬迁农户从事非农型生计的概率显著提升了1.823个对数发生比，表明与非城镇安置搬迁贫困户农户相比，城镇安置的贫困搬迁农户会更多地从事非农型生计。其次，户主受教育程度、家庭劳动力数量、家中是否有借款以及家庭调查前一个月的通讯费用对贫困搬迁农户选择多样型生计有着显著的影响。借款降低了搬迁贫困户选择多样型生计的可能性，原因可能是因为农业收入相对较低，借款的家庭更需要从事非农就业来获得更多的收入来源。家庭劳动力数量、家庭年人均收入对数以及家庭上月通讯费用对搬迁的贫困农户选择非农型生计有着显著的正向影响。最后，搬迁特征中已搬迁时间与搬迁类型并未对贫困搬迁农户生计选择产生显著影响。

贫困搬迁农户生计活动选择影响的模型结果显示，相比于贫困搬迁户选择纯农型生计，居住周围是否有公交站对贫困搬迁农户选择非农型生计有着显著正向影响，家庭劳动力数量、是否有借款以及调查前一个月的通讯费用对贫困搬迁户选择多样型生计有着显著的影响，劳动力数量、家庭人均年收入对数、家中是否有借款以及家庭调查前一个月的通讯费用对其选择非农型生计也有着显著的影响，而物质资本、户耕地以及搬迁特征对贫困户选择两种生计类型无显著影响。

4 结论与建议

本研究使用2015年陕南安康农户调查数据，深入分析了城镇安置对搬迁农户生计选择策略的影响。主要结论有：①城镇安置模式对搬迁农户从事非农型生计具有显著的促进作用，尤其针对贫困的搬迁农户，城镇安置模式可以促进其向非农型生计转变。这在一定程度上证明了移民搬迁城镇安置模式确实有利于搬迁群众能够获得更多的非农就业机会。②在全部搬迁户样本中，医疗设施对搬迁农户从事非农型生计有着显著的促进作用，便利的交通设施和条件更有助于其贫困搬迁户从事外出务工等非农型就业，而教育方面则需要更多时间才能在搬迁农户非农型生计选择中发挥作用，是否获得产业、就业扶持或培训在多个模型中都无显著影响。③在多个模型中，家庭劳动力数量、家庭通讯费用对全部搬迁户以及贫困搬迁户从事兼业、非农型生计均有显著的正向作用。④搬迁时间对搬迁农户生计选择有一定的影响，但对贫困搬迁户无统计上的显著作用。

本文模型中是否城镇安置模式对陕南搬迁户改变传统生计的影响和促进作用有限，这也说明了陕南调查地城镇安置模式的内涵不够完善，仅较多地在居住条件和居住环境方面实现了城镇化，而基本公共服务、社会管理、土地制度、社会保障等层面还基本停留在“乡村”层面。因此，目前城镇安置模式对调查地搬迁户生计活动的影响还在浅层次，尚未发生深远的影响和作用。

围绕完善调查地的城镇安置模式，提出以下具体建议：首先，城镇安置需要综合配套，而不限于地理位置改变和配套基础设施。应逐步完善城乡一体化的体制机制，調查地对城镇安置也应有系统化的顶层设计和逐步完善配套体系。其次，积极培育“社区工厂”，为搬迁户提供更多就业岗，在产业帮扶方面加强精准施策，通过职业教育或者技能培训提高农户的人力资本，帮助搬迁农户实现非农就业，同时流转土地，盘活搬迁农户在迁出区的土地等资产，增加搬迁农户收入。最后，要充分考虑搬迁人口在家庭结构和能力等方面的差异，实施差异化的精准扶持，具有一定非农生产劳动能力的搬迁农户可优先安置到城镇，而劳动力缺失和只能以农业为生的贫困人口，则要就近中心村安置，同时提供适应当地条件的产业帮扶。

（编辑：李 琪）

参考文献

[1]澍田. 陕西移民搬迁让群众对未来有了信心[EB/OL]. （2016-11-02） [2019-01-17]. http：//gtzyt.shaanxi.gov.cn/info/1038/30205.htm.

[2]汪三贵，杨龙，张伟宾，等. 扶贫开发与区域发展——我国特困地区的贫困与扶贫策略研究[M].北京：经济科学出版社，2017：220.

[3]施国庆，李文，孙中艮，等.水库移民城镇化安置与社会管理创新[M]. 北京：社会科学文献出版，2015.

[4]李培林，王曉毅. 生态移民与发展转型：宁夏移民与扶贫研究[M].北京：社会科学文献出版社，2013.

[5]魏后凯.新常态下中国城乡一体化格局及推进战略[J]. 中国农村经济，2016（1）：2-16.

[6]赵旭，肖佳奇，段跃芳. 外迁安置、土地流转及水库移民生计转型[J].资源科学，2018，40（10）：1954-1965.

[7]黎洁.陕西安康移民搬迁农户的生计适应策略与适应力感知[J].中国人口·资源与环境，2016，26（9）：44-52.

[8]田鹏，陈绍军.“城乡连续统”框架下新型城镇化社区样态研究[J]. 西北农林科技大学学报（社会科学版），2016，16（1）：154-160.

[9]张茹，王耀麟，张爱国，等.陕西省定边县扶贫移民安置模式分析[J].中国人口·资源与环境，2014，24（S3）：315-318.

[10]李王鸣，金登杨.扶贫移民安置模式分析与实证——以浙江省瑞安市为例[J].经济地理，2008（2）：205-208.

[11]LO K， XUE L Y， WANG M. Spatial restructuring through poverty alleviation resettlement in rural China [J]. Journal of rural studies， 2016， 47： 496-505.

[12]王永平，袁家榆，曾凡勤，等. 欠发达地区易地搬迁扶贫面临的问题与对策探讨——从贵州主题调研引发的思考[J]. 特区经济，2008（1）：208-210.

[13]马流辉，曹锦清.易地扶贫搬迁的城镇集中模式：政策逻辑与实践限度——基于黔中G县的调查[J].毛泽东邓小平理论研究，2017（10）：80-86.

[14]GOLDMAN M. Constructing an environmental sate： eco-governmentality and other transnational practices of a ‘Green World Bank[J]. Social problems，2001，48（4）：499-523.

[15]左停，徐加玉，李卓.摆脱贫困之“困”：深度贫困地区基本公共服务减贫路径[J].南京农业大学学报（社会科学版），2018，18（2）： 35-44.

[16]LACUS S M， KING G， PORRO G. Causal inference without balance checking： coarsened exact matching [J]. Political analysis， 2012， 20（1）：1-24.

[17]LACUS S M， KING G， PORRO G. Multivariate matching methods that are monotonic imbalance bounding [J]. Journal of the American statistical association， 2011， 106：345-361.

[18]HO D E， IMAI K， KING G， et al. Matching as nonparametric preprocessing for reducing model dependence in parametric causal inference [J]. Political analysis， 2007， 15：199-236.

[19]张文彤，董伟. SPSS统计分析高级教程[M]. 北京：高等教育出版社，2013.

[20]曾小溪，汪三贵. 异地扶贫搬迁情况分析与思考[J]. 河海大学学报（哲学社会科学版），2017，19（2）：60-66.

Abstract Urban resettlement has increasingly become the dominant resettlement type in the process of poverty alleviation in rural areas. This paper briefly discusses the evolution of resettlement types in China， and in-depth meaning of the urbanization resettlement. Using the first-hand survey data of the resettled households in the southern Shaanxi， and Coarsened Exact Matching method to control the effect of the confounders on evaluating results， the paper analyzes the impact of urban resettlement on the livelihood activities of relocated rural households and the poor households by adopting multinomial logistic regression model. Results show that： Urban resettlement has a significant impact on non-agriculture livelihood activities，it increase the probability of non-agriculture livelihood strategy by 1.863 logrithmic ratios. And for the poor households， the increase is 1.823 Logarithmic ratios. In the whole sample， medical treatment facilities have a significant impact on the non-agriculture livelihood activities of resettled household， and the transportation promotes the poor migrating out to be worker. But the governments employment support or training program does not have significant impact in the models. The number of household labor and the cost of communication play significant roles in promoting the livelihood of all the resettled households and the poor resettled households to engage in non-agricultural activities. Relocation time has a significant impact on the livelihood activities selection of resettled household， while it does not have significant effect on samples of the poor resettled households. In order to improve urban resettlement model in Shaanxi Province， suggestions are put forward： urban resettlement requires comprehensive design instead of being limited to favorable geographical location and infrastructure， improving the system and institution of urban-rural integration gradually; industrial development policies should be improved through the training program to increase the human capital of resettled household， so as to help the resettled household to achieve non-agricultural employment; land should be transferred， and the assets and resources of origin areas of the resettled households should be utilized to increase their income; the differences in family structure and ability of the relocated population should be considered and differentiated and targeted support is required.

Key words urban resettlement; resettled household; livelihood activity; coarsened exact matching （CEM）