土地转入的防贫效应——贫困户与非贫困户的比较

杜兴端，曹旭欣

（1.四川省农业科学院农业信息与农村经济研究所，成都 610066；2.四川农业大学经济学院，成都 611130）

党的十九届五中全会提出“健全防止返贫监测和帮扶机制”，2020年我国全面消除绝对贫困之后，“预防”贫困的重要性将进一步凸显，农村贫困的治理战略需要由长期以来的“扶贫战略”转向“以防贫为主”新的贫困治理战略框架[1]。土地对我国农民具有基本的社会保障功能，土地流转是一场农业生产关系的深刻变革，涉及农民的切身利益。土地流转在改变农村土地资源配置的同时，直接或间接作用于农户致贫的制度安排和文化环境，深刻影响着农村减贫进程。作为土地流转的重要方面，土地转入是土地转出实现的根本，相比由于土地租金获得直接财富积累的土地转出户，转入土地的农户其既可能因为经营规模扩大获取更多收入，也会面临转入土地需要的直接资金流出、农业经营风险增加等问题而增加其致贫风险。土地转入带来的防贫效应如何？尤其是土地转入带来生产要素的重新配置，是否会带来“精英俘获”而益贫性不足？其在贫困户和非贫困户之间的效应差异多大？深入研究土地转入的防贫效应及其在贫困户和非贫困户之间的差异，对于推动农村土地流转、完善农村土地流转政策具有重要的实践价值。

贫困脆弱性是度量1个家庭或个人未来陷入贫困概率的指标，是对“贫困事前干预”的重要参考，被广泛用作对防贫效应的考量。左孝凡等[2]从贫困脆弱性视阈下研究了土地流转的减贫效应，发现土地流转具备显著的防贫效应，能够有效降低农民未来陷入贫困的风险。Song Q.J.等[3]根据中国9个农业强省的调研数据，发现土地流转能够促进农村土地集中化耕种，从而提高农业生产效率。夏玉莲等[4]从多维贫困的角度对土地流转的防贫效应进行分析，发现土地流转可以从收入、教育等多个维度促进农户增收减贫。相对多数学者在研究中没有将土地转出与土地转入区分，部分学者对土地转入的防贫效应进行了针对性研究。匡远配、梁志会等[5-6]认为土地转入将有利于农户引进先进技术，形成规模经济，弥补传统小农经济低效率、低水平的缺陷，从而有利于贫困地区脱贫防贫。部分学者认为土地转入只能改变土地所有权和经营权在农户间的分配，本身并不能扩大农户平均经营规模[7]，并不是农民提高生产效率、改善福利和减少贫困的必然原因[8]，还可能具有“非对称性”[9]，加剧相对贫困[10]。

综上所述，现有文献对土地转入与防贫稳定性之间进行了较为深入的探索，但目前仍存在一些不足之处：①大多文献集中于土地流转行为，分析土地流转的防贫效应，但却并没有将土地转出与土地转入分开考察其与贫困之间的关系，两者的作用机制完全不同，不应一概而论。②学界在土地转入的防贫效应上意见不一，仍存在较大分歧。③在分析土地转入的防贫效应时，大多将贫困户和非贫困户混合分析，而对于土地转入的实际防贫效应仍有待进一步探索。因此，为了弥补既有研究的不足，本文使用CLDS2016年数据，使用贫困脆弱性作为防贫稳定性的代理变量，实证检验土地转入对于防贫稳定性的影响。

1 模型设定与变量选取

1.1 模型设定

为考察土地转入的防贫效应，考虑贫困脆弱性对农户贫困风险动态衡量和前瞻预测的良好性能，本文选取贫困脆弱性作为防贫效应的代理变量，设定如下计量方程：

其中，veli表示第i个农户家庭的贫困脆弱性。核心解释变量是农户家庭是否发生土地转入landini。Xi是一系列控制变量，包括户主个体特征、家庭特征以及社区特征。μ是不可观测的误差项。

1.2 变量选取

1.2.1 被解释变量：贫困脆弱性

本文使用农户家庭的贫困脆弱性作为衡量防贫效应的代理变量。参照S.Chaudhuri等[11]提出的理论方法，选用期望贫困脆弱性（VEP）作为贫困脆弱性的测量方法。即采用消费或收入，基于可行广义最小二乘法（FGLS）来测量个体在未来陷入贫困的可能性，即贫困脆弱性。贫困脆弱性计算步骤如下：

第1步：计算期望贫困脆弱性（VEP）。

其中，VEPit代表第i个样本农户在t时期的未来陷入贫困的概率，即贫困脆弱性。Pr代表陷入贫困的概率，Yi，t+1代表第t+1年的家庭人均纯收入，Z为确定性等价指标，本文选用2 300元/年（2010年不变价）的中国现行贫困线和3.1美元/日的世界银行中低收入国家贫困线作为标准。

第2步：基于FGLS构建回归方程，估计拟合值与残差平方。公式如下：

其中，lnYi代表样本农户家庭人均纯收入的对数值，Xri代表家庭特征变量与个体特征变量，β0代表常数项，βr代表不同特征变量的待估计参数，ε为残差项。

第3步：计算农户家庭未来人均纯收入水平及方差。公式如下：

式中：E（lnY|iXr）i代表样本家庭人均纯收入的对数值的期望值，D（lnYi| Xr）i代表样本家庭人均纯收入的对数值的方差，βFGLS和ρFGLS是分别由第1步获取的拟合值。

第4步：计算得出农户家庭的贫困脆弱性。

将第2步和第3步计算结果带入公式（2）中，计算结果如下：

其中，lnZ表示贫困标准的对数值，Φ（·）表示将结果正态化。

1.2.2 核心解释变量：土地转入

本文选择土地转入作为核心解释变量，若农户在过去1年进行过土地的转入，赋值为1，若在过去1年没有进行过土地的转入，则赋值为0。整体农户样本中有691个农户进行过土地转入，约占样本总数的17.41%。

1.2.3 控制变量

本文从户主个体特征、家庭特征和社区特征3个层面选取控制变量。个体特征方面，户主是决策的执行者，其特征作为人力资本变量对农户预防贫困起重要影响。本文选取户主性别、受教育情况、健康情况和政治身份用来衡量个体特征。其中，有92.32%的农户家庭户主为男性，且只有8.89%的户主为党员。本文采用李克特5分量表来衡量户主的健康情况，可以发现户主的健康状况均值为2.547，处于很健康和比较健康区间内。农户受教育情况采用是否上过高中来测量，从均值0.114来看，户主受教育情况仍处在较低水平。家庭特征方面，农户家庭的贫困状况受到自身禀赋差异影响，本文选取成员数量、人均农地用来衡量家庭禀赋。饮用水和燃料可能是农村家庭致贫的深层因素[12]，本文选取生活用水和做饭燃料控制农户家庭生活居住环境。农户家庭成员数量均值为4.747，人均农地面积均值为0.705。农户生活环境仍有较大改善空间，只有约55.98%农户家庭采用自来水作为日常生活用水，还有约27.06%农户仍选择柴草或煤炭作为做饭燃料。社区特征方面，社区（村庄）人均年收入和离县城的距离可以反映社区（村庄）的经济发展水平。考虑到地形地势可能对农户家庭农业生产和巩固脱贫产生影响，因此增加地形地势虚拟变量来控制社区特征。除此之外，为了避免地区差异所带来的模型偏误，本文还增加地区虚拟变量以控制地区差异。

2 数据来源与描述统计

本文使用由中山大学社会科学调查中心组织的中国劳动力动态调查（CLDS）的数据来探察土地转入对农户贫困脆弱性的影响。CLDS采用多阶段、多层次与劳动力规模成比例的概率抽样方法，包括社区、家庭和个人多个层面，基本可以反映我国当前的社会情况。本文基于CLDS2016年家庭数据，根据编码对社区问卷和个体问卷进行合并，并在研究所需变量基础上，去除缺漏值和异常值，获得了3 969个有效家庭样本，样本所在区域涵盖了中国26个省、自治区和直辖市。（见表1）。

表1 变量说明及统计性描述Table 1 Description of variables and statistical description

3 实证分析

3.1 贫困脆弱性的测度结果

本文基于可行广义最小二乘法（FGLS），以家庭为单位，并以个体特征、家庭特征、社区特征和地区控制等变量为特征变量建立回归模型，分别采用2 300元/年（2010年不变价）的中国现行贫困标准和3.1美元/日的世界银行中低收入国家贫困标准，对贫困脆弱性进行测算。由于贫困问题需要与当地社会经济问题结合分析，故本文主要采用以中国现行贫困标准计算得出的贫困脆弱性作为主要被解释变量，而将以世界银行中低收入国家贫困标准计算得到的贫困脆弱性用于稳健性检验。

（见表2）在世界银行贫困标准下，农户在未来时期陷入贫困的概率更大。从整体样本来看，以中国贫困标准测度的贫困脆弱性均值为0.261；而以世界银行贫困标准测度的贫困脆弱性均值为0.402。从地域分布来看，西部地区的贫困脆弱性均值无论是在中国贫困标准还是在世界银行贫困标准下都相对较高，而东部地区的贫困脆弱性则相对较低，呈现出从东部、中部到西部递增的趋势。

表2 脆弱性测度结果及其地区分布Table 2 Vulnerability measurement results and regional distribution

进一步地，从贫困与贫困脆弱性的关系中可以发现两者虽然经常伴随发生，但其发生条件并不完全一致。本文参考Günther&Harttgen和Zhang&Wan[13-14]，分别将脆弱性临界值设置为0.29和0.5。（见表3）在非贫困户中，仍有部分农户家庭具有较高的贫困脆弱性，即在未来有较高的概率陷入贫困。当临界值为0.29时，在中国贫困标准下，非贫困户中有20.36%的农户具有较高的贫困脆弱性；在国际贫困标准下，非贫困户中有25.02%的农户具有较高的贫困脆弱性。

表3 农户贫困脆弱性与贫困情况Table 3 Vulnerability and poverty of rural households

3.2 基准回归结果

土地转入降低了农户的贫困脆弱性。表4汇报了土地转入对农户贫困脆弱性的基准回归结果。模型（1）、模型（2）和模型（3）是在逐步控制个体特征、家庭特征和社区特征的结果。模型（4）和模型（5）进一步地将农户细分为贫困户和非贫困户。回归结果显示，在控制个体特征、家庭特征和社区特征前后，土地转入均十分稳健地降低了农户的贫困脆弱性。对于总体农户而言，相较于未进行土地转入的农户，土地转入户在未来陷入贫困的概率降低了4.08%，并且贫困户的降低效果更加明显，达到5.82%。基准回归结果表明土地转入有利于降低农户贫困脆弱性，防贫效应显著。

表4 基准回归结果Table 4 Baseline regression results

个体特征方面，户主的健康情况显著正向影响贫困脆弱性。考虑到户主是家庭决策的执行者，也是家庭收入的主要来源，其健康情况越差，家庭在未来陷入贫困的概率就会越高。而户主的政治身份则对贫困脆弱性有显著负向作用，可能的原因是党员在农村可能意味着更多的社会资源获取能力。家庭特征方面，家庭生活用水和生活燃料在1%水平下对农户贫困脆弱性发挥显著负向影响。而家庭成员数量对贫困脆弱性的影响则显著为正。家庭成员每增加1名，农户家庭在未来陷入贫困的概率会相应地增加4.68%。社区特征方面，平原地区农户在未来陷入贫困的概率在1%水平上显著低于其他地区。农户所在社区（村庄）的人均年收入对农户贫困脆弱性在1%的水平上起着显著负向影响，表明社区（村庄）整体经济发展水平对于农户预防贫困起着不可忽视的作用。

3.3 内生性问题处理

尽管土地转入对贫困脆弱性的回归结果表明，土地转入会显著地降低农户贫困脆弱性，但是农户家庭在选择是否进行土地转入时是非随机“自选择”的。土地经营能力更强、资本更充足的农户能从土地流转中获益更多，则更倾向于进行土地流转[10]。实际上，计算土地转入对于农户贫困脆弱性影响的关键是要捕获到同一农户在是否进行土地转入这两种状态下的贫困脆弱性，而这是不可能做到的。因此，本文选择采用倾向得分匹配（PSM）的方法来构建“反事实”框架，用以模拟已经进行土地转入的农户若尚未进行土地转入时的贫困脆弱性，从而在一定程度上缓解农户由于自选择行为而带来的有偏估计问题。在运用PSM方法获得平均处理效应之前，检验结果表明各个解释变量皆满足共同支撑假设和平行假设。

表5汇报了在3种匹配方法下测算的土地转入对农户贫困脆弱性的平均处理效应。虽然采用了3种不同的匹配方法，但模型模拟得到的结果具有较强的稳健性，土地转入对农户贫困脆弱性的平均处理效应均通过了显著性检验。具体来说，贫困户进行土地转入的平均处理效应分别为-0.069、-0.060和-0.051，均为非贫困户的近2倍，表明贫困户的平均处理效应要远远大于非贫困户。除此以外，将3种匹配方法得到的ATT平均值与基准回归结果相比较后发现，OLS方法低估了土地转入对贫困户贫困脆弱性的影响，而高估了对非贫困户贫困脆弱性的影响。在使用倾向得分匹配方法控制个体特征、家庭特征、社区特征相同或相似之后，可以测算得到仅仅因土地转入所带来的贫困脆弱性的变化，由此得到更为精确的估计结果。

表5 土地转入对农户贫困脆弱性的平均处理效应Table 5 ATT of land inward transfer on the vulnerability of rural households

3.4 异质性分析

分位数回归采取加权残值绝对值之和的方法估计参数，对于数据中的异常点具有抗耐性，相较于OLS估计更不易受极端值的影响[15]。此外，分位数回归还可以更全面地识别自变量对不同部分的因变量的影响，从而得到更全面的分析结果。由上文分析可知，土地转入显著地降低了贫困户和非贫困户的贫困脆弱性，但土地转入可能对不同贫困脆弱性的农户家庭存在异质性。因此，本文考察了土地转入对贫困户和非贫困户贫困脆弱性分布的0.2分位点、0.4分位点、0.6分位点和0.8分位点产生的影响。

表6中Panel A模型（6）为贫困户的分位数回归结果，Panel B模型（7）则为非贫困户的分位数回归结果。在贫困脆弱性的各个分位点处，土地转入均对贫困户和非贫困户的贫困脆弱性产生了显著的负向影响。进一步对比后发现，随着农户贫困脆弱性分位点的增大，除Panel A的贫困脆弱性0.6分位点外，贫困户和非贫困户的土地转入影响系数逐渐提高。以非贫困户为例，土地转入对贫困脆弱性0.8分位点处的影响达到最大，其系数为-0.040，约为0.2分位点处的2.85倍。可见，土地转入可能对贫困脆弱性较高的农户产生更大的影响。

表6 分位数回归结果Table 6 Quantile regression results

3.5 稳健性检验

本文通过两种方式来进行稳健性检验。第1种方式：考虑到OLS模型估计可能存在偏误，本文采取更换模型的方法对结果重新进行估计。由于贫困脆弱性反映农户家庭在未来陷入贫困的概率，仅在[0，1]中取值，采用OLS估计所得到的回归拟合值可能超出这1区间，参考何欣等[16]的做法，采取Tobit模型进行检验。回归结果列于表7的（1）列～（3）列。第2种方式：考虑到贫困脆弱性可能对贫困线十分敏感，本文采取更换贫困标准的方法重新估算贫困脆弱性。采用世界银行中低收入国家3.1美元/日的贫困标准计算得到的贫困脆弱性对前文结论进行检验，其结果分别列于表7的（4）列～（6）列。可以发现，更换估计模型和更换贫困标准所得到的各列回归结果均十分稳健地支持前文结论：土地转入均显著地降低了农户的贫困脆弱性，且对贫困户的防贫效应优于非贫困户。

表7 稳健性检验结果Table 7 Robustness test results

4 结论与启示

本文利用CLDS2016年数据，实证分析了土地转入带来的防贫效应，研究结论及相关政策启示如下：

第一，土地转入有效抑制了农户贫困脆弱性，防贫效应显著。土地转入的减贫效应得到实证检验，再次验证了土地流转是促进农业农村发展的重要制度安排，对于促进农民增收减贫发挥重要作用。应积极完善土地流转市场，推进土地有序转入，为农户降低农业生产成本，实现适度规模经营创造条件。

第二，土地转入给贫困户带来的防贫效应优于非贫困户。相较于非贫困户，贫困户转入土地带来的防贫效果更好，这对于土地流转改善收入分配具有重要的启示价值。进一步地，对于有生产能力的贫困户，通过扶持其流入土地发展产业，不仅能够解决绝对贫困，而且有助于缓解相对贫困，更加说明了产业扶贫的积极效应。

第三，异质性分析显示，土地转入对贫困脆弱性较高的农户家庭产生了更大的影响。这意味着贫困脆弱性较高的农户选择进行土地转入，扩大农业经营规模成为职业农民。这不失为1种提高减贫稳定性的有效途径。