土地流转与农户收入增长——基于收入结构的视角

柯炼，汪小勤，陈地强

（1. 华中科技大学经济学院，湖北 武汉 430074；2. 中南大学商学院，湖南 长沙 410006）

产权理论分析认为，土地流转能够促进农户收入显著增长，是因为不受约束的土地产权流转市场可以实现农户比较优势的转移［1-2］，使转入农户与转出农户都能够专门从事所属的优势职业，最大化生产效率，提高各自收入水平。

但奇怪的是，大量关于土地流转与农户收入的经验研究结果却表明：土地流转能否产生收入溢价，尚未达成完全一致。部分学者认为土地流转可以提高农民收入水平［3-5］。其原因在于：转入土地的农户，由于经营的土地面积扩大，可以对土地进行规模化、集约化耕种，提高生产效率，促进农户收入增长［6-9］。转出土地的农户则可以将劳动力和其他生产性资产从农业中解放出来，投入到非农部门以获得较高的非农收入［2，10-13］。而事实上，土地流转可能并不一定能对农户收入水平产生显著的影响，甚至还可能会对农民增收有负向影响［14-16］。因为对于转入户而言，土地流转并没有改善农业生产方式，生产率水平不会发生显著变化［17-18］，农业经营性收入上升幅度无法弥补非农收入的下降幅度，故而不会导致显著的家庭纯收入增长。目前，中国进行土地转出的农民很大程度上可能是从事非农生产的农民，使土地流转对农户家庭劳动力的释放作用不显著，从而无法提高转出户家庭收入水平［19-21］。故总体而言，学者们在土地流转是否具有资源优化配置作用，从而促进农民收入增长的相关研究结论中存在较大分歧。

进一步对已有文献的结论进行归纳整理后，发现目前学术界认为土地流转收入效应存在分歧的原因可能主要体现在以下两个方面：首先，对农户在参与土地流转过程中自选择行为问题的忽视。产业结构持续优化导致的结果是农业相比于非农业，在边际产出上存在弱势，因此，愿意转入的农户可能本身在经济实力、教育水平、农业经营方面具有明显的优势［22-23］，即存在“自选择”行为。而以往文献大多数直接使用OLS（Ordinary Least Squares）估计方法来测算土地流转对农户收入的影响，未考虑到样本农户的“自选择”行为，进而导致估计结果存在偏差［24-26］。其次，忽视了土地流转对转入和转出户的影响差异。大多数研究通常将转入户和转出户作为一个整体进行研究，并未将转入和转出户在参与土地流转后不同的收入增长路径纳入到考虑范围之内，这势必会产生土地流转收入效应的错估，从而导致对土地流转的效果的误读［8，27-28］。因此，尽管现有学者对土地流转收入效应进行了大量研究，但由于研究方法及研究视角方面存在差异，导致现有结论尚未达成完全一致。而重要的是，除了上述两个方面之外，未考虑到土地流转对不同来源收入的异质性影响也可能会造成估计偏误，但却鲜有学者对该因素进行具体分析并展开研究。根据产权理论，土地流转可以促进转入农户在农业经营的优势以及转出农户在其他职业优势的最大化发挥。同时，因为资源限制，农业生产和非农生产之间也存在着替代效应，投入农业生产的资源增加，用于非农生产的资源则会减少，反之亦然。这就必然导致土地转出（入）对工资性收入、经营性收入的影响方向不一致。另外，土地转出（入）对不同收入的影响程度也是非对称的，如果我们忽略不同收入变化的差异，同样也会加大土地流转收入效应的有偏估计。因此，文章试图利用2010—2018年北京大学国家发展研究院公布的五轮中国家庭追踪调查跨期面板数据，对土地流转与农民收入之间的关系进行考察，意在回答以下几个问题：土地流转的收入效应在不同农户类型与不同收入来源上存在怎样的差异？土地流转收入效应的差异性起因是什么？文章研究发现，参与土地流转确实会促进收入增长，但主要来自转出农户的收入增加，转入户收入变化不显著。进一步原因分析表明，土地转出户会将部分农业生产劳动力转移到非农部门，而转入户则会加大农业部门劳动力投入。因此，转出农户因为工资性收入的大幅增加而改善总收入，但转入农户却因经营性收入上升幅度无法超过工资性收入下降幅度，而较难产生收入改善。

文章可能的研究贡献在于：第一，丰富了对土地流转收入效应的文献基础，帮助读者更全面地了解土地流转对农户收入的影响。文章对土地流转收入效应问题存在分歧的原因进行了拓展。现有分析大多未考虑土地流转对不同来源收入的异质性影响。文章将农户家庭收入进一步细化为经营、工资、财产和转移性收入，考察了土地流转对转入和转出户各类收入影响的差异，对现有收入效应结论分歧问题相关研究进行了补充与拓展。第二，基于因果识别策略得出了关于土地流转收入效应更为可靠的结论。文章运用固定效应、双重差分以及处理效应模型等微观计量方法，最大程度上缓解了土地流转收入效应估计中由于不可观测变量导致的估计偏误问题。当前学者更倾向于使用PSM（Propensity Score Matching）方法来缓解土地流转中的“自选择”问题，但PSM只能缓解由可观测变量带来的选择性偏差，所以当存在不可观测变量导致的选择性偏差时，容易产生估计偏误。第三，对土地流转的资源配置作用进行部分验证。现有文献对于土地流转影响农民收入的作用机制多停留在理论层面，但鲜有作者对其机制能否有效发挥作用进行验证。文章考察了土地流转对家庭劳动力资源配置的影响，发现土地流转在资源配置方面具有优化作用。

1 理论分析

土地流转对农民收入的影响一直是学术界持续关注的话题，理论认为，土地流转能够促进农户比较优势的发挥，实现最优化的资源配置。具体而言，在交易成本等外部约束不存在的条件下，农业生产具有优势的农户会接受他人转让的土地资源，扩大农业生产规模。而非农生产具有优势的农户会转出所拥有的土地，在非农生产上投入更多资源。由此达到一个最优的资源配置组合，实现生产率的提高，并带来双方收入的改善。

基于生产投入函数，假定存在农业生产优势农户与非农生产优势农户两种类型，我们可以对土地流转的收入效应进行简单的理论分析，结果如图1所示。由图1可知，在未发生土地流转时，两类农户的产出投入均衡点为E，农业生产更具优势农户的收入无差异曲线为L1，非农生产更具优势的农户收入无差异曲线为T1。双方都需要在农业生产投入AE数量的资源，在非农生产投入NE数量的资源。显然，在未发生土地流转条件下，两类农户均未实现收入最大化。当发生土地流转以后，两类农户的收入无差异曲线都发生了转移，农业生产更具优势的农户的收入无差异曲线从L1转移到L2，非农生产更具优势的农户则从T1转移到T2，两类农户的收入都得到了明显改善。通过画出T2 与L2 过生产约束线的切点后，可知农业生产更具优势的农户投入均衡点从E 转移到D，农业生产投入增加了（AD-AE），非农生产投入减少了（NE-ND）。而非农生产更具优势的农户投入组合从E点转移至F，农业生产投入减少了（AE-AF），非农生产投入增加了（NF-NE）。因此，从理论假说而言，土地流转通过优化资源配置促进农户收入增长。

图1 土地流转对农户收入曲线影响示意图

但在现实世界中，由于信息和能力限制，参与流转的双方基本难以实现最优的资源配置。特别是转入农户，由于存在资源约束如：经营业务约束、规模约束、融资约束等，从而无法达到最高收入水平，在转入土地之后农户的收入水平会居于L1和L2之间，即转入农户收入水平有所增长，但不一定显著。而相比于转入农户，转出农户受到的资源约束要小得多，从而更容易获得接近最高收入水平的收入，即转出户可能在土地流转中获益更高。在此条件下，土地流转对农户收入的影响将出现一定程度的分化。

将上述约束具现化后，可发现由于资源禀赋限制，土地流转对于不同收入来源的影响具有异质性。比如：对于转入农户来说，拥有更多的土地能够帮助他获得一定程度的规模效益，提高家庭经营性收入［19，25，27］，但因为非农投入时间下降，工资性收入减少［12］。租入土地之后需要投入更多资金用于农业生产［29］，可用于投资理财的资金减少，财产性收入降低。转入户转入土地后可能需要购买更多良种、购置更多农业机械，获得的良种补贴和农机具购置补贴增加，转移性收入增加［12，14］。转出农户因为投入非农部门的资源增加，工资性收入上升同时农业经营性收入下降。另一方面，转出土地的农户可以获得一笔稳定的租金收入［8，20］，同时，转出土地之后需要用于农业生产的资金减少，这部分资金可用于理财投资，财产性收入增加［28］。在现行农业补贴政策下，转出户尽管转出了原有的承包地，但大多数地区仍将粮食直接补贴和农资综合补贴直接发放给原承包户，因而，转出土地可能并不会导致转移性收入减少［21，30-31］。

综上所述，土地流转对不同类型农户在不同收入来源上的影响并不一致。转出农户的工资性收入与财产性收入增加，转入农户的经营收入与转移收入出现正的回报。更重要的是，作者有理由认为不同收入来源的变化幅度并非对称的，所以土地流转能否促进农户收入显著增长尚不明晰。因此，在接下来的实证检验中，作者不仅会进一步地分析土地流转对不同农户收入的影响，还会进一步讨论土地流转导致的收入影响异质性产生的原因，为完善制度改革，确保所有参与者都能从土地流转中获益，提供参考依据。

2 研究设计

2.1 数据来源及描述

数据来自2010—2018年中国家庭追踪调查（China Family Panel Studies，CFPS）24省入户调查数据。首先，在整体数据的基础上剔除了非农村家庭的数据；其次，仅保留2010、2012、2014、2016、2018年都进行追踪调查的农户家庭数据；最后，剔除了存在严重缺失的农户家庭数据，最终剩余2323 个农户家庭的数据，共11615 个观测值。如表2 所示，2010年参与流转农户为444 户，占总样本的19.11%，其中84户转出土地，占比为3.62%，转入户为387户，占比为16.66%，有27 户既转入又转出土地，占比为1.16%。随后几年，参与流转农户规模不断扩大，且转出户增加比例高于转入户，截至2018年，转出户增加了580户，占比上升至28.58%，转入户为858户，占比36.93%，参与流转农户为1329户，占比为57.21%。既转入又转出农户数量逐年增长，说明越来越多农户为了实现集中生产经营进行土地置换，农户的生产管理意识增强。

表2 样本分布情况

为了更直观呈现各类型农户的收入差异，我们将农户分为：转入、转出、未流转和参与流转（包括转入和转出）四类，并绘制了如下家庭纯收入对比图。从图2可知，转出户的收入增长幅度最大，未流转农户的年平均家庭纯收入在各类型的农户中最低，且随着土地流转实施年限增长，这种差距越来越大。初期转入户的年平均家庭纯收入最高，但增长速度较慢，后期转出户的年平均家庭纯收入已经超过转入户，而参与流转在转入和转出户中间，说明我们若只考虑是否参与流转对农民收入的影响，可能会低估土地流转的收入效应。

图2 各类型农户年平均家庭纯收入对比图

2.2 变量定义及描述性统计

文章关注两个问题：其一，土地流转对不同类型农户的收入影响是否存在异质性；其二，土地流转异质性影响的原因是什么？由于文章要从收入结构视角来考察土地流转对不同类型农户的异质性影响，所以选取农业生产收入、经营性收入、转移性收入、财产性收入、工资性收入和家庭纯收入作为被解释变量（其中经营性收入既包括农业生产收入也包括非农经营收入），核心解释变量为是否转出、是否转入和是否参与流转。同时，在参考其他文献的基础上选择了可能对农户收入产生影响的户主特征变量（户主性别、户主年龄、户主受教育程度）和家庭特征变量（家庭规模、劳动力人数、平均受教育年限等）作为控制变量［10，27］。为确定农民收入的影响因素，在表3 中给出了流转户和非流转户各类经济指标及其差异的统计描述。

表3的统计结果显示，在农业生产收入和经营性收入方面，转出土地的农户显著低于未流转的农户，而转入土地的农户和参与流转的农户（包括转入和转出）显著高于未流转农户。转出土地农户和参与流转农户的财产性收入和转移性收入显著高于未流转农户，转入农户和未流转农户财产性收入均值差异不显著。参与流转的农户，无论转入还是转出，家庭纯收入的均值明显高于未流转农户。在其他控制变量上，参与流转农户和未参与流转农户也存在显著差异，说明可能存在“选择偏误”问题，即农户是否参与土地流转是非随机性的“自选择”行为。上述各指标的统计差异性有可能不是土地流转行为的必然结果，而是由其他因素所导致的，因此，需要进一步通过多元回归分析验证土地流转的收入效应。

表3 流转农户与非流转农户经济指标对比分析

2.3 研究方法

为验证土地流转对不同类型农户的收入影响是否存在异质性，且异质性是否会导致结论分歧的产生，设定土地流转对农民收入产生影响的基本模型：

考察土地流转对农民收入影响时，Dit为虚拟变量，Dit=1表示家庭i在时间t转出或转入土地或参与流转，Dit=0表示未参与土地流转。lnYit表示农户家庭i在t时期的收入，分别表示农业生产收入、经营性收入、转移性收入、工资性收入、财产性收入和家庭纯收入的对数值。Zit表示影响农民收入的一系列控制变量，如户主个人特征中的性别、年龄、受教育程度等，家庭特征中的家庭规模、劳动力人数、农地面积、家庭资产等。γi表示个体固定效应，δt表示时间固定效应，εit是随机误差项。在实证分析时，分别对转入户与未流转户，转出户与未流转户，参与流转与未流转户进行回归分析。

3 实证分析及结果

3.1 土地流转对农户不同收入来源的影响分析

在本部分中，将应用模型（1）验证土地流转对不同类型农户的收入影响，以及土地流转对不同收入来源的影响，佐证文章提出的土地流转影响存在“异质性”的观点。在使用模型（1）之前，进行了Hausman 检验，结果表明应当使用固定效应分析。

将农户分为参与流转和未参与流转两类，分析参与流转对农民收入的影响。从表4 可以发现参与土地流转对转移性收入、财产性收入有显著的正向影响，对农业生产收入有显著的负向影响，但对工资性收入和经营性收入的影响不显著，说明有部分农户转出土地之后从事非农经营而非外出务工，所以农业生产性收入显著下降，但是经营性收入没有明显变化，总的来说土地流转对家庭纯收入增长有正向促进作用，与前人研究结论相一致［2，24，28］。控制变量对于各类型农民收入的影响，基本和杨子等［25］、高欣等［27］等人的研究结论相一致。

从表4中可知，土地转出对农业生产收入和经营性收入有显著的负向影响，对工资性收入和财产性收入有显著的正向影响。因为农户转出土地后，在农业生产中投入的时间和劳动力减少，必然导致农业生产收入降低，从而影响经营性收入，这部分劳动力和时间可以用于从事非农部门工作，提高工资性收入水平。转出土地的农户可以获得一笔稳定的租金收入，同时，转出土地之后需要用于农业生产的资金减少，这部分资金可用于理财投资，财产性收入增加。如前文分析所言，根据现行政策，土地转出并不会导致农户转移性收入减少，一些地方政府为促进农地流转，往往对转出农地的农户给予一定的奖励和补贴，致使农户转移性收入上升。总的来说，土地转出可以显著提高农民家庭纯收入。

表4 土地流转对农民收入的影响

转入土地农户的农业生产收入和经营性收入水平显著上升，因为经营的土地面积增加，投入在农业生产上的劳动力和时间也会增加，这就导致工资性收入减少。同时，国家对于规模经营的农户会提供资金补贴，所以租入土地对于转移性收入有显著正向影响。租入土地之后需要投入更多资金用于农业生产，可用于投资理财的资金减少，对财产性收入有显著负向影响。由于我国缺乏相应的农业保护和支持政策，导致农业经营收入较低且增长缓慢，转入户的经营性收入上涨幅度并没有明显超过工资性收入下降幅度，家庭纯收入没有发生显著变化。这与贺薛峰等［32］得出的种植规模在200亩的小规模经营农户收益微薄，中等规模经营户和经营大户基本无利可图的结论相一致。值得注意的是在前文数据描述中，转入土地农户的年平均家庭纯收入水平明显高于转出户和未流转户，但是实证分析结果表明土地转入对农户家庭纯收入没有显著影响，这说明转入户的高收入水平是本身特征决定的，而不是土地流转带来的，也即土地流转过程中存在“自选择”行为。

3.2 稳健性检验

而事实上由于各农户家庭初始条件不同，其是否参与土地流转的决策与未来预期收入是相关的，即是否参与土地流转是自我选择的结果，从而导致模型产生内生性问题，使得OLS估计有偏［26，28］。当存在“选择偏差”时，在大多数情况下，需要使用以下两种方法：第一类方法假设个体依可观测变量选择是否进行土地流转；第二类方法则假设个体依不可观测变量选择。若依可观测变量选择假设成立，则可采用倾向得分匹配法（PSM）来缓解自选择问题；假设个体依不可观测变量选择是否参与土地流转，其解决方法通常是遵循Heckman［33］样本选择模型的传统，直接对处理变量进行结构建模，利用Heckman两步法估计。

3.2.1 倾向得分匹配和双重差分

由于倾向得分匹配只能缓解由可观测变量带来的内生性，应用上还存在一定的争议，所以文章将倾向得分匹配和双重差分方法相结合来分析土地流转对农户收入的影响。而双重差分的使用前提在于，在处理发生前，处理组和控制组需要具有共同趋势。使用倾向得分匹配法（PSM）对数据进行筛选，寻找与进行土地流转农户条件类似的控制组以消除样本的选择性问题，在匹配后的样本范围内使用双重差分法（DID）估计出土地流转的真实效应，由此能在较大程度上保证估计结果的准确性。构造流转的虚拟变量Treati，当家庭i转出、转入土地或参与流转时Treati取1，未参与流转时取0。同时，定义时间虚拟变量Postt，参与流转之后的时期取1，之前的时期取0。在此基础上，可以构建如下双重差分模型：

模型（2）是一般的双重差分模型形式，但该模型更适用于两期的情形，考虑到文章中不同的农户家庭参与土地转入或者转出的时间点不固定，因此文章将模型（2）改为更通用的多期双重差分模型（3）来估计土地流转对农民收入的影响。在多期双差分模型中，我们将Postt×Treati变量定义为参与流转之后的观察时点赋值为1，将未参与流转的观察时点赋值为0，因此其定义与双差分交互项定义相似。而在控制个体效应的条件下，Treati变量因不随时间变化将不再需要［34-35］：

由于上述普通面板回归中既包含了土地转出的农户又包含了土地转入的农户，所以回归得到的结果可能存在偏差，为了解土地转入和转出对农民收入的真实效应，在研究土地转出时剔除转入户的数据，只保留土地转出和未参与流转农户的数据；反之亦然。同时，有部分农户家庭2018年才开始转入或转出土地，无法用双重差分进行分析，这部分数据也应剔除掉。

具体设计中，首先，构建影响农户是否参与土地流转、是否参与转入、是否参与转出的logit 回归方程。按照倾向得分匹配方法的要求，进行倾向得分计算的变量尽量选择两组样本存在显著差异且不随时间变化的变量，作者最终选取了户主年龄、性别、受教育程度、家庭规模、地区变量等作为测算倾向得分值的协变量。其次，以近邻匹配（1：1）不放回抽样为匹配方法生成各变量的倾向得分。控制变量的平衡性检验结果表明（表5），在匹配完成之后，控制组与处理组之间的协变量总体上不存在显著性差异。最后，按照生成的共同支持样本，剔除掉不属于共同支持的样本，以剩下的样本再次使用双重差分方法进行识别检验。

表5 倾向得分匹配前后解释变量的平衡性检验结果

在控制前面相同变量和年度效应的基础上，将三个PSM-DID回归的结果放到表6中，对比基准回归结果可知，由可观测变量导致的农户“选择偏差”，的确会导致估计偏误的产生，但影响较弱：土地流转对农业生产收入由显著负向影响变为显著正向影响，从而显著提高经营性收入水平，对其他收入类型的影响没有发生变化，对家庭纯收入影响依然显著。土地转出对于各类型农民收入影响的显著性和方向，与基本回归结果完全一致。而土地转入对财产性收入和转移性收入的影响变得不再显著，对其他收入的影响没有变化，对家庭纯收入依然没有显著影响。

表6 土地流转对农民收入的影响（PSM-DID）

3.2.2 处理效应模型

农户是否参与土地流转本身受到其他不可观测因素的影响，所以导致解释变量存在内生性问题。考虑到解释变量为二值变量，需要使用Heckman 两步法来缓解不可观察变量带来的内生性。两步法最有效率的做法是，使用最大似然估计法（MLE），同时估计所有模型参数。需要注意的是，上述处理效应模型要求结构方程中存在有效的工具变量，或扰动项不服从正态分布。因此，文章参照Kung［36］、Démurger 等［37］以及Wahba 等［38］等人的做法，使用留一法（Leave-one-out Strategy），将村庄中除家庭i之外本村转入（转出）户占全村村民总户数的比重（per）作为土地转入（转出）的工具变量。同时，村庄到县城的距离（dis）可能会对农户的流转意愿产生影响，但与他们的流转决策没有直接关系，也可以作为文章的工具变量。根据Heckman 两步法，在第一阶段的模型中，以土地流转（转入或转出）为因变量，将影响土地流转意愿的相关要素作为自变量进行Probit 回归，并得到逆米尔斯比率（lambda）作为控制变量代入第二阶段的回归中。文章选取了户主年龄、户主受教育程度、户主性别，以及家庭规模、年度虚拟变量、地区虚拟变量等作为一阶段Probit 回归的自变量，基于以上处理，文章在第一阶段使用Probit回归模型如下［39］：

表7中报告了第二阶段的回归结果，在大多数情况下逆米尔斯比率（lambda）系数是显著的，说明的确存在样本选择偏误，所以选用Heckman两步法进行分析是合适的，且处理效应模型的回归结果与PSM-DID以及基准回归的结果基本一致：土地流转可以促进家庭纯收入显著上升，但是收入增长主要源于转出户，转入户家庭纯收入并没有显著变化；土地转出对工资性收入有显著正向影响，对经营性收入有显著负向影响；土地转入对工资性收入有显著负向影响，对经营性收入存在显著正向影响。根据基准回归、PSM-DID和处理效应模型的回归结果可知，研究方法的选用对于最终的结论会有一定的影响，但是更多还是因为对土地流转异质性影响的忽视，才导致了研究结论分歧。

表7 土地流转对农民收入的影响（处理效应模型）

3.3 土地流转收入效应的进一步分析

3.3.1 原因分析

上述实证结果表明土地流转对转入和转出户的收入影响存在异质性，且主要体现在工资性收入和经营性收入两方面，前文理论分析认为异质性产生的原因在于，进行土地流转后转出和转入户的劳动力资源配置发生变化，从而导致工资性收入和经营性收入变化。接下来将分析土地转入和转出对农户劳动力资源配置的影响是否存在差异，以验证上述观点是否成立，并对土地流转资源优化配置作用进行检验。

由于土地流转可以影响农户劳动力资源配置，农户劳动力资源配置结构也会影响农户的土地流转意愿，即两者之间存在反向因果关系，所以需要使用工具变量法来缓解内生性问题。文章将使用留一法计算的转出（转入）比例、县城距离作为土地转出（转入）的工具变量，来分析土地流转对劳动力资源配置的影响，为了更清晰识别土地流转的劳动力资源配置效用，不仅分析了土地流转对户主生产决策的影响还分析了对家庭劳动力配置的影响。上述工具变量通过了弱工具变量检验和识别不足检验，说明回归结果较为可靠。

由表8可知，土地转出对于户主外出务工和家庭外出务工人数有显著正向影响，对户主农业生产和家庭农业生产人数有显著负向影响，这一研究结论与理论分析和收入变化分析的结论相一致，说明农户转出土地后，将更多劳动力投入到非农业生产，农业生产劳动力减少，从而使得农户的工资性收入上升，农业生产收入下降；同时，土地转出对户主创业有显著正向影响，与前文实证分析中发现经营性收入下降幅度较农业生产收入小的结论相一致。土地转入对户主农业生产和家庭农业生产人数有显著正向影响，对外出务工的影响并不显著，说明土地转入户将更多劳动力资源配置于农业生产，相应的农业生产和经营性收入显著上升，工资性收入下降。

表8 土地流转对劳动力资源配置的影响

上述研究表明土地流转会对转入户和转出户的劳动力资源配置产生影响，促进了劳动分工的实现，但是劳动生产效率的提高不仅依赖于劳动分工，还需要提高专业化生产水平。然而，中国现行土地流转政策，更侧重于鼓励农业生产具有优势的农户转入土地实现规模化经营，非农生产具有优势的农户转出土地优化劳动力资源配置，鲜少涉及提高专业化生产水平的相关技术培训。转出户的劳动力主要从事非技术性工作，专业化水平易于提高，而农业规模化经营需要相关专业管理知识，以提高生产经营效率。但根据中国家庭金融调查（CHFS 2015）的调研数据，在回答“是否获取农业技术指导？”问题的1404户农户中，仅有174 户农户曾经接受过技术指导，其中转入户仅30户，占转入户总比例为14.29%，上述数据说明目前我国转入农户的规模化经营更多体现在生产规模扩大，由于缺乏相应的管理和技术，并没有改变生产方式、提高专业化生产水平，导致转入户农业生产经营收入增长无法弥补工资性收入减少，家庭纯收入无法显著增长。

3.3.2 土地流转对家庭收入的贡献分析

前文已经对土地流转产生异质性影响的原因进行分析，但土地流转通过影响各类收入，多大程度上影响了家庭纯收入变动尚不明晰。目前，较多学者使用倾向得分匹配法得到的处理组平均处理效应（ATT）来展示土地流转对收入的影响程度［24-25，28］。然而，有一点值得注意的是PSM 标准误的计算需要满足一个假定，即PSM 所估计的倾向得分就是真正的倾向得分。PSM 得到的处理效应估计可能是有偏的。Abadie 等［40］考虑到倾向得分的估计偏差，调整倾向得分的大样本方差，对倾向得分的估计进行修正，得到一个稳健的标准误，即“AI 稳健标准误”。因此，文章使用基于该“AI 稳健标准误”的Teffects-Psmatch方法来估计土地流转收入效应大小。

首先，由于需要估计土地流转的平均收入效应，样本筛选过程与前文使用PSM-DID 方法时保持一致。处理后，分别计算土地流转、转出和转入对各类收入及家庭纯收入的平均处理效应（ATE）。表9 中，相比于未流转户，流转户家庭纯收入增加了2157.864 元，其中，经营性收入增加了1241.554 元，增长贡献为58.00%，工资性收入增长并不显著，与前文的回归结果基本一致。转出户家庭纯收入增长了6950.921元，接近80%来自工资性收入的增长，其他收入对家庭纯收入变化的贡献较小。与前文分析相一致，土地转出后家庭劳动力从事非农经营的概率增加，所以家庭经营性收入的下降幅度小于农业生产收入的下降幅度。对于转入户而言，工资性收入减少了2544.442 元，远高于经营性收入的上升幅度，所以，流入户的家庭纯收入相比于未流转户反而下降了。总之，贡献分析结果表明，土地流转确实存在显著的收入增长效应，但是收入增长主要是由于转出户收入显著增加；因为转入农户的农业生产与经营收入并没有显著性地提高，土地流转对转入农户的福利效应并不明显。

表9 Teffects-Psmatch平均处理效应结果

4 结论和政策建议

比较已有的研究发现，相关学者难以就土地流转能否促进农户收入增长这一问题达成一致意见。文章以为，这些实证证据分歧的出现是因为对土地流转异质性影响的忽视，当忽略土地流转对转入农户与转出农户以及工资性收入、农业经性营收入等不同收入来源的影响差异时，就有可能导致不同结论的出现。

为此，从收入结构视角，基于跨期面板微观数据，分析土地流转对转入农户、转出农户的家庭收入以及两类农户的收入结构影响。实证结论发现土地流转总体上确实会促进收入增长，但收入增长主要是因为土地流转极大改善了转出农户的收入。进一步分析结果表明，土地流转对农户收入的影响差异主要是因为土地流转产生了明显的劳动力配置改善，转出户将更多劳动力投入非农生产（比如：外出务工与创业概率增加），而转入户则在农业生产投入更多劳动力。然而，对土地流转贡献度的分析却发现，对于转出农户，工资性收入增长幅度远高于经营性收入下降幅度，农户家庭纯收入水平显著上升，其中，接近80%来自工资性收入增长。而对于转入农户，农业经营与生产的收入改善效应较弱，反而造成转入户的家庭收入并未有明显改善。

上述研究结论表明，土地流转的收入效应还有进一步改善的空间，尤其在于土地流转对转入农户的福利改善作用并不明显。因此，文章可能的政策启示是：要增强转入户的收入水平，一方面要开展技术培训，增强农户的管理意识，发挥规模化生产和集约化生产的优势，提高农业生产效率，增加亩均纯收入。另一方面，要完善中国的农业支持保护政策。以现行农机具购置补贴政策为例，只有购买大型农机的农户才能获得这部分转移支付收入，但是大部分的中小规模转入户无力购买大型农械，无法从中受益，这就可能出现贫者愈贫、富者愈富的现象，导致农村内部收入差距进一步扩大，因此，需要调整农业补贴政策标准，让一般转入户也能从中获益。前文的分析表明土地转出主要通过工资性收入和财产性收入来促进家庭纯收入增长，但财产性收入占家庭纯收入比例仍极低，所以政府需要发展土地流转市场，显化土地资源的资产价值，提高农民财产性收入［41］。对于未流转农户而言，要根据其家庭资源禀赋进行引导，使其能够参与到土地转入或转出进程，提高家庭纯收入水平。