外出务工对脱贫农户收入不均等的影响

陈志　许佳慧　吴海涛

摘要：脱贫攻坚的全面胜利意味着农村绝对贫困问题的解决，以收入不均等为代表的相对贫困问题随之凸显。本文利用2020 年鄂南山区S 县贫困户脱贫质量调研数据，运用RIF 回归方法研究外出务工对脱贫农户收入不均等程度的影响，并重点探讨受教育子女数量对外出务工和脱贫农户收入不均等的调节效应。实证研究结果表明：脱贫农户外出务工人数的增加能有效缓解收入不均等程度;同时，家庭受教育子女数量越多，短期内可能会掣肘外出务工对收入不均等的缓解进程。鉴于此，要保障外出务工农户的正当权益，构建城乡一体化的基本公共服务体系;严格落实兜底保障，强化教育扶贫力度;保持扶贫政策持续性，巩固提升贫困户脱贫质量。

关键词：脱贫农户;外出务工;受教育子女数量;收入不均等;RIF 回归

中图分类号：F328 文献标志码：A 文章编号：1672-626X（2022）04-0030-11

当前，我国脱贫攻坚战取得了全面胜利[1]。但现行标准下农村贫困人口全部脱贫目标的实现，并不意味着反贫困事业的终结。农村绝对贫困问题的解决，让以收入不均等为代表的相对贫困问题进一步凸显，农村收入不均等的形势依然相当严峻。根据国家统计局相关数据，我国农村基尼系数从2007年的0.38上升到2017年的0.47，2018年中国农村居民高收入组与低收入组的人均可支配收入比值达到9.3：1。缓解农户尤其是脱贫农户的收入不均等状况将是一段时期内巩固拓展脱贫攻坚成果的重要任务之一。

党的十八大以来，我国坚持实施就业优先战略，各地促进农民就业创业，农民工数量持续增加。国家统计局资料显示，2021年我国农民工总量达到29251万人。在外出农民工中，跨省流动为7130万人，占外出农民工总量的41.52%;省内流动为10042万人，占外出农民工总量的58.48%。外出务工被视为农户直接获取经济收入的重要手段，能防止其低收入锁定，对农户内部的收入差距产生影响。然而，庞大的农民工人数背后是留守儿童的教育问题，受限于户籍制度、经济实力等因素，大量学龄儿童滞留乡村。父母对义务教育阶段的子女进行教育投资的同时，其合理陪伴显得尤为重要。外出务工在受教育子女数量的调节下如何缓解脱贫农户收入不均等状况，值得进行专门性研究。

一、文献回顾与研究假设

（一）文献回顾

农户收入不均等程度随着高收入组与低收入组增长差异的扩大而加剧，多种因素决定着不同收入组的增长趋势，对农户内部收入差距产生影响。收入差距指以高低收入水平差别或占有收入比重的不同而表示的差距，它是与收入均等相对应的概念。苏星（2021）从《中国统计年鉴（2020）》选取2013-2019年的五等分组数据发现，高收入组的收入增长趋势最为明显，中高收入组、中收入组、中低收入组和低收入组均增长缓慢，这种差异恰恰可能是农村收入不均等的主要原因[2]。孙枫等（2021）认为在众多收入差距决定因素中，受教育程度、迁移选择、职业选择等因素是农村居民收入不均等的重要来源[3]。

随着我国城镇化进程的加快，较多学者注意到劳动力的非农转移对农户内部收入差距变动的影响。一些研究认为外出务工导致了农户收入不均等。张兆曙等（2017）研究表明，区域间的非农产业发展不平衡是农户收入不均等的重要原因[4]。甄小鹏等（2017）基于劳动者异质性的视角，发现外出务工扩大了农户内部收入差距[5]。另外一些研究则认为外出务工在提高收入的同時缓解了农户内部收入差距。刘魏等（2018）研究发现，外出务工收入回报率在不同农户收入群体间呈倒U型曲线，贫困农户从外出务工中获得了更高的收入回报率[6]。章元等（2012）认为，城镇化所创造的非农就业机会吸引了大量对于传统农业并无边际贡献的贫困劳动力，使这部分人能够分享城镇化所带来的经济增长“蛋糕”，从而使低收入农户的收入得以增长，缩小了农户内部收入差距[7]。毛学峰等（2016）依据CHIP家庭微观调查1988-2007年的数据，发现外出务工所得具有缩小农村收入差距的作用[8]。以外出务工为核心的工资性收入已经成为农户收入的重要组成部分，增加其外出务工工资性收入有利于缩小农村收入差距[9]。

农户收入不均等问题同时也涉及代际因素，低收入农户在资源有限的条件下，会寄希望于下一代能够实现脱贫致富。农村义务教育与脱贫攻坚时期的教育扶贫政策带来的实惠与益处激励了农户特别是贫困农户对教育的投资，教育投资可被视为提升农户生计资本进而提升其收入能力的重要投入。与此同时，外出农民工数量的不断增长也会导致农村留守儿童数量的增加，父母在对子女进行教育投资的同时，其合理陪伴与教导对子女能否顺利成才（即教育投入期望收益）起着十分关键的作用。陶然等（2012）认为，父母陪伴缺失的负面影响大于家庭收入提高的正面影响，不利于留守儿童的教育[10]。王坤等（2013）通过对湖北省11市家庭教育的问卷调查和访谈发现，农村留守儿童家庭教育存在观念偏差、方式缺陷、资源匮乏等问题，直接影响其教育质量[11]。

以上文献表明，外出务工和农户收入不均等之间存在相关关系。同时，受教育子女数量作为重要的调节变量，可以透过对教育投入期望收益的调节影响农户外出务工人数，进而影响农户的收入不均等状况。鉴于此，本文将在已有农户收入不均等因素研究的基础上，进一步探究外出务工对脱贫农户收入不均等状况的影响机制，并厘清受教育子女数量在影响机制中的调节效应，以期对缓解脱贫农户收入不均等状况提出有针对性的对策建议。

（二）研究假设

农户在人力资本和物质资本等方面的弱质性，加之农业自然再生产和经济再生产的双重特性，决定了农户不可能全部依靠农业经营实现收入的可持续增长[12]。外出务工作为农村劳动力流动的主要形式，成为农户增加收入的重要生计决策。劳动力外出务工能够打破原有固化的农村社会阶层，提高其社会经济地位，防止农村居民的低收入锁定，资源禀赋处于劣势的农户可以更好地利用外出务工机会，改善其收入状况。基于此，提出第一个研究假设：

假设1：外出务工能够缓解脱贫农户的收入不均等状况。

就中国农村的现状而言，因父母均外出务工而留守的儿童主要由祖辈照料，但老人文化水平普遍较低，无法给予儿童学习上的必要辅导。研究表明，在中学阶段后，留守儿童呈现出弱势表现[13]。父母外出务工一方面会减少留守儿童假期上补习班的频率，使其学习机会减少;另一方面会增加留守儿童使用手机的频率，使其学习精力更容易被分散，从而对学习成绩产生负面影响，导致留守儿童比非留守儿童的成绩表现差[14]。囿于教育投资回报收益与照料人手的不足，为确保子女的受教育质量，农户特别是受教育子女数量较多的农户更可能会选择父母其中一方在家乡陪读。基于此，提出第二个研究假设：

假设2：正在接受教育的子女数量越多，越是掣肘外出务工对脱贫农户收入不均等的缓解进程。

二、研究设计

（一）数据来源

本文使用的数据来源于研究团队2020年7月中旬在鄂南山区S县进行的贫困户脱贫质量调研。作为一个省级贫困县，S县已于2018年底实现全县“脱贫摘帽”，全县建档立卡贫困人口均实现了现行标准下的脱贫。本次调查覆盖S县全部13个乡镇，调查对象仅涉及脱贫农户，采取分层随机抽样的方法确定样本村和样本脱贫户，进村入户后对抽取到的脱贫农户户主或其成年家庭成员进行问卷调查。主要调查其脱贫前后的政策享受情况与生计状况。本次调研共发放1034份问卷，筛除有缺失值和极端值的样本后，保留有效问卷1023份。抽样结果显示，本次调查具有较好的代表性。

（二）变量选取

被解释变量。本文选取脱贫农户收入不均等状况作为被解释变量。衡量收入不均等程度的指标常为基尼系数，但由于研究数据为截面数据，若直接测算仅能得到一个基尼系数，无法反映不均等状况变化。同时，若选取脱贫农户全年总收入作为被解释变量的测度指标，只能得到外出务工提高一个单位时的总收入变化状况，无法直观反映其对农户不均等状况的影响。为此，本文使用RIF（Recentered influence function）回归分解方法，该方法可以较好地估计解释变量的微小变化对被解释变量分布统计量的边际分布影响[15]。具体的，将被解释变量的测度指标定义为脱贫农户年总收入对数的基尼系数，用来反映脱贫农户的收入不均等程度。

核心解释变量。国内学者大多以“非农劳动力人数占家庭劳动力总人数之比”作为外出务工的替代变量[16～17]。毛学峰等（2016）在全面探讨本地非农就业、外出务工等不同类型的家庭从业模式与农村收入不均等的关系时，将“家庭中有一个或以上人口外出务工”归类为外出务工家庭[8]。依照已有文献以数量刻画外出务工的形式，根据本文研究内容及数据特征，本文将脱贫农户外出务工的人数作为外出务工的替代变量。其具体测度指标为脱贫农户（累计半年以上）外出务工人数，变量类型为连续变量。

调节变量。本文的调节变量设置为脱贫农户受教育子女数量，即家庭中正在接受教育（读书）的子女数量，变量类型为连续变量。

控制变量。除了上述核心解释变量外，其他变量也会对脱贫农户的收入不均等状况产生影响。户主性别、健康水平、受教育水平等家庭特征和人力资本因素会影响脱贫农户的生计决策，进而影响收入状况。在农业产业化经营中，农户收入增加与家庭耕地面积相关，尤其对于从事种植业的农户而言，耕地面积越大，种植的经济作物越多，其通过农业生产、加工和销售经营等获得的生产经营性收入就越高[18]。同时，社会资本能够为贫穷者建立支持性的网络关系，打破“社会枷锁”与“经济贫困”的壁垒，使其积极融入社会，实现社会经济地位的向上流动[19]。Copestake J等（2005）及Khandker S（2005）的研究都发现，小额信贷缓解了贫困户的信贷约束，帮助其扩大生产经营活动，发展微型企业，提高创收能力，改善生活质量[20～21]。不同的是，闫杰等（2019）也发现扶贫小额信贷显著促进了贫困户增收，但是随着时间的推移，扶贫小额信贷对其增收的边际效应在减弱[22]。因此，必须把握好信贷的规模与额度。为避免因遗漏重要变量导致的回归结果偏误，本文将对农户收入会产生影响的相关变量都设置为控制变量，具体包括人力资本（户主性别、健康水平、受教育水平和耕地面积）、社会资本（亲朋支持）及物质资本（小额信贷、获得资金发展产业和入股合作社）三大类。在引入控制变量的基础，探究外出务工对脱贫农户收入不均等的影响机制与受教育子女数量的调节效应，并验证本文最终研究结论与研究假设是否一致。

（三）变量的描述性统计

各变量的测度方式与描述性统计结果如表1所示。S县脱贫农户2019年度总收入对数的基尼系数平均值为0.05，最大值仅为0.16，根据收入不均等程度划分表，该县脱贫农户收入不均等程度相对较低，全县脱贫质量较好。脱贫农户中（半年以上）外出务工人数平均值仅为0.80，中位数为1，说明该县一部分脱贫农户没有任何家庭成员外出务工。受教育子女数量的平均值为0.57，中位数为0，说明该县脱贫农户中多数没有正在接受教育（读书）的子女。在控制变量方面，户主性别平均值为0.81，中位数为1，说明脱贫农户中户主为男性的占比超过80%;户主健康水平平均值为2.77，中位数为3，显示该地区人口整体健康程度一般;受教育水平均值为5.23年，中位数为6年，说明该地区脱贫农户受教育水平普遍不高;耕地面积平均值为2.24亩，标准差为1.49，总体差距不大;能给予脱贫农户资金支持的亲朋户数平均值为2.42，社会资本情况尚可;是否借过扶贫小额信贷的平均值为0.21，脱贫农户发展产业的平均值为0.38，是否入股合作社的平均值为0.08，说明脱贫农户中没有借过扶贫小额信贷、没有发展产业和没有入股合作社的比例相对更多一些，尤其是没入股合作社的占到92%。

（四）回归方法及模型设定

如前文所述，本文將运用RIF回归分解方法，对脱贫农户收入不均等状况及其影响因素进行深入剖析。RIF回归分解方法适用于衡量样本中解释变量某一处微小变化对被解释变量统计量分布的影响研究，相较于经典的OLS回归，RIF回归能够反映自变量对因变量的多种统计分布。RIF的计算基于IF，是在IF基础上加上原始的统计量构成的[23]。IF具体的定义式如式（1）所示：

式（1）表示样本发生微小的增加后，其统计量将发生的改变。RIF在IF的基础上加上在原分布中的相应统计量，形成式（2）：

式（2）表示考虑了样本变化影响后的统计量近似值，在给定原始分布和统计量时，RIF是被解释变量的函数。

被解释变量旨在反映脱贫农户收入不均等程度，而衡量收入不均等程度的指标常为基尼系数，于是本文将v定义为基尼系数。本文将脱贫农户年总收入的对数基尼系数作为被解释变量，将外出务工作为解释变量，进行RIF回归，构建的RIF基准模型如下：

其中，GINI （ln inc）表示脱贫农户年总收入的对数基尼系数，xi 表示脱贫农户外出务工与各类控制变量，为保证回归结果的稳健性，本文依次加入解释变量和控制变量进入回归。如果解释变量的系数在统计上显著，说明外出务工能对脱贫农户收入不均等产生影响。此外，在研究受教育子女数量对外出务工的调节作用时，本文将两者的交互项加入基准模型。若式（3）中交互项系数在统计水平上显著，则说明受教育子女数量能通过影响外出务工来影响收入不均等，即受教育子女数量的调节机制成立。

三、回归结果分析

（一）基准模型的RIF 回归结果

本文采用RIF回归方法，实证检验外出务工对脱贫农户收入不均等程度的影响，并通过逐步加入控制变量的方式验证回归结果的稳健性。具体地，在模型中依次加入人力资本、社会资本和物质资本三大类控制变量。表2具体展现了以基尼系数作为不均等衡量指标的脱贫农户内部收入差距的回归估计结果。

表2回归结果显示，核心解释变量的系数值、系数方向与显著性水平均保持稳定，说明系列回归模型具有较好的稳健性。如模型1及模型3所示，当外出务工人数增加时，脱贫农户收入的基尼系数下降。从全样本（模型3）看，外出务工对脱贫农户的收入不均等程度有负向影响，即脱贫农户外出务工人数越多，收入不均等程度越小，结果在1%显著水平上显著。这说明增加外出务工可以缩小脱贫农户内部收入差距，降低收入不均等程度，由此，假设1得到了验证。同时，脱贫农户户主是男性、家庭成员受教育水平较高、耕地面积越多、享受过小额信贷和产业扶持政策支持，都会使得农户内部收入的基尼系数下降，表明这些因素有利于收入不均等程度的缓解。

从理论和现实上看，外出务工能使低收入农户的收入增速高于高收入农户，进而缩小收入差距。男性是外出务工的主力，户主为男性的脱贫农户更有可能产生外出务工的人员。受教育水平的提升能缓解当地收入不均等的状况，验证了周燕芳等（2020）发现的适当提升全社会的平均教育水平（不出现极高的情况下）可以缓解收入差距的现象[24]。耕地面积较多的情况下也能有效缓解收入不均等问题，因为低收入农户可能通过土地流转获得财产性收入，从而缩小内部收入差距。享受过小额信贷可以缩小农户内部收入差距，因为小额信贷可提升低收入脱贫农户获得无利率借贷的可能性，强化其生计支持力度，从而降低脱贫农户内部收入差距。同理，获得小额信贷支持的脱贫农户更可能获得资金发展产业，从而有效地缓解脱贫农户的收入不均等程度。

（二）受教育子女数量的调节效应根据前文可知，脱贫农户中受教育子女数量的增加提高了家庭“教育脱贫”的可能性，同时，为保证教育投入的质量与期望收益，正在接受教育的子女数量越多，农户更可能会选择留守部分劳动力陪读，从而引发受教育子女数量增加对脱贫农户外出务工的抑制作用。为检验受教育子女数量在外出务工与脱贫农户收入不均等影响机制中的调节效应，本文引入外出务工和受教育子女数量的交互项，将受教育子女数量和交互项放进RIF回归模型。与表2一样，采用逐步加入三大类控制变量的方法构建如下系列模型，回归结果如表3所示。

与表2基本一致的是，表3中模型1～3的回归结果显示，核心解释变量的系数值、系数方向与显著性水平均保持稳定，说明系列回归模型具有较好的稳健性。在加入交互项后，外出务工系数值依旧为负，但交互项系数却为正，且均在1%水平上显著，说明受教育子女数量的增加对外出务工缓解农户内部收入差距的效应具有调节作用，但与两个核心解释变量的系数符号相反，表明受教育子女数量对外出务工具有抑制作用，将在短期内影响脱贫农户收入不均等程度的缓解。由此，假设2也得到了验证。

可以理解的是，脱贫农户正在受教育的子女数量对于外出务工的调节作用体现在，随着受教育子女数量的增加，其家庭生计决策会偏向于宁可放弃部分（或全部）暂时可能快速获取的务工收入，而选择留守部分劳动力陪读，将期望收益放在更长远的教育投入回报上。

（三）因果识别及内生性处理

外出务工对收入不均等的影响至少会从两个方面导致模型具有内生性。一方面是遺漏变量偏差。由于数据的局限性，一些重要的特征变量难以被直接控制，这可能影响回归结果的无偏性。另一方面是联立方程偏差。有研究发现，农民工大量外出是城乡收入差距扩大的结果，也反向导致农户内部的收入差距[25～26]，即外出务工和收入不均等往往互为因果关系。

为此，本文将采取工具变量法来解决内生性问题。有效的工具变量必须与内生解释变量相关，同时不能与被解释变量的扰动项相关。由于本文使用RIF回归方法检验外出务工对收入不均等的影响，而工具变量通常采用二阶段最小二乘法（2SLS）进行回归。因此，在本文中无法用工具变量直接处理“外出务工”作为“收入不均等”的核心解释变量的内生性。由上文可知，外出务工缩小农户内部收入差距的原理在于能使低收入农户的收入增速高于高收入农户。鉴于此，本文转而检验“外出务工”对于“脱贫农户收入”的内生性。

基于上述条件，本文选择“外出务工氛围”作为“外出务工”的工具变量，即样本所在村庄“外出务工”与“常住人口数”的比值。在从众心理作用下，村民外出务工决策很大程度上受到所在村庄外出务工氛围的影响。一个重要的原因还在于返乡村民可以提供相应的就业信息和渠道，增加本村其他村民外出务工的可能性[27]。与此同时，外出务工氛围是相对更加宏观的变量，受个体外出务工决策的影响甚微，且与脱贫农户收入不均等的扰动项（如农户个人品质）相关性不强。

从第一阶段的结果来看，工具变量对内生解释变量（外出务工）的影响在1%的水平上显著。Andersoncanon. corr. LM统计量对应的P值为0，拒绝“不可识别”的原假设。Cragg-Donald Wald F 统计量为66.633，高于临界值10，说明不存在弱工具变量问题。在内生性检验中，检验对应的P值大于0.1，说明在10%的显著性水平上不能拒绝“所有解释变量均为外生”的原假设，即认为外出务工这一核心解释变量为内生变量的可能性不大。

由表4可知，外出务工对脱贫农户收入的影响是正向的，且在1%的水平上显著。不难发现，第二阶段的估计结果和OLS回归结果显示的相关性并不完全一致，运用工具变量后，“外出务工”这一变量的系数增加了，说明上文模型可能低估了外出务工对脱贫农户收入的影响。由前文可知，外出务工能使低收入农户的收入增速高于高收入农户，表4的回归结果为本文模型低估了外出务工对脱贫农户收入不均等程度的缓解效果提供了可能。

四、稳健性检验

虽然前文通过将控制变量逐步加入的方式验证了回归结果的稳健性，但为了更好地验证本文研究结果的可靠性，本文采用替换被解释变量（选取工资性收入进行RIF回归）、重置核心解释变量（将外出务工人数比例化）的方法进行实证检验。理论上，如果这些方法均得出与前文一致的结论，则可以说明本文的结论是稳健可信的。

（一）替换被解释变量

本文首先将脱贫农户的总收入拆分为经营性收入、转移性收入、财产性收入和工资性收入四个方面，分别作为被解释变量加入回归模型，结果表明，外出务工主要是通过影响脱贫农户的工资性收入来缩小脱贫农户内部收入差距，进而缓解收入不均等程度。当前，剩余劳动力转移非农就业刺激乡镇发展，农户工资性收入占比上升、经营性收入占比下降的现象与之呼应。据此，本文将被解释变量替换为工资性收入不均等程度，回归结果见表5。模型1～3的RIF回归结果与表2、表3保持了一致性。

（二）重置核心解释变量

为进一步验证研究结果的稳健性，本文将核心解释变量比例化，将外出务工人数与家庭常住人口数相除形成比值（外出务工比例），加入回归模型。同样的，表6中各模型的相关核心解释变量依然显著且系数符号稳定，与前文研究成果仍然保持一致，说明回归结果稳健可信。

五、研究结论与对策建议

本文利用2020年鄂南山区S县贫困户脱贫质量调研数据，运用RIF回归方法研究了外出务工对脱贫农户收入不均等程度的影响。结果表明：脱贫农户外出务工人数的增加能有效缓解收入不均等程度。从影响机制上看，外出务工能够使低收入脱贫农户的收入增速高于高收入农户，从而缓解两者的收入差距;从影响途径上看，外出务工主要是通过影响脱贫农户的工资性收入来缓解收入不均等程度。并且，正在接受教育子女数量的增加对外出务工具有抑制作用，短期内可能会掣肘收入不均等的缓解进程。

基于以上结论，本文提出以下建议：第一，保障外出务工农户的正当权益，构建城乡一体化的基本公共服务体系。脱贫农户外出务工能够建立良好的可持续生计保障体系，缓解收入不均等程度。因此，各地要大力支持和鼓励脱贫农户外出务工，提升工资性收入。突破城乡二元分割局面，为城市中的农民工特别是脱贫家庭走出来的务工人员提供基本的就业与医疗保障，落实劳动保护，优化住宿环境等。第二，严格落实兜底保障，强化教育扶贫力度。对于有受教育子女的脱贫农户，应该全面落实各类教育资助政策，实现应助尽助、低收入家庭学生资助全覆盖，确保除身体原因不具备学习条件之外的义务教育适龄儿童不失学辍学，不断夯实脱贫农户生计资本;注重发展农村教育事业，全面改善薄弱学校办学条件，加强城乡教师培训交流，优化农村教师队伍结构，逐步缩小城乡差距。同时，要重点关爱留守儿童的生活质量及心理健康，全方位构建高质量的农村教育服务体系，减少家长的后顾之忧，不仅可降低受教育子女数量的抑制作用，还可有效提升教育投入期望收益。第三，保持扶贫政策持续性，巩固提升贫困户脱贫质量。各地要严格落实“摘帽不摘政策”的要求，利用好5年的过渡期，扎实巩固拓展脱贫攻坚成果，持续围绕产业扶贫、安居扶贫、教育扶贫、健康扶贫、兜底保障、就业扶贫、基础设施改善等方面，制定出台巩固拓展脱贫攻坚成果同乡村振兴有效衔接的实施方案，强化脱贫质量，缓解脱贫农户收入不均等程度。

参考文献：

[1] 新华网.习近平：在全国脱贫攻坚总结表彰大会上的讲话[EB/OL].[2021-02-25].http：//www.xinhuanet.c-om/politics/leaders/2021-02/25/c_1127140240.htm.

[2] 蘇星.人工智能对我国居民收入不平等的影响研究[D].太原：山西财经大学，2021.

[3] 孙枫，张应良，李瑞琴.农村居民收入差距的测度与分解——基于努力与机会不均等的视角[J].山西大学学报（哲学社会科学版），2021，44（1）：151-160.

[4] 张兆曙，王建.城乡关系、空间差序与农户增收——基于中国综合社会调查的数据分析[J].社会学研究，2017，32（4）：46-69.

[5] 甄小鹏，凌晨.农村劳动力流动对农村收入及收入差距的影响——基于劳动异质性的视角[J].经济学（季刊），2017，16（3）：1073-1096.

[6] 刘魏，张应良.非农就业与农户收入差距研究——基于“离土”和“离乡”的异质性分析[J].华中农业大学学报（社会科学版），2018（3）：56-64+155.

[7] 章元，许庆，邬璟璟.一个农业人口大国的工业化之路：中国降低农村贫困的经验[J]. 经济研究，2012，47（11）：76-87.

[8] 毛学峰，刘靖.本地非农就业、外出务工与中国农村收入不平等[J].经济理论与经济管理，2016（4）：100-112.

[9] 程名望，史清华，JINY，等.农户收入差距及其根源：模型与实证[J].管理世界，2015（7）：17-28.

[10] 陶然，周敏慧.父母外出务工与农村留守儿童学习成绩——基于安徽、江西两省调查实证分析的新发现与政策含义[J].管理世界，2012（8）：68-77.

[11] 王坤，郑晓边，孔令丽，刘文雯.农村留守儿童家庭教育问题及干预对策——基于湖北省11市调研报告[J].教育与教学研究，2013，27（2）：12-14+73.

[12] 于福波，張应良.外出务工、社会资本与农户内部收入差距[J].经济与管理研究，2019，40（8）：90-103.

[13] 姚嘉，张海峰，姚先国.父母照料缺失对留守儿童教育发展影响的实证分析[J].教育发展研究，2016，36（8）：51-58.

[14] 段颀，刘冲，钱留杰.父母外出务工对农村留守儿童基础教育的影响[J].世界经济文汇，2020（3）：107-120.

[15] 朱平芳，张征宇.无条件分位数回归：文献综述与应用实例[J].统计研究，2012，29（3）：88-96.

[16] 钱龙，洪名勇.非农就业、土地流转与农业生产效率变化——基于CFPS的实证分析[J].中国农村经济，2016（12）：2-16.

[17] 刘一伟，刁力.社会资本、非农就业与农村居民贫困[J].华南农业大学学报（社会科学版），2018（2）：61-71.

[18] 郭建宇.农业产业化的农户增收效应分析——以山西省为例[J].中国农村经济，2008（11）：8-17.

[19] 郭瑜，张一文.社会参与、网络与信任：社会救助获得对社会资本的影响[J].社会保障研究，2018（2）：54-62.

[20] Copestake J.，Dawson P.，Fanning J.，A. McKay，K. Wright-Revolledo. Monitoring the Diversity of the Poverty Outreach and Im⁃pact of Microfinance：A Comparison of Methods Using Data from Peru[J]. Development Policy Review，2005，23（6）：703-723.

[21] Khandker S. Microfinance and Poverty：Evidence Using Panel Data from Bangladesh[J]. The World Bank Economic Review，2005，19（2）：263-286.

[22] 闫杰，强国令，刘清娟.扶贫小额信贷、农户收入与反贫困绩效[J].金融经济学研究，2019，34（4）：32-44.

[23] Avila F. Recentered Influence Functions（RIFs）in Stata：RIF Regression and RIF Decomposition[J].The Stata Journal，2020，20（1）：51-94.

[24] 周燕芳，刘小瑜.家庭受教育水平与收入不平等关系研究——基于CFPS2016数据分析[J].江西社会科学，2020，40（3）：85-95.

[25] 钟笑寒.劳动力流动与工资差异[J].中国社会科学，2006（1）：34-46+206.

[26] 邢春冰.迁移、自选择与收入分配——来自中国城乡的证据[J].经济学（季刊），2010，9（2）：633-660.

[27] 徐超，吴玲萍，孙文平.外出务工经历、社会资本与返乡农民工创业——来自CHIPS数据的证据[J].财经研究，2017，43（12）：30-44.

（责任编辑：彭晶晶）