农业社会化服务对耕地撂荒的影响研究——基于中国家庭大数据库的经验证据

卢 华，周应恒，张培文，耿献辉

（1.江西财经大学生态文明研究院，江西 南昌 330013；2.江西财经大学经济学院，江西 南昌 330013；3.南京农业大学经济管理学院，江苏 南京 210095）

1 引言

新型工业化和城镇化的快速推进促使中国农村劳动力大量脱离农业，务农机会成本攀升和农业比较收益下降带来耕地撂荒现象突出，已引起学术界和实务界的广泛关注。2004—2017年，我国耕地撂荒面积在15万～20万km2，占耕地总面积的15%左右[1]。2015年全国山区耕地撂荒率为14.3%，78.3%的村庄出现耕地撂荒[2]。根据国家地理信息公共服务平台天地图（https://zhfw.tianditu.gov.cn）截取的2017年高分影像底图形成的全国耕地撂荒数据显示，2017年全国95%的县级行政单元存在耕地撂荒现象，撂荒率超过10%的县级行政单元占全国总数的30.23%[3]。在不断开放的农业国际环境下，土地的小规模分散经营和先进农业技术使用率低势必会对我国耕地撂荒产生直接影响。当前，我国小农生产的基本面仍未改变，土地细碎化经营依旧[4]。截至2019年底，全国家庭承包耕地流转面积37 00万hm2，占家庭总承包耕地面积约40.1%①数据来自《中国农业年鉴》（2018年、2020年）的“农业政策与措施”内容部分。，农地流转率依然不高。经营耕地10亩以下的农户仍有2.1亿户[4]。此外，从滞留在农村的劳动力结构特征来看，老龄化和女性化趋势明显，知识储备和专业素质等方面的劣势使其难以驾驭现代生产技术和先进机械设备。

农业社会化服务组织拥有资本、技术和管理等现代生产要素，可介入农户农业生产的整地、播种、插秧、施肥和施药等不同环节，具有化解农户因劳动力短缺、资本和技术不足等对耕地撂荒影响的潜在比较优势。2021年7月农业农村部出台《关于统筹利用撂荒地促进农业生产发展的指导意见》，指出“要培育社会化服务组织，为外出务工和无力耕种的农户提供全程托管服务”。截至2020年底，全国农业社会化服务组织数量超90万个，农业生产托管服务面积超16亿亩次，服务粮食作物面积超9亿亩次，带动小农户7 000多万户②数据来自中国政府网站（http://www.gov.cn/xinwen/2021-02/08/content_5585835.htm）。。全国农业生产性服务业市场规模已超过2 000亿元①数据来自“张红宇：农业生产性服务解种地难题”，人民日报，2020-05-08。。那么，农业社会化服务对耕地撂荒是否存在影响？如果有，其作用机制是什么?影响方向及其程度如何？

耕地撂荒一直是学术界关注的研究重点，多数学者从自然、人文和社会科学等多角度展开了较为系统的研究，也取得了非常有价值的研究成果，但鲜有研究关注农业社会化服务对农户耕地撂荒的影响。中国家庭联产承包责任制带来的土地细碎化和因人地关系变化而带来的农地调整是耕地撂荒的根本原因[5]。在户籍制度改革之前，城乡要素流动并不充分，土地细碎化的规模不经济问题并不明显，农户不会因此而出现大规模的耕地撂荒[6]。随城乡要素流动活跃，农户非农就业机会不断增多，土地细碎化的规模不经济效应逐渐显现，农户对农地流转也普遍存在预期不足，耕地撂荒加剧，农地确权颁证存在明显的产权激励效应，能有效降低耕地撂荒率[7]。离城镇的距离缩短会使得农户耕地撂荒的可能性和撂荒面积显著增加[8]。还有学者从劳动力价格上涨[9]、劳动力非农转移[10]、代际差异[11]、农业生产条件差[12]等视角探讨农户耕地撂荒的行为机制。此外，有学者探讨了撂荒农地再利用的经济效益，认为社会服务机构数量对撂荒农地再利用存在显著影响[13]。也有学者指出农业社会化服务能降低因土地细碎化引起的耕地撂荒[14]。遗憾的是，该文并未分析农业社会化服务降低农户耕地撂荒的作用机制，也未探讨两者之间因自选择而带来的内生性问题，导致估计结果可能并不可靠。近年来，农业社会化服务快速发展，学术界对农业社会化服务与土地利用的关系开展了一系列研究，如农业社会化服务能提高农户农地转入和降低农地转出的可能性[15]，也能缓解规模经营户的劳动和资金约束，促进土地规模经营[16]和增加规模经营农户的土地转入[17]。上述研究均肯定了农业社会化服务对土地利用的影响，但鲜有文献直接探讨其对耕地撂荒的影响效果及其作用机理，分析其作用机制并予以定量研究的就更少。

本文可能的边际贡献是从理论层面直接阐述农业社会化服务对农户耕地撂荒的作用机理，在考虑模型内生性和不同地区之间异质性的基础上，利用覆盖全国大范围的中国家庭大数据库数据，定量估计农业社会化服务对耕地撂荒的影响效果，并从不同方面分析估计结果的稳健性，最后对其作用机制进行检验，研究成果具有重要现实意义。

2 理论分析与模型构建

2.1 理论推演

本文参照罗必良等[14]的分析框架，假设农户耕地总面积为=A+E，其中，A为正在经营的面积，E为耕地撂荒面积，共有n块地，有t块土地购买了全程的农业社会化服务，农业社会化服务量为S。假定农户以家庭总收益最大化为目标，其目标函数如下：

式（1）中：Y代表家庭收益；α、β代表劳动和资本对产出的贡献；PY为农产品价格，假定农户是价格的被动接受者；PS为农业社会化服务的价格；为家庭总劳动力；L为务农劳动力；w为非农工资水平；c为每单位劳动力的务农交易费用②土地细碎化导致地块分散和离家距离不一致，农户来往于不同地块之间会产生交易成本（如，时间成本），且地块数越多，农户在地块耕作方面的交易成本越大。。为便于比较分析，假定每个地块面积相等且同质，分别代表每块地的劳动力投入和土地投入，为农户全程参与生产的农业总产出，为参与社会化服务地块的农业总产出，并假定α+β= 1，即农业生产规模报酬不变。根据最优化问题求解，可以得出最优的农业劳动力和农地投入。等式如下：

根据式（2）的最优化求解可知，农户在务农时的劳动力边际收益和务农的边际机会成本相等时决定其最优的农业劳动力投入。在不考虑农户往来于不同地块之间的交易费用时，由图1（a）可知，农户会根据农业劳动边际收益MRL=w决定最优农业投入量L0，其对应的土地边际收益为MRA（L0）（图（1b）），此时土地投入量为A0，耕地撂荒面积E0=-A0。进一步，考虑农业劳动力在往返于不同地块之间的交易成本时，当不存在农业社会化服务市场时，农户来往于不同地块之间会产生交易成本nc，根据MRL=w+nc，农户决定的最优农业劳动投入量为L1，由于nc＞0，由图1（a）可知，最优农业劳动投入量下降到L1，且满足L1＜L0。农业劳动投入减少会加剧土地粗放经营，引致土地边际收益由MRA（L0）下降到MRA（L1），并与横轴交于A1点，此时耕地撂荒面积变为E1=A-A1，由于A1＜A0，所以E1＞E0，导致撂荒面积增多。引入农业社会化服务市场后，因农业社会化服务可介入农业生产，农户通过购买农业社会化服务，直接参与农业生产的地块数减少，亦可缓解其面临的劳动短缺、农机和农业新技术等对农业生产的约束，导致农业生产的交易费用降低tc。此时，农户在PYαLα-1Aβ=w+（n-t）c条件下决定最优的农业劳动力投入量变为L2，由于tc＞0，L2＞L1。农户购买农业社会化服务后会带来土地边际收益提高到MRA（L2），介于MRA（L0）和MRA（L1），并与横轴交于A2点，此时撂荒面积E2=-A2，由于A2＞A1，所以E2＜E1，撂荒面积减少。

图1 农业社会化服务与耕地撂荒Fig.1 Socialized agricultural services (SAS) and farmland abandonment

由式（3）可知，农户购买农业社会化服务后的土地边际收益（PYβLαAβ-1+βSαAβ-1）大于农户未购买农业社会化服务时的土地边际收益（PYβLαAβ-1）。并且，在考虑农业生产交易成本时，农户购买农业社会化服务后的土地投入面积（A2）大于未购买农业社会化服务后的土地投入面积（A1）。因此，通过经济理论推演可知，农户购买农业社会化服务能减少耕地撂荒，实际情况则需要农户层面的微观数据进行定量检验。

2.2 模型构建

为定量估计农业社会化服务对耕地撂荒的影响效果，本文构建如下计量模型：

式（4）中：Landi为反映农户耕地撂荒行为的因变量，包括农户耕地是否撂荒、撂荒面积和撂荒比例；OSi为农户购买农业社会化服务的变量；Xi是影响农户耕地撂荒的控制变量；α、β、γ为待估系数；εi为随机误差项。

理论上，农户是否购买农业社会化服务是一个“自选择”问题，即购买农业社会化服务的农户往往是耕地未撂荒或者耕地撂荒面积较少的群体。因此，样本自选择会带来模型内生性问题，造成估计结果偏误。为尽可能消除内生性问题，本文选取“本村除了该户外其他农户的农业社会化服务平均水平”作为工具变量。因此，当Landi取值反映农户是否耕地撂荒时，采用ivprobit模型进行实证分析，当Landi取值为农户耕地撂荒比例或面积时，采用ivtobit模型来解决零处截尾问题。

此外，分析农户购买农业社会化服务对耕地撂荒影响效果的理想方式是比较同一个农户“购买”和“不购买”下耕地撂荒行为的差异。然而，该数据缺少一种非实际状态，无法获取，需要构建一个反事实的因果状态。本文将进一步采用倾向得分匹配（PSM）方法来处理自选择问题，验证估计结果的稳健性，倾向得分通过如下logit模型估计得出，模型如下：

式（5）中：PO（SXi）为农业社会化服务的倾向得分值，OS是处理变量，如果农户购买了农业社会化服务，则OS= 1，反之为0。Xi为选择的匹配变量，获得倾向得分后，就可以利用不同匹配方法得到农业社会化服务对耕地撂荒影响的平均处理效应（ATT）：

式（6）中：Y1i、Y0i分别表示同一农户在实验组和对照组两种情形下的输出结果。

3 数据来源与特征事实

3.1 数据来源

本文数据来源于浙江大学2017年首次公开的中国家庭大数据库，数据包含2011年、2013年、2015年、2017年的4轮中国农村家庭调查数据，其中2011年、2013年、2015年和2017年调研农村家庭户数依次为5 120户、16 511户、22 535户和24 764户。调查内容涉及中国农村家庭比较完整的信息，包括家庭的基本结构、就业、收支、农业生产经营、土地利用与流转、社会保障、教育等各个方面。需要说明的是：第一，考虑到农户耕地撂荒数据仅在2017年问卷中涉及，因此，本文采用2017年数据进行实证分析。第二，在数据处理中，对户主个人特征、个人生活保障、农户家庭特征以及土地特征等数据变量缺失或者记录为“不知道”的样本进行了删除。第三，调研样本中，有部分家庭虽然户籍在农村，但实际并没有从事农业生产经营活动，对这部分样本也进行了剔除。通过整理，本文共获得了9 419户有效样本。调查样本能较好的反映全国耕地撂荒和农业社会化服务的情况。

3.2 变量选取

（1）因变量。选取农户耕地是否撂荒、实际撂荒面积和撂荒比例为因变量。

（2）核心解释变量。用“租赁农用机械以及农用运输车辆花了多少钱”来表征农户购买农业社会化服务的水平。

（3）其他控制变量。农户家庭特征和土地特征也会对耕地撂荒产生影响。首先，根据已有研究的主要做法，本文选择户主年龄、受教育程度、身体健康状况和性别等作为家庭特征变量；选取地块数和土地经营面积来反映农户的土地经营特征[18]。其次，不同村庄在地理位置、交通条件和农业生产习惯方面会存在差异，这些不可观测因素会对农户耕地撂荒行为产生影响，本文选取村庄离最近快递点的距离、村机械收割比例、村撂荒比例和是否贫困村来反映村庄特征。不同省份之间的一些不可观测因素也会影响农户耕地撂荒行为，本文在模型中还加入了省份虚拟变量予以控制。所有相关变量的说明与描述性统计详见表1。

表1 变量及其描述性统计Tab.1 Variables and descriptive statistics

样本地区户均承包地撂荒面积比例为3.4%，按全国18亿亩耕地面积计算，约有6 000万亩耕地被撂荒。购买农机服务的农户占比为42.2%，平均每户支付的农业社会化服务金额为633.2元。户均土地经营规模为9.529亩，地块数为5.092块，土地细碎化较为严重。仅有13.2%的农户存在转入土地行为，17.8%的农户存在转出土地行为，样本范围内的农地流转率较低。耕地机械收获的比例为64.45%。快递点距离村委会平均距离约5.429 km，快递网点进农村比例较低。农业经营户主平均年龄56.61岁，受教育程度较低。家庭平均人口数为3.6人，农业劳动力非农转移比例为39%。

3.3 特征事实

根据对样本数据的统计分析可知（表2），不同地区的耕地撂荒程度差异较大。西部地区耕地撂荒比例最大，中部地区撂荒比例最小。主要原因是近年来西部地区经济发展较快导致劳动力外出务工增多，务农机会成本增大，加之地形气候等不宜耕种原因，耕地撂荒较多。中部地区多数为我国粮食主产区，农业劳动力兼业较多，追求农业收益和非农就业收益的总收益最大是最优目标。此外，粮食主产区正大力推动的高标准农田建设和农地流转也一定程度上抑制了耕地撂荒。东部地区经济发展水平高，务农机会成本高，耕地的非粮化和非农化较为严重，真正撂荒相对较少。从农业社会化服务来看，中部地区农户购买农业社会化服务较多，主要原因是粮食作物具有易于机械作业的特点；东部地区多以种植经济作物为主，这类作物属于劳动密集型作物且不便于农机作业，农户购买农业机械化服务的也相对较少。

表2 中国农业社会化服务与耕地撂荒的特征事实Tab.2 Descriptive statistics of SAS and farmland abandonment in China

图2可知，农业社会化服务金额和耕地撂荒之间呈现明显的反向关系，农户购买农业社会化服务水平越高，耕地撂荒越低。农业社会化服务可能是导致耕地撂荒较少的一个重要原因。分不同地区来看，中部地区农户购买农业社会化服务最多，耕地撂荒比例最低；西部地区农户购买农业社会化服务最少，耕地撂荒比例最高。

图2 样本地区农业社会化服务与耕地撂荒的关系Fig.2 The relationship of SAS and farmland abandonment

4 结果分析

4.1 农业社会化服务对耕地撂荒影响的估计结果

本文利用Stata15软件定量估计农业社会化服务对农户耕地是否撂荒、耕地撂荒面积和撂荒比例的影响，为尽可能的消除模型内生性问题，本文利用工具变量法进行估计（表3），弱工具变量检验的F值均大于经验值10，说明不存在弱工具变量问题。内生性检验显示农业社会化服务变量具有内生性。

表3 农业社会化服务对耕地撂荒影响的估计结果Tab.3 Results of the impact of SAS on farmland abandonment

由表3可知，农业社会化服务金额对农户是否撂荒耕地、撂荒面积和撂荒比例的影响均显著为负，说明农户购买农业社会化服务之后，可有效减少耕地撂荒的概率和面积，购买水平越高，耕地撂荒的可能性越低。农业生产需在广袤的田地上进行，具有决策时间上高度的统一性和空间上的分散性，要求不误农时。农作物的自然生长规律决定了其所需的农业生产时间往往就集中在几天时间且需多次户外劳作，导致农忙时节雇工难且工资高。农业社会化服务本质上是劳动分工深化的结果，当不存在农业社会化服务市场时，随非农工资上涨，劳动力务农机会成本持续攀升，部分农户会因农业种植比较收益低而选择撂荒耕地。随劳动分工程度加深，拥有资本、技术和管理等现代生产要素的农业社会化服务组织，可介入农户农业生产的整地、播种、插秧、施肥和施药等不同环节。农业机械的资产专用性强，每家每户购买农机既不可能，也不经济。农户通过购买不同环节的农业社会化服务，可替代自身购买农机，缓解资金和技术约束，降低农业生产成本，进而减少耕地撂荒。此外，粮食作物具有易于机械化作业的特点，而整地、播种和收割易于机械化操作且服务效果易观察，农户购买此类农业社会化服务能较好的获取粮食生产的规模经济效益并降低农业生产成本。根据笔者在江苏的农户调查，购买整地和收割的农户数占比分别达到85%和95%[17]，且亩均农机服务费用平均约为100～150元，半天或1天时间就可完成小规模农户的整地、播种或收割作业。相比于雇工、自我劳动投入和购买农机，购买农机服务具有低成本的比较优势，通过购买农机服务可降低农忙时节劳动力约束和农机约束对粮食生产的负面影响，对抑制耕地撂荒具有积极效果。

地块数对农户是否撂荒耕地、撂荒面积和撂荒比例的影响均显著为正，地块数越多，农业劳动力和农机使用的约束会越强，土地细碎化经营的成本高效益低，农户种粮积极性下降，耕地撂荒增多。此外，由于农作物的自然生长特征和土地的不能移动，农业社会化服务供给成本和服务规模等会受到土地细碎化的约束。地块数越多意味着地块越分散，平均地块面积越小，农业社会化服务的供给成本增多。出于成本收益考虑，社会化服务组织也会选择在家庭地块数较少、服务供给成本较低的较大地块上提供服务。土地经营规模越大，农户对农业经营收入更重视，对农作物产量的波动和预期会越敏感，选择购买农业社会化服务来缓解劳动力和技术约束的概率会更高，耕地撂荒也会随之减少。劳动力非农转移比例越高，农业收入占家庭总收入份额会越少，特别是对非农工作较为稳定的家庭，农业生产的不误农时特征会降低劳动力兼业倾向，导致农户耕地撂荒的概率和撂荒比例提高。劳动力身体健康越差，户外劳作时间越难保证，距家较远耕地被撂荒的可能性也会增大。

村级耕地撂荒会对农户是否撂荒耕地产生重要影响。农业生产需要一定的集体行动，当农户相邻或周边的地块均撂荒时，灌溉和田间道路等原因会导致种粮成本上升，撂荒地相邻地块撂荒的概率也会增多。耕地机械收获比例越高，因农业劳动力短缺引致的耕地撂荒会减少。贫困村会增加农户耕地撂荒的概率和撂荒比例。我国绝大多数贫困村都处于偏离城市较远的地区，交通基础设施较差，农业机械无法大面积普及，农业经营效益低会带来耕地撂荒增多。农业劳动力老龄化也会引致农户耕地撂荒的可能性增多。

4.2 异质性分析：不同地区分析

考虑到不同地区土地、劳动和资本等要素市场发展很不相同，不同地区的农业生产条件、家庭劳动力禀赋、农业社会化服务发展水平和耕地撂荒也存在显著差异。本文进一步将样本细分为东、中、西和粮食主产区进行分析。表4表明，农业社会化服务对东部、中部和粮食主产区农户耕地是否撂荒的影响显著为负，而对农户耕地撂荒面积和撂荒比例的影响仅在中部和粮食主产区显著为负。可能原因如下：东部地区劳动力务农机会成功高，而农业社会化服务能帮助农户克服在劳动力短缺、资本和现代农业技术装备不足等方面的困难，一定程度能抑制农户耕地撂荒。并且，东部地区耕地条件较好，耕地非粮化和非农化较多，实际耕地撂荒面积相对较少。中部地区多数为我国粮食主产区，劳动力兼业较多，追求农业收益和非农就业收益的总收益最大是最优目标。且粮食作物具有易于机械作业的特点，农户购买农机服务能够较好的获取粮食生产的规模经济效益，能较好的抑制耕地撂荒。西部地区农业劳动力非农转移较多，加之因地形、土壤、气候环境等不宜耕种原因，农业社会化服务的供给成本和种粮成本高，耕地撂荒相对较多。

表4 农业社会化服务对耕地撂荒影响的估计结果（分地区）Tab.4 Results of the impact of SAS on farmland abandonment (different regions)

地块数对东部、中部和粮食主产区农户耕地是否撂荒、撂荒比例和面积的影响均显著为正。耕地细碎分散会增强农业劳动力和农业机械对农业生产的约束作用，会增加种粮成本，降低农户种粮积极性，引致农户耕地撂荒。村级撂荒对东部和主产区的农户耕地撂荒的影响均显著为正。总体看来，表4估计结果和全样本下的估计结果基本一致，能较好的验证本文的研究结果。

4.3 稳健性分析

（1）稳健性检验一：替换关键解释变量。替换变量法是解决内生性问题的一种方法[19]。为检验估计结果的稳健性，本文进一步使用样本地区农户所在县和省的农业社会化服务水平作为代理变量进行稳健性回归。表5可知，农户所在县的农业社会化服务水平对农户耕地是否撂荒、撂荒比例和撂荒面积的影响均在1%水平下显著为负，即县级农业社会化服务水平越高，农户耕地撂荒越少。在粮食主产区、中部和西部地区，县级社会化服务水平对农户耕地是否撂荒、撂荒比例和面积均存在显著负向影响。农户所在省的农业社会化服务水平对农户耕地是否撂荒和撂荒比例的影响显著为负，即农户所在省的农业社会化服务发展水平越高，耕地撂荒的可能性越低。在粮食主产区和西部地区，省级农业社会化服务水平对农户耕地是否撂荒、撂荒比例和面积的影响同样显著为负。替换关键解释变量之后的估计结果也一定程度上检验了本文研究结果的稳健性。

表5 农业社会化服务对耕地撂荒影响的估计结果（替换关键解释变量）Tab.5 Estimation results of the impact of SAS on farmland abandonment (replacing the key independent variables)

（2）稳健性检验二：倾向得分匹配（PSM）方法。PSM方法也是解决内生性问题的有效方法。表6可知，采用4种不同匹配方法得到的ATT值均为负，都通过了1%显著性水平检验且结果相近，说明农业社会化服务能有效减少耕地撂荒，进一步验证了估计结果的稳健性。

表6 农业社会化服务对耕地撂荒影响的估计结果Tab.6 The matching results of the impact of SAS on farmland abandonment

4.4 机制检验

（1）机制分析。不论是土地经营规模户抑或是小农户，在时间、农机装备、农业技术水平等约束下，将农业生产中的部分环节交给农业社会化服务组织，可缓解其面临的劳动力短缺、资金和技术约束，实现农业生产要素的重新配置，引发农村土地流转市场供需变化，对耕地撂荒产生影响（图3）。

图3 农业社会化对耕地撂荒的影响机制Fig.3 The influencing pathway of SAS on farmland abandonment

第一，农业社会化服务对土地经营规模户①本文中的规模户是指土地经营面积大于省平均土地经营规模面积的农户，反之则为小农户。转入土地的作用机制。土地经营规模户通过土地转入实现规模经营，随土地经营面积扩大，其面临的劳动力、技术、管理和资金约束增强，其生产过程会越来越依赖于农业社会化服务组织。首先，农业社会化服务组织可为农户提供农业雇工服务或农机租赁服务，可提高规模户转入土地的需求和缓解资金和技术约束，促进农户转入土地[15-16]。其次，农业机械资产专用性强，农业社会化服务组织使农户便利地获得了农机，节省了自行购买农业机械所需的大量资金。再次，限于公共农技推广的有限资源，大多数规模户难以直接获得农业技术支持，社会化服务组织已逐渐成为农业技术推广的主力军，将农业专业技术或现代装备引入农业生产，可缓解规模户的技术约束，有利于规模户转入土地。

第二，农业社会化服务对小农户转出土地的作用机制。农户是否选择转出土地或者撂荒，取决于经营土地的成本收益。小农户议价能力普遍较弱，对接市场相对较为困难，购买农业社会化服务之后，可降低获取外部资源的搜寻成本，也能促使其引入现代农业生产要素，成为技术投资和改善农业生产经营管理的主体[20]，一定程度会提高小农户的土地需求，降低小农户的土地转出意愿。

（2）模型构建。根据上文的机制分析，为进一步检验农业社会化服务对农户土地流转影响的微观机制，本文构建如下计量经济模型予以实证分析：

式（7）中：Land_transi为反映农户土地流转行为的因变量；OSi为反映农业社会化服务的变量；Xi是影响农户土地流转行为的控制变量，模型中也加入了省级层面随时间不变但因省级而异的不可观测因素；α、β、γ为待估系数；εi为随机误差项。

（3）估计结果。农户购买农业社会化服务和土地流转行为之间理论上是农户“自选择”的结果，模型可能存在内生性问题，造成估计结果偏误。为尽可能获取准确的估计结果，本部分采用倾向得分匹配方法（PSM）消除模型内生性问题。表7可知，模型共同支撑假设检验的AUC值接近0.5，满足倾向得分所要求的共同支撑假设检验，模型拟合检验的AUC值接近0.8，拟合效果较好。

表7 农业社会化服务对不同规模农户耕地撂荒的影响Tab.7 Results of the impact of SAS on farmland transfer behavior

表7可知，农业社会化服务对规模户的土地转入行为具有明显促进作用，对小农户的土地转出行为并未产生明显影响。可能原因如下：现阶段，农业社会化服务最大的作用在于缓解农户农业生产经营的劳动力和技术约束，但这种作用可能更多的通过土地经营规模发挥。规模户由于土地经营面积较大，面临的劳动力、资本和技术约束较强，农业社会化服务组织拥有的现代农业生产要素和先机农业技术可缓解规模户的资本和技术等约束，促进其转入土地。此外，由于土地的不能移动，农业社会化服务服务供给成本、服务范围、服务规模和交易频率会受到土地细碎化的约束，为降低服务供给成本，农业社会化服务组织也会更愿意为规模户提供服务。

5 结论和讨论

本文在理论上阐述了农业社会化服务影响农户耕地撂荒的作用机理，利用浙江大学中国家庭大数据、工具变量法和PSM方法，定量研究了农业社会化服务对农户耕地撂荒的影响效果，从不同方面验证了估计结果的稳健性，并对其影响机制进行了实证检验。结论如下：第一，农业社会化服务能显著减少农户耕地撂荒，但这种作用存在地区异质性，在中部地区和粮食主产区明显，而在东部和西部地区并不明显。第二，农业社会化服务对不同经营规模农户土地流转行为的影响存在差异，农户购买社会化服务水平的提高能促进规模户转入土地，但对抑制小农户转出土地的影响并不显著。

基于以上发现，本文有以下3点启示：第一，农业生产不同环节的作业监督存在巨大差异，整地、播种、插秧和收割等环节的作业标准化程度高且服务效果易观察，而施肥和施药环节标准化程度低且效果难以衡量，政府应进一步强化合同监管和加强价格监测，规范服务行为并提高作业标准化水平，以此提高农户对农业社会化服务的有效需求，减少耕地撂荒。第二，土地规模经营户和小农户的土地连片程度不同，导致农业社会化服务的作业成本不同。要提高小农户的生产组织化程度和集体行动意识，鼓励小农户联合连片购买农业社会化服务，降低农业社会化服务的作业成本。第三，政府要加强对田间道路和水利灌溉等地块基础设施建设的政策支持，努力实现零散耕地的集中连片经营，降低土地细碎化的约束效应，提升农业社会化服务组组的服务供给能力，降低农户农业经营成本，减少耕地撂荒。