基于多項Logistic模型的農戶耕地流轉行為影響因素研究
——來自8省(區)252村4 261戶農戶的調查數據

謝玲紅， 夏 英， 呂開宇

(中國農業科學院農業經濟與發展研究所，北京 100081)

2013年中央一號文件提出發展新型農業經營主體，實現農業的規模化經營。而規模化首先要解決的問題便是農地的流轉問題。農地的使用權流轉對于優化土地資源配置、調整農業產業結構、促進農民收入增加、實現農業現代化和農村發展都具有重要的意義[1-2]。因此，在加速發展現代農業的宏觀戰略下，如何加快土地流轉，促進土地適度規模經營，提高農作效率，已經成為當前農村發展面臨的越來越緊迫的一個問題[3]。農戶作為農業生產決策的微觀主體，其行為目標與行動決策是推進土地流轉工作的重要依據[4]，從農戶視角研究土地流轉行為及其影響因素和影響機制，對于適應農戶生計規律，有序推進農地流轉工作，具有重要的參考價值。

近年來，國內學者關于農戶耕地流轉行為影響因素的研究都是結合農地調查，采用二分類Logistic回歸模型分析不同因素對不同流向流轉行為的影響。例如，翟研寧等以河南省N縣作為傳統農區的典型代表，研究了家庭勞動力特征、家庭收入水平及結構、社會保障情況及土地情結對傳統農區農戶轉出土地行為的影響[5]；何京蓉等基于三峽庫區427戶農戶的調查數據，考察了農戶自身特征、農戶家庭特征以及所在社區外部環境特征3個方面共12個不同維度的變量對農戶土地轉入行為的影響[6]；陳美球等的研究盡管選取的樣本不同，考慮的影響因素有別，但都分別分析了農戶轉出和轉入耕地的主要影響因素及影響程度，并都得出了不同影響因素對農戶耕地轉入和轉出有明顯差異的結論[7-10]。也有少數學者，運用不同于二分類Logistic的模型對此問題進行分析，如杜培華等利用江蘇省典型地區126戶農戶的調查數據，用probit模型分析了社會經濟因素、市場與產權狀況、參與主體狀況等因素對農戶是否流轉土地決策的影響[11]；翟輝等以重慶市為例，應用主成分分析法，對農戶土地流轉行為的影響因素進行檢驗，確定家庭收支、農村社會保障等是影響農戶是否流轉土地的重要因素[12]；詹和平等運用江蘇省2個縣142個農戶的實地調查數據，將農戶流轉行為分為轉入土地、不流轉土地和轉出土地3類，采用oprobit回歸模型檢驗了農戶土地流轉行為的影響因素[13]；張忠明等將農戶土地流轉意愿分為農戶希望流入土地、流出土地或保持當前土地規模，運用有序多分類Logistic回歸分析法對不同兼業程度農戶的土地流轉意愿及其影響因素進行了實證分析[14]。

以上研究為理解農戶土地流轉行為提供了重要參考，但在樣本選取、研究方法、模型選取等方面仍有進一步完善的空間。一方面，已有研究大多以某個區域、某個省份甚至某個縣(市)作為研究對象，面向全國、考慮我國區域差異的大樣本調查研究尚顯欠缺，一定程度上導致了當前土地流轉不一致的研究結論；另一方面，已有研究大多采用二分類Logistic模型關注農戶的農地流出或流入行為，僅有小部分研究同時關注了兩種方向的土地流轉，鮮見同時關注不流轉、轉入、轉出、既有轉入又有轉出這4個類別的研究。鑒于此，本研究利用2015年河北、山東、福建、河南、吉林、新疆、云南、陜西8省(區)4 261戶農戶的大樣本抽樣調查數據，采用多項Logistic回歸方法，比較研究不流轉、轉入、轉出、既有轉入又有轉出4類農戶耕地流轉行為的影響因素，以加深對當前土地流轉行為的認識，為當前土地流轉工作提供參考。

1 研究設計

1.1 數據來源與樣本情況

1.1.1 數據來源 本研究數據來源于中國農業科學院農業經濟與發展研究所的中國農村微觀經濟調查數據庫。調查涉及8個省28個縣84個鄉鎮252個行政村。考慮到社會經濟條件和資源稟賦差異對土地流轉具有非常重要的影響，采用分段抽樣調查方法。首先，確定樣本省，調查省份的選擇充分考慮我國東、中、西的區域差異特征，選取東部地區的河北、山東、福建，中部地區的河南、吉林，西部地區的新疆、云南、陜西等8個省(區)。其次，確定樣本縣和樣本鄉(鎮)，將每個省的所有縣按照人均收入水平分成3組，從每組中隨機抽取1個樣本縣，確定縣后，再按照選取樣本縣的原則，從每個縣抽取3個鄉(鎮)。最后，確定樣本村，確定鄉(鎮)后，按照同樣的原則在每個鄉(鎮)選取3個行政村，并在每個行政村隨機抽取20戶農戶作為調查對象。由于新疆地域廣闊、少數民族比例較高等原因，適當調整了新疆樣本縣與樣本戶數量，先選取7個縣，每個縣選3個鄉(鎮)，每個鄉(鎮)選3個行政村，每個行政村選15戶。

1.1.2 樣本情況 本研究選取東、中、西部不同省份不同經濟發展水平的行政村為樣本進行對比分析，可以較好地反映不同地區農戶土地流轉行為的差異。同時，較大的樣本量也有助于提高本研究結論的科學性和代表性。數據調查時點為2015年。共發出問卷4 727份，實際收回問卷4 490份，回收率為95%。將回收的4 490個樣本作為初始樣本，按照需要進行如下處理：(1)刪除空白問卷，得到4 473個樣本。(2)刪除沒有對耕地流轉情況相關問題進行回答的樣本，得到 4 442 個樣本。(3)刪除重復的樣本。在調研的過程中，存在1戶填寫2份及以上相同問卷的情況，則只保留1份，得到 4 374 個樣本。(4)刪除變量值缺失嚴重的樣本，最終得到 4 261 個樣本。

各省份發出樣本數、回收樣本數及有效樣本數如表1所示。

表1 調查樣本情況 份

1.2 變量選取及描述性統計

1.2.1 變量選取 因變量：多分變量的耕地流轉行為用circulation表示。與以往研究文獻只是將農戶流轉行為粗略地分為流轉和沒有流轉這兩大類別不同，本研究更進一步將農戶的耕地流轉行為細化為1個4分變量，取值為1、2、3、4。取值為1時，表示該農戶沒有流轉耕地；取值為2時表示該農戶轉出耕地；取值為3表示該農戶轉入耕地；取值為4時表示該農戶既有耕地轉入又有耕地轉出。自變量：自變量為一組可以反映農戶耕地流轉行為發生概率大小的變量值，包括戶主特征、家庭特征、村莊特征、社會保障等4組變量。其中，戶主特征主要包括性別、年齡、健康狀況、婚姻狀況、受教育程度、兼業程度以及是否受過農業技術培訓；家庭特征包括總人口數、農業勞動力數、家庭成員中干部情況、人均耕地面積；村莊特征包括本村地形、本村委會距縣政府距離；社會保障包括是否參加農村合作醫療、是否參加社會養老保險。變量具體說明見表2。

表2 解釋變量說明

1.2.2 變量的描述性統計特征

1.2.2.1 連續變量的統計特征 從表3中可以看出，所調查家庭的戶主的平均年齡為50.95歲，戶主的平均受教育年限是7.76年，家庭平均人口數為3.69人，家庭平均農業勞動力數為2.04人，人均耕地面積為0.379 hm2，村委會距縣政府距離平均為23.27 km。

表3 連續變量的描述性統計特征

1.2.2.2 分類變量和虛擬變量的統計特征 從表4中可以看出，在4 261份有效樣本中，發生了流轉行為的有1 278戶，占29.99%，包括單純轉出的658戶和單純轉入的545戶，以及既有轉入又有轉出的75戶。沒有發生流轉行為的有2 983戶，占總樣本的70.01%；戶主特征變量上，95.45%的家庭戶主為男性，8.05%的戶主處于非健康狀態，5.91%的戶主的婚姻狀況為離婚、喪偶或未婚，戶主職業上，絕大部分戶主只務農，為63.72%，一兼、二兼、非農業的戶主比例分別為17.18%、10.09%、5.21%，參加農業技術培訓的戶主的比例為25.67%；家庭中有鄉及鄉以上干部或村干部的比例為 19.01%；調研村莊的地形以平原為主，占44.40%，其次是山地和丘陵，分別為21.12%、20.93%。

1.2.3 模型選擇 因變量農戶流轉行為circulation有4個取值而且無大小順序，一般的線性回歸分析無法準確地刻畫變量之間的因果關系，須要用其他的回歸分析方法來進行擬合模擬，而多項Logistic回歸模型便是一種簡便處理該類因變量問題的分析方法。構造的模型形式為

(1)

式中：Logit[p(y=j)]表示y=j的概率；X是自變量，為土地流轉行為的影響因素；β0為常數項；βij為待估系數(i=1，2，…，n)；εj為隨機誤差項。

在多項Logistic回歸模型中，某一種情況發生的概率與另外一種情況發生的概率之比稱為相對風險比(rrr)。在其他條件相同時，y的第j個類別在xk條件下的相對風險比等于一個特定倍數，使y=j(相當于y=base)的預測發生比乘以這個特定倍數后，得到相應xk+1條件下的發生比。換句話說，相對風險比rrrjk就是當只有xk變化而其他所有x不變時發生比變化的倍數。

(2)

在本研究的回歸模型中，以circulation=1，也即農戶沒有進行耕地流轉作為比較的基準類別，則轉出耕地對比不流轉耕地的Logistic回歸模型可表示為

logitp轉出/不流轉=α0+α1gender+α2age+α3health+α4marriage+α5education+α6occupation+α7train+α8member+α9cadre+α10agri_labor+α11area+α12topagraphy+α13distance+α14cms+α15pension+εi。

(3)

式中：logitp轉出/不流轉是指轉出耕地的概率；α0為常數項；αi為待估系數(i=1，2，…，15)。

表4 分類變量和虛擬變量的統計特征

2 結果及分析

2.1 模型檢驗及計量結果分析

對模型進行似然比檢驗。多項logistic回歸模型的整體卡方為705.42，自由度為72，P<0.001，模型整體顯著，表明模型擬合結果較好。二分Logistic回歸模型的整體卡方為230.96，自由度為24，P<0.001，模型整體也顯著。最終模型的估計結果如表5所示。

2.2 回歸結果分析

2.2.1 戶主特征對流轉行為的影響 戶主性別、年齡、兼業程度和是否受過農業技術培訓對農戶耕地轉入轉出行為具有顯著影響，并且對轉出行為與轉入行為的影響具有差異性；健康狀況、婚姻狀況與轉入轉出行為正相關，但影響基本不顯著；受教育程度與轉出行為正相關，與轉入行為負相關，在統計上也不顯著。除了兼職程度變量外，其他戶主特征變量對同時轉入和轉出的決策影響不顯著。具體來說：(1)性別的影響。相比不流轉耕地，女性戶主更傾向于轉出耕地，而不是轉入耕地，而男性戶主更傾向于轉入土地，而不是轉出土地。男性戶主轉出耕地的概率與不流轉耕地的概率之比是女性戶主的0.689倍，并且在0.1水平上顯著；男性戶主轉入耕地的概率與不流轉耕地的概率之比是女性戶主的1.630倍，并在0.05水平上顯著。這是因為女性相比男性，勞動能力方面更弱一些，較難從事除自己耕地以外的農業勞作，所以他們更愿意轉出土地而不是轉入土地。(2)年齡的影響。年齡越大的戶主轉出耕地的概率越大，轉入耕地的概率越小。年齡每大1歲，轉出耕地的概率與不流轉耕地的概率之比是1.010，轉入耕地的概率與不流轉耕地的概率之比是0.976，并且分別在0.1和0.01水平上顯著。因為隨著年輕一代外出務工增加，年齡較大的戶主在勞動能力方面受到限制，從而會傾向于少經營土地。(3)兼業程度的影響。相比純農戶，戶主從事非農業的程度越高，轉出耕地的可能性越大，轉入耕地的可能性越小。一兼、二兼、非農業和其他職業的戶主轉出耕地的概率與不流轉耕地的概率之比分別是純農戶的1.877倍、4.315倍、15.550倍、5.691倍，并都在0.01水平上顯著；二兼和非農業農戶轉入耕地的概率與不流轉耕地的概率之比分別是純農戶戶主的0.355倍、0.347倍。這是因為純農戶的家庭收入絕大多數來自于務農，土地是其收入的重要載體，而不同兼業程度農戶的收入來源更加多元化，務農收入在其家庭收入所占的地位正在逐漸弱化，因此他們流出土地意愿更加強烈，轉入耕地的概率更小。(4)農業技術培訓的影響。相比沒有參加農業技術培訓的農戶，參加了農業技能培訓的農戶，更傾向于轉入土地而不是轉出土地。參加了農業技能培訓農戶轉出耕地的概率與不流轉耕地的概率之比是沒有參加技能培訓農戶的0.695倍，而參加了農業技能培訓的農戶轉入耕地的概率與不流轉耕地的概率之比是沒有參加技能培訓的農戶的1.510倍。這是因為參加了農業技術培訓的農戶，掌握了很好的農業技巧，其經營管理能力顯著提高，可以在同樣的土地上創造出更多的價值，增加他們的農業產出和農業收入，因而他們更傾向于轉入土地而不是轉出土地。(5)健康和婚姻狀況的影響。戶主健康狀況越好，越傾向于轉出土地。身體健康的戶主轉出耕地的概率與不流轉耕地的概率之比是非健康戶主的1.351倍，并在0.1水平上顯著。這是因為身體好的農戶可以選擇從事非農業工作，獲得土地產出之外經濟收入的可能性較大，從而他們更愿意轉出土地去從事別的職業。身體健康的戶主轉入耕地的概率與不流轉耕地的概率之比是非健康戶主的1.906倍，但統計上不顯著。戶主婚姻狀況與流轉行為正相關，這與大部分的研究結論一致，但在統計上不顯著。這可能是因為筆者所在課題組的樣本當中，戶主婚姻狀況和受教育年限的差異性不是很大，有94.09%的戶主是已婚狀況。

表5 多項Logistic回歸結果

注：在多項Logistic回歸中，將circulation=1沒有流轉耕地作為比較的基準類別；_cons為截距項；*、**、***分別表示參數在0.1、0.05、0.01水平上顯著。

2.2.2 家庭特征、村莊特征等因素對流轉行為的影響 總體來說，家庭特征變量對農戶流轉行為的影響不是很大。家庭成員數量與流轉行為負相關，但在統計上不顯著；家庭中是否有干部與流轉行為正相關，但對轉入和轉出決策的影響不顯著；人均耕地面積與轉出行為顯著負相關；相比高原地區，平原、丘陵和山地村莊的農戶轉出耕地的概率和同時轉入和轉出的概率明顯降低；農村養老保險與農戶耕地流轉行為正相關，但只對轉入行為有顯著正向影響。具體如下：(1)家庭特征的影響。家庭總人口對農戶耕地流轉行為具有負向影響，因為人口較多的農戶家庭通常擁有較多的勞動力資源，有充足的勞動力經營農地，因此農戶通常選擇自己種植農地，而不進行耕地流轉。但其影響在統計上不顯著，這可能是因為家庭成員數量小于等于5人的樣本量高達88.50%，樣本差異性不大的原因。同時，家庭中農業勞動力數量對農戶的耕地流轉行為沒有顯著影響。相比沒有干部的家庭，有干部的家庭更傾向于流轉土地，這是因為干部往往見識更廣，因而更有可能參與農地流轉，但它對轉出行為和轉入行為的影響在統計上不顯著，家庭中有干部的農戶既轉入土地又轉出耕地的概率與不流轉耕地的概率之比是家庭中沒有干部農戶的1.814倍，而且在0.05統計水平上顯著。人均耕地面積對農戶轉出決策有顯著的負向影響，但對轉入行為沒有影響。人均耕地每增加1個單位，轉出概率與不流轉的概率之比是0.985倍，并在0.01水平上顯著。(2)村莊特征及社會保障因素的影響。相比高原地區，平原、丘陵和山地村莊的農戶更不愿意轉出耕地，平原、丘陵、山地的農戶轉出耕地的概率與不流轉耕地的概率之比分別是高原地區農戶的0.514倍、0.605倍、0.558倍，分別在0.01、0.05、0.01水平上顯著，但農戶的轉入決策不受地形的影響。這可能是因為相比高原地區，其他地形的地區更適合于大規模的機械化作業，土地規模化生產的客觀要求比較強烈，故平原、丘陵和山地地區的農民希望自己能支配更多的土地資源，而不轉出土地。村委會到縣政府的距離每增加1個單位，既轉入又轉出耕地的概率與不流傳的概率之比是1.016，并在0.05水平上顯著，農戶是否參加農村醫療保險和農戶流轉行為沒有顯著的影響。參加了社會養老保險的農戶更傾向于流轉土地。農村土地對農民來說依舊承擔著生活保障的功能，而社會保障對土地的保障功能具有替代作用，在社會保障水平低下的情況下，土地的保障功能凸顯。參加了社會養老保險的農戶轉入耕地的概率與不流轉耕地的概率之比是沒有參加社會養老保險農戶的1.472倍，并在0.01水平上顯著。

3 結論及政策啟示

3.1 研究結論

通過回歸模型的實證分析，本研究得出以下重要結論：(1)戶主性別、年齡、兼業程度和參加技術培訓情況是影響農戶耕地流轉行為的重要因素，并且對轉入和轉出耕地的影響存在明顯差異。由于勞動能力受限的原因，女性戶主和年齡較大的戶主更傾向于少經營土地，轉出耕地的概率更大，轉入耕地的概率較小；相比純農戶，一兼、二兼和非農業農戶，隨著從事職業的收入來源的多元化，非農收入的增加，他們轉出土地的可能性越大，而轉入土地的可能性越小；參加了農業技能培訓的農戶，由于掌握了更好的農業技巧，經營管理能力提高，會增加他們的農業產出和農業收入，他們更傾向于轉入土地而不是轉出土地。(2)身體健康的農戶和參加了養老保險的農戶進行耕地流轉行為的概率更大，農戶所在村莊的地形對流轉行為也有顯著影響。戶主健康狀況與轉出行為正相關，身體好的農戶可以選擇從事非農業工作，獲得土地產出之外經濟收入的可能性較大，從而更愿意轉出土地；參加社會養老保險的農戶相比沒有參加的農戶，土地的社會保障功能對他們來說更為弱化，因而進行耕地流轉的概率更大。相比高原地區，平原、丘陵和山地村莊的農戶更不愿意轉出耕地，可能是因為這些地區更適合于大規模的機械化作業，因而可以支配更多的土地資源。人均耕地面積與轉出行為負相關，家庭人均耕地面積越小，越傾向于轉出耕地，家庭人均耕地面積越大的農戶，可能是因為現行國家鼓勵家庭農場發展的背景下，使得土地越向土地資源豐富的農戶集中，以便發展規模經營。

3.2 政策建議

(1)加快推進農村勞動力向非農產業轉移。加快推進農村勞動力轉移，將農民從土地上解放出來，從事非農業勞動，是推動農村耕地轉出重要的手段。這就須要調整農村產業結構，大力發展區域性第二、第三產業及推進第一、第二、第三產業融合發展，為農戶提供更多的非農就業機會，增加他們的非農收入，增強耕地轉出的源動力。(2)加強對農戶的農業技術培訓。政府部門應該加大對農民的農業技術培訓投入，通過對進行培訓的相關企業和參與培訓的農民以物質獎勵來積極推進培訓。同時，以市場為導向，根據農民對培訓的需求，對不同類型的農民采取不同的技術培訓，提高農民的相關技術水平和農業管理能力，提高農戶農業收入，增加耕地轉入。(3)盡快完善農村的社會養老保險。這使外出務工人員在城鎮中能夠得到城市居民相同的待遇，實現農民的老有所養，找到歸屬感，使得轉移出來的農戶愿意主動流轉土地。當前還有一小部分農戶沒有參加養老保險，政府應該加大對此的宣傳，做到養老保險的全覆蓋，并進一步加強制度的相關立法工作，加大政府財政補貼力度，完善政府補貼機制，妥善解決與其他社保政策的轉移接續問題。改進和完善家庭承包地的分配方式，盡量減少耕地面積的人為破碎化，使之便于機械化規模經營，從而推動耕地的流轉。