農村勞動力轉移的農戶增收效應
——基于區域異質性的視角

張杰飛

（1．太原科技大學 經濟與管理學院，山西 太原 030024，2．太原科技大學 企業社會責任研究中心，山西 太原 030024）

一、引言

城鄉收入差距是當前中國面臨的主要挑戰。改革開放以來，中國的城鄉收入比由1985年的2．1，迅速上升至2009年的3．3，之后雖緩慢下降為2017年的2．71，但與國際上通常的最高值（約為2）相比，我國的城鄉收入差距依然十分嚴峻。此外，我國東、中、西部地區城鄉收入差距也不盡相同。從2005－2009年，東部、西部地區城鄉收入比分別由 2．87、3．67 上升到 2．96、3．71，之后逐漸下降至 2016 年的 2．53、2．89；同期，中部地區則分別為2．94、2．92、2．40。①東中西部各年的城鄉收入比根據國家統計局官方網頁 http：／／data．stats．gov．cn／tablequery．htm？code＝AD0E 數據計算得到?？梢姡珖青l收入差距問題仍然不容忽視，且存在一定的區域差異性。

2019年中央一號文件《關于堅持農業農村優先發展做好“三農”工作的若干意見》要求“發展壯大鄉村產業，拓寬農民增收渠道”，因此，增加農村居民收入勢在必行。林毅夫（2002）[1]認為只有以農業勞動力轉移為發展的主要目標，農村剩余勞動力才有可能增產增收，傳統的以提高農業生產率為著眼點的農村發展戰略才能真正解決農村貧困問題。

學者們就農村勞動力轉移的農戶增收效應進行了研究，大致有以下兩種觀點。一是增收有效論。一些學者認為勞動力轉移能顯著增加農戶收入。李實（1999）[2]、白書祥（2006）[3]研究發現，農村勞動力流動直接或間接地提高農戶家庭收入水平。朱紅恒等（2017）[4]、劉一偉（2018）[5]、陳嘯和宋陸軍（2018）[6]認為，勞動力轉移可以有效提高農村居民的收入水平，且東中西部地區農民收入的來源主要為外出務工。Christiaensen（2014）[7]則從城市化的角度出發，利用發展中國家的跨國數據研究發現，勞動力轉移帶來了更多的包容性收入增長。

有學者進一步研究了勞動力轉移對工資性收入的影響。陽俊雄（2001）[8]、馬忠東等（2004）[9]、馬德生和王麗芹（2008）[10]、羅楚亮（2010）[11]、崔傳義（2010）[12]、梅新想和劉渝琳（2016）[13]研究發現：勞動力轉移對工資性收入增長有顯著的作用，是農民人均工資性收入及份額提高的重要途徑，農村勞動力轉移所取得的工資性收入占農民人均純收入的比重越來越大，對農民人均純收入增長的貢獻最大。Arouri等（2017）[14]利用家庭調查數據評估發現，城市化進程刺激了農村從農業向非農業的轉移，降低了農業收入，但有助于增加農村工資和非農收入。

也有學者針對個別地區進行了相關研究。都陽和樸之水[15]、王德文等（2009）[16]、蒲艷萍（2010）[17]針對西部地區、貧困地區的研究發現：農村勞動力流動對增加農村居民收入有積極效應，并成為其收入的重要來源。譚泰乾（2006）[18]、李賓等（2015）[19]、張永麗和王博（2017）[20]針對重慶、湖北、甘肅地區的研究發現：外出務工勞動力對農戶家庭人均收入有顯著的正向作用，務工收入是農戶家庭的主要收入來源。

二是增收異質性論。另有一些學者認為，由于經濟發展程度、收入水平、年齡、時期的差異，農村勞動力轉移的增收效應存在一定的異質性。樊士德和江克忠（2016）[21]研究表明：勞動力外流能顯著提高家庭的人均純收入；且相比東部發達地區，欠發達地區勞動力流動對提升家庭人均純收入的貢獻度相對更高。但李谷成等（2018）[22]認為：勞動力轉移可顯著促進農民總收入和非農收入增長，且勞動力轉移在東部地區對農民總收入和非農收入的正向影響都高度顯著，而對中西部地區各收入變量的影響卻不顯著。劉曉麗和潘方卉（2019）[23]研究表明：勞動力轉移對農民收入的影響在西部、中部和東部地區表現出隨著勞動力轉移數量的增加從不顯著，到負向作用，再到正向作用的變化規律。

此外，張寬等（2017）[24]則發現，農村勞動力轉移對農村居民收入正向作用機制只在高農業勞動生產率區域顯著存在。李翠錦（2014）[25]研究表明：勞動力遷移提高了中等收入農戶的收入水平，但對貧困戶的貧困無緩解效應，也不影響富裕戶的收入水平。甄小鵬和凌晨（2017）[26]研究得出：外出務工總體而言對家庭收入具有促進作用，且太過年輕或太過年老的勞動力外出務工對家庭收入的促進作用要低于具有同樣教育年限的同性壯年勞動力。沈倩嶺和王小月（2018）[27]分析得出：短期內農村勞動力轉移對農村居民工資性收入增長具有顯著的正向動態驅動效應，但長期看農村勞動力轉移并未對農民工資收入產生顯著正向影響。

總之，既有相關研究為我們提供了許多思路和啟示，但由于所用數據、研究方的不同，所得結論也不盡相同。本文擬利用中國家庭追蹤調查（CFPS）項目微觀數據，使用固定效應以及雙重差分傾向得分匹配（PSMDID）模型，檢驗勞動力轉移的農戶增收效應及其區域差異性。本文的創新主要體現在以下三點。首先，在研究主題上，大部分相關文獻僅探討了勞動力轉移對個體收入的影響，而本文以農戶家庭為被觀測單位，則可研究勞動力轉移對農戶收入的影響，這也與新遷移經濟學以家庭為決策單位的觀點相符。其次，在研究方法上，本文使用了CFPS微觀數據，可避免宏觀加總數據所面臨的“偽回歸”問題；同時，采用固定效應以及PSM－DID模型可在一定程度上避免遺漏變量和樣本自選擇偏差問題，從而可得到更具一致性的結論。最后，考慮到區域差異性，本文還進一步探討了勞動力轉移增收效果的區域異質性，并得出了較穩健的結論。本文余下部分結構安排如下：第二部分為數據來源、變量與描述性統計；第三部分介紹研究方法與計量模型設定；第四部分是估計結果及分析；最后為結論及政策啟示。

二、數據來源、變量與描述性統計

（一）數據來源

本文將使用中國家庭追蹤調查（China Family Panel Studies，簡稱CFPS）2014、2016兩期數據①CFPS項目每兩年進行一次跟蹤調查，目前僅有2010、2012、2014、2016年四期數據。但由于2010、2012年的數據中關于勞動力轉移的口徑和2014、2016年數據不一致，因此，本文僅使用2014、2016年兩期數據。，該數據是一項全國性、大規模、多學科的社會跟蹤調查項目，其調查對象是全國25個省份②調查對象所涉及的全國25省份分別為北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西、重慶、四川、貴州、云南、陜西、甘肅。中滿足項目訪問條件的家戶和樣本家戶中滿足項目訪問條件的家庭成員。2014年的全國代表性樣本涵蓋了25個省份、621個社區、13946戶家庭；2016年涵蓋了25個省份、621個社區、14019戶家庭。

鑒于本文的特定研究目的，我們對CFPS2014、2016兩期數據進行了如下處理。首先，由于本文研究對象為農村家庭，因此，只保留社區類型為村委會的個體；其次，剔除2016年家庭號與2014年不同的個體，同時剔除戶主是未成年人的個體（因為本文戶主特征中包含婚姻狀況這個變量，而未成年人沒有這一變量的數據），并且對兩期數據進行平衡處理，從而得到本文的分析樣本。其中，2014年沒有外出打工、但2016年有外出打工的家庭（被稱為處理組）1173戶，2014、2016兩年都沒有外出打工的家庭（被稱為對照組）2431戶。

（二）變量與描述性統計

本文被解釋變量為農戶家庭收入，使用農戶家庭人均純收入INC的對數（記為lnINC）進行度量①農戶家庭人均純收入使用國家統計局公布的農村消費者價格指數（CPI）調整為以2013年為基期的實際值。。核心解釋變量MIG為“過去一年，您家有人外出打工嗎？”（有＝1，沒有＝0），但在2014年、2016年CFPS問卷中并沒有這一問題。我們通過調查問卷中對“過去12個月，您家是否有人幫其他農戶做農活（如幫人種田、養牲口等）或外出打工（如去城市打工）掙錢？”這一問題的回答來生成核心解釋變量MIG。具體來說就是，先將原有問卷中這一問題回答為“有”并且另一問題“外出打工收入是多少？”回答數字大于0的個體歸類為“過去一年有外出打工的家庭”，進而生成“過去一年，您家有人外出打工嗎？”這一核心解釋變量。借鑒相關研究，本文的控制變量分為以下三類：第一類為戶主特征變量，包括戶主年齡AGE、戶主性別GEN（男＝1，女＝0）、戶主正規受教育年限EDU、戶主自評健康狀況HEA（健康＝1，一般＝2，不太健康＝3，不健康＝4，非常不健康＝5）、戶主是否在婚MARRY（是＝1，否＝0）；第二類為家庭特征變量，包括家庭總人數POP、家庭兒童（16歲以下）占比CHI、家庭老年人（65歲以上）占比OLD、家庭是否有人從事個體私營NAG（是＝1，否＝0）、家庭是否有參軍經歷人員 ARMY（是＝1，否＝0）、過去一年，家庭是否有人住院 HOS（是＝1，否＝0）、家庭是否有人從事農業生產AGR（是＝1，否＝0）、家庭現金及存款總額對數lnSAVE②家庭現金及存款總額也使用國家統計局公布的農村消費者價格指數（CPI）調整為以2013年為基期的實際值。；第三類為村莊特征變量，包括家庭所在村莊是否為少數民族聚居區MIN（是＝1，否＝0）、家庭所在村莊方圓5公里內是否有化工廠、冶煉廠、造紙廠等高污染企業 POL（是＝1，否＝0）。

各主要變量基本統計特征如表1所示。第（1）列是全樣本的描述性統計，第（2）、（3）列分別是2014年處理組、對照組的描述性統計，第（4）列則報告了2014年關于處理組和對照組的t統計檢驗結果。第（5）、（6）列分別是2016年處理組、對照組的描述性統計，第（7）列則報告了2016年關于處理組和對照組的t統計檢驗結果。

由表1可知，從2014－2016年，農村家庭人均純收入對數在處理組和對照組都呈上升趨勢（處理組、對照組分別由 2014 年的 8．45、8．52 增加為 2016 年的 9．22、9．02），說明農村居民收入水平都在提高。同時，2014 農村家庭人均純收入對數在處理組比對照組低0．07（但不顯著），而到了2016年，處理組的農村家庭人均純收入對數卻反而比對照組高0．2（且1%水平下顯著）。這可能意味著，勞動力轉移進一步增加了處理組家庭的人均收入。此外，其他大多數變量在處理組和對照組之間都存在顯著差異，這也意味著這些變量可能與是否外出打工有關，理應成為我們所應考慮的重要因素。

三、研究方法與計量模型設定

（一）固定效應模型（FE）

為了考察勞動力轉移對收入的影響及其區域差異性，本文采用固定效應方法作為基準模型。其中，勞動力轉移對收入的影響及其區域差異性模型設定如（1）式所示。

表1 各主要變量的描述性統計

（二）雙重差分傾向得分匹配模型（PSM－DID）

農村家庭是否進行勞動力轉移是自我選擇的結果，如果進行勞動力轉移的農村家庭與沒有進行勞動力轉移的農村家庭在不可觀測因素方面存在顯著差異，且這種差異隨著時間變化的趨勢不同，那么固定效應方法將存在“選擇偏差”。為了處理這種“選擇難題”，本文將進一步運用雙重差分傾向得分匹配方法估計勞動力轉移的收入效應。

處理組的平均處理效應如（2）式所示。

匹配時的傾向得分，則利用2014年的數據、使用（3）式所示的Logit模型進行估計。

其中，Xit與（1）式相同，為影響家庭進行勞動力轉移概率且隨家庭、時間而變化的協變量。

四、估計結果及分析

本部分將分別使用前文所介紹的固定效應和雙重差分傾向得分匹配模型來估計勞動力轉移對農戶收入的影響，并進行分析。

（一）固定效應模型的回歸結果及分析

表2匯報了勞動力轉移對農村家庭人均純收入影響的固定效應模型回歸結果。其中，模型（1）為只加入核心變量勞動力轉移的回歸結果，模型（2）、（3）、（4）分別為在前一列基礎上加入戶主特征變量、家庭特征變量和年度虛擬變量 year2（2014年時，year2＝0；2016年時，year2＝1）的回歸結果，模型（5）則為在模型（4）基礎上進一步加入核心變量勞動力轉移分別與東部、西部交互項（分別記為MD、MX，以中部為參考區域）的回歸結果。

對比該五列回歸結果可以看出，核心變量系數的大小和顯著性都比較穩定。下面我們主要根據模型（5）的回歸結果來解釋農村家庭收入的影響因素。首先，核心變量勞動力轉移MIG的系數估計為0．584，且在1%的水平下顯著。這意味著，中部地區勞動力轉移對農村家庭人均純收入有顯著的正向影響，在其他條件不變的情況下，中部地區進行勞動力轉移的家庭比沒有進行勞動力轉移的家庭，其人均純收入將平均增加約58．4%。同時，MD的系數估計為－0．163，且在5%的水平下顯著。這意味著，相對于中部而言，東部地區勞動力轉移對農村家庭人均純收入有顯著的負向影響，在其他條件不變的情況下，進行勞動力轉移的東部地區家庭比中部地區家庭其人均純收入將平均減少約16．3%。而MX的系數估計為－0．0459，且不顯著。這意味著，在西部地區，勞動力轉移對家庭人均純收入的影響與中部地區沒有顯著差異。

其次，GEN、POP、NAG、AGR、lnSAVE系數估計顯著為正，說明戶主為男性、家庭人口數、從事個體私營、從事農業生產、現金及存款總額都能顯著提高其家庭人均純收入；而CHI、OLD系數估計顯著為負，說明家庭兒童占比和家庭老年人占比都會顯著降低其家庭人均純收入。此外，AGE及其平方項估計系數分別為正、負（且顯著），說明戶主年齡與家庭收入存在倒U型關系。這些都與經濟理論相符。年度虛擬變量year2的系數估計為0．276，且在1%的水平下顯著。這意味著，相對于2014年而言，2016年農村家庭人均純收入平均增加約27．6%，說明這兩年間農戶收入取得了較快增長。

（二）PSM－DID估計結果及分析

為了解決農村家庭自我選擇是否進行勞動力轉移所導致的“選擇偏差”，我們采用雙重差分傾向得分匹配來進一步估計勞動力轉移的收入效應。首先，我們基于2014年數據、使用Logit模型估計農戶家庭勞動力轉移決策方程；然后，使用農戶家庭勞動力轉移決策方程來計算每個家庭參與勞動力轉移的可能性（即傾向得分），從而為每個進行勞動力轉移家庭找到其未進行勞動力轉移的反事實個體，并使用雙重差分計算進行勞動力轉移家庭的平均處理效應；最后，進行平衡性檢驗，以提高PSM－DID估計結果的可信性。

1．農戶家庭勞動力轉移決策方程的估計

基于Logit模型的農戶家庭勞動力轉移決策方程估計結果如表3所示，其中，模型（1）－（4）分別為全部地區、東部地區、中部地區、西部地區的估計結果。由于各個地區的估計結果基本類似，為了節省篇幅，我們僅以全部地區為例進行簡略分析。

在戶主特征變量方面，戶主為女性的家庭進行勞動力轉移的概率更大。在家庭特征變量方面，家庭人口數越多，越容易騰出人手，其進行勞動力轉移的概率越大；有人從事農業生產的家庭，其生活水平不是很高，社交圈子較小，所以他們更愿意走出去，嘗試新事物、適應新環境，故其勞動力轉移的概率越大；除此之外，家庭老年人占比越高，則需花費更多時間用于照顧老人，故其參與勞動力轉移的概率越低（而家庭兒童占比對勞動力轉移概率沒有顯著影響）；從事個體私營的家庭生活水平相對較高，家庭成員見識也相對較廣，進行勞動力轉移的意義不大，故其勞動力轉移的概率也越低。在村莊特征變量方面，生活在少數民族聚居區的家庭，由于語言、文化、習俗等方面的差異，其勞動力轉移概率更??；村莊附近有污染企業的農村家庭，可能由于去就近的污染企業打工，或者為了遠離污染而去外地打工，其勞動力轉移概率更高。

表2 勞動力轉移對農村家庭人均純收入影響的固定效應模型回歸結果

2．PSM－DID估計結果及分析

表4中的模型（1）－（4）分別是全部地區、東部地區、中部地區、西部地區勞動力轉移收入效應的PSMDID估計結果。由表4可知，全部地區處理組的平均處理效應系數估計值為0．222（且在1%水平上顯著，意味著：進行勞動力轉移的家庭比沒有進行勞動力轉移時，其人均純收入將平均增加約22．2%）。其中，西部地區處理組的平均處理效應系數估計值為0．270（且在5%水平上顯著），中部地區處理組的平均處理效應系數估計值為0．204（且在10%水平上顯著），最后東部地區處理組的平均處理效應系數估計值為0．198（且在5%水平上顯著）。

可見，中西部地區處理組的平均處理效應也高于東部地區。

表3 基于logit模型的農戶家庭勞動力轉移決策方程估計結果

表4 勞動力轉移收入效應的PSM－DID估計結果

3．平衡性檢驗

為了提高PSM－DID估計結果的可信性，我們檢驗了模型（1）－（4）匹配后各變量在處理組和對照組的分布是否變得更加平衡，以及協變量的均值在處理組和對照組之間是否依然存在顯著差異。檢驗結果如表5所示，各變量在傾向得分匹配后的處理組和對照組間分布更加平衡，且沒有協變量的均值存在顯著差異，說明適合使用PSM－DID方法。

表5 平衡性檢驗結果

五、結論及政策啟示

本文利用中國家庭追蹤調查（CFPS）項目微觀數據，使用固定效應以及雙重差分傾向得分匹配（PSM－DID）模型，研究了中國農村勞動力轉移對農戶增收的影響及其區域差異性，得出了以下兩點主要結論。首先，就全國而言，農村勞動力轉移能顯著增加農戶收入，（與未進行勞動力轉移時相比）勞動力轉移農戶家庭的人均純收入平均增加約22．2%；且勞動力轉移的增收效應具有明顯的區域差異性，中西部地區效應顯著高于東部地區。其可能原因是：中西部地區鄉村經濟落后，農戶收入水平較低，使得勞動力轉移所帶來的增收效應反而更大。其次，人口數越多、村莊附近有污染企業等農戶家庭，其勞動力轉移概率更高；而家庭兒童占比對勞動力轉移概率沒有顯著影響。

本研究具有如下兩點政策啟示。第一，推行生育鼓勵政策。新中國成立初期，我國的人口出生率在1949年、1950年分別為36‰、37‰，1971年7月國務院批轉《關于做好計劃生育工作的報告》后，迅速下降到2015年的12．07‰。盡管2016年1月1日正式實施了全面二孩政策，但由于慣性、生活經濟壓力等多方面原因，人口出生率仍在下降，2019年僅有10．48‰。人口出生率的下降將導致勞動年齡人口減少、老齡化加重等一系列社會經濟問題。本文計量分析發現，家庭人口數越多，可以促進家庭內部的勞動分工，進而提高其勞動力轉移概率，而家庭兒童占比并不會顯著降低轉移概率，且勞動力轉移又能顯著增加農戶家庭收入。因此，我國政府應積極推行生育補貼、嬰幼兒補貼、兒童看護和教育等家庭生育鼓勵政策。

第二，中西部地區應大力改善營商環境。本文計量分析還發現，村莊附近有污染企業的農戶家庭，其勞動力轉移概率更高，一個主要原因可能是勞動力更易實現就地轉移，從而獲得更高收入。中西部地區鄉村經濟相對落后，吸納農村就業較低。2008年中部、西部地區鄉村私營企業與城鎮單位就業人數之比分別為16．24%、15．42%，之后不斷提高到 2018 年的 36．62%、31．81；而東部地區相應年份的比值則高得多，分別達到 29．83%、50．61%，鄉村經濟更加繁榮，農戶收入水平更高。同時，多個第三方機構的評估結果表明，中西部地區在營商環境總體評分方面處于落后地位。中西部地區應建立明確的營商環境考核機制，充分調動地方官員的積極性，大力改善營商環境[28]，順利承接東部產業轉移，從而促進勞動力就地轉移，進一步實現農民增收。

致謝：感謝王金波、劉偉、劉志強在論文研究中所做的數據處理、計量分析等工作以及中國家庭追蹤調查（CFPS）項目辦公室人員所提供的相關數據與解答！