農戶非農就業會影響農地拋荒嗎？

〔摘要〕 農地拋荒會嚴重影響國家糧食安全和農業農村發展。文章基于中國勞動力動態調查數據（CLDS）實證分析了農戶非農就業對農地拋荒的影響。研究發現：（1）農戶非農就業會顯著提高農地拋荒比例；（2）采用機耕服務能有效抑制農戶非農就業對農地拋荒的促進作用；（3）農民對農業生產和外出務工的心理偏好在農戶非農就業對農地拋荒的傳導機制中存在部分中介效應；（4）平原地區、丘陵地區和山區，以及東部、中部和西部地區之間農戶非農就業對農地拋荒的影響具有異質性。基于上述研究結論，本文還提出了緩解農地拋荒的政策建議。

〔關鍵詞〕 非農就業；農地拋荒；調節效應；中介效應

〔中圖分類號〕F321.1；F249.2 〔文獻標志碼〕A 〔文章編號〕1008-0694（2024）05-0058-13

〔作者〕 楊延申 助教 蘇州農業職業技術學院經濟管理學院 蘇州 215000

祖 群 講師 齊魯師范學院生命科學學院 濟南 250200

徐茜茜 講師 齊魯師范學院生命科學學院 濟南 250200

張立中 教授 北京林業大學經濟管理學院 北京 100083

〔基金項目〕北京市社會科學基金重點項目“習近平總書記關于鄉村振興重要論述的研究”（20LLZZB047）。

一、引言

農地是農業生產和農村發展的基本要素，對保障國家糧食安全和實施鄉村振興戰略具有重要意義^〔1〕。雖然我國實行了較為嚴格的農地保護政策，但現實中部分地區農地拋荒現象十分嚴重。以農地中的耕地為例，相關數據顯示，2017年我國糧食主產區耕地拋荒面積為405.53萬公頃，占耕地總面積的比例達到5.85%^〔2〕。第三次全國國土調查數據顯示，我國耕地總量為12786.19萬公頃（191792.79萬畝），結合第七次全國人口普查數據，我國人均耕地面積為0.08858公頃，僅為世界平均水平的34.06%^〔3〕。這使我國陷入了耕地拋荒和人均耕地匱乏的窘境。同時，與農地生產緊密相關的農業勞動力也發生了新的變化，城市的虹吸效應導致農村青壯年勞動力持續向城市和非農產業轉移^〔4〕。2022年，我國農民工總量達到29562萬人，比2021年增加了311萬人，增長1.1%，其中從事二三產業的農民占農民工總量的比例達99.5%數據來源：《2022年農民工監測調查報告》。，農村勞動力的非農轉移成為了影響農業生產的主要因素^〔5〕。

近年，學者們對農地拋荒問題進行了廣泛的研究。一是關于對如何緩解農戶拋荒行為的研究。羅明忠（2017）基于來自四川、河南和山西的數據，通過實證分析發現土地確權能夠顯著抑制農戶的拋荒行為^〔6〕，陳景帥（2021）的研究表明農業生產服務業的發展對農戶的拋荒行為和拋荒程度具有顯著的消解作用^〔7〕，馮國強（2021）研究發現村莊組織化程度的提高有利于抑制農戶拋荒行為^〔8〕。二是關于農戶拋荒行為原因的分析。李中豪（2013）認為農戶產生拋荒行為的原因主要包括農地投入產出低、農地流轉不暢以及追求物質富裕和更高社會階層的心理^〔9〕；李永萍（2018）認為農地拋荒的原因主要是農業生產關系和農村發展水平不匹配，表現為“田不好種”和“種田不劃算”^〔10〕；還有學者認為引起農戶拋荒的原因包括自然因素和生態因素，比如地質災害頻發、野生動物損害、工廠污水亂排亂放造成的耕地污染等^〔11-13〕；謝花林等（2022）基于福建、江西和湖南的山區調研數據實證分析了農戶非農就業對耕地拋荒的影響，研究發現農戶家庭的非農就業會顯著增加耕地拋荒^〔14〕；周旭海等（2022）研究發現農戶非農就業對耕地拋荒有促進作用，同時驗證了通勤成本在非農就業與耕地拋荒之間的部分中介作用^〔15〕。

本文聚焦于農戶非農就業如何影響農地拋荒。文章的創新點在于：（1）將研究對象從單一研究耕地擴展到涵蓋耕地、水地/水澆田、旱地、林地、果園地、草場、池塘等農業生產用地；（2）討論村莊層面采用機耕服務是否在農戶非農就業與農地拋荒之間存在調節作用；（3）探討農民對不同職業的心理偏好在非農就業與農地拋荒之間的中介作用；（4）探究平原、丘陵、山區不同地勢和東、中、西部地區的農戶非農就業對農地拋荒影響的異質性。

二、理論基礎和研究假說

1.農戶非農就業對農地拋荒的影響

農業勞動力進行非農轉移的重要原因之一是從事農業生產的機會成本相對較高^〔16〕。因此，當農地流轉困難，農戶又希望獲得更高收益的時候，他們可能會通過拋荒的方式換取更多的非農勞動時間。除了以上從成本收益角度解釋農地拋荒行為之外，新遷移經濟學理論還指出，農戶進行非農就業是家庭層面為規避風險而做出的理性決策^〔17〕，其實質是家庭對現有勞動力資源的重新配置。據此提出假說H1：農戶非農就業比例提升會促進農地拋荒。

2.機耕服務對農地拋荒的間接影響

農戶行為決策是為了在風險最小的前提下實現家庭利益的最大化^〔18〕，作為理性人，農民會通過比較農業和非農產業的風險和收益，進而將家庭的勞動力資源在不同產業之間做最優化的分配，農戶為了獲得更高的比較收益，會將勞動力更多地投入到非農產業，進而可能會增加農地拋荒的比例。機耕服務業的引入為農戶優化勞動力資源配置提供了新的選擇。誘導性技術變遷理論也指出，在要素配置中，農戶會以價格低廉的要素代替價格昂貴的要素^〔19〕，在保持勞動力資源最優配置的前提下，在進行非農就業的同時，通過選擇有組織的機耕服務實現了資本對勞動力的代替，可能會降低由于家庭勞動力資源重新配置帶來的農地拋荒比例增加。據此提出假說H2：采用機耕服務能夠有效緩解農戶非農就業對農地拋荒的促進作用。

3.職業心理偏好在農戶非農就業與農地拋荒之間的中介效應

烙印理論指出，個體在“敏感期”所產生的烙印會對個體心理偏好產生持續性的影響^〔20〕。隨著市場經濟的發展，農民所處的生產和生活環境發生了巨大變化，這為農民的心理特征施加了“烙印”，使農民的職業心理偏好發生了顯著變化，進而會對農戶的農地拋荒行為產生不同程度的影響，表現為農戶非農就業的提升會推動農戶為追求更高的比較收益而產生較強的偏好風險意識^〔21〕，進而改變對不同職業的心理偏好。由于農業生產具有弱質性、不穩定性以及勞動復雜性等特點，使農民對農業生產活動產生了風險高收益低的心理傾向，相比而言，外出務工存在比較優勢，具有職業風險低收益高的特點。據此，提出假說H3：農民對農業生產的心理偏好在農戶非農就業與農地拋荒之間存在中介效應。H4：農民對外出務工的心理偏好在農戶非農就業與農地拋荒之間存在中介效應。

三、研究設計

1.模型設定

首先，考察農戶非農就業對農地拋荒程度的影響，設置包含農戶非農就業和農地拋荒以及相關控制變量的模型，如（1）所示。

P1_i=α₀+α₁×P2_i+∑α_iX_i+σ_i（1）

式（1）中，P1_i代表第i名農戶的農地拋荒程度，α₀代表截距項，α₁代表農戶非農就業的待估系數，P2_i代表第i名農戶的非農就業水平，α_i代表農戶控制變量的待估系數，X_i代表對第i名農戶設置的控制變量，σ_i代表隨機誤差項。

其次，驗證村莊層面的機耕服務在農戶非農就業與農地拋荒之間的調節效應，因此設置了包含農戶非農就業、農地拋荒、機耕服務的模型（2），以及同時包含機耕服務與非農就業交互項的模型（3）。

P1_i=β₀+β₁×P2_i+β₂×EMO+∑β_iX_i+σ_i1（2）

P1_i=β₀+β₁×P2_i+β₂×EMO+β₃×Interact1+∑β_iX_i+σ_i1（3）

式（2）、式（3）中，β₀代表截距項，β₁代表農戶非農就業的待估系數，β₂代表機耕服務的待估系數，EMO代表機耕服務，β₃代表機耕服務與農戶非農就業交互項的待估系數，Interact1代表機耕服務與農戶非農就業交互項，β_i代表農戶控制變量的待估系數，σ_i1表示隨機誤差項，其余與式（1）相同。

再次，為驗證農民對不同職業的心理偏好在農戶非農就業與農地拋荒之間的中介作用。借鑒溫忠麟（2004）的研究成果^〔22〕，構建中介效應檢驗模型，如（4）-（6）所示。

P1_i=γ₀+γ₁×P2_i+∑γ_iX_i+σ_i2（4）

Mediate_i=γ₀+γ₁×P2_i+∑γ_iX_i+σ_i2（5）

P1_i=γ₀+γ₁×P2_i+γ₂×Mediate_i+∑γ_iX_i+σ_i2（6）

式（4）-式（6）中γ₀代表截距項，γ₁代表農戶非農就業的待估系數，γ₂代表中介變量的待估系數，γ_i代表農戶非農就業控制變量的待估系數，Mediate_i代表中介變量，σi₂表示隨機誤差項，其余與式（1）-式（3）相同。

2.變量選擇與描述性統計

（1）被解釋變量：農地拋荒。農地拋荒采用CLDS問卷中“您家有多少畝土地？”“耕地、水地/水澆田、旱地、林地、果園地、草場、池塘棄耕多少畝？”由此計算出家庭的拋荒比例，若家庭拋荒比例為0，則認為沒有拋荒。同時，將農地拋荒做虛擬變量處理，將存在農地拋荒行為的農戶賦值為1，反之賦值為0。

（2）核心解釋變量：非農就業。非農就業借鑒李忠旭等（2021）^〔23〕、暢倩等（2021）^〔24〕研究，使用家庭中從事非農就業的勞動力數量占家庭總勞動力總數的比例來表示。

（3）調節變量：機耕服務。機耕服務使用CLDS問卷中“2016年村莊是否采用了機耕服務”問題，若回答“是”則賦值為1，反之賦值為0。

（4）中介變量：職業心理偏好。農戶在面對不同的職業心理偏好，包括“我認為農業生產越來越不重要”和“外出務工比在家務農好”，以李克特五級量表來表示農戶對農業生產和外出務工兩種職業的心理偏好，數值越大表示心理偏好程度越小。

（5）工具變量。為緩解由于互為因果、自選擇和遺漏變量可能導致的內生性問題，文章參照萬晶晶等（2020）^〔25〕的研究，選擇“村莊內其他樣本的平均非農就業水平”作為工具變量。該工具變量同時滿足了相關性和外生性的要求。

（6）控制變量。參照宋浩楠等（2020）^〔26〕、田夢君等（2023）^〔27〕的研究成果，本文的控制變量包括三類，分別為農戶特征變量、村莊特征變量、政策與環境特征變量。農戶特征變量包括家庭平均年齡、家庭女性占比、家庭收入水平、家庭平均受教育程度。村莊特征變量包括村莊地勢、地理位置、交通狀況，以及村莊是否經歷過土壤改造、經濟水平、灌溉條件。政策與環境特征變量包括村莊是否經歷過自然災害、村莊是否存在環境污染、村莊是否實行過退耕還林政策。

3.數據來源

考慮到數據可獲得性，以及農戶非農就業對農地拋荒影響時效性不強，本文數據來源于中山大學社會科學調查中心發布的中國勞動力動態調查（ChinaLabor-forceDynamicsSurvey，CLDS），選擇2016年的相關數據。該數據涵蓋了我國29個省（區、市），具有廣泛的代表性。為契合本文的研究主題，在合并家庭數據和社區數據后對數據集做如下處理：（1）保留社區類型中為農村社區的樣本。（2）刪除變量中異常值、缺失值。

四、實證分析與穩健性檢驗

1.基準回歸分析

在進行回歸前，對解釋變量間的多種共線性進行檢驗，方差膨脹系數（VIF）遠低于警戒值10，表明不存在多重共線性問題。

首先使用普通OLS回歸和Tobit模型對農戶非農就業與農地拋荒的關系進行分析，結果如表2的（1）-（4）列所示，列（1）、列（3）顯示不加入任何控制變量的前提下，農戶非農就業在1%的水平上對農地拋荒呈正向的顯著性影響，列（2）和列（4）顯示在加入所有控制變量的前提下，農戶非農就業在1%的水平上對農地拋荒呈正的顯著性，系數分別為0.0885和0.610。

為提高結果的穩健性，文章將農地拋荒程度做二元離散變量處理，使用Probit模型進行重新回歸，結果如列（5）和列（6）所示，列（5）顯示在不加入控制變量的前提下，農戶非農就業在1%的水平上對農地拋荒呈正的顯著性影響，列（6）顯示在加入所有控制變量的前提下，農戶非農就業在1%的水平上對農地拋荒呈正的顯著性，系數為0.676。綜合考慮3個模型的運行結果，可以驗證H1。

在控制變量方面，回歸結果顯示，村莊交通狀況、村莊的土壤改造、自然災害、家庭收入增長和村莊經濟發展水平的提高有利于緩解農地拋荒。而地勢越趨向于山區，農地拋荒的程度越高。

2.調節效應分析

為驗證機耕服務在農戶非農就業與農地拋荒之間的調節效應，將相關變量帶入式（2）和式（3）進行回歸。為提高穩健性，對機耕服務和非農就業進行中心化后再形成交互項Interact1，并使用兩階段最小二乘法進行估算，結果如表3所示。列（2）顯示未加入交互項的回歸結果，農戶非農就業在1%的水平上對農地拋荒呈正的顯著性影響，說明農戶非農就業每提高1%，農地拋荒程度會增加0.248；機耕服務在1%的水平上對農地拋荒呈負向影響，村莊采用的機耕服務每增加1%，農地拋荒程度會下降0.0391。列（3）顯示農戶非農就業與機耕服務的交互項在5%的水平上呈負向影響，系數為－0.0874，同時，機耕服務在1%的水平上對農地拋荒呈負向影響，系數為－0.0381，農戶非農就業在1%的水平上對農地拋荒呈正向影響，系數為0.244，對比列（1）和列（3），系數有一定下降。因此，村莊層面的機耕服務能夠負向調節農戶非農就業對農地拋荒的促進作用。由此驗證了H2。

為保證工具變量的有效性，對工具變量進行不可識別檢驗和弱工具變量檢驗，在不可識別檢驗中，回歸列（1）、列（2）和列（3）的Kleibergen-PaaprkLMstatistic均大于10，對應的p值均為0，小于0.01，說明在1%的水平上拒絕“工具變量識別不足”的原假設。在弱工具變量檢驗中，回歸列（1）、列（2）、列（3）的Cragg-DonaldWaldF statistic均大于10%maximal IVsize，拒絕了“工具變量是弱工具變量”的原假設。說明選取的工具變量有效。

3.中介效應分析

為驗證職業心理偏好在農戶非農就業與農地拋荒之間的作用機制，文章將中介變量“農民對農業生產的心理偏好”（Product）和“農民對外出務工的心理偏好”（Migrate）分別帶入式（4）（5）（6）進行檢驗。其中Product的中介效應檢驗結果如表4列（1）、列（2）、列（4）所示。列（1）顯示在未加入中介變量Product的前提下，農戶非農就業在1%的水平上對農地拋荒具有正向影響，系數為0.246。列（2）顯示加入中介變量Product后，農戶非農就業在1%的水平上對農地拋荒具有正向影響，系數為0.223。列（4）顯示農戶非農就業在1%的水平上對農戶從事農業生產的心理偏好數值呈負的顯著性，由此可以得出農戶非農就業能夠通過降低從事農業生產的心理偏好促進農地拋荒。

Migrate的中介效應檢驗結果如表4的列（1）、列（3）、列（5）所示，列（1）顯示在未加入中介變量Migrate的前提下，農戶非農就業在1%的水平上對農地拋荒程度具有正向影響，系數為0.246。列（3）顯示加入中介變量Migrate后，農戶非農就業在1%的水平上對農地拋荒有正向影響，系數為0.235。列（5）顯示農戶非農就業在1%的水平上對農民從事外出務工的心理偏好數值呈負向影響。由此可知，農戶非農就業可以通過增加農民對外出務工的心理偏好進而促進農地拋荒，驗證了H3和H4。

為提高穩健性，文章還分別對中介效應檢驗結果進行Sobel檢驗和Bootstrap檢驗。Sobel檢驗結果對應的p值分別為0.0002和0.0004，均小于0.01，說明Sobel檢驗結果在1%的水平上具有顯著性，Product和Migrate的中介效應占比分別為7.33%和6.32%。重復抽樣1000次的Bootstrap檢驗結果顯示95%置信區間中不包括有0，說明存在中介效應。同時，工具變量均通過了不可識別檢驗和弱工具變量檢驗，能夠起到緩解內生性的作用。

4.異質性分析

（1）地形異質性。不同地形條件下農戶非農就業對農地拋荒的影響程度可能不同，按照地形地貌差異，將研究區域分為平原地區、丘陵地區和山區，將相關變量帶入式（1）分別進行回歸，結果如表5的列（1）、列（2）、列（3）所示。列（1）顯示在平原地區，農戶非農就業在5%的水平上對農地拋荒具有促進作用，系數為0.0733。列（3）顯示在山區，農戶非農就業在1%的水平上對農地拋荒具有促進作用，系數為0.113，相較于平原地區，山區農戶非農就業對農地拋荒促進作用更強，可能的解釋是相比于平原地區，山區地形更復雜，農業生產的成本更高，農戶進行農業生產的積極性較低。另外，相比于平原地區，山區農戶非農就業的通勤成本較高，從事農業生產的時間緊張，農戶拋荒的概率更大。

（2）地區異質性。不同地區農戶非農就業對農地拋荒的影響程度可能不同，文章將研究區域分為東部、中部和西部地區三類，將相關變量帶入式（1）分別進行回歸，結果如表5的列（4）、列（5）、列（6）所示。列（4）顯示東部地區農戶非農就業對農地拋荒有一定促進作用，但未通過顯著性檢驗，可能的解釋是東部地區農村非農產業較為發達，農民較容易實現就地就近非農就業，農民能有更多的時間和精力進行農業生產活動，且相對于欠發達地區，東部地區的農業生產效率較高^〔28〕，較高的農業生產效率能為農業生產行為節省時間，進而為農戶爭取到更多的非農勞動時間，因此，農戶基于利潤最大化考慮，會選擇繼續從事農業生產。列（5）和列（6）顯示中部地區和西部地區農戶非農就業在1%的水平上對農地拋荒具有促進作用，系數分別為0.125和0.115，說明相對于西部地區，中部地區農戶非農就業對農地拋荒的促進作用更明顯。

5.穩健性檢驗

采取替換因變量的方法進行穩健性檢驗。分別用村莊是否存在拋荒和耕地是否存在棄耕去代替家庭的農地拋荒比例，代入式（1）中進行重新回歸，結果如表6所示。列（1）顯示農戶非農就業水平在1%水平上對村莊層面的拋荒行為呈正的顯著性影響，列（2）顯示農戶非農就業在1%的水平上對耕地棄耕呈正的顯著性影響，這與基準回歸的顯著性結果基本一致，因此，基準回歸結果具有穩健性。

五、結論和政策建議

1.結論

文章利用2016年中國勞動力動態調查數據（ChinaLabor-forceDynamicsSurvey，CLDS）實證分析了農戶非農就業與農地拋荒的關系。研究發現：第一，農2NsUVkpoppvNFX2j27TJ6aJSeeWXWjstCSQD3Zti8MQ=戶非農就業比例的提高會促進農地拋荒。第二，采用機耕服務能有效緩解農戶非農就業提升對農地拋荒的促進作用。第三，農戶非農就業能夠通過降低農民對農業生產的心理偏好和增加農民對外出務工的心理偏好來增加農地拋荒比例。第四，在異質性分析中，相對于平原地區，山區農戶非農就業對農地拋荒的促進作用更強；相對于西部地區，中部地區農戶非農就業對農地拋荒的促進作用更強。

2.政策建議

第一，要進一步完善土地流轉政策，推動土地適度規模化經營。上文指出農地拋荒的重要原因之一是農民對家庭勞動力資源的重新分配，而土地流轉既能保證土地資源的集約利用，也能保證農戶的非農勞動時間。一方面，需要建立規范的土地產權交易市場，通過嚴格的合同規范明確流轉雙方的權利和義務。另一方面，推動土地向村內的農業生產大戶集中，配合農業補貼，以緩解農地拋荒現象，同時，健全土地的法律體系，通過完善法律處罰體系遏制農地棄耕，通過法律保障體系消除農戶流轉土地的后顧之憂。

第二，促進機耕服務業的發展。一方面，可以通過激活農村機耕服務業的市場，充實農村機耕服務的力量，這可以通過增發作業補貼和農機購置補貼的方式來激發農戶從事機耕服務業的積極性。同時，可以通過引入社會資本的方式促進機耕服務業的發展。另一方面，政府可以指導村莊建立機耕服務平臺，提高機耕服務業的組織化水平，進一步為農戶提供產前、產中和產后的全流程服務，降低農地棄耕比例。

第三，農戶非農就業導致農民產生不同的職業心理偏好，進而導致拋荒，從根本上說是由于產業間的收入差距較大引起。因此，需要進一步提升農業產業收益，縮小產業間的收入差距。一方面，可以通過農業龍頭企業帶動地區農業發展，同時結合地區自然資源稟賦特征推動農業產業鏈的升級改造。同時，政府也可以指導村莊通過合作社、聯合社的形式促進當地農業產業的集約發展，進而形成規模效應，提高農業產業收益。另一方面，應繼續推動農村一二三產業融合發展，增加農業產業的附加值，進而吸引更多的勞動力留在農業和農村，減少農地拋荒。

第四，健全農業補貼政策。應進一步提高農業補貼額度和種類，提高農業補貼的精準性和針對性，包含精準識別進行農業生產的農戶和未進行農業生產的農戶，精準發放補貼，以及統籌利用各類農業補貼類型，有針對性地對不同農業生產類型的農戶進行補貼，提高農戶農業生產的積極性。同時，農業補貼政策要提高區域針對性，尤其是在山區和平原地區以及我國的中西部地區，應提高政策的精準度，以最大限度減少農地拋荒。

參考文獻：

〔1〕饒靜，張聞龍，郭晨曉，等.鄉村振興背景下耕地拋荒“社會生態治理路徑”研究——以河南省L市D鎮為例［J］.中國農業大學學報（社會科學版），2021，（06）.

〔2〕李雨凌，馬雯秋，姜廣輝，等.中國糧食主產區耕地撂荒程度及其對糧食產量的影響［J］.自然資源學報，2021，（06）.

〔3〕MACDONALDD，CRABTREEJ R，WIESINGERG，etal.Agriculturalabandonmentinm ountainareasofEurope：Environmentalconsequencesandpolicyresponse［J］.JournalofEnvironmentalManagement，2000，（01）.

〔4〕XUD，DENGX，GUOS，LIUS.Labormigrationandfarmlandabandonmentinrural China：Empiricalresultsandpolicyimplications［J］.JournalofEnvironmentalManagement，2019，（04）.

〔5〕莊健，謝琳.農地調整經歷、勞動力非農轉移與農業生產績效［J］.財經問題研究，2022，（08）.

〔6〕羅明忠，劉愷，朱文玨.確權減少了農地拋荒嗎——源自川、豫、晉三省農戶問卷調查的PSM實證分析［J］.農業技術經濟，2017，（02）.

〔7〕陳景帥，韓青.農業生產性服務對農地拋荒的抑制效應［J］.華南農業大學學報（社會科學版），2021，（06）.

〔8〕馮國強，李菁，孫瑞，等.村莊組織化程度能抑制農地拋荒行為嗎？［J］.中國人口·資源與環境，2021，（01）.

〔9〕李中豪.農地拋荒的生成機理與我國農地制度的創新路徑［J］.農村經濟，2013，（06）.

〔10〕李永萍.土地拋荒的發生邏輯與破解之道［J］.經濟學家，2018，（10）.

〔11〕范遠江，郎永建.改善庫區農戶拋荒耕地行為對策研究——以重慶萬州區為例［J］.生產力研究，2010，（11）.

〔12〕田千禧，徐植蘭.農地棄耕拋荒的生態經濟學分析及其對策［J］.農業現代化研究，2004，（02）.

〔13〕5zD0DgLPz54ukxOn89PcWA==張鵬靜，熊濤，朱侯.空氣、水和土壤視域下環境污染對耕地拋荒的影響——來自中國勞動力動態調查（CLDS）的證據［J］.華中農業大學學報（社會科學版），2024，（01）.

〔14〕謝花林，黃螢乾.非農就業與土地流轉對農戶耕地拋荒行為的影響——以閩贛湘山區為例［J］.自然資源學報，2022，（02）.

〔15〕周旭海，胡霞，羅崇佳.非農就業對耕地拋荒的影響——基于CHFS數據的實證分析［J］.調研世界，2022，（02）.

〔16〕仇童偉.農地流轉市場化中的耕地拋荒［J］.華南農業大學學報（社會科學版），2022，（03）.

〔17〕KUNGJ.Off-FarmlabormarketsandtheemergenceoflandrentalmarketsinruralChina［J］.JournalofComparativeEconomics，2002，（02）.

〔18〕劉懷宇，曹詩男，鄧晶，等.農戶家庭勞動力配置決策機制探討——一個多主體模型的視角［J］.農業技術經濟，2015，（02）.

〔19〕WICKRAMASINGHEA AI N，WIMALARATANAW.Internationalmigrationandmigrationtheories［J］.SocialAffairs，2016，（05）.

〔20〕羅明忠，雷顯凱.非農就業經歷、心理特質與新型職業農民生產效率［J］.經濟與管理評論，2022，（04）.

〔21〕羅明忠，雷顯凱.非農就業經歷、風險偏好與新型職業農民生產技術采納［J］.江蘇大學學報（社會科學版），2022，（02）.

〔22〕溫忠麟，張雷，侯杰泰，等.中介效應檢驗程序及其應用［J］.心理學報，2004，（05）.

〔23〕李忠旭，莊健.互聯網使用、非農就業與農機社會化服務——基于CLDS數據的經驗分析［J］.農林經濟管理學報，2021，（02）.

〔24〕暢倩，張聰穎，王林蔚，等.非農就業對黃河流域中上游地區農戶種植結構的影響［J］.中國農村經濟，2021，（11）.

〔25〕萬晶晶，鐘漲寶.非農就業、農業生產服務外包與農戶農地流轉行為［J］.長江流域資源與環境，2020，（10）.

〔26〕宋浩楠，錢龍，張士云，等.土地稟賦、地權穩定與規模農戶耕地質量保護行為［J］.中國西部，2020，（06）.

〔27〕田夢君，熊濤，張鵬靜.勞動力轉移對耕地拋荒的影響研究——基于農業機械化的調節效應分析［J］.世界農業，2023，（11）.

〔28〕史常亮，占鵬，朱俊峰.土地流轉、要素配置與農業生產效率改進［J］.中國土地科學，2020，（03）.

（責任編輯 林 濤）