基于多项Logistic模型的农户耕地流转行为影响因素研究——来自8省(区)252村4 261户农户的调查数据

谢玲红， 夏 英， 吕开宇

(中国农业科学院农业经济与发展研究所，北京 100081)

2013年中央一号文件提出发展新型农业经营主体，实现农业的规模化经营。而规模化首先要解决的问题便是农地的流转问题。农地的使用权流转对于优化土地资源配置、调整农业产业结构、促进农民收入增加、实现农业现代化和农村发展都具有重要的意义[1-2]。因此，在加速发展现代农业的宏观战略下，如何加快土地流转，促进土地适度规模经营，提高农作效率，已经成为当前农村发展面临的越来越紧迫的一个问题[3]。农户作为农业生产决策的微观主体，其行为目标与行动决策是推进土地流转工作的重要依据[4]，从农户视角研究土地流转行为及其影响因素和影响机制，对于适应农户生计规律，有序推进农地流转工作，具有重要的参考价值。

近年来，国内学者关于农户耕地流转行为影响因素的研究都是结合农地调查，采用二分类Logistic回归模型分析不同因素对不同流向流转行为的影响。例如，翟研宁等以河南省N县作为传统农区的典型代表，研究了家庭劳动力特征、家庭收入水平及结构、社会保障情况及土地情结对传统农区农户转出土地行为的影响[5]；何京蓉等基于三峡库区427户农户的调查数据，考察了农户自身特征、农户家庭特征以及所在社区外部环境特征3个方面共12个不同维度的变量对农户土地转入行为的影响[6]；陈美球等的研究尽管选取的样本不同，考虑的影响因素有别，但都分别分析了农户转出和转入耕地的主要影响因素及影响程度，并都得出了不同影响因素对农户耕地转入和转出有明显差异的结论[7-10]。也有少数学者，运用不同于二分类Logistic的模型对此问题进行分析，如杜培华等利用江苏省典型地区126户农户的调查数据，用probit模型分析了社会经济因素、市场与产权状况、参与主体状况等因素对农户是否流转土地决策的影响[11]；翟辉等以重庆市为例，应用主成分分析法，对农户土地流转行为的影响因素进行检验，确定家庭收支、农村社会保障等是影响农户是否流转土地的重要因素[12]；詹和平等运用江苏省2个县142个农户的实地调查数据，将农户流转行为分为转入土地、不流转土地和转出土地3类，采用oprobit回归模型检验了农户土地流转行为的影响因素[13]；张忠明等将农户土地流转意愿分为农户希望流入土地、流出土地或保持当前土地规模，运用有序多分类Logistic回归分析法对不同兼业程度农户的土地流转意愿及其影响因素进行了实证分析[14]。

以上研究为理解农户土地流转行为提供了重要参考，但在样本选取、研究方法、模型选取等方面仍有进一步完善的空间。一方面，已有研究大多以某个区域、某个省份甚至某个县(市)作为研究对象，面向全国、考虑我国区域差异的大样本调查研究尚显欠缺，一定程度上导致了当前土地流转不一致的研究结论；另一方面，已有研究大多采用二分类Logistic模型关注农户的农地流出或流入行为，仅有小部分研究同时关注了两种方向的土地流转，鲜见同时关注不流转、转入、转出、既有转入又有转出这4个类别的研究。鉴于此，本研究利用2015年河北、山东、福建、河南、吉林、新疆、云南、陕西8省(区)4 261户农户的大样本抽样调查数据，采用多项Logistic回归方法，比较研究不流转、转入、转出、既有转入又有转出4类农户耕地流转行为的影响因素，以加深对当前土地流转行为的认识，为当前土地流转工作提供参考。

1 研究设计

1.1 数据来源与样本情况

1.1.1 数据来源 本研究数据来源于中国农业科学院农业经济与发展研究所的中国农村微观经济调查数据库。调查涉及8个省28个县84个乡镇252个行政村。考虑到社会经济条件和资源禀赋差异对土地流转具有非常重要的影响，采用分段抽样调查方法。首先，确定样本省，调查省份的选择充分考虑我国东、中、西的区域差异特征，选取东部地区的河北、山东、福建，中部地区的河南、吉林，西部地区的新疆、云南、陕西等8个省(区)。其次，确定样本县和样本乡(镇)，将每个省的所有县按照人均收入水平分成3组，从每组中随机抽取1个样本县，确定县后，再按照选取样本县的原则，从每个县抽取3个乡(镇)。最后，确定样本村，确定乡(镇)后，按照同样的原则在每个乡(镇)选取3个行政村，并在每个行政村随机抽取20户农户作为调查对象。由于新疆地域广阔、少数民族比例较高等原因，适当调整了新疆样本县与样本户数量，先选取7个县，每个县选3个乡(镇)，每个乡(镇)选3个行政村，每个行政村选15户。

1.1.2 样本情况 本研究选取东、中、西部不同省份不同经济发展水平的行政村为样本进行对比分析，可以较好地反映不同地区农户土地流转行为的差异。同时，较大的样本量也有助于提高本研究结论的科学性和代表性。数据调查时点为2015年。共发出问卷4 727份，实际收回问卷4 490份，回收率为95%。将回收的4 490个样本作为初始样本，按照需要进行如下处理：(1)删除空白问卷，得到4 473个样本。(2)删除没有对耕地流转情况相关问题进行回答的样本，得到 4 442 个样本。(3)删除重复的样本。在调研的过程中，存在1户填写2份及以上相同问卷的情况，则只保留1份，得到 4 374 个样本。(4)删除变量值缺失严重的样本，最终得到 4 261 个样本。

各省份发出样本数、回收样本数及有效样本数如表1所示。

表1 调查样本情况 份

1.2 变量选取及描述性统计

1.2.1 变量选取 因变量：多分变量的耕地流转行为用circulation表示。与以往研究文献只是将农户流转行为粗略地分为流转和没有流转这两大类别不同，本研究更进一步将农户的耕地流转行为细化为1个4分变量，取值为1、2、3、4。取值为1时，表示该农户没有流转耕地；取值为2时表示该农户转出耕地；取值为3表示该农户转入耕地；取值为4时表示该农户既有耕地转入又有耕地转出。自变量：自变量为一组可以反映农户耕地流转行为发生概率大小的变量值，包括户主特征、家庭特征、村庄特征、社会保障等4组变量。其中，户主特征主要包括性别、年龄、健康状况、婚姻状况、受教育程度、兼业程度以及是否受过农业技术培训；家庭特征包括总人口数、农业劳动力数、家庭成员中干部情况、人均耕地面积；村庄特征包括本村地形、本村委会距县政府距离；社会保障包括是否参加农村合作医疗、是否参加社会养老保险。变量具体说明见表2。

表2 解释变量说明

1.2.2 变量的描述性统计特征

1.2.2.1 连续变量的统计特征 从表3中可以看出，所调查家庭的户主的平均年龄为50.95岁，户主的平均受教育年限是7.76年，家庭平均人口数为3.69人，家庭平均农业劳动力数为2.04人，人均耕地面积为0.379 hm2，村委会距县政府距离平均为23.27 km。

表3 连续变量的描述性统计特征

1.2.2.2 分类变量和虚拟变量的统计特征 从表4中可以看出，在4 261份有效样本中，发生了流转行为的有1 278户，占29.99%，包括单纯转出的658户和单纯转入的545户，以及既有转入又有转出的75户。没有发生流转行为的有2 983户，占总样本的70.01%；户主特征变量上，95.45%的家庭户主为男性，8.05%的户主处于非健康状态，5.91%的户主的婚姻状况为离婚、丧偶或未婚，户主职业上，绝大部分户主只务农，为63.72%，一兼、二兼、非农业的户主比例分别为17.18%、10.09%、5.21%，参加农业技术培训的户主的比例为25.67%；家庭中有乡及乡以上干部或村干部的比例为 19.01%；调研村庄的地形以平原为主，占44.40%，其次是山地和丘陵，分别为21.12%、20.93%。

1.2.3 模型选择 因变量农户流转行为circulation有4个取值而且无大小顺序，一般的线性回归分析无法准确地刻画变量之间的因果关系，须要用其他的回归分析方法来进行拟合模拟，而多项Logistic回归模型便是一种简便处理该类因变量问题的分析方法。构造的模型形式为

(1)

式中：Logit[p(y=j)]表示y=j的概率；X是自变量，为土地流转行为的影响因素；β0为常数项；βij为待估系数(i=1，2，…，n)；εj为随机误差项。

在多项Logistic回归模型中，某一种情况发生的概率与另外一种情况发生的概率之比称为相对风险比(rrr)。在其他条件相同时，y的第j个类别在xk条件下的相对风险比等于一个特定倍数，使y=j(相当于y=base)的预测发生比乘以这个特定倍数后，得到相应xk+1条件下的发生比。换句话说，相对风险比rrrjk就是当只有xk变化而其他所有x不变时发生比变化的倍数。

(2)

在本研究的回归模型中，以circulation=1，也即农户没有进行耕地流转作为比较的基准类别，则转出耕地对比不流转耕地的Logistic回归模型可表示为

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

(3)

式中：logitp转出/不流转是指转出耕地的概率；α0为常数项；αi为待估系数(i=1，2，…，15)。

表4 分类变量和虚拟变量的统计特征

2 结果及分析

2.1 模型检验及计量结果分析

对模型进行似然比检验。多项logistic回归模型的整体卡方为705.42，自由度为72，P<0.001，模型整体显著，表明模型拟合结果较好。二分Logistic回归模型的整体卡方为230.96，自由度为24，P<0.001，模型整体也显著。最终模型的估计结果如表5所示。

2.2 回归结果分析

2.2.1 户主特征对流转行为的影响 户主性别、年龄、兼业程度和是否受过农业技术培训对农户耕地转入转出行为具有显著影响，并且对转出行为与转入行为的影响具有差异性；健康状况、婚姻状况与转入转出行为正相关，但影响基本不显著；受教育程度与转出行为正相关，与转入行为负相关，在统计上也不显著。除了兼职程度变量外，其他户主特征变量对同时转入和转出的决策影响不显著。具体来说：(1)性别的影响。相比不流转耕地，女性户主更倾向于转出耕地，而不是转入耕地，而男性户主更倾向于转入土地，而不是转出土地。男性户主转出耕地的概率与不流转耕地的概率之比是女性户主的0.689倍，并且在0.1水平上显著；男性户主转入耕地的概率与不流转耕地的概率之比是女性户主的1.630倍，并在0.05水平上显著。这是因为女性相比男性，劳动能力方面更弱一些，较难从事除自己耕地以外的农业劳作，所以他们更愿意转出土地而不是转入土地。(2)年龄的影响。年龄越大的户主转出耕地的概率越大，转入耕地的概率越小。年龄每大1岁，转出耕地的概率与不流转耕地的概率之比是1.010，转入耕地的概率与不流转耕地的概率之比是0.976，并且分别在0.1和0.01水平上显著。因为随着年轻一代外出务工增加，年龄较大的户主在劳动能力方面受到限制，从而会倾向于少经营土地。(3)兼业程度的影响。相比纯农户，户主从事非农业的程度越高，转出耕地的可能性越大，转入耕地的可能性越小。一兼、二兼、非农业和其他职业的户主转出耕地的概率与不流转耕地的概率之比分别是纯农户的1.877倍、4.315倍、15.550倍、5.691倍，并都在0.01水平上显著；二兼和非农业农户转入耕地的概率与不流转耕地的概率之比分别是纯农户户主的0.355倍、0.347倍。这是因为纯农户的家庭收入绝大多数来自于务农，土地是其收入的重要载体，而不同兼业程度农户的收入来源更加多元化，务农收入在其家庭收入所占的地位正在逐渐弱化，因此他们流出土地意愿更加强烈，转入耕地的概率更小。(4)农业技术培训的影响。相比没有参加农业技术培训的农户，参加了农业技能培训的农户，更倾向于转入土地而不是转出土地。参加了农业技能培训农户转出耕地的概率与不流转耕地的概率之比是没有参加技能培训农户的0.695倍，而参加了农业技能培训的农户转入耕地的概率与不流转耕地的概率之比是没有参加技能培训的农户的1.510倍。这是因为参加了农业技术培训的农户，掌握了很好的农业技巧，其经营管理能力显著提高，可以在同样的土地上创造出更多的价值，增加他们的农业产出和农业收入，因而他们更倾向于转入土地而不是转出土地。(5)健康和婚姻状况的影响。户主健康状况越好，越倾向于转出土地。身体健康的户主转出耕地的概率与不流转耕地的概率之比是非健康户主的1.351倍，并在0.1水平上显著。这是因为身体好的农户可以选择从事非农业工作，获得土地产出之外经济收入的可能性较大，从而他们更愿意转出土地去从事别的职业。身体健康的户主转入耕地的概率与不流转耕地的概率之比是非健康户主的1.906倍，但统计上不显著。户主婚姻状况与流转行为正相关，这与大部分的研究结论一致，但在统计上不显著。这可能是因为笔者所在课题组的样本当中，户主婚姻状况和受教育年限的差异性不是很大，有94.09%的户主是已婚状况。

表5 多项Logistic回归结果

注：在多项Logistic回归中，将circulation=1没有流转耕地作为比较的基准类别；_cons为截距项；*、**、***分别表示参数在0.1、0.05、0.01水平上显著。

2.2.2 家庭特征、村庄特征等因素对流转行为的影响 总体来说，家庭特征变量对农户流转行为的影响不是很大。家庭成员数量与流转行为负相关，但在统计上不显著；家庭中是否有干部与流转行为正相关，但对转入和转出决策的影响不显著；人均耕地面积与转出行为显著负相关；相比高原地区，平原、丘陵和山地村庄的农户转出耕地的概率和同时转入和转出的概率明显降低；农村养老保险与农户耕地流转行为正相关，但只对转入行为有显著正向影响。具体如下：(1)家庭特征的影响。家庭总人口对农户耕地流转行为具有负向影响，因为人口较多的农户家庭通常拥有较多的劳动力资源，有充足的劳动力经营农地，因此农户通常选择自己种植农地，而不进行耕地流转。但其影响在统计上不显著，这可能是因为家庭成员数量小于等于5人的样本量高达88.50%，样本差异性不大的原因。同时，家庭中农业劳动力数量对农户的耕地流转行为没有显著影响。相比没有干部的家庭，有干部的家庭更倾向于流转土地，这是因为干部往往见识更广，因而更有可能参与农地流转，但它对转出行为和转入行为的影响在统计上不显著，家庭中有干部的农户既转入土地又转出耕地的概率与不流转耕地的概率之比是家庭中没有干部农户的1.814倍，而且在0.05统计水平上显著。人均耕地面积对农户转出决策有显著的负向影响，但对转入行为没有影响。人均耕地每增加1个单位，转出概率与不流转的概率之比是0.985倍，并在0.01水平上显著。(2)村庄特征及社会保障因素的影响。相比高原地区，平原、丘陵和山地村庄的农户更不愿意转出耕地，平原、丘陵、山地的农户转出耕地的概率与不流转耕地的概率之比分别是高原地区农户的0.514倍、0.605倍、0.558倍，分别在0.01、0.05、0.01水平上显著，但农户的转入决策不受地形的影响。这可能是因为相比高原地区，其他地形的地区更适合于大规模的机械化作业，土地规模化生产的客观要求比较强烈，故平原、丘陵和山地地区的农民希望自己能支配更多的土地资源，而不转出土地。村委会到县政府的距离每增加1个单位，既转入又转出耕地的概率与不流传的概率之比是1.016，并在0.05水平上显著，农户是否参加农村医疗保险和农户流转行为没有显著的影响。参加了社会养老保险的农户更倾向于流转土地。农村土地对农民来说依旧承担着生活保障的功能，而社会保障对土地的保障功能具有替代作用，在社会保障水平低下的情况下，土地的保障功能凸显。参加了社会养老保险的农户转入耕地的概率与不流转耕地的概率之比是没有参加社会养老保险农户的1.472倍，并在0.01水平上显著。

3 结论及政策启示

3.1 研究结论

通过回归模型的实证分析，本研究得出以下重要结论：(1)户主性别、年龄、兼业程度和参加技术培训情况是影响农户耕地流转行为的重要因素，并且对转入和转出耕地的影响存在明显差异。由于劳动能力受限的原因，女性户主和年龄较大的户主更倾向于少经营土地，转出耕地的概率更大，转入耕地的概率较小；相比纯农户，一兼、二兼和非农业农户，随着从事职业的收入来源的多元化，非农收入的增加，他们转出土地的可能性越大，而转入土地的可能性越小；参加了农业技能培训的农户，由于掌握了更好的农业技巧，经营管理能力提高，会增加他们的农业产出和农业收入，他们更倾向于转入土地而不是转出土地。(2)身体健康的农户和参加了养老保险的农户进行耕地流转行为的概率更大，农户所在村庄的地形对流转行为也有显著影响。户主健康状况与转出行为正相关，身体好的农户可以选择从事非农业工作，获得土地产出之外经济收入的可能性较大，从而更愿意转出土地；参加社会养老保险的农户相比没有参加的农户，土地的社会保障功能对他们来说更为弱化，因而进行耕地流转的概率更大。相比高原地区，平原、丘陵和山地村庄的农户更不愿意转出耕地，可能是因为这些地区更适合于大规模的机械化作业，因而可以支配更多的土地资源。人均耕地面积与转出行为负相关，家庭人均耕地面积越小，越倾向于转出耕地，家庭人均耕地面积越大的农户，可能是因为现行国家鼓励家庭农场发展的背景下，使得土地越向土地资源丰富的农户集中，以便发展规模经营。

3.2 政策建议

(1)加快推进农村劳动力向非农产业转移。加快推进农村劳动力转移，将农民从土地上解放出来，从事非农业劳动，是推动农村耕地转出重要的手段。这就须要调整农村产业结构，大力发展区域性第二、第三产业及推进第一、第二、第三产业融合发展，为农户提供更多的非农就业机会，增加他们的非农收入，增强耕地转出的源动力。(2)加强对农户的农业技术培训。政府部门应该加大对农民的农业技术培训投入，通过对进行培训的相关企业和参与培训的农民以物质奖励来积极推进培训。同时，以市场为导向，根据农民对培训的需求，对不同类型的农民采取不同的技术培训，提高农民的相关技术水平和农业管理能力，提高农户农业收入，增加耕地转入。(3)尽快完善农村的社会养老保险。这使外出务工人员在城镇中能够得到城市居民相同的待遇，实现农民的老有所养，找到归属感，使得转移出来的农户愿意主动流转土地。当前还有一小部分农户没有参加养老保险，政府应该加大对此的宣传，做到养老保险的全覆盖，并进一步加强制度的相关立法工作，加大政府财政补贴力度，完善政府补贴机制，妥善解决与其他社保政策的转移接续问题。改进和完善家庭承包地的分配方式，尽量减少耕地面积的人为破碎化，使之便于机械化规模经营，从而推动耕地的流转。