不同模式农地整治的减贫增收效应研究——基于匹配倍差法估计

汪文雄，冯彦飞，张东丽，陈思瑾

（华中农业大学公共管理学院，湖北 武汉 430070）

1 引言

中国贫困人口的90%在农村从事农业生产①数据来源：https: //openknowledge.worldbank.org/handle/10986/3199。，农地是农民赖以生存的宝贵资源，如果不从根本上提高农地的利用效率，贫困农户就无法获得稳定的可持续生计来源，而要提高农地的利用效率，就必须加强农地整治。《全国土地整治规划（2016—2020年）》中也指出：大力推进贫困地区土地整治，加大政策、项目、资金支持，助力脱贫攻坚。由此可知，中国政府已将农地整治扶贫纳入脱贫攻坚支撑体系。近年来，在政策引导下中国各地积极探索农地整治扶贫模式，除了利用传统的政府主导模式农地整治来扶贫外，更是出现了龙头企业或农业合作社主导的农地整治PPP模式。那么不同模式农地整治扶贫的增收效应如何呢？

近年来，学者们围绕农地整治助推区域脱贫的作用路径及农户增收效应进行了广泛研究。主要包括三个方面：一是结合理论分析与实践探讨了农地整治助推区域脱贫的实现路径。如严金明指出土地整治能够促进耕地增量提质、提升机械化水平、抵御自然灾害，进而改变土地贫瘠现状、增加贫困户要素禀赋，提高贫困户收入[1]；臧玉珠等探索了农地整治扶贫路径，指出通过土地开发、平整及复垦能够为农业生产创造良好的生产条件，增加农户生产性收入[2]；ZHOU等通过典型案例探究了土地整治、土地使用权改革、土地政策创新三者相结合能够打破制度壁垒，解决贫困地区发展缺乏土地、技术和资金的困境，促进农民资产和收入增加[3]。二是探究了农地整治对农户农业收入的影响。HIIRONEN等采用成本收益分析法研究表明土地整治通过对产权结构的优化，使平均农业生产成本下降15%，从而增加了农户的农业收入[4]；张琦和石超运用调研数据研究了贫困地区土地整治的收入效应，指出土地整治对项目区农户家庭的农户收入及总收入有显著正向影响[5]。三是结合典型案例定性分析农地整治对农户收入结构的影响。CHENG等通过典型案列分析了农地整治对农业收入的影响具有双重性，一方面通过改善农业基础设施条件促进农业规模化经营和作物种植结构优化，以增加农业收入；另一方面农地整治促进农地经营权流转使得农户经营耕地面积减少，农户从传统“小农”经营转为农业雇工和二三产业工人，从而导致农业收入降低、增加其工资性收入和非农经营性收入[6]。现有文献对农地整治的减贫增收效应进行了有益探索，但存在以下不足：虽然关注到农地整治的减贫增收效应，但并未深入研究不同模式农地整治的减贫增收效应；现有研究都将农户作为一个相对均质整体，而农地整治对不同类型农户（建档立卡户和非建档立卡户）增收效应的差异并未被关注；增收效应的评价方法不够科学，通常只简单比较农地整治扶贫前后农户的收入变化，无法识别出随时间变化的变量对农户收入的影响，未能准确评估农地整治扶贫对农户增收的净效应。基于此，本文运用湖北省和贵州省调研数据，采用匹配倍差法实证研究不同模式农地整治对不同类型农户（建档立卡户和非建档立卡户）的减贫增收效应及差异，对推动贫困地区实施农地整治扶贫攻坚具有重要意义，也为农地整治扶贫政策的制定提供借鉴。

2 理论分析

英国国际发展署（DFID）提出的可持续生计分析框架（SLA）由脆弱性背景、生计资本、结构与过程转换、生计策略和生计输出5个部分组成，描述了农户生计资本、生计策略和生计输出之间相互作用的动态路径[7]，分析了农户在脆弱性环境冲击下，如何根据其拥有的生计资本状况，利用结构与过程转换中有利的政策等因素，采取更优生计策略并产生预期生计输出的过程。

政府主导模式农地整治是一种以行政管理为主的“自上而下”的实施模式，政府自然资源部门既是农地整治项目的投资者和实施者，也是项目的监管者，农户是项目的参与者和农地的经营者[8]。该模式农地整治包括土地平整、农田水利设施、田间道路及防护林等建设内容，其目标是“上”层制定的，农地整治项目直接受益人——农户的参与较有限，难以充分反映其生产需求[8-9]，受政府财力限制其投资标准相对偏低，是着眼于农田基础设施扶贫的单一扶贫手段。PPP模式农地整治是指龙头企业或农业生产合作社根据现代农业产业发展需求先投资实施农地整治，项目竣工验收合格后再由政府给予部分费用补助的“自下而上”的实施模式[10-11]。该模式农地整治是包含了农田基础设施扶贫、企业扶贫、科技扶贫及产业扶贫的综合扶贫手段。农地整治可在一定程度上降低环境脆弱性、改善农户生计资本禀赋，使其获得可持续生计来源，属于SLA中的政策、结构与过程转换范畴。本文运用SLA分析不同模式农地整治减贫增收路径以及减贫增收效应的差异。

政府主导模式农地整治通过改善农田灌排设施、提高道路通达性、降低土地细碎化程度、增加耕地数量及提高耕地质量等手段，增加农户生计资本中的自然资本和物质资本；农户进而做出相应的生计策略调整，由政策实施前的传统农业种植以及本地零星打工等调整为规模化农业种植及本地短期务工等，从而提高农户农业收入、工资性收入及总收入等。PPP模式农地整治通过高标准农田基础设施建设大大提高农户的自然资本和物质资本；龙头企业或合作社投入资金组织农户发展现代农业，并利用其社会资源和掌握的市场信息实现生产和市场需求的对接，可提高农户的金融资本和社会资本；通过对农户进行新技术教育培训可改善其人力资本；农户的生计资本禀赋得以大大改善，进而调整生计策略，一部分农户选择将土地入股或流转后在本地或外地长期务工，另一部分农户则从龙头企业或合作社返租土地以发展现代化农业、标准化养殖业等，从而大大提高其家庭收入。

3 研究方法

倍差法（DID）主要用于评估政策实施的净效应，该模型将调查样本分为受政策影响的“处理组”和不受政策影响的“对照组”。由于农地整治项目选址时在地形地貌等自然条件一致的条件下更偏向于选择农户对实施整治政策支持程度高的地区，使得农地整治区的处理组农户和未实施农地整治的对照组农户在其平均水平上存在着显著差异，若直接采用DID模型评估其政策效应则存在着选择性偏误。而倾向得分匹配法（Propensity Score Matching, PSM）可以有效减弱选择性偏误，因此，本文采用PSM-DID模型以有效地解决上述问题，控制不同群体农户之间不随时间变化的组间差异。PSM-DID模型先将处理组和对照组的样本进行匹配，即按倾向得分值相近的原则从对照组样本中选择与处理组匹配的样本，使处理组和对照组满足共同支撑域假设，然后再运用DID模型分析，以确保政策效应评估结果的准确性。其具体步骤如下：

（1）估计倾向得分值。运用Logit模型估计出由村庄和农户的一系列特征变量X决定的该村庄的农户获得农地整治政策支持的概率P（X）。按照是否获得农地整治政策支持将样本农户分为处理组和对照组，R1为处理组的集合，R0为对照组的集合。

（2）匹配处理组与对照组。估计出倾向得分值后需选择匹配方法，本文选取k值最近邻匹配、半径匹配及核匹配三种匹配方法。k值最近邻匹配是在对照组中寻找倾向得分与处理组最近的k个不同样本进行匹配，本文k值取10；半径匹配是取与倾向得分的绝对距离在ε范围内样本进行匹配，一般取值小于0.25，本文取0.05；核匹配属整体匹配法，本文使用二次核与0.01的带宽。通过比较三种方法的平均处理效应，以确保匹配结果的稳健性。

（3）计算处理组的平均处理效应。

（4）计算匹配的对照组的平均处理效应。采用上述三种倾向得分匹配法分别计算对照组的平均处理效应（ATE）。

式（1）—式（3）中：t0、t1分别表示农地整治实施前和实施后的年份；分别为农地整治区样本农户i在t0、t1时期的结果变量分别为未整治区样本农户j在t0、t1时期的结果变量；w（i，j）为权重；F（·）是核密度函数；Pi是对照组样本i的倾向得分；Pj是处理组样本j的倾向得分；D为带宽。

4 数据来源与变量设置

4.1 数据来源

本文选取湖北省恩施州利川市、贵州省毕节市的赫章县和金沙县作为研究区域，分析不同模式农地整治的减贫增收效应。湖北省恩施州和贵州省毕节市两个地区的农村贫困人口规模大，具有很好的代表性，且在经济发展水平、自然地理条件等方面的差异较小；鉴于农地整治PPP模式在贫困地区出现的时间较晚、数量相对较少，需选取实施时间相对较早的项目，因此满足上述条件的项目数量有限，最终在恩施州和毕节市选择了满足项目要求的利川市、赫章县和金沙县。课题组于2018年7—8月在上述县（市）的PPP模式农地整治区、政府主导模式农地整治区和未整治区进行了深入调查，选取的农地整治项目均为2014年开工和竣工并取得一定成效。调研采用随机抽样的方法对抽取农户进行访谈式问卷调查，收集得到2013年和2017年的数据，2013年数据为农地整治政策实施前的基期数据，而2017年的数据用来反映农地整治政策实施后的数据。面对面访谈式的问卷调查确保了问卷质量，共发放629份问卷，回收有效问卷562份，有效率89.3%。其中建档立卡户253份，非建档立卡户309份；政府主导模式农地整治区117份，PPP模式农地整治区276份，未整治区169份。受访家庭中男性户主居多，占85.2%；户主年龄40～55岁占52.5%，65岁以上占19.9%；户主受教育程度集中在小学和初中，占80.8%；家庭人口数集中在3～6人，占70.5%；家庭经营耕地面积5亩及以下占67.4%，5～10亩占25.4%。

4.2 变量设置及描述性统计

为了全面揭示不同模式农地整治的减贫增收效应，除了考察农户家庭的总收入外，还分析各类收入的变化情况，因此，选择了农户家庭的总收入、农业收入、工资性收入、财产性收入及其他收入共5个指标为因变量。在农地整治实施后，农户收入还受户主特征、家庭特征、村庄特征及公共政策等一系列控制变量的影响，由于选取的调研村的村庄特征及其他公共政策（除农地整治之外）基本一致，因此，后文中不考虑村庄特征和其他公共政策的差异对农户收入的影响。参考现有研究，本文选取了户主特征和家庭特征共9个控制变量，包括户主年龄（X1）、户主受教育程度（X2）、家庭人口数（X3）、家庭劳动力人口数（X4）、家庭农业劳动力人口数（X5）、15岁以下儿童数量（X6）、65岁以上老人数量（X7）、是否有人担任村干部（X8）和家庭承包耕地面积（X9），变量含义及赋值规则如表1。

不同模式农地整治前后各类收入的描述性统计如表2。从建档立卡户来看：2017年与2013年相比，农地整治PPP模式区、政府主导模式区和未整治区农户的总收入、财产性收入和工资性收入均有所增加，其中PPP模式区农户增幅最大，政府主导模式区次之，未整治区最小；而农业收入增减情况存在一定差异，政府主导模式区农户增幅最大，PPP模式区减少最多，未整治区有所增加；其他收入在不同模式间均有增加但差异较小。从非建档立卡户来看，2017年与2013年相比，农地整治区与未整治区农户的各类收入变化与建档立卡户基本一致，但非建档立卡户的总收入、财产性收入、工资性收入及其他收入的增幅均高于建档立卡户。

表1 控制变量含义及赋值规则Tab.1 Meanings and assignment rules of variables

表2 不同模式农地整治前后农户各类收入描述性统计Tab.2 Descriptive statistics of rural households’ income before and after rural land consolidation in different modes (元)

5 模型估计与研究结果

5.1 倾向得分估计与匹配质量检验

倾向得分匹配法的第一步是计算农户的倾向得分，而选择匹配变量是最关键的步骤[12]，选取的变量需同时满足两个条件：一是对农户所在村庄是否实施农地整治政策有影响；二是对农户收入有影响。基于此原则，本文选取户主年龄、户主受教育程度、家庭人口数、家庭劳动力人口数、家庭农业劳动力人口数、15岁以下儿童数量、65岁以上老人数量、是否有人担任村干部和家庭承包耕地面积共计9个控制变量作为匹配变量，采用Logit模型进行回归，分别针对不同模式整治区与未整治区、不同模式整治区之间的两类样本农户计算其倾向得分，具体如下：从政府主导模式农地整治区与未整治区估计结果来看，家庭农业劳动力人口数和家庭承包耕地面积对两类农户均有显著影响，同时建档立卡户还受到户主年龄和户主受教育程度的影响，非建档立卡户还受到15岁以下儿童数量的影响；从PPP模式农地整治区与未整治区估计结果来看，户主受教育程度和家庭承包耕地面积对两类农户均有显著影响，同时建档立卡户还受到15岁以下儿童数量的影响，非建档立卡户还受到家庭农业劳动力人口数和65岁以上老人数量的影响；从PPP模式区与政府主导模式区估计结果来看，户主受教育程度、家庭农业劳动力人口数和家庭承包耕地面积对两类农户均有显著影响，同时建档立卡户还受到65岁以上老人数量的影响，非建档立卡户还受到户主年龄的影响。

在估计出倾向得分后，为了保证倾向得分匹配结果的准确性，需要进行平衡性检验，即检验处理组和对照组在控制变量上是否存在显著差异。在进行倾向得分匹配时，常用的匹配方法有k值最近邻匹配法、半径匹配法和核匹配法，实际应用中到底哪种方法最优学术界尚没有明确规定，为了确保结果的稳健性本文采用上述三种匹配法，分别对政府主导模式农地整治区和未整治区、PPP模式农地整治区和未整治区、PPP模式农地整治区和政府主导模式农地整治区的两类农户共6个分组的控制变量进行匹配，匹配质量检验结果如表3。从政府主导模式农地整治区和未整治区农户匹配后特征变量标准化偏差来看，大部分变量的标准化偏差小于10%，在近邻匹配法中，建档立卡户有4个变量标准化偏差大于10%，非建档立卡户均小于10%；在半径匹配法中，建档立卡户有6个变量标准化偏差大于10%，非建档立卡户均小于10%；在核匹配法中，建档立卡户有9个变量标准化偏差大于10%，非建档立卡户有4个大于10%。PPP模式农地整治区和未整治区、PPP模式农地整治区和政府主导模式农地整治区两类农户匹配后控制变量的标准化偏差与政府主导模式农地整治区和未整治区类似。总体而言，虽然部分变量的标准化偏差大于10%，但满足小于20%的要求，匹配估计结果可靠。联合检验如表4所示，各组匹配后的Pseudo R2显著减少，p值显著增大，说明匹配后控制变量在处理组和对照组的分布没有系统差异，符合可比性要求，可用于后续匹配分析。

5.2 匹配倍差结果分析

采用近邻匹配倍差法、半径匹配倍差法和核匹配倍差法估计不同模式农地整治的实施对两类农户总收入及各分项收入的影响，结果如表5—表7。

从总收入来看，由表5可知，政府主导模式农地整治的实施对建档立卡户和非建档立卡户的户均总收入有显著的正向影响，三种匹配倍差法计算的ATT平均值分别是是2 200.6元、2 832.6元，表明政府主导模式农地整治的实施能使非建档立卡户增收2 832.6元，比建档立卡户高632元。由表6可知，PPP模式农地整治的实施对建档立卡户和非建档立卡户的户均总收入有显著正向影响，三种匹配倍差法计算的ATT平均值分别是7 104.8元、12 870.6元，表明PPP模式农地整治的实施能使非建档立卡户增收12 870.6元，比建档立卡户高5 765.8元。由表7可知，PPP模式农地整治的实施对建档立卡户和非建档立卡户的增收效应比政府主导模式分别高5 172.1元、11 167.1元。由此可见，两种模式农地整治的实施对非建档立卡户减贫增收效应高于建档立卡户，其原因是非建档立卡户在人力资本、物质资本及社会资本等方面优于建档立卡户，从农地整治中更易于受益；PPP模式下农地整治的减贫增收效应远大于政府主导模式，其原因是PPP模式下农地整治项目的投资标准高于政府主导模式，而且还是一种具有产业扶贫、科技扶贫及企业扶贫等功能的综合性扶贫方式。

表3 特征变量匹配质量检验Tab.3 Matching test of variables (%)

表4 特征变量联合检验Tab.4 Joint test of variables (%)

表5 政府主导模式农地整治区与未整治区各类收入的处理效应Tab.5 Treatment effects of RLC in government-led mode area and non-consolidated area

表6 PPP模式农地整治区与未整治区各类收入的处理效应Tab.6 Treatment effects of RLC in PPP mode area and non-consolidated area

表7 PPP模式农地整治区与政府主导模式农地整治区各类收入的处理效应Tab.7 Treatment effects of RLC in PPP mode area and government-led mode area

从农业收入来看，由表5可知，政府主导模式农地整治的实施对建档立卡户和非建档立卡户户均农业收入有显著的正向影响，三种匹配倍差法计算的ATT平均值分别是801.2元、1 183.3元，表明政府主导模式农地整治的实施能使非建档立卡户农业收入增加程度比建档立卡户高382.1元。由表6可知，PPP模式农地整治的实施对建档立卡户和非建档立卡户户均农业收入有显著负向影响，三种匹配倍差法计算的ATT平均值分别是-809.2元、-544.4元，表明PPP模式农地整治的实施使建档立卡户农业收入降低比非建档立卡户多264.8元。由表7可知，政府主导模式农地整治的实施对建档立卡户和非建档立卡户的农业收入的增长比PPP模式分别高1 682元、1 604元。由此可见，政府主导模式农地整治的实施对非建档立卡户农业收入增长的促进作用高于建档立卡户，其原因是政府主导模式农地整治通过简单土地平整和田间基础设施建设在一定程度上降低生产成本及提高生产效率从而增加农业收入，且非建档立卡户拥有更好的人力资本和物质资本所以农业收入增长幅度更大；PPP模式农地整治的实施会导致农户农业收入降低且对建档立卡户影响更大，其原因是PPP模式农地整治会促使农地从农户流转到企业从而降低农民农业收入，且建档立卡户因缺乏科学种植技术导致农地流转比例更高农业收入受影响更大。

从财产性收入来看，由表5可知，政府主导模式农地整治的实施对建档立卡户户均财产性收入无显著影响，但对非建档立卡户有显著正向影响，两类农户ATT的平均值分别是64.6元、27.5元，表明政府主导模式农地整治的实施对两类农户财产性收入影响不大。由表6可知，PPP模式农地整治的实施对建档立卡户和非建档立卡户户均财产性收入有显著正向影响，三种匹配倍差法计算的ATT平均值分别是1 326.4元、1 735.6元，表明PPP模式农地整治的实施使得非建档立卡户财产性收入增加幅度比建档立卡户高409.2元。由表7可知，PPP模式农地整治的实施对建档立卡户和非建档立卡户的财产性收入增长比政府主导模式分别高1 313.4元、1 696.6元。由此可见，PPP模式农地整治的实施能显著促进农户财产性收入的增加且对非建档立卡户的促进作用高于建档立卡户，而政府主导模式对两类农户财产性收入的影响非常小，其原因是农户将农地出租或者入股以获得相应的租金或红利，财产性收入增加。此外，非建档立卡户的耕地资源更丰富，流转面积也更大，其获得的财产性收入比建档立卡户多。

从工资性收入来看，由表5可知，政府主导模式农地整治的实施对建档立卡户户均工资性收入影响不显著，但对非建档立卡户有显著正向影响，三种匹配倍差法计算的ATT平均值分别是1 122.2元、1 614.1元，表明政府主导模式农地整治的实施对非建档立卡户财产性收入的提升明显优于建档立卡户。由表6可知，PPP模式农地整治的实施对建档立卡户和非建档立卡户户均工资性收入有显著正向影响，三种匹配倍差法计算的ATT值平均值分别是6 446.9元、11 755元，表明PPP模式农地整治的实施能使两类农户工资性收入增加，但非建档立卡户比建档立卡户高5 308.1元。由表7可知，PPP模式农地整治的实施能够显著促进建档立卡户和非建档立卡户工资性收入的增长，且比政府主导模式分别高5 540.8元、11 008.8元。由此可见，PPP模式农地整治的实施能显著促进农户工资性收入的增加且对非建档立卡户的促进作用高于建档立卡户，而政府主导模式仅能促进非建档立卡户工资性收入的增加且促进作用较小。其原因是PPP模式农地整治一方面通过土地流转释放了劳动力，另一方面整治实施后龙头企业发展现代农业为农户提供了就业岗位；同时，两类农户在人力资本等多方面均存在较大差异，建档立卡户非农就业渠道的拓展更困难，因此其工资性收入的提高更少。

此外，两种模式农地整治的实施对两类农户的其他收入并无显著影响。

6 结论与启示

本文在湖北省利川市、贵州省赫章县和金沙县农户问卷调研基础上，运用三种匹配倍差法探索了不同模式农地整治对建档立卡户和非建档立卡户减贫增收效应的差异，主要结论：

（1）两种模式农地整治的实施对两类农户的总收入均具有显著正向影响，PPP模式农地整治的实施使两类农户总收入增加程度远大于政府主导模式农地整治，且两种模式农地整治对非建档立卡户的增收效应强于建档立卡户。

（2）政府主导模式农地整治的实施对两类农户的农业收入有显著正向影响，对非建档立卡户影响更大；PPP模式农地整治的实施会显著降低两类农户的农业收入，对建档立卡户影响更大。

（3）政府主导模式农地整治的实施对建档立卡户财产性收入影响不显著，对非建档立卡户有显著影响但增加值较小；PPP模式农地整治的实施对两类农户财产性收入均有显著正向影响，且对非建档立卡户影响更大；PPP模式对农户财产性收入增长的促进作用远大于政府主导模式。

（4）政府主导模式农地整治仅能显著增加非建档立卡户工资性收入，但增加值较小；PPP模式农地整治能显著增加两类农户的工资性收入，且对非建档立卡户影响更大；PPP模式对农户工资性收入增长的促进作用远大于政府主导模式。

基于上述结论，本文得到以下政策启示。

（1）政府应重视农地整治对扶贫的促进作用，进一步提高PPP模式农地整治的比例。在扶贫工作中，PPP模式农地整治具有政府主导模式无法比拟的优越性：一方面，该模式拓展了资金来源，提高了资金使用效率；另一方面，该模式是一种具有基础设施扶贫、产业扶贫、科技扶贫及企业扶贫等功能的综合性扶贫方式。因此，相比政府主导模式，PPP模式农地整治能更好地增加农户生计资本，优化农户生计策略，达到持续增收的目的。

（2）完善PPP模式农地整治的相关政策，引导龙头企业等社会资本积极参与农地整治扶贫项目。目前在推广PPP模式农地整治过程中，有些地区存在着社会资本难参与、参与之后难管理的现象，要总结PPP模式农地整治的实践经验，加快制定社会资本参与农地整治扶贫的相关法律法规、政策制度及各项标准，让社会资本的参与有据可依，从而加大PPP模式农地整治的推广力度。

（3）加强农地整治扶贫与其他精准扶贫手段相结合，以促进农地整治项目区内农户全部脱贫。在扶贫工作中农地整治对建档立卡户的脱贫能起到助推作用，但因农户生计资本禀赋不同农地整治并不能使项目区农户做到全部脱贫，为了实现全部脱贫的目标，需要针对特定建档立卡户设计其他精准扶贫的干预政策，并与农地整治扶贫政策相结合，以实现项目区内农户全部脱贫。