农民土地财产性收入影响因素分析——基于农地流转情景的实证分析

寇 溶，陈 英，谢保鹏，周 翼

(甘肃农业大学 管理学院，甘肃 兰州 730070)

土地流转是农民财产性收入实现的主要方式之一。农民土地财产性收入允许农民对其所拥有的、可支配的土地权利进行部分或全部让渡，被当作实现农地资源向资产转变，土地资源优化配置的新途径[1]。党和国家这一决策提出之后，各级政府也一直将其视作解决农民、农地和农村问题的关键，并出台了诸多与之相关的政策和措施，如“激活农村要素，增加农民财产性收入”“赋予农民更多的财产权利”“释放财产性收入增长红利”等。但调查发现，广大农村地区农民土地财产性收入仍以政府主导农户被动参与为主要实现形式。这一过程中，受地方政府服务不到位、农村土地市场发育不健全及相关政策措施不完善等因素的影响，使农户手中的土地使用权价值难以充分体现，其交易结果也无法满足农户的心理预期，不足以刺激他们将手中闲置的土地流转出去，造成了大量的土地浪费。面对农民收入增长缓慢的桎梏和农村大量土地闲置的现状，如何更好地利用和盘活闲置土地资源、合理增加农民土地财产性收入成为现阶段解决农村问题关键。目前，农民土地财产性收入仍处于探索研究阶段，主要集中于理论构建、增收途径和影响因素等方面[2-4]。其中对影响因素的研究可分为两类：一是单纯将农民土地财产性收入从农民总收入中剥离出来，研究区域环境、农民个体和群体特征对其造成的影响[1-5]。这类研究中理论研究偏多，且其实证研究多侧重于判断各种因素对土地财产性收入是否存在显著影响，缺乏对影响程度的判断。二是将农村居民财产性收入和城市居民财产性收入进行比较，进而分析引起二者之间差距扩大的原因[6-8]。这类研究目的是为了防止城乡之间居民收入“马太效应”的扩大，促进城乡之间的协调发展。但两种类型的研究都相对较为宏观，虽然无差别的分析了对土地财产性收入实现有影响的因素，却忽略了不同情景下农民土地财产性收入影响因素可能存在差异性。与此同时，高明月等学者研究发现农地流转对农民增收具有显著的正向影响，是有效解决农村劳动力向非农产业转移、种田效益低下、耕地抛荒现象严重等问题的途径，能够推动土地使用权进入市场、增加农民收入[9]。而且与其它农民土地财产性收入实现途径相比较，农地流转受区域位置影响较小，在广大农村地区更易发生。因此，农地流转可以视为现阶段农民土地财产性收入实现的重要途径[10-11]。

另外，农民土地财产性收入受到若干个维度和因素共同的影响，如农民群众个体的文化程度、技术水平、生产投入等，这些因素经常交织在一起，影响其实现。鉴于此，本文利用张掖市一区四县的调查数据，立足于农地流转视角，采用主成分分析法(Principal Component Analysis，PCA)，把其中相关的因素融合为独立不相关的综合指标变量，实现对数据集的降维。再采用多元线性回归模型(Multivariable Linear Regression Model)识别农地流转视角下影响农民土地财产性收入的关键因素、重要因素和一般因素[12-14]，以期更好的促进农地流转交易过程中农民土地财产性收入的实现。

一、理论分析与指标选取

(一)农民土地财产性收入影响因素基本分析

1.农民个体特征

农民是农村经济的主体，其作用的发挥，主要通过自身素质影响自身行为决策，进而影响自身收入的增长[5]。由此可知，农民素质对土地财产性收入具有重要影响。Boyatzis提出的“洋葱模型”形象地把人的素质特征比喻为“洋葱”，分为显性外层因子和隐性内层因子[15]。用年龄和受教育程度来表示农民素质的内层因子，社会角色和外出打工年限来表示其外层因子。一般而言，农民年龄越高，思想越偏向保守，越不愿意离开土地，实现土地财产性收入也更困难。受教育程度越高的农户，信息和知识的获取能力越强，更容易获取土地财产性收入。担任村干部的农户相较于普通农户，对于政策信息的理解程度更高，对市场波动也更加敏感，其获取土地财产性收入的可能性越高。外出打工时间越长的农户，拥有较高的非农就业技术水平，回村务农耕作的概率越小，能够较好地利用自身技术、市场资源增加土地财产性收入。

2.农户家庭特征

农民个体所拥有的土地面积往往无法形成一定的耕作规模，不利于生产投资和利益最大化。因此，农户作为农村最小的农业耕作单位便成为中国农村延续至今传统和习惯。高敏雪认为“有资方有产”[16]，农民土地财产性收入的多少不可忽略农户手中原本所拥有的土地数量和面积。因此，农户家庭特征主要是用家庭劳动人数占比和家庭初始承包地面积表示。其中，家庭劳动占比越高，说明该农户家庭将生活和工作的重心主要放在农业耕作上，投入的人力资本较多，其实现土地财产性收入的可能性相对较低。初始承包地面积越多的家庭，在让渡和继续耕作之间具有较大的选择空间，农业收入空间自然拓展。

3.自然资源禀赋特征

土地位置的固定性决定其不可移动，其价值来源一部分决定于先天条件。用耕地质量代表是农地自然资源禀赋特征，耕地质量较好的区域，农地生产条件也相对较好，获得土地财产性收入的水平可能会越高。地势条件对土地财产性收入的影响亦是如此。

4.基础设施状况

农村基础设施是为农村经济、社会、文化发展及农民生活提供基本共同条件的各种设施的总和，是农村经济社会发展的前提[17]。可包括农村的灌溉设施、交通设施及便民设施等。自新农村建设以来，我国农村基础设施条件有了大幅度的改善和提高，但实际状况仍然与预想存在着一定的差异。农业部计划司资助项目“农村基础设施建设对农民收入影响研究”分析得到农村基础设施的建设和完善对于农民增收、农业增效和农村发展具有关键的基础性作用[18]。基于现实状况而言，基础设施状况越好的区域，土地财产性收入水平也会越高。

5.市场发育特征

在土地资源转化为资产的过程中，土地市场起着关键性作用[19]。我国农村土地市场起步较晚，仍处在不断完善和发展的过程中，存在明显的区域差异。土地市场包含的内容较多，本文主要采用农地交易场所、农地流转信息的共享性、农地价格评估及相关金融理财服务。其中，农地交易场所越完善，土地财产性收入实现的可能性越大。农地流转信息的共享程度越高，农民根据已有信息参与市场竞争的愿望会更加强烈，土地财产性收入实现的区间将有效扩展。农地价格评估是正确估计土地价值，让其进入市场交易环节的重要步骤，有助于土地价值的实现，可以刺激农民将土地流转出去，资源变资产，资金变股金，农民变股东，有效拓宽农民增收空间。金融理财服务是土地财产收入实现过程中的重要参考因素，其配套政策越好的区域，土地财产性收入实现的可能性就越大。

6.经济发展状况

经济发展状况是涵盖区域经济、社会和文化状况的综合性指标[20]。如果某一个区域经济发展状况较好，则可以为农民提供大量的非农就业岗位，随之获得的非农收入稳定增长，这是农民进行土地流转、让渡的重要保障。丁琳琳认为如果农民得到稳定收入来源，土地的生存保障功能将会弱化，农民对土地的依附性随之降低，农民获得土地财产性收入的可能性将会提高[7]。因此，经济发展状况与土地财产性收入呈现正相关关系，经济发展状况越好的区域，农民更容易取得土地财产性收入。

(二)农民土地财产性收入影响因素指标构建

在上述理论分析基础上，借鉴已有研究，结合问卷调查和研究区实际，设计了如表1所示的16个指标，力求可以尽可能涵盖解释变量的所有信息。

二、模型构建、数据来源与样本基本情况

(一)模型构建

主成分分析法(Principal Component Analysis，PCA)可以将原始变量融合形成几个综合指标，既能有效实现非线性空间的降维问题，又不至于损失太多信息。同时，建立多元线性回归模型，有助于揭示原始变量之间的内在关系，从而抓住主要影响因素[21]。

Fi=Unixn=u1ixi+u2ix2+…+unixn

Y=W1F1+W2F2+…+WnFn+e

式中，Y为综合得分；Fi为个主成分得分系数；Wn为第n个主成分权重，即各主成分因子的贡献率；e为拟合误差；Ui为第i个主成分的得分系数矩阵；u1i，u2i，…，uni为第i主成分的得分系数；x为标准化后的原始数据矩阵；xn为标准化后的原始数据。

表1 影响农地流转情景下农民土地财产性收入各维度的指标变量

(二)数据来源及描述性统计

甘肃省张掖市地势平坦，农耕条件相对较好，设施配套完善，流转方式颇具典型性，利于本文研究。2018年7—10月在团队帮助下对张掖市甘州区(党寨镇)、民乐县(六坝镇、三堡镇)、山丹县(清泉镇)、临泽县(平川镇)和高台县(宣化镇)随机24个村进行走访调查，共获得的230份问卷。上述乡镇是张掖市农地流转数量和规模较大的乡镇，样本具有代表性。最终经筛选得到211份有效问卷，符合PCA多元线性回归方法对样本数量的要求[22]。对样本数据进行因子分析得到KMO值为0.782，总量表的Cronbach’sα系数为0.736，数据信效度满足要求[23]。

通过对样本信息的整理统计得到表2，其中村干部是指在村内担任一定职务的农民，数据来源于调查时对被调查者的访问。

表2 数据描述性统计

三、结果与分析

(一)多重共线性检验结果

变量X1，X2，X3，...，X16与(农民土地财产性收入)Y建立回归分析模型，运用SPSS统计软件对调查数据进行分析，构建模型。分析结果如表3所示，X1、X2和X12等变量的VIF值均大于3，说明变量之间确实存在一定的相关性[24]，故此采用主成分分析法处理变量之间的多重共线性问题。

表3 多重共线性检测结果

(二) 主成分分析结果

运用SPSS对样本数据的16个测度指标进行相关性分析，得到指标系数相关的相关系数矩阵。其中，变量X1与X3、X5与X7、X8与X16之间存在着明显的相关关系。通过PCA将其整合为互不相关的综合性指标，得到F1，F2，...，F5共5个主成分变量。

通过PCA方法按照特征值大于1的判别方法提取了5个主成分[25]，累计方差贡献率为73.784%，能够充分概括16个原始变量的信息。在此基础上，计算得到5个主成分F1，F2，...，F5的初始因子载荷矩阵。根据初始因子载荷矩阵表中的数据与主成分对应的特征值，可计算得到如表4所示的5个主成分中每个指标对应的系数，由此可以观察到5个主成分同原始变量之间的关系。在此仅列出第一主成分F1与原有16个因素之间如方程(1)所示的函数关系，F2，F3，...，F5可以依此类推。

F1=-0.113X1+0.12X2+0.047X3+0.088X4-0.114X5+0.092X6-0.066X7+0.143X8+0.029X9+0.07X10+0.135X11+0.144X12+0.114X13+0.134X14+0.128X15+ 0.086X16

(1)

(三)多元线性回归模型构建与结果分析

通过主成分分析得到5个主成分和16个原始变量之间的相关关系，而构建多元线性回归模型可以得到5个主成分和因变量土地财产性收入之间的相关关系。二者相结合，则能够说明因变量和16个原始变量之间的相关关系。因此，为了更好地反映上述指标对农地流转情景下土地财产性收入实现的影响程度，本文基于PCA的影响结果，构建方程(2)所示的农地流转情景下农民土地财产性收入影响因素的多元线性回归模型：

Y=b0+b1F1+b2F2+b3F3+b4F4+b5F5+e

(2)

其中：Y为农地流转情景下农民土地财产性收入，F1，F2，...，F5是影响农地流转情景下农民土地财产收入的综合指标，b0为回归常数，b1，b2，...，b5为回归系数，e为拟合误差。运用SPSS软件，按照方程(2)进行回归检验，结果如表5所示。

表5 模型概述

表5中，调整后的R2为0.910，这说明自变量可有效解释校标变量，模型与数据之间的拟合程度较好。F统计值为428.178，显著性水平小于0.05，说明所建立的回归方程有效。对回归方程(2)进一步的系数测算，得到如表6所示的回归系数及共线性检测表。

表6显示，各主成分F1，F2，...，F5的VIF值均为1，说明各个主成分相互正交，较好的消除了各影响指标之间的共线性偏差。各成分的显著性水平均小于0.05，说明他们对农地流转情景下农民土地财产性收入具有显著影响，由此构建主成分与农民土地财产性收入Y的回归方程(3)。

表6 回归系数及共线性检测表

Y=0.754F1-0.072F2+0.194F3+0.069F4-0.045F5+1.545

(3)

基于此，在方程(3)和主成分因子得分系数表(表4)的基础上，计算得到各原始变量X1，X2，...，X16与农民土地财产性收入Y的回归方程(4)：

Y=1.545-0.007X1+0.012X2+0.045X3-0.009X4-0.054X5+0.081X6-0.051X7+0.112X8+0.081X9+0.095X10+0.14X11+0.11X12+0.123X13+0.135X14+0.125X15+0.114X16

(4)

通过方程(4)可得出：农地流转情景下，经济发展状况(X11)的相关系数值最大，为0.14，说明经济发展状况对土地财产性收入的影响程度最强，是其影响的关键性因素。即经济发展状况越好的区域，土地财产性收入实现水平越好。农地交易场所(X12)、金融理财服务(X13)、农地流转信息的共享程度(X14)、价格评估(X15)、基础设施状况(X16)、非农收入(X8)、承包地面积(X6)、地势条件(X9)、耕地质量(X10)与土地财产性收入也存在相对较强的正相关关系，其相关系数分别为0.11、0.123、0.135、0.125、0.114、0.112、0.081、0.081、0.095，表明这些因素是影响土地财产性收入的重要因素，土地财产性收入的实现与这些因素的变化趋势一致，这些因素的实现水平和状况越好，土地财产性收入水平越高。年龄(X1)、家庭劳动人数占比(X5)、务农收入(X7)与土地财产性收入存在相对较弱的负相关关系，其相关系数为-0.007、-0.054、-0.051。说明年龄越高，家庭劳动人数占比越大，务农收入水平越高，土地财产性收入的实现也将更困难。受教育程度(X2)和身份(X3)与土地财产性收入之间存在着相对较弱的正相关关系，其相关系数分别为0.012、0.045，说明受教育程度、担任村干部，都会促进土地财产性收入的实现。但是，外出打工年限(X4)与土地财产性收入呈现较弱负相关关系，其相关系数为-0.009，与预期方向不一致。笔者认为原因可能在于长期进城务工农民面对现阶段城市发展的疲软状态，热情降低，农地流转意愿不强，致使土地财产性收入不高。

四、结论

本文基于流转农户的调研数据，运用主成分分析法和多元线性回归模型对农地流转情景下影响农民土地财产性收入的因素进行了量化分析，得到经济发展状况对农民土地财产性收入的影响程度最强，是其影响的关键因素；农地交易场所、金融理财服务、农地流转的共享程度、价格评估、基础设施状况、非农收入、承包地面积对土地财产性收入的影响相对较强，是其影响的重要因素；年龄、家庭劳动人数占比、务农收入、外出打工年限、受教育程度、身份、地势条件、耕地质量状况对土地财产性收入的影响相对较弱，是其影响的一般因素。

依据上述分析，可知农地流转过程中经济发展状况是土地财产性收入实现的主要矛盾。现阶段土地财产性收入实现的重点应关注区域经济发展。增强区域发展的协同性和联动性，有效带动产业布局优化，充分发挥农地流转优势。除此之外，还需促进地方农地市场交易和农民广泛参与。