农业技术培训对农户家庭非农就业转移的影响

王丹 陈江华 李道和

[提 要]基于CLDS2016数据，运用倾向得分匹配法，实证分析农业技术培训对农户家庭非农就业转移的影响。研究发现，农业技术培训对农户家庭非农就业转移有显著抑制作用;家庭劳动力人数和农业机械化水平对农户参加农业技术培训有显著正向影响;户主年龄、户主非常健康的身体状况和村庄交通状况与农户参加农业技术培训存在显著负相关关系。据此提出，应进一步加大宣传力度以营造良好氛围、合理制定方案以提升培训质量、重视培训效果并提高后续服务，从而增强农业技术培训的针对性和培训效果，为农业可持续发展留住人才，助力乡村振兴战略实施。

[关键词]农业技术培训;非農就业;农户;倾向得分匹配

[作者简介]王丹（1995—），女，江西农业大学经济管理学院硕士研究生，研究方向为农业经济管理;陈江华（1989—），男，江西农业大学经济管理学院讲师，博士，研究方向为农业经济管理;李道和（1972—），男，江西农业大学人文与公共管理学院教授，博士生导师，研究方向为农业经济理论与政策。（江西南昌 330045）

[基金项目]国家自然科学基金重点项目“乡村振兴进程中的农村经济转型的路径与规律研究”（71934003）;江西省社会科学规划项目“农地确权、细碎化与农村劳动力非农转移”（19YJ36）

农村劳动力转移对国民经济发展具有十分重要的作用。一方面，农村劳动力参与非农转移有助于增加农民收入，助力脱贫攻坚战，为城市输入了大量廉价劳动力，进而促进国民经济发展。另一方面，农村劳动力向城市转移缓解了农村紧张的人地关系矛盾，为农村土地资源优化配置创造了条件，推动了农业适度规模化经营。然而，当前中国农业劳动力转移仍存较大潜力，农业劳动力所占比重仍较高，需要进一步转移[1]。与此同时，国家实施了一系列农业技术培训项目，提高了农业经营主体素质，有力地推动了先进农业技术的应用，从而影响农村劳动力非农转移的决策。鉴于此，研究农业技术培训与农户家庭非农就业转移的关系具有重要的理论与现实意义。

一、文献综述

（一）农村劳动力非农就业转移影响因素研究

近年来，众多学者致力于农村劳动力非农转移影响因素的研究，研究成果主要集中于宏观和微观两个层面上。在宏观层面上，许多学者从产业结构、非经济预期因素、土地制度等角度对影响农村劳动力非农就业的因素进行了研究。其中，王巧等基于2008-2016年全国省级面板数据，研究发现产业结构升级能够显著促进农村劳动力由第一产业向第二、第三产业转移[2];何微微等将非经济预期因素纳入托达罗模型中，研究表明情感预期、职业预期和发展预期对农村劳动力非农就业转移意愿有重要影响[3];陈江华等基于2016年江西省农户调查数据，发现农地确权降低了农民离农失地的风险，保障了非农劳动力的土地权益，进而提高了农村劳动力参与非农就业的意愿[4]。在微观层面上，已有研究分析了个人特征、家庭特征、社会资本和人力资本对农村劳动力非农就业转移的影响。其中，程名望等基于2003-2006年全国农村固定观察点数据，研究发现农村剩余劳动力转移受个体特征和家庭特征因素综合影响[5];刘一伟等基于2016年中国家庭追踪调查数据，实证分析发现社会资本能够弥补劳动力市场中信息不对称的问题，扩大非农就业机会，降低职业搜寻成本[6];于雁洁和于大川等实证分析发现受教育程度和职业技术培训等人力资本存量的增加，能够促进农村劳动力参与非农就业[7][8]。

（二）农业技术培训研究

现有围绕农业技术培训展开的讨论主要聚焦于两个方面：一是农户参加农业技术培训意愿的影响因素研究。翟黎明等基于陕西省农民抽样调查数据，研究发现受教育程度、土地经营规模以及家庭人口数等因素对农民参加培训意愿有显著影响[9];连大鹏等研究发现除了个体特征和家庭特征因素外，对政策的了解程度也是影响农民参加培训意愿的一个重要因素[10];王倩等基于陕西省猕猴桃主产区种植户的调查数据，研究发现农业产业化显著影响农户参加农业技术培训[11]。二是农业技术培训对农户收入增长的影响。乔慧对农业技术培训与农户收入问题进行实证研究，结果表明农业技术培训能够显著提高农民农业纯收入[12];但潘丹和江晓敏等发现纠正样本自选择问题后，农业技术培训对农户收入提高的作用更小[13][14]。

上述研究成果对本文研究提供了有效的理论和方法借鉴，但同时也反映出，目前把农业技术培训与农户家庭非农就业转移联系起来的研究相对较少，仅有部分学者认为非农技术培训的回报率高于农业技术培训的回报率，理性的农户会以家庭收入最大化为目标，向非农产业倾斜[15]，但未考虑自选择问题。基于上述分析，本文将利用2016年中山大学“中国劳动力动态调查（China Labor-force Dynamics Survey，CLDS）”的微观数据，在考虑了样本自选择问题的基础上，运用倾向得分匹配法，分析农业技术培训对农户家庭非农就业转移的影响，以期丰富相关领域理论研究，进一步促进农业现代化发展，推动农业劳动力非农就业转移。

二、数据来源、变量设置与模型构建

（一）数据来源

本研究采用的数据来源于中山大学在2016年开展的中国劳动力动态调查（CLDS）数据。该调查到目前为止已经进行了四次，是一项包括劳动力个体、家庭和社区三个层面的大型追踪调查。CLDS2016采用多阶段、多层次、与劳动力规模成比例的概率抽样方法，数据涉及全国（港澳台、西藏、海南除外）29个省、自治区、直辖市，401个村居，14226户家庭，21086个个体，具有抽样方法科学、样本覆盖范围广、代表性强等特点。本文通过对数据的整理，剔除无效样本后，最终获得4578个有效样本。

从样本的基本情况可知（表1）：非农就业转移方面，共3304户家庭有非农劳动力，占样本总量的72.18%，表明有一半以上的农户家庭参与了非农就业转移;培训方面，参加农业技术培训的农户达到3177户，占总样本69.39%，表明一半以上的农户家庭参加了农业技术培训，培训积极性相对较高;性别方面，户主为男性的农户家庭占总样本的92.02%，表明受传统习惯的影响，男性户主在家庭决策方面发挥着主要作用;年龄和受教育程度方面，户主年龄主要在40岁～60岁之间，初中及以下受教育程度的户主占样本总量的89.52%，户主受教育程度普遍偏低;健康方面，户主身体状况处于非常健康水平仅占18.09%，表明当前户主身体健康水平普遍偏低;家庭特征方面，近56%的样本农户中家庭劳动力人数为3人及以上，家庭土地耕种面积5亩以下的农户家庭占样本总量的53.33%，农业机械化水平处于全机械化程度的农户家庭仅有1074户，占样本总量的23.45%;交通方面，一半以上的农户家庭所在的村庄路面硬化比例达60%以上，表明农户所在村庄交通较为便利。

（二）变量设置

本研究将变量分为因变量、自变量和控制变量。各变量的赋值和描述性统计具体如表2所示。

1.因变量。因变量为农户家庭是否有非农劳动力。若农户家庭有非农劳动力，赋值为1，若农户家庭没有非农劳动力，赋值为0。从表2可见样本农户家庭中是否有非农劳动力的平均水平为72.2%，表明超过三分之二的样本农户家庭参与了非农就业。

2.自变量。自变量为农业技术培训。若农户参加农业技术培训，赋值为1，未参加农业技术培训，赋值为0。由表2可知其均值为0.69，表明69%的农户参加了农业技术培训，培训的参与度相对较高。

3.控制变量。控制变量包括户主性别、户主年龄、户主受教育程度、户主健康状况、家庭劳动力人数、家庭土地耕种面积、农业机械化水平和村庄交通状况。其中，户主性别的均值为0.92，表明92%的被调查农户家庭户主为男性;户主年龄的均值为54.86，表明被调查农户家庭户主年龄普遍偏大;户主受教育程度的均值为2.48，表明被调查农户家庭户主受教育程度普遍较低，以小学为主;户主健康状况的均值为3.44，表明被调查农户家庭户主的健康状况普遍处于一般水平;家庭劳动力人数的均值为2.86，表明被调查农户家庭劳动力规模集中在3人;家庭土地耕种面积的均值为4.89，表明被调查农户家庭土地耕种规模较小;农业机械化水平的均值为1.88，表明被调查农户家庭农业机械化水平普遍不高;村庄交通状况的均值为61.68，表明被调查农户家庭所在村庄道路硬化比例相对较高。

（三）模型构建

基于已有研究，我们发现农业技术培训存在一些问题会影响其对农户家庭非农就业轉移的结果。第一，农户参加农业技术培训以自愿原则为基础，其参加培训决策可能受个人因素、家庭因素及其他外部因素的影响。样本中农户参加农业技术培训与未参加农业技术培训并非随机划分，从而可能导致估计的偏误;第二，农户是否参加农业技术培训，可能由一些不可观测因素（智力、风险偏好）影响，导致分析农业技术培训对农户家庭非农就业转移的作用时，存在内生性问题;第三，在参加农业技术培训和未参加农业技术培训两者中，任一农户在同一时间点能够被观测到的行为只能存在一种状态。即参加农业技术培训的农户在未参加农业技术培训时的行为无法直接观测到，存在“数据缺失”问题。为解决上述问题，本文借鉴潘丹[16]利用倾向得分匹配（PSM）的研究方法，实证分析农业技术培训对农户家庭非农就业转移的影响。

倾向得分匹配法（PSM）的基本思想是在控制组（未参加农业技术培训）的样本中，选择与处理组（参加农业技术培训）样本农户特征相同的个体，并且这些相同的特征能够被观察到，通过一定的方式匹配后，比较处理组和控制组在农户家庭非农就业转移上的差异，来判断农业技术培训与农户家庭非农就业转移之间的因果关系。研究步骤如下：

1.估计倾向得分。根据Rosenbaum等（1985）的定义[17]，农户参加农业技术培训的倾向得分为既定条件下农户参加农业技术培训的概率。因此，构建一个农户参加农业技术培训的概率模型，其表达式为：

3.计算平均处理效应。参加农业技术培训对农户家庭非农就业转移影响的平均处理效应（ATT）为：

其中，Y1i为参加农业技术培训的农户家庭非农就业转移情况，Y0i为未参加农业技术培训的农户家庭非农就业转移情况。E（Y1i│Di=1）可以观测到，E（Y0i│Di=1）不能观测到，是反事实结果。

三、实证分析

（一）倾向得分的logit估计

本文采用logit模型估计倾向得分，因变量为农户是否参加农业技术培训，估计结果见表3。回归结果表明，户主年龄、户主非常健康的身体状况、家庭劳动力人数、农业机械化水平和村庄交通状况等变量对农户参加农业技术培训影响显著。其中，户主年龄在10%的水平上显著负向影响农户参加农业技术培训，表明农户年龄越大，其参加农业技术培训的概率越低。这主要是由于农户年龄越大，农业生产经验越丰富，对农业新技术不信任，受传统观念的影响，不易接受新事物，因而对农业技能、方法学习动力不强，不去参加农业技术培训。与非常不健康的户主相比，非常健康的身体状况在5%的水平上显著负向影响农户参加农业技术培训，表明农户身体越健康，其参加农业技术培训的概率越低。这主要是因为身体状况非常健康的农户有充足的体力和精力，是家庭中主要劳动力，在农业生产中需要投入更多的时间，因而缺乏学习新技术的时间，增加了参加培训的阻碍。农户家庭劳动力人数在5%的水平上显著正向影响农户参加农业技术培训，表明家庭劳动力人数越多，其参加农业技术培训的概率越大。这主要是由于农户家庭劳动力人数越多，说明家庭人口基数大，相应的经济负担较大，需要通过农业技术培训提高农业生产效率，缓解经济压力。农业机械化水平在1%的水平上显著正向影响农户参加农业技术培训，表明农户家庭农业机械化水平越高，其参加农业技术培训的概率越大。这主要是由于农业机械化水平越高，农户对科学技术的重视程度与信任度越高，从而越倾向于通过科学技术进行农业生产，提高农业生产效率，增加农业收入。村庄交通状况在1%的水平上显著负向影响农户参加农业技术培训，表明村庄交通越差，农户越倾向于参加农业技术培训。这主要是由于村庄交通条件越差，农户选择外出非农就业的机会降低，农业收入是家庭收入的主要来源。因此，农户会倾向于参加农业技术培训，提高农业生产力，增加农业收益。上述结果表明样本中农户参加农业技术培训并非随机选择，因而可以认为农户参加农业技术培训存在自选择的问题。如果忽略这种样本自选择问题，直接比较处理组和控制组两组之间农户家庭非农就业转移会导致估计上的偏误。

（二）倾向得分匹配估计结果

根据处理组与控制组的倾向得分，本文采用近邻匹配法估计农业技术培训对农户家庭非农就业转移的处理效应，估计结果见表4。匹配后T>1.96，表明农业技术培训对农户家庭非农就业转移有显著影响。而处理组与控制组的差距为负数，则表明参加农业技术培训在1%统计水平上显著负向影响农户家庭参加非农就业。即农户参加农业技术培训，其非农就业转移的可能性下降。这主要是由于参加了农业技术培训的农户，提高了农业生产率，降低了农业生产成本，使农户在农业生产方面更具有比较优势，从而提高了农户的农业生产积极性，并将更多的劳动力要素投入到农业生产领域，进而阻碍家庭劳动力非农转移。为保证农业技术培训对农户家庭非农就业转移效应结果的准确性，本文同时运用了卡尺匹配法对数据进行匹配，匹配后得出了相似的结论，研究结果具有一定的稳健性。

四、结论与对策

（一）结论

基于CLDS 2016数据，运用倾向得分匹配法实证分析了农业技术培训对农户家庭非农就业转移的影响，得出以下结论：

1.农业技术培训显著负向影响农户家庭劳动力参与非农就业转移。农户参加农业技术培训，其家庭劳动力非农就业转移的可能性下降，但继续从事农业生产的可能性却提高。这主要是由于参加农业技术培训提高了农户农业生产能力，使农户在农业生产方面更具有比较优势，从而诱使参与农业技术培训的农户继续从事农业生产，并将更多的劳动力要素投入到农业生产领域，而不是将家庭劳动力配置到非农领域，意味着农业技术培训有助于为乡村振兴留住人才，促进乡村振兴目标的实现。

2.控制变量对农户参加农业技术培训的影响存在差异。其中，户主年龄、户主非常健康的身体状况和村庄交通状况显著负向影响农户参加农业技术培训，家庭劳动力人数和农业机械化水平显著正向影响农户参加农业技术培训。

（二）对策

农业技术培训有利于提高农户的农业生产能力。随着经济社会的发展和进步，应进一步精准识别农业技术培训对象以增强培训效果、加大农业技术培训宣传力度以营造良好的农业技术培训氛围、合理制定农业技术培训方案以提升培训质量、完善农业技术培训考核标准并加强后续服务，从而增强农业技术培训的针对性和培训效果，为农业可持续发展留住人才，助力乡村振兴战略实施。

1.精准识别农业技术培训对象，增强培训效果。乡村振兴离不开人才的振兴，而农业技术培训有助于为乡村振兴留住人才。一要对培训对象进行精准识别。重点为具有务农意愿与务农比较优势的农民与新型农业经营主体提供实用性的农业技术培训，提高其农业生产技能，增强其扩大生产经营规模的意愿，从而使参与农业技术培训的对象成为促进乡村振兴的中堅力量。二要对培训需求进行精准识别。培训内容不应以专家或培训主体为依据，应做好培训前对农户进行调研的工作，收集农户在农业技术方面存在的问题，以农户需求为出发点，才能增强农业技术培训的效果。

2.加大农业技术培训宣传力度，营造良好氛围。良好的培训氛围有利于农户及时获取农业技术培训信息，快速融入进农业技术培训的环境中，应进一步加大宣传力度以创造良好的培训氛围。一要借助媒体的作用。除电视、广播等传统媒体外，新媒体传播速度更快、范围更广的特点能够有效提高宣传力度。通过传统媒体与新媒体相结合的方式，宣传农业技术培训的成功案例，使农户充分意识到农业技术的重要性，从而吸引农户参加农业技术培训。二要发挥示范的功能。媒体传播有一定的局限性，会让部分农户产生怀疑心理。发挥农业科技示范户的作用，鼓励农户参观学习，消除农户对农业技术培训的顾虑，提升农业技术培训的影响力，从而农户参加农业技术培训的热情。

3.合理制定农业技术培训方案，提升培训质量。合理的培训方案更能让农户接受，有利于农户通过参加农业技术培训真正学有所得。一要实现培训主体多元化。农业技术培训不应拘泥于以政府为主体，应设立农业技术培训专项基金，鼓励引导农业企业、农业高校等培训主体参与到农业技术培训的工作中来。二要提高培训方法科学性。农业技术培训的方法要科学，不能只拘泥于理论，更不能脱离理论，要实现理论与实践相结合，重视田间培训的作用，增强农户对农业技术的理解，使其充分认识到农业技术培训的实用性。

4.完善农业技术培训考核标准，加强后续服务。农业技术培训达到好的效果，才能提高农户的农业生产能力，使农户意识到培训给农业生产带来的比较优势，从而促进农户继续从事农业生产。一要完善考核标准。培训不能流于形式，既要建立培训主体和老师的考核标准，评估其教学质量，也要完善参加培训的农户的考核标准，评估农户掌握农业新技术的能力，检验农业技术培训效果。二要建立培训效果跟踪机制。农业技术培训不仅包括培训实施阶段，还要关注事后培训阶段。农业技术培训完成后，要定期跟踪农户农业技术培训效果，及时发现农户遇到的问题，并提供针对性的解决方法。

[参考文献]

[1]蔡昉.农业劳动力转移潜力耗尽了吗？[J].中国农村经济，2018，（9）.

[2]王巧，尹晓波.产业优化升级对劳动力转移就业的影响研究[J].华侨大学学报（哲学社会科学版），2019，（2）.

[3]何微微，胡小平.非经济预期因素对农村劳动力转移的影响——托达罗模型的修正与实证检验[J].农业技术经济，2017，（4）.

[4]陈江华，罗明忠，洪炜杰.农地确权、细碎化与农村劳动力非农转移[J].西北农林科技大学学报（社会科学版），2020，（2）.

[5]程名望，潘烜.个人特征、家庭特征对农村非农就业影响的实证[J].中国人口·资源与环境，2012，（2）.

[6]刘一伟，刁力.社会资本、非农就业与农村居民贫困[J].华南农业大学学报（社会科学版），2018，（2）.

[7]于雁洁.人力资本对农民非农就业机会的改善效应探析[J].改革与战略，2016，（1）.

[8]于大川，赵小仕.人力资本能否促进农村劳动力的非农就业参与——基于CHNS面板数据的实证分析[J].农业经济，2016，（7）.

[9]翟黎明，夏显力，孙养学.农户参与新型职业农民培训意愿及影响因素分析——对陕西关中四市的调查[J].职业技术教育，2016，（21）.

[10]连大鹏，许月明.贫困山区农民参加技能培训影响因素的决策模型与实证分析[J].贵州农业科学，2014，（6）.

[11]王倩，卜风贤.基于农业产业化的农民科技培训需求意愿分析——以陕西省948个猕猴桃种植户为例[J].西北农林科技大学学报（社会科学版），2014，（5）.

[12]乔慧，程郁，曾起艳，等.农业技术培训对农户农业收入影响的实证研究——基于1123户农户的调研[J].调研世界，2016，（5）.

[13]潘丹.自选择、农业科技培训与农村居民收入的关系[J].中国农业大学学报，2015，（2）.

[14]江晓敏，郑旭媛，刘伟平.技术培训对油茶种植户增收效果分析——基于倾向得分匹配法的估计[J].林业经济，2017，（10）.

[15]程名望，盖庆恩，JIN Y，等.人力资本积累与农户收入增长[J].经济研究，2016，（1）.

[16]潘丹.农业技术培训对农村居民收入的影响：基于倾向得分匹配法的研究[J].南京农业大学学报（社会科学版），2014，（5）.

[17]Rosenbaum P R，Rubin D B.Constructing a control group using multivariate matched sampling methods that incorporate the propensity score[J]. The American Statistician， 1985， （1）.

[责任编辑：黄贝如]