宅基地征收对农户就业及福利的影响——基于CHIP数据的实证分析

郭贯成，韩小二

（南京农业大学 公共管理学院，江苏 南京210095）

宅基地改革体现了我国“三农”制度框架下治理模式改革的能力，也是当前农村改革的重点。党的十九届五中全会指出：当前我国城乡区域发展和收入差距较大，应当深化农村改革，健全区域协调发展体制，完善新型城镇化战略。当前我国城镇化的制度困境是城镇建设用地短缺［1］，而农村建设用地特别是宅基地低效利用［2］、荒废闲置［3］的问题严重。在此背景下［4］，宅基地征收对于提升我国宅基地利用效率、缓解城乡用地矛盾和促进城乡一体化具有重要的意义［5］。自2015 年全国人大常委会授权在全国33 个县开展土地制度改革以来，全国各地都在积极开展宅基地有偿使用和自愿有偿退出机制的探索。宅基地征收实施成效怎样？对农户就业又有着怎样的影响？这是当前亟待政府和学术界研究的重要课题。

学术界对失地农户的就业安置及福利补偿进行了深入研究，并取得了较为丰硕的成果。已有研究主要包括宏观与微观两个方面：关于宅基地征收宏观层次的研究包括补偿类型［6］、补偿标准［7］、权益保护［8］、制度结构［9］等方面；关于宅基地征收微观层次的研究包括福利水平测度［10］、福利影响因素［11］、就业保障［12］、福 利 差 距［13］等 方 面。此 外，学 者 们 还 在供给侧结构［14］、城乡建设用地增减挂钩［15］等背景下，采用内源式发展视角［16］、微观福利视角［17］、福利多元主义视角［18］分析了宅基地征收对农户福利的影响。通过文献梳理发现，已有研究在以下两个方面仍需进一步拓展：①宅基地征收对农户福利水平有影响，对不同消费结构的农户影响程度存在差异，但目前文献对此关注不够。②现有文献重点在测度失地农户的福利水平，地域、人力因素调节效应的研究并不多见。基于此，本文以CHIP 项目调查数据，通过探究地域、人力因素的调节效应，运用OLS 回归、SUR回归、分位数回归分析了宅基地征收对农民就业及福利的影响，以期为我国宅基地征收制度改革提供参考。

1 数据来源与变量选择

1.1 数据来源

本文所使用的数据主要来源于中国居民收入调查项目，该调查项目包含了城镇人口、迁移人口和农村人口的相关调查数据。鉴于本文的研究对象主要是农户，故选取39066 个农户数据作为研究对象。

1.2 变量定义

被解释变量：本文根据农户的个体特征和家庭特征的差异选取就业选择、就业安排、家庭劳动力配置3 个指标来反映农户的就业影响因素。在农户福利指标方面，结合已有成果，本文主要选取可支配收入、消费支出、幸福感与健康水平4 个福利指标。在经济学研究中，一般用“效用”代表“福利”，但“效用”取决于“消费”，“消费”主要依赖于“收入”，因此“收入”也经常用以测度“福利”，但是“收入”并不足以完全反映福利水平。基于古典经济学“经济人”的假设，“效用”的主观动机是行为决策的直接原因［19］，经济学也一直在围绕“效用”展开研究［20，21］。其中，森的可行能力理论［22］认为健康程度是实现效用的前提，故“健康”也是反映福利水平的重要指标［23］。农户收入是反映福利的关键指标，因此本文首选“收入”衡量福利。但是，用收入来反映福利也有局限性，主要体现在以下两个方面：一方面，福利具有时间上的持续性，收入提升并不能直接转换成福利提升；另一方面，受制于“财不外露”传统观念影响，收入低报瞒报的现象较为普遍。鉴于此，本文除了选择收入与消费数据外，还选择农户幸福感和健康水平来反映农户福利。

解释变量：本文选取的关键解释变量为“宅基地征收”。该指标主要来源于“本户是否有过被征地的经历？”这一问题，包括“1 ＝耕地和宅基地均被征收、2 ＝耕地被征收、3 ＝宅基地被征收、4 ＝无”4 个选项。因为本文重点关注的是宅基地征收对农户就业及福利的影响，所以根据选项1 和选项3 生成二元变量，选项含义为“0 ＝宅基地未被征收、1 ＝宅基地被征收”。

控制变量：户主是家庭决策的主体，会影响其他家庭成员的就业选择，鉴于此，本文选择“户主性别、年龄、婚姻”等控制变量。此外，儿童与老年人口比重也是影响劳动力配置的原因［24，25］，因此本文也选取了这两个控制变量。因为县级政府是宅基地征收的决策者和执行者，所以农户所在县的宅基地市场情况，是影响农户就业决策的环境因素。本文在分析宅基地征收对农户就业及福利的影响时，还选择了所在县宅基地的市场发育情况，采用同县城其他家庭宅基地出租的比重反映所在县宅基地市场情况。

工具变量：由于“宅基地征收”可能是内生变量，需要使用工具变量来解决模型的内生问题。根据同侪效应，所在集体的某些要素会影响个体的经济行为［26］，在微观经济学中常常选用集聚数据作为工具变量［27］。在本研究中，县级政府宏观决策是宅基地征收的重要政策因素，因此以同县城宅基地征收比重作为工具变量。同县城宅基地征收比重越大，该农户宅基地被征收的可能性就越高。

1.3 描述性统计

农户就业选择：农户的主要就业选择为家庭农业（45. 81%）、本 地 农 业（16. 91%）、外 出 就 业（18.82%），较少的在本地非农（6.69%），因种种原因待业的占比为22.24%（表1）。宅基地征收组与非宅基地征收组的差异主要体现在宅基地征收组从事家庭农业生产的农户更少。非宅基地征收组从事家庭农业生产的占比为57.50%，比宅基地征收组高14.84%。宅基地征收破坏了传统小农生产方式，影响了家庭农业生产。宅基地征收组的本地农业工作的比重略高。在宅基地征收组中有20.70%的农户从事本地农业性工作，比非宅基地征收组高了8.20%。在外出就业方面，宅基地征收组和非宅基地征收组差异不太大。宅基地征收组外出就业占比为18.75%，非宅基地征收组的占比为18.96%，两者几乎相同。宅基地征收组待业比重更低。在非宅基地征收组中待业的农户的占比为88.15%，而宅基地征收组待业比重为0。

农户就业时间：根据农户就业时间安排的组间差异（表2）发现，宅基地征收组本地农业工作的平均就业时间为1.68 个月，比非宅基地征收组低了0.35个月；宅基地征收组家庭农业平均时间是1.30个月，比非宅基地征收组低了0.67 个月；宅基地征收组本地非农就业和外出就业时间分别是0.57 个月、1.74 个月，比非宅基地征收组高出了0.04 个月、0.11 个月。

表1 农户各个就业选择的比重

表2 农户就业时间安排的组间差异

家庭劳动力配置：从农户家庭劳动力配置的组间差异（表3）发现，宅基地征收组平均每户有1.04个劳动力选择家庭农业，而非宅基地征收组平均每户家庭农业劳动力为5.67 个；宅基地征收组平均每户本地农业工作劳动力为0.19 个，比非宅基地征收组低1.01个；宅基地征收组平均每户本地非农工作、外出就业人数为1.07 人、2.23 人，比非宅基地征收组多出1.01 人、2.0人。宅基地征收组平均每户待业人数为1.00 人，而非宅基地征收组平均每户待业人数为2.99 人。

表3 家庭劳动力配置的组间差异

福利水平：宅基地征收组和非宅基地征收组的家庭可支配收入与消费支出的对数密度如图1 所示。单从数值上看，宅基地征收组可支配收入、消费支出的均值为29231.98 元、16829.09 元，而非宅基地征收组为5508 元、3215 元。宅基地征收组曲线整体偏右，其可支配收入、消费支出高于非宅基地征收组。本文还对农户“幸福”与“健康”水平这两个指标的组间差异进行了分析，分析结果表明：农户普遍认为自己生活幸福、身体健康，组间差异并不显著。由于篇幅所限，本文未列出详细结果。

图1 农户福利指标密度

2 实证设计

2.1 模型设定

本文采用回归方程（1）探究了宅基地征收对农户就业的影响。

式中，Employai表示a县农户的从业选择；Exproai为“1”时为宅基地被征收，为“0”时表示宅基地没有被征收；Xai表示农户个体和家庭特征；Zai表示县特征；θc表示县的个体效应。

本文采用回归方程（2）分析了宅基地征收对农户就业时间的影响。

式中，Timeai表示a县农户i 的各项从业就业时间；其他解释变量的含义与式（1）相同。

由于劳动时间之和是固定值，农户各项从业选择的就业时间同期相关，解释变量对所有的农户就业时间同时产生影响。如农户分配给非农就业的时间越多，农业就业时间就会减少。鉴于此，本文拟用似不相关回归法（SUR）对家庭农业时间、本地农业时间、本地非农时间、外出就业时间4 个方程进行系统估计。

本文采用回归方程（3）探究宅基地征收对农户福利的影响。

式中，Welfareai表示农户福利；其他解释变量的含义与式（1）相同。

农户“收入”与“消费”之间同样存在同期相关性，本文同样采用SUR回归法分析宅基地征收对农户福利的影响。对于“健康”与“幸福”水平两个福利指标，本文拟采用线性回归模型进行参数估计。由于这两个指标赋值越小代表农户健康水平、幸福度越高，故为负数代表宅基地征收对农户福利有积极影响。

2.2 内生性检验

本文首先根据变量的组间差异初步判断各个变量内生性。若各个变量组间差异显著，则必须作为控制变量，且模型存在内生性的可能性较大。由表4可知，14 个变量中仅有4 个变量的组间差异没有达到显著水平。

表4 控制变量的组间差异

本文进一步采用工具变量法检验上述控制变量的内生性。根据弱工具变量检验结果（表5），所有模型的偏误临界值均相同。各个模型的Kleibergen-Paap统计量在89.26—158.33 之间，远大于临界偏误值，因此根据同侪效应选择的工具变量不是弱工具变量。内生性检验结果显示，除了本地非农就业和外出就业人数这两个回归方程外，其他11 个方程均不存在内生性。

表5 内生性检验

3 结果及分析

3.1 宅基地征收对从业选择的影响

本文同时采用OLS 回归、Probit 回归和SUR 回归模型来反映估计结果的稳健性。由于随机干扰项的自相关性，所以在进行OLS 和Probit 分析时，以县级层面进行聚类处理。

OLS回归、Probit 回归、SUR 回归结果均说明宅基地征收能够显著提升就业，降低农户从事家庭农业和农业性工作的可能性，促进农户从事本地非农工作和外出就业。基于SUR 模型的结果，宅基地征收使得农户从事家庭农业工作的可能性从0.458下降至0.158（降低了0.30），农户从事本地农业工作的可能性从0.169 下降至0.109（降低了0.06），农户从事本地非农工作的可能性由0.0669 增加至0.216（增加了0.15），农户外出就业的可能性由0.188 增加至0.308（增加了0.12），农户待业的可能性由0.222下降至0.216（降低了0.06）。由于就业选择的同期相关性，从农业部门解放的劳动力会扩散至其他就业部门，故宅基地征收对农业性工作的影响应大于等于其他就业选择。表6 中第（1）列和第（2）列宅基地征收系数的绝对值之和大于等于其他列的宅基地征收系数绝对值之和。由于在本地非农就业的回归方程中，宅基地征收存在内生性，因此针对本地非农就业再次采用工具变量回归，宅基地征收的回归系数变成-0.03，并达到了1%的显著水平。

表6 宅基地征收对农户从业选择的影响

3.2 宅基地征收对农户就业时间的影响

宅基地征收显著减少了农户家庭农业、本地农业工作的时间，而增加了本地非农和外出就业的时间（表7）。根据SUR回归的结果，从平均意义上讲，宅基地征收使得农户家庭农业就业时间下降了1.18个月，本地农业工作就业时间下降了0.27 个月，促使本地非农就业时间、外出就业时间分别增加了0.35个月、0.59 个月。此外，回归结果还显示宅基地征收会导致农户待业时间减少0.51 个月。同样，由于就业时间的同期相关性，宅基地征收减少的农业性工作就业时间会分散到不同的部门，故回归结果中第1、2 列系数绝对值之和应大于等于第3、4 列系数绝对值之和，估计结果与此一致。

表7 宅基地征收对农户就业时间的影响

3.3 宅基地征收对家庭劳动力配置的影响

宅基地征收能够显著降低家庭农业和本地农业工作的劳动力就业人数，对本地非农、外出就业人数有显著的正向影响（表8）。根据SUR 回归结果，宅基地征收使得家庭农业劳动力减少了0.27 个、本地农业工作劳动力减少了0.09 个，本地非农劳动力增加了0.17 个。鉴于就业劳动力配置的同期相关性，回归结果第1、2 列宅基地征收系数绝对值之和应大于等于第3、4 列系数绝对值之和。在外出就业人数回归方程中，宅基地征收存在内生性，针对外出就业人数采用工具变量法重新估计，发现宅基地征收的回归系数变为0.09，并达到了1%的显著水平。

表8 宅基地征收对家庭劳动力配置的影响

3.4 地域调节效应分析

宅基地征收主要是为了提升宅基地利用效率，减少宅基地闲置，为城镇发展提供动力。在经济发展水平较高的地区，宅基地征收发生的概率较高，非农就业市场相对来说也更加完善。由于样本数据中有48 个县的1538 个家庭的宅基地未被征收，有4个县在宅基地虽然全部征收，但是户主并未从事农业就业，因此上述结果宅基地征收的非农就业效应偏大。本文去掉了上述48 个县的样本之后重构估计，重构样本的估计结果见表9。表9 中重构结果与上述结果方向、大小大致相同，甚至部分回归方程宅基地征收的估计系数变大。

表9 重构样本的回归结果

3.5 人力因素条件效应分析

根据上文分析结果，宅基地征收主要促进了农户本地非农就业与外出就业。农民滞留在农村可能是人力资本过低，妨碍了农村劳动力向非农就业部门转移。为进一步验证人力资本的调节效应，本文构建了宅基地征收虚拟变量，并计算了虚拟变量与户主年龄、受教育年限的两个交互项系数。

从回归结果来看（表10），在本地非农就业与外出就业交叉项估计系数中，交叉项的系数不显著为正时，说明宅基地征收并不能促进人力资本较低的农户非农就业；交叉项的系数显著为正时，也并非说明这类农户非农就业不受人力资本制约，而是这类农户本身人力资本较高，即使没有宅基地征收，依然会选择非农就业。由此说明，宅基地征收更倾向促使人力资本不高的农户非农就业。在家庭农业与本地农业工作交叉项估计系数中，交叉项系数要么显著为负要么不显著，说明宅基地征收不能促进人力资本较低的农户从事家庭农业与本地农业工作。从估计结果来看，外出就业的主要限制条件是教育年限而非年龄，说明宅基地征收更难促进教育水平较低的农户非农就业。

表10 宅基地征收对劳动力配置的影响

3.6 宅基地征收对福利的影响

尽管宅基地征收会促进农户参与非农就业，改善农户待业情况，但是也会降低家庭农业收入，增加家庭生活支出，因此衡量农户福利的关键在于非农收入是否能够补偿农户农业收入损失。为此，需要进一步验证宅基地征收对福利的影响（表11）。从表11 可见，宅基地可以显著提升家庭可支配收入和家庭消费支出，其回归系数分别为0.61、0.21，但这并不能说明宅基地征收能够促使农户生活水平提升。在此基础上，本文探究了宅基地征收对农户幸福感和健康的影响（表12）。从表12 回归结果看，宅基地征收对幸福感和健康的影响显著为负，说明宅基地征收能够显著提升农户幸福感和健康。

表11 宅基地征收对收入及消费的影响

表12 宅基地征收对幸福感和健康的影响

宅基地征收对不同等级的农户影响可能不同。低收入农户生活较为节约，宅基地征收对其消费结构的影响不大。低收入农户的福利水平较低还可能是因为没有条件外出就业，那么宅基地征收就会降低这部分农户的福利水平。另外，低收入农户与高收入农户的基数不同，消费和收入增加相同的幅度会对前者产生更大的影响。为了探究宅基地征收对福利的影响与收入和消费水平是否有相关性，本文采用分位数回归法进行估计，以0.1、0.3、0.5、0.7、0.9 为代表性分位点，利用自举法，重复抽样500次，计算估计系数的标准误（表13）。

表13 宅基地征收对福利的影响：分位数回归

宅基地征收对收入和消费均有正向影响，在最高分位点上宅基地征收的影响更为显著。在不同分位点上，宅基地征收对家庭可支配收入、消费支出的估计系数及其置信区间（95%的置信水平）如图2a所示。

宅基地征收对家庭可支配收入、消费支出的影响结果见图2b。从图2b 可见，宅基地征收系数随着分位数的增加而上升，与此同时，系数的显著性也随着分位数的增加而上升。宅基地征收对各个阶层的收入、消费均有显著影响，其中10%的高等级组农户的收入、消费提升度最高，收入提高了80%，支出提高了72%。因此，宅基地征收更能改善高等收入/消费农户的福利。

图2 宅基地征收的估计系数及置信区间

4 结论与政策建议

4.1 结论

本文根据CHIP项目调查数据，采用OLS 回归、SUR 回归、分位数回归等方法探究了宅基地征收对农户就业及福利的影响，得出以下主要结论：①被征收宅基地的农户以从事本地家庭农业和外出就业为主，以从事本地农业性工作和待业为辅，少许从事本地非农工作。②宅基地征收促进了农户非农就业。在就业选择的方面，宅基地征收使得农户从事农业性工作的可能性下降，对农户解决失业问题也有一定的积极作用；在农户就业时间分配方面，宅基地征收能够显著延长农户非农就业时间，对于丰富农户家庭收入来源具有积极意义；在家庭劳动力配置方面，宅基地征收对于解放农村剩余劳动力，促使农业劳动力向非农部门扩散具有积极意义。③宅基地征收在一定程度上改善了农户福利，福利提升最大的阶层是高等收入/消费的农户。宅基地征收显著提升了农户家庭可支配收入和消费支出。此外，宅基地征收后农户的幸福感和健康水平显著提高，但不同阶层农户对收入/消费提升的敏感度不同，其中10%的高等收入/消费农户因宅基地征收后福利提升效果最为明显。

4.2 政策建议

综上所述，宅基地征收作为一种行政性资源配置手段，对于实现农户就业结构转型，提升失地农户福利水平具有积极意义。由于宅基地的重置成本过高，加之不可移动性的自然属性，导致宅基地市场配置效率的低下。强制手段的征收机制，虽然可以降低交易费用，但是与此同时，失地农户福利也常常被忽视。基于保障农户财产性权益的准则，本文提出以下政策建议：①完善被宅基地征收农户再就业保障。由于农村人力资本受教育水平较低、老龄化严重、非农就业经验匮乏，导致农户在宅基地征收之后很难再就业，失地农户面临很高的失业风险，所以政府在宅基地征收过程中应当完善就业安置、股份安置、养老安置等手段，充分吸纳农村劳动力，提升农户风险防范能力。②完善中低等农户收入/消费群体福利保障机制。中低等收入/消费农户再就业能力较差，宅基地征收很难促进这类群体转变就业结构，这是宅基地征收后其福利提升效果不明显的原因。在宅基地征收过程中，需要创造就业岗位，促使失地农户外出就业或在本地非农就业。在宅基地征收之后，当地有关部门应密切关注这类群体，向其提供生活补助、就业指导和养老保障等。③扩大宅基地征收政策宣传，提升农户自主权。在宅基地征收制度改革中，通过政策宣传降低交易费用，使农户清楚认识到宅基地征收在资源配置过程中的积极意义，以提升农户“配合度”。此外，由于农户在交易过程中处于天然的弱势地位，须增强农户自主权，尊重农户谈判权，扩大公众参与，达成共识。