农户宅基地退出的影响因素效应量评估

闫 啸,李录堂,牛 荣

(西北农林科技大学 经济管理学院,陕西 杨凌 712100)

引 言

随着城镇化、工业化进程的加快,大量农民从农村涌向城市,农民对宅基地的居住功能诉求在逐步减弱,宅基地闲置情况普遍。与此同时,城镇建设用地缺口增加,土地资源配置不均衡,背离了土地集约利用的原则。针对这种情况,2014年12月,中共中央办公厅和国务院办公厅联合印发了《关于农村土地征收、集体经营性建设用地入市、宅基地制度改革试点工作的意见》,明确提出探索宅基地自愿有偿退出机制。2018年中共中央国务院印发的《关于实施乡村振兴战略的意见》中首次提出宅基地所有权、资格权和使用权“三权分置”。这是宅基地制度改革的重大突破,旨在兼顾宅基地的保障功能与财产功能。2019年9月,中共中央农村工作领导小组与农业农村部联合印发《关于进一步加强农村宅基地管理的通知》,其中明确指出要“鼓励村集体和农民盘活利用闲置宅基地和闲置住宅”。上述文件的出台为盘活农村存量建设用地、提高土地资源利用率提供了坚实的政策基础。改革和完善现行的农村宅基地使用与管理制度,是当前国家推进农地制度改革、推动农村土地高效利用和激活土地财产功能的重要路径选择。在宅基地“三权分置”的背景下,研究和把握农户宅基地退出的影响因素,引导农户有序自愿退出,是制度设计的关键。

一、数据来源与研究方法

(一)文献来源与编码

1.文献检索与筛选。本文数据来源于已公开发表的期刊文章,为尽可能多地获取农户宅基地退出的影响因素相关研究成果,本研究以2007-2020年7月为期间,按照以下方法搜集文献:(1)以“宅基地退出”或“退出意愿”或“退出行为”或“退出决策”,并含“影响因素”作为组合,在中国知网、万方数据库、百度学术、中国优秀硕博论文数据库等中文期刊数据库进行检索。(2)以“Homestead exit”或“Homestead withdrawal”或“Quitting rural resident land”或“Homestead exit behavior”或“Homestead disposal”，并含“Influencing factors”作为组合，在百度学术、Elsevier、Web of science中进行检索。(3)为查漏补缺,选择20位本研究领域的学者,查找他们已发表且与本研究主题联系紧密的研究成果。

首次检索得到459篇与本研究主题相关的中、英文文献,通过Noteexpress剔除重复文献238篇,阅读题目与摘要剔除后166篇,补充参考文献后包含的遗漏文献14篇。经上述步骤确定了69篇符合要求的文献,进一步阅读全文并按以下标准进行筛选:(1)研究区域和样本须为中国境内的农户；(2)所选文献中必须包含定量分析,案例和文献综述等研究全部予以剔除；(3)原文中包含宅基地退出或相关处置类型、宅基地退出影响因素或其维度等变量,否则不予编码；(4)报告了pearson相关系数,或有足够信息可转换的路径系数及其方差、标准差,并提供明确的样本量；(5)对同一作者或基于同一套数据的实证研究,优先选择已发表或研究更全面的文献进行编码。

依据上述标准剔除不符合要求文献47篇,剩余22篇文献中,为了排除异质性干扰,剔除4篇采用除Logit、Probit之外其他模型进行实证分析的文献,最终确定符合纳入Meta分析标准的文献18篇,研究区域覆盖中国10个省,总样本量为10 408个农户,文献相关信息见表1。

表1 纳入Meta分析的文献

2.数据编码。为减少编码过程中的主观性,本研究严格遵照Lipsey和Wilson推荐的编码手册并借鉴了以往Meta分析文献编码的操作对纳入文献进行编码[1]。本研究编码对象包括研究描述项和效应值统计项两种,前者主要指研究的基本信息,包括第一作者姓名、发表年份、研究区域、选择模型等;后者主要包括变量Pearson相关系数以及可利用其他方法转化为Pearson相关系数的其他效应值。另外需要考虑:(1)当相关系数来自不同的样本总体时,需进行多次编码。(2)由于需要对宅基地退出影响因素的调节变量进行检验,本研究还对样本区域、研究模型与研究内容三个变量进行编码。由两位研究生分别独立编制研究描述项和效应值编码表并进行交叉核对,首次编码结果的一致率达84.3%。经过回归原文勘误发现,不一致的编码结果主要是由于对某项影响因素的相关系数模型不同导致的。经过修改后第二次编码结果的一致率达97.0%,剩余不一致处参照其他Meta分析文献并与相关专家讨论,最终达成一致。

(二)研究方法

Meta分析最早用于医学领域中研究安慰剂的治疗干预效果,到20世纪90年代,逐渐在自然科学、人文社会科学中得到广泛应用。Meta分析有别于一般的描述性文献综述,它是对同一主题的不同实证研究进行综合性定量分析方法,来解决各项独立研究对同一主题得出不同结论的问题。Meta分析通过效应量将各项独立研究的结果进行整合,再分析其效应及显著性,避免了由于单个研究的抽样或人为误差导致的结果差异。对于存在潜在调节变量的研究中,通过Meta回归分析还能解释潜在变量对结果的影响程度。

在进行单个影响因素分析时,需要至少有两篇及以上的文献涉及到该因素且通过显著性检验,而且该变量在各项独立研究中代表含义要一致或至少相近,来保证效应量合并时的可综合性。通过阅读纳入Meta分析的18篇文献,本文共选择16个影响因素,每个影响因素均有4篇以上文献涉及且通过了检验。将相关系数、样本量、标准差等数据提取后,共获得16组原始数据。借鉴Schmidt和Hunter有关心理计量随机效应的 Meta 分析[2],本研究采用Stata 16.0软件对编码数据进行了处理,主要研究内容包括:主效应检验、稳健性检验与调节效应检验。

首先将相关系数r进行费雪转换:

(1)

Fisher’sZ的方差:

(2)

Fisher’sZ的标准误:

(3)

综合效应量Fisher’sZ转换成综合相关系数R:

(4)

最终本研究共得到效应值137个,独立样本量78 934个。根据计算得出的综合相关系数R的绝对值取值范围来判断变量的相关强度。

说到做到，杰克马上开始收拾行囊，苏婷婷站在一边，束着手，拿不定主意。杰克说：我先到机场，你回去拿了东西就来。苏婷婷犹豫地：杰克，我总觉得咱这样不好。杰克兴奋地：你不觉得这样很刺激吗？跟美国大片一样。苏婷婷低下头：是很刺激，可我爸妈要生气的。杰克：咱下飞机就打电话跟爸妈道歉。好了，婷婷，咱们的浪漫之旅就要开始了，你要高兴点才对。

2.异质性检验。异质性(heterogeneity)是由于参与者、干预措施、测量方式等的差别或研究间真实性变异,导致纳入Meta分析文献的效应量产生变异的程度。如果不考虑组间异质性,将不同研究进行合并分析,就会产生将“橘子”和“苹果”混为一谈的错误。检验异质性通常采用反映效应量的加权离均差平方和的Q统计量及其P值,以及反映异质性在效应量总变异中所占比重的I2统计量。一般而言,如果Q统计量的P≤0.1,I2>50%,则表明除抽样误差外,还有独立研究间的随机差异或某些系统性因素等异质性来源,需要采用随机效应模型;反之,若P>0.1,I2≤50%,则表明效应值呈同质性分布,独立研究的效应值差异仅由抽样误差导致,可选择固定效应模型。

本文假设样本来源是异质性的,采用随机效应模型进行效应量合并,这样的好处是在效应量进行整合时该模型能够考虑到组间方差的影响。本文选择Q统计量指标对组间方差进行检验,计算方法如下:

(5)

其中,Wi为第i个研究的权重值,Yi为第i个纳入研究的效应量,M为纳入研究的平均效应量,k为对应的研究数,即Q实际上是效应量的加权离均差平方和(WSS)。

3.发表偏倚检验。一般来说统计学意义上阳性结果与显著性结果更容易受到审稿人青睐,这样导致的结果就是阴性结果研究无法被数据库收录,导致主题研究存在出版偏移,在纳入Meta分析时会造成样本的选择偏误。Stanley通过蒙特卡洛模拟发现漏斗不对称检验是识别发表偏倚问题的有效工具[3]。但观测漏斗图的对称与否具有一定的主观性,因此另外参照 Egger等的研究方法[4],采用回归检验再次检验各项研究是否存在发表偏倚。

4.敏感性分析。将不同文献进行整合时,由于部分研究结果存在较大差异可能会导致整体结果的估计偏误。敏感性分析可以衡量纳入文献的质量及异质性。本文采用逐个剔除纳入分析的数据来考察对评估结果是否有显著影响,通过逐一移除单个效应量对其余效应量整合,观察结果的差异性,以检验是否存在“极端样本”[5]。

5.累积 Meta 分析。社会发展和政策变化导致农户宅基地退出的影响因素随之变化,因此采用累积Meta分析验证各影响因素随时间的变化趋势。累积Meta分析是把研究作为一个连续的整体,即因变量,将各个纳入的研究按照一定发表年份的时间顺序累加在一起,进行多次Meta分析,来反映所要研究的效应量随时间变化的趋势。

6.Meta回归分析。Meta回归分析不仅能分析不同研究结论存在差异的原因,还能识别出单独的实证研究所不能发现的变量关系和潜在的调节变量,为后续的实证研究提供新的思路[6]。Meta回归将效应量指标作为因变量,将研究区域、测量方式、研究内容等作为模型的自变量。通过回归分析来探究组间产生异质性的来源。

Y=βixi+β0+ε

(6)

其中,Y为效应量，βi为待估系数,xi为已有文献存在争议的一些重要特征变量，β0为截距项，ε为随机干扰项。Nelson and Kennedy指出[7],将所选文献纳入Meta分析时要注意：(1)文中没有提到的调节变量可通过增加虚拟变量来进行分析;(2)可以将样本大小作为权重,通过倒方差法来消除由于观测值不同造成的异方差问题。

二、理论分析与变量选取

从本质上讲,农户退出宅基地是农户的一种自主选择行为。随着农村劳动力大量涌向城镇,农户间的收入结构和就业结构差异不断加深；加之禀赋效应、土地依赖、产权偏好、风险偏好等因素的共同影响,形成了对宅基地功能和价值的不同认知,影响着农户的宅基地退出决策。西蒙认为现实生活里的人都是“有限理性”的人[8],他们的决策受多方面影响,追求多元目标和价值。农户由于自身知识水平有限、信息不对称等原因,只能在“有限理性”的前提下做出宅基地相关决策,通常是依据内生与外生约束条件来追求自身利益最大化。

已有文献大多使用二项选择模型来分析农户宅基地退出行为或意愿的影响因素。夏敏等对不同经济发展水平地区的农户宅基地退出意愿进行了回归分析,发现苏北经济发展相对落后的地区较苏南和苏中经济发达的地区相比,农户职业类型、宅基地面积等变量对农户宅基地退出影响更为显著[9]。吴郁玲等认为农户对宅基地流转的响应受到自然环境、地理区位、经济区位等区位条件的影响,宅基地确权仅对近郊农户有显著正向影响,对远郊农户作用不明显[10]。在经济落后或偏远地区农户的兼业程度与土地依赖程度是宅基地退出的主导因素[11]。钱龙等基于温州试验区502个农户的调查发现,在城镇购买住房的农户流转积极性更高；非农收入比例越高,宅基地流转率越高[12]。另外,农户的异质化特征如职业、宅基地面积等因素的差异也会影响农户的补偿偏好[13]。通过对相关文献的梳理,将变量分成个体特征、家庭特征、资源禀赋特征和退出选择4个特征共16个指标来进行分析(见表2)。

表2 变量说明与预期方向

(一)个体特征

荷兰生物学家鲁德·范德博斯通过模拟现实决策情景“爱荷华博弈任务(Iowa Gambling Task)”发现,在面临有风险的决策时,男性和女性相比更容易选择一个收益较大的策略。李荣耀等发现性别对宅基地退出行为有显著的负效应[14],大多数男性决策者对宅基地有更高的增值预期,让男性放弃宅基地要给其比女性更多的补偿。年龄较大的农户,乡土情结重,思想趋于保守,宅基地退出意愿更弱;年龄较小的农户,对新环境、新事物接受程度更高,宅基地退出一定程度上能够增加个人的生活品质,退出意愿较强。知识水平越高对国家政策的理解越深,一般来说受教育程度高的农户倾向于退出宅基地。但受教育程度影响农户对于退出补偿的价值期望,如果补偿标准达不到预期,也可能不愿意退出宅基地,因此其方向不确定[15]。宅基地退出意味着其从事农业生产的可能性会降低,宅基地的生存保障功能被弱化,农户退出宅基地后可能面临更多的生存风险,随着风险偏好程度的降低,宅基地退出意愿变弱。

(二)家庭特征

家庭收入高的农户有着较强的生计能力,抵御宅基地退出带来的各种不确定风险能力较强。另外,收入高的家庭对于宅基地的保障功能诉求较小,对居住环境的改善意愿强烈。虽然宅基地退出会带来一笔补偿收益,但对于收入高的家庭来说边际效用不大,因此其影响方向不确定。一般情况下,农户家庭非农收入占比越高,对宅基地的依赖程度越低,更容易融入城市生活,且退出补偿能够缓解生活成本增加的压力,退地收益大于成本,宅基地退出积极性更高。周丙娟等研究发现家庭规模越大越不利于宅基地的退出[16]。宅基地退出是一项家庭决策,人口数越大形成一致决策的概率越低,且人口数对农户的生产生活具有规模效应,使其不愿意退出宅基地。劳动力供养系数指家庭中每个劳动力要供养的家庭成员数量，劳动力供养系数高的农户家庭负担重,对土地依赖性强,退地后带来的生活成本的压力较系数低的家庭更大,预期宅基地退出意愿会更弱。

(三)资源禀赋特征

土地与宅基地是农户与农村最紧密的联系渠道,为农户生活提供了生存保障。土地面积越大,意味着农户对土地的依赖程度越高,规模化经营带来的农业收入越高,因此宅基地退出意愿不强烈。宅基地面积与退地补偿息息相关,宅基地面积越大,预期补偿收益越高,农户的退出积极性越高。宅基地的确权为后续流转或退出提供了法律前提,理论上增加了农村宅基地的经济价值,但现实中的政策补偿往往达不到农户的预期,其倾向于继续持有宅基地[17]。一般来说,距离城镇越近的农户,对于城市生活节奏越习惯,更倾向于退出宅基地去到城市生活；而那些处于偏远郊区的农户,由于缺乏非农就业机会,将土地宅基地作为最后的生存保障,对于宅基地退出较为抗拒。但也有部分近郊农户,宅基地可能处于城镇规划范围内,这种情况下农户更希望自家宅基地被统一征收，从而获得更高的补偿收益,也倾向于不退出宅基地,因此所在地距离的预期影响方向不确定。

(四)退出选择特征

“一户一宅”是我国法律对农村宅基地做出的政策约束,如果农户对这项政策了解并重视,就会降低对超标占用的宅基地的期望收益,当退地补偿达到其预期时,退出意愿就会增强。农户的非农生计能力也会影响宅基地退出意愿,拥有非农生计能力的农户,更容易融入城市生活,一般来说退出意愿比较强烈。在城镇购买住房的农户对于宅基地的生存保障诉求降低,获得的退地补偿边际效用较高,对于城市生活十分向往,往往倾向于退出宅基地;而对于没有在城里购买住房的农户来说,退出后要考虑购置成本与生活成本增加的双重压力,因此宅基地退出积极性不高[18]。一般来说,宅基地的退出补偿是影响农户做出宅基地决策的关键因素之一。如果农户认为目前宅基地补偿政策较为合理,退出的意愿就相对较高;如果对补偿政策不满意,认为补偿收益不足以缓解其生活成本增加的压力,往往不会轻易退出。

本文从研究层面出发,尝试回答以下三个问题:第一,在异质性前提下,什么因素影响农户宅基地退出意愿或行为；第二,农户宅基地退出的影响因素是否具有异质性；第三,影响农户宅基地退出的关键因素是否随时间发生变化。

三、结果与分析

(一) 主效应检验

将上述16个影响因素的Pearson相关系数r转换成相应的Fisher’sZ值,并将置信区间及标准误进行整理,得到16组原始数据。采用Stata 16.0进行95%置信区间评估,根据Q检验和I2检验结果发现,每一组同类研究文献结论均存在不同程度的异质性,因此采用随机效应模型进行评估,将评估的综合效应量Fisher’sZ值和标准误转换成综合相关系数R。综合效应量及其置信区间、显著性检验与异质性检验见表3。

表3 综合效应量与综合系数评估

1.个体特征。性别对农户的宅基地退出意愿有显著的负效应,相比女性，男性更不愿意退出宅基地,这是因为男性对于宅基地退出补偿的预期更高,在进行决策时更为慎重。年龄对于宅基地退出意愿并不显著,可能是因为当前我国农村空心化情况严重,调研对象大多为留守老人,这些老人相互之间交流密切,做出的选择也比较相似,同质性较强。受教育程度对农户的宅基地退出选择有显著的正向影响,这是因为受教育程度越高,对国家政策了解越深刻,越倾向于退出宅基地;而受教育程度不高的农户,由于缺乏在城市立足的技能与学历,担心退出宅基地后自身生存得不到保障,不愿意退出宅基地。

2.家庭特征。家庭年收入对农户的宅基地退出意愿有显著正向影响。家庭收入高的农户有更高的住房需求和购买力,对于城市的医疗和教育资源十分向往,且能够负担城市的生活成本,倾向于退出宅基地。家庭人口数影响为负是因为家庭规模越大,去到城市生活的成本越高,在做出宅基地退出决策时更需要慎重,不会轻易退出宅基地。非农收入占比对农户宅基地退出意愿有显著正效应,这是因为这类农户对土地依赖程度不高,农村宅基地的居住和保障功能相应弱化。另外,宅基地退出后还能获得一笔退地补偿金,因此退出积极性较高。而对那些以传统耕作为生的纯农业农户来说,退出宅基地意味着失去了生存保障,面对可能发生的各种风险没有抵御能力,因此不倾向于退出宅基地。

3.资源禀赋特征。资源禀赋特征中,土地面积对农户宅基地退出有显著负效应,宅基地是否确权与所在地距城镇距离均对农户的宅基地退出意愿有显著的正向影响。土地面积大的农户家庭有利于实现规模化经营,农业收入占比高,与土地关系密切,不愿意轻易退出宅基地。产权明晰的宅基地纠纷少、退出成本低,增强了农户退出宅基地的信心,从而在一定程度上可以提高退出意愿。近郊农户宅基地退出意愿不强,可能是因为距离城镇近的村庄受城镇辐射效果明显,基础设施、医疗与教育资源相对较好,农户生活满意度较高,对于退出宅基地的愿望并不迫切。

4.退出选择特征。非农生计能力对于宅基地退出有显著正向影响,拥有非农生计能力的农户,其收入来源更多样化,对土地依赖性较弱,退出宅基地后还能获得一笔退地补偿,因此退出积极性较高。缺乏非农生计能力的农户,在退出宅基地前能够靠农业种植自给自足,但如果退出宅基地去城市生活,生活成本会显著增加,缺乏在城市立足的技能使得他们生存压力骤增,因此倾向于继续持有宅基地。在城镇购买住房对农户宅基地退出意愿有显著的负效应,原因是拥有城镇住房的农户对于农村宅基地居住功能诉求减弱,城镇住房替代了宅基地的生存保障功能,这部分农户生存压力较小,且退地补偿收益能弥补融入城市带来的生活成本的增加,宅基地退出意愿更强。

图1 发表偏倚检测漏斗图

(二)稳健性检验

1.发表偏倚检验。接下来考虑发表偏倚的影响。一般来说,结果为阳性或较为显著的文章更易于发表,这会造成样本的选择偏误。首先采用漏斗图进行发表偏倚观测,由于漏斗图观测结果具有一定的主观性,本文另外进行了Egger回归系数检验来判断是否存在发表偏倚。

图1中,受教育程度与宅基地面积发表偏倚检测漏斗图存在不同程度的不对称,表明这两个影响因素可能存在发表偏倚。进一步采用Egger回归系数检验,结果表明,受教育程度EggerT=0.59 ，P=0.568>0.05;宅基地面积EggerT=0.36 ，P=0.723>0.05,表明受教育程度与宅基地面积两个影响因素均不存在发表偏倚。

2.敏感性分析。为排除某篇文献中极端值对效应量的影响,采用敏感性分析来检验结果的稳健性。选择了家庭年收入、是否在城镇购买住房以及是否确权3个显著变量进行敏感性分析,结果如图2所示。家庭年收入、是否在城镇购买住房的敏感性分析中,移除任意一篇文献对效应量的可信区间及估计值影响均不大,因此推断估计结果可信度较高。而宅基地确权的敏感分析可以看出,剔除杨璐璐文章后,效应量及可信区间均会发生明显变化,因此认为杨璐璐文章是影响宅基地确权效应尺度差异的异质性来源。

(三)累积Meta分析

图2 敏感性分析

农户生活方式与行为选择在不断变化,相应地影响农户宅基地退出意愿的因素也随之变化。传统的Meta分析不能体现影响因素随时间发生变化的趋势,因此选择累积Meta分析来研究各因素对宅基地退出意愿强度随时间的变化趋势。在森林图中(图3)可以看出,年龄、家庭人口数、宅基地政策认知、退出补偿等影响因素随着时间变化可信区间在逐渐变窄,且效应量趋于稳定,可客观反映干预的结局。

(四)Meta回归

图3 影响因素的累积Meta分析

参考主效应检验结果,对异质性变量年龄、家庭年收入、宅基地面积、是否在城镇购买住房进行Meta回归,寻找异质性来源。

1.调节变量选取。调节变量是指 Meta分析中所包含的、有助于解释更多方法差异的任何变量[19]。Meta分析文献大多选择发表年份作为衡量时间导致效应量异质性的变量,但由于发表周期较长,往往不能准确反应时间如何影响异质性差异,因此本文选择了各项独立研究调研的抽样年份作为调节变量。实证研究选择的模型、变量的测量方式等不同,对效应量也会造成影响。各地经济社会发展水平不一致,导致抽样样本因区域不同也会产生异质性差别。从研究内容上看,宅基地退出行为与意愿也会导致影响因素效应量的异质性。因此本文选择发表年份、抽样年份、模型选择、期刊影响因子、研究区域、变量测量方式以及研究内容作为调节变量,并将其分类。

发表年份为文献在纸质期刊出版时间,抽样年份为调研组在数据来源说明中介绍的调研取样时间;模型选择分为Logit模型与Probit模型;期刊影响因子为2020年该杂志复合影响因子;研究区域划分为西部、中部、东部三大区域;变量测量方式分为有序分类变量及连续型变量;研究内容分为研究宅基地退出意愿与研究宅基地退出行为;另外,抽样区域是否为宅基地改革试点也有可能影响异质性来源,因此也纳入调节变量进行分析。

2.Meta 回归结果分析。将年龄、家庭年收入、宅基地面积与是否在城镇购买住房4个变量的效应量作为因变量,调节变量作为自变量,同时将效应量方差倒数作为权重进行回归。

由表4可知,在年龄因素的Meta回归分析中,发表年份、抽样年份、模型选取、研究区域、研究内容以及是否为宅基地改革试点地区均为年龄因素的异质性来源(P<0.05)。意味着在以后的宅基地退出研究中,要重点关注这些可能导致异质性结果的调节变量。在家庭年收入的回归分析中,变量测量方式是导致异质性来源的原因,采用有序分类变量比连续型变量对农户宅基地退出影响更为显著,也就是说,在后续进行宅基地退出影响因素分析时,最好选择将家庭年收入进行分段统计,来研究其对宅基地退出意愿或行为的影响,结果更为准确。宅基地面积的Meta回归中,模型选择、研究区域、研究内容以及是否为宅改试点是宅基地面积因素的异质性来源。在研究宅基地面积对宅基地退出的影响时,研究内容为退出行为时比退出意愿更为显著,这意味着意愿转化成行为还有一定差距,选择宅基地退出行为的影响因素进行分析能够更精准地把握农户宅基地退出的内在驱动力。

表4 Meta回归分析

(五)亚组分析

依据上述回归结果,进一步对存在异质性来源的年龄与宅基地面积进行亚组分析。年龄、宅基地面积对农户退出宅基地的效应值存在显著异质性,因此采用随机效应模型进行亚组分析:发表年份按照实际年份分组;模型按照Logit模型与Probit模型进行分组;地区按照西部、中部、东部进行分组;研究内容按照研究宅基地退出意愿与宅基地退出行为进行分组。

由表5可知,发表年份作为调节变量时,2012、2013、2016年发表的文献中农户年龄对宅基地退出选择均有显著正效应且效应逐渐减弱,2019、2020年发表的文献中年龄对农户宅基地退出具有显著负效应,原因可能是在2013年之前,养老保障尚不完善,上了年纪的农户由于体力下降,对未来显现出担忧,更倾向于退地进城投靠务工子女们,而近几年随着农村养老保障系统的完善,年纪大的农户依靠养老保险也能维持生计,因此退出意愿逐步减弱;与Logit模型相比,Probit模型更易产生正效应;研究区域上,地区变量对于年龄对农户宅基地退出意愿的影响中,西部、东部均有显著影响,且西部(ES=0.125)>东部(ES=-0.027),即西部与东部相比,农户年龄对宅基地退出的影响更大,且为正向促进作用,而中部地区年龄对宅基地退出的影响不显著(P=0.186>0.05);此外,研究内容里年龄对宅基地退出的影响均有显著正效应,退出意愿(ES=0.078)大于退出行为(ES=0.020),这是因为意愿是农户处于理想状态下的选择,而行为是综合考虑之后的现实选择,退出意愿的影响程度一般情况下大于退出行为的影响程度。

表5 年龄亚组分析

从表6可见,发表年份的亚组分析中,宅基地面积对农户宅基地退出选择的影响程度在逐渐减弱,效应由正变负,这是因为自2013年十八届三中全会明确赋予农民对集体资产有偿退出权利之后,农户对宅基地退出的补偿收益预期不断增加,宅基地面积越大的农户在得不到满意的补偿额度之前,倾向于继续持有宅基地;选择Logit、Probit模型均对宅基地退出意愿有显著负向影响;区域分析结果表明,西部与东部农户宅基地面积对宅基地退出意愿均有显著负效应,且西部(ES=-0.093)大于东部(ES=-0.083),意味着西部地区与东部地区相比,宅基地面积对农户宅基地退出的负向效应更为明显,中部地区影响不显著(P=0.665>0.05);研究内容上,宅基地面积对农户宅基地退出意愿有正向影响,而对宅基地行为有负向影响,均在1%水平显著,这是因为调查宅基地退出意愿时,由于退地补偿与宅基地面积成正比,宅基地面积大的农户退出意愿更强烈,然而在实际操作中,单位补偿金额往往低于预期,宅基地面积越大的农户越认为自己“吃亏”了,因此做出继续持有宅基地的决策。

表6 宅基地面积亚组分析

四、讨 论

本文基于以往有关农户宅基地退出影响因素的实证研究成果,运用 Meta 分析方法对农户异质性特征与宅基地退出的关系进行了量化研究。结果发现:(1)农户受教育程度、家庭年收入、非农收入占比、宅基地确权、所在地距县城距离及是否在城镇购买住房对农户宅基地退出意愿均有显著正向影响；性别、非农生计能力对农户宅基地退出意愿有显著负向影响,结果均通过了稳健性检验。(2)年龄、家庭年收入、宅基地面积及是否在城镇购买住房对宅基地退出的影响存在明显的异质性。通过Meta回归分析发现,发表年份、抽样年份、模型选取、研究区域、研究内容以及是否为宅基地改革试点地区是年龄因素的异质性来源；模型选择、研究区域、研究内容以及是否为宅改试点是宅基地面积因素的异质性来源。(3)通过对年龄与宅基地面积进行亚组分析发现,不同区域影响宅基地退出意愿的因素作用程度不同,应当根据不同地区对农户宅基地退出进行有针对性地引导。(4)变量测量方式、模型选择均会对效应量结果产生影响,在后续进行宅基地退出意愿影响因素实证分析时,应当更为严谨地设计研究方案,使调研结果更精确可信。