李棟 萬俊毅

摘? ?要：經(jīng)營性收入是農民家庭收入的重要組成部分，對中低收入群體的增收作用更為明顯。使用中國家庭追蹤調查（CFPS）2014和2016年的微觀數(shù)據(jù)，檢驗中低收入農民家庭經(jīng)營性收入的影響因素，結果表明土地類型、土地資產、農用機械價值、農業(yè)機械服務及生產性固定資產的投入對農民家庭經(jīng)營性收入有顯著影響，且經(jīng)營性收入呈現(xiàn)顯著地域性差異。

關鍵詞：農民家庭;經(jīng)營性收入;影響因素

中圖分類號：F323.8 文獻標志碼：A 文章編號：1008-2697（2021）02-0004-05

一、引言

2021年中央一號文件明確指出新發(fā)展階段“三農”工作依然極端重要，解決好“三農”問題是黨和政府工作的重中之重，農民收入增長繼續(xù)快于城鎮(zhèn)居民是重要目標之一。進入新世紀以來，國家實施一系列新農村建設、鄉(xiāng)村振興、城鄉(xiāng)融合發(fā)展等重大戰(zhàn)略。從2010年開始至今，農村居民年均純收入增速快于城鎮(zhèn)居民。2018年全國農村居民人均可支配收入為14617元、同比實際增長6.6%，城鎮(zhèn)居民人均可支配收入是39251元、同比實際增速為6.5%。同年，城鎮(zhèn)居民人均可支配收入中位數(shù)是36413元、增長7.6%，農村居民人均可支配收入中位數(shù)為13066元、增長9.2%。該年城鄉(xiāng)居民收入增速接近，這在一定程度上可以歸因于農村中低收入群體的收入增速放緩。2020年5月28日，李克強總理回答中外記者提問時指出，中國目前還有6億人的月收入在1000元左右。這個數(shù)據(jù)引發(fā)社會各界高度關注包括農村家庭在內的中低收入群體的收入。

家庭經(jīng)營性收入在過去很長一段時間內都是農村居民收入的第一大來源。1978年全國農村家庭人均經(jīng)營純收入僅為35.8元，2012年增長至3533.4元，34年間增長了98.7倍;2013年更改統(tǒng)計口徑后，農村家庭人均經(jīng)營性收入依然快速增長，由2013年的3934.8元增長至2019年的5762.2元。2015年開始，農村居民家庭經(jīng)營性收入落后于工資性收入[1]，但占可支配收入的比例依然保持在37%以上。

隨著農村受教育程度較高的青壯年勞動力大量轉移至城市[2，3]，農村勞動力人口老齡化問題日趨嚴重[4，5]，留在農村的勞動力由于人力資本不足而無法進城務工，我國農民工數(shù)量的增速已由2017年的1.7%下降至2019年的0.8%[6]，農民獲得工資性收入的機會日益受限。體制機制創(chuàng)新并非一蹴而就，轉移性收入和財產性收入對農民增收的貢獻在未來相當長時期內難以超越經(jīng)營性收入。從長期看，農業(yè)發(fā)展將是減少農民家庭貧困的真正推動力[7]，經(jīng)營性收入仍是農村居民特別是貧困地區(qū)農民家庭收入的主要來源[8，9]。

改革開放40多年來，我國農村居民家庭經(jīng)營性收入的來源結構也發(fā)生了較大變化，來自第一產業(yè)的收入占經(jīng)營性收入比例由1978年的94.41%下降至2017年的67.45%，而第三產業(yè)收入占經(jīng)營性收入比例已由5.59%增長至26.21%。從產業(yè)鏈延伸視角審視，農業(yè)與食物系統(tǒng)增加值對GDP的貢獻遠高于第一產業(yè)增加值對GDP的貢獻[10]。農村一二三產業(yè)融合發(fā)展，對農民經(jīng)營性收入增加的重要性正在日益凸顯。

總而言之，目前經(jīng)營性收入仍是我國農村家庭收入來源的重要渠道。對中低收入群體特別是貧困農戶而言，他們的主要收入來源就是經(jīng)營性收入[11，12]。2020年，在現(xiàn)行標準下，我國已經(jīng)消除絕對貧困。自此之后，我國的扶貧進入解決相對貧困時期，而中低收入群體往往就是相對貧困人群。影響我國農村中低收入居民的家庭經(jīng)營性收入的因素究竟有哪些？本文利用中國家庭追蹤調查（CFPS）的微觀數(shù)據(jù)對此問題進行探究。

二、研究設計

（一）模型選擇

基于已有的研究，本文選用較為常見的回歸分析法，根據(jù)對因變量與自變量的統(tǒng)計分析，建立多元回歸分析模型，并使用最小二乘估計（OLS）法，模型如下：

Y= a + αi ?Xi + μ? ? ? ? ? ? ? ? ? ? （1）

其中Y為家庭經(jīng)營性收入，a為常數(shù)項，μ為隨機擾動項，Xi為影響經(jīng)營性收入的自變量，αi 為各自變量的系數(shù)。

（二）變量定義

借鑒范金[13]、吉登艷[14]、劉曉倩[15]、劉明輝[16]等的研究，本文選取技能型人力資本、土地資產、農用機械價值、農業(yè)機械化服務支出、生產性固定資產、政府補助金額及是否上網(wǎng)為自變量，家庭勞動力、健康狀況、家庭所處省份及土地類型為控制變量，家庭經(jīng)營性收入為因變量。變量名稱與定義詳見表1。

（三）數(shù)據(jù)來源

CFPS數(shù)據(jù)庫樣本涵蓋約占全國人口95%以上的25個省市自治區(qū)，具有很好的代表性。根據(jù)統(tǒng)計局城鄉(xiāng)分類情況，選取2014和2016年CFPS數(shù)據(jù)庫中具有經(jīng)營性收入的農村中低收入家庭的相關數(shù)據(jù)，并剔除部分無效數(shù)據(jù)，最終得到4954例有效樣本。

三、實證結果與分析

（一）描述性統(tǒng)計

變量的描述性統(tǒng)計見表2。農民家庭中戶主的平均年齡超過51歲，因為近年來農村青壯年勞動力大量向城市轉移，留在農村的較多為年長者;同時，平均勞動力數(shù)量為2.14人，都比較健康，獲得的土地以耕地為主，林地次之，牧場和水塘較少。另外，農民家庭間獲得的政府補助有較大差異，平均值為906.55元，而最大值為50600元。這可能與政府補貼和項目申請掛鉤有關，普通小農戶只能依靠最基本的惠農政策獲得較少的政府補貼，而大戶則可以通過項目申請而獲得較多的補助資金，因而造成差別。

（二）估計過程與結果

本文通過Stata14.0軟件對（1）式進行回歸分析，并采用方差膨脹因子（VIF）進行共線性檢驗。結果顯示，所有變量的VIF值都接近于1，說明不存在多重共線性。另外，通過殘差與擬合值的散點圖，發(fā)現(xiàn)圖形呈現(xiàn)喇叭狀，且B-P檢驗的結果在1%的水平上拒絕了原假設，因此存在異方差。

于是對模型兩邊的連續(xù)變量取對數(shù)再進行回歸分析，但部分變量存在0值，因此采用logZ=log（X+1）的方法[17]。得到新模型：

logBincome = γ+β1 Health + β2Labor + β3Province + β4log （1+ Clabor）+ β5 log（1+Landasset） + β6 log（1 + Agrimachine）+β7 log（1+ASMPay）+ β8 log（1+ Fixedasset）+ β9 log（1+ Sgovsup）+ β10 Internet+ β11 Plow+ β12 Forest + β13 Pasture+ β14Pool + ε（2）

其中γ為常量，β1 ～ β14為自變量的系數(shù)， ε為隨機擾動項。

對（2）式進行最小二乘估計（表3，模型Ⅰ），B-P檢驗的結果依然在1%的水平上拒絕了原假設，且懷特檢驗（White Test）也在1%的水平上拒絕了原假設，表明取對數(shù)后的模型依然沒有消除異方差，繼續(xù)觀察VIF值發(fā)現(xiàn)幾乎所有VIF值都接近于1，說明經(jīng)過取對數(shù)調整后的自變量之間不存在多重共線性。因此，為了解決異方差的問題，最終采用“OLS+穩(wěn)健標準誤”的方法對模型再次進行回歸[16]，回歸分析的結果見表3（模型Ⅱ）。

（三）估計結果分析

戶主的健康狀況、家庭所處省份及土地類型對經(jīng)營性收入有顯著的影響，其中健康狀況對經(jīng)營性收入有顯著正向影響，這說明戶主身體越健康，就越能有效率從事農業(yè)生產活動，所獲得的經(jīng)營性收入就越多。家庭所處省份對經(jīng)營性收入的影響顯著，原因在于各省經(jīng)濟發(fā)展程度有差異，加上土地、氣候等自然資源差別，地方政府對三次產業(yè)重視程度不同，農業(yè)政策特別是對農業(yè)的投入差異較大等，這些因素共同致使經(jīng)營性收入差異明顯。政府在制定強農惠農政策時，要根據(jù)各地的具體情況，制定適宜的辦法，扶持地方特色優(yōu)勢產業(yè)發(fā)展。

勞動力對經(jīng)營性收入的影響顯著，說明作為重要的生產要素，勞動力的投入對經(jīng)營性收入影響較大。技能型人力資本對經(jīng)營性收入有正向影響，且在1%的水平上顯著，說明近年來我國農業(yè)技術推廣、農業(yè)社會化服務體系的建設，取得了一定的積極成果，農民能夠從農業(yè)技術培訓中獲得農業(yè)技術與技能，有助于經(jīng)營性收入的提升。

一般而言，生產要素的投入與產出有顯著的關系，如土地資產、農業(yè)機械價值、農業(yè)機械服務及生產性固定資產對經(jīng)營性收入有顯著的影響。其中，土地資產對經(jīng)營性收入的影響最大，每增加1%的土地投入能使經(jīng)營性收入增加0.342%。這是因為隨著土地投入的逐漸增多，其產生的規(guī)模效應越來越明顯;而小農戶分得的土地小且分散，使用大型農用機械的成本較高，對于經(jīng)過土地流轉后獲得較大規(guī)模土地的農業(yè)大戶，不僅能夠優(yōu)化農產品的生產品種和規(guī)模，還能通過使用農業(yè)機械而提高生產效率，進而提高經(jīng)營性收入。

生產性固定資產的投入對經(jīng)營性收入有顯著的正向影響，每增加1%的生產性固定資產投入就能夠增加0.206%的經(jīng)營性收入。生產性固定資產投入越多，農產品生產條件越有可能得到優(yōu)化，如蔬菜大棚的搭建、農田小型灌溉設施的建設等。這不僅能夠幫助農戶在一定程度上抵御自然風險，還能提高農戶的生產效率。農用機械投入及農用機械服務的使用對農民經(jīng)營性收入有顯著影響，且系數(shù)為正，說明農業(yè)機械的使用能夠幫助農戶提高生產效率，從而增加農民收入。

政府補助額度雖然對農民經(jīng)營性收入的影響顯著，但由表2可知，農民之間所獲得的政府補助總額存在明顯差異。因為目前政府大量支農補貼和農業(yè)項目掛鉤，而中低收入的小農戶較難獲得農業(yè)項目，從而得到的政府補貼相對較少，對農民經(jīng)營性收入的影響有限，政府補助每增加1%，經(jīng)營性收入僅增加0.016%。因此，政府應相應調整補貼政策，在不降低農業(yè)項目申報積極性的同時，適當給予小農戶更優(yōu)厚的補貼支持，從而促進小農戶經(jīng)營性收入的增加。此外，對于中低收入農戶而言，使用互聯(lián)網(wǎng)對中低收入農民家庭經(jīng)營性收入沒有明顯影響，這與劉曉倩等[15]使用互聯(lián)網(wǎng)能夠增加農民經(jīng)營性收入的結果不同?？赡艿脑蚴侵械褪杖朕r戶群體互聯(lián)網(wǎng)普及率較低，僅為13%（表2）;另外中低收入農戶即使使用互聯(lián)網(wǎng)，也不一定用于獲取生產經(jīng)營信息，更多可能用于娛樂和消遣。因此，使用互聯(lián)網(wǎng)對增加中低收入群體家庭經(jīng)營性收入的作用極為有限。

（四）穩(wěn)健性檢驗

1. 小樣本檢驗

為驗證模型與結果的可靠性，本文篩選出CFPS2016年的數(shù)據(jù)，并采用與模型Ⅱ相同的方法進行穩(wěn)健性檢驗（表3，模型Ⅲ）。如模型Ⅲ的回歸結果所示，除政府補助的顯著性有差別外，其他變量的顯著性均一致;且VIF值都接近1，研究結果具有較好的穩(wěn)健性。

2. 可行性最小二乘法（FWLS）

為了進一步驗證模型的有效性，本文對CFPS2014和2016年的數(shù)據(jù)進行可行性最小二乘法回歸（表3，模型Ⅳ），回歸結果與模型Ⅱ一致，表明研究結果具有較好的穩(wěn)健性。

四、結論與啟示

經(jīng)營性收入是農民家庭收入的重要組成部分。對于中低收入群體而言，經(jīng)營性收入更加重要也更具長期性。本文使用2014和2016年CFPS的微觀數(shù)據(jù)分析發(fā)現(xiàn)：1. 農民身體健康狀況對中低收入群體家庭經(jīng)營性收入有顯著正影響，而土地類型對其經(jīng)營性收入有顯著負影響。2. 農村中低收入群體的家庭經(jīng)營性收入呈現(xiàn)顯著地域性差異。3. 土地資產、農用機械價值、農業(yè)機械服務和生產性固定資產的投入對中低收入農民的家庭經(jīng)營性收入有顯著影響，且土地資產的影響排在首位。4. 政府補助對中低收入農民的經(jīng)營性收入影響顯著。

本文的政策啟示在于：第一，進一步加大農業(yè)農村特別是中低收入群體聚集區(qū)的投資建設力度，進一步打牢農業(yè)基礎和補實“三農”短板。第二，根據(jù)不同地區(qū)情況制定針對性的支持政策，發(fā)展地方特色優(yōu)勢產業(yè)，促進產業(yè)融合發(fā)展，提高農民經(jīng)營性收入。第三，要繼續(xù)完善農業(yè)機械化服務，加強農業(yè)社會化服務體系建設，提高農民生產效率，增加農民經(jīng)營性收入。第四，要優(yōu)化政府農業(yè)補貼政策體系，農業(yè)補貼要向中低收入群體的生產經(jīng)營發(fā)力，提高政府補貼資金利用效率，幫助農村中低收入的家庭增收。

參考文獻：

[1] 郭蕓蕓，楊久棟，曹斌.新中國成立以來我國鄉(xiāng)村產業(yè)結構演進歷程、特點、問題與對策[ J ].農業(yè)經(jīng)濟問題，2019（10）：24-35.

[2] 胡湛，彭希哲.應對中國人口老齡化的治理選擇[ J ].中國社會科學，2018（12）：134-155，202.

[3] 王韜，毛建新.流動人口家庭與城鎮(zhèn)家庭的消費差異——基于分位數(shù)回歸的分析[ J ].人口與經(jīng)濟，2015（04）：60-68.

[4] 周祝平.中國農村人口空心化及其挑戰(zhàn)[ J ].人口研究，2008，32（02）：45-52.

[5] 余艷鋒，何俊海，吳昌華.我國農村勞動力老齡化特征及根源性分析[ J ].南方農村，2017（03）：45-49.

[6]國家統(tǒng)計局.2019年農民工監(jiān)測調查報告[EB/OL].http：//www.stats.gov.cn/tjsj/zxfb/202004/t20200430_1742724.html.2020-04-30.

[7] Montalvo J G， Ravallion M. The pattern of growth and poverty reduction in China[ J ]. Journal of Comparative Economics，2010，38 （01）：2-16.

[8] 趙穎文，呂火明.農村全面小康建設評價體系的構建及區(qū)域差異性研究[ J ].農業(yè)經(jīng)濟問題，2016（04）：9-15，110.

[9] 張偉，黃穎，李長春，等.收入分化、需求演變與農業(yè)保險供給側改革[ J ].農業(yè)經(jīng)濟問題，2018（11）：123-134.

[10] 萬俊毅.破解城鄉(xiāng)融合發(fā)展的軟硬約束[EB/OL].http：//epaper.southcn.com/nfdaily/html/2019-05/21/content_7800919.htm.2019-05-21.

[11] 江克忠，劉生龍.收入結構、收入不平等與農村家庭貧困[ J ].中國農村經(jīng)濟，2017（08）：75-90.

[12] 李聰，王穎文，劉杰，等.易地扶貧搬遷家庭勞動力外出務工對多維貧困的影響[ J ].當代經(jīng)濟科學，2020（02）：32-44.

[13] 范金，任會，袁小慧.農民家庭經(jīng)營性收入與科技水平的相關性研究：以南京市為例[ J ].中國軟科學，2010（01）：67-77.

[14] 吉登艷，石曉平，仇童偉，等.林地產權對農戶林業(yè)經(jīng)營性收入的影響——以江西省兩個縣（市）為例[ J ].資源科學，2016（08）：1609-1620.

[15] 劉曉倩，韓青.農村居民互聯(lián)網(wǎng)使用對收入的影響及其機理

——基于中國家庭追蹤調查（CFPS）數(shù)據(jù)[ J ].農業(yè)技術經(jīng)濟，2018（09）：123-134.

[16] 劉明輝，盧飛，劉燦.土地流轉行為、農業(yè)機械化服務與農戶農業(yè)增收——基于CFPS2016數(shù)據(jù)的經(jīng)驗分析[ J ].南京社會科學，2019（02）：26-33.

[17] 汪昌云，鐘騰，鄭華懋.金融市場化提高了農戶信貸獲得嗎？——基于農戶調查的實證研究[ J ].經(jīng)濟研究，2014（10）：33-45，178.

（責任編輯：李韻婷）

Analysis on the Influencing Factors of Farmers' Family Operating Income

——An Empirical Test Based on CFPS for Middle and Low Income Groups

LI Dong，WAN Jun-yi

（School of Economics and Management，South China Agricultural University，Guangzhou 510642）

Abstract： Operating income is an important part of farmers' family income， which plays a more significant role in increasing the income of middle and low-income groups. Using the micro data of China family tracking survey （CFPS） in 2014 and 2016， this paper examines the influencing factors of low-income farmers' household operating income. The results show that land type， land assets， agricultural machinery value， agricultural technical services and productive fixed assets have a significant impact on Farmers' household operating income， and the operating income shows significant regional differences.

Key words： Farmers' Family;Operating Income;Influencing Factors