农民家庭经营性收入的影响因素分析

李栋 万俊毅

摘   要：经营性收入是农民家庭收入的重要组成部分，对中低收入群体的增收作用更为明显。使用中国家庭追踪调查（CFPS）2014和2016年的微观数据，检验中低收入农民家庭经营性收入的影响因素，结果表明土地类型、土地资产、农用机械价值、农业机械服务及生产性固定资产的投入对农民家庭经营性收入有显著影响，且经营性收入呈现显著地域性差异。

关键词：农民家庭;经营性收入;影响因素

中图分类号：F323.8 文献标志码：A 文章编号：1008-2697（2021）02-0004-05

一、引言

2021年中央一号文件明确指出新发展阶段“三农”工作依然极端重要，解决好“三农”问题是党和政府工作的重中之重，农民收入增长继续快于城镇居民是重要目标之一。进入新世纪以来，国家实施一系列新农村建设、乡村振兴、城乡融合发展等重大战略。从2010年开始至今，农村居民年均纯收入增速快于城镇居民。2018年全国农村居民人均可支配收入为14617元、同比实际增长6.6%，城镇居民人均可支配收入是39251元、同比实际增速为6.5%。同年，城镇居民人均可支配收入中位数是36413元、增长7.6%，农村居民人均可支配收入中位数为13066元、增长9.2%。该年城乡居民收入增速接近，这在一定程度上可以归因于农村中低收入群体的收入增速放缓。2020年5月28日，李克强总理回答中外记者提问时指出，中国目前还有6亿人的月收入在1000元左右。这个数据引发社会各界高度关注包括农村家庭在内的中低收入群体的收入。

家庭经营性收入在过去很长一段时间内都是农村居民收入的第一大来源。1978年全国农村家庭人均经营纯收入仅为35.8元，2012年增长至3533.4元，34年间增长了98.7倍;2013年更改统计口径后，农村家庭人均经营性收入依然快速增长，由2013年的3934.8元增长至2019年的5762.2元。2015年开始，农村居民家庭经营性收入落后于工资性收入[1]，但占可支配收入的比例依然保持在37%以上。

随着农村受教育程度较高的青壮年劳动力大量转移至城市[2，3]，农村劳动力人口老龄化问题日趋严重[4，5]，留在农村的劳动力由于人力资本不足而无法进城务工，我国农民工数量的增速已由2017年的1.7%下降至2019年的0.8%[6]，农民获得工资性收入的机会日益受限。体制机制创新并非一蹴而就，转移性收入和财产性收入对农民增收的贡献在未来相当长时期内难以超越经营性收入。从长期看，农业发展将是减少农民家庭贫困的真正推动力[7]，经营性收入仍是农村居民特别是贫困地区农民家庭收入的主要来源[8，9]。

改革开放40多年来，我国农村居民家庭经营性收入的来源结构也发生了较大变化，来自第一产业的收入占经营性收入比例由1978年的94.41%下降至2017年的67.45%，而第三产业收入占经营性收入比例已由5.59%增长至26.21%。从产业链延伸视角审视，农业与食物系统增加值对GDP的贡献远高于第一产业增加值对GDP的贡献[10]。农村一二三产业融合发展，对农民经营性收入增加的重要性正在日益凸显。

总而言之，目前经营性收入仍是我国农村家庭收入来源的重要渠道。对中低收入群体特别是贫困农户而言，他们的主要收入来源就是经营性收入[11，12]。2020年，在现行标准下，我国已经消除绝对贫困。自此之后，我国的扶贫进入解决相对贫困时期，而中低收入群体往往就是相对贫困人群。影响我国农村中低收入居民的家庭经营性收入的因素究竟有哪些？本文利用中国家庭追踪调查（CFPS）的微观数据对此问题进行探究。

二、研究设计

（一）模型选择

基于已有的研究，本文选用较为常见的回归分析法，根据对因变量与自变量的统计分析，建立多元回归分析模型，并使用最小二乘估计（OLS）法，模型如下：

Y= a + αi  Xi + μ                    （1）

其中Y为家庭经营性收入，a为常数项，μ为随机扰动项，Xi为影响经营性收入的自变量，αi 为各自变量的系数。

（二）变量定义

借鉴范金[13]、吉登艳[14]、刘晓倩[15]、刘明辉[16]等的研究，本文选取技能型人力资本、土地資产、农用机械价值、农业机械化服务支出、生产性固定资产、政府补助金额及是否上网为自变量，家庭劳动力、健康状况、家庭所处省份及土地类型为控制变量，家庭经营性收入为因变量。变量名称与定义详见表1。

（三）数据来源

CFPS数据库样本涵盖约占全国人口95%以上的25个省市自治区，具有很好的代表性。根据统计局城乡分类情况，选取2014和2016年CFPS数据库中具有经营性收入的农村中低收入家庭的相关数据，并剔除部分无效数据，最终得到4954例有效样本。

三、实证结果与分析

（一）描述性统计

变量的描述性统计见表2。农民家庭中户主的平均年龄超过51岁，因为近年来农村青壮年劳动力大量向城市转移，留在农村的较多为年长者;同时，平均劳动力数量为2.14人，都比较健康，获得的土地以耕地为主，林地次之，牧场和水塘较少。另外，农民家庭间获得的政府补助有较大差异，平均值为906.55元，而最大值为50600元。这可能与政府补贴和项目申请挂钩有关，普通小农户只能依靠最基本的惠农政策获得较少的政府补贴，而大户则可以通过项目申请而获得较多的补助资金，因而造成差别。

（二）估计过程与结果

本文通过Stata14.0软件对（1）式进行回归分析，并采用方差膨胀因子（VIF）进行共线性检验。结果显示，所有变量的VIF值都接近于1，说明不存在多重共线性。另外，通过残差与拟合值的散点图，发现图形呈现喇叭状，且B-P检验的结果在1%的水平上拒绝了原假设，因此存在异方差。

于是对模型两边的连续变量取对数再进行回归分析，但部分变量存在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为常量，β1 ～ β14为自变量的系数， ε为随机扰动项。

对（2）式进行最小二乘估计（表3，模型Ⅰ），B-P检验的结果依然在1%的水平上拒绝了原假设，且怀特检验（White Test）也在1%的水平上拒绝了原假设，表明取对数后的模型依然没有消除异方差，继续观察VIF值发现几乎所有VIF值都接近于1，说明经过取对数调整后的自变量之间不存在多重共线性。因此，为了解决异方差的问题，最终采用“OLS+稳健标准误”的方法对模型再次进行回归[16]，回归分析的结果见表3（模型Ⅱ）。

（三）估计结果分析

户主的健康状况、家庭所处省份及土地类型对经营性收入有显著的影响，其中健康状况对经营性收入有显著正向影响，这说明户主身体越健康，就越能有效率从事农业生产活动，所获得的经营性收入就越多。家庭所处省份对经营性收入的影响显著，原因在于各省经济发展程度有差异，加上土地、气候等自然资源差别，地方政府对三次产业重视程度不同，农业政策特别是对农业的投入差异较大等，这些因素共同致使经营性收入差异明显。政府在制定强农惠农政策时，要根据各地的具体情况，制定适宜的办法，扶持地方特色优势产业发展。

劳动力对经营性收入的影响显著，说明作为重要的生产要素，劳动力的投入对经营性收入影响较大。技能型人力资本对经营性收入有正向影响，且在1%的水平上显著，说明近年来我国农业技术推广、农业社会化服务体系的建设，取得了一定的积极成果，农民能够从农业技术培训中获得农业技术与技能，有助于经营性收入的提升。

一般而言，生产要素的投入与产出有显著的关系，如土地资产、农业机械价值、农业机械服务及生产性固定资产对经营性收入有显著的影响。其中，土地资产对经营性收入的影响最大，每增加1%的土地投入能使经营性收入增加0.342%。这是因为随着土地投入的逐渐增多，其产生的规模效应越来越明显;而小农户分得的土地小且分散，使用大型农用机械的成本较高，对于经过土地流转后获得较大规模土地的农业大户，不仅能够优化农产品的生产品种和规模，还能通过使用农业机械而提高生产效率，进而提高经营性收入。

生产性固定资产的投入对经营性收入有显著的正向影响，每增加1%的生产性固定资产投入就能够增加0.206%的经营性收入。生产性固定资产投入越多，农产品生产条件越有可能得到优化，如蔬菜大棚的搭建、农田小型灌溉设施的建设等。这不仅能够帮助农户在一定程度上抵御自然风险，还能提高农户的生产效率。农用机械投入及农用机械服务的使用对农民经营性收入有显著影响，且系数为正，说明農业机械的使用能够帮助农户提高生产效率，从而增加农民收入。

政府补助额度虽然对农民经营性收入的影响显著，但由表2可知，农民之间所获得的政府补助总额存在明显差异。因为目前政府大量支农补贴和农业项目挂钩，而中低收入的小农户较难获得农业项目，从而得到的政府补贴相对较少，对农民经营性收入的影响有限，政府补助每增加1%，经营性收入仅增加0.016%。因此，政府应相应调整补贴政策，在不降低农业项目申报积极性的同时，适当给予小农户更优厚的补贴支持，从而促进小农户经营性收入的增加。此外，对于中低收入农户而言，使用互联网对中低收入农民家庭经营性收入没有明显影响，这与刘晓倩等[15]使用互联网能够增加农民经营性收入的结果不同。可能的原因是中低收入农户群体互联网普及率较低，仅为13%（表2）;另外中低收入农户即使使用互联网，也不一定用于获取生产经营信息，更多可能用于娱乐和消遣。因此，使用互联网对增加中低收入群体家庭经营性收入的作用极为有限。

（四）稳健性检验

1. 小样本检验

为验证模型与结果的可靠性，本文筛选出CFPS2016年的数据，并采用与模型Ⅱ相同的方法进行稳健性检验（表3，模型Ⅲ）。如模型Ⅲ的回归结果所示，除政府补助的显著性有差别外，其他变量的显著性均一致;且VIF值都接近1，研究结果具有较好的稳健性。

2. 可行性最小二乘法（FWLS）

为了进一步验证模型的有效性，本文对CFPS2014和2016年的数据进行可行性最小二乘法回归（表3，模型Ⅳ），回归结果与模型Ⅱ一致，表明研究结果具有较好的稳健性。

四、结论与启示

经营性收入是农民家庭收入的重要组成部分。对于中低收入群体而言，经营性收入更加重要也更具长期性。本文使用2014和2016年CFPS的微观数据分析发现：1. 农民身体健康状况对中低收入群体家庭经营性收入有显著正影响，而土地类型对其经营性收入有显著负影响。2. 农村中低收入群体的家庭经营性收入呈现显著地域性差异。3. 土地资产、农用机械价值、农业机械服务和生产性固定资产的投入对中低收入农民的家庭经营性收入有显著影响，且土地资产的影响排在首位。4. 政府补助对中低收入农民的经营性收入影响显著。

本文的政策启示在于：第一，进一步加大农业农村特别是中低收入群体聚集区的投资建设力度，进一步打牢农业基础和补实“三农”短板。第二，根据不同地区情况制定针对性的支持政策，发展地方特色优势产业，促进产业融合发展，提高农民经营性收入。第三，要继续完善农业机械化服务，加强农业社会化服务体系建设，提高农民生产效率，增加农民经营性收入。第四，要优化政府农业补贴政策体系，农业补贴要向中低收入群体的生产经营发力，提高政府补贴资金利用效率，帮助农村中低收入的家庭增收。

参考文献：

[1] 郭芸芸，杨久栋，曹斌.新中国成立以来我国乡村产业结构演进历程、特点、问题与对策[ J ].农业经济问题，2019（10）：24-35.

[2] 胡湛，彭希哲.应对中国人口老龄化的治理选择[ J ].中国社会科学，2018（12）：134-155，202.

[3] 王韬，毛建新.流动人口家庭与城镇家庭的消费差异——基于分位数回归的分析[ J ].人口与经济，2015（04）：60-68.

[4] 周祝平.中国农村人口空心化及其挑战[ J ].人口研究，2008，32（02）：45-52.

[5] 余艳锋，何俊海，吴昌华.我国农村劳动力老龄化特征及根源性分析[ J ].南方农村，2017（03）：45-49.

[6]国家统计局.2019年农民工监测调查报告[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] 赵颖文，吕火明.农村全面小康建设评价体系的构建及区域差异性研究[ J ].农业经济问题，2016（04）：9-15，110.

[9] 张伟，黄颖，李长春，等.收入分化、需求演变与农业保险供给侧改革[ J ].农业经济问题，2018（11）：123-134.

[10] 万俊毅.破解城乡融合发展的软硬约束[EB/OL].http：//epaper.southcn.com/nfdaily/html/2019-05/21/content_7800919.htm.2019-05-21.

[11] 江克忠，刘生龙.收入结构、收入不平等与农村家庭贫困[ J ].中国农村经济，2017（08）：75-90.

[12] 李聪，王颖文，刘杰，等.易地扶贫搬迁家庭劳动力外出务工对多维贫困的影响[ J ].当代经济科学，2020（02）：32-44.

[13] 范金，任会，袁小慧.农民家庭经营性收入与科技水平的相关性研究：以南京市为例[ J ].中国软科学，2010（01）：67-77.

[14] 吉登艳，石晓平，仇童伟，等.林地产权对农户林业经营性收入的影响——以江西省两个县（市）为例[ J ].资源科学，2016（08）：1609-1620.

[15] 刘晓倩，韩青.农村居民互联网使用对收入的影响及其机理

——基于中国家庭追踪调查（CFPS）数据[ J ].农业技术经济，2018（09）：123-134.

[16] 刘明辉，卢飞，刘灿.土地流转行为、农业機械化服务与农户农业增收——基于CFPS2016数据的经验分析[ J ].南京社会科学，2019（02）：26-33.

[17] 汪昌云，钟腾，郑华懋.金融市场化提高了农户信贷获得吗？——基于农户调查的实证研究[ J ].经济研究，2014（10）：33-45，178.

（责任编辑：李韵婷）

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