一、引言

作为重新配置资源的重要方法，土地流转市场的建设在中国农村受到了广泛重视。过去十几年中，在中央和地方各项政策的积极推动下，中国农村的土地流转市场有了长足的发展。据农业部统计，截止到2015年底，全国家庭承包耕地流转面积已达到4.47亿亩，占家庭承包经营耕地总面积的33.3%，与2005年相比增加28.7个百分点；流转出承包耕地的农户数达到6329.5万户，占承包耕地农户总数的27.5%，比2010年增加13个百分点^①。土地流转开始进入活跃期。

截至去年底，全国家庭承包耕地流转面积4.47亿亩(中新网：http://www.chinanews.com/cj/2016/08-10/7967918.shtml，2016年8月10日)。

理论研究认为，在农村劳动力市场、资本市场缺陷的情况下，一个运行良好的土地市场将在优化土地资源配置、提高农户福利水平和反贫困方面起到积极作用(Deininger，2003；Holden et al., 2009；姚洋，2000；罗必良，2014；夏克勤，2016)。一些针对发展中国家和转型国家农村土地市场的经验研究，如埃塞俄比亚(Teklu and Lemi, 2004；Deininger et al., 2008a；Chen et al., 2017)、印度(Deininger et al., 2008b)、肯尼亚(Jin and Jayne, 2013)、马拉维和赞比亚(Chamberlin and Ricker-Gilbert, 2016)、越南(Huy et al., 2016)、布基纳法索(Alia et al., 2016)、坦桑尼亚等(Deininger et al., 2017)，都不同程度地确认了这一点。他们发现，在这些国家或地区，土地流转市场的发育，不仅有助于把土地从农业生产能力差的农户手中转移给生产能力强的农户，实现耕地资源的优化配置；而且在这过程中，流转双方的家庭福利水平(收入和贫困状态)也得到了改善。

上述研究的对象主要集中在非洲和南亚、东南亚国家。那么，对于当下中国农村而言，目前进行的土地流转是否同样遵循资源优化配置的标准，将土地由农业生产能力低的农户向生产能力高的农户手中转移呢？如果是的话，它对这些农户家庭的收入又将会产生怎样的影响？在已有的文献中，学者们主要分析了影响农户参与土地流转的诸多因素(参见Yao(2000)的综述)，而对土地流转市场的影响的讨论较少。在各地土地流转加速的背景下，研究后者可能更为重要。这不仅有助于对当前中国农村土地流转市场的运行效率、效果做出判断，而且也可以为下一步推进抑或调整现行土地流转政策提供参考。

本文中所指的土地流转市场的影响包含两方面内容：一种是对耕地配置的影响；另一种是土地如何分配对农户家庭福利的影响。就前一个问题，虽然有学者指出，中国目前的土地流转市场并未发挥出实质性、全局性和长期性的作用(罗必良、李玉勤，2004)，通过转移土地经营权来配置耕地资源，仍然带有试验的性质(张曙光等，2010)。那么，完善的土地流转市场必然会提高耕地配置效率么？他们并没有用数据验证这一点。Deininger and Jin(2005)发展了一套检验方法，认为检验土地流转对耕地配置效率的影响等价于，检验农户农业生产能力如何影响了其土地流转决策。利用来自贵州、云南、湖南3省1001个农户的调查数据，他们发现农户的农业生产能力水平显著的正向影响了其土地转入决策，但对其土地转出决策具有显著的负向作用，其结论是，土地流转促进了土地由生产能力差的农户向生产能力强的农户转移，从而有助于改善耕地配置效率。随后，这一结论在Jin and Deininger(2009)、Wang and Yu(2011)、陈海磊等(2014)针对其它省份的研究中，得到了进一步确认。然而，也有研究对此持反对观点，认为现阶段农户的土地流转并没有遵循效率原则。李承政等(2015)使用Deininger and Jin(2005)的配置效率检验方法，对浙江农村固定观察点数据的分析显示，那些生产率越高的农户更不倾向于转入土地。类似地，何欣等(2016)检验了2013-2015年中国家庭金融调查(CHFS)数据，同样发现，土地并没有从农业生产率低的农户手中流出，反而是农业生产率越高的农户，转出土地的概率越大。

目前只有少数文献对土地流转的收入效应进行估计。主要的障碍有两个：一是评估方法的缺陷。由于农户参与土地流转并非随机行为，而是一个由个体特征所决定的“自选择”(self-selection)过程, 早期的文献(如Zhang，2008；王春超，2011)忽略了该问题而简单地采用OLS法进行回归，所得到的估计量经常不一致。近年来，有学者意识到这一问题，转而使用双重差分(Difference-in-Difference，DID)模型(薛凤蕊等，2011；李中，2013)、处理效应(Treanment Effects)模型(李庆海等，2011)、内生转换回归(Endogenous Switching Regression，ESR)模型(史常亮等，2017)等进行处理。但是，这些方法同样存在这样那样的缺陷。其中，DID隐含了对共同趋势的严格限制，要求处理组在没有接受处理前，必须具有和对照组相同的变化趋势。但事实上，流转户与非流转户两类家庭的收入组成和收入增长方式都存在较大差异，而这种差异很可能随着外部环境及时间的变化而变化(冒佩华、徐骥，2015)，所以可能并不满足DID的共同趋势要求；处理效应模型和ESR模型虽然较好地解决了农户参与土地流转的“自选择”问题，但存在许多限制，比如需要为第二阶段的估计选择合适的工具变量(陈飞、翟伟娟，2015)。而遗憾的是，这类工具变量要么难以收集，要么和内生变量存在弱相关关系。二是具有全国代表性的农户家庭微观数据的稀缺。由于数据可得性限制，早期文献使用的都只是单个地方层面的农户调研数据。直到最近几年，随着一些微观住户调查数据的开放，如农业部农村固定观察点调查、中国家庭追踪调查(CFPS)、中国健康与养老追踪调查(CHARLS)、中国家庭金融调查(CHFS)，使用大样本数据的研究才逐渐多了起来。

总的说来，人们对中国农村土地流转市场的功能以及土地流转对耕地配置、农民收入的影响等方面的了解，还是非常有限的。一方面，土地流转市场的发育究竟能否起到优化耕地资源配置的作用，仍然是一个尚未有明确答案的问题；另一方面，农户参与土地流转是否有助于家庭收入水平提升，以及土地流转到底能在多大程度上提高农民收入，当前的研究对此也未能给出令人信服的答案。鉴于此，本文首先构建一个理论框架模型，从模型中推导出土地流转对耕地配置和农民收入影响的待检验假说；然后结合2013年对8省858个农户家庭的微观调研数据，使用双变量Tobit(bivariate Tobit)模型和倾向得分匹配(Propensity Score Matching，PSM)方法，分析农户土地流转决策行为，并检验土地流转的耕地配置影响和农户收入效应。本文结论表明，现行土地流转在将耕地配置到最能发挥其效率的经营者方面和提高农民收入方面，同时扮演了重要的角色。

本文的研究贡献主要表现在以下几个方面：第一，实证检验了土地流转的(耕地)配置影响。为了这一目的，本文采用双变量Tobit模型对农户农业生产能力与其土地流转数量之间的关系式进行回归，既考虑了方程内的联立性问题，也解决了以往文献中存在的“遗漏问题”，从而使得我们可以改进Deininger and Jin(2005)的配置效率检验。第二，运用PSM方法，一定程度上缓解了土地流转收入效应估计中由于“自选择”导致的估计偏误问题。要准确估计土地流转的影响，首先就要考虑农户参与土地流转的自选择问题。当前已有很多方法被发展出来用于修正这种偏差，但各有利弊。其中，PSM通过可观测变量对自选择偏差进行控制, 由于不必假定估计方程为线性函数，也不需要对第二阶段的回归强加限制，在横截面数据分析中比处理效应模型或工具变量法更具优势。第三，分土地转入和土地转出，检验了土地流转增收效应的非对称性特征。现有文献大多笼统的将土地流转作为一个整体自变量进行研究，未考虑到不同农户家庭在参与土地流转后有着不同的收入增长路径。本文将参与土地流转的农户家庭进一步细化为土地转入户和土地转出户，考察了这两类家庭的收入效应差异。

二、理论框架与假说

借鉴Carter and Yao(2002)、Deininger et al.(2008)的基本模型，考虑一个代表性农户i，该农户有两种初始禀赋：劳动力禀赋L_{0, i}和土地禀赋T_{0, i}，以及一定的农业生产能力α_i。假定不存在农村雇工市场，但农户可以在农业与非农业两种生产活动中合理地分配自己的劳动力，包括分配一部分劳动力L_{a, i}继续从事农业生产活动，另一部分劳动力L_{n, i}在给定w的工资率下外出或在本地从事非农业生产活动，L_{a, i}+L_{n, i}=L_{0, i}。为取得适宜的土地—劳动力比率，农户需要根据自己拥有的劳动力禀赋、土地禀赋和农业生产能力的高低来决定转入或转出一部分土地。用T_i表示农户当前实际耕种的土地数量，T_{r, i}表示农户的土地流转交易数量，则T_{r, i}=T_i－T_{0, i}>0说明农户转入了土地，T_{r, i}=T_{0, i}－T_i>0说明农户转出了土地。由于土地市场不完善，农户流转土地伴随着一定的交易成本c，不失一般性，我们假定该成本对于流转双方是对称的，即流转交易双方具有相同的c，并且与土地流转数量成正比，即满足c′(T_r)>0。为简化分析，我们将农产品的价格标准化为1。从而，农户i面临的最优化问题可以表述为：

$\underset{{{L}_{a}},T}{\mathop{Max{{\alpha }_{i}}f}}\,({{L}_{a,i}},{{T}_{i}})+w{{L}_{n,i}}-{{I}^{in}}[({{T}_{i}}-{{T}_{0,i}})\left( r+c \right)]+{{I}^{out}}[({{T}_{0,i}}-{{T}_{i}})\left( r-c \right)]$

(1)

其中，r为单位土地租金或说土地租金率；Iⁱⁿ、I^out分别为代表农户是否转入、转出土地的二元指示变量(是=1，否=0)；α_if(T_i, L_{a, i})=α_iT_i^βL_{a, i}^1－β为农户i的农业生产函数，满足以下一些标准假设(为方便表述，在以下的推导中均略去了下标i)：f_La>0，f_T>0，f_LaLa＜0，f_TT＜0，f_LaT>0以及f_LaLaf_TT－f_LaT>0。

求解上述最优化问题，可以得到如下的一阶条件：

$\alpha {{f}_{{{L}_{a}}}}({{L}_{a}},T)=w$

(2)

$\alpha {{f}_{T}}({{L}_{a}},T)=r+c\quad \quad \quad \left( \rm{选择转入} \right)$

(3)

$\alpha {{f}_{T}}({{L}_{a}},T)=r-c\quad \quad \quad \left( \rm{选择转出} \right)$

(4)

式(2~4)表明，农户对家庭劳动力资源的配置取决于其从农业生产中所得到的边际收入αf_La(L_a, T)与非农工资率w的比较；而对家庭土地资源的配置取决于其土地的边际产出αf_T(L_a, T)与土地净租金水平(r±c)的比较。具体说来，如果农户的土地边际产出大于土地净租金水平(即αf_T(L_a, T)>r+c)，则农户将选择转入土地；而如果农户的土地边际产出小于土地净租金水平(即αf_T(L_a, T)＜r－c)，则农户将选择转出土地。对于选择既不转入土地也不转出土地的农户(即自给自足者)，其决策条件满足：

$r-c＜\alpha {{f}_{T}}({{L}_{a}},T)~＜r+c$

(5)

将不等式(5)两边同除以f_T(L_a, T)，可以得到农户生产能力的两个边界点α_l=(r－c)f_T^－1(L_a, T)和α_u=(r+c)f_T^－1(L_a, T)。它们同时定义了转入户和转出户的临界效率：大于α_u的农户是转入者，小于α_l的农户是转出者，介于两者之间的是自给自足者。

为了能得到农业生产能力α的变动对于农户转入(出)土地数量的影响，我们将式(2)两边同时对α全微分，有：

${{f}_{{{L}_{a}}}}({{L}_{a}},T)+\alpha \left( {{f}_{{{L}_{a}}{{L}_{a}}}}\frac{\partial \ {{L}_{a}}}{\partial \ \alpha }+{{f}_{{{L}_{a}}T}}\frac{\partial \ T}{\partial \ \alpha } \right)=0$

(6)

将式(3)或式(4)两边同时对α全微分，有：

${{f}_{T}}({{L}_{a}},T)+\alpha \left( {{f}_{TT}}\frac{\partial \ T}{\partial \ \alpha }+{{f}_{T{{L}_{a}}}}\frac{\partial \ {{L}_{a}}}{\partial \ \alpha } \right)=0$

(7)

由式(6)可以解得关于∂L_a/∂α的表达式，将之代入式(7)，并合并同类项，解得：

$\frac{\partial \ T}{\partial \ \alpha }=\frac{{{f}_{T{{L}_{a}}}}{{f}_{{{L}_{a}}}}-{{f}_{T}}{{f}_{{{L}_{a}}{{L}_{a}}}}}{({{f}_{TT}}{{f}_{{{L}_{a}}{{L}_{a}}}}-{{f}_{T{{L}_{a}}}}{{f}_{{{L}_{a}}T}})}=\frac{{{f}_{T{{L}_{a}}}}{{f}_{{{L}_{a}}}}-{{f}_{T}}{{f}_{{{L}_{a}}{{L}_{a}}}}}{\alpha [{{f}_{TT}}{{f}_{{{L}_{a}}{{L}_{a}}}}{{({{f}_{T{{L}_{a}}}})}^{2}}]}>0$

(8)

式(8)表明，农户的实际耕种土地数量T与其农业生产能力α正相关。对于选择转入土地的农户而言，由T_r=T－T₀可以推得：

$\frac{\partial \ {{T}_{r}}}{\partial \ \alpha }=\frac{\partial \ }{\partial \ \alpha }\left( T-{{T}_{0}} \right)=\frac{{{f}_{T{{L}_{a}}}}{{f}_{{{L}_{a}}}}-{{f}_{T}}{{f}_{{{L}_{a}}{{L}_{a}}}}}{[{{f}_{TT}}{{f}_{{{L}_{a}}{{L}_{a}}}}-{{({{f}_{T{{L}_{a}}}})}^{2}}]}>0$

(9)

同理，对于选择转出土地的那部分农户，由T_r=T₀－T可以推得：

$\frac{\partial \ {{T}_{r}}}{\partial \ \alpha }=\frac{\partial \ }{\partial \ \alpha }\left( T-{{T}_{0}} \right)=-\frac{{{f}_{T{{L}_{a}}}}{{f}_{{{L}_{a}}}}-{{f}_{T}}{{f}_{{{L}_{a}}{{L}_{a}}}}}{[{{f}_{TT}}{{f}_{{{L}_{a}}{{L}_{a}}}}-{{({{f}_{T{{L}_{a}}}})}^{2}}]}＜0$

(10)

式(9)~(10)表明，农户的土地转入(出)数量随其农业生产能力α的高(低)严格增加。这是很直观的。因为农户的农业生产能力水平越高，意味着农户意愿且能够经营的土地规模越大，为寻求能力与规模的匹配，他们倾向于从市场中转入土地以增加自己耕种的土地面积，而不大可能转出土地；反之，农户的农业生产能力水平越低，意味着农户意愿且能够经营的土地规模越小，为寻求能力与规模的匹配，他们倾向于转出土地以减少自己耕种的土地面积，而不大可能转入土地。由于市场上农户的农业生产能力各异，土地流转的结果将是，土地从生产能力低的农户手中流转到生产能力高的农户手中，从而起到拉平农户之间边际产出、优化耕地资源配置的作用。据此，提出本文的第一个待检验假说：

假说一：土地的转入(出)数量随农户生产能力的高(低)严格增加。土地的自由流转将促使土地由生产能力低的农户流向生产能力高的农户，从而改善耕地配置效率。

在土地流转完成后，有农户转入了土地，有农户转出了土地，同时也有农户选择维持原有的土地耕种规模不变。在此过程中，土地资源得到重新配置，不同类别的农户家庭也将根据各自的土地—劳动力比率，重新分配他们在农业和非农业部门的生产投入。相应的，农户的家庭收入也会随之发生变化。对于转入土地的农户，由于经营的土地面积扩大，可以对土地进行规模集约化耕种，不仅能够充分利用已有的劳动力、农业生产性资产等生产要素，实现更有效率的使用土地；而且当生产规模扩大后，新技术的推广、土地的生产和管理也将变得更加容易、高效，从而使得通过提升单位土地产值来实现收入增长成为可能，家庭总收入水平将因此得到提高。对于转出土地的农户，一方面可以将劳动力和其他生产性资产从农业中解放出来，投入到非农部门以获得较高的非农工资性收入；另一方面，还可以通过出租土地来获得租金等财产性收入，其家庭总收入水平也将因此得到提高。而对于没有参与土地流转的农户，他们只是耕种自己拥有的土地，其家庭绝对收入水平将保持不变。据此，我们有第二个待检验假说：

假说二：相较于未参与土地流转的农户家庭，参与土地流转(包括转入或转出)的农户家庭的总收入水平将有显著提高。土地流转同时具有福利改进意义。

三、研究方法、数据与描述性统计 (一) 研究方法 1. 农户农业生产能力与土地流转：双变量Tobit模型

与Deininger and Jin(2005)的研究相似，本文也将农户的土地流转决策和其农业生产能力相联系，通过对二者之间的关系式进行回归，来检验土地流转的(耕地)配置影响。由于农户的土地流转行为包括了土地转入和土地转出两种，本文的因变量相应有两个：土地转入数量和土地转出数量。这两个变量均在“0”处左截尾，为避免选择性样本偏误，我们采用常用的Tobit模型。回归方程式设定为：

$\begin{align} & Q_{i}^{*}={{\beta }_{0}}+{{\beta }_{1}}{{\alpha }_{i}}+{{\beta }_{2}}Z+{{\mu }_{i}} \\ & {{Q}_{i}}=\left\{ \begin{array}{*{35}{l}} Q_{i}^{*},\text{如果}\ Q_{i}^{*}>0 \\ 0,\text{如果}\ Q_{i}^{*}\le 0\text{ } \\ \end{array} \right. \\ \end{align}$

(11)

式中：Q^*为模型的潜变量；Q为观测变量，表示在给定农户参与流转的情况下，农户i实际转入或者转出的土地数量；α_i代表农户固有的农业生产能力，是本研究的核心解释变量；Z是一组控制变量，表示影响农户土地流转数量的其他因素，包括户主个体特征、家庭特征、地块特征、所在村庄特征(见表 2)以及省份的虚拟变量；β为待估计参数(向量)；μ是随机误差项。

式(11)分别以土地转入数量和土地转出数量为因变量进行Tobit建模(这也是以往文献的惯常做法)，实证分析隐含着农户在选择转入、转出土地时两种行为决策相互独立的前提假设。然而，经验研究表明，农户的这两种行为相互并不独立(Rahman，2010；李庆海等，2011)，都部分取决于农户的个人特点或偏好。这在计量模型的构建上表现为两个方程的误差项是相关的。在这种情况下，就不能用单变量Tobit模型来拟合，而应该采用双变量Tobit模型。该模型是对Tobit模型的扩展，适用于同时满足以下两个条件的情形：①存在两个结果变量，且这两个变量是同时被决定的；②两个Tobit方程的误差项之间存在相关性。具体到本文，令Q₁^*、Q₁分别表示农户i实际转入土地数量的潜变量和观测变量，Q₂^*、Q₂分别表示农户i实际转出土地数量的潜变量和观测变量，构建模型如下：

$\begin{align} &\left\{ \begin{array}{*{35}{l}} Q_{1i}^{*}={{\delta }_{0}}+{{\delta }_{1}}{{\alpha }_{i}}+{{\delta }_{2}}Z+{{\mu }_{1i}},{{Q}_{1i}}=\text{max}(Q_{1i}^{*},0) \\ Q_{2i}^{*}={{\varphi }_{0}}+{{\varphi }_{1}}{{\alpha }_{i}}+{{\varphi }_{2}}Z+{{\mu }_{2i}},{{Q}_{2i}}=\text{max}(Q_{2i}^{*},0) \\ \end{array} \right. \\ &{{u}_{1i}},{{u}_{2i}}\approx N[0,0,\sigma _{1}^{2},\sigma _{2}^{2},\rho ],var({{\sigma }_{12}})=\rho {{\sigma }_{1}}{{\sigma }_{2}} \\ \end{align}$

(12)

为方便起见，我们将第一个方程称为转入方程，第二个方程称为转出方程。由于不能明确区分哪些因素影响了农户的土地转入行为，哪些因素影响了农户的土地转出行为，两个方程使用了相同的解释变量矩阵。同时，由于农户的土地转入、转出决策之间可能相互影响，两个方程的误差项μ₁、μ₂被设定为是相关的，相关系数为ρ。

与式(11)相比，式(12)定义的双变量Tobit模型能够在考虑以上两个方程的误差项相关性的前提下，将这两个方程同时进行联合估计，提高了估计效率。在式(12)中，我们通过关注代表每个农户固有的农业生产能力α_i的系数δ₁、φ₁的显著性和符号，来判断农户土地流转是否具有效率意义。由于这种能力无法在市场上转移，保持其他因素不变，如果有δ₁>0且φ₁＜0同时成立，那么就说明在土地流转过程中，土地是从生产能力低的农户向生产能力高的农户流转的。显然，这样的流转有助于实现耕地的优化配置，因此是有效率的；反之，则说明土地流转市场是无效率的。

2. 土地流转对农户家庭收入的处理效应：倾向得分匹配(PSM)方法

由于农户是“自选择”流转土地，传统OLS所估计的土地流转收入效应是有偏不一致的。本文采用Rosenbaum and Rubin(1983)定义的反事实分析框架，来评估土地流转对农户收入的影响。将参与土地流转作为一种处理(treatment)，定义处理组即实际参与土地流转的农户的平均处理效应(ATT)为：

$ATT=E({{Y}_{1i}}-{{Y}_{0i}}|{{T}_{i}}=1)=E({{Y}_{1i}}|{{T}_{i}}=1)-E({{Y}_{0i}}|{{T}_{i}}=1)$

(13)

式中：T为农户i是否参与土地流转^①的二值变量，如果参加过T=1，否则T=0；Y表示农户家庭总收入，包括农业经营性收入、非农工资性收入以及财产性收入；Y_1i、Y_0i分别是农户i在参与和未参与土地流转时的收入水平。ATT度量了流转户如果不参与土地流转，他的家庭收入和在参与土地流转时候的家庭收入的差异。因此，如果能够同时观察到一个家庭在参与和不参与土地流转时的收入Y_1i、Y_0i，那么它们的差值即为土地流转对农户收入的净影响。然而，现实中如果农户i参与土地流转，则我们只能观察到E(Y_1i|T_i=1)，其反事实收入E(Y_0i|T_i=1)是观测不到的。在大样本情况下，可以使用PSM方法构造E(Y_0i|T_i=1)的替代指标。其思路是，首先，基于一组可观测变量(也称为匹配变量)计算出农户i参与土地流转的条件概率p_i=P(T_i=1|X_i)，记为倾向得分；然后，基于非流转户样本集合，为每个流转户挑选一个p_i最相近的非流转户进行匹配，其中相互匹配的两个农户之间除了参与土地流转的状态不同外，其他特征均近似相同；最后，用匹配的非流转户的收入来近似替代流转户的反事实收入，从而两样本的结果变量可看作是同一个体在两次不同实验(参与和不参与)下的结果，具有可比性。

① 为叙述方便，这里将转入和转出情况统称为参与土地流转，并将农户区分为流转户和非流转户。在后文中，我们将进一步把参与土地流转的农户细分为转入户和转出户，分别估计转入土地和转出土地对农户家庭收入水平的影响。

PSM过程由两个阶段来完成。第一阶段是计算倾向得分p_i。每个农户被认定为“流转户”的倾向得分由logit回归得出：

$logit({{T}_{i}}=1)={{\lambda }_{0}}+{{\lambda }_{1}}X+{{\varepsilon }_{i}}$

(14)

式中：X是各匹配变量。结合已有文献和Smith and Todd(2005)建议，本文从户主个体特征、家庭特征、地块特征三个方面共选取了10个变量作为匹配变量。此外，为了能够在匹配时尽可能地从与流转户相同的省份中寻找对照样本，我们还增加了省份虚拟变量。

第二阶段，进行样本配对。理论上存在多种匹配方法均可以实现匹配，且不同方法得到的结果是渐进一致的。但实践中，由于不同匹配算法产生的共同支撑域不同，致使匹配样本不同程度的损失以及处理组样本选择不同对照组样本进行了匹配，导致不同方法的结果存在差异。因此，一般建议尝试不同的匹配方法，然后比较其结果，如果不同方法得出的结论相互一致，则说明匹配结果是稳健的。本文将分别采用最近邻匹配(1—4匹配)、卡尺匹配、卡尺内最近邻匹配、核匹配以及局部线性回归匹配五种方法为流转户匹配非流转户样本，并测算收入效应。

(二) 数据来源与描述统计

本文使用的数据来自课题组2013年7-8月在广东、云南、湖北、浙江、山东、山西、河南、黑龙江8省所作的农户调查。调查采用随机抽样方法：首先在事先确定的样本省内，根据人均工业总产值指标，按照每个省抽2个县、每个县抽3个乡(镇)的方法逐层抽出样本县和样本乡；然后在抽取的样本乡内，再按照村人均纯收入高、中、低顺序随机抽取3个村；最后在选中的样本村内，根据村民花名册随机抽取8个左右农户进行调查。当遇到被抽中的农户不符合调查要求时，选取邻近的农户作为替补。调查共获得了980个农户样本，在删除关键指标数据缺失以及信息前后不一致的样本后，最终有效样本数为858户。通过问卷调查所获得的数据，反映的是样本农户2012年的情况，包括家庭人口、劳动力就业、耕地经营、农业生产以及收入与消费等。

表 1对样本农户家庭在2012年的土地流转参与情况进行了统计。数据显示，过去一年里共有359户农户发生了土地流转行为，占样本总数的41.84%。其中，转入了土地的农户为264户，占样本总数的30.77%；转出了土地的农户为98户，占11.42%；另有3户农户既转入又转出了土地。从土地流转规模看，样本农户共流转耕地8918.7亩，其中，转入户共转入耕地8615.09亩，户均转入面积为32.63亩；转出户共转出耕地303.61亩，户均转出面积为3.10亩。

表 2给出了流转户与非流转户在各项指标上的统计描述及差异。可以看出，与非流转户相比，参与土地流转的农户普遍户主年龄较轻、家庭劳动力数较少但抚养负担更重。进一步将农户土地流转行为划分为土地转入和土地转出后发现，户主为年轻男性、农业生产能力强、家庭劳动力数量多但初始土地禀赋低、土地细碎化程度较高的农户，趋向于转入土地；而那些家庭负担重、非农就业机会多、农业生产能力弱、家庭劳动力数量少但初始土地禀赋高的农户，则更倾向于转出土地。

接着来看不同流转状态农户的家庭收入状况。从表 2最后一行可以看到，与非流转户相比，参与土地流转后，不论是转入户还是转出户，其家庭收入水平都有明显提高。其中，转入户与非流转户的家庭总收入差值为1.51万元，转出户与非流转户的家庭总收入差值为0.72万元，并且该差异都在1%显著性水平上具有统计学意义。另外，与全体农户相比，参与过土地流转的农户的家庭收入水平也相对要高。其中，转入户平均高出0.99万元，转出户平均高出0.20万元。

四、实证分析及结果 (一) 利用随机前沿函数估计农业生产能力

就本文的研究内容而言，一个关键变量就是农户的农业生产能力。在文献中，农业生产能力一般用农户的农业生产单产水平或耕地经营净收入来体现(朱文珏、罗必良，2016；田传浩、贾生华，2004)。本文参照Deininger et al.(2008a)的做法，用通过估计随机前沿生产函数(SFA)所得到的农户i从事种植业生产的技术效率指数(technical efficiency，TE)来近似反映该农户的农业生产能力大小，TE越大，农户能力越高。SFA要求事先指定生产函数的具体形式，比较常用的有C—D函数和Translog函数。鉴于本研究的趣旨在于技术效率的测量而非具体的生产技术形式，我们选取经典的C—D函数作为SFA的模型表达式。表 3给出了SFA模型的极大似然估计结果。LR单边检验误差为73.34，远大于自由度为2、显著性水平为1%时的混合χ²分布临界值8.273，因此拒绝样本中不存在技术无效率的原假设；进一步地，方差比γ为0.930，说明在影响农户产出的各项随机因素中，有93%的因素能够用技术无效率来解释，本文中SFA模型的设定得到了检验的支持。

基于SFA模型估计结果，我们可以得到每个农户以技术效率指数TE表征的农业生产能力水平α。通过对α的观察，我们发现农户间差别很大，最大值为0.950，最小值仅为0.211，平均为0.772，标准差为0.135。由于不同农户的农业生产能力千差万别，这就为土地流转的发生提供了可能。图 1以图示的形式描述了农户的实际转入(出)土地数量与其生产能力α关系的核密度回归结果。正如理论分析所揭示的，农户的土地转入(出)数量随其农业生产能力的高(低)呈现出严格增加趋势：那些农业生产能力高的农户的确转入了更多的土地，而那些生产能力低的农户则转出了更多的土地。经过流转，土地由生产能力差的农户流向了生产能力强的农户。显然，这与国家出台相关政策发展土地流转的初衷一致，也符合资源优化配置的基本要求。

(二) 农户生产能力与土地流转规模回归结果

基于上述估计出的农业生产能力α和式(12)设定的土地流转数量方程，我们在表 4中检验了本文的假说一。为提高估计效率，我们采用模拟最大似然法(Simulated Maximum Likelihood，SML)对转入方程和转出方程同时进行联合估计^①。其中，模型Ⅰ给出了未控制地区变量的估计结果；模型Ⅱ则引入了省份虚拟变量(以广东为参照)以控制地区差别对土地流转的影响。对比模型Ⅰ和Ⅱ发现，省份虚拟变量的加入对结果没有很大的影响，核心变量农户农业生产能力α的系数符号和显著性在前后也未发生根本性改变。不过，考虑到省份虚拟变量控制了更多与省份相关的变量——包括一些无法观测的因素，下文的分析将主要围绕模型Ⅱ展开。

① Tobit模型严格依赖正态性。Cameron and Trivedi(2010)指出，对一个Tobit应用，大多数情况下对被解释变量进行转换会更好。参照其方法，我们将式(12)中的被解释变量统一转换为对数形式。

首先，两个方程的误差项相关系数ρ的检验p值为0.000，故可以在1%的显著性水平上拒绝转入方程和转出方程的误差项相互独立的原假设，说明采用双变量Tobit模型对式(12)进行联合估计是恰当的。倒数第二行的LR检验统计量为50.969，在1%的水平上显著，也说明农户的土地转入、转出行为相互并不独立，而是彼此互相相关。因此，倘若忽略二者之间的这种内在关系而分别建模，则不仅会造成样本“遗漏问题”，还可能导致估计偏差(Rahman，2010；李庆海等，2011)，进而影响到最终结论的有效性。

其次，就本文关注的核心解释变量农户农业生产能力α而言，和我们的预计一致，它的估计系数在转入方程中为正值，而在转出方程中为负值，且分别通过了1%和10%水平的显著性检验，说明在土地市场上，土地的确流向了那些农业生产能力更高、能够更有效率使用土地的农户手中。这与描述性分析的结果一致，也符合生产要素由低效率生产单位向高效率生产单位流转的资源优化配置要求。因此，可以认为，当前进行的农户土地流转是有效率的，能够起到促进耕地资源优化配置、提高耕地利用效率的作用。

影响土地流转的其他因素也符合预期，并具有统计显著性。其中，家庭外出劳动力数量分别在5%和1%水平上对农户的土地转入、转出数量有显著负、正向影响，说明家庭劳动力参与非农就业减少了农户对土地的转入需求，但促进和增加了土地转出。这与Kung(2002)、Deininger and Jin(2004)的研究结论保持一致。

家庭劳动力数量，作为潜在的务农劳动力，对农户的转出土地数量在10%水平上有显著负向影响；而抚养比作为间接反映家庭中可用劳动力数量多寡的一个指标——抚养比越高，意味着家庭中可用劳动力越少，则在5%水平上显著地降低了农户转入土地的数量。二者的作用是相通的。

人均承包地面积反映了农户初始土地禀赋的丰裕程度。在不存在农业生产规模效应的前提下，土地流转往往会将土地从土地多的农户往土地少的农户手里转移(Deininger and Jin, 2004)。表 4中，人均承包地面积的系数符号在转入方程中为负，而在转出方程中为正，且均在1%水平上统计显著，说明当前土地是从“大农户”向“小农户”手中流转的。这与Jin and Deininger(2009)、史常亮等(2016)的研究结论相吻合，启示我们一个功能完好的土地市场将同时能够在维护土地分配公平性方面起到重要作用。

与张丁、万蕾(2007)的研究发现一致，耕地块数的估计系数在转入方程中显著为正(1%水平上)，说明农户的确有通过转入土地来改善土地细碎化状况、实现土地集中的动机和需要。事实上也是如此。地块数越多，农户转入土地后就越有可能把自己分散的土地整理到一块，从而实现规模经营。但它在转出方程中显著为负(10%水平上)，说明较高的土地零碎化程度同时却阻碍了转出户顺利转出土地。这可能是因为农户土地越分散、地块越零碎，将导致流转农户之间找到合适地块转包的成本越高，从而越不容易转出。

户主作为农户家庭生产活动的主要决策者，其个体特征对土地流转亦有着十分重要的影响。回归结果显示，男性、年老和在家务农的户主转入了更多的土地；而户主在外打工的农户则转出了更多的土地。另外注意到，在转入方程中，户主年龄的一次项系数显著为正(10%水平上)，但二次项系数显著为负(5%水平上)，意味着随着年龄的增加，户主劳动能力减弱，家庭转入土地的数量也将趋于减少。

在村集体层面，村庄中参与土地流转的农户比例越高，农户自身的土地转入、转出规模就相应越大。说明一个活跃的村级流转市场，将在增加农户参与土地流转的可能性以及帮助他们完成所希望进行的土地交易方面发挥重要作用。

(三) 对农户参与土地流转所可能获得收益的定量分析

上文结果表明，土地流转市场将在改善耕地配置效率方面发挥重要作用。那么，农户参与土地流转是否同时有助于自身福利水平的提升呢？本文采用PSM方法进行检验^①。PSM方法的有效性依赖于两个前提条件，一是共同支撑假设，要求处理组和对照组的倾向得分有较大的共同支撑域。如果支撑域太小，则会导致偏差。本文通过考察流转户与非流转户倾向得分的核密度分布图来检验共同支撑假设。以最为常用的最近邻匹配法为例^②，从图 2可以看到，在匹配前，两组样本的倾向得分概率密度分布存在着显著的差异，非流转户倾向左偏且呈双峰分布，而流转户倾向右偏且分布较为集中；相比之下，在完成匹配后，两组样本的倾向得分概率分布已渐趋于一致，倾向得分区间具有相当大范围的重叠(重叠区域即共同支撑域，为[0.021，0.869])。共同支撑条件是令人满意的。

① 限于篇幅，基于logit模型的倾向得分估计结果未予展示。但从匹配变量系数的p值来看，大部分变量对农户参与土地流转(或者转入/转出土地)具有显著影响；模型联合显著性检验均显著，说明模型构建合理；pseudo-R²值分别达到0.196、0.262、0.241，表明模型具有较高的拟合度。

② 采用其他匹配方法得到的结果与此类似，限于篇幅不再详述。

使用PSM的另一重要假设是平衡性假设，要求匹配完成后处理组与对照组在各匹配变量上不存在系统性差异。本文沿用Rosenbaum and Rubin(1985)、Caliendo and Kopeinig(2008)的标准^③对整体平衡性进行评估，结果汇总在表 5。经过匹配后，解释变量的标准偏差的均值明显减少，从24.6%下降到3.1%~5.6%左右；基于匹配后样本重新估算的倾向得分logit模型的Pesudo-R²值从0.197下降到几乎为零，并且模型的LR统计量不再显著。可见，就平衡观测协变量在两组样本之间的分布而言，本文的匹配质量也是可以接受的。

③ Caliendo and Kopeinig(2008)指出，与匹配前相比较，匹配后变量对项目参与概率的解释力越差(即基于匹配后样本估算的倾向得分logit模型的Pesudo-R²越低，解释变量的联合显著性检验越差)，匹配质量越高。Rosenbaum and Rubin(1985)认为，匹配之后，如果变量X在两组样本之间的标准化偏差(Mean Bias)大于20%，则意味着该匹配过程失败。

表 6报告了对土地流转收入效应的估计结果。作为对比，我们首先来看使用OLS回归的结果。由表 6第一行可知，当控制住户主个体特征、家庭特征、地块特征和省份虚拟变量(以广东为参照)后，参与土地流转家庭的平均收入要比未参与土地流转家庭的平均收入高出22.2%，且该结果在1%水平上显著，假说二得到了初步验证。然而，正如我们之前所反复强调的，是否参与土地流转是农户基于自身特征和成本收益分析的“自选择”，直接使用OLS进行估计将产生偏误。另外，OLS得到的是在全体样本上的平均处理效应(ATE)，而我们往往更关心土地流转对已流转土地农户家庭的收入的影响^①，即处理组的平均处理效应(ATT)。为此，接着使用PSM方法对土地流转收入效应进行重新估计。在表 6第二至六行给出了上述5种匹配方法估计出的ATE、ATT结果。

① ATE考察的是土地流转对任意样本农户家庭收入的影响。正如冒佩华、徐骥(2015)所指出，有些农户家庭受自身能力、个人意愿等因素影响，可能永远不会参与土地流转，或者说参与土地流转的概率很小，讨论这些家庭的收入效应意义不大。此时，转而讨论ATT是很有意义的。

观察表 6发现，运用PSM控制一系列可观测变量的差异之后，虽然不同匹配算法所得到的ATT估计结果不尽相同(从0.240到0.277不等)，但效应的方向和趋势是一致的，并且几乎每种方法下的结果都非常显著。这表明，即使我们控制了样本的自选择偏误，土地流转对农户家庭收入的影响依然非常明显。将不同匹配方案得到的效应进行平均，结果显示，在平均意义下土地流转能使任意样本农户家庭的总收入水平增加19%左右，使已流转过土地农户家庭的总收入水平增加25.8%左右。这进一步证实了假说二，说明土地流转市场的有效运作，不仅具有优化耕地资源配置的意义，而且还具有福利改进的意义。此外，我们还注意到，在任何一种匹配算法下，ATT的估计系数都要高于ATE，这一方面说明相比于任意样本农户家庭，土地流转对已流转过土地农户家庭的收入影响更大，即实际参与土地流转的农户能够从中分享到更多的收益；另一方面也说明如果以OLS回归结果来推断ATT的话，即使OLS回归已经控制了所有可能影响农户家庭收入的可观察变量，仍然会低估土地流转对农户收入的影响效果。

(四) 对土地流转与农户收入关系的进一步讨论

“流转”即“交易”。土地流转拓宽了农民增收的渠道，理论上转入方和转出方都可以从中实现更大的权益。但事实果真如此吗？我们将参与土地流转的农户进一步细化为土地转入户和土地转出户，并分别估计了这两类家庭参与土地流转的收入效应。结果如表 7所示。从表中第二至六行可以看出，农户转入土地对提高家庭收入产生了显著影响，在平均意义下土地转入能够使已转入土地农户家庭的总收入水平增加37.3%左右；但是，对于转出土地的农户而言，虽然不同匹配方法下所估得的ATT均为正值(平均为0.020)，但并不具有统计显著性。这与本文的预期不一致，反而支持了甘犁(2016)的调查结论^①，说明土地流转的增收效应，在转出户中表现的并不如转入户明显。

① 经济学家甘犁谈土地流转现状：转入对富人的贡献大(土流网：http://www.tuliu.com/read-33939.html，2016年7月2日)。

土地流转的收入效应表现出明显的“非对称性”，与土地流转对流转双方收入的作用机制不同有关。对转入户而言，其之所以转入土地，看中的是土地转入后的规模效应，期望通过重新配置生产要素获得更多的农业利润。从上文的分析中我们也看到，转入土地的农户虽然具有较高的农业生产能力水平但初始土地禀赋却有限，土地匮乏已成为制约该类农户增收的最大瓶颈。而通过土地流转，他们将有机会从市场上获得与其能力相称的土地规模，从而有利于打破这一约束。所以土地转入会对这部分农户家庭产生比较大的增收效应。对于转出户，理论上非农工资性收入增加和土地租金将构成其净收入效应的主要来源。然而，前文的分析表明，转出土地的农户通常是劳动力已经实现非农就业或家庭劳动力本身不足的农户，因此实际上其通过转出土地释放的非农就业人口有限，从而转出土地后的非农收入增加也就有限。从租金收入的角度看，一般而言，农户转出土地取得的租金收入会低于家庭农业经营收入的减少额(穆怀中、沈毅，2012)。更不用讲，在我们的样本中大多数流转交易都发生在熟人与亲朋之间，零租金流转现象普遍(占流转户样本的35.1%)。这或许也可以解释为什么土地转出对农户家庭收入影响不显著。

(五) 稳健性检验及敏感性分析

对假说一进行检验的关键变量为农户农业生产能力α。为确认上述结论对关键变量构造是否稳健，本文采用了更换关键变量的方法进行稳健性检验。借鉴田传浩、贾生华(2004)、陈海磊等(2014)的做法，我们分别用耕地经营净收入^①和生产函数截距项^②(即全要素生产率)来重新度量农户的农业生产能力(记为α₁和α₂)，然后代入式(12)进行回归。结果报告于表 8的模型Ⅲ和模型Ⅳ。可以发现，与基准回归结果模型Ⅱ相比，在变换了关键变量农户农业生产能力的度量方法后，本文的结论并未发生实质性改变。这表明，对假说一的检验并不会因变量指标选取的影响而出现差异。

① 耕地经营净收入是农户2012年在耕地上所有产出的总和减去所有投入(不包括劳动力成本)后的差值(田传浩和贾生华，2004)。

② 与陈海磊等(2014)一样，在估计时我们对生产函数施加了规模报酬不变的约束。

一般认为，在经济发展水平不同的地区，由于土地市场发育程度不同，不仅土地流转规模存在差异，而且土地流转的效率也存在差别。在前文的分析中，本文主要通过引入省份虚拟变量的方式对地区差异进行控制。在该部分，我们根据地区收入水平(对比村庄人均年收入，将人均收入大于平均值的村庄划为发达地区，否则划为欠发达地区)、所在地理位置(按照国家统计局的统计口径，将广东、山东和浙江划入东部沿海地区，其余划入中西部地区)对样本进行划分，进一步检验地区差异对土地流转效率的影响。考虑到直接区分不同子样本进行回归会丢失观测值，本文通过构造标注这些地区的虚拟变量^①，进而生成与农户农业生产能力α的交互项来进行回归。结果报告在表 9的模型Ⅴ和模型Ⅵ。可以看到，无论是发达地区，还是欠发达地区，估计结果都显示那些具有更高农业生产能力水平的农户从市场中转入了更多土地，而那些生产能力低的农户则转出了更多的土地(虽然欠发达地区的系数不显著，但符号一致为负)。并且这一结论对东部沿海地区和中西部地区也成立。说明本文针对假说一的实证结论对于不同经济发展水平地区同样具有较好的稳健性。

① 以第一种划分为例，具体做法是对处于发达地区、不发达地区的村庄赋值1，对其他地区村庄赋值0，这样发达地区和不发达地区村庄所对应的收入水平差异虚拟变量向量为(1，0)和(0，1)。

对于假说二，我们主要通过对PSM结果的敏感性分析来测试其稳健性。PSM方法主要依据可观测变量进行测量，如果存在依不可测变量选择，则仍然会带来“隐藏偏差”。为确认不可观测因素的存在是否会显著改变估计结果，进而影响对假说二的检验结论，本文采用Rosenbaum(1983)提出的边界方法进行敏感性分析。结果汇报在表 10。由于土地流转似乎只对已流转土地和转入土地的农户才有明显增收效果，因此这里的敏感性分析将只针对此两类家庭。整体来看，隐藏偏差对本文估计结果的影响较小。在关于参与土地流转收入效应的研究中，核匹配对隐藏偏差最不敏感，而对隐藏偏差相对敏感的最近邻匹配直到在Γ=1.7处才变得敏感；在关于转入土地收入效应的研究中，同样发现核匹配对隐藏偏差最不敏感，对隐藏偏差相对敏感的卡尺内最近邻匹配也是直到在Γ=1.9处才变得敏感。可见，只有当与不可测变量相关的隐藏偏差接近2倍时，本文的实证结论才会有显著改变。根据相关判断标准，可以认为这两项研究发现对隐藏偏差不敏感。因此，本文针对假说二的检验同样具有较好的稳健性。

五、结论与政策启示

本文使用来自全国8省858户农户家庭的调研数据，实证分析了农村土地流转市场的运作对耕地资源配置和农民收入的影响。研究发现：第一，现行土地市场总体上发挥了把土地向更有效率耕种者手中转移的配置功能。通过土地流转，那些具有较高农业生产能力水平但初始土地禀赋有限的农户将能够有机会从市场中获得更多与其经营能力相称的土地，从而有助于改善耕地配置效率。第二，土地流转显著提高了农户尤其是实际参与土地流转农户的家庭收入水平。在平均意义下，土地流转能使任意样本农户家庭和已流转土地农户家庭的总收入分别增加19%和26%。第三，土地流转的增收效应具有“非对称性”，它在转出户中表现的并不如转入户明显。具体来说，土地转入能够使已转入土地农户家庭的总收入平均增加37%左右；但是对转出户而言，土地转出虽然也能够带来其家庭总收入水平的增加，但增加幅度相对微弱(只有2%)，且统计上也不显著。

上述研究结论说明，推进农村土地经营权流转，不仅有利于实现耕地资源的优化配置，而且也是实现农民增收一个新途径。因此，合理的土地流转应该得到鼓励。政府(包括村集体)应该在坚持农民自愿的原则下，加强对土地流出和受让农户的引导。在鼓励和推动那些农业生产能力低的农户流转出土地的同时，确保那些具有较高农业生产能力水平的农户能够顺利地从市场上流转到他们所希望转入的所有土地，以此推动耕地资源的整合优化，提高农村生产要素配置效率。政府应该主动采取措施降低农户参与土地流转所遇到的限制和交易费用, 比如建立、完善土地流转中介服务机构，加快土地确权和权证登记，积极开展农村土地流转履约保证保险工作等，以使得更多有资格、有意愿的家庭能够有机会和途径参与到土地流转中来，分享土地流转带来的收益。

我们也应该看到，现阶段土地流转的收入效应表现出非常明显的“非对称性”，转出户流转土地并未带来家庭收入的显著增长。因此，如何保障土地转出户的权益是需要关注的问题。从现实情况来看，转出农户如果没有其他的收入机会，单纯依靠土地流转租金，那么在很多情况下其收入是下降的。因此，增加这类农户家庭收入的重点还是要放在提高其非农就业能力和非农收入上。政府应该为这些农户建立起相应的进城务工通道和就业机制，通过提供针对性的非农职业教育、技能培训、就业推荐等政策，让他们能够更好进入就业市场。对于其中一些年纪较大、不适合外出务工的农户，可由村社组织培训推荐至农业经营大户和农业园区就业，成为农业雇工。总之，要使转入、转出土地的农民都能充分受益。