一、引言

贫困，一个伴随着人类社会建立而出现的社会问题，至今仍然困扰着世界各国政府和人民。自改革开放以来，我国在极短时间内实现了从一个一穷二白的农业化国家到物质精神财富极大丰富的世界大国的跨越。但不可否认的是，贫困问题依旧存在，尤其是在农村地区，该问题不容忽视。在十九大会议上，习近平主席就提出，“坚决打赢脱贫攻坚战，确保到2020年我国现行标准下农村贫困人口实现脱贫，贫困县全部摘帽，解决区域性整体贫困，做到脱真贫、真脱贫”。农户减贫是我国当今发展工作中的重中之重。

贫困问题的解决需要着眼于农户的日常生活，如今伴随着我国建设用地需求的不断增加，征地也逐渐走入了农户的生活，成为了影响农户日常生活的一件大事(杨继瑞、汪锐，2013)。根据2015年中国拆迁年度报告中的数据，当年约有16%的农户经历了征地事件，并且该比重还在逐年增加。为了保障征地农户的权益，关于征地及其补偿制度，我国有着严格而又规范的法律规定。总的来说，我国的征地制度随着土地制度的发展而不断完善，特别是改革开放后，由于我国城镇建设用地需求的急剧增加，土地征收规模不断扩大，土地征收制度的健全和完善一直是党和政府的工作重心所在(如1982年的《国家建设征用土地条例》，1987年的《中华人民共和国土地管理法》和2004年的《中华人民共和国宪法(修正案)》)。此外，2008年出台的《关于推进农村改革发展若干重大问题的决定》还特别强调了要对征地农户建立多元保障机制。

随着征地制度的不断健全，征地补偿制度也愈发完善。关于征地补偿的具体标准，《土地管理法》(2004)第四十七条规定“征收土地的，按照被征收土地的原用途给予补偿”，“征收耕地的补偿费用包括土地补偿费、安置补助费以及地上附着物和青苗的补偿费”。该标准具体表现为在计算征地补偿的时候，需要以土地被征收前三年平均年产值为依据，然后根据实际情况给予补偿。具体的补偿标准在地区之间存在着差异，由各省、自治区、直辖市参照《土地管理法》中有关征收土地的补偿标准并根据本地的实际情况例如当地经济水平和人均收入等来制定。此外在《土地管理法》于2013年的修改中还废除了“土地补偿费和安置补助费的总和不得超过土地被征收前三年平均年产值的三十倍”的规定，该修改体现了我国征地补偿制度的完善，也凸显了党和国家对农户权益的重视。

由上述内容可知，在征地后政府会给予农户相应的征地补偿，其中主要包括资金补偿和住房安排或者就业安置等非资金补偿。征地补偿不仅直接增加了农户家庭的财富，同时相应的就业安排等补偿也扩大了农户就业的可选集，为其摆脱贫困提供了更多途径(汪险生、郭忠兴，2017)：一次性大量的征地补偿为农户转变生产模式，提高劳动生产率提供了必要的前提，不论是在政府安排下从事非农就业，还是利用补偿资金转为自我经营(Bao and Peng, 2016)或实行机械化和规模化的农业生产，这些转变都为农户提供了更高且更为稳定的收入来源，提高了农户家庭的经济水平和生活质量，这正是促进农户减贫的一种重要手段(程名望等，2014)。另一方面，不可忽视的是征地还可能会加剧农户的贫困状况。在征地过程中，农户会失去部分或者全部土地，而这会增加农户的生活风险(Guo，2001；镇玲、孙丽丽，2013)：农业收入是农户日常收入的重要组成部分，土地的征用会导致农户部分或完全失去该收入来源，而这时农户的基本生活就会受到影响，农户家庭的衣食等基本生活物品的获得甚至也会变得不确定，特别是在征地补偿标准偏低的情况下很容易就会加剧农户的贫困水平(刘守英，2014)；此外，在征地过程中，农户的土地权益还会因为土地价格政府垄断、工农产品价格“剪刀差”以及市场失灵而受到损害(肖屹等，2008)，这就导致农户无法得到和在土地未被征用情况下可以获得的相同规模的收益，例如继续种植农作物的所得或通过流转土地而获得的更高的收入(史常亮等，2017)，从而造成征地农户家庭的经济水平低于其他未征地农户，提高了贫困发生率。

鉴于征地过程中减贫和致贫效应同时存在，征地到底会对农户贫困造成何种影响，是会促进农户减贫，还是会加重农户负担，这正是本文研究的兴趣所在。此外，征地后政府会给予被征地农户相应的资金补偿及非资金补偿，这两种不同类型的补偿在农户贫困中分别所起的作用，以及征地对贫困影响的实现途径，笔者都未找到相关文献对这些问题进行过研究，因此，本文将对此进行识别。

此外，如果直接将资金补偿和非资金补偿变量放入农户贫困模型中，会因为内生性问题而得出不一致的估计量。因为政府的补偿安排会受到目标农户户主及家庭特征因素的影响，例如户主的健康状况，家庭人口总数等，而同时的，农户的贫困水平也会受到这些因素的影响。这就会导致农户贫困模型中的资金补偿和非资金补偿变量与模型扰动项相关，进而带来结构化的内生性问题。为此本文参考Yen and Rosiński(2010)的方法，在假设政府征地补偿安排和农户贫困水平相关以及征地补偿选择模型和农户财富模型中的误差项服从联合正态分布的基础上建立了政府征地补偿和农户财富水平的三元联合分布计量模型，避免了结构化的内生性问题。该联合分布模型处理了结构化的内生性问题，提高了研究结论的稳健性，在征地、征地补偿对农户影响问题的研究中具有一定的创新性。本文贡献如下：第一，建立了基于家庭财富的农户经济水平衡量标准，首次研究了征地对我国农户贫困的影响。第二，首次建立联合分布模型，在处理了内生性问题的基础上用实证方法分析了不同类型的征地补偿在农户贫困中分别所起的作用，并通过处理效应具体化了征地补偿的影响。第三，识别了征地减贫效应的实现途径。

根据研究目的，文章安排如下：第二部分为文献综述，第三部分是数据和变量的说明；第四部分介绍了计量模型；第五部分为实证分析；第六部分则是稳健性检验；最后是总结及政策分析。

二、文献综述

与本文研究主题相关的文献主要分为两类：第一类是关于农户减贫的研究；第二类是征地及征地补偿对农户生活影响的研究。

(一). 农户减贫

农户减贫一直是学者们所在关注的重要问题。刘艳华、徐勇(2015)通过建立多维贫困测度指标体系和地理识别方法，发现655个县级单元被识别为多维度贫困县，其中共涉及农村人口1.41亿人；国家统计局的相关数据表明在2017年末，我国农村贫困人口仍有3046万。我国农村贫困问题依然严峻。关于农户贫困，程名望等(2018)认为其决定因素非常复杂，其中包括农户家庭的内部因素及其他外部因素，并且市场自身并不能消除贫困，贫困问题的解决需要政府支持。基于贫困的决定因素，关于农户减贫的研究也基本从农户家庭的内部因素及政府行为或制度环境政策等外部因素出发。就内部因素而言，已有研究发现健康水平(Van and Muysken, 2001；Hemmi et al., 2007)、教育和工作经验(Autor et al., 2003)都对降低贫困具有重要意义，并且程名望等(2014)还指出相对于教育，健康的作用更为显著。在外出从事非农就业的问题上，学者们仍存在着分歧：章元等(2012)发现农户外出就业具有提高收入，降低贫困的作用，而Du et al.(2005)却认为该行为对于农户减贫作用有限，并没有产生实质性的影响。

外部因素的作用是减贫问题研究的重点所在。有学者从政府财政和转移支付入手，发现政府财政及转移支付确实具有减贫效应，显著缓解了农户(王娟、张克中，2012；苏春红、解垩，2015；徐爱燕、沈坤荣，2017)及城乡老年人(解垩，2015)的贫困问题。另有学者着眼于行业发展层面的因素，研究发现农业生产率的提高(Irz et al., 2001；Thirtle et al., 2003；Christiaensen et al., 2006)以及信息通信技术(kenny，2002)、旅游(王英等，2016)、农村金融(苏静等，2013；张兵、翁辰，2015；武丽娟、徐璋勇，2018)的发展均可以缓解农户贫困，而许庆等(2016)还发现农村民间借贷在一定程度上有利于降低贫困发生率，但同时会增加农民未来发生贫困的可能性。此外，另有研究得出，农村灌溉(Hussain and Hanjra, 2004)、农业科研投入(沈能、赵增耀，2012)、市场化(王春超、叶琴，2014)和经济多样性(丁建军等，2016)都具有减贫效应。甚至还有学者将研究范围扩展到了国外因素，葛顺奇等(2016)发现外商直接投资也具有促进流动人口减贫的作用。现有的研究成果极大丰富了农户贫困及减贫方面的文献，但是仍然忽略了一些对农户影响日益加深的重要因素，例如征地及征地补偿。

(二). 征地及征地补偿对农户的影响

征地会改变农户的土地资源状况，从而对农户产生诸多影响。史清华等(2011)的研究发现政府的征地行为不会降低农户的收入，而汪险生、郭忠兴(2017)则直接证明征地能够提高农户收入，“失地失业论”并不成立。崔宝玉等(2016)也得出了类似的结论，发现征地具有总收入和非农收入效应，但是同时还应该注意到征地对农户收入的提高作用有限。而丁琳琳等(2016)则认为征地虽然会提高农户福利，但也会加大农户间的福利差距。此外，丁士军等(2015)还发现征地影响着农户的收入结构，征地后农户的工资性收入比重会进一步上升，而农业收入比重相应下降。杨华(2015)则着眼于农村阶级分化，研究发现征地过程中的博弈促进了精英阶层的联合，同时也使得农村阶级关系越发紧张，而裴兰荣(2011)就关于如何在征地过程中促进社会稳定给出了相关建议。另外还有学者发现征地在一定程度上会降低农户的健康水平(秦立建等, 2012)。

另一方面，有学者研究了征地补偿对农户产生的影响，研究结果表明征地补偿在适当改善了失地农户住房条件, 缓解了部分就业压力的同时也存在着一些负面影响，如农户耕地减少和贫富差距拉大(范练练、沈苏彦，2016)，并且征地补偿中的公平与效率问题依旧存在(柴国俊、陈艳，2017)。同时，征地程序公正性(刘祥琪等，2012)、征地补偿政策的执行度(林乐芬、金媛，2012)及补偿的标准、方式和分配(朱丽君等，2018)都会影响农户的受偿满意度。现有研究成果虽然发现征地会提高农户收入，但是并没有研究征地对于农户家庭财富水平的影响，而财富水平相对于收入更能体现家庭的综合经济状况(郝令昕，2013)，此外也没有学者将研究扩展到农户贫困的角度上。

综上所述，虽然已有研究已经在很大程度上识别了推动农户减贫的因素和征地对农户的影响，但是始终没有相关研究着眼于征地对农户贫困的影响。征地会对农户生活产生多方面的影响，它到底会不会促进农户减贫呢？本文将基于该问题展开研究。

三、数据与变量描述

本文所使用的数据是CHIP中2013年的农村住户数据。该调查由北京师范大学中国收入分配研究院主持，其中CHIP2013的样本来自国家统计局2013年城乡一体化常规住户调查大样本库。样本覆盖了从15个省份126个城市234个县区抽选出的18948户住户样本和64777个个体样本，其中包括7175户城镇住户样本、11013户农村住户样本和760户外来务工住户样本。本文所使用的数据来自农村住户样本。但是由于数据缺失，我们最终使用的样本中包含了5631户农户，这些农户分别来自北京、山西、辽宁、江苏、安徽、山东、河南、湖北、湖南、广东、重庆、四川、云南以及甘肃，其中704户农户在被调查之前有过征地的经历。

(一). 贫困分布状况

要了解农户贫困状况，首先必须要设定贫困标准。我国贫困标准原本有绝对贫困和相对贫困之分，但自从2008年之后，国家将其合二为一，只留下了一个贫困标准。我国最新的贫困标准为2011年制定的2300元(2010年不变价)人均年纯收入。

由于本文所使用数据为2013年数据，基于2300元的2010年不变价标准，再考虑上历年的CPI指数，我们计算得出2013年的贫困标准约为2736元^①。由于本文所使用数据不包含农户家庭的纯收入数据，但拥有可支配收入数据，因此用该数据来近似替代纯收入数据。根据2736元的贫困标准，在2013年，我国农村的贫困发生率为约4.6%。但由于本文所使用样本中只有约23.76%(1338/5631)的样本来自西部，大部分样本来自于东中部地区，而贫困人口主要集中于西部地区，考虑到这个因素，2013年我国的贫困发生率必定大于4.6%。由此可见我国的减贫形势依然严峻。

①   以2300元为基准，然后利用CPI指数进行调整，数据来源于历年的《中国统计年鉴》。

(二). 农户经济水平的度量

程名望等(2014)发现农村整体经济水平的提高促进了农户减贫，而罗楚亮(2012)也得出了类似的结论，发现经济水平的增长是贫困发生率降低的重要原因。在以往的研究中，多用收入状况来衡量农户的经济水平，但是相对于收入，财富是多种经济活动的集合，包括收入、金融投资及各种资产，是对家庭经济状况的综合体现(郝令昕，2013)。因此，本文选用家庭财富来衡量农户经济水平，并用其来反映农户的贫困程度，该选择更具有现实意义。农户财富水平增加的同时也意味着该地区农村经济水平的提高，根据现有研究，该变化的必然结果就是可以降低贫困发生率，促进农户减贫。基于问卷内容，本文设置了家庭财富变量wealth，该变量是在加总农户年度可支配收入总额、金融资产余额、住户动产及经营性资产，并减去住户负债余额的基础上得到的。鉴于wealth变量分布区间较大，本文取其对数形式(lnwealth)以弱化分布偏差。

(三). 解释变量的度量

文中征地变量(lexp)是虚拟变量，表示农户是否经历了征地事件，当农户在2013年及之前有过征地经历时，该变量取值为1。同时本文还按照问卷内容，分别设置了资金补偿变量cash和非资金补偿变量ncash。其中在征地后实际拿到的补偿费总额大于0的农户cash变量取值为1，其余为0；在征地后，政府有安排过住房或安置过就业的农户ncash变量取值为1，其余均为0。

此外，其他控制变量包括户主的年龄(age)及其平方项(age²)、受教育年限(edu)、性别(male)、健康水平(health)、婚姻状况(married)、民族(nation)和是否为中共党员(com)这些个人特征变量。虚拟变量male表示是否为男性，married表示是否已婚。健康水平我们借鉴了张锦华等(2016)的做法对其取虚拟变量，根据农户对“与同龄人相比，您目前的健康状况是”问题的回答，将回答“非常好”、“好”和“一般”的农户取值为1，而其余取值为0。nation和com变量也为虚拟变量：当户主为汉族时，nation变量取值为1，其余为0；当户主是中共党员时，com变量取值为1，其余均为0。除此之外，本文还包括了家庭负债数(debt)、家庭土地拥有量(land)和家庭总人口(pop)在内的家庭特征变量。land表示2013年农户家庭经营和闲置土地总面积。我们将debt变量取对数形式，但是因为部分农户的debt变量数值为0，因此我们采取先加1再取对数的方法(李江一等，2015)，避免数据缺失。

(四). 统计性描述

根据总体、征地样本和无征地样本的划分，表 1给出了各变量的统计性描述。

表 1可知，在总样本中，有征地经历的农户所占比例为12.5%，有受到资金补偿和非资金补偿的农户所占比例分别为10.39%和0.55%；在征地样本中，有受到资金补偿和非资金补偿的农户所占比例则分别为83.1%和4.4%。因此，我们可以认为在安排补偿时，资金补偿是政府对被征地农户最常用的补偿方式，但同时也会辅以非资金补偿方式。此外，本文还运用t检验的方式识别了征地和非征地样本在各变量上的差异性，发现征地样本的land变量显著小于无征地样本。同时，征地样本的lnwealth变量则要显著高于非征地样本，该比例相差达2.77%。但是该差距到底是由征地还是其他因素造成的呢？这就需要建立计量模型去进行识别。

四、模型选择

根据研究目标，本文在该部分建立了合适的计量模型。

本文首先研究了征地对农户贫困的影响，在此部分，我们建立如下贫困模型：

$ {y_i} = {\beta _0} + {\beta _1} \cdot {l_i} + {\beta _2} \cdot {P_i} + {\beta _3} \cdot {F_i} + {u_i} $

(1)

其中y_i表示农户家庭财富的对数形式，l_i表示感兴趣的解释变量(征地)，p_i表示户主特征变量，F_i表示家庭特征变量, β₀、β₁、β₂和β₃为相应的系数，u_i为回归方程的扰动项，下标i表示样本点。

其次，为了识别征地补偿中资金补偿和非资金补偿分别在农户贫困中所起的作用，并计算处理效应，我们还建立了三元联合分布计量模型。政府为农户安排的补偿方式和农户家庭的财富水平会受到相同因素，例如农户户主及家庭特征的影响，这就导致如果直接将资金和非资金补偿变量放入财富模型中，会因为这两个变量与模型扰动项相关而带来结构化的内生性问题。为此，本文参考Yen and Rosiński(2010)的方法，建立了联合分布模型，假设农户的受补偿方式和财富水平相关，误差项ε_1i、ε_2i和ε_3i服从联合正态分布。

具体模型如下：

$ \left\{ {\begin{array}{*{20}{c}} {y_{1i}^* = {\beta _{10}} + {\beta _{1p}} \cdot {P_i} + {\beta _{1f}} \cdot {F_i} + {\varepsilon _{1i}} > 0, {y_{1i}} = 1;otherwise, {y_{1i}} = 0}\\ {y_{2i}^* = {\beta _{20}} + {\beta _{2p}} \cdot {P_i} + {\beta _{2f}} \cdot {F_i} + {\varepsilon _{2i}} > 0, {y_{2i}} = 1;otherwise, {y_{2i}} = 0}\\ {{y_{3i}} = {\beta _{30}} + {\beta _{3p}} \cdot {P_i} + {\beta _{3f}} \cdot {F_i} + {\alpha _1} \cdot cas{h_i} + {\alpha _2} \cdot ncas{h_i} + {\varepsilon _{3i}}} \end{array}} \right. $

(2)

其中，y_1i^*和y_2i^*表示不可观测的潜变量，y_1i和y_2i表示政府的补偿方式选择。当资金补偿潜变量y_1i^*>0时，y_1i=1，代表政府会采用资金补偿方式。同理，当非资金补偿潜变量y_2i^*>0时，y_2i=1，则代表政府会采用非资金补偿方式。y_3i为农户财富水平的对数形式，cash_i、ncash_i为政府的补偿方式选择(其实就是y_1i和y_2i，但是为了方便辨认而改变了变量名)。此外，p_i、F_i分别表示户主和家庭特征变量，ε_1i、ε_2i和ε_3i为误差项，且三者服从三元联合正态分布：

$ \left[ \begin{matrix} {{\varepsilon }_{1i}} \\ {{\varepsilon }_{2i}} \\ {{\varepsilon }_{3i}} \\ \end{matrix} \right]\sim N\left(\left[ \begin{matrix} 0 \\ 0 \\ 0 \\ \end{matrix} \right], \left[ \begin{matrix} 1 & {{\rho }_{12}} & \sigma {{\rho }_{13}} \\ {{\rho }_{21}} & 1 & \sigma {{\rho }_{23}} \\ \sigma {{\rho }_{31}} & \sigma {{\rho }_{32}} & {{\sigma }^{2}} \\ \end{matrix} \right] \right) $

(3)

其中σ为ε_3i的标准差，ρ为相关系数。

β₁₀、β_1p、β_1f、β₂₀、β_2p、β_2f、β₃₀、β_3p、β_3f、α₁和α₂分别为相应系数。在补偿方式选择模型中，y_1i是误差项ε_1i的函数，y_2i是误差项ε_2i的函数，因此在财富模型中cash_i、ncash_i与误差项ε_3i相关，从而带来结构化的内生性问题。在本文中，我们假设ε_1i、ε_2i和ε_3i服从三元联合正态分布，并建立结构性的联合分布模型，这样就可以得到准确的似然函数，然后运用极大似然的方法得出一致估计量。^①

①   鉴于stata没有现成的命令可以估计该模型，因此作者自行编程建立了计量模型，如有需要，可与作者联系。

为了方便写出似然函数，首先将补偿方式选择模型改写为：

$ \left\{ \begin{matrix} {{y}_{1i}}=j\ if{{\mu }_{j}}<{{\beta }_{1}}\ {{x}_{i}}+{{\varepsilon }_{1i}}\le {{\mu }_{j+1}}, j=0, 1 \\ {{y}_{2i}}=k\ if{{v}_{k}}<{{\beta }_{2}}\ {{x}_{i}}+{{\varepsilon }_{2i}}\le {{v}_{k+1}}, k=0, 1 \\ \end{matrix} \right. $

(4)

其中x_i表示所有控制变量的组合，并且μ₀=-∞，μ₁=0，μ₂=∞，ν₀=-∞，ν₁=0，ν₂=∞。则似然函数如下：

$ L=\prod\limits_{allobs}{\left\{ {{y}_{i3}}^{-1}{{\sigma }^{-1}}\varnothing \left(\frac{{{\varepsilon }_{3i}}}{\sigma } \right)\times \prod\limits_{j=0}^{1}{\prod\limits_{k=0}^{1}{{{\left[ \int_{{{\mu }_{j}}-{{x}_{i}}*{{\beta }_{1}}}^{{{\mu }_{j+1}}-{{x}_{i}}*{{\beta }_{1}}}{\int_{{{v}_{k-{{\beta }_{2}}{{x}_{i}}}}}^{{{v}_{k+1-{{\beta }_{2}}{{x}_{i}}}}}{g}\left({{\varepsilon }_{1i}}, {{\varepsilon }_{2i}}|{{\varepsilon }_{3i}} \right)d\ {{\varepsilon }_{1i}}}d\ {{\varepsilon }_{2i}} \right]}^{1\left({{y}_{1i}}=j, {{y}_{2i}}=k \right)}}}} \right\}} $

(5)

其中Ø(·)为正态分布的密度函数，1(·)为示性函数，g(ε_1i, ε_2i|ε_3i)是(ε_1i, ε_2i)在ε_3i条件下的条件密度函数，其中(ε_1i, ε_2i)服从二元正态分布，根据g(ε_1i, ε_2i|ε_3i)可以求得其均值、方差和协方差分别为(ρ₁₃ε_3i/σ, ρ₂₃ε_3i/σ)、(1-ρ₁₃², 1-ρ₂₃²)和ρ₂₁-ρ₂₃ρ₃₁。

此外，我们还可以通过求wealth的条件均值的方法来计算出资金补偿和非资金补偿的处理效应。为了方便表示出条件均值，首先将财富模型简化为如下：

$ {y_{3i}} = {\beta _3} \cdot {x_i} + {\lambda _1} \cdot {{\rm{y}}_{1i}} + {\lambda _2} \cdot {{\rm{y}}_{2i}} + {\varepsilon _{3i}} $

(6)

则条件均值的表达式为：

$ \begin{array}{l} {\rm{E}}\left({wealth|{{\rm{y}}_{1i}} = j.{{\rm{y}}_{2i}} = k} \right) = \exp \left({{\beta _3} \cdot {x_i} + {\lambda _1} \cdot j + {\lambda _2} \cdot k} \right)\\ \times {e^{{\sigma ^2}/2}}\frac{{F\left({{a_1} - \sigma \cdot {\rho _{13}}, {b_1} - \sigma \cdot {\rho _{13}}, {a_2} - \sigma \cdot {\rho _{23}}, {b_2} - \sigma \cdot {\rho _{23}};{\rho _{12}}} \right)}}{{F\left({{a_1}, {b_1}, {a_2}, {b_2}{\rho _{12}}} \right)}} \end{array} $

(7)

其中F(a₁, b₁, a₂, b₂; ρ₁₂)为二元正态概率，其具体表达式为：

$ \begin{array}{l} F\left({{a_1}, {b_1}, {a_2}, {b_2}{\rho _{12}}} \right){\rm{ = P}}\left({{a_1} \le {\varepsilon _{1i}} < {b_1}, {a_2} \le {\varepsilon _{2i}} < {b_2}} \right)\\ = G\left({{b_1}, {b_2};{\rho _{12}}} \right) - G\left({{b_1}, {a_2};{\rho _{12}}} \right) - G\left({{a_1}, {b_2};{\rho _{12}}} \right)\\ + G\left({{a_1}, {a_2};{\rho _{12}}} \right) \end{array} $

(8)

其中a₁=μ_j-β₁x_i，b₁=μ_j+1-β₁x_i，a₂=ν_k-β₂x_i，b₂=ν_k+1-β₂x_i，G(·, ·;ρ)为二元标准正态累积分布函数。

在求出条件均值后，就可以求出不同补偿组合的处理效应。其中资金补偿和非资金补偿的共同效应为：

$ {\rm{E}}\left({wealth|{{\rm{y}}_{1i}} = 1.{{\rm{y}}_{2i}} = 1} \right) - {\rm{E}}\left({wealth|{{\rm{y}}_{1i}} = 0.{{\rm{y}}_{2i}} = 0} \right) $

(9)

资金补偿单独的效应为：

$ {\rm{E}}\left({wealth|{{\rm{y}}_{1i}} = 1.{{\rm{y}}_{2i}} = 0} \right) - {\rm{E}}\left({wealth|{{\rm{y}}_{1i}} = 0.{{\rm{y}}_{2i}} = 0} \right) $

(10)

非资金补偿单独的效应则为：

$ {\rm{E}}\left({wealth|{{\rm{y}}_{1i}} = 0.{{\rm{y}}_{2i}} = 1} \right) - {\rm{E}}\left({wealth|{{\rm{y}}_{1i}} = 0.{{\rm{y}}_{2i}} = 0} \right) $

(11)

五、征地对农户贫困影响的实证分析

本文在该部分研究了征地对农户贫困的影响，具体化了不同征地补偿的区别效应，并对征地的影响机制进行了识别。本文首先研究了征地对全体农户的影响，其次分别根据征地形式、补偿方式，所处地区、市场化水平以及农户财富水平之间的差异对征地的影响进行了异质性分析。进一步，本文利用联合分布模型计算出了各种补偿方式的处理效应，最后还识别了征地减贫效应的实现途径。

(一). 征地对农户贫困的影响分析

根据表 1，相对于无征地样本，征地样本中农户的财富水平更高。因此，我们猜测征地可能会提高农户财富水平，促进农村减贫。首先，在模型(1)中，感兴趣的变量为征地虚拟变量(lexp)，所有具有征地经历的农户该变量都取值为1，在不控制户主和家庭特征变量的情况下，结果见表 2中的(1)。由于影响农户财富水平的因素众多，包含衡量户主和家庭特征的诸多变量，而在该简单回归中没有控制这些变量。这些变量(如户主的健康水平和耕地面积)很可能与征地相关，那么准确识别征地影响的时候，就需要控制这些变量，否则会因为遗漏变量而得到不一致的估计结果。因此，我们逐步在回归中控制住了户主和家庭的特征变量，见表 2中的(2)和(3)。

由表 2中的结果(3)可知，在控制了户主和家庭特征变量后，征地对农户财富水平会产生正向影响。在征地事件发生后，政府一般会对被征地农户给予一定的补偿，其中包括资金补偿和非资金补偿，而这些补偿的获得则会直接或间接的增加农户财富。虽然在征地后失去了一部分或者全部的土地，并且由于补偿计算方式的复杂性和补偿标准的地区差异性，我们无法直接比较被征收土地可能获得的未来收益的现值和所获补偿价值的大小。但是即使补偿价值小于土地的未来收益现值，也未必会恶化农户家庭的财富状况。因为每年有限的农业收入难以直接影响农户的财富水平，而一次性给予的大额补偿却可以显著增加征地后农户生产经营的选择范围，例如从事自我经营或者购进农用机械从事现代化生产。生产经营方式的改善可以长久稳定的改善农户财富状况，提高农户家庭经济水平，从而促进农村减贫。因此征地的减贫效应符合现实情况。

除了征地变量之外，还存在许多控制变量也会显著影响农户的财富水平。年龄变量显著为正，其平方项显著为负，表明年龄对农户财富的影响呈倒U型，即相对于中年人，户主为青少年和老年人的农户财富水平更低。教育变量对农户财富水平起着显著的正向影响，教育水平越高，越能找到高收入的非农工作岗位，从而提高家庭财富水平，该结论与刘万霞(2013)所得相一致。性别变量前的系数显著为负，表明户主为女性的农户家庭拥有更高的财富水平。在户主为女性的家庭中，户主丈夫多通过入赘的方式进入该家庭，而这些家庭在本地一般都是非富即贵。同时本文还发现健康水平和婚姻状况对农户财富的影响显著为正，这与现实观察相符：户主健康水平越高，越能带来更多的劳动收入；而户主已婚的家庭拥有更多的劳动力。相对于少数民族，汉族农户家庭拥有相对更高的财富水平。赵晓芳(2009)发现民族歧视在就业市场中依旧存在，这就导致少数民族在就业时面临着更高的进入壁垒。党员变量显著为正，户主是党员更能提高家庭财富水平。中共党员的政治身份不仅能给个人带来额外的工资溢价，而且还可能带来其他的一些特权收益(Appleton and Song, 2008)。家庭负债会显著降低财富水平，该结果符合现实。人口变量的系数为正，充足的劳动力是家庭财富增长的重要前提。土地作为农户家庭的重要资产，对财富水平会产生显著的正向影响。

(二). 征地对农户贫困影响的异质性分析

1.不同形式下征地对农户的差异性影响。政府的征地行为包括多种形式，各种形式的征地对农户贫困的影响是否存在差异，是一个值得研究的问题。基于数据的可获得性，本文将征地分为“耕地和宅基地都被征”(结果(1))、“耕地被征”(结果(2))、“宅基地被征”(结果(3))和“其他用地被征”(结果(4))四种形式，并分别研究了该四种征地形式对农户贫困的影响。在模型(1)中分别将有该四种征地形式的农户的lexp变量赋值为1，没有征地经历的农户则赋值为0。最终结果如下：

由表 3结果可知，虽然所有形式的征地都表现为促进农户减贫，但各种征地形式的影响程度确实存在差异。耕地被征用对农户减贫的影响程度最低，并且低于所有征地农户的平均水平(0.2860)，其系数大小为0.2188。耕地为农户日常进行农业生产的土地，它正是农户农业收入的根本来源，因此不管征地补偿如何之高，农业收入的降低必定会在一定程度上抑制征地的减贫效应，该结果符合现实。征用宅基地和其他用地带来的减贫效应是最为显著的，宅基地或者其他闲置用地与农户的经营生产关联性不强，在征地后通常不会影响农户的正常收入，并且宅基地被征用后政府对住宅会另外给与补偿，因此这两种形式的征地能够充分发挥减贫效应。最后，耕地和宅基地都被征用的农户所受到的影响位于耕地被征和宅基地被征农户之间。

2.不同补偿方式下征地对农户的差异性影响。不同农户在征地后获得的征地补偿是存在差异的。有的农户单独获得了资金补偿或非资金补充，而有的农户则可能同时获得了这两种补偿。为了识别不同补偿方式下征地对农户的减贫效应是否存在差别，本文依据补偿类型将征地农户分为三类，然后分别检验了征地对这三种农户的影响。

结果见表 4：

结果(1)显示的是征地对仅收到资金补偿农户的影响，该结果低于其他两种类型的农户，也低于征地的平均减贫效应(0.2860)。此外同时获得资金补偿和非资金补偿的农户财富水平得到了最大的提升，结果为(3)，而仅获得非资金补偿的农户受到的影响位于其余两者之间(表中的(2))。

非资金补偿主要有政府安排住房和安置就业两种，由于房价问题，住房的获得可以显著提高农户家庭财富水平，而安置就业可以实现农户向非农就业的转变，从而带来持续稳定的收入增长，提高农户经济水平并促进减贫。资金补偿在短时间内能够显著提升农户家庭财富水平，但是随着时间的流逝，相对于一次性获得的资金补偿，非资金补偿通常更能提高农户的经济水平，从而产生更显著的减贫效应。而资金补偿和非资金补偿都能得到的农户可以同时实现短期和长期的财富增加，因而获得最为显著的减贫效应。上述结果符合现实。

3.征地对不同地区农户的差异性影响。众所周知，地区的发展水平会影响征地的需求。同时征地后农户的土地面积将会减少，因此农户很有可能参与到非农就业中，而后者又依赖于地区发展水平。征地后非农就业收入将成为农户家庭的重要收入来源，在农业生产收益日渐降低的今天，非农就业是农户摆减贫困的重要途径(程名望，2016)。为此，我们猜测征地的减贫效应也会存在地区差异。根据地区发展水平等综合因素，我们参考Hu and Wang(2006)的做法将样本中的省份分别归为东部(北京、江苏、山东、广东和辽宁)、中部(山西、安徽、河南、湖北和湖南)和西部(重庆、四川、云南和甘肃)。令west和middle为西部和中部地区的虚拟变量，并加入了征地和地区虚拟变量的交互项。

结果见表 5：

从该结果可知，西部和中部地区农户家庭的财富水平比东部地区农户相对更低，并且征地的减贫效应在东部地区最为明显，而在中西部地区减贫效应显著降低。原因是东部地区土地资源稀缺，土地需求量大；同时东部地区经济发达，非农就业工资较高。因此在征地后，农户不仅可以获得更多的征地补偿，在非农就业过程中还能获得更高的工资收入，从而提高家庭财富水平；而中部和西部地区土地资源相对充足，非农工资也相对较低，征地的减贫效应有所下降。

4.征地在不同市场化程度下对农户的差异性影响。1978年以来的以市场化改革为方向的经济转型使中国实现了飞跃式的发展(樊纲等，2011)。完善的社会市场，可以实现资源和要素优化配置，从而提高社会效率，推动经济发展和社会进步。可以理解的是农户对征地补偿的利用效率越高，越能扩大补偿的减贫效应。理论上，在市场化程度较高的情况下，农户可以实现征地补偿的最优配置，使其为自身家庭带来更多的财富增长。因此，我们推测市场化水平越高，则征地的减贫效应会更加明显。为此，我们引入了市场化指数变量(market)，并加入了征地和市场化指数变量的交互项。市场化指数数据来源于《中国分省份市场化指数报告(2016)》(王小鲁等，2017)。

结果见表 6：

由表 6可知，在征地、市场化水平分别推动农户财富水平提高的同时，征地带来的减贫效应还会随着市场化水平的提高而不断增强：市场化程度越高，征地的减贫效应更佳明显。该结果符合预期，在市场化程度较高的情况下，农户可以尽可能的优化其资源配置，获取更多回报。

5.征地对不同财富水平农户的差异性影响。农户之间财富和生活水平的差异会影响到农户的价值观和对家庭资源的利用方式。上述结果已经表明征地会提高农户财富水平，促进农村减贫，那么不同财富水平下农户对征地所带来的资金及其他补偿的利用效率又是否会存在差异，从而导致征地的减贫效应对不同农户产生区别影响呢？接下来本文将运用分位数回归的方法对该问题进行检验。

回归结果见表 7：

由上表可知，征地的减贫效应在财富水平相对较高的农户中更加明显，家庭相对富有的农户能更好的利用政府补偿提高自身财富水平，摆脱贫困现状。经济水平较低的农户在家庭基本生活没有保障的情况下，政府对其的补偿主要用于衣食等基本生活消费，这就导致减贫效应较低；而高经济水平农户在衣食无忧的情况下可以将补偿用于改变生产模式或投资于其他理财产品，从而最大程度的发挥了征地补偿的减贫效应。该结果说明征地虽然能够促进减贫，但补偿安排仍存在不足，导致征地对低财富农户的减贫效应要低于高财富农户。在以后征地过程中，政府可以优化补偿结构，提高征地在低财富农户中的减贫效应。

(三). 征地补偿对农户贫困的效应分析

前文已经证明不同类型的补偿形式下征地都能促进农户减贫，并且资金补偿和非资金补偿组合的效果最为显著。为了使征地补偿的减贫效应更为直接可见，在该部分本文将对不同征地补偿组合的处理效应进行识别。为了计算处理效应，首先需要得到不同征地补偿对农户财富的影响系数。因为在直接识别征地补偿对农户财富水平的影响时会存在结构化的内生性问题，因此该部分将运用模型选择部分所建立的联合分布模型(2)，在处理了内生性问题的基础上识别征地补偿的影响。鉴于补偿方式的决定由政府安排，不同地区的标准和不同具体情况下补偿方式的决定因素也存在差异，影响较为复杂，因此此处只展示财富模型的回归结果。

结果见表 8：

表中结果显示，无论是资金补偿还是非资金补偿，均能提高农户财富水平，并且非资金补偿对农户的减贫效应更加明显，该结果符合本文在之前所得结论。鉴于如今政府征地补偿以资金补偿为主，提高非资金补偿所占比重是今后补偿安排的优化方向。此外，相关系数ρ和标准差σ均保持显著，说明了该模型的合理性。

接着，根据模型设定，资金补偿和非资金补偿的处理效应如下：

当资金补偿和非资金补偿同时存在时，处理效应最强，相对于没有经历过征地的农户，征地农户家庭财富要多233578.8元；当仅有资金补偿时，处理效应最弱，此时征地农户家庭财富要比无征地农户多40236.6元；当仅有非资金补偿时，处理效应为143379.3，说明征地农户家庭财富比非征地农户多143379.3元。该结果符合上述研究结论：资金和非资金补偿均能提高农户财富，促进农村减贫，并且非资金补偿的效果更加明显，而同时获得两种补偿的农户在短期和长期内都可以实现财富的增加，因此减贫效果最为显著。

(四). 征地减贫效应的实现途径分析

上文已经证明，征地事件本身及其补偿均可以提高农户财富，促进农户减贫。征地补偿是征地后政府给予被征地农户的重要回报，其能够提高农户家庭财富水平，该结果是可以理解的。但是征地的减贫效应是单独通过征地补偿来实现，还是还存在其他的减贫途径呢？若能解决该问题，则能进一步加深对征地减贫效应的理解。为此，本文采用中介效应检验，对征地补偿在征地减贫效应中所起作用进行分析。中介效应有3个检验标准，其分别为：一、征地对农户财富有显著影响；二、征地对征地补偿的影响也达到显著水平；三、因变量农户财富同时对自变量征地和中介变量征地补偿回归，中介变量影响显著，若自变量征地的系数减小且保持显著，则为部分中介作用，若征地不再显著，则征地补偿起完全中介作用(Judd and Kenny, 1981；Baron and Kenny, 1986)。

结果见表 10：

由结果(1)、(2)和(3)可知，征地对农户财富及征地补偿均有显著影响，同时在将征地及征地补偿同时放入联合分布模型后，结果(4)显示二者都能显著提高农户财富。但相较于结果(1)中的系数0.2860，结果(4)中lexp的系数减小至0.1159，只占了原来的40.5%。由此可知，征地补偿在征地对农户的减贫效应中起着部分中介作用，包括资金补偿及非资金补偿在内，征地补偿所起的作用总共占了征地减贫效应的59.5%，而其余部分效应则是通过其他途径实现的。征地后家庭农业收入减少甚至完全消失，在生活的压力下，农户会选择外出就业或者从事非农自我经营。在农业收益日益降低的今天，外出就业或非农经营反而可以为农户带来的更多的经济收入，从而提高家庭财富，这些可能就是除了征地补偿之外征地减贫效应的重要实现途径。

六、稳健性检验

上文已经证明：征地能够提高农户的财富水平，促进农户减贫；征地补偿中的资金补偿和非资金补偿均可以促进农户减贫，其中非资金补偿的减贫效应相对于资金补偿更加明显；征地补偿在征地的减贫效应中起部分中介作用，其是征地减贫效应的重要实现途径之一。为了验证这些结论的稳健性，在该部分本文将进行一系列的稳健性检验。

在政社合一的人民公社退出历史舞台后，乡村干部不仅在乡村规则的形成和实施中扮演着重要的角色(谢琳、罗必良，2013)，同时又和普通农户难以接触到的相关政府部门紧密相连(Chen，2011)。因此，乡村干部作为农户中的特殊群体，其存在可能会使回归结果出现偏差。因此，本文在删去家庭中有成员是乡村干部的农户样本后，重新进行了实证分析。

回归结果见表 11：

在删去家庭中有成员是乡村干部的农户样本后，回归结果与原结果几乎无异：征地可以通过资金补偿和非资金补偿两种方式共同提高农户的财富水平，促进农村减贫；并且非资金补偿的效果更加明显；征地补偿在征地的减贫效应中起部分中介作。可见本文结果是稳健的。

此外，本文还尝试改变农户家庭经济水平的度量指标来检验结果的稳健性。本文在该部分选取农户家用汽车(不包括生产经营用车)的市场价值设置了变量car，并用car变量来衡量农户家庭经济水平。因为该变量中不包含生产经营用车，因此能避免因为某些农户从事运输类行业而对其家庭经济水平产生错误估计。

在改变变量后，回归结果如下：

以上结果与原结果相比，除了系数大小发生些许变化之外，符号和显著性仍保持不变，征地通过资金补偿和非资金补偿共同促进了农户减贫，非资金补偿的效果更为明显；征地补偿在征地的减贫效应中起部分中介作用。因此本文结论是稳健的。

七、总结及政策分析

本文首先研究了征地对农户家庭财富水平的影响，发现尽管征地之后农户土地拥有量降低，但是征地仍然可以提高农户家庭财富水平，促进农村减贫。此外，本文对征地的影响进行了进一步的讨论，分别考虑了征地在不同情况下的异质性影响，发现：①征地形式会影响征地的减贫效应，其中征用宅基地的减贫效应最为显著，而征用耕地时效应则会降低；②不同的征地补偿方式下征地的减贫效应存在区别，资金补偿的效果相对较差，而同时获得资金补偿和非资金补偿最能促进农户减贫；③征地的减贫效应存在地区差异，相比于中部和西部地区，其在东部地区减贫效应最为显著；④征地的减贫效应会随着市场化程度的提高而增强；⑤征地的减贫效应在高财富农户中更为明显，在低财富农户中效果较弱。进一步，本文还利用联合分布模型识别了不同补偿方式对农户贫困的影响并计算出了不同征地补偿的处理效应，所得结果符合资金补偿和非资金补偿的组合效果最好，单独非资金补偿其次，单独资金补偿效果最差的结论。最后，为了能为政府的征地工作提供更具有帮助性的建议，本文识别了征地减贫效应的实现途径，发现：征地补偿是征地减贫效应的重要实现途径，但不是唯一途径，其在征地的减贫效应中起部分中介作用。本文结论说明了政府征地不仅有助于加速我国的城市化、现代化建设，还具有促进农户减贫，推动农村发展的作用。

根据研究结论，本文建议：(1)因为征地会减少农户土地拥有量，增加农户生活风险，因此政府在征地过程中要注重征地补偿的分配和落实，并可以适当提高补偿标准。(2)耕地在农户生活中起着重要作用，政府可以尽量减少耕地的征用。(3)政府的征地补偿安排可以采用资金补偿和非资金补偿相结合的方式，因为现在的补偿方式以资金补偿为主，因此可以适当提高非资金补偿的比重。(4)政府在进行补偿时要做到因户制宜、因地制宜，对低财富农户及中西部地区可以适当予以照顾。

最后，因为本文所使用数据为截面数据，农户贫困水平的度量只能使用2013年数据，而征地事件发生的时间可能在2013年当年，也可能在多年以前，因此本文所识别的征地的减贫效应是短期效应和长期效应的综合体现，而不能单独识别其中的一种，这是本文研究的不足之处。若能获得相应的面板数据，则可以将征地事件短期和长期的减贫效应区分开来，深化研究内容，并提出更具有指导性的建议。