劉　魏

(西南大學 1.經(jīng)濟管理學院；2.農(nóng)村經(jīng)濟與管理研究中心，重慶市 400715)

?

非農(nóng)就業(yè)對城郊農(nóng)民收入的影響研究

劉魏1，2

(西南大學 1.經(jīng)濟管理學院；2.農(nóng)村經(jīng)濟與管理研究中心，重慶市 400715)

城鎮(zhèn)化的外圍式擴張導致城郊農(nóng)民土地被征用，非農(nóng)就業(yè)將成為城郊農(nóng)民重要的就業(yè)方式?；谥袊C合社會調查(CGSS)2012年的統(tǒng)計數(shù)據(jù)，運用傾向得分匹配模型，分析了非農(nóng)就業(yè)對城郊農(nóng)民收入的影響。結果發(fā)現(xiàn)：非農(nóng)就業(yè)能夠顯著提高城郊農(nóng)民收入水平，非農(nóng)就業(yè)的城郊農(nóng)民收入比未非農(nóng)就業(yè)高59%?；诓煌芙逃潭?、不同社會地位和不同性別等異質型特征進一步研究發(fā)現(xiàn)，低學歷、女性人群由純農(nóng)就業(yè)轉為非農(nóng)就業(yè)，其收入提升效應更為顯著，但現(xiàn)階段低學歷、女性人群非農(nóng)就業(yè)比例卻很低。因此，鼓勵城郊農(nóng)民非農(nóng)就業(yè)是很有必要的，尤其要降低低學歷、女性等人群的非農(nóng)就業(yè)進入門檻，使他們進入到城市服務行業(yè)，以達到與城市高技能勞動者的行業(yè)互補和提高農(nóng)業(yè)規(guī)模經(jīng)濟效益的目的。

非農(nóng)就業(yè)；城郊農(nóng)民；收入效應；學歷；女性人群；中國綜合社會調查

一、引　言

傳統(tǒng)意義上，農(nóng)村非農(nóng)經(jīng)濟發(fā)展被認為是低產(chǎn)出的，將隨著時間的變化逐漸消失，農(nóng)民收入獲取的途徑主要源于農(nóng)業(yè)生產(chǎn)經(jīng)營，即通過土地、勞動力和資本的投入實現(xiàn)。但土地單位產(chǎn)出率的低下和農(nóng)村信貸資本的限制，導致剩余的勞動力集中在土地上，農(nóng)民不能通過資本投資獲取新的生產(chǎn)技術。同時農(nóng)產(chǎn)品價格的風險性和不確定性導致農(nóng)民收入增長具有不穩(wěn)定性。伴隨著改革開放以后我國經(jīng)濟社會環(huán)境發(fā)生的變化，農(nóng)民非農(nóng)就業(yè)越來越被重視，其在農(nóng)民收入增長、減少貧困和釋放農(nóng)村剩余勞動力等方面扮演著重要角色[1-2]。農(nóng)民收入增長不再單純依靠農(nóng)業(yè)生產(chǎn)，而更多地依靠非農(nóng)生產(chǎn)活動。據(jù)統(tǒng)計，2015年底我國農(nóng)民工總量達到2.77億，比上年增長1.3%，其中外出農(nóng)民工1.69億，增長0.4%*數(shù)據(jù)來源于國家統(tǒng)計局發(fā)布的《2015年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》。?？梢哉f，農(nóng)村經(jīng)濟中非農(nóng)業(yè)對收入貢獻的比例越來越大，不僅提高了農(nóng)民收入水平，也為城市經(jīng)濟貢獻了勞動力。

與時同時，勞動力的流動促使城鎮(zhèn)化快速發(fā)展，城鎮(zhèn)化的發(fā)展將掀起新一輪的非農(nóng)就業(yè)浪潮[3]。城鎮(zhèn)化推進過程中，城鎮(zhèn)規(guī)模的外延式擴張會導致城郊失地農(nóng)民的增加，城郊農(nóng)民生產(chǎn)行為將發(fā)生變化，必將進一步影響其收入水平和收入結構[4]。一方面，城郊農(nóng)民在城鎮(zhèn)化發(fā)展過程中由于面臨失去土地風險而選擇非農(nóng)就業(yè)，另一方面，城郊農(nóng)民在傳統(tǒng)農(nóng)業(yè)生產(chǎn)過程中面臨過密化*黃宗智認為，過密化是指經(jīng)濟在以單位工作日邊際報酬遞減為代價的條件下擴展，即所謂的“沒有發(fā)展的增長”。導致的土地單位產(chǎn)出率低、農(nóng)村資本匱乏、農(nóng)業(yè)收入增長不穩(wěn)定等供給側問題，會主動選擇非農(nóng)就業(yè)。因此，非農(nóng)就業(yè)成了城郊農(nóng)民收入增長的關鍵。隨著工業(yè)化、城鎮(zhèn)化和農(nóng)業(yè)現(xiàn)代化的發(fā)展，城郊農(nóng)民正面臨收入結構的變化。非農(nóng)就業(yè)不僅能夠提高收入水平，還能夠為婦女和窮人創(chuàng)造更多的就業(yè)崗位[5]。當前，我國正在進行“供給側改革”。勞動力作為供給側一個重要的增長因素，勞動力的優(yōu)化配置將對供給側改革產(chǎn)生深遠影響。習近平同志在中央財經(jīng)領導小組第11次會議和亞太經(jīng)合組織APEC工商領導人峰會上兩次強調，要“加強供給側結構性改革”。李克強同志在“十三五”規(guī)劃綱要編制工作會議和2015年《政府工作報告》上指出，“要在供給側和需求側兩端發(fā)力，促進產(chǎn)業(yè)邁向中高端”。對于城鎮(zhèn)化發(fā)展來說，處理好城郊農(nóng)民的非農(nóng)就業(yè)問題無疑是供給側改革的重要內容。

事實上，許多學者認為提高收入的關鍵在于非農(nóng)就業(yè)[6]。但由于規(guī)避風險的偏好，城郊農(nóng)民中從事非農(nóng)就業(yè)工作的通常是被征地或者受教育程度較高、具有非農(nóng)工作經(jīng)歷的人群，知識和思維結構、社會網(wǎng)絡的變化使這部分人群更傾向于非農(nóng)就業(yè)。Emran & Hou指出窮人參與非農(nóng)活動會面臨進入壁壘[7]。Cherdchuchai & Otsuka、Kijima, Matsumoto & Yamano、Lanjouw & Murgai也認為從事非農(nóng)活動需要嫻熟的技能或者較高的受教育程度[8-10]。那么，非農(nóng)就業(yè)對城郊農(nóng)民收入的影響，到底來自于非農(nóng)就業(yè)的直接影響？還是諸如受教育程度、性別、社會地位等異質性特征帶來的間接影響？這是本文需要甄別的一個問題。因此，本文將運用傾向得分匹配(PSM)模型來檢驗非農(nóng)就業(yè)對城郊農(nóng)民收入的影響，傾向得分匹配方法能夠較好地剔除樣本自選擇所帶來的內生性問題。

二、文獻述評

近年來，國內外學術界對農(nóng)民的非農(nóng)就業(yè)問題進行了廣泛討論和深入研究，并取得了豐碩成果。不少學者探討了發(fā)展中國家非農(nóng)就業(yè)的特點和影響因素。Reardon et al.認為非農(nóng)就業(yè)在農(nóng)村經(jīng)濟發(fā)展中扮演越來越重要的作用，它為農(nóng)業(yè)生產(chǎn)的上下游提供了產(chǎn)品和服務，同時提供了較多的農(nóng)村收入份額，為糧食安全、緩解貧困、提高農(nóng)業(yè)生產(chǎn)競爭力作出了較大貢獻[11]。Abdulai & Delgado通過對加納北部已婚男性和女性非農(nóng)就業(yè)行為的研究，得出教育、經(jīng)驗、基礎設施、到首都的距離、人口密度能夠顯著提高勞動力非農(nóng)就業(yè)的參與率，同時非農(nóng)就業(yè)工資具有性別差異[12]。Barrett發(fā)現(xiàn)非農(nóng)就業(yè)與家庭福利存在正相關關系，非農(nóng)收入的多元化有利于刺激消費的快速增長[13]。Canagarajah發(fā)現(xiàn)自我雇傭方式的非農(nóng)就業(yè)會導致收入不平等程度的加劇，對于以女性為戶主的家庭更甚，而以工資為主要方式的非農(nóng)就業(yè)可以減小收入不平等程度[14]。此外，他還發(fā)現(xiàn)地理位置、受教育程度、年齡和距離市場遠近是影響非農(nóng)就業(yè)的關鍵因素。Lanjouw認為窮人由于受教育程度較低，其參與非農(nóng)就業(yè)活動的勞動生產(chǎn)率低下[15]。任國強探討了人力資本對非農(nóng)就業(yè)的影響，發(fā)現(xiàn)受教育程度越高，非農(nóng)就業(yè)參與度越高，除高中外，農(nóng)民受教育程度越高，非農(nóng)報酬也越高[16]。艾春榮、汪偉發(fā)現(xiàn)農(nóng)戶非農(nóng)就業(yè)與否主要與由農(nóng)戶的農(nóng)業(yè)生產(chǎn)率和非農(nóng)勞動單位報酬決定，與當期收入不相關[17]。

非農(nóng)就業(yè)的進入限制也是一個值得研究的問題。Knight指出初中及以上學歷的農(nóng)民更容易獲得貿(mào)易、制造業(yè)等非農(nóng)工作，其子女更容易受到良好的教育，這會形成一個良性循環(huán)，而那些受教育程度較低的農(nóng)民往往會陷入惡性循環(huán)中[18]。同樣，營養(yǎng)不良的農(nóng)民由于工作效率低下，失業(yè)的可能性更高，從而陷入貧困的惡性循環(huán)之中[19-20]。Jha運用印度農(nóng)村的實證研究證實了營養(yǎng)不良導致貧困的假設[21]。Reardon強調貧困家庭由于非農(nóng)活動進入限制，阻礙了他們投資非農(nóng)活動，這印證了貧困陷阱的存在，也說明貧困家庭進入非農(nóng)產(chǎn)業(yè)工作并非是一個自然過程[22]。

還有學者研究了非農(nóng)就業(yè)與收入之間的關系問題。Taylor J.E認為非農(nóng)就業(yè)所造成的農(nóng)業(yè)勞動力流失會導致農(nóng)業(yè)收入的下降[23]。Haggblade et al.認為發(fā)展中國家非農(nóng)就業(yè)是農(nóng)民收入的主要來源，貢獻了35～50%的份額，同時吸納了33%的農(nóng)村勞動力[24]。不少學者認為非農(nóng)就業(yè)活動在經(jīng)濟社會中的作用越來越大[25]，增加了農(nóng)民的糧食產(chǎn)出和收入[26]，縮小了農(nóng)業(yè)家庭和非農(nóng)就業(yè)家庭的收入差距[27]。劉洪銀運用丹尼森方法構建回歸模型，發(fā)現(xiàn)非農(nóng)就業(yè)能夠顯著促進經(jīng)濟增長，同時非農(nóng)就業(yè)對經(jīng)濟增長的作用符合邊際遞減規(guī)律[28]。錢文榮等區(qū)分了非農(nóng)就業(yè)對收入影響的直接和間接效應，直接效應顯示非農(nóng)就業(yè)人數(shù)的增加會導致農(nóng)業(yè)收入下滑，間接效應顯示非農(nóng)就業(yè)的工資匯款可以補償直接效應所帶來的負面影響[29]。寧光杰運用2008年農(nóng)村住戶調查數(shù)據(jù)分析了非農(nóng)就業(yè)的影響因素及非農(nóng)就業(yè)對農(nóng)民收入的影響問題，研究發(fā)現(xiàn)教育、年齡、培訓、健康以及非農(nóng)工作經(jīng)歷會顯著影響農(nóng)民非農(nóng)就業(yè)參與度。同時還發(fā)現(xiàn)外出非農(nóng)就業(yè)的收入顯著高于本地就業(yè)[30]。冉璐等運用2008年中國綜合社會調查數(shù)據(jù)，分析了非農(nóng)就業(yè)經(jīng)歷對務農(nóng)收入的影響，發(fā)現(xiàn)具有非農(nóng)就業(yè)經(jīng)歷的農(nóng)民務農(nóng)收入顯著高于無非農(nóng)就業(yè)經(jīng)歷的農(nóng)民[31]。

通過對相關文獻的梳理，本文可能的創(chuàng)新之處是：(1)已有研究內容主要集中在非農(nóng)就業(yè)行為的決定因素上，較少涉及非農(nóng)就業(yè)對收入影響問題。對于部分研究非農(nóng)就業(yè)對農(nóng)民收入影響的文獻，則忽略了不可觀測因素所導致的自我選擇所產(chǎn)生的偏誤，難以區(qū)分非農(nóng)就業(yè)所產(chǎn)生的因果效應與不可觀察因素所產(chǎn)生的效應，會導致回歸估計偏誤，從而給出一個錯誤的政策含義。因此本文利用傾向得分匹配模型(PSM)，可以較好地區(qū)分非農(nóng)就業(yè)或是不可觀測因素對農(nóng)民收入的影響。(2)研究主體主要集中于城郊農(nóng)民?，F(xiàn)有文獻主要研究農(nóng)民的非農(nóng)就業(yè)問題，其理論背景基于勞動力遷移理論和農(nóng)業(yè)的弱質性問題，因此農(nóng)民的非農(nóng)就業(yè)主要考慮農(nóng)業(yè)生產(chǎn)率和非農(nóng)勞動單位報酬的高低。而城郊農(nóng)民則是城鎮(zhèn)化外圍擴張所產(chǎn)生的一個特殊農(nóng)民群體，其非農(nóng)就業(yè)主要來自城鎮(zhèn)化擴張所導致的失地問題和市民化過程積極融入城鎮(zhèn)的自發(fā)就業(yè)過程。因此城郊農(nóng)民與其他農(nóng)村地區(qū)農(nóng)民的非農(nóng)就業(yè)動機是不一樣的。(3)國外學者主要從特定國家研究非農(nóng)就業(yè)問題，這與我國的城郊農(nóng)民有本質不同，且研究數(shù)據(jù)不適用于國內問題研究。本文主要借助于中國綜合社會調查數(shù)據(jù)，覆蓋面廣、代表性強。

三、理論模型

農(nóng)戶非農(nóng)就業(yè)行為選擇問題，本文借鑒了Huffman的理論模型[32]，Owusu et al.對該模型進行了發(fā)展[33]。在給定物品消費量(Q)和閑暇消費量(H)的情況下，農(nóng)戶家庭效用函數(shù)(U)可以表示為：

(1)

同時，每個農(nóng)戶家庭還面臨時間和資金預算約束。時間約束可以表示為：

(2)

T表示總的時間稟賦，L1和L2分別表示分配給農(nóng)業(yè)就業(yè)和非農(nóng)就業(yè)的時間，H表示閑暇時間。L1和L2滿足：

(3)

資金預算約束可以表示為：

PQ=p1y1=wL1+w2L2+R

(4)

其中，P代表市場上產(chǎn)品價格，w1和w2分別表示農(nóng)業(yè)就業(yè)、非農(nóng)就業(yè)的勞動力單位時間報酬，y1和p1分別表示農(nóng)產(chǎn)品的銷售量、銷售價格，R表示非勞動收入。

因此，農(nóng)戶獲取最大利潤的最優(yōu)時間分配，可以表示為效用函數(shù)的一階條件：

(5)

(5)式中i表示農(nóng)業(yè)就業(yè)或非農(nóng)就業(yè)，將(5)式化簡，可得到農(nóng)戶在農(nóng)業(yè)就業(yè)和非農(nóng)就業(yè)的最優(yōu)工資報酬：

(6)

根據(jù)(5)式，農(nóng)戶分配到農(nóng)業(yè)、非農(nóng)就業(yè)和閑暇的最優(yōu)時間，可以得農(nóng)業(yè)就業(yè)和非農(nóng)就業(yè)的勞動力供給函數(shù)：

(7)

(8)

(9)

(10)

四、研究方法、變量與數(shù)據(jù)

(一)傾向得分匹配方法

根據(jù)是否選擇非農(nóng)就業(yè)，本文將樣本分為激勵組和控制組兩類。激勵組即非農(nóng)就業(yè)的城郊農(nóng)民，控制組即未非農(nóng)就業(yè)的城郊農(nóng)民。前文提到，城郊農(nóng)民非農(nóng)就業(yè)對收入的影響效果，可能來自于受教育程度、性別、社會地位等異質性特征，而非非農(nóng)就業(yè)的直接影響，因此有必要控制樣本的自選擇偏誤。文章采用Rosenbaum & Rubin提出的傾向得分匹配模型(PSM)[35]，其基本思想是找到與激勵組相似的控制組樣本，從而降低樣本自選擇偏誤。這種選擇方法即是傾向得分(propensity score)，傾向得分既可以使激勵組尋找一對一的控制組樣本，也可以尋找一對多的控制組樣本。傾向得分定義是在樣本X給定的條件下，城郊農(nóng)民選擇非農(nóng)就業(yè)的條件概率，即：

(11)

其中，Li表示城郊農(nóng)民選擇非農(nóng)就業(yè)與否，取值0表示未參與非農(nóng)就業(yè)，取值1表示參與非農(nóng)就業(yè)。Zi表示影響就業(yè)行為的個體特征。傾向得分p(Zi)可以用logit或者probit模型進行估計[36]，在已知農(nóng)戶的傾向得分p(Zi)后，通常無法尋找到得分完全一樣的樣本，已有文獻主要通過最近鄰匹配、半徑匹配和核匹配等方法來達到激勵組與控制組的樣本匹配。這三種方法的計算公式在此不一一列舉，通過Stata 13.1軟件可以很方便地計算出。樣本匹配完成后，進一步估計城郊農(nóng)民選擇非農(nóng)就業(yè)的平均處理效果(ATT)，其公式為：

(12)

(二)變量與數(shù)據(jù)

本文所用的數(shù)據(jù)主要來自于中國綜合社會調查(Chinese General Social Survey，CGSS)，該數(shù)據(jù)由中國人民大學中國調查與數(shù)據(jù)中心組織調查。數(shù)據(jù)樣本始于2003年，調查范圍覆蓋中國大陸，調查內容涉及中國家庭及個人的個體特征、價值觀、健康、收入等。本文選取(CGSS)2012年的調查數(shù)據(jù)，數(shù)據(jù)中包含s5a和a18兩個變量，s5a的標簽含義是受訪者居住的地區(qū)類型，取值1代表市/縣城的中心地區(qū)，取值2代表市/縣城的邊緣地區(qū)，取值3代表市/縣的城鄉(xiāng)結合部，取值4代表市/縣城區(qū)以外的鎮(zhèn)，取值5代表農(nóng)村，取值6代表其他。a18的標簽含義是“您目前的戶口登記狀況”，取值1代表農(nóng)業(yè)戶口，取值2代表非農(nóng)業(yè)戶口，取值3代表藍印戶口，取值4代表居民戶口(以前是農(nóng)業(yè)戶口)，取值5代表居民戶口(以前是非農(nóng)戶口)，取值6代表軍籍，取值7代表沒有戶口，取值8代表其他。本文研究的城郊農(nóng)民收入問題，因此同時選擇s5a取值為2或3和a18取值為1的樣本。通過這兩個指標可以選取城郊農(nóng)民樣本，同時剔除了拒絕回答、不知道、不適用的樣本，最終獲得849個樣本觀測值。本文主要分析非農(nóng)就業(yè)與城郊農(nóng)民收入問題，結合明瑟收入方程常用的收入控制因素，本文選擇了性別、年齡、年齡的平方、是否少數(shù)民族、是否宗教信仰、受教育程度、是否黨員、健康狀況、社會地位、是否結婚等個體特征變量，各變量的描述性統(tǒng)計見表1和表2。

表1　變量的選取和指標定義

表2　變量的描述性統(tǒng)計

通過以上對變量和數(shù)據(jù)的選取，本文進一步觀察非農(nóng)就業(yè)所形成的收入分布差異。圖1展示了城郊農(nóng)民收入的核密度函數(shù)。從圖中可以看到，在收入的低收入?yún)^(qū)間，未非農(nóng)就業(yè)的人群概率密度高于非農(nóng)就業(yè)人群，說明低收入?yún)^(qū)間未非農(nóng)就業(yè)人群密度較高。在中等收入?yún)^(qū)間，非農(nóng)就業(yè)人群概率密度高于未非農(nóng)就業(yè)，說明非農(nóng)就業(yè)人數(shù)較多。而在中高收入?yún)^(qū)間，未非農(nóng)就業(yè)人群概率密度又超過非農(nóng)就業(yè)人群。在高收入?yún)^(qū)間，非農(nóng)就業(yè)人群超過未非農(nóng)就業(yè)人群。這種現(xiàn)象說明在收入處于中等收入?yún)^(qū)間的人群主要是通過非農(nóng)就業(yè)渠道獲取收入，而低收入?yún)^(qū)間和高收入?yún)^(qū)間的人群則主要是通過農(nóng)業(yè)就業(yè)渠道獲取收入。這從側面反映出農(nóng)業(yè)就業(yè)既是致貧的主要因素，也是致富的因素，致貧的原因可能來自于傳統(tǒng)落后的農(nóng)業(yè)生產(chǎn)方式，而致富的原因可能來自于現(xiàn)代先進的農(nóng)業(yè)生產(chǎn)方式，通過規(guī)模經(jīng)濟達到農(nóng)業(yè)收益最大化。但中等收入群體占城郊農(nóng)民的絕大多數(shù)，因此非農(nóng)就業(yè)是提高城郊農(nóng)民收入的有效途徑。

圖1　城郊農(nóng)民收入的概率密度函數(shù)

從圖1可以看出非農(nóng)就業(yè)與未非農(nóng)就業(yè)的城郊農(nóng)民存在著顯著的收入差異。表3進一步用t檢驗分析了非農(nóng)就業(yè)造成的收入差異問題。如表3所示，非農(nóng)就業(yè)的城郊農(nóng)民收入對數(shù)值為10.27，而未非農(nóng)就業(yè)人群僅為4.589，前者比后者高124%，兩者的收入對數(shù)均值存在顯著差異。從影響收入的各因素看，性別、年齡、宗教信仰、受教育程度、健康狀況等均存在顯著差異，相較于未非農(nóng)就業(yè)的城郊農(nóng)民，非農(nóng)就業(yè)人群男性居多、年齡較小、信教者較少、受教育程度更高、身體更健康。但這也隱含著內生性問題，因此需要運用PSM方法將各變量和非農(nóng)就業(yè)對收入的影響分離出來。另外，是否少數(shù)民族、是否黨員、社會地位、婚姻狀況等方面，未非農(nóng)就業(yè)人群和非農(nóng)就業(yè)人群不存在顯著差異。

表3　基于非農(nóng)就業(yè)分類的變量均值及均值差異

注：均值差異欄中為t值，括號內為p值。

五、實證分析

(一)傾向得分匹配模型選擇

從表3的分析結果可知，非農(nóng)就業(yè)的城郊農(nóng)民收入明顯高于未非農(nóng)就業(yè)的城郊農(nóng)民。但進一步分析其個體特征發(fā)現(xiàn)，非農(nóng)就業(yè)的城郊農(nóng)民大多為男性、受教育程度較高、年紀更輕、身體更健康，這種特征隱藏著非農(nóng)就業(yè)對城郊農(nóng)民收入影響的內生性問題。我們無法區(qū)分非農(nóng)就業(yè)對城郊農(nóng)民收入的影響是來自于非農(nóng)就業(yè)自身因素，還是來自于非農(nóng)就業(yè)的城郊農(nóng)民所具有的更能提高收入能力的個體特征因素。因此，前述分析為我們進一步進行PSM分析提供了基礎。

PSM分析的第一步是獲得傾向得分(PS值)。傾向得分主要通過probit或logit等概率回歸模型進行估計而獲取。為了達到匹配效果最佳，概率模型的選擇很重要。Lian等認為，傾向得分估計的概率模型設定主要通過調整R2(pseudo-R2)和AUC值進行判定[37]。在概率模型中，被解釋變量是0-1離散型變量，而通過概率模型估計獲得的傾向得分(PS值)則是連續(xù)變量，因此傳統(tǒng)的判定方法失效[38]，而AUC值*醫(yī)學中常用的受試者工作特征曲線(Receiver Operating Characteristic，ROC)以下的面積被定義為AUC值。則能較好地反映模型設定效果。表4列舉了logit和probit兩種概率回歸模型的估計結果。從回歸結果來看，logit和probit的調整均R2為0.255，logit模型的AUC值高于probit模型的AUC值，Stürmer等認為獲取傾向得分值的概率模型，其值大于0.8時，匹配模型的效果會較好[39]。而本文中l(wèi)ogit模型的AUC值為0.821，高于0.8，同時也高于probit模型的AUC值。因此，本文選擇logit模型作為獲取傾向得分的回歸模型。

表4　概率模型估計

注：1.被解釋變量為0-1變量nonfarm，0代表未非農(nóng)就業(yè)，1代表非農(nóng)就業(yè)。

2.*、**、***分別表示在10%、5%、1%水平上顯著。

3.AUC代表ROC曲線以下的面積。

(二)匹配效果分析

經(jīng)過logit模型計算得到傾向匹配得分(PS值后)，選擇合適的匹配方法，可以計算處理組(非農(nóng)就業(yè))與對照組(未非農(nóng)就業(yè))的平均處理效應(ATT)。匹配方法主要有最近鄰匹配、半徑匹配和核匹配。本文以最近鄰匹配方法為主，半徑匹配和核匹配作為穩(wěn)健性檢驗。以最近鄰匹配方式進行匹配后，可以通過核密度函數(shù)圖和ROC曲線圖檢驗匹配效果。本文顯示了匹配后的ROC曲線圖，如圖2所示。從圖中可以看出，ROC曲線遠離對角線，這反映出AUC值較大，AUC值越大，表明匹配效果越好。因此，ROC曲線直觀地表明傾向得分匹配效果良好。

圖2　傾向得分匹配后的ROC曲線圖

傾向得分匹配還必須滿足平行假設，即城郊農(nóng)民非農(nóng)就業(yè)群體與未非農(nóng)就業(yè)群體在傾向得分匹配后，其各個維度特征無顯著差異。表5列舉了傾向得分匹配后的平衡性檢驗，標準偏誤低于20%通常被認為是良好的匹配結果[40]。從表中可以看出，性別、年齡的平方、受教育程度、是否少數(shù)民族、健康、社會地位等變量的標準偏誤都低于5%，而在匹配前，這些變量的標準偏誤都較高。與此同時，通過t檢驗可以看出，性別、年齡、年齡的平方、宗教信仰、健康狀況等變量在匹配前，控制組和處理組均存在顯著差異，而在匹配后差異不再顯著。是否少數(shù)民族、社會地位兩個變量在匹配前和匹配后，控制組與處理組均不存在顯著差異。受教育程度在匹配前，兩組差異顯著，匹配后，兩組差異只在10%的置信水平上顯著。而政治面貌和婚姻狀況兩變量在匹配前，兩組差異不顯著，匹配后卻變得顯著?？傮w來看，經(jīng)過傾向得分匹配后，對照組與處理組各個維度特征差異不顯著，匹配效果較好。

表5　傾向得分匹配后的平衡性檢驗

注：1.*、**、***分別表示在10%、5%、1%水平上顯著。2.匹配前是指處理組與控制組(非農(nóng)就業(yè)與未非農(nóng)就業(yè))沒有經(jīng)過傾向得分匹配所得到的估計結果，匹配后是指處理組與控制組經(jīng)過傾向得分匹配后得到的估計結果。3.處理組與控制組是指城郊農(nóng)民是否非農(nóng)就業(yè)所劃分的組別。匹配前，處理組指非農(nóng)就業(yè)的城郊農(nóng)民樣本，控制組指未非農(nóng)就業(yè)的城郊農(nóng)民樣本；匹配后，處理組指非農(nóng)就業(yè)的城郊農(nóng)民樣本，控制組指未非農(nóng)就業(yè)、但其特征與非農(nóng)就業(yè)群體特征類似的城郊農(nóng)民樣本。

表6進一步列舉了匹配模型的總體檢驗。運用非農(nóng)就業(yè)與匹配變量的回歸，在匹配前，如表6所示，調整R2為0.255，這在概率模型中算比較良好的擬合效果，似然比檢驗顯著，即匹配變量均為0的假設被拒絕，模型整體上顯著。這種統(tǒng)計結果表明，在匹配前，控制組與對照組存在明顯差異，城郊農(nóng)民中非農(nóng)就業(yè)群體與未非農(nóng)就業(yè)群體的變量特征存在顯著差異；匹配后，調整R2為0.015，擬合效果較差，似然比檢驗顯著水平下降，模型在1%的置信水平上被拒絕。這表明，匹配后，控制組與對照組的差異不明顯，通過傾向得分匹配，找到了與城郊農(nóng)民非農(nóng)就業(yè)群體特征相似的未非農(nóng)就業(yè)群體樣本，模型整體匹配效果較好。

表6　傾向得分匹配模型的檢驗

注：*、**、***分別表示在10%、5%、1%水平上顯著。

(三)結果分析

通過以上匹配模型效果的分析，本文的傾向得分匹配模型效果良好。進一步，通過最近鄰匹配、半徑匹配和核匹配方法，可以估計控制組與處理組的平均處理效應(ATT)。表7列舉了基于三種匹配方式獲得的ATT值。從表7可知，基于最近鄰匹配方式，匹配前，處理組與控制組的收入對數(shù)值分別為10.27和4.589，前者比后者高123.8%，兩者的差值(ATT)為5.681，且在1%的水平上高度顯著；匹配后，處理組與控制組的收入對數(shù)值分別為10.27和6.459，前者比后者高59%，ATT差值為3.811，在1%的置信水平上顯著。這表明，經(jīng)過匹配后，城郊農(nóng)民的個體特征差異已經(jīng)被消除，處理組與控制組的差異完全來自于非農(nóng)就業(yè)行為影響。匹配后兩組的收入對數(shù)值依然顯著，說明非農(nóng)就業(yè)確實能夠促進城郊農(nóng)民收入水平的提高。

通過半徑匹配和核匹配兩種匹配方式的分析，可以對結果的穩(wěn)健性進行驗證?；诎霃狡ヅ浞椒?，匹配前，處理組與控制組的收入對數(shù)值分別為10.27、4.589，前者比后者高123.8%，在1%的水平上顯著；匹配后，兩組收入對數(shù)值分別為10.141、7.29，前者比后者高39.11%，在1%的水平上顯著。半徑匹配方法表明非農(nóng)就業(yè)能夠顯著提高城郊農(nóng)民收入水平。同理，基于核匹配方法，匹配前，處理組與控制組的收入對數(shù)值分別為10.27、4.589，在1%的水平上顯著；匹配后，兩組收入對數(shù)值分別為10.27、6.983，在1%的水平上顯著。核匹配方法也表明非農(nóng)就業(yè)顯著提高了城郊農(nóng)民收入水平。兩種匹配方法均驗證了結果的穩(wěn)健性。

表7　三種匹配方式的ATT比較

注：*、**、***分別表示在10%、5%、1%水平上顯著。

(四)異質性分析

通過前述分析發(fā)現(xiàn)，城郊農(nóng)民的受教育程度、社會地位和性別是重要的異質性變量。不同受教育程度、不同社會地位、不同性別的人群在非農(nóng)就業(yè)行為選擇時，會做出不同的抉擇。因此，本文有必要基于受教育程度、社會地位、性別等變量，區(qū)分不同受教育程度、不同社會地位、不同性別的人群非農(nóng)就業(yè)行為選擇問題。表1所列的變量定義中，受教育程度的指標描述是從1-13分別表示未受過教育，…，研究生。本文為了方便起見，將受教育程度為1、2、3的樣本歸納為小學及以下，將受教育程度為4、5、6、7、8的樣本歸納為中學，將受教育程度為9、10、11的樣本歸納為大學及以上。同理，社會地位為1、2、3的樣本歸納為最低層，社會地位為4、5、6、7的樣本歸納為中產(chǎn)階級，社會地位為8、9、10的樣本歸納為最頂層，性別變量1代表男性、2代表女性。

表8列舉了不同受教育程度的城郊農(nóng)民的ATT估計結果。從表中可以看出，基于最近鄰匹配，匹配前，非農(nóng)就業(yè)均促進了不同教育背景城郊農(nóng)民的收入水平，小學及以下、中學在1%水平上高度顯著，大學及以上在5%水平上顯著。值得注意的是，非農(nóng)就業(yè)對城郊農(nóng)民收入的促進作用，在受教育程度較低人群更為明顯；匹配后，小學及以下、中學學歷的城郊農(nóng)民，其非農(nóng)就業(yè)行為顯著促進了收入水平的提高，小學及以下在1%水平上顯著，中學在10%水平上顯著，而大學及以上群體，非農(nóng)就業(yè)對收入的促進作用不顯著。從ATT差值上可以看出，教育程度越低，非農(nóng)就業(yè)對收入的促進作用更明顯，小學及以下、中學、大學及以上的ATT差值分別為3.632、1.952、1.654。由此可見，非農(nóng)就業(yè)對受教育程度較低的城郊農(nóng)民的收入提升作用是非常顯著的。同理，半徑匹配、核匹配方法也都得出了相似的結果，驗證了結果的穩(wěn)健性。但如圖3所示，小學及以下、中學、大學及以上的城郊農(nóng)民非農(nóng)就業(yè)比例分別為33.23%、63.24%、75.93%，可見，受教育程度較低的人群，其非農(nóng)就業(yè)比例也較低。因此，要鼓勵受教育程度較低的城郊農(nóng)民積極選擇非農(nóng)就業(yè)，通過破除低技能勞動者非農(nóng)就業(yè)進入障礙，免除低受教育人群進入非農(nóng)產(chǎn)業(yè)的后顧之憂。

表8　不同受教育程度的估計ATT結果

注：*、**、***分別表示在10%、5%、1%水平上顯著。

圖3　不同受教育程度的城郊農(nóng)民非農(nóng)就業(yè)比例

表9列舉了不同社會地位的城郊農(nóng)民ATT差值估計結果?；谧罱徠ヅ?，從表中可以看出，匹配前，非農(nóng)就業(yè)均促進了不同社會地位的城郊農(nóng)民收入水平，最低層、中產(chǎn)階級、最頂層的ATT差值分別為5.47、5.549、7.268，依次呈遞增態(tài)勢，且均在1%的置信水平上高度顯著；匹配后，最底層的差值為2.733，在5%水平上顯著，中產(chǎn)階級的ATT差值為2.851，在1%水平上顯著，最頂層的ATT差值為5.739，在5%水平上顯著。從三者ATT差值大小看，最低層到最頂層依次呈遞增態(tài)勢，這表明非農(nóng)就業(yè)均促進了不同社會地位人群的收入水平，對于社會地位較高的人群，其促進作用更為明顯。同理，半徑匹配、核匹配方法也都得出了相似的結果，驗證了結果的穩(wěn)健性。表10報告了不同社會地位的城郊農(nóng)民非農(nóng)就業(yè)情況。從表中可以發(fā)現(xiàn)，不同社會地位的城郊農(nóng)民非農(nóng)就業(yè)比例大體相當，均超過50%，但社會地位較低的城郊農(nóng)民基數(shù)較大，還有相當數(shù)量的城郊農(nóng)民未選擇非農(nóng)就業(yè)，社會地位在一定程度上限制了中下層人群進入非農(nóng)產(chǎn)業(yè)。因此，鼓勵社會地位較低的城郊農(nóng)民選擇非農(nóng)就業(yè)，破除就業(yè)歧視和進入障礙，保障非農(nóng)就業(yè)的均等化。

表9　不同社會地位的估計結果

注：*、**、***分別表示在10%、5%、1%水平上顯著。

表11報告了不同性別城郊農(nóng)民的ATT差值結果?；谧罱徠ヅ洌ヅ淝?，男性和女性的ATT差值分別為5.254、5.730，在1%水平上高度顯著；匹配后，男性的ATT差值為2.03，在10%水平上顯著，女性的ATT差值為4.898，在1%水平上高度顯著，女性的ATT差值大大高于男性，這表明非農(nóng)就業(yè)的女性收入比未非農(nóng)就業(yè)的女性收入增加幅度高于男性，非農(nóng)就業(yè)對女性的收入增加效應更為明顯。半徑匹配、核匹配方法也得到了相似的結果，驗證了結果的穩(wěn)健性。然而如表12所示，男性群體中非農(nóng)就業(yè)比例高達66.45%，而女性的非農(nóng)就業(yè)比例僅為37.40%。女性非農(nóng)就業(yè)收入增加效應更為明顯，非農(nóng)就業(yè)比例卻很低，導致女性收入水平明顯低于男性。因此，政府應當把女性非農(nóng)就業(yè)作為就業(yè)政策的優(yōu)先考慮方向。

表10　不同社會地位的城郊農(nóng)民非農(nóng)就業(yè)比例

表11　不同性別的估計結果

注：*、**、***分別表示在10%、5%、1%水平上顯著。

表12　不同性別的城郊農(nóng)民非農(nóng)就業(yè)比例

六、結論和政策含義

本文基于中國綜合社會調查(CGSS)2012年的統(tǒng)計數(shù)據(jù)，運用傾向得分匹配模型，分析了非農(nóng)就業(yè)對城郊農(nóng)民收入的影響問題。同時基于受教育程度和社會地位是重要的異質性變量，本文重點分析了不同受教育程度和不同社會地位的城郊農(nóng)民非農(nóng)就業(yè)對收入的影響。結果發(fā)現(xiàn)：(1)基于最近鄰匹配方法，匹配前非農(nóng)就業(yè)的城郊農(nóng)民比未非農(nóng)就業(yè)的城郊農(nóng)民收入對數(shù)值高123.8%，在1%的水平上顯著；匹配后兩組收入對數(shù)值分別為10.27、6.459，前者比后者高59%，在1%的水平上顯著，表明非農(nóng)就業(yè)能夠顯著提高城郊農(nóng)民收入水平。(2)受教育程度越低，非農(nóng)就業(yè)對收入的促進作用更明顯，小學及以下、中學、大學及以上的ATT差值分別為3.632、1.952、1.654。隨著教育背景的提升，ATT差值呈遞減趨勢，表明非農(nóng)就業(yè)對高學歷城郊農(nóng)民的收入增加效應不顯著，而對受教育程度較低的城郊農(nóng)民的收入提升作用是非常顯著的。(3)非農(nóng)就業(yè)促進了不同社會地位人群的收入水平，對于社會地位較高的人群，其促進作用更為明顯，最底層、中產(chǎn)階級、最頂層的城郊農(nóng)民的ATT差值分別為2.733、2.851、5.739。(4)非農(nóng)就業(yè)對女性收入增加效應更為顯著，但女性非農(nóng)就業(yè)比例卻很低。

基于以上結論，本文的政策含義是：(1)政府應當鼓勵城郊農(nóng)民非農(nóng)就業(yè)。非農(nóng)就業(yè)能夠顯著增加家庭收入、增加消費和減少貧困，通過制度相應的政策措施，把勞動者分流到非農(nóng)行業(yè)，既可以解決城鎮(zhèn)化擴張造成的城郊農(nóng)民土地流失問題，也可以使城郊農(nóng)民有效參與市民化過程。(2)政策制訂者要著力關注受教育程度較低、社會地位較低、性別為女性的城郊農(nóng)民非農(nóng)就業(yè)問題。受教育程度較低、社會地位較低、性別為女性的城郊農(nóng)民非農(nóng)就業(yè)能夠顯著增加收入，但他們面臨非農(nóng)就業(yè)進入障礙，導致這些人群的非農(nóng)就業(yè)參與度較低。政府要破除就業(yè)歧視和進入障礙，免除他們非農(nóng)就業(yè)的后顧之憂，鼓勵他們從事非農(nóng)活動。(3)上述第二點中提到“城郊農(nóng)民面臨非農(nóng)就業(yè)進入障礙”“要降低低學歷、女性等人群非農(nóng)就業(yè)進入障礙”，這涉及到政府、企業(yè)及各種非政府組織、社會“必須做什么、能夠做什么、不能做什么、做的效果”等問題。具體來說，政府應當制訂針對低學歷、女性等人群的針對性就業(yè)政策、營造寬松的就業(yè)環(huán)境；企業(yè)應當實行同工同酬的工資待遇、減少對低學歷、女性等人群的就業(yè)歧視；非政府組織及社會應當積極宣傳公平的就業(yè)政策，為他們提供各種就業(yè)幫扶和愛心救助。(4)當然，研究結論已經(jīng)證明“低學歷、女性人群由純農(nóng)就業(yè)轉為非農(nóng)就業(yè)，其收入提升效應更為顯著”，但由于專業(yè)技術、性別等方面的差異，政府應當鼓勵低學歷、女性等人群進入到就業(yè)門檻較低的服務行業(yè)。相較于非農(nóng)產(chǎn)業(yè)，農(nóng)業(yè)是一個比較經(jīng)濟效益不好而比較社會效益好的產(chǎn)業(yè)，農(nóng)業(yè)比較經(jīng)濟效益低是一個普遍現(xiàn)象。因此，鼓勵城郊農(nóng)民中的低技能勞動者轉移到城市第三產(chǎn)業(yè)中來，既能實現(xiàn)低技能勞動者經(jīng)濟效益的提升，也能實現(xiàn)城郊農(nóng)業(yè)規(guī)模經(jīng)濟效益。梁文泉和陸銘認為低技能勞動者能夠與城市高技能勞動實現(xiàn)互補、實現(xiàn)人力資本外溢[41]，而這些低技能人群進入到服務行業(yè)，正好能夠促進城市高低技能勞動者的共同發(fā)展，促進城鎮(zhèn)化快速發(fā)展。

[1]KUNG J K S, LEE Y. So What If There Is Income Inequality? The Distributive Consequence of Nonfarm Employment in Rural China[J]. Economic Development and Cultural Change, 2001, 50(1): 19-46.

[2]HAGGBLADE S, HAZELLl P, REARDON T. The Rural Non-farm Economy: Prospects for Growth and Poverty Reduction[J]. World Development, 2010, 38(10):1429-1441.

[3]丁守海.中國城鎮(zhèn)發(fā)展中的就業(yè)問題[J].中國社會科學， 2014(1)：30-47.

[4]李永友， 徐楠.個體特征、制度性因素與失地農(nóng)民市民化——基于浙江省富陽等地調查數(shù)據(jù)的實證考察[J].管理世界，2011(1)：62-70.

[5]IMAI K S, GAIHA R, THAPA G. Does non-farm sector employment reduce rural poverty and vulnerability? Evidence from Vietnam and India[J]. Journal of Asian Economics, 2015, 36:47-61.

[6]鐘甫寧，何軍.增加農(nóng)民收入的關鍵：擴大非農(nóng)就業(yè)機會[J].農(nóng)業(yè)經(jīng)濟問題， 2007(1)：62-70.

[7]SHAHE EMRAN M, HOU Z. Access to Markets and Rural Poverty: Evidence from Household Consumption in China[J]. Review of Economics & Statistics, 2011, 95(2):682-697.

[8]CHERDCHUCHAI S, OTSUKA K. Rural income dynamics and poverty reduction in Thai villages from 1987 to 2004[J]. Agricultural Economics, 2006, 35(Supplement s3):409-423.

[9]KIJIMA Y, MATSUMOTO T, YAMANO T. Nonfarm employment, agricultural shocks, and poverty dynamics: evidence from rural Uganda[J]. Agricultural Economics, 2006, 35(s3):459-467.

[10]LANJOUW P, MURGAI R. Poverty decline, agricultural wages, and nonfarm employment in rural India: 1983-2004[J]. Agricultural Economics, 2009, 40(2):243-263.

[11]REARDON T, STAMOULIS K, BALISACAN A, et al. Rural non-farm income in developing countries[J]. The state of food and agriculture, 1998, 1998: 283-356.

[12]ABDULAI A, DELGADO C L. Determinants of nonfarm earnings of farm-based husbands and wives in Northern Ghana[J]. American Journal of Agricultural Economics, 1999, 81(1): 117-130.

[13]BARRETT C B, REARDON T, WEBB P. Nonfarm income diversification and household livelihood strategies in rural Africa: concepts, dynamics, and policy implications[J]. Food policy, 2001, 26(4): 315-331.

[14]CANAGARAJAH S, NEWMAN C, BHATTAMISHRA R. Non-farm income, gender, and inequality: evidence from rural Ghana and Uganda[J]. Food Policy, 2001, 26(4):405-420.

[15]LANJOUW P. Nonfarm Employment and Poverty in Rural El Salvador[J]. World Development, 2001, 29(3):529-547.

[16]任國強.人力資本對農(nóng)民非農(nóng)就業(yè)與非農(nóng)收入的影響研究——基于天津的考察[J].南開經(jīng)濟研究，2004，03：3-10.

[17]艾春榮，汪偉.非農(nóng)就業(yè)與持久收入假說：理論和實證[J].管理世界，2010(1)：8-22.

[18]JOHN Knight, Li Shi, Deng Quheng. Education and the poverty trap in rural China: setting the trap.[J]. Oxford Development Studies, 2009, 37(4):311-332.

[19]BLISS C, STERN N. Productivity, wages and nutrition ☆ : Part I: the theory[J]. Journal of Development Economics, 1978, 5(4):331-362.

[20]DASGUPTA P, RAY D. Inequality as a determinant of malnutrition and unemployment: Theory[J]. The Economic Journal, 1986, 96(384): 1011-1034.

[21]JHA R, GAIHA R, SHARMA A. Calorie and Micronutrient Deprivation and Poverty Nutrition Traps in Rural India[J]. World Development, 2009, 37(5):982-991.

[22]REARDON T, TAYLOR J E, STAMOULIS K, et al. Effects of Non-Farm Employment on Rural Income Inequality in Developing Countries: An Investment Perspective[J]. Journal of Agricultural Economics, 2000, 51(2):266-288.

[23]TAYLOR J E, MARTIN P L. Human capital: Migration and rural population change[M]. Elsevier, 2001.

[24]HAGGBLADE S, HAZELL P, REARDON T. The rural non-farm economy: Prospects for growth and poverty reduction[J]. World Development, 2010, 38(10): 1429-1441.

[25]LANJOUW J O, LANJOUW P. The Rural Non-Farm Sector: Issues And Evidence From Developing Countries[J]. Agricultural Economics, 2001, 26(1):1-23.

[26]BABATUNDE R O, QAIM M. Impact of off-farm income on food security and nutrition in Nigeria[J]. Food Policy, 2010, 35(4):303-311.

[27]HOLDEN S, SHIFERAW B, PENDER J. Non-farm income, household welfare, and sustainable land management in a less-favoured area in the Ethiopian highlands[J]. Food Policy, 2004, 29(4):369-392.

[28]劉洪銀.我國農(nóng)村勞動力非農(nóng)就業(yè)的經(jīng)濟增長效應[J].人口與經(jīng)濟，2011(2)：23-27.

[29]錢文榮，鄭黎義.勞動力外出務工對農(nóng)戶農(nóng)業(yè)生產(chǎn)的影響——研究現(xiàn)狀與展望[J].中國農(nóng)村觀察，2011(1)：31-38.

[30]寧光杰.自選擇與農(nóng)村剩余勞動力非農(nóng)就業(yè)的地區(qū)收入差異——兼論劉易斯轉折點是否到來[J].經(jīng)濟研究，2012(S2)：42-55.

[31]冉璐，謝家智，張明.非農(nóng)工作經(jīng)歷與農(nóng)民務農(nóng)收入：基于分位數(shù)回歸與分解的實證研究[J].農(nóng)業(yè)技術經(jīng)濟，2013(6)：32-39.

[32]HUFFMAN W E. Agricultural household models: survey and critique[J]. Multiple job-holding among farm families, 1991: 79-111.

[33]OWUSU V, ABDULAI A, ABDUL-RAHMAN S. Non-farm work and food security among farm households in Northern Ghana [J]. Food Policy, 2011, 36(2):108-118.

[34]HUFFMAN W E, LANGE M D. Off-farm work decisions of husbands and wives: joint decision making[J]. The Review of Economics and Statistics, 1989: 471-480.

[35]ROSENBAUM P R, RUBIN D B. The central role of the propoensity score in observational studies for causal effects[J]. Biometrika, 1983, 70(1):41-55.

[36]FALTERMEIER L, ABDULAI A. The impact of water conservation and intensification technologies: empirical evidence for rice farmers in Ghana[J]. Agricultural Economics, 2009, 40(3):365-379.

[37]LIAN Y, SU Z, GU Y. Evaluating the effects of equity incentives using PSM: Evidence from China[J]. Frontiers of Business Research in China, 2011, 5(2):266-290.

[38]HOSMER JR D W, LEMESHOW S, STURDIVANT R X. Applied logistic regression[M]. New York:John Wiley & Sons, 2013.

[39]STüRMER T, JOSHI M, GLYNN R J, et al. A review of the application of propensity score methods yielded increasing use, advantages in specific settings, but not substantially different estimates compared with conventional multivariable methods[J]. Journal of clinical epidemiology, 2006, 59(5): 437. e1-437. e24.

[40]ROSENBAUM P R, RUBIN D B. Constructing a control group using multivariate matched sampling methods that incorporate the propensity score[J]. The American Statistician, 1985, 39(1): 33-38.

[41]梁文泉，陸銘.城市人力資本的分化：探索不同技能勞動者的互補和空間集聚[J].經(jīng)濟社會體制比較，2015(3)：185-197.

責任編輯張穎超

網(wǎng)址：http://xbbjb.swu.edu.cn

10.13718/j.cnki.xdsk.2016.05.009

2016-02-10

劉魏，西南大學經(jīng)濟管理學院，博士研究生。通訊作者：張應良，管理學博士，西南大學經(jīng)濟管理學院，教授，博士生導師。

國家社會科學基金重大項目“三權分置、農(nóng)地流轉與農(nóng)民承包權益保護”(15ZDA023)，項目負責人：張應良。

F323.8

A

1673-9841(2016)05-0061-13