基干logit模型农户土地转入行为影响因素探析.docVIP

基于logit模型的农户土地转入行为影响因素分析 　　摘要：基于CHIP2013数据，利用logit模型对我国农户土地转入行为影响因素进行实证分析。结果发现：是否是乡村干部、经营土地面积、是否外出务工以及是否加入农业合作组织等因素对农户土地转入行为产生了显著影响。其中，经营土地面积单位增加时，农户土地转入的概率将会上升25.32%。最后提出政策建议 关键词：农户；土地转入；logit模型 一、引言 近年来，农村土地流转问题一直是党和政府关注的重点问题。十八届三中全会提出要建立农村产权流转交易市场，推动农村产权流转交易公开、公正与规范地运行。农村土地流转对于进一步优化我国农村土地资源配置、促进农村产业结构调整与升级以及推动广大农村地区剩余劳动力的转移具有重要意义。学术界对我国农村土地流转影响因素等相关问题也进行了深入地研究与探讨。纵观现有研究文献后发现，卞琦娟、周曙东、葛继红（2010），刘卫柏（2011），许恒周、郭忠兴与郭玉燕（2011），李景刚等（2014）以及苏群等（2016）分别从农户个体特征与家庭状况、生产经营状况、区域经济发展与社会保障、非农产业发展以及非农产业就业机会等方面探究土地流转的影响因素。与从农户视角出发研究农村土地流转不同，部分学者逐渐开始关注土地收益情况与耕地破碎程度（陈美球，2008）、地块数（苏群、汪霏菲与陈杰，2016）以及区位条件（叶剑平等，2006）等流转土地本身特征对土地流转的影响问题 可以看到，学者们对农村土地流转影响因素问题的研究积累了较多的文献与成果，这为本文的研究提供了重要的帮助与借鉴。但是，笔者注意到，学者们似乎将更多的注意力放在对农户土地转出影响因素的研究方面，对土地转入影响因素的研究相对较少，在现有对农户土地转入影响因素的研究文献中，研究结论仍然未形成一致性结论。为此，本文使用北京师范大学的CHIP2013数据，利用logit模型对农村土地转入影响因素进行实证检验，试图对我国农户土地转入行为的影响因素进行识别并确定其影响方向与程度。基于以上研究目的，除引言以外，本文结构安排如下：首先为数据、变量与模型构建；其次是实证结果与讨论；最后为结论与启示 二、数据、变量与模型构建 （一）数据来源 CHIP2013是由北京师范大学与国外合作开展的有关中国收入分配动态变化追踪的研究项目。CHIP项目组对我国15个省份按照东、中、西分层，根据系统抽样方法抽取得到CHIP样本。数据内容主要包括住户个人基本信息、就业信息以及家庭层面的基本信息、主要收支信息和农业经营等内容。本文研究使用的数据主要是CHIP2013中农村居民样本数据，在对原始样本数据进行缺失值、异常值以及重复值的删除与整理之后，得到本文研究所使用的数据样本 （二）变量选择与描述 本文因变量为农户是否发生土地转入行为（lzr），自变量主要包括农户年龄（age）、健康状况（hel）和受教育程度（edu）等户主特征变量以及是否外出务工（wou）与经营土地面积（lan）等农户经营特征变量。具体赋值情况如表1所示 （三）模型构建 本文使用Logit模型对我国农户土地转入行为影响因素进行实证分析，农户发生土地转入行为时记为1，反之记为0。p为农户发生土地转入的概率且p=P（y/1|x），农户未发生土地转入的概率1-p=P（y=0|x）。同时假定为影响农户土地转入行为的主要影响因素 那么，如果累积分布函数F（x，β）服从“逻辑分布”（logistic distribution），则有 式中，为概率发生比（odds ratio，即OR值）。exp（βi）值表示在解释变量增加一单位引起几率比变化的倍数。也可以解释为新几率增加或减少的百分比。在本文中，主要反映农户个体特征等因素对农户土地转入行为影响几率增加或减少的百分比 三、实证结果与讨论 本文主要使用stata12软件对数据进行实证分析，选择逐步回归分析反向剔除方法自动删除不显著变量，自动选取通过显著性检验的变量，估计结果如表2所示 表2计量分析结果表明： 从农户个体特征因素来看，年龄、受教育状况以及健康状况等农户个体特征对土地转入影响均不显著，是否是乡村干部对土地转入影响较为显著，通过了5%显著水平检验。也就是说，当农户担任乡村干部后，该农户转入土地发生的概率将增加2.7%。可能的原因在于乡村干部作为农村发展的带头人，在进行农业生产等方面起到示范作用，在一定程度上土地流转意愿表现的更为强烈，发生土地流转的概率将会增大 从农户经营特征因素来看，农户经营特征因素对土地转入行为影响都十分显著。是否外出务工、经营土地面积的多寡以及是否参加农业合作组织均通过了1%显著水平的检验。首先，是否外出务工变量。表2中实证结果