, 陆思璇河海大学公共管理学院,南京 211100
Risk perception, ability of resisting risk and farmer willingness to exit rural housing land
ZHUXinhua, LUSixuan收稿日期:2017-10-25
修回日期:2018-02-27
网络出版日期:2018-05-02
版权声明:2018《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (614KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
随着中国“新型城镇化”的持续推进,及实现农村土地产权二次分离的“三权分置”政策的实施,越来越多的农村剩余劳动力不断向城市转移。这一方面促进了中国劳动力的合理配置,另一方面也增加了农民的收入来源,推动了农民生活质量的提高和社会秩序的稳定,但同时也带来了农村宅基地闲置、浪费等问题[1],这显然与中国要建成集约、绿色和可持续发展的新型城镇化要求相背离[2]。因而,为了中国经济可以获得持久的发展动力,有必要对稀缺的农地资源进行整合,从提高土地资源利用效率的角度,这主要可以通过引导农民自愿退出闲置或多余宅基地的方式来实现[3]。农村宅基地退出研究,近年来得到快速增长。作为集体土地的重要组成部分的宅基地理应与国有土地一样享受“同地、同价、同权”[4]。农村宅基地的退出改革有利于充分利用数量巨大的存量农村宅基地资源以缓解建设用地的供求矛盾,优化城乡土地资源配置[5];另外,客观上将带来城市人口向农村地区的转移,这将为宅基地使用权和地上房产所在地的农村带去更多的人才、技术、信息和资本,加强城乡之间的物质文明和精神文明的沟通和交流,加快当地农村教育、文化、医疗和乡村工业的发展,对于中国在独特的城乡二元体制格局下建立城乡统一的要素市场,统筹城乡发展,具有尤其重要的示范意义[6]。总之,农村宅基地使用权市场交易将有利于促进宅基地要素流动,显化宅基地经济价值,保障农民获得宅基地财产性收入[7]。因此,把农村宅基地纳入生产要素市场的体系之中,建立农村宅基地市场,应当是一个基本的方向[8]。
而农户宅基地退出意愿作为农村宅基地退出研究中的一个重要部分,也得到****的普遍关注。意愿作为一种主观态度,易受外部和内部条件的共同影响。内部条件方面,主要侧重于对家庭特征因素的影响研究[9,10];外部条件方面,主要侧重于对户籍制度、区域经济发展程度和宅基地确权的影响研究[11,12,13,14]。但尚未有从农户对宅基地退出风险认知角度出发的相关研究,而人的态度常常易受“先入为主”思想的影响,因而有必要探讨风险认知对农户宅基地退出意愿的影响。此外,抗险能力作为决定农户“思想建筑”的“物质基础”,是影响其退出意愿的重要内部条件,它的“坚固与否”直接决定了农户的意愿方向,因而也应被纳入影响因素的研究范围之内。
因此本文拟采用定量分析的方法对上述关系进行分析,并将Locke E. A.提出的目标设置理论作为理论框架[15],理解农户宅基地退出的两个过程,即第一过程感知宅基地退出风险较低,从而减少负面因素的影响,第二过程是基于自身抗险能力以衡量退出宅基地后能否抵御改革带来的生活冲击,从而增强其退出后的生活信心,以此推动农户宅基地的退出。同时,采用差异性检验方法,剖析不同特征群体农户在抗险能力方面是否存在个体的显著性差异。据此寻求农户最优宅基地利用策略和农户风险意识及抗险能力提升对策,以期为农户宅基地退出意愿的影响因素提供新的解释。
2 理论分析与研究假设
2.1 风险认知与农户宅基地退出意愿
风险认知是指个体对风险情境有多少风险性的主观判断和认识[16],一般是依赖于人的直觉所做出的风险判断[17]。由于风险问题常常伴随着决策而产生,因此,必须要对风险有一个科学的认知,并且结合国家和社会的力量以有效规避风险。在这个过程中,作为前提的“风险认知”就变得十分重要。从已有研究上来看,农户的风险认知水平受自身和外界环境双重维度的制约：①自身方面,农户风险认知受性别、年龄、受教育水平、家庭经济条件和自身风险偏好等因素的影响;②外界环境方面,主要是由风险特征所决定的,当事件的风险度比较低的时候,个体只会知觉到少许风险;当事件的风险度比较高的时候,个体一般会知觉到比较大的风险[18]。在宅基地退出决策过程中,只有在农户认为宅基地退出的利大于弊,即退出产生的边际效用大于留守的边际成本时,农户才会产生退出的意愿[19],而退出的边际效用是农户对未来生活的预期估计,这对于农户的风险认知有着参照性的作用。当农户对于未来预期良好时,他就会降低风险认知,从而比较愿意退出宅基地;反之,若他预计未来难以获得维持生计的收入时,就会产生比较高的风险认知,从而也就会对宅基地退出产生排斥情绪。据此,本文提出第一项假说：假说1：风险认知对宅基地退出意愿产生显著影响。
2.2 抗险能力与农户宅基地退出意愿
抗险能力是指人们在面对风险（诸如：生活条件恶化、疾病、灾害以及不确定性等）时的应对能力。风险承受能力要综合衡量,与收入状况、资产状况、家庭情况、工作情况等都有关系[20]。一般来说收入水平越高、资产状况越好、家庭赡养老人数量越少、购买商业保险人数越多、在城镇具有稳定工作甚至拥有城镇住房的农户,其抗险能力越高,越容易退出宅基地。但是,如果抗险能力足够高,则表明农户拥有更多的资源、机会,并不急于也并不需要通过宅基地退出改革以获得福利、获得进城资本,相反他们更倾向于保留现有宅基地从而坐等增值同时又可以享受农村田园风光[11],即高抗险能力的财富效应反而抑制了农户宅基地退出意愿。因此,抗险能力对农户宅基地退出意愿的影响可能并非单一的线性关系,可能呈现“倒U型”关系,即在最高临界点前,抗险能力越高的农户,其退出意愿越高;过了临界点,抗险能力的提高在一定程度上抑制了农户宅基地的退出意愿,其反而倾向于保留宅基地。据此,本文提出第二项假说：假说2：抗险能力对农户宅基地退出意愿产生正向影响,但是否呈现“倒U型”关系还需进一步验证。
2.3 控制变量
参照许恒周等 [14]、王兆林等 [10]、朱新华等 [11]以及孙雪峰等 [13]的研究,农户个人特征、家庭特征、宅基地区位、宅基地用途应该作为控制变量纳入整体框架中进行研究。但是,由于农户的风险认知和抗险能力也受其个人及家庭特征的影响,如果将农户个人及家庭特征变量作为控制变量,可能会产生共线性问题。因此,本文选择宅基地区位和用途作为控制变量。一般来说,位于城乡结合部的农村宅基地由于其区位优势成为了大中城市发展和争夺的核心区域,这不仅加强了当地进行集约节约利用改造的强度也倒逼了宅基地资本价值的上升,这就意味着农户退出宅基地可以获得丰厚的补偿,因而农户具有较强的退出意愿。相反,位于偏远农村地区的宅基地补偿标准较低,而且农户退出宅基地进入城镇后将面临较高的生活支出,所以相较于城乡结合部的农户来说,其退出意愿较低。同时,农户对宅基地利用类型的选择也对农户退出意愿产生一定的影响,选择出租的农户可能表明他在城镇或其他地方有着固定的住所,因而相对于自住的农户来说,其更愿意退出宅基地。据此,本文提出第三项假说：
假说3：宅基地区位和利用类型会影响农户宅基地退出意愿。
3 数据来源与研究方法
3.1 变量设置
（1）宅基地退出意愿（Y）,是本文的因变量,在调查问卷中,设计为“您是否愿意退出宅基地?”答案包括：“是=1,否=0”。（2）风险认知。基于上文的理论假设,本文对于风险认知变量的设定主要是从农户对宅基地退出政策风险认知及未来生活预期和不确定性的评价来设定的,设计的问题是：“您认为宅基地退出补偿标准是否合理”、“您觉得政府能否兑现相关的安置保障政策”、“您觉得以后宅基地能像城市土地一样值钱吗”以及“退出宅基地后,生活成本会发生什么变化”、“退出宅基地后,工作难易程度”、“能否适应新的生活环境”。
（3）抗险能力。拟通过收入水平、家庭非农务工人数、家庭赡养老人数、购买商业保险人数、拥有城镇住房等五个方面来综合反映。其中,家庭赡养老人数量是个负向指标;其余均为正向指标,值越高,抗险能力越高。
（4）控制变量。宅基地区位主要分为两种：城郊结合部、偏远农村地区;宅基地利用类型分为两种：出租、自住。
以上各变量的具体赋值详见表1。
Table 1
表1
表1样本变量说明及统计性描述
Table 1Explanation and statistical description of sample variables
| 变量定义与赋值 | 均值 | 标准差 | |
|---|---|---|---|
| 因变量（Y） | |||
| 您是否愿意退出宅地? | 是=1;否=0 | 0.318 | 0.477 |
| 自变量（X） | |||
| 1. 风险认知 | |||
| 您认为宅基地退出补偿标准是否合理(X1) | 合理=1;不合理=0 | 0.302 | 0.716 |
| 您觉得政府能否兑现相关的安置保障政策(X2) | 能=1;不能=0 | 0.318 | 0.477 |
| 您觉得以后宅基地能像城市土地一样值钱吗(X3) | 能=1;不能=0 | 0.455 | 0.510 |
| 退出宅基地后,生活成本会发生什么变化(X4) | 降低=2;差不多=1;增加=0 | 0.636 | 0.727 |
| 退出宅基地后,工作难易程度(X5) | 容易=2;差不多=1;更难=0 | 1.045 | 0.653 |
| 能否适应新的生活环境(X6) | 能=1;不能=0 | 0.500 | 0.512 |
| 2. 抗险能力 | |||
| 家庭人均纯收入(X7)/万元 | ≥3万元=3;2万~3万元=2;1万~2万元=1; <1万元=0 | 1.045 | 0.950 |
| 家庭非农务工人数(X8)/人 | 实际观测值 | 1.455 | 0.800 |
| 家庭赡养老人数(X9)/人 | 实际观测值 | 1.318 | 0.646 |
| 购买商业保险人数(X10)/人 | 实际观测值 | 0.545 | 0.739 |
| 是否拥有城镇住房(X11) | 是=1;否=0 | 0.182 | 0.395 |
| 3. 控制变量 | |||
| 宅基地所处区位(X12) | 城郊结合部=1;偏远农村=0 | 0.309 | 0.503 |
| 宅基地利用类型(X13) | 出租=1;自住=0 | 0.136 | 0.351 |
新窗口打开
3.2 数据来源
本文数据来源于课题组于2016年7月对农村土地改革33个试点县中的江苏省常州市武进区、安徽省金寨县以及非试点县江苏泰兴市三个地区的共计45个村进行了问卷调查。本次研究共发放了1200份问卷,回收有效问卷为1094份,问卷有效率为91.2%。从样本的来源分布来看,常州市武进区问卷为468份,占样本量的42.8%,涵盖了湖塘镇、奔牛镇、横山桥镇、前黄镇等涉农区县;安徽省金寨县样本量为402份,占总样本量的36.7%,包括了双河镇、白塔畈乡、天堂寨镇和关庙乡;江苏泰兴市样本主要来自虹桥镇、宣堡镇,样本量为224份,占总样本量的20.5%。样本的描述性统计结果详见表1。其中,愿意退出农村宅基地的农户占总样本的31.8%,只有18.2%的农户拥有城镇住房,13.6%的农户出租自己的住房。
3.3 实证方法
3.3.1 主成分分析如前所述,为得到抗险能力量化值需要进行主成分分析,本文使用SPSS软件的因子分析功能进行分析。结果显示,KMO 值为 0.896,且Bartlett球形度检验的P值为2.265E-28,由此可对5个抗险能力变量进行主成分分析。因仅有一个大于1的特征根为2.024,由此可知主成分的个数为1。由成分矩阵可得特征向量,从而得到抗险能力Ability主成分的结构式如下。
式中Zinc、Zwor、Zeld、Zins、Zhou分别表示标准化后的家庭人均纯收入、家庭务工人数、家庭赡养老人数、购买商业保险人数、拥有城镇住房。其中,家庭赡养老人数为负向指标。为便于分析,根据极值点和均值点将变量Ability离散化如下：当Min ≤ Ability < Mean时,取值为0;当Mean ≤ Ability ≤ Max时,取值为1（0=低抗险能力,1=高抗险能力）。
3.3.2 Binary Logistic模型
由于因变量是0~1的变量,因此本文构建Binary Logistic模型如下：
式中yi为农户i的宅基地退出意愿;cognition为农户风险认知变量;ability为农户抗险能力变量;xij为第i个农户的第j个控制变量;α、β、γ为常数项;ε为残差项。各个变量的含义及赋值见表1。
3.3.3 差异性检验方法
在研究不同特征群体农户在风险认知和抗险能力方面是否存在个体的显著性差异时,借鉴叶明华等[21]的研究,采用差异性检验方法,主要包括单因素多变量方差分析（单因素 ANOVA）和多因素多变量方差分析（多因素 ANOVA）。
4 实证结果及分析
4.1 风险认知、抗险能力对农户宅基地退出意愿的估计结果
表2显示了总体样本的2个回归模型结果,模型1以风险认知变量和控制变量作为全部的解释变量,模型2在模型1的基础上加入了抗险能力这一解释变量。表3中的模型3、模型4分别显示了试点地区样本、非试点地区样本的2个回归模型结果。总体上看,两个表中的Hosmer & Lemeshow 检验的P值大于0.1,说明在10%的显著性水平上可以接受模型对数据的拟合程度;同时从模型1、模型2中的 -2倍对数似然值、Cox & Snell R2 和Nagelkerke R2 的变化趋势来看,由于加入了抗险能力这一解释变量,模型2的拟合程度高于模型1。Table 2
表2
表2总体样本的估计结果
Table 2Estimation results for all samples
| 变量 | 模型 1 | 模型 2 | |||
|---|---|---|---|---|---|
| B | Exp(B) | B | Exp(B) | ||
| X1 | 0.254*** | 2.443 | 0.232*** | 2.457 | |
| X2 | 0.471** | 3.158 | 0.457** | 3.187 | |
| X3 | -0.432 | 1.732 | -0.438 | 1.761 | |
| X4 | 0.176* | 1.895 | 0.171* | 1.776 | |
| X5 | 0.207** | 2.780 | 0.201** | 2.722 | |
| X6 | 0.351 | 1.672 | 0.327 | 1.538 | |
| Ability | - | - | 0.511*** | 1.354 | |
| Ability2 | - | - | -0.336** | 1.892 | |
| Location | 0.146* | 2.325 | 0.121* | 2.450 | |
| Use | 0.262** | 3.114 | 0.253** | 3.257 | |
| Constant | -2.203*** | 0.127 | -1.935*** | 0.140 | |
| Hosmer & Lemeshow P值 | 0.429 | 0.528 | |||
| -2倍对数似然值 | 1 730.423 | 1 820.650 | |||
| Cox & Snell R2 | 0.024 | 0.057 | |||
| Nagelkerke R2 | 0.031 | 0.069 | |||
新窗口打开
Table 3
表3
表3分地区样本的估计结果
Table 3Estimation results for samples in Pilot areas and non-pilot areas
| 变量 | 模型 3 | 模型 4 | |||
|---|---|---|---|---|---|
| B | Exp(B) | B | Exp(B) | ||
| X1 | 0.215*** | 2.127 | 0.220*** | 2.045 | |
| X2 | 0.391 | 1.523 | 0.356** | 2.165 | |
| X3 | -0.392** | 1.653 | -0.420 | 1.616 | |
| X4 | 0.266* | 2.083 | 0.271* | 2.172 | |
| X5 | 0.278** | 2.345 | 0.214** | 2.222 | |
| X6 | 0.519 | 1.123 | 0.476 | 1.308 | |
| Ability | 0.626*** | 1.521 | 0.610*** | 1.547 | |
| Ability2 | -0.552** | 1.890 | -0.539** | 1.926 | |
| Location | 0.105* | 2.506 | 0.188* | 2.376 | |
| Use | 0.198** | 3.563 | 0.235** | 3.174 | |
| Constant | -2.634*** | 0.274 | -2.438*** | 0.245 | |
| Hosmer & Lemeshow P值 | 0.394 | 0.325 | |||
| -2倍对数似然值 | 1 632.376 | 1 507.504 | |||
| Cox & Snell R2 | 0.043 | 0.027 | |||
| Nagelkerke R2 | 0.051 | 0.038 | |||
新窗口打开
下面将对模型结果进行具体的讨论：
（1）模型1的结果表明,绝大部分变量通过了显著性检验,系数符号与预期结果相符,模型拟合度也较好。宅基地退出补偿标准（X1）、政府承诺兑现（X2）、生活成本（X4）、工作难易程度（X5）对农户宅基地退出意愿产生显著的正向影响。具体而言：认为宅基地补偿标准合理、政府能兑现承诺、退出后生活成本会降低、工作容易找到的农户,其宅基地退出意愿越高。其中,“认为宅基地退出补偿标准合理”组农户退出意愿的发生比率是“不合理”组的2.443倍,这说明合理的退出补偿对于宅基地退出改革的积极作用。“觉得政府能兑现相关的安置保障政策”组农户的退出意愿的发生比例是“不能兑现”组的3.158倍,这说明在目前政府主导的相关改革上,政府的承诺及其履职情况深刻地影响着农户的改革参与热情和支持程度。从生活成本和工作难易程度上来看,认为“退出宅基地后,生活成本降低”、“工作更加容易”的农户的退出意愿的发生比率明显高于认为“退出宅基地后,生活成本增加”、“工作更加困难”的农户;但是“觉得以后宅基地能像城市土地一样值钱”这个认知并没有通过显著性检验,这说明农户是个务实的群体,在宅基地退出改革风险认知上侧重于最为直接的生活和工作影响,对改革机会成本的感知还不敏感。
从宅基地所处区位变量来看,城郊结合部样本组的退出意愿的发生比率较高,且是偏远农村样本组的2.325倍,表明了宅基地区位对农户退出意愿的正向作用,这可能是由于城乡结合部的集约节约利用改造和丰厚的宅基地退出补偿所致。从宅基地利用类型变量上来看,自住型样本组的退出意愿的发生比率要明显低于出租型,这主要是由于自住型宅基地还发挥着住房保障功能,而出租型宅基地发挥着收入增长功能的缘故,因而自住型宅基地农户的退出风险要高于出租型。且对于选择租用宅基地的农户来说,一次性收回补偿要比长时间出租带来的回报要快捷得多,因而他们更愿意退出宅基地。至此,假说1和假说3得到验证。
（2）模型2中加入了抗险能力这一新的解释变量,其他各变量的显著性基本与模型1保持一致,具有较好的稳健性。其中,抗险能力的回归系数为正,其平方项的回归系数为负,且都非常显著,表明存在非常明显的倒U形特征。这说明一旦抗险能力的财富效应大于宅基地退出改革成本效应,抗险能力便从总体上表现出了对农户宅基地退出意愿的抑制。至此,假说2得到验证。
（3）从试点地区与非试点地区的差别来看,“政府能否兑现相关的安置保障政策”（X2）、“宅基地能像城市土地一样值钱”（X3）两个变量在回归结果上存在明显区别。“政府能否兑现相关的安置保障政策”在模型3中没有通过显著性检验,已经不是制约试点地区农户宅基地退出意愿的显著因素。这表明在试点工作中,地方政府坚持了“政府引导、农民自愿、收益共享”的原则,兑现了试点改革前的承诺,政府公信力得到提高,农户的担忧逐渐消除,参与热情逐渐提高。“宅基地能否像城市土地一样值钱”在模型3中通过显著性检验,认为“宅基地不能像城市土地一样值钱”组农户的退出意愿的发生比率是“一样值钱”组的1.653倍,这说明农村宅基地退出改革产生了应有的资源优化配置效应和财产功能显化效应,试点地区的农户体会到了宅基地增值的冲击,进而增强了对宅基地增值的预期,这反倒成了制约试点地区农户宅基地退出意愿的显著因素。
4.2 不同特征群体农户抗险能力的差异性检验
（1）不同区位的农户抗险能力差异。表4表明：不同区位的农户之间抗险能力存在显著差异。这是由于城郊结合部接近城市并具有某些城市化特征,成为农业生产以及非农生产等多元化从业人群的聚集地,非农就业机会明显增多;而且,由于大多数外来务工人员看到城乡结合部便利的地理位置及相对低廉的房租,往往暂居在城乡结合部内,于是出租房屋成为本地居民重要的收入来源之一[22]。非农就业机会和出租房屋收入增加大大提高城郊结合部农户的抗险能力。Table 4
表4
表4不同特征群体农户抗险能力的单因素ANOVA分析
Table 4Single factor ANOVA analysis of anti-risk ability of peasant households with different characteristics
| 项目 | SS | MS | F值 | P值 | 结果 |
|---|---|---|---|---|---|
| 区位（因素） | 16.300 | 7.873 | 16.420 | 284×10-8 | 非常显著 |
| 总体误差项 | 678.400 | 0.521 | - | - | - |
| 类型（因素） | 19.000 | 9.218 | 20.310 | 1.56×10-8 | 高度显著 |
| 总体误差项 | 658.500 | 0.498 | - | - | - |
| 试点（因素） | 0.400 | 0.307 | 0.879 | 0.454 | 不显著 |
| 总体误差项 | 708.200 | 0.510 | - | - | - |
新窗口打开
（2）不同宅基地利用类型的农户抗险能力差异。表4表明：不同宅基地利用类型的农户之间抗险能力存在显著差异。一般来说,相对于自住农户来说,出租房屋的农户可能有不止一处宅基地,甚至拥有城镇住房,这说明其自身财富条件相对较好,同时风险承担能力较强。
（3）改革试点与非试点地区的农户抗险能力差异。表4表明：试点地区与非试点地区的农户之间抗险能力不存在显著差异。这是由于：一方面,农户抗险能力是由家庭人均纯收入、家庭务工人数、家庭赡养老人数、购买商业保险人数、拥有城镇住房等量化指标所构成,这些指标并不会由于是否为改革试点而产生差异;另一方面,本文所选择的调研地区并不存在明显的差异,比如试点县中的江苏省常州市武进区和非试点县江苏泰兴市经济发展水平差距并不大。
这三个结论与上文回归结果相符,这也从另外一个侧面验证了回归结果的可信性。
5 结论与启示
5.1 结论
从宏观上说,对于资源配置和经济发展来说,实施宅基地退出政策所带来的边际效用要高于边际成本,因而理应受到推行。但是从微观上来说,宅基地退出政策的实施直接关乎到农民的切身利益,在当前城乡社会保障制度还不能实现有效对接时,理应从实际出发,征询并尊重农民的意愿,以维护农民合法权益。由于风险问题常常伴随着科学决策而产生,因此,必须要对农户宅基地退出决策中的风险有一个科学的认知。鉴于此,本文基于江苏和安徽的1094户农户的问卷调查数据,通过相关性和差异性的多重实证检验,考察农户风险认知、抗险能力对宅基地退出意愿的影响,同时探究不同特征群体的农户在抗险能力方面是否存在个体的显著性差异。主要结论有：（1）宅基地退出补偿标准（X1）、政府承诺兑现（X2）、生活成本（X4）、工作难易程度（X5）对农户宅基地退出意愿产生显著的正向影响,具体而言：认为宅基地补偿标准合理、政府能兑现承诺、退出后生活成本会降低、工作容易找到的农户,其宅基地退出意愿越高。但是“觉得以后宅基地能像城市土地一样值钱”（X3）这个认知并没有通过显著性检验。毫无疑问,补偿标准即利益,是任何一项政策改革必须重点解决的核心问题;而政府承诺兑现通过显著性检验,反映了党中央提出“社会治理体系和治理能力现代化”重大理论命题中政府公信力塑造的重要性;而生活成本与工作难易程度通过显著性检验,这说明农户作为“理性经济人”,不仅仅担心预期影响,而且注重现实生存问题。另外,从宅基地所处区位变量来看,城郊结合部样本组的退出意愿的发生比率较高;从宅基地利用类型变量上来看,自住型样本组的退出意愿的发生比率要明显低于出租型。
（2）农户抗险能力与退出意愿之间存在非常明显的倒U形特征,即一旦抗险能力的财富效应大于宅基地退出改革成本效应,抗险能力便从总体上表现出了对农户宅基地退出意愿的抑制。
（3）从试点地区与非试点地区的差别来看,“政府能否兑现相关的安置保障政策”（X2）、“宅基地能像城市土地一样值钱”（X3）两个变量在回归结果上存在明显区别。“政府能否兑现相关的安置保障政策”（X2）已经不是制约试点地区农户宅基地退出意愿的显著因素。而“宅基地能否像城市土地一样值钱”（X3）反倒成了制约试点地区农户宅基地退出意愿的显著因素。
（4）通过差异性检验,发现宅基地区位、利用类型、改革试点与非试点地区的差异会导致农户抗险能力方面表现出显著的个体差异。
5.2 启示
综合以上结论得到的启示如下：（1）提高农户对宅基地退出改革风险认知的能力。由农户风险认知的影响因素可知,农户风险认知受自身因素和风险特征的共同影响,因而可从这两个方面来提高农户对宅基地退出改革风险认知的能力。一方面是加强政策宣传,使农户对宅基地退出政策有充分的了解,降低未知因素对农户造成的退出恐惧感,提高宅基地退出风险的可控性。另一方面是提高农民在宅基地退出改革中的收益分配比例,使农民可以在维护其合法权益的同时共享土地升值带来的收益,实现收益分配的公平,降低宅基地退出的风险,从而减少农户宅基地退出的后顾之忧。
（2）健全农户就业和培训服务体系、加快城乡统一社会保障制度建设,提高农户的抗险能力。一方面,健全农户就业和培训服务体系,提高农户的就业技能,拓宽农户就业渠道,并针对农户就业需要建立专门的劳工介绍所,及时提供农户所需就业信息,协助农户尽快找到稳定合适的工作。另一方面,加快城乡统一社会保障制度建设,加大城镇保障性住房的资金投入,降低农户申请保障性住房的申请条件,丰富宅基地退出补偿形式,提高农户在城镇的落户能力,促使偏远地区的宅基地早日实现“连片”退出。通过就业和社会保障制度的建设,为提高农户的抗险能力提供保障。
（3）针对宅基地的区位类型和利用类型,实施差别化的宅基地退出政策安排。农户宅基地区位特征和利用方式的不同所带来的退出意愿差异表明,农户对宅基地退出的风险认知朝着多元化的方向发展。在补偿方式上,城郊结合部的农户由于可以享受土地增值所带来的丰厚收益,因而更愿意将宅基地置换成资本以满足其进城发展需要,因此在补偿方式上应该以经济补偿为主;而广大农村地区的农户,鉴于其宅基地的区位条件,导致土地补偿标准较低,加之其进城以后的生活成本增加,这就使得他们的退出的意愿较小,因此在补偿方式上应该以宅基地换城镇住房为主。在补偿标准上,借鉴征地区片综合地价的成果,制定农村宅基地退出补偿区片综合地价,特别是缩小城郊结合部与广大农村地区的差距。在推进步骤上,先挑选经济发展水平较高、改革条件较好的地区进行实验,总结经验继而推广应用。总之,明确不同农户宅基地退出意愿的差异,有益于差别化退出政策的实施,从而实现政府和农户之间的“互利共赢”。
（4）发挥试点改革地区的示范带动效应和宣传榜样效应。在今后的改革中,仍然应该坚持“先易后难、先试点后推广、先局部后全局”的方法[23],发挥试点改革地区的示范带动效应和榜样宣传效应,让农户主动接受并积极参与到农村宅基地退出改革过程中来,并在此过程中逐渐提高政府公信力,这是中国推进改革的基本思路,也是重要的工作方法。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | [J]. [J]. |
| [2] | [J]. [J]. |
| [3] | [J]. [J]. |
| [4] | [J]. [J]. |
| [5] | [J]. [J]. |
| [6] | [J]. [J]. |
| [7] | [J]. [J]. |
| [8] | [J]. [J]. |
| [9] | [J]. [J]. |
| [10] | [J]. [J]. |
| [11] | [J]. [J]. |
| [12] | [J]. [J]. |
| [13] | [J]. [J]. |
| [14] | [J]. [J]. |
| [15] | [J]. |
| [16] | [J]. |
| [17] | [J]. |
| [18] | [J]. |
| [19] | [J]. [J]. |
| [20] | [J]. [J]. |
| [21] | [J]. [J]. |
| [22] | [J]. [J]. |
| [23] | [N]. [N]. |
