Relocation, farmland transfer and livelihood transformation of reservoir resettlement
ZHAOXu通讯作者:
收稿日期:2018-03-21
修回日期:2018-06-11
网络出版日期:2018-10-25
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 (4025KB)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
大中型水利水电工程在开发利用水资源的同时,也导致了近3000万非自愿人口被迫离开家园。为了尽量延续以农民为主体的水库移民原有生计模式,世界银行指出应优先考虑“有土安置”[1]。但由于库区耕地不足和环境容量限制,国务院在1999年的移民工作会议上对开发性移民政策做了“两个调整”重大转变,其中之一便是将农村移民由最初的“就近后靠”调整为引导鼓励“外迁安置”[2]。同时《大中型水库建设征地补偿和移民安置条例》(国务院471号令)[3]强调外迁农村移民应坚持以“大农业安置”为基础,不搞成建制的“农转非”,要尽量通过迁入地的土地保障,促进水库移民农业生产生活的恢复。然而以往的易地远迁多依赖于行政干预,强制性空间变换会导致移民原生社会关系的彻底断裂[4]。另外随着国家土地法规制度的日趋完善,安置区土地“被动流转”也面临着尖锐的权属冲突[5]。由此产生的疑问是:在付出高额经济与社会成本后,外迁安置的政策实践效果究竟如何。即移民面对来之不易的补偿用地会采取何种处置行为,从中获取的收益又能否给予移民可持续的生计保障。这一问题不仅直接关系到外迁移民补偿机制(有土/无土)的决策,而且业已成为农村移民安置模式(内安/外迁)选择,后期扶持措施拟定及区域社会稳定的关键所在。目前发达国家的水电开发程度已超过70%,新建水坝大都分布在东南亚、非洲、南美等发展中国家。其中如老挝、缅甸等国的土地资源丰富且产权国有,征地相对容易使得外迁移民愿意保留土地从事农业生产[6]。而巴西及印度等国土地所有权边界清晰(私有制),加上移民中大量“土著”外迁后对耕作方式难以适应,所以放弃土地选择自谋职业安置的比例占优[7]。国内大中型水利水电工程外迁移民众多,一般分散或集中安置到多处,如三峡移民被全国11个省市接收,南水北调丹江口水库仅河南省就涉及郑州、漯河等13个市,跟踪调查成本高企使得研究尚停留于以下几个方面:一是外迁移民土地补偿方式,包括货币补偿、以地换地、土地入股等[8];二是安置区土地出让模式,分为政府组织的半强制征收、市场主导的自由流转等形式[9];三是征地费用核定,涵盖土地的农业用途价值、社会保障价值与平均增值分享三部分[10]。可见现有文献还停留在前期土地补偿上,仅关注了搬迁时的土地再分配,而对农村移民外迁安置后的土地处置情形缺乏分析。
目前已有很多关于兼业农户土地处置的研究,普遍采用二项或多项Logistic模型,分析了户籍及社保改革[11]、城镇化与富余劳动力转移[12]等一系列因素带来的影响。但与自愿流动的农民工不同,水工程移民是受二重社会变迁(强制性外迁和经济社会转型)的耦合作用,上述研究实际上没能识别出外迁政策对非自愿移民土地处置行为影响的净效应。为了弥补此缺陷,近年来学界开始用双重差分模型(Difference In Difference,DID)来剔除宏观社会环境的共性作用[13],这样就能用来精确评价外迁农业安置的真实成效。据此,本文从移民大农业安置的政策框架入手,基于南水北调中线丹江口水库安置区的土地监测数据,运用双重差分倾向得分匹配法(Propensity Score Matching-Difference in Difference, PSM-DID),来探索不同安置模式(后靠/外迁)下移民土地流转行为差异。然后基于政策效应分析,对坚持“以土为本、以农为主”的生计适用性进行评价。最后通过外迁安置区土地流转影响机理分析,挖掘出移民生计调整的核心要素及转型路径,为创新大中型水利水电工程移民前期补偿和后期扶持的政策措施提供决策支持。
2 理论分析及研究假设
水库移民的安置地域可分为两种:本行政区划内就地后靠和外迁到其他县市。采用后者的政策初衷为:一是可固守农业生产安置底线,为移民争取一份保证基本生活的生产资料(土地);二是易地调地开荒缓解了库区人多地少的矛盾,既保护了生态环境又便于配套水利灌溉等生产辅助设施[14]。自20世纪末以来,各大型水利水电工程中农村移民大规模外迁已成常态,如三峡库区外迁移民由规划的8万人增至近17万人,南水北调中线工程移民出县外迁则达到22万人之多,并全部采用有土安置[15]。从理论上来说,移民若能在异地获取足够的土地补偿,就可以通过家庭分工从土地资源上保障基本生活。相较于目前创新的自谋职业或多渠道安置方式,避免了失地移民在用尽补偿金后诱发的社会稳定问题[16]。但从政策实践上看,外迁安置过程也存在着诸多难题[17]:
(1)征地难。在土地升值和确权的大背景下,利益不均衡使得安置区原居民不愿出让土地,而行政强制征收又与维护农村土地承包人合法权益的方针政策相违背。
(2)对接难。移民土地补偿是以“占补平衡”为原则,匹配了面积却难以进行质量匹配,迁出区与迁入地的土地质量倒挂经常引发尖锐矛盾。
(3)适应难。耕地及作物类型的变化导致移民原有农业技能的失效,土地细碎化分布带来的劳作半径增加也降低了农业产出。
(4)增效难。土地出让困境使得大量移民落户于国营农场,原本集中的土地在补偿安置中走向了分散,这其实是以牺牲效率的方式来强调公平。所以外迁安置在付出极高的社会及经济代价后,预期的结果可能出现异化:移民获得的土地补偿没能达到原标准,土地经营面积不增反减,农业生计无法延续并有非农转移趋势,如图1所示。
显示原图|下载原图ZIP|生成PPT
图1外迁安置模式的异化效应
-->Figure 1The alienation effect of out-migratory mode
-->
一般来说,农户的土地处置方式(自种、流转、抛荒)反映了其生计变化的情况[18],该指标同样也是评判外迁政策效用的要点所在。但由于水库移民搬迁的时间跨度大,整个周期中移民所处的社交环境、经济结构、土地政策、社会保障等因素都发生了巨变,这些都会对外迁后的移民土地处置行为产生耦合影响,主要体现在:
(1)在迁入地的适应期中移民各类消费支出会大幅增长,故倾向于放弃弱质产业而离开土地,进而农业收入的主导地位会逐渐被工资性收入所取代[19]。
(2)完善的社保和稳定的就业能弱化土地养老依赖,此时移民愿意以较低的租金脱离土地,但能否向非农务工过渡则取决于个体人力资本[20]。
(3)土地“三权分置”改革后,土地经营权流转将给移民带来资产性收入,其中安置区的土地市场及政策承诺决定了收益的多寡[21]。
据此本文拟提出以下四个研究假说:
假说1:外迁移民土地处置行为是受二重社会变迁耦合作用的,所以在搬迁因素之外,经济社会发展中的诸多因素也会对移民生计产生影响,而安置模式的不同可能导致这些因素在搬迁周期中出现异化效应。
假说2:相对于后靠安置,移民能从外迁安置区调整到更多的耕地。但易地外迁可能显著推动了移民的土地流转意愿,并且使得流转规模呈增长趋势。
假说3:土地确权在外迁移民土地流转上可能出现“政策失灵”现象,相较于虚拟的土地财产权,补偿土地的质量及政策的持续性则更为移民所关注。
假说4:农业生计无法满足移民外迁后激增的各项支出,从业模式呈非农转移趋势。移民劳动力的非农化会促进土地流转,但却是以人力资本和就业前景为前提的。
3 模型设定、数据来源及变量选择
3.1 模型设定
水库移民安置基本都是由政府组织实施,所以各安置模式都可视为一种政策尝试,而政策效果评价常使用DID方法进行分析。由于近年来大中型水利水电工程移民外迁比例较高,为了方便后续PSM稳健性检验,本研究将后靠移民作为处理组(Treatment group,以下简称T组),外迁移民作为控制组(Control group,以下简称C组),并从搬迁前和搬迁后两个节点将样本划分为4组。通过设置du和dt两个虚拟变量分别区分上述4组子样本:du=0代表外迁移民,du=1代表后靠移民;dt=0代表搬迁前,dt=1代表搬迁后。根据上述样本界定,可将DID方法的基准模型设定为:式中下标i代表第i个移民户,因变量Y度量了移民户的土地处置行为,具体指标为搬迁前后参与土地流转的比例;X为控制变量;ε为随机扰动项。公式(1)中外迁户(du=0)搬迁前后的土地流转比例分别是β0和β0+β2,变化幅度为ΔY0+β2。同理,后靠户(du=1)搬迁前后的Y值分别为β0+β1和β0+β1+β2+β3,变化幅度为ΔY1=β2+β3。因此,ΔY1与ΔY0间的差值即为安置模式对土地流转影响的净效应ΔΔY=β3。若外迁显著促进了移民土地流转,则β3的系数应该显著为负,各参数释义如表1所示。
Table 1
表1
表1DID模型各参数说明
Table 1Definition and description of DID model
子样本 | 搬迁前(dt = 0) | 搬迁前(dt = 1) | Difference |
---|---|---|---|
外迁户(控制组,du = 0) | β0 | β0+β2 | ΔY0+β2 |
后靠户(处理组,du = 1) | β0+β1 | β0+β1+β2+β3 | ΔY1=β2+β3 |
DID | ΔΔY=β3 |
新窗口打开
共同趋势假设是DID的应用前提,即要求除了安置方式外,其余控制变量在移民的搬迁中不会出现不同的变化趋势。因此需要进一步在DID模型基础上进行拓展,保证后靠移民和外迁移民在执行不同搬迁方案前存在相似禀赋。本文拟采用PSM-DID方法来处理这一问题,基本思路是在处理组(后靠户)在控制组(外迁户)中找出尽量相似的个体,相互匹配后再观测各配对组的结果变量是否存在差异。具体步骤为:首先根据处理组变量和控制变量估计倾向得分(Logistic模型);然后做稳健性检验,通过指定个体ID并对得分进行核匹配(kernel matching),测算出“后靠/外迁”移民搬迁前后土地流转行为变化;最后观察两者间是否不再具有显著性差异,并计算后靠户与外迁户各自变化的差值,得到安置模式的平均处理效应(ATT)可有效度量不同安置模式对移民土地流转的实际影响。
3.2 数据来源
本研究选择的调查地点涉及库区所在地湖北十堰市和河南南阳市,外迁安置区湖北的黄冈、荆门、襄阳,河南的郑州、漯河、平顶山等地,涵盖12个区县26个乡镇,采用分层随机抽样且村组分配的比例不低于40%。调查内容是针对南水北调中线工程水源地,丹江口水库移民土地流转的情况,数据收集分别从2008年(搬迁前)和2014年(搬迁后)两个时间点出发,主要涉及家庭禀赋情况、土地流转情况、生计情况等。调查共发问卷600份,除去土地空挂和抗议性无应答的缺失问卷83份,有效样本为517户,其中湖北218户,河南299户,后靠安置114户,外迁安置403户,样本户的基本特征如表2所示。Table 2
表 2
表 2移民样本户的土地处置及生计情况
Table 2Land disposal and livelihood of migrant sample households
安置方式 | 外迁安置 | 后靠安置 | 总体 | |||||
---|---|---|---|---|---|---|---|---|
搬迁前 | 搬迁后 | 搬迁前 | 搬迁后 | 搬迁前 | 搬迁后 | |||
样本数/户 | 403 | 403 | 114 | 114 | 517 | 517 | ||
自种户占比/% | 92.31 | 29.78 | 96.49 | 78.05 | 94.40 | 40.50 | ||
土地转出户占比/% | 3.97 | 64.02 | 2.63 | 21.05 | 3.68 | 54.55 | ||
土地转入户占比/% | 3.72 | 6.20 | 0.88 | 0.90 | 3.09 | 5.03 | ||
户均土地承包面积/亩 | 7.91 | 6.36 | 4.34 | 2.18 | 7.13 | 5.44 | ||
户均转出土地面积/亩 | 0.30 | 3.72 | 0.08 | 0.43 | 0.25 | 2.99 | ||
户均转入土地面积/亩 | 3.18 | 2.53 | 0.88 | 2.19 | 2.68 | 2.46 | ||
户均本地非农劳动时间/天 | 58.90 | 81.53 | 74.09 | 103.23 | 62.00 | 86.18 | ||
户均外出务工劳动时间/天 | 56.73 | 79.05 | 61.38 | 74.71 | 57.66 | 78.12 |
新窗口打开
由表2可知,资源局限导致后靠安置移民土地承包面积减半,而外迁移民确实获得了较多的土地资源。但由于外迁安置区土地征收难度增大,调整国有农场安置移民比例较高,使得土地补偿面积虽然能得到保证,却存在部分土地质量不高且难以确权等问题。同时移民外迁后自种的比例大幅降低(92.31%降至29.78%),大都选择将土地转出(3.97%升至64.02%)。后靠移民则在耕地减少近半的情况下,基本延续了以往的农业生产模式。在土地转出面积上,外迁移民将超过半数的土地流转出去,转入土地的户数虽有所增加,但实际转入面积却反而减少。这说明外迁移民有转入耕地的潜在需求,但安置区可能存在优质土地供给不足、交易信息障碍或流转成本过高等问题。而后靠移民的情形则正好相反,土地转入户的比例没有明显增加,但户均转入面积却有大幅增长,说明搬迁后该群体中有“精英农户”的涌现。总体上看,移民劳动力非农转移趋势明显,但后靠移民主要选择在本地务工,而外迁移民则更多的体现在外出务工时间的增加。
3.3 变量选择
由公式(1)中DID模型可知,本研究中的变量有因变量、自变量和控制变量三类。①因变量Y,表示移民户的土地流转比例,即家庭农地转入转出面积与补偿面积的比值。②自变量du,是本文研究的核心指标“安置模式”,分为后靠安置和外迁安置,用虚拟变量来表征。③控制变量X。结合第2章节中的理论框架,除了搬迁安置因素外,经济社会发展等因素也共同作用于因变量,其中土地家庭禀赋、生计情况、土地特征等都是影响农业生产意愿及土地收益预期的关键[22]。家庭禀赋中包括“劳动力数量”、“人均受教育年限”分别反映了移民户的生计能力及存量;生计情况分为生计水平和生计来源两个部分,前者包括“人均年收入”、“非农收入占比”、“家庭现金支出”,后者可用“外出务工时间”、“本地非农劳动时间”等变量来表征;土地特征不限于物权,还涵盖土地市场及政府参与,故选取“土地补偿面积”、“土地租金”、“土地流转政策认知”等变量进行衡量,表3为变量说明及统计结果。Table 3
表3
表3DID模型中的变量说明及描述性统计
Table 3Definition and description of variables in the DID model
变量分类 | 变量名 | 定义 | 均值 | 标准差 |
---|---|---|---|---|
因变量 | 土地流转的比例 | 参与土地流转的面积占比 | 0.870 | 0.970 |
自变量 | 安置模式 | 外迁=0;后靠=1 | 0.221 | 0.172 |
控制变量 | ||||
家庭禀赋 | 劳动力数量/人 | 移民户中18~60岁人口数量 | 3.180 | 1.390 |
人均受教育年限/年 | 家庭成员平均受教育的年限 | 7.737 | 2.332 | |
生计情况 | 人均年收入 | 家庭人均纯收入取自然对数 | 9.469 | 0.479 |
家庭现金支出 | 家庭现金支出取自然对数 | 9.296 | 1.221 | |
非农收入占比 | 非农收入占总收入的比重 | 0.718 | 0.158 | |
外出务工时间/月 | — | 2.190 | 3.470 | |
本地非农劳动时间/月 | — | 2.390 | 3.780 | |
土地特征 | 土地补偿面积/亩 | 安置中获得的土地补偿面积 | 5.442 | 2.809 |
土地年租金 | 流转土地的租金取自然对数 | 6.505 | 0.522 | |
土地流转政策认知 | 见注释 | 2.647 | 0.664 |
新窗口打开
4 结果及分析
4.1 外迁安置政策的初步检验
外迁安置是21世纪以来对水库移民安置政策的重大调整,可视为非自愿移民迁徙的准自然实验,故这里采用DID方法来评估该方式对移民生计影响的净效应,回归结果如表4所示。Table 4
表4
表4外迁安置对移民土地流转的影响
Table 4The influence of resettlement on the land transfer of migrants
解释变量 | 土地流转的比例(model 1) | 土地流转的比例(model 2) | |||||
---|---|---|---|---|---|---|---|
系数 | 标准差 | t值 | 系数 | 标准差 | t值 | ||
dt | -0.013 | 0.018 | -0.680 | -0.125*** | 0.030 | -4.170 | |
du | 0.493*** | 0.025 | 19.550 | 0.343*** | 0.035 | 9.760 | |
du×dt | 0.387*** | 0.042 | -9.150 | -0.275*** | 0.052 | -5.320 | |
劳动力数量 | -0.005 | 0.007 | -0.630 | ||||
人均受教育年限 | -0.006 | 0.008 | -0.560 | ||||
人均年收入 | 0.018 | 0.051 | 0.360 | ||||
家庭现金支出 | -0.100*** | 0.037 | -0.270 | ||||
非农收入占比 | 0.046 | 0.041 | 1.110 | ||||
外出务工时间 | 0.008** | 0.003 | 2.450 | ||||
本地非农劳动时间 | 0.020*** | 0.003 | 5.690 | ||||
土地补偿面积 | 0.076*** | 0.080 | -8.940 | ||||
土地年租金 | -0.012** | 0.032 | -3.750 | ||||
土地流转政策认知 | 0.094*** | 0.016 | -5.730 | ||||
常数项 | 0.043*** | 0.010 | 4.370 | 0.608** | 0.248 | 2.450 | |
R2=0.29,F-test=191.60 | R2=0.38,F-test=51.96 |
新窗口打开
表4中model 1是没有加入其他控制变量的估计结果,此时dt×du系数显著且为负值,说明后靠移民中的土地流转比例明显低于外迁移民。在model 2加入控制变量后,dt×du系数同样负向显著,但同时发现家庭支出、非农务工及土地政策等因素也会明显影响土地流转。这说明若搬迁安置方式不同,移民自身的生计禀赋、外部政策演变等因素的发展也会出现系统性差异,进而会放大或缩小安置政策对移民土地处置行为的解释作用。为了降低DID模型的偏误,需采用PSM方法对后靠及外迁移民进行匹配。首先通过Logistic回归检验不同安置模式(du)下各协变量间的差异,结果如表5所示。
Table 5
表5
表5Logistic模型中不同安置模式下各协变量的差异
Table 5The differences of covariates of different resettlement modes in Logistic model
控制变量 | 系数 | 标准差 | z值 | P>|z| |
---|---|---|---|---|
劳动力数量 | -0.153** | 0.069 | -2.220 | 0.026 |
家庭现金支出 | -3.990*** | 0.324 | -12.350 | 0.000 |
外出务工时间 | 0.046* | 0.026 | 1.740 | 0.083 |
本地非农劳动时间 | 0.079*** | 0.025 | 3.170 | 0.002 |
土地补偿面积 | -13.725*** | 2.200 | -6.240 | 0.000 |
新窗口打开
由表5可见,源于分户机制、适应期增加、环境容量改善等原因,安置方式的变化对家庭劳动力、消费支出、土地面积等控制变量具有显著影响。所以要对后靠和外迁移民进行PSM处理,通过Logistic模型估计的倾向得分并采用核匹配,结果如表6所示。从结果中可知,各控制变量在处理组及控制组间分布均衡(协变量匹配后的标准误差均小于10%)[24],且不存在显著差异(匹配后各控制变量的均在1%水平上不显著)。
Table 6
表6
表6外迁-后靠移民样本匹配及平衡性检验
Table 6The matching and balance test of samples about emigration-backward migration
变量 | 样本 | 均值 | 标准偏误/10% | 标准误绝对值减少/10% | t | p>|t| | |
---|---|---|---|---|---|---|---|
处理组 | 控制组 | ||||||
劳动力数量 | 匹配前 | 2.754 | 3.305 | -42.7 | 94.5 | -5.53 | 0.000 |
匹配后 | 2.867 | 2.836 | 2.3 | 0.25 | 0.806 | ||
家庭现金支出 | 匹配前 | 3.950 | 4.356 | -114.1 | 99.3 | -17.25 | 0.000 |
匹配后 | 4.016 | 4.019 | -0.8 | -0.08 | 0.933 | ||
本地非农劳动时间 | 匹配前 | 2.861 | 2.261 | 15.2 | -17.7 | 2.12 | 0.034 |
匹配后 | 2.828 | 2.718 | 1.2 | -0.73 | 0.909 | ||
外出务工时间 | 匹配前 | 2.196 | 2.186 | 0.3 | -751.1 | 0.04 | 0.970 |
匹配后 | 2.261 | 2.178 | 2.3 | -0.23 | 0.819 | ||
土地补偿面积 | 匹配前 | 4.340 | 7.910 | -34.8 | 65.7 | -15.48 | 0.000 |
匹配后 | 5.051 | 6.158 | 0.6 | 0.19 | 0.715 |
新窗口打开
在确保选择的控制变量合适且匹配方法得当,核匹配估计结果可靠后,即可运用PSM-DID方法对安置方式影响移民土地处置行为的机理进行稳健性检验,如表7所示。在model 2(未匹配前)中,虽然搬迁后DID模型系数显著,但搬迁前Diff(T-C)显著说明处理组和控制组在土地流转上原本就存在明显差异。而在经过匹配后,model 3消除了此“失真”情形,搬迁前的Diff(T-C)无明显异质性。搬迁后DID效应系数显著为负,说明在排除了移民个体的差异后,不同安置方式对移民土地流转确实产生了不同影响。即后靠移民土地流转的意愿不强,而外迁安置则显著促进了移民的土地流转意愿及规模。
Table 7
表7
表7外迁安置推动移民土地流转的PSM-DID稳健性检验
Table 7The PSM-DID robustness test of the land transfer of migrants promoted by the resettlement
土地流转的比例(model 2)(匹配前) | 土地流转的比例(model 3)(匹配后) | ||||||||
---|---|---|---|---|---|---|---|---|---|
结果变量 | 系数 | 标准差 | t值 | P>|t| | 系数 | 标准差 | t值 | P>|t| | |
搬迁前 | |||||||||
外迁户 | 0.608 | 0.056 | |||||||
后靠户 | 0.483 | 0.032 | |||||||
Diff (T-C) | -0.125*** | 0.030 | -4.19 | 0.000 | -0.024 | 0.023 | -1.07 | 0.284 | |
搬迁后 | |||||||||
外迁户 | 0.951 | 0.535 | |||||||
后靠户 | 0.551 | 0.095 | |||||||
Diff (T-C) | -0.400*** | 0.045 | 8.92 | 0.000 | -0.441*** | 0.035 | 12.73 | 0.000 | |
DID | -0.275*** | 0.052 | 5.32 | 0.000 | -0.416*** | 0.041 | 10.04 | 0.000 |
新窗口打开
4.2 安置政策失灵的致因机制检验
由上述分析可知,外迁有土安置为保障移民农业生计付出了极高的代价,但移民却将大部分出让用地流转出去。若地租收入也不足以有效支撑移民生活,那么原外迁政策强调的“坚持大农业安置”、“为了集中安置的足额土地补偿,可以适当考虑迁至远郊”等措施是否必要。表4中发现部分控制变量也会对移民土地流转产生显著影响,而表5中分析了不同安置模式间各控制变量的区别。但水库移民拥有双重身份(工程移民/普通农户),外部环境的时空演变也可能导致控制变量发展趋势的改变。故下面通过观察二重变迁(交互项du×dt)对各控制变量带来的影响,来识别“有土安置”政策效应异化的原因,如表8所示。表中结果表明,后靠安置的移民家庭消费明显低于外迁移民,而在土地流转政策上,后靠安置区要显著优于外迁安置区。在生计非农转移上,外迁移民更倾向于外出务工,但后靠移民则更愿意在本地兼业,这也验证了表2移民生计描述性统计中的相关结论。Table 8
表8
表8二重变迁过程(du×dt)对各控制变量的影响:Logistic模型
Table 8The influence of double transition process(du×dt)on each control variable: Logistic model
控制变量 | 受教育年限 | 人均年收入 | 家庭现金支出 | 外出务工时间 | 本地非农劳动时间 | 土地流转政策认知 |
---|---|---|---|---|---|---|
安置模式(du) | -0.128 | -0.011 | -0.277*** | 0.157 | 0.492 | -0.737*** |
(0.135) | (0.024) | (-8.470) | (0.430) | (1.230) | (-12.160) | |
搬迁前后(dt) | -0.219E-16 | 0.041 | 0.108*** | 0.722*** | 0.730*** | -1.404*** |
(-0.064) | (0.016) | (4.950) | (2.960) | (2.760) | (-34.890) | |
二重变迁 (du×dt) | 1.000E-16 | 0.012 | -0.258*** | -0.294 | 0.216 | 1.457*** |
(0.191) | (0.035) | (-5.570) | (-0.570) | (0.380) | (17.200) | |
常数项 | 3.052 | 4.007 | 4.303*** | 1.825*** | 1.896*** | 2.702*** |
(0.045) | (0.011) | (280.050) | (10.600) | (10.120) | (94.940) | |
R2 | 0.003 | 0.012 | 0.251 | 0.009 | 0.015 | 0.542 |
N | 1 034 | 1 034 | 1 034 | 1 034 | 1 034 | 1 034 |
新窗口打开
基于表8的结果,再分别对移民搬迁前后户均农业收入(含农资综合补贴)、总消费支出、地租收入占比、土地流转规模占比情况做进一步统计,如图2、图3所示。表8中显示外迁移民对安置区土地流转政策的感知较差,但由于其农业收入占比呈持续下降趋势(图2a),而适应期的消费支出却大幅增加(图2b),在农业生计模式无法有效支撑生产生活水平时,移民多选择将土地转出从事非农务工(图3a)。所以在生计调整的大背景下,“外迁有土安置”模式并没能延续移民原有的农业生计模式,同时该群体土地流转决策也与安置区土地流转政策的优劣无关,主要取决于来自于土地的价值产出(农业收入和地租水平)。不过外迁移民土地流转规模的增长,并没能带来地租收入的明显提高(图3b)。调查中发现可能的原因为:一是安置区土地质量不高,土地市场供过于求致使流转收益(地租)水平不高;二是环境更替给移民带来了强烈的不稳定感,所以在土地出让中期望能保留随时收回的权利,这与转入土地的资本方长期租用需求的期望[25]。所以农地确权等土改政策在非自愿移民的土地流转上面临着“失灵风险”,而外迁安置区提供的补偿用地价值(质量、细碎化程度等)、当地土地市场的供需关系才是问题症结所在。
显示原图|下载原图ZIP|生成PPT
图2不同安置模式下农业收入及家庭总消费的变化趋势
-->Figure 2Trends of agricultural income and total household consumption under different resettlement modes
-->
显示原图|下载原图ZIP|生成PPT
图3搬迁前后土地流转面积及地租收入占比的变化趋势
-->Figure 3Trends in proportion of Land circulation area and land rent income before and after relocation
-->
4.3 外迁移民生计转型机制检验
外迁移民转出土地会导致农产品实物消费的减少,其工资性收入能否支撑增加的生活支出,是决定该群体非农生计有无可持续性的关键。在表2中,搬迁后外迁移民非农劳动时间有明显增长,不过表8中的人均年收入在社会变迁(du×dt)中却没有明显改善。这表明移民通过流转土地进行非农务工,还无法有效实现生计恢复。同样由表8可知,受教育年限的回归系数不显著且为负,则进一步证实搬迁后过早的进行务工活动影响了移民知识水平。人力资本和生计能力的损失将极大制约移民非农就业及从事工种,图4为不同安置模式下未从业移民比例变化,图5为外迁后移民与普通农户务工所在行业的对比。显示原图|下载原图ZIP|生成PPT
图4不同安置模式下搬迁前后失业移民占比变化趋势
资料来源:国家统计局2015年全国农民工监测调查报告[
-->Figure 4Trends in proportion of unemployed migrants under different resettlement modes
-->
显示原图|下载原图ZIP|生成PPT
图5移民与原住民务工所在行业占比
资料来源:国家统计局2015年全国农民工监测调查报告[
-->Figure 5The proportion of employment structures about migrants and natives
-->
由图4、图5可明显看出,时空变换会让移民以往积累的生产技能失效,加上支出压力带来的教育投资中断(受教育年限减少),使得外迁移民在出让土地后并不能顺利实现非农就业。失去竞争力的移民只能被迫在重体力行业(建筑业)从业,或是就近兼业进行零散务工(散杂工),收入不稳定且具有较强的瓶颈效应。但此时普通农户在工业建筑业的从业比重却在持续下降,2015年减少1.5%并低于移民同期水平;而从事以初中级技能为主的第三产业比例却快速增加,2015年提升1.6%并远高于外迁移民群体。这说明在当前劳动力市场化背景下,人力资本失灵和缺乏投入会对移民家庭生计转型产生极大冲击。所以在人力资本重构期,非自愿移民经济恢复还是要依赖于政府的安置和扶持,如短期技能培训是最重要的途径之一。然而生计能力的适应和衔接过程,可能又会反作用于移民的土地处置意愿。由于前者受移民自身教育水平的作用,故在表4的基础上引入“外出务工时间×受教育年限”、“本地非农劳动时间×受教育年限”的交叉项,发现两者对搬迁后土地流转有显著影响。据此汇报不同受教育程度下(采用受教育年限均值的上下来进行区分),外出及本地非农劳动时间对移民土地处置行为的偏效应,如表9所示。
Table 9
表9
表9不同教育程度下非农劳动时间的边际影响
Table 9Marginal effect of non-farm labor time in different educational background
土地流转的比例 | 系数 | 标准误 | t值 | p>|t| |
---|---|---|---|---|
外出务工时间的偏效应 | ||||
受教育程度高 | 0.019 | 0.010 | 1.970 | 0.050 |
受教育程度低 | 0.004 | 0.006 | 0.660 | 0.510 |
本地非农劳动时间的偏效应 | ||||
受教育程度高 | 0.034 | 0.008 | 4.190 | 0.000 |
受教育程度低 | 0.015 | 0.006 | 2.360 | 0.019 |
新窗口打开
表9中的结果显示,当移民劳动力的非农转移带动了土地转出时,人力资本起到了明显的促进作用,而知识技能匮乏的移民则较为保守。同时相对于本地兼业移民,这一现象在以外出务工为主的外迁移民群体中更加凸显。这一方面源于外迁移民生计虽然趋向非农化,但安置区补偿土地的养老职能暂时无法被替代;另一方面移民对非农就业前景的预期,会因生计能力的不同产生差异。换言之,外迁移民若认为低技能务工的收益难以保证,则家庭内就会存在强烈的“以土地保基本”的思想,那么即便非农劳动时间的增加也不足以激励其长期出让土地,流转多以无固定合同且低租金(甚至无租金)为主。这也佐证了4.2章节中,外迁移民生计结构调整后,土地流转收入(地租)并没能成为家庭收入有效补充的情形。而其中的根本症结之一就在于移民生计能力断裂后,在外迁安置区仅注重给予该群体有形资本(房屋土地等)的补偿,相对忽视了无形资本(知识技能)的适应、恢复及重构。
5 结论与政策建议
5.1 结论
本文利用南水北调中线工程丹江口水库,分布在湖北、河南两省的外迁移民调查数据,采用PSM-DID方法对二重社会变迁下,外迁有土安置是否能有效延续移民原有生计这一问题进行检验。研究表明:(1)外迁安置未能实现促进移民农业生计恢复的政策预期,反而会迫使移民劳动力离开土地向非农化转移。进一步的致因机理识别显示,虽然外迁移民获得了较多的土地资源,但补偿土地的质量和权属仍存在诸多问题,同时地域改变诱发了农业生产不适,使得微薄的农业收入无法应对移民在环境适应期间消费的激增。加上经济社会转型期中各因素的耦合作用,推动了移民生计结构调整,从而使“外迁有土安置”落入政策陷阱。
(2)大规模转出土地的收益同样没能给予外迁移民生活有力的支持,而在提升地租收入的路径选择上,保障安置区补偿土地质量和调节土地市场供需比单一的土地产权优化更为重要。
(3)外迁移民的非农生计以外出务工为主,但人力资本重构的滞后性却制约了转型的可持续性,移民从业的比例、收入和行业都受到限制。同时也影响了移民对非农就业的信心,并弱化了其长期出让土地的意愿,致使与土地转入方产生矛盾而难以获取理想的地租收益。
5.2 政策建议
根据以上研究结论,提出以下政策建议:(1)随着经济社会环境的变革,付出了不菲代价的外迁有土安置面临政策失灵的窘境,所以与其一味将移民集中远迁,无效分配集中的国营土地引发新的经济社会冲突,不如适当的尝试“无土少土”的多元非农安置模式,如城镇化安置,长效补偿安置等。
(2)外迁移民农业生计模式的非农化转型,推动了安置区的土地流转,而仅仅改善安置区的土地流转政策,并不一定能促进移民转出土地,也无法有效提升移民户的地租收益。所以现行政策不能仅停留在土地调剂时的权属划分上,而是要尽可能的提供高质量补偿用地以提升土地市场价值,并采用补贴的方式转换市场供需关系以吸引资本接收土地。对于无意长期出让土地的移民,可通过灵活弹性的合作社组织形式创新,满足移民以闲置土地进行合作的各类需求。
(3)大中型水利水电工程移民前期补偿标准偏低,且所获土地目前无论是自种还是出让都难以实现“土地养老”。所以政府应针对此特殊群体的基本生活保障进行顶层设计,在后期扶持时将无法从事农业生产,而又因年龄、家庭或技能原因失业的移民纳入低保范畴。
(4)对于易地迁移产生的原生社会关系断裂和人力资本损失,外迁移民转出土地后不一定能实现非农就业。政府要联合水电工程业主,通过短期技能培训对外迁移民进行快速能力再造,并在传递就业信息,拓展就业渠道等方面加大帮扶力度。另外移民外迁后有劳动力流出的迹象,所以在安置区的选择上不能仅考虑环境容量,还要突出经济区位优势和就业吸纳能力,吸引外出务工移民回本地从业进而拉动区域经济发展。
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]. , |
[2] | [J]. , [J]. , |
[3] | [Z]. [Z]. |
[4] | [J]. , |
[5] | [J]. , [J]. , |
[6] | [J]. , |
[7] | [J]. , |
[8] | [J]. , [J]. , |
[9] | [J]. , [J]. , |
[10] | [J]. , [J]. , |
[11] | [J]. , [J]. , |
[12] | [J]. , [J]. , |
[13] | [J]. , |
[14] | [J]. , |
[15] | [J]. , [J]. , |
[16] | [J]. , [J]. , |
[17] | [J]. , [J]. , |
[18] | [J]. , |
[19] | [J]. , [J]. , |
[20] | [J]. , [J]. , |
[21] | [J]. , |
[22] | [J]. , [J]. , |
[23] | [J]. , [J]. , |
[24] | [J]. , |
[25] | [J]. , [J]. , |
[26] | [R]. , [R]. , |