Effect of homestead withdrawal on family welfare:From the perspective of family risk taking capacity
WU Lijun,1, WU Zebin,2通讯作者:
收稿日期:2020-09-1修回日期:2020-11-19
基金资助: |
Received:2020-09-1Revised:2020-11-19
作者简介 About authors
吴立珺,女,福建邵武人,博士研究生,研究方向为农村土地管理。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (2204KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
吴立珺, 吴泽斌. 宅基地退出对家庭福利水平的影响——基于家庭风险承载力视角[J]. 资源科学, 2021, 43(7): 1479-1491 doi:10.18402/resci.2021.07.16
WU Lijun, WU Zebin.
1 引言
农民宅基地是农民用于建造房屋以及与居住生活有关的建筑物和设施的用地[1]。它是农民以集体经济组织成员身份无偿取得的居住生活用地,具有福利分配的性质,而这种福利只是一种初始福利,农民拥有宅基地后还会产生其他连带福利,如可获得在宅基地上种植瓜果蔬菜、手工作坊生产等便利,子女拥有获得宅基地上房屋的机会、拥有居住场所带来的安全感、与周围环境建立感情的快乐满足感[2]、具有存放农具、种子等部分生产性服务功能等,这些福利总和是农户家庭福利的重要组成部分,属家庭成员共有。但是,农户若选择退出宅基地,这些依附在宅基地之上的福利将丧失。因此,宅基地退出与否的选择会影响其家庭整体福利。目前,****对于宅基地影响农户福利问题研究主要集中在4个方面:一是从农户分化的角度定量分析农户对宅基地福利认同程度[3];二是以个体福利为视角探讨农户宅基地流转意愿的影响因素[4];三是对比宅基地退出政策实施前后农户福利水平的变化[5,6];四是基于宅基地处置模式通过可行能力或福利分配理论测度农户福利水平变化的差异性[7,8]。从现有研究视角来看,大部分研究主要从农户分化、生计资产、风险认知等个体特征视角出发对宅基地福利问题进行探讨[9,10,11,12]。中国是家庭本位的国家,面临重大问题决策时通常是以家庭为决策单元,考虑的是家庭风险最小化和福利最大化。对于家庭重要资源与资产的宅基地是否选择退出,风险是一个不容忽视的重要考量因素[13,14]。因为农户家庭退出宅基地获得相应补偿的同时,也给农户家庭带来了不可预测的风险,而且家庭生计风险与宅基地退出偏好存在一定的关系[15]。本文在前人研究的基础上,引入“承载力”概念,注重宅基地退出农户家庭整体福利,在家庭风险承载力视角下进一步深入探讨农户宅基地退出对家庭福利水平的影响。
因此,本文利用中国家庭追踪调查(China Family Panel Studies, CFPS)2014—2016年25个省份的3450户样本数据,以家庭为研究单元,剖析家庭承载力视角下宅基地退出对农户家庭福利影响的内在逻辑,构建面板门限模型实证检验农户宅基地退出(自变量)、家庭风险承载力(门限变量)和家庭福利水平(因变量)的关系,揭示不同家庭风险承载力下农户宅基地退出对家庭福利水平的影响,以期在充分保障农户权益的基础上为推动中国农村宅基地合理有序退出提供决策辅助。
2 概念界定与理论逻辑
2.1 农户家庭风险承载力的界定
贝克提出的风险社会理论揭示了风险作为一种无法预估的损失存在于人们的日常生活中[16]。同样的,对于以家庭为主要单元进行生产生活的农村家庭,所面临的风险也来自于内外部环境变化对日常生活所带来的风险,如健康风险、环境风险、金融风险、社会风险和信息风险[17],这些风险应对不力的话,不仅会影响家庭福利状况,还会影响其家庭长远发展。目前探讨农户家庭风险大多以农户脆弱性为研究切入点[15,18],为丰富家庭风险衡量视角,本文引入“承载力”概念探讨家庭风险承载力。基于对“承载力”内涵的认知,本文认为农户家庭风险承载力是农户可持续承载不同风险的能力,是内外部环境发生变化后能够继续保持家庭稳定运转的能力。宅基地是分担农户家庭风险的重要承载主体之一,宅基地退出后,会给其家庭带来生活生产等方面风险。为明晰宅基地退出后给其家庭带来的风险损失,基于可行能力理论,从承载农业生产发生变化、权属发生改变、居住环境发生变化、社会保障发生变化4个风险维度出发,构建了4个一级指标和14个二级指标的农户家庭风险承载力测度指标体系(表1)。指标选取主要基于宅基地多功能特性与农户宅基地退出后其家庭承载风险内容的不同而考虑:①宅基地的农业生产辅助功能特性。宅基地退出前,可为农户从事农业生产活动提供通行、存放农具等便利,或者成为农业生产要素组成部分,如宅基地用于家庭手工小作坊、庭院种养等[2,19];宅基地退出后,会增加农户家庭从事农业生产的难度,甚至有的农户会选择放弃从事农业生产,这种农业生产条件的变化会给农户带来风险,但其家庭宅基地退出后的住房情况、家庭劳动力数量、掌握非农谋生技能人数等因素能较好地承载农业生产变化所带来的风险;②宅基地的资产功能特性。宅基地退出前,作为农户家庭的不动产不仅能在同一集体内部成员之间流转获得家庭经济收入[20,21],还可以通过抵押等方式获取贷款[22];宅基地退出后,农户家庭便失去宅基地所具有的资产增值、抵押融资等功能特性,而农户的户主学历、家庭住房权属和拥有城镇住房等情况能够较好地承载宅基地权属变化所带来的风险;③宅基地的居住功能特性。宅基地退出前,农户均可享受“一户一宅”的村集体资产调配福利,但宅基地退出后,农户家庭将面临居住面积改变、生活方式由独居变社区等生活环境的变化,而享受公共服务水平、基础设施配套、家庭人均居住面积等情况能够较好地承载居住环境变化所带来的风险;④宅基地的社会保障功能特性。在当前城乡二元化社会保障体系中,农村宅基地可以部分弥补农村社会保障与城镇社会保障之间的差距,但农户选择退出宅基地后,宅基地所附带的社会保障功能将发生变化,而参与新农合、新农保能够较好地承载社会保障不完善所带来的风险,家庭恩格尔系数能够较好地表征宅基地退出前后农户生活水平是否得到保障。
Table 1
表1
表1基于宅基地退出后农户家庭风险承载力测度指标及权重
Table 1
承载风险类型 | 测度指标 | 指标说明 | 权重 |
---|---|---|---|
承载农业生产发生变化所带来的风险(0.5181) | 家庭农业收入情况 | 农业收入占总收入百分比/% | 0.1111 |
家庭劳动力数量 | 家庭中16~59周岁劳动年龄人口的数量 | 0.0586 | |
家庭从事非农人员 | 从事非农行业的人数 | 0.2200 | |
家庭农业机械数量 | 是否拥有拖拉机、收割机等(是=1,否=0) | 0.1262 | |
家庭住房使用情况 | 是否出租或闲置(是=1,否=0) | 0.4842 | |
承载权属发生改变所带来的风险(0.2565) | 户主学历 | 户主的文化程度(文盲=0,小学=1,初中=2,高中=3,高中以上=4) | 0.7671 |
宅基地上房屋权属情况 | 是否权属人(是=1,否=0) | 0.0116 | |
拥有城镇住宅情况 | 是否拥有城镇住房(是=1,否=0) | 0.2214 | |
承载居住环境发生变化所带来的风险(0.0644) | 享受公共服务水平 | 是否满意外部提供的公共服务(是=1,否=0) | 0.0373 |
基础设施条件 | 住所周边配套设施是否齐全(是=1,否=0) | 0.8040 | |
家庭成员人均居住面积 | 房屋面积与家庭总人数之比/(m2/人) | 0.1587 | |
承载社会保障发生变化所带来的风险(0.1610) | 新农合参与情况 | 是否参与新农合(是=1,否=0) | 0.3301 |
新农保参与情况 | 是否参与新农保(是=1,否=0) | 0.1101 | |
家庭恩格尔系数 | 家庭食物支出与家庭总支出之比/% | 0.5598 |
新窗口打开|下载CSV
2.2 理论逻辑
2.2.1 宅基地退出与农户家庭福利水平宅基地退出能够解决农村土地闲置、利用率不高等问题,但也会对农户家庭的生产生活产生影响。现有研究[22,23,24,25]中,有****认为宅基地退出会对家庭福利带来积极的影响,其主要观点包括:①农户经济状况得到了提升,农户宅基地退出后实现集中居住,迫使农户改变了原有的生产生活方式,减少了直接从事农业生产机会,增加了非农就业机会;②农户居住状况得到一定改善,农村居民点进行统一规划,保障农户住房质量;③农户社交情况发生了相应的变化,农户退出宅基地之后进行集中居住,在一定程度缩短了社交距离,社区活动更为丰富,不再出现由于宅基地零星分散而造成一户独居的现象。任何事物都有两面性,农户退出宅基地并不一定意味着就能够提升全体农户的福利水平,若未综合考虑农户家庭自身的家庭风险承载力,很可能会导致农户家庭福利水平的下降,甚至使其生活水平降到贫困线以下。宅基地退出也可能会使农户家庭面临生产生活风险:①宅基地作为农户家庭生计资产的一部分,退出之后获得的补偿保障具有脆弱性,可能无法持续起到承载风险的作用;②降低农户经营农地效率、减少农户家庭原有的农业收入,而农户家庭的非农收入短时期较难提高;③农户宅基地退出后对现有生活状况满意度也有可能出现降低的情况。据此,本文认为宅基地退出对农户家庭福利水平的影响具有双重效应。
2.2.2 家庭风险承载力与农户家庭福利水平
家庭是承载风险的重要单位,承载风险力的强弱代表家庭抵抗各种风险能力的高低。家庭风险抵御能力能够帮助农户避免或减少可能的风险冲击带来家庭福利的损失[26]。因此,农户家庭承载风险的能力同样会影响到农户家庭福利水平的高低。王静等[27]通过研究发现宅基地在家庭生计中的作用不相同,抵御意外风险的能力也就不同,所产生福利变化也会不同。李欢等[28]认为抗风险能力越强,农村宅基地退出后农户福利越好。大部分研究基本认可这样的观点,即家庭风险承载力越强,越能化解风险,家庭福利水平也更有保障。反之,家庭风险承载力较弱的农户较难承载环境变化所带来的风险,进而影响其家庭福利水平。另一方面,较强家庭风险承载力的农户家庭有利于家庭成员获得更好的教育、就业培训等,拥有更多的社会资本,增加家庭总收入。据此,本文认为农户家庭风险承载力与农户家庭福利水平存在一定相关关系,家庭风险承载力较好的家庭能够显著提高家庭福利水平。
2.2.3 家庭风险承载力是宅基地退出对农户家庭福利水平影响的门限变量
家庭应对风险能力较弱的农户家庭,宅基地退出产生的风险将可能会降低其福利水平,而应对风险能力越强农户,宅基地退出后其家庭福利不降反升[28]。因此,农户是否选择宅基地退出应与其家庭风险承载力相匹配。现有研究[29,30]大多关注宅基地退出与家庭福利之间的关系,忽视了家庭风险承载力是宅基地退出对农户家庭福利水平的重要变量,这种变量在计量经济学称之为“门限变量”,产生的效应称之为“门限效应”。基于以上分析,本文认为家庭风险承载力、宅基地退出、家庭福利水平三者之间存在“门限效应”。当农户家庭风险承载力较弱时,宅基地退出对农户家庭的福利水平产生负影响;当家庭风险承载力达到某个门限值以后,宅基地退出能够显著提升农户家庭福利水平(图1)。
图1
新窗口打开|下载原图ZIP|生成PPT图1家庭承载力视角下宅基地退出对农户家庭福利影响的内在逻辑
Figure 1Research framework of change of household welfare level before and after homestead withdrawal
3 研究方法与数据来源
3.1 研究方法
3.2.1 农户家庭风险承载力测度模型通过测度宅基地退出后农户家庭风险承载力,为分析宅基地退出与农户家庭福利水平的变化提供基础。利用熵权法与网络层次分析法对承载各种类型风险的指标进行组合赋权:
式中:
将得到的权重与对应的指标值进行加权计算,测算出农户家庭宅基地退出后承载风险的能力:
式中:
3.1.2 农户家庭福利水平测度模型
度量农户福利水平的方法在不断改进,大致的演进脉络为:①通常选择2~3个指标作为福利水平的代理变量,利用政策实施前后的变化幅度分别构建模型进行分析[31]。这种方法存在一定的片面性,无法全面而准确测度出福利水平;②随着森的可行能力理论提出,打破了无法全面测度福利水平的局限性,有****通过5个可行方面建立测度福利水平的指标体系并对其进行赋权,从而测度出综合福利水平[32]。但是这种方法虽然能综合测度出福利水平,但赋予权重过于主观,并且只是进行简单的加总。③为了避免这种情况的发生,建立收入-消费效用函数对福利水平进行测度[33],而不是主观地对指标进行赋权,但是这个测度方法偏重经济学中的收入元素,并未考虑到影响农户群体的福利元素。
为全面度量家庭福利水平,本文将结合以上****提出的方法并进行改进:①将森的可行能力理论与陈志鸿等[34]构建的终身效用模型结合,模型综合考虑了消费、闲暇时间、满意度4个方面,用于测度农户家庭福利水平;②对于测度农户福利的数据大多是采用部分乡村的问卷调查,缺少地区间的变化,本文采用的家庭微观调查数据涵盖了中国25个省份,提供了较为详细的区域对比数据;③以往测度方法所选取指标未能充分考虑隐性福利因素。本文在效用模型中加入的满意度包含了农户对教育、医疗以及居住环境的评价,这3个因素构成了衡量农户生活的重要部分,综合体现出显性福利与隐性福利,如消费的差异反映出了农户家庭经济水平的高低,娱乐时间的长短可以反映农户家庭的社交情况,满意度则能体现出各类基础设施配套情况。测度农户家庭福利水平方法如下:
定义
式中:a是家庭成员的年龄;
对于效用函数具体形式如下:
娱乐时间的效用为
满意度函数为
式中:参数取值参照Jones等[35]的研究成果,效用函数的截距项
3.1.3 计量模型的设定
以农户家庭福利水平为因变量,以宅基地退出和家庭风险承载力为自变量,同时加入相应的控制变量,构建模型:
式中:
如果存在双门限效应,则构建双门限模型:
式中:
Table 2
表2
表2变量定义及说明
Table 2
变量类型 | 变量名称 | 变量符号 | 变量说明 |
---|---|---|---|
因变量 | 家庭福利水平 | Benefit | 具体测算值 |
自变量 | 宅基地退出 | Hw | 实际调研 |
门限变量 | 家庭风险承载力 | Rtc | 具体测算值 |
控制变量 | 人均GDP | Gdppc | 农户所在地的人均GDP/元 |
宅基地面积 | Ha | 农户家庭宅基地面积实际值/m2 | |
宅基地补偿金额 | Hca | 农户退出宅基地补偿金额实际值/(元/m2) |
新窗口打开|下载CSV
3.2 数据来源
数据主要采用中国家庭追踪调查(CFPS)2014年、2015年和2016年构成的面板数据,其中2015年为宅基地政策试点实施的第1年。2014—2016年平均样本规模约为13000余户,较为全面地包含了家庭禀赋、家庭结构等重要信息。为保证数据信息的完整性与一致性,根据调查代码对2014、2015、2016三年调查年度均出现的样本个体进行匹配,同时对核心指标的缺失值利用插值法进行处理,确保了研究结果的有效性和样本在时间上的一致性,并对其进行补充调研,最终得到宅基地退出农户样本户为3450户,主要分布在安徽、北京、福建、重庆等25个省份,农户样本户数占各年度匹配后农户有效样本的比重为76.68%,具有代表性。4 结果与分析
4.1 多重共线性检验与研究样本划分
为了后续研究需要和考虑到不同样本之间的差异性,需要进行多重共线性检验和划分研究样本。多重共线性检验采用相关性检验以及计算方差膨胀系数(VIF值),样本划分以25个省份宅基地退出前后福利水平变化差值为依据。4.1.1 多重共线性检验
为避免变量之间存在高度相关而出现的多重共线性问题,对回归模型中各个变量之间进行相关性检验,结果如表3所示。
Table 3
表3
表3相关系数矩阵
Table 3
变量 | 家庭福利水平 | 家庭风险承载力 | 宅基地退出 | 宅基地补偿金额 | 宅基地面积 | 人均GDP |
---|---|---|---|---|---|---|
家庭福利水平 | 1 | |||||
家庭风险承载力 | 0.153*** | 1 | ||||
宅基地退出 | 0.021* | 0.045** | 1 | |||
宅基地补偿金额 | -0.027* | 0.018 | -0.057*** | 1 | ||
宅基地面积 | 0.150*** | 0.028 | 0.004 | -0.135*** | 1 | |
人均GDP | 0.025** | 0.025 | 0.036* | -0.082*** | 0.036* | 1 |
新窗口打开|下载CSV
从表3可以发现,农户家庭福利水平与家庭风险承载力、宅基地退出、宅基地面积、人均GDP呈正相关,而与宅基地补偿金额呈负相关。虽然各变量之间存在一定的相关性,但相关系数均不高,最高的相关系数也仅为0.153,远低于共线性的临界值0.7,且VIF均值也为1.01,后续实证分析中将不会出现多重共线性问题。
4.1.2 研究样本划分
通过公式(3)-(6)测算出2014与2016年农村宅基地退出前后家庭福利水平,在测度农户家庭福利水平的基础上,对退出前后的福利水平变化情况进行比较分析。通过表4可以发现,东部地区农户家庭福利水平高于西部地区和中部地区,其中生活在西部地区的农户家庭福利水平较低,这可能是由于东部地区经济较为发达,农户家庭风险承载力相对较高。在试行宅基地退出政策之后,整体福利水平有所提升,除贵州省、云南省有所降低,其余省份均有显著的提升。
Table 4
表4
表4宅基地退出前后福利水平变化比较
Table 4
省份 | 退出前 福利水平 | 退出后 福利水平 | 福利水平 变化差值 |
---|---|---|---|
北京市 | 8.732 | 13.808 | 5.076 |
河北省 | 5.416 | 6.185 | 0.770 |
山西省 | 4.467 | 7.268 | 2.801 |
内蒙古自治区 | 2.981 | 7.637 | 4.656 |
辽宁省 | 4.560 | 5.565 | 1.005 |
吉林省 | 4.086 | 9.493 | 5.408 |
黑龙江省 | 4.682 | 5.102 | 0.420 |
江苏省 | 5.616 | 13.124 | 7.508 |
浙江省 | 6.524 | 10.663 | 4.140 |
安徽省 | 4.460 | 5.923 | 1.463 |
福建省 | 5.019 | 9.767 | 4.748 |
江西省 | 4.527 | 10.274 | 5.747 |
山东省 | 4.662 | 8.714 | 4.052 |
河南省 | 5.292 | 9.144 | 3.852 |
湖北省 | 5.098 | 5.983 | 0.884 |
湖南省 | 5.465 | 11.422 | 5.956 |
广西壮族自治区 | 3.765 | 5.880 | 2.115 |
重庆市 | 4.794 | 9.462 | 4.668 |
四川省 | 4.918 | 13.000 | 8.082 |
贵州省 | 4.487 | 4.146 | -0.342 |
云南省 | 5.469 | 4.933 | -0.535 |
陕西省 | 4.275 | 8.005 | 3.730 |
青海省 | 2.758 | 6.507 | 3.749 |
甘肃省 | 4.430 | 7.745 | 3.315 |
宁夏回族自治区 | 3.262 | 6.118 | 2.856 |
新窗口打开|下载CSV
根据表4中25个省份的宅基地退出前后福利水平变化差作趋势变化图,运用Jenks 自然最佳断裂点分级法,并结合关江华等[18]的区间划分思想,将25个省份划分为5个等级区域类型。划分具体结果如表5所示。
Table 5
表5
表5家庭福利水平变化分值区间及其划分结果
Table 5
小 | 较小 | 一般 | 较大 | 大 | |
---|---|---|---|---|---|
分值区间 | [-0.535, -0.342] | [0.420, 1.463] | [2.115, 3.749] | [3.852, 5.956] | [7.508, 8.082] |
省份 | 云南省、贵州省 | 黑龙江省、河北省、湖北省、辽宁省、安徽省 | 广西壮族自治区、山西省、宁夏回族自治区、甘肃省、陕西省、青海省 | 河南省、山东省、浙江省、内蒙古自治区、重庆市、福建省、北京市、吉林省、江西省、湖南省 | 江苏省、四川省 |
新窗口打开|下载CSV
4.2 门限效应检验及估计结果分析
4.2.1 门限效应检验根据前述的面板门限回归模型以农户家庭风险承载力门限变量,家庭福利水平为因变量,宅基地退出为自变量,利用STATA13检验是否存在门限效应和门限个数,具体门限效应检验结果见表6。
Table 6
表6
表6门限效应检验结果
Table 6
地区福利水平变化等级 | 门限模型 | F值 | P值 | 临界值 | ||
---|---|---|---|---|---|---|
1% | 5% | 10% | ||||
大 | 单一门槛 | 15.726** | 0.020 | 17.610 | 10.492 | 7.605 |
双重门槛 | 9.826** | 0.037 | 16.278 | 8.783 | 6.671 | |
三重门槛 | -31.186 | 0.660 | 1.093 | -0.5150 | -7.442 | |
较大 | 单一门槛 | 14.099*** | 0.000 | 16.416 | 10.613 | 8.463 |
双重门槛 | 12.345*** | 0.000 | 21.626 | 13.117 | 8.553 | |
三重门槛 | 0.000 | 0.390 | 0.000 | 0.000 | 0.000 | |
一般 | 单一门槛 | 6.126*** | 0.000 | 13.714 | 7.858 | 5.157 |
双重门槛 | 4.092*** | 0.000 | 14.509 | 9.117 | 5.972 | |
三重门槛 | 0.000 | 0.120 | 0.000 | 0.000 | 0.000 | |
较小 | 单一门槛 | 13.640*** | 0.000 | 15.403 | 9.192 | 7.087 |
双重门槛 | 3.463*** | 0.000 | 14.982 | 8.793 | 6.424 | |
三重门槛 | 0.000 | 0.087 | 11.329 | 5.619 | 3.084 | |
小 | 单一门槛 | 15.761*** | 0.000 | 24.740 | 16.743 | 13.258 |
双重门槛 | 10.369 | 0.333 | 32.898 | 21.126 | 14.330 | |
三重门槛 | 0.000 | 0.247 | 0.000 | 0.000 | 0.000 |
新窗口打开|下载CSV
由表6门限效应检验结果可知,以农户家庭风险承载力为门限变量,5个等级区域类型的单一门槛和双重门槛均通过了1%的显著性水平,而三重门槛未能通过显著性水平的检验。这说明宅基地退出对农户家庭福利水平的影响存在基于农户家庭风险承载力的双重门槛效应。
4.2.2 门槛估计值
在检验存在双重门槛效应之后,现需要估计出双重门槛模型的门槛值并进行检验,估计出5个等级区域类型以农户家庭风险承载力为门限变量的门槛值及95%置信区间(表7)。
Table 7
表7
表7门槛估计值
Table 7
地区福利水平变化等级 | 第一个门限估计值 | 第二个门限估计值 | |||
---|---|---|---|---|---|
门限估计值 | 95%置信区间 | 门限估计值 | 95%置信区间 | ||
大 | 1.112 | [1.028, 1.778] | 1.256 | [1.167, 1.264] | |
较大 | 1.078 | [1.078, 1.344] | 1.715 | [1.343, 1.777] | |
一般 | 1.236 | [1.229, 1.340] | 1.749 | [1.044, 1.823] | |
较小 | 1.227 | [0.703, 2.312] | 2.161 | [0.703, 2.312] | |
小 | 1.083 | [0.650, 2.153] | 1.201 | [1.200, 2.360] |
新窗口打开|下载CSV
根据表7可知,以福利水平变化大的地区为例,第一个门槛值和第二个门槛值分别为1.112和1.256,似然比值均小于显著性水平的临界值,这说明模型的两个门槛值与实际门槛值相等。同样地,福利水平变化较大、一般、较小、小地区的两个门槛值与实际门槛值也相等。为更加清晰说明门槛值估计和置信区间的构造过程,以福利水平变化大的地区的两个门槛值为例,提供似然比函数加以佐证,结果如图2所示。
图2
新窗口打开|下载原图ZIP|生成PPT图2门槛估计值和置信区间
Figure 2Threshold estimates and confidence intervals
4.2.3 门限回归估计结果
为进一步考察不同农户家庭风险承载力下宅基地退出对农户家庭福利水平产生的影响,基于估计的门槛值,对门限模型的各个参数进行估计分析。对划分好的5个等级区域类型进行单独模型估计,以农户家庭风险承载力为门限变量,具体估计结果如表8所示。根据表8中的双重门限回归模型参数估计结果进行以下四方面的分析:
Table 8
表8
表8家庭福利水平双重门限回归模型参数估计
Table 8
变量 | 大 | 较大 | 一般 | 较小 | 小 |
---|---|---|---|---|---|
Hw | 0.5533 | -0.3875 | -0.3864 | 0.1165 | 0.9446 |
Hca | 0.0072 | 0.0001 | 0.0538 | 0.0583 | 0.0271 |
Ha | 1.5951 | 0.7298 | 1.6032** | 1.6672** | 1.2411** |
Rtc | 3.4273*** | 2.0627* | 2.6822*** | 1.2262*** | 1.0887** |
Gdppc | 0.3022* | 6.5916** | 1.4213 | 2.7405 | 1.7030* |
Rtc1 | -2.3173** | -1.2433 | -3.5436** | -5.6664 ** | -5.5511*** |
Rtc2 | -1.4668 | -0.0291 | -2.6939 | -3.9612 *** | -2.9941** |
Rtc3 | 0.3654** | 2.5320** | 0.0109** | 1.2509 *** | 1.3864** |
Cons | 3.9080* | 10.1700** | 2.0378 | 3.1536 | 3.1450 |
Rtc1 | Rtc<1.112 | Rtc<1.078 | Rtc<1.236 | Rtc<1.227 | Rtc<1.083 |
Rtc2 | 1.112≤Rtc<1.256 | 1.078≤Rtc<1.715 | 1.236≤Rtc<1.749 | 1.227≤Rtc<2.161 | 1.083≤Rtc<1.201 |
Rtc3 | Rtc≥1.256 | Rtc≥1.715 | Rtc≥1.749 | Rtc≥2.161 | Rtc≥1.201 |
新窗口打开|下载CSV
(1)从家庭风险承载力系数来看,福利水平变化大、较大、一般、较小和小地区的农户家庭风险承载力的系数分别是3.4273、2.0627、2.6822、1.2262、1.0887,且都通过了显著性水平检验,这说明农户家庭风险承载力对其福利水平有显著的正向促进作用,在控制其他变量的前提下,增强农户家庭风险承载力能够有助于农户家庭福利水平的提升。
(2)从门槛值来看,以家庭福利水平变化大的地区为例,当家庭风险承载力小于第一个门槛值1.112时,其门限依赖变量的回归系数为-2.3173,且通过了显著性水平检验,说明宅基地退出对福利变化水平较好地区的农户家庭福利水平提升呈负效应;当家庭风险承载力介于两个门槛值之间时(1.112≤Rtc<1.256),门限依赖变量回归系数由-2.3173增加到-1.4668,说明宅基地退出对福利变化水平大的地区农户家庭福利水平的影响逐渐增强;当家庭风险承载力大于第二个门槛值1.256时,其回归系数增加至0.3654,宅基地退出对福利变化水平大的地区家庭福利水平的正向提升作用变得十分明显。同样地,福利水平变化较大、一般、较小和小的地区也存在相似规律,当家庭风险承载力分别小于第一个门槛值(1.078、1.236、1.227、1.083)时,宅基地退出家庭福利水平影响为负;当家庭风险承载力分别跨过门槛值(1.715、1.749、2.161、1.201)后,宅基地退出正向拉升其家庭福利水平。
(3)从门限依赖变量来看,家庭风险承载力大于第二个门槛值时,福利水平变化大、较大、一般、较小和小的地区的门限依赖变量回归系数分别是0.3654、2.5320、0.0109、1.2509、1.3864,系数值均为正数,说明家庭风险承载力较强,宅基地退出对家庭福利水平有明显的正向拉动作用;家庭风险承载力小于第一个门槛值时,福利水平变化大、较大、一般、较小和小的地区的门限依赖变量回归系数分别是-2.3173、-1.2433、-3.5436、-5.6664、-5.5511,系数值均为负数,说明家庭风险承载力较弱时,宅基地退出对家庭福利水平有负向影响。
(4)从控制变量来看,人均GDP、宅基地面积、宅基地退出补偿金的门限依赖变量回归系数均为正值,说明3个控制变量对农户家庭福利水平有显著的正向促进作用,说明农户家庭福利水平与当地经济水平和农户家庭资产存在显著的正相关关系。
综合以上分析可知,宅基地退出与农户家庭福利水平存在显著的非线性关系,宅基地退出对农户家庭福利水平的影响存在基于农户家庭风险承载力的双重门槛效应,且宅基地退出对农户家庭水平的影响大小与方向都取决于农户家庭风险承载力的大小,即当家庭风险承载力较弱时,农户选择退出宅基地不仅不能够提升家庭福利水平,反而会有所降低;只有当家庭风险承载力较强时,农户选择退出宅基地才会拉动其家庭福利水平的提升。
最后,为增加研究结论的可靠性,选取子样本进行回归,选取东、中、西、东北地区中各1个省份作为研究子样本进行检验。估计结果显示,农户宅基地退出、农户家庭风险承载力和福利水平之间的双重门槛效应依然存在,各回归系数的正负方向未发生变化,仅有显著水平和系数产生较小的变化,但都通过了显著性检验,据此可以说明估计结果和研究结论是稳健的。
5 结论与政策建议
5.1 结论
本文从家庭风险承载力的视角探讨了宅基地退出对农户家庭福利水平的门槛效应,选用2014—2016中国家庭追踪调查数据,构建以农户家庭风险承载力为门限变量的门限面板回归模型进行实证检验,考察了不同家庭风险承载力下农户宅基地退出对家庭福利水平的影响。结论如下:(1)家庭风险承载力对其家庭福利水平产生直接的正向促进作用,在其他条件一定的情况下,家庭风险承载力越强,越能够提升福利水平。
(2)农户宅基地退出与农户家庭福利水平存在非线性关系。农户宅基地退出对农户家庭福利水平的影响大小和方向都显著存在基于家庭风险承载力的双重门槛效应。当家庭风险承载力低于第一个门槛值,农户宅基地退出抑制农户家庭福利水平的提升,当家庭风险承载力大于第一个门槛值时农户宅基地退出对福利水平的促进作用会随着家庭风险承载力的增强而增加。
(3)在控制变量上,人均GDP越高,农户拥有宅基地面积越多,宅基地退出补偿金额越高,宅基地退出越能够推动农户家庭福利水平的提升,说明农户家庭福利水平与人均GDP和农户家庭资产存在正相关关系。
5.2 政策建议
家庭风险承载力是宅基地退出过程中影响家庭福利水平的重要门限变量,应以家庭风险承载力作为推动中国农村宅基地合理有序退出的重要决策因素。(1)农户家庭退出宅基地应当考虑其家庭风险承载力。当抵御风险能力较弱时,盲目地退出宅基地反而会产生副作用,打破农户家庭原有的系统平衡而对福利水平产生负面效应,只有当抵御风险能力达到临界门槛值时,宅基地退出才可能会对农户家庭福利水平产生正向效应。因此,政府制定宅基地退出政策时应充分考虑农户家庭风险承载力的差异,实施差别化策略。
(2)为保障农户宅基地退出而其家庭福利水平不降低,应提高农户家庭风险承载力。第一,农户家庭应当有意识地接触有关家庭风险管理观念,规范化评估家庭自身承载风险能力,增强农户家庭承载农业生产风险、政策决策风险、居住环境风险以及社会保障风险的能力。对于承载农业生产风险来说,农户家庭应当合理利用家庭住房,接触多种非农谋生技能。对于承载政策决策风险来说,农户家庭应当提升对政策的认知度,积极配合政府进行宅基地确权工作。对于承载环境适应风险来说,政府应重视公共服务的有效提供与居住环境的改善。对于承载社会保障风险来说,农户家庭应积极参与新农保、新农合等保险。第二,政府应当完善健全公共服务机构、提供有效的公共服务来改善农户家庭风险承载力的短板,帮助农民提高抵御和应对风险的能力、帮助农民及时获取外部信息、扩大公共服务体系中风险服务模块,培养具有一定家庭风险管理观念和风险应对能力的新时代农民。
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
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.1257/aer.20110236URL [本文引用: 2]