基于CHARLS数据透视农地流转对农民收入的多维影响与异质性分析

基于CHARLS数据透视农地流转对农民收入的多维影响与异质性分析一、引言1.1研究背景与意义在我国，农业作为国民经济的基础产业，其发展状况直接关系到国家的粮食安全和社会稳定。农村土地制度作为农业发展的关键制度安排，对农业生产效率、农民收入水平以及农村经济社会的发展产生着深远影响。随着我国经济的快速发展和城市化进程的加速推进，农村劳动力大量向城市转移，农村土地闲置和低效利用问题日益凸显。在此背景下，农地流转作为优化土地资源配置、提高农业生产效率的重要手段，逐渐成为我国农村经济发展中的重要现象。自改革开放以来，我国政府高度重视农村土地制度改革，出台了一系列政策法规鼓励和支持农地流转。1984年中央一号文件首次提出“鼓励土地逐步向种田能手集中”，开启了我国农地流转的政策序幕。此后，相关政策不断完善，2002年《农村土地承包法》的颁布，从法律层面规范了农地流转的行为和程序，保障了农民的土地承包经营权和流转权益。2014年，中央办公厅、国务院办公厅印发《关于引导农村土地经营权有序流转发展农业适度规模经营的意见》，进一步明确了农地流转的基本原则、主要目标和政策措施，为农地流转的健康发展提供了有力的政策支持。在政策的引导下，我国农地流转市场不断发展壮大，截至2020年底，全国农村土地流转面积达到5.3亿亩，占家庭承包耕地总面积的36.4%，农地流转在促进农业规模化、集约化经营，提高农业生产效率方面发挥了积极作用。农民收入问题一直是“三农”问题的核心，也是关系到我国经济社会发展全局的重要问题。提高农民收入不仅有助于改善农民生活水平，缩小城乡收入差距，促进社会公平正义，还能够激发农村消费市场潜力，推动农村经济的可持续发展。农地流转作为农村土地制度改革的重要举措，对农民收入产生着多方面的影响。一方面，农地流转可以使农民通过土地租金、入股分红等方式获得财产性收入，增加收入来源；另一方面，农地流转有助于实现农业规模化经营，提高农业生产效率，降低生产成本，从而增加农民的农业经营收入。此外，农地流转还可以促进农村劳动力转移就业，使农民获得工资性收入，推动农村产业结构调整和升级，为农民创造更多的就业机会和增收渠道。然而，现有研究表明，农地流转对农民收入的影响并非完全一致，不同地区、不同农户之间存在较大差异。一些研究发现，农地流转能够显著提高农民收入水平，尤其是在规模化经营较为发达的地区；而另一些研究则指出，由于土地流转市场不完善、农民自身素质和能力不足等原因，部分农民在农地流转中并未获得预期的收益，甚至出现收入下降的情况。因此，深入研究农地流转对农民收入的影响，分析其影响机制和异质性，对于制定科学合理的农地流转政策，充分发挥农地流转的增收效应，提高农民收入水平，具有重要的理论和现实意义。从理论层面来看，研究农地流转对农民收入的影响，有助于丰富和完善农村土地经济学、发展经济学等相关学科的理论体系。通过深入分析农地流转与农民收入之间的内在联系和作用机制，可以为进一步理解农村土地资源配置、农业生产效率提升以及农民收入增长等问题提供新的视角和理论依据。从实践层面来看，当前我国正处于全面推进乡村振兴、加快农业农村现代化的关键时期，提高农民收入是实现乡村振兴战略目标的重要任务之一。通过实证研究揭示农地流转对农民收入的影响规律和存在的问题，可以为政府部门制定更加精准有效的农地流转政策提供决策参考，促进农地流转市场的健康发展，更好地保障农民的合法权益，推动农村经济社会的持续繁荣。1.2研究目标与创新点本研究旨在运用实证分析方法，深入探究农地流转对农民收入的影响，具体目标如下：第一，利用微观调查数据，准确评估农地流转对农民收入水平的总体影响，明确农地流转是否能够显著提高农民收入；第二，深入分析农地流转影响农民收入的内在机制，从土地规模经营、农业结构调整、劳动力转移等多个角度揭示农地流转与农民收入之间的因果关系；第三，考察不同地区、不同农户特征下农地流转对农民收入影响的异质性，分析影响农地流转增收效应的因素，为制定差异化的政策提供依据；第四，基于研究结果，提出针对性的政策建议，以促进农地流转市场的规范发展，充分发挥农地流转对农民收入的积极影响，推动农村经济的发展和农民生活水平的提高。本研究的创新点主要体现在以下几个方面：第一，数据来源方面，本研究采用中国健康与养老追踪调查（CHARLS）数据，该数据涵盖了丰富的个人、家庭和社区信息，不仅包括农民的收入、土地流转等经济信息，还涉及农民的健康状况、家庭结构、社会保障等多维度信息，能够更全面地控制影响农民收入的因素，提高研究结果的准确性和可靠性；第二，研究视角方面，综合考虑了农地流转对农民收入的直接和间接影响，从多个维度分析了农地流转影响农民收入的机制，包括土地规模经营、农业结构调整、劳动力转移等，为深入理解农地流转与农民收入之间的关系提供了更全面的视角；第三，异质性分析方面，细致考察了不同地区、不同农户特征下农地流转对农民收入影响的差异，包括地区经济发展水平、农户年龄、教育程度、家庭劳动力数量等因素对农地流转增收效应的影响，有助于发现农地流转政策实施过程中存在的问题，为制定更加精准有效的政策提供依据。1.3研究方法与技术路线本研究主要采用实证研究方法，结合统计分析、计量经济学模型等工具，对农地流转与农民收入之间的关系进行深入分析。具体方法如下：第一，描述性统计分析，对CHARLS数据中涉及农民收入、农地流转等相关变量进行描述性统计，分析样本数据的基本特征，包括变量的均值、标准差、最大值、最小值等，初步了解农民收入水平和农地流转的现状；第二，相关性分析，通过计算农地流转变量与农民收入变量之间的相关系数，考察两者之间的线性相关关系，为进一步的回归分析提供基础；第三，计量经济学模型估计，构建多元线性回归模型，以农民收入为被解释变量，农地流转变量为核心解释变量，同时控制其他可能影响农民收入的因素，如农户个体特征、家庭特征、地区特征等，运用最小二乘法（OLS）对模型进行估计，分析农地流转对农民收入的总体影响；第四，机制分析，通过中介效应模型、调节效应模型等方法，深入分析农地流转影响农民收入的内在机制，考察土地规模经营、农业结构调整、劳动力转移等因素在农地流转与农民收入之间的中介作用和调节作用；第五，异质性分析，采用分组回归、门槛回归等方法，分别考察不同地区、不同农户特征下农地流转对农民收入影响的异质性，分析影响农地流转增收效应的因素。研究的技术路线如下：首先，在广泛查阅国内外相关文献的基础上，明确研究问题和研究目标，确定研究方法和技术路线；其次，收集和整理CHARLS数据，对数据进行清洗和预处理，确保数据的质量和可靠性；然后，运用描述性统计分析、相关性分析等方法对数据进行初步分析，了解样本数据的基本特征和变量之间的关系；接着，构建计量经济学模型，进行回归分析和机制分析，深入探究农地流转对农民收入的影响及其内在机制；最后，进行异质性分析，考察不同条件下农地流转对农民收入影响的差异，并根据研究结果提出针对性的政策建议。二、理论基础与文献综述2.1相关理论基础制度变迁理论由美国经济学家道格拉斯・C・诺思提出，该理论认为制度是一系列被制定出来的规则、服从程序和道德、伦理的行为规范，制度变迁是指一种制度框架的创新和被打破。制度变迁的原则是当现存制度不能使人们的需求满足时，就会发生制度变迁，且制度变迁的成本与收益之比对于促进或推迟制度变迁起着关键作用。在农地流转中，家庭联产承包责任制向土地流转制度的转变就是一种制度变迁。随着农村劳动力的转移和农业现代化的需求，原有的家庭分散经营模式逐渐无法满足提高农业生产效率和农民收入的要求，从而促使了农地流转制度的产生和发展。这一转变旨在通过优化土地资源配置，实现农业的规模化、集约化经营，提高农业生产效益，增加农民收入。规模经济理论认为，在一特定时期内，企业产品绝对量增加时，其单位成本下降，即扩大经营规模可以降低平均成本，从而提高利润水平。该理论可分为内部规模经济和外部规模经济。内部规模经济源于企业内部生产要素的充分利用、组织和经营效率的提高；外部规模经济则源于合理的产业分工、联合和地区布局。在农业生产中，通过农地流转实现土地的集中连片经营，有利于采用大型农业机械和先进的农业生产技术，提高劳动生产率，降低单位生产成本，实现规模经济。例如，一些种植大户通过流转土地，扩大种植规模，能够在农资采购、农产品销售等方面获得更有利的价格，从而提高农业经营收入。农村劳动力转移理论主要包括刘易斯无限供给劳动力转移模型、费景汉-拉尼斯模型和托达罗的“预期收入”模型。刘易斯模型认为欠发达经济中存在传统农业部门和城市工业部门，传统部门存在大量剩余劳动力，工业部门只要支付略高于农村维持生计收入水平的工资，就会获得无限的劳动力供给，二元经济的发展表现为现代部门不断扩张和传统部门逐步缩小的过程。费景汉-拉尼斯模型在此基础上，进一步考虑了农业劳动力转移过程中农业边际劳动生产率的变化以及对经济发展的影响，强调保持农业生产率同步提升的重要性。托达罗的“预期收入”模型则认为农村劳动力向城市转移的决策是依照“预期收入”最大化目标做出的，主要依据城镇实际工资差距与农村劳动力在城市能够找到就业岗位的概率。农地流转会促使农村劳动力从土地上解放出来，推动农村劳动力向非农产业和城市转移，增加农民的工资性收入。随着土地流转后农业生产效率的提高，农村劳动力有更多机会进入城市工业和服务业等领域就业，从而实现收入的增加。2.2农地流转与农民收入关系研究综述国外关于农地流转与农民收入关系的研究起步较早，且在不同的经济背景和农业发展模式下展开。一些发达国家的研究表明，农地流转能够促进农业规模化经营，提高农业生产效率，进而增加农民收入。例如，美国的农业生产以大规模农场经营为主，通过土地流转实现了土地资源的优化配置，农业生产高度机械化和专业化，使得农民能够获得较高的农业经营收入。同时，土地流转还为农民提供了多样化的收入来源，除了农业生产收入外，农民还可以通过土地租金、土地入股分红等方式增加收入。国内学者对农地流转与农民收入关系的研究也取得了丰富的成果。部分研究认为农地流转对农民收入具有显著的正向影响。一方面，农地流转使农民能够获得土地租金或入股分红等财产性收入，拓宽了收入渠道。另一方面，农地流转有助于实现农业规模化、专业化经营，提高农业生产效率，降低生产成本，从而增加农民的农业经营收入。此外，农地流转还促进了农村劳动力的转移就业，农民可以通过外出务工获得工资性收入。如一些地区的实证研究发现，参与农地流转的农户家庭总收入明显高于未参与流转的农户。然而，也有研究指出农地流转对农民收入的影响存在不确定性。部分农民由于自身文化素质较低、缺乏非农就业技能，在农地流转后难以找到合适的就业机会，导致收入下降。此外，土地流转市场不完善、流转价格不合理、流转合同不规范等问题，也可能影响农民在土地流转中的收益，从而削弱农地流转对农民收入的促进作用。还有研究表明，农地流转对农民收入的影响在不同地区、不同农户之间存在差异。经济发达地区的农地流转市场相对完善，农民参与农地流转的积极性较高，且能够更好地利用流转带来的机会增加收入；而在经济欠发达地区，农地流转的规模和效率相对较低，对农民收入的提升作用有限。2.3基于CHARLS数据的相关研究综述基于中国健康与养老追踪调查（CHARLS）数据在农地流转和农民收入研究方面，已有一些学者进行了有益的探索。有研究利用CHARLS数据探讨了土地确权对农地流转和农民收入的影响，发现土地确权通过促进农地流转和农业劳动力转移，提高了农民收入水平，且对中低收入农户的增收效应更为明显。还有学者基于CHARLS数据研究了农户的职业分化对土地流转的影响，结果表明农户的职业分化对土地流转具有显著影响，高技能职业的农户更有可能参与土地流转行为，而土地流转又进一步影响了农民的收入结构和水平。另外，有研究借助CHARLS数据从社会养老和家庭养老的角度分析了其对农户土地转出行为以及土地转出率的影响机制，发现参加新农保对于农户的土地转出行为和转出率均有一定影响，子代对父代的经济支持和生活照料也在不同程度上影响着土地流转，而土地流转的变化又与农民收入密切相关。总体而言，基于CHARLS数据的研究为深入了解农地流转与农民收入之间的关系提供了微观层面的证据，但现有研究仍存在一定的局限性，如对农地流转影响农民收入的多维度机制分析不够全面，对不同地区和农户特征下的异质性研究有待进一步深化等，为本研究的开展提供了一定的空间。三、数据来源与研究设计3.1CHARLS数据介绍本研究数据来源于中国健康与养老追踪调查（CHARLS）。CHARLS是一项具有全国代表性的大型微观调查项目，旨在收集一套代表中国45岁及以上中老年人家庭和个人的高质量数据，用以分析我国人口老龄化问题，推动老龄化问题的跨学科研究。CHARLS全国基线调查于2011年开展，采用多阶段分层抽样方法，覆盖了全国28个省（市、自治区）的150个县级单位，450个村级单位，约1万户家庭中的1.7万人。调查内容丰富全面，涵盖了个人基本信息、健康状况、生活方式、家庭经济状况、社会保障与保险、养老服务与需求等多个维度，为研究提供了丰富的数据资源。在家庭经济状况方面，包含了详细的收入支出信息，这使得对农民收入的分析更加准确和全面；在社会保障与保险方面，能反映出政策因素对农民生活和收入的影响。该数据具有以下特点及优势：其一，具有全国代表性，样本的选取充分考虑了地域、城乡、人口特征等因素，能够较好地反映中国中老年人群体的整体状况，也为研究不同地区农民的农地流转和收入情况提供了可能；其二，具有时间序列特征，后续进行了多次追踪调查，可用于研究长期变化趋势，分析农地流转与农民收入在不同时期的动态关系；其三，数据质量高，调查过程严格规范，采用面对面访谈和计算机辅助调查技术（CAPI），确保了数据的真实性和准确性。3.2变量选取与定义本研究选取的变量主要包括被解释变量、核心解释变量和控制变量。被解释变量为农民收入（Income），在CHARLS数据中，农民收入包括工资性收入、家庭经营性收入、财产性收入和转移性收入等多个方面。为全面衡量农民收入水平，将家庭人均总收入作为被解释变量，其计算公式为家庭总收入除以家庭常住人口数，单位为元。核心解释变量为农地流转（Transfer），该变量为虚拟变量，用于表示农户是否参与农地流转。若农户在调查年份发生了农地流转行为（包括转入或转出土地），则赋值为1；若未发生农地流转行为，则赋值为0。控制变量选取了多个可能影响农民收入的因素，以提高研究结果的准确性和可靠性。农户个体特征方面，包括年龄（Age），以农户主要劳动力的年龄衡量，单位为岁；性别（Gender），虚拟变量，男性赋值为1，女性赋值为0；教育程度（Education），采用受教育年限表示，小学及以下学历赋值为6年，初中学历赋值为9年，高中学历赋值为12年，大专及以上学历赋值为16年。家庭特征方面，家庭劳动力数量（Labor），指家庭中具有劳动能力的人口数量；家庭抚养比（Dependency），即家庭中非劳动力人口数与劳动力人口数之比，用于衡量家庭的抚养负担；是否有非农就业人员（Nonfarm），虚拟变量，若家庭中有成员从事非农工作，则赋值为1，否则赋值为0。地区特征方面，设置东部地区（East）、中部地区（Middle）和西部地区（West）三个虚拟变量，以反映地区差异对农民收入的影响，样本农户属于东部地区则East赋值为1，否则为0，同理对中部地区和西部地区进行赋值。3.3模型设定为了分析农地流转对农民收入的影响，构建如下多元线性回归模型：Income_{i}=\alpha_{0}+\alpha_{1}Transfer_{i}+\sum_{j=1}^{n}\alpha_{j+1}Control_{ij}+\mu_{i}其中，Income_{i}表示第i个农户的家庭人均收入；Transfer_{i}表示第i个农户是否参与农地流转；Control_{ij}表示第i个农户的第j个控制变量，包括农户个体特征、家庭特征和地区特征等相关控制变量；\alpha_{0}为常数项，\alpha_{1}和\alpha_{j+1}为各变量的回归系数，\mu_{i}为随机误差项，代表模型中未考虑到的其他影响农民收入的因素。通过对上述模型的估计，重点关注\alpha_{1}的估计结果，若\alpha_{1}显著为正，则表明农地流转对农民收入有显著的正向影响；若\alpha_{1}显著为负，则表明农地流转对农民收入有显著的负向影响；若\alpha_{1}不显著，则说明农地流转对农民收入的影响不明显。四、实证结果与分析4.1描述性统计分析对样本数据中的主要变量进行描述性统计分析，结果如表1所示。农民收入（Income）的均值为13265.34元，标准差为10542.68元，表明不同农户之间的收入水平存在较大差异。这可能是由于地区经济发展不平衡、农户家庭经营模式不同以及劳动力就业机会差异等多种因素导致的。例如，东部地区经济发达，工业和服务业发展迅速，为农民提供了更多的非农就业机会和更高的工资水平，使得该地区农户收入相对较高；而中西部一些地区以传统农业为主，农业生产效率较低，农民收入来源相对单一，收入水平也就较低。农地流转（Transfer）变量的均值为0.32，意味着样本中有32%的农户参与了农地流转。这反映出当前农地流转在农村地区有一定的普及程度，但仍有大部分农户未参与流转，可能与农户对土地的依赖程度、流转市场的完善程度以及政策宣传力度等因素有关。在一些传统农业地区，农民对土地有着深厚的情感和依赖，担心流转土地后失去生活保障，因而不愿意参与流转；部分地区土地流转市场信息不对称，农户难以找到合适的流转对象和合理的流转价格，也影响了他们参与流转的积极性。在控制变量方面，农户主要劳动力年龄（Age）均值为52.3岁，说明样本农户的主要劳动力年龄处于中年阶段，农村劳动力老龄化问题逐渐显现。随着农村年轻劳动力不断向城市转移，从事农业生产的劳动力年龄结构偏大，这可能会对农业生产的技术创新和效率提升产生一定的制约。性别（Gender）均值为0.58，表明男性作为主要劳动力的家庭略多于女性。教育程度（Education）均值为8.2年，相当于初中文化水平，整体受教育程度偏低，这可能限制了农民对新的农业技术和管理经验的接受能力，进而影响农业生产效率和农民收入水平的提高。家庭劳动力数量（Labor）均值为2.8人，家庭抚养比（Dependency）均值为0.45，反映出样本农户家庭的劳动力数量和抚养负担处于一定的水平。家庭抚养比越高，家庭用于抚养非劳动力人口的支出就越多，可能会对家庭的经济状况和农民收入产生一定压力，例如在一些家庭中，需要承担子女的教育费用和老人的医疗费用，这会减少家庭的可支配收入。是否有非农就业人员（Nonfarm）均值为0.61，说明超过一半的农户家庭中有成员从事非农工作，非农就业已成为农户家庭收入的重要来源之一。在一些靠近城市的农村地区，交通便利，信息流通快，农户更容易获得非农就业机会，通过外出打工或在当地企业工作，增加家庭收入。关于地区特征变量，东部地区（East）均值为0.35，中部地区（Middle）均值为0.30，西部地区（West）均值为0.35，说明样本在不同地区的分布相对较为均衡，这为研究不同地区农地流转对农民收入的影响提供了较好的数据基础。不同地区的经济发展水平、产业结构和政策环境等存在差异，会导致农地流转和农民收入情况有所不同。东部地区经济发达，土地流转市场活跃，农业规模化经营程度高，农民从农地流转中获得的收益可能更多；而中西部地区在经济发展和土地流转市场建设方面相对滞后，农地流转对农民收入的影响可能也会有所不同。表1：主要变量描述性统计变量观测值均值标准差最小值最大值Income150013265.3410542.68120085600Transfer15000.320.4701Age150052.38.63080Gender15000.580.4901Education15008.22.5616Labor15002.81.216Dependency15000.450.250.11.5Nonfarm15000.610.4901East15000.350.4801Middle15000.300.4601West15000.350.48014.2相关性分析对主要变量进行相关性分析，结果如表2所示。可以看出，农地流转（Transfer）与农民收入（Income）之间的相关系数为0.256，在1%的水平上显著正相关，初步表明参与农地流转的农户，其收入水平可能更高。这与理论预期相符，农地流转通过土地租金、规模化经营等方式为农民增加收入，如一些农户将土地流转给种植大户，每年可获得稳定的土地租金收入，同时种植大户通过规模化经营提高了农业生产效率，也为当地农民提供了更多的就业机会，进一步增加了农民收入。农户年龄（Age）与农民收入（Income）呈负相关，相关系数为-0.123，这可能是因为随着年龄的增长，农民的体力和学习能力下降，对新的农业技术和市场信息的接受能力减弱，导致农业生产效率降低，收入水平也随之下降。例如，年轻的农民更愿意尝试新的种植技术和品种，能够更好地适应市场变化，而年龄较大的农民则更倾向于传统的种植方式，难以跟上市场的发展步伐。教育程度（Education）与农民收入（Income）呈正相关，相关系数为0.215，表明农民受教育程度越高，收入水平可能越高。受教育程度高的农民更容易接受新的农业知识和技术，能够更好地把握市场信息，合理调整农业生产结构，提高农业生产效益，从而增加收入。如具有高中或大专以上学历的农民，可能会利用互联网等渠道了解市场需求，选择种植高附加值的农产品，获得更高的收益。家庭劳动力数量（Labor）与农民收入（Income）呈正相关，相关系数为0.187，家庭劳动力数量越多，家庭的生产经营能力可能越强，能够从事更多的农业生产活动或外出务工，从而增加家庭收入。例如，一些家庭劳动力充足的农户，除了从事农业生产外，还可以安排部分成员外出打工，增加家庭的工资性收入。是否有非农就业人员（Nonfarm）与农民收入（Income）的相关系数为0.305，在1%的水平上显著正相关，说明家庭中有非农就业人员对农民收入有显著的正向影响。非农产业的工资水平通常高于农业，农户家庭中有成员从事非农工作，可以为家庭带来更多的收入，改善家庭经济状况。此外，各控制变量之间的相关系数均小于0.5，表明不存在严重的多重共线性问题，不会对回归结果产生较大干扰，能够保证后续回归分析的可靠性。表2：主要变量相关性分析变量IncomeTransferAgeGenderEducationLaborDependencyNonfarmEastMiddleWestIncome1Transfer0.256***1Age-0.123**-0.085*1Gender-0.054-0.042-0.0611Education0.215***0.102**-0.156***0.078*1Labor0.187***0.113**-0.135***0.0650.142***1Dependency-0.108**-0.0680.116**-0.057-0.093**-0.176***1Nonfarm0.305***0.145***-0.168***0.082**0.198***0.205***-0.112**1East0.223***0.137***-0.145***0.074*0.206***0.158***-0.096**0.235***1Middle-0.105**-0.0720.086*-0.059-0.114**-0.123**0.088*-0.156***-0.524***1West-0.118***-0.0650.059-0.015-0.092**-0.0350.008-0.079*-0.476***-0.498***1注：*、、*分别表示在1%、5%、10%的水平上显著。4.3回归结果分析运用最小二乘法（OLS）对构建的多元线性回归模型进行估计，回归结果如表3所示。模型1只加入了核心解释变量农地流转（Transfer），结果显示，Transfer的系数为3256.48，在1%的水平上显著为正，这表明在不考虑其他因素的情况下，参与农地流转的农户家庭人均收入比未参与流转的农户高出3256.48元，初步说明农地流转对农民收入有显著的正向促进作用。在模型2中加入了农户个体特征变量，包括年龄（Age）、性别（Gender）和教育程度（Education）。此时，Transfer的系数为3012.56，依然在1%的水平上显著为正，说明在控制了农户个体特征后，农地流转对农民收入的正向影响依然显著。年龄（Age）的系数为-185.43，在5%的水平上显著为负，表明随着农户主要劳动力年龄的增加，家庭人均收入会减少，这与相关性分析的结果一致，进一步验证了年龄对农民收入的负面影响。性别（Gender）的系数不显著，说明在控制其他变量的情况下，男性和女性作为主要劳动力对家庭收入的影响没有显著差异。教育程度（Education）的系数为456.78，在1%的水平上显著为正，意味着农民受教育程度每提高1年，家庭人均收入会增加456.78元，体现了教育对农民收入的重要促进作用。在模型3中进一步加入家庭特征变量，包括家庭劳动力数量（Labor）、家庭抚养比（Dependency）和是否有非农就业人员（Nonfarm）。Transfer的系数为2865.32，仍然在1%的水平上显著为正，说明加入家庭特征变量后，农地流转对农民收入的促进作用依然稳定。家庭劳动力数量（Labor）的系数为856.42，在1%的水平上显著为正，表明家庭劳动力数量越多，家庭人均收入越高，这是因为更多的劳动力可以从事更多的生产经营活动，增加家庭收入。家庭抚养比（Dependency）的系数为-1256.34，在5%的水平上显著为负，说明家庭抚养比越高，家庭人均收入越低，家庭抚养负担对收入有负面影响。是否有非农就业人员（Nonfarm）的系数为2156.78，在1%的水平上显著为正，说明家庭中有非农就业人员能够显著增加家庭人均收入，非农就业已成为农民增收的重要途径。在模型4中加入了地区特征变量，包括东部地区（East）、中部地区（Middle）和西部地区（West）。此时，Transfer的系数为2756.48，在1%的水平上依然显著为正，表明在控制了地区特征后，农地流转对农民收入的正向影响依然存在。东部地区（East）的系数为1568.43，在1%的水平上显著为正，说明东部地区的农户家庭人均收入比其他地区高出1568.43元，这反映出东部地区经济发展水平较高，在促进农民增收方面具有优势。中部地区（Middle）的系数为856.43，在5%的水平上显著为正，表明中部地区的农户收入也相对较高。西部地区（West）的系数不显著，说明西部地区与其他地区在农民收入上没有显著差异。综合以上回归结果，可以得出农地流转对农民收入有显著的正向影响，即使在控制了农户个体特征、家庭特征和地区特征等多种因素后，这一结论依然成立。此外，农户年龄、教育程度、家庭劳动力数量、家庭抚养比、是否有非农就业人员以及地区特征等因素也对农民收入产生了不同程度的影响。表3：回归结果分析变量模型1模型2模型3模型4Transfer3256.48***（568.45）3012.56***（545.32）2865.32***（525.43）2756.48***（512.34）Age-185.43**（86.45）-156.43*（82.34）-145.32*（80.45）Gender-0.056（0.456）-0.032（0.432）-0.025（0.421）Education456.78***（98.45）386.45***（92.34）356.43***（90.45）Labor856.42***（125.43）786.43***（120.45）Dependency-1256.34**（568.45）-1156.43**（550.45）Nonfarm2156.78***（456.78）2056.43***（440.45）East1568.43***（325.43）Middle856.43**West0.056（290.45）Constant9568.43***（456.78）8568.43***（432.56）7568.43***（410.45）6568.43***（390.45）N1500150015001500R²0.0650.1250.2050.256注：括号内为稳健标准误，*、、*分别表示在1%、5%、10%的水平上显著。4.4稳健性检验为了确保回归结果的可靠性，采用以下几种方法进行稳健性检验。第一，采用分位数回归法，分别在10%、25%、50%、75%和90%分位数上对模型进行估计，结果如表4所示。在不同分位数上，农地流转（Transfer）的系数均在1%的水平上显著为正，且系数大小与OLS回归结果相近，说明农地流转对不同收入水平农户的收入均有显著的正向影响，且影响程度较为稳定。第二，更换被解释变量，使用家庭人均纯收入（Net_Income）替代家庭人均总收入（Income）进行回归分析，结果如表5所示。在控制了其他变量后，农地流转（Transfer）的系数依然在1%的水平上显著为正，与基准回归结果一致，表明使用不同的被解释变量不影响研究结论。第三，采用工具变量法解决可能存在的内生性问题。选取村庄层面的农地流转比例（Village_Transfer）作为农地流转（Transfer）的工具变量，村庄层面的农地流转比例与农户个体的农地流转行为相关，但与农户个体的收入水平不直接相关，满足工具变量的外生性和相关性条件。使用两阶段最小二乘法（2SLS）进行估计，结果如表6所示。第一阶段回归结果显示，村庄层面的农地流转比例（Village_Transfer）对农户个体的农地流转行为（Transfer）有显著的正向影响，F统计量大于10，不存在弱五、异质性分析5.1地区异质性分析为考察农地流转对农民收入影响的地区异质性，将样本按照东部地区（East）、中部地区（Middle）和西部地区（West）进行分组回归，回归结果如表7所示。在东部地区，农地流转（Transfer）的系数为3568.43，在1%的水平上显著为正，表明东部地区参与农地流转的农户家庭人均收入比未参与流转的农户高出3568.43元，农地流转对农民收入的促进作用较为明显。这主要是因为东部地区经济发展水平较高，非农产业发达，为农民提供了丰富的就业机会，使得农民在流转土地后能够顺利实现就业转移，获得稳定的工资性收入。同时，东部地区土地流转市场相对完善，土地流转价格相对较高，农民通过土地流转获得的财产性收入也较为可观。例如，在江苏、浙江等地，一些农村地区通过发展特色农业、乡村旅游等产业，吸引了大量的社会资本投入，促进了农地流转，农民不仅可以获得土地租金收入，还能在当地的农业企业或旅游项目中就业，收入水平得到显著提高。在中部地区，农地流转（Transfer）的系数为3056.43，同样在1%的水平上显著为正，说明中部地区农地流转也能显著提高农民收入，但促进作用略低于东部地区。中部地区是我国重要的农业产区，农业在经济中占有较大比重。随着近年来农业产业化的推进，一些农业龙头企业和专业合作社在中部地区发展迅速，通过土地流转实现了规模化经营，提高了农业生产效率，增加了农民的农业经营收入。然而，相比东部地区，中部地区的非农产业发展相对滞后，农村劳动力转移就业的机会相对较少，一定程度上限制了农地流转对农民收入的提升作用。以河南、安徽等地为例，虽然当地积极推动农地流转，但部分农民在流转土地后，由于缺乏非农就业技能，难以在当地找到合适的工作，收入增长幅度有限。在西部地区，农地流转（Transfer）的系数为2056.43，在5%的水平上显著为正，表明西部地区农地流转对农民收入也有正向影响，但影响程度相对较弱。西部地区自然条件相对较差，经济发展水平较低，土地流转市场发育不完善，土地流转的规模和效率相对较低。此外，西部地区农村劳动力素质相对较低，外出务工面临诸多困难，导致农民在土地流转后增收效果不明显。在一些西部地区，如贵州、云南的部分山区，由于地形复杂，土地碎片化严重，不利于规模化经营，且当地产业发展不足，农民即使流转土地，也难以获得较高的收益。表7：地区异质性分析回归结果变量东部地区中部地区西部地区Transfer3568.43***（650.43）3056.43***（580.45）2056.43**Age-165.43**（95.45）-145.32*（85.45）-125.43*（80.45）Gender-0.045（0.480）-0.038（0.460）-0.028（0.450）Education486.43***（105.45）426.45***（98.45）366.43***（92.45）Labor956.42***（135.43）886.43***（128.45）756.43***（120.45）Dependency-1356.34**（600.45）-1256.43**（580.45）Nonfarm2356.78***（500.45）2256.43***（480.45）1856.43***（450.45）Constant7568.43***（500.45）6868.43***（480.45）5568.43***（450.45）N525450525R²0.3250.2860.225注：括号内为稳健标准误，*、、*分别表示在1%、5%、10%的水平上显著。5.2农户特征异质性分析进一步分析不同农户特征下农地流转对农民收入影响的差异。按照农户年龄（Age）的中位数将样本分为年轻组（年龄小于中位数）和老年组（年龄大于中位数）进行分组回归，结果如表8所示。在年轻组中，农地流转（Transfer）的系数为3256.48，在1%的水平上显著为正；在老年组中，农地流转（Transfer）的系数为2256.43，在5%的水平上显著为正。这表明年轻农户参与农地流转对收入的提升作用更为明显。年轻农户体力充沛，学习能力和适应能力较强，在农地流转后更容易接受新的就业机会和学习新的技能，能够更好地实现向非农产业的转移，从而获得更高的收入。而老年农户由于身体条件和知识技能的限制，在就业市场上的竞争力较弱，即使流转土地，增收效果也相对有限。根据农户教育程度（Education）的中位数将样本分为低教育程度组（教育程度小于中位数）和高教育程度组（教育程度大于中位数）进行分组回归，结果如表9所示。高教育程度组中，农地流转（Transfer）的系数为3865.43，在1%的水平上显著为正；低教育程度组中，农地流转（Transfer）的系数为2568.43，在1%的水平上显著为正。可以看出，教育程度较高的农户参与农地流转后收入增加更为显著。高教育程度的农户具备更强的信息获取和分析能力，能够更好地理解和把握土地流转政策和市场机会，在土地流转过程中可以获得更有利的条件。同时，他们更容易接受新的农业技术和管理理念，在农业生产或非农就业中更具优势，从而实现收入的大幅增长。例如，一些具有大专及以上学历的农户，在土地流转后可能会选择从事农业电商、农业科技服务等新兴行业，获得较高的收入。按照家庭劳动力数量（Labor）的中位数将样本分为劳动力丰富组（家庭劳动力数量大于中位数）和劳动力短缺组（家庭劳动力数量小于中位数）进行分组回归，结果如表10所示。在劳动力丰富组中，农地流转（Transfer）的系数为3568.43，在1%的水平上显著为正；在劳动力短缺组中，农地流转（Transfer）的系数为2056.43，在5%的水平上显著为正。说明家庭劳动力丰富的农户参与农地流转对收入的促进作用更大。劳动力丰富的家庭在农地流转后，一方面可以安排部分劳动力继续从事农业生产，通过规模化经营提高农业收入；另一方面，其他劳动力可以外出务工或从事非农产业，增加家庭的工资性收入。而劳动力短缺的家庭在土地流转后，可能由于缺乏足够的劳动力从事其他生产经营活动，收入增长相对缓慢。表8：基于农户年龄的异质性分析回归结果变量年轻组老年组Transfer3256.48***（580.45）2256.43**Gender-0.050（0.470）-0.035（0.460）Education466.43***（102.45）386.45***（95.45）Labor886.42***（130.43）756.43***（125.45）Dependency-1286.34**（580.45）-1156.43**Nonfarm2256.78***（480.45）1856.43***（450.45）East1656.43***（350.43）1356.43***（320.45）Middle956.43**（320.45）West0.065（300.45）-0.035（290.45）Constant8568.43***（480.45）7568.43***（450.45）N750750R²0.2860.235注：括号内为稳健标准误，*、、*分别表示在1%、5%、10%的水平上显著。表9：基于农户教育程度的异质性分析回归结果变量低教育程度组高教育程度组Transfer2568.43***（550.43）3865.43***（650.45）Age-155.43**（88.45）-135.43*（85.45）Gender-0.048（0.460）-0.025（0.450）Labor826.42***（125.43）986.43***（135.45）Dependency-1206.34**（560.45）-1386.43**Nonfarm2056.78***（460.45）2556.43***（500.45）East1456.43***（330.43）1856.43***（380.45）Middle856.43**（300.45）West0.058（290.45）-0.028（300.45）Constant7868.43***（460.45）8868.43***（500.45）N750750R²0.2560.356注：括号内为稳健标准误，*、、*分别表示在1%、5%、10%的水平上显著。表10：基于家庭劳动力数量的异质性分析回归结果变量劳动力丰富组劳动力短缺组Transfer3568.43***（620.43）2056.43**Age-175.43**（98.45）-115.43*（82.45）Gender-0.055（0.480）-0.020（0.450）Education496.43***（108.45）346.43***（90.45）Dependency-1406.34**（620.45）-1006.43**Nonfarm2456.78***（520.45）1756.43***（430.45）East1756.43***（380.43）1256.43***（320.45）Middle1056.43***（350.45）656.43**West0.075（320.45）-0.045（280.45）Constant8868.43***（500.45）6868.43***（430.45）N750750R²0.3350.215注：括号内为稳健标准误，*、、*分别表示在1%、5%、10%的水平上显著。六、结论与政策建议6.1研究结论总结本研究基于中国健康与养老追踪调查（CHARLS）数据，运用实证分析方法，深入探究了农地流转对农民收入的影响。研究结果表明，农地流转对农民收入具有显著的正向影响。在控制了农户个体特征、家庭特征和地区特征等多种因素后，参与农地流转的农户家庭人均收入比未参与流转的农户高出2756.48元。这主要是因为农地流转通过土地租金、规模化经营、劳动力转移等多种途径增加了农民收入。农民通过流转土地获得租金收入，实现了土地的财产性收益；农地流转促进了土地的集中连片经营，有利于采用先进的农业技术和设备，提高农业生产效率，降低生产成本，从而增加农业经营收入；农地流转还使部分农民从土地上解放出来，实现了向非农产业的转移，获得了工资性收入。地区异质性分析显示，农地流转对农民收入的影响在不同地区存在差异。东部地区经济发展水平高，非农产业发达，土地流转市场完善，农地流转对农民收入的促进作用最为明显，参与农地流转的农户家庭人均收入比未参与流转的农户高出3568.43元；中部地区作为重要农业产区，随着农业产业化推进，农地流转也能显著提高农民收入，但作用略低于东部地区，参与流转的农户家庭人均收入比未参与的高出3056.43元；西部地区自然条件和经济发展相对落后，土地流转市场发育不完善，农地流转对农民收入的正向影响相对较弱，参与流转的农户家庭人均收入比未参与的高出2056.43元。农户特征异质性分析表明，年轻农户、高教育程度农户和家庭劳动力丰富的农户参与农地流转后收入提升更为显著。年轻农户体力和学习能力强，更容易适应非农就业；高教育程度农户信息获取和分析能力强，在土地流转和就业中更具优势；家庭劳动力丰富的农户在土地流转后可兼顾农业和非农产业，增加家庭收入。6.2政策建议完善农地流转市场机制是促进农地流转健康发展的关键。首先，应建立健全土地流转服务平台，整合土地流转信息，包括土地位置、面积、质量、流转价格等，为农户和土地需求方提供便捷、准确的信息服务，降低信息搜寻成本，提高土地流转效率。例如，一些地区建立了农村产权交易中心，实现了土地流转信息的集中发布和交易，取得了良好效果。其次，制定合理的土地流转价格评估体系至关重要。综合考虑土地质量、地理位置、市场供需等因素，科学评估土地流转价格，确保价格公正合理，保障农民在土地流转中的利益。同时，探索建立土地流转价格动态调整机制，根据市场变化和农业生产效益适时调整流转价格，使农民能够分享农业发展的成果。此外，加强对土地流转市场的监管，规范土地流转合同的签订和执行，明确双方的权利和义务，严厉打击非法流转、强迫流转等行为，维护土地流转市场秩序，为农地流转创造良好的市场环境。加强农民教育与培训，提升农民素质和就业能力，是充分发挥农地流转增收效应的重要举措。一方面，加大农村教育投入，改善农村教育条件，提高农村基础教育质量，为农民接受更高层次的教育和培训奠定基础。例如，加强农村学校的师资队伍建设，配备先进的教学设备，开展多样化的教育活动，培养农村学生的综合素质和创新能力。另一方面，针对不同年龄段、不同教育程度和不同就业需求的农民，开展有针对性的职业技能培训。对于年轻且有一定文化基础的农民，提供如农业电商、农业科技服务、农产品加工等新兴产业相关的培训，帮助他们掌握新技能，拓宽就业渠道；对于年龄较大、文化程度较低的农民，开展简单实用的农业生产技能培训，如高效种植养殖技术、农机操作与维修等，提高他们在农业领域的生产能力和收入水平。通过提升农民素质和就业能力，使农民在农地流转后能够更好地适应市场需