胡雅倩，孫立娟

（對外經(jīng)濟貿(mào)易大學(xué) 保險學(xué)院，北京 100029）

一、問題的提出

目前，我國家庭財富規(guī)模已居全球第二，但人均財富水平（4.78 萬美元）仍低于世界平均水平（6.31 萬美元）①，且城鄉(xiāng)差距顯著，2017 年農(nóng)村家庭人均財富不足城鎮(zhèn)家庭的三分之一（前者為8.41 萬元，后者為27.47 萬元）②?？梢?，雖然我國經(jīng)濟發(fā)展取得了優(yōu)異的成績，但人均財富水平仍然較低、城鄉(xiāng)差距仍然較大，財富分布仍然不均。究其原因，一是城鄉(xiāng)之間經(jīng)濟差距的影響[1]，二是城鄉(xiāng)投資模式的影響[2]。農(nóng)民大多屬于風(fēng)險厭惡型個體[3]，農(nóng)村家庭資產(chǎn)配置不合理、資產(chǎn)選擇單一的現(xiàn)象較為突出[4]。目前農(nóng)村家庭的資產(chǎn)中僅7%為金融資產(chǎn)，且主要為風(fēng)險小、收益低的現(xiàn)金和存款[5]，這種投資偏好制約著農(nóng)村居民財富增長，進一步拉大了城鄉(xiāng)家庭財富差距。金融資產(chǎn)和房產(chǎn)的分布不均是城鄉(xiāng)貧富差距的主要來源[6,7]。Galor 和 Banerjee 等[8,9]認(rèn)為完善金融市場結(jié)構(gòu)，使窮人有機會進入金融市場獲得額外投資收入，可以縮小貧富差距。研究我國農(nóng)村家庭的投資決策和資產(chǎn)配置行為，科學(xué)引導(dǎo)其投資決策，對提高我國農(nóng)村家庭財富水平和縮小我國城鄉(xiāng)之間貧富差距有著重要意義。

近十幾年來，有關(guān)家庭資產(chǎn)配置和投資決策行為的研究越來越多[10]。大多數(shù)國外學(xué)者都是從背景風(fēng)險（如健康狀況和收入風(fēng)險等[11,12]）、風(fēng)險態(tài)度、生命周期、婚姻狀況和財富水平等[13-16]角度研究影響家庭資產(chǎn)配置和投資決策行為的因素。國內(nèi)學(xué)者早期多從人口統(tǒng)計特征、背景風(fēng)險等因素[17,18]考察家庭資產(chǎn)配置行為，近些年來，不斷有學(xué)者從社會醫(yī)療保險、金融可得性、社會網(wǎng)絡(luò)等視角[19-21]考察農(nóng)村家庭資產(chǎn)配置行為。但很少有學(xué)者考察農(nóng)地流轉(zhuǎn)對農(nóng)村家庭資產(chǎn)配置的影響。自十八大以來，我國不斷深化農(nóng)地“三權(quán)分置”改革，農(nóng)民能更好地擺脫土地的束縛，積極“走出去”，優(yōu)化了農(nóng)村勞動力就業(yè)結(jié)構(gòu)[22]，促進了非農(nóng)產(chǎn)業(yè)發(fā)展，帶動農(nóng)民從第二、三產(chǎn)業(yè)中獲得收入。農(nóng)地轉(zhuǎn)出可以豐富農(nóng)戶的生計策略和收益來源[23]，而伴隨著收入的增長和財富的積累，農(nóng)地轉(zhuǎn)出行為是否直接或間接影響家庭的投資決策行為從而影響農(nóng)村家庭資產(chǎn)配置呢？姚成勝等[24]根據(jù)2008 年CHIPS 全國微觀數(shù)據(jù)，運用分位數(shù)回歸方法研究了農(nóng)地流轉(zhuǎn)對農(nóng)村家庭儲蓄、風(fēng)險投資、經(jīng)營資產(chǎn)和首飾資本的影響。但未考慮農(nóng)戶農(nóng)地轉(zhuǎn)出行為的自選擇和內(nèi)生性問題，也未考察農(nóng)地轉(zhuǎn)出對家庭資產(chǎn)配置影響的途徑。基于此，本研究擬利用2011—2015 年中國健康與養(yǎng)老追蹤調(diào)查（CHARLS）數(shù)據(jù)，采用基于條件混合過程的Probit 和Tobit 工具變量模型，在減少農(nóng)地流轉(zhuǎn)的自選擇和內(nèi)生性干擾的條件下探究農(nóng)地轉(zhuǎn)出行為對農(nóng)村家庭資產(chǎn)配置的影響及其可能的傳導(dǎo)途徑。

二、理論分析與實證設(shè)計

土地具有一定的財富效應(yīng)[25]。農(nóng)村土地承包經(jīng)營權(quán)的流轉(zhuǎn)，可以為租出農(nóng)地的家庭帶來新的工作機會和收入來源，導(dǎo)致收入水平的提高。因此，對于參與農(nóng)地流轉(zhuǎn)的家庭，隨著家庭收入不斷增加和財富的不斷積累，家庭資產(chǎn)配置的約束條件被放寬，可能會改變農(nóng)民的風(fēng)險態(tài)度[26]，進而影響農(nóng)村家庭的資產(chǎn)選擇行為。此外，由于我國農(nóng)村社會養(yǎng)老保障體系還不夠完備，部分地區(qū)社會保障仍具有“碎片化”和“分割性”特點[26]，而土地作為農(nóng)民基本的生產(chǎn)資料，是農(nóng)村家庭的生存之本，對養(yǎng)老保障具有部分替代作用[27]。轉(zhuǎn)出農(nóng)地意味著喪失了一部分風(fēng)險保障[28]，根據(jù)預(yù)防性儲蓄理論[29]，農(nóng)戶會出于謹(jǐn)慎性動機增加預(yù)防性儲蓄。綜合以上來看，農(nóng)地流轉(zhuǎn)會影響家庭的投資決策行為。對于轉(zhuǎn)出農(nóng)地的家庭來說，可以通過改變生計策略來緩沖農(nóng)地轉(zhuǎn)出對生存的影響[28]。走出農(nóng)村，積極參與非農(nóng)就業(yè)，部分農(nóng)戶不僅收入提升，而且金融知識增加和金融可得性提高[30]，這就提高了家庭配置金融資產(chǎn)和房產(chǎn)的可能性，而降低配置生產(chǎn)性固定資產(chǎn)的可能性。但對于社會保障不完善的地區(qū)，非農(nóng)就業(yè)所帶來的收入若不穩(wěn)定或有限，轉(zhuǎn)出農(nóng)地的農(nóng)戶還是會出于謹(jǐn)慎性動機而持有無風(fēng)險的現(xiàn)金和存款，配置風(fēng)險資產(chǎn)和房產(chǎn)的可能性較低。

本研究重點關(guān)注的是農(nóng)地轉(zhuǎn)出對家庭資產(chǎn)配置的影響。家庭資產(chǎn)配置包括兩個階段，即農(nóng)地轉(zhuǎn)出對家庭資產(chǎn)持有可能性和各資產(chǎn)持有比重的影響。在非線性模型下，Probit 固定效應(yīng)模型容易出現(xiàn)“冗余參數(shù)問題”[31,32]，現(xiàn)實數(shù)據(jù)多為短面板，當(dāng)時期T 有限，而個體n 趨于∞時，會導(dǎo)致估計結(jié)果的不一致[33]。而Probit 隨機效應(yīng)模型因?qū)Ξ愘|(zhì)性有很強的假定，Wooldridge[34]認(rèn)為混合截面模型比面板隨機效應(yīng)模型的結(jié)果會更穩(wěn)健，基于此，本研究使用混合截面模型進行分析。又由于同一個體在不同時期的隨機擾動項可能會存在自相關(guān)，因此使用聚類穩(wěn)健標(biāo)準(zhǔn)誤來解決組內(nèi)自相關(guān)和組間異方差問題[34]。

本研究采用二元Probit 模型估計農(nóng)地轉(zhuǎn)出行為對農(nóng)村家庭資產(chǎn)持有可能性的影響，基本的回歸方程如下：

由于家庭資產(chǎn)持有比重只可能在[0,1]變化（本研究的10908 個農(nóng)村樣本中，金融資產(chǎn)、風(fēng)險資產(chǎn)和生產(chǎn)性資產(chǎn)占家庭總資產(chǎn)的比重等于0 的家庭分別占64.04%、92.47%和60.20%），截斷數(shù)據(jù)特征明顯，因此，本研究采用Tobit 模型對此進行估計。具體的模型設(shè)定如下：

由于本研究的關(guān)鍵解釋變量是二元變量，為了更有效地進行模型估計，采用Roodman[35]提出的條件混合過程（Conditional Mixed Process，CMP）。CMP 方法是一個較新的方法，國內(nèi)已有許多學(xué)者在模型估計中采用了該方法，如翁辰和張兵等[36]。CMP 方法是以似無相關(guān)回歸（Seemingly Unrelated Regression，SUR）為基礎(chǔ)，基于極大似然估計法，通過構(gòu)建遞歸方程組而實現(xiàn)兩（多）階段回歸，適用于多種模型、多階段的混合過程估計。主要分為兩個過程：一是評估工具變量與核心解釋變量的相關(guān)性；二是將工具變量加入模型并進行回歸，根據(jù)內(nèi)生性檢驗參數(shù)（atanhrho_12）判別其外生性。若內(nèi)生性檢驗參數(shù)顯著異于0，則模型存在內(nèi)生性問題，即CMP 方法的估計結(jié)果優(yōu)于Probit模型和Tobit模型的估計結(jié)果。相反，若內(nèi)生性檢驗參數(shù)不顯著異于0，則參考Probit 模型和Tobit 模型的估計結(jié)果。

家庭資產(chǎn)分為金融資產(chǎn)和實物資產(chǎn)（非金融資產(chǎn)）。金融資產(chǎn)主要包括現(xiàn)金、活期存款、定期存款、股票、債券和基金等。實物資產(chǎn)主要包括生產(chǎn)性固定資產(chǎn)④、耐用消費品⑤和房產(chǎn)⑥。考慮農(nóng)村實際情況，本研究將集中探討的農(nóng)村家庭資產(chǎn)確定為金融資產(chǎn)、生產(chǎn)性固定資產(chǎn)（以下簡稱生產(chǎn)性資產(chǎn)）和房產(chǎn)。其中，金融資產(chǎn)包括風(fēng)險性金融資產(chǎn)和非風(fēng)險性金融資產(chǎn)，考慮到風(fēng)險性金融資產(chǎn)可以直觀地反映一個家庭的資產(chǎn)風(fēng)險水平[37]，因此，本研究在分析中將風(fēng)險性金融資產(chǎn)（以下簡稱風(fēng)險資產(chǎn)）單獨列出，以直觀考察家庭資產(chǎn)的風(fēng)險水平變化，其主要包含家庭持有的上市公司的股票、債券（主要為企業(yè)債）、基金和借出款?？刂谱兞砍丝诮y(tǒng)計學(xué)變量（戶主特征、家庭特征）之外，還包含了村莊特征，以及反映當(dāng)?shù)亟?jīng)濟發(fā)展水平的宏觀經(jīng)濟變量，此外，還引入了時間虛擬變量和省份虛擬變量，以控制時間效應(yīng)和地區(qū)效應(yīng)。

已有文獻多假定家庭農(nóng)地轉(zhuǎn)出為外生變量，但是農(nóng)村家庭是否租出土地是完全自愿的，具有一定自選擇性。為了更有效地糾正潛在的內(nèi)生性問題造成的回歸偏誤，本研究針對農(nóng)地轉(zhuǎn)出變量選取了工具變量，以村莊土地確權(quán)⑦和村莊與火車站的距離為工具變量。對于兩個工具變量的解釋如下：1）村莊土地確權(quán)。對單個農(nóng)戶的土地流轉(zhuǎn)行為來說，村莊層面的土地確權(quán)可以視為一個政策外生變量[38]。農(nóng)地產(chǎn)權(quán)越明晰，交易規(guī)模越大，交易成本越低[39]，因此，為農(nóng)戶頒發(fā)土地確權(quán)證，不僅從法律層面上規(guī)范了農(nóng)村土地租賃市場的秩序，保障了農(nóng)戶的土地權(quán)益，還在一定程度上提高了農(nóng)戶對農(nóng)地產(chǎn)權(quán)的安全感知[37]，激勵了農(nóng)戶將閑置土地進行流轉(zhuǎn)，使農(nóng)村土地租賃市場更加活躍。因此可以說，土地確權(quán)與農(nóng)戶轉(zhuǎn)出農(nóng)地行為息息相關(guān)，而與模型中的擾動項不直接相關(guān)。2）村莊與火車站的距離。鐵路網(wǎng)的建設(shè)往往需要考慮人口規(guī)模、資源分布及經(jīng)濟總量，且建設(shè)周期較長，短期內(nèi)不會變化[40]，因此，基本不受宏觀經(jīng)濟影響。交通鐵路建設(shè)對經(jīng)濟的發(fā)展存在增長效應(yīng)[41]，隨著鐵路運輸業(yè)的發(fā)展，勞動力轉(zhuǎn)移成本會降低，會促進農(nóng)村勞動力向城鎮(zhèn)轉(zhuǎn)移。因此，擁有火車站的地區(qū)經(jīng)濟輻射效應(yīng)理應(yīng)更強，勞動力流動成本更低，非農(nóng)就業(yè)的機會也相應(yīng)更多，農(nóng)戶轉(zhuǎn)出農(nóng)地的概率更大。

三、數(shù)據(jù)來源及計量結(jié)果分析

1.數(shù)據(jù)來源及其描述性統(tǒng)計

本研究運用的數(shù)據(jù)是2011—2015 年中國健康與養(yǎng)老追蹤調(diào)查（CHARLS）全國基線調(diào)查數(shù)據(jù)，該調(diào)查覆蓋了全國28 個省（自治區(qū)、直轄市）的150 個縣/區(qū)，總體上代表45 歲及以上的中國中老年人群，包括社區(qū)、家庭和個人問卷，涵蓋了基本信息、收入、工作、健康狀況和養(yǎng)老等方面信息。2011 年全國基線調(diào)查中的家庭為10 257 戶，2013年和2015 年是在2011 年的基礎(chǔ)上進行的全國追訪調(diào)查。本研究保留了2011—2015 年分到土地且為農(nóng)村戶籍的家庭，并剔除了家庭凈資產(chǎn)為零以及主要變量存在缺失值的樣本，為了得到農(nóng)地轉(zhuǎn)出對家庭資產(chǎn)配置的實際影響，進一步剔除了存在轉(zhuǎn)入農(nóng)地的樣本。根據(jù)以上篩選，最后得到的觀測值共計10 908 個，其中2011 年有4 142 個，2013 年有3 490個，2015 年有3 276 個。未參加農(nóng)地轉(zhuǎn)出的農(nóng)戶共9 564 個，參與農(nóng)地轉(zhuǎn)出的樣本為1344 個。

為了考察農(nóng)地轉(zhuǎn)出對農(nóng)村家庭資產(chǎn)配置的影響，表1 給出了參與農(nóng)地轉(zhuǎn)出與不參與農(nóng)地流轉(zhuǎn)農(nóng)村家庭各變量的均值統(tǒng)計差異。從表1 可以看出，參與農(nóng)地轉(zhuǎn)出的農(nóng)戶僅占總樣本的13.92%，其中，戶主為女性的家庭選擇轉(zhuǎn)出農(nóng)地的樣本占50%以上，結(jié)合家庭男性勞動力占比來看，轉(zhuǎn)出農(nóng)地的家庭男性勞動力占比也比非轉(zhuǎn)出家庭要低，從而可以看出家庭男性勞動力對于家庭是否參與農(nóng)地流轉(zhuǎn)這一行為具有一定影響。從家庭財富來看，相對非轉(zhuǎn)出家庭來說，參與農(nóng)地轉(zhuǎn)出的家庭財富值更高。從資產(chǎn)配置的角度來看，持有各資產(chǎn)的情況以及各資產(chǎn)持有比重情況在轉(zhuǎn)出農(nóng)地的家庭和非轉(zhuǎn)出家庭中可能存在著顯著的差異，在后文中會通過建立實證模型進行進一步分析驗證。

表1 主要變量描述性統(tǒng)計

2.回歸結(jié)果分析

（1）農(nóng)地轉(zhuǎn)出行為對農(nóng)村家庭資產(chǎn)持有可能性的影響。使用Probit 模型和基于條件混合過程（簡稱CMP）的Probit 工具變量模型就農(nóng)地轉(zhuǎn)出對金融資產(chǎn)、風(fēng)險資產(chǎn)、生產(chǎn)性資產(chǎn)持有可能性的影響分別進行估計，回歸結(jié)果見表2。

從表2 前三列回歸結(jié)果來看：對轉(zhuǎn)出農(nóng)地的家庭來說，參與農(nóng)地轉(zhuǎn)出對金融資產(chǎn)、風(fēng)險資產(chǎn)均具有正向影響，但對生產(chǎn)性資產(chǎn)的持有可能性具有負向影響，即轉(zhuǎn)出農(nóng)地后，家庭對生產(chǎn)性資產(chǎn)的需求也會相應(yīng)減少。一方面，將閑置的農(nóng)地轉(zhuǎn)出會產(chǎn)生一筆租金，增加財產(chǎn)性收入，此外，轉(zhuǎn)出農(nóng)地的農(nóng)戶可以通過參與非農(nóng)就業(yè)以增加工資性收入，從而產(chǎn)生收入效應(yīng)；另一方面，參與非農(nóng)就業(yè)的農(nóng)戶因“城市化”的原因，提高了金融知識和金融可得性，進一步影響其投資決策行為。

后三列匯報的是使用工具變量后的回歸結(jié)果?？梢钥闯?，第一階段中工具變量的系數(shù)均在1%的水平下顯著，說明工具變量選取較為合理。使用工具變量后，各關(guān)鍵變量的邊際效應(yīng)與Probit 回歸結(jié)果基本一致，且回歸系數(shù)顯著增大。此外，atanhrho_12 均在1%的水平下顯著，拒絕了外生變量的原假設(shè)，說明轉(zhuǎn)出農(nóng)地具有一定內(nèi)生性，應(yīng)使用CMP-IVProbit 模型進行估計。糾正內(nèi)生性問題后的結(jié)果顯示，在控制所有其他可能影響家庭資產(chǎn)選擇的因素后：參與農(nóng)地轉(zhuǎn)出的農(nóng)戶相對未參與農(nóng)地轉(zhuǎn)出的農(nóng)戶，持有金融資產(chǎn)的可能性高38.5%，持有風(fēng)險資產(chǎn)的可能性高6.2%，持有生產(chǎn)性資產(chǎn)的可能性則低16%。

（2）農(nóng)地轉(zhuǎn)出行為對農(nóng)村家庭資產(chǎn)持有比重的影響。表3 中前三列為基準(zhǔn)模型的回歸結(jié)果，可以看出，相對非轉(zhuǎn)出家庭，參與農(nóng)地轉(zhuǎn)出對金融資產(chǎn)和風(fēng)險資產(chǎn)的持有比重影響顯著為正，其對生產(chǎn)性資產(chǎn)的持有比重影響顯著為負。說明轉(zhuǎn)出農(nóng)地的農(nóng)戶不再為了農(nóng)業(yè)生產(chǎn)而購置新的生產(chǎn)性資產(chǎn)，傾向于將資產(chǎn)向金融資產(chǎn)和風(fēng)險資產(chǎn)轉(zhuǎn)移，從而提高家庭金融資產(chǎn)和風(fēng)險資產(chǎn)的持有比重。

從工具變量的估計結(jié)果來看，參與農(nóng)地轉(zhuǎn)出的家庭相對非轉(zhuǎn)出家庭，對金融資產(chǎn)和風(fēng)險資產(chǎn)的持有比重更高，但對生產(chǎn)性資產(chǎn)和房產(chǎn)的持有比重分別低1.1%和18.8%。轉(zhuǎn)出農(nóng)地的家庭對房產(chǎn)持有比重相對更低，是由于絕大多數(shù)農(nóng)村家庭擁有住房（表1），已擁有住房的家庭并不急于修或蓋房子，對于農(nóng)村家庭來說，修建房子是一項較大的支出，由農(nóng)地轉(zhuǎn)出所帶來的收入效應(yīng)有限。

表3 參與農(nóng)地轉(zhuǎn)出對家庭資產(chǎn)持有比重的影響

3.穩(wěn)健性檢驗

（1）使用兩階段最小二乘法估計。一些學(xué)者認(rèn)為，當(dāng)因變量和自變量都是二元變量時，可使用兩階段最小二乘法（即IV+PLM）來估計[42]。

表4 為使用IV+PLM 進行估計的回歸結(jié)果?？梢钥闯觯谝浑A段方程中各工具變量都在1%的水平下顯著，第一階段F 值也大于10，說明不是弱工具變量[43]，且Hansen J 統(tǒng)計量中的P值均大于0.1，均未拒絕原假設(shè)，說明不存在過度識別問題，即工具變量選取是合理的。表中農(nóng)地轉(zhuǎn)出行為對家庭資產(chǎn)配置的影響與上文中的結(jié)果無明顯差異，說明本研究的結(jié)果是穩(wěn)健的。

表4 轉(zhuǎn)出農(nóng)地對家庭資產(chǎn)配置的影響（兩階段最小二乘法（2SLS））

（2）用連續(xù)性變量替換非連續(xù)性變量。參考錢忠好和王興穩(wěn)[44]對土地流轉(zhuǎn)率⑨的定義，表5 運用農(nóng)地轉(zhuǎn)出率（連續(xù)變量）代替農(nóng)地轉(zhuǎn)出（0-1 變量）。從結(jié)果來看，估計結(jié)果的系數(shù)大小雖有不同，但顯著性和系數(shù)符號未發(fā)生改變，說明本研究的結(jié)果依然是穩(wěn)健的。

表5 農(nóng)戶土地轉(zhuǎn)出率對家庭資產(chǎn)配置的影響

4.拓展性分析

（1）異質(zhì)性分析。上文分析是基于全樣本的平均效應(yīng)進行的，未考慮群體異質(zhì)性。接下來將從家庭凈資產(chǎn)、地區(qū)和戶主教育年限三個方面進行分組回歸。以下異質(zhì)性分析中均使用基于CMP 的Probit模型和Tobit工具變量模型進行估計（表6）。

表6 異質(zhì)性分析

首先，按家庭凈資產(chǎn)（財富）分為四組并分組回歸。結(jié)果表明，相對未轉(zhuǎn)出農(nóng)地的家庭，轉(zhuǎn)出農(nóng)地使家庭中金融資產(chǎn)和風(fēng)險資產(chǎn)隨著凈資產(chǎn)的增加而提高，但對生產(chǎn)性資產(chǎn)和房產(chǎn)則相反。說明參與農(nóng)地轉(zhuǎn)出具有一定的“財富效應(yīng)”，相對于非轉(zhuǎn)出家庭來說，轉(zhuǎn)出農(nóng)地的家庭隨著財富水平的提高，風(fēng)險承受能力相應(yīng)增強，與此同時，對生產(chǎn)性資產(chǎn)和房產(chǎn)具有“擠出效應(yīng)”。其次，按地區(qū)分為三組分別進行回歸。從金融資產(chǎn)（包括風(fēng)險資產(chǎn)）來看，農(nóng)地轉(zhuǎn)出對經(jīng)濟較發(fā)達的中東部地區(qū)的影響更為顯著；從生產(chǎn)性資產(chǎn)和房產(chǎn)來看，農(nóng)地轉(zhuǎn)出在三個地區(qū)的影響均顯著為負。最后，按高于或低于戶主教育年限的中值分為兩組。從轉(zhuǎn)出農(nóng)地的家庭來看，戶主教育程度較低的家庭對金融資產(chǎn)（包括風(fēng)險資產(chǎn)）持有可能性雖然為正，但并不顯著，而戶主教育程度較高的家庭選擇金融資產(chǎn)和風(fēng)險資產(chǎn)的概率相對非轉(zhuǎn)出家庭要高32.2%和19.5%，從持有比重來看，金融資產(chǎn)和風(fēng)險資產(chǎn)的持有比重隨著教育年限的提高而提高；轉(zhuǎn)出農(nóng)地對生產(chǎn)性資產(chǎn)和房產(chǎn)的配置均是負向影響，即隨著戶主教育年限的提高，轉(zhuǎn)出農(nóng)地家庭會減少生產(chǎn)性資產(chǎn)的持有可能性和持有比重，對房產(chǎn)的持有比重也會減少。

（2）影響途徑分析。前文是分析農(nóng)地轉(zhuǎn)出對家庭資產(chǎn)配置的直接影響，考慮到農(nóng)地轉(zhuǎn)出可能會通過影響農(nóng)戶的生計策略間接影響家庭的投資決策，因此，本研究從就業(yè)結(jié)構(gòu)來考察農(nóng)地轉(zhuǎn)出可能的影響途徑。為此，以家庭中非農(nóng)就業(yè)人數(shù)占家庭勞動力的比重為被解釋變量，以轉(zhuǎn)出農(nóng)地為解釋變量，利用混合截面數(shù)據(jù)并運用OLS、Probit 和Tobit模型進行估計，估計結(jié)果如表7 所示。

從第一列的結(jié)果可以看出，轉(zhuǎn)出農(nóng)地的家庭中非農(nóng)就業(yè)占比相對未轉(zhuǎn)出農(nóng)地的家庭高5.2%，表明農(nóng)戶在轉(zhuǎn)出農(nóng)地之后，會通過改變生計策略（如參與非農(nóng)就業(yè)），以提高家庭收入，實現(xiàn)財富積累，以影響家庭的投資決策。從家庭非農(nóng)就業(yè)占比對家庭資產(chǎn)配置的影響來看，非農(nóng)就業(yè)占比對金融資產(chǎn)、風(fēng)險資產(chǎn)的持有可能性和持有比重均顯著為正，但對生產(chǎn)性資產(chǎn)的持有可能性和持有比重以及房產(chǎn)的持有比重的影響顯著為負。結(jié)合上文中表2 和表3的結(jié)果可知，在加入家庭非農(nóng)就業(yè)占比變量后，各資產(chǎn)持有可能性與資產(chǎn)持有比重的邊際效應(yīng)絕對值較表2 和表3 中有所減小，表明農(nóng)地轉(zhuǎn)出是通過提高家庭成員非農(nóng)就業(yè)占比進而影響家庭的資產(chǎn)決策。

表7 農(nóng)地轉(zhuǎn)出對家庭資產(chǎn)配置的影響途徑分析

四、研究結(jié)論與啟示

本研究基于2011—2015 年的中國健康與養(yǎng)老追蹤調(diào)查（CHARLS）微觀數(shù)據(jù)，利用基于條件混合過程的Probit 模型和Tobit 工具變量模型分析農(nóng)地轉(zhuǎn)出對農(nóng)村家庭資產(chǎn)配置的影響。研究發(fā)現(xiàn)：從農(nóng)村家庭資產(chǎn)配置可能性來看，參與農(nóng)地轉(zhuǎn)出的農(nóng)戶相對未參與農(nóng)地轉(zhuǎn)出的農(nóng)戶來說，持有金融資產(chǎn)和風(fēng)險資產(chǎn)的可能性分別高38.5%和6.2%，持有生產(chǎn)性資產(chǎn)的可能性則低16%。從農(nóng)村家庭資產(chǎn)配置比重來看，參與農(nóng)地轉(zhuǎn)出的家庭對金融資產(chǎn)和風(fēng)險資產(chǎn)的持有比重相對更高，但對生產(chǎn)性資產(chǎn)和房產(chǎn)的持有比重分別低1.1%和18.8%。同時，本研究還探究了農(nóng)地轉(zhuǎn)出對家庭資產(chǎn)配置的影響途徑并發(fā)現(xiàn)，轉(zhuǎn)出農(nóng)地的農(nóng)戶會通過參與非農(nóng)就業(yè)來實現(xiàn)家庭收入的提高和財富的積累。

此外，本研究還從家庭凈資產(chǎn)、地區(qū)和戶主教育年限三個方面進行了異質(zhì)性分析發(fā)現(xiàn)，參與農(nóng)地轉(zhuǎn)出具有一定的財富效應(yīng)，相對非轉(zhuǎn)出家庭來說，轉(zhuǎn)出農(nóng)地的家庭隨著財富的增加而相應(yīng)提高金融資產(chǎn)（包括風(fēng)險資產(chǎn)）的配置，但對房產(chǎn)具有擠出效應(yīng)；在經(jīng)濟相對發(fā)達的地區(qū)，參與農(nóng)地轉(zhuǎn)出的家庭對金融資產(chǎn)（包括風(fēng)險資產(chǎn)）的配置可能性和比重相對更高；戶主教育年限越高，農(nóng)地轉(zhuǎn)出對金融資產(chǎn)和風(fēng)險資產(chǎn)的邊際效應(yīng)也相對更高。

以上研究結(jié)論對于促進農(nóng)村家庭投資行為具有以下啟示：第一，目前農(nóng)村金融市場發(fā)展仍然滯后，還需進一步完善農(nóng)村金融市場，提高農(nóng)戶的金融可得性，正確引導(dǎo)農(nóng)戶的投資行為，以優(yōu)化農(nóng)村家庭的資產(chǎn)配置，進一步縮小城鄉(xiāng)財產(chǎn)收入差距。第二，加強農(nóng)村地區(qū)教育的投入，進一步構(gòu)建城鄉(xiāng)一體化教育制度，在為農(nóng)村居民提供多元化投資渠道的同時，提高農(nóng)村居民對金融市場的認(rèn)知程度，打破其參與金融市場的知識壁壘。第三，應(yīng)進一步在推廣和宣傳農(nóng)地流轉(zhuǎn)政策的同時，完善土地流轉(zhuǎn)市場，合理引導(dǎo)農(nóng)戶參與農(nóng)地流轉(zhuǎn)市場，引導(dǎo)轉(zhuǎn)出農(nóng)地的農(nóng)戶形成正確的風(fēng)險態(tài)度，進一步完善農(nóng)村地區(qū)社會保障體系，并加大農(nóng)戶的社會保障力度。

注釋：

① 數(shù)據(jù)來源：瑞信發(fā)布的《全球財富報告2018》。

② 數(shù)據(jù)來源：經(jīng)濟日報社中國經(jīng)濟趨勢研究院編制的《中國家庭財富調(diào)查報告（2018）》。

③ 周欽等認(rèn)為，農(nóng)村家庭基本都擁有自建住房，因此在家庭資產(chǎn)持有可能性部分，本研究不考慮農(nóng)地流出對持有房產(chǎn)可能性的影響。

④ 根據(jù)CHARLS 問卷對生產(chǎn)性固定資產(chǎn)相關(guān)問題的描述，其主要包括拖拉機、脫粒機（包括打稻機）、機引農(nóng)具、脫水機（包括水泵）和加工機械。

⑤ 家庭耐用消費品雖然是家庭主要資產(chǎn)之一，但一部分耐用消費品既有消費性質(zhì)又有投資性質(zhì)，且現(xiàn)值較難以估算，因此本研究未將其納入家庭資產(chǎn)。

⑥ 根據(jù)CHARLS 問卷中關(guān)于住房問題的內(nèi)容，將房產(chǎn)定義為完全歸家庭成員所有的房產(chǎn)。

⑦ CHARLS 2011 社區(qū)/農(nóng)村問卷中關(guān)于土地確權(quán)的問題是“JA017 你們村的村民是否已經(jīng)領(lǐng)到土地承包經(jīng)營證?”。

⑧ 本研究將戶主完成的最高學(xué)歷轉(zhuǎn)換為受教育年限，具體為：沒上過學(xué)，賦值0；小學(xué)，賦值6；初中，賦值9；高中、中專（中等師范、職高），賦值12；大專，賦值15；本科，賦值16；碩士，賦值19；博士，賦值22。

⑨ 農(nóng)戶農(nóng)地轉(zhuǎn)出率=當(dāng)年轉(zhuǎn)出面積/轉(zhuǎn)出戶年初經(jīng)營面積。