农户土地租赁与农业投资负债率的关系——基于三省(区)农户调查数据的经验分析，本文主要内容关键词为：农户论文,三省论文,负债率论文,土地论文,关系论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
近年来，土地流转在中国农村地区日益普遍。2003年3月1日开始实施的《土地承包法》规定，通过家庭承包取得的土地承包经营权可以依法采取转包、出租、互换、转让或者其他方式进行流转。2005年及之后的中央“一号文件”和《政府工作报告》也多次提到，鼓励农民以多种形式开展土地承包经营权流转，建立健全土地流转市场。为促进土地流转市场健康有序发展，全国许多地区都建立了土地流转服务中心，实时发布待流转土地的面积、租金、区位等信息。截至2013年上半年，全国农户承包土地流转面积达到3.1亿亩，占全部家庭承包耕地面积的23.9％①。可以说，在土地流转加速及其服务日趋完善的背景下，中国农村发展面临新的机遇和挑战。
众多发展经济学家都关注土地租赁市场的发展及其影响。较为流行的观点认为，土地租赁是实现农村土地资源优化配置的有效途径，有利于提高经济绩效(Binswanger and Deininger,1995；Deininger and Jin,2005)②。在世界上许多国家，土地租赁现象十分普遍。在中国，土地流转市场总体上发展比较缓慢，迄今为止，土地流转不规范的状况也没有发生根本性的改变(包宗顺等，2009；叶剑平等，2010；马瑞等，2011)。国内现有的理论与经验分析文献大多认为，中国农村土地通过流转集中到劳动力富余的农户或专业大户手中，促进了农地规模经营，进而提高了农地利用效率(姚洋，2000；郜亮亮、黄季焜，2011)，改进了农地资源配置效率(钱忠好，2002；黄季焜，2008；许庆等，2008)。但是，国内不少文献仍局限于对土地流转影响因素的识别及其效应的估计，关于土地流转活动的经济影响的经验分析文献并不多见。
不管是家庭承包经营土地还是承租土地，都需要进行投资。大量实证研究文献分析了土地权利稳定性与农户土地投资积极性的关系，但仍没有给出一致的结论(Besley and Ghatak,2010)。大多数文献认为，增强土地权利稳定性会对农户的土地投资产生激励作用。例如，Besley(1995)、Jacoby et al.(2002)、Caner and Olinto(2003)分别对加纳、中国和巴拉圭的研究表明，地权稳定对土地投资有显著的正向影响。Abdulai et al.(2011)运用加纳Brong Ahafo地区560个地块的数据检验了土地权利对农户土地投资的影响，发现土地权利差异影响了农户对土壤改良和保护的投资决策。不过，另一些研究则给出了不同的结论。例如，Pinkney and Kimuyu(1994)对非洲的研究表明，土地权利与农户土壤改良投资、树类种植行为之间的关系非常弱；钟甫宁、纪月清(2009)发现，地权稳定性对农户农业投资总量没有显著的直接影响。此外，研究者也注意到土地权利可能存在的内生性问题。例如，Place and Otsuka(2002)、Brasselle et al.(2002)都观察到，农户为了获得稳定的地权而承诺进行土壤改良投资。这些文献在识别农户土地投资的影响因素时，以农户生产性投资额或是否使用某些生产要素(例如是否施用农家肥)的选择行为为被解释变量，以土地权利稳定性为关键解释变量，同时引入农户特征、非农就业机会、村庄环境等作为控制变量，构建单方程模型进行普通最小二乘估计或极大似然估计。与上述研究不同，本文把农户融资和农户投资结合起来，将视角转向借贷资金占农业投资总额的比重，采用了有序Probit模型来分析农户土地租赁和负债投资之间的关系。
关于土地租赁市场与农村金融市场之间联系的研究早已有之。Kochar(1997)使用印度数据比较了该国获得正规信贷的农户和没有获得正规信贷的农户在是否参与土地租赁市场和租赁土地数量方面的差异，发现拥有正规信贷优势的农户并没有更活跃地参与土地租赁市场。Piza and Moura(2011)使用巴西85000个农户的数据，发现土地产权(land title)有利于增加农户的信贷可得性。张海洋、平新乔(2012)运用信息甄别模型，使用北京大学中国经济研究中心2008年农村金融调查数据，发现土地租赁对农户贷款利率有显著的负向影响。
通过回顾已有文献可以发现，国内外研究者已基本认同土地流转(或土地租赁)有助于提高资源配置效率的观点，并研究了地权稳定性或安全性对农户农业投资激励的影响、土地租赁市场和农村金融市场之间的联系，但鲜有同时涉及土地租赁、资金借贷和农户农业投资的分析。在不考虑劳动要素配置的情况下，农户的生产性投资决策是其针对土地租赁市场和金融市场做出的反应。当农户的自有资金不足以满足其全部投资需求而发生资金借贷时，其就处于负债投资状态。农户的负债投资行为是指农户通过借贷方式取得农业项目投资资金，并将投资收益用于偿还负债本息的行为，而借贷资金占投资总额的比例则被称作投资负债率。假设农户自有资金为10000元，亩均既定投资额为2000元，农户可以选择不借款而租入5亩地，也可以选择再借入10000元而租入10亩地，前者投资负债率为0，后者为50％。投资负债率的高低是农户对土地租赁市场和金融市场做出反应的结果。假定农户的土地租赁行为能够反映其土地耕种能力，而且农户的土地耕种能力越强，其偿还借款的能力也越强。那么，贷款人就可以根据农户土地租赁情况识别出农户的贷款风险，并相应调整贷款利率，因此，在信息不对称的情况下，农户租入的土地越较多，其获得的贷款利率就越低(张海洋、平新乔，2012)。较低的贷款利率又刺激农户多贷款，导致投资负债率上升。然而，这种“土地租赁规模—农业投资负债”的关系究竟是否成立？到目前为止，尚未有文献专门就此展开研究，这也正是本文的研究动机之所在。与以往文献不同，本文同时考察农户的土地租赁行为、借贷行为和投资行为，为理解中国土地租赁市场和农村金融市场发育提供了新的视角，同时也对“四化”同步进程中如何培育新型农业经营主体有着重要的启发意义。本文结构安排如下：第一部分为引言；第二部分介绍本文的分析框架及研究假说；第三部分介绍本文研究所使用的样本数据与经济计量模型；第四部分为模型估计及其结果分析；第五部分为结论及启示。
二、分析框架与研究假说
中国农村土地集体所有和平均分配的制度安排使得集体内每个家庭分得的承包地面积相差不大，所以，农户土地经营规模的差异主要取决于其租入或租出多少土地。同时，农村金融市场的发展也在一定程度上放松了农户农业生产的预算约束。
基于张海洋、平新乔(2012)的农户借贷决策模型，本文进一步将农户投资决策行为也纳入理论模型之中，试图对农户土地租赁和农业负债投资之间的关系给出一种理论解释。假定不同类型农户的土地耕种能力存在差异：一类是耕种能力强的农户，下标记为h；另一类是耕种能力弱的农户，下标记为l。农户土地租赁行为反映其土地耕种能力的高低，即农户租入土地越多，其耕种能力越强。为简化分析，本文假定，当农业项目经营成功时，两类农户的单位土地产出相同，均为R；当项目失败时，两类农户的单位土地产出均为0；土地耕种能力强的农户获得成功的概率
大于土地耕种能力弱的农户获得成功的概率
，且满足
。农户有天然的自我识别能力，即农户知道自己的能力类型并依此进行决策。假定农户耕种的土地全部来自土地租赁市场，记租入的土地面积为T，单位土地的地租为r，地租在农业生产之前支付。除地租，外，单位土地还需要投入资金k，因此，农户农业生产总资金需求量为T(r+k)=TK。农户的全部资金需求由农户自有资金和借贷资金来满足。其中，借贷资金占投资总额的比例为ρ，借贷资金的利率为
③。农户自有资金的投入总量为TK(1-ρ)，其单位成本为
④。为不违反文定理(Wen,1997)，假设
，即自有资金的机会成本低于借贷资金的融资成本⑤。假定农户的借贷资金和自有资金在项目实施后都成为沉没成本，即计算成本收益时，所有的资金投入都构成成本⑥。另外，地租是在农业生产之前支付，直接构成沉没成本⑦。在以上假设下，对于i类型的农户(i=h,l)，其租地经营净收益函数为：
(1)式中，
。分别为单位土地资金投入中的借贷资金融资成本和自有资金机会成本，K=r+k为耕种单位土地所需的资金量(含地租在内)。显然，(1)式中的租地经营净收益
须满足为正的条件，即农户租地经营能够获得正的净收益。这是因为，农户租地经营还要投入企业家才能或农业劳动时间，与此相对应的企业家才能报酬或劳动要素报酬不应低于其机会成本。(1)式中的租地经营成本只计算了地租和资金成本，并未将农户自身的企业家才能报酬或劳动要素报酬计算在内。当租地经营净收益
时，农户的企业家才能报酬或劳动要素报酬为负，此时农户是不会租地经营的。因此，农户的租地经营净收益
为正就有着经济合理性。由租地经营净收益
和租入土地面积
。
对农户租地经营净收益函数求全微分，可以得到：
对于(2)式，可以这样理解：随着农户租入土地规模的扩大，农户向贷款人释放的信号是他拥有较强的土地耕种能力，而较强的土地耕种能力意味着农户有较强的贷款偿还能力。对贷款人而言，放贷如同出售商品，可以通过薄利多销实现预期利润最大化，因而贷款人愿意降低有较强贷款偿还能力农户的贷款利率。而较低的贷款利率又会刺激农户多贷款，从而使得农户投资负债率上升。基于上述分析，本文提出如下假说：在其他条件不变的情况下，农户的农业投资负债水平随着农户租入土地规模的扩大而上升。本文以下部分将利用经济计量分析来验证此假说是否成立。
三、样本数据与经济计量模型
(一)样本数据
本文所使用的数据来自中国人民大学合作社研究院于2009年7月-8月所开展的农民合作经济组织问卷调查。此次调查采用调查员入户访谈并填写调查问卷的方式进行。样本农户共1039个，分布在山东、山西和宁夏三省(区)的11个县(市、区)⑧。此次调查收集了样本农户2008年土地租赁活动、生产经营活动、合作组织参与情况、收入和支出情况以及家庭和村庄等方面的基本信息，为本文研究提供了丰富的经验数据。根据本文研究目的，在对数据进行预处理时，先后剔除了不再从事农业、家庭主业为养殖业、只租出土地的农户以及关键数据缺失、异常的农户，最后，本文研究所使用的有效样本农户为761个。本文研究所使用的样本兼具东部地区、中部地区、西部地区农村特点，囊括了平原村、丘陵村和山区村，而且所在县(市、区)的经济发展程度亦有明显差异，所选样本在区位和经济意义上均具有典型性。
农户投资负债率是介于0-1的连续变量。在设计调查问卷时，课题组让农户选择家庭最重要的一种作物作为目标作物，对目标作物的成本收益进行详细调查，并以目标作物生产的投资负债率替代家庭农业生产的投资负债率。在调查问卷中，农户的农业生产投资负债指标被设置为0～4的五级排序分类变量，即：0表示投资负债率为0，1表示投资负债率处于(0，20％]区间，2表示投资负债率处于(20％，40％]区间，3表示投资负债率处于(40％，60％]区间，4表示投资负债率处于(60％，100％]区间。
表1给出了2008年租入土地农户、未租入土地农户以及全部样本农户中各投资负债率等级的农户所占比例。对于租入土地农户和未租入土地农户来说，都是投资负债率为0的农户所占比例最高。在发生负债投资的租入土地农户中，投资负债率等级为4的农户比例最高；而在发生负债投资的未租入土地农户中，投资负债率等级为4的农户比例最低。此外，租入土地农户中各投资负债率等级的农户比例都比未租入土地农户中相应等级的农户比例要高。为了更直观地比较租入土地农户和未租入土地农户之间投资负债率的差异，本文将投资负债率等级取值视为基数并进行组间均值比较(见表2)，可以发现，租入土地农户的投资负债率均值显著高于未租入土地农户。
对全部样本同时按省份和是否租入土地进行分组(见表3)，可以发现，在宁夏、山西两省(区)样本农户中，租入土地农户和未租入土地农户之间投资负债率有着显著差异，而这种差异在山东省却并不显著。此外，两类农户的投资负债率差异出现自西部向东部逐渐递减的现象。这一结果并不令人意外，因为在经济发展水平较高的地区，农户容易借得资金，而且土地的重要性下降了，是否租入土地对农户借贷资金的影响也在减弱。
(二)经济计量模型与变量
由于问卷调查仅获得农户生产性投资负债率的区间数据，作为被解释变量的农户投资负债率等级是具有排序性质的离散型变量，本文因而采用有序Probit模型来考察农户土地租赁与农业投资负债率的关系。当农户的投资负债率为0时，定义投资负债率等级为0；当投资负债率处于(0，20％]区间时，定义投资负债率等级为1；当投资负债率处于(20％，40％]区间时，定义投资负债率等级为2；当投资负债率处于(40％，60％]区间时，定义投资负债率等级为3；当投资负债率处于(60％，100％]区间时，定义投资负债率等级为4。根据本文的分析思路和数据的可获得性，选取的解释变量如下：
(1)土地租赁变量。土地流转包括租出土地和租入土地，但租出土地的农户大多不再从事农业生产，更是很少会发生农业负债投资行为，因此，本文所考察的土地租赁主要是指土地租入。本文借鉴张海洋、平新乔(2012)的方法，使用3个变量来度量农户的土地租入情况：①租入土地面积。数据可直接从问卷信息中获得，没有租入土地记为0。②是否租入土地。如果农户在2008年租入土地，记为1；否则记为0。③租入土地比重。数据由问卷信息计算获得。
(2)农业专业化水平。该变量用目标作物产值占家庭农业总产值的比重来衡量。
(3)融资难易程度。融资难易程度是影响农户负债投资的重要变量，因为它决定了农户投资的预算约束线的位置，影响农户以资本替代劳动的能力。本文将农户融资难易程度设置成虚拟变量。如果农户认为在2008年借款困难，则取值为l；否则取值为0。
(4)户主受教育年限。本文把文盲、小学、初中、高中、大专及以上文化程度的受教育年数分别赋值为0年、6年、9年、12年和16年。
(5)户主是否参加过技术培训。农业技术培训是农户“干中学”过程中的一种非正规教育手段，是农户人力资本投资的重要方式。本文将技术培训设置为虚拟变量。如果户主参加过农业技术培训，则取值为l；否则取值为0。
(6)户主是否为党员或村民代表。此变量反映农户的社会资本状况。如果农户户主是党员或村民代表，则取值为1；否则取值为0。
(7)家庭自有土地面积。该变量取值等于农户承包耕地、自留地、开荒地面积之和，单位为亩。
(8)土地细碎化程度。土地细碎化对整个农业生产过程都有影响。本文采用李谷成等(2009)做法，以农户当年经营耕地的块均面积来测度，即土地细碎化程度＝经营耕地面积/地块数，单位为亩/块。
(9)农业劳动力比重。该变量表示农户主要从事农业家庭劳动力人数占家庭劳动力总数的比重。
(10)亩均生产经营费用。亩均生产经营费用主要包括肥料、农药、农膜、种子或种苗(自产种子种苗按市场价格折算)、雇工、水电灌溉、燃料动力、农具租用、农具折旧等项费用，但不包括土地使用成本。本文将亩均生产经营费用设置为分类变量，即500元及以下=1500～1700元=21700～4000元=34000元以上=4。
(11)家庭非农收入比重。该变量反映农户非农收入占家庭总收入的比重。
(12)村庄交通状况。如果农户认为所在村庄的交通状况良好，则取值为1；否则取值为0。
表4列出了本文经济计量模型所用变量的定义及描述性统计。
四、模型估计及结果分析
(一)初步回归结果
本文利用2009年山东、山西、宁夏三省(区)农户调查数据，运用有序Probit模型来分析农户土地租赁行为与农业负债投资之间的关系，初步回归结果如表5所示。表5中的回归1～回归3分别对应着三种形式的农户土地租赁变量：农户租入土地面积、农户是否租入土地和农户租入土地面积占家庭耕种土地总面积的比重。
初步回归结果表明，在控制了农户的农业专业化水平、融资难易程度及省份虚拟变量后(见表5的(1)列、(3)列和(5)列)，土地租入行为提高了农户选择较高农业投资负债率的概率，租入土地的农户选择较高农业投资负债率的概率比没有租入土地的农户要大；对于租入土地面积占耕种总面积比重较高的农户，他们选择较高农业投资负债率的概率也更大。加入农户的人力资本、社会资本、土地资源、劳动力资源、家庭非农收入比重和村庄交通状况等控制变量后(见表5的(2)列、(4)列和(6)列)，农户土地租赁变量的估计结果仍在5％的水平上具有统计显著性，其系数估计值大小虽然发生了一些变化，但符号没有改变，即农户租入土地对其农业负债投资的正向影响关系并没有改变。上述分析结果表明，在控制了农业专业化水平、融资难易程度以及其他因素以后，农户租入土地对其农业负债投资产生了显著的正向影响。这一估计结果与前文样本描述结果是基本一致的。
(二)内生性问题处理及稳健性分析
在模型估计中，土地租赁变量可能存在内生性问题。其原因在于：第一，可能因遗漏变量而产生内生性问题。本文虽然控制了户主特征、家庭禀赋、村庄交通状况、省份等变量，但仍可能会遗漏一些与农户土地租赁变量相关而又影响农户农业负债投资的变量。第二，农户土地租赁与农业负债投资选择之间可能存在联立性偏误问题(simultaneity bias)，这是因为土地租赁可以作为一种信息识别机制而有利于农户融资(张海洋、平新乔，2012)，进而增加农户选择高农业投资负债率的可能性；而与此同时，农户较高的投资负债率又意味着他有更多使用融资资金的机会，而更多的融资资金反过来刺激农户租入更多土地，这将进一步扩大其土地租赁规模。此外，较高的投资负债率也为农户提供了利用融资资金加大对农田水利设施、农业机械设备投入的可能性，这也会推动农户扩大土地租赁规模。已有文献为解决内生性问题时，大多使用两阶段最小二乘法(2SLS)进行估计，即使在利用有序Probit模型进行经验分析的情况下，仍先通过2SLS方法来讨论工具变量的有效性，例如Chyi and Mao(2012)的研究。本文也采用相同的处理方法，即通过。Durbin-Wu-Hausman检验，得出内生性检验统计量的值为33.5364，表明在1％的显著性水平上拒绝土地租赁变量是外生的原假设，也就是说，土地租赁变量在本文的经济计量分析中存在明显的内生性。
土地租赁变量的内生性意味着前文的初步回归结果可能是有偏的，而解决内生性问题的一个方法就是引入工具变量。一个好的工具变量通常须具备两个条件：一是要与内生性的解释变量具有相关性，二是要与模型残差项不相关。鉴于土地租赁有3个变量来表征，限于篇幅，后面的讨论仅围绕农户租入土地面积占家庭耕种土地总面积的比重(即租入土地比重)这一变量展开(在表5中对应于回归3)。本文选取的第1个工具变量是村庄户均耕地面积，该变量可以采用村级调查数据计算得到。从经济含义上说，村庄户均耕地面积越大，农户能从本村租入土地的机会就越多，因而他租入土地的规模也可能越大，租入土地比重也可能会高一些；由于村庄户均耕地面积是村级数据，不会对农户的负债投资产生直接影响，因而满足外生性要求。考虑到在大样本条件下增加工具变量通常能得到更有效的估计结果(Woolridge，2002)，本文同时选取村庄内其他样本农户租入土地比重的平均值作为第2个工具变量。这主要是因为，在村庄内部，农业生产信息和种植技术在一定程度上具有溢出效应，农户间很容易相互模仿和学习，由此可以认为，村庄内其他农户的土地租赁行为的确会对某一农户自身的土地租赁决策产生影响；同时，其他农户的土地租赁行为并不会直接影响该农户的负债投资⑨。
在进行2SLS估计时，本文使用多种统计检验方法来评判工具变量的有效性。Kleibergen-Paap rk LM统计量在1％的显著性水平上拒绝了“工具变量识别不足”的零假设；Kleibergen-Paap rk Wald F统计量为11.851，介于Stock-Yogo检验10％的显著性水平和15％的显著性水平的临界值之间，但Cragg-Donald Wald F统计量的值为21.527＞19.93，因此，本文依然认为，所选择的工具变量不存在弱识别问题；Anderson-Rubin Wald检验在1％的显著性水平上拒绝了“内生回归系数之和为零”的零假设，说明工具变量和内生性解释变量之间有较强的相关关系；Hansen J统计量的p值为0.1634，不能在10％的显著性水平上拒绝工具变量过度识别的零假设，说明工具变量具有外生性。上述统计检验结果表明，本文选取的工具变量是合适的。
表6分别列出了利用普通最小二乘法(OLS)、两阶段最小二乘法(2SLS)以及有序Probit模型(Oprobit)和工具变量有序Probit模型(IV-Oprobit)进行估计的结果。结果表明，前文估计结果是可靠的，所得结论依然成立。相较于OLS和Oprobit估计，在使用工具变量解决内生性问题之后，土地租赁变量的系数估计值都为正数，且其显著性水平都有所提高，均达到1％的水平。可以看出，解决土地租赁变量的内生性之后，所得估计结果进一步强化了本文所提出的研究假说，即农户租入土地比重越高，其选择较高农业投资负债率的可能性越大。由于地租是在农业生产之前支付的，随着租入土地比重的提高，农户当年的地租沉没成本必然增加，要确保后续的农业生产投入而借入更多资金的可能性也增大。这与中国农民尤其是种植专业大户的农业投资现状较为吻合。据笔者2012年8月的调查资料，吉林省敦化市的X和Y两个大户合伙经营165.7公顷土地，其中，租入土地125.7公顷，占总面积的75.4％，地租为0.4万～0.5万元/公顷·年，仅地租一项的支出便达50.28万～62.85万元/年。因自有资金不足，他们以小额信贷方式向农村信用社借得12万元，再从民间借贷30万元，借贷资金占当年总投资的35％。而同村的普通农户，因耕种自己的承包地而节省地租支出，需要借款的情况非常少。
下面来看其余控制变量对农户农业投资负债率的影响。农业专业化水平对农户负债投资选择影响显著且方向为正，表明农户越是专业化生产某种或某类作物，他就越有可能借入更多的资金投入农业生产，其原因可能是农户在专业化生产过程中可以实现规模经营和采纳适用技术，从而提高生产效率，在资金短缺时能够承担略高的融资成本，所以能借到更多的资金。融资难易程度虚拟变量在4个估计结果中的系数都为负。其中，该变量在OLS估计和有序Probit模型估计中通过了1％水平的显著性检验；而在2SLS估计和工具变量有序Probit模型估计中，其显著性水平有所下降，但仍在5％的水平上显著。这说明，融资困难显著降低了农户选择较高农业投资负债率的可能性。这一结果较容易理解，因为面临融资约束的农户很难借到资金投资于农业生产。户主是否为党员或村民代表虚拟变量对农户负债投资选择的负向影响较为稳定，但这一关系并不具有统计显著性。对此结果，一种解释是，农户面临的借贷门槛较高，户主的党员身份不足以直接增加其有效借贷机会(童馨乐等，2011)；另一种解释是，户主的村干部身份给农户效率带来了一定程度的负效应(李谷成等，2009)⑩。家庭自有土地面积显著提升了农户选择高投资负债率的可能性，这基本符合中国农户投资的现实。农户的农业投入随耕种面积扩大而增加，因而需要借入更多资金的可能性也会增大。此外，代表农户人力资本状况的户主受教育年限和户主是否参加过技术培训都没有对农户农业投资负债率水平的高低产生影响；土地细碎化程度对农户负债投资选择有负向影响，但其结果只在2SLS估计中显著；农业劳动力比重对农户投资负债率水平影响不显著，这可能是因为劳动对资金有替代效应；家庭非农收入比重的作用方向并不一致，在2SLS估计中表现为正向作用，但在其余3种估计中都表现为负向作用；亩均生产经营费用除了在工具变量有序Probit模型的估计结果中不显著之外，其他几种估计结果均表明，亩均生产经营费用越高，农户选择高投资负债率的可能性越大，这说明，既定耕种面积的农业投资越大，农户越可能缺钱和借入资金；村庄交通状况对农户负债投资选择有稳定的负向影响，但不具有统计显著性，这说明，村庄交通条件并不构成决定农户负债投资选择关键外部因素。
五、结论及启示
本文在张海洋、平新乔(2012)农户借贷决策模型的基础上，进一步纳入农户投资决策，并使用2009年山东、山西、宁夏三省(区)农户调查数据和有序Probit模型对农户土地租赁和农业负债投资之间的关系进行了探讨。考虑到土地租赁变量可能存在内生性问题，本文又引入了工具变量进行了IV-Oprobit模型估计。研究结果表明，租入土地对农户农业投资负债率产生了显著的正向影响。具体来说，农户租入土地越多，其选择较高投资负债率的概率越大；租入土地的农户比未租入土地的农户选择较高投资负债率的概率要大；农户租入土地面积占其耕种土地总面积的比重越大，其选择较高投资负债率的概率也越大。
根据上述结论，本文得出以下政策启示：第一，土地向农业劳动力富余的农户或专业大户集中的现象将会持续下去，而农户租入的土地越多，其外源融资需求也就越大，因此，鼓励和规范农户的土地流转行为将为农村金融市场发展提供良好的机遇。第二，越来越多的专业农户通过租赁土地扩大经营规模，借款占其农业投资总额的比重可能会提高。随着农业投资总额的增大，这类农户的融资需求会持续增加。对此，政府应尽快建立和完善针对租地农户的金融扶持长效机制。
注释：
①王立彬：《国土资源部有关负责人谈土地承包经营权再分离》，新华网(http://house.cqwb.com.cn)，2013年12月30日。
②国际上使用较多的是“土地租赁”，而国内则是“土地流转”。流转，除包括租赁之外，还包括互换、转让和股份合作等方式，范围上更加广泛。本文在文献引用时将混合使用“土地租赁”和“土地流转”。
③本文不再将借贷资金区分为正规金融借贷资金和非正规金融借贷资金，而是将此两种非自有性质的资金统称为借贷资金。两类借贷资金的成本表现方式可能差异较大。在不考虑交易成本时，正规金融借贷资金的成本表现为贷款利率。非正规金融借贷资金中，高利贷的融资成本也表现为贷款利率；而亲友和熟人借贷的利率通常为0，但这不意味着这些资金的融资成本为0。实际上，一方面，亲友借贷会增加借款人的精神负担，形成“人情债”或“面子成本”；另一方面，在归还借款时，借款人也通常会送给贷款人一些礼物。
④农户的自有资金是有机会成本的，例如可通过民间放贷获得收益或借贷给亲友或熟人形成“人情”或“面子收益”。
⑤根据文定理(Wen,1997)，最优决策者从不同时买和卖同种产品。若自有资金的机会成本大于信贷资金的融资成本，则农户有激励把自有资金放贷出去以获利，同时又向别人借款以满足农业生产，即同时买和卖资金这种产品，这违反文定理。故本文假设c[,0]＜c[,b]。
⑥张海洋、平新乔(2012)假定，农户从农村信用社获得的贷款仅在项目成功时才计入成本，若项目失败则无需归还。
⑦据笔者2011年在苏州、石家庄等地的农户调查，土地租出农户为避免土地租入农户因生产风险或市场风险亏损而拖欠地租，大多要求他们在使用土地前支付地租。
⑧这11个县(市、区)分别为：山东省高唐县、冠县、宁津县、平原县，山西省高平市、沁县、武乡县、泽州县，宁夏回族自治区贺兰县、吴忠市利通区、中宁县。
⑨已有文献中不乏选取社区内其他成员行为变量作为个体成员行为变量的工具变量的例子，例如Rozelle et al.(1999)与高虹、陆铭(2010)。
⑩这种负效应表现在村干部户把大多数时间和资源配置到非农事务上，提高非农就业机会甚至寻租，从而无暇顾及农业经营，即使能够借入资金，他们也很少把稀缺的资金用于比较效益较低的农业上。
标签：经济研究论文; 地租理论论文; 负债融资论文; 经济模型论文; 农业发展论文; 土地等级论文; 三农论文; 土地流转论文; 投资论文; 农村论文; 资产负债率论文;