EN中文

资源科学 >

2021 , Vol. 43 >Issue 11: 2342 - 2355

DOI: https://doi.org/10.18402/resci.2021.11.16

土地资源

普惠金融对农户宅基地退出行为的影响——基于成都市试点区域401份农户样本

  • 孙乐 , 1 ,
  • 苑韶峰 , 2 ,
  • 朱从谋 3
展开
  • 1.浙江工商大学金融学院,杭州 310018
  • 2.浙江工商大学公共管理学院,杭州 310018
  • 3.浙江大学环境与资源学院,杭州 310058
苑韶峰,男,山西繁峙人,教授,博士生导师,研究方向为土地管理。E-mail:

孙乐,女,山西临汾人,讲师,博士研究生,研究方向为土地经济学。E-mail:

收稿日期: 2021-06-03

  修回日期: 2021-08-02

  网络出版日期: 2022-01-25

基金资助

国家自然科学基金项目(41871181)

浙江省社科联研究课题(2022N111)

版权

《资源科学》编辑部
收起

Effect of inclusive finance on farming households’homestead exit：A case of 401 households in the pilot area of Chengdu City

  • SUN Le , 1 ,
  • YUAN Shaofeng , 2 ,
  • ZHU Congmou 3
Expand
  • 1. School of Finance, Zhejiang Gongshang University, Hangzhou 310018, China
  • 2. School of Public Administration, Zhejiang Gongshang University, Hangzhou 310018, China
  • 3. School of Environment and Resource, Zhejiang University, Hangzhou 310058, China

Received date: 2021-06-03

  Revised date: 2021-08-02

  Online published: 2022-01-25

Fold

摘要

研究普惠金融对农户宅基地退出行为的影响对于推进农村宅基地制度改革和促进乡村振兴具有重要意义。本文基于四川省成都市典型区域401份农户调查数据,采用因子分析法构建了微观层面的农村家庭普惠金融指数,运用Probit模型分析了普惠金融对农户宅基地退出行为的影响,探索了风险预期在影响中的中介作用,并进一步分析其影响的代际差异。结果表明：①普惠金融对农户宅基地退出行为具有显著的正向影响;②普惠金融通过中介变量风险预期间接影响农户宅基地退出行为,风险预期的中介效应占总效应的比例为17%;③新生代农户和老一代农户家庭层面的普惠金融对其宅基地退出行为都有显著的正向影响,但两者之间未发现存在明显的代际差异。本文认为,应基于家庭金融需求和供给双层面加大农村金融支持力度,提升农村普惠金融水平;引导农户形成合理的宅基地退出风险认知,并制定针对性的措施降低农户风险预期;加强政策引导,实现不同代际农户的金融知识共享,推动宅基地有序退出。

关键词： 普惠金融; 风险预期; 农户宅基地退出; Probit模型; 因子分析法; 成都市

本文引用格式

孙乐 , 苑韶峰 , 朱从谋 . 普惠金融对农户宅基地退出行为的影响——基于成都市试点区域401份农户样本[J]. 资源科学, 2021 , 43(11) : 2342 -2355 . DOI: 10.18402/resci.2021.11.16

Abstract

Studying the impact of inclusive finance on farmers’ homestead exit behavior is of great significance to promote the reform of rural homestead system and rural revitalization strategy. Using the survey data in typical areas of Chengdu City, Sichuan Province, this study constructed farming households inclusive finance index by using factor analysis method from the micro level, adopted the Probit model to analyze the impact of inclusive finance on farming households' homestead exit decisions, explored the intermediary role of risk expectation in the impact, and further analyzed the intergenerational differences of the impact. The results show that: First, inclusive finance has a significant positive effect on household residential land exit behavior. Second, inclusive finance indirectly affected homestead exit through the intermediary variable risk expectation, and the intermediary effect of risk expectation accounted for 17% of the total effect. Third, inclusive finance of the new generation and the old generation both have a significant positive impact on the homestead exit behavior, but from the comparison between the two, there is no obvious intergenerational difference in the impact. Therefore, based on household financial demand and supply, we should increase rural financial support, enhance the level of inclusive finance, and guide farmers to form a reasonable risk perception towards homestead exit. We should also formulate targeted policies and measures for different generations of farmers to reduce their risk expectation, strengthen policy guidance and realize financial knowledge sharing among different generations and finally promote the orderly exit of rural homesteads.

Key words： inclusive finance; risk expectation; residential land exit; Probit model; factor analysis; Chengdu City

1 引言

随着城镇化的不断推进,宅基地退出成为挖掘城乡建设用地存量、提高农村土地利用效率的重要途径。近几年的“中央一号”文件与《乡村振兴战略规划》均着力完善农民闲置宅基地政策,引导进城落户农民依法自愿有偿转让宅基地权益[1]。农户是宅基地权益的享用主体,也是宅基地退出的行为主体,全面掌握影响农户宅基地退出意愿的因素和规律,有利于引导农户自愿有序退出宅基地,提升宅基地集约利用水平[2]。普惠金融近几年在农村发展迅速,其以小微企业、农民和低收入人群等弱势群体为重点服务对象,旨在保证经济体内所有成员可以便利地触及、获得和使用储蓄、信贷和保险等正规金融服务。随着它在农村普及,其在增加非农就业和农户收入等方面的作用逐渐显现[3],普惠金融水平高低不仅影响农户的可持续发展能力,也会影响农户的风险预期,进而影响作为生产要素的农村土地利用。因此,研究普惠金融对农户宅基地退出的作用具有重要意义。
已有研究认为影响农户宅基地退出意愿的因素主要涉及户主个人及家庭特征、农户土地资源禀赋、宅基地确权颁证、家庭生命周期、乡村社会资本、宅基地区位和制度政策特征等[4,5,6,7,8]。生计资本是农户生存和发展的基础和保障,其差异性决定了农户的风险预期不同,继而会影响农户的宅基地退出意愿[9]。有研究表明,作为生计资本重要组成部分的金融资本越多,家庭成员外出就业或创业的机会越多,抵御风险的能力也越大,会影响其宅基地退出行为选择[7]。随着普惠金融不断向“三农”倾斜,其对农户行为决策的影响日益增强。近年来,学界相关研究多集中在普惠金融对脱贫和农村经济发展影响等方面[10,11],特别是对普惠金融的测度多从宏观层面利用面板数据构建等成果显著,这为进一步的微观层面研究提供了良好的基础。家庭是金融市场上的重要需求方之一,农户家庭及个体的行为决定着金融要素作用的效用,有必要从微观家庭层面构建普惠金融指数,进而系统分析其对农户宅基地退出行为的影响及作用机制[12]。鉴于此,本文以宅基地制度改革典型区域四川省成都市为研究区域,以401份有效调查样本为例,从需求和供给两方面构建家庭层面的普惠金融指数,运用Probit模型分析普惠金融对农户宅基地退出行为的影响及代际差异,并基于中介效应模型分析农户风险预期在宅基地退出行为影响中的中介效应,以期为相关部门在乡村振兴背景下制定差异化宅基地退出政策提供参考。

2 理论分析与研究假设

传统经济学理论假设农户具有“理性人”身份,在宅基地退出决策问题中,农户行为受到自我约束与效用最大化等因素影响[13]。自我约束的一个重要方面就是金融资本,普惠金融水平的高低会影响农户的生活生产行为,进而会影响其宅基地退出行为决策。宅基地退出的风险不确定,作为“有限理性经纪人”的农户会根据效用最大化原则对风险进行预判,其风险预期影响最终的宅基地退出。基于此,本文提出普惠金融对农户宅基地退出意愿的影响研究假设。

2.1 普惠金融对农户宅基地退出行为的影响作用分析

宅基地退出意愿选择与农户所拥有的金融资本密不可分。普惠金融发展对农户意义重大,可以在供给和需求两个方面影响农户金融获得的配置效率和均衡水平。从供给层面看,农村金融机构数量的增加和服务拓宽了农户的借贷渠道,增强了农户资金融通的能力,也使技术、人才和资金向农村地区聚集,促进了金融对农业产业化的支持[14],农业产业化的高效发展会引导农户自愿腾退空置或低效利用的宅基地;从需求层面来看,普惠金融提高了农户申请贷款的便利性,信贷便利性和良好的服务释放了农村金融的有效需求,加强了农户对金融产品和工具的了解,提升了农户的金融素养,使农户主动寻求生产生活过程中的风险分担工具[15],在宅基地退出过程中更具主动意识。同时普惠金融使得农户的谋生方式更多元,也有更多精力关注其他问题,进而有更强意愿退出宅基地。
基于此,本文提出假设：
H1:普惠金融对农户宅基地退出行为具有正向影响。

2.2 风险预期对农户宅基地退出行为的影响作用分析

农户作为“有限理性经纪人”,在作出成本效益最大化的决策过程中,宅基地退出所面临的风险是重要的考虑因素之一[16]。宅基地往往是农户的安家立命之本,退出后农户面临着医疗社保性质等变化带来的风险;宅基地资产价值在未来有较大升值空间,退出后农户面临资产价格和收入变动的风险。农户的宅基地退出行为选择即建立在对这些风险进行主观综合判断的基础上,农户的预期风险越低,就越倾向于退出宅基地;相反则不愿退出宅基地[9]。
基于此,本文提出假设：
H2:风险预期会对农户的宅基地退出行为决策产生负向影响。

2.3 风险预期在普惠金融对农户宅基地退出行为影响中的中介作用分析

农户的风险预期与农户家庭的金融资本和融资能力密切相关,已有研究表明,农户在遭遇风险冲击后,短时间内难以通过自然资本和人力资本等满足生产生活所需,以借贷为主导的金融资本是农村家庭通常会采取的事后抵御风险的行动,家庭若能获得金融资本则无须减少其他生计资本,同样可以降低因风险冲击带来的不确定性[17]。普惠金融水平越高,农户越有能力采取合适的措施来抵抗风险,其风险预期也越低,越有可能退出宅基地。因此,普惠金融对农户宅基地退出的影响可能通过风险预期起作用。
基于此,本文提出假设：
H3:风险预期在普惠金融对农户宅基地的退出行为影响中起中介作用。

2.4 普惠金融影响农户宅基地退出的代际差异分析

有研究表明,老一代农户和新生代农户由于所处时代背景和受教育程度的差异,导致其对宅基地权益认知具有明显差异[18]。其对金融的认知和接受程度也存在差异,进而导致普惠金融对不同代际农户宅基地退出的影响作用可能不同。
基于此,本文提出假设：
H4：普惠金融对不同代际农户宅基地退出行为的影响存在代际差异。

3 数据来源、指标体系和模型设定

3.1 数据来源

本文数据来源于课题组2020年5—9月在四川省成都市郫都区进行的第二轮普惠金融与农户宅基地退出情况问卷调查。郫都区在2015年被列入农村集体经营性建设用地入市与宅基地制度改革试点区。调查区域涵盖了郫都区的安德镇、唐昌镇、新民场镇、三道堰镇和红光镇5个镇。在试点改革过程中,郫都区以农村土地为纽带,将农村闲置农耕地、宅基地和集体建设用地资源与城市需求进行精准匹配,率先探索了“共享田园”模式,因此,样本地区的宅基地改革实践在四川省乃至全国均具有一定的代表性。除获取一手调查数据外,本文还从文献资料、统计年鉴和政策文件中搜集了其他相关数据。
调研采取分层抽样和随机抽样相结合的方法,首先在郫都区5个典型乡镇分别选取3~4个调查村庄,采用随机抽样的方法对退出宅基地农户和未退出宅基地农户进行入户访谈,对主要户主进行问卷调查,问卷内容包括个体特征、家庭及土地资源禀赋特征、金融信贷约束特征以及宅基地使用及退出行为等信息。调查采用半结构化问卷,共访谈429个农户家庭,剔除中途放弃回答和前后信息不一致情况,得到401份有效问卷。

3.2 指标体系和变量选取

3.2.1 基于需求和供给的农户家庭层面普惠金融体系构建
国外学者最早将普惠金融划分为可得性、渗透性和使用性3个维度[19],后续学者在其基础上,又增加了服务质量和交易成本等维度[20],扩充了普惠金融的外延。已有研究在国家或地区的宏观尺度上进行了金融数据分析[21,22],有必要更直观地从金融资源在农户微观层面的分配和金融普惠的微观福利效应方面做进一步探讨。国内学者从拥有银行账户、获得正规信贷及持有信用卡等方面构建了微观层面的家庭普惠金融指数[17],为本文提供了研究思路。但其指标体系中的“拥有银行账户”“获得正规信贷”和“持有信用卡”3个指标在调研过程中较难区分,因此本文对其指标体系进行了改进,并结合调查区域金融发展的特点来构建农户家庭层面的普惠金融指数。
金融的普惠程度不仅反映的是家庭对金融服务的需求,还反映了供给层面的信息,因为家庭不使用某项金融服务,并不代表被排斥在金融体系之外[23],本文增加了反映农户家庭获取金融服务便利性程度的供给层面指标。借鉴Sarma等[24]的研究,采用“最近金融服务点距居住地的距离”来衡量农户的金融供给程度,同时替换已有研究中较难区分的需求层面指标,最终构建了涵盖需求和供给双层面4个维度5个方面的普惠金融指标体系。具体来说,需求层面包括使用性、可得性和保障性3个维度,使用性主要指农户对金融服务的使用程度,借鉴Camara等[25]的研究,采用“家庭储蓄”这一指标来衡量;可得性主要指农户获取金融服务的难易程度,借鉴Mialou等[26]的研究,采用“是否有借贷被拒状况”和“从银行借贷难度”这两个指标来衡量;保障性主要指农户在使用金融服务过程中的风险保障,借鉴Park等[27]的研究,采用“是否购买商业保险”这一指标来衡量。供给层面主要有便利性维度,指的是农户所在区域金融机构网点的分布情况（表1）。
表1 普惠金融指标体系

Table 1 Inclusive financial index system

维度 指标命名 指标定义
需求
层面		 使用性
可得性

保障性		 家庭储蓄/万元
是否有借贷被拒情况
从银行借贷难易度
是否购买商业保险		 无存款变量取值为0
被拒变量取值0,否则取值为1
1~5分,分值越高借贷越容易
有购买变量取值1,未购买取值为0
供给
层面		 便利性 最近金融服务点到居住地的距离/km 是指最近的金融服务网点距居住地的距离,
采用倒数进行分析,并将负数转化为正向指标

注：金融服务点包括银行、ATM机、助农取款服务点以及惠农金融服务点等。

3.2.2 变量选取
对被解释变量、核心解释变量、代际差异变量、中介变量和控制变量分别进行如下选取,构建的指标体系具体见表2。
表2 变量定义及样本描述性统计

Table 2 Variable definition and sample descriptive statistics

变量类别 变量名称 定义及赋值 均值 标准差
被解释变量 Y：宅基地退出 已经退出=1;没有退出=0 0.59 0.49
核心解释变量 X1：普惠金融指数
“家庭储蓄”“是否有借贷被拒情况”“从银行借贷难度”“是否购买商业保险”“金融服务点距居住地距离” 1.25 0.15
控制变量 X2：性别
X3：户主年龄
X4：户主教育
X5：户主社会经历
X6：家庭总人口
X7：家庭年收入
X8：宅基地面积
X9：宅基地确权
X10：宅基地政策		 男=1;女=2
户主实际年龄/岁
户主接受教育年限
有=1;否=0
家庭总人口数
家庭年纯收入/万元
宅基地总面积/m2
是=1;否=0
很不了解=1;不了解=2;一般=3;了解=4;很了解=5		 0.94
57.35
5.74
0.13
4.30
7.17
188.45
0.94
1.96		 0.24
12.30
3.87
0.34
1.75
6.86
97.92
0.25
1.16
中介变量 X11:风险预期 退出宅基地后面临的风险等级（毫无风险=1;微小风险=2;轻度风险=3;中度风险=4;高度风险=5） 2.52 1.09
（1）被解释变量（因变量）。借鉴苑韶峰等的研究[28],本文将被解释变量设置为农户是否退出宅基地,已退出宅基地的赋值为1,还未退出的赋值为0。
（2）核心解释变量（自变量）。核心解释变量为农户家庭层面的普惠金融指数。在尹志超[17]研究的基础上,本文从需求侧和供给侧两个角度出发,基于使用性、可得性、保障性和便利性4个维度,构建了涵盖“家庭金融存款”“是否有借贷被拒状况”“从银行借贷难度”“是否购买商业保险”和“最近金融服务点距居住地的距离”等5个方面的普惠金融指数。
（3）代际差异变量。借鉴陈美球等学者做法[29],本文将50岁作为划分新老两代农户的界线,户主在50岁及以下的被界定为新生代农户,在50岁以上的被界定为老一代农户。
（4）中介变量。为了考察普惠金融指数是否通过其他变量对农户宅基地退出产生影响,本文引入农户的风险预期作为中介变量。由于风险预期属于较强的主观型变量,一直备受学术界质疑,而目前尚未找到更好的解决办法,本文借鉴邝佛缘等[9]学者的做法,采用“退出宅基地后,农户面临的风险等级”来衡量,毫无风险=1;微小风险=2;轻度风险=3;中度风险=4;高度风险=5,采用逐步回归法,考察中介效应。
（5）控制变量。控制变量包括个体特征、家庭特征和宅基地禀赋特征3个方面。其中,个体特征变量包括户主性别、年龄、受教育程度和社会经历,社会经历指户主是否拥有村干部或村集体经济组织任职等社会经历;家庭特征变量包括家庭人口数和家庭收入;宅基地特征变量包括宅基地面积、宅基地是否确权和户主是否了解宅基地退出政策。
3.2.3 样本描述性统计
表2显示了具体的变量描述统计结果。从被调查户主的基本特征看,以男性居多,新生代农户占比37.20%,老一代农户占比62.80%;文化程度以小学和初中为主;具有社会经历的户主偏少,仅占样本的13.50%;家庭规模以4~6人为主,实际居住人口多为4口;家庭年收入均值为7万元左右,低于5万元的占到了64.00%;宅基地面积平均比较大,超过150 m2的家庭占比65.00%;94.00%的农户已经进行宅基地确权,但是对于宅基地退出政策的了解程度普遍不高。

3.3 模型设定

3.3.1 基于因子分析法的普惠金融指数测算
（1）因子分析的相关性检验。为了得到基于需求和供给两方面的普惠金融指数,本文运用SPSS26.0的因子分析法进行分析。结果显示,KMO抽样适度测定值为0.51,在5%的水平下显著,Bartlett球形检验p值显著,故可拒绝球形检验零假设,此结果说明原始指标之间存在相关性,样本符合因子分析条件。
（2）公因子提取。利用主成分分析法提取变量中的公共因子（表3）,当因子特征值大于1时被提取。前3个因子的特征值均大于1,分别命名为“金融使用性因子（F1）”、“金融可得性因子（F2）”和“金融便利性因子（F3）”,累计方差贡献率为68.32%,说明这3个公共因子能够对农户家庭层面的普惠金融水平作出较好的解释,因此选择这3个公共因子作为主成分。
表3 总方差解释

Table 3 Total variance explained

成分 初始特征值 平方载荷的提取
全部 方差百分比% 累计百分比% 全部 方差百分比% 累计百分比 %
成分一(F1) 1.29 25.73 25.73 1.29 25.73 25.73
成分二(F2) 1.09 21.82 47.55 1.09 21.82 47.55
成分三(F3) 1.04 20.77 68.32 1.04 20.77 68.32
成分四(F4) 0.83 16.51 84.83
成分五(F5) 0.76 15.17 100.00
（3）公因子得分。提取公因子后,需计算各个公因子的得分,根据回归法得出因子得分系数矩阵（表4）,列出指标数据的公因子得分函数[30]：
F1=0.56x1+0.21x2+0.53x3+0.37x4+0.08x5
F2=-0.22x1+0.21x2+0.23x3+0.38x4+0.79x5
F3=0.09x1+0.81x2+0.05x3+0.54x4+0.05x5
式中：x1为“家庭储蓄”;x2为“是否有借贷被拒”;x3为“从银行借贷难易度”;x4为“是否购买商业保险”;x5为“金融服务点距居住地距离”。
表4 成分得分系数矩阵

Table 4 Component score coefficient matrix

成分
1 2 3
1.家庭储蓄(x1) 0.56 -0.22 0.09
2.是否有借贷被拒(x2) 0.21 0.21 0.81
3.从银行借贷难易度(x3) 0.53 -0.23 -0.05
4.是否购买商业保险(x4) 0.37 0.38 -0.54
5.金融服务点距居住地距离(x5) 0.08 0.79 0.05
（4）综合指数计算。参照林海明等[31]的研究,基于上述3个因子得分方程,计算农户家庭层面的普惠金融的综合指数。3个公因子对普惠金融的解释能力存在差异,以各个因子在解释总方差中的贡献率为权重,构建普惠金融指数的综合得分方程：
F=(25.73F1+21.82F2+20.77F3)/68.32
式中：25.73%、21.82%和20.77%分别为3个公因子的权重,68.32%为3个公因子的累计贡献率,数据运算后经标准化处理,最终得到农户家庭层面的普惠金融指数。
3.3.2 农户宅基地退出的基准模型
针对假设1和假设2,需要分别检验普惠金融和风险预期对农户宅基地退出行为的影响,由于不同农户的宅基地退出行为是离散二分变量,因此,考虑二值选择模型Probit,运用Stata15拟合模型回归参数。Probit模型的具体形式如式（5）[32]：
Pr ( y i = 1 finde x i X i ) = β 0 + β 1 finde x i + β 2 X j + ε i
式中： y i表示被解释变量, y i = 1表示农户家庭i已经退出宅基地, y i = 0表示农户家庭i未退出宅基地; finde x i表示解释变量普惠金融指数或农户的风险预期等级; X j是一系列控制变量; β 0为截距项; β 1 、 β 2为相应变量的回归系数; ε i为扰动项。
3.3.3 农户宅基地退出的中介效应模型
如果解释变量X通过M来影响被解释变量Y,则称变量M为中介变量[33]。由假设3的理论分析可知,在普惠金融通过风险预期影响农户宅基地退出行为的作用机制中,普惠金融为解释变量X,农户宅基地退出意愿为被解释变量Y,农户风险预期可视为中介变量M。中介模型检验路径如图1所示。图中,c为普惠金融（X）对农户宅基地退出意愿（Y）的总效应;a为普惠金融（X）作用于农户风险预期（M）的效应;b为风险预期（M）作用于农户宅基地退出意愿（Y）的效应;系数a与b的乘积ab为中介效应,即普惠金融（X）对农户宅基地退出意愿（Y）的间接效应; c '为直接效应。各效应值存在如下关系：总效应=间接效应+直接效应,即c= c '+ab。本文构建了模型（6）-（8）[18],估计图1的中介效应检验路径,以此检验系数c、a、b、 c '。
Y = cX + e 1
M = aX + e 2
Y = c ' X + bM + e 3
图1 中介效应检验路径

Figure 1 Mesomeric effect testing path

采用逐步回归法对中介效应进行检验。首先,普惠金融对农户宅基地退出行为影响的总效应c在基准模型中已被检验（注：模型6是模型5的简写形式）,若系数c通过显著性检验,则继续检验系数a与b,否则不存在中介效应;其次,当c显著时,检验普惠金融对农户风险预期的效应a以及风险预期对农户宅基地退出的效应b;再次,若a和b都显著,则进一步检验模型4中普惠金融对农户宅基地退出的效应 c ', c '显著说明存在部分中介效应,否则为完全中介效应。

4 结果与分析

4.1 普惠金融影响农户宅基地退出的基准回归与分析

表5回归（1）显示了普惠金融对农户宅基地退出的基本估计结果。回归准R2为0.27,LR统计量为122.69,对应的P值显著（具体信息未在表格中体现,下同）,故整个方程所有系数（除常数项外）的联合显著性很高。由于Probit模型中,系数项的经济含义并不直观,只包含了解释变量的统计显著性以及作用方向,为了进一步得到各解释变量对被解释变量的影响程度,回归（2）显示了各变量的平均边际效应。
表5 普惠金融对农户宅基地退出行为的基本估计结果

Table 5 Model results of inclusive finance influencing farming households’ willingness to exit rural residential land

是否退出宅基地（因变量） 回归（1）：基准模型估计 回归（2）：平均边际效应估计
Estimate S.E. 95%置信区间 Estimate
（dy/dx）		 S.E. 95%置信区间
下限 上限 下限 上限
普惠金融指数 X1 0.90***
（0.00）		 0.16 0.58 0.58 0.25***
(0.00)		 0.04 0.18 0.33
户主性别 X2 0.47
（0.11）		 0.29 -0.10 1.04 0.13
（0.11）		 0.08 -0.03 0.29
户主年龄 X3 -0.02***
（0.01）		 0.01 -0.03 0.00 0.00***
（0.01）		 0.00 -0.01 0.00
户主受教育程度 X4 0.05**
（0.03）		 0.02 0.00 0.09 0.01**
（0.03）		 0.01 0.00 0.02
户主是否有社会经历 X5 0.61***
（0.01）		 0.23 0.15 1.07 0.17***
（0.01）		 0.06 0.04 0.29
家庭人口数 X6 0.01
（0.76）		 0.05 -0.08 0.11 0.00
（0.76）		 0.01 -0.02 0.03
家庭收入 X7 -0.10***
（0.00）		 0.02 -0.13 -0.07 -0.03***
（0.00）		 0.00 -0.03 -0.02
宅基地面积 X8 -0.00**
（0.02）		 0.00 0.00 0.00 -0.00**
（0.02）		 0.00 0.00 0.00
宅基地是否确权 X9 1.42***
（0.00）		 0.37 0.68 2.15 0.39***
（0.00）		 0.10 0.20 0.59
是否了解退出政策 X10 0.12*
（0.06）		 0.07 -0.01 0.25 0.03**
（0.06）		 0.02 0.00 0.07
常数项 cons -0.17
（0.79）		 0.62 -1.38 1.05

注：***、**、*分别表示在1%、5%和10%的显著性水平下显著。下同。

从农户个体特征因素对宅基地退出行为的影响来看,户主年龄在1%的水平上对宅基地退出行为影响显著为负,这是因为农户年龄越大,从事其他劳动的能力下降且乡土情结越重,对宅基地的依赖越大,越不愿退出宅基地。户主的受教育程度在1%的水平上对宅基地退出行为影响显著为正,这是因为受教育高的农户对宅基地退出的认识比较全面,能意识到宅基地退出后获得的城镇保险等社会保障补偿,以及补偿款对后期房屋重置的作用,因此更倾向于退出宅基地。户主是否有社会经历在1%的水平上对宅基地退出行为的影响显著为正,这是因为户主有村干部或村集体经济组织等任职经历,会对宅基地退出政策更了解,同时也是政策的积极组织者和推动者,也更能理解政策落实对农村经济发展的意义,因此更倾向退出宅基地。是否了解宅基地政策在10%的水平上对宅基地退出行为影响显著为正,说明农户越了解宅基地退出政策,就越了解国家在农户退出宅基地后提供的保障措施,降低了对宅基地退出后因政策不明朗而带来的担忧,因而更能积极配合退出宅基地。户主性别对宅基地退出行为的影响不显著,可能的解释是本次调查对象男性居多,占了样本量的90%以上,导致结果可能存在偏差。从农户家庭特征因素对宅基地退出行为的影响来看,农户家庭收入在1%的水平上对宅基地退出行为的影响显著为负,这是因为家庭收入越低的农户越倾向于通过宅基地退出换取更好的城镇社会保障或住房,因而在宅基地退出上表现较为积极。宅基地面积在5%的水平上对宅基地退出行为的影响为负,这是因为宅基地面积较大的农户,其退出宅基地的机会成本较高,即使退出宅基地能够获得丰厚的经济补偿,但退出后置换的城镇住宅往往没有宅基地宽敞舒适,因而不愿选择退出宅基地。宅基地是否确权在1%的水平上对宅基地退出行为的影响显著为正,这是因为宅基地确权能使宅基地的产权归属明晰,为农户的资产和权力提供了明确的保护依据,是宅基地退出的前提条件,因而能促进农户退出宅基地。由于家庭人数未区分劳动力人数和外出劳动力人数,因此统计结果会存在偏差,导致对宅基地退出影响结果的不显著。从普惠金融对农户宅基地退出行为的影响来看,普惠金融对农户宅基地退出行为影响在1%的水平上显著为正,系数c显著。普惠金融指数每上升一个标准差,农户宅基地退出行为发生的概率将上升25%,说明普惠金融对农户宅基地退出具有明显的促进作用,假设1得到验证。这是因为在宅基地退出过程中,农户必然会考虑新购住房或其他维持生活生产开支所需的投入,能否获取足够的资金成为农户宅基地退出决策的基础要素。从需求层面来讲,农户的普惠金融水平越高,说明其本身的金融使用度、参与度和可得性越高,也越会通过金融机构来获取生活生产所需资金;从供给层面来讲,金融机构提供越便捷和优质的服务,越会吸引农户参与金融服务,因而也越会降低因资金困境对宅基地退出造成的阻碍。而普惠金融水平越低,农户的生计行为也就越单一,对宅基地的依赖也相对较大,当遇到资金困难时,不会寻求金融支持,因而越不愿退出宅基地。

4.2 农户宅基地退出的中介效应检验与分析

农户的风险预期变量分为5个等级,属于“排序数据”。因此,在进行中介效应检验时首先采用排序模型Oprobit考察普惠金融对农户风险预期的作用。表6回归（3）汇报了估计结果,“Cut1,Cut2,Cut3,Cut4”为切点的估计值,虽然准R2仅为0.07,但核心解释变量和大部分控制变量都较为显著。检验结果显示普惠金融在1%的水平上对农户风险预期的影响为负,系数a显著,普惠金融的水平越高,对宅基地退出后的风险预期越低。这是因为普惠金融为农户生计提供了多种可能,农户生计途径越多元化,越能降低风险冲击带来的不确定性[34],因而也会降低其风险预期。
表6 中介效应检验结果

Table 6 The mesomeric effect

回归（3） 回归（4） 回归（5）
Estimate S.E. Estimate S.E. Estimate S.E.
风险预期 X11 -0.39***
（0.00）		 0.70 -0.31***
（0.00）		 0.72
普惠金融指数 X1 -0.40***
(0.00)		 0.11 0.81***
（0.00）		 0.16
户主性别 X2 -0.55***
（0.01）		 0.20 0.36
（0.24）		 0.30 0.35
（0.24）		 0.30
户主年龄 X3 0.00
（0.38）		 0.00 -0.01**
（0.03）		 0.01 -0.02**
（0.01）		 0.01
户主受教育程度 X4 -0.03***
（0.00）		 0.15 0.05***
（0.01）		 0.02 0.04*
（0.06）		 0.02
户主是否有社会经历 X5 -0.62***
（0.00）		 0.16 0.45**
(0.04)		 0.22 0.50**
（0.04）		 0.24
家庭人口数 X6 -0.01
（0.68）		 0.03 -0.01
(0.86)		 0.05 0.00
（0.88）		 0.05
家庭收入 X7 -0.01
（0.15）		 0.01 -0.09***
(0.00)		 0.01 -0.11***
（0.00）		 0.02
宅基地面积 X8 0.00
（0.18）		 0.00 0.00**
(0.04)		 0.00 0.00*
（0.09）		 0.00
宅基地是否确权 X9 -0.32**
（0.08）		 0.18 0.94***
(0.00)		 0.31 1.36***
（0.00）		 0.38
是否了解退出政策 X10 -0.03
（0.49）		 0.04 0.13**
(0.04)		 0.06 0.11*
（0.09）		 0.07
常数项 cons 1.17*
(0.07)		 0.64 -0.88
（0.2）		 0.68
/ Cut 1 -1.85 0.44
/ Cut 2 -0.90 0.44
/ Cut 3 0.14 0.44
/ Cut 4 0.88 0.43
其次,考察农户风险预期对宅基地退出行为的影响,回归中去掉普惠金融指数变量X1,农户宅基地退出行为作为被解释变量,农户风险预期作为核心解释变量。表6回归（4）显示了结果,模型准R2为0.25,LR统计量为100.78,对应的P值显著,方程所有系数联合显著性高。结果显示农户风险预期对宅基地退出行为的影响在1%的水平上为负,系数b显著,说明农户的风险预期越高,越不愿退出宅基地,农户的风险预期会对宅基地退出行为决策产生负向影响,假设2得到验证。这是因为高风险预期可能会使农户陷入自我怀疑和自我否定的消极情绪中,这种消极认知也会因看到周边农户生计艰难而加深,增加了退出宅基地后的不确定性,因而降低了宅基地退出意愿。相反农户的风险预期越低,说明其对风险情境中所作选择风险性的认识和承受能力越高,更多看到的是选择带来的收益,因而越倾向于退出宅基地。再次,检验风险预期在宅基地退出中的中介效应。表5回归（1）、表6回归（3）和回归（4）中系数a、b、c均显著,说明中介效应存在。因此,把中介变量风险预期纳入基准模型进行回归,表6回归（5）显示了结果,模型准R2为0.31,LR统计量为123.91,对应的P值显著,方程所有系数联合显著性高。系数 c '在1%的显著性水平下通过检验,结果表明普惠金融通过中介变量风险预期对宅基地退出行为起作用,假设3得到验证。经计算,普惠金融通过风险预期对农户宅基地退出行为的间接影响为0.16,中介效应占总效应的比例为17%。结果说明普惠金融水平越高,农户的风险预期越低,也越倾向于退出宅基地,相反则会阻碍农户退出宅基地。目前中国的宅基地退出补偿方式主要以住房安置补偿、现金补偿和社保补偿为主,然而在调研过程中发现政府给予的补偿往往不够农户新建住房或在城市购买住房,农户在宅基地退出过程中面临搬迁成本、购置成本和生活成本增加的风险,部分农户还面临失业的风险,而农村普惠金融会促进农户的金融资本获得,使农户能有效应对因风险带来的生产生活面临的资金困境,同时还会在农户创业及农业规模化生产等方面提供支持,降低了农户对宅基地退出的风险预期,因而会更愿意退出宅基地。

4.3 普惠金融影响农户宅基地退出代际差异的回归与分析

本文进一步考察了普惠金融影响农户宅基地退出的代际差异。表7回归（6）显示了老一代农户家庭层面的普惠金融对宅基地退出行为的影响,模型准R2为0.34,LR统计量为43.72,对应的P值显著,整个方程所有系数联合显著性高。老一代农户家庭层面的普惠金融对宅基地退出行为的影响在1%的水平上显著为正。
表7 普惠金融影响农户宅基地退出代际差异的估计结果

Table 7 Model results of rural finance influencing farming households’ willingness to exit rural residential land by generation

是否退出宅基地
（被解释变量）		 回归（6）：老一代农户 回归（7）：新生代农户
Estimate S.E. 95%置信区间 Estimate S.E. 95%置信区间
下限 上限 下限 上限
普惠金融指数 X1 0.86***
（0.05）		 0.42 0.01 1.65 0.83**
（0.05）		 0.42 0.01 1.65
户主性别 X2 0.53
（0.21）		 0.42 -0.30 1.35 0.44
（0.30）		 0.42 -0.39 1.27
户主受教育程度 X4 0.02
（0.34）		 0.02 -0.02 0.07 0.16***
（0.00）		 0.05 -0.06 0.25
户主是否有社会经历 X5 0.64**
（0.02）		 0.26 -0.12 1.15 -0.05
（0.91）		 0.06 -0.95 0.84
家庭人口数 X6 -0.04
（0.41）		 0.05 -0.06 0.15 -0.18
（0.14）		 -0.12 -0.41 0.06
家庭收入 X7 -0.09***
（0.00）		 0.02 -0.13 -0.07 -0.09**
（0.02）		 0.04 -0.16 -0.02
宅基地面积 X8 -0.00
（0.28）		 0.00 0.00 0.00 0.01***
（0.00）		 0.00 -0.01 0.00
宅基地是否确权 X9 1.33***
（0.00）		 0.44 0.47 2.19 1.88***
（0.01）		 0.68 0.55 3.22
是否了解退出政策 X10 0.14*
（0.08）		 0.08 -0.02 0.30 0.05
（0.62）		 0.11 -0.16 0.27
常数项 cons -1.41**
（0.03）		 0.63 -2.65 -0.17 -0.27
（0.77）		 0.93 -2.09 1.54
回归（7）显示了新生代农户家庭层面的普惠金融对宅基地退出行为的影响,模型准R2为0.24,LR统计量为74.25,对应的P值显著,方程所有系数联合显著性高。新生代农户家庭层面的普惠金融对宅基地退出行为的影响在1%的水平上显著为正。从两代的对比来看,普惠金融对老一代农户的作用略强,两代系数相差仅为0.03,说明在本文的样本中,普惠金融对农户宅基地退出行为影响的代际差异不明显,该结果与假设4不符。可能的原因在于,近年来国家大力推进农村地区的互联网建设,本文调查区域也在积极打造数字乡村样本,这些举措加快了老一代农户和新生代农户间的价值观和金融知识等的传递,因而对宅基地退出的影响不存在明显差异。这也印证了人工智能与信息技术的普及发展对于缩小代际差距的影响作用[35]。

5 稳健性检验

为了进一步验证模型的可靠性,本文随机剔除了15%的样本,重新进行回归。表8显示了结果,模型准R2为0.24,LR统计量为99.28,对应的P值显著,方程所有系数联合显著性高。普惠金融指数对农户宅基地退出行为的影响在1%显著性水平上为正,大部分控制变量系数显著,表明模型通过稳健性检验。中介效应模型的稳健性检验结果同样显著。
表8 稳健性检验

Table 8 Robustness test

回归（8）：随机剔除15%样本
Estimate S.E. z P>|z| 下限 上限
普惠金融指数 X1 0.95*** 0.18 5.18 0.00 0.59 1.31
户主性别 X2 0.46 0.34 1.36 0.17 -0.20 1.12
户主年龄 X3 -0.01** 0.07 -2.00 0.05 -0.03 0.00
户主受教育程度 X4 0.06*** 0.23 2.46 0.01 0.11 0.10
户主是否有社会经历 X5 0.66*** 0.25 2.65 0.01 0.17 1.15
家庭人口数 X6 0.04 0.05 0.74 0.46 -0.07 0.14
家庭收入 X7 -0.12*** 0.02 -6.53 0.00 -0.15 -0.08
宅基地面积 X8 -0.00** 0.00 -2.03 0.04 -0.00 -0.00
宅基地是否确权 X9 1.21*** 0.40 2.99 0.00 0.42 1.99
是否了解退出政策 X10 0.18** 0.07 2.31 0.02 0.03 0.31
常数项 cons -0.23 0.66 -0.34 0.73 -1.53 1.07
— Cut 1 -1.85 0.44
— Cut 2 -0.90 0.44
— Cut 3 0.14 0.44
— Cut 4 0.88 0.43

6 结论、建议与讨论

6.1 结论与建议

本文首先使用因子分析法从微观层面构建了农户家庭层面的普惠金融指数,然后运用Probit回归模型研究了普惠金融对农户宅基地退出行为的影响,并引入中介效应模型,深入探究了风险预期在普惠金融影响农户宅基地退出行为中的中介效应,进一步考察了影响之间的代际差异,得出如下结论并提出相应建议：
（1）普惠金融对农户宅基地退出行为的影响在1%的水平上显著为正,普惠金融指数每上升一个标准差,农户宅基地退出行为发生的概率将显著上升,两者相关系数为0.90,结果说明普惠金融对农户宅基地退出行为有显著的正向影响。户主年龄、家庭收入和宅基地面积等因素对宅基地退出有负向影响;户主受教育程度、是否有社会经历、宅基地是否确权和是否了解宅基地退出政策等因素对宅基地退出有正向影响。因此应重视普惠金融在农户宅基地退出中的作用,不断进行农村普惠金融的制度创新,从供给侧加大农村金融支持力度,基于农户金融需求和供给双层面,构建农村金融市场机制。政府应做到资金的精准扶持,加强农村金融基础设施的建设和完善,提升金融的可得性;地方金融机构应提供良好而全面的金融服务,提升金融的便利性,真正发挥金融的普惠作用,提升普惠金融水平,助力农户宅基地退出。
（2）风险预期对农户的宅基地退出行为决策产生负向影响。农户对宅基地的风险预期越高,越不愿退出宅基地。同时风险预期在普惠金融对农户宅基地退出行为影响中存在部分中介效应,该中介效应占总效应的比例为17%,普惠金融通过风险预期对农户的宅基地退出起间接作用,普惠金融水平越高,风险预期越低,农户越愿意退出宅基地,相反则会阻碍农户的宅基地退出行为。因此除了提升农户家庭层面的普惠金融水平外,还应重视农户对宅基地退出的风险认知和预判,不断完善农村宅基地法律法规、建立宅基地退出风险缓释机制、完善农村社会保障制度[36],通过提升农户风险抵御能力,降低农户对宅基地退出后的风险预期,引导农户自愿退出宅基地。
（3）新生代农户和老一代农户家庭层面的普惠金融对宅基地退出行为都有显著的正向影响,但从两者的对比来看,普惠金融对新老两代农户宅基地退出行为的影响未发现明显的代际差异。但这并不意味着可以忽视代际影响,目前老年代际学习仍面临诸多挑战,如政府支持体系不完善、社会公众认知不足和老年群体因信息技术知识薄弱造成的数字学习困境等[35]。因此,应立足于“互联网+”时代背景,结合中国不同农村地区金融知识代际学习可能面临的问题,加强政策支持,加大农村层面普惠金融的知识宣传,实现各代人的金融知识共享,增加农户的金融使用性;搭建以互联网数字信息技术为核心的老年代际学习平台;构建社会-村委会-农户家庭等多方参与协作的金融代际学习项目,持续提高所有代际农户的普惠金融水平,助推宅基地有序退出。

6.2 讨论

本文以成都市郫都区为样本,着重探讨了普惠金融在推动农户宅基地退出中的作用。作为第一批被列入宅基地制度改革的试点区,郫都区近年来不断实践,使得宅基地有偿退出改革能规范有序进行,为其他区域提供了经验借鉴。然而在调查过程中,我们也发现郫都区尚未对农村普惠金融的价值引起足够重视。随着乡村振兴的深入推进,通过金融加速器的作用盘活闲散的宅基地,促进宅基地平稳退出,成为当前农村经济社会发展的必然要求。同时也应看到虽有农村金融和土地改革政策不断推出,但两项政策往往单独运行,造成了政策效率的低下以及政策运行成本的增加。本文从实证角度论证了普惠金融在农户宅基地退出中的正向作用,但并没有深入分析农村金融和土地改革两项政策之间的融合路径,因此农村金融政策如何与其他土地政策配合共同推动农村土地经济发展的研究还有待进一步加强。此外,普惠金融是个复杂的、动态化的系统,本文涉及的体系并不能包含普惠金融涉及的所有指标,因此,农户家庭层面普惠金融指数的指标体系设计和模型计算方法需要更多的理论方法和实证研究来充实。这些因素均对农村金融与土地政策的制定与实施至关重要,是下一步要考虑的研究方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
中共中央办公厅, 国务院办公厅. 乡村振兴战略规划(2018-2022年)[EB/OL]. (2018-09-26) [2019-12-22]. http://www.gov.cn/xinwen/2018-09/26/content_5325534.htm.

[General Office of the CPC Central Committee, General Office of the State Council. Strategic planning for Rural Revitalization(2018-2020)[EB/OL]. (2018-09-26) [2019-12-22]. http://www.gov.cn/xinwen/2018-09/26/content_5325534.htm.]

[2]
周翼虎, 方婷婷, 李丽. 基于TAM-TPB框架的农户宅基地退出决策机理研究[J]. 资源科学, 2021, 43(1):148-160.

[ Zhou Y H, Fang T T, Li L. Decision-making mechanism of farmers’ homestead exit based on the TAM-TPB framework[J]. Resources Science, 2021, 43(1):148-160.]

[3]
尹志超, 彭嫦燕, 里盎安吉拉. 中国家庭普惠金融的发展及影响[J]. 管理世界, 2019, 35(2):74-87.

[ Yin Z C, Peng C Y, Li Ang A J L. The development and impact of financial inclusion of household in China[J]. Management World, 2019, 35(2):74-87.]

[4]
李敏, 陈尧, 唐鹏, 等. 家庭生命周期对农户宅基地退出意愿的影响[J]. 资源科学, 2020, 42(9):1692-1703.

[ Li M, Chen Y, Tang P, et al. Influence of family life cycle on farming households’ willingness to exit rural residential land[J]. Resources Science, 2020, 42(9):1692-1703.]

[5]
苑韶峰, 李威, 彭文敏. 宅基地退出收益测算及分配策略研究综述[J]. 贵州大学学报(社会科学版), 2020, 38(2):43-52.

[ Yuan S F, Li W, Peng W M. A review of the research on homestead exit income calculation and distribution strategy[J]. Journal of Guizhou University (Social Sciences), 2020, 38(2):43-52.]

[6]
孙琳琳, 杨浩, 郑海涛. 土地确权对中国农户资本投资的影响: 基于异质性农户模型的微观分析[J]. 经济研究, 2020, 55(11):156-173.

[ Sun L L, Yang H, Zheng H T. The impact of land titling on agricultural investment in rural China: Based on micro-analysis of heterogeneous peasant household model[J]. Economic Research Journal, 2020, 55(11):156-173.]

[7]
Yang H X, Huang K, Deng X, et al. Livelihood capital and land transfer of different types of farmers: Evidence panel data in Sichuan Province, China[J]. Land, 2021, 10(5):532.

DOI

[8]
杨丽霞, 朱从谋, 苑韶峰, 等. 基于供给侧改革的农户宅基地退出意愿及福利变化分析: 以浙江省义乌市为例[J]. 中国土地科学, 2018, 32(1):35-41.

[ Yang L X, Zhu C M, Yuan S F, et al. Analysis on farmers’ willingness of rural residential land exit and welfare change based on the supple-side reform: A case of Yiwu in Zhejiang Province[J]. China Land Science, 2018, 32(1):35-41.]

[9]
邝佛缘, 陈美球. 风险预期、生计资本对农户宅基地退出意愿的影响及其代际差异: 基于江西省 456份农户调查数据[J]. 农林经济管理学报, 2021, 20(1):92-101.

[ Kuang F Y, Chen M Q. Influence of risk expectation and livelihood capital on farmers’ willingness to withdraw homestead and its intergenerational differences: Based on survey data of 456 households in Jiangxi Province[J]. Journal of Agro-Forestry Economics and Management, 2021, 20(1):92-101.]

[10]
李建军, 彭俞超, 马思超. 普惠金融与中国经济发展: 多维度内涵与实证分析[J]. 经济研究, 2020, 55(4):37-52.

[ Li J J, Peng Y C, Ma S C. Inclusive finance and economic development in China: Multidimensional connotation and empirical analysis[J]. Economic Research Journal, 2020, 55(4):37-52.]

[11]
刘七军, 刘树梁, 李昭楠. 普惠金融对农村家庭稳定脱贫影响效应: 基于2017CHFS数据实证分析[J]. 中国农业资源与区划, 2021, 42(10):176-185.

[ Liu Q J, Liu S L, Li Z N. Influencing effects of inclusive finance on the stable poverty alleviation of rural household: An empirical analysis based on the data of 2017 CHFS[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(10):176-185.]

[12]
霍学文. 关于云金融的思考[J]. 经济学动态, 2013, (6):33-38.

[ Huo X W. Thoughts on cloud finance[J]. Economic Perspectives, 2013, (6):33-38.]

[13]
North D C. Institutions, Institutional Change and Economic Performance[M]. Cambridge: Cambridge University Press, 1990.

[14]
Zhang Q D, Posso A. Thinking inside the box: A closer look at financial inclusion and household income[J]. The Journal of Development Studies, 2019, 55(7):1616-1631.

DOI

[15]
何婧, 蔡新怡, 赵亚雄. 金融渗透、金融获得与农业产业化: 来自湖南省87个县市的证据[J]. 财经理论与实践, 2021, 42(2):12-19.

[ He J, Cai X Y, Zhao Y X. Financial penetration, credit availability and agricultural industrialization: Evidence from 87 counties and cities from Human Province[J]. The Theory and Practice of Finance and Economics, 2021, 42(2):12-19.]

[16]
杜两省, 程博文. 金融摩擦、收入风险与财富不平等[J]. 金融研究, 2020, (7):75-94.

[ Du L S, Cheng B W. Financial frictions, income risk and wealth inequality[J]. Journal of Financial Research, 2020, (7):75-94.]

[17]
尹志超, 张栋浩. 金融普惠、家庭贫困及脆弱性[J]. 经济学(季刊), 2020, 20(1):153-172.

[ Yin Z C, Zhang D H. Financial inclusion, household poverty and vulnerability[J]. China Economic Quarterly, 2020, 20(1):153-172.]

[18]
杨慧琳, 袁凯华, 陈银蓉, 等. 农户分化、代际差异对宅基地退出意愿的影响: 基于宅基地价值认知的中介效应分析[J]. 资源科学, 2020, 42(9):1680-1691.

[ Yang H L, Yuan K H, Chen Y R, et al. Effect of farmer differentiation and generational differences on their willingness to exit rural residential land: Analysis of intermediary effect based on the cognition of the homestead value[J]. Resources Science, 2020, 42(9):1680-1691.]

[19]
Sarma M. Index of financial inclusion[J]. Indian Council for Research on International Economic Relations Working Paper No.215, 2008.

[20]
Park C Y, Mercado Jr R. Financial inclusion, poverty and income inequality[J]. The Singapore Economic Review, 2018, 63(1):185-206.

DOI

[21]
Kim J H. A study on the effect of financial inclusion on the relationship between income inequality and economic growth[J]. Emerging Markets Finance and Trade, 2016, 52(2):498-512.

DOI

[22]
杨东, 郑家喜, 宋嘉豪. 农村普惠金融发展对农户收入的影响研究[J]. 农村经济, 2021, (1):104-110.

[ Yang D, Zheng J X, Song J H. Research on the influence of rural inclusive finance development on farming households income[J]. Rural Economy, 2021, (1):104-110.]

[23]
Gupte R, Venkataramani B, Gupta D. Computation of financial inclusion index for India[J]. Procedia-Social and Behavioral Sciences, 2012, 37:133-149.

DOI

[24]
Sarma M. Measuring financial inclusion using multidimensional data[J]. World Economics, 2016, 17(1):15-40.

[25]
Camara N, Tuesta D. Measuring financial inclusion: A multidimensional index[J]. Economic Research Department, 2014, (9):1-40.

[26]
Mialou A, Amidzic G, Massara A. Assessing countries financial inclusion standing: A new composite index[J]. Journal of Banking and Financial Economics, 2017, 2(8):105-126.

[27]
Park C Y, Rogelio V, Mercado J. Financial Inclusion: New Measurement and Cross-Country Impact Assessment[R]. Working Paper 29, 2018.

[28]
苑韶峰, 毛源远, 李胜男, 等. 基于推拉理论的多元区位农村宅基地退出分析: 以泰顺、义乌、嘉兴为例[J]. 贵州大学学报(社会科学版), 2019, 37(5):42-48.

[ Yuan S F, Mao Y Y, Li S N, et al. Analysis on the exit of rural homestead with multiple locations from the perspective of push-pull theory: A case study on typical village areas in Tasishun, Yiwu, and Jiaxing[J]. Journal of Guizhou University (Social Sciences), 2019, 37(5):42-48.]

[29]
陈美球, 袁东波, 邝佛缘, 等. 农户分化、代际差异对生态耕种采纳度的影响[J]. 中国人口·资源与环境, 2019, 29(2):79-86.

[ Chen M Q, Yuan D B, Kuang F Y, et al. Household differentiation, generational difference and ecological farming adoption[J]. China Population, Resources and Environment, 2019, 29(2):79-86.]

[30]
王越, 何军. 风险感知、保险认知与养殖户肉鸡保险购买意愿: 基于肉鸡主产区的实证分析[J]. 农业现代化研究, 2020, 41(6):957-968.

[ Wang Y, He J. Risk perception, insurance cognition and breeders’ willingness to purchase broiler insurance: Empirical analysis based on major broiler production areas[J]. Research of Agricultural Modernization, 2020, 41(6):957-968.]

[31]
林海明, 刘照德, 詹秋泉. 因子分析综合评价应该注意的问题[J]. 数理统计与管理, 2019, 38(6):1037-1047.

[ Lin H M, Liu Z D, Zhan Q Q. Issues that should be noted on factor analysis for comprehensive evaluation[J]. Journal of Applied Statistics and Management, 2019, 38(6):1037-1047.]

[32]
刘海英, 尚晶, 王殿武. 中国省际节能与环保一致性及影响因素研究[J]. 资源科学, 2018, 40(12):2438-2450.

[ Liu H Y, Shang J, Wang D W. A study on the consistency and influencing factors of China’s provincial energy saving and environmental protection[J]. Resources Science, 2018, 40(12):2438-2450.]

[33]
温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014, 22(5):731-745.

[ Wen Z L, Ye B J. Analyses of mediating effects: The development of methods and models[J]. Advances in Psychological Science, 2014, 22(5):731-745.]

[34]
许汉石, 乐章. 生计资本、生计风险与农户的生计策略[J]. 农业经济问题, 2012, 33(10):100-105.

[ Xu H S, Yue Z. Farmers’ livelihood capital, risk and strategies[J]. Issues in Agricultural Economy, 2012, 33(10):100-105.]

[35]
李光, 赵瑜. “互联网+”背景下老年代际学习的对策研究[J]. 中国成人教育, 2021(10):8-12.

[ Li G, Zhao Y. Research on the countermeasures of the elderly’s intergenerational learning under the background of “internet plus”[J]. China Adult Education, 2021(10):8-12.

[36]
温世扬, 潘重阳. 宅基地使用权抵押的基本范畴与运行机制[J]. 南京社会科学, 2017, (3):96-105.

[ Wen S Y, Pan C Y. Basic category and operation mechanism in the mortgage of the right to the use of house sites[J]. Nanjing Social Sciences, 2017, (3):96-105.]

Options
文章导航

/

〈 〉