派智库

内容提要：本文基于中国家庭追踪调查数据，利用加稳健标准的OLS方法以及倾向得分匹配法(PSM)分析了土地征用对农村居民家庭消费产生的影响。实证结果显示，征地补偿对于居民消费影响存在着比较大的差异。土地征用对补偿占家庭消费比重较高，家庭收入、打工及工资性收入较低的农户消费有负向影响；对补偿占家庭消费比重较低，家庭收入、打工及工资性收入较高的农户消费有正向影响。这说明，对于家庭打工及工资性收入较低、对土地依赖性强、征地相对较多的农户，征地会减少其消费。相反，对于家庭打工及工资性收入较高、对土地依赖性较小、征地相对较少的农户，征地会增加其消费。

copyright dedecms

关键词：征地补偿 农户消费 倾向得分匹配法

一、问题提出

内容来自dedecms

随着中国经济的发展、城镇规模的扩张以及建设用地的增长，土地征用日渐普遍，失地农民随之增多，预计2020年失地农民总数将超过1亿。伴随着土地征用，政府财政收入、征地补偿政策、农民的生活保障等诸多方面也发生了一些变化。因此，近些年土地征用也就自然引起许多学者的关注。学者研究的切入点也各有不同，既包括运用局部均衡分析法探究中国土地征用制度的特点[1]，利用微观调研数据研究农户征地意愿[2-3]，分析农户受偿意愿和安置意愿[4-5]，也包括对土地配置效率，征地的利益分配，失地农民的权益保障、后续生活等多个方面的研究。 织梦好，好织梦

土地征用和居民消费的问题已有学者进行过研究[6-7]。从直观上讲，土地征用打破了人们之前的计划，可能通过诸如家庭收入、生活保障等方面对消费产生冲击。一方面，农户由于征地可以获得一部分的补偿，从而增加当期收入。崔宝玉等(2016)通过实证分析得出，土地征用对农户存在总收入效应和非农收入效应，农户土地被征用会使农户总收入和非农收入显着增加[8]。史清华等(2011)通过对上海城郊七个村失地农户的研究也发现，土地征用对当地农户收入负面影响并不显着，大部分失地农户收入不降反升[9]。不过，有一些学者发现征地会减少农户收入[10]。根据凯恩斯的绝对收入假说，收入的变化将会对农户生活消费产生影响，征地的正向或负向收入效应可能会刺激或者抑制农户消费。另一方面，土地是农民最大的社保，依靠种地的收入虽不高，但是却是农民最稳定的生活保障。征地纵然能给农民一定的补偿，可是农民的土地减少，他们赖以生存的基础将会发生变化。依靠征地一夜暴富的毕竟是少数在大城市周边地区的农民，其他很多农民征地补偿并不是太多。童中贤(2005)认为，如果失地农民的就业问题得不到解决，那么他们所得到的征地补偿并不能够保障他们长期稳定生活[11]。失地之后，未来不确定性增加，农户的心理安全感下降，因而可能会减少消费。但对于完全失地的农民而言，他们的生活变得准市民化，产生了物业费、取暖费等额外生活开支，无法如同之前那样依靠种地解决部分内需问题，消费支出会由此增加。 本文来自织梦

利用图形可以对此问题进行更为直观的说明。假定农户的收入由农业收入和非农收入(主要指打工及工资性收入)两部分构成，并且农业收入与耕地面积正相关。如图1所示，横轴表示农户的农业收入，纵轴表示农户的非农收入。农户初始的收入为AB，当发生征地时，农户的农业收入将减少。由于家庭劳动力的年龄、教育水平、身体健康状况和职业技能等方面存在差异，对于部分农户来说，征地之后能够较快地通过非农收入来填补家庭因征地而造成的农业收入的减少，这些农户的收入由AB变为了A′B′；而另一部分农户，在征地发生之后不能够迅速通过非农收入来弥补土地征用导致的农业收入减少，这些农户的收入由AB变为了AB′。 copyright dedecms

内容来自dedecms

如图2所示，横轴表示农户的消费，纵轴表示农户的储蓄。CD表示农户初始的家庭收入，CD与效用的无差异曲线的切点E表示农户在消费和储蓄之间的最佳配置点。当发生征地时，农户获得了一定的补偿款，收入由CD右移到了C′D′，此时由于农户对土地的依赖程度、对未来收入的预期和失地后保障的差异，农户的消费和储蓄最佳配置点发生变化。征地之后，原本对土地依赖比较小，预期能够通过其他方式获得较多收入实现家庭收入增加(图1中处于A′B′高于AB的部分)，生活有稳定保障的农户最佳配置点变为了E′点；征地之后，原本对土地依赖较大，预期收入会下降(图1中位于AB以内的部分)，生活缺乏有效保障的农户最佳配置点变为了点E″。 织梦好，好织梦

综上所述，土地征用对消费产生的影响需要结合具体情况进行分析。莫迪利安尼(Modigliani，1970)在生命周期假说中提到，人们会在相当长的时间范围内计划消费和储蓄，以达到在整个生命周期内消费的最佳配置，实现效用最大化。[12]。那么征地发生之后，农户又会怎样调整计划，进行消费选择呢?本文试图利用中国家庭追踪调查(CFPS)数据对此问题进行分析。本文的特色在于利用反事实的研究框架，构造与征地户样本相匹配的非征地户样本，将土地征用与其他影响农户消费的因素隔离出来单独分析，同时，分析征地补偿与消费额的相对关系对消费产生的影响。 织梦好，好织梦

二、数据、变量及模型 dedecms.com

(一)数据来源

本文选用的是2012年和2014年CFPS数据。CFPS项目由北京大学中国社会科学调查中心实施，2010年在全国正式开展调查。在此之前已于2008年和2009年在北京、上海和广州三个城市进行了初访和追访测试调查。CFPS数据包含个体、家庭和社区三个层次，研究主题涉及多个方面，主要有经济活动、教育成果、家庭关系与家庭动态、人口迁移、健康等，目的在于反映中国社会、经济、人口、教育和健康方面的变迁。CFPS项目组在2012年时对原先调查家庭完成了一次追踪调查，第三轮追踪调查主要集中于2014年7-11月，最终在2015年5月结束所有调查，于2016年6月1日对学术界和政策研究界首次发布2014数据。通过对数据的预处理，本文共使用5622个样本，涵盖了全国23个省级区域，样本的代表性还是比较好的。

(二)变量的描述

本文主要研究征地对于农村居民消费产生的影响，借鉴相关文献[13-14]的处理方式，分别以人均消费支出和家庭总消费支出(对数值)作为被解释变量[1]，主要解释变量是家庭是否经历过征地。另外，还控制了其他对居民消费产生影响的因素，包括家庭特征、家庭财务人员特征、村居特征以及省际变量等。变量的具体定义见表1。 dedecms.com

家庭特征引入了家庭规模、家庭收入、家庭金融资产、家庭非住房负债、未成年人抚养比、住房条件等变量。农民可能会减少和控制消费来偿还债务，也可能是为某种原因举债来增加当期消费，即当期家庭负债可能挤出也可能促进居民消费，为了减少这种不确定性影响，使用了2012年家庭负债的数据进行分析。不过，中间有一年的间隔，家庭负债可能会发生变化，所以使用2012年追踪数据并不是一个非常令人满意的选择。另外，数据中包含多个可以衡量住房条件的变量，但是数据的缺失比较严重，借鉴胡枫和陈玉宇(2012)的做法[15]，利用访员对房屋装修评价从而衡量家庭住房条件。家庭金融资产包括银行存款以及股票、债券、基金等金融产品。 内容来自dedecms

家庭财务人员特征包括年龄、年龄的平方项、性别、婚姻状况、受教育程度等变量。村居特征包含村庄是否经历征地、村居到县城(市区)的距离等变量。在婚和同居两种情况表示存在事实的配偶，所以将其归为一类，而将其他没有事实配偶的情况归为另一类。 织梦好，好织梦

从理论上讲，社会保障会对农村居民的消费产生影响。岳爱等(2013)研究发现在控制其他因素的条件下，参加新农保的农户家庭日常支出显着高于未参加新农保的农户[13]。不过，考虑到本次追踪调查开始时，中国已经基本建立了覆盖全国的新型农村社会养老保险和新型农村合作医疗，对于全国绝大多数的农民来说社会保障差异不大，所以在模型中并没有加入社会保障的相关变量。 copyright dedecms

如果单以是否经历征地来分析征地对消费产生的影响并不完全合适，因为实际生活中征地补偿金额因地区不同而存在着较大差异，并且征地补偿金额对消费具有非常重要的影响。为了进一步区分征地对象，本文按照一定的标准对征地户进行分类。鉴于全国的经济发展和补偿标准各不相同，所以并没有以征地补偿的绝对量来进行划分，而是选择征地补偿占消费总额的比重来进行划分，以征地补偿占家庭消费总额25％为界将征地户分为两组。变量的描述性统计见表2。

织梦好，好织梦

(三)模型设定

copyright dedecms

1.反事实的研究框架 copyright dedecms

以虚拟变量Ti={0,1}表示居民家庭是否经历过征地，Ti=1表示家庭经历过征地，Ti=0表示家庭未经历征地。记Yi为居民人均消费金额，对于第i个家庭，其家庭消费支出存在两种状态，即：

织梦好，好织梦

织梦内容管理系统

Y1i表示经历征地的家庭(人均)消费支出，Y0i表示未经历征地的家庭(人均)消费支出。如果家庭经历了征地则可以观测到Y1i，但是观测不到Y0i；同理，如果家庭没有经历征地则可以观测到Y0i，而不能观测到Y1i。总之，在同一时刻，家庭只能处在一种状态，所以无法同时观测到Y1i和Y0i。而罗森鲍姆和鲁宾(Rosenbaum＆Rubin，1983)提出的“反事实框架”(counterfactual framework)对于研究这一问题提供了一种思路[16]。首先，定义征地组的平均处理效应(average treatment effect of the treated, ATll)为：

本文来自织梦

织梦好，好织梦

ATT表示征地组的平均处理效应，将其研究样本限定为征地户(T=1)，并计算征地户在经历和不经历征地时的家庭消费支出。通过式(2)只能观测到E(Y1i|T=1)的结果，而观测不到反事实结果E(Y0i|T=1)，因此要利用倾向得分方法寻找E(Y0i|T=1)的替代指标： 织梦内容管理系统

织梦内容管理系统

其中，为征地组的样本数，表示对征地组个体进行加总，i表示非征地组的样本，w(i,j)为适用于配对(i,j)的权重。 织梦好，好织梦

2.倾向得分匹配法

内容来自dedecms

倾向匹配得分法将家庭是否经历征地从其他影响因素中隔离出来，考察它对人均居民消费和家庭总体消费的影响。它研究的基本原理是，假定农户i属于征地组，找到非征地组中的农户j，使i和j的农户特征尽可能相似，故可将Yj作为Y0i的估计量，将Yi-Yj作为农户i处理效应的度量。得到的非征地户样本集合被称为征地组的对照组。倾向匹配的分析过程大体可以概括为三步：首先，寻找可能导致干预组和对照组之间不平衡的条件变量或者是协变量；通常利用LOGIT或多分类LOGIT模型得到一个倾向值；其次，利用倾向值来匹配干预组和控制组的样本；最后，进行匹配后分析[17]。在模型匹配过程中需要满足两个基本假设：(1)强可忽略性假设，即在给定倾向得分和解释变量X的条件下，结果变量Y和T相互独立；(2)共同支撑域条件，即给定解释变量X，倾向得分要介于0和1之间[18]。

模型匹配的方法有多种，但是一般认为，没有一种方法是适用于一切情形的好方法，需要根据具体数据进行选择。通常建议尝试不同的方法，比较其结果来检验结论的稳健性[19]，所以本文采用了多种匹配方法进行匹配分析。完成匹配之后，为了检验匹配的对照组是否是合理的反事实，还需要进行平衡性检验，以确定两组样本之间的差异是否被消除。陈飞和戳伟娟(2015)介绍了两种方法：一是如果匹配后的Pseud0-R2变得更低，并且解释变量的联合显着性被拒绝(模型的LR统计量不显着)，则匹配的效果较好；另一种检验标准化偏差，匹配之后，如果变量在两样本组问的标准化偏差大于20，则该匹配失败[18]。

三、实证分析

(一)“OLS+稳健标准误”回归 织梦好，好织梦

本文首先汇报使用稳健标准误的最小OLS回归的估计结果[2] (见表3)，根据表中的数据可以判断，家庭是否经历征地对于家庭的人居消费支出具有显着影响。具体来讲，征地对于补偿占家庭消费比重高于25％的农户的消费产生负向影响，会减少农户的消费；而对补偿占家庭消费比重低于25％的农户的消费会产生正向影响，会增加农户的消费。

本文来自织梦

在其他变量中可以看到，家庭规模对家庭总体消费具有显着正向影响，对家庭人均消费具有显着负向影响。这说明出家庭规模越大，家庭消费就越多，但是人均消费就越少，在一定程度上也反映了在当下的家庭结构中，规模较小的家庭，经济条件或者消费倾向要高于规模较大的家庭。从回归的系数看，家庭收入对消费的边际影响是最高的，这也符合关于收入是消费的前提和基础的共同认知。家庭住房条件和家庭金融资产对消费产生正向影响，居住条件越好、家庭金融资产越多越容易消费。村庄是否经历征地对居民消费具有正向影响，而村居到县城(市区)的距离则产生负向影响。一般而言，离县城越近经济相对比较发达，交通比较便捷，农户收入相对较高，购物相对比较方便；另外城区的物价水平相比较农村、乡镇也比较高，所以消费支出可能会相应增加。财务人员特征中，年龄的一次项与消费呈负相关，二次项呈正相关，年龄与消费呈现出U型的关系。受教育程度对消费产生正向影响，说明受教育程度越高，消费水平也就越高。 dedecms.com

(二)倾向得分估计与共同支撑条件

内容来自dedecms

在求得倾向得分以后而进行匹配之前，需要分析匹配的共同支撑域(征地户和非征地户的解释变量的重叠区域)条件以保证匹配质量。因为处在共同支撑域之外的征地户样本无法实现有效匹配，如果征地户与非征地户的解释变量的共同支撑域较小，会造成过多的征地户样本流失。可以通过比较征地户和非征地户样本的倾向得分的密度考察他们之间的支撑域条件。图3是征地户和非征地户倾向得分的密度图形，左图表示征地补偿高于消费的25％样本，右图表示征地补偿低于消费的25％样本。从图中可以看到，征地户的倾向得分区间基本与非征地户重叠，征地户样本量损失比较少，共同支撑域条件较好。

织梦内容管理系统

(三)样本匹配平衡性假设检验

织梦内容管理系统

为了检验样本匹配的质量，需要对两组样本进行平衡性检验。在匹配以前，利用筛选的变量可以区分征地户和被征地户，但是匹配之后两组之间的差异应该非常小，变量将不再整体显着。采用上文提到的两种方法，以人均消费支出作为被解释变量的平衡性检验结果[3](见表4)进行检验。

dedecms.com

织梦内容管理系统

在样本匹配之后，Pseudo-R2显着变小，征地补偿占家庭消费25％以下的变为0.001～0.004，25％以上的变为0.000～0.001；LR统计量的P值表明解释变量的联合显着性在匹配之前是显着的，在匹配之后是不显着的；解释变量的标准化偏差也有明显下降，介于1.0～3.1，远低于20。综合上述结果，平衡性检验符合判断标准，征地户和非征地户两组样本的匹配还是比较好的。

(四)征地冲击对居民消费的影响分析 内容来自dedecms

分别利用上面提到的四种匹配方法对满足支撑域条件的样本进行分析，估计征地冲击对居民消费产生的影响，并利用Bootstrap方法重复抽样400次对征地组的平均处理效应的显着性进行检验，具体结果见表5。

dedecms.com

表5中的数据显示四种方法计算的平均处理效应的具体数值并不完全相同，存在一些差异[4]，但是从整体的影响来看，平均处理效应的显着性基本一致，四种方法所反映出的事实是一致的，即征地冲击的确对农户的消费产生重要影响，但是影响存在着差异。征地减少了补偿占家庭消费25％以上的农户的人均消费和家庭总的消费，增加了补偿占家庭消费25％以下的农户的人均消费和家庭总的消费。相比较而言征地冲击对人均消费的影响要大于对家庭总消费的影响。具体来看，征地补偿占家庭消费25％以上的农户家庭人均消费(均值)比未经历征地的家庭减少17.65％，而经历征地的家庭总体消费(均值)比未经历征地的家庭减少20.6％；征地补偿占家庭消费25％以下的农户家庭人均消费(均值)比未经历征地的家庭高出19.31％，而经历征地的家庭总体消费(均值)比未经历征地的家庭高出21.32％[5]。

织梦内容管理系统

本文来自织梦

结合表6进一步观察发现，征地补偿占家庭消费25％以上的农户，消费比较少，家庭收入、打工及工资收入相对较少，但征地补偿金额比较高，可能的原因是农户因自身的教育水平、年龄以及健康等因素对土地依赖性比较强，被征的土地面积比较多[6]。征地导致的未来不确定性增加，农户的心理安全感下降，担忧短时间内无法解决后续生活保障问题，所以相应地调整消费策略，减少消费。而征地补偿占家庭消费25％以下的农户，消费比较高，家庭收入、打工及工资收入也比较高，但征地补偿金额比较少，这可能反映出这些农户对土地的依赖性不是很大，本身征地比较少，因此征地补偿造成的财富效应会提高土地被征收者的消费倾向[20-21]。总体来讲，可以认为家庭打工及工资性收入越高，对土地依赖性越小，那么征地对消费产生正向冲击；如果家庭打工及工资性收入越低，失地越多，那么征地对消费产生负向冲击。

本文来自织梦

(五)稳健性检验 织梦内容管理系统

为了排除偶然性因素的影响，验证结论的可靠性，又选取了征地补偿占家庭总消费的比重为40％、50％以上的样本以及20％、15％以下的样本分别与未征地样本进行回归分析，得出的回归结果显示，变量的显着性及符号与上文的结果基本一致，这说明本文的结果还是比较稳健的。 本文来自织梦

四、结论、建议和研究不足 本文来自织梦

本文利用比较有代表性的中国家庭追踪调查的农村数据，以农户家庭人均消费支出和总消费支出为解释变量，并结合倾向得分匹配法和“OLS+稳健标准误”法分析了征地对农村居民家庭消费产生的影响。实证分析结果表明，征地补偿对于居民消费影响存在着比较大的差异。以征地补偿占家庭消费25％为界将征地户样本分为两组进行分析，发现征地对补偿占家庭消费25％以上的农户的消费具有显着负向影响，对补偿占家庭消费25％以下的农户的消费具有显着的正向影响。通过对家庭消费总额、人均消费额、家庭收入、打工及工资性收入和征地补偿等相关数据的比较，结合自身生活经验和实际调研了解到的情况，笔者认为这样的实证结果背后的含义是：家庭打工及工资性收入越高，对土地依赖性越小，那么征地产生的收入效应能够刺激农户消费；如果家庭打工及工资性收入越低，失地越多，那么征地带来的不安全感下降将会抑制农户消费。另外，最后的数据还表明，征地对家庭总体消费的冲击要高于对人均消费的冲击。 织梦内容管理系统

农户自身的生活环境、社会经济条件、社会网络关系、社会阅历以及健康状况等诸多方面存在差异，因此他们对征地冲击的适应性也有一定的差别。从本文得出的结论看，保障被征地农户的福利水平，确保他们的消费水平不降低，单纯提高征地补偿标准并不是有效的方法，需要相关部门做更多的努力。对于已经被征地的农户，可以对他们的相关信息作更进一步调查，根据所掌握的情况，帮助那些适应性比较差的农户寻找新的谋生手段，扩大收入来源，增强自身的增收能力。在征地之前，可以收集农户的相关信息，参考相关的研究成果，利用一定的统计分析方法，对农户加以区别分类，以确定他们的自身条件以及面对征地冲击的适应能力，制定有差别的征地补偿政策和后期的帮扶政策。对应对征地冲击能力比较差的农户，可以采用适当减少征地补偿并附带诸如职业技能培训等相关帮扶政策的方式，具体的政策可以根据地方的实际情况来制定，尽量减轻他们对未来不确定性的忧虑。对于适应性较强的被征地户，要引导他们树立正确的消费观念，结合收入的实际情况，做好相应的支出规划，避免过度消费，保持消费的平滑。

内容来自dedecms

由于数据的原因，本文还有一些地方需要改进。首先，需要对征地面积进行细分，以便研究不同征地面积对消费的影响。其次，使用面板数据分析消费差异的原因可能更有说服力，对消费增加和减少的方向的进一步分析也会使文章结构更为完善。 织梦好，好织梦

参考文献：

[1]钱忠好，曲福田.中国土地征用制度：反思与改革[J].中国土地科学，2004(5)：5-11.

[2]穆向丽，孙国兴，张安录.农户农用地征用意愿的影响因素实证分析——基于湖北省302个农户的调查[J].中国农村经济，2009(8)：43-52. 内容来自dedecms

[3]许恒周，郭玉燕.不同发展水平地区农民被征地意愿及影响因素——基于南京市、鹰潭市的实证研究[J].中国人口·资源与环境，2011(1)：106-109. 织梦好，好织梦

[4]孔祥智，顾洪明，韩纪江.失地农民“受偿意愿”影响因素的实证分析[J].山西财经大学学报，2007(6)：14-19.

[5]李明月，胡竹枝.失地农民安置意愿及其影响因素：广州个案[J].改革，2008(5)：89-94. 内容来自dedecms

[6]耿羽.从征地看当前农民的土地变现观念——基于广东崖口村“卖地”事件的考察[J].南京农业大学学报(社会科学版)，2011(4)：95-101. 内容来自dedecms

[7]刘利.农地征用与农民生活质量的波及因素[J].改革，2014(11)：92-99.

[8]崔宝玉，谢煜，徐英婷.土地征用的农户收入效应——基于倾向得分匹配(PSM)的反事实估计[J].中国人口·资源与环境，2016(2)：111-118. 织梦好，好织梦

[9]史清华，晋洪涛，卓建伟.征地一定降低农民收入吗：上海7村调查——兼论现行征地制度的缺陷与改革[J].管理世界，2011(3)：77-82，91.

[10]金晶，曲福田.农地非农化的政策演进：1949～2007[J].改革，2010(9)：86-92.

[11]童中贤.地方政府征地补偿机制理性分析[J].公共管理学报，2005(4)：71-77，100. 织梦好，好织梦

[12]MODIGLIANI F. The life cycle hypothesis of saving and intercountry differences in the saving ratio [C]//ELTIS W A, SCOTT M F, WOLEF J N. Induction, growth and trade: essays in honour of Sir Rog Harrod. Oxford: Clarendon Press, 1970, 197-225. dedecms.com

[13]岳爱，杨矗，常芳，等.新型农村社会养老保险对家庭日常费用支出的影响[J].管理世界，2013(8)：101-108.

[14]于文超，殷华.财政补贴对农村居民消费的影响研究——基于“家电下乡”政策的反事实分析[J].农业技术经济，2015(3)：61-70. 织梦内容管理系统

[15]胡枫，陈玉宇.社会网络与农户借贷行为——来自中国家庭动态跟踪调查(CFPS)的证据[J].金融研究，2012(12)：178-192. dedecms.com

[16]ROSENBAUM P R, RUBIN D B. The central role ofthe propensity score in observational studies for causal effects[J]. Biometrika, 1983, 70(1): 41-55. 本文来自织梦

[17]郭申阳，弗雷泽.倾向值分析：统计方法与应用[M].郭志刚，巫锡炜，译.重庆：重庆大学出版社，2012.

[18]陈飞，翟伟娟.农户行为视角下农地流转诱因及其福利效应研究[J].经济研究，2015(10)：163-177.

dedecms.com

[19]陈强.高级计量经济学及Stata应用(第二版)[M].北京：高等教育出版社，2014.

[20]李增刚.征地补偿资本化——解决失地农民收入来源的途径探讨[J].财经问题研究，2013(12)：132-137.

织梦好，好织梦

[21]张杰，杨先花.转型期中国土地利用的时序优化与空间释放[J].首都经济贸易大学学报，2017(5)：72-78.

dedecms.com

 

本文来自织梦

---

[1]CFPS数据中包括了农村居民的衣食住行以及教育医疗等各方面的支出，可以将数据中按月计算的消费转换成按年计算，然后将所有的消费项进行加总，求得人均消费和家庭总消费。

[2]分别利用White test和BP检验发现模型在1％的显著性水平下拒绝同方差的原假设，模型存在异方差。根据目前通用的做法，使用“OLS+稳健标准误”，而没有使用广义最小二乘法和加权最小二乘法。 本文来自织梦

[3]家庭人均消费支出和家庭消费总支出的平衡性基本一致，所以只列出了以人均消费支出为被解释变量的平衡性检验结果。

织梦内容管理系统

[4]实践中，如果使用不同方法计算的结果相似，说明结果比较稳健，如果差别较大则需要分析其原因，但关于差异大小的评价，笔者没有找到比较权威的标准。如果从定性分析的角度看，使用四种方法计算的结果都比较显著，结果基本一致。 本文来自织梦

[5]需要注意的是处理效应的估计值对于条件变量非常敏感，选择合适的条件变量对于倾向值匹配非常关键。虽然学者们提出了各种规则和方法，但是目前还没有确定无疑的方法。所以，对于本文用此方法得出估计值的大小需要谨慎看待。 内容来自dedecms

[6]因为数据的原因，无法获知农户具体的征地面积，只能依常识进行推断。

copyright dedecms