黃土丘陵區農戶生計模式選擇研究*

李文輝 宋 宇

（西北大學經濟管理學院 陜西西安 710068）

一、引 言

黃土丘陵區農戶居住分散、環境惡劣、交通不便、人口素質相對低下，是我國生態環境脆弱、農民生活貧困的典型區域。隨著市場經濟和城鎮化發展，在比較利益驅使下，傳統農戶生計模式加速分化，由傳統單一的本地農業生計模式發展為多元生計類型，生計模式的變化使農戶收入水平、生活方式也發生了較大的變化。在這一過程中，農戶生計決策及其收入水平的制約因素有哪些，生計模式分化是否引發新的社會經濟問題，如何從制度和政策上促進農戶生計模式有效選擇，直接關系到黃土丘陵區農戶脫貧致富和提升未來生活質量途徑的選擇問題，以及生態環境保護等問題。

學術界對生計模式進行了不同的劃分。國外學者斯科恩斯（Scoones，1998）把生計策略分為三種類型，即農業生產的集約化或是粗放化、生計多樣化以及人員向外流動。近年來，國內學者逐漸關注生計模式的劃分。有學者研究了三峽移民的生計模式類型，如閻建忠（2010）等將三峽庫區移民生計類型劃分為純農戶、非農業收入占家庭總收入比例低于50%的一兼戶，非農收入占家庭總收入比例大于等于50%低于95%的二兼戶，非農收入占家庭總收入比例大于等于95%的非農戶等四種。也有學者研究了牧區農戶的生計模式，江進德、趙雪雁、張麗等（2012）研究農區、半農半牧區、純牧區農戶的生計策略并指出，純牧區農戶主要生計策略包括特色產品加工、做生意、現代畜牧業；農區和半農半牧區農戶主要生計策略則為做生意、外出打工和旅游服務業。一些學者側重于貧困地區農戶的生計模式劃分，例如李斌（2005）把寧夏鹽池縣農戶生計模式劃分為種植業生產活動與養殖業生產活動、農村商業活動、打工三種類型。李聰（2010）把西部貧困山區農戶生計分為打工與非打工兩種類型。蘇磊等（2011）指出陜北黃土高原農戶生計方式由單一的種植轉向養殖、林果業、外出務工、經商等多樣化生計方式發展。具體而言，黃土丘陵區農戶生產方式包括家庭種植、家庭養殖、農產品加工業、個體服務業、農產品貿易、本地打工、外地務工等。

本文依據陜北黃土丘陵區農戶的生計形態和收入結構將生計模式劃分為四種類型：一是本地農業生計模式（外出打工收入小于家庭總收入的10%），二是本地兼業生計模式（外出打工收入為家庭收入的 10%～50%），三是外出打工生計模式（外出打工收入為家庭收入的50%～99%），四是城市化非農業生計模式（外出打工收入是全部家庭收入）。本文除特別注明外，收入均指年收入。采用2013年調研所獲取的陜北黃土丘陵區400戶農戶的微觀層面數據，通過量化分析方法區分不同生計模式之間的收入差異、驗證生計模式分類的合理性并獲取影響分類的重要變量，進一步獲取不同生計模式下影響收入的重要變量，以對農戶生計模式選擇以及收入水平提高、農業生計模式收益提高提出政策建議。

本文的創新點主要表現為：第一，已有研究成果側重于從生產方式上劃分生計模式，本文在借鑒現有研究成果的基礎上，首次采取樣本農戶問卷調查獲取黃土丘陵區400戶農戶生計模式的微觀數據，進一步從收入結構視角對生計模式進行分類，運用森林分類算法驗證其生計模式分類的合理性。第二，綜合運用了描述性統計法、隨機森林分類算法、隨機森林回歸算法等對農戶生計模式影響因素進行模擬估計并構建不同生計模式下收入水平的回歸模型，深入分析了農戶生計模式選擇及收入水平影響因素。第三，分析農戶生計模式選擇所引發的社會經濟問題，特別是農業生計模式弱化以及農業產業萎縮問題，為促使各種生計模式形成良性組合，進而為生態環境保護創造條件。

二、研究設計及數據來源

（一）變量選取

生計模式的選擇受到生計資源的影響。基于英國國際發展部（DFID，2000）提出的可持續生計框架，生計資源包括自然資源、物質資源、金融資源、人力資源等。土地是農戶賴以生存的重要自然資源，本文選取耕地資源及利用表示農戶的自然資源；物質資源是指生計所需要的基礎設施和固定資產等相關物質條件，基礎設施對于農戶個體而言沒有變化，農戶的生產工具差異小，考慮到家庭住房對于農戶生計選擇的影響在于其相對位置，特別是黃土丘陵區的經濟地理特征，本文以相對地理位置衡量房屋物質資源的價值；金融資源是指農戶可以支配的資金儲備以及可以獲得的其他形式的經濟支持，本文以家庭收入結構及水平來表示；人力資本是農戶生計資產中的重要內容之一。退耕還林以及生態遷移政策作為政府改善區域生態環境和農戶生計條件的政策，對于該地區農戶有重要影響，也作為問卷組成部分。因此，農戶生計模式影響因素調查問卷內容由收入結構及水平、政策有關家庭特征、家庭人口結構、勞動力人力資本、耕地資源及利用等6個部分組成。收入結構及水平是本文進行生計模式分類的依據，屬于因變量；其他5個部分變量是引起生計模式變化的因素，屬于自變量。

變量選擇分析如下：

（1）農戶收入結構：吳敬璉（2002）、葉彩霞（2010）等眾多學者研究認為，20世紀90年代以后農民收入來源由以農業為主的家庭經營收入向多元化方向發展，非農收入成為農民收入增長的主要途徑，并指出非農收入包括勞動報酬性收入（工資性收入）、轉移性收入以及財產性收入等方面。結合黃土丘陵區農民收入實際來源，將農戶收入劃分為外出務工收入、種植收入、養殖收入、政府轉移收入、租賃土地收入以及其他收入等6個部分，其中政府保障收入包括農村低保戶收入、農村養老金以及退耕還林補償等，其他收入包括加工業收入、銷售收入等其他收入。

（2）根據 1999年以來陜北黃土丘陵區實施的退耕還林工程以及近年來實施的政府遷移工程，提出把政策有關的家庭特征細分為是否退耕區、是否退耕戶、是否遷移政策區、是否遷移戶4個變量。

（3）包括戶主年齡、家庭人口數、未成年子女數、在學子女數在內的家庭人口結構都可能對生計模式的選擇構成影響，因此產生了相應的4項變量。

（4）勞動力人力資本包括勞動力數量與質量。就人力資源質量而言，諸多研究認為人力資源質量對于收入有正向影響。如舒爾茲等（Schultz，1965、1971）研究發現，人力資源質量提高是個人收入增長和收入分配差別的根本原因。加里·S·貝克爾（Gary S Becker，1987）認為，在同年齡組的人口中，一個人的受教育程度越高，其收入水平也越高。巴萊特等（Barrett,C；2001)的研究均證實，不同發展中國家的教育水平與工資性收入之間的關系仍是顯著正向的。漢森（Hanson，1971）等人的研究發現，農業經營者的工資性收入隨著其文化程度的提高而提高。還有一些研究認為人力資源質量與生產方式選擇有正向關系。如本杰明等（Benjamin et al，2000）研究表明，受過良好教育的農民能更好地利用經濟轉型的機會。任國強（2004）等研究證明，農村勞動力文化程度越高，勞動收入的抗干擾能力和抗波動力越強，就越傾向于非農就業，獲得的非農收入也越高。本文勞動力人力資本的構成包括勞動力數、平均年齡、平均受教育年限、本地就業人數等變量。

（5）家庭距離城鎮距離亦即家庭相對地理位置，影響農戶耕種便利性、市場參與性、信息和人力資源流動的便捷性以及農戶多元化選擇的意識 ，進而影響生產方式以及生活方式的選擇。因此，將家庭距中心城鎮距離作為影響生計模式選擇的變量。

（6）耕地是農戶賴以生存的農業生產資料，耕地的數量、結構以及生產能力直接影響農戶生產方式的選擇。根據黃土丘陵區地貌特征和農戶使用耕地狀況細分出 16項耕地資源的變量。變量選取如表1。

表1 農戶生計模式、收入水平及其影響變量

續表1

（二）問卷調研及回收

對于黃土丘陵區農戶生計與收入問題，政府缺少系統的統計數據，為彌補這一缺陷，我們采取隨機抽樣入戶問卷調查獲得黃土丘陵區農戶生計模式的相關數據。實證數據來源于調查小組于2013年1月26日—2月8日在陜北三個縣開展的隨機入戶調研。調研選取的清澗縣、綏德縣、米脂縣等三縣均屬于陜北黃土丘陵區的代表性區域，根據地理特征的差異性和代表性，各縣分別選取5個鄉鎮，然后根據地圖以15個鄉鎮的自然村為單位，實地調查采用各自然村隨機抽樣入戶“一對一”問答式調查。因一部分外出打工的農戶沒有返鄉，調研小組特意安排于春節前趕赴農戶家中進行調研。調查工作小組由西北農林科技大學資源環境學院、西安財經學院、延安大學管理學院的教師 10人組成，調查發放問卷500份，回收問卷400份，回收率為80%。

三、數據運算及分析

（一）四種生計模式基本信息統計及變量對于生計模式選擇影響分析

運用R軟件進行描述性統計獲取四種生計模式統計的基本信息，并運用方差分析法評價四種生計模式之間的顯著關系（林偉初，2009），如表2。

表2 四種生計模式的基本信息（平均值）

續表2

從生計模式結構來看，本地農業生產模式的農戶有96戶，占比27%，本地兼業生產模式的農戶為24戶，占比7%，外出打工生計模式的農戶為220戶，占比63%，城市化非農業生計模式的農戶為10戶，占比2.9%。樣本數據顯示，大多數農戶采取外出打工生計模式或維持原農業生計模式。

以收入水平與生計模式的關系來看。本地農業生計模式收入水平與其他三種存在顯著性差異，四種生計模式家庭收入水平依次呈遞增態勢，分別為1.45萬元、4.69萬元、4.73萬元、9.9萬元。采取農業生計模式的家庭平均收入水平很低，平均僅僅能夠解決溫飽問題，外出打工生計模式平均勞動力收入水平低于兼業生計模式。

從政策有關家庭特征來看，陜北黃土丘陵區總體上屬于退耕還林地區，半數以上的家庭參與了政府退耕還林工程；遷移政策覆蓋面還很小，僅有不足10%的家庭屬于遷移戶。

從家庭人口結構來看，從“1”類到“4”類，戶主平均年齡呈現年輕化趨勢；家庭人口多的農戶更多選擇外出打工生計模式；未成年子女多的家庭更多采取外出打工生計模式以及城市化非農業生計模式。

從勞動力人力資本方面看，勞動力人數多、勞動力相對年輕且接受教育較多的農戶選擇外出打工或者城市化非農生計模式居多；年齡偏大、教育程度低的農戶多選擇農業生計模式。

從家庭距中心城鎮距離來看，距離城鎮遠的農戶分別選擇兩種完全不同的生計模式，即農業生計模式或者城市化非農生計模式；距離城鎮較近的農戶多選擇外出打工生計模式。

從耕地資源方面來看，陡坡地平均占耕地的70%以上；擁有耕地數量多并且耕地資源質量較好的農戶選擇農業生計模式與兼業生計模式居多，反之，則選擇外出打工生計模式或者城市化非農生計模式；租用他人耕地、耕地利用率高且能夠利用耕地多元化種植的農戶以兼業生計模式居多。采取兼業生計模式的農戶能夠更有效地利用本地耕地資源發展多元化種植業；農業生計模式農戶主要以自有耕地為主進行傳統種植。

綜上，勞動力年輕、接受教育程度高且能夠外出打工、未成年子女較多、距離城鎮近、耕地資源缺乏吸引力的農戶選擇外出打工生計模式，其中相當少數收入水平較高且距離城鎮遠的外出打工農戶則選擇向城市化非農生計模式轉化；年齡偏大且接受教育程度低、距離城鎮遠、人均土地數量多的農戶選擇以傳統耕種維系生活來源的農業生計模式；勞動力年富力強且具農業種植經驗、接受過一定的教育、耕地資源良好、能夠有效利用當地資源多元化發展的少數農戶則能夠從農業生計模式成功轉化為兼業生計模式。

（二）隨機森林算法運用于生計模式分類以及分類中變量重要性的分析

隨機森林算法（random forest）是由布雷曼和卡特勒（Breiman和Cutler，2001）提出的一種基于分類樹的算法。通過對大量分類樹的匯總提高了模型的預測精度，是取代神經網絡等傳統機器學習方法的新模型。隨機森林方法除在處理大數據方面具有優勢外，不需要顧及一般回歸分析面臨的多重共線性問題，不需做變量選擇，同時能夠給出所有變量的重要性。隨機森林主要用于分類算法和回歸算法。其中回歸算法包括兩種方法：一種是基尼系數法，另一種是預測精度法，兩種方法都能夠進行變量重要性的評價。因此，本文分別運用兩種方法對分類影響變量的重要性進行評價，運用預測精度法評價不同生計模式下影響收入的變量重要性。

1、運用隨機森林對四種生計模式分類進行判別

本文運用隨機森林分類算法，鑒別出本地農業生計模式、本地兼業生計模式、外出打工生計模式以及城市化非農業生計模式四種生計模式。隨機森林分類生成的混淆矩陣如表3。

表3 隨機森林用于分類時的混淆矩陣（Confusion matrix）

統計顯示，相對于本文界定依據收入結構統計的四類生計模式實際數量，運用隨機森林分類算法進行分類的總誤差為19.71%。說明本文界定的四類生計模式是可行的，同時運用隨機森林進行分類判別的效果是可以接受的。

2、運用隨機森林進行影響分類的變量重要性分析

運用隨機森林進行變量重要性分析是通過擾動這些變量對精確度及基尼系數的影響大小而進行判斷的。預測精度法衡量把一個變量的取值變為隨機數，隨機森林預測準確性的降低程度。該值越大表示該變量的重要性越大。基尼系數法通過基尼指數計算每個變量對于分類樹每個節點上觀察值異質性的影響，從而比較變量的重要性。該值越大表示該變量的重要性越大。

圖1（上、中、下）隨機森林擬合數據時的變量重要性

圖1（上）顯示了各個變量對NSP四個水平的相對影響，后兩列即圖1（中）及圖1（下）分別展示了擾動這些變量對Accuracy及基尼系數的影響。外地打工人數（joou）對于生計模式分類的影響最為重要，比較重要的影響指標還有家庭人口數（nufa）、戶主年齡（aghe）、勞動力平均年齡（agla）、勞動力平均受教育年（edla）、勞動力數（nula）、本地就業人數（jolo）、耕地數（lanu）、自有耕地數（laow）、陡坡農作物數（stla_pl）。

進一步分析可知：外地打工人數直接影響著打工收入水平、從而影響收入結構以及生計模式；家庭人口數量多，特別是家庭勞動力數量多、戶主以及勞動力較年輕的家庭產生剩余勞動力相對較多，年輕的剩余勞動力通常會選擇外出打工的生產方式，因此，家庭人口數量、勞動力數量、戶主以及勞動力年齡與生計模式選擇直接相關；本地就業人數直接影響著本地收入水平、從而影響收入結構以及生計模式；耕地是農戶最基本的生產資料，也是農戶傳統生產的主要收入來源，耕地數量越多的農戶通常情況下會優先選擇農業生計模式，與此相反，耕地數量較少的農戶由于缺乏農業生產要素（耕地）而選擇外出打工生產模式；自有耕地數量多的家庭通常會考慮沉沒成本較大或者規避外出打工風險從而選擇農業耕種；陡坡農作物投入產出比很低，陡坡耕地數量較多且不能有效利用的家庭通常會放棄陡坡耕種而選擇外出打工生產模式。因此，隨機森林擬合數據的變量重要性程度進一步支持描述統計結果。

（三）不同生計模式收入水平影響因素分析

作為理性經濟人的農戶行為選擇的一個基本原則就是提高收入水平，因此，進一步研究不同生計模式下農戶收入水平的影響因素對于引導農戶行為選擇非常必要。本文選用隨機森林回歸算法中的預測精度法比較變量重要程度，見表4。

表4 四類不同生計模式收入水平的變量影響程度分析

根據表4變量重要性的排序結果，對于不同生計模式收入水平影響最重要的變量是：（1）“1”類中，外地打工人數、戶主年齡、勞動力平均受教育年限、陡坡生態林對于收入水平有重要影響；勞動力年齡、耕地數對收入水平影響也較大。其中，戶主年齡、勞動力年齡為不可改變的因素，因此外地打工人數、勞動力受教育年限、陡坡生態林、耕地數量的改變是能夠影響收入水平的主要變量。（2）“2”類中，勞動力平均受教育年、外地打工人數、陡坡經濟林對于收入都有重要影響；耕地數、家庭人口數對收入水平影響也較大。（3）“3”類中，外地打工人數、勞動力平均年齡、勞動力平均受教育年限、耕地數、家庭人口數量、戶主年齡、勞動力數量對于收入有重要影響；自有耕地數、距城鎮距離均對收入有著比較重要的影響。其中，家庭人口數量、勞動力平均年齡、戶主年齡、勞動力數量是客觀存在因素，可通過改變外地打工人數、勞動力平均受教育年限、耕地數、距城鎮距離等變量影響收入水平。（4）“4”類中，勞動力平均受教育年限、勞動力數量、勞動力平均年齡、外地打工人數等4個因素對收入有重大影響。家庭人口數、家庭距城鎮距離對于收入水平有著較重要的影響。其中，可以改變的因素包括勞動力平均受教育年限、外地打工人數、家庭距城鎮距離。表4數據分析獲取了影響不同生計模式收入水平的重要變量。同時可以發現，勞動力平均受教育年限、外地打工人數在四類農戶中對收入都有重大的影響。

四、數據運算結果分析及政策建議

（一）數據運算結果分析

第一，描述性統計分析可知，（1）本地農業生計模式的家庭收入水平與其他三種存在顯著性差異，即遠遠低于其他三種生計模式，同時城市化非農業生計模式的收入水平最高，其次是本地兼業生計模式。主要原因在于本地農業仍以傳統農業為主，地塊狹小分散，難以產業化，農業基礎性收入水平偏低的狀況很難改變。（2）戶主及勞動力年齡偏大、勞動力平均受教育年限偏短、外出打工人數少、未成年子女數與學齡子女數量少、家庭距中心城鎮距離較遠、耕地資源多的農戶更多選擇農業生計模式，反之，選擇其他三種生計模式。其中，勞動力年富力強、接受過一定的教育、租用他人耕地、耕地利用率高、能夠有效利用當地資源多元化發展的少數農戶能夠選擇兼業生計模式，比例僅為7%。

第二，隨機森林擬合運算結果分析可知，外地打工人數、家庭人口數、戶主年齡、勞動力平均年齡、勞動力數、本地就業人數、耕地數、自有耕地數、陡坡農作物等變量均對生計模式分類產生強相關性。家庭人口數、勞動力數與外出打工人數多，戶主年齡、勞動力平均年齡較小、勞動力受教育年數長、本地就業人數少，耕地數與自有耕地數量少，陡坡農作物數量多的農戶多選擇外出打工或者城市化生計模式。

第三，不同生計模式收入水平影響因素分析可知，勞動力平均受教育年、外地打工人數在四類農戶中對收入都有重大的影響；其次，耕地數對于Ⅰ類、Ⅱ類、Ⅲ類收入水平都有較重要的影響；距城鎮距離對于“3”類、“4”類收入水平具有重要的影響；最后陡坡生態林對于“1”類、陡坡經濟林對于Ⅱ類收入水平有著重要的影響。

以上分析可知，第一，農業生計模式收入水平遠遠低于其他生計模式，可以說農業生計模式已經陷入困境。第二，人力資本存量相對較高的農戶更多選擇非農或者兼業生計模式；而受到年齡約束、教育約束以及人口結構約束的人力資本存量低的農戶則被動地選擇農業生計模式。第三，生計模式的選擇以及不同生計模式收入水平受到諸多因素的影響。

結合其他研究可以發現，第一，鑒于農業生計模式收入偏低，基于比較利益，73%的農戶放棄本地農業生計模式而選擇兼業生計模式以及非農生計模式。第二，占比僅為 7%的本地兼業生計模式同時進行農業以及農產品加工業、多種種植業和養殖業以及本地打工等多種生產方式，其相對收入水平較高，生活方式穩定且對于本地經濟發展有利（國家統計局，2015）。第三，盡管占比 63%的農戶選擇的外出打工生計模式收入水平較高，可隨之次生的留守兒童、留守老人甚至夫妻兩地分居的問題普遍存在，以及與其“非市民化”的身份差異同時存在的社會保障差異等問題，嚴重影響了正常的生活秩序和質量，屬于社會轉型期不穩定的生計模式（石智雷等，2015）。第四，城市化非農業生產模式的人口在城鎮或者城市中生活安定，社會保障程度高、生活滿意程度較高。著眼于長期生活質量提高的生計模式選擇，外出打工生計模式在條件許可時向城市化非農業生計模式轉化是必然選擇。

（二）農戶生計模式選擇的進一步分析及政策建議

基于比較利益，農戶放棄農業生計模式而選擇其他生計模式將有經濟必然性，同時農業生計模式的人力資本在不斷下降，這有可能進一步阻礙黃土丘陵區農業產業發展并加劇黃土丘陵區農業產業萎縮。黃土丘陵區農戶生計模式選擇中出現的不均衡現象其根源在于農業收益與第二、第三產業收益的嚴重不均衡，提高農業收益并促進農業生計模式與其他生計模式之間利益達到新的“均衡點”是解決農業產業弱化的根本。針對農戶生計模式“一邊倒”的分化現狀以及帶來的社會經濟問題，政府需要面對農業生計模式“被冷落”、面對受年齡約束、知識約束、人口結構約束而選擇農業生計模式的農戶，應從政策層面確保農戶擺脫農業生計模式收入水平偏低的困境以促進農業持續發展，為生態環境保護創造有利條件。

由于本地農業生計模式與其他三種生計模式存在顯著性差異且已陷入困境，因此，本文重點研究本地農業生計模式擺脫生計困境及農業產業弱化的政策建議。這包括：

第一，建立農業生計收入不斷增長的政策保障機制。除農產品缺乏價格彈性，工農產品“剪刀差”加大造成農產品比較效益低之外，由于受區域自然稟賦的影響，黃土丘陵區小面積農作物無法機械耕作，農業比較利益更低，農戶生活普遍處于貧困狀態。必須建立農業生計收入不斷增長的政策保障機制，以保證農戶能有穩定的收入增長機制（李文蓮等，2010）。政府應該針對黃土丘陵區建立特殊貧困區域農民收入補貼政策（包括直接補貼、價格補貼、保險補貼、提高最低生活保障標準等）。

第二，加大退耕還林政策傾斜以提高退耕戶的收入水平。旨在改善生態環境的退耕還林工程占用了農戶的耕地資源，因而退耕還林經濟補償直接關系到農戶的經濟利益。具體對策建議：（1）政府提高退耕還林補償標準；（2）增大退耕還林中農戶自主性；（3）地方政府科學引導退耕還林，促進林果產業鏈發展（李文輝，2014）。

第三，對于偏遠區域的農戶實施政府遷移工程。對于不適于生活生產與市場行為的偏遠區域農戶實施政府遷移工程，通過遷移縮短農戶與城鎮距離形成相對聚集，改變生產與生活條件。

（三）結論與啟示

黃土丘陵區是我國生態環境脆弱、農民生活貧困的典型區域。生計模式選擇及其對策研究直接關系到黃土丘陵區農戶脫貧致富和提升未來生活質量的問題，同時也關系到黃土丘陵區農業產業健康發展的問題。黃土丘陵區覆蓋山西、陜西北部、以及甘肅、青海、寧夏、河南、內蒙古等省 46個地市，本文研究陜北黃土丘陵區農戶生計模式選擇及其政策建議，對于整個黃土丘陵區農戶生計模式選擇的研究以及政府職能行為均有借鑒意義。

我們的主要發現是，農戶主要采用農業生計模式、本地兼業生產模式、外出打工生計模式以及城市化非農業生計模式。本地農業生計模式的家庭收入水平遠遠低于其他三種生計模式；影響黃土丘陵區農戶生計模式選擇和收入水平的因素是多元化的，其中，教育年限與收入水平以及生計模式的選擇具有強相關性；耕地數、自有耕地數、租種地、平地農作物、平地生態林、平地畝數對于收入水平以及生計模式選擇具有強相關性；勞動力數、外地打工人數對于收入水平以及生計模式選擇具有重要影響，本地就業人數對于收入水平具有重要影響；同時，陡坡地以及平地數量對于收入有強相關作用。

特別應該注意的是，從四種生計模式比較可知，農業生計模式正在陷入困境。有著常態化發展趨勢的基于比較利益的農戶非農生計模式選擇以及農業生計模式的人力資本的不斷下降將進一步加劇黃土丘陵區農業產業弱化。我們重點針對本地農業生計模式維系進行了研究，提出了具有黃土丘陵區特殊環境屬性的提高退耕還林補償、偏遠區域農戶搬遷、以及建立農業生計模式收入不斷增長的保障機制的政策建議。政府應制定并實施有效政策，促使農業與其他生計模式達到新的利益“均衡點”，以提高農業生計模式的收益、實現農業持續健康發展和生態環境保護的良性循環。

1. 國家統計局陜西調研總隊課題組：《農村土地制度變遷對糧食生產影響的實證分析》[J]，《調研世界》2015年第4期。

2. 加里·貝克爾：《人力資本》[M]，北京大學出版社，1987年。

3. 江進德、趙雪雁、張麗等：《農戶對替代生計的選擇及其影響因素分析》[J]，《自然資源學報》2012年第4期。

4. 李斌：《生態家園富民工程“三位一體”項目對寧夏鹽池縣農戶生計影響的研究》[D]，北京農業大學博士論文，2005年。

5. 李聰：《勞動力外流背景下西部貧困山區農戶生計狀況分析——基于陜西秦嶺的調查》[J]，《經濟問題探索》2010年第9期。

6. 李文蓮、王粲：《農業收入的恒常規律及其破解對策》[J]，《新視野》2010年第3期。

7. 李文輝：《陜北黃土丘陵區退耕還林中政府職能與農戶利益協調機制研究》[J]，《西安財經學院學報》2014年第2期。

8. 林偉初：《概率論與數理統計》[M]，同濟大學出版社，2009年。

9. 任國強：《人力資本對農民非農就業與非農收入的影響研究》[J]，《南開經濟研究》，2004年第3期。10. 蘇磊、付少平：《農戶生計方式對農村生態的影響及其協調策略——以陜北黃土高原為個案》[J]，《湖南農業大學學報》2011年第3期。

11. 石智雷、薛文玲：《中國農民工的長期保障與回流決策》[J]，《中國人口·資源與環境》2015年第3期。

12. 吳敬璉：《農村剩余勞動力轉移與“三農”問題》[J]，《宏觀經濟研究》2002年第6期。

13. 閻建忠、卓仁貴、謝德體、張鏡鏗：《不同生計類型農戶的土地利用——三峽庫區典型村的實證研究》[J]，《地理學報》2010年第11期。

14. 葉彩霞、施國慶、陳紹軍：《地區差異對農民收入結構影響的實證分析》[J]，《經濟問題》2010年第10期。

15. Benjamin, D., Brandt, L. & Glewwe, P. et al. “Markets, Human Capital and Inequality: Evidence from Rural China, Inequality Around the world”, [D], Edited by Richard B. Freeman, Palgrave Macmillan in Association with International Economic Association,2000,134:87～127.

16. Breiman L. “Random Forests”[J], Machine Learning, 2001,45(1).

17. Barret, C., Reardon, T.& P. “Nonfarm Income Diversification and Household, A Livelihood Strategies in Africa: Concepts, Issues and Policy Implications” [J], Food Policy, 2001,26(4): 315～331

18. DFID, Sustainable Livelihoods Guidance Sheets [R], London:Department for International Development,2000:68-125.

19. Hanson, R.J. “Nonfarm Income Earned by Commercial Farm Operators in Central Illinois.[J], American Journal of Agricultural Economies, 1971, 53(l):103～105.

20. Theodore W. Schultz. “Investing in Poor People: An Economist's View”[J], American Economic Review,1965, 40:510～520.

21. Theodore W. Schultz. Investment in Human Capital: The Role of Education and of Research [M], New York: Free Press.1971: 278～326.

22. Scoones, I. 1990. “Investigating the Difference: Applications of Wealth Ranking and Household Survey Approaches Among Farming Households in Zimbabwe”[J], Development and Change.