近年来，在可持续发展与包容性发展理念下，中国农村的反贫困方式被赋予了新的内涵，即由原来通过财政转移支付的输血式扶贫政策，转变为通过教育和培训来使农民获得均等公平的发展机会的政策。虽然政府在不遗余力地开展农村劳动力培训，但农户接受过培训的比例并不高。在云南省全部样本农户中，接受过培训的劳动力比例在21.95%左右；其中，民族地区农村劳动力的培训比例为22.33%，贫困地区农村劳动力的培训比例仅有16.67%。以往对培训效应的研究中存在许多问题，包括：（1）通过异质性工具变量模型来估计培训收益率，只考虑了个体异质性与选择性偏差，没有考虑村庄异质性的影响；（2）强调培训对劳动者个体本身的贡献，忽视对整个农村家庭的影响；（3）国内的实证研究主要面向发达地区的数据，而没有关注到中国反贫困重点的西部民族地区。（4）强调对培训收益率的估计分析，较少的关注农民对培训项目的参与度。因此，论文充分考虑了上述问题，强调以农村家庭为基本研究单位，对云南省农村的劳动力培训问题进行全面分析，主要包括3项研究内容：农村家庭对劳动力培训的参与度分析；农村家庭对培训的选择；以及农村家庭培训收益的估计方法研究与实证分析。考虑到云南省的民族特色和地区发展不平衡特性，对每一项研究内容都基于全省、民族地区和贫困地区分别进行研究。数据来自云南省2008年农村家庭住户调查。首先，农村家庭对劳动力培训的参与度分析主要从描述性分析角度研究全省、民族地区和贫困地区农村家庭的劳动力现状和农村家庭接受培训的情况。研究显示，基于户数计算的全省的农户受训比例为29.40%，民族地区为28.52%，但贫困地区农户的受训比例（22.12%）明显低于全省水平。接受培训的农户仍然主要以政府组织培训的方式为主。未接受培训的原因则主要是本地没有劳动技能培训以及其他，数据中高比重的“其他”表明存在某些未被观测到的因素使得农户未接受培训。其次，农村家庭对培训的选择主要从建模的角度分析影响农村家庭是否接受培训这一选择的重要变量，并形成对愿意接受培训的农户的特征概括。由于农户的培训选择是一个分类变量，建模过程除使用经典的Logistic回归以外，还使用了2种机器学习方法，即决策树和随机森林方法。研究发现存在以下4个影响着农户的培训选择的重要变量：L5农村家庭劳动力平均受教育年限、K2生产性固定资产中第一产业的比重、F1家庭成员中是否有村干部、V1₁和V1₂村庄地势。最后，对农村家庭培训收益的估计则是基于Neyman-Rubin反事实框架进行的。在不同的假定之下，论文分别使用了OLS估计、干预效应模型和匹配估计量3种方法估计了农村劳动培训的各种干预效应，包括：平均处理效应ATE、干预组的平均处理效应ATT和非干预组的平均处理效应ATU。估计结果表明OLS方法不考虑选择变差和异质性，对培训效应的估计偏低；而匹配估计量方法仅考虑选择偏差没有考虑异质性，对培训效应的估计可能偏高；相对而言，既考虑了选择偏差又考虑了异质性的干预效应模型，其估计的干预效应更为合理。基于干预效应模型估计的全省劳动力培训的ATE为15.37%，民族地区的ATE为11.36%，贫困地区的ATE为9.02%，云南省的农村劳动力培训确实对增加了农户的收入。另外，由于民族地区和贫困地区都具有很高的ATT，表明这两类地区的受训农户是培训的最大受益者，应当增加对民族地区和贫困地区的培训。