農(nóng)村集體建設(shè)用地市場化開放對我國經(jīng)濟(jì)的影響因素研究

王智子 程鐵信

(天津工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院 天津 300387)

一、問題分析

農(nóng)村集體建設(shè)用地是依法批準(zhǔn)的農(nóng)村居民住宅建設(shè)用地[1]。近年來城鎮(zhèn)化的發(fā)展和人口的遷移，造成了一方面大量農(nóng)村土地被閑置且無法使用，另一方面城市用地極其緊張的扭曲局面。農(nóng)村集體建設(shè)用地市場化是發(fā)展社會主義市場經(jīng)濟(jì)的內(nèi)在需要[2]。在中國城市建設(shè)用地稀缺的背景下，開展農(nóng)村集體建設(shè)用地市場化流轉(zhuǎn)是新一輪農(nóng)村土地改革的重要方向，對于顯化土地資產(chǎn)，提高集體經(jīng)濟(jì)水平以及農(nóng)戶收入具有重要的意義[3]。中共中央辦公廳和國務(wù)院辦公廳在2015年印發(fā)《意見》以來已有5年，挑選出能夠評估農(nóng)村集體建設(shè)用地市場化開放對我國經(jīng)濟(jì)發(fā)展的影響指標(biāo)至關(guān)重要。所以本文從33個試點(diǎn)行政區(qū)域中選取了北京市大興區(qū)、天津市薊州區(qū)、河北省定州市等十二個試點(diǎn)城市作為研究對象，通過建立數(shù)學(xué)模型，選取能夠評估農(nóng)村集體建設(shè)用地市場化開放對我國經(jīng)濟(jì)發(fā)展的影響指標(biāo)。

二、前期準(zhǔn)備

(一)數(shù)據(jù)的準(zhǔn)備

《意見》中設(shè)定了三十三個試點(diǎn)城市，為了找到真實準(zhǔn)確的數(shù)據(jù)且使得數(shù)據(jù)量足夠大，我們從中選取了北京市大興區(qū)、河南省長垣縣、河北省定州市、江蘇省常州市武進(jìn)區(qū)、安徽省金寨縣、山東省禹城市、海南省文昌市、天津市薊州區(qū)、山西省澤州縣、浙江省德清縣、廣東省佛山市南海區(qū)、云南省大理市共十二個試點(diǎn)城市，如表1所示，通過中國土地交易網(wǎng)、國家統(tǒng)計年鑒查找這十二個城市2015—2017年的地區(qū)生產(chǎn)總值、社會消費(fèi)品零售總額和當(dāng)?shù)氐呢斦杖搿⑷胧忻娣e、交易次數(shù)、面積比例。

(二)評價指標(biāo)

為了明確概念，本文對以下幾個概念進(jìn)行定義。

入市面積為該地區(qū)農(nóng)村集體土地進(jìn)行交易的總面積；

交易次數(shù)為進(jìn)行農(nóng)村交易的次數(shù)，且一宗土地的多次交易被視為多次獨(dú)立的土地交易；

面積比例指的是該地區(qū)進(jìn)行交易的土地面積與該地區(qū)總的土地面積之比。

三、建立模型

(1)樣本數(shù)據(jù)標(biāo)準(zhǔn)化

為了推到方便，首先對數(shù)據(jù)做標(biāo)準(zhǔn)化處理，設(shè)因變量和自變量經(jīng)過標(biāo)準(zhǔn)化處理后的數(shù)據(jù)矩陣分別為Y0和X0，即

(2)分別提取兩變量組的第一對成分T1和U1，并使之相關(guān)性最大

假設(shè)從兩組變量分別提出第一對成分為T1和U1，T1是自變量集X0的線性組合，U1是因變量集Y0的線性組合，即

(3)兩組變量分別對t1建立回歸方程

假定回歸模型為：

α1,β1為回歸系數(shù)向量，E1和F1為殘差矩陣。

(4)用殘差矩陣E1和F1代替X0和Y0，重復(fù)以上步驟

α2，β2分別為第二對成分的載荷量，從而得到對兩個成分的回歸方程：

(5)提取r對成分，建立偏最小二乘回歸方程

如此計算下去，假設(shè)提取了r個成分t1,t2,…,tr，得到對r個成分的回歸方程，再將tk代入上式，可以得到標(biāo)準(zhǔn)化變量的偏最小二乘回歸模型，再還原成原始變量的偏最小二乘回歸模型為

(6)偏最小二乘回歸分析與模型精度評價

偏最小二乘回歸方法是一種新型的多元數(shù)據(jù)統(tǒng)計分析方法，屬于線性建模方法中的一種，集合了主成分分析、典型相關(guān)分析和多元線性逐步回歸三者特點(diǎn)，能有效地解決樣本個數(shù)小于自變量個數(shù)、自變量之間的多重共線性的問題。該方法在自變量降維的同時，還考慮了目標(biāo)變量矩陣的作用，將壓縮與回歸相結(jié)合，對自變量、因變量均有較強(qiáng)的解釋能力。

偏最小二乘回歸方法中確定最優(yōu)的主成分個數(shù)非常重要，主成分個數(shù)過少、過多會分別導(dǎo)致欠擬合、過擬合的發(fā)生，會降低模型性能。

選取交叉驗證決定系數(shù)，交叉驗證均方根誤差、AIC三個參數(shù)衡量。R2越接近于1，說明模型的穩(wěn)定性越好、擬合程度越高；RMSEcv值、AIC值越小模型估算能力越好。

四、結(jié)果分析

(一)結(jié)果矩陣

表1 相關(guān)系數(shù)

表1為這6個變量的簡單相關(guān)系數(shù)矩陣，從中可以看出，土地入市面積與交易次數(shù)、入市面積比例是正相關(guān)的。從兩組變量間的關(guān)系看，稅收收入、地區(qū)生產(chǎn)總值、社會消費(fèi)品零售總額與入市面積與交易次數(shù)、入市面積比例都是正相關(guān)的。

(二)提取自變量組和因變量組的成分

根據(jù)標(biāo)準(zhǔn)化自變量組與成分的回歸分析結(jié)果和因變量組與成分的回歸分析結(jié)果，可得到各成分對方程組為

(三)交叉有效性檢驗

根據(jù)MATLAB程序中交叉有效性檢驗的結(jié)果可知，對自變量組和因變量組提取兩個成分對達(dá)到要求。表2給出偏最小二乘提取兩個成分解釋的百分比為95.27%，對因變量的解釋比率為28.05%，說明建模效果還是比較好的。

表2 偏最小二乘提取因子解釋的百分比

(四)標(biāo)準(zhǔn)化變量與成分變量之間的回歸方程

表3 標(biāo)準(zhǔn)化自變量組關(guān)于t的回歸分析結(jié)果

表4 標(biāo)準(zhǔn)化因變量組關(guān)于t的回歸分析結(jié)果

由表3和表4可得到標(biāo)準(zhǔn)化自變量組和因變量組關(guān)于t的回歸方程為

(五)因變量組與自變量組之間的回歸方程

表5 標(biāo)準(zhǔn)化數(shù)據(jù)的參數(shù)估計

由表5可以得到標(biāo)準(zhǔn)化指標(biāo)變量間的回歸方程為：

y1=33.706-0.1955x1+1.0924x2+58.9756x3

y2=247.0623-1.1729x1+8.3822x2+676.2913x3

y3=24.6449-0.4261x1+3.1348x2+261.5221x3

(六)模型的解釋與檢驗

圖1 標(biāo)準(zhǔn)化數(shù)據(jù)回歸系數(shù)直方圖

為了更直觀/迅速地觀察各個自變量在解釋yj(j=1,2,3)時的邊際作用，可以繪制如圖2所示的標(biāo)準(zhǔn)化回歸方程的回歸系數(shù)直方圖。

由圖1可以明顯看出，x2交易次數(shù)在解釋三個回歸方程時起到了重要的作用。且y1,y2,y3的回歸方程都比較理想，選取的三個自變量對因變量的解釋能力較強(qiáng)。

如果預(yù)測圖都能在圖的對角線附件均勻分布，那么該方程的擬合值與原值的差值就很小。土地入市面積、交易次數(shù)、面積比例在解釋三個回歸方程時都起到了極為重要的作用，且地區(qū)生產(chǎn)總值、社會消費(fèi)品零售總額和當(dāng)?shù)氐呢斦杖氲幕貧w方程都比較理想，三個自變量對它的解釋能力都很高。

五、總結(jié)與結(jié)論

通過偏最小二乘法回歸分析，在進(jìn)行交叉有效性檢驗時發(fā)現(xiàn)，提出的兩個成分對自變量組的解釋比率達(dá)到了95.28%，對因變量的解釋比率為28.05%，說明建模的效果比較好。最后得出結(jié)論：土地入市面積、交易次數(shù)、入市面積與土地面積之比在解釋三個回歸方程時都起到了極為重要的作用，且地區(qū)生產(chǎn)總值、社會消費(fèi)品零售總額和當(dāng)?shù)氐呢斦杖氲幕貧w方程都比較理想，三個自變量對它的解釋能力都很高。所以，農(nóng)村集體建設(shè)用地市場化開放對當(dāng)?shù)亟?jīng)濟(jì)發(fā)展中的地區(qū)生產(chǎn)總值、社會消費(fèi)品零售總額和財政收入有影響。

本文農(nóng)村集體建設(shè)用地市場化開放對我國經(jīng)濟(jì)的影響因素研究，可以為后續(xù)需要研究農(nóng)村集體建設(shè)用地入市的影響的學(xué)者提供參考。