基于PVAR的農(nóng)民收入結構對耕地非糧化影響的實證研究

李婭婭 趙小風

摘要：城市化、工業(yè)化的發(fā)展，承包地三權分置的放活促使了耕地非糧化現(xiàn)象的加劇。利用PVAR模型，分析了農(nóng)民收入與耕地非糧化的動態(tài)關系，探討了農(nóng)民收入結構對耕地非糧化產(chǎn)生的影V向。結果表明，2002-2017年，耕地非糧化面積和非糧化率的變化趨勢基本一致，在不同階段受經(jīng)濟發(fā)展、國家政策等的影響展現(xiàn)出不同的特點。耕地非糧化主要受農(nóng)民工資性收入影響，家庭經(jīng)營性收入、財產(chǎn)性收入和轉(zhuǎn)移性收入對非糧化有顯著的積極作用，但對非糧化的長期貢獻率較小。

關鍵詞：PVAR;農(nóng)民收入結構;耕地非糧化

中圖分類號：F323.8;F323.1

文獻標識碼：A

文章編號：0439-8114（ 2020） 08-0210-04

D01：10.1408 8/j .cnki.issn0439- 8114.2020.08.047

中國作為一個人口大國，糧食安全仍是國計民生的重要問題。2019年中央一號文件明確提出要穩(wěn)定糧食產(chǎn)量，調(diào)整優(yōu)化農(nóng)業(yè)結構，堅持耕地農(nóng)用。隨著社會經(jīng)濟發(fā)展，農(nóng)民通過進城務工等多種方式增加了家庭收入，同時也由于缺少務農(nóng)勞動力導致耕地閑置、耕地撂荒，部分農(nóng)民選擇將土地轉(zhuǎn)包[1]。土地承包地三權分置政策的實施進一步放活了耕地經(jīng)營權，使得土地流轉(zhuǎn)的速度越來越快，經(jīng)營權大量集中在新型經(jīng)營主體（如企業(yè)、家庭農(nóng)場和職業(yè)農(nóng)民）手中，機械化和專業(yè)化提高了糧食生產(chǎn)效率，改變了小農(nóng)經(jīng)營的劣勢，促進了耕地規(guī)?；?jīng)營[2]。但是農(nóng)業(yè)新型經(jīng)營主體更趨向經(jīng)營經(jīng)濟效益更高的作物[3]，如種植花卉、油料作物、棉麻類、糖料、藥材和蔬果類等經(jīng)濟作物。適度非糧化有利于優(yōu)化農(nóng)產(chǎn)品供給結構，為消費市場供給多樣化農(nóng)產(chǎn)品，但過度“非糧化”將對國家糧食安全產(chǎn)生危害[4]。

現(xiàn)有對非糧化的研究多集中于非糧化現(xiàn)狀、影響和驅(qū)動因素方面。全國尺度上，非糧化面積不斷增加。截至2014年底，中國流轉(zhuǎn)耕地用于非糧化種植的面積達1 133萬hm2，占流轉(zhuǎn)總面積的43.2%，耕地“非糧化”形勢嚴峻，對糧食安全產(chǎn)生威脅[5]。省域尺度上，浙江省非糧化現(xiàn)象具有顯著的區(qū)域差異，沿海地區(qū)非糧化面積遠超內(nèi)陸地區(qū)[6]。從經(jīng)濟效益角度看，非糧化對經(jīng)濟增長具有正向驅(qū)動作用，經(jīng)濟發(fā)展的區(qū)域差異導致非糧化對經(jīng)濟增長的貢獻率存在區(qū)域差異，有研究根據(jù)定量分析表明非糧化對經(jīng)濟增長的驅(qū)動作用呈現(xiàn)倒“U”型趨勢[7]。從生態(tài)環(huán)境保護角度來看，非糧化直接導致了種植糧食作物的耕地面積減少，過度追求經(jīng)濟效益也會導致糧食產(chǎn)量減少、耕地質(zhì)量下降和土壤污染[8]。非糧化的本質(zhì)驅(qū)動力主要來自非糧種植用地需求、比較效益驅(qū)動和地方政府行為[9]，有研究基于時空尺度，從利潤、需求等經(jīng)濟效益角度分析非糧化的驅(qū)動力，認為用地方式不同而產(chǎn)生的利潤差異、土地利用開發(fā)建設需求的變化是非糧化的重要原因[10.11]。

現(xiàn)有研究指出了非糧化可能產(chǎn)生的經(jīng)濟效益以及對糧食安全和城市化發(fā)展帶來的挑戰(zhàn)。城市化和工業(yè)化的發(fā)展促進了農(nóng)民收入增加.改變了農(nóng)民的收入結構和農(nóng)業(yè)種植結構，為此有必要分析農(nóng)民收入結構與非糧化的動態(tài)關系，為合理控制非糧化現(xiàn)象、保障糧食安全提供借鑒。

1 研究方法與數(shù)據(jù)來源

1. 1研究方法

本研究選取PVAR模型作為基礎模型，分析農(nóng)民收入與非糧化之間的動態(tài)關系。PVAR模型具有VAR模型的優(yōu)點，將系統(tǒng)中每一個內(nèi)生變量作為所有內(nèi)生變量滯后值的函數(shù)，從而將單變量自回歸模型推廣到由多元時間序列變量組成的向量自回歸模型，檢驗單個內(nèi)在變量對自身和其他內(nèi)在變量變化產(chǎn)生的影響。本研究數(shù)據(jù)足以滿足PVAR模型估計的需要，因此PVAR模型比VAR模型更加方便可行，且有更高的參數(shù)估計可信度。

本研究采用的PVAR模型如下：

1.2 變量選取與數(shù)據(jù)來源

本研究選取2002-2017年中國31個省、直轄市、自治區(qū)的農(nóng)民收入數(shù)據(jù)和非糧化數(shù)據(jù)。農(nóng)民收入指農(nóng)村居民可支配純收入，包括包括工資性收入、家庭經(jīng)營性收入、財產(chǎn)性收入和轉(zhuǎn)移性收入，分別用xl、x2、x3和x4表示。耕地非糧化用非糧化面積和非糧化比例表示，非糧化面積為農(nóng)作物播種面積與糧食作物播種面積的差，耕地非糧化例為耕地非糧化面積占農(nóng)作物播種面積的比例，分別用y1和y2表示。數(shù)據(jù)來源于《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》和國家統(tǒng)計局各省、直轄市和自治區(qū)的歷年統(tǒng)計年鑒。

2 中國非糧化現(xiàn)象的變化

2002-2017年，耕地非糧化面積和耕地非糧化率的變化趨勢基本一致，都呈現(xiàn)先增長后下降再增長的變化過程，在不同的階段展現(xiàn)出不同的特點。耕地非糧化面積從2002年的50.74x10⁶hm2陜速增加到2003年的53.OOx10⁶hm2;耕地非糧化率也相應的從32.82%提高到34.78%。隨后由于農(nóng)業(yè)稅的全面取消，顯著降低了農(nóng)民從事農(nóng)業(yè)生產(chǎn)的成本，農(nóng)業(yè)補貼政策的增多也增強了農(nóng)民的積極性并增加了農(nóng)民收入[12]。從2004年開始，耕地非糧化面積和耕地非糧化率開始呈現(xiàn)顯著的下降趨勢，2007年耕地非糧化面積下降到44.39x10⁶hm2，耕地非糧化率也下降到29.52%。2007年后，耕地非糧化面積呈現(xiàn)波動增加的趨勢，至2017年達到48.34x10⁶hm2。工業(yè)化與城市化的發(fā)展為農(nóng)民提供了獲取工資性收入的途徑，提供了大量就業(yè)機會，間接導致了耕地撂荒現(xiàn)象的加劇。隨著耕地承包經(jīng)營權的逐步放松，農(nóng)民通過轉(zhuǎn)包將承包地流轉(zhuǎn)出去，特別是承包地三權分置工作的展開極大地促進了土地經(jīng)營權流轉(zhuǎn)，有利于規(guī)模化經(jīng)營，而經(jīng)營者在比較效益的驅(qū)使下更傾向于從事非糧化生產(chǎn)，即種植經(jīng)濟效益更高的油料作物、瓜果蔬菜、藥材等，相較而言比稻谷、小麥、玉米等糧食作物所獲得的經(jīng)濟效益高，非糧化面積呈現(xiàn)增加趨勢。耕地非糧化比例呈現(xiàn)小幅波動下降的趨勢，至2017年降低到29.06%。在非糧化面積不斷增加的同時非糧化比例卻有所下降，說明農(nóng)村土地整治和嚴格的耕地保護有效增加了耕地面積，保證糧食種植面積，滿足中國糧食安全的需要。

3 實證分析

3.1 平穩(wěn)性檢驗

為避免偽回歸現(xiàn)象的產(chǎn)生，確保模型估計結果的科學性和有效性，采用LLC檢驗和IPS檢驗對變量數(shù)據(jù)的平穩(wěn)性進行檢驗判斷。根據(jù)表1，原數(shù)據(jù)除了非糧化比例和財產(chǎn)性收入都不平穩(wěn)，對數(shù)據(jù)取對數(shù)并進行一階差分后數(shù)據(jù)平穩(wěn)，滿足單位根過程，為后續(xù)的PVAR計量分析奠定了可行性基礎。

3.2脈沖響應

圖2左邊是dlnyl對dlnxl、dlnx2、dlnx3及dl-nx4所受到?jīng)_擊后做出的反應，圖2右邊是dln2對dlnxl、dlnx2、dlnx3及dlnx4所受到?jīng)_擊后做出的反應。當分別給dlnxl和dlnx2 一個沖擊時，dlnyl在第1期的效應最大，隨后逐漸下降至平穩(wěn)，總體是正效應，表明工資性收入和家庭經(jīng)營性收入對非糧化面積的增長具有驅(qū)動作用。一方面，隨著工業(yè)化和城市化的發(fā)展，農(nóng)民進城務工現(xiàn)象越來越顯著，促進了農(nóng)民工資性收入增長，農(nóng)民選擇將無暇耕種的土地轉(zhuǎn)包給農(nóng)業(yè)大戶或者企業(yè)，為獲得更高的經(jīng)濟效益，花卉、水果、藥材等非糧種植往往是企業(yè)的首選;另一方面，現(xiàn)代農(nóng)業(yè)的發(fā)展提高了農(nóng)業(yè)生產(chǎn)率，增加了家庭經(jīng)營性收入，同時在比較效益的驅(qū)動下也推動了非糧化種植面積的增加。當給dlnx3 -個沖擊時，dlnyl在第1期為負效應，第2期轉(zhuǎn)為正效應，在第3期遞減后趨于平穩(wěn)。當給dlnx4 -個沖擊時，dlnyl在第1期為正效應，第2期遞減為負效應，在第3期遞增后逐漸趨于0，說明農(nóng)民財產(chǎn)性收入和轉(zhuǎn)移性收入的增加對非糧化面積的增加具有積極作用，但其長期效應受經(jīng)濟環(huán)境變化的影響。當給dlnxl -個沖擊時，dlny2在第2期的效應最大，隨后逐漸下降，在第8期后保持平穩(wěn)，總體是正效應，表明工資性收入對非糧化比例具有積極作用。當分別給dlnx2和dlnx4 -個沖擊時，dlny2在第1期的效應最大，隨后逐漸下降至平穩(wěn)，總體是正效應，表明家庭經(jīng)營性收入和轉(zhuǎn)移性收入對非糧化比例具有積極作用。當給dlnx3 -個沖擊時，dlny2在第1期為負效應，第2期轉(zhuǎn)為正效應并逐期遞減后趨于平穩(wěn)，表明財產(chǎn)性收入對非糧化比例有長期積極作用。

3.3 方差分解

方差分解是通過分析每一個結構沖擊對內(nèi)生變量變化的貢獻度，進一步評價不同結構沖擊的重要性。本研究利用方差分解考察PVAR模型中變量變動對其他變量的貢獻度，dlnyl和dlny2的方差分解結果見表2。

由表2可見，非糧化面積和非糧化比例在第1期只受到自身的影響，其中自身的方差貢獻率是100%，其他因素對非糧化面積和非糧化率的方差貢獻率則為0，從第2期開始，自身對方差的貢獻率開始減小，其他因素對其作用開始增大。農(nóng)民工資性收入對耕地非糧化面積預測誤差貢獻率由第1期起逐漸上升，到第10期預測誤差貢獻率為13.3%并保持穩(wěn)定;工資性收入對耕地非糧化比例預測誤差貢獻率由第1期起逐步上升，至第6期增加至3.go-/o后保持穩(wěn)定，說明工資性收入的增加，促使了非糧化程度的加劇。隨著經(jīng)濟發(fā)展、交通路網(wǎng)等基礎設施的完善，越來越多農(nóng)民選擇就近進城務工或者外出務工，兼業(yè)化現(xiàn)象越來越顯著，工資性收入占農(nóng)民總收入比例越來越高。隨著土地流轉(zhuǎn)政策的放松，耕地流轉(zhuǎn)面積越來越多，新型經(jīng)營主體為獲得更多經(jīng)濟效益，往往從事非糧化生產(chǎn)，使得非糧化現(xiàn)象越發(fā)嚴重。家庭經(jīng)營性收入、財產(chǎn)性收入和轉(zhuǎn)移性收入對耕地非糧化面積預測誤差貢獻率則基本從第2期開始保持穩(wěn)定，分別保持在0.3%、0.3%和0.5%，貢獻率較小。家庭經(jīng)營性收入對耕地非糧化比例預測誤差貢獻率從第5期開始保持穩(wěn)定在1.3%。財產(chǎn)性收入對耕地非糧化比例預測誤差貢獻率從第3期開始保持穩(wěn)定，且貢獻率較小，而轉(zhuǎn)移性收入對耕地非糧化比例預測誤差貢獻率則較高，從第6期保持在3.4%。

4 結論

本研究以2002-2017年31個省、直轄市、自治區(qū)的農(nóng)民收入和非糧化數(shù)據(jù)為研究對象，對農(nóng)民收入與非糧化的動態(tài)關系進行了分析，通過分析2002-2017年中國非糧化的變化趨勢，并根據(jù)農(nóng)民收入和非糧化數(shù)據(jù)進行脈沖響應和方差分解，得出如下結論。

2002-2017年，耕地非糧化面積和耕地非糧化率的變化趨勢基本一致，都呈現(xiàn)先增長后下降再增長的變化過程，在不同階段受經(jīng)濟發(fā)展、國家政策等的影響展現(xiàn)出不同的特點。根據(jù)PVAR模型結果，非糧化面積和非糧化比例主要受自身影響，其次主要受農(nóng)民工資性收入影響，家庭經(jīng)營性收入、財產(chǎn)性收入和轉(zhuǎn)移性收入對非糧化有顯著的積極作用，但對非糧化的長期貢獻率較小，說明農(nóng)民工資性收入越高，從事糧食生產(chǎn)的可能越低，耕地撂荒的可能性越高，非糧化面積及比例越高;同時家庭經(jīng)營性收入、財產(chǎn)性收入和轉(zhuǎn)移性收入的增長也對非糧化產(chǎn)生了長期影響。

參考文獻：

[1]楊子，馬賢磊，諸培新，等.土地流轉(zhuǎn)與農(nóng)民收入變化研究[J].中國人口·資源與環(huán)境，2017，27（5）：111-120.

[2]王善高，許昭耕地流轉(zhuǎn)規(guī)模對糧食生產(chǎn)技術效率的影響——基于小規(guī)模轉(zhuǎn)入戶與大規(guī)模轉(zhuǎn)入戶的對比分析[J].江蘇農(nóng)業(yè)科學，2019. 47（4）：305-309.

[3]蔡瑞林，陳萬明，朱雪春.成本收益：耕地流轉(zhuǎn)非糧化的內(nèi)因與破解關鍵[J]農(nóng)村經(jīng)濟，2015（7）：44-49

[4]祝洪章.耕地流轉(zhuǎn)“非糧化”及對糧食安全影響研究述評[J].人民論壇，2016（17）：82-84.

[5]劉鵬凌，李乾.耕地加速流轉(zhuǎn)存在的問題探析[J].宏觀經(jīng)濟管理，2016（2）：41-42，46.

[6]譚永忠，吳次芳，牟永銘.20世紀90年代浙江省耕地非農(nóng)化過程分析[J]地理科學，2004，24（1）：14-19.

[7]李曉龍經(jīng)濟增長與耕地非農(nóng)化的互動關系研究——以湖北省為例[D].武漢：華中農(nóng)業(yè)大學，2007

[8]楊志輝.農(nóng)村土地流轉(zhuǎn)對環(huán)境影響的機制及績效評價[J].中南林業(yè)科技大學學報（社會科學版），2018 .12（5）：31-36.

[9]葉宇航我國耕地非農(nóng)化的驅(qū)動因素研究[J.科學決策，2015（9）：33-50.

[10] SETO K C，KAUFMANN R K.Modeling the drivers of urban landuse change in the pearl river delta. China： Integrating remote sens-ing with socioeconomic data [Jl. Land Economics. 2003， 79（1）：106-121

[11] LEE L Factors affecting land use change at the urban-rural fringe[J_Growth and Change， 1979， 10（4）： 25-31.

[12]錢鑫，杜雪鋒.農(nóng)業(yè)補貼對土地規(guī)模經(jīng)營的影響機制[JJ.江蘇農(nóng)業(yè)科學，2019 .47（4）：286-291.

基金項目：國家自然科學基金面上項目（ 41871173）

作者簡介：李婭婭（1994-），女，安徽巢湖人，在讀碩士研究生，研究方向為土地利用與規(guī)劃，（電話）18260057356（電子信箱）1074137880@qq.com;通信作者，趙小風（1978-），男，湖北荊門人，副教授，博士，主要從事于土地經(jīng)濟與政策研究，（電子信箱）zhao-xf@126.com。