農(nóng)村生態(tài)環(huán)境對耕地撂荒的影響
——以CHIP2018 數(shù)據(jù)為例

周海文

（中國自然資源經(jīng)濟研究院自然資源與生態(tài)評價研究所，北京 101149）

耕地作為糧食生產(chǎn)的“命根子”，為國家糧食安全作出了重大貢獻，中國以全球9%的耕地，生產(chǎn)了世界25%的糧食，養(yǎng)活了世界近20%的人口。改革開放以來，土地、勞動力、機械和化肥等投入要素中，土地對農(nóng)業(yè)產(chǎn)值的要素投入彈性最高［1］。2003—2016 年中國糧食“十二連增”輝煌成績背后，播種面積對糧食增產(chǎn)的年均貢獻率達到30%以上［2］。其中，在糧食主產(chǎn)區(qū)，播種面積對糧食產(chǎn)出增長的貢獻率呈逐年遞增趨勢，由1990—1998 年的3.1%增加到2008—2016 年的16.7%，增長高達4.4 倍［3］。由此可知，保護耕地是保障糧食安全的根基，保持和擴大糧食播種面積，不僅能夠?qū)崿F(xiàn)耕地資源的高效利用，而且是提升糧食產(chǎn)量的重要路徑，最終才能將糧食安全飯碗牢牢端在自己手中。

隨著城市化建設(shè)不斷推進，資本下鄉(xiāng)、勞動力非農(nóng)就業(yè)不斷轉(zhuǎn)移，造成農(nóng)村“空心化”和農(nóng)業(yè)“老齡化”現(xiàn)象明顯，導(dǎo)致中國耕地撂荒呈現(xiàn)程度不斷加深與范圍不斷擴大的趨勢，逐步由個別省份擴大到全國區(qū)域、由政策性拋荒向結(jié)構(gòu)性拋荒轉(zhuǎn)變［4，5］，全國耕地撂荒比例從2002 年的0.32%上升到2013 年的5.72%，最后發(fā)展到2019 年的20%左右［6，7］。僅在2017 年，全國棄耕撂荒667 萬hm2以上，高達95%的縣域存在棄耕撂荒現(xiàn)象，其中，撂荒率超過10%的縣域占全國總數(shù)的30%以上，造成損失糧食高達5 027.9萬t，比當年山東省糧食總產(chǎn)量多304.7萬t［8，9］。由此可知，在全球糧食生產(chǎn)和貿(mào)易供應(yīng)緊張的不利背景下，必須依靠國內(nèi)生產(chǎn)來滿足糧食需求，而耕地大面積撂荒不僅造成土地資源浪費和永久性退化，而且嚴重威脅到國家糧食安全和社會穩(wěn)定。

通過上述分析，厘清農(nóng)戶耕地撂荒行為的決策機制，有效利用耕地資源和保障國家糧食安全具有重要意義，因此受到政府決策部門和學(xué)術(shù)界的廣泛關(guān)注。首先，在政府管理層面。為抑制農(nóng)戶棄耕撂荒，黨中央、國務(wù)院先后出臺了一系列耕地保護政策及法律法規(guī)，其中，《中華人民共和國土地管理法》《基本農(nóng)田保護條例》明確規(guī)定，禁止任何單位和個人閑置、荒蕪耕地，對拋荒一年以上的，取消次年補貼資格；對于連續(xù)2 年棄耕拋荒的承包經(jīng)營單位或者個人，原發(fā)包方應(yīng)當終止承包合同，收回基本農(nóng)田。此外，《中共中央國務(wù)院關(guān)于加強耕地保護和改進占補平衡的意見》明確提出，著力加強耕地數(shù)量、質(zhì)量、生態(tài)“三位一體”保護，其中，生態(tài)保護是耕地數(shù)量保護、質(zhì)量保護的有力補充［10］。其次，在學(xué)術(shù)研究層面。關(guān)于農(nóng)戶耕地撂荒行為影響因素及機制的研究取得了豐碩成果，一致性結(jié)論認為勞動力外出務(wù)工是耕地撂荒的主要影響因素之一［11-13］。此外，家庭特征方面，如戶主年齡、受教育程度、勞動力數(shù)量［14］、機械化程度［4］等；經(jīng)濟社會發(fā)展方面，如非農(nóng)就業(yè)工資水平［14］、農(nóng)業(yè)社會化服務(wù)［12］等；自然稟賦方面，如耕地面積［15］、土地細碎化程度［16］、灌溉條件、耕作交通條件［4］、鄉(xiāng)鎮(zhèn)距離［14］等；土地制度方面，如農(nóng)業(yè)生產(chǎn)關(guān)系變革［5］、土地流轉(zhuǎn)［11，17］等因素也會對農(nóng)戶耕地撂荒行為產(chǎn)生影響。

綜上分析，當前鮮有文獻關(guān)注生態(tài)環(huán)境對農(nóng)戶耕地撂荒行為的影響，這不僅導(dǎo)致無法全面厘清農(nóng)戶耕地撂荒的決策機制，而且難以預(yù)測構(gòu)建數(shù)量、質(zhì)量、生態(tài)“三位一體”耕地保護體系對農(nóng)戶耕地撂荒行為的影響，無法為政府部門完善相關(guān)政策措施提供參考。基于此，研究農(nóng)村生態(tài)環(huán)境對農(nóng)戶耕地撂荒行為的影響機制，主要有以下三點貢獻：一是突破現(xiàn)有文獻聚焦家庭經(jīng)濟、自然稟賦、土地制度對耕地撂荒影響的局限，從生態(tài)環(huán)境的視角分析農(nóng)村生態(tài)環(huán)境質(zhì)量對農(nóng)戶耕地撂荒行為的影響機制。二是雖然關(guān)于勞動力流動對耕地撂荒影響研究成果豐富，但少有文獻深入挖掘生態(tài)環(huán)境如何通過影響農(nóng)業(yè)勞動力流動，進而影響農(nóng)戶耕地撂荒的決策機制。三是為政府相關(guān)管理部門完善“三位一體”耕地保護體系及配套提供政策參考和借鑒。

1 理論框架與研究假設(shè)

根據(jù)理性小農(nóng)理論，個體農(nóng)戶具有經(jīng)濟理性，為追求利益最大化選擇合理決策。已有研究對1992—2017 年全國20 個省的163 個縣（市）的耕地撂荒數(shù)據(jù)進行分析發(fā)現(xiàn)，農(nóng)業(yè)收益低是造成86%的縣（市）撂荒形成的共性因素［18］，并且是造成耕地撂荒的首要因素。農(nóng)村生態(tài)環(huán)境則可以通過以下兩條路徑影響農(nóng)戶耕地經(jīng)營收益：第一條路徑是降低生產(chǎn)投入成本，提高糧食產(chǎn)量。具體來看，耕地生態(tài)環(huán)境質(zhì)量好，能夠減少土壤重金屬污染治理、鹽漬化改造等成本投入，而且地力肥沃、土壤有機質(zhì)含量高，有助于提高糧食產(chǎn)量，增加農(nóng)業(yè)收入。第二條路徑是良好生態(tài)環(huán)境能夠促使農(nóng)產(chǎn)品增值溢價。居民對產(chǎn)自生態(tài)環(huán)境質(zhì)量高產(chǎn)區(qū)的綠色、有機農(nóng)產(chǎn)品具有更高的支付意愿［19］，造成生態(tài)環(huán)境質(zhì)量差的地區(qū)農(nóng)產(chǎn)品價格較低，降低農(nóng)業(yè)生產(chǎn)收益［20］。由此可知，農(nóng)村生態(tài)環(huán)境質(zhì)量提升能夠提高農(nóng)業(yè)經(jīng)營收益，進而降低農(nóng)戶耕地撂荒的意愿?；诖?，本研究提出如下研究假設(shè)H1。

H1：農(nóng)村生態(tài)環(huán)境質(zhì)量提升對耕地撂荒具有負向影響。

根據(jù)劉易斯、費景漢和拉尼斯的城鄉(xiāng)二元經(jīng)濟理論，勞動力的報酬水平是農(nóng)業(yè)勞動力流動決策的主要因素。2003 年以后，隨著中國工業(yè)化和城市化建設(shè)的持續(xù)推進，勞動力成本快速提高和非農(nóng)報酬水平提升，推動了大量農(nóng)村青壯年勞動力外出務(wù)工，最終導(dǎo)致耕地因勞動力短缺而撂荒閑置［21，22］。此外，隨著勞動力外出務(wù)工，非農(nóng)就業(yè)收入增加會造成農(nóng)業(yè)收入占家庭收入比重下降，導(dǎo)致農(nóng)戶對農(nóng)業(yè)收入的依賴性和耕地經(jīng)營的意愿降低，進一步加劇了耕地撂荒問題［11］。

與此同時，隨著經(jīng)濟發(fā)展水平提高，居民對美好生態(tài)環(huán)境的訴求日益強烈，氣候和自然環(huán)境逐漸成為勞動力就業(yè)遷移和流動的重要因素［23］。假定封閉經(jīng)濟中只存在農(nóng)業(yè)部門和工業(yè)部門，在農(nóng)業(yè)部門不產(chǎn)生污染而工業(yè)部門產(chǎn)生污染的情形下，農(nóng)村勞動力向工業(yè)部門轉(zhuǎn)移數(shù)量將減少［24］。具體就農(nóng)業(yè)勞動力流動而言，農(nóng)村生態(tài)環(huán)境質(zhì)量下降會帶來農(nóng)戶健康損害風(fēng)險，削弱農(nóng)戶對家鄉(xiāng)的留戀感，推動勞動力非農(nóng)就業(yè)轉(zhuǎn)移，而政府實施生態(tài)環(huán)境污染治理行動，則會降低農(nóng)村勞動力外出務(wù)工的傾向［25-27］。綜合以上分析可知，農(nóng)業(yè)勞動力非農(nóng)就業(yè)流動會造成耕地撂荒，而農(nóng)村生態(tài)環(huán)境質(zhì)量提升能夠降低農(nóng)業(yè)勞動力外出務(wù)工意愿?；诖?，本研究提出如下研究假設(shè)H2。

H2：農(nóng)村生態(tài)環(huán)境質(zhì)量提升通過降低農(nóng)村勞動力外出務(wù)工率能夠減少農(nóng)戶耕地撂荒。

2 模型構(gòu)建與數(shù)據(jù)來源

2.1 模型構(gòu)建

2.1.1 基準回歸模型 本研究主要分析農(nóng)村生態(tài)環(huán)境對農(nóng)戶耕地撂荒行為的影響，由于農(nóng)戶是否存在耕地撂荒行為是［0，1］二元變量，因此采用Probit 模型進行回歸，具體如下。

式中，農(nóng)戶耕地撂荒（abandon）為被解釋變量，農(nóng)村生態(tài)環(huán)境質(zhì)量（ecology）為解釋變量。Z是控制變量，代表影響農(nóng)戶耕地撂荒行為的其他因素。ν是地區(qū)控制變量，代表不同省份農(nóng)業(yè)政策對農(nóng)戶耕地撂荒行為的影響。μ為服從正態(tài)分布的誤差項。

2.1.2 中介效應(yīng)模型 為考察農(nóng)村生態(tài)環(huán)境是否通過農(nóng)業(yè)勞動力流動影響農(nóng)戶耕地撂荒行為，構(gòu)建中介效應(yīng)模型。

式（2）考慮農(nóng)村生態(tài)環(huán)境對農(nóng)村勞動力外出務(wù)工率的影響，其中，農(nóng)村勞動力外出務(wù)工率（migrant）為中介變量。式（3）是控制農(nóng)村勞動力外出務(wù)工率下檢驗農(nóng)村生態(tài)環(huán)境對農(nóng)戶耕地撂荒行為的影響，其中，中介效應(yīng)表現(xiàn)為農(nóng)村生態(tài)環(huán)境質(zhì)量→農(nóng)村勞動力外出務(wù)工率→農(nóng)戶耕地撂荒行為。

2.2 數(shù)據(jù)來源

本研究利用2018 年中國家庭收入調(diào)查（CHIP）數(shù)據(jù)分析農(nóng)村生態(tài)環(huán)境對耕地撂荒的影響。CHIP是由北京師范大學(xué)收入分配研究院主持的一項中國住戶調(diào)查數(shù)據(jù)，調(diào)查樣本從國家統(tǒng)計局（NBS）的母樣本中采用多級分層抽樣法進行選擇，覆蓋中國東、中和西部16 個省份的城鎮(zhèn)住戶、農(nóng)村住戶、外來務(wù)工人員3 個子群體。由于不同地區(qū)人口分布和城鄉(xiāng)居民數(shù)量及流動人口規(guī)模存在差異，因此CHIP 數(shù)據(jù)進行了加權(quán)處理，成為研究中國家庭收入及生產(chǎn)生活狀況的權(quán)威性和代表性的數(shù)據(jù)來源之一。

由于本研究的主要內(nèi)容是研究農(nóng)村生態(tài)環(huán)境對耕地撂荒行為的影響，所以主要使用農(nóng)村住戶樣本。但該樣本調(diào)查問卷中缺乏村莊層面的地形、外出務(wù)工率、與縣城距離等相關(guān)題目，而這些因素對耕地撂荒行為有一定影響，外來務(wù)工人員調(diào)查問卷中恰好包含上述相關(guān)題目。因此，本研究將兩個樣本進行匹配，剔除主要變量數(shù)據(jù)缺失以及回答選項為“不太清楚”的樣本，共獲得9 020 個有效農(nóng)戶樣本。

2.3 變量選取及描述性統(tǒng)計分析

被解釋變量為農(nóng)戶是否存在耕地撂荒行為，對應(yīng)調(diào)查問卷中的提問是“2018 年撂荒的土地面積”，當農(nóng)戶回答撂荒的土地面積大于0 時，即農(nóng)戶存在耕地撂荒行為，其值為1，否則為0。解釋變量為農(nóng)村生態(tài)環(huán)境質(zhì)量，對應(yīng)調(diào)查問卷中的提問是“您對本地的生態(tài)環(huán)境（空氣、水等）滿意嗎”，回答為“非常滿意、比較滿意、一般、不太滿意、很不滿意”五個等級，分值分別對應(yīng)為1、2、3、4、5，分值越高表示環(huán)境質(zhì)量越差。中介變量為農(nóng)村勞動力外出務(wù)工率，對應(yīng)問卷中的提問是“老家所在村大約有多大比重（%）的勞動力外出務(wù)工經(jīng)商（包括女性）”。

控制變量選取。借鑒已有研究［14，16］，本研究選取農(nóng)戶個體特征如性別、年齡、健康狀況、教育水平等，家庭經(jīng)營情況如土地經(jīng)營面積、農(nóng)業(yè)固定資產(chǎn)、家庭可支配收入、社會保險等以及村莊狀況如土地承包調(diào)整作為控制變量。此外，由于每個省的農(nóng)業(yè)支持政策存在差異，可能會對農(nóng)戶耕地撂荒行為產(chǎn)生不同影響，故使用不同省份作為地區(qū)變量控制省級層面農(nóng)業(yè)政策影響。

變量定義及描述性統(tǒng)計分析見表1。

3 實證分析

3.1 基準回歸分析

農(nóng)村生態(tài)環(huán)境對耕地撂荒影響的基準回歸結(jié)果如表2 所示。模型（2）、模型（3）、模型（4）是在模型（1）的基礎(chǔ)上依次加入戶主個體特征、家庭經(jīng)濟條件和村莊社會狀況等控制變量，由模型（4）可以發(fā)現(xiàn)農(nóng)村生態(tài)環(huán)境質(zhì)量提升在5%的水平上顯著降低農(nóng)戶耕地撂荒行為的發(fā)生概率，從而假設(shè)H1 得到了初步證實。

表2 基準回歸結(jié)果

就控制變量影響而言，首先，在戶主個體特征層面。由模型（4）可以發(fā)現(xiàn)戶主的年齡在1%的水平上顯著增加農(nóng)戶耕地撂荒行為的發(fā)生，原因是農(nóng)戶的勞動能力隨著年齡的增加而降低，可能因農(nóng)業(yè)經(jīng)營力不從心而造成耕地撂荒。戶主的受教育程度在10%的水平上顯著增加農(nóng)戶耕地撂荒行為的發(fā)生，原因是農(nóng)戶的受教育水平越高，其擁有非農(nóng)就業(yè)技能概率越大，可能造成農(nóng)戶從事非農(nóng)就業(yè)而造成耕地撂荒。其次，在家庭經(jīng)濟條件層面。土地經(jīng)營面積在1%的水平上顯著增加農(nóng)戶耕地撂荒行為的發(fā)生，原因是農(nóng)戶土地經(jīng)營面積越大，可能造成農(nóng)戶放棄經(jīng)營地力貧瘠、交通不便的地塊，進而增加耕地撂荒的發(fā)生。家庭農(nóng)業(yè)固定資產(chǎn)在5%的水平上顯著減少農(nóng)戶耕地撂荒行為的發(fā)生，原因是農(nóng)戶農(nóng)業(yè)經(jīng)營性固定資產(chǎn)越高，通常其擁有的農(nóng)業(yè)機械設(shè)備越多，對耕地的經(jīng)營能力越強，進而降低其耕地撂荒的意愿。農(nóng)戶參加新農(nóng)保、養(yǎng)老保險等社會保險在1%的顯著水平上能夠增加農(nóng)戶耕地撂荒行為的發(fā)生，原因是農(nóng)戶參加社會保險能夠保障其基本的生活水平，降低其經(jīng)營耕地的機率，進而增加耕地撂荒行為的發(fā)生。最后，在村莊社會狀況層面。當?shù)胤寝r(nóng)雇工工資水平在5%的水平上顯著增加農(nóng)戶耕地撂荒行為的發(fā)生，原因是隨著非農(nóng)雇工工資水平的提高，農(nóng)戶從事非農(nóng)就業(yè)的意愿增強，進而提高耕地撂荒行為的發(fā)生概率。

3.2 穩(wěn)健性檢驗

為了驗證估計結(jié)果的穩(wěn)健性，本研究采取4 種方式進行穩(wěn)健性檢驗，結(jié)果如表3 所示。

表3 穩(wěn)健性檢驗估計結(jié)果

第一，重新定義核心解釋變量。將調(diào)查問卷中農(nóng)戶對生態(tài)環(huán)境滿意度重新劃分為“不滿意、一般、滿意”3 個等級，分別對應(yīng)分數(shù)值為1、2、3，分值越高表示生態(tài)環(huán)境質(zhì)量越好。由模型（5）可知，農(nóng)村生態(tài)環(huán)境質(zhì)量在1%的水平上顯著降低農(nóng)戶耕地撂荒行為的發(fā)生概率。

第二，標準化核心解釋變量。生態(tài)環(huán)境滿意度是農(nóng)戶的主觀評價，容易受到教育水平、文化素質(zhì)的影響，主觀隨意性較大，為此將生態(tài)環(huán)境滿意度標準化，分析生態(tài)環(huán)境質(zhì)量提高一倍的標準差對農(nóng)戶土地耕地撂荒行為的影響。由模型（6）可知，農(nóng)村生態(tài)環(huán)境質(zhì)量在5%的水平上顯著減少農(nóng)戶耕地撂荒。

第三，Logit 模型回歸分析。由于被解釋變量是二元變量，因此采用Logit 模型實證分析。由模型（7）可知，農(nóng)村生態(tài)環(huán)境質(zhì)量在5%的水平上顯著降低農(nóng)戶耕地撂荒行為的發(fā)生概率。

第四，利用工具變量法解決內(nèi)生性問題?；鶞誓Ｐ凸烙嬁赡艽嬖趦?nèi)生性問題，一是難以觀測的變量（農(nóng)戶心理狀態(tài)、社交模式等）被遺漏；二是農(nóng)戶生態(tài)環(huán)境滿意度是主觀評價，不同農(nóng)戶對生態(tài)環(huán)境的感知可能存在差異，由此產(chǎn)生測量誤差問題?；诖?，本研究采用IV-Probit 模型進行分析，借鑒已有研究［21，28］，選取本縣域內(nèi)除本家庭戶主以外其他家庭戶主生態(tài)環(huán)境滿意度的均值作為生態(tài)環(huán)境的工具變量。原因是生態(tài)環(huán)境具有顯著區(qū)域性，基于農(nóng)村社會的地緣與親緣關(guān)系，通過日常生活和交際，每個縣其他村民的生態(tài)環(huán)境滿意度將會影響本家庭戶主的生態(tài)環(huán)境滿意度，同時并不會直接影響該家庭戶主耕地撂荒的決策，進而克服內(nèi)生性問題。模型（8）為IV-Probit 模型估計結(jié)果，Wald 檢驗值統(tǒng)計量P為0.000 7，說明回歸模型存在內(nèi)生性問題，采用工具變量法是必要的。第一階段回歸中F為58.58，且在1%的統(tǒng)計水平下顯著，表明不存在弱工具變量問題。由模型（8）可知農(nóng)村生態(tài)環(huán)境質(zhì)量在1%的水平上顯著減少農(nóng)戶耕地撂荒行為。綜合上述分析表明假設(shè)H1 的結(jié)論具有穩(wěn)健性。

3.3 異質(zhì)性檢驗

3.3.1 分區(qū)域檢驗 糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)的農(nóng)戶對農(nóng)業(yè)生產(chǎn)的重視程度不同，通常農(nóng)業(yè)收入占糧食主產(chǎn)區(qū)農(nóng)戶家庭總收益的比重更高，對耕地經(jīng)營的依賴性更強。因此，本研究將調(diào)查區(qū)域劃分為糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)，按照國家區(qū)域規(guī)劃，遼寧、內(nèi)蒙古、山東、安徽、江蘇、河南、湖北、湖南、四川9 個?。ㄗ灾螀^(qū)）為糧食主產(chǎn)區(qū)，北京、山西、廣東、甘肅、云南、重慶6 個?。ㄊ校榉羌Z食主產(chǎn)區(qū)。

如表4 所示，由模型（9）和模型（10）可知，在糧食主產(chǎn)區(qū)，農(nóng)村生態(tài)環(huán)境質(zhì)量提升能夠顯著減少農(nóng)戶耕地撂荒行為。由模型（11）和模型（12）可知，在非糧食主產(chǎn)區(qū)，農(nóng)村生態(tài)環(huán)境質(zhì)量提升能夠降低農(nóng)戶耕地撂荒行為的發(fā)生概率，但不顯著?？赡艿脑蚴?，糧食主產(chǎn)區(qū)相比非糧食主產(chǎn)區(qū)耕地土壤更加肥沃、有機質(zhì)含量更高，耕地糧食產(chǎn)量和農(nóng)業(yè)收入的波動受生態(tài)環(huán)境質(zhì)量改變的影響更大，因而農(nóng)村生態(tài)環(huán)境質(zhì)量提升能夠顯著減少農(nóng)戶耕地撂荒行為。

表4 分區(qū)域估計結(jié)果

3.3.2 分種植模式檢驗 中國通常以秦嶺—淮河為界進行地理分區(qū)，其中秦嶺淮河以北地區(qū)是以旱地、小麥種植為主，以南地區(qū)則以水田、水稻為主［29］。由于水稻屬于勞動力密集型作物，對勞動力需求相比小麥更高，造成水田與旱地種植區(qū)的社會生產(chǎn)方式和分工模式存在差異，可能會對農(nóng)戶耕地經(jīng)營決策產(chǎn)生影響［12］。因此，本研究根據(jù)中國種植分區(qū)分類，將北京、山西、遼寧、山東、河南、甘肅、內(nèi)蒙古7個?。ㄊ小⒆灾螀^(qū)）歸類為旱地為主的種植區(qū)，江蘇、安徽、湖北、湖南、廣東、重慶、四川和云南8 個省（市）歸類水田為主的種植區(qū)。需要指出的是內(nèi)蒙古主要以牧場為主，本研究將其歸類為旱地為主的種植區(qū)。

如表5 所示，由模型（13）和模型（14）可知，在水田種植區(qū)，農(nóng)村生態(tài)環(huán)境質(zhì)量提升能夠減少農(nóng)戶耕地撂荒行為，但不顯著。由模型（15）和模型（16）可知，在旱地種植區(qū)，農(nóng)村生態(tài)環(huán)境質(zhì)量提升能夠顯著降低農(nóng)戶耕地撂荒行為的發(fā)生概率?？赡艿慕忉屖?，旱地種植區(qū)相比水田種植區(qū)，農(nóng)業(yè)灌溉等農(nóng)田水利基礎(chǔ)配套設(shè)施相對稀缺，受到生態(tài)環(huán)境質(zhì)量改變的影響波動較大，因而農(nóng)村生態(tài)環(huán)境質(zhì)量提升顯著減少農(nóng)戶耕地撂荒行為。

3.4 機制分析

根據(jù)上文的理論分析，農(nóng)村生態(tài)環(huán)境質(zhì)量能夠通過降低農(nóng)村勞動力外出務(wù)工率來減少農(nóng)戶耕地撂荒行為，為此，本研究將對具體的影響機制進行實證分析，結(jié)果如表6 所示。

由表6 所示，模型（18）顯示生態(tài)環(huán)境質(zhì)量在5%的水平上顯著降低農(nóng)村勞動力外出務(wù)工率。模型（19）則顯示農(nóng)村勞動力外出務(wù)工率在5%的水平上顯著增加農(nóng)戶耕地撂荒行為，生態(tài)環(huán)境質(zhì)量在10%的水平上顯著減少農(nóng)戶耕地撂荒行為，且直接效應(yīng)系數(shù)-0.044 的絕對值小于基準回歸模型（17）中總效應(yīng)系數(shù)-0.060 的絕對值，這表明生態(tài)環(huán)境質(zhì)量提升能夠通過降低勞動力外出務(wù)工率減少農(nóng)戶耕地撂荒行為，因而研究假設(shè)H2 得到了驗證。

4 結(jié)論與建議

本研究利用CHIP2018 農(nóng)戶微觀調(diào)查數(shù)據(jù)，實證分析了農(nóng)村生態(tài)環(huán)境質(zhì)量對農(nóng)戶耕地撂荒行為的影響，得出以下結(jié)論：第一，農(nóng)村生態(tài)環(huán)境質(zhì)量提升能夠減少農(nóng)戶耕地撂荒行為，異質(zhì)性分析表明，在糧食主產(chǎn)區(qū)和旱地種植區(qū)的影響具有顯著性，但在非糧食主產(chǎn)區(qū)和水田種植區(qū)的影響不具有顯著性。第二，農(nóng)村生態(tài)環(huán)境質(zhì)量提升可以通過降低農(nóng)村勞動力外出務(wù)工率，進而減少農(nóng)戶耕地撂荒行為。第三，戶主的年齡、受教育程度、土地經(jīng)營面積、社會保險、非農(nóng)雇工工資水平對農(nóng)戶耕地撂荒行為具有顯著的正向影響，而農(nóng)業(yè)固定資產(chǎn)對農(nóng)戶耕地撂荒行為具有顯著的負向影響。

基于以上分析，提出如下建議。

第一，加強農(nóng)村生態(tài)環(huán)境保護，推動建設(shè)耕地“三位一體”保護體系。完善法律法規(guī)監(jiān)督和約束農(nóng)戶生態(tài)環(huán)境污染行為，深入推進農(nóng)藥化肥減量化行動，通過測土配方施肥、有機肥替代、生物農(nóng)藥噴施等措施，緩解農(nóng)藥化肥過量使用帶來的土壤板結(jié)、重金屬污染、水源污染等問題。推動建立耕地數(shù)量、質(zhì)量、生態(tài)“三位一體”保護體系，開展農(nóng)田土壤污染修復(fù)，探索實施耕地生態(tài)保護補償，提升耕地生產(chǎn)力，進而降低農(nóng)戶拋荒棄耕的意愿。

第二，嚴格落實責(zé)任追究制度，提高農(nóng)戶拋荒棄耕成本。通過廣播、電視、網(wǎng)絡(luò)等途徑向農(nóng)戶積極宣傳《農(nóng)村土地經(jīng)營權(quán)流轉(zhuǎn)管理辦法》相關(guān)拋荒棄耕內(nèi)容和懲罰措施，提升農(nóng)戶拋荒棄耕成本預(yù)期，降低其拋荒棄耕意愿。探索耕地保護田長制，落實耕地質(zhì)量、生態(tài)保護責(zé)任，對拋荒棄耕發(fā)生率較高地區(qū)的政府部門負責(zé)人進行問責(zé)。嚴格落實棄耕撂荒土地承包經(jīng)營權(quán)收回制度，對棄耕拋荒連續(xù)兩年以上的耕地流轉(zhuǎn)受讓方，村集體、轉(zhuǎn)出農(nóng)戶等發(fā)包方有權(quán)終止土地經(jīng)營權(quán)流轉(zhuǎn)合同，收回耕地經(jīng)營權(quán)進行重新流轉(zhuǎn)配置。

第三，完善耕地流轉(zhuǎn)制度，實現(xiàn)耕地資源有效配置。在勞動力缺失嚴重的地區(qū)積極推動土地流轉(zhuǎn)，通過建立土地流轉(zhuǎn)中介組織、交易信息平臺等方式，降低土地流轉(zhuǎn)雙方的信息搜尋和交易成本，推動土地健康、有序流轉(zhuǎn)。開展高標準農(nóng)田建設(shè)、農(nóng)田地塊整治，通過轉(zhuǎn)包、轉(zhuǎn)讓、出租、入股等多種方式，在自愿、有償?shù)那疤嵯?，引?dǎo)拋荒棄耕土地流轉(zhuǎn)到種植大戶、種植能手、合作社等新型農(nóng)業(yè)經(jīng)營主體進行土地規(guī)?；?jīng)營，盤活撂荒的耕地資源，實現(xiàn)耕地資源有效配置。