摘 要：優(yōu)化配置農(nóng)業(yè)要素資源，首要是促進(jìn)農(nóng)業(yè)各要素資源有效利用?；?994—2017年中國7個(gè)省級(jí)面板數(shù)據(jù)，研究東中西部具有代表性的三大區(qū)域農(nóng)村耕地利用情況，并根據(jù)調(diào)研設(shè)計(jì)指標(biāo)構(gòu)建計(jì)量模型，實(shí)證檢驗(yàn)主要影響因子的實(shí)際效應(yīng)。結(jié)果顯示，非農(nóng)收入相關(guān)指標(biāo)的增長顯著地促進(jìn)了農(nóng)村耕地撂荒，且東部地區(qū)的效應(yīng)遠(yuǎn)大于中部和西部地區(qū)，農(nóng)業(yè)收入的增長對(duì)耕地撂荒的影響不確定。在此基礎(chǔ)上，提出不同區(qū)域規(guī)制耕地撂荒，促進(jìn)土地資源有效利用的相關(guān)政策建議。

關(guān)鍵詞：鄉(xiāng)村振興;資源稟賦;優(yōu)化配置

中圖分類號(hào)：F321.1? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2019）30-0026-07

引言

黨的十九大報(bào)告以及2018年中央一號(hào)文件提出和部署實(shí)施鄉(xiāng)村振興戰(zhàn)略，2019年中央中央一號(hào)文件進(jìn)一步強(qiáng)調(diào)，在全面建成小康社會(huì)的決勝期，夯實(shí)農(nóng)業(yè)基礎(chǔ)是重要任務(wù)，保障重要農(nóng)產(chǎn)品有效供給是重中之重。更明確要求，“穩(wěn)定糧食產(chǎn)量。毫不放松抓好糧食生產(chǎn)，推動(dòng)藏糧于地、藏糧于技落實(shí)落地，確保糧食播種面積穩(wěn)定在16.5億畝?！保?019年《中共中央國務(wù)院關(guān)于堅(jiān)持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展做好三農(nóng)工作的若干意見》）立足國家的戰(zhàn)略部署，結(jié)合我國人均耕地少、耕地質(zhì)量總體不高、耕地后備資源不足的耕地國情，審視我國耕地資源狀況：1998—2008年的二十年間，我國耕地面積銳減，耕地從19.45億畝減少到18.26億畝，每年平均減少約1 000萬畝。2009—2014年每年平均減少約0.01億畝。耕地資源形勢嚴(yán)峻，但其狀況還在繼續(xù)惡化。張琦（2012）對(duì)我國的人口增長趨勢和土地面積進(jìn)行預(yù)測，其通過模型估計(jì)到2020年我國耕地面積將減少到17.86億畝，將會(huì)嚴(yán)重突破國務(wù)院18億畝耕地保護(hù)目標(biāo)至少2 000萬畝以上。

嚴(yán)峻的耕地資源形勢下，農(nóng)村還普遍存在耕地撂荒的現(xiàn)象。20世紀(jì)80年以來，耕地撂荒問題就進(jìn)入學(xué)界和政府的視野，尤其是政府不斷通過各種手段意圖解決問題。可直到今天，耕地撂荒并沒有明顯改善。為了了解耕地撂荒的嚴(yán)重性，本文以2011年以來各地縣、市級(jí)以上提及耕地撂荒的政協(xié)提案，共53個(gè)。其中，全國政協(xié)提案3個(gè)，省級(jí)政協(xié)、提案3個(gè)，區(qū)、縣級(jí)政協(xié)提案47個(gè)，所提問題涵蓋的區(qū)域覆蓋四川、重慶、廣西、江蘇、云南、浙江、山東、貴州、河南、甘肅、湖北、湖南、江西、內(nèi)蒙、寧夏、陜西、山西、福建、海南、廣東20省，提案出現(xiàn)的高峰期在2014年、2015年和2016年，充分反映了耕地撂荒問題廣度。很多學(xué)者也專門對(duì)耕地撂荒問題進(jìn)行了研究，楊國永等（2015）以2014年有關(guān)耕地撂荒的論文和報(bào)道的截面數(shù)據(jù)為樣本，通過文獻(xiàn)出現(xiàn)頻率和研究覆蓋地域視角，所檢索的29篇文章中有17篇論文或報(bào)道整理了縣、鄉(xiāng)鎮(zhèn)或村耕地撂荒的數(shù)據(jù)，整理這些數(shù)據(jù)并做簡單加權(quán)平均，發(fā)現(xiàn)撂荒耕地平均比例達(dá)到11.12%。史鐵丑（2013）等將二十年來我國耕地撂荒調(diào)查報(bào)道的區(qū)域，加總起來發(fā)現(xiàn)涉及21個(gè)省市區(qū)，遍布107個(gè)縣（市）、161個(gè)鄉(xiāng)鎮(zhèn)或村社。雖然這樣的歸納方法科學(xué)性值得懷疑，但確也可從中看出耕地撂荒的嚴(yán)重性。趙子亮（2014）整理1992—2013年耕地撂荒問題相關(guān)文章共557篇，發(fā)現(xiàn)這些研究中304篇通過農(nóng)戶主觀動(dòng)機(jī)研究撂荒問題，86篇通過客觀原因研究撂荒問題，120篇從政策和制度層面研究耕地撂荒問題，但是這些研究中基于大范圍實(shí)地調(diào)研的實(shí)證研究少見。因此，本文以調(diào)研數(shù)據(jù)為基礎(chǔ)對(duì)耕地撂荒問題進(jìn)行實(shí)證分析具有重要意義?；诖?，本文采取以重慶為調(diào)研重點(diǎn)，樣本點(diǎn)包括山東、湖北、重慶、貴州、四川、甘肅、陜西7省的大面積調(diào)研，時(shí)間跨度從1994—2017年，調(diào)研內(nèi)容包括樣本點(diǎn)土地資源、環(huán)境狀況、經(jīng)濟(jì)發(fā)展、人口形勢、政策支持和公共服務(wù)等多方面的因素，調(diào)研對(duì)象包括基層公務(wù)員、村（社區(qū)）干部和村民?；谡{(diào)研數(shù)據(jù)設(shè)計(jì)評(píng)價(jià)指標(biāo)、構(gòu)建計(jì)量模型，用面板數(shù)據(jù)檢驗(yàn)耕地撂荒影響因素，并對(duì)區(qū)域之間的差異進(jìn)行比較。

一、調(diào)研情況

1.調(diào)研方法。通過進(jìn)村入戶走訪座談的方式，組織本科學(xué)生利用假期回鄉(xiāng)的機(jī)會(huì)，對(duì)相關(guān)情況進(jìn)行實(shí)地走訪，筆者本人牽頭重慶潼南區(qū)、綦江區(qū)的調(diào)研工作。具體操作中點(diǎn)面結(jié)合，以重慶為主要調(diào)研區(qū)域，對(duì)重慶1994年以來樣本區(qū)縣村級(jí)耕地撂荒的面板數(shù)據(jù)和面上其余6省的數(shù)據(jù)。調(diào)研范圍覆蓋30個(gè)縣60個(gè)村，時(shí)間序列包括1994—2017年，調(diào)研農(nóng)戶300戶。

2.問卷設(shè)計(jì)。根據(jù)調(diào)研省份的分布，將樣本點(diǎn)分為東、中、西三部：貴州、重慶、四川、甘肅和陜西為西部，山東定為東部，湖北代表中部。調(diào)查問卷分兩類：一類針對(duì)村“兩委”干部，另一類針對(duì)農(nóng)戶，村“兩委”干部主要梳理相關(guān)村耕地利用演化情況進(jìn)行梳理，以從整村了解耕地利用狀況。時(shí)間跨度中涉及撤并村，村級(jí)數(shù)據(jù)基于撤并村前的村級(jí)單位，以確保數(shù)據(jù)的信度和效度。農(nóng)戶層面則立足農(nóng)戶家庭經(jīng)濟(jì)、資源和公共服務(wù)等層面構(gòu)建指標(biāo)，指標(biāo)結(jié)構(gòu)（見表1）。

3.樣本點(diǎn)情況分析。本次調(diào)研共收集到有效問卷401份，其中鎮(zhèn)村干部問卷118份、村民問卷283份。通過整理分析發(fā)現(xiàn)，所有調(diào)研點(diǎn)人口變化比較明顯，主要“農(nóng)民荒”問題比較嚴(yán)重，大量青壯年勞動(dòng)力，有一定文化技術(shù)的勞動(dòng)力大量外流。山東省調(diào)研點(diǎn)在家人口比例約為50%，其余6省在家人口比例基本30%～40%之間。各調(diào)研點(diǎn)耕地總量有所下降（不考慮統(tǒng)計(jì)口徑或技術(shù)引起的土地?cái)?shù)據(jù)變化），人均耕地急劇減少，造成農(nóng)村的人地關(guān)系發(fā)緊張的主要原因是人口增長、宅基地用地增加和退耕還林等。在2000年左右，耕地撂荒出現(xiàn)“井噴式”的發(fā)展（見表2）。

從表2中數(shù)據(jù)可以看出，耕地撂荒問題從東往西逐漸加重。在2012年，中部地區(qū)的湖北也達(dá)到了20.12%，西部地區(qū)的甘肅更是達(dá)到了46.1%，在2011年、2012年各地區(qū)差不多達(dá)到峰值，之后有下降趨勢，但是并不穩(wěn)定，處于波動(dòng)狀態(tài)。調(diào)研同時(shí)發(fā)現(xiàn)，近年來，國家加大對(duì)農(nóng)業(yè)的支持力度對(duì)非農(nóng)的其他社會(huì)主體參與農(nóng)業(yè)產(chǎn)業(yè)的情況。國家出臺(tái)的各類農(nóng)業(yè)補(bǔ)貼政策和刺激措施，一定程度上吸引了不少人投入農(nóng)業(yè)產(chǎn)業(yè)，提高了土地的利用率。但是，這些新加入的經(jīng)營主體，普遍技術(shù)含量不高，大多道聽途說就貿(mào)然參與，并且資本不雄厚，很多經(jīng)營未超過三年就破產(chǎn)，耕地又重新撂荒。

二、耕地撂荒主要影響因子的實(shí)證分析

1.模型設(shè)定。為了檢驗(yàn)耕地撂荒主要影響因子的具體貢獻(xiàn)，模型構(gòu)建中參考Keithetal（2012）提出的研究模型，建立以下模型進(jìn)行檢驗(yàn)：

RAi=？姿RWit+？滋RFit+？準(zhǔn)1MSit+？準(zhǔn)2SPit+？準(zhǔn)3ALit+？準(zhǔn)4FSit+？準(zhǔn)5FLit+？著it+？覣（1）

式中，i和t分別表示數(shù)據(jù)范圍中第i個(gè)省份和第t年，？覣、？著it表示個(gè)體效應(yīng)和隨機(jī)擾動(dòng)項(xiàng)，RAit表示農(nóng)戶耕地撂荒比率，RWit為非農(nóng)收入比率，RFit為務(wù)農(nóng)收入比率，MSit表示政府惠農(nóng)政策支持，SPit表示農(nóng)業(yè)技術(shù)進(jìn)步，ALit表示土地自然資源稟賦，F(xiàn)Sit表示金融支持力度，F(xiàn)Lit表示農(nóng)村勞動(dòng)力豐裕程度。

2.數(shù)據(jù)來源及變量說明。本研究所用數(shù)據(jù)均取自于調(diào)研材料整理，為保證數(shù)據(jù)真實(shí)有效可信，雖然本次調(diào)研時(shí)間段為1994—2017年，但調(diào)研人員反饋該時(shí)段存在婚遷嫁人員較多的情況，不了解前期情況，有數(shù)據(jù)失真的可能。所以在具體運(yùn)用中，結(jié)合樣本點(diǎn)的情況將數(shù)據(jù)時(shí)段限定為2007—2017年，故最終總樣本時(shí)間序列為11年。以下是本文模型中所涉及變量的解釋。

首先，被解釋變量。RAit為i省t時(shí)期農(nóng)戶耕地撂荒比率，計(jì)算方法是將農(nóng)戶撂耕地面積除以農(nóng)戶家庭耕地面積，?。ㄖ陛犑校┺r(nóng)戶耕地撂荒比率將該樣本點(diǎn)的撂荒比率加總求算術(shù)平均數(shù)。公式為：

RAit=∑■+■+…+■n（2）

其中，ASit為i省t時(shí)期農(nóng)戶耕地撂荒面積，Sit為農(nóng)戶耕地面積，1，2，…n為農(nóng)戶數(shù)，ASit≤Sit。

其次，解釋變量。RFit為i省t時(shí)期務(wù)農(nóng)收入比率，RWit為i省t時(shí)期非農(nóng)收入比率。根據(jù)生產(chǎn)函數(shù)等理論，我們可以推知各種因素的影響最終都會(huì)體現(xiàn)在農(nóng)戶家庭的收入上。通過對(duì)農(nóng)戶種植、養(yǎng)殖收入和其他行業(yè)收入的估算，計(jì)算農(nóng)戶家庭年總收入、農(nóng)業(yè)收入和非農(nóng)收入。省級(jí)非農(nóng)收入比率和農(nóng)業(yè)收入比率為受調(diào)查農(nóng)戶相應(yīng)比率的算術(shù)平均數(shù)，公式如下：

RWit=■=∑■+■+…+■n（3）

RFit=1-RWit=1-■=1-∑■+■+…+■n（4）

其中，Tit代表為i省t時(shí)期農(nóng)戶家庭總收入，UIit代表為i省t時(shí)期農(nóng)戶非農(nóng)收入，1，2，…n為農(nóng)戶數(shù)，UIit≤Tit。

最后，控制變量。ALit為i省t時(shí)期土地資源稟賦，以土地的可耕種比率表示，用村耕地面積除以村域總面積求得;MSit為i省t時(shí)期政府補(bǔ)貼比率，以相應(yīng)種類補(bǔ)貼金額除以產(chǎn)出;SPit為i省t時(shí)期農(nóng)業(yè)技術(shù)進(jìn)步比率，以單位畝耕地采用機(jī)械的勞動(dòng)時(shí)間與未用機(jī)械的勞動(dòng)時(shí)間的比率計(jì)算;FLit為i省t時(shí)期農(nóng)村勞動(dòng)力豐裕率，為從全村事農(nóng)業(yè)生產(chǎn)的勞動(dòng)力與勞動(dòng)力總數(shù)的比率;FSit為i省t時(shí)期金融支持強(qiáng)度，用農(nóng)戶農(nóng)業(yè)貸款金額除以農(nóng)業(yè)總投入。各控制變量的省級(jí)數(shù)據(jù)，均為村級(jí)數(shù)據(jù)的算數(shù)平均數(shù)，描述性統(tǒng)計(jì)結(jié)果（見下頁表3）。

3.研究方法。參照張明玖（2017）對(duì)耕地撂荒的經(jīng)濟(jì)分析方法：“計(jì)量中混合運(yùn)用最小二乘回歸模型（POLS）、固定效應(yīng)模型（FE）和隨機(jī)效應(yīng)模型（RE），對(duì)之進(jìn)行靜態(tài)面板估算，從理論上說具有可行性。對(duì)函數(shù)（1）模型進(jìn)行實(shí)證檢驗(yàn)時(shí)，應(yīng)從以下三個(gè)方面選擇相應(yīng)模型：第一，集散F統(tǒng)計(jì)量來確定選擇固定效應(yīng)模型，還是POLS模型;第二，用拉格朗日乘數(shù)（LM）檢驗(yàn)結(jié)果判定用隨機(jī)效應(yīng)模型，還是POLS模型;第三，以豪斯曼（Hausman）檢驗(yàn)結(jié)果確定選擇固定效應(yīng)模型，或是隨機(jī)效應(yīng)模型。若F檢驗(yàn)和LM檢驗(yàn)都不顯著，則選用POLS模型;若F檢驗(yàn)和LM檢驗(yàn)有一個(gè)顯著，則應(yīng)繼續(xù)進(jìn)行Hausman檢驗(yàn)?zāi)Ｐ汀Ｈ绻麢z驗(yàn)結(jié)果顯著，則選用固定效應(yīng)模型，反之則應(yīng)選隨機(jī)效應(yīng)模型?！?/p>

三、實(shí)證檢驗(yàn)結(jié)果與分析

1.非農(nóng)收入效應(yīng)對(duì)農(nóng)戶耕地撂荒比率的總體靜態(tài)模型估計(jì)。為了使農(nóng)戶非農(nóng)收入比和務(wù)農(nóng)收入比對(duì)農(nóng)戶耕地撂荒的總體效應(yīng)得估算更精確，文中特別將農(nóng)戶耕地撂荒比率RA定為被解釋變量，以此為基礎(chǔ)對(duì)相應(yīng)的解釋變量和控制變量分別進(jìn)行混合模型估計(jì)、固定效應(yīng)模型估計(jì)和隨機(jī)效應(yīng)模型估計(jì)，發(fā)現(xiàn)其適合選擇固定效應(yīng)模型，估計(jì)結(jié)果（見表4）。

從表4中可以看出，非農(nóng)收入比率為被解釋變量的系數(shù)為正且結(jié)果顯著，說明非農(nóng)收入增加會(huì)加劇耕地撂荒。具體原因，一方面可能是非農(nóng)行業(yè)工資水平高于農(nóng)業(yè)從業(yè)工資水平，對(duì)農(nóng)民產(chǎn)生推力;另一方面可能是農(nóng)業(yè)收入水平下降，農(nóng)戶生產(chǎn)的積極性下降而轉(zhuǎn)行。務(wù)農(nóng)收入比率為被解釋變量的系數(shù)為負(fù)且結(jié)果顯著，說明務(wù)農(nóng)收入提高能有效降低耕地撂荒率?？赡苁寝r(nóng)村基本公共服務(wù)改善，耕作條件變好，生產(chǎn)效率提高，務(wù)農(nóng)正向激勵(lì)增強(qiáng)，也可能是經(jīng)濟(jì)形勢惡化，農(nóng)戶不得已只能選擇從事農(nóng)業(yè)生產(chǎn)。其他控制變量檢驗(yàn)結(jié)果來看，政策補(bǔ)貼力度對(duì)農(nóng)戶耕地撂荒影響不顯著，說明政府財(cái)政補(bǔ)貼等激勵(lì)未發(fā)揮有效的正向務(wù)農(nóng)激勵(lì)，也說明惠農(nóng)政策未能起到平衡產(chǎn)業(yè)發(fā)展的效應(yīng)，沒有形成有力拉力吸引農(nóng)業(yè)就業(yè)。土地資源稟賦對(duì)農(nóng)戶耕地撂荒有負(fù)向影響，表明自然資源稟賦對(duì)耕地撂荒率具有反向影響，稟賦越好撂荒率越低。農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)戶耕地撂荒反向作用非常顯著，表明技術(shù)進(jìn)步對(duì)抑制耕地撂荒具有正向激勵(lì)。金融支持力度對(duì)耕地撂荒影響不顯著，按照金融與實(shí)體經(jīng)濟(jì)發(fā)展的理論和實(shí)踐，說明金融服務(wù)還未能與農(nóng)業(yè)有效結(jié)合。勞動(dòng)力豐裕率對(duì)農(nóng)戶耕地撂荒反向激勵(lì)效應(yīng)顯著，表明農(nóng)村勞動(dòng)力越充裕耕地撂荒率越低。

2.按務(wù)農(nóng)收入水平分組的靜態(tài)模型估計(jì)。區(qū)域經(jīng)濟(jì)發(fā)展不平衡是我國當(dāng)前經(jīng)濟(jì)發(fā)展的現(xiàn)實(shí)問題，導(dǎo)致地區(qū)間各地在農(nóng)業(yè)收入水平、農(nóng)業(yè)重視程度和政府規(guī)制等方面均存在比較明顯的差異。基于發(fā)展不均衡的現(xiàn)實(shí)，實(shí)證指標(biāo)是對(duì)各地區(qū)農(nóng)戶耕地撂荒的影響的異同也值得關(guān)注。為進(jìn)一步檢驗(yàn)非農(nóng)收入比和務(wù)農(nóng)收入存在較大差異的情況下，對(duì)農(nóng)戶耕地撂荒產(chǎn)生的影響，本文先將調(diào)研省（直轄市）2017年平均農(nóng)業(yè)收入比劃分為兩組，務(wù)農(nóng)收平超過50%的定為高農(nóng)業(yè)收入水平地區(qū)，農(nóng)業(yè)收入小于或等于50%的則定為低農(nóng)業(yè)收入水平地區(qū)?；诖藙澐郑僖赞r(nóng)戶耕地撂荒率（RA）為被解釋變量，對(duì)不同類型的樣本組進(jìn)行靜態(tài)模型參數(shù)估計(jì)，估計(jì)結(jié)果（見表5）。

[14]? Eszter Ruprecht and Marton Z.Enyedi and R.Lutz Eckstein and Tobias W.Donath.Restorative removal of plant litter and vegetation 40 years after abandonent enhances reemergence of steppe grassland vegetation[J].Biological cons-ervation，2010.

[15]? Oskari Juurikkala.The Behavioral Paradox：Why Investor Irrationality Calls for Lighter and Simpler Financial Regulation.Fordham Journal of Corporate & Financial La，2012.

An Empirical Study on the Problem of Cultivated Land Reclamation in the Process of Rural Revitalization

ZHANG Ming-jiu

（Guizhou University of Traditional Chinese Medicine，Guiyang 550025，China）

Abstract：Optimizing the allocation of agricultural factor resources is primarily to promote the effective use of agricultural resources.Based on the data of seven provincial-level panels in China from 1994 to 2017，this paper studies the utilization of rural cultivated land in three representative regions in the eastern，central and western regions，and constructs an econometric model based on the survey design indicators to empirically test the actual effects of the main impact factors.The results show that the growth of non-agricultural income-related indicators has significantly promoted rural land reclamation，and the effect of the eastern region is much larger than that of the central and western regions.The impact of agricultural income growth on cultivated land reclamation is uncertain.On this basis，it puts forward relevant policy recommendations for different areas to regulate cultivated land and promote the effective use of land resources.

Key words：rural revitalization;resource endowment;optimal allocation