不同農地經營權流轉方式的空間依賴性分析

王 珊，洪名勇，，吳昭洋，何玉鳳

（1.浙江大學管理學院，浙江 杭州 310012；2.浙江大學中國農村發展研究院，浙江 杭州 310012；3.貴州大學管理學院，貴州 貴陽 550025）

1 引言

“三權分置”是中國農地產權制度改革的核心議題。2014年，中央“一號文件”首次提出，“在落實農村土地集體所有權的基礎上，穩定農戶承包權，放活土地經營權”。2016年印發的《關于完善農村土地所有權承包權經營權分置辦法的意見》明確指出，“土地經營權是在流轉過程中由承包經營權派生出來的權利，鼓勵采用土地股份合作、土地托管、代耕代種等多種經營方式，探索放活土地經營權的有效途徑”。2018年，中央“一號文件”再次強調進一步完善農地“三權分置”制度、平等保護和放活土地經營權的重要性。《農村土地承包法》從立法層面規定了轉包、出租、互換、轉讓、入股和其他6種不同的流轉方式，正是放活土地經營權勢必依賴的具體實現路徑，通過促進土地資源再配置以提升農業生產效率[1-2]。

農地流轉本質是交易主體達成協議并履行約定的交易過程，流轉方式的差異意味著不同合約結構的選擇?，F有研究中，利用虛擬變量將農地流轉設定為“是否流轉”或“轉入轉出”的二元行為結果已成為探討農地流轉的基本思路[3-4]，這種抽象的處理方式極大忽視了農地流轉的合約屬性。少數學者對此進行了修正[5-7]，發現不同流轉方式之間確實存在異質性，有必要對農地流轉的具體實現方式展開深入分析，遺漏這些因素有可能導致施策的“水土不服”。隨著空間經濟學的發展，越來越多的學者開始關注農地流轉行為的空間效應問題，但重在識別空間異質性，且研究范圍大都局限于某省區內部或少數省區之間[8-11]。如地理學第一定律所述：任何事物都與其他事物具有一定的空間關聯性[12]，農地流轉行為也不例外。理論上講，直觀學習和信息傳遞是決策者形成期望和偏好的重要途徑[13]，個體決策既不是完全獨立的，也不是共同達成的，進而形成個體決策的空間關聯現象，空間經濟學稱之為空間效應，包含空間異質性與空間依賴性[14]，且可通過微觀的積累效應而呈現出某種宏觀特征。即便如此，多數農地流轉研究仍建立在農戶獨立決策的前提假設之下，忽視了交易的非獨立決策問題，僅有少數研究對農地流轉價格和契約選擇的空間依賴問題進行了識別[15-17]。探討農地流轉行為的空間異質性有助于識別出稟賦差異條件下的區域流轉行為模式，而研究流轉行為的空間依賴性則有助于進一步認識空間單位的互動模式及潛在影響因素的空間溢出效應。

本文將不同農地經營權流轉方式作為研究對象，利用空間經濟學理論與空間計量模型，對農地流轉行為的空間依賴關系及其空間布局進行初步識別和計量研究。

2 研究方法與變量選取

2.1 空間自相關分析

全局空間自相關從整體上檢驗不同方式的農地經營權流轉行為在鄰近省區之間是相似、相異或是相互獨立的，局部空間自相關則進一步明確空間自相關特征發生的具體空間位置和分布格局。本文選取非標準化的空間加權權重，矩陣W表示不同省區之間的空間關系，鄰接取值為1，否則為0。

2.1.1 全局空間自相關分析

使用全局莫蘭指數I（Global Moran’s I）和吉爾里指數C（Geary’s C）分析，交叉驗證結果的穩健性，I指數為一個觀測值與其空間滯后之間的線性相關系數[18]。-1≤I≤1，大于0表示空間正自相關，即高（低）值與高（低）值相鄰，小于0表示空間負自相關，即高（低）值與低（高）值相鄰，若接近于0，則表示空間分布是隨機的。吉爾里指數C的取值介于0～2之間，大于（小于）1表示空間負（正）自相關，等于1表示空間不相關[19]。

2.1.2 局部空間自相關分析

利用局部莫蘭指數I（Local Moran’s I）揭示每一個空間單元與鄰近空間的農地經營權流轉行為相關程度，具體含義同全局莫蘭指數I；再利用“局部Getis-Ord指數G”考察某個空間是否為熱點（Hot spot）或冷點區域（Cold spot）[20]，熱點區域表示高值與高值聚集，冷點區域表示低值與低值聚集。

2.2 空間計量模型設定

Elhorst和Anselin等提供了一個基于OLS殘差項檢驗的空間計量模型設定選擇框架[21-22]，該框架已成為國內外學者開展相關研究時進行模型選擇的主要依據[23]。

首先，構建研究農地經營權流轉的經典計量模型，模型中不包含空間依賴關系，表示為：

式（1）中：Yi為n×1矢量，表示n個空間中的農地經營權流轉行為，i∈（1，n）；ιN為截距項α的n×1矢量；Xik為K個與農地流轉行為呈線性關系的外生影響因素，表示為n×K數據矩陣；εi為隨機擾動項。

用最小二乘法（OLS）估計式（1）并對其殘差項進行空間滯后（Spatial lag）和空間誤差（Spatial error）檢驗，檢驗方法包括沃爾德檢驗（Wald Test）、似然比檢驗（LR）、拉格朗日乘子檢驗（LM）以及穩健拉格朗日乘子檢驗（Robust LM）4種，若檢驗結果拒絕不存在空間依賴性的原假設，則經典計量模型中不再相互獨立的殘差項會導致結果偏誤，根據檢驗結果選擇合適的空間計量模型才能夠得到更為準確的估計結果。本文關注農地經營權流轉行為是否與相鄰空間的行為具有相似性，使用空間滯后模型（SLM）進行空間計量回歸可以直接得到空間依賴系數，表示為：

式（2）中：wYi為農地流轉行為滯后項；w表示空間結構，為非負的n×n空間距離矩陣；δ是農地流轉行為的空間自回歸系數，表示行為的空間依賴關系；εi為隨機擾動項。

同時，考慮所得結果的穩健性問題，引入帶有空間自回歸誤差項的空間自回歸模型（SARAR）進行參照，模型如下：

式（4）中：λ為誤差項的空間依賴系數。SARAR考察納入誤差項空間依賴性后，農地經營權流轉行為本身的空間依賴性是否依然存在。

2.3 變量選取

2.3.1 農地經營權流轉指標

根據《農村土地承包法》，農地經營權流轉包括轉包、出租和股份合作三種方式，其中，若流轉對象屬于本集體經濟組織成員為轉包，否則為出租，若承包方自愿將土地承包經營權入股并從事農業合作生產則為股份合作。考慮不同流轉方式的空間依賴關系可能具有異質性，本文將分別進行研究。為消除由不同空間中農地規模差異引致的流轉差異，文中效仿目前慣用的農地流轉率指標設定方法，以各個空間中農地經營權流轉面積占家庭承包經營耕地總面積的比重作為不同流轉方式的度量指標。

2.3.2 影響因素指標

為進一步考察不同農地經營權流轉方式的空間依賴關系，必須對其他可能的影響因素進行控制，參考已有文獻在研究農地流轉的諸多因素中常用的變量，選取勞動力特征、農業生產因素以及產權安全等3類指標所涉及的10個變量作為空間回歸分析中的自變量（表1）。

3 數據說明與描述性統計分析

3.1 數據說明

農地經營權流轉指標中各個變量、土地承包經營權證書份數、家庭承包經營的農戶數、土地糾紛數、非農就業水平、農業補貼以及合作社數量來源于《全國農村經營管理統計資料》，經營性收入、耕地面積、地方財政農林水務支出、地方財政一般預算支出來源于歷年《中國統計年鑒》，其余變量均來源于歷年《中國農村統計年鑒》。由于未公布“農村勞動力文化水平（CLit）”指標2015年數據，文中用移動平均方式處理補齊缺失數據。本文采用2015年中國30個省（市、自治區）截面數據進行分析，西藏和港澳臺地區由于數據不完整且異質性較強，不納入研究范圍。

3.2 描述性統計分析

對中國30個省區的農地經營權流轉空間分布規律進行分析。2015年，經營權流轉的耕地面積占流轉總面積的87.41%，是中國農地流轉的主要方式，除了北京市以外，農地流轉和經營權流轉的空間分布趨勢幾乎一致①北京市的農地流轉主要以其他方式為主，由于數據中并未對其他方式進行說明，本文不進行具體分析。。按照經營權流轉率的高低，將30個省級空間分為40%～100%、20%～40%（不含40%）、0%～20%（不含20%）3個梯隊。有5個省區處于第一梯隊，除了黑龍江以外，上海、江蘇、浙江以及安徽形成一個高值聚集區；處于第二梯隊的有17個省區，以經營權流轉率最高的重慶為中心形成一個龐大的中值聚集區；第三梯隊包含8個省區，分別圍繞陜西和廣西形成兩個低值聚集區，其中，海南的經營權流轉率最低，僅為4.28%。

表1 變量選取與說明Tab.1 Selection of variables and definitions

轉包和出租是農地經營權流轉的兩大主要方式，分別占農地經營權流轉總面積的53.80%和39.24%，二者呈現反向變動趨勢，僅有6.96%的農地以股份合作的方式流轉。按照20%～100%、10%～20%（不含20%）、0%～10%（不含10%）將轉包率和出租率劃分為三個梯隊。從轉包率上看，第一梯隊中的6個省區分別以吉林和上海為中心形成兩個高值聚集區，其中，黑龍江、吉林、遼寧同屬一個聚集區，上海、浙江以及江蘇組成另一個聚集區；有11個省區處于第二梯隊，除了新疆以外，其余10省區以河南為中心，形成上至內蒙古、下至湖南的長條狀中值聚集區，其中，內蒙古的轉包率最高，為18.11%；第三梯隊有13個省區，除了北京相隔較遠，其他12個相鄰省區圍繞第二梯隊中的湖北、湖南兩省形成“L”形低值聚集區。從出租率上看，處于第一梯隊中的4個省區以出租率最高的上海為中心形成高值聚集區；處于第二梯隊中的15個省區以湖北為中心形成一個龐大的中值聚集區，省區之間兩兩相鄰，其中，寧夏的出租率最高，為19.06%；第三梯隊中包含11個省區，除了新疆和海南外，其余9省以遼寧為中心形成低值聚集區。從股份合作率上看，除了江蘇、廣東和黑龍江三省之外，其余各省區的股份合作率都在5%以下，大都分布在1%左右，從數據上無法分析其空間分布規律。

總之，鄰近省級空間中的農地經營權流轉方式具有趨同趨勢，且不同流轉方式的空間聚類分布情況具有較強異質性，必須指出的是，即便在同一個空間中，三種行為存在反向變動趨勢，但這并不意味著他們的空間聚類分布也呈現反向變動趨勢，如江蘇和浙江兩省便同時處于轉包率和出租率的第一梯隊，說明有必要分別對不同農地經營權流轉方式的空間依賴關系進行分析。

4 研究結果與分析

簡單的統計描述并不能明確農地經營權流轉行為之間是否真正具有空間依賴，還需進一步通過空間自相關分析和空間計量得到科學驗證，熱點分析借助Geoda 1.12軟件實現，其余部分分析借助Stata 15.0軟件完成。

4.1 全局自相關分析

同時利用全局Moran’s I指數和全局Geary’s C指數檢驗不同農地經營權流轉方式是否具有空間自相關性，根據雙邊檢驗的結果，雖然農地經營權流轉在整體上呈現出顯著的空間相關特征，但不同流轉方式的空間相關關系存在明顯異質性。農地經營權流轉行為的I指數為0.314，C指數為0.361，都通過了1%的顯著性檢驗，具有穩健的空間自相關性；轉包的I指數和C指數分別為0.293和0.374，出租的I指數和C指數分別為0.302和0.355，均具有顯著的正向空間自相關關系，省級空間之間的行為相似度較高；股份合作的I指數趨近于0，而C指數趨近于1，呈現出空間隨機分布特征，因此不再分析股份合作的空間依賴性。

4.2 局部自相關分析

局部空間自相關分析可以彌補全局分析中難以反映聚集發生的具體空間位置和聚集模式的不足，由于標準化以后的空間權重矩陣一般不再是對稱矩陣，并且意味著區域i所受其鄰居的影響之和一定等于區域j所受其鄰居的影響之和（任意i≠j），此假定可能過強，文中選擇在非標準化空間權重矩陣的基礎上，借助Stata 15.0軟件進行局部Moran’s I散點圖分析[24]，使用Geoda 1.12軟件進行熱點分析。

局部Moran’s I 散點圖將各省區農地經營權流轉行為分為四個象限，代表4種不同的空間格局，圖1顯示了檢驗結果。從經營權流轉上看，位于第一象限的有8個省區，占比26.67%，經營權流轉率高的省區被經營權流轉率高的省區包圍；位于第二象限的有7個省區，占比23.33%，自身經營權流轉率低而相鄰省區的流轉率高；位于第三象限的有13個省區，占43.33%，自身和相鄰省區經營權流轉率都低；只有兩個省區位于第四象限，經營權流轉率高的省份被低值省份包圍。

圖1 局部Moran’s I散點圖Fig.1 Scatter plot of local Moran’s I

轉包和出租主要呈現出空間正相關關系，其中，分別有10個和7個省區處于第一項象限，表現為HH聚類特征，有12個和10個省區落在第三象限，屬于LL聚類模式；轉包方式中只有8個省區處于二、四象限，占比為36.67%，出租方式則有43.33%的省區表現出空間負相關關系?？傊煌r地流轉方式的空間關聯以LL集聚和HH集聚兩種模式居多。

根據90%置信區間下的熱點分析，得到熱點區域和冷點區域的具體位置。農地經營權流轉行為只具有顯著的高值與高值相鄰空間依賴關系，包括吉林、江西、安徽3個中部熱點區域，山東、浙江、上海、江蘇4個東部熱點區域；轉包的熱點區域包括內蒙古、黑龍江、吉林、遼寧、安徽、江蘇和上海7省區，除了內蒙古是緊鄰中部的西部省份外，其他被高值包圍的省區都處于中部或東部，冷點區主要分布在西部，包括云南、四川和新疆，低值與低值相鄰；出租行為包括東部5個熱點區域（福建、浙江、上海、江蘇、山東）和1個中部熱點區域（江西），冷點區域包括地處東部的遼寧和河北，地處中部的吉林和黑龍江，以及地處西部的內蒙古，冷點區和熱點區都主要分布在東部和中部地區，西部地區中只有內蒙古具有顯著的低值聚集特征。省域農地經營權流轉格局呈現出明顯的空間二元結構，西部地區和中、東部地區分化明顯。

4.3 空間計量分析

空間計量分析可以判斷變量之間的互動方式及影響程度，并對這一效應的強度進行估算。首先，用OLS方法估計經典計量模型，對其殘差項進行空間誤差和空間滯后的Wald test、LR、LM和Roubst LM 4項檢驗。對于空間滯后項，經營權流轉和轉包兩個指標的檢驗至少在10%的顯著性水平完全拒絕“無空間依賴性”的原假設，出租也通過了Wald檢驗和Robust LM檢驗。表明農地經營權流轉行為具有強烈的空間依賴性，基于觀測值之間相互獨立的假設得到的OLS結果受到空間聚類的劇烈影響。

本文選擇SLM考察行為的空間依賴關系，由于空間誤差項也通過了空間相關性檢驗，利用包含空間滯后項和空間誤差項的SARAR進行穩健性檢驗。使用最大似然方法（MLE）對經對數處理后的自變量和因變量展開空間回歸分析，為了進行比較，本文也給出了使用經典OLS方法的估計結果，回歸結果如表2。

三種經營權流轉方式的SLM擬合優度均比OLS平均提高了2%左右，模型解釋力度有所提高，說明考慮了空間效應以后的模型更加有效。經營權流轉行為受到其他空間行為的直接影響，空間依賴系數顯著，但不同流轉方式具有差異。SLM模型中，轉包和出租行為的空間滯后系數較為相近，分別為0.042和0.043，且前者更為顯著，而經營權流轉總指標由于包含了在空間中隨機分布的股份合作行為，空間滯后系數較其他兩種行為低。SARAR在SLM的基礎上引入空間滯后項后，不同流轉方式下，空間依賴系數依然顯著，除轉包行為的空間滯后系數降為0.026外，經營權流轉行為和出租行為的空間依賴系數均略有提高；空間誤差系數大于空間滯后系數，且顯著性較強，說明經營權流轉行為表現出來的空間依賴性，除了用其行為本身存在的內生互動效應解釋之外，還可能是由外生影響因素的溢出或其他不可觀測因素形成空間互動效應造成的[21]，但本文的主要目的是研究農地經營權流轉行為本身是否受到其他空間行為的影響，并非這種空間相關的形成路徑，故不進行深入探討。

自變量的回歸系數在同一方式的不同模型中基本保持一致，個別變量在引入空間關系后顯著程度和系數符號有所變化，說明未考慮空間因素的經典回歸方式對自變量的影響估計具有偏誤。非農就業水平的上升意味著農村勞動力更傾向于選擇外出務工，促進農地流轉；經營性收入比重越大表示農業收入對農戶越重要，流轉意愿降低，但對于出租行為沒有明顯影響；農村居民人均收入水平的提高可能會降低農戶對土地的依賴程度，而較大勞均耕地面積意味著農地供給充裕，二者對三種方式的農地經營權流轉都有促進作用，但對出租的影響在考慮空間關系后才具有顯著性；種植業合作社數量的增多總體上抑制流轉，促進轉包的同時減少出租，這意味著農戶進行農地流轉的時候，首選的對象是本集體經濟的熟人，其次是合作社，最后才是本集體經濟之外的人或者企業，特別的，對于轉包的促進作用在未考慮空間之前無法被觀察到；農地流轉糾紛數量的增加是一種產權不安全表征，這種不安全感通過相鄰空間的示范作用負向影響經營權流轉行為；教育對農地承包經營權流轉的作用具有不確定性[25]，農村勞動力文化水平提高，一方面，可通過促進非農就業而鼓勵農地轉出，也由于農地需求減少而抑制農地轉入，另一方面，人力資本的提升使得農戶更容易接受農業培訓從而提高農業生產率，農戶更傾向于選擇農業經營，抑制農地轉出，促進農地轉入，從總體上看，勞動力文化水平的提高對農地流轉的抑制作用較大。

表2 回歸結果估計Tab.2 Regression estimations

5 結論與政策含義

5.1 結論

本文利用空間計量模型，對不同農地經營權流轉方式的空間依賴研究表明：第一，在全局層面上，農地經營權流轉呈現出強烈的正向空間依賴關系，其中，轉包和出租兩種方式均通過了全局Moran’s I和Geary’s C指數檢驗，意味著這兩種行為在整體上表現出顯著的空間正自相關關系，即相鄰省區呈現出相似的行為方式，但股份合作方式未通過檢驗，在空間中為隨機分布狀態；第二，高—高聚集和低—低聚集是各省區的主要空間聚集模式，在90%的置信水平下得到的熱點分析結果表明，不同流轉方式的熱點區域主要分布在中國中部和東部，轉包行為的冷點區域分布在西部，而出租行為的冷點區域同時分布于中部、東部和西部，同一省區、不同流轉方式下，空間聚集模式存在顯著差異；第三，基于經典回歸（OLS）的殘差項檢驗均拒絕無空間依賴關系的原假設，SLM空間計量結果表明，相鄰省區經營權流轉、轉包和出租方式的空間依賴強度分別為0.021，0.042和0.043，引入考慮空間誤差項的SARAR后，他們的空間依賴關系依然穩健，且這種空間關系對于自變量的解釋力度有著顯著影響。

5.2 政策含義

本文的政策含義：第一，改進現有“大水漫灌”式的農地政策實施方式，關注不同農地經營權流轉方式間的異質性，對股份合作方式以省區為單位實施具有個體特征的推進政策，對轉包和出租方式則應以“行為空間”為邊界，充分考慮行為在空間中的聚集收斂作用，針對不同方式的空間布局特點，將流轉政策從全國統一層面和省級層面向局部聚集空間過渡，制定行為精準與空間精準并行的政策；第二，明確省區在不同農地經營權流轉方式上的空間聚集分布模式，充分利用上海、江蘇、安徽等熱點區域的正向空間溢出效應，發揮高值聚集區對相鄰省區的帶動作用，對于轉包方式中熱點區與冷點區相鄰的空間布局模式，更應重視高值聚集區對低值聚集區的帶動優勢，著力轉變西部地區以冷點區為主要聚集模式的現狀，加大力度促進西部地區農地流轉市場的發展；第三，相鄰省份之間合作協同將會通過溢出效應使所有省區受益，合作領域可以放在農地流轉鼓勵政策、產權安全保障等方面，通過創造良好的“流轉環境”，提高農業生產率，通過安全、有效的農地經營權流轉，真正實現農業規模化經營。