鄉村振興進程中耕地撂荒問題實證研究

摘 要：優化配置農業要素資源，首要是促進農業各要素資源有效利用。基于1994—2017年中國7個省級面板數據，研究東中西部具有代表性的三大區域農村耕地利用情況，并根據調研設計指標構建計量模型，實證檢驗主要影響因子的實際效應。結果顯示，非農收入相關指標的增長顯著地促進了農村耕地撂荒，且東部地區的效應遠大于中部和西部地區，農業收入的增長對耕地撂荒的影響不確定。在此基礎上，提出不同區域規制耕地撂荒，促進土地資源有效利用的相關政策建議。

關鍵詞：鄉村振興;資源稟賦;優化配置

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

引言

黨的十九大報告以及2018年中央一號文件提出和部署實施鄉村振興戰略，2019年中央中央一號文件進一步強調，在全面建成小康社會的決勝期，夯實農業基礎是重要任務，保障重要農產品有效供給是重中之重。更明確要求，“穩定糧食產量。毫不放松抓好糧食生產，推動藏糧于地、藏糧于技落實落地，確保糧食播種面積穩定在16.5億畝。”（2019年《中共中央國務院關于堅持農業農村優先發展做好三農工作的若干意見》）立足國家的戰略部署，結合我國人均耕地少、耕地質量總體不高、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。耕地資源形勢嚴峻，但其狀況還在繼續惡化。張琦（2012）對我國的人口增長趨勢和土地面積進行預測，其通過模型估計到2020年我國耕地面積將減少到17.86億畝，將會嚴重突破國務院18億畝耕地保護目標至少2 000萬畝以上。

嚴峻的耕地資源形勢下，農村還普遍存在耕地撂荒的現象。20世紀80年以來，耕地撂荒問題就進入學界和政府的視野，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重性，本文以2011年以來各地縣、市級以上提及耕地撂荒的政協提案，共53個。其中，全國政協提案3個，省級政協、提案3個，區、縣級政協提案47個，所提問題涵蓋的區域覆蓋四川、重慶、廣西、江蘇、云南、浙江、山東、貴州、河南、甘肅、湖北、湖南、江西、內蒙、寧夏、陜西、山西、福建、海南、廣東20省，提案出現的高峰期在2014年、2015年和2016年，充分反映了耕地撂荒問題廣度。很多學者也專門對耕地撂荒問題進行了研究，楊國永等（2015）以2014年有關耕地撂荒的論文和報道的截面數據為樣本，通過文獻出現頻率和研究覆蓋地域視角，所檢索的29篇文章中有17篇論文或報道整理了縣、鄉鎮或村耕地撂荒的數據，整理這些數據并做簡單加權平均，發現撂荒耕地平均比例達到11.12%。史鐵丑（2013）等將二十年來我國耕地撂荒調查報道的區域，加總起來發現涉及21個省市區，遍布107個縣（市）、161個鄉鎮或村社。雖然這樣的歸納方法科學性值得懷疑，但確也可從中看出耕地撂荒的嚴重性。趙子亮（2014）整理1992—2013年耕地撂荒問題相關文章共557篇，發現這些研究中304篇通過農戶主觀動機研究撂荒問題，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地調研的實證研究少見。因此，本文以調研數據為基礎對耕地撂荒問題進行實證分析具有重要意義。基于此，本文采取以重慶為調研重點，樣本點包括山東、湖北、重慶、貴州、四川、甘肅、陜西7省的大面積調研，時間跨度從1994—2017年，調研內容包括樣本點土地資源、環境狀況、經濟發展、人口形勢、政策支持和公共服務等多方面的因素，調研對象包括基層公務員、村（社區）干部和村民。基于調研數據設計評價指標、構建計量模型，用面板數據檢驗耕地撂荒影響因素，并對區域之間的差異進行比較。

一、調研情況

1.調研方法。通過進村入戶走訪座談的方式，組織本科學生利用假期回鄉的機會，對相關情況進行實地走訪，筆者本人牽頭重慶潼南區、綦江區的調研工作。具體操作中點面結合，以重慶為主要調研區域，對重慶1994年以來樣本區縣村級耕地撂荒的面板數據和面上其余6省的數據。調研范圍覆蓋30個縣60個村，時間序列包括1994—2017年，調研農戶300戶。

2.問卷設計。根據調研省份的分布，將樣本點分為東、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。調查問卷分兩類：一類針對村“兩委”干部，另一類針對農戶，村“兩委”干部主要梳理相關村耕地利用演化情況進行梳理，以從整村了解耕地利用狀況。時間跨度中涉及撤并村，村級數據基于撤并村前的村級單位，以確保數據的信度和效度。農戶層面則立足農戶家庭經濟、資源和公共服務等層面構建指標，指標結構（見表1）。

3.樣本點情況分析。本次調研共收集到有效問卷401份，其中鎮村干部問卷118份、村民問卷283份。通過整理分析發現，所有調研點人口變化比較明顯，主要“農民荒”問題比較嚴重，大量青壯年勞動力，有一定文化技術的勞動力大量外流。山東省調研點在家人口比例約為50%，其余6省在家人口比例基本30%～40%之間。各調研點耕地總量有所下降（不考慮統計口徑或技術引起的土地數據變化），人均耕地急劇減少，造成農村的人地關系發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“井噴式”的發展（見表2）。

從表2中數據可以看出，耕地撂荒問題從東往西逐漸加重。在2012年，中部地區的湖北也達到了20.12%，西部地區的甘肅更是達到了46.1%，在2011年、2012年各地區差不多達到峰值，之后有下降趨勢，但是并不穩定，處于波動狀態。調研同時發現，近年來，國家加大對農業的支持力度對非農的其他社會主體參與農業產業的情況。國家出臺的各類農業補貼政策和刺激措施，一定程度上吸引了不少人投入農業產業，提高了土地的利用率。但是，這些新加入的經營主體，普遍技術含量不高，大多道聽途說就貿然參與，并且資本不雄厚，很多經營未超過三年就破產，耕地又重新撂荒。

二、耕地撂荒主要影響因子的實證分析

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

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

式中，i和t分別表示數據范圍中第i個省份和第t年，？覣、？著it表示個體效應和隨機擾動項，RAit表示農戶耕地撂荒比率，RWit為非農收入比率，RFit為務農收入比率，MSit表示政府惠農政策支持，SPit表示農業技術進步，ALit表示土地自然資源稟賦，FSit表示金融支持力度，FLit表示農村勞動力豐裕程度。

2.數據來源及變量說明。本研究所用數據均取自于調研材料整理，為保證數據真實有效可信，雖然本次調研時間段為1994—2017年，但調研人員反饋該時段存在婚遷嫁人員較多的情況，不了解前期情況，有數據失真的可能。所以在具體運用中，結合樣本點的情況將數據時段限定為2007—2017年，故最終總樣本時間序列為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時期農戶耕地撂荒比率，計算方法是將農戶撂耕地面積除以農戶家庭耕地面積，省（直轄市）農戶耕地撂荒比率將該樣本點的撂荒比率加總求算術平均數。公式為：

RAit=∑■+■+…+■n（2）

其中，ASit為i省t時期農戶耕地撂荒面積，Sit為農戶耕地面積，1，2，…n為農戶數，ASit≤Sit。

其次，解釋變量。RFit為i省t時期務農收入比率，RWit為i省t時期非農收入比率。根據生產函數等理論，我們可以推知各種因素的影響最終都會體現在農戶家庭的收入上。通過對農戶種植、養殖收入和其他行業收入的估算，計算農戶家庭年總收入、農業收入和非農收入。省級非農收入比率和農業收入比率為受調查農戶相應比率的算術平均數，公式如下：

RWit=■=∑■+■+…+■n（3）

RFit=1-RWit=1-■=1-∑■+■+…+■n（4）

其中，Tit代表為i省t時期農戶家庭總收入，UIit代表為i省t時期農戶非農收入，1，2，…n為農戶數，UIit≤Tit。

最后，控制變量。ALit為i省t時期土地資源稟賦，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時期政府補貼比率，以相應種類補貼金額除以產出;SPit為i省t時期農業技術進步比率，以單位畝耕地采用機械的勞動時間與未用機械的勞動時間的比率計算;FLit為i省t時期農村勞動力豐裕率，為從全村事農業生產的勞動力與勞動力總數的比率;FSit為i省t時期金融支持強度，用農戶農業貸款金額除以農業總投入。各控制變量的省級數據，均為村級數據的算數平均數，描述性統計結果（見下頁表3）。

3.研究方法。參照張明玖（2017）對耕地撂荒的經濟分析方法：“計量中混合運用最小二乘回歸模型（POLS）、固定效應模型（FE）和隨機效應模型（RE），對之進行靜態面板估算，從理論上說具有可行性。對函數（1）模型進行實證檢驗時，應從以下三個方面選擇相應模型：第一，集散F統計量來確定選擇固定效應模型，還是POLS模型;第二，用拉格朗日乘數（LM）檢驗結果判定用隨機效應模型，還是POLS模型;第三，以豪斯曼（Hausman）檢驗結果確定選擇固定效應模型，或是隨機效應模型。若F檢驗和LM檢驗都不顯著，則選用POLS模型;若F檢驗和LM檢驗有一個顯著，則應繼續進行Hausman檢驗模型。如果檢驗結果顯著，則選用固定效應模型，反之則應選隨機效應模型。”

三、實證檢驗結果與分析

1.非農收入效應對農戶耕地撂荒比率的總體靜態模型估計。為了使農戶非農收入比和務農收入比對農戶耕地撂荒的總體效應得估算更精確，文中特別將農戶耕地撂荒比率RA定為被解釋變量，以此為基礎對相應的解釋變量和控制變量分別進行混合模型估計、固定效應模型估計和隨機效應模型估計，發現其適合選擇固定效應模型，估計結果（見表4）。

從表4中可以看出，非農收入比率為被解釋變量的系數為正且結果顯著，說明非農收入增加會加劇耕地撂荒。具體原因，一方面可能是非農行業工資水平高于農業從業工資水平，對農民產生推力;另一方面可能是農業收入水平下降，農戶生產的積極性下降而轉行。務農收入比率為被解釋變量的系數為負且結果顯著，說明務農收入提高能有效降低耕地撂荒率。可能是農村基本公共服務改善，耕作條件變好，生產效率提高，務農正向激勵增強，也可能是經濟形勢惡化，農戶不得已只能選擇從事農業生產。其他控制變量檢驗結果來看，政策補貼力度對農戶耕地撂荒影響不顯著，說明政府財政補貼等激勵未發揮有效的正向務農激勵，也說明惠農政策未能起到平衡產業發展的效應，沒有形成有力拉力吸引農業就業。土地資源稟賦對農戶耕地撂荒有負向影響，表明自然資源稟賦對耕地撂荒率具有反向影響，稟賦越好撂荒率越低。農業技術進步對農戶耕地撂荒反向作用非常顯著，表明技術進步對抑制耕地撂荒具有正向激勵。金融支持力度對耕地撂荒影響不顯著，按照金融與實體經濟發展的理論和實踐，說明金融服務還未能與農業有效結合。勞動力豐裕率對農戶耕地撂荒反向激勵效應顯著，表明農村勞動力越充裕耕地撂荒率越低。

2.按務農收入水平分組的靜態模型估計。區域經濟發展不平衡是我國當前經濟發展的現實問題，導致地區間各地在農業收入水平、農業重視程度和政府規制等方面均存在比較明顯的差異。基于發展不均衡的現實，實證指標是對各地區農戶耕地撂荒的影響的異同也值得關注。為進一步檢驗非農收入比和務農收入存在較大差異的情況下，對農戶耕地撂荒產生的影響，本文先將調研省（直轄市）2017年平均農業收入比劃分為兩組，務農收平超過50%的定為高農業收入水平地區，農業收入小于或等于50%的則定為低農業收入水平地區。基于此劃分，再以農戶耕地撂荒率（RA）為被解釋變量，對不同類型的樣本組進行靜態模型參數估計，估計結果（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