集體建設用地市場化對農民收入的影響

王皓煒

(天津工業大學 天津 300387)

一、問題描述

農村建設用地是指鄉村建設用地，鄉村建設用地是指鄉村集體經濟組織和農村個人投資或集資，進行各項非農業建設所使用的土地。主要包括:鄉村公益事業用地和公共設施用地，以及農村居民住宅用地。農村集體建設用地分為三大類:宅基地、公益性公共設施用地和經營性用地。2015 年1月，中共中央辦公廳和國務院辦公廳聯合印發了《關于農村土地征收、集體經營性建設用地入市、宅基地制度改革試點工作的意見》，在北京市大興區等 33 個試點縣(市、區)行政區域，調整實施土地管理法、城市房地產管理法關于農村土地征收、集體經營性建設用地入市、宅基地管理制度的有關規定，引導集體建設用地合法流轉入市，標志著城鄉建設用地市場進入全面試點階段。

2015年集體建設用地進入市場，增加了建設用地的供給量，改變了土地要素的供給結構，為我國經濟發展注入了新的活力。特別是在 2015 年以后，北京大興，廣東南海、重慶、成都、上海等33 個試點地區先后建立了集體產權交易中心，進行集體建設用地交易。因此農村建設用地所能帶來的經濟發展影響力就成為了我們所關注的焦點問題。

本文選擇對農村建設用地開放性對農民人均可支配收入進行定量的評估，這就需要選擇合適的評判指標體系，并且需要說明結果的正確性和評估體系的科學性。針對這些問題對于題目進行如下分析：首先尋找33個試點區域的數據指標，根據數據對其進行主成分分析，選取與農村集體建設用地最相關的指標。根據選取的指標利用向量自回歸的方法進行對比預測，對大興區農村集體建設用地的開放程度和對該地區的經濟水平進行定量評估。最后本文所用方法的優缺點以及推廣與改進。

二、基本假設和符號說明

(一)基本假設

假設 1：在各大統計局和地方統計局網站上搜集的數據均真實可靠；

假設 2：除選取指標外其他指標對農村集體建設用地影響力不大；

假設 3：農村集體建設用地不進入市場，農村的經濟總體發展規劃也會有一個增長趨勢；

假設 4：農村集體建設用地從2015年開始影響農村經濟的發展。農村集體建設用地對經濟的影響包括兩個階段：農村集體建設用地進入市場前、農村集體建設用地進入市場后；

假設 5：農村集體建設用地進入市場后對經濟的影響涉及許多方面，包括鄉村人口、地區生產總值、固定資產投資、工業化程度、產業園區(是=1，否=0)等，本文暫不對這些廣泛而復雜的因素做定量討論；

假設 6：農村集體建設用地給農民帶來的收入增長相當于農民總收入的增長。

(二)符號說明

三、模型的建立和求解

(一)綜合指標的選取

對農民人均居民收入而言，每個變量都不同程度的反映了所研究問題的某些信息，并且指標之間有一定相關性，因而所得的統計數據反映的信息在一定程度上有重疊。所以本文利用主成分分析法，將多指標轉化為少數幾個綜合指標，盡可能多地反映原來眾多變量的信息。步驟如下：

Step1：利用SAS軟件，進行多元線性回歸。F統計量對應的P-值為0.045<0.05,即方程擬合程度較好。

表1 方差分析

若VIFj超過10，常常表示存在多重共線性。由下表最后一列可以看出，VIFj均小于10，即自變量之間沒有多重共線性。

表2 回歸分析

Step3：根據原始數據X=(xij)計算相關系數矩陣，記第i個指標與第j個指標的相關系數為rij，計算公式為：

則相關系數矩陣為R=rij(6*6)。

表3 相關矩陣

Step4：計算相關矩陣的特征值和特征值所對應的特征向量，由R的特征方程：

|R-λI|=0

求得k個非負特征值λi(i=1,2,…,k)，將這些特征值按從小到大的順序排列為：

Step5：計算主成分貢獻率及累計貢獻率。主成分Zi的貢獻率為：

Step6：確定主成分的個數。下圖給出了相關系數矩陣計算出來的全部特征值、相鄰兩個特征值的差異、每個主成分的貢獻率和累積貢獻率。特征值越大，它所對應的主成分變量包含的信息就越多。

表4 相關矩陣的特征值

由上表最后一列可以看出，前4個主成分包括了原來5個指標96.43%的信息。在農民人均居民支配收入中，第一主成分可以解釋為人口的基本情況，所占信息總量為37.81%，即人口對人均居民支配收入的影響最大；第2個主成分的貢獻率分別為24.67%，也就是說，地區生產總值越大，居民可支配收入也越多，是第二影響因素；第三、第四主成分的貢獻率分別為21.10%和12.85%。即評估農村集體建設用地市場化開放對我國經濟發展的影響指標有四個，分別為鄉村人口、地區生產總值、固定資產投資、工業化程度。

(二)基于向量自回歸的預測模型

由于北京市大興區的農村人均支配收入y不僅受到鄉村人口x1、地區生產總值x2、固定資產投資x3、工業化程度x4的影響，還要受到前幾期的影響。所以本文選用向量自回歸的方法，使農村人均支配收入對其滯后項進行回歸，估計出農村人均支配收入的動態關系，從而揭示出內生變量的變化受自身過去行為的影響。

Step1：數據處理。在Matlab中導入大興區的數據，由于數據有明顯的上升趨勢，所以本文對各組變量取對數。

Step2：檢驗各變量的平穩性。根據下表，ADF單位根檢驗統計量對應的p值均大于0.05，表明該統計量不顯著，所以不能拒絕序列x1-x4有單位根的假設，即該序列非平穩。

表5 ADF單位根檢驗結果

Step3：協整檢驗。本文選用了Johansen協整檢驗中特征根跡統計量進行檢驗。H0：y有r個協整關系；H1：y有r+1個協整關系。

構造的檢驗統計量為

其中，r為協整變量的個數，λi為按大小排列的第i個特征值，n為樣本容量。

下表給出了檢驗結果，從表中可以看出r=3的原假設被拒絕，而r=4的原假設未被拒絕，因此這4個變量間存在4個協整關系。也就是說，雖然變量自身非平穩，但是其線性組合是平穩的，反映了變量之間長期穩定的比例關系。

表6 Johansen協整檢驗

Step3：確定VAR模型的最優滯后階數。利用AIC信息準則和BIC信息準則確定之后階數，具體公式分別為

表7 AIC、BIC信息準則

Step4：模型估計。采用極大似然法進行各參數的估計，根據估計結果，可寫出VAR(1)模型的矩陣形式：

Step5：進行預測。預測結果如下表：

表9 模型預測表

通過時間序列預測結果顯示，2017年的預測值和實際值相差很小，這可能意味著政策效果不突出，并未達到實際我們想要的效果。對此我們想通過BP神經網絡，進一步驗證我們的結論。

四、模型的評價與推廣

(一)模型的優點

首先，我們對數據進行了預處理，減少異常值的干擾，使結果更加準確。通過查閱資料和分析數據，我們合理的選取了農村建設用地開放后帶來影響的不同指標，并且根據數據分別通過主成分分析，提取相關指標，能夠較好的反映真實情況。

之后，根據前文的選取指標的結果，我們使用了向量自回歸法，利用他們來對農村建設用地開放后給農村人均可支配收入進行預測，用農村人均可支配收入來評價農村集體建設用地的開放程度和對大興區經濟發展的影響，用兩種方法做比較，可以得出更為可靠的結果。

(二)模型的缺點

本文選取的指標變量仍然較少，所以最后選取可利用的指標較少，可靠度低。還可以使考慮更多指標反映對農村集體建設用地開放前后帶來的影響。另外本文只用了主成分分析，還可以用其他方法做對比進行綜合，所以仍需要進一步改進。

(三)模型的推廣和改進

本文對農村集體建設用地開放后帶來影響的指標進行了分析并用BP神經網絡和向量自回歸進行了預測，具有良好的穩定性和推廣性，可以通過簡單改變參數適用于其他相似的數據預測情況。

本文選取的指標仍然較少，還可以增加數據對影響農村人均可支配收入的指標進行更多分析，在數據時間序列的預測方面，所用到的年份數據太少，可以把年份改成月份或者季度來進行數據的查找與使用。