我國農村承包地經營流轉效率的研究
——基于DEA-Moran's I模型

張心宇，柴 洪,2

（甘肅農業大學1.財經學院；2.甘肅省區域農業與產業組織研究中心，甘肅 蘭州 730070）

我國土地流轉行為由來已久，早在改革開放初期，我國各地出現零散的土地流轉現象，2005年農業部對流轉方式等做出具體規定后，2018年我國重新修訂了《農村土地承包法》，不斷在政府層面完善土地流轉行為，維護土地流轉秩序。2005年，我國家庭承包耕地流轉比例占4.69%，經過15年的發展后，我國耕地流轉比例達到34%。2020年，我國農業農村部發布《新型農業經營主體和服務主體高質量發展規劃（2020—2022年）》將土地流轉行為放在培育新型農業經營主體的重要位置。因此研究各省的效率對于我國農村承包地的發展和新型農村經營主體的建設具有重要意義。

一、文獻回顧

國內學者們對土地流轉的理論已經做了多角度研究，如曾雨柔等（2022）以壽命周期理論為切入點，運用雙重差分法，證明了處于不同生命周期階段的家庭的土地流轉行為有差異[1]。張永峰等（2022）從金融信貸支持角度，實證研究了金融的發展對土地流轉的邊際效用呈現“倒U型”結構，需要注意土地流轉過程中，金融支持的適度性[2]。陳宇斌等（2022）從土地政策角度，運用連續型DID的研究方法，證明土地政策對土地流轉的正向影響[3]。孫銘遠（2022）指出在鄉村振興背景下，從實施和監管等方面提出了法律問題和建議[4]。

土地流轉效率也得到了學界的廣泛關注，既有研究大多運用DEA模型對土地流轉效率進行分析，如陳思中（2019）引入土地流轉面積占農作物播種指標，對土地效率進行評價[5]。秦溪（2021）通過傳統的三要素土地、資本、勞動力對土地流轉效率進行時空測度[6]。程樂（2021）運用實證分析證明固定資本投入對土地流轉效率的影響較大[7]。羅敏等（2022）通過DEA模型研究了淮安區的土地流轉過程中農地性質轉換的配置效率[8]。

綜上，已有研究從金融、政策、家庭、法律等多角度對我國土地流轉進行了論證，但已有研究仍有進一步完善的空間，如現有研究只是從法律角度說明土地流轉的問題并提出相應建議，并沒有將法律權益因素引入土地流轉的效率評價體系中。因此，本文借鑒其他學者的研究，采用2020年30個省的土地流轉的相關數據，通過構建評價指標，采用DEA和Moran's I分析法研究我國的土地流轉效率，并評價其空間分布特征。

二、我國農村承包地流轉情況

（一）基本情況

除西藏、港澳臺外，2020年我國共有156166.25萬畝家庭承包經營的耕地，其中，流轉面積約53218.9多萬畝，占比34.08%；轉讓面積約1358.97萬畝，占比0.87%；互換面積為1878.30萬畝，占比約1.20%①數據來源：《中國農村政策與改革統計年報（2020年）》，由于統計口徑不同和數據缺失，本文統計數據不含西藏、港澳臺。。

全國（除西藏、港澳臺外）按照地理區域劃分為七大區域，如表1所示，2020年我國流轉、轉讓及互換面積超過1億畝的地區有三個，分別是東北、華東及華中地區，而華南地區最低，不到4000萬畝。

表1 2020年30個省按照區域劃分耕地流轉、轉讓及互換面積（單位：畝）

（二）農村承包地法律糾紛情況

根據中國裁判文書網數據（https://wenshu.court.gov.cn/），我國主要有三種土地流轉糾紛：土地承包經營權糾紛、農村土地承包合同糾紛、土地承包經營權出租合同糾紛。由圖1可知，土地承包經營權案件遠高于另外兩類案件。從2012年起，土地承包經營權糾紛案件快速增長，到2018年土地承包經營權糾紛達到最大值，之后年份逐漸下降。2020年以前，農村土地承包合同糾紛案不斷增長，之后下降。土地承包經營權合同糾紛案的增長呈“倒U型”，2018年案件數最多。造成該類現象主要原因是：沒有統一標準的合同范本，甚至農戶之間沒有簽訂合同，法律權益無法得到很好維護和保障；由于土地的非完全商品屬性及土地市場的機制不完備[9]，農戶的流轉行為不規范，因而容易引起法律糾紛。

圖1 2012—2021年土地流轉法律糾紛

三、農村承包地流轉效率分析

（一）研究方法

數據包絡分析法是研究投入和產出指標的一種方法，該模型運用非常成熟。CCR模型是最早提出的線性規劃方法，根據下列數學公式進行推導：

通過公式（1）和（2），對每個決策單元進行評價，每個目標函數的值就是決策單元的評分。本部分通過CCR模型對2020年我國30個省的流轉效率進行測算。

（二）指標選取及處理

對我國30個省農村承包地流轉效率分析的前提是能夠找到合理的投入指標和產出指標。投入指標（Input）有一個：家庭承包耕地。產出指標（Output）有四個，分別為土地流轉面積、土地轉讓面積、土地互換面積、土地承包糾紛案。其中，土地承包糾紛案數據是一個綜合性的指標，反映了法律因素對土地流轉的影響。由于糾紛案產出指標為逆向指標，參考相關文獻，對其采取其倒數作為產出指標更為合理。

（三）數據來源

本研究主要采用2020年我國30個省的農村承包地流轉數據，家庭承包耕地面積、土地流轉面積、土地轉讓面積和土地互換面積的數據來源于《中國農村政策與改革統計年報（2020年）》。土地承包糾紛案數據來源于中國裁判文書網，為土地承包經營權糾紛案件、農村土地承包合同糾紛案件及土地承包經營權出租合同糾紛案件三類土地流轉糾紛案件數量的總和。具體數據如表2。

表2 2020年全國農村承包地流轉情況

（四）測算結果

通過運行DEA-Solver 5.0軟件，同時按照七大地理區域劃分，得到結果如表3。

表3 2020年全國農村承包地流轉投入產出效率值

我國30個省的農村承包地流轉水平的綜合利用水平不高，綜合效率均值為0.60。各地理區域效率值從高到低依次為：華東地區（0.84）、華中地區（0.73）、東北地區（0.68）、華南地區（0.60）、華北地區（0.59）、西南地區（0.43）、西北地區（0.37）。華東地區的省份的綜合效率全部在平均值以上，而西北地區的5個省份的綜合效率值都很低，這說明區域之間農村承包地流轉效率存在較大差異。2020年我國共有4個省處于高效率狀態，分別是上海、江蘇、湖南、廣東。北京、黑龍江和重慶3地的綜合效率在0.8到0.9之間，綜合效率比較高。16個省綜合效率水平處于均值以下，占比為53.33%。綜合效率值在0.5以下，即綜合效率很低的省份有10個。

我國農村承包地流轉過程中，對于投入利用水平是較低的，純技術效率均值為0.69，低于該值的省份有16個，占比53.33%。我國華東地區的純技術效率值最高，為0.97；西北地區的純技術效率值最低，僅有0.40。在2020年我國土地流轉有9個省的技術效率為1，分布在華東地區、華中、東北和華南地區，說明這9個省對投入資源利用水平是很高的。在我國七大區域中，華東、東北、華中及華南地區的純技術效率大于均值，華北、西南和西北地區的純技術效率低于均值。30個省中，有8個省的投入資源利用水平很低，純技術效率值低于0.5。

我國承包地流轉的規模效率水平較高，規模效率均值為0.90。按照地理區域劃分30個省份，效率值從高到低順序依次為：西南地區（0.96）、西北地區（0.94）、東北地區（0.91）、華中地區（0.88）、華北地區（0.88）、華東地區（0.87）、華南地區（0.83）。我國西南地區的規模效率值最高，為0.96；華南地區的規模效率值最低，僅有0.83。2020年我國有10個省的規模效率水平低于均值，占比為33.33%。上海、江蘇、湖南、廣東省的規模效率為1，說明這4個省的規模結構較為合理，其投入能夠產生合理的產出。規模效率值在0.9到1之間的省份主要有16個，規模結構較為合理。海南省的規模效率值在0.40以下，說明海南省的規模結構不合理，其投入和支出之間匹配不合理。

四、農村承包地效率空間分布特征

（一）數據來源及研究方法

1950年，統計學家莫蘭首次提出Moran's I指數，衡量數據是否具有空間自相關性。通過引入地理距離因素，按照下列公式(3)進行推導：

其中，

Wij為空間權重值，n為地區總數，Ii是第i個地區的局部莫蘭指數yi和yj分別是第i個和第j個空間單元屬性值。45年后，安瑟倫提出了局部Moran'sI指數，衡量區域局部是否有集聚現象，一般在全局Moran's I指數基礎先進行判斷，通過公式（5）進行推導：

簡化為

通過經標準化處理后的權重，畫出莫蘭散點圖。

通過DEA模型已經測算出了30個省的綜合效率值，為了研究30個省的土地流轉效率值的空間分布，是否有空間自相關性，運用Moran's I指數進行測算。因此，以表3中我國30個省土地流轉的綜合效率值為單變量，以30個省份是否相鄰為基礎構建30×30的二進制空間權重矩陣，如公式（7）和（8）。

（二）研究結果及結論

1.全局Moran's I指數

根據Stata 16軟件運行結果，由圖2可知，全局Moran's I指數為0.315，這說明30個省的土地流轉效率呈現空間正相關，并且該相關性顯著。該運行結果P值為0.002，z得分為2.83，由于P值小于0.01，z得分大于2.58，這說明在99%的置信水平下，30個省的土地流轉綜合效率是集聚分布的。

圖2 全局莫蘭指數圖

2.Moran's I散點圖

根據全局Moran's I指數進一步列出以z得分為橫軸、wz為縱軸的莫蘭散點圖，來分析該區與周圍地區的空間之間的聯系。Stata 16的運行結果如圖3所示。由圖3可知，30個省的綜合效率主要集中在第一象限和第三象限。華東地區省份均處于第一象限，西北地區均處于第三象限。北京（1）、遼寧（6）、上海（9）、江蘇（10）、浙江（11）、安徽（12）、江西（14）、山東（15）、湖南（18）和廣東（19）10個省的結果位于第一象限（即高-高聚集區），呈現高-高正相關的空間集聚；第三象限（低-低聚集區）有11個省，分別是山西（4）、內蒙古（5）、廣西（20）、四川（23）、貴州（24）、云南（25）、陜西（26）、甘肅（27）、青海（28）、寧夏（29）、新疆（30），說明這些省份表現出低-低正相關的空間集聚。第二象限（低-高聚集區）有天津（2）、吉林（7）、福建（13）、湖北（17）及海南（21），說明這些低值省份的周圍被高值省份包圍。第四象限（高低聚集區）有河北（3）、黑龍江（8）、河南（16）和重慶（22），體現了低目標值的省份被高目標值的省份包圍的空間形式。低-低型和高-高型聚集現象比高-低型或者低-高型的聚集的數量更多，同時低-低型比高-高型更易聚集。

圖3 Moran's I散點圖

五、結論及政策建議

（一）結論

本文計算了2020年30個省份的土地流轉效率和土地流轉綜合效率的空間分布的相關性，得出結論：

第一，在綜合效率方面，在七大地理區域中，華東地區的土地流轉效率普遍高，西北地區的五個省份土地流轉的效率都比較低。其他五個地區，不僅存在高效率的省份，也存在效率較低的省份。上海、江蘇、湖南、廣東省的土地流轉效率最高，云南省的土地流轉效率最低。

第二，在純技術效率方面，華東地區的土地利用水平普遍較高，西北地區的純技術效率值均較低。9個省對投入的利用水平很高，云南省對投入資源利用水平最低。

第三，在規模效率方面，我國西南地區的規模效率值最高，西北地區的規模效率排名第二，華南地區的規模效率值最低。4個省的規模效率呈高效率狀態，海南省的規模效率值最低。

第四，在土地流轉效率空間分布方面，我國30個省的土地流轉效率呈現空間正相關性，并且相關性顯著。Moran's I指數的顯著性水平很高，在99%的置信水平下，30個省的土地流轉綜合效率是集聚分布的。我國70%的省份都集中在高高聚集區和低低聚集區。華東地區呈現高值聚類、西南地區和西北地區呈現低值聚類的空間分布，而其他四個地區的集聚偏向隨機。

（二）政策建議

首先，提高農戶法律意識，規范土地流轉行為。在農村土地“三權分置”政策及《農村土地承包法》背景下，為承包土地進行確權及登記。但是土地流轉過程中，合同不規范、不及時備案登記和維權意識不高等，導致了法律糾紛多，進而影響到西北、西南等地區的土地流轉效率。對于低效率地區，在積極鼓勵農戶土地流轉同時，還要積極宣傳土地流轉的相關的法律法規，特別是登記方面的規定，提高農戶的維權意識。通過這種方式，在一定程度上會減少土地糾紛案件數量，還會節約司法資源、優化產出，進而提高各省份的土地流轉效率。

其次，利用區塊鏈等新型技術，加快農地數字化確權。最近幾年，我國一直在加快推動區塊鏈技術的落地，該技術已經在金融、保險、醫療及教育等領域有所應用。區塊鏈因其去中心化、分布式存儲數據、安全且透明度高等特點，能夠很好地解決土地流轉過程中的法律權益問題，降低交易和信息成本，提高土地流轉的效率。同時，區塊鏈實時延伸，增強土地流轉交易多方的相互信任，土地承包經營權的確權、使用權流轉都可以在區塊鏈的節點記錄、查詢、追溯，提高土地過程中權利法律狀態的安全性，從而減少土地承包經營權流轉的法律糾紛并節約司法資源。此外通過智能合約，將合同編程加入鏈中，能夠規范合同文本，維護土地流轉秩序。

最后，地區帶動、協同發展，進而提高土地流轉效率。由于30個省份的土地流轉效率值呈現空間正相關，有集聚現象。高效率地區帶動會產生協同效應，而且臨近區域的相似性程度越高，地區之間的帶動及合作帶來的效益是越顯著。因此如果將土地流轉效率高的省份帶動周圍的區域發展，會讓周圍地區的土地流轉得到優化，進而提高效率。尤其在西南和西北地區，目前是低-低聚集狀態，不僅需要較高效率的省份帶動發展，還要因地制宜，解決本地區的瓶頸問題，提高土地流轉的效率。