農地制度創新“緩解撂荒”與“加劇非糧化”雙向效應研究
——以西南山區“三變”改革為例

韓德軍，閆 照，宋 洋

（1.貴州財經大學公共管理學院，貴州 貴陽 550025；2.北京大學城市與環境學院，北京 100871；3.北京大學—林肯研究院城市發展與土地政策研究中心，北京 100871）

隨著城市化、工業化持續發展，社會勞動生產率日益提高，以糧食種植為主的傳統農業比較收益越來越低，廣大農村出現了耕地撂荒與非糧化雙重現象[1-2]，尤其以農業資源稟賦較差的山區最為突出，對糧食安全造成威脅。中共二十大報告提出，全方位夯實糧食安全根基，牢牢守住18億畝耕地紅線，確保中國人的飯碗牢牢端在自己手中。在全面推進鄉村振興、加快農業農村現代化進程中，以保障農民集體產權為核心的農村集體產權制度改革在全國各地深入推進，其中農地制度創新為這次改革的重要抓手，農地制度創新會通過影響撂荒[1]和非糧化[3]等耕地利用狀態而對耕地保護和糧食安全產生深遠影響，值得深入研究。

2011年發源于貴州六盤水舍烹村并于2016年在全省逐漸推開的“三變”改革，即“資源變資產、資金變股金、農民變股東”，是西部農村通過農地入股和多方投資方式實施的典型農村集體產權制度改革創新實踐，曾于2017年和2018年兩度被寫入中央一號文件，其精髓是通過促進土地流轉集中，盤活了閑置耕地資源[4]，最終緩解了耕地撂荒；然而，“三變”改革為選擇回報率更高的農業經營項目[5]，通常種植經濟作物，卻加劇了非糧化。因此，“三變”改革對于耕地利用具有“緩解撂荒”與“加劇非糧化”雙向驅動效應。有必要精準測度這種正反效應對耕地保護的均衡效果，并確定其內在機理，為實現糧食安全、加快農業農村現代化提供理論借鑒。

目前，學術界主要從宏微觀兩種尺度對耕地撂荒成因進行分析。從宏觀區域尺度，運用遙感影像為主的多源數據及模型模擬等技術方法，研究得出城鎮化與工業化快速發展是耕地撂荒的根本驅動力，農村勞動力析出導致農業勞動力大量減少是直接原因[1]；從微觀農戶尺度，通過典型抽樣和入戶調查等研究方法，研究得出農業比較效益低、山區農業生產條件差及家庭勞動力的缺少等原因導致了撂荒[6-7]。與此相比，非糧化成因主要來源于農地利用追求更高的比較收益從而調整種植結構[8]、高昂的農地流轉價格[9-11]以及工商資本下鄉的逐利性質[12-13]；另外，為了獲取更高農業利潤而擴大農地經營規模易引起非糧化生產[14]。在對“三變”改革的研究上，“三變”改革實質被認為是通過發展多種形式土地股份合作[4]、有效盤活農村閑置資源資產[5]、整合財政資金作為農民股份[15]等途徑，促進了土地流轉集中進行規模化經營、產業化發展[16]。因此，“三變”改革通過土地入股流轉方式以及農業產業化發展等方式影響耕地撂荒與非糧化，進而影響耕地保護和糧食安全。目前，尚未有學者對“三變”改革中耕地撂荒和非糧化聯動效應的探討。

鑒于此，本文以“三變”改革過程中農地制度創新作為“準自然實驗”，選取位于烏蒙山區三個地級市為研究區域，采用2011—2019年24個縣域的平衡面板數據，構建雙重差分模型識別“三變”改革的“緩解撂荒”與“加劇非糧化”雙向效應并予以實證檢驗。為農村集體產權制度改革提供有針對性的政策措施，以期優化差別化耕地保護措施，為實現我國糧食安全提供政策參考。

1 理論分析與研究假設

兩權分置的農地經營體制造成耕地利用過于分散，加之資本投入較少和勞動力質量降低等問題，傳統農業的全要素生產率持續降低，這些問題在西南山區農村尤為突出。針對農村發展困境，在地方政府引導下，“三變”改革通過農村土地確權登記、量化入股來推動土地流轉集中，對耕地利用狀態產生影響。

1.1 “三變”改革現實背景、改革內容和政策工具

“三變”改革發源于西南山區資源稟賦有限的貴州省六盤水市舍烹村，當地曾為典型的內地貧困村。為了以農地資產撬動農村經濟和產業發展，當地探索出“資源變資產、資金變股金、農民變股東”的農村改革創新模式。“資源變資產”實質是土地問題[17]，通過土地確權、量化入股方式將耕地資源轉變為資產，耕地資產的盤活有利于減少耕地撂荒；農地產權制度創新激勵“農民變股東”，通過土地經營權入股的形式，促進了分散的土地資源流轉集中，促使其規模化、機械化經營，有效緩解了耕地撂荒趨勢；同時，“資金變股金”，通過財政杠桿撬動社會資本[4]，引進工商資本，有學者指出“三變”改革的根本意義，在于其能夠把農村集體和農民個人的資產盤活，用于回報率更高的農業經營項目[5]，卻會導致農地經營走上非糧化道路。

1.2 “三變”改革對耕地撂荒的影響

根據恰亞諾夫的農戶經濟理論[18]，擁有耕地使用權條件下，農戶農業經營行為存在以下幾種可能：自我耕作、流轉他人和撂荒耕地。而實現農業現代化的必要條件之一是提高勞動生產率，一般可以通過三種方式：耕種高附加值作物[19]、采用機械化或者提高耕地規模[20]。

在地處我國西南山區的貴州省，當農戶采用自我耕作行為進行農業經營時，以上三種方式都難以實現。首先，由于經濟基礎薄弱，西南山區農戶在本地的非農就業機會十分有限，另因耕地資源稟賦條件較差，在比較利益驅動下，其更傾向于外出務工，很難采取兼業方式從事農業生產。首先，耕種高附加值的農作物需要大量農業勞動力，因此，在外出務工的情況下農戶無法實現高附加值耕種；其次，山區地形條件限制了農業機械化發展，農戶自主經營的情況下，提高機械化作業水平也很難實現；再次，山區耕地破碎化嚴重，加之家庭耕地數量有限，致使農戶無法實現規模化經營。另外，受資源稟賦、社會保障和經濟效益等條件約束，山區自發耕地流轉受到極大限制。綜上所述，山區極易導致耕地的高撂荒率。

在農村勞動力大量流失情況下，西南山區農村耕地撂荒現象十分突出[1]。通過提高勞動生產率，“三變”改革以新型農業經營主體“替代”農戶進行農業生產，充分盤活了農村分散閑置的耕地資源，緩解了耕地撂荒。基于此，本文提出假設1：“三變”改革具有有效緩解耕地撂荒效應。

1.3 “三變”改革對耕地非糧化的影響

“三變”改革中的“資源變資產”是通過產權制度改革形式將村集體土地入股到新型農業經營主體進行規模化生產。因此，在分析“三變”改革對非糧化影響時應基于經營主體視角。通過催生農業內部經營主體發育和引入工商資本下鄉，“三變”改革使得農村現代產業獲得長足發展，與近乎零成本獲得耕地承包經營權的農戶相比，新型農業經營主體對規模經營土地更加考慮成本收益以及風險規避問題，而種糧則面臨成本高收益低的問題，對于具有逐利本質的工商資本來說則更加傾向于非糧種植；另外，“三變”改革促進了農村二、三產業發展，因此，更加傾向于采用農旅結合或特色農業種植模式，最終導致非糧化趨勢。基于此，本文提出假設2：“三變”改革具有加劇耕地非糧化效應。

值得注意的是，對于政策性改革來說，一般會產生預期效應或者滯后效應，“三變”改革一般要經過較長的前期設計、工作協調，需要對實施村進行大量的投資和規劃建設，因此，其政策效果也會在改革實施的一定時間后才逐漸顯現出來，一般來說，改革推進越久，其效果越明顯。研究區域“三變”改革是持續穩步推進的，其對于撂荒和非糧化影響也是一個動態變化過程，隨著“三變”改革不斷持續深化，在其實施的不同時段對耕地撂荒與非糧化產生不同程度影響。基于此，本文提出假設3：“三變”改革對耕地利用狀態的影響是一個動態變化過程，其影響是持續性的，在一定條件下，時間越久，影響程度越明顯。

基于上述理論分析，可以看出“三變”改革的實施路徑并非只對耕地撂荒或非糧化起到各自單方面的影響，其影響是雙向的，“三變”改革對耕地撂荒與非糧化雙向影響的理論分析如圖1所示。

圖1 “三變”改革對耕地撂荒與非糧化雙向影響機制Fig.1 Two-way impact mechanism of “three changes” reform on farmland abandonment and non-grain conversion

2 模型設定、變量說明與數據來源

2.1 模型設定

2.1.1 DID基準模型

雙重差分法（DID）既能控制樣本之間不可觀測的個體異質性，又能控制隨時間變化的不可觀測總體因素的影響，由此得到對政策效果的無偏估計[21]。“三變”改革路徑提供了一個“準自然實驗”：一方面造成了同一個地區改革前后的差異；另一方面又造成了在同一時點上實施改革與未實施改革地區之間的差異；同時“三變”改革又被看作是一項政策試驗，對于這種政策的效果適用DID方法進行評價與分析。因此，本文試圖利用雙重差分模型對“三變”改革影響耕地撂荒與非糧化雙向政策效應進行識別。具體而言，將六盤水市各縣域視為處理組，曲靖市、昭通市各縣域視為對照組。

基于上述分析，本文借鑒謝先雄等[22]的做法，引入雙向固定效應對雙重差分模型進行估計，既能控制“個體固定效應”，又能控制“時間固定效應”，從而控制不隨時間和個體而變的兩類遺漏變量，克服可能存在的內生性問題，有效減少時間效應和個體效應對本研究識別效果的影響。具體模型設定如下：

式（1）中：i和t表示縣域與年份；Yit為衡量耕地撂荒與非糧化的被解釋變量；Treat為政策實施變量，Treat=1表示該縣實施了“三變”改革，即六盤水市各縣域，Treat=0表示該縣未實施“三變”改革；T為時間分組變量，T=1 表示在“三變”改革實施期間，為2014—2019年，T=0表示在“三變”改革實施前，為2011—2013年；xit為控制變量；γ i為不隨時間變化的縣域固定效應，用以解決不隨時間而變的個體遺漏變量問題；δt為時間固定效應，用以解決不隨個體而變的遺漏變量問題；εit表示隨機誤差項；β0、β1、β為待估參數。根據雙重差分模型的基本原理，本文重點關注交叉項Treat×T的系數β1，其代表剔除了其他干擾因素之后，“三變”改革對耕地撂荒與非糧化影響的凈效應。考慮到回歸中可能存在的異方差和自相關問題，采用縣域層面的聚類穩健標準誤進行估計。

2.1.2 平行趨勢檢驗與政策的動態影響分析

DID 模型估計的有效性依賴于平行趨勢假設的成立，即在政策干預時點之前，實驗組和對照組的耕地撂荒與非糧化情況在時間上的變動趨勢是一致的。參考NUNN 等[23]的做法，本文構建如下模型以檢驗平行趨勢假設：

2.2 變量說明

（1）被解釋變量。撂荒是農業用地被利用和管理狀態的終止和農田設施退化以至難以再被利用，參考LI等[1]研究，本文選取縣域農作物播種面積的對數值（lncro）來衡量耕地撂荒情況；而耕地非糧化是指利用耕地種植糧食作物以外的經濟作物的行為，因此選取縣域糧食作物面積占比（frate）來衡量耕地“非糧化”情況[24]，糧食作物面積占比越小則表明非糧化程度越高。

（2）核心解釋變量。“三變”改革政策。所有對照組和政策發生時點前的處理組縣域，變量取值為0；政策發生當年及之后的處理組縣域，變量取值為1。

（3）控制變量。第一類是僅與耕地撂荒相關的控制變量：①考慮到農產品、生產資料和工業品等價格保護制度，相關價格指標都以省級層面進行統計，本文應用省級層面數據測算農業生產資料相對價格、糧食相對價格和農產品相對價格等復合指標。農用地面積的對數值（lnfarm），運用該指標控制由于農用地總規模差異影響“三變”改革政策對耕地撂荒凈效應造成影響所帶來的內生性問題；②復種指數指標計算方法參照統計年鑒。滯后一期農產品相對價格（farmpri），基于數據可獲得性，本文用省級層面數據來代替①考慮到農產品、生產資料和工業品等價格保護制度，相關價格指標都以省級層面進行統計，本文應用省級層面數據測算農業生產資料相對價格、糧食相對價格和農產品相對價格等復合指標。，并根據現有研究進行測量[25]。第二類是僅與耕地非糧化相關的控制變量：①滯后一期糧食相對價格（croppri），基于數據可獲得性，以省級層面“豆類生產價格指數”代替；②耕地面積所占比重（g/n），可對糧食作物面積占比造成影響。第三類是與耕地撂荒及非糧化均相關的控制變量：人均地區國民生產總值的對數值（lnpergdp）、縣域產業結構（primary）、農村人口受教育水平（edu）、復種指數（mci）②復種指數指標計算方法參照統計年鑒。、滯后一期農業生產資料相對價格（frice），用省級層面數據代替。

（4）機制變量。為進一步進行機制分析，選取“三變”改革過程中對耕地撂荒和非糧化起到中介作用的因素為機制變量。基于數據的可獲得性，本文對機制變量選取進行如下處理：①耕地流轉水平（rollout）。農戶流轉耕地后可增加土地財產性收入同時提高其工資性收入，耕地流轉水平與農戶收入呈正比，因此采用以2011年為基期平減后的縣域農村居民人均可支配收入替代耕地流轉水平。②農業勞動力水平（labor）。采用“當年農村常住人口數”占“第一產業增加值”比重來表征在農業種植生產過程中的單位勞動力人數。③農業機械化水平（mechanise）。“三變”改革會提高農業機械化水平也會釋放農業勞動力，理論上會顯著提高人均農業機械化水平，采用縣域“農業機械總動力”除以“農業勞動力水平”來表征。④第一產業發展水平（first）。選取縣域人均第一產業增加值來衡量，通過各縣域“第一產業增加值”除以“年末地區總人口數”獲得。第二產業發展水平（second）、第三產業發展水平（third）同理。

除了取對數的數據及政策虛擬變量外，其他變量均采用比值形式，以減小異方差的影響，使統計結果更有說服力。

各主要變量的定義、計算方法和描述如表1所示。

2.3 數據來源

六盤水市是貴州省最早開始“三變”改革的地區，于2014年①六盤水市委市政府于2014年底在實踐總結的基礎上提出了“三轉”改革，并于2015年3月正式提煉出“三變”改革，說明“三變”改革2014年已經開始實施。因此，本文將2014年定為“三變”改革政策沖擊時點。在全市推開，被農業部批復為“全國農村改革試驗區”。本文選取六盤水市縣域層面作為處理組，共4 個縣域。另外，為了克服內生性問題②對照組首先應該選取與六盤水市自然經濟條件等差異不大的貴州省其他區域，但由于貴州全省都或多或少受到“三變”改革政策影響，這樣可能會產生內生性問題，無法有效選取貴州省其他縣域作為對照組。，使處理組和對照組樣本盡量滿足同質性假設，避免事前差異，本文選取同處于烏蒙山區，地域相連、自然地理條件、經濟發展狀況相似，并且沒有進行“三變”改革的云南省昭通市、曲靖市縣域層面作為理想對照組，共20個縣域。同時，考慮到數據的可獲得性以及盡可能控制其他相關政策的干擾，查閱相關文獻，云南省在2020年以前還未獲得國家批復的農村集體產權制度改革整省試點[26]，本文最終選取2011—2019年作為樣本時間范圍。

本文所用數據均來自于歷年的《中國縣域統計年鑒》 《貴州統計年鑒》 《六盤水統計年鑒》 《云南統計年鑒》 《云南調查年鑒》。另外，各縣域歷年耕地面積、農用地面積通過中國土地覆蓋數據集CLCD③來自1990—2020年中國30 m土地覆蓋數據集：https://zenodo.org/record/5210928#.Y0-6mzS-uPS。提取獲得。對于部分難以獲取或少量數據缺失的指標，本文利用插值法對部分數據的缺失值進行補全，最終得到24個縣域2011—2019年的平衡面板數據，共計觀測值216個。

3 實證結果分析

3.1 基準回歸分析

采用雙重差分模型檢驗“三變”改革對耕地撂荒與非糧化的影響效果。表2中：列（1）、列（2）、列（3）、列（4）分別匯報了“三變”改革對耕地撂荒與非糧化影響的回歸結果，其中列（1）、列（3）未加入控制變量，列（2）、列（4）加入控制變量。數據顯示，列（1）、列（2）交乘項DID系數均在1%的水平上顯著為正，列（3）、列（4）交乘項DID系數均在1%的水平上顯著為負，由此說明“三變”改革一方面顯著增加了農作物播種面積從而緩解耕地撂荒，另一方面顯著降低了糧食作物面積占比從而加劇非糧化。平均而言，在其他條件不變的情況下，“三變”改革的實施顯著增加了9.1%的農作物播種面積，顯著降低了9.0%的糧食作物面積占比。據此，表明“三變”改革具有“緩解撂荒”和“加劇非糧化”的雙向效應，二者從效果上達到均衡。即假設1和假設2得到驗證。

表2 基準回歸結果Tab.2 Results of benchmark model

3.2 動態效應分析

根據式（2）對“三變”改革政策的動態效應進行估計，分別考察“三變”改革當年及后5年改革地區農作物播種面積、糧食作物面積占比變化的差異。表3中：列（1）、列（2）、列（3）、列（4）分別匯報了“三變”改革對耕地撂荒與非糧化的動態效應檢驗結果，其中列（1）、列（3）未加入控制變量，列（2）、列（4）加入控制變量，其回歸結果的表現基本一致。列（1）、列（2）數據表明，改革后的前三年內未出現顯著差異，后三年交乘項系數除列（2）第一年外都在1%的水平上顯著為正且逐年增大；列（3）、列（4）數據表明，改革后的前兩年內未出現顯著差異，后4年交乘項系數均在1%的水平上顯著為負且逐年減小。據此，驗證了“三變”改革對耕地撂荒與非糧化的影響確實是一個動態變化過程。具體而言，“三變”改革前期政策效應不顯著，說明政策效應存在滯后性①其主要原因可能是政策開展后的一定時期更多的是工程前期準備，導致依然延續之前的農作物種植結構，即使撂荒所閑置的耕地剛開始流轉集中也還未進行種植，甚至原來正常經營的耕地由于工程建設也被迫一定程度撂荒。因此，前幾年農作物種植的數量以及結構未發生明顯變化。；“三變”改革后期政策效應顯著且對應的系數絕對值逐年增大，表明“三變”改革的政策效應到后期才發揮，并且時間持續越久，其對耕地撂荒與非糧化影響程度越大①其原因可能是當改革發生后隨著時間的推移，前期入股的撂荒耕地地力逐步恢復種植條件，更多的農戶受到影響選擇將土地入股，更多的撂荒地被盤活進行農作物種植；另外，由于工商資本天然的“逐利性”等原因，隨著時間推移，越來越多土地種植經濟作物，勢必會造成糧食作物面積占比的減小，導致非糧化逐漸加劇。。據此，研究假設3得到驗證。

表3 政策的動態效應檢驗結果Tab.3 Results of dynamic effect test of the policy

3.3 穩健性檢驗

3.3.1 平行趨勢檢驗

使用雙重差分的前提條件是對照組與處理組在政策發生前必須滿足共同趨勢假設。因此，以政策實施的2014年為基期，并且剔除前一期（2013年），根據式（2）回歸進行平行趨勢檢驗，重點關注2011—2012年對應的系數。回歸結果如圖2 和圖3所示，無論是否加入控制變量，在“三變”改革實施前，影響系數βk的置信區間都包含了0值。由此可以判斷，在政策實施前，影響系數βk在各年份之間不存在顯著差異，處理組和對照組的耕地撂荒與非糧化情況在“三變”改革實施前滿足共同趨勢假設，符合使用雙重差分法進行分析的前提。

圖2 平行趨勢檢驗：“三變”改革對耕地撂荒的影響Fig.2 Parallel trend test:impact of “three changes” reform on farmland abandonment

圖3 平行趨勢檢驗：“三變”改革對非糧化的影響Fig.3 Parallel trend test:impact of “three changes” reform on non-grain conversion

3.3.2 排除同期其他政策干擾

“三變”改革政策效應不可避免地會受到農地確權②2013年中央一號文件提出要用5年時間全面完成農地確權工作，因此本文將農地確權的實施時間定為2013年。這項國家主導的農地確權改革具有強制性、按時性特點，不以農戶個人意志為轉移，一定程度上緩解了農地確權政策實施先后的選擇性偏誤。的干擾，農地確權增強農戶土地承包經營權的穩定性和排他性[27]，更能激勵農戶投資耕地或使農戶流轉意愿增強，從而導致政策估計效應是有偏的。本文借鑒石大千等[28]的做法，在式（1）中加入2013年農地確權政策虛擬變量。如表4所示，回歸結果數據表明，加入農地確權政策虛擬變量后“三變”改革對耕地撂荒與非糧化的政策效應依舊非常顯著。因此，表明本文的研究結論是穩健的。

表4 穩健性檢驗：排除同期政策干擾Tab.4 Robustness test:excluding contemporaneous policy disturbances

3.3.3 改變政策實施時點

進一步驗證估計結果的穩健性，此處借鑒梁志會等[29]的做法，選取政策實施前（2011—2013年）的樣本數據，將2012年作為政策實施時點進行安慰劑檢驗，表5報告了其檢驗結果。數據顯示，加入控制變量后DID回歸系數均不顯著，表明“三變”改革前并不存在政策效應，之前的估計是無偏的，估計結果具備穩健性。

表5 穩健性檢驗：改變政策干預時點Tab.5 Robustness test:changing the point of policy intervention

3.3.4 替換被解釋變量

參考SONG等[30]的做法，考慮到與耕地撂荒與非糧化問題具有較強的關聯性，選取單位面積耕地主要經濟作物產量（cropyie）和糧食產量占農作物產量比重（pergrayie）來分別作為農作物播種面積和糧食作物面積占比的代替指標，通過替換被解釋變量以進一步考察模型的穩健性。如表6所示，替換被解釋變量后，回歸結果仍與前述基準回歸分析一致。表明“三變”改革顯著緩解了耕地撂荒并加劇了非糧化。

表6 穩健性檢驗：替換被解釋變量Tab.6 Robustness test:replacing the explanatory variables

3.3.5 安慰劑檢驗

為了排除研究結論受到遺漏變量、隨機因素等其他不可觀測變量的影響，而出現偶然性結論，本文對基準回歸結果進行安慰劑檢驗。隨機對樣本涵蓋到的24 個縣域進行“篩選”并隨機產生改革時間，據此構造了改革時間—縣域兩個層面隨機實驗，進行500次隨機抽樣，按照式（1）進行回歸，根據虛假實驗得到基準回歸估計系數概率來判斷結論的可靠性，如隨機后系數并未顯著區別于0，則說明原估計結果是穩健的[31]。“三變”改革對耕地撂荒與非糧化政策效應系數DID的估計系數分布圖（圖4 和圖5）顯示，估計系數大都集中分布于0點附近，表明隨機化“三變”改革政策沒有顯著效果。因此，本文所得結論通過了安慰劑檢驗，回歸結果較為穩健。

圖4 安慰劑檢驗：“三變”改革對耕地撂荒的影響Fig.4 Placebo test:impact of “three changes” reform on farmland abandonment

圖5 安慰劑檢驗：“三變”改革對非糧化的影響Fig.5 Placebo test:impact of “three changes” reform on non-grain conversion

3.4 機制分析

為了檢驗“三變”改革中機制因素的中介效應，進一步運用式（1）將政策效應差分項與幾個機制變量分別回歸，來觀察系數的特征。分析結果（表7）表明：列（1）結果顯示，“三變”改革對耕地流轉集中具有顯著正影響，表明“三變”改革顯著促進了農村土地流轉，盤活了分散閑置耕地，對緩解耕地撂荒有積極促進作用；列（2）—列（3）結果顯示，“三變”改革對農業勞動力水平有顯著負影響、對農業機械化水平有顯著正影響，表明改革通過土地流轉釋放了農業勞動力，提高了農業機械化水平，促進了規模化經營中新型農業經營主體發展，經營主體追求農業經營利潤，并通過分紅給土地入股農戶，促使其從事經濟效益高的非糧化種植；列（4）—列（6）結果顯示，“三變”改革對一、二、三產業水平有顯著正影響，表明改革促進了三次產業融合發展。第一產業發展水平的提升能夠總體上促進農業發展，緩解耕地撂荒；二、三產業發展不僅增加了當地就業崗位，為土地流轉創造了條件，還會增加農產品原料以及特色農產品的需求，倒逼其擴大農作物種植，因此會較為高效地利用耕地資源，盤活閑置的耕地資源；同時產業融合發展也將促進農業生產商品化程度提高，提高耕地社會生產效率，最終造成非糧化種植。綜上，本文的主要研究假設1和假設2得到驗證。

表7 影響機制分析結果Tab.7 Results of impact mechanism analysis

4 進一步分析：區域糧食安全

本文以西南地區24 個縣構建準自然實驗，驗證“三變”改革能夠有效緩解耕地撂荒同時加劇非糧化，雙向效應基本平衡。隨著“三變”改革持續開展，雙向趨勢愈發顯著。由此可知，“三變”改革并未對當地耕地保護造成負面影響，為了進一步探究其對糧食安全的影響，本文進一步將“三變”改革以來（2014—2019年）①考慮到疫情影響，未將2019年以后納入到農作物種植面積情況變化趨勢分析中。六盤水市的農作物總播種面積、糧食作物播種面積和糧食作物面積占比變化趨勢進行對比分析②數據分別來自《六盤水統計年鑒》。。如圖6所示，糧食作物面積占比總體上呈下降趨勢，2017年“三變”改革政策效應出現后出現較大幅度減少，總體上非糧化率增長了23.5%；農作物總播種面積總體上呈上升趨勢，且2017年后出現較大幅度增長，總體上農作物總播種面積增長了27.3%；糧食作物播種面積變動率基本持平，其在2017年后僅有較小幅度增長后又回落，可忽略不計。綜上所述，可以得出“三變”改革雖然降低了糧食作物面積比重，但糧食種植面積一直保持穩定水平上，一定程度上是通過盤活撂荒耕地種植經濟作物，與當地糧食作物面積占比減少程度持平。因此，“三變”改革并未對區域糧食安全造成威脅。

圖6 2014—2019年六盤水農作物種植面積情況變化趨勢Fig.6 Trend of crop acreage in Liupanshui from 2014 to 2019

5 結論與政策啟示

本文采用2011—2019年西南兩省24 個縣域的平衡面板數據，通過雙向固定效應下的雙重差分模型檢驗了“三變”改革對耕地撂荒和非糧化的影響效果，識別了其具有“緩解撂荒”與“加劇非糧化”雙向政策效應，進而討論了農地制度創新在耕地保護乃至糧食安全中發揮的作用。主要結論如下：（1）“三變”改革顯著影響了研究區的耕地利用狀態，具有緩解撂荒和加劇非糧化的雙向效應。長期來看，其降低了撂荒比例同時增加了非糧化率，但總體上糧食作物種植面積卻保持穩定趨勢，說明其并未對區域糧食安全造成威脅，總體上推動了西南山區耕地保護。（2）“三變”改革對耕地撂荒與非糧化的影響具有一定的滯后效應，一般在改革3～4年左右政策效果開始顯現，在一定條件下，時間越久，影響程度越明顯。（3）機制檢驗表明，“三變”改革主要借助土地流轉集中而推動適度規模經營、提升農業機械化水平而發展現代農業、釋放農業勞動力而促進產業融合發展等多種途徑改變耕地利用狀態。

2023年中央一號文件明確提出，“探索建立耕地種植用途管控機制，明確利用優先序，加強動態監測，有序開展試點。加大撂荒耕地利用力度”。本文旨在通過對農地制度創新“緩解撂荒”與“加劇非糧化”雙向效應的政策評估，探討耕地用途管控和耕地利用優先序有效途徑。本文的政策啟示如下：

其一，通過農地制度創新盤活撂荒耕地，以有效保障糧食安全。“三變”改革通過對耕地確權登記、量化入股，解決了土地流轉限制，提高了農民流轉意愿，盤活了分散閑置耕地，顯著促進了土地規模經營，提高了農業機械化水平，持續有效地降低了耕地撂荒比例，有利于耕地保護和糧食安全。因此，應深化農村集體產權制度改革，激發農村土地資源變資產，充分利用好其制度優勢，促進耕地適度規模經營，發展鄉村支柱產業，打造農業現代化，為盤活撂荒存量耕地資源創造條件。

其二，通過因地制宜管控耕地非糧化，以促進農業經營增效。“三變”改革通過土地流轉顯著釋放了農業勞動力，引進社會資本和工商資本，促進了規模化經營和新型農業經營主體發展，經營主體追求農業經營利潤以及支付農戶入股分紅，會促使其從事經濟效益高的非糧化種植。而通過西南地區“三變”改革中農地制度創新的準自然實驗，證明改革區“緩解撂荒”程度與“加劇非糧化”程度持平，總體上不會影響糧食安全。因此，對待非糧化問題不能一刀切，要兼顧好糧食安全同農民增收乃至農村經濟發展的關系。通過科學評價，對于確實不適合種植糧食的耕地，合理選擇適宜種植作物以及品種，采用科技手段培育特色經濟作物，以集約利用耕地，促進農業提質增效。

其三，通過科學政策評估，以有效確定耕地撂荒和非糧化的最優均衡點。通過對位于糧食產銷平衡區的六盤水市“三變”改革過程對耕地利用狀態的雙重差分分析，揭示了“三變”改革具有“緩解撂荒”和“加劇非糧化”的雙向效應，不論改革瞬時效應還是動態持續效應都證明“緩解撂荒”程度與“加劇非糧化”程度基本持平，說明該項農地制度創新并未對區域糧食安全問題造成威脅。因此，為了保障糧食安全，政府應充當“掌舵人”的角色，兼顧好鄉村振興和耕地保護之間利益均衡。實踐中，對于糧食主產區，尤其是糧食生產功能區的耕地，應嚴控出現“非糧化”趨勢，并通過合理的糧食補貼等方式杜絕耕地撂荒；對于非糧食主產區的耕地，應運用農地市場流轉等方式，選擇適宜當地的農業生產模式，要始終保持耕地的耕作層不被破壞，使其具有種植糧食的潛力，藏糧于地。