(浙江财经大学 浙江 杭州 310018)

一、引言

近年来,随着社会经济的迅速发展，我国的城镇化水平不断提高，各省市的城中村改造工程、城市棚户区改造项目、商业地产开发项目不断增加。作为这些工程建设基础的土地，其需求量不断增长。为满足市场对非农用地日益增加的需求量以及提高政府的财政收入，政府部门频繁通过征收农用地、拆迁居民楼等方式来增加土地供给量。被拆迁户的合法利益受到了不同程度的损失。为维护自身利益，这些被拆迁户和被征地农户通过上访、打官司、暴力抗拆等方式来表达自己的利益诉求。然而，受我国法律不健全，政府执法人员法律意识淡薄等因素的影响，拆迁过程中产生的利益冲突并没有完全得到妥善解决。那些未能得到妥善解决的利益冲突问题会在社会中不断发酵，这不但会引起社会中的一部分群体对政府公信力、廉洁性的质疑；而且还会激化社会矛盾尤其是底层民众之间的矛盾，而这必然会对社会的稳定产生不利影响。

其次，由于不同地区在经济上发展的不平衡以及地域文化上存在显著的差异，使得不同地区的人在思维方式、现实需求等方面存在显著的差异。例如，杭州作为浙江省的省会城市，其地区生产总值位列全省第一，人均收入水平相对较高，而且杭州市的拆迁补偿标准也比较高，但近年来杭州发生的拆迁冲突案件数量占据全省的百分之七十左右。同时，从拆迁冲突案件的空间分布情况来看，全省的拆迁冲突案件在空间上的分布极不均衡，其主要分布于环杭州湾地区，且在该地区的分布较为集中，而省内其他地区的拆迁冲突案件的分布则较为零散，且数量较少。

此外，由于旧城区在城市发展的过程中出现的各种各样的问题极大地限制了城市未来的发展潜力，这就促使政府部门通过采取改造旧城区、城市棚户区的方式来推动城市经济的进一步发展。而在旧城区改造过程中，政府部门往往是依据城市整体规划来确定征地拆迁的范围，却未将被拆迁者的需求和拆迁意愿考虑在内，这就造成政府虽然给予被拆迁者较高的拆迁补偿费用但仍就出现了大量的征地拆迁纠纷。

最后，各国经验表明，政府力、市场力和社区力等相互作用下引发的社会冲突加剧了空间的分异，空间的不公平加剧了社会的极化现象。征收拆迁的空间布局分异显著，容易引发不同层次的社会冲突。厘清征收拆迁冲突过程及其空间特性，并据此来构建管控机制是当前迫切需要研究的城市管理问题，也是实现当代转型社会稳定与发展所需解决的关键科学问题。

二、数据收集与数据处理

(一)数据来源

本次研究对象为浙江省2006年至2015年发生的征地拆迁案件，样本总数为662个。研究数据包括浙江省2006-2015年间的司法审判书、社会经济数据和地理数据。其中社会经济数据包括地区生产总值(GRP)、地区生产总值增长率、房价、居民人均可支配收入、房地产投资完成额、固定资产投资完成额。地理数据包括河流、绿地公园、国道、省道等POI数据、浙江省内各县市地图以及遥感影像数据。研究用到的社会经济数据除房价以外均来自于各县市统计局的统计年鉴和统计公报、房价数据来自各地区的房地产研究报告；地图数据来自于水经注地图下载软件。

(二)数据处理

对于社会经济数据和地理距离数据为便于进行比较，采用极差标准化法对GRP、GRP增长率等社会经济数据和地理数据中距离河流、绿地公园、国道、省道等区位要素的距离数据进行标准化处理。

三、浙江省征收拆迁冲突时空规律分析

本次研究所构建的拆迁冲突空间数据库中包含的拆迁冲突案件数为662个，在剔除重复、没有有效信息以及案发地点已无法从现有地图上找到的点后的案件数为537个，而真正拥有有效数据的案件一共只有320个。

从全省的拆迁冲突案件的空间分布上来看，拆迁冲突点的分布极不均衡，其中绝大部分的拆迁冲突点都集中于环杭州湾地区，而拆迁冲突点在衢州、金华等浙江中南部地区的分布则相对零散且数量不多。从浙江中北部来看，拆迁冲突点的分布呈现明显的空间集聚特征，其主要集中于杭州和宁波两个地区。同时也可以看到，这些拆迁冲突点除了存在明显的空间分布差异外，还有着沿道路分布的特征。

从全省的拆迁冲突案件的时间分布上来看，2014和2015年发生的拆迁冲突案件合计188个，占案件总数的58.5%，而2006年至2013年发生的拆迁冲突案件一共有132个，并且省内各县市各年份发生的拆迁冲突案件数量之间差异比较大。例如，衢州市发生的6件拆迁冲突案件都分布在2012和2013年；金华市发生拆迁冲突案件都分布在2014年和2015年，总数为7件；温州市的拆迁冲突案件主要发生在2012年。而省内在2014年和2015年发生的拆迁冲突案件主要集中在环杭州湾地区，该地区发生的拆迁冲突案件共计259件。2006年至2015年有效的拆迁冲突案件分布

四、空间自相关分析

(一)全省范围内拆迁冲突案件之间的空间自相关性分析

通过将全省范围内拥有有效数据的拆迁冲突案件纳入ArcGIS软件的空间自相关分析工具，即Moran’s I中进行分析计算。计算结果显示，全省范围内拆迁冲突点的全局Moran’s I指数的值为0.015，Z值为0.492小于1.96(临界值)，说明全省范围内的拆迁冲突案件之间的空间自相关性不显著。

(二)环杭州湾地区拆迁冲突案件的空间自相关分析

由于全省范围内的拆迁冲突案件的自相关分析结果显示这些拆迁冲突案件不存在空间自相关性，而且全省的拆迁冲突案件在空间上存在显著的分布不均衡现象和空间集聚现象。因此，将自相关分析的范围由全省缩小为环杭州湾地区，即杭州、宁波、绍兴、嘉兴、湖州。通过将该地区的拆迁冲突点从全省的拆迁冲突的点要素文件中提取出来，并把这些冲突点纳入空间自相关分析工具中进行分析计算。计算结果显示该地区的全局Moran’s I的指数值为0.44,Z值为8.126大于1.96，表明这些地区的拆迁冲突点存在显著的空间自相关性。这说明环杭州湾地区的拆迁冲突点在空间上集聚，相邻拆迁冲突点相互影响，具有依赖关系。

(三)浙江中南部地区拆迁冲突案件的空间自相关分析

拆迁冲突点在浙江中南部地区的分布虽然比较分散，但在一个细分空间内仍然存在集中分布的情形。为此，笔者采用了与环杭州湾地区同样的方式对浙江中南部地区的拆迁冲突点进行空间自相关分析，经分析计算得到该地区的拆迁冲突点的全局Moran’s I的指数值为0.06，Z值为0.53，说明该地区内的拆迁冲突点之间的Moran’s I指数值虽然大于全省范围内拆迁冲突点的Moran’s I指数值，但Z值仍旧小于临界值1.96，即该地区内的拆迁冲突点之间的空间自相关性同样不显著，即这些拆迁冲突点之间不会对彼此产生影响。

五、基于Logistic回归的浙江省冲突形成机制分析

回归模型的H-L检验的χ2值为12.483，显著性水平为0.131大于0.05，表明该模型的预测值和观测值之间不存在显著性差异，拟合效果较好。回归模型统计量的sig值小于0.05，表明模型中的变量系数不全为零；而且块和步骤的sig同样小于0，说明模型系数的整体检验是显著的。

同该模型的Cox & SnellR2值为0.618，NagelkerkeR2值为0.844，说明该模型的拟合效果较好。322个未发生拆迁冲突的样本点被正确地预测，其正确率为96.4%；同时拆迁冲突发生样本点的预测准确率为90.3%，且模型总的预测准确率为94.2%，表明该模型能够有效地解释拆迁冲突的形成原因。

房价、收入水平、拆迁冲突点距离医疗服务点、河流、铁路、高速、城市快速路、绿地公园的距离这八个影响因素的P值均小于0.05，表明这些影响因素对拆迁冲突有显著影响。从各影响因素的回归系数值来看，收入水平、拆迁冲突点距离铁路、高速、城市快速路的距离的回归系数值为正，表明收入水平越高，拆迁冲突点距离铁路、高速、城市快速路的距离越远，出现拆迁冲突的可能性就越大。而房价越高、拆迁冲突点距离河流、医疗服务点、绿地公园的距离越远则不容易发生拆迁冲突。

六、浙江省省级尺度的冲突治理政策研究

(一)细化拆迁房屋价值评估方式

当前试行的《城市房屋拆迁管理条例》未明确要对哪些区位因素予以考虑以及各区位因素的权重分配；同时在对房屋价值评估时，区位因素的权重分配往往受主观因素的影响，造成某些重要的区位因素的权重较小，从而导致在对拆迁对象进行价值评估时，出现拆迁对象价值被低估的情况。因此，在对不同的地区的房屋进行价值评估时需要根据当时当地的区位条件来赋予不同区位因素以不同的权重，才能尽可能地减少被拆迁人的房屋价值被低估或高估的现象。

(二)完善安置补偿方式

虽然目前实行的房屋拆迁补偿方式包括产权置换、货币补偿以及产权置换和货币补偿相结合三种方式，但这三种方式主要是根据被拆迁房屋的面积和市场价格来确定补偿金额的而未将被拆迁对象的区位因素、作为补偿的房屋的区位因素以及国人的乡土情结等因素考虑在内。因此，有必要将回迁安置作为房屋拆迁补偿的重要方式之一。

(三)改善城市居住环境

政府部门要着力提高城市的植被覆盖率、增加公园数量来为城市居民提供更多的休闲娱乐场所。同时，要均衡各区域的绿地公园建设，提高绿地公园的交通可通达性，来减少由绿地公园引起的区位差异。此外，政府部门要加强河流污染的治理，提升河流水质，优化河流沿岸的景观设计来改善沿河住宅区的居住环境，同时严格管理河流沿岸的土地开发。

(四)建立有效的房价监测系统并及时公开地区房价信息

本文的研究结果表明，地区房价对拆迁冲突的形成具有显著的负向影响，但这种负向影响关系的成立是基于当事人能够轻易地获取当地房地产市场价格并且政府部门严格按照规定来制定补偿方案这一前提假设。而在被拆迁者与政府之间存在信息不对称时，政府作为市场监管者往往掌握着更多的市场信息。同时，政府作为征地拆迁中的重要利益相关方，存在为谋取自身利益而采用较低的房价作为拆迁对象估价的参考标准的可能性。因此，为有效缓解政府和被拆迁者之间的信息不对称的局面，政府部门需要组织建立有效的房价监测系统并及时公开地区的房价信息来更好的保障公民的知情权，提升政府工作的透明度。