李娅娅 赵小风

摘要：城市化、工业化的发展，承包地三权分置的放活促使了耕地非粮化现象的加剧。利用PVAR模型，分析了农民收入与耕地非粮化的动态关系，探讨了农民收入结构对耕地非粮化产生的影V向。结果表明，2002-2017年，耕地非粮化面积和非粮化率的变化趋势基本一致，在不同阶段受经济发展、国家政策等的影响展现出不同的特点。耕地非粮化主要受农民工资性收入影響，家庭经营性收入、财产性收入和转移性收入对非粮化有显著的积极作用，但对非粮化的长期贡献率较小。

关键词：PVAR;农民收入结构;耕地非粮化

中图分类号：F323.8;F323.1

文献标识码：A

文章编号：0439-8114（ 2020） 08-0210-04

D01：10.1408 8/j .cnki.issn0439- 8114.2020.08.047

中国作为一个人口大国，粮食安全仍是国计民生的重要问题。2019年中央一号文件明确提出要稳定粮食产量，调整优化农业结构，坚持耕地农用。随着社会经济发展，农民通过进城务工等多种方式增加了家庭收入，同时也由于缺少务农劳动力导致耕地闲置、耕地撂荒，部分农民选择将土地转包[1]。土地承包地三权分置政策的实施进一步放活了耕地经营权，使得土地流转的速度越来越快，经营权大量集中在新型经营主体（如企业、家庭农场和职业农民）手中，机械化和专业化提高了粮食生产效率，改变了小农经营的劣势，促进了耕地规模化经营[2]。但是农业新型经营主体更趋向经营经济效益更高的作物[3]，如种植花卉、油料作物、棉麻类、糖料、药材和蔬果类等经济作物。适度非粮化有利于优化农产品供给结构，为消费市场供给多样化农产品，但过度“非粮化”将对国家粮食安全产生危害[4]。

现有对非粮化的研究多集中于非粮化现状、影响和驱动因素方面。全国尺度上，非粮化面积不断增加。截至2014年底，中国流转耕地用于非粮化种植的面积达1 133万hm2，占流转总面积的43.2%，耕地“非粮化”形势严峻，对粮食安全产生威胁[5]。省域尺度上，浙江省非粮化现象具有显著的区域差异，沿海地区非粮化面积远超内陆地区[6]。从经济效益角度看，非粮化对经济增长具有正向驱动作用，经济发展的区域差异导致非粮化对经济增长的贡献率存在区域差异，有研究根据定量分析表明非粮化对经济增长的驱动作用呈现倒“U”型趋势[7]。从生态环境保护角度来看，非粮化直接导致了种植粮食作物的耕地面积减少，过度追求经济效益也会导致粮食产量减少、耕地质量下降和土壤污染[8]。非粮化的本质驱动力主要来自非粮种植用地需求、比较效益驱动和地方政府行为[9]，有研究基于时空尺度，从利润、需求等经济效益角度分析非粮化的驱动力，认为用地方式不同而产生的利润差异、土地利用开发建设需求的变化是非粮化的重要原因[10.11]。

现有研究指出了非粮化可能产生的经济效益以及对粮食安全和城市化发展带来的挑战。城市化和工业化的发展促进了农民收入增加.改变了农民的收入结构和农业种植结构，为此有必要分析农民收入结构与非粮化的动态关系，为合理控制非粮化现象、保障粮食安全提供借鉴。

1 研究方法与数据来源

1. 1研究方法

本研究选取PVAR模型作为基础模型，分析农民收入与非粮化之间的动态关系。PVAR模型具有VAR模型的优点，将系统中每一个内生变量作为所有内生变量滞后值的函数，从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型，检验单个内在变量对自身和其他内在变量变化产生的影响。本研究数据足以满足PVAR模型估计的需要，因此PVAR模型比VAR模型更加方便可行，且有更高的参数估计可信度。

本研究采用的PVAR模型如下：

1.2 变量选取与数据来源

本研究选取2002-2017年中国31个省、直辖市、自治区的农民收入数据和非粮化数据。农民收入指农村居民可支配纯收入，包括包括工资性收入、家庭经营性收入、财产性收入和转移性收入，分别用xl、x2、x3和x4表示。耕地非粮化用非粮化面积和非粮化比例表示，非粮化面积为农作物播种面积与粮食作物播种面积的差，耕地非粮化例为耕地非粮化面积占农作物播种面积的比例，分别用y1和y2表示。数据来源于《中国区域经济统计年鉴》和国家统计局各省、直辖市和自治区的历年统计年鉴。

2 中国非粮化现象的变化

2002-2017年，耕地非粮化面积和耕地非粮化率的变化趋势基本一致，都呈现先增长后下降再增长的变化过程，在不同的阶段展现出不同的特点。耕地非粮化面积从2002年的50.74x10⁶hm2陕速增加到2003年的53.OOx10⁶hm2;耕地非粮化率也相应的从32.82%提高到34.78%。随后由于农业税的全面取消，显著降低了农民从事农业生产的成本，农业补贴政策的增多也增强了农民的积极性并增加了农民收入[12]。从2004年开始，耕地非粮化面积和耕地非粮化率开始呈现显著的下降趋势，2007年耕地非粮化面积下降到44.39x10⁶hm2，耕地非粮化率也下降到29.52%。2007年后，耕地非粮化面积呈现波动增加的趋势，至2017年达到48.34x10⁶hm2。工业化与城市化的发展为农民提供了获取工资性收入的途径，提供了大量就业机会，间接导致了耕地撂荒现象的加剧。随着耕地承包经营权的逐步放松，农民通过转包将承包地流转出去，特别是承包地三权分置工作的展开极大地促进了土地经营权流转，有利于规模化经营，而经营者在比较效益的驱使下更倾向于从事非粮化生产，即种植经济效益更高的油料作物、瓜果蔬菜、药材等，相较而言比稻谷、小麦、玉米等粮食作物所获得的经济效益高，非粮化面积呈现增加趋势。耕地非粮化比例呈现小幅波动下降的趋势，至2017年降低到29.06%。在非粮化面积不断增加的同时非粮化比例却有所下降，说明农村土地整治和严格的耕地保护有效增加了耕地面积，保证粮食种植面积，满足中国粮食安全的需要。

3 实证分析

3.1 平稳性检验

为避免伪回归现象的产生，确保模型估计结果的科学性和有效性，采用LLC检验和IPS检验对变量数据的平稳性进行检验判断。根据表1，原数据除了非粮化比例和财产性收入都不平稳，对数据取对数并进行一阶差分后数据平稳，满足单位根过程，为后续的PVAR计量分析奠定了可行性基础。

3.2脉冲响应

图2左边是dlnyl对dlnxl、dlnx2、dlnx3及dl-nx4所受到冲击后做出的反应，图2右边是dln2对dlnxl、dlnx2、dlnx3及dlnx4所受到冲击后做出的反应。当分别给dlnxl和dlnx2 一个冲击时，dlnyl在第1期的效应最大，随后逐渐下降至平稳，总体是正效应，表明工资性收入和家庭经营性收入对非粮化面积的增长具有驱动作用。一方面，随着工业化和城市化的发展，农民进城务工现象越来越显著，促进了农民工资性收入增长，农民选择将无暇耕种的土地转包给农业大户或者企业，为获得更高的经济效益，花卉、水果、药材等非粮种植往往是企业的首选;另一方面，现代农业的发展提高了农业生产率，增加了家庭经营性收入，同时在比较效益的驱动下也推动了非粮化种植面积的增加。当给dlnx3 -个冲击时，dlnyl在第1期为负效应，第2期转为正效应，在第3期递减后趋于平稳。当给dlnx4 -个冲击时，dlnyl在第1期为正效应，第2期递减为负效应，在第3期递增后逐渐趋于0，说明农民财产性收入和转移性收入的增加对非粮化面积的增加具有积极作用，但其长期效应受经济环境变化的影响。当给dlnxl -个冲击时，dlny2在第2期的效应最大，随后逐渐下降，在第8期后保持平稳，总体是正效应，表明工资性收入对非粮化比例具有积极作用。当分别给dlnx2和dlnx4 -个冲击时，dlny2在第1期的效应最大，随后逐渐下降至平稳，总体是正效应，表明家庭经营性收入和转移性收入对非粮化比例具有积极作用。当给dlnx3 -個冲击时，dlny2在第1期为负效应，第2期转为正效应并逐期递减后趋于平稳，表明财产性收入对非粮化比例有长期积极作用。

3.3 方差分解

方差分解是通过分析每一个结构冲击对内生变量变化的贡献度，进一步评价不同结构冲击的重要性。本研究利用方差分解考察PVAR模型中变量变动对其他变量的贡献度，dlnyl和dlny2的方差分解结果见表2。

由表2可见，非粮化面积和非粮化比例在第1期只受到自身的影响，其中自身的方差贡献率是100%，其他因素对非粮化面积和非粮化率的方差贡献率则为0，从第2期开始，自身对方差的贡献率开始减小，其他因素对其作用开始增大。农民工资性收入对耕地非粮化面积预测误差贡献率由第1期起逐渐上升，到第10期预测误差贡献率为13.3%并保持稳定;工资性收入对耕地非粮化比例预测误差贡献率由第1期起逐步上升，至第6期增加至3.go-/o后保持稳定，说明工资性收入的增加，促使了非粮化程度的加剧。随着经济发展、交通路网等基础设施的完善，越来越多农民选择就近进城务工或者外出务工，兼业化现象越来越显著，工资性收入占农民总收入比例越来越高。随着土地流转政策的放松，耕地流转面积越来越多，新型经营主体为获得更多经济效益，往往从事非粮化生产，使得非粮化现象越发严重。家庭经营性收入、财产性收入和转移性收入对耕地非粮化面积预测误差贡献率则基本从第2期开始保持稳定，分别保持在0.3%、0.3%和0.5%，贡献率较小。家庭经营性收入对耕地非粮化比例预测误差贡献率从第5期开始保持稳定在1.3%。财产性收入对耕地非粮化比例预测误差贡献率从第3期开始保持稳定，且贡献率较小，而转移性收入对耕地非粮化比例预测误差贡献率则较高，从第6期保持在3.4%。

4 结论

本研究以2002-2017年31个省、直辖市、自治区的农民收入和非粮化数据为研究对象，对农民收入与非粮化的动态关系进行了分析，通过分析2002-2017年中国非粮化的变化趋势，并根据农民收入和非粮化数据进行脉冲响应和方差分解，得出如下结论。

2002-2017年，耕地非粮化面积和耕地非粮化率的变化趋势基本一致，都呈现先增长后下降再增长的变化过程，在不同阶段受经济发展、国家政策等的影响展现出不同的特点。根据PVAR模型结果，非粮化面积和非粮化比例主要受自身影响，其次主要受农民工资性收入影响，家庭经营性收入、财产性收入和转移性收入对非粮化有显著的积极作用，但对非粮化的长期贡献率较小，说明农民工资性收入越高，从事粮食生产的可能越低，耕地撂荒的可能性越高，非粮化面积及比例越高;同时家庭经营性收入、财产性收入和转移性收入的增长也对非粮化产生了长期影响。

参考文献：

[1]杨子，马贤磊，诸培新，等.土地流转与农民收入变化研究[J].中国人口·资源与环境，2017，27（5）：111-120.

[2]王善高，许昭耕地流转规模对粮食生产技术效率的影响——基于小规模转入户与大规模转入户的对比分析[J].江苏农业科学，2019. 47（4）：305-309.

[3]蔡瑞林，陈万明，朱雪春.成本收益：耕地流转非粮化的内因与破解关键[J]农村经济，2015（7）：44-49

[4]祝洪章.耕地流转“非粮化”及对粮食安全影响研究述评[J].人民论坛，2016（17）：82-84.

[5]刘鹏凌，李乾.耕地加速流转存在的问题探析[J].宏观经济管理，2016（2）：41-42，46.

[6]谭永忠，吴次芳，牟永铭.20世纪90年代浙江省耕地非农化过程分析[J]地理科学，2004，24（1）：14-19.

[7]李晓龙经济增长与耕地非农化的互动关系研究——以湖北省为例[D].武汉：华中农业大学，2007

[8]杨志辉.农村土地流转对环境影响的机制及绩效评价[J].中南林业科技大学学报（社会科学版），2018 .12（5）：31-36.

[9]叶宇航我国耕地非农化的驱动因素研究[J.科学决策，2015（9）：33-50.

[10] SETO K C，KAUFMANN R K.Modeling the drivers of urban landuse change in the pearl river delta. China： Integrating remote sens-ing with socioeconomic data [Jl. Land Economics. 2003， 79（1）：106-121

[11] LEE L Factors affecting land use change at the urban-rural fringe[J_Growth and Change， 1979， 10（4）： 25-31.

[12]钱鑫，杜雪锋.农业补贴对土地规模经营的影响机制[JJ.江苏农业科学，2019 .47（4）：286-291.

基金项目：国家自然科学基金面上项目（ 41871173）

作者简介：李娅娅（1994-），女，安徽巢湖人，在读硕士研究生，研究方向为土地利用与规划，（电话）18260057356（电子信箱）1074137880@qq.com;通信作者，赵小风（1978-），男，湖北荆门人，副教授，博士，主要从事于土地经济与政策研究，（电子信箱）zhao-xf@126.com。