Threshold effect of agricultural population transfer on cultivated land use efficiency in Jiangxi Province
ZOU Xiuqing1, WANG Ying,1, WU Tingyan2, YIN Yulin2, TU Xiaosong1, XU Guoliang1通讯作者:
收稿日期:2018-12-21修回日期:2019-02-24网络出版日期:2019-08-25
基金资助: |
Received:2018-12-21Revised:2019-02-24Online:2019-08-25
作者简介 About authors
邹秀清,男,江西庐山人,教授,博士生导师,主要研究方向为土地经济与制度E-mail:zxqing888@263.net。
摘要
关键词:
Abstract
Keywords:
PDF (3276KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
邹秀清, 王英, 武婷燕, 尹玉林, 涂小松, 徐国良. 江西省农业人口转移对耕地利用效率影响的门槛效应. 资源科学[J], 2019, 41(8): 1576-1588 doi:10.18402/resci.2019.08.16
ZOU Xiuqing.
1 引言
改革开放以来,中国城镇化发展不断深入,农业人口向城镇及第二、三产业转移已成必然趋势[1]。农业劳动力是促进农业生产必不可少的生产要素[2],伴随着农业劳动力不断外流,其他农业生产要素相应调整,耕地利用效率随之改变。在此背景下,如何适应农业人口转移现状,合理调整资本、土地投入,实现更有效的耕地利用,已成为乡村振兴战略实施过程中面临的一个重要课题[3]。因此,研究农业人口转移对耕地利用效率的影响对引导农业人口转移及耕地资源的高效利用具有积极意义。已有文献表明,影响耕地利用效率的因素主要包括劳动力个体特征、耕地资源禀赋、资本投入、经济发展水平、技术创新、市场条件、自然条件和政策性因素等[4,5,6,7]。目前学术界关于农业人口转移对耕地利用效率影响的相关研究主要集中在以下两个方面:一方面采用不同研究方法探讨农业人口转移对耕地利用效率的影响。如徐秋等[4]采用Tobit回归模型研究农业人口转移对耕地利用效率的影响,表明农业人口转移对耕地利用效率具有正向促进作用;张浩等[5]则采用FGLS方法研究两者的关系,结果显示农业人口转移对耕地利用效率的影响因研究范围不同而存在差异。另一方面是对比不同研究区农业人口转移对耕地利用效率的影响差异。如:王良健等[6]分析了中国东部、中部、东北、西北和西南地区农业人口转移对耕地利用效率的影响差异;方方[8]等分析了京津冀地区乡村人口非农化就业对耕地利用效率的影响差异。以上研究倾向于分析耕地利用效率变化的驱动因素,且均以线性影响来考察农业人口转移对耕地利用效率的作用,忽视了随着农业人口转移的不断变化,可能对耕地利用效率产生的非线性影响。因此,本文采用面板门槛模型研究农业人口转移对耕地利用效率的非线性影响,并试图探寻两者关系发生改变的“转折点”,研究二者之间是否存在门槛效应。
在测度耕地利用效率方法上,学术界常用数据包络分析(Data Envelopment Analysis,DEA)及其改进方法和随机前沿生产函数法。如梁流涛等[9]采用DEA模型测度耕地利用效率,但是此模型缺陷不仅在于其假设所有投入要素均以同比例变化,与实际情况不符,而且不能对有效单元进行进一步评价[10,11,12];盖兆雪等[13]使用非期望的超效率SBM模型,该模型一方面弥补了DEA模型的不足,另一方面超效率模型使有效单元的效率值大于1,便于对有效单元进行深入评价[14],但SBM模型缺失了效率前沿投影值的原始比例信息,使效率值失真[11];叶浩等[15]采用随机前沿生产函数法,但其将所有决策单元看成一个总体,视为具有共同的生产前沿,从而忽视了地区差异[16]。超效率EBM模型克服了DEA模型及其改进模型的缺点,既能有效反映目标值与实际值之间的比例信息,又能反映个体投入或产出变量非径向部分的差异[17];同时超效率模型还能进一步区分有效单元效率,使测量结果更为准确[14]。为此,本文选用超效率EBM模型测度耕地利用效率。
江西省作为粮食主产区和粮源净调出省,拥有丰富的农业资源,为中部地区及全国粮食安全做出了重要贡献;且江西省农业人口众多,随着城市化发展农业人口转移趋势不断加深。以江西省为例研究农业人口转移对耕地利用效率的影响,对江西省以及类似粮食主产区进一步提高耕地利用效率、稳定粮食产量、合理引导农业人口转移具有重要意义。因此本文基于江西省11个地级市2007—2016年的面板数据,采用超效率EBM模型测度耕地利用效率,应用面板门槛模型实证检验农业人口转移对耕地利用效率的影响是否具有门槛效应,为实施乡村振兴战略中进一步提高耕地利用效率、实现劳动力优化配置提供依据和参考。
2 研究假说
由于江西省各地市农业人口总量存在明显差异,用农业人口转移绝对数不能准确反映其转移程度,故本文中农业人口转移以相对数代表,采用该地市农业转移人口与该地市农业人口的比重(以下简称农业转移人口占比)表示。就耕地利用效率而言,其测度方法是通过构建一系列投入—产出指标,衡量其投入产出比,进而获得效率值。伴随着农业劳动力不断减少,其他农业生产要素相应调整,耕地利用效率发生变化。农业人口转移对耕地利用效率的影响可能呈现出非线性关系,随着农业人口转移程度加深而出现一个或多个“转折点”,即门槛值;农业转移人口占比在门槛值前后对耕地利用效率的作用方向或作用强度发生变化,这种具有“转折点”的“非线性”影响即门槛效应(图1)。其理论逻辑如下:图1
新窗口打开|下载原图ZIP|生成PPT图1农业人口转移与耕地利用效率的关系变化
Figure 1The change of the relationship between agricultural population transfer and farmland utilization efficiency
如图1所示,农业人口转移对耕地利用效率的影响存在一个转折点(B),转折点前后分为两个阶段。第一阶段(AB线),在农业转移人口占比到达门槛值F点之前,农业人口转移增加会促进耕地利用效率提升,表现出农业人口转移对耕地利用效率的正向影响[7]。一方面,随着社会生产力不断发展,区域经济水平明显提高,农业生产条件逐渐摆脱资金、技术投入不足的束缚,此时农业人口转移可以释放多余劳动力,通过提高农业生产管理水平、改善农业生产条件,提高耕地资源的有效利用水平[7];另一方面,城市化快速发展使城市建设用地面积不断增加,有利于吸纳更多农业转移人口,促进农业人口向城镇迁移[18]。这部分转移人口在城镇生活、工作,推动城镇发展;同时,城镇发展又反推农村发展,通过增强农村经济实力、加快农业生产技术更新速度,提高耕地利用效率。
第二阶段,在门槛值F点之后,农业人口转移对耕地利用效率的影响可能存在3种不同的情形:
第一种情形(BC线),当农业转移人口占比跨过门槛值后,农业人口转移对耕地利用效率仍产生正向影响,但作用强度可能减弱。一方面,在新的阶段,促进耕地利用效率提高的条件变得更为严格,而此时农业技术和管理水平短期内难以快速提高,资本投入也不可能无限增加,因此耕地利用效率可能不会再大幅提高;另一方面,农业人口转移使户均农业劳动力下降,从而促进土地流转[19,20]。但是,土地流转不可能使经营规模无限扩大,由于土地规模经营带来的影响减弱,可能表现为耕地利用效率增速减缓。
第二种情形(BD线),当农业转移人口占比跨过门槛值后,农业人口转移对耕地利用效率的影响可能维持在同一顶峰水平。在门槛值F点,农业人口转移对农业生产条件、农业生产管理水平以及土地规模经营等方面的积极影响都达到顶峰,由于农业人口转移对这些因素的整体促进作用维持在同一水平,所以在BD段农业人口转移不再促进耕地利用效率提升。
第三种情形(BE线),当农业转移人口占比跨过门槛值后,农业人口转移对耕地利用效率可能产生负向作用,此时农业人口转移对耕地利用效率的作用方向和作用强度均发生变化。农业人口转移产生农户生计分化,农户可能将生产重心偏向非农产业,对农业生产的投入与关注下降[21]。受到劳动力和资金投入减少的双重作用,耕地利用效率可能随之下降。
综上,本文提出如下研究假说:
农业人口转移对耕地利用效率的影响存在门槛效应。即:当农业转移人口占比未达门槛值前,对耕地利用效率产生正向影响。当农业转移人口占比越过门槛值后,对耕地利用效率的影响可能存在3种情形,即正向减弱的促进作用、维持在同一水平不变或负向影响。
3 模型设计、变量设置与数据来源
3.1 模型设计
3.1.1 超效率EBM模型本文选用超效率EBM模型测度耕地利用效率。该方法是建立在传统DEA模型之上,结合EBM模型与超效率模型的新方法[22]。传统的DEA模型分为两类,一类是以径向测算为基础的CCR[23]和BBC[24]模型;另一类是以非径向测算为基础的SBM(Slack-Based Measure)模型[25]。两类方法在应用中都暴露出一定的问题[10]。前者因假设条件过于严苛,导致所有投入要素均以相同比例缩减,与现实情况背离[10];后者虽然改进了这一缺陷,但是却以损失效率前沿投影值的原始比例信息为代价[11]。基于此,Tone[26]提出了一种改进技术,即EBM模型,此模型不仅克服了上述不足,还综合考虑径向和非径向的混合距离函数,使测算结果更真实准确[10,11,12]。
本文采用投入导向的EBM模型,强调在产出不变的条件下,衡量各投入量的变化情况,以此来测度其效率值。投入导向的EBM模型公式如下:
假设需要测算的决策单元为DMUk(Dicision Making Unit,DMU),则上式中θ为效率值;
当评价单元有多个投入和产出指标时,有效单元的数量也随之增加[22]。由于EBM模型测度的有效单元效率值同为1,难以进一步分析有效评价单元的效率差异,因此,Andersen等[27]提出了超效率模型来解决这一问题。超效率模型的公式如下:
式中,θ为超效率值;
3.1.2 面板门槛模型
本文运用Hansen[28]构建的面板门槛模型研究农业人口转移对耕地利用效率的影响。农业人口转移程度采用各地市农业转移人口占比表征,而不采用农业转移人口绝对数表示。因为各地市人口基数差异较大,可能出现某地市农业转移人口多于另一地市农业人口的情况,故农业转移人口绝对数不能准确反映其转移程度的区域差异,采用农业转移人口与农业人口的比值表示农业人口转移程度更为科学。因此将农业转移人口占比设为门槛变量,寻找农业人口转移与耕地利用效率关系变化的门槛值,并对其进行显著性检验,以此研究两者之间的非线性关系。此模型的优点在于可根据样本数据自身的特点内生地划分区间并找出门槛值,有效避免了人为划分样本区间或二次项模型带来的偏误[29]。
假设只存在一个门槛,从而建立单门槛模型,其一般形式为:
式中,LUEit表示被解释变量,即耕地利用效率;RATEit是模型中的解释变量也是门槛变量,选取农业转移人口占比表示农业人口转移程度;Xit为模型的一组控制变量;α为相应的系数向量;I(·)为示性函数,其相应的括号内条件成立时I(·)取1,否则为0;γ为待估门槛值;
运用Hansen[28]的面板门槛模型进行实证研究时,第一步需要检验是否存在门槛效应并估计门槛值,确定其个数。理论上,门槛值
单门槛模型的原假设和F统计量见式(5),其中S0为接受原假设条件下进行参数估计所得到的残差平方和,且有
第二步需要对模型进行门槛真实性检验,单门槛模型的原假设和LR统计量见式(6),LR的分布显然也不符合标准χ2分布,但Hansen提出当
3.2 变量设置
本文重点关注农业人口转移对耕地利用效率的影响,在参考徐秋等[4]、张浩等[5]、王良健等[6]、张立新等[7]、谢花林等[33]研究的基础上,将农村经济发展水平、耕地利用情况、资本投入条件等作为控制变量纳入面板门槛模型。(1)被解释变量。选取耕地利用效率(LUE)作为被解释变量。测算耕地利用效率时需要综合考虑投入与产出两个方面[34],只有建立合理的指标体系,才能对耕地利用效率进行公正客观的评价[35]。目前,测度耕地利用效率的方法众多、指标选取也各有侧重,因此测量结果大相径庭,但是其核心思想都是通过衡量耕地投入产出比的相对数来评价耕地利用是否有效率[7]。本文在借鉴谢花林等[33]、梁流涛等[9]、经阳等[34]指标选取的基础上,考虑数据的可获取性,选取农业从业人员、粮食作物播种面积、农业机械总动力、农用化肥施用量(折纯量)、塑料薄膜使用量作为投入指标,粮食产量作为产出指标,运用超效率EBM模型测量江西省各地市的耕地利用效率。投入—产出指标具体设置见表1。
Table 1
表1
表1耕地利用投入—产出指标
Table 1
指标 | 变量 | 指标名称 | 说明 |
---|---|---|---|
投入指标 | X1 | 农业从业人员/万人 | 反映劳动力投入情况 |
X2 | 粮食作物播种面积/hm2 | 反映耕地利用情况 | |
X3 | 农业机械总动力/万kW | 反映农用机械投入情况 | |
X4 | 农用化肥施用量 (折纯量)/万t | 反映资本投入 | |
X5 | 塑料薄膜使用量/t | 反映资本投入 | |
产出指标 | Y | 粮食产量/万t | 反映产出情况 |
新窗口打开|下载CSV
(2)解释变量。选取农业转移人口占农业人口的比重(RATE)表示农业人口转移程度,作为面板门槛模型的解释变量和门槛变量。其中,农业人口可从相关统计年鉴中获取,农业转移人口计算方法如下:
广义上农业转移人口包括身份转变和职业转变两部分[36],身份转变人口通过计算城市人口变动数据得到,职业转变但身份未变人口通过统计农村人口相关数据得到,因此两部分相互独立,农业转移人口等于身份转变人口和职业转变人口之和。第一部分,迁居城镇并已转变户籍身份的人口,与原城镇户籍自然增长人口、城市暂住人口和新增城市迁移人口共同构成了城市人口增长量。因此,身份转变人口的计算公式如下:
其中,城市迁移人口可分为省内迁移和省际迁移,就江西省而言,省内迁移人口定居他市的较少,而省际迁移人口在逐年回流;城市暂住人口也仅有一小部分。由于江西省各地市的城市暂住人口和新增城市迁移人口对城市人口增量的贡献微乎其微,故不纳入考量范围。因此,这部分农业转移人口为历年城区户籍人口增加数减去城区人口自然增长数的差额[37]。因此,将身份转变人口的计算公式调整如下:
第二部分,对于户籍身份未变但已从事第二、三产业的人口直接选取统计年鉴中“农村第二、三产业从业人员”的数值进行统计。综上所述,文中农业转移人口的计算公式如下:
(3)控制变量。本文选取农村居民人均可支配收入(INC)、有效灌溉面积(IRR)、农用化肥施用量(折纯量)(FER)和农业机械总动力(ATP)作为控制变量纳入面板门槛模型中,且其数值可从相关统计年鉴中直接获取。为了避免异方差,提高结果精确度,本文对控制变量进行了对数变换。关于面板门槛模型详细的变量设置、计算方法及数据特征见表2。
Table 2
表2
表2面板门槛模型各变量设置、计算方法及描述性统计
Table 2
变量分类 | 变量名称 | 最大值 | 最小值 | 方差 | 均值 | 计算方法 |
---|---|---|---|---|---|---|
被解释变量 | 耕地利用效率(LUE) | 1.23 | 0.79 | 0.09 | 0.99 | — |
解释变量 | 农业转移人口占比(RATE) | 0.60 | 0.19 | 0.11 | 0.36 | — |
控制变量 | 农村居民人均可支配收入(INC)/万元 | 1.53 | 0.28 | 0.32 | 0.80 | 自然对数 |
有效灌溉面积(IRR)/万hm2 | 31.10 | 2.32 | 10.20 | 17.45 | 自然对数 | |
农用化肥施用量(FER)/万t | 241122.00 | 23874.00 | 74907.69 | 126476.24 | 自然对数 | |
农业机械总动力(ATP)/万kW | 705.31 | 49.53 | 167.70 | 270.71 | 自然对数 |
新窗口打开|下载CSV
因此,本文以农业转移人口占比为门槛变量建立农业人口转移对耕地利用效率影响的单门槛模型,见式(10),被解释变量、解释变量及控制变量含义见表2,其他变量含义与式(3)相同。
3.3 研究区概况及数据来源
3.3.1 研究区概况江西省位于113°34’E—118°28’E,24°29’N—30°04’N之间,地处长江以南,全年气候温暖、光照充足、雨量充沛、无霜期长,不仅是全国重要的粮食产区还是农业生产大省,农业人口众多。据统计,2016年江西省占用全国2.3%的耕地资源,生产了全国3.5%的粮食[38],并实现了粮食增产6年连增[39],为国家粮食安全做出了重要贡献。在考察期内江西省耕地利用情况较好,效率值基本呈上升趋势,实现耕地有效利用的地级市由期初的27%增至期末的82%;在此期间农业转移人口不断攀升,2007年全省农业转移人口848万人,至2016年上升到1149万人,年均增长3.55%。农业劳动力是保证农业生产的关键,大规模农业人口转移势必影响耕地有效利用,进而影响粮食安全。
3.3.2 数据来源
本文以江西省11个地级市2007—2016年的数据为样本,涉及耕地利用效率测算的投入、产出指标包括农业从业人员、粮食作物播种面积、农业机械总动力、农用化肥施用量(折纯量)、塑料薄膜使用量和粮食产量;涉及面板门槛模型中解释变量和控制变量的指标包括农业转移人口占比、农村居民人均可支配收入、有效灌溉面积、农业机械总动力和农用化肥施用量(折纯量),其中计算农业转移人口占比需搜集的数据有农业人口、城镇人口、人口自然增长率和乡村第二、三产业从业人员,以上数据均来自于2008—2017年江西省各地市统计年鉴[40,41,42,43,44,45,46,47,48,49,50]。
4 结果及分析
4.1 农业转移人口变化分析
考察期内江西省各地市农业转移人口按照式(9)计算得出,其计算结果见表3。Table 3
Table 3The number of agricultural population transfer of prefecture-level cities in Jiangxi province from 2007 to 2016 (万人)
2007 | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | |
---|---|---|---|---|---|---|---|---|---|---|
南昌 | 65.69 | 63.01 | 66.55 | 72.42 | 78.80 | 91.16 | 91.44 | 96.38 | 83.79 | 86.59 |
景德镇 | 29.44 | 31.18 | 32.33 | 33.69 | 33.68 | 33.88 | 33.85 | 33.73 | 34.10 | 35.24 |
萍乡 | 68.69 | 68.40 | 69.04 | 70.41 | 71.12 | 69.56 | 70.02 | 70.41 | 70.11 | 71.79 |
九江 | 96.79 | 96.38 | 96.65 | 97.59 | 97.35 | 97.48 | 99.97 | 102.31 | 102.44 | 103.05 |
新余 | 13.53 | 13.55 | 14.63 | 16.05 | 15.55 | 15.15 | 16.83 | 17.78 | 18.46 | 18.75 |
鹰潭 | 18.21 | 18.70 | 18.87 | 20.93 | 23.42 | 23.92 | 24.75 | 27.06 | 28.31 | 28.45 |
赣州 | 168.21 | 171.50 | 175.33 | 181.26 | 190.99 | 203.86 | 211.12 | 233.13 | 247.85 | 258.15 |
吉安 | 77.81 | 79.75 | 88.80 | 92.58 | 97.37 | 100.50 | 103.71 | 105.85 | 107.62 | 109.95 |
宜春 | 97.45 | 97.50 | 97.68 | 100.64 | 105.32 | 110.13 | 113.94 | 121.23 | 116.97 | 117.20 |
抚州 | 57.39 | 60.14 | 62.54 | 65.32 | 74.40 | 90.68 | 103.29 | 114.50 | 117.81 | 119.52 |
上饶 | 154.75 | 162.98 | 173.68 | 183.99 | 186.54 | 196.46 | 190.83 | 197.80 | 195.07 | 200.54 |
总计 | 847.96 | 863.09 | 896.10 | 934.88 | 974.54 | 1032.78 | 1059.75 | 1120.18 | 1122.53 | 1149.23 |
新窗口打开|下载CSV
从表3可以看出,各地市农业转移人口差异显著,并存在扩大之势。2007年11个地级市中农业转移人口最多为168.21万人(赣州),最少为13.53万人(新余),极差为154.69万人;到2016年农业转移人口最多为258.15万人(赣州),最少为18.75万人(新余),极差扩大到239.40万人,增长了54.77%,说明农业人口转移趋势愈发不均衡。另外,考察期内各地市农业转移人口均有不同水平的增长,总体呈波动上升的趋势;其中增量最小为3.10万人(萍乡),增量最大为89.94万人(赣州),说明江西省各地市农业人口转移趋势不断加深。
就其变化特征而言,在考察期内景德镇、萍乡、九江、新余和鹰潭等地农业转移人口变化平缓,其中鹰潭增量最多(10.24万人),年均增长5.62%;萍乡增量最小(3.10万人),年均增长0.45%。抚州、赣州、宜春和吉安等地呈明显上升的趋势,其中抚州和赣州的增幅较大,分别为108.25%和53.47%;宜春和吉安的增幅较小,分别为20.27%和41.30%。南昌和上饶等地的变化趋势不稳定,呈反复波动的态势,其中南昌经历了先上升后下降再上升的变化,在2014年农业转移人口达到峰值(96.38万人),2015年小幅下降后2016年又攀升至86.59万人;而上饶的变化趋势更为复杂,2007—2012年农业转移人口不断上升,随后经历了反复的上升与下降后在2016年达到峰值(200.54万人)。
就其转移规模而言,考察期内景德镇、新余和鹰潭等地农业转移人口较少,集中在13万~35万人之间,增量最多为10.24万人(鹰潭),增量最少仅为5.22万人(景德镇)。南昌、萍乡、九江、吉安、宜春和抚州等地农业人口转移规模处于全省中等水平,集中在57万~120万人之间。上饶和赣州等地农业转移人口较多且远超其他地市,2007年上饶农业转移人口(154.75万人)仅次于赣州(168.21万人),但比次一位(宜春)多出57.30万人;到2016年上饶(200.54万人)与赣州(258.15万人)相差57.61万人,与次一位(抚州)相差81.02万人,说明农业转移人口差距在不断扩大。
4.2 耕地利用效率测算结果与分析
本文用MaxDEA 7 Ultra软件测算2007—2016年江西省11个地级市的耕地利用效率,结果见表4。Table 4
表4
表42007—2016年江西省各地市耕地利用效率计算结果
Table 4
2007 | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | |
---|---|---|---|---|---|---|---|---|---|---|
南昌 | 0.9015 | 0.9118 | 0.9736 | 1.0358 | 1.0469 | 1.0133 | 1.0016 | 1.0074 | 1.0039 | 1.0071 |
景德镇 | 0.8560 | 0.9212 | 0.8988 | 0.9234 | 0.9149 | 0.9042 | 0.8969 | 0.9231 | 0.9385 | 0.9446 |
萍乡 | 0.9509 | 0.9653 | 1.0010 | 1.0147 | 1.0225 | 1.0069 | 1.0192 | 1.0098 | 1.0313 | 1.0389 |
九江 | 0.8085 | 0.8061 | 0.8072 | 0.8041 | 0.8140 | 0.8950 | 0.8875 | 0.8685 | 0.8704 | 0.8988 |
新余 | 0.9176 | 0.8886 | 0.8967 | 0.9047 | 0.9053 | 0.8816 | 0.9303 | 1.0075 | 1.0035 | 1.0466 |
鹰潭 | 0.8222 | 0.8483 | 0.9659 | 1.0871 | 1.1092 | 1.0327 | 1.0007 | 1.0397 | 1.0830 | 1.0537 |
赣州 | 0.9552 | 0.9202 | 0.9391 | 0.9250 | 0.9177 | 0.9400 | 1.0008 | 1.0061 | 1.0345 | 1.0451 |
吉安 | 1.0037 | 1.0209 | 1.0332 | 1.0483 | 1.0338 | 1.0229 | 1.0615 | 1.1329 | 1.1181 | 1.1150 |
宜春 | 1.0090 | 1.0111 | 1.0089 | 1.0287 | 1.0077 | 1.0124 | 1.0537 | 1.0264 | 1.0278 | 1.0629 |
抚州 | 1.0564 | 1.0832 | 1.1302 | 1.1640 | 1.2059 | 1.2289 | 1.1559 | 1.1380 | 1.1580 | 1.1679 |
上饶 | 0.8856 | 0.9925 | 1.0122 | 1.0283 | 1.0402 | 0.9842 | 0.9947 | 0.9947 | 1.0104 | 1.0374 |
新窗口打开|下载CSV
表4揭示了各地市耕地利用效率的区域差异及变化趋势。在整个样本考察期内,耕地利用效率不仅区域差异显著,而且变化趋势不稳定,呈现出反复上升和下降的波动态势;但总体来看,各地市效率值基本呈上升趋势。从2007—2016年,各地效率值均保持在0.8以上,效率值在1.0以上的地市由2007年的3个增至2016年的9个,说明江西省耕地利用情况总体良好。
具体而言,吉安、宜春和抚州等地耕地利用效率值一直在1.0以上,说明耕地利用在研究期处于高效状态;其中抚州耕地利用效率始终高于其他地市,并于2012年达到峰值(1.23),到2016年回落至1.17,但相比2007年仍提高了10.56%。南昌、萍乡、新余、鹰潭、赣州和上饶等地效率值在0.8~1.1范围内波动,整体呈进步状态,耕地利用情况较好。景德镇和九江等地效率值均在1.0以下,说明耕地利用状况不佳,效率值亟待提升;其中九江的耕地利用效率次于景德镇,考察期末较期初提升了0.09,仍有较大进步空间。
4.3 面板门槛模型估计结果与分析
4.3.1 门槛效应检验与门槛值确定根据上述检验方法及模型设定(式(10)),本文采用STATA13.0软件进行门槛效应检验,检验结果见表5。可以看出,单门槛通过了1%的显著性检验,而双门槛没有通过显著性检验,说明农业人口转移对耕地利用效率的影响存在基于以农业转移人口占比为门槛变量的单门槛效应。因此,本文采用单门槛模型(式(10))进行进一步检验和估计。
Table 5
表5
表5单门槛效应显著性检验结果
Table 5
模型 | F值 | P值 | BS次数 | 临界值 | ||
---|---|---|---|---|---|---|
1% | 5% | 10% | ||||
单门槛 | 16.519*** | 0.003 | 500 | 12.832 | 7.602 | 5.458 |
双门槛 | -11.972 | 0.326 | 500 | 0.258 | -4.080 | -5.764 |
新窗口打开|下载CSV
单门槛模型进一步检验得到门槛估计值为0.428,其对应的置信区间为[0.288,0.484]。同时,门槛值所对应的LR值为0,小于5%显著水平下的临界值7.35①(①根据Hansen[28]的检验方法,在5%显著水平下临界值计算公式为
4.3.2 实证分析结果
(1)农业人口转移对耕地利用效率的影响。以上研究发现,农业人口转移对耕地利用效率呈非线性影响,根据上文估计的门槛值,进一步对式(10)进行系数估计,结果见表6。
Table 6
表6
表6单门槛模型估计结果
Table 6
变量 | 系数 | 标准误 | T统计量 | P值 |
---|---|---|---|---|
RATEitI(RATEit≤0.428) | 0.5089*** | 0.1475 | 3.45 | 0.001 |
RATEitI(RATEit>0.428) | 0.2495** | 0.1070 | 2.33 | 0.022 |
INCit | 0.0609** | 0.0253 | 2.41 | 0.018 |
IRRit | 0.0208* | 0.1012 | 1.92 | 0.083 |
FERit | 0.1978* | 0.1038 | 1.91 | 0.060 |
ATPit | -0.0135* | 0.0242 | -1.95 | 0.079 |
新窗口打开|下载CSV
实证结果显示,考察期内农业人口转移对耕地利用效率的影响随着农业人口转移程度加深而呈现门槛效应。各地农业人口转移对耕地利用效率的影响系数均为正,说明农业人口转移促进耕地利用效率提升;但该影响系数在门槛值前后由0.5089下降至0.2495,促进作用较门槛值之前减小了51%。因此实证检验结果与理论假说的第一种情形相符(即图1中ABC线)。进一步分析如下:
根据识别出的门槛值,将江西省11个地级市划分为两个区域:农业人口转移对耕地利用效率正向影响较大区(RATE≤0.428)和农业人口转移对耕地利用效率正向影响较小区(RATE>0.428)。由表7可以看出,考察期内农业人口转移跨过门槛值的地市由1个增至7个,说明全省64%的地市已进入农业人口转移对耕地利用效率提升作用减弱的阶段,呈现出门槛效应。2007年萍乡农业人口转移已跨越门槛值,处于正向影响较小区;2016年新增6市(景德镇、新余、鹰潭、九江、吉安和抚州)跨越门槛值,这些地市农业人口转移对耕地利用效率的正向作用由强减弱;而南昌、赣州、宜春和上饶仍处于正向影响较强的阶段,其农业转移人口占比依次为0.371、0.360、0.275、0.325,与门槛值(0.428)相差较远。
Table 7
表7
表7江西省农业人口转移对耕地利用效率影响程度区域分布格局
Table 7
农业人口转移对耕地利用效率影响程度 | 2007年 | 2016年 |
---|---|---|
影响较大区(RATE≤0.428) | 南昌(0.254)、景德镇(0.399)、九江(0.351)、新余(0.261)、鹰潭(0.300)、赣州(0.242)、吉安(0.209)、宜春(0.244)、抚州(0.193)、上饶(0.269) | 南昌(0.371)、赣州(0.360)、宜春(0.275)、上饶(0.325) |
影响较小区(RATE>0.428) | 萍乡(0.546) | 景德镇(0.605)、萍乡(0.560)、九江(0.445)、新余(0.513)、鹰潭(0.577)、吉安(0.455)、抚州(0.434) |
新窗口打开|下载CSV
2007—2016年,农业人口转移在门槛值前后均正向促进耕地利用效率,这说明:现阶段江西省11个地级市均存在农业劳动力投入过剩现象,减少从事农业生产的人数能够促进耕地利用效率提升。但是在门槛值之后,农业人口转移对耕地利用效率的促进作用减弱,因此应及时探索提升耕地利用效率的新方法。
(2)控制变量对耕地利用效率的影响。实证结果显示,控制变量均通过了显著性检验,各控制变量对耕地利用效率的作用强度依次为:农用化肥施用量>农村居民人均可支配收入>有效灌溉面积>农业机械总动力。具体分析如下:农用化肥施用量通过了10%的显著性检验,对耕地利用效率产生促进作用;农村居民人均可支配收入对耕地利用效率的影响系数为0.0609,通过了5%的显著性检验,与耕地利用效率呈正相关关系;有效灌溉面积通过了10%的显著性检验,且其影响系数为0.0208,对耕地利用效率产生正向影响;农业机械总动力在10%的水平下显著,对耕地利用效率产生负向影响,主要是受地形地貌及土地破碎化的影响,存在投入的农业机械未尽其用现象,该结果与谢花林等[33]、经阳等[34]****论证的结果是一致的。
4.4 稳健性检验
本文将单门槛模型估计结果与面板回归模型估计结果进行对比,以此检验单门槛模型的稳健性[51]。首先,按照式(11)对其进行Hausman检验以确定采用固定效应模型还是随机效应模型进行参数估计[37]。结果显示,其P值为0.0008小于0.05,因此,本文采用固定效应模型进行参数估计。表8对比了固定效应模型和单门槛模型的估计结果,可以看出,不论采用单门槛模型还是固定效应模型,各变量估计系数的符号均一致,且都通过了显著性检验,说明单门槛模型的估计结果较为稳健[51]。单门槛模型通过了门槛显著性和真实性检验,能更好地揭示农业人口转移与耕地利用效率之间的非线性关系;如果使用固定效应模型,那么农业人口转移对耕地利用效率影响的门槛效应则会被忽视,无法准确揭示两者的内在关系。
Table 8
表8
表8两种模型估计结果对比
Table 8
变量 | 固定效应模型 | 单门槛模型 | |||||||
---|---|---|---|---|---|---|---|---|---|
系数 | 标准误 | T统计量 | P值 | 系数 | 标准误 | T统计量 | P值 | ||
RATEit | 0.2929** | 0.1158 | 2.53 | 0.0133 | - | - | - | - | |
RATEitI(RATEit≤0.428) | - | - | - | - | 0.5089*** | 0.1475 | 3.45 | 0.001 | |
RATEitI(RATEit>0.428) | - | - | - | - | 0.2495** | 0.1070 | 2.33 | 0.022 | |
INCit | 0.0100* | 0.0614 | 2.31 | 0.0706 | 0.0609** | 0.0253 | 2.41 | 0.018 | |
IRRit | 0.1373* | 0.1091 | 1.93 | 0.0919 | 0.0208* | 0.1012 | 1.92 | 0.083 | |
FERit | 0.0065* | 0.1033 | 2.05 | 0.0535 | 0.1978* | 0.1038 | 1.91 | 0.060 | |
ATPit | -0.1988*** | 0.0575 | -3.456 | 0.0009 | -0.0135* | 0.0242 | -1.95 | 0.079 |
新窗口打开|下载CSV
5 讨论
顺应农业人口转移大势,深入挖掘耕地生产潜能,全方位提高耕地利用效率,是乡村振兴战略的重要组成部分[3]。因此,研究农业人口转移对耕地利用效率的影响对推进乡村振兴战略具有重要意义。本文研究得出,在样本考察期内江西省各地市农业人口转移对耕地利用效率产生正向影响,与国内探讨不同地理区位条件下的研究结果相似[4,5,6],说明全国范围内普遍出现农业劳动力投入过剩的现象。为了深刻地揭示农业人口转移对耕地利用效率影响的内在机理,本文首次采用单门槛模型分析两者的关系,相较于普通面板模型而言,此模型可以揭示农业人口转移对耕地利用效率影响的门槛效应[51],并找到发生临界非线性变化的门槛值,可更准确地刻画两者的关系[29]。但值得注意的是,影响区域耕地利用效率的因素广泛而复杂,农业人口转移对不同区域耕地利用效率的影响是否均具有门槛效应?如果有,会存在几重门槛?在门槛值前后对耕地利用效率的影响差异如何?再者,随着乡村振兴战略的实施,农业人口转移对同一区域耕地利用效率的影响是否会发生新的变化?这些问题值得进一步探讨。
另外,已有文献表明江西省各地市人口迁移数量基数小,且在逐年回落,占农业转移人口份额较小,就整个江西省而言,迁移人口变化对农业转移人口增长影响不大[37]。但不排除各地级市间存在区域差异,个别市的迁移人口数量相对较多,可能在一定程度上影响实证结果的精确性,故期望在后续研究中,进一步跟踪相关统计数据、完善现有计算方法。
基于本文研究结论,在农业人口转移的不同阶段,农业人口转移对耕地利用效率的影响有所差异;但中国幅员辽阔,同一时期内各地区可能处于不同的发展阶段。因此,地方政府应充分关注不同阶段农业人口转移的变化特征,通过合理引导农业人口转移,辅以差异化的政策设计,促进耕地利用效率提升。
6 结论与政策启示
6.1 结论
基于江西省11个地级市2007—2016年的面板数据,采用超效率EBM模型测度耕地利用效率,并在此基础上,将农业转移人口占比设为门槛变量和解释变量,运用门槛模型分析了农业人口转移对耕地利用效率的非线性影响,实证研究表明:(1)2007—2016年江西省各地市农业转移人口数量均有增加,并存在显著的区域差异,考察期末区域差异扩大;江西省耕地利用情况总体良好,各地市耕地利用效率基本呈上升趋势,考察期末已有9个地市实现耕地有效利用。
(2)考察期内农业人口转移对耕地利用效率始终产生正向影响,且多数地市已呈现出显著的门槛效应;2007年有1个地市跨越门槛值,2016年增至7个;当农业转移人口占比跨越门槛值(0.428)后,农业人口转移对耕地利用效率的促进作用较之前减弱51%;
(3)各控制变量均显著影响耕地利用效率,其中,农用化肥施用量、农村居民人均可支配收入和有效灌溉面积对其产生正向影响;农业机械总动力对其产生负向作用。
6.2 政策启示
结合研究结论,建议政府及时追踪农业人口转移趋势,并根据农业人口转移是否跨越门槛值进行分区,针对不同区域提出差异化的耕地利用效率提升对策。对农业人口转移未达门槛值的区域,如南昌、赣州、宜春和上饶等地,推动农村剩余劳动力转移仍是促进耕地利用效率提升的有力举措,政策层面需要为农业人口转移提供良好的外部环境,重点推进农地市场配置、户籍制度改革、教育共享等方面,以形成多方合力共同促进农业人口稳定转移,提高耕地利用效率;对农业人口转移超过门槛值的区域,如景德镇、萍乡、九江和新余等地,其农业人口转移对耕地利用效率的提升作用已经减弱,在推动农业人口转移的同时应将侧重点聚焦于前沿科技等生产要素在耕地利用及农业经营领域的应用。参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[本文引用: 2]
[J]. ,
[本文引用: 4]
[J].
[本文引用: 4]
[J]. ,
[本文引用: 4]
[J].
[本文引用: 4]
[J]. ,
[本文引用: 4]
[J].
[本文引用: 4]
[J]. ,
[本文引用: 5]
[J].
[本文引用: 5]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 4]
[J].
[本文引用: 4]
[J]. ,
[本文引用: 4]
[J].
[本文引用: 4]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[D]. ,
[本文引用: 1]
[D]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J]. ,
[本文引用: 3]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[D]. ,
[本文引用: 1]
[D]. ,
[本文引用: 1]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[J]. ,
[本文引用: 3]
[J].
[本文引用: 3]