中国城乡差距对农地违法非农化的影响

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

王青¹, 陈志刚^,²1. 南京邮电大学社会与人口学院,南京 210023
2. 南京大学地理与海洋科学学院,南京 210023

Impact of urban-rural gap on illegal farmland conversion in China

WANG Qing¹, CHEN Zhigang^,²1. School of Sociology and Population Sciences, Nanjing University of Posts and Telecommunications, Nanjing 210023, China
2. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China

通讯作者: 陈志刚,男,江苏江阴人,博士,副教授,研究方向为土地经济与政策。E-mail: zgchen@nju.edu.cn

收稿日期:2019-05-21修回日期:2019-08-11网络出版日期:2019-12-25

基金资助:

教育部人文社会科学研究青年基金项目.16YJC630122
国家自然科学基金项目.41671171

Received:2019-05-21Revised:2019-08-11Online:2019-12-25
作者简介 About authors
王青,女,江苏仪征人,博士,副教授,研究方向为资源管理与公共政策E-mail:wangqing@njupt.edu.cn。

摘要
城乡差距对于农村土地利用特别是农地违法非农化有着不可忽视的影响。本文首先从理论层面探讨了城乡差距对农地违法非农化的影响机理;在此基础上通过构建计量模型,并运用1999—2016年中国大陆31个省（市、区）的面板数据,进行了系统的实证检验。结果显示：城乡差距扩大会导致农地违法非农化规模显著增长,尤其是随着财政支农支出占比的下降和城乡居民人均可支配收入差距的扩大,农地违法非农化规模增幅明显。具体地,在省级层面,财政支农支出占比每下降一个百分点,农地违法非农化规模会增加近25 hm ²;城乡居民人均可支配收入差距每扩大10%,农地违法非农化规模也会增加约15 hm ²;而城乡土地产出效益差的扩大对农地违法非农化的影响则小得多。此外,在不同经济发展地区（或不同经济发展阶段）,城乡差距变化对农地违法非农化的影响存在显著差异。最后从有效遏制农地违法非农化的角度,针对性地提出了缩小城乡差距的相关路径和建议。
关键词： 城乡差距;农地非农化;土地违法;财政支农支出;城乡居民收入;土地产出效益;中国

Abstract

Urban-rural gap has a wide and far-reaching impact on China’s economic and social development. This study first explored the influencing mechanisms of urban-rural gap on illegal farmland conversion in theory, then an econometric model was built to test the impacts of China’s urban-rural gap change on illegal farmland conversion using the panel data of China’s mainland during 1999 to 2016. The results show that the widening gap between urban and rural areas led to a significant increase in the scale of illegal farmland conversion. Especially with the decrease of the proportion of financial support for agriculture and rural development, and the widening gap of per capita disposable income between urban and rural residents, the scale of illegal farmland conversion increased significantly. At the provincial level, for every 1% reduction in the proportion of financial support for agriculture and rural development, the scale of illegal farmland conversion increased by nearly 25 hm ². For every 10% increase in the per capita disposable income gap between urban and rural residents, the scale of illegal farmland conversion increased by nearly 15 hm ². The widening gap between urban and rural land output has a much smaller impact on illegal farmland conversion. Furthermore, in different areas (or stages) of economic development, there are significant differences in the impact of urban-rural gap changes on illegal farmland conversion. At the end of this article, from the perspective of effectively curbing the illegal conversion of farmland, we put forward some relevant approaches and suggestions to narrow the urban-rural gap.

Keywords：urban-rural gap;farmland conversion;illegal land use;financial support for agriculture and rural development;income of urban and rural residents;land output;China

PDF (4245KB)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
王青, 陈志刚. 中国城乡差距对农地违法非农化的影响. 资源科学[J], 2019, 41(12): 2274-2283 doi:10.18402/resci.2019.12.11
WANG Qing. Impact of urban-rural gap on illegal farmland conversion in China. RESOURCES SCIENCE[J], 2019, 41(12): 2274-2283 doi:10.18402/resci.2019.12.11

1 引言

当前,中国面临的土地违法形势依然十分严峻。1999—2016年,虽然全国各类土地违法案件（当年发现且属于当年发生的部分）由90501件减少到43819件,但平均每个案件涉及的违法用地面积却由0.20 hm²增加到了0.29 hm^2[1,2]。在众多的土地违法案件中,有不少破坏农地资源或违法占用农地用于非农建设的行为（本文将其界定为农地违法非农化）,包括未经批准擅自占用耕地建房、建窑、采矿等破坏耕地行为,违反土地利用总体规划擅自将农地改为建设用地等非法占地行为,以及未经批准或越权批准占用农地等非法批地行为（如违规批准设立各类开发区）^[3,4],更是加剧了农地资源的过度非农化。由于目前缺乏专门针对农地违法非农化行为的数据统计,本文直接以违法用地涉及耕地的面积来反映农地违法非农化规模。事实上违法用地涉及耕地的部分主要源于上述破坏耕地、非法占地或非法批地等违法非农化行为^[1,2]。统计显示,过去这些年中（1999—2016年）,违法用地涉及耕地的面积占到了全部土地违法涉案面积的近40%,其中2002—2004年更是达到了50%左右^[1,2]。因此,揭示农地违法非农化背后的驱动机理,并基于此形成有效的管控措施十分重要和必要。这不仅有助于遏制农地的过度非农化,实现对耕地资源的有效保护,而且对于土地违法行为的治理亦十分关键。

从已有的文献来看,专注于探讨中国农地违法非农化现象及其驱动机理的研究还相对较少。相关研究通常将农地违法非农化作为土地违法行为的一种类型包含其中,并专注于探讨一般意义上的土地违法行为。目前这方面研究集中表现在以下3个方面：一是分析土地违法行为的时空特征及其演变趋势,以此揭示不同时期、不同地区土地违法行为的动态变化规律^[5,6]。二是探究土地违法行为对经济社会发展等的影响。如有研究发现地方政府的违法占地行为易引起农民与政府间的矛盾,从而引发群体事件^[4];而违法开发农地也会导致土地的低效利用和价值损失等^[7]。此外,有****也尝试测算农地违法非农化对经济增长的具体影响,结果发现因农地违法非农化导致的建设用地规模增加也有助于经济增长^[8]。三是侧重于从宏观层面阐释土地违法行为的影响因素及其作用机理。这方面研究已基本形成共识,即认为经济发展和人口增长^[9,10,11]、资本投入和市场化改革^[12,13]、以及地方政府的部门利益和对土地财政的依赖^[14,15,16]等是驱动土地违法行为的重要因素。尽管上述这些因素也很可能对农地违法非农化行为有着相似的影响,但以此来理解农地违法非农化的驱动机理显然是不够的。

不同于一般意义上的土地违法行为,农地违法非农化有两个显著特征：一是由于大部分涉及对耕地的占用或破坏,加之耕地通常分布在农村地区,因此农地违法非农化主要还是发生在农村地区;二是从目前农地违法非农化的主体来看,主要还是村（组）集体、个人和相关企事业单位。据统计,1999—2016年,上述3类主体的农地违法非农化面积占到了总面积的近85%;其中,村（组）集体和个人的农地违法非农化面积占到了总面积的约40%^[1,2]。众所周知,农地非农化有着巨大的利益空间,相比农业土地利用的低效产出,农地转为非农使用后的经济回报要大得多^[17,18]。而农村集体、个人和相关企事业单位会铤而走险实施违法非农化,很可能与当前城乡差距的扩大和农村地区面临的发展困境有着千丝万缕的联系。鉴于此,本文将着重探讨城乡差距对农地违法非农化的影响机理,并进行相应的实证检验。

本文首先在分析中国城乡差距及其影响效应的基础上,从理论层面构建一个分析框架并深入探讨城乡差距对农地违法非农化的影响机理;然后,通过建立一个反映城乡差距与农地违法非农化间关系的计量模型,并运用全国层面的相关统计数据,实证检验城乡差距对农地违法非农化的具体影响;最后根据研究结果针对性地提出相关政策建议。

2 理论分析与研究假说

2.1 中国的城乡差距及其影响效应

城乡差距已经成为影响中国经济社会持续发展的一个重大问题^[19]。改革开放以来,随着中国经济的快速增长,城乡差距一度持续扩大。以城乡居民收入差距为例,1978—2009年,以当年价计算的城乡居民人均可支配收入之比由2.57扩大到3.33;尽管2010年以来,城乡居民收入差距开始显著缩小,由2010年的3.23缩小到2015年的2.73（年均缩小0.10）;但最近两年这一差距缩小的幅度明显放缓,2016和2017年分别为2.72和2.71,每年仅缩小0.01^[20]。相比改革开放之初,中国目前的城乡差距依然较大。

城乡差距并不仅仅表现为城乡居民收入之间的差距。不少****通过研究也指出,中国目前的城乡差距还表现在生活消费与社会福利、生产活动与劳动就业、基础设施与公共服务^[19,21]等诸多方面。当然,我们无法穷尽城乡差距的各种表现形式,但本文认为上述城乡差距的种种表现主要与以下3方面差距有着直接关联或因果关系,本文从以下3个方面来反映城乡差距的概念内涵：一是资金和资源要素投入的城乡差距。一方面表现为国家对农村地区的资金和资源投入相对偏少,另一方面表现为社会资本无法或不愿意到农村地区投资。这会导致城乡之间在生产活动、社会福利、基础设施以及公共服务等方面的差距。二是城乡产业发展的差距。即农村地区仍是以传统的农业生产为主,与城市的工商业相比,农业不仅产出效益低而且还会面临较高的自然和经济风险,这会导致城乡之间在生产活动与劳动就业等方面的差距。三是城乡居民收入差距。正是由于资金和资源要素投入的差距以及产业发展的差距,导致城乡居民的收入水平会产生巨大鸿沟。城乡居民间的收入差距也会进一步导致其在生活消费与福利等方面的差距。

严峻的城乡差距形势不可避免地会对中国的经济社会发展产生不利影响或负面效应^[22,23]。从已有的研究来看,这种影响主要表现在以下几个方面：一是对经济增长的影响。按照Kuznets^[24]的理论,对于处在经济起飞阶段的国家而言,合理的收入分配是有利于经济增长的,但如果收入分配差距不断扩大,最终将会对经济增长产生不利影响;陆铭等^[25]的研究也发现,过大的城乡差距会通过要素市场、信贷市场、政治市场等对经济增长产生负面影响。二是对社会公平和稳定的影响。有研究指出,城乡差距对中国总体贫富差距的贡献率达到了40.2%~85.0%之间,远高于同为发展中国家的印度、菲律宾和印度尼西亚等国^[21]。此外,由于贫富差距的拉大,贫困群体中的一部分人为了获得更多的社会资源,往往会倾向于采取非正常的手段,包括犯罪甚至暴动^[26]。胡联合等^[27]对于中国的研究就发现,随着城乡差距的扩大,财产犯罪率和刑事犯罪率都呈现出逐年增加的趋势。三是对居民健康和幸福感的影响。由于城乡医疗和公共服务等方面的差距,农村居民享受不到好的医疗服务,加上能投入到保健预防方面的资金也相对较少,从而会加剧城乡居民的健康不平等状况^[28];不仅如此,冯婧等^[29]还发现,城乡差距对居民主观幸福感也有着显著影响,缩小城乡差距有助于提升农村居民以及社会整体的幸福感。

2.2 分析框架与研究假说

正如已有研究所揭示的,城乡差距在经济社会发展领域产生的影响十分广泛而深远。特别是随着差距的拉大,会导致相关群体的焦虑和压抑感增加,会提升社会自我面临的威胁和不安全感,也会带来诸如等级偏见和违法等问题^[30]。就城乡差距对土地利用的影响来看,一个重要的方面就是会引致农村地区的农地违法非农化,而目前还鲜有文献对此进行深入研究。从根源上看,本文认为农地违法非农化的产生是在当前农地合法非农化指标向城市倾斜的背景下（绝大部分新增建设用地指标都用于了城市的开发建设）^[23],农村地区各项发展受到土地和资金等要素投入的制约后,迫使农村集体、农民个人和相关利益主体作出的行为响应。

当然,这些行为响应背后与城乡资金和资源要素投入差距、产业发展差距以及居民收入差距之间有着密切关系。确切地说,农村集体实施农地违法非农化行为主要是为了通过增加建设用地来吸引社会投资和发展农村非农产业,从而增加集体的经济收入,这是农村集体对城乡资金和资源要素投入差距,以及城乡产业发展差距所作出的行为响应。农民个人实施农地违法非农化行为的目的往往是为了扩大宅基地面积,以此来改善生活条件,或是从事非农经营活动以增加家庭收入,这是农民个人对城乡居民收入差距所作出的行为响应。此外,一些难以通过合法土地市场获得建设用地的单位也会出于自身利益,违法占用农地或是与农村集体合伙实施农地违法非农化行为。尽管这些都是违法行为,但从实施的结果来看,却能在一定程度上起到为农村地区吸引投资、缩小城乡产业发展和居民收入差距的效果。可以说,以上这些也正是农村集体、个人和相关利益主体实施农地违法非农化行为的主要驱动力（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1城乡差距对农地违法非农化影响的理论框架

Figure 1Theoretical framework of the impact of urban-rural gap on illegal farmland conversion

基于上述分析,本文可以从城乡差距的主要表现角度提出其对农地违法非农化影响的相关研究假说：

假说1：城乡要素（资金和资源）投入差距与农地违法非农化规模之间存在正向作用关系,即投入差距的扩大会引致农村地区为了弥补资金和资源的不足而实施更多的农地违法非农化行为。

假说2：城乡土地所支撑的农业与非农产业之间的发展差距与农地违法非农化规模之间存在正向作用关系,即城乡产业发展差距的扩大会引致农村地区为大力发展非农产业而实施更多的农地违法非农化行为。

假说3：城乡居民收入差距与农地违法非农化规模之间也存在正向作用关系,即城乡居民收入差距的扩大会引致农村地区为增加收入来源而实施更多的农地违法非农化行为。

3 模型构建与数据来源

3.1 模型构建

基于前述理论分析,本文构建了一个反映城乡差距对农地违法非农化影响的计量模型来进行实证检验。模型选取了财政支农支出占比、城乡土地产出效益差、城乡居民人均可支配收入差距3个解释变量来分别反映城乡要素投入差距、城乡产业发展差距和城乡居民收入差距。由于难以获取能够反映城乡土地要素投入差距的相关数据,加上国内很多地区每年投入农村的新增建设用地计划指标微乎其微,因此本文仅考虑城乡资金投入差距。此外,根据已有的相关研究成果,区域经济增长、固定资产投资、人口增长都会一定程度上驱动土地违法行为,而存量建设用地规模和土地违法监管制度等因素则可能对土地违法行为产生抑制效应^{① [9,11,31,32]};(①有研究也将土地财政作为影响土地违法行为变化的驱动因素之一,但农地违法非农化是正规土地出让市场之外的行为,并不能给地方政府带来合法的土地出让金收入,因此本文未考虑这一因素。)因此本文也在模型中加入了反映上述因素的控制变量。需要说明的是,由于中国的经济增长和固定资产投资指标往往存在显著的共线关系,为避免模型估计出现共线性问题,并考虑到经济增长的内涵相对较为宽泛而固定资产投资对农地非农化的直接驱动效应理论上更为明显,因此在模型中仅加入固定资产投资作为控制变量之一。模型的具体表达式如下：

\begin{array}{l} IF C_{ij} = C + α_{1} IN V_{ij} + α_{2} IN V_{ij}^{2} + α_{3} DPE O_{ij} + \\ α_{4} LAN D_{ij} + α_{5} PL C_{ij} + α_{6} AO F_{ij} + \\ α_{7} DL E_{ij} + α_{8} DU R_{ij} + ε \end{array}

式中：IFC_ij表示i地区j时期的农地违法非农化规模,文中以土地违法面积中涉及的耕地面积来反映^②(②需要说明的是,在目前众多的农地违法非农化现象中,部分违法行为（如农户因家庭分化、子女成家等原因私自扩建或新建住房）理论上并非因城乡差距导致,理应在因变量中删去这部分数据;但遗憾的是,由于无法获取到细分类型的农地违法非农化数据,因此模型的因变量数据仍使用总的农地违法非农化规模来表示。),单位：hm²;C为常数项;INV_ij、DPEO_ij和LAND_ij分别是反映i地区j时期固定资产投资（亿元）、人口增长（万人）、存量建设用地规模（万hm²）的变量;PLC_ij为反映国家土地督察制度实施的政策虚拟变量,2007年起赋值为1,2007年之前赋值为0;AOF_ij表示i地区j时期的财政支农支出占比,包括支援农村生产支出、农业综合开发支出、农林水利气象等部门事业费支出在内的财政支农支出占财政总支出的比重,单位：%;DLE_ij表示i地区j时期城乡土地产出效益差（非农产业土地产出效率/农业土地产出效率）;DUR_ij表示i地区j时期城乡居民人均可支配收入差距（城镇居民人均可支配收入/农村居民人均可支配收入）;

α_{1}

α_{8}

为对应变量的系数;

ε

为随机扰动项。考虑到已有的相关研究指出,随着经济增长因素的变化,其对农地非农化和土地违法行为的影响会发生变化^[11,33];而固定资产投资与经济增长有着相似的变化规律,因此也在模型中加入了变量INV_ij的二次项。

3.2 数据来源

本文主要使用1999—2016年中国大陆31个省（市、区）的面板数据来估计上述模型（因缺乏相关数据不包括港澳台地区）。模型中相关变量的数据来源如下：① IFC数据：2004年以前的数据取自《中国国土资源年鉴2000—2004》^[1],2004—2016年的数据取自《中国国土资源统计年鉴2005—2017》^[2]。② INV、DPEO、AOF、DUR数据：直接取自历年《中国统计年鉴》或在相关统计数据基础上计算获得^[20]。③ LAND数据：取自历年全国土地利用变更调查数据和《中国国土资源统计年鉴2005—2017》^[2]。④ DLE数据：主要根据历年《中国统计年鉴》^[20]中的农业和非农业产出数据,以及历年全国土地利用变更调查数据和《中国国土资源统计年鉴2005—2017》^[2]中的农用地和建设用地数据计算获得。表1所列是模型中各变量的样本数据描述统计值。

Table 1
表1
表1模型中各变量的描述统计值
Table 1Descriptive statistics of variables in the model

变量	样本量	平均值	标准差	最小值	最大值
IFC	558	365.976	602.516	0.000	5561.240
INV	558	7223.037	8733.038	53.557	53322.938
DPEO	558	26.348	111.936	-859.000	1372.000
LAND	558	1678.517	1004.334	82.421	4436.117
PLC	558	0.556	0.497	0.000	1.000
AOF	558	9.180	3.368	2.133	18.966
DLE	558	300.732	861.046	14.280	6369.370
DUR	558	2.936	0.636	1.845	5.605

新窗口打开|下载CSV

4 结果分析

4.1 城乡差距与农地违法非农化关系的初步分析

在估计上述计量模型之前,首先利用全国层面的数据对中国城乡差距与农地违法非农化之间的关系作初步分析。图2显示了1999—2016年全国层面反映城乡差距的财政支农支出占比、城乡土地产出效益差和城乡居民人均可支配收入差距3项指标与农地违法非农化规模之间的关系。从中不难看出,财政支农支出占比与农地违法非农化规模之间存在着明显的负相关关系;而城乡居民人均可支配收入差距与农地违法非农化规模之间则表现出明显的正相关关系。这两项指标与农地违法非农化规模变化间的相关系数分别为-0.504（显著性水平0.033）和0.774（显著性水平0.000）,这一结果与前面的理论分析是基本相符的。财政支农支出占比与农地违法非农化规模之间呈显著的负相关关系,表明财政支农支出占比越低,农地违法非农化规模越大;城乡居民人均可支配收入差距与农地违法非农化规模之间呈显著的正相关关系,表明城乡居民人均可支配收入差距越大,农地违法非农化规模也越大。相比之下,城乡土地产出效益差与农地违法非农化规模之间的正相关关系从全国层面的数据来看并不显著。当然,要更准确地研判中国城乡差距与农地违法非农化之间的关系,还有待进一步的模型检验。

图2

新窗口打开|下载原图ZIP|生成PPT
图21999—2016年中国城乡差距与农地违法非农化

Figure 2Urban-rural gap and illegal farmland conversion in China, 1999-2016

4.2 模型估计结果分析

为系统检验和揭示中国城乡差距对农地违法非农化的具体影响,本文估计了两组模型。一是利用全部的省域面板数据估计了一个全国范围模型（因缺乏相关数据不包括港澳台地区）,以从总体上检视城乡差距对农地违法非农化的具体影响;二是区分经济发达和欠发达两类地区分别估计模型,以研判城乡差距对农地违法非农化影响的区域差异。

4.2.1 全国范围模型估计结果分析

对于全国范围模型,先是在模型中仅加入3个反映城乡差距的解释变量进行估计（模型1）,然后依次加入不同控制变量再分别估计了5个模型（模型2-6）;此外,由于所使用的是面板数据,因此也分别估计了固定效应和随机效应模型,并通过Hausman检验决定选择相对有效的固定效应模型作为最终的估计结果（表2）。从表2所列的结果来看,不同控制变量的加入对解释变量的估计结果并未产生大的影响或波动,由此可以判断模型的设定与估计是较为稳定的。下面主要依据模型6的结果进行具体解释。

Table 2
表2
表2全国范围模型估计结果
Table 2Estimated results of the nationwide model

IFC	模型1	模型2	模型3	模型4	模型5	模型6
C	-367.213 (261.276)	-268.495 (243.622)	-359.419 (261.832)	1193.541*** (338.435)	-319.962 (278.789)	1011.746*** (343.499)
INV	—	0.022*** (0.007)	—	—	—	0.025*** (0.009)
INV²	—	-1.14e-06*** (1.79e-07)	—	—	—	-1.08e-06*** (1.93e-07)
DPEO	—	—	-0.108 (0.196)	—	—	-0.095 (0.178)
LAND	—	—	—	-11.157*** (1.627)	—	-8.599*** (1.645)
PLC	—	—	—	—	33.308 (68.194)	56.368 (75.060)
AOF	-26.069*** (8.746)	-18.485* (10.744)	-26.081*** (8.752)	-13.042 (8.598)	-31.457** (14.083)	-24.395* (12.891)
DLE	0.219*** (0.093)	0.168** (0.087)	0.218** (0.093)	0.134 (0.090)	0.214** (0.093)	0.108 (0.087)
DUR	308.816*** (74.460)	252.216*** (69.983)	307.244*** (74.564)	170.406** (74.188)	303.760*** (75.230)	149.617** (72.187)
N	558	558	558	558	558	558
R²	0.063	0.190	0.064	0.140	0.063	0.233
F	11.73	24.56	8.86	21.33	8.84	19.69

注：均为固定效应模型估计结果。括号中数据是标准差,*、**、***分别表示10%、5%和1%的显著性水平。

新窗口打开|下载CSV

从模型中各控制变量的估计结果来看,INV、INV²、LAND对农地违法非农化的影响均十分显著,且与已有的相关研究结论一致。INV的一次项估计系数为正、二次项估计系数为负,表明随着投资的增加,农地违法非农化规模会表现出“先增后减”的倒U型变化规律;存量建设用地规模（LAND）对农地违法非农化规模的影响显著为负,表明在存量建设用地规模较大的地区,农地违法非农化规模会相对较小。人口增长（DPEO）对农地违法非农化的影响并不显著,说明农地违法非农化并不会明显受人口增长之需求驱动;而反映土地督察制度实施的政策虚拟变量（PLC）的估计系数也不显著,这可能与土地督察制度主要关注地方政府的违法行为有关。

解释变量财政支农支出占比（AOF）和城乡居民人均可支配收入差距（DUR）对农地违法非农化的影响均十分显著,而城乡土地产出效益差（DLE）的估计系数在模型4和模型6以外的模型中也都十分显著。可见,全国范围模型的估计结果与前面的理论分析是基本一致的,城乡差距的拉大确实会引致农地违法非农化规模的增加。具体地,政府对农村地区投资和财政支持力度的减小会迫使农村集体效仿城市的“以地生财”模式,通过违法转用和转让农地增加自身收入,这与前面的研究假说1相符;城乡土地产出效益差的扩大会诱使农村地区积极发展非农产业、吸引社会（企业）投资,从而导致大量农地被违法非农化,这较好地验证了前面的研究假说2;而城乡居民人均可支配收入差距的拉大则会驱使农民更多地占用农地资源创收增收和改善生活条件,这与前面的研究假说3也是一致的。此外,从解释变量的具体估计系数来看,在省级层面,财政支农支出占比每下降一个百分点,农地违法非农化规模会增加近25 hm²;城乡居民人均可支配收入差距每扩大10%,农地违法非农化规模也会增加约15 hm²;而相比之下,城乡土地产出效益差的扩大对农地违法非农化的影响则要小得多。

4.2.2 不同经济发展地区模型估计结果分析

为进一步探究不同经济发展地区,同时也反映不同经济发展阶段,城乡差距对农地违法非农化的影响是否存在差异,本文将中国大陆31个省（市、区）分成了发达地区和欠发达地区两组样本做进一步分析检验。通过计算各省（市、区）1999—2016年人均GDP的年均值（万元/人）,并以该年均值的中位数2.205万元/人为界,将年均值超过中位数的省（市、区）作为发达地区,包括北京、天津、河北、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、福建、山东、湖北、广东、重庆15个省（市、区）;其余省区则作为欠发达地区,包括山西、安徽、江西、河南、湖南、广西、海南、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆16个省（市、区）^③(③从划分结果来看,归入发达地区的主要是公认的东部省（市、区）和部分中西部相对发达的省（市、区）,归入欠发达地区的则是通常认为的中西部省（市、区）;这一结果不仅有统计依据,也较好地反映了东部和中西部地区间的差异,相对较为合理。)。在以上样本分组的基础上,分别估计了两类地区包含所有自变量的模型,估计结果也都支持固定效应模型。表3所列即为发达地区和欠发达地区样本模型的估计结果。

Table 3
表3
表3不同经济发展地区模型估计结果
Table 3Estimated results of the models in different areas of economic development

IFC	发达地区		欠发达地区
IFC	估计系数	标准差	估计系数	标准差
C	1065.230**	539.474	770.128*	469.130
INV	0.047***	0.015	0.024*	0.013
INV²	-1.37e-06***	2.81e-07	-1.25e-06***	3.89e-07
DPEO	-0.074	0.239	-0.043	0.280
LAND	-8.455***	2.143	-8.375***	2.802
PLC	33.110	120.522	42.321	95.916
AOF	-82.786***	25.276	-6.171	14.577
DLE	-0.276	0.597	0.065	0.080
DUR	358.938**	153.069	102.483	78.485
N	270		288
R²	0.299		0.173
F	13.15		6.90

注：均为固定效应模型估计结果。

新窗口打开|下载CSV

从模型中各控制变量的估计结果来看,INV、INV²和LAND对农地违法非农化的影响都十分显著,而DPEO和PLC的估计系数都不显著,这与前面的全样本模型估计结果一致。解释变量AOF、DLE和DUR对农地违法非农化的影响在不同地区则表现出明显的差异。在发达地区模型中,AOF和DUR对农地违法非农化的影响都十分显著,分别验证了前面的研究假说1和3,且估计系数分别为-82.786和358.938;表明财政支农支出占比每下降一个百分点,农地违法非农化规模会增加近83 hm²,而城乡居民人均可支配收入差距每扩大10%,农地违法非农化规模会增加约36 hm²;这远大于全国范围模型所反映的总体影响。而在欠发达地区模型中,3个反映城乡差距的解释变量对农地违法非农化的影响均不显著。这可能与欠发达地区的发展基础和农地非农开发潜力有关。相对于发达地区,欠发达地区的非农产业发展较弱,农地非农化带来的收益回报较低;在合法的农地非农化之外,欠发达地区的农村还能通过农地违法非农化来吸引投资、发展非农产业和增加收入的可能性也相对较小。因此,即使受城乡差距的驱动,欠发达地区的农地违法非农化行为变化也相对不会太明显。此外,根据不同经济发展地区模型的估计结果不难得知,在经济发达地区或是随着经济发展水平达到一定程度,城乡差距对农地违法非农化的扩张效应会显现,而且程度也会增大。

5 结论与建议

5.1 结论

当今中国,农地非农化已经成为经济社会快速发展的重要支撑。也正因为如此,随着城乡差距的扩大,农村地区在发展经济和增加收入的动力、以及非农建设空间和社会投资受限的压力双重驱使下,不可避免地会铤而走险实施农地违法非农化行为。鉴于此,本文基于已有的相关理论与实证研究成果,在探讨中国城乡差距对农地违法非农化影响机理的基础上,通过构建计量模型,并运用1999—2016年中国大陆31个省（市、区）的面板数据进行了实证检验。结果显示：

（1）城乡差距已成为中国农地违法非农化现象背后的重要驱动因素。确切地说,城乡差距的扩大会迫使农村集体、农民个人和相关利益主体为吸引社会投资、发展农村产业和获取经济收益等目的铤而走险实施更多的农地违法非农化行为。

（2）从城乡差距的具体表现方面来看,城乡要素投入和居民收入差距的扩大对农地违法非农化有着显著的正向影响;而城乡产业发展差距的扩大对农地违法非农化的影响则相对较小。

（3）在不同经济发展地区（或不同经济发展阶段）,城乡差距变化对农地违法非农化的影响存在显著差异：其中,欠发达地区城乡差距变化对农地违法非农化的影响并不明显;但在经济发达地区或是随着经济发展水平达到一定程度,城乡差距对农地违法非农化的扩张效应更为明显。

5.2 建议

本文的研究结论也为中国政府有效遏制农地违法非农化行为提供了有益的政策启示。总体而言,今后对于农地违法非农化行为的管控,不能单纯依赖直接的法治和行政手段;而应同时关注经济社会发展环境尤其是城乡差距对农地违法非农化的影响,并同步采取措施缩小城乡差距。

在具体的政策措施方面,各级政府首先应加大财政支农支出的份额,为农村地区提供必要的资金支持和良好的基础设施,以避免农村地区在发展过程中简单复制城市的“以地生财”模式,进而减少农地违法非农化行为;其次应积极消除农村地区在发展过程中面临的土地要素制约,通过增加合法建设用地的配给,支持农村地区非农产业的发展并缩小城乡产业发展差距,这也将有助于农地违法非农化行为的减少;再次应大力拓展农民增收渠道,尤其是结合农村土地制度改革,通过支持发展农村特色产业、增加农民财产性收益等措施,不断缩小城乡居民收入差距。目前中国国内一些地区正在推进的农村集体经营性建设用地入市和宅基地制度改革在促进农村产业发展和农民增收方面就取得了显著成效。应该说,这些政策举措在缩小城乡差距的同时,无疑也会起到有效遏制农地违法非农化和促进农村土地高效有序利用的效果。

当然,需要指出的是,由于能够获取的土地违法数据十分有限,目前尚无法细分不同类型的农地违法非农化行为做更为精准的分析检验。本文只是从宏观层面初步探讨了中国城乡差距对农地违法非农化的相关影响,今后还有待获取更多详尽数据或采集相关案例后进一步深化研究。

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

[1]

国土资源部. 中国国土资源年鉴2000-2004
[M]. 北京: 中华人民共和国国土资源部, 2000- 2004.

[本文引用: 5]

[ Resources. China Land & Resources Almanac 2000-2004
[M]. Beijing: Ministry of Land and Resources of China, 2000- 2004.]

[本文引用: 5]

[2]

国土资源部. 中国国土资源统计年鉴2005-2017[M]. 北京: 地质出版社, 2006- 2018.

[本文引用: 7]

[ Ministry of Land and Resources. China Land & Resources Statistical Yearbook 2005-2017[M]. Beijing: Geological Publishing House, 2006- 2018.]

[本文引用: 7]

[3]

国土资源部执法监察局. 国土资源违法行为查处工作规程[M]. 北京: 地质出版社, 2014.