删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国土地流转的区域差异及其影响因素——基于2003-2013年农村固定观察点数据

本站小编 Free考研考试/2021-12-29

王亚辉¹^,², 李秀彬¹^,²^,, 辛良杰¹, 谈明洪¹^,², 蒋敏¹^,²

1. 中国科学院地理科学与资源研究所中国科学院陆地表层格局与模拟重点实验室,北京 100101

2. 中国科学院大学,北京 100049

Regional differences of land circulation in China and its drivers:Based on 2003-2013 rural fixed observation points data

WANGYahui¹^,², LIXiubin¹^,²^,, XINLiangjie¹, TANMinghong¹^,², JIANGMin¹^,²

1. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

2. University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者:通讯作者：李秀彬(1962-), 男, 博士, 研究员, 博士生导师, 主要从事土地利用变化及其效应相关研究。E-mail: lixb@igsnrr.ac.cn
收稿日期:2017-05-23
修回日期:2017-12-31
网络出版日期:2018-03-21
版权声明:2018《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:

国家自然科学基金项目(41571095, 41271119)

作者简介:
-->作者简介：王亚辉(1989-), 男, 安徽亳州人, 博士生, 主要从事土地利用变化及农业经济研究。E-mail: wangyhui.15b@igsnrr.ac.cn

展开

摘要
土地流转是实现农业适度规模经营的必经之路,理解土地流转的空间差异及影响因素具有重要意义。基于2003-2013年农业部农村固定观察点系统的169511个住户样本,本文揭示了中国土地流转的区域差异,并采用Heckman两阶段模型识别土地流转区域差异的影响因素,旨在为促进土地流转提供科学参考。结果发现：① 2003-2013年间,土地流转率从17.09%上升到24.1%,年均增幅近0.7个百分点;南方土地流转较为活跃,比如福建等地流转率超过30%,而北方土地流转率较低;② 转入土地支付租金平均为283.74元/亩,55.05%的转入户并未支付租金;相反,转出土地获得租金为243.23元/亩,52.63%的农户转出土地未获得租金;目前中国土地的“零租金”流转率超过50%;③ 土地质量、地理区位、交易费用、家庭及村庄特征等对土地流转的区域差异具有显著影响;土地质量和地理区位在平原地区的边际效应较大,但在丘陵和山区,交易成本已成为影响土地流转的重要因素。土地“零租金”流转的实质是土地资源错配的一种表现,丘陵和山区边际化及交易费用偏高降低了土地资源的潜在价值。政府应努力降低土地流转中面临的各类交易费用,建立健全土地流转的补偿机制,同时关注丘陵和山区的土地资产贬值和撂荒现象。

关键词：土地流转;区域差异;零租金;影响因素;Heckman模型;中国
Abstract
Land circulation is an important measure that can be utilized to enable agricultural management at a moderate scale. It is imperative to explore spatiotemporal changes in land circulation and the factors that drive these variations in order to increase the vitality of land rental market in China. Based on a sample of 169 511 farm households from the rural fixed observation point system between 2003 and 2013, this paper revealed the regional differences in land circulation and used Heckman two-stage models to identify the drivers of regional differences in land circulation. The results of this study show that: (1) the rate of land circulation in China rose from 17.09% to 24.1% over the course of the study period, an average rate of 0.7%. (2) The rate of land circulation in the south of China has been higher than that in the north, the average land rental payment was 283.74 yuan per mu, and 55.05% of farm households did not pay a fee in the process of land circulation. In contrast, the average rent that leasers received was 243.23 yuan per mu nationally even though 52.36% of households did not receive any payments from their tenants. At present, the rate of rent-free land circulation was more than 50% in China's land rental market. In addition, the average rent in developed provinces, such as Jiangsu, Shandong, Guangdong and Zhejiang, was 40% higher than the national average. (3) The results show that land quality, geographic location, transaction costs, and household characteristics have all significantly affected land circulation in different regions of China. The marginal effects of land quality and geographic location were larger in the plain regions, while transaction cost was the key factor influencing land circulation in the hilly and mountainous regions. The essence of rent-free land circulation was a sign of mismatch of land resources, and the marginalization of mountainous regions and higher transaction costs reduced the potential value of land resources. Thus, as the opportunity cost of farming continues to rise across China, the depreciation of land assets will become irreversible and land abandonment will be anabatic in the hills and mountains in the future. The transaction costs in land rental market should be reduced by establishing the land circulation intermediaries at the township level. Also, more attention should be given to the critical issues of farmland abandonment and poverty reduction in the hills and mountains.

Keywords：land circulation;regional difference;zero rent;influencing factors;heckman model;China

-->0
PDF (2246KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
王亚辉, 李秀彬, 辛良杰, 谈明洪, 蒋敏. 中国土地流转的区域差异及其影响因素——基于2003-2013年农村固定观察点数据[J]. 地理学报, 2018, 73(3): 487-502 https://doi.org/10.11821/dlxb201803008
WANG Yahui, LI Xiubin, XIN Liangjie, TAN Minghong, JIANG Min. Regional differences of land circulation in China and its drivers:Based on 2003-2013 rural fixed observation points data[J]. Acta Geographica Sinica, 2018, 73(3): 487-502 https://doi.org/10.11821/dlxb201803008

1 引言

2017年1月农业部印发《关于推进农业供给侧结构性改革的实施意见》,其核心目标是实现农民增收。然而,土地破碎且小规模经营等诸多缺陷仍是提高农业劳动生产率、实现农民增收及农业转型的瓶颈^[1,2]。毋庸置疑,土地流转是实现农业适度规模经营的必经之路。近年来中央先后出台一系列的政策旨在鼓励土地流转和发展农业适度规模化经营。比如2014年出台的《关于引导农村土地经营权有序流转发展适度规模经营的意见》明确提出,坚持农村土地集体所有的基础上,实现土地所有权、承包权和经营权三权分置,引导土地经营权有序流转;2016年中央“一号文件”更是强调,积极培育家庭农场、专业大户、农民合作社等新型经营主体,加强对土地流转和规模经营的管理服务等。可见,中央已从顶层设计的角度给予土地流转较大的政策支持^[3]。
事实上,近年来随着务农机会成本和农业生产要素价格的上涨,农业收益逐年下降,农地粗放化经营甚至撂荒等现象开始显现^[4,5,6,7,8]。同时,城市化的推进和非农工资的上涨,吸引大量的农村劳动力转移到城市,地区间“自发性”的土地流转市场已逐渐形成。可以说,土地流转已成为农业和农村发展的必然趋势。
国内外学术界对土地流转问题给予了极大的关注。国际上土地流转的研究始于20世纪末期,主要涉及土地流转的效率、公平及土地交易市场的发展等^[9,10,11]。在亚洲、非洲及拉丁美洲等欠发达地区多关注土地流转现状、流转效率、土地流转的增收效应和减贫效应等评估^{[9, 12-15]},比如Huy等^[15]指出土地流转提高了土地利用效率和促进了农户间的公平;Deininger等^[11]和Jin等^[9]均发现土地流转提高了农民收入,同时还具有减贫效应;而欧洲东部的研究多关注土地私有化和市场交易等^[16,17]。针对中国的土地流转,初期部分****着重探讨土地流转驱动因素及存在问题,土地制度缺陷、城市化及种植业成本较高等为土地流转的主要驱动因素^[18,19,20];同时劳动力老龄化、流转市场不健全及交易费用较高等是土地流转不畅的重要原因^{[15, 21-22]}。此外,部分****通过调研发现部分地区的“零租金”流转现象较普遍^[23,24]。
随着土地流转规模的不断扩大,土地流转的空间差异逐渐得到重视。然而,受限于时间跨度和样本数量等,多数研究仅选取个别区域,比如重庆市^[23]、三峡库区^[24]及江苏省等^[25],且这些研究以单一年份的截面数据为主,无法揭示较大区域甚至全国尺度的土地流转时空变化,这对土地流转政策的指导作用无疑大打折扣。因此,要想准确把握中国土地流转的时空差异,需要时间跨度长、区域差异明显及样本规模大的家庭追踪调查数据。值得庆幸的是,农业部农村固定观察点从1986年开始对中国大陆31个省/市、360个行政村的约23000个住户进行长期的追踪调查,这为揭示近年来中国土地流转的时空变化提供了数据支撑。
鉴于此,基于2003-2013年农村固定观察点中的住户样本,本文尝试揭示中国土地流转的时空格局和流转规律;在此基础上,构建Heckman两阶段模型识别土地流转区域差异的影响因素,并提出针对性的政策建议。

2 数据来源与研究方法

2.1 数据来源

本文数据来自农业部农村固定观察点（http://www.rcre.agri.cn/）,该数据库是1984年经中央书记处批准和建立,由中央政策研究室和农业部组织和领导,并由农业部农村经济研究中心负责数据库的系统管理工作。该调研从1986年开始,在全国各省份展开农村住户连续追踪调研工作,数据库有两个鲜明的优势：① 调研范围广和农户样本量大。该调研覆盖了1986年以来全国大陆（除港、澳、台地区）的31个省份,约360个村庄,每年调查2万多户农村住户。② 调研内容丰富。自2003年起,该调研分别使用村调查和住户调查两级问卷。其中村级问卷包括村庄经济概况、人口及基层组织、劳动力情况、土地情况、集体固定资产、农林牧渔生产、财务信息及社会发展情况等资料;住户调查问卷则包括家庭成员信息、土地情况（土地转入和转出情况）、地理区位（住户是否在郊区及所在县的经济发展水平等）、固定资产、家庭生产、农产品出售、购买种植业生产资料、家庭全年收支及食物消费等信息。从村问卷和住户问卷可以较全面地反映各地区农村居民的农地经营、生产及消费等活动。这些优势为揭示各区域土地流转的时间差异及其影响因素提供了良好的数据基础。图1呈现了各调研村的分布。

显示原图|下载原图ZIP|生成PPT
图1调研村庄分布
-->Fig. 1The spatial distribution of research villages
-->

显示原图|下载原图ZIP|生成PPT
图22003-2013年中国土地流转率的变化趋势
-->Fig. 2The change trend of land circulation rate in China in 2003-2013
-->

显示原图|下载原图ZIP|生成PPT
图3中国各省份土地流转的时空格局变化
注：2003年、2005年、2006年、2010年及2013年西藏均无住户调查样本,而其余年份样本量较少,平均为72个,故未测算西藏的土地流转比率。
-->Fig. 3Spatial-temporal dynamics of land circulation at provincial level in China
-->

显示原图|下载原图ZIP|生成PPT
图4中国土地流转租金的区域差异注：北京、天津、内蒙古、海南、上海及西藏等转入和转出土地的样本量均少于100;考虑到小样本可能会存在偏误,故未呈现。
-->Fig. 4Regional differences in land rent across China
-->

考虑到1986-2002年中国土地流转规模较小,同时数据库中大量的指标缺失,因而本文选取2003-2013年为研究区间。在该区间,合计获得31个省份、360个村庄的223189份住户问卷,通过对住户问卷与村问卷匹配,共计194603份问卷。考虑到统计偏误、指标缺失等问题,本文对数据进一步清洗：① 剔除省份代码不存在的住户,共451户;② 剔除没有土地或家庭劳动力数量大于总人口的住户,大约8140户;③ 剔除各类农作物播种面积或收获面积等缺失的住户,共6136户;④ 剔除重要指标缺失或存在明显错误的样本,比如劳动力年龄和家庭固定资产小于零等,大约10000份。最后剩余有效样本数为169511份（表1）,有效样本率为87.11%。考虑到无效样本率较高,因而本文有必要检验前后连续两期住户是否被随机调查到,如果不满足随机调查,说明数据处理过程存在“样本选择偏误”。样本损失分析表明,任意连续两期的样本损失存在随机性,且前一期的住户被下一期再次调研到的概率为96.2%,因而样本清洗过程不存在“选择性偏误”问题。表1呈现了各年度调研住户及参与土地流转住户的数量。
Tab. 1
表1
表1调研样本的年际分布(户)
Tab. 1The annual distribution of research samples (household)

类型	2003年	2004年	2005年	2006年	2007年	2008年	2009年	2010年	2011年	2012年	2013年	合计
总有效住户	16905	16668	17331	16871	14356	15378	15399	15392	13432	14127	13652	169511
转入土地住户	1231	1233	1126	1126	1211	1033	1132	1509	1641	1838	2050	15130
转出土地住户	1637	1324	1402	1639	1384	1764	1823	2104	1905	2231	2184	19397

新窗口打开

2.2 研究方法

2.2.1 土地流转率的测度土地流转包括仅转入土地、仅转出土地及同时转入和转出土地,为了较全面反映土地流转情况,本文参照罗必良等^[26]的做法,选择土地转入率、土地转出率和土地总流转率来反映土地流转状况。其中土地转入率如下：

\begin{matrix} R_{it}^{in} = \frac{N_{it}^{in}}{N_{it}^{T}} \times 100 % \end{matrix}

（1）
式中：

\begin{matrix} R_{it}^{in} \end{matrix}

为i省t年的土地转入率;

\begin{matrix} N_{it}^{in} \end{matrix}

、

\begin{matrix} N_{it}^{T} \end{matrix}

分别为i省t年转入土地规模和总体规模（剔除同时转入和转出的规模,约占3.47%）。土地转出率如下：

\begin{matrix} R_{it}^{out} = \frac{N_{it}^{out}}{N_{it}^{T}} \times 100 % \end{matrix}

（2）
式中：

\begin{matrix} R_{it}^{out} \end{matrix}

为i省t年的土地转出率;

\begin{matrix} N_{it}^{out} \end{matrix}

为i省t年的转出土地规模;

\begin{matrix} N_{it}^{T} \end{matrix}

与式（1）相同。土地总流转率如下：

\begin{matrix} R_{it}^{T} = \frac{N_{it}^{in} + N_{it}^{out}}{N_{it}^{T}} \times 100 % \end{matrix}

（3）
式中：

\begin{matrix} R_{it}^{T} \end{matrix}

为i省t年的土地总流转率;

\begin{matrix} N_{it}^{in} \end{matrix}

、

\begin{matrix} N_{it}^{out} \end{matrix}

及

\begin{matrix} N_{it}^{T} \end{matrix}

与式（1）和式（2）相同。
2.2.2 土地流转租金的测度虽然在2003-2013年各地区的土地流转的租金均能获得,但农户间存在大量的“零租金”流转,若剔除“零租金”流转的样本之后,多数省份单一年度的样本数量明显过少,比如北京、天津、内蒙古、上海、海南及西藏等地区,统计推断的准确度大打折扣。因而本文通过折现因子把各年度的土地流转租金折现到2013年（方便不同数据源比较）,即用利率进行折现,以便考察地区间流转租金的差异变化。租金的折现公式如下：

\begin{matrix} NP V_{t} = \frac{NP V_{2013}}{{(1 + i)}^{2013 - t}} \end{matrix}

（4）

\begin{matrix} NP V_{2013} = NP V_{t} \times {(1 + i)}^{2013 - t} \end{matrix}

（5）
式中：NPV₂₀₁₃为2013年土地流转租金现值;NPV_t为t年的土地租金现值;i为折现率,即一年期银行利率。
2.2.3 土地流转空间差异影响因素的实证分析农户转入的土地除来自农户间之外,还有部分来自村集体或开荒地,无法剥离仅从农户间转入的土地;相反农户转出的土地均流向其他农户、企业及专业合作社,土地流转租金的测算更加准确。故本文仅探讨土地转出空间差异的影响因素。
根据农户行为理论,农户是否转出土地及转出土地获得租金多寡不是随机的,而是其“自选择”的结果,即受到一系列个人特征、家庭特征及区位等因素的作用。如果把转出土地获得租金看作一个过程,可以分为两个阶段：第一阶段为农户是否转出土地,即转出土地的概率;第二阶段为农户转出土地获得租金,即租金数额。目前,可以采用Heckman两阶段模型处理该问题^[27,28]。由于样本量较大,是否转出土地的Probit模型的残差项符合正态分布,满足Heckman两阶段模型误差项为正态分布的假设。模型如下：
第一阶段：该阶段是以“是否转出土地”为被解释变量,采用Probit模型进行估计农户转出土地的概率,概率方程如下：

\begin{matrix} P_{it} = αX 1_{it} + μ_{i} \end{matrix}

（6）
第二阶段：利用选择后的样本估计转出土地获得租金的决定模型,回归方程如下：

\begin{matrix} y_{it} = βX 2_{it} + κ λ_{i} + ε_{i} \end{matrix}

（7）
式中：P_it为t年i农户转出土地的概率;X1_it为影响农户是否转出土地的一系列可观测因素;μ_i为概率方程的误差项,服从均值为零的正态分布;y_it为t年i农户转出土地获得的亩均租金;X2_it为影响转出土地获得租金大小的一系列可观察因素;λ_i为逆米尔斯比率（Mills）;ε_i为回归方程的误差项,服从均值为零的正态分布;i代表农户,t代表年份。
想得到回归方程中的λ_i,首先要估计概率方程（6）,对所有样本进行Probit回归,得到未知参数向量的α和σ的估计值;之后通过Mills估算公式,计算出各农户的λ,进而将其作为新变量纳入回归方程（7）中。其中Mills的计算公式如下：

\begin{matrix} λ_{i} = \frac{φ (\frac{- X 1_{it} α}{σ})}{? (\frac{- X 1_{it} α}{σ})} \end{matrix}

（8）
式中：φ(·)为标准正态分布的密度函数;?(·)为标准正态分布的概率分布函数;α为概率方程解释变量的回归系数集;σ为概率方程误差项μ_i的标准差。
Heckman两阶段模型可通过在回归中加入

\begin{matrix} λ \end{matrix}

来解决样本“自选择”问题,若

\begin{matrix} λ \end{matrix}

显著不等于零,说明存在“自选择”问题。此时,概率方程和回归方程干扰项的相关系数显著不为零,表明两方程相关联,一般的OLS估计会导致偏误,而采用Heckman两阶段模型才能克服上述问题。故本文选择该模型提高估计精度以准确揭示土地流转区域差异的影响因素。

2.3 变量说明

2.3.1 被解释变量 Heckman两阶段模型分别估计两个方程,第一阶段的被解释变量为“是否转出土地”;第二阶段的被解释变量为“转出土地获得的租金”。详细的变量定义如表2所示。
2.3.2 解释变量理论上,决定农户是否转出土地和获得租金规模的因素较多,结合研究目的和已有文献,本文拟选取土地质量、地理区位、交易费用、家庭及村庄特征等因素作为解释变量。其中交易费用参照Latruffe^[21]做法,采用家庭经营地块数量和是否有流转中介进行度量^[15]。一般而言,家庭地块数越多,与潜在交易者的谈判、签约合同及后期发生纠纷的次数越多,交易费用越高;同时,土地流转中若存在流转中介,可有效降低因搜寻潜在交易对象、流转信息等,甚至后期纠纷解决等成本,流转中介可降低交易费用。考虑到实证分析的数据为2003-2013年的面板数据,本文分别呈现了初期和末期的变量统计性描述,以便识别各变量的变化趋势。
Tab. 2
表2
表2变量定义及统计性描述
Tab. 2Definition and statistical description of variables

分类	变量名称	定义	单位	2003年		2013年
分类	变量名称	定义	单位	均值	标准差	均值	标准差
因变量	阶段1：转出土地	是=1;否=0	-	0.12	0.24	0.17	0.25
因变量	阶段2：获得租金	每亩租金	元/亩	119.50	437.72	273.16	573.35
土地质量	土地质量等级	亩均产量大于村平均水平=1;相反=0	-	0.51	0.67	0.57	0.71
地理区位	是否城市郊区	城市郊区=1;否=0	-	0.16	0.36	0.16	0.37
地理区位	所在县经济水平	下等=1;中下=2;中等=3;中上=4;上等=5	-	2.81	0.88	2.82	0.87
交易费用	家庭经营地块数量	家庭实际经营地块的数量	块	4.47	4.98	4.11	4.92
交易费用	是否有中介组织	村内有农业组织=1;否=0	-	0.11	0.33	0.18	0.43
家庭特征	非农收入占比	家庭非农收入占总收入比重	%	58.21	38.29	76.98	42.22
	户主年龄	户主实际年龄	岁	50.12	10.87	52.46	9.25
	户主健康状况	丧失劳动能力=1;差=2;中=3;良=4;优=5	-	4.33	2.21	4.20	1.90
	劳动力数量	年龄介于16~65岁之间的劳动力数量	个	2.17	1.02	2.22	1.08
	人均耕地面积	家庭耕地总面积/总人口	亩/人	1.97	2.65	2.15	2.91
	经营主业	种植业=1;否则=0	-	0.88	0.31	0.86	0.32
	固定资产总额	拥有生产性固定资产的折价	元	5913.72	2819.12	9007.3	3285.15
村庄特征	村内人均纯收入	全村经营总收入/村总人口	元/年	2719.29	2799.17	4789.30	5719.81
	村内企业数量	集体、股份制、合伙、私营及三资企业数量	个	3.27	2.19	5.83	2.24
	外出人口占比	年内外出人口/全村总人口	%	21.00	18.00	33.12	19.00
	村所处地势	平原=1;丘陵=2;山区=3	-	2.09	0.81	2.11	0.82
政策因素	金融约束	提供贷款支持=1;否则=0	-	0.05	0.21	0.09	0.29

注：是否城市郊区和住户所在县经济水平均来自固定观察点的村问卷,之后与户主问卷进行匹配,各住户均有相对应的地理区位变量。

新窗口打开

3 土地流转率的时空变化及租金的区域差异

3.1 土地流转率的时空变化

2003-2013年中国土地总体流转率呈上升趋势,总体流转率从初期的17.09%上升到2013年的24.1%,年均增幅近0.7个百分点（图2）。具体到流转方向,土地转入率从初期的7.41%上升到2013年的8.1%,呈微弱上升趋势;相反,土地转出比率则从9.68%上升到16%,上升近7个百分点。值得注意的是,2013年土地转出率约为转入率的2倍,可见近年来中国的土地流转已逐渐呈现土地集中或适度规模经营的格局。
图3呈现了中国各省份2003-2013年土地总体流转的时空格局。整体看,土地总流转率呈现“南高北低、东高西低”的格局,比如内蒙古、山西等地区的土地流转率一直低于10%,直到2011年才有明显提高;相反,福建、浙江及广东等地区的比例均超过20%以上,甚至超过30%。然而,2009年全国绝大多数地区的土地流转率已超过10%,仅有内蒙古为8.28%。截至到2013年,仅有甘肃省的土地流转率低于10%,其余均超过10%,有的地区甚至超过70%。土地流转空间差异的根源是经济发展、机械化水平及农民增收意愿等多种因素的结果^[29]。可以说,2003-2013年间,中国的土地流转率整体呈现上升趋势,现阶段全国约1/4的土地已发生承包权和经营权的分离。

3.2 土地流转租金的区域差异

3.2.1 转入土地支付租金的区域差异表3呈现了农户转入土地支付租金的统计情况。整体上,转入土地支付租金约283.74元/亩;其中6169户农户转入土地未支付租金,占总转入农户的55.05%,即“零租金”转入率为55.05%。31.64%农户转入土地支付的租金介于0~500元/亩;仅有7.81%的农户转入土地支付租金超过1000元/亩。具体到各区域,平原地区转入土地的“零租金”比例最低,约50%;而丘陵和山区的“零租金”比例分别为51.68%和68.67%。农户转入土地过程中,存在大量的“零租金”转入现象,不同地形区域存在显著差异,海拔较高和地形复杂的丘陵山区比例较高。
Tab. 3
表3
表3转入土地支付租金的区域差异比较(按农户统计)
Tab. 3Regional differences in land rent paid by the tenants (by household)

区划	转入土地户数	零租金			租金介于0~500元/亩		租金介于500~1000元/亩			租金大于1000元/亩
区划	转入土地户数	农户数		占比(%)		农户数	占比(%)	农户数	占比(%)	农户数	占比(%)
全国	11207	6169	55.05		3546	31.64	590	5.26		875	7.81
平原	3137	1579	50.33		1157	36.89	133	18.81		268	8.54
丘陵	5056	2613	51.68		1851	36.61	304	6.01		288	4.51
山区	2879	1977	68.67		494	17.16	172	5.97		236	8.19

注：① 固定观察点村调查制度中包含了各村的地势,其中平原=1;丘陵=2;山区=3,然后把村问卷与农户问卷进行匹配,进而获得各住户的地势指标;② 11207户仅为从其他农户转入土地的家庭,而来自村集体或开荒地（约3923户）未统计。

新窗口打开
3.2.2 转出土地获得租金的区域差异表4呈现了农户转出土地获得租金的区域差异。整体上,转出土地获得租金为243.23元/亩;其中52.63%的户主转出土地并未获得租金,即“零租金”转出土地的比例为52.63%。33.2%的农户获得的租金介于0~500元/亩;仅4.78%的农户获得租金超过1000元/亩。具体到各区域,平原、丘陵和山区“零租金”转出土地的比例分别为40.87%、57.52%和56.96%;而租金大于1000元/亩的比例均小于10%。可见转出土地的“零租金”现象同样较普遍,平原地区最低约为40%,丘陵和山区均接近60%。
Tab. 4
表4
表4转出土地获得租金的区域差异比较(按农户统计)
Tab. 4Regional differences in land rent received by the leasers (by household)

区划	转出土地户数	零租金			租金介于0~500元/亩		租金介于500~1000元/亩			租金大于1000元/亩
区划	转出土地户数	农户数		占比(%)		农户数	占比(%)	农户数	占比(%)	农户数	占比(%)
全国	19397	10209	52.63		6440	33.20	1680	8.66		927	4.78
平原	5782	2363	40.87		2257	39.03	794	13.73		368	6.36
丘陵	7917	4554	57.52		2929	36.99	326	4.12		108	1.36
山区	5402	3077	56.96		1227	22.71	672	12.44		426	7.88

注：固定观察点中包含了各村的地势,其中平原=1;丘陵=2;山区=3。

新窗口打开
图4呈现了全国绝大多数省份的土地流转租金的差异比较,且租金已按式（5）折算到2013年。整体上,各地区转入土地支付租金和转出土地获得租金呈现较强的一致性,但转出土地获得租金低于转入土地支付租金。具体到各区域,江苏、广东、山东及浙江等省的土地租金较高,且转入和转出租金多数超过400元/亩,比全国平均水平约高出40%,比如山东寿光、青州等地因种植蔬菜而转入土地的租金多数在1000~1500元/亩;相反,安徽、湖南、甘肃及青海等省的土地租金较低,转入和转出租金均低于200元/亩,其中青海的转出租金仅为22元/亩。值得注意的是,浙江的转入租金和云南的转出租金要远高于全国平均水平,其中浙江的转入土地租金为763.82元/亩,而云南转出租金为875.73元/亩,可能是浙江以蔬菜和瓜果居多,转入土地多用来种植经济作物,地租较高;同时云南也以经济作物和特色农产品为主,转出土地被用来种植香蕉,地租为2200~2400元/亩;有的土地租给泥鳅养殖,地租高达8000元/亩。可见,各地区土地租金整体在200~400元/亩,区域间存在显著差异。
Tab. 5
表5
表5CHIP 2013数据集农户转出土地的租金情况(按面积统计)
Tab. 5Statistics of land rent received by the leasers from CHIP2013 (by area)

省/市	零租金(%)	有租金转给农户(%)	有租金转给大户(%)	有租金转给公司(%)
安徽省	18.39	40.23	33.11	8.25
北京市	10.05	38.43	0.00	51.51
甘肃省	23.06	67.48	5.22	4.24
广东省	40.41	46.53	10.99	2.06
河南省	8.67	42.85	41.37	7.09
湖北省	38.97	37.54	18.68	4.78
湖南省	52.34	33.71	12.61	1.33
江苏省	8.74	38.00	36.49	16.76
辽宁省	27.00	50.53	22.46	0.00
山东省	24.85	56.22	7.32	11.58
山西省	70.41	19.33	7.66	2.58
四川省	32.17	38.16	19.99	9.66
云南省	28.39	59.76	11.64	0.20
重庆市	71.67	17.25	8.55	2.49
全国整体	38.75	49.69	8.86	2.70

注：数据来自中国家庭收入调查项目第五轮全国范围调查（CHIP2013）,样本覆盖全国14个省126个城市234个县区抽选出18948个住户,包括7175户城镇住户、11013户农村住户和760户外来务工住户,并经作者整理所得。

新窗口打开
为了说明“零租金”土地流转率的准确性,本文分别借鉴2013年中国家庭收入调查数据（CHIP2013）（http://www.ciidbnu.org/chip/index.asp）和2014年中国科学院“城市化对山区土地利用及生态压力的影响”项目组重庆市的农户调研数据,来验证“零租金”流转土地的规模。表5呈现了CHIP2013数据库全国14个省份农户转出土地（按转出面积统计）获得租金的统计情况。结果显示,38.75%的转出土地未获得租金,其中部分省份的比例较高,比如山西省和重庆市“零租金”转出率分别为70.41%和71.67%。表6呈现了重庆市永川区、忠县和酉阳县的农户转出土地（按转出地块统计）的补偿情况。统计显示,78.62%的地块转出之后未获得租金,该比例与表5中重庆市71.67%的“零租金”转出土地十分相近;此外,具体到各县区,永川区、忠县和酉阳县的“零租金”转出地块比例分别为56.38%、93.59%和85.55%。实地调研发现,永川区经济发展水平较高,且以平坝为主;相反,忠县和酉阳县以山区为主,且地块细碎化严重,土地流转的交易费用偏高,零租金比例居高不下^[30]。通过农村固定观察点、中国家庭收入调查及中国科学院等单位实地调查,结果表明土地“零租金”流转的现象较为突出,50%的土地为“零租金”转出,同时区域间存在显著差异。
Tab. 6
表6
表6重庆市三县的转出地块获得租金情况(按地块统计)
Tab. 6Statistics of land rent received by the leasers from Chongqing (by plot)

分区	户数	转出地块数量	零租金			租金为0~500元/亩		租金为500~1000元/亩			租金大于1000元/亩
分区	户数	转出地块数量	地块数		占比(%)		地块数	比例(%)	地块数	比例(%)	地块数	比例(%)
总体	380	697	548	78.62		96	13.77	30	4.31		23	3.3
酉阳县	118	173	148	85.55		14	8.09	6	3.47		5	2.89
忠县	137	281	263	93.59		11	3.91	5	1.78		2	0.72
永川区	125	243	137	56.38		71	29.22	19	7.82		16	6.58

注：数据来自2014年中国科学院“城市化对山区土地利用及生态压力的影响”项目的调研数据,调研区域为3个典型山区县,共涉及697块转出地块,结果经作者整理所得。

新窗口打开

4 土地流转区域差异的影响因素

中国土地流转存在典型的区域异质性,省份间的差异较大,但不同地形区域的差异更明显,比如丘陵和山区“零租金”土地流转率比平原约高20%,要探讨土地流转区域差异的影响因素,有必要从全国层面和不同地形区域进行分析。在实证分析之前,需对变量的多重共线性和Heckman模型的适用性进行检验。首先,本文采用方差膨胀因子（VIF）检验变量间的共线性问题,结果显示单变量VIF的最大值为3.17,整体VIF值为2.16,远小于临界值10,变量间不存在严重共线性;其次,Probit模型估计是否转出土地的残差项符合正态分布,同时获得租金的逆米尔斯比率（λ）在10%水平下显著,说明农户转出土地存在“自选择”问题,故采用Heckman两阶段模型是合理的。全国层面和分区层面土地流转差异的实证结果如下：

4.1 全国层面

表7呈现了全国层面土地流转时空差异的Heckman两阶段估计结果。其中户主年龄和健康状况在第二阶段中对获得租金并无显著影响,剔除之后其他变量的系数和显著性未发生实质改变,故上述变量未纳入第二阶段模型。结果表明,家庭是否转出土地与转出土地获得租金大小均受多种因素影响。
Tab. 7
表7
表7全国土地流转区域差异的Heckman两阶段估计结果
Tab. 7Heckman two-stage estimation results for regional differences in land circulation

	变量	阶段1：是否转出		阶段2：获得租金
	变量	B	T值	B	T值
土地质量	土地质量等级	-0.093^***	-8.92	0.309^***	6.17
地理区位	是否城市郊区	-0.147^***	-10.23	0.392^***	4.24
地理区位	县经济发达水平	-0.012^*	-1.78	0.327^***	8.03
交易费用	家庭经营地块数量	-0.245^**	-2.18	-0.029^***	2.89
交易费用	是否有中介组织	0.039^***	8.11	0.064^***	7.82
	非农收入占比	0.179^***	13.31	0.363	1.08
家庭特征	户主年龄	0.139^***	4.29	—	—
	户主健康状况	-0.042^***	-7.13	—	—
	劳动力数量	-0.022^***	-4.01	0.073^**	2.47
	人均耕地面积	-0.015^***	-9.01	-0.032^***	-2.93
	家庭经营主业	-0.212^***	-13.31	0.344^***	3.02
	固定资产总额对数	-0.004^**	-2.13	-0.005^***	-3.73
村庄特征	村内人均纯收入	0.101^***	8.37	0.265^***	3.29
	村内企业数量	0.001^***	3.90	0.003	1.64
	外出人口比重	0.560^***	17.82	-0.167^***	-13.12
政策因素	金融约束	0.090^***	5.21	-0.060	-0.51
	年份哑变量	YES
	区域哑变量	YES
	lambda (λ)	-2.87^***
	Wald chi2(32)	1336.83
	Prob>chi2	0.0000
	样本量	130452

注：^***：p < 0.001;^**：p < 0.05;^*：p < 0.1;参照程令国等^[31]做法,被解释变量获得租金= Log（1+实际租金水平）。

新窗口打开
（1）土地质量和地理区位。在第一阶段,土地质量等级和地理区位对于是否转出土地均具有显著性影响。首先,质量等级越高的耕地越不容易被转出,因为优质耕地仍有利可图,农户一般不愿转出。城市郊区的农户同样不愿转出土地,因为这些耕地多种植蔬菜等都市农业,收益较为客观。实地调研数据也表明,北京、山东、浙江、重庆及贵州等城市郊区转出农地的家庭较少,这些农户倾向种植蔬菜、瓜果等特色经济作物,设施农业比较发达,农地的专用性较强,流转的交易费用较高,因而这些农户不愿转出农地。当然,部分****认为城郊的农户距离城市较近,非农就业更方便,土地流转率更高或土地撂荒较突出,但实地调研发现城郊土地流转率一般较低,即使种植树苗也不愿转出土地,主要是因为伴随着城市的扩张,城郊的农地获得的补偿较高;此外,城郊土地撂荒现象较少,相反农地撂荒多集中在西部山区,比如重庆、湖南及甘肃等。在第二阶段,土地质量等级和地理区位对转出土地获得租金存在显著影响,但回归系数的符号与第一阶段相反,即土地质量等级越高或土地位于城市郊区,转出土地获得的租金普遍较高。这些结论均符合地租理论和区位级差理论,优质土地和区位优越的土地在市场竞价中均能获得较高的地租。
经营地块数量可间接度量土地租赁市场中交易费用的高低,家庭地块数越多,土地流转中与潜在交易者的谈判、签约及纠纷就较多,交易费用就越高,即在第一阶段家庭地块数量越多,农户转出土地的概率降低;在第二阶段,转出土地获得的租金也越低。同样发现,存在流转中介可降低交易成本,促进土地顺畅流转。表7结果显示,存在流转中介使得土地转出概率和获得租金分别提高3.9%和6.4%。可见,交易费用的存在显著降低了农户间土地流转的积极性,使得农户倾向把土地转给亲戚或朋友看管,导致土地资源错配;同时致使大量土地“零租金”流转,降低土地资源潜在价值。
（3）家庭特征与村庄特征。在第一阶段,家庭特征和村庄特征对土地是否转出均存在显著影响。具体来看,户主年龄、健康状况、家庭劳动力数量及人均耕地面积等均在1%显著性水平下显著为负;其中户主年龄较高的家庭倾向转出土地;而以种植业为主且收入主要来自农业经营的家庭,倾向转入土地,以扩大农业经营规模提高收入水平。可见,在一定程度上,土地流转市场使得土地从低效经营的家庭转移到高效利用的家庭。在第二阶段,农户特征对转出土地获得的租金同样存在显著影响。比如从事种植业或收入以家庭经营为主的农户转出土地获得租金要明显偏高,约高34.4%,可能的解释是这些家庭收入有限,地租仍是其收入的重要部分,因而对租金的敏感性较高。此外,村内人均收入水平越高或外出人口比例越高,土地流转的比例相应提高,同时转出土地的租金也较高。

4.2 不同地形区域

在前文统计分析一致,本文分别对平原、丘陵和山区的土地流转差异进行实证分析。在Heckman两阶段估计之前,同样需对变量间多重共线性和模型适用性进行检验。结果显示,单变量和整体变量的VIF值均远小于10,不存在严重共线性问题;同时模型的逆米尔斯比率（λ）均至少在10%显著水平下显著,说明农户转出土地存在“自选择”问题,采用Heckman两阶段模型是合理的。表8呈现不同区域土地流转差异的影响因素估计结果。
Tab. 8
表8
表8平原、丘陵和山区土地流转的Heckman两阶段结果
Tab. 8Heckman two-stage estimation results for land circulation by different terrains

	变量	平原			丘陵			山区
	变量	是否转出		获得租金		是否转出	获得租金	是否转出	获得租金
土地质量	土地质量等级	-0.172^***	0.324^***		-0.133^***	0.662^***		-0.055^***	0.123
地理区位	是否城市郊区	-0.304^***	0.473		-0.053^**	0.510^***		-0.233^***	-0.177
地理区位	县经济发达水平	-0.060^***	-0.092		-0.004	0.418^***		0.021^*	0.331^***
交易费用	家庭经营地块数量	-0.138^***	-0.073^*		-0.232^***	-0.225^**		-0.246^***	-0.206^**
交易费用	是否有中介组织	0.042^***	0.051^**		0.027^***	0.213^***		0.009^**	0.343^***
	非农收入占比	0.233^***	0.074		0.155^***	0.019^***		0.173^***	-0.065
家庭特征	户主年龄	0.009	—		0.086	—		0.372^***	—
	户主健康状况	-0.073^***	—		-0.057^***	—		-0.004	—
	劳动力数量	0.003	0.142^***		-0.029^***	0.112		-0.047^***	-0.009
	人均耕地面积	-0.042^***	-0.091^***		-0.024^***	0.082^***		-0.011^***	-0.042^***
	家庭经营主业	-0.212^***	0.193		-0.241^***	0.911^***		-0.156^***	0.078
	固定资产总额对数	-0.002	0.015		0.008^**	-0.092^***		-0.019^***	-0.033^*
村庄特征	村内人均纯收入	0.093^***	0.294^***		0.086^***	-0.352^*		0.102^***	0.493^***
	村内企业数量	0.004^***	-0.006		-0.004^***	0.017^***		0.004^***	0.001
	外出人口比重	0.331^***	-0.073		0.321^***	-5.664^***		0.058	-2.171^***
政策因素	金融约束	0.013	0.183		0.183^***	-0.901		0.013	0.212
	年份哑变量	YES			YES			YES
	区域哑变量	YES			YES			YES
	lambda (λ)	-0.454^*			-6.155^***			-1.221^*
	Wald chi2(32)	525.75			553.65			618.01
	Prob>chi2	0.0000			0.0000			0.0000
	样本量	37338			41322			51792

注：^***：p < 0.001;^**：p < 0.05;^*：p < 0.1;被解释变量获得租金= Log（1+实际租金水平）。

新窗口打开
（1）土地质量和地理区位。在第一阶段,土地质量在平原、丘陵和山区均在1%显著水平显著为负,说明农户不愿转出自家优质土地;在第二阶段,土地质量等级的在不同区域的回归系数存在显著差异,比如在平原和丘陵其系数均在1%显著水平为正,在山区则不显著,说明优质土地在平原和丘陵的租金较高,而在山区并未得到较高的回报。对于地理区位,是否为城市郊区在3个区域均在5%显著水平下为负,说明城郊农民转出耕地的意愿较弱;在第二阶段,是否城市郊区的系数仅在丘陵地区显著为正,而在平原和山区均不显著,说明优越的地理区位在平原和山区并未显著提高地租水平。
（2）交易费用。家庭地块数量和是否有中介组织对不同区域的土地是否转出和获得租金大小均有显著影响。具体来看,在平原、丘陵和山区,家庭地块数量每增加一个标准差,农户转出土地的概率分别降低13.8%、23.2%和24.6%,同时土地租金分别降低7.3%、22.5%和20.6%,说明在不同区域降低交易费用对土地流转的改善作用不同。在平原地区,降低交易费用对土地转出和租金的提升作用十分有限,而在丘陵和山区这种提升幅度较大。同时,村内有中介组织同样较大幅度提高了丘陵和山区的土地转出概率和租金水平,比如在山区,村内有中介组织使得土地租金提高约34.3%,远高于在平原的5.1%。可见,降低丘陵和山区土地流转中的交易费用,能够较大幅度提高土地转出率,同时提升土地资源的内在价值。
（3）家庭特征与村庄特征。在第一阶段,户主年龄、家庭劳动力数量、人均耕地面积、家庭经营主业及收入来源等均显著影响土地转出概率,且在不同区域存在显著差异,比如在平原和丘陵,户主年龄对是否转出土地未产生显著作用,但在山区随着户主年龄增大,农户倾向转出土地,可能是因为山区的复杂地形使得年龄较高的农户无法有效耕作。在第二阶段,家庭经营主业、收入来源及村内人均纯收入等是影响转出土地获得租金的重要因素,当然这些因素和全国层面的结果相似,在此并不逐一赘述。
此外,农业地租理论和区位级差地租理论均认为,质量等级较高或与市场较近的土地地租较高。本文中,地租理论在平原和丘陵得以验证,但山区的区位优越性并未显著提高土地租金水平。同时,降低土地流转中的交易费用对平原的土地流转促进作用十分有限,而对丘陵山区的作用较强。当然,这也符合近十年来丘陵和山区的发展状况。随着城市化的推进和务农机会成本的持续上涨,偏远地区的农村劳动力大量外流,原有的村集体和组织结构等逐渐瘫痪,搜寻土地流转潜在交易对象和信息的成本较高;加之丘陵和山区的地形复杂和地块破碎严重,农户间的谈判和签约成本居高不下,这也是丘陵和山区存在大量土地零租金流转的重要原因。然而,农业服务化和机械化已在平原地区得到大规模普及,虽有“空心村”等衰落迹象,但在短期内仍有较多的农业劳动力,村集体等组织结构仍然存在,因而交易费用对平原地区土地流转的作用有限,同时平原地区土地流转的零租金比例也较低。

5 结论与讨论

5.1 结论

基于2003-2013年农村固定观察点数据库中的169511份住户样本,本文采用Heckman两阶段模型等,分析了中国土地流转的区域差异及其影响因素,主要结论为：
（1）2003-2013年中国土地总流转率呈现上升趋势,总体提高7.01%;土地转出率从初期9.68%上升到2013年的16%,上升近7个百分点,而土地转入率仅从初期的7.41%上升到2013年的8.1%。具体到各省份,南方地区的土地流转率一直较高,其中福建等东南沿海地区均超过30%;相反北方土地流转率一直较低,其中河南和甘肃等明显偏低。
（2）整体上,转入土地支付租金平均为283.74元/亩,55.05%的转入户并未支付租金;而转出土地获得租金平均为243.23元/亩,52.63%的农户转出土地未获得租金。总体上超过50%的土地为“零租金”流转。具体到各省份,江苏、广东、山东及浙江等地区的土地租金较高,高出全国平均水平约40%,而安徽、湖南、湖北及甘肃等地的土地租金较低,平均租金低于200元/亩。
（3）土地质量、地理区位、交易费用、家庭及村庄特征等均对土地转出存在显著影响。具体到不同区域,土地质量、地理区位及交易费用等的作用方向和强度存在显著差异。比如在平原地区,土地质量和地理区位的边际效应较大,交易费用的边际效应较小;但在丘陵和山区,土地质量和地理区位对地租的影响十分微弱,相反交易费用的边际效应大幅提升,并且交易费用逐渐成为丘陵和山区土地租金高低的关键因素。
（4）丘陵和山区边际化导致的土地收益下降是地租偏低的根源,而交易费用偏高是零租金现象的重要冲击力。政策启示是,政府应努力降低土地流转中面临的各类交易成本,比如建立以乡镇或县为节点的低成本流转网络,定期发布土地流转信息等;建立健全土地流转的补偿制度,降低资源价值的扭曲,提高土地资源的配置效率。

5.2 讨论

一方面,随着城市化的快速推进和务农机会成本的持续上涨,丘陵和山区的复杂地形和土地破碎化使得农业生产成本逐年上升,其中劳动力成本上涨最快,种地收益偏低甚至出现亏本。在这种背景下,丘陵和山区的农地撂荒现象开始显现,有研究发现重庆市部分山区的农地撂荒率已达到21%^[23]。当然,在这个过程中,土地租金必然下降。另一方面,随着丘陵和山区的农村劳动力大量外流,村集体和村委会等机构也逐渐瘫痪和解体,加之山区农户间呈“原子形”分散格局,土地流转间的交易费用居高不下,从而导致土地租金的进一步下降,甚至出现大量的“零租金”流转。可以说,土地零租金流转是丘陵和山区农户土地资产贬值的一种体现。随着城市化的推进,农户拥有的土地资产愈发无法支撑家庭的基本生活消费。在这种趋势下,山区的农民增收、农业发展甚至减贫等工作的开展均应是当下各界关注的焦点。此外,虽然本文发现全国零租金土地流转的比重,但仍无法揭示各省/市的零租金流转率,这对预测各地区土地资产贬值的程度大打折扣,当然这也是今后关注的方向。
The authors have declared that no competing interests exist.

中国土地流转的区域差异及其影响因素——基于2003-2013年农村固定观察点数据

本站小编 Free考研考试/2021-12-29

Regional differences of land circulation in China and its drivers:Based on 2003-2013 rural fixed observation points data

1 引言