土地流轉視角下耕地“非糧化”時空格局演變及驅動因素

楊慧琳 馮淑怡 袁凱華 張蘭 陳堯

關鍵詞：流轉耕地；“非糧化”；時空格局演變；驅動因素

糧食安全關乎國計民生，是經濟發展和社會穩定的基本前提。中國糧食總量供給凸顯不足。根據《中國統計年鑒2022》，中國糧食產量逐年上升，2021年糧食產量達68000萬t，再創新高。但是，糧食需求量也在不斷提升。2021年，中國糧食進口總量突破16000萬t，其中玉米進口約2800萬t，大麥進口超過1200萬t，小麥進口逼近1000萬t，稻谷及大米進口約500萬t，尤其是大豆進口逼近10000萬t，占進口總量的58.6%（大豆進口總量9647萬t÷糧食進口總量16449萬t×100%=58.6%）。與之形成鮮明對比的是稻谷和大豆播種面積不斷下滑。2021年，稻谷播種面積2992萬hm2，較上年減少16萬hm2，下降0.5%；大豆播種面積841.5萬hm2，較上年減少147萬hm2，下降14.8%。伴隨城鎮化深入推進，膳食結構升級，民眾對大豆等農產品需求持續上升，將增加糧食供給結構性壓力［1］。與此同時，在國際貿易市場不穩定的背景下，高度依賴進口給中國糧食安全埋下了隱患。

黨中央始終高度關注糧食安全問題，多次指出“中國人要把飯碗端在自己手里”。國務院辦公廳于2020年印發《關于防止耕地“非糧化”穩定糧食生產的意見》指出，應當充分認識防止耕地“非糧化”穩定糧食生產的重要性緊迫性，堅決防止耕地“非糧化”傾向，并強調了三類耕地“非糧化”的突出表現，即“把農業結構調整簡單理解為壓減糧食生產”“經營主體違規在永久基本農田上種樹挖塘”及“工商資本大規模流轉耕地改種非糧作物”。2021年，多部委聯合下發《關于嚴格耕地用途管制有關問題的通知》，首次提出了耕地轉為其他農用地的“進出平衡”，并規定可跨行政區域統籌落實耕地“進出平衡”。2023年中央一號文件再次強調：“抓緊抓好糧食和重要農產品穩產保供”。因此，對耕地“非糧化”問題展開深入研究，對于保障糧食安全具有重要現實意義。

1文獻綜述

學術界對耕地“非糧化”測度及空間特征的考察可分為三個層次：①全國和糧食生產功能區等宏觀尺度。針對全國層面的耕地“非糧化”研究發現，耕地“非糧化”水平為32.3%，高“非糧化”地區主要集中于新疆、貴州和東南沿海［2］，在空間上表現出由東北向西南逐步加劇的態勢［3］。針對糧食生產功能區的研究發現，糧食主產區的糧食總產量、單產和播種面積增長均顯著高于非糧食主產區［4］。②地級市的中觀尺度。針對產糧大省中傳統農業城市，例如山東省16個地級市，其耕地“非糧化”水平為24.0%，西部及魯北濱海平原地區的“非糧化”水平較低，中東部山地丘陵地區的“非糧化”水平較高［5］。針對快速城鎮化地區中農業轉型城市，例如江蘇省溧陽市，其耕地“非糧化”水平高達48.1%，水田資源比例高、地勢平坦和基礎設施完善地區的“非糧化”水平較低，經濟優勢區的“非糧化”水平較高［6］。③縣、鎮、村級的微觀尺度。微觀尺度的研究傾向于采用實地調研方法考察耕地“非糧化”水平［7-8］。部分學者指出縣級層面的耕地“非糧化”問題更為嚴重，例如河南省6個產糧大縣的耕地“非糧化”率高達54.8%［9］。

學術界對耕地“非糧化”驅動機制的考察主要遵從土地經濟理論邏輯，即耕地“非糧化”現象本質上是“人-地”和“人-人”之間相互作用的結果［10］，受到自然［11-12］、經濟［13-14］、政策［15-17］、法律［18］等多重因素的綜合影響。其中，土地流轉是研究耕地“非糧化”驅動機制的重要切入點［19-20］，其代表性觀點有：①土地流轉促進了耕地“非糧化”。有學者基于2015年中國家庭金融調查數據的實證分析發現，土地轉入顯著促進了經營者選擇非糧食生產項目［21］。②土地流轉促進了耕地“趨糧化”。有學者基于2003—2012年原農業部農村固定觀察點微觀調查數據的實證分析發現，土地轉入有助于提升糧食種植比例［22］。③土地流轉對耕地“非糧化”沒有影響。有學者基于2016年全國28省地塊數據的實證分析發現，流轉地塊與未流轉地塊沒有顯現出種植結構上的差異［23］。

綜上所述，已有研究對典型地區的耕地“非糧化”測度、空間特征和驅動機制等內容進行了全面分析，這為進一步研究提供了重要參考。然而，現有關于耕地“非糧化”時空格局演變特征的研究以所有耕地為測度對象，而較少關注“非糧化”率高達41.9%的流轉耕地（數據源于《2021年中國農村政策與改革統計年報》）。同時，學術界關于土地流轉與耕地“非糧化”的關系并未形成一致性結論，分歧主要源于以下幾方面：①土地流轉中“人”的特征、“地”的特征及“錢”的特征可能會對耕地“非糧化”帶來差異化效應，僅從單一視角研究土地流轉對耕地“非糧化”的影響，導致研究結論爭議；②現有研究多基于截面數據，難以準確反映土地流轉對耕地“非糧化”的動態影響，導致研究結果的時序差異；③已有研究忽視了耕地“非糧化”可能存在的空間集聚和空間依賴關系，以及土地流轉與耕地“非糧化”的互為因果關系，導致研究結果的有偏估計。

鑒于此，本研究利用中國2009—2020年省級面板數據，對流轉耕地“非糧化”的時空格局演變進行量化測度，在此基礎上，從“人”“地”“錢”多視角探析流轉耕地“非糧化”的驅動因素及其區域異質性，以期為綜合治理土地流轉引致的耕地“非糧化”問題提供參考。

2理論分析與研究假設

2.1內涵界定

1 內涵界定學術界對于耕地“非糧化”測度并未形成一致方法，差異主要源于兩個方面。一是耕地“非糧化”行為理解差異。有學者認為耕地“非糧化”是指在耕地上種植蔬菜、水果、花卉等經濟作物的行為，即耕地“非糧化”狹義內涵［24］；而有學者認為耕地“非糧化”是指在耕地上從事一切“非糧”的行為，不僅包括種植蔬菜、水果、花卉等經濟作物行為，還包括在耕地上開挖魚（蝦）塘、利用耕地搭建養殖鴨棚以及開設農家樂等其他非農建設活動，即耕地“非糧化”廣義內涵［25-26］。二是對耕地“非糧化”狀態理解差異。有學者認為耕地“非糧化”是一種現期狀態，應采取現期糧食種植面積與農作物種植面積比值來測度“非糧化”水平［2］；有學者則認為“非糧化”是農作物種植的變化過程，應采取糧食種植面積與農作物種植面積比例的變化值來刻畫“非糧化”水平［3］。本研究對流轉耕地“非糧化”內涵界定基于兩個方面。一是耕作層作為耕地質量的重要指標，破壞了耕作層進而影響糧食生產的行為均應視為“非糧化”行為，因此，以廣義內涵為基礎界定耕地“非糧化”概念更佳。二是本研究對流轉耕地“非糧化”時空格局的測算不僅包含“非糧化”變化趨勢，也需對其本底水平開展分析，因此，從現期狀態測度“非糧化”更佳。綜上，本研究將流轉耕地“非糧化”定義為在流轉耕地上從事除糧食生產外的一切其他活動，具體計算公式如下：

考慮到不同糧食生產功能區在自然資源稟賦、經濟發展狀況及種糧政策環境等方面存在差異，本研究根據《國家糧食安全中長期規劃綱要（2008—2020年）》，將31個省份劃分為13個糧食主產區、7個主銷區和11個產銷平衡區。其中，糧食主產區包括黑龍江、吉林、遼寧、內蒙古、河北、河南、山東、江蘇、安徽、江西、湖北、湖南和四川；糧食主銷區包括北京、天津、上海、浙江、福建、廣東和海南；產銷平衡區包括山西、寧夏、青海、甘肅、西藏、云南、貴州、重慶、廣西、陜西和新疆。

2.2分析框架

農村土地要素市場化必然引致包括農村資本市場和勞動力市場在內的其他要素市場發育，進而改變農地產出效率和農業經營狀態［27］。因此，土地流轉促進勞動力、土地、資金等要素重新優化組合［28］，包括土地流轉中農地經營主體即“人”的特征、農地耕作條件即“地”的特征、農地資本化水平即“錢”的特征等在內的要素特征發生改變，可能進一步對經營者“非糧化”經營行為產生影響。由此，本研究從“人”“地”“錢”3個維度建立流轉耕地“非糧化”驅動因素的理論分析框架。

2.2.1土地流轉中“人”的特征對流轉耕地“非糧化”的影響

因經營目標不同，出現了經營者類型的分化。具體表現為：一部分具有農業生產意愿和生產能力的農戶和外來經營者，將農業生產作為主要收入來源，通過農地轉入、整理，逐漸發展為追求利潤最大化的生產型農業經營者（如家庭農場、專業合作社、農業企業等）；而另一部分農戶通過家庭內部分工，以勞動力兼業、老齡成員或婦女留守務農等形式，通過支付較低租金或幫同村農戶耕作以免撂荒而轉入農地，成為維持日常生活運轉的生活型農業經營者［29］。對于生活型農業經營者而言，“非糧化”生產的可能性相對較低。原因在于：第一，糧食生產具有季節性，生活型農業經營者可在農閑時另謀生計以減少農業勞動力投入，增加非農收入［30］；第二，生活型農業經營者追求的是維持農業生活方式以滿足其日常生活所需，缺乏改變種植習慣和提高種植技術的內生動力，難以選擇市場風險大、技術門檻高的經濟作物［19］；第三，種植經濟作物前期投資高、資金回流周期長［21］，而生活型農業經營者轉入土地通常采用口頭或短期契約［19］，租約的不穩定性導致其傾向于選擇經營成本較低的糧食作物種植。對于生產型農業經營者而言，“非糧化”生產的可能性則相對較高。原因在于，生產型農業經營者的勞動力、資本、技術等均克服了生活型農業經營者的固有不足［31］，傾向選擇經營利潤最大化的經濟作物種植。此外，相較于非糧食主產區，糧食主產地區采取種糧行為的經營者更多，其種糧技術和行為通過經營者與家人、鄰居和親戚朋友的交流與互動不斷得到傳遞，即經營者行為具有同伴效應［32］，影響經營者耕地“非糧化”經營決策。由此，本研究提出以下研究假說。

假說1a：相較于生活型農業經營者，土地流轉給生產型農業經營者更容易導致“非糧化”；

假說1b：在糧食主產區，土地流轉給生產型農業經營者導致“非糧化”的可能性相對較低。

2.2.2土地流轉中“地”的特征對流轉耕地“非糧化”的影響

隨著農地流轉市場發育，土地流轉面積呈增加態勢，促進了農地規模經營發展。根據要素替代理論，農地經營規模擴大會促進機械替代勞動力要素投入［33］。因此，農地流轉面積增長帶來土地適度規模經營，可以進一步通過機械替代勞動力提高單位面積土地利用效率和單位勞動生產率，使種糧有利可圖，促進糧食生產［34-36］。農業生產性服務社會化程度提高為上述機制提供了外部保障條件，有利于強化農地流轉規模對糧食生產的促進作用。因為經濟作物生產中勞動力投入多且機械化難度高，生產性服務組織會力求生產作業機械化和連片化以獲取規模經濟并降低生產成本，在所服務的作物上會更傾向于糧食作物。但是上述要素投入結構的調整會受到耕地資源稟賦制約。相較于非糧食主產區，糧食主產地區主要是耕地坡度較低、土壤條件較好的地區［37］，土地流轉市場發育對糧食種植的正向促進作用更強；相反，這種促進作用在非糧食主產區較弱。由此，本研究提出以下研究假說。

假說2a：土地流轉面積提高能夠抑制流轉耕地“非糧化”利用；

假說2b：在糧食主產區，土地流轉面積提高對流轉耕地“非糧化”的抑制作用更強。

2.2.3土地流轉中“錢”的特征對流轉耕地“非糧化”的影響

土地租金上漲會提高農業經營成本，壓縮利潤空間，農業經營主體就越具有從事高附加值農業經營的動力，從而誘發耕地“非糧化”。一方面，當耕地價格處于較低水平時，流轉租金上漲，在糧食規模經營與耕地種糧專用屬性的共同激勵下，經營主體可能依然選擇糧食生產，也可能選擇種植非糧作物，但土地流轉租金上漲對糧食種植的影響總體上應是促進耕地“非糧化”利用；另一方面，當耕地價格處于較高水平時，糧食生產遠遠無法滿足經營主體的目標收益，在多數經濟作物生產收益高于糧食作物的情況下，經營主體主要受比較收益驅動，無論租金下調還是上漲，經營主體都會傾向于選擇種植非糧作物［38］。上述兩種情況可能會分別發生于糧食主產區和非糧食主產區。因為相較于非糧食主產區，糧食主產區的土地租金總體水平較低。由此，本研究提出以下研究假說。

假說3a：耕地流轉租金上漲會促進流轉耕地“非糧化”利用；

假說3b：在糧食主產區，租金上漲對流轉耕地“非糧化”的促進利用更強。

3研究方法與數據來源

3.1研究方法

3.1.1基準回歸模型

參考已有文獻［37，39］，本研究利用分省面板數據檢驗前文基于農戶模型提出的研究假說。因變量為流轉耕地“非糧化”水平，核心自變量為土地流轉中“人”“地”“錢”特征，從經濟效益、科技進步和稟賦特征層面選取控制變量。具體而言，經濟效益特征包括農業生產資料成本、人工成本、種糧比較收益，這些變量衡量了種糧的成本與收益。在成本上升而糧食收益較低的情況下，農業經營者為獲得更多利潤將更傾向于種植比較收益較高的作物［40］，從而可能引發耕地“非糧化”現象。衡量科技進步的變量為勞均農業機械總動力。不同農作物生產對技術的依賴性有所差異［41］，經濟作物生產中勞動和雇工投入多，且作業難以機械化，因此，機械化水平的提高能推動生產條件改善，有利于緩解耕地“非糧化”。稟賦特征為勞動力特征、作物受災率和勞均耕地面積。勞動力特征包括人口年齡結構、受教育程度，這些變量可以衡量農業勞動力的投入。年齡越小、受教育程度越高，農業勞動時間投入可能越少，農業勞動時間的減少可能會使農戶增加機械投入，傾向于勞動較不密集的糧食生產［42］，有利于緩解耕地“非糧化”；但從另外一個角度來看，年齡越小、受教育程度越高也可能有利于經營者跨過經濟作物種植技術門檻，從而促進耕地“非糧化”。不同作物對氣候條件和種植規模條件有所差異，相較于經濟作物種植而言，糧食作物對氣候穩定性的要求更高［43］，對土地規?；洜I要求也更高［8］，因此，自然災害發生頻率越高，勞均耕地面積越小，越傾向于耕地“非糧化”利用。變量測度方法見表1。根據理論分析，將模型設定如下：

其中：Nonit為省份i年份t的流轉耕地“非糧化”水平，Cirit為土地流轉變量，包含土地流轉中“人”“地”“錢”特征，Xit代表控制變量矩陣，α0為常數項，α1為土地流轉變量的系數，αn為控制變量的系數向量，εit為擾動項，μi和vt分別為個體效應和時間效應。

耕地“非糧化”面板模型在估計前需要特別注意三個問題：第一，模型的因變量取值受限，使用線性概率模型估計響應概率存在缺陷；第二，通過F檢驗，省份和年份與被解釋變量存在相關性；第三，通過Hausman檢驗，省份和年份與解釋變量存在相關性。最終確定雙因素固定效應Tobit模型為本研究基準回歸模型。

3.1.2空間自相關分析

在構建空間計量模型前需要對耕地“非糧化”的空間相關性進行檢驗。相關研究文獻中提出了一系列度量空間自相關的方法，其中運用最廣的是“莫蘭指數”（Moran'sI），考察的是整個空間序列{xi}ni=1的空間集聚情況。Moran'sI為正值表示正自相關，即高值與高值相鄰、低值與低值相鄰；負值表示負自相關，即高值與低值相鄰。具體公式如下：

3.1.3空間計量模型

本研究使用空間計量模型來克服因遺漏空間變量導致的內生性問題?？紤]流轉耕地“非糧化”和土地流轉的空間相關性，在模型中加入其各自的空間滯后項，構造如下空間杜賓模型（SDM）：

其中：W為空間權重矩陣；WNonit為因變量的空間滯后項，表示i省份鄰近省份的流轉耕地“非糧化”水平；ρ為因變量空間滯后項系數，用以衡量“非糧化”的空間依賴度；WCirit為解釋變量的空間滯后項；WXit為控制變量的空間滯后項；ζ和ξn分別是解釋變量空間滯后項的系數和控制變量空間滯后項的系數向量，β0為常數項，β1為土地流轉變量的系數，βn為控制變量的系數向量，τit為擾動項，σi和θt分別為個體效應和時間效應。

3.1.4工具變量法

本研究使用工具變量法來克服土地流轉與耕地“非糧化”互為因果導致的內生性問題。第一階段，將工具變量和控制變量對土地流轉回歸，見式（5），得到土地流轉的擬合值；第二階段，將土地流轉擬合值代入式（2），計算采用工具變量法后，土地流轉對耕地“非糧化”的影響。

其中：Zit表示工具變量，δ0為常數項，δ1為土地流轉變量的系數，δn為控制變量的系數向量，ωit為擾動項，φi和λt分別為個體效應和時間效應。本研究主要基于兩點選擇工具變量。第一，由于滯后1期土地流轉特征一般與當期土地流轉特征密切相關，滿足相關性規定，同時，由于滯后1期土地流轉特征與當期耕地“非糧化”利用決策無關，滿足與誤差項不相關的假定。參照已有文獻對工具變量的選?。?4-45］，采用土地流轉特征滯后1期變量作為對應的工具變量。第二，考慮到流轉合約可能會提前簽訂，滯后1期的土地流轉特征仍然會影響耕地“非糧化”決策，從而可能導致土地流轉特征滯后1期變量與耕地“非糧化”并非完全外生。參照已有文獻［46］，同時選擇土地流轉特征滯后1—3期變量作為工具變量來盡可能避免此類問題。

3.2數據來源

以中國30個省份（因數據可得性等原因，研究未涉及西藏及香港、澳門、臺灣）為研究區，時間覆蓋2009—2020年。農業生產資料綜合價格指數、糧食生產價格指數、農產品生產價格指數、農業機械總動力、農作物受災面積、播種面積數據來自《中國統計年鑒》，65歲以上農村人口數、農村總人口數、農村平均受教育年限數據來自《中國人口和就業統計年鑒》，流轉耕地用于種植糧食作物的面積、流轉入農戶的面積、家庭承包耕地流轉面積、家庭承包經營耕地面積數據來自《中國農村經營管理統計年報》《中國農村政策與改革統計年報》，第一產業從業人員數據來自各省統計年鑒，勞動日工價數據來自《全國農產品成本收益資料匯編》，土地流轉租金數據來自土流網；天津、重慶、上海、北京農業生產資料價格指數采用商品零售價格指數代替；個別年份缺失數據采取插值擬合進行處理。由表1相關變量的描述可知，2009—2020年，流轉耕地“非糧化”水平均值為0.546，說明平均每流轉1畝（1畝≈667m2，下同）耕地有0.546畝用于“非糧化”利用；土地流轉中“人”的特征均值為0.563，說明有56.3%的耕地流轉入農戶手中；土地流轉中“地”的特征均值為0.291，說明有29.1%的耕地發生流轉；土地流轉中“錢”的特征均值為6.607，通過換算表明流轉耕地的畝均年租金為833.7元。

4實證結果分析

4.1流轉耕地“非糧化”時空演化特征

圖1顯示了2009—2020年流轉耕地“非糧化”的時序演化特征。從全國視角看，流轉耕地“非糧化”水平常年維持在45%左右，雖然2019—2020年有所下降，但整體呈波動上升態勢。從糧食生產功能分區視角看，在糧食主產區，流轉耕地“非糧化”水平顯著低于全國平均水平（常年維持在40%以下），并呈現波動下降態勢。2009—2020年，該區域流轉耕地“非糧化”水平大約下降了4.5%。然而，在非糧食主產區，流轉耕地“非糧化”水平顯著高于全國平均水平（常年維持在60%以上，2019年突破了70%），并呈現波動上升態勢。2009—2020年，該區域流轉耕地“非糧化”水平大約提高了3.4%。無論是全國層面還是不同糧食生產功能區層面，流轉耕地“非糧化”水平在2019年均有明顯轉折。原因在于，在此之前，地方政府積極推動農業結構調整，鼓勵農業向多樣化和高效益方向發展，這種結構調整導致了流轉耕地“非糧化”趨勢上升；同時，隨著城市化推進和人民生活水平提高，對非糧食農產品需求逐漸增加，這種市場需求變化也促使了流轉耕地“非糧化”水平上升。2019年后，在全球糧食供應不確定性和食品安全風險增加背景下，政府和社會對糧食安全的關注度提高，政府采取了一系列措施來增加糧食產量和儲備，包括嚴格耕地用途管制和鼓勵農戶繼續從事糧食生產等，促使流轉耕地用于糧食種植面積增加，相應地降低了耕地“非糧化”水平；同時，2020年農民工人數出現了負增長，在家務農和種植糧食的人數增加，使得耕地“非糧化”水平下降。

如圖2所示，2009年，高“非糧化”水平區域集中分布于南部和京津冀等地區，低“非糧化”水平區域集中分布于東北部和長江中游等地區；2020年，高“非糧化”水平區域集中分布于南部和北京等地區，低“非糧化”水平區域集中分布于東北部和長江中下游等地區；2009—2020年，天津、遼寧、河北等省份流轉耕地“非糧化”現象明顯好轉，但甘肅、廣西、貴州等省份流轉耕地“非糧化”現象顯著惡化。高“非糧化”水平區域多位于非糧食主產區，這些區域一方面由于其自身耕地少且功能區位特殊，導致經濟作物或生態建設占用多；另一方面這些區域多位于丘陵山區，適宜發展特色農業或瓜果蔬菜等經濟作物。低“非糧化”水平區域多位于糧食主產區，這些區域地勢平坦、耕地多，有利于機械化種植，同時這些區域于2004年實施了糧食生產一攬子政策，如臨時收儲制度、生產者補貼以及優質糧食產業等政策，極大促進了糧食生產。結合全國層面的耕地“非糧化”時序演化特征發現，土地流轉誘發的“非糧化”具有階段性和區域性，同時也說明，非糧食主產區的流轉耕地“非糧化”成為全國層面流轉耕地“非糧化”加劇的主要原因。

4.2流轉耕地“非糧化”驅動因素

4.2.1基準回歸結果

對所有自變量進行多重共線性檢驗結果顯示，所有變量VIF值均小于5，變量間不存在嚴重的多重共線性問題。參考已有研究［47］，為了盡可能避免土地流轉特征之間的交互影響，本研究將土地流轉特征變量分別放入回歸模型。表2初步驗證了本研究提出的部分理論假說。其中模型1報告了土地流轉中“人”的特征對耕地“非糧化”的影響。在其他條件不變的情況下，流轉給生活型農業經營者面積比例每增加一個標準差，耕地“非糧化”水平相對于均值降低了2.4%（土地流轉對象的系數0.083×標準差0.158÷流轉耕地“非糧化”水平的均值0.546=0.024），但這一結果并不顯著。模型2報告了土地流轉中“地”的特征對耕地“非糧化”的影響。土地流轉面積比例提高顯著地抑制了耕地“非糧化”，在其他條件不變的情況下，土地流轉面積比例每增加一個標準差，耕地“非糧化”水平相對于均值減少8.5%（土地流轉面積的系數0.269×標準差0.173÷流轉耕地“非糧化”水平的均值0.546=0.085），驗證了本研究提出的理論假說2a。模型3報告了土地流轉中“錢”的特征對耕地“非糧化”的影響。土地流轉租金顯著地促進了耕地“非糧化”，在其他條件不變的情況下，土地流轉租金每增加1%標準差，耕地“非糧化”水平相對于均值增加4.1%（土地流轉租金的系數0.044×標準差0.504÷流轉耕地“非糧化”水平的均值0.546=0.041），與本研究提出的理論假說3a一致。

4.2.2穩健性檢驗

（1）穩健性檢驗一：遺漏變量內生性問題。耕地“非糧化”現象存在明顯的集聚分布特征和帶動效應［6，48-49］，如果忽視這一關系，會引發遺漏空間變量問題，從而導致有偏估計。表3匯報了各地區2009—2020年流轉耕地“非糧化”水平的空間相關性檢驗結果。結果顯示，Moran'sI指數大于0且整體呈增長趨勢，各年份均通過顯著性檢驗，初步判定中國各地區流轉耕地“非糧化”水平具有顯著空間正自相關性。其次，普通面板模型的Moran'sI（error）指數通過顯著性檢驗，說明普通面板模型的估計結果可能有偏或無效。因此，本研究在考慮空間溢出效應基礎上，基于面板數據構建空間計量模型研究土地流轉對耕地“非糧化”的影響。參考已有研究［50］，通過拉格朗日乘數（LM）檢驗、似然比（LR）檢驗、SDM模型固定效應和Hausman檢驗選擇空間計量模型的具體估計形式。其一，根據Anselin［51］的研究，通過考察LM及其穩健統計量（R?LM），在普通面板模型與SAR模型或SEM模型之間選擇。其二，如果LM檢驗顯示計量模型中包含空間效應，根據Elhorst［52］的研究，可以直接使用更具一般意義的SDM模型進行空間計量估計。其三，通過LR檢驗判斷SDM模型中是否包含空間固定效應或時間固定效應。其四，通過Hausman檢驗判斷SDM模型的固定效應和隨機效應。其五，通過LR檢驗判斷SDM模型是否會退化為SAR或SEM模型。表4報告了檢驗結果，最終確定時空雙重固定效應的SDM模型為本研究更優選擇。模型4—模型6報告了土地流轉“人”“地”“錢”的特征對耕地“非糧化”的直接效應和間接效應。土地流轉“人”的特征直接效應、間接效應和總效應系數分別為-0.085、-0.289、-0.374，均通過了顯著性檢驗；土地流轉“地”的特征直接效應、間接效應和總效應系數分別為-0.172、-0.713、-0.885，均通過了顯著性檢驗；土地流轉“錢”的特征直接效應、間接效應和總效應分別為0.022、0.128、0.150，間接效應和總效應系數通過了顯著性檢驗。上述結果表明：在考慮空間溢出的情況下，土地流轉對象為生活型經營者有利于抑制耕地“非糧化”，土地流轉面積比例提高顯著地抑制了耕地“非糧化”，土地流轉租金顯著地促進了耕地“非糧化”。驗證了本文提出的假說1a、假說2a和假說3a。

（2）穩健性檢驗二：互為因果內生性問題。由于土地流轉與耕地“非糧化”可能存在雙向反饋作用，即耕地“非糧化”程度較高地區的土地可能更傾向于流轉給生產型經營者，土地流轉面積更小，土地流轉租金更高。因此，上述模型可能存在關鍵變量與擾動項協方差不為零的情形，從而導致有偏估計。本研究運用杜賓-吳-豪斯曼檢驗（Dubin?Wu?Hausmantest）對核心變量的內生性進行檢驗。結果顯示，所有模型的DWH檢驗至少在10%的水平下拒絕土地流轉特征變量是外生變量的原假定，說明需要使用工具變量法估計土地流轉對耕地“非糧化”的影響效應。此外，運用識別不足檢驗考察工具變量與內生變量是否相關，結果顯示所有模型的LM統計量在1%的水平下拒絕工具變量與內生變量不相關的原假定，說明工具變量滿足相關性要求。本研究運用弱工具變量檢驗來考察工具變量與內生變量是否為弱相關問題，所有模型的Cragg?DonaldWaldF統計量遠大于10%偏誤下的臨界值，表明工具變量不存在弱工具變量問題。另外，所有模型Wald外生性檢驗的卡方值至少在10%的水平下顯著，說明工具變量滿足外生性要求。最后，還通過過度識別檢驗考察工具變量有效性，所有模型的Sargan（score）Chi2對應的P值均大于0.10，表明不能拒絕工具變量有效的原假定。表5報告了工具變量檢驗結果。模型7—模型9報告了同時選擇土地流轉特征滯后1—3期變量作為工具變量進行重新回歸的結果。土地流轉“人”的特征系數為-0.261，土地流轉“地”的特征系數為-0.583，土地流轉“錢”的特征系數為0.064，均通過了顯著性檢驗。上述結果表明：在考慮自變量與因變量互為因果情況下，土地流轉對象為生活型經營者有利于抑制耕地“非糧化”，土地流轉面積比例提高顯著地抑制了耕地“非糧化”，土地流轉租金顯著地促進了耕地“非糧化”。前文的實證結果是穩健的。

（3）穩健性檢驗三：2018年數據缺失問題。受限于數據可得性，本研究缺失了計算2018年流轉耕地“非糧化”水平所使用的“家庭承包經營的耕地面積”數據，而采用“歸村所有的耕地面積”與“歸組所有的耕地面積”的總和代替。為了增強研究結果的可靠性，參考已有研究［53］，剔除2018年數據對模型1—模型9進行重新估計。重新估計結果與基準模型及拓展模型結果（影響方向和顯著性）基本相近，表明本研究估計結果較為穩健。由于篇幅限制，詳細結果未能在文中列出，備索。

4.2.3異質性分析

為考察流轉耕地“非糧化”驅動因素的區域異質性，在前文基準回歸模型中，加入了土地流轉與糧食生產功能區（Are）的交叉項，結果見表6。其中，模型10—模型12中糧食生產功能區（Are）變量以非糧食主產區為基準組進行設計，即糧食主產區的Are變量為1，非糧食主產區為0。模型10報告了土地流轉中“人”的特征及其和糧食生產功能區交互項的影響。土地流轉“人”的特征與糧食生產功能區交互項系數顯著為正，說明在其他條件不變的情況下，相較于非糧食主產區，糧食主產區的生產型農業經營者采取“非糧化”種植行為的傾向相對較弱，驗證了本研究提出的理論假說1b。模型11報告了土地流轉中“地”的特征及其和糧食生產功能區交互項的影響。土地流轉“地”的特征與糧食生產功能區交互項系數顯著為負，說明在其他條件不變的情況下，在糧食主產區，土地流轉面積比例提高對耕地“非糧化”的抑制作用更強，與本研究提出的理論假說2b一致。模型12報告了土地流轉中“錢”的特征及其和糧食生產功能區交互項的影響，交互項對耕地“非糧化”水平的影響為正但不顯著，假說3b未得到驗證。

5結論與啟示

5.1結論

本研究利用中國2009—2020年省級面板數據，對流轉耕地“非糧化”的時空格局演變進行量化測度，在此基礎上，探析土地流轉中“人”“地”“錢”特征對耕地“非糧化”帶來的差異化效應，并分析流轉耕地“非糧化”驅動因素的區域異質性。主要結論可以歸納為：

（1）土地流轉誘發的“非糧化”具有階段性和區域性。非糧食主產區的流轉耕地“非糧化”是全國層面流轉耕地“非糧化”加劇的主要原因。

（2）土地流轉與耕地“非糧化”存在顯著相關關系。提高土地流轉面積和將土地流轉給生活型經營者有利于抑制耕地“非糧化”發展，土地流轉租金上漲會加劇耕地“非糧化”程度。

（3）土地流轉與耕地“非糧化”關系存在區域異質性。在糧食主產區，土地流轉面積提高對流轉耕地“非糧化”的抑制作用更強。在非糧食主產區，生產型農業經營者采取“非糧化”種植行為的傾向相對較強。

5.2啟示

針對上述結論，本研究認為，應從土地流轉“人”“地”“錢”特征著手，制定針對性的政策措施以防止流轉耕地“非糧化”。具體可從以下幾個方面展開。

（1）健全耕地保護補償制度，對防止流轉耕地“非糧化”目標完成好的地區給予獎補。根據非糧食主產區的流轉耕地“非糧化”加劇現狀，應健全糧食主產區和非糧食主產區間的橫向轉移支付制度，積極推進中央和地方各級涉農資金整合，鼓勵地方統籌安排財政資金，對防止流轉耕地“非糧化”目標完成好的農村集體經濟組織、新型經營主體和農戶給予獎補，平衡區域糧食供求和經濟發展。

（2）重點規范非糧食主產區的工商資本流轉土地行為，對農戶糧食種植行為給予獎勵。根據非糧食主產區的生產型農業經營者采取“非糧化”種植行為的傾向相對較強的特點，應強化非糧食主產區流轉土地監管，持續關注工商資本大規模流轉耕地改種非糧作物行為，依法明確非糧化的概念、類型、程度等“邊界條件”，防止“打擦邊球”現象，對在轉入農地上繼續種植糧食作物的農戶給予一定的政策優惠和扶持。

（3）進一步推進糧食主產區的土地流轉和整治工程，發展耕地適度規?；洜I。根據糧食主產區土地流轉面積提高對流轉耕地“非糧化”的抑制作用更強的特點，應在糧食主產區通過土地流轉和整治工程把碎片化耕地集中起來，建設高標準基本農田，提高土地利用率和農業生產效率。同時通過農民專業合作社、農業服務公司等農業生產社會化服務組織，提供機械施用作業的設施設備、服務場地及技術力量等服務，降低農業機械投入和勞動力投入成本，提高糧食種植整體收益。

（4）完善農地流轉交易平臺，繼續加強土地流轉價格監控。根據土地流轉租金上漲對耕地“非糧化”具有促進作用的特點，應盡快完善農地流轉交易平臺，實現閑置農地與經營主體生產需求的信息匹配，以促進資源有效配置；同時建立全國性農用地指導價格標準，根據地區特點和市場需求，合理確定農地流轉價格，防止農業以外尤其是糧食以外的市場擾亂耕地價格。