基于省级和市级层次的违法占用耕地与经济发展的空间计量分析

陆汝成，黄贤金

（1.广西师范学院资源与环境科学学院，广西南宁530001；2.南京大学地理与海洋科学学院，江苏南京210093）

近年来，随着中国工业化、城市化和农业产业化进程的加速推进，城乡建设对土地需求急剧增加，土地资产价值日益凸显，各地受晋升锦标赛的驱动和对土地财政的过度依赖，土地违法现象层出不穷，违法占用耕地面积呈快速增加态势。土地违法行为危害了耕地保护目标和粮食安全，危及了社会经济的可持续发展。经济发展是否必然导致违法用地？经济发展中的什么因素显著影响违法占用耕地呢？已有的研究中，有学者探讨了经济增长与违法用地的关系[1]和土地违法对经济增长的影响[2]，也有学者探讨了晋升激励、部门利益与土地违法的关系[3]以及土地违法结构与经济结构变化关系[4]。但是，违法占用耕地与经济发展在空间上具有一定的相关性，而已有的研究主要基于单一层次的平面二维分析，很少考虑空间因素。国外学者将空间计量经济学应用于建设用地价格区域差异[5]、经济增长[6]、项目效益评价[7]、犯罪地理空间分布[8]、制造业生产率区域增长[9]等研究，国内学者则主要将空间计量经济学运用于耕地资源变化[10]、区域经济增长[11]、环境污染[12]、能源压力[13]等研究，很少将空间计量经济学运用到违法用地的研究中。本文主要应用空间计量经济学中的空间误差模型和空间滞后模型，分别从省级和市级层次对违法占用耕地与经济发展进行空间计量分析，试图了解不同层次经济发展在空间中显著影响违法占用耕地的具体因素，为加强土地调控和土地督察提供决策依据。

1 研究方法

1.1 空间误差模型

当地区间的相互作用因所处的相对位置不同而存在差异时，需要采用空间误差模型。空间误差模型重点考虑忽略了的、未能观测到的变量之间的空间相互依赖性。空间误差模型（SEM）的数学表达式为：

式1中，ε为随机误差项向量，λ为n×1阶的截面因变量向量的空间误差系数，μ为正态分布的随机误差向量。SEM中参数β反映了自变量X对因变量y的影响。参数λ衡量了样本观察值中的空间依赖作用，即相邻地区的观察值y对本地区观察值y的影响方向和程度。存在于扰动误差项之中的空间依赖作用，度量了邻近地区关于因变量的误差冲击对本地区观察值的影响程度[14]。

1.2 空间滞后模型

空间滞后模型（SLM）主要用于研究相邻机构或地区的行为，对整个系统内其他机构或地区的行为存在影响的情况即研究“溢出效应”或“邻居效应”。空间滞后模型主要强调因变量的空间自相关性[15]，其表达式为：

式2中，y为因变量；X为n×k的外生解释变量矩阵；ρ为空间回归系数，反映了样本观测值中的空间依赖作用，即相邻区域的观测值Wy对本地区观测值y的影响方向和程度；W为n×n阶的空间加权矩阵，本文用基于邻近概念的空间加权矩阵；Wy为空间滞后因变量；ε为随机误差项向量；参数β反映了自变量X对因变量y的影响，空间滞后因变量Wy是一内生变量，反映了空间距离对区域行为（如违法占用耕地）的作用，而区域行为受到经济社会环境与空间距离的影响，具有很强的地域性。

2 基于省级层次违法占用耕地与经济发展的空间计量分析

2.1 双变量空间自相关检验分析

违法占用耕地与经济发展具有一定的相关性。在没有确定经济发展中的什么因素显著影响违法占用耕地的时候，首先根据空间过滤原理对数据进行空间不相关去除处理，以便满足进行下一步估计的空间计量分析。通过这种数据处理以后，将产生显著相关的因素作为下一步空间效应模型所必需的参数估计结果，而且在将区域之间不相关性因素消除之后，减少变量冗余程度，可以用于空间计量模型的估计和检验。采用空间过滤技术的目的是消除违法占用耕地中影响因素由于相互依赖产生的空间效应，以便运用经典空间回归模型、空间滞后模型和空间误差模型对空间上无相关误差的假定模型进行下一步的估计。本文选定2010年中国各省域的GDP、人均GDP、地方财政收入、土地开发投资、土地出让纯收益、固定资产投资6个变量分别与2010年的违法占用耕地进行双变量的空间自相关检验，实行地理空间效应的预先过滤处理，得到结果如表1。

表1 2010年省级层次违法占用耕地与经济发展的双变量空间自相关检验Tab.1 The test of bivariate spatial autocorrelation between illegally occupying cultivated land and economic development in provincial level in 2010

从表1了解到，Moran’s I值均大于0，而且人均GDP通过5%水平下的显著性检验，地方财政收入和土地开发投资通过2%水平下的显著性检验，GDP和固定资产投资通过了1%水平下的显著性检验，土地出让纯收益没有通过5%水平下的显著性检验。从相关性分析可以认为GDP、人均GDP、地方财政收入、土地开发投资、固定资产投资5个变量与违法占用耕地存在空间正相关，而且固定资产投资的Moran’s I值达到0.4526，与违法占用耕地的空间正相关性最强；土地出让纯收益与违法占用耕地不存在空间相关性，进行空间过滤处理，不进行下一步的空间计量估计分析。

2.2 空间计量估计和结果分析

空间相关分析定量证明了违法占用耕地分别与GDP、人均GDP、地方财政收入、土地开发投资、固定资产投资5个变量具有空间相关性，需要采用空间计量经济模型进行估计。为此，本文以中国大陆31个省域为空间单元，进行违法占用耕地的空间计量经济检验和估计。

首先以违法占用耕地为因变量，分别以GDP、人均GDP、地方财政收入、土地开发投资、固定资产投资5个变量为自变量，采用经典空间回归模型进行违法占用耕地与各自变量的空间计量检验估计，估计结果如表2。

从表2可知，违法占用耕地与人均GDP空间计量估计的p值为0.3967，R2仅为0.0348，人均GDP没有通过5%水平下的显著性检验，可以认为违法占用耕地与人均GDP的空间相关不显著，其他变量均通过了1%水平下的显著性检验，最高值为固定资产投资，达到了0.7215。因此，通过违法占用耕地与各自变量的空间计量估计结果得知，违法占用耕地分别与GDP、地方财政收入、土地开发投资、固定资产投资4个变量存在空间相关性。

以上是违法占用耕地与各自变量的空间计量估计，通过地理空间效应的预先过滤处理，并得到违法占用耕地与人均GDP的空间相关不显著的结果，但没有同时进行空间计量估计，无法掌握在全局中哪个变量呈显著性相关。通过表2中拉格朗日乘数的空间滞后和空间误差检验概率p值比较得知，除了人均GDP外，其他4个变量的拉格朗日乘数空间误差比空间滞后检验概率p值小，说明空间误差比空间滞后显著。因此可以在剔除不显著相关的人均GDP变量后，优选空间误差模型对省级层次的违法占用耕地与GDP、地方财政收入、土地开发投资、固定资产投资4个变量同时进行空间计量估计。2010年省级层次的违法占用耕地与经济发展4个自变量同时进行空间计量估计结果如表3。

表2 2010年中国违法占用耕地与各变量的空间计量估计结果Tab.2 The results of spatial econometric estimation between illegally occupying cultivated land and individual variables in China in 2010

表3 2010年中国违法占用耕地与经济发展的空间计量估计结果Tab.3 The results of spatial econometric estimation between illegally occupying cultivated land and economic development in China in 2010

从表3可知，相关系数R2为0.7758，只有固定资产投资的p值通过了1%水平下的显著性检验，回归系数为0.5421，表明了固定资产投资贡献率1%将引起违法占用耕地0.54%的变化；其他变量均没有通过5%水平下的显著性检验，与违法占用耕地的空间相关不显著。因此可以得出结论，省级层次的违法占用耕地主要与固定资产投资在空间上呈显著相关，与其他变量不太相关，与土地出让纯收益和人均GDP更不相关。因此加大对固定资产投资的管控力度，可以约束省级层次地方政府的违法占用耕地行为。

3 基于市级层次违法占用耕地与经济发展的空间计量分析

3.1 基于双变量空间自相关检验的空间过滤

前面进行了基于省级层次违法占用耕地与经济发展的空间计量分析，得出省级层次的违法占用耕地主要与固定资产投资在空间上呈显著相关的结论，那么基于市级层次违法占用耕地在空间上是否也是主要与固定资产投资呈显著相关呢？如果不是，具体与什么因素在空间上呈显著相关呢？

从数据的可得性出发，本文以江西省为例，分析江西省南昌市、景德镇市、萍乡市、九江市、新余市、鹰潭市、赣州市、吉安市、宜春市、抚州市、上饶市11个地级市2010年违法占用耕地与经济发展的空间效应。首先选定2010年江西省各地级市的GDP、人均GDP、地方财政收入、土地开发投资、土地出让纯收益、固定资产投资6个变量分别与2010年的违法占用耕地进行双变量的空间自相关检验，实行地理空间效应的预先过滤处理，得到结果如表4。

从表4了解到，除了人均GDP和土地开发投资外，其他变量通过了5%水平下的显著性检验。Moran’s I值除人均GDP外均大于0，从相关性分析可以认为2010年江西省的GDP、地方财政收入、土地出让纯收益、固定资产投资4个变量与违法占用耕地存在空间正自相关，而且GDP的Moran’s I值达到0.2674，与违法占用耕地的空间相关性最强；人均GDP和土地开发投资与违法占用耕地不存在空间相关性，进行空间过滤处理，不进行下一步的空间计量估计分析。

3.2 空间计量估计和结果分析

以江西省11个地级市为空间单元，剔除人均GDP和土地开发投资两个与违法占用耕地不存在空间相关性的变量后，首先采用经典空间回归模型分别对违法占用耕地与GDP、地方财政收入、土地出让纯收益、固定资产投资4个变量进行空间计量检验和估计，估计结果如表5。

从表5可知，违法占用耕地与土地出让纯收益空间计量估计的p值为0.0445，通过5%水平下的显著性检验；其他变量均通过了1%水平下的显著性检验，R2均为正，最高值为地方财政收入，达到了0.7356，相关性高。因此，违法占用耕地分别与GDP、地方财政收入、土地出让纯收益、固定资产投资4个变量存在空间相关性。通过表5中拉格朗日乘数的空间滞后和空间误差检验概率p值比较得知，除了GDP外，其他3个变量的拉格朗日乘数空间滞后比空间误差检验概率p值小，说明空间滞后比空间误差显著。因此可以优选空间滞后模型对江西省市级层次的违法占用耕地与GDP、地方财政收入、土地出让纯收益、固定资产投资4个变量同时进行空间计量估计，结果如表6。

从表6可知，相关系数R2为0.8747，GDP和地方财政收入的p值均通过了1%水平下的显著性检验，回归系数分别为0.4281和4.1586，表明GDP和地方财政收入贡献率1%将引起违法占用耕地0.43%和4.16%的变化；土地出让纯收益、固定资产投资均没有通过5%水平下的显著性检验，与违法占用耕地的空间相关不显著。可以得出结论，江西省市级层次的违法占用耕地主要与地方财政收入和GDP在空间上呈显著相关。

表4 2010年江西省市级层次违法占用耕地与经济发展的双变量空间自相关检验Tab.4 The test of bivariate spatial autocorrelation between illegally occupying cultivated land and economic development in municipal level of Jiangxi province in 2010

表5 2010年江西省市级层次违法占用耕地分别与各变量的空间计量估计结果Tab.5 The results of spatial econometric estimation between illegally occupying cultivated land and individual variables in municipal level of Jiangxi province in 2010

表6 2010年江西省各市违法占用耕地与经济发展的空间计量估计结果Tab.6 The results of spatial econometric estimation between illegally occupying cultivated land and economic development in municipal level of Jiangxi province in 2010

4 省级和市级层次违法占用耕地影响因素的特征差异分析

本文通过空间计量分析得知，不同层次经济发展在空间中显著影响违法占用耕地的具体因素是不同的。中国省级层次的违法占用耕地主要与固定资产投资在空间上呈显著相关，江西省市级层次的违法占用耕地主要与地方财政收入和GDP在空间上呈显著相关。这个结论比较符合实际情况，近年来在东部地区率先发展的区域发展战略下，东部地区基础设施投资过热，各地发生大量的违法占用耕地现象；随着西部大开发的继续推进以及促进中部崛起和振兴东北老工业基地的开展，中西部和东北省域都实施很多重点工程项目，投资增加，违法占用耕地增多。各省（市、区）为了完成中央下达的任务，积极落实中央的固定资产投资和省域扩大内需项目，有些在没有办理任何用地手续时，为了尽快将项目落实到用地上急于占地建设，而有些项目建设将用地预审意见等同于用地的批复文件，没有履行必要的用地手续就开工建设，由此产生违法占用耕地行为。在市级层次上，当前GDP增长和地方财政收入成为衡量市级党政领导政绩的核心指标，市级政府主要为了地方财政收入的大幅增加、GDP指标的快速提高，过分依赖土地财政，刺激地方政府进行城市扩张和违法占用耕地的冲动；市级地方政府积极参与晋升锦标赛，驱动地方官员主要关注可测度的经济绩效，而忽略了基本农田保护、耕地保护等一些事关经济社会可持续发展的问题。囿于现行的政绩考核机制，市级地方政府在任期内总有发展经济、获得好的政绩评价的利益导向动机，市级地方政府决策主要是想方设法通过各种“招商引资”渠道和方式为所在区域引入各类项目，以增加财政收入和快速提高GDP，有足够的内生激励为这些项目“落地生根”提供尽可能多的优惠和便利，于是通过非法圈占耕地提供项目所需土地便成为必然的选择，会产生违法占用耕地行为。

5 结语

本文通过地理空间过滤处理，应用空间误差模型和空间滞后模型，对违法占用耕地与经济发展的空间计量分析得知，省级层次的违法占用耕地主要与固定资产投资在空间上呈显著相关，与其他变量不太相关，固定资产投资贡献率1%将引起违法占用耕地0.54%的变化。因此加大对固定资产投资的管控力度，可以约束省级层次地方政府的违法占用耕地行为。在2010年江西省各地市违法占用耕地同时与经济发展各变量的空间计量估计结果中，GDP和地方财政收入贡献率1%将引起违法占用耕地0.43%和4.16%的变化。江西省市级层次的违法占用耕地主要与地方财政收入和GDP在空间上呈显著相关。由此可见，要高度重视经济发展中固定资产投资、GDP增长和地方财政收入等因素对违法占用耕地的影响，提高各级政府耕地保护的认知，完善政绩考核体系，减少土地财政依赖，建立健全利益约束机制，完善土地违法责任追究制度，加强固定资产投资项目监管，提高对土地违法行为的监管效率，减少违法占用耕地，引导土地合法合理持续利用。

（References）：

［1］ 刘法威.经济增长与违法用地的关系分析［J］.资源科学，2010，32（8）：1558-1562.

［2］ 王伟林.土地违法对经济增长的影响研究分析［J］.中国农学通报，2010，26（18）：438-442.

［3］ 梁若冰.财政分权下的晋升激励、部门利益与土地违法［J］.经济学（季刊），2009，9（1）：283-306.

［4］ 李全庆，龙开胜，孙雪峰.基于相关性分析的土地违法结构与经济结构变化关系探讨［J］.资源科学，2009，31（4）：629-633.

［5］ Joachim Moller.Regional variations in the price of building land:a spatial econometrics approach for West Germany［J］.The Annals of Regional Science,2009,43（1）:113-132.

［6］ Martin Falk,Franz Sinabell.A spatial econometric analysis of the regional growth and volatility in Europe［J］.Empirica,2009,36（2）:193-207.

［7］ Morito Tsutsumi,Hajime Seya.Hedonic approaches based on spatial econometrics and spatial statistics:application to evaluation of project benefits［J］.Geographical Systems,2009,11（4）:357-380.

［8］ Maria Francesca Cracolici,Teodora Erika Uberti.Geographical distribution of crime in Italian provinces:a spatial econometric analysis［J］.Jahrbuch Für Regional Wissenschaft,2009,29（1）:1-28.

［9］ Bernard Fingleton.A multi-equation spatial econometric model,with application to EU manufacturing productivity growth［J］.Geographical Systems,2007,9（2）:119-144.

［10］文继群，濮励杰，张润森.耕地资源变化的空间计量及其驱动力分析——以江苏省为例［J］.长江流域资源与环境，2011，20（5）：628-634.

［11］陈德文，陶良虎.中国区域经济增长趋同及其空间效应分解——基于SUR——空间计量经济学分析［J］.经济评论，2012，（3）：49-56.

［12］吴玉鸣，田斌.省域环境库兹涅茨曲线的扩展及其决定因素——空间计量经济学模型实证［J］.地理研究，2012，31（4）：627-640.

［13］姜磊，季民河.基于STIRPAT模型的中国能源压力分析——基于空间计量经济学模型的视角［J］.地理科学，2011，31（9）：1072-1077.

［14］吴玉鸣，何建冲.研发溢出、区域创新集群的空间计量经济分析［J］.管理科学学报，2008，11（4）：59-66.

［15］踪家峰，李蕾，郑敏闽.中国地方政府间标尺竞争——基于空间计量经济学的分析［J］.经济评论，2009，（4）：5-12.