农地非农化配置效率及影响因素研究*——基于湖北省的调查分析

张 雄，赵梓羽

(中南民族大学 公共管理学院，湖北 武汉 430074)

农用地作为重要的农业资源，随着中国城镇化的快速发展，越来越凸显其稀缺性。《2017中国土地矿产海洋资源统计公报》显示：2017年末全国因建设占用、灾毁、生态退耕、农业结构调整等减少耕地面积32.04万公顷，年内净减少耕地面积6.09万公顷[1]。早在2014年原国土资源部就颁布实施了《节约集约利用土地规定》(国土资源部令第61号)，下发了《关于推进土地节约集约利用的指导意见》(国土资发[2014]119号)。由此可见，在土地资源的稀缺性“魔咒”未能有效破除条件下，提升土地资源利用效率势必成为我国当前社会经济发展过程中的重要一环。随着武汉城市圈“两型”社会建设，湖北省城镇化进程快速推进，湖北省各个城市的高速城镇化发展诱发农地非农化的快速增长。农地非农化过程为湖北省的城镇化建设提供了必要的土地资源要素投入支撑，但也造成农用地资源的大量流失与过度浪费，土地资源在农业和非农业部门之间的配置矛盾显得尤为突出。随着武汉城市圈“两型”社会建设的全面铺开，如何提高湖北省城镇化建设过程中农地非农化配置效率已迫在眉睫。目前国内有关农地非农化效率的研究文献还比较少[2-3]。陈江龙基于C-D生产函数理论测算了农地非农化对区域经济增长贡献的差异，进一步分析了土地资源空间配置效率及与区域土地资源可持续利用的关系[4]。诸培新基于“帕累托”效率补偿原则，提出农地非农化后产生的社会经济收益能够弥补由农地非农化引致的全部福利受损者的经济损失，即可认为实现了土地资源配置效率[5]。谭荣通过梳理经济学范畴对效率界定，构建了包含“资源配置”“治理结构”和“制度环境”三层次的效率分析框架，从经济学范畴探讨了农地非农化效率概念的理论逻辑[6]。也有学者借助数学方法、统计学工具研究农地非农化效率问题，如赵雲泰等基于数据包络分析方法(DEA)和Malmquist TFP指数模型法研究省域农地非农化效率及其时间序列上变化趋势[7]；黄珂等运用三阶段DEA模型和Tobit模型分析中国城市群的农地城市流转效率及效率影响因素[8]；张友祥等基于生产前沿面理论构建超越对数生产函数模型(SFA)分析了农地非农化过程中土地资源投入对区域经济增长的贡献程度[9]。本文在参考已有研究的基础上，收集湖北省各个城市2013年到2017年五年的面板数据，运用三阶段DEA模型剔除环境因素和随机误差影响，基于C-D生产函数理论分析湖北省各个城市农地非农化配置效率及效率影响因素。

一、湖北省各城市农地非农化配置效率测算方法

湖北省介于北纬29°05′至33°20′，东经108°21′至116°07′，国土总面积18.59万平方公里，占全国总面积的1.94%。湖北省作为中部地区重要省份，下设12个省辖市、1个自治州和3个省直管县级市。近年来，随着国家《促进中部地区崛起规划》的加快实施，湖北省各地区步入了城镇化发展的快车道，根据《湖北统计年鉴》统计数据计算得出，城镇化率由2013年的54.51%增长为2017年的59.3%，年均增长0.96%；同时，快速的城镇化发展导致区域农地非农化规模总体上呈逐年增长的趋势。本文选取湖北省12个省辖市、1个自治州、3个省直管县级市共16个区域作为研究对象。

目前，数据包络分析方法(DEA)和随机前沿分析方法(SFA)被学者们广泛运用于效率相关问题的研究[11-13]，但两种方法在实际运用过程中都存在一定的缺陷。数据包络分析方法(DEA)作为非参数方法，忽略了环境变量和随机变量对计算结果的影响；而随机前沿分析方法(SFA)作为参数方法，也依赖于生产函数模型选取的科学性及参数估计的有效性。因此，Fried等结合两种效率测度方法的优缺点，经过改进提出了三阶段DEA方法[14]，使效率测算结果更加能够真实地反映决策单元的相对水平及效率的主要影响因素。本文选取三阶段DEA方法来分析湖北省各个城市的农地非农化配置效率。

第一阶段基于投入产出指标的选取，构建农地非农化的配置效率DEA-BC2模型，测算湖北省各城市农地非农化配置效率的初始值。城镇化发展过程中，经过农地非农化过程的土地资源作为投入要素参与社会经济活动中，土地资源的稀缺性决定了实现既定社会经济产出追求土地资源的最小化投入。由于湖北省各个城市之间差异性，农地非农化带来的社会经济产出具有规模报酬可变性，因此，这里选择投入导向型DEA的BC2模型进行测算。设湖北省K个城市作为农地非农化配置效率决策单元，每个城市对应的有m个投入要素和n个产出，yjk表示第k个城市的第j个产出，xik表示第k个城市的第i个投入要素值，λk表示投入产出要素的权重。初始的农地非农化配置效率DEA-BC2模型[15]为：

(1)

第二阶段运用随机前沿分析方法(SFA)剔除环境因素和随机误差的影响。前面一步测算的农地非农化配置效率的初始值没有考虑环境因素和随机误差的影响，第二步通过构建SFA模型分解第一步计算所得的投入要素的松弛变量。以湖北省k个城市的m项投入要素的松弛量作为应变量，以选取的H项环境因素变量作为解释变量，对每一项投入要素的松弛量建立SFA回归方程模型，第m个回归方程为：

smk=fm(zk;βm)+vmk+umk；

k=1,2,…,K

(2)

(3)

(4)

(5)

式中，em是误差项，φ(γem)、Φ(γem)分别是标准正态分布的密度函数和分布函数。

第三阶段将调整后的各个城市的投入要素和原始的产出数据重新用DEA模型运算，测算剔除环境因素和随机变量误差后湖北省各个城市农地非农化配置效率值。

二、农地非农化配置效率评价指标分类

(一)投入产出指标选取

基于C-D生产函数理论，测算湖北省各个城市在城镇化过程中的农地非农化配置效率。考虑到农地非农化后主要用于城镇二三产业的建设用地，所以产出指标选取区域第二、第三产业GDP来替代；资本、劳动力和土地投入要素分别选取区域社会固定资产投资总额、第二、第三产业从业劳动力人数和审批建设占用农用地面积指标表示(由于数据无法获取，这里忽略土地资源的非法或隐形交易数量)，详见表1。

(二)环境变量的选择及说明

环境变量的选取用来解释原始模型变量之外对农地非农化配置效率值存在影响的主要因素，这些因素往往具有决策单元主观不可控性。湖北省16个不同级别的城市之间城镇化发展差异性较大，这里主要从间接影响城镇化发展过程中农地非农化配置效率的区域人口变动、资源禀赋、经济发展水平和产业结构升级等几个方面选取环境变量指标。其中，区域人口变动选取区域人口年均增长额指标来表示，随着区域人口增长必然引致区域用地需求的增加，区域人口增长额一定程度上反映了区域用地需求的增加；区域资源禀赋选取人均建设用地和人均农用地面积两个指标来表示，区域人均建设用地和人均农用地面积直接反映了区域土地资源的稀缺程度；区域经济发展水平选用区域人均GDP和城镇化率来表示；区域土地资源配置状况选用农地非农化的土地利用比较效益指标来表示；区域产业结构升级选用区域第二、第三产业产值比来表示，区域第二、第三产业产值比反映区域产业结构的特征。

(三)农地非农化配置效率影响因素的概述

湖北省各个城市的指标选取都是区域年度均值。其中，指标全社会固定资产投资额和城镇化率直接来自2013—2017年的《湖北统计年鉴》；指标人口增长额由区域后一年的人口总数减去前一年人口总数计算得到；第二第三产业从业劳动力、第二第三产业GDP、人均GDP和第二第三产业产值比指标数据均由历年《湖北统计年鉴》中相应数据计算所得；人均建设用地和人均农用地指标分别由历年湖北省各个城市的土地利用变更调查数据中的建设用地和农用地面积与区域总人口比值计算所得；审批建设占用农用地面积指标来源于湖北省国土资源厅分地区统计数据；土地利用比较效益是由区域农业总产值与农用地总面积的比值除以区域第二第三产业总产值与建设用地总面积的比值计算得到。各指标的描述性统计见表1所示。

表1 指标选取与指标描述性统计

三、湖北省各城市农地非农化配置效率测算结果

(一)第一阶段DEA模型测算结果分析

利用MaxDEA5.0软件对2013年至2017年湖北省16个地区的农地非农化配置效率进行测算，计算结果如表2所示。在不排除环境因素和随机误差对区域农地非农化配置效率影响的条件下，从计算结果中可以看出，时间序列上湖北省总体农地非农化效率下降趋势较显著，综合效率均值由2013年的0.940 5下降为2017年的0.596 2；2013年湖北省各个城市中有8个城市达到农地非农化效率DEA有效，到2017年下降为只有一个城市的农地非农化效率是DEA有效的。分地区来看，宜昌市和襄阳市在2013年到2016年四年间的综合效率值是逐年上升的，到2017年综合效率值下降非常明显；其它14个城市五年间综合效率值都呈逐年下降趋势，综合效率值下降幅度最大的是黄冈市和天门市，都超过了0.5。单从农地非农化的数量来看，综合效率值年度下降幅度越大对应的土地资源要素投入冗余率就越大，2017年恩施州的土地冗余率达到了59.2%。再者，从测算结果来看，综合效率值的大小和城市总体规模没有直接关系，仙桃、潜江和天门等几个县级市的综合效率值变化和其他城市综合效率值的变化没有显著的差异。由于本模型中没有考虑环境因素和随机误差对农地非农化配置效率的影响，所以无法分析各个城市综合效率值下降的原因。

(二)第二阶段SFA模型结果分析

将第一阶段计算得到的湖北省各个城市的投入要素冗余量作为应变量，基于不同层面选取的七个环境变量作为自变量，用Frontier4.1软件运算得出SFA模型的回归结果(见表3)。

从运算结果可看出三个投入要素的SFA回归模型都通过了显著性检验，说明环境因素和随机误差对三个投入要素的冗余值有影响。从γ值来看，资本要素投入冗余量的85.48%是由于受环境因素影响造成，其中人均建设用地、人均农用地、人均GDP和土地利用比较效益四个指标在1%水平上显著；劳动力投入要素冗余量的87.69%是由环境因素影响导致，其中指标人口增长额、人均建设用地和城镇化率在1%水平上显著，指标第二第三产业产值比在5%水平上显著。从土地要素投入冗余量的回归结果来看，87.3%的过度农地非农化的数量是由环境因素造成，其中指标人口增长额、人均建设用地和城镇化率在1%水平上显著，人均GDP在5%水平上显著；其中指标人口增长额、人均GDP和城镇化率与土地要素投入冗余量成反向关系，回归系数显示指标人均GDP和城镇化率的系数比指标人口增长额高出一个数量级，在区域内提升人均GDP和城市化率能够显著降低农地非农化过程的土地资源要素投入的冗余量；指标人均建设用地与土地资源要素投入的冗余量成正向关系，回归系数比其它指标都大，在一定程度上减少人均建设用地面积可以有效控制农地非农化过程的土地资源要素投入的冗余量。

表2 第一阶段DEA模型测算结果

表3 投入要素冗余量的SFA模型运算结果

注：*、**、***分别表示在10%、5%、1%水平上显著。

(三)第三阶段投入要素调整后的DEA计算结果

根据前面SFA模型分析结果，调整湖北省各城市的各个投入要素规模，剔除环境因素和随机误差对测算效率值的影响，并将调整后的各城市的投入要素值和原产出值输入DEA模型进行运算，计算得到第三阶段湖北省各个城市的农地非农化配置效率值及农地非农化数量的冗余量(见表4)。

表4 投入要素调整后的DEA模型测算结果

对比第一阶段和第三阶段DEA模型运算结果，总体来看，在剔除了环境因素和随机误差影响后，湖北省的农地非农化配置效率均值的下降趋势明显减缓，五年间湖北省总体效率均值下降幅度变小，由原来五年间下降幅度0.344 3变为调整后的0.054 8，测算的效率均值下降幅度缩减非常显著；这说明测算的湖北省总体上农地非农化配置效率主要受环境因素和随机误差的影响，剔除环境因素和随机误差的影响，湖北省五年间农地非农化配置效率均值差异性不大。从土地要素投入的冗余量来看，相比较两次计算结果，湖北省总体调整后的土地要素冗余率均值有所下降，尤其是2016年和2017年土地要素冗余率均值下降较为明显，分别由19.36%下降为5.46%和40.38%下降为18.02%；说明环境因素影响是导致农地非农化过度的重要原因。

分地区来看，剔除环境因素和随机误差的影响之后，五年间湖北省大部分地区测算的农地非农化配置效率值下降趋势变的不太显著，如测算的鄂州市的效率值由2013年的1.0下降为2017年0.975 7，随州市的效率值由2013年的0.985 1下降为2017年0.961 9；同时，也有部分地区效率值的下降趋势发生逆转，如咸宁市、孝感市、荆州市和恩施州的五年间效率值由原来下降趋势变为上升趋势，测算的效率值分别由2013年的0.884 1、0.954 4、0.833 6和0.883 0上升为2017年的0.949 8、0.991 5、0.948 5和0.904 6；从地区层面也说明受环境因素不同程度的影响作用导致的湖北省各个城市之间农地非农化配置效率差异性显著。分年度来看，环境变量对各个决策单元的效率值的影响作用不同。对比剔除环境因素和随机误差影响前后测算的湖北省各个城市的农地非农化效率值，可以发现大多数地区在剔除环境因素和随机误差影响后，测算的农地非农化配置效率值有明显的提升；相对应的也有部分地区在剔除环境因素影响后效率值出现明显下降，例如2013年有咸宁市、孝感市和荆州市，2014年有咸宁市和黄石市，2015年最多有9个地区(包括鄂州市、咸宁市、黄石市、孝感市、潜江市、随州市、荆门市、宜昌市和十堰市)，2016年的随州市和2017年的两个城市(黄石市和十堰市)；这说明环境因素对地区的农地非农化配置效率具有双面影响作用，科学合理的改善地区农地非农化的环境因素能够提升地区农地非农化配置效率，反之，失控的区域环境因素变化必然引致区域过度的农地非农化。

四、结论

本文基于2013—2017年湖北省各个城市面板数据，运用三阶段DEA模型方法分析了湖北省各城市农地非农化的配置效率及其影响因素，得到以下研究结论：

第一，不考虑区域环境因素和随机误差对农地非农化配置效率影响，测算的湖北省各城市农地非农化配置效率在时间序列上和城市之间差异性显著；从数据上看，计算的效率值越低对应的土地投入要素的冗余率越大，这也说明湖北省各城市过度农地非农化导致农地非农化配置效率低下。

第二，通过引入环境变量对影响农地非农化配置效率的环境因素进行分析表明，环境因素对区域农地非农化的配置效率有显著的影响。文中从5个方面引入模型的7个不同的变量中，分别有人口增长额、人均建设用地面积、人均GDP和城市化率4个变量，对区域农地非农化过程中土地资源要素投入的冗余量影响显著，尤其是降低区域人均建设用地面积和提高区域城市化率对于区域农地非农化配置效率提升具有重要作用。同时，也发现环境变量对不同的投入要素的影响显著性和影响程度不同；例如湖北省各城市的人均建设用地指标与资本和劳动力投入要素是负向影响关系，但和土地要素投入是正向影响关系。

第三，剔除环境因素和随机误差对农地非农化配置效率的影响，发现测算的湖北省各城市的效率值在时间序列上以及城市间的差异性不是非常显著；农地非农化过程中土地资源要素投入冗余率明显变小，测算的效率值的波动幅度明显变小。剔除环境变量影响前后对比分析，发现测算的大多数地区效率值有大幅提升，但也有部分地区的效率值出现下降；可见，有利的环境因素促进区域农地非农化配置效率的提升，不利的环境因素造成区域农地非农化配置效率下降。因此，通过合理调控区域农地非农化过程中的环境变量可以有效地提升区域农地非农化配置效率。