“非粮化”种植对农民收入的影响：一个宏观比较视角的分析

宋碧青，龙开胜

（南京农业大学公共管理学院，江苏 南京 210095）

粮食安全是关乎国民经济发展、社会稳定和国家安全的重大战略问题[1]。随着城镇化推进不断占用耕地，气候变化加剧与突发公共卫生事件等对保障粮食安全敲响警钟。国家在政策层面对确保粮食安全给予了高度重视，多次强调“合理保障农民种粮收益”，“全方位夯实粮食安全根基”，但在政策高压的背景下现实却是耕地“非粮化”问题依然突出[2]。广义上而言，“非粮化”指耕地未种植粮食作物的行为，如种植经济作物、耕地撂荒、挖塘养鱼等，狭义上指在耕地上种植经济作物的行为[3]，实质为粮食和经济作物种植规模的调整。关于“非粮化”的测度学者们倾向使用非粮食作物播种面积占农作物总播种面积即“非粮化”程度衡量[4-5]。基于《中国统计年鉴》的数据测算显示，2016—2019 年全国“非粮化”程度分别为28.58%、29.06%、29.45%和30.05%，“非粮化”呈上升态势，长期“非粮化”将对国家粮食安全产生危害。如何切实提升种粮农民收益，调动农民种粮积极性是构建粮食安全长效机制的重要抓手，具有现实意义。

粮食生产与农民收入是学界关注的热点话题。已有学者通过构建粮食生产与收入协调性指数发现：“粮食产量—农民收入”协调性逐年下降，粮食增产对农民增收的贡献率不断降低[6-8]，保障粮食安全与增加农民收入似乎是一个两难选择。为破解这一困局，我国出台了多项粮食补贴政策，但在推动粮食生产进而实现农民增收上仍有较大提升空间[9-10]。而经济作物种植能够显著提高家庭经营性收入，对农民的生计活动调整起到积极作用，并进一步对其他结构性收入产生正向影响[11-12]。现有观点普遍认为经济利益驱动是耕地“非粮化”的根本诱因[13]，“非粮化”的经营方式能够获得更高的农业产出效益[14-15]。据《全国农产品成本收益资料摘要》数据显示，2015—2019 年期间，三种粮食（稻谷、小麦、玉米）年平均净利润为-568.20 元/hm2，棉花与两种油料（花生、油菜籽）的年平均净利润分别为-9 001.65 元/hm2和-523.35 元/hm2，种植经济作物并非必然带来可观收益，这一数据与现有观点相出入。究其原因，现有研究多着眼于单一的收入维度，而农民的种植规模会对不同类型收入产生影响，单从某一收入维度去评论农民增收与否有失偏颇。此外，当前关于农作物种植对农民收入的影响研究多为定性分析，缺乏实证检视，粮食和经济作物种植规模对农民收入的具体作用效果尚待进一步论证。

基于以上分析，本研究从农民收入结构视角出发，以2000—2019 年我国31 省（区、市）（不包括港澳台）粮食和经济作物种植规模和农民收入为考察对象，揭示并比较粮食和经济作物种植规模对农民收入的具体作用效果。此外，依据粮食主产区和非粮食主产区进行区域划分，考察粮食和经济作物种植规模对农民收入影响的区域异质性。研究结果将对从宏观层面审视“非粮化”问题，提高农民收入提供经验参考。

1 粮食和经济作物种植规模影响农民收入的理论分析

农作物种植规模是影响农民收入的重要因素。按收入来源将农民收入划分为经营性收入、工资性收入、转移性收入和财产性收入四类，其中粮食和经济作物种植规模对农民经营性收入和转移性收入存在直接影响。农民工资性收入变化主要源于农村劳动力非农转移因素[16]，但种植规模可能影响到农民劳动时间配置，故对工资性收入也存在一定影响。农民通过显化土地资产价值而获得财产性收入[17]，与粮食和经济作物种植规模关联不大。因此，本文重点关注粮食和经济作物种植规模对农民经营性收入、工资性收入和转移性收入的作用。

1.1 粮食和经济作物种植规模与农民经营性收入

近年来农资价格、劳动力价格、土地流转租金等不断上涨，农业生产投入成本增加，挤占利润空间。但与此同时，农业机械化程度不断加深、农业社会化服务趋于完善，农业机械化对劳动力要素起到替代作用，可以降低人工投入成本，使得农业生产取得规模经济效益[18-19]。且随着农业社会化服务发展，传统农业理论中机械化需要相应的耕地规模作为配套的限制逐渐被打破[19-20]，机械化在农业生产中的应用越来越普遍。在农业劳动力刚性约束持续增强背景下，粮食作物相较于经济作物更易于进行机械化作业[21]，获得规模报酬。基于以上分析，粮食作物种植易于与机械化生产相匹配，获得规模经济效益；经济作物的农业机械化配套程度虽弱于粮食作物，但一般而言其单位面积收益更高，故扩大粮食和经济作物种植规模对农民经营性收入增长均起到正向促进作用。

1.2 粮食和经济作物种植规模与农民工资性收入

农民将其劳动时间在从事农业生产和非农业生产间进行分配，在不考虑其他要素配置时，扩大种植规模意味着更多的农业劳动时间投入，这会降低工资性收入份额。但随着我国土地流转速度不断加快，通过农地流转释放大量农村劳动力从事非农产业，加之农业机械化的大量普及对劳动力要素起到替代作用，进一步促进劳动力非农转移，农民逐渐由以往单纯从事农业生产演变为兼业经营形式，获得工资性收入[22-23]。因此在当前的要素配置现实情境下，扩大粮食和经济作物种植规模有助于农民工资性收入增长。

1.3 粮食和经济作物种植规模与农民转移性收入

农民转移性收入主要来源于一系列农业补贴等政府财政转移支付。自2004 年起，国家陆续出台粮食生产的价格支持和补贴政策，包括四项补贴、政策性农业保险、最低收购价和临时收储政策等多项措施，其中四项补贴包括粮食直补、良种补贴、农机具购置补贴和农资综合补贴。虽然粮食直补的补贴形式在各地有所差异，但总体上与粮食播种面积相挂钩，即粮食作物种植面积越多获得的粮食直补越多。农作物良种补贴的种植范围涵盖主要粮食品种和棉花、油料等经济作物，补贴标准依据种植面积折算。农机购置补贴则是对购置农机用于农业生产的农民进行经济补偿。农资综合补贴的发放对象主要为种粮农民，根据农资市场价格走势和农业生产形势，进行动态调整补偿。因此，不论是增加粮食作物或是经济作物种植规模，都可促进农民转移性收入增长。

2 研究方法

2.1 数据来源

为尽可能确保数据完整性，本研究采用我国31个省（区、市）（不包括港澳台）2000—2019 年的面板数据进行实证分析。其中，农民各类收入、粮食作物播种面积、农作物总播种面积、居民消费价格指数、乡村人口数据来源于《中国统计年鉴》；农业机械总动力、农作物成灾面积和农村居民消费价格指数数据来源于《中国农村统计年鉴》；农民受教育年限数据来源于《中国人口和就业统计年鉴》，第一产业从业人员数和就业人员总数数据来源于各省（区、市）历年统计年鉴，人均地区生产总值、地区生产总值指数数据来源于国家统计局网站；地方财政农林水务支出数据中2000—2006 年数据来源于《新中国六十年统计资料汇编》，2007—2019 年数据来源于《中国统计年鉴》。个别缺失数据采用插值法、均值法等方法补齐。

2.2 变量选取

1）被解释变量。本文被解释变量是农民收入，用农村居民收入来反映，具体包括农民总收入、农民经营性收入、农民工资性收入和农民转移性收入。需要说明的是，由于收入统计口径变更，从《中国农村统计年鉴》获取的农村居民收入数据中，2000—2013 年统计口径为农村居民人均纯收入，2013—2019 年为农村居民人均可支配收入。借鉴王丽纳和李玉山[24]的研究，由于两者统计口径差异较小，2014—2019 年的农村居民家庭人均纯收入以农村居民人均可支配收入衡量。此外，为消除通货膨胀影响，采用农村居民消费价格指数进行调整，以2000 年为基期进行价格平减。

2）解释变量。本文以粮食和经济作物年播种面积反映农民的粮食和经济作物种植规模，其中经济作物播种面积根据农作物总播种面积扣除粮食作物播种面积获得。

3）控制变量。基于已有研究[25-28]，本文引入农业机械总动力、劳动力转移、自然灾害、农民受教育程度、经济发展水平和财政支农水平作为控制变量。其中，各省农民平均受教育年限是将各种受教育程度折算成受教育年限计算平均数得出，各省份人均GDP 和人均农林水务支出同样以2000 年为基期进行折算。上述各变量含义及描述性统计详见表1。

表1 变量含义及描述性统计Table 1 Variable def initions and descriptive statistics

2.3 计量模型设定

根据前述理论分析，采用双向固定效应模型考察粮食和经济作物种植规模对农民收入的具体作用效果，一方面可避免遗漏省际层面的不可观测变量而引发的内生性问题，另一方面可控制不随时间变化的不可观测因素对农民收入的影响。回归模型如下：

式中：i表示省份，t表示年份，Yit表示省份i在t年的农民收入情况，细分为农民总收入、经营性收入、工资性收入和转移性收入。Xit为核心解释变量，包括粮食作物种植规模和经济作物种植规模。Zit表示控制变量，di为省份固定效应，νt为年份固定效应，εit为随机误差项。考虑到采用取自然对数的方法能够降低潜在异方差干扰，对部分离差较大的连续变量取自然对数，将农民四类收入、粮食和经济作物种植规模、农业机械总动力、自然灾害、经济发展水平和财政支农水平变量作自然对数处理。

需要说明的是，农民的收入水平和结构也可能对粮食和经济作物种植规模产生影响，已有学者关注到这一影响路径，如李娅娅和赵小风[29]、何蒲明[30]、高晓燕和杜寒玉[31]等，这种双向影响关系会导致模型估计产生内生性问题。为提高估计结果的可靠性，参考已有文献引入滞后项以处理内生性问题的方法[32-33]，本研究选取粮食和经济作物种植规模的一阶滞后项、二阶滞后项作为相应的工具变量，采用面板工具变量法估计粮食和经济作物种植规模对农民收入的影响，并对工具变量的有效性进行检验。

3 结果与分析

3.1 粮食和经济作物种植规模与农民收入的描述性统计分析

粮食和经济作物种植规模与农民收入存在相关关系。2000 年我国粮食作物播种面积约为10 846万hm2，2000—2003 年经历短暂下滑后呈现稳步上升趋势，2016 年达到11 923 万hm2，而后逐年下降，2019 年全国粮食作物播种面积为11 606 万hm2。经济作物播种面积在2004 年经历短暂下滑，而后从2009 年开始呈现较缓慢的上升趋势。经济作物播种面积由2000 年的4 784 万hm2增加至2019 年的4 986 万hm2（图1）。

同一时期，我国农村居民人均纯收入由2000年人均2 389 元上升至2019 年的16 021 元。农村居民经营性收入、工资性收入和转移性收入均整体呈上升趋势，其中经营性收入和工资性收入是农村居民收入的主要来源，分别由2000 年的人均1 513 元和人均744 元增加至2019 年的人均5 762 元和人均6 584 元，2015 年工资性收入首次超过经营性收入，成为农村居民收入的第一大来源。转移性收入由2000 年人均84 元跃升至2019 年人均3 298 元（图1）。由于农民不同类型收入的变动趋势有所差异，粮食和经济作物种植规模与不同类型收入变化的关系存在异质性，下面将详细计算粮食和经济作物种植规模与农民收入的数量关系。

3.2 工具变量有效性分析

本研究数据为全国31 省（区、市）（不包括港澳台）20 年的面板数据，参照Bai[34]的研究，由于数据的样本截面数多于时间点数，属于短面板，不需要进行单位根检验。在引入工具变量后，需要判断工具变量的有效性。理论上而言，由于农民当期的种植决策可能依赖于往期的种植选择，所以引入的工具变量粮食及经济作物种植规模的一阶滞后项、二阶滞后项与当期种植规模在理论上具有显著相关性。虽然种植规模的当期值与干扰项可能存在相关性，但其滞后项却不会与当期干扰项相关。为证明所选取工具变量的有效性，本文分别进行工具变量不可识别检验（LM 检验）、弱工具变量检验（F检验）以及过度识别检验（Hansen 检验）。结果显示，不管是全国层面或者分地区层面，均通过工具变量不可识别检验，Kleibergen-Paap rk LM 统计量均在1%的显著性水平下显著，即强烈拒绝工具变量识别不足的原假设；均通过弱工具变量检验，即拒绝是弱工具变量的原假设，Kleibergen-Paap rk WaldF统计值大于Stock-Yogo 检验10%水平上的临界值19.93；基本通过了过度识别检验，即总体接受工具变量外生的原假设。上述检验结果证实所选择的工具变量是有效的。

3.3 全国层面粮食和经济作物种植规模对农民收入的影响分析

从表2、表3 的回归结果可知，全国层面上，种植粮食作物能够显著增加农民总收入和转移性收入，显著性水平均为1%。粮食作物种植规模每扩大1%，农民总收入增加0.065%，转移性收入增加1.011%。农民转移性收入增加与近年来不断投入的粮食补贴以及相关的农业补贴有关，国家为稳固粮食生产对种粮农民给予包括农业支持保护补贴、粮食生产者补贴等多项转移支付。而与粮食种植最直接相关的经营性收入回归结果却不显著，其系数符号为负值。说明从整体上看，种植粮食作物并未带来可观的农业收益，农民总收入增加一定程度上是由于转移性收入弥补了经营性收入损失。

表2 粮食作物种植规模对农民收入影响的检验结果Table 2 Impacts of grain crop planting scale on farmers’ income

表3 经济作物种植规模对农民收入影响的检验结果Table 3 Impacts of cash crop planting scale on farmers’ income

全国层面的回归结果表明种植经济作物对农民总收入、经营性收入和工资性收入产生显著正向影响。经济作物种植规模每扩大1%，农民总收入增加0.054%，经营性收入增加0.064%，工资性收入增加0.196%。种植经济作物能显著增加农民经营性收入是由于经济作物往往有着更高的单位面积收益，这也是“非粮化”屡禁难止的根源。种植经济作物对农民工资性收入具有促增作用，可能的解释是与近年来不断推进的土地流转有关，一部分农民将土地流转给其他经营主体，自身从事非农业生产或者兼业经营，同时土地规模化经营利于开展农业机械化服务，促进劳动力非农转移，增加工资性收入。此外，通过对比回归系数可知，扩大粮食和经济作物种植规模均能促进农民总收入增加，且两者的促增程度相似，这意味着落实防止耕地“非粮化”相关政策，矫正农民非粮种植行为是可行的，并不会对农民总收入增加带来不利影响。

控制变量方面，增加农业机械总动力投入能够显著提高农民经营性收入和工资性收入，显著性水平均为1%。这表明机械化的使用能够带来作物种植的规模经济效益，且能够对劳动力要素起到替代作用，促进劳动力转移，增加农民工资性收入。劳动力转移对农民经营性收入具有正向影响，显著性水平均为10%。这一结果说明农民经营性收入随着劳动力转移程度加深而上升，间接表明存在农业机械化和劳动力转移的要素替代关系，农业生产取得规模经济效应，表现为经营性收入的增长。其余控制变量回归系数均符合理论预期，在此不做过多描述。

3.4 分区域粮食和经济作物种植规模对农民收入的影响分析

为进一步考察粮食和经济作物种植规模对农民收入影响的区域异质性，本研究按照粮食主产区（包括黑龙江、河南、山东、四川、江苏、河北、吉林、安徽、湖南、湖北、内蒙古、江西和辽宁）和非粮食主产区进行区域划分，具体的回归结果如表4 和表5 所示。

表4 分区域粮食作物种植规模对农民收入影响的检验结果Table 4 Impacts of grain crop planting scale on farmers’ income in diff erent areas

表5 分区域经济作物种植规模对农民收入影响的检验结果Table 5 Impacts of cash crop planting scale on farmers’ income in diff erent areas

不同于全国层面的回归结果，粮食主产区内粮食作物种植规模对农民经营性收入和工资性收入增加起到显著的正向作用，显著性水平均为1%。粮食作物种植规模每扩大1%。农民经营性收入增加0.277%，工资性收入增加0.624%。而非粮食主产区内扩大粮食作物种植规模对农民经营性收入未有显著影响。这一结果与李红莉等[28]研究结论相呼应：粮食主产区的设立对农民经营性收入有着显著的促增效应，粮食主产区内土地规模化程度较高，土地集中连片，易于获得规模经济。主产区内种植经济作物对农民结构性收入未有显著影响。需要注意的是，在粮食主产区内不论种植粮食作物或经济作物，对农民总收入的影响均未通过显著性检验，这表明还需出台相关政策助力农民增收。

在非粮食主产区，扩大粮食作物种植规模能够显著增加农民总收入和转移性收入，显著性水平均为1%，农民总收入增加源于农业补贴等转移性收入增长。增加经济作物种植面积对农民经营性收入、工资性收入和总收入均具有显著的正向作用，显著性水平均为1%。2000 年粮食主产区的“非粮化”程度为29.42%，2019 年降低至22.41%，而非粮食主产区“非粮化”程度由2000 年的32.51%上升至2019 年的43.93%，非粮食主产区“非粮化”程度存在蔓延趋势。且对比非主产区农民各类型收入的回归结果可知，粮食或经济作物种植规模虽对农民不同类型收入存在异质性作用，但均能促进农民总收入的增加。后续应在非粮食主产区有序开展“非粮化”整治活动，如对经济作物清理腾退、耕地复垦等，扩大粮食作物种植规模，遏制耕地“非粮化”增量。

4 结论与政策启示

4.1 结论

本文从理论层面阐述粮食和经济作物种植规模对农民收入的具体影响机制，采用中国31 个省（区、市）（不包括港澳台）2000—2019 年的面板数据，探讨了粮食和经济作物种植规模对农民收入的具体影响，并基于粮食主产区和非主产区进行区域异质性分析。考虑到可能存在的内生性问题，本文借助面板工具变量法开展实证分析，主要研究结论如下：

1）全国层面上，扩大粮食或经济作物种植规模对农民总收入增加均起到正向促进作用，这表明种植粮食作物也“有利可图”，农民种粮与增收可以兼得。且粮食和经济作物种植规模对农民总收入增加的作用力相似，这意味着当前防止耕地“非粮化”的政策安排是切实可行的，并不会对农民增收带来不利影响。

2）从收入结构看，全国层面上，粮食作物种植有利于农民转移性收入增长，但并未带来农业收益的提升，农民总收入增加一定程度上源于农业补贴等转移性收入弥补了经营性收入损失。经济作物种植有助于农民经营性收入和工资性收入增长。

3）区域异质性分析表明，粮食主产区内，种植粮食作物对农民经营性收入和工资性收入增加存在显著正向作用，种植经济作物对主产区内农民各类收入未有显著影响。在非粮食主产区，扩大粮食作物种植规模能够显著增加农民转移性收入和总收入，扩大经济作物种植规模对农民经营性收入、工资性收入和总收入具有显著正向作用。说明粮食主产区发展适度规模经营取得了较好的农业经济效益，但对总收入的促增效果并不显著，因此还需出台相关政策助力主产区内农民增收。同时结果表明在非粮食主产区内开展“非粮化”整治不会对农民收入带来不利影响。

4.2 政策启示

1）推动实施差异化的“非粮化”整治措施。对于“非粮化”问题的整改不可冒进、一刀切，以免损害农民的合理利益。在保障粮食供应基础上兼顾当前居民膳食结构转变趋势，合理规划粮食作物和经济作物的种植区域，实施差异化的耕地“非粮化”整治措施：对于破坏耕地耕作层的行为，应严令禁止并恢复原状；对于一些特色农产品产区，应因地制宜划定经济作物生产范围；位于粮食主产区的优质耕地要确保粮食种植面积不减少，严控违法改变耕地用途行为。

2）优化粮食补贴规则，提高粮食产品附加值。优化现有的农业补贴政策，提高粮食生产补贴的瞄准性，设置分梯度、差异化的补贴规则，确保“谁种粮，谁受益”，降低农民粮食种植的投入成本。推动粮食产业绿色高质量发展，提高粮食产品附加值，通过市场交易机制使优质的粮食产品获得优价，助力农民经营性收入增长。

3）有序落实非粮食主产区的粮食生产责任。当前需严控非粮食主产区“非粮化”蔓延趋势，有效落实“非粮化”整治措施。科学制定非粮食主产区内各省份粮食种植规模底线，有序引导各类经营主体开展粮食生产活动，并对其落实绩效进行监督考核。进一步探索粮食主产区与非粮食主产区的利益补偿机制，谋划好全国粮食生产一盘棋。