农户闲置宅基地市场化配置感知风险识别及防控

王兆林 ，吕秋杭 ，王营营 ，吴 月

（1.教育部人文社科重点研究基地重庆工商大学长江上游经济研究中心，重庆 400067；2.重庆工商大学公共管理学院，重庆 400067）

0 引 言

推进土地要素市场化配置改革是当前自然资源管理领域的重要任务。宅基地作为中国农村基本的住房保障，在当前城乡融合和乡村振兴背景下，其功能发生深刻变革，突出表现为住房保障功能逐渐弱化，而经济资产功能日益凸显的发展态势。为适应农村经济社会结构的变迁，国家陆续出台相关政策文件，探索以市场化方式盘活存量闲置宅基地。宅基地市场化配置对于盘活闲置资产、实现农民增收等具有重要意义，是促进宅基地“资源→资产→资本”转变的根本路径。然而，当前宅基地市场化配置仍存在一定的经济社会风险，这要求宅基地制度改革应秉承“适度放活”和“稳慎推进”的原则。因而防范化解宅基地市场化配置中的各类风险，是推进宅基地市场化配置的基本前提。宅基地市场化配置中存在多重经济社会风险，这些风险涉及农民权益保护、耕地保护、社会稳定、村落文化传承等方面，客观厘清这些风险，存在数据可得性等障碍。一方面，农户作为农村闲置宅基地市场化配置的微观主体，是风险“厌恶者”，对风险有天然的敏感性[1]；另一方面，农户宅基地市场化风险感知源于对外界客观市场化风险的直观判断和主观感受，具有数据获取简便，可信度高等特点。因而从农户风险感知视角识别宅基地市场化风险，更能客观精确揭示宅基地市场化配置中存在的重要风险，从而为政府“以人为本”地制定防范化解风险的政策，提供不同角度的参考。

当前理论界围绕农村宅基地风险进行了一些探索，总体分为三方面：从研究内容看，主要涉及农户宅基地退出风险的研究[2-4]，而对于宅基地市场化配置风险鲜有探讨。如，孙鹏飞等[2]基于Probit模型分析风险预期对农户宅基地退出行为的影响；聂英等[4]运用风险矩阵法从家庭经济、退地决策、社会保障和居住条件对宅基地退出风险因素进行评价与分析。从研究视角看，现有宅基地风险的研究，多从宏观视角定性分析[5-7]，较少从微观视角定量识别。如，吴丽等[5]从制度设计失衡、制度供给剩余、制度虚化风险和制度执行困难，分析宅基地“三权分置”改革的制度风险；董欢[7]基于公共利益、集体利益和集体成员利益等多方利益主体，分析宅基地价值显化过程中的潜在风险。从研究方法看，既有研究主要采用Probit模型[2]、风险矩阵法[3]、风险承载力模型测度法[8]等传统方法。然而，多数传统的风险分析方法忽略了风险指标间可能存在的多重共线性影响，导致研究结果存在相关指标隐性叠加的问题。综上所述，农户宅基地风险感知的研究亟待从内容、视角、方法层面延展和突破。

鉴于此，本文尝试采用可变模糊集评估农村闲置宅基地市场化配置的风险等级，再将风险等级值集代入随机森林模型，结合典型宅基地制度改革试点的调查，总结三权分置下宅基地市场化配置方式，从风险感知角度分类定量识别农户宅基地市场化配置的风险；并在此基础上分析风险机制，提出风险防控策略，以期为相关宅基地市场化配置政策的制定提供参考。

1 分析框架

宅基地市场化配置是宅基地三权分置改革的重要内容，是乡村振兴背景下平衡宅基地保障功能与财产功能的重要举措。从配置对象看，宅基地市场化配置的对象是农村闲置的宅基地资源，原因在于宅基地作为一种财产进行市场化配置，需要满足一个条件，即农村宅基地对农民来说，其居住保障功能不断弱化或者消失，财产功能不断显现。如果宅基地对农民而言，仍然是一种保障，那意味着存量宅基地不能完全市场化配置。因而，市场化配置只能限于不再保障农民居住的那部分宅基地，即农民已经进城落户，或者存在多余的闲置宅基地（“一户多宅”）。从配置方式看，当前宅基地市场化配置，并非是与国有土地同等的完全市场化，而是基于三权分置背景下的有限市场化。

三权分置下宅基地流转已经具备类似农地流转市场的性质，其流转的用途、对象和范围已经为宅基地市场的建立奠定了基础。当前市场化配置扩大了农户的机会选择，并以边际产出拉平效应引导宅基地同其他资源有效结合，提高宅基地配置效率与利用效益[9]。如图1所示，图中展示了农户将闲置宅基地（边际产出较低）以市场化方式转移至边际产出较高用途（民宿、农家乐等）的均衡过程：假定U1和U2的初始数量均为q0，由于同一数量下U2的边际产出更高，农户作为理性经济人会将宅基地以市场化配置的方式流向边际产出更高的用途，直至两边边际产出相等，即U1由q0减少q*至q1，U2由q0增加q*至q2。

图1 宅基地市场化配置的边际产出拉平效应Fig.1 Marginal output leveling effect of homestead marketization allocation

宅基地资源禀赋、农村经济发展水平等因素的异质性决定了宅基地市场化配置方式的多样性。即使在同一区域内部，不同类型的村庄宅基地市场化配置方式也可能存在差异[10]。总结现有农村闲置宅基地市场化配置的方式，主要分为就地直接入市、规划调整入市、复垦指标入市和复绿指标入市（表1）。其中，就地直接入市是指符合规划宅基地的使用权通过出租、抵押等流转方式进行市场化配置的过程[11]；规划调整入市是指村集体在农民自愿前提下，依法把有偿收回的闲置宅基地转变为集体经营性建设用地入市[12]；复垦指标入市是指在“增减挂钩”政策下，复垦闲置宅基地获取的节余农村建设用地指标，在农村土地交易场所进行市场化转移的过程，其市场供需主体已经超出本集体经济组织[13]；复绿指标入市与前述复垦指标入市有较大的类似，都是将节余的建设用地指标进行交易。只是前者将原宅基地复垦为生态用地，后者将原宅基地复垦为耕地[14]。

表1 宅基地市场化配置方式概况Table 1 Overview of marketization allocation of rural homestead

近年来，随着宅基地“三权分置”改革的深化和城乡融合发展战略的实施，部分地区以宅基地市场化交易为支撑，探索构建城乡统一建设用地市场，畅通了城乡土地、资金等要素流动渠道，实现农民增收并有力助推乡村振兴。然而，宅基地市场化配置是一把“双刃剑”，其带来诸多利好的同时，也可能产生风险。承前所述，农户作为市场化配置的微观主体和乡村振兴的深度参与者，其风险感知源于对外界客观风险的直观判断和主观感受。通过文献梳理和实地调查发现，当前农户参与宅基地市场化配置过程中，其风险感知，主要涉及农民权益、耕地保护、集体收益、社会稳定、生态环境、文化传承等层面[15-20]。

1）农民权益风险感知。宅基地制度改革是农村土地制度改革中头绪最多、涉及面最广但也是最能释放改革红利的一项系统工程，其初衷和要义是要让农民群体受益[21]。然而，现行法律规定按土地原用途补偿而与土地未来规划的用途无关，这就忽视了宅基地的发展权，可能导致农户收入减少。与此同时，由于宅基地市场化配置改变了宅基地传统的居住生活功能，农民住房保障情况可能有诸多不确定性。此外，部分农民限于较弱的缔约能力，缺乏签订规范宅基地合同的意识，导致合同纠纷频发。因而，本文选择农户收入、住房变化和宅基地合同签订情况作为衡量农民权益风险的指标。

2）耕地保护风险感知。尽管中国通过土地利用规划、用途管制等手段实行最严格的耕地保护制度，但“大棚房”“乱建别墅”“小产权房”等违法占用耕地的现象“有禁无止”“屡禁不止”。尤其是近年来伴随着宅基地财产价值的升温，宅基地无序扩张占用耕地进行市场化配置的“隐性流转”问题突出，耕地数量红线被冲撞的压力越来越大。此外，由于缺乏完善的耕地等级评价机制和验收体系，宅基地复垦的耕地质量较低，相关部门往往只注重复垦耕地的数量，而忽视了复垦的质量和后期维护。因而，本文选择耕地面积和质量变化作为衡量耕地保护风险的指标。

3）集体收益风险感知。集体作为宅基地的所有权人，具有占有、使用、收益和处分宅基地的权能。故其在宅基地市场化配置的过程中，理应参与收益分配。然而，长期以来农村宅基地作为“祖产”的观念深入人心，即农民普遍认为宅基地是家族祖业，而非集体公产[22]。这与事实上宅基地“公有私用”的属性相违背，导致农村宅基地内在的公共利益属性与私人权益属性难以调和。此外，收益分配机制的缺位和不明使得宅基地市场化配置所产生的增值收益难以在农民、集体等主体间合理分配，加剧集体收益受损风险。因而，本文选择农户是否认同集体的收益分配主体地位和集体收益变化作为衡量集体收益风险的指标。

4）社会稳定风险感知。农村宅基地具有重要的生活和生产功能，农户家庭可以在宅基地存放农资、农具、发展“庭院经济”（家禽养殖、果树种植）等。在宅基地市场化配置的过程中，部分农民及家庭成员脱离传统农耕生产进城谋生，这可能影响农民家庭的就业情况。同时，由于缺乏非农职业技能的培训，农民的人力资本积累不足，难以真正融入城镇发展[23]。此外，由于经济发展水平、区位条件的差异，宅基地市场化交易的价值存在“级差”。以区位为例，相较于远郊宅基地，近郊宅基地拥有级差地租优势，市场需求旺盛，导致两者土地价值悬殊，进而扩大退宅农户间的财产性收入差距，可能影响社会稳定。因而，本文选择农户家庭成员就业情况、非农职业技能培训次数变化和收益分配的平衡性作为衡量社会稳定风险的指标。

5）生态环境风险感知。宅基地“三权分置”改革和乡村振兴战略对于乡村生态和人居环境提出新要求。一方面，推动闲置、废弃宅基地市场化配置，对于整治布局散乱的宅基地，实现土地资源的集约节约利用意义重大。另一方面，宅基地作为农村生产空间的载体，其市场化后的经营性用途改变，可能产生外部性环境问题，增加了生态环境受损的风险。因而，本文选择人居环境和生态用地的变化作为衡量生态环境风险的指标。

6）文化传承风险感知。特色民居村落是乡村文化的符号，因而农村宅基地是乡村文化载体。在宅基地市场化配置过程中，农民脱离故土，融入城镇，原生地文化传承面临严峻挑战，许多乡村牺牲村居文化遗产元素，不顾村落历史传统的中心文化地标所蕴含的地域特色基因，营建千村一面的乡村生活广场、形象工程等，使传统村落的历史乡土文化传承遭遇断层式的替化冲击。此外，每逢特定节日农民在祖宅举行拜神祭祖、祈福辟邪等民间风俗活动并不少见。宅基地作为某些民俗活动的载体，入市后可能导致相关民俗活动减少。因而，本文选择传统村落的保护情况和宅基地相关民俗活动的开展情况作为衡量文化传承风险的指标。

2 研究方法与数据来源

2.1 研究思路

首先，通过可变模糊综合评价模型评估不同配置方式下农户宅基地市场化配置的风险等级；其次，通过将前述风险等级和农户问卷数据代入随机森林模型，实施模型优化策略后，输出不同配置方式下农户宅基地市场化配置风险的因子贡献率；最后，针对风险因子的作用机理和影响程度，结合不同市场化配置方式风险的异质性与调研区域实践情况，从“事前预防”“事中防控”和“事后防范”3个维度，构建农户宅基地市场化配置的风险防控策略（图2）。

图2 研究思路Fig.2 Diagram of research ideas

2.2 研究方法

2.2.1 可变模糊集（VFS）

可变模糊集理论（variable fuzzy set，VFS）是研究模糊概念、事物、现象的数学模型。近年来，可变模糊集广泛应用于干旱等级、土地适宜性等评价研究中，验证了评价模型的适用性[24-25]。假设有样本数m，指标数n，则风险来源的样本集可表示为，其中i=1,2,···,m；j=1,2,···,n。求解农户宅基地市场化配置风险等级的可变模糊综合评价模型U(x)h：

式中α表示模型优化准则参数；p表示距离参数（通常取α=p=1）；ωj表示熵权法的权重；h表示宅基地风险等级变量（h=1,2,···,c，c表示等级）；μ (x)jh表示相对隶属度。

最后，将U(x)h代入级别特征公式计算，输出农户宅基地市场化配置的风险等级值H:

2.2.2 随机森林（RF）

随机森林（random forest，RF）是一种基于分类决策树的非线性集成机器学习模型，具有运算效率高、分类精度高、模型优化调参少等优点[26]。由于农户宅基地市场化配置的风险来源具有多维特征，本文拟采用随机森林模型，精准识别农户宅基地市场化配置的感知风险。步骤如下：

1）对农户宅基地市场化配置风险问卷的样本数据集采用bootstrap算法有放回随机抽样并形成训练集{Si}，i=1,2,···,m，生成分类决策树；

2）多颗分类决策树组合成森林，则最终决策函数为：

式中HPre(X)表示随机森林模型预测的风险等级；Y表示预测的样本对象；Θi表示第i棵分类决策数生成的随机向量；I(·)表示指标函数；HA表示基于H厘定的五分类标签。

3）计算风险来源（特征变量）对农户宅基地市场化配置风险的贡献率：

式中Pj表示第j指标的贡献率；d表示节点数，v=1,2,···,d；Djiv表示节点的Gini递减值。

4）模型优化。①降维。平均下降精度指数（mean decrease accuracy index）比较适用于优化农户宅基地市场化配置感知风险观测变量的规模。它表示把随机选择的某一观测变量移出RF模型后导致模型精度下降的程度。其值越大，代表着该观测变量对模型分类结果的影响程度越高，这可以间接反映其对模型训练的重要程度。②超参数调优。采用网格搜索法（grid search method）遍历给定参数组合，从而优化随机森林模型。

2.3 变量选择

1）被解释变量

对于农户闲置宅基地市场化配置的感知风险，本文采用可变模糊集理论，通过式(4)计算农户宅基地市场化配置的风险等级值集{Hm}。根据可变模糊集理论，结合文献研究和专家意见，划分风险等级，构建样本的五分类标签（HA）：低风险（{Hm}∈[0,1)）、中低风险（{Hm}∈[1,2)）、中风险（{Hm}∈[2,3)）、中高风险（{Hm}∈[3,4)）、高风险（{Hm}∈[4,5]）。

2）潜变量

依据分析框架，将农户宅基地市场化配置的感知风险分为农民权益风险、耕地保护风险、集体收益风险、社会稳定风险、生态环境风险和文化传承风险。

3）观测变量

观测变量依据分析框架，专家意见和实地调查选取，观测变量指标体系如表2所示：

表2 变量选择与指标体系Table 2 Variable selection and indicator system

在机器学习算法中，分类特征通常是离散的、无序的，需要采用独热编码对其进行数字特征化。独热编码（one-hot encoding）又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有其独立的寄存器位，并且在任意时候，只有1位有效。由于问卷数据具有离散型特征，本文采用独热编码，将离散特征的取值扩展到欧式空间，优化随机森林的算法结构，对观测变量的数据进行预处理，即将农户问卷对观测回答的“是”“否”分别赋值为“[1,0]”“[0,1]”。此外，为方便模型运算，对被解释变量的样本风险等级标签采用虚拟变量，即5、4、3、2、1分别对应高风险、中高风险、中风险、中低风险、低风险。

2.4 数据来源

研究以重庆市典型宅基地制度改革试点为实证区域。重庆市大足区、永川区和梁平区作为国家新一轮宅基地制度改革的试点地区，近年来，按照农业农村部统一部署，重点探索宅基地市场化配置方式和路径，并积累了较为丰富的实践经验，因而本调查具有一定典型性和代表性。为深入了解农户宅基地市场化配置风险等相关问题，课题组于2022年3—5月深入重庆市大足区的棠香街道、高升镇、邮亭镇，永川区的红炉镇、天府镇、双石镇、陈食街道和梁平区的云龙镇、金带镇、梁山镇、荫平镇、星桥镇等城乡结合部和传统农区的16个村开展实地调查。

对于闲置宅基地的界定，主要涉及两方面：一是农民进城务工落户所遗留的闲置宅基地；二是“一户多宅”农户闲置的宅基地。在调查实施中，兼顾疫情因素和一些闲置宅基地不易找到户主等问题，课题组采用“线上+线下”的组合方式进行问卷数据收集。其中，对于进城务工并将闲置宅基地进行市场化配置的农民，主要通过村委会所建立的微信群发放电子问卷获取数据；对于将多余闲置宅基地进行市场化配置的农民，主要通过对村庄实地调研、集中居住区调查和入户访谈等线下方式获取问卷数据。调查主要采用参与式农村评估法（participatory rural appraisal, PRA）和抽样、整群等调查法；调查过程中调查员与农户，就其参与市场化配置风险感知等问题，从配置前后两个时间节点进行对比作答。调查样本量依据Scheaffer抽样公式初步确定为1 600份，实际调查中，回收有效问卷1 573份，经有效检验剔除无效样本，用于模型分析的样本共1 465个，有效率93.13%。其中，就地直接入市的样本325份；规划调整入市的样本585份；复垦指标入市的样本415份；复绿指标入市的样本140份。

3 结果与分析

3.1 基于可变模糊集的市场化风险评估

在识别风险来源前，需要评估农户闲置宅基地市场化配置的风险等级。农户闲置宅基地市场化配置的风险等级分布如表3所示。

表3 不同配置方式下宅基地市场化配置的风险等级分布Table 3 Risk level distribution of market-oriented allocation of homestead under different patterns%

基于可变模糊集的宅基地市场化风险评估表明：不同配置方式下宅基地市场化配置的风险等级大体一致，均呈现“两头低，中间高”的分布格局。具体看，就地直接入市、复绿指标入市、复垦指标入市、规划调整入市的中风险以上样本占比分别为43.38%、32.14%、13.73%、12.99%，前两者显著高于后两者。究其原因：对于就地直接入市，长期以来，宅基地就地入市流转被严格限制，但随着城乡融合发展带来的农村土地价值升温，在经济发展或区位条件较好地区的宅基地“隐性入市交易”屡禁不止。由于这种市场交易行为缺乏法律保障，加之农民缔约意识淡薄，纠纷案件频发，由此可能导致采取该方式市场化配置宅基地的整体风险较高；对于复绿指标入市，调查发现，宅基地复绿的补偿标准较低，并且缺乏健全的“生态券”（林票、草票等）交易市场，因此不完备的市场交易体系可能推高该配置方式的整体风险；对于复垦指标入市，重庆“地票”交易制度，历经10多年的探索实践，交易规则和分配机制已日趋完善，故施行该配置方式的整体风险偏低；对于规划调整入市，当前集体经营性建设用地入市已经入法，且有较为成熟的交易规则与风险规避制度体系，因而该配置方式的总体风险最低。

3.2 基于随机森林算法的市场化风险识别

3.2.1 模型优化

随机森林模型可以度量各特征变量（观测变量）的重要性，故采用式（4）计算不同配置方式下观测变量对农户宅基地市场化配置感知风险的贡献率，并分别对4类市场化配置方式的模型进行优化。由于模型优化步骤高度同质化且篇幅有限，本文仅给出就地直接入市的模型优化策略。使用Python编程语言调用Numpy、Pandas、Random Forest Classifier等库，对样本数据进行机器学习算法模拟，初步输出模型精度为76.92%。鉴于模型精度较低，识别结果可能不准确。因此，为提升模型精度，本文采取两种策略对模型进行优化。

1）降维。尽管随机森林算法能够克服观测变量间可能存在多重共线性的问题，但仍需考虑观测变量规模对模型精度的影响。鉴于此，本文对观测变量集合实施降维，主要步骤如下：移除平均下降精度指数最低的观测变量并重新构建集合；重复此过程直至潜变量即将出现因素层缺失，即该潜变量的所有观测变量被移除；比较不同观测变量维度下模型精度，找出最适宜观测变量规模。逐步降维过程中不同维度观测变量的平均下降精度指数的变化见图3，当观测变量集合由14维降到8维后，文化传承风险的观测变量仅剩1项且即将被移除，降维过程终止。通过比较8～14维特征集模型的精度发现，8维特征集模型的精度最高。因此，本文采用此观测变量的最优集合进行超参数调优。

图3 逐步降维过程中不同维度观测变量的平均下降精度指数Fig.3 Mean decrease accuracy index of observed variables of different dimensions during stepwise dimensionality reduction

2）超参数调优。本文采用网格搜索法优化随机森林模型8维特征集的超参数，并输出超参数最优取值。同时，采用交叉验证法测试随机森林模型的精度。五折交叉验证（five-fold cross-validation）是机器学习常用的算法精度测试方法。其主要步骤如下：首先，将就地直接入市的325份样本数据平均分为5份，随机选取4份作为训练数据，另外1份作为测试数据；然后，重复上述过程5次，使得每1份数据都能成为1次测试数据；最后，取5次结果的平均值为测试精度。超参数最优取值如下：弱学习器的最大迭代次数（n_estimators=“200”）；叶子节点最少样本数（min_samples_leaf =“10”）；内部节点再划分所需最小样本数（min_samples_split =“30”）；决策树最大深度（max_depth =“7”）；对特征的评价标准（criterion =“gini”）。

综上，实施优化策略后，8维特征集的VFS-RF模型精度上升到83.18%。

3.2.2 识别结果及风险机制分析

由于不同市场化配置方式的风险来源存在异质性，实施模型优化策略后（4种配置方式的模型精度均达到80%以上，限于篇幅，不再赘述），观测变量的规模和权重可能存在差异（图4）。突出致险因子为不同配置方式权重最大的观测变量。在此基础上，以潜变量为纲加总观测变量的权重，得到不同方式下各类风险的占比，即农户宅基地市场化配置的风险识别结果（表4）。

表4 不同配置方式下的风险识别结果Table 4 Risk identification results in different patterns%

图4 不同配置方式下观测变量的权重Fig.4 Weights of observed variables in different patterns

1）就地直接入市

就地直接入市配置中，农民权益风险最高（46.74%），而文化传承风险最低（4.76%）。对于农民权益风险较高的原因，一是农民退宅补偿标准和增值收益分配比例偏低。一方面，在现行制度下，法律规定按土地原用途补偿而与土地未来规划的用途无关，这就忽视了宅基地的发展权，导致农户获得的退地补偿明显偏低[36]；另一方面，限于自身受教育程度及外部环境，农户处于信息和认知弱势的一方，对于增值收益分配比例的协商和制定，缺乏知情权、参与权、话语权，自身利益往往受到损害，无法公平分享宅基地市场化配置的增值收益。同时，农民作为“风险厌恶者”，在“生存理性”的主导下，避免风险是维持生计的必要选择；因而考虑到自身较弱的风险抵抗能力和改革试点政策的不稳定性，宁愿选择以短租的形式“隐形入市”，也不愿冒“失宅”风险。二是农民缔约意识淡薄。对样本进行描述性统计发现，采取就地直接入市的农户签订宅基地流转合同的比例较小且宅基地面积超标问题突出。根据地方有关对历史原因形成超标宅基地的文件规定，农民通过继承等方式合法拥有的宅基地，可以自愿有偿退出，不愿退出的实行有偿使用。囿于低标准的退宅补偿和额外的有偿使用费，农户作为理性的经济人，可能更偏好近似“零成本”的隐性流转。这一点也在调查中得以印证，表现为农户和宅基地受让人主要通过口头约定（占比78%）而非正式合同达成协议。然而，非正规的缔约程序没有对流转双方的权利与义务进行明确约定，缺乏法律保障，这导致因农民缔约意识淡薄而产生的宅基地流转纠纷频发。对于文化传承风险最低的原因，近年来重庆部分地区对于具有历史文化价值和地方特色的闲置宅基地，结合传统村落保护工程，采取了修葺保留的处置方式。如，大足区高升镇双牌村的“徐家大院”，在镇政府的合理修缮和重点保护下，2017年被列入《中国第五批传统村落名录》。

2）规划调整入市

规划调整入市配置中，社会稳定风险最高（35.66%），原因可能是宅基地市场化配置收入分配失衡引起的：既表征为农户、村集体和地方政府分配比例的失衡，又体现在农户间收益分配不均。从实地调查看，尽管调查区积极探索宅基地入市收益分配制度，尝试建立诸如宅基地增值收益分配调节金、“三分两不分”等机制，但地方政府作为“参与者”和“调控者”的双重身份，其在确定分配方案的同时带有自利性倾向，农民利益可能会被边缘化对待，导致收益分配不够合理。此外，出于土地集约节约利用和扩大投资的需要，规划调整入市的宅基地大多分布于集体经营性建设用地周围，相对于区位分布偏远、资源禀赋贫乏的宅基地经济价值更高，在宅基地市场化配置的过程中可以获得更多的收益，演化成为扩大区域贫富差距的“食利群体”，引发农户间收益分配失衡。生态环境风险较低的原因可能是调查区在推进规划调整入市的过程中，强化各类规划指引，同时在规划调整入市区域，积极开展生态修复工作，强化农村人居环境整治，生态环境风险较低。

3）复垦指标入市

复垦指标入市配置中，耕地保护风险（29.13%）和社会稳定风险（24.86%）较高，而集体收益风险较低（2.05%）。对于耕地保护风险较高的原因，从耕地数量看，尽管行政管制不断强化，农村仍然存在农房建设无序、侵占耕地等乱象，耕地数量保护任务艰巨；从耕地质量看，重“复垦指标”轻“复垦质量”导致耕地质量保护有所下降。集体收益风险较低的原因可能是调查区重视保障集体收益。对于复垦指标入市，国家提留后的剩余增值部分在复垦区与建新区分配，原则上按照剩余增值收益的30%返还复垦区、70%返还建新区的比例进行分配，体现出对复垦区转移宅基地发展权的补偿。此外，集体经济组织留存的收益比例不低于纯收益的30%，剩余部分在集体经济组织成员内部按照“三分两不分”的分配办法公平合理分配，因而集体收益较为稳定。

4）复绿指标入市

复绿指标入市配置中，农民权益风险最高（34.24%），而生态环境风险最低（1.20%）。但不同于就地直接入市配置方式，农民权益风险居于首位的原因可能是：缺乏健全的林票、草票等“生态券”市场交易体系。近年来，重庆市不断扩展地票功能与复垦范围，将地票制度中的复垦类型从单一的耕地，拓展为林地、草地等类型。然而，复绿指标入市还处于探索阶段，市场交易体系的构建尚未完善，可能会造成农民权益受损。对于生态环境风险较低的原因，通过复绿指标入市，将布局分散、距离城镇或中心村较远、地处生态脆弱区或被林地包围的闲置宅基地复垦为林地等生态用地，既守护了绿水青山，也实现了土地资源的节约集约利用。此外，调查区积极实施的生态修复工程和强化农村人居环境整治，也是生态环境风险较低的原因。

5）4种市场化配置方式识别结果异质性分析

识别结果也表明，同一类风险可能在不同的配置方式下存在一定差异。农民权益风险识别结果在就地直接入市、规划调整入市和复绿指标入市3种配置方式中较高，而在复垦指标入市中较低（8.59%）。原因是后者依托的地票交易制度在交易规则和分配机制等方面较为完善，农民能够获得比较稳定的收益保障。耕地保护风险识别结果在复垦指标入市中最高（29.13%），而在其他三类配置风险中识别结果较小，原因可能是相较于其他配置方式，复垦指标入市中对于宅基地复垦管理存在“重复垦、轻验收，重数量、轻质量”等问题，导致复垦耕地质量下降。集体收益风险识别结果在复绿指标入市中最高（24.95%），而在复垦指标入市中最低（2.05%），前者可能是因为森林覆盖率指标交易作为重庆施行“复绿指标入市”的主要载体，相关“生态券”市场的价格机制和分配办法尚处于探索阶段，集体收益容易受到损害；后者可能是复垦指标入市中，有较为成熟的地票收益分配机制，农民和村集体按照85:15的比例分享“地票”溢价收益，集体收入得到有效保障。社会稳定风险识别结果在规划调整入市中最高（24.86%），原因可能是相较于其他配置方式，规划调整入市的宅基地通常为规划所覆盖，发展权价值与补偿较高，也更容易唤起失地农民的维权意识。生态环境风险识别结果在复垦指标入市中较高（18.64%），而在其他配置方式中偏低的原因是：相较于其他配置方式，复垦指标入市中，复垦作业施工可能会对周边生态环境产生负外部性；同时，复垦质量不达标而撂荒的耕地对农村人居环境的改善构成影响。文化传承风险识别结果在复垦指标入市中较高（16.73%），而在其他三类配置方式中较低，主要是因为一些村庄在复垦指标入市过程中盲目以“空间”换“资金”“大拆大建”，忽视对传统村落的保护，使得聚落文化传承面临挑战。

3.3 风险防控策略

农户宅基地市场化配置的风险防控既需要“因时而动”，也依赖“多方合力”。从防控阶段看，恰当的时机对风险干预意义重大；从防控主体看，农民、村集体和地方政府可以发挥各自优势，有效降低风险；从风险类型看，不同配置方式的风险来源存在异质性，需分类防控。鉴于此，本文尝试从“事前预防”“事中防控”和“事后防范”3个维度，基于不同配置方式下的突出致险因子，差异化构建农民、村集体和地方政府多主体共担共治的风险防控策略（图5）。由于v1观测变量在4种市场化配置方式中权重均较高，属于宅基地市场化配置的突出共性风险，须整体防控；而本文的目的旨在探讨不同配置方式的差异对比。因此，在下文的分类防控中暂不考虑v1的影响。综上，不同配置方式的突出致险因子如下：就地直接入市，v3（19.21%）；规划调整入市，v10（24.79%）；复垦指标入市，v5（21.88%）；复绿指标入市，v6（24.95%）。

图5 农户宅基地市场化配置的风险防控策略Fig.5 Risk prevention and control strategies of marketization allocation of rural household homestead

合法有效宅基地流转合同的签订情况（v3）显著影响宅基地“就地直接入市”的风险。结合前述风险识别结果和机制分析，就地直接入市下农户宅基地市场化配置的风险应更加注重“事前预防”。一是地方政府可以深化宅基地“三权分置”改革为抓手，堵不如疏，适度放开宅基地流转的范围，回应农户合理诉求；二是村集体应强化宅基地所有权主体的法定地位，在宅基地就地直接入市中发挥交易引导、合同订立、基建支撑、风险担保等重要作用；三是农户应自觉学习宅基地入市相关法律政策，增强缔约意识和谈判能力，切实维护自身合法权益。

宅基地入市收益分配（v10）显著影响宅基地规划调整入市的风险。结合前述风险识别结果和机制分析，规划调整入市下农户宅基地市场化配置的风险应更加注重“事前预防”和“事后防范”相结合。结合实证风险定量识别结果，本文认为：对于“事前预防”，村集体应加大规划调整入市相关政策的宣传力度，为农民朋友答疑解惑，厘清入市范围、怎么入市、收益分配等问题，提升其制度信任水平。现有研究表明，制度信任能减轻风险感知对农户宅基地退出行为的负面影响，从而降低农户因信息不对称而认为收益分配存在不均、失衡的社会稳定风险[37]；对于“事后防范”，由于宅基地资源禀赋和农户诉求的异质性，单一的货币补偿难以满足农户多样性需求，地方政府应总结既往规划调整入市的经验教训，探索形成货币补偿、实物补偿、建设补偿等混合补偿模式。

耕地质量（v5）显著影响宅基地复垦指标入市的风险。结合前述风险识别结果和机制分析，复垦指标入市下农户宅基地市场化配置的风险应更加注重“事中防控”和“事后防范”相结合。结合实证风险定量识别结果，本文认为：对于“事中防控”，地方政府要坚持“先补后占、占补平衡、数质对等”的用地模式，严格设定复垦条件，严格复垦验收把关，加大督查力度，杜绝出现“占好地、补劣地”的现象；对于“事后防范”，村集体应加强复垦耕地质量的长期监控工作，关注耕地土壤肥力，定期组织专业人员对耕地地力恢复进行评级，守好耕地质量红线。

集体收益情况（v6）显著影响宅基地复绿指标入市的风险。结合前述风险识别结果和机制分析，复绿指标入市下农户宅基地市场化配置的风险应更加注重“事前预防”。结合实证风险定量识别结果，本文认为：一是加快健全“生态券”市场交易体系，完善复绿指标入市收益分配机制；二是实行指标反哺。为避免因“生态券”交易致使农村建设用地指标过度流失，在“指标”落地时按一定比例将指标无偿提供给产出地使用或者从国家计划指标中在应下达指标的基础上按指标面积的一定比例优先安排给产出地使用。

4 结 论

本文采用耦合数学模型和机器学习算法，分类定量识别农户宅基地市场化配置的感知风险，并基于突出致险因子差异化分析风险防控策略。结果表明：

1）宅基地市场化配置风险评估结果表明，4种配置方式下农户宅基地市场化配置的风险等级总体呈现“两头低，中间高”的类正态分布。具体而言，就地直接入市（43.38%）和复绿指标入市（32.14%）中风险以上发生的概率显著高于复垦指标入市（13.73%）和规划调整入市（12.99%）。

2）宅基地市场化配置风险识别结果表明，各类入市风险因子存在一定的差异。具体而言，就地直接入市的农民权益风险（46.74%）较高，而文化传承风险（4.76%）较低；规划调整入市的社会稳定风险（35.66%）较高，而生态环境风险（5.85%）较低；复垦指标入市的耕地保护风险（29.13%）较高，而集体收益风险（2.05%）较低；复绿指标入市的农民权益风险（34.24%）较高，生态环境风险（1.20%）较低。

3）4类宅基地市场化配置风险机制存在一定的差异，同时同一风险因素可能对宅基地市场化配置产生不同的影响。

4）农户宅基地市场化配置的风险防控需结合不同配置方式的突出致险因子分阶段、分主体协同防控。具体而言，就地直接入市应联合地方政府、村集体和农户，注重“事前预防”；规划调整入市中村集体应注重“事前预防”，而地方政府应注重“事后防范”；复垦指标入市中地方政府应注重“事中防控”，而村集体应注重“事后防范”；复垦指标入市中地方政府应注重“事前预防”。

5）随机森林这类“有监督”的机器学习算法模型能够有效避免指标之间多重共线性的影响，有效克服评价结果“过拟合”的缺陷，输出指标的因子贡献率，精准识别农户宅基地市场化配置的感知风险，因而其与其他风险识别的方法相比，具有明显优势。

本研究主要从农户感知风险视角构建指标体系，识别农村闲置宅基地市场化风险问题；实际上农村闲置宅基地市场化配置风险的识别，也应考虑行政管理视角的风险指标，但是当前三权分置改革中农村闲置宅基地市场化配置相关宏观指标，难以获得统计，故而本文主要从微观农户风险感知视角构建指标，这也为当前农村闲置宅基地配置风险评估提供一种思路。此外，本研究以重庆市典型宅基地制度改革试点为调查区，尽管这些典型试点地区，长期负责探索农村闲置宅基地市场化配置路径，有较为丰富的经验积累，具有一定的代表性，但未来我国东中西部多试点的调查，将使得研究更具有普遍意义，这是本文的研究不足和未来深化研究的方向。

综上所述，展望未来闲置宅基地市场化配置深化改革的方向：第一，宅基地市场化配置改革应遵循“稳慎推进”的总基调，其并非是与国有土地同等的完全市场化，而是基于三权分置背景下的有限市场化；第二，宅基地市场化配置应避免同质化、一刀切的模式，即农户宅基地市场化配置只有与各地实际“适配”的模式，没有放之四海而“最优”的模式；第三，亟需建立“农民、村集体、地方政府”共享共荣的收益分配机制和共担共治的风险规避系统，做到“因时而动-多方合力-分类防控”；第四，推动构建宅基地市场化配置风险数据库。将既往宅基地市场化配置风险相关数据载入数据库形成大数据样本训练集，采用多种机器学习算法组合预测风险，推动宅基地市场化配置改革行稳致远。