不同类型耕地流转去向对耕地非粮化的影响

■ 赵羚诣/彭海英

（云南财经大学 国土资源与持续发展研究所，昆明 650221）

为适应现代农业专业化、规模化等发展需求，中国政府致力于通过鼓励农村土地经营权流转解决农地经营细碎化问题，推动农地适度规模经营[1-2]。然而，由于种粮比较收益低，各方农业经营主体在经济利益驱动下，更倾向于在流转农地上种植高经济收益作物或发展养殖业等，从而挤占了粮食生产空间，加速了耕地“非粮化”，一定程度上威胁到国家粮食安全[3]。因此，有必要深刻认识和理解不同类型耕地流转去向对耕地“非粮化”的影响，从而为稳定粮食生产、规范农地流转、遏制耕地“非粮化”提供科学基础。

关于农地流转与农地“非粮化”之间关系的研究较为丰富。从研究内容来看，大致可分为两类，一类是对流转耕地上“非粮化”种植行为的研究，另一类是对农地流转是否导致“非粮化”的研究。易小燕等针对农户转入耕地的“非粮化”种植行为与种植规模开展研究，发现转入耕地的非粮化率显著高于自有耕地的非粮化率，同时年流转租金对转入耕地上的“非粮化”种植行为与规模产生显著正向影响[4-5]；张宗毅等、罗必良等、刘航等研究发现，当农户通过土地流转实现小规模经营时，其耕地“非粮化”倾向较高，而随着经营规模不断扩大，非粮作物种植比例逐渐下降[6-8]。从研究方法来看，主要采用数据收集方法，即基于农户层面的问卷调查或农村固定观察点调查，分析方法主要采用不同类型的回归模型。从研究尺度来看，大多数研究样本虽然涉及全国多个省（自治区、直辖市），但最终仍落脚于农户层面[9-11]，基于全国宏观经济数据所开展的研究目前还不充分。从研究对象来看，现有针对农地流转影响“非粮化”研究的聚焦主体为农户，按照经营特征将农户划分为不同类型，研究不同类型农户在农地流转过程中的“非粮化”行为，而聚焦其他类型农业经营主体“非粮化”行为的研究较少。张茜等、孙艳等研究认为，家庭农场、种植大户本应是粮食生产规模经营的有效主体，但两者均呈现出不同程度的“非粮化”倾向[12-13]，这与政府扶持规模化经营的初衷相背离，一定程度上对粮食安全构成新威胁[14]，因此探寻实现粮食生产专业化、经营规模化的有效主体显得尤为重要。

本文基于2011—2020年中国30个省（自治区、直辖市）（因数据可得性，本文研究对象不包括西藏自治区，香港、澳门两个特别行政区，中国台湾地区）的面板数据，利用静态面板数据模型考察不同类型的耕地流转去向（本文用“流转入农户的耕地面积比例”“流转入专业合作社的耕地面积比例”“流转入企业的耕地面积比例”“流转入其他主体的耕地面积比例”来表征）对耕地“非粮化”的影响，同时引入耕地流转的粮食种植用途（本文用“流转用于粮食种植的耕地面积”来表征）作为中介变量，基于中介效应模型探讨三者之间的传导机制，以期为实现粮食生产规模化经营、保障国家粮食安全、遏制耕地“非粮化”提供科学依据。

1 模型构建与变量说明

1.1 中介效应模型构建与检验

本文借助静态面板数据模型，通过选取流转用于粮食种植的耕地面积作为中介变量来分析耕地流转去向对耕地“非粮化”的影响。参照Baron等的方法[15]，构建如下中介效应模型：

式中，下标i和t分别表示省（自治区、直辖市）和年份；Y表示耕地“非粮化”率；X表示耕地流转去向；M表示流转用于粮食种植的耕地面积；C为控制变量；εit为随机误差项；ηi表示个体效应，用于控制各省（自治区、直辖市）的特有性质；α1表示不同类型耕地流转去向的转入耕地面积影响耕地“非粮化”率的总效应；λ1表示不同类型耕地流转去向的转入耕地面积影响耕地“非粮化”率的直接效应；β1×λ2表示不同类型耕地流转去向的转入耕地面积通过流转用于粮食种植的耕地面积传导到耕地“非粮化”率的间接效应（也称为“中介效应”）。总效应（α1）=直接效应（λ1）+间接效应(β1×λ2)，若直接效应λ1=0，则为完全中介效应，否则为部分中介效应。中介效应传导机制如图1所示。

图1 中介效应传导机制[16]

本文参照温忠麟等提出的中介效应检验方法[16]。首先检验式（1）中各个核心解释变量影响被解释变量的回归系数α1，若未能通过显著性检验，则中介效应检验结束；反之进入下一步，依次检验式（2）中各个核心解释变量影响中介变量的回归系数β1，以及式（3）中中介变量影响被解释变量的回归系数λ2；若β1和λ2两者同时通过显著性检验，则进一步检验式（3）中各个核心解释变量影响被解释变量的回归系数λ1是否通过显著性检验，若λ1通过检验，表明中介变量具有部分中介效应，不通过则表明中介变量具有完全中介效应；若β1和λ2至少存在一个系数不显著，则对其进行Sobel检验，若满足显著性检验要求则存在中介效应，若不显著则不存在中介效应。

常用的静态面板数据模型估计方法有两种，分别是固定效应模型和随机效应模型，二者各有优劣，本文在后续测算时采用修正的豪斯曼检验（Hausman）以确定最优的估计方法。豪斯曼检验的原假设为“使用随机效应模型”，若检验结果显著拒绝原假设，则采用固定效应模型，否则采用随机效应模型。

1.2 指标变量选取与说明

被解释变量：耕地“非粮化”率。本文中的耕地“非粮化”指的是耕地内部种植结构的变化，即耕地由种植粮食作物转变为种植非粮食作物。孟菲等认为，耕地“非粮化”应着重体现出耕地上农作物种植结构的变化过程，不只是非粮作物种植面积的绝对增减，而更应强调种植比例的变化[17]。因此，本文以“非粮作物播种面积占农作物总播种面积的比例（Y）”来度量耕地“非粮化”倾向。

核心解释变量：耕地流转去向。本文采用《中国农村经营管理统计年报》的分类方法，将家庭承包耕地流转去向分为四类，并用各自的转入面积占家庭承包耕地流转总面积的比例来度量不同类型耕地流转去向的数量多寡，分别为流转入农户的耕地面积比例（X1）、流转入专业合作社的耕地面积比例（X2）、流转入企业的耕地面积比例（X3）、流转入其他主体的耕地面积比例（X4）。靳卫东等研究证明[42]，土地流转一方面提高了土地经营的集约化程度，另一方面显化了土地租金从而导致土地经营“非农化”和“非粮化”。对耕地流转进行分类研究，有助于进一步揭示不同耕地流转去向对耕地“非粮化”的影响差异。

中介变量：耕地流转用途。本文主要关注耕地流转后的粮食种植用途，耕地流转后的其他用途不作为本文的关注对象，因此，只采用“流转用于粮食种植的耕地面积（M）”作为中介变量。

控制变量：根据既有相关研究，影响耕地“非粮化”的因素较多，本文将不同类型耕地流转去向以外可能导致耕地“非粮化”的其他因素作为控制变量，主要分为四类[17-18]。用单位农用地面积劳动力（C1）、单位耕地面积有效灌溉率（C2）、单位农用地面积机械总动力（C3）表征农业生产条件；用地方财政农林水事务支出占地方财政一般预算支出的比重（C4）表征地区政策倾斜于农业的程度；用城乡居民人均可支配收入比例（C5）表征城乡收入差距，即农村居民人均可支配收入占城镇居民人均可支配收入的比重越大，则城乡居民人均可支配收入差距越小。一般认为，农业劳动力流失会促使农户增加劳动力投入少的经济作物的种植比重[17]，耕地灌溉条件好的地区粮食种植比重较高[18]，农业机械化水平对不同作物种植的影响效果不同[17]；地方财政农林水事务支出比重越高一定程度上代表着农业补贴增多，农业补贴对提高粮食种植发挥正向引导作用[17]；城乡居民收入差距越大，农户会倾向于种植高收益作物以赚取更多利润[18]。由此可见，劳动力数量、耕地灌溉条件、农业机械化水平、财政支持农业程度及城乡收入差距对耕地“非粮化”产生显著影响，因此需作为控制变量放入模型中以保证结果的准确性。具体指标变量选取与测算见表1。

表1 指标变量选取与说明

1.3 数据来源与处理

本文选取2011—2020年中国30个省级行政区的面板数据，限于数据的可获得性，样本不包括西藏自治区、香港特别行政区、澳门特别行政区和中国台湾地区。在所涉及变量中，非粮食作物播种面积、农作物总播种面积、有效灌溉面积、农业机械总动力、地方财政农林水事务支出、地方财政一般预算支出、农村居民人均可支配收入、城镇居民人均可支配收入等数据来自国家统计局；家庭承包耕地流转面积、流转用于粮食种植的耕地面积、耕地总面积、农用地总面积、从事第一产业劳动力数量等数据来自《中国农村经营管理统计年报（2011—2018）》和《中国农村政策与改革统计年报（2019—2020）》。将原始数据按前文所述方法计算便得到各指标数据。

为使数据更加平滑，同时减弱模型回归中可能出现的异方差问题，首先对所有变量取对数处理，其中，对0值变量加1取对数处理，后续所有测算均以取对数后的数据作为原序列变量。其次，使用IPS单位根检验、LLC单位根检验与HT单位根检验共同验证面板数据的平稳性，结果显示所有变量均为一阶单整，同时KAO检验证明所有一阶变量与原序列变量间具有长期均衡关系，因此后续可以使用原序列变量进行面板数据模型回归。再次，通过多重共线性诊断发现，logC3与logC1的VIF值相近且均大于5，猜测二者间可能存在共线性，将logC3、logC1分别与LogY进行相关性检验后发现，logC1与结果无显著关系，因此手动剔除变量logC1，剩余变量间不再存在共线性。最后，本文使用固定效应模型，且均以一阶差分后的数据作为原序列代入模型计算，因此一定程度上缓解了模型的内生性问题。

2 结果与分析

2.1 2011—2020年中国耕地“非粮化”率的时空特征

图2展现了2011—2020年中国耕地“非粮化”率随时间变化的函数趋势。由图2可知，2011—2020年中国耕地“非粮化”率在0.285～0.305之间波动，总体呈现上升态势。图3展现了2011—2020年我国粮食产量、粮食单位面积产量及粮食作物播种面积变化态势。由图3可知，粮食产量与粮食单位面积产量的变化趋势完全吻合，均呈现上升趋势，虽然粮食作物播种面积在2016年之后出现下降态势，但并未影响粮食产量与粮食单位面积产量的上升态势。由此可见，在保证一定粮食作物播种面积的前提下，为消除耕地“非粮化”给国家粮食安全造成的威胁，提高粮食单位面积产量尤为重要[20]。“十三五”规划提出实施“藏粮于地、藏粮于技”战略[21]。“藏粮于地”战略的主要内容为在保证粮食相对充足的情况下，将部分耕地用于种植经济作物或实施轮作休耕，以提高农户收入并保养耕地地力；“藏粮于技”战略的目标是通过科学技术创新提高粮食单产、实现粮食生产现代化发展[22]。“藏粮于地、藏粮于技”战略有利于调和粮食安全与耕地数量和质量的矛盾，因此必须认真落实该战略，提高耕地的粮食综合生产能力和粮食单产能力，以消除耕地“非粮化”给国家粮食安全造成的威胁[23]。

图2 2011—2020年中国耕地“非粮化”率时序变化特征

图3 2011—2020年中国粮食产量、粮食单位面积产量及粮食作物播种面积变化趋势

表2反映了2011—2020年中国平均耕地“非粮化”率的空间分布特征及同期各省（自治区、直辖市）耕地“非粮化”率的变化趋势。由表2可知，2011—2020年中国平均耕地“非粮化”率大致呈现出由北向南逐渐升高的格局。10年间，华北、东北及长江以北的华东和华中地区部分省（自治区、直辖市）耕地“非粮化”率呈现下降态势，这些区域为我国粮食主产区，而华南、西南、西北地区所有省（自治区、直辖市）耕地“非粮化”率均处于持续上升态势，总体看，我国耕地“非粮化”形势较为严峻。

表2 2011—2020年中国30个省（自治区、直辖市）平均耕地“非粮化”率

表2同时反映了中国30个省（自治区、直辖市）2011—2020年的平均耕地“非粮化”率。由表2可知，上海、浙江、海南、新疆4 省（自治区、直辖市）2011—2020年的平均耕地“非粮化”率较高，已超过50%；其中，新疆维吾尔自治区的平均耕地“非粮化”率最高，达到54.19%；黑龙江省2011—2020年的平均耕地“非粮化”率最低，为6.68%。原因归结如下：新疆维吾尔自治区具有日照长、昼夜温差大的特殊光热条件，十分有利于发展特色种植业（红花、棉花等）与特色林果业（香梨、枸杞、葡萄等）[17,24]，同时受水资源短缺、土壤盐碱化、土壤贫瘠、风沙作用等因素限制导致耕地利用条件差，不利于种植粮食作物[25]；海南省具有光热丰富、雨水充沛、全年无夏的特殊气候资源，以及充足且多样的土地资源，十分有利于发展热带农业，天然橡胶、反季节瓜菜、热带水果等成为海南省的重点发展项目，同时受制于多丘陵的地形条件及较低的比较收益，海南省很难发展规模化粮食种植业[17,26]；浙江省同样受制于多山地丘陵的特殊地形条件，耕地面积较少且存在一定程度的水土流失，不利于种植粮食作物，始终是我国的粮食主销区之一[27-28]；上海市由于特殊的功能地位，致力于发展都市农业，主要目的为保障城镇居民基本农副产品供给安全，因此上海市郊区大多发展蔬菜、肉禽蛋奶等产业，粮食种植较少[29]；黑龙江省具有优越的农业生产条件，地形平坦、土壤肥沃、水资源稳定、日照充足，十分有利于粮食规模化生产，经过长期建设早已成为我国重要的商品粮基地[30]。由此可见，造成不同省（自治区、直辖市）耕地“非粮化”率差异的主要原因在于不同省（自治区、直辖市）具有不同的先天自然条件。

2.2 不同类型耕地流转去向对耕地“非粮化”的影响

表3为被解释变量l o g Y分别与核心解释变量l o g X1、l o g X2、l o g X3、l o g X4及控制变量之间的回归结果。由表3可知，logX2的回归系数为-0.0342，且在5%的显著性水平上通过检验，说明流转入专业合作社的耕地面积比例与耕地“非粮化”之间存在反向变动关系，即流转入专业合作社的耕地面积比例越高，越会抑制耕地“非粮化”倾向。由表3可知，logX3的回归系数为0.0924，且在1%的显著性水平上通过检验，说明流转入企业的耕地面积比例与耕地“非粮化”之间存在正向变动关系，即流转入企业的耕地面积比例越高，越会加剧耕地“非粮化”倾向。logX1与logX4未通过显著性检验，说明流转入农户的耕地面积比例与流转入其他主体的耕地面积比例对耕地“非粮化”的影响不显著。

表3 被解释变量与核心解释变量、控制变量的回归结果

由表3可知，流转入专业合作社的耕地面积比例与流转入企业的耕地面积比例对耕地“非粮化”的影响效果是完全相反的。原因在于，企业的目的是实现利润最大化，它不仅会利用农产品买卖双方的信息不对称来挤占农民利润，而且只会在有利可图时投资于农业生产，因此将耕地流转给企业并不能实现粮食稳定生产，企业反而可能会出于盈利目的将流转耕地用于其他用途，从而加剧耕地“非粮化”；专业合作社是由从事专业生产的农民自愿联合而成的互助性经济组织，将耕地流转给专业合作社，不仅能够通过产业规模化提升粮食生产的利润空间，而且有利于最大限度地保障种粮农户的利益不受侵害，同时改善粮食生产条件，保护并激发农户的种粮积极性，有效实现粮食生产规模化经营，从而抑制耕地“非粮化”倾向[32]。耕地流转是实现粮食生产规模化经营的必经之路[19]，因此想要通过土地流转实现粮食生产的稳定及规模化经营，将耕地流转给专业合作社相比于将耕地流转给企业，更加有效和可靠，可以说，专业合作社是粮食产业化经营的现实选择。

由于缺乏交易谈判的能力与地位，我国众多分散的小规模粮食经营农户位于市场信息传递链的末端，在粮食交易市场中始终处于弱势地位[31]，这些小规模粮食经营农户利益长期遭受挤压，导致种粮积极性低下，大多数农户不会贸然投入农机具来代替劳动力，完全凭自身意愿决定是否种粮。由于小规模粮食生产的行业进出门槛很低，粮食生产不稳定性极高，不利于国家粮食安全。因此，为保障国家粮食安全、稳定粮食生产，必须推动粮食生产规模化经营，解决粮食生产过程中的小规模经营与低收益等问题，将粮食生产过程中的各种要素统筹使用，如土地、资金、劳动力等。推动粮食生产规模化经营是保障我国粮食安全的必然趋势。一方面，粮食规模化经营通过劳动的专业化与标准化及农业机械的充分利用等途径，能够显著提高劳动生产率与种粮边际效益，实现规模经济、降低种粮边际成本。王倩等研究发现，随着转入土地面积的增加及农户投入增加，产业退出门槛变高，农户种粮投入动力增大[33]。另一方面，粮食规模化经营还要求实现粮食生产、加工、包装、销售等一体化经营，通过延长产业链直接增加粮食生产收益。然而，通过专业合作社推动粮食生产规模化经营需注意保持适度的土地经营规模。申云等、贾琳等、王善高等研究发现，粮食生产效率随着土地经营规模的扩大呈现先上升后下降趋势[34-36]，即存在一个能使粮食生产效率达到最高的最优土地经营面积，当土地经营面积超过最优值时，受制于农户的经营管理能力、劳动力、农业资本等因素限制，粮食生产效率会断崖式下降。申云等研究发现，种粮专业合作社的农地经营规模最好控制在600～1000亩之间以达到粮食生产效率最优。

2.3 不同类型耕地流转去向影响耕地“非粮化”的中介效应检验

首先，中介效应检验的前提条件是总效应系数α1显著不为0。表3实质上是对式（1）中各个核心解释变量影响被解释变量的回归系数α1的检验。由表3可知，logX2与logX3分别在5%与1%的显著性水平上强烈拒绝“回归系数为0”的原假设，α1logX2=-0.0342，α1logX3=0.0924，因此只需针对logX2与logX3进行后续的中介效应检验，不再对logX1与logX4进行中介效应检验。

其次，检验式（2）中各个核心解释变量影响中介变量的回归系数β1，以及式（3）中中介变量影响被解释变量的回归系数λ2。表4是对式（2）中各个核心解释变量影响中介变量的回归系数β1的检验。由表4可知，β1logX2=0.1540且通过1%的显著性水平检验，β1logX3=-0.0301未通过显著性检验。表5包含对式（3）中中介变量影响被解释变量的回归系数 λ2的检验。由表5可知，λ2logX2=-0.3161且通过1%的显著性水平检验，λ2logX3=-0.2916且通过1%的显著性水平检验。

表4 中介变量与核心解释变量、控制变量的回归结果

表5 被解释变量与核心解释变量、中介变量、控制变量的回归结果

根据中介效应检验步骤，由于logX2的回归系数β1logX2=0.1540与λ2logX2=-0.3161均通过显著性水平检验，接下来只需检验直接效应系数λ1是否通过显著性检验即可。由表5可知，logX2影响被解释变量logY的回归系数λ1logX2=0.0145未通过显著性检验，说明在核心解释变量logX2通过中介变量logM影响被解释变量logY的传导机制中，中介变量logM具有完全中介效应，中介效应系数为-0.0487。

根据中介效应检验步骤，由于l o g X3的回归系数β1logX3=-0.0301未通过显著性检验，λ2logX3=-0.2916通过显著性检验，在其中一个系数未通过显著性检验的情况下，需要对该条传导机制进行Sobel检验。表6是对核心解释变量logX3通过中介变量logM影响被解释变量logY的传导机制所进行的Soble检验。由表6可知，中介效应通过1%的显著性水平检验，说明在核心解释变量logX3通过中介变量logM影响被解释变量logY的传导机制中，中介变量logM具有部分中介效应，中介效应系数为0.0088。

表6 Sobel检验结果

根据上述中介效应检验结果，在流转入专业合作社的耕地面积比例与流转入企业的耕地面积比例分别影响耕地“非粮化”的作用机制中，中介变量“流转用于粮食种植的耕地面积”在其中起到了显著的中介效应作用。如图4所示，流转入专业合作社的耕地面积比例通过流转用于粮食种植的耕地面积的负向完全中介效应（-0.0487）加强了它对耕地“非粮化”的抑制作用，即流转入专业合作社的耕地面积比例越高，则流转用于粮食种植的耕地面积越多，从而有效抑制了耕地“非粮化”倾向；如图5所示，流转入企业的耕地面积比例通过流转用于粮食种植的耕地面积的正向部分中介效应（0.0088）加强了它对耕地“非粮化”的推动作用，即流转入企业的耕地面积比例越高，流转用于粮食种植的耕地面积越少，从而加剧了耕地“非粮化”倾向。

图4 流转入专业合作社的耕地面积比例影响耕地“非粮化”的中介效应传导机制

图5 流转入企业的耕地面积比例影响耕地“非粮化”的中介效应传导机制

在耕地流转入专业合作社从而抑制“非粮化”的传导机制中，流转用于粮食种植的耕地面积具有完全中介效应，说明耕地流转入专业合作社能较好抑制“非粮化”。其主要原因在于，耕地流转入专业合作社能显著提高流转耕地的粮食种植率。首先，专业合作社十分有利于粮食生产与交易。专业合作社只为农户服务，符合农户利益，它提供的社会化服务涉及粮食生产的各个环节，包括技术培训与指导、物资供应、金融与保险服务，以及农产品的包装、加工、运输、贮藏、销售等[37]，并且粮食生产各个环节均掌握在种粮农户自己手里，有利于实现粮食生产利润最大化。同时，专业合作社在市场上拥有更多的话语权，它代表众多小生产者采取的集体行动，有利于为种粮农户争取更多利益[19]。其次，专业合作社有利于实现国家的粮食宏观调控目标，它掌握农户售粮权，影响市场粮价的形成，避免农户“抛售”或“惜售”粮食导致的粮价大幅波动，减轻政府与国有粮食企业负担[32]。2007年实施的《农民专业合作社法》在加速和规范农民专业合作社总体发展的同时，明确规定优先扶持“生产国家和社会急需的重要农产品的农民专业合作社”，一定程度上推动了粮食类专业合作社的发展[38]。因此，耕地流转入专业合作社能显著提高流转耕地的粮食种植率，专业合作社一定程度上成为抑制耕地“非粮化”的有效主体，进一步证明专业合作社是粮食产业化经营的现实选择。

2.4 相关控制变量对耕地“非粮化”的影响

表3为相关控制变量对耕地“非粮化”的影响结果。由表3可知，模型1、模型2、模型3、模型4中的控制变量logC2、logC5通过了1%的显著性水平检验，且回归系数均为负数，说明单位耕地面积有效灌溉率、城乡居民人均可支配收入比例与耕地“非粮化”率存在反向变动关系，即单位耕地面积有效灌溉率越高，城乡居民人均可支配收入比例越大（即城乡居民人均可支配收入差距越小），越有利于抑制耕地“非粮化”趋势。

于法稳、冯颖等研究发现，有效灌溉率显著正向影响我国的粮食单产[39-40]，当单位耕地面积有效灌溉率越大时，越有利于粮食生产，从而对耕地“非粮化”产生抑制作用。ZHAO等研究发现，当城乡居民人均可支配收入差距越大时，种粮的比较收益越低，农民的种粮积极性越低[41]，从而导致农民的耕地“非粮化”行为，因此需致力于缩小城乡居民人均可支配收入差距以抑制耕地“非粮化”现象。

3 讨论与结论

3.1 讨论

政策效应是影响耕地“非粮化”的重要因素，土地制度改革、农业结构调整等实施过程中产生的部分影响可能加剧耕地“非粮化”倾向[43]。首先，农村土地承包经营权确权、农村集体经营性建设用地“入市”等土地制度改革，进一步推动了农村土地流转，激发了广大农民从事农业生产的积极性，使发展新型农业经营主体、推动农业适度规模经营成为可能[44]。但土地流转的同时会显化土地租金，从而强化农业经营主体的趋利动机，使种植经济价值更高的非粮食作物或者改变农地用途成为农业经营主体的理性选择，在种粮收入增长缓慢的情况下，土地经营的“非农化”或“非粮化”现象会加重[42]。其次，树立大粮食和大国土观、促进三元种植结构协调发展等农业结构调整措施，适应了居民食物结构的动态调整，使耕地和其他土地资源得以充分利用，缓解农产品进口压力[44]。但部分地方政府对农业生产结构调整的理解过于片面，出台政策倾向于发展蔬菜、畜禽、特色养殖、苗木花卉等高效农业项目，且对达到一定期限和规模的高效农业项目给予财政补贴，加上粮食补贴政策不完善、法律法规不配套等因素的影响，不利于发展粮食生产甚至挤压粮食生产发展空间[45]。

基于上述研究结果，本文为治理耕地“非粮化”现象提出以下几点对策建议：第一，办好粮食类农民专业合作社。鼓励农民自发进行土地流转，培育和发展适度经营的农户群体，并以之为主体组建粮食类农民专业合作社；改善农田水利等基础设施条件，为粮食类农民专业合作社的发展奠定基础；组建跨区域的合作联社，增强粮食类农民专业合作社的市场竞争力与谈判能力。第二，规范农村土地流转市场。制定全国性耕地流转价格指导标准，引导耕地流转定价处于合理水平；落实耕地用途监管责任，建立农村土地流转管理信息系统，加大耕地保护宣传力度，强化耕地流转后的用途管制。第三，完善种粮补贴政策。完善纵向粮补制度，适当加大对种粮主体的补贴力度，精准识别实际种粮主体；同时，横向协调粮补力度，中央财政可对粮食主产区省（自治区、直辖市）加大补贴倾斜，加大对产粮大县的奖励补助力度，并在粮食主销区建立对粮食主产区的利益补偿机制，按照粮食调入量支付经济补偿，从而平衡各省（自治区、直辖市）的粮食生产责任[46]。

3.2 结论

本文基于中国30个省（自治区、直辖市）2011—2020年间面板数据，重点研究了不同类型的耕地流转去向通过耕地流转的粮食种植用途这一中介变量对耕地“非粮化”水平的影响，得出以下结论：

(1)2011—2020年中国耕地“非粮化”率在28.5%～30.5%之间波动，10年间耕地“非粮化”水平呈现上升态势。为消除耕地“非粮化”给国家粮食安全造成的威胁，必须努力提高粮食单位面积产量，落实“藏粮于地、藏粮于技”战略。2011—2020年中国平均耕地“非粮化”水平大致呈现出由北向南逐渐升高的格局；上海、浙江、海南、新疆4省（自治区、直辖市）2011—2020年的平均耕地“非粮化”率已高达50%，黑龙江省2011—2020年的平均耕地“非粮化”率为全国最低，自然条件是造成不同省（自治区、直辖市）耕地“非粮化”率差异的主要原因。

(2)流转入专业合作社的耕地面积比例越高越有利于抑制耕地“非粮化”倾向，流转入企业的耕地面积比例越高越会加剧耕地“非粮化”倾向。事实表明，将耕地流转给专业合作社实现粮食生产规模化经营比将耕地流转给企业更加有效和可靠。推动粮食生产规模化经营是保障我国粮食安全的必然趋势，专业合作社成为粮食产业化经营的现实选择，通过专业合作社推动粮食生产规模化经营需注意保持适度的土地经营规模。

(3)在耕地流转入专业合作社对“非粮化”产生抑制作用的传导机制中，流转用于粮食种植的耕地面积所产生的负向完全中介效应加强了这种抑制作用；耕地流转入企业对“非粮化”产生推动作用的传导机制中，流转用于粮食种植的耕地面积所产生的正向部分中介效应加强了这种推动作用。耕地流转入专业合作社能显著提高流转耕地的粮食种植率，这是耕地流转入专业合作社能有效抑制“非粮化”主要原因。专业合作社一定程度上成为抑制耕地“非粮化”的有效主体。

(4)单位耕地面积有效灌溉率、城乡居民人均可支配收入比例与耕地“非粮化”率呈反向变动关系，可通过提高耕地有效灌溉率、缩小城乡居民人均可支配收入差距来抑制耕地“非粮化”倾向。耕地“非粮化”现象同样受政策效应影响。

(5)为有效遏制耕地“非粮化”倾向，可通过培育适度规模的农民群体、改善农田水利等基础设施、组建跨区域合作联社等措施推动粮食类农民专业合作社发展，引导耕地流转合理定价、加强流转后耕地用途管制等规范农村土地流转市场，通过完善横向和纵向粮食补贴制度等鼓励粮食生产。