农地制度创新“缓解撂荒”与“加剧非粮化”双向效应研究——以西南山区“三变”改革为例

韩德军，闫 照，宋 洋

（1.贵州财经大学公共管理学院，贵州 贵阳 550025；2.北京大学城市与环境学院，北京 100871；3.北京大学—林肯研究院城市发展与土地政策研究中心，北京 100871）

随着城市化、工业化持续发展，社会劳动生产率日益提高，以粮食种植为主的传统农业比较收益越来越低，广大农村出现了耕地撂荒与非粮化双重现象[1-2]，尤其以农业资源禀赋较差的山区最为突出，对粮食安全造成威胁。中共二十大报告提出，全方位夯实粮食安全根基，牢牢守住18亿亩耕地红线，确保中国人的饭碗牢牢端在自己手中。在全面推进乡村振兴、加快农业农村现代化进程中，以保障农民集体产权为核心的农村集体产权制度改革在全国各地深入推进，其中农地制度创新为这次改革的重要抓手，农地制度创新会通过影响撂荒[1]和非粮化[3]等耕地利用状态而对耕地保护和粮食安全产生深远影响，值得深入研究。

2011年发源于贵州六盘水舍烹村并于2016年在全省逐渐推开的“三变”改革，即“资源变资产、资金变股金、农民变股东”，是西部农村通过农地入股和多方投资方式实施的典型农村集体产权制度改革创新实践，曾于2017年和2018年两度被写入中央一号文件，其精髓是通过促进土地流转集中，盘活了闲置耕地资源[4]，最终缓解了耕地撂荒；然而，“三变”改革为选择回报率更高的农业经营项目[5]，通常种植经济作物，却加剧了非粮化。因此，“三变”改革对于耕地利用具有“缓解撂荒”与“加剧非粮化”双向驱动效应。有必要精准测度这种正反效应对耕地保护的均衡效果，并确定其内在机理，为实现粮食安全、加快农业农村现代化提供理论借鉴。

目前，学术界主要从宏微观两种尺度对耕地撂荒成因进行分析。从宏观区域尺度，运用遥感影像为主的多源数据及模型模拟等技术方法，研究得出城镇化与工业化快速发展是耕地撂荒的根本驱动力，农村劳动力析出导致农业劳动力大量减少是直接原因[1]；从微观农户尺度，通过典型抽样和入户调查等研究方法，研究得出农业比较效益低、山区农业生产条件差及家庭劳动力的缺少等原因导致了撂荒[6-7]。与此相比，非粮化成因主要来源于农地利用追求更高的比较收益从而调整种植结构[8]、高昂的农地流转价格[9-11]以及工商资本下乡的逐利性质[12-13]；另外，为了获取更高农业利润而扩大农地经营规模易引起非粮化生产[14]。在对“三变”改革的研究上，“三变”改革实质被认为是通过发展多种形式土地股份合作[4]、有效盘活农村闲置资源资产[5]、整合财政资金作为农民股份[15]等途径，促进了土地流转集中进行规模化经营、产业化发展[16]。因此，“三变”改革通过土地入股流转方式以及农业产业化发展等方式影响耕地撂荒与非粮化，进而影响耕地保护和粮食安全。目前，尚未有学者对“三变”改革中耕地撂荒和非粮化联动效应的探讨。

鉴于此，本文以“三变”改革过程中农地制度创新作为“准自然实验”，选取位于乌蒙山区三个地级市为研究区域，采用2011—2019年24个县域的平衡面板数据，构建双重差分模型识别“三变”改革的“缓解撂荒”与“加剧非粮化”双向效应并予以实证检验。为农村集体产权制度改革提供有针对性的政策措施，以期优化差别化耕地保护措施，为实现我国粮食安全提供政策参考。

1 理论分析与研究假设

两权分置的农地经营体制造成耕地利用过于分散，加之资本投入较少和劳动力质量降低等问题，传统农业的全要素生产率持续降低，这些问题在西南山区农村尤为突出。针对农村发展困境，在地方政府引导下，“三变”改革通过农村土地确权登记、量化入股来推动土地流转集中，对耕地利用状态产生影响。

1.1 “三变”改革现实背景、改革内容和政策工具

“三变”改革发源于西南山区资源禀赋有限的贵州省六盘水市舍烹村，当地曾为典型的内地贫困村。为了以农地资产撬动农村经济和产业发展，当地探索出“资源变资产、资金变股金、农民变股东”的农村改革创新模式。“资源变资产”实质是土地问题[17]，通过土地确权、量化入股方式将耕地资源转变为资产，耕地资产的盘活有利于减少耕地撂荒；农地产权制度创新激励“农民变股东”，通过土地经营权入股的形式，促进了分散的土地资源流转集中，促使其规模化、机械化经营，有效缓解了耕地撂荒趋势；同时，“资金变股金”，通过财政杠杆撬动社会资本[4]，引进工商资本，有学者指出“三变”改革的根本意义，在于其能够把农村集体和农民个人的资产盘活，用于回报率更高的农业经营项目[5]，却会导致农地经营走上非粮化道路。

1.2 “三变”改革对耕地撂荒的影响

根据恰亚诺夫的农户经济理论[18]，拥有耕地使用权条件下，农户农业经营行为存在以下几种可能：自我耕作、流转他人和撂荒耕地。而实现农业现代化的必要条件之一是提高劳动生产率，一般可以通过三种方式：耕种高附加值作物[19]、采用机械化或者提高耕地规模[20]。

在地处我国西南山区的贵州省，当农户采用自我耕作行为进行农业经营时，以上三种方式都难以实现。首先，由于经济基础薄弱，西南山区农户在本地的非农就业机会十分有限，另因耕地资源禀赋条件较差，在比较利益驱动下，其更倾向于外出务工，很难采取兼业方式从事农业生产。首先，耕种高附加值的农作物需要大量农业劳动力，因此，在外出务工的情况下农户无法实现高附加值耕种；其次，山区地形条件限制了农业机械化发展，农户自主经营的情况下，提高机械化作业水平也很难实现；再次，山区耕地破碎化严重，加之家庭耕地数量有限，致使农户无法实现规模化经营。另外，受资源禀赋、社会保障和经济效益等条件约束，山区自发耕地流转受到极大限制。综上所述，山区极易导致耕地的高撂荒率。

在农村劳动力大量流失情况下，西南山区农村耕地撂荒现象十分突出[1]。通过提高劳动生产率，“三变”改革以新型农业经营主体“替代”农户进行农业生产，充分盘活了农村分散闲置的耕地资源，缓解了耕地撂荒。基于此，本文提出假设1：“三变”改革具有有效缓解耕地撂荒效应。

1.3 “三变”改革对耕地非粮化的影响

“三变”改革中的“资源变资产”是通过产权制度改革形式将村集体土地入股到新型农业经营主体进行规模化生产。因此，在分析“三变”改革对非粮化影响时应基于经营主体视角。通过催生农业内部经营主体发育和引入工商资本下乡，“三变”改革使得农村现代产业获得长足发展，与近乎零成本获得耕地承包经营权的农户相比，新型农业经营主体对规模经营土地更加考虑成本收益以及风险规避问题，而种粮则面临成本高收益低的问题，对于具有逐利本质的工商资本来说则更加倾向于非粮种植；另外，“三变”改革促进了农村二、三产业发展，因此，更加倾向于采用农旅结合或特色农业种植模式，最终导致非粮化趋势。基于此，本文提出假设2：“三变”改革具有加剧耕地非粮化效应。

值得注意的是，对于政策性改革来说，一般会产生预期效应或者滞后效应，“三变”改革一般要经过较长的前期设计、工作协调，需要对实施村进行大量的投资和规划建设，因此，其政策效果也会在改革实施的一定时间后才逐渐显现出来，一般来说，改革推进越久，其效果越明显。研究区域“三变”改革是持续稳步推进的，其对于撂荒和非粮化影响也是一个动态变化过程，随着“三变”改革不断持续深化，在其实施的不同时段对耕地撂荒与非粮化产生不同程度影响。基于此，本文提出假设3：“三变”改革对耕地利用状态的影响是一个动态变化过程，其影响是持续性的，在一定条件下，时间越久，影响程度越明显。

基于上述理论分析，可以看出“三变”改革的实施路径并非只对耕地撂荒或非粮化起到各自单方面的影响，其影响是双向的，“三变”改革对耕地撂荒与非粮化双向影响的理论分析如图1所示。

图1 “三变”改革对耕地撂荒与非粮化双向影响机制Fig.1 Two-way impact mechanism of “three changes” reform on farmland abandonment and non-grain conversion

2 模型设定、变量说明与数据来源

2.1 模型设定

2.1.1 DID基准模型

双重差分法（DID）既能控制样本之间不可观测的个体异质性，又能控制随时间变化的不可观测总体因素的影响，由此得到对政策效果的无偏估计[21]。“三变”改革路径提供了一个“准自然实验”：一方面造成了同一个地区改革前后的差异；另一方面又造成了在同一时点上实施改革与未实施改革地区之间的差异；同时“三变”改革又被看作是一项政策试验，对于这种政策的效果适用DID方法进行评价与分析。因此，本文试图利用双重差分模型对“三变”改革影响耕地撂荒与非粮化双向政策效应进行识别。具体而言，将六盘水市各县域视为处理组，曲靖市、昭通市各县域视为对照组。

基于上述分析，本文借鉴谢先雄等[22]的做法，引入双向固定效应对双重差分模型进行估计，既能控制“个体固定效应”，又能控制“时间固定效应”，从而控制不随时间和个体而变的两类遗漏变量，克服可能存在的内生性问题，有效减少时间效应和个体效应对本研究识别效果的影响。具体模型设定如下：

式（1）中：i和t表示县域与年份；Yit为衡量耕地撂荒与非粮化的被解释变量；Treat为政策实施变量，Treat=1表示该县实施了“三变”改革，即六盘水市各县域，Treat=0表示该县未实施“三变”改革；T为时间分组变量，T=1 表示在“三变”改革实施期间，为2014—2019年，T=0表示在“三变”改革实施前，为2011—2013年；xit为控制变量；γ i为不随时间变化的县域固定效应，用以解决不随时间而变的个体遗漏变量问题；δt为时间固定效应，用以解决不随个体而变的遗漏变量问题；εit表示随机误差项；β0、β1、β为待估参数。根据双重差分模型的基本原理，本文重点关注交叉项Treat×T的系数β1，其代表剔除了其他干扰因素之后，“三变”改革对耕地撂荒与非粮化影响的净效应。考虑到回归中可能存在的异方差和自相关问题，采用县域层面的聚类稳健标准误进行估计。

2.1.2 平行趋势检验与政策的动态影响分析

DID 模型估计的有效性依赖于平行趋势假设的成立，即在政策干预时点之前，实验组和对照组的耕地撂荒与非粮化情况在时间上的变动趋势是一致的。参考NUNN 等[23]的做法，本文构建如下模型以检验平行趋势假设：

2.2 变量说明

（1）被解释变量。撂荒是农业用地被利用和管理状态的终止和农田设施退化以至难以再被利用，参考LI等[1]研究，本文选取县域农作物播种面积的对数值（lncro）来衡量耕地撂荒情况；而耕地非粮化是指利用耕地种植粮食作物以外的经济作物的行为，因此选取县域粮食作物面积占比（frate）来衡量耕地“非粮化”情况[24]，粮食作物面积占比越小则表明非粮化程度越高。

（2）核心解释变量。“三变”改革政策。所有对照组和政策发生时点前的处理组县域，变量取值为0；政策发生当年及之后的处理组县域，变量取值为1。

（3）控制变量。第一类是仅与耕地撂荒相关的控制变量：①考虑到农产品、生产资料和工业品等价格保护制度，相关价格指标都以省级层面进行统计，本文应用省级层面数据测算农业生产资料相对价格、粮食相对价格和农产品相对价格等复合指标。农用地面积的对数值（lnfarm），运用该指标控制由于农用地总规模差异影响“三变”改革政策对耕地撂荒净效应造成影响所带来的内生性问题；②复种指数指标计算方法参照统计年鉴。滞后一期农产品相对价格（farmpri），基于数据可获得性，本文用省级层面数据来代替①考虑到农产品、生产资料和工业品等价格保护制度，相关价格指标都以省级层面进行统计，本文应用省级层面数据测算农业生产资料相对价格、粮食相对价格和农产品相对价格等复合指标。，并根据现有研究进行测量[25]。第二类是仅与耕地非粮化相关的控制变量：①滞后一期粮食相对价格（croppri），基于数据可获得性，以省级层面“豆类生产价格指数”代替；②耕地面积所占比重（g/n），可对粮食作物面积占比造成影响。第三类是与耕地撂荒及非粮化均相关的控制变量：人均地区国民生产总值的对数值（lnpergdp）、县域产业结构（primary）、农村人口受教育水平（edu）、复种指数（mci）②复种指数指标计算方法参照统计年鉴。、滞后一期农业生产资料相对价格（frice），用省级层面数据代替。

（4）机制变量。为进一步进行机制分析，选取“三变”改革过程中对耕地撂荒和非粮化起到中介作用的因素为机制变量。基于数据的可获得性，本文对机制变量选取进行如下处理：①耕地流转水平（rollout）。农户流转耕地后可增加土地财产性收入同时提高其工资性收入，耕地流转水平与农户收入呈正比，因此采用以2011年为基期平减后的县域农村居民人均可支配收入替代耕地流转水平。②农业劳动力水平（labor）。采用“当年农村常住人口数”占“第一产业增加值”比重来表征在农业种植生产过程中的单位劳动力人数。③农业机械化水平（mechanise）。“三变”改革会提高农业机械化水平也会释放农业劳动力，理论上会显著提高人均农业机械化水平，采用县域“农业机械总动力”除以“农业劳动力水平”来表征。④第一产业发展水平（first）。选取县域人均第一产业增加值来衡量，通过各县域“第一产业增加值”除以“年末地区总人口数”获得。第二产业发展水平（second）、第三产业发展水平（third）同理。

除了取对数的数据及政策虚拟变量外，其他变量均采用比值形式，以减小异方差的影响，使统计结果更有说服力。

各主要变量的定义、计算方法和描述如表1所示。

2.3 数据来源

六盘水市是贵州省最早开始“三变”改革的地区，于2014年①六盘水市委市政府于2014年底在实践总结的基础上提出了“三转”改革，并于2015年3月正式提炼出“三变”改革，说明“三变”改革2014年已经开始实施。因此，本文将2014年定为“三变”改革政策冲击时点。在全市推开，被农业部批复为“全国农村改革试验区”。本文选取六盘水市县域层面作为处理组，共4 个县域。另外，为了克服内生性问题②对照组首先应该选取与六盘水市自然经济条件等差异不大的贵州省其他区域，但由于贵州全省都或多或少受到“三变”改革政策影响，这样可能会产生内生性问题，无法有效选取贵州省其他县域作为对照组。，使处理组和对照组样本尽量满足同质性假设，避免事前差异，本文选取同处于乌蒙山区，地域相连、自然地理条件、经济发展状况相似，并且没有进行“三变”改革的云南省昭通市、曲靖市县域层面作为理想对照组，共20个县域。同时，考虑到数据的可获得性以及尽可能控制其他相关政策的干扰，查阅相关文献，云南省在2020年以前还未获得国家批复的农村集体产权制度改革整省试点[26]，本文最终选取2011—2019年作为样本时间范围。

本文所用数据均来自于历年的《中国县域统计年鉴》 《贵州统计年鉴》 《六盘水统计年鉴》 《云南统计年鉴》 《云南调查年鉴》。另外，各县域历年耕地面积、农用地面积通过中国土地覆盖数据集CLCD③来自1990—2020年中国30 m土地覆盖数据集：https://zenodo.org/record/5210928#.Y0-6mzS-uPS。提取获得。对于部分难以获取或少量数据缺失的指标，本文利用插值法对部分数据的缺失值进行补全，最终得到24个县域2011—2019年的平衡面板数据，共计观测值216个。

3 实证结果分析

3.1 基准回归分析

采用双重差分模型检验“三变”改革对耕地撂荒与非粮化的影响效果。表2中：列（1）、列（2）、列（3）、列（4）分别汇报了“三变”改革对耕地撂荒与非粮化影响的回归结果，其中列（1）、列（3）未加入控制变量，列（2）、列（4）加入控制变量。数据显示，列（1）、列（2）交乘项DID系数均在1%的水平上显著为正，列（3）、列（4）交乘项DID系数均在1%的水平上显著为负，由此说明“三变”改革一方面显著增加了农作物播种面积从而缓解耕地撂荒，另一方面显著降低了粮食作物面积占比从而加剧非粮化。平均而言，在其他条件不变的情况下，“三变”改革的实施显著增加了9.1%的农作物播种面积，显著降低了9.0%的粮食作物面积占比。据此，表明“三变”改革具有“缓解撂荒”和“加剧非粮化”的双向效应，二者从效果上达到均衡。即假设1和假设2得到验证。

表2 基准回归结果Tab.2 Results of benchmark model

3.2 动态效应分析

根据式（2）对“三变”改革政策的动态效应进行估计，分别考察“三变”改革当年及后5年改革地区农作物播种面积、粮食作物面积占比变化的差异。表3中：列（1）、列（2）、列（3）、列（4）分别汇报了“三变”改革对耕地撂荒与非粮化的动态效应检验结果，其中列（1）、列（3）未加入控制变量，列（2）、列（4）加入控制变量，其回归结果的表现基本一致。列（1）、列（2）数据表明，改革后的前三年内未出现显著差异，后三年交乘项系数除列（2）第一年外都在1%的水平上显著为正且逐年增大；列（3）、列（4）数据表明，改革后的前两年内未出现显著差异，后4年交乘项系数均在1%的水平上显著为负且逐年减小。据此，验证了“三变”改革对耕地撂荒与非粮化的影响确实是一个动态变化过程。具体而言，“三变”改革前期政策效应不显著，说明政策效应存在滞后性①其主要原因可能是政策开展后的一定时期更多的是工程前期准备，导致依然延续之前的农作物种植结构，即使撂荒所闲置的耕地刚开始流转集中也还未进行种植，甚至原来正常经营的耕地由于工程建设也被迫一定程度撂荒。因此，前几年农作物种植的数量以及结构未发生明显变化。；“三变”改革后期政策效应显著且对应的系数绝对值逐年增大，表明“三变”改革的政策效应到后期才发挥，并且时间持续越久，其对耕地撂荒与非粮化影响程度越大①其原因可能是当改革发生后随着时间的推移，前期入股的撂荒耕地地力逐步恢复种植条件，更多的农户受到影响选择将土地入股，更多的撂荒地被盘活进行农作物种植；另外，由于工商资本天然的“逐利性”等原因，随着时间推移，越来越多土地种植经济作物，势必会造成粮食作物面积占比的减小，导致非粮化逐渐加剧。。据此，研究假设3得到验证。

表3 政策的动态效应检验结果Tab.3 Results of dynamic effect test of the policy

3.3 稳健性检验

3.3.1 平行趋势检验

使用双重差分的前提条件是对照组与处理组在政策发生前必须满足共同趋势假设。因此，以政策实施的2014年为基期，并且剔除前一期（2013年），根据式（2）回归进行平行趋势检验，重点关注2011—2012年对应的系数。回归结果如图2 和图3所示，无论是否加入控制变量，在“三变”改革实施前，影响系数βk的置信区间都包含了0值。由此可以判断，在政策实施前，影响系数βk在各年份之间不存在显著差异，处理组和对照组的耕地撂荒与非粮化情况在“三变”改革实施前满足共同趋势假设，符合使用双重差分法进行分析的前提。

图2 平行趋势检验：“三变”改革对耕地撂荒的影响Fig.2 Parallel trend test:impact of “three changes” reform on farmland abandonment

图3 平行趋势检验：“三变”改革对非粮化的影响Fig.3 Parallel trend test:impact of “three changes” reform on non-grain conversion

3.3.2 排除同期其他政策干扰

“三变”改革政策效应不可避免地会受到农地确权②2013年中央一号文件提出要用5年时间全面完成农地确权工作，因此本文将农地确权的实施时间定为2013年。这项国家主导的农地确权改革具有强制性、按时性特点，不以农户个人意志为转移，一定程度上缓解了农地确权政策实施先后的选择性偏误。的干扰，农地确权增强农户土地承包经营权的稳定性和排他性[27]，更能激励农户投资耕地或使农户流转意愿增强，从而导致政策估计效应是有偏的。本文借鉴石大千等[28]的做法，在式（1）中加入2013年农地确权政策虚拟变量。如表4所示，回归结果数据表明，加入农地确权政策虚拟变量后“三变”改革对耕地撂荒与非粮化的政策效应依旧非常显著。因此，表明本文的研究结论是稳健的。

表4 稳健性检验：排除同期政策干扰Tab.4 Robustness test:excluding contemporaneous policy disturbances

3.3.3 改变政策实施时点

进一步验证估计结果的稳健性，此处借鉴梁志会等[29]的做法，选取政策实施前（2011—2013年）的样本数据，将2012年作为政策实施时点进行安慰剂检验，表5报告了其检验结果。数据显示，加入控制变量后DID回归系数均不显著，表明“三变”改革前并不存在政策效应，之前的估计是无偏的，估计结果具备稳健性。

表5 稳健性检验：改变政策干预时点Tab.5 Robustness test:changing the point of policy intervention

3.3.4 替换被解释变量

参考SONG等[30]的做法，考虑到与耕地撂荒与非粮化问题具有较强的关联性，选取单位面积耕地主要经济作物产量（cropyie）和粮食产量占农作物产量比重（pergrayie）来分别作为农作物播种面积和粮食作物面积占比的代替指标，通过替换被解释变量以进一步考察模型的稳健性。如表6所示，替换被解释变量后，回归结果仍与前述基准回归分析一致。表明“三变”改革显著缓解了耕地撂荒并加剧了非粮化。

表6 稳健性检验：替换被解释变量Tab.6 Robustness test:replacing the explanatory variables

3.3.5 安慰剂检验

为了排除研究结论受到遗漏变量、随机因素等其他不可观测变量的影响，而出现偶然性结论，本文对基准回归结果进行安慰剂检验。随机对样本涵盖到的24 个县域进行“筛选”并随机产生改革时间，据此构造了改革时间—县域两个层面随机实验，进行500次随机抽样，按照式（1）进行回归，根据虚假实验得到基准回归估计系数概率来判断结论的可靠性，如随机后系数并未显著区别于0，则说明原估计结果是稳健的[31]。“三变”改革对耕地撂荒与非粮化政策效应系数DID的估计系数分布图（图4 和图5）显示，估计系数大都集中分布于0点附近，表明随机化“三变”改革政策没有显著效果。因此，本文所得结论通过了安慰剂检验，回归结果较为稳健。

图4 安慰剂检验：“三变”改革对耕地撂荒的影响Fig.4 Placebo test:impact of “three changes” reform on farmland abandonment

图5 安慰剂检验：“三变”改革对非粮化的影响Fig.5 Placebo test:impact of “three changes” reform on non-grain conversion

3.4 机制分析

为了检验“三变”改革中机制因素的中介效应，进一步运用式（1）将政策效应差分项与几个机制变量分别回归，来观察系数的特征。分析结果（表7）表明：列（1）结果显示，“三变”改革对耕地流转集中具有显著正影响，表明“三变”改革显著促进了农村土地流转，盘活了分散闲置耕地，对缓解耕地撂荒有积极促进作用；列（2）—列（3）结果显示，“三变”改革对农业劳动力水平有显著负影响、对农业机械化水平有显著正影响，表明改革通过土地流转释放了农业劳动力，提高了农业机械化水平，促进了规模化经营中新型农业经营主体发展，经营主体追求农业经营利润，并通过分红给土地入股农户，促使其从事经济效益高的非粮化种植；列（4）—列（6）结果显示，“三变”改革对一、二、三产业水平有显著正影响，表明改革促进了三次产业融合发展。第一产业发展水平的提升能够总体上促进农业发展，缓解耕地撂荒；二、三产业发展不仅增加了当地就业岗位，为土地流转创造了条件，还会增加农产品原料以及特色农产品的需求，倒逼其扩大农作物种植，因此会较为高效地利用耕地资源，盘活闲置的耕地资源；同时产业融合发展也将促进农业生产商品化程度提高，提高耕地社会生产效率，最终造成非粮化种植。综上，本文的主要研究假设1和假设2得到验证。

表7 影响机制分析结果Tab.7 Results of impact mechanism analysis

4 进一步分析：区域粮食安全

本文以西南地区24 个县构建准自然实验，验证“三变”改革能够有效缓解耕地撂荒同时加剧非粮化，双向效应基本平衡。随着“三变”改革持续开展，双向趋势愈发显著。由此可知，“三变”改革并未对当地耕地保护造成负面影响，为了进一步探究其对粮食安全的影响，本文进一步将“三变”改革以来（2014—2019年）①考虑到疫情影响，未将2019年以后纳入到农作物种植面积情况变化趋势分析中。六盘水市的农作物总播种面积、粮食作物播种面积和粮食作物面积占比变化趋势进行对比分析②数据分别来自《六盘水统计年鉴》。。如图6所示，粮食作物面积占比总体上呈下降趋势，2017年“三变”改革政策效应出现后出现较大幅度减少，总体上非粮化率增长了23.5%；农作物总播种面积总体上呈上升趋势，且2017年后出现较大幅度增长，总体上农作物总播种面积增长了27.3%；粮食作物播种面积变动率基本持平，其在2017年后仅有较小幅度增长后又回落，可忽略不计。综上所述，可以得出“三变”改革虽然降低了粮食作物面积比重，但粮食种植面积一直保持稳定水平上，一定程度上是通过盘活撂荒耕地种植经济作物，与当地粮食作物面积占比减少程度持平。因此，“三变”改革并未对区域粮食安全造成威胁。

图6 2014—2019年六盘水农作物种植面积情况变化趋势Fig.6 Trend of crop acreage in Liupanshui from 2014 to 2019

5 结论与政策启示

本文采用2011—2019年西南两省24 个县域的平衡面板数据，通过双向固定效应下的双重差分模型检验了“三变”改革对耕地撂荒和非粮化的影响效果，识别了其具有“缓解撂荒”与“加剧非粮化”双向政策效应，进而讨论了农地制度创新在耕地保护乃至粮食安全中发挥的作用。主要结论如下：（1）“三变”改革显著影响了研究区的耕地利用状态，具有缓解撂荒和加剧非粮化的双向效应。长期来看，其降低了撂荒比例同时增加了非粮化率，但总体上粮食作物种植面积却保持稳定趋势，说明其并未对区域粮食安全造成威胁，总体上推动了西南山区耕地保护。（2）“三变”改革对耕地撂荒与非粮化的影响具有一定的滞后效应，一般在改革3～4年左右政策效果开始显现，在一定条件下，时间越久，影响程度越明显。（3）机制检验表明，“三变”改革主要借助土地流转集中而推动适度规模经营、提升农业机械化水平而发展现代农业、释放农业劳动力而促进产业融合发展等多种途径改变耕地利用状态。

2023年中央一号文件明确提出，“探索建立耕地种植用途管控机制，明确利用优先序，加强动态监测，有序开展试点。加大撂荒耕地利用力度”。本文旨在通过对农地制度创新“缓解撂荒”与“加剧非粮化”双向效应的政策评估，探讨耕地用途管控和耕地利用优先序有效途径。本文的政策启示如下：

其一，通过农地制度创新盘活撂荒耕地，以有效保障粮食安全。“三变”改革通过对耕地确权登记、量化入股，解决了土地流转限制，提高了农民流转意愿，盘活了分散闲置耕地，显著促进了土地规模经营，提高了农业机械化水平，持续有效地降低了耕地撂荒比例，有利于耕地保护和粮食安全。因此，应深化农村集体产权制度改革，激发农村土地资源变资产，充分利用好其制度优势，促进耕地适度规模经营，发展乡村支柱产业，打造农业现代化，为盘活撂荒存量耕地资源创造条件。

其二，通过因地制宜管控耕地非粮化，以促进农业经营增效。“三变”改革通过土地流转显著释放了农业劳动力，引进社会资本和工商资本，促进了规模化经营和新型农业经营主体发展，经营主体追求农业经营利润以及支付农户入股分红，会促使其从事经济效益高的非粮化种植。而通过西南地区“三变”改革中农地制度创新的准自然实验，证明改革区“缓解撂荒”程度与“加剧非粮化”程度持平，总体上不会影响粮食安全。因此，对待非粮化问题不能一刀切，要兼顾好粮食安全同农民增收乃至农村经济发展的关系。通过科学评价，对于确实不适合种植粮食的耕地，合理选择适宜种植作物以及品种，采用科技手段培育特色经济作物，以集约利用耕地，促进农业提质增效。

其三，通过科学政策评估，以有效确定耕地撂荒和非粮化的最优均衡点。通过对位于粮食产销平衡区的六盘水市“三变”改革过程对耕地利用状态的双重差分分析，揭示了“三变”改革具有“缓解撂荒”和“加剧非粮化”的双向效应，不论改革瞬时效应还是动态持续效应都证明“缓解撂荒”程度与“加剧非粮化”程度基本持平，说明该项农地制度创新并未对区域粮食安全问题造成威胁。因此，为了保障粮食安全，政府应充当“掌舵人”的角色，兼顾好乡村振兴和耕地保护之间利益均衡。实践中，对于粮食主产区，尤其是粮食生产功能区的耕地，应严控出现“非粮化”趋势，并通过合理的粮食补贴等方式杜绝耕地撂荒；对于非粮食主产区的耕地，应运用农地市场流转等方式，选择适宜当地的农业生产模式，要始终保持耕地的耕作层不被破坏，使其具有种植粮食的潜力，藏粮于地。