中国耕地流转时空特征及影响因素分解

王桂民，陈 聪，曹光乔，易中懿,3※

（1. 江苏大学管理学院，镇江 212000；2. 农业部南京农业机械化研究所，南京 210014；3. 江苏省农业科学院，南京 210014）

·综合研究·

中国耕地流转时空特征及影响因素分解

王桂民1，陈 聪2，曹光乔2，易中懿1,3※

（1. 江苏大学管理学院，镇江 212000；2. 农业部南京农业机械化研究所，南京 210014；3. 江苏省农业科学院，南京 210014）

通过耕地流转实现农业适度规模经营，是解决“谁来种田”的关键。分析各因素对耕地流转的作用及影响强度，识别其主导因素，对促进耕地适度规模经营具有积极意义。该文运用对数平均迪氏分解方法（logarithmic mean weigh Division index method，LMDI）建立因素分解模型，定量评价并对比分析2008-2014 年间中国省域耕地流转变动的驱动因素。研究结果表明，1）2008-2014年，中国耕地流转面积累计增长了1.96×107hm2，增长2.7倍，年均增长率达到24.40%，京津地区、黄淮海地区、长江中下游地区、东北地区等经济活跃或优势农业产区的耕地流转发展较快。2）经济因素、农民增收因素、农机化因素对耕地流转有显著的正向作用，其中农机化因素对耕地流转的促进作用最大，研究期内农机化累计效应促进耕地流转率提高18.16%，经营意愿因素对耕地流转有显著的负向影响。3）区域之间4个分解因素的累计效应存在显著差异。总体而言，经济效应促进了华东与华南地区耕地流转率的显著提高，农民增收效应主要促进了华东地区耕地流转率提高，农机化效应促进了大部分地区耕地流转率提高10%以上，但华南与西南地区相对较低。

农业；土地利用；模型；耕地；流转，时空特征；因素分解；LMDI法

0 引 言

近年来，随着中国农村劳动力的持续转移，尤其是青年劳动力种粮意愿低带来了“未来谁来种田”的问题。国家鼓励有条件的农户流转承包土地经营权，扶持种粮大户、农民专业合作社、家庭农场等新型经营主体发展壮大，逐步实现农业适度规模经营，解决“谁来种田”的问题。截至2014年，全国家庭承包耕地流转面积达2.69×107hm2，占家庭承包经营耕地总面积的比例达30.4%。然而，耕地流转区域不平衡的问题突出，农业机械化[1]、经济发展与农民收入[2-3]等都影响农户转出或转入耕地，非粮化种植趋势[4-6]、经营效益[7-9]等也呈现出多样化的倾向。基于上述背景，对中国耕地流转的时空分布特征及其背后的驱动因素进行深入分析尤为重要。

梳理相关文献发现，耕地流转研究集中于农户行为对耕地流转的影响[10-11]，以及耕地流转对粮食生产的影响[12-13]；多通过面向农户开展抽样调查获取微观数据，采用 Logistic回归模型实证分析农户行为与耕地流转的关系以及对粮食生产的影响。此类方法不可避免会存在残差项，影响研究结果准确性；而且只能从微观层面静态地对耕地流转进行分析。笔者未检索到从宏观维度与时序演变维度开展耕地流转影响因素的研究文献。因素分解法是通过数学方法将目标变量分解为若干影响因素，并从数量上确定各影响因素对目标变量的影响方向和影响程度[14]。Ang B W等[15-17]在此基础上提出对数平均迪氏指数法（logarithmic mean weigh Divisia index，LMDI），LMDI能够保证多因素分解后的残差为0，有利于进行多层次分析[18]。被广泛应用在能源消费与碳排放影响因素分解中[19-27]，近年其应用范围越来越广，农业领域也有应用[28]。鉴于此，本文运用 LMDI方法对中国耕地流转变化的影响因素进行分解，深入分析中国耕地流转的时空特征及其变化的主要影响因素，以期为促进耕地适度规模经营提供政策建议。

1 研究方法

1.1 因素选择

一般而言，耕地流转会受到自然环境、经济发展、社会保障、农业生产技术、政策驱动、从业意愿等方面因素的影响。自然环境在短期内不会变化，对耕地流转的影响是固定的，因此本文不予考虑；政策驱动方面各地政策不一致，无法定量分析，因此本文不予考虑。本文主要从经济发展、社会保障、个人意愿、农业生产技术4个方面选取影响因素。

经济发展方面选择经济因素，用单位耕地面积的GDP衡量，一般而言GDP越高，农村劳动力向二、三产业转移的机会越多，释放的耕地流转需求也越大；社会保障方面选择农民增收因素，用农民收入占GDP的比例衡量，一般而言农民收入占GDP比例越大，其可获得的就业、医疗、养老等保险系数越高，耕地的保障功能将随之弱化，农民转入耕地的概率也会提高；从业意愿方面选择经营意愿因素，用农民收入投资农机量衡量，农机是现代农业生产不可或缺的工具，农民投资农机的意愿亦可看作其投资农业的意愿；农业生产技术方面选取农机化因素，用耕地流转面积与农机保有量的比例衡量，农机化发展水平越高，规模化经营的成本越低，规模主体流转耕地的积极性也越高。

1.2 模型建立与变量解释

式中i表示i省域，当i=0时，视为全国范围；θi表示i省域耕地流转率；Li表示i省域耕地流转量，103hm2；Fi表示i省域的耕地面积，103hm2；xim表示i省域第m个分解因素值。将分解因素代入式（1）可得：

式中Pi表示i省域的生产总值，亿元；Ei表示i省域的农民总收入，亿元；Mi表示i省域的农机总动力，104kW。POFi=Pi/Fi表示经济因素；EOPi=Ei/Pi表示农民增收因素；MOEi=Mi/Ei表示经营意愿因素；LOMi=Li/Mi表示农机化因素。

i省域耕地流转面积从时期t-1至时期t 的变化趋势可表示为

式中Δθi、ΔPOFi、ΔEOPi、ΔMOEi、ΔLOMi分别表示 i省域的耕地流转率变化量、经济效应、农民增收效应、经营意愿效应、农机化效应导致的耕地流转率变化量。

2 数据来源

由于耕地流转数据从2008 年开始规范统计，本文以2008—2014年（2015 年数据尚未公布）为时序，以除西藏、香港、澳门、台湾外的全国30个省（自治区、直辖市）为截面。由于中国耕地流转数据是以家庭承包经营的耕地为基础进行统计，不包括国营农场、监狱农场、村组等集体经营的耕地，因此，本文的耕地面积选用家庭承包经营的耕地面积数据。耕地流转面积、家庭承包经营的耕地面积数据来源于全国农村经营管理统计资料；农民收入数据、国内生产总值数据来源于中国统计年鉴；农机总动力数据来源于中国农业机械化年鉴。

3 结果与分析

3.1 耕地流转时空特征

3.1.1 时序变化

中国耕地流转总量稳步提升，也衍生出转包、转让、互换、出租、股份合作等多种流转形式，详见表1。转包指土地经营权在一定期限内转给同集体的农民，转让指土地经营权转让给同集体的农民，互换指同集体农民交换耕地经营权，出租指经耕地经营权租赁给其他主体，股份合作指以土地经营权入股其他经营组织。

表1 2008-2014年中国不同方式的耕地流转面积Table 1 Farmland transfer area by different ways in China from 2008 to 2014

中国耕地流转面积从2008 年的7.26×106hm2增长到2014 年的2.69×107hm2，增长了1.96×107hm2，增长2.7倍，年均增长率达到24.40%。在5种主要流转形式中，通过转包与出租土地经营权流转的耕地面积最大，说明直接将土地经营权转给其他经营者获得收益仍是农户的首选，其中又以转包给同集体的乡邻为主。流转形式以年均增长率大小排序依次为股份合作（33.34%）、互换（31.21%）、出租（29.38%）、转包（21.33%）、转让（9.84%），说明新型经营主体通过吸引散户土地入股与置换实现耕地规模经营成为新的趋势。

3.1.2 空间分布特征

由图1可以看出，2008年耕地流转率大于40%的省份只有上海（51.27%），流转率位于 20%～30%之间的省份只有浙江（27.61%）与重庆（25.28%），绝大部分地区都小于10%。2014 年，耕地流转率大于40%的省份达到了6个，流转率位于30%～40%的省份达到5个，主要分布在经济活跃的长江中下游与京津地区，以及有“大农业”之称的黑龙江。7 a间，江苏与北京的耕地流转率增量超过40%，河南、安徽与黑龙江的增量超过30%；耕地流转面积增量大于2×106hm2的是黑龙江（2.78×106hm2）与河南（2.10×106hm2），2个省份都是中国的农业大省与劳动力输出大省。流转面积增量大于5×105hm2的省份有14个，主要分布在长江中下游地区，黄淮海地区，东北地区等中国大宗粮食作物的主产区。总体而言，中国耕地流转呈现“东高西低”的格局。

3.2 耕地流转变化分解因素的时空差异

3.2.1 分解因素的描述性统计

基于SPSS19.0 软件，计算了30个省份2008、2011、2014年耕地流转及其分解因素的描述性统计指标，详见表2。

2008—2014年间，全距计算结果表明，耕地流转率与经济因素的绝对差异呈扩大趋势，农民增收因素、农机化因素保持稳定，经营意愿因素呈缩小趋势。标准差的计算结果表明，耕地流转率、经济因素的相对差异在扩大，区域间分布不平衡问题在加剧；农民增收因素和农机化因素基本维持不变；而经营意愿因素的相对差异略有下降，区域分布趋向平衡。除农民增收因素外,耕地流转率与其他分解因素的偏度都大于0，并且中位值小于均值，呈正偏态分布,分布曲线的高峰向左偏移，长尾向右侧延伸，说明有较多的低值数据集簇分布，而高值数据离散分布。耕地流率、经济因素与农机化因素的峰度大于0，表明和标准正态分布相比，耕地流率、经济因素与农机化因素的分布曲线高峰更加陡峭，说明这些因素的数值在其中位数周围集中分布程度较强，农民增收因素与经营意愿因素的高峰则更加平缓，离散分布程度较强。

图1 2008-2014年不同地区耕地流转变化Fig.1 Farmland transferr changes in different regions from 2008 to 2014

表2 2008—2014年耕地流转及其分解因素的描述性统计Table 2 Descriptive statistics for farmland transfer index and decomposition factors in 2008-2014

3.2.2 分解因素的时间差异

计算了全国范围内2008—2014年历年耕地流转率增幅及其分解因素效应，详见表3。

2008—2014年中国耕地流转率总共提高了21.52%，历年增幅分别为3.16%、2.66%、3.19%、3.40%、4.46%、4.66%，增幅呈逐年扩大的趋势。由表3可知，经济效应（ΔPOF0）、农民增收效应（ΔEOP0）、农机化效应（ΔLOM0）与耕地流转率变化方向基本一致，其中农民增收效应与规模效应个别年份出现负值，而经营意愿效应（ΔMOE0）与耕地流转率（Δθ0）的变化方向相反。在7 a间，对耕地流转率变化的累计效应大小排序为农机化效应（18.16%）、经济效应（11.12%）、农民增收效应（3.90%）、经营意愿效应（-11.66%），其中经济效应、经营意愿效应波动较大，农民增收效应与农机化效应则逐年增大。

2008—2014年各分解因素效应的变化趋势表明：经济因素、农民增收因素、农机化因素对耕地流转有显著的正向作用，其中农民增收因素与农机化因素的正向作用在逐年增强。农机化因素对耕地流转的正向促进作用最大，说明耕地的规模化经营必须依靠农业生产技术创新，降低农业生产成本，提高生产效率，7 a间中国农机总动力从8.2×108kW增长到10.8×108kW，而且农机装备结构日趋优化，耕、种、管、收等各环节的机具保有量均稳步增长，替代了大量的人工作业，为土地的规模化经营、集约化管理提供了技术支撑。经济效应对耕地流转的正面影响次之，7 a间中国渡过了国际金融危机，GDP从314 045.4亿元增长到636 138.7亿元，尤其是基础设施投资与建筑业发展迅速，吸引了大量的农业劳动力转移，但由于中国经济面临较大的下行压力，制造业等实体经济不振，经济效应具有明显的波动。经营意愿因素对耕地流转有显著的负向影响，因为中国农民收入主要来源于非农收入，2014年农民工资性收入占总收入的40%，更多用于建房、食品、生活用品等改善生活品质的支出，投资农业生产的意愿不强。

表3 2008-2014年中国耕地流转率变化的分解因素效应Table 3 Effect of decomposition factor on changes of farmland transfer rate in China from 2008 to 2014

3.2.3 分解因素的空间差异

将30个省份2008—2014年的各分解因素数据分别代入式（5）～（8），得到2008—2014年分省域各分解因素的累加效应，如图2所示，各分解因素存在显著的差异。

从经济效应看（图2a），所有省份的经济效应都为正，这与中国经济长期保持较快增长密切相关，其中长三角与北京经济最具活力，发展速度最快，上海、江苏、浙江、北京四省（市）的经济效应带动的耕地流转率增幅超过20%，作为中国经济中心的上海增幅达到50.06%。总体上看，经济效应呈现“南高北低”与“东高西低”的格局。

从农民增收效应看（图2b），北京、重庆与贵州 3个省份的农民收入增速低于其GDP增速，农民享受经济增长的红利相对较低，农民增收效应为负；其余27个省份的农民收入增速普遍高于经济增速，农民增收效应为正，其中黑龙江省与河南省农业产值占其GDP比例高，农民更能直接受益于经济增长，而民营经济活跃的浙江省农民非农产业参与度高，收入增速快，上述3个省份农民增收效应带动的耕地流转率增幅超过6%；上海、广东、安徽、新疆、山西经济效应带动的耕地流转率增幅超过4%，从空间分布上看，农民增收效应总体呈“东高西低”的格局。

从经营意愿效应看（图2c），随着中国经济的快速增长，农业的比较效益低于二、三产业，农民从事其他经营性活动或务工的收入更高，农民投资农业的积极性逐年降低，所有省份的经营意愿效应都为负。其中北京的经营意愿效应最低，由于2008年启动4万亿元投资与北京奥运会的成功举办，推动了北京地价快速上涨，六环内适合农业生产的土地基本被建筑物覆盖，通过征地补偿所获收益远远高于农业生产，因此北京农民经营农业的意愿逐年下降，导致耕地流转率降低39.42%。浙江农民投资农业的意愿仅高于北京，其经营意愿效应导致耕地流转率降低31.20%。总体而言，经营意愿效应东南地区低，北方与西南地区相对较高。

图2 2008-2014年中国分省域耕地流转各因素累积效应Fig.2 Accumulated effects of different factors of farmland transfer in different province in China from 2008 to 2014

从农机化效应看（图2d），2008年以来中国农机购置补贴力度大幅增加，2008—2014年中央财政资金投入额分别为45亿元、129亿元、160亿元、175亿元、215亿元、217.5亿元和170亿元，推动了中国主要农作物机械化水平的快速增长，为耕地的规模化与集约化经营提供了物质支撑，除上海外其他省区的农机化效应都为正。上海种植粮食作物的耕地大部分属于国营农场，家庭承包经营的耕地大部分种植收益较高的设施蔬菜，农机化发展反而增强了农户自主经营的积极性，因此其农机化效应为负。北京、江苏、江西农机化效应带动耕地流转率增幅超过30%，其中北京最高达到了68.51%，大部分省份农机化效应带动耕地流转率的增幅都超过 10%，但西南与华南地区相对较低。究其原因，西南与华南地区的地形以丘陵山地为主，耕地资源禀赋差，农机化发展速度滞后，尤其是种植与收获环节机械化发展更为缓慢，需要大量的人工作业，无法形成集约化经营，因此农机化效应较低。不过西南地区的重庆市近年来大力发展农机工业，已成为中国乃至全世界小型农机生产制造中心，同时启动了耕地基础设施建设，开展了标准化农田改造，改善了农机作业环境，其农机化效应带动耕地流转率增长了24.94%。

4 讨 论

2008年以来，中国耕地流转年均增长率达到24.40%，其中转包与出租土地经营权是最主要的流转形式，由于耕地流转更多是农户之间自发自愿的耕地资源再配置过程[29]，农户更倾向于在保留耕地承包权前提下，通过转包与出租耕地经营权直接获得经济收益[2]。流转形式以年均增长率大小排序依次为股份合作、互换、出租、转包、转让。但随着国家加大对新型经营主体的扶持力度并鼓励土地向新型经营主体集中，通过股份合作与互换等耕地流转形式快速增长。京津地区、黄淮海地区、长江中下游地区、东北地区等经济活跃或优势农业产区的耕地流转发展较快，主要由于中国耕地转入方以具有较强资本实力的农户或工商资本为主[29]。

经济因素、农民增收因素、农机化因素对耕地流转有显著的正向作用，其中农机化因素对耕地流转的正面影响最大，研究期内农机化累计效应促进耕地流转率提高18.16%，说明耕地的规模化经营必须依靠农业生产技术创新，降低农业生产成本，提高生产效率。郝海广等通过调查认为农业机械化发展能替代大量的人工作业，提高劳动生产率，刺激农户增加耕地规模[10]，与本文的研究结果一致。经营意愿因素对耕地流转有显著的负向影响，说明中国农民投资农业生产的意愿不强，由于中国农民收入主要来源于非农收入，更多用于改善生活品质的支出。游和远与吴次芳研究认为中国农业生产收益偏低，农户通过兼业获得报酬高于农业收益，故农户不会将大量资金投入到农业生产中[29]，与本文研究结果一致。

经济效应促进了华东与华南地区耕地流转率的显著提高，其中又以长三角地区最突出，由于农业收入低且稳定性差，农业劳动力更愿意到非农产业就业以获得更高收入[3]，经济相对发达地区农民就业机会更多，耕地流转率更高，经济落后地区应提升农民就业技能，推动农业劳动力向其他产业转移，王兆林等认为劳动力转移距离越远越能提高农民转包或委托他人代耕耕地的概率[11]。农民增收效应主要促进了华东地区耕地流转率提高，由于华东地区农民享受经济发展的福利更多，社会保障水平更高，蔡霞认为耕地在社会保障不足的地区承担着包括养老、失业、生存等方面在内的保障任务[30]，因此西部地区耕地流转率相对较低。经营意愿效应对所有地区耕地流转都具有显著的负向作用，其中又以东南地区最为突出，农民退出耕地而工商资本进入，应谨防耕地“非粮化”风险[4-6]；农机化效应对耕地流转的促进作用最为显著，绝大部分地区耕地流转率提高10%以上，但华南与西南地区相对较低，主要由于南方地形以丘陵和山地为主，地块分散破碎，形状不规整，基础设施薄弱，难以大规模机械替代人力，土地流转机会小[1]，应加大南方丘陵山区耕地整理与基础设施建设。

5 结 论

基于2008—2014年统计数据，本文分析了中国耕地流转的时空分布特征，利用 LDMI因素分解法将耕地流转变动分解为经济效应、农民增收效应、经营意愿效应、农机化效应，并分析了各分解因素效应的时空差异，得到结果下：

1）2008年以来，中国耕地流转面积累计增长了1.96×107hm2，增长2.7倍，年均增长率达到24.40%，其中京津地区、黄淮海地区、长江中下游地区、东北地区等经济活跃或优势农业产区的耕地流转发展较快。

2）运用LMDI因素分解方法依次计算了2008—2014年全国范围 4个分解因素的作用方式和作用程度。经济因素、农民增收因素、农机化因素对耕地流转有显著的正向作用，其中农机化因素对耕地流转的正面影响最大，农机化累计效应促进耕地流转率提高18.16%，经营意愿因素对耕地流转有显著的负向影响。

3）分别计算了30个省域4个分解因素的累计效应，区域之间存在显著差异。经济效应促进了华东与华南地区耕地流转率的显著提高，其中又以长三角地区最突出；农民增收效应主要促进了华东地区耕地流转率提高；经营意愿效应对所有地区耕地流转都具有显著的负向作用，其中又以东南地区最为突出；农机化效应对耕地流转的促进作用最为显著，绝大部分地区耕地流转率提高10%以上，但华南与西南地区相对较低。

[1] 张仕超，魏朝富，邵景安，等. 丘陵区土地流转与整治联动下的资源整合及价值变化[J]. 农业工程学报，2014，30(12)：1－17. Zhang Shichao,Wei Chaofu,Shao Jing’an,et al. Resources integration and change in land value affected by land transfer and consolidation of rural villages in hilly areas[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2014,30(12):1－17.(in Chinese with English abstract)

[2] 陈美球，彭云飞，周丙娟. 不同社会经济发展水平下农户耕地流转意愿的对比分析：基于江西省21个村952户农户的调查[J]. 资源科学，2008，30(10)：1491－1496. Chen Meiqiu,Peng Yunfei,Zhou Bingjuan. Comparative analysis of differences according to social and economic development levels and farmer willingness to transfer cultivated land[J]. Resources Science,2008,30(10):1491－1496.(in Chinese with English abstract)

[3] 高佳，李世平. 农户土地承包权退出意愿的影响因素[J].干旱区资源与环境，2016，30(8)：23－29. Gao Jia，Li Shiping. The factors influencing the farmers’willingness to abandon the farmland usufruct[J]. Journal of Arid Land Resources and Environment,2016,30(8):23－29.(in Chinese with English abstract)

[4] 易小燕，陈印军. 农户转入耕地及其“非粮化”种植行为与规模的影响因素分析：基于浙江、河北两省的农户调查数据[J]. 中国农村观察，2010，31(6)：2－10，21.

[5] 杨瑞珍，陈印军，易小燕，等. 耕地流转中过度“非粮化”倾向产生的原因与对策[J]. 中国农业资源与区划，2012，33(3)：14－17. Yang Ruizhen,Chen Yinjun,Yi Xiaoyan,et al. The causesand countermeasures on the excessive "non-food" tendency in the process of land transfer[J]. Chinese Journal of Agricultural Resources and Regional Planning,2012,33(3):14－17.(in Chinese with English abstract)

[6] 王勇，陈印军，易小燕，等. 耕地流转中的“非粮化”问题与对策建议[J]. 中国农业资源与区划，2011，32(4)：13－16. Wang Yong,Chen Yinjun,Yi Xiaoyan,et al. The non-grain problem in the process of land transfer and the countermeasures[J]Chinese Journal of Agricultural Resources and Regional Planning,2011,32(4):13－16.(in Chinese with English abstract)

[7] 黄辉玲，吴次芳，张守忠. 黑龙江省土地整治规划效益分析与评价[J]. 农业工程学报，2012，28(6)：240－246. Huang Huiling,Wu Cifang,Zhang Shouzhong. Benefits analysis and evaluation on land consolidation planning in Heilongjiang province[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2012,28(6):240－246.(in Chinese with English abstract)

[8] 张正峰，赵 伟. 土地整理的资源与经济效益评估方法[J].农业工程学报，2011，27(3)：295－299. Zhang Zhengfeng,Zhao Wei. Evaluation methodology for resource and economic profits of land consolidation[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2011,27(3):295－299.(in Chinese with English abstract)

[9] 赵 微. 基于格序结构的土地整理效益评价[J]. 农业工程学报，2010，26(14):338－343. Zhao Wei. Benefits assessment of land consolidation projects based on lattice order theory[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2010,26(14):338－343.(in Chinese with English abstract)

[10] 郝海广，李秀彬，田玉军，等. 农牧交错区农户耕地流转及其影响因素分析[J]. 农业工程学报，2010，26(8)：302－307. Hao Haiguang,Li Xiubin,Tian Yujun,et al. Farmland use right transfer and its driving factors in agro-pastoral interlaced region[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2010,26(8):302－307.(in Chinese with English abstract)

[11] 王兆林，杨庆媛. 农户兼业行为对其耕地流转方式影响分析：基于重庆市 1096 户农户的调查[J]. 中国土地科学，2013，27(8)：67－74. Wang Zhaolin,Yang Qingyuan. The impact of the part-time farming on cultivated land circulation:based on a survey on 1096 households in Chongqing[J]. China Land Sciences,2013,27(8):67－74.(in Chinese with English abstract)

[12] 王鹏飞，朱兰兰，蔡银莺. 不同主体功能区农户土地利用行为的差异分析：基于湖北省528份农户调查数据[J]. 湖南农业大学学报：社会科学版，2015，16(6)：12－18. Wang Pengfei,Zhu Lanlan,Cai Yinying. Differences of farmers’ land use behavior in different major function zones:based on the investigation on 528 farmers in Hubei province[J]. Journal of Hunan Agricultural University:Social Sciences,2015,16(6):12－18.(in Chinese with English abstract)

[13] 邵景安，张仕超，李秀彬. 山区土地流转对缓解耕地撂荒的作用[J]. 地理学报，2015，70(4)：636－649. Shao Jing'an,Zhang Shichao,Li Xiubin. The role of rural farmland transfer in preventing farmland abandonment in the mountainous areas[J]. ACTA Geographica Sinica,2015,70(4):636－649.(in Chinese with English abstract)

[14] 韩颖，马萍，刘璐. 一种能源消耗强度影响因素分解的新方法[J]. 数量经济技术经济研究，2010，27(4)：137－147. Han Yin,Ma Ping,Liu Lu. A new decomposition method of influential factors on energy consumption intensity[J]. The Journal of Quantitative &Technical Economics,2010,27(4):137－147.(in Chinese with English abstract)

[15] Ang B W. Decomposition analysis for policy making in energy:which is the preferred method [J]. Energy Policy,2004,32(9):1131－1139.

[16] Ang B W. The LMDI approach to decomposition analysis:A practical guide[J]. Energy Policy,2005,33(7):867－871.

[17] Ang B W,Liu N. Negative-value problems of the logarithmic mean Divisia index decomposition approach [J],Energy Policy,2007,35(1):739－742.

[18] 刘睿劼，张智慧. 中国工业粉尘排放影响因素分解研究[J].环境科学与技术，2012，35(12)：244－248. Liu Ruijie，Zhang Zhihui. Decomposition of impact factors of industrial dust emission in China[J]. Environmental Science &Technology,2012,35(12):244－248.(in Chinese with English abstract)

[19] 潘佳佳，李廉水. 中国工业二氧化碳排放的影响因素分析[J]. 环境科学与技术，2011，34(4)：86－92. Pang Jiajia,Li Lianshui. Analysis of factors affecting industrial carbon dioxide emission in China[J]. Environmental Science &Technology,2011,34(4):86－92.(in Chinese with English abstract)

[20] 朱勤，彭希哲，陆志明，等. 中国能源消费碳排放变化的因素分解及实证分析[J]. 资源科学，2009，31(12)：2072－2079. Zhu Qin,Peng Xizhe,Lu Zhiming，et al. Factors decomposition and empirical analysis of variations in energy carbon emission in China[J]. Resource Science,2009,31(12):2072－2079.(in Chinese with English abstract)

[21] 岳婷，龙如银. 基于LMDI 的江苏省能源消费总量增长因素分析[J]. 资源科学，2010，32(7)：1266－1271. Yue Ting，Long Ruyin. Analysis of factors affecting the energy intensity growth in Jiangsu Province based on LMDI[J]. Resource Science,2010,32(7):1266－1271.(in Chinese with English abstract)

[22] 许士春，习蓉，何正霞. 中国能源消耗碳排放的影响因素分析及政策启示[J]. 资源科学，2012，34(1)：2－12. Xu Shichun,Xi Rong,He Zhengxia. Influential factors and policy implications of carbon emissions for energy consumption in China[J]. Resource Science,2012,34(1):2－12.(in Chinese with English abstract)

[23] Ang B W,Zhang F Q,Cho I k. Factorizing changes in energy and environmental indicators through decomposition[J]. Energy,1998,23(6):489－495.

[24] 岳婷，龙如银.我国居民生活能源消费量的影响因素分析[J]. 华东经济管理，2013，27(11)：57－61. Yue Ting,Long Ruying. Analysis of influencing factors of China’s household energy consumption[J]. East China Economic Management,2013,27(11):57－61.(in Chinese with English abstract)

[25] 田立新，张蓓蓓.中国碳排放变动的因素分解分析[J]. 中国人口·资源与环境，2011，21(11)：1－7. Tian Lixin,Zhang Beibei. Factor decomposition analysis of carbon emissions change in China[J]. China Population，Resources and Environment,2011,21(11):1－7.(in Chinese with English abstract)

[26] 徐国泉，刘则渊，姜照华. 中国碳排放的因素分解模型及实证分析:1995－2004［J］. 中国人口·资源与环境，2006，16(6):158－161. Xu Guoquan,Liu Zeyuan,Jiang Zhaohua．Decomposition Model and Empirical Study of Carbon Emissions for China,1995-2004[J]. China Population,Resources and Environment,2006,16(6):158－161.(in Chinese with English abstract)

[27] Knapp T,Mookerjee R P. Growth and global CO2emissions[J]. Energy Policy,1996,24(1):31－37.

[28] 刘 玉，高秉博，潘瑜春，等. 基于LMDI 模型的黄淮海地区县域粮食生产影响因素分解[J]. 农业工程学报，2013，29(21)：1－10. Liu Yu,Gao Bingbo,Pan Yuchun,et al. Influencing factor decomposition of grain production at county level in Huang-Huai-Hai region based on LMDI[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2013,29(21):1－10.(in Chinese with English abstract)

[29] 游和远，吴次芳. 农地流转、禀赋依赖与农村劳动力转移[J]. 管理世界，2010，26(3)：65－75.

[30] 蔡霞. 中国农村土地的社会保障功能分析[J]. 广西经济管理干部学院学报，2010，22(1)：22－26. Cai Xia. Analysis of functional of protection provided by rural land[J]. The Journal of Guangxi Economic Management Cadre College,2010,22(1):22－26.(in Chinese with English abstract)

Spatial-temporal characteristics and influential factors decomposition of farmland transfer in China

Wang Guimin1,Chen Cong2,Cao Guangqiao2,Yi Zhongyi1,3※
(1. School of Management,Jiangsu University,Zhenjiang 212000,China;2. Nanjing Research Institute for Agricultural Mechanization,Ministry of Agriculture,Nanjing 210014,China;3. Jiangsu Academy of Agriculture Science,Nanjing 210014,China)

To expand the scale of agricultural management through farmland transfer is the key solution to the problem that“who will be engaged in agriculture in the future”. It is of positive significance to expand the scale of agricultural management by decomposing the impact of each factor on farmland transfer and identifying the dominant factors. Taking 30 provinces in China as sampling units,and adopting the logarithmic mean weight Division method(LMDI),the farmland transfer was decomposed into 4 factors,i.e.,economic factor,farmer’s income factor,management willingness factor,and agricultural mechanization factor. On the basis of the LMDI model,the effect and accumulated effect of each factor were explored. The results proved that:1) The farmland transfer area increased by 2.7 times,an increase of up to 1.96×107hm2from 2008 to 2014 in China,and the average annual growth rate reached 24.40%. The rate of farmland transfer increased by 21.52% in total,and increased by 3.16%,2.66%,3.19%,3.40%,4.46% and 4.66% respectively from 2008 to 2014. The farmland transfer in Beijing-Tianjin region,Huang-Huai-Hai region,middle and lower reaches of the Yangtze River region and northeastern China was developing rapidly as the result of economic activity or agricultural advantage. 2) The accumulated effects of economic factor,farmer’s income factor,management willingness factor and agricultural mechanization factor were 11.12%,3.90%,-11.66% and 18.16%,respectively. Among the 4 factors,economic factor,farmer’s income factor and agricultural mechanization factor had significant positive effects on farmland transfer;in addition,the positive effects of farmer’s income factor and agricultural mechanization factor increased year by year. Agricultural mechanization factor had the biggest positive effect,because the large-scale agricultural management must rely on technological innovation of agricultural production to reduce costs and improve production efficiency. Management willingness factor had a significant negative effect,because farmers’ income mainly came from non-agricultural income in China,and was mainly used to improve their quality of life,the willingness of agricultural production investment was not strong. 3) There were obvious differences among the 4 factors’effects at the province level in China. The effect of economic factor was to promote the farmland transfer rate to increase significantly in the eastern China and southern China. In addition,the farmland transfer rate has been increased at most in the Yangtze River Delta region,because farmers prefer to work in non-agricultural industries rather than stay in the countryside in order to obtain higher incomes. The farmer’s income effect was mainly to promote the farmland transfer in the eastern China where the farmers gain more benefits in the economic development and have more social security. The effect of agricultural mechanization factor was to promote the land transfer rate to increase by more than 10% in most areas of China,but it was relatively low in the southern China and southwestern China,where the terrain is mainly hills and mountains,the infrastructure of farmland is weak,so it was difficult for agricultural machine to replace manpower,and the opportunities of land transfer were fewer. This paper gets the main influencing factors of farmland transfer in different regions of China,which can be a reference for the differentiation of support policy.

agriculture;land use;models;farmland;transfer;spatial-temporal characteristics;factor decomposition;logarithmic mean weigh Division index method

10.11975/j.issn.1002-6819.2017.01.001

F325.25

A

1002-6819(2017)-01-0001-07

王桂民，陈 聪，曹光乔，易中懿. 中国耕地流转时空特征及影响因素分解[J]. 农业工程学报，2017，33(1)：1－7.

10.11975/j.issn.1002-6819.2017.01.001 http://www.tcsae.org

Wang Guimin,Chen Cong,Cao Guangqiao,Yi Zhongyi. Spatial-temporal characteristics and influential factors decomposition of farmland transfer in China[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2017,33(1):1－7.(in Chinese with English abstract)doi：10.11975/j.issn.1002-6819.2017.01.001 http://www.tcsae.org

2016-08-18

2016-11-23

中国农业科学院科技创新工程（农科院办（2014）216号）；国家软科学研究计划（2014GXS4D108）

王桂民，男，山东诸城人，博士生，主要从事农业机械化研究。镇江 江苏大学管理学院，212000。Email：47149031@qq.com

※通信作者：易中懿，男，安徽金寨人，研究员，博士生导师，主要从事农村经济发展与农业机械化研究。南京 江苏省农业科学院，210014。Email：yzy201@163.com