农村交通基础设施建设的农民增收效应研究

任晓红 但婷 侯新烁

摘 要：文章以2006—2014年中国西部11省区市汇总的乡镇层面面板数据为例，来考察农村交通基础设施的存量（有效路网密度）和流量（投资）对农村居民收入的共同影响，并从作为农村居民收入主要构成的工资性收入和家庭经营纯收入两种角度来探析农村交通基础设施影响农村居民收入的主要机制。结果显示，交通基础设施存量对农村居民人均纯收入及其两大主要构成均具有一定的显著促进作用，但流量层面对农村居民收入总体的影响不显著。分省来看，则发现了交通基础设施影响农民收入增长的异质性，各地区因自身发展条件和对交通的依赖性差异，导致其收入效应各不相同，同时流量的作用相對存量而言依然较弱，且异质性更为明显。分省异质性的存在表明，西部地区内部各省发展差异不可忽视，寻求农村交通基础发展推进农民增收的路径也应因地制宜。

关键词：西部农村；交通基础设施；收入效应；乡镇数据

中图分类号：F5123；F3238 文献标志码：A 文章编号：1674-8131（2018）05-0037-13

一、引言

新中国成立到2000年之间，随着我国先后实施的城乡和区域间的非平衡发展战略的推进，中国城乡和区域之间的交通等基础设施建设长期呈现出非均衡增长格局，广大农村地区，尤其是西部农村地区明显表现出交通基础设施投资不足、基础设施水平落后的状态，这在很大程度上制约了城乡和地区之间要素的平等交换和公共资源的均衡配置，加剧了城乡与地区之间的收入差距。随着农村劳动力大量流出，农业空心化（农村空巢化）问题日益严峻。亟待破解的城乡失衡和农村贫困问题均绕不开农民的增收问题。为此，自2004年以来，国家已连续十五年发布以“三农”为主题的中央一号文件，其核心在于持续提高农民收入，以此缩小城乡和地区间的收入差距，进而留住和吸引适度数量的农村急需人才回流农村。鉴于交通基础设施投资能显著减少贫困（康继军和郭蒙，2014）[1]，在长、短期均能促进农村居民增收（谢里 等，2012）[2]，道路设施是除教育基础设施外能促进农村经济发展的最大动力（鞠晴江和庞敏，2005）[3]，因而从交通基础设施的视角可能找到农民增收的突破点，着实回答中国现阶段“谁来种地”等一系列问题。2016年，交通运输部提出结合贫困地区交通运输发展实际需要，进一步加强这些地区交通基础设施建设的《“十三五”交通扶贫规划》，该规划的有效实施离不开对贫困地区交通运输发展实际需要的准确把握，研究西部等贫困地区交通基础设施建设的农民增收效应强度、方向及其作用机制，无疑有助于更为准确地测度贫困地区交通运输发展的实际需要，从而助力交通扶贫规划能够高质量地实施。

国内外学者对农村交通基础设施建设的农民增收收入效应问题作了较为广泛的探讨。从总体上看，现有研究大多主张，改善中国农村道路基础设施对农民增收具有显著正向促进作用（刘生龙和周绍杰，2011）[4]，对消除农村贫困非常有效（Fan et al.，2002）[5]，尤其对贫困人口较多的西部地区，交通基础设建设更加直接有效（张芬，2007）[6]。

从影响机制上看，交通等基础设施在宏观层面上通过就业效应及公共支出构成、微观层面上通过价格及供给策略等影响贫困地区基础设施的获取机会来影响收入效应（Chisari et al.，1999；Estache et al.，2000）[7-8]。具体表现为，交通基础设施通过帮助贫困人口获取额外生产性机会（Estache，2003）[9]、降低生产和交易成本（任晓红和张宗益，2013；吴清华，2014）[10-11]、提升贫困地区物品价值（Jacoby，2000）[12]、改善非农就业机会（刘晓光 等，2015；邓蒙之 等，2011）[13-14]和提高农村工资（Fan and Zhang，2004）[15]等直接提升贫困地区的收入；或者通过改善贫困地区的教育和健康状况来提高就业机会和收入前景（Leipziger et al.，2003）[16]、通过交通基础设施拉动经济增长而产生的“涓滴效应”等间接增加贫困人口的收入（康继军和郭蒙，2014）[1]。

从影响强度和作用方向上看，由于中国的经济集聚对交通基础设施存在显著的空间依赖性（宋英杰，2013）[17]，中国农村基础设施投资对农民收入的弹性在区域之间存在显著差异（毛圆圆和李白，2010）[18]，不同省份之间随着经济发展水平的提高，农村交通、信息类基础设施投资对农民工资性收入的边际作用呈现倒S型特征，并最终发散（骆永民和樊丽明，2012）[19]。值得一提的是，中国西部地区1999-2008年期间交通通讯基础设施投资对农民收人的增长表现出了显著的抑制性，这主要与西部地区交通通讯基础设施落后有关，在实现农民增收时应先考虑交通通讯设施投资（陈银娥 等，2012）[20]。

综观而言，现有有关农村交通基础设施建设的农民增收效应相关研究在其作用机制、影响方向和强度等方面均进行了卓有成效的探讨，其研究思路和方法值得借鉴。然而，针对中国农村的研究也存在一定的不足：首先，大多基于省际数据或东中部个别地域单元来展开，尽管部分文献指出中国西部地区是很重要的研究对象，但鲜有文献以西部农村地区为例展开定量分析。介于中国地域辽阔，不同地域的地貌特征、交通及经济等发展水平具有很强的异质性，有必要针对西部地区更为细致的分析单元展开研究；其次，现有研究中直接采用区域行政面积测度路网密度，其精度受到一定制约；再次，现有研究大多仅用存量或流量指标来测度交通基础设施的收入效应，可能导致收入效应的估算偏差（一般低估）；最后，农村居民工资性收入和家庭经营纯收入是中国农村居民收入的两大重要构成，现有研究大多未区分交通基础设施对这两种收入的不同影响。基于此，本文的新意主要体现在以下四个方面：首先，基于中国西部除去西藏之外的11省区市2006-2014年汇总的乡镇层面面板数据，从西部总体和分省两个层面探析农村交通基础设施建设的农民增收效应；其二，在计算路网密度时，在较大程度上剥离了中国西部部分地区因广袤的沙漠和戈壁等地貌所带来的干扰；其三，同时从交通基础设施的流量和存量两种角度来刻画其对农村居民收入的综合影响；最后，分析了交通基础设施对农村居民收入两大主要构成的作用机制。接下来的内容安排：第二部分是变量选取、数据说明和模型构建；第三部分是实证结果与分析；第四部分是结论与启示。任晓红，但 婷，侯新烁：农村交通基础设施建设的农民增收效应研究

二、变量选取与数据说明

本文选取农村居民人均纯收入作为被解释变量。为了更准确地估计农村交通基础设施对农村居民收入的影响，对核心解释变量“农村交通基础设施”同时从流量和存量两种角度进行分析。除交通基础设施以外，农村非农产业劳动力、农业从业人员和有效灌溉面积等其他诸多因素也会影响农民收入增长。郭燕枝和刘旭（2011）通过对24个可能影响农民收入的因素作了格兰杰因果关系检验和协整检验[21]。具体来说，国外相关研究中影响农民收入的因素主要是政府政策、人力资本、农业发展模式创新、自然与气候条件等；国内影响农民收入增长的主要因素包括土地制度、财政支农、人力资本和农村金融等（陈乙酉和付园元，2014）[22]。基于本研究问题的特性，并借鉴现有研究成果，本文选取劳动力、土地要素、农业技术水平、人力资本水平和转移支付等作为控制变量来探讨西部农村交通基础设施对农村居民收入的影响。变量的具体含义如下：

1.被解释变量

首先，选取农村居民人均纯收入（I）来表征农村居民收入的总体状况。其次，选取农村居民人均工资性收入（I1）和人均家庭经营纯收入（I2）来探析农村交通基础设施影响农村居民人均纯收入的主要机制：依据《中国统计年鉴》，在2006—2014年间，西部地区农村居民人均工资性收入和人均家庭经营纯收入之和在农村居民人均纯收入中占比为6952%～9674%，是其最主要的两大构成。

2.核心解释变量

（1）存量：农村交通基础设施水平，采用各省区的乡镇有效路网密度（RD）作其衡量指标。一般而言，交通基础设施是对公路、铁路、内河航道和民航等的总称，但对于中国西部省区的乡镇来说，目前的交通基础设施主要是农村公路。计算公式为RD=roadyxmj。其中，road表示乡镇道路长度，yxmj表示有效面积，有效面积为耕地面积和建成区面积之和。对有效面积的测度，现有文献大多采用所研究区域内的行政面积来计算。国土资源部将土地分为农用地、建设用地建设用地面积指市行政区范围内经过征用的土地和实际建设发展起来的非农业生产建设地段，包括市区集中连片的部分以及分散在近郊区与城市有着密切联系，具有基本完善的市政公用设施的城市建设用地（如机场、铁路编组站、污水处理厂、通讯电台等）；耕地指种植农作物的土地，包括熟地，新开发、复垦、整理地，休闲地（含轮歇地、轮作地）；以种植农作物（含蔬菜）为主，兼有零星果树、桑树或其他树木的土地；平均每年能保证收获一季的已垦滩地和海涂。耕地中包括南方宽度<10米，北方宽度<20米固定的沟、渠、路和地坎（埂）；临时种植药材、草皮、花卉、苗木等的耕地，以及其他临时改变用途的耕地；建成区范围，一般是指建成区外轮廓线所能包括的地区，也就是这个城市实际建设用地所达到的境界范围。（摘自《中国统计年鉴》） 和未利用地三类，其中，未利用地是指农用地和建设用地以外的土地，主要包括荒草地、盐碱地、沼泽地、沙地、裸土地、裸岩等。中国西部地区不少省份在很大程度上属于典型的地广人稀区域，拥有广袤的沙漠和戈壁等地貌，如果直接用区域行政面积计算路网密度，势必会将这些广阔的“无人区”的面积纳入交通基础设施水平考核的范围内，导致研究精确度的欠缺。因此，本文在计算有效面积时剔除了未利用地面积。介于农用地面积统计的复杂性和数据难以获取等制约因素，加之统计部门从2013年才开始将建设用地面积纳入《中国城乡建设统计年鉴》中，为保持数据间的一致性，论文中有效面积最终采用耕地面积与建成区面积之和近似代替，虽然该处理方法依旧存在一定偏差，但相较于采用未剔除未利用地面积计算的有效面积而言，测量精确度有所提高文中采用耕地面积与建成区面积之和近似代替有效面积虽仍然存在一定偏差，但西部11省区市中耕地和建成区面积之和占农用地比重最低的青海约为6336%，其余省份在6919%～8688%之间（以数据相对完整的2010年为例）。此外，西部部分省区农用地中还包括大量的对交通基础设施需求较少的林地和牧草地，因此，采用耕地面积与建成区面积之和计算的有效路网密度能在较大程度上反映西部农村交通基础设施的真实状况。 。

（2）流量：农村交通基础设施投资（TRANS）。鉴于数据统计口径问题，采用乡镇道路桥梁建设投入作其衡量指标。

3.控制变量

（1）劳动力（L）。在其他条件保持相对不变时，当从事农业活动取得的收益相对低于非农就业的收益时，劳动力宁愿选择外出就业；而且外出就业劳动力的比例越高，即从事农业生产劳动力越少，越利于增加农民收入（王春超，2011）[23]。理论上，应采用乡村从业人员统计口径下的农林牧渔业从业人员数作为衡量指标。鉴于目前乡镇层面数据的匮乏，而且在所选的样本区间内，从事农业活动的非农村人口相对较少，对农村居民收入的影响微弱，因此本文将第一产业就业人员数作为其衡量指标。

（2）农业技术进步（T）。采用农业机械总动力来表示农业技术进步。农业技术进步会提高农业生产率，間接增加农民农业收入；同时技术进步又会释放大量劳动力，加上城镇化的推动作用，促进劳动力转移实现非农就业，增加了农民的非农收入（陆文聪和余新平，2013）[24]。

（3）土地（E）。采用农作物播种面积作其衡量指标。从生产活动开始，土地就被视为重要的生产要素和农民收入的保障。土地投入能保障农民获取一定的农业收入，但随着经济结构的转变，土地反而会束缚劳动力，阻碍其获得工资性收入，土地对农民的增收效应已不显著（骆永民和樊丽明，2015）[25]。因此，有必要考虑土地对农民收入的影响。

（4）财政支农（F）。长期来看，财政支农资金对农民收入有显著的正向促进作用，特别是2007年以后，财政支农资金通过补贴现金等形式直接增加了农民的转移性收入（罗东和矫健，2014）[26]。因此，本文选取财政支农变量作为又一控制变量。介于2007年其统计口径发生变化，统计部门将农业、林业、农林水利气象等部门事业费合在一起统称为“农林水事业”，为保持数据一致，本文采用“农林水事业”的财政支出来刻画财政支农变量。

（5）人力资本（H）。采用农村家庭劳动力的平均受教育年限来衡量。因为农民的受教育水平是农民收入的格兰杰原因（辛岭和王艳华，2007）[27]，良好教育的农村劳动力更容易参与非农就业，得到更好的工资性收入。

4.数据来源与处理

本文的相关数据依据EPS（Easy Professional Superior）数据库、历年《中国统计年鉴》、《中国城乡建设统计年鉴》和《中国农村统计年鉴》整理，数据跨度为2006-2014年。2015年《中国统计年鉴》中农村居民人均纯收入的统计口径变为人均可支配收入，从内容上看，二者的差别甚微，所以2014年农村居民人均纯收入数据用人均可支配收入近似代替。此外，《中国城乡建设统计年鉴》未对西藏地区乡镇道路和道路桥梁投入进行统计，因此，西藏的有效路网密度和交通基础设施投资数据缺失，因此从样本中予以剔除；其余缺失数据尽量通过政府报告和相关会议进行补齐。变量的描述性统计如表1所示。

根据数据整理计算得出，样本期间内农村居民的人均纯收入从2006年的2 57572元上升至2014年的8 13490元（地区间平均值），实际年均增长率达到了239%；其农村基础设施也有显著改善，农村乡镇公路总里程（除西藏外）从2006年的69 283公里到2014年的85 412公里；在2006年到2014年期间，西部地区农村居民人均纯收入对数和有效路网密度对数均具有类似的变化趋势，具体如图1所示。

数据来源：相关数据依据EPS数据库、历年《中国统计年鉴》《中国城乡建设统计年鉴》和《中国农村统计年鉴》整理，时间为2006—2014年。

初步推测农村交通基础设施的改善很可能对农村居民人均纯收入增长产生了正向的影响，但这需要通过合理的实证分析予以验证。

三、实证结果与分析

1.模型设定与选择

为避免数据中可能的异方差和数据波动，对各变量进行对数化处理，并采用F检验和Hausman检验（H检验）来选择合理的模型。

其中，i和t表示所选取样本的省份和年份，I是被解释变量，表示农村居民人均纯收入；RD、TRANS是核心解释变量，表示有效路网密度和交通基础设施投资；X是一组控制变量向量；μi为省份个体效应，β0、β1、β2为待估参数，γ是控制变量待估系数向量，ε为残差项。

第一产业就业人员数（lnL）常被相关研究作为控制变量，但在本文的样本区间内，lnL与农作物播种面积（lnE）、农业机械总动力（lnT）之间均具有较强的相关性，而与农村居民人均纯收入（lnI）之间的相关性却极其微弱，为此，本文不选择lnL作控制变量。相关性检验结果见表2。

首先，用F检验判断模型中是否存在固定效应，对变量初步回归后，F检验对应的P值为0，因此，应建立个体固定效应模型。其次，用H检验来选择个体固定效应模型还是个体随机效应模型。H检验对应的P值为001，故接受个体固定效应。因此，论文最终选择个体固定效应模型。

在对模型进行回归前，理论上还应对数据进行平稳性检验以保证回归结果的有效性，而该检验使用的方法（通常是单位根检验）对大样本数据适用，如果将其用于小样本数据时，检验结果很有可能失真（许春淑和闫殊，2017）[28]。鉴于本文数据属于短期小样本面板数据，其波动性较小，因而直接作回归分析。

2.农村交通基础设施对农村居民人均纯收入的影响

基于上文变量间的相关情况，运用逐步回归法对公式（2）作固定效应（FE）回归，结果如表3所示。

模型（1）～（3）均很好地拟合了样本观测值。有效路网密度lnRD的回归系数在三个模型中均为正且在1%显著性水平下显著，且具有一定的稳健性；交通基础设施投资lnTRANS在模型（2）、（3）中的回归系数均為正，但不具有显著性。控制变量农业机械总动力lnT、平均受教育年限lnH和财政支农lnF在三个模型中的回归系数均显著为正，农作物播种面积lnE在模型（3）中的回归系数不显著，其符号为正。为保证模型拟合具有较强解释能力，故论文针对模型（3）的实证结果进行分析。

对于核心变量，农村交通基础设施存量（lnRD）对农村居民人均纯收入有促进作用，一个可能的解释是西部农村交通基础设施水平提高既方便了农村居民外出打工，又有助于农村居民从事农业生产活动，降低流动成本和生产成本，因而，在整体上有助于农村居民收入的增长。交通基础设施投资（流量：lnTRANS）对农村居民人均纯收入也有正向促进作用，但不具显著性，可能是当期投资规模对当期农村居民人均纯收入的促进作用有限，或因交通基础设投资增收效应的时滞性所致；无论是交通基础设施存量还是流量对西部农村居民人均纯收入的弹性都偏小。可能的解释是，一个地区的交通基础设施水平只有达到一定的门槛值时方能对收入增长产生较大影响（Baldwin et al.，2003）[29]，且西部农村交通基础设施对农村居民人均纯收入具有显著的三重门槛效应（任晓红 等，2018）[30]，然而，迄今西部地区交通基础设施在整体上依然相对落后，尤其是农村地区的交通基础设施投资及其累积的存量均相对较少，因而其增收效应也相对有限。

对于控制变量，代表农业技术进步的农业机械总动力、劳动力平均受教育年限（人力资本水平）的提高、财政支农（如农业基础建设、直接补贴等）对农村居民增收均有显著的促进作用。农作物播种面积（土地使用）对提高农民收入有正向促进作用，但不显著，这可能与土地本身的农业生产效率和现行的土地管理制度有关。

3.农村交通基础设施对农村居民人均纯收入的作用机制

将农村居民人均纯收入的两大主要构成——人均工资性收入（I1）和人均家庭经营纯收入（I2）分别作为被解释变量代入基准模型中，采用个体固定效应模型，并运用逐步回归法进行回归，结果见表4。

模型（1）～（3）、（4）～（6）分别表示被解释变量为人均工资性收入（lnI1）、人均家庭经营纯收入（lnI2）逐步回归的部分结果，选取拟合效果较好模型（3）和模型（6）进行分析。有效路网密度对人均工资性收入和人均家庭经营纯收入均具有显著的促进作用，极有可能源于目前西部地区农村现存的交通基础设施（存量）为农村劳动力外出就业和从事农业生产活动提供了便利，从而获得更多的工资性收入和家庭经营收入；农村交通基础设施投资（流量）也均能促进两大收入构成的增加，但对人均家庭经营纯收入的影响显著，而对人均工资性收入影响不显著，可能是因为农村交通基础设施与城市相较而言，投资量小且周期短，对工资性收入的作用有限，相对更有利于家庭经营纯收入的增长。

对控制变量而言，农业机械总动力和财政支农均显著地促进农村居民人均工资性收入和人均家庭经营纯收入增加，表明农业科技进步在提高农业生产率促使家庭经营纯收入增加的同时，其所释放的劳动力的外出就业也会带来更多工资性收入；而财政支农则通过农业基础建设或直接补贴等促进农村居民增收。农作物播种面积对人均工资性收入和人均家庭经营纯收入均具有正向促进作用，但对后者的影响不显著，可能是农产品价格或土地的使用、管理等其他方面的原因导致。平均受教育年限对农村居民人均工资性收入具有显著正向影响，表明人力资本水平越高所获得的工资性收入也会更高；但平均受教育年限对人均家庭经营纯收入具有抑制性，从长期来看，这可能是因为农业从业人员的教育回报率过低、对从事农业生产的劳动力受教育的程度要求不高，在一定程度上，受教育时间过长反而可能被认为耽误了从事家庭经营和农业活动取得收入的机会等所致。

4.农村交通基础设施对农村居民人均纯收入影响的区域差异

考虑到西部各省份的基础设施发展水平、土地资源等的差异性，有必要对西部地区分省或者分区域进行再检验。但考虑到简单的分省回归会因时间序列较短，达不到基本要求的样本容量，而分区域又存在西部各省份归类不明确等问题，因此，本文在综合考虑各方因素的基础上采用随机系数模型（Random Coefficient Model）进行分省异质性研究。该方法将解释变量系数视为一随机变量，在FGLS的一致估计条件下展开回归，从而为样本中每个省份的变量系数提供异质性的分析结果；同时模型估计结果给出的参数稳定性卡方检验也表明拒绝“参数不变”的原假设，即认为交通基础设施等变量对农民相关收入指标的影响存在省份差异。

首先以农村居民人均纯收入（lnI）为因变量的结果见表5，总体而言，有效路网密度（lnRD）对农村居民人均纯收入的影响系数除青海之外，都为正向（当然，四川、贵州和甘肃等省份系数并不显著，一个可能的解释是这些地区的交通基础设施存量尚未达到其产生显著作用的门槛值）；农村交通基础设施投资（lnTRANS）则表现出更为明显的差异性，其中重庆、陕西和新疆系数显著为负，甘肃显著为正。省份比较分析可知，交通基础设施的存量和流量指标在影响农村居民收入层面实则也存在较大的省份差异，研究需关注省份针对性的结果表现。具体而言，重庆、陕西和新疆地区主要表现为正向的存量交通作用和负向的流量交通作用，其在西部地区的地理位置和已有的交通基础条件给予了此类省份农民收入增长的较好基础，但较大规模的交通基础设施投资本身可能因边际产出递减规律和对其他投资的挤占作用导致存在负向效应；而广西、云南、宁夏等省份则主要依赖于交通基础设施存量的发挥效应，其原因与这些省份交通基础发展相对较为缓慢有关，增量投资的拉动效果有限。

控制变量层面，农业机械总动力除了重庆、青海之外大都有显著的正向影响（内蒙古不显著），可以发现农业机械发展状况对农村居民纯收入有广泛意义上的促进作用，而重庆、青海和内蒙古未能表现出统计意义上的显著性主要与这些省份的自然条件有很大关系，多山的重庆、高原与湿地的青海以及草原为主的内蒙古并不适宜农业机械化。平均受教育年限在内蒙古、重庆、贵州、陕西、青海、寧夏等省份均表现出了显著的正向促进作用，但对新疆等地区却有抑制性，同时存在效果并不显著的地区，教育能否有效转化为对农民收入的增长动力可能存在某些实现条件。财政支农的效果也存在较大差异，其中内蒙古、重庆、青海和新疆地区系数显著为正，而广西、云南、陕西、甘肃等地区显著为负，财政的支持可能会因为对工资性收入和经营性收入的差异影响而有异质性。扩大农作物播种面积有利于农民收入增加的省份主要是四川、陕西，而有不利影响的有重庆、宁夏和新疆等，因此从总体意义上而言，农作物播种面积的提升并不一定能够提升农民收入，这与当前社会中农民并不依靠种地过活的情境相吻合。

表6报告了以农村居民人均工资性收入为因变量的估计结果。可见，交通基础存量基本上对省份均有正向影响，当然省份所处地理位置与交通基础设施发展状况也在一些省份未能表现出对农民工资性收入的增进作用（除广西、四川、甘肃以及贵州和青海不显著）。交通流量方面，农村交通基础设施投资（lnTRANS）的影响多不显著，在具有统计差异的样本中，重庆和陕西显著为负，贵州地区则显著为正，这一表现与对农村居民人均纯收入的估计结果具有一致性。控制变量层面，农业机械总动力对农民工资性收入基本都为正向影响（青海除外），且基本上有统计显著性，可能的原因是农业机械的发展有助于解放劳动力，从而促进农村人口更多的参与工资性收入活动，这表明提高西部各省区农业技术水平对农村居民增收是很有效的。平均受教育年限对人均工资性收入在重庆、贵州、陕西、陕西、宁夏和新疆等省份均表现为显著的促进作用，而其他地区并不具有统计显著性，这说明提高农村居民的人力资本水平可助于工资性收入增长从而增加收入。财政支农的异质性较为明显，其中内蒙古、重庆和青海为正且显著，云南、陕西和甘肃为负且显著，地区发展状况和对财政的依赖性形成了对农民工资性收入的间接影响。扩大农作物播种面积的影响仅在重庆、甘肃和宁夏有一定的统计显著性，其中重庆和宁夏地区为负向效应，可能是区域内土地使用和管理制度等方面的原因所致，另外与农民的生产经营活动开始脱离土地也有很大关联。