基于空间依赖性视角的农地流转影响因素分析

洪名勇，王珊，吴昭洋

（1. 浙江大学管理学院，浙江 杭州 310012；2. 浙江大学中国农村发展研究院，浙江 杭州 310012；3. 贵州大学管理学院，贵州 贵阳 550025；4. 复旦大学国际关系与公共事务学院，上海 200433）

中国农村土地制度经历了从“两权分离”到“三权分置”的改革，有效地激励了广大农民的生产积极性，促进了农业生产和农民收入水平的提升。然而，土地资源的配置扭曲这一事实仍然长期存在，且在短期内难以得到实质性改善，造成了农业生产效率的损失[1]，从法律层面赋予农民自由流转农地的权利，能够有效促进农地资源配置效率[2-3]。虽然我国政府鼓励农地流转的政策信号十分明确，推进流转的工作也取得了一定成效，但农地流转市场的高峰并未到来。根据《中国农村经营管理统计年报》，2016年全国（不含西藏自治区和港澳台地区）农地流转率为35.14%，其中，流转入农户的农地面积占流转总面积的58.38%，流转入专业合作社、企业和其他主体的占比分别为21.58%、9.68%和10.36%。不难发现，当前农地流转的总体水平不高，转入主体以农户为主，与鼓励小而散的农地资源向合作社或企业流转的政策导向有所偏离。同时，农地流转在省级区域间还存在显著差异。

为了有序促进农地流转，政策部门与学术界展开了许多讨论并进行深入研究，从交易成本[4]、产权特征和安全[5-6]、非正式制度[7]、政府干预[8]等不同的角度识别农地流转的内在行为机制和外部影响因素。然而，受到研究方法与数据收集的限制，现有研究大多立足于决策主体间相互独立的假设前提[9-10]，并未考虑流转行为之间的潜在关联。根据地理学第一定律，任何事物都与其他事物存在一定的关联性[11]，直观的学习和信息的传递是决策者期望和偏好形成过程中互相影响的重要途径[10]，其最终决策既不是完全独立的，也不是共同达成的，空间经济学将这种决策行为间彼此依存的关系定义为空间依赖性[12]。洪名勇[13]的研究表明，农地流转行为分布在空间单元之间，受地理空间距离和社会空间距离的叠加影响，距离越近，关联性越强，呈现出有规律的空间依赖特征。杨卫忠[14]则发现，农户之间的流转决策会相互影响，具有强烈的羊群效应。据此，农地流转作为一种决策行为，决策者之间的依赖关系对流转与否以及流转形式的选择影响重大。已有研究虽注意到空间在农地流转中的作用，但大都仅关注空间异质性，通过空间描述性统计或设置地区虚拟变量的方式比较不同地理区域间流转行为的差异[16-17]，仅有少数学者从空间依赖视角分析了农地流转行为。例如：金贵等[18]基于黄淮海平原农户调查数据，利用空间趋势推演算法ELL模型，从县域层面对农地流转的空间趋势和集聚特征展开研究；杜挺等[19]以河南省耕地流转租金为研究对象，使用空间关联分析探究了流转租金的空间集聚和布局状况，并进一步采用相关分析和空间计量模型分析了耕地流转租金空间格局的形成机制；申云等[20]基于江西、安徽和江苏三省的农户样本数据，利用空间计量模型，也发现农地使用权流转价格在区域之间存在传导性；王珊等[21]利用省级截面数据探讨了不同流转形式在全国范围内的空间集聚模式，并使用空间计量模型分析了流转行为之间的互动方式及影响强度。由此可见，农地流转的空间依赖性正逐步受到学术界的关注，但仍存在诸多不足：首先，既有研究大都使用截面数据，难以清晰地捕捉农地流转的时空演化规律，需要使用面板数据加以改进；其次，未能区分流转的具体行为方式，流转主体选择不同的流转行为具有不同的政策含义；最后，空间计量模型的选择缺乏规范性，对潜在影响因素的空间溢出效应研究不足。本文的边际贡献正是弥补上述不足。

基于决策主体间存在空间依赖性这一理论假设，本文以省级区域为空间单元，利用2009—2016年全国30个省区的面板数据，将农地流转行为细分为2类流转契约、6类流转形式和4类交易对象，使用空间计量方法对不同农地流转行为的空间集聚性进行检验，较为系统地分析了不同流转行为各自的空间依赖关系以及潜在影响因素的空间溢出效应。这不仅是对既有农地流转研究的有效补充，也是对空间经济理论在我国农地流转行为研究中的应用与检验。

1 农地流转行为的空间依赖性

1.1 分析框架与理论假设

空间依赖性的形成路径可分为内生交互效应（Endogenous Interaction Effects）、外生交互效应（Exogenous Interaction Effects）和误差项交互效应（Interaction Effects among the Error Terms），其中，误差项交互效应不要求具有空间或社会互动过程的理论解释，是不可观测因素或遗漏变量存在空间相关时的矫正机制[22]。为探索农地流转行为空间依赖性的影响因素，本文基于以上理论路径作出研究假设（图1），用i和j表示不同的省级空间个体，Y表示农地流转行为，X表示影响农地流转行为的外生因素，μ表示不可观测的误差项因素。

图1 农地流转行为空间依赖性的形成路径及影响因素Fig. 1 Path and influence factors of the spatial dependence of farmland circulation behaviors

我国农地流转可分为农户自发交易和地方政府主导流转两种模式，农户和政府都会对流转行为产生重要影响。首先，省区是人为划分的地理边界，处于边界周围的农户虽属于不同的空间，但距离较近，难免由于信息的传递与共享，在行为上相互影响；其次，各级地方政府在引导农地流转市场发展的过程中，会学习相临省区的做法，在政策实施上呈现“模仿效应”[23]。基于此，提出假设一：不同省区的农地流转行为具有内生交互效应，即Yi与Yj相互依赖。

农地资源虽无法在空间中移动，但影响农地流转市场供求和价格的因素可能是跨空间的。首先，劳动力结构、农地资源禀赋、产权安全等因素通过影响农地流转市场供求和价格，引致不同的流转行为；其次，流转市场需求主体根据农地质量、生产条件和价格发现可获利的交易机会并在不同空间中移动，需求流出和流入省区相应通过不同流转行为来应对需求的变化；最后，相邻空间流转价格的相互关联进一步扩大了空间影响效果。基于此，提出假设二：不同省区的农地流转行为具有外生交互效应，省级空间农地流转市场行为特征同时受到自身空间和其他空间中外生因素的影响。

1.2 农地流转行为分类

农地流转实质是对农地承包经营权的交易行为，体现在是否流转以及对流转契约、流转形式和交易主体的选择上。根据《农村土地承包法》和《农村土地承包经营权流转管理办法》，将农地流转按照3个标准分解为12类行为（图2），包括2类流转契约选择行为、6类流转形式选择行为和4类交易主体选择行为。

2 研究方法、变量选取与数据说明

2.1 研究方法

2.1.1 空间自相关检验 （广义）莫兰指数I（Global Moran'sI）可以从整体上检验农地流转行为在邻近省区之间是相似、相异还是相互独立的，该指数为一个观测值与其空间滞后（Spatial Lag）之间的线性相关系数，用加权的成比例的向量内积表示：

式中：wij为空间加权矩阵，本文选取地理距离权重矩阵表示省区i与省区j之间的空间距离，表达式为：wij=1/d2，d是通过经纬度计算得出的省会城市之间的球面距离，i，j∈(1，n)；Y表示农地流转行为，表示不同省区流转行为的平均值。-1≤I≤1，I大于0表示空间正自相关，即高（低）值与高（低）值相邻，小于0表示空间负自相关，即高值与低值相邻，接近于0表示空间随机分布；I统计量服从正态（渐进）分布，一般使用标准化的莫兰指数Z(I)进行显著性检验。

图2 农地流转行为分类Fig. 2 Classifications of farmland circulation behaviors

2.1.2 空间面板模型 行为之间存在空间依赖性时使用一般线性分析会得到有偏的结果，故本文构建农地流转行为的空间杜宾模型（Spatial Durbin Model,SDM）进行研究，表示为：

式中：i和j分别表示不同的省区，t表示时期，wij为地理距离权重矩阵，αiιn为截距项；Yit为农地流转行为变量，wijYjt为农地流转行为滞后项，表示内生交互效应；Xikt为n×k解释变量矩阵，K∈（1,m），wijXjkt为农地流转行为影响因素的滞后项，表示外生交互效应；εit为随机扰动项；β为影响因素的非空间回归系数，δ和θ表示影响因素的空间回归系数，μi和λt分别表示空间固定效应和时间固定效应，利用空间或时间虚拟变量来反应随空间或时间变化的结构调整。

基于SDM的模型选择框架为探索空间依赖性的影响因素提供了一套完整和行之有效的思路[22,24-25]，具体步骤如下：第一，若SDM接受θ=0且δ≠0的原假设，则可将其简化为空间滞后模型（Spatial Lag Model, SLM），表示内生交互效应为主要影响路径；第二，若SDM接受θ+δβ=0的原假设，则可将其简化为空间误差模型（Spatial Error Model, SEM），表示误差项交互效应为主要影响路径；第三，若以上两个检验均拒绝原假设，则SDM是最佳的选择，表示农地流转行为的空间依赖性应通过内生和外生交互效应来解释。

2.1.3 直接效应与溢出效应 对（2）式进行偏导，将空间模型中解释变量的边际影响分解为直接效应（Direct Effects）和溢出效应（Spillover Effects）以识别不同因素的空间影响范围[25]。直接效应是i省的变量Xik对本空间内农地流转行为的平均影响，表示为：

式中 ：tr[∂Yi/∂Xjk]为矩阵∂Yi/∂Xjk的迹，即主对角线元素之和。溢出效应是i省的变量Xik对除本省之外所有省级空间农地流转行为的平均影响，表示为：

2.2 变量选取

2.2.1 农地流转行为 鉴于不同行为的空间聚类度和影响因素可能具有差异，本文分别研究12类流转行为的空间依赖性；同时，为消除由不同空间中农地规模差异带来的影响，并在面板数据中体现不同行为流转规模的时间变化趋势，文中以不同农地流转行为占家庭承包经营耕地的比例作为度量指标。

2.2.2 影响因素指标 参考已有文献在研究农地流转行为的诸多因素中常用的变量，选取8个影响因素作为空间回归分析中的自变量（表1）。具体地，非农就业水平和农户收入水平越高、劳均耕地面积越大，可能促进流转市场的农地供给，而经营性收入包括农业收入，其比重越大反映了农户对农地的依赖性越强，可能会降低供给并增加需求；农村劳动力文化水平提高，一方面意味着非农就业增多，增加流转农地供给，一方面可能有更多规模化农业经营者，提高农地流转需求；专业合作社的流转效率较高，农户可以同时获得股金分红和工资性收入[26]，同时，合作社数量表征了农地需求状况，其发展已然成为影响农地流转行为的重要因素；财政支农支出衡量了政府对农业基础设施的投资，较好的生产条件更容易吸引农业企业等流动性较强的农地需求者；好的产权安全环境对农地流转行为有着促进作用[6]。

2.3 数据说明

农地流转行为中流转契约、流转形式和交易主体等指标中各个变量、土地承包经营权证书份数、家庭承包经营的农户数、非农就业水平、合作社数量等数据来源于历年《中国农村经营管理统计年报》，经营性收入、耕地面积、地方财政农林水务支出、地方财政一般预算支出来源于历年《中国统计年鉴》，其余变量均来源于历年《中国农村统计年鉴》。由于“农村劳动力文化水平”指标缺失2013—2016年数据，文中采用移动平均方式补齐缺失数据；“农村居民家庭人均收入”数据统计口径于2014年发生变化，2009—2013年为农村居民家庭人均纯收入，2014—2016年为农村居民人均可支配收入水平。本文采用2009—2016年中国30个省（市、自治区）构成的面板数据进行分析，西藏和港澳台地区由于数据完整性欠缺且异质性较强，不纳入研究范围内。

表1 变量说明与描述性统计Table 1 Definitions and descriptive statistics of variables

3 不同农地流转行为的省级空间分布描述

不同农地流转行为的空间分布规律应有所差异，本部分仅对2016年的农地流转行为数据进行分析，不涉及流转规模的趋势变化，采用“不同农地流转行为涉及的耕地面积/农地流转总面积”作为代理指标，以更清晰地描述其空间分布状况。

3.1 不同流转契约的空间分布情况

图3显示了按照书面契约比率高低排序后，农地流转契约省级空间分布以及书面契约的梯队分布情况。2016年，我国签署流转书面合同的农地面积占流转农地总面积的68.23%，是主要缔约形式。按照书面合同签订率的高低，将30个省区分为70%～100%、40%～70%（不含70%）和0～40%（不含40%）3个梯队。第一梯队中有14个省区，其中，上海的书面合同签订率高达100%，其次是宁夏（89.23%）、青海（87.02%）、辽宁（83.33%）和江苏（80.80%），其他省区围绕这5个省级空间形成2个书面缔约的高值聚集区，其中，青海和宁夏地处邻近，同属一个聚集区，另一个聚集区从黑龙江开始，经过辽宁、河南、江苏、湖北等地，最终到达云南；有14个省区处于第二梯队，它们围绕书面合同签订率较高的安徽（69.75%）和北京（66.26%）两省形成2个聚集范围较大的中值聚集区；只有福建和海南处于第三梯队，农地流转契约形式仍然以口头契约为主，仅有36.03%和22.14%的流转农地签订书面合同。签订口头契约行为的省级空间分布情况与签订书面契约行为的空间分布情况刚好相反，文中不再赘述。

3.2 不同流转形式的空间分布情况

图4按照转包农地占比高低进行排序，显示了我国农地流转形式的省级空间分布及转包行为的空间梯队情况。2016年农地流转的交易方式主要为转包和出租，以这两种形式流转的农地面积分别占流转农地总面积的47.14%和35.09%，互换、转让和其他形式分别占5.36%、5.10%和4.63%，其中，出租行为与转包行为的空间分布趋势相反，转包率高的地方出租率较低。

图3 2016年农地流转契约省级空间分布Fig. 3 Provincial spatial distribution of different contracts of farmland circulation in 2016

图4 2016年农地流转形式省级空间分布Fig. 4 Provincial spatial distribution of different leasing modes in farmland circulation in 2016

按照转包农地占比情况将30个省区分为70%～100%、40%～70%（不含70%）和0～40%（不含40%）三个梯队。处于第一梯队的有3个省级空间，其中，吉林和黑龙江转包率分别为80.65%和73.84%，形成一个高值聚集区，新疆的转包率为70.65%，独自在西部地区构成一个高值空间；处于第二梯队的9个省级空间以河南为中心，形成上至内蒙古，下到湖南的中值聚集区；共有18个省区处于第三梯队，其中，除了天津市（33.96%）和转包率最低的北京市（5.96%）处于第一梯队的省区包围之中，其他省区围绕四川和江西二省形成一个U字型低值聚集区。根据出租占比的分布情况，按照50%～100%、30%～50%（不含50%）和0～30%（不含30%）的标准区分梯队，处于第一梯队的有11个省区，围绕出租占比排名前四的宁夏（76.25%）、上海（75.72%）、青海（62.79%）以及广西（61.66%）形成3个高值聚集区，其中，宁夏和青海属于同一个聚集区；第二梯队包括12个省区，四川和贵州出租率最高，分别为49.65%和48.98%，出租率最低的为河北（31.79%），这12个省区共同形成一个大范围的中值聚集区；有7个省区处于第三梯队，除了新疆（16.13%）以外，其他的6个省区以辽宁为中心形成低值聚集区。

总之，转包和出租两种行为都呈现出高（低）值和高（低）值相临近的空间聚集现象。另外，转让、互换、股份合作和其他形式由于所占份额过小，无法看出空间分布规律，暂不进行具体分析。

3.3 不同流转交易主体的空间分布情况

图5按照流转入农户的农地占比高低进行空间排序，显示了我国交易主体的省级空间分布及转入农户行为的空间梯队情况。2016年主要的农地流转主体为农户，占比为58.38%，第二大交易主体为专业合作社，占比为21.58%，企业和其他主体所占比重分别是9.68%和10.36%。多数省区中流转入农户的农地占比处于40%～80%之间，按照占比情况，将三个梯队范围设定为50%～100%、30%～50%（不含50%）和0～30%（不含30%）。有17个省区处于第一梯队，其中，新疆、内蒙古和黑龙江三省区占比分别为76.44%、72.82%和71.56%，除新疆之外，吉林、内蒙古、辽宁、山西和黑龙江组成一个高值聚集区，其余11个省区围绕安徽和江西形成另一个高值聚集区；第二梯队包含四川、甘肃、云南等12个省区，其中，除了天津、上海和江苏处于高值聚集区之中，其余9省区围绕四川形成中值聚集区；处于第三梯队的只有北京市，流入农户的农地占比为21.81%。流转入专业合作社的农地占比几乎都处于10%～30%之间，只有青海、天津的占比较高，分别为43.15%和38.93%，云南、广东、北京占比较低，分别是9.66%、8.22%和4.42%。转入企业的农地规模最大和最小的省区分别为宁夏（30.95%）和黑龙江（0.89%）；北京有53.36%的流转农地转入其他主体，黑龙江此项占比最小，为4.13%。

图5 2016年农地流转交易主体省级空间分布Fig. 5 Provincial spatial distribution of different transactional entities of farmland circulation in 2016

不同农地流转行为的省级空间分布情况显示，邻近空间中的农地流转行为具有趋同趋势，且不同行为的空间分布异质性很强，但是，农地流转行为是否存在空间相关？其空间依赖形成路径及影响因素是否相异？还需进一步验证。

4 实证结果与分析

4.1 农地流转行为的空间相关性检验

利用全局Moran's I分别对2009—2016年12类农地流转行为进行空间自相关检验，表2列出了行为中具有相对稳定空间依赖关系的检验结果，即他们的空间相关系数连续三年以上显著。第一，空间关联具有行为上的异质性。缔结书面契约、转包、出租、流转入农户、流转入企业以及转入其他主体这6种行为的全局Moran's I显著为正，具有稳定的正向空间依赖关系，其余6种行为整体上呈现出空间随机分布状态。第二，空间依赖具有时间上的异质性。书面合同、转包、出租以及流转入专业合作社4种行为具有稳定的空间关联，其中，书面契约缔结行为的空间相关系数逐年递增，而流转入专业合作社行为的空间依赖关系仅在2016年不显著；转入农户和其他主体的行为在近5年内显示出逐渐增强的空间依赖关系；另外，互换从2015年开始、签订口头契约和股份合作从2016年开始表现出显著的空间相关性，说明随着政策引导对农地流转行为影响的不断增强，不同行为表现出明显的空间聚类趋向。具有稳定的空间相关性是进行空间回归的基础，本文选取至少连续三年显示出空间相关的书面缔约、转包、出租、流转入农户和专业合作社5种行为作为空间计量因变量进行回归，虽然流转交易中的其他主体也具有显著的空间相关性，但数据中并未明确具体包括哪些主体，鉴于研究的严谨性和可分析性，本文中不对其进行分析。

表2 全局自相关分析结果Table 2 Results of the global autocorrelation analysis

4.2 空间面板数据模型选择

空间面板模型选择结果如表3所示。对不同行为的特定效应联合显著性进行似然比检验，5种流转行为均在1%的水平上拒绝空间固定效应联合不显著的原假设，但无法拒绝时间固定效应联合不显著的原假设，意味着空间面板模型中应只考虑空间固定效应；豪斯曼检验结果均显示固定效应模型的估计方法相对更优；5种行为基于SDM的模型选择检验结果都同时拒绝了θ=0且δ≠0、θ+δβ=0这两个原假设，相对于SLM和SEM，SDM能够更好地拟合数据，不同农地流转行为的空间依赖性应从内生和外生交互效应两条路径进行解释。

表3 空间面板数据模型选择检验结果Table 3 Test results of choosing spatial panel data models

4.3 基于空间回归模型的影响因素分析

文中使用最大似然法对经过对数处理的被解释变量和解释变量展开空间回归分析，表4显示了对外生变量的边际影响进行分解后的空间杜宾模型估计结果。书面契约缔结行为的内生交互效应系数为3729.327，在1%的水平上显著，表明省级空间边缘地区的农户在签订书面合同行为上的相互模仿，以及邻近省区政府之间在规范农地流转市场合约行为上的相互学习，都可以通过微观积累形成宏观上流转市场中缔结书面合同行为的空间依赖现象，接受本文假设一；转包、出租、转入农户和转入专业合作社4种行为拒绝本文假设一。解释变量对不同流转市场行为影响的空间范围具有差异，有些兼具直接效应和溢出效应，有些只具有其中一种效应，从结果上看，显著的溢出效应是农地流转行为存在外生交互效应的有效证据，接受本文假设二，具体的影响因素分析如下：

1）农村劳动力文化水平（CL）与非农就业水平（NAP）的影响分析。农村劳动力文化水平的提高对农地流转的影响尚存在争议[21]。一方面，可通过促进非农就业而鼓励农地转出，也可能由于农地需求减少而抑制农地转入，在本省空间中，表现为通过转包方式转入土地的农户减少，闲置土地增多。供大于求压低流转价格，增多的土地一部分转入本省的专业合作社，另一部分由被价格优势吸引而来的相邻空间中流动性较大农地需求方（如农业企业）吸收，相邻空间则通过建立专业合作社或出租给农户的方式，来“解决”由于企业或其他需求方流失而“多出”的农地，表现为农村劳动力文化水平对出租、流转入农户行为，以及非农就业对流转入农户和专业合作社行为的正向溢出效应。另一方面，文化水平的提高让农户更容易通过学习农业技术和实行高效管理成为种植大户，总体上抑制转出，促进转入，在本省空间中，种植大户与其他农户形成流转市场需求竞争，导致以转包方式流转入其他农户的土地面积减少，农户之间的农地流转通常选择口头约定，故书面契约签订概率降低；对相邻省份来说，当农地数量无法满足发展需求时，大户会寻求相邻空间的农地作为补充，表现为文化水平的提高对出租行为的正向溢出效应，同时，源于其他空间的“外来”农地需求者与当地农户的关系即不密切也不熟悉的概率很大，书面合同是占优选择，形成了农村劳动力文化水平提高对书面契约选择的正向溢出效应，弹性系数为1.455。

2）农户收入因素影响分析。一方面，若人均收入（IL）的提高源于非农收入增加，则农户对土地的依赖性弱，更愿意以出租的形式流转闲置土地。另一方面，当农户通过成为种植大户或者通过组建专业合作社的方式进行规模经营，其收入的提高主要源于农业经营收入（OI）时，其土地需求较大，在本集体经济组织内部无法提供足够农地的情况下，他们可能会转求相邻集体经济组织的土地，若相邻集体经济组织处于本空间范围内，会导致本空间出租农地比例的增加（直接效应），若相邻集体经济组织从属于其他空间，则表现为对出租行为的正向溢出效应，出租对象为农户（种植大户）或专业合作社；规模化农业经营的规范性要求决定了书面合同的适用性，表现为农户经营性收入指标对签订书面合同行为显著的正向溢出效应。

表4 空间杜宾模型估计结果Table 4 Regression results of the SDM

3）财政支农支出（GS）、种植业合作社数量（CO）和劳均耕地面积（ML）影响分析。财政支农支出的提高意味着农业生产基础环境的持续性改善，高效农业得以发展，随着农地需求者向生产环境较好的空间流动，对需求方流出的空间来说流转市场上的闲置土地增多，专业合作社作为新的流转交易主体吸收这部分土地，表现为财政支农支出对流转入专业合作社行为的溢出效应，弹性系数为1.482。种植业合作社的发展仅具有显著的直接效应，合作社数量增多带动当地农业经济发展并增加种植收益，相应提高转包、出租、流转入农户和合作社4种农地流转行为的发生概率，同时，专业合作社规范的交易流程提高了书面契约签订率，对书面契约缔结行为具有弹性系数为0.355的直接效应。劳均耕地面积较大意味着丰富的农地资源，对于省区本身来说，被农地资源禀赋吸引而来的农业企业与当地农户和专业合作社形成竞争，估计结果显示，转包和流转入专业合作社两种行为都相应减少，直接效应的弹性系数分别为-0.557和-0.501，但流转入农户的土地增多，相对丰裕的农地资源和相对成熟的流转市场，让农户在交易中不需要再花费更多的成本来签订书面合约；对于相邻省区来说，土地需求者的减少导致出租率降低，流失对象为流动性较大的专业合作社，书面契约签订行为也相应有所减少。

4）土地承包经营权证书颁发率（CM）影响分析。颁发土地承包经营权证书有助于提高农地产权安全性并促进农户的流转意愿，流转入农户和专业合作社的土地都增加，直接效应的弹性系数分别为0.517和0.655，进一步的，随着农户产权安全意识的提高和农村土地流转市场的规范化，书面合同的签订率也有所上升。产权安全对于农地流转的促进作用还通过示范效应提高相邻省区空间中流转入专业合作社的土地数量，溢出效应弹性系数为0.740。

5 结论与启示

5.1 结论

1）我国农地流转市场的主要交易主体为农户，转包和出租是最常使用的两种流转形式，书面契约签订率高于口头契约表明流转交易逐步趋向正规化。

2）农地流转行为在地理空间中具有正自相关和随机分布两种特征，且存在行为和时间上的异质性。转包、出租、流转入专业合作社及签署书面契约4种行为在空间中呈现出长期稳健的相互关联；互换、股份合作、流转入农户和其他主体、签订口头契约5种行为在近几年逐渐显现出空间聚类趋势；转让、其他形式及流转入企业3种行为则为随机分布状态。

3）不同农地流转行为的空间依赖影响因素具有差异，书面缔约行为的空间依赖性主要源于内生交互效应和外生交互效应中的相关影响因素，转包、出租、流转入农户及专业合作社4种行为的空间依赖关系主要受到外生交互效应的影响。

4）外生影响因素的直接效应和溢出效应对各种行为的影响和空间范围有所不同，一方面，相同解释变量对于不同行为的直接效应和溢出效应均不相同；另一方面，部分解释变量同时通过直接效应和溢出效应对本空间和其他空间的行为产生影响，部分解释变量却只存在其中一种效应。

5.2 启示

5.2.1 政策启示 第一，关注空间依赖关系在不同农地流转行为间的异质性，改进现有“大水漫灌”式的政策，探索具有行为靶向的农地流转政策。具体地，对于流转入企业、互换、转让等在空间中呈无规律分布的农地流转行为，可沿用以地理为边界的政策制定和实施方式，而对于具有空间相关性的农地流转行为，如签订书面契约行为、转包和出租行为、流转入农户和合作社等行为，考虑以行为边界替换地理边界，在现有制度框架下，制定具有跨区域及省域化特点的农地流转政策。

第二，明确不同因素影响路径和效果的异质性，关注外生影响因素对不同农地流转行为影响效果的空间范围。具体地，对于种植业合作社发展这种仅具有直接效应的影响因素，可以优先考虑根据本省情况制定相关政策；对于农村劳动力文化水平等同时具有直接效应和溢出效应的影响因素，应重视农地政策的空间联动性，利用溢出效应促进相邻省份农地流转市场的发展；对于只具有溢出效应的影响因素，例如产权安全对转入专业合作社行为的影响，应正视此项因素对本省空间影响的“失效”性，理应重点考虑受到影响的相邻省级空间的需求。

5.2.2 理论启示 不同空间的农地流转市场并非相互独立的，而是受到各种因素的跨空间影响。企业、专业合作社等农地需求方在不同省区流转市场上的流动会产生空间溢出效应，进而导致市场供求及价格变化，促使交易双方利用不同流转行为应对这种变化并达成交易，这些交易行为具有深刻的空间规律。需要说明的是，本文虽然在省级层面上对农地流转行为的空间依赖性进行了初步的影响因素分析，但仍然存在较大的进一步研究空间：第一，每一个外生因素产生溢出效应的机制十分复杂，本文仅做了可能性的解释，更为深入和准确的探析亟待补充；第二，基于农户行为本身的微观探讨是观察流转行为空间依赖机制最直观的视角，在微观空间层面展开进一步分析可补充目前极其缺乏的微观空间视角研究。