土地流转视角下耕地“非粮化”时空格局演变及驱动因素

杨慧琳 冯淑怡 袁凯华 张兰 陈尧

关键词：流转耕地；“非粮化”；时空格局演变；驱动因素

粮食安全关乎国计民生，是经济发展和社会稳定的基本前提。中国粮食总量供给凸显不足。根据《中国统计年鉴2022》，中国粮食产量逐年上升，2021年粮食产量达68000万t，再创新高。但是，粮食需求量也在不断提升。2021年，中国粮食进口总量突破16000万t，其中玉米进口约2800万t，大麦进口超过1200万t，小麦进口逼近1000万t，稻谷及大米进口约500万t，尤其是大豆进口逼近10000万t，占进口总量的58.6%（大豆进口总量9647万t÷粮食进口总量16449万t×100%=58.6%）。与之形成鲜明对比的是稻谷和大豆播种面积不断下滑。2021年，稻谷播种面积2992万hm2，较上年减少16万hm2，下降0.5%；大豆播种面积841.5万hm2，较上年减少147万hm2，下降14.8%。伴随城镇化深入推进，膳食结构升级，民众对大豆等农产品需求持续上升，将增加粮食供给结构性压力［1］。与此同时，在国际贸易市场不稳定的背景下，高度依赖进口给中国粮食安全埋下了隐患。

党中央始终高度关注粮食安全问题，多次指出“中国人要把饭碗端在自己手里”。国务院办公厅于2020年印发《关于防止耕地“非粮化”稳定粮食生产的意见》指出，应当充分认识防止耕地“非粮化”稳定粮食生产的重要性紧迫性，坚决防止耕地“非粮化”傾向，并强调了三类耕地“非粮化”的突出表现，即“把农业结构调整简单理解为压减粮食生产”“经营主体违规在永久基本农田上种树挖塘”及“工商资本大规模流转耕地改种非粮作物”。2021年，多部委联合下发《关于严格耕地用途管制有关问题的通知》，首次提出了耕地转为其他农用地的“进出平衡”，并规定可跨行政区域统筹落实耕地“进出平衡”。2023年中央一号文件再次强调：“抓紧抓好粮食和重要农产品稳产保供”。因此，对耕地“非粮化”问题展开深入研究，对于保障粮食安全具有重要现实意义。

1文献综述

学术界对耕地“非粮化”测度及空间特征的考察可分为三个层次：①全国和粮食生产功能区等宏观尺度。针对全国层面的耕地“非粮化”研究发现，耕地“非粮化”水平为32.3%，高“非粮化”地区主要集中于新疆、贵州和东南沿海［2］，在空间上表现出由东北向西南逐步加剧的态势［3］。针对粮食生产功能区的研究发现，粮食主产区的粮食总产量、单产和播种面积增长均显著高于非粮食主产区［4］。②地级市的中观尺度。针对产粮大省中传统农业城市，例如山东省16个地级市，其耕地“非粮化”水平为24.0%，西部及鲁北滨海平原地区的“非粮化”水平较低，中东部山地丘陵地区的“非粮化”水平较高［5］。针对快速城镇化地区中农业转型城市，例如江苏省溧阳市，其耕地“非粮化”水平高达48.1%，水田资源比例高、地势平坦和基础设施完善地区的“非粮化”水平较低，经济优势区的“非粮化”水平较高［6］。③县、镇、村级的微观尺度。微观尺度的研究倾向于采用实地调研方法考察耕地“非粮化”水平［7-8］。部分学者指出县级层面的耕地“非粮化”问题更为严重，例如河南省6个产粮大县的耕地“非粮化”率高达54.8%［9］。

学术界对耕地“非粮化”驱动机制的考察主要遵从土地经济理论逻辑，即耕地“非粮化”现象本质上是“人-地”和“人-人”之间相互作用的结果［10］，受到自然［11-12］、经济［13-14］、政策［15-17］、法律［18］等多重因素的综合影响。其中，土地流转是研究耕地“非粮化”驱动机制的重要切入点［19-20］，其代表性观点有：①土地流转促进了耕地“非粮化”。有学者基于2015年中国家庭金融调查数据的实证分析发现，土地转入显著促进了经营者选择非粮食生产项目［21］。②土地流转促进了耕地“趋粮化”。有学者基于2003—2012年原农业部农村固定观察点微观调查数据的实证分析发现，土地转入有助于提升粮食种植比例［22］。③土地流转对耕地“非粮化”没有影响。有学者基于2016年全国28省地块数据的实证分析发现，流转地块与未流转地块没有显现出种植结构上的差异［23］。

综上所述，已有研究对典型地区的耕地“非粮化”测度、空间特征和驱动机制等内容进行了全面分析，这为进一步研究提供了重要参考。然而，现有关于耕地“非粮化”时空格局演变特征的研究以所有耕地为测度对象，而较少关注“非粮化”率高达41.9%的流转耕地（数据源于《2021年中国农村政策与改革统计年报》）。同时，学术界关于土地流转与耕地“非粮化”的关系并未形成一致性结论，分歧主要源于以下几方面：①土地流转中“人”的特征、“地”的特征及“钱”的特征可能会对耕地“非粮化”带来差异化效应，仅从单一视角研究土地流转对耕地“非粮化”的影响，导致研究结论争议；②现有研究多基于截面数据，难以准确反映土地流转对耕地“非粮化”的动态影响，导致研究结果的时序差异；③已有研究忽视了耕地“非粮化”可能存在的空间集聚和空间依赖关系，以及土地流转与耕地“非粮化”的互为因果关系，导致研究结果的有偏估计。

鉴于此，本研究利用中国2009—2020年省级面板数据，对流转耕地“非粮化”的时空格局演变进行量化测度，在此基础上，从“人”“地”“钱”多视角探析流转耕地“非粮化”的驱动因素及其区域异质性，以期为综合治理土地流转引致的耕地“非粮化”问题提供参考。

2理论分析与研究假设

2.1内涵界定

1 内涵界定学术界对于耕地“非粮化”测度并未形成一致方法，差异主要源于两个方面。一是耕地“非粮化”行为理解差异。有学者认为耕地“非粮化”是指在耕地上种植蔬菜、水果、花卉等经济作物的行为，即耕地“非粮化”狭义内涵［24］；而有学者认为耕地“非粮化”是指在耕地上从事一切“非粮”的行为，不仅包括种植蔬菜、水果、花卉等经济作物行为，还包括在耕地上开挖鱼（虾）塘、利用耕地搭建养殖鸭棚以及开设农家乐等其他非农建设活动，即耕地“非粮化”广义内涵［25-26］。二是对耕地“非粮化”状态理解差异。有学者认为耕地“非粮化”是一种现期状态，应采取现期粮食种植面积与农作物种植面积比值来测度“非粮化”水平［2］；有学者则认为“非粮化”是农作物种植的变化过程，应采取粮食种植面积与农作物种植面积比例的变化值来刻画“非粮化”水平［3］。本研究对流转耕地“非粮化”内涵界定基于两个方面。一是耕作层作为耕地质量的重要指标，破坏了耕作层进而影响粮食生产的行为均应视为“非粮化”行为，因此，以广义内涵为基础界定耕地“非粮化”概念更佳。二是本研究对流转耕地“非粮化”时空格局的测算不仅包含“非粮化”变化趋势，也需对其本底水平开展分析，因此，从现期状态测度“非粮化”更佳。综上，本研究将流转耕地“非粮化”定义为在流转耕地上从事除粮食生产外的一切其他活动，具体计算公式如下：

考虑到不同粮食生产功能区在自然资源禀赋、经济发展状况及种粮政策环境等方面存在差异，本研究根據《国家粮食安全中长期规划纲要（2008—2020年）》，将31个省份划分为13个粮食主产区、7个主销区和11个产销平衡区。其中，粮食主产区包括黑龙江、吉林、辽宁、内蒙古、河北、河南、山东、江苏、安徽、江西、湖北、湖南和四川；粮食主销区包括北京、天津、上海、浙江、福建、广东和海南；产销平衡区包括山西、宁夏、青海、甘肃、西藏、云南、贵州、重庆、广西、陕西和新疆。

2.2分析框架

农村土地要素市场化必然引致包括农村资本市场和劳动力市场在内的其他要素市场发育，进而改变农地产出效率和农业经营状态［27］。因此，土地流转促进劳动力、土地、资金等要素重新优化组合［28］，包括土地流转中农地经营主体即“人”的特征、农地耕作条件即“地”的特征、农地资本化水平即“钱”的特征等在内的要素特征发生改变，可能进一步对经营者“非粮化”经营行为产生影响。由此，本研究从“人”“地”“钱”3个维度建立流转耕地“非粮化”驱动因素的理论分析框架。

2.2.1土地流转中“人”的特征对流转耕地“非粮化”的影响

因经营目标不同，出现了经营者类型的分化。具体表现为：一部分具有农业生产意愿和生产能力的农户和外来经营者，将农业生产作为主要收入来源，通过农地转入、整理，逐渐发展为追求利润最大化的生产型农业经营者（如家庭农场、专业合作社、农业企业等）；而另一部分农户通过家庭内部分工，以劳动力兼业、老龄成员或妇女留守务农等形式，通过支付较低租金或帮同村农户耕作以免撂荒而转入农地，成为维持日常生活运转的生活型农业经营者［29］。对于生活型农业经营者而言，“非粮化”生产的可能性相对较低。原因在于：第一，粮食生产具有季节性，生活型农业经营者可在农闲时另谋生计以减少农业劳动力投入，增加非农收入［30］；第二，生活型农业经营者追求的是维持农业生活方式以满足其日常生活所需，缺乏改变种植习惯和提高种植技术的内生动力，难以选择市场风险大、技术门槛高的经济作物［19］；第三，种植经济作物前期投资高、资金回流周期长［21］，而生活型农业经营者转入土地通常采用口头或短期契约［19］，租约的不稳定性导致其倾向于选择经营成本较低的粮食作物种植。对于生产型农业经营者而言，“非粮化”生产的可能性则相对较高。原因在于，生产型农业经营者的劳动力、资本、技术等均克服了生活型农业经营者的固有不足［31］，倾向选择经营利润最大化的经济作物种植。此外，相较于非粮食主产区，粮食主产地区采取种粮行为的经营者更多，其种粮技术和行为通过经营者与家人、邻居和亲戚朋友的交流与互动不断得到传递，即经营者行为具有同伴效应［32］，影响经营者耕地“非粮化”经营决策。由此，本研究提出以下研究假说。

假说1a：相较于生活型农业经营者，土地流转给生产型农业经营者更容易导致“非粮化”；

假说1b：在粮食主产区，土地流转给生产型农业经营者导致“非粮化”的可能性相对较低。

2.2.2土地流转中“地”的特征对流转耕地“非粮化”的影响

随着农地流转市场发育，土地流转面积呈增加态势，促进了农地规模经营发展。根据要素替代理论，农地经营规模扩大会促进机械替代劳动力要素投入［33］。因此，农地流转面积增长带来土地适度规模经营，可以进一步通过机械替代劳动力提高单位面积土地利用效率和单位劳动生产率，使种粮有利可图，促进粮食生产［34-36］。农业生产性服务社会化程度提高为上述机制提供了外部保障条件，有利于强化农地流转规模对粮食生产的促进作用。因为经济作物生产中劳动力投入多且机械化难度高，生产性服务组织会力求生产作业机械化和连片化以获取规模经济并降低生产成本，在所服务的作物上会更倾向于粮食作物。但是上述要素投入结构的调整会受到耕地资源禀赋制约。相较于非粮食主产区，粮食主产地区主要是耕地坡度较低、土壤条件较好的地区［37］，土地流转市场发育对粮食种植的正向促进作用更强；相反，这种促进作用在非粮食主产区较弱。由此，本研究提出以下研究假说。

假说2a：土地流转面积提高能够抑制流转耕地“非粮化”利用；

假说2b：在粮食主产区，土地流转面积提高对流转耕地“非粮化”的抑制作用更强。

2.2.3土地流转中“钱”的特征对流转耕地“非粮化”的影响

土地租金上涨会提高农业经营成本，压缩利润空间，农业经营主体就越具有从事高附加值农业经营的动力，从而诱发耕地“非粮化”。一方面，当耕地价格处于较低水平时，流转租金上涨，在粮食规模经营与耕地种粮专用属性的共同激励下，经营主体可能依然选择粮食生产，也可能选择种植非粮作物，但土地流转租金上涨对粮食种植的影响总体上应是促进耕地“非粮化”利用；另一方面，当耕地价格处于较高水平时，粮食生产远远无法满足经营主体的目标收益，在多数经济作物生产收益高于粮食作物的情况下，经营主体主要受比较收益驱动，无论租金下调还是上涨，经营主体都会倾向于选择种植非粮作物［38］。上述两种情况可能会分别发生于粮食主产区和非粮食主产区。因为相较于非粮食主产区，粮食主产区的土地租金总体水平较低。由此，本研究提出以下研究假说。

假说3a：耕地流转租金上涨会促进流转耕地“非粮化”利用；

假说3b：在粮食主产区，租金上涨对流转耕地“非粮化”的促进利用更强。

3研究方法与数据来源

3.1研究方法

3.1.1基准回归模型

参考已有文献［37，39］，本研究利用分省面板数据检验前文基于农户模型提出的研究假说。因变量为流转耕地“非粮化”水平，核心自变量为土地流转中“人”“地”“钱”特征，从经济效益、科技进步和禀赋特征层面选取控制变量。具体而言，经济效益特征包括农业生产资料成本、人工成本、种粮比较收益，这些变量衡量了种粮的成本与收益。在成本上升而粮食收益较低的情况下，农业经营者为获得更多利润将更倾向于种植比较收益较高的作物［40］，从而可能引发耕地“非粮化”现象。衡量科技进步的变量为劳均农业机械总动力。不同农作物生产对技术的依赖性有所差异［41］，经济作物生产中劳动和雇工投入多，且作业难以机械化，因此，机械化水平的提高能推动生产条件改善，有利于缓解耕地“非粮化”。禀赋特征为劳动力特征、作物受灾率和劳均耕地面积。劳动力特征包括人口年龄结构、受教育程度，这些变量可以衡量农业劳动力的投入。年龄越小、受教育程度越高，农业劳动时间投入可能越少，农业劳动时间的减少可能会使农户增加机械投入，倾向于劳动较不密集的粮食生产［42］，有利于缓解耕地“非粮化”；但从另外一个角度来看，年龄越小、受教育程度越高也可能有利于经营者跨过经济作物种植技术门槛，从而促进耕地“非粮化”。不同作物对气候条件和种植规模条件有所差异，相较于经济作物种植而言，粮食作物对气候稳定性的要求更高［43］，对土地规模化经营要求也更高［8］，因此，自然灾害发生频率越高，劳均耕地面积越小，越倾向于耕地“非粮化”利用。变量测度方法见表1。根据理论分析，将模型设定如下：

其中：Nonit为省份i年份t的流转耕地“非粮化”水平，Cirit为土地流转变量，包含土地流转中“人”“地”“钱”特征，Xit代表控制变量矩阵，α0为常数项，α1为土地流转变量的系数，αn为控制变量的系数向量，εit为扰动项，μi和vt分别为个体效应和时间效应。

耕地“非粮化”面板模型在估计前需要特别注意三个问题：第一，模型的因变量取值受限，使用线性概率模型估计响应概率存在缺陷；第二，通过F检验，省份和年份与被解释变量存在相关性；第三，通过Hausman检验，省份和年份与解释变量存在相关性。最终确定双因素固定效应Tobit模型为本研究基准回归模型。

3.1.2空间自相关分析

在构建空间计量模型前需要对耕地“非粮化”的空间相关性进行检验。相关研究文献中提出了一系列度量空间自相关的方法，其中运用最广的是“莫兰指数”（Moran'sI），考察的是整个空间序列{xi}ni=1的空间集聚情况。Moran'sI为正值表示正自相关，即高值与高值相邻、低值与低值相邻；负值表示负自相关，即高值与低值相邻。具体公式如下：

3.1.3空间计量模型

本研究使用空间计量模型来克服因遗漏空间变量导致的内生性问题。考虑流转耕地“非粮化”和土地流转的空间相关性，在模型中加入其各自的空间滞后项，构造如下空间杜宾模型（SDM）：

其中：W为空间权重矩阵；WNonit为因变量的空间滞后项，表示i省份邻近省份的流转耕地“非粮化”水平；ρ为因变量空间滞后项系数，用以衡量“非粮化”的空间依赖度；WCirit为解释变量的空间滞后项；WXit为控制变量的空间滞后项；ζ和ξn分别是解释变量空间滞后项的系数和控制变量空间滞后项的系数向量，β0为常数项，β1为土地流转变量的系数，βn为控制变量的系数向量，τit为扰动项，σi和θt分别为个体效应和时间效应。

3.1.4工具变量法

本研究使用工具变量法来克服土地流转与耕地“非粮化”互为因果导致的内生性问题。第一阶段，将工具变量和控制变量对土地流转回归，见式（5），得到土地流转的拟合值；第二阶段，将土地流转拟合值代入式（2），计算采用工具变量法后，土地流转对耕地“非粮化”的影响。

其中：Zit表示工具变量，δ0为常数项，δ1为土地流转变量的系数，δn为控制变量的系数向量，ωit为扰动项，φi和λt分别为个体效应和时间效应。本研究主要基于两点选择工具变量。第一，由于滞后1期土地流转特征一般与当期土地流转特征密切相关，满足相关性规定，同时，由于滞后1期土地流转特征与当期耕地“非粮化”利用决策无关，满足与误差项不相关的假定。参照已有文献对工具变量的选取［44-45］，采用土地流转特征滞后1期变量作为对应的工具变量。第二，考虑到流转合约可能会提前签订，滞后1期的土地流转特征仍然会影响耕地“非粮化”决策，从而可能导致土地流转特征滞后1期变量与耕地“非粮化”并非完全外生。参照已有文献［46］，同时选择土地流转特征滞后1—3期变量作为工具变量来尽可能避免此类问题。

3.2数据来源

以中国30个省份（因数据可得性等原因，研究未涉及西藏及香港、澳门、台湾）为研究区，时间覆盖2009—2020年。农业生产资料综合价格指数、粮食生产价格指数、农产品生产价格指数、农业机械总动力、农作物受灾面积、播种面积数据来自《中国统计年鉴》，65岁以上农村人口数、农村总人口数、农村平均受教育年限数据来自《中国人口和就业统计年鉴》，流转耕地用于种植粮食作物的面积、流转入农户的面积、家庭承包耕地流转面积、家庭承包经营耕地面积数据来自《中国农村经营管理统计年报》《中国农村政策与改革统计年报》，第一产业从业人员数据来自各省统计年鉴，劳动日工价数据来自《全国农产品成本收益资料汇编》，土地流转租金数据来自土流网；天津、重庆、上海、北京农业生产资料价格指数采用商品零售价格指数代替；个别年份缺失数据采取插值拟合进行处理。由表1相关变量的描述可知，2009—2020年，流转耕地“非粮化”水平均值为0.546，说明平均每流转1亩（1亩≈667m2，下同）耕地有0.546亩用于“非粮化”利用；土地流转中“人”的特征均值为0.563，说明有56.3%的耕地流转入农户手中；土地流转中“地”的特征均值为0.291，说明有29.1%的耕地发生流转；土地流转中“钱”的特征均值为6.607，通过换算表明流转耕地的亩均年租金为833.7元。

4实证结果分析

4.1流转耕地“非粮化”时空演化特征

图1显示了2009—2020年流转耕地“非粮化”的时序演化特征。从全国视角看，流转耕地“非粮化”水平常年维持在45%左右，虽然2019—2020年有所下降，但整体呈波动上升态势。从粮食生产功能分区视角看，在粮食主产区，流转耕地“非粮化”水平显著低于全国平均水平（常年维持在40%以下），并呈现波动下降态势。2009—2020年，该区域流转耕地“非糧化”水平大约下降了4.5%。然而，在非粮食主产区，流转耕地“非粮化”水平显著高于全国平均水平（常年维持在60%以上，2019年突破了70%），并呈现波动上升态势。2009—2020年，该区域流转耕地“非粮化”水平大约提高了3.4%。无论是全国层面还是不同粮食生产功能区层面，流转耕地“非粮化”水平在2019年均有明显转折。原因在于，在此之前，地方政府积极推动农业结构调整，鼓励农业向多样化和高效益方向发展，这种结构调整导致了流转耕地“非粮化”趋势上升；同时，随着城市化推进和人民生活水平提高，对非粮食农产品需求逐渐增加，这种市场需求变化也促使了流转耕地“非粮化”水平上升。2019年后，在全球粮食供应不确定性和食品安全风险增加背景下，政府和社会对粮食安全的关注度提高，政府采取了一系列措施来增加粮食产量和储备，包括严格耕地用途管制和鼓励农户继续从事粮食生产等，促使流转耕地用于粮食种植面积增加，相应地降低了耕地“非粮化”水平；同时，2020年农民工人数出现了负增长，在家务农和种植粮食的人数增加，使得耕地“非粮化”水平下降。

如图2所示，2009年，高“非粮化”水平区域集中分布于南部和京津冀等地区，低“非粮化”水平区域集中分布于东北部和长江中游等地区；2020年，高“非粮化”水平区域集中分布于南部和北京等地区，低“非粮化”水平区域集中分布于东北部和长江中下游等地区；2009—2020年，天津、辽宁、河北等省份流转耕地“非粮化”现象明显好转，但甘肃、广西、贵州等省份流转耕地“非粮化”现象显著恶化。高“非粮化”水平区域多位于非粮食主产区，这些区域一方面由于其自身耕地少且功能区位特殊，导致经济作物或生态建设占用多；另一方面这些区域多位于丘陵山区，适宜发展特色农业或瓜果蔬菜等经济作物。低“非粮化”水平区域多位于粮食主产区，这些区域地势平坦、耕地多，有利于机械化种植，同时这些区域于2004年实施了粮食生产一揽子政策，如临时收储制度、生产者补贴以及优质粮食产业等政策，极大促进了粮食生产。结合全国层面的耕地“非粮化”时序演化特征发现，土地流转诱发的“非粮化”具有阶段性和区域性，同时也说明，非粮食主产区的流转耕地“非粮化”成为全国层面流转耕地“非粮化”加剧的主要原因。

4.2流转耕地“非粮化”驱动因素

4.2.1基准回归结果

对所有自变量进行多重共线性检验结果显示，所有变量VIF值均小于5，变量间不存在严重的多重共线性问题。参考已有研究［47］，为了尽可能避免土地流转特征之间的交互影响，本研究将土地流转特征变量分别放入回归模型。表2初步验证了本研究提出的部分理论假说。其中模型1报告了土地流转中“人”的特征对耕地“非粮化”的影响。在其他条件不变的情况下，流转给生活型农业经营者面积比例每增加一个标准差，耕地“非粮化”水平相对于均值降低了2.4%（土地流转对象的系数0.083×标准差0.158÷流转耕地“非粮化”水平的均值0.546=0.024），但這一结果并不显著。模型2报告了土地流转中“地”的特征对耕地“非粮化”的影响。土地流转面积比例提高显著地抑制了耕地“非粮化”，在其他条件不变的情况下，土地流转面积比例每增加一个标准差，耕地“非粮化”水平相对于均值减少8.5%（土地流转面积的系数0.269×标准差0.173÷流转耕地“非粮化”水平的均值0.546=0.085），验证了本研究提出的理论假说2a。模型3报告了土地流转中“钱”的特征对耕地“非粮化”的影响。土地流转租金显著地促进了耕地“非粮化”，在其他条件不变的情况下，土地流转租金每增加1%标准差，耕地“非粮化”水平相对于均值增加4.1%（土地流转租金的系数0.044×标准差0.504÷流转耕地“非粮化”水平的均值0.546=0.041），与本研究提出的理论假说3a一致。

4.2.2稳健性检验

（1）稳健性检验一：遗漏变量内生性问题。耕地“非粮化”现象存在明显的集聚分布特征和带动效应［6，48-49］，如果忽视这一关系，会引发遗漏空间变量问题，从而导致有偏估计。表3汇报了各地区2009—2020年流转耕地“非粮化”水平的空间相关性检验结果。结果显示，Moran'sI指数大于0且整体呈增长趋势，各年份均通过显著性检验，初步判定中国各地区流转耕地“非粮化”水平具有显著空间正自相关性。其次，普通面板模型的Moran'sI（error）指数通过显著性检验，说明普通面板模型的估计结果可能有偏或无效。因此，本研究在考虑空间溢出效应基础上，基于面板数据构建空间计量模型研究土地流转对耕地“非粮化”的影响。参考已有研究［50］，通过拉格朗日乘数（LM）检验、似然比（LR）检验、SDM模型固定效应和Hausman检验选择空间计量模型的具体估计形式。其一，根据Anselin［51］的研究，通过考察LM及其稳健统计量（R?LM），在普通面板模型与SAR模型或SEM模型之间选择。其二，如果LM检验显示计量模型中包含空间效应，根据Elhorst［52］的研究，可以直接使用更具一般意义的SDM模型进行空间计量估计。其三，通过LR检验判断SDM模型中是否包含空间固定效应或时间固定效应。其四，通过Hausman检验判断SDM模型的固定效应和随机效应。其五，通过LR检验判断SDM模型是否会退化为SAR或SEM模型。表4报告了检验结果，最终确定时空双重固定效应的SDM模型为本研究更优选择。模型4—模型6报告了土地流转“人”“地”“钱”的特征对耕地“非粮化”的直接效应和间接效应。土地流转“人”的特征直接效应、间接效应和总效应系数分别为-0.085、-0.289、-0.374，均通过了显著性检验；土地流转“地”的特征直接效应、间接效应和总效应系数分别为-0.172、-0.713、-0.885，均通过了显著性检验；土地流转“钱”的特征直接效应、间接效应和总效应分别为0.022、0.128、0.150，间接效应和总效应系数通过了显著性检验。上述结果表明：在考虑空间溢出的情况下，土地流转对象为生活型经营者有利于抑制耕地“非粮化”，土地流转面积比例提高显著地抑制了耕地“非粮化”，土地流转租金显著地促进了耕地“非粮化”。验证了本文提出的假说1a、假说2a和假说3a。

（2）稳健性检验二：互为因果内生性问题。由于土地流转与耕地“非粮化”可能存在双向反馈作用，即耕地“非粮化”程度较高地区的土地可能更倾向于流转给生产型经营者，土地流转面积更小，土地流转租金更高。因此，上述模型可能存在关键变量与扰动项协方差不为零的情形，从而导致有偏估计。本研究运用杜宾-吴-豪斯曼检验（Dubin?Wu?Hausmantest）对核心变量的内生性进行检验。结果显示，所有模型的DWH检验至少在10%的水平下拒绝土地流转特征变量是外生变量的原假定，说明需要使用工具变量法估计土地流转对耕地“非粮化”的影响效应。此外，运用识别不足检验考察工具变量与内生变量是否相关，结果显示所有模型的LM统计量在1%的水平下拒绝工具变量与内生变量不相关的原假定，说明工具变量满足相关性要求。本研究运用弱工具变量检验来考察工具变量与内生变量是否为弱相关问题，所有模型的Cragg?DonaldWaldF统计量远大于10%偏误下的临界值，表明工具变量不存在弱工具变量问题。另外，所有模型Wald外生性检验的卡方值至少在10%的水平下显著，说明工具变量满足外生性要求。最后，还通过过度识别检验考察工具变量有效性，所有模型的Sargan（score）Chi2对应的P值均大于0.10，表明不能拒绝工具变量有效的原假定。表5报告了工具变量检验结果。模型7—模型9报告了同时选择土地流转特征滞后1—3期变量作为工具变量进行重新回归的结果。土地流转“人”的特征系数为-0.261，土地流转“地”的特征系数为-0.583，土地流转“钱”的特征系数为0.064，均通过了显著性检验。上述结果表明：在考虑自变量与因变量互为因果情况下，土地流转对象为生活型经营者有利于抑制耕地“非粮化”，土地流转面积比例提高显著地抑制了耕地“非粮化”，土地流转租金显著地促进了耕地“非粮化”。前文的实证结果是稳健的。

（3）稳健性检验三：2018年数据缺失问题。受限于数据可得性，本研究缺失了计算2018年流转耕地“非粮化”水平所使用的“家庭承包经营的耕地面积”数据，而采用“归村所有的耕地面积”与“归组所有的耕地面积”的总和代替。为了增强研究结果的可靠性，参考已有研究［53］，剔除2018年數据对模型1—模型9进行重新估计。重新估计结果与基准模型及拓展模型结果（影响方向和显著性）基本相近，表明本研究估计结果较为稳健。由于篇幅限制，详细结果未能在文中列出，备索。

4.2.3异质性分析

为考察流转耕地“非粮化”驱动因素的区域异质性，在前文基准回归模型中，加入了土地流转与粮食生产功能区（Are）的交叉项，结果见表6。其中，模型10—模型12中粮食生产功能区（Are）变量以非粮食主产区为基准组进行设计，即粮食主产区的Are变量为1，非粮食主产区为0。模型10报告了土地流转中“人”的特征及其和粮食生产功能区交互项的影响。土地流转“人”的特征与粮食生产功能区交互项系数显著为正，说明在其他条件不变的情况下，相较于非粮食主产区，粮食主产区的生产型农业经营者采取“非粮化”种植行为的倾向相对较弱，验证了本研究提出的理论假说1b。模型11报告了土地流转中“地”的特征及其和粮食生产功能区交互项的影响。土地流转“地”的特征与粮食生产功能区交互项系数显著为负，说明在其他条件不变的情况下，在粮食主产区，土地流转面积比例提高对耕地“非粮化”的抑制作用更强，与本研究提出的理论假说2b一致。模型12报告了土地流转中“钱”的特征及其和粮食生产功能区交互项的影响，交互项对耕地“非粮化”水平的影响为正但不显著，假说3b未得到验证。

5结论与启示

5.1结论

本研究利用中国2009—2020年省级面板数据，对流转耕地“非粮化”的时空格局演变进行量化测度，在此基础上，探析土地流转中“人”“地”“钱”特征对耕地“非粮化”带来的差异化效应，并分析流转耕地“非粮化”驱动因素的区域异质性。主要结论可以归纳为：

（1）土地流转诱发的“非粮化”具有阶段性和区域性。非粮食主产区的流转耕地“非粮化”是全国层面流转耕地“非粮化”加剧的主要原因。

（2）土地流转与耕地“非粮化”存在显著相关关系。提高土地流转面积和将土地流转给生活型经营者有利于抑制耕地“非粮化”发展，土地流转租金上涨会加剧耕地“非粮化”程度。

（3）土地流转与耕地“非粮化”关系存在区域异质性。在粮食主产区，土地流转面积提高对流转耕地“非粮化”的抑制作用更强。在非粮食主产区，生产型农业经营者采取“非粮化”种植行为的倾向相对较强。

5.2启示

针对上述结论，本研究认为，应从土地流转“人”“地”“钱”特征着手，制定针对性的政策措施以防止流转耕地“非粮化”。具体可从以下几个方面展开。

（1）健全耕地保护补偿制度，对防止流转耕地“非粮化”目标完成好的地区给予奖补。根据非粮食主产区的流转耕地“非粮化”加剧现状，应健全粮食主产区和非粮食主产区间的横向转移支付制度，积极推进中央和地方各级涉农资金整合，鼓励地方统筹安排财政资金，对防止流转耕地“非粮化”目标完成好的农村集体经济组织、新型经营主体和农户给予奖补，平衡区域粮食供求和经济发展。

（2）重点规范非粮食主产区的工商资本流转土地行为，对农户粮食种植行为给予奖励。根据非粮食主产区的生产型农业经营者采取“非粮化”种植行为的倾向相对较强的特点，应强化非粮食主产区流转土地监管，持续关注工商资本大规模流转耕地改种非粮作物行为，依法明确非粮化的概念、类型、程度等“边界条件”，防止“打擦边球”现象，对在转入农地上继续种植粮食作物的农户给予一定的政策优惠和扶持。

（3）进一步推进粮食主产区的土地流转和整治工程，发展耕地适度规模化经营。根据粮食主产区土地流转面积提高对流转耕地“非粮化”的抑制作用更强的特点，应在粮食主产区通过土地流转和整治工程把碎片化耕地集中起来，建设高标准基本农田，提高土地利用率和农业生产效率。同时通过农民专业合作社、农业服务公司等农业生产社会化服务组织，提供机械施用作业的设施设备、服务场地及技术力量等服务，降低农业机械投入和劳动力投入成本，提高粮食种植整体收益。

（4）完善农地流转交易平台，继续加强土地流转价格监控。根据土地流转租金上涨对耕地“非粮化”具有促进作用的特点，应尽快完善农地流转交易平台，实现闲置农地与经营主体生产需求的信息匹配，以促进资源有效配置；同时建立全国性农用地指导价格标准，根据地区特点和市场需求，合理确定农地流转价格，防止农业以外尤其是粮食以外的市场扰乱耕地价格。