基于模型集成的中國耕地非農化影響因素及其時空特征研究

崔許鋒，馬云夢，張光宏

?

基于模型集成的中國耕地非農化影響因素及其時空特征研究

崔許鋒，馬云夢，張光宏

（中南財經政法大學工商管理學院，武漢 430073）

【目的】揭示耕地非農化影響因素作用的時空特征，為耕地資源保護和利用政策制定提供決策支撐。【方法】研究采用2006—2015年耕地非農化的面板數據，通過構建“一般回歸模型-面板模型-地理加權回歸模型-時空加權回歸模型”模型集成（簡稱OPGT），對耕地非農化影響因素進行計量分析。【結果】一般回歸模型、地理加權回歸模型（GWR）和時空加權回歸模型（GTWR）估計結果顯示，城鎮人口增長、固定資產投資、經濟發展水平、耕地資源稟賦和產業結構變量均通過顯著性檢驗；耕地非農化莫蘭指數（）為0.740，并且通過1%水平上顯著性檢驗，表明耕地非農化具有顯著的空間正相關性；采用一般回歸模型、GWR、GTWR模型估計，方程擬合優度分別為0.689、0.785、0.858，加入時空權重信息的GWR和GTWR模型方程解釋能力有顯著提升；GWR和GTWR模型方程結果顯示，耕地非農化影響因素彈性系數存在時空非平穩特征；空間分析顯示，城鎮人口增長和耕地資源稟賦對耕地非農化影響在經向上呈現出由西向東遞減的狀態，在緯向上呈現出倒“U”型狀態，固定資產投資與經濟發展水平對耕地非農化的影響程度在經向上呈現出由西向東遞增的特征，在緯向上呈現出“U”型特征，產業結構對耕地非農化的影響程度在經向上由西向東遞增，在緯向上由北向南遞減；時序分析顯示，城鎮人口增長、固定資產與經濟發展水平投資系數呈現減小的趨勢，耕地資源稟賦系數有所增大，產業結構系數在部分省域有所降低。【結論】（1）OPGT是一個有機整體，各部分相互檢驗、互為補充，可以更加細致的刻畫因素的時空作用；（2）耕地非農化因素總體作用強度方面，彈性系數最大的是產業結構，其次為經濟發展水平、固定資產投資和耕地資源稟賦，最小為城鎮人口增長；（3）空間特征方面，城鎮人口增長和耕地資源稟賦總體呈現出由西向東遞減的趨勢，而固定資產投資、經濟發展水平和產業結構呈現出由西向東遞增的趨勢；（4）時序演變特征方面，城鎮人口增長、固定資產與經濟發展水平投資對耕地非農化的影響作用呈現下降趨勢，耕地資源稟賦與耕地非農化關聯性趨于增強，產業結構的影響雖在部分省域有所降低，但其整體影響程度仍然相對較高。

耕地非農化；模型集成；影響因素；時空特征

0 引言

【研究意義】耕地是人類賴以生存和發展的重要資源。但是隨著20世紀90年代以來我國經濟的快速增長以及工業化、城鎮化進程的不斷加快，建設過量占用耕地問題凸顯，人地矛盾問題突出[1]。據我國國土資源管理部門統計，2006—2015年，中國約有2.07×106hm2耕地轉化為建設用地[2]，耕地非農化為城鎮化發展提供了空間支撐，但同時不合理耕地非農化也會引致糧食安全[3-5]、耕地質量降低等經濟[6]、社會[7-8]、環境[9-10]領域的問題，這些問題無疑會對經濟社會可持續發展產生阻力，因此研究耕地非農化影響因素，實現耕地非農化與糧食安全、生態保護的協調成為重要的議題[11]。【前人研究進展】耕地非農化是指耕地改變農業用途，從而轉化為非農建設用地的過程，即耕地的非農占用，它具有動態性、難逆轉性、政策傾向性、階段性和危害性等特征[12]。一般認為自然、經濟、社會、制度等因素是導致耕地非農化的主要因素[13-14]。從自然因素層面看，普遍認為耕地資源稟賦與耕地資源非農化的關聯性顯著[15]，此外地理位置、氣候、土壤和地質等也影響耕地向建設用地的轉換[16]。在經濟因素層面，固定資產投資、經濟發展水平等是影響耕地非農化的重要經濟因素[17]。城鎮化是社會因素層面影響耕地非農化的最顯著因素[18]，農業與農業發展的特征也是影響耕地非農化的原因之一[12]。制度因素層面，土地產權的不明晰、收益分配不合理以及管理制度的不完善都是導致耕地過度非農化的重要因素[19]。同時，現行的財政稅收制度以及行政績效考核標準也導致了部分地方政府過度依賴“土地財政”，也致使了耕地的過度非農化[20]。由于空間相關性的存在，鄰域的空間溢出效應對耕地非農化有不可忽略的影響。在研究方法選擇上，研究者主要采用數理經濟學模型估計的方法，例如回歸分析模型、隨機效應模型、固定效應模型[15]等。研究尺度上，對國家、東中西部區域、省域、市域、縣尺度耕地非農化的均有研究涉及[21-23]。已有研究基于不同尺度和研究方法，對耕地資源非農化影響因素進行了研究，加深了對耕地資源問題的認知，但仍然存在進一步研究的空間：已有研究多基于單一的計量方法，缺乏方法的集成與比較分析；其次由于耕地的顯著空間屬性，忽視耕地非農化的空間非平穩性（spatial non- stationarity）特征，可能會導致模型設定的偏誤。【本研究切入點】土地是產業發展的空間支撐，產業結構與耕地非農化關系密切，那么產業結構對耕地非農化影響是否顯著？在考慮了耕地非農化空間非平穩性條件下，耕地非農化影響因素作用系數有哪些時空分布特征？模型集成方法能否能更好地對耕地非農化影響進行計量分析？【擬解決的關鍵問題】鑒于以上的分析，研究擬采用2006—2015年面板數據（panel data），構建“一般回歸模型-面板模型-地理加權回歸模型-時空加權回歸模型”模型集成，通過多模型集成比較分析，揭示耕地資源非農化的影響因素及時空特征。

1 研究方法與數據來源

1.1 概念模型

基于耕地非農化研究文獻分析，研究擬構建以下概念模型：

_agr=(_popu,_ass, Economy,Arable, Indu_struc) （1）

其中：

_agr：耕地非農化，采用耕地非農化年度數據；

_popu：城鎮人口增長，采用年末城鎮人口數；

_ass：固定資產投資，以固定資產投資額測算；

Economy：經濟發展水平，參考Grossman 和 Krueger 相關研究，即采用人均國內生產總值（per capita gross domestic product）指標度量，這里研究采用的是省域數據，因此應為人均地區生產總值（per capita gross regional product）；

Arable：耕地資源稟賦，以年初耕地保有量度量；

Indu_struc：產業結構，以非農產業增加值占地區生產總值比重測度；

：分別表示面板數據的截面和時間，即年份與省域，= 1, 2, 3,…, 31；= 2006, 2007, 2008, …, 2015。

1.2 模型集成

在概念模型基礎上，構建因素分析“一般回歸模型-面板模型-地理加權回歸模型-時空加權回歸模型”模型集成（簡稱OPGT），從而比較分析耕地非農化影響因素，發現其時空特征。其中，一般回歸模型可對解釋變量顯著性進行初步判斷，承擔變量篩選與方程初步評估功能，面板模型考慮了截面的個體效應，提升了模型顯著性水平，而GWR和GTWR模型則可以實現時空臨近信息的局域（local）回歸，呈現了變量影響作用的時空特征。OPGT是一個有機整體，各部分相互檢驗、互為補充，可以更加細致的刻畫因素的時空作用。其技術路線如圖1所示。

OPGT可以分為6個步驟：（1）數據收集和預處理；（2）一般回歸模型分析，通過一般回歸模型，對解釋變量在模型中的顯著性水平和模型擬合優度進行分析，從而在整體上對解釋變量選擇、模型擬合程度進行判斷；（3）面板模型分析，在考慮個體效應的基礎上，對模型進行檢驗并與一般回歸進行比較；（4）地理加權回歸模型，基于研究對象的空間特征，引入空間位置信息，確定截面回歸系數；（5）時空加權回歸模型，在空間差異基礎上，拓展到時間維度的系數差異。

1.2.1 一般回歸模型

研究首先構建一般回歸模型：

Y=X(j)+ε1, 2, 3（2）

式中，Y為被解釋變量，X(j)被解釋變量，0為常數項，β為解釋變量X(j)的系數，ε為干擾項。為解釋變量的個數，和分別表示面板數據中的截面和時間，一般回歸模型雖然能夠對面板數據進行運算，但是不能處理其中的截面個體效應。

1.2.2 面板模型

面板模型可以分為固定效應模型（fixed effect model）和隨機效應模型（random effect model）。對于面板模型，OLS估計量雖然是一致的，但不再是有效估計量，需要采用廣義最小二乘法（generalized least squares，即GLS）來估計。其中，固定效應模型（fixed effect model）方程如下：

Y=X(j)+ε1, 2, 3（3）

式中，Y為被解釋變量，X(j)被解釋變量，β為解釋變量X(j)的系數，ε為干擾項。為解釋變量的個數，和分別表示面板數據中的截面和時間。β對于每個截面是一個固定的常數，表示個體的特殊效應，也反映了個體的差異。如果假定β不是固定的，而是隨機的，那么模型就轉化為了隨機效應模型。確定采用固定效應面板還是隨機面板要根據邏輯分析和霍斯曼檢驗確定。

1.2.3 地理加權回歸模型

地理加權回歸模型（geographically weighted regression，即GWR）是對傳統線性回歸模型的擴展，它將空間屬性納入到方程中，特定的回歸系數不再是利用全部（global）觀察值得到的假定常數，而是利用鄰近觀測值的子樣本信息進行統計，估計系數隨著空間上局域地理位置的變化而變化[24]，具體模型如下：

圖1 OPGT 技術路線

Y=X(j)+ ε1, 2, 3（4）

式中，Y為被解釋變量，X(j)為第個解釋變量，為解釋變量個數，為截面，0為常數項，β為解釋變量系數，（u，v）為空間位置，ε為干擾項。

1.2.4 時空加權回歸模型

GWR模型考慮了空間的非平穩，通過基于空間距離構建權重矩陣，實現對模型參數的估計，但其在考慮時間因素方面存在不足。因此引入時空加權回歸模型（geographically and temporally weighted regression，即GTWR），GTWR是GWR模型拓展，將時空非平穩性同時考慮到模型中，為每個觀察值賦予時空關系坐標，實現對模型參數的有效估計[25-27]，模型表達式如下：

Y=X(j)+ ε1, 2, 3（5）

式中，Y為被解釋變量，為截面，0(u,v,t)為截距項，t為第個截面的時間坐標；X(j)為第個截面的第個解釋變量；β(u,v,t)表示解釋變量X(j)在(u,v,t)時空坐標上的系數；ε表示干擾項。

基于以上模型集成，根據耕地非農化概念模型（1），將研究采用的被解釋變量耕地非農化，以及解釋變量城鎮人口增長、固定資產投資、經濟發展水平、耕地資源稟賦和產業結構代入方程（2）—（5），可以得到：

1, 2, 3（6）

1, 2, 3（7）

1, 2, 3（8）

1, 2, 3（9）

式中，factor(j)為耕地非農化影響因素變量，5，即Urb_popu，Fixed_ass，Economy，Arable，Indu_struc。為了使得模型估計結果系數具有彈性的含義，采用雙對數模型，即先對變量求自然對數，然后參與模型的計量分析。

1.3 數據來源

研究所采用的數據為中國大陸地區31個省域（省、自治區、直轄市）的數據。由于中國香港、中國澳門、中國臺灣數據暫缺，因此本研究暫不包含上述地區。其中，年末城鎮人口數、地區生產總值、地區第一二三產業增加值、固定資產投資額來源于《中國統計年鑒（2007—2016）》，年初耕地保有量數據來源于《中國國土資源年鑒（2007—2016）》。

2 結果

2.1 變量描述性統計

首先對變量進行描述性統計分析，如表1所示。根據描述統計分析結果，可以知道我國地域跨度較大，省域之間差異較強，例如，被解釋變量耕地非農化面積最大值是23 872.92 hm2，最小值是2.60 hm2，標準差為4 826.32 hm2；耕地資源年初保有量最大值為15 865.90×103hm2，最小值為187.60×103hm2，標準差為3 125.47×103hm2。因此基于省域層面的研究，其空間差異性不容忽視。

2.2 一般回歸分析

為了與后續模型進行比較，首先基于一般回歸分析模型（6）對耕地非農化影響因素進行分析，結果如表2所示。首先以城鎮人口增長、固定資產投資為解釋變量進行OLS回歸分析（方程6-a），結果顯示城鎮人口增長與固定資產投資對耕地非農化的影響均在1%的水平上顯著，擬合優度為0.535。為了驗證經濟發展水平對耕地非農化是否有顯著影響，在方程（6-a）的基礎上引入經濟發展水平變量，檢驗結果見（6-b）。由分析結果可知，在控制了城鎮人口增長、固定資產投資變量的條件下，經濟發展水平對耕地非農化的影響均在1%的水平上顯著，擬合優度為0.647，解釋能力有所提升。方程（6-c）為（6-b）的基礎上加入耕地資源稟賦檢驗結果，結果顯示耕地資源稟賦對耕地非農化的影響在1%的水平上顯著，但此時經濟發展水平變量卻不顯著。為了檢驗產業結構變量是否對耕地非農化有顯著影響，在控制了城鎮人口增長、固定資產投資、經濟發展水平和耕地資源稟賦變量的基礎上，加入產業結構變量，檢驗結果如（6-d）所示。產業結構對耕地非農化在1%的水平上顯著，擬合優度為0.689，4個控制變量均處于顯著的水平。

表1 數據描述性統計

表2 耕地非農化一般回歸模型OLS估計結果

括號內數值為標準誤，括號外數值為系數，*、**、***分別表示在10%、5%、1%的水平上顯著。下同

The statistics in and out of parentheses is standard errors and coefficients, *, **, *** denote statistical significance at 10%, 5%, and 1%, respectively. The same as below

根據一般回歸模型分析結果可以知道，城鎮人口增長、固定資產投資、經濟發展水平、耕地資源稟賦和產業結構變量均有顯著影響，但擬合優度為0.689，方程解釋力仍然偏低。

2.3 面板模型分析

根據描述統計分析可以知道，我國省域耕地資源非農化差異明顯，在計量分析中其空間差異性不可忽視，因此采用面板模型，在考慮省域個體效應的基礎上，對模型進行檢驗分析。霍斯曼檢驗結果顯示，χ2(5)= 22.30，Prob= 0.0005，通過1%水平的顯著性檢驗，拒絕原假設，因此研究采用固定效應模型。

采用固定效應模型對耕地非農化數據進行估計，其估計結果見表3。結果顯示，在采用面板模型的條件下，城鎮人口增長、固定資產投資、經濟發展水平和耕地資源稟賦變量處于顯著水平，但是產業結構變量卻未通過檢驗。

表3 耕地非農化固定效應模型估計結果

2.4 地理加權回歸分析

在采用GWR模型進行空間差異性分析前，首先對耕地非農化數據進行空間自相關檢驗。檢驗結果顯示，莫蘭指數（）[28-29]為0.740，并且伴隨概率（）小于0.01，通過1%水平上顯著性檢驗，表明耕地非農化具有顯著的空間正相關性，因此適合進行GWR模型回歸。利用GWR進行計量分析，其檢驗結果見表4。根據表4中可以得知GWR模型回歸擬合優度為0.785，在方程解釋力上比方程（6）和方程（7）有明顯提升，解釋變量均通過顯著性檢驗。GWR模型中省域耕地非農化影響因素方程系數如見表5所示。

為了總體描述系數的變化，首先對解釋變量系數進行統計描述分析，主要統計量有最大值、最小值、方差、均值、絕對值的均值，結果如表6所示。根據其標準差與絕對值的均值計算出變異系數，從而分析變量彈性系數在空間上的非平穩程度大小。城鎮人口增長的變異系數最大，為1.115，其次分別是產業結構（0.993）、耕地資源稟賦（0.897）、固定資產投資（0.784），經濟發展水平變異系數最小，變異系數值為0.700因此變量系數在省域變異最大的是城鎮人口增長，其次是產業結構水平，耕地資源稟賦和是固定資產投資，變異最小的經濟發展水平。

從變量影響強度看，彈性系數呈現出的狀態。由此可知，對耕地非農化的驅動作用最大的變量是產業結構，其次為經濟發展水平、固定資產投資和耕地資源稟賦，最小的是城鎮人口增長。另外，GWR分析結果顯示經濟發展水平彈性系數為負，表明經濟發展對耕地非農化有一定的抑制作用，這與一般回歸模型（即模型6）檢驗結果一致。

表4 耕地非農化GWR和GTWR模型檢驗結果

表5 耕地非農化GWR模型估計結果

2.5 時空加權回歸分析

為進一步探討耕地非農化影響因素的時間差異，采用GTWR模型進行分析，其檢驗結果見表4，考慮了時間屬性的GTWR模型擬合優度為0.858，各解釋變量回歸統計值伴隨概率均小于0.01，均通過顯著性水平為1%的檢驗，表明各回歸系數隨時空的變化具有顯著性。

GTWR估計結果顯示了解釋變量彈性系數的年度發展變化。結果分析可知，2006—2015年城鎮人口增長、固定資產投資和經濟發展水平對耕地非農化的影響作用呈現下降趨勢；耕地資源稟賦與耕地非農化關聯性作用變得更加強烈；產業結構的影響雖在部分省域有所降低，但其整體影響程度仍然較高。估計結果中，2006、2010、2015年3個時間節點的解釋變量系數估計值如表7所示。

為進一步發現耕地非農化影響因素的整體空間特征，根據解釋變量省域系數的平均值，采用ArcGIS的“趨勢分析”工具[30-31]繪制解釋變量彈性系數的變化分布圖（圖2）。由圖2-a和2-d可知，城鎮人口增長和耕地資源稟賦對耕地非農化影響在X方向（經向）上現出由西向東遞減的狀態，在Y方向（緯向）上呈現出倒“U”型狀態。由圖2-b和2-c可知固定資產投資與經濟發展水平對耕地非農化的影響程度在X方向上呈現出由西向東遞增的特征，在Y方向上則為“U”型變化特征，表明我國東北地區的耕地非農化對固定資產投資與產業結構變化更加敏感。從圖2-e中可以看出產業結構對耕地非農化的影響程度在X方向上由西向東遞增，在Y方向上由北向南遞減，表明產業結構對耕地非農化的影響由東北向西南遞減。

圖2 解釋變量系數空間變化

表6 GWR模型系數統計值

表7 耕地非農化GTWR模型估計結果(2006、2010、2015年)

3 討論

對于耕地非農化已有較為豐富的研究，研究多基于回歸模型采用全局（global）估計方法，而耕地與其他經濟學研究對象相比，其具有顯著空間性特征，如果忽視其空間非平穩性特征，可能會違反“地理事物或屬性在空間分布上互為相關”的地理學第一定律[32]，導致方程估計參數的偏誤。所以研究采用OPGT集成模型，在一般回歸的和面板模型估計的基礎上，引入時空權重信息，通過構建GWR和GTWR模型采用對耕地非農化進行分析，其模型系數是根據時空臨近觀測值通過局域（local）回歸得來，更好的表達了影響因素系數的時空特征。

研究也存在一定的局限性。研究探討了城鎮人口增長、固定資產投資、經濟發展水平及產業結構等因素對耕地非農化影響，但對于土地制度、農業與農村內部因素等則尚未涉及。其次，雖然研究對土地資源稟賦與耕地非農化的關系進行了探討，但尚未對氣候、土壤和地質等自然影響因素進行分析，而這些自然因素與耕地非農化關系密切，如何將這些因素納入統一的模型分析框架，這些都是研究進一步深化的方向。

4 結論

研究采用2006—2015年耕地非農化的統計數據，利用OPGT模型集成的方法對面板數據進行分析，研究表明：（1）OPGT是一個有機整體，各部分相互檢驗、互為補充，可以更加細致的刻畫因素的時空作用；（2）耕地非農化因素總體作用強度方面，彈性系數最大的是產業結構，其次為經濟發展水平、固定資產投資和耕地資源稟賦，最小為城鎮人口增長；（3）空間特征方面，城鎮人口增長和耕地資源稟賦總體呈現出由西向東遞減的趨勢，而固定資產投資、經濟發展水平和產業結構呈現出由西向東遞增的趨勢；（4）時序演變特征方面，城鎮人口增長、固定資產投資與經濟發展水平對耕地非農化的影響作用呈現下降趨勢，耕地資源稟賦與耕地非農化關聯性趨于增強，產業結構的影響雖在部分省域有所降低，但其整體影響程度仍然相對較高。

[1] 趙文武. 世界主要國家耕地動態變化及其影響因素. 生態學報,2012, 32(20): 6452-6462.

ZHAO W W. Arable land change dynamics and their driving forces for the major countries of the world.2012,32(20): 6452-6462. (in Chinese)

[2] 中華人民共和國國土資源部. 中國國土資源統計年鑒(2007-2016). 北京: 地質出版社, 2007-2016.

Ministry of Land and Resources of PRC.Beijing: Geology Publishing House, 2007-2016. (in Chinese)

[3] 何英彬, 陳佑啟, 姚艷敏,石淑芹, 李志斌, 萬利. 東北三省耕地非農化時空特征及其與糧食生產能力的關系. 資源科學, 2009, 31(2):295-302.

HE Y B, CHEN Y Q, YAO Y M, SHI S Q, LI Z B, WAN L. Temporal and spatial characteristics analysis of relation between arable land non-agriculturalization and food productivity based on GIS technique., 2009, 31(2):295-302. (in Chinese)

[4] 程傳興, 高士亮, 張良悅. 中國農地非農化與糧食安全. 經濟學動態, 2014(7):87-96.

CHENG C X, GAO S L, ZHANG Y Y. Farmland non-agriculturalization and food security in China., 2014(7):87-96. (in Chinese)

[5] 趙愛棟, 彭沖, 許實, 曾薇, 馬賢磊. 生態安全約束下耕地潛在轉換及其對糧食生產的影響——以東北地區為例. 中國人口·資源與環境, 2017, 27( 11) : 124-131.

ZHAO A D, PENG C, XU S, ZENG W, MA X L. Impact of farmland conversion grain output under the ecological constraint: based in the Northeast of China.,2017,27(11): 124-131.(in Chinese)

[6] 張基凱, 吳群, 黃秀欣.耕地非農化對經濟增長貢獻的區域差異研究——基于山東省17個地級市面板數據的分析. 資源科學, 2010, 32(5):959-969.

ZHANG J K, WU Q, HUANG X X. A study on regional differences in contribution of cultivated land conversion to economic growth based on panel data analysis of 17 cities in Shandong Province.2010, 32(5):959-969. (in Chinese)

[7] 望曉東, 魏玲, 江華. 耕地非農化與經濟增長、城市化的互動關系實證研究——基于廣東省時間序列數據的分析. 農村經濟, 2013(7):32-36.

WANG X D, WEI L,JIANG H. Empirical study on the interactive relationship between cultivated land conversion and economic growth and urbanization——based on the analysis of time series data of Guangdong Province.,2013(7): 32-36. (in Chinese)

[8] 沈孝強, 吳次芳, 方明. 浙江省產業、人口與土地非農化的協調性分析. 中國人口·資源與環境, 2014, 24(9):129-134.

SHEN X Q, WU C F, FANG M. Coordination of industry, population and land deagriculturalization during the rapid process of urbanization in Zhejiang Province.2014, 24(9):129-134. (in Chinese)

[9] 楊振, 劉會敏, 余斌. 土地非農化生態價值損失估算. 中國人口·資源與環境, 2013, 23(10):146-150.

YANG Z, LIU H M, YU B. Estimation on loss of ecological value in the process of land’s non-agriculturalization.2013, 23(10):146-150. (in Chinese)

[10] 李國敏, 盧珂, 黃烈佳. 主體權益下耕地非農化價值損失補償的反思與重構. 中國人口·資源與環境，2017, 27(12) : 137-145.

LI G M, LU K, HUANG L J. Reflection and reconstruction of cultivated land conversion value loss compensation under the subject rights2017, 27(12): 137-145. (in Chinese)

[11] 譚榮, 曲福田. 中國農地非農化與農地資源保護：從兩難到雙贏. 管理世界, 2006(12): 50-66.

TAN R, QU F T. Farmland conversion and farmland resources protection in china: From dilemma to win-win., 2006(12): 50-66. (in Chinese)

[12] 葉宇航. 我國耕地非農化的驅動因素研究. 科學決策, 2015(9):33-50.

YE Y H. The analysis of drivers of our country's cultivated land conversion.,2015(9):33-50. (in Chinese)

[13] 許恒周,吳冠岑,郭玉燕.耕地非農化與中國經濟增長質量的庫茲涅茨曲線假說及驗證——基于空間計量經濟模型的實證分析.中國土地科學,2014, 28(1): 75-81.

XU H Z, WU G C, GUO Y Y. A hypothesis on the Kuznets Curve relation between farmland conversion and quality of economic growth in China:An empirical analysis of spatial econometric model.2014,28(1):75-81. (in Chinese)

[14] QIU F, LALIBERTé L, SWALLOW B. Impacts of fragmentation and neighbor influences on farmland conversion: A case study of the Edmonton-Calgary Corridor, Canada.2015, 48(1):482-494.

[15] 張光宏,崔許鋒. 耕地資源非農化驅動機制及其區域差異性. 中國農業科學, 2015, 48(8): 1632-1640.

ZHANG G H, CUI X F. Driving mechanism and regional differentiation of cultivated land non-agricultural-transformation.,2015,48(8):1632-1640. (in Chinese)

[16] USTAOGLU E, WILLIAMS B. Determinants of urban expansion and agricultural land conversion in 25 EU countries.2017, 60(4):717-746.

[17] 宋敏,王登娜.省域農地城市流轉規模及其影響因素作用的空間異質性研究. 中國人口·資源與環境,2018,28(1):54-62.

SONG M,WANG D N. Spatial heterogeneity of provincial rural-urban land conversion scale and effects of its influential factors.2018,28(1):54-62. (in Chinese)

[18] STOPP G H. The destruction of American agricultural land.1984, 69(1): 64-66.

[19] 曲福田,馮淑怡,諸培新,陳志剛. 制度安排、價格機制與農地非農化研究.經濟學（季刊）, 2004, 4(1): 229-248．

QU F T, FENG S Y, ZHU P X, CHEN Z G. Institutional arrangements, price system and farmland conversion., 2004, 4(1): 229-248. (in Chinese)

[20] 錢忠好, 牟燕. 中國農地非農化市場化改革為何舉步維艱——基于地方政府土地財政依賴視角的分析. 農業技術經濟, 2017(1):18-27.

QIAN Z H, MOU Y. Why does the reform of non-agriculturalization of agricultural land in China make it difficult?——Based on the analysis of local government's dependence on land and finance.2017(1):18-27. (in Chinese)

[21] 王春秋, 徐長生. 山東省建設占用耕地與經濟增長的脫耦分析. 中國人口·資源與環境, 2012, 22(8):128-132.

WANG C Q, XU C S. Decoupling evaluation between cultivated land occupation and economic growth in Shandong Province., 2012, 22(8):128-132. (in Chinese)

[22] 馬才學,趙利利,柯新利.湖北省耕地非農化壓力的時空演變格局.長江流域資源與環境,2016,25(1):71-78.

MA C X, ZHAO L L, KE X L. Temporal spatial variation of the pressure of cropland non-argiculturalization in Hubei Province.2016,25(1):71-78. (in Chinese)

[23] 張孝宇, 張安錄. 武漢市耕地非農化的空間自相關分析. 長江流域資源與環境, 2015, 24(5):781-788.

ZHANG X Y, ZHANG A L. Small-Scale spatial patterns of farmland conversion based on autocorrelation analysis in Wuhan City., 2015, 24(5):781-788. (in Chinese)

[24] 崔許鋒, 張光宏, 李飛. 城鎮化土地集約利用潛力空間分異研究—基于土地城鎮化的“人口-經濟”二元驅動視角. 華東經濟管理, 2016, 30(10):62-67.

CUI X F, ZHANG G H, LI F. A study on spatial differentiation of land intensive use potential: Based on the perspective of “Population- Economy” dual driving mode of land urbanization., 2016, 30(10):62-67. (in Chinese)

[25] WU B, LI R R, HUANG B. A geographically and temporally weighted autoregressive model with application to housing prices., 2014, 28(5): 1186-1204.

[26] CHU H J, HUANG B, LIN C Y. Modeling the spatio-temporal heterogeneity in the PM10-PM2.5 relationship., 2015, 102:176-182.

[27] 王新剛, 孔云峰. 基于時空窗口改進的時空加權回歸分析——以湖北省黃石市住房價格為例. 地理科學, 2015, 35(5): 615-621.

WANG X G, KONG Y F. An improved spatiotemporally weighted regression analysis based on spatiotemporal windows: A case study of housing price of Huangshi City, Hubei Province., 2015, 35(5):615-621. (in Chinese)

[28] MORAN P A P. Notes on continuous stochastic phenomena., 1950, 37(1/2): 17-23.

[29] LEVERS C, SCHNEIDER M, PRISHCHEPOV A V, ESTEL S, KUEMMERLE T. Spatial variation in determinants of agricultural land abandonment in Europe., 2018, 644: 95-111.

[30] 劉艷清,葛京鳳,李燦,劉欣. 基于空間自相關的城市住宅地價空間分異規律研究——以石家莊市城區為例.干旱區資源與環境, 2018, 32(12):55-62.

LIU Y Q, GE J F, LI C, LIU X. Spatial differentiation characteristics of urban residential land prices of Shijiazhuang City based on spatial autocorrelation., 2018, 32(12):55-62. (in Chinese)

[31] 吳文佳, 張曉平, 李媛芳. 北京市景觀可達性與住宅價格空間關聯. 地理科學進展, 2014, 33(4):488-498.

WU W J, ZHANG X P, LI Y F. Spatial correlation analysis of landscape accessibility and residential housing price in Beijing., 2014, 33(4):488-498. (in Chinese)

[32] TOBLER W R. A computer movie simulating urban growth in the Detroit region., 1970, 46(suppl.): 234-240.

（責任編輯 李云霞）

The Factors of Farmland Conversion and Its Temporal and Spatial Characteristics: An Integrated Model

CUI XuFeng, MA YunMeng, ZHANG GuangHong

(School of Business Administration, Zhongnan University of Economics and Law, Wuhan 430073)

【Objective】The purpose of this paper was to reveal the temporal and spatial characteristics of the factors affecting farmland conversion, and to provide decision-making information support for policy making for the protection and utilization of farmland.【Method】Based on the panel data of farmland conversion from 2006 to 2015, an integrated model of "ordinary regression model-panel model-geographically weighted regression-geographically and temporally weighted regression" (abbreviately named “OPGT” ) was established to analyze the factors of farmland conversion【Result】The ordinary regression model, GWR and GTWR model results showed that urban population growth, fixed asset investment, economy, arable and industrial structure variables all passed the significance test; Moran's I of farmland conversion was 0.740, and passed significance test at the 1% level.The results showed that there was a significant positive spatial correlation of farmland conversion. Ordinary regression model, GWR and GTWR models were used to estimate the equations, and the fit goodness of the equations were 0.689, 0.785 and 0.858, respectively. The interpretation ability of GWR and GTWR models was improved significantly under the condition of adding spatio-temporal weight information. The results of GWR and GTWR models showed that the elastic coefficients of factors were spatio-temporal non-stationary. The results of spatial analysis showed that the influence of urban population growth and farmland resource endowment on farmland conversion was declining from west to east in longitude direction, and reversed U-shaped curve in latitude direction. The influence of fixed assets investment and level of economic development was increasing from west to east in longitude direction, and U-shaped curve in latitude direction. The influence of industrial structure was increasing from west to east in longitude direction, and declining from north to south in latitude direction. From the perspective of temporal evolution, the coefficients of urban population growth, fixed assets investment and level of economic development had a downward trend, while coefficients of farmland resource endowment tended to increase. Coefficients of industrial structure had been reduced in some provinces.【Conclusion】(1) OPGT was an organic whole, each part was mutually tested and complementary, which could describe the spatio-temporal effect of factors in more detail. (2) In terms of the overall action intensity of the factors, the largest elastic coefficient was industrial structure, followed by level of economic development, fixed asset investment and farmland resource endowment, and the smallest was urban population growth. (3) In terms of the spatial characteristics of factor intensities, the influence of urban population growth and farmland resource endowment on farmland conversion was declining from Western China to Eastern China, while fixed assets investment, level of economic development and industrial structure increasing. (4) From the perspective of temporal evolution, the influence of urban population growth, fixed assets investment and level of economic development on farmland conversion had a downward trend. The relationship between farmland resource endowment and farmland conversion tended to strengthen. Although the influence of industrial structure had been reduced in some provinces, its degree of overall influence was still relatively high.

farmland conversion; integrated model; factors; temporal and spatial characteristics

2018-06-14；

2018-10-11

國家社會科學基金（16BGL154）

崔許鋒，Tel：027-88386757；E-mail：cuixufeng06@163.com。

張光宏，E-mail：zgh62@aliyun.com