農田保護補償政策異質效應提升的障礙因素診斷
——以蘇州市、成都市兩個創新實踐地區為實證

李海燕, 蔡銀鶯

(1.哈爾濱工業大學(深圳), 廣東 深圳 518055; 2.深圳市房地產評估和發展研究中心,廣東 深圳 518040; 3.華中農業大學 土地管理學院, 武漢 430070)

從2009年起，中央一號文件連續10年出臺多項政策強化農業生產與農田管護，為中國農田保護補償機制設計提供強有力的政策支持。同時，蘇州、成都、上海、廣東等地也相繼推行多樣化的農田保護經濟補償政策，且多以地方政府探索創新，農民被動參與的方式展開，政策實施具有普遍性和強制性[1]。如何評價農田保護經濟補償激勵政策的成效，分析提升補償激勵政策的關鍵因素已成為“加強資源保護和生態修復，推動農業綠色發展”研究的重點。目前，歐美發達國家農業環境政策效率及影響因素研究主要集中在補償政策參與率[2-3]、補償額度[4]、政策空間異質性[5]、補償資金有效性[6]等方面。國內學者也從區域層面研究生態補償政策存在的若干問題。其中，丁四保等[7]分析區域外部性存在導致國內生態環境破壞，如果沒有生態補償政策約束，參與主體將傾向規避環境保護成本，努力發展經濟，造成生態補償政策低效率。杜繼豐等[8]從耕地保護視角分析區域耕地保護政策成效，建議耕地保護應以生態安全、糧食安全、經濟安全為主要出發點。甘黎黎等[9]從生態補償、公眾參與、政府管制、直接供給等方面對區域生態治理的政策工具進行選擇，在政策目標界定、政策工具優化等方面提供政策建議。王曉云[10]以綠色新政的執行機制為基礎，分析新型環保政策對傳統農業環境政策的影響。陳傲[11]從省際層面分析生態環境保護資金投入、產業結構等因素對我國區域生態效率的影響。侯成成等[12]以生態補償的政策目標、政策成效為基礎，分析生態補償政策對區域經濟、社會發展和環境改善所產生的影響。羅能生等[13]分析城市化水平與區域生態效率之間的關系，比較生態保護效率的區域差異，發現環境政策類型、產業機構、技術水平是影響區域生態效率的關鍵。綜上可知，國內從區域異質性視角研究農田生態補償政策實施效率，多注重政策機制探討，政策模式借鑒、政策工具選擇及補償政策效率的估算，鮮少從政策成效的障礙因素入手，分析影響政策成效提升的關鍵。基于此，本文以蘇州、成都地區兩次定點跟蹤調研數據為基礎，利用基于熵權改進的TOPSIS模型，從區域異質性視角分析農戶參與農田保護補償政策效應提升的障礙因素及差異。

1 調研區域與樣本特征

1.1 調研區域

蘇州市位于江蘇省東南部，長江三角洲與太湖平原交匯處，地理位置優越，是江蘇省經濟發展的重心，全市農用地占比43.20%，其中，耕地占農用地總量的66.92%。成都市位于四川省中部，東西綿延192 km，南北橫跨166 km，是典型的內陸城市。全市農用地占比79.17%，耕地占農用地面積的34.92%。總的來看，蘇州是長三角地區最具經濟活力的城市之一，也是率先實施農田生態補償政策的區域；成都是西部地區重要的糧棉生產基地，也是最早開展耕地保護基金的地區，兩個地區既有政策特殊性，又在經濟條件等方面存在顯著的空間差異，具有案例的典型性與代表性；因此，本文以蘇州市和成都市典型創新實踐地區長期動態微觀農戶調研數據為實例，分析農田保護補償政策的區域異質效應。課題組經過調研預處理，于2012年7—8月和2015年7—8月對蘇州市和成都市內農田保護補償政策試點區域展開調研，調研采用同村入戶跟蹤調研方式，蘇州調研區域包括金港鎮的15個村、樂余鎮的14個村、南豐鎮的6個村，成都調研區域包括金橋鎮的6個村、永安鎮的6個村、江源鎮的7個村、羊馬鎮的7個村。

1.2 樣本特征

在蘇州市和成都市兩期動態跟蹤調研中，調研問卷共1 250份，回收有效問卷1 108份，問卷有效率為88.64%。其中，2012年在蘇州入戶調研250份，回收有效問卷217份，有效率為86.80%；2015年在蘇州入戶調研400份，回收有效問卷350份，有效率為87.5%；2012年在成都入戶調研250份，回收有效問卷223份，有效率為89.2%；2015年在成都入戶調研350份，回收有效問卷318份，有效率為90.85%。此次調研了受訪村莊耕地資源稟賦及社會經濟狀況、受訪家庭農業經營情況、家庭人口分布、家庭收支、對農田保護補償政策的認知、農田保護補償政策效果的感知等內容。

調研農戶特征見表1。其中，男性占比59.75%，略高于女性；受訪農戶年齡存在顯著區域差異，其中蘇州地區受訪者年齡主要集中在60～70歲，占樣本總體的18.14%，成都地區受訪者年齡偏小，集中在40～50歲，占樣本總體的14.62%；受訪者教育程度在小學及以下的比例最高，占比59.66%，蘇州地區教育水平整體高于成都地區；樣本總體中，黨員和村干部的比例分別占9.48%，17.06%；受訪者家庭收入分布比較平均，年收入在4.0～6.0萬元的受訪家庭比例最高，占到樣本的21.30%，其次是家庭年收入在2萬元以下的受訪者，占比19.04%；綜上可知，成都地區受訪農戶在家務農的男性比例更高，受訪者更年輕，教育水平較低，且家庭年收入水平普遍低于蘇州地區。

表1 樣本描述性統計

2 數據變量與研究方法

2.1 數據變量

為了分析農田保護補償政策成效提升的障礙因素，本文從參與補償政策的農戶視角展開，選取補償范圍、補償標準、補償類型、資金發放形式、資金分配合理性、補償賬務公開性、補償資金用途限制、政府對補償政策監督管理8個方面，分析限制不同地區農戶參與補償政策的主要障礙因素(表2)。區域異質性農戶類型劃分主要依據受訪農戶的來源，調研數據為受訪農戶類型劃分提供依據。補償類型分為：物質補償、現金補償、技術培訓補償、養老補償4類；補償發放形式分為：資金按月發放、按季度發放、按年發放3類；補償資金分配主要指：補償資金完全發放給農戶，或按一定比例在村集體經濟組織與農戶之間進行分配；補償資金使用要求是指：補償資金全部由農戶自由消費，還是只能用于農戶購買養老保險和農業保險。障礙因素用變量C1—C8表示，實地調研中，障礙因素用李克特量表來度量，5—1分別表示障礙因素的顯著程度，5表示指標非常顯著，1則表示指標非常不顯著。

表2 農戶參與補償政策效應提升的障礙因素

調研區域農田保護補償政策效應提升的障礙因素描述性統計見表3。整體來看，補償政策實施階段，限制蘇州地區補償政策效應提升的障礙因素均值上升明顯，表明補償政策實施過程中顯現的問題越來越多。成都地區障礙因素指標的均值有一定程度的下降，表明政策實施過程中，農戶對補償政策的滿意度不斷上升，耕地保護補償政策在不斷調整和完善。

表3 障礙因素的描述性統計

蘇州地區，影響農田保護補償政策效應提升的最主要障礙因素是政策后期缺乏監管，隨著補償政策的實施，障礙因素均值也在不斷上升，2015年農戶對政策后期缺乏監管的認知比2012年提高了33.16%；其次，政策補償類型不一致和補償標準不統一也是較為顯著的障礙因素，雖然依據土地類型、農田等級、承包地屬性對補償類型和補償標準進行了嚴格的限定，但在補償政策實施過程中，部分村集體依據本村農地分布情況，參照公式(1) 重新計算補償標準，并按平均后的補償標準發放補償資金，這也造成村與村之間補償標準存在一定差異，見表4。

(1)

差別化的補償標準，造成農戶對補償政策認知與滿意度的差異，進而制約農田保護補償政策的實施效率。此外，補償資金用途限制多的均值提高了16.90%，這表明該指標是制約政策效率提升的關鍵因素；而補償資金發放形式、補償資金分配以及補償資金對外公開程度等變量的均值在政策實施過程中變化較小。

表4 農田保護經濟補償標準

成都地區，農戶對補償政策整體效果的認知高于蘇州地區，補償政策的農戶參與度也高于蘇州地區。從描述性統計結果來看，政策實施過程中，限制補償政策效率提升的主要障礙因素是：補償賬務公開程度、補償資金分配、補償資金發放形式。2015年，成都地區受訪農戶對障礙因素的認知比2012年提高了11.42%，7.01%，6.57%。農田保護補償政策規定補償資金只能用于農戶購買農村養老保險和農業保險補貼，對應購買農業保險的補貼資金流向，農戶知之甚少，這也造成補償資金賬務的不公開、不透明。在缺乏明確補償范圍、補償資金用途限制多、補償類型不一致、缺乏統一補償標準和補償政策后期監管等方面，農戶認知度有顯著的下降，其中缺乏明確補償范圍的變化幅度最顯著，降低了17.42%，補償政策缺乏監督管理的降幅最小，為3.74%，這表明成都地區農田保護補償政策實施過程中，農戶對補償范圍越來越了解，但補償政策缺乏監督管理的認知變化較小，這表明補償政策實施后，地方政府仍存在監管漏洞，補償政策仍待完善。綜上可知，成都地區制定補償政策的政府部門未來可在補償政策監管、補償賬務公開、補償資金分配和補償資金發放形式等方面完善補償政策，激勵農戶參與政策的積極性，有效提升補償政策的實施效率。

2.2 研究方法

農田保護補償政策異質效應評價是一個復雜的系統工程，需要綜合多方面因素來評判。以農田保護補償政策實施過程中存在的問題為依據，利用基于熵權改進的TOPSIS模型，結合調研數據的可獲取性與可操作性，對影響不同地區農戶參與農田保護經濟補償政策效應提升的障礙因素進行診斷。

2.2.1 基于熵權改進的TOPSIS模型 以熵權改進為基礎的TOPSIS模型適用于多指標變量模型的評價，對樣本數量與樣本分布無嚴格限制。具體步驟包括：

(1) 依據指標體系，建立特征矩陣。設m個指標，n個評價對象的數據矩陣X：

(2)

(2) 數據規范化處理。構造加權的規范化決策矩陣，利用熵權法，計算權重。

為了消除量綱帶來的影響，采用極值法對各項評價指標進行歸一化處理(公式3)，極值則根據各個指標的最大值和最小值來確定[14]。

(3)

(4)

(3) 確定評判指標權重。構造權重矩陣，其中，第j項指標的熵值ej的計算式如下：

(5)

然后，計算第j項指標的差異性系數gj：

gj=1-ej

(6)

計算第j項指標的權重系數Wj：

Wj=gj/∑gj

(7)

V=∑Wj×xij

(8)

(4) 確定正理想解V+和負理想解V-。

(9)

式中：V是一個m×k的矩陣；V+為權重規范化矩陣的正理想解；V-為權重規范化矩陣的負理想解[14]。

(5) 計算指標間距離。估算表征政策成效提升的障礙因素指標到對應指標正負理想解之間的距離：

(10)

式中：D+為各評價指標距離全局最優指標的遠近程度，D+值越小，說明農戶對政策效果的評價結果距離正理想解越近，政策效果越好；D-為各評價指標與最劣指標的接近程度，D-值越小，說明農戶對補償政策的評價效果距離負理想解越近，評價效果越差[15]。

(6) 計算正理想解的貼近度。評價對象與最優目標決策之間的貼近程度為Ti：

(11)

式中：Ti介于0～1之間，Ti值越大，表明農戶對農田保護補償政策效果的評價越高，反之亦然。Ti=1表明對應農田保護補償政策效果評價最優，能夠滿足農戶的心理預期和目標，Ti=0則表示對應農田保護補償政策效果評價最劣，政策沒有達到預期目標。

2.2.2 障礙度模型 在農田保護補償政策實施成效的基礎之上，對限制補償政策成效提升的障礙因素進行診斷，分析影響政策效果的主要障礙因子，為進一步完善政策提供參考依據。障礙度模型主要采用因子貢獻度、偏離度與障礙度等變量來估計。因子貢獻度Uj為單因素對總目標的權重(wj)；指標偏離度(Ij)為評價指標與農田保護補償政策效果目標之間的差距；障礙度(Yj,yj)為分類指標和單項指標對補償政策效果評價的影響程度[15]。

(12)

式中：Iij=1-rij，rij為單項指標的標準化值，采用極值標準化法求得。

3 農田保護補償政策異質效應提升的障礙因素診斷

3.1 農田保護補償政策異質效應提升障礙因素的熵權系數

因蘇州和成都地區經濟發展水平、政策差異以及農戶對補償政策關注程度等因素影響，導致農田保護補償政策效應提升的障礙因素方面存在一定區域差異，本文以蘇州和成都兩個典型創新實踐地區為實例，采用極差法對各項指標進行歸一化處理，確定規范化矩陣對應的正負理想解，借助障礙因素指標評價體系估算指標因素距離最優目標之間的差距。最后，借助障礙度模型，對比分析限制異質類型農戶參與補償政策效應提升的障礙因素。根據熵權法的計算過程，將蘇州和成都兩個地區，2012年和2015年的調研數據依次帶入改進后的TOPSIS模型，得到異質區域樣本農戶的熵權系數，見表5。

3.2 農田保護補償政策異質效應提升障礙因素的貼近度

計算異質區域農戶參與政策成效評價的熵權系數與正負理想解，再利用貼近度指標來衡量政策實施過程中，障礙因素指標偏離農戶預期目標的程度。貼近度越接近1，表明政策實施效果越好，偏離補償政策預期目標差距越小，貼近度越接近0，表明政策實施效果越差，補償政策實施效應偏離農戶預期目標的距離越大。農戶參與補償政策異質效應障礙因素的貼近度見表6，在2012年，蘇州地區補償政策成效提升障礙因素的貼近度與成都地區補償政策成效提升障礙因素的貼近度比較接近，到2015年，蘇州地區障礙因素貼近度顯著低于成都地區，從貼近度來看，成都地區補償政策的實施效應與預期政策目標之間差距較小。從蘇州地區障礙因素的貼近度來看，政策實施過程中，除了資金發放形式、補償資金分配、補償賬務公開3個指標，其他障礙因素在2015年的貼近度均高于2012年。從成都地區補償政策障礙因素的貼近度來看，2015年補償政策成效提升的障礙因素指標貼近度均顯著高于2012年，這表明，成都地區補償政策在不斷改進，政策效果更接近預期的政策目標，補償效果相對更顯著。

表5 不同地區農戶參與補償政策障礙因素的熵權系數

表6 不同地區農戶參與補償政策障礙因素的貼近度

3.3 農田保護補償政策異質效應提升障礙因素的障礙度

依據農田保護補償政策效應提升的障礙因素評價體系，對影響政策效應提升的障礙因素進行估算，分析限制農田保護補償政策效應提升的主要因素，文中按照障礙因素指標的障礙度依次列出排名前5的障礙因子，見表7。

從蘇州地區2012年和2015年的障礙因素指標來看，影響農戶參與政策效應提升的障礙因素之間存在一定差異，2012年，蘇州農戶認為政策缺乏監督管理(C8)是限制補償政策效應提升的最主要障礙因素，其次是補償類型限定不一致(C3)，到2015年，最主要障礙因素變為補償資金分配不合理(C5)，其次是政策缺乏監督管理(C8)。在2012年，成都地區限定受訪家庭必須滿足戶主或其他成員至少有一人購買養老保險，才可以領取農田保護補貼。因此，受訪農戶參與補償政策效應提升的最主要障礙因素為：政策實施缺乏監督管理(C8)和補償類型限定不一致(C3)。到2015年，農田保護補償政策對補償標準進行了調整，限制條件放寬，這對受訪農戶的權益產生一定影響，限制政策效應提升的最主要因素變為政策缺乏監督管理(C8)和補償資金用途限制多(C7)。

表7 不同地區農戶參與補償政策效應提升的障礙因素及障礙度

盡管蘇州和成都地區在社會經濟發展水平、自然資源稟賦等方面存在差異，但是農民對農田保護補償政策的集中關注點是一致的。因此，要想提高農田保護補償政策的實施成效，提升政策效益，首先要提高基層部門對于補償政策后期監管力度；其次，明確補償類型適用范圍，做到補償類型統一，避免政策執行過程中地方政府的個性化調整，減少農戶家庭利益分配不均等現象的發生；當然，也不能忽視補償賬務公開、補償資金分配對于提高農田保護補償政策效應的影響。

4 結論與建議

4.1 結 論

本文從受訪農戶視角入手，選取全國率先探索農田生態補償和耕地保護基金的蘇州市和成都市為補償政策實施的典型創新實踐區域，以兩次連續定點跟蹤調研數據為實例，采用基于熵權改進的TOPSIS模型，對農田保護經濟補償政策異質效應提升的障礙因素進行診斷，發現典型創新實踐區域農田保護補償政策異質效應提升的障礙因素之間既有一定共性障礙因素，又有顯著的區域差異。其中，影響蘇州地區政策成效提升的關鍵障礙因素為：政策缺乏監督管理(C8)、缺乏統一補償標準(C2)、補償資金分配不合理(C5)、補償類型不一致(C3)、缺乏明確補償范圍(C1)；影響成都地區補償政策成效提升的關鍵障礙因素為：政策缺乏監督管理(C8)、補償類型不一致(C3)、缺乏統一補償標準(C2)、補償資金分配不合理(C5)、資金發放形式不明確(C4)。

綜上所述，由于補償信息不對稱、政策監管不完善等制度弱化因素的存在，導致蘇州、成都地區補償政策在實施過程中存在道德風險和逆向選擇等激勵非兼容性風險。政策后期監管、補償標準統一、補償類型要一致仍是顯著影響農田保護補償政策異質效應提升的關鍵，未來應結合障礙因素的分析結果對現有農田保護補償政策進行有計劃的調整，規避農戶參與補償政策逆向選擇的風險，降低信息不對稱的發生，將豐富的基層創新實踐做法提煉總結為具有普及性且兼顧公平和效率的補償措施，為有效提升政策效應提供可操作化管理路徑。

4.2 政策建議

目前，國內對農田保護補償政策效應的研究才剛起步，尚未跳出“就補償論補償”的局限，對政策實行過程中產生的參與主體、涉及空間及成本異質性問題缺乏必要的關注，尤其對補償政策的空間特點和尺度效應研究尚未展開。本文從區域異質性視角對典型實踐地區農田保護經濟政策效應提升的障礙因素進行分析，但仍缺乏第三方評估對典型創新實踐地區的空間異質效應及實踐過程中存在的問題進行評估檢驗。未來借鑒國際經驗，依據農戶家庭個體差異有選擇性的確定參與政策的主體，制定階梯式補償標準，有針對性的確定參與地區、參與主體的優先順序，避免農戶被動參與政策，將有利于糾正補償政策設計、運行和監管過程中產生的效率偏差，提升農田保護經濟補償政策效率。

農田保護補償政策因資源稟賦及要素流動性等區域差異，具有顯著的空間異質效應，呈現出補償非均衡、空間集聚性等特點。蘇州和成都地區的補償政策存在后期監管不嚴、補償標準和補償類型不統一等信息不對稱問題，上述制度弱化因素的存在，導致補償政策在實施過程中面臨道德風險和逆向選擇等激勵非兼容性困擾，未來研究的重點應側重如何降低優質農戶逆向選擇的風險，避免信息不對稱的發生，制定能夠有效提升政策效率的操作路徑及措施，將基層豐富的創新實踐做法及時總結提升為能夠普及推廣且兼顧公平和效率的補償政策。