崔許鋒，馬云夢(mèng)，張光宏

?

基于模型集成的中國(guó)耕地非農(nóng)化影響因素及其時(shí)空特征研究

崔許鋒，馬云夢(mèng)，張光宏

（中南財(cái)經(jīng)政法大學(xué)工商管理學(xué)院，武漢 430073）

【目的】揭示耕地非農(nóng)化影響因素作用的時(shí)空特征，為耕地資源保護(hù)和利用政策制定提供決策支撐?！痉椒ā垦芯坎捎?006—2015年耕地非農(nóng)化的面板數(shù)據(jù)，通過(guò)構(gòu)建“一般回歸模型-面板模型-地理加權(quán)回歸模型-時(shí)空加權(quán)回歸模型”模型集成（簡(jiǎn)稱OPGT），對(duì)耕地非農(nóng)化影響因素進(jìn)行計(jì)量分析?！窘Y(jié)果】一般回歸模型、地理加權(quán)回歸模型（GWR）和時(shí)空加權(quán)回歸模型（GTWR）估計(jì)結(jié)果顯示，城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平、耕地資源稟賦和產(chǎn)業(yè)結(jié)構(gòu)變量均通過(guò)顯著性檢驗(yàn)；耕地非農(nóng)化莫蘭指數(shù)（）為0.740，并且通過(guò)1%水平上顯著性檢驗(yàn)，表明耕地非農(nóng)化具有顯著的空間正相關(guān)性；采用一般回歸模型、GWR、GTWR模型估計(jì)，方程擬合優(yōu)度分別為0.689、0.785、0.858，加入時(shí)空權(quán)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(jié)果顯示，耕地非農(nóng)化影響因素彈性系數(shù)存在時(shí)空非平穩(wěn)特征；空間分析顯示，城鎮(zhèn)人口增長(zhǎng)和耕地資源稟賦對(duì)耕地非農(nóng)化影響在經(jīng)向上呈現(xiàn)出由西向東遞減的狀態(tài)，在緯向上呈現(xiàn)出倒“U”型狀態(tài)，固定資產(chǎn)投資與經(jīng)濟(jì)發(fā)展水平對(duì)耕地非農(nóng)化的影響程度在經(jīng)向上呈現(xiàn)出由西向東遞增的特征，在緯向上呈現(xiàn)出“U”型特征，產(chǎn)業(yè)結(jié)構(gòu)對(duì)耕地非農(nóng)化的影響程度在經(jīng)向上由西向東遞增，在緯向上由北向南遞減；時(shí)序分析顯示，城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)與經(jīng)濟(jì)發(fā)展水平投資系數(shù)呈現(xiàn)減小的趨勢(shì)，耕地資源稟賦系數(shù)有所增大，產(chǎn)業(yè)結(jié)構(gòu)系數(shù)在部分省域有所降低。【結(jié)論】（1）OPGT是一個(gè)有機(jī)整體，各部分相互檢驗(yàn)、互為補(bǔ)充，可以更加細(xì)致的刻畫(huà)因素的時(shí)空作用；（2）耕地非農(nóng)化因素總體作用強(qiáng)度方面，彈性系數(shù)最大的是產(chǎn)業(yè)結(jié)構(gòu)，其次為經(jīng)濟(jì)發(fā)展水平、固定資產(chǎn)投資和耕地資源稟賦，最小為城鎮(zhèn)人口增長(zhǎng)；（3）空間特征方面，城鎮(zhèn)人口增長(zhǎng)和耕地資源稟賦總體呈現(xiàn)出由西向東遞減的趨勢(shì)，而固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)呈現(xiàn)出由西向東遞增的趨勢(shì)；（4）時(shí)序演變特征方面，城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)與經(jīng)濟(jì)發(fā)展水平投資對(duì)耕地非農(nóng)化的影響作用呈現(xiàn)下降趨勢(shì)，耕地資源稟賦與耕地非農(nóng)化關(guān)聯(lián)性趨于增強(qiáng)，產(chǎn)業(yè)結(jié)構(gòu)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(duì)較高。

耕地非農(nóng)化；模型集成；影響因素；時(shí)空特征

0 引言

【研究意義】耕地是人類賴以生存和發(fā)展的重要資源。但是隨著20世紀(jì)90年代以來(lái)我國(guó)經(jīng)濟(jì)的快速增長(zhǎng)以及工業(yè)化、城鎮(zhèn)化進(jìn)程的不斷加快，建設(shè)過(guò)量占用耕地問(wèn)題凸顯，人地矛盾問(wèn)題突出[1]。據(jù)我國(guó)國(guó)土資源管理部門(mén)統(tǒng)計(jì)，2006—2015年，中國(guó)約有2.07×106hm2耕地轉(zhuǎn)化為建設(shè)用地[2]，耕地非農(nóng)化為城鎮(zhèn)化發(fā)展提供了空間支撐，但同時(shí)不合理耕地非農(nóng)化也會(huì)引致糧食安全[3-5]、耕地質(zhì)量降低等經(jīng)濟(jì)[6]、社會(huì)[7-8]、環(huán)境[9-10]領(lǐng)域的問(wèn)題，這些問(wèn)題無(wú)疑會(huì)對(duì)經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展產(chǎn)生阻力，因此研究耕地非農(nóng)化影響因素，實(shí)現(xiàn)耕地非農(nóng)化與糧食安全、生態(tài)保護(hù)的協(xié)調(diào)成為重要的議題[11]?！厩叭搜芯窟M(jìn)展】耕地非農(nóng)化是指耕地改變農(nóng)業(yè)用途，從而轉(zhuǎn)化為非農(nóng)建設(shè)用地的過(guò)程，即耕地的非農(nóng)占用，它具有動(dòng)態(tài)性、難逆轉(zhuǎn)性、政策傾向性、階段性和危害性等特征[12]。一般認(rèn)為自然、經(jīng)濟(jì)、社會(huì)、制度等因素是導(dǎo)致耕地非農(nóng)化的主要因素[13-14]。從自然因素層面看，普遍認(rèn)為耕地資源稟賦與耕地資源非農(nóng)化的關(guān)聯(lián)性顯著[15]，此外地理位置、氣候、土壤和地質(zhì)等也影響耕地向建設(shè)用地的轉(zhuǎn)換[16]。在經(jīng)濟(jì)因素層面，固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平等是影響耕地非農(nóng)化的重要經(jīng)濟(jì)因素[17]。城鎮(zhèn)化是社會(huì)因素層面影響耕地非農(nóng)化的最顯著因素[18]，農(nóng)業(yè)與農(nóng)業(yè)發(fā)展的特征也是影響耕地非農(nóng)化的原因之一[12]。制度因素層面，土地產(chǎn)權(quán)的不明晰、收益分配不合理以及管理制度的不完善都是導(dǎo)致耕地過(guò)度非農(nóng)化的重要因素[19]。同時(shí)，現(xiàn)行的財(cái)政稅收制度以及行政績(jī)效考核標(biāo)準(zhǔn)也導(dǎo)致了部分地方政府過(guò)度依賴“土地財(cái)政”，也致使了耕地的過(guò)度非農(nóng)化[20]。由于空間相關(guān)性的存在，鄰域的空間溢出效應(yīng)對(duì)耕地非農(nóng)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(shù)理經(jīng)濟(jì)學(xué)模型估計(jì)的方法，例如回歸分析模型、隨機(jī)效應(yīng)模型、固定效應(yīng)模型[15]等。研究尺度上，對(duì)國(guó)家、東中西部區(qū)域、省域、市域、縣尺度耕地非農(nóng)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(duì)耕地資源非農(nóng)化影響因素進(jìn)行了研究，加深了對(duì)耕地資源問(wèn)題的認(rèn)知，但仍然存在進(jìn)一步研究的空間：已有研究多基于單一的計(jì)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(nóng)化的空間非平穩(wěn)性（spatial non- stationarity）特征，可能會(huì)導(dǎo)致模型設(shè)定的偏誤?！颈狙芯壳腥朦c(diǎn)】土地是產(chǎn)業(yè)發(fā)展的空間支撐，產(chǎn)業(yè)結(jié)構(gòu)與耕地非農(nóng)化關(guān)系密切，那么產(chǎn)業(yè)結(jié)構(gòu)對(duì)耕地非農(nóng)化影響是否顯著？在考慮了耕地非農(nóng)化空間非平穩(wěn)性條件下，耕地非農(nóng)化影響因素作用系數(shù)有哪些時(shí)空分布特征？模型集成方法能否能更好地對(duì)耕地非農(nóng)化影響進(jìn)行計(jì)量分析？【擬解決的關(guān)鍵問(wèn)題】鑒于以上的分析，研究擬采用2006—2015年面板數(shù)據(jù)（panel data），構(gòu)建“一般回歸模型-面板模型-地理加權(quán)回歸模型-時(shí)空加權(quán)回歸模型”模型集成，通過(guò)多模型集成比較分析，揭示耕地資源非農(nóng)化的影響因素及時(shí)空特征。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 概念模型

基于耕地非農(nóng)化研究文獻(xiàn)分析，研究擬構(gòu)建以下概念模型：

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

其中：

_agr：耕地非農(nóng)化，采用耕地非農(nóng)化年度數(shù)據(jù)；

_popu：城鎮(zhèn)人口增長(zhǎng)，采用年末城鎮(zhèn)人口數(shù)；

_ass：固定資產(chǎn)投資，以固定資產(chǎn)投資額測(cè)算；

Economy：經(jīng)濟(jì)發(fā)展水平，參考Grossman 和 Krueger 相關(guān)研究，即采用人均國(guó)內(nèi)生產(chǎn)總值（per capita gross domestic product）指標(biāo)度量，這里研究采用的是省域數(shù)據(jù)，因此應(yīng)為人均地區(qū)生產(chǎn)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(chǎn)業(yè)結(jié)構(gòu)，以非農(nóng)產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值比重測(cè)度；

：分別表示面板數(shù)據(jù)的截面和時(shí)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(chǔ)上，構(gòu)建因素分析“一般回歸模型-面板模型-地理加權(quán)回歸模型-時(shí)空加權(quán)回歸模型”模型集成（簡(jiǎn)稱OPGT），從而比較分析耕地非農(nóng)化影響因素，發(fā)現(xiàn)其時(shí)空特征。其中，一般回歸模型可對(duì)解釋變量顯著性進(jìn)行初步判斷，承擔(dān)變量篩選與方程初步評(píng)估功能，面板模型考慮了截面的個(gè)體效應(yīng)，提升了模型顯著性水平，而GWR和GTWR模型則可以實(shí)現(xiàn)時(shí)空臨近信息的局域（local）回歸，呈現(xiàn)了變量影響作用的時(shí)空特征。OPGT是一個(gè)有機(jī)整體，各部分相互檢驗(yàn)、互為補(bǔ)充，可以更加細(xì)致的刻畫(huà)因素的時(shí)空作用。其技術(shù)路線如圖1所示。

OPGT可以分為6個(gè)步驟：（1）數(shù)據(jù)收集和預(yù)處理；（2）一般回歸模型分析，通過(guò)一般回歸模型，對(duì)解釋變量在模型中的顯著性水平和模型擬合優(yōu)度進(jìn)行分析，從而在整體上對(duì)解釋變量選擇、模型擬合程度進(jìn)行判斷；（3）面板模型分析，在考慮個(gè)體效應(yīng)的基礎(chǔ)上，對(duì)模型進(jìn)行檢驗(yàn)并與一般回歸進(jìn)行比較；（4）地理加權(quán)回歸模型，基于研究對(duì)象的空間特征，引入空間位置信息，確定截面回歸系數(shù)；（5）時(shí)空加權(quán)回歸模型，在空間差異基礎(chǔ)上，拓展到時(shí)間維度的系數(shù)差異。

1.2.1 一般回歸模型

研究首先構(gòu)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(shù)項(xiàng)，β為解釋變量X(j)的系數(shù)，ε為干擾項(xiàng)。為解釋變量的個(gè)數(shù)，和分別表示面板數(shù)據(jù)中的截面和時(shí)間，一般回歸模型雖然能夠?qū)γ姘鍞?shù)據(jù)進(jìn)行運(yùn)算，但是不能處理其中的截面?zhèn)€體效應(yīng)。

1.2.2 面板模型

面板模型可以分為固定效應(yīng)模型（fixed effect model）和隨機(jī)效應(yīng)模型（random effect model）。對(duì)于面板模型，OLS估計(jì)量雖然是一致的，但不再是有效估計(jì)量，需要采用廣義最小二乘法（generalized least squares，即GLS）來(lái)估計(jì)。其中，固定效應(yīng)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(shù)，ε為干擾項(xiàng)。為解釋變量的個(gè)數(shù)，和分別表示面板數(shù)據(jù)中的截面和時(shí)間。β對(duì)于每個(gè)截面是一個(gè)固定的常數(shù)，表示個(gè)體的特殊效應(yīng)，也反映了個(gè)體的差異。如果假定β不是固定的，而是隨機(jī)的，那么模型就轉(zhuǎn)化為了隨機(jī)效應(yīng)模型。確定采用固定效應(yīng)面板還是隨機(jī)面板要根據(jù)邏輯分析和霍斯曼檢驗(yàn)確定。

1.2.3 地理加權(quán)回歸模型

地理加權(quán)回歸模型（geographically weighted regression，即GWR）是對(duì)傳統(tǒng)線性回歸模型的擴(kuò)展，它將空間屬性納入到方程中，特定的回歸系數(shù)不再是利用全部（global）觀察值得到的假定常數(shù)，而是利用鄰近觀測(cè)值的子樣本信息進(jìn)行統(tǒng)計(jì)，估計(jì)系數(shù)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(shù)路線

Y=X(j)+ ε1, 2, 3（4）

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

1.2.4 時(shí)空加權(quán)回歸模型

GWR模型考慮了空間的非平穩(wěn)，通過(guò)基于空間距離構(gòu)建權(quán)重矩陣，實(shí)現(xiàn)對(duì)模型參數(shù)的估計(jì)，但其在考慮時(shí)間因素方面存在不足。因此引入時(shí)空加權(quán)回歸模型（geographically and temporally weighted regression，即GTWR），GTWR是GWR模型拓展，將時(shí)空非平穩(wěn)性同時(shí)考慮到模型中，為每個(gè)觀察值賦予時(shí)空關(guān)系坐標(biāo)，實(shí)現(xiàn)對(duì)模型參數(shù)的有效估計(jì)[25-27]，模型表達(dá)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(xiàng)，t為第個(gè)截面的時(shí)間坐標(biāo)；X(j)為第個(gè)截面的第個(gè)解釋變量；β(u,v,t)表示解釋變量X(j)在(u,v,t)時(shí)空坐標(biāo)上的系數(shù)；ε表示干擾項(xiàng)。

基于以上模型集成，根據(jù)耕地非農(nóng)化概念模型（1），將研究采用的被解釋變量耕地非農(nóng)化，以及解釋變量城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平、耕地資源稟賦和產(chǎn)業(yè)結(jié)構(gòu)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(nóng)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(jì)結(jié)果系數(shù)具有彈性的含義，采用雙對(duì)數(shù)模型，即先對(duì)變量求自然對(duì)數(shù)，然后參與模型的計(jì)量分析。

1.3 數(shù)據(jù)來(lái)源

研究所采用的數(shù)據(jù)為中國(guó)大陸地區(qū)31個(gè)省域（省、自治區(qū)、直轄市）的數(shù)據(jù)。由于中國(guó)香港、中國(guó)澳門(mén)、中國(guó)臺(tái)灣數(shù)據(jù)暫缺，因此本研究暫不包含上述地區(qū)。其中，年末城鎮(zhèn)人口數(shù)、地區(qū)生產(chǎn)總值、地區(qū)第一二三產(chǎn)業(yè)增加值、固定資產(chǎn)投資額來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒（2007—2016）》，年初耕地保有量數(shù)據(jù)來(lái)源于《中國(guó)國(guó)土資源年鑒（2007—2016）》。

2 結(jié)果

2.1 變量描述性統(tǒng)計(jì)

首先對(duì)變量進(jìn)行描述性統(tǒng)計(jì)分析，如表1所示。根據(jù)描述統(tǒng)計(jì)分析結(jié)果，可以知道我國(guó)地域跨度較大，省域之間差異較強(qiáng)，例如，被解釋變量耕地非農(nóng)化面積最大值是23 872.92 hm2，最小值是2.60 hm2，標(biāo)準(zhǔn)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(biāo)準(zhǔn)差為3 125.47×103hm2。因此基于省域?qū)用娴难芯浚淇臻g差異性不容忽視。

2.2 一般回歸分析

為了與后續(xù)模型進(jìn)行比較，首先基于一般回歸分析模型（6）對(duì)耕地非農(nóng)化影響因素進(jìn)行分析，結(jié)果如表2所示。首先以城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資為解釋變量進(jìn)行OLS回歸分析（方程6-a），結(jié)果顯示城鎮(zhèn)人口增長(zhǎng)與固定資產(chǎn)投資對(duì)耕地非農(nóng)化的影響均在1%的水平上顯著，擬合優(yōu)度為0.535。為了驗(yàn)證經(jīng)濟(jì)發(fā)展水平對(duì)耕地非農(nóng)化是否有顯著影響，在方程（6-a）的基礎(chǔ)上引入經(jīng)濟(jì)發(fā)展水平變量，檢驗(yàn)結(jié)果見(jiàn)（6-b）。由分析結(jié)果可知，在控制了城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資變量的條件下，經(jīng)濟(jì)發(fā)展水平對(duì)耕地非農(nóng)化的影響均在1%的水平上顯著，擬合優(yōu)度為0.647，解釋能力有所提升。方程（6-c）為（6-b）的基礎(chǔ)上加入耕地資源稟賦檢驗(yàn)結(jié)果，結(jié)果顯示耕地資源稟賦對(duì)耕地非農(nóng)化的影響在1%的水平上顯著，但此時(shí)經(jīng)濟(jì)發(fā)展水平變量卻不顯著。為了檢驗(yàn)產(chǎn)業(yè)結(jié)構(gòu)變量是否對(duì)耕地非農(nóng)化有顯著影響，在控制了城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平和耕地資源稟賦變量的基礎(chǔ)上，加入產(chǎn)業(yè)結(jié)構(gòu)變量，檢驗(yàn)結(jié)果如（6-d）所示。產(chǎn)業(yè)結(jié)構(gòu)對(duì)耕地非農(nóng)化在1%的水平上顯著，擬合優(yōu)度為0.689，4個(gè)控制變量均處于顯著的水平。

表1 數(shù)據(jù)描述性統(tǒng)計(jì)

表2 耕地非農(nóng)化一般回歸模型OLS估計(jì)結(jié)果

括號(hào)內(nèi)數(shù)值為標(biāo)準(zhǔn)誤，括號(hào)外數(shù)值為系數(shù)，*、**、***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(jù)一般回歸模型分析結(jié)果可以知道，城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平、耕地資源稟賦和產(chǎn)業(yè)結(jié)構(gòu)變量均有顯著影響，但擬合優(yōu)度為0.689，方程解釋力仍然偏低。

2.3 面板模型分析

根據(jù)描述統(tǒng)計(jì)分析可以知道，我國(guó)省域耕地資源非農(nóng)化差異明顯，在計(jì)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(gè)體效應(yīng)的基礎(chǔ)上，對(duì)模型進(jìn)行檢驗(yàn)分析?；羲孤鼨z驗(yàn)結(jié)果顯示，χ2(5)= 22.30，Prob= 0.0005，通過(guò)1%水平的顯著性檢驗(yàn)，拒絕原假設(shè)，因此研究采用固定效應(yīng)模型。

采用固定效應(yīng)模型對(duì)耕地非農(nóng)化數(shù)據(jù)進(jìn)行估計(jì)，其估計(jì)結(jié)果見(jiàn)表3。結(jié)果顯示，在采用面板模型的條件下，城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平和耕地資源稟賦變量處于顯著水平，但是產(chǎn)業(yè)結(jié)構(gòu)變量卻未通過(guò)檢驗(yàn)。

表3 耕地非農(nóng)化固定效應(yīng)模型估計(jì)結(jié)果

2.4 地理加權(quán)回歸分析

在采用GWR模型進(jìn)行空間差異性分析前，首先對(duì)耕地非農(nóng)化數(shù)據(jù)進(jìn)行空間自相關(guān)檢驗(yàn)。檢驗(yàn)結(jié)果顯示，莫蘭指數(shù)（）[28-29]為0.740，并且伴隨概率（）小于0.01，通過(guò)1%水平上顯著性檢驗(yàn)，表明耕地非農(nóng)化具有顯著的空間正相關(guān)性，因此適合進(jìn)行GWR模型回歸。利用GWR進(jìn)行計(jì)量分析，其檢驗(yàn)結(jié)果見(jiàn)表4。根據(jù)表4中可以得知GWR模型回歸擬合優(yōu)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(guò)顯著性檢驗(yàn)。GWR模型中省域耕地非農(nóng)化影響因素方程系數(shù)如見(jiàn)表5所示。

為了總體描述系數(shù)的變化，首先對(duì)解釋變量系數(shù)進(jìn)行統(tǒng)計(jì)描述分析，主要統(tǒng)計(jì)量有最大值、最小值、方差、均值、絕對(duì)值的均值，結(jié)果如表6所示。根據(jù)其標(biāo)準(zhǔn)差與絕對(duì)值的均值計(jì)算出變異系數(shù)，從而分析變量彈性系數(shù)在空間上的非平穩(wěn)程度大小。城鎮(zhèn)人口增長(zhǎng)的變異系數(shù)最大，為1.115，其次分別是產(chǎn)業(yè)結(jié)構(gòu)（0.993）、耕地資源稟賦（0.897）、固定資產(chǎn)投資（0.784），經(jīng)濟(jì)發(fā)展水平變異系數(shù)最小，變異系數(shù)值為0.700因此變量系數(shù)在省域變異最大的是城鎮(zhèn)人口增長(zhǎng)，其次是產(chǎn)業(yè)結(jié)構(gòu)水平，耕地資源稟賦和是固定資產(chǎn)投資，變異最小的經(jīng)濟(jì)發(fā)展水平。

從變量影響強(qiáng)度看，彈性系數(shù)呈現(xiàn)出的狀態(tài)。由此可知，對(duì)耕地非農(nóng)化的驅(qū)動(dòng)作用最大的變量是產(chǎn)業(yè)結(jié)構(gòu)，其次為經(jīng)濟(jì)發(fā)展水平、固定資產(chǎn)投資和耕地資源稟賦，最小的是城鎮(zhèn)人口增長(zhǎng)。另外，GWR分析結(jié)果顯示經(jīng)濟(jì)發(fā)展水平彈性系數(shù)為負(fù)，表明經(jīng)濟(jì)發(fā)展對(duì)耕地非農(nóng)化有一定的抑制作用，這與一般回歸模型（即模型6）檢驗(yàn)結(jié)果一致。

表4 耕地非農(nóng)化GWR和GTWR模型檢驗(yàn)結(jié)果

表5 耕地非農(nóng)化GWR模型估計(jì)結(jié)果

2.5 時(shí)空加權(quán)回歸分析

為進(jìn)一步探討耕地非農(nóng)化影響因素的時(shí)間差異，采用GTWR模型進(jìn)行分析，其檢驗(yàn)結(jié)果見(jiàn)表4，考慮了時(shí)間屬性的GTWR模型擬合優(yōu)度為0.858，各解釋變量回歸統(tǒng)計(jì)值伴隨概率均小于0.01，均通過(guò)顯著性水平為1%的檢驗(yàn)，表明各回歸系數(shù)隨時(shí)空的變化具有顯著性。

GTWR估計(jì)結(jié)果顯示了解釋變量彈性系數(shù)的年度發(fā)展變化。結(jié)果分析可知，2006—2015年城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資和經(jīng)濟(jì)發(fā)展水平對(duì)耕地非農(nóng)化的影響作用呈現(xiàn)下降趨勢(shì)；耕地資源稟賦與耕地非農(nóng)化關(guān)聯(lián)性作用變得更加強(qiáng)烈；產(chǎn)業(yè)結(jié)構(gòu)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(jì)結(jié)果中，2006、2010、2015年3個(gè)時(shí)間節(jié)點(diǎn)的解釋變量系數(shù)估計(jì)值如表7所示。

為進(jìn)一步發(fā)現(xiàn)耕地非農(nóng)化影響因素的整體空間特征，根據(jù)解釋變量省域系數(shù)的平均值，采用ArcGIS的“趨勢(shì)分析”工具[30-31]繪制解釋變量彈性系數(shù)的變化分布圖（圖2）。由圖2-a和2-d可知，城鎮(zhèn)人口增長(zhǎng)和耕地資源稟賦對(duì)耕地非農(nóng)化影響在X方向（經(jīng)向）上現(xiàn)出由西向東遞減的狀態(tài)，在Y方向（緯向）上呈現(xiàn)出倒“U”型狀態(tài)。由圖2-b和2-c可知固定資產(chǎn)投資與經(jīng)濟(jì)發(fā)展水平對(duì)耕地非農(nóng)化的影響程度在X方向上呈現(xiàn)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(guó)東北地區(qū)的耕地非農(nóng)化對(duì)固定資產(chǎn)投資與產(chǎn)業(yè)結(jié)構(gòu)變化更加敏感。從圖2-e中可以看出產(chǎn)業(yè)結(jié)構(gòu)對(duì)耕地非農(nóng)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(chǎn)業(yè)結(jié)構(gòu)對(duì)耕地非農(nóng)化的影響由東北向西南遞減。

圖2 解釋變量系數(shù)空間變化

表6 GWR模型系數(shù)統(tǒng)計(jì)值

表7 耕地非農(nóng)化GTWR模型估計(jì)結(jié)果(2006、2010、2015年)

3 討論

對(duì)于耕地非農(nóng)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(jì)方法，而耕地與其他經(jīng)濟(jì)學(xué)研究對(duì)象相比，其具有顯著空間性特征，如果忽視其空間非平穩(wěn)性特征，可能會(huì)違反“地理事物或?qū)傩栽诳臻g分布上互為相關(guān)”的地理學(xué)第一定律[32]，導(dǎo)致方程估計(jì)參數(shù)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(jì)的基礎(chǔ)上，引入時(shí)空權(quán)重信息，通過(guò)構(gòu)建GWR和GTWR模型采用對(duì)耕地非農(nóng)化進(jìn)行分析，其模型系數(shù)是根據(jù)時(shí)空臨近觀測(cè)值通過(guò)局域（local）回歸得來(lái)，更好的表達(dá)了影響因素系數(shù)的時(shí)空特征。

研究也存在一定的局限性。研究探討了城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平及產(chǎn)業(yè)結(jié)構(gòu)等因素對(duì)耕地非農(nóng)化影響，但對(duì)于土地制度、農(nóng)業(yè)與農(nóng)村內(nèi)部因素等則尚未涉及。其次，雖然研究對(duì)土地資源稟賦與耕地非農(nóng)化的關(guān)系進(jìn)行了探討，但尚未對(duì)氣候、土壤和地質(zhì)等自然影響因素進(jìn)行分析，而這些自然因素與耕地非農(nóng)化關(guān)系密切，如何將這些因素納入統(tǒng)一的模型分析框架，這些都是研究進(jìn)一步深化的方向。

4 結(jié)論

研究采用2006—2015年耕地非農(nóng)化的統(tǒng)計(jì)數(shù)據(jù)，利用OPGT模型集成的方法對(duì)面板數(shù)據(jù)進(jìn)行分析，研究表明：（1）OPGT是一個(gè)有機(jī)整體，各部分相互檢驗(yàn)、互為補(bǔ)充，可以更加細(xì)致的刻畫(huà)因素的時(shí)空作用；（2）耕地非農(nóng)化因素總體作用強(qiáng)度方面，彈性系數(shù)最大的是產(chǎn)業(yè)結(jié)構(gòu)，其次為經(jīng)濟(jì)發(fā)展水平、固定資產(chǎn)投資和耕地資源稟賦，最小為城鎮(zhèn)人口增長(zhǎng)；（3）空間特征方面，城鎮(zhèn)人口增長(zhǎng)和耕地資源稟賦總體呈現(xiàn)出由西向東遞減的趨勢(shì)，而固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)呈現(xiàn)出由西向東遞增的趨勢(shì)；（4）時(shí)序演變特征方面，城鎮(zhèn)人口增長(zhǎng)、固定資產(chǎn)投資與經(jīng)濟(jì)發(fā)展水平對(duì)耕地非農(nóng)化的影響作用呈現(xiàn)下降趨勢(shì)，耕地資源稟賦與耕地非農(nóng)化關(guān)聯(lián)性趨于增強(qiáng)，產(chǎn)業(yè)結(jié)構(gòu)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(duì)較高。

[1] 趙文武. 世界主要國(guó)家耕地動(dòng)態(tài)變化及其影響因素. 生態(tài)學(xué)報(bào),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(guó)國(guó)土資源部. 中國(guó)國(guó)土資源統(tǒng)計(jì)年鑒(2007-2016). 北京: 地質(zhì)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(wàn)利. 東北三省耕地非農(nóng)化時(shí)空特征及其與糧食生產(chǎn)能力的關(guān)系. 資源科學(xué), 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(guó)農(nóng)地非農(nóng)化與糧食安全. 經(jīng)濟(jì)學(xué)動(dòng)態(tài), 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(ài)棟, 彭沖, 許實(shí), 曾薇, 馬賢磊. 生態(tài)安全約束下耕地潛在轉(zhuǎn)換及其對(duì)糧食生產(chǎn)的影響——以東北地區(qū)為例. 中國(guó)人口·資源與環(huán)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(nóng)化對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)的區(qū)域差異研究——基于山東省17個(gè)地級(jí)市面板數(shù)據(jù)的分析. 資源科學(xué), 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(nóng)化與經(jīng)濟(jì)增長(zhǎng)、城市化的互動(dòng)關(guān)系實(shí)證研究——基于廣東省時(shí)間序列數(shù)據(jù)的分析. 農(nóng)村經(jīng)濟(jì), 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(qiáng), 吳次芳, 方明. 浙江省產(chǎn)業(yè)、人口與土地非農(nóng)化的協(xié)調(diào)性分析. 中國(guó)人口·資源與環(huán)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(huì)敏, 余斌. 土地非農(nóng)化生態(tài)價(jià)值損失估算. 中國(guó)人口·資源與環(huán)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(guó)敏, 盧珂, 黃烈佳. 主體權(quán)益下耕地非農(nóng)化價(jià)值損失補(bǔ)償?shù)姆此寂c重構(gòu). 中國(guó)人口·資源與環(huán)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(guó)農(nóng)地非農(nóng)化與農(nóng)地資源保護(hù)：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(guó)耕地非農(nóng)化的驅(qū)動(dòng)因素研究. 科學(xué)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(nóng)化與中國(guó)經(jīng)濟(jì)增長(zhǎng)質(zhì)量的庫(kù)茲涅茨曲線假說(shuō)及驗(yàn)證——基于空間計(jì)量經(jīng)濟(jì)模型的實(shí)證分析.中國(guó)土地科學(xué),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(nóng)化驅(qū)動(dòng)機(jī)制及其區(qū)域差異性. 中國(guó)農(nóng)業(yè)科學(xué), 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(nóng)地城市流轉(zhuǎn)規(guī)模及其影響因素作用的空間異質(zhì)性研究. 中國(guó)人口·資源與環(huán)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(jià)格機(jī)制與農(nóng)地非農(nóng)化研究.經(jīng)濟(jì)學(xué)（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(qián)忠好, 牟燕. 中國(guó)農(nóng)地非農(nóng)化市場(chǎng)化改革為何舉步維艱——基于地方政府土地財(cái)政依賴視角的分析. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 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(zhǎng)生. 山東省建設(shè)占用耕地與經(jīng)濟(jì)增長(zhǎng)的脫耦分析. 中國(guó)人口·資源與環(huán)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(xué),趙利利,柯新利.湖北省耕地非農(nóng)化壓力的時(shí)空演變格局.長(zhǎng)江流域資源與環(huán)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(nóng)化的空間自相關(guān)分析. 長(zhǎng)江流域資源與環(huán)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(zhèn)化土地集約利用潛力空間分異研究—基于土地城鎮(zhèn)化的“人口-經(jīng)濟(jì)”二元驅(qū)動(dòng)視角. 華東經(jīng)濟(jì)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(shí)空窗口改進(jìn)的時(shí)空加權(quán)回歸分析——以湖北省黃石市住房?jī)r(jià)格為例. 地理科學(xué), 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(guān)的城市住宅地價(jià)空間分異規(guī)律研究——以石家莊市城區(qū)為例.干旱區(qū)資源與環(huán)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(dá)性與住宅價(jià)格空間關(guān)聯(lián). 地理科學(xué)進(jìn)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(zé)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(guó)家社會(huì)科學(xué)基金（16BGL154）

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

張光宏，E-mail：zgh62@aliyun.com