产业专业化、多样化集聚对城市土地利用效率影响的多维研究

张雯熹 吴群 王博

摘要

不同的政策工具类型与结构将形成不同的耕地保护政策安排与行为约束，直接影响耕地保护政策目标实现程度和政策实施效果。本文将耕地保护涉及的政策工具划分为命令控制、经济激励和宣传引导三类，在设计出政策工具影响耕地保护效果的理论框架与研究假设后，以中国2001—2016年时序数据为基础，利用向量自回归模型实证揭示了不同类型政策工具对中国耕地保护效果的影响方向及贡献程度。结果表明：①命令控制工具、经济激励工具和宣传引导工具均与中国耕地保护效果之间存在长期稳定的均衡关系。②命令控制工具、宣传引导工具与中国耕地保护效果之间存在单向因果关系，它们是中国耕地保护效果变化的格兰杰原因，但是反过来均不成立，经济激励工具则与中国耕地保护效果之间存在双向因果关系。③中国耕地保护效果在很大程度上是受自身冲击的影响，表现出依赖自身惯性的变化特征，但是这种贡献率随着滞后期数的增加而逐渐降低，由第1期的100%变化至第10期的41.30%。④命令控制工具、经济激励工具和宣传引导工具在整个分析期内均对中国耕地保护效果提升有积极作用，且从方差分解结果来看，三类政策工具对耕地保护效果的贡献率在滞后10期时都表现出不同幅度的上升趋势，其中经济激励工具的贡献率最高，其次是命令控制工具，宣传引导工具的贡献率最小。未来不仅要根据耕地保护面临的新形势进行政策工具创新，同时也要注重完善政策工具的内部结构，充分发挥不同类型政策工具的作用与功能，实现合力最大化。

关键词 政策工具;耕地保护;效果;向量自回归模型;中国

中图分类号 F301.21  文献标识码 A  文章编号 1002-2104（2019）11-0111-09  DOI：10.12062/cpre.20190511

耕地保护是中国在保障耕地资源高效、可持续利用和持久粮食安全上的一贯立场与基本国策[1]。自1986年国家土地管理局成立以后，中国建立了包含基本农田保护、耕地总量动态平衡、土地用途管制、耕地轮作休耕等一套相对完整且严格的耕地保护政策体系[2]，为国民经济发展和農业生产进步等提供了必要的物质保障和动力支持[3]。然而也应该看到，严格的耕地保护政策并未在根本上遏制全国耕地资源面积的净减少[4]、局部地区耕地质量持续恶化的发展态势[5]，耕地保护的实践效果并未达到预期目标[1]。

为什么会出现这样的状况？耕地保护政策运行效果为何无法与政策预期目标相吻合？很多学者从耕地保护政策自身找到了原因。在他们看来，耕地保护的政策安排实际上是一个多重链的委托代理架构[6]，是中央政府委托地方政府及相关职能部门代理耕地保护管理及监督等一系列行为的综合。在这样的委托代理关系链中，地方政府在个体理性支配下的“内部性”动机[7]、“目标替代”[8]及其他博弈行为[9]必然会导致耕地保护政策效果和效率低下，阻碍耕地保护向纵深发展。Lichtenber等[10]在对中国耕地保护政策进行评价时就指出，现有的政策体系与安排刺激了耕地减少与过度转用，导致土地利用无效率。也有学者从耕地保护面临的外部环境探讨了耕地保护效果与预期目标不一致的原因。蔡运龙等[11]指出耕地保护效果不明显的症结在于土地产权不明晰，农民没有掌握主动权，因而导致不合理占用、利用耕地资源较为严重。刘彦随等[1]也认为耕地保护真实价值和农民财产权利未能凸显是影响耕地保护效果不佳的主要原因之一。其他如制度弊端与缺陷[12]、耕地保护社会氛围缺失[13]等都是已有研究指出的制约耕地保护效果的重要因素。

总体来看，目前理论界对耕地保护效果不佳的内在机制进行了系统思考与分析，对耕地保护政策完善与创新具有重要意义。然而，作为一项公共政策安排，耕地保护政策自身的缺陷及面临环境的复杂性、不确定性并不能完全形成耕地保护效果与目标不一致的因素集合。正如美国政策学家Allison[14]所言，“在实现政策目标的过程中，方案确定的功能只占10%，其余的90%取决于政策的有效执行”。也就是说，哪怕拥有近乎完美的耕地保护政策方案与制度安排，没有很好的政策执行，依然难以实现与预期目标一致的耕地保护效果。而政策有效执行的核心就在于政策工具的选择与设计[15]。基于此，本文将从政策工具视角出发，探讨耕地保护政策工具的主要类型及其对耕地保护效果的影响机理，并在此基础上，以中国31个省、自治区、市（因数据缺失原因，不包括港澳台）2001—2016年数据为样本，实证揭示不同类型政策工具对耕地保护效果的影响方向与强度，是对现有文献的有力补充，对于增强耕地保护政策执行力时序也具有较好的参考价值。

1 理论分析与研究假设

政策工具是政策执行者为实现特定政策目标而采取的一系列手段、方法和措施的综合[15]。一套结构合理、数量适中的政策工具是实现政策目标的核心要素和基本途径[16]，也是增强政策制定科学性、保证政策执行效果的关键举措。1964年，荷兰经济学家Kirschen[17]整理了64种一般化工具，但他只简单列举了这些工具，并未进行系统分类。英国学者Hood[18]则对政策工具类型进行了具体界定。经过国内外理论研究者的不断丰富与扩展，目前已经形成了大量竞争性的分类方法和不同体系的“政策工具箱”。如Rothwell和Zegveld[19]的环境型、供给型和需求型工具，Mcdonell和Elmore[20]的命令型、激励型、能力建设型和系统变化型工具，Schneider和Ingram[21]的激励型、能力建设型、符号与规劝型及学习型工具，Howlett和Ramesh[22]的强制型、自愿型和混合型工具，BemelmansVidec[23]等的管制性、经济性和信息性工具，陈振明[14]的市场化工具、工商管理技术、社会化手段以及张成福[24]的政府部门直接提供财货与服务、志愿服务、特许经营等。

与其他任何一项政策类似[15]，耕地保护政策也是目标与工具的有机统一。耕地保护政策的执行过程，实际上是为实现高效粮食生产、经济发展等多元目标的协同发展，针对或避免耕地不合理开发、利用而对各种政策工具进行公共选择的过程。不同的政策工具选择与不同类型的政策工具组合将形成不同的政策活动，直接影响耕地保护政策目标实现程度和政策实施效果。那么我们在耕地保护时到底应该选择什么样的政策工具？在这一问题上，环境经济学为我们提供了一定思路：一是政府干预，二是经济激励[25]。然而，由于耕地保护政策作用对象及面临环境的复杂性，单纯政府规制和经济激励工具的设计、实施都存在种种难以逾越的困难，因而在现实生活中通常采用“大棒+胡萝卜+劝说服从”的组合型耕地保护政策。有学者以中国1986—2017年181份国家层面的耕地保护政策文本为研究样本，认为中国耕地保护政策兼顾了结构强制型工具、经济诱导型工具和互助影响型工具的综合运用，其中又以结构强制型政策工具最具代表[26]。

根据已有研究成果[25-26]及耕地保护政策的演进特征[4]，本文将耕地保护常用的政策工具分为基于强制机制的命令控制型、基于市场机制的经济激励型和基于自愿机制的宣传引导型三类。其中，命令控制工具是以国家强制力为后盾，通过政府行政命令或制定的法规、标准等，直接要求、规定耕地利用主体的生产经营行为和耕地利用方式等。耕地资源在国民经济社会发展过程中的基础性地位决定了政府行政权力参与耕地资源调配的必要性，必须要在国家战略和全局视野上谋划耕地保护总体方案，而且在当前的土地垂直管理体制下，命令控制工具是减少耕地保护政策执行成本，保障耕地保护政策有效运行的重要举措。经济激励工具是通过经济手段或市场力量，对一些耕地保护行为，如降低农业化学物质消耗强度、采纳绿色生产技术、推行可持续性耕地种植方式等，采取补贴措施或建立价格机制等，以实现耕地利用负外部性的内在化。经济激励工具可以同时对耕地利用主体的决策行为和行为结果产生激励[26]，并最终影响到耕地保护效果。宣传引导工具是介于命令控制与经济激励之间的政策安排，带有引导耕地利用主体自愿参与或自愿服从特征。主要是政府通過网络平台、大众传媒、基层政府或社会组织等，开展耕地保护政策宣传教育、保护型耕作技术推广等活动，引导、鼓励耕地利用主体的可持续耕地利用方式选择和生产技术采纳，而且能够在社会上形成良好的耕地保护氛围与舆论声势，推动整个耕地保护事业的发展。同时也应该看到，由于不同经济发展阶段所面临耕地保护形势与工作重点的差异，所设定的政策工具类型及其所产生的效应也必然会产生差异。基于以上分析，我们提出如下假设：

假设1：政策工具会显著影响耕地保护效果。

假设2：不同类型政策工具对耕地保护效果的影响具有异质性。

2 研究方法与数据来源

2.1 变量选取

（1）耕地保护效果。尽管学者们普遍认为耕地保护是集“数量、质量、生态”于一体的复合系统，但是数量层面的耕地面积变化量仍然是目前理论界度量耕地保护效果的典型做法[27]。在具体指标上，已有研究多选用年内减少耕地面积[28]、年内建设占用耕地面积[29]或年内违法占用耕地面积[30]。其中，年内减少耕地面积主要用于对耕地保护政策的综合评判，年内建设占用耕地面积主要用于分析土地督察、土地用途管制所产生的耕地保护效果，年内违法占用耕地面积则多运用在土地行政问责视角下的耕地保护效果分析。鉴于本文是在宏观层面对耕地保护效果进行审视，故选取年内减少耕地面积（DCL）表征耕地保护效果。

（2）命令控制工具。命令控制工具通常包括法规和标准两类[31]，是以政府行政权力为后盾的一种非自愿参与的、强制性的政策工具。由于耕地保护的范畴较为广泛，不同视角下的耕地保护标准众多，且从现实情况来看，目前国家主要通过法律法规，并辅以通知、决定、办法等正式的、规范的文件对耕地保护实施直接管制。因此，本文主要选取当年度中央层面的法律及法律性文件、部门规章及规范性文件数量（PT）作为表征命令控制工具的指标。

（3）经济激励工具。经济激励工具是通过市场机制或价格机制，以经济激励的方式影响相关利益主体的耕地利用与耕地保护行为。根据经济激励工具的基本内涵，它可以进一步分解为征税、财政支持、税收优惠和融资倾斜四类[25]，其中又以财政支持的影响最为直接。从这个层面来看，“国家财政用于农业的支出”能够较为准确地反映出经济激励工具的运用状况，但是在很多公开渠道，如国家数据平台、中国经济与社会发展统计数据库等，自2007年后便无法查询到该指标的数据。为保证数据的完整性，本文最终选取农业综合开发资金投入（AD）表征耕地保护政策执行过程中的经济激励。农业综合开发资金是中央政府为加强农业基础设施建设和生态建设，着力改造中低产田、建设高标准农田，提高农业综合生产能力而设立的专项资金，能够有效保障农业现代化建设和耕地保护政策推行。

（4）宣传引导工具。如前所言，宣传引导工具主要是政府通过教育、信息传播、培训以及社会压力、协商和其他形式的“道德教育”方法，改变耕地利用或经营主体在决策框架中的观念与优先性，进而提升相关主体自愿保护耕地资源的意识及参与程度。考虑到耕地保护行为最直接的关联者为乡镇政府及土地管理部门，本文主要选取乡镇综合文化站（CS）进行度量，这一指标能够在一定程度上反映国家耕地保护政策的宣传力度，进而影响耕地利用主体的意识与行为。

2.2 模型构建

美国经济学家Sims[32]于1980年提出的向量自回归（Vector AutoRegression，VAR）模型是进行多个相关经济指标分析和预测的主流计量经济方法之一。VAR模型因具有不以严格的经济理论为依据、对参数不施加零约束等特点，在各领域的应用非常广泛[31，33]。常规的VAR模型表达式如下：

Yt=c+∑ti=1ΠiYt-i+Ui=c+Π1Yt-1+Π2Yt-2+Λ+ΠkYt-k+Ui，Ui～ⅡD（0，Ω）

式中，Yt為时间序列构成的向量;c为常数项;Πi为系数矩阵;Ui、Ω分别为随机误差项矩阵和方差协方差矩阵;t为时期，i为滞后期，k为最大滞后期。

本文将建立由命令控制工具、经济激励工具、宣传引导工具与耕地保护效果组成的双变量VAR模型，实证揭示政策工具对耕地保护效果的影响方向与程度。具体包括以下几个步骤：①序列的平稳性检验;②VAR模型建立;③协整关系检验;④格兰杰因果检验;⑤脉冲响应分析;⑥方差分解。

2.3 数据来源与处理

考虑数据的完整性和可获得性，本文以中国2001—2016年时序数据为样本开展实证计量分析。其中，年内减少耕地面积来源于2002—2017年《中国国土资源统计年鉴》。当年度中央层面的法律及法律性文件、部门规章及规范性文件来源于“北大法意数据库”，在该数据库中，以“耕地”为关键词进行检索，剔除检索结果中的“批复”“通报”“复函”等以及其他与耕地保护政策具体实施关联性较差的文件，如开展特定工作检查的通知、耕地质量建设与管理专家指导组换届调整通知等，并且以每个文件的生效时间，而不是颁布时间作为汇总统计的依据。农业综合开发资金投入来源于2017年《中国财政年鉴》。乡镇综合文化站来源于2002—2017年《中国农村统计年鉴》。为消除可能的异方差，分别对DCL、PT、AD和CS进行对数化处理，记为lnDCL、lnPT、lnAD和lnCS。

3 结果分析

3.1 耕地保护效果及政策工具运用的描述性分析

图1～4反映的是研究期内表征耕地保护效果和各类政策工具变量的变化趋势。从图1可以看到，表征耕地保护效果的变量“年内减少耕地面积”（DCL）在研究期内总体呈下降趋势，且表现出明显的阶段性特征：2001—2003年，由于全国掀起的“开发区热”，年内减少耕地面积持续增加，并于2003年达到研究期内的最高值28.81万hm2，耕地保护效果较差;2004年开始，为缓解耕地面积锐减及所带来的诸多社会问题，我国对《土地管理法》进行了修订，并且提出实行最严格的耕地保护制度及其他一系列政策安排，耕地保护效果逐渐提高，2006年年内减少耕地面积为10.27万hm2，远低于2003年的净减少量;自2006年开始，我国正式建立土地督察制度，保障耕地资源的合法、高效利用，同时，城乡建设用地增减挂钩政策、基本农田保护等一系列耕地保护举措日趋成熟，使得耕地保护效果明显提升，年内减少耕地面积自2007年开始逐渐趋于稳定。

从图2可知，表征命令控制工具的变量PT在研究期内表现出很明显的波动性，这与耕地资源的特殊性及所面临外部环境的复杂性紧密相关。根据北大法意数据库的检索结果，2001—2016年中央层面的法律及法律性文件、部门规章及规范性文件数量共137个，平均每年8.56个，其中又以部门规章及规范性文件为主，共131个。从相关文件制定主体来看，既有原国土资源部（现自然资源部）、原农业部（现农业农村部）、财政部等部门单独发文，如国土资发〔2014〕18号、农办农〔2012〕35号、财综〔2014〕7号等，也有多个部门的联合发布，如发改农经〔2016〕2438号、财农〔2015〕258号等，且在所有文件样本中，原国土资  源部单独或联合其他部门出台的有关耕地开发、利用及保护等的文件最多。

图3可以看到，表征经济激励工具的变量“农业综合开发资金投入”（AD）自2001年开始便逐年增加，并于2015年达到最高值795.44亿元，较2001年的206.51亿元净增长788.93亿元，尽管2016年有小幅降低，但是当年度农业综合开发资金投入仍达到740.31亿元，是2001年的3.6倍，给耕地保护政策实施提供了有效的资金支持与保障。从图4可以看到，表征宣传引导工具的变量“乡镇综合文化站”（CS）数量以2006年为界，呈现出一个扁平的V字形。其中，2001—2016年，我国乡镇综合文化站由37 201个减少为32 706个，净减少4 495个，但是自2006年开始，乡镇综合文化站数量逐渐增加，2016年为34 240个。尽管与研究期初相比，我国乡镇综合文化站数量在2016年有一定幅度降低，但是其在耕地保护政策宣传形式与效应上却有明显改观。比如江苏省周庄文化站就曾在演出时，通过小品、小戏等形式，生动演绎了国家耕地保护政策，取得了很好的宣传、教育效果。

3.2 平稳性检验

由Dickey和Fuller[33]提出的ADF（Augmented DickeyFuller Test）检验是目前理论界进行序列平稳性检验较为  普遍的做法。本文也选用该方法对各序列的平稳性进行检验（见表1）。

从表1可知，在10%的显著性水平下，除lnCS外，其他变量的水平检验结果都接受有单位根的原假设，均为非平稳序列，而一阶差分序列ΔlnDCL、ΔlnPT、ΔlnAD和ΔlnCS分别在5%、1%、10%和5%的显著性水平下拒绝原假设，即lnDCL、lnPT、ΔlnAD和ΔlnCS均为一阶单整序列，满足构建VAR模型的基本要求。

3.3 VAR模型构建

在构建VAR模型之前，需要确定模型的最优滞后阶数[32]。表2反映的是基于五种常用准则选择滞后阶数的过程，“*”表示每一准则所认为的应该选取的最佳滞后阶数。从中可以看到，五种准则均认为应该建立滞后阶数为2的VAR模型，即VAR（2）模型。

3.4 协整检验

由于本文为多变量模型，在确定最优滞后阶数后，本文采用Johansen和Juselius[34]于1990年提出的极大似然估计方法，即Johansen检验来探讨多变量之间的协整关系。在Johansen协整检验中，通常用最大特征值和迹统计 量检验来判断变量之间协整关系的个数，且当最大特征值和迹统计量的检验结果不一致时，往往以更有效的迹统计量检验结果为主。

从表3可以看到，最大特征值检验在5%的顯著性水平下至少存在2个协整关系，而迹统计量检验显示至少存在3个协整关系，表明中国的耕地保护效果与命令控制工具、经济激励工具和宣传引导工具之间存在长期均衡关系。

3.5 格兰杰因果关系检验

协整检验只是证明了lnDCL和lnPT、lnAD、lnCS之间存在长期均衡关系，但是并不能因此而认定它们之间存在因果关系。

由表4可知，对于“lnPT不是lnDCL的格兰杰原因”的原假设，发生的概率为0.045 6，说明2001—2016年间，命令控制工具在耕地保护效果提升上具有积极作用，而对于“lnDCL不是lnPT的格兰杰原因”的原假设，发生的概率为0.290 3，接受了原假设，说明研究期内耕地保护效果提升对于命令控制工具丰富与完善的作用并不明显。对于“lnAD不是lnDCL的格兰杰原因”和“lnDCL不是lnAD  的格兰杰原因”的原假设，均在10%的显著性水平下拒绝，意味着经济激励工具与中国耕地保护效果之间存在双向因果关系，经济激励工具的完善有助于提高耕地保护效果，而耕地保护效果的提升也有助于经济激励工具的更好运用。lnCS在5%的显著水平下是lnDCL的格兰杰原因，但是lnDCL并不是lnCS的格兰杰原因，表明宣传引导工具与耕地保护效果之间存在单向因果关系。

3.6 脉冲响应分析

为了更形象地说明政策工具和耕地保护效果之间的动态关系，借助Eviews 9.0软件输出基于VAR模型模拟的脉冲响应函数（图5～8）。其中，横轴为滞后期数，本文取10 a，纵轴为响应强度。中间实线为脉冲响应函数的计算值，两条虚线从上到下分别表示正负两倍的标准差偏离度。

由图5可知，面对自身的一个标准差冲击，耕地保护效果在当期迅速做出响应，第1期就达到峰值0.215 1%，随后这种冲击的影响呈波动下降态势，并在第6期达到最低点-0.173 2%，这说明中国耕地保护效果表现出依赖自身惯性的特征，但是这种惯性逐渐减弱，主要原因在于任何一项耕地保护政策安排从效应显现到作用最大化，通常都需要时间与过程，由此使得耕地保护效果体现滞后特征。从图5还可以看到，在经历了第1～4期对自身的正值响应、5～7期的负值响应后，响应强度在第8期重新变  化为正值，此后便一直在0值上方低位游走，这种波动性既反映了中国耕地保护政策面临环境的复杂性一面，但是也说明其具有较强的自我调整机制，能够根据现实发展情况进行政策补充与完善，保证耕地保护效果。

由图6可知，在给定命令控制工具一个标准差冲击后，其对耕地保护效果的影响在第1期为0，第2期至第6期都表现出负响应状态，自第7期开始则围绕0值上下小幅波动。耕地保护效果的这种负向响应特征实际上与前文的理论分析及格兰杰检验结果存在一定出入。可能的原因在于尽管命令控制工具能够明晰耕地保护过程中行为主体的作用边界，在特定时期对于耕地保护效果提升具有重要作用，比如对比前文的图2和图1就可以很清楚地看出命令控制工具在2004年所发挥的效应。但是这种约束作用是有限度的，特别是随着耕地保护政策体系的日益成熟及耕地保护所面临核心问题的逐渐明晰，过度运用命令控制工具容易抑制耕地保护政策本身的创造力与弹性，从而对耕地保护效果产生不利影响。

由图7可知，除了第1期没有响应，且第4期和第10期表现出负响应特征外，耕地保护效果（lnDCL）对经济激励工具（lnAD）的冲击在其他滞后期都表现出正响应特征，累计响应值为0.400 6，意味着经济激励工具对耕地保  护效果提升具有正向作用，这与格兰杰检验结果一致。作为重要的生产要素之一，涉农资金投入在任何时候都是我国农业发展和耕地保护工作有序推行的关键动力，就农业综合开发专项资金投入而言，能够改善农业生产条件，增加主要农产品生产能力，进而有效提升耕地保护政策的运行效果。

由图8可知，耕地保护效果对宣传引导工具的响应强度在分析期内总体表现出“先快速上升，后持续下降，最后触底反弹”的特征。具体来看，面对lnCS的冲击，lnDCL在第1期无响应，随后响应强度逐渐增加，并于第3期达到最大值0.112 7%，但是此后便经历了3期的持续降低过程，在第6期时达到最低响应值-0.026 1%，随后开始反弹上升。在整个分析期内，lnDCL对lnCS的累计响应强度为0.310 9%，说明宣传引导工具对耕地保护效果产生积极效应，这也与前文的理论假设及格兰杰因果检验结果相吻合。

3.7 方差分解

方差分解能够将VAR模型系统内一个变量分解到各个扰动项中，即每个因素影响模型变量的相对程度，而且可以进一步分析不同结构冲击的重要性（见表5）。

由表5可知，中国耕地保护效果在追踪10期之前，很大程度上是受自身冲击的影响，也就是前文所指出的依赖自身惯性或时间滞后性，但是这种贡献力度随着滞后期的增加，下降非常明显，由第1期的100%降低至第10期的41.30%。同时可以看到，经济激励工具对耕地保护效果的贡献率呈大幅上升态势，由第1期的0%波动增加至第10期的36.57%。命令控制工具和宣传引导工具的贡献率也都表现出不同幅度的上升趋势，意味着不同类型政策工具对耕地保护效果存在一定的时滞效应。命令控制和宣传引导工具的贡献率分别在第2期（21.18%）和第3期（18.05%）达到最大值，但是从第7期开始它们的贡献率分别保持在14%和8%左右，这与经济激励工具的贡献率存在较大差距。

4 结论与讨论

4.1 主要结论

（1）恰当的政策工具不仅是实现耕地保护预期目标的基本路径，还将直接决定耕地保护政策执行的顺畅程度及整体效果。在耕地保护政策的执行过程中，总是会在能够利用的工具箱中筛选出一种或多种需要的政策工具，具体包括命令控制工具、经济激励工具和宣传引导工具，这三类政策工具分别从不同侧面对耕地保护效果产生影响。

（2）不同类型政策工具与耕地保护效果之间的关系存在差异。尽管命令控制、经济激励和宣传引导工具都与中国耕地保护效果之间存在长期稳定的均衡关系，但是在耕地保护政策发展过程中，不同阶段面临的耕地保护形势及政策自身的适应、调整能力存在差异，由此使得不同类型政策工具与耕地保护效果之间的关联性也存在异质性。基于2001—2016年数据的格兰杰因果检验结果表明，命令控制和宣传引导工具是耕地保护效果的格兰杰原因，但是反过来均不成立，经济激励工具则与耕地保护效果之间存在双向因果关系。

（3）不同类型政策工具对耕地保护效果的影响具有时滞效应，且中国耕地保护效果存在依赖自身惯性的情况。任何一类政策工具从开始实施到发挥效应，直到最终的修正调整，都需要一定的过程，也正是这样的中间过程，使得政策工具对耕地保护效果的作用存在滞后性，这从各类政策工具的方差分解结果就能体现。而且，某一时点的耕地保护效果会给后期的耕地保护工作及政策安排树立  参照，对后期耕地保护效果产生一定影响。无论是脉冲函数还是方差分解结果，都表明中国耕地保护效果在很大程度上是受自身冲击的影响，表现出依赖自身惯性的变化特征，但是这种贡献率随着滞后期数的增加而逐渐降低。

4.2 政策启示与讨论

在耕地保护政策发展初期，命令控制工具的使用能够为政策实施创造有利的发展环境，但是这也意味着经济激励和宣传引导工具的使用空间将会被压缩。随着时间的推移，耕地保护政策的应用范围不断扩展，政策环境以及面临的问题将会更加复杂，对政策工具选择与使用的要求也会越来越高。特别是在目前乡村振兴、农业供给侧结构性改革和农业新动能培育等现实背景下，中国耕地保护工作面临着诸多新形势、新问题与新挑战。就政策工具层面而言，一方面要全面梳理、精准识别我国改革开放以来耕地保护政策工具运用的总体特征、阶段特征及实践效果，另一方面要根据时代发展特征创新政策工具形式，丰富耕地保护政策工具体系，同时要协调不同类型政策工具的比例与结构，实现不同类型政策工具的优化组合。通过这些举措的共同作用，更好地发挥耕地保护政策工具的“规模效应”及“结构效应”，实现耕地资源的现代化治理及智慧保护。

然而，基于数据约束，本文仅在面积维度对耕地保护效果进行考察，在各类政策工具度量指标的精准度上也还有一定的改进空间。未来将在加强指标选取准确度论证的基础上，系统揭示特定政策工具影响耕地保护效果的区域异质性，单一政策工具对耕地保护效果的影响过程与机制，以及政策工具组合对耕地保护效果的作用机制与特征等。

（编辑：王爱萍）

参考文献

[1]刘彦随， 乔陆印. 中国新型城镇化背景下耕地保护制度与政策创新[J]. 经济地理， 2014， 34（4）： 1-6.

[2]LIU X W， ZHAO C L， SONG W. Review of the evolution of cultivated land protection policies in the period following Chinas reform and liberalization [J]. Land use policy， 2017， 67： 660-669.

[3]WU Y Z， SHAN L P， GUO Z. Cultivated land protection policies in China facing 2030： dynamic balance system versus basic farmland zoning [J]. Habitat international， 2017， 69： 126-138.

[4]刘丹， 巩前文， 杨文杰. 改革开放40年来中国耕地保护政策演变及优化路径[J]. 中国农村经济， 2018（12）： 37-51.

[5]張红旗， 谈明洪， 孔祥斌，等. 中国耕地质量的提升战略研究[J]. 中国工程科学， 2018， 20 （5）： 16-22.

[6]李广东， 邱道持， 王平. 地方政府耕地保护激励契约设计研究[J]. 中国土地科学， 2011， 25 （3）： 31-37.

[7]蔡燕培， 许实， 方斌. 地方政府耕地保护义务量配置与对策研究[J]. 中国土地科学， 2015， 29 （6）： 26-74.

[8]郭珍， 吴宇哲. 耕地保护制度执行过程中的“目标替代”——基于多任务代理模型的研究[J]. 经济学家， 2016 （6）： 58-65.

[9]李边疆， 王万茂. 地方政府的博弈行为与耕地保护——一个基于公共物品私人供给模型的分析框架[J]. 中国软科学， 2006（4）： 38-45.

[10]LICHTENBERG E， DING C G. Assessing farmland protection policy in China [J]. Land use policy， 2008， 25， 59-68.

[11]蔡运龙.中国农村转型与耕地保护机制[J].地理科学，2001，21（1）：1-6.

[12]吴次芳，谭永忠.制度缺陷与耕地保护[J].中国农村经济，2002（7）：69-73.

[13]陈美球，刘桃菊.新时期提升中国耕地保护实效的思考[J].农业现代化研究，2018，39（1）：1-8.

[14]陈振明.政策科学——公共政策分析导论[M].北京：中国人民大学出版社，2003.

[15]吕志奎.公共政策工具的选择——政策执行研究的新视角[J].太平洋学报，2006（5）：7-16.

[16]顾建光.公共政策工具研究的意义、基础与层面[J].公共管理学报，2006，3（4）：58-61，110.

[17]KIRSCHEN E S. Economic policy in our time [M]. Amsterdam： NorthHolland Publishing Company， 1964.

[18]HOOD C C. The tools of government [M]. London：Palgrave Macmillan， 1983.

[19]ROTHWELL R， ZEGVELD W. Reindusdalization and Technology [M]. London：Logman Group Limited， 1985.

[20]MCDONNELL L M， ELMOREl R F. Getting the job done： alternative policy instruments [J]. Educational evaluation & policy analysis， 1987， 9 （2）：133-152.

[21]SCHNEIDER A， INGRAM H. Behavioral assumptions of policy tools [J]. Journal of politics， 1990， 52 （2）： 513-522.

[22]HOWLETT M， RAMESH M. Studying public policy： policy cycles and policy subsystems [M]. Oxford： Oxford University Press， 1995.

[23]BEMELMANSVIDEC M L， RIST R C， VEDUNG E. Carrots， sticks， and sermons： policy instruments and their evaluation [M]. New Brunswick， NJ： Transaction Publishers， 2003.

[24]张成福，党秀云.公共管理学[M].北京：中国人民大学出版社，2007.

[25]叶琴，曾刚，戴劭勍，等.不同环境规制工具对中国节能减排技术创新的影响[J].中国人口·资源与环境，2018，28（2）：115-122.

[26]王茁，卓成刚， 黄凯丽. 政策工具视角下的中国耕地保护路径与特征——基于1986—2017年政策文本的量化分析[J].湖北农业科学，2018，57（13）：109-116.

[27]金雨泽，徐智颖，钟太洋，等.中国土地利用動态监测的耕地保护效果评价[J].地域研究与开发，2016，35（5）：120-123.

[28]钟太洋，黄贤金，陈逸.基本农田保护政策的耕地保护效果评价[J].中国人口·资源与环境，2012，22（1）：90-95.

[29]钟太洋，黄贤金，谭梦，等.土地督察的耕地保护效果评价[J].中国人口·资源与环境，2011，21（5）：38-43.

[30]郭春华，黄彪.土地行政问责对耕地保护的效果评价——以江苏省为例[J].资源科学，2013，35（12）：2384-2389.

[31]黄清子，王振振，王立剑.中国环保产业政策工具的比较分析——基于GRAVAR模型的实证研究[J].资源科学，2016，38（10）：1988-2000.

[32]SIMS C A. Macroeconomics and reality [J]. Econometrica： journal of the econometric society， 1980， 48 （1）： 1-47.

[33]邓朝晖，刘洋，薛惠锋.基于VAR模型的水资源利用与经济增长动态关系研究[J].中国人口·资源与环境，2012，22（6）：128-135.

[34]李嫣怡，刘荣，丁维岱，等. Eviews统计分析与应用[M].北京：电子工业出版社，2013.