农村土地承包经营权流转特征及驱动因子研究——以山西省宁武县为例

摘要

近年来，农村土地撂荒及劳动力的流失成为中国乡村转型发展大背景下出现的新变化，引发“谁来种田”的问题，土地流转成为最有效的方式，对其的研究关乎农村土地资源的优化配置，关乎“三农”问题的顺利解决。因此，本文以宁武县为例，以行政村为单元，分析耕地流转特点及问题，充分运用3S技术、SPSS数理统计、模型模拟等方法，对影响耕地流转的地形因子、主要道路、城镇及矿产资源开发驱动因子进行了空间分析，构建多元线性回归模型，预测山区农村耕地流转的面积，具有一定的理论和实践意义，为农村土地流转政策的制定提供依据。
　　(1)山区农村耕地流转处于低级发展阶段，呈现以下特点:流转初具规模，并趋于正规化发展;形式以转包为主，经营主体以种植大户为主。同时出现很多问题，表现在:耕地地块分布过于分散;部分农户家庭收入来源单一，以种地谋生;转入方缺乏种植方式的“新思维”，受资金、技术、销售等方面的困扰大，主体间缺乏“组织感”，加上流转途径单一，政策宣传力度薄弱，这一系列问题导致流转存在停滞或倒退发展的隐患。
　　(2)地形因子与山区耕地流转密切相关。随着坡度增加，耕地流转率逐级降低。耕地平均坡度≤6°的村庄，耕地流转率最高;坡度在6～15°之间的村庄耕地流转面积最大，以此为界，坡度≤6°和≥15°的村庄耕地流转面积均减少;随着海拔的升高，耕地流转率逐级降低。耕地平均海拔≤1400m的村庄，耕地流转率最大;在坡向因子影响下，耕地流转面积在朝南朝东方向分布较多，朝北朝西分布较少。
　　(3)主要道路、城镇以及工矿用地分布对耕地流转具有明显的影响。距主要道路越远，耕地流转面积、流转率越小。距主要道路≤1500m范围内流转面积、流转率最大，≥4500m范围内流转面积、流转率最小;距城镇越远，耕地流转率越低，距城镇≤4000m范围内耕地流转面积、流转率最大;工矿用地分布越多，耕地流转面积、流转率越少，工矿用地≤5hm2范围内的村庄耕地流转面积最大，≥25hm2的区域耕地流转面积、流转率最小。
　　(4)构建耕地流转驱动力回归模型。通过多元线性逐步回归和一般回归分析，构建了耕地流转驱动力回归模型:(y)=20.029+0.018x1-0.001x5，x1表示常住人口、x5表示村庄耕地距城镇的平均距离。
　　综上所述，山区农村耕地流转发展处于起步的初级阶段，流转市场很不完善。在地形与区位条件的影响下，流转数量和空间分布具有一定规律，但又表现出极大的随机性，因此本文建立的模型适用于处于耕地流转初级阶段的山区农村。

目录

摘要

第一章 绪论

1．1 研究背景

1．2 研究意义

1．2．1 理论需求意义

1．2．2 现实需求意义

1．3 国内外研究进展

1．3．1 国外研究进展

1．3．2 国内研究进展

1．3．3 文献评述

1．4 研究内容、方法与技术路线

1．4．1 研究内容

1．4．2 研究方法

1．4．3 技术路线

第二章 相关概念和理论界定

2．1 相关概念的界定

2．1．1 农村土地承包经营权的定义

2．1．2 农村土地承包经营权流转的定义

2．1．3 土地流转的形式

2．1．4 土地流转的政策演变

2．2 理论基础

2．2．1 地租与地价理论

2．2．3 区位理论

第三章 土地流转现状研究

3．1 研究区概况

3．1．1 自然概况

3．1．2 社会经济概况

3．2 研究区农业发展情况

3．3 土地流转现状及特征

3．3．1 流转趋于正规化发展

3．3．2 流转初具规模，流转形式多样

3．3．3 新型经营主体成为促进土地流转的主力

3．4 土地流转存在的问题

3．4．1 耕地资源方面

3．4．2 转出方方面

3．4．3 转入方方面

3．4．4 流转途径方面

3．4．5 政策方面

第四章 土地流转地形驱动因子分析

4．1 数据来源与预处理

4．1．1 数据来源

4．2．2 数据预处理

4．2 耕地的空间分布特征

4．2．1 坡度因子影响下的耕地空间分布特征

4．2．2 海拔因子影响下的耕地空间分布特征

4．2．3 坡向因子影响下的耕地空间分布特征

4．3 耕地流转的空间分布特征

4．3．1 坡度因子影响下的耕地流转空间分布特征

4．3．2 海拔因子影响下的耕地流转空间分布特征

4．3．3 坡向因子影响下的耕地流转空间分布特征

第五章 土地流转区位驱动因子分析

5．1 数据来源与预处理

5．1．1 数据来源

5．1．2 数据预处理

5．2 距主要道路远近对耕地流转的影响

5．3 距城镇远近对耕地流转的影响

5．4 工矿用地分布对耕地流转的影响

5．4．1 研究区工矿用地的空间分布

5．4．2 工矿用地分布对耕地流转的影响

第六章 土地流转驱动力回归模型构建

6．1 影响因素的确定

6．1．1 各因子间的简单相关分析

6．1．2 自变量的确定

6．2 多元线性回归模型的原理概述

6．2．1 模型简介

6．2．2 回归方程中的自变量筛选方法

6．3 一般多元线性回归模型

6．4 逐步回归模型

6．4．2 回归模型结果分析

6．5 多元线性回归模型最优选择

第七章 结论与展望

7．1 结论

7．2 创新点

7．3 展望与建议

参考文献

附录

攻读学位期间取得的研究成果

致谢

个人简况及联系方式

声明