王皓煒

(天津工業(yè)大學(xué) 天津 300387)

一、問題描述

農(nóng)村建設(shè)用地是指鄉(xiāng)村建設(shè)用地，鄉(xiāng)村建設(shè)用地是指鄉(xiāng)村集體經(jīng)濟(jì)組織和農(nóng)村個(gè)人投資或集資，進(jìn)行各項(xiàng)非農(nóng)業(yè)建設(shè)所使用的土地。主要包括:鄉(xiāng)村公益事業(yè)用地和公共設(shè)施用地，以及農(nóng)村居民住宅用地。農(nóng)村集體建設(shè)用地分為三大類:宅基地、公益性公共設(shè)施用地和經(jīng)營(yíng)性用地。2015 年1月，中共中央辦公廳和國(guó)務(wù)院辦公廳聯(lián)合印發(fā)了《關(guān)于農(nóng)村土地征收、集體經(jīng)營(yíng)性建設(shè)用地入市、宅基地制度改革試點(diǎn)工作的意見》，在北京市大興區(qū)等 33 個(gè)試點(diǎn)縣(市、區(qū))行政區(qū)域，調(diào)整實(shí)施土地管理法、城市房地產(chǎn)管理法關(guān)于農(nóng)村土地征收、集體經(jīng)營(yíng)性建設(shè)用地入市、宅基地管理制度的有關(guān)規(guī)定，引導(dǎo)集體建設(shè)用地合法流轉(zhuǎn)入市，標(biāo)志著城鄉(xiāng)建設(shè)用地市場(chǎng)進(jìn)入全面試點(diǎn)階段。

2015年集體建設(shè)用地進(jìn)入市場(chǎng)，增加了建設(shè)用地的供給量，改變了土地要素的供給結(jié)構(gòu)，為我國(guó)經(jīng)濟(jì)發(fā)展注入了新的活力。特別是在 2015 年以后，北京大興，廣東南海、重慶、成都、上海等33 個(gè)試點(diǎn)地區(qū)先后建立了集體產(chǎn)權(quán)交易中心，進(jìn)行集體建設(shè)用地交易。因此農(nóng)村建設(shè)用地所能帶來的經(jīng)濟(jì)發(fā)展影響力就成為了我們所關(guān)注的焦點(diǎn)問題。

本文選擇對(duì)農(nóng)村建設(shè)用地開放性對(duì)農(nóng)民人均可支配收入進(jìn)行定量的評(píng)估，這就需要選擇合適的評(píng)判指標(biāo)體系，并且需要說明結(jié)果的正確性和評(píng)估體系的科學(xué)性。針對(duì)這些問題對(duì)于題目進(jìn)行如下分析：首先尋找33個(gè)試點(diǎn)區(qū)域的數(shù)據(jù)指標(biāo)，根據(jù)數(shù)據(jù)對(duì)其進(jìn)行主成分分析，選取與農(nóng)村集體建設(shè)用地最相關(guān)的指標(biāo)。根據(jù)選取的指標(biāo)利用向量自回歸的方法進(jìn)行對(duì)比預(yù)測(cè)，對(duì)大興區(qū)農(nóng)村集體建設(shè)用地的開放程度和對(duì)該地區(qū)的經(jīng)濟(jì)水平進(jìn)行定量評(píng)估。最后本文所用方法的優(yōu)缺點(diǎn)以及推廣與改進(jìn)。

二、基本假設(shè)和符號(hào)說明

(一)基本假設(shè)

假設(shè) 1：在各大統(tǒng)計(jì)局和地方統(tǒng)計(jì)局網(wǎng)站上搜集的數(shù)據(jù)均真實(shí)可靠；

假設(shè) 2：除選取指標(biāo)外其他指標(biāo)對(duì)農(nóng)村集體建設(shè)用地影響力不大；

假設(shè) 3：農(nóng)村集體建設(shè)用地不進(jìn)入市場(chǎng)，農(nóng)村的經(jīng)濟(jì)總體發(fā)展規(guī)劃也會(huì)有一個(gè)增長(zhǎng)趨勢(shì)；

假設(shè) 4：農(nóng)村集體建設(shè)用地從2015年開始影響農(nóng)村經(jīng)濟(jì)的發(fā)展。農(nóng)村集體建設(shè)用地對(duì)經(jīng)濟(jì)的影響包括兩個(gè)階段：農(nóng)村集體建設(shè)用地進(jìn)入市場(chǎng)前、農(nóng)村集體建設(shè)用地進(jìn)入市場(chǎng)后；

假設(shè) 5：農(nóng)村集體建設(shè)用地進(jìn)入市場(chǎng)后對(duì)經(jīng)濟(jì)的影響涉及許多方面，包括鄉(xiāng)村人口、地區(qū)生產(chǎn)總值、固定資產(chǎn)投資、工業(yè)化程度、產(chǎn)業(yè)園區(qū)(是=1，否=0)等，本文暫不對(duì)這些廣泛而復(fù)雜的因素做定量討論；

假設(shè) 6：農(nóng)村集體建設(shè)用地給農(nóng)民帶來的收入增長(zhǎng)相當(dāng)于農(nóng)民總收入的增長(zhǎng)。

(二)符號(hào)說明

三、模型的建立和求解

(一)綜合指標(biāo)的選取

對(duì)農(nóng)民人均居民收入而言，每個(gè)變量都不同程度的反映了所研究問題的某些信息，并且指標(biāo)之間有一定相關(guān)性，因而所得的統(tǒng)計(jì)數(shù)據(jù)反映的信息在一定程度上有重疊。所以本文利用主成分分析法，將多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)，盡可能多地反映原來眾多變量的信息。步驟如下：

Step1：利用SAS軟件，進(jìn)行多元線性回歸。F統(tǒng)計(jì)量對(duì)應(yīng)的P-值為0.045<0.05,即方程擬合程度較好。

表1 方差分析

若VIFj超過10，常常表示存在多重共線性。由下表最后一列可以看出，VIFj均小于10，即自變量之間沒有多重共線性。

表2 回歸分析

Step3：根據(jù)原始數(shù)據(jù)X=(xij)計(jì)算相關(guān)系數(shù)矩陣，記第i個(gè)指標(biāo)與第j個(gè)指標(biāo)的相關(guān)系數(shù)為rij，計(jì)算公式為：

則相關(guān)系數(shù)矩陣為R=rij(6*6)。

表3 相關(guān)矩陣

Step4：計(jì)算相關(guān)矩陣的特征值和特征值所對(duì)應(yīng)的特征向量，由R的特征方程：

|R-λI|=0

求得k個(gè)非負(fù)特征值λi(i=1,2,…,k)，將這些特征值按從小到大的順序排列為：

Step5：計(jì)算主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率。主成分Zi的貢獻(xiàn)率為：

Step6：確定主成分的個(gè)數(shù)。下圖給出了相關(guān)系數(shù)矩陣計(jì)算出來的全部特征值、相鄰兩個(gè)特征值的差異、每個(gè)主成分的貢獻(xiàn)率和累積貢獻(xiàn)率。特征值越大，它所對(duì)應(yīng)的主成分變量包含的信息就越多。

表4 相關(guān)矩陣的特征值

由上表最后一列可以看出，前4個(gè)主成分包括了原來5個(gè)指標(biāo)96.43%的信息。在農(nóng)民人均居民支配收入中，第一主成分可以解釋為人口的基本情況，所占信息總量為37.81%，即人口對(duì)人均居民支配收入的影響最大；第2個(gè)主成分的貢獻(xiàn)率分別為24.67%，也就是說，地區(qū)生產(chǎn)總值越大，居民可支配收入也越多，是第二影響因素；第三、第四主成分的貢獻(xiàn)率分別為21.10%和12.85%。即評(píng)估農(nóng)村集體建設(shè)用地市場(chǎng)化開放對(duì)我國(guó)經(jīng)濟(jì)發(fā)展的影響指標(biāo)有四個(gè)，分別為鄉(xiāng)村人口、地區(qū)生產(chǎn)總值、固定資產(chǎn)投資、工業(yè)化程度。

(二)基于向量自回歸的預(yù)測(cè)模型

由于北京市大興區(qū)的農(nóng)村人均支配收入y不僅受到鄉(xiāng)村人口x1、地區(qū)生產(chǎn)總值x2、固定資產(chǎn)投資x3、工業(yè)化程度x4的影響，還要受到前幾期的影響。所以本文選用向量自回歸的方法，使農(nóng)村人均支配收入對(duì)其滯后項(xiàng)進(jìn)行回歸，估計(jì)出農(nóng)村人均支配收入的動(dòng)態(tài)關(guān)系，從而揭示出內(nèi)生變量的變化受自身過去行為的影響。

Step1：數(shù)據(jù)處理。在Matlab中導(dǎo)入大興區(qū)的數(shù)據(jù)，由于數(shù)據(jù)有明顯的上升趨勢(shì)，所以本文對(duì)各組變量取對(duì)數(shù)。

Step2：檢驗(yàn)各變量的平穩(wěn)性。根據(jù)下表，ADF單位根檢驗(yàn)統(tǒng)計(jì)量對(duì)應(yīng)的p值均大于0.05，表明該統(tǒng)計(jì)量不顯著，所以不能拒絕序列x1-x4有單位根的假設(shè)，即該序列非平穩(wěn)。

表5 ADF單位根檢驗(yàn)結(jié)果

Step3：協(xié)整檢驗(yàn)。本文選用了Johansen協(xié)整檢驗(yàn)中特征根跡統(tǒng)計(jì)量進(jìn)行檢驗(yàn)。H0：y有r個(gè)協(xié)整關(guān)系；H1：y有r+1個(gè)協(xié)整關(guān)系。

構(gòu)造的檢驗(yàn)統(tǒng)計(jì)量為

其中，r為協(xié)整變量的個(gè)數(shù)，λi為按大小排列的第i個(gè)特征值，n為樣本容量。

下表給出了檢驗(yàn)結(jié)果，從表中可以看出r=3的原假設(shè)被拒絕，而r=4的原假設(shè)未被拒絕，因此這4個(gè)變量間存在4個(gè)協(xié)整關(guān)系。也就是說，雖然變量自身非平穩(wěn)，但是其線性組合是平穩(wěn)的，反映了變量之間長(zhǎng)期穩(wěn)定的比例關(guān)系。

表6 Johansen協(xié)整檢驗(yàn)

Step3：確定VAR模型的最優(yōu)滯后階數(shù)。利用AIC信息準(zhǔn)則和BIC信息準(zhǔn)則確定之后階數(shù)，具體公式分別為

表7 AIC、BIC信息準(zhǔn)則

Step4：模型估計(jì)。采用極大似然法進(jìn)行各參數(shù)的估計(jì)，根據(jù)估計(jì)結(jié)果，可寫出VAR(1)模型的矩陣形式：

Step5：進(jìn)行預(yù)測(cè)。預(yù)測(cè)結(jié)果如下表：

表9 模型預(yù)測(cè)表

通過時(shí)間序列預(yù)測(cè)結(jié)果顯示，2017年的預(yù)測(cè)值和實(shí)際值相差很小，這可能意味著政策效果不突出，并未達(dá)到實(shí)際我們想要的效果。對(duì)此我們想通過BP神經(jīng)網(wǎng)絡(luò)，進(jìn)一步驗(yàn)證我們的結(jié)論。

四、模型的評(píng)價(jià)與推廣

(一)模型的優(yōu)點(diǎn)

首先，我們對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，減少異常值的干擾，使結(jié)果更加準(zhǔn)確。通過查閱資料和分析數(shù)據(jù)，我們合理的選取了農(nóng)村建設(shè)用地開放后帶來影響的不同指標(biāo)，并且根據(jù)數(shù)據(jù)分別通過主成分分析，提取相關(guān)指標(biāo)，能夠較好的反映真實(shí)情況。

之后，根據(jù)前文的選取指標(biāo)的結(jié)果，我們使用了向量自回歸法，利用他們來對(duì)農(nóng)村建設(shè)用地開放后給農(nóng)村人均可支配收入進(jìn)行預(yù)測(cè)，用農(nóng)村人均可支配收入來評(píng)價(jià)農(nóng)村集體建設(shè)用地的開放程度和對(duì)大興區(qū)經(jīng)濟(jì)發(fā)展的影響，用兩種方法做比較，可以得出更為可靠的結(jié)果。

(二)模型的缺點(diǎn)

本文選取的指標(biāo)變量仍然較少，所以最后選取可利用的指標(biāo)較少，可靠度低。還可以使考慮更多指標(biāo)反映對(duì)農(nóng)村集體建設(shè)用地開放前后帶來的影響。另外本文只用了主成分分析，還可以用其他方法做對(duì)比進(jìn)行綜合，所以仍需要進(jìn)一步改進(jìn)。

(三)模型的推廣和改進(jìn)

本文對(duì)農(nóng)村集體建設(shè)用地開放后帶來影響的指標(biāo)進(jìn)行了分析并用BP神經(jīng)網(wǎng)絡(luò)和向量自回歸進(jìn)行了預(yù)測(cè)，具有良好的穩(wěn)定性和推廣性，可以通過簡(jiǎn)單改變參數(shù)適用于其他相似的數(shù)據(jù)預(yù)測(cè)情況。

本文選取的指標(biāo)仍然較少，還可以增加數(shù)據(jù)對(duì)影響農(nóng)村人均可支配收入的指標(biāo)進(jìn)行更多分析，在數(shù)據(jù)時(shí)間序列的預(yù)測(cè)方面，所用到的年份數(shù)據(jù)太少，可以把年份改成月份或者季度來進(jìn)行數(shù)據(jù)的查找與使用。