任正良，許仲林，曹月娥，孫 琪

(1.新疆大學 資源與環(huán)境科學學院，新疆 烏魯木齊 830046；2.新疆大學 綠洲生態(tài)教育部重點實驗室，新疆 烏魯木齊 830046；3.上海師范大學 環(huán)境與地理科學學院，上海 200234)

0 前言

城鄉(xiāng)建設(shè)用地增減掛鉤(下文簡稱“增減掛”)指城鎮(zhèn)建設(shè)用地增加與農(nóng)村集體建設(shè)用地減少相掛鉤[1]。為助力“三區(qū)三州”及其他深度貧困縣的“三農(nóng)”工作，2018年中央1號文件指出，建立增減掛節(jié)余指標跨省域調(diào)劑機制，隨后國辦印發(fā)了《跨省域補充耕地國家統(tǒng)籌管理辦法》和《城鄉(xiāng)建設(shè)用地增減掛鉤節(jié)余指標跨省域調(diào)劑管理辦法》[2-3]。明確規(guī)定“跨省域調(diào)劑節(jié)余指標資金全部用于鞏固脫貧攻堅成果和支持實施鄉(xiāng)村振興戰(zhàn)略”，此舉不僅為深度貧困地區(qū)的扶貧開發(fā)提供了充足的資金保障，同時也有利于緩解城鎮(zhèn)建設(shè)用地指標缺口日益擴大而供應(yīng)不足、農(nóng)村建設(shè)用地指標大量閑置卻退出困難的矛盾[4-5]。2018年，增減掛政策的實施范圍再一次拓展。作為現(xiàn)階段中央推動深度貧困地區(qū)扶貧工作的一項重要舉措，在實施過程中，勢必需要及時準確掌握項目推進的政策績效。一般而言，對項目績效進行精準評估較為困難，因此，建立合理的指標體系，對相關(guān)政策實施的績效進行有效評估，具有重要的實踐意義[6-7]。

目前，國內(nèi)學者對增減掛政策多側(cè)重于制度創(chuàng)新和模式上的探索[8-12]，少數(shù)學者對于增減掛項目績效評價也大多偏向于分析方法及指標的選取[13-14]。如王振波等[15]從增減掛政策的科學性、政府行為的公平性出發(fā)，對如何有效管控政策實施過程中可能伴隨的風險進行了分析。譚明智等[16]從土地、財政、金融“三位一體”發(fā)展模式入手，就增減掛政策實施過程中，如何更好地處理好中央和地方、國家和農(nóng)民的關(guān)系進行了深入分析。劉菊鮮等[17]基于財政支出角度，從項目實施評價、綜合效益評價、財政支出評價3個維度出發(fā)，篩選出25個評價指標作為增減掛項目績效的測度指標。王占富等[18]采取模糊物元法等對增減掛項目績效進行了實證分析，為項目績效的定量分析提供了思路。借鑒西方經(jīng)驗研究的國內(nèi)案例，同樣多聚焦于制度與機制。如葉裕民等[19]基于土地管制視角，借鑒英國鄉(xiāng)村土地開發(fā)利用的經(jīng)驗，重點分析了我國鄉(xiāng)村發(fā)展中內(nèi)生動力缺失等問題。馮旭等[20]著眼于日本戰(zhàn)后國土開發(fā)利用制度沿革，縱向剖析了日本農(nóng)村規(guī)劃建設(shè)制度變遷的脈絡(luò)及其借鑒意義。顧漢龍等[21]著眼于美國土地發(fā)展權(quán)從農(nóng)村(發(fā)送區(qū))向城市(接收區(qū))轉(zhuǎn)移的模式，分析實現(xiàn)土地發(fā)展權(quán)置換的制度設(shè)計及市場運作?？傮w而言，當前對于增減掛政策的研究主要關(guān)注于制度變革、模式創(chuàng)新、政策風險防控、評價方法的選取、評價機制的構(gòu)建及指標選取等方面，對于項目績效的定量測度研究亟待深化。

鑒于此，本文基于“公眾—財務(wù)—可持續(xù)”(public-finance-sustainability,P-F-S)戰(zhàn)略地圖(Strategy Map)理論與國家精準扶貧、鄉(xiāng)村振興戰(zhàn)略政策內(nèi)涵構(gòu)建了項目多維績效評價指標體系[22-24]，綜合采用主成分分析(Principal Component Analysis，PCA)與徑向基神經(jīng)網(wǎng)網(wǎng)絡(luò)模型(radial basis function neural network，RBFNN)對喀什地區(qū)5縣市首批增減掛項目多維績效展開評價[25-27]。在求得各項目績效得分基礎(chǔ)上，利用K均值聚類法(K-means clustering algorithm)對分值進行聚類[28]，進一步探尋項目績效的個性與共性，研究剖析項目多維績效的形成機理與變化特征，并準確把握項目績效得分分布的空間態(tài)勢及驅(qū)動機制具有一定的參考價值。

1 理論與指標體系

1.1 理論框架搭建

Strategy Map最早由美國管理學家卡普蘭和諾頓提出，該理論極大地豐富了管理學理論[29]，文章?lián)藰?gòu)建了增減掛節(jié)余指標跨省域調(diào)劑項目的績效測度指標體系。由于Strategy Map最早基于企業(yè)管理績效而提出，在研究中，對其結(jié)構(gòu)設(shè)計及維度作了相應(yīng)調(diào)整(圖1)。鑒于增減掛項目由政府主導，存在政策及實施口徑的趨同性，據(jù)此舍棄內(nèi)部流程維度所需對應(yīng)的層面。

圖1 戰(zhàn)略地圖結(jié)構(gòu)演化設(shè)計

1.2 指標體系構(gòu)建

基于Strategy Map視角，本文在滿足綜合指標選取的目標明確性、全面性、科學性及可獲得性等基本要求的基礎(chǔ)上[30]，參考國家扶貧開發(fā)政策的關(guān)聯(lián)性、公平性、精準性，經(jīng)過反復甄選，構(gòu)建出包含25個指標的指標體系(表1)。

表1 增減掛項目多維績效測度指標體系

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)簡況

本研究的數(shù)據(jù)來源于喀什地區(qū)伽師縣、喀什市、疏勒縣、疏附縣、莎車縣2016年土地利用變更數(shù)據(jù)庫，以及喀什地區(qū)5縣市增減掛項目實施規(guī)劃文本與對應(yīng)的增減掛項目拆舊與建新實施規(guī)劃圖及入戶調(diào)查資料等。樣本涵蓋喀什地區(qū)四縣一市的28個項目，項目區(qū)所在縣市均屬“三區(qū)三州”集中連片特困地區(qū)，共涉及64個貧困村(圖2)。

圖2 研究區(qū)概況圖

2.2 分析方法

PCA-RBFNN模型，兼具PCA與RBFNN的數(shù)據(jù)處理優(yōu)勢，既可以使評價對象免受指標間信息交叉的干擾，還具有不錯的抗干擾和泛化能力，并可避免單獨使用BP神經(jīng)網(wǎng)絡(luò)等陷入局部最優(yōu)。此外，RBFNN多維空間插值功能可有效彌補因PCA降維帶來的信息損失，實現(xiàn)對PCA分析結(jié)果的優(yōu)化，從而提升處理精度。K-均值聚類法能規(guī)避因人為設(shè)定等級區(qū)間造成的數(shù)據(jù)割裂。據(jù)此，本文首先選用PCA對數(shù)據(jù)進行初步分析[25,31-32]，將相應(yīng)的主成分分值作為項目多維績效測度的綜合指標[33-34]；其次使用RBFNN對篩選出的主成分數(shù)據(jù)集作深度分析；最后選取K-均值對PCA-RBFNN的分析結(jié)果做聚類分析。

2.2.1 主成分分析 通過編程，在Matlab中使用princomp函數(shù)對樣本矩陣進行PCA分析。先對輸入數(shù)據(jù)進行標準化處理，公式為：

(1)

其中，累計貢獻率計算公式如下：

(2)

式中，k(k

圖3 主成分得分排列

2.2.2 神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理 通過編程，在Matlab中選用近似徑向基神經(jīng)網(wǎng)絡(luò)(approximate RBF)模型[27，34]，具體采用newrb函數(shù)進行RBFNN分析。算法采用高斯函數(shù)，可表示為：

沒等她折好衣物，她就聽到“咩—咩—咩”的陣勢喊到了頭頂，突然地窩子一角，一只動物蹄子伸下來，棚頂子像蜘蛛網(wǎng)猛烈晃起來，田志芳以為要塌了，嚇得大叫，搶到土臺前，把被子衣物搶在懷中，準備沖出地窩子，那只蹄子卻隨“咩”一聲，縮上去，同時，棚頂子的塵土，細細密密撲下來，像濃霧像暴雨一樣撲下來。田志芳的澡白洗了，一身的土，比來時更多。

(3)

式中，‖xp-ci‖為歐式范數(shù)；ci為函數(shù)中心；σ為函數(shù)方差。將輸入的PCA得分矩陣按照最鄰近規(guī)則分組，并以xp與ci之間的歐式距離為依據(jù)，把xp分配到輸入樣本的各個聚類集合中。計算出各個聚類集合中的訓練樣本均值ci，若求得新的ci與上一循環(huán)周期保持一致，則保留其作為RBFNN最終的函數(shù)中心，否則需要繼續(xù)進行迭代求解。

其中隱藏層與輸出層權(quán)值計算采用公式如下：

(4)

圖4 RBFNN模型訓練及泛化能力表現(xiàn)圖

運用訓練測試好的RBFNN對項目展開驗證(圖5)，求得期望得分和PCA-RBFNN預測得分的相關(guān)系數(shù)為0.9993，達到0.01的顯著水平，平均絕對誤差僅為0.130。再對PCA-RBFNN預測得分進行正態(tài)分布檢驗，可看出其符合正態(tài)分布特征(圖6)。最后將項目的PCA-RBFNN預測得分降序排列(表2)。

圖5 基于RBFNN的項目多維績效期望測度對比圖

圖6 多維績效測度分值分位數(shù)圖

2.2.3 K-均值聚類分等 在Matlab中，運用K-均值函數(shù)進行數(shù)據(jù)聚類，并指定聚類中心K值，其公式為：

(5)

3 結(jié)果與分析

3.1 績效類型分析

根據(jù)分析得出，項目多維績效類型分為5個等級，分別為優(yōu)、良、中、待改進、亟待改進(表3)?？傮w來看，28個項目多維績效整體上呈現(xiàn)出一個中間大兩頭小的“橄欖型”分布格局。在分析中，選用對單個主成分正負向影響度達到20.00%以上的指標，綜合PCA-RBFNN的數(shù)據(jù)處理結(jié)果(表2)，同等條件下優(yōu)選靠前主成分所對應(yīng)的指標，具體如下。

表2 基于PCA-RBFNN的增減掛項目多維績效測度得分

表3 增減掛項目多維績效評價等級聚類表

3.1.2 績效Ⅲ型 績效等別為中的占比達35.71%，莎車縣4個、疏勒縣3個、疏附縣2個、喀什市1個，該型項目績效水平居中。參照績效Ⅰ型、Ⅱ型績效項目主要正負向影響指標，發(fā)現(xiàn)對中等績效項目起到正向影響的前7個指標中，排序第5的L11替換為排序最后的L13，即存量建設(shè)用地使用比率變?yōu)樨毨Оl(fā)生率，其余排序無變動；其主要負向影響指標中，排序第3的L25出現(xiàn)了2次，即排名第3、第6的均為投入產(chǎn)出率。發(fā)現(xiàn)：(1)莎車縣項目績效總體較高，加上Ⅰ型、Ⅱ型績效項目數(shù)，其中等績效以上項目數(shù)占該縣項目數(shù)的88.89%，其項目績效水平總體較高；疏勒縣中等績效項目數(shù)占總數(shù)的50.00%，該縣項目績效水平總體居中。(2)中等績效項目也主要受到可持續(xù)和公眾層面指標的正向影響。(3)對該型項目績效起負向效應(yīng)的指標中，投入產(chǎn)出率干擾性較強。表明，保持好項目在可持續(xù)與公眾層面的正向指標，并將財務(wù)層面的負向指標控制在合理區(qū)間，有利于將項目績效穩(wěn)定在一個較高水平。

3.1.3 績效Ⅳ型、Ⅴ型 績效等別為待改進、亟待改進的占比達46.43%，疏附縣5個、喀什市4個，疏勒縣2個、伽師縣1個、莎車縣1個，此2型項目績效水平低。找出對待改進、亟待改進型績效項目起主要負向效應(yīng)的指標，其排序依次為：土地復墾工程費率<新增指標比率<投入產(chǎn)出率<新增農(nóng)用地率<景觀破碎化指數(shù)，其中投入產(chǎn)出率與景觀破碎化指數(shù)在滿足負向效應(yīng)的主要指標中各出現(xiàn)2次；另外，對項目績效起正向作用的主要指標依次為：土地墾殖增加率>拆遷安置人數(shù)比率>有效耕地增加率>建新安置區(qū)工程建設(shè)費率>存量建設(shè)用地使用比率>人均建設(shè)用地減少率，其中人均建設(shè)用地減少率出現(xiàn)2次。可以看出：(1)疏附縣、喀什市和伽師縣中待改進、亟待改進型績效項目分別占到其各自項目數(shù)的71.43%、80.00%、100.00%，3縣市項目績效總體較低。(2)績效水平低的項目中的7個主要負向干擾指標中，財務(wù)和可持續(xù)層面指標占到6個，公眾層面僅有新增指標比率起較強負向作用。(3)此兩型項目受到的正向影響較弱，其中公眾層面指標占到一半以上，財務(wù)層面僅有建新安置區(qū)工程建設(shè)費率對項目績效有一定正向驅(qū)動。顯示，低水平項目績效主要受到財務(wù)層面的土地復墾工程費率、投入產(chǎn)出率等的干擾，可持續(xù)層面對其正向影響略微大于負向影響，公眾層面的正向影響較為突出。

3.2 績效綜合分析

3.2.1 績效個案分析 前文以準則層為統(tǒng)領(lǐng)，側(cè)重從公眾、財務(wù)和可持續(xù)層面對項目績效展開論述，得到關(guān)于5縣市項目績效的一個總體特征。接下來針對典型個案，綜合考慮指標層數(shù)據(jù)特點，選取表2中莎車縣的P23、喀什市的P4項目展開績效個案分析。

P23項目在依瑪村，為本次績效測度分析效果最好的樣本。其項目績效正向影響指標中，貧困發(fā)生率、拆遷安置人數(shù)比率、農(nóng)業(yè)設(shè)施建設(shè)用地比率、新增農(nóng)地效益、新增有效耕地、土地墾殖增加率、有效耕地增加率較為突出，其中貧困發(fā)生率、拆遷安置人數(shù)比率、新增農(nóng)地效益、有效耕地增加率數(shù)值為最高值，其余3個指標數(shù)值排前3。對項目績效產(chǎn)生負向干擾的指標數(shù)據(jù)大多維持在較低水平，其中景觀破碎化指數(shù)、景觀干擾度為最低值。表明，項目實施過程中需重點關(guān)注貧困程度重的村鎮(zhèn)，并適當集中項目資金，優(yōu)先投入到拆遷安置、農(nóng)業(yè)設(shè)施建設(shè)、農(nóng)地復墾整治等農(nóng)業(yè)農(nóng)村建設(shè)方面。

P4項目位于喀魯克村和科克其村，是本次項目績效分析效果最差的樣本。對其項目績效產(chǎn)生負向影響的指標主要有貧困發(fā)生率、拆遷安置人數(shù)比率、存量建設(shè)用地使用比率、農(nóng)業(yè)設(shè)施建設(shè)用地比率、人均建設(shè)用地減少率、新增農(nóng)地效益、植被覆蓋增加率、景觀干擾度，其中存量建設(shè)用地使用比率為0.00%。其正向指標數(shù)值均大多較低。參照P23項目績效的主要影響指標可以發(fā)現(xiàn)，對P4項目績效產(chǎn)生主要負向影響的8個指標中，有6個與對P23項目績效起正向影響的指標一致。顯示，P4項目區(qū)由于貧困度較低，項目實施規(guī)模較小，分散度較大，植物補植力度不足，故對項目績效的損害較大。

3.2.2 績效總體分析 本文借鑒戰(zhàn)略地圖理論，選用PCA-RBFNN模型及K-均值聚類法對增減掛項目多維績效展開測度分析(圖3、表2)，結(jié)果如表3所示。不難看出，項目績效等別可劃分為優(yōu)、良、中、待改進、亟待改進型5類，其中待改進、亟待改進等績效項目數(shù)占比接近5成，而優(yōu)、良等績效項目數(shù)占比不足2成，說明喀什地區(qū)5縣市增減掛項目績效水平有著較大的提升空間。

鑒于績效分型分析中涉及公眾、財務(wù)及可持續(xù)3個層面的12個主要指標為：拆遷安置人數(shù)比率、存量建設(shè)用地使用比率、新增指標比率、人均建設(shè)用地減少率、建新安置區(qū)工程建設(shè)費率、土地復墾工程費率、投入產(chǎn)出率、新增農(nóng)用地率、土地墾殖增加率、有效耕地增加率、景觀破碎化指數(shù)、新增有效耕地。統(tǒng)計這些指標發(fā)現(xiàn)，公眾層面指標有4個，3個正向指標出現(xiàn)9次、1個負向指標出現(xiàn)3次；財務(wù)層面指標有3個，1個正向指標出現(xiàn)3次、2個負向指標出現(xiàn)8次；可持續(xù)層面指標有5個，3個正向指標出現(xiàn)8次、2個負向指標出現(xiàn)7次，重復率較大。參考影響P23、P4項目績效的主要指標，起顯著作用的10個指標與績效分型分析中指標重復率只有50%，非重復指標有正向的貧困發(fā)生率、農(nóng)業(yè)設(shè)施建設(shè)用地比率、農(nóng)田防護與環(huán)境保護工程投入及負向的植被覆蓋增加率、景觀干擾度。說明，在項目推進中必須做好項目實施的全程監(jiān)管，及時調(diào)整指標以提升項目績效水平。

4 政策啟示

在“三區(qū)三州”及其他深度貧困地區(qū)開展跨省域增減掛項目以來，對其多維績效定量分析還處于探索階段。針對項目績效開展層次不齊、總體不高的現(xiàn)狀，本文研究對準確地測度分析增減掛項目績效有一定的實踐意義。(1)采用“P-F-S”Strategy Map框架，選取PCA-RBFNN模型，能較好地對項目績效進行精準測度。(2)定量分析項目績效類型與影響指標，可以深入挖掘績效成因，進一步剖析項目績效及形成機理，從而采取有效措施提升項目績效水平。(3)通過分析可以準確地刻畫出項目績效的輪廓，為自然資源等政府主管部門因時因地制宜調(diào)用項目資源，提高項目績效水平提供支持。

根據(jù)分析結(jié)果，發(fā)現(xiàn)績效等別為待改進、亟待改進型項目，需要政府部門更多關(guān)注和把控，發(fā)揮好項目實施的主導功能；項目績效總體偏低，大多存在土地墾殖增加率、土地復墾工程費率、拆遷安置人數(shù)比率及貧困發(fā)生率等偏低的問題，應(yīng)優(yōu)選貧困程度重的村鎮(zhèn)作為項目區(qū)，集中有限項目資金，擴大項目規(guī)模予以應(yīng)對；個案分析顯示，類似依瑪村、喀魯克村和科克其村，其項目推進需強化脫貧、防止返貧等社會效應(yīng)的實現(xiàn)，精準制定符合該項目區(qū)實際的實施方案；整合項目資源，注重財務(wù)層面的負向指標把控，盡量做到項目資金?？顚Ｓ茫嗤度氲睫r(nóng)業(yè)農(nóng)村及生態(tài)環(huán)境建設(shè)中；少占或不占耕地指標的同時，爭取集中安置，統(tǒng)一配套生活設(shè)施，并留足鄉(xiāng)村振興建設(shè)等后續(xù)用地指標。

5 結(jié)論

研究過程顯示，戰(zhàn)略地圖有較好地適用性，RBFNN對PCA的優(yōu)化效果較為顯著，實現(xiàn)了對本批次項目多維績效的有效測度。在有效分析項目績效類型及成因的基礎(chǔ)上，結(jié)合績效個案和總體分析。其結(jié)果表明：(1)績效類型：項目績效類型按照K-均值聚類法劃分為5個等別，其中近一半項目績效屬于待改進和亟待改進型；地域上，莎車縣項目績效水平最高，疏勒和伽師縣相對居中，疏附縣和喀什市項目績效水平則總體偏低。(2)績效成因：影響項目績效的主要指標為拆遷安置人數(shù)比率、存量建設(shè)用地使用比率、新增指標比率、人均建設(shè)用地減少率、建新安置區(qū)工程建設(shè)費率、土地復墾工程費率、投入產(chǎn)出率、新增農(nóng)用地率、土地墾殖增加率、有效耕地增加率、景觀破碎化指數(shù)、新增有效耕地，由此可見，公眾效益必須擺在首位，在兼顧可持續(xù)效益的同時，嚴格控制好財務(wù)效益。(3)績效個案：將依瑪村、喀魯克村和科克其村項目開展對比發(fā)現(xiàn)，應(yīng)優(yōu)選貧困程度重的村鎮(zhèn)，并注重項目實施的規(guī)模效應(yīng)，充分考量建新安置的集中度，加大農(nóng)業(yè)農(nóng)村和生態(tài)環(huán)境建設(shè)的投入。(4)整體績效特征：經(jīng)過綜合分析不同項目績效的現(xiàn)狀、成因、類型差異等，發(fā)現(xiàn)集中資源、靶向開展增減掛項目取得了明顯成效，改善了項目所在村鎮(zhèn)的生產(chǎn)生活環(huán)境，對實現(xiàn)耕地占補平衡、促進減貧脫貧、助推鄉(xiāng)村振興戰(zhàn)略創(chuàng)造了條件，但需進一步強化在項目開展中的精準性、針對性和實效性。

經(jīng)過對喀什地區(qū)5縣市增減掛項目績效形成機理及水平的測度分析，初步闡明了項目績效的基本特征。但對項目績效形成機制及要素分析仍需進一步優(yōu)化，項目績效評價的理論框架與績效類型劃分還需逐步完善。而且，由于存在數(shù)據(jù)源相對單一、儲備不足且收集困難等情況，缺少對增減掛項目所在村鎮(zhèn)與非項目村鎮(zhèn)在鞏固脫貧績效上的對比分析。