基于ISM-MICMAC的农地流转影响因素研究

昝祺祺 周利平 罗康明

[内容提要]农地流转是实现农业现代化和规模化经营的主要方向，而现有研究侧重于识别影响农地流转的显著因素，鲜有探讨影响因素间的内在关系和作用机理。本文在梳理总结影响农地流转行为研究成果的基础上，结合专家访谈和实地调研结果，辨识出农地流转的14个影响因素，并运用解释结构模型(ISM)确定了影响因素的多级递阶层次结构，再通过交叉影响矩阵相乘法(MICMAC)计算出每个影响因素的驱动力和依赖性，找出推动农地流转的重要驱动因素。研究发现，经济水平、政府的行为和态度、年龄、文化程度、细碎化、交易费用、农地确权是影响农地流转的关键性驱动因素。本研究不仅提供了促进农地流转发生的科学方法，也为推动我国农地流转市场健康稳定发展提供新的实证证据。

一、引言

随着家庭承包责任制造成土地经营规模小、细碎化的弊端日益突出，农地流转作为化解我国农地小规模分散化经营格局的重要策略，得到了政府的高度关注和引导。在一系列政策的鼓励和推动以及中国经济高速发展带来的良好条件下，农地流转比率也得到了大幅度提升，但与农地适度规模经营的总目标相比，农地流转市场的发展却差强人意，且近几年流转增速明显放缓[1]，总体上，农户的小农经营格局并没有发生本质的改变，农地流转率的区域差异较大。合理的、完善的农地流转政策是推动我国农地流转的必要保障，而制定有效的政策的前提，在于科学分析了解农地流转的各影响因素内在逻辑关系。基于此，本文通过对影响农地流转的因素进行深入识别和分析，找出关键影响因素并提出应对策略，从而为制定有效的农地流转政策奠定坚实的基础，这对当前我国农地流转市场的健康发展有着重要的理论和实践意义。

随着我国农村土地市场改革的不断深入以及农地流转现象的日趋活跃，学者在充分利用调研数据的基础上，对农户农地流转行为的影响因素开展了广泛的实证研究。通过梳理国内学者们的观点可以看出，农户农地流转行为受到宏观因素和微观因素两个层面多种因素的影响。宏观因素具体包含农地确权[1-3]、农地细碎化[4-6]、社会保障[7-9]、政府行为[10-11]、农地流转的交易费用[12-13]等方面；微观因素中农户性别、年龄、受教育水平、家庭总收入等因素都与农户农地流转行为密切相关[14-16]；同时，农户的非农就业[17-20]、农地认知[21-22]也对农户农地流转行为有积极的正向作用。相较于国内而言，国外大多数国家土地的所有权是私有的，土地流转在研究过程中被称作“租赁、买卖”等土地交易。关于土地交易的影响因素，国外学者主要是从土地产权制度[23-24]、非农就业[25]、交易费用[26]及农户家庭特征[27]等方面展开。

尽管学者对影响农地流转的因素进行了大量的理论分析和实证探讨，且为本文提出重要的参考，但目前许多学者对农地流转的分析主要是从某一个维度探讨其影响因素，而没有对各个因素之间的关系进行深度挖掘和分析；此外，在研究方法上，现有研究大多采用Logistic回归、Probit模型、结构方程模型等方法辨析农地流转的显著影响因素，而没有深入揭示农地流转影响因素之间的内在关系。事实上，影响农地流转的因素具有高度复杂性、不确定性、多层次性，涉及政策、外部环境、农户个体特征等多维度，且各因素之间是相互影响的。鉴于此，本文在现有农地流转研究成果的基础上，并结合专家访谈和实地调研结果，得到影响农地流转的因素集，尝试通过ISM-MICMAC模型，厘清各个影响因素之间的层次关系，构建多级递阶层次结构，并对影响因素进行分层和分类分析，因而，本研究不仅能够有效克服既有研究囿于仅识别农地流转显著影响因素的局限性，无法反映影响因素之间相互关系的不足之处，还能够使得构建的模型更加充实，更加贴近于现实发生情境，更好地为农村农地流转工作提供理论参考。

二、影响因素识别

为清晰了解农地流转影响因素的研究趋势及现状，本文运用CiteSpace文献计量可视化分析软件进行关键词词频分析，得出本领域的研究热点。为确保本文研究结果的质量，本文选取的国外文献来自于Web of Science核心合集数据中SSCI期刊论文，国内文献来自于中国知网(CNKI)数据库中的核心期刊、CSSCI、CSCD；同时，设定时间跨度为2001年1月1日—2021年4月1日，在剔除会议、新闻报道以及与主题不相关等文献的基础上，最终获得有效外文文献207篇和中文文献523篇。通过关键词词频分析，共统计出近二十年农地流转影响因素领域研究的32个热点关键词，在与专家小组讨论的基础上，本文最终选取了与本文研究有关的14个关键性因素，具体见表1。影响因素记为Si(i=1,2,3,…,14),Sn(n=1,2,3,…,14)。

表1 农地流转影响因素集(频次>10)

本文在借鉴已有研究成果的基础上，将影响农户参与用农地流转行为的因素划分为农户个人特征、农户家庭特征、农户认知状况以及外部环境变量等四类因素。

1.农户个人特征。农户个人特征包括年龄、性别以及文化程度3个因素。第一，从理论上说，农户年龄越大，自身能力和体力随之下降，农地转出的概率与规模会随之增大,农地转入的概率变小。第二，通常来说，女性比男性更加保守，因而更不愿意转入土地。第三，农户文化水平越高，可能越会放弃农地耕种，选择农地转出以此获取租金，增加收入。

2.农户家庭特征。农户家庭特征包括家庭总收入、农业收入和非农就业。家庭总收入较高的农户往往会倾向于转入农地，这是由于收入多的农户有一定的资金可用于转入农地，以此来扩大农业经营规模，以获取更高的经济效益；以此同时，农户的农业收入越多，表明农户对农业的依赖程度高，其参与农地转入的可能性越大；另外，已有大量研究表明，农户的非农就业是推动农村农地流转的重要因素之一，农户非农就业程度越高，会促使其降低对农业的依赖程度，从而参与农地转出的积极性增强。

3.农户的认知状况因素。农户的认知状况因素包括农地认知、对农地流转政策的满意度两个变量。第一，农地认知。当农户对农地政策、权益、收益认知越清晰，越倾向于参与农地流转。第二，农户对农地流转政策越满意，说明农地流转政策完善度就越高，越能够保障农户的合法权益，农户越会选择农地流转。

4.外部特征。本文选取经济水平、农地确权、交易费用、细碎化、社会保障的完善程度以及政府的行为和态度这6个变量来反映外部特征。首先，经济发展水平对该地区非农就业机会有显著影响。当村庄的经济发展水平越高，非农就业机会就会越多，农地的社会保障功能就会相对减弱，从而有助于农地转出；第二，农地确权因解决了产权不清导致农地流转费用较高的问题，对农地流转产生积极作用；第三，交易成本越高意味着农户农地流转时的收益越低，从而不利于农户农地流转；第四，农地细碎化所导致的农户务农效率降低和农地流转成本提高会抑制农地流转；有学者指出社会保障越完善，越会弱化土地的社会保障功能，农户对农地的依赖程度就会降低，从而促使其转出农地；此外，政府行为与农地流转也具有非常显著的相关性，不少学者将农户对土地流转热情不高的主要原因归因于政府引导力度不够和利用政策的漏洞。

三、基于ISM-MICMAC的农地流转影响因素分析

(一)研究方法

1.解释结构模型(ISM)

ISM是由美国J War Field教授开创的一种比较有效的系统分析工具，它主要用来解决较为复杂的系统中多个元素之间的多重反馈关系问题[28]。ISM模型的优点是使得各个要素之间的关系更加条理、清晰，可以很清楚看出因素之间的联系，从而揭示系统结构的内在规律。

2.MICMAC(交叉影响矩阵相乘法)

MICMAC是一种用来分析系统因素之间相互关系的方法，它由法国DUPERRIN等教授在1973年创建的，其主要通过分析因素间的关系将因素进行分类，并依据各关系的层次循环和到达路径估测出因素影响因素的驱动力和依赖性，进而明晰各影响因素在系统中的地位和作用[29]。各影响因素驱动力的值表示该因素能够对其他因素的影响程度，由可达矩阵R中对应的行因素相加之和确定，而依赖性的值表示该因素受到其他因素的影响程度，由可达矩阵 R中对应的列因素之和决定。一般来说，一个因素的驱动力值越大，意味着解决该因素之后，其他影响因素即可得到解决；与之相反，一个因素的依赖性值越大，说明要想解决该因素必须先通过解决大量其他的影响因素才能解决。

每个影响因素的驱动力 Di和依赖性 Ri由式(1)和式(2)计算出：

(1)

(2)

根据各影响因素驱动力值和依赖性值的大小，可以将影响因素具体划分为独立因素、联动因素、依赖因素和自治因素四种类型，分别对应于直角坐标系的四个象限。其中，自治因素位于第Ⅰ象限，该象限的影响因素依赖性值和驱动力值均比较小，表示这些因素相对独立，很难受到其他因素的影响；依赖因素位于第Ⅱ象限，该象限的影响因素具有依赖性值很高，但驱动力值很小，其他因素的变化会很容易对该象限的因素造成影响；联动因素位于第Ⅲ象限，该象限的影响因素依赖性和驱动力都很强，因此这类因素很不稳定，容易影响其他因素；独立因素位于第Ⅳ象限，这类该因素的驱动力值很高，对其他因素的影响程度大，因此该类因素通常被称为关键因素。驱动力—依赖度象限图是以依赖度值为横坐标，驱动力值为纵坐标，将每个因素按驱动力、依赖度值大小绘制在图上而成。

(二)实证分析

本文在阅读大量文献的基础上提取出了影响农户农地流转的14个因素，再运用ISM-MICMAC进行分析，具体步骤如下：

1.建立意识模型，创建邻接矩阵

建立意识模型的第一步是根据文献梳理和咨询专家确定出影响农地流转的因素集合，第二步是依据影响因素的特征以及实际情况，确定影响农地流转因素集合中各因素之间的相互关系。通常，在ISM模型中，V代表行因素(Si)对列因素(Sj)有直接作用， A表示列因素(Sj)对行因素(Si)有直接作用； X表示行因素(Si)与列因素(Sj)相互无作用。本文将上述得出的14项主要影响农地流转的因素构建意识模型如图1所示。在建立好意识模型后，根据意识模型，当行因素(Si)对列因素(Sj)有影响赋值为1， Si对 Sj无影响赋值为0，创建邻接矩阵 A，使各个因素关系更加清晰。邻接矩阵如表2所示。

图1 农地流转影响因素意识模型

表2 邻接矩阵A

2.计算可达矩阵

由于邻接矩阵A只能获取影响因素之间的直接关系，无法直接获取到因素之间的间接关系，因此，需要通过布尔代数运算法则(即0+0=0,0+1=1，1+0=1,0×0=0，0×1=0,1×1=1)进行矩阵的幂运算，将因素间的直接和间接关系清晰地展现出来。

M=(A+I)≠(A+I)2≠…≠(A+I)r

=(A+I)r+1

(3)

式(3)中， I为单位矩阵，A为邻接矩阵， A+I是邻接矩阵和单位矩阵之和， r是运算次数。依据式(3)运算法则，并且借助Matlab软件编程运算，即可得到可达矩阵 R，具体如表3所示。

表3 影响因素间可达矩阵R

3.分解结构矩阵模型

根据计算出的可达矩阵 R，确定出各个因素的可达集R(Si)、先行集 Q(Si)以及共同集合 R(Si)∩Q(Si)，据此将影响农地流转的因素进行分层。层级的划分依据式(3)确定：

L1={Si|R(Si)∩Q(Si)=R(Si)，i

=0，1,2…k}

(4)

依据式(4)的原则最先得到最高层的因素集，然后将最高层的因素集所对应的行与列因素在原可达集 R(Si)中删除，重新按照式(4)的原则求原可达集R(Si)剩余因素集合中的最高层因素，依次类推，直到确定出最底层的因素集，由此得到层级分解表。农地流转影响因素集合的第一级可达集R(Si)、先行集Q(Si)和共同集R(Si)IQ(Si)见表4所示。

表4 农地流转影响因素第一级可达集和先行集影响因素可达集

4.绘制ISM图

依据表4的层级分解表，若低层级的因素对与中间层因素、中间层的因素对有直接影响，那么就在两者之间用有向箭头表示出来，如果低层级因素对高层级元素的关系不通过中间层因素达成，那么两者之间需要用有向箭头表示出来，反之，低层级因素对高层级元素的关系是可以通过中间层因素达成的，则二者之间不需要另外标注箭头。当所有的因素间的关系都用有向箭头标注好之后，就可以绘制出系统的影响农地流转因素的ISM图，如图2所示。

图2 农地流转影响因素ISM模型

由图2可知，影响农户农地流转行为的14个因素由高到低共划分为4个层级，各层级之间的因素相互影响。结合农村农地流转的实际情况，本文将影响因素进一步划分为表层直接因素组、中间间接因素组和深层根源因素组。其中，第一层属于表层直接因素组，第二层和第三层属于中间间接因素组，第四层属于深层根源因素组。

家庭总收入、农地流转政策满意度和社会保障完善度3个因素位于第一层，是表层直接因素，其它影响因素通过它们才能影响农地流转。当农户家庭总收入较高时，其对农业的依赖性降低，更愿意将农地转出，通常情况下对农地流转政策满意度越高，农户有更大的概率选择转入农地；当社会保障程度越完善，农户越会将自家的土地转出,减少土地流入。

性别、非农就业、农业收入、农地认知、年龄、交易费用、细碎化、农地确权以及文化程度均属于中间间接因素，这些因素又可以划分为2级，它们对表层直接因素起着推动作用，同时又受到深层根源因素的影响，但它们不能直接影响农地流转，9个中间间接因素通过影响家庭总收入与农地流转政策满意度进而影响农户的农地流转行为。年龄影响非农就业，年龄越大的人由于自身体力等原因，往往会选择在家务农；细碎化对交易费用和非农就业产生影响，农地细碎化增加了集体协商以及监督管理成本,也增加了农户流转过程中的交易成本；另外，细碎化会加剧农地抛荒，因而农户会选择非农就业来增加收入。农地确权政策在一定程度上会影响细碎化、农民非农就业、农业收入和农地认知；文化程度对农地认知产生影响，非农就业和农地认知均对农业收入产生影响。综上分析可知，中层间接因素不仅相互之间会产生影响，还会通过影响表层直接因素进而影响农户农地流转。

经济水平和政府的行为和态度是深层根源因素，这两个因素对农户农地流转行为产生基础性影响，是推进规模化经营亟需解决的问题。经济的发展能带动农业产业各个方面的发展，另外，当政府支持农地流转的情况下，会推出更有利于保障农户利益的措施，减少流转过程中的纠纷，农户的农地流转行为也会随之极大增强。

5.运用MICMAC法对元素进行分类，绘制依赖度—驱动力分析图

根据式(1)、(2)计算出的农地流转影响因素驱动力值和依赖度值，绘制的农地流转影响因素驱动力—依赖度分类图如图3所示，影响农地流转的14个因素包含自发因素、依赖因素和独立因素三大类。

图3 农地流转影响因素驱动力—依赖度分类图

自发因素位于第一象限，包含性别( S1)、农地流转政策满意度( S12)、社会保障完善度(S13)3个因素，这3个因素很难受到其他因素的影响，是相对独立的，因而与其它因素的联系也相对较少，同时它们具备了一定的驱动力和依赖性，会大大增加农地流转的可能，是农地流转影响因素中应该首先进行控制的因素。

依赖因素包含家庭总收入( S5)、非农就业( S7)、农业收入( S8)、农地认知( S11)4个因素，其位于第二象限，具有较高依赖性，易受到其他因素的影响，是农地流转最直接的影响因素。

独立因素包含经济水平( S6)、政府的行为和态度( S14)、年龄( S2)、文化程度( S3)、细碎化( S4)、交易费用( S9)、农地确权( S10)7个因素，它们位于第四象限，具有较高的驱动力，可以认为是影响农地流转的源头，值得注意的是，这几个因素通常处于ISM模型的最下层，这就决定其是影响地农地流转最根本的因素。

值得注意的是，在本文提取出的影响农地流转的14个因素中，没有一个属于联动因素，这充分表明构建的农地流转影响因素体系较为稳定，不会因为一个因素的变化而导致整个体系发生大幅度改变。

五、研究结论与政策建议

当前，学术界对于农地流转影响因素的分析缺乏一个清晰的层次，且往往忽略不同影响因素之间的的内在关联。本文通过文献梳理与专家经验识别了影响因素，运用 ISM模型分析了各影响因素的层次结构关系，再通过MICMAC方法分析影响因素的驱动力与依赖性，并对其进行分类。研究结果表明，农地流转不是简单的由某一个或某些因素决定的，而是由14个因素组成的具有4级层次结构的复杂系统共同决定的，它们之间相互联系、相互影响、共同作用于农户农地流转行为。其中，家庭总收入、农地流转政策满意度和社会保障完善度3个因素是表层直接因素，性别、非农就业等9个因素是中间间接因素，经济水平和政府的行为和态度是深层根源因素。值得注意的是，通过MICMAC方法分类的结果表明性别、农地流转政策满意度、社会保障完善度3个因素属于自发因素，家庭总收入、非农就业、农业收入和农地认知4个因素属于依赖因素，剩余的经济水平、政府的行为和态度等7个因素属于独立因素。

基于本文研究结论，笔者提出的政策性建议如下:

第一，研究表明，农户的家庭总收入、农地流转政策满意度以及社会保障体系完善程度是影响农地流转的表层直接因素，其最直接作用于农户农地流转行为。因此，政府部门应当重视农村发展，提高农户收入；同时要通过村广播、宣传栏以及座谈会等途径宣传国家和地方政府关于土地流转的政策,以及土地流转带来的利处，强化农户对农地流转政策的了解，打消农户对土地流转的担忧和顾虑；另外还要逐步完善农村的社会保障体系，增强新农保的保障能力，降低农户对农地养老保障功能的依赖程度，这样才会提高农民农地流转的积极性。

第二，鉴于非农就业、文化程度、细碎化、交易费用以及农地确权是影响农地流转的中间间接因素，政府要在农村开展农民的职业技术培训,提高农民职业技术水平和非农就业能力,为农民获取更好的非农就业岗位提供技术保障,促进农民的非农转移；同时还应加大农村教育投入，努力提高农民接受新事物的能力和文化教育水平；政府应多措并举的降低农村土地细碎化程度, 完善农地规模经营的支持政策，鼓励农户规模化或成片化生产经营，同时吸引农业合作社等新型农业经营组织大量转进农地；以此同时，降低农地流转过程中的交易费用和继续巩固农地确权带来的积极影响也十分重要。

第三，本文研究发现当地经济水平和政府的行为和态度是推进农地流转的重要因素，因此，在推进农村农地流转的过程中，政府应该重视当地经济发展，为其提过资金支持与保障；另外，政府要积极为当地农户农地流转搭建市场平台、提供流转信息等, 指导并监督流转交易, 实现政府职能转变。