| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

溫哥華資訊

溫哥華地產

溫哥華教育

溫哥華財稅

新移民/招聘

黃頁/二手

旅游

朝鮮所有制的本質就是“官有制”

QR Code
請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
  官僚何以能無節制抬高地價?


  因為“土地國有”,廣大平民沒有土地所有權,所有的“國有土地”都壟斷在官僚手中,房產開發商只能向官僚買地,土地市場不存在“自由競爭”,各級官僚想把土地賣成什麼價就能賣出什麼價。平民再窮也不能沒房住,房價再高也得割肉流血買。

  在“私有制”國度裡,高房價根本不可能長期普遍存在,就算存在也屬暫時的和局部的。


  “私有制”國家土地所有權在多數平民手中,買賣權也在各個平民手中,賣不賣地和賣什麼價都是平民個人說了算,利益個性千差萬別的龐大平民群體也不容易結成針插不進水潑不進的壟斷集團,所以土地買賣存在強大的“自由競爭”現象,一家一戶把地價抬得太高,必有另一家另一戶用更低的價格搶去他的生意機會,所以地價不可能無節制攀升,房價也不可能超負荷增長。

  例如上海市的房產均價每平米兩萬元人民幣,地價每平米應該在一萬元以上。一畝土地就能賣出六七百萬元!

  如果上海市實行“土地私有制”,多數平民能自由買賣轉讓出租屬於自己的土地,官僚手中無地可炒可賣。在如此巨大的經濟利益誘惑下,相信多數平民會把自家的土地投入市場,並很快造成供過於求的局面,地價就會大幅下跌,房價也因此成倍下挫,那時根本用不上國家出台房價調控政策,多數上海市民都有能力買得起夠居住的房子。

  所以“高房價”是“公有制”惹的禍!

  ????????????

  新中國六十年一直得不到解決的問題是什麼?

  是“三農問題”!

  農民總是和土地連在一起的,土地權則是一個國家最大的“所有權”。

  中國農民最悲慘的歲月是上世紀五六十年代之交,短短三年時間活活餓死了三千七百多萬農民,比2200年皇權中國在和平時期餓死人的總和還要多。饒幸活下來的農民也長年饑寒交煎,食不果腹衣不蔽體,活著比死去還難受。

  為什麼三年大饑荒年代餓死了那麼多農民?

  一樣是“公有制”惹的禍!

  毛中國農民不但沒有任何“土地所有權”,連農民在土地上“耕種經營”的自由都被剝奪得一幹二淨,“公有制”程度可謂爐火純青。

  釀成恐怖大饑荒的主要因素有三個:

  一是大辦鋼鐵誤農時,豐收的糧食不能及時收獲爛在田地裡。

  二是集體辦大食堂初期浪費嚴重。

  三是高征購。

  為何莊稼成熟了不及時收割,任其爛在田裡?


  因為青壯農民都征調去煉鋼了,村官也前往坐鎮指揮。田地不是農戶自家的,沒有村官的調度督促,留守在家的老弱婦孺也沒必要的責任心去自行收割。

  為何集體大食堂這樣的荒唐事居然行得通?

  那時的田地都是“公家”的,收獲的糧食也全部納入公庫,農民再從村官手裡領取勉強活命的“口糧”。各級官僚要求農民在大食堂就餐,就不再分糧到各家各戶了。農戶家裡沒糧可吃,就算對大食堂怨聲載道也只能去那裡吃飯。

  為何要高征購?把農民的活命口糧都征收走了?

  因為各級官僚想升官,自然就謊報政績虛報糧食產量。那時的公糧是按農產品比例征收的,高虛報必然帶來高征購。如廣西環江縣報導畝產稻谷13萬斤,那麼這畝稻田理論上就得交2萬斤公糧,相當於當時30畝稻田的總產量。所以環江縣餓死人的比例最高,高達20%以上,遠高於全國5%的平均比例。

  ????????????

  如果上世紀五六十年代之交中國是一個“私有制”國度,釀成大饑荒的三個主要因素根本不可能存在,大饑荒也就壓根不可能發生。

  1、 不會誤農時。村裡青壯農民就算被征調去煉鋼了,留守在家的老弱婦孺也會自覺起早貪黑收割自家土地上成熟的莊稼。

  2、 自家土地上出產的糧食自家收獲,根本不用官僚按人頭分糧,就算某官僚別出心裁想搞什麼集體大食堂也根本行不通。
覺得新聞不錯,請點個贊吧     還沒人說話啊,我想來說幾句
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 在此頁閱讀全文
    猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0315 秒 and 4 DB Queries in 0.0010 秒