江東坡，朱滿德*，伍國(guó)勇

（1.貴州大學(xué)，a.中國(guó)西部發(fā)展能力研究中心，b. 經(jīng)濟(jì)學(xué)院，貴州 貴陽(yáng) 550025）

收入性補(bǔ)貼提高了中國(guó)小麥生產(chǎn)技術(shù)效率嗎
——基于隨機(jī)前沿函數(shù)和技術(shù)效率損失函數(shù)的實(shí)證

江東坡1a,1b，朱滿德1a,1b*，伍國(guó)勇1a

（1.貴州大學(xué)，a.中國(guó)西部發(fā)展能力研究中心，b. 經(jīng)濟(jì)學(xué)院，貴州 貴陽(yáng) 550025）

運(yùn)用隨機(jī)前沿函數(shù)和技術(shù)效率損失函數(shù)考察了2002-2008年全國(guó)及19個(gè)省份的糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)技術(shù)效率的影響，進(jìn)一步計(jì)算了糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)技術(shù)效率影響的非單調(diào)效應(yīng)。結(jié)果顯示：1）小麥生產(chǎn)技術(shù)效率總體較高，在東部、中部、西部與東北地區(qū)之間，以及在主產(chǎn)省與非主產(chǎn)省之間，小麥生產(chǎn)技術(shù)效率都存在明顯差異；2）從全國(guó)層面看，糧食收入性補(bǔ)貼導(dǎo)致了全國(guó)小麥生產(chǎn)技術(shù)效率明顯降低；且隨著補(bǔ)貼強(qiáng)度增加，對(duì)小麥生產(chǎn)技術(shù)效率損失的影響呈現(xiàn)增強(qiáng)趨勢(shì)；3）從觀測(cè)的19個(gè)省份看，只有4個(gè)省份的糧食收入性補(bǔ)貼有助于提高小麥生產(chǎn)技術(shù)效率，其余15個(gè)省份都導(dǎo)致了小麥生產(chǎn)技術(shù)效率不同程度的降低；4）小麥生產(chǎn)技術(shù)效率損失可能是小麥?zhǔn)杖胄匝a(bǔ)貼強(qiáng)度和是否與小麥生產(chǎn)掛鉤、是否實(shí)施小麥最低收購(gòu)價(jià)政策共同作用的結(jié)果。今后，應(yīng)以糧食收入性補(bǔ)貼政策改革為契機(jī)，向扭曲程度較小的“綠箱”補(bǔ)貼轉(zhuǎn)型，發(fā)揮補(bǔ)貼對(duì)提高糧食全要素生產(chǎn)率的促進(jìn)作用。

糧食收入性補(bǔ)貼；技術(shù)效率；隨機(jī)前沿函數(shù)；技術(shù)效率損失；小麥

糧食安全乃國(guó)之大計(jì)，事關(guān)中國(guó)經(jīng)濟(jì)社會(huì)發(fā)展的全局，歷來(lái)是中國(guó)政府制定農(nóng)業(yè)政策時(shí)優(yōu)先考慮的目標(biāo)。為了穩(wěn)定糧食生產(chǎn)、保障國(guó)家糧食安全，2004年以來(lái)，中國(guó)政府先后出臺(tái)最低收購(gòu)價(jià)和臨時(shí)收儲(chǔ)等價(jià)格支持措施，陸續(xù)實(shí)施良種補(bǔ)貼、糧食直補(bǔ)、農(nóng)資綜合補(bǔ)貼、農(nóng)機(jī)具購(gòu)置補(bǔ)貼、農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼、目標(biāo)價(jià)格補(bǔ)貼等直接補(bǔ)貼政策，初步建立了價(jià)格支持與直接補(bǔ)貼協(xié)調(diào)并重、生產(chǎn)性補(bǔ)貼和收入性補(bǔ)貼功能互補(bǔ)的糧食生產(chǎn)支持政策體系。

其中，良種補(bǔ)貼、糧食直補(bǔ)和農(nóng)資綜合補(bǔ)貼“三項(xiàng)補(bǔ)貼”，出發(fā)點(diǎn)都是為了調(diào)動(dòng)農(nóng)民種糧積極性，穩(wěn)定發(fā)展糧食生產(chǎn)，直接補(bǔ)貼種糧農(nóng)民；但在實(shí)際操作中，出現(xiàn)了與糧食生產(chǎn)逐步“脫鉤”（例如按照二輪土地承包面積補(bǔ)貼）的趨勢(shì)，國(guó)內(nèi)學(xué)者將其稱(chēng)為“糧食收入性補(bǔ)貼”。中國(guó)糧食收入性補(bǔ)貼由最初2002年1億元、2004年144.5億元快速增長(zhǎng)到2014年1 436億元；目前農(nóng)民每公頃耕地獲得的補(bǔ)貼資金已經(jīng)接近美國(guó)等一些發(fā)達(dá)國(guó)家[1]。但是，糧食收入性補(bǔ)貼對(duì)糧食生產(chǎn)是否具有激勵(lì)效應(yīng)，目前爭(zhēng)論猶在，仍有較大分歧。有研究認(rèn)為，目前糧食收入性補(bǔ)貼和農(nóng)機(jī)具購(gòu)置補(bǔ)貼“四項(xiàng)直接補(bǔ)貼”兼顧了多種政策目標(biāo)的要求，對(duì)調(diào)動(dòng)農(nóng)民種糧積極性、增加農(nóng)民非農(nóng)收入等起到良好的推動(dòng)作用[2-3]；糧食收入性補(bǔ)貼或激勵(lì)農(nóng)戶(hù)擴(kuò)大種植面積[4-5]，或激勵(lì)農(nóng)戶(hù)增加資本投入[6]，或吸引具有技能的農(nóng)村人從事農(nóng)業(yè)生產(chǎn)[7]。也有研究認(rèn)為，糧食收入性補(bǔ)貼接近于“脫鉤”的收入補(bǔ)貼，沒(méi)有任何生產(chǎn)激勵(lì)效應(yīng)，或者由于補(bǔ)貼方式和補(bǔ)貼強(qiáng)度等原因，生產(chǎn)激勵(lì)效應(yīng)極弱[8-9]。

現(xiàn)階段，國(guó)內(nèi)學(xué)者主要關(guān)注中國(guó)各項(xiàng)糧食補(bǔ)貼對(duì)生產(chǎn)要素投入的影響，對(duì)糧食生產(chǎn)效率的影響因此被嚴(yán)重忽視。伴隨著歐盟和美國(guó)推進(jìn)農(nóng)業(yè)補(bǔ)貼由與生產(chǎn)“掛鉤”向“脫鉤”的改革，國(guó)外學(xué)者對(duì)“脫鉤”的收入性補(bǔ)貼（如美國(guó)的直接收入補(bǔ)貼、歐盟的單一農(nóng)場(chǎng)補(bǔ)貼）對(duì)生產(chǎn)效率的影響展開(kāi)了大量的理論和實(shí)證研究，并一致認(rèn)為，即使“脫鉤”的收入性補(bǔ)貼同樣也會(huì)扭曲生產(chǎn)，進(jìn)一步影響生產(chǎn)技術(shù)效率[10-12]。其主要影響途徑有四種：1）改變投入產(chǎn)品的相對(duì)價(jià)格，從而影響要素投入數(shù)量和結(jié)構(gòu)；2）通過(guò)收入效應(yīng)，改變農(nóng)民收入水平，進(jìn)而影響投資決策，以及資本或勞動(dòng)力在農(nóng)業(yè)和非農(nóng)之間的分配；3）通過(guò)保險(xiǎn)效應(yīng)，改變農(nóng)戶(hù)的抗風(fēng)險(xiǎn)能力和風(fēng)險(xiǎn)規(guī)避行為；4）通過(guò)農(nóng)場(chǎng)規(guī)模擴(kuò)張或退出行為影響生產(chǎn)效率水平[13]。至于收入性補(bǔ)貼究竟會(huì)提高生產(chǎn)效率，還是會(huì)降低生產(chǎn)效率，還有待實(shí)證來(lái)驗(yàn)證。如果收入性補(bǔ)貼能夠提供足夠資金，幫助農(nóng)戶(hù)克服資金約束，引進(jìn)先進(jìn)技術(shù)和設(shè)備，進(jìn)行有效的組織改造，則會(huì)導(dǎo)致生產(chǎn)效率的提高；如果提高收入性補(bǔ)貼減弱了農(nóng)戶(hù)改善生產(chǎn)性投資的動(dòng)力，則會(huì)導(dǎo)致生產(chǎn)效率的降低。國(guó)外的實(shí)證研究表明，收入性補(bǔ)貼對(duì)生產(chǎn)效率的影響方向及其程度會(huì)因區(qū)域、產(chǎn)業(yè)、農(nóng)戶(hù)特征不同而存在較大的差異。與此相比，國(guó)內(nèi)眾多關(guān)于糧食生產(chǎn)技術(shù)效率的實(shí)證研究中，把收入性補(bǔ)貼作為影響因素納入效率分析的尚屬少見(jiàn)[14,15]。

糧食補(bǔ)貼政策是中國(guó)農(nóng)業(yè)支持保護(hù)制度的核心內(nèi)容。在2016年良種補(bǔ)貼、糧食直補(bǔ)、農(nóng)資綜合補(bǔ)貼“三項(xiàng)補(bǔ)貼”改革推廣之時(shí)，應(yīng)進(jìn)一步評(píng)估這三項(xiàng)“糧食收入性補(bǔ)貼”的政策效應(yīng)，特別是對(duì)中國(guó)糧食生產(chǎn)效率的影響。中國(guó)糧食收入性補(bǔ)貼究竟提高了農(nóng)民的糧食生產(chǎn)效率，抑或者降低了農(nóng)民的糧食生產(chǎn)效率，這可能關(guān)系未來(lái)中國(guó)農(nóng)業(yè)補(bǔ)貼政策改革完善的方向。本文以口糧之一的小麥為例，運(yùn)用隨機(jī)前沿函數(shù)和技術(shù)效率損失函數(shù)定量分析2002-2008年期間中國(guó)糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)技術(shù)效率的影響，本文特別計(jì)算了糧食收入性補(bǔ)貼等外生變量對(duì)小麥生產(chǎn)技術(shù)效率的非單調(diào)效應(yīng)，這將有助于探究各區(qū)域糧食收入性補(bǔ)貼對(duì)技術(shù)效率影響的程度及變化趨勢(shì)，為糧食收入性補(bǔ)貼政策改革提供更有力的決策依據(jù)。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 隨機(jī)前沿函數(shù)

全要素生產(chǎn)率（Total factor productivity，TFP）可以分解為技術(shù)進(jìn)步、技術(shù)效率、配置效率和規(guī)模效率四個(gè)方面。其中，技術(shù)效率（Technical effciency，TE）作為全要素生產(chǎn)率的重要組成部分，分析技術(shù)不變的情況下，生產(chǎn)實(shí)際值離最優(yōu)值的“距離”，即生產(chǎn)的實(shí)際值與最優(yōu)值（最大產(chǎn)出或最小成本）的比率，它反映了農(nóng)戶(hù)對(duì)于要素投入的利用能力，基本反映全要素生產(chǎn)率的變化。由于實(shí)際值是可以直接觀測(cè)到的，因此技術(shù)效率分析的關(guān)鍵在于生產(chǎn)最優(yōu)值（即前沿面）的確定。

技術(shù)效率常用分析方法有數(shù)據(jù)包絡(luò)法（Data envelopment analysis，DEA）和隨機(jī)前沿函數(shù)（Stochastic frontier analysis，SFA）兩種。其中，數(shù)據(jù)包絡(luò)法（DEA）運(yùn)用純線性規(guī)劃方法構(gòu)造出確定性生產(chǎn)前沿面，并沒(méi)有考慮隨機(jī)因素對(duì)前沿面的影響；而隨機(jī)前沿函數(shù)（SFA）在實(shí)現(xiàn)對(duì)生產(chǎn)過(guò)程進(jìn)行精確描述的同時(shí)，納入經(jīng)典白噪聲項(xiàng)，充分考慮到隨機(jī)因素對(duì)前沿面的影響，更能體現(xiàn)農(nóng)業(yè)生產(chǎn)的本質(zhì)特征，目前廣泛用于農(nóng)業(yè)生產(chǎn)技術(shù)效率分析。因此，本文使用隨機(jī)前沿函數(shù)進(jìn)行分析。

隨機(jī)前沿函數(shù)的一般形式為：

式中：yit為產(chǎn)出，xit為生產(chǎn)要素投入。vit為系統(tǒng)誤差項(xiàng)，uit為技術(shù)效率損失項(xiàng)，vit和uit相互獨(dú)立。vit服從期望為0的正態(tài)分布。F為uit常見(jiàn)的分布，包括：半正態(tài)分布、斷尾正態(tài)分布、指數(shù)分布、伽馬分布。

對(duì)（1）式進(jìn)行估計(jì)即可得到uit。根據(jù)Kumbhakar和Lovell[16]，技術(shù)效率（TE）為：

1.2 技術(shù)效率損失函數(shù)及非單調(diào)效應(yīng)

在隨機(jī)前沿函數(shù)估計(jì)技術(shù)效率的基礎(chǔ)上，進(jìn)一步將技術(shù)效率損失對(duì)可能間接影響其的外生變量進(jìn)行回歸。技術(shù)效率損失函數(shù)一般形式為：

式中：uit為產(chǎn)出，zit為影響技術(shù)效率的外生變量，ωit為系統(tǒng)誤差項(xiàng)。

1.3 實(shí)證模型

式中：i=1，2，…，n，為生產(chǎn)小麥的各個(gè)省（直轄市、自治區(qū)）；t =1，2，…，n，為2002年至2008年的各年份。

參照已有文獻(xiàn)的處理方法，隨機(jī)前沿函數(shù)中的被解釋變量為小麥的每公頃產(chǎn)值，解釋變量為主要投入要素的相應(yīng)費(fèi)用，具體見(jiàn)表1。技術(shù)效率損失函數(shù)中，影響因素包括自然條件、社會(huì)經(jīng)濟(jì)條件等方面，根據(jù)已有文獻(xiàn)及估計(jì)效果選取6個(gè)解釋變量，具體見(jiàn)表2。

表1 隨機(jī)前沿函數(shù)的變量選擇Table 1 Variable selection in the SFA model

表2 技術(shù)效率損失函數(shù)的變量選擇Table 2 Variable selection in the loss of technical effciency model

1.4 數(shù)據(jù)來(lái)源

《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》收集了全國(guó)和安徽、北京、重慶、甘肅、河北、黑龍江、河南、湖北、江蘇、內(nèi)蒙古、寧夏、青海、山西、山東、陜西、四川、天津、新疆、云南19個(gè)省份的小麥成本和收益數(shù)據(jù)，這些省份既覆蓋了河南、河北、山東等小麥優(yōu)勢(shì)主產(chǎn)省和最低收購(gòu)價(jià)執(zhí)行省份，也包括了新疆、云南等西北、西南小麥非主產(chǎn)省，以及北京、天津等小麥主銷(xiāo)省，其產(chǎn)量始終保持在全國(guó)總產(chǎn)量的95%以上，因而具有典型性和代表性。但不足的是，自2009年以來(lái)，農(nóng)產(chǎn)品成本收益調(diào)查已不再統(tǒng)計(jì)單位面積小麥的補(bǔ)貼收入（即衡量小麥的糧食收入性補(bǔ)貼強(qiáng)度），使得補(bǔ)貼數(shù)據(jù)的連續(xù)性遭遇挑戰(zhàn)。由于補(bǔ)貼品種、補(bǔ)貼標(biāo)準(zhǔn)在不同省份有明顯差異，難以對(duì)單位面積小麥的補(bǔ)貼收入進(jìn)行估計(jì)或補(bǔ)缺。與此同時(shí)，2008年天津、北京、重慶、青海4個(gè)省份小麥成本和收益數(shù)據(jù)也沒(méi)有再公布。因此，考慮數(shù)據(jù)的可得性和連續(xù)性，本文選取上述全國(guó)和19個(gè)省份共20個(gè)樣本在2002-2008年的相關(guān)數(shù)據(jù)組成了“非平衡”面板數(shù)據(jù)。其中2002-2003年，政府仍征稅，因此在本文中表現(xiàn)為小麥的補(bǔ)貼收入為負(fù)值，這有助于觀察由農(nóng)業(yè)征稅到向農(nóng)民直接補(bǔ)貼的農(nóng)業(yè)政策轉(zhuǎn)變過(guò)程中非單調(diào)效應(yīng)的變化。隨機(jī)前沿生產(chǎn)函數(shù)分析中，小麥的投入和產(chǎn)出數(shù)據(jù)來(lái)自《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編（2003-2009年）》，包括小麥每公頃的產(chǎn)值和勞動(dòng)、種子等各項(xiàng)物質(zhì)與服務(wù)費(fèi)用。技術(shù)效率損失函數(shù)分析中，第一產(chǎn)業(yè)就業(yè)人數(shù)占總就業(yè)人數(shù)的比重、有效灌溉面積占耕地面積的比重、受災(zāi)面積占農(nóng)作物播種面積的比重、第一產(chǎn)業(yè)勞均耕地面積、第一產(chǎn)業(yè)勞均機(jī)械動(dòng)力等所需的原始數(shù)據(jù)來(lái)自《中國(guó)統(tǒng)計(jì)年鑒（2003-2009年）》和《中國(guó)農(nóng)業(yè)年鑒（2003-2009年）》。為剔除價(jià)格因素的影響，分別用全國(guó)和各省份的消費(fèi)價(jià)格指數(shù)和農(nóng)業(yè)生產(chǎn)資料價(jià)格指數(shù)將小麥單位面積產(chǎn)值和物質(zhì)與服務(wù)費(fèi)用折算成以2002年為基期的不變價(jià)格。

2 參數(shù)估計(jì)與結(jié)果分析

本文使用的計(jì)量分析軟件為Stata12.1。對(duì)（4）式進(jìn)行估計(jì)時(shí)，使用Federico[19]針對(duì)隨機(jī)前沿函數(shù)處理面板數(shù)據(jù)開(kāi)發(fā)的sfpanel命令，嘗試了主要的技術(shù)效率模型，最終根據(jù)估計(jì)效果選擇了Greene[20]提出的“真實(shí)”固定效應(yīng)模型（“True” fx-effects model，TFE），然后利用predict命令對(duì)技術(shù)效率以及各影響因素對(duì)技術(shù)效率損失的非單調(diào)效應(yīng)進(jìn)行估算。

2.1 隨機(jī)前沿函數(shù)估計(jì)結(jié)果

由于隨機(jī)前沿函數(shù)中采用的是柯布道格拉斯生產(chǎn)函數(shù)，各投入要素的參數(shù)估計(jì)值可直接解釋為投入產(chǎn)出彈性。如表3所示，化肥和農(nóng)藥、種子、勞動(dòng)力、機(jī)械四類(lèi)生產(chǎn)要素的投入產(chǎn)出彈性均為正值，分別為34.91%、21.06%、14.76%、9.20%。這表明，化肥和農(nóng)藥、種子、勞動(dòng)力仍然是中國(guó)小麥生產(chǎn)最重要的三種投入要素。時(shí)間趨勢(shì)T的估計(jì)值為25.13%，說(shuō)明小麥生產(chǎn)技術(shù)進(jìn)步較為明顯。上述估計(jì)結(jié)果跟現(xiàn)實(shí)情況也基本吻合。但其他費(fèi)用的投入產(chǎn)出彈性為-1.64%，盡管其數(shù)值較小，而且統(tǒng)計(jì)上也不顯著，但負(fù)值表明小麥生產(chǎn)中的其他投入已經(jīng)相對(duì)“過(guò)?！?。

表3 隨機(jī)前沿函數(shù)估計(jì)結(jié)果Table 3 Estimated coeffcients of the SFA model

2.2 技術(shù)效率及其變化趨勢(shì)

從全國(guó)層面看，小麥生產(chǎn)技術(shù)效率總體相對(duì)較高，2002-2005年均在0.970 0以上，2005-2008年均保持在0.965 0以上，但2002-2008年間呈現(xiàn)緩慢下降的趨勢(shì)（表4）。

從區(qū)域?qū)用鎭?lái)看，無(wú)論是在東部、中部、西部、東北地區(qū)之間，還是在糧食主產(chǎn)省與非主產(chǎn)省之間，小麥生產(chǎn)技術(shù)效率都存在明顯的差異。整體來(lái)看，東部地區(qū)的小麥生產(chǎn)技術(shù)效率要高于其他地區(qū)，糧食主產(chǎn)省的小麥生產(chǎn)技術(shù)效率也高于非主產(chǎn)省。但在各個(gè)地區(qū)內(nèi)部，除了中部地區(qū)的糧食主產(chǎn)省和非主產(chǎn)省之間小麥生產(chǎn)技術(shù)效率差異明顯外，東部地區(qū)和西部地區(qū)中的糧食主產(chǎn)省和非主產(chǎn)省之間小麥生產(chǎn)技術(shù)效率差異不明顯。

從省級(jí)層面看，所觀測(cè)的19個(gè)省份的小麥生產(chǎn)技術(shù)效率及其變化趨勢(shì)差異明顯，可以分為5類(lèi)：1）新疆和江蘇2個(gè)省區(qū)的小麥生產(chǎn)技術(shù)效率均穩(wěn)定在0.990 0以上，顯著高于全國(guó)平均水平。2）天津、安徽、河南3個(gè)省市的小麥生產(chǎn)技術(shù)效率穩(wěn)定在0.970 0-0.990 0之間；北京、山東、湖北3個(gè)省市的小麥生產(chǎn)技術(shù)效率在0.960 0-0.990 0之間波動(dòng)，總體表現(xiàn)較好，但山東近年呈平緩下降趨勢(shì)。3）河北和陜西2個(gè)省份的小麥生產(chǎn)技術(shù)效率在0.940 0 -0.980 0之間波動(dòng)，但河北呈平緩下降趨勢(shì)。4）重慶、四川、黑龍江3個(gè)省市，除個(gè)別年份外，小麥生產(chǎn)技術(shù)效率在0.920 0-0.980 0之間波動(dòng)。5）內(nèi)蒙古、甘肅、寧夏、青海、山西、云南6個(gè)省區(qū)的小麥生產(chǎn)技術(shù)效率呈明顯下降趨勢(shì)。其中，內(nèi)蒙古自0.978 6持續(xù)下降到0.839 5，山西則由0.907 0快速下降到0.681 7；特別是甘肅、寧夏、青海、山西、云南5個(gè)省區(qū)的小麥生產(chǎn)技術(shù)效率一直都遠(yuǎn)低于全國(guó)平均水平。

表4 小麥生產(chǎn)技術(shù)效率Table 4 Estimated technical effciency of the SFA model

2.3 技術(shù)效率損失函數(shù)估計(jì)結(jié)果

在技術(shù)效率損失函數(shù)估計(jì)過(guò)程中，本文嘗試了第一產(chǎn)業(yè)產(chǎn)值占GDP比重、非農(nóng)收入占人均純收入比重等經(jīng)濟(jì)解釋變量，但因?yàn)榇嬖诙嘀毓簿€性而被放棄。此外，本文重點(diǎn)關(guān)注糧食收入性補(bǔ)貼的影響，因此除了基本的經(jīng)濟(jì)和自然條件影響因素外，并沒(méi)有納入農(nóng)村勞動(dòng)力教育程度等次要解釋變量。

技術(shù)效率損失函數(shù)最終的參數(shù)估計(jì)結(jié)果如表5所示，與預(yù)期基本吻合。其中，第一產(chǎn)業(yè)就業(yè)人數(shù)占總就業(yè)人數(shù)的比重的估計(jì)值為正，意味著農(nóng)業(yè)就業(yè)人數(shù)越多，小麥生產(chǎn)技術(shù)效率就越低，進(jìn)一步表明伴隨各省經(jīng)濟(jì)的快速發(fā)展，農(nóng)業(yè)勞動(dòng)力向外部轉(zhuǎn)移顯著提高了小麥生產(chǎn)技術(shù)效率。有效灌溉面積占耕地面積的比重的估計(jì)值為負(fù)，則表明以水利為主的農(nóng)業(yè)基礎(chǔ)設(shè)施仍是小麥生產(chǎn)技術(shù)效率提高的重要保障。受災(zāi)面積占農(nóng)作物播種面積的比重的估計(jì)值為正，意味著災(zāi)害一定程度上會(huì)降低小麥生產(chǎn)技術(shù)效率，盡管統(tǒng)計(jì)上不顯著。第一產(chǎn)業(yè)勞均耕地面積的估計(jì)值為正，表明擴(kuò)大農(nóng)業(yè)經(jīng)營(yíng)規(guī)模明顯有助于提高小麥生產(chǎn)技術(shù)效率。值得注意的是，第一產(chǎn)業(yè)勞均機(jī)械動(dòng)力的估計(jì)值為正，說(shuō)明農(nóng)機(jī)具購(gòu)置補(bǔ)貼雖然大大增加農(nóng)機(jī)具數(shù)量或農(nóng)機(jī)總動(dòng)力，但農(nóng)機(jī)具的使用效率還有待提高。

本文重點(diǎn)考察糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)技術(shù)效率的影響及其程度。結(jié)果顯示，每公頃小麥補(bǔ)貼收入占其總產(chǎn)值的比重（以下簡(jiǎn)稱(chēng)“補(bǔ)貼收入比重”）對(duì)技術(shù)效率損失影響為正，估計(jì)值為1.225 7，并在10%水平上顯著。這意味著，補(bǔ)貼收入比重每提高1%，使技術(shù)效率損失上升1.23%；同時(shí)也表明，糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)已經(jīng)產(chǎn)生“負(fù)向”的扭曲作用，將會(huì)導(dǎo)致小麥生產(chǎn)技術(shù)效率的明顯下降。

表5 技術(shù)效率損失函數(shù)估計(jì)結(jié)果Table 5 Estimated coeffcients of the loss of technical effciency model

2.4 補(bǔ)貼收入比重的非單調(diào)效應(yīng)

為進(jìn)一步考察伴隨各省小麥補(bǔ)貼收入強(qiáng)度的變化，糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)技術(shù)效率影響的變化趨勢(shì)，以及糧食收入性補(bǔ)貼對(duì)各個(gè)省份小麥生產(chǎn)技術(shù)效率的影響是否一致，表6整理了補(bǔ)貼收入比重對(duì)小麥生產(chǎn)技術(shù)效率損失影響的非單調(diào)效應(yīng)（即邊際效應(yīng)）。

表6 補(bǔ)貼收入比重的非單調(diào)效應(yīng)Table 6 Non-monotonic effciency effects of subsidy

2.4.1 全國(guó)層面 從全國(guó)層面看，伴隨由農(nóng)業(yè)征稅向農(nóng)民直接補(bǔ)貼的轉(zhuǎn)變，補(bǔ)貼收入比重對(duì)小麥生產(chǎn)技術(shù)效率損失影響的邊際效應(yīng)由負(fù)值轉(zhuǎn)變?yōu)檎?，其?004年以來(lái)正值持續(xù)增大，呈單調(diào)遞增趨勢(shì)。這意味著，農(nóng)業(yè)稅賦的減免切實(shí)減弱了其對(duì)小麥生產(chǎn)的負(fù)向“扭曲”，因而帶來(lái)生產(chǎn)技術(shù)效率損失的下降，即意味著小麥生產(chǎn)技術(shù)效率提高；但隨著糧食收入性補(bǔ)貼強(qiáng)度加大，補(bǔ)貼收入比重逐漸提高，對(duì)小麥生產(chǎn)的負(fù)向“扭曲”持續(xù)增強(qiáng)，導(dǎo)致全國(guó)小麥生產(chǎn)技術(shù)效率損失不斷提高，小麥生產(chǎn)技術(shù)效率不斷下降。

2.4.2 區(qū)際層面 從區(qū)域?qū)用鎭?lái)看，無(wú)論是在東部、中部、西部、東北地區(qū)之間，還是在糧食主產(chǎn)省與非主產(chǎn)省之間，特別是在糧食主產(chǎn)省與非主產(chǎn)省之間，補(bǔ)貼收入比重對(duì)其小麥生產(chǎn)技術(shù)效率損失影響的邊際效應(yīng)存在明顯差異。整體來(lái)看，除了山西外，中部地區(qū)的邊際效應(yīng)小于其他地區(qū)，糧食主產(chǎn)省的邊際效應(yīng)也小于非主產(chǎn)省。各個(gè)地區(qū)內(nèi)部，除了中部地區(qū)糧食主產(chǎn)省和非主產(chǎn)省之間的邊際效應(yīng)差異明顯外，東部地區(qū)和西部地區(qū)的糧食主產(chǎn)省和非主產(chǎn)省之間的邊際效應(yīng)差異并不明顯。

2.4.3 省級(jí)層面 從省級(jí)層面看，所觀測(cè)的19個(gè)省份的補(bǔ)貼收入比重對(duì)其小麥生產(chǎn)技術(shù)效率損失影響的邊際效應(yīng)估計(jì)值及其變化趨勢(shì)都存在較大差異（表6），可以分為5類(lèi)：1）安徽、河南、江蘇、新疆4個(gè)省區(qū)的邊際效應(yīng)均為負(fù)值，意味著這些地區(qū)的糧食收入性補(bǔ)貼有助于提高小麥生產(chǎn)技術(shù)效率；但邊際效應(yīng)的絕對(duì)值都在0.030 0以下，表明補(bǔ)貼收入比重每提高1%，僅導(dǎo)致小麥生產(chǎn)技術(shù)效率損失下降0.03%，即生產(chǎn)技術(shù)效率改善很小。其中，安徽和河南呈現(xiàn)非單調(diào)上升趨勢(shì)，且河南的邊際效應(yīng)已經(jīng)接近零，糧食收入性補(bǔ)貼對(duì)河南小麥生產(chǎn)技術(shù)效率損失的降低作用基本消失，可能轉(zhuǎn)向提高技術(shù)效率損失的階段；江蘇和新疆的邊際效應(yīng)呈現(xiàn)平緩單調(diào)下降趨勢(shì)，意味著增加糧食收入性補(bǔ)貼一定程度上有助于降低其小麥生產(chǎn)技術(shù)效率損失。2）北京、天津、陜西3個(gè)省市的邊際效應(yīng)呈倒“V型”非單調(diào)變化趨勢(shì)，但北京和天津的邊際效應(yīng)絕對(duì)值都沒(méi)有超過(guò)0.100 0，而陜西的邊際效應(yīng)絕對(duì)值基本都在0.100 0以上，只在2008年降到0.100 0以下。3）山東、河北、湖北3個(gè)省份呈單調(diào)上升趨勢(shì)。其中，山東和湖北在2004年后開(kāi)始由負(fù)值轉(zhuǎn)變?yōu)檎担撕蟊３制骄徤仙厔?shì)。且湖北的邊際效應(yīng)沒(méi)有超過(guò)0.050 0，即補(bǔ)貼收入比重每上升1%，導(dǎo)致技術(shù)效率損失上升未超過(guò)0.05%，表明糧食收入性補(bǔ)貼對(duì)湖北小麥生產(chǎn)的負(fù)向“扭曲”不大，引起小麥生產(chǎn)技術(shù)效率下降也有限。4）重慶、四川、黑龍江3個(gè)省市的邊際效應(yīng)均為正值，總體呈“W型”頻繁波動(dòng)，其中2006年或2007年以后明顯下降。5）甘肅、內(nèi)蒙古、寧夏、青海、山西、云南6個(gè)省區(qū)的邊際效應(yīng)均大于零，且都超過(guò)了1.000 0，其中甘肅、寧夏、山西、云南4省區(qū)的邊際效應(yīng)更是超過(guò)1.200 0；內(nèi)蒙古則由負(fù)值持續(xù)攀升到1.000 0以上。這意味著，上述6個(gè)省區(qū)的糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)的負(fù)向“扭曲”作用明顯，導(dǎo)致了較大的小麥生產(chǎn)技術(shù)效率損失。

2.5 導(dǎo)致非單調(diào)效應(yīng)差異的原因

從中央到省級(jí)的補(bǔ)貼政策文件看，中國(guó)糧食收入性補(bǔ)貼不能簡(jiǎn)單地歸結(jié)為“脫鉤”補(bǔ)貼或者“掛鉤”補(bǔ)貼，不同糧食補(bǔ)貼項(xiàng)目其補(bǔ)貼方式不一樣，不同省份其補(bǔ)貼方式也不一樣。一部分省份按照實(shí)際種植面積補(bǔ)貼（即“掛鉤”補(bǔ)貼，如江蘇和山東等省的糧食直補(bǔ)和農(nóng)資綜合補(bǔ)貼），一部分省份則參照計(jì)稅面積補(bǔ)貼（即“脫鉤”補(bǔ)貼，如河南和黑龍江等省的糧食直補(bǔ)和農(nóng)資綜合補(bǔ)貼），還有一部分省份采取計(jì)稅面積和實(shí)際種植面積相結(jié)合的補(bǔ)貼方式（即“混合”補(bǔ)貼，如安徽省糧食直補(bǔ)按照計(jì)稅面積補(bǔ)貼、農(nóng)資綜合補(bǔ)貼按照實(shí)際種植面積補(bǔ)貼）；對(duì)良種補(bǔ)貼，大部分省份采取直接發(fā)放現(xiàn)金的補(bǔ)貼方式，有按照計(jì)稅面積補(bǔ)貼的，也有按照種植面積補(bǔ)貼的；而河南和安徽對(duì)小麥則采取“差價(jià)供種”的方式進(jìn)行補(bǔ)貼（兩省對(duì)其他作物則采取發(fā)放現(xiàn)金的補(bǔ)貼方式）。錯(cuò)綜復(fù)雜的政策設(shè)計(jì)，不僅對(duì)農(nóng)戶(hù)，即便是研究人員也可能無(wú)法有效辨識(shí)各項(xiàng)補(bǔ)貼的標(biāo)準(zhǔn)和方式，其政策效果也更加難以判斷。

但模擬分析結(jié)果顯示，補(bǔ)貼收入比重對(duì)其小麥生產(chǎn)技術(shù)效率損失影響的邊際效應(yīng)，不僅在糧食主產(chǎn)省與非主產(chǎn)省之間存在明顯的差異，即使在糧食主產(chǎn)省之間也存在明顯的差異。原因或在于，收入性補(bǔ)貼的政策效應(yīng)不僅可能跟收入性補(bǔ)貼自身的水平和實(shí)施方式有關(guān)，更有可能與小麥最低收購(gòu)價(jià)政策與臨時(shí)收儲(chǔ)政策有關(guān)，是這3項(xiàng)主要政策產(chǎn)生的綜合結(jié)果。其中，江蘇、山東、河北、安徽、河南、湖北6省自2005年開(kāi)始實(shí)施小麥最低收購(gòu)價(jià)政策，并連續(xù)大規(guī)模啟動(dòng)最低收購(gòu)價(jià)收購(gòu)。小麥最低收購(gòu)價(jià)政策的托底，使上述6省的小麥種植者有較為穩(wěn)定的收益預(yù)期，激勵(lì)農(nóng)戶(hù)將收入性補(bǔ)貼投入到小麥生產(chǎn)中，收入性補(bǔ)貼表現(xiàn)為正的收入效應(yīng)，對(duì)小麥生產(chǎn)產(chǎn)生正向的扭曲作用，導(dǎo)致負(fù)的邊際效應(yīng)，從而提高小麥生產(chǎn)的技術(shù)效率。但隨著補(bǔ)貼收入比重的增加，收入性補(bǔ)貼表現(xiàn)為負(fù)的收入效應(yīng)，對(duì)小麥生產(chǎn)的扭曲可能轉(zhuǎn)向負(fù)向，導(dǎo)致正的邊際效應(yīng)，最終降低小麥生產(chǎn)的技術(shù)效率。與之相比較，其他省市，尤其是中部和西部地區(qū)的甘肅、內(nèi)蒙古、寧夏、青海、山西、云南6省區(qū)，缺乏最低收購(gòu)價(jià)等政策的支撐，小麥種植收益仍依仗市場(chǎng)，而收入性補(bǔ)貼實(shí)際上在很大程度上是“脫鉤”的，這將激勵(lì)收入水平較低的農(nóng)戶(hù)將收入性補(bǔ)貼轉(zhuǎn)移到其他預(yù)期收益較高的農(nóng)作物生產(chǎn)上，甚至轉(zhuǎn)移到生活消費(fèi)上，從而對(duì)小麥生產(chǎn)產(chǎn)生負(fù)向扭曲作用，導(dǎo)致較高的正邊際效應(yīng)，最終顯著降低小麥生產(chǎn)的技術(shù)效率。

3 結(jié)論與政策含義

3.1 結(jié)論

本文運(yùn)用“一步法”同時(shí)對(duì)隨機(jī)前沿函數(shù)和技術(shù)效率損失函數(shù)進(jìn)行估計(jì)，測(cè)度了2002-2008年全國(guó)及19個(gè)省份的小麥生產(chǎn)技術(shù)效率及其變化，分析了糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)技術(shù)效率的影響，還特別計(jì)算了糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)技術(shù)效率影響的非單調(diào)效應(yīng)（即邊際效應(yīng)）。通過(guò)“真實(shí)”固定效應(yīng)模型估計(jì)，得到的投入產(chǎn)出彈性和技術(shù)效率跟預(yù)期以及實(shí)際情況基本吻合，保證了結(jié)果的可信度。實(shí)證結(jié)果表明：1）從全國(guó)層面看，小麥生產(chǎn)技術(shù)效率總體相對(duì)較高，但2002-2008年期間呈現(xiàn)緩慢下降趨勢(shì)；從區(qū)域?qū)用鎭?lái)看，無(wú)論是在東部、中部、西部和東北地區(qū)之間，還是在主產(chǎn)省與非主產(chǎn)省之間，小麥生產(chǎn)技術(shù)效率都存在明顯的差異。2）全國(guó)每公頃小麥補(bǔ)貼收入占其總產(chǎn)值的比重每提高1%，技術(shù)效率損失將上升1.23%，即糧食收入性補(bǔ)貼對(duì)小麥生產(chǎn)已產(chǎn)生負(fù)向的“扭曲”作用，導(dǎo)致全國(guó)小麥生產(chǎn)技術(shù)效率明顯降低；而且，隨著糧食收入性補(bǔ)貼強(qiáng)度加大，技術(shù)效率損失將會(huì)加劇，進(jìn)一步降低全國(guó)小麥生產(chǎn)技術(shù)效率。3）在所觀測(cè)的19個(gè)省份中，只有安徽、河南、江蘇、新疆4個(gè)省份的糧食收入性補(bǔ)貼有助于提高小麥生產(chǎn)技術(shù)效率，其中只有江蘇和新疆技術(shù)效率損失呈平緩單調(diào)下降趨勢(shì)；其他15個(gè)省份的糧食收入性補(bǔ)貼都導(dǎo)致了小麥生產(chǎn)技術(shù)效率的不同程度降低，其中11個(gè)省份技術(shù)效率損失呈明顯增強(qiáng)趨勢(shì)。4）糧食收入性補(bǔ)貼對(duì)于小麥生產(chǎn)技術(shù)效率的影響不僅可能跟收入性補(bǔ)貼自身強(qiáng)度和實(shí)施方式有關(guān)，更有可能與最低收購(gòu)價(jià)政策有關(guān)，是若干政策綜合作用的結(jié)果。

3.2 政策含義

本文分析結(jié)果顯示，至少對(duì)小麥而言，補(bǔ)貼收入強(qiáng)度對(duì)其生產(chǎn)技術(shù)效率產(chǎn)生了“負(fù)向”影響，初步表明收入性補(bǔ)貼已經(jīng)不同程度扭曲了小麥生產(chǎn)，降低了小麥生產(chǎn)技術(shù)效率。優(yōu)化要素組合，提高全要素生產(chǎn)率是當(dāng)今農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革的基本要求。這可能意味著應(yīng)及時(shí)改革這種扭曲小麥生產(chǎn)、降低小麥生產(chǎn)技術(shù)效率的政策措施。對(duì)糧食直補(bǔ)、農(nóng)資綜合補(bǔ)貼、良種補(bǔ)貼等收入性補(bǔ)貼的整合（即“三項(xiàng)補(bǔ)貼改革”）具有重大的現(xiàn)實(shí)意義，逐步采取統(tǒng)一的補(bǔ)貼標(biāo)準(zhǔn)和補(bǔ)貼方式、切實(shí)簡(jiǎn)化補(bǔ)貼的操作程序、向扭曲程度更小的“綠箱”補(bǔ)貼轉(zhuǎn)型，總體上既符合中國(guó)提高農(nóng)業(yè)全要素生產(chǎn)率的“供給側(cè)改革”方向，也符合WTO所倡導(dǎo)的農(nóng)業(yè)政策改革方向，同時(shí)還為今后實(shí)施指向性更明確、有效性更強(qiáng)的“黃箱”補(bǔ)貼騰出政策空間，為中國(guó)健全和完善農(nóng)業(yè)支持保護(hù)制度提供更大的戰(zhàn)略主動(dòng)權(quán)和回旋余地。

[1] 黃季焜, 王曉兵, 智華勇, 等. 糧食直補(bǔ)和農(nóng)資綜合補(bǔ)貼對(duì)農(nóng)業(yè)生產(chǎn)的影響[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2011(1): 4-12.

Huang J K, Wang X B, Zhi H Y, et al. Direct subsidies and agricultural input subsidies impact on agricultural production[J]. Journal of Agrotechnical Economics, 2011(1): 4-12.

[2] 農(nóng)業(yè)部產(chǎn)業(yè)政策與法規(guī)司. 中國(guó)農(nóng)業(yè)政策的階段變化、基本特征與發(fā)展趨勢(shì)[J]. 農(nóng)村經(jīng)濟(jì)文稿, 2009(8): 15-25.

Industry Policy and Law Department, Ministry of Agriculture. Phase changes, basic characteristics and development trend of China’s agricultural policy[J]. Rural Economy Manuscripts, 2009(8): 15-25.

[3] 謝旭人. 中國(guó)農(nóng)村稅費(fèi)改革[M]. 北京: 中國(guó)財(cái)政經(jīng)濟(jì)出版社, 2008.

Xie X R. Rural Reform of Tax and Fee in China[M]. Beijing: China Financial & Economic Publishing House, 2008.

[4] 劉克春. 糧食生產(chǎn)補(bǔ)貼政策對(duì)農(nóng)戶(hù)糧食種植決策行為的影響與作用機(jī)理分析——以江西省為例[J]. 中國(guó)農(nóng)村經(jīng)濟(jì), 2010(2): 12-21.

Liu K C. Food production subsidies impact on farmers decisionmaking behavior and its mechanism: Taking Jiangxi Province as an example[J]. Chinese Rural Economy, 2010(2): 12-21.

[5] 呂悅風(fēng), 陳會(huì)廣. 農(nóng)業(yè)補(bǔ)貼政策及其對(duì)土地流轉(zhuǎn)的影響研究[J].農(nóng)業(yè)現(xiàn)代化研究, 2015, 37(3): 362-367.

Lü Y F, Chen H G. Study on the agricultural subsidy policies and their impacts on the circulation of agricultural land[J]. Research of Agricultural Modernization, 2015, 37(3): 362-367.

[6] 陳慧萍, 武拉平, 王玉斌. 補(bǔ)貼政策對(duì)我國(guó)糧食生產(chǎn)的影響——基于2004-2007年分省數(shù)據(jù)的實(shí)證分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2010(4): 100-106.

Chen H P, Wu L P, Wang Y B. Subsidy policy impact on China’s grain production: Empirical analysis on the provincial data from 2004 to 2007[J]. Journal of Agrotechnical Economics, 2010(4): 100-106.

[7] Lei M. Can grain subsidies impede rural-urban migration in hinterland China? Evidence from field surveys[J]. China Economic Review, 2012, 23(3): 729-741.

[8] 張照新, 陳金強(qiáng). 我國(guó)糧食補(bǔ)貼政策的框架、問(wèn)題及政策建議[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題, 2007(7): 11-16.

Zhang Z X, Chen J Q. China’s grain subsidies policy: Framework, problems and suggestions[J]. Issues in Agricultural Economy, 2007(7): 11-16.

[9] 鐘春平, 陳三攀, 徐長(zhǎng)生. 結(jié)構(gòu)變遷、要素相對(duì)價(jià)格及農(nóng)戶(hù)行為: 農(nóng)業(yè)補(bǔ)貼的理論模型與微觀經(jīng)驗(yàn)證據(jù)[J]. 金融研究, 2013(5): 167-180.

Zhong C P, Chen S P, Xu C S. Structure change, relative prices on input and farmers’ behavior: Theoretical model and micro empirical evidence of agricultural subsidies[J]. Journal of Financial Research, 2013(5): 167-180.

[10] Baffes J, Meerman J. From Prices to Incomes: Agricultural Subsidization without Protection?[R] World Bank Policy Research Working Paper, No.1776, 1997.

[11] Bokusheva R, Hockmann H. Production risk and technical inefficiency in Russian agriculture[J]. European Review of Agricultural Economics, 2006, 33(1): 93-118.

[12] Zhu X Q, Lansink A O. Impact of CAP subsidies on technical efficiency of crop farms in Germany, the Netherlands and Sweden[J]. Journal of Agricultural Economics, 2010, 61(3): 545-564.

[13] Bhaskar A, Beghin J. How coupled are decoupled farm payments? A review of the evidence[J]. Journal of Agricultural and Resource Economics, 2009, 34(1): 130-153.

[14] 張宇青, 周應(yīng)恒. 中國(guó)糧食補(bǔ)貼政策效率評(píng)價(jià)與影響因素分析——基于2004-2012年主產(chǎn)區(qū)的省際面板數(shù)據(jù)[J]. 財(cái)貿(mào)研究, 2015(6): 30-38.

Zhang Y Q, Zhou Y H. China’s grain subsidies policy effciency evaluation and influence factors analysis—Based on 2004-2012 provincial panel data[J]. Finance and Trade Research, 2015(6): 30-38.

[15] 朱滿德, 李辛一, 程國(guó)強(qiáng). 綜合性收入補(bǔ)貼對(duì)中國(guó)玉米全要素生產(chǎn)率的影響分析——基于省級(jí)面板數(shù)據(jù)的DEA-Tobit兩階段法[J]. 中國(guó)農(nóng)村經(jīng)濟(jì), 2015(11): 4-14.

Zhu M D, Li X Y, Cheng G Q. An analysis of the impacts of comprehensive income subsidies to total factor productivity in maize production of China: DEA-Tobit two-stage approach with provincial panel data during 2004-2008[J]. Chinese Rural Economy, 2015(11): 4-14.

[16] Kumbhakar S, Lovell K. Stochastic Frontier Analysis[M]. London: Cambridge University Press, 2000.

[17] Wang H, Schmidt P. One-step and two-step estimation of the effects of exogenous variables on technical efficiency levels[J]. Journal of Productivity Analysis, 2002, 18(2): 129-144.

[18] Kumbhakar A, Ghosh S, McGuckin J. A generalized production frontier approach for estimating determinants of inefficiency in U.S. dairy farms[J]. Journal of Business & Economic Statistics, 1991, 9(3): 279-286.

[19] Federico B. Stochastic frontier analysis using Stata[J]. The Stata Journal, 2012, 5(2): 1-39.

[20] Greene W. Fixed and random effects in stochastic frontier models[J]. Journal of Productivity Analysis, 2005, 23(1): 7-32.

（責(zé)任編輯：王育花）

Does the income subsidy improve technical efficiency of wheat production in China? An empirical study by a stochastic frontier analysis model with non-monotonic efficiency effects

JIANG Dong-po1a,1b, ZHU Man-de1a,1b, WU Guo-yong1a
（1. Guizhou University, a. China Center for Western Development Capacity Research, b. College of Economics, Guizhou, Guiyang 550025, China）

Applying a stochastic frontier model with non-monotonic efficiency effects, this paper analyzed the impacts of grain specific income subsidy on technical efficiency of wheat production during the period from 2002 to 2008 in China. Results show that: 1) average technical efficiency of wheat production is high in China, but significant differences exist among provinces and regions; 2) from a national level, grain specific income subsidies lead to a decrease in technical efficiency of wheat, with the marginal effect increasing as subsides rising; and 3) among 19 provinces, positive effects of income subsidies exist only in four provinces and negative effects exist in other 15 provinces to different extent. These two different effects are combined results of three major grain policies, including income subsidy, minimum purchase price, and contingent storage. For the future of grain production, the Government should transform income subsidies targeted on grain production into “Green Box Policies” according to WTO rules.

grain income subsidy; technical efficiency; stochastic frontier model; loss of technical efficiency; wheat

ZHU Man-de, E-mail: mdzhu@gzu.edu.cn.

F304.7

A

1000-0275（2017）01-0015-08

10.13872/j.1000-0275.2016.0137

江東坡, 朱滿德, 伍國(guó)勇. 收入性補(bǔ)貼提高了中國(guó)小麥生產(chǎn)技術(shù)效率嗎——基于隨機(jī)前沿函數(shù)和技術(shù)效率損失函數(shù)的實(shí)證[J]. 農(nóng)業(yè)現(xiàn)代化研究, 2017, 38(1): 15-22.

Jiang D P, Zhu M D, Wu G Y. Does the income subsidy improve technical effciency of wheat production in China? An empirical study by a stochastic frontier analysis model with non-monotonic effciency effects[J]. Research of Agricultural Modernization, 2017, 38(1): 15-22.

國(guó)家自然科學(xué)基金項(xiàng)目（71273069，71473052）；國(guó)務(wù)院發(fā)展研究中心2016年委托課題。

江東坡(1975-)，男，貴州都勻人，博士，副教授，主要從事農(nóng)業(yè)經(jīng)濟(jì)理論與政策研究，E-mail：dpjiang@gzu.edu.cn；通訊作者：朱滿德(1983-)，男，安徽廬江人，博士，教授，主要從事農(nóng)業(yè)經(jīng)濟(jì)理論與政策、糧食經(jīng)濟(jì)研究，E-mail：mdzhu@gzu.edu.cn。

2016-07-05，接受日期：2016-10-11

Foundation item: National Natural Science Foundation of China (71273069, 71473052); Project of Development Research Center of the State Council.

Received 5 July, 2016;Accepted 11 October, 2016