沈惟強(qiáng),徐相澤 (韓國(guó)忠北大學(xué)農(nóng)業(yè)生命環(huán)境學(xué)院,韓國(guó)清州 361763)

農(nóng)業(yè)作為國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè),對(duì)保障國(guó)家糧食安全具有重要的作用。 但是由于農(nóng)業(yè)的弱質(zhì)屬性,農(nóng)作物生長(zhǎng)周期長(zhǎng),受到自然災(zāi)害因素影響大,導(dǎo)致農(nóng)作物的生產(chǎn)產(chǎn)量不穩(wěn)定,農(nóng)民的收入也不穩(wěn)定。 對(duì)此國(guó)家為促進(jìn)農(nóng)業(yè)發(fā)展和穩(wěn)定農(nóng)民收入,自2004年起開(kāi)始提出農(nóng)業(yè)政策性保險(xiǎn)方案,自2007年開(kāi)始對(duì)農(nóng)業(yè)保險(xiǎn)費(fèi)實(shí)施中央財(cái)政補(bǔ)貼制度。農(nóng)業(yè)保險(xiǎn)費(fèi)收入從2007年的53.3億元增加到2019年的672.5億元,農(nóng)業(yè)保險(xiǎn)賠償金也從2007年的32.8億元增加到2019年的527.87億元。10多年來(lái),農(nóng)業(yè)保險(xiǎn)補(bǔ)助已從原來(lái)的種植業(yè),擴(kuò)大到現(xiàn)在的種植業(yè)、養(yǎng)殖業(yè)、林業(yè)3類(lèi)17個(gè)品種,基本上涉及經(jīng)濟(jì)民生、糧食安全、生態(tài)保護(hù)的主要農(nóng)作物,2019年中央財(cái)政支出農(nóng)業(yè)保險(xiǎn)費(fèi)補(bǔ)貼資金為242.48億元,是2007年保費(fèi)補(bǔ)貼的10倍以上,農(nóng)業(yè)保險(xiǎn)費(fèi)收入和保險(xiǎn)費(fèi)補(bǔ)助資金在快速增長(zhǎng)。事實(shí)上,盡管農(nóng)業(yè)保險(xiǎn)的數(shù)量和質(zhì)量都在不斷增長(zhǎng),但目前卻未能充分評(píng)估對(duì)農(nóng)業(yè)保險(xiǎn)在農(nóng)業(yè)生產(chǎn)效率和農(nóng)業(yè)產(chǎn)業(yè)層面所作出的貢獻(xiàn)。該研究的主要目的是評(píng)估農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)效率的影響。以往的研究多基于農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)民收入穩(wěn)定及增長(zhǎng)效果分析,而基于農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)效率性影響的研究比較少,因此,分析農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)效率的影響不僅有助于評(píng)估農(nóng)業(yè)保險(xiǎn)運(yùn)行效果,也有助于為政策執(zhí)行者在宏觀決策層面上提供農(nóng)業(yè)保險(xiǎn)對(duì)生產(chǎn)效率影響的參考,更好地推進(jìn)農(nóng)業(yè)高效發(fā)展。

1 文獻(xiàn)綜述

農(nóng)民在參加農(nóng)業(yè)保險(xiǎn)后對(duì)農(nóng)業(yè)生產(chǎn)效率的影響主要從兩方面來(lái)考慮。 第一,從積極的方面來(lái)看,因農(nóng)業(yè)保險(xiǎn)能夠提供資金和風(fēng)險(xiǎn)保障,所以能夠增加農(nóng)作物的產(chǎn)量。 第二,從消極的方面來(lái)看,農(nóng)民在投保時(shí)產(chǎn)生的道德風(fēng)險(xiǎn)將會(huì)導(dǎo)致農(nóng)業(yè)產(chǎn)出水平下降,在這種情況下農(nóng)業(yè)保險(xiǎn)費(fèi)補(bǔ)助在鼓勵(lì)農(nóng)戶(hù)加入保險(xiǎn)的同時(shí),也會(huì)提高其道德風(fēng)險(xiǎn)的可能性。

農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)效率的影響,主要是通過(guò)農(nóng)民在加入農(nóng)業(yè)保險(xiǎn)后因投入要素的量發(fā)生了變化進(jìn)而導(dǎo)致產(chǎn)出量的變化。早期大部分學(xué)者都認(rèn)為農(nóng)民在加入農(nóng)業(yè)保險(xiǎn)后投入要素的量發(fā)生了變化,但是對(duì)于農(nóng)民在加入農(nóng)業(yè)保險(xiǎn)后是增加還是減少生產(chǎn)要素投入,學(xué)者們還沒(méi)有得出統(tǒng)一的結(jié)論。以國(guó)外農(nóng)業(yè)保險(xiǎn)研究者為例,部分研究者證實(shí)了農(nóng)業(yè)保險(xiǎn)可以使農(nóng)民減少農(nóng)藥、化肥等生產(chǎn)要素投入量的主張,Goodwin等分析了美國(guó)中西部農(nóng)民在農(nóng)業(yè)生產(chǎn)時(shí)生產(chǎn)要素投入量變化,結(jié)果顯示,未加入農(nóng)業(yè)保險(xiǎn)的農(nóng)民相比加入的農(nóng)民將會(huì)減少化肥和農(nóng)藥的使用量。但是與此相反,其他研究者也提出了農(nóng)業(yè)保險(xiǎn)會(huì)鼓勵(lì)農(nóng)民增加農(nóng)藥、肥料等生產(chǎn)要素投入量的主張。Horowitz等分析了農(nóng)業(yè)保險(xiǎn)是如何影響美國(guó)中西部玉米種植農(nóng)民的農(nóng)藥和化肥使用情況,結(jié)果發(fā)現(xiàn)加入農(nóng)業(yè)保險(xiǎn)的農(nóng)民與未加入農(nóng)業(yè)保險(xiǎn)的農(nóng)民相比,更愿意從事危險(xiǎn)的生產(chǎn),并且會(huì)增加農(nóng)藥和化肥的使用量。 國(guó)外這些早期研究表明,因農(nóng)民在加入農(nóng)業(yè)保險(xiǎn)后生產(chǎn)要素的投入量將會(huì)發(fā)生變化,對(duì)農(nóng)業(yè)生產(chǎn)的效率產(chǎn)生重要的影響。國(guó)內(nèi)研究領(lǐng)域方面,張躍華等研究認(rèn)為由于農(nóng)業(yè)保險(xiǎn)具有分散風(fēng)險(xiǎn)的作用,進(jìn)而使投保的農(nóng)民愿意使用比未投保的農(nóng)民相比更高效率、風(fēng)險(xiǎn)更高的生產(chǎn)技術(shù),從而提高了農(nóng)業(yè)生產(chǎn)量。王向楠分析了農(nóng)業(yè)貸款和農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)的影響,認(rèn)為農(nóng)業(yè)貸款及農(nóng)業(yè)保險(xiǎn)的發(fā)展促進(jìn)了中國(guó)農(nóng)業(yè)生產(chǎn)的增長(zhǎng),特別是在農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)更大的地區(qū)這種效果更加顯著。李亞琦等選取了農(nóng)業(yè)保險(xiǎn)費(fèi)、農(nóng)業(yè)保險(xiǎn)賠償金、農(nóng)業(yè)產(chǎn)出的時(shí)序列數(shù)據(jù)進(jìn)行了協(xié)整檢驗(yàn),結(jié)果顯示,農(nóng)業(yè)保險(xiǎn)費(fèi)與農(nóng)業(yè)產(chǎn)出、農(nóng)業(yè)保險(xiǎn)賠償金與農(nóng)業(yè)產(chǎn)出有著長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系,雖然農(nóng)業(yè)保險(xiǎn)費(fèi)和農(nóng)業(yè)保險(xiǎn)賠償金對(duì)農(nóng)業(yè)生產(chǎn)的影響微乎其微,但農(nóng)業(yè)保險(xiǎn)賠償金的影響略大。李曉濤等通過(guò)構(gòu)建“適應(yīng)性預(yù)期-局部調(diào)整”模型進(jìn)行實(shí)證分析,發(fā)現(xiàn)農(nóng)業(yè)保險(xiǎn)對(duì)糧食單位面積產(chǎn)量和總產(chǎn)量都產(chǎn)生顯著積極影響,但主要是影響單位糧食產(chǎn)量, 其中農(nóng)業(yè)保險(xiǎn)對(duì)災(zāi)害風(fēng)險(xiǎn)較高的非糧食主產(chǎn)區(qū)的糧食產(chǎn)量有顯著影響,對(duì)糧食主產(chǎn)區(qū)的糧食產(chǎn)量沒(méi)有顯著影響。

上述文獻(xiàn)研究表明,農(nóng)戶(hù)購(gòu)買(mǎi)農(nóng)業(yè)保險(xiǎn)后通過(guò)生產(chǎn)要素投入量的變化,進(jìn)而導(dǎo)致了農(nóng)業(yè)生產(chǎn)產(chǎn)出量的變化。 特別是我國(guó)研究者大部分都以農(nóng)民在加入農(nóng)業(yè)保險(xiǎn)后通過(guò)災(zāi)害保險(xiǎn)賠償金和風(fēng)險(xiǎn)保障增加產(chǎn)出為理論基礎(chǔ),分析了農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)的促進(jìn)作用。

在DEA(包絡(luò)資料分析)效率性的原因分析中,Lovell等開(kāi)始提出應(yīng)利用Tobit回歸分析法的主張,此后,Tobit回歸分析法在DEA中被廣泛運(yùn)用并為標(biāo)準(zhǔn)分析方法之一。與此相反,Hoff等主張效率性分析的值并不是結(jié)構(gòu)性限制的資料,用常規(guī)的最小二乘法就足夠或能得到準(zhǔn)確的結(jié)果。Mundlak就固定效應(yīng)模型或隨機(jī)效應(yīng)模型的選擇時(shí)認(rèn)為,通常應(yīng)該隨機(jī)看待個(gè)體效應(yīng),特別是截面數(shù)量很大的面板數(shù)據(jù)用固定效應(yīng)模型會(huì)浪費(fèi)很多自由度,用隨機(jī)效應(yīng)模型將更合適。 Lee等研究認(rèn)為如果時(shí)間序列很長(zhǎng)、個(gè)體數(shù)量少,固定效應(yīng)模型的分析結(jié)果和隨機(jī)效應(yīng)模型的分析結(jié)果之間不會(huì)有太大差異,因此即使使用相對(duì)簡(jiǎn)便的固定效應(yīng)模型也沒(méi)有問(wèn)題。 但是如果時(shí)間序列短、個(gè)體數(shù)多的情況,使用固定效應(yīng)模型會(huì)利用大量虛擬變量,將導(dǎo)致推測(cè)的效率下降, 所以一般應(yīng)選擇隨機(jī)效應(yīng)模型。 在固定效應(yīng)模型與隨機(jī)效應(yīng)模型之間進(jìn)行選擇的問(wèn)題上,Hausman提出了Hausman鑒定法,在Hausman鑒定中對(duì)推定的參數(shù)的差異進(jìn)行檢驗(yàn),觀察固定效應(yīng)模型和隨機(jī)效應(yīng)模型的推定值是否有意義。此時(shí),“歸無(wú)假說(shuō)”假設(shè)隨機(jī)效應(yīng)模型得到滿(mǎn)足,就會(huì)提供與固定效應(yīng)模型相同的參數(shù)推定值,因此,如果“歸無(wú)假說(shuō)”不能被拒絕,則選擇隨機(jī)效應(yīng)模型；如果“歸無(wú)假說(shuō)”被拒絕,則選擇固定效應(yīng)模型。

2 研究方法和研究步驟

DEA是基于線性規(guī)劃法的測(cè)定,利用多數(shù)投入物和多數(shù)產(chǎn)出物決策單元(decision making unit,DMU)間的相對(duì)效率的評(píng)價(jià)方法。 Charnes等提出的CCR模型是假設(shè)所有評(píng)估對(duì)象在最佳規(guī)模下運(yùn)營(yíng)的規(guī)模收益不變的情況下解決線性計(jì)劃問(wèn)題。 把決策單元稱(chēng)為 DMU,投入要素向量為,產(chǎn)出向量為時(shí),第個(gè)DMU的效率性*是通過(guò)投入要素和生產(chǎn)要素的結(jié)合而得到的最小。下式是以投入基準(zhǔn)的CCR模型。

*=Min

式中,表示效率性尺度,和表示投入要素和產(chǎn)出要素的冗余部分(slack)。 效率值的取值范圍在0～1,如果效率值為1并且所有要素的冗余部分(slack)為0,則處于沒(méi)有改善空間的強(qiáng)有效狀態(tài);如果效率值為1但投入或產(chǎn)出有冗余部分,則處于弱有效狀態(tài);如果效率值不是1,與投入產(chǎn)出要素的冗余無(wú)關(guān),都處于非有效狀態(tài)。

為檢驗(yàn)混合效應(yīng)模型與固定效應(yīng)模型的差異,與地區(qū)效應(yīng)()相關(guān)的歸無(wú)假說(shuō)如下,利用檢驗(yàn)進(jìn)行驗(yàn)證。如果“歸無(wú)假說(shuō)”被拒絕,則說(shuō)明存在著固定效應(yīng)。

:==…

在混合效應(yīng)模型和隨機(jī)效應(yīng)模型之間的檢驗(yàn)歸無(wú)假設(shè)和對(duì)立假設(shè)如下,將利用LM檢驗(yàn)進(jìn)行驗(yàn)證。 如果“歸無(wú)假設(shè)”被拒絕,則說(shuō)明存在著隨機(jī)效應(yīng)。

另外,為了在固定效應(yīng)模型和隨機(jī)效應(yīng)模型中找到合適的模型,將利用Hausman檢驗(yàn)法, Hausman是對(duì)同一參數(shù)2個(gè)估計(jì)量差異的顯著性檢驗(yàn)。

假設(shè)和分別是固定效應(yīng)模型的OLS推測(cè)和隨機(jī)效應(yīng)模型的GLS推測(cè),則存在以下關(guān)系式：

Hausman的檢驗(yàn)基于以下Wald統(tǒng)計(jì)量:

在這里ф將使用固定效應(yīng)和隨機(jī)效應(yīng)模型的協(xié)方差矩陣進(jìn)行計(jì)算,如果“歸無(wú)假設(shè)”被拒絕,將表明地區(qū)效應(yīng)和因變量有關(guān)。

概率效應(yīng)模型是假定隨機(jī)地賦予每個(gè)觀測(cè)地區(qū)的唯一屬性,基于前面關(guān)于影響農(nóng)業(yè)生產(chǎn)效率性的變量分析,該研究構(gòu)建的農(nóng)業(yè)生產(chǎn)效率性影響因素模型如下:

Agr prod=++Insurance+mechanical+Labor+

式中,Agr prod表示的是農(nóng)業(yè)生產(chǎn)效率性,Insurance、 mechanical、Labor分別表示為農(nóng)業(yè)保險(xiǎn)賠償金、農(nóng)業(yè)機(jī)械總動(dòng)力和農(nóng)林牧副漁從業(yè)人口；代表第省份,代表第年度,代表截矩，代表地區(qū)效應(yīng),代表殘差項(xiàng)。

在面板數(shù)據(jù)分析中,因?yàn)橐蜃兞可a(chǎn)效率性是限制在0～1范圍內(nèi)的值,同時(shí)也將使用以下Tobit隨機(jī)效應(yīng)模型進(jìn)行分析。

首先利用DEA測(cè)定出各年度、各地區(qū)農(nóng)業(yè)生產(chǎn)效率性的面板數(shù)據(jù),再根據(jù)上述文獻(xiàn)研究,利用面板分析方法找出適合本論文的面板研究方法。 在混合效應(yīng)模型和固定效應(yīng)模型的選擇上,將使用檢驗(yàn)來(lái)找出合適的模型。 在混合效應(yīng)分析和隨機(jī)效應(yīng)模型的選擇上,將利用LM-檢驗(yàn)找出合適的模型。 另外,為了在固定效應(yīng)模型和隨機(jī)效應(yīng)模型中找到合適的模型,將使用Hausman檢驗(yàn)法。 最后,將對(duì)一般面板回歸模型和隨機(jī)Tobit面板模型的分析結(jié)果進(jìn)行比較,分析他們之間的差異。

3 變量選取和描述性統(tǒng)計(jì)

投入變量的設(shè)定是以生產(chǎn)理論為基礎(chǔ),即根據(jù)生產(chǎn)的三要素土地、勞動(dòng)、資本,分別將農(nóng)作物總播種面積、農(nóng)林牧漁業(yè)從業(yè)人員、農(nóng)業(yè)機(jī)械總動(dòng)力設(shè)定為投入變量。

產(chǎn)出變量因不同作物的產(chǎn)量不同無(wú)法進(jìn)行直接比較,所以選擇為農(nóng)林牧漁業(yè)總產(chǎn)值。

DEA分析中使用的軟件是DEAP。

該研究數(shù)據(jù)來(lái)源于2007—2019年《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)保險(xiǎn)年鑒》中的31個(gè)省(市、自治區(qū))的資料。其中農(nóng)林牧漁業(yè)從業(yè)人員來(lái)自省(市、自治區(qū))統(tǒng)計(jì)年鑒,個(gè)別數(shù)據(jù)缺失的情況從統(tǒng)計(jì)學(xué)角度進(jìn)行了推定,各變量的描述統(tǒng)計(jì)量見(jiàn)表1。

2007—2018年,全國(guó)農(nóng)業(yè)保險(xiǎn)費(fèi)收入和農(nóng)業(yè)保險(xiǎn)賠償金支出見(jiàn)表2。由表2估算近10多年中國(guó)農(nóng)業(yè)保險(xiǎn)的賠付率大體在65%左右。

表1 各變量描述統(tǒng)計(jì)(N=372)Table 1 Descriptive statistics of each variable

表2 2007—2018年中國(guó)農(nóng)業(yè)保險(xiǎn)費(fèi)收入和農(nóng)業(yè)保險(xiǎn)賠償金支出Table 2 China’s agricultural insurance premium income and agricultural insurance compensation expenditure from 2007 to 2018

4 實(shí)證研究與結(jié)果分析

表3結(jié)果顯示,全國(guó)農(nóng)業(yè)平均生產(chǎn)效從2008年的52.9%增加到2019年的61.3%。 標(biāo)準(zhǔn)偏差也從2008年的0.236減少到2019年的0.223。由此可知2008—2019年全國(guó)農(nóng)業(yè)平均生產(chǎn)效率呈增加趨勢(shì),農(nóng)業(yè)平均生產(chǎn)效率標(biāo)準(zhǔn)偏差呈減少趨勢(shì)。 這也就意味著隨著時(shí)間的推移,從政策性農(nóng)業(yè)保險(xiǎn)實(shí)施到現(xiàn)在,中國(guó)農(nóng)業(yè)生產(chǎn)效率在全面上升,地區(qū)間的農(nóng)業(yè)生產(chǎn)效率差距正在慢慢縮小,農(nóng)業(yè)生產(chǎn)投入和生產(chǎn)差距也在慢慢縮小。

表3 2008—2019年中國(guó)平均農(nóng)業(yè)生產(chǎn)效率Table 3 China’s average agricultural production efficiency during 2008—2019

根據(jù)各地區(qū)效率性分析結(jié)果,可以把2008—2019年各地區(qū)的農(nóng)業(yè)生產(chǎn)效率分為3類(lèi)。 將平均效率值為0～0.4的劃分為相對(duì)低效率地區(qū),將平均效率值為0.4～0.7的劃分為相對(duì)中效率地區(qū),將平均效率值為0.7～1的劃分為相對(duì)高效率地區(qū)。 由表4可知,按照這個(gè)標(biāo)準(zhǔn),北京、福建、上海、海南、浙江、江蘇、遼寧、廣東屬于相對(duì)高效率地區(qū),四川、黑龍江、天津、新疆、山東、湖南、湖北、內(nèi)蒙古、河北、廣西、重慶、吉林、江西、陜西屬于相對(duì)中效率地區(qū),西藏、貴州、云南、甘肅、安徽、青海、寧夏、河南、云南屬于相對(duì)低效率地區(qū)。從地區(qū)上看,各地區(qū)農(nóng)業(yè)生產(chǎn)效率差異較大,其中相對(duì)高效率地區(qū)大多位于中國(guó)東部經(jīng)濟(jì)發(fā)達(dá)的省份,相對(duì)中效率地區(qū)大部分屬于中國(guó)中部省份,相對(duì)低效率地區(qū)大部分屬于中國(guó)西部省份。 由此可知,農(nóng)業(yè)生產(chǎn)效率與經(jīng)濟(jì)發(fā)展程度密切相關(guān)。

各地區(qū)農(nóng)業(yè)生產(chǎn)效率差異比較大的原因是不同地區(qū)的經(jīng)濟(jì)水平不同,以及地形和受自然災(zāi)害影響的程度也不同。 特別是農(nóng)業(yè)生產(chǎn)率較高的東部地區(qū),地形平坦,經(jīng)濟(jì)發(fā)達(dá),能為農(nóng)業(yè)生產(chǎn)提供充足的資金保障,即使自然災(zāi)害發(fā)生后也能立即恢復(fù)農(nóng)業(yè)生產(chǎn)。但是效率相對(duì)較低的中西部地區(qū),多高原、高山和沙漠,經(jīng)濟(jì)發(fā)展水平相對(duì)落后,如果沒(méi)有農(nóng)業(yè)保險(xiǎn)的保障,資金相對(duì)不足,經(jīng)常導(dǎo)致因?yàn)?zāi)致貧的現(xiàn)象發(fā)生,將影響第二年的重新生產(chǎn)。但是由于加入了農(nóng)業(yè)保險(xiǎn),農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)提供了保障,可以使區(qū)域間農(nóng)業(yè)生產(chǎn)要素投入的差異變小,因此各地區(qū)間農(nóng)業(yè)生產(chǎn)效率的差距也正在縮小。

表4 2008—2019年全國(guó)各地區(qū)平均農(nóng)業(yè)生產(chǎn)效率Table 4 Average agricultural production efficiency in all regions of China from 2008 to 2019

固定效應(yīng)模型和混合效果模型分析結(jié)果。表5固定效應(yīng)模型推測(cè)結(jié)果顯示,模型整體的值具有統(tǒng)計(jì)學(xué)意義,所有的回歸系數(shù)也都具有統(tǒng)計(jì)學(xué)意義。如果其他條件相同的話,農(nóng)業(yè)保險(xiǎn)賠償金每增加1單位,農(nóng)業(yè)生產(chǎn)效率就會(huì)增加0.004 34單位。第二,由固定效應(yīng)模型和混合效果模型的檢驗(yàn)結(jié)果可知,通過(guò)檢驗(yàn)值能夠拒絕歸無(wú)假說(shuō),因此判斷為各地區(qū)農(nóng)業(yè)生產(chǎn)效率性存在著固有屬性,選擇固定效應(yīng)模型比選擇混合效果模型更合適。

表5 固定效應(yīng)模型和混合效果模型分析結(jié)果Table 5 Analysis results of fixed-effects model and mixed-effects model

隨機(jī)效應(yīng)模型和混合效果模型分析結(jié)果。 由隨機(jī)效應(yīng)模型估計(jì)結(jié)果(表6)可知,模型本身具有統(tǒng)計(jì)學(xué)意義,并且所有的回歸系數(shù)也都具有統(tǒng)計(jì)學(xué)意義。 假設(shè)在其他條件不變的情況下,農(nóng)業(yè)保險(xiǎn)賠償金每增加1單位時(shí),農(nóng)業(yè)生產(chǎn)效率將會(huì)增加0.004 40單位。

表6 隨機(jī)效應(yīng)模型分析結(jié)果Table 6 Analysis results of random effects model

通過(guò)表7隨機(jī)效應(yīng)模型和混合效果模型的LM檢驗(yàn)結(jié)果可知,可以拒絕歸無(wú)假說(shuō),表明各地區(qū)農(nóng)業(yè)生產(chǎn)效率性存在著固有屬性,所以與選擇混合效應(yīng)模型相比選擇隨機(jī)效應(yīng)模型更為合適。

固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行Hausman鑒定。對(duì)固定效應(yīng)模型和隨機(jī)效應(yīng)模型的選擇將利用Hausman檢驗(yàn),分析結(jié)果表明不能拒絕歸無(wú)假設(shè)(表8)。 因此與選擇固定效應(yīng)模型相比選擇隨機(jī)效應(yīng)模型在統(tǒng)計(jì)學(xué)上更為妥當(dāng)。

表7 隨機(jī)效應(yīng)模型和混合效果模型檢驗(yàn)結(jié)果Table 7 Test results of random-effects model and mixed-effects model

表8 固定效應(yīng)模型和隨機(jī)效應(yīng)模型的Hausman檢驗(yàn)結(jié)果Table 8 Hausman test results of fixed-effects model and random-effects model

Tobit隨機(jī)效應(yīng)模型分析結(jié)果。因?yàn)檗r(nóng)業(yè)生產(chǎn)效率值范圍為0～1,因變量屬于具有限制(censered)范圍內(nèi)的值,所以有必要進(jìn)行Tobit回歸分析,而不是普通的回歸分析。 通過(guò)面板Tobit模型分析的結(jié)果可以看出(表9),模型本身具有統(tǒng)計(jì)學(xué)意義,并且模型中所有的回歸系數(shù)也都具有統(tǒng)計(jì)學(xué)意義。 在其他條件相同時(shí),農(nóng)業(yè)保險(xiǎn)賠償金增加1單位,農(nóng)業(yè)生產(chǎn)效率就會(huì)增加0.00 440單位。 LR檢驗(yàn)是通過(guò)推定混合Tobit模型和隨機(jī)效應(yīng) Tobit模型來(lái)計(jì)算極大似然函數(shù)值的差異。 根據(jù)LR檢驗(yàn)結(jié)果可知,可以拒絕歸無(wú)假說(shuō),所以應(yīng)選擇隨機(jī)效應(yīng)Tobit模型。

隨機(jī)效應(yīng)模型和Tobit隨機(jī)效應(yīng)模型比較。在隨機(jī)效應(yīng)模型和Tobit隨機(jī)效應(yīng)模型比較時(shí),通過(guò)分析結(jié)果可以看出所有的自變量都具有統(tǒng)計(jì)學(xué)意義,回歸系數(shù)的大小也幾乎沒(méi)有差異(表10)。 所以雖然使用了效率性值被限制在0～1的因變量,但利用Tobit模型推定的結(jié)果和利用一般回歸模型推定的結(jié)果在統(tǒng)計(jì)學(xué)的有意性和回歸系數(shù)的大小之間幾乎沒(méi)有差異,這也驗(yàn)證了Hoff之前提出的研究結(jié)果。

根據(jù)上述分析,該研究最終選擇以隨機(jī)效應(yīng)模型來(lái)分析政策性農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)效率的影響。分析結(jié)果顯示,在其他條件不變的情況下,當(dāng)農(nóng)業(yè)保險(xiǎn)賠償金每增加1單位,農(nóng)業(yè)生產(chǎn)效率就會(huì)增加0.004 40單位；農(nóng)業(yè)機(jī)械總動(dòng)力每增加1單位時(shí),農(nóng)業(yè)生產(chǎn)效率就會(huì)增加0.000 02單位;農(nóng)林牧漁業(yè)從業(yè)人員每增加1單位,農(nóng)業(yè)生產(chǎn)效率性就會(huì)減少0.000 18 單位。

結(jié)果表明,當(dāng)農(nóng)業(yè)保險(xiǎn)賠償金增加時(shí)會(huì)對(duì)農(nóng)業(yè)生產(chǎn)效率性起到積極影響,但農(nóng)業(yè)機(jī)械總動(dòng)力和農(nóng)林牧漁業(yè)從業(yè)人員增加時(shí)分別對(duì)農(nóng)業(yè)的生產(chǎn)效率起到了積極的和消極的影響。 分析其原因是因?yàn)?個(gè)生產(chǎn)要素之間存在著相互替代的關(guān)系,即農(nóng)業(yè)機(jī)械使用量增加會(huì)減少勞動(dòng)量的投入,并且這也與國(guó)內(nèi)近些年大量農(nóng)村人口去城市務(wù)工,農(nóng)村勞動(dòng)力減少有關(guān),同時(shí)也表明農(nóng)業(yè)保險(xiǎn)因?yàn)槟軌蛱峁╋L(fēng)險(xiǎn)和資金保障,從而間接地促進(jìn)了機(jī)械代替勞動(dòng)相關(guān)技術(shù)的發(fā)展。

表9 Tobit隨機(jī)效應(yīng)模型分析結(jié)果Table 9 Tobit random effects model analysis results

表10 隨機(jī)效應(yīng)模型和Tobit隨機(jī)效應(yīng)模型的比較分析Table 10 Comparative analysis of random effect model and Tobit random effect model

5 結(jié)論與對(duì)策建議

該研究利用自中國(guó)政策性農(nóng)業(yè)保險(xiǎn)實(shí)施以來(lái)到現(xiàn)在的資料,對(duì)政策性農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)效率的影響進(jìn)行了實(shí)證研究,主要得出以下結(jié)論： 一是農(nóng)業(yè)保險(xiǎn)賠償金與農(nóng)業(yè)生產(chǎn)效率密切相關(guān)并且呈正相關(guān)關(guān)系,但各區(qū)域的農(nóng)業(yè)生產(chǎn)效率性差異比較大,東、中、西部生產(chǎn)效率值分別為0.812,0.485、0.407,并且農(nóng)業(yè)保險(xiǎn)對(duì)各地區(qū)農(nóng)業(yè)生產(chǎn)效率的影響都不同,這主要還是和各地區(qū)自然和經(jīng)濟(jì)條件有關(guān)。第二,在農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)效率的原因分析當(dāng)中,當(dāng)農(nóng)業(yè)保險(xiǎn)賠償金每增加1億元時(shí),農(nóng)業(yè)生產(chǎn)效率性將增加0.44%,這主要是因自然災(zāi)害導(dǎo)致農(nóng)民收入減少,但農(nóng)業(yè)保險(xiǎn)提供的賠償金可以使農(nóng)民在第二年作為資本重新投入到農(nóng)業(yè)生產(chǎn)中,特別是在發(fā)展中國(guó)家或落后地區(qū),這樣的效果非常明顯。 并且農(nóng)業(yè)保險(xiǎn)可以減少災(zāi)害發(fā)生地區(qū)和未發(fā)生地區(qū)農(nóng)業(yè)生產(chǎn)投入的差距,從而提高整體生產(chǎn)效率,還有農(nóng)戶(hù)在獲得風(fēng)險(xiǎn)保障時(shí),會(huì)偏好利用新的生產(chǎn)技術(shù),這也會(huì)提高農(nóng)業(yè)生產(chǎn)效率。

第一,目前中國(guó)農(nóng)業(yè)保險(xiǎn)主要是在低保障、低保費(fèi)的條件上以成本保險(xiǎn)(物化成本)為主的農(nóng)業(yè)保險(xiǎn),對(duì)農(nóng)戶(hù)收入穩(wěn)定以及農(nóng)業(yè)生產(chǎn)所造成的影響相對(duì)比較小,而反觀西方國(guó)家多以農(nóng)業(yè)收入保險(xiǎn)和產(chǎn)量保險(xiǎn)為主,農(nóng)業(yè)保險(xiǎn)的保障程度相對(duì)較高,促進(jìn)了西方農(nóng)民的收入穩(wěn)定和農(nóng)業(yè)高效發(fā)展。所以今后國(guó)內(nèi)也應(yīng)該結(jié)合實(shí)際情況,提高農(nóng)業(yè)保險(xiǎn)保障水平,推動(dòng)從成本保險(xiǎn)向更高保障水準(zhǔn)的價(jià)格保險(xiǎn)和產(chǎn)量保險(xiǎn)轉(zhuǎn)換,促進(jìn)農(nóng)業(yè)高效發(fā)展。

第二,要依據(jù)當(dāng)?shù)貙?shí)際情況,科學(xué)厘定不同種類(lèi)農(nóng)產(chǎn)品的農(nóng)業(yè)保險(xiǎn)費(fèi)率,推進(jìn)從區(qū)域農(nóng)業(yè)保險(xiǎn)向個(gè)人農(nóng)業(yè)保險(xiǎn)轉(zhuǎn)換,加強(qiáng)農(nóng)業(yè)保險(xiǎn)資料基礎(chǔ)建設(shè),依托現(xiàn)在高新科學(xué)技術(shù)的發(fā)展,利用遙感衛(wèi)星等工具,構(gòu)建以新產(chǎn)品開(kāi)發(fā)以及保險(xiǎn)費(fèi)率厘定、道德風(fēng)險(xiǎn)預(yù)警為目的的多功能保險(xiǎn)資料大數(shù)據(jù)庫(kù)。

第三,政府加大對(duì)農(nóng)業(yè)保險(xiǎn)的支持和宣傳,繼續(xù)堅(jiān)持農(nóng)業(yè)保費(fèi)補(bǔ)貼政策,但同時(shí)應(yīng)積極防范因道德風(fēng)險(xiǎn)而引發(fā)的問(wèn)題,完善相關(guān)的法律法規(guī),最大程度降低因道德風(fēng)險(xiǎn)而導(dǎo)致的農(nóng)業(yè)損失,促進(jìn)農(nóng)業(yè)健康發(fā)展。

上述分析表明,今后應(yīng)該繼續(xù)提高農(nóng)業(yè)保險(xiǎn)保障水平,加強(qiáng)保險(xiǎn)費(fèi)的持續(xù)補(bǔ)助,因?yàn)檫@不僅有助于穩(wěn)定和增加農(nóng)民的收入,也有助于提高整體農(nóng)業(yè)生產(chǎn)效率和經(jīng)濟(jì)發(fā)展。另外,農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)影響的研究目前主要集中在對(duì)災(zāi)后補(bǔ)貼效果進(jìn)行分析,關(guān)于農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)災(zāi)前防災(zāi)減災(zāi)效果的實(shí)證研究比較少,因此今后還有必要對(duì)其進(jìn)一步研究。