王一西, 余陳稀
(延安大學, a.經濟與管理學院;b.政法與公共管理學院, 陜西 延安 716000)
農業(yè)發(fā)展是國民經濟增長的重要動力來源。黨和政府高度重視農業(yè)發(fā)展問題, 21 世紀以來, 中央連續(xù)發(fā)布19 個聚焦 “三農” 的一號文件, 對中國農業(yè)農村發(fā)展提出指導性意見, 陸續(xù)出臺一系列農業(yè)補貼政策, 財政支農補貼的總體規(guī)模也在不斷擴大。在國家的政策支持和人民的共同努力下, 農業(yè)總產值得到大幅增長。但在中國耕地資源有限、人地關系緊張的國情下, 對農業(yè)生產的評價更應強調生產過程的投入產出效率。財政支農補貼作為解決 “三農” 問題的重要手段, 如何通過財政補貼提升農業(yè)全要素生產率, 充分發(fā)揮財政資金的杠桿作用, 是中國農業(yè)發(fā)展面臨的重要問題之一。
從現(xiàn)有研究來看, 目前學術界針對財政支農補貼與農業(yè)發(fā)展的研究分為以下2 個方面:一是財政支農對農業(yè)發(fā)展線性影響的研究。在財政支農對農業(yè)發(fā)展績效單向促進方面, 研究的焦點主要有保障農業(yè)供給[1]、推進綠色農業(yè)發(fā)展[2]、增加農民收入[3]、促進農業(yè)技術進步4 方面;持相反意見的學者則認為, 財政支農的規(guī)模小、結構不合理和使用效率低下的問題阻礙了農業(yè)的發(fā)展。這2 種觀點已得到眾多文獻的實證支持, 包括基于中介和調節(jié)效應探究補貼對糧食生產的正向影響機制[1], 通過政府、農戶和消費者博弈模型測度財政支農績效并提出優(yōu)化方案[2];基于省際面板數(shù)據(jù)發(fā)現(xiàn)財政支農在結構與效率層面對農業(yè)經濟增長有顯著負向影響[4], 基于城鄉(xiāng)融合視角認為財政支農會拉大城鄉(xiāng)收入差距[5]。二是財政支農對農業(yè)發(fā)展績效非線性影響的研究。對改革開放以來中國財政支農增收效應進行檢驗, 提出財政支農規(guī)模的擴大將損耗農業(yè)生產邊際效率[6];從經濟、生態(tài)、社會3 個層面研究發(fā)現(xiàn)中國財政支農效率整體呈現(xiàn)下降趨勢[7];通過理論推導總結提出, 隨著財政支農投入的增長, 農村減貧效應呈現(xiàn)邊際遞減規(guī)律[8]。
文獻梳理發(fā)現(xiàn), 學術界對財政支農績效的研究經歷了早期的單向促進或抑制到 “邊際遞減” 的非線性特征, 但是鮮有文獻將財政支農與農業(yè)全要素生產率聯(lián)系起來?;诖? 本研究選取中國31 個省(市、自治區(qū))2004—2020 年的面板數(shù)據(jù), 采用DEAMalmquist 指數(shù)法測算各地區(qū)農業(yè)全要素生產率, 運用固定效應和門檻模型探究財政支農對農業(yè)全要素生產率的非線性影響, 以期為完善財政支農政策、助力中國農業(yè)高質量發(fā)展提供參考依據(jù)。
美國經濟學家杜森伯利首次提出, 政府財政對農戶所帶來的產品和勞務都是農業(yè)的生產性投入。根據(jù)這一觀點, 認為農業(yè)生產是財政支農和多種投入要素共同推動的過程。財政支農促進農業(yè)全要素生產率提升是一個漸進過程, 在財政支農水平較低時, 支農補貼范圍和規(guī)模的擴大, 將直接增加生產者收入, 一定程度上影響著生產者的風險偏好、信貸約束、受教育水平等, 故更科學的農業(yè)模式會被生產者在生產過程中采納, 有利于農業(yè)生產[9]。另外, 地方政府還利用國家財政支農資金為生產者建立系列農業(yè)服務體系, 以進一步完善農業(yè)生產過程中種植方法、要素投入、技術選擇等因素, 投入成本得以減少[10], 并大幅度提高生產效益。當財政支農資金達到規(guī)模效應并呈現(xiàn)飽和狀態(tài)時, 農業(yè)生產效率、效益將得以有效提升;當財政支農資金達到規(guī)模效應并呈現(xiàn)飽和狀態(tài)時, 代表農業(yè)生產過程各投入要素已達到投入最小而產出最大的最優(yōu)狀態(tài)。按照邊際報酬遞減原則, 此時政府財政支農金額的過量增長, 將會打破最優(yōu)狀態(tài)出現(xiàn)遞減狀態(tài), 規(guī)模報酬將會由以往的遞增到下降?;谝陨戏治? 提出假設一:
H1:隨著財政支農資金水平的提高, 財政補貼對農業(yè)全要素生產率的影響存在先促進后抑制的倒 “U” 形關系。
此外, 由于不同地域區(qū)域的資源稟賦水平和經濟社會發(fā)展狀況差異, 推斷財政支農政策對農業(yè)全要素的影響可能存在區(qū)域異質性。本研究把中國分為東、中、西部3 個地區(qū), 其中東部地區(qū)在經濟環(huán)境、產業(yè)基礎、政策保障等方面相比中、西部區(qū)域都更為健全, 并已在相當程度上實現(xiàn)農產品的規(guī)?;?、專業(yè)性、集約化生產, 待發(fā)展利用資源相對有限, 導致財政支農對農業(yè)生產率提升的福利效應和邊際效應較小。而西部地區(qū)由于農業(yè)發(fā)展水平相對落后、自身要素不足, 財政支農能夠有效補充地區(qū)農業(yè)發(fā)展所需技術、勞動、資本等要素, 財政靶向較為明晰, 對地區(qū)農業(yè)生產率增長的推動作用更強[11]。基于此, 本研究提出假設二:
H2:財政支農補貼對農業(yè)全要素生產率增長的影響存在區(qū)域異質性。
瓦格納認為, 財政支出資金規(guī)模必須與國民經濟發(fā)展能力相匹配, 規(guī)模過度增大將導致財政支農的 “飽和效應” , 削弱財政支農的政策福利[12]。因此在確保財政支農資金規(guī)模不縮減的情況下, 要進一步完善財政支農資金管理政策, 加強農業(yè)科技化水平, 提升財政支農的使用效率。一方面, 政府農業(yè)科技投入的增加有助于推動財政支農與農業(yè)生產、農業(yè)科技的有效對接, 加快農業(yè)科技體系構建, 提高財政支農資金的使用效率, 從而進一步發(fā)揮財政支農在改善農業(yè)生產條件、推進農業(yè)技術進步等方面的積極作用;另一方面, 深入農業(yè)科技研究、完善農業(yè)科技成果轉化體系、創(chuàng)新農業(yè)技術互動合作機制、促進農業(yè)產業(yè)化經營等手段能夠促進農業(yè)科技與農業(yè)生產的深度融合, 實現(xiàn)農業(yè)生產的規(guī)?;?、集成化、高效化, 從而鞏固農業(yè)生產能力, 提高農業(yè)生產效率。據(jù)此本研究提出假設三:
H3:加大農業(yè)科技投入將推遲財政支農與農業(yè)全要素生產率之間倒 “U” 形拐點到來。
2.1 職業(yè)足球 英格蘭職業(yè)足球俱樂部運動員培養(yǎng)體系基本上分為社區(qū)足球、進階訓練中心、精英訓練組、發(fā)展訓練組、足球學院和職業(yè)一線隊6個層次。
為避免設定具體的函數(shù)形式和非效率項分布形式[1], 本研究采用DEA-Malmquist 指數(shù)法測算中國31 個?。ㄊ?、自治區(qū))的農業(yè)全要素生產率, 研究區(qū)間為2004—2020 年。由于農業(yè)(狹義)勞動力和農業(yè)技術投入無法在年鑒中找到具體數(shù)據(jù), 本研究參照葛和平等[13]的方法, 根據(jù)農林牧漁業(yè)總產值中農業(yè)總產值的占比剝離出用于狹義農業(yè)的投入要素。參考現(xiàn)有研究成果, 選取農業(yè)產值等1 個產出變量, 土地投入等7個投入變量, 具體變量情況如表1所示。
表1 農業(yè)全要素生產率測算指標
通過DEAP2.1 軟件測算得到樣本區(qū)間內中國31 個省(市、自治區(qū))的農業(yè)全要素生產率(tfpch)及其分解項, 結果如表2、圖1 所示??梢钥闯? 2004—2020 年中國大陸31 個省市的農業(yè)全要素增長率和農業(yè)技術進步指數(shù)的年均增速均為正;除北京、河北等11 省市外, 其余20 省市的年均農業(yè)技術效率均大于1, 表明多數(shù)省市的年均農業(yè)技術效率指數(shù)維持正向增長。
圖1 2004—2020 年各地區(qū)農業(yè)全要素生產率指數(shù)(tfpch)分布
表2 2004—2020年中國農業(yè)全要素生產率增長及分解情況
全國層面來看, 2004—2020 年中國農業(yè)全要素生產率、技術進步指數(shù)均為正, 說明農業(yè)生產效率逐年提高, 生產技術取得進步;2004—2020 年中有9 個年份的技術效率指數(shù)出現(xiàn)負增長, 表明存在相當程度的效率損失, 中國當前農業(yè)技術的運用和發(fā)揮程度較低;除2004、2006 年外, 其余年份技術進步指數(shù)均大于農業(yè)技術效率指數(shù), 可以推斷全國農業(yè)全要素生產率的增長更多依賴農業(yè)生產技術的進步。
1)被解釋變量。被解釋變量為農業(yè)全要素生產率(Tfp)。前文已根據(jù)投入產出指標測算出各省(市、自治區(qū))的農業(yè)全要素生產率, 由于農業(yè)全要素生產率屬于以上年為基期的環(huán)比指數(shù), 故以2004 年為基期其余年份通過累乘計算得到。
2)解釋變量。解釋變量為財政支農補貼(Fina)。自2004 年逐步廢除農業(yè)稅后, 中國開始實施系列農業(yè)補貼政策, 因此本研究的時間期限為2004—2020 年。參照許慶等[14]的做法, 選用農業(yè)、林業(yè)和農林水利氣象等部門的事業(yè)費支出加總衡量2004—2006 年財政支農數(shù)額, 選用 “農林水事務支出” 表示2007—2020 年財政支農金額。
3)控制變量。根據(jù)以往研究成果[12-15], 引入和農業(yè)全要素生產率相關的其他控制變量:①勞動力受教育程度(Edu):使用農村居民平均受教育年限表示;②受災率(Disa):使用受災面積占農作物種植面積的比重表示;③產業(yè)結構(Rs):使用二三產業(yè)產值在地區(qū)生產總值中的占比表示;④外資投入水平(Fdi):使用外商投資總額占地區(qū)生產總值的比重表示;⑤城鎮(zhèn)化率(Urban):使用城鎮(zhèn)人口與常住人口的比重表示;⑥農戶固定資產投資(Inv):使用各地區(qū)農村農戶固定資產投資額表示。
4)數(shù)據(jù)來源。研究對象是中國31 個?。ㄊ?、自治區(qū))的面板數(shù)據(jù), 樣本區(qū)間為2004—2020 年, 個別數(shù)據(jù)缺失采用插值法得到。部分數(shù)據(jù)取對數(shù)是為了避免指標數(shù)量級較大和消除異方差問題。各變量的描述性統(tǒng)計如表3 所示。
表3 變量的描述性統(tǒng)計
為驗證財政支農對農業(yè)全要素生產率的非線性影響, 構建如下模型:
式中,Yit表示i省t年的農業(yè)全要素生產率;解釋變量Ln_finait為i省t年的財政支農金額;controlit為控制變量;α、β1、β2、θit為待估計系數(shù),μt為地區(qū)固定效應;δt為時間固定效應;εit為擾動項。
式中,I(·)為示性函數(shù), 函數(shù)值取決于門檻變量qit。為確?;貧w結果的穩(wěn)健性, 在模型中引入與區(qū)域相關的交互項指標其余變量含義與式(1)、式(2)相同。構建模型如下:
為從全國層面探究財政支農對農業(yè)全要素生產率的影響, 運用Stata15.0 軟件進行面板數(shù)據(jù)回歸。通過Hausman 檢驗后, 采用固定效應模型估計, 結果如表4 所示。模型(1)和模型(2)采用OLS 回歸估計, 結果顯示, 變量符號和系數(shù)與預期結果相差較大, 因此不適合采用OLS 回歸模型。模型(3)至模型(5)分別為加入控制變量和控制地區(qū)、時間效應的回歸結果, 模型(6)則是引入財政支農平方項的非線性回歸結果。
根據(jù)表4 中模型(3)至模型(5)可以看出, 無論是否控制變量和地區(qū)、時間效應, 財政支農對農業(yè)全要素生產率的影響都顯著為正, 表明財政支農補貼能有效提高農業(yè)全要素生產率。模型(6)引入財政支農補貼平方項后, Lnfina2的系數(shù)為-0.108 且顯著, 表明財政支農補貼與農業(yè)全要素生產率之間存在先促進后抑制的倒 “U” 形關系, 拐點為6.044, 其經濟含義是當財政支農補貼對數(shù)值達到6.044 時, 農業(yè)全要素生產率開始趨于下降。這驗證了假設H1。
表4 財政支農對農業(yè)全要素生產率的影響
在控制變量方面, 從模型(5)的回歸結果來看, 農村居民受教育水平(LnEdu)對農業(yè)全要素生產效率的影響系數(shù)為0.683, 且在10%的水平上顯著為正, 說明受教育程度對農業(yè)生產有正向影響, 主要是因為農戶受教育程度直接影響其種植行為, 受教育程度越高, 農戶對新技術的采納程度越強, 促使生產經營水平的提高, 從而提高農業(yè)生產效率;受災率(Disa)的系數(shù)為負, 進一步說明農業(yè)屬于先天弱質產業(yè)[15], 對自然環(huán)境有較強的依賴性, 自然環(huán)境的惡化會對農業(yè)生產產生一定程度負面影響;外資投入水平(LnFdi)的估計系數(shù)為0.185, 與農業(yè)全要素生產率正相關且在1%的水平上顯著, 表明外資的引進在一定程度上彌補了中國農業(yè)資金短缺的短板, 同時外資的介入還引進國外優(yōu)良品種、先進技術、先進設備等, 推動農業(yè)技術的進步和農業(yè)生產效率的提升;農戶固定資產投資水平(LnInv)的回歸系數(shù)為-0.158, 顯著為負, 說明隨著技術進步、農業(yè)結構調整升級等因素造成的生產效率的提高, 農業(yè)發(fā)展對固定資產投資的依賴程度有所下降;城鎮(zhèn)化率(Urban)正相關且在1%水平顯著, 可能由于城鎮(zhèn)化水平提高過程中農村人口不斷向城市流動, 生產要素配置結構趨向合理化;產業(yè)結構(Rs)與農業(yè)全要素生產率負數(shù)相關但不顯著, 其依據(jù)在于二三產業(yè)的發(fā)展導致農業(yè)勞動力的流出, 一方面轉移的勞動力會通過技術外溢對農業(yè)生產產生正外部性影響[16], 另一方面, 從事農業(yè)生產經營活動的勞動力減少, 對農業(yè)生產造成不利影響, 所以產業(yè)結構對農業(yè)生產效率的影響并不顯著。
中國幅員遼闊, 受到農業(yè)資源承載力、環(huán)境容量、生態(tài)類型和發(fā)展基礎等因素影響, 不同地區(qū)農業(yè)發(fā)展水平存在較大差異[17]。為探究財政支農對農業(yè)全要素生產率影響的區(qū)域異質性, 本研究對東、中、西部地區(qū)數(shù)據(jù)分樣本進行回歸, 結果如表5 模型(7)至模型(9)所示。
表5 財政支農對農業(yè)全要素生產率的影響(分區(qū)域)
控制相關變量的情況下, 中國東、中、西部地區(qū)財政支農補貼與農業(yè)全要素生產率的拐點分別為5.300、6.640、6.886, 表明二者的倒 “U” 形拐點在東部地區(qū)來得最早, 在西部地區(qū)來的最晚。具體來講, 當東部地區(qū)財政支農補貼對數(shù)值達到5.300 時, 開始削弱農業(yè)全要素生產率;而西部地區(qū)的財政支農補貼對數(shù)值需要達到6.886, 其農業(yè)全要素生產率指數(shù)才開始下降。為確?;貧w結果的穩(wěn)健性, 在模型(10)中引入財政支農平方項與地區(qū)虛擬變量的交互項, 以對分樣本回歸結果進行參照??梢钥吹? LnFina系數(shù)為正且在10%水平下顯著, 3 個交互項LnFina2×East、LnFina2×Middle、LnFina2×West 的估計系數(shù)均顯著為負, 且LnFina2×East 的估計系數(shù)值更大。根據(jù)估計系數(shù)計算出東、中、西部地區(qū)財政支農補貼與農業(yè)全要素生產率的拐點出現(xiàn)順序仍為在東部地區(qū)來的最早, 在西部地區(qū)來的最晚, 進一步證明財政支農補貼對農業(yè)全要素生產率的影響具有區(qū)域差異性, 假設H2 得以驗證。
出現(xiàn)以上現(xiàn)象的原因可能是:一方面, 東部地區(qū)經濟發(fā)展水平和資源稟賦條件較好, 具備基礎設置、技術水平等優(yōu)勢, 此時財政支農補貼能補充的農業(yè)發(fā)展所需要素有限, 即財政支農對農業(yè)生產率提升的福利效應和邊際效應較小, 導致財政支農補貼對農業(yè)全要素生產率的拐點在東部地區(qū)來的更早;另一方面, 中、西部地區(qū)經濟發(fā)展水平相對較低、農業(yè)投入薄弱, 尤其是西部地區(qū)現(xiàn)階段農業(yè)生產方面相對落后, 此時財政支農補貼更能有效補充其農業(yè)發(fā)展所需要素, 所以財政支農在中、西部地區(qū)對農業(yè)全要素生產率提升的推動作用更強。
為檢驗假設H3, 通過實證分析財政支農使用效率的提升在財政支農補貼和農業(yè)全要素生產率之間的效應。深化農業(yè)科技研究、完善農業(yè)科技成果轉化體系、創(chuàng)新農業(yè)技術互動合作機制將有效提升財政支農的使用效率, 因此模型(11)至模型(14)在基準回歸的基礎上引入農業(yè)科技創(chuàng)新(Inn)、農業(yè)科技成果轉化(Tra)、農業(yè)技術互動合作(Int)、農業(yè)產業(yè)化經營水平(Ind)4 個變量, 分別與財政支農補貼的平方項進行交乘, 得到4 個交互項, 分別為Inn×lnFina2,Tra×lnFina2,Int×lnFina2,Ind×lnFina2。表6 為相關回歸結果。 根據(jù)模型(11), 農業(yè)科技創(chuàng)新體系建設與財政支農平方項的交乘項系數(shù)為0.083 7, 二者的拐點為0.034 8/(2×0.234-2×0.083 7×Inn)。因為財政支農補貼數(shù)值均為正, 當農業(yè)科技創(chuàng)新(Inn)增大時, 該拐點值右移。其經濟含義是, 加強農業(yè)科技創(chuàng)新體系建設有助于促進財政支農與農業(yè)全要素生產率之間的拐點右移, 提升財政支農的使用效率。根據(jù)回歸系數(shù)計算可知, 加大農業(yè)科技成果轉化、農業(yè)技術互動合作、農業(yè)產業(yè)化經營水平均能促進財政支農與農業(yè)全要素生產率之間的拐點右移, 提升財政支農的使用效率。假設H3 得到證明。
表6 財政支農使用效率優(yōu)化對農業(yè)全要素生產率的影響
4.4.1 穩(wěn)健性檢驗 由基準回歸和門檻回歸得到, 隨著財政支農投入水平的增大, 其對農業(yè)全要素生產率的影響表現(xiàn)為先促進后抑制的倒 “U” 形關系, 且二者關系具有區(qū)域異質性。為對這一結論加以檢驗, 本研究的穩(wěn)健性檢驗包括以下兩方面:一是利用隨機前沿分析模型重新測算31 個省(市、自治區(qū))的農業(yè)全要素生產率[18];二是替換核心解釋變量的衡量指標, 前文的核心解釋變量為地區(qū)財政支農總額, 現(xiàn)選取人均財政支農補貼的對數(shù)值衡量財政支農投入。由模型(15)的估計結果可知, 當Ave_Fina≤1.257 3 時, 財政支農對農業(yè)全要素生產率的提升具有顯著的促進作用;當Ave_Fina>1.257 3 時, 財政支農對農業(yè)全要素生產率具有比較顯著的抑制作用, 這與模型(6)的結果類似, 再次驗證了假設H1 的可靠性。模型(16)中核心解釋變量與3 個交互項的估計系數(shù)和符號與模型(10)中沒有實質性差異, 進一步驗證了假設H2, 說明本研究的實證結果具有穩(wěn)健性。
4.4.2 內生性討論 本研究采用多種方式盡可能避免實證分析過程中的內生性問題。樣本選擇方面, 本研究數(shù)據(jù)均由統(tǒng)計年鑒、wind 數(shù)據(jù)庫等權威來源匯總與整理, 一定程度上保證了數(shù)據(jù)質量及可靠性。遺漏變量方面[19], 在基準回歸和面板門檻模型中加入勞動力受教育程度、受災率、產業(yè)結構等控制變量, 能夠削弱遺漏變量對實證分析過程的影響。互為因果方面, 為得到財政支農補貼與農業(yè)全要素生產率之間的凈效應, 參照蔣團標等[20]、毛其淋[21]的做法, 選擇滯后一期的財政支農作為工具變量, 并使用兩階段最小二乘法進行回歸分析。模型(17)報告了工具變量回歸結果, 可以看到核心解釋變量、控制變量的系數(shù)符號和顯著性與前文估計結果基本一致, 證明本研究的實證結果未受到弱工具變量的影響, 具有穩(wěn)健性。
本研究基于2004—2020 年中國31 個?。ㄊ?、自治區(qū))的面板數(shù)據(jù), 運用DEA—Malmquist 指數(shù)法對農業(yè)全要素生產率進行測算, 并利用固定效應與門限模型實證檢驗財政支農對農業(yè)全要素生產率的非線性影響, 以及財政支農使用效率提升在其中的作用。研究發(fā)現(xiàn), 財政支農與農業(yè)全要素生產率之間存在先促進后抑制的倒 “U” 形關系, 這一結論在改變計量方法、替換解釋變量、考慮內生性問題等穩(wěn)健性檢驗后仍然成立;分區(qū)域看, 二者的拐點在東部地區(qū)來的最早, 在西部地區(qū)來的最晚;深入農業(yè)科技研究、完善農業(yè)科技成果轉化體系、創(chuàng)新農業(yè)技術互動合作機制、提高農業(yè)產業(yè)化經營水平能夠推動財政支農與農業(yè)全要素生產率之間的拐點右移, 促進財政支農使用效率的提升。
根據(jù)以上結論, 提出如下政策建議:①繼續(xù)推進財政支農體系建設, 完善財政支農支出結構, 提高財政支農使用效率。一方面, 政府要用好 “綠箱” 政策, 將補貼重點從過去的產品市場調整到要素市場, 加大農業(yè)科技投入與技術推廣;另一方面, 要在規(guī)則允許的情況下充分利用農業(yè)目標價格支持政策、最低收購價政策等 “黃箱” 補貼政策, 以促進農業(yè)生產效率的提升。②由于財政支農對農業(yè)全要素生產率的影響存在區(qū)域異質性, 政府要因地制宜確定涉農資金實施方案, 在中西部欠發(fā)達地區(qū)予以適當傾斜。需要動態(tài)觀察財政支農對地區(qū)農業(yè)生產效率效益提升情況, 進一步提升財政支農在欠發(fā)達地區(qū)推動農業(yè)生產的投入產出效率。同時確保財政支農資金的??顚S? 提高財政支農資金效用。③積極探索農業(yè)技術進步體制改革新模式, 增強財政支農轉化效率。通過深入農業(yè)科技研究、支持發(fā)展農業(yè)產業(yè)化經營、完善農業(yè)科技成果轉化體系、創(chuàng)新農業(yè)技術互動合作機制等方式, 更新農業(yè)生產方式與發(fā)展模型, 提升財政支農向農業(yè)全要素生產率的轉化效率。
表7 穩(wěn)健性與內生性檢驗