周楊，邢仕宏，李欣怡，焦妍

（濟(jì)寧學(xué)院儒商學(xué)院，山東 濟(jì)寧 273115）

引言

“最低收購(gòu)價(jià)格”“臨時(shí)收儲(chǔ)”“目標(biāo)價(jià)格”等糧食價(jià)格支持政策的實(shí)施極大地推動(dòng)了我國(guó)糧食產(chǎn)業(yè)的發(fā)展，突出表現(xiàn)在2004—2015 年，我國(guó)糧食產(chǎn)量實(shí)現(xiàn)了“十二連增”。然而，在這一喜人的成績(jī)背后，糧食生產(chǎn)卻出現(xiàn)了階段性總量供給冗余與結(jié)構(gòu)性失衡并存的局面。大豆作為重要的油料與蛋白來(lái)源作物，其產(chǎn)量與三大主糧作物相比生產(chǎn)發(fā)展十分緩慢，甚至2010 年大豆生產(chǎn)份額出現(xiàn)逐年減少的現(xiàn)象。1996 年起中國(guó)成為全球最大的大豆進(jìn)口國(guó)，進(jìn)口數(shù)量從1996年的58萬(wàn)噸增加到2020 年的10032.7 萬(wàn)噸，增長(zhǎng)了200 余倍。開始時(shí)，人們普遍以為是大量的進(jìn)口抑制了農(nóng)民種植積極性，導(dǎo)致生產(chǎn)滑坡，但之后人們慢慢意識(shí)到造成這種局面的根本原因是比較效益更高的稻谷和玉米替代了大豆的種植面積[1-2]。為提振大豆產(chǎn)量，2017 年國(guó)家對(duì)大豆價(jià)格支持政策進(jìn)行改革，即由大豆目標(biāo)價(jià)格政策改為實(shí)施與玉米相同的生產(chǎn)者補(bǔ)貼政策，通過(guò)高于玉米補(bǔ)貼標(biāo)準(zhǔn)的方式提高農(nóng)民種豆的比較收益，并強(qiáng)調(diào)“新的補(bǔ)貼制度將會(huì)進(jìn)一步助力國(guó)產(chǎn)大豆種植面積提升，同時(shí)引導(dǎo)玉米種植面積調(diào)減”。從政策構(gòu)想與設(shè)計(jì)上而言，其政策初衷更多地表現(xiàn)為擴(kuò)大大豆的種植面積。2019 年，我國(guó)提出要推行大豆振興計(jì)劃，而“擴(kuò)面”則是其中的重要目標(biāo)；2019—2021年，連續(xù)三年的中央一號(hào)文件均強(qiáng)調(diào)要堅(jiān)持并完善大豆生產(chǎn)者補(bǔ)貼政策。本文以大豆生產(chǎn)者補(bǔ)貼政策為研究對(duì)象，考察該政策是否實(shí)現(xiàn)了大豆“擴(kuò)面”目標(biāo)，以期為完善大豆生產(chǎn)者補(bǔ)貼政策、實(shí)現(xiàn)大豆振興計(jì)劃提供經(jīng)驗(yàn)借鑒。

關(guān)于農(nóng)戶生產(chǎn)行為，理論界做了大量詮釋。組織生產(chǎn)學(xué)派認(rèn)為農(nóng)戶是基于滿足家庭消費(fèi)需求而做出生產(chǎn)決策；理性小農(nóng)學(xué)派則認(rèn)為，農(nóng)戶作為理性的農(nóng)業(yè)生產(chǎn)者，會(huì)基于利潤(rùn)最大化的目標(biāo)制定合理的生產(chǎn)決策，并非滿足家庭消費(fèi)需求；歷史學(xué)派將兩者的觀點(diǎn)進(jìn)行了融合，認(rèn)為利潤(rùn)最大化和家庭消費(fèi)需求的共同作用誘導(dǎo)農(nóng)戶從事農(nóng)業(yè)生產(chǎn)活動(dòng)。隨著研究的深入，理論界對(duì)農(nóng)戶生產(chǎn)行為理論模型的研究范疇不斷擴(kuò)大，如個(gè)人和家庭特征、農(nóng)業(yè)生產(chǎn)環(huán)境以及生產(chǎn)習(xí)慣等因素也多次放入研究中進(jìn)行探討[3-5]。

雖然影響農(nóng)戶生產(chǎn)行為的因素眾說(shuō)紛紜，但對(duì)于糧食政策影響農(nóng)戶生產(chǎn)行為的問(wèn)題而言，比較統(tǒng)一的觀點(diǎn)是，隨著市場(chǎng)經(jīng)濟(jì)的不斷深化，理性農(nóng)戶會(huì)對(duì)不同糧食政策進(jìn)行比較，選擇投資回報(bào)率較高的作物進(jìn)行種植。王娜等（2020）考察了價(jià)格支持政策對(duì)不同糧食作物生產(chǎn)面積的影響，結(jié)果表明，由于作物自身稟賦的不同，價(jià)格支持政策下不同糧食作物的種植利潤(rùn)大相徑庭，不同糧食生產(chǎn)面積對(duì)政策的敏感度也不相同，由高到低依次為玉米、稻谷、小麥和大豆[6]；張明楊等（2014）在對(duì)玉米種植戶生產(chǎn)行為的研究中發(fā)現(xiàn)，在政策的激勵(lì)下農(nóng)戶根據(jù)預(yù)期相對(duì)收益調(diào)整生產(chǎn)決策，而非絕對(duì)收益，同時(shí)，過(guò)去的種植決策也會(huì)顯著影響農(nóng)戶種植結(jié)構(gòu)調(diào)整行為[7]；劉宏曼和郭鑒碩（2017）同樣認(rèn)為過(guò)去的種植決策是影響豆農(nóng)生產(chǎn)行為的重要因素。而“臨儲(chǔ)”政策的實(shí)施對(duì)農(nóng)戶生產(chǎn)行為的影響并不明顯[8]；而臨時(shí)收儲(chǔ)政策改為目標(biāo)價(jià)格政策后，由于減少了政策補(bǔ)貼的中間損耗，豆農(nóng)的預(yù)期收益得到顯著提高，大豆種植面積在政策實(shí)施初年擴(kuò)大了11.4%，但終究由于目標(biāo)價(jià)格設(shè)置不合理和缺乏與玉米明確的比價(jià)關(guān)系抑制了豆農(nóng)的種豆積極性，目標(biāo)價(jià)格政策實(shí)施次年的大豆播種面積顯著減少了20.5%[9]。具體到生產(chǎn)者補(bǔ)貼政策的研究中：雖然玉米生產(chǎn)者補(bǔ)貼政策的實(shí)施效果好于預(yù)期，總產(chǎn)量下降，價(jià)格持續(xù)上漲，非優(yōu)勢(shì)產(chǎn)區(qū)玉米種植面積相對(duì)調(diào)減，農(nóng)戶售糧進(jìn)度變緩、農(nóng)戶政策預(yù)期發(fā)生變化，使生產(chǎn)者收入持續(xù)波動(dòng)[10]。根據(jù)2017 年和2018 年生產(chǎn)者補(bǔ)貼的發(fā)放情況來(lái)看，大豆生產(chǎn)者補(bǔ)貼金額要高于玉米，在一定程度上可引導(dǎo)農(nóng)戶調(diào)減玉米、增種大豆。補(bǔ)貼政策具有一定局限性，若要維持或進(jìn)一步促進(jìn)種植結(jié)構(gòu)調(diào)整，需持續(xù)提高大豆生產(chǎn)者補(bǔ)貼標(biāo)準(zhǔn)，一旦放緩或停止政策干預(yù)，種植結(jié)構(gòu)將可能出現(xiàn)反復(fù)，甚至反彈[11]。

在對(duì)現(xiàn)有文獻(xiàn)進(jìn)行梳理后發(fā)現(xiàn)，對(duì)農(nóng)戶生產(chǎn)行為的研究，既要考慮與競(jìng)爭(zhēng)作物之間的比價(jià)關(guān)系，即預(yù)期相對(duì)收益的變化，也要考慮農(nóng)戶制定生產(chǎn)決策時(shí)的適應(yīng)性反應(yīng)。大豆生產(chǎn)者補(bǔ)貼政策于2017 年3 月出臺(tái)，雖已實(shí)行數(shù)年，但現(xiàn)有相關(guān)研究仍然較多停留在政策的設(shè)定和頂層設(shè)計(jì)的理論分析中，對(duì)于政策實(shí)行效果的研究尚且不足，從生產(chǎn)者決策角度針對(duì)大豆生產(chǎn)者補(bǔ)貼政策和“擴(kuò)面”目標(biāo)的關(guān)系進(jìn)行理論與實(shí)證系統(tǒng)的研究更是缺乏。鑒于此，本文從以下幾個(gè)方面進(jìn)行拓展和延伸：第一，從“目標(biāo)價(jià)格”和“生產(chǎn)者補(bǔ)貼”前后兩種政策的原理進(jìn)行對(duì)比分析，更加準(zhǔn)確衡量政策的改革效果；第二，為剔除遺漏變量對(duì)政策效果的干擾和避免政策作為解釋變量時(shí)產(chǎn)生的內(nèi)生性問(wèn)題，本文采用雙重差分方法（DID），對(duì)政策改革與大豆“擴(kuò)面”的因果效應(yīng)進(jìn)行考察，同時(shí)，為了避免樣本選擇偏差，本文在DID之前采用傾向得分匹配方法（PSM）剔除異常樣本；第三，農(nóng)戶對(duì)政策感知的穩(wěn)定性是政策得以長(zhǎng)期有效的基礎(chǔ)，本文引入時(shí)間虛擬變量，考察政策改革的動(dòng)態(tài)效果，并構(gòu)建中介效應(yīng)模型對(duì)逐年的影響機(jī)制做進(jìn)一步考量。

一、理論分析：生產(chǎn)者補(bǔ)貼政策對(duì)大豆“擴(kuò)面”的影響

生產(chǎn)者補(bǔ)貼政策實(shí)施對(duì)大豆生產(chǎn)面積的影響，實(shí)際上是農(nóng)戶受外部沖擊下的生產(chǎn)決策機(jī)制。在大豆供應(yīng)上，大豆生產(chǎn)者補(bǔ)貼政策是影響農(nóng)戶生產(chǎn)決策最為直接且有效的外部沖擊。由于國(guó)家制定的補(bǔ)貼政策最終需要通過(guò)微觀農(nóng)戶的行為改變得以實(shí)現(xiàn)，導(dǎo)致補(bǔ)貼政策與農(nóng)戶行為之間互動(dòng)頻繁。作為市場(chǎng)經(jīng)濟(jì)條件下的微觀經(jīng)濟(jì)主體，農(nóng)戶的生產(chǎn)行為日趨理性化，即追求利益最大化。在這種“理性經(jīng)紀(jì)人”思維引導(dǎo)下，農(nóng)戶自然會(huì)對(duì)不同的補(bǔ)貼政策作出不同的行為反應(yīng)，這種行為反應(yīng)也會(huì)反過(guò)來(lái)影響政策的實(shí)施效果[12]。因此，在大豆生產(chǎn)者補(bǔ)貼政策改革與其目標(biāo)的傳導(dǎo)路徑上，較目標(biāo)價(jià)格政策為農(nóng)戶帶來(lái)更多的收益，成為了實(shí)現(xiàn)“擴(kuò)面”目標(biāo)的關(guān)鍵。

本文認(rèn)為生產(chǎn)者補(bǔ)貼政策改革后農(nóng)戶的種豆收益要高于目標(biāo)價(jià)格政策時(shí)期。一是因?yàn)椤澳繕?biāo)價(jià)格”時(shí)期收購(gòu)站和糧販從政策差額補(bǔ)貼中攫取了利潤(rùn)，減少了豆農(nóng)的收益[13]。目標(biāo)價(jià)格政策是指政府事先給定一個(gè)“目標(biāo)價(jià)格”，當(dāng)市場(chǎng)價(jià)格高于“目標(biāo)價(jià)格”時(shí)，農(nóng)戶可以隨行就市出售大豆，當(dāng)市場(chǎng)價(jià)格低于“目標(biāo)價(jià)格”時(shí)，政策得以觸發(fā)，政府按照“目標(biāo)價(jià)格”與市場(chǎng)價(jià)格的差額對(duì)豆農(nóng)進(jìn)行補(bǔ)貼。根據(jù)目標(biāo)價(jià)格政策的采價(jià)標(biāo)準(zhǔn)，大豆市場(chǎng)價(jià)格是基于大豆收儲(chǔ)企業(yè)和加工企業(yè)的收購(gòu)價(jià)格而定，但豆農(nóng)通常會(huì)將大豆直接售賣給糧販和收購(gòu)站點(diǎn)，導(dǎo)致實(shí)際成交價(jià)格通常低于國(guó)家監(jiān)測(cè)到的市場(chǎng)價(jià)格，豆農(nóng)得到的補(bǔ)貼低于理論上應(yīng)得的補(bǔ)貼。二是因?yàn)椤吧a(chǎn)者補(bǔ)貼”后的價(jià)格高于目標(biāo)價(jià)格。生產(chǎn)者補(bǔ)貼政策是一種與生產(chǎn)面積掛鉤的固定支付性政策，與市場(chǎng)價(jià)格無(wú)關(guān)，按照每年農(nóng)戶上報(bào)的合法大豆生產(chǎn)面積進(jìn)行補(bǔ)貼。由于“目標(biāo)價(jià)格”時(shí)期大豆市場(chǎng)價(jià)格均低于目標(biāo)價(jià)格，因此2014—2016 年實(shí)際執(zhí)行的便是目標(biāo)價(jià)格，均為4.8 元/公斤。改為生產(chǎn)者補(bǔ)貼政策后，2017 年內(nèi)蒙古、黑龍江、吉林、遼寧等省份豆農(nóng)的預(yù)期價(jià)格①分別提高為5.14 元/公斤、4.90 元/公斤、4.81 元/公斤和4.92 元/公斤，2018 年豆農(nóng)的預(yù)期價(jià)格更是增加至5.58 元/公斤、6.08 元/公斤、5.06元/公斤和5.07元/公斤。

基于以上分析，提出如下假說(shuō)：

H1：相較目標(biāo)價(jià)格政策，生產(chǎn)者補(bǔ)貼政策能夠提高農(nóng)戶的種豆收益，促進(jìn)大豆生產(chǎn)面積提升；

H2：隨著農(nóng)戶種豆收益的提高，2018 年大豆生產(chǎn)面積增幅要大于2017年。

二、模型構(gòu)建與數(shù)據(jù)來(lái)源

（一）模型構(gòu)建與指標(biāo)選取

PSM-DID 模型是解決內(nèi)生性問(wèn)題較為常用的方法，通過(guò)設(shè)置“實(shí)驗(yàn)組”和“對(duì)照組”的方式，客觀衡量政策變遷或新政策實(shí)施對(duì)經(jīng)濟(jì)體的影響。本文參考周黎安等（2005）稅費(fèi)制度改革的研究[14]，遵循政策的實(shí)施初衷，將2017 年實(shí)施的大豆生產(chǎn)者補(bǔ)貼政策視為一次提升大豆生產(chǎn)面積的準(zhǔn)自然實(shí)驗(yàn)。具體的模型設(shè)定形式如下：

Control 表示一系列影響大豆種植面積的其他因素，以盡可能避免實(shí)驗(yàn)組與對(duì)照組之間因趨勢(shì)不平行而產(chǎn)生的內(nèi)生性偏誤。主要包括：上一期大豆種植面積（St-1），一般認(rèn)為，農(nóng)戶生產(chǎn)習(xí)慣會(huì)影響當(dāng)期生產(chǎn)的判斷，上一期大豆種植面積與當(dāng)期的生產(chǎn)決策成正比；上一期大豆單產(chǎn)（SPYt-1）和大豆價(jià)格（SPt-1），上一期的單產(chǎn)和價(jià)格構(gòu)成了農(nóng)戶種植大豆的收益預(yù)期，一般認(rèn)為，上一期單產(chǎn)和價(jià)格越高，當(dāng)期生產(chǎn)大豆的可能性越高；上一期玉米單產(chǎn)（CPYt-1）和玉米價(jià)格（CPt-1），農(nóng)戶的生產(chǎn)決策不僅要考慮種豆的收益預(yù)期，還要重視競(jìng)爭(zhēng)作物的比較收益，一般認(rèn)為，上一期玉米的單產(chǎn)和價(jià)格越高，越不利于農(nóng)戶當(dāng)期生產(chǎn)大豆。D 為以非政策實(shí)施地區(qū)為對(duì)照的區(qū)域虛擬變量，等于1 時(shí)為第n 省，等于0 時(shí)為其他省。此外，為避免異方差和序列相關(guān)的干擾，本文對(duì)上述絕對(duì)值變量進(jìn)行對(duì)數(shù)化處理，并采用robust進(jìn)行穩(wěn)健性估計(jì)。

（二）數(shù)據(jù)來(lái)源

本文主要考察2014—2018 年目標(biāo)價(jià)格政策改為生產(chǎn)者補(bǔ)貼政策對(duì)大豆種植面積的影響，但考慮到控制變量中無(wú)論是種豆的預(yù)期收益還是比較收益均需要前一期的數(shù)據(jù)，因此，本文主要選取了2013—2018 年政策實(shí)施地區(qū)和非政策實(shí)施地區(qū)的縣域數(shù)據(jù)，在剔除大豆面積過(guò)小或生產(chǎn)波動(dòng)性較大的異常樣本后，共獲得343 個(gè)縣的面板數(shù)據(jù)，其中政策實(shí)施地區(qū)的縣有152個(gè)，非政策實(shí)施地區(qū)的縣有191個(gè)，5年的考察期，最終獲得1715個(gè)樣本。政策實(shí)施地區(qū)主要包括：黑龍江、吉林、遼寧和內(nèi)蒙古等省份，非政策實(shí)施地區(qū)主要包括：山西、山東、河南和安徽等省份。選取上述非政策實(shí)施地區(qū)作為對(duì)照的原因在于，除政策實(shí)施地區(qū)外，這些地區(qū)大豆種植比重相對(duì)較高，較有代表性。前文選取的被解釋變量和解釋變量均來(lái)源于省級(jí)層面和市級(jí)層面《統(tǒng)計(jì)年鑒》中的縣域統(tǒng)計(jì)信息。此外，已公開的數(shù)據(jù)中大豆和玉米的縣域價(jià)格數(shù)據(jù)并不全，本文參考賀超飛等（2018）的思路[9]，采用省級(jí)層面的價(jià)格數(shù)據(jù)進(jìn)行替代。

具體的變量定義與描述性統(tǒng)計(jì)如表1所示。

表1 變量的含義與描述性統(tǒng)計(jì)分析

三、實(shí)證分析

（一）樣本匹配結(jié)果與平行趨勢(shì)檢驗(yàn)

采用DID方法考察政策效應(yīng)的研究中，避免樣本選擇偏差對(duì)結(jié)果的干擾以及保證對(duì)照組與實(shí)驗(yàn)組在政策實(shí)施之前具有共同趨勢(shì)是重要的前提條件。首先，為避免樣本選擇偏差，本文在原有343個(gè)縣共1715 個(gè)樣本中，參考顏銀根等（2020）的傾向得分匹配方法的選擇依據(jù)[15]，采用核匹配方法進(jìn)行樣本匹配，剔除異常樣本后，最終獲得1489個(gè)樣本。傾向得分（PS）曲線如圖1所示，不難發(fā)現(xiàn)，匹配后兩組樣本的信息趨近于擬合，說(shuō)明在剔除異常樣本后對(duì)政策效果的檢驗(yàn)將會(huì)更加準(zhǔn)確。其次，為檢驗(yàn)對(duì)照組與實(shí)驗(yàn)組是否具有共同趨勢(shì)，本文依據(jù)前文設(shè)定的上一期大豆生產(chǎn)面積等5個(gè)變量進(jìn)行平行趨勢(shì)檢驗(yàn)，從表2的檢驗(yàn)結(jié)果來(lái)看，雖然并非所有的變量在全部樣本期都能滿足10%的顯著性水平下不顯著的假設(shè)，但多數(shù)變量仍滿足1%的顯著性水平下不顯著，因而本文的雙重差分基本滿足平行趨勢(shì)檢驗(yàn)。

表2 匹配前后平行趨勢(shì)檢驗(yàn)

（二）生產(chǎn)者補(bǔ)貼政策影響大豆生產(chǎn)面積的平均效應(yīng)及區(qū)域差異

為了檢驗(yàn)生產(chǎn)者補(bǔ)貼政策是否促進(jìn)了大豆“擴(kuò)面”，本文采用大豆生產(chǎn)面積（S）作為被解釋變量，構(gòu)建DID 模型進(jìn)行分析。表3 列（1）、列（2）為控制了年份效應(yīng)的OLS 回歸，列（3）、列（4）為面板數(shù)據(jù)的雙向固定效應(yīng)（FE）回歸?；竟烙?jì)結(jié)果如表3列（1）和列（3）所示，在不考慮控制變量的情況下，大豆生產(chǎn)面積較“目標(biāo)價(jià)格”時(shí)期平均增加了12%左右，這一估計(jì)結(jié)果可能會(huì)出現(xiàn)偏誤，為了剔除其他因素對(duì)模型實(shí)證結(jié)果的影響，本文進(jìn)一步控制了上一期大豆生產(chǎn)面積、上一期大豆單產(chǎn)和價(jià)格以及上一期玉米單產(chǎn)和價(jià)格等因素。在對(duì)模型相關(guān)變量控制之后，再觀察模型估計(jì)結(jié)果，對(duì)政策改革效應(yīng)的估計(jì)結(jié)果明顯變小，說(shuō)明上述變量對(duì)農(nóng)戶大豆的生產(chǎn)行為有顯著影響，如果忽略這些變量，將會(huì)高估大豆生產(chǎn)者補(bǔ)貼政策的真實(shí)效果。將控制變量納入模型中的估計(jì)結(jié)果如表3列（2）和列（4）所示，生產(chǎn)者補(bǔ)貼政策的實(shí)施使大豆生產(chǎn)面積平均增加了11%左右，即平均而言，大豆“目標(biāo)價(jià)格”改為“生產(chǎn)者補(bǔ)貼”促進(jìn)了大豆面積的有效提升。

表3 生產(chǎn)者補(bǔ)貼政策影響大豆生產(chǎn)面積的平均效應(yīng)及區(qū)域差異

在考察其他影響大豆生產(chǎn)面積的因素時(shí)，不難看出：上一期大豆生產(chǎn)面積在OLS 和FE 估計(jì)的系數(shù)值為0.4232 和0.4640，均在1%的水平上顯著為正；上一期大豆單產(chǎn)在OLS 和FE 估計(jì)的系數(shù)值為0.0810 和0.0611，分別在5%和10%的水平上顯著為正；上一期玉米單產(chǎn)在OLS 和FE 估計(jì)的系數(shù)值為-0.0725 和-0.1010，均在5%的水平上顯著為負(fù)，說(shuō)明農(nóng)戶過(guò)去的種豆決策和大豆單產(chǎn)的增加可以顯著提升當(dāng)期農(nóng)戶生產(chǎn)大豆的積極性，而上一期玉米單產(chǎn)的增加則會(huì)起到相反的作用，與預(yù)期相符。與預(yù)期不符的是，上一期的大豆價(jià)格與玉米價(jià)格均不顯著，可能的原因在于，隨著市場(chǎng)化的進(jìn)程不斷推進(jìn)，大豆和玉米價(jià)格波動(dòng)較為劇烈，農(nóng)民面對(duì)變化莫測(cè)的價(jià)格無(wú)所適從，其制定的當(dāng)期生產(chǎn)決策更多寄希望于過(guò)去的生產(chǎn)決策、相對(duì)單產(chǎn)以及政策導(dǎo)向。通過(guò)引入?yún)^(qū)域虛擬變量，從政策實(shí)施各地區(qū)政策效果檢驗(yàn)結(jié)果來(lái)看，平均而言，相較非政策實(shí)施地區(qū)，政策的改革使東北四省大豆生產(chǎn)面積都得到了有效提升。但地區(qū)間存在顯著差異，黑龍江省和內(nèi)蒙古自治區(qū)大豆面積的提升程度更大，且更為顯著，吉林省次之，遼寧省大豆“擴(kuò)面”效果最弱。

（三）生產(chǎn)者補(bǔ)貼政策影響大豆生產(chǎn)面積的動(dòng)態(tài)效應(yīng)及區(qū)域差異

表3中的估計(jì)結(jié)果為生產(chǎn)者補(bǔ)貼政策影響大豆生產(chǎn)面積的平均效應(yīng)及區(qū)域差異，但并未說(shuō)明該政策對(duì)大豆生產(chǎn)面積是否具有持續(xù)性。因此，本文引入兩個(gè)時(shí)間虛擬變量Year2017和Year2018，以及兩個(gè)時(shí)間虛擬變量與東北四省區(qū)域虛擬變量的交互項(xiàng)，分別表示大豆生產(chǎn)者補(bǔ)貼政策實(shí)施當(dāng)年（2017年）和第二年（2018年）以及各地區(qū)當(dāng)年和第二年政策的實(shí)施效果，將政策與每個(gè)時(shí)間虛擬變量相乘，得到政策與時(shí)間變量的交互項(xiàng)，然后使用雙向固定效應(yīng)加以擬合，結(jié)果如表4所示。

表4 生產(chǎn)者補(bǔ)貼政策影響大豆生產(chǎn)面積的動(dòng)態(tài)效應(yīng)及區(qū)域差異

表4 列（1）、列（2）分別為未考慮控制變量和考慮控制變量后的政策效應(yīng)年份動(dòng)態(tài)檢驗(yàn)結(jié)果，表4列（3）至列（6）為考慮控制變量后政策效應(yīng)區(qū)域差異的動(dòng)態(tài)檢驗(yàn)結(jié)果。列（1）的基準(zhǔn)回歸結(jié)果表明，當(dāng)不考慮控制變量時(shí)，2017 年和2018 年大豆生產(chǎn)面積分別顯著提升了18.59%和12.91%，均在1%的水平上顯著為正。為避免出現(xiàn)估計(jì)偏誤，引入控制變量后，這兩個(gè)數(shù)值降低為12.71%和9.76%，但仍均在1%的水平上顯著為正，即大豆生產(chǎn)者補(bǔ)貼政策的實(shí)施使2017 年和2018 年大豆生產(chǎn)面積分別增加了12.71%和9.76%。說(shuō)明生產(chǎn)者補(bǔ)貼政策的實(shí)施有利于促進(jìn)大豆生產(chǎn)面積的顯著提升，且在改革初年對(duì)大豆面積提升作用便已顯現(xiàn)，與理論預(yù)期相符。然而，與預(yù)期不符的是政策改革次年大豆補(bǔ)貼額度相較2017 年有了進(jìn)一步增加，但大豆生產(chǎn)面積的提升相較2017年顯著減小。

針對(duì)上述結(jié)果，本文進(jìn)一步考察了在政策實(shí)施的4 個(gè)地區(qū)2017 年和2018 年大豆生產(chǎn)面積的區(qū)域動(dòng)態(tài)差異。表4 列（3）至列（6）的結(jié)果表明，僅有黑龍江省和內(nèi)蒙古自治區(qū)實(shí)現(xiàn)了連續(xù)兩年大豆面積的有效提升，黑龍江省2017年和2018 年大豆面積的增長(zhǎng)率分別為18.36%和18.35%，與全樣本的估計(jì)結(jié)果一致，生產(chǎn)者補(bǔ)貼政策對(duì)黑龍江省大豆的“擴(kuò)面”作用也未能與補(bǔ)貼額度同比例上漲。內(nèi)蒙古自治區(qū)2017 年和2018 年大豆面積的增長(zhǎng)率分別為10.22%和14.89%。吉林省和遼寧省的估計(jì)結(jié)果存在顯著的時(shí)間異質(zhì)性，雖然生產(chǎn)者補(bǔ)貼政策可以促進(jìn)兩個(gè)省份2017 年大豆生產(chǎn)面積的提升，但2018 年兩個(gè)省份大豆的“擴(kuò)面”作用卻失效了，更為甚者，吉林省2018 年的估計(jì)結(jié)果竟出現(xiàn)了負(fù)值，即大豆補(bǔ)貼額度進(jìn)一步的增加減少了大豆的生產(chǎn)面積。模型估計(jì)結(jié)果為本研究提供了一個(gè)新的研究方向，2016 年以來(lái)，國(guó)家開始強(qiáng)調(diào)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革，要大力調(diào)減玉米種植面積，增加大豆種植面積，并實(shí)施了一系列政策，其中便包括統(tǒng)籌大豆、玉米生產(chǎn)者補(bǔ)貼政策，明晰兩者的比價(jià)關(guān)系，引導(dǎo)農(nóng)戶進(jìn)行種植結(jié)構(gòu)調(diào)整。從模型的估計(jì)結(jié)果來(lái)看，雖然大豆生產(chǎn)者補(bǔ)貼政策的實(shí)施總體上促進(jìn)了農(nóng)戶增種大豆的積極性，但為何對(duì)吉林省和遼寧省發(fā)揮的作用有限？通過(guò)對(duì)吉林省的實(shí)地調(diào)研了解到，大多數(shù)的農(nóng)戶依然選擇種植玉米，出現(xiàn)這一狀況的原因是政策的導(dǎo)向作用在部分省份表現(xiàn)較為滯后，還是農(nóng)戶的種植決策相較現(xiàn)存的政策更傾向于依賴過(guò)去的種植決策，還需要今后更為系統(tǒng)地研究。

總之，上述結(jié)果表明，生產(chǎn)者補(bǔ)貼政策對(duì)大豆“擴(kuò)面”作用存在“補(bǔ)貼-效用”偏差的問(wèn)題。換言之，在農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革和大豆振興計(jì)劃的壓力下，雖然東北四省鼓勵(lì)大豆種植，2018年相較2017 年政策實(shí)施地區(qū)的補(bǔ)貼額度均有明顯增長(zhǎng)，但理論上認(rèn)為的大豆生產(chǎn)面積將會(huì)進(jìn)一步得到優(yōu)化的現(xiàn)象并未發(fā)生。倘若繼續(xù)按照相當(dāng)?shù)呢?cái)力實(shí)施生產(chǎn)者補(bǔ)貼政策，大豆生產(chǎn)面積也極有可能出現(xiàn)反復(fù)。

（四）穩(wěn)健性檢驗(yàn)

1.更換匹配方式檢驗(yàn)

為避免因樣本匹配方式產(chǎn)生的結(jié)果差異，本文對(duì)原始樣本分別采用近鄰匹配和半徑匹配重新檢驗(yàn)，結(jié)果如表5所示。重新使用兩種匹配方式后的估計(jì)結(jié)果表明，生產(chǎn)者補(bǔ)貼政策仍然能夠顯著提升大豆的生產(chǎn)面積，但2017 年大豆生產(chǎn)面積的提升程度明顯強(qiáng)于2018 年。上述結(jié)果與前文和匹配后的估計(jì)結(jié)果保持一致，證明本研究的實(shí)證結(jié)果具有穩(wěn)健性。

表5 更換匹配后生產(chǎn)者補(bǔ)貼政策實(shí)施的動(dòng)態(tài)效應(yīng)

2.安慰劑檢驗(yàn)

為了避免政策干預(yù)的隨機(jī)性以及排除其他年份政策對(duì)大豆生產(chǎn)面積的影響，本文假設(shè)生產(chǎn)者補(bǔ)貼政策的實(shí)施提前到2015 年和2016 年。若估計(jì)結(jié)果顯著，說(shuō)明其他政策的實(shí)施或其他因素可能也是大豆生產(chǎn)面積得以調(diào)節(jié)的誘因，并非一定是生產(chǎn)者補(bǔ)貼政策的實(shí)施；若結(jié)果不顯著，則表明引起大豆生產(chǎn)面積顯著增加的是生產(chǎn)者補(bǔ)貼政策的實(shí)施。由表6的結(jié)果可知，當(dāng)生產(chǎn)者補(bǔ)貼政策提前到2015 年和2016 年實(shí)施后，估計(jì)結(jié)果并不顯著，說(shuō)明大豆生產(chǎn)面積的有效提升來(lái)源于生產(chǎn)者補(bǔ)貼政策，而非其他因素的干擾。

表6 安慰劑檢驗(yàn)

（五）進(jìn)一步分析：生產(chǎn)者補(bǔ)貼政策如何影響大豆生產(chǎn)面積

以上結(jié)果表明，生產(chǎn)者補(bǔ)貼政策未能持續(xù)提升大豆生產(chǎn)面積，且結(jié)果是穩(wěn)健的。那么，其原因?yàn)楹?？換言之，生產(chǎn)者補(bǔ)貼政策是通過(guò)何種機(jī)制提升了大豆生產(chǎn)面積，又是通過(guò)何種機(jī)制弱化了補(bǔ)貼效果？

1.理論分析

2017 年，生產(chǎn)者補(bǔ)貼政策實(shí)施前，大豆生產(chǎn)面積一度出現(xiàn)連年下滑，其原因在于，雖然同樣實(shí)施了價(jià)格支持政策，但在國(guó)際市場(chǎng)沖擊和國(guó)內(nèi)玉米、稻谷等競(jìng)爭(zhēng)作物的擠壓下，國(guó)內(nèi)大豆市場(chǎng)并不樂觀，大豆的種植收益也明顯低于其他作物[16]。2014年，我國(guó)開始探索“價(jià)補(bǔ)分離”政策改革，企圖以放開大豆市場(chǎng)的方式降低財(cái)政壓力、提高農(nóng)戶種豆收益，但終因政策執(zhí)行復(fù)雜、未符合豆農(nóng)收益預(yù)期等原因未能達(dá)到預(yù)期目標(biāo)[17]。2017年，將目標(biāo)價(jià)格政策改為與玉米相同的生產(chǎn)者補(bǔ)貼政策，并逐年降低玉米補(bǔ)貼標(biāo)準(zhǔn)、提升大豆補(bǔ)貼標(biāo)準(zhǔn)，目的就是通過(guò)提高豆農(nóng)收益的方式提高種植大豆的積極性。然而，課題組在2019 年和2020 年前往黑龍江省和吉林省調(diào)研時(shí)了解到，在政策實(shí)施后，隨著補(bǔ)貼額度的增加，部分地區(qū)農(nóng)戶生產(chǎn)大豆的地租也出現(xiàn)了一定程度的增長(zhǎng)。也就是說(shuō)，雖然補(bǔ)貼額度提升了，但農(nóng)戶得到的實(shí)際利潤(rùn)被同步增長(zhǎng)的地租削弱了。因此，本文認(rèn)為政策改革能夠顯著提升大豆生產(chǎn)面積的原因在于種植收益的顯著提高，而政策效果未能與補(bǔ)貼額度同比例增長(zhǎng)的原因在于地租的同步增長(zhǎng)。

2.計(jì)量論證

依據(jù)前文的理論分析，生產(chǎn)者補(bǔ)貼政策可以通過(guò)提升種豆收益實(shí)現(xiàn)大豆“擴(kuò)面”目標(biāo)，也會(huì)通過(guò)引起地租的增加弱化“擴(kuò)面”效果，這兩個(gè)路徑變量就是生產(chǎn)者補(bǔ)貼政策影響大豆生產(chǎn)面積的中介變量。因此，本文將Andrew（2009）提出的中介效應(yīng)模型引入DID中，構(gòu)建雙重差分中介效應(yīng)模型[18]。

式（4）中，kit Path為中介變量，k=12、,主要包括農(nóng)戶種豆收益（Inc） 和土地成本（Land）。式（3）中的1α為生產(chǎn)者補(bǔ)貼政策影響大豆生產(chǎn)面積的總效應(yīng)，式（4）中的kβ為生產(chǎn)者補(bǔ)貼政策對(duì)農(nóng)戶種豆收益和土地成本的影響，式（5）中的4γ度量了生產(chǎn)者補(bǔ)貼政策對(duì)大豆生產(chǎn)面積的直接影響。將式（4）帶入式（5）中可得式（6）：

其中，γkkβ度量的就是生產(chǎn)者補(bǔ)貼政策實(shí)施后通過(guò)中介變量對(duì)大豆生產(chǎn)面積產(chǎn)生的間接影響。

由表7 的結(jié)果可知：2017 年和2018 年生產(chǎn)者補(bǔ)貼政策影響農(nóng)戶種豆收益的系數(shù)值為0.0147 和0.0156，分別在1%和5%的水平上顯著為正，說(shuō)明政策改革顯著提升了農(nóng)戶種豆收益，且2018 年的提升程度要強(qiáng)于2017 年；生產(chǎn)者補(bǔ)貼政策僅影響了2018年的土地成本，系數(shù)值為0.0150，在5%的水平上顯著為正，驗(yàn)證了前文的分析，2018 年在補(bǔ)貼提高的同時(shí)，地租水平也存在提高的現(xiàn)象；農(nóng)戶種豆收益和土地成本影響大豆生產(chǎn)面積的系數(shù)值為0.0471和-0.0379，分別在10%和5%的水平上顯著。由式（6）可知，農(nóng)戶種豆收益的中介效應(yīng)系數(shù)值在2017 年和2018 年分別為0.000692（0.0147×0.0471） 和0.000735 （0.0156×0.0471），即生產(chǎn)者補(bǔ)貼政策通過(guò)提高農(nóng)戶種豆收益提升了大豆生產(chǎn)面積，且2018年通過(guò)提高種豆收益提升大豆生產(chǎn)面積的程度要高于2017 年。由于2017年政策改革并未影響土地成本，因此土地成本僅對(duì)2018年發(fā)揮中介作用，系數(shù)值為-0.000569（-0.0379×0.0150），即生產(chǎn)者補(bǔ)貼政策通過(guò)提高2018 年的地租降低了農(nóng)戶的種豆意愿。

表7 生產(chǎn)者補(bǔ)貼政策影響大豆生產(chǎn)面積路徑的檢驗(yàn)結(jié)果

四、結(jié)論與政策啟示

基于2013—2018 年的縣域面板數(shù)據(jù)，以大豆生產(chǎn)者補(bǔ)貼政策實(shí)施地區(qū)作為實(shí)驗(yàn)組，非實(shí)施地區(qū)作為對(duì)照組，構(gòu)建準(zhǔn)自然實(shí)驗(yàn)，通過(guò)PSM-DID模型考察在價(jià)格支持政策市場(chǎng)化改革背景下，生產(chǎn)者補(bǔ)貼政策實(shí)施對(duì)大豆生產(chǎn)面積的影響，并對(duì)時(shí)間異質(zhì)性、區(qū)域差異以及影響機(jī)制進(jìn)行甄別，結(jié)論如下：第一，生產(chǎn)者補(bǔ)貼政策使大豆生產(chǎn)面積平均增加了11%左右，且政策實(shí)施地區(qū)大豆生產(chǎn)面積均有不同程度的增長(zhǎng)；第二，在樣本的研究范圍內(nèi)，農(nóng)戶過(guò)去的種豆決策、上一期大豆和玉米單產(chǎn)均對(duì)當(dāng)期大豆生產(chǎn)面積影響顯著，而上一期大豆和玉米價(jià)格卻不顯著，對(duì)此本文做了初步的解釋說(shuō)明；第三，生產(chǎn)者補(bǔ)貼政策對(duì)大豆“擴(kuò)面”作用存在“補(bǔ)貼-效用”偏差的問(wèn)題，即雖然2018年補(bǔ)貼額度較2017年顯著提升，但2018年（9.76%） 的“擴(kuò)面”作用卻不如2017 年（12.71%）；第四，除內(nèi)蒙古自治區(qū)外，其他3個(gè)地區(qū)均存在“擴(kuò)面”程度未能與補(bǔ)貼額度同比例上升的問(wèn)題，更為甚者，政策改革對(duì)2018 年吉林省大豆的“擴(kuò)面”作用竟為負(fù)向；第五，政策改革能夠顯著提升大豆生產(chǎn)面積的原因在于種植收益的顯著提高，而政策效果未能與補(bǔ)貼額度同比例增長(zhǎng)的原因在于地租的同步增長(zhǎng)。

基于以上結(jié)論，得出如下政策啟示：

第一，根據(jù)本研究結(jié)論可以初步推斷，在短期內(nèi)大豆、玉米相對(duì)單產(chǎn)變化不大的情況下，農(nóng)民傾向于依賴過(guò)去的種植決策和政策引導(dǎo)制定其當(dāng)年的種植決策，若想促使其進(jìn)一步擴(kuò)大大豆面積，政策引導(dǎo)勢(shì)必要發(fā)揮更大的作用。然而，由于存在“補(bǔ)貼-效用”偏差的問(wèn)題，導(dǎo)致這種不斷提高補(bǔ)貼標(biāo)準(zhǔn)引導(dǎo)的政策不僅代價(jià)高昂，而且有可能會(huì)導(dǎo)致貿(mào)易摩擦，不適合作為長(zhǎng)期的政策選擇。而之前的價(jià)格支持政策，造成價(jià)格與成本的螺旋上漲，是其改革的重要原因之一。如此來(lái)看，若要提高大豆的種植面積，制定能夠提高大豆單產(chǎn)水平的政策或者研發(fā)高產(chǎn)的大豆品種不失為一種可能的方案選擇，但還應(yīng)該注意的是任何政策的制定都不應(yīng)該單一存在，應(yīng)注重政策實(shí)施的系統(tǒng)性。

第二，應(yīng)加強(qiáng)對(duì)大豆市場(chǎng)風(fēng)險(xiǎn)防控和地租不合理增長(zhǎng)的管控。目前價(jià)格支持政策的市場(chǎng)化改革仍處在逐漸完善的過(guò)程中，例如2019—2021 年連續(xù)三年均在強(qiáng)調(diào)要完善大豆生產(chǎn)者補(bǔ)貼政策。本文結(jié)論表明，生產(chǎn)者補(bǔ)貼政策是重點(diǎn)圍繞大豆種植收益，短期來(lái)看的確促進(jìn)了大豆面積的有效提升，政策效果較好。然而，其中的不利因素也應(yīng)當(dāng)引起足夠重視，不論是本文中討論的地租不合理上漲還是市場(chǎng)化改革后增加的市場(chǎng)風(fēng)險(xiǎn)，都會(huì)成為影響豆農(nóng)種豆積極性的重要因素。對(duì)于地租的不合理上漲，還是應(yīng)加強(qiáng)對(duì)政策性地租波動(dòng)的管控，防止地租出現(xiàn)不合理上漲，促進(jìn)土地流轉(zhuǎn)市場(chǎng)的良性發(fā)展；對(duì)于市場(chǎng)風(fēng)險(xiǎn)而言，完全市場(chǎng)機(jī)制調(diào)節(jié)下的大豆市場(chǎng)價(jià)格波動(dòng)勢(shì)必會(huì)高于價(jià)格支持政策時(shí)期，隨著生產(chǎn)者補(bǔ)貼政策的繼續(xù)實(shí)行，市場(chǎng)風(fēng)險(xiǎn)對(duì)豆農(nóng)生產(chǎn)積極性的抑制作用將會(huì)逐漸強(qiáng)化。目前，以生產(chǎn)者補(bǔ)貼制度為主的配套支持制度并不能有效化解地租不合理上漲風(fēng)險(xiǎn)和市場(chǎng)價(jià)格波動(dòng)風(fēng)險(xiǎn)，因此未來(lái)大豆生產(chǎn)者補(bǔ)貼政策體系的完善應(yīng)重點(diǎn)放在調(diào)節(jié)這兩種風(fēng)險(xiǎn)上。