周 楊，邵喜武，吳佩蓉

（1.濟寧學(xué)院儒商學(xué)院，山東 濟寧 273115；2.吉林農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院，長春 130118）

1 引言

新世紀以來，我國糧食產(chǎn)量實現(xiàn)了“十二連增”。然而，在這一喜人的成績背后，糧食生產(chǎn)卻出現(xiàn)了階段性供給冗余與結(jié)構(gòu)性失衡并存的局面[1]。大豆作為重要的油料與蛋白來源作物，其產(chǎn)量與三大主糧作物相比發(fā)展十分緩慢，甚至在2010年大豆生產(chǎn)份額開始逐年減少。開始時，人們普遍認為大量的進口抑制了農(nóng)民種植積極性，導(dǎo)致生產(chǎn)滑坡。之后人們意識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[2]。為提振大豆產(chǎn)量，2017年國家對東北地區(qū)進行了新一輪的大豆收儲制度改革，即由大豆目標價格政策改為實施與玉米相同的生產(chǎn)者補貼政策，通過高于玉米補貼標準的方式提高農(nóng)民種豆的比較收益，并強調(diào)“新的補貼制度將會進一步助力國產(chǎn)大豆種植面積提升，同時引導(dǎo)玉米種植面積調(diào)減”。從政策構(gòu)想與設(shè)計上而言，其政策初衷更多地表現(xiàn)為擴大大豆面積、減少玉米面積的種植結(jié)構(gòu)調(diào)整。2019年，中央提出要推行大豆振興計劃，而“擴面”則是其中的重要目標；2019—2023年，連續(xù)5年的中央一號文件均強調(diào)要堅持并完善大豆生產(chǎn)者補貼政策。因此，本文以大豆生產(chǎn)者補貼政策為研究對象，考察該政策是否實現(xiàn)種植結(jié)構(gòu)調(diào)整目標，以期為完善大豆生產(chǎn)者補貼政策、實現(xiàn)大豆振興計劃提供經(jīng)驗借鑒。

關(guān)于糧食政策影響農(nóng)戶生產(chǎn)行為的問題，統(tǒng)一觀點是，隨著市場經(jīng)濟的不斷深化，理性農(nóng)戶會對不同糧食政策進行比較，選擇投資回報率較高的作物進行種植。王娜等[3]考察了價格支持政策對不同糧食作物生產(chǎn)面積的影響，結(jié)果表明，由于作物自身稟賦的不同，價格支持政策下不同糧食作物的種植利潤大相徑庭，不同糧食生產(chǎn)面積對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；劉宏曼等[4]同樣認為過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”政策的實施對農(nóng)戶生產(chǎn)行為的影響并不明顯；臨時收儲政策改為目標價格政策后，由于減少了政策補貼的中間損耗，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施初年擴大11.40%，但終究由于目標價格設(shè)置不合理和缺乏與玉米明確的比價關(guān)系抑制了豆農(nóng)的種豆積極性，目標價格政策實施次年的大豆播種面積顯著減少20.50%[5]。具體到生產(chǎn)者補貼政策的研究中，雖然玉米生產(chǎn)者補貼政策的實施效果好于預(yù)期，總產(chǎn)量下降，價格持續(xù)上漲，非優(yōu)勢產(chǎn)區(qū)玉米種植面積相對調(diào)減。但是，農(nóng)戶售糧進度變緩、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[6]；從2017—2018年生產(chǎn)者補貼的發(fā)放情況來看，通過大豆補貼金額高于玉米的方式，在一定程度上可引導(dǎo)農(nóng)戶調(diào)減玉米、增種大豆，但具有一定局限性，若要維持或進一步促進種植結(jié)構(gòu)調(diào)整，需持續(xù)提高大豆生產(chǎn)者補貼標準。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[7]；周楊等[8]研究已印證這一觀點，大豆生產(chǎn)者補貼政策實施初年，大豆種植比重增加6.50%，但受限于路徑依賴、補貼錯位、地租的不合理增長以及大豆、玉米相對價格不理想等問題，雖然2018年補貼額度進一步提高，但大豆種植比重并未相應(yīng)改善。然而，使用宏觀面板數(shù)據(jù)的分析雖然能從整體上回答大豆生產(chǎn)者補貼政策改革對農(nóng)戶生產(chǎn)行為影響的結(jié)果，但生產(chǎn)者補貼政策對種植結(jié)構(gòu)調(diào)整的作用機制是發(fā)生于“農(nóng)戶間”和“農(nóng)戶內(nèi)”，宏觀層面的數(shù)據(jù)無法客觀衡量在政策沖擊下農(nóng)戶的真實反應(yīng)，不同初始條件、不同生產(chǎn)規(guī)模農(nóng)戶，受政策的影響有何不同？想要完整地回答大豆生產(chǎn)者補貼政策改革對農(nóng)戶生產(chǎn)行為的影響，還需要采用微觀層面的數(shù)據(jù)進行分析和討論。

鑒于此，本文利用微觀數(shù)據(jù)從以下幾個方面進行拓展和延伸：（1）將工具變量法（IV）和分位數(shù)回歸模型（QR）相結(jié)合，考察政策改革與種植結(jié)構(gòu)調(diào)整的因果效應(yīng)，可避免政策作為解釋變量時產(chǎn)生的內(nèi)生性問題；（2）進一步考察了在政策影響下不同初始條件、不同規(guī)模農(nóng)戶的種植結(jié)構(gòu)變化，可以更全面、完整、深刻地認識收儲改革的影響。相對于普通農(nóng)戶，規(guī)模經(jīng)營戶由于專業(yè)性強、規(guī)模大等特點，對政策的敏感性更強。在面對收儲改革時，其反應(yīng)與普通農(nóng)戶可能有所不同。

2 制度背景：大豆“目標價格”到“生產(chǎn)者補貼”的演變

2000年，大豆每公頃凈利潤為629.25 元，與水稻水平相當(dāng)，是玉米的1.28倍，小麥凈利潤為負值；到了“目標價格”實施前夕，即2014年，我國大豆每公頃凈利潤已跌至-385.50元，而水稻、小麥和玉米每公頃凈利潤則分別為3 072.45、1 317.45 和1 227.30 元，大豆種植毫無比較優(yōu)勢。在如此嚴峻的國內(nèi)外形勢下，為穩(wěn)定大豆產(chǎn)量、提高豆農(nóng)收入、保障糧食及產(chǎn)業(yè)安全，2014年國家開始在東北四省區(qū)開展大豆“目標價格”試點。用“目標價格”制度替代“臨時收儲”政策，提前了執(zhí)行價格的公布時間，降低了政府的庫存壓力，改變過去“進多出少”的狀況，有效緩解“三高”局面；消除政策干預(yù)對于市場的扭曲作用，市場價格導(dǎo)向作用得到激活，農(nóng)民能更大程度參與到市場中，一時間大豆產(chǎn)量和生產(chǎn)面積得到明顯提升[9]。

然而，目標價格制度的實施仍無法改變因生產(chǎn)要素錯配而導(dǎo)致的大豆、玉米種植結(jié)構(gòu)失衡問題。2014—2016年，大豆生產(chǎn)面積增加50.10萬公頃，而玉米卻增加118.08萬公頃。2016年，中央農(nóng)村工作會議提出要推進農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革，圍繞“三去一降一補”的思路，優(yōu)化農(nóng)業(yè)內(nèi)部生產(chǎn)結(jié)構(gòu)。從形勢上看，適度調(diào)減玉米、增加大豆生產(chǎn)成為了亟待解決的重要問題。為進一步優(yōu)化大豆、玉米種植結(jié)構(gòu)，2017年3月我國大豆改行與玉米相同的生產(chǎn)者補貼政策，具體內(nèi)容為：每年6月前，農(nóng)戶進行大豆播種面積申報，6—8月進行審核和公示，補貼標準由各省級財政單位擬定（原則上大豆的補貼標準要高于玉米），并經(jīng)省政府批準后于9月底前兌付給大豆種植戶，經(jīng)調(diào)研發(fā)現(xiàn)，補貼資金均在每年10—11月初才會到達農(nóng)戶手中。

目標價格制度與生產(chǎn)者補貼的共同之處在于：兩者本質(zhì)上均屬于價補分離政策，且均與當(dāng)期的生產(chǎn)面積掛鉤。不同之處在于：首先補貼方式，目標價格制度采取的是差價補貼的方式，當(dāng)市場價格低于目標價格時，將差額補貼給農(nóng)戶；而生產(chǎn)者補貼政策采取的是按照面積固定補貼方式，在同一政策下，通過遠高于玉米的補貼標準（見表1），提高農(nóng)戶的種豆意愿，更有利于調(diào)整大豆、玉米的種植結(jié)構(gòu)[10]。其次在執(zhí)行價格公布時間方面，目標價格的標準雖在每年4—5月公布，但具體補貼標準還需在事后的銷售環(huán)節(jié)才能確定下來，通過反周期調(diào)節(jié)的方式避免了由于可能的價格下跌帶來的生產(chǎn)滑坡；而生產(chǎn)者補貼標準在播種之前便能夠確定，與市場價格無關(guān)，通過政策導(dǎo)向作用提高農(nóng)戶的種植意愿。

表1 生產(chǎn)者補貼標準Table 1 Producer subsidy standards單位：元/公頃

3 數(shù)據(jù)來源與模型構(gòu)建

3.1 數(shù)據(jù)來源與描述性統(tǒng)計分析

本文數(shù)據(jù)主要來源于2019年7—11月和2020年9—11月在吉林和黑龍江開展的實地調(diào)研。東北三省一區(qū)是我國大豆的主產(chǎn)區(qū)，也是生產(chǎn)者補貼政策實施地區(qū)。吉林、黑龍江大豆產(chǎn)量和面積占四省區(qū)比重在80%左右，在生產(chǎn)者補貼政策實施后，吉林2017和2018年大豆種植面積較2016年分別增加17.43% 和48.90%，黑龍江分別增加15.90% 和10.70%。

調(diào)研地區(qū)共涉及12 個鄉(xiāng)鎮(zhèn)21 個行政村，每個行政村抽取約12 戶農(nóng)民開展問卷調(diào)查。為了確保數(shù)據(jù)的準確性，項目組事先對調(diào)研人員進行專題培訓(xùn)，并建立相應(yīng)的考核機制。通過農(nóng)戶回憶、電話回訪等方式，最終搜集到包含2018—2020年農(nóng)戶生產(chǎn)相關(guān)數(shù)據(jù)的問卷229 份，刨除數(shù)據(jù)缺失和存在偏差的問卷，有效問卷214 份，有效率為93.45%。具體的樣本分布情況如表2所示。變量描述性統(tǒng)計分析如表3所示：

表3 各變量的含義與描述性統(tǒng)計分析Table 3 Meaning and descriptive statistical analysis of each variable

3.2 模型設(shè)定與指標選取

工具變量分位數(shù)回歸模型（IVQR）。傳統(tǒng)的計量模型可以分為條件均值模型和條件波動率模型，前者反映的是條件分布的集中形式，后者反映的是條件分布的分散形式。分位數(shù)回歸模型可以囊括條件分布的集中和分散兩種形式，以整體的模式考察自變量和因變量的關(guān)系。相較于最小二乘法對均值的回歸，分位數(shù)回歸模型可以獲得除均值外更多因變量分布信息，進而可以考察自變量對因變量不同分布的影響差異，從而使估計結(jié)果更加穩(wěn)健可靠[11]。然而，該研究難點依然是如何剝離其他因素對農(nóng)戶生產(chǎn)行為的影響，分位數(shù)回歸模型在解決內(nèi)生性問題方面有所欠缺。為此，V.Chernozhukov 和C.Hansen[12]在分位數(shù)回歸模型的基礎(chǔ)上構(gòu)建了工具變量估計方法，即本研究使用的工具變量分位數(shù)回歸模型，成為國內(nèi)外學(xué)者在不同領(lǐng)域構(gòu)建分位數(shù)回歸模型方法的常用工具。分位數(shù)的函數(shù)形式為：

式（1）中，Q（·）為分位數(shù)方程且為關(guān)于τ的嚴格遞增函數(shù)，X和Y分別為解釋變量和被解釋變量，a和β為待估參數(shù)。由于存在內(nèi)生性問題，分位數(shù)的估計結(jié)果可能有偏，引入工具變量（Z）后的目標函數(shù)定義為：

式（2）中，ωj為權(quán)重，控制J個分位數(shù)τ在估計時的影響，γ為待估參數(shù)。

本文選擇的被解釋變量為大豆種植比重（即農(nóng)戶大豆生產(chǎn)面積與耕地總面積的比值）。核心解釋變量為大豆生產(chǎn)者補貼政策（Pol），主要選取政府在2018—2020年公布的生產(chǎn)者補貼標準?？刂谱兞恐饕ǎ哼^去的種植決策（Dect-1）和與主要競爭作物的相對預(yù)期單產(chǎn)（Ery）；其次是農(nóng)戶及家庭特征，主要包括：①性別（Sex）。已有研究者對性別這一影響變量說法不一，有學(xué)者認為男性受政策補貼的影響要顯著高于女性，因此有理由相信男性會更傾向于調(diào)整生產(chǎn)行為，而有學(xué)者則不然，認為女性往往對作物質(zhì)量要求更高，調(diào)整種植結(jié)構(gòu)和提高生產(chǎn)要素配置水平的可能性更大。但在本研究的實地調(diào)研中發(fā)現(xiàn)，家庭農(nóng)業(yè)的生產(chǎn)決策者往往是男性，因此將性別這一變量進行剔除；① 決策者年齡（Age）。年齡越大，其傳統(tǒng)的思維愈發(fā)根深蒂固，越不易接受新鮮事物，生產(chǎn)路徑的依賴性更強，調(diào)整農(nóng)業(yè)生產(chǎn)行為的可能性就越低；②受教育程度（Edu）。受教育程度越高的農(nóng)戶，其對大豆生產(chǎn)者補貼政策福利效應(yīng)的認知也越強，更傾向于調(diào)整農(nóng)業(yè)生產(chǎn)行為；③是否為村干部（Cgb）和是否接受過農(nóng)業(yè)培訓(xùn)（Px）。根據(jù)問卷內(nèi)容將這兩個變量定義為“1=是，0=否”；最后是兼業(yè)化程度（Jy）。用農(nóng)業(yè)收入占家庭總收入的比重表示。本研究認為隨著兼業(yè)化程度的提高，其務(wù)農(nóng)的機會成本也會提高，在政策的影響下改善種植結(jié)構(gòu)和提高生產(chǎn)要素配置水平的積極性將會降低。

工具變量主要包括兩項：①非勞動力人數(shù)（Non-Lab）。該變量主要是指農(nóng)戶家庭成員中大于70歲和小于16 歲的成員人數(shù)。農(nóng)戶非勞動力人數(shù)不參與農(nóng)業(yè)生產(chǎn)，但農(nóng)戶的農(nóng)業(yè)生產(chǎn)決策者會考慮他們的生活消費等，也就是說，生產(chǎn)者補貼額度對生產(chǎn)行為的激勵作用與非勞動力人數(shù)相關(guān)。雖然不是直接對農(nóng)業(yè)生產(chǎn)產(chǎn)生作用，但是間接影響農(nóng)業(yè)生產(chǎn)情況。由于農(nóng)戶家庭的非勞動力人數(shù)和生產(chǎn)者補貼額度相關(guān)，而與農(nóng)業(yè)生產(chǎn)無直接關(guān)系，該變量常以工具變量的方式用于解釋農(nóng)業(yè)政策與農(nóng)業(yè)生產(chǎn)之間的關(guān)系[13]。因此，本研究選用這一變量作為主要的工具變量，來識別大豆生產(chǎn)者補貼政策與農(nóng)戶生產(chǎn)行為關(guān)系。②歷史大豆產(chǎn)量（His-Yield）。為了對政策影響下的農(nóng)戶生產(chǎn)行為進一步分析，本研究在做穩(wěn)健性檢驗時選用歷史大豆產(chǎn)量作為工具變量。歷史大豆產(chǎn)量和當(dāng)前生產(chǎn)者補貼額、農(nóng)戶生產(chǎn)行為沒有直接關(guān)系，但是農(nóng)戶可以通過歷史大豆產(chǎn)量對未來的種植收益進行預(yù)期，從而調(diào)整其生產(chǎn)行為，由此導(dǎo)致種植結(jié)構(gòu)受到間接影響。G.Jeremy 等[14]使用油籽的歷史產(chǎn)量作為工具變量，選用2SLS 模型來分析美國的補貼對油籽產(chǎn)量的影響。Borowiecki.Karol jan[15]也驗證了該工具變量的合理性，認為歷史產(chǎn)量對當(dāng)期的產(chǎn)出沒有影響，但卻能夠影響政策的制定。因此，本研究選用該變量來檢驗大豆生產(chǎn)者補貼政策改革和農(nóng)戶生產(chǎn)行為的關(guān)系。由于本章節(jié)所使用的數(shù)據(jù)區(qū)間2018—2020年，因此，此處選用2014—2016年（大豆生產(chǎn)者補貼政策改革前）對應(yīng)該戶的大豆歷史產(chǎn)量為工具變量，即2014年對應(yīng)2018年小麥歷史產(chǎn)量，以此類推，單位為公斤/戶。

4 實證分析

4.1 生產(chǎn)者補貼政策對種植結(jié)構(gòu)調(diào)整的影響

為了檢驗大豆生產(chǎn)者補貼政策改革是否促進種植結(jié)構(gòu)調(diào)整，并考察在不同初始條件下政策效果是否存在異質(zhì)性，本文構(gòu)建工具變量分位數(shù)回歸模型進行估計。在使用工具變量進行估計之前，需要進行“弱工具變量檢驗”。一般地，弱工具變量由于包含內(nèi)生變量的信息較少，所以往往很難收斂到參數(shù)的真實值。因此，使用“Kleibergen-Paap Wald F 統(tǒng)計量”對大豆歷史產(chǎn)量這一工具變量進行檢驗，結(jié)果表明，Kleibergen-Paap Wald F 統(tǒng)計量的值為22.08，大于10% Stock-Yogo統(tǒng)計水平上的臨界值，該工具變量拒絕了“弱工具變量”的原假設(shè)。此外，該工具變量也通過Kleibergen-Paap rk IM 統(tǒng)計量檢驗和Hansen J統(tǒng)計量檢驗，不存在“不可識別”和“過渡識別”的問題。表4為大豆生產(chǎn)者補貼政策影響種植結(jié)構(gòu)的估計結(jié)果，遵循分位數(shù)回歸模型的思想，將種植結(jié)構(gòu)根據(jù)0.2、0.4、0.6 和0.8 等4 個分位點分成5 個段位進行估計，即5種初始條件，分位點為1時是基于全樣本進行回歸。

表4 大豆生產(chǎn)者補貼政策對種植結(jié)構(gòu)調(diào)整的影響Table 4 Effects of soybean producer subsidy policies on planting structure adjustment

由表4中全樣本的回歸結(jié)果可知，大豆生產(chǎn)者補貼政策的系數(shù)值為0.130 4，并在1%的顯著性水平下顯著，即樣本內(nèi)大豆生產(chǎn)者補貼政策改革促進了農(nóng)戶種植結(jié)構(gòu)調(diào)整。然而，大豆生產(chǎn)者補貼政策改革對農(nóng)戶種植結(jié)構(gòu)調(diào)整的促進作用在不同分位點上具有較大差異。大豆生產(chǎn)者補貼政策僅在0.4和0.6的分位點上對農(nóng)戶種植結(jié)構(gòu)調(diào)整具有明顯的促進作用，并未激發(fā)0.2和0.8分位點處農(nóng)戶調(diào)整種植結(jié)構(gòu)的意愿。尤其是分位點為0.2時，政策的效果竟顯著為負，即原本農(nóng)戶家庭種植大豆的比重越低，生產(chǎn)者補貼政策改革越不利于激發(fā)該家庭增種大豆的積極性。究其原因，在前往吉林省雙遼市的調(diào)研中可窺知。吉林省地處黃金玉米帶，是我國重要的玉米主產(chǎn)區(qū)之一，除個別地區(qū)外，幾乎所有的縣市均以種植玉米為主，雙遼市便為其中之一。通過調(diào)研了解，在大豆生產(chǎn)者補貼政策改革初年，由于大豆與玉米的比較收益顯著增加，農(nóng)戶的確增加了種植大豆的積極性，但在2019年和2020年的跟蹤調(diào)研中發(fā)現(xiàn)，農(nóng)戶大豆的種植比重均沒有政策改革初年高，而缺乏銷路是其中的主要問題，在雙遼市調(diào)研的29份有效問卷中，有24份將“無人來收”作為影響其改種大豆最主要的因素，占比高達82.76%。那么原本種植大豆比重較高農(nóng)戶是否因沒有缺乏銷路的擔(dān)憂從而增加大豆種植比重呢？答案是否定的。從表4（4）的結(jié)果可以看出，當(dāng)分位點為0.8 時，政策的系數(shù)值為0.145 2，但并不顯著，即大豆生產(chǎn)者補貼政策對原本種植大豆比重較高的農(nóng)戶家庭進一步促進其擴種大豆的效果極其有限。調(diào)研中發(fā)現(xiàn)，當(dāng)問及“若是大豆的補貼標準進一步提高，您是否愿意放棄其他作物的種植，全部種大豆時？”鮮有農(nóng)戶回答“愿意”，214份有效問卷中，有183份不愿意“全部種植大豆”，占比高達85.51%。導(dǎo)致出現(xiàn)這一結(jié)果最主要的原因是，由于大豆的相對單產(chǎn)較低，考慮到風(fēng)險和收益的雙重因素，大多農(nóng)戶均不愿“將雞蛋放在同一個籃子中”，當(dāng)然，還有一部分原因在于需要種植其他作物用于家庭必需消費。相對而言，大豆生產(chǎn)者補貼政策實施后，大豆種植比重處在中位的農(nóng)戶更傾向于增加一定比例的大豆種植。分位點為0.4和0.6時，政策的系數(shù)值分別為0.123 6 和0.098 2，并分別在1%和5%的顯著性水平下顯著。這些農(nóng)戶便是政策得以發(fā)揮積極種植結(jié)構(gòu)調(diào)整效應(yīng)的核心力量。

4.2 穩(wěn)健性檢驗

本文通過更換工具變量和樣本分組來進一步對估計結(jié)果進行穩(wěn)健性檢驗。首先，使用歷史大豆產(chǎn)量作為工具變量，替代前文所使用的農(nóng)戶家庭中的非勞動力人數(shù)；其次，將樣本中黑龍江和吉林分別回歸進一步檢驗結(jié)果。為了與前文分位數(shù)回歸模型的分析對應(yīng)，依然按照0.2、0.4、0.6和0.8等4個分位點分成5個段位進行估計。

（1）更換工具變量再檢驗。由結(jié)果可知，全樣本中，政策效應(yīng)的系數(shù)值為0.184 1，且在1%的顯著性水平下顯著，與前文的計量結(jié)果相一致，大豆生產(chǎn)者補貼政策改革的確能夠促進農(nóng)戶種植結(jié)構(gòu)調(diào)整。從各分位點的結(jié)果來看，仍然只有當(dāng)分位點在0.4 和0.8 時，政策能夠發(fā)揮積極的種植結(jié)構(gòu)調(diào)整效應(yīng)。因此，前文中關(guān)于政策與農(nóng)戶種植結(jié)構(gòu)調(diào)整的估計結(jié)果是穩(wěn)健的。

（2）樣本分組后再檢驗。由結(jié)果可知，不論是黑龍江還是吉林，大豆生產(chǎn)者補貼政策改革均能夠在不同程度上促進農(nóng)戶種植結(jié)構(gòu)調(diào)整。在進行分位數(shù)回歸后，也僅能對分位點為0.4和0.6時的農(nóng)戶產(chǎn)生積極的種植結(jié)構(gòu)調(diào)整效應(yīng)，與前文保持一致，增強了實證結(jié)果的穩(wěn)健性。并且，黑龍江和吉林相比較而言，黑龍江農(nóng)戶在政策的影響下調(diào)整種植結(jié)構(gòu)的程度更大。

5 異質(zhì)性分析：生產(chǎn)者補貼政策改革對不同規(guī)模農(nóng)戶生產(chǎn)行為的影響

為了追求利益最大化，農(nóng)戶往往會調(diào)整從事農(nóng)業(yè)生產(chǎn)的要素配置、必要勞動時間和土地經(jīng)營規(guī)模，然而這種人為改變稟賦特征的調(diào)整在外部政策刺激下往往引致農(nóng)戶生產(chǎn)行為差異。在家庭經(jīng)營制度確立之初，我國所有的農(nóng)戶都是小農(nóng)戶，本質(zhì)上并無太大差別，但隨著工業(yè)化和城鎮(zhèn)化的推進，小農(nóng)戶逐漸沿著兩條路徑不斷分化[16]。其中一條路徑是大多數(shù)農(nóng)戶開始出現(xiàn)兼業(yè)化，農(nóng)業(yè)生產(chǎn)逐漸呈現(xiàn)離農(nóng)化；另一條路徑則是在政府和市場的推動下，少數(shù)農(nóng)戶的土地開始流轉(zhuǎn)和集中，逐漸形成規(guī)模經(jīng)營特征。選擇不同規(guī)模主體進行研究的原因還包括：第一，大豆生產(chǎn)者補貼政策的政策設(shè)計初衷是其與農(nóng)戶的種植面積掛鉤，能通過補貼來刺激生產(chǎn)，促進農(nóng)戶的生產(chǎn)積極性。因此，通過基于不同規(guī)模主體的視角來評估大豆生產(chǎn)者補貼政策對農(nóng)業(yè)生產(chǎn)行為的影響，主要考察其是否完成政策設(shè)計的初衷；第二，通過將所有樣本分成不同組別，有利于更清楚地分析大豆生產(chǎn)者補貼政策對不同規(guī)模農(nóng)戶的作用；第三，已有研究表明糧食收儲制度的改革對不同規(guī)模農(nóng)戶的生產(chǎn)行為會產(chǎn)生不同影響，如阮榮平的研究表明，玉米收儲制度改革能夠?qū)ζ胀ㄞr(nóng)戶調(diào)整種植結(jié)構(gòu)產(chǎn)生積極影響，而對新型經(jīng)營主體效果不佳[17]。前文已經(jīng)分析了生產(chǎn)者補貼政策改革對農(nóng)戶生產(chǎn)行為的影響。然而，生產(chǎn)者補貼政策是否對不同規(guī)模主體的農(nóng)業(yè)生產(chǎn)行為起到了不同的作用？是推動還是抑制？目前的大豆生產(chǎn)者補貼政策對哪種經(jīng)營規(guī)模的作用更為明顯？這一部分將重點考察大豆生產(chǎn)者補貼政策沖擊下規(guī)模主體異質(zhì)性在農(nóng)業(yè)生產(chǎn)行為中的邏輯，尤其是普通農(nóng)戶和規(guī)模經(jīng)營戶在種植結(jié)構(gòu)上的行為差異。

5.1 不同規(guī)模農(nóng)戶的描述性統(tǒng)計分析

參考《新型經(jīng)營主體的統(tǒng)計標準》中家庭農(nóng)場的申報標準和第三次全國農(nóng)業(yè)普查關(guān)于規(guī)?；慕缍?，以3.33公頃和6.67公頃為閾值，將農(nóng)戶分為普通農(nóng)戶、規(guī)模戶Ⅰ型和規(guī)模戶Ⅱ型，即耕地總面積在3.33公頃及以下為普通農(nóng)戶、3.33—6.67公頃為規(guī)模戶Ⅰ型、6.67公頃以上為規(guī)模戶Ⅱ型。表5描繪了不同規(guī)模農(nóng)戶的樣本特征，從中可以看出，不同類型農(nóng)戶的年齡相差無幾，均在50歲左右，規(guī)模戶Ⅰ型農(nóng)場主的平均年齡相較年輕，僅為49.53歲，而普通農(nóng)戶的平均年齡相對較長，為53.31歲，具體的數(shù)據(jù)主要集中在40～70 歲之間，說明我國大豆生產(chǎn)主體以中老年為主；從受教育水平來看，初中以下學(xué)歷的農(nóng)戶還是占據(jù)主導(dǎo)地位，我國豆農(nóng)的文化水平仍然偏低，相較而言，規(guī)模經(jīng)營戶的受教育水平更高，尤其是隨著土地規(guī)模的增大受教育程度也隨之提高；從種植決策和滯后一期種植決策的均值來看，明顯看出當(dāng)期普通農(nóng)戶和規(guī)模戶Ⅱ型的平均大豆種植比重相較滯后一期有所增長，而規(guī)模戶Ⅰ型則有微弱下降；而相對預(yù)期單產(chǎn)則隨著規(guī)模的增加而提高。

表5 不同規(guī)模農(nóng)戶樣本基本特征Table 5 Basic characteristics of farmer samples of different scales

5.2 生產(chǎn)者補貼政策對不同規(guī)模農(nóng)戶種植結(jié)構(gòu)的影響

表6匯報了大豆生產(chǎn)者補貼政策影響不同規(guī)模農(nóng)戶種植結(jié)構(gòu)調(diào)整的檢驗結(jié)果。由結(jié)果可知，3 種類型的農(nóng)戶無論是在影響程度還是在顯著性水平方面均存在顯著的異質(zhì)性特征。普通農(nóng)戶和規(guī)模戶Ⅰ型的政策效應(yīng)系數(shù)值分別為0.273 9 和0.092 7，且分別在1%和5%的顯著性水平下顯著，即大豆生產(chǎn)者補貼政策僅能促進普通農(nóng)戶和規(guī)模戶Ⅰ型調(diào)整種植結(jié)構(gòu)，而對規(guī)模戶Ⅱ型的效果不佳。并且從系數(shù)值本身來看，隨著土地規(guī)模的擴大，政策調(diào)整種植結(jié)構(gòu)的作用程度在減小。

表6 大豆生產(chǎn)者補貼政策對不同規(guī)模農(nóng)戶種植結(jié)構(gòu)調(diào)整的影響Table 6 Effects of soybean producer subsidy policies on planting structure adjustment of different operating entities

規(guī)模經(jīng)營戶憑借土地規(guī)模大和經(jīng)營動機長期化的特點理論上能夠響應(yīng)國家的號召調(diào)整種植結(jié)構(gòu)，但實證結(jié)果并沒能完全印證此觀點，可能在于，首先，規(guī)模經(jīng)營戶未能發(fā)揮應(yīng)有的規(guī)模效應(yīng)。農(nóng)業(yè)的規(guī)?；l(fā)展催生出農(nóng)業(yè)生產(chǎn)的縱向分工，從種到收每一個環(huán)節(jié)均可以細化[18]。但現(xiàn)有的政策支持僅局限于生產(chǎn)要素投入方面，而對農(nóng)藝各個環(huán)節(jié)的支持較少，不利于規(guī)模經(jīng)營戶發(fā)揮積極的規(guī)模效應(yīng)；其次，成本剛性化和收益不穩(wěn)定并存。樣本中大多數(shù)的規(guī)模經(jīng)營戶均是通過土地流轉(zhuǎn)獲得相對大規(guī)模的土地，且勞動力不足決定要付出額外的雇工成本，逐年升高的地租和人工成本已成為規(guī)模經(jīng)營戶的剛性開支。然而，規(guī)模經(jīng)營戶的收益卻得不到保障。在市場化改革后，大豆和玉米等糧食作物的價格在近幾年波動劇烈，由于規(guī)模經(jīng)營戶的集約化程度相較普通農(nóng)戶高很多，因此其難以像普通農(nóng)戶一樣有效地轉(zhuǎn)移風(fēng)險。調(diào)研了解到，自認為近三年經(jīng)營收益受到大豆或玉米價格嚴重影響的規(guī)模經(jīng)營戶占比達80.77%。為了實現(xiàn)利潤最大化，農(nóng)戶對風(fēng)險的規(guī)避體現(xiàn)在生產(chǎn)產(chǎn)量相對更高的作物種植上，因此對增加大豆種植更為謹慎。

雖然大豆生產(chǎn)者補貼政策對規(guī)模戶Ⅱ型調(diào)整種植結(jié)構(gòu)的效果不佳，但仍然能夠正向影響普通農(nóng)戶和規(guī)模戶Ⅰ型的大豆種植比重。然而，從生產(chǎn)經(jīng)營的角度看，大豆種植比重的增加，可能意味著兩種結(jié)果；一是普通農(nóng)戶和規(guī)模戶Ⅰ型調(diào)整種植結(jié)構(gòu)，即不再種植其他作物，改種大豆；二是普通農(nóng)戶和規(guī)模戶Ⅰ型減少總體經(jīng)營規(guī)模，即減少種植總面積。為了考察可能的結(jié)果一，分別以大豆種植面積和其他作物種植面積作為被解釋變量進行估計，結(jié)果顯示，大豆生產(chǎn)者補貼政策顯著增加普通農(nóng)戶大豆種植面積并減少他作物種植面積，調(diào)整種植結(jié)構(gòu)，而該政策對規(guī)模戶Ⅰ型調(diào)整作物的種植面積均無顯著影響參見表7（1）、（2）、（4）、（5）；為了考察可能的結(jié)果二，進一步估計大豆生產(chǎn)者補貼政策對普通農(nóng)戶和規(guī)模戶Ⅰ型土地總規(guī)模的影響，結(jié)果發(fā)現(xiàn)，政策對規(guī)模戶Ⅰ型土地總規(guī)模的影響顯著為負參見表7（3）、（6），這意味著大豆生產(chǎn)者補貼政策對規(guī)模戶Ⅰ型的影響不是促使其調(diào)整種植結(jié)構(gòu)，而是減少其土地總規(guī)模。這一結(jié)果表明，生產(chǎn)者補貼政策改革很可能制約了規(guī)模戶Ⅰ型規(guī)?；降奶嵘?/p>

表7 大豆生產(chǎn)者補貼政策對不同規(guī)模農(nóng)戶種植結(jié)構(gòu)和總規(guī)模的影響Table 7 Effects of soybean producer subsidy policies on planting structure and total scale of different operating entities

6 結(jié)論與政策啟示

本文利用2019年7月—11月和2020年9月—11月吉林和黑龍江的追蹤調(diào)研數(shù)據(jù)，使用工具變量分位數(shù)回歸模型分析大豆生產(chǎn)者補貼政策對種植結(jié)構(gòu)的影響，并進一步從規(guī)模農(nóng)戶異質(zhì)性角度進行考察，結(jié)論如下：（1） 大豆生產(chǎn)者補貼政策改革促進農(nóng)戶種植結(jié)構(gòu)調(diào)整，然而，這種促進作用在不同分位點上具有較大的差異。大豆生產(chǎn)者補貼政策僅對原本家庭種植大豆比重處在中等水平的農(nóng)戶具有明顯的促進作用，并未激發(fā)種植比重過高或過低的農(nóng)戶進一步調(diào)整種植結(jié)構(gòu)，尤其是當(dāng)大豆種植比重較低時，政策的效果竟然顯著為負，即原本農(nóng)戶家庭種植大豆的比重越低或越高，生產(chǎn)者補貼政策改革越不利于激發(fā)該家庭增種大豆的積極性；（2） 大豆生產(chǎn)者補貼政策僅能促進普通農(nóng)戶和規(guī)模戶Ⅰ型調(diào)整種植結(jié)構(gòu)，而對規(guī)模戶Ⅱ型的效果不佳。通過分析發(fā)現(xiàn)，大豆生產(chǎn)者補貼政策對規(guī)模戶Ⅰ型的影響不是促使其調(diào)整種植結(jié)構(gòu)，而是減少其土地總規(guī)模。這一結(jié)果表明，生產(chǎn)者補貼政策改革很可能已制約規(guī)?；?jīng)營水平的提升。

本文結(jié)論具有以下政策啟示：現(xiàn)行的大豆生產(chǎn)者補貼政策服務(wù)于東北四省區(qū)，同一地區(qū)補貼標準基本相同。然而，這種普惠式的補貼形式并未考慮到農(nóng)戶的異質(zhì)性差異。隨著市場化、城市化和工業(yè)化的發(fā)展，農(nóng)村勞動力要素在城鄉(xiāng)間的空間轉(zhuǎn)移和土地要素在農(nóng)戶間的流轉(zhuǎn)愈加頻繁，隨之催生出普通小農(nóng)戶和規(guī)模經(jīng)營戶等不同農(nóng)戶類型，導(dǎo)致傳統(tǒng)的農(nóng)戶同質(zhì)性假設(shè)不再適用。而不同農(nóng)戶間大豆生產(chǎn)的預(yù)期目標也出現(xiàn)了分歧，是滿足家庭消費還是市場化的經(jīng)營銷售，對生產(chǎn)者補貼政策的反應(yīng)存在明顯的差異。本文研究結(jié)論表明，大豆生產(chǎn)者補貼優(yōu)化種植結(jié)構(gòu)的效果在不同農(nóng)戶間是不同的，現(xiàn)存大豆生產(chǎn)者補貼政策對規(guī)模經(jīng)營戶的激勵作用明顯不足。這就意味著，在完善大豆生產(chǎn)者補貼政策的過程中，應(yīng)根據(jù)補貼對象不同執(zhí)行差異化補貼標準，重點向規(guī)模經(jīng)營戶傾斜，促進大豆規(guī)?；?jīng)營。同時，大豆生產(chǎn)者補貼政策的調(diào)整也應(yīng)當(dāng)考慮土地較少和僅適合種植大豆的普通農(nóng)戶，尤其是貧困農(nóng)戶的利益，可以采取以較高補貼率的方式推進普通豆農(nóng)間的合作經(jīng)營，這樣既促進大豆生產(chǎn)的規(guī)?；终疹櫟狡胀ǘ罐r(nóng)的利益。