農業“三項補貼”政策對我國粳稻技術效率的影響研究

朱滿德 李辛一 徐雪高

摘 要：

運用隨機前沿函數和效率損失函數，利用省級面板數據測度了全國及13個粳稻主產區1994—2013年粳稻生產技術效率，并進一步探究了農業三項補貼等因素對粳稻技術效率損失的影響。研究發現：過去20年，全國粳稻生產技術效率有明顯改善，其變化呈現階段性特征；東部、中部和東北地區技術效率有所提高，西部地區改善則不明顯；省際之間的技術效率差距在不斷縮小；農業三項補貼強度的提高在一定程度上促進了粳稻生產技術效率的提升，改善灌溉條件也有助于提高技術效率；加強農村人力資本投資、推進農業機械化與擴大種植規模卻未能有效提高技術效率。今后應進一步提高補貼的精準性和有效性，既要提高農業全要素生產率，又要同時促進農業可持續發展。

關鍵詞：

農業三項補貼；粳稻；技術效率；隨機前沿分析；技術效率損失

中圖分類號：F323.5

文獻標識碼：A

文章編號：1000-5099（2017）04-0085-07

國際DOI編碼：10.15958/j.cnki.gdxbshb.2017.04.14

一、問題的提出

農業作為戰略性產業，事關國民經濟持續健康發展全局。新世紀以來，我國開始步入工業化中期階段，隨著經濟社會不斷發展，“工業反哺農業、城市支持農村”的條件基本成熟。為了保障國家糧食安全，提高農民種糧積極性，促進農民增收，國家涉農政策也開始“由取及予”進行全面轉型，突出表現為取消農業稅收并對農業實施補貼支持。農作物良種補貼、種糧直接補貼、農機具購置補貼、農資綜合補貼等直接補貼政策，以及最低收購價、臨時收儲等價格支持政策，初步構成我國農業補貼政策的整體框架。

農業補貼自施行以來，其效果引起了學術界的持續關注。由于糧食產業的特殊性，近年國內有關農業補貼效果的研究大多以糧食為研究對象，重點探究農業補貼對糧食生產、要素投入、農民增收的具體作用。部分學者研究認為，農業補貼擴大了糧食播種面積

[1]，深化了資本和要素投入，增加了農戶收入，充分調動了農民的種糧積極性[2-3]；農業補貼政策效果存在區域差異，對貧困地區的正向影響大于非貧困地區，對主產區與非主產區的影響則沒有明顯差異[4-5]。亦有學者研究認為，農業補貼政策更多地使消費者得益，生產者所得不多，難以真正實現提高農民種糧積極性、促進糧食生產的目標，[6-7]原因在于以土地面積為基準的補貼方式未能顯著促進糧食生產的資本投入，且補貼方式不合理、實際效能偏低，發放程序繁雜，執行成本高昂。[8-10]近年有部分學者著手探究農業補貼對糧食生產效率的作用，相關結論表明，農業補貼效率存在時間異質性和空間同質性[11]，補貼對提高玉米等糧食全要素生產率具有較顯著的促進作用[12]，這種促進在糧食主產區和貧困地區表現得尤為明顯[13-14]。也有研究認為，補貼對糧食生產效率的正向影響并不顯著，這可能是由于生產資料價格上漲、農地破碎化等原因所致[15-16]。

2004年以來，我國糧食生產出現了“十二連增”，糧食供給短缺暫時緩解，但國內糧食市場隨之出現了“三量齊增、兩板擠壓”（即糧食產量、庫存量、進口量一并增加；糧食價格天花板與生產成本地板雙重擠壓）的不利局面，過度追求糧食高產所導致的資源浪費、環境破壞、生產效率低下等問題亟待解決。此種情形下，國家開始對現行的農業補貼政策進行改革調整。2015年，安徽、山東、湖南、四川、浙江5省開展農業“三項補貼”（即良種補貼、糧食直補和農資綜合補貼）改革試點。2016年，農業“三項補貼”正式合并為農業支持保護補貼，政策目標調整為支持耕地地力保護和糧食適度規模經營。在此背景下，探究農業補貼政策實施以來，其對我國糧食生產效率的長期影響無疑有著重要現實意義。因農業“三項補貼”的政策目標都指向調動種糧積極性、穩定糧食生產，且補貼方式基本一致，因此將其作為一個整體進行研究；對農機具購置補貼而言，由于該項補貼政策的目的、發放方式、作用路徑等方面與“三項補貼”并不一致，故未被納入研究范疇。本文以粳稻為研究對象，運用隨機前沿生產函數法（SFA）探究粳稻在1994—2013年間的技術效率變遷情況，并進一步探究“三項補貼”等因素對粳稻技術效率的具體影響，以期為新時期我國農業補貼政策的方向選擇與方式調整提供實證參考。

二、理論框架和模型設定

1.隨機前沿函數與技術效率損失函數

技術效率（Technical Efficiency，TE）作為全要素生產率（Total Factor Productivity，TFP）的重要組成部分，反映了經濟個體由給定的投入集合生產最大產出的能力[17]，在生產效率研究中占有重要地位。常用于測度技術效率的方法主要有數據包絡分析法（Data Envelopment Analysis，DEA，也稱非參數方法）和隨機前沿分析法（Stochastic Frontier Analysis，SFA，也稱參數方法）。較之數據包絡分析，隨機前沿分析可以區分農業生產中的噪聲干擾，且對離群值的穩定性較好，故本文選擇隨機前沿分析。

在面板數據的條件下，隨機前沿生產函數一般形式為：

（1）式中，y為產出，x為投入向量，β為待估參數向量，exp（ε）為有隨機沖擊情況下的效率水平，i為經濟個體，t表示時間，v為特異性誤差[v～N（0，σ2v）]。無效率項u也稱技術效率損失，反映了經濟個體i在時期t至效率前沿的距離，根據u分布的不同有半正態分布、截斷正態分布、指數分布等模型形式。由于（1）式的誤差項不滿足最小二乘法的基本假設，需要進行一定的處理方可進行間接回歸。設置復合擾動項：

為了衡量u在復合擾動項中的重要性，構建參數λ與γ如下：

λ表示u與v的比重關系：λ>1且數值越大，表明技術效率損失所占比重越大，其對產出的影響也居于主導地位；反之則說明技術效率損失對產出的影響較小。變差率γ用來衡量復合擾動項中技術效率損失所占比重，γ趨向于1表明模型中誤差主要由無效率項決定，γ趨向于0則表明無效率項的重要性較小。

通過對（1）式回歸即可得出對u的估計。常用的產出導向技術效率TE是可觀測產出與相應隨機前沿產出之比，TE取值于[0，1]之間：

在估計出TE的基礎上，以u為被解釋變量，外生效率影響因素為解釋變量，可建立技術效率損失函數進行回歸分析：

（5）式中，Z′為外生效率影響因素向量，ξ為待估參數向量，w為隨機誤差項。

2. 實證模型的構建

實證估計選擇真實固定效應模型（True Fixed Effects Models，TFE）[18]進行分析。利用柯布-道格拉斯（C-D）函數，對（1）式等號兩邊取對數，建立隨機前沿生產函數實證模型：

（6）式中，粳稻主產品產值（Y，單位：元/公頃）系被解釋變量；鑒于農業生產的特點，解釋變量分別由化肥費用（FERT，單位：元/公頃）、機械作業費（MACH，單位：元/公頃）、人工成本（WORK，單位：元/公頃）、種子費用（SEED，單位：元/公頃）4種生產性投入構成，以代表農資、機械、勞動力等農業投入要素。角標i表示省份，t表示年份。

在（6）式的基礎上，建立技術效率損失函數實證模型：

（7）式中，u作為被解釋變量，其取值大于等于0。結合本文的研究目的與相關文獻的研究思路，擬研究農業“三項補貼”政策、土地灌溉條件、人力資本條件、地區經濟環境、農業機械化程度、農業生產規模及自然氣候條件對粳稻技術效率的影響。為此，分別選取農業“三項補貼”強度（SUB，單位：元/公頃，用農業三項補貼資金總額與耕地總面積的比率表示）、耕地有效灌溉率（IRR，單位：%）、農村人均受教育年限（EDU，單位：年）、第一產業產值占地區生產總值比重（AGR，單位：%）、第一產業勞均機械動力（LMA，單位：千瓦）、第一產業勞均耕地面積（SCA，單位：公頃）和各省省會年降水量（RAI，單位：毫米）作為解釋變量。

3.數據來源

1994—2013年的粳稻投入產出數據源自《建國以來全國主要農產品成本收益資料匯編（1953—1997年）》、《全國農產品成本收益資料匯編》（1999—2014年，歷年）。由于所采取的指標是價格性指標，為消除通脹影響，分別運用各地區消費者物價指數（CPI）或農業生產資料價格指數進行平減處理。其中，粳稻產區包括河北、江蘇、浙江、山東、安徽、河南、湖北、云南、寧夏、遼寧、吉林、黑龍江13個省區，囊括了我國主要粳稻生產省份，其播種面積和產量占全國的90%以上，具有良好的代表性。1994—2013年耕地有效灌溉率、農村人均受教育年限、第一產業就業人數占地區生產總值比重、第一產業勞均機械動力、第一產業勞均耕地面積、各省省會年降水量等數據，由《中國農村統計年鑒》《中國統計年鑒》（1995—2014年，歷年）相關數據進行處理得到。

其中，農業“三項補貼”強度由“三項補貼”資金與耕地面積估計。2002—2013年三項補貼數據源自《中國農業年鑒》（2003—2014年）、各地區規范性法律文件庫、財政廳、農業廳、農業委員會等官方網站，以及中國知網相關報刊資料數據庫。對個別缺失的省份數據，采用拉格朗日插值法予以補齊。補貼數據已運用各地區歷年消費者物價指數進行平減處理。

4.單位根檢驗與廣義似然比檢驗

為了避免數據出現偽回歸現象，在對面板數據回歸前進行單位根檢驗。為確保結果的穩健性，采用了LLC檢驗、IPS檢驗和Fisher檢驗3種方法。結果表明，隨機前沿生產函數和技術效率損失函數的變量都通過了單位根檢驗，數據是平穩的，不存在偽回歸的情形，詳見表1。

由于隨機前沿分析法對函數設定形式要求較為嚴格，函數形式的正確與否直接關系到回歸結論的合理性程度。為驗證模型的適應性，以（3）式中的變差率γ為基礎進行廣義似然比檢驗（Generalized Likelihood Ratio Test，LR）。原假設H0為：①隨機前沿生產函數形式設定有誤；②技術效率損失函數外生因素無顯著影響。LR檢驗統計量為：

檢驗的原理在于，若接受H0，約束條件下的似然函數最大值與非約束條件下的似然函數最大值差異將很小，則LR檢驗統計量較小；若拒絕H0，則檢驗統計量將大于臨界值。檢驗結果表明，本文選擇的真實固定效應隨機前沿模型與樣本數據擬合程度較好，外生影響因素對技術效率損失值的影響確實存在。

三、參數估計與粳稻技術效率測度

運用Stata 13.0軟件進行隨機前沿生產函數和技術效率損失函數的回歸分析。鑒于現有隨機前沿分析官方命令對面板數據具有較多限制[19]，因此采用了用戶編訂的“Sfpanel”執行命令，并運用后續“Predict”命令進行技術效率的測算。模型形式選擇上，采用截斷正態分布假定進行估計。回歸步驟選擇方面，早期研究技術效率外生影響因素的方法為兩步法。該方法在估計出技術效率值的基礎上，將其作為被解釋變量進行受限因變量回歸，這會帶來投入要素與外生影響因素出現相關性的矛盾，導致估計有偏。[20]因而，本文采用一步法進行分析，以避免上述問題，增加模型有效性。

1.隨機前沿函數參數估計

對（6）式進行一步法估計，所得結果見表3。從表3可知，化肥、勞動、種子投入的回歸系數都為正值且通過了顯著性檢驗，表明勞動和農資要素投入對粳稻生產具有明顯促進作用。尤以種子（lnSEED）的作用最為突出，其彈性系數達到0229，表明種子投入費用每增加1%，粳稻的每公頃主產品產值就將增加0.229%，這意味著良種使用在粳稻增產中占有重要地位。機械作業費的影響系數雖然為正，但系數相對較小且沒有通過顯著性檢驗，表明機械可能并非是粳稻增產主要動力。回歸結果中的lambda即是（3）式中的λ，其值為1.048，略大于臨界值1，說明在復合擾動項中sigma_u地位更為重要，技術效率損失的影響不可忽略。

2.粳稻生產技術效率評估與地區比較

對各地區粳稻技術效率損失u進行評估，并據（4）式得出技術效率值，結果見表4。

從表4可知，從全國平均數據看，1994—2013年粳稻生產的技術效率總體有改善，期間出現了大幅波動，效率變化趨勢呈現明顯的階段性特征。1994年，粳稻的技術效率水平為0.883，2014年增至0954，總增幅為8.04%，表明長期以來我國粳稻生產技術的使用更加充分有效，這將有利于促進粳稻穩定發展。雖然技術效率總體呈上升趨勢，但上升趨勢表現為明顯的兩階段特征：第一階段（1994—2002年）為調整期，期間技術效率由初始的0.883逐步下降至期末的0.627，下降29%，年均下降4.19%；第二階段（2003—2013年）為恢復期，技術效率由2003年的0.672穩步上升至2013年的0.954，11年間增幅達41.96%，年均增長3.56%。特別是2008年以來技術效率大于09，持續穩定在高水平狀態。

各省區普遍具有與全國平均技術效率一致的階段性變化特征，但地區之間也各有特點：第一，東部、中部和東北的省份技術效率呈增長態勢，其中東北三省的增長尤為顯著，西部的云南、寧夏兩省區技術效率略有下滑。1994年，東北三省的技術效率全部低于0.8；2014年，遼寧、吉林、黑龍江的技術效率分別達到0.897、0.972和0.980，較1994年分別提高了31.5%、22%和34.1%。反之，屬于西部的云南、寧夏兩省區技術效率出現了微弱的停滯或退步。第二，地區間技術效率隨時間的推移體現出明顯的集中趨勢。以差距最為懸殊的安徽與遼寧為例，1994年，兩省技術效率分別為0.966與0.682，安徽較遼寧高0.284；2013年，兩省的差距縮小至0.086。現階段各粳稻主要產區的技術效率水平基本都達到了高水平均衡狀態，地區之間差異已不再明顯。

四、補貼強度對技術效率損失的影響

為增加真實固定效應模型（TFE）估計結果的穩健性和有效性，本部分使用面板校正標準誤差最小二乘回歸模型（OLS-PCSE）和全面可行廣義最小二乘回歸模型（FGLS）作為參照模型。由表5可見，3個模型所估系數值僅存較小差異，其符號一致且標準誤差較為接近，表明回歸結果是穩健的和有效的。

在影響技術效率損失值的各種因素中，作為政策因素的農業“三項補貼”強度（SUB）是本文重點關注對象。綜合分析TFE、OLS-PCSE和FGLS 3種模型的估計結果，農業“三項補貼”強度的系數分別為-0.016、-0.008和-0.008，且TFE模型系數通過5%水平的顯著性檢驗，OLS-PCSE模型和FGLS模型的系數通過了1%水平的顯著性檢驗。這表明，自2002年來國家所推行的農業“三項補貼”政策，伴隨農業補貼強度的提高，有效減少了粳稻生產技術的效率損失；同時也表明，雖然近年農業“三項補貼”已經越來越被當作一種普惠性的收入性政策，但從長期看，其在增加農民收入的同時依然提高了農戶對農業生產技術的利用效率，并未對粳稻的生產效率造成負向扭曲，從而基本實現了政策的初衷。

其余因素的影響分析如下：（1）耕地有效灌溉率（IRR）的估計系數通過了1%水平的顯著性檢驗，且對技術效率損失的影響為負，說明土地灌溉條件的改善促進了粳稻技術效率的增長，這也與一般的農業生產經驗相符；（2）第一產業產值占地區生產總值比重（AGR）的系數顯著為負，說明地區農業經濟的發展促進了粳稻技術效率的增長。農業在經濟中所占比重較高，地方農業生產的發展對經濟社會的影響越顯著，從而導致農業所受重視程度提高，可獲得的政策支持機會也會增加，有助于改善粳稻等農作物的技術效率狀況；（3）反映人力資本積累的農村人均受教育年限（EDU）系數為正，且在3種模型中都通過了1%水平的顯著性檢驗，表明農村教育的推進并未減少粳稻技術效率損失。一種可能解釋是：近年農村教育事業逐步推進，雖提高了勞動者的潛在經濟生產率，但也增強了勞動者的遷移能力，由于個體效用差異、就業偏好等原因，農村教育的遷移效應往往超過總生產率效應，故受教育的年輕一代傾向于離開農村，導致農村勞動力老齡化日趨嚴重。最終農村人力資本的積累依舊難以實現，對粳稻生產的技術效率促進作用不明顯；（4）第一產業勞均機械動力（LMA）、第一產業勞均耕地面積（SCA）的系數符號為負，但并不顯著，表明農業機械化程度與農業生產規模對粳稻技術效率的促進作用不明顯，這一點與理論不一致，需做進一步探討。此外，作為自然因素的年降水量（RAI）對技術效率沒有顯著的影響，這可能是農村水利生產設施不斷改進，導致自然因素的影響被削弱所致。

五、主要結論及政策建議

運用隨機前沿分析對1994—2013年我國粳稻技術效率進行了測算和區域對比，在此基礎上，利用技術效率損失函數探究了農業“三項補貼”等因素對技術效率損失的具體影響。結果表明，20多年來：（1）全國粳稻生產的技術效率總體有改善，技術效率呈現“先降后升”特征；各省區技術效率隨時間變遷明顯向高水平集中。較之西部省區技術效率的停滯，東部、中部和東北的各省技術效率呈現增長態勢，其中東北三省尤為顯著。（2）農業“三項補貼”強度的影響系數顯著為負，表明其對粳稻技術效率起到了顯著的促進作用，并未導致粳稻生產效率的扭曲。（3）土地灌溉條件的改善和地區經濟的發展，都有助于粳稻技術效率的提升。（4）農村教育條件的改善可能更多地導致了人力資本的流出，并未使得技術效率得到明顯改善；機械化的推進與農業生產規模的擴大未顯著提升粳稻技術效率，降水因素的影響也微乎其微。

農業“三項補貼”強度的增加對粳稻技術效率雖有正向影響，但其促進作用依然較弱。隨著農業農村經濟社會形勢的快速變化，普惠制補貼模式難以增加農業生產效益。國家新推出的農業支持保護補貼致力于保護耕地地力，促進糧食適度規模經營和農業可持續發展，但由于實際運行時間較短，其政策實施效果仍有待觀察。鑒于我國“三農”問題的特殊性，農業補貼的改革應該逐步實現補貼對象的針對性和發放操作的精準性，以利于實現粳稻等糧食作物生產過程中的提質增效，促進農業生產綠色發展，保障國家糧食安全。

參考文獻：

[1]錢加榮，趙芝俊.現行模式下我國農業補貼政策的作用機制及其對糧食生產的影響[J].農業技術經濟，2015（10）：41-47.

[2]劉克春. 糧食生產補貼政策對農戶糧食種植決策行為的影響與作用機理分析——以江西省為例[J]. 中國農村經濟，2010（2）： 12-21.

[3]霍增輝，吳海濤，丁士軍.中部地區糧食補貼政策效應及其機制研究——來自湖北農戶面板數據的經驗數據[J].農業經濟問題，2015（6）：20-29.

[4]陳慧萍，武拉平，王玉斌. 補貼政策對我國糧食生產的影響——基于2004—2007 年分省數據的實證分析[J]. 農業技術經濟，2010（4）： 100-106.

[5]吳海濤，霍增輝，臧凱波.農業補貼對農戶農業生產行為的影響分析——來自湖北農村的實證[J].華中農業大學學報（社會科學版），2015（5）：25-31.

[6]馬愛慧，張安錄.農業補貼政策效果評價與優化[J].華中農業大學學報（社會科學版），2012（3）：33-37.

[7]李韜.糧食補貼政策增強了農戶種糧意愿嗎？——基于農戶的視角[J].中央財經大學學報，2014（5）：86-94.

[8]王姣，肖海峰.中國糧食直接補貼政策效果評價[J].中國農村經濟，2006（12）：4-12.

[9]黃季焜，王曉兵，智華勇，等.糧食直補和農資綜合補貼對農業生產的影響[J].農業技術經濟，2011（11）：4-12.

[10]張淑杰，孫天華.農業補貼政策效率及其影響因素研究——基于河南省360戶農戶調研數據的實證分析[J].農業技術經濟，2012（12）：68-74.

[11]張宇青，周應恒. 中國糧食補貼政策效率評價與影響因素分析——基于2004—2012年主產區的省際面板數據[J].財貿研究，2015（6）：30-38.

[12]朱滿德，李辛一，程國強.綜合性收入補貼對中國玉米全要素生產率的影響分析——基于省級面板數據的DEA-Tobit兩階段法[J].中國農村經濟，2015（11）：4-14.

[13]馬林靜，王雅鵬，田云.中國糧食全要素生產率及影響因素的區域分異研究[J].農業現代化研究，2014（4）：385-391.

[14]高鳴，馬鈴.貧困視角下糧食生產技術效率及其影響因素——基于EBM￣Goprobit二步法模型的實證分析[J].中國農村觀察，2015（4）：49-60.

[15]李燕凌.基于DEA￣Tobit模型的財政支農效率分析——以湖南省為例[J].中國農村經濟，2008（9）：52-62.

[16]劉海英，謝建政.政府補貼、農戶收入和城鎮化對糧食生產效率的影響[J].江西師范大學學報（自然科學版），2016（1）：22-26.

[17]Coelli J T， Prasada R D S， O Donnell C J， et al. An Introduction to Efficiency and Productivity Analysis [M].Beijing： China Renmin University Press， 2008.

[18]Greene W. Reconsidering Heterogeneity in Panel Data Estimators of The Stochastic Frontier Model [J].Journal of Econometrics， 2005 （126）， 269-303.

[19]Belotti F， Daidone S， Ilardi G， et al. Stochastic Frontier Analysis Using Stata [J].The Stata Journal， 2012， 5（2）：1-39.

[20]陶長琪，王志平.隨機前沿方法的研究進展與展望[J].數量經濟技術經濟研究，2011（11）：148-161.

（責任編輯：鐘昭會）