財政支農對糧食主產區糧食產量的影響實證分析

王曉敏

摘 要 基于13個糧食主產區2007—2016年的面板數據，運用雙對數C-D函數探究財政支農對糧食主產區糧食產量的影響，并根據農業優勢指數的大小將13個糧食主產區分為兩組進行分組回歸分析。結果顯示：在13個糧食主產區中，受災面積、糧食作物播種面積、有效灌溉面積、化肥施用量、農藥使用量、農林水事務支出均對糧食產量有顯著影響。但在農業優勢指數大的地區，化肥施用量沒有通過顯著性檢驗；在農業優勢指數小的地區，農林水事務支出沒有通過顯著性檢驗。

關鍵詞 財政支農；糧食主產區；糧食產量；農業優勢指數

中圖分類號：F320 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2018.25.016

民以食為天，保障糧食安全一直以來都是我國面臨的重大難題。在保障糧食安全外部環境不容樂觀的背景下，實現糧食自給自足更是重中之重。自2002年農業補貼試點以來，中央和地方政府進行稅費革新，財政支農規模逐年增加，中央先后出臺了減免農業稅，實施糧農直補、良種補貼、農機具購置補貼、農資增支綜合直補及最低收購價等一系列扶持政策。在一系列扶持政策出臺后，我國糧食總產量在 2004—2007年連續 4年增產，相關學者也對此做出了解釋，確認糧食補助對糧食產量有正向影響[1-2]。2007 年起國家調整了財政支農支出統計口徑，統一用農林水事務支出代表，內容包括農業支出、林業支出、水利支出、扶貧支出、農業綜合開發支出等。在財政支農政策范圍不斷擴大、力度不斷加大的今天，財政支農對糧食產量的影響是否顯著，在不同糧食主產區之間財政支農對糧食產量的影響是否會有所不同，這是本文的議題。

1 文獻綜述

目前，國內學者對財政支農的研究主要集中在財政支農對農民收入與消費的影響、財政支農的效率評價及財政支農中各項具體補貼政策對糧食產量的影響。羅東、矯健（2014）研究指出，從長期來看，國家財政支農支出對農村居民收入有著顯著影響，財政支農資金的各組成部分對農村居民收入影響的排序依次為四項補貼、支援農村生產支出和各項農業事業費、農村社會事業發展支出、農產品儲備費用和利息等支出[3]。王謙、李超、侯建國（2017）認為，財政支農支出對農村居民消費存在顯著的影響效應；財政支農支出對農村居民消費的影響方向存在區域差異，東部沿海地區財政支農支出對農村居民消費具有“擠入效應”（浙江省除外），中西部地區財政支農支出對農村居民消費產生“擠出效應”的省（市）要多于東部沿海地區[4]。厲偉、姜玲和華堅（2014）運用三階DEA模型對我國大陸地區26個省（區） 2007—2011 年的財政支農效率進行分析，結果表明，外部環境中的農村勞動力文化素質和農村經濟發展水平是提高財政支農效率的有利因素，而農村基礎設施狀況對財政支農效率提升具有反向作用[5]。劉鵬凌、李乾、欒敬東（2015）基于改進的灰色關聯度（T型關聯度）分析指出，四項糧食補貼政策可以有效促進糧食產量的增加，其中良種補貼與糧食產量的關聯度最強，其余依次為農機購置補貼、農資綜合補貼、糧食直接補貼[6]。李乾（2017）基于中國省際面板數據研究，認為糧食作物良種補貼政策對我國糧食增產的貢獻率為23.70%，且非糧食主產區的糧食作物良種補貼政策效果遠優于糧食主產區[7]。

關于財政支農對糧食產出影響的研究報道尚不多見。本文在前人研究的基礎上，基于2007—2016年我國13個糧食主產區的面板數據，著重研究財政支農規模對主產區糧食產量的影響，并探究在農業對經濟貢獻能力不同的省份，財政支農對糧食產量的影響是否有所差異。

2 財政支農對糧食產量影響的實證分析

2.1 數據來源及分析

本文選取我國的13個糧食主產區作為樣本，即河北省、遼寧省、山東省、吉林省、內蒙古自治區、江西省、湖南省、四川省、河南省、湖北省、江蘇省、安徽省、黑龍江省。這13個省份2016年的糧食產量占全國糧食總產量的75.91%，具有良好的代表性。所選數據均來源于國家統計局網站，其中財政支農支出規模用農林水事務支出來表示。2007—2016年糧食主產區糧食產量和財政支農資金數據變化分別如表 1、表 2所示。

由表1可以看出，2017—2016年我國糧食主產區財政支農支出規模一直擴大，從2007年的3 091.01億元增長到2016年的17 808.29億元，其中2014年到2015年間財政支農支出規模增長最快，增長率達23.45%。由表 2可以看出，2017—2016年我國糧食主產區糧食產量平穩增長，但增長幅度不大，從2007年的50 160.28萬噸到2016年的61 625.05萬噸。

2.2 變量的選取和模型構建

2.2.1 因變量的選取

本文選取各糧食主產區糧食產量 （Y）作為因變量來構建產出模型。

2.2.2 自變量的選取

尹世久等（2009）[8]、焦宇航等（2016）[9]將影響糧食產量的因素分為四類：自然因素（氣候、生物、土壤等），經濟因素（農業生產資料投入、勞動力投入、土地投入等），科技因素（品種、農藥、施肥、灌溉、栽培技術等），政策因素（價格支持制度、農業補貼政策等）。參照以上研究，本文選取受災面積來代表自然因素，選取糧食作物播種面積、糧食零售價格指數來代表經濟因素，選取有效灌溉面積、化肥施用量、農藥使用量、農業機械總動力來代表科技因素，選取農林水事務支出來代表政策因素。各變量的具體定義及對糧食產量的預期影響列于表3。

2.2.3 模型構建

本文采用經典的雙對數C-D函數，設糧食產量為因變量Y，影響糧食產量的因素分別為自變量X1、X2……Xn，具體實證模型為：

lnY=α+β1lnX1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+β6lnX6+β7lnX7+β8lnX8+ε （1）

（1）式中：α為截距，β為待估參數，X為自變量矩陣，ε為隨機擾動項。

2.3 回歸分析

對數據進行簡單回歸后，發現糧食零售價格指數、農業機械總動力與糧食產量的關系并不顯著，且對模型進行F檢驗的P值為0.989 4，結果也說明這兩個變量對糧食產量沒有顯著影響。國家一直重視糧食安全、保障農民收入，實施糧食最低收購價格政策，所以糧食價格波動較小，不會對糧食產量產生顯著影響。另本文所選數據來源于我國13個糧食主產區，糧食主產區地形多為平原，機械化程度已達到較高水平，很難再經過提高機械化程度來提高糧食產量。因此，將糧食零售價格指數和農業機械總動力從模型中剔除。有效灌溉面積變量的系數為負，這與預期假設不符，因此模型中可能遺漏了該變量的二次項。將有效灌溉面積的二次項納入模型中后，有效灌溉面積變量的一次項系數為負，但二次項系數為正。這表明有效灌溉面積對糧食產量的影響呈“U”型曲線，有效灌溉面積增大后并不會馬上使糧食產量增加，而是存在一定的時滯。

采用固定效應模型和隨機效應模型分別對數據進行回歸分析。從表 4可以看出，隨機效應模型比固定效應模型的結果都較顯著，且Hausman檢驗結果支持采用隨機效應模型，故本文選擇隨機效應模型。隨機效應模型顯示受災面積、糧食作物播種面積、有效灌溉面積、化肥施用量、農藥使用量、農林水事務支出對糧食產量都有顯著影響。其中，糧食作物播種面積對糧食產量的影響最大，因為糧食生產是資源約束性生產，最重要的約束資源就是耕地，沒有大量的播種面積做基礎，其他影響糧食產量的因素都無從談起[10]。農林水事務支出對糧食產量有顯著正影響，農林水事務支出每增加1%，糧食產量增加0.054%，這說明財政支農有助于糧食產量的增加。

農業優勢指數是指某省區的農業產值占該省GDP的比重，其比值越高反映該省農業實力及其在地區經濟中的貢獻能力越強。根據農業指數的大小將13個糧食主產區劃分為兩組，并分別回歸，結果列于表5。在農業對經濟貢獻率大的省份中，受災面積、糧食作物播種面積、有效灌溉面積、農藥使用量、農林水事務支出對糧食產量影響顯著，但化肥施用量沒有通過顯著性檢驗且變量系數也與預期不一致。這可能是因為農業優勢指數大的省份對糧食生產十分重視，化肥施用量已達到最適用量，因此再增加化肥施用量對糧食產量不會產生顯著影響，甚至會使糧食產量下降。在農業對經濟貢獻率小的省份中，受災面積、糧食作物播種面積、有效灌溉面積、化肥施用量、農藥使用量均通過了顯著性檢驗，但農林水事務支出沒有通過顯著性檢驗。這是因為在農業優勢指數小的省份，即使糧食產量較高，屬于我國的糧食主產區，但是農業對該地區的經濟貢獻率較低，這些省份二三產業更為發達，財政支農對糧食產量的增加沒有很好的促進作用。這也表明政府在制定財政支農政策時要區別對待，綜合考慮實際情況，即使同為糧食主產區，政策的效果也會有很大不同。

3 結論與啟示

本文實證分析結果顯示：在13個糧食主產區，糧食作物播種面積、有效灌溉面積、化肥施用量、農藥使用量、農林水事務支出對糧食產量有顯著正影響，受災面積對糧食產量有顯著負影響。在農業優勢指數大的糧食主產區，受災面積、糧食作物播種面積、有效灌溉面積、農藥使用量、農林水事務支出對糧食產量影響顯著，在農業優勢指數小的糧食主產區，受災面積、糧食作物播種面積、有效灌溉面積、農藥使用量對糧食產量影響顯著。

基于上述結論，可以得到以下啟示：1）財政支農支出對糧食產量有顯著正影響，國家應加大財政支農力度，并優化財政支農結構；2）在不同地區財政支農對糧食產量的影響是不同的，農業優勢指數大的地區財政支農對糧食產量的影響更顯著，因此國家在制定支農政策時，應向農業優勢指數大的地區傾斜，不能僅參考農業產值的絕對值。

參考文獻：

[1] 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.

[2] 王亞芬，周詩星，高鐵梅.我國農業補貼政策的影響效應分析與實證檢驗[J].吉林大學社會科學學報，2017，57（1）：41-51.

[3] 羅東，矯健.國家財政支農資金對農民收入影響實證研究[J].農業經濟問題，2014（12）：48-53.

[4] 王謙，李超，侯建國.我國財政支農支出對農村居民消費的影響效應——基于1995-2015年分省面板數據的實證分析[J].經濟與管理評論，2017（6）：

104-111.

[5] 厲偉，姜玲，華堅.基于三階段DEA模型的我國省際財政支農績效分析[J].華中農業大學學報，2014（1）：69-77.

[6] 劉鵬凌，李乾，欒敬東.糧食補貼政策對糧食產量的影響——基于改進的灰色關聯度分析[J].農業經濟與管理，2015（1）：40-45.

[7] 李乾.糧食作物良種補貼政策的產量效應分析——基于省際面板數據的研究[J].農林經濟管理學報，2017，16（3）：269-276.

[8] 尹世久，吳林海，張勇.我國糧食產量波動影響因素的經驗分析[J].系統工程理論與實踐，2009，29（10）：28-34..

[9] 焦宇航，汪紅梅.糧食產量影響因素分析[J].湖北農業科學，2016，55（7）：1873-1879

[10] 姜德波，汝剛，秦永.勞動力轉移、技術進步與糧食產量——基于中國主要產糧省份的經驗分析[J].南京審計大學學報，2017（1）：29-36.

（責任編輯：丁志祥）