农业“三项补贴”政策对我国粳稻技术效率的影响研究

朱满德 李辛一 徐雪高

摘 要：

运用随机前沿函数和效率损失函数，利用省级面板数据测度了全国及13个粳稻主产区1994—2013年粳稻生产技术效率，并进一步探究了农业三项补贴等因素对粳稻技术效率损失的影响。研究发现：过去20年，全国粳稻生产技术效率有明显改善，其变化呈现阶段性特征；东部、中部和东北地区技术效率有所提高，西部地区改善则不明显；省际之间的技术效率差距在不断缩小；农业三项补贴强度的提高在一定程度上促进了粳稻生产技术效率的提升，改善灌溉条件也有助于提高技术效率；加强农村人力资本投资、推进农业机械化与扩大种植规模却未能有效提高技术效率。今后应进一步提高补贴的精准性和有效性，既要提高农业全要素生产率，又要同时促进农业可持续发展。

关键词：

农业三项补贴；粳稻；技术效率；随机前沿分析；技术效率损失

中图分类号：F323.5

文献标识码：A

文章编号：1000-5099（2017）04-0085-07

国际DOI编码：10.15958/j.cnki.gdxbshb.2017.04.14

一、问题的提出

农业作为战略性产业，事关国民经济持续健康发展全局。新世纪以来，我国开始步入工业化中期阶段，随着经济社会不断发展，“工业反哺农业、城市支持农村”的条件基本成熟。为了保障国家粮食安全，提高农民种粮积极性，促进农民增收，国家涉农政策也开始“由取及予”进行全面转型，突出表现为取消农业税收并对农业实施补贴支持。农作物良种补贴、种粮直接补贴、农机具购置补贴、农资综合补贴等直接补贴政策，以及最低收购价、临时收储等价格支持政策，初步构成我国农业补贴政策的整体框架。

农业补贴自施行以来，其效果引起了学术界的持续关注。由于粮食产业的特殊性，近年国内有关农业补贴效果的研究大多以粮食为研究对象，重点探究农业补贴对粮食生产、要素投入、农民增收的具体作用。部分学者研究认为，农业补贴扩大了粮食播种面积

[1]，深化了资本和要素投入，增加了农户收入，充分调动了农民的种粮积极性[2-3]；农业补贴政策效果存在區域差异，对贫困地区的正向影响大于非贫困地区，对主产区与非主产区的影响则没有明显差异[4-5]。亦有学者研究认为，农业补贴政策更多地使消费者得益，生产者所得不多，难以真正实现提高农民种粮积极性、促进粮食生产的目标，[6-7]原因在于以土地面积为基准的补贴方式未能显著促进粮食生产的资本投入，且补贴方式不合理、实际效能偏低，发放程序繁杂，执行成本高昂。[8-10]近年有部分学者着手探究农业补贴对粮食生产效率的作用，相关结论表明，农业补贴效率存在时间异质性和空间同质性[11]，补贴对提高玉米等粮食全要素生产率具有较显著的促进作用[12]，这种促进在粮食主产区和贫困地区表现得尤为明显[13-14]。也有研究认为，补贴对粮食生产效率的正向影响并不显著，这可能是由于生产资料价格上涨、农地破碎化等原因所致[15-16]。

2004年以来，我国粮食生产出现了“十二连增”，粮食供给短缺暂时缓解，但国内粮食市场随之出现了“三量齐增、两板挤压”（即粮食产量、库存量、进口量一并增加；粮食价格天花板与生产成本地板双重挤压）的不利局面，过度追求粮食高产所导致的资源浪费、环境破坏、生产效率低下等问题亟待解决。此种情形下，国家开始对现行的农业补贴政策进行改革调整。2015年，安徽、山东、湖南、四川、浙江5省开展农业“三项补贴”（即良种补贴、粮食直补和农资综合补贴）改革试点。2016年，农业“三项补贴”正式合并为农业支持保护补贴，政策目标调整为支持耕地地力保护和粮食适度规模经营。在此背景下，探究农业补贴政策实施以来，其对我国粮食生产效率的长期影响无疑有着重要现实意义。因农业“三项补贴”的政策目标都指向调动种粮积极性、稳定粮食生产，且补贴方式基本一致，因此将其作为一个整体进行研究；对农机具购置补贴而言，由于该项补贴政策的目的、发放方式、作用路径等方面与“三项补贴”并不一致，故未被纳入研究范畴。本文以粳稻为研究对象，运用随机前沿生产函数法（SFA）探究粳稻在1994—2013年间的技术效率变迁情况，并进一步探究“三项补贴”等因素对粳稻技术效率的具体影响，以期为新时期我国农业补贴政策的方向选择与方式调整提供实证参考。

二、理论框架和模型设定

1.随机前沿函数与技术效率损失函数

技术效率（Technical Efficiency，TE）作为全要素生产率（Total Factor Productivity，TFP）的重要组成部分，反映了经济个体由给定的投入集合生产最大产出的能力[17]，在生产效率研究中占有重要地位。常用于测度技术效率的方法主要有数据包络分析法（Data Envelopment Analysis，DEA，也称非参数方法）和随机前沿分析法（Stochastic Frontier Analysis，SFA，也称参数方法）。较之数据包络分析，随机前沿分析可以区分农业生产中的噪声干扰，且对离群值的稳定性较好，故本文选择随机前沿分析。

在面板数据的条件下，随机前沿生产函数一般形式为：

（1）式中，y为产出，x为投入向量，β为待估参数向量，exp（ε）为有随机冲击情况下的效率水平，i为经济个体，t表示时间，v为特异性误差[v～N（0，σ2v）]。无效率项u也称技术效率损失，反映了经济个体i在时期t至效率前沿的距离，根据u分布的不同有半正态分布、截断正态分布、指数分布等模型形式。由于（1）式的误差项不满足最小二乘法的基本假设，需要进行一定的处理方可进行间接回归。设置复合扰动项：

为了衡量u在复合扰动项中的重要性，构建参数λ与γ如下：

λ表示u与v的比重关系：λ>1且数值越大，表明技术效率损失所占比重越大，其对产出的影响也居于主导地位；反之则说明技术效率损失对产出的影响较小。变差率γ用来衡量复合扰动项中技术效率损失所占比重，γ趋向于1表明模型中误差主要由无效率项决定，γ趋向于0则表明无效率项的重要性较小。

通过对（1）式回归即可得出对u的估计。常用的产出导向技术效率TE是可观测产出与相应随机前沿产出之比，TE取值于[0，1]之间：

在估计出TE的基础上，以u为被解释变量，外生效率影响因素为解释变量，可建立技术效率损失函数进行回归分析：

（5）式中，Z′为外生效率影响因素向量，ξ为待估参数向量，w为随机误差项。

2. 实证模型的构建

实证估计选择真实固定效应模型（True Fixed Effects Models，TFE）[18]进行分析。利用柯布-道格拉斯（C-D）函数，对（1）式等号两边取对数，建立随机前沿生产函数实证模型：

（6）式中，粳稻主产品产值（Y，单位：元/公顷）系被解释变量；鉴于农业生产的特点，解释变量分别由化肥费用（FERT，单位：元/公顷）、机械作业费（MACH，单位：元/公顷）、人工成本（WORK，单位：元/公顷）、种子费用（SEED，单位：元/公顷）4种生产性投入构成，以代表农资、机械、劳动力等农业投入要素。角标i表示省份，t表示年份。

在（6）式的基础上，建立技术效率损失函数实证模型：

（7）式中，u作为被解释变量，其取值大于等于0。结合本文的研究目的与相关文献的研究思路，拟研究农业“三项补贴”政策、土地灌溉条件、人力资本条件、地区经济环境、农业机械化程度、农业生产规模及自然气候条件对粳稻技术效率的影响。为此，分别选取农业“三项补贴”强度（SUB，单位：元/公顷，用农业三项补贴资金总额与耕地总面积的比率表示）、耕地有效灌溉率（IRR，单位：%）、农村人均受教育年限（EDU，单位：年）、第一产业产值占地区生产总值比重（AGR，单位：%）、第一产业劳均机械动力（LMA，单位：千瓦）、第一产业劳均耕地面积（SCA，单位：公顷）和各省省会年降水量（RAI，单位：毫米）作为解释变量。

3.数据来源

1994—2013年的粳稻投入产出数据源自《建国以来全国主要农产品成本收益资料汇编（1953—1997年）》、《全国农产品成本收益资料汇编》（1999—2014年，历年）。由于所采取的指标是价格性指标，为消除通胀影响，分别运用各地区消费者物价指数（CPI）或农业生产资料价格指数进行平减处理。其中，粳稻产区包括河北、江苏、浙江、山东、安徽、河南、湖北、云南、宁夏、辽宁、吉林、黑龙江13个省区，囊括了我国主要粳稻生产省份，其播种面积和产量占全国的90%以上，具有良好的代表性。1994—2013年耕地有效灌溉率、农村人均受教育年限、第一产业就业人数占地区生产总值比重、第一产业劳均机械动力、第一产业劳均耕地面积、各省省会年降水量等数据，由《中国农村统计年鉴》《中国统计年鉴》（1995—2014年，历年）相关数据进行处理得到。

其中，农业“三项补贴”强度由“三项补贴”资金与耕地面积估计。2002—2013年三项补贴数据源自《中国农业年鉴》（2003—2014年）、各地区规范性法律文件库、财政厅、农业厅、农业委员会等官方网站，以及中国知网相关报刊资料数据库。对个别缺失的省份数据，采用拉格朗日插值法予以补齐。补贴数据已运用各地区历年消费者物价指数进行平减处理。

4.单位根检验与广义似然比检验

为了避免数据出现伪回归现象，在对面板数据回归前进行单位根检验。为确保结果的稳健性，采用了LLC检验、IPS检验和Fisher检验3种方法。结果表明，随机前沿生产函数和技术效率损失函数的变量都通过了单位根检验，数据是平稳的，不存在伪回归的情形，详见表1。

由于随机前沿分析法对函数设定形式要求较为严格，函数形式的正确与否直接关系到回归结论的合理性程度。为验证模型的适应性，以（3）式中的变差率γ为基础进行广义似然比检验（Generalized Likelihood Ratio Test，LR）。原假设H0为：①随机前沿生产函数形式设定有误；②技术效率损失函数外生因素无显著影响。LR检验统计量为：

检验的原理在于，若接受H0，约束条件下的似然函数最大值与非约束条件下的似然函数最大值差异将很小，则LR检验统计量较小；若拒絕H0，则检验统计量将大于临界值。检验结果表明，本文选择的真实固定效应随机前沿模型与样本数据拟合程度较好，外生影响因素对技术效率损失值的影响确实存在。

三、参数估计与粳稻技术效率测度

运用Stata 13.0软件进行随机前沿生产函数和技术效率损失函数的回归分析。鉴于现有随机前沿分析官方命令对面板数据具有较多限制[19]，因此采用了用户编订的“Sfpanel”执行命令，并运用后续“Predict”命令进行技术效率的测算。模型形式选择上，采用截断正态分布假定进行估计。回归步骤选择方面，早期研究技术效率外生影响因素的方法为两步法。该方法在估计出技术效率值的基础上，将其作为被解释变量进行受限因变量回归，这会带来投入要素与外生影响因素出现相关性的矛盾，导致估计有偏。[20]因而，本文采用一步法进行分析，以避免上述问题，增加模型有效性。

1.随机前沿函数参数估计

对（6）式进行一步法估计，所得结果见表3。从表3可知，化肥、劳动、种子投入的回归系数都为正值且通过了显著性检验，表明劳动和农资要素投入对粳稻生产具有明显促进作用。尤以种子（lnSEED）的作用最为突出，其弹性系数达到0229，表明种子投入费用每增加1%，粳稻的每公顷主产品产值就将增加0.229%，这意味着良种使用在粳稻增产中占有重要地位。机械作业费的影响系数虽然为正，但系数相对较小且没有通过显著性检验，表明机械可能并非是粳稻增产主要动力。回归结果中的lambda即是（3）式中的λ，其值为1.048，略大于临界值1，说明在复合扰动项中sigma_u地位更为重要，技术效率损失的影响不可忽略。

2.粳稻生产技术效率评估与地区比较

对各地区粳稻技术效率损失u进行评估，并据（4）式得出技术效率值，结果见表4。

从表4可知，从全国平均数据看，1994—2013年粳稻生产的技术效率总体有改善，期间出现了大幅波动，效率变化趋势呈现明显的阶段性特征。1994年，粳稻的技术效率水平为0.883，2014年增至0954，总增幅为8.04%，表明长期以来我国粳稻生产技术的使用更加充分有效，这将有利于促进粳稻稳定发展。虽然技术效率总体呈上升趋势，但上升趋势表现为明显的两阶段特征：第一阶段（1994—2002年）为调整期，期间技术效率由初始的0.883逐步下降至期末的0.627，下降29%，年均下降4.19%；第二阶段（2003—2013年）为恢复期，技术效率由2003年的0.672稳步上升至2013年的0.954，11年间增幅达41.96%，年均增长3.56%。特别是2008年以来技术效率大于09，持续稳定在高水平状态。

各省区普遍具有与全国平均技术效率一致的阶段性变化特征，但地区之间也各有特点：第一，东部、中部和东北的省份技术效率呈增长态势，其中东北三省的增长尤为显著，西部的云南、宁夏两省区技术效率略有下滑。1994年，东北三省的技术效率全部低于0.8；2014年，辽宁、吉林、黑龙江的技术效率分别达到0.897、0.972和0.980，较1994年分别提高了31.5%、22%和34.1%。反之，属于西部的云南、宁夏两省区技术效率出现了微弱的停滞或退步。第二，地区间技术效率随时间的推移体现出明显的集中趋势。以差距最为悬殊的安徽与辽宁为例，1994年，两省技术效率分别为0.966与0.682，安徽较辽宁高0.284；2013年，两省的差距缩小至0.086。现阶段各粳稻主要产区的技术效率水平基本都达到了高水平均衡状态，地区之间差异已不再明显。

四、补贴强度对技术效率损失的影响

为增加真实固定效应模型（TFE）估计结果的稳健性和有效性，本部分使用面板校正标准误差最小二乘回归模型（OLS-PCSE）和全面可行广义最小二乘回归模型（FGLS）作为参照模型。由表5可见，3个模型所估系数值仅存较小差异，其符号一致且标准误差较为接近，表明回归结果是稳健的和有效的。

在影响技术效率损失值的各种因素中，作为政策因素的农业“三项补贴”强度（SUB）是本文重点关注对象。综合分析TFE、OLS-PCSE和FGLS 3种模型的估计结果，农业“三项补贴”强度的系数分别为-0.016、-0.008和-0.008，且TFE模型系数通过5%水平的显著性检验，OLS-PCSE模型和FGLS模型的系数通过了1%水平的显著性检验。这表明，自2002年来国家所推行的农业“三项补贴”政策，伴随农业补贴强度的提高，有效减少了粳稻生产技术的效率损失；同时也表明，虽然近年农业“三项补贴”已经越来越被当作一种普惠性的收入性政策，但从长期看，其在增加农民收入的同时依然提高了农户对农业生产技术的利用效率，并未对粳稻的生产效率造成负向扭曲，从而基本实现了政策的初衷。

其余因素的影响分析如下：（1）耕地有效灌溉率（IRR）的估计系数通过了1%水平的显著性检验，且对技术效率损失的影响为负，说明土地灌溉条件的改善促进了粳稻技术效率的增长，这也与一般的农业生产经验相符；（2）第一产业产值占地区生产总值比重（AGR）的系数显著为负，说明地区农业经济的发展促进了粳稻技术效率的增长。农业在经济中所占比重较高，地方农业生产的发展对经济社会的影响越显著，从而导致农业所受重视程度提高，可获得的政策支持机会也会增加，有助于改善粳稻等农作物的技术效率状况；（3）反映人力资本积累的农村人均受教育年限（EDU）系数为正，且在3种模型中都通过了1%水平的显著性检验，表明农村教育的推进并未减少粳稻技术效率损失。一种可能解释是：近年农村教育事业逐步推进，虽提高了劳动者的潜在经济生产率，但也增强了劳动者的迁移能力，由于个体效用差异、就业偏好等原因，农村教育的迁移效应往往超过总生产率效应，故受教育的年轻一代倾向于离开农村，导致农村劳动力老龄化日趋严重。最终农村人力资本的积累依旧难以实现，对粳稻生产的技术效率促进作用不明显；（4）第一产业劳均机械动力（LMA）、第一产业劳均耕地面积（SCA）的系数符号为负，但并不显著，表明农业机械化程度与农业生产规模對粳稻技术效率的促进作用不明显，这一点与理论不一致，需做进一步探讨。此外，作为自然因素的年降水量（RAI）对技术效率没有显著的影响，这可能是农村水利生产设施不断改进，导致自然因素的影响被削弱所致。

五、主要结论及政策建议

运用随机前沿分析对1994—2013年我国粳稻技术效率进行了测算和区域对比，在此基础上，利用技术效率损失函数探究了农业“三项补贴”等因素对技术效率损失的具体影响。结果表明，20多年来：（1）全国粳稻生产的技术效率总体有改善，技术效率呈现“先降后升”特征；各省区技术效率随时间变迁明显向高水平集中。较之西部省区技术效率的停滞，东部、中部和东北的各省技术效率呈现增长态势，其中东北三省尤为显著。（2）农业“三项补贴”强度的影响系数显著为负，表明其对粳稻技术效率起到了显著的促进作用，并未导致粳稻生产效率的扭曲。（3）土地灌溉条件的改善和地区经济的发展，都有助于粳稻技术效率的提升。（4）农村教育条件的改善可能更多地导致了人力资本的流出，并未使得技术效率得到明显改善；机械化的推进与农业生产规模的扩大未显著提升粳稻技术效率，降水因素的影响也微乎其微。

农业“三项补贴”强度的增加对粳稻技术效率虽有正向影响，但其促进作用依然较弱。随着农业农村经济社会形势的快速变化，普惠制补贴模式难以增加农业生产效益。国家新推出的农业支持保护补贴致力于保护耕地地力，促进粮食适度规模经营和农业可持续发展，但由于实际运行时间较短，其政策实施效果仍有待观察。鉴于我国“三农”问题的特殊性，农业补贴的改革应该逐步实现补贴对象的针对性和发放操作的精准性，以利于实现粳稻等粮食作物生产过程中的提质增效，促进农业生产绿色发展，保障国家粮食安全。

参考文献：

[1]钱加荣，赵芝俊.现行模式下我国农业补贴政策的作用机制及其对粮食生产的影响[J].农业技术经济，2015（10）：41-47.

[2]刘克春. 粮食生产补贴政策对农户粮食种植决策行为的影响与作用机理分析——以江西省为例[J]. 中国农村经济，2010（2）： 12-21.

[3]霍增辉，吴海涛，丁士军.中部地区粮食补贴政策效应及其机制研究——来自湖北农户面板数据的经验数据[J].农业经济问题，2015（6）：20-29.

[4]陈慧萍，武拉平，王玉斌. 补贴政策对我国粮食生产的影响——基于2004—2007 年分省数据的实证分析[J]. 农业技术经济，2010（4）： 100-106.

[5]吴海涛，霍增辉，臧凯波.农业补贴对农户农业生产行为的影响分析——来自湖北农村的实证[J].华中农业大学学报（社会科学版），2015（5）：25-31.

[6]马爱慧，张安录.农业补贴政策效果评价与优化[J].华中农业大学学报（社会科学版），2012（3）：33-37.

[7]李韬.粮食补贴政策增强了农户种粮意愿吗？——基于农户的视角[J].中央财经大学学报，2014（5）：86-94.

[8]王姣，肖海峰.中国粮食直接补贴政策效果评价[J].中国农村经济，2006（12）：4-12.

[9]黄季焜，王晓兵，智华勇，等.粮食直补和农资综合补贴对农业生产的影响[J].农业技术经济，2011（11）：4-12.

[10]张淑杰，孙天华.农业补贴政策效率及其影响因素研究——基于河南省360户农户调研数据的实证分析[J].农业技术经济，2012（12）：68-74.

[11]张宇青，周应恒. 中国粮食补贴政策效率评价与影响因素分析——基于2004—2012年主产区的省际面板数据[J].财贸研究，2015（6）：30-38.

[12]朱满德，李辛一，程国强.综合性收入补贴对中国玉米全要素生产率的影响分析——基于省级面板数据的DEA-Tobit两阶段法[J].中国农村经济，2015（11）：4-14.

[13]马林静，王雅鹏，田云.中国粮食全要素生产率及影响因素的区域分异研究[J].农业现代化研究，2014（4）：385-391.

[14]高鸣，马铃.贫困视角下粮食生产技术效率及其影响因素——基于EBM￣Goprobit二步法模型的实证分析[J].中国农村观察，2015（4）：49-60.

[15]李燕凌.基于DEA￣Tobit模型的财政支农效率分析——以湖南省为例[J].中国农村经济，2008（9）：52-62.

[16]刘海英，谢建政.政府补贴、农户收入和城镇化对粮食生产效率的影响[J].江西师范大学学报（自然科学版），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.随机前沿方法的研究进展与展望[J].数量经济技术经济研究，2011（11）：148-161.

（责任编辑：钟昭会）