财政支农与粮食增产：总量与结构分析

张泽鑫，史清华

（上海交通大学安泰经济与管理学院，上海 200030）

2004—2019年连续16个涉农中央“一号文件”的出台标志着中国政府对“三农”问题的高度关注。在中国，除农户私人资本投入外，政府财政支农亦是农业发展的重要支持。一般地，财政支农对农业发展的影响主要体现有三个方面：一是解决农业发展所必须的公共品的供给问题；二是通过各类补贴，来增强农业抵御各类灾害、恢复再生产的能力，并支持农民增收；三是支撑农业事业单位的运转，通过其来提供各项公共服务。据测算，考虑农户的劳动机会成本后，财政支农占农业总投入的比例从1978年的14.44%上升至2017年的51.46%。然而，改革开放以来财政支农相对份额在波动中下行。据《中国统计年鉴》数据，用农产品生产价格总指数平减物价后，财政支农从1978年的150.66亿元增长到2017年的1720.02亿元，几何年增长率为6.44%，但财政支农占全国财政总支出的比例却从1978年的13.43%下滑至2017年的9.40%。在财政支农位重而量平的背景下，厘清其与农业发展的关系显得尤为重要。

探究财政支农与农业发展间的关系一直都是三农研究的热点。现有文献主要涉及两个方面：一是通过对财政支农进行适度规模分析来判断其是否规模最优[1-3]；二是从单一指标产出结果来研究财政支农各项费用对农业发展的影响[4-6]。从评估指标选择来看，目前文献多从农林牧渔总产值与农民收入等经济效益角度对财政支农进行研究，且对财政支农的积极作用已有共识[7-9]，但是关于其各细项费用的结论因模型、样本年限不同而产生差异。

从财政支农与农林牧渔总产值的关系看，李焕彰和钱忠好[10]的研究发现，中国财政支农中，科技三项费和基本建设支出对农业经济具有促进作用，且科技三项费作用最明显，而支农支出费用对农业经济具有抑制作用。李琴等[11]认为支农支出费用因组成费用的属性、功能不同，若合并为一项来考察会导致偏差，因此将其拆分为支援农业生产支出与农林水利气象等部门事业费两项来进行研究。李琴等[11]研究发现，在四项费用中，农林水利气象等部门事业费、支援农业生产支出、农业基本建设支出贡献率均为正值，且农林水利气象等部门事业费贡献率最高，而科技三项费贡献率为负值，李琴等[11]认为这是因为农林水利气象等部门事业费不仅包括工资性支出，还包括技术推广、良种推广示范等支出，对农民生产具有较好的产出弹性和示范。然而这并不能解释为何支农支出费用这一合并费用贡献率为负。

从财政支农与农民收入的关系出发，罗东和矫健[12]研究发现，支农支出费用、科技三项费对农民增收起着积极作用，其中支农支出费用贡献率显著高于科技三项费，而基本建设支出则对农民增收有抑制作用。汪海洋等[13]则运用1978—2010年的财政支农数据分析指出，支农支出费用、科技三项费和基本建设支出对农民增收均起着积极作用，且科技三项费贡献率最高，支农支出费用贡献率最低，茆晓颖和成涛林[14]认为水利支出有利于农民增收，这与罗东和矫健[12]的结论有着较大差异。

综上所述，学界多从经济效益对财政支农进行研究，且观点分歧明显，甚至相反。不可否认，经济效益是财政支农的目的之一，但也要看到，政府对农业的投入也有其社会效益的诉求。尽管当前财政支农政策已转向为提高农民收入、提升农产品竞争力以及促进农业高质量发展等多重目标服务，但粮食安全仍是“三农”问题的核心。在粮食总产量出现较大下跌的年份，其后财政支农均出现明显增加，粮食也随之增产；随着在本世纪初中央政府全面取消农业税、对农业实施“四补贴”、粮食最低收购价等政策的出台以及财政支农规模的不断扩大，中国粮食产量实现了2003年以来的连增效果[15-16]。早期有限的研究表明，财政支农与粮食产量波动明显同步[17]。因此，厘清财政支农及其各项支出经费对粮食产量的影响，并依此对其资金投放结构进行优化，有利于保障粮食安全、预防粮食总产出现大幅波动，具有重要的战略意义。然而，目前探究财政支农与粮食产量之间关系的文献十分有限，且基本停留在研究财政支农总支出的层面，并未对其细项费用进行研究[18]。因此，本文基于舒尔茨农业理论，从粮食产量视角出发，利用1978—2017年时间序列数据和2014—2017年面板数据，采用VAR、固定效应和SUR模型，分析财政支农及其各项费用对粮食产量的影响，探究其增产效应，以期为财政支农效率评价提供经济效益以外的视角，也为财政支农资金结构优化提供更全面的参考。

1 理论分析

就农业投入而言，可分为农户私人资本投入和财政支农两类。舒尔茨指出，传统农业的资源配置处于均衡状态，农业要发展就必须引入新的生产要素，但由于农民自身缺乏资本和技术，因此需要政府的支持[19]。近年来中国政府不断加大财政支农支出，完善农村基础设施建设、提升乡村管理效率、提高农业生产率，粮食产量也实现了连增。财政支农根据功能不同可分为补贴性支出、开发性支出和行政性支出三大类，三者对粮食产量的影响效应有所不同，详见图1。

补贴性支出主要包括各类农业补贴。农业具有明显的弱质性，政府发放各种农业补贴能有效弥补农民的损失，减少自然灾害或者价格剧烈波动带来的不利影响，并保护农民从事农业生产的积极性。补贴性支出直接影响农业生产当年收益。

图1 财政支农对粮食产量的影响路径Fig. 1 Path of the f scal expenditure on agriculture affecting grain output

开发性支出主要包括基础设施建设和科技研究投入。基础设施建设主要通过改善农业生产环境来提高农业生产率，降低农民的生产成本；而科技研究则通过改良作物品种、引导更加科学化的农业生产方式来保证农业生产。开发性支出间接影响农业生产。

行政性支出用于支撑农业事业单位的运转，并通过其提供的各项服务，扩大农户生产和交易的规模，减少农户生产成本和交易成本，以此来保证农业产出。不论是短期内补贴的规划，还是长期设施的建设，都离不开行政统筹，故行政性支出对农业生产的影响是间接的。

2 研究方法

本文探讨财政支农对粮食产量的长期影响以及财政支农各细项费用对粮食产量的影响。在探讨财政支农各细项费用对粮食产量的影响时，可依拆分口径不同分为狭义和广义两类。狭义财政支农是指政府公布的财政支农支出，其具体分类也以政府披露口径为准；广义财政支农是由作者通过扩大数据来源、拆分合并已有数据而得到的根据功能分类的数据。对于这三部分研究内容，本文将依次采用VAR模型、固定效应模型和表面不相关回归模型（Seemingly Unrelated Regression）进行。

2.1 变量选择

1）被解释变量。粮食产量是本文关注的主要被解释变量。“粮食”包括谷物、豆类和薯类。对于此变量，在进行财政支农与粮食总产量的长期关系、广义财政支农与粮食关系的研究中，以全国粮食总产量（GRN）来度量；在进行各省财政支农的狭义分析时，以各省粮食总产量（GRP）来度量。

2）解释变量。在进行财政支农与粮食产量长期关系的研究时，核心解释变量为财政支农支出（FIS）。

狭义财政支农的拆分口径在2007年前后有所变化，主要是各科目划分口径变动较大，总额变动不大[20]，本文以2007年以后的口径为准。2007年之后狭义财政支农支出包括农业、林业、水利、扶贫、农业综合开发、农村综合改革和南水北调等。其中，由于南水北调只有个别省份有所投入，故剔除南水北调；由于本研究主要关注财政支农对种植业的影响，故剔除林业。为避免概念混淆，后文均以“农业基本投入”代称“农业”。最终选取农业基本投入（X1）、水利（X2）、扶贫（X3）、农业综合开发（X4）、农村综合改革（X5）5项费用作为解释变量。

在财政部《年度支出决算表》中，可看到“农林水事务”更加详细的拆分，这为广义财政支农的研究提供了便利的条件。本文通过再合并得到行政管理（Z1）、基础设施建设（Z2）、补贴补助（Z3）、科学技术（Z4）4项费用作为广义财政支农研究的解释变量。

3）控制变量。在进行粮食产量与财政支农的长期关系、粮食产量与广义财政支农的关系的研究中，控制变量均为农户私人资本投入（FAR）。

在进行狭义财政支农的研究中，由于各省各粮食生产成本数据难以获得，故此部分参考已有研究的方法[21-22]，采用各省粮食播种面积（ARE）、农业机械总动力（MEC）、化肥施用量（FER）、第一产业从业人数（EMP）4项作为农户私人资本投入的替代变量。

2.2 农户私人资本投入的测算方法

农户私人资本投入的测算中考虑了物资服务费和人工成本等两类。由于目前土地投入既面临着土地资源总量的刚性约束，又缺乏有效的土地流转机制，土地投入基本是一个常量，因此，在测算农户私人资本投入的过程中并未包含土地投入。

与被解释变量相对应，农户私人资本投入测算考虑了谷物、豆类和薯类等三大类作物，将各作物种植面积及其单位面积生产成本的乘积作为对应作物当年的投入。其中，单位面积生产成本包括物资与服务费用、人工成本两个部分。物资与服务费用由直接费用（种子、化肥、农家肥、农药、农膜、租赁作业、燃料动力、技术服务、工具材料、修理维护、其他等11项）和间接费用（固定资产折旧、保险、管理、财务、销售等5项）构成，人工成本由雇工费用和家庭用工折价构成，这里的家庭用工折价代表了农民从事农业生产所付出的机会成本。

2.3 模型设置

1）VAR模型。本文将基于VAR模型进行Johansen协整分析并建立协整方程，来探究财政支农对粮食产量的长期影响。K个时间序列变量的J阶VAR模型如下：

式中：Yt= (Y1t，Y2t，…，Ykt)'是k×1阶随机向量，t=1, 2，…，T，且Yt是一阶单整过程，即每一Yit都是单整过程，A1到Aj表示k×k阶参数矩阵；Ht= (H1t，H2t，…，Hmt)'是一个确定的m×1外生变量向量，B1到Bq表示k×m阶待估系数矩阵；ut= (u1t，u2t，…，ukt)'是K维扰动变量。

需要说明的是，本部分对各变量进行了对数化处理，意在不改变各变量之间关系的同时，消除时间序列数据存在的异方差，提高模型的拟合度。

由于样本属于时间序列数据，为了避免“伪回归”问题，在进行回归之前需进行单位根检验。若不存在单位根，则数据是平稳的，直接利用VAR模型分析；如果存在单位根，则数据是非平稳的，要进一步判断各时间序列之间的关系，还需要进行差分处理及协整分析。本文将采用ADF单位根检验对各变量进行平稳性检验。最终模型列式为：

这一部分选取1978—2017年的数据。

2）固定效应模型。由于面板数据一般采用固定效应模型或随机效应模型，本文选择其一。根据Hausman检验结果，P值为0，故这一部分选取固定效应模型。同时，本部分基于经典的C-D生产函数来建立多元对数计量模型，该模型的优点在于其中的待估系数恰好是被解释变量对解释变量的弹性，能够较好地反映被解释变量变化与解释变量变化之间的关系。最终模型列式为：

式中：i代表省份，t代表年份，为2014—2017年，εit为随机误差项。这一部分我们选取北京、天津、河北、辽宁、黑龙江、江苏、浙江、安徽、福建、江西、山东、河南、湖北、广东、广西、海南、四川、贵州、云南、陕西、甘肃、青海等22个省（区、市）2014—2017年数据为样本，其余省份由于数据获取困难，暂未纳入样本。

3）SUR模型。由于2010—2017年构成的时间序列样本量过少，无法进行协整回归，且各变量间可能存在同期相关性，故本部分拟采用表面不相关回归模型（SUR）进行参数估计。最终模型列式为：

这一部分以2010—2017年数据为样本。

2.4 数据来源

本文选取1978—2017年粮食产量、农户私人资本投入和财政支农数据作为样本，数据来源于《中国农村统计年鉴》《中国统计年鉴》、财政部《年度支出决算表》、各省财政厅《省本级政府财政决算表》、《全国农产品成本收益资料汇编》。

各部分被解释变量均为粮食总产量，其中全国粮食总产量数据来自《中国统计年鉴》（1979—2018），各省粮食总产量数据来自《中国农村统计年鉴》（2015—2018）。

解释变量中，全国财政支农数据来自《中国统计年鉴》（1979—2018），各省狭义财政支农各项费用数据来自各省《政府财政决算表》（2015—2018），广义财政支农各项费用数据来自财政部《年度支出决算表》（2011—2018）。

控制变量中，各类粮食种植面积来自《中国农村统计年鉴》（1979—2018），各类粮食单位面积生产成本来自《全国农产品成本收益资料汇编》（1979—2018），各省农业机械总动力、化肥施用量、粮食播种面积来自《中国农村统计年鉴》（2015—2018）和各省《统计年鉴》（2015—2018），各省第一产业从业人数来自各省《统计年鉴》（2015—2018）。

3 结果与分析

3.1 描述性统计分析

改革开放以来，中国粮食生产历程是在波动中发展的，其中既有常态性的小波动，也有超常波动，但总体呈增长趋势（图2）。常态性波动减产小、周期短，不足以影响大局，如1980—1981年、1990—1991年、1996—1997年，主要源于较为严重的水、旱等自然灾害。超常波动主要发生过2次，第一次是在1985—1989年，1985年粮食产量降幅达到6.9%，直至1989年粮食产量才恢复到1984年的水平[23]，在这期间财政支农占全国财政的比例明显回升；第二次是在1999—2003年，由于1998年粮食产量创20世纪最高纪录，粮食安全意识有所淡化，2000年前后不时出现的水旱灾害，使得中国粮食产量持续减少，直至2003年下降至1990年代初的水平，在2004年才开始恢复，同年，财政支农占比出现阶段峰值。可以观察到这样的事实，在粮食产量出现大幅减产的年份，随后财政支农占全国财政的比例均出现明显回升，且1980年代以来重大粮食决策或变革都是在粮食产量急剧下滑的年份之后一年进行的，粮食政策对粮食产量的下滑或波动给予了特别优先和重要的关注与响应[24]。伴随着财政支农占全国财政总支出比例从2000年的7.75%增长到2017年的9.40%，粮食总产量从2000年的46217.50万t增长至2017年的66160.70万t，粮食产量实现了连增。财政支农与粮食产量从长期看存在一定的相关性。

图2 粮食产量与财政支农占全国财政比例动态Fig. 2 Grain output and the dynamic ratio of f scal expenditure on agriculture to the national f scal budget

在狭义财政支农各项费用中，农业基本投入是最主要的投入费用（表1），其占财政支农总额比例呈下滑趋势，从2008年的50.15%下降至2017年的32.45%；水利是财政支农支出中的第二大费用，其占比较稳定，维持在22%～28%之间；扶贫是近年来着重增加投入的一项费用，其增加集中在2016年与2017年，2008—2015年其占财政支农总额比例在5%～8%之间，到2016年开始突增至12.30%，2017年突增至17.02%；林业、农村综合改革这两项费用占比稳定，分别维持在9.00%和8.00%左右；农业综合开发占比逐年下降，从2008年的5.54%下降至2017年的2.99%；南水北调费用占比很小，不足1.00%，且仅个别省份有所投入。

表1 狭义财政支农各变量描述性统计Table 1 Descriptive statistics of variables of narrow f scal expenditure on agriculture

广义财政支农各项费用中，补助补贴和基础设施建设费用是最主要的费用，两项费用2010—2017年合计占比65%以上（表2）。其中，补助补贴占比有所下降，从2010年的36.85%下降至2017年的32.61%（表3）；基础设施建设费用占比则有所上升，从2010年的30.72%上升至2017年的36.23%；行政管理费用占比从2010年的16.81%上升至2017年的19.28%，是近年来投入增加的主要方向；科学技术投入占比则下降明显，从2010年的5.26%下降至2017年的2.82%，且投入规模也有所压缩。

表2 广义财政支农各变量描述性统计Table 2 Descriptive statistics of variables of generalized f scal expenditure on agriculture

表3 全国财政支农按功能分类各项费用及占比Table 3 Proportion of expenses classif ed by functions of f scal expenditure on agriculture

3.2 粮食产量与财政支农的长期关系

1）平稳性检验。本文采用ADF单位根检验对各变量进行平稳性检验，结果见表4。若不做差分处理，全国粮食产量与财政支农支出对数序列的ADF统计值均大于5%显著性水平的临界值，这两个变量在原水平上是非平稳序列。若做一阶差分处理，一阶差分序列△lnGRN、△lnFAR、△lnFIS的ADF统计值均小于5%显著性水平的临界值，表明不存在单位根，即序列表现出平稳性。因此，中国粮食产量与各解释变量的对数序列均是一阶单整序列，即I(1)，各变量之间可能存在协整关系。

2）协整检验与协整方程。运用Eviews10.0数据分析软件估计VAR模型，首先确定最佳滞后阶数。由于数据样本为年度数据，故选定最大滞后阶数为4阶，结果1阶滞后阶数与4阶滞后阶数出现矛盾，本文以AIC准则为准。根据信息准则确定最佳滞后阶数为4阶，结果见表5。在确定最佳滞后阶数后，我们进行Johansen检验，结果见表6。

表4 各变量ADF单位根检验结果Table 4 ADF unit root test result for each variable

表6中迹统计值与最大特征统计值均显示，全国粮食产量与农户私人资本投入、财政支农支出之间存在一个协整关系，故本文以全国粮食产量与农户私人资本投入、财政支农支出之间存在一个协整关系为准。最终得到标准化Johansen协整方程为：

表5 VAR模型最佳滞后阶数确定Table 5 Determination of the best lag order of the VAR model

表6 Johansen协整检验结果Table 6 Johansen cointegration test results

上式各变量在协整关系中显著。全国粮食产量对农户私人资本投入的弹性系数为0.315，即农户私人资本投入每增加1%，全国粮食产量增加0.315%；全国粮食产量对财政支农支出的弹性系数为0.094，即财政支农支出每增加1%，全国粮食产量增加0.094%。可见，长期看，财政支农对粮食产量具有正效应[25]，但相对农户私人资本投入效应较弱。部分学者也分别从农业经济增长和农民增收角度得出了类似结论[26-28]，可能的原因有三：一是虽然近些年来，财政支农逐渐成为农业总投入中的主要部分，但也是2015年以后其总量才大于农户私人资本投入，若长期看，农户私人资本投入仍然是农业总投入的主力（图3）；二是财政支农更多的是满足基础设施等公共品的供给，而农户私人资本投入则投向化肥、农药、农机具等与农业生产息息相关的农资商品；三是真正贴近农业生产的仍是农民本身，农民比政府更明白农业生产需要什么[29]。

图3 财政支农与农户私人资本投入占农业总投入比例Fig. 3 Ratio of f scal expenditure on agriculture and private investment of farmers to the total agriculture investment

3.3 狭义财政支农各项费用对粮食产量的影响

利用Eviews10.0数据分析软件，对模型进行回归，回归结果见表7。从回归结果来看，调整后R2较大，模型整体拟合优度较好。在五项细项费用中，水利、扶贫、农业综合开发对各省份粮食产量影响并不显著，而农业基本投入仅在10%的水平上显著，农村综合改革在5%的水平上显著。

表7 模型回归结果Table 7 Model regression results

农村综合改革有利于粮食保产增产，但其占财政支农比例过低：农村综合改革占全国财政支农比例在7%～10%，而各省来看，除山东、四川占比为13%～18%外，其余省份占比在0～12%不等，且占比在10%以下的省份居多。故若要提升财政支农效率，增加农村综合改革投入是一个重要方向，农村综合改革主要包括对农村行政管理部门的补助，可见提高村级行政管理效率对农业生产有着重要意义。扶贫费用中农村基础设施建设费用占比达到30%～50%，且其余扶贫支出关注民生，与农业生产相距较远，并不显著。农业综合开发主要用于土地治理和科技示范，非一日之功，且样本年度区间较小，故其影响并不显著。回归结果显示，农业基本投入对粮食保产增产有所抑制，主要原因在于农业基本投入构成较为驳杂，这一回归结果仅仅体现其整体效用，并不能说明其结构性的问题。农业基本投入主要包括行政经费和针对农业生产的补贴经费，两项经费占比60%左右，但也包含很大一部分非行政、非补贴经费，主要包括10%左右的技术推广经费、10%左右的资源保护与灾害防护经费、20%左右的其他经费，结合后文回归结果，行政经费、补贴经费对粮食增产具有明显的促进作用，而其余非行政、非补贴经费对粮食增产效用不大。

3.4 广义财政支农各项费用对粮食产量的影响

利用Eviews10.0数据分析软件，最终求得回归方程为：

在本模型中，显著性水平为P=0.05，样本个数为8，检验临界值为2.306，调整后R2为0.999，拟合效果较好，各变量中回归结果均显著。在财政支农各费用中，行政管理费用、补助补贴和科学技术投入对粮食产量具有显著促进作用，其中补助补贴促进作用最大；而基础设施建设费用对粮食生产具有抑制作用。科学技术投入促进作用较弱的原因可能是，科学技术投入是一个长期的过程，在短期内很难看到成效；基础设施建设费用对粮食增产有抑制作用，原因可能是随着多年来对农业基础设施的投入，与农业生产有关的基础设施建设已经相对成熟。结合近年来各功能费用占比情况来看，财政支农资金结构仍有优化空间：从粮食保产增产角度出发，若要提升财政支农效率，应扩大补助补贴规模，适当压缩基础设施建设费用。

4 结论与建议

4.1 结论

研究表明，财政支农在长期具有显著的粮食增产效应，尽管其增产效应相对农户投入较弱，但也要看到其在农业部门总投入中地位的转变。财政支农占农业总投入的比例已经从1980年代的10%～20%上升至2015年后的50%以上，其规模已经与农户私人资本投入规模持平，其地位发生了深刻变化，成为农业部门投入的最主要部分。随着财政支农投入规模的扩大，其增产效应会更强，未来也应对财政支农给予更多的重视。

行政管理与补助补贴对粮食增产均有显著促进作用。对于行政管理费用而言，就经济效益部分文献指出，行政管理费用对农业具有明显的抑制作用，或作用不大，而本文从粮食产量角度得出了相反结论。补助补贴费用主要包含70%左右农业基本投入中针对农业生产的补贴经费和30%左右农村综合改革中针对农村行政管理的补助经费，可见，补助补贴不论是从农业生产角度，还是从行政管理角度，均对粮食生产尤为重要。

不论从狭义财政支农，还是从广义财政支农角度，基础设施建设对粮食增产均无正向作用。从本文结论来看，科学技术投入对粮食增产的效用较弱，但这只是从短期角度来看，科技投入应是千秋之功，对科技投入的评判，仍需进行长期角度的研究。

4.2 建议

1）持续增加财政支农总量。财政支农逐渐成为农业投入的主要部分，尽管其绝对规模不断扩大，但其相对份额仍然较小。长期来看，财政支农对粮食产量具有显著的促进作用，为保证粮食的自给自足，减少对外依赖度，应持续扩大财政支农的规模[30]。

2）优化财政支农资金结构，在合理控制基础设施建设投入规模的基础上，着力加大行政管理费用和补助补贴费用的占比。在财政支农支出各项费用中，均包含一部分行政运行费用，这一部分费用规模应适当扩大，保证行政事业部门的顺畅运转，切实发挥行政事业部门在农业生产中的统筹作用。对于补助补贴费用而言，若要提高其占比，一是要优化农业基本投入资金结构，二是要扩大农村综合改革投入规模。财政支农中农业补贴有70%左右来源于农业基本投入，而农业补贴占农业基本投入比例仅为40%～48%，农业基本投入构成仍有优化空间。水利占基础设施建设投入的70%左右，因此若想控制基础设施建设投入规模，除合理规划农业传统设施投资以外，还应着力控制水利费用规模[31]。

3）加强财政支农绩效评价体系和方法的研究。财政支农各项费用采用不同的评估方法、面对不同的评估指标、选取不同的评估周期，其结论有所差异。只有具备了客观、全面、公正的评价体系与方法，引导各地因地制宜地制定出具有针对性的措施，才能切实提升财政支农效率，实现财政支农资金的合理运用[32]。