我国蔬菜价格保险政策市场效应分析*——以上海市为例

郭昕竺，胡晨沛，李美琪，李辉尚，曲春红

(1. 中国农业科学院农业信息研究所/农业农村部农业大数据重点实验室，北京市，100081； 2. 国家统计局国际统计信息中心，北京市，100826)

0 引言

蔬菜是城乡居民日常生活不可或缺的必需品，也是政府“菜篮子”工程的重要农产品，其价格剧烈波动尤其是快速、大幅上涨，不仅直接关系居民消费和农民增收[1]，还关系到消费升级、产业结构调整和农业农村稳定发展，历来受到国家的高度重视[2]。2016年以来，我国农产品价格形成机制改革和农业供给侧结构性改革不断深化，市场对于农业资源配置的决定性作用愈发凸显，蔬菜等农产品面临的市场风险不断增大，价格频繁剧烈波动和“卖难买贵”并存等问题受到社会和学界的普遍关注。在农业市场风险更加复杂严峻的新时期、新阶段，有效运用现代风险管理工具应对和化解蔬菜市场风险，显得越发重要和迫切。

农产品价格保险在国外起步较早，是美国和加拿大等发达国家农产品市场风险管理的重要工具[3]，在转移和分散市场风险[4]、保障农产品供应[5]、稳定农产品市场价格[6]、提升农业生产者收入[7]上均发挥着重要作用，加之其操作简便、运用灵活等显著优点[8]，近年来越发受到我国政府部门尤其是地方政府的重视和推广。2011年，上海市率先在全国推出蔬菜综合成本价格保险，作为国内最早的农产品价格保险试点城市，在现代化农业风险管理工具的探索应用上发挥了重要的引领示范作用；从实践情况看，这一政策在蔬菜“保供稳价”等方面成效显著。近年来，国内学者从多方面对各地区蔬菜价格保险政策的实施效用进行了探究。由于不同城市(地区)保险制度的覆盖范围、保险费率、补贴标准、理赔机制及财政投入等存在差异[9-11]，各地蔬菜价格保险政策在试点中主要暴露出农户认知度较低、产品设计不足、地方财政资源有限[12]等问题，对保险政策的实施效果造成了一定影响；但多数学者认为，蔬菜价格保险政策能一定程度上抑制农业保险政策实施中可能存在的逆向选择和道德风险问题[13]，可以减少对市场的扭曲，为菜农再生产进行“兜底”[14]，在稳定当地蔬菜供给[15]、熨平菜价波动[16]等方面发挥积极作用。但文献梳理表明，目前的研究多为定性分析，对政策效果的定量评估相对缺乏，对政策促进市场平稳运行的实际效用仍存在一些争议。

当前正值“十三五”收官、“十四五”谋划的关键时期，深入分析新形势新条件下蔬菜价格保险的政策效应，对于进一步优化强农惠农富农政策体系，确保“菜篮子”有效供给和市场平稳运行意义重大[17]。本文以上海市为例，构建含有31个大中城市的面板数据，运用合成控制法(SCM)实证检验了蔬菜价格保险政策对缓解菜价波动、促进市场平稳运行的作用，并探究了对标的外菜价的溢出效应，以期为新形势下价格保险制度创新提供参考借鉴。

1 变量选择和模型构建

1.1 变量选择与数据来源

本文在36个大中城市(直辖市、省会城市和计划单列市)的基础之上，剔除先后开展蔬菜保险试点的成都、海口、银川和主要数据缺失严重的贵阳和拉萨，构建31个大中城市2001—2017年的面板数据，其中，2011年为上海市实施蔬菜价格保险政策的时间节点。上海市蔬菜价格保险标的为青菜(油菜)、鸡毛菜、米苋、生菜、杭白菜五种绿叶菜，结合其他大中城市蔬菜价格的可获得性，最终选青菜年均零售价格Pr作为因变量，对上海市蔬菜价格保险政策的效用进行分析。在预测变量上，主要选取与蔬菜市场价格和地区经济特征紧密相关的变量，包括：(1)替代品芹菜和黄瓜零售价格，分别表示为Pqc和Phg。(2)鲜猪肉年均零售价格，表示为Pz，“肉菜不分家”是中国人自古以来的饮食习惯，猪肉作为蔬菜重要的互补品，与蔬菜消费间有着密切联系。(3)城镇居民人均可支配收入，反映地区经济发展水平和人均实际购买力水平，取自然对数后表示为lnincom。 (4)城镇居民人均食品消费支出，反映居民蔬菜消费水平，取自然对数后表示为lnfoodexp。(5)城镇常住人口，影响蔬菜消费数量，取自然对数后表示为lnpeop。此外，为解决可能的遗漏变量问题，将2006年、2008年和2010年的青菜年均零售价格作为预测变量纳入模型，以获得更加准确的估计结果。人均可支配收入、人均食品消费支出和常住人口数据均来自各城市历年的统计年鉴，鲜猪肉价格和青菜价格来源于全国大中城市农产品价格监测系统。

1.2 模型构建

(1)

(2)

式中:δt——时间趋势；

zi——可观测到的不受价格保险政策影响的(r×1)维预测控制变量；

βt——(1×r)维未知参数向量；

μi——(F×1)维地区固定效应；

λt——(1×F)维待估参数向量；

εit——地区上无法观测的短期冲击，且期望值为0。

(3)

(4)

则蔬菜价格保险政策实施后，菜价增减幅度的渐进无偏估计量

(5)

其中，由于最优权重向量W*是通过数据驱动、依据均方根误差最小的原则进行估算和确定，各城市第1～T0期实际价格变量的线性组合以及预测控制变量的选择将对W*产生重要影响，关于W*的具体计算过程参考Abadie等[20]的研究。

1.3 描述性统计

表1为上海和控制组城市的描述性统计。从表1可知，上海市青菜年均零售价格在均值、标准差和最小值上均低于控制组，且变动幅度较小。在预测变量上，上海市鲜猪肉年均零售价格的均值和最小值均大于控制组，常住人口、城镇居民人均可支配收入和城镇居民人均食品消费支出等社会经济变量的均值相对更高。这些特征符合实际经济情况，进一步说明实施蔬菜价格保险政策的上海在经济社会各方面与控制组城市有显著差异，无法直接从控制组中找到合适的对照组，符合合成控制法应用的前提条件。

表1 上海和控制组城市的变量描述性统计Tab. 1 Descriptive statistics of Shanghai and control group

2 实证分析

2.1 试验对照组拟合

表2给出了合成上海的控制组样本权重组合。

表2 控制组样本城市权重Tab. 2 Weights of cities in control group

其中，杭州市(0.489)、沈阳市(0.244)、北京市(0.155)的权重相对较高，而宁波市和广州市分别为0.076和0.036，相对较小。从区域分布和经济社会发展看，杭州、宁波和上海均为长三角经济圈的重要城市，三者地理位置邻近，在农业生产、居民消费以及经济和社会等诸多方面有相似之处，区域间农产品价格存在更为紧密的联动和相互影响关系。北京为京津冀经济圈的中心，沈阳是我国东三省的重要中心城市之一，广州为珠三角经济圈的中心，都在经济发展水平、物价和居民消费水平等多方面与上海有较高的相似性。上述合成结果的样本城市权重组合符合实际情况，具有典型的经济和现实意义。

表3是实施蔬菜价格保险之前(2001—2010年)，上海与合成上海的预测变量平均值的对比。从表3可以看出，合成上海和真实上海的各预测变量的均值均较为接近。总体来讲，合成上海很好地复制了真实上海的特征，也初步说明利用合成控制法得到的对照组合理有效。

表3 上海与合成上海的预测变量均值对比(2001—2010年)Tab. 3 Mean values of predictors between Shanghai and synthetic Shanghai (2001—2010)

2.2 政策效应测算

2.2.1 价格保险对目标菜价的影响

图1是2001—2017年间上海与合成上海青菜价格的具体变动趋势。从图1可知，两者的走势大致可分为三个阶段：(1)第一阶段(2001—2010年)：蔬菜价格保险政策实施前，上海与合成上海青菜价格走势基本一致，说明模型拟合效果较好。(2)第二阶段(2011—2013年)：蔬菜价格保险政策实施初期，上海和合成上海青菜价格走势开始明显分化，上海的青菜价格从较高值逐年下降，分别为4.36元/kg、4.18元/kg、 4.13元/kg和3.77元/kg，累计下跌13.53%，价格波动幅度((最高价-最低价)/平均价×100%)为14.36%；与此同时，合成上海的青菜价格呈相反走势，整体波动上涨，从4.34元/kg涨至5.18元/kg (最高价为2013年的6.00元/kg)，累计上涨19.14%，价格波动幅度为32.02%，说明蔬菜价格保险政策有效降低了上海的青菜价格，缓解了菜价波动。(3)第三阶段(2014—2017年)：蔬菜价格保险政策实施后期，上海和合成上海的青菜价格走势趋同，整体均呈波动回升态势，并于2016年达到近年的高点，分别为6.00元/kg 和6.51元/kg，但始终低于其潜在价格(即合成上海的青菜价格)。

图1 上海和合成上海青菜年均零售价格Fig. 1 Average annual retail rape price of Shanghai and synthetic Shanghai

图2是实施蔬菜价格保险前后，上海和合成上海青菜年均价格的差值。总体来看，政策实施后，上海相对于合成上海青菜价格平均下降了0.77元/kg。其中，在实施初期，蔬菜价格保险政策对抑制菜价上涨效果较为明显，上海青菜价格与其潜在价格的差值快速扩大，由2011年的0.014元/kg波动降至2013年的-1.62元/kg，年均价差-0.91元/kg；从2014年起，上海和合成上海的青菜价格差值整体呈波动缩小趋势，2015年达到最小价差-0.23元/kg，比2013年缩小了85.80%，虽之后的两年价差略有扩大，但从整体上看，蔬菜价格保险政策的边际效应在一定程度上有所减弱。

图2 上海和合成上海青菜年均零售价的差值Fig. 2 Difference of average annual retail rape price between Shanghai and synthetic Shanghai

2.2.2 价格保险对其他菜价的溢出效应

蔬菜价格保险政策主要目的是通过对保险覆盖品种菜价的调控，以点带面撬动整个蔬菜市场，以实现促进市场整体平稳运行的目标。因此，本文进一步探究了上海市蔬菜价格保险政策的溢出效应。表4为实施前后上海市各蔬菜品种的年平均价格涨幅，在上海市蔬菜价格保险实施前(2001—2010年)，蔬菜市场价格涨幅整体较大，青菜、合成上海的青菜、芹菜的年均价格涨幅均超过了10%，茄子和黄瓜的年均价格涨幅稍小，分别为8.53%和6.04%，13种重点蔬菜的年均价格涨幅为8.01%。在实施蔬菜价格保险后(2011—2017年)，青菜价格年均涨幅缩小至1.78%，比实施前减小10.05个百分点；其它未在保险覆盖范围内的品种如茄子、黄瓜、芹菜等，价格涨幅也有明显缩小，分别比实施前年均价格涨幅减小6.17、2.37和7.49个百分点，总的来看，13种重点蔬菜的年均价格涨幅缩小至2.25%，比实施前减小5.76个百分点。

表4 价格保险实施前后上海市各蔬菜品种价格涨幅Tab. 4 Price increase ratio of vegetables in Shanghai before and after vegetables price insurance %

由图3可知，2011年蔬菜价格保险政策实施后，尤其是政策实施的初期，上海青菜价格在保险政策作用下明显下降，而保险覆盖范围外的蔬菜品种价格上涨态势也呈现不同程度的放缓。这从也说明，蔬菜价格保险政策的实施在平抑标的蔬菜品种(青菜等)价格上涨的同时，对保险覆盖范围外菜价产生了正向溢出效应，一定程度上使得整体价格的上涨幅度和速度得以控制，促进了蔬菜市场的平稳运行。

图3 上海市各蔬菜品种的年均零售价格Fig. 3 Average annual retail prices of various vegetable varieties in Shanghai

2.3 稳健性检验

为检验所构建模型的准确度，保证合成上海尽可能地复制真实上海的各项特征，本文基于地区的安慰剂检验和基于时间的安慰剂检验两种，并对处理组和控制组的蔬菜价格保险的政策模拟效果进行了T检验，验证模型的有效性和结果的稳健性。

2.3.1 基于地区的安慰剂检验

假定控制组中的某个样本城市也和上海一样在2011年实施了蔬菜价格保险政策，利用控制组中的剩余样本构造出该样本的合成控制对象，计算出样本城市和其合成对象的青菜价格差值，即为“安慰剂效应”。需要指出的是，若实施前的均方根特别大，则表明合成拟合度低，即使控制组城市合成后得到较大的政策效应，该效应很可能是拟合效果不好所致，而与蔬菜保险政策的实施无关。

基于此，本文借鉴苏治等[21]的处理办法，计算控制组城市的政策实施前后均方根比值，剔除实施前的均方根误差值较大、实施前后均方根比值显著大于其他的个别样本。

具体的安慰剂效应和上海市的处理效应对比见图4。在开始实施蔬菜价格保险之后的4年里，上海市的处理效应则比其他城市的处理效应明显偏离0值；但自2014年起，上海的处理效应向0值靠拢，与部分城市的安慰剂效应的差异有所缩小。这说明，上海蔬菜价格保险政策实施初期，其的确对菜价产生影响效应，但效应随时间变化呈现出减弱的趋势。

图4 上海市处理效应与各城市安慰剂效应Fig. 4 Treatment effect of Shanghai and placebo effects of control group cities

2.3.2 基于时间的安慰剂检验

为检验以2011年作为保险政策产生效应的节点是否准确，即合成估计的结果是否受时间点选择的影响，以2007年为蔬菜价格保险实施的时间节点，运用SCM方法对蔬菜价格保险政策效用进行估计。对比此时上海和合成上海的青菜年均零售价格见图5，发现将蔬菜保险实施年份设为2007年进行合成后，2011年仍旧是两者开始产生明显差异的时间节点。

图5 以2007年为实施节点的安慰剂检验Fig. 5 Result of placebo test with hypothetical implementation node at 2007

2.3.3 独立样本T检验

为弥补安慰剂单位数量有限的不足，在基于地区安慰剂检验的基础上，将处理组和控制组的平均安慰剂效应进行独立样本T检验，观察二者间是否有显著影响。

由表5可知，上海市的平均处理效果为-0.265，控制组的平均安慰剂效果为0.000，意味着上海的蔬菜价格比控制组下降更快。另外，T检验的p值为0.061，在双侧检验的10%显著性水平下与0显著不同，表明蔬菜价格保险政策对平抑上海市青菜价格上涨具有显著的正向效应，所用方法稳健有效。

表5 处理组(上海市)和控制组的独立样本T检验Tab. 5 Independent sample T-test of treatment group (Shanghai) and control group

3 结论和建议

本文构建了全国31个大中城市2001—2017年的面板数据，以上海市为例，运用合成控制法(SCM)实证探究了蔬菜价格保险的政策效用。

1) 蔬菜价格保险政策的实施使得上海市青菜价格相对于潜在价格平均下降0.77元/kg，价格波动幅度相对减少4.61%，总体上实现了平抑菜价、减缓菜价波动的政策目标。

2) 政策的实施使得茄子、黄瓜、芹菜的年均价格涨幅分别比实施前减小6.17、2.37和7.49个百分点，13种重点蔬菜的年均价格涨幅缩小至2.25%，对缓解标的外其他蔬菜品种价格上涨有显著的溢出效应，有效促进了蔬菜市场整体的平稳运行。

3) 政策实施初期(2011—2013年)上海与合成上海的青菜价格明显分化，年均价差-0.91元/kg，政策效应较为明显；实施后期(2014—2017年)上海与合成上海的青菜价差呈波动缩小趋势，年均价差降为-0.67元/kg，缩小了26.37%，政策边际效应有所减弱。总的看，蔬菜价格保险政策在稳定上海市蔬菜价格、促进蔬菜市场整体平稳运行上发挥了显著正向效用，但随着时间推移，阶段性特征显现，政策边际效用有所减小。

当前正处于“十四五”现代农业发展谋划的重要时期，在蔬菜价格形成机制趋于复杂、菜价波动更为剧烈、生产市场风险越发凸显的新形势下，进一步完善蔬菜价格保险政策，既是新时期贯彻落实“菜篮子”市长负责制的重要举措[15]，也是新阶段促进政策性农业保险高质量发展的内在要求[22]。因此，建议一是基于蔬菜市场形势的变化情况，充分考虑新形势下蔬菜市场供需形势和价格形成机制转变特征，不断完善和优化价格保险政策制度，提高蔬菜价格保险的参与率和覆盖率，促进蔬菜价格保险政策作用的长效发挥。二是加大蔬菜价格保险的创新力度，进一步丰富保险产品种类，探索扩大保险标的品种的覆盖范围，适时适度扩大参保主体范围，不断满足各类型农户和经营主体对保险的差异化需求，实现投保蔬菜产品的应保尽保，充分发挥蔬菜价格保险作为政策性宏观调控工具的“兜底”作用。三是针对当前蔬菜价格形成过程中影响因素多、来源渠道多、品种类别多等而产生的多元异构数据，在政策制定中应探索运用大数据和云计算等现代信息技术以优化价格等信息采集体系[23]和保险理赔测算流程等，增强政策的科学性和针对性。