财政支农补贴对农业全要素生产率的影响研究
——基于中国省际面板数据的门槛效应检验

王一西, 余陈稀

（延安大学, a.经济与管理学院；b.政法与公共管理学院, 陕西 延安 716000）

农业发展是国民经济增长的重要动力来源。党和政府高度重视农业发展问题, 21 世纪以来, 中央连续发布19 个聚焦 “三农” 的一号文件, 对中国农业农村发展提出指导性意见, 陆续出台一系列农业补贴政策, 财政支农补贴的总体规模也在不断扩大。在国家的政策支持和人民的共同努力下, 农业总产值得到大幅增长。但在中国耕地资源有限、人地关系紧张的国情下, 对农业生产的评价更应强调生产过程的投入产出效率。财政支农补贴作为解决 “三农” 问题的重要手段, 如何通过财政补贴提升农业全要素生产率, 充分发挥财政资金的杠杆作用, 是中国农业发展面临的重要问题之一。

从现有研究来看, 目前学术界针对财政支农补贴与农业发展的研究分为以下2 个方面：一是财政支农对农业发展线性影响的研究。在财政支农对农业发展绩效单向促进方面, 研究的焦点主要有保障农业供给[1］、推进绿色农业发展[2］、增加农民收入[3］、促进农业技术进步4 方面；持相反意见的学者则认为, 财政支农的规模小、结构不合理和使用效率低下的问题阻碍了农业的发展。这2 种观点已得到众多文献的实证支持, 包括基于中介和调节效应探究补贴对粮食生产的正向影响机制[1］, 通过政府、农户和消费者博弈模型测度财政支农绩效并提出优化方案[2］；基于省际面板数据发现财政支农在结构与效率层面对农业经济增长有显著负向影响[4］, 基于城乡融合视角认为财政支农会拉大城乡收入差距[5］。二是财政支农对农业发展绩效非线性影响的研究。对改革开放以来中国财政支农增收效应进行检验, 提出财政支农规模的扩大将损耗农业生产边际效率[6］；从经济、生态、社会3 个层面研究发现中国财政支农效率整体呈现下降趋势[7］；通过理论推导总结提出, 随着财政支农投入的增长, 农村减贫效应呈现边际递减规律[8］。

文献梳理发现, 学术界对财政支农绩效的研究经历了早期的单向促进或抑制到 “边际递减” 的非线性特征, 但是鲜有文献将财政支农与农业全要素生产率联系起来。基于此, 本研究选取中国31 个省（市、自治区）2004—2020 年的面板数据, 采用DEAMalmquist 指数法测算各地区农业全要素生产率, 运用固定效应和门槛模型探究财政支农对农业全要素生产率的非线性影响, 以期为完善财政支农政策、助力中国农业高质量发展提供参考依据。

1 理论分析与假设

美国经济学家杜森伯利首次提出, 政府财政对农户所带来的产品和劳务都是农业的生产性投入。根据这一观点, 认为农业生产是财政支农和多种投入要素共同推动的过程。财政支农促进农业全要素生产率提升是一个渐进过程, 在财政支农水平较低时, 支农补贴范围和规模的扩大, 将直接增加生产者收入, 一定程度上影响着生产者的风险偏好、信贷约束、受教育水平等, 故更科学的农业模式会被生产者在生产过程中采纳, 有利于农业生产[9］。另外, 地方政府还利用国家财政支农资金为生产者建立系列农业服务体系, 以进一步完善农业生产过程中种植方法、要素投入、技术选择等因素, 投入成本得以减少[10］, 并大幅度提高生产效益。当财政支农资金达到规模效应并呈现饱和状态时, 农业生产效率、效益将得以有效提升；当财政支农资金达到规模效应并呈现饱和状态时, 代表农业生产过程各投入要素已达到投入最小而产出最大的最优状态。按照边际报酬递减原则, 此时政府财政支农金额的过量增长, 将会打破最优状态出现递减状态, 规模报酬将会由以往的递增到下降。基于以上分析, 提出假设一：

H1：随着财政支农资金水平的提高, 财政补贴对农业全要素生产率的影响存在先促进后抑制的倒 “U” 形关系。

此外, 由于不同地域区域的资源禀赋水平和经济社会发展状况差异, 推断财政支农政策对农业全要素的影响可能存在区域异质性。本研究把中国分为东、中、西部3 个地区, 其中东部地区在经济环境、产业基础、政策保障等方面相比中、西部区域都更为健全, 并已在相当程度上实现农产品的规模化、专业性、集约化生产, 待发展利用资源相对有限, 导致财政支农对农业生产率提升的福利效应和边际效应较小。而西部地区由于农业发展水平相对落后、自身要素不足, 财政支农能够有效补充地区农业发展所需技术、劳动、资本等要素, 财政靶向较为明晰, 对地区农业生产率增长的推动作用更强[11］。基于此, 本研究提出假设二：

H2：财政支农补贴对农业全要素生产率增长的影响存在区域异质性。

瓦格纳认为, 财政支出资金规模必须与国民经济发展能力相匹配, 规模过度增大将导致财政支农的 “饱和效应” , 削弱财政支农的政策福利[12］。因此在确保财政支农资金规模不缩减的情况下, 要进一步完善财政支农资金管理政策, 加强农业科技化水平, 提升财政支农的使用效率。一方面, 政府农业科技投入的增加有助于推动财政支农与农业生产、农业科技的有效对接, 加快农业科技体系构建, 提高财政支农资金的使用效率, 从而进一步发挥财政支农在改善农业生产条件、推进农业技术进步等方面的积极作用；另一方面, 深入农业科技研究、完善农业科技成果转化体系、创新农业技术互动合作机制、促进农业产业化经营等手段能够促进农业科技与农业生产的深度融合, 实现农业生产的规模化、集成化、高效化, 从而巩固农业生产能力, 提高农业生产效率。据此本研究提出假设三：

H3：加大农业科技投入将推迟财政支农与农业全要素生产率之间倒 “U” 形拐点到来。

2.1 职业足球 英格兰职业足球俱乐部运动员培养体系基本上分为社区足球、进阶训练中心、精英训练组、发展训练组、足球学院和职业一线队6个层次。

2 农业全要素生产率的测算与分析

2.1 测算方法

为避免设定具体的函数形式和非效率项分布形式[1］, 本研究采用DEA-Malmquist 指数法测算中国31 个省（市、自治区）的农业全要素生产率, 研究区间为2004—2020 年。由于农业（狭义）劳动力和农业技术投入无法在年鉴中找到具体数据, 本研究参照葛和平等[13］的方法, 根据农林牧渔业总产值中农业总产值的占比剥离出用于狭义农业的投入要素。参考现有研究成果, 选取农业产值等1 个产出变量, 土地投入等7个投入变量, 具体变量情况如表1所示。

表1 农业全要素生产率测算指标

2.2 结果分析

通过DEAP2.1 软件测算得到样本区间内中国31 个省（市、自治区）的农业全要素生产率（tfpch）及其分解项, 结果如表2、图1 所示。可以看出, 2004—2020 年中国大陆31 个省市的农业全要素增长率和农业技术进步指数的年均增速均为正；除北京、河北等11 省市外, 其余20 省市的年均农业技术效率均大于1, 表明多数省市的年均农业技术效率指数维持正向增长。

图1 2004—2020 年各地区农业全要素生产率指数（tfpch）分布

表2 2004—2020年中国农业全要素生产率增长及分解情况

全国层面来看, 2004—2020 年中国农业全要素生产率、技术进步指数均为正, 说明农业生产效率逐年提高, 生产技术取得进步；2004—2020 年中有9 个年份的技术效率指数出现负增长, 表明存在相当程度的效率损失, 中国当前农业技术的运用和发挥程度较低；除2004、2006 年外, 其余年份技术进步指数均大于农业技术效率指数, 可以推断全国农业全要素生产率的增长更多依赖农业生产技术的进步。

3 变量选取与模型构建

3.1 变量选取

1）被解释变量。被解释变量为农业全要素生产率（Tfp）。前文已根据投入产出指标测算出各省（市、自治区）的农业全要素生产率, 由于农业全要素生产率属于以上年为基期的环比指数, 故以2004 年为基期其余年份通过累乘计算得到。

2）解释变量。解释变量为财政支农补贴（Fina）。自2004 年逐步废除农业税后, 中国开始实施系列农业补贴政策, 因此本研究的时间期限为2004—2020 年。参照许庆等[14］的做法, 选用农业、林业和农林水利气象等部门的事业费支出加总衡量2004—2006 年财政支农数额, 选用 “农林水事务支出” 表示2007—2020 年财政支农金额。

3）控制变量。根据以往研究成果[12-15］, 引入和农业全要素生产率相关的其他控制变量：①劳动力受教育程度（Edu）：使用农村居民平均受教育年限表示；②受灾率（Disa）：使用受灾面积占农作物种植面积的比重表示；③产业结构（Rs）：使用二三产业产值在地区生产总值中的占比表示；④外资投入水平（Fdi）：使用外商投资总额占地区生产总值的比重表示；⑤城镇化率（Urban）：使用城镇人口与常住人口的比重表示；⑥农户固定资产投资（Inv）：使用各地区农村农户固定资产投资额表示。

4）数据来源。研究对象是中国31 个省（市、自治区）的面板数据, 样本区间为2004—2020 年, 个别数据缺失采用插值法得到。部分数据取对数是为了避免指标数量级较大和消除异方差问题。各变量的描述性统计如表3 所示。

表3 变量的描述性统计

3.2 模型构建

为验证财政支农对农业全要素生产率的非线性影响, 构建如下模型：

式中,Yit表示i省t年的农业全要素生产率；解释变量Ln_finait为i省t年的财政支农金额；controlit为控制变量；α、β1、β2、θit为待估计系数,μt为地区固定效应；δt为时间固定效应；εit为扰动项。

式中,I(·)为示性函数, 函数值取决于门槛变量qit。为确保回归结果的稳健性, 在模型中引入与区域相关的交互项指标其余变量含义与式（1）、式（2）相同。构建模型如下：

4 实证检验

4.1 财政支农补贴对农业全要素生产率的影响

为从全国层面探究财政支农对农业全要素生产率的影响, 运用Stata15.0 软件进行面板数据回归。通过Hausman 检验后, 采用固定效应模型估计, 结果如表4 所示。模型（1）和模型（2）采用OLS 回归估计, 结果显示, 变量符号和系数与预期结果相差较大, 因此不适合采用OLS 回归模型。模型（3）至模型（5）分别为加入控制变量和控制地区、时间效应的回归结果, 模型（6）则是引入财政支农平方项的非线性回归结果。

根据表4 中模型（3）至模型（5）可以看出, 无论是否控制变量和地区、时间效应, 财政支农对农业全要素生产率的影响都显著为正, 表明财政支农补贴能有效提高农业全要素生产率。模型（6）引入财政支农补贴平方项后, Lnfina2的系数为-0.108 且显著, 表明财政支农补贴与农业全要素生产率之间存在先促进后抑制的倒 “U” 形关系, 拐点为6.044, 其经济含义是当财政支农补贴对数值达到6.044 时, 农业全要素生产率开始趋于下降。这验证了假设H1。

表4 财政支农对农业全要素生产率的影响

在控制变量方面, 从模型（5）的回归结果来看, 农村居民受教育水平（LnEdu）对农业全要素生产效率的影响系数为0.683, 且在10%的水平上显著为正, 说明受教育程度对农业生产有正向影响, 主要是因为农户受教育程度直接影响其种植行为, 受教育程度越高, 农户对新技术的采纳程度越强, 促使生产经营水平的提高, 从而提高农业生产效率；受灾率（Disa）的系数为负, 进一步说明农业属于先天弱质产业[15］, 对自然环境有较强的依赖性, 自然环境的恶化会对农业生产产生一定程度负面影响；外资投入水平（LnFdi）的估计系数为0.185, 与农业全要素生产率正相关且在1%的水平上显著, 表明外资的引进在一定程度上弥补了中国农业资金短缺的短板, 同时外资的介入还引进国外优良品种、先进技术、先进设备等, 推动农业技术的进步和农业生产效率的提升；农户固定资产投资水平（LnInv）的回归系数为-0.158, 显著为负, 说明随着技术进步、农业结构调整升级等因素造成的生产效率的提高, 农业发展对固定资产投资的依赖程度有所下降；城镇化率（Urban）正相关且在1%水平显著, 可能由于城镇化水平提高过程中农村人口不断向城市流动, 生产要素配置结构趋向合理化；产业结构（Rs）与农业全要素生产率负数相关但不显著, 其依据在于二三产业的发展导致农业劳动力的流出, 一方面转移的劳动力会通过技术外溢对农业生产产生正外部性影响[16］, 另一方面, 从事农业生产经营活动的劳动力减少, 对农业生产造成不利影响, 所以产业结构对农业生产效率的影响并不显著。

4.2 区域异质性分析

中国幅员辽阔, 受到农业资源承载力、环境容量、生态类型和发展基础等因素影响, 不同地区农业发展水平存在较大差异[17］。为探究财政支农对农业全要素生产率影响的区域异质性, 本研究对东、中、西部地区数据分样本进行回归, 结果如表5 模型（7）至模型（9）所示。

表5 财政支农对农业全要素生产率的影响（分区域）

控制相关变量的情况下, 中国东、中、西部地区财政支农补贴与农业全要素生产率的拐点分别为5.300、6.640、6.886, 表明二者的倒 “U” 形拐点在东部地区来得最早, 在西部地区来的最晚。具体来讲, 当东部地区财政支农补贴对数值达到5.300 时, 开始削弱农业全要素生产率；而西部地区的财政支农补贴对数值需要达到6.886, 其农业全要素生产率指数才开始下降。为确保回归结果的稳健性, 在模型（10）中引入财政支农平方项与地区虚拟变量的交互项, 以对分样本回归结果进行参照。可以看到, LnFina系数为正且在10%水平下显著, 3 个交互项LnFina2×East、LnFina2×Middle、LnFina2×West 的估计系数均显著为负, 且LnFina2×East 的估计系数值更大。根据估计系数计算出东、中、西部地区财政支农补贴与农业全要素生产率的拐点出现顺序仍为在东部地区来的最早, 在西部地区来的最晚, 进一步证明财政支农补贴对农业全要素生产率的影响具有区域差异性, 假设H2 得以验证。

出现以上现象的原因可能是：一方面, 东部地区经济发展水平和资源禀赋条件较好, 具备基础设置、技术水平等优势, 此时财政支农补贴能补充的农业发展所需要素有限, 即财政支农对农业生产率提升的福利效应和边际效应较小, 导致财政支农补贴对农业全要素生产率的拐点在东部地区来的更早；另一方面, 中、西部地区经济发展水平相对较低、农业投入薄弱, 尤其是西部地区现阶段农业生产方面相对落后, 此时财政支农补贴更能有效补充其农业发展所需要素, 所以财政支农在中、西部地区对农业全要素生产率提升的推动作用更强。

4.3 财政支农使用效率优化分析

为检验假设H3, 通过实证分析财政支农使用效率的提升在财政支农补贴和农业全要素生产率之间的效应。深化农业科技研究、完善农业科技成果转化体系、创新农业技术互动合作机制将有效提升财政支农的使用效率, 因此模型（11）至模型（14）在基准回归的基础上引入农业科技创新（Inn）、农业科技成果转化（Tra）、农业技术互动合作（Int）、农业产业化经营水平（Ind）4 个变量, 分别与财政支农补贴的平方项进行交乘, 得到4 个交互项, 分别为Inn×lnFina2,Tra×lnFina2,Int×lnFina2,Ind×lnFina2。表6 为相关回归结果。 根据模型（11）, 农业科技创新体系建设与财政支农平方项的交乘项系数为0.083 7, 二者的拐点为0.034 8/（2×0.234-2×0.083 7×Inn）。因为财政支农补贴数值均为正, 当农业科技创新（Inn）增大时, 该拐点值右移。其经济含义是, 加强农业科技创新体系建设有助于促进财政支农与农业全要素生产率之间的拐点右移, 提升财政支农的使用效率。根据回归系数计算可知, 加大农业科技成果转化、农业技术互动合作、农业产业化经营水平均能促进财政支农与农业全要素生产率之间的拐点右移, 提升财政支农的使用效率。假设H3 得到证明。

表6 财政支农使用效率优化对农业全要素生产率的影响

4.4 稳健性与内生性检验

4.4.1 稳健性检验 由基准回归和门槛回归得到, 随着财政支农投入水平的增大, 其对农业全要素生产率的影响表现为先促进后抑制的倒 “U” 形关系, 且二者关系具有区域异质性。为对这一结论加以检验, 本研究的稳健性检验包括以下两方面：一是利用随机前沿分析模型重新测算31 个省（市、自治区）的农业全要素生产率[18］；二是替换核心解释变量的衡量指标, 前文的核心解释变量为地区财政支农总额, 现选取人均财政支农补贴的对数值衡量财政支农投入。由模型（15）的估计结果可知, 当Ave_Fina≤1.257 3 时, 财政支农对农业全要素生产率的提升具有显著的促进作用；当Ave_Fina＞1.257 3 时, 财政支农对农业全要素生产率具有比较显著的抑制作用, 这与模型（6）的结果类似, 再次验证了假设H1 的可靠性。模型（16）中核心解释变量与3 个交互项的估计系数和符号与模型（10）中没有实质性差异, 进一步验证了假设H2, 说明本研究的实证结果具有稳健性。

4.4.2 内生性讨论 本研究采用多种方式尽可能避免实证分析过程中的内生性问题。样本选择方面, 本研究数据均由统计年鉴、wind 数据库等权威来源汇总与整理, 一定程度上保证了数据质量及可靠性。遗漏变量方面[19］, 在基准回归和面板门槛模型中加入劳动力受教育程度、受灾率、产业结构等控制变量, 能够削弱遗漏变量对实证分析过程的影响。互为因果方面, 为得到财政支农补贴与农业全要素生产率之间的净效应, 参照蒋团标等[20］、毛其淋[21］的做法, 选择滞后一期的财政支农作为工具变量, 并使用两阶段最小二乘法进行回归分析。模型（17）报告了工具变量回归结果, 可以看到核心解释变量、控制变量的系数符号和显著性与前文估计结果基本一致, 证明本研究的实证结果未受到弱工具变量的影响, 具有稳健性。

5 结论与建议

本研究基于2004—2020 年中国31 个省（市、自治区）的面板数据, 运用DEA—Malmquist 指数法对农业全要素生产率进行测算, 并利用固定效应与门限模型实证检验财政支农对农业全要素生产率的非线性影响, 以及财政支农使用效率提升在其中的作用。研究发现, 财政支农与农业全要素生产率之间存在先促进后抑制的倒 “U” 形关系, 这一结论在改变计量方法、替换解释变量、考虑内生性问题等稳健性检验后仍然成立；分区域看, 二者的拐点在东部地区来的最早, 在西部地区来的最晚；深入农业科技研究、完善农业科技成果转化体系、创新农业技术互动合作机制、提高农业产业化经营水平能够推动财政支农与农业全要素生产率之间的拐点右移, 促进财政支农使用效率的提升。

根据以上结论, 提出如下政策建议：①继续推进财政支农体系建设, 完善财政支农支出结构, 提高财政支农使用效率。一方面, 政府要用好 “绿箱” 政策, 将补贴重点从过去的产品市场调整到要素市场, 加大农业科技投入与技术推广；另一方面, 要在规则允许的情况下充分利用农业目标价格支持政策、最低收购价政策等 “黄箱” 补贴政策, 以促进农业生产效率的提升。②由于财政支农对农业全要素生产率的影响存在区域异质性, 政府要因地制宜确定涉农资金实施方案, 在中西部欠发达地区予以适当倾斜。需要动态观察财政支农对地区农业生产效率效益提升情况, 进一步提升财政支农在欠发达地区推动农业生产的投入产出效率。同时确保财政支农资金的专款专用, 提高财政支农资金效用。③积极探索农业技术进步体制改革新模式, 增强财政支农转化效率。通过深入农业科技研究、支持发展农业产业化经营、完善农业科技成果转化体系、创新农业技术互动合作机制等方式, 更新农业生产方式与发展模型, 提升财政支农向农业全要素生产率的转化效率。

表7 稳健性与内生性检验