财政支农对粮食主产区粮食产量的影响实证分析

王晓敏

摘 要 基于13个粮食主产区2007—2016年的面板数据，运用双对数C-D函数探究财政支农对粮食主产区粮食产量的影响，并根据农业优势指数的大小将13个粮食主产区分为两组进行分组回归分析。结果显示：在13个粮食主产区中，受灾面积、粮食作物播种面积、有效灌溉面积、化肥施用量、农药使用量、农林水事务支出均对粮食产量有显著影响。但在农业优势指数大的地区，化肥施用量没有通过显著性检验；在农业优势指数小的地区，农林水事务支出没有通过显著性检验。

关键词 财政支农；粮食主产区；粮食产量；农业优势指数

中图分类号：F320 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2018.25.016

民以食为天，保障粮食安全一直以来都是我国面临的重大难题。在保障粮食安全外部环境不容乐观的背景下，实现粮食自给自足更是重中之重。自2002年农业补贴试点以来，中央和地方政府进行税费革新，财政支农规模逐年增加，中央先后出台了减免农业税，实施粮农直补、良种补贴、农机具购置补贴、农资增支综合直补及最低收购价等一系列扶持政策。在一系列扶持政策出臺后，我国粮食总产量在 2004—2007年连续 4年增产，相关学者也对此做出了解释，确认粮食补助对粮食产量有正向影响[1-2]。2007 年起国家调整了财政支农支出统计口径，统一用农林水事务支出代表，内容包括农业支出、林业支出、水利支出、扶贫支出、农业综合开发支出等。在财政支农政策范围不断扩大、力度不断加大的今天，财政支农对粮食产量的影响是否显著，在不同粮食主产区之间财政支农对粮食产量的影响是否会有所不同，这是本文的议题。

1 文献综述

目前，国内学者对财政支农的研究主要集中在财政支农对农民收入与消费的影响、财政支农的效率评价及财政支农中各项具体补贴政策对粮食产量的影响。罗东、矫健（2014）研究指出，从长期来看，国家财政支农支出对农村居民收入有着显著影响，财政支农资金的各组成部分对农村居民收入影响的排序依次为四项补贴、支援农村生产支出和各项农业事业费、农村社会事业发展支出、农产品储备费用和利息等支出[3]。王谦、李超、侯建国（2017）认为，财政支农支出对农村居民消费存在显著的影响效应；财政支农支出对农村居民消费的影响方向存在区域差异，东部沿海地区财政支农支出对农村居民消费具有“挤入效应”（浙江省除外），中西部地区财政支农支出对农村居民消费产生“挤出效应”的省（市）要多于东部沿海地区[4]。厉伟、姜玲和华坚（2014）运用三阶DEA模型对我国大陆地区26个省（区） 2007—2011 年的财政支农效率进行分析，结果表明，外部环境中的农村劳动力文化素质和农村经济发展水平是提高财政支农效率的有利因素，而农村基础设施状况对财政支农效率提升具有反向作用[5]。刘鹏凌、李乾、栾敬东（2015）基于改进的灰色关联度（T型关联度）分析指出，四项粮食补贴政策可以有效促进粮食产量的增加，其中良种补贴与粮食产量的关联度最强，其余依次为农机购置补贴、农资综合补贴、粮食直接补贴[6]。李乾（2017）基于中国省际面板数据研究，认为粮食作物良种补贴政策对我国粮食增产的贡献率为23.70%，且非粮食主产区的粮食作物良种补贴政策效果远优于粮食主产区[7]。

关于财政支农对粮食产出影响的研究报道尚不多见。本文在前人研究的基础上，基于2007—2016年我国13个粮食主产区的面板数据，着重研究财政支农规模对主产区粮食产量的影响，并探究在农业对经济贡献能力不同的省份，财政支农对粮食产量的影响是否有所差异。

2 财政支农对粮食产量影响的实证分析

2.1 数据来源及分析

本文选取我国的13个粮食主产区作为样本，即河北省、辽宁省、山东省、吉林省、内蒙古自治区、江西省、湖南省、四川省、河南省、湖北省、江苏省、安徽省、黑龙江省。这13个省份2016年的粮食产量占全国粮食总产量的75.91%，具有良好的代表性。所选数据均来源于国家统计局网站，其中财政支农支出规模用农林水事务支出来表示。2007—2016年粮食主产区粮食产量和财政支农资金数据变化分别如表 1、表 2所示。

由表1可以看出，2017—2016年我国粮食主产区财政支农支出规模一直扩大，从2007年的3 091.01亿元增长到2016年的17 808.29亿元，其中2014年到2015年间财政支农支出规模增长最快，增长率达23.45%。由表 2可以看出，2017—2016年我国粮食主产区粮食产量平稳增长，但增长幅度不大，从2007年的50 160.28万吨到2016年的61 625.05万吨。

2.2 变量的选取和模型构建

2.2.1 因变量的选取

本文选取各粮食主产区粮食产量 （Y）作为因变量来构建产出模型。

2.2.2 自变量的选取

尹世久等（2009）[8]、焦宇航等（2016）[9]将影响粮食产量的因素分为四类：自然因素（气候、生物、土壤等），经济因素（农业生产资料投入、劳动力投入、土地投入等），科技因素（品种、农药、施肥、灌溉、栽培技术等），政策因素（价格支持制度、农业补贴政策等）。参照以上研究，本文选取受灾面积来代表自然因素，选取粮食作物播种面积、粮食零售价格指数来代表经济因素，选取有效灌溉面积、化肥施用量、农药使用量、农业机械总动力来代表科技因素，选取农林水事务支出来代表政策因素。各变量的具体定义及对粮食产量的预期影响列于表3。

2.2.3 模型构建

本文采用经典的双对数C-D函数，设粮食产量为因变量Y，影响粮食产量的因素分别为自变量X1、X2……Xn，具体实证模型为：

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

（1）式中：α为截距，β为待估参数，X为自变量矩阵，ε为随机扰动项。

2.3 回归分析

对数据进行简单回归后，发现粮食零售价格指数、农业机械总动力与粮食产量的关系并不显著，且对模型进行F检验的P值为0.989 4，结果也说明这两个变量对粮食产量没有显著影响。国家一直重视粮食安全、保障农民收入，实施粮食最低收购价格政策，所以粮食价格波动较小，不会对粮食产量产生显著影响。另本文所选数据来源于我国13个粮食主产区，粮食主产区地形多为平原，机械化程度已达到较高水平，很难再经过提高机械化程度来提高粮食产量。因此，将粮食零售价格指数和农业机械总动力从模型中剔除。有效灌溉面积变量的系数为负，这与预期假设不符，因此模型中可能遗漏了该变量的二次项。将有效灌溉面积的二次项纳入模型中后，有效灌溉面积变量的一次项系数为负，但二次项系数为正。这表明有效灌溉面积对粮食产量的影响呈“U”型曲线，有效灌溉面积增大后并不会马上使粮食产量增加，而是存在一定的时滞。

采用固定效应模型和随机效应模型分别对数据进行回归分析。从表 4可以看出，随机效应模型比固定效应模型的结果都较显著，且Hausman检验结果支持采用随机效应模型，故本文选择随机效应模型。随机效应模型显示受灾面积、粮食作物播种面积、有效灌溉面积、化肥施用量、农药使用量、农林水事务支出对粮食产量都有显著影响。其中，粮食作物播种面积对粮食产量的影响最大，因为粮食生产是资源约束性生产，最重要的约束资源就是耕地，没有大量的播种面积做基础，其他影响粮食产量的因素都无从谈起[10]。农林水事务支出对粮食产量有显著正影响，农林水事务支出每增加1%，粮食产量增加0.054%，这说明财政支农有助于粮食产量的增加。

农业优势指数是指某省区的农业产值占该省GDP的比重，其比值越高反映该省农业实力及其在地区经济中的贡献能力越强。根据农业指数的大小将13个粮食主产区划分为两组，并分别回归，结果列于表5。在农业对经济贡献率大的省份中，受灾面积、粮食作物播种面积、有效灌溉面积、农药使用量、农林水事务支出对粮食产量影响显著，但化肥施用量没有通过显著性检验且变量系数也与预期不一致。这可能是因为农业优势指数大的省份对粮食生产十分重视，化肥施用量已达到最适用量，因此再增加化肥施用量对粮食产量不会产生显著影响，甚至会使粮食产量下降。在农业对经济贡献率小的省份中，受灾面积、粮食作物播种面积、有效灌溉面积、化肥施用量、农药使用量均通过了显著性检验，但农林水事务支出没有通过显著性检验。这是因为在农业优势指数小的省份，即使粮食产量较高，属于我国的粮食主产区，但是农业对该地区的经济贡献率较低，这些省份二三产业更为发达，财政支农对粮食产量的增加没有很好的促进作用。这也表明政府在制定财政支农政策时要区别对待，综合考虑实际情况，即使同为粮食主产区，政策的效果也会有很大不同。

3 结论与启示

本文实证分析结果显示：在13个粮食主产区，粮食作物播种面积、有效灌溉面积、化肥施用量、农药使用量、农林水事务支出对粮食产量有显著正影响，受灾面积对粮食产量有显著负影响。在农业优势指数大的粮食主产区，受灾面积、粮食作物播种面积、有效灌溉面积、农药使用量、农林水事务支出对粮食产量影响显著，在农业优势指数小的粮食主产区，受灾面积、粮食作物播种面积、有效灌溉面积、农药使用量对粮食产量影响显著。

基于上述结论，可以得到以下启示：1）财政支农支出对粮食产量有显著正影响，国家应加大财政支农力度，并优化财政支农结构；2）在不同地区财政支农对粮食产量的影响是不同的，农业优势指数大的地区财政支农对粮食产量的影响更显著，因此国家在制定支农政策时，应向农业优势指数大的地区倾斜，不能仅参考农业产值的绝对值。

参考文献：

[1] 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.

[2] 王亚芬，周诗星，高铁梅.我国农业补贴政策的影响效应分析与实证检验[J].吉林大学社会科学学报，2017，57（1）：41-51.

[3] 罗东，矫健.国家财政支农资金对农民收入影响实证研究[J].农业经济问题，2014（12）：48-53.

[4] 王谦，李超，侯建国.我国财政支农支出对农村居民消费的影响效应——基于1995-2015年分省面板数据的实证分析[J].经济与管理评论，2017（6）：

104-111.

[5] 厉伟，姜玲，华坚.基于三阶段DEA模型的我国省际财政支农绩效分析[J].华中农业大学学报，2014（1）：69-77.

[6] 劉鹏凌，李乾，栾敬东.粮食补贴政策对粮食产量的影响——基于改进的灰色关联度分析[J].农业经济与管理，2015（1）：40-45.

[7] 李乾.粮食作物良种补贴政策的产量效应分析——基于省际面板数据的研究[J].农林经济管理学报，2017，16（3）：269-276.

[8] 尹世久，吴林海，张勇.我国粮食产量波动影响因素的经验分析[J].系统工程理论与实践，2009，29（10）：28-34..

[9] 焦宇航，汪红梅.粮食产量影响因素分析[J].湖北农业科学，2016，55（7）：1873-1879

[10] 姜德波，汝刚，秦永.劳动力转移、技术进步与粮食产量——基于中国主要产粮省份的经验分析[J].南京审计大学学报，2017（1）：29-36.

（责任编辑：丁志祥）