农业保险对农业机械化综合水平的影响——基于2008—2017年省级面板数据的实证

程文明

（湖北汽车工业学院经济管理学院，湖北 十堰442002）

一、引言

《中共中央国务院关于坚持农业农村优先发展做好“三农”工作的若干意见》提出按照扩面增品提标的要求，完善农业保险政策。农业保险在我国是支农政策的重要组成部分，担负着多种重要的制度功能和使命，促进农业现代化进程的实现是其政策目标之一（庹国柱、张峭，2018）。韩长赋(2016)认为农业保险是加快推进农业现代化的重要支撑。汪洋(2018)进一步提出我国的农业保险目前已经具备了助推农业现代化实现的坚实基础。农业机械化作为现代农业生产技术的精髓，不仅是农业现代化的重要标志和主要特征之一（侯方安，2008），而且是农业现代化的核心内容（孔祥智等，2014）。那么自从2007年部分地区试点政策性农业保险以来，农业保险在我国的农业生产中是否有助于农业机械化综合水平的提升，影响程度怎样以及未来如何发挥农业保险对农业现代化的促进作用是亟待深入研究的现实问题，关系着我国农业现代化实现中的政策支持体系建设和完善，对促进我国农业现代化的实现具有重要的意义。

二、文献综述

农业保险密度反映了地区农民参与农业保险程度，农业保险深度反映了该地区农业保险在农业经济中的地位及对农业的保障强度（李琴英等，2018），是农业保险研究中的两个主要相对指标，也是事前影响农业生产风险分散和农户生产资源配置计划的两个重要方面。农业保险的主要目的是风险分散，风险能否分散势必对于农户的生产投入会产生重要的影响。农业机械的投入行为是农户的资源配置行为之一，必然受到农业保险的影响。

已有关于农业保险对农业机械化综合水平作用的研究，从主客观角度来看主要存在两类观点：客观上，伴随着我国农业产业化发展程度的不断提高，农业生产主体对农业保险需求呈现出多元化的趋势（周帮扬、李攀，2018）。农业保险的多元化，目的在于能够为农户的农业生产进一步降低农业的自然风险和市场风险，进而提供丰富的保障手段，客观上会引起农户参与更多种类的农业保险，提高农业保险的密度。多元化的农业保险，同样会使生产者购买不同保障水平的农业保险，从个人到整个地区来看正是保险深度的反映。农业保险深度越高客观上转移农户生产风险的作用越强，更有助于实现稳定农户预期的作用，有利于先进的农业生产技术的研发和改良（李燕等，2018），比如新的农业技术装备的使用，进而促进农业机械化综合水平的提高。

主观上，农户或者其他农业经营主体对农业保险的密度和深度的认知和需求存在一定的差异，对农业保险转移农业生产风险的感受存在一定的差异。农户在生产中的资源配置行为通常受到农业保险对农业的补偿强度（谢瑞武，2014；宗国富，2014）、农业保险的覆盖范围的影响。农业机械化投入是农户在农业生产中的资源配置行为之一。农业保险对农户的农业机械化投入行为是否有促进作用，存在着两类观点：一类是在农业生产风险得到转移的情况下，农业保险对农业机械化投入的作用，例如Hazell P B R.(1992)研究认为当农业保险给予农户经济赔偿后，农户将更有动机以利润最大化的方式分配现有资源，增加农业机械投入可达到降低成本增加收益的目的。马述忠和刘梦恒(2016)认为在低风险情况下，农业保险有助于稳定农户的产出预期，农户会有选择提升农业生产技术水平的动机。徐斌和孙蓉(2016)研究认为我国的农业保险政策在鼓励农户增加农业机械及其他农资投入方面发挥了促进作用。另一类是在农业生产风险不能得到转移的情况下，农业保险对农业机械化投入的作用，包括舒尔茨早在1964年就提出农业生产存在相对较高的风险时，农户不愿采用先进的生产方式。Feder等人(1985)早期研究得出虽然改良农业技术可以显著提高贫困小农家庭的收入，但是风险是采用改良农业技术的主要障碍。Carter MR等人(2016)认为风险直接阻碍了技术的采用，因为它使得农民不愿意将自己的储蓄进行投资，否则他们就需要用这些储蓄来缓冲消费，以应对潜在的收入短缺问题。

已有研究为文章提供了分析思路和基础，但是农业保险对农业机械化综合水平的影响尚未形成统一结论，并且现有研究中还存在以下不足：一是已有研究方法上往往直接选择固定效应或随机效应模型来进行回归分析，方法上缺少相对严谨的选择过程；二是关于核心解释变量的选择，较少有从保险密度和深度两个角度来研究对农业机械化综合水平的作用。文章将基于2008—2017年中国省级面板数据，经过固定效应、时间效应、hausman检验、组间异方差检验、组间同期相关检验等一系列相对严谨的过程确定使用面板PCSE模型来进一步研究农业保险对农业机械化综合水平的影响。从保险密度和深度两个方面分析农业保险对农业机械化综合水平的影响，期望通过实证分析得出比较可靠的结论，为发挥农业保险提高农业机械化综合水平提出有参考价值的政策启示。

三、变量选择、数据来源与模型设定

1.变量选择

因变量。文章的因变量为农业机械化综合水平(M)，现有研究中较多的使用单一指标，即使用农业机械化总动力来衡量农业机械化水平。由于农业机械化综合水平包括的内容和环节众多，若使用的单一指标来替代农业机械综合水平进行研究存在欠缺。因此，文章采用综合指标来进行衡量。农业机械化综合水平的计算，参考《全国农业机械化统计年报》的定义，农业机械化综合水平由机耕水平、机播水平和机收水平三项指标综合计算得出，三指标的权重分别为0.4、0.3、0.3（孔祥智等，2014）。在相关的研究中运用这一指标来衡量农业机械化综合水平得到了较为广泛的认可。

核心解释变量。文章中重点考察农业保险对农业机械化综合水平的影响，而农业保险对农业生产的事前风险分散程度可以从保障范围和保障强度，即农业保险的密度和农业保险的深度来衡量。关于农业保险密度和深度对农业机械化综合水平的影响和作用路径可见前文分析。农业保险密度(insur_md)=农业保险保费收入/农业人口，农业保险深度(insur_sd)=农业保险保费收入/第一产业产值（冯文丽、史晓，2018）。

控制变量。除了核心解释变量以外，文章还从地区农业生产风险、地区资源禀赋、农业机械化服务、城镇化和工业化的角度选择了相应的控制变量。

地区农业生产风险。通常用农业保险与农业风险的交互项(insur_risk)来表示。农业受灾面积经常被用来衡量农业生产自然条件的差异，农业生产条件恶劣的地区缴纳的保费更高，受限于农业生产条件以及保费缴纳的差异，会影响农户的机械化生产技术的投入。由于极少数年份和个别地区成灾面积统计数据为0，为更合理的反映现实，文章中用0.01来表示其风险很低。

劳均耕地面积(rjgd)。考虑到东、中、西部的资源禀赋差异，将经营规模作为参考指标。现有考察经营规模的变量主要有人均耕地面积、户均经营耕地面积、劳均耕地面积，即第一产业从业人口的人均耕地面积。在现实中由于人口的大量流动，按照人均耕地面积或者户均耕地面积进行计算不能反映出从事农业种植活动的经营规模，所以选择劳均耕地面积来作为文章的控制变量之一。

农业机械服务组织数量(org)。一般而言，农业机械服务数量的增加客观上对农户农业机械化生产能够提供相应的保障服务。已有研究中得出了农业机械服务组织会对农业机械化发展和农机化率产生非常重要影响的结论（钟真等，2018）。

城镇化率(czh)。城镇化作为当前经济社会发展的背景之一，不能忽视其对农业机械化的影响。城镇化对农业机械化综合水平的影响有两方面：一是城镇化的提升反映了农村人口向城镇人口的迁移，表面上看是城镇化率的变化，实质上影响了原有的农业资源分配，客观上有助于提升农业生产经营规模，进而会影响农业机械化综合水平；二是城镇化吸引农业人口以后，农业生产的相对要素价格推动了农业机械化水平的提升。

工业化率(gyh)。工业化对农业机械化生产以及产业分工具有一定的影响：一方面，工业化的发展客观上对提升农业机械供给水平有促进作用；另一方面工业化的发展对农业部分的反哺提供了可能，焦长权和董磊明研究认为我国的农业机械化发展的动力机制之一是工业部门对农业部门的一种“反哺”（孔祥智等，2014）。

我国从2008年开始各省份均进行了农业保险的补贴，政府补贴在我国农业保险发展中起到了一定的促进作用。我国的农业机械化快速发展也离不开政府的补贴支持，但是由于我国对农业保险的补贴模式采用的是中央、省、市、县四级补的补贴层级模式（庹国柱，2019），数据难以准确收集，所以不设置补贴的相关变量，在文章中默认各省区都获得了政府的补贴。

基于以上分析，文章从宏观层面选择农业保险与农业风险的交互项、劳均耕地面积、农业机械化服务组织个数、城市化率、第二产业产值占GDP比重作为控制变量。

2.数据来源

文章研究中考虑到数据获取的一致性，选择2008-2017年的省级面板数据为研究基础，主要涉及三方面的数据；关于因变量农业机械化综合水平的相关数据来源于《中国农业机械工业年鉴》；关于各省农业保险的相关数据来源于《中国保险年鉴》；其他的数据来源于中国统计局网站。数据描述见表1。

表1 数据描述统计

3.模型设定

式 中insur_mdit、insur_sdit、insur×riskit、rjgdit、orgit、czhit、gyhit分别表示第i省第t年的农业保险密度、农业保险深度、农业保险与风险交乘项、劳均耕地面积、农业机械服务组织、城镇化率、工业化率，εit表示方程的随机扰动项。

4.数据平稳性检验

在进行面板数据分析时，为了避免伪回归，必须要对变量进行平稳性检验，面板单位根检验主要分为同根检验法和异根检验法，常见的同根检验方法有LLC，异根检验方法有IPS、ADF-Fisher和PP-Fisher。文章的检验结果见表2。根据单位根检验的判断原则，如果通过了至少两种方法的平稳性检验，则可认为序列是平稳的（陈钦、林秋斌，2019），可见文章中的所有变量均是平稳序列，可进行下一步的研究。

表2 面板单位根检验

（1）估计方法的选择

由于文章的研究时间段是2008-2017年，31个省份，属于区域较多、时间较短的短面板数据。考虑到现实中不同区域间经济社会均存在着较大的差异，首先检验模型的个体效应、时间效应与混合效应，检验结果显示个体效应的F统计量对应的P值为0.0000，时间效应的LM检验P值为0.0000，说明为个体效应和时间效应均优于混合效应。为了选择合适的估计方法，需要进一步对固定效应模型和随机效应模型进行检验，选取全样本数据进行模型的固定效应和随机效应检验，Hausman检验结果显示P值为0.0805，拒绝了原假设，认为固定效应模型更优。但是由于面板固定效应模型没有考虑组间异方差和同期相关的问题，所以要对固定效应模型进行进一步的组间异方差和同期相关检验来确最终的模型估计方法，见表3。

组间异方差检验。对模型进行Wald检验，在不加入控制变量和加入控制变量的两种情况下P值均为0.0000，表明建议结果强烈拒绝同方差的原假设，认为模型存在组间异方差。

组间同期相关检验。在固定效应模型下，采用Wooldridge法对不加入控制变量和加入控制变量模型进行检验。两种情况下Prob＞F=0.0000，说明存在同期相关。

表3 组间异方差和组间同期相关检验

在考虑组间异方差和同期相关的情况下，有FGLS（面板数据广义最小二乘回归）和PCSE（面板校准标准误回归）两种估计方法可以选择，由于在文章中T＜N，若选择FGLS进行参数估计的标准差不能完全反映面板数据模型的变异情况（姜宝等，2015）。所以文章采用PCSE方法来进行参数估计。

（2）回归结果与分析

从表4可知，对比PCSE(1)和PCSE(2)可知，在加入控制变量 后，PCSE(2)模 型 的R-squared提 升 到0.8839，Prob＞chi2=0.0000，比PCSE(1)模型的拟合程度更高，说明加入控制变量后模型的解释力比不加控制变量的解释力更好。在没有加入控制变量时，保险密度对农业机械化综合水平具有显著的促进作用，保险深度作用不显著。加入控制变量以后，农业保险密度在1%的显著性水平下促进了农业机械化综合水平的提升；农业保险深度对农业机械化综合水平的影响显著为负，说明这一因素对农业机械化综合水平存在抑制作用。可以推断农业保险对农业产业的保障程度越高越不利于农业机械化综合水平的提升，这主要是因为农业保险的深度计算是农业保险保费与第一产业的产值的比值，如果农业保险对农业的保障程度足够高，会出现懒人种地的倾向，农户会更加倾向于维持现有生产技术现状或者减少机械投入，出现农业保险对农业机械化综合水平的负向作用。农业保险与风险的交互项在5%的显著性下对农业机械化综合水平的影响为负。说明农业风险会抑制农业机械化综合水平的提升，系数越大，显著性水平越高说明抑制作用越强。可以理解为保险公司作为盈利为主要目标的行为主体，风险越大的地区其参与的积极性越低，参与的程度也越低，越不利于降低区域的农业风险，不能发挥出分散农民风险的作用，进而不利于农业机械化综合水平的提升，形成一种恶性循环。城镇化率、农机服务组织个数以及第一产业从业人口人均耕地面积在1%的显著性水平下显著的促进了农业机械化综合水平的提升，工业化率在10%的显著性水平下显著的促进了农业机械综合水平的提升。

表4 全国PCSE回归结果

5.区域异质性分析

考虑到城镇化、工业化的差异，按照中国统计局三大地带的划分标准进一步分区域进行研究。按照首先进行组间异方差和同期相关性检验，然后确定方法进行回归的思路来进行实证分析。

（1）组间异方差和同期相关性检验

这部分内容与前文的研究思路一致，从东部、中部、西部三大地带来检测2008-2017年间的数据是否存在组间异方差和同期相关，然后选择FGLS和PCSE方法进行实证研究。从表5可知，东部、中部、西部三大地带均存在组间异方差和同期相关。

表5 分区域的组间异方差和同期相关性检验结果

（2）回归结果分析

基于前文的分析，分区域的各模型回归结果可见表6。

东部地带。因为这一区域的数据特征为T＜N，即时间年份个数小于区域个数，所以继续选择用PCSE模型进行回归。对比PCSE(3)和PCSE(4)可知，在加入控制变量后模型的R-squared达到了0.8135，比未加入控制变量时的0.6166显著提高。在未加控制变量以前，农业保险密度显著促进了农业机械化综合水平的提升，而农业保险深度在1%的显著性水平下，对农业机械化综合水平表现出了一定抑制效应。在加入控制变量以后农业保险密度对农业机械化综合水平的提升作用通过了5%显著性检验；而农业保险深度在加入控制变量符号与未加入控制变量一致，但是作用不再显著，这主要是因为控制变量的作用抵消了保险深度的作用；劳均耕地面积、农机服务组织数量、城镇化率、工业化率在1%的显著性水平下，促进了农业机械化综合水平的提升。说明在东部地区劳均耕地规模增大、工业化、新型城镇化及农业社会化服务的快速发展对农业现代化的发展起到了积极作用。

表6 分区域模型回归结果

西部地带。与东部地带的数据特征相似，选择PCSE模型进行回归，对比PCSE(5)和PCSE(6)可知，在加入控制后模型的R-squared达到了0.9458，比未加入控制变量时的0.8527显著提高，说明加入控制变量后模型的解释力更好。西部地带农业保险密度在1%的显著性水平下对农业机械化综合水平有激励作用，农业保险深度对农业机械化综合水平的影响符号为正，但是作用不明显。劳均耕地面积对农业机械化综合水平的提升作用显著。但是，农业机械服务机构的数量越多，对农业机械化综合水平提升有显著的负向作用，主要是因为西部地区农业机械服务组织虽然数量上在增加，但是总体上发展质量较低，在服务水平上有待提高，导致单纯的数量增加不能起到促进农业机械化综合水平提升的作用。城镇化率对农业机械化综合水平的提升有积极作用。工业化率的提升对农业机械化综合水平的作用在西部地区则不显著。可能是因为在现阶段，西部地区发展工业仍然是实现地区GDP增长的主要来源，经济发展还未达到工业反哺农业的阶段，并且区域内农业相关的机械装备制造业发展相对滞后，因而作用不显著。

中部地带。因为这一区域的数据特征为T＞N，即时间年份个数大于区域个数，所以选择用FGLS模型进行回归。对比FGLS(1)和FGLS(2)可知，没有控制变量的模型和加入控制变量的模型Waldchi2均通过了检验，说明模型设置是合理的。中部地区，农业保险密度和深度对农业机械化综合水平均有显著的促进作用，这方面与东部地带和西部地带存在一定的差异。农业机械化服务组织数量、城镇化率和劳均耕地面积对农业机械化综合水平的提升在1%的显著性水平下具有促进作用。农业的风险对农业机械化综合水平的提升具有反作用。

六、结论与政策启示

文章首先分析了农业保险对农业机械化综合水平的作用路径，然后从农业保险的密度和农业保险的深度两个方面，运用面板PCSE模型对2008-2017年全国和东、中、西部地区分别进行了回归分析。结果表明：从全国来看，农业保险密度显著促进了农业机械化综合水平的提升，农业保险深度对农业机械化综合水平的提升具有一定的抑制作用；分区域看，农业保险密度在东部、中部和西部对农业机械化综合水平提升的激励效应显著，中部地区则不显著；农业保险深度在各地区对农业机械化综合水平的提升作用均不显著。

依据研究结论，要发挥出农业保险对我国农业机械化综合水平的激励作用，提出如下政策启示：

第一，在全国继续增加农业保险密度来提升农业机械化综合水平是比较可行的，增加农业保险的覆盖面相比增加农业保险的强度更有助于推动农业机械化综合水平的提升。农业保险密度反映了农业保险的覆盖面，提高农业保险对各地区相应产业的覆盖率，尤其是针对特色农产品的保险产品要加快推出，这可以为农民提供更为健全的保障措施，有助于降低农民的生产风险，进一步去采用农业机械。

第二，要加强各地区农业风险的控制和分散。这一因素是影响农业机械化综合水平提升的重要因素，对农民而言，有效控制区域的农业生产风险，是降低农民生产风险，间接提升收入的措施之一，对农民购买农业保险产品、使用新的技术或者农业生产投入具有不可低估的影响。尤其是在自然条件恶劣、比较贫困地区，应该加快采取多种措施来控制和分散这些地区农业生产上的风险，提升农业保险的覆盖率是重要措施之一。

第三，不同区域要从各地的资源禀赋角度出发，因地制宜的采取措施推进农业机械化综合水平的提升。东、中、西部的资源禀赋存在明显的差异，在农业现代化的进程中要依据各地方的需求、自然条件约束针对性的逐步推进农业机械化的发展。

第四，通过土地流转来实现经营规模化，能够有力助推农业机械化综合水平的提升。土地规模化的经营是机械化推广的前提条件之一，扩大生产规模有利于提高机器的适用范围和运行效率。并且在经营规模扩大以后，农业保险的谈判话语权将明显提高，在农产品成本收益、质量控制及新技术的采用等方面与规模小的农户相比具有比较优势。

第五，农业机械服务组织要发挥出对农业机械化的促进作用不仅仅是数量的增加，也要提高服务的质量。现阶段的农业机械化服务组织在数量上呈现不断增加的趋势，但是服务的实际效果与质量仍有较大的提升空间。应该更加注重农业机械服务组织在农业机械化生产中的服务效果。经营规模扩大以后，农业保险的谈判话语权将明显提高，在农产品成本收益、质量控制及新技术的采用等方面与规模小的农户相比具有比较优势。