农业保险、粮食产量与灾害适应

李晓涛，任金政

（中国农业大学 经济管理学院，北京100083；中国农业大学 国家农业农村保险研究中心，北京100083）

当前全球气候变化加剧，极端灾害频发，我国人口众多、生态环境复杂，适应气候变化和各种灾害的任务十分繁重，尤其在粮食生产领域。农业保险作为现代化农业风险管理工具，逐步成为稳定农业生产的重要政策抓手和有效市场手段。

目前，农业保险的转移支付[1-3]、风险分散（汇聚）以及稳定农业生产和确保农村社会稳定[4-5]等功能或目标已被广泛论证和接受。由于政策存在非故意后果（Unintended Consequence），农业保险在提升农业产量、改善农业产业结构和要素投入以及提升农业风险适应能力等方面一直存在学术争议。粮食安全是头等大事，分析农业保险对粮食产出的影响、评估粮食生产的灾害适应能力对于把握农业保险的溢出效应和及时判断粮食安全现状具有重要意义。

一、文献综述

农业保险对粮食产出的促进作用在早期的研究中分歧较大。Orden[6]认为农业保险在1998-2000年间对美国农作物产量提高的影响程度在0.28%-4.1%之间，其中对玉米和大豆以及大平原北部的小麦和大麦的产出具有增产和扩面（但很有限）作用。而Glauber以及2007年美国农业法案报告均认为农业保险对于生产和产量的影响暂未得到明确的结论[7]。在我国，钟甫宁等（2007）认为投保农户会增加要素投入以保障产量[8]，但也有研究表明“广覆盖、低保障”的农业保险政策对单产和粮食种植面积均无明显的影响[9]。

近几年的研究更多地表明农业保险有效促进了农业综合产出的提高。农业保险及补贴有助于美国农业扩大再生产[10]，也有助于尼日利亚提高农业产出[11]，但在极端天气条件下也会对粮食产量产生负向影响[12]。在我国，罗向明等（2011）认为农业保险在理论上会鼓励农户扩大种植规模并提高农作物单产水平[13]；王向楠（2011）利用地级市数据分析发现农业保险对农业产值具有正向影响[14]，周稳海等（2015）也得出了相似的正向影响结论[15]。

从影响路径来看，农业保险主要通过影响农业结构、要素投入以及生产者风险认知等影响农业产出。Tronstad R（2011）发现美国棉花保险使得棉花种植从低风险、高产区向高风险、低产区转移[16]。类似结论在我国也存在，即农业保险容易固化农户种植结构，使农业生产对象从低保险项目向高保险项目转移[17]。徐斌等（2016）认为农业保险可能通过使农户耕种劣等地或改变劳资投入进而影响粮食产量[18]；也有微观实证结果认为农业保险显著影响了生产要素配置[19]。当然，少量研究认为投保后的道德风险不利于农业产出的增加[20]，对种植面积的影响也极为有限[21]。

图1 农业保险对粮食产量的可能影响路径

对于经济效益有限的粮食作物而言，农业保险是否促进了粮食产量的增加，灾害的调节作用如何，这种影响主要是通过单产增加还是面积扩大以及其分配关系等问题仍需进一步讨论。此外，动态经济理论认为：粮食生产既伴随着要素投入等惯性生产行为，同时也伴随着灾害冲击下的适应性调整。因此，从动态理论角度系统地分析农业保险对粮食产量的影响、探讨对灾害的调节作用以及评估粮食产出的灾害适应能力具有一定创新性和现实意义。

二、研究方法与变量选取

（一）“适应性预期-局部调整”模型构建

本文综合运用适应性预期理论（Adaptive Expectation Model，AEM）和局部调整模型（Partial Adjustment Models，PAM）构建粮食产量的“适应性预期-局部调整（AE-PA）”模型，前者以趋势的不确定性为基础，而后者则考虑了技术、制度、成本等“僵化”因素。首先建立预期单位面积产量模型：

其中，γ代表长期调整系数，系数越大，实际产量调整到均衡产量的速度也越快，与预期产量也越吻合，即粮食生产者越能适应风险。但由于生产行为往往带有惯性甚至僵性，这种调整往往是不完全的，γ一般满足0<γ<1。将（1）式的ln yite带入（2）式，得到“适应性预期-局部调整”估计模型：

其 中，θ0=γδ0，θ1=1-γ，θ2=γδ1，θ3=γδ2，θ4=γδ3，ε2,it=γ(μ1i+v1i+ε1,it)。（3）式中的系数代表各影响因素对粮食单产的短期影响，而（1）式中的系数为各因素对粮食单产的长期影响。长期影响系数反映了各要素投入、保险、风险等因素对粮食单产的净影响，而短期影响则代表了长期影响和粮食生产者调整能力的综合效果。为进一步讨论农业保险对粮食总产量的影响、播种面积的中介效应以及粮食总产量调整能力，构建基于单产和粮食播种面积的总产量方程[22-23]，对Yit=yit×Ait两边同时取对数：

其中，Yit代表i地t年的粮食总产量，Ait代表i地t年的粮食播种面积，β和α分别代表单产和播种面积对总产量的弹性系数。因此，可以建立预期总产量模型、调整方程以及估计模型，估计模型如下：

其中，Insit、Vjit、Riske分别表示保险总投入、其它影响因素总投入以及总灾害水平，Zjit表示与面积不直接相关的因素（如价格、财政支持等因素）。通过上述理论推导，该模型具有以下两大优势：一是单产和总产量模型可以分析农业保险的短期产量影响和长期产量影响及其分配关系；二是模型可以评估粮食产量的灾害适应能力。

（二）估计方法选择

对于含有因变量滞后项的动态面板模型，传统估计方法固定效应（FE）或随机效应（RE）是有偏离且不一致的。对此，本文采用动态面板广义矩估计（GMM）以解决上述问题。此外，该方法相比差分GMM拥有更高的估计效率，而且因变量差分项与个体效应不相关的前提假设更适应于对粮食产出的研究，即粮食单产和总产本身具有趋向稳态的经济特征。由于长期影响系数反映要素净影响，本文也将利用静态面板估计方法（FE）对农业保险的粮食产出影响、影响的异质性进行估计以作为动态短期估计结果的稳健性检验。

（三）变量选取及描述性统计

实证数据来自2007-2017年31个省（市、自治区）的面板数据。其中，粮食产量、播种面积和部分要素投入等来自于历年《中国农村统计年鉴》和《中国统计年鉴》；人力资本投入来自《全国农产品成本收益资料汇编》，农业保险投入来自于历年《中国保险年鉴》。为剔除价格趋势影响，利用CPI 对农业保险投入、人力资本投入和谷物价格进行平减。各变量取对数后的描述性统计如表1：

表1 变量选择与描述性统计

注：选择当期保费收入的原因为：保费收入在产量形成之前收取；由于保费大头（补贴）往往滞后，保险公司会将部分当期保费纳入财报中的应收保费，即保费收入指标其实已经体现了往期保费，因此不必过度采用滞后阶。

三、结果分析

（一）农业保险对粮食产量的影响

估计模型采用实际产量的最多两阶滞后作为一阶滞后因变量的工具变量，该设定不仅可以提升估计效率[24]，也可充分利用有限样本。在关键变量灾害水平的选择上，利用包括当期受灾状况在内的不超4期滞后的受灾状况作为预期风险变量。由于越近期的灾害对预期产量影响越大，估计时将包括当期在内的往期灾害逐年加入模型，灾害滞后期数的选择以显著性、影响程度减弱速度以及对其他控制变量显著性的影响来综合判断[25]。估计结果如表2：Sargan 和AR 检验结果表明模型整体估计结果可靠。从估计系数看，农业保险对粮食总产及单产均具有显著短期正向影响，在充分考虑灾害作用条件下，对粮食总产的影响大于对单产的影响。预期风险对粮食产量具有显著负向影响，且该影响主要来自于当期风险。农业保险对粮食产出的促进作用在灾害风险较高的地区更强，表明灾害对于农业保险的粮食产出影响具有正向调节作用。

表2 农业保险和灾害对粮食产出的短期影响（系统GMM）

注：（1）⋆、⋆⋆、⋆⋆⋆分别表示在10%、5%、1%显著水平下显著；（2）我国诸多地区的粮食生产为一年二熟或以上，同期上一季度风险状况对当期下一季度的预期产出会产生重要影响，因此当期灾害水平也纳入模型；（3）受篇幅限制，其它控制变量系数不再罗列，下同。

（二）粮食产量的灾害适应能力评价

利用各模型短期影响系数计算粮食作物长期灾害适应能力及农业保险对预期粮食产量的长期影响（如表3）。结果显示，考虑预期风险的影响，粮食作物产量的长期适应能力更弱，单产和总产趋向稳态产量的平均调整时间为2.24年和1.56年，相比不考虑灾害风险多0.6年和0.18年。无论理想产量模型是否考虑灾害，粮食总产的调整能力都高于单产的调整能力。农业保险对预期粮食产量的长期正向影响显著，且在考虑一期灾害条件下对总产的影响要小于对单产的影响，而在考虑多期灾害下对总产的影响大于对单产的影响。将样本分为2007-2012年和2012－2017年两阶段来估计其灾害适应能力，结果显示粮食总产的灾害调整能力较第一阶段的2.53年提升到0.91年，粮食单产的灾害调整能力从1.16年下降到1.42年，总体来看，总产调整能力依然大于单产。

表3 粮食作物产量的灾害适应能力及农业保险、灾害对产量的长期影响

四、稳健性检验、异质性分析及讨论

（一）稳健性检验

虽然农业保险保费收入更多地来自于种植业，而种植业中的主要保费收入来自粮食作物，但利用单位粮食播种面积的保费收入会夸大粮食作物保险投入量，产生偏差。因此本文利用单位农业总产值保费收入代替单位播种面积保费收入作为农业保险的投入的代理变量重复上文分析。结果（附表1）与上文结论一样，其中农业保险的影响较表2中的结果略有下降，主要原因是非粮作物投保范围远远小于粮食作物，利用单位农业总产值保费收入又会低估粮食作物保险投入量，因此介于两种估计之间的结果应当更为准确。此外，整体灾害调整能力的估计结果与表3中的结果基本相似，验证了估计结果较为稳健。

（二）异质性分析

农业保险对农业综合产出的影响在农业大省和非农业大省可能存在异质性，因此将样本按粮食主产省（13个）和粮食非主产省（18个）分为两组，并对总样本和分组样本分别估计。虽然动态面板模型考虑惯性特征并可以解决滞后解释变量的内生性问题，但对于样本规模较小、时间较短的长面板会产生较大估计偏差，因此本文利用静态面板估计方法双向固定效应（FE）模型对分样本进行估计。结果如表4，全部样本回归结果认为农业保险对实际粮食产量有正向影响但仅在15%显著性水平下显著，灾害在单产模型中依然发挥正向调节作用；分组样本回归结果认为农业保险对实际粮食产量的正向作用在粮食非主产省显著，且对粮食单产和总产的影响几乎没有差异，表明控制播种面积后农业保险对于粮食产量的影响并未发生实质性变化，无法证明农业保险对粮食播种面积的显著影响。但农业保险对粮食主产省的粮食单产和总产的影响都不显著且对总产的作用要大于单产，表明农业保险对粮食产量的正向促进作用主要通过粮食非主产省来实现。

表4 双向固定效应（FE）估计结果

灾害的正向调节作用在两个分样本上均消失，表明分组可能把样本省按风险高低进行了划分。对粮食主产省和非粮食主产省灾害水平进行描述统计（如附表2），粮食非主产省的灾害水平明显高于粮食主产省，该结果反向验证了灾害正向调节作用的存在：即农业保险在灾害高的粮食非主产省对粮食产量的促进作用更强。

（三）讨论

粮食生产者对于预期灾害往往有一定的认知能力，因此考虑灾害条件下的模型与实际更吻合。动态回归结果（表2和附表1）显示农业保险对粮食总产量的促进作用更强，表明控制面积反而削弱了农业保险的产出影响②。根据中介效应检验原理，利用双向固定效应模型对农业保险的粮食播种面积影响进行回归分析③，发现农业保险对粮食播种面积的负向影响在10%显著水平上显著，因此可以初步判断粮食播种面积可能发挥了对农业保险的遮掩效应，即农业保险虽然促进了粮食总产量的增加，但主要通过影响粮食单产来实现，对面积反而有负向影响。而分样本静态回归结果显示农业保险对粮食产出的促进作用显著，但在单产和总产影响上的差异微弱（表4模型21-22），在粮食主产省并不显著且对总产的正向促进作用大于单产（表4模型41-42），表明粮食播种面积对农业保险的可能遮掩效应主要来自于粮食主产省但并不显著。同时，我们检验了分样本的中介效应，农业保险对播种面积的负向影响均不显著。因此，农业保险对粮食播种面积的影响结论并不可靠。但农业保险对粮食播种面积的负向影响在不要求统计显著性条件下还是存在的，原因可能是：农业保险对经济作物的保障作用更强，农业生产者对经济作物的风险规避程度也往往更大，因此农业保险可能促进了非粮作物（如经济作物）的扩面，尤其在粮食主产区更为明显。

我国粮食产量的灾害适应能力还较低。从表3结果可以看出，面对灾害等风险冲击时，我国粮食单产回归到稳态平均需要2.24年，而粮食总产需要1.56年。分时间阶段的结果显示粮食总产的灾害调整能力较第一阶段有较大提升，但粮食单产的灾害调整能力却有所下降。产生该结果的原因可能是：随着我国防灾减损投入的增加和灾害适应能力的提升，粮食生产应对气候变化和灾害的整体能力在增强，粮食总量安全大大提升；但气候变化加剧和近几年自然灾害的频发、多发对粮食单产的稳定性带来严峻挑战。

五、总结

本文构建了“适应性预期-局部调整”模型并利用系统GMM 估计方法和省际面板数据对农业保险的粮食产出影响和粮食产量的灾害适应能力进行实证估计和分析。结果表明：农业保险对粮食产量具有显著正向影响，但主要通过影响粮食单产来影响粮食总产出，对播种面积的影响不显著。粮食产量的灾害适应能力整体较弱，且在考虑预期灾害条件下更弱，其中粮食单产的灾害适应能力小于总产且有增大趋势。

以上研究结论具有如下政策启示：（1）农业保险对粮食产量的正向影响验证了农业保险的正外部性特征，它通过提高产量（可能的价格下降）而惠及非农部门，却可能造成“谷贱伤农”，因此农业保险政策性补贴具有较强的理论依据且能够体现“绿箱政策”特点。应当科学、合理地加大对农业保险的补贴力度，根据农业保险增产效应的不同实施一定程度的差异化补贴策略；（2）进一步提升粮食保险保障水平，增强农户主动参保意识，有效发挥农业保险对粮食产量的内生促进作用；加快完善成本保险、收入保险等高保障产品在粮食主产区的试点和推广，促进产粮大户等高风险规避群体深度参保，提升农业保险保障粮食安全的多功能效应；正确看待农业保险的双重性，警惕农业保险对作物的异质性影响而导致对粮食种植面积的挤出效应；（3）将农业保险纳入灾害适应能力评估体系，完善灾害预警机制；进一步提升农业生产的防灾防损能力，稳定粮食生产要素投入和相关保障措施，提升粮食单产的灾害适应能力。

[注 释]

①Cagan 和Friedman 主要采用当期真实值和上期预期值的加权修正来替代适应性预期方程中的预期解释变量，估计时要损失当期和上期样本；也有学者（如陈飞、高铁梅等）采用预测值来替代预期解释变量，优点是在没有当期值条件下也适用，且不会损失上期样本量，无需估计预期系数。由于灾害风险发生时间越近，对农业生产者的预期越可能产生更大影响，因此本文采用灾害的分布滞后来代表预期。

②由于粮食单产是由粮食总产/面积得到，因此固定效应中的总产模型相当于在单产模型中增加了面积项，即面积本身对产量的影响，不同的是总产模型中的面积效应既包括了扩面的产量效应，还包括了面积本身对产量的经济影响。

③模型不再单独列出，控制变量选择：L.Price、Enj、Iri、Nongyao、Human、L.caizheng、Risk。

附录

附表1 农业保险和灾害对粮食产出的长、短期影响及灾害适应能力（系统GMM）

注：（1）⋆、⋆⋆、⋆⋆⋆分别表示在10%、5%、1%显著水平下显著。

附表2 主产省和非主产省的粮食风险水平