黑龙江省粮食作物种植结构变化的政策驱动分析——基于DID模型

邹小娇，张 郁

（东北师范大学地理科学学院，长春 130024）

0 引言

粮食安全问题是国际社会广泛关注的主要议题之一[1-2]。作为农业大国和人口大国，中国高度重视粮食安全保障问题[3]，自2004年起，已连续17年发布关注“三农”问题的中央一号文件，从多种角度强调了保障粮食安全的重要性。面临着农产品供求矛盾、农业资源环境约束、国际市场影响以及农民收入保障等诸多问题，中国进入第四轮种植业结构调整阶段[4]，“调结构、提品质、去库存、降成本”成为农业供给侧结构性改革的主要方向。实践表明，单纯依靠市场力量驱动种植结构调整，常引发农业生产剧烈波动、市场价格大起大落，仅靠政策引导农业结构调整的效果也不理想[5-6]。自2004年国家实施粮食税收政策改革以来，关于种植结构调整中政策的效果问题，已引起了学术界的争论[7-9]。

目前，许多学者选择粮食补贴政策[10-12]与粮食收购价格支持政策作为切入点[13-16]，通过定性分析[17-19]和Probit模型[20-21]、多变量回归分析[8]、GRA 模型[22]、Nerlove模型[23-24]等定量分析方法研究农业政策对种植结构的影响。由于数据获取的难度、政策实施的复杂性，现有定量研究较多的是通过建立模型并设置政策虚拟变量来说明农业政策对种植面积是否有影响。而双重差分模型是用于定量评估公共政策或项目实施效果的计量经济学模型，通过“有无差异”和“事前差异”分析既定变量的变化，有助于揭示政策对既定变量影响的“净”效果。有学者利用双重差分模型研究了农业政策对作物产量与价格的影响效果[25-26]，发现农业政策可促进作物产量增收和价格的提升，鼓励农户种植积极性；也有学者研究农业政策对种植面积的影响，认为最低收购价格政策促进种植面积扩大，但不同区域政策效果有明显差异[27]。目前，双重差分模型被大量用于各类改革项目评估方面，但用于种植结构影响的农业政策评价研究较少。

黑龙江省拥有松嫩平原、三江平原两大国家级现代农业示范区，是保障国家粮食安全和重要农产品供给的重要战略基地，也是农业结构调整中比较优势明显的地区[28]。近年来，伴随着暖干的气候变化趋势，受政策调控和经济利益影响，黑龙江省水稻、玉米种植面积扩张明显，大豆种植面积受国际市场影响呈现出较大的波动。尽管气候变化对其耕地利用有一定的影响，但政策调控和经济驱动仍是其种植格局变化的主要原因[29]。结合提高区域农业发展质量、效益和竞争力的战略定位，优化种植结构与布局，构建玉米、水稻、大豆三大作物的核心区和专业化产区，是黑龙江省未来种植结构调整的重要任务。在此背景下，本研究以黑龙江省水稻、玉米、大豆为例，基于农产品收购政策研究视角（主要包括2004年以来实施至今的水稻最低收购价格政策，2008—2015年实施的玉米临时收储价格政策，2008—2013年实施的大豆临时收储价格政策，2014—2016年实施的大豆目标价格政策以及分别在2016年、2017年实施的玉米、大豆“价补分离”政策），利用双重差分模型进行政策驱动的实证研究，分析其与粮食作物种植结构变化的关系，这对于指导区域种植业结构合理布局与制定区域粮食生产政策具有重要作用，尤其在当前新的粮食供求形势下，对重新审视中国农业政策、制定和完善中国未来粮食安全保障措施等方面有着较强的现实意义，也有助于为“市场定价、价补分离”的政策实施效果评价工作提供参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 DID模型 双重差分计量经济模型(difference in difference,DID)通常用来定量评估一项公共政策或者项目实施给经济主体带来的净影响。研究设计中，基本思路是将样本数据分为两组，实验组为政策作用对象，对照组为非政策作用对象，通过计算实验组在政策实施前后某特定指标的变化量，以及对照组在政策实施前后同一指标变化量，上述两个变化量的差值（倍差值）即反映了政策对实验组的净影响。

农产品收购政策属于公共政策范畴，同时政策的实施组具有非随机分配的特点，因此，可作为一个自然试验来研究。本研究将样本数据划分为4组，即政策实施前的实验组、政策实施前的对照组、政策实施后的实验组和政策实施后的对照组。据此，为度量这样的划分，设置2个虚拟变量：分别为dc和dz，其中dc实验组取值为1，对照组取值为0，dz政策实施前取值为0，政策实施后取值为1。具体构建DID模型见公式(1)。

式中，Yit反应了i省在t时期作物面积，εit为随机扰动项。在对照组，dcit=0，由公式(1)得，政策实施前后的Yit值的变化，见公式(2)。

政策实施前后，对照组的作物面积变动为ΔY0=β2。在实验组中dcit=1，由公式(1)得政策实施前后的Yit值的变化，作物价格会影响农户种植的积极性，见公式(3)。

政策实施前后，实验组的作物种植面积变动为ΔYt=β2+β3。政策的实施对作物面积“净”影响为：DID=ΔYt-ΔY0，即公式(1)中交互项系数。政策促使作物种植面积增加，β3显著为正，政策使作物种植面积减少，β3显著为负，政策效果不明显，β3不显著。

在实际生产过程中，影响农作物种植结构变化的影响因素还包括其他，为了提高模型结果的准确性，可在公式(1)加入相应的控制变量X，具体见公式(4)。

1.1.2 变量说明 本研究将水稻、玉米和大豆种植面积作为农产品收购政策对黑龙江省粮食作物种植结构变化影响的评价指标，并选取各作物滞后一期的收益TR作为控制变量（种植收益=农作物价格×农作物产量，目标价格政策、“价补分离”政策时期收益=农作物价格×农作物产量+目标价格补贴/生产者补贴），主要是由于农户往往根据滞后一期（前期）农作物销售价格进行种植预期假设，同时对不同作物的预期相对收益进行比较，进而影响种植结构。另外，由于农产品收购政策主要通过影响农户的种植收益来刺激农户种植积极性，进而对种植面积进行调整，因此，本研究选取农户种植收益进行分析，揭示农产品收购政策对种植结构变化的驱动机制。

在DID模型中，遵循数据的平衡性和可比性原则，对照组均为与政策实施区具有共同趋势的非政策实施区，且为样本数据中较大的省区，其中水稻对照组为非政策实施区云南省，玉米对照组为玉米主产区河南省，大豆对照组为安徽省。分割时间为政策实施时间，其中，由于玉米“价补分离”政策实施前受临时收储价格政策的影响，为减小误差，实证分析中剔除了实施临时收储价格政策的时间段（2008—2015年），因此，玉米“价补分离”政策分割时间为2007年和2016年。同理，大豆目标价格政策的分割时间为2007年和2014年；大豆“价补分离”政策的分割时间为2007年和2017年。主要变量统计性描述见表1。

表1 主要变量统计性描述

1.2 数据来源

本研究选取2001—2018年为研究时段，主要数据为粮食生产统计数据、农产品收益资料数据以及粮食补贴数据，包括水稻、玉米和大豆种植面积、产量、出售价格数据以及玉米、大豆补贴数据。其中黑龙江省与非政策实施区的水稻、玉米、大豆种植面积数据来源于《黑龙江省统计年鉴》(2002—2019)、《中国统计年鉴》(2002—2019)，产量数据来源于《黑龙江省统计年鉴》(2001—2019)、《中国统计年鉴》(2001—2019)；水稻、玉米、大豆出售价格数据来源于《全国农产品成本收益资料汇编》(2001—2019)；玉米补贴标准(2016—2018)、大豆的补贴标准(2014—2018)来源于黑龙江省人民政府官网(www.hlj.gov.cn)。

2 结果与分析

2.1 政策实施前后影响作物种植面积和收益的因素分析

表2中列出了水稻、玉米、大豆相应政策实施前后种植面积组内均值差和组间均值差。

由表2可知，水稻最低收购价格政策实施前，水稻种植面积实验组大于对照组，差值为40.57万hm2，政策实施后，实验组水稻种植面积上升，而对照组小幅度下降，差值为205.50万hm2，两者之间差值为164.93万hm2，即DID估计值。玉米临时收储价格政策实施前，玉米种植面积实验组大于对照组，差值为17.85万hm2，政策实施后，差距进一步拉大，差值为288.73万hm2，两者之间差值为270.88万hm2，而“价补分离”政策实施后，与对照组的差值为262.34万hm2，DID估计值为244.49万hm2，小于临时收储价格政策的DID估计值。虽然实验组与对照组玉米种植面积均呈上升趋势，但实验组玉米种植面积增幅显著。同理，无论是政策实施前，还是临时收储价格政策、目标价格政策、“价补分离”政策实施后，实验组的大豆种植面积均大于对照组，差值为255.92万hm2、248.88万hm2、169.80万hm2、297.85万hm2，3种政策DID估计值分别为-7.03万hm2、-86.12万hm2、41.92万hm2。

表2 政策实施前后作物面积的组内均值差和组间均值差

表3中列出了水稻、玉米、大豆相应政策实施前后种植收益组内均值差和组间均值差。

表3 政策实施前后作物收益的组内均值差和组间均值差

由表3可知，水稻最低收购价格政策实施前实验组收益大于对照组，两者差值为21.79亿元，政策实施后，实验组农户水稻收益显著增加，高出对照组农户收益333.17亿元，同政策实施前二者的差值相比，净增加了311.38亿元，亦即DID估计值为311.38亿元。无论是水稻最低收购价格政策实施区和非政策实施区，最低收购价格政策实施后水稻收益均有所增加，但政策实施区水稻收益增幅更大。玉米临时收储价格政策实施前，实验组玉米收益小于对照组，差值为32.19亿元，而政策实施后，实验组玉米收益大于对照组，差值为189.93亿元，与政策实施前二者差值相差222.12亿元；“价补分离”政策实施后，实验组和对照组玉米收益变化与临时收储价格政策期间相似，DID估计值为215.02亿元，小于临时收储价格政策时期DID值。同理，大豆临时收储价格政策实施前，实验组大豆收益高出对照组130.90亿元，政策实施后二者差距进一步拉大，达到164.61亿元，二者差值为33.70亿元；目标价格政策和“价补分离”政策实施后，实验组大豆收益依然大于对照组，和政策实施前二者差值分别为-17.41亿元、74.48亿元。

2.2 DID估计结果分析

2.2.1 基本模型的计量结果分析 综合研究对象的特点，基于stata软件，利用面板Pool-OLS计量分析方法进行参数估计。利用公式(1)对上述结果进行验证，结果如表4所示。

表4 计量方程输出结果（种植面积）

由表4回归结果可以看出，除大豆未能全通过显著性检验以外，水稻和玉米均通过了显著性检验。其中，水稻和玉米种植面积的DID估计结果显著为正，即本文所关心的变量政策对水稻种植面积和玉米种植面积变化的“净”影响dc×dz系数β3在1%、5%（玉米“价补分离”政策在5%）显著水平下显著为正，表明在样本期内，控制时间效应、差异效应的同时，若最低收购价格政策、临时收储价格政策、“价补分离”政策分别作为一个独立因素考量，的确有效的促进水稻和玉米种植面积增加（与政策实施前相比）。从种植面积增加的幅度来看，最低收购价格政策引起的黑龙江省水稻种植面积变化为164.93万hm2，或可表述为，政策实施区与非政策实施区相比，政策实施区水稻增加164.93万hm2。临时收储价格政策和“价补分离”政策引起的玉米种植面积变化分别为270.88万hm2和244.49万hm2，二者相比，临时收储价格政策的引起的玉米种植面积变化幅度较大，这表明“价补分离”政策的实施消减了政策实施区农户玉米种植的积极性，使黑龙江省玉米种植面积有所下降。

大豆种植面积的DID估计结果表明，目标价格政策对大豆种植面积有显著负向影响，导致黑龙江省大豆种植面积比非政策实施区减少86.13万hm2。这说明，目标价格政策的实施，并没有提高农户的大豆种植积极性，大豆种植面积反而进一步减小，而临时收储价格政策与“价补分离”政策实施效果并不明显。主要是因为大豆受国际市场影响较大，进口大豆价格低，国外的廉价大豆大量进口，打击了农户大豆种植的积极性，导致大豆种植面积较大波动。另一方面，由于大豆种植成本的不断上升，大豆种植效益低下，在比较收益驱使下，部分大豆种植区域为玉米取代[30]，影响了针对大豆的临时收储价格政策、目标价格政策、“价补分离”政策的实施效果。

根据表5可知，水稻、玉米均通过了显著性检验，且水稻和玉米收益DID估计结果和上述种植面积DID估计结果相似。表明最低收购价格政策、临时收储价格政策、“价补分离”政策分别对水稻、玉米收益产生显著正向影响，促进水稻、玉米收益增加。从收益的增长幅度来看，和非政策实施区相比，最低收购价格政策引起的水稻收益增加311.38亿元；临时收储价格政策和“价补分离”政策引起的玉米收益增加222.12亿元、215.02亿元，二者相比，“价补分离”政策的政策效应小于临时收储价格政策。“价补分离”政策对大豆收益产生显著正向影响，引起黑龙江省大豆种植收益较非政策实施区增加74.48亿元，而大豆临时收储价格政策、目标价格政策的影响效果较小。

表5 计量方程输出结果（种植收益）

2.2.2 引入控制变量的模型结果 利用公式(4)对引入控制变量的模型进行参数估计，需要说明的是，变量的自相关检验结果可知当年的种植面积与作物滞后一期的作物收益相关性显著，而变量间相关性检验结果显示，滞后一期的作物收益与政策效果dc×dz间相关性不显著，因此，可以将滞后一期的作物收益加入模型中进行估计，结果如表6所示。

表6 引入控制变量后的计量方程输出结果

由表6可知，引入控制变量后，水稻、玉米、大豆DID估计结果的显著性与基本模型估计结果基本一致。其中，水稻最低收购价格政策和水稻滞后一期的收益在1%显著水平下为正，最低收购价格政策和水稻滞后一期的收益对水稻种植面积具有显著正向影响。同理，玉米临时收储价格政策和玉米滞后一期收益在1%显著水平下为正，对玉米种植面积有显著正向影响；“价补分离”政策实施期间，“价补分离”政策同样对玉米种植面积具有显著正向影响（10%显著水平下），但玉米滞后一期收益却对玉米种植面积影响不明显，主要原因可能是由于此阶段玉米受国家调减政策影响较大，因此，政策对农户进行玉米种植决策的影响占主导地位。而大豆目标价格政策对大豆种植面积有显著负向影响，而大豆临时收储价格政策和“价补分离”政策影响效果则不明显；各时期大豆滞后一期收益均对大豆种植面积产生显著正向影响。

3 讨论

本研究基于黑龙江省水稻、玉米、大豆种植面积和收益，建立DID模型，并选取各作物滞后一期收益作为控制变量，分析农产品收购政策对黑龙江省粮食作物种植结构变化的影响。在粮食作物种植结构变化的政策驱动相关研究中，杜书立等[31]对黑龙江省1970—2010年种植结构变化进行分析，认为自2008年国家开始在东北地区实施玉米临时收储政策以来，一方面，当时较高的收储价格极大的刺激了农户种植玉米的热情，使得黑龙江省玉米种植面积激增，而另一方面，由于玉米临时收储价格政策的实施，影响了大豆播种面积的扩张，使得大豆种植面积萎缩，同时，国家推行的各种农业补贴政策以及种植结构调整策略，使得全省种植结构也发生了重大转变，加快了水稻种植面积的扩张；柳苏芸[32]通过建立DID模型、随机效应和固定效应模型，认为大豆目标价格政策的实施对黒龙江省大豆种植面积有显著的负影响，使得农户倾向于减少大豆的种植；冯丽娜[33]通过对1998—2016年安徽省、广西省、黑龙江省水稻种植面积的对比分析，发现最低收购价格政策的实施促进黑龙江省水稻种植面积明显上升。

尽管上述学者在研究方法、研究时段、对照组或是控制变量的选择上与本研究有所差异，但研究结果大致相同，见表7。另外，影响种植结构变化的因素有很多，包括政策、农业投入、经济环境、技术水平、市场因素、自然因素等：吕东辉[34]等认为价格波动和成本影响黑龙江省粮食作物种植结构变化；云雅如[35]研究了气候变暖对黑龙江省粮食作物格局的影响；安悦[36]等认为作物价格差异、劳动力价格、科技进步、农业政策、环境基础、气候变化影响地区农作物种植结构。本研究虽未全面考虑可能影响粮食作物种植结构变化的因素，但选取了各作物滞后一期的收益作为控制变量，以减小误差。

表7 种植结构变化的政策驱动结果对比

4 结论

研究表明，最低收购价格政策对水稻种植面积和收益有显著正向影响，促使黑龙江省水稻种植面积和收益明显增加，较非政策实施区而言，增加了164.93万hm2、311.38亿元；临时收储价格政策和“价补分离”政策的实施同样促进黑龙江省玉米种植面积和种植收益的增加。同非政策实施区相比，在临时收储价格政策与“价补分离”政策时期，分别增加了270.88万hm2、244.49万hm2，种植收益增加了222.12亿元、215.02亿元。二者相比，“价补分离”政策的政策效应小于临时收储价格政策，在一定程度上消减了农户玉米种植的积极性，使黑龙江省玉米种植面积有所下降；临时收储价格政策、“价补分离”政策对黑龙江省大豆种植面积的影响效果不明显，而目标价格政策的实施，导致黑龙江省大豆种植面积比非政策实施区减少86.13万hm2。“价补分离”政策对大豆收益产生显著正向影响，使黑龙江省大豆种植收益较非政策实施区增加74.48亿元，而临时收储价格政策、目标价格政策的影响效果较小；同时，农作物滞后一期收益对水稻、玉米（除“价补分离”政策时期外）、大豆种植面积均有显著正向影响。

农业政策对农业生产意义重大，不仅有利于促进农业生产的可持续发展，还对整个农业生产具有一定的导向作用[37]。因此，有必要对农业政策进行更进一步的完善：为保护农户种植积极性，水稻最低收购价格政策在一段时间内仍需贯彻实施，将农业补贴与水稻最低收购政策相结合，并根据粮食供需的现状，逐步调整最低收购价格；建立合理的玉米生产者利益补偿机制，制定合理的生产者补贴标准，在保护农户收益的同时，防止玉米种植大幅度增加；进一步加大大豆种植的补贴力度，切实提高农户大豆种植收益，缩小大豆和玉米种植收益的差距。