空间视角下农业保险对农业面源污染的影响研究

摘 要：本文立足于空间视角，基于中国各省的宏观面板数据，从农户生产行为的三个维度出发采用空间计量模型实证研究了农业保险对农业面源污染的影响。研究发现，在空间视角下，农业保险对农业面源污染有抑制作用;同时随着现代交通的便利、保险以及农业技术的发展，面源污染具有空间溢出效应。最后从影响农户生产行为的角度出发给出相关政策建议。

关键词：农业保险;农业面源污染;農户生产行为;空间溢出

中图分类号：F2     文献标识码：A      doi：10.19311/j.cnki.1672-3198.2021.16.007

0 引言

保险是“三农”发展的“压舱石”“助推器”。农险保费收入从2007年的51.8亿元已经增加到2018年的572.7亿元。而据2020年《第二次全国污染源普查公报》，2017年农业源主要水污染COD排放量高达1067.13万吨，远远高于工业源污染。探索农业保险对农业环境的影响，对粮食安全具有重要意义。

1 文献综述

国内外有关农业保险对农业环境的研究主要偏重于分析农险对化学品施用的影响。而国际上对农业污染的研究以农业面源污染为重点关注方向，我国农业发展粗犷，高投入、高产出和高资源环境代价，由此造成的面源污染最为严峻。但目前只有我国学者陈俊聪（2015）基于联立方程组模型的方法，实证研究了农险对中国农业面源污染的影响，实际采用的依然是化肥农药等指标。然而，农户作为农业生产中的基本单位，农业保险损失补偿原则使得农户预期收益发生改变，从而在无形中会对农业的生产规模和结构产生影响（宗国富等，2014），而生产行为与农业环境恶化有着直接的、必然的联系（张伟等，2014）。随着现在区域之间联系越发紧密，不同地区资源禀赋和农险发展水平不同，一个地区的农业生产行为对邻近地区具有很强的示范性，由此导致面源污染可能具有一定的空间溢出效应。考虑到空间，目前只有少数研究从农险效率或者我国农业面源污染的影响因素角度切入进行了初步的探索，并未将二者结合起来。因此根据我国的现实气候与农业生产条件，综合以上因素，研究结果会更加具有科学性和说服力。

2 研究设计、指标选取与数据来源

2.1 研究设计

2.1.1 空间自相关检验

空间溢出效应是进行空间计量分析的前提，空间溢出一般检测方法为空间相关性检验。莫兰指数Morans I是空间相关性检验中最常用的检验指标，其定义式为：

Moran'I=∑ni=1∑nj=1wij（Yi-Y-）（Yj-Y-）S2∑ni=1∑nj=1wij

其中，S2=1n∑ni=1（Yi-Y-）2;Y-=1n∑ni=1Yi，Yi表示第i个地区的观测值;n为地区总个数;wij为空间权重矩阵。Morans I的取值一般在[-1，1]之间，等于0表示没有相关性，小于0表示相关性是负的，大于0表示正的相关性。离1越近，空间相关性越大。

2.1.2 空间面板计量模型

空间面板模型的一般形式如下：

yit=τyi，t-1+ρw'iyt+x'itβ+d'iXtδ+ui+γt+εitεit=λm'iεt+νit

其中，yi，t-1表示被解释变量yit一阶滞后;d'iXtδ是解释变量的空间滞后，d'i是空间权重矩阵D的第i行;γt为时间效应;m'i是扰动项空间权重矩阵M的第i行。在建立空间计量模型时考虑空间效应的影响，涉及以下几种情形：当λ=0时，为空间杜宾模型（SDM）;当λ=0且δ=0，为空间自回归模型（SAR）。

当τ=ρ=0且δ=0，为空间误差模型（SEM）。

2.2 指标选取

农业面源污染，常用化学需氧量（COD）、总氮（TN）、总磷（TP）等污染物类型来表示，基于农业源污染数据的可获得性，同时由于农业污染和农业经济效益都是农业生产的结果，不能孤立地讨论任何一方。所以本文使用鲁庆尧（2015）的经济环境指数EEI来表征，即各地区农业产生的COD与农林牧渔总产值比值。EEI值越大，表示农业面源污染越严重。采用各省农险保费收入（AI）作为核心解释变量。经典的环境效应分析框架通常分解为规模、结构和技术三种效应，将其度量指标作为控制变量。首先因为农险的出现使得本来期望收益较低甚至为负的地块得到重新耕种，需要投入更多的化肥、农药等生产要素，面源污染进一步加重，故选取各省人均农作物播种面积（PAOCPA）表征规模维度;使用农业结构（农作物播种总面积/农用地总面积）（AS）、种植业结构（粮食面积/总作物播种总面积）（PS）以及农村家庭从业结构（工资性收入/农村人口人均可支配收入）（WR）来表征结构维度，农业保险使得种养结构发生改变，根据种养业的农学特征，由大田作物生产转向经济类作物或当农业结构由种植业向养殖业调整时，由于经济作物和种养分离造成的面源污染物排放量将增加;使用各省份农业技术人员与第一产业从业人口之比（ATR）表示技术维度，当地的农业技术水平普及程度越高，越容易掌握先进的农业绿色发展技术进行清洁生产。

2.3 数据来源

考虑到西藏特殊的地理位置和资源禀赋，及数据可得性，本文不含西藏。数据均来自EPS数据库、《中国环境统计年鉴》《中国农村统计年鉴》以及各省统计年鉴等。由于最新三年的部分数据还未统计公布，故采用30个省2011-2015年5年数据，其中各省份农用地面积和农业技术人员数存在部分缺失，缺失值采取插值法补齐。为了解决数据可靠性和模型拟合准确性，空间计量模型中对部分数据进行对数化处理。实证研究运用Stata15.0。

3 实证结果及分析

3.1 农业面源污染空间自相关检验

空间权重W度量区域间的空间距离，是空间计量模型的关键。鉴于环境污染具有较强的区域相关性特性，本文主要采用地理权重矩阵。對2011-2015年除西藏外30个省市农业面源污染的Morans I指数进行了测算，并用P值来检验其显著性（见表1）。结果表明，2011-2015年5年间我国农业面源污染的Morans I指数均明显为正，表明农业面源污染具有明显的空间相关性，即空间溢出效应。

3.2 农业保险对农业面源污染影响的空间回归结果分析

表2为农业保险对农业面源污染影响的SAR、SDM、SEM回归结果。R-squared越接近于1值，表示模型拟合效果越好，故本文SEM模型是空间回归的最佳模型。观察表2可知：第一，不管在哪种空间模型下，LN（AI）的系数均显著为负，即在考虑空间影响下，农业保险对农业面源污染产生一个抑制作用，表明农险具有一定的减排功能。第二，控制变量中，各省人均农作物播种面积PAOCPA系数为60.39，且通过了1%的显著性检验，表明农户土地投入的规模效应会进一步加重农业面源污染;农业结构AS、种植业结构PS均在1%的水平上显著，但农村家庭从业结构WR不显著，表明结构效应中越偏种植业和粮食种植越有利于农业污染的减少，越偏养殖业和经济作物种植越会加重农业污染;但各省份农业技术人员与第一产业从业人口之比ATR，在SAR和SDM模型中不显著，即使在SEM模型中在5%水平上显著，但和实际的农业技术水平普及程度越高，清洁生产的认知和意愿也越高不符，这可能和现阶段农业绿色生产技术发展水平不高，主要集中在化学品生产领域有关。

4 政策建议

基于上述结论，本文提出：首先，农业保险对污染有显著的抑制作用，且存在一个农业面源污染之间的空间相关性，这会影响彼此区域。说明光靠个别地区自己不能有效控制农业面源污染，区域合作必须得到加强。其次，从农民风险行为管理的角度来看，中国应该增加农业保险保费的补贴比例和提高覆盖范围，鼓励农民生产高附加值的农产品，也就是说，减少土地、肥料等的投入也可以有效增加农民收入。这样有利于优化农业产业结构，实现农业向低投入、低消耗、高产出的转变，减少农业面源污染。最后，通过将农业保险补贴金额与农业生产技术选择挂钩，积极引导和鼓励农民采用绿色生产技术，减少农业污染，促进我国农业保险向环境友好型绿色保险转型。

参考文献

[1]陈俊聪，王怀明.农业保险与农业面源污染：影响因素及其度量——基于联立方程组模型的情景模拟[J].上海财经大学学报，2015，17（05）：34-43.

[2]宗国富，周文杰.农业保险对农户生产行为影响研[J].保险研究，2014，（4）：23-30.

[3]张伟，罗向明.农业保险补贴、农民生产激励与农村环境污染[J].南方农村，2014，（5）：37-44.

基金项目：西安财经大学研究生创新基金项目“农业保险对农业环境污染的空间溢出效应研究”（19YC036）。

作者简介：樊蓉（1993-），女，汉族，陕西延安人，西安财经大学金融学研究生，研究方向：风险管理与保险。