政府R&D直接资助对涉农企业财务绩效的影响研究

毛 伟 何晓霞 程玉倩

(1.广东海洋大学 经济学院，广东 湛江 524088；2.广东沿海经济带发展研究院，广东 湛江 524088)

一、引言

习近平总书记指出夯实农业基础是固本安民之要。2020年中央一号文件指出要强化科技对农业的支撑作用。由于农业上市公司在推动农民增收、农业产业结构升级和农业科技发展等方面发挥了巨大作用，对其实施资助成为各国政府的主要政策手段。2020年初的蝗灾和疫情严重影响了农企的生产和销售，农企要“活下去、活得好”，提升农企财务绩效刻不容缓。农业部早在2013年就颁布了《关于促进企业开展农业科技创新的意见》，其中就采用财政工具促进农企创新提出具体建议。政府R&D直接资助是一项重要的创新激励政策，它通过资助农企R&D，提升农企财务绩效。然而，在自然环境和再生产风险的双重制约下，农企微利甚至亏损特征并未得到明显改观[1]。那么，政府R&D直接资助影响农企财务绩效是否落入“政策陷阱”？哪些经验值得推广？哪些不足需要弥补？客观评估政府R&D直接资助对涉农企业财务绩效的影响，不仅对该项政策在涉农领域的完善具有重要意义，而且对于它在其他弱质性领域的应用也具有借鉴作用。

政府资助影响企业绩效的研究较为丰富。一部分研究认为政府补助促进了企业绩效[2][3]，另一部分研究则认为政府补助抑制了企业绩效[4][5]，也有研究认为政府补助对企业绩效的影响并不确定[6]。但从研究内容来看，政府资助影响农企财务绩效的机理及实证研究较为匮乏。从研究视角来看，现有研究多从政府资助整体出发，关注组合政策对企业绩效的影响。然而，政府补助包括很多方面，其中不少资金并不用于研发创新，进而难以从研发途径影响到企业财务绩效。政府R&D直接资助直接激励企业研发，通过重大技术或项目的开发，对企业财务绩效施加影响。从政府R&D直接资助的单一政策视角，考察政府补助影响农企绩效的研究极少[7]。从研究领域来看，政府资助对企业绩效影响的研究集中在非农领域，涉农企业的相关研究很少[8]。从评价方法来看，相关研究主要通过OLS或面板模型来分析政府补助对农企绩效的平均混合影响，但未能揭示政府R&D直接资助影响受助农企绩效的净效应[9]。即使未获资助，农企财务绩效也能在其他因素的促进下获得提升。因此，要准确识别政府R&D直接资助影响农企财务绩效的净效应，必须剔除其他因素的干扰。为弥补传统方法的不足，倾向得分匹配法(PSM)在政策效应评估中的应用逐渐获得重视[10]。

本文采用2011-2019年中国农业上市公司数据，通过PSM方法，研究了政府R&D直接资助影响农企绩效的净效应。本文拓展之处有：第一，系统分析了政府R&D直接资助影响农企财务绩效的政策效果；第二，从政府R&D直接资助的单一政策视角，而非政府所有补助的组合政策视角，考察政府资助对农企财务绩效的影响，研究的指向性更为微观和明确；第三，通过准自然实验，识别了受助农企是否会比未受资助时的未来绩效更高，在一定程度上消除选择偏误和内生性，所得结论更有利于政策效果的客观评判；第四，传统研究多关注非农领域，将其延伸至农业领域，不仅有助于政府资助政策在农业领域的完善，而且有利于其在弱质性领域的推广应用；第五，通过上市公司年报，手工收集政府R&D直接资助数据，分析了不同资助力度下，政府R&D直接资助影响农企绩效的净效应，然后依据全样本分析时中、低资助力度影响不显著的事实，分样本检验了高资助力度下的情况，所得结论更为细化、直观。

二、理论基础及研究假设

对于农企财务绩效(下文简称绩效)，政府R&D直接资助兼具驱动效应和陷阱效应，图1给出了上述两种情形的作用机理。对于驱动效应而言，作为国家支持涉农企业开展研发创新活动的资助政策，政府R&D直接资助通过专项资金的直接注入，在增加农企账面收益的同时，减少了R&D成本，在一定程度上推动了农企绩效。从会计核算来看，2018年财政部会计司将政府资助分为两种方式：总额法和净额法。它们的主要区别是总额法将政府资助视为收益，而净额法则视其为资产的账面价值，抵扣成本费用。上述两种方式都会影响到农企的损益类科目，随着经营成本的降低和现金流的增加，政府R&D直接资助提升了农企绩效。从R&D投入的推动作用来看，农业部《“十三五”农业科技发展规划》指出强化政府的主导作用，助力企业R&D。企业R&D的成果是新产品和新技术，它们能够创造利润，促进企业绩效，农企绩效与创新投入存在双向促进关系[11]，企业R&D有助于农企绩效[12]，政府对农企R&D的支持对其绩效有显著的提升作用[13]。此外，农业研发活动具有浓厚的公共产品特征，政府直接资助农企R&D是对公益事业的大力支持。无论是纯公共产品，还是联合公共产品，政府投入农业R&D的成果都具有显著的溢出与溢入效应[14]。大学及企事业单位的R&D得到了中国政府的支持，这对企业R&D具有明显的杠杆效应[15]。从信号发送理论来看，由于信息不对称，相对于企业管理者自身而言，投资者缺乏内部信息。因此，投资者往往通过权威部门发送的信息来甄别农企的风险及收益。农企获得政府R&D直接资助，这表明政府认可了农企能力、项目前景和培育意向，这将向市场传递利好信号。逆向选择的降低有利于农企的外部融资，从而为农企研发提供有力保障。当农企新技术和新产品不断涌现时，农企绩效随之提升。可见，通过账面价值增加、农企R&D投入推动、外部融资吸引力提升和其他政策促进作用，政府R&D直接资助实现对农企绩效的驱动效应。由此，提出如下假设：

图1 政府R&D直接资助影响农企绩效的政策效应

假设1：政府R&D直接资助短期内对农企绩效有一定的驱动效应。

从现实来看，在获得政府R&D直接资助后，农企绩效有所提高，但并不能认为这种变化都是由政府R&D直接资助带来的。原因是：第一，不能直接从受助农企比非受助农企的绩效高，就轻易下结论。受助农企多具有经营管理强、科研水平高和项目发展前景好等特征。竞争力较差的农企难以获得政府R&D直接资助的青睐，即便它们获助，也易发生管理层挪用、拆东墙补西墙等问题。受助农企与非受助农企的初始条件往往存在差异，直接对比不同类型的企业既会产生样本选择偏差，也会使我们陷入认识的误区。第二，边际产量递减规律表明与初期边际产量较低的单位相比，边际产量较高的单位增长速度更慢。不同单位的增长水平与其增长率负相关[16]。由于缺乏核心技术，农企的投资回报率较低[17]。即便获得政府R&D直接资助，农企绩效的改善也与其期初水平较低有直接联系，并不能全部归功于政府R&D直接资助的推动。第三，政府R&D资助对企业产品创新的影响并非线性，当越过影响顶峰后，政策效果会随着时间推移不断衰退[17]。由此，R&D资助政策对农企绩效的影响会越来越微弱。

在农企绩效改善的同时，相关政策陷阱效应随之显现：第一，政府R&D直接资助增长驱动效应的充分发挥，需要因时制宜、因业制宜的保障政策。然而在执行层面项目立项较受重视，而制度与法律保障建设相对滞后。自2012年《农业部关于促进企业开展农业科技创新的意见》颁布以来，农企创新和绩效成绩斐然。目前，农企的内外部环境发生了较大变化，但与时俱进的相关政策相对缺乏且更新缓慢。此外，资助政策偏重高新技术行业。与其他行业相比，农业行业性质和技术创新模式差异较大。将非农领域的政策生搬硬套到农企，容易产生政策失灵。第二，当受助力度偏低时，农企可能更注重短期效益，而忽视长期发展。从农业内部来看，农业基础设施和农户种植是农业补助的重点，而对农企的关注不够[18]。政府R&D直接资助对农企的扶持力度偏小，加上农企自身微利和弱质的特征，政策影响力有限。从行业对比来看，与工业平均水平相比，政府对农企的资助和农企R&D投入均处于较低水平[19]。第三，政府对农企的资助存在“二八现象”，即少数农企的获助力度和自身R&D强度均远超其他企业[1]。资助结构失衡使得大多数农企的获助力度和强度都低于均值，政府R&D直接资助影响农企绩效的覆盖面有限，政策整体和长期的效果难以显现。第四，为保护农民利益、防止农产品价格波动威胁经济稳定，政府往往对农产品实行价格保护，这使得农企的部分收益转变为隐性补贴。政府“补位”不“越位”，才能在长期充分发挥市场机制作用。政府与市场关系协调才会避免产生扭曲效应。由此，提出如下假设：

假设2：从长期来看，政府R&D直接资助影响农企绩效易出现政策陷阱效应。

值得注意的是，政府R&D直接资助对农企绩效的短期驱动效应可能在长期转化为政策陷阱效应。第一，R&D直接资助虽然增加了企业账面价值，但农企复杂的内外部环境使得资金挪用风险高。自然方面，作为农企原料的农产品生长周期较长，易受天灾影响。市场方面，农产品生产和价格存在“蒜你狠”和“姜你军”式的潮汐现象。若生产不足，农企难以在短期内满足需求，从而获益不充分。若生产过剩，价格下滑，农民和农企都受伤。国贸方面，未来摩擦风险依然存在，进口农产品原料价格波动的不确定性增强，面向中国农产品出口的反倾销和反补贴诉讼不断增多。此外，新冠疫情还造成了消费市场低迷萎缩。第二，R&D投入促进绩效的成果被农企多元化经营稀释。政府R&D直接资助未能减缓农企涉足多元化经营的步伐。然而，农企盲目进入不熟悉的非农领域，削弱了农企的核心竞争力[20]。多元化经营可能挤出农企自身的R&D投入，在战线拉长的情况下，农企绩效难以得到保证。第三，政府R&D直接资助虽然有助于农企融资，但资金流向可能偏离R&D轨道。我国农业资源丰富，这使得农企更容易通过资源开发和基础设施建设获得政府资助和短期利益[21]。如果短期内基础设施和资源开发带来的投资收益率越高，农企越容易忽视研发和软环境建设，从而损耗长期发展的动力。第四，出于粮食安全和国计民生考虑，政府对农业的资助聚焦于基础设施和资源[22]。农企在农业种植、畜牧、水产养殖和农产品加工等方面具有天然的产业优势，这使得农企绩效对资源开发有较高依赖。如果过分依赖资源，将诱发“资源诅咒”与“荷兰病”。监管不健全和寻租行为也会挤出R&D资助的效果，在信息不对称和道德风险的推动下，受助农企可能出现“越补越亏”的现象。由此，提出如下假设：

假设3：整体而言，政府R&D直接资助提升农企绩效的效果难以显现。

三、研究设计

1.模型设定

评估政府R&D直接资助影响农企绩效的效果需要解决两个问题：第一，由于企业的初始条件不同，在评估政府资助效果时，直接对比R&D受助和未受助企业的绩效状况，会导致样本选择偏误；第二，政府R&D直接资助与企业绩效互为因果，存在内生性问题。传统解决办法是采用工具变量，但有效的工具变量很难找到。为此，现有研究更倾向于采用倾向得分匹配(PSM)来解决上述问题[10]。

(1)

农企获得政府R&D直接资助的概率为：

P(treatkt=1)=

φ(xk,t-1,ownershipt,industryt,regiont,yeart)

(2)

式中，ownershipt,industryt,regiont和yeart分别为所有制、行业、地区和年份虚拟变量。xk,t-1为滞后一期的协变量，采用滞后变量的原因有二：一是政府往往根据上期的企业状况来选择是否对其资助；二是协变量与企业绩效不同期，能在一定程度上规避内生性问题。通过Probit方法对上式估算，可得处理组农企(i)和对照组农企(j)获助概率分别为Pi和Pj。式中，Ap为处理组和对照组倾向得分取值的重叠范围，ω(i,j)是采用核匹配方法确定的权重。于是，政府R&D直接资助对农企绩效的因果效应为：

(3)

2.变量选择及度量

(1)因变量

企业财务绩效即某个时期的区域经营效益和业绩，包括盈利、偿债和发展等多个维度[23]。学术界从不同视角来衡量企业绩效，主要有三类：第一，全要素生产率(TFP)，通过完整的投入产出指标来衡量。但产出指标不齐全，例如上市公司缺乏新产品产值的数据，而我国专利保护也不容乐观，模仿现象较为普遍。第二，市场指标，如托宾Q。但托宾Q一般适用于成熟的资本市场，国内这方面尚不完善。财务指标是企业价值的核心，比托宾Q更能体现企业绩效[24]。第三，财务指标。如主营业务利润率(PMF)和资产收益率(ROA)等。本文选取主营业务利润率衡量农企的财务绩效。一方面，R&D资助最终落实到农产品的升级和收益，采用主营业务利润率更为合理；另一方面，涉农企业可能存在多元经营的情况，主营业务利润率能够剔除这些非农业务对绩效的影响。为方便对比，在分类分析时，也将ROA作为因变量。

(2)协变量

综合现有文献，协变量的选择如下：

研发强度(intens)：研发强度反映了企业对创新的努力和重视程度，采用研发投入与营业总收入的比重来衡量。

研发投入(rdspe)：研发投入反映企业R&D的力度，采用研发投入来衡量。

资本密度(caden)：资本密度即企业的人均固定资产净额，资本密度高表明企业的资本和技术的密集程度高。为获取更高的附加值，企业也更加重视R&D，政府也更倾向对这类企业进行R&D直接资助。

盈利能力(proab)：盈利能力反映企业获利能力和管理效能，是企业利益相关方关注的核心问题之一，采用净利润占总资产的比重来衡量。

企业规模(toas)：企业规模是政府资助的重要参考指标，采用总资产来衡量。从政府视角来看，R&D直接资助偏向于具有规模经济优势的企业，从企业视角来看，生存和发展压力使得中小规模企业R&D动机和申请政府资助的动力更强烈。

成长能力(grca)：成长能力反映了企业未来的发展潜力，采用当期营业收入的差分与营业收入的比值来衡量。根据企业生命周期理论，在企业发展的不同阶段，企业对待R&D的态度和绩效状况可能存在差异。

资产负债率(assli)：资产负债率反映企业的负债水平、贷款发放的安全程度和资金利用能力，采用负债占总资产的比重来衡量。

(3)数据来源及处理

基于申银万国行业分类标准，从A股上市公司中选择2011-2019年正常且持续经营的农业上市公司。政府R&D直接资助数据源自上市公司年报，并通过手工方式采集。其他样本数据来源于CSMAR数据库，少数残缺数据(如行业分类)由iFinD数据库补充。最终得到60家企业540个企业的年度观测值。由于本文考察企业是否接受R&D资助，而非资助次数对企业绩效的影响，且PSM存在有放回的匹配技术。所以，即便同一企业在样本期间内接受过多起R&D资助，也并不影响研究结论。

为减少数据波动性和量纲差异，对绝对量类型的变量取自然对数。为降低离群值的影响，对连续变量进行了1%的缩尾处理。由于技术和制度的限制，R&D资助难以在当期影响农企的绩效，资助效果通常在下一年才显现。本文保留农企接受政府R&D直接资助的记录，并将上一期协变量与当期资助变量相匹配。

四、实证结果及分析

1.PSM检验

只有通过匹配变量检验、平衡性和共同支撑检验，PSM的估计结果才稳健可靠，下文将逐一进行上述检验。

(1)匹配变量检验

表1给出了PSM的Probit与Logit估计结果，该表显示了所选变量是否显著影响农企绩效。从表1可见，除资本密度和资产负债率外，其他变量均在相应显著性水平上显著。限于篇幅，下文分析采用Probit法分析。

表1 Probit与Logit方法回归结果

(2)平衡性检验

为检验PSM是否较好地平衡了处理组和对照组的数据，对协变量在匹配前后的偏差进行了检验，结果见表2。表2显示，除资本密度匹配后的偏差为14.8%外，其他协变量匹配后的偏差绝对值均在10%以下。大部分变量匹配后偏差低于5%，这表明匹配效果较好。t检验表明匹配后处理组和对照组并无系统性偏差。对比匹配前的结果，匹配后绝大多数协变量的标准化偏差显著减少，PSM平衡性假设基本满足。

表2 主要协变量PSM平衡性检验

(3)共同支撑检验

图2给出了匹配前后处理组和对照组的核密度函数，从中可见匹配前后样本的倾向得分差异和共同支撑情况。匹配前，受助和未受助农企的倾向得分存在明显差异。匹配后，这两者都得到显著修正。处理组和对照组倾向得分重叠部分的下界为处理组的极小值，其上界为对照组的极大值。图2显示匹配后重叠部分的比重超过95%，表明匹配后PSM的重叠假定得到较好满足。综上所述，PSM匹配效果良好。

图2 PSM匹配前后核密度函数图

2.全样本分析

表3给出了在资助力度、所有制、地区和行业四种分类标准下，受助农业绩效平均处理效应(ATT)的估计结果。资助力度分类是一种全样本检验，考察PSM方法下所有样本企业绩效的ATT估算结果。而所有制、地区和行业分类则是分样本检验。其中，所有制分类是以上市农企股权实际控制人为标准，考察国有与非国有农企的ATT。地区分类是把区域分为东部、中部和西部三种，考察不同区域农企的ATT。行业分类是基于证监会行业分类标准(1999)，将农企分为农业综合和涉农工业两类，考察不同类型农企的ATT。采用1999年行业分类标准的原因是上市农企数量较少，其他年份行业分类标准的类别较多，导致部分类别的企业数目过少，易出现估计偏误。为从多视角考察，本文同时给出了以主营业务利润率和总资产收益率作为企业绩效的检验结果。

表3 不同类别样本检验的平均处理效果

对于全样本资助力度分类而言，根据政府R&D直接资助的分布特征，将处理变量取值分界点分为0、50%分位数和75%分位数三类。依据相应分界点，识别处理变量的取值是1还是0。以政府R&D直接资助的50%分位数为例，若农企接受的政府R&D直接资助小于全样本资助额的50%分位数，则处理变量为0，否则为1。从样本数据来看，2010—2018年期间，约40%的农企在相应年份未获R&D直接资助，资助均值为180.5万，最大值为1.35亿元。与科技企业和工业相比，农企的受助力度和范围都较小。例如，仅无条件政府R&D资助一项，华为在2017和2018年分别获得6.71亿和9.69亿元。广东省2019年出台了激励科技型企业创新的12条措施，实施“加大企业创新普惠性支持”政策。

当以资助额为零作为处理变量分界点时，农企总资产收益率的ATT为负数。除此之外，其余资助力度下ATT均为正数，表明政府R&D直接资助在一定程度上有助于企业绩效的提升。从主营业务利润率来看，资助力度与ATT成正比，表明政府R&D直接资助能提升农企涉农业务的利润率。从显著性来看，政府R&D直接资助水平较高时，政府R&D直接资助能显著提升主营业务利润率。这表明若政府加大资助力度， R&D直接资助能显著提升农企在农业领域的利润率。由于农业产业仍处于弱势地位，农企盈利能力较弱，上市农企普遍存在多元化经营现象。绩效欠佳的农企更倾向于多元化经营。高资助力度下，R&D直接资助显著提升主营业务收益率，但对总资产收益率影响不显著，这表明资助政策有助于从事多元经营的农企将发展重心从副业转向农业主业。

3.分样本分析

分样本检验均以是否获得政府R&D直接资助作为处理变量的分界点。虽然我国经济转型升级进展较快，但在经济调整过程中，不同所有制农企依然面临政府资助和金融资源的差别性对待，为此需要检验政府R&D直接资助是否对不同所有制的农企绩效产生不同影响。从显著性来看，无论哪种所有制企业，R&D直接资助政策对农企绩效均无显著影响，资助政策在短期内未能有效提升各类所有制农企的绩效。从影响方向来看，R&D直接资助政策抑制了国有农企绩效，对非国有农企绩效产生一定推动作用。

中国各地资源禀赋和营商环境存在一定差异，为此，将农企分为东部、中部和西部三类，考察政府R&D直接资助是否对不同区域的农企绩效产生差异性影响。从影响方向来看，无论主营业务利润率视角，还是总资产收益率视角，政府R&D直接资助对东部和西部的农企绩效有一定的促进作用，但抑制了西部农企绩效。从显著性来看，短期内政府R&D直接资助对农企绩效的影响不显著。此外，不同行业的生产经营特征各不相同，为此，将农企分为农业综合和涉农工业两类，考察政府R&D直接资助是否对不同类型的农企绩效产生差异性影响。政府R&D直接资助抑制了涉农工业的企业绩效，但影响并不显著。R&D直接资助在一定程度上提升了农业综合的企业绩效，但仅在主营业务利润率视角下影响显著，表明R&D直接资助促进了农业综合类企业的主营业务。

4. 稳健性检验

为确保结论的可靠性，本文做了如下稳健性检验：第一，为消除时间、所有制、行业和地区对政策效果的影响，特设定了相应类型的虚拟变量，结果发现与相关因素未控制前的结论相同。限于篇幅，文中相应表格均是控制上述因素的结果。第二，倾向得分通过Probit或Logit方法估算，表1同时给出上面两种方法的估计结果。表1显示这两种方法的估计结果并无显著差别，这表明变量选择合理且结论稳健。第三，更换农企绩效的度量方式。文中农企绩效主要采用主营业务利润率来分析，为从更多视角对比考察，鉴于资本结构对ROA的影响较少，在分类分析时，也将ROA作为因变量。表2显示采用不同视角的因变量所得结论并无显著差异。第四，前文PSM估计方法为核匹配法，将其改为K近邻匹配法。上述稳健性检验结果均显示基本与前文结论一致。

5. 进一步分析

全样本检验结果表明，当以是否获助作为处理变量(treat)取值的分界点时，政府R&D直接资助难以有效促进农企绩效。当以政府R&D直接资助75%分位数作处理变量(treat)取值的分界点时，受助农企的绩效才获得显著提升。为此，下文考察高资助力度(treat取值的分界点为资助额的75%分位数)下，政府R&D直接资助对各类农企绩效的影响，结果见表4。表4显示，从主营业务利润率视角来看，在高资助力度下，政府R&D直接资助对东部、农业综合和非国有的农企绩效都产生了显著的促进作用，这表明资助政策有助于上述类型的农企发展农业业务。但在总资产收益率视角下，资助政策对农企绩效的影响并不显著。高资助力度下的检验结果进一步验证了农企多元经营背景下，R&D直接资助对农企专注农业主业有积极意义。综上所述，本文提出的假设均得到验证。

表4 高资助力度下分类样本检验的平均处理效果

五、结论与建议

本文从企业微观视角，探究相应类型下政府R&D直接资助对企业绩效的影响，最后在高资助力度下，对其进行拓展分析，研究结论如下：第一，R&D直接资助政策实施以来，我国农企绩效有所改善，但不足犹存。R&D直接资助对农企绩效的提升有一定的积极作用。除对涉农工业的主营业务收益率有显著抑制作用外，R&D直接资助短期内对不同所有制、地区及行业的农企绩效均无显著影响。第二，高资助力度有助于提升农企的主营业务收益率。与低资助力度相比，高力度的资助政策才显著提升农企的主营业务收益率。高力度的资助政策显著提升了东部、农业综合和非国有农企的主营业务收益率，但对总资产收益率并无显著影响。第三，资助政策有助于农企摆脱“主业弱势、副业碰壁”窘境，对农企做大做强主业有积极意义。资助政策有助于从事多元经营的农企将发展重心从副业转向农业主业，高资助力度下的检验结果进一步验证了上述结论。

基于上述研究结论，提出如下政策建议：第一，构建提升农企绩效的宏观利好环境与微观保障措施。一方面，现有R&D支持政策主要偏向于科技型和工业类企业，面向农业和农企的扶持力度较小，亟待国家进行立法支持；另一方面，现有微观保障措施并未很好地配合R&D直接资助政策，激励企业绩效合力的形成需要更完善的配套支撑政策。只有宏微观环境进一步改善，R&D直接支持政策才能充分发挥适合农企特征的政策驱动效应。第二，提高农企的直接资助力度，减少“撒胡椒面”式的低效资助。资助不足无法有效促进绩效，资助过度可能导致产能过剩，甚至亏损。而且，监管不健全和寻租行为会产生挤出效应，导致“越补越亏”。实证结果也表明，中、低力度的普惠性资助方式不能有效促进农企绩效。在科学、严格的监督基础上，高力度资助方式的激励效果更好。为此，需要通过对资助农企的精准识别来实现科学的高力度有效资助。第三，通过创新提升农企绩效。支持农企在农业主业深耕细作是政府和企业义不容辞的责任。同时农企应加大研发力度，打造拥有核心知识产权的拳头产品，实现“争创新、促绩效、谋发展”的良性循环。