农业生产效率的测度及影响因素实证考察——基于2007—2020 年重庆市面板数据

周鹏飞，沈 洋

（1.重庆师范大学 经济与管理学院，重庆 401331；2.华侨大学 数量经济研究院，福建 厦门 361021）

一、引言

在经济下行压力加大、 国际国内风险明显上升， 特别是在新型冠状病毒肺炎疫情持续系统性影响的复杂局面下，稳住农业基本盘、发挥 “三农” 压舱石作用至关重要。 解决好发展不平衡不充分问题，重点难点在 “三农” ，迫切需要补齐农业农村短板弱项，推动城乡协调发展［1］。突破瓶颈约束一方面需要持续挖掘农村转移劳动力的潜力， 另一方面则需要依靠创新驱动，提高全要素生产率［2］。因此， 提高全要素生产率对我国全面建成小康社会以及建设社会主义现代化强国具有重要意义。

回顾我国农业转型升级的过程， 广大地区仍然以 “小农经济” 为主要生产方式，并未彻底脱离 “小农经济” 的本质［3］，从而导致农业的生产效率偏低。 若要从根本上打破 “小农经济” 的生产经营方式则必须紧抓农业的规模化、机械化、现代化经营方式，提高农业生产要素的利用率，这也是我国农业转型升级实现高质量发展的必然路径和优势选择。

重庆是我国西部地区一个重要的经济增长极，集大城市、大农村、大山区、大库区于一体，农业是重庆经济发展的重要组成部分。 重庆地形单元以山地为主， 大城市与大农村并构的格局使得城乡二元经济结构的矛盾日渐凸显。农村人口多、耕地少，农业结构性矛盾突出，产业分布散、产业链条短，综合效益和竞争力不强［4］，加上发展现代农业的底子薄、基础弱，使得重庆农业的弱质性更加明显。 重庆振兴农业的关键落脚点要以农业供给侧结构性改革为主线，导向由增产转向提质，从过去的依靠增加要素投入转向提高全要素生产率，依靠创新来精准发力。 因此，测算和分析重庆这样一个典型区域的农业生产效率及其影响因素，精准识别农业转型发展中存在的问题，对于推动农业转型升级，提高农业创新力和竞争力，推动脱贫攻坚和乡村振兴的有效衔接， 实现农业现代化具有重要的政策参考价值。

二、文献回顾

生产效率是对农业生产过程中各类要素配置能力、 资源使用效率和全要素生产率等生产能力的综合考量。 自Farrell 提出用 “预估函数” 推断生产效率值以来［5］，众多学者围绕着农业生产效率，从不同角度展开了研究。 总结现有文献， 与文章话题相关的研究内容大致可以归纳为以下两个方面：

一是农业生产效率的增长核算、 空间分异及其收敛性分析等方面的研究。 从空间分布和区域异质性来看，现有文献对我国新疆自治区［6］、湖南省［7］、东北三省［8］等地区以及世界上各经济体、流域范围［9］等做了研究，并在省域范围内农业生产效率的空间延展性与时间变动趋势作了阐释。 从农业生产效率的增长潜力和空间延展性来看，王牧野认为中国设施农业面临着收益率和劳动生产率的双重劣势， 尽管设施农业的全要素生产率稳定增长，呈现出 “技术进步诱导+技术效率推动” 的增长模式，但仍是低水平增长［10］。 徐维祥考察了中国省级层面农业生产效率， 他认为2004-2019 年农业生产效率呈现出持续上升趋势，若将环境成本纳入统计范畴内的农业生产效率要低于未考虑环境成本时的结果； 区域差异整体呈倒 “V” 型变化态势，东西方向上是递减的，南北方向上反映为倒U 型趋势［11］。还有一部分学者对农业生产效率的增长源泉做了探究， 总结出农业纯技术效率［12］、工业化［13］和技术进步［14］是推动农业生产效率提高的重要来源。

二是农业生产效率的影响因素及其提升路径方面的研究。 周鹏飞发现三峡库区重庆段的农业绿色全要素生产率内在动能是绿色技术进步指数的提高，外部因素则是依靠公路基础设施、城镇化水平和金融支持， 同时还发现了财政支农和地区经济发展水平对农业 GTFP 有抑制作用［15］。 朱秋博从信息化的角度探究了农业信息化发展如何影响农业生产效率， 认为信息化对农业TFP 具有促进作用，但是受制于农村人力资本不高的原因使得统计结果并不显著［16］。杨均运用空间杜宾模型， 从农业基础设施和人力资本投资的角度探讨了其对农业生产效率的影响效应， 研究发现农村基础设施和农村人力资本对农业生产效率具有正向作用， 但只有技术设施的空间效应是显著的［17］。 此外，还有学者从农地确权和农地细碎化［18］、农户兼业行为［19］、农机械跨区域作业［20］、农业生产性服务［21］、数字普惠金融［22］和农村宅基地退出［23］等角度探讨了对农业生产效率的影响效应。

综上所述， 已有文献对农业生产效率进行了大量的探讨， 为本文测算重庆市农业生产效率和探寻外部改进路径提供了思路借鉴和方法启示，但仍然有边际改进的空间。 一方面由于学者对于不同地区、 不同发展阶段所使用的测度方法以及选取的投入与产出指标存在着较大差异， 这使得我国农业生产效率还未能完整地展现出一个客观全貌。同时宏观背景持续演变，产业发展战略也在深度调整， 我国农业生产效率呈现出多元化的表现形式。 尽管已有文献从不同地域或角度对我国农业生产效率进行了测算并揭示了其增长来源，也存在少部分文献对重庆市的农业生产面貌做了探究， 但仍主要是从整个区域层面或者经济功能区的角度出发， 其研究视角和数据样本尺度还比较大［24］。 因此，文章将研究视角扩展至县域层面，先是运用DEA 模型测算并刻画重庆市农业生产效率的整体面貌，然后是运用面板随机效应Tobit模型对其影响因素进行数理层面的验证， 深入剖析了影响重庆农业生产效率的外部因素， 研究其驱动机制并分析可行的转型路径， 这对于提高农业生产效率具有很好的理论启示意义和政策借鉴价值。

三、研究方法

（一）两阶段半参数DEA 模型

数据包络分析（DEA）是一种不需要预先估计参数和生产函数形式而用来比较技术效率的分析方法， 其最大的优点是仅依靠独立决策单元的投入产出数据， 并通过数学线性规划方法来做非参数估计， 现已被广泛用于各领域生产效率的评价研究［25-26］。 然而，传统的 DEA 两阶段法难以处理形式复杂且结构未知的序列相关性、 利用有限样本测算效率值可能产生的偏误性和环境变量与效率值间内生性的影响， 这会使得环境变量对效率值的统计推断失效。 Simar［27］在 Hirschberg［28］的基础上提出解决这些问题的自助法程序， 即两阶段半参数DEA 法。

两阶段半参数DEA 方法的关键是在第一阶段中使用投入产出数据集测算效率值。 假设有k个独立决策单元，各独立决策单元使用N 种生产要素 x（xk=(xk1，xk2…xkn）∈RN）进行生产，获得 M种合意产出 y（yk=(xk1，xk2…xkm）∈RM）。那么在技术条件 T 下，生产可能集表示为 P（x）={y∶（x，y）∈T}，投入的需求集表示为（y）={x∶（x，y）∈T}。 以生产可能集为例， 技术效率就表示为某个给定数据点与生产可能集边界的距离。 一般而言， 当存在非零松弛时， 径向测度方法要求投入产出同比例变动， 这会高估独立决策单元的效率。 因此文章主要使用Russell 非径向技术效率测算重庆市的农业生产效率。 对于特定的点（xi，yi），以产出为导向的CRS 模型为：

式（1）和式（2）中，y是一个K×M的产出矩阵，x是一个K×N的投入矩阵；P（x）是生产前沿面的最小包围面；θ（θ ≥1）衡量了数据点（xi，yi）与效率前沿值之间的距离；示当投入变量不变时第k个独立决策单元的产出可以按非比例增加的量， 将其取到数即可得到文章需要求解的生产效率值。在获取效率值之后的第二阶段，对s 个 样 本 点 ， 建 立 截 断 （Truncated Regression）回归方程式：

式（3）中，z表示所有环境变量的信息集，α表示待估系数，ξ为随机扰动项。 然后是对于每一个i = 1，2，…，s，从在点（1-azi）处左截尾的N（0，σ2）分布随机抽取εi； 再是二次计算每一个i = 1，2，…，s的 ρ*值，计算过程为 ρ*= αzi+ ε1；最后是使用最大似然估计法计算环境变量zi的系数α和标准误σ。 根据 Simar和Wilson［27］的研究，这种计算过程和抽取次数一般设定为100次。

（二）DEA-Malmquist指数法

农业生产具有典型的周期长、 动态性和连续性特征，在长期生产过程中，农业生产技术总是不断变动的， 例如土地流转带来的规模效应和使用现代农业机械带来的先进生产力， 而静态DEA方法无法刻画农业生产这些特征。 为更加真实地反映农业全要素生产率的动态演进趋势， 结合Malmquist指数和DEA模型构造t到t+1期的农业生产效率变动幅度， 引入基于投入产出的方向距离函数：

式（4）中，δ 为定向输出效率变量。从时期 t 到时期t+1 的Malmquist 生产率指数可以定义为：

式（5）中，x 为投入向量，y 为产出向量，D 为方向距离函数。 M 为农业全要素生产率， 即在时期t 的技术T 参照下，从时期t 到时期t+1 的生产点距离函数。 若t 到t+1 时期的生产效率处于增长状态，那么测算的M 指数大于1，反之则指数小于1。 为避免因时期选择的随机性造成的测算结果不同， 一般是采用多时期的几何平均值表征生产效率，即：

式（6）存在两个分解指数，即：

其中，effch 为技术效率指数， 反映的是各独立决策单元向着生产前沿面靠近的变动度， 是一种 “追赶效应” ；tech 反映的是t 到t+1 期技术边界的移动状况，是一种技术变动的 “增长效应” 。 两个指数结果的判定标准与M 指数保持一致。 在实际计算过程中，为避免线性规划无解和实现生产前沿技术集的一致性， 文章使用的是全局参比可能性集合的M 指数，其具体表现形式为：PG（x）=P1（x1）∪P2（x2）∪…∪PT（xT）。

四、效率测度与分析

（一）农业生产效率评价体系

评价农业生产效率需要建立科学合理的评价指标体系， 高效率的经济体往往能够通过使用较少的资源投入来获得较高的产出回报。 在农业生产效率的评价过程中， 基于农业五要素理论并参考沈洋［29］、金绍荣［30］和杨佳利［31］的做法，选取以下投入产出指标构建评价体系：

1.农业期望产出。 选择农林牧副渔总产值表示农业产出，为了消除价格影响，文章利用农居民消费价格指数以2007 年为基期做了平滑处理。

2.农业要素投入。一是土地投入。从实际情况来看，土地要素可以分为耕地面积和播种面积，考虑到可能存在耕地废弃和多季生产的情况， 为了有效反映土地的实际利用情况， 选取农作物播种面积代表土地投入；二是化肥投入。化学肥料代表了在农业生产过程中氮肥、钾肥、钾肥，以及复合肥的实际使用量，选取化肥施用量（折纯量）来表示化肥投入； 三是农村用电量。 用电量是衡量一个地区经济活跃的重要指标， 其主要包含了农业生产活动以及农民生活行为两个指标。 随着农业规模化和机械化地推进，农作物播种、灌溉、收割、处理等活动大量使用机械， 现阶段大量的农用机械也主要以电能为动力能源；四是农药投入。农药反映出农民为消除病虫害带来的影响而使用的投入。五是劳动力投入；为有效反映一定时期内农业的实际劳动力投入数量， 文章选取所有从事农业生产的人作为劳动力投入。

（二）效率值实证分析

1.静态生产效率

基于上文对农业生产效率投入产出评价体系的设定， 在规模报酬不变和产出导向的农业生产效率测度结果见表1。

表1 2007-2020 年重庆市农业生产效率测度结果

由表 1 可知，2007—2020 年重庆市 37 个区县的Russell 非径向效率值的均值为0.591， 表明考察期内重庆市农业效率还有较大的改进空间。从整个考察期全局角度来看， 重庆市农业生产效率的变动呈现先下降后上升的U 型趋势。 再从各区县具体来看， 其分布格局朝着两头小中间大的 “橄榄型” 状态推进，区域间效率差异持续缩小。最后从各区县生产效率的均值来看， 只有江北区效率值为1，永川、南川和潼南等9 个地区生产效率低于0.5，这暗含着以往生产效率较低的地区不断模仿学习高效率地区， 在固定生产前沿面条件下大部分地区的技术效率得以提高。

2.动态全要素生产率

囿于DEA 模型测算的是静态效率，无法反映农业生产的动态性和连续性等特征。对此，此部分从动态角度出发，运用全局M 指数解析重庆市农业全要素生产率的动态变动情况。

由表 2 可知，M 指数的均值为 0.994， 表明2007—2020 年重庆市农业全要素生产率呈现下降趋势。从其分解项来看，重庆市农业全要素生产率维持在一个较高水平值的驱动力来源于规模效率的改善， 而农业技术进步指数持续恶化是抑制生产效率的重要障碍因子， 因而推动农业全要素生产率增长的内在动力是各区县相互模仿学习的追赶效应，农业技术产生的 “增长效应” 不明显。从具体区域来看， 重庆市大部分地区农业全要素生产率主要呈现恶化趋势。同时，各地区分解的指数也印证了农业全要素生产率的驱动力是规模效率而不是技术进步。这个结论与上文DEA 静态效率值的结果有所不同，甚至出现了截然不同的结论，产生这种相悖结论的原因是不同模型的技术参考集和生产前沿面不同。 Russell 非径向效率主要是基于当期生产技术测算出来的结果，而全局M 指数测算的结果则是将所有时期的生产技术集作为参考标准，因而技术集和生产前沿是截然不同的。

表2 2007-2020 年重庆市农业生产效率M 指数

五、影响因素实证考察

（一）影响因素

为厘清影响农业生产效率的外部因素， 本部分以重庆市农业生产效率为被解释变量， 在此基础上构建面板Tobit 模型， 以进一步明晰影响重庆市农业生产效率的因素。 相关文献主要从宏观经济的角度来分析其影响， 因而文章主要从以下六个方面来探讨：

1.城镇化（Urban）。 在典型的二元制经济结构中， 城镇化对农业生产效率既有推动作用也有抑制作用［32］。 一方面，大量的青壮年劳动力涌入城市，使得农村主要劳动力大量流失；另一方面，城镇化大量占用农业生产资料，例如土地、水等，使得农业生产发展更加艰难。与此同时，城镇化水平的提高使得大量的人口涌入都市， 这就为农业规模化经营、机械化操作提供可能。文章选取城镇人口占总人口的比重作为城镇化的代理变量。

2.金融信贷（Fin）。 金融作为现代农业经济正常运行的 “血液” ，在金融扶贫和乡村振兴过程中发挥着重要作用。同时服务于实体经济，助力农业健康发展正是金融天然使命所在［22］。 农业作为人类有史以来唯一长盛不衰的产业， 提高农业生产效率所需要的农业基础设施、 农业技能、 先进装备、农业种子和劳动力都离不开资金支持。一般而言， 金融信贷可以破解农业企业在技术创新和组织变革中遇到的资金短缺问题， 这能推动农业技术进步和提升管理效率［33］。 金融信贷能解决农户信贷约束和提高资金可得性， 通过信贷支持为农业发展 “输血” ，从而解决农业生产过程中资金供需矛盾难题。因此，金融信贷能破解农业技术的资金短缺问题， 从而有助于农业技术创新和优化农业要素投入组合，有助于提高农业生产效率。文章选取人均贷款余额作为金融信贷的代理变量。

3.道路通达度（Road）。在农业生产过程中，交通运输便利了城乡之间的交流， 进而促使区域内人员交流、 农产品贸易增加， 促进区域经济的增长。 夏明学［34］指出乡道公路对农村地区经济起显著作用，而县道则起着极其重要的作用。但由于各地区农业结构不同，各种公路所起的作用不同。文章选取各类型的公路总里程作为道路通达度的代理变量。

4.城乡收入差距（Gap）。由于城市和乡村间的要素禀赋有所差异， 生产要素会从禀赋较差的地区流向禀赋较好的地区， 具体反映为拥有高技能水平的劳动力或产出效率较高的企业会集聚在资本回报率更高的地区， 而能力较低的主体则会选择那些市场竞争不大但资本回报率较低的地区或产业。由于城市内部的要素流动属于要素再配置，不会涉及资源总量的增减， 此时在空间分类和空间选择机制影响下， 农业生产主体会从流向那些收入较高的产业， 由此城市收入分化引致的城乡收入差距对农业生产最直接的影响就是扭转了以往农业生产的劳动力配置格局， 过大的收入差距会使得乡村要素 “失血” 和资本 “外逃” ，因此对农业生产效率产生影响。 文章选取农村居民可支配收入与城镇居民可支配收入的比值来衡量城乡居民收入差。

5.财政支农（Gov）。多数学者认为财政支农补贴能够调动农业生产主体的生产积极性， 对农业生产效率有积极作用。一方面，农业财政补贴通过增加农户转移收入、 提高农业生产者继续教育和接受专业培训的机会， 从而提高农业生产者的投资能力和经营能力； 另一方面财政支农补贴中的信贷补贴能够为农作物流通过程中的收购、运输、仓储和加工等环节提供财政贴息， 在为农业生产者提供及时有效的融资渠道的同时还能降低融资成本，从而提高农业生产效率［35］。 文章选取财政用于农林水务支出额作为财政支农的代理变量。

6.工业化（Ind）。 工业化的生产理论与方式对农业生产有着较为明显的影响， 工业化进程中伴随的生产组织化、 专业化和规模化特征使得工业生产效率显著高于农业生产［13］。 亚当·斯密在分工理论中指出因农业分工的有限性使得农业生产效率要低于制造业。 在工业化初期， 农业自身并不具备马尔萨斯陷阱和实现 “起飞” 的条件，其发展必须借力于 “工业化” 等外部性力量的驱动，或者说该阶段农业发展的突出特征是外部性和被动性［36］。 劳动力的工业化配置扭转了传统劳动力过密化的要素组合结构，农业资本—劳动比提高，相应地， 劳动密集型传统农业生产体系逐步转向以资本广化和资本深化的资本密集型［37］。 从经济实践来看， 随着工业化进程朝着农村腹地深入推进， 其携带的资本深化能带动农业向着农业生产服务外包化、机械化和集群式跨区域协作转变。作为技术进步在劳动工具层面的具体反映， 工业化能为乡村和农业生产提供农业机械和现代工具，这能节约劳动力成本和优化资源配置效率， 由此带来生产效率和管理效率两方面的提高。 文章选取第二产业增加值占区域生产总值的比重作为工业化的代理变量。

（二）计量模型

在做回归时， 连续型的被解释变量有的时候因为截断或截堵而只能选取一定范围的值， 因传统线性OLS 模型忽略了因变量的约束条件，当非线性扰动项被纳入扰动项中， 这会导致估计量不一致。 Tobit 认为用MLE 对模型进行估计的结果更为稳健。 一般而言，面板固定效应Tobit 模型无法得到一致和无偏的估计量， 所以选用随机效应Tobit 模型作为基准回归模型。可得到以下非线性Tobit 估计模型：

式（9）中，y 表示农业生产效率值，此处使用的是Russell 非径向效率值；a 为各解释变量的相关系数；a0为常数项； 下标i 和t 分别为地区和年份；ε 为随机扰动项，独立且服从正态分布。 在实际拟合计算过程中， 为降低异方差干扰和缩小各变量的数量级， 文章对所有解释变量作了对数化处理。

（三）实证分析

文章参照冯宗宪［38］的做法，采用截面数据与时间序列混合的样本集重新估算非径向效率值，这也相当于是得出一个跨年度的共同农业生产前沿面， 使各地区的农业生产主体在同一标准下作相对比较分析。 李新春［39］也认为，若对不同地区或不同产业的效率值进行估算时若采用不同的生产前沿面， 不仅会使得不同地区的生产效率无法跨年度比较， 还会使得环境变量对其的统计推断难以反映真实情况。 为揭示影响重庆市农业生产效率的宏观外部因素，结合式（9）设定的计量经济学模型， 使用STATA 17.0 软件对重庆市2007—2020 年37 个区县的面板数据进行拟合计算。 考虑到单一模型的拟合结果不能不稳健， 文章效仿Badunenko［40］的思路，同时给出了基于混合截面数据的 Tobit、Truncreg 和 Simarwilson 三种模型的估计结果作为对照。

由表3 可知， 从环境变量对农业生产效率的影响方向来看，财政支农、金融支持、收入差距和道路通达度对农业生产效率的影响显著为正，符合预期。 但城镇化和工业化对农业生产效率的影响显著为负，不符合预期。 其可能的原因是，在城镇化发展初期， 城镇非农部门利用优于乡村或农业部门的初始条件，并在市场机制和 “城市偏向” 政策的激励下， 工业部门和服务部门通过产业集聚和人口集聚所伴随的 “极化效应” 和 “虹吸效应” 对农业生产部门的资源要素具有很强的吸力，大量的优势资源和先进生产力逐步 “逃离” 乡村，这就产生了城镇化快速发展与农业农村部门 “失血” 过度并存的失衡状态。长此以往，农业部门会严重滞后于城市化进程， 城乡二元结构的弊端进一步凸显， 即城镇化的发展是不利于提高农业生产效率的［41］。 重庆是集 “大城市、大山区、大农村、大库区” 于一体的综合立体化城市，同时 “三山夹两谷” 的地形地貌限制了城市资源流向乡村腹地， 这就造就了重庆市在推进城镇化的进程中需要从更多方面统筹城乡协调发展， 同时囿于现阶段重庆市城镇化水平仍处于较低层次， 中心城区对周边县城的吸附效应较大， 县域核心城区对乡村劳动力和优质资源的吸引力较强。因此，重庆市的城镇化整体上是不利于提高农业生产效率的。 从工业化角度来看， 由于农业比较收益和劳动边际生产力还不够高，在工业对农业的 “反哺” 机制和资源回流渠道还未完全畅通的情况下， 将会导致人力资本、 资金资本和技术资本等在内的优质资源外流，农村老龄化、空心化现象进一步固化，这种工业与农业部协调的现象抑制了农业生产效率［42］。

表3 实证检验结果

六、研究结论与政策建议

研究表明，2007-2020 年重庆市的农业生产效率均值为0.591， 先后经历了下降再上升的U型演化过程， 且重庆市各区县的农业生产效率差距正在缩小，两端小中间大的 “橄榄型” 分异格局进一步凸显。 考察期内重庆市农业全要素生产率年均下降0.6%，产生效率损失的根源是技术效率指数持续恶化。尽管规模效率呈现增长之势，但还不足以弥补技术效率损失造成的全要素生产率下降。 第二阶段随机效应Tobit 模型显示， 财政支农、 金融信贷和道路通达度对农业生产效率的影响显著为正，而工业化、城镇化和收入差距对农业生产效率的影响却是显著为负的， 这一结论在经过一系列稳健性检验后依然成立。 为进一步提高重庆市农业生产效率，助力打造中国 “经济增长第四极” ，结合研究结论，文章提出以下政策建议：

第一，以农业科技创新为切入点，健全农业科技创新机制。农业科技创新离不开国家、企业和科研院所对农业科技的投入， 应鼓励农业科研院所与新型农业经营主体的协同合作， 鼓励农业技术创新要素逐步向其转移，全面提升农业技术开发、产品熟化与产业化发展的能力。与此同时，完善利益分配机制， 倡导和推进农业专利技术产业化和市场化进程，加快建设农业科研技术队伍，推动成熟适用的农业科技应用规模， 促进产学研深度融合。

第二， 加快构建全域乡村振兴规划金融管理机制，完善拓展涉农金融服务链条。各地区应坚持兼顾当前和谋划长远相结合的原则， 因地制宜地结合乡村振兴重点、难点和支点，打通金融服务供给 “最后一公里” ，推进金融资金在农业生产、基础设施完善和基层乡风文明建设等方面投入和支持。同时应多矩阵构建农村金融供给主体，搭建商业型为主和政策性为辅的金融供给体系， 强化商业银行、 政策性银行等金融中介在完善农村金融服务中的责任意识，鼓励政府、合作社和银行合作推出惠农金融产品， 发展以农村产权抵押为主的多种融资渠道。 用好财政补息、贴息的政策扶持，拓宽金融服务方式、功能和范围，持续完善数字普惠金融产品供给。 针对农户和涉农小微企业个性化和差异化金融服务需求，可以在经营授权、客户准入、 业务流程和产品创新等方面出台差异化政策。

第三，加强涉农资金监督管理，优化财政支出结构。按照全过程预算管理相关要求，系统且全面地梳理各项涉农资金项目名录， 围绕补齐财政支持乡村振兴的短板， 极力促进形成多元化投入目标格局，充分利用好财政 “四两拨千斤” 的作用。强化针对农村要素一般公共预算支出的财政补贴绩效，提高对农业风险保障、农业科技、农产品技术研发等方面的补贴力度， 坚持并完善最低收购价政策，推动建立良种补贴、种粮补贴和农资补贴等 “多合一” 调控体系。通过 “以奖代补” 的方式，探索开拓新的补贴系类科目， 发挥好财政政策对乡村产业发展的引导作用。 实施好农林水支出预算执行情况的统计监测工作， 严格把控财政涉农资金的监督检查和绩效考核环节，规范完善 “大专项+任务清单” 的管理模式，及时修订财政支农资金管理办法和目标， 提高财政支农资金的均衡性和安全性。