林下養(yǎng)雞貸款貼息政策取消對農(nóng)戶養(yǎng)殖規(guī)模增長率的影響

楊 卓，羅興武，黃 瑋

（1.浙江樹人大學(xué)管理學(xué)院，浙江杭州 310011；2.浙江財經(jīng)大學(xué)工商管理學(xué)院，浙江杭州 310018；3.浙江省林業(yè)資金管理中心，浙江杭州 310018）

林下養(yǎng)雞作為一種新型的養(yǎng)殖模式，已經(jīng)在全國各地興起，并在廣西、四川、重慶等省（市）取得了顯著成效。相比于傳統(tǒng)養(yǎng)雞業(yè)，林下養(yǎng)雞具有單位土地面積利用率高[1]、降低養(yǎng)殖飼養(yǎng)成本支出[2]、雞肉雞蛋產(chǎn)品更受消費者喜愛[3]等顯著優(yōu)勢。為推動林下養(yǎng)雞業(yè)的發(fā)展，政府部門制定了一系列的財政扶持政策，其中財政部、國家林業(yè)和草原局制訂的林業(yè)貸款貼息政策，在2016 年將林下養(yǎng)雞納入扶持范圍，但又于2018 年將其剔出扶持范圍。這為深入了解林下養(yǎng)殖扶持政策取消對農(nóng)戶養(yǎng)殖規(guī)模增長的影響提供了研究情境。

從研究現(xiàn)狀來看：第一，學(xué)者已經(jīng)就養(yǎng)殖業(yè)政府補貼的積極作用及其作用原理開展了一系列實證研究。研究分別表明，政府補貼對于肉牛（奶牛）養(yǎng)殖[4]、生豬養(yǎng)殖[5]、林下養(yǎng)雞[6]都有一定激勵作用，有利于減少農(nóng)戶（農(nóng)業(yè)企業(yè)）投融資的成本，增加進一步追加養(yǎng)殖投入的可能性。第二，有研究發(fā)現(xiàn)并非所有類型的肉牛補貼政策對肉牛養(yǎng)殖戶積極性都具有同等的正向促進作用[4]；關(guān)于西北地區(qū)肉牛養(yǎng)殖的研究也支持了補貼類型對養(yǎng)殖技術(shù)效率的影響存在差異，其中凍精補貼的影響是正向的，而母牛補貼的影響是負向的[7]。第三，學(xué)者已經(jīng)開始關(guān)注政府補貼的負面影響，尤其是政府補貼取消后可能帶來的負面影響。關(guān)于戰(zhàn)略性新興產(chǎn)業(yè)的研究指出，在政府補貼的強刺激下，產(chǎn)業(yè)呈現(xiàn)出“政策存在則發(fā)展、政策退出則衰落”的補貼依賴癥[8]。關(guān)于大豆補貼的研究也表明，大豆生產(chǎn)者補貼政策更有利于引導(dǎo)農(nóng)戶增種大豆，若政策調(diào)整，則會使大豆種植面積出現(xiàn)一定程度的下滑[9]。

本文基于浙江省林下養(yǎng)雞行業(yè)634 戶養(yǎng)殖戶的調(diào)查，采用多元回歸分析法研究林下養(yǎng)雞貸款政策取消對農(nóng)戶養(yǎng)殖規(guī)模增長率的影響，以及享受補貼的時間長短、往年養(yǎng)殖規(guī)模、往年資金投入結(jié)構(gòu)、所處區(qū)域等變量在這一影響機制中發(fā)揮的作用，從而揭示政府補貼政策取消對不同農(nóng)戶養(yǎng)殖規(guī)模增長率的差異化影響。

1 研究方法

1.1 樣本選擇與數(shù)據(jù)收集 本文以浙江省林下養(yǎng)雞行業(yè)作為研究情境。2016 年國家林業(yè)和草原局將林下養(yǎng)雞納入貼息范圍后，浙江省積極宣傳，主動組織各市縣開展農(nóng)戶林下養(yǎng)雞貸款申報工作，2016 年和2017 年全省向國家申請政策扶持的縣域為12 個。研究團隊于2019年1—5 月在這些縣域相關(guān)政府主管部門的協(xié)助下，收集了相關(guān)數(shù)據(jù)，其中包括：1）所有獲得林下養(yǎng)殖貸款貼息的農(nóng)戶數(shù)據(jù)；2）未獲得林下貸款貼息的農(nóng)戶數(shù)據(jù)，包括2 種情形，一種是有貸款且曾向主管部門申請但最終未獲得貼息的農(nóng)戶，另一種是有貸款且曾向主管部門咨詢但最終未申請貼息扶持的農(nóng)戶。采取這種取樣方式盡管未能獲取開展林下養(yǎng)殖但未獲取貼息的所有農(nóng)戶的數(shù)據(jù)，但優(yōu)勢在于可以使獲得貼息和未獲得貼息的農(nóng)戶在是否貸款這一屬性上保持一致，有助于一定程度上降低“反事實情形”的存在[10]。本次調(diào)查最終共獲得702份問卷，考慮到因變量農(nóng)戶養(yǎng)殖規(guī)模增長率為跨年數(shù)據(jù)，對養(yǎng)殖年限不滿2 年的養(yǎng)雞戶進行剔除，最終共獲得有效問卷634 份（表1）。

1.2 變量測量和模型構(gòu)建 變量的類型、名稱、測量方式見表2。本研究因變量為農(nóng)戶林下養(yǎng)雞規(guī)模增長率，計算時的養(yǎng)雞數(shù)量為全年總養(yǎng)殖數(shù)量，包括肉雞和蛋雞。

由于林下養(yǎng)雞貸款政策取消主要是對之前享受過補貼政策的農(nóng)戶產(chǎn)生影響，因此為了檢驗政策取消對農(nóng)戶養(yǎng)殖規(guī)模變動的影響，本文設(shè)置了自變量農(nóng)戶享受林下養(yǎng)雞貸款貼息，變量為二值虛擬變量，描述的是農(nóng)戶在2016、2017 年里享受林下養(yǎng)雞貸款貼息的情況。本文還設(shè)置了變量享受補貼時間的長度，主要檢驗的是補貼時間差異是否會使政策取消后農(nóng)戶養(yǎng)殖規(guī)模變動產(chǎn)生差異，以此考量對曾經(jīng)享受過貼息政策的農(nóng)戶的影響。

調(diào)節(jié)變量主要考慮3 個，即農(nóng)戶往年養(yǎng)殖規(guī)模、農(nóng)戶往年資金投入結(jié)構(gòu)、區(qū)域。其中農(nóng)戶往年養(yǎng)殖規(guī)模和農(nóng)戶往年資金投入結(jié)構(gòu)主要是關(guān)于農(nóng)戶養(yǎng)殖方面的屬性，考慮到農(nóng)戶對往年數(shù)據(jù)的回憶偏差以及不同時期農(nóng)戶養(yǎng)殖規(guī)模和資金投入結(jié)構(gòu)的差異，本文在測量往年養(yǎng)殖規(guī)模和往年資金投入結(jié)構(gòu)2 個變量時僅考慮前2 個年度的情況。區(qū)域主要檢驗農(nóng)戶所處區(qū)域的差異是否會使政策取消后農(nóng)戶養(yǎng)殖規(guī)模增長率產(chǎn)生差異，有研究指出地區(qū)差異會影響政府補貼政策的成效[8]。對于經(jīng)濟較為發(fā)達、市場較為完善的區(qū)域，農(nóng)戶通?？梢越柚娲缘馁Y金來源來抵消政府補貼政策取消產(chǎn)生的負面影響。本文對區(qū)域的測量主要通過設(shè)置1 個二值虛擬變量來實現(xiàn)，按照浙江省2017 年統(tǒng)計年鑒中的全年地區(qū)生產(chǎn)總值（GDP）將樣本農(nóng)戶所處的12 個縣域數(shù)劃分為兩檔，其中GDP 處于前50%的賦值為1，包括瑞安市、富陽區(qū)、安吉縣、蓮都區(qū)、浦江縣、青田縣；GDP 處于后50%的賦值為0，包括縉云縣、龍泉市、開化縣、遂昌縣、松陽縣、慶元縣。

此外，借鑒以往研究成果，本文對農(nóng)戶年齡、農(nóng)戶受教育程度、養(yǎng)殖戶用工數(shù)變量、農(nóng)戶養(yǎng)殖年限等變量進行了控制。

基于此，本文構(gòu)建了6 個實證模型用于分析林下養(yǎng)殖貸款政策取消對林下養(yǎng)雞戶養(yǎng)殖規(guī)模增長率的影響，以及享受貼息的年限、往年養(yǎng)殖規(guī)模、往年資金投入結(jié)構(gòu)、區(qū)域4 個變量在這一影響中發(fā)揮的作用。

模型（1）檢驗的是控制變量（包括調(diào)節(jié)變量）對林下養(yǎng)雞農(nóng)戶養(yǎng)殖規(guī)模增長率的影響；模型（2）檢驗的是林下養(yǎng)雞貸款貼息政策取消后，農(nóng)戶先前是否享受過貼息政策對養(yǎng)殖規(guī)模增長率的直接影響；模型（3）檢驗的是對于獲得林下養(yǎng)雞貸款貼息的農(nóng)戶來說，享受補貼的時間長度的影響作用；模型（4）檢驗的是往年養(yǎng)殖規(guī)模的調(diào)節(jié)作用；模型（5）檢驗的是往年資金投入結(jié)構(gòu)的調(diào)節(jié)作用；模型（6）檢驗的是所處區(qū)域的調(diào)節(jié)作用。模型中核心變量的英文名稱詳見表1，α0、β0、χ0、δ0、ε0、φ0為常數(shù)項，α1—α7、β1—β8、χ1—χ8、δ1—δ9、ε1—ε9、φ1—φ9分別為各變量的系數(shù)，ζ為誤差項。本文采用普通最小二乘分析法（OLS）對上述研究模型進行檢驗。在檢驗先前養(yǎng)殖規(guī)模、先前資金投入結(jié)構(gòu)、區(qū)域3 個因素的調(diào)節(jié)影響時，為了盡可能降低變量之間共線性對回歸結(jié)果帶來的不利影響，本文在計算交互項時，對變量進行了中心化處理。

2 結(jié)果

2.1 描述性分析 變量的描述性統(tǒng)計結(jié)果見表3，先前享受過林下養(yǎng)雞貸款貼息政策的農(nóng)戶有226 人，占35.6%。相比于2017 年，2018 年農(nóng)戶養(yǎng)殖規(guī)模平均增加33.5%，說明總體上林下養(yǎng)雞規(guī)模呈上升態(tài)勢，這可能與政府鼓勵林下養(yǎng)雞以及肉雞、雞蛋價格上漲有關(guān)。農(nóng)戶2016—2017 年的平均養(yǎng)殖規(guī)模為133 只，2016—2017 年平均將27.1% 的資金投入到雞舍、設(shè)備等固定資產(chǎn)上。相比于2017 年，農(nóng)戶固定用工數(shù)增加的比例為40.7%。高中以下的農(nóng)戶占95.1%，說明農(nóng)戶普遍受教育水平不高。農(nóng)戶平均年齡為43 歲，最小的為35 歲，最大的為62 歲，這與實際情況也較為符合。農(nóng)戶平均養(yǎng)殖年限為5.84 年。

2.2 農(nóng)戶是否享受過貼息政策在養(yǎng)殖規(guī)模增長率上的均值比較分析 如表4 所示，享受過貼息的林下養(yǎng)雞農(nóng)戶在政策取消后的養(yǎng)殖規(guī)模增長率均值為20.5%，而未享受過貼息的農(nóng)戶則為40.7%，二者相差20.2%。T 值為3.684，顯著性水平為0.000，說明享受過貼息和未享受過貼息的林下養(yǎng)雞農(nóng)戶在政策取消后的養(yǎng)殖規(guī)模增長率存在顯著差異，95%置信區(qū)間不包括零值也進一步證實了這一結(jié)論。

2.3 回歸分析 如表5 所示，模型（1）結(jié)果顯示，往年資金投入結(jié)構(gòu)對農(nóng)戶養(yǎng)殖規(guī)模增長率存在顯著正向影響，說明農(nóng)戶往年資金投入到固定資產(chǎn)上的比例越高，農(nóng)戶養(yǎng)殖規(guī)模的增長率越高；區(qū)域?qū)r(nóng)戶養(yǎng)殖規(guī)模增長率的影響，在模型（3）中為在0.01 水平上顯著，在模型（2）、（4）和（6）中為在0.1 水平上顯著，在模型（1）和（5）中接近0.1 顯著水平，說明經(jīng)濟發(fā)達地區(qū)的農(nóng)戶的養(yǎng)殖規(guī)模增長率較高。其他變量的影響系數(shù)在統(tǒng)計學(xué)意義上不顯著，但影響方向與實際情況均較為吻合，說明在本研究樣本里，這些變量并不是影響農(nóng)戶養(yǎng)殖規(guī)模增長率的重要變量。

模型（2）結(jié)果顯示，先前是否享受貸款貼息對農(nóng)戶養(yǎng)殖規(guī)模變動存在顯著負向影響（β=-0.203，P＜0.001），具體來說，享受過貸款貼息的農(nóng)戶在財政補助政策取消后的養(yǎng)殖規(guī)模增長率會較未享受補貼的農(nóng)戶低20.3%。這說明，實施林下養(yǎng)雞貸款貼息政策會促使農(nóng)戶擴大養(yǎng)殖規(guī)模，但如果這一政策的持續(xù)時間較短，這種促進作用一定程度上是不可持續(xù)的，在政策短暫執(zhí)行并取消后，農(nóng)戶養(yǎng)殖規(guī)模增長較獲得補貼的年份來說會出現(xiàn)顯著下降，甚至出現(xiàn)負增長的現(xiàn)象。

表2 變量的類型、名稱、測量方式

表3 變量的描述性統(tǒng)計

表4 農(nóng)戶是否享受貼息在政策取消后養(yǎng)殖規(guī)模增長率的獨立樣本T 檢驗結(jié)果

表5 農(nóng)戶林下養(yǎng)雞規(guī)模變動的多元回歸分析

本文進一步考察了政府養(yǎng)殖扶持政策取消后，享受政策扶持的時間對農(nóng)戶養(yǎng)殖規(guī)模變動的影響?？紤]到貸款貼息政策享受與否和貸款貼息享受年限存在高度共線性，因此，本文不采用傳統(tǒng)的直接計算交叉項的方法來檢驗貼息享受年限對貸款貼息政策享受的調(diào)節(jié)效應(yīng)，而是首先對先前年度未享受貸款貼息的農(nóng)戶樣本進行剔除，剩余226 個樣本，然后分析這些農(nóng)戶樣本享受貸款貼息的年限對養(yǎng)殖規(guī)模增長率的影響。模型（3）結(jié)果顯示，貸款貼息年限對農(nóng)戶養(yǎng)殖規(guī)模增長率存在顯著負向影響（β=-0.593，P＜0.001），享受貼息的年限每增加1 年，養(yǎng)殖規(guī)模的增長率就少59.3%。這一定程度上證明“補貼依賴”現(xiàn)象在林下養(yǎng)雞產(chǎn)業(yè)中存在，即當(dāng)農(nóng)戶享受補貼的時間越長，就越容易對政府補貼產(chǎn)生依賴性，如果在此期間未能將政府補貼轉(zhuǎn)化為自身生產(chǎn)經(jīng)營能力和技術(shù)提升，那么政策取消將會對當(dāng)前的養(yǎng)殖規(guī)模帶來嚴(yán)重的負面影響。

模型（4）結(jié)果顯示，農(nóng)戶往年養(yǎng)殖規(guī)模和享受貸款貼息的交互項對當(dāng)年度農(nóng)戶養(yǎng)殖規(guī)模增長率存在顯著負向影響（β=-0.026，P＜0.01），說明農(nóng)戶往年養(yǎng)殖規(guī)模會強化補貼政策取消對享受過貼息農(nóng)戶養(yǎng)殖規(guī)模增長率的負向影響，農(nóng)戶往年養(yǎng)殖規(guī)模越大，貼息政策取消后，養(yǎng)殖規(guī)模增長率越低。

模型（5）結(jié)果顯示，農(nóng)戶往年資金投入結(jié)構(gòu)和享受貸款貼息的交互項對當(dāng)年度農(nóng)戶養(yǎng)殖規(guī)模變動存在顯著正向影響（β=0.880，P＜0.01），這說明農(nóng)戶往年的資金投入結(jié)構(gòu)會弱化補貼政策取消對先前享受過貼息農(nóng)戶養(yǎng)殖規(guī)模增長率的負向影響，農(nóng)戶往年的貸款資金投入到雞舍、養(yǎng)殖設(shè)備等固定資產(chǎn)的比例越大，貼息政策取消后養(yǎng)殖規(guī)模增長率越高。

模型（6）結(jié)果顯示，農(nóng)戶所處區(qū)域和享受貸款貼息的交互項對當(dāng)年度農(nóng)戶養(yǎng)殖規(guī)模變動存在顯著正向影響（β=0.297，P＜0.01），這說明農(nóng)戶所處區(qū)域會弱化補貼政策取消對先前享受過貼息農(nóng)戶養(yǎng)殖規(guī)模增長率的負向影響，相比于經(jīng)濟欠發(fā)達地區(qū)的農(nóng)戶，經(jīng)濟發(fā)達地區(qū)的農(nóng)戶養(yǎng)殖規(guī)模增長率在貼息政策取消后要更高。原因可能在于經(jīng)濟發(fā)達地區(qū)的農(nóng)戶對于政府扶持政策的依賴性要弱，他們更多的只是將政府扶持作為一種養(yǎng)殖的額外獎勵，而非作為養(yǎng)殖資金的來源。此外，相比于經(jīng)濟欠發(fā)達地區(qū)，經(jīng)濟發(fā)達地區(qū)所擁有的更為完善的制度和營商環(huán)境也提供了更多政府扶持政策的替代物，如商業(yè)銀行貸款、產(chǎn)業(yè)發(fā)展基金等。

3 政策建議

本研究結(jié)果表明：1）相比于未享受過貼息政策的農(nóng)戶而言，政府補貼政策取消會導(dǎo)致先前享受過貼息政策農(nóng)戶養(yǎng)殖規(guī)模增長率的下降；2）政策取消前享受貼息的年限越長，增長率下降幅度越大；3）先前享受過貼息的農(nóng)戶往年養(yǎng)殖規(guī)模越大，政策取消后養(yǎng)殖規(guī)模增長率下降程度越大；4）先前享受過貼息的農(nóng)戶往年將更多的資金投入到固定資產(chǎn)上，政策取消后，養(yǎng)殖規(guī)模增長率下降程度越小；5）先前享受過貼息的農(nóng)戶所處區(qū)域經(jīng)濟越發(fā)達，政策取消對其養(yǎng)殖規(guī)模增長率的負向影響越低。

為此，提出如下建議：1）政府部門要盡可能保證養(yǎng)殖補貼政策的延續(xù)性，特別是經(jīng)濟欠發(fā)達地區(qū)的養(yǎng)殖補貼政策的延續(xù)性，以免對養(yǎng)殖戶的經(jīng)營帶來外部沖擊。2）政府部門可以借助2 種方式來做好預(yù)防措施，從而降低后續(xù)有可能出現(xiàn)的政府扶持政策取消行為對農(nóng)戶養(yǎng)殖規(guī)模帶來負面影響的可能性：一是優(yōu)化政府補貼政策設(shè)計，將農(nóng)戶自有資金投入比例以及資金投入結(jié)構(gòu)作為政府補貼是否發(fā)放的前提審核條件，嚴(yán)防以政府資金為基礎(chǔ)盲目擴大養(yǎng)殖規(guī)模的情況發(fā)生，降低農(nóng)戶養(yǎng)殖風(fēng)險；二是積極引導(dǎo)農(nóng)戶科學(xué)合理養(yǎng)殖，優(yōu)化養(yǎng)殖資金投入結(jié)構(gòu)，增加在雞舍、設(shè)備、技術(shù)等方面的資金投入比例，增加應(yīng)對外部環(huán)境沖擊的能力。