財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率的影響研究

王丹亞，高齊圣

(青島大學(xué)經(jīng)濟(jì)學(xué)院， 山東 青島 266061 )

0 引言

近年來(lái)，為解決“三農(nóng)”問題，實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)的持續(xù)穩(wěn)定發(fā)展，中國(guó)政府出臺(tái)了一系列財(cái)政支農(nóng)政策，財(cái)政支農(nóng)支出的總體規(guī)模在不斷擴(kuò)大，數(shù)據(jù)顯示，財(cái)政支農(nóng)支出從2010年的8 129.58億元，增長(zhǎng)到2019年的22 420.11億元，年均增長(zhǎng)10.68%，與此同時(shí)，農(nóng)林牧漁業(yè)總產(chǎn)值也有大幅增長(zhǎng)，從2010年的67 763.13億元，增長(zhǎng)到2019年的123 967.94億元。財(cái)政支農(nóng)支出作為農(nóng)業(yè)經(jīng)濟(jì)重要的物質(zhì)基礎(chǔ)，不僅可以作為投入要素直接影響農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)，還可以通過(guò)影響農(nóng)業(yè)技術(shù)效率間接影響農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)[1]。隨著農(nóng)業(yè)資源環(huán)境約束的增強(qiáng)和農(nóng)村或農(nóng)業(yè)勞動(dòng)力等生產(chǎn)要素持續(xù)流向城鎮(zhèn)或其他行業(yè)，依靠物資資本和勞動(dòng)力等要素驅(qū)動(dòng)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的方式不具有可持續(xù)性，在此背景下，農(nóng)業(yè)技術(shù)效率在未來(lái)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展過(guò)程中將扮演著重要作用[2]。

技術(shù)效率的概念最早是由Farrell在1957年提出的，考慮了經(jīng)濟(jì)中大多數(shù)生產(chǎn)者不能達(dá)到最優(yōu)生產(chǎn)效率的現(xiàn)實(shí)情況[3]。隨機(jī)前沿生產(chǎn)模型最初是由Aginer等以及Meeusen等在1977年分別獨(dú)立地提出，該模型同時(shí)考慮了技術(shù)無(wú)效率與隨機(jī)因素對(duì)產(chǎn)出的影響，并對(duì)技術(shù)無(wú)效率項(xiàng)和隨機(jī)擾動(dòng)項(xiàng)設(shè)定了特定的分布，從而可以根據(jù)誤差項(xiàng)的假設(shè)分布估算出技術(shù)效率水平，若存在外生變量可以解釋技術(shù)無(wú)效率項(xiàng)時(shí)，還可以適當(dāng)放松部分假設(shè)條件[4]。最新研究中，Lai和Kumbhakar提出以生產(chǎn)函數(shù)和成本最小化一階條件為系統(tǒng)，利用最大似然法對(duì)整個(gè)系統(tǒng)進(jìn)行估計(jì)，同時(shí)估算出了技術(shù)效率和配置效率[5]，隨后，Kumbhakar和Tsionas以此為基礎(chǔ)，研究了模型中存在外生變量的情況下對(duì)技術(shù)效率和配置效率的影響。

在現(xiàn)有文獻(xiàn)中，研究外生因素對(duì)技術(shù)效率影響的方法主要有兩步法和一步法兩類。劉佳、余國(guó)新[1]基于隨機(jī)前沿生產(chǎn)函數(shù)利用一步估計(jì)法分析了2000～2011年地方財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)技術(shù)效率的影響，發(fā)現(xiàn)財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)技術(shù)效率具有正向影響。張海鑫、楊剛橋[6]基于隨機(jī)前沿超越對(duì)數(shù)生產(chǎn)函數(shù)利用一步估計(jì)法研究了耕地細(xì)碎化、勞動(dòng)力受教育程度、農(nóng)業(yè)政策等因素對(duì)農(nóng)業(yè)生產(chǎn)技術(shù)效率的影響，發(fā)現(xiàn)耕地細(xì)碎化不利于技術(shù)效率的提高，種糧補(bǔ)貼對(duì)農(nóng)戶的生產(chǎn)技術(shù)效率具有正向影響。唐建和Jose Vila[7]基于隨機(jī)前沿生產(chǎn)函數(shù)利用兩步估計(jì)法研究了1990～2013年間財(cái)政支農(nóng)支出、家庭經(jīng)濟(jì)水平、家庭人口規(guī)模和勞動(dòng)力未受教育程度等因素對(duì)糧食生產(chǎn)技術(shù)效率的影響，發(fā)現(xiàn)財(cái)政支農(nóng)支出總體上表現(xiàn)為對(duì)技術(shù)效率具有促進(jìn)作用，但在各省市中呈現(xiàn)出明顯的差異。Boubacar S B等[8]基于隨機(jī)前沿生產(chǎn)函數(shù)利用一步估計(jì)法以幾內(nèi)亞為例研究了戶主、務(wù)農(nóng)經(jīng)驗(yàn)、非農(nóng)收入、家庭規(guī)模等對(duì)水稻生產(chǎn)技術(shù)效率的影響，發(fā)現(xiàn)家庭規(guī)模等對(duì)技術(shù)效率具有正向效應(yīng)。王亞飛等[2]基于DEA-Malmquist指數(shù)法利用兩步估計(jì)法研究了24個(gè)省市的農(nóng)業(yè)外商直接投資對(duì)技術(shù)效率的影響，發(fā)現(xiàn)外商直接投資增加可以促進(jìn)技術(shù)效率改善，但兩者之間存在倒U型關(guān)系。周鵬飛等[9]基于DEA-Malmquist指數(shù)法利用兩步估計(jì)法研究了財(cái)政支農(nóng)、城鎮(zhèn)化水平、工業(yè)化程度、農(nóng)村公路密度等因素對(duì)農(nóng)業(yè)技術(shù)效率變化的影響，發(fā)現(xiàn)財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率改善具有正向效應(yīng)。

隨著財(cái)政支農(nóng)體制機(jī)制改革的不斷推進(jìn)，現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系不斷調(diào)整優(yōu)化，以國(guó)家農(nóng)技推廣機(jī)構(gòu)為主導(dǎo)，農(nóng)業(yè)科研院校、社會(huì)化服務(wù)等廣泛參與、分工協(xié)作的農(nóng)技推廣體系不斷完善，農(nóng)業(yè)技術(shù)推廣和擴(kuò)散的速度逐漸加快，勢(shì)必會(huì)對(duì)農(nóng)業(yè)技術(shù)效率產(chǎn)生一定的影響。然而，目前關(guān)于研究財(cái)政支農(nóng)與農(nóng)業(yè)技術(shù)效率的文獻(xiàn)相對(duì)較少，而且數(shù)據(jù)較陳舊。因此，本文采用2002～2017年31個(gè)省市的面板數(shù)據(jù)，運(yùn)用隨機(jī)前沿超越對(duì)數(shù)生產(chǎn)函數(shù)測(cè)算出農(nóng)業(yè)技術(shù)效率，實(shí)證分析了財(cái)政支農(nóng)支出等因素對(duì)農(nóng)業(yè)技術(shù)效率的影響，并提出相應(yīng)的政策建議。

1 研究方法

1.1 模型設(shè)置

技術(shù)效率(TE)衡量了某生產(chǎn)單位在既定技術(shù)水平和投入規(guī)模下，實(shí)際產(chǎn)出與生產(chǎn)前沿面上可能最大產(chǎn)出之間的垂直距離，距離越大，說(shuō)明技術(shù)效率水平越低，反映了生產(chǎn)者產(chǎn)出能力、資本利用效率和成本控制等特征[10]。目前測(cè)度技術(shù)效率的方法主要有參數(shù)法和非參數(shù)法兩大類，非參數(shù)方法主要以數(shù)據(jù)包絡(luò)法(DEA)為代表，該方法主要利用線性規(guī)劃技術(shù)，不需要考慮生產(chǎn)函數(shù)，能直接處理多產(chǎn)出情況，但無(wú)法考慮隨機(jī)因素對(duì)產(chǎn)出的影響。參數(shù)方法主要以隨機(jī)前沿法(SFA)為代表，該方法需要首先設(shè)定生產(chǎn)函數(shù)，因采用極大似然估計(jì)法估計(jì)參數(shù)，其計(jì)算結(jié)果較為穩(wěn)定，不易受異常值的影響[11-12]。參考Battese和Coelli的研究[13]，隨機(jī)前沿生產(chǎn)函數(shù)的基本形式為

(1)

得到TEit后，為進(jìn)一步考察外生因素對(duì)技術(shù)效率的影響，設(shè)置技術(shù)效率影響因素模型的一般形式為[14]

TEit=F(Zit,δ)+εit

(2)

其中，Zit=(1,Z1,Z2,…,ZM1)表示M1個(gè)外生解釋變量，δ=(δ0,δ1,δ2,…,δM2)表示待估系數(shù)，εit為誤差項(xiàng)。

1.2 模型參數(shù)估計(jì)

在模型(1)中，由于存在復(fù)合誤差，普通最小二乘估計(jì)失效，為得到有效且一致的估計(jì)量，使用極大似然法進(jìn)行估計(jì)。具體估計(jì)步驟如下[13]。

根據(jù)Vit服從正態(tài)分布，Uit服從截?cái)嗾龖B(tài)分布，兩者之間相互獨(dú)立的假設(shè)，可以得到兩者的聯(lián)合概率密度函數(shù)，令Ei=(Ei1,Ei2,…,EiT)′，Ui=(Ui1,Ui2,…,UiT)′，進(jìn)而可以求出Ei與Ui之間的聯(lián)合密度函數(shù)：

(3)

其中，ei，ui分別為隨機(jī)變量Ei，Ui的值。因此，Ei的邊際密度函數(shù)為

(4)

根據(jù)Ei與Ui的聯(lián)合概率密度函數(shù)和Ei的邊際密度函數(shù)，可以得到Ui的條件概率密度函數(shù)：

(5)

最終得到技術(shù)效率的測(cè)算公式為

(6)

(7)

(8)

2 數(shù)據(jù)說(shuō)明和模型構(gòu)建

2.1 數(shù)據(jù)選取及說(shuō)明

本文研究所用的數(shù)據(jù)來(lái)源于歷年《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)固定資產(chǎn)投資統(tǒng)計(jì)年鑒》及各省統(tǒng)計(jì)年鑒，樣本范圍是31個(gè)省市，樣本的時(shí)間從2002～2017年，基期為2002年。

隨機(jī)前沿生產(chǎn)函數(shù)中農(nóng)業(yè)產(chǎn)出(Y)采用廣義的農(nóng)林牧漁業(yè)總產(chǎn)值，利用農(nóng)林牧漁業(yè)總產(chǎn)值指數(shù)對(duì)農(nóng)林牧漁業(yè)總產(chǎn)值進(jìn)行平減，剔除價(jià)格因素的影響。投入要素選取勞動(dòng)力(L)和資本(K)兩種生產(chǎn)要素。勞動(dòng)力投入用第一產(chǎn)業(yè)從業(yè)人員數(shù)進(jìn)行衡量，黑龍江省2011～2013年數(shù)據(jù)缺失，采用三次樣條插值法進(jìn)行補(bǔ)缺處理。資本投入用農(nóng)業(yè)資本存量來(lái)表示，國(guó)內(nèi)外大多數(shù)學(xué)者都采用永續(xù)盤存法來(lái)計(jì)算資本存量。永續(xù)盤存法計(jì)算公式為[15]

Kit=Iit+Kit-1(1-δit)

(9)

式(9)一共涉及到4個(gè)變量：一是當(dāng)年固定資產(chǎn)投資Iit，采用農(nóng)林牧漁業(yè)固定資產(chǎn)投資進(jìn)行衡量，二是固定資產(chǎn)投資價(jià)格指數(shù)，用來(lái)平減固定資產(chǎn)投資，消除價(jià)格因素的影響，采用農(nóng)業(yè)生產(chǎn)資料價(jià)格指數(shù)進(jìn)行平減，三是經(jīng)濟(jì)折舊率δit，農(nóng)業(yè)資本折舊率采用吳方衛(wèi)計(jì)算的0.054 2[16]，四是基年資本存量Ki0，采用國(guó)際上通用的做法，用基年2002年固定資本投資與上樣本期間各省區(qū)投資增長(zhǎng)的幾何平均數(shù)加上折舊率的比值進(jìn)行衡量[17]。

技術(shù)效率影響因素模型的核心解釋變量為財(cái)政支農(nóng)(zn)，用財(cái)政支農(nóng)支出占財(cái)政支出的比值進(jìn)行衡量。由于財(cái)政支農(nóng)的統(tǒng)計(jì)指標(biāo)在不同年份發(fā)生了較大變化，借鑒朱萬(wàn)里、胡瑜杰[18]的做法，2002年的數(shù)據(jù)選取農(nóng)業(yè)綜合開發(fā)支出，2003～2006年的數(shù)據(jù)為農(nóng)業(yè)支出、林業(yè)支出和農(nóng)林水利氣象等部門的事業(yè)費(fèi)支出之和，2007～2017年選取農(nóng)林水事務(wù)支出?？刂谱兞堪ǔ擎?zhèn)化水平(czl)、灌溉基礎(chǔ)設(shè)施(ggl)、自然災(zāi)害水平(szl)及人力資本水平(jy)4個(gè)變量，用城鎮(zhèn)人口數(shù)占總?cè)丝诘谋戎当碚鞒擎?zhèn)化水平，有效灌溉面積占農(nóng)作物總播種面積的比值表示灌溉基礎(chǔ)設(shè)施情況，受災(zāi)面積占農(nóng)作物總播種面積的比重表示自然災(zāi)害水平，受教育年限表示人力資本水平。

2.2 模型構(gòu)建

隨機(jī)前沿生產(chǎn)函數(shù)模型中常用的生產(chǎn)函數(shù)主要有柯布-道格拉斯和超越對(duì)數(shù)兩種形式，由于柯布-道格拉斯函數(shù)假定技術(shù)中性和產(chǎn)出彈性不變，而超越對(duì)數(shù)生產(chǎn)函數(shù)形式更為靈活，能更好地避免由于函數(shù)形式誤設(shè)而帶來(lái)的估計(jì)偏差[19]。因此，本文采用隨機(jī)前沿超越對(duì)數(shù)生產(chǎn)函數(shù)進(jìn)行測(cè)算技術(shù)效率，模型的具體形式為

(10)

其中，Yit表示第i省市在t時(shí)期的農(nóng)業(yè)產(chǎn)出，Kit表示第i省市在t時(shí)期的資本投入，Lit表示第i省市在t時(shí)期的勞動(dòng)投入，TEit表示第i個(gè)省市在t時(shí)期的農(nóng)業(yè)技術(shù)效率，t表示時(shí)間項(xiàng)，znit表示第i省市在t時(shí)期的財(cái)政支農(nóng)，czlit,gglit,szlit,jyit分別表示第i省市在t時(shí)期的城鎮(zhèn)化水平、灌溉基礎(chǔ)設(shè)施、自然災(zāi)害水平、人力資本水平，其余變量和誤差項(xiàng)定義與前文相同。

3 模型結(jié)果分析

3.1 農(nóng)業(yè)技術(shù)效率的測(cè)算結(jié)果

本文采用兩步法估計(jì)農(nóng)業(yè)技術(shù)效率及影響因素，隨機(jī)前沿生產(chǎn)函數(shù)估計(jì)結(jié)果如表1所示。可以看出γ估計(jì)值為0.995 4，十分接近于1，且在1%水平下顯著，說(shuō)明技術(shù)無(wú)效率項(xiàng)的方差對(duì)復(fù)合誤差的方差影響較大，使用隨機(jī)前沿分析法是比較合理的。模型的對(duì)數(shù)似然函數(shù)值和似然率LR值都非常大，遠(yuǎn)大于1%顯著性水平下的臨界值，拒絕增加約束條件引起模型變動(dòng)的原假設(shè)，表明模型整體可靠。

從模型估計(jì)系數(shù)來(lái)看，農(nóng)業(yè)資本一次項(xiàng)為正和二次項(xiàng)為負(fù)但不顯著，農(nóng)業(yè)勞動(dòng)力一次項(xiàng)和二次項(xiàng)均為負(fù)，且在5%水平上顯著，農(nóng)業(yè)資本和勞動(dòng)力的交叉項(xiàng)為正，且在1%水平上顯著。時(shí)間變量的一次項(xiàng)為正但不顯著，二次項(xiàng)系數(shù)為-0.002 3，在統(tǒng)計(jì)學(xué)意義下接近于0，這說(shuō)明在樣本選擇期間內(nèi)不存在顯著的技術(shù)進(jìn)步影響，故以下主要考慮財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率的影響。

根據(jù)估計(jì)結(jié)果，可以得到2002～2017年31個(gè)省市的技術(shù)效率平均值，具體如表2所示?？梢钥闯?，2002～2017年31個(gè)省市農(nóng)業(yè)技術(shù)效率平均水平都未達(dá)到技術(shù)有效前沿面，說(shuō)明都存在一定程度的效率損失，現(xiàn)有農(nóng)業(yè)技術(shù)的發(fā)揮程度較低，其中，農(nóng)業(yè)技術(shù)效率排名前十位的省市依次為山東、江蘇、河南、廣東、四川、湖南、河北、安徽、廣西和福建，排名后三位的都是西部地區(qū)省市，分別為寧夏、青海和西藏。

進(jìn)一步從中國(guó)東部、中部、西部和東北四大區(qū)域來(lái)看，地區(qū)之間存在著農(nóng)業(yè)技術(shù)效率水平的明顯差距，中部地區(qū)農(nóng)業(yè)技術(shù)效率平均水平為0.503，東部地區(qū)為0.472 3，東北地區(qū)為0.4，西部地區(qū)為0.268 1。易于發(fā)現(xiàn)，中部地區(qū)農(nóng)業(yè)技術(shù)效率水平高于東部、西部、東北和平均值，而且按照由中部到東部，再由東部到東北，然后由東北到西部的順序呈現(xiàn)出遞減趨勢(shì)。

表1 前沿函數(shù)參數(shù)估計(jì)結(jié)果

表2 2002～2017年31個(gè)省市平均技術(shù)效率水平

3.2 財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率的影響分析

3.2.1 全國(guó)整體情況分析

結(jié)合31個(gè)省市2002～2017年的農(nóng)業(yè)技術(shù)效率和財(cái)政支農(nóng)等面板數(shù)據(jù)，通過(guò)Eviews軟件，采用Hausman檢驗(yàn)，結(jié)果顯示應(yīng)構(gòu)建截面?zhèn)€體固定效應(yīng)模型，模型估計(jì)結(jié)果如表3所示。在控制其他混雜因素干擾下，依次引入財(cái)政支農(nóng)的一次項(xiàng)(直線型)、二次項(xiàng)(U型)和三次項(xiàng)(N型)，結(jié)果表明，主要解釋變量財(cái)政支農(nóng)與農(nóng)業(yè)技術(shù)效率之間呈現(xiàn)直線型的線性關(guān)系。財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率的影響系數(shù)為0.056 4，且在1%水平上顯著，這表明財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率具有明顯的正向促進(jìn)作用。其可能的原因?yàn)椋?)隨著國(guó)家的一系列惠農(nóng)政策的實(shí)施，比如減免農(nóng)業(yè)稅和增加農(nóng)業(yè)補(bǔ)貼等，極大地提高了農(nóng)民的生產(chǎn)積極性，促進(jìn)了農(nóng)業(yè)技術(shù)的推廣和擴(kuò)散，進(jìn)而提高了農(nóng)業(yè)技術(shù)效率；2)隨著“一主多元”推廣體系不斷完善，農(nóng)技推廣隊(duì)伍不斷壯大，科技特派員制度不斷推進(jìn)，科研人員和廣大農(nóng)技人員與農(nóng)民溝通更加有效，推動(dòng)了農(nóng)業(yè)科技成果轉(zhuǎn)化、消化和吸收以及農(nóng)業(yè)技術(shù)的應(yīng)用，有力地提高了中國(guó)農(nóng)業(yè)技術(shù)效率水平。就其他解釋變量而言，城鎮(zhèn)化水平和灌溉基礎(chǔ)設(shè)施對(duì)中國(guó)農(nóng)業(yè)技術(shù)效率具有顯著的正向影響。自然災(zāi)害水平對(duì)中國(guó)農(nóng)業(yè)技術(shù)效率的影響系數(shù)為負(fù)，且在1%水平上顯著，表明自然環(huán)境越惡劣，越會(huì)降低農(nóng)業(yè)技術(shù)效率。

3.2.2 地區(qū)差異情況分析

根據(jù)表3的結(jié)果可以看出，財(cái)政支農(nóng)在總體上表現(xiàn)為對(duì)農(nóng)業(yè)技術(shù)效率具有促進(jìn)作用，但是根據(jù)圖1可以看出，財(cái)政支農(nóng)與農(nóng)業(yè)技術(shù)效率的全樣本散點(diǎn)圖不具有明顯規(guī)律性，整個(gè)圖形比較分散，因此，根據(jù)國(guó)家劃分的東部、中部、西部和東北地區(qū)4大經(jīng)濟(jì)區(qū)域，按四個(gè)地區(qū)分別進(jìn)行估計(jì)，在控制其它混雜因素干擾下，并依次引入財(cái)政支農(nóng)的一次項(xiàng)(直線型)、二次項(xiàng)(U型)和三次項(xiàng)(N型)作為模型結(jié)構(gòu)形式[20]，進(jìn)一步考察各區(qū)域財(cái)政支農(nóng)與技術(shù)效率之間的線性和非線性作用模式，以體現(xiàn)地區(qū)差異性。采用Hausman檢驗(yàn)，結(jié)果顯示各區(qū)域應(yīng)構(gòu)建截面?zhèn)€體隨機(jī)效應(yīng)模型，模型參數(shù)估計(jì)結(jié)果如表4所示。結(jié)果發(fā)現(xiàn)，中部地區(qū)財(cái)政支農(nóng)與技術(shù)效率之間呈現(xiàn)倒N型的非線性關(guān)系，東部、西部和東北地區(qū)財(cái)政支農(nóng)與技術(shù)效率之間呈現(xiàn)直線型的線性關(guān)系。從模型的估計(jì)系數(shù)來(lái)看，東西部及東北地區(qū)財(cái)政支農(nóng)的系數(shù)分別為0.039 3、0.028 2、0.137 3，且均通過(guò)了1%的顯著性水平，表明財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率在東西部及東北地區(qū)具有顯著正向影響，中部地區(qū)財(cái)政支農(nóng)的一次項(xiàng)系數(shù)為-14.838 2，且在1%水平下顯著，這表明在中部地區(qū)財(cái)政支農(nóng)對(duì)技術(shù)效率具有顯著的負(fù)向影響。

表3 財(cái)政支農(nóng)與農(nóng)業(yè)技術(shù)效率關(guān)系

圖1 財(cái)政支農(nóng)與農(nóng)業(yè)技術(shù)效率關(guān)系散點(diǎn)圖

表4 各區(qū)域財(cái)政支農(nóng)與農(nóng)業(yè)技術(shù)效率關(guān)系

4 結(jié)論及啟示

本文利用2002～2017年31個(gè)省市的面板數(shù)據(jù)，運(yùn)用隨機(jī)前沿超越對(duì)數(shù)生產(chǎn)函數(shù)測(cè)度了各省市的農(nóng)業(yè)技術(shù)效率，并進(jìn)一步研究了中國(guó)及四大地區(qū)財(cái)政支農(nóng)與農(nóng)業(yè)技術(shù)效率的關(guān)系，結(jié)果表明：1)各省市都存在農(nóng)業(yè)技術(shù)效率損失，而且地區(qū)間存在明顯差異，主要表現(xiàn)為中部地區(qū)農(nóng)業(yè)技術(shù)效率平均水平高于東西部及東北地區(qū)和平均水平，呈現(xiàn)出中部、東部、東北、西部依次遞減的趨勢(shì)。2)從整體來(lái)看，財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)技術(shù)效率具有顯著的線性促進(jìn)作用；從各地區(qū)來(lái)看，中部地區(qū)財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率具有顯著的倒N型非線性作用，且在考察期內(nèi)體現(xiàn)出明顯的負(fù)向影響，東西部及東北地區(qū)財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率具有顯著的線性促進(jìn)作用。

基于上述結(jié)論，本研究提出如下政策啟示：1)進(jìn)一步完善以國(guó)家農(nóng)技推廣機(jī)構(gòu)為主導(dǎo)的現(xiàn)代農(nóng)業(yè)服務(wù)體系，加快對(duì)現(xiàn)有農(nóng)業(yè)技術(shù)的擴(kuò)散和傳播，推進(jìn)農(nóng)業(yè)新技術(shù)的廣泛應(yīng)用，以提高中國(guó)農(nóng)業(yè)技術(shù)效率水平。通過(guò)制定合理的政策，推動(dòng)先進(jìn)的技術(shù)和管理經(jīng)驗(yàn)向西部地區(qū)擴(kuò)散，逐步縮小中國(guó)農(nóng)業(yè)技術(shù)效率水平的地區(qū)差距。2)鑒于財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率的作用模式在各個(gè)地區(qū)存在差異性，各地區(qū)應(yīng)因地制宜，結(jié)合各地實(shí)際情況，調(diào)整財(cái)政支農(nóng)資金的結(jié)構(gòu)及規(guī)模，加大財(cái)政支農(nóng)政策效應(yīng)，使得財(cái)政支農(nóng)政策更好地服務(wù)農(nóng)村減貧和鄉(xiāng)村振興戰(zhàn)略。