財(cái)政支農(nóng)補(bǔ)貼能有效提升糧食全要素生產(chǎn)率嗎?
——兼顧農(nóng)業(yè)技術(shù)環(huán)境的調(diào)節(jié)作用探討

李自強(qiáng) 李曉云* 孫 倩 葉偉嬌

(1.華中農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，武漢 430070；2.首都經(jīng)濟(jì)貿(mào)易大學(xué) 工商管理學(xué)院，北京 100070)

確保糧食安全始終是治國(guó)理政的頭等大事。自2003年起中國(guó)政府開始對(duì)13個(gè)糧食主產(chǎn)區(qū)實(shí)行農(nóng)資綜合補(bǔ)貼和糧食直補(bǔ)政策，2004年后全面擴(kuò)大對(duì)糧食生產(chǎn)補(bǔ)貼的支持范圍，良種補(bǔ)貼、糧食直補(bǔ)、農(nóng)資綜合補(bǔ)貼和農(nóng)機(jī)具購(gòu)置補(bǔ)貼等政策相繼出臺(tái)。直至2016年展開的三項(xiàng)補(bǔ)貼改革后將財(cái)政支農(nóng)補(bǔ)貼分為農(nóng)業(yè)支持保護(hù)補(bǔ)貼和農(nóng)機(jī)購(gòu)置補(bǔ)貼，在隨后的2018與2019年中央“一號(hào)文件”中，均強(qiáng)調(diào)應(yīng)繼續(xù)優(yōu)化調(diào)整農(nóng)業(yè)補(bǔ)貼政策加大財(cái)政支農(nóng)力度，2020年中央“一號(hào)文件”又進(jìn)一步提出“優(yōu)化農(nóng)業(yè)補(bǔ)貼政策，調(diào)整稻谷和小麥最低收購(gòu)價(jià)政策”，中國(guó)政府對(duì)財(cái)政支農(nóng)補(bǔ)貼政策的重視程度可見一斑。相應(yīng)的中國(guó)糧食產(chǎn)量除2016與2018年小幅下降以外其余年份均保持上升趨勢(shì)。然而，居民糧食與食物消費(fèi)需求逐步提升，資源與環(huán)境約束日益收緊，都對(duì)中國(guó)糧食安全提出了更高要求。因此提高糧食的生產(chǎn)效率是在資源、環(huán)境約束日趨緊張形勢(shì)下保障中國(guó)糧食安全的重要途徑[1]。但是，受制于較低的糧食生產(chǎn)效率，中國(guó)在日益頻繁的國(guó)際糧食貿(mào)易過(guò)程中，長(zhǎng)期處于劣勢(shì)，為了保障國(guó)內(nèi)糧價(jià)穩(wěn)定而采取的貿(mào)易政策不斷受到國(guó)際社會(huì)的詬病，糧食進(jìn)口壓力與日俱增[2]。因此，提升糧食全要素生產(chǎn)率對(duì)于保障中國(guó)糧食安全與增強(qiáng)糧食國(guó)際貿(mào)易競(jìng)爭(zhēng)力具有重要作用[3]。

提高糧食全要素生產(chǎn)率的關(guān)鍵因素是技術(shù)進(jìn)步和技術(shù)效率的提升，技術(shù)進(jìn)步的動(dòng)力來(lái)源于技術(shù)創(chuàng)新，技術(shù)效率的提升則依賴于規(guī)模擴(kuò)張和組織管理效率的提高。基于此，中國(guó)政府長(zhǎng)期通過(guò)財(cái)政預(yù)算對(duì)農(nóng)業(yè)技術(shù)研發(fā)、農(nóng)業(yè)基礎(chǔ)設(shè)施和農(nóng)業(yè)生產(chǎn)要素等進(jìn)行專項(xiàng)投入[4]。中國(guó)政府一直以來(lái)寄希望于財(cái)政支農(nóng)補(bǔ)貼能夠保護(hù)農(nóng)戶種糧積極性，保障糧食供給的同時(shí)，提升糧食全要素生產(chǎn)率，進(jìn)而提高糧食的國(guó)際競(jìng)爭(zhēng)力。那么，財(cái)政支農(nóng)補(bǔ)貼是否能夠真正有效提升糧食全要素生產(chǎn)率？其作用機(jī)理是什么？對(duì)上述問(wèn)題的回答，不僅關(guān)乎中國(guó)糧食生產(chǎn)效率的提升，也有助于中國(guó)農(nóng)業(yè)補(bǔ)貼政策的完善。因此，本研究從理論上分析財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響機(jī)制，利用中國(guó)31個(gè)省(市、自治區(qū)，統(tǒng)計(jì)數(shù)據(jù)未含港澳臺(tái)地區(qū)，下同)2003—2018年的省級(jí)面板數(shù)據(jù)，使用DEA-Malmquist指數(shù)法測(cè)算糧食生產(chǎn)全要素生產(chǎn)率，運(yùn)用面板數(shù)據(jù)回歸模型對(duì)財(cái)政支農(nóng)補(bǔ)貼與糧食全要素生產(chǎn)率之間的關(guān)系機(jī)制進(jìn)行實(shí)證檢驗(yàn)，以期為提升中國(guó)糧食生產(chǎn)效率和完善財(cái)政支農(nóng)補(bǔ)貼政策提供參考依據(jù)。

1 文獻(xiàn)綜述

現(xiàn)有研究已對(duì)財(cái)政支農(nóng)效用和糧食全要素生產(chǎn)率的測(cè)量方法及影響因素，進(jìn)行了較為充分的探討。

關(guān)于財(cái)政支農(nóng)效用的研究，大多從財(cái)政支農(nóng)對(duì)農(nóng)民收入、農(nóng)村經(jīng)濟(jì)增長(zhǎng)以及農(nóng)民消費(fèi)的影響3個(gè)方面展開。首先，在研究財(cái)政支農(nóng)對(duì)農(nóng)民收入影響的文獻(xiàn)中，多數(shù)研究認(rèn)為財(cái)政支農(nóng)投入能有效改善農(nóng)業(yè)生產(chǎn)環(huán)境和生產(chǎn)條件，從而提升農(nóng)業(yè)的綜合生產(chǎn)能力，進(jìn)而有效促進(jìn)農(nóng)民收入的增長(zhǎng)[5-6]。然而，朱青等[7]則持有不同觀點(diǎn)，認(rèn)為財(cái)政支農(nóng)雖然對(duì)農(nóng)民整體的總收入不具有顯著的影響，卻對(duì)于中低收入的農(nóng)民具有一定的激勵(lì)作用，但不會(huì)改變農(nóng)民整體的收入分配格局。其次，在探索財(cái)政支農(nóng)對(duì)經(jīng)濟(jì)增長(zhǎng)影響的研究中，有研究認(rèn)為政府對(duì)農(nóng)業(yè)的研發(fā)補(bǔ)助有利于提高農(nóng)業(yè)產(chǎn)業(yè)的投資回報(bào)率[8]。與此同時(shí)，Indalmanie[9]提出政府對(duì)農(nóng)業(yè)的轉(zhuǎn)移性支付能夠推動(dòng)農(nóng)業(yè)GDP的增長(zhǎng)?；诖耍烊f(wàn)里等[10]進(jìn)一步提出財(cái)政支農(nóng)雖然能夠促進(jìn)當(dāng)?shù)剞r(nóng)業(yè)經(jīng)濟(jì)的增長(zhǎng)，但對(duì)于周邊地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)卻具有一定程度的抑制作用。最后，在研究財(cái)政支農(nóng)對(duì)農(nóng)民消費(fèi)的影響中，財(cái)政支農(nóng)支出總體上提高了農(nóng)民的消費(fèi)水平，然而，在經(jīng)濟(jì)蕭條時(shí)期由于農(nóng)民較強(qiáng)的流動(dòng)性約束，財(cái)政支農(nóng)對(duì)消費(fèi)的促進(jìn)作用要大于經(jīng)濟(jì)繁榮時(shí)期[11]。此外，財(cái)政支農(nóng)對(duì)農(nóng)民消費(fèi)水平的作用還存在地區(qū)差異，即東部沿海地區(qū)的擠出效應(yīng)大于中西部地區(qū)，而中西部地區(qū)的擠入效應(yīng)則大于東部沿海地區(qū)[12]。

從糧食全要素生產(chǎn)率的測(cè)量方法來(lái)看主要有3種：一是索洛余值法，索洛余值法是由Solow通過(guò)對(duì)在一般生產(chǎn)函數(shù)中加入技術(shù)進(jìn)步指標(biāo)，從而構(gòu)建出包含產(chǎn)出變動(dòng)、投入要素變動(dòng)和全要素生產(chǎn)率變動(dòng)之間函數(shù)模型，通常稱之為“索洛模型”[13]。索洛余值法在科技進(jìn)步對(duì)糧食生產(chǎn)貢獻(xiàn)率測(cè)算過(guò)程中被廣泛使用，例如劉英基[14]運(yùn)用索洛余值法對(duì)糧食科技進(jìn)步貢獻(xiàn)率的增長(zhǎng)率進(jìn)行測(cè)度，進(jìn)而研究知識(shí)資本對(duì)糧食科技進(jìn)步貢獻(xiàn)率增長(zhǎng)率的影響。二是數(shù)據(jù)包絡(luò)分析法，Los等[15]是較早使用數(shù)據(jù)包絡(luò)分析技術(shù)測(cè)量全要素生產(chǎn)率的學(xué)者之一，后續(xù)研究在此基礎(chǔ)上提出DEA-Tobit兩階段法，對(duì)中國(guó)玉米的全要素生產(chǎn)率進(jìn)行測(cè)算，發(fā)現(xiàn)在2004—2008年期間由于技術(shù)進(jìn)步作用使得中國(guó)玉米的全要素生產(chǎn)率穩(wěn)步上升[16]。另外，還有研究運(yùn)用DEA-Malmquist指數(shù)，對(duì)云南省各州市糧食的TFP變動(dòng)情況進(jìn)行分析，并對(duì)其影響因素進(jìn)行探索[17]?；诖?，李明文等[18]采用DEA-Malmquist指數(shù)法對(duì)全國(guó)272各個(gè)地級(jí)市糧食的TFP進(jìn)行測(cè)度，以便于進(jìn)一步研究農(nóng)業(yè)服務(wù)業(yè)對(duì)糧食全要素生產(chǎn)率的影響。三是隨機(jī)前沿生產(chǎn)函數(shù)模型，在糧食全要素生產(chǎn)率領(lǐng)域，王琛等[19]采用隨機(jī)前沿生產(chǎn)函數(shù)模型，對(duì)13個(gè)糧食主產(chǎn)區(qū)的糧食全要素生產(chǎn)率進(jìn)行測(cè)算，并以此為基礎(chǔ)進(jìn)一步對(duì)影響主產(chǎn)區(qū)糧食全要素生產(chǎn)率的各個(gè)因素及作用機(jī)制進(jìn)行探究。此外，曾雅婷等[20]進(jìn)一步使用超越對(duì)數(shù)形式的SFA對(duì)各種投入要素產(chǎn)出彈性和糧食生產(chǎn)技術(shù)效率進(jìn)行測(cè)度，發(fā)現(xiàn)中國(guó)糧食生產(chǎn)技術(shù)效率從2000年至2014年，由0.790逐漸上升至0.859。在農(nóng)業(yè)全要素生產(chǎn)率領(lǐng)域，李翔等[21]利用1978—2015年華東地區(qū)六省面板數(shù)據(jù)，使用隨機(jī)前沿生產(chǎn)函數(shù)模型測(cè)算出該地區(qū)農(nóng)業(yè)全要素生產(chǎn)率每年平均增長(zhǎng)率為4.59%。在農(nóng)業(yè)綠色全要素生產(chǎn)率領(lǐng)域，展進(jìn)濤等[22]利用2000—2015年中國(guó)省級(jí)面板數(shù)據(jù)，采用SFA對(duì)農(nóng)業(yè)綠色全要素生產(chǎn)率進(jìn)行核算，發(fā)現(xiàn)農(nóng)業(yè)綠色全要素生產(chǎn)率每年平均增長(zhǎng)4.10%，具有時(shí)序波動(dòng)性和梯度性特征。

關(guān)于糧食全要素生產(chǎn)率影響因素的研究，可分為微觀和宏觀2個(gè)層面的影響因素。從微觀層面來(lái)看，主要包括土地投入[23]、化肥投入、機(jī)械投入[24]、有效灌溉面積[25]、勞動(dòng)力投入和糧農(nóng)個(gè)體特征[16]等因素對(duì)糧食全要素生產(chǎn)率的影響。從宏觀層面來(lái)看，現(xiàn)有研究主要聚焦于地區(qū)經(jīng)濟(jì)發(fā)展水平[26]、環(huán)境污染[27]、氣候條件[28]、技術(shù)變遷[29]和農(nóng)業(yè)基礎(chǔ)設(shè)施[3]等因素對(duì)糧食全要素生產(chǎn)率的影響。其中，農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)水平對(duì)糧食生產(chǎn)效率的作用機(jī)理已有不少研究進(jìn)行驗(yàn)證。如朱晶等[4]認(rèn)為農(nóng)業(yè)基礎(chǔ)設(shè)施有利于糧食規(guī)模經(jīng)營(yíng)和生產(chǎn)技術(shù)進(jìn)步，從而節(jié)約成本，提升糧食的全要素生產(chǎn)率。與此同時(shí)，蔡保忠等[30]利用中國(guó)28個(gè)省級(jí)面板數(shù)據(jù)，驗(yàn)證了農(nóng)業(yè)基礎(chǔ)設(shè)施的建設(shè)水平對(duì)糧食生產(chǎn)的促進(jìn)作用。李谷成等[31]提出公路設(shè)施能有效提升農(nóng)業(yè)的全要素生產(chǎn)率。沿此思路，卓樂(lè)等[3]分別探討農(nóng)田水利設(shè)施、農(nóng)村交通設(shè)施和農(nóng)業(yè)電力設(shè)施對(duì)糧食全要素生產(chǎn)率的作用機(jī)制，與多數(shù)研究結(jié)論不同的是，該研究認(rèn)為農(nóng)業(yè)基礎(chǔ)設(shè)施中的農(nóng)業(yè)電力設(shè)施并不會(huì)對(duì)糧食全要素生產(chǎn)率產(chǎn)生影響。因此，農(nóng)業(yè)基礎(chǔ)設(shè)施對(duì)糧食全要素生產(chǎn)率的關(guān)系機(jī)制存在一定爭(zhēng)議。

綜上，已有文獻(xiàn)對(duì)財(cái)政支農(nóng)補(bǔ)貼效用和糧食全要素生產(chǎn)率測(cè)度方法及影響因素的探究已較為充分，為本研究奠定了豐富的理論基礎(chǔ)。然而，現(xiàn)有研究主要聚焦于財(cái)政支農(nóng)補(bǔ)貼對(duì)農(nóng)民收入、農(nóng)村經(jīng)濟(jì)增長(zhǎng)、農(nóng)民消費(fèi)等領(lǐng)域的效用，且存在一定的分歧。此外，已有成果主要從土地投入、化肥投入、機(jī)械投入、有效灌溉面積、勞動(dòng)力投入、糧農(nóng)個(gè)體特征、地區(qū)經(jīng)濟(jì)發(fā)展水平、環(huán)境污染、氣候條件、技術(shù)變遷和農(nóng)業(yè)基礎(chǔ)設(shè)施等角度對(duì)糧食全要素生產(chǎn)率進(jìn)行探究，忽略了財(cái)政支農(nóng)補(bǔ)貼這個(gè)關(guān)鍵的政策性因素對(duì)糧食全要素生產(chǎn)率的重要作用，對(duì)財(cái)政支農(nóng)補(bǔ)貼影響糧食全要素生產(chǎn)率的機(jī)制研究還較為薄弱。因此，本研究借鑒前人廣泛使用的DEA-Malmquist指數(shù)法測(cè)算中國(guó)31個(gè)省(市、自治區(qū))2003—2018年的糧食全要素生產(chǎn)率，并以結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)為中介，以農(nóng)業(yè)技術(shù)環(huán)境為調(diào)節(jié)，考察財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響機(jī)制，既是對(duì)糧食全要素生產(chǎn)率提升的進(jìn)一步探索，也是對(duì)財(cái)政支農(nóng)補(bǔ)貼研究領(lǐng)域的延展。

2 研究假設(shè)與理論模型

2.1 財(cái)政支農(nóng)補(bǔ)貼影響糧食全要素生產(chǎn)率的理論分析

多數(shù)學(xué)者認(rèn)為農(nóng)業(yè)補(bǔ)貼對(duì)糧食生產(chǎn)具有積極作用，原因大致分為以下2個(gè)方面。一是農(nóng)業(yè)補(bǔ)貼能夠有效激發(fā)農(nóng)民的種糧積極性。農(nóng)業(yè)補(bǔ)貼通過(guò)增加農(nóng)民的收入，提高糧食生產(chǎn)者參與繼續(xù)教育和專業(yè)培訓(xùn)的機(jī)會(huì)，從而促進(jìn)糧食生產(chǎn)者投資能力和技術(shù)水平的提升，進(jìn)而調(diào)動(dòng)農(nóng)民種糧積極性[32]。此外，在生產(chǎn)資源稀缺背景下，農(nóng)業(yè)補(bǔ)貼會(huì)對(duì)農(nóng)業(yè)生產(chǎn)者的理性行為產(chǎn)生影響，增加農(nóng)業(yè)生產(chǎn)者的種糧概率[33]。二是農(nóng)業(yè)補(bǔ)貼能夠促進(jìn)糧食增產(chǎn)。政府利用財(cái)政支農(nóng)資金為糧食生產(chǎn)者提供信息服務(wù)、生產(chǎn)服務(wù)和科技服務(wù)等公共服務(wù)，加之，財(cái)政支農(nóng)補(bǔ)貼中的農(nóng)業(yè)信貸補(bǔ)貼為糧食的生產(chǎn)、收購(gòu)、倉(cāng)儲(chǔ)和運(yùn)輸?shù)拳h(huán)節(jié)提供財(cái)政貼息，在為糧食生產(chǎn)者提供及時(shí)有效融資渠道的同時(shí)，降低糧食生產(chǎn)的融資成本，提高中國(guó)糧食的綜合生產(chǎn)能力。在資金約束的條件下，財(cái)政支農(nóng)補(bǔ)貼能夠有效增加糧食生產(chǎn)過(guò)程中的勞動(dòng)力、土地、化肥和農(nóng)業(yè)機(jī)械等要素投入數(shù)量，從而有利于糧食的增產(chǎn)[34]。此外，農(nóng)業(yè)補(bǔ)貼還能通過(guò)改變要素投入結(jié)構(gòu)，調(diào)整各生產(chǎn)要素的投入配比等方式，引導(dǎo)農(nóng)戶采取更為高效的種植行為，對(duì)糧食增產(chǎn)也具有積極作用[35]。由此可見，財(cái)政支農(nóng)補(bǔ)貼能夠提升農(nóng)業(yè)生產(chǎn)者的收入水平和技術(shù)水平，改變農(nóng)業(yè)生產(chǎn)過(guò)程中的要素投入數(shù)量和投入結(jié)構(gòu)，降低糧食生產(chǎn)成本，從而提高種糧積極性和產(chǎn)量。在其他條件不變的情況下，糧食生產(chǎn)成本的下降，生產(chǎn)積極性和產(chǎn)量的提升，都能夠有效促進(jìn)糧食全要素生產(chǎn)率的提高。據(jù)此，提出以下假設(shè)：

H1：財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率具有顯著的正向影響

2.2 機(jī)制分析

財(cái)政支農(nóng)補(bǔ)貼通過(guò)將財(cái)政資源差異化地細(xì)分于糧食生產(chǎn)內(nèi)部結(jié)構(gòu)，主要用于對(duì)小麥、玉米和水稻三大主糧的直接補(bǔ)貼、生產(chǎn)資料補(bǔ)貼和價(jià)格支持上，一定程度上有利于降低農(nóng)戶主糧生產(chǎn)的邊際成本，維持糧食市場(chǎng)價(jià)格穩(wěn)定，保障主糧生產(chǎn)者的利益。而農(nóng)戶理性行為則促使其種植受政策補(bǔ)貼的糧食作物，使得農(nóng)戶對(duì)主糧種植的積極性得以提升[36]，從而調(diào)整了糧食種植的內(nèi)部結(jié)構(gòu)?？梢?，財(cái)政支農(nóng)補(bǔ)貼具有擴(kuò)大主糧播種面積的作用，提升主糧在糧食生產(chǎn)結(jié)構(gòu)中的占比，而主糧占比的提升對(duì)糧食專業(yè)化生產(chǎn)具有一定的促進(jìn)作用。糧食種植專業(yè)化程度的提升，一方面可以通過(guò)專業(yè)化的生產(chǎn)性服務(wù)組織為糧食生產(chǎn)環(huán)節(jié)提供專業(yè)化機(jī)械作業(yè)，高效地完成糧食生產(chǎn)工作，降低糧食平均生產(chǎn)成本，促進(jìn)糧食生產(chǎn)效率的提升[37]。另一方面糧食專業(yè)化生產(chǎn)通過(guò)資本、勞動(dòng)力和信息資源的共享，優(yōu)化生產(chǎn)要素投入的配置效率，降低信息搜尋成本、使服務(wù)價(jià)格更加透明，促進(jìn)技術(shù)推廣、擴(kuò)散和應(yīng)用，從而降低糧食生產(chǎn)成本，提高糧食生產(chǎn)效率[38]?？梢姡?cái)政支農(nóng)補(bǔ)貼能夠發(fā)揮糧食種植的結(jié)構(gòu)效應(yīng)，通過(guò)專業(yè)化生產(chǎn)服務(wù)和信息資源共享機(jī)制，促進(jìn)技術(shù)效率的提高，進(jìn)而提升糧食的全要素生產(chǎn)率。據(jù)此，提出以下假設(shè)：

H2：財(cái)政支農(nóng)補(bǔ)貼能通過(guò)結(jié)構(gòu)效應(yīng)正向影響糧食全要素生產(chǎn)率

財(cái)政支農(nóng)補(bǔ)貼通過(guò)增加糧食生產(chǎn)技術(shù)研發(fā)專項(xiàng)資金的投入，吸引技術(shù)研發(fā)人才、購(gòu)置技術(shù)研發(fā)設(shè)備、降低技術(shù)研發(fā)私人投入，有效增加糧食生產(chǎn)技術(shù)專利成果的產(chǎn)出，加快糧食生產(chǎn)科技進(jìn)步和生產(chǎn)技術(shù)革新的步伐[39]。此外，財(cái)政支農(nóng)補(bǔ)貼還通過(guò)科技三項(xiàng)費(fèi)用的支出，有效激勵(lì)農(nóng)業(yè)技術(shù)創(chuàng)新，提高糧食生產(chǎn)資料相關(guān)技術(shù)專利成果產(chǎn)出，以此提升糧食生產(chǎn)資料的利用效率，從而為糧食生產(chǎn)帶來(lái)技術(shù)效應(yīng)。而技術(shù)效應(yīng)一方面能促進(jìn)糧食生產(chǎn)技術(shù)的轉(zhuǎn)型升級(jí)，打破現(xiàn)有資源和利用的局限性，進(jìn)一步實(shí)現(xiàn)糧食生產(chǎn)效率的躍遷[1]。另一方面，技術(shù)效應(yīng)還可以提升糧食生產(chǎn)要素投入的邊際產(chǎn)出，在增加糧食產(chǎn)量的同時(shí)降低生產(chǎn)成本[40]，從而提高糧食的全要素生產(chǎn)率。更進(jìn)一步分析，糧食專利成果的技術(shù)效應(yīng)通過(guò)發(fā)揮技術(shù)進(jìn)步的增產(chǎn)效應(yīng)，改變糧食的生產(chǎn)要素投入數(shù)量和投入結(jié)構(gòu)以及勞動(dòng)方式，提高糧食生產(chǎn)的現(xiàn)代化水平，從而為糧食生產(chǎn)效率的提高提供源源不斷的動(dòng)力。據(jù)此，提出以下假設(shè)：

H3：財(cái)政支農(nóng)補(bǔ)貼能通過(guò)技術(shù)效應(yīng)正向影響糧食全要素生產(chǎn)率

農(nóng)業(yè)技術(shù)環(huán)境是指農(nóng)業(yè)技術(shù)研發(fā)的投入產(chǎn)出效率以及農(nóng)業(yè)技術(shù)交易市場(chǎng)的規(guī)?；鸵?guī)范化程度，主要包括農(nóng)業(yè)技術(shù)研發(fā)環(huán)境和農(nóng)業(yè)技術(shù)流通環(huán)境兩個(gè)方面。與之對(duì)應(yīng)的是，糧食生產(chǎn)者采用新技術(shù)進(jìn)行耕作時(shí)所產(chǎn)生的2個(gè)主要成本，即農(nóng)業(yè)技術(shù)專利的購(gòu)置費(fèi)用和購(gòu)置過(guò)程中產(chǎn)生的其他交易費(fèi)用[41]。一方面，較好的農(nóng)業(yè)技術(shù)研發(fā)環(huán)境，即技術(shù)研發(fā)人才、技術(shù)研發(fā)設(shè)備與技術(shù)研發(fā)材料配備較高的環(huán)境下，能夠有效提升研發(fā)要素投入的產(chǎn)出效率，有利于降低單位農(nóng)業(yè)技術(shù)產(chǎn)出的研發(fā)成本。另一方面，農(nóng)業(yè)技術(shù)市場(chǎng)是技術(shù)資源配置和技術(shù)成果轉(zhuǎn)化為實(shí)際價(jià)值的重要平臺(tái)，它的發(fā)展程度能夠反映農(nóng)業(yè)技術(shù)流通環(huán)境的優(yōu)劣，對(duì)農(nóng)業(yè)生產(chǎn)效率的變化具有舉足輕重的影響。農(nóng)業(yè)技術(shù)交易過(guò)程中，由于受到信息不對(duì)稱、技術(shù)價(jià)值不確定性、合約不完全性和產(chǎn)權(quán)易逝性等交易特征的影響，存在著較高的交易成本，但隨著農(nóng)業(yè)技術(shù)流通環(huán)境的改善交易成本也將逐步降低[42]。與此同時(shí)，財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的作用程度，受到外部農(nóng)業(yè)技術(shù)環(huán)境優(yōu)劣的影響。在較好的農(nóng)業(yè)技術(shù)環(huán)境中，農(nóng)業(yè)技術(shù)的研發(fā)和流通效率較高，對(duì)于采用新技術(shù)來(lái)提高糧食生產(chǎn)效率的生產(chǎn)者而言實(shí)現(xiàn)了購(gòu)置成本和交易成本的節(jié)約，更多的財(cái)政支農(nóng)補(bǔ)貼便可以直接或間接地轉(zhuǎn)化為糧食全要素生產(chǎn)率，從而增強(qiáng)了財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的促進(jìn)作用。反之，在較差的農(nóng)業(yè)技術(shù)環(huán)境中，農(nóng)業(yè)技術(shù)的研發(fā)和流通效率較低，意味著采用新技術(shù)來(lái)提高糧食生產(chǎn)效率的生產(chǎn)者必須為此付出更大的成本，財(cái)政支農(nóng)補(bǔ)貼中的一部分將用來(lái)填補(bǔ)糧食生產(chǎn)者增加的這部分成本，而并非直接或間接地轉(zhuǎn)化為糧食全要素生產(chǎn)率，從而削弱了財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的促進(jìn)作用?；诖?，提出以下假設(shè)：

H4：農(nóng)業(yè)技術(shù)環(huán)境在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響中具有正向調(diào)節(jié)作用

3 糧食全要素生產(chǎn)率測(cè)算方法與結(jié)果分析

3.1 糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)測(cè)量方法選取

通過(guò)對(duì)糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)(以下簡(jiǎn)寫TFPC)進(jìn)行測(cè)算，能夠?yàn)楹罄m(xù)實(shí)證檢驗(yàn)提供數(shù)據(jù)資料。而糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)測(cè)算運(yùn)用最為廣泛的方法是DEA-Malmquist指數(shù)法，它是指將DEA與Malmquist指數(shù)法相結(jié)合，通過(guò)構(gòu)建目標(biāo)生產(chǎn)函數(shù)，估算在多投入-多產(chǎn)出的情形下全要素生產(chǎn)率的變化情況。由于DEA-Malmquist指數(shù)法測(cè)算出的全要素生產(chǎn)率是一種相對(duì)效率，因此避免了由參照系改變所引起的誤差，不僅克服了索洛余值法的缺陷，還能進(jìn)一步將全要素生產(chǎn)率分解為技術(shù)進(jìn)步和技術(shù)效率，以便后續(xù)進(jìn)行深入研究。此外，該測(cè)量方法還有以下三方面優(yōu)勢(shì)：一是使用該方法不需要投入變量和產(chǎn)出變量的價(jià)格信息，便可計(jì)算出糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)；二是該方法不需要對(duì)指標(biāo)進(jìn)行權(quán)重設(shè)定或量綱統(tǒng)一；三是無(wú)需對(duì)生產(chǎn)決策做假設(shè)條件，允許生產(chǎn)決策單元的無(wú)效行為。從而能夠更加簡(jiǎn)易、科學(xué)、合理地計(jì)算除糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)，在糧食全要素生產(chǎn)率的測(cè)算中被廣泛使用[43]。因此，本研究使用DEA-Malmquist方法對(duì)2003—2018年中國(guó)的大陸31個(gè)省(市、自治區(qū))的TFPC進(jìn)行測(cè)算。并將其分解成技術(shù)進(jìn)步指數(shù)(TCP)和技術(shù)效率變化指數(shù)(TEP)兩個(gè)指標(biāo)，具體公式介紹如下。

t時(shí)期的Malmquist指數(shù)公式為：

(1)

t+1時(shí)期的Malmquist指數(shù)公式為：

(2)

式中：xt和yt分別表示t時(shí)的投入向量和產(chǎn)出向量，xt+1和yt+1分別表示t+1時(shí)的投入向量和產(chǎn)出向量。Dt(xt，yt)和Dt+1(xt+1，yt+1)分別表示投入產(chǎn)出向量(x，y)在第t和t+1時(shí)期的產(chǎn)出距離函數(shù)。

t+1時(shí)期的全要素生產(chǎn)率增長(zhǎng)指數(shù)(TFPC)公式為：

(3)

將式(1)和(2)相乘之后取幾何平均數(shù)，計(jì)算出從t期到t+1期的糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)。并進(jìn)一步將TFPC分解為技術(shù)進(jìn)步指數(shù)(TCP)和技術(shù)效率變化指數(shù)(TEP)。當(dāng)式(3)值大于1時(shí)，說(shuō)明糧食全要素生產(chǎn)率(TFP)從t至t+1時(shí)段是增長(zhǎng)的，反之則為下降；當(dāng)式(3)值為1時(shí)，表明TFP保持不變。與此同時(shí)，當(dāng)TCP、TEP的值大于1時(shí)，則分別表明從t至t+1時(shí)段發(fā)生技術(shù)進(jìn)步、技術(shù)效率的提升，反之則為退步、下降；當(dāng)TCP和TEP的值均等于1時(shí)，則表明從t至t+1時(shí)段技術(shù)進(jìn)步和技術(shù)效率均不變。

關(guān)于糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)的測(cè)算指標(biāo)，本研究選取中國(guó)大陸31個(gè)省(市、自治區(qū))作為研究范圍，參照卓樂(lè)等[3]使用的糧食產(chǎn)量1個(gè)產(chǎn)出指標(biāo)，土地投入、化肥投入、機(jī)械投入、勞動(dòng)力投入和灌溉投入5個(gè)投入指標(biāo)，構(gòu)建測(cè)算指標(biāo)體系，具體如表1所示。

表1 糧食全要素生產(chǎn)率測(cè)算指標(biāo)Table 1 Measurement indicators of grain total factor productivity

3.2 糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)測(cè)量結(jié)果

從橫向來(lái)看(表2)，根據(jù)DEA-Malmquist指數(shù)法測(cè)算出來(lái)的2003—2018年中國(guó)大陸31個(gè)省(市、自治區(qū))的技術(shù)進(jìn)步指數(shù)(TCP)、技術(shù)效率變化指數(shù)(TEP)以及糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)(TFPC)。可以看出在2003—2018年，除重慶、四川、貴州和西藏4省(市)糧食全要素生產(chǎn)率年均增速為負(fù)以外，其余27省(市、自治區(qū))的糧食全要素生產(chǎn)率年均增速為正，說(shuō)明在2003—2018年多數(shù)省份糧食全要素生產(chǎn)率維持正增長(zhǎng)。此外，除浙江和西藏2省(自治區(qū))以外，其余29省(市、自治區(qū))的年均技術(shù)進(jìn)步指數(shù)均大于1；且除浙江、湖北、廣東、重慶、貴州和西藏6省(自治區(qū))以外，其余25省(市、自治區(qū))的年均技術(shù)效率變化指數(shù)均大于1，表明多數(shù)省(市、自治區(qū))的年均技術(shù)進(jìn)步指數(shù)和技術(shù)效率變化指數(shù)均維持正增長(zhǎng)。

表2 各省(市、自治區(qū))糧食DEA-Malmquist指數(shù)均值及其分解情況Table 2 The average value of DEA-Malmquist index and its decomposition in each province

從縱向來(lái)看(圖1)，2003—2018年全國(guó)平均技術(shù)進(jìn)步指數(shù)、效率變化指數(shù)和全要素生產(chǎn)率增長(zhǎng)指數(shù)都具有交替變化的特征。其中，糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)除2005、2006和2009年為負(fù)增長(zhǎng)外，其余13個(gè)年份均為正增長(zhǎng)；同時(shí)，除2003、2005、2006、2009、2014和2018年6個(gè)年份以外，其余10個(gè)年份技術(shù)進(jìn)步指數(shù)均大于技術(shù)效率變化指數(shù)，可以初步看出全國(guó)糧食全要素生產(chǎn)率的增長(zhǎng)更多依賴于糧食生產(chǎn)技術(shù)的進(jìn)步。

圖1 2003—2018全國(guó)糧食DEA-Malmquist指數(shù)及其分解情況Fig.1 2003-2018 national grain DEA-Malmquist index and its decomposition

立體角度，糧食全要素生產(chǎn)率累計(jì)增長(zhǎng)指數(shù)來(lái)看(圖2)，在2003—2018年間糧食全要素生產(chǎn)率累計(jì)增長(zhǎng)指數(shù)明顯呈現(xiàn)出空間差異特征，總體上呈現(xiàn)出由東北向西南方向遞減的特征。具體而言，黑龍江、北京、內(nèi)蒙古、安徽、河南、寧夏和山西7個(gè)省(市、自治區(qū))的糧食全要素生產(chǎn)率累計(jì)增長(zhǎng)指數(shù)處于相對(duì)較高水平，增長(zhǎng)情況最好；河北、江蘇、天津、上海、甘肅和陜西6個(gè)省(市)次之；云南、廣西、湖北、浙江、廣東和四川6個(gè)省(自治區(qū))增長(zhǎng)較為緩慢；而西藏、貴州和重慶3個(gè)省(市、自治區(qū))糧食全要素生產(chǎn)率累計(jì)增長(zhǎng)指數(shù)處于較低水平。

圖2 2003—2018年糧食全要素生產(chǎn)率(TFP)累計(jì)增長(zhǎng)指數(shù)分布Fig.2 2003-2018 TFP cumulative growth index regional distribution

4 變量選取與模型設(shè)計(jì)

4.1 變量選取

4.1.1被解釋變量

糧食全要素生產(chǎn)率。關(guān)于糧食全要素生產(chǎn)率的測(cè)算指標(biāo)，如前所述，本研究選取糧食產(chǎn)量作為產(chǎn)出變量，土地投入、化肥投入、機(jī)械投入、勞動(dòng)力投入和灌溉投入作為投入變量，對(duì)2003—2018年中國(guó)大陸31個(gè)省(市、自治區(qū))的糧食全要素生產(chǎn)率增長(zhǎng)指數(shù)進(jìn)行測(cè)量。為計(jì)算出各年份的糧食全要素生產(chǎn)率，本研究以2003年作為基期將當(dāng)年全要素生產(chǎn)率設(shè)定為1，其余年份參照基期進(jìn)行計(jì)算。

4.1.2解釋變量

財(cái)政支農(nóng)補(bǔ)貼。關(guān)于農(nóng)業(yè)補(bǔ)貼的測(cè)量指標(biāo)，有研究選取2004—2016年的農(nóng)業(yè)四項(xiàng)補(bǔ)貼[44]、2016年后農(nóng)業(yè)支持保護(hù)補(bǔ)貼[45]或農(nóng)機(jī)購(gòu)置補(bǔ)貼[46]作為農(nóng)業(yè)補(bǔ)貼的測(cè)量指標(biāo)。考慮到財(cái)政對(duì)農(nóng)業(yè)的轉(zhuǎn)移支付一般統(tǒng)計(jì)在農(nóng)林水事務(wù)支出項(xiàng)目，因此各省的財(cái)政農(nóng)林水事務(wù)支出在一定程度上決定農(nóng)業(yè)補(bǔ)貼的總額。而財(cái)政支農(nóng)補(bǔ)貼則由各省統(tǒng)計(jì)年鑒中的統(tǒng)計(jì)對(duì)象“財(cái)政支農(nóng)情況”的測(cè)量指標(biāo)“農(nóng)林水事務(wù)支出(Expe)”進(jìn)行測(cè)量。因此，本研究參照許慶等[47]，選取中國(guó)大陸31個(gè)省(市、自治區(qū))2003—2006農(nóng)業(yè)支出、林業(yè)支出、農(nóng)林水利氣象等部門的事業(yè)費(fèi)支出三者之和以及2007—2018年“農(nóng)林水事務(wù)支出”作為財(cái)政支農(nóng)補(bǔ)貼(單位：百億元)的測(cè)量指標(biāo)。

4.1.3中介變量

結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)。關(guān)于結(jié)構(gòu)效應(yīng)(Stru)的測(cè)算方法，考慮到財(cái)政支農(nóng)補(bǔ)貼用于糧食生產(chǎn)的支出大多數(shù)轉(zhuǎn)移到對(duì)小麥、稻谷和玉米3種主糧的生產(chǎn)過(guò)程中，因此本研究參照金濤等[48]結(jié)合本研究具體情境進(jìn)行修改，選取主糧種植面積/其他糧食種植面積進(jìn)行測(cè)量；關(guān)于技術(shù)效應(yīng)(Tech)的測(cè)量方法，考慮到財(cái)政支農(nóng)對(duì)糧食相關(guān)技術(shù)的研發(fā)投入與糧食相關(guān)技術(shù)成果的產(chǎn)出密切相關(guān)，故參照馬述忠等[49]的研究進(jìn)行修改，用分省年度的糧食相關(guān)專利數(shù)(個(gè))進(jìn)行測(cè)量，該變量的數(shù)據(jù)來(lái)源通過(guò)知網(wǎng)專利數(shù)據(jù)庫(kù)逐省逐年進(jìn)行檢索獲取。

4.1.4調(diào)節(jié)變量

農(nóng)業(yè)技術(shù)環(huán)境。關(guān)于農(nóng)業(yè)技術(shù)環(huán)境(Agri)的測(cè)量方法，本研究考慮到農(nóng)業(yè)技術(shù)環(huán)境的優(yōu)劣，在一定程度上反映農(nóng)業(yè)技術(shù)研發(fā)環(huán)境和農(nóng)業(yè)技術(shù)流通環(huán)境的好壞，對(duì)糧食生產(chǎn)技術(shù)及時(shí)有效的擴(kuò)散和利用具有較大影響，從而增強(qiáng)或削弱財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的促進(jìn)作用。而各地區(qū)的農(nóng)業(yè)技術(shù)合同成交總額，能夠較為準(zhǔn)確地反映出該地區(qū)農(nóng)業(yè)技術(shù)市場(chǎng)的發(fā)達(dá)程度，R&D經(jīng)費(fèi)內(nèi)部支出則反映了技術(shù)的研發(fā)成本。因此，參照王愛(ài)民等[41]根據(jù)本研究研究情境進(jìn)行修改，選取技術(shù)合同成交總額/R&D經(jīng)費(fèi)內(nèi)部支出，作為農(nóng)業(yè)技術(shù)環(huán)境的測(cè)量指標(biāo)，可以有效反應(yīng)農(nóng)業(yè)技術(shù)研發(fā)和流通的效率，在一定程度上能夠代表該地區(qū)的農(nóng)業(yè)技術(shù)環(huán)境。

4.1.5控制變量

根據(jù)以往研究對(duì)糧食全要素生產(chǎn)率影響因素的相關(guān)研究成果[1,38]，選取中國(guó)大陸31個(gè)省(市、自治區(qū))2003—2018年：?jiǎn)挝晦r(nóng)業(yè)產(chǎn)值固定資產(chǎn)投資(Inve)、農(nóng)村平均受教育年限(Redu)、交通便利程度(Road)、農(nóng)業(yè)電力消耗(Elec)、和水土流失治理水平(Waso)和城鎮(zhèn)化水平(Urba)作為本研究模型的控制變量，具體指標(biāo)如表3所示。

4.2 數(shù)據(jù)來(lái)源

本研究使用的原始數(shù)據(jù)，無(wú)特別說(shuō)明均來(lái)源于中國(guó)大陸31個(gè)省(市、自治區(qū))2003—2018年共16年496個(gè)樣本數(shù)據(jù)，由《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》[50]、《中國(guó)科技統(tǒng)計(jì)年鑒》[51]、《中國(guó)統(tǒng)計(jì)年鑒》[52]、《中國(guó)農(nóng)業(yè)機(jī)械工業(yè)年鑒》[53]和《新中國(guó)六十年農(nóng)業(yè)統(tǒng)計(jì)資料匯編》[54]整理所得。

4.3 模型設(shè)計(jì)

本研究運(yùn)用面板數(shù)據(jù)回歸模型分三部分檢驗(yàn)上述假說(shuō)，以此探究財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響及其作用機(jī)制。式(4)為本研究的基準(zhǔn)模型，用于檢驗(yàn)財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響，即假說(shuō)H1。

lnTFPit=αi+α1lnExpeit+α2lnXj,it+μi+εit

(4)

式(5)～(7)是根據(jù)逐步回歸法設(shè)計(jì)中介機(jī)制檢驗(yàn)?zāi)Ｐ蚚55]。第一步，檢驗(yàn)財(cái)政支農(nóng)補(bǔ)貼對(duì)結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)的影響(式5)。第二步，檢驗(yàn)結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)對(duì)糧食全要素生產(chǎn)率的影響(式6)。第三步，分別檢驗(yàn)財(cái)政支農(nóng)補(bǔ)貼和結(jié)構(gòu)效應(yīng)對(duì)糧食全要素生產(chǎn)率的影響，財(cái)政支農(nóng)補(bǔ)貼和技術(shù)效應(yīng)對(duì)糧食全要素生產(chǎn)率的影響(式7)。依次構(gòu)建3個(gè)回歸模型，以此檢驗(yàn)假設(shè)H2和假設(shè)H3：

lnINFRk,it=βi+β1lnExpeit+β2lnXj,it+νi+εit

(5)

表3 控制變量測(cè)量指標(biāo)Table 3 Control variable measurement index

lnTFPit=γi+γ1lnINFRk,it+γ2lnXj,it+ηi+εit

(6)

lnTFPit=κi+κ1lnExpeit+κ2lnINFRk,it+
κ3lnXj,it+πi+εit

(7)

由于財(cái)政支農(nóng)補(bǔ)貼、農(nóng)業(yè)技術(shù)環(huán)境和糧食全要素生產(chǎn)率均為連續(xù)型變量，因此，在檢驗(yàn)調(diào)節(jié)作用時(shí)適合采用層次回歸分析法。第一步，進(jìn)行財(cái)政支農(nóng)補(bǔ)貼和農(nóng)業(yè)技術(shù)環(huán)境對(duì)糧食全要素生產(chǎn)率的回歸(式8)。第二步，進(jìn)行財(cái)政支農(nóng)補(bǔ)貼、農(nóng)業(yè)技術(shù)環(huán)境、財(cái)政支農(nóng)補(bǔ)貼×農(nóng)業(yè)技術(shù)環(huán)境對(duì)糧食全要素生產(chǎn)率的回歸(式9)。通過(guò)對(duì)比兩個(gè)回歸模型擬合優(yōu)度R2以及交互項(xiàng)系數(shù)符號(hào)及顯著性判斷調(diào)節(jié)作用成立與否，若擬合優(yōu)度R2上升且交互項(xiàng)系數(shù)顯著，則證明農(nóng)業(yè)技術(shù)環(huán)境在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響中起調(diào)節(jié)作用，以此檢驗(yàn)假設(shè)H4。

lnTFPit=λi+λ1lnExpeit+λ2lnAGRIit+
λ3lnXj,it+φi+εit

(8)

lnTFPit=ξi+ξ1lnExpeit+ξ2lnAGRIit+
ξ3lnExpeit×lnAGRIit+ξ4lnXj,it+ωi+εit

(9)

式(8)～(9)中：TFPit為被解釋變量，表示t年i地區(qū)的糧食全要素生產(chǎn)率；Expeit為核心解釋變量，表示t年i地區(qū)的財(cái)政支農(nóng)補(bǔ)貼；INFRk,it為中介變量；Xj,it為控制變量，代表影響糧食全要素生產(chǎn)率的其他因素；α、β、γ、κ、λ、ξ表示各方程對(duì)應(yīng)的系數(shù)；μ、ν、η、π、φ、ω表示各省難以觀測(cè)的省區(qū)效應(yīng)；εit表示隨機(jī)擾動(dòng)項(xiàng)。此外，i=1，2，…，31代表中國(guó)大陸31個(gè)省；t=2003，2008，…，2018代表16個(gè)年份；j=1，2，…，6分別表示單位農(nóng)業(yè)產(chǎn)值固定資產(chǎn)投資、農(nóng)村平均受教育年限、交通便利程度、農(nóng)業(yè)電力消耗、水土流失治理水平和城鎮(zhèn)化水平；k=1，2分別表示2個(gè)中介變量，即結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)。

5 實(shí)證檢驗(yàn)

為檢驗(yàn)財(cái)政支農(nóng)補(bǔ)貼與糧食全要素生產(chǎn)率之間的關(guān)系機(jī)制，運(yùn)用Stata 16.0進(jìn)行面板數(shù)據(jù)回歸。本研究在固定效應(yīng)和隨機(jī)效應(yīng)實(shí)證模型的選擇上，采用Hausman進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果表示選擇固定效應(yīng)更加適合，后續(xù)研究主要針對(duì)固定效應(yīng)模型結(jié)果進(jìn)行分析。但是，為了確?；貧w結(jié)果的穩(wěn)健性，本研究同時(shí)使用隨機(jī)效應(yīng)模型的檢驗(yàn)結(jié)果作為參照。

5.1 財(cái)政支農(nóng)補(bǔ)貼與糧食全要素生產(chǎn)率的關(guān)系檢驗(yàn)

從表4的模型1和模型2回歸結(jié)果中，可知，財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響均在1%水平上顯著，系數(shù)分別為0.092和0.068，說(shuō)明財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率具有顯著的正向影響。

表4 財(cái)政支農(nóng)補(bǔ)貼與糧食全要素生產(chǎn)率的關(guān)系檢驗(yàn)Table 4 Test on the relationship between financial subsidy for agriculture and grain total factor productivity

考慮模型潛在的內(nèi)生性問(wèn)題，糧食全要素生產(chǎn)率的影響因素較多，可能存在遺漏變量問(wèn)題，例如氣候因素、政策因素和其他難以被觀測(cè)的影響因素等，因此本研究用固定效應(yīng)模型對(duì)遺漏變量問(wèn)題進(jìn)行處理。此外，隨著糧食全要素生產(chǎn)率的提升意味著政府補(bǔ)貼效用的提高，政府可能對(duì)該地區(qū)做出更為積極的補(bǔ)貼行為，糧食全要素生產(chǎn)率與財(cái)政支農(nóng)補(bǔ)貼可能存在反向因果問(wèn)題。因此，本研究借助工具變量法，處理反向因果問(wèn)題。由于政府的“一般公共預(yù)算收入”和“一般公共預(yù)算支出”高度相關(guān)，且“農(nóng)林水事務(wù)支出”占“一般公共預(yù)算支出”的比例通常較為穩(wěn)定，故“一般公共預(yù)算收入”與內(nèi)生變量“財(cái)政支農(nóng)補(bǔ)貼”具有相關(guān)性，并與當(dāng)期的隨機(jī)誤差項(xiàng)和糧食全要素生產(chǎn)率均不相關(guān)。因此，本研究選取“一般公共預(yù)算收入(Reve)”作為工具變量。本研究首先對(duì)工具變量的有效性進(jìn)行檢驗(yàn)，如模型3所示一階段估計(jì)的F值為49.32遠(yuǎn)大于弱工具變量檢驗(yàn)臨界值10，Wald內(nèi)生性檢驗(yàn)的P值顯示“財(cái)政支農(nóng)補(bǔ)貼”為內(nèi)生變量。說(shuō)明“一般公共預(yù)算收入”作為“財(cái)政支農(nóng)補(bǔ)貼”的工具變量較為合適。兩階段回歸結(jié)果顯示，財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的回歸系數(shù)為0.09在1%的水平下顯著，進(jìn)一步表明財(cái)政支農(nóng)補(bǔ)貼能夠有效提升糧食全要素生產(chǎn)率，假設(shè)H1成立。

此外，本研究還將樣本分為糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)進(jìn)行檢驗(yàn)。從糧食主產(chǎn)區(qū)樣本的回歸結(jié)果來(lái)看(模型4和5)，無(wú)論使用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型進(jìn)行回歸，財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響均不顯著，但回歸系數(shù)仍然為正。從非糧食主產(chǎn)區(qū)樣本的回歸結(jié)果來(lái)看(模型6和7)，使用固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行回歸，財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響系數(shù)分別在5%和10%水平上通過(guò)顯著性檢驗(yàn)，回歸系數(shù)分別為0.082和0.050?？梢钥闯?，財(cái)政支農(nóng)補(bǔ)貼對(duì)非糧食主產(chǎn)區(qū)糧食全要素生產(chǎn)率的影響要大于糧食主產(chǎn)區(qū)。這可能是因?yàn)?，糧食主產(chǎn)區(qū)的糧食全要素生產(chǎn)率發(fā)展起步較早，前期已經(jīng)獲得了較多財(cái)政支農(nóng)資金的支持，糧食全要素生產(chǎn)率也已經(jīng)達(dá)到一個(gè)較高水平，單位財(cái)政支農(nóng)補(bǔ)貼投入的邊際增長(zhǎng)率較低。而非糧食主產(chǎn)區(qū)的糧食全要素生產(chǎn)率發(fā)展滯后，前期獲得的財(cái)政支農(nóng)補(bǔ)貼較少，糧食全要素生產(chǎn)率處于相對(duì)較低的水平，因此單位財(cái)政支農(nóng)補(bǔ)貼投入的邊際增長(zhǎng)率較高。具體而言，財(cái)政支農(nóng)補(bǔ)貼固然能促進(jìn)規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)的提升，進(jìn)而提升糧食全要素生產(chǎn)率，但由于糧食主產(chǎn)區(qū)已經(jīng)在一定程度上實(shí)現(xiàn)規(guī)?；?、專業(yè)化和集約化生產(chǎn)，待發(fā)掘利用資源有限并且存在一定程度的路徑依賴，導(dǎo)致對(duì)糧食全要素生產(chǎn)率的影響較為微弱。而在非糧食主產(chǎn)區(qū)，糧食種植的細(xì)碎化程度較高、專業(yè)化程度和管理效率較低、要素投入數(shù)量和結(jié)構(gòu)還有待調(diào)整、待開發(fā)利用的資源和技術(shù)較多，生產(chǎn)規(guī)模和結(jié)構(gòu)調(diào)整的靈活性較強(qiáng)，因此財(cái)政支農(nóng)補(bǔ)貼對(duì)規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)的提升程度較高，從而能夠更有效地提升糧食全要素生產(chǎn)率。

5.2 機(jī)制檢驗(yàn)

5.2.1結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)的中介作用檢驗(yàn)

從表5的模型8和9回歸結(jié)果中(基于式5)，可以看出，財(cái)政支農(nóng)補(bǔ)貼對(duì)結(jié)構(gòu)效應(yīng)的影響均在1%水平上通過(guò)顯著性檢驗(yàn)，回歸系數(shù)分別為0.291和0.205，說(shuō)明財(cái)政支農(nóng)補(bǔ)貼對(duì)結(jié)構(gòu)效應(yīng)具有顯著的正向影響，且回歸結(jié)果較為穩(wěn)健。從模型10和11回歸結(jié)果中，可見，財(cái)政支農(nóng)補(bǔ)貼對(duì)技術(shù)效應(yīng)的影響均在1%水平上通過(guò)顯著性檢驗(yàn)，且回歸系數(shù)分別為0.595和0.615，說(shuō)明財(cái)政支農(nóng)補(bǔ)貼對(duì)技術(shù)效應(yīng)具有顯著的正向影響。

表5 財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的機(jī)制結(jié)果Table 5 Mechanism results of financial subsidies to agriculture on total factor productivity of grain

模型12和13回歸結(jié)果中(基于式6)，可知，結(jié)構(gòu)效應(yīng)對(duì)糧食全要素生產(chǎn)率的影響均在1%水平上顯著，且系數(shù)分別為0.14和0.132說(shuō)明結(jié)構(gòu)效應(yīng)對(duì)糧食全要素生產(chǎn)率具有顯著的正向影響，且回歸結(jié)果較為穩(wěn)健。模型14和15回歸結(jié)果中，可見，技術(shù)效應(yīng)對(duì)糧食全要素生產(chǎn)率的影響均在1%水平上通過(guò)顯著性檢驗(yàn)，且回歸系數(shù)分別為0.032和0.029說(shuō)明技術(shù)效應(yīng)對(duì)糧食全要素生產(chǎn)率具有顯著的正向影響。

對(duì)比表4和6中的，模型1和16、模型2和17(基于式7)，可以看出財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響系數(shù)，分別下降了0.031和0.026，但P值仍然通過(guò)5%顯著，說(shuō)明結(jié)構(gòu)效應(yīng)在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響中起部分中介作用，假設(shè)H2成立。對(duì)比模型1和18、模型2和19，可以看出財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響系數(shù)，分別下降了0.006和0.018，但P值均通過(guò)顯著性檢驗(yàn)，說(shuō)明技術(shù)效應(yīng)在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響中起部分中介作用，假設(shè)H3成立。

表6 結(jié)構(gòu)效應(yīng)與技術(shù)效應(yīng)的中介作用檢驗(yàn)結(jié)果Table 6 Test Results of the Intermediary Effect of Structure Effect and Technology Effect

然而，部分學(xué)者認(rèn)為即使在系數(shù)β1和γ1不顯著的情況下也可能存在中介效應(yīng)，而逐步回歸法卻要求系數(shù)β1和γ1必須具有統(tǒng)計(jì)意義，一定程度上降低了統(tǒng)計(jì)功效。為此，本研究采用對(duì)抽樣分布沒(méi)有限制且具有較高統(tǒng)計(jì)效力的Bootstrap中介檢驗(yàn)法，對(duì)假設(shè)H2和H3的檢驗(yàn)結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。Bootstrap檢驗(yàn)中發(fā)現(xiàn)(表7)，結(jié)構(gòu)效應(yīng)在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率影響中的中介效應(yīng)為0.026，技術(shù)效應(yīng)在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率影響中的中介效應(yīng)為0.019，且偏度校正檢驗(yàn)與百分位數(shù)檢驗(yàn)值在95%的置信區(qū)間內(nèi)都不包含0，表明中介效應(yīng)存在。再次驗(yàn)證假設(shè)H2和H3成立，與逐步回歸法得出的結(jié)果相同，說(shuō)明中介效應(yīng)檢驗(yàn)結(jié)果較為穩(wěn)健。

表7 Bootstrap中介效應(yīng)檢驗(yàn)結(jié)果Table 7 Bootstrap mediation effect test results

5.2.2農(nóng)業(yè)技術(shù)環(huán)境的調(diào)節(jié)作用檢驗(yàn)

為檢農(nóng)業(yè)技術(shù)環(huán)境(M)在財(cái)政支農(nóng)補(bǔ)貼(X)對(duì)糧食全要素生產(chǎn)率(Y)影響中的調(diào)節(jié)作用，先對(duì)上述三個(gè)變量進(jìn)行中心化處理，再運(yùn)用Stata16.0軟件進(jìn)行層次回歸分析檢驗(yàn)?；貧w結(jié)果如表9的模型20、21和22所示(基于式8和9)。其中，模型20為控制變量對(duì)糧食全要素生產(chǎn)率的影響，作為模型21和22的參照。

表8 農(nóng)業(yè)技術(shù)環(huán)境的調(diào)節(jié)作用檢驗(yàn)結(jié)果Table 8 Test results of the regulation effect of agricultural technology environment

從模型回歸結(jié)果看，擬合優(yōu)度(R2)由模型21的0.248提高到了模型22的0.278，△R2為0.030表明模型整體的解釋力提升了3.0%，說(shuō)明財(cái)政支農(nóng)補(bǔ)貼與農(nóng)業(yè)技術(shù)環(huán)境的交互項(xiàng)增加了對(duì)方差的解釋力。而且，模型22結(jié)果顯示，財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率具有顯著的正向影響，加入農(nóng)業(yè)技術(shù)環(huán)境交互項(xiàng)之后，發(fā)現(xiàn)財(cái)政支農(nóng)補(bǔ)貼與農(nóng)業(yè)技術(shù)環(huán)境的交互項(xiàng)(X×M)對(duì)糧食全要素生產(chǎn)率的回歸系數(shù)為0.012在5%水平上通過(guò)顯著性檢驗(yàn)。綜上，可以看出農(nóng)業(yè)技術(shù)環(huán)境在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率影響中起正向調(diào)節(jié)作用，驗(yàn)證了假說(shuō)H4。

6 結(jié)論與對(duì)策建議

本研究利用2003—2018年中國(guó)大陸31個(gè)省的面板數(shù)據(jù)，采用DEA-Malmquist指數(shù)法對(duì)糧食全要素生產(chǎn)率進(jìn)行測(cè)算，并實(shí)證檢驗(yàn)了財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響機(jī)制，得出以下兩方面結(jié)論。從基礎(chǔ)回歸的結(jié)果來(lái)看，財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率具有顯著的正向影響，說(shuō)明財(cái)政支農(nóng)補(bǔ)貼確實(shí)能夠有效促進(jìn)糧食全要素生產(chǎn)率的提升；分樣本回歸結(jié)果顯示財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食主產(chǎn)區(qū)糧食全要素生產(chǎn)率的影響系數(shù)為正但不顯著，而對(duì)非糧食主產(chǎn)區(qū)糧食全要素生產(chǎn)率的影響系數(shù)為正且顯著，表明財(cái)政支農(nóng)補(bǔ)貼對(duì)非糧食主產(chǎn)區(qū)糧食全要素生產(chǎn)率的提升作用要大于糧食主產(chǎn)區(qū)。從機(jī)制分析結(jié)果來(lái)看，結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)均在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響中發(fā)揮中介作用，證明財(cái)政支農(nóng)補(bǔ)貼不僅能通過(guò)結(jié)構(gòu)效應(yīng)，而且還能通過(guò)技術(shù)效應(yīng)，提高糧食全要素生產(chǎn)率；此外，機(jī)制分析結(jié)果還發(fā)現(xiàn)，農(nóng)業(yè)技術(shù)環(huán)境在財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響中具有正向調(diào)節(jié)作用，在較優(yōu)的農(nóng)業(yè)技術(shù)環(huán)境中，能夠更為高效地將財(cái)政支農(nóng)補(bǔ)貼轉(zhuǎn)化為糧食全要素生產(chǎn)率。

據(jù)此，本研究提出以下3點(diǎn)對(duì)策建議：1)完善財(cái)政支農(nóng)補(bǔ)貼政策，提高財(cái)政支農(nóng)資金效用。財(cái)政支農(nóng)補(bǔ)貼作為糧食生產(chǎn)過(guò)程中的主要外源性資金來(lái)源，對(duì)糧食生產(chǎn)的提質(zhì)增效發(fā)揮著重要作用。一方面，應(yīng)繼續(xù)加大財(cái)政支農(nóng)補(bǔ)貼規(guī)模，在維持糧食主產(chǎn)區(qū)的財(cái)政支農(nóng)支出的基礎(chǔ)上，側(cè)重增加非糧食主產(chǎn)區(qū)中糧食種植資源稟賦較高的省份的財(cái)政支農(nóng)投入。另一方面，政府適當(dāng)增加用于糧食生產(chǎn)技術(shù)研發(fā)、技術(shù)擴(kuò)散、政府服務(wù)和農(nóng)業(yè)人才培養(yǎng)等“綠箱政策”的財(cái)政支農(nóng)補(bǔ)貼，充分發(fā)揮補(bǔ)貼的創(chuàng)新效應(yīng)促進(jìn)糧食生產(chǎn)的技術(shù)進(jìn)步；調(diào)整用于糧食生產(chǎn)的固定資產(chǎn)和生產(chǎn)要素投入等“黃箱政策”的財(cái)政支農(nóng)補(bǔ)貼，提高糧食生產(chǎn)資料配置效率，以此提升糧食生產(chǎn)的技術(shù)效率。2)充分發(fā)揮結(jié)構(gòu)和技術(shù)效應(yīng)，提高糧食全要素生產(chǎn)率。糧食全要素生產(chǎn)率的提升依賴于技術(shù)效率和技術(shù)進(jìn)步。一方面，財(cái)政支農(nóng)政策應(yīng)繼續(xù)維持對(duì)主糧生產(chǎn)補(bǔ)貼的投入，進(jìn)行精細(xì)化的政策管理進(jìn)一步優(yōu)化糧食內(nèi)部種植結(jié)構(gòu)，提高主糧生產(chǎn)的專業(yè)化水平，發(fā)揮糧食生產(chǎn)的結(jié)構(gòu)效應(yīng)，提升糧食的全要素生產(chǎn)率。另一方面，政府應(yīng)適當(dāng)加強(qiáng)糧食生產(chǎn)科技項(xiàng)目的研發(fā)投入，強(qiáng)化財(cái)政支農(nóng)補(bǔ)貼引導(dǎo)技術(shù)進(jìn)步的作用，鼓勵(lì)糧食生產(chǎn)地區(qū)資源稟賦特征與技術(shù)進(jìn)步相結(jié)合，提高科技成果轉(zhuǎn)化率，在保障糧食質(zhì)量的前提下，盡可能提高糧食全要素生產(chǎn)率。3)加大農(nóng)業(yè)技術(shù)環(huán)境優(yōu)化力度，增強(qiáng)財(cái)政支農(nóng)轉(zhuǎn)化效率。優(yōu)化農(nóng)業(yè)技術(shù)環(huán)境是實(shí)現(xiàn)財(cái)政支農(nóng)補(bǔ)貼向糧食全要素生產(chǎn)率高效轉(zhuǎn)化的關(guān)鍵著力點(diǎn)，政府應(yīng)主要從農(nóng)業(yè)技術(shù)研發(fā)環(huán)境和農(nóng)業(yè)技術(shù)流通環(huán)境兩個(gè)方面著手進(jìn)行改善。一方面，農(nóng)業(yè)技術(shù)研發(fā)環(huán)境的改善對(duì)技術(shù)研發(fā)成本的節(jié)約具有較大影響，政府必須加大力度優(yōu)化農(nóng)業(yè)技術(shù)研發(fā)環(huán)境。另一方面，農(nóng)業(yè)技術(shù)市場(chǎng)通過(guò)促進(jìn)科技成果商品化和產(chǎn)業(yè)化，從而實(shí)現(xiàn)技術(shù)成果向現(xiàn)實(shí)生產(chǎn)力的轉(zhuǎn)化，對(duì)糧食生產(chǎn)活動(dòng)中各要素的投入以及資源的有效配置發(fā)揮著至關(guān)重要的作用。因此，政府有必要構(gòu)建良好的農(nóng)業(yè)技術(shù)流通環(huán)境，以此優(yōu)化農(nóng)業(yè)技術(shù)流通環(huán)境，提升財(cái)政支農(nóng)補(bǔ)貼向糧食全要素生產(chǎn)率的轉(zhuǎn)化效率。

本研究的局限性及展望主要有以下兩個(gè)方面：一方面是本研究主要利用省級(jí)面板數(shù)據(jù)從宏觀角度探究財(cái)政支農(nóng)補(bǔ)貼對(duì)糧食全要素生產(chǎn)率的影響，未從微觀農(nóng)戶視角進(jìn)行驗(yàn)證。在接下來(lái)的研究中，可進(jìn)一步采用實(shí)地調(diào)研方式獲取農(nóng)戶微觀調(diào)查數(shù)據(jù)，分析農(nóng)戶實(shí)際獲取的農(nóng)業(yè)補(bǔ)貼對(duì)農(nóng)戶生產(chǎn)行為產(chǎn)生的影響，進(jìn)而影響糧食全要素生產(chǎn)率的作用機(jī)制。另一方面，本研究主要關(guān)注財(cái)政支農(nóng)補(bǔ)貼總額對(duì)糧食全要素生產(chǎn)率的影響，在未來(lái)的研究中可以分別開展財(cái)政補(bǔ)貼的各個(gè)項(xiàng)目對(duì)糧食全要素生產(chǎn)率的影響，針對(duì)影響較大的項(xiàng)目提出優(yōu)化調(diào)整的政策建議。