政策性農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)效率影響因素的實證研究

沈惟強,徐相澤 (韓國忠北大學(xué)農(nóng)業(yè)生命環(huán)境學(xué)院,韓國清州 361763)

農(nóng)業(yè)作為國民經(jīng)濟的基礎(chǔ)產(chǎn)業(yè),對保障國家糧食安全具有重要的作用。 但是由于農(nóng)業(yè)的弱質(zhì)屬性,農(nóng)作物生長周期長,受到自然災(zāi)害因素影響大,導(dǎo)致農(nóng)作物的生產(chǎn)產(chǎn)量不穩(wěn)定,農(nóng)民的收入也不穩(wěn)定。 對此國家為促進農(nóng)業(yè)發(fā)展和穩(wěn)定農(nóng)民收入,自2004年起開始提出農(nóng)業(yè)政策性保險方案,自2007年開始對農(nóng)業(yè)保險費實施中央財政補貼制度。農(nóng)業(yè)保險費收入從2007年的53.3億元增加到2019年的672.5億元,農(nóng)業(yè)保險賠償金也從2007年的32.8億元增加到2019年的527.87億元。10多年來,農(nóng)業(yè)保險補助已從原來的種植業(yè),擴大到現(xiàn)在的種植業(yè)、養(yǎng)殖業(yè)、林業(yè)3類17個品種,基本上涉及經(jīng)濟民生、糧食安全、生態(tài)保護的主要農(nóng)作物,2019年中央財政支出農(nóng)業(yè)保險費補貼資金為242.48億元,是2007年保費補貼的10倍以上,農(nóng)業(yè)保險費收入和保險費補助資金在快速增長。事實上,盡管農(nóng)業(yè)保險的數(shù)量和質(zhì)量都在不斷增長,但目前卻未能充分評估對農(nóng)業(yè)保險在農(nóng)業(yè)生產(chǎn)效率和農(nóng)業(yè)產(chǎn)業(yè)層面所作出的貢獻。該研究的主要目的是評估農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)效率的影響。以往的研究多基于農(nóng)業(yè)保險對農(nóng)民收入穩(wěn)定及增長效果分析,而基于農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)效率性影響的研究比較少,因此,分析農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)效率的影響不僅有助于評估農(nóng)業(yè)保險運行效果,也有助于為政策執(zhí)行者在宏觀決策層面上提供農(nóng)業(yè)保險對生產(chǎn)效率影響的參考,更好地推進農(nóng)業(yè)高效發(fā)展。

1 文獻綜述

農(nóng)民在參加農(nóng)業(yè)保險后對農(nóng)業(yè)生產(chǎn)效率的影響主要從兩方面來考慮。 第一,從積極的方面來看,因農(nóng)業(yè)保險能夠提供資金和風(fēng)險保障,所以能夠增加農(nóng)作物的產(chǎn)量。 第二,從消極的方面來看,農(nóng)民在投保時產(chǎn)生的道德風(fēng)險將會導(dǎo)致農(nóng)業(yè)產(chǎn)出水平下降,在這種情況下農(nóng)業(yè)保險費補助在鼓勵農(nóng)戶加入保險的同時,也會提高其道德風(fēng)險的可能性。

農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)效率的影響,主要是通過農(nóng)民在加入農(nóng)業(yè)保險后因投入要素的量發(fā)生了變化進而導(dǎo)致產(chǎn)出量的變化。早期大部分學(xué)者都認為農(nóng)民在加入農(nóng)業(yè)保險后投入要素的量發(fā)生了變化,但是對于農(nóng)民在加入農(nóng)業(yè)保險后是增加還是減少生產(chǎn)要素投入,學(xué)者們還沒有得出統(tǒng)一的結(jié)論。以國外農(nóng)業(yè)保險研究者為例,部分研究者證實了農(nóng)業(yè)保險可以使農(nóng)民減少農(nóng)藥、化肥等生產(chǎn)要素投入量的主張,Goodwin等分析了美國中西部農(nóng)民在農(nóng)業(yè)生產(chǎn)時生產(chǎn)要素投入量變化,結(jié)果顯示,未加入農(nóng)業(yè)保險的農(nóng)民相比加入的農(nóng)民將會減少化肥和農(nóng)藥的使用量。但是與此相反,其他研究者也提出了農(nóng)業(yè)保險會鼓勵農(nóng)民增加農(nóng)藥、肥料等生產(chǎn)要素投入量的主張。Horowitz等分析了農(nóng)業(yè)保險是如何影響美國中西部玉米種植農(nóng)民的農(nóng)藥和化肥使用情況,結(jié)果發(fā)現(xiàn)加入農(nóng)業(yè)保險的農(nóng)民與未加入農(nóng)業(yè)保險的農(nóng)民相比,更愿意從事危險的生產(chǎn),并且會增加農(nóng)藥和化肥的使用量。 國外這些早期研究表明,因農(nóng)民在加入農(nóng)業(yè)保險后生產(chǎn)要素的投入量將會發(fā)生變化,對農(nóng)業(yè)生產(chǎn)的效率產(chǎn)生重要的影響。國內(nèi)研究領(lǐng)域方面,張躍華等研究認為由于農(nóng)業(yè)保險具有分散風(fēng)險的作用,進而使投保的農(nóng)民愿意使用比未投保的農(nóng)民相比更高效率、風(fēng)險更高的生產(chǎn)技術(shù),從而提高了農(nóng)業(yè)生產(chǎn)量。王向楠分析了農(nóng)業(yè)貸款和農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)的影響,認為農(nóng)業(yè)貸款及農(nóng)業(yè)保險的發(fā)展促進了中國農(nóng)業(yè)生產(chǎn)的增長,特別是在農(nóng)業(yè)生產(chǎn)風(fēng)險更大的地區(qū)這種效果更加顯著。李亞琦等選取了農(nóng)業(yè)保險費、農(nóng)業(yè)保險賠償金、農(nóng)業(yè)產(chǎn)出的時序列數(shù)據(jù)進行了協(xié)整檢驗,結(jié)果顯示,農(nóng)業(yè)保險費與農(nóng)業(yè)產(chǎn)出、農(nóng)業(yè)保險賠償金與農(nóng)業(yè)產(chǎn)出有著長期穩(wěn)定的協(xié)整關(guān)系,雖然農(nóng)業(yè)保險費和農(nóng)業(yè)保險賠償金對農(nóng)業(yè)生產(chǎn)的影響微乎其微,但農(nóng)業(yè)保險賠償金的影響略大。李曉濤等通過構(gòu)建“適應(yīng)性預(yù)期-局部調(diào)整”模型進行實證分析,發(fā)現(xiàn)農(nóng)業(yè)保險對糧食單位面積產(chǎn)量和總產(chǎn)量都產(chǎn)生顯著積極影響,但主要是影響單位糧食產(chǎn)量, 其中農(nóng)業(yè)保險對災(zāi)害風(fēng)險較高的非糧食主產(chǎn)區(qū)的糧食產(chǎn)量有顯著影響,對糧食主產(chǎn)區(qū)的糧食產(chǎn)量沒有顯著影響。

上述文獻研究表明,農(nóng)戶購買農(nóng)業(yè)保險后通過生產(chǎn)要素投入量的變化,進而導(dǎo)致了農(nóng)業(yè)生產(chǎn)產(chǎn)出量的變化。 特別是我國研究者大部分都以農(nóng)民在加入農(nóng)業(yè)保險后通過災(zāi)害保險賠償金和風(fēng)險保障增加產(chǎn)出為理論基礎(chǔ),分析了農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)的促進作用。

在DEA(包絡(luò)資料分析)效率性的原因分析中,Lovell等開始提出應(yīng)利用Tobit回歸分析法的主張,此后,Tobit回歸分析法在DEA中被廣泛運用并為標準分析方法之一。與此相反,Hoff等主張效率性分析的值并不是結(jié)構(gòu)性限制的資料,用常規(guī)的最小二乘法就足夠或能得到準確的結(jié)果。Mundlak就固定效應(yīng)模型或隨機效應(yīng)模型的選擇時認為,通常應(yīng)該隨機看待個體效應(yīng),特別是截面數(shù)量很大的面板數(shù)據(jù)用固定效應(yīng)模型會浪費很多自由度,用隨機效應(yīng)模型將更合適。 Lee等研究認為如果時間序列很長、個體數(shù)量少,固定效應(yīng)模型的分析結(jié)果和隨機效應(yīng)模型的分析結(jié)果之間不會有太大差異,因此即使使用相對簡便的固定效應(yīng)模型也沒有問題。 但是如果時間序列短、個體數(shù)多的情況,使用固定效應(yīng)模型會利用大量虛擬變量,將導(dǎo)致推測的效率下降, 所以一般應(yīng)選擇隨機效應(yīng)模型。 在固定效應(yīng)模型與隨機效應(yīng)模型之間進行選擇的問題上,Hausman提出了Hausman鑒定法,在Hausman鑒定中對推定的參數(shù)的差異進行檢驗,觀察固定效應(yīng)模型和隨機效應(yīng)模型的推定值是否有意義。此時,“歸無假說”假設(shè)隨機效應(yīng)模型得到滿足,就會提供與固定效應(yīng)模型相同的參數(shù)推定值,因此,如果“歸無假說”不能被拒絕,則選擇隨機效應(yīng)模型；如果“歸無假說”被拒絕,則選擇固定效應(yīng)模型。

2 研究方法和研究步驟

DEA是基于線性規(guī)劃法的測定,利用多數(shù)投入物和多數(shù)產(chǎn)出物決策單元(decision making unit,DMU)間的相對效率的評價方法。 Charnes等提出的CCR模型是假設(shè)所有評估對象在最佳規(guī)模下運營的規(guī)模收益不變的情況下解決線性計劃問題。 把決策單元稱為 DMU,投入要素向量為,產(chǎn)出向量為時,第個DMU的效率性*是通過投入要素和生產(chǎn)要素的結(jié)合而得到的最小。下式是以投入基準的CCR模型。

*=Min

式中,表示效率性尺度,和表示投入要素和產(chǎn)出要素的冗余部分(slack)。 效率值的取值范圍在0～1,如果效率值為1并且所有要素的冗余部分(slack)為0,則處于沒有改善空間的強有效狀態(tài);如果效率值為1但投入或產(chǎn)出有冗余部分,則處于弱有效狀態(tài);如果效率值不是1,與投入產(chǎn)出要素的冗余無關(guān),都處于非有效狀態(tài)。

為檢驗混合效應(yīng)模型與固定效應(yīng)模型的差異,與地區(qū)效應(yīng)()相關(guān)的歸無假說如下,利用檢驗進行驗證。如果“歸無假說”被拒絕,則說明存在著固定效應(yīng)。

:==…

在混合效應(yīng)模型和隨機效應(yīng)模型之間的檢驗歸無假設(shè)和對立假設(shè)如下,將利用LM檢驗進行驗證。 如果“歸無假設(shè)”被拒絕,則說明存在著隨機效應(yīng)。

另外,為了在固定效應(yīng)模型和隨機效應(yīng)模型中找到合適的模型,將利用Hausman檢驗法, Hausman是對同一參數(shù)2個估計量差異的顯著性檢驗。

假設(shè)和分別是固定效應(yīng)模型的OLS推測和隨機效應(yīng)模型的GLS推測,則存在以下關(guān)系式：

Hausman的檢驗基于以下Wald統(tǒng)計量:

在這里ф將使用固定效應(yīng)和隨機效應(yīng)模型的協(xié)方差矩陣進行計算,如果“歸無假設(shè)”被拒絕,將表明地區(qū)效應(yīng)和因變量有關(guān)。

概率效應(yīng)模型是假定隨機地賦予每個觀測地區(qū)的唯一屬性,基于前面關(guān)于影響農(nóng)業(yè)生產(chǎn)效率性的變量分析,該研究構(gòu)建的農(nóng)業(yè)生產(chǎn)效率性影響因素模型如下:

Agr prod=++Insurance+mechanical+Labor+

式中,Agr prod表示的是農(nóng)業(yè)生產(chǎn)效率性,Insurance、 mechanical、Labor分別表示為農(nóng)業(yè)保險賠償金、農(nóng)業(yè)機械總動力和農(nóng)林牧副漁從業(yè)人口；代表第省份,代表第年度,代表截矩，代表地區(qū)效應(yīng),代表殘差項。

在面板數(shù)據(jù)分析中,因為因變量生產(chǎn)效率性是限制在0～1范圍內(nèi)的值,同時也將使用以下Tobit隨機效應(yīng)模型進行分析。

首先利用DEA測定出各年度、各地區(qū)農(nóng)業(yè)生產(chǎn)效率性的面板數(shù)據(jù),再根據(jù)上述文獻研究,利用面板分析方法找出適合本論文的面板研究方法。 在混合效應(yīng)模型和固定效應(yīng)模型的選擇上,將使用檢驗來找出合適的模型。 在混合效應(yīng)分析和隨機效應(yīng)模型的選擇上,將利用LM-檢驗找出合適的模型。 另外,為了在固定效應(yīng)模型和隨機效應(yīng)模型中找到合適的模型,將使用Hausman檢驗法。 最后,將對一般面板回歸模型和隨機Tobit面板模型的分析結(jié)果進行比較,分析他們之間的差異。

3 變量選取和描述性統(tǒng)計

投入變量的設(shè)定是以生產(chǎn)理論為基礎(chǔ),即根據(jù)生產(chǎn)的三要素土地、勞動、資本,分別將農(nóng)作物總播種面積、農(nóng)林牧漁業(yè)從業(yè)人員、農(nóng)業(yè)機械總動力設(shè)定為投入變量。

產(chǎn)出變量因不同作物的產(chǎn)量不同無法進行直接比較,所以選擇為農(nóng)林牧漁業(yè)總產(chǎn)值。

DEA分析中使用的軟件是DEAP。

該研究數(shù)據(jù)來源于2007—2019年《中國統(tǒng)計年鑒》和《中國保險年鑒》中的31個省(市、自治區(qū))的資料。其中農(nóng)林牧漁業(yè)從業(yè)人員來自省(市、自治區(qū))統(tǒng)計年鑒,個別數(shù)據(jù)缺失的情況從統(tǒng)計學(xué)角度進行了推定,各變量的描述統(tǒng)計量見表1。

2007—2018年,全國農(nóng)業(yè)保險費收入和農(nóng)業(yè)保險賠償金支出見表2。由表2估算近10多年中國農(nóng)業(yè)保險的賠付率大體在65%左右。

表1 各變量描述統(tǒng)計(N=372)Table 1 Descriptive statistics of each variable

表2 2007—2018年中國農(nóng)業(yè)保險費收入和農(nóng)業(yè)保險賠償金支出Table 2 China’s agricultural insurance premium income and agricultural insurance compensation expenditure from 2007 to 2018

4 實證研究與結(jié)果分析

表3結(jié)果顯示,全國農(nóng)業(yè)平均生產(chǎn)效從2008年的52.9%增加到2019年的61.3%。 標準偏差也從2008年的0.236減少到2019年的0.223。由此可知2008—2019年全國農(nóng)業(yè)平均生產(chǎn)效率呈增加趨勢,農(nóng)業(yè)平均生產(chǎn)效率標準偏差呈減少趨勢。 這也就意味著隨著時間的推移,從政策性農(nóng)業(yè)保險實施到現(xiàn)在,中國農(nóng)業(yè)生產(chǎn)效率在全面上升,地區(qū)間的農(nóng)業(yè)生產(chǎn)效率差距正在慢慢縮小,農(nóng)業(yè)生產(chǎn)投入和生產(chǎn)差距也在慢慢縮小。

表3 2008—2019年中國平均農(nóng)業(yè)生產(chǎn)效率Table 3 China’s average agricultural production efficiency during 2008—2019

根據(jù)各地區(qū)效率性分析結(jié)果,可以把2008—2019年各地區(qū)的農(nóng)業(yè)生產(chǎn)效率分為3類。 將平均效率值為0～0.4的劃分為相對低效率地區(qū),將平均效率值為0.4～0.7的劃分為相對中效率地區(qū),將平均效率值為0.7～1的劃分為相對高效率地區(qū)。 由表4可知,按照這個標準,北京、福建、上海、海南、浙江、江蘇、遼寧、廣東屬于相對高效率地區(qū),四川、黑龍江、天津、新疆、山東、湖南、湖北、內(nèi)蒙古、河北、廣西、重慶、吉林、江西、陜西屬于相對中效率地區(qū),西藏、貴州、云南、甘肅、安徽、青海、寧夏、河南、云南屬于相對低效率地區(qū)。從地區(qū)上看,各地區(qū)農(nóng)業(yè)生產(chǎn)效率差異較大,其中相對高效率地區(qū)大多位于中國東部經(jīng)濟發(fā)達的省份,相對中效率地區(qū)大部分屬于中國中部省份,相對低效率地區(qū)大部分屬于中國西部省份。 由此可知,農(nóng)業(yè)生產(chǎn)效率與經(jīng)濟發(fā)展程度密切相關(guān)。

各地區(qū)農(nóng)業(yè)生產(chǎn)效率差異比較大的原因是不同地區(qū)的經(jīng)濟水平不同,以及地形和受自然災(zāi)害影響的程度也不同。 特別是農(nóng)業(yè)生產(chǎn)率較高的東部地區(qū),地形平坦,經(jīng)濟發(fā)達,能為農(nóng)業(yè)生產(chǎn)提供充足的資金保障,即使自然災(zāi)害發(fā)生后也能立即恢復(fù)農(nóng)業(yè)生產(chǎn)。但是效率相對較低的中西部地區(qū),多高原、高山和沙漠,經(jīng)濟發(fā)展水平相對落后,如果沒有農(nóng)業(yè)保險的保障,資金相對不足,經(jīng)常導(dǎo)致因災(zāi)致貧的現(xiàn)象發(fā)生,將影響第二年的重新生產(chǎn)。但是由于加入了農(nóng)業(yè)保險,農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)風(fēng)險提供了保障,可以使區(qū)域間農(nóng)業(yè)生產(chǎn)要素投入的差異變小,因此各地區(qū)間農(nóng)業(yè)生產(chǎn)效率的差距也正在縮小。

表4 2008—2019年全國各地區(qū)平均農(nóng)業(yè)生產(chǎn)效率Table 4 Average agricultural production efficiency in all regions of China from 2008 to 2019

固定效應(yīng)模型和混合效果模型分析結(jié)果。表5固定效應(yīng)模型推測結(jié)果顯示,模型整體的值具有統(tǒng)計學(xué)意義,所有的回歸系數(shù)也都具有統(tǒng)計學(xué)意義。如果其他條件相同的話,農(nóng)業(yè)保險賠償金每增加1單位,農(nóng)業(yè)生產(chǎn)效率就會增加0.004 34單位。第二,由固定效應(yīng)模型和混合效果模型的檢驗結(jié)果可知,通過檢驗值能夠拒絕歸無假說,因此判斷為各地區(qū)農(nóng)業(yè)生產(chǎn)效率性存在著固有屬性,選擇固定效應(yīng)模型比選擇混合效果模型更合適。

表5 固定效應(yīng)模型和混合效果模型分析結(jié)果Table 5 Analysis results of fixed-effects model and mixed-effects model

隨機效應(yīng)模型和混合效果模型分析結(jié)果。 由隨機效應(yīng)模型估計結(jié)果(表6)可知,模型本身具有統(tǒng)計學(xué)意義,并且所有的回歸系數(shù)也都具有統(tǒng)計學(xué)意義。 假設(shè)在其他條件不變的情況下,農(nóng)業(yè)保險賠償金每增加1單位時,農(nóng)業(yè)生產(chǎn)效率將會增加0.004 40單位。

表6 隨機效應(yīng)模型分析結(jié)果Table 6 Analysis results of random effects model

通過表7隨機效應(yīng)模型和混合效果模型的LM檢驗結(jié)果可知,可以拒絕歸無假說,表明各地區(qū)農(nóng)業(yè)生產(chǎn)效率性存在著固有屬性,所以與選擇混合效應(yīng)模型相比選擇隨機效應(yīng)模型更為合適。

固定效應(yīng)模型和隨機效應(yīng)模型進行Hausman鑒定。對固定效應(yīng)模型和隨機效應(yīng)模型的選擇將利用Hausman檢驗,分析結(jié)果表明不能拒絕歸無假設(shè)(表8)。 因此與選擇固定效應(yīng)模型相比選擇隨機效應(yīng)模型在統(tǒng)計學(xué)上更為妥當。

表7 隨機效應(yīng)模型和混合效果模型檢驗結(jié)果Table 7 Test results of random-effects model and mixed-effects model

表8 固定效應(yīng)模型和隨機效應(yīng)模型的Hausman檢驗結(jié)果Table 8 Hausman test results of fixed-effects model and random-effects model

Tobit隨機效應(yīng)模型分析結(jié)果。因為農(nóng)業(yè)生產(chǎn)效率值范圍為0～1,因變量屬于具有限制(censered)范圍內(nèi)的值,所以有必要進行Tobit回歸分析,而不是普通的回歸分析。 通過面板Tobit模型分析的結(jié)果可以看出(表9),模型本身具有統(tǒng)計學(xué)意義,并且模型中所有的回歸系數(shù)也都具有統(tǒng)計學(xué)意義。 在其他條件相同時,農(nóng)業(yè)保險賠償金增加1單位,農(nóng)業(yè)生產(chǎn)效率就會增加0.00 440單位。 LR檢驗是通過推定混合Tobit模型和隨機效應(yīng) Tobit模型來計算極大似然函數(shù)值的差異。 根據(jù)LR檢驗結(jié)果可知,可以拒絕歸無假說,所以應(yīng)選擇隨機效應(yīng)Tobit模型。

隨機效應(yīng)模型和Tobit隨機效應(yīng)模型比較。在隨機效應(yīng)模型和Tobit隨機效應(yīng)模型比較時,通過分析結(jié)果可以看出所有的自變量都具有統(tǒng)計學(xué)意義,回歸系數(shù)的大小也幾乎沒有差異(表10)。 所以雖然使用了效率性值被限制在0～1的因變量,但利用Tobit模型推定的結(jié)果和利用一般回歸模型推定的結(jié)果在統(tǒng)計學(xué)的有意性和回歸系數(shù)的大小之間幾乎沒有差異,這也驗證了Hoff之前提出的研究結(jié)果。

根據(jù)上述分析,該研究最終選擇以隨機效應(yīng)模型來分析政策性農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)效率的影響。分析結(jié)果顯示,在其他條件不變的情況下,當農(nóng)業(yè)保險賠償金每增加1單位,農(nóng)業(yè)生產(chǎn)效率就會增加0.004 40單位；農(nóng)業(yè)機械總動力每增加1單位時,農(nóng)業(yè)生產(chǎn)效率就會增加0.000 02單位;農(nóng)林牧漁業(yè)從業(yè)人員每增加1單位,農(nóng)業(yè)生產(chǎn)效率性就會減少0.000 18 單位。

結(jié)果表明,當農(nóng)業(yè)保險賠償金增加時會對農(nóng)業(yè)生產(chǎn)效率性起到積極影響,但農(nóng)業(yè)機械總動力和農(nóng)林牧漁業(yè)從業(yè)人員增加時分別對農(nóng)業(yè)的生產(chǎn)效率起到了積極的和消極的影響。 分析其原因是因為2個生產(chǎn)要素之間存在著相互替代的關(guān)系,即農(nóng)業(yè)機械使用量增加會減少勞動量的投入,并且這也與國內(nèi)近些年大量農(nóng)村人口去城市務(wù)工,農(nóng)村勞動力減少有關(guān),同時也表明農(nóng)業(yè)保險因為能夠提供風(fēng)險和資金保障,從而間接地促進了機械代替勞動相關(guān)技術(shù)的發(fā)展。

表9 Tobit隨機效應(yīng)模型分析結(jié)果Table 9 Tobit random effects model analysis results

表10 隨機效應(yīng)模型和Tobit隨機效應(yīng)模型的比較分析Table 10 Comparative analysis of random effect model and Tobit random effect model

5 結(jié)論與對策建議

該研究利用自中國政策性農(nóng)業(yè)保險實施以來到現(xiàn)在的資料,對政策性農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)效率的影響進行了實證研究,主要得出以下結(jié)論： 一是農(nóng)業(yè)保險賠償金與農(nóng)業(yè)生產(chǎn)效率密切相關(guān)并且呈正相關(guān)關(guān)系,但各區(qū)域的農(nóng)業(yè)生產(chǎn)效率性差異比較大,東、中、西部生產(chǎn)效率值分別為0.812,0.485、0.407,并且農(nóng)業(yè)保險對各地區(qū)農(nóng)業(yè)生產(chǎn)效率的影響都不同,這主要還是和各地區(qū)自然和經(jīng)濟條件有關(guān)。第二,在農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)效率的原因分析當中,當農(nóng)業(yè)保險賠償金每增加1億元時,農(nóng)業(yè)生產(chǎn)效率性將增加0.44%,這主要是因自然災(zāi)害導(dǎo)致農(nóng)民收入減少,但農(nóng)業(yè)保險提供的賠償金可以使農(nóng)民在第二年作為資本重新投入到農(nóng)業(yè)生產(chǎn)中,特別是在發(fā)展中國家或落后地區(qū),這樣的效果非常明顯。 并且農(nóng)業(yè)保險可以減少災(zāi)害發(fā)生地區(qū)和未發(fā)生地區(qū)農(nóng)業(yè)生產(chǎn)投入的差距,從而提高整體生產(chǎn)效率,還有農(nóng)戶在獲得風(fēng)險保障時,會偏好利用新的生產(chǎn)技術(shù),這也會提高農(nóng)業(yè)生產(chǎn)效率。

第一,目前中國農(nóng)業(yè)保險主要是在低保障、低保費的條件上以成本保險(物化成本)為主的農(nóng)業(yè)保險,對農(nóng)戶收入穩(wěn)定以及農(nóng)業(yè)生產(chǎn)所造成的影響相對比較小,而反觀西方國家多以農(nóng)業(yè)收入保險和產(chǎn)量保險為主,農(nóng)業(yè)保險的保障程度相對較高,促進了西方農(nóng)民的收入穩(wěn)定和農(nóng)業(yè)高效發(fā)展。所以今后國內(nèi)也應(yīng)該結(jié)合實際情況,提高農(nóng)業(yè)保險保障水平,推動從成本保險向更高保障水準的價格保險和產(chǎn)量保險轉(zhuǎn)換,促進農(nóng)業(yè)高效發(fā)展。

第二,要依據(jù)當?shù)貙嶋H情況,科學(xué)厘定不同種類農(nóng)產(chǎn)品的農(nóng)業(yè)保險費率,推進從區(qū)域農(nóng)業(yè)保險向個人農(nóng)業(yè)保險轉(zhuǎn)換,加強農(nóng)業(yè)保險資料基礎(chǔ)建設(shè),依托現(xiàn)在高新科學(xué)技術(shù)的發(fā)展,利用遙感衛(wèi)星等工具,構(gòu)建以新產(chǎn)品開發(fā)以及保險費率厘定、道德風(fēng)險預(yù)警為目的的多功能保險資料大數(shù)據(jù)庫。

第三,政府加大對農(nóng)業(yè)保險的支持和宣傳,繼續(xù)堅持農(nóng)業(yè)保費補貼政策,但同時應(yīng)積極防范因道德風(fēng)險而引發(fā)的問題,完善相關(guān)的法律法規(guī),最大程度降低因道德風(fēng)險而導(dǎo)致的農(nóng)業(yè)損失,促進農(nóng)業(yè)健康發(fā)展。

上述分析表明,今后應(yīng)該繼續(xù)提高農(nóng)業(yè)保險保障水平,加強保險費的持續(xù)補助,因為這不僅有助于穩(wěn)定和增加農(nóng)民的收入,也有助于提高整體農(nóng)業(yè)生產(chǎn)效率和經(jīng)濟發(fā)展。另外,農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)影響的研究目前主要集中在對災(zāi)后補貼效果進行分析,關(guān)于農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)災(zāi)前防災(zāi)減災(zāi)效果的實證研究比較少,因此今后還有必要對其進一步研究。