良種補(bǔ)貼政策的環(huán)境效應(yīng)研究

易 航,顧蔚譯,孫晉婕,劉蓓蓓,2* (.南京大學(xué)環(huán)境學(xué)院,污染控制與資源化研究國家重點(diǎn)實(shí)驗(yàn)室,江蘇 南京 20023；2.南京大學(xué)-約翰斯·霍普金斯大學(xué)中美文化研究中心,江蘇 南京 20093)

一直以來,中國都將“三農(nóng)”問題視為重中之重,出臺了一系列的農(nóng)業(yè)政策以保障糧食安全和農(nóng)民福利[1].良種是提高糧食質(zhì)量,產(chǎn)量以及農(nóng)業(yè)競爭力的關(guān)鍵,現(xiàn)代農(nóng)業(yè)的競爭甚至在很大程度上是良種的競爭[2].為加快推廣農(nóng)作物良種,增加主要農(nóng)產(chǎn)品的產(chǎn)量,改善產(chǎn)品品質(zhì),調(diào)動農(nóng)民采用良種的積極性,中國于2003年提出了良種補(bǔ)貼政策,安排了3億資金在規(guī)定的種植區(qū)域內(nèi)對小麥和大豆良種進(jìn)行補(bǔ)貼,隨后補(bǔ)貼范圍和資金不斷擴(kuò)大.以小麥良種補(bǔ)貼政策為例,2003年在河北等五省實(shí)施,補(bǔ)貼面積66.7萬hm2,2005年納入山西等六省,補(bǔ)貼面積增至670萬hm2,2008年納入內(nèi)蒙古、寧夏兩省,總補(bǔ)貼面積擴(kuò)大至1300萬hm2,2009年覆蓋全國,補(bǔ)貼標(biāo)準(zhǔn)一直為150元/hm2.

國內(nèi)外已有大量研究從微觀農(nóng)戶行為[3]、宏觀投入產(chǎn)出[4-6]、以及政策外部性[7-8]等方面對農(nóng)業(yè)補(bǔ)貼的績效進(jìn)行了詳盡的分析.農(nóng)業(yè)補(bǔ)貼政策通常會增加糧食生產(chǎn)中的勞動力投入[3],增大糧食產(chǎn)量和播種面積,帶來農(nóng)民收入的增加[4-5].此外,在技術(shù)轉(zhuǎn)化率低時(shí),投入導(dǎo)向的補(bǔ)貼政策更好,而在技術(shù)轉(zhuǎn)化率高生產(chǎn)效率高時(shí),產(chǎn)出導(dǎo)向的補(bǔ)貼政策更有利于實(shí)現(xiàn)糧食安全目標(biāo)[6].政策外部性方面,農(nóng)業(yè)補(bǔ)貼政策會減緩農(nóng)村人口向城鎮(zhèn)的遷移,從而對城鎮(zhèn)化發(fā)展產(chǎn)生負(fù)外部性影響[7].綜合盈利能力、技術(shù)效率、配置效率和經(jīng)濟(jì)效率指標(biāo)對農(nóng)業(yè)補(bǔ)貼政策進(jìn)行評價(jià)發(fā)現(xiàn)補(bǔ)貼會降低技術(shù)效率和經(jīng)濟(jì)效率,但會提高盈利能力和配置效率[8].

農(nóng)業(yè)生產(chǎn)活動的環(huán)境影響備受重視.農(nóng)業(yè)產(chǎn)生了全球約23%的溫室氣體排放,成為氣候變化的主要驅(qū)動部門之一[9-10].以糧食安全為主要目標(biāo)的農(nóng)業(yè)政策會影響農(nóng)戶種植行為模式,往往有其潛在的環(huán)境影響[11].國外研究發(fā)現(xiàn)對灌溉、化肥、殺蟲劑或燃料直接進(jìn)行補(bǔ)貼的政策環(huán)境負(fù)面影響最大[12].鼓勵(lì)農(nóng)業(yè)生產(chǎn)的補(bǔ)貼政策通常會導(dǎo)致更多的農(nóng)業(yè)投入物和土地使用,從而也會對環(huán)境帶來負(fù)面影響[13-14].我國農(nóng)業(yè)補(bǔ)貼政策同樣存在一定的環(huán)境影響.例如農(nóng)機(jī)購置補(bǔ)貼政策會改變農(nóng)戶使用污染性投入物質(zhì)和處理農(nóng)業(yè)廢棄物的方式,從而對環(huán)境產(chǎn)生差異化的影響[15];對農(nóng)業(yè)生產(chǎn)進(jìn)行直接補(bǔ)貼的政策通過降低單位面積化肥施用量減少了農(nóng)業(yè)面源污染[16];綠色農(nóng)業(yè)補(bǔ)貼政策降低了肥料投入環(huán)境效率和肥料生產(chǎn)率[17].因此,從環(huán)境可持續(xù)發(fā)展的角度考慮,基于大范圍、大樣本的數(shù)據(jù)定量評估農(nóng)業(yè)補(bǔ)貼政策的環(huán)境效應(yīng),促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展是必要的.

已有研究證實(shí)良種補(bǔ)貼政策穩(wěn)糧增收,提質(zhì)增效的積極作用[1-2,18].油菜良種補(bǔ)貼政策對農(nóng)戶土地生產(chǎn)率、勞動生產(chǎn)率、成本利潤率和技術(shù)效率整體上有一定的促進(jìn)作用[1];小麥良種補(bǔ)貼有利于減少農(nóng)戶的小麥生產(chǎn)效率損失[18].總體來看,我國良種政策對我國糧食作物增產(chǎn)的貢獻(xiàn)率為23.7%[2].然而,目前學(xué)界仍缺乏利用大范圍大樣本數(shù)據(jù)對該政策潛在環(huán)境影響進(jìn)行定量化評估的研究.良種補(bǔ)貼政策的環(huán)境影響研究相較于其它農(nóng)業(yè)政策存在其特殊性,一是以往被研究的農(nóng)業(yè)政策(例如綠色農(nóng)業(yè)補(bǔ)貼政策)往往因?yàn)橛斜容^明顯的生態(tài)環(huán)境影響而受到關(guān)注,而良種補(bǔ)貼政策主要是提高作物品質(zhì)和產(chǎn)量,其對化肥的需求及其溫室氣體排放的影響則被忽略;二是目前農(nóng)業(yè)可持續(xù)發(fā)展研究中關(guān)于良種優(yōu)選優(yōu)育的情景設(shè)計(jì)往往簡單假設(shè)良種使用前后的單位面積環(huán)境影響強(qiáng)度保持不變,忽略了良種政策潛在的進(jìn)一步的環(huán)境效益[19].為彌補(bǔ)良種補(bǔ)貼政策帶來的環(huán)境效應(yīng)這一研究領(lǐng)域的空白,本文將利用大范圍、大樣本量的數(shù)據(jù),進(jìn)行良種補(bǔ)貼政策環(huán)境影響的實(shí)證研究.結(jié)果將為全面評估良種補(bǔ)貼政策的效果、優(yōu)化政策設(shè)計(jì)提供參考.

小麥良種政策在全國逐步推進(jìn),具有準(zhǔn)自然實(shí)驗(yàn)的特征.該政策可以視為一次外生沖擊,這為運(yùn)用雙重差分法識別政策效應(yīng)創(chuàng)造了條件.由于政策在各省份實(shí)施時(shí)點(diǎn)不同,因此本文構(gòu)建多期雙重差分模型,結(jié)合 2000～2008年各市單位面積化肥折純施用量、第一產(chǎn)業(yè)產(chǎn)值、農(nóng)林牧漁業(yè)從業(yè)人數(shù)、小麥種植面積占比、平均溫度和降水面板數(shù)據(jù),評估良種政策對單位面積化肥施用量的影響并估算由此帶來的溫室氣體排放變化,探究是否可以通過環(huán)境效應(yīng)補(bǔ)償政策的財(cái)政支出,同時(shí)分析了政策效果的異質(zhì)性.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源及處理

良種補(bǔ)貼政策于2003年(河北、河南、山東、安徽、江蘇)、2005年(山西、湖北、四川、陜西、甘肅、新疆)和2008年(內(nèi)蒙古、寧夏)逐步在13個(gè)省份試點(diǎn),因此本文選取2000～2008年全國31個(gè)省份的市級數(shù)據(jù)進(jìn)行研究,13個(gè)試點(diǎn)省份的城市即為處理組,其余市為控制組.被解釋變量為單位面積化肥折純施用量,控制變量包括第一產(chǎn)業(yè)產(chǎn)值、農(nóng)林牧漁業(yè)從業(yè)人數(shù)、小麥種植面積占比、平均溫度和降水量.其中市級單位面積化肥折純施用量(計(jì)算為化肥折純施用量與耕地面積之比)、第一產(chǎn)業(yè)產(chǎn)值和農(nóng)林牧漁業(yè)從業(yè)人數(shù)均來源于各年各省或各市的統(tǒng)計(jì)年鑒以及《中國城市統(tǒng)計(jì)年鑒》;小麥種植面積占比為省級數(shù)據(jù),來源于各年《中國農(nóng)村統(tǒng)計(jì)年鑒》;溫度與降水的原始數(shù)據(jù)來源于國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺-中國地面氣候資料日值數(shù)據(jù)集(V3.0),通過反距離加權(quán)平均插值將各個(gè)觀測站點(diǎn)的日度數(shù)據(jù)處理為格點(diǎn)數(shù)據(jù),分區(qū)域平均計(jì)算得到各市年均值;最終形成2000～2008年全國309個(gè)地級市的面板數(shù)據(jù).后續(xù)計(jì)算使用的每噸化肥費(fèi)用和氮肥、磷肥及鉀肥的單位面積折純量來源于《全國農(nóng)產(chǎn)品成本收益匯編》,為省級數(shù)據(jù).

1.2 研究方法

1.2.1 多期雙重差分模型設(shè)定 雙重差分模型是政策效應(yīng)評估中的常用模型.其研究思路是將實(shí)施政策的樣本設(shè)為處理組,未實(shí)施的樣本設(shè)為控制組,分別算出兩組政策前后研究變量的差異,為一重差分,將兩組差異進(jìn)行比較則為雙重差分[20].該方法可以很大程度上避免內(nèi)生性問題,已經(jīng)得到了各領(lǐng)域廣泛應(yīng)用[21-24].考慮到小麥良種補(bǔ)貼政策是逐步推進(jìn),不同市實(shí)施時(shí)間不同,因此本文將該政策視為一項(xiàng)“準(zhǔn)自然實(shí)驗(yàn)”,設(shè)立如下多期雙重差分模型[25]:

式中:Yi,t為i市在t年的單位面積化肥施用量;Di,t是政策虛擬變量,若i市在t年實(shí)施了政策則取值為1,否則為0,其系數(shù)β＞0則說明良種補(bǔ)貼政策增大了單位面積化肥施用量,反之則說明減少了施用量;xi,t是隨時(shí)間和個(gè)體變化的控制變量(第一產(chǎn)業(yè)產(chǎn)值、農(nóng)林牧漁業(yè)從業(yè)人數(shù)、小麥播種面積占比、平均溫度和降水),可以在一定程度上防止因遺漏變量問題而導(dǎo)致的估計(jì)偏誤;θi和γt分別是個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng),用于控制不同樣本和年份之間不可觀測的因素的影響;ei,t是模型誤差項(xiàng).標(biāo)準(zhǔn)誤聚類到市級.

1.2.2 變量描述 (1)被解釋變量:單位面積化肥施用量.化肥的大量施用會給生態(tài)環(huán)境帶來許多負(fù)面的影響.過多的氮肥容易使作物和土壤中累積大量硝酸鹽,導(dǎo)致土壤鹽積和次生鹽漬化,造成土壤板結(jié),降低作物質(zhì)量和產(chǎn)量[11].化肥施用后土壤中殘余的氮、磷元素容易通過地表徑流、淋溶流失、土壤侵蝕等方式進(jìn)入水環(huán)境中造成水體污染[26-28].銨態(tài)氮肥的不合理施用(如淺施、撒施)還會導(dǎo)致氨的逸失,造成大氣污染[29].氮肥貢獻(xiàn)了全球近一半的人為N2O 排放[30].此外,化肥的生產(chǎn)運(yùn)輸過程中也會排放大量的溫室氣體[31].Wang等[32]基于排放因子計(jì)算得出江蘇省水稻種植的肥料生產(chǎn)會排放 158.3kg CO2e/kal的溫室氣體.

(2)解釋變量:本研究的核心解釋變量為“是否實(shí)施了小麥良種補(bǔ)貼政策”.根據(jù)政策實(shí)施的省份和年份構(gòu)造了虛擬變量Di,t,該變量取值為1則表示市i在t年已經(jīng)實(shí)施了小麥良種補(bǔ)貼政策,若為0則表示沒有實(shí)施.

(3)控制變量:單位面積化肥施用量是一個(gè)強(qiáng)度變量,與農(nóng)業(yè)規(guī)模、種植結(jié)構(gòu)以及氣候條件等因素有關(guān),因此本研究對與農(nóng)業(yè)規(guī)模相關(guān)的社會經(jīng)濟(jì)變量(第一產(chǎn)業(yè)產(chǎn)值和農(nóng)林牧漁業(yè)從業(yè)人數(shù)),反映種植結(jié)構(gòu)的小麥種植面積占比,以及平均溫度和降水量 5個(gè)變量加以控制.

表1 變量描述性統(tǒng)計(jì)Table 1 Descriptive statistics

1.2.3 平行趨勢檢驗(yàn) 雙重差分的前提假設(shè)是處理組和控制組在政策實(shí)施前被解釋變量不存在變化趨勢差異,否則不能說明被解釋變量的變化是由政策造成的,可能是兩組之間的系統(tǒng)性差異導(dǎo)致[33],所以進(jìn)行雙重差分前必須通過平行趨勢檢驗(yàn).本文構(gòu)建如下方程對政策實(shí)施前8a～實(shí)施后5a的單位面積化肥施用量的變化趨勢進(jìn)行檢驗(yàn)[34]:

式中:β-τ表示處理之前的τ期產(chǎn)生的影響;β+τ表示處理之后τ期產(chǎn)生的影響;β表示處理當(dāng)期的影響.當(dāng)i市在t年處于政策前τ期時(shí),Di,t-τ取值為1,否則取值為0,Di,t和Di,t+τ以此類推.其他變量與式(1)含義相同.

1.2.4 化肥的全生命周期溫室氣體排放計(jì)算 化肥的生產(chǎn)和施用是農(nóng)業(yè)生產(chǎn)過程中重要的溫室氣體排放源,化肥碳排的估算一直以來都是研究熱點(diǎn)[19,31,35-37].因此本文在得出政策對單位面積化肥施用的影響后會進(jìn)一步評估其溫室氣體排放量的變化.具體計(jì)算過程如下:

(1)施肥過程中的 N2O 排放.分為直接和間接N2O排放,直接排放是基于Gerber等[38]提出的模型進(jìn)行計(jì)算.該模型使用指數(shù)模型和隨機(jī)參數(shù)將 N2O排放與氮肥施用量聯(lián)系起來,本文中參數(shù)參考的是Liu等[19]計(jì)算出的數(shù)據(jù).N2O的間接排放主要是由于氮的揮發(fā)和再沉降.此外,NO3-進(jìn)入水量大于土壤持水能力的地方可能會滲入地下水和水體.本文依據(jù)政府間氣候變化專門委員會(IPCC)的《2006年國家溫室氣體排放清單指南》[39]計(jì)算了間接N2O排放量.

(2)化肥生產(chǎn)和運(yùn)輸過程中的溫室氣體排放.本文通過排放因子[40]估算化肥生產(chǎn)和運(yùn)輸過程中的溫室氣體排放量.

(3)社會碳成本.社會碳成本是溫室氣體排放的社會成本的貨幣化估值,將溫室氣體排放造成的損害以貨幣價(jià)值來表示,并且考慮到影響的累積將未來損失折算為現(xiàn)值[41].本文將參考文獻(xiàn)[42]的研究結(jié)果,基于計(jì)算出的溫室氣體排放變化量,利用系數(shù)0.3672(元/kg CO2e)計(jì)算社會碳成本.

2 結(jié)果與討論

2.1 多期雙重差分模型回歸結(jié)果

如表2所示,列(1)是不加固定效應(yīng)和控制變量的回歸結(jié)果,列(2)是加入時(shí)間和個(gè)體固定效應(yīng)的回歸結(jié)果,列(3)是加入了固定效應(yīng)和控制變量的回歸結(jié)果.為了避免不同樣本和年份之間不可觀測的因素的影響以及考慮盡可能多的變量,選用列(3)作為最終回歸結(jié)果.良種補(bǔ)貼政策對單位面積化肥施用量有顯著的負(fù)面影響,導(dǎo)致單位面積化肥施用量下降5.9%(減少37.88kg/hm2).

表2 良種補(bǔ)貼政策對單位面積化肥施用量影響的回歸結(jié)果Table 2 Regression results of the effects of improved seed variety subsidy policy on fertilizer application per unit area

2.2 種植成本和溫室氣體排放變化

本文發(fā)現(xiàn)政策導(dǎo)致的化肥施用強(qiáng)度下降使單位面積化肥成本減少了 139.42元/hm2;溫室氣體排放減少了822.06kg CO2e/hm2,其中直接N2O排放的減少對碳排降低貢獻(xiàn)最大,占74.99%(直接N2O排放減少600.04kg CO2e/hm2;間接N2O排放減少24.74kg CO2e/hm2;生產(chǎn)運(yùn)輸中的碳排減少 197.28kg CO2e/hm2);社會碳成本減少了 301.91元/hm2.結(jié)合化肥成本和社會碳成本的變化結(jié)果知,該政策由降低化肥施用帶來的成本收益共為441.33元/hm2,遠(yuǎn)大于政策的補(bǔ)貼金額150元/hm2,政策的財(cái)政支出已經(jīng)得到了補(bǔ)償.

良種補(bǔ)貼通過降低化肥施用量對環(huán)境產(chǎn)生了有利影響,說明良種補(bǔ)貼政策不僅有增產(chǎn)的效果,還能通過減少污染性投入物的使用帶來正面的環(huán)境效應(yīng).在評估農(nóng)業(yè)補(bǔ)貼政策時(shí)不能僅關(guān)注其增產(chǎn)增收的效果,還應(yīng)關(guān)注政策的環(huán)境效應(yīng),否則會高估或者低估政策的實(shí)際收益.未來農(nóng)業(yè)補(bǔ)貼政策的制定、改進(jìn)及推廣需充分考慮其潛在的環(huán)境影響,以加強(qiáng)農(nóng)業(yè)增產(chǎn)和環(huán)境效益的協(xié)同.

2.3 異質(zhì)性分析

本文基于Beck等[25]和石大千等[43]的做法,根據(jù)小麥單位面積產(chǎn)量大小將城市分為兩組后分別進(jìn)行回歸,結(jié)果如表3所示.政策對單位面積化肥施用量的影響在不同農(nóng)業(yè)生產(chǎn)水平地區(qū)間存在差異,對高農(nóng)業(yè)生產(chǎn)水平地區(qū)有較大影響,而對低水平地區(qū)無顯著影響.可能因?yàn)檗r(nóng)業(yè)生產(chǎn)水平越高的地區(qū)生產(chǎn)規(guī)?；潭雀?化肥管理更嚴(yán)格,政策實(shí)施落實(shí)更到位,并且通常小麥生產(chǎn)水平高的地方種植面積也更大,獲得補(bǔ)貼總金額更多,更有利于良種普及[32,44].因此,在政策實(shí)施時(shí)需要注重對農(nóng)業(yè)生產(chǎn)水平較低地區(qū)的管理,使政策作用更充分地發(fā)揮.

表3 良種補(bǔ)貼政策環(huán)境效應(yīng)的異質(zhì)性分析Table 3 Heterogeneity analysis of the environmental effects of improved seed subsidy policy

2.4 穩(wěn)健性檢驗(yàn)

2.4.1 平行趨勢檢驗(yàn) 選取政策實(shí)施前 1a為基準(zhǔn)年,平行趨勢檢驗(yàn)結(jié)果如圖1所示.在政策實(shí)施前,處理組和控制組的單位面積化肥施用量變化趨勢沒有顯著區(qū)別,說明不存在系統(tǒng)性差異,通過了平行趨勢檢驗(yàn).政策實(shí)施后施用量顯著下降,表明良種補(bǔ)貼政策的實(shí)施會降低單位面積化肥施用量.

圖1 平行趨勢檢驗(yàn)結(jié)果Fig.1 Parallel trend test

圓點(diǎn)為各年估計(jì)系數(shù),垂直短虛線為其對應(yīng)的95%置信區(qū)間.取政策實(shí)施前1a作為基準(zhǔn)年,系數(shù)值為0.垂直虛線表示政策實(shí)施當(dāng)年.“-1”表示政策實(shí)施前1a,“1”表示政策實(shí)施后1a,以此類推.

2.4.2 安慰劑檢驗(yàn) 為說明實(shí)證結(jié)果并非偶然得到,本文采用隨機(jī)生成處理組和政策時(shí)間的方法進(jìn)行安慰劑檢驗(yàn).該方法對樣本進(jìn)行隨機(jī)抽樣,生成與實(shí)際處理組數(shù)量相同的偽處理組后,再為每個(gè)處理組對象隨機(jī)抽取政策時(shí)間.抽樣完成后對偽數(shù)據(jù)進(jìn)行回歸,從而產(chǎn)生一個(gè)錯(cuò)誤的估計(jì)系數(shù):βf.由于處理組和政策時(shí)間是隨機(jī)產(chǎn)生的,所以隨機(jī)化后的βf的核密度圖應(yīng)該集中分布于0附近并顯著偏離其真實(shí)值[45].

為避免小概率事件的干擾,本文進(jìn)行了 500次隨機(jī)抽樣回歸,合并500次的回歸系數(shù)及其p值后得到安慰劑檢驗(yàn)結(jié)果.從圖2看出,隨機(jī)化后的估計(jì)系數(shù)集中分布在 0附近,與真實(shí)系數(shù)(-0.059)有顯著差異,并且p值普遍大于0.1(在10%水平上不顯著,表明結(jié)果不是偶然得到).上述結(jié)果通過了安慰劑檢驗(yàn),進(jìn)一步說明真實(shí)估計(jì)結(jié)果具有可靠性.

圖2 隨機(jī)生成處理組和政策時(shí)間后估計(jì)系數(shù)的分布及相應(yīng)的p值Fig.2 Distribution of estimated coefficients and corresponding p-values after random generation of treatment groups and policy implementation time

2.4.3 被解釋變量替換 參照劉聰?shù)萚46]和 Zhu等[47]的做法,將單位面積化肥施用量替換為化肥施用量這一同樣反映化肥使用情況的變量作為被解釋變量,同時(shí)在控制變量中增加耕地面積,其他設(shè)置與原式(1)相同,對政策影響進(jìn)行檢驗(yàn).結(jié)果如表4所示,該結(jié)果的回歸系數(shù)符號和大小與被解釋變量替換之前的沒有明顯差異,并且顯著性基本相同,因此通過了穩(wěn)健性檢驗(yàn).

表4 被解釋變量替換檢驗(yàn)結(jié)果Table 4 Results of robustness test for explanatory variable substitution

3 結(jié)論

3.1 良種補(bǔ)貼政策實(shí)施后,化肥施用量顯著下降了5.9%(減少 37.88kg/hm2).可能是由于增產(chǎn)提效的良種得以推廣,降低了作物的化肥需求.

3.2 化肥施用量下降導(dǎo)致單位面積化肥成本減少了 139.42元/hm2,溫室氣體排放減少了 822.06kg CO2e/hm2,社會碳成本減少了 301.91元/hm2.成本收益共為441.33元/hm2,遠(yuǎn)大于補(bǔ)貼金額支出.

3.3 政策對化肥施用量的影響在不同小麥生產(chǎn)能力的區(qū)域間存在差異,對生產(chǎn)能力強(qiáng)的區(qū)域化肥減施影響更大.

3.4 通過一系列穩(wěn)健性檢驗(yàn)后,上述結(jié)論依然成立.