財(cái)政支農(nóng)補(bǔ)貼對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響研究
——基于中國(guó)省際面板數(shù)據(jù)的門檻效應(yīng)檢驗(yàn)

王一西, 余陳稀

（延安大學(xué), a.經(jīng)濟(jì)與管理學(xué)院；b.政法與公共管理學(xué)院, 陜西 延安 716000）

農(nóng)業(yè)發(fā)展是國(guó)民經(jīng)濟(jì)增長(zhǎng)的重要?jiǎng)恿?lái)源。黨和政府高度重視農(nóng)業(yè)發(fā)展問(wèn)題, 21 世紀(jì)以來(lái), 中央連續(xù)發(fā)布19 個(gè)聚焦 “三農(nóng)” 的一號(hào)文件, 對(duì)中國(guó)農(nóng)業(yè)農(nóng)村發(fā)展提出指導(dǎo)性意見(jiàn), 陸續(xù)出臺(tái)一系列農(nóng)業(yè)補(bǔ)貼政策, 財(cái)政支農(nóng)補(bǔ)貼的總體規(guī)模也在不斷擴(kuò)大。在國(guó)家的政策支持和人民的共同努力下, 農(nóng)業(yè)總產(chǎn)值得到大幅增長(zhǎng)。但在中國(guó)耕地資源有限、人地關(guān)系緊張的國(guó)情下, 對(duì)農(nóng)業(yè)生產(chǎn)的評(píng)價(jià)更應(yīng)強(qiáng)調(diào)生產(chǎn)過(guò)程的投入產(chǎn)出效率。財(cái)政支農(nóng)補(bǔ)貼作為解決 “三農(nóng)” 問(wèn)題的重要手段, 如何通過(guò)財(cái)政補(bǔ)貼提升農(nóng)業(yè)全要素生產(chǎn)率, 充分發(fā)揮財(cái)政資金的杠桿作用, 是中國(guó)農(nóng)業(yè)發(fā)展面臨的重要問(wèn)題之一。

從現(xiàn)有研究來(lái)看, 目前學(xué)術(shù)界針對(duì)財(cái)政支農(nóng)補(bǔ)貼與農(nóng)業(yè)發(fā)展的研究分為以下2 個(gè)方面：一是財(cái)政支農(nóng)對(duì)農(nóng)業(yè)發(fā)展線性影響的研究。在財(cái)政支農(nóng)對(duì)農(nóng)業(yè)發(fā)展績(jī)效單向促進(jìn)方面, 研究的焦點(diǎn)主要有保障農(nóng)業(yè)供給[1］、推進(jìn)綠色農(nóng)業(yè)發(fā)展[2］、增加農(nóng)民收入[3］、促進(jìn)農(nóng)業(yè)技術(shù)進(jìn)步4 方面；持相反意見(jiàn)的學(xué)者則認(rèn)為, 財(cái)政支農(nóng)的規(guī)模小、結(jié)構(gòu)不合理和使用效率低下的問(wèn)題阻礙了農(nóng)業(yè)的發(fā)展。這2 種觀點(diǎn)已得到眾多文獻(xiàn)的實(shí)證支持, 包括基于中介和調(diào)節(jié)效應(yīng)探究補(bǔ)貼對(duì)糧食生產(chǎn)的正向影響機(jī)制[1］, 通過(guò)政府、農(nóng)戶和消費(fèi)者博弈模型測(cè)度財(cái)政支農(nóng)績(jī)效并提出優(yōu)化方案[2］；基于省際面板數(shù)據(jù)發(fā)現(xiàn)財(cái)政支農(nóng)在結(jié)構(gòu)與效率層面對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)有顯著負(fù)向影響[4］, 基于城鄉(xiāng)融合視角認(rèn)為財(cái)政支農(nóng)會(huì)拉大城鄉(xiāng)收入差距[5］。二是財(cái)政支農(nóng)對(duì)農(nóng)業(yè)發(fā)展績(jī)效非線性影響的研究。對(duì)改革開(kāi)放以來(lái)中國(guó)財(cái)政支農(nóng)增收效應(yīng)進(jìn)行檢驗(yàn), 提出財(cái)政支農(nóng)規(guī)模的擴(kuò)大將損耗農(nóng)業(yè)生產(chǎn)邊際效率[6］；從經(jīng)濟(jì)、生態(tài)、社會(huì)3 個(gè)層面研究發(fā)現(xiàn)中國(guó)財(cái)政支農(nóng)效率整體呈現(xiàn)下降趨勢(shì)[7］；通過(guò)理論推導(dǎo)總結(jié)提出, 隨著財(cái)政支農(nóng)投入的增長(zhǎng), 農(nóng)村減貧效應(yīng)呈現(xiàn)邊際遞減規(guī)律[8］。

文獻(xiàn)梳理發(fā)現(xiàn), 學(xué)術(shù)界對(duì)財(cái)政支農(nóng)績(jī)效的研究經(jīng)歷了早期的單向促進(jìn)或抑制到 “邊際遞減” 的非線性特征, 但是鮮有文獻(xiàn)將財(cái)政支農(nóng)與農(nóng)業(yè)全要素生產(chǎn)率聯(lián)系起來(lái)?；诖? 本研究選取中國(guó)31 個(gè)?。ㄊ小⒆灾螀^(qū)）2004—2020 年的面板數(shù)據(jù), 采用DEAMalmquist 指數(shù)法測(cè)算各地區(qū)農(nóng)業(yè)全要素生產(chǎn)率, 運(yùn)用固定效應(yīng)和門檻模型探究財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的非線性影響, 以期為完善財(cái)政支農(nóng)政策、助力中國(guó)農(nóng)業(yè)高質(zhì)量發(fā)展提供參考依據(jù)。

1 理論分析與假設(shè)

美國(guó)經(jīng)濟(jì)學(xué)家杜森伯利首次提出, 政府財(cái)政對(duì)農(nóng)戶所帶來(lái)的產(chǎn)品和勞務(wù)都是農(nóng)業(yè)的生產(chǎn)性投入。根據(jù)這一觀點(diǎn), 認(rèn)為農(nóng)業(yè)生產(chǎn)是財(cái)政支農(nóng)和多種投入要素共同推動(dòng)的過(guò)程。財(cái)政支農(nóng)促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率提升是一個(gè)漸進(jìn)過(guò)程, 在財(cái)政支農(nóng)水平較低時(shí), 支農(nóng)補(bǔ)貼范圍和規(guī)模的擴(kuò)大, 將直接增加生產(chǎn)者收入, 一定程度上影響著生產(chǎn)者的風(fēng)險(xiǎn)偏好、信貸約束、受教育水平等, 故更科學(xué)的農(nóng)業(yè)模式會(huì)被生產(chǎn)者在生產(chǎn)過(guò)程中采納, 有利于農(nóng)業(yè)生產(chǎn)[9］。另外, 地方政府還利用國(guó)家財(cái)政支農(nóng)資金為生產(chǎn)者建立系列農(nóng)業(yè)服務(wù)體系, 以進(jìn)一步完善農(nóng)業(yè)生產(chǎn)過(guò)程中種植方法、要素投入、技術(shù)選擇等因素, 投入成本得以減少[10］, 并大幅度提高生產(chǎn)效益。當(dāng)財(cái)政支農(nóng)資金達(dá)到規(guī)模效應(yīng)并呈現(xiàn)飽和狀態(tài)時(shí), 農(nóng)業(yè)生產(chǎn)效率、效益將得以有效提升；當(dāng)財(cái)政支農(nóng)資金達(dá)到規(guī)模效應(yīng)并呈現(xiàn)飽和狀態(tài)時(shí), 代表農(nóng)業(yè)生產(chǎn)過(guò)程各投入要素已達(dá)到投入最小而產(chǎn)出最大的最優(yōu)狀態(tài)。按照邊際報(bào)酬遞減原則, 此時(shí)政府財(cái)政支農(nóng)金額的過(guò)量增長(zhǎng), 將會(huì)打破最優(yōu)狀態(tài)出現(xiàn)遞減狀態(tài), 規(guī)模報(bào)酬將會(huì)由以往的遞增到下降。基于以上分析, 提出假設(shè)一：

H1：隨著財(cái)政支農(nóng)資金水平的提高, 財(cái)政補(bǔ)貼對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響存在先促進(jìn)后抑制的倒 “U” 形關(guān)系。

此外, 由于不同地域區(qū)域的資源稟賦水平和經(jīng)濟(jì)社會(huì)發(fā)展?fàn)顩r差異, 推斷財(cái)政支農(nóng)政策對(duì)農(nóng)業(yè)全要素的影響可能存在區(qū)域異質(zhì)性。本研究把中國(guó)分為東、中、西部3 個(gè)地區(qū), 其中東部地區(qū)在經(jīng)濟(jì)環(huán)境、產(chǎn)業(yè)基礎(chǔ)、政策保障等方面相比中、西部區(qū)域都更為健全, 并已在相當(dāng)程度上實(shí)現(xiàn)農(nóng)產(chǎn)品的規(guī)?；I(yè)性、集約化生產(chǎn), 待發(fā)展利用資源相對(duì)有限, 導(dǎo)致財(cái)政支農(nóng)對(duì)農(nóng)業(yè)生產(chǎn)率提升的福利效應(yīng)和邊際效應(yīng)較小。而西部地區(qū)由于農(nóng)業(yè)發(fā)展水平相對(duì)落后、自身要素不足, 財(cái)政支農(nóng)能夠有效補(bǔ)充地區(qū)農(nóng)業(yè)發(fā)展所需技術(shù)、勞動(dòng)、資本等要素, 財(cái)政靶向較為明晰, 對(duì)地區(qū)農(nóng)業(yè)生產(chǎn)率增長(zhǎng)的推動(dòng)作用更強(qiáng)[11］?；诖? 本研究提出假設(shè)二：

H2：財(cái)政支農(nóng)補(bǔ)貼對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響存在區(qū)域異質(zhì)性。

瓦格納認(rèn)為, 財(cái)政支出資金規(guī)模必須與國(guó)民經(jīng)濟(jì)發(fā)展能力相匹配, 規(guī)模過(guò)度增大將導(dǎo)致財(cái)政支農(nóng)的 “飽和效應(yīng)” , 削弱財(cái)政支農(nóng)的政策福利[12］。因此在確保財(cái)政支農(nóng)資金規(guī)模不縮減的情況下, 要進(jìn)一步完善財(cái)政支農(nóng)資金管理政策, 加強(qiáng)農(nóng)業(yè)科技化水平, 提升財(cái)政支農(nóng)的使用效率。一方面, 政府農(nóng)業(yè)科技投入的增加有助于推動(dòng)財(cái)政支農(nóng)與農(nóng)業(yè)生產(chǎn)、農(nóng)業(yè)科技的有效對(duì)接, 加快農(nóng)業(yè)科技體系構(gòu)建, 提高財(cái)政支農(nóng)資金的使用效率, 從而進(jìn)一步發(fā)揮財(cái)政支農(nóng)在改善農(nóng)業(yè)生產(chǎn)條件、推進(jìn)農(nóng)業(yè)技術(shù)進(jìn)步等方面的積極作用；另一方面, 深入農(nóng)業(yè)科技研究、完善農(nóng)業(yè)科技成果轉(zhuǎn)化體系、創(chuàng)新農(nóng)業(yè)技術(shù)互動(dòng)合作機(jī)制、促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營(yíng)等手段能夠促進(jìn)農(nóng)業(yè)科技與農(nóng)業(yè)生產(chǎn)的深度融合, 實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的規(guī)?；⒓苫?、高效化, 從而鞏固農(nóng)業(yè)生產(chǎn)能力, 提高農(nóng)業(yè)生產(chǎn)效率。據(jù)此本研究提出假設(shè)三：

H3：加大農(nóng)業(yè)科技投入將推遲財(cái)政支農(nóng)與農(nóng)業(yè)全要素生產(chǎn)率之間倒 “U” 形拐點(diǎn)到來(lái)。

2.1 職業(yè)足球 英格蘭職業(yè)足球俱樂(lè)部運(yùn)動(dòng)員培養(yǎng)體系基本上分為社區(qū)足球、進(jìn)階訓(xùn)練中心、精英訓(xùn)練組、發(fā)展訓(xùn)練組、足球?qū)W院和職業(yè)一線隊(duì)6個(gè)層次。

2 農(nóng)業(yè)全要素生產(chǎn)率的測(cè)算與分析

2.1 測(cè)算方法

為避免設(shè)定具體的函數(shù)形式和非效率項(xiàng)分布形式[1］, 本研究采用DEA-Malmquist 指數(shù)法測(cè)算中國(guó)31 個(gè)?。ㄊ?、自治區(qū)）的農(nóng)業(yè)全要素生產(chǎn)率, 研究區(qū)間為2004—2020 年。由于農(nóng)業(yè)（狹義）勞動(dòng)力和農(nóng)業(yè)技術(shù)投入無(wú)法在年鑒中找到具體數(shù)據(jù), 本研究參照葛和平等[13］的方法, 根據(jù)農(nóng)林牧漁業(yè)總產(chǎn)值中農(nóng)業(yè)總產(chǎn)值的占比剝離出用于狹義農(nóng)業(yè)的投入要素。參考現(xiàn)有研究成果, 選取農(nóng)業(yè)產(chǎn)值等1 個(gè)產(chǎn)出變量, 土地投入等7個(gè)投入變量, 具體變量情況如表1所示。

表1 農(nóng)業(yè)全要素生產(chǎn)率測(cè)算指標(biāo)

2.2 結(jié)果分析

通過(guò)DEAP2.1 軟件測(cè)算得到樣本區(qū)間內(nèi)中國(guó)31 個(gè)?。ㄊ小⒆灾螀^(qū)）的農(nóng)業(yè)全要素生產(chǎn)率（tfpch）及其分解項(xiàng), 結(jié)果如表2、圖1 所示?？梢钥闯? 2004—2020 年中國(guó)大陸31 個(gè)省市的農(nóng)業(yè)全要素增長(zhǎng)率和農(nóng)業(yè)技術(shù)進(jìn)步指數(shù)的年均增速均為正；除北京、河北等11 省市外, 其余20 省市的年均農(nóng)業(yè)技術(shù)效率均大于1, 表明多數(shù)省市的年均農(nóng)業(yè)技術(shù)效率指數(shù)維持正向增長(zhǎng)。

圖1 2004—2020 年各地區(qū)農(nóng)業(yè)全要素生產(chǎn)率指數(shù)（tfpch）分布

表2 2004—2020年中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)及分解情況

全國(guó)層面來(lái)看, 2004—2020 年中國(guó)農(nóng)業(yè)全要素生產(chǎn)率、技術(shù)進(jìn)步指數(shù)均為正, 說(shuō)明農(nóng)業(yè)生產(chǎn)效率逐年提高, 生產(chǎn)技術(shù)取得進(jìn)步；2004—2020 年中有9 個(gè)年份的技術(shù)效率指數(shù)出現(xiàn)負(fù)增長(zhǎng), 表明存在相當(dāng)程度的效率損失, 中國(guó)當(dāng)前農(nóng)業(yè)技術(shù)的運(yùn)用和發(fā)揮程度較低；除2004、2006 年外, 其余年份技術(shù)進(jìn)步指數(shù)均大于農(nóng)業(yè)技術(shù)效率指數(shù), 可以推斷全國(guó)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)更多依賴農(nóng)業(yè)生產(chǎn)技術(shù)的進(jìn)步。

3 變量選取與模型構(gòu)建

3.1 變量選取

1）被解釋變量。被解釋變量為農(nóng)業(yè)全要素生產(chǎn)率（Tfp）。前文已根據(jù)投入產(chǎn)出指標(biāo)測(cè)算出各?。ㄊ?、自治區(qū)）的農(nóng)業(yè)全要素生產(chǎn)率, 由于農(nóng)業(yè)全要素生產(chǎn)率屬于以上年為基期的環(huán)比指數(shù), 故以2004 年為基期其余年份通過(guò)累乘計(jì)算得到。

2）解釋變量。解釋變量為財(cái)政支農(nóng)補(bǔ)貼（Fina）。自2004 年逐步廢除農(nóng)業(yè)稅后, 中國(guó)開(kāi)始實(shí)施系列農(nóng)業(yè)補(bǔ)貼政策, 因此本研究的時(shí)間期限為2004—2020 年。參照許慶等[14］的做法, 選用農(nóng)業(yè)、林業(yè)和農(nóng)林水利氣象等部門的事業(yè)費(fèi)支出加總衡量2004—2006 年財(cái)政支農(nóng)數(shù)額, 選用 “農(nóng)林水事務(wù)支出” 表示2007—2020 年財(cái)政支農(nóng)金額。

3）控制變量。根據(jù)以往研究成果[12-15］, 引入和農(nóng)業(yè)全要素生產(chǎn)率相關(guān)的其他控制變量：①勞動(dòng)力受教育程度（Edu）：使用農(nóng)村居民平均受教育年限表示；②受災(zāi)率（Disa）：使用受災(zāi)面積占農(nóng)作物種植面積的比重表示；③產(chǎn)業(yè)結(jié)構(gòu)（Rs）：使用二三產(chǎn)業(yè)產(chǎn)值在地區(qū)生產(chǎn)總值中的占比表示；④外資投入水平（Fdi）：使用外商投資總額占地區(qū)生產(chǎn)總值的比重表示；⑤城鎮(zhèn)化率（Urban）：使用城鎮(zhèn)人口與常住人口的比重表示；⑥農(nóng)戶固定資產(chǎn)投資（Inv）：使用各地區(qū)農(nóng)村農(nóng)戶固定資產(chǎn)投資額表示。

4）數(shù)據(jù)來(lái)源。研究對(duì)象是中國(guó)31 個(gè)省（市、自治區(qū)）的面板數(shù)據(jù), 樣本區(qū)間為2004—2020 年, 個(gè)別數(shù)據(jù)缺失采用插值法得到。部分?jǐn)?shù)據(jù)取對(duì)數(shù)是為了避免指標(biāo)數(shù)量級(jí)較大和消除異方差問(wèn)題。各變量的描述性統(tǒng)計(jì)如表3 所示。

表3 變量的描述性統(tǒng)計(jì)

3.2 模型構(gòu)建

為驗(yàn)證財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的非線性影響, 構(gòu)建如下模型：

式中,Yit表示i省t年的農(nóng)業(yè)全要素生產(chǎn)率；解釋變量Ln_finait為i省t年的財(cái)政支農(nóng)金額；controlit為控制變量；α、β1、β2、θit為待估計(jì)系數(shù),μt為地區(qū)固定效應(yīng)；δt為時(shí)間固定效應(yīng)；εit為擾動(dòng)項(xiàng)。

式中,I(·)為示性函數(shù), 函數(shù)值取決于門檻變量qit。為確?；貧w結(jié)果的穩(wěn)健性, 在模型中引入與區(qū)域相關(guān)的交互項(xiàng)指標(biāo)其余變量含義與式（1）、式（2）相同。構(gòu)建模型如下：

4 實(shí)證檢驗(yàn)

4.1 財(cái)政支農(nóng)補(bǔ)貼對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響

為從全國(guó)層面探究財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響, 運(yùn)用Stata15.0 軟件進(jìn)行面板數(shù)據(jù)回歸。通過(guò)Hausman 檢驗(yàn)后, 采用固定效應(yīng)模型估計(jì), 結(jié)果如表4 所示。模型（1）和模型（2）采用OLS 回歸估計(jì), 結(jié)果顯示, 變量符號(hào)和系數(shù)與預(yù)期結(jié)果相差較大, 因此不適合采用OLS 回歸模型。模型（3）至模型（5）分別為加入控制變量和控制地區(qū)、時(shí)間效應(yīng)的回歸結(jié)果, 模型（6）則是引入財(cái)政支農(nóng)平方項(xiàng)的非線性回歸結(jié)果。

根據(jù)表4 中模型（3）至模型（5）可以看出, 無(wú)論是否控制變量和地區(qū)、時(shí)間效應(yīng), 財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響都顯著為正, 表明財(cái)政支農(nóng)補(bǔ)貼能有效提高農(nóng)業(yè)全要素生產(chǎn)率。模型（6）引入財(cái)政支農(nóng)補(bǔ)貼平方項(xiàng)后, Lnfina2的系數(shù)為-0.108 且顯著, 表明財(cái)政支農(nóng)補(bǔ)貼與農(nóng)業(yè)全要素生產(chǎn)率之間存在先促進(jìn)后抑制的倒 “U” 形關(guān)系, 拐點(diǎn)為6.044, 其經(jīng)濟(jì)含義是當(dāng)財(cái)政支農(nóng)補(bǔ)貼對(duì)數(shù)值達(dá)到6.044 時(shí), 農(nóng)業(yè)全要素生產(chǎn)率開(kāi)始趨于下降。這驗(yàn)證了假設(shè)H1。

表4 財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響

在控制變量方面, 從模型（5）的回歸結(jié)果來(lái)看, 農(nóng)村居民受教育水平（LnEdu）對(duì)農(nóng)業(yè)全要素生產(chǎn)效率的影響系數(shù)為0.683, 且在10%的水平上顯著為正, 說(shuō)明受教育程度對(duì)農(nóng)業(yè)生產(chǎn)有正向影響, 主要是因?yàn)檗r(nóng)戶受教育程度直接影響其種植行為, 受教育程度越高, 農(nóng)戶對(duì)新技術(shù)的采納程度越強(qiáng), 促使生產(chǎn)經(jīng)營(yíng)水平的提高, 從而提高農(nóng)業(yè)生產(chǎn)效率；受災(zāi)率（Disa）的系數(shù)為負(fù), 進(jìn)一步說(shuō)明農(nóng)業(yè)屬于先天弱質(zhì)產(chǎn)業(yè)[15］, 對(duì)自然環(huán)境有較強(qiáng)的依賴性, 自然環(huán)境的惡化會(huì)對(duì)農(nóng)業(yè)生產(chǎn)產(chǎn)生一定程度負(fù)面影響；外資投入水平（LnFdi）的估計(jì)系數(shù)為0.185, 與農(nóng)業(yè)全要素生產(chǎn)率正相關(guān)且在1%的水平上顯著, 表明外資的引進(jìn)在一定程度上彌補(bǔ)了中國(guó)農(nóng)業(yè)資金短缺的短板, 同時(shí)外資的介入還引進(jìn)國(guó)外優(yōu)良品種、先進(jìn)技術(shù)、先進(jìn)設(shè)備等, 推動(dòng)農(nóng)業(yè)技術(shù)的進(jìn)步和農(nóng)業(yè)生產(chǎn)效率的提升；農(nóng)戶固定資產(chǎn)投資水平（LnInv）的回歸系數(shù)為-0.158, 顯著為負(fù), 說(shuō)明隨著技術(shù)進(jìn)步、農(nóng)業(yè)結(jié)構(gòu)調(diào)整升級(jí)等因素造成的生產(chǎn)效率的提高, 農(nóng)業(yè)發(fā)展對(duì)固定資產(chǎn)投資的依賴程度有所下降；城鎮(zhèn)化率（Urban）正相關(guān)且在1%水平顯著, 可能由于城鎮(zhèn)化水平提高過(guò)程中農(nóng)村人口不斷向城市流動(dòng), 生產(chǎn)要素配置結(jié)構(gòu)趨向合理化；產(chǎn)業(yè)結(jié)構(gòu)（Rs）與農(nóng)業(yè)全要素生產(chǎn)率負(fù)數(shù)相關(guān)但不顯著, 其依據(jù)在于二三產(chǎn)業(yè)的發(fā)展導(dǎo)致農(nóng)業(yè)勞動(dòng)力的流出, 一方面轉(zhuǎn)移的勞動(dòng)力會(huì)通過(guò)技術(shù)外溢對(duì)農(nóng)業(yè)生產(chǎn)產(chǎn)生正外部性影響[16］, 另一方面, 從事農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)的勞動(dòng)力減少, 對(duì)農(nóng)業(yè)生產(chǎn)造成不利影響, 所以產(chǎn)業(yè)結(jié)構(gòu)對(duì)農(nóng)業(yè)生產(chǎn)效率的影響并不顯著。

4.2 區(qū)域異質(zhì)性分析

中國(guó)幅員遼闊, 受到農(nóng)業(yè)資源承載力、環(huán)境容量、生態(tài)類型和發(fā)展基礎(chǔ)等因素影響, 不同地區(qū)農(nóng)業(yè)發(fā)展水平存在較大差異[17］。為探究財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率影響的區(qū)域異質(zhì)性, 本研究對(duì)東、中、西部地區(qū)數(shù)據(jù)分樣本進(jìn)行回歸, 結(jié)果如表5 模型（7）至模型（9）所示。

表5 財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響（分區(qū)域）

控制相關(guān)變量的情況下, 中國(guó)東、中、西部地區(qū)財(cái)政支農(nóng)補(bǔ)貼與農(nóng)業(yè)全要素生產(chǎn)率的拐點(diǎn)分別為5.300、6.640、6.886, 表明二者的倒 “U” 形拐點(diǎn)在東部地區(qū)來(lái)得最早, 在西部地區(qū)來(lái)的最晚。具體來(lái)講, 當(dāng)東部地區(qū)財(cái)政支農(nóng)補(bǔ)貼對(duì)數(shù)值達(dá)到5.300 時(shí), 開(kāi)始削弱農(nóng)業(yè)全要素生產(chǎn)率；而西部地區(qū)的財(cái)政支農(nóng)補(bǔ)貼對(duì)數(shù)值需要達(dá)到6.886, 其農(nóng)業(yè)全要素生產(chǎn)率指數(shù)才開(kāi)始下降。為確?；貧w結(jié)果的穩(wěn)健性, 在模型（10）中引入財(cái)政支農(nóng)平方項(xiàng)與地區(qū)虛擬變量的交互項(xiàng), 以對(duì)分樣本回歸結(jié)果進(jìn)行參照?？梢钥吹? LnFina系數(shù)為正且在10%水平下顯著, 3 個(gè)交互項(xiàng)LnFina2×East、LnFina2×Middle、LnFina2×West 的估計(jì)系數(shù)均顯著為負(fù), 且LnFina2×East 的估計(jì)系數(shù)值更大。根據(jù)估計(jì)系數(shù)計(jì)算出東、中、西部地區(qū)財(cái)政支農(nóng)補(bǔ)貼與農(nóng)業(yè)全要素生產(chǎn)率的拐點(diǎn)出現(xiàn)順序仍為在東部地區(qū)來(lái)的最早, 在西部地區(qū)來(lái)的最晚, 進(jìn)一步證明財(cái)政支農(nóng)補(bǔ)貼對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響具有區(qū)域差異性, 假設(shè)H2 得以驗(yàn)證。

出現(xiàn)以上現(xiàn)象的原因可能是：一方面, 東部地區(qū)經(jīng)濟(jì)發(fā)展水平和資源稟賦條件較好, 具備基礎(chǔ)設(shè)置、技術(shù)水平等優(yōu)勢(shì), 此時(shí)財(cái)政支農(nóng)補(bǔ)貼能補(bǔ)充的農(nóng)業(yè)發(fā)展所需要素有限, 即財(cái)政支農(nóng)對(duì)農(nóng)業(yè)生產(chǎn)率提升的福利效應(yīng)和邊際效應(yīng)較小, 導(dǎo)致財(cái)政支農(nóng)補(bǔ)貼對(duì)農(nóng)業(yè)全要素生產(chǎn)率的拐點(diǎn)在東部地區(qū)來(lái)的更早；另一方面, 中、西部地區(qū)經(jīng)濟(jì)發(fā)展水平相對(duì)較低、農(nóng)業(yè)投入薄弱, 尤其是西部地區(qū)現(xiàn)階段農(nóng)業(yè)生產(chǎn)方面相對(duì)落后, 此時(shí)財(cái)政支農(nóng)補(bǔ)貼更能有效補(bǔ)充其農(nóng)業(yè)發(fā)展所需要素, 所以財(cái)政支農(nóng)在中、西部地區(qū)對(duì)農(nóng)業(yè)全要素生產(chǎn)率提升的推動(dòng)作用更強(qiáng)。

4.3 財(cái)政支農(nóng)使用效率優(yōu)化分析

為檢驗(yàn)假設(shè)H3, 通過(guò)實(shí)證分析財(cái)政支農(nóng)使用效率的提升在財(cái)政支農(nóng)補(bǔ)貼和農(nóng)業(yè)全要素生產(chǎn)率之間的效應(yīng)。深化農(nóng)業(yè)科技研究、完善農(nóng)業(yè)科技成果轉(zhuǎn)化體系、創(chuàng)新農(nóng)業(yè)技術(shù)互動(dòng)合作機(jī)制將有效提升財(cái)政支農(nóng)的使用效率, 因此模型（11）至模型（14）在基準(zhǔn)回歸的基礎(chǔ)上引入農(nóng)業(yè)科技創(chuàng)新（Inn）、農(nóng)業(yè)科技成果轉(zhuǎn)化（Tra）、農(nóng)業(yè)技術(shù)互動(dòng)合作（Int）、農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營(yíng)水平（Ind）4 個(gè)變量, 分別與財(cái)政支農(nóng)補(bǔ)貼的平方項(xiàng)進(jìn)行交乘, 得到4 個(gè)交互項(xiàng), 分別為Inn×lnFina2,Tra×lnFina2,Int×lnFina2,Ind×lnFina2。表6 為相關(guān)回歸結(jié)果。 根據(jù)模型（11）, 農(nóng)業(yè)科技創(chuàng)新體系建設(shè)與財(cái)政支農(nóng)平方項(xiàng)的交乘項(xiàng)系數(shù)為0.083 7, 二者的拐點(diǎn)為0.034 8/（2×0.234-2×0.083 7×Inn）。因?yàn)樨?cái)政支農(nóng)補(bǔ)貼數(shù)值均為正, 當(dāng)農(nóng)業(yè)科技創(chuàng)新（Inn）增大時(shí), 該拐點(diǎn)值右移。其經(jīng)濟(jì)含義是, 加強(qiáng)農(nóng)業(yè)科技創(chuàng)新體系建設(shè)有助于促進(jìn)財(cái)政支農(nóng)與農(nóng)業(yè)全要素生產(chǎn)率之間的拐點(diǎn)右移, 提升財(cái)政支農(nóng)的使用效率。根據(jù)回歸系數(shù)計(jì)算可知, 加大農(nóng)業(yè)科技成果轉(zhuǎn)化、農(nóng)業(yè)技術(shù)互動(dòng)合作、農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營(yíng)水平均能促進(jìn)財(cái)政支農(nóng)與農(nóng)業(yè)全要素生產(chǎn)率之間的拐點(diǎn)右移, 提升財(cái)政支農(nóng)的使用效率。假設(shè)H3 得到證明。

表6 財(cái)政支農(nóng)使用效率優(yōu)化對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響

4.4 穩(wěn)健性與內(nèi)生性檢驗(yàn)

4.4.1 穩(wěn)健性檢驗(yàn) 由基準(zhǔn)回歸和門檻回歸得到, 隨著財(cái)政支農(nóng)投入水平的增大, 其對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響表現(xiàn)為先促進(jìn)后抑制的倒 “U” 形關(guān)系, 且二者關(guān)系具有區(qū)域異質(zhì)性。為對(duì)這一結(jié)論加以檢驗(yàn), 本研究的穩(wěn)健性檢驗(yàn)包括以下兩方面：一是利用隨機(jī)前沿分析模型重新測(cè)算31 個(gè)?。ㄊ?、自治區(qū)）的農(nóng)業(yè)全要素生產(chǎn)率[18］；二是替換核心解釋變量的衡量指標(biāo), 前文的核心解釋變量為地區(qū)財(cái)政支農(nóng)總額, 現(xiàn)選取人均財(cái)政支農(nóng)補(bǔ)貼的對(duì)數(shù)值衡量財(cái)政支農(nóng)投入。由模型（15）的估計(jì)結(jié)果可知, 當(dāng)Ave_Fina≤1.257 3 時(shí), 財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的提升具有顯著的促進(jìn)作用；當(dāng)Ave_Fina＞1.257 3 時(shí), 財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率具有比較顯著的抑制作用, 這與模型（6）的結(jié)果類似, 再次驗(yàn)證了假設(shè)H1 的可靠性。模型（16）中核心解釋變量與3 個(gè)交互項(xiàng)的估計(jì)系數(shù)和符號(hào)與模型（10）中沒(méi)有實(shí)質(zhì)性差異, 進(jìn)一步驗(yàn)證了假設(shè)H2, 說(shuō)明本研究的實(shí)證結(jié)果具有穩(wěn)健性。

4.4.2 內(nèi)生性討論 本研究采用多種方式盡可能避免實(shí)證分析過(guò)程中的內(nèi)生性問(wèn)題。樣本選擇方面, 本研究數(shù)據(jù)均由統(tǒng)計(jì)年鑒、wind 數(shù)據(jù)庫(kù)等權(quán)威來(lái)源匯總與整理, 一定程度上保證了數(shù)據(jù)質(zhì)量及可靠性。遺漏變量方面[19］, 在基準(zhǔn)回歸和面板門檻模型中加入勞動(dòng)力受教育程度、受災(zāi)率、產(chǎn)業(yè)結(jié)構(gòu)等控制變量, 能夠削弱遺漏變量對(duì)實(shí)證分析過(guò)程的影響。互為因果方面, 為得到財(cái)政支農(nóng)補(bǔ)貼與農(nóng)業(yè)全要素生產(chǎn)率之間的凈效應(yīng), 參照蔣團(tuán)標(biāo)等[20］、毛其淋[21］的做法, 選擇滯后一期的財(cái)政支農(nóng)作為工具變量, 并使用兩階段最小二乘法進(jìn)行回歸分析。模型（17）報(bào)告了工具變量回歸結(jié)果, 可以看到核心解釋變量、控制變量的系數(shù)符號(hào)和顯著性與前文估計(jì)結(jié)果基本一致, 證明本研究的實(shí)證結(jié)果未受到弱工具變量的影響, 具有穩(wěn)健性。

5 結(jié)論與建議

本研究基于2004—2020 年中國(guó)31 個(gè)?。ㄊ小⒆灾螀^(qū)）的面板數(shù)據(jù), 運(yùn)用DEA—Malmquist 指數(shù)法對(duì)農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行測(cè)算, 并利用固定效應(yīng)與門限模型實(shí)證檢驗(yàn)財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的非線性影響, 以及財(cái)政支農(nóng)使用效率提升在其中的作用。研究發(fā)現(xiàn), 財(cái)政支農(nóng)與農(nóng)業(yè)全要素生產(chǎn)率之間存在先促進(jìn)后抑制的倒 “U” 形關(guān)系, 這一結(jié)論在改變計(jì)量方法、替換解釋變量、考慮內(nèi)生性問(wèn)題等穩(wěn)健性檢驗(yàn)后仍然成立；分區(qū)域看, 二者的拐點(diǎn)在東部地區(qū)來(lái)的最早, 在西部地區(qū)來(lái)的最晚；深入農(nóng)業(yè)科技研究、完善農(nóng)業(yè)科技成果轉(zhuǎn)化體系、創(chuàng)新農(nóng)業(yè)技術(shù)互動(dòng)合作機(jī)制、提高農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營(yíng)水平能夠推動(dòng)財(cái)政支農(nóng)與農(nóng)業(yè)全要素生產(chǎn)率之間的拐點(diǎn)右移, 促進(jìn)財(cái)政支農(nóng)使用效率的提升。

根據(jù)以上結(jié)論, 提出如下政策建議：①繼續(xù)推進(jìn)財(cái)政支農(nóng)體系建設(shè), 完善財(cái)政支農(nóng)支出結(jié)構(gòu), 提高財(cái)政支農(nóng)使用效率。一方面, 政府要用好 “綠箱” 政策, 將補(bǔ)貼重點(diǎn)從過(guò)去的產(chǎn)品市場(chǎng)調(diào)整到要素市場(chǎng), 加大農(nóng)業(yè)科技投入與技術(shù)推廣；另一方面, 要在規(guī)則允許的情況下充分利用農(nóng)業(yè)目標(biāo)價(jià)格支持政策、最低收購(gòu)價(jià)政策等 “黃箱” 補(bǔ)貼政策, 以促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提升。②由于財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響存在區(qū)域異質(zhì)性, 政府要因地制宜確定涉農(nóng)資金實(shí)施方案, 在中西部欠發(fā)達(dá)地區(qū)予以適當(dāng)傾斜。需要?jiǎng)討B(tài)觀察財(cái)政支農(nóng)對(duì)地區(qū)農(nóng)業(yè)生產(chǎn)效率效益提升情況, 進(jìn)一步提升財(cái)政支農(nóng)在欠發(fā)達(dá)地區(qū)推動(dòng)農(nóng)業(yè)生產(chǎn)的投入產(chǎn)出效率。同時(shí)確保財(cái)政支農(nóng)資金的?？顚Ｓ? 提高財(cái)政支農(nóng)資金效用。③積極探索農(nóng)業(yè)技術(shù)進(jìn)步體制改革新模式, 增強(qiáng)財(cái)政支農(nóng)轉(zhuǎn)化效率。通過(guò)深入農(nóng)業(yè)科技研究、支持發(fā)展農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營(yíng)、完善農(nóng)業(yè)科技成果轉(zhuǎn)化體系、創(chuàng)新農(nóng)業(yè)技術(shù)互動(dòng)合作機(jī)制等方式, 更新農(nóng)業(yè)生產(chǎn)方式與發(fā)展模型, 提升財(cái)政支農(nóng)向農(nóng)業(yè)全要素生產(chǎn)率的轉(zhuǎn)化效率。

表7 穩(wěn)健性與內(nèi)生性檢驗(yàn)