目標價格補貼政策改革對糧食全要素生產率的影響研究
——來自全國大豆種植戶的微觀證據

李谷成，葉 鋒，賀亞琴

（1.華中農業大學 經濟管理學院/農業經濟研究所，湖北 武漢 430070；2.江西農業大學 經濟管理學院，江西 南昌 330045）

回顧世界各國的農業支持政策可以發現，隨著農業不斷發展，世界各國大多將市場化轉型作為農產品價格支持政策改革的主要方向[1-3]。近年來，中國政府也一直在探索農產品價格支持政策的改革。2017 年，中國政府發布《關于調整完善玉米和大豆補貼政策的通知》，宣布在吉林省、遼寧省、黑龍江省和內蒙古自治區進行試點改革，將大豆目標價格補貼改革為生產者補貼。大豆目標價格補貼政策改革的目標是通過與玉米生產者補貼協調發放來進一步鼓勵種植結構調整，促進大豆產業高質量發展。因此，有必要對大豆目標價格補貼政策改革的效果進行多方面評估，更好地優化政策[4]。農戶是農業生產的最終執行者，從農戶層面進行政策評估能夠更好地優化政策，增進農戶福祉。本文采用全國農村固定觀察點面板數據，從農戶全要素生產率這一維度分析了大豆目標價格補貼政策改革的效果。本文的研究結論不僅能夠為優化大豆生產者補貼政策提供參考，還能夠對稻谷、小麥價格支持政策的市場化改革提供經驗借鑒。

大豆補貼政策經歷臨時收儲、目標價格補貼和生產者補貼3 個階段。學者們分別對這3 個階段大豆補貼政策的效果進行了評估，并取得了豐碩成果。周揚等研究了價格支持政策對大豆全要素生產率的影響，認為價格支持政策的實施扭曲了生產要素配置，從而抑制了大豆全要素生產率的提升[5]。樊琦等的研究表明在短期內大豆目標價格補貼政策難以發揮效果，對農戶大豆種植產生了負面影響[6]。蔡海龍等分析了大豆目標價格補貼政策在中國難以實現的原因，認為大豆目標價格補貼政策的實施會造成福利損失[7]。賀超飛等認為在大豆目標價格實施的第一年，大豆播種面積顯著提升，但是在第二年，大豆的播種面積顯著減少，這主要因為目標價格補貼發放不穩定[8]。由于大豆目標價格補貼的發放時間偏晚，補貼金額不穩定，農戶對大豆目標價格補貼的滿意度較低[9]。周揚等的研究表明大豆生產者補貼政策能夠顯著提高大豆與玉米播種面積的比值，調整了種植結構[4]。許鶴等、王新剛等、陸鈺鳳等研究了大豆生產者補貼對大豆種植的影響，認為大豆生產者補貼對大豆種植面積有激勵作用，但是存在區域異質性[10-12]。并且，大豆生產者補貼的政策效果在逐年減弱[12]。此外，王新剛等的研究表明生產者補貼的實施能夠有效擴大大豆播種面積，但會導致大豆生產中要素投入下降，造成規模擴張和要素投入不匹配[3]。

上述研究為本文提供了參考，但是仍然存在不足，可以從以下幾點進行拓展：第一，當前文獻僅僅研究了目標價格補貼政策改革對大豆種植面積或種植結構的影響，但是這些研究大部分都是采用宏觀數據進行分析，缺乏微觀層面的經驗證據。農戶是農業生產的微觀主體，補貼政策改革只有通過影響農戶的生產決策才能實現其政策目標[13]。因此，本文采用全國農村固定觀察點數據，從微觀農戶全要素生產率層面評估大豆目標價格補貼政策改革的政策效果，能夠更好地進行政策優化；第二，現有研究較少從農戶異質性出發探討大豆補貼政策改革影響的差異性，并缺乏影響機理的探討。在當前農戶分化的背景下，只有對不同類別農戶進行差異化補貼才能更好地發揮出政策效果。本文從規模異質性、大豆種植比例、農戶兼業程度、農戶大豆全要素生產率水平高低4 個維度進行異質性分析，有利于大豆補貼政策的精準分類施策。

一、政策背景與理論分析

1.大豆目標價格補貼政策改革的時代背景

為推動大豆產業健康發展，國家于2014年推出了《關于大豆目標價格補貼的指導意見》。雖然大豆目標價格的實施發揮了市場定價功能，在一定程度上能夠改善資源配置效率，但仍然存在許多不合理之處。第一，理論上大豆目標價格是根據當年的種豆成本和農戶收益決定的，但在政策實施的3年間，目標價格都始終維持在4800 元/噸。并且，在政策文件中目標價格的公布應在播種前，但實際上，2014 年和2015 年的大豆目標價格公布都在4-5 月，大部分試點地區已完成播種，這對大豆生產的影響不明顯。第二，地區間的補貼差異較大。政策文件中表示要根據中央財政和地方大豆播種面積來確定畝均補貼標準，但是地方執行的大豆目標價格補貼標準差異巨大。第三，補貼對象不夠明確。政策明確規定要將補貼發放給實際種植大豆的農戶，但補貼導致的土地流轉費用上漲使得部分收益轉移給了承包戶，經營戶實際獲得的補貼較少。第四，補貼的時間較晚。政策中規定，目標價格補貼要在大豆播種前補貼給農戶。但在實際操作過程中，大部分年份的大豆目標價格補貼都晚于5月發放，嚴重影響了農戶的種植決策[7]。

2017 年開始，國家決定取消大豆目標價格，將其改革為生產者補貼。具體舉措為國家不再干預大豆價格的形成，采用市場定價的原則。大豆生產者可以根據市場需求來進行生產，國家采用直接補貼的方式予以補助。此次改革的另一個重要變化是將大豆生產者補貼和玉米生產者補貼進行統籌，通過二者聯動來調整生產結構。雖然目標價格補貼和生產者補貼都是以現金直補的形式發放，但是存在以下幾點差異：第一，補貼標準不同。雖然生產者補貼與目標價格補貼是根據國家撥付金額和地區大豆種植面積綜合決定，但生產者補貼的標準考慮到了與玉米的比較，其補貼標準大于目標價格補貼。第二，發放金額計算方式不同。目標價格補貼根據市場價格和農戶的大豆生產成本來決定，在實際操作中過于繁瑣。大豆生產者補貼屬于直接補貼，補貼額度的制定更為方便。第三，發放時間不同。生產者補貼的發放更為及時，一般在當年9月，而目標價格補貼則在次年5月發放。

2.理論分析與研究假說

農戶是農業生產的最終執行者，大豆目標價格補貼政策改革最終會通過影響農戶的生產決策來實現其政策目標[1]。研究補貼改革對農戶大豆全要素生產率水平①需要補充說明的是，本文討論和后文計量框架核算的是農戶全要素生產率的水平值，而不是增長值。嚴格來說，全要素生產率增長與全要素生產率雖然相關，但卻是兩個不同的概念。全要素生產率是一個加總要素生產率值的概念，而非“索洛余值”意義上全要素生產率增長所蘊含的與要素投入無關的“殘差”概念。的影響，需從政策的變化入手。首先，相比于目標價格補貼，大豆生產者補貼的發放更及時，對農戶的生產決策影響更大。目標價格補貼一般在次年發放，對當年農戶大豆生產不會產生影響。而大豆生產者補貼一般在當年進行發放，能夠部分解決農戶大豆生產過程中資金不足的問題。根據動態貧困資產理論，補貼能夠緩解農戶大豆生產中的資金約束，農戶可以選擇生產率較高的方式進行生產，這會顯著提高大豆全要素生產率水平[14]。其次，大豆生產者補貼的發放和玉米生產者補貼掛鉤，能夠更好地進行種植結構調整，從而提高農戶的大豆全要素生產率水平[15]。在東北地區，大豆和玉米是主要的替代品。在目標價格補貼時期，大豆收益低于玉米收益，農戶將肥沃的土地都用于玉米種植。補貼政策改革后，政府可以通過提高大豆生產者補貼和玉米生產者補貼的差價來提高農戶大豆種植的積極性，例如2019年遼寧省為鼓勵大豆種植，將大豆和玉米的補貼價差設置為200元。這些舉措都能夠很好地優化種植結構，實現大豆全要素生產率水平的提升。最后，相比于目標價格補貼，大豆生產者補貼的發放更加穩定，不依賴于大豆市場價格的變化，使得農戶對大豆生產者補貼的預期更加穩定，這可能會導致農戶追加生產投資或擴大經營規模，從而提高大豆全要素生產率水平[16]。綜上，本文提出研究假說：

H1：目標價格補貼政策改革能夠顯著提高農戶大豆全要素生產率水平。

已有研究表明，土地配置效率低下，生產投資不足，農業經營規模偏小是制約發展中國家農業生產率提升的重要因素[17-18]?，F實中，農戶是政策改革的最終實踐者，大豆目標價格改革會影響農戶的生產決策，對上述結果變量產生影響。因此，本文構建了“補貼制度改革-土地配置效率、農戶生產性投資積極性、土地經營規模-大豆全要素生產率變化”的分析框架來考察大豆目標價格補貼政策改革的作用機制，見圖1。

圖1 目標價格補貼政策改革對農戶大豆全要素生產率水平的影響機理

首先，目標價格補貼政策改革能夠通過提高土地配置效率來提高大豆全要素生產率水平。土地資源配置效率的改善是提高生產率的重要方式[19]。在實際中，土地資源配置的優化主要依靠土地流轉和改變種植結構來實現。一方面，補貼政策改革會提高土地流轉的概率。生產者補貼的發放能夠緩解農戶當年大豆生產的資金約束，從而加速土地在農戶之間的流轉，這會優化配置土地資源，從而提高大豆全要素生產率水平。另一方面，補貼政策改革有利于種植結構的調整。大豆目標價格補貼改革為生產者補貼后，補貼的發放與玉米生產者補貼統籌，政府能夠根據補貼差額調整大豆和玉米的種植面積，優化種植結構。差額化的生產者補貼能夠有效調整種植結構，使得大豆生產由非優勢區向優勢區轉移，發揮比較優勢，進一步提高大豆全要素生產率水平[5]。

其次，目標價格補貼政策改革能夠通過提高農戶生產性投資積極性來提高大豆全要素生產率水平。Adamopoulos等的研究表明，發展中國家農業生產率偏低的一個重要原因是生產性投資不足[17]。因此，提高大豆生產中的投資積極性是生產率提升的一個重要路徑。在實際中，農戶對大豆生產的投資包括短期投資和長期投資①短期投資是指大豆生產中農藥、化肥、農膜等費用的投入。長期投資是指農戶為改善大豆生產條件和提升地力等所做出的投資，比如大型機械的投入，農田基礎設施投入等。兩種[20]。一方面，補貼政策改革能夠提高農戶大豆生產的短期投資積極性。改革后，生產者補貼發放時間早和發放金額增多的特征能夠緩解農戶在大豆生產中的資金約束，使得農戶可以選擇更好的品種和優質的農藥化肥。這些舉措都會提高農戶的短期投資積極性，促進大豆生產過程中的技術進步，最終會顯著提高大豆全要素生產率水平。另一方面，補貼政策改革能夠提高農戶大豆生產的長期投資積極性。改革后，生產者補貼的發放更加穩定，會形成穩定的收益預期。此時，農戶會增加大豆生產中的長期投資來改善大豆生產條件，促進農業機械對勞動力的替代。比如，為獲取長期利益，農戶會選擇土壤改良投資或購買大型機械。這些舉措也可以顯著提升農戶的大豆全要素生產率水平。

最后，目標價格補貼政策改革能夠擴大大豆生產規模，從而提高大豆全要素生產率水平。規模是制約農戶生產率提升的一個重要因素[17]。農戶若要實現規模經營，需要擴大種植達到適度規模經營面積，以獲取產出效益上的規模經濟，從而實現全要素生產率水平的提高[21]。對于大豆種植戶而言，一方面，大豆生產者補貼的實施導致大豆與玉米補貼額度的比值擴大。在補貼政策改革后，地方政府會統籌大豆生產者補貼和玉米生產者補貼的發放，通過玉米補貼和大豆補貼的差距引導農戶進行大豆種植，使得農戶減少玉米種植，擴大大豆的種植面積。另一方面，補貼政策改革后，大豆生產者補貼的發放較為穩定，農戶對政策的信任度會增加，能夠引導農戶逐步擴大大豆的種植面積。

綜上，本文提出如下研究假說：

H2：目標價格補貼政策改革可以通過優化土地資源配置提高大豆全要素生產率水平。

H3：目標價格補貼政策改革可以通過提高生產性投資積極性提高大豆全要素生產率水平。

H4：目標價格補貼政策改革可以通過促進適度規模經營提高大豆全要素生產率水平。

二、中國大豆全要素生產率水平的測算與動態演變

1.數據來源

準確無誤地測算出大豆全要素生產率水平是本研究得以開展的基礎。本文所使用的數據來源于農業農村部2003-2019 年全國農村固定觀察點。該數據始于1986 年，由農業農村部農村經濟研究中心負責調研，是中國最大的農戶層面跟蹤式調研數據，具有良好的適用性與代表性。

該數據具有如下優勢：第一，調查范圍廣、樣本量大、時間跨度長。當前，該調查每年的樣本量約為21000戶農戶，涉及360個行政村，分布在中國大陸地區31個?。ㄊ?、區）。其中，調研縣約占全國總縣數的14%，能夠很好地代表全國糧食生產情況[22]。第二，數據抽樣客觀科學，采取了典型抽樣和隨機抽樣相結合的方法進行抽樣。首先，根據地理分層和收入分層，選取省內具有代表性的縣作為調研區域。然后，在調研縣內隨機選擇村莊進行農戶訪談，并在每個村莊隨機抽取50～120 戶進行調研。此外，對于退出農業經營或其他原因流失的樣本，固定觀察點會采取合適的抽樣方法進行補充，從而保證樣本具有代表性。第三，調查的內容豐富且詳盡。該數據包含農戶土地情況、家庭經營情況、農戶生產資料投入情況、家庭消費情況等多個方面的內容。特別需要說明的是，此數據對于家庭在不同農作物的投入產出的調研十分詳盡，包含了各地區農戶大豆生產投入產出的具體數據。第四，數據的質量較高。調查小組采用記賬式的方式收集農戶數據。并且該數據是追蹤數據，幾乎所有農戶都熟悉調研過程，這進一步保障了數據質量。第五，數據與國家統計局的差異較小，具有全國代表性。在已有研究中，王璐等和Benjamin等將固定觀察點數據和國家統計局的普查數據進行對比分析，發現這兩個數據在農業生產、家庭收入等方面都比較吻合[22-23]，因此本文采用農村固定觀察點數據來測算農戶大豆全要素生產率水平較為合理。

2.農戶大豆全要素生產率水平的測算及動態演變

本部分主要討論農戶層面大豆全要素生產率水平的測算。全要素生產率水平可以反映農戶生產過程中要素的綜合利用情況，是大豆生產高質量發展的重要衡量指標。大豆全要素生產率水平的估計較為復雜，不僅需要對投入產出數據進行詳盡的計算，還需要考慮系數估計中可能存在的內生性問題。在測算大豆全要素生產率水平時需要明晰以下3個問題：

第一，生產函數的選擇。在進行微觀農戶全要素生產率測算時，已有文獻一般采用Cobb-Douglas生產函數[24]。本文也采用Cobb-Douglas生產函數進行參數估計。在家戶層面上，農戶短期內對物資資本、勞動力和土地的調整有限，適宜采用Cobb-Douglas 生產函數進行估計，這也是現有文獻的普遍做法。

第二，投入產出變量的確定。參考李谷成等、高鳴等的研究，本文選擇家戶大豆總產量作為產出變量，選擇農戶大豆生產中的物質資本、勞動力和土地作為投入變量[14,25]。對于產出變量，本文采用農戶當年的大豆總產量，單位為千克，這樣可以更好地消除價格帶來的產值差異。對于物質資本投入，本文采用資本流量的方式。這主要指花費在大豆生產中各項生產資料的支出，包括種子種苗費、農家肥折價、化肥費用、農膜費用、農藥費用、機械作業費用等，單位為元。勞動力投入采用農戶大豆生產中實際的投工量，包括家庭勞動力投工量和雇工量，單位為“標準日”。土地投入采用大豆播種面積來衡量，相比于耕地面積，播種面積更能體現對土地的利用程度。

第三，估計方程的內生性問題。不同于工業生產，現有文獻認為農業生產中的內生性問題主要來源于兩個方面：一是土地質量的差異。本文采用控制村級層面固定效應的方法來消除不同村之間可能存在的土地質量差異[22]。二是遺漏變量問題。本文采用個體和時間雙向固定效應模型來緩解這一問題[26]?；谏鲜龇治?，本文設定如下生產函數：

式（1）中，Yi表示農戶i的大豆產出水平，K、L和M分別代表農戶大豆生產中的物質資本投入、勞動力投入和土地投入。αK、αL和αM分別代表物質資本、勞動力和土地的彈性系數。在對公式（1）進行參數估計時需要采取雙對數模型，將公式左右兩邊取對數處理，并引入村級虛擬變量來控制村莊間的差異。最終，得到如下公式：

在進行參數估計后，可以通過以下公式來計算農戶的大豆全要素生產率水平：

表1 報告了生產函數估計結果。結果表明，物質資本、勞動力和土地的彈性系數分別為0.234、0.107 和0.492，且都在1%的水平上顯著，這表明中國大豆生產中土地仍然是最重要的生產要素，物質資本次之，勞動力最小。此外，通過對3個彈性系數加總可以得到大豆的規模報酬系數為0.833，表明大豆生產是規模報酬遞減的，這與Chari等的研究結果基本一致[24]。本文通過估計參數，并結合公式（3）計算出歷年農戶的大豆全要素生產率水平。

表1 大豆Cobb-Douglas生產函數估計結果

為考察農戶大豆全要素生產率水平的變化，本文采用兩種平均的方法對數據進行處理。第一種為簡單平均法，求取各農戶當年大豆全要素生產率水平的簡單平均值。第二種為大豆總產值加權平均法，采用總產值的方法進行加權計算出權重，最后計算出加權的平均值。其中，權重為農戶當年大豆總產值占全國大豆總產值的比例。測算結果見圖2。

圖2 大豆全要素生產率水平的動態演變

通過圖2的結果，可以得到以下幾個結論。第一，大豆全要素生產率水平整體呈現上升趨勢，但是存在一定的波動。從簡單平均的計算結果來看，大豆全要素生產率水平由2003 年的3.211 增加到2019 年的3.640，增長率為13.360%，年均增長率為0.834%。第二，大豆全要素生產率水平在某些年份降低。例如，2012-2015 年，大豆全要素生產率水平從3.484 下降到3.303，下降率為5.195%。第三，大豆全要素生產率水平在近些年增長速度加快。2015 年后，大豆的全要素生產率水平開始急劇上升，增長率為10.206%。其可能原因在于國家出臺了一系列政策，2014 年后國家對大豆實施了目標價格，后來又將目標價格改革為生產者補貼，通過直接補貼來刺激大豆種植，政策的實施促進了大豆全要素生產率水平的提升。

三、研究設計

1.模型設定

本文的研究目的是采用“實驗學派”的方法來精準考察目標價格補貼政策改革對農戶大豆全要素生產率的影響，即探討二者之間是否存在因果關系。大豆目標價格補貼政策改革于2017年開始試點，這形成了一個“準自然實驗”①需要說明的是，大豆目標價格在內蒙古的改革試點只有部分地區，難以分清農戶處于實驗組或控制組。為了使得結果更加準確，論文在實證時未保留內蒙古的農戶樣本。此外，為使得估計結果更加精準，本文選擇2010-2019年樣本進行回歸，為保證結果的穩健性，還進一步縮減樣本量進行了穩健性檢驗。。因此，本文基于政策評估中常用的傾向得分匹配-雙重差分（PSM-DID）模型來構建識別策略，并緩解政策變革中的內生性問題。Heckman 等認為該模型一方面能夠解決傳統DID 模型中由政策非隨機導致的平行趨勢不滿足的問題，另一方面能夠通過PSM的方法排除部分干擾政策對結果的影響[27]。在進行PSM-DID 估計時，本文采用兩階段回歸進行參數估計。第一階段為PSM估計。本文使用Logit回歸估計出傾向得分值，再利用核匹配來進行估計。本文中使用的PSM模型為：

式（4）中，P為農戶參與政策改革的概率。Treat為農戶是否處于大豆目標價格補貼政策改革試點區域，處于試點區域賦值為1，未處于試點區域賦值為0。L表示在概率估計中采用Logit 回歸。X為匹配中使用的一系列協變量。本文最終的研究樣本為15910 個，其中實驗組樣本為2982 個，控制組樣本為12928個。在研究目標價格補貼政策改革對農戶大豆全要素生產率影響時，模型如式（5）：

其中，TFP為農戶大豆全要素生產率水平，在實際回歸時將其取對數處理。i為地區，t為年份，v為村莊。DID為大豆目標價格補貼改革的政策變量，由政策實施的區域虛擬變量（treated）和政策實施的時間虛擬變量（time）交互形成。若農戶所在地區處于補貼政策改革試點地區，則將treated賦值為1，反之為0。同時在政策改革（2017 年）后，將time賦值為1，反之為0。X為控制變量，μi、θt和δv分別為個體固定效應、年份固定效應和村莊固定效應，εit為殘差項，α和β為相關待估參數。

2.變量的設定和描述性統計

本文設定以下4類變量：被解釋變量、核心解釋變量、控制變量、影響機制變量（見表2）。

（1）被解釋變量。本文選擇全要素生產率水平作為被解釋變量。大豆全要素生產率由前文計算所得。通過表2可以看出實驗組的全要素生產率水平均值要明顯高于控制組。

（2）核心解釋變量。大豆目標價格補貼改革政策變量是本文的核心解釋變量。該變量為虛擬變量，由目標價格補貼改革實施的時間虛擬變量和地區虛擬變量交乘，其估計參數的大小表征大豆目標價格補貼改革對農戶大豆生產率的影響。

（3）控制變量。本文對影響大豆生產率的其他因素進行控制。具體包括：①戶主的性別；②戶主的年齡；③戶主的文化水平，戶主的受教育程度越高，對于新技術的接納程度也越強；④戶主的健康程度；⑤農業培訓；⑥耕地面積；⑦地塊數，地塊數可以代表家庭的耕地細碎化程度；⑧家庭農業勞動力；⑨家庭總收入，采用農戶家庭一年中的總收入來表示，包括農業收入和非農收入；⑩家庭是否為黨員戶；?家庭是否接入互聯網。

（4）影響機制變量。①土地配置效率?，F實中，農戶常通過土地流轉和種植結構調整來優化土地配置效率。因此，采用土地流轉和農戶種植結構來衡量土地配置效率。農戶土地流轉用農戶當年是否轉入土地來表示。種植結構采用大豆播種面積占糧食播種面積的比例表示。②生產性投資。農戶對大豆生產的投資包括短期投資和長期投資。短期投資是指大豆生產中農藥、化肥、農膜等直接費用的投入，采用農戶當年大豆生產中產生的直接費用來衡量；長期投資是指農戶為改善大豆生產條件和提升地力等所做出的投資，采用農戶當年的固定資產投資來衡量。③種植面積。采用農戶當年的大豆播種面積來衡量種植面積，同時將所有價格變量進行了平減。

四、實證結果分析與討論

1.PSM匹配結果

考察大豆目標價格補貼政策改革對農戶大豆生產率的影響，理想的做法是比較同一個農戶在受到政策干預和不受到政策干預時大豆生產率的差異。然而，在現實中，無法同時觀測到兩種結果。因此，本文通過PSM 來構建“反事實”樣本，采用核匹配來進行數據甄選，結果如表3 所示。Logit 回歸表明，除戶主性別、年齡和家庭總收入外，其余變量均會影響農戶進入實驗組，這表明匹配變量的選取是有效的。同時，大部分變量在匹配前的P值小于0.1，匹配后的P值大于0.1，這表明本文的匹配結果滿足PSM的平衡性假定。

表3 傾向得分估計和平衡性檢驗結果

2.DID回歸結果

本部分主要分析了目標價格補貼改革對農戶大豆全要素生產率水平的平均效應，回歸結果見表4。模型1 沒有添加控制變量，模型2 為控制戶主特征和家庭資源稟賦后的回歸結果。模型2 的結果表明，在加入控制變量、并控制時間固定效應、個體固定效應和村級固定效應后，目標價格補貼政策改革對農戶大豆全要素生產率水平的影響在1%的置信水平上顯著，這表明補貼政策改革顯著提高了大豆的全要素生產率水平，從而驗證了假說H1。一方面，大豆目標價格補貼調整為生產者補貼后，補貼的額度提高、發放時間提前、發放效率提升，這些都能對豆農起到激勵作用，影響農戶的生產決策，從而提高大豆全要素生產率水平[11]。另一方面，大豆補貼政策改革后，地方政府能夠通過大豆生產者補貼和玉米生產者補貼的聯動來調整種植結構，也取得了顯著的成效。

表4 DID回歸結果N=15910

3.政策的動態效應

為考察目標價格補貼政策改革對農戶大豆全要素生產率水平的影響是否存在滯后效應，以及政策改革效果是否隨時間變化，本文引入了3個虛擬變量來進行回歸。表5中Year1、Year2和Year3分別代表補貼政策改革實施第一年（2017年）、政策實施后第二年（2018 年）和政策實施后第三年（2019 年）的時間虛擬變量。參考孫曉華等的研究，本文將政策變量和上述每一個時間虛擬變量相乘，得到交互項，最后采用固定效應模型進行參數估計[28]。

表5 大豆目標價格補貼政策改革的動態效應估計結果N=15910

表5 的回歸結果表明：第一，Policy×Year1、Policy×Year2和Policy×Year3的估計參數分別為0.109、0.176 和0.335，均在1%的統計水平上顯著，這表明補貼政策改革對大豆全要素生產率水平的提升是瞬時的，不存在滯后性。第二，Policy×Year1、Policy×Year2和Policy×Year3的估計參數都隨著年份的增加而增長，這表明補貼政策改革對農戶大豆全要素生產率水平的提升是遞增的。一個重要的原因可能是，相比于目標價格補貼，生產者補貼的實施成本更低。政府可以通過生產者補貼的差額來引導農戶進行種植結構的優化調整，這導致政策效果遞增。

4.異質性分析

為探究目標價格補貼政策改革在不同群體間是否存在效果的異質性，從而更好地優化政策。本文從規模異質性、大豆種植比例、農戶兼業程度、農戶全要素生產率水平高低4個維度進行異質性分析。

（1）規模異質性分析。參考許慶等的研究[29]，以30畝為界限將樣本劃分為小農戶和規模戶，并采用分組回歸進行規模異質性分析，結果見表6。模型1 和模型2 分別代表小農戶和規模戶樣本的回歸結果，其估計參數分別為0.177 和0.574，分別在5%和1%的統計水平上顯著，這表明補貼政策改革對小農戶和規模戶大豆全要素生產率都具有促進作用。通過對比參數的大小，發現政策改革對規模戶全要素生產率的提升遠大于小農戶。一個可能的解釋是，在大豆生產中，規模戶往往會面臨信貸不足，造成嚴重的資金約束，農戶不能選擇生產率較高的生產方式，從而面臨生產率損失[14]。相比于目標價格補貼，生產者補貼的發放更為簡單且及時，這可以極大緩解農戶的資金約束，從而提高其全要素生產率水平。

表6 規模異質性回歸結果

（2）大豆種植比例異質性。大豆種植比例不同的農戶，在面對補貼政策改革時可能會選擇不同的調整策略，這會導致政策效果的異質性。本文計算了大豆播種面積占糧食播種面積的比例，并根據比值大小來劃分純大豆種植農戶（比值等于1）和混作農戶（比值小于1），最后進行分組回歸?；貧w結果如表7所示。

表7 大豆種植比例異質性回歸結果

模型1代表純大豆種植農戶，模型2代表混作農戶。模型1結果表明，在純大豆種植農戶樣本中，估計參數為-0.096，且在10%的統計水平上不顯著，這表明補貼政策改革對純大豆種植農戶的大豆全要素生產率在統計上沒有影響。模型2 的結果表明，在混作農戶樣本中，估計參數在1%的統計水平上顯著。補貼政策改革會顯著提高混作農戶的大豆全要素生產率。對比兩個樣本農戶的估計系數發現，單純依靠政策改革對于純大豆種植戶來說作用甚微。改革后的大豆生產者補貼需要與玉米生產者補貼協調發放，優化糧食的種植結構，才能提升大豆全要素生產率水平。

（3）農戶兼業異質性。農戶的兼業程度會影響農戶的生產決策，不同兼業程度的大豆種植戶在面對補貼政策改革時會采取不同的應對舉措，這是導致政策效果出現異質性的一個重要原因。本文采用家庭農業勞動力占家庭總勞動力的比例來衡量兼業程度，并根據比值的大小來劃分低兼業戶（比值大于等于0.5）和高兼業戶（比值小于0.5），結果見表8。模型1和模型2分別代表低兼業戶和高兼業戶的回歸結果。

表8 農戶兼業異質性回歸結果

模型1和模型2的估計系數為0.423和0.158，分別在10%和1%的統計水平上顯著，這表明補貼政策改革既能提高低兼業戶的大豆全要素生產率水平，也能提升高兼業戶的大豆全要素生產率水平。本文進一步對比了估計參數的大小，發現對兼業程度較低的農戶而言政策效果更為明顯。對兼業程度高的農戶而言，其家庭收入主要來源于外出務工，大豆種植的規模相對較低，因此，補貼政策改革對其影響較小。對于兼業程度低的農戶而言，大豆種植收入是其主要來源，補貼政策的變化會顯著影響其大豆種植決策。

（4）大豆全要素生產率水平異質性?？紤]到對于不同大豆全要素生產率水平的農戶，補貼政策改革的效果可能存在差異。本文借助面板無條件分位數回歸對不同分位點的政策效果進行評估。相比條件分位數回歸，無條件分位數回歸不依賴于控制變量的增減而發生變化，被廣泛運用于處理效應的異質性分析。結果見表9，模型1-模型5分別代表10、25、50、75和90分位點的回歸結果。

表9 大豆全要素生產率水平的異質性回歸結果N=15910

表10 穩健性檢驗的回歸結果

在10 分位點和25 分位點，估計系數在10%的統計水平上不顯著。在50 分位點、75 分位點和90分位點估計系數均在1%的統計水平上顯著。隨著分位點增加，估計系數越大，表明補貼政策改革對農戶大豆全要素生產率水平越高的農戶作用越大，這與高鳴等[14]的研究結果類似?？赡艿脑蛟谟?，對于大豆全要素生產率水平低的農戶而言，其大豆種植面積和獲得的補貼都較少，不管補貼政策如何改革，對其生產決策影響均有限，也不會影響大豆全要素生產率水平。

5.穩健性檢驗

本文采用替換實證方法、更換樣本和排除干擾政策進行穩健性檢驗，結果見表10。首先，模型1和模型2 分別是采用近鄰匹配方法和卡尺匹配方法后的回歸結果。其回歸參數分別為0.188 和0.126，在1%的統計水平上顯著，這表明補貼政策改革對農戶大豆全要素生產率水平影響的結論是穩健的。其次，模型3 是將樣本替換為大豆主產區的回歸結果，模型4 是將樣本變更為2014-2019年的回歸結果。其回歸參數分別為0.203和0.156，在1%的統計水平上顯著，這進一步驗證了研究結果的穩健性。最后，模型5 排除了主要干擾政策（玉米收儲制度改革）對農戶大豆全要素生產率水平的干擾。在實際中，東北三省地區大豆和玉米種植具有明顯替代性。因此，玉米收儲制度改革會顯著影響農戶的生產決策從而對大豆全要素生產率水平產生影響。為緩解玉米收儲制度改革對農戶大豆全要素生產率水平的影響，本文參考Cai等的研究成果，設置玉米收儲制度改革虛擬變量的方式來表征政策實施[30]。DID 變量回歸結果為0.154，在1%的統計水平上顯著，表明在排除玉米收儲制度改革的干擾后本文的回歸結果仍然穩健。綜上，穩健性檢驗結果表明補貼政策改革能夠顯著提高農戶大豆全要素生產率水平。

6.安慰劑檢驗

安慰劑檢驗是進行政策效應評估時常用的方法。其原理是通過虛擬生成政策實驗組，來估計政策效應。若虛擬的政策結果在統計上顯著為0，則表明政策效果不是由安慰劑導致。若虛擬的政策結果在統計上不顯著為0，則表明本文研究的政策效果可能是由安慰劑導致的。本文參考Chetty 等的研究，在研究樣本中隨機抽取3 個省份農戶作為實驗組，其余省份的農戶作為對照組進行回歸，并將此過程進行100次隨機抽樣[31]。結果見圖3。圖3 中的結果表明虛擬政策結果變量的估計系數分布在0 附近，這表明虛擬生成的大豆目標價格補貼政策改革效果大多分布在0兩側，結果在統計上顯著為0。這表明補貼政策改革的效果不是由安慰劑效應導致的，補貼政策改革能夠顯著提高農戶大豆全要素生產率水平。

圖3 安慰劑檢驗估計系數結果

五、影響機理分析

根據前文的理論分析框架，本文從土地配置效率、農戶生產性投資積極性、土地經營規模3 個維度來探究目標價格補貼改革對農戶大豆全要素生產率水平的影響機理。

1.補貼政策改革對農戶土地配置效率的影響

表11 中模型1 和模型2 分別代表補貼政策改革對農戶土地流轉和農戶大豆種植結構的影響。首先，模型1中的估計參數為1.151，在1%的統計水平上顯著，這表明補貼政策改革能夠增加農戶轉入土地的概率。補貼改革后，豆農會獲得更多的生產者補貼，使其土地轉入的概率顯著提升。其次，模型2 的估計系數為0.004，在10%的統計水平上不顯著，這與王新剛等[3]的結論基本一致。雖然本文現有的估計結果在統計上不能說明補貼政策改革對大豆種植結構調整有顯著影響，但是其估計系數為正也能部分說明政策在逐步發揮效果。綜上，假說H2得以驗證。

表11 大豆目標價格補貼政策改革對農戶土地配置效率的影響N=15910

2.補貼政策改革對農戶生產性投資積極性的影響

補貼政策改革對豆農生產性投資積極性的影響考察分兩步。首先考察補貼政策改革對農戶總生產性投資的影響；其次進一步考察補貼政策改革對農戶短期投資和長期投資的影響，回歸結果如表12所示。模型1-模型3分別代表補貼政策改革對農戶總投資、長期投資和短期投資的影響。

模型1中核心解釋變量的估計參數為0.331，且在1%的統計水平上顯著，這表明補貼政策改革能夠顯著提高農戶大豆生產性投資積極性。模型2 和模型3 中的估計參數分別為0.471 和0.476，都在1%的統計水平上顯著，表明補貼政策改革能夠提高農戶短期投資和長期投資積極性。我國大豆種植分散，規模小，農戶多，若統計當期面積，政策成本太大，會造成資金發放不及時。生產者補貼以基期面積為補貼標準，能夠及時發放到農戶手中，促進農戶的生產性投資。此外，補貼的穩定性也是影響農戶投資的一個重要因素。目標價格的不穩定導致農戶在投資決策時十分謹慎。改革后，大豆生產者補貼的實施比較穩定，這會顯著增加農戶種植大豆的生產性投資。綜上，假說H3得以驗證。

3.補貼政策改革對大豆種植規模的影響

經營規模是影響農業生產率的重要因素，發展中國家的農業生產率較低的一個重要制約因素是農業規模[17]。為驗證補貼政策改革能否提高農戶的大豆種植規模，形成規模效應從而提高農戶的大豆生產率，本文考察了補貼改革對農戶大豆種植面積的影響，結果見表12模型4。其估計參數在1%的統計水平顯著，這表明目標價格補貼政策改革能夠顯著增加農戶的大豆種植面積，從而驗證了假說H4。隨著規模不斷擴大，農戶可以采用更先進的技術進行生產，從而提高大豆全要素生產率水平。

六、研究結論與政策建議

取消大豆目標價格，實施大豆生產者補貼政策是中國農業補貼改革的重要探索之一。本文運用全國農村固定觀察點的微觀大樣本面板數據，將大豆目標價格補貼政策改革作為一項“準自然實驗”，研究其對農戶大豆全要素生產率水平的影響，并探討異質性和作用機理，主要研究結論如下：

（1）補貼政策改革能夠顯著提高大豆的全要素生產率水平，在排除其他政策的干擾后結果仍然穩健。（2）補貼政策改革對大豆全要素生產率水平的影響效果存在明顯的時間異質性。從估計參數的動態變化來看，補貼政策改革后，大豆全要素生產率水平提升效果呈現出逐年遞增趨勢，這表明補貼政策改革效果在逐步深化。（3）補貼政策改革對農戶大豆全要素生產率水平的影響存在規模異質性、大豆種植比例異質性、農戶兼業程度異質性。對大豆種植規模較大農戶、大豆和其他糧食作物混作農戶、兼業程度較低農戶而言，補貼政策改革的效果更明顯。（4）無條件分位數結果表明補貼政策改革對農戶大豆全要素生產率水平的影響存在邊際遞增效應，對于大豆全要素生產率水平較高的農戶而言，政策效果更為明顯。同時，補貼政策改革可能會擴大農戶全要素生產率水平的差距。（5）補貼政策改革不僅能夠通過提高農戶生產性投資積極性來提高大豆全要素生產率，還能通過改善土地資源配置和促進大豆適度規模經營來提高大豆全要素生產率水平。

基于上述結論，本文提出以下政策建議：

首先，要堅持以大豆生產者補貼為改革方向，發揮市場在資源配置中的決定性作用。同時，在制定政策的過程中要考慮到政策的聯動性，妥善處理大豆生產者補貼和玉米生產者補貼的比價，通過差額化補貼逐步調整種植結構，從而進一步挖掘政策效果，提高大豆全要素生產率水平，促進大豆產業高質量發展。

其次，要進一步推動大豆生產的規?；?，以此擴大補貼政策改革對農戶大豆全要素生產率水平的提升效果。一方面，要推進以高標準農田建設為主的土地整治項目，通過土地整治來減少土地的細碎化水平，為大豆規?；a奠定基礎。另一方面，要推動土地流轉來促進大豆規?；a。要逐步完善土地流轉市場，構建縣鎮村三級土地流轉平臺，加強土地流轉的監管，防止因補貼改革導致的土地流轉費用劇烈波動。同時，要鼓勵流轉方式創新，發展轉包、互換、入股等多元化土地流轉方式。

最后，要提高政策的瞄準性，實行異質性補貼政策，提高補貼效率。逐步改變以往補貼“大水漫灌”的發放模式，對不同群體實施不同的補貼標準。對于兼業專業化程度低的農戶而言，要進一步挖掘補貼沒有效果的原因，制定差異化的補貼政策。對于大豆全要素生產率水平較低的農戶而言，要通過綜合舉措，比如提高農業基礎設施、改善農業地力等方式來提高其全要素生產率水平，從而逐步放大政策效果。同時，要注意避免因補貼政策改革而擴大農戶之間的全要素生產率水平差距。