財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率影響實(shí)證分析案例目錄TOC\o"1-3"\h\u10687財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率影響實(shí)證分析案例 1274491.1動(dòng)態(tài)面板模型 1122771.2變量說明和描述性分析 21201.2.1變量選取 2174701.2.2數(shù)據(jù)來源和描述性統(tǒng)計(jì) 3257731.3廣義矩估計(jì)和多重共線性檢驗(yàn) 4238181.3.1廣義矩估計(jì) 4205201.3.2相關(guān)性分析與多重共線性檢驗(yàn) 5262671.4財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率影響的宏觀分析 616741.1.1財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響 694261.1.2財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率構(gòu)成的影響 761271.1.3穩(wěn)定性檢驗(yàn) 9154061.5不同區(qū)域財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率影響對(duì)比分析 11246691.5.1財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)影響的地區(qū)異質(zhì)性分析 11255961.5.2財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率構(gòu)成影響的地區(qū)異質(zhì)性分析 12245241.5.3穩(wěn)定性檢驗(yàn) 1548081.6小結(jié) 16本章在前文理論分析和農(nóng)業(yè)全要素生產(chǎn)率測(cè)算的基礎(chǔ)上，采用相關(guān)面板數(shù)據(jù)，實(shí)證檢驗(yàn)了財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)及其構(gòu)成部分的影響，并進(jìn)一步探究了財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)及其構(gòu)成部分影響的區(qū)域異質(zhì)性，以期能夠全面分析我國財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響，為我國各地區(qū)制定有效的財(cái)政支農(nóng)政策，進(jìn)而推動(dòng)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)，實(shí)現(xiàn)高質(zhì)量發(fā)展提供理論參考。1.1動(dòng)態(tài)面板模型根據(jù)第三章的分析可知，上一期的農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)與當(dāng)期農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)之間具有顯著的相關(guān)性，說明農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)是一個(gè)長(zhǎng)期累積的過程，由于靜態(tài)面板模型無法體現(xiàn)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的動(dòng)態(tài)變化，所以，本文采用動(dòng)態(tài)面板模型來研究財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響。動(dòng)態(tài)面板模型相比靜態(tài)面板模型，模型右邊加入了被解釋變量的滯后項(xiàng)，進(jìn)而可以考慮前期對(duì)后期的影響作用。動(dòng)態(tài)面板模型的一般形式為[68]：4-（1）其中，和分別表示省份和年份，表示被解釋變量，表示滯后一階被解釋變量，為被解釋變量滯后一階的待估系數(shù)，表示核心解釋變量，為核心解釋變量的待估系數(shù)，表示控制變量，為控制變量的待估系數(shù)，表示個(gè)體效應(yīng)，為隨機(jī)誤差項(xiàng)且服從正態(tài)分布。1.2變量說明和描述性分析1.2.1變量選?。?）被解釋變量：農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)率（TFPC）、技術(shù)效率變化（TEC）、規(guī)模效率變化（SC）。在前文第三章，運(yùn)用隨機(jī)前沿方法對(duì)農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行了測(cè)算，并將其分解為技術(shù)進(jìn)步、技術(shù)效率變化和規(guī)模效率變化三部分。根據(jù)似然比檢驗(yàn)結(jié)果可知技術(shù)變化是中性的，技術(shù)進(jìn)步在地區(qū)上并不存在差異，但技術(shù)效率變化和規(guī)模效率變化在時(shí)間和區(qū)域上都有明顯的差異性，所以，在分析財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響路徑時(shí)，從技術(shù)效率和規(guī)模效率兩個(gè)渠道進(jìn)行研究。因此，本文選取農(nóng)業(yè)TFPC、TEC和SC作為被解釋變量。（2）核心解釋變量：財(cái)政支農(nóng)（ZNL），借鑒朱萬里和胡瑜杰的做法，用財(cái)政支農(nóng)支出占財(cái)政總支出的比重來表示財(cái)政支農(nóng)[51]。一方面，國家財(cái)政用于農(nóng)業(yè)的支出有利于改善農(nóng)業(yè)的基礎(chǔ)設(shè)施和生產(chǎn)條件，也有利于農(nóng)業(yè)科技研發(fā)與新技術(shù)推廣，預(yù)期對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)及其分解部分的影響為正；另一方面，由于目前我國財(cái)政支農(nóng)資金存在總量不足、結(jié)構(gòu)不合理、效率低下等問題，可能會(huì)抑制農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)。鑒于財(cái)政支農(nóng)支出在不同年份發(fā)生了較大變化，借鑒唐建等的做法，1998-2002年財(cái)政支農(nóng)支出選用支援農(nóng)村生產(chǎn)支出和農(nóng)業(yè)綜合開發(fā)支出以及農(nóng)林水利氣象等部門事業(yè)費(fèi)之和，2003-2006年選取農(nóng)業(yè)支出和林業(yè)支出以及農(nóng)林水利氣象等部門事業(yè)費(fèi)之和，2007-2018年選用農(nóng)林水事務(wù)支出[48]。（3）控制變量：①城鎮(zhèn)化水平（CZL），參考李文華[69]的指標(biāo)選取方法，用各地區(qū)城鎮(zhèn)人口數(shù)與總?cè)丝跀?shù)比值來表示，在推進(jìn)城鎮(zhèn)化過程中，部分農(nóng)村勞動(dòng)力向城鎮(zhèn)轉(zhuǎn)移，進(jìn)而改變農(nóng)業(yè)生產(chǎn)要素組合比例，必定會(huì)對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)產(chǎn)生一定的影響。②自然災(zāi)害水平（SZL），參考王亞飛等[70]的方法，用農(nóng)作物受災(zāi)面積與農(nóng)作物總播種面積的比值來表示，自然環(huán)境的惡化預(yù)期將會(huì)對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)產(chǎn)生負(fù)面影響，同時(shí)，為應(yīng)對(duì)自然災(zāi)害，可能會(huì)進(jìn)行災(zāi)后農(nóng)業(yè)技術(shù)推廣，進(jìn)而會(huì)改善農(nóng)業(yè)技術(shù)效率。③灌溉基礎(chǔ)設(shè)施（GGL），參考鄧曉蘭等[71]的方法，用有效灌溉面積與農(nóng)作物總播種面積的比值進(jìn)行衡量，農(nóng)村灌溉基礎(chǔ)設(shè)施條件的改善，有利于降低農(nóng)業(yè)資本生產(chǎn)成本，提高農(nóng)業(yè)生產(chǎn)要素利用效率。④工業(yè)化程度（GYH），參考周鵬飛等[30]的方法，用第二產(chǎn)業(yè)產(chǎn)值占地區(qū)總產(chǎn)值的比重進(jìn)行衡量，一方面，工業(yè)化程度的提高，有助于現(xiàn)代工業(yè)理念向農(nóng)業(yè)的擴(kuò)散，推動(dòng)農(nóng)業(yè)向集約化發(fā)展轉(zhuǎn)變，這可能對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)產(chǎn)生積極影響；另一方面，提高工業(yè)化水平可能會(huì)占用農(nóng)業(yè)的部分資源，從而不利于農(nóng)業(yè)的發(fā)展。表1.1變量符號(hào)及測(cè)度方式變量類別變量符號(hào)測(cè)度方式被解釋變量農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)率TFPC第三章中隨機(jī)前沿超越對(duì)數(shù)生產(chǎn)函數(shù)法計(jì)算的全要素生產(chǎn)率變化及其分解部分結(jié)果農(nóng)業(yè)技術(shù)效率變化TEC農(nóng)業(yè)規(guī)模效率變化SC核心解釋變量財(cái)政支農(nóng)ZNL財(cái)政支農(nóng)支出/財(cái)政總支出控制變量城鎮(zhèn)化水平CZL城鎮(zhèn)人口數(shù)/總?cè)丝跀?shù)自然災(zāi)害水平SZL農(nóng)作物受災(zāi)面積/農(nóng)作物總播種面積灌溉基礎(chǔ)設(shè)施GGL有效灌溉面積/農(nóng)作物總播種面積工業(yè)化程度GYH第二產(chǎn)業(yè)產(chǎn)值/地區(qū)總產(chǎn)值1.2.2數(shù)據(jù)來源和描述性統(tǒng)計(jì)考慮到數(shù)據(jù)的可獲得性和連續(xù)性，樣本范圍為全國31個(gè)省市自治區(qū)1998-2018年的面板數(shù)據(jù)，所有政府核算數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》、《中國農(nóng)村統(tǒng)計(jì)年鑒》、《中國人口統(tǒng)計(jì)年鑒》及各省的統(tǒng)計(jì)年鑒，個(gè)別缺失數(shù)據(jù)采用插值法進(jìn)行補(bǔ)缺處理。相關(guān)變量的描述性統(tǒng)計(jì)如表1.2所示。表1.2相關(guān)變量描述性統(tǒng)計(jì)變量樣本數(shù)均值標(biāo)準(zhǔn)差最小值最大值TFPC6510.16481.6167-15.853422.5588TEC6510.01730.01230.00030.0538SC6510.13111.6163-15.890622.4944ZNL6510.09360.03430.02130.1897CZL6510.47730.16690.15200.8960SZL6510.24690.16120.00260.9359GGL6510.41160.17870.13911.0568GYH6510.45260.08280.18600.61501.3廣義矩估計(jì)和多重共線性檢驗(yàn)1.3.1廣義矩估計(jì)在動(dòng)態(tài)面板模型中，由于存在被解釋變量的滯后項(xiàng)，所以會(huì)造成內(nèi)生性問題，此時(shí)，估計(jì)靜態(tài)面板模型參數(shù)有效的方法，都無法得到模型參數(shù)的一致估計(jì)量。廣義矩估計(jì)（GMM）是基于模型中的參數(shù)滿足一些矩條件進(jìn)行參數(shù)估計(jì)的方法，其優(yōu)點(diǎn)可以利用工具變量消除模型中的內(nèi)生性。常用的廣義矩估計(jì)方法為差分GMM和系統(tǒng)GMM。將模型4-（1）進(jìn)行一階差分變換，消除個(gè)體效應(yīng)，可以得到：4-（2）在上式中，由于與相關(guān)，與無關(guān)，所以是一個(gè)合適的工具變量，同理都可以是的工具變量，矩條件為：4-（3）其中，，為其自身的工具變量，定義工具變量矩陣。為了更好地利用工具變量的信息，Arellano和Bond提出將所有可能的滯后變量考慮進(jìn)來，在此基礎(chǔ)上進(jìn)行參數(shù)估計(jì)，稱為差分GMM。此后，Blundell和Bond進(jìn)一步完善，將差分GMM和水平GMM相結(jié)合，構(gòu)建聯(lián)立方程組進(jìn)行估計(jì)，稱為系統(tǒng)GMM。聯(lián)立方程包括差分方程和水平方程，其形式為：4-（4）其中，，，其余符號(hào)定義與上節(jié)相同。矩條件為：4-（5）其中，工具變量矩陣，，，。由于系統(tǒng)GMM將差分GMM和水平GMM估計(jì)的工具變量進(jìn)行有效整合，產(chǎn)生了更多的矩條件，樣本信息利用更加充分，所以，系統(tǒng)GMM的估計(jì)量更加有效[76]。因此，為了解決模型中的內(nèi)生性問題，本文采用系統(tǒng)GMM對(duì)動(dòng)態(tài)面板模型進(jìn)行估計(jì)。需要注意的是，使用系統(tǒng)GMM進(jìn)行估計(jì)系數(shù)時(shí)，需要滿足個(gè)體效應(yīng)和差分變量不相關(guān)以及誤差項(xiàng)不存在二階自相關(guān)兩個(gè)前提條件[72]。因此，為了模型估計(jì)結(jié)果的可靠性，需要進(jìn)行誤差項(xiàng)的自相關(guān)檢驗(yàn)和工具變量過度識(shí)別檢驗(yàn)。如果二階自相關(guān)檢驗(yàn)統(tǒng)計(jì)量的p值小于0.05，說明在5%的顯著性水平上拒絕誤差項(xiàng)無自相關(guān)的原假設(shè)，此時(shí)不滿足前提條件。另外，可以采用Sargan檢驗(yàn)判斷工具變量的有效性，檢驗(yàn)使用的工具變量是否存在過度識(shí)別問題，原假設(shè)為所有工具變量均有效，如果檢驗(yàn)統(tǒng)計(jì)量p值小于0.05，說明在5%的顯著性水平上拒絕誤差項(xiàng)無自相關(guān)的原假設(shè)，此時(shí)不滿足前提條件。1.3.2相關(guān)性分析與多重共線性檢驗(yàn)本節(jié)對(duì)各變量進(jìn)行相關(guān)性分析，各變量的Pearson相關(guān)系數(shù)和Spearman相關(guān)系數(shù)見表1.3和表1.4。從表中可以看出，各變量相關(guān)系數(shù)的絕對(duì)值較低，均低于0.5。表1.3各變量的Pearson相關(guān)系數(shù)表變量ZNLCZLSZLGGLGYHZNL1CZL-0.17541SZL-0.0630-0.29451GGL-0.09770.3101-0.23151GYH-0.0591-0.02200.0814-0.15141表1.4各變量的Spearman相關(guān)系數(shù)表變量ZNLCZLSZLGGLGYHZNL1CZL-0.06871SZL-0.0702-0.33941GGL-0.17010.3714-0.24071GYH-0.04760.11440.09760.06641經(jīng)回歸共線性診斷計(jì)算得出自變量矩陣的條件指數(shù)為11.44，小于30，表明回歸模型所涉及的自變量之間不存在多重共線性問題。1.4財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率影響的宏觀分析1.1.1財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響本節(jié)的關(guān)鍵是檢驗(yàn)財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響作用，根據(jù)前文分析可知，上一期的農(nóng)業(yè)全要素生產(chǎn)率變化與當(dāng)期農(nóng)業(yè)全要素生產(chǎn)率之間存在顯著的相關(guān)性，基于此，在李曉嘉關(guān)于財(cái)政支農(nóng)支出的實(shí)證研究基礎(chǔ)上設(shè)定如下模型[73]：4-（2）其中，表示省份，表示時(shí)間，表示農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)率，表示農(nóng)業(yè)全要素生產(chǎn)率的一階滯后項(xiàng)，表示核心解釋變量財(cái)政支農(nóng)，、、和均為控制變量，分別表示城鎮(zhèn)化水平、自然災(zāi)害水平、灌溉基礎(chǔ)設(shè)施和工業(yè)化程度，、、、、和為對(duì)應(yīng)變量的待估計(jì)系數(shù)，為個(gè)體效應(yīng)，為隨機(jī)誤差項(xiàng)。為了模型估計(jì)結(jié)果的有效性，采用系統(tǒng)GMM方法進(jìn)行估計(jì)，估計(jì)結(jié)果如表1.5所示。從表1.5可以看出，所有模型的AR(2)和Sargan檢驗(yàn)統(tǒng)計(jì)量所對(duì)應(yīng)的p值均大于0.05，通過了誤差項(xiàng)不存在二階自相關(guān)和工具變量不存在過度識(shí)別的檢驗(yàn)，表明采用動(dòng)態(tài)面板模型是合理的，使用系統(tǒng)GMM方法進(jìn)行估計(jì)是有效的。模型1至模型5的農(nóng)業(yè)全要素生產(chǎn)率滯后一階項(xiàng)前的系數(shù)均顯著，所以模型選擇滯后項(xiàng)為一階是合理的，系數(shù)顯著為負(fù)，這一結(jié)果說明農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)是一個(gè)長(zhǎng)期累積的過程，但過程存在一定的波動(dòng)性，驗(yàn)證了前文第三章分析中農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)具有波動(dòng)性這一特征。表1.5財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響回歸結(jié)果變量被解釋變量：TFPC模型1模型2模型3模型4模型5TFPCi,t-1-0.0169***(-12.924)-0.0008***(-2.8512)-0.0015***(-1.1915)-0.0096***(-28.0605)-0.0108***(-21.6871)ZNL2.1919***(19.196)3.6563***(55.0659)3.7131***(28.073)3.1310***(18.2677)3.8907***(17.3750)CZL-0.3225***(-15.692)-0.2984***(-10.9704)-0.6921***(-13.2963)-0.5444***(-0.0607)SZL-0.1163***(-3.7798)-0.1944***(-5.9252)-0.0495(-1.3981)GGL0.6839***(9.9011)0.6780***(8.7375)GYH-0.3920***(-1.9831)AR(2)test0.50660.66330.72310.78930.8262Sargantest0.81320.96580.95790.98140.9979Waldtest<2.22*10-16<2.22*10-16<2.22*10-16<2.22*10-16<2.22*10-16注：***表示1%，**表示5%，*表示10%，.表示15%，圓括號(hào)內(nèi)為z值，AR(2)test和Sargantest的值為統(tǒng)計(jì)量所對(duì)應(yīng)的p值，軟件R。從表1.5的回歸結(jié)果可以看出，模型1中財(cái)政支農(nóng)前面的系數(shù)為2.1919，并且在1%的水平下通過了顯著性檢驗(yàn)，說明加大財(cái)政支農(nóng)力度有利于提高農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)速度。從模型2至模型5的估計(jì)結(jié)果可以看出，逐步加入控制變量后，財(cái)政支農(nóng)的系數(shù)仍為正數(shù)，并且均通過了1%的顯著性檢驗(yàn)，說明在加入控制變量和不加入控制變量的情況下，核心解釋變量的影響方向并沒有發(fā)生改變，財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)都表現(xiàn)為顯著的促進(jìn)作用，即提高財(cái)政支農(nóng)支出占財(cái)政總支出的比重，不僅能提高農(nóng)業(yè)全要素生產(chǎn)率，還能提高農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)幅度，也就是說，提高財(cái)政支農(nóng)力度是促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率加速增長(zhǎng)的一條可行途徑。從控制變量來看，在模型2至模型5中，城鎮(zhèn)化水平前面的系數(shù)均為負(fù)數(shù)，并且均在1%的水平下通過了顯著性檢驗(yàn)，表明城鎮(zhèn)化水平的提高不利于農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)。自然災(zāi)害水平在模型3和模型4中前的系數(shù)均為負(fù)數(shù)，且均通過了1%的顯著性檢驗(yàn)，在模型5中的系數(shù)為負(fù)但結(jié)果不顯著，可能的原因是自然災(zāi)害水平可以通過多條途徑來影響農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)，導(dǎo)致了結(jié)果不顯著。灌溉基礎(chǔ)設(shè)施前面的系數(shù)在模型4和模型5中均為正數(shù)，并且都在1%的顯著性水平下顯著，說明改善灌溉基礎(chǔ)設(shè)施條件對(duì)提高農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)速度具有顯著促進(jìn)作用。工業(yè)化程度前的系數(shù)顯著為負(fù)，說明工業(yè)化進(jìn)程加快不利于農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)。1.1.2財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率構(gòu)成的影響根據(jù)上節(jié)實(shí)證結(jié)果可知，財(cái)政支農(nóng)從總體上促進(jìn)了農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)，那么財(cái)政支農(nóng)到底通過農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的哪一部分在發(fā)揮作用促進(jìn)了農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)呢？為了更加深入了解財(cái)政支農(nóng)的作用機(jī)制，進(jìn)一步探索財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響路徑，建立以下模型：4-（3）4-（4）其中，表示省份，表示時(shí)間，和分別表示農(nóng)業(yè)技術(shù)效率變化和規(guī)模效率變化，和分別表示農(nóng)業(yè)技術(shù)效率變化的一階滯后項(xiàng)和規(guī)模效率變化的一階滯后項(xiàng)，表示核心解釋變量財(cái)政支農(nóng)，、、、均為控制變量，符號(hào)含義與前文定義相同，為個(gè)體效應(yīng)，為隨機(jī)誤差項(xiàng)，、、、、、、、、、、和為對(duì)應(yīng)變量的待估計(jì)系數(shù)。對(duì)于模型中可能產(chǎn)生的內(nèi)生性問題，使用系統(tǒng)GMM進(jìn)行估計(jì)，模型回歸結(jié)果見表1.6。從中可以看出，模型中被解釋變量的滯后一階均顯著，同時(shí)表明均通過了誤差項(xiàng)不存在二階自相關(guān)和工具變量不存在過度識(shí)別的檢驗(yàn)，說明模型設(shè)計(jì)是合理的，使用系統(tǒng)GMM進(jìn)行估計(jì)是有效的。表1.6財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率和規(guī)模效率變化的影響回歸結(jié)果變量模型6模型7TECSCTECi,t-10.9887***(7.1797)SCi,t-1-0.0112***(-20.3916)ZNL0.0543***(7.0849)3.8421***(16.9713)CZL0.0112***(1.7139)-0.5733***(-9.9097)SZL0.0213***(7.4590)-0.0743**(-2.1867)GGL0.0277***(7.6960)0.6543***(8.1971)GYH-0.0206***(-1.7123)-0.3911***(-5.2834)AR(2)test0.07910.8396Sargantest0.97700.9976Waldtest<2.22*10-16<2.22*10-16注：***表示1%，**表示5%，*表示10%，.表示15%，圓括號(hào)內(nèi)為z值，AR(2)test和Sargantest的值為統(tǒng)計(jì)量所對(duì)應(yīng)的p值，軟件R。從核心解釋變量財(cái)政支農(nóng)前的系數(shù)來看，財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率變化和規(guī)模效率變化的影響系數(shù)均為正值，且均在1%的顯著性水平下顯著，這顯示財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率和規(guī)模效率變化都具有正向促進(jìn)作用，說明財(cái)政支農(nóng)不僅通過提高技術(shù)效率的途徑來促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)，還通過促進(jìn)規(guī)模效率增長(zhǎng)的途徑來推動(dòng)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)。從控制變量來看，城鎮(zhèn)化水平對(duì)農(nóng)業(yè)技術(shù)效率變化和規(guī)模效率變化的影響系數(shù)分別為正數(shù)和負(fù)數(shù)，且均在1%的顯著性水平下顯著，說明提高城鎮(zhèn)化水平對(duì)農(nóng)業(yè)技術(shù)效率增長(zhǎng)具有正向作用，但不利于農(nóng)業(yè)規(guī)模效率的增長(zhǎng)，可能的原因?yàn)?，一方面，提高城?zhèn)化水平，有利于農(nóng)業(yè)人口非農(nóng)化轉(zhuǎn)移，并促進(jìn)現(xiàn)代管理理念和先進(jìn)技術(shù)向農(nóng)業(yè)擴(kuò)散，進(jìn)而提高了農(nóng)業(yè)技術(shù)效率，另一方面，城鎮(zhèn)化進(jìn)程的加快可能會(huì)造成農(nóng)村土地的粗放使用，進(jìn)而抑制了規(guī)模效率的增長(zhǎng)。自然災(zāi)害水平對(duì)農(nóng)業(yè)技術(shù)效率變化和規(guī)模效率變化的影響系數(shù)分別為正和負(fù)，且均在1%的顯著性水平下顯著，說明農(nóng)業(yè)自然災(zāi)害會(huì)抑制農(nóng)業(yè)規(guī)模效率增長(zhǎng)，但可能通過災(zāi)后農(nóng)業(yè)技術(shù)推廣改善農(nóng)業(yè)技術(shù)效率。灌溉基礎(chǔ)設(shè)施對(duì)農(nóng)業(yè)技術(shù)效率變化和規(guī)模效率變化的影響系數(shù)均為正，且均在1%的顯著性水平下顯著，說明改善農(nóng)業(yè)生產(chǎn)條件對(duì)提高農(nóng)業(yè)技術(shù)效率和規(guī)模效率都具有正向促進(jìn)作用。工業(yè)化程度對(duì)農(nóng)業(yè)技術(shù)效率變化和規(guī)模效率變化的影響系數(shù)均為負(fù)，且均在1%的顯著性水平下顯著，說明工業(yè)化進(jìn)程加快不利于農(nóng)業(yè)技術(shù)效率和規(guī)模效率的增長(zhǎng)。1.1.3穩(wěn)定性檢驗(yàn)本文觀測(cè)期是1998-2018年，包含了全面取消農(nóng)業(yè)稅和次貸危機(jī)，為剔除重大外部沖擊對(duì)估計(jì)結(jié)果的影響，借鑒高琳和馬蘭的做法[74-75]，通過調(diào)整樣本觀測(cè)期對(duì)實(shí)證分析的結(jié)果進(jìn)行穩(wěn)定性檢驗(yàn)。將樣本分為1998-2009年、2010-2018年和1998-2006年三個(gè)時(shí)間段進(jìn)行系統(tǒng)GMM估計(jì)。模型的穩(wěn)定性檢驗(yàn)結(jié)果分別見表1.7和1.8。表1.7分時(shí)間段財(cái)政支農(nóng)對(duì)農(nóng)業(yè)TFPC影響結(jié)果的穩(wěn)定性檢驗(yàn)變量1998-20092010-20181998-2006TFPCTFPCTFPCTFPCi,t-1-0.2740***(-121.8)-0.0023(-0.6935)-0.1709***(-57.5)ZNL13.3779***(38.1626)2.9708***(5.9794)0.1960*(1.9550)AR(2)test0.19060.76740.2363Sargantest0.61360.20100.2272Waldtest<2.22*10-16<2.22*10-16<2.22*10-16注：***表示1%，**表示5%，*表示10%，.表示15%，圓括號(hào)內(nèi)為z值，AR(2)test和Sargantest的值為統(tǒng)計(jì)量所對(duì)應(yīng)的p值，鑒于重點(diǎn)關(guān)注核心解釋變量，本表不再列出相關(guān)控制變量的估計(jì)系數(shù)及其顯著性檢驗(yàn)，軟件R。表1.8分時(shí)間段財(cái)政支農(nóng)對(duì)農(nóng)業(yè)TEC和SC影響結(jié)果的穩(wěn)定性檢驗(yàn)變量1998-20092010-20181998-2006TECSCTECSCTECSCTECi,t-10.9887***(6.5761)0.9886***(19.44)0.9887***(3.5571)SCi,t-1-0.2768***(-118)-0.0046(-0.6274)-0.1849***(-69.1398)ZNL0.0782***(7.0401)13.1616***(56.5444)0.0587***(1.2678)2.7824***(5.6002)0.1451***(5.7926)0.4791**(2.0682)AR(2)test0.80620.17620.24850.66090.77280.1707Sargantest0.61870.21830.58960.30720.54830.2992Waldtest<2.22*10-16<2.22*10-16<2.22*10-16<2.22*10-16<2.22*10-16<2.22*10-16注：***表示1%，**表示5%，*表示10%，.表示15%，圓括號(hào)內(nèi)為z值，AR(2)test和Sargantest的值為統(tǒng)計(jì)量所對(duì)應(yīng)的p值，鑒于重點(diǎn)關(guān)注核心解釋變量，本表不再列出相關(guān)控制變量的估計(jì)系數(shù)及其顯著性檢驗(yàn)，軟件R。從表1.7和表1.8的估計(jì)結(jié)果可以看出，在不同樣本時(shí)段下，核心解釋變量財(cái)政支農(nóng)回歸系數(shù)的符號(hào)都沒有發(fā)生變化，并且大部分均通過了1%的顯著性檢驗(yàn)，說明財(cái)政支農(nóng)從總體上對(duì)農(nóng)業(yè)全要素生產(chǎn)率、農(nóng)業(yè)技術(shù)效率變化和規(guī)模效率變化的正向影響作用是穩(wěn)定的。1.5不同區(qū)域財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率影響對(duì)比分析1.5.1財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)影響的地區(qū)異質(zhì)性分析為了分析財(cái)政支農(nóng)支出影響農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的區(qū)域異質(zhì)性，借鑒李梅和柳士昌的做法，在模型中引入虛擬變量[76]，按照傳統(tǒng)的劃分方法，將全國分為東部、中部、西部三個(gè)地區(qū)，并按照虛擬變量的引入規(guī)則，引入東中西部三個(gè)虛擬變量，分別用、和表示，建立以下模型：4-（5）其中，表示省份，表示時(shí)間，表示農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)率，表示農(nóng)業(yè)全要素生產(chǎn)率的一階滯后項(xiàng)，表示核心解釋變量財(cái)政支農(nóng)，、、、均為控制變量，符號(hào)含義與前文定義相同，、、、、、、和為對(duì)應(yīng)變量的待估計(jì)系數(shù)，為個(gè)體效應(yīng)，為隨機(jī)誤差項(xiàng)。為了便于對(duì)比分析，模型4-（5）中控制變量的選擇與總體分析財(cái)政支農(nóng)影響農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)時(shí)的模型一致。對(duì)于模型中可能產(chǎn)生的內(nèi)生性問題，使用系統(tǒng)GMM方法進(jìn)行估計(jì)，具體回歸結(jié)果見表1.9。表1.9不同區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響回歸結(jié)果變量被解釋變量：TFPC模型8模型9模型10模型11模型12TFPCi,t-1-0.0029***(-5.8755)-0.0041(-0.8444)-0.0042***(-5.6132)-0.0115**(-2.3642)-0.0124**(-2.5611)eastZNL1.6785***(7.8803)3.5213***(12.6385)3.2941***(5.9208)2.7726***(9.6199)3.3574***(11.2245)centralZNL0.4897．(1.5204)1.3926***(6.8167)2.1635***(1.0347)1.2699***(5.9511)2.0519***(8.5938)westZNL3.6977***(27.5075)1.4202***(28.9914)1.5816***(21.4207)3.9155***(22.9550)1.5212***(23.8412)CZL-0.2892***(-8.5828)-0.1800***(-1.0631)-0.6197***(-11.7444)-0.4592***(-9.6708)SZL-0.2460***(-5.6490)-0.1884***(-1.7037)-0.0374(-0.8299)GGL0.6184***(15.1736)0.6775***(16.3110)GYH-0.4554***(-7.2890)AR(2)test0.80510.89800.83920.94810.9448Sargantest0.99580.87170.99890.91390.9997Waldtest<2.22*10-16<2.22*10-16<2.22*10-16<2.22*10-16<2.22*10-16注：***表示1%，**表示5%，*表示10%，.表示15%，圓括號(hào)內(nèi)為z值，AR(2)test和Sargantest的值為統(tǒng)計(jì)量所對(duì)應(yīng)的p值，軟件R。從表1.9中可以看出，AR(2)和Sargan檢驗(yàn)的p值顯示所有模型均通過了誤差項(xiàng)不存在二階自相關(guān)和工具變量不存在過度識(shí)別的檢驗(yàn)，說明模型設(shè)計(jì)是合理的，使用系統(tǒng)GMM進(jìn)行估計(jì)是有效的。模型8結(jié)果顯示區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率提升都具有顯著促進(jìn)作用，在作用程度上，西部地區(qū)財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率提升的影響系數(shù)大于東部地區(qū)，東部地區(qū)大于中部地區(qū)，逐步加入控制變量進(jìn)行回歸后，區(qū)域影響系數(shù)符號(hào)和作用程度順序并沒有發(fā)生改變，且大部分變量均通過了1%水平的顯著性檢驗(yàn)，說明模型結(jié)果是穩(wěn)定的，表明東中西部地區(qū)財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)都具有顯著的正向促進(jìn)作用，西部地區(qū)財(cái)政支農(nóng)促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的作用程度高于東中部地區(qū)，可能的原因是自國家提出西部大開發(fā)戰(zhàn)略以來，給予了西部地區(qū)更多的惠農(nóng)政策支持，同時(shí)西部地區(qū)省份的農(nóng)業(yè)發(fā)展水平相對(duì)較弱，所以農(nóng)業(yè)全要素生產(chǎn)率和農(nóng)業(yè)發(fā)展提升空間較大，因此西部地區(qū)財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率提升的邊際效應(yīng)要比東中部地區(qū)更為明顯。1.5.2財(cái)政支農(nóng)支出對(duì)農(nóng)業(yè)全要素生產(chǎn)率構(gòu)成影響的地區(qū)異質(zhì)性分析根據(jù)上節(jié)實(shí)證結(jié)果可知，區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)都具有顯著的提升作用，那么，各地區(qū)財(cái)政支農(nóng)促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的路徑是否相同呢？為此，進(jìn)一步探討財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率作用內(nèi)在機(jī)制的區(qū)域異質(zhì)性，建立以下模型：4-（6）4-（7）其中，表示省份，表示時(shí)間，和分別表示農(nóng)業(yè)技術(shù)效率變化和規(guī)模效率變化，和分別表示農(nóng)業(yè)技術(shù)效率變化的一階滯后項(xiàng)和規(guī)模效率變化的一階滯后項(xiàng)，表示核心解釋變量財(cái)政支農(nóng)，、、、均為控制變量，符號(hào)含義與前文定義相同，為個(gè)體效應(yīng)，為隨機(jī)誤差項(xiàng)，、、、、、、、、、、、、、、和為對(duì)應(yīng)變量的待估計(jì)系數(shù)。為了解決動(dòng)態(tài)回歸過程中出現(xiàn)的內(nèi)生性問題，繼續(xù)使用系統(tǒng)GMM方法進(jìn)行估計(jì)，用被解釋變量的高階滯后項(xiàng)作為工具變量，模型回歸結(jié)果見表1.10。表1.10不同區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率和規(guī)模效率變化的影響回歸結(jié)果變量模型13模型14TECSCTECi,t-10.9886***(5.7886)SCi,t-1-0.0124***(-2.5517)eastZNL-0.0860***(-5.6063)3.3552***(11.2170)centralZNL-0.0374***(-1.0128)2.0046***(8.3959)westZNL0.0617***(5.9507)1.3846***(23.1249)CZL0.0263***(11.8763)-0.6314***(-12.7724)SZL0.0199***(8.7565)-0.0591(-1.3102)GGL0.0240***(5.6580)0.6478***(15.5984)GYH-0.0227***(-6.4906)-0.4377***(-7.0063)AR(2)test0.10620.9463Sargantest0.98630.9304Waldtest<2.22*10-16<2.22*10-16注：***表示1%，**表示5%，*表示10%，.表示15%，圓括號(hào)內(nèi)為z值，AR(2)test和Sargantest的值為統(tǒng)計(jì)量所對(duì)應(yīng)的p值，軟件R。從表1.10中可以看出，所有模型均通過了誤差項(xiàng)不存在二階自相關(guān)和工具變量不存在過度識(shí)別的檢驗(yàn)，說明模型設(shè)計(jì)是合理的，使用系統(tǒng)GMM進(jìn)行估計(jì)是有效的。模型13的結(jié)果顯示，區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率增長(zhǎng)的影響方向存在差異性，東部和中部財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率的影響系數(shù)都為負(fù)，西部地區(qū)財(cái)政支農(nóng)的影響系數(shù)為正，且均通過了1%水平的顯著性檢驗(yàn)，表明東中部地區(qū)財(cái)政支農(nóng)抑制了農(nóng)業(yè)技術(shù)效率增長(zhǎng)，西部地區(qū)財(cái)政支農(nóng)對(duì)農(nóng)業(yè)技術(shù)效率提升具有顯著正向影響，可能的原因?yàn)闁|部地區(qū)二三產(chǎn)業(yè)相對(duì)比較發(fā)達(dá)，政府對(duì)農(nóng)業(yè)的重視程度相對(duì)較低，對(duì)農(nóng)業(yè)投資的積極性不高，在財(cái)政支出資金的使用方面更加偏向能帶來GDP較快增長(zhǎng)的部門和產(chǎn)業(yè)，可能會(huì)把本應(yīng)用于支持農(nóng)業(yè)的財(cái)政資金用于其他地方，而中部地區(qū)財(cái)政體制并不完善，政府部門在財(cái)政支農(nóng)資金管理使用方面的效率比較低下，財(cái)政支農(nóng)資金的結(jié)構(gòu)可能存在一定的偏差，導(dǎo)致對(duì)農(nóng)業(yè)先進(jìn)技術(shù)的傳播與擴(kuò)散效果不理想，從而制約了農(nóng)業(yè)技術(shù)效率的提升。區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)規(guī)模效率都具有顯著促進(jìn)作用，與表1.9模型12的回歸結(jié)果進(jìn)行對(duì)比可以看出，區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)規(guī)模效率增長(zhǎng)的影響方向與區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響方向相一致。綜上，東中部地區(qū)財(cái)政支農(nóng)是通過促進(jìn)農(nóng)業(yè)規(guī)模效率增長(zhǎng)來促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率的提升，西部地區(qū)財(cái)政支農(nóng)通過促進(jìn)農(nóng)業(yè)規(guī)模效率增長(zhǎng)和改善農(nóng)業(yè)技術(shù)效率兩種路徑來促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率的提升。1.5.3穩(wěn)定性檢驗(yàn)借鑒高琳和馬蘭的做法[74-75]，通過調(diào)整樣本觀測(cè)期對(duì)實(shí)證分析的結(jié)果進(jìn)行穩(wěn)定性檢驗(yàn)。將樣本分為1998-2009年、2010-2018年和1998-2006年三個(gè)時(shí)間段進(jìn)行系統(tǒng)GMM估計(jì)。模型的穩(wěn)定性檢驗(yàn)結(jié)果分別見表1.11和1.12。表1.11分時(shí)間段不同區(qū)域財(cái)政支農(nóng)對(duì)農(nóng)業(yè)TFPC影響結(jié)果的穩(wěn)定性檢驗(yàn)變量1998-20092010-20181998-2006TFPCTFPCTFPCTFPCi,t-1-0.2566***(-10.7400)-0.0012(-0.1772)-0.1842***(-67.0932)eastZNL13.1352***(21.4070)1.5623***(9.4278)2.0742***(6.5