農戶生產投入選擇行為及其收入效應研究

陳　飛

(東北財經大學 經濟學院/經濟計量與預測研究中心，遼寧　大連　116025)

?

·農業經濟·

農戶生產投入選擇行為及其收入效應研究

陳飛

(東北財經大學 經濟學院/經濟計量與預測研究中心，遼寧大連116025)

本文從理性農民假說出發，利用生產函數和成本函數分析農業補貼影響農戶增加生產投入的一般路徑，并基于隨機效應決策模型構建解釋農戶生產投入行為的實證框架。為解決模型中由“自選擇”帶來的內生性問題，本文采用Heckman兩步法估計修正收入方程和結構決策方程。基于中國家庭追蹤調查數據集的實證結果顯示，預期收入差距、農業補貼和勞動力數量是影響農戶選擇增加生產投入決策的主要因素，而農業補貼和戶主教育水平是促進家庭增收的關鍵變量。進一步，本文利用反事實分析方法評估農戶增加生產投入的凈收入效應，研究發現，農戶的生產投入決策存在自選擇效應，且表現為低創收能力的農戶選擇增加生產投入，而高創收能力的農戶選擇不增加生產投入，這導致增加生產投入生產方式的凈收入效應被嚴重低估。

農業補貼；生產投入決策；收入效應；自選擇行為

一、引　言

2004年，中國政府發布了《中共中央國務院關于促進農民增加收入若干政策的意見》，并配套出臺了取消農業稅、糧食直補、良種補貼和農機購置補貼等多項惠農政策，實現糧食產量11連增，有效保障了國家糧食安全，并在一定程度上促進了農民增收。但我們應該看到，近年來城鄉居民收入絕對差距仍在不斷擴大，2005年城鎮居民家庭人均可支配收入為10 493.000元，農村居民家庭人均純收入為3 254.900元，收入差距為7 238.100元，到2015年城鄉居民收入差距進一步擴大到15 404.600元，*數據來源于中經網統計數據庫的全國宏觀年度庫；2015年的城鎮居民家庭人均可支配收入和農村居民家庭人均純收入數據利用居民消費價格指數(2005年=100)進行調整。收稿日期：2016-06-30基金項目:國家社會科學基金項目“農戶行為視角下農業補貼政策減貧績效評價及扶貧政策轉型研究”(14BJY120)；國家社會科學基金重大項目“新常態下我國宏觀經濟監測和預測研究”(15ZDA001)；遼寧省優秀人才支持計劃項目(WR2015002)作者簡介：陳飛(1973-)，男，吉林長春人，教授，博士，主要從事數量經濟和農業經濟問題研究。E-mail:cfei2000@163.com年均增長7.900%。農村居民收入水平長期偏低，不僅影響到農民生活質量和農產品的有效供給，而且制約了整個農村經濟發展和社會穩定。為此，2010年以來中國政府把三農問題的重點轉移到農民增收問題上來，2015年國務院發布的《關于加大改革創新力度加快農業現代化建設的若干意見》指出，農業現代化建設改革應圍繞促進農民增收、加大惠農政策力度來展開，并特別強調，提高農業補貼政策的實施績效必須從提高農戶生產投入的積極性著手，優先保證農業生產投入。為實現這一目標，必須要理清農業補貼、農業投入和農民增收三者之間的關系，并關注影響農戶生產投入選擇行為的因素有哪些？提高農業補貼能否有效刺激農戶增加投入，是否存在個體異質性效應？增加生產投入能否使農戶從中更多地受益？這些均是本文試圖回答的關鍵性問題。

由于農業補貼政策通過影響農戶生產決策來發揮作用，因此，國內外多數文獻從微觀視角研究農業補貼與農業投入之間的關系。大部分研究認為兩者存在正向影響關系，James[1]構造一個隨機動態規劃模型，在風險偏好約束下分析農業補貼與農戶投資間的關系，發現補貼能夠激勵農戶增加生產投入并提高產出。Goodwin和Mishra[2]利用美國農場數據的研究表明，農業補貼政策對農戶增加投入具有顯著的促進作用，而脫鉤補貼政策雖然沒有掛鉤補貼政策的效果明顯，但也能夠刺激農戶的生產積極性。Koundouri等[3]則發現與生產脫鉤的直接補貼是通過影響農戶的收入水平、信貸約束和風險偏好來間接影響農戶的要素投入行為。劉旗和劉培培[4]通過對河南省糧食生產面板數據的分析發現，直接補貼政策只有與價格政策配合使用才能促進種糧農民增加生產投入。楊萬江和孫奕航[5]采用多元線性回歸模型的最優尺度方法進行研究，發現每畝補貼標準對稻農的種植投入具有顯著影響，農戶的生產規模越大則生產積極性越高。少數文獻則認為農業補貼對農戶生產投入的作用并不明顯，Serra等[6]研究表明農業補貼政策激勵農戶投資的效應并不明顯，與生產脫鉤的直接補貼對提高農業生產率的影響作用甚微。劉成武和黃利民[7]對隨機分層抽取的1 252戶農村家庭數據的研究結果表明，惠農政策對農戶生產投入的影響作用有限，而經濟因子和技術進步才是影響農戶生產行為最重要的兩個因素。另外一些文獻關注農業補貼對農民增收的影響，肖琴[8]通過對調查數據的Logistic分析發現，農業補貼水平和作用于投資的補貼比例與農戶的福利水平具有顯著的正向關系，但農資價格上漲與部門間比較收益差異在一定程度上抑制了農業補貼效率。鐘春平等[9]的研究表明農業補貼部分提高了要素投入和農戶福利水平，但農戶的生產積極性并沒有得到太大改善，這是由于農產品價格相對較低，補貼不足以彌補生產資料價格的上漲。

上述文獻對于分析中國農業補貼政策的生產投入效應和收入效應具有重要借鑒意義，但在具體的研究中也存在一些問題：第一，很少有文獻構建描述農業補貼、農業投入和農民增收三者關系的微觀理論框架，不利于理清農業補貼在農戶生產決策中的地位和作用。第二，由于農戶是“自選擇”增加生產投入，因此，在樣本數據中觀測到的不同類型農戶是非隨機產生的，這將導致樣本自選擇問題和模型估計結果偏誤，而在大多數實證文獻中并沒有考慮這一問題。第三，尚沒有文獻從個體異質性角度分析哪些農戶更傾向于增加生產投入以及農戶能夠從生產投入決策中具體受益多少。針對現有研究不足，本文基于農戶行為理論和中國家庭追蹤調查(China Family Panel Studies,CFPS)數據集，建立一個合理的反事實分析策略，研究農戶生產投入選擇行為及其收入效應。

二、農業補貼政策影響農戶生產投入行為的路徑分析

圖1　農業補貼對農戶生產投入選擇的影響路徑

根據舒爾茨[10]提出的理性農民假說，農戶的生產目標是追求利潤最大化，并依此進行生產投入決策。當不存在農業補貼時，農戶生產決策模型為：maxKπ=pf(K)-rK，其中，π為農戶的凈收入，f(·)為生產函數，K為要素投入，p為產品價格，pf(K)為總收入，r為要素價格，rK為生產總成本。農戶的最優生產投入量K*由邊際生產條件pf′(K*)=r決定。圖1描述了不同情況下農戶最優生產投入量的形成機制。圖1的橫軸為生產投入量，縱軸為收入和成本，不存在農業補貼時的成本函數和收入函數分別用曲線rK和pf(K)表示。當邊際收入等于邊際成本時， 農戶實現利潤最大化， 此時， 成本函數的平行線m與收入函數相切于A點，對應的最優生產投入量為K*，凈收益為π*。農業補貼通過影響農戶生產決策模型中的參數值來改變最優生產投入量K*，但不同類型的農業補貼政策對農戶生產投入選擇行為具有不同的影響路徑。

情況一：與生產脫鉤的補貼政策只影響收入水平，不影響生產投入量。

當政府實施與生產脫鉤的補貼政策，例如取消農業稅或以家庭擁有耕地面積為標準的糧食直補政策，這類補貼使得每個農戶增加固定收入。假設政府決定的一攬子收入補貼額為S，農戶此時的生產決策模型為：maxKπ=pf(K)-rK+S，實現凈收益最大化的條件仍為pf′(K*)=r，農戶的收入函數和成本函數不變，對應的最優生產投入量仍為K*，凈收益為π*+S。，此時與生產脫鉤的補貼政策不會影響農戶的生產積極性，只增加了農戶的轉移性收入。

情況二：與生產掛鉤的補貼政策通過擴展收入曲線，進而增加生產投入量。

當政府實施與生產掛鉤的補貼政策，例如最低收購價政策或以實際產量為標準的糧補政策，這類補貼有助于擴展農戶的收入曲線，進而激勵農戶增加生產投入量。假設政府對產量的補貼率為q，農戶此時的生產決策模型為：maxKπ=(p+q)f(K)-rK，該項補貼相當于將農產品價格由p上調為p+q。則農戶的收入函數將由pf(K)移動到(p+q)f(K)，成本函數rK的平行線m1與收入函數(p+q)f(K)相切于B點，農戶的最優生產投入量擴大為K1*，凈收益為π1*。

情況三：與生產掛鉤的補貼政策通過內移成本曲線，進而增加生產投入量。

當政府實施與生產投入掛鉤的補貼政策，例如良種補貼和農機具購置補貼政策，這類補貼有助于向內移動農戶的成本曲線，進而激勵農戶增加生產投入量。假設政府對生產投入的補貼率為s，農戶生產決策模型為：maxKπ=pf(K)-(r-s)K，該項補貼相當于將要素價格由r下調為r-s。則農戶的成本函數將由rK移動到(r-s)K，成本函數(r-s)K的平行線m2與收入函數pf(K)相切于C點，農戶的最優生產投入量擴大為K2*，凈收益為π2*。

三、農戶生產投入決策行為的研究設計

農戶生產投入決策實質上是農戶根據自身特征、經濟環境以及對未來收入預期做出的生產資源再配置過程。從理性農民假說出發，只有當新增生產投入所帶來的預期收益增量大于投入成本時，農戶才會選擇增加生產投入；否則，農戶將保持生產規模不變甚至減少生產投入。

1.農戶生產投入決策模型

根據Becerril和Abdulai[11]以及Ali和Abdulai[12]給出的隨機效用決策模型，假設農戶增加其生產投入后，收益增量的正效用以U1表示，成本增量的負向效用以-U2表示，則增加生產投入的總效用可表示為T*= U1-U2。只有當T*>0時，農戶才會選擇增加投入。盡管總效用T*是不可觀測的，但可以將其表示為收益增量和成本增量的函數。則農戶生產投入決策方程為：

(1)

其中，i代表農戶樣本；Ti為兩值變量，若農戶增加生產投入(Ti*>0)，則Ti=1；否則，Ti=0；變量lnyri和lnyui分別為農戶i在增加和不增加生產投入情況下的家庭收入對數，顯然，這兩個變量必有一項是不可觀測的，*對于樣本農戶i，若其在生產過程中增加了要素投入量，則可以觀測到lnyri，但無法觀測到lnyui，若其沒有增加要素投入量，則可以觀測到lnyui，但無法觀測到lnyri。差值lnyri-lnyui表示農戶增加投入所帶來的預期收益增量；ui為擾動項。Bi為農戶增加生產投入所產生的成本增量，既包括可觀測的資本要素成本，又包括不可觀測的勞動要素的機會成本。因此，變量Bi也是不可觀測的，但能夠用可觀測變量的函數將其表示出來。假設Bi受到家庭特征向量Xi和經濟環境向量Zi的影響，則農戶生產投入的成本函數為：

Bi=h(Xi,Zi)+vi

(2)

其中，vi為隨機擾動項。進一步假設函數g(·)和h(·)為線性形式，并將式(2)帶入式(1)整理可得農戶生產投入決策方程的結構式為：

(3)

此外，由于預期收益增量lnyri-lnyui是不可觀測的，還需要定義農戶i的收入方程，并利用收入方程的擬合值完成對式(3)中參數的估計。為實現這一目標，本文定義增加生產投入農戶(簡稱為增投農戶，用下標r來標識)和不增加生產投入農戶(簡稱為非增投農戶，用下標u來標識)的收入方程分別為：

(4)

(5)

其中，Xi*和Zi*為農戶i所對應的家庭特征向量和經濟環境向量，且允許向量Xi*和Xi中所包含的變量不完全相同，同樣，向量Zi*和Zi中所包含的變量也不完全相同。εri和εui為服從正態分布的隨機擾動項。

若農戶的生產投入行為是隨機的，則直接使用OLS方法能夠獲得式(4)和式(5)中參數φ的無偏估計量。然而，農戶自己決定是否增加生產投入，因此，生產投入決策可能會受到某些不可觀測因素,例如生產偏好、管理技能或進取精神等的影響，而這些因素又與農戶收入相關，例如高收入家庭增加生產投入的能力或意愿更強。在此情況下，不考慮“自選擇”問題直接估計收入方程將導致參數φ的估計結果是有偏的，同時也是非一致的。

為了進一步說明“自選擇”問題對收入方程估計結果的影響，將收入方程式(4)和式(5)帶入式(3)中，可以得到農戶生產投入決策方程的簡化式：

(6)

(7)

其中，σrε*為隨機誤差項ε*與εr的相關系數，σuε*為隨機誤差項ε*與εu的相關系數；f(·)和F(·)分別為標準正態分布的密度函數和分布函數。式(7)表明收入方程中的隨機擾動項的條件期望不等于0，將其稱為選擇性偏誤項，是由于農戶對于是否增加生產投入決策的自主選擇行為而造成的對收入的影響。其中，φi由式(8)定義：

(8)

2.模型的估計過程

為了解決由“自選擇”導致的模型估計結果的選擇性偏誤，本文采用Heckman兩階段方法[14]估計農戶生產投入決策模型，估計過程如下：

λri(φi)=f(φi)/F(φi),λui(φi)=-f(φi)/[1-F(φi)]

(9)

將式(9)所定義的結構變量(選擇性偏誤項)分別帶入收入方程式(4)和式(5)中，得到修正的收入方程：

(10)

(11)

分別使用增投農戶和非增投農戶的數據估計修正收入方程式(10)和式(11)，所得參數的估計值是一致估計量。進一步，利用所估計的方程獲得全體樣本的收入預測值。

第二步，利用所估計的收入預測值計算預期收益增量lnyri-lnyui，估計結構決策方程式(3)進而得到預期收益增量對農戶生產投入決策的影響。

在估計模型的第一步，要求修正收入方程式(10)和式(11)的解釋向量(Xi*,Zi*)包含結構決策方程式(3)的解釋向量(Xi,Zi)，且至少要有一個變量不在向量(Xi, Zi)中，這樣才能保證存在選擇性偏誤時得到收入方程參數的一致估計量[15]。否則，結構變量λri(φi)和λui(φi)可能與向量(Xi*,Zi*)中的變量高度相關。考慮到度量教育水平對生產投入的效用增量Ti*的直接貢獻是非常困難的，而教育水平的差異卻可以直接影響農戶收入，因此，本文假設教育水平是通過預期收入差距來間接地影響農戶生產決策，并在結構決策方程式(3)中包含除教育外的其他外生變量。

四、數據來源與指標描述

本文所使用的農村住戶調查數據來源于CFPS數據集。CFPS是由北京大學中國社會科學調查中心(ISSS)主持實施的全國性社會跟蹤調查項目，調查數據共分為三個層次：個人、家庭和社區。其中，個人調查包括被調查者的基本特征、工資狀況和健康狀況等；家庭調查包括家庭人口特征、收支狀況、家庭環境和財產等；社區調查包括社區設施、社區服務和社區機構等。在2010年和2012年，ISSS對全國25個省/市/自治區展開調查，樣本規模分別為16 000戶和13 231戶，重點關注中國居民的經濟活動、經濟與非經濟福利、教育情況、家庭關系、人口遷移和健康水平等諸多問題。

本文主要使用CFPS數據集中2010年和2012年追蹤調查的家庭經濟庫和成人庫中的樣本數據。首先，在家庭經濟庫中選擇兩年均被調查、居住類型為“鄉村”且從事農業生產活動的家庭數據，剔除直轄市和缺失觀測值的樣本，最終選擇5 061戶家庭。其次，在成人庫中提取與5 061戶家庭相匹配的戶主信息。最后，通過將2010年和2012年家庭的農業生產成本進行比較，將生產成本(剔除物價影響)增加1/3以上的家庭定義為增投農戶，進而將樣本分為兩組，其中，增投農戶的樣本家庭數為2 334戶，非增投農戶的樣本家庭數為2 727戶。2012年兩組子樣本農戶的主要經濟特征指標及其差異的統計描述結果，如表1所示。

表1　2012年兩組子樣本農戶的經濟特征指標及其差異的統計描述

注：*、**和***分別代表在10%、5%和1%的水平上顯著。戶主教育變量中，職高、中專=1，其他=0。

表1的統計結果顯示，兩組子樣本農戶的各經濟特征指標存在顯著差異：第一，增投農戶的家庭純收入要顯著高于非增投農戶，平均增量約為3 448.400元。第二，增投農戶的戶主年齡要顯著低于非增投農戶，而戶主教育虛擬變量值要顯著高于非增投農戶。第三，增投農戶家庭的其他各類經濟指標也顯著區別于非增投農戶。上述特征指標的統計差異性有助于我們確定農戶生產投入決策的影響因素。為節省篇幅，各變量對農戶生產決策的影響機制的理論解釋將在第五部分給出。

五、修正收入方程與結構決策方程的估計結果

表2　修正收入方程與結構決策方程估計結果

1.農業補貼政策的增投效應和收入效應分析

表2中結構決策方程的估計結果顯示，家庭農業補貼額的系數顯著為正，表明增加農業補貼能夠提高農戶的生產積極性，對農戶增加物質資本投入和生產規模具有顯著的激勵作用[16]。2004年以來，隨著國家對三農問題日益重視，其陸續出臺了多項惠農政策，初步形成了收入性補貼、生產性補貼和最低收購價補貼相結合的農業補貼體系，且補貼力度不斷加大，補貼領域和范圍不斷拓寬，給予農民很大信心，對農戶生產決策具有積極影響。一方面，農業補貼政策可以通過增加農戶的收入水平來調動農戶的生產積極性。農戶的農業收入越高，種糧熱情越高，越有動力繼續擴大規模和增加投入[17]。另一方面，農業補貼政策通過降低農戶的生產成本來提高農戶的生產積極性，例如農資綜合補貼、良種補貼和農機購置補貼等。此外，表2顯示農產品生產價格指數的影響系數為-0.129，且在1%水平上統計顯著，表明農資價格上漲幅度過快對農戶生產投入選擇具有不利影響，而農業補貼可以彌補農資價格上漲所導致的成本上升，部分抵消農資價格上漲對農戶生產的不利影響。

表2中修正收入方程的估計結果顯示，家庭農業補貼額對兩組子樣本農戶的家庭收入增長均具有顯著的正向效應，且對非增投農戶的增收效果更強(彈性系數為0.110)。本文認為，導致這一結果的最主要原因是中國農業部門的勞動生產率要遠低于非農部門的勞動生產率。通常來說，非增投農戶會更多地從事兼業活動，即他們在享受農業補貼的同時，會將大部分時間和精力投入到非農活動中，進而從補貼中更多地受益。因此，政府在實施農業補貼政策時，既要考慮農業補貼的方式和補貼額度，還要考慮如何提高農業部門的勞動生產率，為農業生產和農戶收入提高創造良好的外部環境[8]。

2.金融借貸對農戶生產的影響效應分析

表2中結構決策方程的估計結果顯示，家庭借貸總額對農戶增投決策具有顯著的正向影響。農業生產具有長周期和高風險特征，農戶資金周轉緩慢且容易受到自然災害、市場沖擊等諸多不可控因素的影響，因此，農業生產在很大程度上依賴于金融借貸。農戶投入與農戶可獲得的借貸有著很強的依賴關系，近年來，在農戶投資中大約三分之一的資金來源于借貸[18]。由此可見，完善農村金融市場、激活農戶金融資產，對提高農戶的生產積極性具有重要作用。

表2中修正收入方程的估計結果顯示，家庭借貸總額對兩組子樣本農戶的家庭收入增長均具有顯著的正向效應。這是因為，適量的負債不僅為農戶提供了維持或擴大生產的機會，而且平滑了農戶的家庭消費曲線，是保障農民生活穩定的必要條件。金融借貸能夠增加農戶的純收入，并改善農戶的福利狀況[19]。但由于中國農村金融市場起步較晚，農戶從正規金融渠道中獲得貸款的門檻較高，多數生產性資金仍來源于民間私人借貸，缺乏規范的管理手段，因此，家庭借貸總額對農戶收入的影響系數相對較小，其中，增投農戶的家庭借貸總額的收入彈性為0.017，而非增投農戶的家庭借貸總額的收入彈性為0.022。

3.農業勞動力、耕地面積與農用機械價值的影響效應分析

農業勞動力、耕地面積與農用機械是農業生產過程中最主要的三種投入要素，擁有這三種要素的數量越多，表明在家庭生產活動中農業的地位越重要，因此，農戶越傾向于增加投入。表2中的估計結果支持這一分析，三變量對農戶增投決策均具有顯著正向影響。

需要注意的是，在三種投入要素中，家庭農業勞動力數量對農戶增投決策的影響作用最強(系數為0.827)。這是因為，隨著可供農民選擇的生產方式(農業生產和非農生產)的多樣化和靈活性，家庭資源配置越來越傾向于以勞動力為中心，即提升每個個體的福利是家庭生產決策的最重要參考依據。

家庭耕地面積增量對增投農戶的家庭收入具有顯著正向影響，但對非增投農戶的家庭收入具有負向影響。通常來說，增投農戶的主營業務是農業，很少或者不從事非農生產活動，因此，耕地面積增加只會對這類農戶產生正向的要素投入效應而不會產生負向的要素替代效應。此外，耕地面積增加還有利于形成規模經濟、促進技術進步以及提高技術效率，從而有利于農民增收。而非增投農戶的家庭收入較少部分來源于農業產出，實際上，許多此類農戶的農產品僅僅是為了滿足家庭消費的需要，更多的收入是來源于外出務工或經商，因此，擴大耕地面積必將會造成農業勞動時間對非農勞動時間的替代，減少其家庭總收入。

家庭農用機械價值對兩組樣本農戶的家庭收入具有正向效應但效果較弱，增投農戶和非增投農戶的農用機械價值每增加1%，分別導致其家庭收入增長0.007%或0.010%。目前，中國農村家庭經營規模普遍較小，家庭單元不宜擁有過多的農用機械資本，表1中數據支持這一結論，兩類農戶的家庭農用機械價值的均值分別僅為2 081.300元和1 372.000元。通常來說，多數家庭在耕種過程中采用租賃方式使用大型農用機械，家庭自有的小型農用機械對其收入的影響作用有限，只有少數擁有大型農用機械的家庭能夠通過對外出租方式，來增加機械資本的要素回報。

4.職業教育培訓對農戶增收具有重要促進作用

近年來，隨著中國農業部門勞動力大規模向城鎮和非農部門轉移，以及農村耕地流轉市場的不斷完善，農業生產規模逐步擴大。在從傳統農業向現代農業過渡的過程中，人力資本的地位越發重要，已成為農業生產和農民增收的決定力量。實證研究表明，教育回報率的大幅提升是導致農村家庭收入增加的最主要原因，1991—2000年約有41.800%的農村家庭收入增長能夠被教育因素所解釋，2000—2009年教育回報率雖有所下降，但仍能夠解釋農戶收入增長的18.600%[20]。表2中修正收入方程的估計結果顯示，接受職業教育培訓對兩組子樣本農戶的收入增長均具有顯著的正向影響，且作用效果非常明顯。其中，教育培訓能夠拉動增投農戶的收入增長70.400%，拉動非增投農戶的收入增長54.200%。

5.預期收入差距是影響農戶增投決策的首要因素

表2中結構決策方程的估計結果顯示，預期收入差距的估計參數的符號顯著為正，且在所有對農戶增投概率具有影響的因素中，該變量的影響力度最大。在“理性農民”的假設下，收益最大化是農民生產的首要目標，因此，農戶在進行生產決策之前，會依據自身條件和經濟環境預測不同生產行為的未來收益，并以此為依據選擇能夠為其帶來最大收益的生產行為。影響農戶對未來收入預期的因素有很多，但農業補貼政策是與農民收入最直接相關，且最能引導農民形成穩定預期的關鍵因素，因此，政府如何有效調整農業補貼政策的結構和規模，對促進中國農業生產的供給側改革和增加農戶收入具有重要的現實意義。

六、農戶生產投入決策的收入效應分析

1.農戶生產決策的“自選擇”效應

由于農戶生產決策的“自選擇”行為，導致存在不可觀測變量對其家庭收入產生影響，因而本文在修正收入方程式(10)和式(11)中分別加入了選擇性偏誤項σrε*λri(φi)和σuε*λui(φi)來修正模型的參數估計偏誤。如果系數σrε*和σuε*的估計值統計顯著，則表明自選擇行為對兩組子樣本農戶的家庭收入具有顯著影響。

為進一步解釋選擇性偏誤項的經濟含義，本文假設每個農戶均具有從事農業生產和非農生產所需的技能，統稱為農戶的創收能力，則式(10)和式(11)分別代表全樣本中增投農戶和非增投農戶的創收能力，分別用E1和E2表示；兩方程右端的前三項之和則分別代表在樣本隨機分配(不存在“自選擇”)情況下，增投和非增投生產方式所要求的平均創收能力，分別用H1和H2表示。

由式(9)可知，λri(φi)>0和λui(φi)<0恒成立。本文依據Roy(1951)給出的橫截條件σrε*-σuε*>0將參數σrε*和σuε*的符號區分為三種情況，討論農戶生產決策的自選擇效應：(1)當σrε*>0和σuε*<0時，意味著增投農戶的創收能力E1高于增投生產方式所要求的平均創收能力H1，非增投農戶的創收能力E2也要高于非增投生產方式所要求的平均創收能力H2，增投農戶和非增投農戶都是正向選擇的，即選擇他們能夠發揮比較優勢的方式進行生產。(2)當σrε*>0和σuε*>0時，則有E1> H1，表明增投農戶是正向選擇的；E2H2，表明非增投農戶是正向選擇的。此種情況說明低能力者選擇增投生產方式，而高能力者選擇非增投生產方式。

表2中修正收入方程的結果顯示，參數σrε*和σuε*的估計值分別為-0.442和-1.192，且在1%的水平下顯著，表明存在選擇性偏誤，且屬于自選擇效應的第三種情況。本文認為，這一結論與中國農村的經濟現實相符。近年來，隨著中國工業經濟的快速發展，形成了巨大的城鄉收入差距，農村中能力較強的勞動力為改善自身的生活狀況選擇進城務工，但又無法放棄在農村的土地要素，最終形成以農業生產與非農生產相結合的兼業生產方式，這也是兼業農民不選擇增加生產投入的一個主要原因。但兼業生產不利于農戶的物資資本和人力資本積累。一方面，由于兼業農戶不再以農業為主營業務，因而缺少對農業投資的積極性，甚至會導致土地的粗放經營。另一方面，由于兼業農民在農忙季節返鄉會擾亂正常的工作狀態，使得他們正常的人力資本積累中斷，因而會喪失許多加薪或升職的機會[21]，因此，兼業農戶只能從事時間上更為靈活且收入較低的工作，例如手工業、建筑業和采掘業等。上述原因表明，盡管兼業農戶在最初能夠獲得較高的非農生產比較收益，但資本積累中斷和生產效率損失會導致其收入水平不斷下降。表1的統計結果顯示，增投農戶的家庭純收入要顯著高于非增投農戶的家庭純收入。

2.反事實分析與農戶增加生產投入的凈收入效應評價

Rubin[22]定義的反事實分析框架，提出了一種準確評價農戶增加生產投入的凈收入效應的研究思路，定義觀測樣本的平均處理效應(Average Treatment Effect，簡稱ATE)為：

ATE=E(yi|Ti=1)-E(yi|Ti=0)

(12)

其中，Ti=1表示農戶增加生產投入，Ti=0表示農戶不增加生產投入。E(yi|Ti=1)為農戶i在增投生產方式下的平均收入水平，E(yi|Ti=0)為農戶i在非增投生產方式下的平均收入水平，兩者的差值即為農戶增加生產投入的凈收入效應(ATE)。而對于特定的農戶i，我們只能觀測到其在一種生產方式下的收入水平，因此，E(yi|Ti=1)和E(yi|Ti=0)必有一項是不可觀測的，稱為反事實結果。

為計算ATE，需要對反事實結果進行模擬。本文先利用決策方程簡化式(5)、式(8)以及修正收入方程式(10)和式(11)的估計結果，計算每個農戶在增投生產方式和非增投生產方式下的家庭純收入的擬合值，然后區分全部農戶、增投農戶和非增投農戶樣本三種情況，計算E(yi|Ti=1)、E(yi|Ti=0)和ATE值，計算結果如表3所示。

表3　農戶家庭純收入的反事實測算結果及增加生產投入的凈收入效應　單位：元

注：*、**和***分別代表在10%、5%和1%的水平上顯著。

從表3中可以看出，當所有農戶均增加生產投入時，家庭純收入的平均值為42 599.800元，當所有農戶均不增加生產投入時，家庭純收入的平均值為33 982.300元，ATE值為8 617.500元。ATE值遠高于表1中增投農戶和非增投農戶的收入差值3 448.400元，表明選擇性偏誤會導致對增投決策的收入效應的嚴重低估。增投農戶和非增投農戶的平均處理效應均顯著為正，且有增投農戶的ATE值為11 241.100元要遠高于非增投農戶的ATE值6 543.800元，表明從人力資本的角度來看，非增投農戶具有更強的創收能力。對兩組子樣本農戶在相同生產方式下的收入均值進行縱向比較可以得到類似的結論，即無論是在增投生產方式下還是在非增投生產方式下，非增投農戶的收入均值均要顯著高于增投農戶的收入均值。可見，如果政府能夠調整農業財政補貼的結構和規模，并與農業金融貸款政策相結合，提升農民務農的積極性和比較收益，不僅有利于提升農戶收益，而且能夠吸引高人力資本的農民專心從事農業生產，有利于促進農業技術進步和提升農產品產量。

七、結論與政策建議

為理清農業補貼、生產投入和農民增收三者之間的關系，本文基于農戶行為視角評估農業補貼政策的實施績效。首先，從理性農民假說出發，利用生產函數和成本函數分析農業補貼政策影響農戶增加生產投入的一般路徑。其次，基于隨機效應決策模型構建解釋農戶生產投入行為的結構決策模型，為解決模型中由“自選擇”引起的內生性問題，本文采用Heckman兩步法估計修正收入方程和結構決策方程，保證獲得模型參數的一致估計量。基于2012年CFPS數據集的實證結果顯示，預期收入差距、農業補貼額和農業勞動力數量是影響農戶選擇增加生產投入行為的最重要因素，而農業補貼額和戶主教育培訓是促進家庭增收的關鍵變量。再次，本文利用反事實分析方法評估農戶增加生產投入的凈收入效應，研究發現，農戶的生產投入決策存在“自選擇”效應，且表現為低創收能力農戶選擇增加生產投入，而高創收能力農戶選擇不增加生產投入，這導致增投生產方式的收入效應被嚴重低估。最后，異質性分析顯示，非增投農戶的平均處理效應要遠高于增投農戶的平均處理效應，表明現階段較大規模的農業生產更有利于農民增收。

現階段，中國農業部門的勞動收益率仍顯著偏低，導致農戶生產規模和生產投入均無法達到發展現代農業、促進城鄉收入均等化的要求。為提高務農農戶的生產積極性并從中更多受益，結合本文的研究結論，給出如下政策建議：

其一，進一步完善中國現有農業補貼政策，處理好農業補貼、農業生產和農民增收三者之間的關系，提升農業補貼政策效率。主要包括：(1)在加大整體農業補貼力度的基礎上，著重調整和改善補貼結構，建立補貼與農產品生產掛鉤機制，重點增加良種補貼、農機器械補貼等生產性專項補貼。(2)根據中國不同地區的農業發展水平和相對重要性，因地制宜地實施差異化農業補貼政策，農業補貼應該向糧食主產區、種糧大戶、種糧能手和其他新型農業經營主體傾斜。(3)為保障務農農民的收入，不僅需要改變補貼模式、提高補貼標準，更重要的是要將補貼政策制度化和法律化，盡快出臺相應的政策法規。

其二，加快農村教育體制改革，大力發展職業教育，提升農民的農業技能水平和創收能力。農民的基本文化素質和職業技術水平不僅對其生產投入決策具有重要作用，而且會直接影響到農村家庭在擴大生產規模之后的增收能力。因此，地方政府除穩步推進農村基礎教育之外，還需要大力發展農村職業技術教育，主要包括：(1)優化農村現有職業教育布局，擴大職業教育規模。(2)加大對農村職業教育的直接投入，改善農村學校辦學條件。(3)加強專門農業技能培訓，確保高職和中職教育能滿足農業生產對技能型人才的需求。

其三，完善農村金融市場服務體系，提升農戶信貸的可獲得性，為農戶擴大農業生產投入提供資金支持。主要包括：(1)加大信貸支農力度，鼓勵和支持農村正規金融機構增加對農戶的信貸服務，降低農村生產性小額信貸準入標準和放貸程序，促進新型農村金融機構快速發展。(2)規范和引導民間借貸機構健康發展，放寬農村金融市場準入門檻，將民間資本引導到農村金融市場去服務三農。(3)制定和完善農村金融法律和法規，針對不同類型農村金融機構的性質和業務特點實現差異化監管政策和監管方式。

[1]James,V.Farm Bankruptcy Risk as a Link Between Direct Payments and Agricultural Investment[J].European Review of Agricultural Economics,2007,34(4):479-500.

[2]Goodwin,B.K.,Mishra,A.K.Are‘Decoupled’Farm Program Payments Really Decoupled an Empirical Evaluation[J].American Journal of Agricultural Economics,2006,88(1):73-89.

[3]Koundouri,P.,Laukkanen,M.,Myyr?,S.,Nauges,C.The Effects of EU Agricultural Policy Changes on Farmers’ Risk Attitudes[J].European Review of Agricultural Economics,2009, 36(1):53-77.

[4]劉旗,劉培培.糧食直接補貼的增產效應——基于河南省面板數據的分析[J].經濟經緯,2013,(3): 36-40.

[5]楊萬江,孫奕航.糧食補貼政策對稻農種植積極性影響的實證分析——基于浙江、安徽、江西稻農調查數據分析[J].中國農學通報,2013,(20):114-118.

[6]Serra,T.,Zilberman,D.,Goodwin,B.K.,Featherstone,A.Effects of Decoupling on the Mean and Variability of Output[J].European Review of Agricultural Economics,2006,33(3): 269-288.

[7]劉成武,黃利民.農戶土地利用投入變化及其土地利用意愿分析[J].農業工程學報,2014,(20): 297-305.

[8]肖琴.農業補貼政策的有效性研究及其政策改革分析——基于順序logistic模型的分析[J].工業技術經濟,2011,(3): 79-84.

[9]鐘春平,陳三攀,徐長生.結構變遷、要素相對價格及農戶行為——農業補貼的理論模型與微觀經驗證據[J].金融研究,2013,(5): 167-180.

[10]西奧多·W. 舒爾茨.改造傳統農業[M]. 梁小民譯,北京: 商務印書館, 2006.

[11]Becerril, J.,Abdulai, A.The Impact of Improved Maize Varieties on Poverty in Mexico: A Propensity Score Matching Approach[J].World Development,2010,38(7):1024-1035.

[12]Ali,A.,Abdulai,A.The Adoption of Genetically Modified Cotton and Poverty Reduction in Pakistan[J].Journal of Agricultural Economics, 2010,61(1):175-192.

[13]威廉·H.格林.計量經濟分析(下冊)[M].費劍平譯，北京：中國人民出版社，2007.755-849.

[14]Heckman,J.J.Sample Selection Bias as a Specification Error[J].Econometrica,1979, 47(1):153-161.

[15]靳云匯,金賽男.高級計量經濟學(下冊)[M]. 北京：北京大學出版社, 2011.132-156.

[16]吳連翠.基于農戶生產行為視角的糧食補貼政策績效研究[D].杭州：浙江大學博士學位論文, 2011.163-166.

[17]童毅.農戶經營規模決策行為的影響因素研究——以江蘇省稻作農戶為例[J].現代經濟信息,2014,(8): 91-92.

[18]郭敏,屈艷芳.農戶投資行為實證研究[J].經濟研究,2002,(6): 86-92.

[19]李銳,李寧輝.農戶借貸行為及其福利效果分析[J].經濟研究,2004,(12):96-104.

[20]陳飛,盧建詞.收入增長與分配結構扭曲的農村減貧效應研究[J]. 經濟研究,2014,(2): 101-114.

[21]陳飛,翟偉娟.農戶行為視角下農地流轉誘因及其福利效應研究[J]. 經濟研究,2015,(10): 163-177.

[22]Rubin,D.B.Matching to Remove Bias in Observational Studies[J].Biometrics, 1973,29(29): 159-183.

(責任編輯：徐雅雯)

F304.8

A

1000-176X(2016)09-0113-10