價格支持政策與糧食可持續(xù)發(fā)展能力：基于玉米臨時收儲政策的自然實驗

廖進球　黃青青

內容提要：基于2007年起中央在東北產區(qū)實施玉米臨時收儲這一自然實驗，在測算主產省份玉米全要素生產率的基礎上，利用雙重差分法（DID）對政策實施前后（2004?2015年）玉米全要素生產率及相關變量進行實證分析。結果表明：我國玉米全要素生產率整體呈上升趨勢;政策帶來的增產激勵，會導致玉米生產中化肥、種子、機械服務等要素過量使用以及農業(yè)資源過度消耗，并弱化技術進步效應，從而抑制玉米全要素生產率上升，不利于增強糧食可持續(xù)發(fā)展能力。

關鍵詞：價格支持政策;糧食可持續(xù)發(fā)展能力;玉米臨時收儲;全要素生產率

中圖分類號：F320.2??文獻標識碼：A??文章編號：1003-7543（2019）04-0115-11

為保障糧食安全，我國實施了以糧食價格支持為基礎措施的一系列農業(yè)補貼支持政策，促成了2004?2015年國內糧食產量“十二連增”，2016和2017年也連獲豐收，糧食總量供給空前充足。與此同時，國內糧食生產也出現了較嚴重的產能透支問題，農業(yè)資源要素過度消耗和質量下降，生態(tài)環(huán)境日趨惡化，引起決策層對農業(yè)可持續(xù)發(fā)展能力的重視。2017年黨的十九大報告提出了“農業(yè)生產實現投入品減量化、生產清潔化、產業(yè)模式生態(tài)化”的目標。2018年中央制定了《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018?2022年）》，要求“建立以綠色生態(tài)為導向的農業(yè)補貼制度”。于是，一些重要問題產生了，用于保障國家糧食安全的價格支持政策，究竟是增強還是弱化了我國糧食可持續(xù)發(fā)展能力？產生這種效應的主要渠道有哪些？

按照經濟學一般理論，糧食收購價格受到政府直接或間接支持后，糧食變現渠道可靠，收益有保障，農民穩(wěn)定并擴大糧食生產的積極性更高，從而形成了“價格支持一產量增長”的傳導機制。糧食增產路徑存在兩種截然不同的模式，即粗放型與集約型。所謂粗放型生產，就是加大生產要素投入，通過投入量的絕對擴大實現糧食增產;集約型生產則強調應用良種良法，合理配置資源要素，依靠技術進步和投入結構優(yōu)化實現糧食增產。兩種模式對糧食可持續(xù)發(fā)展能力的影響迥異。由于生產效率可理解為在既定投入條件下的產出可增長能力或在既定產出條件下的投入可減少能力，因而生產效率的高低可作為評判糧食可持續(xù)發(fā)展能力增強或弱化的重要依據。

國內外圍繞糧食價格支持政策對糧食生產供給影響的研究成果頗為豐富，結論大致分為兩類：一類觀點認為，中國21世紀以來出臺的糧食價格支持政策，連年穩(wěn)步提高政策性收購價格，在促進糧食增產、保障糧食供給方面具有直接性和快速見效性優(yōu)勢，對保障國家糧食安全發(fā)揮了重大作用;另一類觀點則認為，價格支持政策對糧食產量增長、效率提升的作用并不顯著，且會損害生態(tài)環(huán)境質量，減弱國產糧國際競爭力和可持續(xù)發(fā)展力。學者們的研究視角與所處環(huán)境不同，導致結論分歧較大。本文以玉米臨時收儲政策為研究對象，在測算各省份玉米全要素生產率的基礎上，實證檢驗政策對玉米全要素生產率的影響，進一步揭示糧食生產中“價格支持—生產效率”的邏輯關系。

一、制度背景與機理分析

糧食價格支持政策是一些國家和地區(qū)調節(jié)糧食生產的通用手段。其基本原理是通過干預市場糧價，促成價格和產量在新的水平上達到均衡，實現糧食穩(wěn)產增產的目標。糧食總產量穩(wěn)定增長，亦可視作微觀層面農民種糧決策和行為調整的結果，很可能對糧食生產效率造成顯著影響。

（一）制度背景

國外較為典型的糧食價格支持政策有美國無追索權貸款、營銷援助貸款和反周期補貼，歐盟共同農業(yè)政策的糧食干預價格和目標價格，日本政府儲備大米的招標收購價格等。新中國成立以來，先后實施過統(tǒng)購計劃定價、合同定購價、收購保護價等政策。2004年，中央出臺《糧食流通管理條例》，在全面放開糧食購銷市場的同時，規(guī)定“當糧食供求發(fā)生重大變化……必要時可由國務院決定對短缺的重點糧食品種，在糧食主產區(qū)實行最低收購價格”。按照這一規(guī)定，中央從2004年起先后啟動了針對稻谷和小麥的最低收購價政策，執(zhí)行區(qū)域為相應品種的主產省份。此后，為解決其他重要糧食品種價格下跌和“賣難”問題，中央又于2007年起在東北產區(qū)（包括東北三省和內蒙古自治區(qū)），先后針對玉米和大豆實施了類似最低收購價政策的臨時收儲政策。最低收購價格和臨時收儲都是中央調控國內糧食生產和收購市場的重要措施，大致思路是，中央制定相應糧食品種的最低收購價（或臨時收儲價），在新糧上市后，如市場糧價持續(xù)低于最低收購價（或臨時收儲價），由中央政府委托相關國有糧企，在特定省份特定時段按最低收購價（或臨時收儲價）收購相應品種的糧食，從而打破“谷賤傷農”規(guī)律，保障糧食產量穩(wěn)定增長。

（二）機理分析

糧食價格支持政策影響糧食生產效率的第一種機制是預期效應。糧價支持能夠使農民對種糧收益形成穩(wěn)定預期。這種預期表現為市場風險大大降低，種糧收益主要與糧食總產量相關。糧食總產量取決于糧食播種面積和單位面積產量，即TP=Q×（TP/Q）。其中，TP表示糧食總產量;Q表示糧食播種面積;TP/Q表示土地產出率，即單位面積的糧食產量。在等式兩邊同時取對數可得lnTP=lnQ+ln（TP/Q），表明糧食總產量增長率大致等于糧食播種面積增長率與糧食單產增長率之和。在種糧利潤最大化目標指引下，農民存在擴大經營規(guī)?；蛟黾愚r資投入以實現快速增產的激勵。然而，現實中擴大經營規(guī)模往往面臨土地租金和勞動力成本剛性上漲以及家庭承包經營制度下土地碎片化的約束，難以達到最優(yōu)規(guī)模。加大農資投入雖然對單產上升的效應“立竿見影”，但投入品不合理增長容易引起配置效率低下及邊際效用遞減?？梢姡A期效應引致的一些快速增產措施可能帶來生產效率損失。

第二種機制是財富效應。作為一項“價補合一”的強農惠農手段，糧價支持政策能夠給農民帶來穩(wěn)定的收入，提升其財富水平，增強其后續(xù)生產投資能力，并改變其投資決策。傳統(tǒng)的糧食生產過程勞動強度較大，隨著財富的增長，農民對閑暇的需求更加迫切，對一些重農活環(huán)節(jié)傾向于用全程機械化替代。這種傾向雖然能夠減少勞動用工時間，但也可能引起不計成本地擴大機械作業(yè)投入，對生產效率的影響存在不確定性。當然，財富的增長也可能使農民更有能力運用技術進步成果對糧食品種、生產投入及田間管理等環(huán)節(jié)進行優(yōu)化，促進生產效率提升。

第三種機制是資源透支效應。糧食生產效率往往受制于自然資源稟賦條件。對特定糧食品種的價格支持，將帶來糧食品種間、糧食與經濟作物間比價關系扭曲，農民傾向于種植屬于政策支持范圍內的糧食品種，長此以往會造成耕地得不到合理輪作休養(yǎng)，土壤肥力下降。同時，過度刺激糧食生產，還會造成一些灘涂、沼澤地改糧田，自然濕地面積減少，生態(tài)功能退化，進而衍生土壤鹽漬化、地層下降等環(huán)境問題。資源透支會直接影響糧食產出水平，并間接倒逼農民不斷加大農資投入以維持產出相對穩(wěn)定，從而對糧食生產效率造成負向影響（見圖1）。

二、模型構建與數據說明

（一）模型構建

1.隨機前沿（SFA）模型

SFA模型的生產函數形式主要有柯布-道格拉斯（C-D）函數和超越對數（Translog）函數。規(guī)范方法是先使用Translog函數，在參數估計后作投入要素系數是否為0的似然比檢驗。若能夠拒絕投入要素系數為0的原假設，則使用Translog函數，反之則改用C-D函數。這里借鑒胡祎和張正河的做法，產出指標采用單位面積糧食產量，投入指標包括單位面積農業(yè)生產資料投入、勞動用工投入和租賃服務投入等三項。首先構建Translog函數如下：

式中，β、β、β……為待估計值;i為省份代碼，t為時間趨勢變量;Y為單位面積糧食產量（公斤）;K為單位面積農業(yè)生產資料投入（元），包括種子費、化肥費、農藥費等，并以各省份歷年農業(yè)生產資料價格指數剔除價格變動因素的影響，得出以2004年為基期的實際值;L為單位面積勞動用工數量（天）;S為單位面積租賃作業(yè)服務費用（元），包括機械作業(yè)費、排灌費和畜力費，并以各省份歷年農業(yè)生產服務價格指數剔除價格變動因素的影響，得出以2004年為基期的實際值;υ為隨機擾動項，服從正態(tài)分布;μ為技術無效率項，表示技術無效率對產出的影響，服從0特征的截尾正態(tài)分布。隨機擾動項與技術無效率項的差值ε=υ-μ為合成誤差項。

同時，構建三要素的C-D函數如下：

式中，4表示技術水平，λ、φ、?、為待估計值，其他變量含義同模型（1）。

2.雙重差分（DID）模型

自然實驗的研究方法需要選擇一個糧食品種，既有部分省份執(zhí)行了該實驗，又有其他省份未執(zhí)行;執(zhí)行省份既有一段時間執(zhí)行了該實驗，又有其他時間未執(zhí)行。中央針對稻谷、小麥、玉米及大豆實施了價格支持政策，其中稻谷和小麥在2004年以前實行的是收購保護價政策，2004年和2006年起分別實施最低收購價政策，價格支持政策空檔期過短，不是合意的自然實驗研究樣本。玉米則在2004?2006年無價格支持政策干預，2007年首次實施臨時收儲政策，至2015年退出，可作為研究樣本。玉米臨時收儲政策執(zhí)行省份是東北三省和內蒙古自治區(qū)，為處理組，其他有關省份未執(zhí)行，為對照組。

根據以上分析，設定DID模型如下：

lntfp=α+βyear×treat+ρX+σZ+ω+η+υ（3）

其中，i表示省份，t表示年份;lntfp表示i省份在t年的玉米全要素生產率;treat是處理組虛擬變量，若i省份屬于處理組，則treat=1，否則treat=0;year為時間虛擬變量，玉米臨時收儲政策的執(zhí)行時間為2007?2015年，初次實施時間是2007年東北玉米上市后，政策對玉米全要素生產率產生實質性影響的時間應當從2008年起，因而2004?2007年year=0，2008?2015年year=1;year×treat為政策效應變量，其系數β的顯著性、正負、大小是本文關注的重點，反映的是價格支持政策對玉米全要素生產率的影響程度和方向;ω和η分別控制了地區(qū)固定效應和年份固定效應;υ為隨機擾動項。

農業(yè)生產效率通常與農業(yè)基礎條件、技術進步及自然氣候因素緊密相關。為使實證結果更加穩(wěn)健，模型中加入了一系列可能影響玉米全要素生產率的省級特征向量X作為控制變量。省級特征向量中代表農業(yè)基礎條件和技術進步的指標包括有效灌溉率（ggl）、單位農機動力（jxl）、一產產值比（ycb）及玉米播種面積（lnarea）。其中，有效灌溉率為有效灌溉面積占總耕地面積比重，該變量的擴大，反映了農田質量的提高，可能影響糧食單產水平;單位農機動力為農機總動力與農作物總播種面積的比值，該變量反映機械化程度，能夠直接改變勞動用工數量和糧食單產水平，進而導致全要素生產率發(fā)生變化;一產產值比為地區(qū)生產總值中第一產業(yè)的占比，反映了當地產業(yè)結構層次，產業(yè)結構升級意味著工業(yè)化程度更高，可能引起玉米加工產品供給和需求擴大，對玉米生產構成一定影響;加人玉米播種面積，旨在控制主產區(qū)可能帶來的生產效率變化。由于玉米屬于春播作物，其生產更多受上年農田基礎建設影響，因而本文對有效灌溉率和單位農機動力數據作滯后一年處理。

省級特征向量還包含代表自然氣候因素的變量，有受災比（szb）、平均氣溫（lnwd）、總降水量（lnjsl）和總日照時數（lnrz）。根據李茂松等研究得出的自然災害對我國糧食產量波動影響最大的結論，本文選取各省份受災比（即受災面積占農作物總播種面積的比重），作為衡量各省份自然災害情況的指標。借鑒侯麟科等的觀點，氣候變化也是影響糧食產出水平的重要因素，特別是氣溫、降水和日照三項指標對主要糧食品種單產水平的影響顯著，但影響方向存在地域和品種差異，本文選取省會城市歷年的平均氣溫、總降水量和總日照時數作為衡量各省份氣候條件的指標。

農戶作為獨立的生產經營主體，利益最大化是其從事生產的根本動機，因而生產過程的投入決策可能受到當年農資價格影響，這里加入省級市場向量Z，主要包括化肥價格指數（p_fert）和種籽價格指數（p_seed）。需說明的是，農藥投入也是影響全要素生產率的重要變量，但其主要取決于當年病蟲害情況，價格彈性一般較低，因而控制變量中未單獨加入農藥價格指數。

（二）數據說明

相關數據來自歷年《全國農產品成本收益資料匯編》《中國統(tǒng)計年鑒》《中國農村統(tǒng)計年鑒》?；诮y(tǒng)計數據的可獲得性和連續(xù)性，玉米主產省份只包括河北、山西、內蒙古等20個?。▍^(qū)、市），對于缺少的廣西壯族自治區(qū)2007年玉米成本收益數據，考慮到相鄰年度之間數據差異有限，本文采用Lagrange插值法以廣西壯族自治區(qū)2006年和2008年玉米數據的平均值進行插值，補齊省級面板數據。

對玉米主產省份的選擇主要基于三方面考慮：一是玉米播種面積和產量，本文所選20個省份2016年玉米播種面積為3577萬公頃，占全國總播種面積的97.28%，玉米產量為21 436萬噸，占全國總產量的97.64%;二是按現有文獻的研究慣例，不少研究在測算我國玉米生產效率時也選取了與本文相同的20個省份;三是數據的可得性，本文測算玉米全要素生產率的數據主要源自《全國農產品成本收益資料匯編》，該資料歷年針對玉米僅保持以上20個省份單位面積投入產出數據的詳細統(tǒng)計，是其他農業(yè)統(tǒng)計資料未涉及的。

三、玉米全要素生產率的測算與分析

（一）SFA生產函數設定

本文采用Frontier4.1軟件對SFA模型進行估計。表1參數估計結果顯示，模型（1）、（2）兩種生產函數的技術無效率項γ均在1%的顯著性水平上通過了t檢驗，且γ的值在0.9左右，表明合成誤差主要來源于技術效率損失，隨機誤差只占合成誤差的10%左右。從Translog函數的估計結果看，lnL、lnK和lnS的系數估計值均未通過t檢驗，說明Translog函數解釋力不足。反之，C-D函數的全部系數都通過了t檢驗，除lnL在10%統(tǒng)計水平上顯著外，其余均在1%統(tǒng)計水平上顯著?？梢姡琒FA的生產函數設定為C-D形式更為合理。

（二）測算結果描述性統(tǒng)計分析

在測算出C-D函數各變量的系數估計值后，運用“索洛殘差法”，可計算出各省份不同年份的玉米全要素生產率水平值。限于篇幅，表2（下頁）僅列出各省份全要素生產率（對數形式）的描述性統(tǒng)計結果。

基于考察玉米臨時收儲政策效應的需要，本文根據各省份是否實施了臨時收儲政策以及政策產生實質影響的時間，將20個省份劃分為處理組和對照組，并按時間分為2008年以前和2008年及以后兩個階段。表3（下頁）描述了兩個組兩個階段玉米全要素生產率的變化情況?？梢钥吹?，臨時收儲政策實施后，處理組玉米全要素生產率均值提升了0.66%，對照組玉米全要素生產率均值提升了4.43%。一個重要的現象是，實施了臨時收儲政策的處理組，其玉米全要素生產率均值的增幅明顯低于對照組。這意味著，臨時收儲政策的實施可能一定程度抑制了玉米全要素生產率的提升。

四、政策效應實證結果與分析

（一）平行趨勢與預期效應檢驗

本文使用stata13.1計量軟件完成DID相關實證檢驗。按照一般規(guī)定，進行DID估計之前，需對處理組樣本與對照組樣本的全要素生產率進行平行趨勢檢驗，即檢驗政策效應是否由處理組與對照組樣本在政策實施之前存在的差異變動所導致。假定處理組與對照組在政策實施之前具有不同的變動趨勢，采用DID模型

（3）進行平行趨勢檢驗，但數據僅保留玉米臨時收儲政策產生實質影響（即2008年）以前的樣本，故得到以2004年為基期的2005年、2006年、2007年政策效應變量（year×treat）的估計系數。表4（下頁）列（1）、（2）估計結果顯示，處理組與對照組的玉米全要素生產率在臨時收儲政策實施之前不存在隨年份的差異變動，符合平行趨勢假定。

此外，為確保臨時收儲政策調整的隨機性，本文針對各省份在2007年之前是否對臨時收儲政策的實施具有預期效應進行檢驗。事實上，在中央出臺稻谷和小麥最低收購價政策后，盡管不少地方要求擴大最低收購價政策的品種范圍，但一直未獲得批準。此后中央于2007年在東北產區(qū)下達的玉米臨時收儲計劃，具有一定的不可預期性。本文對2007年政策實施前的樣本進行“安慰劑檢驗”，分別以2004年、2005年、2006年作為臨時收儲政策出臺年份，對模型進行估計，如果相應政策效應變量（treat×post）的估計系數顯著，則說明在政策實施前存在預期效應。表4列（3）?（5）檢驗結果表明，玉米臨時收儲政策出臺前并不存在顯著的預期效應。

（二）DID檢驗結果分析

首先對模型（3）進行簡單的DID檢驗，在僅控制地區(qū)固定效應、年份固定效應和穩(wěn)健標準誤的前提下，表5（下頁）列（6）顯示，東北產區(qū)玉米臨時收儲政策的實施，直接導致這些省份玉米全要素生產率下降3.77%，且在5%統(tǒng)計水平上顯著。增加有效灌溉率、單位農機動力、受災面積比等省級特征向量后，列（7）回歸結果表明，臨時收儲政策因素對玉米全要素生產率構成的負向效應擴大至6.66%，且通過了1%統(tǒng)計水平的顯著性檢驗。控制變量中進一步加入化肥價格指數和種籽價格指數等省級市場向量，列（8）的政策效應估計結果變?yōu)?6.32%，并通過了5%統(tǒng)計水平的顯著性檢驗。以上結果說明，玉米臨時收儲政策的實施，造成了東北產區(qū)玉米生產效率的損失，不利于促進玉米生產轉入集約型發(fā)展路徑，一定程度弱化了玉米可持續(xù)發(fā)展能力。

為了排除存在其他影響因素而非臨時收儲政策導致東北產區(qū)玉米全要素生產率下降的可能，從而增強主回歸估計結果的穩(wěn)健性，這里同樣采用“安慰劑檢驗”的方法，假設存在其他因素，于2009年或2010年起對東北產區(qū)玉米全要素生產率構成影響。定義政策交互項：year×treat和year×treat_i分別表示2009年（year在2004?2008年取值0，2009年及以后取值為1）、2010年（year在2004?2009年取值0，2010年及以后取值為1）發(fā)生了其他事件導致玉米全要素生產率下降，實證回歸結果如列（9）、（10）所示，政策交互項均不顯著，說明東北產區(qū)玉米全要素生產率下降并非其他事件所引起。于是，本文認為確實是2007年起實施的玉米臨時收儲政策抑制了處理組玉米全要素生產率的上升。

對于主要控制變量對玉米全要素生產率的影響，這里簡要總結如下：

第一，提高有效灌溉率，至少未帶來玉米全要素生產率上升。雖然我國過去十多年間耕地有效灌溉面積增長較快，但囿于相對落后的灌溉方式，農田灌溉水有效利用系數不高，遠低于典型發(fā)達國家。在人均淡水資源緊缺和用水效率低的情形下快速擴大灌溉面積，難免加劇“田多水缺”矛盾，對玉米全要素生產率造成不利影響。

第二，單位農機動力的提升，對玉米全要素生產率的促進效應并不明顯?？赡茉蚴菄鴥绒r機制造業(yè)存在明顯的結構性短板，品種和地形適應性不強，表現為玉米、水稻及經濟作物領域的農機制造水平明顯較低，適應丘陵、山區(qū)地形地貌的農機裝備發(fā)展滯后，效率不高。

第三，受災比和總降水量對玉米全要素生產率存在一負一正的顯著影響，平均氣溫和總日照時數的影響則不明顯。自然災害通常會造成農作物減產，生產效率下降。由于玉米主產省份大多位于北方地區(qū)，旱田、陡坡田較多，水資源相對緊缺，降水量的增加對玉米全要素生產率的影響尤為突出。這也說明我國玉米“靠天收”狀況尚未根本扭轉。

第四，化肥與種籽價格指數對玉米全要素生產率的影響均不顯著。反映出糧食價格與農資價格的比價關系失衡，農民種糧投入決策對農資市場價格的反應不靈敏，成本約束意識淡化，市場機制功能未得到有效發(fā)揮。

（三）影響渠道分析

農業(yè)全要素生產率一般與生產投入力度、自然資源稟賦及技術進步存在較強的關聯性，東北產區(qū)實施的玉米臨時收儲政策，究竟通過哪些渠道對玉米全要素生產率構成了負向影響呢？本文首先選取玉米單位面積產量（lnyield）作為因變量，檢驗政策實施對玉米單產水平的直接影響。其次，由于現代農業(yè)中勞動力成本和機械作業(yè)費用占總投入的比重較大，本文選取每畝勞動用工天數（lnL）和機械作業(yè)費（lnmecha，扣除漲價因素后）作為衡量玉米生產投入力度的指標，檢驗政策作用下生產投入對玉米全要素生產率的影響。最后，采用每畝化肥折純用量（lnfert）和種子用量（lnseed）指標，分析政策作用下耕地資源狀況和技術進步對玉米全要素生產率的影響。

1.單產水平影響

表6列（11）中，政策效應變量對玉米單位面積產量的回歸系數為-6.82%，且在1%統(tǒng)計水平上顯著。這說明在政策作用下處理組玉米單產水平出現下降。本文認為，東北三省和內蒙古自治區(qū)受臨時收儲政策帶來的預期效應影響，玉米生產規(guī)模急劇擴張，2015年播種面積相比2004年增長84.9%，高出同期全國總面積增幅35.1個百分點，但這些急劇擴張的產能，相當部分是以扭曲種植結構，侵占林地、草地、濕地為代價換取的，具有不可持續(xù)性。具體而言，同一塊耕地連年種植玉米，得不到合理輪作或休養(yǎng)生息，一些劣質土地也被開墾出來用于玉米生產，造成耕地整體質量下降，農業(yè)資源透支問題突出，勢必引起土地產出率下降。

2.勞動力投入影響

列（12）的回歸結果表明，自玉米臨時收儲政策實施以來，政策與勞動用工天數的交互項系數為-4.25%，且在1%的水平上顯著。受農業(yè)機械化和技術進步因素影響，過去十多年間各省份畝均勞動用工天數都在下降，而勞動力投入產生負效應，意味著在政策作用下，東北產區(qū)勞動用工時間減幅偏小導致了玉米全要素生產率相對下降。其原因與近些年東北產區(qū)出現的優(yōu)質勞動力資源流失和人口老齡化問題有關。伴隨我國區(qū)域間發(fā)展差距拉大，東北農村大量優(yōu)質勞動力向南方和沿海發(fā)達城市轉移，留守人口以中老年人為主。玉米臨時收儲政策雖然提高了農民種糧積極性，但農村現有勞動力質量決定了勞動生產率難有明顯提升，從而導致玉米全要素生產率與用工投入量呈現反向變化。

3.機械投入影響

列（13）中回歸結果顯示，政策與機械作業(yè)費的交互項系數顯著為負，表明政策的財富效應雖導致農民增加租賃機械作業(yè)投入，但未能改善玉米全要素生產率。產生負效應的可能原因是，國內玉米農機制造發(fā)展相對滯后，玉米生產中機械作業(yè)與勞動力之間存在先互補后過渡至替代的關系，因而出現了機械投入增長過快與用工天數下降緩慢并存的現象，玉米機械作業(yè)要實現對勞動力的完全替代仍需一個累積過程。從另一視角也說明機械化水平對玉米全要素生產率的影響存在“門檻效應”，農機制造業(yè)尚處于需要“補課”的階段。

4.化肥投入影響

列（14）驗證了畝均化肥投入量是否是政策發(fā)生作用的一個原因。通過實證結果可以發(fā)現，政策與化肥折純用量的交互項系數顯著且為負，每增加1個百分點的化肥折純用量，將導致玉米全要素生產率降低1.98個百分點?？紤]到東北產區(qū)2015年玉米畝均化肥折純用量相比2004年增長51.7%，高于同期全國平均增幅22.5個百分點，本文認為，東北產區(qū)增施化肥帶來效率損失，說明化肥用量可能已超出合理范圍并產生邊際效用遞減、有效利用率低下的問題，內在原因是臨時收儲政策刺激玉米生產，農民增加化肥投入的積極性更高。同時，連續(xù)增產導致土壤肥力不足、耕地質量下降，又進一步固化了農民“高投入、高產出”的經營模式。進一步分析，化肥用量與全要素生產率反向變化，也說明政策影響下生產者依靠技術進步改善生產投入結構的動力不足。

5.種子投入影響

列（15）檢驗了種子投入是否是政策導致玉米全要素生產率下降的可能因素。檢驗結果中政策與種子用量交互項的系數為負，并在1%水平上顯著，表明增加種子用量不但未提高玉米全要素生產率，反而產生抑制效應。這說明東北產區(qū)增加玉米種子用量是政策降低玉米全要素生產率的可能原因，從而反向證明了其高效品種和方法更新速度偏慢，技術進步效應弱化，政策的財富效應對玉米全要素生產率的促進作用并不明顯。

五、結論與政策建議

本文運用“SFA+索洛殘差法”測算出我國20個主產省份2004?2015年玉米全要素生產率水平值，然后通過DID方法檢驗中央在東北產區(qū)實施的玉米臨時收儲政策對玉米全要素生產率的影響。結論如下：2004?2015年，我國主產省份玉米全要素生產率整體呈上升趨勢;2007年起實行的玉米臨時收儲導致政策實施省份玉米全要素生產率下降6.32%，一定程度上弱化了玉米可持續(xù)發(fā)展能力;政策形成抑制效應的主要渠道是其所帶來的增產激勵，導致玉米生產中化肥、種子、機械服務等要素過量使用、農業(yè)資源透支以及技術進步效應弱化。

鑒于以上結論，提出如下政策建議：

第一，推進糧價市場化改革。價格支持政策的實質是扭曲價格機制以實現糧食短期快速增產，但這種做法也會阻礙市場機制功能的正常發(fā)揮，改變農民生產決策，造成糧食生產效率損失。雖然中央已于2016年起將玉米臨時收儲政策調整為“市場化收購+生產者補貼”制度，政府不再直接干預玉米市場價格，只在價格過低時向生產者發(fā)放收入補貼，但在實施過程中應科學制定補貼發(fā)放方式，合理把握補貼力度，不斷強化農民種糧的效率意識，引導玉米經營模式向集約型轉變。同時，針對稻谷和小麥的最低收購價政策仍在延續(xù)，應當使最低收購價起到成本托底功效，保證種糧總產值位于成本線以上，確保農民種糧不虧損，并還原市場決定糧價的機制，分離原本暗含于最低收購價中的保利潤功能，通過糧食提質節(jié)本增效和發(fā)放生產者補貼實現獲利。推進糧價市場化改革，還應從創(chuàng)新糧食流通體制機制和強化政府監(jiān)管等方面發(fā)力，加強糧食市場交易制度建設，規(guī)范糧食購銷行為，使購銷雙方根據糧食供需和品質議定價格，進而引導農民根據市場糧價和綜合成本情況調整生產決策。

第二，改進農業(yè)支持方式。價格支持政策過于強調糧食增產，保障總量安全，卻造成了糧食生產效率低和總量階段性過剩。未來政府對農業(yè)的支持方式，應由單一的需求側價格激勵轉為供給側多元化支持。一是堅定實施“藏糧于地”“藏糧于技”戰(zhàn)略，優(yōu)先在地下水漏斗區(qū)、重金屬污染區(qū)、生態(tài)嚴重退化區(qū)開展休耕輪作，繼續(xù)開展化肥農藥減量增效行動，探索推廣用地養(yǎng)地新模式，通過修復、改進耕地資源條件的途徑，增強潛在的糧食綜合生產能力。二是實施農業(yè)創(chuàng)新創(chuàng)業(yè)補貼優(yōu)惠政策，引導更多優(yōu)秀人才向農業(yè)領域集聚，為農業(yè)發(fā)展注人新動力，同時應廣泛開展農業(yè)生產技能培訓，大力推廣新型作物品種和先進實用技術，依托農村勞動力質量改善和農業(yè)技術進步實現農業(yè)生產效率提升。三是以補短板、降成本為方向，深化農機農藝融合，找準農機制造技術研發(fā)與推廣中存在的作物、地形及作業(yè)環(huán)節(jié)弱項，優(yōu)先支持發(fā)展，推動機械作業(yè)對手工勞動進一步替代，切實降低生產成本。

參考文獻

[1]丁聲俊.正確認識、評價和改進糧食“托市收購”政策[J].價格理論與實踐，2013（10）：11-15.

[2]李光泗，王莉，劉夢醒.糧食價格支持與農業(yè)生產反應——基于小麥數據的實證分析[J].江蘇師范大學學報（哲學社會科學版），2017（6）：126-132.

[3]葉興慶.演進軌跡、困境擺脫與轉變我國農業(yè)發(fā)展方式的政策選擇[J].改革，2016（6）：22-39.

[4]胡祎，張正河.農機服務對小麥生產技術效率有影響嗎？[J].中國農村經濟，2018（5）：68-83.

[5]馮穎，姚順波，郭亞軍.基于面板數據的有效灌溉對中國糧食單產的影響[J].資源科學，2012（9）：1734-1740.

[6]李茂松，李章成，王道龍，等.50年來我國自然災害變化對糧食產量的影響[J].自然災害學報，2005（2）：55—60.

[7]侯麟科，仇煥廣，汪陽潔，等.氣候變化對我國農業(yè)生產的影響——基于多投入多產出生產函數的分析[J].農業(yè)技術經濟，2015（3）：4-14.

[8]周宗安，宿偉健.生態(tài)經濟區(qū)對農業(yè)生產效率的影響：由黃河三角洲引申[J].改革，2017（2）：137-145.