鄉村振興視閾下農業高質量發展的財政支持政策選擇

■張維剛 歐陽建勇

鄉村振興關鍵在于產業振興，農業是鄉村最大的產業，較高的農業生產率是農業產業振興的基礎和保障。我國農業全要素生產率提升的推動因素主要為技術進步效率，但近些年技術進步效率增速呈下降趨勢，規模效率和配置效率也有所退步，公共財政支持政策已成為世界各國促進農業全要素生產率提升、確保農業高質量發展的主要工具和手段。從財政支農支出總量、時期和區域效應來看，財政支農政策效應具有顯著的差異性，對農業全要素生產率的提升效果顯著，但需要明確支持重點、優化支持結構。為提高財政支農支出效率，要逐步加大糧食主產區工業化成果向農業轉化和應用、農業基礎設施建設、農民職業培訓等方面的財政投入力度，不斷提高農業科技水平、農民職業技能，適度擴大農地經營規模，完善農業基礎設施，推動農業向縱深發展，實現農業一二三產業有機融合，可確保農業高質量發展。

一、引言

沒有農業產業振興，鄉村振興就缺乏內在的動力和可持續發展的能力，這是我國農業發展的痛點，也是鄉村振興的難點。以農業供給側結構性改革為主線，推動農業高質量發展，是農業產業振興的關鍵。2019年“兩會”期間，習近平總書記強調“要扛穩糧食安全這個重任”，把確保重要農產品特別是糧食供給，作為實施鄉村振興戰略的首要任務。農業高質量發展要有效協調穩定與發展的關系，圍繞優化農業資源配置，使供給與市場需求更加契合，形成產出高效、產品安全、資源節約、環境友好的農業供給體系，提高農業經濟效益和競爭力，而提高農業全要素生產率是實現糧食穩產、高產和農業高質量發展的基礎和關鍵。公共財政理論認為財政支農政策主要是通過農業人力資本投入、基礎設施建設和技術進步，達到改善農業生產的核心要素，從而提升農業生產率。從國際經驗來看，公共財政支持政策已成為世界各國促進農民增收、農業生產率提高、農業高質量發展的主要工具和手段，財政支農支出占農業總產值的比重最高達到45%，釋放出長期較好的促進效應［1］。為確保國家糧食安全和農業高質量發展，我國自2003年以來，逐步實施了農業稅減免至取消、糧食直補、農機補貼等惠農政策，財政支農力度逐年增加，2019年財政支農支出絕對額已達22420.11億元，占農業GDP的比重已經達到31.82%。2007年以來，財政支農支出占財政支出的比重先上升后下降，最高為2016年的9.90%，近年來有所下降，2019年為9.39%；財政支農增長率在三農新政實施后，呈現高速增長，最高年份高達47.9%，后期逐漸趨于平緩；財政支農支出的邊際傾向呈現波動趨勢，最高年份高達13.31%，最低年份為3.27%；財政支農支出彈性自2012年突破1以后，呈現逐年增加趨勢，平均為1.16。①

國內外學者針對如何提高糧食產量問題展開長期深入研究，普遍認為財政支持對農業高質量發展和國家糧食安全來說至關重要，針對財政支持對農業生產率影響的研究成果較為豐富，整體研究結果表明財政支持可以有效促進農業生產率的提升。從總體效應來看，財政支農支出明顯促進農業的發展［2-4］，有效提高了農業經營收入［5-8］，與其他要素相比財政支農支出的平均貢獻率占重要地位［9-10］；從財政支出層級、區域、結構等方面來看，省區財政支農支出［11］、縣鄉政府財政支農［12］的支出效率都比較好，土地生產率對單位面積土地上財政支農支出的彈性相比糧食主產區好于非糧食主產區［13］，農業基本建設支出、農業科技支出等對農業生產率都有顯著的影響，貢獻最大的是農業科技投入［14-16］，財政支農支出結構是制約農業產出增長率的關鍵因素，加大農業基礎設施投資，可以有效提高農業生產率［17］，我國財政支農支出還存在支出結構不合理、支出比重較低、績效低下［18-19］等問題，同時財政支農支出效應有一定的滯后性，但存在著長期的均衡增長關系［20］，地區綜合效率差距較大［21］。當前研究財政支農政策對農業生產率的影響多集中在土地生產率和人均生產率方面，本文以農業全要素生產率(TFP)為研究對象，探析財政支農政策的總體、時期和區域效應，為明確財政支農重點和優化財政支農結構提供有益參考，以確保農業高質量發展。下文首先利用DEA-Malmquist測算1997—2015年我國大陸地區除西藏以外的30個省份農業全要素生產率的變動值，然后結合財政支農支出等指標構建面板回歸模型進行效應檢驗。

二、農業全要素生產率測算

全要素生產率（TotalFactorProductivity）是宏觀經濟學的重要概念，用來識別經濟是投入型增長還是效率型增長，分析體制（體制機制因素）、效率（各要素配置效率和規模效應）以及技術進步對經濟增長的貢獻［22］。2015年12月全國農村工作會議中首次提出實施農業供給側結構性改革，積極推進規模經營創新、農村集體產權制度改革、農村金融保險創新、構建現代農業科技創新推廣體系和種植業轉型升級，這些政策手段本質上都屬于提高農業全要素生產率的方式。為更好地分析財政支農政策效應，本文在已有研究的基礎上對農業全要素生產率進行測算和分析。

（一）模型選擇

測度農業TFP的方法包括參數方法和非參數方法，其中，非參數方法又分為數據包絡分析法(DEA)和自由處置殼法（FDH）。結合農業TFP測算的相關文獻，本文參照李文華使用非參數DEA模型的Malmquist效率指數方法測算農業TFP［22］。

基于t期技術Tt為參照，從產出角度得出Malmquist指數為：

同理，以t+1期技術Tt+1為參照，得到Malmquist指數為：

為避免時期選擇的隨意性所造成的差異，選用兩者的幾何平均數來度量從t時期到t+1時期農業生產率變化的Malmquist指數：

式中，xt,xt+1為t時期、t+1時期的投入向量，yt,yt+1為t時期、t+1時期的產出向量；是以t期技術Tt為參照，t時期與t+1時期的距離函數。

由此，在規模報酬不變的前提下，再將經過上述處理后所得到的Malmquist指數細分為綜合技術效率指數（EFFCH）和技術進步效率指數（TECH）。具體步驟如下：

為進一步分析需要，將EFFCH細分為規模效率指數（SECH）和純技術效率指數（PECH）,通過變形轉換得到下式：

式中，EFFCH為綜合技術效率，等于純技術效率和規模效率的乘積，PECH為純技術效率，SECH為規模效率，TECH為技術進步效率。

（二）指標設計及數據來源

本文投入指標包括農業機械總動力、種植業從業人員數量、化肥施用量和農作物播種面積等，產出指標為農業總產值。其中，種植業勞動力數據較難分離，本文用第一產業從業人員替代；農業產出變量以1997年為基期轉化為不變價農業總產值，不包括林業、牧業、漁業和其他副業的農業增加值，僅指種植業總產值。由于2015年后一些省份第一產業從業人員的統計數據未能搜集齊全，樣本包含我國大陸地區除西藏以外的30個省份1997—2015年相關數據，相關數據主要來源于《中國統計年鑒》，部分數據來源于《中國農業統計年鑒》及相關年份的《地方統計年鑒》。

（三）農業TFP的動態分析

本文利用30個省份的統計數據，依托DEAP2.1，計算各省份1998—2015年期間逐年的Malmquist指數及分解，最終得到農業生產率整體Malmquist指數及分解。樣本期（1998—2015年）根據宏觀經濟政策實施階段分為三個時期：1998—2003年實施積極財政政策以應對東南亞金融危機；2004—2008年采取的穩健性財政政策來抑制投資過熱；2009—2015年實施的又一輪積極財政政策來緩解美國次貸危機對我國經濟的沖擊。結果詳見表1、2和3。

表1 農業TFP指數及其時期變化

第一，農業TFP指數總體解析。如表1所示，農業TFP整體呈現改善趨勢，表現出一定的波動性，2004年前呈下降趨勢，之后上升直到2010年達到峰值，之后又有所下降，年均增長率為2.9%。其中，技術效率以年平均3.4%的速度下降，技術進步效率以年均6.5%的速度增長，進一步分析可得，技術效率的下降源于規模效率、純技術效率以-1.9%、-1.6%的速度下降。可見,在技術效率逐漸退化的狀況下，我國農業TFP還能保持增長，最主要的因素是技術進步效率的促進功能，技術進步效率與農業TFP變化趨勢類似。

從1998—2003年的數據來看，農業TFP呈現惡化趨勢，以年均2.7%的速度下降。具體可以分成兩個階段，即2000年之前技術效率上升，但由于技術進步效率下降，導致農業TFP呈現下降趨勢；2000年后，技術進步效率呈現快速增長，而技術效率卻快速下降，2003年技術進步效率增速高達13.4%，而技術效率降速達到14.9%。可見，1998—2003年農業TFP下降在兩個階段原因不同。2003年前農業發展面臨國內國際雙重壓力，從1998年開始，在減糧增效的農業結構調整背景下，

農業經營收益逐年下降，以及國內農業稅帶來的農業經營成本較高，加之國際糧食競爭壓力增大，導致糧食產量逐年下降。

表2 1998—2015年各省份Malmquist農業生產率指數及分解

從2004—2008年的農業TFP變動趨勢來看，由于農業新政的實施，財政支農支出的增加，有效改善了農業生產外部條件，農業TFP改善效果明顯，雖然技術效率在下降，但技術進步效率以9.2%的高速度增加，從而導致農業TFP以年均5.9%的速度增長。可見，2003年“三農新政”的實施對農業TFP提升的效應顯著，農業TFP持續增加。

從2009—2015年的數據來看，農業TFP年均增長率為5.8%，這一時期技術效率以-2.6%的速度逐年惡化，但技術進步效率以8.7%的速度逐年增加，可見這一時期的農業TFP的上升也主要由技術效率引起。由于2008年美國金融危機對全球經濟帶來的影響，世界各國加大了對本國經濟的支持力度，對農業的支持也相應增加，農業科研支持力度的提升，顯著提高了農業科技水平，致使2009、2010年技術進步效率分別以13.7%、15.7%的速度增長，促進農業TFP快速增長，但農業TFP的增速從2010年開始逐年下降主要源于技術進步效率逐年下降。

第二，區域農業TFP指數及其變動解析。糧食主產區對確保國家糧食安全有著決定性的作用，糧食主產區糧食穩產、高產是農業供給側結構性改革的重點內容之一，但從農業TFP的區域測算結果來看，我國糧食主產區明顯存在“大而不強、勢而不優”的現象，農業TFP增速非糧食主產區明顯好于糧食主產區。

一是從糧食產區②劃分總體來看，糧食主產區農業TFP增速低于非糧食主產區。從表2我們可以看出，1998—2015年間農業TFP高于全國平均增速的12個省份中，非糧食主產區有8個，糧食主產區只有4個；糧食主產區和非糧食主產區農業TFP年均增幅分別為2.4%、3.3%；糧食主產區的技術效率下降速度快于非糧食主產區，分別為-3.8%、-3.1%；技術進步效率非糧食主產區快于糧食主產區，分別為6.6%、6.4%。由此可見，農業TFP增速產區間差異較為明顯。

表3 糧食產區Malmquist生產率指數及分解

二是從糧食產區劃分的時期來看，糧食主產區在三個時期的農業TFP增速低于非糧食主產區（見表3），糧食主產區由-2.6%上升到5.4%再到5.5%，非糧食主產區由-1.3%上升到7.4%再下降到6.3%。可見，非糧食主產區增長速度明顯快于主產區。

此外，從農業TFP的構成變化來看，技術進步效率呈上升趨勢，規模效率和配置效率都有所下降，可見農業TFP增長的力量源泉是技術進步效率，技術效率還有很大的改善空間。［23］

三、財政支農支出對農業全要素生產率影響分析

農業面臨自然和市場雙重風險，具有基礎性、公共性等特征，自身積累不足，是世界各國政府支持的重點領域。公共財政理論認為財政支農政策主要是通過農業人力資本投入、基礎設施建設和技術進步，達到改善農業生產的核心要素，從而提升農業生產率。農業全要素生產率的影響因素眾多，具體包括制度性因素、工業化進程、城鎮化水平、人力資本水平、農業經營規模等［3］，為全面深入分析財政支農支出這一制度性因素對農業全要素生產率的影響，我們需要綜合考慮多種因素，從總體、時期、區域視角加以分析，探析政策效應的差異性，為財政支農政策調整和優化提供數理支撐。

（一）模型構建和指標說明

選取制度性因素（ex）為解釋變量，工業化進程（ip）、城鎮化水平（ur）、人力資本水平（eduy）和農業經營規模（mc）為控制變量針對財政支農支出對農業TFP變動情況進行分析，同時進行分區域和分時期檢驗。利用面板數據，構建影響我國農業TFP的分析模型，模型如下式：

農業TFP用其變動率表示，由于變動率為相較于前一年度的增長率，為消除這種環比統計對計量結果的影響，本文以1997年為基期，用其余各年相對于1997年的增長幅度來表示。

制度性因素涉及面較為廣泛，也是世界各國對農業支持的主要方面，最終以財政支農支出來對各種政策予以綜合反映，因此制度性因素采用財政支農支出與財政總支出的比重來衡量。財政支農支出有效促進農業生產條件的改善，對農業TFP的提升有促進作用，預計估計系數為正。

工業化進程為地區工業產值與地區GDP的比值。工業化水平是衡量地區經濟發展水平的重要依據，也可以反映工農之間的聯系，工業化水平決定工業成果向農業轉化的水平，因而有必要分析工業化對農業TFP的影響。工業發展成果向農業生產領域轉化，可以深化農業產業鏈條，實現一二產業融合發展，提高農業機械化和科技水平，預計估計系數為正。

城鎮化水平為城鎮人口占地區總人口的比值。城鎮化的快速發展導致大量的農業人口非農化轉移，這其中尤其以具有一定的文化水平的農民最為明顯。這種人口流動方式大大減弱了農業發展的動力，導致農業從業者整體文化水平下降，剩下的農業從業人員多為老弱病殘，老人農業帶來的農業經營模式不符合農業現代化發展的需要，對農業生產率必將產生負面影響，預計估計系數為負。

人力資本水平以農村人口平均受教育年限表示。農民受教育水平對農業生產率的影響主要體現在兩個方面：短期來看，會導致大量農民非農化，流入工業和服務業，導致農村空心化和農民高齡化等問題，影響農業發展；長期來看，隨著農業發展環境的改善，特別是農村公共基礎設施建設水平的提升，也會留住農業中堅力量，甚至吸引一批愛農業、善經營、懂管理的新型職業農民來發展現代農業，從而加速農業的發展，預計估計系數為正。

農業經營規模以農業從業者人均農作物播種面積來表示。改革開放初期的土地大包干制度極大地提升農民種地的積極性，對農業生產效率提升效果顯著，有效解決了溫飽問題，但并沒有讓農民富起來，細碎化的農地導致目前農地流轉不暢，農業經營規模較小，嚴重阻礙了農業機械化進程，從而影響農業現代化的發展步伐，預計估計系數為正。

（二）數據來源及描述性統計

原始數據主要來源于歷年《中國統計年鑒》，其中，部分數據，如第一產業從業人數，從《中國農村統計年鑒》和地方統計年鑒中獲得。制度性因素、工業化進程、城鎮化水平、農業經營規模等可以通過統計數據簡單計算所得。農民人均受教育年限的處理過程采用舒爾茨教育年限的測量方法，把每一階段受教育人數乘以受教育年限，再乘以采用經過不同地區經濟數據測算為基礎的不同學歷水平對勞動生產率的影響為權重，把各階段的計算結果進行加總。［24］變量描述性統計見表4，相關指標的差異性比較明顯，比如，城鎮化率最大值是最小值的6倍多，這為實證分析和統計檢驗提供必要的數據基礎。

（三）實證分析

表4 變量描述性統計

1.總體效應。實證檢驗在整個樣本期內（1998—2015年）財政支農支出對農業TFP的影響，根據我國省際面板數據對式（6）進行估計，模型回歸結果如表5所示。

表5 樣本整體模型回歸結果

模型1-5主要利用逐步回歸法得到解釋變量的不同組合對被解釋變量的回歸結果。其中，模型1報告財政支農支出對農業TFP的影響。模型2-5分別報告了不斷加入控制變量后財政支農支出對農業TFP的影響。從模型的R2值和F統計量我們可以看出，所有模型均通過聯合顯著性檢驗，通過Hausman檢驗結果來選擇相應的模型。為得到穩健的統計結果，使用估計的聚類穩健標準誤來進行回歸檢驗，從而消除截面異方差問題。

結合模型5對模型回歸結果的經濟含義分析。財政支農支出（ex）對農業TFP具有顯著的正向促進作用。從所有的模型回歸結果我們可以看出，我國財政支農支出增加顯著促進農業TFP的增長。財政支農支出增加改善了農業生產的外部條件，從而有效促進農業科技、農民受教育水平等增長，從而促進農業TFP的提升，與預估一致。工業化進程（ip）對農業TFP具有一定的抑制作用。工業化發展過程中，工業化成果向農業領域轉移并廣泛應用，大大提升了農業科技含量，農業一二三產融合系數明顯提高，進而促進農業生產率的提高。與此同時，大量農村青壯年勞動力流入工業、城鎮，導致“空心村”“老年農”以及農業兼業化現象嚴重，“老人農業”對農業TFP的提升無益，農業兼業化使得耕地粗放經營，不僅阻礙土地規模化種植，還降低了農業生產效率。從回歸結果來看，顯然后面的效應大于前面，與預估正好相反。農民受教育水平（eduy）對農業TFP具有顯著的正向促進作用。農民受教育水平對農業TFP的影響較大，在所列示的影響因素中排名第一。農業技術應用、科學合理種田以及農業精深加工發展都需要有知識的農民，隨著農民受教育水平的增加，農民職業技能有效提升，從而顯著促進農業TFP的提升，與預估一致。經營規模（mc）、城鎮化率（ur）對農業TFP的影響不顯著。經營規模不顯著的原因可能在于當前我國農業仍然處于小農生產階段，尚未形成集約化和規模化經營模式，農業規模效率還有很大的提升空間；城鎮化率不顯著的原因可能在于隨著城鎮化水平的提高，加速農業勞動力非農化，初期會影響農業生產率，但也加速了土地流轉進程，有利于農業機械化水平的提高，使較少的勞動力就可以完成農業生產經營，從而部分抵消勞動力流失的影響。［25］

2.時期效應。采用面板數據模型分析各時間段的財政支農支出促進農業TFP調整的效應，估計結果見表6，逐個增加控制變量的結果文中沒有列出。從模型的R2值和F/W統計量來看，模型均通過聯合顯著性檢驗。Hausman檢驗結果表明2009—2015年這一時間段應采用隨機效應模型。

財政支農支出（ex）對農業TFP具有顯著的促進作用，并且2003年后更加顯著。其中，2004—2008年效應最為顯著，原因主要在于從2003年開始國家加大對農業的支持力度，一系列的支農惠農政策對農業生產的促進作用較為明顯，受到2008年美國金融危機的影響，財政支農支出對農業TFP影響的顯著性比前一階段有所下降，但總體還是呈現正向促進作用，農業技術水平取得較大的進步，從而使農業產值逐年上升，有效促進農業TFP提升。工業化進程（ip）對農業TFP的影響在2003年前具有顯著的抑制作用，2003年后效應不顯著。2003年前的工業化發展過程中，隨著農業經營收益下降促使大量農民非農化轉移，導致農村空心化、農民老齡化現象嚴重，“老人農業”對農業TFP具有顯著的抑制作用；2003年后影響不顯著的原因可能在于隨著國家對農業的支持力度加大，農業兼業化現象普遍，導致耕地粗放經營，拋荒現象雖得到有效解決，農業產值逐年增加，但農業生產率并沒有得到改善。農業兼業化一方面阻礙土地規模化種植，另一方面反映工業化成果在農業領域中的應用還有待深化。［26］農民受教育水平（eduy）對農業TFP的影響2003年后較為明顯，具有顯著的促進效應。2003年前農民受教育水平對農業TFP影響不顯著的原因在于農業勞動力多為傳統農民，土地耕種主要還是依賴傳統的種植技術，耕作經驗對農業生產率的影響較大；2003年后由于國家加大了對農業的支持力度，部分受教育水平較高的青壯年勞動力回流農業，農業科技應用有效提高了農業生產率。經營規模（mc）對農業TFP的影響2003年前具有顯著的抑制作用，2003年后不顯著。2003年以前的小農經濟發展過程中，農業生產率受到勞動力人數的影響較為明顯，農業勞動力流失嚴重，經營規模大反而不利于農業生產率提升。2003年后經營規模不顯著的原因可能在于機械化水平的提高抵消了部分勞動力流失的影響，但當前我國農業仍然處于小農生產階段，農業規模效率較低，急需進一步擴大農業規模化經營水平。城鎮化率（ur）對農業TFP的影響在2009年后逐漸顯現，呈現出顯著的促進效應。2009年后城鎮化率顯著的原因可能在于2007年我國提出新型城鎮化，緊接著國家出臺大量政策，加大城鄉一體化支持力度，加速了農業勞動力向工業和城鎮轉移，土地流轉加速，農業經營規模得到擴大，農業機械化水平有效提升，從而抵消勞動力流失的影響。

表6 時期效應模型回歸結果

3.區域效應。采用面板數據模型分析不同產區的財政支農支出促進農業TFP調整的效應，估計結果見表7。

表7 區域效應模型回歸結果

從回歸結果來看：財政支農支出（ex）對農業TFP具有顯著的正向促進作用，且非糧食主產區政策效應好于糧食主產區，原因主要在于糧食主產區主要以中部地區為主，相較于東部地區財力明顯不足，相較于西部地區政策支持力度明顯不夠，從而導致糧食主產區的財政支農支出對農業TFP的促進效應弱于非糧食主產區。

工業化進程（ip）對農業TFP糧食主產區具有顯著的抑制作用，非糧食主產區效應不顯著。糧食主產區的特點集中在人口相對較為稠密區，工業化進程中，導致大量糧食主產區農業勞動力流失，同時工業化成果對農業的支持并沒有得到很好的體現，從而對農業生產率產生顯著的抑制作用；非糧食主產區主要分布在發達的東部地區和不發達的西部地區，東部地區工業化水平較高，對農業的帶動效應明顯，抵消部分人口流失對農業生產率的抑制作用，西部地區工業化進程緩慢，工業化進程對農業生產的影響較小。

農民受教育水平（eduy）對農業TFP不同產區都具有顯著的正向促進作用，非糧食主產區效應也好于糧食主產區。科技進步與受教育水平的增加同步對農業生產率產生影響，非糧食主產區農民受教育水平的提高可以有效利用地理位置或者資源優勢發展休閑農業、旅游農業等特色農業，而糧食主產區是國家糧食安全的保障，無論是國家政策還是生產傳統都決定著糧食主產區農業發展具有路徑依賴特征，農民受教育水平的提升對傳統農業生產方式影響滯后效應明顯，從而表現出非糧食主產區農業受教育水平提升對農業TFP的影響好于糧食主產區。

經營規模（mc）對農業TFP的影響在不同產區差異明顯，糧食主產區具有顯著的促進作用，非糧食主產區效應不顯著。糧食主產區耕地質量好，適合農作物生長，但由于人口稠密，人均耕地面積較少，農業規模化發展嚴重受阻，機械化推進速度緩慢，經營規模擴大可以有效促進農業機械化水平發展，對農業TFP的影響顯著；非糧食主產區或是由于工業化發展大量征用耕地，或是自然條件較差不適合糧食作物生長，規模化經營難度較大，導致經營規模擴大對農業TFP的影響不顯著。

城鎮化率（ur）對農業TFP的影響糧食主產區具有顯著的正向促進作用，非糧食主產區效應不顯著。城鎮化發展，促使大量農業勞動力轉移，糧食主產區農業經營主體擴大了農地經營規模，推動農業機械化進程，加之農業科技進步，城鎮化率提升可以顯著促進農業TFP的提升；非糧食主產區分布在城鎮化率已經很高的東部地區和城鎮化發展較為緩慢的西部地區，城鎮化的發展對農業經營規模的影響較小，從而表現出城鎮化率對非糧食主產區的農業TFP的影響不顯著。

四、結論及建議

本文以農業全要素生產率為研究對象，探析財政支農政策對農業全要素生產率的影響，為明確財政支持重點和優化財政支持結構提供參考，確保農業高質量發展。農業TFP測算結果顯示考察期內整體呈現上升趨勢，2003年以前有惡化的趨向，2003年后向好，保持上升狀態，非糧食主產區好于糧食主產區，農業大省“大而不強，勢而不優”的現象較為明顯，可能原因在于糧食主產區大多處于農民工外出大省，農民老齡化、農業經營“兼業化”等現象普遍。從農業TFP的分解來看，在規模效率和資源配置效率不斷退化的大背景下，技術進步效率是推進農業TFP逐步提高的核心力量，但近年來技術進步效率增速有所放緩，規模效率和配置效率依然在退步，農業TFP增速有所下降。財政支持政策主要通過對農業基礎設施、農民職業技能、農業科技對農業全要素生產率產生影響。從財政支農支出對農業TFP的實證分析結果來看，時期和區域效應存在顯著的差異。從總體效應來看，在假設其他變量不變的情況下，財政支農支出增加1%，農業TFP會提升0.5195%。從時期效應來看，財政支農支出對農業TFP的提升效應逐漸提升，財政支農支出增加1%，農業TFP增幅由1998—2003年的0.0127%到2004—2008年的0.2064%，再到2009—2015年的0.6548%。從區域效應來看，財政支農支出對農業TFP的影響在糧食產區方面的效應差異明顯，非糧食主產區好于糧食主產區。

從分析結果我們可以看出，財政支農支出對農業全要素生產率的提升有著顯著的正向促進作用，但在支持重點和支持結構方面還有很大的改進空間。財政支農在促進糧食主產區的農業發展方面還有很大的提升空間，造成這種差別的原因在于財政支農支出的結構和方式有待調整和優化，比如當前支農政策更加注重傳統農戶，補貼錯位導致農業生產者并沒有得到應有的優惠，對家庭農場和種養大戶等新型農業經營主體的支持政策缺乏［27］。為此，以農業供給側結構性改革為主線的鄉村振興戰略的實施，需要財政在農業產業振興方面給予更多的支持，明確支持重點和方向，確保國家糧食安全，實現農業高質量發展［28］。一是加大糧食主產區財政支持力度，特別是對新型農業經營和服務主體的支持力度，實現糧食作物的規模化、機械化種植，減少農田非農化和經濟作物替代化現象，確保口糧基本安全；二是大力推廣工業化科技成果在農業領域的轉化和應用，不斷提高農業科技含量，從而有效提升農業全要素生產率，為農業高質量發展奠定基礎；三是加大農業生產基本要素的財政支持力度，具體包括農業基礎設施、勞動者技能培訓、土地流轉、農業信貸等方面，推動農業向縱深方向發展，實現農業領域一二三產業有機融合，為農業高質量發展保駕護航。

注釋：

①數據來源于國家及相關地區統計年鑒，或者通過相關數據計算得到。其中，財政支農支出邊際傾向為新增財政支農支出占新增財政支出的百分比；財政支農支出彈性為財政支農支出占財政支出比重與農業GDP占GDP比重的比值。

②糧食產區劃分。糧食主產區包括遼寧、河北、山東、吉林、內蒙古、江西、湖南、四川、河南、湖北、江蘇、安徽、黑龍江13個省份。