政策性農業保險對農業生產效率影響因素的實證研究

沈惟強,徐相澤 (韓國忠北大學農業生命環境學院,韓國清州 361763)

農業作為國民經濟的基礎產業,對保障國家糧食安全具有重要的作用。 但是由于農業的弱質屬性,農作物生長周期長,受到自然災害因素影響大,導致農作物的生產產量不穩定,農民的收入也不穩定。 對此國家為促進農業發展和穩定農民收入,自2004年起開始提出農業政策性保險方案,自2007年開始對農業保險費實施中央財政補貼制度。農業保險費收入從2007年的53.3億元增加到2019年的672.5億元,農業保險賠償金也從2007年的32.8億元增加到2019年的527.87億元。10多年來,農業保險補助已從原來的種植業,擴大到現在的種植業、養殖業、林業3類17個品種,基本上涉及經濟民生、糧食安全、生態保護的主要農作物,2019年中央財政支出農業保險費補貼資金為242.48億元,是2007年保費補貼的10倍以上,農業保險費收入和保險費補助資金在快速增長。事實上,盡管農業保險的數量和質量都在不斷增長,但目前卻未能充分評估對農業保險在農業生產效率和農業產業層面所作出的貢獻。該研究的主要目的是評估農業保險對農業生產效率的影響。以往的研究多基于農業保險對農民收入穩定及增長效果分析,而基于農業保險對農業生產效率性影響的研究比較少,因此,分析農業保險對農業生產效率的影響不僅有助于評估農業保險運行效果,也有助于為政策執行者在宏觀決策層面上提供農業保險對生產效率影響的參考,更好地推進農業高效發展。

1 文獻綜述

農民在參加農業保險后對農業生產效率的影響主要從兩方面來考慮。 第一,從積極的方面來看,因農業保險能夠提供資金和風險保障,所以能夠增加農作物的產量。 第二,從消極的方面來看,農民在投保時產生的道德風險將會導致農業產出水平下降,在這種情況下農業保險費補助在鼓勵農戶加入保險的同時,也會提高其道德風險的可能性。

農業保險對農業生產效率的影響,主要是通過農民在加入農業保險后因投入要素的量發生了變化進而導致產出量的變化。早期大部分學者都認為農民在加入農業保險后投入要素的量發生了變化,但是對于農民在加入農業保險后是增加還是減少生產要素投入,學者們還沒有得出統一的結論。以國外農業保險研究者為例,部分研究者證實了農業保險可以使農民減少農藥、化肥等生產要素投入量的主張,Goodwin等分析了美國中西部農民在農業生產時生產要素投入量變化,結果顯示,未加入農業保險的農民相比加入的農民將會減少化肥和農藥的使用量。但是與此相反,其他研究者也提出了農業保險會鼓勵農民增加農藥、肥料等生產要素投入量的主張。Horowitz等分析了農業保險是如何影響美國中西部玉米種植農民的農藥和化肥使用情況,結果發現加入農業保險的農民與未加入農業保險的農民相比,更愿意從事危險的生產,并且會增加農藥和化肥的使用量。 國外這些早期研究表明,因農民在加入農業保險后生產要素的投入量將會發生變化,對農業生產的效率產生重要的影響。國內研究領域方面,張躍華等研究認為由于農業保險具有分散風險的作用,進而使投保的農民愿意使用比未投保的農民相比更高效率、風險更高的生產技術,從而提高了農業生產量。王向楠分析了農業貸款和農業保險對農業生產的影響,認為農業貸款及農業保險的發展促進了中國農業生產的增長,特別是在農業生產風險更大的地區這種效果更加顯著。李亞琦等選取了農業保險費、農業保險賠償金、農業產出的時序列數據進行了協整檢驗,結果顯示,農業保險費與農業產出、農業保險賠償金與農業產出有著長期穩定的協整關系,雖然農業保險費和農業保險賠償金對農業生產的影響微乎其微,但農業保險賠償金的影響略大。李曉濤等通過構建“適應性預期-局部調整”模型進行實證分析,發現農業保險對糧食單位面積產量和總產量都產生顯著積極影響,但主要是影響單位糧食產量, 其中農業保險對災害風險較高的非糧食主產區的糧食產量有顯著影響,對糧食主產區的糧食產量沒有顯著影響。

上述文獻研究表明,農戶購買農業保險后通過生產要素投入量的變化,進而導致了農業生產產出量的變化。 特別是我國研究者大部分都以農民在加入農業保險后通過災害保險賠償金和風險保障增加產出為理論基礎,分析了農業保險對農業生產的促進作用。

在DEA(包絡資料分析)效率性的原因分析中,Lovell等開始提出應利用Tobit回歸分析法的主張,此后,Tobit回歸分析法在DEA中被廣泛運用并為標準分析方法之一。與此相反,Hoff等主張效率性分析的值并不是結構性限制的資料,用常規的最小二乘法就足夠或能得到準確的結果。Mundlak就固定效應模型或隨機效應模型的選擇時認為,通常應該隨機看待個體效應,特別是截面數量很大的面板數據用固定效應模型會浪費很多自由度,用隨機效應模型將更合適。 Lee等研究認為如果時間序列很長、個體數量少,固定效應模型的分析結果和隨機效應模型的分析結果之間不會有太大差異,因此即使使用相對簡便的固定效應模型也沒有問題。 但是如果時間序列短、個體數多的情況,使用固定效應模型會利用大量虛擬變量,將導致推測的效率下降, 所以一般應選擇隨機效應模型。 在固定效應模型與隨機效應模型之間進行選擇的問題上,Hausman提出了Hausman鑒定法,在Hausman鑒定中對推定的參數的差異進行檢驗,觀察固定效應模型和隨機效應模型的推定值是否有意義。此時,“歸無假說”假設隨機效應模型得到滿足,就會提供與固定效應模型相同的參數推定值,因此,如果“歸無假說”不能被拒絕,則選擇隨機效應模型；如果“歸無假說”被拒絕,則選擇固定效應模型。

2 研究方法和研究步驟

DEA是基于線性規劃法的測定,利用多數投入物和多數產出物決策單元(decision making unit,DMU)間的相對效率的評價方法。 Charnes等提出的CCR模型是假設所有評估對象在最佳規模下運營的規模收益不變的情況下解決線性計劃問題。 把決策單元稱為 DMU,投入要素向量為,產出向量為時,第個DMU的效率性*是通過投入要素和生產要素的結合而得到的最小。下式是以投入基準的CCR模型。

*=Min

式中,表示效率性尺度,和表示投入要素和產出要素的冗余部分(slack)。 效率值的取值范圍在0～1,如果效率值為1并且所有要素的冗余部分(slack)為0,則處于沒有改善空間的強有效狀態;如果效率值為1但投入或產出有冗余部分,則處于弱有效狀態;如果效率值不是1,與投入產出要素的冗余無關,都處于非有效狀態。

為檢驗混合效應模型與固定效應模型的差異,與地區效應()相關的歸無假說如下,利用檢驗進行驗證。如果“歸無假說”被拒絕,則說明存在著固定效應。

:==…

在混合效應模型和隨機效應模型之間的檢驗歸無假設和對立假設如下,將利用LM檢驗進行驗證。 如果“歸無假設”被拒絕,則說明存在著隨機效應。

另外,為了在固定效應模型和隨機效應模型中找到合適的模型,將利用Hausman檢驗法, Hausman是對同一參數2個估計量差異的顯著性檢驗。

假設和分別是固定效應模型的OLS推測和隨機效應模型的GLS推測,則存在以下關系式：

Hausman的檢驗基于以下Wald統計量:

在這里ф將使用固定效應和隨機效應模型的協方差矩陣進行計算,如果“歸無假設”被拒絕,將表明地區效應和因變量有關。

概率效應模型是假定隨機地賦予每個觀測地區的唯一屬性,基于前面關于影響農業生產效率性的變量分析,該研究構建的農業生產效率性影響因素模型如下:

Agr prod=++Insurance+mechanical+Labor+

式中,Agr prod表示的是農業生產效率性,Insurance、 mechanical、Labor分別表示為農業保險賠償金、農業機械總動力和農林牧副漁從業人口；代表第省份,代表第年度,代表截矩，代表地區效應,代表殘差項。

在面板數據分析中,因為因變量生產效率性是限制在0～1范圍內的值,同時也將使用以下Tobit隨機效應模型進行分析。

首先利用DEA測定出各年度、各地區農業生產效率性的面板數據,再根據上述文獻研究,利用面板分析方法找出適合本論文的面板研究方法。 在混合效應模型和固定效應模型的選擇上,將使用檢驗來找出合適的模型。 在混合效應分析和隨機效應模型的選擇上,將利用LM-檢驗找出合適的模型。 另外,為了在固定效應模型和隨機效應模型中找到合適的模型,將使用Hausman檢驗法。 最后,將對一般面板回歸模型和隨機Tobit面板模型的分析結果進行比較,分析他們之間的差異。

3 變量選取和描述性統計

投入變量的設定是以生產理論為基礎,即根據生產的三要素土地、勞動、資本,分別將農作物總播種面積、農林牧漁業從業人員、農業機械總動力設定為投入變量。

產出變量因不同作物的產量不同無法進行直接比較,所以選擇為農林牧漁業總產值。

DEA分析中使用的軟件是DEAP。

該研究數據來源于2007—2019年《中國統計年鑒》和《中國保險年鑒》中的31個省(市、自治區)的資料。其中農林牧漁業從業人員來自省(市、自治區)統計年鑒,個別數據缺失的情況從統計學角度進行了推定,各變量的描述統計量見表1。

2007—2018年,全國農業保險費收入和農業保險賠償金支出見表2。由表2估算近10多年中國農業保險的賠付率大體在65%左右。

表1 各變量描述統計(N=372)Table 1 Descriptive statistics of each variable

表2 2007—2018年中國農業保險費收入和農業保險賠償金支出Table 2 China’s agricultural insurance premium income and agricultural insurance compensation expenditure from 2007 to 2018

4 實證研究與結果分析

表3結果顯示,全國農業平均生產效從2008年的52.9%增加到2019年的61.3%。 標準偏差也從2008年的0.236減少到2019年的0.223。由此可知2008—2019年全國農業平均生產效率呈增加趨勢,農業平均生產效率標準偏差呈減少趨勢。 這也就意味著隨著時間的推移,從政策性農業保險實施到現在,中國農業生產效率在全面上升,地區間的農業生產效率差距正在慢慢縮小,農業生產投入和生產差距也在慢慢縮小。

表3 2008—2019年中國平均農業生產效率Table 3 China’s average agricultural production efficiency during 2008—2019

根據各地區效率性分析結果,可以把2008—2019年各地區的農業生產效率分為3類。 將平均效率值為0～0.4的劃分為相對低效率地區,將平均效率值為0.4～0.7的劃分為相對中效率地區,將平均效率值為0.7～1的劃分為相對高效率地區。 由表4可知,按照這個標準,北京、福建、上海、海南、浙江、江蘇、遼寧、廣東屬于相對高效率地區,四川、黑龍江、天津、新疆、山東、湖南、湖北、內蒙古、河北、廣西、重慶、吉林、江西、陜西屬于相對中效率地區,西藏、貴州、云南、甘肅、安徽、青海、寧夏、河南、云南屬于相對低效率地區。從地區上看,各地區農業生產效率差異較大,其中相對高效率地區大多位于中國東部經濟發達的省份,相對中效率地區大部分屬于中國中部省份,相對低效率地區大部分屬于中國西部省份。 由此可知,農業生產效率與經濟發展程度密切相關。

各地區農業生產效率差異比較大的原因是不同地區的經濟水平不同,以及地形和受自然災害影響的程度也不同。 特別是農業生產率較高的東部地區,地形平坦,經濟發達,能為農業生產提供充足的資金保障,即使自然災害發生后也能立即恢復農業生產。但是效率相對較低的中西部地區,多高原、高山和沙漠,經濟發展水平相對落后,如果沒有農業保險的保障,資金相對不足,經常導致因災致貧的現象發生,將影響第二年的重新生產。但是由于加入了農業保險,農業保險對農業生產風險提供了保障,可以使區域間農業生產要素投入的差異變小,因此各地區間農業生產效率的差距也正在縮小。

表4 2008—2019年全國各地區平均農業生產效率Table 4 Average agricultural production efficiency in all regions of China from 2008 to 2019

固定效應模型和混合效果模型分析結果。表5固定效應模型推測結果顯示,模型整體的值具有統計學意義,所有的回歸系數也都具有統計學意義。如果其他條件相同的話,農業保險賠償金每增加1單位,農業生產效率就會增加0.004 34單位。第二,由固定效應模型和混合效果模型的檢驗結果可知,通過檢驗值能夠拒絕歸無假說,因此判斷為各地區農業生產效率性存在著固有屬性,選擇固定效應模型比選擇混合效果模型更合適。

表5 固定效應模型和混合效果模型分析結果Table 5 Analysis results of fixed-effects model and mixed-effects model

隨機效應模型和混合效果模型分析結果。 由隨機效應模型估計結果(表6)可知,模型本身具有統計學意義,并且所有的回歸系數也都具有統計學意義。 假設在其他條件不變的情況下,農業保險賠償金每增加1單位時,農業生產效率將會增加0.004 40單位。

表6 隨機效應模型分析結果Table 6 Analysis results of random effects model

通過表7隨機效應模型和混合效果模型的LM檢驗結果可知,可以拒絕歸無假說,表明各地區農業生產效率性存在著固有屬性,所以與選擇混合效應模型相比選擇隨機效應模型更為合適。

固定效應模型和隨機效應模型進行Hausman鑒定。對固定效應模型和隨機效應模型的選擇將利用Hausman檢驗,分析結果表明不能拒絕歸無假設(表8)。 因此與選擇固定效應模型相比選擇隨機效應模型在統計學上更為妥當。

表7 隨機效應模型和混合效果模型檢驗結果Table 7 Test results of random-effects model and mixed-effects model

表8 固定效應模型和隨機效應模型的Hausman檢驗結果Table 8 Hausman test results of fixed-effects model and random-effects model

Tobit隨機效應模型分析結果。因為農業生產效率值范圍為0～1,因變量屬于具有限制(censered)范圍內的值,所以有必要進行Tobit回歸分析,而不是普通的回歸分析。 通過面板Tobit模型分析的結果可以看出(表9),模型本身具有統計學意義,并且模型中所有的回歸系數也都具有統計學意義。 在其他條件相同時,農業保險賠償金增加1單位,農業生產效率就會增加0.00 440單位。 LR檢驗是通過推定混合Tobit模型和隨機效應 Tobit模型來計算極大似然函數值的差異。 根據LR檢驗結果可知,可以拒絕歸無假說,所以應選擇隨機效應Tobit模型。

隨機效應模型和Tobit隨機效應模型比較。在隨機效應模型和Tobit隨機效應模型比較時,通過分析結果可以看出所有的自變量都具有統計學意義,回歸系數的大小也幾乎沒有差異(表10)。 所以雖然使用了效率性值被限制在0～1的因變量,但利用Tobit模型推定的結果和利用一般回歸模型推定的結果在統計學的有意性和回歸系數的大小之間幾乎沒有差異,這也驗證了Hoff之前提出的研究結果。

根據上述分析,該研究最終選擇以隨機效應模型來分析政策性農業保險對農業生產效率的影響。分析結果顯示,在其他條件不變的情況下,當農業保險賠償金每增加1單位,農業生產效率就會增加0.004 40單位；農業機械總動力每增加1單位時,農業生產效率就會增加0.000 02單位;農林牧漁業從業人員每增加1單位,農業生產效率性就會減少0.000 18 單位。

結果表明,當農業保險賠償金增加時會對農業生產效率性起到積極影響,但農業機械總動力和農林牧漁業從業人員增加時分別對農業的生產效率起到了積極的和消極的影響。 分析其原因是因為2個生產要素之間存在著相互替代的關系,即農業機械使用量增加會減少勞動量的投入,并且這也與國內近些年大量農村人口去城市務工,農村勞動力減少有關,同時也表明農業保險因為能夠提供風險和資金保障,從而間接地促進了機械代替勞動相關技術的發展。

表9 Tobit隨機效應模型分析結果Table 9 Tobit random effects model analysis results

表10 隨機效應模型和Tobit隨機效應模型的比較分析Table 10 Comparative analysis of random effect model and Tobit random effect model

5 結論與對策建議

該研究利用自中國政策性農業保險實施以來到現在的資料,對政策性農業保險對農業生產效率的影響進行了實證研究,主要得出以下結論： 一是農業保險賠償金與農業生產效率密切相關并且呈正相關關系,但各區域的農業生產效率性差異比較大,東、中、西部生產效率值分別為0.812,0.485、0.407,并且農業保險對各地區農業生產效率的影響都不同,這主要還是和各地區自然和經濟條件有關。第二,在農業保險對農業生產效率的原因分析當中,當農業保險賠償金每增加1億元時,農業生產效率性將增加0.44%,這主要是因自然災害導致農民收入減少,但農業保險提供的賠償金可以使農民在第二年作為資本重新投入到農業生產中,特別是在發展中國家或落后地區,這樣的效果非常明顯。 并且農業保險可以減少災害發生地區和未發生地區農業生產投入的差距,從而提高整體生產效率,還有農戶在獲得風險保障時,會偏好利用新的生產技術,這也會提高農業生產效率。

第一,目前中國農業保險主要是在低保障、低保費的條件上以成本保險(物化成本)為主的農業保險,對農戶收入穩定以及農業生產所造成的影響相對比較小,而反觀西方國家多以農業收入保險和產量保險為主,農業保險的保障程度相對較高,促進了西方農民的收入穩定和農業高效發展。所以今后國內也應該結合實際情況,提高農業保險保障水平,推動從成本保險向更高保障水準的價格保險和產量保險轉換,促進農業高效發展。

第二,要依據當地實際情況,科學厘定不同種類農產品的農業保險費率,推進從區域農業保險向個人農業保險轉換,加強農業保險資料基礎建設,依托現在高新科學技術的發展,利用遙感衛星等工具,構建以新產品開發以及保險費率厘定、道德風險預警為目的的多功能保險資料大數據庫。

第三,政府加大對農業保險的支持和宣傳,繼續堅持農業保費補貼政策,但同時應積極防范因道德風險而引發的問題,完善相關的法律法規,最大程度降低因道德風險而導致的農業損失,促進農業健康發展。

上述分析表明,今后應該繼續提高農業保險保障水平,加強保險費的持續補助,因為這不僅有助于穩定和增加農民的收入,也有助于提高整體農業生產效率和經濟發展。另外,農業保險對農業生產影響的研究目前主要集中在對災后補貼效果進行分析,關于農業保險對農業生產災前防災減災效果的實證研究比較少,因此今后還有必要對其進一步研究。