良種補貼政策的環境效應研究

易 航,顧蔚譯,孫晉婕,劉蓓蓓,2* (.南京大學環境學院,污染控制與資源化研究國家重點實驗室,江蘇 南京 20023；2.南京大學-約翰斯·霍普金斯大學中美文化研究中心,江蘇 南京 20093)

一直以來,中國都將“三農”問題視為重中之重,出臺了一系列的農業政策以保障糧食安全和農民福利[1].良種是提高糧食質量,產量以及農業競爭力的關鍵,現代農業的競爭甚至在很大程度上是良種的競爭[2].為加快推廣農作物良種,增加主要農產品的產量,改善產品品質,調動農民采用良種的積極性,中國于2003年提出了良種補貼政策,安排了3億資金在規定的種植區域內對小麥和大豆良種進行補貼,隨后補貼范圍和資金不斷擴大.以小麥良種補貼政策為例,2003年在河北等五省實施,補貼面積66.7萬hm2,2005年納入山西等六省,補貼面積增至670萬hm2,2008年納入內蒙古、寧夏兩省,總補貼面積擴大至1300萬hm2,2009年覆蓋全國,補貼標準一直為150元/hm2.

國內外已有大量研究從微觀農戶行為[3]、宏觀投入產出[4-6]、以及政策外部性[7-8]等方面對農業補貼的績效進行了詳盡的分析.農業補貼政策通常會增加糧食生產中的勞動力投入[3],增大糧食產量和播種面積,帶來農民收入的增加[4-5].此外,在技術轉化率低時,投入導向的補貼政策更好,而在技術轉化率高生產效率高時,產出導向的補貼政策更有利于實現糧食安全目標[6].政策外部性方面,農業補貼政策會減緩農村人口向城鎮的遷移,從而對城鎮化發展產生負外部性影響[7].綜合盈利能力、技術效率、配置效率和經濟效率指標對農業補貼政策進行評價發現補貼會降低技術效率和經濟效率,但會提高盈利能力和配置效率[8].

農業生產活動的環境影響備受重視.農業產生了全球約23%的溫室氣體排放,成為氣候變化的主要驅動部門之一[9-10].以糧食安全為主要目標的農業政策會影響農戶種植行為模式,往往有其潛在的環境影響[11].國外研究發現對灌溉、化肥、殺蟲劑或燃料直接進行補貼的政策環境負面影響最大[12].鼓勵農業生產的補貼政策通常會導致更多的農業投入物和土地使用,從而也會對環境帶來負面影響[13-14].我國農業補貼政策同樣存在一定的環境影響.例如農機購置補貼政策會改變農戶使用污染性投入物質和處理農業廢棄物的方式,從而對環境產生差異化的影響[15];對農業生產進行直接補貼的政策通過降低單位面積化肥施用量減少了農業面源污染[16];綠色農業補貼政策降低了肥料投入環境效率和肥料生產率[17].因此,從環境可持續發展的角度考慮,基于大范圍、大樣本的數據定量評估農業補貼政策的環境效應,促進農業可持續發展是必要的.

已有研究證實良種補貼政策穩糧增收,提質增效的積極作用[1-2,18].油菜良種補貼政策對農戶土地生產率、勞動生產率、成本利潤率和技術效率整體上有一定的促進作用[1];小麥良種補貼有利于減少農戶的小麥生產效率損失[18].總體來看,我國良種政策對我國糧食作物增產的貢獻率為23.7%[2].然而,目前學界仍缺乏利用大范圍大樣本數據對該政策潛在環境影響進行定量化評估的研究.良種補貼政策的環境影響研究相較于其它農業政策存在其特殊性,一是以往被研究的農業政策(例如綠色農業補貼政策)往往因為有比較明顯的生態環境影響而受到關注,而良種補貼政策主要是提高作物品質和產量,其對化肥的需求及其溫室氣體排放的影響則被忽略;二是目前農業可持續發展研究中關于良種優選優育的情景設計往往簡單假設良種使用前后的單位面積環境影響強度保持不變,忽略了良種政策潛在的進一步的環境效益[19].為彌補良種補貼政策帶來的環境效應這一研究領域的空白,本文將利用大范圍、大樣本量的數據,進行良種補貼政策環境影響的實證研究.結果將為全面評估良種補貼政策的效果、優化政策設計提供參考.

小麥良種政策在全國逐步推進,具有準自然實驗的特征.該政策可以視為一次外生沖擊,這為運用雙重差分法識別政策效應創造了條件.由于政策在各省份實施時點不同,因此本文構建多期雙重差分模型,結合 2000～2008年各市單位面積化肥折純施用量、第一產業產值、農林牧漁業從業人數、小麥種植面積占比、平均溫度和降水面板數據,評估良種政策對單位面積化肥施用量的影響并估算由此帶來的溫室氣體排放變化,探究是否可以通過環境效應補償政策的財政支出,同時分析了政策效果的異質性.

1 數據與方法

1.1 數據來源及處理

良種補貼政策于2003年(河北、河南、山東、安徽、江蘇)、2005年(山西、湖北、四川、陜西、甘肅、新疆)和2008年(內蒙古、寧夏)逐步在13個省份試點,因此本文選取2000～2008年全國31個省份的市級數據進行研究,13個試點省份的城市即為處理組,其余市為控制組.被解釋變量為單位面積化肥折純施用量,控制變量包括第一產業產值、農林牧漁業從業人數、小麥種植面積占比、平均溫度和降水量.其中市級單位面積化肥折純施用量(計算為化肥折純施用量與耕地面積之比)、第一產業產值和農林牧漁業從業人數均來源于各年各省或各市的統計年鑒以及《中國城市統計年鑒》;小麥種植面積占比為省級數據,來源于各年《中國農村統計年鑒》;溫度與降水的原始數據來源于國家氣象科學數據共享服務平臺-中國地面氣候資料日值數據集(V3.0),通過反距離加權平均插值將各個觀測站點的日度數據處理為格點數據,分區域平均計算得到各市年均值;最終形成2000～2008年全國309個地級市的面板數據.后續計算使用的每噸化肥費用和氮肥、磷肥及鉀肥的單位面積折純量來源于《全國農產品成本收益匯編》,為省級數據.

1.2 研究方法

1.2.1 多期雙重差分模型設定 雙重差分模型是政策效應評估中的常用模型.其研究思路是將實施政策的樣本設為處理組,未實施的樣本設為控制組,分別算出兩組政策前后研究變量的差異,為一重差分,將兩組差異進行比較則為雙重差分[20].該方法可以很大程度上避免內生性問題,已經得到了各領域廣泛應用[21-24].考慮到小麥良種補貼政策是逐步推進,不同市實施時間不同,因此本文將該政策視為一項“準自然實驗”,設立如下多期雙重差分模型[25]:

式中:Yi,t為i市在t年的單位面積化肥施用量;Di,t是政策虛擬變量,若i市在t年實施了政策則取值為1,否則為0,其系數β＞0則說明良種補貼政策增大了單位面積化肥施用量,反之則說明減少了施用量;xi,t是隨時間和個體變化的控制變量(第一產業產值、農林牧漁業從業人數、小麥播種面積占比、平均溫度和降水),可以在一定程度上防止因遺漏變量問題而導致的估計偏誤;θi和γt分別是個體固定效應和時間固定效應,用于控制不同樣本和年份之間不可觀測的因素的影響;ei,t是模型誤差項.標準誤聚類到市級.

1.2.2 變量描述 (1)被解釋變量:單位面積化肥施用量.化肥的大量施用會給生態環境帶來許多負面的影響.過多的氮肥容易使作物和土壤中累積大量硝酸鹽,導致土壤鹽積和次生鹽漬化,造成土壤板結,降低作物質量和產量[11].化肥施用后土壤中殘余的氮、磷元素容易通過地表徑流、淋溶流失、土壤侵蝕等方式進入水環境中造成水體污染[26-28].銨態氮肥的不合理施用(如淺施、撒施)還會導致氨的逸失,造成大氣污染[29].氮肥貢獻了全球近一半的人為N2O 排放[30].此外,化肥的生產運輸過程中也會排放大量的溫室氣體[31].Wang等[32]基于排放因子計算得出江蘇省水稻種植的肥料生產會排放 158.3kg CO2e/kal的溫室氣體.

(2)解釋變量:本研究的核心解釋變量為“是否實施了小麥良種補貼政策”.根據政策實施的省份和年份構造了虛擬變量Di,t,該變量取值為1則表示市i在t年已經實施了小麥良種補貼政策,若為0則表示沒有實施.

(3)控制變量:單位面積化肥施用量是一個強度變量,與農業規模、種植結構以及氣候條件等因素有關,因此本研究對與農業規模相關的社會經濟變量(第一產業產值和農林牧漁業從業人數),反映種植結構的小麥種植面積占比,以及平均溫度和降水量 5個變量加以控制.

表1 變量描述性統計Table 1 Descriptive statistics

1.2.3 平行趨勢檢驗 雙重差分的前提假設是處理組和控制組在政策實施前被解釋變量不存在變化趨勢差異,否則不能說明被解釋變量的變化是由政策造成的,可能是兩組之間的系統性差異導致[33],所以進行雙重差分前必須通過平行趨勢檢驗.本文構建如下方程對政策實施前8a～實施后5a的單位面積化肥施用量的變化趨勢進行檢驗[34]:

式中:β-τ表示處理之前的τ期產生的影響;β+τ表示處理之后τ期產生的影響;β表示處理當期的影響.當i市在t年處于政策前τ期時,Di,t-τ取值為1,否則取值為0,Di,t和Di,t+τ以此類推.其他變量與式(1)含義相同.

1.2.4 化肥的全生命周期溫室氣體排放計算 化肥的生產和施用是農業生產過程中重要的溫室氣體排放源,化肥碳排的估算一直以來都是研究熱點[19,31,35-37].因此本文在得出政策對單位面積化肥施用的影響后會進一步評估其溫室氣體排放量的變化.具體計算過程如下:

(1)施肥過程中的 N2O 排放.分為直接和間接N2O排放,直接排放是基于Gerber等[38]提出的模型進行計算.該模型使用指數模型和隨機參數將 N2O排放與氮肥施用量聯系起來,本文中參數參考的是Liu等[19]計算出的數據.N2O的間接排放主要是由于氮的揮發和再沉降.此外,NO3-進入水量大于土壤持水能力的地方可能會滲入地下水和水體.本文依據政府間氣候變化專門委員會(IPCC)的《2006年國家溫室氣體排放清單指南》[39]計算了間接N2O排放量.

(2)化肥生產和運輸過程中的溫室氣體排放.本文通過排放因子[40]估算化肥生產和運輸過程中的溫室氣體排放量.

(3)社會碳成本.社會碳成本是溫室氣體排放的社會成本的貨幣化估值,將溫室氣體排放造成的損害以貨幣價值來表示,并且考慮到影響的累積將未來損失折算為現值[41].本文將參考文獻[42]的研究結果,基于計算出的溫室氣體排放變化量,利用系數0.3672(元/kg CO2e)計算社會碳成本.

2 結果與討論

2.1 多期雙重差分模型回歸結果

如表2所示,列(1)是不加固定效應和控制變量的回歸結果,列(2)是加入時間和個體固定效應的回歸結果,列(3)是加入了固定效應和控制變量的回歸結果.為了避免不同樣本和年份之間不可觀測的因素的影響以及考慮盡可能多的變量,選用列(3)作為最終回歸結果.良種補貼政策對單位面積化肥施用量有顯著的負面影響,導致單位面積化肥施用量下降5.9%(減少37.88kg/hm2).

表2 良種補貼政策對單位面積化肥施用量影響的回歸結果Table 2 Regression results of the effects of improved seed variety subsidy policy on fertilizer application per unit area

2.2 種植成本和溫室氣體排放變化

本文發現政策導致的化肥施用強度下降使單位面積化肥成本減少了 139.42元/hm2;溫室氣體排放減少了822.06kg CO2e/hm2,其中直接N2O排放的減少對碳排降低貢獻最大,占74.99%(直接N2O排放減少600.04kg CO2e/hm2;間接N2O排放減少24.74kg CO2e/hm2;生產運輸中的碳排減少 197.28kg CO2e/hm2);社會碳成本減少了 301.91元/hm2.結合化肥成本和社會碳成本的變化結果知,該政策由降低化肥施用帶來的成本收益共為441.33元/hm2,遠大于政策的補貼金額150元/hm2,政策的財政支出已經得到了補償.

良種補貼通過降低化肥施用量對環境產生了有利影響,說明良種補貼政策不僅有增產的效果,還能通過減少污染性投入物的使用帶來正面的環境效應.在評估農業補貼政策時不能僅關注其增產增收的效果,還應關注政策的環境效應,否則會高估或者低估政策的實際收益.未來農業補貼政策的制定、改進及推廣需充分考慮其潛在的環境影響,以加強農業增產和環境效益的協同.

2.3 異質性分析

本文基于Beck等[25]和石大千等[43]的做法,根據小麥單位面積產量大小將城市分為兩組后分別進行回歸,結果如表3所示.政策對單位面積化肥施用量的影響在不同農業生產水平地區間存在差異,對高農業生產水平地區有較大影響,而對低水平地區無顯著影響.可能因為農業生產水平越高的地區生產規模化程度更高,化肥管理更嚴格,政策實施落實更到位,并且通常小麥生產水平高的地方種植面積也更大,獲得補貼總金額更多,更有利于良種普及[32,44].因此,在政策實施時需要注重對農業生產水平較低地區的管理,使政策作用更充分地發揮.

表3 良種補貼政策環境效應的異質性分析Table 3 Heterogeneity analysis of the environmental effects of improved seed subsidy policy

2.4 穩健性檢驗

2.4.1 平行趨勢檢驗 選取政策實施前 1a為基準年,平行趨勢檢驗結果如圖1所示.在政策實施前,處理組和控制組的單位面積化肥施用量變化趨勢沒有顯著區別,說明不存在系統性差異,通過了平行趨勢檢驗.政策實施后施用量顯著下降,表明良種補貼政策的實施會降低單位面積化肥施用量.

圖1 平行趨勢檢驗結果Fig.1 Parallel trend test

圓點為各年估計系數,垂直短虛線為其對應的95%置信區間.取政策實施前1a作為基準年,系數值為0.垂直虛線表示政策實施當年.“-1”表示政策實施前1a,“1”表示政策實施后1a,以此類推.

2.4.2 安慰劑檢驗 為說明實證結果并非偶然得到,本文采用隨機生成處理組和政策時間的方法進行安慰劑檢驗.該方法對樣本進行隨機抽樣,生成與實際處理組數量相同的偽處理組后,再為每個處理組對象隨機抽取政策時間.抽樣完成后對偽數據進行回歸,從而產生一個錯誤的估計系數:βf.由于處理組和政策時間是隨機產生的,所以隨機化后的βf的核密度圖應該集中分布于0附近并顯著偏離其真實值[45].

為避免小概率事件的干擾,本文進行了 500次隨機抽樣回歸,合并500次的回歸系數及其p值后得到安慰劑檢驗結果.從圖2看出,隨機化后的估計系數集中分布在 0附近,與真實系數(-0.059)有顯著差異,并且p值普遍大于0.1(在10%水平上不顯著,表明結果不是偶然得到).上述結果通過了安慰劑檢驗,進一步說明真實估計結果具有可靠性.

圖2 隨機生成處理組和政策時間后估計系數的分布及相應的p值Fig.2 Distribution of estimated coefficients and corresponding p-values after random generation of treatment groups and policy implementation time

2.4.3 被解釋變量替換 參照劉聰等[46]和 Zhu等[47]的做法,將單位面積化肥施用量替換為化肥施用量這一同樣反映化肥使用情況的變量作為被解釋變量,同時在控制變量中增加耕地面積,其他設置與原式(1)相同,對政策影響進行檢驗.結果如表4所示,該結果的回歸系數符號和大小與被解釋變量替換之前的沒有明顯差異,并且顯著性基本相同,因此通過了穩健性檢驗.

表4 被解釋變量替換檢驗結果Table 4 Results of robustness test for explanatory variable substitution

3 結論

3.1 良種補貼政策實施后,化肥施用量顯著下降了5.9%(減少 37.88kg/hm2).可能是由于增產提效的良種得以推廣,降低了作物的化肥需求.

3.2 化肥施用量下降導致單位面積化肥成本減少了 139.42元/hm2,溫室氣體排放減少了 822.06kg CO2e/hm2,社會碳成本減少了 301.91元/hm2.成本收益共為441.33元/hm2,遠大于補貼金額支出.

3.3 政策對化肥施用量的影響在不同小麥生產能力的區域間存在差異,對生產能力強的區域化肥減施影響更大.

3.4 通過一系列穩健性檢驗后,上述結論依然成立.