基于糧食安全視角下大豆生產者補貼政策對農戶福利的影響研究

中圖分類號：F3 文獻標識碼：A 文章編號：2095-5553（2025）10-0346-07

Abstract： It is great significance to explore the impact soybean producer subsidy policy on farmers'welfare for consolidating thefoundation foodsecurity improving the incomeguaranteemechanism grain farmers.Based on the provincial-leveldata13majorsoybeanproducingareas from 2Ol2 to2O2，this paperempiricalltests theimpactsoybean producersubsidypolicyon farmers'welfare byusing diference-in-diferences model，mediating effect test DEA— Malmquist method. The results show that when the efect producer subsidy policy increases by 1% ，the welfare farmers increases by 0.218% on average，indicating that the soybean producer subsidy policy can significantly improve the welfare farmers，theconclusionisstillvalidafter solving theselection biasthrough avarietyrobustnesstestmethods.The producersubsidy policywillalsohave a positiveimpactonagricultural technology progress soybeanunit output lvel，which inturaects tewelfareefectsoybeangrowersinthepolicypilotareas.Basedonthis，itissuggestedturtherimprovethe subsidypolicyforcornsoybean producersimprove thetechnological progres levelunitoutput level soybean planting，soastomobilietheenthusiasmfarmers togrowgrain，finallachievestablegrainyieldincomeincrease.

Keywords：food security；producer subsidy policy；soybean；farmers'welfare；diffrence-in-diferences model

0 引言

計公報》數據顯示，截至2022年末，全國糧食總產量687 000kt ，年度糧食對外依賴度約 17.6% ，中國進口大豆達 91 100kt ，占進口糧食比重的 62.01% ，由于進口《中華人民共和國2022年國民經濟和社會發展統依存度較高，亟須擴大國內自產大豆規模。身為糧食生產的主體，農民種糧能獲利，糧食生產方有保障。相比于其他農產品，糧食生產的經濟收益普遍較低，使得主產區面臨財政困難和經濟發展滯后的問題[1]。出于保障農民基本收益和穩定糧食生產的目的，黨的二十大報告提出要全方位夯實糧食安全根基，健全種糧農民收益保障機制和主產區利益補償機制。大豆作為重要的糧食作物，發展大豆產業對保障我國糧食安全具有重要意義。2023年，中央農村工作領導小組辦公室協調各部門出臺一攬子穩定大豆生產的政策支持措施，強調要完善玉米、大豆生產者補貼政策，引導大豆主產區發展大豆生產，持續鞏固和擴大穩糧、擴豆成效。2024年中央一號文件提出繼續實施玉米、大豆生產者補貼政策，鞏固大豆擴種成果。截至2023年，大豆生產者補貼政策已實施7年。那么，在推進共同富裕的進程中，大豆生產者補貼政策是否會影響農戶福利？研究大豆生產者補貼政策對農戶福利的影響，對于優化補貼政策體系，提升農戶生產積極性具有重要意義。

生產者補貼政策作為糧食直接補貼政策的一種，能夠促進糧食生產2]，保障農戶利益3。目前，與大豆生產者補貼政策實施效果相關的文獻主要集中在兩方面：（1）補貼政策對大豆生產的影響，農業補貼政策的合理調整對于推動區域水土資源的優化配置具有顯著成效[45]。生產者補貼政策能夠通過增加土地轉入面積、調整種植結構兩種途徑擴大大豆播種面積6，但在擴種的同時也會造成生產要素投入的下降。農戶作為理性經濟人，擴種大豆的根本動機來自種植大豆所獲得的凈利潤，而凈利潤又受到農戶資源稟賦、地域自然條件以及產業基礎等多重因素的影響6，若大豆補貼標準的提升在次年未能符合農戶預期或標準設定未能充分考量成本上漲的實際情況時，改革對大豆生產的促進效應在次年將會減弱[8.9]。除此之外，生產者補貼政策還能夠提升大豆全要素生產率水平[10.11]。（2）補貼政策對農戶福利的影響，生產者補貼政策能直接提升農戶種植糧食的基本收益[12]，隨著大豆補貼標準的逐年增加，大豆的單位面積收益得到顯著提升，有效降低臨時收儲政策庇護下玉米收益的比較優勢[13]，但是僅靠生產者補貼政策很難保障農民收益和市場價格的穩定，而且也不利于減輕財政負擔[14]。回顧以往文獻可以看出：第一，關于大豆補貼政策的實施效果，既有文獻大多關注于補貼對生產投入的直接影響，忽略大豆補貼政策實施效果的機制研究。第二，結合福利效應的概念界定，農業補貼政策的福利效應是指農業補貼政策對農戶個體與社會以貨幣化收人指標衡量福利的改變。但現有文獻主要討論大豆收益的測算及變化，關于政策對大豆收益影響的研究文獻相對較少。綜合來看，以往文獻對大豆補貼政策和農戶福利之間的關系研究不多，并且缺乏相關的機制研究。事實上，大豆補貼政策的實施效果能夠通過大豆生產者收益進行反映，生產者補貼政策能否通過改變大豆種植結構、農業技術進步和單位產出水平進一步影響農戶福利？

基于此，本研究利用東北地區大豆生產者補貼試點這一準自然試驗特征，構造雙重差分模型，選取2012—2022年13個大豆主產區的省級層面數據，考察大豆生產者補貼政策對農戶福利的影響機制。

1 理論分析

面對大豆市場長時間的價格扭曲與收儲壓力，政府于2014年決定取消大豆臨時收儲政策，轉而推行大豆目標價格補貼政策，依據目標價格與市場實際價格的差額、大豆的種植面積以及產銷量等關鍵因素，對試點地區的生產者給予補貼，旨在更好地發揮市場機制的作用，推動大豆產業的轉型升級和提質增效。2017年，為全面協調玉米和大豆的補貼機制，政府決定將試點區域的大豆目標價格補貼政策轉變為生產者補貼政策。生產者補貼政策作為與種植面積緊密掛鉤的固定支付性政策，其顯著特點在于農產品價格完全由市場供需關系決定，真正實現市場定價、價補分離。這一轉變不僅有效發揮價格對農業生產的調節和引導作用，還有助于優化農業生產結構，提高農戶生產積極性。

基于收人效應，生產者補貼政策能夠激勵大豆主產區農戶，促使豆農在農業生產中投人更多的生產資料[15]，逐步實現規模化、集約化發展，從而提升大豆生產者福利。在圖1中，假設 X 為包含農機、化肥、勞動力等在內的生產要素， Y 特指土地這一關鍵生產要素， D 為大豆生產者的要素消費需求線，當農戶因獲得價格補貼而使其收入水平發生變化時，原有的收入曲線 I₁ 會相應地進行平移，形成新的收入曲線 I₂ 。由圖1可知，針對大豆比較收益較低的問題，實施玉米大豆差異化補貼政策，能夠促使大豆生產者播種更多的土地（ Y₁～Y₂） ，有效實現對農作物種植結構的調整，以保障國家糧食安全并確保農戶取得合理收益。同時，補貼能夠緩解農戶在大豆生產中的資金約束，農戶可以選擇生產率較高的方式進行生產[16]，在收入效應的作用下，農戶會增加對化肥、農機和勞動力等生產要素的消費量，使得 X₁ 增加至 X₂ ，這時能夠提高農業生產效率，進而提升農戶福利。充足的資金支持是糧食增產增收的基本保障1，生產者補貼政策能夠顯著提升糧食單產[18]。糧食單產作為影響糧食凈收益的主要途徑，生產者補貼政策能否充分發揮激勵作用，通過促進大豆單位產出水平進而使得農戶福利得到提升，還有待進一步探究。

圖1收入效應對農戶生產投入要素的影響 Fig.1 Impact income effect on farmers′production input factors

基于此，提出假說1：大豆生產者補貼對農戶福利具有正向影響；假說2：大豆生產者補貼通過改變大豆種植結構進而提升農戶福利；假說3：大豆生產者補貼通過促進農業技術進步進而提升農戶福利；假說4：大豆生產者補貼通過增加大豆單位產量進而提升農戶福利。

2數據來源、模型設置與變量說明

2.1 數據來源

所使用的數據為2012—2022年黑龍江、吉林、遼寧、內蒙古、河北、山西、江蘇、安徽、山東、河南、湖北、四川、陜西13個省（自治區）的平衡面板數據。其中，大豆的生產成本、凈利潤等關鍵數據均源自歷年《全國農產品成本收益資料匯編》；大豆生產者補貼額的具體數據則來自試點地區政府公告及相關政策文件；此外，文中涉及的其他所有數據均取自歷年《中國統計年鑒》，確保數據的權威性和準確性。

2.2 模型設置

2.2.1 雙重差分（DID）模型

通過構建DID模型，將大豆價格補貼政策試點地區（黑龍江省、吉林省、遼寧省、內蒙古自治區）作為試驗組，將其他大豆主產區作為對照組來估計大豆生產者補貼的政策效應。在運用DID模型進行分析時，多數研究依據個體是否受到政策影響來設置虛擬變量Treated，將實施大豆生產者補貼政策的省份賦值為1，把未實施該政策的其他省份賦值為0。此外，根據政策實施的年份設置虛擬變量time，將大豆生產者補貼政策實施的當年及后續年份設定為1，而政策實施之前的年份則標記為0。同時，為消除各省份間潛在的不可觀測差異以及特定年份對實證結果的潛在干擾，采用面板雙向固定效應模型來探究大豆生產者補貼政策對農戶福利的實際影響，基準模型設定如式（1所示。

FW_it=α₁+α₂did_it+βX_it+η_t+γ_i+μ_it 式中： i —地區；t 一年份；

FW_ii —農戶福利；

did_ii 1 —兩個虛擬變量的交互項Treated x time;X_ii 1 相關控制變量

η_t，γ_i 時間固定效應和個體固定效應；

μ_ii 經典隨機擾動項；

（204 α_¹，β 一待估參數；

α₂ 核心估計參數，代表大豆生產者補貼政策的凈效應。

2.2.2 中介效應模型

參考溫忠麟等[19的中介效應分析方法，分別將相對種植結構 （RPSS_it） ）、農業技術進步 （ATP_it） 和大豆單位產量 （SUY_it） 作為中介變量，檢驗生產者補貼政策對農戶福利的影響機制，并構建中介效應模型如式 （2）～ 式（10）所示。

FW_it=c₀+c₁did_it+c₂X_it+η_t+γ_i+μ_it

RPSS_it=a₀+a₁did_it+a₂X_it+η_t+γ_i+μ_it

FW_it=b₀+c₁^′did_it+b₁PRSS_it+b₂X_it+

η_t+γ_i+μ_it

ATP_it=a₀+a₁did_it+a₂X_it+η_t+γ_i+μ_it

FW_it=b₀+c₁^′did_it+b₁ATP_it+b₂X_it+

η_t+γ_i+μ_it

SUY_it=a₀+a₁did_it+a₂X_it+η_t+γ_i+μ_it

FW_it=b₀+c₁^′did_it+b₁SUY_it+b₂X_it+

η_i+γ_i+μ_it

式中： c₁ 一生產者補貼政策對農戶福利的總效應；a₁ 中 生產者補貼政策對中介變量的影響效應；b₁ T -中介變量對農戶福利的效應；c₁^′ -生產者補貼政策對農戶福利的直接效應。

2.3 變量說明

2.3.1 被解釋變量

本文的被解釋變量為農戶福利 （FW） 。2012—2016年，農戶福利由單位面積大豆凈利潤代表。2017—2022年，試點地區的農戶福利由兩部分組成：一部分是大豆單位面積的凈利潤；另一部分是當年政府的生產者補貼額，非試點地區的大豆收益依舊為單位面積大豆凈利潤。

2.3.2核心解釋變量

本文的核心解釋變量為did。它是兩個虛擬變量的交互項Treated x time，用以表示大豆生產者補貼政策的凈效應。

2.3.3 控制變量

除補貼政策外，農戶福利還受到地區產業結構（RIS）、有效灌溉率（EIR）農作物自然災害率 （DR） 、財政支農占比 （FEA ）、農村勞動力轉移程度 （LAT） ！第一產業勞動生產率 （LP） 等因素的影響，變量選擇及定義如表1所示。

表1變量選擇及定義 Tab.1Variable selection definition

2.3.4 中介變量

補貼政策的實施會對農戶要素投人[20]、單位產出水平產生影響，進而選取大豆相對種植結構（RPSS）、農業技術進步 （ATP） 和大豆單位面積產量！ （SUY） 作為中介變量。為準確衡量農業技術進步水平，通過借鑒田云等21的研究，決定采用農業全要素生產率作為衡量指標，并通過DEA一Malmquist指數法進行具體測算。其中，所用投人指標包含第一產業從業人員、農作物播種面積、農業機械動力及化肥施用量，產出指標為農林牧漁業總產值。

3實證結果與分析

3.1基準回歸結果

表2為大豆生產者補貼政策對農戶福利影響的基準回歸分析結果。通過觀察表2模型（4），可以發現生產者補貼政策效應的回歸系數顯著為正，說明生產者補貼政策效應與農戶福利呈正相關關系。在其他條件不變的情況下，生產者補貼政策效應每提升 1% ，則農戶福利平均提升 0.218% ，即生產者補貼政策能夠顯著提升農戶福利，驗證了假說1。農作物自然災害率對農戶福利產生顯著負向影響，因為自然災害的發生會使得農民喪失部分經濟收人。財政支農占比在5% 的顯著水平上對農戶福利呈現負向影響，產生這一現象的原因主要有兩方面：（1）財政支農支出的結構不完善，對農林水利事業費用的支出過大反而不利于農戶福利的增長[22]；（2）財政支農增速低于總財政支出時，支農強度減弱，但財政支農絕對數的增加會促進農戶福利增長，從而導致支農強度與農戶福利呈反向關系。第一產業勞動生產率對農戶福利具有顯著的正向影響，主要是因為高效的勞動生產率能夠提升農產品的產量和質量，從而增加農戶收人和市場競爭力，進而改善其生活水平和福祉。

表2DID模型回歸結果Tab.2 DID model regression results

注：**、**和\"分別表示估算值在 1%.5% 和 10% 的水平顯著。下同。

3.2 穩健性檢驗

3.2.1平行趨勢檢驗

采用事件研究法進行DID平行趨勢檢驗，以政策發生第一年2017年為基期，同時為避免共線性刪除了2012年政策變量，對生產者補貼政策產生的動態效應進行分析。具體結果如圖2所示，可以看出，2017年之前處理組與控制組地區的農戶福利不存在明顯的趨勢差異，但在2017年大豆生產者補貼政策實施之后試點地區政策對農戶福利產生顯著正向影響，農戶福利總體呈現增長趨勢，滿足DID模型平行趨勢假定。

3.2穩健性檢驗

3.2.1平行趨勢檢驗

采用事件研究法進行DID平行趨勢檢驗，以政策發生第一年2017年為基期，同時為避免共線性刪除了2012年政策變量，對生產者補貼政策產生的動態效應進行分析。具體結果如圖2所示，可以看出，2017年之前處理組與控制組地區的農戶福利不存在明顯的趨勢差異，但在2017年大豆生產者補貼政策實施之后試點地區政策對農戶福利產生顯著正向影響，農戶福利總體呈現增長趨勢，滿足DID模型平行趨勢假定。

圖2平行趨勢檢驗Fig.2Parallel trend test

3.2.2 安慰劑檢驗

為消除潛在因素對生產者補貼政策效果造成的干擾，參考石大千等[23]使用的安慰劑檢驗方法，隨機重復500次試驗，結果如圖3所示。可以發現政策虛擬變量系數均值為0.0053，遠小于真實系數估計值0.218，分布密度曲線基本擬合正態曲線，且大部分估計值的 P 值都在 10% 的水平上不顯著，這表明在調整政策發生時間的情況下，虛擬的DID作用不再顯著；反之，真實的DID回歸分析結果是可靠的，驗證了回歸結果具有穩健性，說明大豆生產者補貼政策有著明顯的地區影響效應，對政策試點地區的農戶福利促進作用最顯著。

3.2.3樣本選擇問題（PSM一DID）

為解決樣本自選擇問題，先使用PSM模型，依據傾向得分為處理組尋找相似度盡可能高的控制組個體，使得控制組與處理組滿足共同趨勢假設，之后使用DID模型，通過兩次差分處理個體效應和時間效應，對匹配好的樣本進行回歸分析，結果如表3所示。

表3PSM一DID回歸結果Tab.3PSM—DID regression results

由表3可知，核心解釋變量did的估計系數顯著為正，與前文回歸結果相同，這說明生產者補貼政策有助于提升農戶福利的基準結論穩健。

4 作用機理檢驗

在先前的理論假設中，認為生產者補貼政策能夠通過大豆種植結構、農業技術進步以及單位產出水平3種主要機制來影響農戶福利。基于此，本文采用逐步回歸檢驗法進行分析，回歸結果如表4所示。

表4中介機制檢驗結果Tab.4 Mediation mechanism test results

從表4模型（1）和模型（2）的估計結果可以看出，大豆生產者補貼凈效應對大豆種植結構具有顯著的正向作用，但種植結構對農戶福利的影響不明顯，進而采用Bootstrap法檢驗種植結構的間接效應，發現 a₁× b₁ 的 95% 置信區間包括數字0，說明種植結構對農戶福利不存在中介效應，這可能是因為農戶為追求更多的收益，會在補貼政策的激勵下調整成預期收益更高的種植結構，但玉米的實際收益一般高于大豆，就會使得種植結構對農戶福利的中介效應不顯著，回歸結果未證實理論假說2。從表4模型（3）和模型（4）可以看出，補貼政策在 5% 的顯著性水平下正向促進農業技術進步，農業技術進步對農戶福利在 5% 的水平上正向顯著，大豆生產者補貼政策對農戶福利在 1% 的水平上正向顯著，這表明大豆生產者補貼政策通過農業技術進步對農戶福利產生的中介效應顯著。同理，表4模型（5）是生產者補貼政策對大豆單位產量的實證檢驗，在 5% 的水平下顯著為正，表4模型（6）是補貼政策、大豆單位產量對農戶福利的實證檢驗，都在1% 的顯著性水平下正向促進農戶福利，表明大豆生產者補貼政策通過增加大豆單位產量對農戶福利產生的中介效應同樣顯著。此外，生產者補貼政策對農戶福利的總效應為0.218，當分別引入農業技術進步與大豆單位產出水平變量時，大豆生產者補貼凈效應對農戶福利的直接效應為0.202和0.201，總效應大于直接效應，說明大豆生產者補貼政策不僅能直接促進大豆收益提升，還會通過農業技術進步和單位產出水平兩條路徑，有效提升大豆的質量與產量，從而實現農戶福利的提升，假設3、假說4得到驗證。

5 結論與啟示

5.1 結論

探討大豆生產者補貼政策對農戶福利的影響，對保障大豆生產者合理利益、維護國家糧食生產安全等方面具有重要意義。以2012—2022年13個大豆主產區的省級面板數據作為研究樣本，將大豆生產者補貼試點視為準自然試驗，運用雙重差分模型，系統地考察大豆生產者補貼政策對農戶福利的影響及作用機制。

1）基準回歸模型檢驗結果顯示生產者補貼政策效應每提升 1% ，則農戶福利平均提升 0.218% ，表明大豆生產者補貼政策提升政策試點地區的農戶福利，在通過一系列穩健性檢驗后，該結論仍舊成立。

2）運用中介效應模型檢驗大豆生產者補貼政策對農戶福利的作用機制，發現大豆生產者補貼政策主要通過農業技術進步和單位產出水平兩方面提升政策試點地區大豆種植戶的福利效應。

5.2 啟示

1）完善玉米大豆生產者補貼政策。在綜合考慮大豆、玉米等糧食作物獨特的生產特性及市場需求的基礎上，還應依據各地的資源稟賦和農業生態條件，制定更為精準化的補貼政策。針對高油高產大豆，應加大政策扶持力度，通過提升補貼標準、優化補貼結構等策略，有效激勵生產者積極投入大豆種植，從而推動大豆產量和品質的雙重提升。同時，還要實現從單一化補貼激勵向多元化政策支持的轉變，以構建更為全面和立體的生產者支持體系。除直接的財政補貼外，還應綜合運用技術支持、市場推廣等多種手段，形成政策合力，為生產者提供全方位的支持和保障。

2）提升大豆種植的技術進步水平。重點加強農機裝備的研發與推廣，推動大豆機械化種植與收獲，降低勞動力成本，提高生產效率。同時，積極探索和推廣新型綠色肥料技術，改善土壤質量，提升肥料利用效率。此外，加強技術培訓和指導，提升農民的技術水平和種植管理能力。

3）推進大豆大面積單產提升。推廣大豆、玉米帶狀復合種植技術，并探索高梁套作、辣椒套作、幼齡果樹套作等多元化種植模式；研發大豆優質品種，提高病蟲害防治效果，組織專業技術人員指導農戶科學用藥，鼓勵發展植保防治專業服務隊；加強農業基礎設施建設，如灌溉系統和水利工程等，改善農田排灌條件，提高耕地利用率，從而提高大豆單產水平。

4）著重提升農民種糧積極性。加快撥付與農業生產相關的資金，確保財政支持春耕生產和穩定大豆種植的政策措施得到有效實施。同時，統籌利用產糧大縣的獎勵資金和其他自有資金，形成資金投人合力，以持續鞏固穩糧、擴豆的成效。

參考文獻

［1］楊少文，熊啟泉．中國式現代化下糧食安全的內容架構、現狀與趨勢[J].華南農業大學學報（社會科學版），2023，22（5）：1—12.Yang Shaowen，Xiong Qiquan. Grain security underChinese path to modernization： Content framework，current situation trends [J].Journal South China （Social Science Edition），2023，22（5）：1-12.

[2] Chau N H，De Gorter H. Disentangling the consequences direct payment schemes in agriculture on fixed costs，exit decisions， output [J]. American Journal ，2005（5）：1174—1181.

[3]Duangbootsee U，Myers R.A comparison the welfareimpacts Thai rice price support deficiency paymentprograms [C]. International Association Economists，2015.

［4］劉航，申格，楊婧，等．農業政策調整下大豆種植格局變化對水土資源消耗的影響評估[J].中國農業資源與區劃，2023，44（6）：52-60.Liu Hang，Shen Ge，Yang Jing，et al. Impact assessment changes in soybean planting structure on water farml resources under agricultural policyadjustment[J]. Chinese Journal Resources Regional Planning，2023，44（6）：52-60.

［5］周楊，邵喜武，吳佩蓉．大豆生產者補貼政策改革促進農戶種植結構調整了嗎？一 一基于全國446個縣的準自然試驗[J].農林經濟管理報，2021，20（3）：305—315.Zhou Yang，Shao Xiwu，Wu Peirong. Does policyreform subsidy for soybean producers promote farmersto adjust planting structure？Based on quasi-naturalexperiments in 446 counties nationwide [J].Journal Agro-Forestry ， 2021，20（3）：305-315.

［6］王新剛，司偉，馮曉龍，等．大豆生產者補貼對農戶土地投入決策的影響——基于全國農村固定觀察點調查數據的實證分析[J].中國農村觀察，2023（1）：20—39.Wang Xingang，Si Wei，Feng Xiaolong，et al.Theimpacts soybean producer subsidies on farmers' linput decision-making：An empirical analysis based on thedata national fixed observation points in rural areas inChina[J]. China Rural Survey，2023（1）： 20－39.

［7］王新剛，司偉．大豆補貼政策改革實現大豆擴種了嗎？——基于大豆主產區124個地級市的實證[J]．中國農村經濟，2021（12）：44-65.

［8］陸鈺鳳，賈杰斐，楊青．目標價格補貼改革對農戶大豆生產的影響——基于雙重差分法的實證分析[J].農業技術經濟，2023（8）：66-81.Lu Yufeng，Jia Jiefei，Yang Qing. Effect target pricesubsidy reform on soybean production：An empiricalanalysis based on difference-in-differences method [J].Journal Agrotechnical ，2023（8）： 66-81.

［9］馬麗．新時期農戶種糧積極性及其影響因素——基于黑豫魯晉四省農戶調研數據的實證分析[J].農業經濟與管理，2021（5）：94-108.

[10］張暉，張雨萌．農業補貼提高了糧食生產技術效率嗎？——基于江蘇省552戶糧食生產型家庭農場數據的實證研究［J].華中農業大學學報（社會科學版），2022（6）：58-67.

[11］趙晨曉，趙達君，陳玉蘭．目標價格政策對棉花綠色全要素生產率影響分析——基于12個棉花主產省面板數據的Malmquist—Tobit模型［J]．中國農機化學報，2023，44（11）：258—264，280.Zhao Chenxiao，Zhao Dajun，Chen Yulan． Analysis impact target price policy on green total factorproductivity cotton：Based on the Malmquist—Tobitmodel 12 major cotton-producing provinces'paneldata [J]. Journal Chinese Mechanization，2023，44（11）：258—264，280.

[12］范帥邦，楊明，彭詩淳．農業補貼政策影響及調整方向研究[J].科學決策，2023（4）：131-151.Fan Shuaibang，Yang Ming， Peng Shichun. Study on theinfluence adjustment direction agricultural subsidypolicy[J]. Scientific Decision Making，2O23（4）： 131—151.

[13］許鶴，劉帥．生產者補貼政策、區域定位差異及大豆種植戶行為響應——來自吉林省、山東省6市12縣的證據[J].中國農業資源與區劃，2023，44（10）：201—210.Xu He，Liu Shuai．Policy producer subsidy，responseregionalorientationdifferencesoybeanfarmerbehavior：Evidence from 6 cities included 12 counties inJilin Province Shong Province [J]. Chinese Journal Resources Regional Planning，2023，44（10）： 201—210.

［14］宮斌斌，郭慶海．玉米收儲政策改革與目標價格政策重估[J].世界農業，2022（6）：58—65.

[15］檀竹平，高雪萍．1997—2016年中國小麥種植區域比較優勢及空間分布[J].河南農業大學學報，2018，52（5）：825-838.Tan Zhuping，Gao Xueping. Comparative advantage spatial distribution wheat in China from 1997to2016[J]. Journal Henan ，2018，52（5）： 825-838.

[16］高鳴，宋洪遠，MichaelCarter．補貼減少了糧食生產效率損失嗎？——基于動態資產貧困理論的分析[J].管理世界，2017（9）：85—100.

[17］葉舉，艾瑋煒，石奇．綠色政策選擇、糧食技術進步與要素稟賦協調發展研究［J]．中國農業資源與區劃，2024，45（7）： 39-53.Ye Ju，Ai Weiwei，Shi Qi，et al． The impacts greenpolicy on grain technology progress factor endowmentcoordinateddevelopment[J].ChineseJournal Resources Regional Planning，2024，45（7）：39-53.

[18］劉威，鄭雪麗．生產者補貼政策對我國糧食安全的影響研究——基于玉米省級面板數據[J].中國農業資源與區劃，2024，45（5）：64—73.Liu Wei，Zheng Xueli.The effect producer subsidypolicy on grain security： Based on corn provincial paneldata[J].Chinese Journal Resources Regional Planning，2024，45（5）： 64-73.

[19]溫忠麟，葉寶娟．中介效應分析：方法和模型發展[J].心理科學進展，2014（5）：731—745.

[20］王鋼，石奇，錢龍．最低收購和價格補貼政策能提升農戶福利效應嗎？——基于小麥主產區5省份1996—2016年面板數據的測算[J].農業經濟問題，2019（10）：63-73.Wang Gang，Shi Qi，Qian Long. Can minimum purchase price subsidy policy improve farmers'welfare effect？Estimation panel data based on 1996—2016 in 5provinces majorproducing areas[J]. Issuesin Economy，2019（10）： 63—73.

[21］田云，尹怒昊．中國農業碳排放再測算：基本現狀、動態演進及空間溢出效應[J].中國農村經濟，2022（3）：104—127.TianYun， YinMinhao.Re-evaluationChina'sagricultural carbon emissions：Basic status，dynamicevolution spatial spillover effects [J]．Chinese RuralEconomy，2022（3）： 104—127.

[22］趙德起，譚越璇．制度創新、技術進步和規模化經營與農民收人增長關系研究［J].經濟問題探索，2018（9）：165—178.

[23］石大千，丁海，衛平，等．智慧城市建設能否降低環境污染［J]．中國工業經濟，2018（6）：117-135.Shi Daqian，Ding Hai，Wei Ping，et al.Can smart cityconstruction reduce environmental pollution？[J]. ChinaIndustrial ，2018（6）：117—135.