大豆生產者補貼政策對農戶種植結構調整的影響
——基于微觀數據的考量

周 楊，邵喜武，吳佩蓉

（1.濟寧學院儒商學院，山東 濟寧 273115；2.吉林農業大學經濟管理學院，長春 130118）

1 引言

新世紀以來，我國糧食產量實現了“十二連增”。然而，在這一喜人的成績背后，糧食生產卻出現了階段性供給冗余與結構性失衡并存的局面[1]。大豆作為重要的油料與蛋白來源作物，其產量與三大主糧作物相比發展十分緩慢，甚至在2010年大豆生產份額開始逐年減少。開始時，人們普遍認為大量的進口抑制了農民種植積極性，導致生產滑坡。之后人們意識到造成這種局面的根本原因是比較效益更高的稻谷和玉米替代了大豆的種植面積[2]。為提振大豆產量，2017年國家對東北地區進行了新一輪的大豆收儲制度改革，即由大豆目標價格政策改為實施與玉米相同的生產者補貼政策，通過高于玉米補貼標準的方式提高農民種豆的比較收益，并強調“新的補貼制度將會進一步助力國產大豆種植面積提升，同時引導玉米種植面積調減”。從政策構想與設計上而言，其政策初衷更多地表現為擴大大豆面積、減少玉米面積的種植結構調整。2019年，中央提出要推行大豆振興計劃，而“擴面”則是其中的重要目標；2019—2023年，連續5年的中央一號文件均強調要堅持并完善大豆生產者補貼政策。因此，本文以大豆生產者補貼政策為研究對象，考察該政策是否實現種植結構調整目標，以期為完善大豆生產者補貼政策、實現大豆振興計劃提供經驗借鑒。

關于糧食政策影響農戶生產行為的問題，統一觀點是，隨著市場經濟的不斷深化，理性農戶會對不同糧食政策進行比較，選擇投資回報率較高的作物進行種植。王娜等[3]考察了價格支持政策對不同糧食作物生產面積的影響，結果表明，由于作物自身稟賦的不同，價格支持政策下不同糧食作物的種植利潤大相徑庭，不同糧食生產面積對政策的敏感度也不相同，由高到低依次為：玉米、稻谷、小麥和大豆；劉宏曼等[4]同樣認為過去的種植決策是影響豆農生產行為的重要因素，而“臨儲”政策的實施對農戶生產行為的影響并不明顯；臨時收儲政策改為目標價格政策后，由于減少了政策補貼的中間損耗，豆農的預期收益得到顯著提高，大豆種植面積在政策實施初年擴大11.40%，但終究由于目標價格設置不合理和缺乏與玉米明確的比價關系抑制了豆農的種豆積極性，目標價格政策實施次年的大豆播種面積顯著減少20.50%[5]。具體到生產者補貼政策的研究中，雖然玉米生產者補貼政策的實施效果好于預期，總產量下降，價格持續上漲，非優勢產區玉米種植面積相對調減。但是，農戶售糧進度變緩、農戶政策預期發生變化，使生產者收入持續波動[6]；從2017—2018年生產者補貼的發放情況來看，通過大豆補貼金額高于玉米的方式，在一定程度上可引導農戶調減玉米、增種大豆，但具有一定局限性，若要維持或進一步促進種植結構調整，需持續提高大豆生產者補貼標準。一旦放緩或停止政策干預，種植結構將可能出現反復，甚至反彈[7]；周楊等[8]研究已印證這一觀點，大豆生產者補貼政策實施初年，大豆種植比重增加6.50%，但受限于路徑依賴、補貼錯位、地租的不合理增長以及大豆、玉米相對價格不理想等問題，雖然2018年補貼額度進一步提高，但大豆種植比重并未相應改善。然而，使用宏觀面板數據的分析雖然能從整體上回答大豆生產者補貼政策改革對農戶生產行為影響的結果，但生產者補貼政策對種植結構調整的作用機制是發生于“農戶間”和“農戶內”，宏觀層面的數據無法客觀衡量在政策沖擊下農戶的真實反應，不同初始條件、不同生產規模農戶，受政策的影響有何不同？想要完整地回答大豆生產者補貼政策改革對農戶生產行為的影響，還需要采用微觀層面的數據進行分析和討論。

鑒于此，本文利用微觀數據從以下幾個方面進行拓展和延伸：（1）將工具變量法（IV）和分位數回歸模型（QR）相結合，考察政策改革與種植結構調整的因果效應，可避免政策作為解釋變量時產生的內生性問題；（2）進一步考察了在政策影響下不同初始條件、不同規模農戶的種植結構變化，可以更全面、完整、深刻地認識收儲改革的影響。相對于普通農戶，規模經營戶由于專業性強、規模大等特點，對政策的敏感性更強。在面對收儲改革時，其反應與普通農戶可能有所不同。

2 制度背景：大豆“目標價格”到“生產者補貼”的演變

2000年，大豆每公頃凈利潤為629.25 元，與水稻水平相當，是玉米的1.28倍，小麥凈利潤為負值；到了“目標價格”實施前夕，即2014年，我國大豆每公頃凈利潤已跌至-385.50元，而水稻、小麥和玉米每公頃凈利潤則分別為3 072.45、1 317.45 和1 227.30 元，大豆種植毫無比較優勢。在如此嚴峻的國內外形勢下，為穩定大豆產量、提高豆農收入、保障糧食及產業安全，2014年國家開始在東北四省區開展大豆“目標價格”試點。用“目標價格”制度替代“臨時收儲”政策，提前了執行價格的公布時間，降低了政府的庫存壓力，改變過去“進多出少”的狀況，有效緩解“三高”局面；消除政策干預對于市場的扭曲作用，市場價格導向作用得到激活，農民能更大程度參與到市場中，一時間大豆產量和生產面積得到明顯提升[9]。

然而，目標價格制度的實施仍無法改變因生產要素錯配而導致的大豆、玉米種植結構失衡問題。2014—2016年，大豆生產面積增加50.10萬公頃，而玉米卻增加118.08萬公頃。2016年，中央農村工作會議提出要推進農業供給側結構性改革，圍繞“三去一降一補”的思路，優化農業內部生產結構。從形勢上看，適度調減玉米、增加大豆生產成為了亟待解決的重要問題。為進一步優化大豆、玉米種植結構，2017年3月我國大豆改行與玉米相同的生產者補貼政策，具體內容為：每年6月前，農戶進行大豆播種面積申報，6—8月進行審核和公示，補貼標準由各省級財政單位擬定（原則上大豆的補貼標準要高于玉米），并經省政府批準后于9月底前兌付給大豆種植戶，經調研發現，補貼資金均在每年10—11月初才會到達農戶手中。

目標價格制度與生產者補貼的共同之處在于：兩者本質上均屬于價補分離政策，且均與當期的生產面積掛鉤。不同之處在于：首先補貼方式，目標價格制度采取的是差價補貼的方式，當市場價格低于目標價格時，將差額補貼給農戶；而生產者補貼政策采取的是按照面積固定補貼方式，在同一政策下，通過遠高于玉米的補貼標準（見表1），提高農戶的種豆意愿，更有利于調整大豆、玉米的種植結構[10]。其次在執行價格公布時間方面，目標價格的標準雖在每年4—5月公布，但具體補貼標準還需在事后的銷售環節才能確定下來，通過反周期調節的方式避免了由于可能的價格下跌帶來的生產滑坡；而生產者補貼標準在播種之前便能夠確定，與市場價格無關，通過政策導向作用提高農戶的種植意愿。

表1 生產者補貼標準Table 1 Producer subsidy standards單位：元/公頃

3 數據來源與模型構建

3.1 數據來源與描述性統計分析

本文數據主要來源于2019年7—11月和2020年9—11月在吉林和黑龍江開展的實地調研。東北三省一區是我國大豆的主產區，也是生產者補貼政策實施地區。吉林、黑龍江大豆產量和面積占四省區比重在80%左右，在生產者補貼政策實施后，吉林2017和2018年大豆種植面積較2016年分別增加17.43% 和48.90%，黑龍江分別增加15.90% 和10.70%。

調研地區共涉及12 個鄉鎮21 個行政村，每個行政村抽取約12 戶農民開展問卷調查。為了確保數據的準確性，項目組事先對調研人員進行專題培訓，并建立相應的考核機制。通過農戶回憶、電話回訪等方式，最終搜集到包含2018—2020年農戶生產相關數據的問卷229 份，刨除數據缺失和存在偏差的問卷，有效問卷214 份，有效率為93.45%。具體的樣本分布情況如表2所示。變量描述性統計分析如表3所示：

表3 各變量的含義與描述性統計分析Table 3 Meaning and descriptive statistical analysis of each variable

3.2 模型設定與指標選取

工具變量分位數回歸模型（IVQR）。傳統的計量模型可以分為條件均值模型和條件波動率模型，前者反映的是條件分布的集中形式，后者反映的是條件分布的分散形式。分位數回歸模型可以囊括條件分布的集中和分散兩種形式，以整體的模式考察自變量和因變量的關系。相較于最小二乘法對均值的回歸，分位數回歸模型可以獲得除均值外更多因變量分布信息，進而可以考察自變量對因變量不同分布的影響差異，從而使估計結果更加穩健可靠[11]。然而，該研究難點依然是如何剝離其他因素對農戶生產行為的影響，分位數回歸模型在解決內生性問題方面有所欠缺。為此，V.Chernozhukov 和C.Hansen[12]在分位數回歸模型的基礎上構建了工具變量估計方法，即本研究使用的工具變量分位數回歸模型，成為國內外學者在不同領域構建分位數回歸模型方法的常用工具。分位數的函數形式為：

式（1）中，Q（·）為分位數方程且為關于τ的嚴格遞增函數，X和Y分別為解釋變量和被解釋變量，a和β為待估參數。由于存在內生性問題，分位數的估計結果可能有偏，引入工具變量（Z）后的目標函數定義為：

式（2）中，ωj為權重，控制J個分位數τ在估計時的影響，γ為待估參數。

本文選擇的被解釋變量為大豆種植比重（即農戶大豆生產面積與耕地總面積的比值）。核心解釋變量為大豆生產者補貼政策（Pol），主要選取政府在2018—2020年公布的生產者補貼標準?？刂谱兞恐饕ǎ哼^去的種植決策（Dect-1）和與主要競爭作物的相對預期單產（Ery）；其次是農戶及家庭特征，主要包括：①性別（Sex）。已有研究者對性別這一影響變量說法不一，有學者認為男性受政策補貼的影響要顯著高于女性，因此有理由相信男性會更傾向于調整生產行為，而有學者則不然，認為女性往往對作物質量要求更高，調整種植結構和提高生產要素配置水平的可能性更大。但在本研究的實地調研中發現，家庭農業的生產決策者往往是男性，因此將性別這一變量進行剔除；① 決策者年齡（Age）。年齡越大，其傳統的思維愈發根深蒂固，越不易接受新鮮事物，生產路徑的依賴性更強，調整農業生產行為的可能性就越低；②受教育程度（Edu）。受教育程度越高的農戶，其對大豆生產者補貼政策福利效應的認知也越強，更傾向于調整農業生產行為；③是否為村干部（Cgb）和是否接受過農業培訓（Px）。根據問卷內容將這兩個變量定義為“1=是，0=否”；最后是兼業化程度（Jy）。用農業收入占家庭總收入的比重表示。本研究認為隨著兼業化程度的提高，其務農的機會成本也會提高，在政策的影響下改善種植結構和提高生產要素配置水平的積極性將會降低。

工具變量主要包括兩項：①非勞動力人數（Non-Lab）。該變量主要是指農戶家庭成員中大于70歲和小于16 歲的成員人數。農戶非勞動力人數不參與農業生產，但農戶的農業生產決策者會考慮他們的生活消費等，也就是說，生產者補貼額度對生產行為的激勵作用與非勞動力人數相關。雖然不是直接對農業生產產生作用，但是間接影響農業生產情況。由于農戶家庭的非勞動力人數和生產者補貼額度相關，而與農業生產無直接關系，該變量常以工具變量的方式用于解釋農業政策與農業生產之間的關系[13]。因此，本研究選用這一變量作為主要的工具變量，來識別大豆生產者補貼政策與農戶生產行為關系。②歷史大豆產量（His-Yield）。為了對政策影響下的農戶生產行為進一步分析，本研究在做穩健性檢驗時選用歷史大豆產量作為工具變量。歷史大豆產量和當前生產者補貼額、農戶生產行為沒有直接關系，但是農戶可以通過歷史大豆產量對未來的種植收益進行預期，從而調整其生產行為，由此導致種植結構受到間接影響。G.Jeremy 等[14]使用油籽的歷史產量作為工具變量，選用2SLS 模型來分析美國的補貼對油籽產量的影響。Borowiecki.Karol jan[15]也驗證了該工具變量的合理性，認為歷史產量對當期的產出沒有影響，但卻能夠影響政策的制定。因此，本研究選用該變量來檢驗大豆生產者補貼政策改革和農戶生產行為的關系。由于本章節所使用的數據區間2018—2020年，因此，此處選用2014—2016年（大豆生產者補貼政策改革前）對應該戶的大豆歷史產量為工具變量，即2014年對應2018年小麥歷史產量，以此類推，單位為公斤/戶。

4 實證分析

4.1 生產者補貼政策對種植結構調整的影響

為了檢驗大豆生產者補貼政策改革是否促進種植結構調整，并考察在不同初始條件下政策效果是否存在異質性，本文構建工具變量分位數回歸模型進行估計。在使用工具變量進行估計之前，需要進行“弱工具變量檢驗”。一般地，弱工具變量由于包含內生變量的信息較少，所以往往很難收斂到參數的真實值。因此，使用“Kleibergen-Paap Wald F 統計量”對大豆歷史產量這一工具變量進行檢驗，結果表明，Kleibergen-Paap Wald F 統計量的值為22.08，大于10% Stock-Yogo統計水平上的臨界值，該工具變量拒絕了“弱工具變量”的原假設。此外，該工具變量也通過Kleibergen-Paap rk IM 統計量檢驗和Hansen J統計量檢驗，不存在“不可識別”和“過渡識別”的問題。表4為大豆生產者補貼政策影響種植結構的估計結果，遵循分位數回歸模型的思想，將種植結構根據0.2、0.4、0.6 和0.8 等4 個分位點分成5 個段位進行估計，即5種初始條件，分位點為1時是基于全樣本進行回歸。

表4 大豆生產者補貼政策對種植結構調整的影響Table 4 Effects of soybean producer subsidy policies on planting structure adjustment

由表4中全樣本的回歸結果可知，大豆生產者補貼政策的系數值為0.130 4，并在1%的顯著性水平下顯著，即樣本內大豆生產者補貼政策改革促進了農戶種植結構調整。然而，大豆生產者補貼政策改革對農戶種植結構調整的促進作用在不同分位點上具有較大差異。大豆生產者補貼政策僅在0.4和0.6的分位點上對農戶種植結構調整具有明顯的促進作用，并未激發0.2和0.8分位點處農戶調整種植結構的意愿。尤其是分位點為0.2時，政策的效果竟顯著為負，即原本農戶家庭種植大豆的比重越低，生產者補貼政策改革越不利于激發該家庭增種大豆的積極性。究其原因，在前往吉林省雙遼市的調研中可窺知。吉林省地處黃金玉米帶，是我國重要的玉米主產區之一，除個別地區外，幾乎所有的縣市均以種植玉米為主，雙遼市便為其中之一。通過調研了解，在大豆生產者補貼政策改革初年，由于大豆與玉米的比較收益顯著增加，農戶的確增加了種植大豆的積極性，但在2019年和2020年的跟蹤調研中發現，農戶大豆的種植比重均沒有政策改革初年高，而缺乏銷路是其中的主要問題，在雙遼市調研的29份有效問卷中，有24份將“無人來收”作為影響其改種大豆最主要的因素，占比高達82.76%。那么原本種植大豆比重較高農戶是否因沒有缺乏銷路的擔憂從而增加大豆種植比重呢？答案是否定的。從表4（4）的結果可以看出，當分位點為0.8 時，政策的系數值為0.145 2，但并不顯著，即大豆生產者補貼政策對原本種植大豆比重較高的農戶家庭進一步促進其擴種大豆的效果極其有限。調研中發現，當問及“若是大豆的補貼標準進一步提高，您是否愿意放棄其他作物的種植，全部種大豆時？”鮮有農戶回答“愿意”，214份有效問卷中，有183份不愿意“全部種植大豆”，占比高達85.51%。導致出現這一結果最主要的原因是，由于大豆的相對單產較低，考慮到風險和收益的雙重因素，大多農戶均不愿“將雞蛋放在同一個籃子中”，當然，還有一部分原因在于需要種植其他作物用于家庭必需消費。相對而言，大豆生產者補貼政策實施后，大豆種植比重處在中位的農戶更傾向于增加一定比例的大豆種植。分位點為0.4和0.6時，政策的系數值分別為0.123 6 和0.098 2，并分別在1%和5%的顯著性水平下顯著。這些農戶便是政策得以發揮積極種植結構調整效應的核心力量。

4.2 穩健性檢驗

本文通過更換工具變量和樣本分組來進一步對估計結果進行穩健性檢驗。首先，使用歷史大豆產量作為工具變量，替代前文所使用的農戶家庭中的非勞動力人數；其次，將樣本中黑龍江和吉林分別回歸進一步檢驗結果。為了與前文分位數回歸模型的分析對應，依然按照0.2、0.4、0.6和0.8等4個分位點分成5個段位進行估計。

（1）更換工具變量再檢驗。由結果可知，全樣本中，政策效應的系數值為0.184 1，且在1%的顯著性水平下顯著，與前文的計量結果相一致，大豆生產者補貼政策改革的確能夠促進農戶種植結構調整。從各分位點的結果來看，仍然只有當分位點在0.4 和0.8 時，政策能夠發揮積極的種植結構調整效應。因此，前文中關于政策與農戶種植結構調整的估計結果是穩健的。

（2）樣本分組后再檢驗。由結果可知，不論是黑龍江還是吉林，大豆生產者補貼政策改革均能夠在不同程度上促進農戶種植結構調整。在進行分位數回歸后，也僅能對分位點為0.4和0.6時的農戶產生積極的種植結構調整效應，與前文保持一致，增強了實證結果的穩健性。并且，黑龍江和吉林相比較而言，黑龍江農戶在政策的影響下調整種植結構的程度更大。

5 異質性分析：生產者補貼政策改革對不同規模農戶生產行為的影響

為了追求利益最大化，農戶往往會調整從事農業生產的要素配置、必要勞動時間和土地經營規模，然而這種人為改變稟賦特征的調整在外部政策刺激下往往引致農戶生產行為差異。在家庭經營制度確立之初，我國所有的農戶都是小農戶，本質上并無太大差別，但隨著工業化和城鎮化的推進，小農戶逐漸沿著兩條路徑不斷分化[16]。其中一條路徑是大多數農戶開始出現兼業化，農業生產逐漸呈現離農化；另一條路徑則是在政府和市場的推動下，少數農戶的土地開始流轉和集中，逐漸形成規模經營特征。選擇不同規模主體進行研究的原因還包括：第一，大豆生產者補貼政策的政策設計初衷是其與農戶的種植面積掛鉤，能通過補貼來刺激生產，促進農戶的生產積極性。因此，通過基于不同規模主體的視角來評估大豆生產者補貼政策對農業生產行為的影響，主要考察其是否完成政策設計的初衷；第二，通過將所有樣本分成不同組別，有利于更清楚地分析大豆生產者補貼政策對不同規模農戶的作用；第三，已有研究表明糧食收儲制度的改革對不同規模農戶的生產行為會產生不同影響，如阮榮平的研究表明，玉米收儲制度改革能夠對普通農戶調整種植結構產生積極影響，而對新型經營主體效果不佳[17]。前文已經分析了生產者補貼政策改革對農戶生產行為的影響。然而，生產者補貼政策是否對不同規模主體的農業生產行為起到了不同的作用？是推動還是抑制？目前的大豆生產者補貼政策對哪種經營規模的作用更為明顯？這一部分將重點考察大豆生產者補貼政策沖擊下規模主體異質性在農業生產行為中的邏輯，尤其是普通農戶和規模經營戶在種植結構上的行為差異。

5.1 不同規模農戶的描述性統計分析

參考《新型經營主體的統計標準》中家庭農場的申報標準和第三次全國農業普查關于規?；慕缍?，以3.33公頃和6.67公頃為閾值，將農戶分為普通農戶、規模戶Ⅰ型和規模戶Ⅱ型，即耕地總面積在3.33公頃及以下為普通農戶、3.33—6.67公頃為規模戶Ⅰ型、6.67公頃以上為規模戶Ⅱ型。表5描繪了不同規模農戶的樣本特征，從中可以看出，不同類型農戶的年齡相差無幾，均在50歲左右，規模戶Ⅰ型農場主的平均年齡相較年輕，僅為49.53歲，而普通農戶的平均年齡相對較長，為53.31歲，具體的數據主要集中在40～70 歲之間，說明我國大豆生產主體以中老年為主；從受教育水平來看，初中以下學歷的農戶還是占據主導地位，我國豆農的文化水平仍然偏低，相較而言，規模經營戶的受教育水平更高，尤其是隨著土地規模的增大受教育程度也隨之提高；從種植決策和滯后一期種植決策的均值來看，明顯看出當期普通農戶和規模戶Ⅱ型的平均大豆種植比重相較滯后一期有所增長，而規模戶Ⅰ型則有微弱下降；而相對預期單產則隨著規模的增加而提高。

表5 不同規模農戶樣本基本特征Table 5 Basic characteristics of farmer samples of different scales

5.2 生產者補貼政策對不同規模農戶種植結構的影響

表6匯報了大豆生產者補貼政策影響不同規模農戶種植結構調整的檢驗結果。由結果可知，3 種類型的農戶無論是在影響程度還是在顯著性水平方面均存在顯著的異質性特征。普通農戶和規模戶Ⅰ型的政策效應系數值分別為0.273 9 和0.092 7，且分別在1%和5%的顯著性水平下顯著，即大豆生產者補貼政策僅能促進普通農戶和規模戶Ⅰ型調整種植結構，而對規模戶Ⅱ型的效果不佳。并且從系數值本身來看，隨著土地規模的擴大，政策調整種植結構的作用程度在減小。

表6 大豆生產者補貼政策對不同規模農戶種植結構調整的影響Table 6 Effects of soybean producer subsidy policies on planting structure adjustment of different operating entities

規模經營戶憑借土地規模大和經營動機長期化的特點理論上能夠響應國家的號召調整種植結構，但實證結果并沒能完全印證此觀點，可能在于，首先，規模經營戶未能發揮應有的規模效應。農業的規?；l展催生出農業生產的縱向分工，從種到收每一個環節均可以細化[18]。但現有的政策支持僅局限于生產要素投入方面，而對農藝各個環節的支持較少，不利于規模經營戶發揮積極的規模效應；其次，成本剛性化和收益不穩定并存。樣本中大多數的規模經營戶均是通過土地流轉獲得相對大規模的土地，且勞動力不足決定要付出額外的雇工成本，逐年升高的地租和人工成本已成為規模經營戶的剛性開支。然而，規模經營戶的收益卻得不到保障。在市場化改革后，大豆和玉米等糧食作物的價格在近幾年波動劇烈，由于規模經營戶的集約化程度相較普通農戶高很多，因此其難以像普通農戶一樣有效地轉移風險。調研了解到，自認為近三年經營收益受到大豆或玉米價格嚴重影響的規模經營戶占比達80.77%。為了實現利潤最大化，農戶對風險的規避體現在生產產量相對更高的作物種植上，因此對增加大豆種植更為謹慎。

雖然大豆生產者補貼政策對規模戶Ⅱ型調整種植結構的效果不佳，但仍然能夠正向影響普通農戶和規模戶Ⅰ型的大豆種植比重。然而，從生產經營的角度看，大豆種植比重的增加，可能意味著兩種結果；一是普通農戶和規模戶Ⅰ型調整種植結構，即不再種植其他作物，改種大豆；二是普通農戶和規模戶Ⅰ型減少總體經營規模，即減少種植總面積。為了考察可能的結果一，分別以大豆種植面積和其他作物種植面積作為被解釋變量進行估計，結果顯示，大豆生產者補貼政策顯著增加普通農戶大豆種植面積并減少他作物種植面積，調整種植結構，而該政策對規模戶Ⅰ型調整作物的種植面積均無顯著影響參見表7（1）、（2）、（4）、（5）；為了考察可能的結果二，進一步估計大豆生產者補貼政策對普通農戶和規模戶Ⅰ型土地總規模的影響，結果發現，政策對規模戶Ⅰ型土地總規模的影響顯著為負參見表7（3）、（6），這意味著大豆生產者補貼政策對規模戶Ⅰ型的影響不是促使其調整種植結構，而是減少其土地總規模。這一結果表明，生產者補貼政策改革很可能制約了規模戶Ⅰ型規?；降奶嵘?。

表7 大豆生產者補貼政策對不同規模農戶種植結構和總規模的影響Table 7 Effects of soybean producer subsidy policies on planting structure and total scale of different operating entities

6 結論與政策啟示

本文利用2019年7月—11月和2020年9月—11月吉林和黑龍江的追蹤調研數據，使用工具變量分位數回歸模型分析大豆生產者補貼政策對種植結構的影響，并進一步從規模農戶異質性角度進行考察，結論如下：（1） 大豆生產者補貼政策改革促進農戶種植結構調整，然而，這種促進作用在不同分位點上具有較大的差異。大豆生產者補貼政策僅對原本家庭種植大豆比重處在中等水平的農戶具有明顯的促進作用，并未激發種植比重過高或過低的農戶進一步調整種植結構，尤其是當大豆種植比重較低時，政策的效果竟然顯著為負，即原本農戶家庭種植大豆的比重越低或越高，生產者補貼政策改革越不利于激發該家庭增種大豆的積極性；（2） 大豆生產者補貼政策僅能促進普通農戶和規模戶Ⅰ型調整種植結構，而對規模戶Ⅱ型的效果不佳。通過分析發現，大豆生產者補貼政策對規模戶Ⅰ型的影響不是促使其調整種植結構，而是減少其土地總規模。這一結果表明，生產者補貼政策改革很可能已制約規?；洜I水平的提升。

本文結論具有以下政策啟示：現行的大豆生產者補貼政策服務于東北四省區，同一地區補貼標準基本相同。然而，這種普惠式的補貼形式并未考慮到農戶的異質性差異。隨著市場化、城市化和工業化的發展，農村勞動力要素在城鄉間的空間轉移和土地要素在農戶間的流轉愈加頻繁，隨之催生出普通小農戶和規模經營戶等不同農戶類型，導致傳統的農戶同質性假設不再適用。而不同農戶間大豆生產的預期目標也出現了分歧，是滿足家庭消費還是市場化的經營銷售，對生產者補貼政策的反應存在明顯的差異。本文研究結論表明，大豆生產者補貼優化種植結構的效果在不同農戶間是不同的，現存大豆生產者補貼政策對規模經營戶的激勵作用明顯不足。這就意味著，在完善大豆生產者補貼政策的過程中，應根據補貼對象不同執行差異化補貼標準，重點向規模經營戶傾斜，促進大豆規?；洜I。同時，大豆生產者補貼政策的調整也應當考慮土地較少和僅適合種植大豆的普通農戶，尤其是貧困農戶的利益，可以采取以較高補貼率的方式推進普通豆農間的合作經營，這樣既促進大豆生產的規?；终疹櫟狡胀ǘ罐r的利益。