政策性农业保险对农业生产效率影响因素的实证研究

摘要 基于2007—2019年中国31个各省（市、自治区）的面板数据，利用DEA方法分析农业生产效率性，然后通过随机效应模型对本年度农业保险赔偿金和下一年度农业生产效率进行回归分析。 结果表明，农业保险补偿金与农业生产效率呈正相关关系。 当农业保险赔偿金每增加1亿元时，农业生产效率将提高0.44%。 因此，要继续提高农业保险保障和赔付水平，加强对农业保险费的补助，加深对农业保险的宣传，促进农业生产的高效发展。

关键词 数据包络分析法;政策性农业保险;农业生产效率;面板Tobit

中图分类号 F 323文献标识码 A

文章编号 0517-6611（2022）14-0204-06

doi：10.3969/j.issn.0517-6611.2022.14.048

开放科学（资源服务）标识码（OSID）：

An Empirical Study on the Cause of Policy Agricultural Insurance’s Influence on Agricultural Productivity

SHEN Wei-qiang，Seo Sang-taek

（College of Agriculture，Life & Environment Sciences，Chungbuk National University，Cheongju，South Korea 361763）

Abstract The main purpose of this paper is to study the effect of policy-based agricultural insurance on the cause of agricultural productivity，and to provide reference for evaluating the operation of policy-based agricultural insurance.Based on panel data from 2007 to 2019，agricultural productivity was evaluated using the DEA method，and regression of agricultural insurance compensation for the current year and agricultural productivity for the next year was performed through a random effect model.The results show that agricultural insurance compensation is positively correlated with agricultural productivity.Agricultural productivity increases by 0.44 percent for every 100 million won in agricultural insurance benefits.Therefore，we should continue to raise the level of agricultural insurance coverage and compensation，strengthen subsidies for agricultural insurance premiums，deepen publicity on agricultural insurance and promote the efficient development of agricultural production.

Key words Data Envelopment Analysis;Agricultural Insurance;Agricultural Production Efficiency;Panel Tobit

农业作为国民经济的基础产业，对保障国家粮食安全具有重要的作用。 但是由于农业的弱质属性，农作物生长周期长，受到自然灾害因素影响大，导致农作物的生产产量不稳定，农民的收入也不稳定。 对此国家为促进农业发展和稳定农民收入，自2004年起开始提出农业政策性保险方案，自2007年开始对农业保险费实施中央财政补贴制度。农业保险费收入从2007年的53.3亿元增加到2019年的672.5亿元，农业保险赔偿金也从2007年的32.8亿元增加到2019年的527.87亿元。10多年来，农业保险补助已从原来的种植业，扩大到现在的种植业、养殖业、林业3类17个品种，基本上涉及经济民生、粮食安全、生态保护的主要农作物，2019年中央财政支出农业保险费补贴资金为242.48亿元，是2007年保费补贴的10倍以上，农业保险费收入和保险费补助资金在快速增长。事实上，尽管农业保险的数量和质量都在不断增长，但目前却未能充分评估对农业保险在农业生产效率和农业产业层面所作出的贡献。该研究的主要目的是评估农业保险对农业生产效率的影响。以往的研究多基于农业保险对农民收入稳定及增长效果分析，而基于农业保险对农业生产效率性影响的研究比较少，因此，分析农业保险对农业生产效率的影响不仅有助于评估农业保险运行效果，也有助于为政策执行者在宏观决策层面上提供农业保险对生产效率影响的参考，更好地推进农业高效发展。

1 文献综述

农民在参加农业保险后对农业生产效率的影响主要从两方面来考虑。 第一，从积极的方面来看，因农业保险能够提供资金和风险保障，所以能够增加农作物的产量[1-2]。 第二，从消极的方面来看，农民在投保时产生的道德风险将会导致农业产出水平下降，在这种情况下农业保险费补助在鼓励农户加入保险的同时，也会提高其道德风险的可能性[3-4]。

农业保险对农业生产效率的影响，主要是通过农民在加入农业保险后因投入要素的量发生了变化进而导致产出量的变化。早期大部分学者都认为农民在加入农业保险后投入要素的量发生了变化[5-6]，但是对于农民在加入农业保险后是增加还是减少生产要素投入，学者们还没有得出统一的结论[7]。以国外农业保险研究者为例，部分研究者证实了农业保险可以使农民减少农药、化肥等生产要素投入量的主张，Goodwin等[8-9]

分析了美国中西部农民在农业生产时生产要素投入量变化，结果显示，未加入农业保险的农民相比加入的农民将会减少化肥和农药的使用量。但是与此相反，其他研究者也提出了农业保险会鼓励农民增加农药、肥料等生产要素投入量的主张。Horowitz等[10]分析了农业保险是如何影响美国中西部玉米种植农民的农药和化肥使用情况，结果发现加入农业保险的农民与未加入农业保险的农民相比，更愿意从事危险的生产，并且会增加农药和化肥的使用量。 国外这些早期研究表明，因农民在加入农业保险后生产要素的投入量将会发生变化，对农业生产的效率产生重要的影响。国内研究领域方面，张跃华等[11]研究认为由于农业保险具有分散风险的作用，进而使投保的农民愿意使用比未投保的农民相比更高效率、风险更高的生产技术，从而提高了农业生产量。王向楠[12]分析了农业贷款和农业保险对农业生产的影响，认为农业贷款及农业保险的发展促进了中国农业生产的增长，特别是在农业生产风险更大的地区这种效果更加显著。李亚琦等[13]选取了农业保险费、农业保险赔偿金、农业产出的时序列数据进行了协整检验，结果显示，农业保险费与农业产出、农业保险赔偿金与农业产出有着长期稳定的协整关系，虽然农业保险费和农业保险赔偿金对农业生产的影响微乎其微，但农业保险赔偿金的影响略大。李晓涛等[14]通过构建“适应性预期-局部调整”模型进行实证分析，发现农业保险对粮食单位面积产量和总产量都产生显著积极影响，但主要是影响单位粮食产量， 其中农业保险对灾害风险较高的非粮食主产区的粮食产量有显著影响，对粮食主产区的粮食产量没有显著影响。

上述文献研究表明，农户购买农业保险后通过生产要素投入量的变化，进而导致了农业生产产出量的变化。 特别是我国研究者大部分都以农民在加入农业保险后通过灾害保险赔偿金和风险保障增加产出为理论基础，分析了农业保险对农业生产的促进作用。

在DEA（包络资料分析）效率性的原因分析中，Lovell等[15]开始提出应利用Tobit回归分析法的主张，此后，Tobit回归分析法在DEA中被广泛运用并为标准分析方法之一。与此相反，Hoff等主张效率性分析的值并不是结构性限制的资料，用常规的最小二乘法就足够或能得到准确的结果。Mundlak[16]就固定效应模型或随机效应模型的选择时认为，通常应该随机看待个体效应，特别是截面数量很大的面板数据用固定效应模型会浪费很多自由度，用随机效应模型将更合适。 Lee等[17]研究认为如果时间序列很长、个体数量少，固定效应模型的分析结果和随机效应模型的分析结果之间不会有太大差异，因此即使使用相对简便的固定效应模型也没有问题。 但是如果时间序列短、个体数多的情况，使用固定效应模型会利用大量虚拟变量，将导致推测的效率下降， 所以一般应选择随机效应模型。 在固定效应模型与随机效应模型之间进行选择的问题上，Hausman[18]提出了Hausman鉴定法，在Hausman鉴定中对推定的参数的差异进行检验，观察固定效应模型和随机效应模型的推定值是否有意义。此时，“归无假说”假设随机效应模型得到满足，就会提供与固定效应模型相同的参数推定值，因此，如果“归无假说”不能被拒绝，则选择随机效应模型;如果“归无假说”被拒绝，则选择固定效应模型。

2 研究方法和研究步骤

2.1 DEA模型 DEA是基于线性规划法的测定，利用多数投入物和多数产出物决策单元（decision making unit，DMU）间的相对效率的评价方法。 Charnes等[19]提出的CCR模型是假设所有评估对象在最佳规模下运营的规模收益不变的情况下解决线性计划问题。 把决策单元称为 DMU，投入要素向量为 x，产出向量为y时，第k 个DMU的效率性 θk* 是通过投入要素和生产要素 λ的结合而得到的最小θ 。下式是以投入基准的CCR模型。

θk* =Min θk

s.t. Jj=1xmjλj+s-=θxmk，m=1，2，…，M;

Jj=1ynjλn-s+=ynk，n=1，2，…，N;

s-≥0，s+≥0，λj≥0，j=1，2，…，J

式中， θ表示效率性尺度，s-和s+表 示投入要素和产出要素的冗余部分（slack）。 效率值的取值范围在0～1，如果效率值为1并且所有要素的冗余部分（slack）为0，则处于没有改善空间的强有效状态;如果效率值为1但投入或产出有冗余部分，则处于弱有效状态;如果效率值不是1，与投入产出要素的冗余无关，都处于非有效状态。

2.2 面板数据分析 为检验混合效应模型与固定效应模型的差异，与地区效应 （μi）相关的归无假说如下，利用F 检验进行验证。如果“归无假说”被拒绝，则说明存在着固定效应。

H0：μ1=μ2=…μn

在混合效应模型和随机效应模型之间的检验归无假设和对立假设如下，将利用LM检验进行验证。 如果“归无假设”被拒绝，则说明存在着随机效应。

H0：σ2μ=0;H1：σ2μ≠0

另外，为了在固定效应模型和随机效应模型中找到合适的模型，将利用Hausman检验法， Hausman是对同一参数2个估计量差异的显著性检验。

假设 b和β分别是 固定效应模型的OLS推测和随机效应模型的GLS推测，则存在以下关系式：

Var[ b-β^] =Var[ b ]-Var[ β^]=ф