【2020年10月19日】朱青等：財政支農(nóng)政策與農(nóng)民收入的實證研究

朱青等：財政支農(nóng)政策與農(nóng)民收入的實證研究

本文作者：
朱青，中國人民大學財政金融學院教授，人大財稅研究所首席教授
盧成，中國人民大學財政金融學院博士生


內(nèi)容提要：本文利用2009—2015年全國農(nóng)村固定觀察點數(shù)據(jù)，通過收入流動性矩陣和面板分位數(shù)回歸的方法對財政支農(nóng)政策尤其是農(nóng)業(yè)補貼政策的支農(nóng)效果進行了實證檢驗。計量結(jié)果表明，財政補貼沒有顯著改善農(nóng)村居民的收入流動狀況，雖然對中低收入農(nóng)戶有一定正面影響，但總體上不會改變整個農(nóng)村的收入分配格局。但是，財政補貼有助于緩解農(nóng)村的絕對貧困，可以有效增加低收入群體的收入。但相比于其他財政轉(zhuǎn)移性支出，農(nóng)業(yè)補貼發(fā)揮的減貧作用并不具有優(yōu)勢。為了提高補貼政策的精準度，本文建議對現(xiàn)有補貼方式進行調(diào)整，即不再將普惠制補貼與土地面積簡單掛鉤，而是將整個補貼歸為兩類：一部分與農(nóng)村低保資金整合支持農(nóng)村弱勢群體，另一部分通過支持農(nóng)業(yè)保險和擔保等方式重點補貼適度規(guī)模經(jīng)營主體以及支持農(nóng)業(yè)社會化服務(wù)體系建設(shè)。

一、引 言

由于城鄉(xiāng)二元體制的存在，農(nóng)村居民收入水平一直較城鎮(zhèn)居民有較大差距。雖然越來越多的農(nóng)村居民從純農(nóng)戶向非農(nóng)戶和兼業(yè)戶轉(zhuǎn)變，但城鎮(zhèn)居民和農(nóng)村居民的收入差距并未從根本上得到改善。2018年，城鎮(zhèn)居民和農(nóng)村居民的收入比仍然高達2.68倍。為了保障和提高農(nóng)民收入，進而間接保持農(nóng)業(yè)生產(chǎn)的穩(wěn)定，國家一直把保障農(nóng)民收入作為財政支農(nóng)政策的一個重要目標。作為農(nóng)民轉(zhuǎn)移性收入的重要來源之一，財政支農(nóng)投入直接和間接影響著農(nóng)村居民的收入水平，引起了眾多學者的關(guān)注，他們從不同角度對此進行研究。Clark(2008)從范圍更廣的公共轉(zhuǎn)移支付入手，認為公共轉(zhuǎn)移支付會降低個體提高收入的努力程度，尤其是不合理的制度設(shè)計會形成過高的邊際稅率，即個體其他收入的增加可能會讓其丟失獲得公共轉(zhuǎn)移支付的機會，從而形成公共轉(zhuǎn)移支付養(yǎng)懶人的激勵機制。國內(nèi)學者從財政支農(nóng)政策這一具體領(lǐng)域入手，研究其對農(nóng)民收入分配狀況的影響。張玉梅等(2015)通過對貴州3個貧困村的跟蹤調(diào)查研究發(fā)現(xiàn)，財政支農(nóng)政策對低收入組農(nóng)民向中高收入組流動具有重要作用，但主要表現(xiàn)為直接增加轉(zhuǎn)移性收入，對改善農(nóng)民生產(chǎn)經(jīng)營狀況進而長遠增加農(nóng)民收入的作用不明顯，導致流向中高收入組的農(nóng)民有著較高返貧的可能。程名望等(2015)利用Koenker和 Passett(1978)提出的分位數(shù)回歸模型，研究得出了財政支農(nóng)政策對高收入組農(nóng)民的正面影響大于低收入組農(nóng)民的結(jié)論，進而認為財政支農(nóng)政策雖然有助于提高農(nóng)民的絕對收入水平，但不利于縮小農(nóng)民間的收入差距。萬海遠等(2015)認為，財政資金偏向于被富裕村莊和高收入農(nóng)民獲得，由此擴大了村莊間和農(nóng)村內(nèi)部的收入差距，基礎(chǔ)設(shè)施類資金對富裕農(nóng)民的影響更明顯，而福利類資金的收入分配效應(yīng)則不明顯。張琛等(2019)則采用Shapley 值分解法按照收入來源對農(nóng)戶收入極化指標進行分解，結(jié)果表明轉(zhuǎn)移性收入對緩解農(nóng)戶收入極化具有穩(wěn)健的正向影響。嚴斌劍等(2014)則從農(nóng)民人均家庭收入流動的角度分析了財政支農(nóng)政策的影響，基于Shorrocks(1984)和Fields(2001)提出的收入流動矩陣及其分析框架，研究提出雖然總體上中低收入階層的農(nóng)民有收入固化的趨勢，但財政支農(nóng)政策仍然可以降低農(nóng)民收入位置下降的概率。郭慶旺等(2016)則系統(tǒng)論述了中國政府轉(zhuǎn)移性支出對居民收入分配的影響，其中政府轉(zhuǎn)移性支出可降低農(nóng)村居民收入不平等程度2個百分點以上。解堊(2010)的研究結(jié)論則恰恰相反，他認為私人轉(zhuǎn)移支付對緩解農(nóng)村居民收入不平等有用，但公共轉(zhuǎn)移支付則沒有任何作用，原因主要在于公共轉(zhuǎn)移支付的覆蓋面有限，且瞄準機制上有較大問題。

除了關(guān)注財政支農(nóng)政策對收入分配的影響，一些學者也就其對絕對貧困的影響展開了研究。程名望等(2018)使用2003—2010年的農(nóng)村固定觀察點數(shù)據(jù)，利用Probit模型對農(nóng)戶貧困問題的影響因素進行了分析，認為惠農(nóng)政策對農(nóng)民貧困沒有直接影響，主要是因為惠農(nóng)政策是生產(chǎn)導向的，而絕對貧困戶普遍缺少物質(zhì)和人力資本積累，不能較好地從事農(nóng)業(yè)生產(chǎn)。崔景華等(2018)使用Probit模型，利用中國家庭追蹤調(diào)查(CFPS)2010年和2014年的數(shù)據(jù)進行分析，認為直接撥付的轉(zhuǎn)移支付對貧困減輕沒有作用，長期來看甚至有加劇作用，正面作用最大的是教育和農(nóng)業(yè)水利生產(chǎn)投資。但崔景華等(2018)使用的CFPS數(shù)據(jù)有一個缺陷，即樣本數(shù)據(jù)本身不包含自身獲得財政補助的情況，模型中的人均財政補助實際上是所在村獲得的財政補助除以村常住人口得到的，這就可能對模型估計結(jié)果產(chǎn)生重要影響。龔維進等(2018)利用2007—2013年地市級面板數(shù)據(jù)研究了財政支出的減貧效應(yīng)，認為財政支出中的農(nóng)林水利事務(wù)支出在中西部地區(qū)減貧效應(yīng)非常顯著。但其模型中減貧效應(yīng)以人均收入水平代替，實際上沒有涉及絕對貧困問題。王娟(2012)利用1994—2004年的省際面板數(shù)據(jù)分析財政支出對絕對貧困的影響，認為農(nóng)業(yè)公共支出對農(nóng)村貧困發(fā)生率的影響不顯著，但社會救濟支出可以顯著降低農(nóng)村貧困發(fā)生率。


通過上述文獻回顧不難發(fā)現(xiàn)，大多數(shù)學者的研究主要集中于財政支農(nóng)政策與農(nóng)戶收入不平等，關(guān)于財政支農(nóng)政策對絕對貧困影響的研究則少有涉及。即使有此類研究，也沒有將財政支農(nóng)政策放在整個農(nóng)村現(xiàn)行的民生保障政策中進行系統(tǒng)分析，而且多數(shù)研究采用的數(shù)據(jù)都是2010年以前的中國住戶收入調(diào)查數(shù)據(jù)(CHIP)或者農(nóng)村固定觀察點數(shù)據(jù)，沒有反映近幾年財政支農(nóng)政策快速調(diào)整和支農(nóng)支出大幅增加的背景。為此，本文采用2009—2015年農(nóng)業(yè)部農(nóng)村固定觀察點數(shù)據(jù)，通過收入流動性矩陣和面板分位數(shù)回歸的方法著重考察了財政支農(nóng)政策尤其是農(nóng)業(yè)補貼政策對收入不平等和絕對貧困群體的影響。

二、農(nóng)民收入和農(nóng)業(yè)補貼的基本情況——來自固定觀察點數(shù)據(jù)的描述性統(tǒng)計分析

（一）數(shù)據(jù)基本說明
本文在借鑒以往研究的基礎(chǔ)上對固定觀察點數(shù)據(jù)存在的不平衡問題進行了處理，共分為兩步進行處理。其中，第一步篩選方法是利用歐式距離調(diào)整法盡量篩選出相對平衡的面板數(shù)據(jù)，確保剩余的樣本在不同年度間出現(xiàn)的頻率基本一致。假設(shè)連續(xù)年度間樣本家庭的房屋建筑面積、土地面積、地塊數(shù)量變化很小，此步驟刪除了家庭識別碼相同的家庭中，連續(xù)兩年觀測值之間平方差之和的平方根大于0的樣本，樣本清洗到了83697個，累計刪除比例41% 。第二步，詳細考察各個類別農(nóng)民收入，將農(nóng)戶家庭全年總收入缺失、0值、極端值（如超過100萬的樣本）刪除，并刪除了各分項收入之和（家庭經(jīng)營收入、工資性收入、財產(chǎn)性收入、轉(zhuǎn)移性收入）與農(nóng)戶家庭全年總收入差異較大的樣本，最終將數(shù)據(jù)清洗至47752個，形成研究的基礎(chǔ)樣本集。兩次累計刪除比例為66.46%。

（二）農(nóng)民收入情況
2009—2015年，樣本農(nóng)戶人均收入水平從8302元增長到15637元，年均增長11.1%。分年看，人均收入的增速不斷降低，從2010年的17.9%下降到2015年的5.6%，反映出農(nóng)民收入增長的動能正在減弱。需要說明的是，樣本農(nóng)戶的人均收入水平高于國家統(tǒng)計局同期公布的農(nóng)村居民人均可支配收入，主要是因為固定觀察點數(shù)據(jù)反映的人均收入沒有扣除家庭經(jīng)營費用和稅費等，因此得出的數(shù)值偏大。從地區(qū)看，東部地區(qū)收入最高，達到16895元，其次是中部和東北地區(qū)， 最低的是西部地區(qū)，為12070元。東部地區(qū)人均收入是西部地區(qū)人均收入的1.4倍。調(diào)查期間，東部和西部的收入差距從1.45倍縮小到1.13倍，反映出地區(qū)間的收入差距正在不斷縮小。收入增速方面，西部地區(qū)收入增速最高，達到12.7% ，東部其次，最低的是東北地區(qū)，年均收入增速為10.1%。

從收入結(jié)構(gòu)看，家庭經(jīng)營收入仍然是農(nóng)民最重要的收入來源，收入占比達到 52.2%。工資性收入位居次席，占比達到37.5%。程名望等(2015)利用2003—2010年固定觀察點數(shù)據(jù)研究農(nóng)戶收入構(gòu)成時，占比最高的同樣是家庭經(jīng)營收入，比重達到57.8% ，而同期工資性收入比重為27.2%。兩組數(shù)據(jù)對比，說明近年來農(nóng)戶收入中經(jīng)營收入處于下降趨勢，越來越多的農(nóng)民通過外出務(wù)工獲得工資性收入，且工資性收入占比增幅很快。除此以外，本文計算的財產(chǎn)性收入和轉(zhuǎn)移 性收入占比分別為3.5%和6.7% ，而程名望此前計算的為6.3%和8.7%。與之相比可以看出，財產(chǎn)性收入雖然絕對規(guī)模有所增加，從2009年的229元增加到2015年的595元，但占比下降了約3個百分點，說明財產(chǎn)性收入沒有與總體收入增速保持同步，占比正在被稀釋。轉(zhuǎn)移性收入雖然從528元增加到1118元，絕對規(guī)模增長了一倍以上，但占比也下降了約2個百分點，同樣說明來自私人和政府的轉(zhuǎn)移性收入增速沒有和收入呈現(xiàn)同步增長的趨勢。


（三）農(nóng)業(yè)補貼概況
2009—2015年，農(nóng)民的人均轉(zhuǎn)移性收入為836元。其中，政府補貼收入達到321.9元，占轉(zhuǎn)移性收入的比重為38.5%，是轉(zhuǎn)移性收入重要的組成部分。來自家庭非常住人口的匯款以及城市親友的贈送有142.1元，占到轉(zhuǎn)移性收入的17% 。需要說明的是，來自保險年金和醫(yī)療報銷的收入雖然也占到了17.8% ，且這類收入通常也以政府補助的形式發(fā)放，但多是基于已經(jīng)發(fā)生的支出或者是歷史繳費給予的補償，嚴格意義上說不是真正的轉(zhuǎn)移性收入。


農(nóng)業(yè)補貼是財政支農(nóng)政策中的重要組成部分。在政府補貼收入中，農(nóng)業(yè)補貼達到255.6元，合計占比達到79.4% ，其次是各類救濟救災(zāi)款，金額為63.4元，占到19.7% 。全部47752個樣本農(nóng)戶中，2009—2015年間獲得過農(nóng)業(yè)補貼的農(nóng)戶有46462個，占比為97.3% 。其中，每年均獲得過農(nóng)業(yè)補貼的農(nóng)戶有39018個，占比為 81.7% ，這說明農(nóng)業(yè)補貼政策具有一定的穩(wěn)定性，獲得農(nóng)業(yè)補貼的人群在年度間變化不大。農(nóng)業(yè)補貼中，農(nóng)機具購置補貼和退耕還林還草補貼都有特定的補貼對象和任務(wù)目標，并不是普惠制的。一般農(nóng)戶均可獲得的補貼主要是糧食直接補貼、農(nóng)資綜合補貼、良種補貼（以下簡稱“三項補貼”），“三項補貼”人均達到232.3元，占人均收入的1.9%。其中，最高的人均補貼8.5萬元。按調(diào)查的全部樣本平均每戶有3.8人和7.3畝耕地計算，戶均可獲得補貼882.4元，畝均可獲得補貼約120.9元。


雖然固定觀察點的調(diào)查表區(qū)分了農(nóng)業(yè)補貼的具體類型，包括退耕還林還草、直接補貼、農(nóng)資綜合補貼、良種補貼以及農(nóng)機具購置補貼等，但在各地的實際發(fā)放過程中，通常都是在每年的6月30日前，由當?shù)刎斦块T通過惠農(nóng)“一卡通”直接將補貼發(fā)放給農(nóng)戶的，絕大多數(shù)農(nóng)戶并不知曉發(fā)放的補貼具體項目和構(gòu)成是多少。2016年“三項補貼”合并成為耕地地力保護補貼后，更沒有區(qū)分具體補貼類別的必要了。本文側(cè)重研究農(nóng)業(yè)補貼作為一個整體對農(nóng)民收入的影響，因此接下來不再區(qū)分具體的補貼類型。

三、財政支農(nóng)政策與收入不平等

（一）財政支出與收入分配公平程度
基尼系數(shù)是經(jīng)濟學上綜合考察居民內(nèi)部收入分配差異狀況的一個重要分析指標，由于其對通貨膨脹不敏感，因而能較好地反映收入分配的公平程度。直觀來看，2009—2015年樣本農(nóng)戶人均收入的基尼系數(shù)年平均為0.3331。分年看逐年降低，從0.3517下降到0.3119，下降了11.3%，顯示出農(nóng)戶間的收入差距不斷縮小。結(jié)合收入變化來看，2009—2015年間農(nóng)戶總體上呈現(xiàn)出收入不斷增長、收入差距不斷縮小的狀態(tài)。朱詩娥等(2018)基于農(nóng)村固定觀察點數(shù)據(jù)測算2015年的基尼系數(shù)大約為0.33，與之相比本文測算的結(jié)果略低，可能是因為本文數(shù)據(jù)篩選的標準更嚴，刪除了更多的極端值。根據(jù)國家統(tǒng)計局公布的基尼系數(shù)，2010—2015年全國居民可支配收入的基尼系數(shù)從0.490下降到0.462，同樣呈現(xiàn)出穩(wěn)步降低的趨勢。與全國數(shù)據(jù)對比，可以看出農(nóng)村居民的收入差距要遠低于總體的收入差距。這一方面說明農(nóng)村內(nèi)部的收入分配狀況相對合理，另一方面也說明城鄉(xiāng)差距是造成全國收入差距較大的主要原因。從長期看，如果將 2009—2015年作為一個完整的時間段，則農(nóng)村居民人均收入的基尼系數(shù)為0.323，比分年計算的基尼系數(shù)平均低0.01，反映出年度間農(nóng)戶收入有波動，從更長跨度上看收入分配狀況會更均等。


為了直觀判斷財政支農(nóng)支出對收入分配的影響，我們將家庭人均收入中的農(nóng)業(yè)補貼收入扣除，分析剩余收入的分配情況。如圖2所示，2009—2015 年，扣除農(nóng)業(yè)補貼后的人均收入基尼系數(shù)也呈現(xiàn)出穩(wěn)步下降的趨勢，從0.3427下降到0.2922，下降了14.7% ，降幅高于全口徑農(nóng)民人均收入的基尼系數(shù)下降比例。分年看，窄口徑收入每一年的基尼系數(shù)也都低于全口徑收入的基尼系數(shù)，說明農(nóng)業(yè)補貼對改善收入分配狀況具有反作用。以下我們從村莊和農(nóng)戶兩個維度，分析農(nóng)業(yè)補貼的投向與村莊、農(nóng)戶特征的關(guān)系。

在比較農(nóng)戶特征前，本文按照人均每年獲得農(nóng)業(yè)補貼金額對農(nóng)戶進行了歸類和劃分。其中， 每年獲得補貼金額在均值以上的農(nóng)戶定義為該戶獲得了農(nóng)業(yè)補貼的有效支持，反之則沒有得到有效支持。我們比較了獲得有效支持農(nóng)戶和沒有獲得有效支持農(nóng)戶的部分特征。具體而言，獲得有效支持農(nóng)戶的人均耕地面積為6.35畝/人，年初戶均耕地面積為22.89畝; 沒有獲得有效支持農(nóng)戶的人均耕地面積為1.47畝/人，年初戶均耕地面積為5.32畝。鄉(xiāng)村干部擔任情況沒有明顯差 異，獲得有效支持的農(nóng)戶為1.963，沒有獲得有效支持的農(nóng)戶為1.967?？偟膩砜?，擁有土地較多的農(nóng)戶獲得的補貼也較多，同時這一群體的收入也相應(yīng)較高。從這點看，驗證了前文分析的農(nóng)業(yè)補貼對個體無均等化效應(yīng)的判斷，收入越高、耕地越多的農(nóng)戶獲得了更多農(nóng)業(yè)補貼。


除農(nóng)戶外，固定觀察點還開展了村莊層面的調(diào)查。從村莊看，如果當年全村獲得的政府補貼剔除直接發(fā)給農(nóng)戶個人的補貼后大于等于1萬元，則定義該村獲得了有效的財政支農(nóng)資金支持，反之則沒有得到有效支持。我們比較了獲得有效支持村莊和沒有獲得有效支持村莊的部分特征。其中，經(jīng)濟發(fā)達程度居所在縣水平?jīng)]有明顯差異，獲得有效支持的村為2.83，沒有獲得有效支持的村為2.87，均處于中等到中上等之間。但全村人均純收入有明顯差異，獲得補貼的村人均純收入為6880元，而沒有獲得補貼的村達到了8601元，比前者高出25% 。村干部的數(shù)量也有一定差異，獲得補貼的村干部數(shù)量平均為5.71個，而沒有補貼的村干部數(shù)量平均為6.17個，比前者高出 8.1% 。常住人口的土地面積差異較大，獲得補貼的村常住人口人均土地面積為7.42畝，而沒有獲得補貼的村人均土地面積為 5.68 畝，前者比后者高出30.6%。綜合來看，獲得補貼較多的村更多是人均收入相對偏低、人均耕地面積更多且鄉(xiāng)村治理偏弱的村莊。從村莊層面看，財政補貼（不包括直接發(fā)放給農(nóng)戶個人的補貼）具有一定的再分配功能。


（二）財政支出與收入流動性
基尼系數(shù)可以折射居民收入差距，但由于它反映的是收入分配的靜態(tài)狀況，所以只要居民收入在一定時間跨度內(nèi)存在顯著的流動性，從長期看收入分配狀況也會趨于平穩(wěn)。因為人的稟賦有差異，所以不同人的收入水平就有差異。如果在初次分配環(huán)節(jié)就只強調(diào)公平，通常會以損失經(jīng)濟活動的效率為代價。但如果社會收入分配狀況一直保持極度不平等的狀態(tài)，長期看也不利于經(jīng)濟增長，更不能讓多數(shù)人分享經(jīng)濟發(fā)展的成果。所以，收入流動性是兼顧經(jīng)濟增長效率與保持社會 相對公平很重要的工具。收入流動包括兩個層面的含義，一是收入絕對值的流動，二是收入排序的流動。前者主要是指收入并不是一成不變的，但其并不直接影響收入分配的狀況。如果高收入群體的收入變動速度高于低收入群體，則收入分配狀況還可能出現(xiàn)惡化。后者才是本文所定義的流動。以某個居民為例，主要是指其收入增速高于其他居民，從而導致該居民在整個社會收入分配中的相對位置發(fā)生變化。


由于收入流動源于收入增減，所以影響收入流動的因素本質(zhì)上是收入影響因素的放大。考慮到農(nóng)民的收入主要包括生產(chǎn)經(jīng)營收入、財產(chǎn)類收入、轉(zhuǎn)移類收入等，因此影響收入流動的因素通 常有以下幾類。第一類是生產(chǎn)經(jīng)營要素，包括勞動力數(shù)量、土地規(guī)模、教育水平變化以及非農(nóng)就業(yè)的機會。第二類是財產(chǎn)價值變動，包括征地補償、村集體或合作社分紅等。第三類是外部轉(zhuǎn)移收入，包括農(nóng)業(yè)補貼等財政補貼、他人贈予收入等。從短期來看，如果想加速農(nóng)村居民的收入流動，很難通過改變要素的數(shù)量和質(zhì)量來增加收入，而征地補償、他人贈予等也屬于不可控的外部因素。真正可由農(nóng)戶自我決策或可由政府控制的主要是兩個途徑: 一是通過參與非農(nóng)就業(yè)增加收入；二是增強政府補貼特別是農(nóng)業(yè)補貼的再分配功能，將補貼更多投向貧困家庭，通過削峰填谷的制度設(shè)計影響收入分配。但由于政府補貼在收入中占比不高，所以其對收入流動的影響不會是決定性的。


收入流動性的測量方式有很多種，嚴斌劍等(2014)詳細介紹了常見的流動性指標，本文就不再具體論述?？偟恼f來，第一類是基于基尼系數(shù)設(shè)計的流動性測量指標，它是將特定周期內(nèi)總的 基尼系數(shù)與各期基尼系數(shù)的加權(quán)平均數(shù)相比較，但該指標的缺點是不能反映個體的收入變動信息，極端的情況是如果兩個個體的收入顛倒，則從基尼系數(shù)看沒有變化，但實際上收入流動性可能很強。第二類是收入變動衡量指標，主要是度量全部樣本收入絕對或相對變化的平均程度，但這類指標只能看到絕對收入水平的變化，看不到收入分配狀況的變化。第三類是反映收入位置移動的指標，主要是基于收入矩陣這一工具，看樣本調(diào)查期內(nèi)在不同收入分組中位置移動的情況。但這種方法容易受分組數(shù)量限制，如果組數(shù)不夠多，往往一些不明顯的收入流動容易被過濾，不能全面反映收入的移動情況。以下用兩種常見的方法度量收入的流動性以及補貼對流動性的影響。


1.收入矩陣法
收入矩陣是研究收入流動性變化最常見的政策工具，他將某一時間節(jié)點的樣本根據(jù)收入高低分成N組，再計算另一時間節(jié)點每組的收入變動情況，以概率的形式形成一個N*N的矩陣。以表2為例，將2009年樣本農(nóng)戶的家庭收入劃分為10組，2009年最低收入組（第1組）的樣本2010年時仍在最低收入組的比例為73% ，而進入較高收入組（如第2組）的比例則為15% ?？梢钥闯?，收入矩陣對角線上的比例即為某個收入組在年度間保持不變的比例。為了量化分析收入流動情況，人們在此基礎(chǔ)上設(shè)計出了一系列指標。常見的Shorrocks指數(shù)和加權(quán)平均流動率(WAMR) 。其中，Shorrocks指數(shù)S定義為S=[N-TR]/(N-1)，其中，N表示收入矩陣的分組數(shù)，TR表示矩陣的跡。本文將收入劃分為10組，較傳統(tǒng)的五等分組可以更細致地捕捉收入的流動變化。如果收入是完全流動的，則矩陣的跡為0，S=1.11。如果收入完全不流動，則矩陣的跡為10，S=0。可以看出，S的取值越大，說明流動性越強。但是，Shorrocks指數(shù)只考慮了矩陣跡的取值，沒有將收入流動程度納入，所以人們引入了加權(quán)平均流動率(WAMR) 。其中i和j分別表示起始年的位置，Pij表示位置移動的概率。加權(quán)平均流動率考慮了位置變化的程度，即用| i－j | 作為權(quán)重。對于完全不流動的矩陣，W=0，而流動性越強，W也越大。

為了分析不同年度間樣本農(nóng)戶收入流動變化，我們用Shorrocks指數(shù)和加權(quán)平均流動率(WAMR)研究了 2009—2015年逐年的收入變動趨勢，并且區(qū)分了含農(nóng)業(yè)補貼和不含農(nóng)業(yè)補貼收入兩個口徑。從圖3可以看出，不管是用Shorrocks指數(shù)還是用加權(quán)平均流動率(WAMR)，樣本農(nóng)戶家庭收入的變動趨勢基本是一致的，即從2009年開始收入流動性基本保持下降或穩(wěn)定的態(tài)勢，但2015年的收入流動性明顯上升。含有農(nóng)業(yè)補貼和不含農(nóng)業(yè)補貼的家庭收入在流動趨勢上沒有差異，且除個別年份外，不含農(nóng)業(yè)補貼的家庭收入流動性均高于含有農(nóng)業(yè)補貼的家庭收入流動程度，意味著農(nóng)業(yè)補貼對改善農(nóng)民家庭收入流動性沒有幫助，相反可能還會有一定的負面影響。不同收入分組的收入流動性變化特征也不一樣。從表2可以看出，低收入群體的收入流動性最低。隨著收入的提高，收入流動性逐步增強。以10*10的收入矩陣為例，通常第6分組的收入流動性最強。此后，隨著收入的提高流動性又會重新進入下降通道。從總體上看，收入流動性隨著收入增長呈現(xiàn)出倒U形，且極高收入分組的流動程度要高于極低收入分組的，這意味著窮者恒貧的現(xiàn)象在農(nóng)村地區(qū)還較為突出。

2.分位數(shù)回歸法
收入矩陣的方法雖然可以直觀看出農(nóng)業(yè)補貼對農(nóng)戶收入流動性的影響，但有兩個弊端。一是收入矩陣對收入流動性的描述是分散的，精確性取決于收入分組的數(shù)量。如果分組過粗，即使存在收入流動，仍可能被歸為同一分組，體現(xiàn)不出流動性。另一方面，通過對比包含農(nóng)業(yè)補貼和不包含農(nóng)業(yè)補貼的收入矩陣,可以看出補貼對收入流動性的影響，但這種方法只能度量出直接影響,補貼通過其他渠道進而影響收入的間接機制無法通過收入矩陣度量出來。為了解決這一問題，更多學者采用分位數(shù)回歸法，即將樣本農(nóng)戶依照收入水平進行分組，在控制了其他變量的影響后，度量農(nóng)業(yè)補貼對不同收入分組樣本的邊際影響程度。如果農(nóng)業(yè)補貼對低收入群體的收入呈更為顯著的正向影響，則這項政策就具有均等化效應(yīng)。反之，則不具備。此外，采用分位數(shù)回歸的方法還可以有效地反映出農(nóng)業(yè)補貼政策對中低收入群體即絕對貧困群體的影響。結(jié)合前文分析，構(gòu)建如下計量經(jīng)濟學模型：

（1）式中，Yit表示樣本農(nóng)戶的人均收入。Xit表示影響農(nóng)戶收入的變量。除了農(nóng)業(yè)補貼外，主要包括三類變量。第一類變量是反映生產(chǎn)要素數(shù)量或質(zhì)量的指標，包括勞動力數(shù)量、勞動力平均年齡、勞動力平均受教育年限、勞動力占家庭人口比重、人均耕地面積。第二類變量是反映勞動強度的指標，包括農(nóng)業(yè)勞動時間、非農(nóng)時間占比等。此外，還添加了反映手機和互聯(lián)網(wǎng)使用的指標，目的是度量農(nóng)戶接觸外部致富信息的便捷程度。第三類是反映農(nóng)戶身份的指標，包括是否為村干部戶，是否為黨員戶。LnA為常數(shù)項，μi為農(nóng)戶層面的個人固定效應(yīng)，θt為時間固定效應(yīng)，為估計誤差。α和βi為待估參數(shù)。模型采用Galiani et al.(2005)和張琛等(2017)的方法，選擇聚類穩(wěn)健標準誤進行參數(shù)估計，通過STATA獲得估計結(jié)果。


本文將全部樣本按收入進行了五等份，選擇了20% 、40% 、60%和80%四個分位點進行回歸。分位數(shù)回歸的結(jié)果如下：首先，從不同分位點的回歸結(jié)果看，生產(chǎn)要素對農(nóng)戶人均收入的影響均是非常顯著的，如勞動力平均受教育年限、人均耕地面積、勞動力數(shù)量、勞動力占家庭人口比重都幾乎在1%的水平上顯著，但勞動力平均年齡指標在各分位點處均不顯著，說明不同年齡階層的勞動力沒有明顯的收入差異。勞動強度類變量對收入影響差異較大，農(nóng)業(yè)勞動時間占比和非農(nóng)時間占比的影響分別顯著為負和正，說明現(xiàn)階段非農(nóng)就業(yè)的涉入程度直接影響著農(nóng)民的收入水平，從事農(nóng)業(yè)生產(chǎn)的農(nóng)民遠沒有從事非農(nóng)生產(chǎn)的農(nóng)民收入高。農(nóng)戶個體特征對收入的影響不大，是否為村干部和是否為黨員的身份差異對收入沒有影響。人均手機數(shù)量和互聯(lián)網(wǎng)開通情況對收入的影響也非常顯著，擁有更多手機數(shù)量和開通互聯(lián)網(wǎng)程度越好（數(shù)值越接近1），則收入水平越高。


以下再來分析農(nóng)業(yè)補貼對農(nóng)戶收入的影響?？梢缘贸鼋Y(jié)論，農(nóng)業(yè)補貼從總體上對農(nóng)戶收入的影響不顯著。從分位點來看，雖然四個分位點的估計系數(shù)呈不斷下降的趨勢，也就意味著農(nóng)業(yè)補貼對中低收入群體的正面影響要大于中高收入群體，但60%和80%分位點的系數(shù)不顯著，只有20%和40%的分位點在1%的水平上顯著。這說明農(nóng)業(yè)補貼對最低和中低收入兩類群體有一定的收入再分配效應(yīng)，但對中高和高收入群體影響不顯著。這一結(jié)論與利用收入矩陣方法分析得出的結(jié)論是基本一致的，即農(nóng)業(yè)補貼不會明顯改變農(nóng)戶收入分配狀況。


進一步拓展財政補貼對農(nóng)戶收入影響的分析，將因變量中的農(nóng)業(yè)補貼拓展到全口徑的財政補貼，來分析財政轉(zhuǎn)移性收入是否具有再分配效應(yīng)。其他因變量的估計結(jié)果與前文基本一致，但財政轉(zhuǎn)移性收入的估計結(jié)果發(fā)生了變化，在四個分位點上財政轉(zhuǎn)移性收入對農(nóng)戶收入的影響均在1%的水平上顯著，且估計系數(shù)在不同分位點上逐步降低，說明財政轉(zhuǎn)移支付對低收入群體的影響更大，總體上具有再分配效應(yīng)。對比模型一和模型二，農(nóng)業(yè)補貼對中高收入群體的再分配效應(yīng)不明顯，其中一個原因可能是現(xiàn)行的農(nóng)業(yè)補貼額度計算與耕地面積高度相關(guān)，而耕地面積又與收入水平呈正相關(guān)，所以農(nóng)業(yè)補貼沒有其他財政轉(zhuǎn)移性收入的再分配效應(yīng)強。

四、財政支農(nóng)政策與絕對貧困

（一）絕對貧困的標準
絕對貧困表示低于最低生活保障水平，通常是指沒有足夠的收入來維持基本生活所必須消費的食物和非食物支出。國際上廣為人知的絕對貧困標準是世界銀行《1990年世界發(fā)展報告》中提出的“1天1美元”標準，它是按購買力平價計算全球最窮的15個國家貧困標準的平均值，基期是1985年的價格水平。此后，世界銀行定期更新此標準，目前適用的標準發(fā)布于2015年，為每人每天1.9美元，價格基期為2011年。同時，世界銀行還發(fā)布了另一個更高的貧困標準，為每人每天3.1美元，價格基期同樣為2011年，該標準采用的是發(fā)展中國家貧困標準的中位數(shù)。發(fā)達國家由于居民收入水平較高，普遍沒有嚴格意義上的絕對貧困標準，多數(shù)采用相對貧困的概念。如美國健康和人類服務(wù)部設(shè)定的貧困線為居民收入中位數(shù)的30%左右，英國和澳大利亞則將貧困線設(shè)定為居民收入的50%～60%左右。


我國在1978年正式建立貧困標準，為每人每年100元，這一標準的基礎(chǔ)是每人每天要有2100大卡的熱量攝入和最基本的非實物需求。此后，我國在2008年和2010年兩次調(diào)整貧困標準，2100大卡的熱量攝入標準沒有變化，只是相應(yīng)調(diào)高了非食物需求的內(nèi)容和占比。現(xiàn)行的貧困標準是2011年召開的中央扶貧開發(fā)會議上發(fā)布的2300元（以2010年為不變價），這個標準包括食物支出和非食物支出兩部分，其中食物部分對應(yīng)的是2100大卡的熱量和60克蛋白質(zhì)，食物支出占總支出的比重約為50% 。此后，國家統(tǒng)計局每年根據(jù)價格水平變動相應(yīng)調(diào)整當年的貧困標準，2018年的貧困標準為2995元，相當于同期農(nóng)村居民可支配收入的20.5% 。截至2018年，我國農(nóng)村貧困人口發(fā)生率已經(jīng)從2010年的17.2%下降到1.7% 。需要說明的是，按照目前我國脫貧攻堅中提出的“兩不愁，三保障”標準，這一貧困標準主要對應(yīng)的是“兩不愁”的內(nèi)容，還不包括基本醫(yī)療、義務(wù)教育、基本住房支出。如果把這三類支出折算成現(xiàn)金支出，則我國的貧困標準將會進一步提高。


如果按不變價格計算，2008年、2010年貧困標準分別相當于1978年的203元和366元，是1978年標準的2倍和3.7倍，說明除價格因素外，我國的貧困標準也在逐步提高，這其中主要源于非食物需求占比的變化，從1978年的15%左右增長到2010年的約50%。從橫向比較來看，1978年貧困標準折算成1985年的價格水平且以美元計價為64.4美元，僅相當于世界銀行標準的17.6% 。2017年我國的貧困標準折算成美元為437美元，相當于世界銀行標準的63%。如果以1:3.5的購買力平價計算，則現(xiàn)行貧困標準可能相當于世界銀行較低貧困標準的1.2倍。


（二）農(nóng)業(yè)補貼與絕對貧困
本文在利用固定觀察點數(shù)據(jù)研究絕對貧困問題時，也需要確定貧困標準。國家統(tǒng)計局公布的貧困標準是以農(nóng)村居民人均可支配收入為基礎(chǔ)的，而固定觀察點人均收入的口徑更大，包含了家庭經(jīng)營費用，所以在使用國家統(tǒng)計局公布的貧困標準前，必須把每個樣本的人均收入扣除相應(yīng)的家庭經(jīng)營費用。由表3可以看出，扣除經(jīng)營費用后，2009—2015年人均收入為10343元，是大口徑人均收入12402元的83.4%。其中，人均收入在2009—2015年間的任意一年低于國家統(tǒng)計局貧困標準的樣本，即定義為絕對貧困戶，6年間共有3580個樣本。從貧困發(fā)生率的動態(tài)變化看，貧困發(fā)生率由2009年的7.7%下降到2015年的5.5% 。與國家公布的貧困發(fā)生率相比，固定觀察點反映的貧困發(fā)生率在前期偏低，以后逐步趨同。本文在研究絕對貧困和農(nóng)業(yè)補貼的關(guān)系時，即采用篩選后的3580個樣本，由于多數(shù)樣本在調(diào)查期間內(nèi)均出現(xiàn)了6次，所以能夠保證面板數(shù)據(jù)的相對平衡。

為了研究農(nóng)業(yè)補貼是否有助于農(nóng)戶走出絕對貧困的狀態(tài)，本文引入了logit模型，其中自變量為分類變量，代表樣本是否為絕對貧困狀態(tài)。如果“是”則定義為1，反之則為0。因變量除了農(nóng)業(yè)補貼以外仍然參考前文的分析框架，包括生產(chǎn)要素、勞動強度、農(nóng)戶屬性等類別，具體有農(nóng)業(yè)補貼、勞動力數(shù)量、勞動力平均年齡、勞動力平均受教育年限、勞動力平均身體狀況、勞動力占家庭人口比重、人均耕地面積、農(nóng)業(yè)勞動時間、所在村是否為城市郊區(qū)等指標。經(jīng)過對比我們可以看出，絕對貧困群體主要是缺少耕地和勞動力等生產(chǎn)要素，且家庭收入主要依靠農(nóng)業(yè)收入的群體。
具體模型為：

A為常數(shù)項，Xit表示影響農(nóng)戶收入的變量，為估計誤差，logit模型中。符合邏輯分布，α和βi為待估參數(shù)。考慮到模型存在的內(nèi)生性問題，在回歸方法上使用了兩步法進行回歸，即先用最小二乘法估計農(nóng)業(yè)補貼的擬合值，再用該擬合值作為解釋變量重新回歸。同時，采用bootstrap反復抽樣的方法，對內(nèi)生性問題進行穩(wěn)健性檢驗，檢驗結(jié)果表明兩步法擬合的結(jié)果是可靠的。


從模型的估計結(jié)果可以看出，對于農(nóng)業(yè)補貼而言，人均農(nóng)業(yè)補貼的對數(shù)每 增加1則成為絕對貧困戶的概率將下降30.6% ，且在 1% 的水平上顯著，說明農(nóng)業(yè)補貼對緩解農(nóng) 戶陷入絕對貧困是有效的。這一估計結(jié)果也從側(cè)面印證了表4的估計結(jié)果，即農(nóng)業(yè)補貼有助于增 加低收入群體的收入。繼續(xù)將農(nóng)業(yè)補貼擴展到全口徑的轉(zhuǎn)移性收入進行分析，可以看出全口徑轉(zhuǎn)移性收入對于降低陷入絕對貧困的風險更加明顯，轉(zhuǎn)移性收入的對數(shù)每增加1則成為絕對貧困戶的概率將下降36.1% ，高于農(nóng)業(yè)補貼5.5個百分點。這可能源于其他轉(zhuǎn)移性收入對貧困特征的瞄準更加精準，而農(nóng)業(yè)補貼則過多基于生產(chǎn)要素的現(xiàn)狀來分配。如有些耕地面積較大的農(nóng)戶，容易獲得較多的農(nóng)業(yè)補貼，本身不容易陷入絕對貧困的境地。


其余控制變量的估計結(jié)果基本符合預期。勞動力年齡、身體狀況、農(nóng)業(yè)勞動時間占比等因素的系數(shù)均為正值，且均在1%的水平上顯著，說明隨著年齡的增加、身體狀況的惡化、農(nóng)業(yè)勞動時間占比的增加，陷入絕對貧困的風險也相應(yīng)增加。而受教育年限、人均耕地面積和勞動力占家庭人口占比的估計系數(shù)為負值，且分別在1% 、10% 、1%的水平上顯著，說明教育水平提高、耕地面積增加和勞動力占比高都有助于緩解陷入絕對貧困的風險。農(nóng)戶所在村莊是否為郊區(qū)對其本身的絕對貧困狀況沒有顯著影響。需要說明的是，對于絕對貧困群體，勞動力數(shù)量越多反而會增加陷入絕對貧困的風險，這與表4分析的結(jié)果是恰恰相反的。對于整個樣本農(nóng)戶，勞動力作為重要的生產(chǎn)要素，其數(shù)量會顯著增加收入是不難理解的。絕對貧困家庭勞動力越多越貧困的合理解釋是：對于絕對貧困群體，勞動力很可能處于失業(yè)狀態(tài)的多。受其他要素的制約，更多的勞動力并不能帶來產(chǎn)出和收入的增加，反而可能會增加相應(yīng)的支出，從而引起絕對貧困。

五、研究結(jié)論

從前文收入不平等和絕對貧困群體收入情況的實證分析結(jié)果來看，目前中國的農(nóng)業(yè)補貼制度，雖然能少量增加農(nóng)戶的家庭收入，但基本不能起到調(diào)節(jié)農(nóng)村收入分配狀況的作用。雖然農(nóng)業(yè)補貼有助于緩解絕對貧困群體的生存狀況，但相比于其他類別的轉(zhuǎn)移性收入，農(nóng)業(yè) 補貼發(fā)揮的減貧作用并不具有優(yōu)勢。綜合來看，農(nóng)業(yè)補貼保收入的政策目標并沒有得到很好的落實。具體原因主要包括以下三個方面：


一是真正發(fā)放給農(nóng)民家庭或個體的補貼占比不多。以中央財政為例，2016年中央財政支農(nóng)政 策體系中直接發(fā)放到農(nóng)戶個人的金額大約有3000億元，算上地方財政補充的部分，直接補貼占到全口徑財政支農(nóng)支出基本在20%左右。出現(xiàn)這一局面有著深刻的制度原因。一方面，我國實行統(tǒng)分結(jié)合的雙層經(jīng)營體制。在家庭聯(lián)產(chǎn)承包責任制的背景下，小農(nóng)耕作和適度規(guī)模經(jīng)營是主體，這些小規(guī)模經(jīng)營主體不太可能承擔起農(nóng)村生產(chǎn)性基礎(chǔ)設(shè)施的建設(shè)和維護責任，建設(shè)和維護的主體責任集中在國家和村集體，這就意味著國家必須將大量投入用于這方面的支出。另一方面，現(xiàn)階段我國農(nóng)業(yè)領(lǐng)域政府和市場的各自定位還不明確，導致財政支農(nóng)投入的邊界也不清晰，相當一部分 財政支農(nóng)投入被用到了農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)等競爭性領(lǐng)域。如果缺少利益聯(lián)結(jié)機制，也會導致真正落到農(nóng)民手上的補貼比例十分有限。反觀歐美發(fā)達國家，在土地私有化基礎(chǔ)上的家庭農(nóng)場經(jīng)營體制下，政府和市場的行為邊界十分清晰，且農(nóng)場主是農(nóng)業(yè)生產(chǎn)生活基礎(chǔ)設(shè)施建設(shè)和運行維護的主體，所以農(nóng)業(yè)補貼可以以直接補貼為主要的存在形式。


二是直接補貼覆蓋面過廣，影響了補貼的精準度。雖然總規(guī)模有近3000億元，但覆蓋了林地、草地、耕地等多種土地類型，實行大而全、廣覆蓋的普惠制。以糧食種植補貼為例，3000億元中補助普通糧食生產(chǎn)的主要是農(nóng)業(yè)支持保護補貼、目標價格補貼和生產(chǎn)者補貼，補貼規(guī)模約2000億元左右。其中，全國近20億畝的耕地都可以參與農(nóng)業(yè)支持保護補貼的分配，每畝平均約70元。只有實施目標價格補貼和生產(chǎn)者補貼的東北和新疆地區(qū)畝均補貼略高，疊加農(nóng)業(yè)支持保護補貼后每畝約有150元。目前，全國絕大多數(shù)地區(qū)土地耕作細碎化程度高，多數(shù)地區(qū)人均耕地不足3畝，如此計算人均補貼只有200元，不足人均收入的2%。全國只有東北和西北部分地區(qū)人均 耕地面積較大。特別是東北地區(qū)，人均耕地面積超過20畝，補貼標準也較高，人均獲得的補貼規(guī)?？蛇_3000元，補貼收入占人均收入可達到30% 。


三是直接補貼的發(fā)放簡單與土地掛鉤，弱化了再分配效應(yīng)。我國農(nóng)業(yè)耕作的特點決定了普惠制的農(nóng)業(yè)補貼發(fā)放成本極高。如果要增加農(nóng)業(yè)補貼的瞄準性，就必須要和家庭狀況以及實際耕作情況相掛鉤，但這一方面可能會被歸結(jié)為黃箱補貼，存在是否符合入世承諾的問題，另一方面不可避免地要以大規(guī)模的家計調(diào)查或生產(chǎn)調(diào)查為基礎(chǔ)，由此帶來的操作成本極高。以在新疆地區(qū)實施的棉花目標價格補貼為例，由于和當期生產(chǎn)直接掛鉤，政府不得不動用衛(wèi)星遙感監(jiān)測等手段，并借助龐大的基層干部隊伍逐戶監(jiān)測其棉花產(chǎn)量以確定補貼金額。為了避免這些問題，目前多數(shù)農(nóng)業(yè)補貼的發(fā)放都僅與歷史種植面積或土地承包面積直接掛鉤。由于土地是農(nóng)村重要的生產(chǎn)要素，土地充裕的家庭往往收入也較高，所以這種分配方法恰恰弱化了補貼的再分配效應(yīng)。


為了更好突出農(nóng)業(yè)補貼的收入保障功能，提高補貼政策的精準度，必須對現(xiàn)有補貼的瞄準機制做兩個調(diào)整。一是人群上不能搞普惠制，而是要把有限的直接補貼向低收入群體傾斜?？梢韵葟闹苯友a貼中最具普惠制特征的農(nóng)業(yè)支持保護補貼入手，逐步將其調(diào)整為針對弱勢群體的收入補貼，先期可拿出一半約700億元，并將其與現(xiàn)有的困難群眾救助補助資金中用于農(nóng)村低保的部分整合（估算也有700億元），專門補助相對貧困的農(nóng)村弱勢群體。以農(nóng)村建檔立卡貧困戶為基礎(chǔ)，再適當考慮邊緣人口，按1億人計算，人均每年可補助1400元，約占到人均可支配收入的40%。二是發(fā)放方式上不能簡單與土地面積掛鉤。這部分農(nóng)業(yè)支持保護補貼調(diào)整為單純的收入補貼后，性質(zhì)上沒有必要再和土地掛鉤。操作上可以以目前的農(nóng)村低保發(fā)放范圍為基礎(chǔ)，兼顧目前未納入低保范圍的建檔立卡貧困戶以及邊緣人群，具體發(fā)放時可根據(jù)貧困程度設(shè)置一定的極差。由于近年來大規(guī)模的建檔立卡貧困戶識別確認，基層政府對農(nóng)民的家計情況有了深入的了解，因此采用這種發(fā)放方式的操作成本并不會太高。將來隨著農(nóng)村低保制度和建檔立卡貧困戶管理制度的逐步統(tǒng)一，可完全納入到農(nóng)村低保的制度框架中進行動態(tài)管理。


需要說明的是，扣除調(diào)整為收入補貼的700億元以及林草等補貼后，直接發(fā)放農(nóng)民的農(nóng)業(yè)補貼約有2000億元，這部分補貼的政策定位主要是促進糧食生產(chǎn)，畝均補貼標準約100元。在直接補貼總量增長有限的背景下，這一補貼強度對農(nóng)業(yè)生產(chǎn)的刺激有限，必須進一步提高補貼的瞄準度和集中度。如可考慮重點圍繞“一大一小”兩個方向，“大”即重點鼓勵規(guī)模經(jīng)營主體和家庭農(nóng)場，主要采用信貸和保險的支持方式；“小”即重點鼓勵小農(nóng)戶與社會化服務(wù)體系的連接，降低農(nóng)業(yè)耕作的操作成本。兩者都必須以具體的農(nóng)業(yè)生產(chǎn)為獲得補貼的前提，不再簡單與土地承包面積掛鉤。對于仍然從事個體耕作和自給自足的小農(nóng)戶，直接補貼要逐步退出。考慮到現(xiàn)有的補貼僅占到農(nóng)民收入的2%左右，因此取消這部分補貼后對農(nóng)民的實際影響較為有限。

文章來源：朱青  盧成，《財政支農(nóng)政策與農(nóng)民收入的實證研究———基于農(nóng)業(yè)補貼的視角》，《暨南學報( 哲學社會科學版)》，2020年3月，總第254期。本文略有刪減。

原文鏈接：點擊跳轉(zhuǎn)