李俊杰，李建平

(中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所,北京 100081)

·農(nóng)業(yè)產(chǎn)業(yè)化·

區(qū)域產(chǎn)業(yè)發(fā)展視角的農(nóng)業(yè)綜合開發(fā)影響評估*
——基于對蔬菜產(chǎn)業(yè)的干預(yù)效應(yīng)分析

李俊杰，李建平※

(中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所,北京 100081)

【目的】通過定量方法準(zhǔn)確評估農(nóng)業(yè)綜合開發(fā)對區(qū)域優(yōu)勢產(chǎn)業(yè)發(fā)展的影響有重要意義?！痉椒ā繌霓r(nóng)業(yè)綜合開發(fā)對蔬菜產(chǎn)業(yè)的項(xiàng)目干預(yù)效應(yīng)入手，以縣級為單位，將當(dāng)年農(nóng)業(yè)綜合開發(fā)項(xiàng)目扶持內(nèi)容包括蔬菜產(chǎn)業(yè)的縣級單位劃分為干預(yù)組，其他為控制組。采用可以有效解決樣品選擇偏差的傾向得分匹配方法，通過引入?yún)f(xié)變量、平衡檢驗(yàn)、匹配等步驟，在控制組中找到與干預(yù)組成員單位特征相似的成員，構(gòu)建反事實(shí)研究框架?！窘Y(jié)果】結(jié)果得出，項(xiàng)目干預(yù)組比控制組區(qū)域的蔬菜播種面積占比高出1～3個(gè)百分點(diǎn)，說明農(nóng)業(yè)綜合開發(fā)項(xiàng)目對蔬菜產(chǎn)業(yè)的扶持對蔬菜播種面積的擴(kuò)大有促進(jìn)作用，利于蔬菜產(chǎn)業(yè)壯大。通過協(xié)變量影響力分析得出，地區(qū)的蔬菜生產(chǎn)優(yōu)勢是最重要的影響因素，從側(cè)面證明了農(nóng)業(yè)綜合開發(fā)項(xiàng)目的扶持方向緊跟區(qū)域優(yōu)勢的政策宗旨?！窘Y(jié)論】可見，通過有方向性的農(nóng)業(yè)綜合開發(fā)項(xiàng)目實(shí)施扶持特定產(chǎn)業(yè)對促進(jìn)區(qū)域優(yōu)勢產(chǎn)業(yè)發(fā)展和實(shí)現(xiàn)農(nóng)業(yè)結(jié)構(gòu)優(yōu)化是有效的。

農(nóng)業(yè)綜合開發(fā) 區(qū)域優(yōu)勢產(chǎn)業(yè) 蔬菜 影響評估 傾向得分匹配

0 引言

農(nóng)業(yè)綜合開發(fā)是財(cái)政支農(nóng)的一個(gè)重要組成部分，通過設(shè)立專項(xiàng)資金對農(nóng)業(yè)資源進(jìn)行綜合開發(fā)利用，保護(hù)、支持農(nóng)業(yè)發(fā)展。其投資涵蓋面廣，在區(qū)域上包含了全國所有省份以及黑龍江農(nóng)墾和新疆建設(shè)兵團(tuán)，項(xiàng)目內(nèi)容上包括了高標(biāo)準(zhǔn)農(nóng)田、生態(tài)環(huán)境治理、節(jié)水配套以及種、養(yǎng)、加、服務(wù)等產(chǎn)業(yè)化項(xiàng)目[1]。農(nóng)業(yè)綜合開發(fā)具有規(guī)模開發(fā)、措施綜合、資金量大、組織效率高等優(yōu)勢。在我國目前仍以家庭承包經(jīng)營為基本制度的情況下，農(nóng)業(yè)綜合開發(fā)是導(dǎo)向適度規(guī)模經(jīng)營、聯(lián)結(jié)小農(nóng)戶和大市場、實(shí)現(xiàn)流通對接的重要途徑[2]。農(nóng)業(yè)綜合開發(fā)績效評價(jià)涉及多個(gè)方面，是一個(gè)綜合問題。根據(jù)比較優(yōu)勢對產(chǎn)業(yè)進(jìn)行布局能夠最大化地實(shí)現(xiàn)資源合理配置，區(qū)域農(nóng)業(yè)產(chǎn)業(yè)布局是否符合比較優(yōu)勢、如何進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整優(yōu)化布局以及調(diào)整效果等一直是政府、學(xué)者關(guān)注和研究的重點(diǎn)。本研究從促進(jìn)區(qū)域優(yōu)勢產(chǎn)業(yè)發(fā)展視角，研究的關(guān)鍵問題是通過科學(xué)方法衡量農(nóng)業(yè)綜合開發(fā)特別是產(chǎn)業(yè)化項(xiàng)目實(shí)施對區(qū)域優(yōu)勢特色產(chǎn)業(yè)發(fā)展起到了什么作用，進(jìn)而促進(jìn)農(nóng)業(yè)結(jié)構(gòu)調(diào)整和全國布局優(yōu)化，提高農(nóng)業(yè)整體效益。

對農(nóng)業(yè)項(xiàng)目進(jìn)行影響評價(jià)得到越來越多的關(guān)注，經(jīng)濟(jì)學(xué)家們越來越強(qiáng)調(diào)使用隨機(jī)對照試驗(yàn)來更好地理解經(jīng)濟(jì)理論和確定發(fā)展援助的有效性[3]。世界銀行[4]關(guān)于農(nóng)業(yè)項(xiàng)目影響評估的一篇綜述只找到了87篇文章可以算作真正的影響評估，或者說建立了清晰的反擬情景，并且大部分文章評估的是農(nóng)村地區(qū)更廣泛的變化，而不是明確的農(nóng)業(yè)項(xiàng)目?？傮w而言，發(fā)展中國家關(guān)于農(nóng)業(yè)項(xiàng)目有效性的證據(jù)相當(dāng)單薄[5]。目前主要在土地所有權(quán)和技術(shù)推廣服務(wù)2種類型的農(nóng)業(yè)開發(fā)項(xiàng)目有大量的定量影響評價(jià)，其他類型農(nóng)業(yè)項(xiàng)目的定量評價(jià)非常少。在評價(jià)方法方面，主要還是采用定性評估方法，而且?guī)缀鯖]有建立反事實(shí)框架，實(shí)證分析也往往是使用二手?jǐn)?shù)據(jù)的事后影響評價(jià)。

關(guān)于農(nóng)業(yè)綜合開發(fā)投資影響評估得出的結(jié)論可以歸納為3個(gè)方面，一是投資對農(nóng)業(yè)發(fā)展具有正向促進(jìn)作用并具有地區(qū)差異。農(nóng)業(yè)綜合開發(fā)產(chǎn)業(yè)化經(jīng)營項(xiàng)目的資金投入對農(nóng)業(yè)增加值和農(nóng)民人均純收入有顯著的促進(jìn)作用[6]，不同地區(qū)在特定品種上具有比較優(yōu)勢[7]。財(cái)政支出效率也是逐年提高的，但資金使用效率呈區(qū)域化分布[8]。二是投資效果還有待提高。整體上看，農(nóng)業(yè)綜合開發(fā)的投資效果呈下降趨勢，新增生產(chǎn)能力的資金投入效果有明顯下降趨勢[9]。實(shí)施路徑方面，農(nóng)業(yè)綜合開發(fā)項(xiàng)目與推進(jìn)農(nóng)業(yè)產(chǎn)業(yè)帶建設(shè)結(jié)合不夠緊密，應(yīng)圍繞主導(dǎo)產(chǎn)業(yè)集中投入、規(guī)模開發(fā)[10]?？梢钥闯觯F(xiàn)有文獻(xiàn)中的影響評估主要采用是多元線性回歸、灰色關(guān)聯(lián)度等方法，都沒有解決樣本可能存在的自選擇問題，其估計(jì)結(jié)果往往是有偏的。在對區(qū)域優(yōu)勢產(chǎn)業(yè)影響方面，雖有提及，但只強(qiáng)調(diào)了農(nóng)業(yè)綜合開發(fā)的投資效果具有地區(qū)差異，并沒有作深入的量化分析。該研究的創(chuàng)新之處在于采用傾向得分匹配方法建立反事實(shí)分析框架，解決項(xiàng)目干預(yù)存在的自選擇問題，準(zhǔn)確評估農(nóng)業(yè)綜合開發(fā)項(xiàng)目對區(qū)域優(yōu)勢產(chǎn)業(yè)發(fā)展的影響程度。

1 農(nóng)業(yè)綜合開發(fā)項(xiàng)目影響評估的反事實(shí)研究框架

1.1 基本思路

衡量農(nóng)業(yè)綜合開發(fā)項(xiàng)目實(shí)施對區(qū)域優(yōu)勢特色產(chǎn)業(yè)發(fā)展的影響是涉及多個(gè)產(chǎn)業(yè)、多維指標(biāo)的綜合性問題。限于篇幅，該研究中以蔬菜產(chǎn)業(yè)為例，希望能從對單個(gè)產(chǎn)業(yè)的影響中反映一些關(guān)注的問題。將農(nóng)業(yè)綜合開發(fā)項(xiàng)目實(shí)施內(nèi)容包含蔬菜產(chǎn)業(yè)，即涉及蔬菜種植、加工、流通的縣(市、區(qū)，以下統(tǒng)稱縣)劃分為項(xiàng)目干預(yù)組，其他縣視為控制組。對蔬菜產(chǎn)業(yè)的影響可能從多個(gè)方面來反映，該研究重點(diǎn)關(guān)注規(guī)模上的變化，即確定蔬菜播種面積為因變量。

度量有無農(nóng)業(yè)綜合開發(fā)項(xiàng)目扶持蔬菜產(chǎn)業(yè)(以下簡稱“蔬菜項(xiàng)目”)對蔬菜播種面積的影響，構(gòu)建多元回歸方程：

Y=f(X)+θD+ε

(1)

其中，因變量Y為蔬菜播種面積占農(nóng)作物播種面積的比例，X為控制變量向量，D為兩值變量，D=1表示有項(xiàng)目支持，D=0表示無項(xiàng)目支持*考慮到項(xiàng)目可能具有的滯后影響，有無項(xiàng)目表示的2010～2014年是否有項(xiàng)目實(shí)施， 2014年也考慮在內(nèi)是因?yàn)?014年項(xiàng)目一般在2013年申報(bào)，可能影響對蔬菜的市場預(yù)期。所以，D=1表示至少有一年有項(xiàng)目，D=0表示5年都無項(xiàng)目。，ε為擾動項(xiàng)。如果某縣蔬菜項(xiàng)目是隨機(jī)分配的，則θ可以精確度量項(xiàng)目實(shí)施對蔬菜播種面積的影響。農(nóng)業(yè)綜合開發(fā)項(xiàng)目首先要滿足申報(bào)條件，然后經(jīng)過篩選和專家評審、上級農(nóng)發(fā)辦批復(fù)等程序，最終才能確定。所以，項(xiàng)目干預(yù)受到一系列客觀和主觀條件的限定，并非隨機(jī)分配，存在樣本自選擇問題。而最小二乘回歸(OLS)等傳統(tǒng)方法只在可忽略干預(yù)分配得到滿足的情況下才有效，因此可以判斷其估計(jì)結(jié)果將是有偏的。

為了解決自選擇問題帶來的選擇偏差問題，可采用雙重差分(doubledifference)、傾向得分匹配(propensityscorematching)、非連續(xù)性回歸(regressiondiscontinuity)和工具變量估計(jì)(instrumentalvariableestimation)等方法。與其他方法相比，傾向得分匹配方法的優(yōu)勢在于：不需要基線調(diào)查，只需橫截面數(shù)據(jù)； 允許不做函數(shù)形式和誤差分布的專斷性假設(shè)； 不需要解釋變量為外生變量。因此，在解釋變量的選擇上可以盡量將可能有影響的變量加入，而不需要考慮變量間關(guān)系等，即使是不顯著的。同時(shí)，傾向得分匹配也存在缺陷，即只能基于可觀測的解釋變量(X)控制選擇偏差，不能控制不可觀測的變量的作用。因此，模型設(shè)定非常重要，如果可觀測變量設(shè)定不正確，將導(dǎo)致最后估計(jì)結(jié)果是有偏的。不過，綜合來看，傾向得分匹配方法目前在干預(yù)效應(yīng)評估方面應(yīng)用較廣，被認(rèn)為是比較有效的一種方法。因此，該研究構(gòu)建反事實(shí)分析框架，采用傾向匹配得分方法來估計(jì)蔬菜項(xiàng)目實(shí)施對蔬菜面積的影響。

傾向匹配得分的基本思路是創(chuàng)建反擬情景，模擬隨機(jī)選擇。從未參加項(xiàng)目組中找到與項(xiàng)目參與者在項(xiàng)目實(shí)施前特征類似的個(gè)體，進(jìn)行配對，通過匹配可以幫助解決選擇偏差這一難題； 在此基礎(chǔ)上得到干預(yù)組平均干預(yù)效應(yīng)(ATTs)的有效估計(jì)基本步驟包括3個(gè)，一是通過Logistic回歸估計(jì)傾向值，二是進(jìn)行匹配，三是匹配后分析得到總干預(yù)效應(yīng)。

(2)

1.2 理論方法

傾向值通過logistic回歸模型估計(jì)得到，公式為：

(3)

估計(jì)logistic模型，首先要確定協(xié)變量(X)。協(xié)變量是影響因變量和干預(yù)分配的因素，也是可能影響選擇偏差、導(dǎo)致干預(yù)組和控制組之間不平衡的因素。不少研究已經(jīng)證明協(xié)變量對干預(yù)效應(yīng)的估計(jì)至關(guān)重要，估計(jì)結(jié)果對協(xié)變量選擇敏感性極強(qiáng)(Rubin， 1997； Heckman et al.，1997； Heckman et al.，1998； Lechner， 1999)[12-15]。

解決模型設(shè)定問題，學(xué)術(shù)界相繼使用了很多方法，包括在logistic回歸中使用高階多項(xiàng)式和交叉乘積的交互項(xiàng)(Rosenbaum & Rubin， 1984、1985)[16-17]，逐步logistic回歸(Rosenbaum， 2002)[18]以及在此基礎(chǔ)上變形的方法等(Eichler & Lechner， 2002； Dehejia & Wahba， 1999； Hirano & Imbens， 2001)[19-22]。McCaffrey等(2004)[23]發(fā)展了一種不同的方法，采用一般化加速建模(generalized boosted modeling，GBM)方法來尋找兩個(gè)組在觀測協(xié)變量上的最佳平衡，從而建立找到最佳的logistic回歸模型。GBM方法是使用現(xiàn)代回歸樹方法的模型，回歸樹方法的優(yōu)點(diǎn)在于不用設(shè)定預(yù)測變量的函數(shù)形式，它并不產(chǎn)生估計(jì)回歸系數(shù)，而是給出影響力，即每個(gè)輸入變量所解釋的對數(shù)似然函數(shù)的百分比，百分比越大，對估計(jì)的對數(shù)似然函數(shù)貢獻(xiàn)越大。通過Stata的boost命令實(shí)現(xiàn)*另外，為了進(jìn)一步減少預(yù)測誤差，GBM算法在估計(jì)中使用隨機(jī)子樣本，即訓(xùn)練數(shù)據(jù)，默認(rèn)設(shè)定為80%，為了減少變異性，使用0.0005的收縮系數(shù)來保證流暢的擬合。。

估計(jì)得到傾向值后，基于傾向值對干預(yù)組成員和控制組成員進(jìn)行匹配。匹配方法總體上包括貪婪匹配、最佳匹配和精細(xì)平衡程序3類。根據(jù)數(shù)據(jù)結(jié)構(gòu)特征，該研究采用最佳匹配方法，具體還分為完全匹配、可變匹配和成對匹配等類型。采用R軟件的optmatch程序完成匹配。

最佳匹配后，針對完全匹配和可變匹配，使用Hodges-Lehmann有序秩檢驗(yàn)進(jìn)行結(jié)果分析。樣本的ATE可以通過下述方程來評估：

(4)

其中，i表示b個(gè)匹配的層，N是樣本總數(shù)，ni是第i層中干預(yù)組成員數(shù)量，mi是第i層中控制組成員數(shù)量，Y0i和Y1i是第i層中控制組和干預(yù)組的結(jié)果均值。ATE的顯著性檢驗(yàn)采用Hodges-Lehmann有序秩檢驗(yàn)①。最后使用dxm作為匹配后分析的效應(yīng)值的近似。

(5)

2 數(shù)據(jù)來源與指標(biāo)描述

該研究使用的縣級數(shù)據(jù)來自作者調(diào)研，調(diào)查范圍為全國農(nóng)業(yè)綜合開發(fā)縣，數(shù)據(jù)集包括全國20個(gè)省(市、自治區(qū))的1 103個(gè)縣(市、區(qū))2010～2014年數(shù)據(jù)。產(chǎn)品價(jià)格數(shù)據(jù)來自《全國農(nóng)產(chǎn)品成本收益資料匯編》。該研究主要基于2013年數(shù)據(jù)，并用到2010～2014年部分?jǐn)?shù)據(jù)。數(shù)據(jù)處理過程：一是剔除異常值，在原始數(shù)據(jù)基礎(chǔ)上計(jì)算得到本研究所需指標(biāo)，由于各縣間絕對數(shù)值差異較大，大多指標(biāo)采用相對數(shù)、人均數(shù)或自然對數(shù)形式。由于數(shù)據(jù)缺失會影響匹配過程，而剔除有缺失值的樣本將損失樣本量，因此采用序列平均值替換缺失值。由于項(xiàng)目實(shí)施效果可能具有的滯后性，采用的是2010～2014年是否實(shí)施項(xiàng)目， 2014年項(xiàng)目在2013年就開始申報(bào)、批復(fù)，可能對經(jīng)營者的預(yù)期產(chǎn)生影響，因此也納入考慮。根據(jù)2010～2014年是否實(shí)施蔬菜項(xiàng)目，將開發(fā)縣分為干預(yù)組和控制組，其中干預(yù)組288個(gè)開發(fā)縣，控制組815個(gè)。

確定蔬菜播種面積的影響因素，主要從市場因素、經(jīng)營主體、資金支持、經(jīng)濟(jì)水平、技術(shù)投入等方面進(jìn)行選擇(表1)。

變量描述有項(xiàng)目無項(xiàng)目差值回歸系數(shù)均值標(biāo)準(zhǔn)差均值標(biāo)準(zhǔn)差Y蔬菜播種面積占比0.1700.0070.1270.0030.044***X1蔬菜與替代物的相對比較收益②8.1310.1788.0230.1110.108-0.0125***X2批發(fā)市場數(shù)量(個(gè))4.6160.5483.1950.2971.4216***0.0001X3農(nóng)業(yè)龍頭企業(yè)數(shù)量(個(gè))23.4141.98414.9540.7788.460***-0.0001**X4人均農(nóng)業(yè)綜合開發(fā)產(chǎn)業(yè)化項(xiàng)目資金(元/人)(對數(shù))2.4370.0752.1790.0410.2596***0.0011X5人均農(nóng)業(yè)綜合開發(fā)土地治理項(xiàng)目資金(元/人)(對數(shù))3.4500.0463.4770.030-0.028-0.0055***X6人均農(nóng)林水務(wù)支出對數(shù)6.3750.0546.4560.029-0.082*-0.0024X7財(cái)政赤字占比-1.8220.168-2.3990.1280.576***0.0002X8第二、三產(chǎn)業(yè)產(chǎn)值比重0.7440.0150.7100.0090.034**-0.0202*X9農(nóng)產(chǎn)品加工業(yè)總產(chǎn)值比重0.0530.0080.0430.0040.01***b-0.0217***X10人均GDP(元/人)(對數(shù))10.3210.04510.1740.0280.147***0.0067**X11人均耕地面積(hm2/人)0.9350.5262.5661.160-1.630-0.00003***X12以往蔬菜播種面積占比0.1470.0080.1020.0040.045***b0.8232***X13有效灌溉率0.5780.0110.5650.0060.014***-0.0012X14蔬菜單產(chǎn)(t/hm2)(對數(shù))12.7020.06712.4610.0430.241***-0.0027X15農(nóng)村土地承包經(jīng)營權(quán)流轉(zhuǎn)面積占比0.1150.0090.1150.0050.000-0.0022X16農(nóng)業(yè)技術(shù)推廣服務(wù)人員占總?cè)丝诒壤?每萬人)7.4441.2757.2870.8680.158-0.00002Z1X1*X175.1702.01874.4811.2320.6900.0006**Z2X15*X150.0350.0050.0330.0030.0020.0418treat0.0079**c0.1095***R20.7945

表1 變量描述性統(tǒng)計(jì)分析

匹配前進(jìn)行樣本平衡性檢驗(yàn)。采用Wilcoxon秩和(Mann-Whitney)檢驗(yàn)，原假設(shè)(H0)為：X(treat=1)=X(treat= 0)因此，P<0.05表示在0.05的顯著水平下干預(yù)組和控制組在協(xié)變量上的差異是統(tǒng)計(jì)顯著的。據(jù)表1結(jié)果，有無蔬菜項(xiàng)目對蔬菜播種面積占比有顯著正向影響，有項(xiàng)目縣比無項(xiàng)目縣平均高0.044個(gè)百分點(diǎn)(P<0.01)。兩組中， 16個(gè)影響因素指標(biāo)中有11個(gè)存在顯著差異，即兩組是不平衡的，其得到的結(jié)果變量差值也是有偏的。因此，需要通過傾向匹配減少樣本不平衡性，得到干預(yù)效應(yīng)的無偏估計(jì)。

3 項(xiàng)目干預(yù)與控制組的匹配

3.1 蔬菜項(xiàng)目干預(yù)的決策方程

首先估計(jì)傾向值，采用logit函數(shù)得到方程(3)的轉(zhuǎn)換變量：

(6)

表2 協(xié)變量對似然函數(shù)的影響力 %

使用GBM方法做傾向值估計(jì)，可以得到各因素對開發(fā)縣實(shí)施蔬菜項(xiàng)目的影響力。表2結(jié)果表明，蔬菜單產(chǎn)(X14)對似然函數(shù)具有最大的影響力，即對開發(fā)縣是否實(shí)施蔬菜項(xiàng)目的影響作用最大，其次為以往蔬菜播種面積占比(X12)、農(nóng)業(yè)綜合開發(fā)產(chǎn)業(yè)化資金(X4)、農(nóng)業(yè)龍頭企業(yè)數(shù)量(X3)、批發(fā)市場個(gè)數(shù)(X2)第二、三產(chǎn)業(yè)產(chǎn)值比重(X8)等。

(1)蔬菜產(chǎn)業(yè)水平是直接影響蔬菜項(xiàng)目實(shí)施的重要因素

農(nóng)業(yè)綜合開發(fā)產(chǎn)業(yè)化經(jīng)營項(xiàng)目，由各縣經(jīng)營主體(龍頭企業(yè)/合作社/家庭農(nóng)場/專業(yè)大戶等)自行申報(bào)，再由縣級農(nóng)發(fā)辦上報(bào)層層審批。在篩選和評審過程中，結(jié)合申報(bào)單位條件和區(qū)域產(chǎn)業(yè)發(fā)展規(guī)劃，決定最終扶持項(xiàng)目。各縣蔬菜單產(chǎn)水平的高低直接反映了在蔬菜生產(chǎn)方面的絕對優(yōu)勢，可能是具有自然環(huán)境的資源稟賦優(yōu)勢，或者是具有高水平的技術(shù)優(yōu)勢。農(nóng)業(yè)綜合開發(fā)項(xiàng)目優(yōu)先扶持優(yōu)勢產(chǎn)業(yè)。表2顯示，蔬菜單產(chǎn)(X14)和以往蔬菜播種面積(X12)對是否實(shí)施項(xiàng)目的影響是前兩位的因素，其影響力分別占到了29.24%和22.44%，位列前兩位。

(2)財(cái)政資金充裕度決定項(xiàng)目數(shù)量和規(guī)模

農(nóng)業(yè)綜合開發(fā)產(chǎn)業(yè)化資金的多寡直接影響了該縣項(xiàng)目數(shù)量和規(guī)模。財(cái)政資金是促進(jìn)農(nóng)業(yè)發(fā)展的重要資金保障。農(nóng)業(yè)綜合開發(fā)產(chǎn)業(yè)化資金越多，蔬菜產(chǎn)業(yè)得到扶持的機(jī)會越大。據(jù)表2，農(nóng)業(yè)綜合開發(fā)產(chǎn)業(yè)化資金(X4)對項(xiàng)目實(shí)施與否的影響力達(dá)到了10.59%，位列第3位。同理，農(nóng)林水務(wù)支出也是重要的財(cái)政資金支持，但作用不及產(chǎn)業(yè)化資金直接，影響力也就相對較低。

(3)經(jīng)營主體提供項(xiàng)目載體支撐

龍頭企業(yè)是產(chǎn)業(yè)化項(xiàng)目的重要的承擔(dān)主體，是農(nóng)業(yè)規(guī)?；l(fā)展重要載體。農(nóng)業(yè)龍頭企業(yè)越多，項(xiàng)目實(shí)施主體的選擇也就越大，項(xiàng)目實(shí)施更有保障。批發(fā)市場既可以作為項(xiàng)目建設(shè)內(nèi)容，也是反映當(dāng)?shù)禺a(chǎn)業(yè)水平的重要指標(biāo)。表2顯示，農(nóng)業(yè)龍頭企業(yè)數(shù)量(X3)的影響力達(dá)到了10.32%。

(4)非農(nóng)產(chǎn)業(yè)發(fā)展和整體經(jīng)濟(jì)水平影響農(nóng)業(yè)發(fā)展空間

第二、三產(chǎn)業(yè)產(chǎn)值比重越高，農(nóng)業(yè)產(chǎn)值比重自然就越低。隨著經(jīng)濟(jì)發(fā)展水平提高，農(nóng)業(yè)產(chǎn)值所占比重降低，這是經(jīng)濟(jì)發(fā)展規(guī)律。經(jīng)濟(jì)水平高的地區(qū)，農(nóng)業(yè)比重雖小，但通常農(nóng)業(yè)發(fā)展水平也較高，財(cái)政資金也越充裕，實(shí)施蔬菜項(xiàng)目的幾率也越大。非農(nóng)產(chǎn)業(yè)與農(nóng)業(yè)發(fā)展既是相互促進(jìn)、也是相互制約的關(guān)系。第二、三產(chǎn)業(yè)產(chǎn)值比重(X8)的影響力達(dá)到了4.38%。

3.2 干預(yù)組與控制組的匹配

從估計(jì)傾向值的密度函數(shù)的直方圖(圖1)可以看出， 2個(gè)組在估計(jì)的傾向值的分布上有所不同，干預(yù)組在0.25～0.47之間分布較均勻， 40%左右集中在0.25～0.3之間； 控制組分布較集中， 90%以上集中在0.25～0.3之間。再看箱式圖，干預(yù)組的下四分位數(shù)與控制組的上四分位數(shù)接近，干預(yù)組的下邊緣與控制組的下四分位數(shù)接近。總體來看， 2個(gè)組共同支持域較窄。如果使用貪婪匹配，共同支持域窄可能產(chǎn)生不可忽視的匹配成員丟失。因此，該研究使用最佳匹配方法。

圖1 估計(jì)的傾向值的直方圖(左)和箱式圖(右)

表3 最佳匹配方法下干預(yù)組與控制組匹配結(jié)果

匹配方法層結(jié)構(gòu)總距離丟失案例(%)完全匹配(fm)9:17:16:15:14:13:12:11:11:21:31:41:51:61:71:83373.50(1122381276212118411291:91:101:111:121:131:141:151:161:171:446463113211)可變匹配1(1～4名)(Vm1)1:11:31:4?153090.50(1121175)可變匹配2(2～4名)(Vm2)1:21:31:4?170658.50(1681119)可變匹配3(Hansen公式)(Vm3)1:11:31:6?66991.50(1821105)可變匹配4(2～7名)(Vm4)1:21:61:7?1133220(240147)成對匹配(pm)1:10:1?1387064.66(288527)

層結(jié)構(gòu)是干預(yù)組成員與控制組成員數(shù)匹配集合的計(jì)數(shù)，總距離是所有匹配集合干預(yù)組成員和控制組成員之間在傾向值上的差值總和，反映整體匹配緊密度，數(shù)值越小表明匹配越緊密。根據(jù)總距離數(shù)值可以看出，完全匹配最優(yōu)，成對匹配次之。4個(gè)可變匹配中，使用hansen公式的可變匹配3最優(yōu)。雖然成對匹配在匹配上顯示得較為緊密，但它丟失了大量樣本信息，對研究功效有負(fù)面影響。綜合來看，完全匹配是最佳的。

表4 匹配后平衡檢驗(yàn)*限于篇幅，此處僅列出完全匹配后平衡檢驗(yàn)的結(jié)果。

匹配效果的檢驗(yàn)主要是通過測算匹配在多大程度上減少了偏差，偏差減少的程度可以通過比較匹配前后協(xié)變量均值上的標(biāo)準(zhǔn)化絕對差異來反應(yīng)，即dx和dxm。表5中，大部分變量dxm都小于dx，說明匹配在較大程度上減小了樣本偏差。

4 項(xiàng)目干預(yù)效應(yīng)分析

檢驗(yàn)匹配能有效減少偏差后，進(jìn)行匹配后分析，計(jì)算干預(yù)效應(yīng)。采用Hodges-Lehmann有序秩對完全匹配和可變匹配進(jìn)行檢驗(yàn)。結(jié)果如表5中所示，幾種方法得到平均干預(yù)效應(yīng)都為正，除完全匹配方法外其他幾種可變匹配的結(jié)果都在0.05的顯著水平下顯著。估計(jì)結(jié)果顯示，項(xiàng)目干預(yù)的區(qū)域比控制組區(qū)域的蔬菜播種面積占比高1～3個(gè)百分點(diǎn)之間，說明項(xiàng)目實(shí)施對蔬菜面積有顯著的促進(jìn)作用。采用多元線性回歸方法對成對匹配后協(xié)變量差分進(jìn)行回歸，結(jié)果如表6中所示，截距項(xiàng)(C)即為干預(yù)效應(yīng)的估計(jì)，盡管不顯著，但回歸系數(shù)同樣為正，與上述結(jié)果一致。

表5 Hodges-Lehmann有序秩對平均干預(yù)效應(yīng)的檢驗(yàn)結(jié)果

匹配方法平均干預(yù)效應(yīng)(效應(yīng)值:Cohen的d)Hodges-Lehmann檢驗(yàn)統(tǒng)計(jì)量的點(diǎn)估計(jì)值檢驗(yàn)統(tǒng)計(jì)量的標(biāo)準(zhǔn)誤zpfm0.0102775.7504817.1850.5760.282vm10.03023880.7305354.7954.4600.000vm20.03126379.1605361.4464.9200.000vm30.01211747.4405568.1222.1100.017vm40.03224072.0905368.5934.4840.000

表6 成對匹配后多元回歸分析結(jié)果

X1X2X3X4X5X6X7X8X9-0.008*-0.00003-0.00010.004-0.003-0.005-0.001-0.046***-0.033X10X11X12X13X14X15X16Z1Z2C0.004-0.00020.838***-0.009-0.006*-0.045-0.00010.00020.1220.002

5 簡要結(jié)論與啟示

研究結(jié)果表明，農(nóng)業(yè)綜合開發(fā)項(xiàng)目對蔬菜產(chǎn)業(yè)的扶持區(qū)域比其他區(qū)域的蔬菜播種面積占農(nóng)作物播種面積的比率高1～3個(gè)百分點(diǎn)，表明項(xiàng)目干預(yù)能顯著促進(jìn)區(qū)域蔬菜相對面積的擴(kuò)大?？梢酝普摚咦饔梅较蚺c政策內(nèi)容相關(guān)，有方向性的農(nóng)業(yè)綜合開發(fā)項(xiàng)目扶持有利于發(fā)展區(qū)域優(yōu)勢產(chǎn)業(yè)，促進(jìn)農(nóng)業(yè)結(jié)構(gòu)調(diào)整。

結(jié)合區(qū)域優(yōu)勢特色產(chǎn)業(yè)發(fā)展規(guī)劃，通過限定農(nóng)業(yè)綜合開發(fā)項(xiàng)目扶持范圍，將項(xiàng)目資金集中用于區(qū)域優(yōu)勢特色產(chǎn)業(yè)發(fā)展，能顯著地促進(jìn)該產(chǎn)業(yè)規(guī)模擴(kuò)大，達(dá)到優(yōu)化區(qū)域布局，提高農(nóng)業(yè)競爭力的目的。為了提高財(cái)政資金效率，農(nóng)業(yè)綜合開發(fā)的扶持重點(diǎn)應(yīng)從邊際效益已不斷下降的改造中低產(chǎn)田等基礎(chǔ)設(shè)施建設(shè)中轉(zhuǎn)向適應(yīng)產(chǎn)業(yè)融合、供給側(cè)改革發(fā)展方向的區(qū)域產(chǎn)業(yè)發(fā)展，充分發(fā)展政府保護(hù)、支持農(nóng)業(yè)的作用，提高農(nóng)業(yè)效益。

[1] 樊繼紅，郭東清，賈利，等.農(nóng)業(yè)綜合開發(fā)投資績效評價(jià)初探.農(nóng)業(yè)經(jīng)濟(jì)問題.2006(5)： 55～7

[2] 張佑才. 實(shí)現(xiàn)農(nóng)業(yè)綜合開發(fā)的歷史性轉(zhuǎn)變.中國農(nóng)村經(jīng)濟(jì).2000； 2： 12～3

[3] Duflo E, Kremer M.Use of randomization in the evaluation of development effectiveness’，in G.Pitman，O.Feinstein and G.Ingram(eds.)，Evaluating Development Effectiveness. New Brunswick：Transaction Publishers， 2005:205～ 232

[4] World Bank.Impacts Evaluations in Agriculture：An Assessment of the Evidence，F(xiàn)orthcoming Working Paper，Independent Evaluation Group.Washington，DC：The World Bank， 2010

[5] Winters P，Salazar L, Maffioli A.Designing impact evaluations for agricultural projects’，Impact Evaluation Guidelines，Strategy Development Division，Technical Notes No.IDB-TN-198.Washington，DC：Inter-American Development Bank， 2010

[6] 郭海麗， 王禮力，李敏.農(nóng)業(yè)綜合開發(fā)產(chǎn)業(yè)化經(jīng)營項(xiàng)目投資績效評價(jià)——基于灰色綜合關(guān)聯(lián)度的分析.西北農(nóng)林科技大學(xué)學(xué)報(bào)：社會科學(xué)版,2012,12(5)： 53～60

[7] 韓國良. 農(nóng)業(yè)綜合開發(fā)投入產(chǎn)出效果的地區(qū)差異.農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2005,(2)： 29～32

[8] 林江鵬， 樊小璞.我國財(cái)政農(nóng)業(yè)投入產(chǎn)出效率研究——以農(nóng)業(yè)綜合開發(fā)中的土地治理項(xiàng)目為例.經(jīng)濟(jì)學(xué)家,2009,(8)： 31～6

[9] 黃季焜， 夏耕，張超超.入世后中國農(nóng)業(yè)綜合開發(fā)的對策研究.農(nóng)業(yè)經(jīng)濟(jì)問題,2001,(3)： 10～4

[10]朱湖根， 龔傳勇.提升農(nóng)業(yè)綜合開發(fā)項(xiàng)目績效的思路.中國財(cái)政,2013

[11]郭申陽， 弗雷澤.傾向值分析：統(tǒng)計(jì)方法與應(yīng)用.重慶：重慶大學(xué)出版社,2016

[12]Rubin DB.Estimating causal effects from large data sets using propensity scores.Annals of internal medicine,1997,127(8_Part_2)： 757～63

[13]Heckman JJ，Ichimura H，Todd PE.Matching as an econometric evaluation estimator：Evidence from evaluating a job training programme.The review of economic studies,1997,64(4)： 605～54

[14]Heckman JJ，Ichimura H，Todd P.Matching as an econometric evaluation estimator.The Review of Economic Studies,1998,65(2)： 261～94

[15]Lechner M.An evaluation of public-sector-sponsored continuous vocational training programs in East Germany.University of St Gallen Working Paper,1999,(9901)

[16]Rosenbaum PR，Rubin DB.Reducing bias in observational studies using subclassification on the propensity score.Journal of the American statistical Association,1984,79(387)： 516～24

[17]Rosenbaum PR，Rubin DB.Constructing a control group using multivariate matched sampling methods that incorporate the propensity score.The American Statistician,1985,39(1)： 33～8

[18]Rosenbaum PR.Observational studies.Observational Studies：Springer,2002:1～17

[19]Rosenbaum PR.Covariance adjustment in randomized experiments and observational studies.Statistical Science,2002,17(3)： 286～327

[20]Eichler M，Lechner M.An evaluation of public employment programmes in the East German state of Sachsen-Anhalt.Labour Economics,2002,9(2)： 143～86

[21]Dehejia RH，Wahba S.Causal effects in nonexperimental studies：Reevaluating the evaluation of training programs.Journal of the American statistical Association,1999,94(448)： 1053～62

[22]Hirano K，Imbens GW.Estimation of causal effects using propensity score weighting：An application to data on right heart catheterization.Health Services and Outcomes research methodology,2001, 2(3-4)： 259～78

[23]McCaffrey DF，Ridgeway G，Morral AR.Propensity score estimation with boosted regression for evaluating causal effects in observational studies.Psychological methods,2004,9(4)： 403

IMPACT ASSESSMENT OF AGRICULTURAL COMPREHENSIVE DEVELOPMENT FROM THE PERSPECTIVE OF REGIONAL INDUSTRIAL DEVELOPMENT*——BASED ON THE INTERVENTION EFFECT IN VEGETABLE INDUSTRY

Li Junjie，Li Jianping※

(Institute of Agricultural Resources and Regional Planning，Chinese Academy of Agricultural Sciences，Beijing 100081，China)

Accurately assessment of the comprehensive agricultural development has important significance to promote the development of regional advantage industry, optimize the layout of comprehensive agricultural development, promote the adjustment of agricultural structure and improve agricultural efficiency. This paper established two treatments, i.e., intervention and control group, and then, analyzed the intervention effect of the agricultural comprehensive development project on vegetable industry using the methods of covariate variables, balance test and regression analysis. The results showed that the sown area of vegetable ratio in the intervention group was 1 to 3 percentage points higher than the control group. It indicated that the agricultural comprehensive development project could promote the expansion of vegetable planting area, and was beneficial to the growth of vegetable industry. Through the analysis of the influence of covariates, the regional vegetable production was the most important influencing factors, which proved the agricultural comprehensive development project to support the regional advantages of the policy purposes. The results showed that it was effective to support the specific industries to promote the development of regional advantage industries and to realize the optimization of agricultural structure through the implementation of the agricultural comprehensive development projects.

agricultural comprehensive development; regional advantage industry; vegetable; impact assessment; propensity score matching

10.7621/cjarrp.1005-9121.20170131

2016-07-15 作者簡介：李俊杰(1989—)，女，四川資陽人，博士。研究方向：農(nóng)業(yè)經(jīng)濟(jì)管理、區(qū)域發(fā)展?！ㄓ嵶髡撸豪罱ㄆ?1973—)，男，河北石家莊人，研究員、博士生導(dǎo)師。研究方向：農(nóng)業(yè)經(jīng)濟(jì)管理、產(chǎn)業(yè)經(jīng)濟(jì)。Email：lijianping01@caas.cn *資助項(xiàng)目：中央級公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金“農(nóng)業(yè)綜合開發(fā)項(xiàng)目分區(qū)域扶持政策研究”

F323.4

A

1005-9121[2017]01199-09