李 泉 張 濤

(蘭州大學(xué)經(jīng)濟(jì)學(xué)院， 甘肅蘭州 730000)

一、引言

黨的十九大報(bào)告提出要加快實(shí)施鄉(xiāng)村振興戰(zhàn)略，堅(jiān)持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展，到2050年實(shí)現(xiàn)鄉(xiāng)村全面振興。面對(duì)城鄉(xiāng)結(jié)構(gòu)性、體制性、周期性等諸多問(wèn)題相互交織、新舊動(dòng)能轉(zhuǎn)換中的不確定性長(zhǎng)期存在，如何通過(guò)深入推進(jìn)鄉(xiāng)村振興戰(zhàn)略實(shí)現(xiàn)農(nóng)村美、農(nóng)業(yè)強(qiáng)和農(nóng)民富的城鄉(xiāng)融合發(fā)展目標(biāo)，持續(xù)為農(nóng)民對(duì)美好生活的向往提供強(qiáng)大動(dòng)力支撐，是邁入新時(shí)代我國(guó)理論界和實(shí)踐領(lǐng)域正在積極探索的焦點(diǎn)話(huà)題，尤其在全面建成小康社會(huì)的決勝階段，這一重大課題更成為人們視野中無(wú)法避開(kāi)的前沿?zé)狳c(diǎn)。1949年來(lái)特別是改革開(kāi)放40多年來(lái)，中國(guó)經(jīng)濟(jì)發(fā)展迅速，現(xiàn)已成為全球第二大經(jīng)濟(jì)體。然而，城鄉(xiāng)區(qū)域發(fā)展不平衡不充分的矛盾非常突出。國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2017年城鎮(zhèn)與農(nóng)村居民人均可支配收入之比為2.7，全國(guó)居民收入基尼系數(shù)為0.467，城鄉(xiāng)區(qū)域、不同群體之間的收入差距依然較大，縮小收入差距依然任重道遠(yuǎn)。特別是當(dāng)城鎮(zhèn)已經(jīng)相對(duì)“發(fā)展起來(lái)、富起來(lái)”之后，作為“后富”地區(qū)，加快鄉(xiāng)村振興對(duì)國(guó)民經(jīng)濟(jì)實(shí)現(xiàn)高質(zhì)量發(fā)展的重要意義不言而喻。換句話(huà)說(shuō)，只有完成農(nóng)業(yè)現(xiàn)代化和縮小城鄉(xiāng)收入差距，才能逐步實(shí)現(xiàn)城鄉(xiāng)融合發(fā)展，從而跨越“劉易斯第二拐點(diǎn)”，跨過(guò)“中等收入陷阱”。[1]面對(duì)中國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài)和百年來(lái)未有之大變局，在供給側(cè)結(jié)構(gòu)性改革中培育新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)，農(nóng)村無(wú)疑有很大的發(fā)展空間。為此，學(xué)者們從不同視角提出了影響農(nóng)民收入和城鄉(xiāng)收入差距的諸多因素，例如農(nóng)村產(chǎn)業(yè)融合發(fā)展水平和質(zhì)量、城鎮(zhèn)化、農(nóng)產(chǎn)品價(jià)格、要素稟賦結(jié)構(gòu)、金融發(fā)展等等。[2][3][4][5][6]事實(shí)上，在這些因素起作用的過(guò)程中，不可避免地會(huì)受到政府經(jīng)濟(jì)政策不確定性帶來(lái)的不同影響。從另外一個(gè)視角思考，經(jīng)濟(jì)政策的頻繁調(diào)整必然會(huì)造成經(jīng)濟(jì)政策不確定性增加。Baker et al.的統(tǒng)計(jì)數(shù)據(jù)同樣顯示，中國(guó)經(jīng)濟(jì)政策的不確定性在不斷提高。[7]顯而易見(jiàn)，經(jīng)濟(jì)政策不確定性會(huì)影響企業(yè)和農(nóng)民對(duì)經(jīng)濟(jì)形勢(shì)的判斷和預(yù)期，從而影響其行為決策并進(jìn)一步影響農(nóng)民收入的變化。因此，非常有必要系統(tǒng)考察經(jīng)濟(jì)政策不確定性這一重要因素對(duì)農(nóng)民收入增長(zhǎng)的影響。

縱觀(guān)既有研究，學(xué)者們對(duì)于經(jīng)濟(jì)政策不確定性的研究對(duì)象多為企業(yè)，研究?jī)?nèi)容更多集中在經(jīng)濟(jì)政策不確定性對(duì)企業(yè)金融化、投資決策、創(chuàng)新、融資成本等的影響[8][9][10][11]，而把研究對(duì)象置于農(nóng)民群體的文獻(xiàn)幾乎沒(méi)有，更鮮見(jiàn)有經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)影響的研究成果。然而，經(jīng)濟(jì)學(xué)基本原理和國(guó)內(nèi)外發(fā)展實(shí)踐證明，要洞悉影響農(nóng)民收入增長(zhǎng)的關(guān)鍵變量，絕不能忽視經(jīng)濟(jì)政策不確定因素的重要影響。一方面，經(jīng)濟(jì)政策不確定性會(huì)削弱企業(yè)的就業(yè)創(chuàng)造能力和提高企業(yè)的就業(yè)破壞程度[12]，從而影響勞動(dòng)就業(yè)及其就業(yè)者的收入水平；另一方面，經(jīng)濟(jì)政策不確定性會(huì)造成農(nóng)產(chǎn)品價(jià)格波動(dòng)[13][14]，進(jìn)而影響農(nóng)產(chǎn)品銷(xiāo)售和農(nóng)民收入增長(zhǎng)。以此推之，經(jīng)濟(jì)政策不確定性還會(huì)通過(guò)影響投資來(lái)影響農(nóng)民收入增長(zhǎng)。因此，本文嘗試以經(jīng)濟(jì)政策不確定性為切入點(diǎn)，以農(nóng)村投資增長(zhǎng)作為中介變量，研究經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)的影響及其作用途徑。

與現(xiàn)有研究相比，我們的貢獻(xiàn)在于：第一，基于經(jīng)濟(jì)政策不確定性(對(duì)企業(yè))的研究成果不斷增多，本文將經(jīng)濟(jì)政策不確定性的影響延伸到農(nóng)民收入增長(zhǎng)領(lǐng)域，拓展了經(jīng)濟(jì)政策不確定性研究的范圍和廣度，為農(nóng)民收入增長(zhǎng)影響因素分析提供了新的視角。第二，基于現(xiàn)有文獻(xiàn)研究經(jīng)濟(jì)政策不確定性對(duì)于投資影響的局限性，本文將農(nóng)村投資增長(zhǎng)作為中介變量研究了經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資進(jìn)而對(duì)農(nóng)民收入增長(zhǎng)的影響，這是對(duì)已有研究的進(jìn)一步深化。按經(jīng)驗(yàn)觀(guān)察和理解，為了更好增加農(nóng)民收入就需要對(duì)涉農(nóng)政策進(jìn)行調(diào)整，但本文更多考慮經(jīng)濟(jì)政策調(diào)整本身所產(chǎn)生的不確定性會(huì)對(duì)農(nóng)民收入產(chǎn)生何種影響，這是探討農(nóng)民收入增長(zhǎng)的新視角。本文以下部分的結(jié)構(gòu)安排是：第二部分為文獻(xiàn)綜述與研究假設(shè)，第三部分為研究數(shù)據(jù)與研究設(shè)計(jì)，第四部分為實(shí)證結(jié)果，第五部分為穩(wěn)健性檢驗(yàn)，第六部分為研究結(jié)論與建議。

二、文獻(xiàn)綜述與研究假設(shè)

關(guān)于經(jīng)濟(jì)政策不確定性的研究多以企業(yè)為研究對(duì)象，持續(xù)穩(wěn)定的經(jīng)濟(jì)政策有助于企業(yè)穩(wěn)定收益、抵御風(fēng)險(xiǎn)和促進(jìn)投資；反之，經(jīng)濟(jì)政策不確定性增加了企業(yè)對(duì)投資的抑制效應(yīng)，對(duì)涉農(nóng)企業(yè)更是如此。這種抑制效應(yīng)分為多個(gè)方面，且有異質(zhì)性。第一，從資產(chǎn)的可逆性方面考慮，當(dāng)資產(chǎn)的可逆性越小時(shí)經(jīng)濟(jì)政策不確定性對(duì)企業(yè)固定資產(chǎn)投資的抑制效應(yīng)越大，按照企業(yè)的所有制和規(guī)模劃分，這種抑制效應(yīng)在民營(yíng)企業(yè)和小規(guī)模企業(yè)更為凸顯[15]；按照行業(yè)劃分，農(nóng)業(yè)企業(yè)投資的不可逆轉(zhuǎn)性更大，大量的農(nóng)業(yè)生產(chǎn)性投入資產(chǎn)都會(huì)變成沉沒(méi)成本[16]，因此經(jīng)濟(jì)政策不確定性對(duì)于農(nóng)業(yè)企業(yè)投資的抑制效應(yīng)更明顯。第二，從與受政策因素影響程度的方面考慮，受政策因素影響大的企業(yè)經(jīng)濟(jì)政策不確定性對(duì)其投資的抑制效應(yīng)更大。[17]農(nóng)業(yè)是基礎(chǔ)性產(chǎn)業(yè)，其重要性不言而喻，加之政府對(duì)“三農(nóng)”發(fā)展的重視，其受政策影響的程度自然不會(huì)小。第三，從資本配置效率方面考慮，經(jīng)濟(jì)政策不確定性通過(guò)影響公司股價(jià)信息含量使資本配置效率下降，從而減少了企業(yè)投資規(guī)模,同時(shí)可能使企業(yè)放棄凈現(xiàn)值為正的投資項(xiàng)目。[18]第四，從企業(yè)投資決策者的情緒和預(yù)期方面考慮，經(jīng)濟(jì)政策不確定性增加使投資人有更高的風(fēng)險(xiǎn)感知，這會(huì)對(duì)投資者情緒產(chǎn)生負(fù)面影響，企業(yè)投資決策者會(huì)因?yàn)閷?duì)經(jīng)濟(jì)發(fā)展信心不足造成的情緒低沉而降低投資支出。[19]

不僅如此，金融部門(mén)對(duì)經(jīng)濟(jì)政策不確定性也有很強(qiáng)的敏感性[20]，經(jīng)濟(jì)政策不確定性對(duì)銀行信貸供給有顯著的抑制效應(yīng),經(jīng)濟(jì)政策不確定性越大,銀行信貸增速越低。[21]這是因?yàn)?，?dāng)經(jīng)濟(jì)政策不確定性增加時(shí)，貸款的違約風(fēng)險(xiǎn)升高，尤其是涉農(nóng)貸款。[22]此時(shí)，銀行“自我保險(xiǎn)”動(dòng)機(jī)增強(qiáng)使得企業(yè)的銀行貸款成本增加，銀行貸款利率隨之提高[23]，這在中小型銀行中表現(xiàn)得更加明顯。當(dāng)然，銀行增加的成本也更多地轉(zhuǎn)嫁給中小企業(yè)。[24]同樣，經(jīng)濟(jì)政策不確定性升高，企業(yè)獲得的銀行貸款數(shù)量會(huì)減少，農(nóng)業(yè)企業(yè)會(huì)因此減小投資規(guī)模。[25]因此，對(duì)于企業(yè)而言，當(dāng)政策的不確定性增加時(shí)，投資的收益風(fēng)險(xiǎn)增加，投資的資金貸款成本上升，這兩方面的抑制會(huì)導(dǎo)致投資減少，對(duì)于面向農(nóng)村投資的農(nóng)業(yè)企業(yè)和小規(guī)模企業(yè)，更是如此。從政府角度講，當(dāng)經(jīng)濟(jì)政策不確定性增加時(shí)，政府財(cái)政壓力上升，政府會(huì)因此增加稅收，從而增加了企業(yè)的稅收負(fù)擔(dān)進(jìn)而抑制其投資。[26]概括來(lái)講，完全有理由相信，政策不確定性增加會(huì)抑制農(nóng)村投資增長(zhǎng)。中國(guó)幅員遼闊，區(qū)域間經(jīng)濟(jì)發(fā)展水平存在較大差異，東、中、西部涉農(nóng)企業(yè)的規(guī)模、抵御風(fēng)險(xiǎn)能力、融資能力各異，經(jīng)濟(jì)政策不確定性必然會(huì)對(duì)其投資決策差生異質(zhì)性影響。因此，本文提出第一個(gè)假設(shè)：

假設(shè)1：經(jīng)濟(jì)政策不確定性升高對(duì)農(nóng)村投資增長(zhǎng)有抑制效應(yīng)，抑制效應(yīng)呈現(xiàn)區(qū)域異質(zhì)性。

中國(guó)農(nóng)村公共投資體現(xiàn)了很強(qiáng)的反貧困特征，在上級(jí)政府參與的投資中這一特征更加明顯。[27]從經(jīng)驗(yàn)上看，當(dāng)農(nóng)村投資增加時(shí)，農(nóng)村基礎(chǔ)設(shè)施得到改善，農(nóng)民就業(yè)增加，經(jīng)營(yíng)環(huán)境優(yōu)化，農(nóng)產(chǎn)品市場(chǎng)得以拓展等，這些因素會(huì)促進(jìn)農(nóng)民收入增長(zhǎng)。從理論上講，在IS-LM模型中，當(dāng)投資增加(貨幣政策不變)時(shí)，IS曲線(xiàn)向右移動(dòng)，促進(jìn)收入增加，增加的收入等于投資乘以投資乘數(shù)。對(duì)于整個(gè)市場(chǎng)是這樣，對(duì)于農(nóng)村市場(chǎng)、農(nóng)村投資和農(nóng)民收入之間也應(yīng)如此。學(xué)者們也通過(guò)實(shí)證研究證明了這種關(guān)系的存在。例如，對(duì)新疆的研究發(fā)現(xiàn)，農(nóng)業(yè)投資是農(nóng)民收入增長(zhǎng)的關(guān)鍵因素[28]，局部來(lái)看此結(jié)論成立。對(duì)全國(guó)31個(gè)省(直轄市、自治區(qū))的研究也證實(shí)，農(nóng)業(yè)綜合開(kāi)發(fā)投資顯著正向影響農(nóng)民收入，而且會(huì)持續(xù)帶動(dòng)農(nóng)民增收[29]，從全國(guó)看此結(jié)論也成立。從長(zhǎng)期來(lái)看，農(nóng)業(yè)投資對(duì)農(nóng)民收入的影響效應(yīng)更顯著。[30]更進(jìn)一步，農(nóng)村投資對(duì)農(nóng)民收入各個(gè)組成部分影響的研究發(fā)現(xiàn)，農(nóng)業(yè)投資會(huì)明顯提高農(nóng)民經(jīng)營(yíng)性收入，而非農(nóng)投資則提高農(nóng)民的經(jīng)營(yíng)性收入和工資性收入。[31]所以，無(wú)論從哪個(gè)角度看，農(nóng)村投資增長(zhǎng)都會(huì)促進(jìn)農(nóng)民收入增加。由此，本文提出第二個(gè)假設(shè)：

假設(shè)2：農(nóng)村投資增長(zhǎng)與農(nóng)民收入增長(zhǎng)呈正相關(guān)關(guān)系。

若假設(shè)1和假設(shè)2成立，經(jīng)濟(jì)政策不確定性降低會(huì)促進(jìn)農(nóng)村投資增長(zhǎng)，農(nóng)村投資增長(zhǎng)促進(jìn)農(nóng)民收入增加。反之，經(jīng)濟(jì)政策不確定性增加則農(nóng)村投資會(huì)降低，農(nóng)村投資減少導(dǎo)致農(nóng)民收入減少。進(jìn)一步推理我們?nèi)菀椎玫?，?jīng)濟(jì)政策不確定性增加會(huì)降低農(nóng)民收入增長(zhǎng)，而經(jīng)濟(jì)政策不確定性在影響農(nóng)村投資方面存在區(qū)域異質(zhì)性，進(jìn)而在影響農(nóng)民收入增長(zhǎng)上也理應(yīng)有區(qū)域差異。因此，本文提出第三個(gè)假設(shè)：

假設(shè)3：經(jīng)濟(jì)政策不確定性增加會(huì)抑制農(nóng)民收入增長(zhǎng)，且該抑制效應(yīng)有區(qū)域異質(zhì)性。

三、數(shù)據(jù)來(lái)源與研究設(shè)計(jì)

(一)數(shù)據(jù)來(lái)源與模型選擇

本文采用2003-2017年30個(gè)省級(jí)(包括直轄市、自治區(qū)，西藏由于數(shù)據(jù)不全剔除)面板數(shù)據(jù)，數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局中的國(guó)家數(shù)據(jù)、中國(guó)統(tǒng)計(jì)年鑒和wind數(shù)據(jù)庫(kù)、Baker等人統(tǒng)計(jì)的中國(guó)經(jīng)濟(jì)政策不確定性數(shù)據(jù)以及全球經(jīng)濟(jì)政策不確定性數(shù)據(jù)。

對(duì)于模型的選擇，本文通過(guò)F檢驗(yàn)和豪斯曼檢驗(yàn)，從混合效應(yīng)模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型中選擇。根據(jù)檢驗(yàn)顯示的結(jié)果，此處使用固定效應(yīng)模型。至于采用個(gè)體固定效應(yīng)模型、時(shí)間固定效應(yīng)模型還是雙固定效應(yīng)模型，本文采用逐步添加嘗試的方法，最后結(jié)合R2和變量顯著狀況進(jìn)行選擇。

根據(jù)前文提出的假設(shè)，經(jīng)濟(jì)政策不確定性負(fù)向影響農(nóng)村投資增長(zhǎng)從而負(fù)向影響農(nóng)民收入增長(zhǎng)。在實(shí)證中，我們首先檢驗(yàn)經(jīng)濟(jì)政策不確定性負(fù)向影響農(nóng)民收入增長(zhǎng)；若此假設(shè)不成立，驗(yàn)證其他假設(shè)便無(wú)意義。驗(yàn)證假設(shè)3的模型如下：

Rigit=β0+β1EPUt+βiXit+δ+Uit

(1)

模型(1)中被解釋變量為農(nóng)民收入增長(zhǎng)(Rig)，EPU為核心解釋變量，即經(jīng)濟(jì)政策不確定性；X為控制變量，包括地方GDP增速、地方政府財(cái)政支出、教育水平、網(wǎng)絡(luò)發(fā)達(dá)程度、創(chuàng)新水平、交通便利程度、電力狀況、農(nóng)作物播種狀況、自然災(zāi)害狀況。δ有待實(shí)證檢驗(yàn)，或?yàn)闀r(shí)間固定效應(yīng)，或?yàn)閭€(gè)體固定效應(yīng)，或?yàn)殡p固定效應(yīng)，Uit為誤差項(xiàng)。

Igit=β0+β1EPUt+βiXit+δ+Uit

(2)

模型(2)是為了驗(yàn)證假設(shè)1，其中被解釋變量為農(nóng)村投資增長(zhǎng)(Ig)，EPU為核心解釋變量，即經(jīng)濟(jì)政策不確定性，X為控制變量。在模型(1)的基礎(chǔ)上，模型(2)增加了利率作為控制變量。同樣，δ有待實(shí)證檢驗(yàn)，含義同上；Uit為誤差項(xiàng)。

Rigit=β0+β1Igit+βiXit+δ+Uit

(3)

模型(3)是為了驗(yàn)證假設(shè)2，其中Rig為被解釋變量，即農(nóng)民收入增長(zhǎng)，Ig為核心解釋變量，即農(nóng)村投資增長(zhǎng)；X為控制變量，與模型(1)中的控制變量一致。δ含義同上；Uit為誤差項(xiàng)。

(二)變量定義

1. 經(jīng)濟(jì)政策不確定性

關(guān)于經(jīng)濟(jì)政策不確定性的衡量，有學(xué)者用市長(zhǎng)、市委書(shū)記變更衡量。[32][33]近年來(lái)，絕大部分學(xué)者采用Baker et al.構(gòu)建的經(jīng)濟(jì)政策不確定性指數(shù)衡量。[34][35]該指數(shù)是Scott Baker等人基于《南華早報(bào)》文章關(guān)鍵詞搜索構(gòu)建的中國(guó)不確定性指數(shù)(月度數(shù)據(jù))。為了轉(zhuǎn)化成年度數(shù)據(jù)，可取其十二個(gè)月的算術(shù)平均、幾何平均或者取其算術(shù)平均后除以100。本文沿用劉貫春等的做法，采用Baker et al.構(gòu)建的經(jīng)濟(jì)政策不確定性指數(shù)月度數(shù)據(jù)加總除以100來(lái)衡量經(jīng)濟(jì)政策不確定性，其他算法考慮作為穩(wěn)健性檢驗(yàn)。

2. 農(nóng)民收入增長(zhǎng)

采用當(dāng)年農(nóng)村居民人均可支配收入除以上一年農(nóng)村居民人均可支配收入減1衡量農(nóng)民收入增長(zhǎng)。

3. 農(nóng)村投資增長(zhǎng)

采用全社會(huì)固定資產(chǎn)投資減去城鎮(zhèn)固定資產(chǎn)投資得到農(nóng)村固定資產(chǎn)投資，用當(dāng)年的農(nóng)村固定資產(chǎn)投資除以上一年的農(nóng)村固定資產(chǎn)投資減1衡量農(nóng)村投資增長(zhǎng)。

4. 控制變量

控制變量中地方GDP增速用當(dāng)年地方GDP除以上一年地方GDP減1衡量，地方政府財(cái)政支出用地方財(cái)政一般預(yù)算支出衡量；教育水平用15歲及以上文盲率衡量(根據(jù)每年的人口抽樣調(diào)查，用調(diào)查中15歲及以上文盲人數(shù)除以調(diào)查中15歲及以上總?cè)藬?shù)，2010年采用第六次人口普查的數(shù)據(jù)計(jì)算)；網(wǎng)絡(luò)發(fā)達(dá)程度用互聯(lián)網(wǎng)上網(wǎng)人數(shù)衡量(其中，缺乏2016年的數(shù)據(jù)，用前三年平均增長(zhǎng)人數(shù)加上2015年的互聯(lián)網(wǎng)人數(shù)衡量)；創(chuàng)新水平用專(zhuān)利申請(qǐng)授權(quán)量衡量；交通便利程度用鐵路里程加上公路里程衡量；電力狀況用農(nóng)村發(fā)電量衡量；農(nóng)作物播種狀況用農(nóng)作物播種面積衡量；自然災(zāi)害狀況用受災(zāi)面積衡量；利率用6個(gè)月至1年短期貸款基準(zhǔn)利率衡量。

四、實(shí)證結(jié)果

(一)主要變量描述性統(tǒng)計(jì)分析

如表1，農(nóng)民收入增長(zhǎng)最小值為-0.0354，最大值為0.0291，方差為0.0467，說(shuō)明各省份各年份農(nóng)民收入增長(zhǎng)差異明顯。農(nóng)村投資增長(zhǎng)最小值為-0.9955，最大值為1.9799，方差為0.2786，差異更明顯，增長(zhǎng)的最小值幾乎比上一年下降一倍，增長(zhǎng)的最大值幾乎比上一年上升兩倍，通過(guò)對(duì)原數(shù)據(jù)的觀(guān)察發(fā)現(xiàn)增長(zhǎng)的最大值是2009年的四川，而增長(zhǎng)的第二大值是2008年的青海，為0.7673。因此1.9799屬于極端值，可能原因是2008年汶川地震之后，大量的災(zāi)區(qū)重建使得農(nóng)村投資增長(zhǎng)很大。增長(zhǎng)的最小值是2011年的上海，第二小值是2011年的江蘇，為-0.9343，且-0.93—-0.8之間還有五個(gè)值，因此最小值不是極端值，出現(xiàn)農(nóng)村投資增長(zhǎng)率為負(fù)且絕對(duì)值接近1的原因是2012年統(tǒng)計(jì)口徑發(fā)生變化，使得在數(shù)據(jù)上2011年農(nóng)村固定資產(chǎn)投資出現(xiàn)下滑，全國(guó)各省份(包括市、區(qū))農(nóng)村固定資產(chǎn)投資增長(zhǎng)出現(xiàn)絕對(duì)值都較大的負(fù)數(shù)，而上海城鎮(zhèn)固定資產(chǎn)投資和全社會(huì)固定資產(chǎn)投資很接近，農(nóng)村固定資產(chǎn)投資少，所以農(nóng)村固定資產(chǎn)投資變動(dòng)相同的量帶來(lái)的比例變動(dòng)更大(因此在文章的第五部分考慮剔除2011年的數(shù)據(jù)進(jìn)行穩(wěn)健性檢驗(yàn))。經(jīng)濟(jì)政策不確定性平均值為19.0299,最小值為7.7954，最大值為43.7799，方差為11.2297，說(shuō)明近15年經(jīng)濟(jì)政策不確定性較大，最大值與最小值之間差異很大，方差也大，且通過(guò)觀(guān)察原數(shù)據(jù)發(fā)現(xiàn)，中國(guó)經(jīng)濟(jì)政策不確定性呈上升趨勢(shì)。

表1 主要變量描述性統(tǒng)計(jì)

(二)實(shí)證結(jié)果分析

經(jīng)過(guò)面板單位根檢驗(yàn)(LLC檢驗(yàn))，所有參與回歸的變量在1%水平下平穩(wěn)(地方政府財(cái)政支出取對(duì)數(shù))，所有估計(jì)均采用穩(wěn)健性方差。從經(jīng)驗(yàn)判斷，對(duì)農(nóng)民收入增長(zhǎng)影響最直接的兩個(gè)因素是地方GDP增速(GDPG)和地方政府財(cái)政支出(lnLbe)。在控制其他控制變量的前提下，把這兩個(gè)變量逐步加入并列出實(shí)證結(jié)果。如表2，與預(yù)期一致，地方GDP增速正向影響農(nóng)民收入增長(zhǎng)，地方政府財(cái)政支出正向影響農(nóng)民收入增長(zhǎng)。經(jīng)濟(jì)政策不確定性(EPU)升高顯著降低農(nóng)民收入增長(zhǎng)(Rig)，且隨著加入地方GDP增速和地方政府財(cái)政支出兩個(gè)控制變量，經(jīng)濟(jì)政策不確定性系數(shù)變化不大，且保持在1%水平上顯著，驗(yàn)證了假設(shè)3的前半部分。本文還探討了經(jīng)濟(jì)政策不確定性對(duì)城鄉(xiāng)收入差距(Urig)的影響，城鄉(xiāng)收入差距用城鎮(zhèn)居民人均可支配收入除以農(nóng)村居民人均可支配收入衡量。結(jié)果顯示，經(jīng)濟(jì)政策不確定性升高降低了城鄉(xiāng)收入差距，說(shuō)明經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村居民收入增長(zhǎng)的負(fù)向影響小于對(duì)城鎮(zhèn)居民收入增長(zhǎng)的負(fù)向影響；回歸結(jié)果也顯示，地方政府財(cái)政支出同樣減小了城鄉(xiāng)收入差距，可能原因是近年來(lái)扶貧力度加大，地方政府財(cái)政支出中用于農(nóng)村發(fā)展的比例增大。地方GDP增速增加拉大城鄉(xiāng)收入差距，說(shuō)明經(jīng)濟(jì)發(fā)展還沒(méi)有跨過(guò)庫(kù)茨涅茲拐點(diǎn)。不過(guò)，本文并沒(méi)有加入地方GDP的二次項(xiàng)，不能討論具體的拐點(diǎn)，當(dāng)然這也不是本文探討的重點(diǎn)。

表2 經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)的影響

考慮到東、中、西部地區(qū)發(fā)展水平不一，經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)影響效應(yīng)可能存在差異，因此本文將30個(gè)省級(jí)區(qū)域分為東、中、西部分別研究。[36]如表3，經(jīng)濟(jì)政策不確定性升高都顯著抑制了農(nóng)村居民收入增長(zhǎng)，但是有區(qū)域異質(zhì)性。其中，對(duì)西部的抑制效應(yīng)最大，中部次之，對(duì)東部的抑制效應(yīng)最小，這恰好驗(yàn)證了假設(shè)3后半部分。

表3 經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)影響的區(qū)域差異

基于經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)的影響，本文還嘗試探討其影響途徑。通過(guò)文獻(xiàn)回顧發(fā)現(xiàn)，現(xiàn)有研究成果肯定了經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資增長(zhǎng)影響效應(yīng)的存在。因此本文提出經(jīng)濟(jì)政策不確定性影響農(nóng)村投資增長(zhǎng)進(jìn)而影響農(nóng)民收入增長(zhǎng)的作用途徑與過(guò)程。上文的結(jié)果顯示，經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)有負(fù)向影響，符合假設(shè)，也為下文研究其影響途徑提供了基礎(chǔ)。經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資增長(zhǎng)的影響估計(jì)結(jié)果如表4所示。與上文一樣，在控制了其他控制變量的前提下，列示幾個(gè)主要控制變量的回歸結(jié)果?；貧w結(jié)果顯示，經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資增長(zhǎng)(Ig)有負(fù)向影響，在逐漸加入其他控制變量后，EPU系數(shù)的絕對(duì)值有所降低，但依然是負(fù)數(shù)，且在1%水平上保持顯著，驗(yàn)證了假設(shè)1前半部分。而利率(Ir)對(duì)農(nóng)村投資增長(zhǎng)有負(fù)向影響，符合經(jīng)驗(yàn)判斷。GDP增速對(duì)農(nóng)村投資增長(zhǎng)有正向影響，但是估計(jì)結(jié)果并不顯著。地方政府財(cái)政支出對(duì)農(nóng)村投資增長(zhǎng)有負(fù)向影響，可能原因是地方政府財(cái)政支出和農(nóng)村投資增長(zhǎng)之間存在反向因果關(guān)系，因?yàn)楫?dāng)出現(xiàn)農(nóng)村投資增長(zhǎng)下降時(shí)政府為刺激農(nóng)村投資增長(zhǎng)就會(huì)增加財(cái)政支出，也有可能是政府支出使得其他投資主體對(duì)農(nóng)村的投資有“擠出效應(yīng)”，但是估計(jì)結(jié)果并不顯著。

表4 經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資增長(zhǎng)的影響

與上文相對(duì)應(yīng)，經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資增長(zhǎng)也分不同區(qū)域進(jìn)行分析。如表5所示，經(jīng)濟(jì)政策不確定性抑制農(nóng)村投資增長(zhǎng)，但對(duì)東、中、西部地區(qū)的抑制效應(yīng)有差異，對(duì)西部抑制效應(yīng)最大，中部次之，東部最小，這驗(yàn)證了假設(shè)1后半部分。經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資增長(zhǎng)的影響有區(qū)域異質(zhì)性，可能原因是，不同區(qū)域農(nóng)村投資對(duì)政府的經(jīng)濟(jì)政策依賴(lài)程度不同，使得政策變動(dòng)時(shí)投資決策不一樣。地方政府在招商引資的過(guò)程中會(huì)對(duì)投資企業(yè)進(jìn)行補(bǔ)貼，而地方政府的政策目標(biāo)更傾向?qū)崿F(xiàn)區(qū)域平衡，因此西部地區(qū)獲得補(bǔ)貼的企業(yè)的概率更高。[37]所以，西部地區(qū)農(nóng)村投資增長(zhǎng)對(duì)政府經(jīng)濟(jì)政策的依賴(lài)性較高，經(jīng)濟(jì)政策不確定性對(duì)其負(fù)面影響相應(yīng)就最大。

表5 經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資增長(zhǎng)的區(qū)域影響

在這里，經(jīng)濟(jì)政策不確定性對(duì)不同區(qū)域的農(nóng)村投資增長(zhǎng)抑制效應(yīng)大小與對(duì)不同區(qū)域農(nóng)民收入增長(zhǎng)抑制效應(yīng)大小相對(duì)應(yīng)，也為農(nóng)村投資增長(zhǎng)在經(jīng)濟(jì)政策不確定性影響農(nóng)民收入增長(zhǎng)的過(guò)程中發(fā)揮中介作用提供了很好的證據(jù)。但是，可能分開(kāi)研究樣本量降低的緣故，估計(jì)結(jié)果顯著性有所降低。

最后，驗(yàn)證農(nóng)村投資增長(zhǎng)與農(nóng)民收入增長(zhǎng)之間的關(guān)系。如表6所示，農(nóng)村投資增長(zhǎng)促進(jìn)了農(nóng)民收入增加，在控制其他控制變量的前提下逐步加入主要控制變量，結(jié)果顯示農(nóng)村投資增長(zhǎng)的系數(shù)變化不大，且在5%水平上保持顯著，驗(yàn)證了假設(shè)2。與上文一致，地方GDP增速對(duì)農(nóng)民收入有正向影響，地方政府財(cái)政支出對(duì)農(nóng)民收入增長(zhǎng)有正向影響，但是地方GDP增速估計(jì)結(jié)果不顯著。

至此，上文中提出的3個(gè)假設(shè)皆得到驗(yàn)證，也證實(shí)了經(jīng)濟(jì)政策不確定性影響農(nóng)村投資增長(zhǎng)進(jìn)而影響農(nóng)民收入增長(zhǎng)的作用途徑。

表6 農(nóng)村投資增長(zhǎng)對(duì)農(nóng)民收入增長(zhǎng)的影響

五、穩(wěn)健性檢驗(yàn)

(一)內(nèi)生性問(wèn)題

本文模型中加入了較多控制變量，較多的控制變量可以解決遺漏變量問(wèn)題，還控制了固定效應(yīng)，有效解決了內(nèi)生性問(wèn)題。但出于穩(wěn)健性考慮，本文將全球經(jīng)濟(jì)政策不確定性作為工具變量(全球經(jīng)濟(jì)政策不確定性年度數(shù)據(jù)仍用十二個(gè)月度數(shù)據(jù)加總除以100衡量)，采用兩階段最小二乘法估計(jì)，結(jié)果如表7(只列出了第二階段的回歸結(jié)果)所示，結(jié)論與上文一致，即經(jīng)濟(jì)政策不確定性負(fù)向影響農(nóng)民收入增長(zhǎng)，也負(fù)向影響農(nóng)村投資增長(zhǎng)，且估計(jì)結(jié)果在1%水平上顯著。通過(guò)檢驗(yàn)工具變量與解釋變量的相關(guān)性，兩個(gè)檢驗(yàn)結(jié)果都顯示最小特征值統(tǒng)計(jì)量遠(yuǎn)遠(yuǎn)大于5%水平上對(duì)應(yīng)的值，拒絕工具變量為弱工具變量的原假設(shè)，因?yàn)橹挥幸粋€(gè)工具變量，故不存在過(guò)度識(shí)別檢驗(yàn)。在理論上，全球經(jīng)濟(jì)政策不確定性可以作為工具變量。

表7 穩(wěn)健性檢驗(yàn)結(jié)果

(二)重新定義農(nóng)村投資

用農(nóng)、林、牧、漁投資增長(zhǎng)代替農(nóng)村投資增長(zhǎng)，檢驗(yàn)經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)影響的中介作用，結(jié)論與上文一致。

(三)經(jīng)濟(jì)政策不確定性

采用不同計(jì)算方法，用12個(gè)月的經(jīng)濟(jì)政策不確定性的平均數(shù)和中位數(shù)衡量年度經(jīng)濟(jì)政策不確定性，分別檢驗(yàn)對(duì)農(nóng)民收入增長(zhǎng)和農(nóng)村投資增長(zhǎng)的影響，結(jié)論與上文一致。

(四)反向因果關(guān)系

考慮到可能存在農(nóng)民收入增長(zhǎng)降低和農(nóng)村投資增長(zhǎng)降低才促使經(jīng)濟(jì)政策調(diào)整，從而加大經(jīng)濟(jì)政策不確定性的反向因果關(guān)系。本文檢驗(yàn)了經(jīng)濟(jì)政策不確定性滯后一期對(duì)農(nóng)民收入增長(zhǎng)和農(nóng)村投資增長(zhǎng)的影響，結(jié)論依然是對(duì)兩者都有負(fù)向影響。

(五)極端值的影響

由于2012年統(tǒng)計(jì)口徑有所變化，導(dǎo)致2011年的農(nóng)村固定資產(chǎn)投資較2010年有大幅下降，全國(guó)各地農(nóng)村投資增長(zhǎng)出現(xiàn)負(fù)數(shù)，且絕對(duì)值都比較大。因此，考慮剔除2011年的極端值對(duì)結(jié)論重新檢驗(yàn)，結(jié)論與上文一致。

六、結(jié)論與建議

本文采用Baker et al.構(gòu)建的經(jīng)濟(jì)政策不確定性指數(shù)，利用2003-2017年全國(guó)30個(gè)省級(jí)(包括直轄市、自治區(qū))面板數(shù)據(jù)，實(shí)證分析了經(jīng)濟(jì)政策不確定性對(duì)農(nóng)民收入增長(zhǎng)的影響并探討了其影響途徑。研究發(fā)現(xiàn)，經(jīng)濟(jì)政策不確定性升高會(huì)抑制農(nóng)民收入增長(zhǎng)，同時(shí)縮小了城鄉(xiāng)收入差距，且對(duì)農(nóng)民收入增長(zhǎng)抑制效應(yīng)有區(qū)域異質(zhì)性，對(duì)西部的負(fù)向影響最大，中部次之，對(duì)東部的影響最小。農(nóng)村投資增長(zhǎng)起到中介作用，經(jīng)濟(jì)政策不確定性通過(guò)負(fù)向影響農(nóng)村投資增長(zhǎng)進(jìn)而影響農(nóng)民收入增長(zhǎng)。在通過(guò)使用工具變量、重新定義變量、改變變量算法、將核心解釋變量滯后一期、剔除極端值進(jìn)行檢驗(yàn)后，結(jié)論依然成立。

當(dāng)下，農(nóng)民收入結(jié)構(gòu)正發(fā)生重大轉(zhuǎn)變，由單一的靠家庭經(jīng)營(yíng)性收入轉(zhuǎn)變?yōu)楦黜?xiàng)收入?yún)f(xié)同增長(zhǎng)。由于轉(zhuǎn)移性和財(cái)產(chǎn)性收入具有不確定性和暫時(shí)性特征,所以工資性與經(jīng)營(yíng)性收入將作為兩大主要收入來(lái)源“并駕齊驅(qū)”地帶動(dòng)農(nóng)民收入持續(xù)、快速、穩(wěn)定增長(zhǎng)。[38]面對(duì)農(nóng)民收入要實(shí)現(xiàn)由“輸血”向“造血”的根本性轉(zhuǎn)變，高質(zhì)量的涉農(nóng)投資無(wú)疑會(huì)成為“造血”機(jī)制形成的重要?jiǎng)恿?。因此，在運(yùn)用農(nóng)業(yè)投資促進(jìn)農(nóng)民收入增長(zhǎng)的政策選擇上，應(yīng)采取長(zhǎng)期政策并通過(guò)建立持續(xù)穩(wěn)定的投資增長(zhǎng)長(zhǎng)效機(jī)制，促進(jìn)鄉(xiāng)村振興戰(zhàn)略實(shí)施過(guò)程中農(nóng)村投資保持穩(wěn)定增長(zhǎng)，從而達(dá)到促進(jìn)農(nóng)民增收的目的。[39]

第一，就政策調(diào)整本身來(lái)說(shuō)，政府應(yīng)該防止政策頻繁變動(dòng)。中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，經(jīng)濟(jì)增速由高速向中高速轉(zhuǎn)變，農(nóng)村調(diào)結(jié)構(gòu)、補(bǔ)短板勢(shì)在必行。但新常態(tài)下的高質(zhì)量發(fā)展不是不要增長(zhǎng)速度，更不是“一刀切”，政府在全面深化改革的過(guò)程中應(yīng)注意保持政策的相對(duì)穩(wěn)定，政府主要官員更換后要“一張藍(lán)圖干到底”。同時(shí)，通過(guò)發(fā)揮市場(chǎng)在資源配置中的決定性作用和更好發(fā)揮政府功能，引導(dǎo)涉農(nóng)投資主體形成合理的政策穩(wěn)定預(yù)期，非常有助于降低政策風(fēng)險(xiǎn)，營(yíng)造良好的投融資環(huán)境，實(shí)現(xiàn)農(nóng)村經(jīng)濟(jì)轉(zhuǎn)型和促進(jìn)農(nóng)業(yè)現(xiàn)代化發(fā)展，并最終為持續(xù)促進(jìn)農(nóng)民增收提供保障條件。

第二，就政策變動(dòng)的影響來(lái)說(shuō)，要降低經(jīng)濟(jì)政策不確定性對(duì)農(nóng)村投資增長(zhǎng)的影響程度。當(dāng)政策不確定性升高時(shí)，金融機(jī)構(gòu)的“自我保險(xiǎn)”動(dòng)機(jī)使得涉農(nóng)企業(yè)貸款成本上升、企業(yè)貸款減少，從而會(huì)抑制投資；但是當(dāng)融資可獲得性較大時(shí)，抑制效應(yīng)并不顯著。而且，這種抑制效應(yīng)主要來(lái)自于債權(quán)融資，而不是股權(quán)融資。[40]所以，政府在引導(dǎo)金融更好服務(wù)于農(nóng)村實(shí)體經(jīng)濟(jì)的過(guò)程中，應(yīng)該加大培育成長(zhǎng)性好的企業(yè)并支持符合條件的涉農(nóng)企業(yè)上市，推進(jìn)農(nóng)產(chǎn)品期權(quán)期貨市場(chǎng)建設(shè)，擴(kuò)展農(nóng)業(yè)企業(yè)投融資渠道，分散和化解涉農(nóng)投資的風(fēng)險(xiǎn)，降低企業(yè)涉農(nóng)投資對(duì)經(jīng)濟(jì)政策不穩(wěn)定性的敏感程度。同時(shí)，涉農(nóng)投資的企業(yè)不能是政府養(yǎng)在“溫室里的花朵”，對(duì)農(nóng)投資不能只依靠政府補(bǔ)貼，要在形成更加定型的制度體系的過(guò)程中加強(qiáng)落后地區(qū)的市場(chǎng)化進(jìn)程，不斷促進(jìn)全方位對(duì)外開(kāi)放的制度保障和基礎(chǔ)設(shè)施建設(shè)，從而降低農(nóng)村投資對(duì)政府政策的依賴(lài)程度。

第三，就降低經(jīng)濟(jì)政策不確定性的負(fù)面影響來(lái)說(shuō)，通過(guò)農(nóng)業(yè)現(xiàn)代化、三產(chǎn)融合提升農(nóng)業(yè)領(lǐng)域的投資回報(bào)水平，達(dá)到促進(jìn)農(nóng)民增收還需要不同經(jīng)濟(jì)政策之間在一定程度上的協(xié)同互促。例如，鄉(xiāng)村振興中新型生產(chǎn)方式的培育、涉農(nóng)中小企業(yè)的多元化投資、農(nóng)業(yè)產(chǎn)業(yè)鏈延伸等，不僅需要農(nóng)村土地政策、收入分配政策、財(cái)稅金融政策的支撐，還需要農(nóng)業(yè)保險(xiǎn)政策、農(nóng)村扶貧政策以及農(nóng)村治理能力與治理體系的創(chuàng)新，并且需要分短期和長(zhǎng)期區(qū)別不同政策對(duì)于農(nóng)業(yè)投資和農(nóng)民增收的政策效應(yīng)。這同時(shí)對(duì)政府經(jīng)濟(jì)政策體系的完善與治理能力現(xiàn)代化提出了更高要求和新的挑戰(zhàn)。

注釋?zhuān)?/p>

[1] 袁 航、張金山：《鄉(xiāng)村振興:消解二元經(jīng)濟(jì)結(jié)構(gòu)的必由之路》，《稅務(wù)與經(jīng)濟(jì)》2018年第6期。

[2] 李曉龍、冉光和：《農(nóng)村產(chǎn)業(yè)融合發(fā)展如何影響城鄉(xiāng)收入差距——基于農(nóng)村經(jīng)濟(jì)增長(zhǎng)與城鎮(zhèn)化的雙重視角》，《農(nóng)業(yè)技術(shù)經(jīng)濟(jì)》2019年第8期。

[3] 穆紅梅：《城鎮(zhèn)化水平與城鄉(xiāng)收入差距關(guān)系研究——基于收入結(jié)構(gòu)視角》，《經(jīng)濟(jì)問(wèn)題》2019年第8期。

[4] 丁箐嵐：《中國(guó)農(nóng)產(chǎn)品價(jià)格對(duì)城鄉(xiāng)收入差距影響的實(shí)證檢驗(yàn)》，《統(tǒng)計(jì)與決策》2019年第15期。

[5] 龔明遠(yuǎn)、周京奎、張 朕：《要素稟賦、配置結(jié)構(gòu)與城鄉(xiāng)收入差距》，《農(nóng)業(yè)技術(shù)經(jīng)濟(jì)》2019年第6期。

[6] 鄒 克：《普惠金融、農(nóng)業(yè)TFP變動(dòng)與城鄉(xiāng)收入不平衡——基于普惠金融結(jié)構(gòu)性問(wèn)題視角》，《金融經(jīng)濟(jì)學(xué)研究》2019年第2期。

[7] 斯坦福大學(xué)和芝加哥大學(xué)聯(lián)合發(fā)布的月度中國(guó)經(jīng)濟(jì)政策不確定指數(shù)(http://www.policyuncertainty.com/china_epu.html)。該指數(shù)是Scott Baker, Nick Bloom, Steven J. Davis和Xiaoxi (Sophie) Wang在《南華早報(bào)》的基礎(chǔ)上為中國(guó)制定的一個(gè)經(jīng)濟(jì)政策不確定性指數(shù)。該指數(shù)按月計(jì)算，從1995年1月至今，中國(guó)經(jīng)濟(jì)政策的不確定性不斷提高可從指數(shù)的趨勢(shì)得出。

[8] 彭俞超、韓 珣、李建軍：《經(jīng)濟(jì)政策不確定性與企業(yè)金融化》，《中國(guó)工業(yè)經(jīng)濟(jì)》2018年第1期。

[9] 陳國(guó)進(jìn)、王少謙：《經(jīng)濟(jì)政策不確定性如何影響企業(yè)投資行為》，《財(cái)貿(mào)經(jīng)濟(jì)》2016年第5期。

[10] 顧 欣、張雪潔：《經(jīng)濟(jì)政策不確定性、勞動(dòng)力成本上升與企業(yè)創(chuàng)新》，《財(cái)經(jīng)問(wèn)題研究》2019年第9期。

[11][24] 宋全云、李 曉、錢(qián) 龍：《經(jīng)濟(jì)政策不確定性與企業(yè)貸款成本》，《金融研究》2019年第7期。

[12] 逯宇鐸、杜小飛：《經(jīng)濟(jì)政策不確定性與異質(zhì)性企業(yè)就業(yè)變動(dòng):理論與實(shí)證研究》，《當(dāng)代經(jīng)濟(jì)科學(xué)》2019年第5期。

[13] 張俊華、花俊國(guó)、唐華倉(cāng)、吳一平：《經(jīng)濟(jì)政策不確定性與農(nóng)產(chǎn)品價(jià)格波動(dòng)》，《農(nóng)業(yè)技術(shù)經(jīng)濟(jì)》2019年第5期。

[14] 譚 瑩、胡洪濤、李大勝：《經(jīng)濟(jì)政策不確定性對(duì)農(nóng)產(chǎn)品產(chǎn)業(yè)鏈的價(jià)格沖擊研究》，《農(nóng)業(yè)技術(shù)經(jīng)濟(jì)》2018年第7期。

[15][35] 劉貫春、段玉柱等：《經(jīng)濟(jì)政策不確定性、資產(chǎn)可逆性與固定資產(chǎn)投資》，《經(jīng)濟(jì)研究》2019年第8期。

[16] Serra T.,Stefanou S.,Gil J. M.，F(xiàn)eatherstone A. ,“Investment rigidity and policy measures”，EuropeanReviewofAgriculturalEconomics, vol.36,no.1(2009),pp. 103-120.

[17] 饒品貴、岳 衡、姜國(guó)華：《經(jīng)濟(jì)政策不確定性與企業(yè)投資行為研究》，《世界經(jīng)濟(jì)》2017年第2期。

[18][32] 陳德球、陳運(yùn)森、董志勇：《政策不確定性、市場(chǎng)競(jìng)爭(zhēng)與資本配置》，《金融研究》2017年第11期。

[19] 靳光輝、劉志遠(yuǎn)、花貴如：《政策不確定性、投資者情緒與企業(yè)投資——基于戰(zhàn)略性新興產(chǎn)業(yè)的實(shí)證研究》，《中央財(cái)經(jīng)大學(xué)學(xué)報(bào)》2016年第5期。

[20] Mobeen Ur Rehman,Nadia Asghar,Javed Hussain，“Are disaggregate industrial returns sensitive to economic policy uncertainty”，StatisticalMechanicsanditsApplications，vol.27,no.5(2019),pp.111-125.

[21] 沈 悅、馬續(xù)濤：《政策不確定性、銀行異質(zhì)性與信貸供給》，《西安交通大學(xué)學(xué)報(bào)》(社會(huì)科學(xué)版)2017年第3期。

[22] 尹志超、謝海芳、魏 昭：《涉農(nóng)貸款、貨幣政策和違約風(fēng)險(xiǎn)》，《中國(guó)農(nóng)村經(jīng)濟(jì)》2014年第3期。

[23] Badar Nadeem Ashrafa,Yinjie Shen，“Economic policy uncertainty and banks’ loan pricing”，JournalofFinancialStability.vol.44(2019)，pp.23-38.

[25] 姚文韻、劉冬杰：《我國(guó)農(nóng)業(yè)上市公司融資來(lái)源與投資規(guī)模的關(guān)系研究》，《農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題》2011年第8期。

[26] Dandan Dang,Hongsheng Fang,Minyuan He，“Economic policy uncertainty, tax quotas and corporate tax burden: Evidence from China”，ChinaEconomicReview，vol. 56〗(2019),pp.143-156.

[27] 張林秀、白云麗、楊云帆、王衛(wèi)東：《改革開(kāi)放以來(lái)農(nóng)村公共投資演進(jìn)及效果分析》，《農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題》2018年第8期。

[28] 何 劍、崔鈺雪：《農(nóng)民收入與農(nóng)業(yè)投資的實(shí)證研究——以新疆為例》，《農(nóng)業(yè)技術(shù)經(jīng)濟(jì)》2005年第4期。

[29] 趙勇智、羅爾呷、李建平：《農(nóng)業(yè)綜合開(kāi)發(fā)投資對(duì)農(nóng)民收入的影響分析——基于中國(guó)省級(jí)面板數(shù)據(jù)》，《中國(guó)農(nóng)村經(jīng)濟(jì)》2019年第5期。

[30][39] 劉耀森、左正強(qiáng)：《農(nóng)業(yè)投資與農(nóng)民收入增長(zhǎng)關(guān)系的動(dòng)態(tài)計(jì)量經(jīng)濟(jì)分析》，《經(jīng)濟(jì)問(wèn)題》2011年第8期。

[31] 王 健、胡美玲：《農(nóng)村投資、農(nóng)業(yè)生產(chǎn)率對(duì)農(nóng)民收入影響的實(shí)證檢驗(yàn)》，《統(tǒng)計(jì)與決策》2019年第17期。

[33] 羅黨論、廖俊平、王 玨：《地方官員變更與企業(yè)風(fēng)險(xiǎn)——基于中國(guó)上市公司的經(jīng)驗(yàn)證據(jù)》，《經(jīng)濟(jì)研究》2016年第5期。

[34] Venky Nagar,Jordan Schoenfeld,Laura Wellman，“The effect of economic policy uncertainty on investor information asymmetry and management disclosures”，JournalofAccountingandEconomics，vol.69(2019),pp.36-57.

[36] 東部地區(qū)包括北京、河北、浙江、山東、上海、江蘇、天津、福建、遼寧、廣東、海南；中部包括山西、內(nèi)蒙古、河南、黑龍江、湖北、江西、吉林、安徽、湖南；西部包括四川、青海、甘肅、云南、陜西、貴州、重慶、寧夏、新疆、廣西。

[37] 韓 超：《戰(zhàn)略性新興產(chǎn)業(yè)政策依賴(lài)性探析——來(lái)自地方政府補(bǔ)貼視角的實(shí)證檢驗(yàn)》，《經(jīng)濟(jì)理論與經(jīng)濟(jì)管理》2014年第11期。

[38] 王小華：《中國(guó)農(nóng)民收入結(jié)構(gòu)的演化邏輯及其增收效應(yīng)測(cè)度》，《西南大學(xué)學(xué)報(bào)》(社會(huì)科學(xué)版)2019年第5期。

[40] 才國(guó)偉、吳華強(qiáng)、徐信忠：《政策不確定性對(duì)公司投融資行為的影響研究》，《金融研究》2018年第3期。