草原是中国面积最大的陆地生态系统,各类天然草场面积近4亿公顷,约占国土总面积的2/5,是保障中国生态安全的主阵地。为了遏制草原生态环境加速恶化的势头,中国陆续出台一系列草原生态保护政策,如退牧还草工程、京津风沙源治理工程等,特别是从2011—2015年开始实施第一轮草原生态保护补奖政策,是目前中国草原牧区补贴力度大、覆盖面广、补贴内容多的一项综合政策。从2011年开始,中央财政安排专项资金在内蒙古自治区、新疆维吾尔自治区、西藏自治区、青海省、四川省、甘肃省、宁夏回族自治区和云南省8个草原牧区省(区)和新疆生产建设兵团,全面建立草原生态保护补奖机制,2012年又将范围扩大到山西省、河北省、黑龙江省、吉林省、辽宁省5省和黑龙江农垦总局的268个牧区半牧区县和其他非牧区半牧区县共639个县,补贴资金提高到159.75亿元。①《2015年全国草原监测报告》显示,草原生态保护补奖政策的生态效果正逐步显现,2015年全国天然草原鲜草总产量10.28亿吨,载畜能力约24 943.61万只羊单位,草原综合植被覆盖度达到54%,上述指标较上年提高0.57%、0.74%和0.4%,较2011年提高2.55%、1.31%和3%,而全国重点天然草原平均牲畜超载率为13.5%,较上年下降1.7%,较2011年下降14.5%,其中全国268个牧区半牧区县(旗、市)天然草原平均畜牧超载率较2011年下降20%。②草原生态保护补奖机制第一周期已经结束,该政策在草原生态安全方面的正面效应毋庸置疑,但是该机制还包括逐步转变畜牧业发展方式,促进农牧民增收的政策目标。中国畜牧业正处于转型升级的关键时期,持续推进的禁牧休牧、划区轮牧、草畜平衡等各项保护制度导致资源环境约束趋紧,对传统畜牧业养殖方式带来巨大挑战,适度的规模化养殖成为未来畜牧业持续稳定发展的主要方向。2016年中国启动新一轮的草原生态保护补奖政策(2016—2020年),实施草原生态保护补奖政策将对中国畜牧业养殖方式特别是适度规模化养殖产生影响。
目前,对草原生态保护补奖政策的研究主要集中在以下几方面:一是补偿标准研究。孟慧君和程秀丽、巩芳等认为补奖标准的制定是草原生态保护补助奖励政策能否顺利实施的核心问题,并提出要合理调整草原补奖标准的观点[1-3];祁晓慧等认为补奖标准应由政府和牧户共同决定,具有地域性和动态性,建议采用“先减后补”滞后方式[4];王学恭等则深入分析了草地生态补偿标准的空间尺度差异[5]。二是存在问题及政策建议研究。杨轩等、额尔敦乌日图认为农牧户转产困难、政策导向性不明确、配套资金及项目缺失及监管难度大等问题导致补奖资金的使用效益未实现最大化[6-7];马有祥等提出在草原生态保护补奖政策落实过程中,还需要特别关注机动草原、流转草场草畜平衡责任落实等问题[8]。三是政策实施效果分析。杨春和王明利构建了草原生态保护补奖政策评价指标体系,认为这是跟踪项目实施进度效果及优化项目实施内容的重要保证[9];陈海燕和肖海峰、陈永泉等、包扫都必力格从微观视角出发,分析了农牧户对草原生态补奖机制的认知情况、满意度和政策期望,认为该政策满意度存在差异,奖励标准、实施期限及草场面积等因素对政策参与意愿和满意度密切相关[10-12];花蕊、张强强等对比了政策实施对牧业生产方式和牧民收入的影响[13-14],杨旭东等进一步分析了该政策对牧区半牧区出栏量、牧业收入的作用[15];王国刚等认为草原生态保护补奖政策对增加中国牛肉供给能力具有促进作用,对缓解牛肉供求紧平衡格局具有一定作用[16];白爽等对草原生态保护补奖政策中的生产性补贴政策的实施效果和影响因素进行实证分析[17];张浩基于调研资料尝试对草原生态保护补奖机制进行贫困影响评价,认为该政策在保障低收入牧户收入水平和缩小贫富差距上有正面的促进作用[18]。关于畜牧业养殖规模化影响因素方面的研究大致可分为2个方面,一是经济、资源禀赋、环境等外部因素对养殖规模化程度的影响。Gibbon、Gardiner等采用动态计量模型、线性规划模型等方法研究了价格变动对澳大利亚农户及国家层面畜牧业养殖规模及产量的影响。[19-20]Jones提出市场需求的变化对养殖规模有显著影响。[21]黄德林认为市场开放程度、技术进步、产业化服务水平、信贷条件等因素也对规模化程度有影响。[22]冯艳秋等对不同畜禽品种的规模化程度进行分析评价,认为适度规模化是未来畜牧业发展的必然选择。[23]耿宁和李秉龙、潘丹等运用超对数生产函数、数据包络分析(DEA)、Tornqvist指数及C-D生产函数等方法对生猪、肉羊、蛋鸡等畜种的技术效率、配置效率及全要素生产率等进行测算,并分析其影响因素,结果表明畜牧业政策、技术要素对畜牧业规模化发展具有长期影响。[24-25]二是决策者个人及家庭特征、收入水平、个人技能及管理水平等内部因素对养殖规模化程度的影响。Mohammed等采用结构方程模型,研究澳大利亚农户养殖规模决策行为的影响因素,引入了“生命周期”预期因素,但是收入、投入要素、个人激励等对农户养殖决策的影响更显著。[26]李谷成等、李秉龙和李金亚分别从微观和宏观角度探讨了受教育程度、家庭背景、技术培训等个人及家庭禀赋变量对规模化经营的影响。[27-28]综上,一方面,前期学术界对草原生态补奖机制的研究主要集中在第一和第二个层面,且对该机制的实施方法、存在问题及政策建议多停留在定性层面,量化研究较少,后期的对生态补奖政策的实施效果研究逐渐增多,但是以农户层面的微观调查居多,用统计对比方式研究草原生态补奖政策实施对生态安全、农牧户收入等的影响,较少从宏观角度关注草原生态补奖政策对畜牧业生产方式转变的影响。另一方面,国内学术界侧重从微观视角研究畜牧业养殖规模化的经济效率、技术效率等,政策、环境等非市场因素对养殖规模的影响多为定性分析,对其影响因素的测度多集中在生猪、蛋鸡、奶牛等具体产业领域,缺乏全局性把握。中国畜牧业生产经营方式粗放,“小规模、大群体”特征明显,牧民仍旧没有摆脱“规模小—收益低—增收难”的困境。有鉴于此,文章基于宏观视角,采用2004—2013年的省级面板数据,拟重点研究草原生态保护补奖政策的实施对中国畜牧业养殖规模化的影响,旨在从另一个角度考察草原生态保护补奖机制政策执行情况和成效,并为优化政策实施提供有力的依据。
二、模型构建与数据来源 (一) 模型构建文章主要使用了倍差法(Difference-in-Difference Estimation,DID)对草原生态保护补奖政对畜牧业养殖规模化的实施效应进行分析和评估。倍差法在20世纪70年代由Ashenfelter和Card等提出, 是用于估计一项政府政策或公共工程给作用对象带来的净影响的一种计量经济方法,目前广泛用于政策或工程评估。[20]2—7该方法的基本思路是:将公共政策的实施类比于自然实验(natural experiment),通过测定受政策影响的社会群体(干预组,treatment group)和未受影响的社会群体(对照组,control group)在政策实施前后的变化,以此评估该政策对干预组的净影响。DID方法利用一个外生的政策变量带来的横向单位和时间序列的双重差异来识别政策的实施效果,既考虑了干预组和对照组之间不可观测特征的差异,又考虑到随时间变化的不可观测总体因素的影响,对政策效果的评估是无偏估计,但是DID估计无偏的重要条件是公共政策的变化是外生的。从草原生态保护补奖政策的实施来看,该政策自上而下执行并具有强制性,而且是否纳入政策覆盖省份并不取决于自身选择,而主要取决于其是否被纳入国家政策性规划。实施草原生态保护补奖政策与否,各省劳动力、资本、技术等基本特征的分析也间接支持该项政策是外生的,与回归方程的误差项没有显著差异。此外,由于“实验”本身也可能产生一些内生性的反映,导致对政策效果的评估产生偏差,如由于某些省推行草原生态保护补奖措施,导致一些农牧户迁入、迁出,所谓“用脚选择”的问题,使得干预组和对照组的分配事后内生于这项政策措施的“处理”,但文章是基于宏观的省级面板,加总数据的估计是无效的。因此,计量分析中的内生性问题基本可以被忽略。
基于以上分析,笔者构建两个虚拟变量:
DID方法的基本估计方程为
(1) |
其中:α0为常数项;i、t分别为样本个体和时间;Yit为被解释变量,表示畜牧业养殖规模化程度;α1、α2为Dit和Tit的参数,分别为干预组和对照组间不可观测特征的差异和随时间变化的不可观测总体因素的影响;α3为交叉项参数,即政策实施效果。由于倍差法分析结果的有效性可能受到变量缺失的影响,笔者加入一系列控制变量Xit,包括畜牧业劳动力投入及资金情况、资源与环境约束、技术进步、扶持政策等方面的变量和代表不同年份政策实施效果的时间虚拟变量,此外还加入Pit、Bit和Sit 3个虚拟变量,用于考察政策延时效果、其他相关扶持政策和地区差异,εit为随机误差项。因此,加入控制变量后的扩展模型为
(2) |
上述模型为草原生态保护补奖政策对畜牧业养殖规模化影响的实证模型,其变量含义、解释及其先验判断如表 1所示。
(二) 数据来源与样本选取
本研究数据来源于《中国统计年鉴》《中国畜牧业年鉴》《中国农业统计资料》和《中国农村统计年鉴》(2005—2014年),分析数据包括31个省市自治区的相关社会、经济数据。在样本省份中,内蒙古自治区、新疆维吾尔自治区、西藏自治区、青海省、四川省、甘肃省、宁夏回族自治区、云南省、河北省、山西省、黑龙江省、吉林省、辽宁省13个省份相继从2011年纳入国家草原生态保护补奖政策覆盖范围,将其作为干预组,其他未实施该政策的18个省市作为对照组,将该政策的实施作为一种“准自然实验”,并对其效果进行评估。
(三) 变量设定本研究以畜牧业养殖规模化程度作为被解释变量,研究草原生态保护补奖政策及其一系列控制变量如何影响畜牧业的养殖规模。由于反映规模化程度高低的变量是连续的,因此,文章采用OLS回归方式得出标准化回归系数值对重点关注的解释变量对被解释变量的影响程度,以此进行政策影响评估,并用逐步回归的方式进行稳健性检验。
“畜牧业规模化程度”是一项综合指标,选择能够反映规模化程度且与草原生态补奖政策密切相关的养羊业的规模化程度表示,受数据的可获得性及连续性限制,选择年出栏100只以上的养羊场(户)数③作为被解释变量,可由2004—2013年分省羊饲养规模场(户)数情况加总计算获得。“草原生态补奖政策”用于反映影响该政策的4个虚拟变量,前3个在模型中已经阐明,政策实施年度虚拟变量在补奖政策实施第i年时取值1,否则为0,即草原生态保护补奖政策第1年为2011年,依次类推。一系列控制变量包括劳动力及资金、资源与环境约束、技术进步及扶持政策等指标,其中劳动力及资金情况包括畜牧业劳动力数量、劳动力质量及可用资本3个变量,劳动力数量用农林牧渔就业人数比重表示,其比例越高意味着畜牧业劳动密集程度越高,预期影响为负;劳动力质量用农业劳动力平均受教育程度表示,通过公式“农业劳动力受教育程度=受小学教育比例×6+受初中教育比例×9+受高中教育比例×12+受大专以上教育比例×15”计算获得,受教育程度越高,其学习及应用新技术能力越强,预期影响为正,可用资本用上年度农村居民家庭人均纯收入减去家庭人均生活性消费支出计算获得,影响畜牧业扩大再生产能力,预期影响为正。资源与环境约束包括人均农作物总播种面积、人均可利用草场面积、旱灾成灾面积等变量,玉米、青黄贮饲料及干草等是畜牧业养殖的重要生产要素,预期影响为正,旱灾可能会降低饲草资源供给进而影响养殖规模,预期影响为负。技术进步包括各地区种畜场数量和技术人员人均服务出栏数量,种畜场可以为农牧户提供品种改良、养殖技术培训推广等技术扶持,其数量越多,扩大养殖规模的可能性越高;技术人员服务出栏量越少,其技术服务和应用效果越好,扩大规模的可能性越高。中国从2010年开始在全国开展畜禽养殖标准化示范场创建活动,设置政策虚拟变量,2010年之前取值为0,之后为1。此外,中国西部省份因地域差异拥有较高的资源禀赋。将陕西省、重庆市、贵州省、云南省、四川省、甘肃省、宁夏回族自治区、青海省、新疆维吾尔自治区、西藏自治区、内蒙古自治区、广西省等12省区市设为1,其他省份为0。
三、结果与分析 (一) 样本数据基本情况DID方法的一个最基本假设是:干预组和对照组有着相同的变化趋势,就是说如果没有实施草原生态保护补奖政策,干预组和对照组的规模化程度应该按照同样的比例递增或递减,由于使用省级面板数据,因此可以查看该政策实施前一段时间中干预组和对照组的变化趋势是否接近作为判断依据。政策实施前后干预组和对照组养殖规模100只以上场(户)数变化趋势如图 1所示。
根据草原生态保护补奖政策在各个省份的实施情况,将2010年各地区样本数据作为政策实施前的基线数据,并将其与政策实施后3年的省级数据进行对比分析。干预组和对照组在草原生态保护补奖政策实施前后的基本特征及其比较如表 2所示,从中可见,政策干预前干预组和对照组畜牧业养殖规模化程度存在较大差异,农业劳动力平均受教育程度、旱灾成灾面积及各地区种畜场数量上在10%的水平上没有统计上的显著差别,但干预组的农林牧渔就业人数比重、人均农作物总播种面积、人均可利用草场面积、技术人员人均服务出栏数量等变量的统计均值大于对照组,而从扩大再生产资金情况来看,对照组均值较大,且上述变量在10%的水平下存在显著差异。综上,对于上述描述性统计不能明确说明草原生态保护补奖政策的实施是否以及多大程度上促进了畜牧业养殖的规模化程度,文章采用DID方法对该政策的作用及趋势效应进一步分析和评估。
(二) 计量模型分析结果及稳健性检验
模型(1)到模型(6)的OLS参数估计值如表 3所示。表 1第1栏为基本模型回归结果,只有Tit、Dit和Tit×Dit 3个变量,结果显示:实施草原生态保护补奖政策的省份对其畜牧养殖规模化程度的影响是显著为正,由于各省市是否实施该政策与误差项不相关,因此,即使没有后期的一系列控制变量,也是无偏一致的估计量。但是基本模型没有控制劳动力、资本、技术、环境以及地域差异等变量的作用,估计结果的有效性可能受到影响。因此,计量模型分析是逐步加入地区虚拟变量、实施年份虚拟变量、相关政策虚拟变量以及一系列控制变量(包括反映人力资源及资金情况、资源与环境约束、技术进步等),以提高估计效率,并在此基础上检验估计结果的稳健性。表 3第(2)栏为加入了地区虚拟变量后的参数估计结果,为了减弱模型分析中数据的异方差性,将被解释变量及一系列连续型解释变量取对数后进行参数估计,结果显示:虽然与基本模型相比,Tit×Dit对Yit影响的估计值从2.867 4下降到2.633 5,下降的0.233 9在一定程度上来自于地区虚拟变量Sit,但是相对于Yit取对数后的样本均值8.066 6而言仍然非常明显,即草原生态保护补奖政策的实施对畜牧业生产方式的改变有显著的正向影响。
表 3第(3)栏和第(4)栏两栏是考虑了地区控制变量影响效应后草原生态保护补奖政策的影响在时间上的变化趋势,总体来看,草原生态保护补奖政策在13个省市的实施对畜牧业养殖规模化的影响效果在统计上依然是显著的,其估计参数为2.737 1和2.736 4。2010年10月国务院第128次常务会议通过了《2011年草原生态保护补助奖励机制政策实施指导意见》,2011—2015年在内蒙古自治区、新疆维吾尔自治区等8个草原牧区(省)及新疆生产建设兵团,全面建立草原生态保护补助奖励机制。第(3)栏和第(4)栏2栏分别考察了补奖政策实施第1年、第2年和第3年对畜牧养殖规模化程度的影响。将政策实施不同年份用虚拟变量同时进行分析,是为了观察该政策对规模化养殖的影响趋势,回归结果表明,相对于政策实施前,政策实施后省份的畜牧业养殖规模化程度每年都有所增加,第(3)栏草原生态保护补奖政策对规模化程度影响的贡献分别是1.466 4、1.613 5和1.781 0,在5%的水平上统计显著,与Yit取对数后的样本均值8.066 6比较而言亦是如此。第(4)栏加入了标准化规模养殖政策扶持虚拟变量,结果显示,畜牧业养殖的规模化程度依然呈逐年递增的趋势,补奖政策第1年对规模化程度的贡献是1.308 4,第2年对规模化程度的贡献是1.455 7,第3年是1.623 2。随着草原生态保护补奖政策的持续推进和绩效考核机制的不断完善,草原生态补奖政策的正面效应逐步凸显。此外,扶持政策Bit对养殖规模化的影响为正,但不显著,这与先验判断一致,可能的原因是:一方面,国家从2010年开始在全国31个省市自治区开展畜禽养殖标准化示范创建活动,截至2015年底,共创建各类畜禽标准化示范场4 273个,其中与草原畜牧业密切相关的牛羊标准化示范场仅占总数的33.7%,远低于生猪、蛋鸡等畜禽产业的比重。另一方面,虽然政策覆盖面大,但是“以奖代补”的补贴方式导致农牧户的前期投资过大存在资金瓶颈,多数农牧户无法享受到该项补贴,对基层牧业生产的影响较小。
表 3第(5)栏和第(6)栏两栏列出了在考虑地区年度虚拟变量和一些社会经济控制变量后,来考察草原生态保护补奖机制的政策效应。从第(5)栏可以看出,补奖政策在10%的统计水平上仍然显著,在时间趋势上与第(3)栏和第(4)栏两栏估计结果保持一致,并在第2年、第3年仍然具有正向的显著性。农林牧渔业就业人数比重X1在1%的统计水平上显著,回归系数为-0.322 8,对畜牧业规模化程度具有显著的负向影响,与先验判断一致,说明畜牧业属于劳动密集型的产业,比重越高意味着劳动者存在转产困难及较低的机会成本,“小规模,大群体”的特征必然会降低畜牧业生产的规模化程度。农业劳动力平均受教育程度和用于扩大再生产资金情况对养殖规模化的影响为正,但不显著。第(6)栏是加入一系列控制变量后考察草原生态补奖政策对养殖规模化的效应,估计结果显示:该政策对规模化程度的贡献是1.410 8,在10%的水平上统计显著,但低于第(5)栏的估计系数2.491 1,与先验判断一致。总体来看,即使加入不同控制变量,交叉变量Tit×Dit的参数估计始终显著为正,即国家从2011年开始实施的草原生态补奖政策在改变畜牧业养殖方式方面的作用是显著的,在补奖机制中,草畜平衡和禁牧政策以及持续上升的养殖成本可能会对畜牧业生产面临资源与环境的双重约束,但同时也迫使牧民放弃传统的散养模式,向适度规模的半舍饲、舍饲养殖方式转变,这与估计结果是一致的。在一系列控制变量中,农林牧渔就业人数比重X1对畜牧业规模化程度具有显著的负向影响,与预判保持一致,劳动力平均受教育程度X2对畜牧业规模化程度具有显著的正向影响,回归系数为3.606 2,说明劳动者受教育程度越高越有助于畜牧养殖的规模化程度,中国畜牧业从业人员普遍存在老龄化、受教育程度偏低现象,这可能会使得农牧户对现代养殖技术的学习和理解能力下降,从而制约了养殖规模化程度的提高。用于扩大再生产的资金情况X3的回归系数为0.077 9,正向影响但不显著,可能的原因是畜牧业的适度规模化养殖要求圈舍、饲喂设施等前期投资较大,而各地区的畜牧业金融扶持力度较弱,畜牧业扩大再生产流动资金紧张,导致该因素不显著。人均农作物总播种面积X4和人均可利用草场面积X5的估计系数分别是0.968 7和0.262 4,在1%的统计水平上显著,与先验判断一致,这说明人均农作物播种面积和草场面积较大,可能为畜牧业生产提供更多的自有饲草资源,减少外购饲草料比例,为扩大养殖规模带来可能性。各地区旱灾成灾面积X6的估计系数为-0.105 4,在5%的统计水平上显著,持续的旱灾可能会降低天然草场的鲜草和干草产量,进而导致载畜量的下降,对畜牧业的规模化养殖带来负面影响。种畜场数量X7和技术人员人均服务出栏数量X8的估计系数为0.171 6和0.590 6,后者与先验判断不一致,但二者在1%的统计水平上显著,说明技术进步因素对畜牧业养殖规模化程度具有正向的显著影响。
四、讨论本研究运用省级面板数据构建DID模型,用OLS方法进行参数估计,用以揭示诸要素之间相互关系的密切程度,是研究要素之间数量关系的有效手段。总体来看,DID模型通过测定受到政策影响的干预组和未受到政策影响的对照组状况,评估一项政府政策实际产生的效果,用OLS方法通过逐步回归的方式考察包括政策因素在内的一系列自变量对因变量的影响,从回归的显著性对中国畜牧业养殖规模化程度的主要因素做出具有可信度的判断,从另一个角度考察草原生态保护补奖机制的执行情况和成效,为优化政策实施提供有力依据。对于草原生态保护补奖政策的研究,在方法和内容上都在不断探索和发展中,由于受面板数据样本量及分析方法选取等因素限制,某些技术方法还需要继续检验和完善,结果不可避免的存在一定误差。在以下两个方面需要重点关注:
第一,目前对于政策效果评估的方法较多,如随机干预试验、倍差法、匹配法等,定量分析得到越来越广泛的应用,在分析手段上,常用OLS、GLS、GMM分析法对参数进行估计。但是政策评估的关键在于构造一个与干预组统计意义上类似的对照组,以此来评估该政策产生的实际影响。就文章而言,有必要基于目前的软件技术,尝试扩大样本量,并用倾向性匹配法构造更加合适的对照组来评估该政策的反事实结果,以此完善实证模型,提高政策评估的精确性。此外,由于面板数据是具有时序和截面双重性质的数据形式,其异方差问题要比单纯的时间序列或截面数据模型复杂,虽然在数据回归时用取对数的方式减弱了模型分析中的异方差性,但是并不能彻底消除,从而影响了估计结果的有效性。
第二,在研究内容上还有更多值得拓展的空间,由于受统计资料可获取性及一致性等诸多因素限制,本研究选取的样本量较小,且干预组样本仅包括3年的省级面板数据,虽然能在一定程度上反映该政策的影响效应,但不能完全揭示各要素对畜牧业养殖规模化带来的影响,特别是草原生态补奖政策在时间维度上的效果评估。因此,在下一步的研究中,在宏观层面的分析上可以持续跟进,获取面板数据从时间和空间上对草原生态保护补奖政策进行更加深入和细致的分析。此外,有必要通过微观层面的入户调查,寻找和提炼影响农牧户养殖规模化的影响因素,并考察该政策在微观层面的效果。
五、结论与建议本研究利用2004—2013年的省级面板数据,构建DID实证模型,重点研究草原生态保护补奖政策的实施对中国畜牧业养殖规模化的影响。结果表明:资源环境约束趋紧对传统的养殖方式形成巨大挑战,从传统散养向适度的规模化养殖过渡是未来畜牧业发展的必然趋势,国家从2011年开始实施的草原生态补奖政策对畜牧业养殖规模化的影响是显著的,随着该政策的持续推进和绩效考核机制的不断完善,畜牧业养殖的规模化程度呈逐年递增趋势,草原生态补奖政策的正面效应逐步凸显。草原生态保护补奖政策对规模化程度的影响呈现明显的地区差异,对西部地区的影响更为显著。此外,劳动力平均受教育程度、人均农作物总播种面积、人均可利用草场面积、种畜场数量及技术人员人均服务出栏数量等变量对畜牧业规模化程度具有显著的正向影响,农林牧渔就业人数比重、各地区旱灾成灾面积对其具有显著的负向影响,而相关扶持政策和用于扩大再生产资金情况等变量虽然不显著,但对于这方面的关注有助于全面分析中国畜牧业养殖规模化的影响因素。
基于结论,笔者提出以下建议:
第一,草原生态保护补奖政策对中国畜牧业养殖规模化的影响是显著的,并表现出明显的时间持续性和地域性差异。这些显著的政策效果有赖于该政策的持续推进、完善和有效监管。因此,在第二轮草原生态保护补奖政策(2016—2020年)实施过程中,建议建立草原生态保护补奖长效机制和递增机制,逐步扩大财政支持力度,并在补贴标准上体现出差异化和精准化,结合地方经济差异适度提高禁牧和草畜平衡奖励标准,同时,提高政策的针对性和可操作性,建立自上而下的草原生态保护补奖政策绩效考评体系,在严格落实禁牧休牧和草畜平衡制度的基础上,将补奖资金的兑付与农牧户依法禁牧、平衡减畜和舍饲圈养效果挂钩,与草原管护人员履职效果挂钩,用有效的考核机制充分发挥财政资金的使用效果,从而加强草原生态保护补奖政策对转变畜牧业生产方式的正面促进作用。
第二,中国畜牧业规模化养殖发展程度的提高还有赖于各项保障措施的有效配合。首先,草原生态保护补奖政策实施后,畜牧业养殖方式逐步由放养过渡到舍饲、半舍饲,对棚圈、饲喂、机械等养殖设备设施的投入明显增加,普遍存在扩大再生产资金瓶颈,建议加大对畜牧业金融扶持力度,实施贷款财政贴息补助政策,合理确定贷款规模、授信额度、回收期限,简化贷款流程;适度降低金融机构贷款门槛,鼓励有条件的地方和机构创新金融担保机制,拓展抵押担保物范围和方式。如积极推动养殖用地确权和养殖棚圈产权确认,允许以圈舍、农机具、活畜等作为抵押物进行贷款,加快缓解融资难题。其次,继续在全国范围开展畜禽养殖标准化示范场创建活动,适度向西部地区倾斜,引导其发挥辐射带动作用;在禁牧和草畜平衡区域,在国家财政补贴之外,地方财政加大对当地农牧户圈舍修建、青黄贮窖、畜牧机械等补贴力度,根据养殖规模合理规划人工种草,同时配套优质饲草料种植补贴政策,以增强饲草料生产自给能力。最后,加强对畜牧业的技术支持,养殖方式的转变必然在舍饲半舍饲中面临新的技术难题,既要加强政府和科研部门的联合技术研究和推广,也要加强基层畜牧技术人员的队伍建设,从品种改良、饲料配比、疾病防控等方面提供更好的技术支持。
注释:
① 资料来源于2012—2014年《中国畜牧业年鉴》。
② 资料来源于农业部草原监理中心发布的《2011年全国草原监测报告》和《2015年全国草原监测报告》。
③ 被解释变量是“年出栏100只以上的养羊场(户)数,该数据是年出栏100~499只、500~999只和1 000只以上场户数的总和,随着草原生态保护补奖政策的持续推进,年100只以上场(户)数呈逐年递增趋势,而年出栏100只以下场(户)数呈反方向变化,虽然该指标的选取有一定的局限性,但是在一定程度上能够真实地反映畜牧业养殖规模化的发展程度。
[1] |
孟慧君, 程秀丽. 草原生态建设补偿机制研究:问题、成因、对策[J]. 内蒙古大学学报(哲学社会科学版), 2010, 42(2): 15-20. |
[2] |
巩芳, 王芳, 长青, 等. 内蒙古草原生态补偿医院的实证研究[J]. 经济地理, 2011, 31(1): 144-148. |
[3] |
巩芳, 长青, 王芳, 等. 内蒙古草原生态补偿标准的实证研究[J]. 干旱区资源与环境, 2011, 25(12): 151-155. |
[4] |
祁晓慧, 高博, 乔光华, 等. 牧民视角下的草原生态保护补助奖励政策草畜平衡及禁牧补奖标准研究——以锡林郭勒盟为例[J]. 干旱区资源与环境, 2016, 30(5): 30-35. |
[5] |
王学恭, 白洁, 赵世明. 草地生态补偿标准的空间尺度效应研究——以草原生态保护补助奖励机制为例[J]. 资源开发与市场, 2012, 28(12): 1077-1095. |
[6] |
杨轩, 苏爽, 刘岳明, 等. 草原生态补奖机制实施过程中存在的问题及对策研究[J]. 当代畜禽养殖业, 2013(12): 39-41. |
[7] |
额尔敦乌日图, 花蕊. 草原生态保护补奖机制实施中存在的问题及对策[J]. 内蒙古师范大学学报(哲学社会科学版), 2013, 42(6): 147-151. |
[8] |
马有祥, 高常胜, 张智山, 等. 落实草原生态保护补助奖励政策任重道远——内蒙古自治区落实草原补奖政策调查报告[J]. 中国牧业通讯, 2011(7): 32-33. |
[9] |
杨春, 王明利. 草原生态保护补奖政策评价指标体系设计[J]. 中国农学通报, 2014, 30(5): 185-188. |
[10] |
陈海燕, 肖海峰. 农牧户对草原生态保护政策的评价与期望——基于内蒙古等6省区绒毛用羊养殖户问卷调查数据的分析[J]. 农业经济与管理, 2013(5): 74-77. |
[11] |
陈永泉, 刘永利, 阿穆拉. 内蒙古草原生态保护补助奖励机制典型牧户调查报告[J]. 内蒙古草业, 2013(1): 16-17. |
[12] |
包扫都必力格. 牧户对草原生态补奖机制满意度的分析[J]. 内蒙古科技与经济, 2015(6): 10-11. |
[13] |
花蕊. 草原生态保护补奖机制对牧民的影响分析[J]. 内蒙古科技与经济, 2013(24): 3-7. |
[14] |
张强强, 景亚平, 杨雪. 新疆兵团农九师实施草原生态补奖政策效益初探[J]. 中国畜牧业, 2013(4): 72-73. |
[15] |
杨春, 孟志兴, 杨旭东. 草原生态保护补奖政策下牧区半牧区的牧业生产及牧民收入分析[J]. 中国农学通报, 2016, 32(8): 8-12. |
[16] |
杨春, 王国刚, 王明利. 草原生态保护补奖政策对我国牛肉供给影响的实证分析[J]. 中国农业科技导报, 2015, 17(6): 158-164. |
[17] |
白爽, 何晨曦, 赵霞. 草原生态补奖政策实施效果——基于生产性补贴政策的实证分析[J]. 草业科学, 2015, 32(2): 287-293. |
[18] |
张浩. 草原生态保护补助奖励机制的贫困影响评价——以内蒙古阿拉善盟左旗为例[J]. 学海, 2015(6): 50-56. |
[19] |
GIBBON C, NOLAN E. The Australian wool industry: A hedonic pricing analysis of the factors affecting price of australian wool[C]//Melbourne: The 55th Conference of Australian Agricultural and Resource Economics Society, 2011(2): 8-11.
|
[20] |
REYNOLDS R G, GARDINER B. Supply response in the Australian sheep industry:A case for disaggregation and dynamics[J]. Australian Journal of Agricultural Economics, 1980, 24(3): 196-209. DOI:10.1111/j.1467-8489.1980.tb00578.x |
[21] |
JONES K G. Trends in the U. S. sheep industry[R]. United States Department of Agriculture, Economic Research Service: Agriculture Information Bulletin, 2004: 787.
|
[22] |
黄德林. 中国畜牧业区域化、规模化及动物疫病损失特征和补贴的实证研究[D]. 北京: 中国农业科学院, 2004. http://cdmd.cnki.com.cn/Article/CDMD-82101-2007156055.htm
|
[23] |
冯艳秋, 陈慧萍, 彭华, 等. 2011年我国奶业主产区奶牛不同养殖模式生产管理状况调查与分析[J]. 中国乳业, 2012(2): 2-7. |
[24] |
耿宁, 李秉龙. 中国肉羊生产技术效率的影响因素及其区域差异分析——基于随机前沿分析方法[J]. 技术经济, 2013, 12: 25-31. |
[25] |
潘丹, 曹光乔, 秦富. 基于随机前沿分析的中国蛋鸡生产技术效率研究[J]. 江苏农业科学, 2013, 41(6): 389-392. |
[26] |
MOHAMMED Q, NAZRUL I, JOHN S. An investigation of significant factors influencing western australian wool producers to produce wool: A structural equation modeling approach[C]. Queensland, Auatralia: Annual Meeting of International Association of Agricultural Economists, 2006: 4-8.
|
[27] |
王德鑫, 郑炎成, 李谷成, 等. 环境规制条件下我国规模化生猪生产效率的测度与分析——兼论生猪养殖的适度规模经营[J]. 农业现代化研究, 2015, 36(5): 818-825. |
[28] |
李秉龙, 李金亚. 我国肉羊产业的区域化布局、规模化经营与标准化生产[J]. 中国畜牧杂志, 2012, 48(2): 56-58. |