農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼政策的減貧效應(yīng)及其區(qū)域異質(zhì)性

展凱 朱少芬 鄧超 蘇曉堅(jiān)

摘 要：利用FGT貧困指數(shù)作為被解釋變量，結(jié)合我國(guó)30個(gè)省份的2010-2018年農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼數(shù)據(jù)，構(gòu)建面板分位數(shù)回歸模型檢驗(yàn)我國(guó)對(duì)農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)的異質(zhì)性，并分東、中和西部進(jìn)行了穩(wěn)健性檢驗(yàn)。研究表明，在經(jīng)濟(jì)發(fā)展水平低的地區(qū)，農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼具有顯著的減貧效應(yīng)，但經(jīng)濟(jì)發(fā)展水平不同的地區(qū)存在減貧效應(yīng)的區(qū)域異質(zhì)性：隨著貧困程度加深（分位點(diǎn)增高），農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼的扶貧效應(yīng)先增加后降低。農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼每提高1%，F(xiàn)GT貧困指數(shù)下降的范圍為0.045%～0.15%。

關(guān)鍵詞： 農(nóng)業(yè)保險(xiǎn);財(cái)政補(bǔ)貼;減貧效應(yīng);面板分位數(shù)回歸

中圖分類號(hào)：F840.66? 文獻(xiàn)標(biāo)識(shí)碼： A??? 文章編號(hào)：1003-7217（2021）05-0042-08

一、引 言

截止到2020年11月23日，我國(guó)現(xiàn)有832個(gè)貧困縣全部脫貧摘帽，如期打贏脫貧攻堅(jiān)戰(zhàn)，這一歷史性的成就實(shí)屬來(lái)之不易，但這并不意味著脫貧攻堅(jiān)目標(biāo)任務(wù)已經(jīng)最終完成。黨的十九屆五中全會(huì)已將“鞏固拓展脫貧攻堅(jiān)成果、全面推進(jìn)鄉(xiāng)村振興”納入“十四五”時(shí)期經(jīng)濟(jì)社會(huì)發(fā)展的主要目標(biāo)中。因此，如何實(shí)現(xiàn)鞏固拓展脫貧攻堅(jiān)成果和全面推進(jìn)鄉(xiāng)村振興的有效銜接，持續(xù)推動(dòng)脫貧摘帽地區(qū)的鄉(xiāng)村全面振興，促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展和群眾生活改善，是值得研究的重大問(wèn)題。

農(nóng)業(yè)保險(xiǎn)能夠轉(zhuǎn)移農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)過(guò)程中的災(zāi)害損失，穩(wěn)定農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)和農(nóng)村可持續(xù)發(fā)展，有效降低農(nóng)民因?yàn)?zāi)致貧返貧風(fēng)險(xiǎn)，保障農(nóng)民的收入持續(xù)穩(wěn)定增長(zhǎng)，是農(nóng)業(yè)經(jīng)濟(jì)保障體系的重要支柱，是實(shí)現(xiàn)“鞏固拓展脫貧攻堅(jiān)成果”和“全面推進(jìn)鄉(xiāng)村振興”兩大目標(biāo)的重要舉措。近年來(lái)，大力推進(jìn)農(nóng)業(yè)保險(xiǎn)也成為政府扶貧工作的重要途徑。

由于農(nóng)業(yè)保險(xiǎn)產(chǎn)品的供需雙冷特性，在沒(méi)有財(cái)政資金對(duì)農(nóng)業(yè)保險(xiǎn)補(bǔ)貼的前提下，我國(guó)的農(nóng)業(yè)保險(xiǎn)市場(chǎng)發(fā)展速度緩慢，自2007年中央財(cái)政開(kāi)始對(duì)各地區(qū)實(shí)施農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼政策以來(lái)，我國(guó)的農(nóng)業(yè)保險(xiǎn)市場(chǎng)實(shí)現(xiàn)了跨越式發(fā)展，從2007-2019年，我國(guó)農(nóng)業(yè)保險(xiǎn)保費(fèi)收入從51.94億元增長(zhǎng)到672億元，年均增速達(dá)到22.95%。我國(guó)現(xiàn)行的農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼政策，是實(shí)行各級(jí)財(cái)政部門的聯(lián)動(dòng)補(bǔ)貼，對(duì)農(nóng)作物品種及產(chǎn)糧大縣，東、中、西部三地區(qū)實(shí)行差異化補(bǔ)貼，但是仍存在補(bǔ)貼形式單一、結(jié)構(gòu)僵化等問(wèn)題。因此，我國(guó)現(xiàn)行的農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼政策的減貧效應(yīng)如何？是否在不同地區(qū)之間存在明顯的異質(zhì)性？未來(lái)是否需要對(duì)現(xiàn)行政策進(jìn)行的調(diào)整？對(duì)這些問(wèn)題的研究，將有助于“十四五”期間鞏固拓展脫貧攻堅(jiān)工作和全面推進(jìn)鄉(xiāng)村振興戰(zhàn)略的有效實(shí)施。針對(duì)上述問(wèn)題，基于我國(guó)30個(gè)省份的2010-2018年的農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼數(shù)據(jù)，構(gòu)建面板數(shù)據(jù)分位數(shù)回歸模型，分析了現(xiàn)行的保費(fèi)補(bǔ)貼政策在不同地區(qū)、不同經(jīng)濟(jì)水平下的減貧效應(yīng)，并進(jìn)一步分析了政策的區(qū)域異質(zhì)性。

二、文獻(xiàn)綜述

已有研究表明，通過(guò)農(nóng)業(yè)保險(xiǎn)在災(zāi)后對(duì)農(nóng)戶進(jìn)行損失賠償，對(duì)提高農(nóng)業(yè)生產(chǎn)效率有積極的影響，在控制參保農(nóng)戶的道德風(fēng)險(xiǎn)前提下，能有效提高農(nóng)戶的增收效益，減輕自然災(zāi)害對(duì)農(nóng)業(yè)經(jīng)濟(jì)的負(fù)面影響[1，2];而眾多學(xué)者的研究和保險(xiǎn)實(shí)踐也表明，農(nóng)業(yè)保險(xiǎn)補(bǔ)貼能有效推進(jìn)農(nóng)業(yè)保險(xiǎn)市場(chǎng)的發(fā)展，政府補(bǔ)貼能矯正農(nóng)業(yè)保險(xiǎn)的市場(chǎng)失靈和外部性，提高低收入地區(qū)的保險(xiǎn)覆蓋率[3-5]?，F(xiàn)有研究也發(fā)現(xiàn)，農(nóng)業(yè)保險(xiǎn)補(bǔ)貼能有效擴(kuò)大農(nóng)戶參保率，進(jìn)而降低農(nóng)業(yè)保險(xiǎn)的賠付率，促進(jìn)農(nóng)業(yè)保險(xiǎn)市場(chǎng)的健康發(fā)展[6]。但是，仍有部分學(xué)者對(duì)農(nóng)業(yè)保險(xiǎn)的補(bǔ)貼效應(yīng)持質(zhì)疑態(tài)度，例如，有學(xué)者認(rèn)為農(nóng)業(yè)保險(xiǎn)補(bǔ)貼對(duì)保險(xiǎn)市場(chǎng)的價(jià)格形成機(jī)制具有抑制效應(yīng)，農(nóng)戶的逆向選擇行為也會(huì)同時(shí)增加[7]，農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)技術(shù)進(jìn)步具有抑制作用，進(jìn)而對(duì)農(nóng)業(yè)生產(chǎn)效率具有抑制效應(yīng)等[8]。

目前，實(shí)施精準(zhǔn)扶貧和精準(zhǔn)脫貧政策是我國(guó)脫貧攻堅(jiān)戰(zhàn)略的重要手段，需要針對(duì)不同的貧困區(qū)域、不同的貧困戶狀況，運(yùn)用科學(xué)有效的方法，對(duì)扶貧對(duì)象實(shí)施精確識(shí)別、精確幫扶和精確管理。精準(zhǔn)的政策也需要有準(zhǔn)確的定量分析來(lái)輔助實(shí)施，不少學(xué)者使用數(shù)據(jù)包絡(luò)方法（DEA）、指標(biāo)體系構(gòu)建等辦法對(duì)農(nóng)業(yè)保險(xiǎn)補(bǔ)貼的扶貧效率進(jìn)行研究，認(rèn)為農(nóng)業(yè)保險(xiǎn)補(bǔ)貼具有促進(jìn)農(nóng)業(yè)保險(xiǎn)市場(chǎng)發(fā)展和提高農(nóng)村居民收入的效率[9];部分學(xué)者利用三階段DEA模型對(duì)農(nóng)業(yè)保險(xiǎn)的扶貧效率進(jìn)行研究，認(rèn)為我國(guó)農(nóng)業(yè)保險(xiǎn)補(bǔ)貼整體效率尚佳，但地區(qū)差異因素對(duì)農(nóng)業(yè)保險(xiǎn)扶貧效率存在顯著影響，受到地區(qū)經(jīng)濟(jì)發(fā)展水平的影響，農(nóng)業(yè)保險(xiǎn)補(bǔ)貼減貧效應(yīng)體現(xiàn)出明顯的地區(qū)差異[10]。有學(xué)者從農(nóng)村家庭年均增收的角度，來(lái)研究保費(fèi)補(bǔ)貼的減貧效應(yīng)，發(fā)現(xiàn)在嚴(yán)重貧困的地區(qū)，補(bǔ)貼并不能幫助農(nóng)戶擺脫貧困，以GDP作為衡量標(biāo)準(zhǔn)，須超過(guò)臨界門檻值以后，農(nóng)業(yè)保險(xiǎn)補(bǔ)貼才具備反貧困的效用[11-15]。

也有研究借助多期DID方法，對(duì)我國(guó)農(nóng)業(yè)保險(xiǎn)補(bǔ)貼政策效果的異質(zhì)性特征進(jìn)行分析，結(jié)果發(fā)現(xiàn)，中部、西部地區(qū)對(duì)農(nóng)民收入的提升效果明顯高于東部地區(qū)[16]，針對(duì)農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼扶貧效率的異質(zhì)性特征，有學(xué)者提出，應(yīng)提高對(duì)我國(guó)自然條件惡劣、經(jīng)濟(jì)水平發(fā)展較低的西部地區(qū)農(nóng)業(yè)保險(xiǎn)財(cái)政補(bǔ)貼的比例，保證財(cái)政補(bǔ)貼政策公平性，進(jìn)而縮小不同地區(qū)農(nóng)民之間的收入差距[17，18]。

此外，經(jīng)濟(jì)政策的減貧效應(yīng)依靠計(jì)算貧困指數(shù)來(lái)反映，因此，選擇合理的貧困指數(shù)指標(biāo)是進(jìn)行政策減貧效應(yīng)研究的首要問(wèn)題[19]，以往的研究多采用基礎(chǔ)貧困指數(shù)，例如貧困發(fā)生率、貧困缺口等指標(biāo)，來(lái)衡量貧困程度，但這些統(tǒng)計(jì)學(xué)意義上的指標(biāo)，不能進(jìn)行經(jīng)濟(jì)學(xué)意義上的解釋，指標(biāo)的不同影響因素也不能被分解，不太適合用于減貧效應(yīng)的研究，因此，近年來(lái)，相關(guān)研究開(kāi)始采用“Foster-Greer-Thorbecke貧困指數(shù)”（后文簡(jiǎn)稱為“FGT貧困指數(shù)”）來(lái)測(cè)度貧困程度，并對(duì)經(jīng)濟(jì)政策的減貧效應(yīng)進(jìn)行分析[15，19，20]。

三、面板分位數(shù)模型構(gòu)建

（一）變量與描述性統(tǒng)計(jì)

基于2010-2018年全國(guó)省級(jí)面板數(shù)據(jù)來(lái)進(jìn)行實(shí)證研究，相關(guān)數(shù)據(jù)取自各省財(cái)政廳公布的決算表、年度工作報(bào)告、歷年《中國(guó)保險(xiǎn)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》以及各地區(qū)的統(tǒng)計(jì)年鑒。由地區(qū)的數(shù)據(jù)資料不完整，最終選取了全國(guó)30個(gè)省、直轄市和自治區(qū)的年度數(shù)據(jù)進(jìn)行農(nóng)險(xiǎn)保費(fèi)補(bǔ)貼的減貧效率測(cè)算，部分地區(qū)個(gè)別數(shù)據(jù)異?；蛉笔?，采用該年度農(nóng)險(xiǎn)保費(fèi)收入對(duì)應(yīng)補(bǔ)貼比例進(jìn)行補(bǔ)齊。

在衡量貧困指數(shù)的指標(biāo)中，由于“FGT貧困指數(shù)”具有可分解和可加性的特點(diǎn)，廣泛應(yīng)用于有關(guān)貧困的相關(guān)研究中，參考相關(guān)文獻(xiàn)的做法，采用“FGT貧困指數(shù)”作為被解釋變量[15，19]，并引入人類發(fā)展能力、社會(huì)經(jīng)濟(jì)水平、自然資源條件等三個(gè)一級(jí)指標(biāo)共六個(gè)控制變量[21]，各變量設(shè)置如下：

1.被解釋變量：FGT貧困指數(shù)（FGT）。FGT貧困指數(shù)的表達(dá)式為：

P.α=∫Z.0（z-x）zα·f（x）·dx，??? α≥0? （1）

其中，P.α為貧困指數(shù)，P.α∈[0，1];Z表示貧困線;x表示農(nóng)村居民人均可支配收入;α表示社會(huì)貧困厭惡系數(shù)（α≥0），反映社會(huì)對(duì)貧困的敏感程度，程度隨著α值的增大而增加，這里的α取值為0，P.0=∫Z.0fxdx，P.0表示貧困發(fā)生率，是測(cè)量貧困廣度最常用的指標(biāo)，表示貧困人口占總?cè)丝诘谋戎亍?fx表示收入分布的密度函數(shù)，現(xiàn)有大量研究結(jié)果表明，采用對(duì)數(shù)正態(tài)分布對(duì)中國(guó)收入分布曲線的擬合效果較好[22]，故采用對(duì)數(shù)正態(tài)分布曲線來(lái)表示收入分布的密度函數(shù)，選擇農(nóng)村居民人均可支配收入和農(nóng)村基尼系數(shù)對(duì)收入分布的密度函數(shù)進(jìn)行推導(dǎo)，函數(shù)為式（2）所示：

fx=1σ·x·2πe-12σ2ln x-μ2 ?（2）

其中，μ表示人均收入對(duì)數(shù)的平均值;σ為標(biāo)準(zhǔn)差，表示離散程度，即收入差距的參數(shù)。根據(jù)對(duì)數(shù)正態(tài)分布函數(shù)的性質(zhì)，期望值為e（μ+σ22），表示為平均收入，采用農(nóng)村居民人均可支配收入代替;收入差距即基尼系數(shù)，可通過(guò)公式G=2Fσ2，? 0，? 1-1計(jì)算得到，F(xiàn)（σ2，? 0，? 1） 表示為標(biāo)準(zhǔn)正態(tài)分布曲線的概率密度累計(jì)到σ2時(shí)候的值。因此，可以通過(guò)收集基尼系數(shù)以及農(nóng)村可支配收入這兩個(gè)數(shù)據(jù)，來(lái)擬合密度函數(shù)的參數(shù)值。

2.解釋變量：農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼（BT）。

現(xiàn)行農(nóng)業(yè)保險(xiǎn)補(bǔ)貼政策實(shí)行聯(lián)動(dòng)補(bǔ)貼，即由地市級(jí)財(cái)政、省級(jí)財(cái)政撥款后，中央財(cái)政再行補(bǔ)貼，各級(jí)補(bǔ)貼金額加總可達(dá)保費(fèi)的80%。采用各級(jí)加總的補(bǔ)貼金額作為財(cái)政補(bǔ)貼數(shù)據(jù)，是因?yàn)楦鞯卣卟煌?，全?guó)并無(wú)統(tǒng)一要求各地公布該數(shù)據(jù)，因此，數(shù)據(jù)收集難度大，個(gè)別地區(qū)數(shù)據(jù)缺失時(shí)，采用該地區(qū)農(nóng)業(yè)保險(xiǎn)保費(fèi)收入與當(dāng)年財(cái)政公布的農(nóng)業(yè)保險(xiǎn)項(xiàng)目補(bǔ)貼比例計(jì)算結(jié)果進(jìn)行代替補(bǔ)齊。為了消除各地區(qū)本身存在的明顯差異，采用了農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼數(shù)據(jù)與各地區(qū)農(nóng)村總?cè)丝诘谋戎底鳛榻忉屪兞俊?/p>

3.控制變量。

引入人類發(fā)展能力、社會(huì)經(jīng)濟(jì)水平、自然資源條件三個(gè)一級(jí)指標(biāo)共6個(gè)控制變量，設(shè)置如下：

人類發(fā)展能力指標(biāo)：

（1）農(nóng)民文化水平（WH）：采用農(nóng)村人均文教支出來(lái)表示，用于衡量教育水平對(duì)農(nóng)村貧困程度的影響。

（2）農(nóng)村就業(yè)水平（JY）：采用鄉(xiāng)村個(gè)體就業(yè)人數(shù)與農(nóng)村人口數(shù)量的比值來(lái)表示，用于衡量就業(yè)水平對(duì)農(nóng)村貧困程度的影響。

社會(huì)經(jīng)濟(jì)水平指標(biāo)：

（3）財(cái)政支農(nóng)水平（ZN）：采用各地區(qū)地方財(cái)政農(nóng)林水事務(wù)支出額與各地區(qū)地方財(cái)政一般預(yù)算支出額的比值來(lái)表示，衡量財(cái)政支農(nóng)水平對(duì)農(nóng)村貧困程度的影響。

（4）農(nóng)村醫(yī)療水平（YL）：采用地方對(duì)農(nóng)村衛(wèi)生財(cái)政支出與該農(nóng)村人口數(shù)量的比值，衡量各農(nóng)村地區(qū)醫(yī)療水平對(duì)農(nóng)村貧困程度的影響。

自然資源條件指標(biāo)：

（5）農(nóng)業(yè)受災(zāi)程度（SZ）：采用各地區(qū)受災(zāi)和成災(zāi)面積與種植面積的比值來(lái)表示，衡量災(zāi)害程度對(duì)農(nóng)村貧困程度的影響。

（6）產(chǎn)業(yè)農(nóng)業(yè)化水平（NY）：采用各地區(qū)第一產(chǎn)業(yè)增加值與各地區(qū)生產(chǎn)總值之比，衡量各地區(qū)產(chǎn)業(yè)農(nóng)業(yè)化水平對(duì)農(nóng)村貧困程度的影響。

為使數(shù)據(jù)更加平衡，對(duì)所有變量取對(duì)數(shù)處理?；跀?shù)據(jù)的可得性，最終選取了樣本區(qū)間為2010-2018年的數(shù)據(jù)。表1列出的是各變量的描述性統(tǒng)計(jì)結(jié)果。

（二）模型構(gòu)建

1.模型選擇。

由于我國(guó)幅員遼闊，不同地區(qū)的地理環(huán)境差別很大，各省份的經(jīng)濟(jì)發(fā)展水平很不一致，地方政府對(duì)農(nóng)業(yè)風(fēng)險(xiǎn)的認(rèn)識(shí)、風(fēng)險(xiǎn)轉(zhuǎn)移需求、農(nóng)業(yè)生產(chǎn)主要品種和財(cái)政負(fù)擔(dān)能力都具有比較大的差異。因此，構(gòu)建面板分位數(shù)回歸模型進(jìn)行分析，通過(guò)將分位數(shù)回歸和面板數(shù)據(jù)模型相結(jié)合，對(duì)變量之間的關(guān)系進(jìn)行研究，在更好地控制個(gè)體差異的基礎(chǔ)上，對(duì)被解釋變量在不同的分位點(diǎn)上各種變量之間的關(guān)系進(jìn)行分析，充分考慮不同經(jīng)濟(jì)發(fā)展水平的區(qū)域異質(zhì)性，以檢驗(yàn)在不同經(jīng)濟(jì)發(fā)展水平下，農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼對(duì)地區(qū)減貧的績(jī)效是否存在差異，為財(cái)政部深化對(duì)農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的差異化和精準(zhǔn)管理提供一定的參考。

分位數(shù)回歸方法是用被解釋變量的條件分位數(shù)來(lái)建模，目的在于觀察分布中不同分位點(diǎn)上解釋變量的不同作用程度。分位數(shù)回歸方法優(yōu)點(diǎn)在于，通過(guò)估計(jì)解釋變量在不同分位數(shù)水平下的參數(shù)值，突出了局部分布的相關(guān)關(guān)系，能更加全面地描述分布的特征。構(gòu)建的面板數(shù)據(jù)分位數(shù)回歸模型為：

Q.itτ|x.it，α.i=α.i+x′.itβτ+μ.it（3）

其中，τ是估計(jì)中所取的分位點(diǎn)，Q.it（τ|x.it）表示被解釋變量的第τ分位數(shù);x′.it為一組解釋變量;βτ是τ分位數(shù)下的系數(shù)向量;μ.it為殘差項(xiàng);α.i為個(gè)體效應(yīng)，根據(jù)個(gè)體效應(yīng)與解釋變量的相關(guān)性，可分將模型分為混合效應(yīng)模型、隨機(jī)效應(yīng)模型和固定效應(yīng)模型。通過(guò)F檢驗(yàn)和Hausman檢驗(yàn)兩種方法進(jìn)行檢驗(yàn)：F檢驗(yàn)原假設(shè)是建立混合效應(yīng)模型，在混合效應(yīng)模型及個(gè)體效應(yīng)模型之間進(jìn)行判斷選擇;Hausman檢驗(yàn)原假設(shè)是建立隨機(jī)效應(yīng)模型，在固定效應(yīng)模型及隨機(jī)效應(yīng)模型之間進(jìn)行判斷選擇。

表2為兩個(gè)檢驗(yàn)的結(jié)果，結(jié)果顯示兩個(gè)檢驗(yàn)結(jié)果都拒絕原假設(shè)存在，應(yīng)選擇個(gè)體效應(yīng)模型，Hausman檢驗(yàn)結(jié)果應(yīng)選擇建立固定效應(yīng)模型。結(jié)合兩個(gè)檢驗(yàn)結(jié)果，選擇了個(gè)體固定效應(yīng)模型進(jìn)行分析，假設(shè)模型在時(shí)間項(xiàng)有不同的截距，而不同截面項(xiàng)的截距沒(méi)有顯著差異。當(dāng)在（0，1）取分位點(diǎn)時(shí)，分位數(shù)回歸系數(shù)估計(jì)量求解轉(zhuǎn)化為求解加權(quán)絕對(duì)殘差最小化問(wèn)題，表達(dá)式為式（4）：

β=arg min α，β∑Jj=1∑Tt=1∑Ni=1ρ.τ.j（y.it-

x′.itβτ.j-α.i） （4）

其中，ρ.τ.j為每個(gè)分位數(shù)相對(duì)應(yīng)的權(quán)重，表2為效應(yīng)模型選擇的檢驗(yàn)結(jié)果。

2.模型構(gòu)建

結(jié)合前文的分析，再代入定義的變量符號(hào)后，所構(gòu)建的模型具體如式（5）所示：

Q.ln FGT.itτ|x.it，α.i=α.i+β.1τln BT.it+

β.2τln WH.it+β.3τln JY.it+β.4τln ZN.it+

β.5τln YL.it+β.6τln SZ.it+β.7τln NY.it （5）

其中，ln BT.it、ln WH.it、ln JY.it、ln ZN.it、ln YL.it、ln SZ.it、ln NY.it分別代表農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼、農(nóng)民文化水平、農(nóng)村就業(yè)率、金融資源注入水平、農(nóng)村醫(yī)療水平、農(nóng)業(yè)受災(zāi)面積、產(chǎn)業(yè)農(nóng)業(yè)化水平。Q.ln FGT.it（τ|x.it）為FGT指數(shù)的第τ分位數(shù)，α.i為個(gè)體效應(yīng)。

四、實(shí)證分析

（一）參數(shù)估計(jì)結(jié)果分析

使用全國(guó)30個(gè)截面樣本數(shù)據(jù)先得出個(gè)體固定效用模型的估計(jì)結(jié)果，作為面板分位數(shù)估計(jì)得參照結(jié)果。再選擇多個(gè)不同分位點(diǎn)，進(jìn)行面板數(shù)據(jù)分位數(shù)回歸估計(jì)，相關(guān)估計(jì)結(jié)果如表3所示。

1.農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)分析。

從表3中保費(fèi)財(cái)政補(bǔ)貼變量的回歸估計(jì)系數(shù)符號(hào)來(lái)看，保費(fèi)財(cái)政補(bǔ)貼（ln BT）符號(hào)呈現(xiàn)出與被解釋變量貧困指數(shù)（FGT）負(fù)相關(guān)的關(guān)系，說(shuō)明保費(fèi)財(cái)政補(bǔ)貼有正的減貧效應(yīng)。即當(dāng)保費(fèi)財(cái)政補(bǔ)貼增加時(shí)，F(xiàn)GT貧困指數(shù)下降，貧困程度降低。從分位點(diǎn)的估計(jì)結(jié)果來(lái)看，在較低經(jīng)濟(jì)發(fā)展水平的地區(qū)（高分位點(diǎn)），保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)顯著，并表現(xiàn)出明顯的異質(zhì)性，保費(fèi)財(cái)政補(bǔ)貼每提高1%，F(xiàn)GT貧困指數(shù)下降的范圍為0.045%～0.15%。

通過(guò)分析圖1，保費(fèi)財(cái)政補(bǔ)貼（ln BT）在減貧效應(yīng)顯著的情況下，回歸系數(shù)呈現(xiàn)出U型，即保費(fèi)財(cái)政補(bǔ)貼的扶貧效用是先增加后降低的倒U型趨勢(shì)，結(jié)果表明，農(nóng)村貧困程度較高的地區(qū)，保費(fèi)財(cái)政補(bǔ)貼的扶貧效用具有累退效應(yīng)。一方面，保費(fèi)財(cái)政補(bǔ)貼分級(jí)聯(lián)動(dòng)實(shí)行，在更加貧困的地區(qū)中，補(bǔ)貼壓力集中在地市層級(jí)上，由于財(cái)力有限，地市級(jí)財(cái)政難以提供相應(yīng)的保費(fèi)補(bǔ)貼，配套能力差，從而影響整個(gè)補(bǔ)貼資金的到位;若地市級(jí)降低補(bǔ)貼比例，則在保費(fèi)財(cái)政補(bǔ)貼之后，農(nóng)戶仍需支付更高比例的保費(fèi)，增重了低收入農(nóng)戶的支出壓力。當(dāng)前理論界普遍認(rèn)為，農(nóng)業(yè)保險(xiǎn)屬于具有公共利益的財(cái)政支農(nóng)工具，在上述的情況之下，便無(wú)法有效地發(fā)揮出扶貧作用。因此，中央層級(jí)應(yīng)提高對(duì)貧困地區(qū)的農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼比例，降低相關(guān)地市層級(jí)的財(cái)政壓力[18]。另一方面，貧困的直接表現(xiàn)是居民的可支配收入低，農(nóng)戶自付一定比例的農(nóng)業(yè)保險(xiǎn)保費(fèi)后，可用于購(gòu)買其他農(nóng)業(yè)投入品（例如殺蟲劑、除草劑、化肥等）的支出減少，支付能力不足，存在著道德危險(xiǎn)：已投保了農(nóng)業(yè)保險(xiǎn)的農(nóng)戶減少農(nóng)業(yè)中間投入品使用，相應(yīng)的產(chǎn)出減少，農(nóng)戶收入減少。在貧困程度高的地區(qū)，其道德危險(xiǎn)和逆向選擇的情況更加顯著，導(dǎo)致農(nóng)業(yè)保險(xiǎn)補(bǔ)貼產(chǎn)生累退的減貧效用，無(wú)法有效發(fā)揮出減貧作用。

2.其他影響因素的減貧效應(yīng)分析。

從表3來(lái)看，在自然資源條件一級(jí)指標(biāo)項(xiàng)下的兩個(gè)控制變量系數(shù)估計(jì)量的符號(hào)都為正，具有負(fù)的減貧效應(yīng)。受災(zāi)情況的符號(hào)為正，表明與FGT指數(shù)具有正相關(guān)關(guān)系，具有負(fù)的減貧效應(yīng);隨著分位點(diǎn)的增高，系數(shù)變大，顯著性增強(qiáng)，表明受災(zāi)程度的擴(kuò)大會(huì)加重農(nóng)村貧困程度，在經(jīng)濟(jì)發(fā)展水平更低的農(nóng)村地區(qū)，影響程度就越大。財(cái)政支農(nóng)水平、產(chǎn)業(yè)農(nóng)業(yè)化水平的符號(hào)也正，具有負(fù)的減貧效應(yīng)。結(jié)果表明，當(dāng)?shù)貐^(qū)的農(nóng)業(yè)占產(chǎn)業(yè)結(jié)構(gòu)較大比重時(shí)，財(cái)政對(duì)農(nóng)林水事項(xiàng)支出增加，地區(qū)經(jīng)濟(jì)不發(fā)達(dá)。其次，農(nóng)民受教育程度、農(nóng)村就業(yè)率、農(nóng)村醫(yī)療水平的這3個(gè)控制變量的符號(hào)為負(fù)，具有正的減貧效應(yīng)。說(shuō)明可以增加教育投資，增加農(nóng)村就業(yè)和醫(yī)療資源的投入來(lái)提升扶貧效果。

此外，農(nóng)村就業(yè)率、農(nóng)村醫(yī)療水平在低分位水平下系數(shù)顯著，且隨著分位點(diǎn)的增高，對(duì)FGT指數(shù)影響程度降低。這表明農(nóng)村就業(yè)率、農(nóng)村醫(yī)療水平對(duì)于經(jīng)濟(jì)發(fā)展較好的農(nóng)村地區(qū)產(chǎn)生了更大的減貧效應(yīng)，而對(duì)經(jīng)濟(jì)發(fā)展較差的農(nóng)村地區(qū)則沒(méi)有顯著的減貧效果。那么，為有效推進(jìn)扶貧工作，在經(jīng)濟(jì)發(fā)展較好的農(nóng)村地區(qū)應(yīng)更關(guān)注促進(jìn)農(nóng)村地區(qū)的就業(yè)、提高農(nóng)村的醫(yī)療水平;而在經(jīng)濟(jì)較差的農(nóng)村地區(qū)，提高農(nóng)村教育水平是重要的直接減貧措施。

3.斜率相等檢驗(yàn)。

為了檢驗(yàn)農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的扶貧效率可能受到經(jīng)濟(jì)發(fā)展水平的影響，驗(yàn)證運(yùn)用分位數(shù)回歸模型描述農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼扶貧效率的合理性和有效性，利用Wald統(tǒng)計(jì)量，檢驗(yàn)了不同分位點(diǎn)下參數(shù)的斜率是否具有顯著差異。Wald檢驗(yàn)的原假設(shè)為：

H.0：β.1（τ.1）=…=β.1（τ.11）

其中，τ.n為不同的10%分位點(diǎn)，β.1為式（5）中解釋變量“農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼”的系數(shù)估計(jì)量。Wald統(tǒng)計(jì)量的值為144.9，在99%置信水平上顯著，應(yīng)拒絕各分位點(diǎn)上斜率相等的原假設(shè)，這表明，保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)，在不同的經(jīng)濟(jì)發(fā)展水平下存在顯著差異，驗(yàn)證了采用面板分位數(shù)回歸模型描述變量之間關(guān)系的可靠性。

（二）穩(wěn)健性檢驗(yàn)

為檢驗(yàn)不同經(jīng)濟(jì)發(fā)展水平下保費(fèi)財(cái)政補(bǔ)貼的減貧效果差異性，在變量樣本的選取上，采用比值等方式處理數(shù)據(jù)，以排除各地區(qū)本身存在的明顯差異對(duì)回歸結(jié)果的可能影響。為了進(jìn)一步檢驗(yàn)回歸結(jié)果的穩(wěn)健性，考慮各地區(qū)差異，將各省按地區(qū)分為東部，中部和西部三個(gè)地區(qū)①，引入虛擬變量表示地區(qū)差異，構(gòu)建新的模型如式（6）所示，再進(jìn)行參數(shù)估計(jì)，表4為主要變量的分位數(shù)回歸結(jié)果。

Q.ln? FGT.itτ|x.it，α.i=α.i+β.1τln BT.it+

β′.2τControls′.it+β.3τZ×ln? BT.it+β.4τD×

ln BT.it+β.5τZ+β.6τD? （6）

其中，Z、D分別表示虛擬變量;Z=1表示中部，D=1表示東部;ln BT.it則表示西部地區(qū)的農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼;Z×ln?? BT.it、D×ln BT.it 表示虛擬變量與農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼的交叉項(xiàng)，分別表示中部、東部地區(qū)農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼;Controls為控制變量。

1.樣本分組分位數(shù)回歸結(jié)果估計(jì)分析。

從回歸結(jié)果來(lái)看，西部地區(qū)、中部地區(qū)的農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼項(xiàng)的回歸系數(shù)符號(hào)為負(fù)，具有積極的減貧效果，符合現(xiàn)實(shí)實(shí)際情況;另外，從系數(shù)的顯著性上看，保費(fèi)財(cái)政補(bǔ)貼在西部地區(qū)的減貧效果大于中部地區(qū)和東部地區(qū)。此結(jié)論也進(jìn)一步驗(yàn)證了表3的結(jié)論;西部地區(qū)是我國(guó)經(jīng)濟(jì)水平比較低的地區(qū)，式（6）中“西部地區(qū)保費(fèi)財(cái)政補(bǔ)貼項(xiàng)的回歸系數(shù)最顯著”，也驗(yàn)證了 “在高分位點(diǎn)下經(jīng)濟(jì)水平較低的農(nóng)村地區(qū)保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)更顯著”的結(jié)論。

另外，由圖2表示的西部地區(qū)保費(fèi)財(cái)政補(bǔ)貼項(xiàng)各分位點(diǎn)的回歸系數(shù)估計(jì)量變動(dòng)情況來(lái)看，整體呈現(xiàn)出明顯的倒U型。即在西部地區(qū)的農(nóng)村地區(qū)，保費(fèi)財(cái)政補(bǔ)貼效用是先增加后降低的倒U型，具有累退效應(yīng)，與上文對(duì)式（6）相關(guān)變量回歸系數(shù)估計(jì)量的分析結(jié)論相同。

2.斜率相等檢驗(yàn)。

為了檢驗(yàn)樣本分組后所建模型是否可靠，同樣對(duì)穩(wěn)健性檢驗(yàn)中所建模型進(jìn)行了斜率相等檢驗(yàn)，原假設(shè)為：

H.0：β.1（τ.1）=…β.1（τ.5）

其中，τ.n為0.05，0.25，0.5，0.75，0.95共5個(gè)分位點(diǎn);Wald檢驗(yàn)統(tǒng)計(jì)量值為65.12，在95%置信水平上顯著，同樣拒絕各分位點(diǎn)上斜率相等的原假設(shè)，結(jié)果表明，在樣本分組后所采取的面板分位數(shù)回歸模型是可靠的。

五、結(jié)論與政策建議

通過(guò)建立面板分位數(shù)回歸模型，來(lái)考察農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)，并對(duì)不同經(jīng)濟(jì)發(fā)展水平下的區(qū)域進(jìn)行異質(zhì)性分析。結(jié)果表明：經(jīng)濟(jì)發(fā)展水平較低的農(nóng)村地區(qū)，保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)明顯，并表現(xiàn)出明顯的異質(zhì)性，呈倒U型趨勢(shì)變化，保費(fèi)財(cái)政補(bǔ)貼每提高1%，F(xiàn)GT貧困指數(shù)下降的范圍為0.045%～0.15%;而在經(jīng)濟(jì)發(fā)展水平較高的農(nóng)村地區(qū)，農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)不顯著。結(jié)合實(shí)證分析的結(jié)果，提出以下建議：

（一）制定差異化的精準(zhǔn)財(cái)政補(bǔ)貼政策

調(diào)整各級(jí)地方政府的聯(lián)動(dòng)補(bǔ)貼政策，不再規(guī)定全國(guó)統(tǒng)一的農(nóng)作物補(bǔ)貼項(xiàng)目，而是結(jié)合地區(qū)經(jīng)濟(jì)發(fā)展水平、損失發(fā)生狀況和特色農(nóng)作物種植等情況進(jìn)行差異化補(bǔ)貼，優(yōu)先增加對(duì)經(jīng)濟(jì)發(fā)展水平較低地區(qū)的投入，對(duì)于深度貧困地區(qū)，可由中央財(cái)政直接補(bǔ)貼，取消聯(lián)動(dòng)補(bǔ)貼規(guī)定的額度限制。各地區(qū)要開(kāi)展農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的審計(jì)和績(jī)效評(píng)估工作，結(jié)合績(jī)效評(píng)價(jià)結(jié)果安排下一年度的支出預(yù)算，應(yīng)認(rèn)識(shí)到減貧效應(yīng)差異化的存在，對(duì)不同地區(qū)的農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的投入進(jìn)行合理和精準(zhǔn)分配，充分發(fā)揮農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的減貧效果。

（二）采取因地制宜的精準(zhǔn)管理策略

研究結(jié)果發(fā)現(xiàn)，農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼的減貧效應(yīng)，在不同經(jīng)濟(jì)發(fā)展水平的農(nóng)村地區(qū)存在顯著差異。保費(fèi)財(cái)政補(bǔ)貼對(duì)于經(jīng)濟(jì)發(fā)展水平較低的地區(qū)，扶貧效應(yīng)呈現(xiàn)出倒U型的變化趨勢(shì)，由于我國(guó)目前仍處于脫貧攻堅(jiān)成果的鞏固期，應(yīng)通過(guò)在不同經(jīng)濟(jì)發(fā)展水平的地區(qū)，因地制宜地采取不同的補(bǔ)貼政策，來(lái)實(shí)現(xiàn)更加精準(zhǔn)的脫貧鞏固效果：在經(jīng)濟(jì)發(fā)展水平較差的地區(qū)，應(yīng)加大農(nóng)業(yè)保險(xiǎn)保費(fèi)的中央財(cái)政直接補(bǔ)貼力度和加大教育支出，而在經(jīng)濟(jì)發(fā)展水平較好的地區(qū)，則可以更關(guān)注增加農(nóng)村地區(qū)的就業(yè)機(jī)會(huì)、提高農(nóng)村醫(yī)療水平，使國(guó)家的財(cái)政資源得到更有效的利用。

（三）提升保險(xiǎn)公司的承保能力

首先，針對(duì)各地區(qū)經(jīng)濟(jì)水平的差異，農(nóng)業(yè)保險(xiǎn)可引入地區(qū)差異化指標(biāo)，制定更加靈活的條款，開(kāi)發(fā)小額保險(xiǎn)產(chǎn)品以適應(yīng)農(nóng)村保險(xiǎn)市場(chǎng)的需求，提高產(chǎn)品所涵蓋的農(nóng)作物種類，開(kāi)發(fā)出具有地區(qū)特色的農(nóng)作物相關(guān)保險(xiǎn)產(chǎn)品，以分散系統(tǒng)風(fēng)險(xiǎn);其次，參考其他國(guó)家的做法，我國(guó)可以在資本市場(chǎng)結(jié)合農(nóng)業(yè)保險(xiǎn)，利用巨災(zāi)證券、天氣期權(quán)等金融工具與衍生品，將國(guó)內(nèi)農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)分散到全球范圍內(nèi);最后，繼續(xù)完善我國(guó)農(nóng)業(yè)保險(xiǎn)的巨災(zāi)風(fēng)險(xiǎn)分散制度，在完善農(nóng)業(yè)再保險(xiǎn)制度的基礎(chǔ)上，探索完善再保險(xiǎn)之后的超賠責(zé)任安排，為政策性農(nóng)業(yè)保險(xiǎn)的提供完備的巨災(zāi)風(fēng)險(xiǎn)分散制度。

注釋：

① 按照國(guó)家統(tǒng)計(jì)局對(duì)經(jīng)濟(jì)地區(qū)劃分的統(tǒng)計(jì)口徑，將樣本中30個(gè)省份、自治區(qū)和直轄市劃分為東部：北京、天津、遼寧、河北、浙江、江蘇、上海、福建、山東、廣西、廣東、海南共12個(gè);中部：山西、黑龍江、吉林、安徽、江西、湖北、湖南、河南、內(nèi)蒙古共9個(gè);西部：重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆共9個(gè)。

參考文獻(xiàn)：

[1] 周穩(wěn)海，趙桂玲，尹成遠(yuǎn).農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)業(yè)生產(chǎn)影響效應(yīng)的實(shí)證研究——基于河北省面板數(shù)據(jù)和動(dòng)態(tài)差分GMM模型[J].保險(xiǎn)研究，2015（5）：60-68.

[2] 丁宇剛，孫祁祥.農(nóng)業(yè)保險(xiǎn)可以減輕自然災(zāi)害對(duì)農(nóng)業(yè)經(jīng)濟(jì)的負(fù)面影響嗎？[J].財(cái)經(jīng)理論與實(shí)踐，2021，42（2）：43-49.

[3] 馮文麗.我國(guó)農(nóng)業(yè)保險(xiǎn)市場(chǎng)失靈與制度供給[J].金融研究，2004（4）：124-129.

[4] Hazell P， Varangis P. Best practices for subsidizing agricultural insurance[J]. Global Food Security， 2020，25：100326.

[5] 張祖榮，王國(guó)軍.農(nóng)業(yè)保險(xiǎn)財(cái)政補(bǔ)貼效應(yīng)研究述評(píng)[J].江西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（4）：66-73.

[6] 夏益國(guó)，孫群，盛新新.以財(cái)政補(bǔ)貼校正農(nóng)業(yè)保險(xiǎn)市場(chǎng)失靈[J].經(jīng)濟(jì)縱橫，2015（5）：75-78.

[7] Goodwin B K， Smith V H. What harm is done by subsidizing crop insurance？[J]. American Journal of Agricultural Economics， 2013， 95（2）： 489-497.

[8] 馬述忠，劉夢(mèng)恒.農(nóng)業(yè)保險(xiǎn)促進(jìn)農(nóng)業(yè)生產(chǎn)率了嗎？——基于中國(guó)省際面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J].浙江大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2016，46（6）：131-144.

[9] 江生忠，賈士彬，江時(shí)鯤.我國(guó)農(nóng)業(yè)保險(xiǎn)保費(fèi)補(bǔ)貼效率及其影響因素分析——基于2010-2013年省際面板數(shù)據(jù)[J]. 保險(xiǎn)研究，2015（12）：67-77.

[10]鄭軍，杜佳欣.農(nóng)業(yè)保險(xiǎn)的精準(zhǔn)扶貧效率：基于三階段DEA模型[J]. 貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019（1）：93-102.

[11]Liao P， Zhou X H， Fan Q Q. Does agricultural insurance help farmers escape the poverty trap？ Research based on multiple equilibrium models[J]. The Geneva Papers on Risk and Insurance-Issues and Practice， 2020，45（4）： 203-223.

[12]石文香，陳盛偉.農(nóng)業(yè)保險(xiǎn)促進(jìn)了農(nóng)民增收嗎？——基于省級(jí)面板門檻模型的實(shí)證檢驗(yàn)[J].經(jīng)濟(jì)體制改革，2019（2）：84-91.

[13]邵全權(quán)，柏龍飛，張孟嬌. 農(nóng)業(yè)保險(xiǎn)對(duì)農(nóng)戶消費(fèi)和效用的影響——兼論農(nóng)業(yè)保險(xiǎn)對(duì)反貧困的意義[J]. 保險(xiǎn)研究，2017（10）：65-78.

[14]聶榮，閆宇光，王新蘭. 政策性農(nóng)業(yè)保險(xiǎn)福利績(jī)效研究——基于遼寧省微觀數(shù)據(jù)的證據(jù)[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2013（4）：69-76.

[15]朱蕊，江生忠.我國(guó)政策性農(nóng)業(yè)保險(xiǎn)的扶貧效果分析[J].保險(xiǎn)研究，2019（2）：51-62.

[16]王立勇，房鴻宇，謝付正. 中國(guó)農(nóng)業(yè)保險(xiǎn)補(bǔ)貼政策績(jī)效評(píng)估：來(lái)自多期DID的經(jīng)驗(yàn)證據(jù)[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020（9）：24-34.

[17]張偉，羅向明，郭頌平.民族地區(qū)農(nóng)業(yè)保險(xiǎn)補(bǔ)貼政策評(píng)價(jià)與補(bǔ)貼模式優(yōu)化——基于反貧困視角[J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014（8）：31-38.

[18]鄭軍，汪運(yùn)娣.我國(guó)農(nóng)業(yè)保險(xiǎn)差異性財(cái)政補(bǔ)貼：地區(qū)經(jīng)濟(jì)差距與財(cái)政支出公平[J].農(nóng)村經(jīng)濟(jì)，2017（5）：84-90.

[19]孫巍，馮星，徐彬.異質(zhì)性視角下中國(guó)農(nóng)村居民減貧效應(yīng)研究——基于FGT貧困指數(shù)的分解新方法[J].統(tǒng)計(jì)研究，2020，37（9）：44-55.

[20]Foster J， Greer J， Thorbecke E. A class of decomposable poverty measures[J]. Econometrica， 1984，52（3）：761-766.

[21]王小林， Alkire S. 中國(guó)多維貧困測(cè)量：估計(jì)和政策含義[J].中國(guó)農(nóng)村經(jīng)濟(jì)， 2009（12）： 4-10，23.

[22]王增文.中國(guó)農(nóng)村貧困線及貧困率的測(cè)定：基于擬合收入分布函數(shù)法[J].西北人口，2009，30（5）：1-6.

（責(zé)任編輯：厲 亞）

Regional Heterogeneous Poverty Reduction Effect of Premium

Subsidy Policies for Agricultural Insurance in China

ZHAN Kai，ZHU Shaofen， DENG Chao， SU Xiaojian

（Guangdong University of Foreign Studies， Guangzhou，Guangdong 510006，China）

Abstract：Based on the FGT poverty index and the data of 30 provinces in 2010 to 2018 of agricultural insurance premium subsidy to build a panel quantile regression model. The results show that the poverty reduction efficiency of agricultural insurance premium subsidy has an obvious heterogeneous effect at higher quantiles. When the poverty reduction efficiency of agricultural insurance premium subsidy shows obviously， it will strengthen first and then weaken along with increasing of the quantile. It shows that when the agricultural insurance premium subsidy increases every percent， the FGT poverty index will decline by 0.045%～0.15%.

Key words：agricultural insurance， fiscal subsidy， poverty alleviation efficiency， panel quantile regression

收稿日期： 2021-04-13; 修回日期： 2021-07-02

基金項(xiàng)目： ?國(guó)家社科基金一般項(xiàng)目（19BJY014）、國(guó)家自然科學(xué)基金項(xiàng)目（11801099）、廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金（2021A1515011149）

作者簡(jiǎn)介： 展 凱（1980—），男，江蘇泰州人，經(jīng)濟(jì)學(xué)博士，教授，廣州華南財(cái)富管理中心研究基地和金融開(kāi)放與資產(chǎn)管理研究中心研究員，研究方向：風(fēng)險(xiǎn)管理與保險(xiǎn)精算，貨幣理論與政策等;鄧 超（1986—），男，湖南婁底人，管理學(xué)博士，副教授，研究方向：風(fēng)險(xiǎn)管理與保險(xiǎn)。