完全成本保险和种植收入保险政策对粮食生产韧性的影响

Impact of full-cost insurance policy and crop revenue insurance on grain production resilience

摘要

为探究政策性农业保险对粮食生产韧性的影响，基于2005—2023年中国31个省份的面板数据（统计数据未含西藏和港澳台地区，下同），依托完全成本保险和种植收入保险试点政策的准自然实验，采用多期双重差分模型实证检验了该政策对粮食生产韧性的作用及其机制。研究表明：1）试点政策能够显著提升粮食生产韧性水平，在经过一系列稳健性检验后，该结论仍然成立。2）试点政策实施对粮食生产韧性的提升作用主要通过收入保障效应、缓解风险冲击以及激励扩大规模来实现。3）试点政策对粮食生产韧性水平的影响在不同地区存在显著差异，在西部地区以及农业规模经营程度高的地区，政策实施效果更显著。研究结论为进一步促进试点政策全面推广，充分发挥农业保险对粮食生产韧性的促进作用提供了政策启示。

Abstract

To investigate the impact of policy-oriented agricultural insurance on grain production resilience， this study utilizes panel data from 31 Chinese provinces from 2005 to 2023 （The data do not include those of Xizang， Hong Kong， Macao， and Taiwan regions. The same below）. Employing a quasi-natural experiment based on the pilot policies of full-cost insurance and crop revenue insurance， a multi-period Difference-in-Differences model is used to empirically examine the policy’s effect on grain production resilience and its underlying mechanisms. The findings reveal that： 1） The pilot policy significantly enhances the level of grain production resilience， a result that remains valid after a series of robustness tests. 2） The positive impact of the pilot policy on grain production resilience is primarily achieved through three channels： the income guarantees effect， the mitigation of risk shocks， and the incentive to expand the scale of operations. 3） The effect of the pilot policy on grain production resilience exhibits significant heterogeneity across different regions， with more pronounced effects observed in western regions and areas with advanced large-scale agricultural management. These findings provide important policy implications for further promoting the nationwide expansion of the pilot policy and for fully leveraging the role of agricultural insurance in enhancing the resilience of grain production.

Graphical abstract

关键词

政策性农业保险 / 粮食生产韧性 / 收入保障效应 / 缓解风险冲击 / 激励扩大规模

Key words

policy-based agricultural insurance / grain production resilience / income guarantee effect / mitigation of risk shocks / incentive for scale expansion

仓廪实则天下安。党的十八大以来，中国始终把确保粮食安全作为治国理政的头等大事，有效保障了粮食的丰收，2024年粮食产量首次突破1.4万亿斤（0.7万亿kg）1

1 资料来源：《2024年全国粮食播种面积、亩产、总产均实现增长——进一步夯实了国家粮食安全根基》，https：//www.gov.cn/lianbo/bumen/202412/content_6992560.htm

。然而，当前中国粮食安全仍面临着国际市场冲击、内部资源环境约束加剧与粮食结构性矛盾凸显等国内外多重风险和挑战。这些不确定性不仅会破坏粮食生产系统，危害粮食生产的可持续性，还会进一步对社会经济发展的稳定性产生威胁。在此情景下，亟需提高粮食生产韧性水平，这有助于防范粮食安全风险和冲击，进而确保14亿多人的饭碗端得更稳更牢。

粮食生产韧性已经得到学界一定关注，已有文献从其内涵与测度^［1］、趋势预测^［2］等方面展开探究。对于粮食生产韧性水平影响因素的探究，现有研究聚焦于相关风险，包括自然环境约束与生产要素供应不足等，如极端气温变化^［3］、农村劳动力转移^［4］。然而，如何化解这些风险，提升粮食生产韧性，现有研究缺乏足够的关注。基于此，本研究关注了政策性农业保险这一重要因素对粮食生产韧性的影响。农业保险作为粮食生产重要的风险管理工具，其对于稳定农户种粮收益，保障粮食生产具有关键影响。而相比于商业性农业保险，政策性农业保险对粮食生产韧性具有更加不可替代的作用。这是因为农业保险的发展模式有别于一般的商业性保险，其可持续发展需要政府的支持。具体来说，从农业自身而言，农业生产的特殊性与复杂性决定了农业保险离不开政府的支持^［5］；从农业保险自身而言，其具有准公共品性质，完全交由市场主导会引发市场失灵^［6］。党的二十届三中全会明确提出：“完善强农惠农富农支持制度，优化农业补贴政策体系，发展多层次农业保险”。事实上，我国自2007年起开始对农业保险实行中央财政保费补贴，政策性农业保险已成为农业保险的主要形式。因此，从政策支持层面探究农业保险对粮食生产韧性的影响具有重要意义。

然而，我国政策性农业保险当前面临着以下重要问题：一是长期受制于“低水平”困境，其风险分散功能因保障范围、赔付标准较低等问题而受限^［7］；二是在实施中面临着因信息不对称而产生的道德风险与逆向选择等争议^［8-9］。为此，我国于2018年开展了完全成本保险和种植收入保险试点工作，其通过扩大保障范围、提高赔付比例等多重途径实现了从“低保障水平”向“高保障水平”的跨越。该保险的推广提高了农户的风险保障能力，可能会引发农户生产决策行为的变化，进而对粮食生产韧性水平产生重要影响。具体而言，一方面，其通过稳定农户预期收益以降低粮食作物种植的风险损失^［10］、提高风险保障水平以缓解风险冲击^［11］等方式可能进一步提高农户种粮积极和抗风险能力；另一方面，政策通过对粮食作物和非粮作物实行差异化保费补贴标准，会引导农户改变种植结构进而调整区域粮食作物播种面积进而扩大粮食生产规模^［12］，从而可能提高粮食生产韧性水平。尽管既有研究已关注到该新型政策性农业保险对粮食产量这一核心结果变量的影响^［7］，但对该保险政策影响粮食生产韧性这一关键系统能力的关注仍不足。国家统筹支持使得农业保险保障水平实现了跨越，从而为农户应对自然与市场等多重风险提供了系统性托底。因此，本研究从国家政策支持视角试图回答以下问题：该试点政策能否提高粮食生产韧性？其作用机制如何？这一政策效果是否会因不同地形以及不同农业经营规模而产生异质性？回答上述问题，对于进一步推广该试点政策、优化农业保险政策以及确保国家粮食安全具有重要的理论与现实意义。

有鉴于此，本研究将完全成本保险和种植收入保险试点政策视为一项准自然实验，基于2005—2023年省级面板数据，采用多期双重差分模型来评估该试点政策对粮食生产韧性的影响；其次，进一步厘清试点政策影响粮食生产韧性的作用机制，并深入探讨试点政策实施效果的异质性；最后，根据研究结论提出针对性政策建议，以期为保障我国粮食安全提供可行的参考依据。

1　政策背景与研究假说

1.1　政策背景

为进一步提升保障水平、完善农业保险运行机制，2018年8月28日财政部等部门联合印发《关于开展三大粮食作物完全成本保险和收入保险试点工作的通知》2

2 资料来源：《关于开展三大粮食作物完全成本保险和收入保险试点工作的通知》（财金〔2018〕93 号），https：//www.mof.gov.cn/gkml/caizhengwengao/wg2018/201810WG/201902/t20190213_3146555.htm

，在内蒙古等6个粮食主产省开展试点工作。2021年该试点工作结束后，持续扩大试点范围，新增河北等7个粮食主产省3

3 资料来源：《关于扩大粮食作物完全成本保险和种植收入保险实施范围的通知》（财金〔2021〕49 号），https：//www.gov.cn/zhengce/zhengceku/2021-06/29/content_5621466.htm

。完全成本保险覆盖农业生产中的直接物化成本、土地成本以及人工成本等所有成本；种植收入保险的保险金额体现农产品价格和产量，覆盖农业种植过程中的收入风险；二者的保障对象为所有农户（既包括规模经营农户，也包括小农户）。相较于物化成本保险，完全成本保险和种植收入保险的风险保障水平更高，保障水平最高可覆盖收入的80%。

1.2　理论分析及研究假说

本研究认为完全成本保险和种植收入保险试点政策的实施将从以下路径影响粮食生产韧性水平：

第一，保障农户收益是提升粮食生产韧性水平的根本保障。前景理论认为，农户在风险条件下会表现出“损失厌恶”心理，对收益波动的敏感性高于收益增长。因此，如何确保收益稳定、调动农户种粮积极性成为提升粮食生产韧性水平的关键。作为风险管理工具，以试点政策为主的新型政策性农业保险可以有效进行风险分散和转移，在农业生产中发挥着重要作用。具体而言，相较于市场化农业保险与传统的物化成本保险，完全成本保险保额更高，能够为农户提供相对更高的预期收入并降低收入波动风险，进而可能直接提高农户种粮积极性，从而保障区域粮食增产稳产^［7］。同时，不同于商业性的农业保险以商业利润为主，具有高风险保障的政策性农业保险可以帮助农户实现风险管理，从而稳定农户收入与农业产出。一方面，试点政策使农户由被动应对转变为主动参与，农业保险部门会定期向农户宣传、推广农业科学技术、提供防灾建议等，减少农业风险的发生概率和损失，有效发挥农业保险的风险防范功能^［13］；另一方面，试点政策通过提供较高的保险赔付对农户所遭受的农产品市场价格波动风险、自然灾害风险以及特定风险进行风险转移，从而进一步降低农户收入不确定性，提高农户抗风险能力^［14］，进而提高粮食生产韧性水平。

第二，抵抗冲击是提升粮食生产韧性水平的核心能力。农业风险管理理论认为，适当的风险分担和转移，可以提高农业生产经营主体的风险承受能力。试点政策的开展为农户提供风险保障服务，一定程度上缓解其在生产过程中风险冲击。具体而言，一方面，与商业性的农业保险由投保人全额支付保费不同，政策性农业保险可获得各级政府补贴，农户仅支付少量的保费，且在受到灾害冲击时，政府通过财政兜底为农户提供较高的风险保障水平。完全成本保险和种植收入保险的保费补贴占比高，农户缴纳保费少获得的赔付多，尤其当参保农户在遭受自然灾害等风险时，该政策通过采取直接的经济手段进行补偿，弥补农户生产经营损失，以减轻风险灾害对粮食生产的冲击，帮助其进行农业再生产，进而提高粮食生产韧性水平。另一方面，与商业性农业保险责任涵盖较窄不同，试点政策将适度规模经营农户和小农户均纳入保障范围，且保险责任涵盖更广，在一定程度上更能满足农户日益增长的风险保障需求，有助于提高其风险抵抗能力。

第三，生产规模是提升粮食生产韧性水平的重要基础。理性小农理论认为，农民在进行生产经营决策时，以自身利益最大化为目标。完全成本保险和种植收入保险标的为关系国际民生和粮食安全的稻谷、小麦、玉米三大粮食作物，其通过对粮食作物和非粮食作物实行差异化补贴标准，可能会影响农户生产经营决策。具体而言，一方面随着粮食作物保险的保障水平不断提高，理性农户购买农业保险和扩大粮食作物生产等行为被进一步诱发，从而可能推动粮食播种面积提高，促进规模化经营^［15］。另一方面，由于农业弱质性特征、生产投资增加的成本与风险均偏高，农户会选择相对保守的生产经营决策，但在试点政策提供较高风险保障的基础上，改善了农户面临的风险环境，从而调节其短期风险态度，更倾向于扩大生产投资来提高生产效益，以追求更高的经济收入^［16］。与此同时，随着保障水平的提高，农业保险信贷融资协同效应随之增强，有利于缓解农户扩大与升级农业生产经营的资金难题^［17］，降低农户规模化生产风险，进一步鼓励其适度扩大粮食生产规模。而粮食生产规模的扩大，有利于促进农业技术和农业基础设施共享，促进资源优化配置，提高粮食生产的机械化与专业化程^［18］，进而提高粮食生产韧性水平。

基于此，本研究提出如下研究假说：

H1：试点政策能够提升粮食生产韧性水平。

H2：试点政策通过收入保障效应来提升粮食生产韧性水平。

H3：试点政策通过缓解风险冲击来提升粮食生产韧性水平。

H4：试点政策通过激励扩大规模来提升粮食生产韧性水平。

2　研究设计

2.1　模型设定

2.1.1　基准回归模型

由于完全成本保险和种植收入保险试点政策是分批次渐进实施的，本研究构建多期双重差分模型估计该试点政策实施前后粮食生产韧性水平差异。基准模型设定如下：

\begin{array}{l}{Y}_{it}={\alpha }_{\mathrm{1}}+{\beta }_{\mathrm{1}}\mathrm{D}\mathrm{I}{\mathrm{D}}_{it}+{\gamma }_{\mathrm{1}}\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+\\ {\mu }_i+{\delta }_t+{\epsilon }_{it}\end{array}（1）

式中：i和t分别为省份和年份；Y_{it}为被解释变量，即第i省第t年粮食生产韧性水平；\mathrm{D}\mathrm{I}{\mathrm{D}}_{it}为核心解释变量，即政策实施的虚拟变量，具体构造为\mathrm{D}\mathrm{I}{\mathrm{D}}_{it}=\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i\times \mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_{it}。其中，\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i为处理组虚拟变量，若省份i在样本期内为试点地区则取值为1，否则取值为0；\mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_{it}为政策实施时点虚拟变量，当t大于或等于i省首次实施试点政策的时间则取值为1，否则取值为0；{\alpha }_{\mathrm{1}}为截距，{\beta }_{\mathrm{1}}为试点政策的估计参数，是本研究关注的核心参数，\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}为一系列控制变量，{\gamma }_{\mathrm{1}}为控制变量的估计系数；{\mu }_i为省份固定效应；{\delta }_t为年份固定效应；{\epsilon }_{it}为随机扰动项。

2.1.2　作用机制模型

理论分析表明，试点政策能通过收入保障效应与激励扩大规模，进而提升粮食生产韧性水平。本研究借鉴江艇^［19］的做法，采用中介效应检验方法对该作用机制进行验证，具体模型设定如下：

\begin{array}{l}{M}_{it}={\alpha }_{\mathrm{2}}+{\beta }_{\mathrm{2}}\mathrm{D}\mathrm{I}{\mathrm{D}}_{it}+{\gamma }_{\mathrm{2}}\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+\\ {\mu }_i+{\delta }_t+{\epsilon }_{it}\end{array}（2）

式中：M_{it}为机制变量，分别包含收入保障效应、激励扩大规模2个维度的变量；{\beta }_{\mathrm{2}}为试点政策对不同机制变量的影响，其他变量及参数含义与式（1）相同。

为验证试点政策实施通过缓解风险冲击提高粮食生产韧性水平，本研究构建调节效应模型如下：

Y_{it}={\alpha }_{\mathrm{3}}+{\beta }_{\mathrm{3}}\mathrm{D}\mathrm{I}{\mathrm{D}}_{it}\times A_{it}+{\lambda }_{\mathrm{1}}\mathrm{D}\mathrm{I}{\mathrm{D}}_{it}+{\phi }_{\mathrm{1}}{A}_{it}+{\gamma }_{\mathrm{3}}\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\delta }_t+{\epsilon }_{it}（3）

式中：A_{it}为调节变量，{\beta }_{\mathrm{3}}、{\lambda }_{\mathrm{1}}、{\phi }_{\mathrm{1}}为待估计系数；{\beta }_{\mathrm{3}}为本研究调节效应的核心关注参数；其余变量及参数含义与式（1）相同。

2.2　变量选取与测度

2.2.1　被解释变量：粮食生产韧性水平

本研究参考Tendall等^［20］、郝爱民等^［21］的研究，认为粮食生产韧性是指粮食生产系统在面对自然环境、技术以及政策变化等各种不可预见的冲击时能够抵抗冲击，在冲击中适应恢复，且能够在超出系统适应能力时创新再造增长路径实现适应性发展的能力。据此，借鉴相关研究^［23］中粮食体系韧性指标体系的构建方法，从抵抗力、恢复力、再造力3个维度进行指标构建，并采用相对客观的熵值法进行测度。具体指标构建如表1。

2.2.2　核心解释变量：试点政策实施的虚拟变量

如果各省份在当年及以后年份实施试点政策，则\mathrm{D}\mathrm{I}{\mathrm{D}}_{it}=\mathrm{1}，否则为0。

2.2.3　控制变量

参考相关研究的经验做法，本研究控制以下变量：1）城镇化水平。城镇化进程可能通过劳动力转移与要素配置等影响农业生产与决策，以各省城镇人口占地区总人口的比例来衡量^［22］。2）产业结构升级。第二、三产业占比提升可能通过要素吸纳与技术扩散影响农业生产效率与资源配置，以第二、三产业增加值与地区生产总值的比值来衡量^［21］。3）农村人力资本水平。农村人力资本水平在不同程度上影响农户风险认知与决策能力，以农村居民平均受教育年限表征^［23］。4）人均农村居民用电量。能源消费结构能够反映农村基础设施现代化水平，现代化发展程度和基础设施的差异则可能进一步影响农业生产，以各省农村用电量与农村地区总人口数的比值来衡量^［22］。5）政策支持力度。财政支农可能通过激励效应影响生产要素配置进而影响农业生产，以地方财政农林水事务支出与财政一般预算支出比值来衡量^［24］。6）金融发展水平。金融发展水平可能通过信贷供给影响农户受自然灾害、市场价格波动等风险的影响，进一步影响生产抗风险能力，以金融机构存贷款余额与地区生产总值的比值来衡量^［25］。

2.2.4　机制变量

本研究选择收入保障效应、缓解风险冲击与激励扩大规模作为机制变量，分别使用农村居民家庭经营净收入、旱灾受灾面积与试点政策的交乘项以及粮食作物播种面积与粮食产业从业人员数的比值来衡量。

2.3　数据来源

在遵循数据的可获得性和完整性的基础上，将研究时间跨度确定为2005—2023年，研究样本为31个省（自治区、直辖市）（统计数据未含港澳台地区，下同）。本研究所涉及研究数据主要来源于历年《中国统计年鉴》^［26］《中国农村统计年鉴》^［27］《中国保险年鉴》^［28］以及国家统计局、EPS数据库等，对于个别缺失值采用线性插值法填补。各变量描述性统计结果如表2。

3　实证结果与分析

3.1　基准回归结果

本研究采用多期双重差分模型来估计试点政策对粮食生产韧性水平的影响，通过对比政策交互项回归系数及显著性进而分析试点政策实施的效果，回归结果如表3所示。模型（1）展示了未加入控制变量的双固定效应模型的回归结果，即仅检验政策交互项对粮食生产韧性水平的影响；模型（2）在模型（1）的基础上进一步加入了控制变量。模型（3）~（5）展示了粮食生产韧性抵抗力、恢复力、再造力3个子维度的回归结果。

结果显示，开展试点政策显著提升试点地区的粮食生产韧性水平。以表3模型（2）估计结果为基准，试点政策使得粮食生产韧性水平提高了0.055个单位，约占均值（0.230）的23.91%。进一步地，分维度回归结果显示，3个子维度的政策交互项估计系数均显著为正，表明试点政策的实施显著提升粮食生产的抵抗力、恢复力以及再造力，从而强化了粮食生产韧性水平。假说H1得证。

3.2　平行趋势假设讨论

双重差分估计结果满足一致性的前提是处理组和对照组满足平行趋势假设，即在试点政策实施之前，试点区与非试点区的粮食生产韧性水平变动趋势是一致的，没有显著差异。本研究借鉴Beck等^［29］的做法，采用事件研究法进一步考察试点区和非试点区的变化趋势，动态模型设定如下：

Y_{it}={\alpha }_{\mathrm{4}}+{\displaystyle \sum _{\begin{array}{l}k=-\mathrm{5}\\ k\ne -\mathrm{1}\end{array}}^{\mathrm{5}}}{\beta }_k\mathrm{D}\mathrm{I}{\mathrm{D}}_{itk}+{\gamma }_{\mathrm{4}}\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\delta }_t+{\epsilon }_{it}（4）

式中：{\beta }_k为试点政策冲击前后的一系列系数估计值，\mathrm{D}\mathrm{I}{\mathrm{D}}_{itk}为试点政策实施时间的政策冲击虚拟变量，政策实施第k年赋值为1，其他年份赋值为0。本研究将事件发生5年之前的各期归并到第k-\mathrm{5}期，并将政策实施当年（即2018年）设为基准组以避免多重共线性，因此在回归中未引入其对应的政策交互项，其他变量定义与式（1）一致，平行趋势检验结果如图2。可知，在政策实施以前，政策交互项的估计系数多数在0轴附近波动，表明政策实施以前试点地区和非试点地区两者没有较大的差异，即可认为上述基准回归结果与平行趋势假设一致，基准回归结果可靠。

3.3　稳健性检验

3.3.1　安慰剂检验

为检验回归结果受随机因素与遗漏变量的影响，本研究随机重复抽取500次“伪处理组”和“伪政策冲击时间”虚拟DID交乘项，从而对处理组的选取和政策冲击时间的选取进行安慰剂检验，检验如图3。不难发现，估计系数集中分布在0附近，而真实系数（0.055）与这些系数具有显著差异，且大部分系数对应的P值位于0.1以上，表明本研究的基准回归结果没有明显的遗漏变量偏误。

3.3.2　更改样本区间

为避免其他相关政策干扰与外部宏观经济环境的变动引起的混杂效应，本研究将样本期缩短为2014—2023年，重新估计试点政策对粮食生产韧性的影响，结果如表4模型（1），对比基准回归结果可知，上述研究结论具备一定的稳健性。

3.3.3　剔除极端值

为避免极端值对基准回归结果的影响，表4模型（2）在基准回归的基础上将被解释变量粮食生产韧性水平进行1%和99%双侧缩尾处理，试点政策的估计系数显著为正。

3.3.4　排除其他政策干扰

自2007年实施政策性农业保险以来，我国陆续开展了中央财政农业保险保费补贴试点工作，但这会使得地区间农业保险发展规模和覆盖程度不同，进而造成新险种推广环境上存在一定差异，可能影响试点政策对粮食生产韧性水平的估计结果。本研究借鉴徐雯等^［30］的做法，选取农业保险保费收入作为政策性农业保险渐进式改革试点政策的代理变量。表4模型（3）结果显示，试点政策的估计系数依然显著为正。

3.3.5　PSM-DID

倾向得分匹配双重差分方法可以作为处理组筛选和匹配适当的控制组，从而修正处理组非随机分配导致的估计偏误^［31］，本研究利用该方法进行稳健性检验以缓解选择偏差问题。具体而言，采用核匹配（带宽为0.06）方法匹配试点地区，选择所有的控制变量作为协变量。对匹配后的样本进行平衡性检验，匹配后所有匹配变量的标准化偏差<10%，P>0.05。这表明倾向得分匹配法有效降低了试点地区与非试点地区的自变量差异，匹配效果良好。表4模型（4）为匹配后的样本估计结果，试点政策对粮食生产韧性水平的提升作用依然显著。

3.3.6　异质性处理效应

多期DID采用传统双向固定效应模型来估计政策的平均处理效应会存在异质性处理效应，引发估计偏误问题，本研究对处理效应进行分解，通过分解所得的正负权重数值来判断多时点双重差分估计量的稳健性^［32］。结果显示，各试点地区各年份平均处理效应的权重均为正数，表明异质性处理效应对本研究的基准回归结果没有显著影响，上述基准回归结果具备稳健性。

4　进一步分析

4.1　作用机制分析

4.1.1　收入保障效应

前述提到，试点政策通过增加灾后赔付额度等方式充分发挥农业保险的风险分散与经济补偿作用，从而保障农户收入。而农户收入的稳定与提升，可能会进一步提高农户种粮积极性，进而提升粮食生产韧性水平。表5模型（1）为试点政策实施对农户收入影响的估计结果，试点政策变量的回归系数为0.076，且通过了1%统计水平的显著性检验，表明政策的实施显著提高了农户的收入水平，通过直接保障收入水平对提高粮食生产韧性水平产生积极影响。假说H2得证。

4.1.2　缓解风险冲击

自然灾害带来的外部冲击是影响粮食生产韧性的重要因素。尤其是在全球气候变暖背景下，旱灾成为我国最严重的气象灾害，其发生率和严重性趋高不下，对粮食安全造成严重威胁^［33］。为验证试点政策能够通过增强农户生产抗风险能力进而促进粮食生产韧性水平提升，本研究借鉴彭澎等^［34］的做法，通过引入“旱灾受灾面积×试点政策”的交乘进行研究。表5模型（2）~（3）结果显示，旱灾对粮食生产韧性水平具有显著的负向影响，而旱灾面积与试点政策的交乘项的估计系数显著为正，表明试点政策的实施可以缓解旱灾带来的不利影响，能够增强农户生产抗风险能力，进而提高粮食生产韧性水平。假说H3得证。

4.1.3　激励扩大规模

前述提到，试点政策的实施通过提高粮食作物种植保障水平、缓解资金约束等激励理性小农扩大生产规模，从而促进粮食生产专业化，进而提高粮食生产韧性水平。表5模型（4）为试点政策对激励扩大规模影响的估计结果，试点政策变量的回归系数显著为正，表明政策的实施激励了农户扩大粮食种植规模，通过规模效应保障粮食稳产增产，进而提高粮食生产韧性水平。假说H4得证。

4.2　异质性分析

4.2.1　基于地理区域的异质性分析

为了进一步探讨试点政策实施效果是否受地理区域不同而存在差异，本研究借鉴叶蕾等^［35］的做法，将31个省份划分为东中西3个区域，构建地区虚拟变量，并在基准回归模型中加入地区虚拟变量与试点政策变量的交乘项以探究试点政策对不同地理区域下粮食生产韧性水平的差异性影响。基于地理区域的异质性估计结果如表6模型（1）~（3）。

结果显示，试点政策对粮食生产韧性水平的影响存在明显的地理区域异质性。具体而言，试点政策的实施对西部地区的粮食生产韧性水平提升效果显著。可能的解释是，区域之间经济发展水平、生产技术条件、自然环境以及政策环境均存在不同程度的差异。与东部、中部地区相比，西部地区受限于极端天气冲击、农业自然资源禀赋薄弱、经济发展及金融服务发展不足等对中央财政补贴资金的需求较大，而且完全成本保险和种植收入保险政策在财政补贴上存在着差异化安排，中央财政对西部地区给予了更为倾斜的支持^［36］。因此，试点政策的实施对西部地区的粮食生产韧性水平提升作用更明显。

4.2.2　基于农业规模经营程度的异质性分析

不同农业规模经营程度可能对试点政策的实施效果产生影响，本研究采用农作物播种面积占第一产业从业人数的比重来衡量各地区农业规模经营程度，并以占比中位数为分界点，将31个省份划分为低农业规模经营地区和高农业规模经营地区，并构建虚拟变量，高于中位数则取值为1，反之则取值为0，基于农业规模经营程度的异质性分析结果如表6模型（4）。

结果显示，试点政策对粮食生产韧性水平的影响存在明显的农业规模经营异质性。具体而言，试点政策显著提升高农业规模经营地区的粮食生产韧性水平。可能的解释是，规模经营程度高的地区通常具备更强的技术采纳意愿和风险抵御能力^［37］，能够与试点政策形成协同效应，政策实施对其生产行为的激励作用可能更显著。而低规模经营地区多以小农户自给性生产为主，农业生产经营往往较为粗放^［38］，而且受限于信息不对称性、信贷约束以及技术锁定效应等，进一步削弱了政策实施效果。

5　结论与启示

本研究以完全成本保险和种植收入保险试点政策为准自然实验，以2005—2023年31个省份的面板数据为研究对象，采用多期双重差分模型实证检验了该试点政策对粮食生产韧性的影响及其作用机制，主要研究结论如下：

第一，试点政策的实施推动了粮食生产韧性水平显著提升。这一结论经过安慰剂检验、等一系列稳健性检验后依然成立，表明试点政策是能促进粮食生产韧性水平的提高。第二，作用机制分析发现，试点政策通过收入保障效应、缓解风险冲击以及激励扩大规模3个渠道实现了对粮食生产韧性水平的提升作用。第三，试点政策对粮食生产韧性水平的影响存在显著差异。就不同地理区域而言，与东部、中部地区相比，试点政策对粮食生产韧性水平的提升作用在西部地区更显著；就不同农业规模经营程度而言，试点政策显著提升高农业规模经营地区的粮食生产韧性水平，而对于低农业规模经营地区，政策实施效果不明显。

基于以上研究结论，本研究提出如下政策启示：

第一，持续完善政策性农业保险体系建设。推动完全成本保险和种植收入保险“提标、扩面、增品”，进一步提高粮食作物相关农业保险的保障深度，不仅包括所有粮食主产区的农作物生产，还应扩大地方特色优势农产品生产。健全农村金融服务体系，坚持创新驱动，按照市场化导向，推动农村金融产品和服务模式创新，拓展农业保险服务领域，满足农户多样化的保险需求，增强农业保险的保障服务能力。加强政策支持力度，适度加大财政补贴力度，完善农业保险相关配套基础设施，有效发挥政府支持在推动农业保险发展的重要作用。

第二，重视试点政策对粮食生产韧性水平的提升作用。及时对试点经验进行总结，完善政策推广体系，有序推动完全成本保险和种植收入保险政策在全国范围内落实。加强政策宣传指引，提高农户等农业生产者的保险素养、风险防范意识和风险防范能力，引导其主动参保以有效发挥试点政策在降低收入不确定性和缓解风险冲击的重要作用。完善农业保险与农业信贷相结合的银保互动机制，利用“保险+信贷”的优势为农户获取资金从而扩大规模提供资金保障。

第三，制定差异化的农业保险保费补贴策略。构建多层次、精准化的保费补贴体系，提升农业保险的政策效能。各地区应根据自然的自然资源禀赋情况、地理区位条件等因地制宜实施差异化的农业保险保费补贴策略，提高资金的使用效率。适度调整对小农户与适度规模经营农户等农业生产经营主体的农业保险补贴力度，满足不同农业经营规模程度主体的多元化风险保障需求，同时，提高保险的赔付效率与精准性，调动其参与农业保险的积极性，为其提供充分的风险保障，稳定其种粮收益，有效实现促进农户增收与稳定粮食生产的目标。

参考文献

[1] 蒋辉， 陈瑶， 刘兆阳. 中国粮食生产韧性的时空格局及其影响因素［J］. 经济地理， 2023，43（6）： 126-134

[2] Jiang H， Chen Y， Liu Z Y. Spatiotemporal pattern and influencing factors of grain production resilience in China［J］. Economic Geography， 2023，43（6）： 126-134 （in Chinese）

[3] 郑家喜， 赵妍， 卫增. 基于空间马尔科夫链的粮食生产韧性动态演进及趋势预测［J］. 华中农业大学学报：社会科学版， 2024（3）： 104-117

[4] Zheng J X， Zhao Y， Wei Z. Analysis of spatiotemporal differences and dynamic evolution of grain production resilience based on spatial Markov chains［J］. Journal of Huazhong Agricultural University： Social Sciences Edition， 2024（3）： 104-117 （in Chinese）

[5] 范振楠， 覃朝晖， 余思明. 极端气温对粮食生产韧性的影响效应研究：基于绿色金融视角［J］. 中国生态农业学报（中英文）， 2024，32（5）： 896-910

[6] Fan Z N， Qin Z H， Yu S M. Impact of extreme temperature on the resilience of grain production： Perspective on green finance［J］. Chinese Journal of Eco-Agriculture， 2024，32（5）： 896-910 （in Chinese）

[7] 曾福生， 蔡林军. 劳动力转移影响粮食生产韧性的理论机制与实证检验［J］. 华南农业大学学报：社会科学版， 2024，23（5）： 84-94

[8] Zeng F S， Cai L J. Theoretical mechanism and empirical verification of impact of labor transfer on the resilience of grain production［J］. Journal of South China Agricultural University： Social Science Edition， 2024，23（5）： 84-94 （in Chinese）

[9] 易福金， 燕菲儿， 王金霞. 信贷约束下的农业保险需求高估问题：理论解释与经验证据［J］. 管理世界， 2023， 39（5）： 78-97

[10] Yi F J， Yan F E， Wang J X. The overestimated demand for agricultural insurance under credit constraints： theoretical analysis and empirical evidence［J］. Journal of Management World， 2023， 39（5）： 78-97 （in Chinese）

[11] Coble K H， Barnett B J. Why do we subsidize crop insurance［J］. American Journal of Agricultural Economics， 2013， 95（2）： 498-504

[12] 张锦华， 徐雯. 完全成本保险试点能激励粮食产出吗［J］. 中国农村经济， 2023（11）： 58-81

[13] Zhang J H， Xu W. Does the full-cost insurance pilot program increase food production［J］. Chinese Rural Economy， 2023（11）： 58-81 （in Chinese）

[14] Goodwin B K， Smith V H. The Economics of Crop Insurance and Disaster Aid［M］. Washington： American Enterprise Institute， 1995

[15] 易福金， 燕菲儿， 杨柳. 政策性农业保险的理论演进：兼论中国农业保险研究进展［J］. 保险研究， 2024（3）： 3-18

[16] Yi F J， Yan F E， Yang L. The theoretical evolution on China’s policy-sponsored agricultural insurance： Concurrently on the development of research on China’s agricultural insurance ［J］. Insurance Studies， 2024（3）： 3-18 （in Chinese）

[17] 王韧， 陈嘉婧， 周宇婷， 宁威. 农业保险助力农业强国建设：内在逻辑、障碍与推进路径［J］. 农业经济问题， 2023（9）： 110-112

[18] Wang R， Chen J J， Zhou Y T， Ning W. Agricultural insurance helps build the construction of agricultural powerhouse： internal logic， obstacles and promotion path ［J］. Issues in Agricultural Economy， 2023（9）： 110-112 （in Chinese）

[19] 黄少安， 唐琦. 农业大灾保险与粮食安全：基于农业大灾保险试点的准自然实验［J］. 农业技术经济， 2024（4）： 4-17

[20] Huang S A， Tang Q. Agricultural insurance and food security： A quasi-natural experiment based on pilot policy of agricultural catastrophe insurance ［J］. Journal of Agrotechnical Economics， 2024（4）： 4-17 （in Chinese）

[21] 焦雨欣， 江生忠， 费清. 农业保险能否助力农业绿色发展水平提升：基于13个粮食主产区的评估［J］. 保险研究， 2023（11）： 61-77

[22] Jiao Y X， Jiang S Z， Fei Q. Does agricultural insurance have an impact on the green development of agriculture： Assessment based on 13 major grain producing regions ［J］. Insurance Studies， 2023（11）： 61-77 （in Chinese）

[23] 李琴英， 崔怡， 陈力朋. 政策性农业保险对农村居民收入的影响：基于2006-2015年省级面板数据的实证分析［J］. 郑州大学学报：哲学社会科学版， 2018，51（5）： 72-78

[24] Li Q Y， Cui Y， Chen L P. Impact of policy agricultural insurance on rural residents’ income： Empirical analysis based on provincial panel data from 2006-2015 ［J］. Journal of Zhengzhou University： Philosophy and Social Sciences， 2018，51（5）： 72-78 （in Chinese）

[25] 陈燕， 林乐芬. 政策性农业保险的福利效应：基于农民视角的分析［J］. 中国农村观察， 2023（1）： 116-135

[26] Chen Y， Lin L F. The welfare effects of policy-based agricultural insurance： An analysis from the perspective of farmers ［J］. China Rural Survey， 2023（1）： 116-135 （in Chinese）

[27] 江生忠， 付爽， 李文中. 农业保险财政补贴政策能调整作物种植结构吗：来自中国准自然实验的证据［J］. 保险研究， 2022（6）： 51-66

[28] Jiang S Z， Fu S， Li W Z. Can the agricultural insurance subsidy policy change the crop planting structure： Evidences from Chinese quasi-natural experiments ［J］. Insurance Studies， 2022（6）： 51-66 （in Chinese）

[29] 任天驰， 张洪振， 杨晓慧， 杨汭华. 农业保险保障水平与农户生产投资：一个“倒U型”关系：基于鄂、赣、川、滇四省调查数据［J］. 中国农村观察， 2021（5）： 128-144

[30] Ren T C， Zhang H Z， Yang X H， Yang R H. Agricultural insurance security level and farmers’ production investment： Evidence from the survey data of Hubei， Jiangxi， Sichuan and Yunnan provinces ［J］. China Rural Survey， 2021（5）： 128-144 （in Chinese）

[31] 富丽莎， 汪三贵， 秦涛， 李干琼， 王禹. 农业保险防贫效果及作用机理分析：基于农户生产行为影响视角［J］. 中国农业资源与区划， 2025，46（8）： 193-205

[32] Fu L S， Wang S G， Qin T， Li G Q， Wang Y. Analysis of the poverty prevention effect and mechanism of agricultural insurance： From the perspective of farmer production behavior［J］.Chinese Journal of Agricultural Resources and Regional Planning， 2025，46（8）： 193-205 （in Chinese）

[33] 魏梦升， 颜廷武， 罗斯炫. 规模经营与技术进步对农业绿色低碳发展的影响：基于设立粮食主产区的准自然实验［J］. 中国农村经济， 2023（2）： 41-65

[34] Wei M S， Yan T W， Luo S X. The impacts of scale management and technological progress on green and low-carbon development of agriculture： A quasi-natural experiment based on the establishment of major grain-producing areas ［J］. Chinese Rural Economy， 2023（2）： 41-65 （in Chinese）

[35] 江艇. 因果推断经验研究中的中介效应与调节效应［J］. 中国工业经济， 2022（5）： 100-120

[36] Jiang T. Mediating effects and moderating effects in causal inference［J］. China Industrial Economics， 2022（5）： 100-120 （in Chinese）

[37] Tendall D M， Joerin J， Kopainsky B， Edwards P， Shreck A， Le Q B， Kruetli P， Grant M， Six J. Food system resilience： Defining the concept［J］. Global Food Security， 2015（6）： 17-23

[38] 郝爱民， 谭家银. 数字乡村建设对我国粮食体系韧性的影响［J］. 华南农业大学学报：社会科学版， 2022，21（3）： 10-24

[39] Hao A M， Tan J Y. Impact of digital rural construction on food system resilience［J］. Journal of South China Agricultural University： Social Science Edition， 2022，21（3）： 10-24 （in Chinese）

[40] 何可， 朱信凯， 李凡略. 聚“碳”成“能”：碳交易政策如何缓解农村能源贫困［J］. 管理世界， 2023，39（12）： 122-144

[41] He K， Zhu X K， Li F L. Accumulating “carbon” to form “energy”： How can carbon trading policy alleviate rural energy poverty ［J］. Journal of Management World， 2023，39（12）： 122-144 （in Chinese）

[42] 马晓君， 王梦宇， 于渊博， 范祎洁. 我国农民农村共同富裕水平的区域差异和时空演进特征研究［J］. 农业经济问题， 2024（2）： 35-51

[43] Ma X J， Wang M Y， Yu Y B， Fan Y J. Regional on the regional differences and spatio-temporal evolution characteristics of common prosperity level of farmers and rural areas in China［J］. Issues in Agricultural Economy， 2024（2）： 35-51 （in Chinese）

[44] 高雪， 李欠男. 高标准农田建设对粮食生产韧性的影响及作用机制［J］. 中国农业大学学报， 2025， 30（8）： 255-267

[45] Gao X， Li Q N. Impact of high-standard farmland construction on the resilience of grain production and its mechanism［J］. Journal of China Agricultural University， 2025， 30（8）： 255-267

[46] 单德朋， 向洋， 王超. 东西部协作促进了受援县城乡融合发展吗［J］. 中国农村经济， 2025（1）： 52-71

[47] Shan D P， Xiang Y， Wang C. Impact of east-west collaboration on integrated urban-rural development in recipient counties ［J］. Chinese Rural Economy， 2025（1）： 52-71 （in Chinese）

[48] 中华人民共和国国家统计局. 中国统计年鉴［M］. 北京： 中国统计出版社， 2006—2024

[49] National Burean of Statistics of the People’s Republic of China. China Statistical Yearbook ［M］. Beijing： China Statistics Press， 2006-2024 （in Chinese）

[50] 国家统计局农村社会经济调查司. 中国农村统计年鉴［M］. 北京： 中国统计出版社， 2006—2024

[51] Rural Social and Economic Survey Department of National Bureau of Statistics. China Rural Statistical Yearbook ［M］. Beijing： China Statistics Press， 2006-2024 （in Chinese）

[52] 中国保险年鉴委员会. 中国保险年鉴［M］. 北京： 中国保险年鉴社， 2006—2024

[53] China Insurance Yearbook Committee. China Insurance Yearbook ［M］. Beijing ： China Insurance Yearbook Press， 2006-2024 （in Chinese）

[54] Beck T， Levine R， Levkov A. Big bad banks： The winners and losers from bank deregulation in the United States［J］. The Journal of Finance， 2010， 65（5）： 1637-1667

[55] 徐雯， 张锦华. 政策性农业保险的碳减排效应：来自完全成本保险和收入保险试点实施的证据［J］. 保险研究， 2023（2）： 20-33

[56] Xu W， Zhang J H. The carbon emission reduction effect of policy-based agricultural insurance： Evidences from the implementation of total cost insurance and income insurance pilot program ［J］. Insurance Studies， 2023（2）： 20-33 （in Chinese）

[57] 潘春阳， 曹淑雯， 吴柏钧. 强县之路：城乡融合发展试验区如何促进县域经济增长［J］. 财经研究， 2025， 51（6）： 34-48

[58] Pan C Y， Cao S W， Wu B J. Road to prosperity： How do national pilot zones for integrated urban-rural development promote county-level economic growth ［J］. Journal of Finance and Economics，2025， 51（6）： 34-48 （in Chinese）

[59] De chaisemartin C， D’haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment effects［J］. American Economic Review， 2020， 110（9）： 2964-2996

[60] 郑姗， 郑旭媛， 徐志刚. 农业保险风险转移对规模户损失控制方式选择的影响：基于风险管理方式有效功能区间的视角［J］. 中国农村经济， 2023（11）： 82-101

[61] Zheng S， Zheng X Y， Xu Z G. The impact of agricultural insurance risk transfer on the selection of loss control approaches for large-scale households： From the perspective of effective functional intervals of risk management approaches ［J］. Chinese Rural Economy， 2023（11）： 82-101 （in Chinese）

[62] 彭澎， 朱丽， 骆俊同， 朱爽. 数字金融使用何以影响家庭农场的韧性：以种植类家庭农场为例［J］. 中国农村经济， 2025（4）： 146-165

[63] Peng P， Zhu L， Luo J T， Zhu S. How does digital finance affect the resilience of family farms： taking planting family farms as an example［J］. Chinese Rural Economy， 2025（4）： 146-165 （in Chinese）

[64] 叶蕾， 徐孟， 林斌， 汪笑溪. 农业水价综合改革对粮食全要素生产率的影响：基于中国粮食主产区的经验证据［J］. 农业技术经济， 2025（7）： 92-110

[65] Ye L， Xu M， Lin B， Wang X X. The impact of comprehensive agricultural water pricing policy reform on grain total factor productivity： Evidence from major grain production areas in China［J］. Journal of Agrotechnical Economics， 2025（7）： 92-110 （in Chinese）

[66] 江生忠， 刘晓丹， 江时鲲. 中国主粮政策性农业保险改革能增加农民收入吗：基于保障水平的视角［J］. 保险研究， 2024（11）： 38-52

[67] Jiang S Z， Liu X D， Jiang S K. Can China’s staple grain policy agricultural insurance reform increase farmers’ income： Based on the protection level perspective ［J］. Insurance Studies， 2024（11）： 38-52 （in Chinese）

[68] 盖庆恩， 李承政， 张无坷， 史清华. 从小农户经营到规模经营：土地流转与农业生产效率［J］. 经济研究， 2023，58（5）： 135-152

[69] Gai Q E， Li C Z， Zhang W K， Si Q H. From smallholders to large-scale farmers： Land rental and agricultural productivity ［J］. Economic Research Journal， 2023，58（5）： 135-152 （in Chinese）

[70] 徐雯， 张锦华. 农业保险风险转移与化肥减量［J］， 华南农业大学学报：社会科学版， 2024，23（3）： 110-122

[71] Xu W， Zhang J H. Risk transfer of agricultural insurance and fertilizer reduction［J］. Journal of South China Agricultural University： Social Science Edition， 2024，23（3）： 110-122 （in Chinese）

基金资助

教育部人文社科项目(24YJA790101)

国家社会科学基金一般项目(23BGL189)

中央高校基本科研业务费长周期项目-科研领军人才创新团队建设项目(2722022AL003)