【基于省级面板数据的农业保险对农业经济影响的实证分析案例3600字】

基于省级面板数据的农业保险对农业经济影响的实证分析案例目录TOC\o"1-3"\h\u178181.1模型设定与说明 1164251.1.1计量模型建立 1149051.1.2数据预处理 2324551.2静态模型回归分析 323221.2.1结果分析 3209281.2.2稳健性检验 3129791.3内生性问题与工具变量法 5188961.4动态差分GMM估计 71.1模型设定与说明1.1.1计量模型建立本部分运用我国31个省市自治区直辖市、2008-2017年10年的面板数据数据来源《中国农村统计年鉴》、《中国粮食年鉴》、《中国统计年鉴》。农业保险相关数据来自于银保监会。，将自然灾害、保险作为核心解释变量实证分析二者及其交互项与农业生产之间的关系。计量模型可以表示为：数据来源《中国农村统计年鉴》、《中国粮食年鉴》、《中国统计年鉴》。农业保险相关数据来自于银保监会。production其中，i表示省份，分别为我国31个省市自治区直辖市(除香港、澳门以及台湾)。t表示年份，取值为2008-2017。productioni,t为农业生产指标；insurancei,t为农业保险发展指标；riski,t为自然灾害指标；controli,t为农业生产的控制变量，主要包括：农用机械总动力(万千瓦)、化肥施用量(万吨)、农用塑料薄膜(吨)、农药使用量(吨)、总播种面积(千公顷)、第一产业与GDP占比(%)、乡村人口(万人)由于第一产业就业人员数数据仅到2010年，所以本文使用乡村人口近似衡量从事农业生产的劳动规模。；由于第一产业就业人员数数据仅到2010年，所以本文使用乡村人口近似衡量从事农业生产的劳动规模。表1.1描述性统计参数参数含义均值标准差最大值最小值area总播种面积(千公顷)5261.28220.9714902.70241.00cf化肥施用量(万吨)185.5611.64716.106.00income保费收入(百万)54148.8016535.51191221.971010.48machine农用机械总动力(万千瓦)3169.30438.9513353.00122.30mo农用塑料薄膜(吨)76597.048709.74322965.001870.00pay赔付支出(百万)37612.2816045.46226215.581009.77per第一产业占GDP份额10.511.2630.000.80risk受灾面积(千公顷)983.45516.597391.0021.00production农林牧渔总产值(亿元)1879.86179.045671.6788.50yao农药使用量(吨)56515.514549.19173461.001187.00y第一产业增加值(亿元)1093.90105.563071.0560.51labor乡村人口(万人)2030.62142.826032.00238.001.1.2数据预处理在进行回归分析之前，需要对数据进行预处理：首先，对农林牧渔业总产值、保费收入等指标使用居民消费指数CPI进行平减，以消除通货膨胀带来的影响。然后对所有指标进行标准化处理以消除量纲带来的影响，标准化处理的方法为Z-Score法。1.2静态模型回归分析1.2.1结果分析表中报告了固定效应模型的回归结果。第(1)列为静态回归的基准模型。其中，以农林牧渔业总产值衡量农业发展水平，以农业保险保费收入衡量保险发展水平。在模型的选择方面，Hausman检验支持固定效应模型。因此，本文构建具有固定效应的面板计量模型进行回归分析。结果显示，农业保险保费收入在5%的显著水平下为正，其系数为-0.161。这说明，农业保险对农业生产具有显著的正向作用，保费收入每增加1个百分点，农业生产就增加0.161个百分点。此外，农业自然灾难对农业生产的影响显著为负。而农业保险与自然灾害的交互项在1%的显著水平下显著为正，这表明自然灾害越大，农业保险对农业生产的保障作用就会越大。控制变量方面，农用机械总动力对于农业生产在1%的显著水平下具有正向的促进作用；同样，农药的使用量对农业生产在5%的显著水平下具有正向的促进作用。总的播种面积与第一产值占GDP的比值对农业生产的影响同样显著且影响方向为正。值的说明的是，第一产值占GDP的比值越大，说明农业在该省的经济贡献就越大，政府对于农业的重视程度就越高，政府补贴的倾向就越大，因此对于农业生产的促进作用就越大。1.2.2稳健性检验为了验证基准模型的稳健性，本文通过变换农业保险发展水平指标以及农业发展水平指标进行稳健性检验。首先，用农业保险赔款支付衡量农业保险的发展水平进行回归分析。分析之前，同样将赔款支付使用CPI进行平减，其回归结果间表3第(2)列。可以看出，自然灾害对于农业生产的影响同样不显著，相比之下，赔款支付对于农业生产的影响在1%的显著水平下为负，同时自然灾害与赔款支付的交互项也在5%的显著水平下为正，其结论与基准模型基本一致，这验证了本文结果的稳健性。其次，用成灾面积衡量自然灾害指标进行回归，其结果见表1.2第(3)列。自然灾害对于农业生产的影响同样显著为负，农业保险对农业生产的影响在5%的显著水平下为正，交互项同样在5%的显著水平下为正，其结果与基准模型基本一致。最后，用第一产业的增加值作为衡量农业生产的指标进行回归分析，回归分析之前使用CPI进行平减，其结果见表1.2第(4)列。自然灾害对于农业生产的影响同样显著，保险与保险、自然灾害交互项对农业生产的影响效应与基准模型基本相同。综上，通过稳健性检验可以看出，基准模型具有良好的稳健性，其结论具有较高的可信性。表1.2静态回归估计结果变量(1)(2)(3)(4)risk-0.011**-0.023**-0.018**-0.013**(-2.020)(-2.380)(-2.280)(-2.050)insurance0.161**0.332***0.167**0.160**(2.150)(1.640)(2.210)(2.110)risk×insurance0.126***0.116**0.103**0.143***(2.80)(1.940)(2.380)(2.800)machine0.287***0.277***0.288***0.228***(3.310)(3.770)(3.270)(3.090)cf0.258***0.224**0.262***0.283***(2.730)(2.280)(2.700)(3.110)mo0.1110.163**0.1110.127(1.280)(2.250)(1.290)(1.420)yao0.0290.0320.0320.021(0.320)(0.340)(0.340)(0.220)area0.151**0.134*0.151*0.134*(1.870)(1.840)(1.840)(1.830)per0.2994***0.273***0.307***35.527***(1.040)(3.740)(1.210)(1.400)labor0.018-0.0510.0190.009(0.150)(-0.520)(0.160)(0.070)Hausman(chi2)46.3241.4247.2862.83个体固定效应YYYYR20.4410.4200.4170.471样本数3103103103101.3内生性问题与工具变量法以上分析中，可能存在同时影响农业产出和农业保险的遗漏变量，并且对于农业生产、自然灾害的遗漏变量也产生一定的影响。基于考量遗漏变量的存在，笔者的解决方式是进行个体固定效应的设定，以及增加控制变量。此外，农业保险发展与农业发展之间可能存在双向因果的关系：由于农业保险可能会带来道德风险，从而在一定程度上降低农业生产；此外，在农业发展中，风险分散的重要方式是农业保险，其规模水平很大程度上取决于当地农业经济的发展情况，即农业经济的发展反方向作用于农业保险的发展。因此，笔者采用工具变量，来对农业保险变量中存在的内生性问题进行有效解决。自2007年颁布《中央财政农业保险保费补贴试点管理办法》后，我国农业保险的发展得到了财政支持，成为一种政策性保险。因此，使用农业保险的财政补贴财政补贴分析三类，即中央财政补贴、省财政补贴以及地方财政补贴。本文使用财政补贴三级补贴之和，数据来自于银保监会。,bt作为工具变量进行回归分析。原交互项的工具变量指的是自然风险和财政补贴的交互项，详见表1.3的回归结果。财政补贴分析三类，即中央财政补贴、省财政补贴以及地方财政补贴。本文使用财政补贴三级补贴之和，数据来自于银保监会。排他性、相关性是工具变量需要遵循的重要原则。财政补贴直接影响农业保险发展的水平，但是不会直接农业发展的水平。从结果上来看，表1.5第(1)列显示，财政补贴对农业保险的影响在1%的显著水平下显著，其影响方向为正，这说明财政补贴与农业保险的发展高度相关。类似地，农业保险发展与自然灾害的交互项对其工具变量进行回归时，二者之间同样存在显著的相关性，这表明内生变量与工具变量之间满足相关性要求。此外，Cragg-Donald的Wald检验的F统计量为195.48，说明不存在“弱工具变量”的问题。关于排他性的检验步骤为：首先对基准模型进行回归并提取残差，然后用该残差与工具变量bt进行回归分析，其结果边表1.3第(3)列，发现工具变量与残差项不相关，因此该工具变量满足排他性要求。综上，工具变量bt满足相关性和排他性，是一个有效的工具变量。在确定工具变量后，在原有模型的基础上进行工具变量回归分析，其结果见表1.5第(4)列。可以发现，风险对于农业生产的影响同样显著为负，保险发展对农业发展的影响在1%的显著水平下显著，方向为正，其系数为0.217。交互项对于农业发展的影响在5%的显著水平下显著，方向为正，其系数为0.124。通过对比可以发现，基本上保持了基准回归、工具变量回归两者的一致性。表1.3工具变量回归估计结果因变量(1)(3)(3)(4)insurancerisk×insuranceeproductiongovernment0.937***0.169***-0.051insurance0.217***(28.630)(3.830)(0.069)(3.100)risk0.001risk-0.019**(0.060)(-2.160)risk×government0.960***risk×insurance0.124**(29.930)(1.980)控制变量YYYY个体固定效应YYYYr20.8490.87340.43270.4181Waldtestchi2=195.481.4动态差分GMM估计考虑到农业保险对农业经济的影响存在一定程度的滞后性，即当期缴纳的农业保险保费需要在未来风险事件发生的情形下才会其作用。同时考虑上一期农业生产对当期农业生产同样存在一定的影响作用，本文将农业发展指标以及农业保险发展指标的一阶滞后项加入模型当中，建立动态面板数据进行分析。在模型分析之前，首先对构建动态面板模型的合理性进行检验，通过Arellano-Bond检验发现，残差序列存在一阶自相关，但不存在二阶自相关，符合建立动态面板模型的要求。此外，Sargan检验均在1%的显著水平下接受“所有工具变量均有效”的原假设，也就是说过度识别的情况不会存在。在以上检验的基础上，使用差分GMM进行估计，其结果见表1.4。第(1)列模型为动态面板的基准模型，被解释变量为农林牧渔业总产值，两个核心解释变量分别为受灾面积、农业保险保费收入。第(2)列在基准模型的基础上将保费收入替换为赔付支出；第(3)列在基础模型的基础上将受灾面积替换为成灾面积；第(4)列则是将农林牧渔业总产值替换为第一产业占GDP的产值。通过结果对比可以发现，四种模型设定下的结论基本一致：农业生产的滞后一期对当期的影响在1%的显著水平下显著且方向为正。当期农业保险的发展水平对当期农业生产的影响显著为负。相比之下，保费收入的滞后一期对当期农业生产的影响显著为正，系数在0.339至0.589之间。自然灾害对于农业生产的影响在动态面板模型的设定下同样显著为负，自然灾害与保险交互项对农业生产的影响也较为显著(除第(3)列)。综上可以得出，动态面板模型下自然风险是影响农业生产的关键因素农业保险对于农业生产具有显著的正向影响。此外，自然灾害与保险的交互项显著为正，这说明随着风险不断增加，农业保险对于农业生产的保障作用不断增加。表1.4动态回归估计结果变量(1)(2)(3)(4)l.production0.548***0.369***0.511***0.524***(10.200)(9.770)(8.520)(12.290)insurance0.0220.243***0.0250.076(0.620)(10.920)(1.150)(1.440)l.insurance0.553***0.339***0.589***0.502**(9.340)(7.050)(9.360)(5.680)risk-0.056*-0.012*-0.016**-0.039**(-1.840)(-1.510)(-1.540)(-2.360)risk×insurance0.092***0.058**0.045