我国农村水利灌溉设施投资的绩效分析.docx
《我国农村水利灌溉设施投资的绩效分析.docx》由会员分享，可在线阅读，更多相关《我国农村水利灌溉设施投资的绩效分析.docx（22页珍藏版）》请在冰点文库上搜索。
我国农村水利灌溉设施投资的绩效分析
我国农村水利灌溉设施投资的绩效分析*
——以亩均农业收入的影响为例
马林靖1,2张林秀2
（1南京农业大学经济管理学院南京，210095，
2中国科学院地理科学与资源研究所农业政策研究中心北京，100101;）
摘要：
灌溉在农业生产中发挥着至关重要的作用，而中国今后的农业生产潜力开发在很大程度上也依赖于灌溉设施的完善和灌溉条件的提高。
随着国家逐渐重视对农村公共产品的投资，我们关注的也不仅仅限于灌溉设施投资的数量，还应包括投资的质量和绩效。
然而，目前国内对灌溉项目投资的定量研究十分少见，特别是对绩效、质量等方面的研究。
本文使用2003年大样本调查获得的六个样本省份2459个村的面板数据，采用倍差分析（Difference-in-Difference）的实证研究方法对农村灌溉投资是否增加亩均农业收入的效果进行了评价。
描述统计的评估结果表明，灌溉项目投资对项目村的亩均农业收入具有一定正向影响。
通过进一步结合模型检验，证明结果是显著的，但是灌溉项目村所占比例只有不到总体的三分之一。
因此，有关部门仍然需要大力关注农村基层的水利投资，从而进一步推动和提高农民的生活水平和收入。
关键词：
灌溉投资；农民收入；农村发展
一、引言
生命来源于水，水也是农作物生长与存活的基础。
中国有句古话，“善治国者必先治水”，从五千年前大禹治水的传说开始，水利的发展就伴随着各朝各代帝王将相的兴衰而起伏。
在今天，中国以人均耕地面积占世界人均的1/4，养活了占全世界1/5的人口，灌溉发挥了不可或缺的重要作用。
“十五”期间，国家在农村公路建设和农业灌溉设施上分别投资4170亿元和180亿元（中国农业信息网）。
2006年的中央一号文件中又明确提出，“十一五”期间国家基础设施建设的重心在于农村，继续加大对农村基础设施建设的支持力度。
国家发展和改革委员会最近发布的《2006年政府支农投资指南》显示，今年全口径农村建设方面的中央投资达500多亿元，占当年中央投资的45％以上。
如何有效利用这些资源，为老百姓提供优质的公共设施和服务，是社会主义新农村建设过程中各级政府和组织面临的一个现实问题。
无疑，提供优质足量的农村公共物品是实现生产发展、缩小城乡差距，实现城乡统筹发展的重要环节。
特别是对于保障农业生产具有特殊意义的农村灌溉设施投资来说，只有确保投资的数量，才能保证农业生产的顺利进行和灾害防治。
当然，除了要求一定的数量外，更重要的是还必须关注投资的效果。
为此，本文将针对农村基层的灌溉设施建设重点探讨灌溉投资的绩效。
由于灌溉对生产发展的重要性，很多学者也对灌溉问题进行过研究。
但以往研究由于数据资料的限制，大多集中在宏观层面，重点对灌溉面积变化、宏观层面的灌溉投资变化以及投资回报进行研究。
却很少对基层一线的情况比如基层的灌溉条件和灌溉投资等进行了解，更不用说对基层灌溉项目的效果进行评估。
因此，本文使用2459个村的一手村级调查数据，实证研究了灌溉投资对亩均农业收入的影响，试图通过回答上述问题，为今后进一步改善农业生产条件提供决策参考。
本文共分为五个部分，第二部分是实证数据和研究方法的介绍；第三部分是样本数据的描述统计分析；第四部分是对调查结果的实证模型分析及结果探讨；第五部分总结本文的主要研究结果并提出政策建议。
二、数据来源与研究方法
（一）数据来源
本研究所用的数据资料来源于中国科学院农业政策研究中心在2003年的农村公共投资调查。
该调查使用村作为调查单元，在六个省中每个省选取6个县，选取县的方法是先将全省各个县根据人均工业总产值大小按降序排列，平均等分为三个组，每组随机选2个县。
在每个县也是随机抽取6个乡（镇），选取乡（镇）的方法和选取县的方法一样。
当我们的调查员到每一个乡（镇）后（总共6省×6县×6乡（镇），共计216个乡（镇）），就请当地乡（镇）政府领导通知每一个村派两个代表（一般是村主任和村会计）到乡（镇）来填写调查表。
平均下来每个乡（镇）有11个村。
每个乡（镇）被调查村庄的数目最少为2个，最多为29个。
由于在不同的样本乡（镇）有不同数目的村，因此不同样本省样本村的数量不全一样（见表2）。
比如，江苏和河北样本村数分别占总样本村数的18.6%和23.3%，而其他省的样本村数目占总样本村数的比例在13.3%和15.0%之间，这样江苏和河北相对来说就有更多的样本村。
（二）工程项目影响评价方法
在项目评估中，一般关心项目实施对项目参与者的影响（ATET：
AverageTreatmentEffectontheTreated）。
本研究将运用目前在项目评估和政策分析中运用非常广泛的倍差法Difference-in-Differences（后面简称DID）来评估灌溉项目的工程效果。
假设T
表示项目实施时期，T=1表示项目实施后，T=0表示项目实施前；Di
表示个体i实际参与项目的情况，Di=1表示个体i实际参与了项目，Di=0表示个体i实际没有参与项目，在项目实施前，所有个体都没有参加项目，此后有一部分个体参与了项目；Y1i表示个体I在项目实施后能被观察到的收入水平，Y1i*表示个体i在项目实施后不能被观察到的收入水平（比如实际参与项目个体如果不参与项目情况下的收入；或者非参与项目个体假如参加项目情况下的收入），Y0i表示个体i在项目实施前能被观察到的收入水平；再假设Z是一组与项目实施没有关系的特征。
这样，ATET即是项目的实际参与者在参与项目情况下的收入E（Y1i|Di=1）与他们如果不参与项目情况下的收入E（Y1i*|Di=1）之差：
ATET=E（Y1i|Di=1）–E（Y1i*|Di=1）=E（（Y1i-Y1i*）|Di=1）
（1）
从理论上讲存在项目的实际参与者如果不参与项目的收入E（Y1i*|Di=1），但客观上不存在这样的事实，即我们观察不到项目实际参与者如果不参与项目的收入。
事实上，我们只能观察到项目实际参与者参与项目情况下的收入E（Y1i|Di=1）和项目非参与者没有参与项目的收入E（Y1i|Di=0），这两者之差：
ATD=E（Y1i|Di=1）–E（Y1i|Di=0）
=（E（Y1i|Di=1）–E（Y1i*|Di=1））+E（Y1i*|Di=1）–E（Y1i|Di=0）
=ATET+（E（Y1i*|Di=1）–E（Y1i|Di=0））
（2）
从公式
（2）我们可以看出，ATD与ATET相等的必要条件是实际参与项目者如果不参与项目的收入和项目非参与者没有参与项目的收入相等，即：
E（Y1i*|Di=1）=E（Y1i|Di=0）（3）
上述假设对数据有非常高的要求：
如果项目的参与是随机确定的，或者数据来自“自然”试验，这一条件才能被满足。
对于非自然试验数据，用ATD估计ATET在通常情况下是有选择偏误的，因为参与可能是自选择的结果，它受一系列因素的决定。
对于非自然试验数据，在“同趋势”假设下可以用倍差法（DID：
DifferenceinDifferences）来估计ATET。
这一方法要求数据来自对所研究总体至少两个时期的随机抽样数据，这样我们可以观察到参与项目个体项目实施前的收入E（Y0i|Di=1）和项目实施后的收入E（Y1i|Di=1），非参与项目个体项目实施前的收入E（Y0i|Di=0）和项目实施后的收入E（Y1i|Di=0）。
假设影响项目参与的因素Z都是可观测的，X是不可观测的，并且是不随时间变化的。
“同趋势”假设参与项目组个体与非参与项目组个体的收入差异完全可以由Z和X来解释，即在控制这些因素和特征的情况下，个体没有参与项目时的收入与参与项目相互独立：
（4）
也就是，在控制Z和X的变化（X不随时间变化）的情况下，项目参与者的收入变化与参与项目相互独立。
（5）
即：
E（（Y1i*-Y0i）|ΔZ,Di=1）=E（（Y1i-Y0i）|ΔZ,Di=0）（6）
也就是如果没有项目的实施，项目实际参与个体项目实施前后的收入变化与项目非参与者项目实施前后的收入变化相等。
与假设（3）假设实际参与项目者如果不参与项目的收入和项目非参与者没有参与项目的收入相等，假设（6）允许两组个体收入的初值存在差异，只要求项目实施前后的收入变化趋势相同，并且允许影响参与项目组个体与非参与项目组个体的收入差异的因素还可以有不可观测的随时间不变的因素。
因此，总体上，假设（6）更接近现实。
（三）估计方法
由于本研究使用的调查数据是1997年和2002年两年期村级数据的一个综列数据集（paneldata）。
因此，研究中我们将使用DID方法来估计工程的效应。
上述DID估计量的具体估计方法有2*2方格分析法，混合截面数据模型估计（OLS和一阶差分），非观测效应综列数据模型估计（固定效应、一阶差分和随机效应）。
本研究将用2*2方格分析和综列数据模型来估计工程效应。
其中，2*2方格估计法的是使用1998—2002年实施了灌溉项目的村与没有灌溉项目的村人均农业纯收入平均值计算，原理如表1、图1所示：
在表1中，A-B是项目户参与项目后所获得的收入增量，而C-D是非项目户在项目前后的收入差异，那么d所代表的结果就是剔除一般的收入差异后，完全由项目产生的对收入产生的作用，以此来衡量项目的效果。
也可以通过图1来直观的看出：
AB直线是由项目户在两个时期不同的收入点联结而成的直线，CD是非项目户在两个时期不同的收入点联结而成的直线，现在我们想要看到项目的效果，就把直线CD平移至BD,而AE这一段就是表1中的d了。
事实上，2*2方格法得出的结果是没有经过检验的，因此我们才要在后面的模型中来通过系数检验确定其是否显著。
模型设定见第四部分。
表12*2方格倍差分析法
项目之后
项目之前
之后－之前
项目户
A
B
A-B
非项目户
C
D
C-D
d=（A-B）-（C-D）
图12*2方格倍差分析法图示
t0之前
三、数据的描述统计分析
在本文的这部分我们将使用实证数据来对灌溉项目的效果进行描述评估。
在上述第二部分我们已经介绍了数据来源和样本村的分布情况。
另外，我们发现，在全国2459个村中，有投资发生的村只有783个，占全部村的31.84%，也就是说五年间全国有七成的村子没有发生过任何有关灌溉或排水项目的投资。
从分省的情况看，江苏和河北的样本村中实施了灌溉项目的村子比例同时也比其他省份要高不少，比例分别为44.64%和47.12%。
而灌溉项目村的比例低于平均比例31.84%的省份由少到多依次是吉林（15.53%）、甘肃（15.55%）和陕西（22.49%）。
表21998—2003年样本村及项目村在各省分布
省份
被调查村数（个）
实施灌溉项目村数（个）
未实施灌溉项目村数（个）
有灌排项目村所占比例（%）
江苏
457
204
253
44.64
甘肃
328
51
277
15.55
四川
365
118
247
32.33
陕西
369
83
286
22.49
吉林
367
57
310
15.53
河北
573
270
303
47.12
合计/平均
2459
783
1676
31.84
数据来源：
作者调查（2003年）
关于样本村投资的各项具体情况请参见张林秀等（2005）。
表3A、B是样本村主要变量的描述统计分析。
1997年和2002年的对比情况有了这样一些变化；农民的纯收入、亩均农业收入、人口等都增加了，耕地、播种面积、灌溉面积、水泥路到村委会的距离等则在减少。
表4描述的是项目村和非项目村的特征统计量，以此来判断他们之间是否存在系统性异。
从该表可以看出项目村和非项目村很多变量的统计检验存在明显的差异，包括人均纯收入、亩均农业收入、总人口、灌溉面积、山地面积、村委会到乡镇政府的距离等12项。
对灌溉的投资绩效进行评价的指标，我们选择的是剔除物价指数的农民每亩农业收入来衡量灌溉效果。
亩均农业收入是每亩单位面积上的农业总收入（即村农业总收入/村总的播种面积），并且剔除了当年各地区的物价指数。
这是因为和人均农业收入相比，使用每亩的概念不受劳动力变化的影响，可以固定的衡量土地资源的产出，更为科学合理。
对灌溉的投资绩效进行评价的指标，我们选择的是剔除物价指数的农民每亩农业收入来衡量灌溉效果。
亩均农业收入是每亩单位面积上的农业总收入（即村农业总收入/村总的播种面积），并且剔除了当年各地区的物价指数。
这是因为和人均农业收入相比，使用每亩的概念不受劳动力变化的影响，可以固定的衡量土地资源的产出，更为科学合理。
表5是关于灌溉项目影响的分析。
我们使用有效耕地灌溉率（可灌溉面积比该村的总耕地面积）和亩均农业收入来衡量。
影响就分别是“有效耕地灌溉率”为3.1%；“亩均农业收入”的项目效果是每亩12.5元。
如果看的更直观一些，我们就以“亩均农业收入”为例，用方格法表示出来。
表3A1997年样本村主要变量的描述统计分析（剔除物价指数）
变量
观测值个数
均值
标准误
最小值
最大值
人均纯收入（元）
2459
1412.50
961.50
76.05
7866.27
亩均农业收入（元）
2457
468.57
82.67
0
962.90
总户数（户）
2459
382.98
321.86
4
2850
总人口（人）
2459
1431.16
1074.33
76
8700
完全务农人数（人）
2459
232.12
210.48
0
2500
完全不务农人数（人）
2459
23.34
54.65
0
1000
自营工商业户数（户）
2459
16.75
36.43
0
550
相隔最远的村民小组距离（公里）
2459
2.51
3.18
0
44
总耕地面积（亩）
2457
2574.32
2442.12
0
31905
有效灌溉面积（亩）
2457
1100.18
1721.05
0
12896
总播种面积（亩）
2457
1838.74
1818.47
0
15952.5
粮食作物播种面积（亩）
2457
1292.88
1208.59
0
12762
高中以上学历人数（人）
2459
75.00
135.27
0
2023
山地面积（亩）
2459
24.64
29.45
0
100
平地面积（亩）
2459
55.39
38.67
0
100
最近的柏油路/水泥路到村委会的距离（公里）
2453
6.60
13.76
0
248
村委会到乡镇政府距离（公里）
2457
5.48
5.86
0
100
数据来源：
作者调查（2003年）
表3B2002年样本村主要变量的描述统计分析（剔除物价指数）
变量
观测值个数
均值
标准误
最小值
最大值
人均纯收入（元）
2459
1845.14
1183.33
100.30
9475.81
亩均农业收入（元）
2457
498.19
71.79
192.60
946.17
总户数（户）
2459
392.44
322.72
19
2540
总人口（人）
2459
1436.06
1075.70
62
8650
完全务农人数（人）
2459
199.14
188.63
0
2470
完全不务农人数（人）
2459
34.75
68.31
0
1250
自营工商业户数（户）
2459
24.76
50.03
0
700
相隔最远的村民小组距离（公里）
2459
2.63
3.30
0
44
总耕地面积（亩）
2457
2409.64
2469.37
0
35910
有效灌溉面积（亩）
2457
1102.25
1719.11
0
12930
总播种面积（亩）
2457
1760.34
1845.21
0
17955
粮食作物播种面积（亩）
2457
1191.22
1183.77
0
14364
高中以上学历人数（人）
2459
100.23
167.85
0
2500
山地面积（亩）
2459
23.57
28.98
0
100
平地面积（亩）
2459
55.95
38.57
0
100
最近的柏油路/水泥路到村委会的距离（公里）
2455
4.76
11.74
0
248
村委会到乡镇政府距离（公里）
2459
5.66
6.00
0
100
数据来源：
作者调查（2003年）
注释：
当观测值个数小于2459时是因为个别数据缺失。
表4项目村与非项目村的特征变量与检验
变量
（1）项目村
（2）非项目村
（3）t检验值
人均纯收入（元）
2158.12
1699.48
-9.10***
（44.68）
（27.41）
亩均农业收入（元）
570.24
464.74
-46.45**
（2.33）
（1.11）
总户数（户）
433.69
373.25
-4.34***
（12.45）
（7.53）
总人口（人）
1582.71
1367.80
-4.63***
（42.48）
（24.73）
完全务农人数（人）
197.49
199.90
0.29
（7.19）
（4.46）
完全不务农人数（人）
39.84
32.38
-2.52**
（2.39）
（1.68）
自营工商业户数（户）
30.49
22.09
-3.89***
（2.10）
（1.10）
相隔最远的村民小组距离（公里）
1.98
2.94
6.75***
（0.08）
（0.09）
总耕地面积（亩）
2299.98
2460.68
1.50
（82.60）
（62.00）
有效灌溉面积（亩）
1461.32
935.13
-7.14***
（65.75）
（39.91）
总播种面积（亩）
3668.92
3451.67
-1.36
（132.93）
（89.79）
粮食作物播种面积
2428.23
2361.11
-0.65
（84.82）
（57.77）
高中以上学历人数
116.48
92.67
-3.28***
（5.82）
（4.14）
山地面积
15.47
27.34
9.63***
（0.87）
（0.74）
最近的柏油路/水泥路到村委会的距离（公里）
2.17
5.98
7.57***
（0.20）
（0.33）
村委会到乡镇政府距离（公里）
4.60
6.15
5.98***
（0.18）
（0.16）
样本量
781
1678
数据来源：
作者调查（2003年）
注:
（1）和
（2）为平均值，括号内为标准差，*表示10%水平显著，**表示5%水平显著，***表示1%水平显著。
表51997年和2002年耕地灌溉率和亩均农业收入
非项目村
项目村
1997年
2002年
1997年
2002年
项目效果
有效耕地灌溉率（%）
35.3
37.0
59.2
64.0
3.1
亩均农业收入（元）
439.1
464.7
532.1
570.2
12.5
数据来源：
作者调查（2003年）
表6就是2*2方格法计算的项目效果—亩均农业收入为例的比较。
得出的结果是项目村的每亩农业收入比非项目村多12.5元。
这至少可以证明的是有灌溉项目的村确实比没有项目的村在收入上有一些的效果，虽然这个数字并不是很大。
但可以印证的是灌溉投资的结果对农业收入确实有正的影响。
现在我们需要做的是通过模型的检验来证实这一点，如果系数显著，那么就说明这个结果是可以信服的。
表61997—2003年灌溉项目村与非项目村的项目效果比较（2*2方格法）
项目之后
项目之前
之后－之前
项目村
570.2
532.1
38.1
非项目村
464.7
439.1
25.6
12.5
数据来源：
作者调查（2003年）
四、实证计量经济模型分析
从以上的讨论，我们界定灌溉投资项目对亩均农业收入影响分析的实证模型如下：
Yit=a0+aXit+b1*t+b2*mit+cmi1+uit（7）
其中，i代表是否在1998—2002年中进行了灌溉和排水的投资项目，i=0表示该村在此区间内没有灌溉项目，而i=1表示有灌溉排水项目；t表示时期，灌溉项目实施前和实施后（t=0,1）；Yit表示样本村在两个时期的亩均农业收入；变量Xit表示一组影响村人均收入的村特征变量，包括样本村在1997年和2002年两个时期的村总人口、相隔最远的两个村民小组的距离、自营工商业户数比例、有电话户数比例、务农劳动力人数比例、高中以上人数在村中比例、粮食作物播种面积比例、25度以上坡耕地面积比例、村委会到乡镇政府的距离、是否有柏油路经过该村、最近的柏油路到村委会的距离、村民最常用交通工具到乡镇政府的时间、水土流失程度等；mi1是一个交叉虚变量，表示时期与该村是否项目村的乘积（t*mit），而其系数c就是我们最关注的DID估计量;a0是常数项；uit随即扰动项。
我们采用固定效应模型作为估计上述非观测效应模型的方法。
（1）单因素分析
影响因变量亩均农业收入的因素分析如下：
A．村基本特征
是否有灌溉项目：
这是本模型中最关注的二元虚变量，如果统计显著，证明灌溉项目对每亩土地上的农业收入有影响。
村总人口数：
村总人口数反映了村特征之一的村规模大小。
可以衡量村子规模大小和亩均收入之间的关系。
一般而言，投资更多发生在规模较大的村。
相隔最远的两个村民小组的距离：
反映了村民之间居住的分散程度，此处我们假定居住的越分散也越不利于投资的发生和作用，和亩均收入关系是负向作用的。
有电话户数比例：
反映一个村自身的发展程度和与外界的沟通情况。
对因变量的影响也不能确定：
电话户数比例的沟通能力对农业生产可能是有积极影响的，因为与外界的联系对农户比如生产资料（种子）采购、销售等都有帮助；当然，这也对农民的非农就业提供更多信息和机会。
B．村土地情况
25度以上坡耕地面积比例：
按照分类，村土地的类型可以分为很多种，比如灌溉地和非灌溉地、平地和坡地等。
因为前面已经有了“是否有灌溉项目”，为避免使用灌溉地的分类造成多重共线性，我们就使用平地与坡地的分类。
用25度以上坡耕地占全部耕地面积的比例来反映村土地特征是否有利于进行农业耕作、利于投资项目的发生。
坡地面积比例越大，则越会对投资和农业收入带来负向影响。
因为灌溉需要在平原地形，很少能在梯田或山地进行。
粮食作物播种面积比例：
在耕地上进行农作物播种包括粮食作物、经济作物和其他作物三类。
相比于经济作物，粮食作物对灌溉的要求不高，但经济效益也低。
因此，在考虑亩均农业收入的时候，播种作物的种类也是影响因素之一。
因此，这里我们认为粮食作物的播种面积比例越大，亩均收入越少。
水土流失程度：
反映了村土地的质量如何。
如果
升级会员 