高标准农田建设对农业气象灾害防御的影响与机制.pdf

中 国 农 业 气 象 第 47 卷 34 中国农业气象 Chinese Journal of Agrometeorology 2026 年 doi 10 3969 j issn 1000 6362 2026 01 004 田红宇 曹云楚 孟娜娜 高标准农田建设对农业气象灾害防御的影响与机制 J 中国农业气象 2026 47 1 34 47 高标准农田建设对农业气象灾害防御的影响与机制 田红宇 曹云楚 孟娜娜 三峡大学经济与管理学院 宜昌 443002 摘要 利用自然社会交互耦合视角 构建 气象环境 耕地质量 主体响应 防灾减损 的理论框架 基于 2004 2022 年中国省级层面高标准农田建设及农业气象灾害数据 运用连续型双重差分模型 系统分析农业 气象灾害中高标准农田建设的防灾减损效应及机制 结果表明 1 高标准农田建设显著且持续提升了农业 气象灾害防御能力 对农业气象灾害冲击具有明显的防灾减损效应 新增高标准农田建设面积大的 5 3 万 hm 2 实验组 其农业气象灾害成灾率显著下降了 12 7 个百分点 因灾粮食损失降低了 16 5 经平行趋 势和稳健性检验后结果可信 2 在灾害类型 建后管护水平和区域农业功能定位三个维度上高标准农田建 设的防灾减损效应均可发挥积极的作用 其中对农业抵御旱灾的能力最为显著 在高标准农田管护水平高的 区域防灾减损效应更为突出 在粮食主产省份的防灾减损效果较主销区更为明显 3 带动农业保险和灾害 监测预警能力提升 促进农业社会化服务和设施农业发展 是高标准农田建设助力农业防灾减损的重要途径 为此 在加快推进新一轮高标准农田建设时 坚持差异化阶段推进原则 探索 建管用养 一体化发展的长 效机制 引导高标准农田的使用方式向现代化集约化转型 可为农业强国建设提供根本支撑 关键词 高标准农田建设 农业气象灾害 防灾减损效应 Impact and Mechanism of High standard Farmland Construction on Agricultural Meteorological Disaster Prevention TIAN Hong yu CAO Yun chu MENG Na na School of Economics and Management China Three Gorges University Yichang 443002 China Abstract From the perspective of nature society interaction this paper constructed a theoretical framework of meteorological environment land quality household response disaster prevention and loss reduction Then based on the provincial panel data of China from 2004 to 2022 this paper employed a staggered difference in differences DID model to analyze the effects and mechanisms of high standard farmland construction on disaster prevention and mitigation in the context of agricultural meteorological disasters The results showed that 1 high standard farmland construction significantly and sustainably enhanced the resilience of agriculture to meteorological disasters exhibiting remarkable disaster prevention and mitigation effects Specifically the construction of high standard farmland had reduced the disaster incidence by 12 7 percentage points and crop loss by 16 5 in treatment regions 2 While these effects were positive across different types of disasters levels of post construction management and agricultural functional areas the impact was most significant in drought prevention 3 The disaster prevention and loss reduction effect of high standard farmland construction was primarily achieved through improving agricultural insurance disaster monitoring capabilities agricultural socialized services and the development of facility agriculture Therefore in advancing the new round of high standard farmland construction it is crucial to adopt a 收稿日期 2025 05 09 基金项目 国家社会科学基金一般项目 22BMZ011 第一作者联系方式 田红宇 副教授 主要从事土地政策与农业资源环境的研究 E mail 309459385 第 1 期 田红宇等 高标准农田建设对农业气象灾害防御的影响与机制 35 phased and differentiated approach establish a long term mechanism that integrates construction management and maintenance and guide the shift in its utilization towards modernization and intensification These measures will provide fundamental support for building a strong agricultural sector Key words High standard farmland construction Agricultural meteorological disasters Disaster prevention and loss reduction effects 全球极端气候事件发生频率与致灾强度显著上 升 给农业系统韧性和粮食安全带来了严峻挑战 联 合国粮食与农业组织 FA O 数据显示 1992 2021 年 全球农业气象灾害强度和复杂性显著上升 造成农 业损失高达 3 8 万亿美元 占全球农业总产值 5 以上 1 中国是受农业气象灾害冲击最严重的国家 之一 2 农作物受灾面积年均高达 3900 万 hm 2 农 业直接经济损失年均高达 1500 亿元 严重威胁粮食 安全和农业韧性 提升农业的气象灾害防御能力 已成为建设农业强国最紧迫的任务 传统农业气象灾害防御多聚焦于气象因子监测 预警和防灾工程建设 相对忽视了农业生产系统自 身的结构性抗逆能力建设 其中耕地资源禀赋和质 量最为关键 3 灾害系统理论强调 气象灾害致灾程 度是致灾因子强度 孕灾环境暴露度与承灾体脆弱 性交互作用的结果 4 耕地作为农业生产的基础载 体 其质量水平直接影响孕灾环境暴露度和承灾体 脆弱性 但以耕地质量提升为核心的高标准农田建 设对农业产业的气象灾害防御能力的提升机制 及 其深层次的防灾减损路径还未见报道 气象灾害因破坏性强且造成农业损失大而广受 关注 研究表明 人类活动和气象因子周期性波动 引致气温上升 是导致干旱 洪涝灾害频发的主要 诱因 5 6 随着气候变化加剧 气象灾害呈季节性 区域性多发趋势 1 因农业的自然再生产特性 其受 气象灾害冲击最为显著 7 给农业生产条件造成灾难 性破坏 8 往往引致农作物减产 市场失衡及粮食安 全风险 7 既有文献从灾害治理视角提出包括气象监 测预警 9 农业保险 10 水利工程 11 等传统减灾路径 强调通过降低孕灾环境暴露度与承灾体脆弱性增强 系统韧性 12 作为农业生产的核心要素 耕地保护 制度 13 与土地利用优化 4 的防灾效能已获学界共识 2011 年 国家农业综合开发高标准农田建设规划 的实施 推动学界系统性关注高标准农田的多维效 应 值得注意的是 尽管高标准农田建设已被证实 具有 增产 增收 降本 14 20 以及 提质 增效 降污 21 24 效能 但其在防灾减损中的核心作用仍 缺乏系统性研究 仅彭继权等 25 初步揭示了其对农 田受灾程度的影响机制 亟待深化其防灾机理的理 论阐释 高标准农田建设作为改善耕地质量的战略举 措 旨在从水利 土地 道路 林业和科技五个内 容上对耕地进行全方位综合治理 13 其通过三大核 心路径直接重构农业防灾减损体系 其一 农田综 合整治工程通过土地平整 土壤改良使耕地质量提 升 1 2 个等级 17 显著降低孕灾环境敏感性 其二 水利配套设施建设形成灌排协同系统 增强耕地对 水旱 风雹等极端事件的抗逆性 其三 科技赋能 体系依托测土配方施肥 防灾技术指导等 构建起 监测 预警 响应 的闭环防御机制 26 在优化经营 主体方面 高标准农田建设通过多维协同机制系统 性提升农业防灾减损效能 其一 在金融风险分散 维度 依托耕地资产价值提升与政策激励 破解农 业保险供给缺口与参保意愿困局 驱动保费覆盖率 与边际效益双增 27 28 其二 在灾害响应效率维度 构建多源监测网络 融合数字孪生技术实现预警精 度跃升 并通过宜机化改造压缩响应周期 最大化 止损窗口期效用 29 30 其三 在社会化服务赋能维 度 通过土地连片整治与灌排设施网络化 破除防 灾技术推广的空间约束 依托基础设施规模效应提 升统防统治等专业化服务的时空可达性 实现灾害 应对能力的帕累托改进 31 其四 在工程抗灾范式 维度 通过 空间重构 技术嵌入 双向驱动 优化 设施农业的光热调控能力 降低边际建设成本的同 时增强农作物承灾体稳定性 形成气候韧性驱动的 规模抗灾效应 32 农业气象灾害防御本质上是 自然 社会 系统 达成动态平衡过程中对农业韧性的重构 作为两大 系统交互的核心介质 耕地要素在调控孕灾环境暴 露度与承灾体脆弱性方面发挥着关键作用 然而 现有研究在系统揭示耕地质量提升如何通过重构农 业韧性 进而增强农业气象灾害防御能力的机制路 中 国 农 业 气 象 第 47 卷 36 径方面仍存在不足 为弥补该研究不足 本文基于 自然社会交互视角 构建 气象环境 耕地质量 主 体响应 防灾减损 分析框架 利用 2004 2022 年中 国 31 省份面板数据 采用连续型双重差分 DID 模型 系统考察高标准农田建设对提升农业气象灾 害防御能力的政策效应及机制 1 材料与方法 1 1 数据来源 高标准农田建设相关数据主要来源 中国财政 年鉴 但相关指标仅统计至 2017 年 2018 2022 年 数据根据农业农村部每年下达至各省市高标准农田 建设任务补齐 虽然该数据是每年年初根据建设规 划而分解下达的建设任务 与实际建设成效有一定 出入 但根据农业农村部高标准农田建设验收评价 来看 各省高标准农田建设任务落实率在 95 102 33 加总各省份高标准农田建设任务数据与农 业农村部公布的全国实际建成面积基本吻合 说明 数据具有可信性 农业气象灾害相关指标 成灾率 受灾 成灾 绝收面积 播种面积 旱灾 涝灾 风暴 灾和低温冻灾发生面积 粮食单产 种植结构 农 用机械总动力及农膜使用量源自 中国农村统计年 鉴 农业保险保费收入取自 中国保险年鉴 农 业气象自动观测站点数量及极端气候事件计算基础 数据 经国际标准方法处理 由国家气象信息中心 提供 财政支农强度数据综合 中国财政年鉴 及 省级财政决算 土地流转率依据农业农村部 中国 农村政策与改革统计年报 及省级数据 农村劳动 力人均受教育年限基于 中国人口和就业统计年鉴 和 中国农村统计年鉴 测算 考虑到中国粮食生 产经历 1998 2003 年连年减产 2004 年后各种农业 支持政策陆续出台 农业生产环境发生较大变化 数据来源为 2004 2022年除港澳台外中国大陆 31省 自治区 直辖市 的面板数据 1 2 研究方法 1 2 1 双重差分法 DID 为精准识别高标准农田建设对农业气象灾害防 御能力的净效应 采用基于鲁兵反事实框架的双重 差分法 DID 该方法可有效避免政策内生性而被 广泛运用 34 通过构建试验组与对照组在政策实施 前后结果的差异 剥离共同时间趋势与组别固定特 征影响 估计政策因果效应 相较于传统二值虚拟 分组 DID 连续型 DID 模型以 31 个省份实际新增建 设面积或资金投入强度作为连续处理变量 35 该模 型不仅未改变反事实研究范式 连续型分组变量还 可呈二值虚拟变量所不具备的分组多样性和变异性 能有效避免虚拟变量分组引起的估计偏误 2011 年全 国整体规范实施高标准农田建设政策 以 主产区 为重点 兼顾其他产区 为原则分区域分类推进 如此 不同时间上各省份高标准农田建设任务 内 容和建成面积均存在明显差距 为运用 DID 模型捕 捉政策效应提供了可能 24 it 0 1 i t it i t it YL a n d P o l i c y X 1 式中 i 为省份 取值范围为 1 31 t 为年份 取值范围为 2004 2022 年 Y 是结果变量 包括农 业气象灾害导致的农业成灾率 Disaster 和因灾损 失 Lost Land i 为 i 省当年新增高标准农田建设面 积 是连续型分组变量 Policy t 为政策时点变量 根 据 2011 年国家 十二五 规划首次明确高标准农田 建设的国家战略地位 选择 2011 年为基准参照年 当 t 2011 时赋值为 1 t 2011 赋值为 0 X为一组 控制变量 i t 分别为省份固定效应和年份固定效 应 it 为随机误差项 0 为常数项 为控制变量的 待估参数 1 为政策效应的待估参数 预期为负 1 2 2 事件研究法 事件研究法作为一种基于时间序列的实证分析 工具 其核心功能在于通过量化特定事件 高标准 农田建设 对结果变量 农业气象灾害的成灾率和 因灾损失 的动态影响 为双重差分模型 DID 的 平行趋势假设提供检验基础 假设政策干预实施前 试验组与对照组的结果变量应具有相同的变化趋 势 满足平行趋势假定是 DID 模型适用的前提 参 照已有文献普遍做法 25 采用事件研究法进行检验 选择政策前 3a 为检验期 模型为 it 0 2008 i 2008 2009 i 2009 2010 i 2010 2011 i 2011 2022 i 2022 1 it i t it Y Land Dum Land Dum LandDum LandDum LandDum X 2 式中 t Dum t 2008 2009 2010 2022 为事 件研究法下的虚拟政策时点变量 参考文献 25 26 做法 如 Dum 2008 是将 2008 年赋值为 1 其余年份 赋值为 0 构建年份虚拟变量 当 t 2011 时 2008 2010 表征将高标准农田建设政策前置到相应年 份政策效应的待估参数 如果 2008 2010 不显著 则 满足平行趋势假定 当 t 2011 时 2011 表征高标准第 1 期 田红宇等 高标准农田建设对农业气象灾害防御的影响与机制 37 农田建设政策真正实施年份政策效应的待估参数 预期显著为负 当 t 2011 时 2012 2022 表征高标 准农田建设政策后置到相应年份政策效应的待估参 数 旨在揭示政策效应的动态特征 预期显著为负 0 为常数项 1 为控制变量待估参数 1 2 3 机制检验模型 识别高标准农田建设提升农业气象灾害防御能 力的内在机制是本研究的关键目标之一 既有研究 在考察影响机制时多数采用三步法中介效应模型 江艇 36 指出由于存在模型联立和遗漏变量问题 三 步法中介效应模型识别到的作用机制是有偏的 建 议考察自变量对中介变量的影响效应以代替作用机 制检验 为克服上述内生性问题 更可靠地探索潜 在机制 采纳文献 36 建议 重点考察政策变量对机 制变量的直接影响效应 模型为 it 1 1 i t 1 it i t it Insurance Land Policy X 3 it 2 2 i t 2 it i t it Station Land Policy X 4 it 3 3 i t 3 it i t it Service Land Policy X 5 it 4 4 i t 4 it i t it Facility Land Policy X 6 式中 Insurance it Station it Service it Facility it 分别是农业保险 灾害监测预警能力 农业社会化 服务和设施农业四个中介机制变量 1 4 1 4 和 1 4 分别为对应模型中的常数项 政策效应待估参 数和控制变量待估参数 1 2 4 稳健性检验与异质性分析方法 为进一步提升政策效应识别可信性 需进行稳 健性检验 包括更换政策实施时点和随机生成实验 组和控制组的安慰剂检验 变更政策变量量化方式 和排除样本期内其他政策干扰的稳健性检验四种 更换政策实施时点是随机选择 2009年为高标准农田 建设的假定年份 并考察该年份的政策效应是否显 著来进行安慰剂检验 随机生成实验组和控制组是在 31 省份中随机选取实验组和控制组 重复估计 500 次 并绘制政策效应估计系数概率密度图 通过观察随 机试验所得到的政策效应估计值 统计分布特征等 来判定 变更政策变量量化方式的稳健性检验 是 由于高标准农田建设不仅体现在建成面积上 还包 括水利设施 农业科技 农田生态环境等面积指标 无法反映的内容 通过构建高标准农田建设项目资 金投入与政策实施时间虚拟变量的交互项 Invest i Policy t 重新量化政策变量 排除样本期内其 他政策干扰包括排除 2016年农业三项补贴政策改革 干扰 控制 2014 年农业灾害防治体系建设政策干扰 两种 前者是将 2016 年农业三项补贴政策改革实施 后的样本剔除重新估计 后者则是引入 2014 年的年 份虚拟变量 System t 并与原高标准农田建设政策 变量构建三重交互项来进行检验 异质性分析主要采用分组回归并对比组间政策 效应大小及显著性的方法 具体包括不同类型农业 气象灾害 旱灾 涝灾 风暴灾和低温冻灾 高标 准农田建后管护力度不同和不同粮食功能区三种分 组的异质性 不同类型农业气象灾害异质性 由于 不同类型灾害的因灾损失无法准确区分 只估计高 标准农田建设对四种不同农业气象灾害成灾率的政 策效应来进行对比分析 高标准农田建后管护力度 不同异质性 手动查阅并收集了各省是否出台规范 性管护政策 是否追加管护资金投入情况 将未出 台规范性管护政策和未追加管护资金的划归为管护 力度小的样本 其余划归管护力度大的样本 然后 分组对比分析 不同粮食功能区异质性 依据 国 家粮食安全中长期规划纲要 2023年修订 等标准 将黑龙江 吉林等 13 省 自治区 划归粮食主产区 山西 新疆等 11 省 自治区 划归产销平衡区 其 余北京 上海等 7 省 市 划归为粮食主销区 然 后分组回归并对比分析 1 3 变量说明 1 3 1 结果变量 从灾害影响程度与粮食损失规模两个维度考察 高标准农田建设对农业防御气象灾害能力的影响 结果变量 Y 包含农业成灾率和因灾损失两类 成灾 率 Disaster 无量纲 采用国家灾害统计标准口径 以成灾面积占农作物总播种面积的比例作为核心指 标 取值为 0 1 该指标综合反映灾害导致的实质 性减产程度 较受灾面积更能体现农田抗逆能力差 异 因灾损失 Lost kg hm 2 农业气象灾害损失 统计数据尚未形成统一的测算方法 考虑国家明确 高标准农田的使用优先序 即要优先用于粮食生产 为保证数据的统一性和可比性 从粮食损失视角测 算因灾损失 依 2024 年民政部制定的 自然灾害情 况统计调查制度 中农业灾害分类标准 用各省的 中 国 农 业 气 象 第 47 卷 38 受灾率的 10 成灾率的 30 绝收率的 80 之和 与粮食单产做乘积 计算粮食因灾损失 kg hm 2 1 3 2 政策变量 采用双重差分法 DID 识别高标准农田建设的 减灾效应 政策变量构建遵循 政策强度 时间维度 的交互逻辑 利用 2011 年高标准农田建设在全国整体 规范推进的时间虚拟变量和 31个省份每年新增高标准 农田建设面积交互项 Land i Policy t 表示 此外 考 虑建设面积指标无法全面反映高标准农田建设中水利 设施 农业科技 农林生态等 构建高标准农田建设 资金投入与政策时间虚拟变量交互项 Invest i Policy t 进行稳健性检验 其中各省份每年新增高标准农田建 设面积 Land i 10 6 hm 2 和建设资金投入 Invest i 10 4 元 hm 2 数据 来源于 中国财政年鉴 1 3 3 机制变量 农业保险 Insurance 10 9 元 农业保险是农业 防灾减损的重要金融手段 利用 31 个省份农业保险 收入表示 灾害监测预警能力 Station 个 hm 2 农业气象数据的观测与分析是进行灾害监测预警的 前提 考虑到各省面积差异 从覆盖密度维度出发 用单位耕地面积中农业气象自动观测站点数量表 征 农业社会化服务 Service 无量纲 农业社会 化服务反映的是农业生产各环节农事内容的专业化 服务水平 参照孙中义等 37 研究 从农资 农业机 械 农业信息化和灾害防治服务 4个维度综合测度 先对各子指标原始数据进行归一化处理 后基于熵 值法对各维度力表示 设施农业 Facility 10 4 t 用农用塑料薄膜使用量表示 1 3 4 机制变量 农业机械化 Machine 10 4 kW 农业机械是应 对气象灾害时的重要工具 用各省份农机总动力使 用量表示 土地流转 Transfer 无量纲 用各省份 流转耕地面积与承包经营面积比值表示 财政支农 Finance 无量纲 财政支持是应对农业气象灾害 和灾后恢复的兜底支撑 用各省份财政支农支出与 财政总支出的比值表示 极端天气发生率 Weather 无量纲 极端天气是关键致灾因子 用各省份全年 极端天气发生天数的占比表示 劳动力素质 Educate a 教育水平会影响农业气象灾害应对能 力 用各省份农村劳动力人均受教育年数表示 农 业种植结构 Structure 无量纲 用各省份粮食播 种面积与农作物总播种面积的比值表示 上述含结果变量 机制变量 控制变量等在内的 13 个变量 2004 2022 年描述性统计结果如表 1所示 表 1 本文相关变量 2004 2022 年的描述性统计结果 n 589 Table 1 Descriptive statistics results of the relevant variables from 2004 to 2022 in this study n 589 2011年前 Before 2011 2011年后 After 2011 变量 Va r i a b l e 均值 Mean 标准差 SD 均值 Mean 标准差 SD 组间差值 Inter group difference 成灾率Disaster 0 138 0 094 0 063 0 059 0 075 结果变量Outcome variable 因灾损失 kg hm 2 Lost kg ha 1 412 502 263 362 209 295 191 637 203 206 政策变量 Policy variable 高标准农田建设面积 10 6 hm 2 Land 10 6 ha 0 795 0 453 1 339 1 334 0 544 灾害监测预警能力 个 hm 2 Station Nr ha 1 0 694 1 416 1 347 4 042 0 653 农业保险 10 9 元 Insurance 10 9 yuan 2 059 3 573 17 457 16 984 15 397 农业社会化服务Service 1 056 0 735 1 502 0 966 0 446 机制变量 Mechanism variable 设施农业 Facility 10 4 t 1 715 2 646 2 752 3 933 1 037 农业机械化 Machine 10 4 kW 72 444 92 432 97 613 111 961 25 169 土地流转Transfer 0 136 0 128 0 393 0 198 0 257 财政支农Finance 0 091 0 032 0 116 0 034 0 025 极端天气发生率Weather 0 200 0 037 0 248 0 045 0 048 劳动力素质 a Educate y 8 271 1 092 9 286 1 086 1 015 控制变量 Control variable 农业种植结构Structure 0 671 0 127 0 643 0 138 0 028 注 分别表示通过 0 01 0 05 0 10 水平的显著性检验 下同 Note is P 0 01 is P 0 05 is P 0 10 SD is standard dcviation The same as below 第 1 期 田红宇等 高标准农田建设对农业气象灾害防御的影响与机制 39 由表可知 2011 年高标准农田建设在全国整体规范 推进前后分组来看 本文主要变量表现显著的阶段 性差异 农业气象灾害成灾率和因灾损失 2011 年后 出现了显著下降 下降幅度近 50 高标准农田建 设则实现了倍增 2 结果与分析 2 1 双重差分模型的估计结果 为验证控制变量对核心政策效应估计的干扰 表 2 为未添加控制变量与添加控制变量高标准农田 建设对农业气象灾害的影响估计结果 由表可知 无论是否添加控制变量 在农业气象灾害的成灾率 和因灾损失上 高标准农田建设的政策效应估计系 数均显著为负 至少在 0 05 水平上显著 且不考虑 控制变量的估计系数绝对值明显要大 表明其他因 素会影响政策效应强度 有必要控制其他因素 否 则会高估高标准农田建设的农业防灾减损效应 从 添加控制变量结果看 高标准农田建设对农业气象 灾害成灾率和因灾损失的政策效应系数分别为 0 008 和 34 593 借鉴郭沛等 38 的做法 将双重差 分模型估计的政策效应估计值除以结果变量的样本 均值以体现其相对效应 结果显示 与控制组相比 高标准农田建设使试验组农业气象灾害成灾率下降 12 7 个百分点 0 008 0 063 每公顷因灾粮食损失 减少 518 895kg 降幅达到 16 5 34 593 209 295 具有显著的经济意义 可见 高标准农田建设显著 提升了农业气象灾害冲击时农业防御灾害的能力 2 2 平行趋势检验和政策效应的动态特征 满足平行趋势假定是 DID 模型的前提 采用事 件研究法进行检验 选择高标准农田建设实施的前 3a 2008 2010 年作为考察期 表 3 是基于式 2 的联合显著性检验结果 由表可知 在成灾率和因 灾损失为结果变量的检验结果中 原假设 H 0 政策效 应联合不显著的 F统计量分别为 1 36 1 64 其显著 性 P值分别为 0 255 0 179 说明在 0 1 水平上均不 显著 说明将高标准农田建设真实实施年份提前 所识别出的政策效应联合不显著 表2 2004 2022 年全国 31 省份高标准农田建设对农业气象灾害的影响估计结果 Table 2 The estimation results of the impact of high standard farmland construction on agricultural meteorological disasters in 31 provinces across the country from 2004 to 2022 成灾率 Disaster rate 因灾损失 Lost by disaster 变量 Va r i a b l e 未添加变量 Non add control variable 添加 Add control variable 未添加变量 Non add control variable 添加 Add control variable 政策变量 Policy variable 高标准农田建设政策 Land i Policy t 0 027 0 002 0 008 0 003 83 306 7 330 34 593 10 324 农业机械化Machine 0 000 0 000 0 135 0 279 土地流转Transfer 0 036 0 034 11 171 106 769 财政支农Finance 0 028 0 157 676 018 489 728 极端天气率Weather 0 057 0 059 258 519 182 505 劳动力素质Educate 0 062 0 009 156 199 27 922 控制变量 Control variable 农业种植结构Structure 0 024 0 019 92 239 57 830 常数项 Constant term 0 114 0 003 0 620 0 071 354 611 10 177 1505 973 219 748 样本量Observation 589 589 589 589 R 2 0 138 0 271 0 143 0 232 注 中数字为标准误 R 2 为对应模型的拟合优度 用以评估回归模型对观测数据的解释能力 下同 Note The number in represents the standard error R 2 is the goodness of fit of the corresponding model which is used to evaluate the explanatory power of the regression model on the observed data The same as below 中 国 农 业 气 象 第 47 卷 40 表3 2008 2022 年全国 31 省份高标准农田建设政策效应的联合显著性检验结果 Table 3 Joint significance test results of the policy effect of high standard farmland construction in 31 provinces across the country from 2008 to 2022 成灾率为因变量 Disaster rate as the dependent variable 因灾损失为因变量 Lost by disaster as the dependent variable 原假设 Null hypothesis F 统计量 F statistic P值 P value F 统计量 F statistic P值 P value 2011年前 Before 2011 H 0 2008 2009 2010 0 1 36 0 255 1 64 0 179 2011年后 After 2011 H 0 2012 2022 0 10 14 0 000 9 23 0 000 图 1 是基于式 2 的事件研究法估计结果 根 据 2008 2022年各虚拟政策年份政策效应估计结果 绘制高标准农田建设的政策效应估计系数轨迹图 由图可知 无论是在图 1a的成灾率还是图 1b 的因灾 损失结果变量下 2011 年政策实施前各年份的政策 效应在 0 附近波动 且 95 置信区间均包含 0 在 0 05 水平上不显著 说明将高标准农田建设年份提 前至 2008 2010 年 高标准农田建设的政策效应不 显著 满足平行趋势假定要求 同理 将高标准农田 建设年份后置到 2012 2022 年 各年份政策效应至少 在 0 05 水平呈负向显著 说明 2011 年中国正式实施 高标准农田建设之后的各年份 均能对农业气象灾 害成灾率和因灾损失产生显著的防灾减损作用 表 3 中 2011 年之后虚拟政策效应的联合显著性检验也印 证了这一点 通过观察图中各虚拟年份政策效应值 的变动轨迹 可直观发现高标准农田建设的防灾减 损效应总体呈逐渐增强的动态特征 2 3 稳健性检验 2 3 1 更换政策实施时点的安慰剂检验与变更政策变 量量化方式的稳健性检验 表 4中有随机更换 2009年为高标准农田建设年 份的稳健性检验估计结果 由表可知 2009 年高标 准农田建设对农业气象灾害成灾率和因灾损失的政 策效应分别为 0 014 36 185 但在 0 10 水平上不显 著 说明随机选择 2009 年为高标准农田建设实施年 份 未能识别到显著的政策效应 由表 4 还可知 从高标准农田建设资金角度构 建的政策变量 对农业气象灾害成灾率和因灾损失 的估计结果分别为 0 005 24 130 且至少在 0 1 水平上具备统计显著性 说明从建设资金角度来量 化高标准农田建设政策 仍然能识别到高标准农田 建设对农业气象灾害显著的防灾减损效应 2 3 2 随机生成实验组和控制组的安慰剂检验 基准模型是根据各省高标准农田新增建设面积 图1 2008 2022 年全国 31 省份高标准农田建设政策效应估计轨迹图 Fig 1 Estimation trajectory diagram of policy effects on high standard farmland construction in 31 provinces across the country from 2008 to 2022 第 1 期 田红宇等 高标准农田建设对农业气象灾害防御的影响与机制 41 表 4 更换政策实施时点的安慰剂检验与变更政策变量的稳健性检验结果 Table 4 The placebo test with the policy implementation timing change and the robustness test with the change in policy variables 安慰剂 Placebo test 稳健性检验 Robustness test 成灾率 Disaster rate 因灾损失 Lost by disaster 成灾率 Disaster rate 因灾损失 Lost by disaster Land i Policy 2009 0 014 0 014 36 185 42 187 Invest i Policy t 0 005 0 003 24 130 9 785