刘国中在河北调研时强调 毫不放松抓好"三夏"生产 扎实有效开展常态化监测帮扶

根据空间市场均衡理论，在完全信息条件下，农机服务价格信号应引导收割机从低需求地区流向高需求地区，实现供需空间匹配。但在"三夏"抢收的短窗口期，信息不对称（农户无法即时获知跨区农机供给）和天气不确定性可能破坏价格信号的有效性。基于此提出假说：H1——农机服务价格与跨区农机流入量正相关，价格每上涨10%，下一期跨区农机供给增加3%—5%；H2——极端天气冲击（"烂场雨"）导致价格信号失真，市场均衡偏离效率前沿面超过15个百分点；H3——数字农机调度平台的普及显著降低了信息不对称，使市场效率提升。

核心识别挑战在于价格与服务供给之间存在双向因果——高需求推高价格、高价格吸引供给。本文采用两阶段策略：一阶段，以邻省天气条件作为本地农机服务价格的工具变量——邻省天气影响其农机"出口"供给，但不直接影响本地需求（排除性约束成立）；二阶段，以"烂场雨"发生作为外生冲击进行事件研究，检验农机市场效率在灾害前后的断点变化。关键识别假定：天气冲击对农机供给的影响仅通过改变跨区流动成本实现，不存在其他同时影响供需的地方政策干扰。

基准空间面板杜宾模型设定为：Efficiency_it = ρW·Efficiency_it + β₁Price_it + β₂Weather_it + β₃Digital_it + γW·X_it + μ_i + λ_t + ε_it。其中Efficiency_it为i县t年经SFA测算的农机服务市场效率（取值0-1）；Price_it为省内农机服务加权平均价格；Weather_it为收割期累计降水量偏离历史均值的标准差；Digital_it为该县数字农机调度平台覆盖率；W为空间权重矩阵（基于县域地理距离）；ρ为空间自回归系数，捕捉邻近县域市场效率的溢出效应。

被解释变量"农机服务市场效率"基于SFA模型测算，以县级农机作业面积（万亩）为产出、农机保有量（台数）和跨区流入农机量为核心投入变量，控制机手劳动时间和燃油消耗。核心解释变量"跨区价格信号"以省级农机收割服务指导价与实际成交价的加权均值衡量，经X-12-ARIMA季节调整后取同比变化率。控制变量包括县级人均耕地面积、种植结构（小麦播种占比）、农村公路密度、农机合作社密度。数据来源：农业农村部农机跨区作业调度平台（2020—2026年夏收季数据）、中国气象局县级气象站逐日数据，样本覆盖河北、河南、山东、安徽4个小麦主产省共386个县。

其一，替换空间权重矩阵——以农机跨区流动实际OD矩阵替代地理距离矩阵重新估计空间杜宾模型，检验结论是否对空间关联结构设定敏感；其二，安慰剂检验——将"烂场雨"事件时间前移30天，若效率断点消失则证实断点确由天气冲击而非季节性因素驱动；其三，替换效率测算方法——以DEA-Malmquist指数替代SFA重新测算市场效率，检验结论是否对效率测度方式敏感；其四，排除省级政策干扰——剔除样本期内实施农机调度补贴试点的县，检验基准结论是否由政策试点驱动。

根据凯恩斯乘数理论，政府农业财政投入通过农户收入→消费→需求的正反馈产生乘数效应。但新凯恩斯价格粘性理论提示，化肥等农资价格调整存在Calvo式粘性——补贴降价可能滞后1—2个季度才传导至终端农户，削弱当期乘数。基于此提出假说：H1——农机补贴的当期乘数（1.3—1.8）高于化肥价格补贴（0.9—1.2），因农机购置直接形成投资需求而化肥补贴需经由价格调整传导；H2——化肥价格粘性越高的省份（市场集中度越高），补贴的乘数效应越小且时滞越长；H3——夏粮最低收购价政策的乘数效应在经济下行期显著放大，呈现非线性。

核心挑战是分离财政投入的内生性——农业GDP下滑可能反向导致政府追加补贴。本文以全国"三夏"专项转移支付的省级分配公式中的外生成分作为工具变量——该公式基于耕地面积、粮食产量等前定变量加权，与当期经济波动无关。同时采用局部投影法（LP），以财政投入的年度意外变动（实际值减预期值）作为冲击，追踪0—8个季度的乘数路径。关键识别假定：省级财政投入的意外变动不与同期其他冲击（如货币政策、天气灾害）系统相关，通过控制省级×时间固定效应吸收共同冲击。

局部投影法基准方程为：y_{i,t+h} - y_{i,t-1} = α_h + β_h·Shock_{i,t} + γ·X_{i,t} + μ_i + λ_t + ε_{i,t+h}，h = 0,…,8。其中y_{i,t+h}为i省在t+h期的农业GDP对数，Shock_{i,t}为t期财政投入意外变动（实际值 / 趋势预测值 - 1），β_h即为h期累积乘数。控制变量X_{i,t}包括滞后一期农业GDP增速、降水量偏离度、全国农产品价格指数。SVAR辅助模型中，以Cholesky分解识别三种政策冲击的排序：农机补贴（当期即执行）→化肥补贴（需招标采购）→最低收购价（季节末公布）。

核心解释变量"财政投入意外变动"以省级"三夏"相关财政支出（农机购置补贴、化肥储备补贴、最低收购价执行支出三项加总）的实际季度值除以Hodrick-Prescott滤波趋势值减1得到，正值为正向冲击。被解释变量为省级农业GDP季度同比增速（国家统计局），经Census X-13季节调整。控制变量包括省级滞后一期农村居民人均可支配收入增速、涉农贷款余额同比增速（中国人民银行）、化肥综合价格指数同比（发改委价格监测中心）。样本区间：2016Q1—2026Q2，13个粮食主产省，季度频率，共546个观测值。

其一，替换冲击测度方式——以省级财政决算中农林水支出科目的年度意外变动替代"三夏"专项支出，检验结论是否对冲击定义敏感；其二，排除天气灾害干扰——剔除t期遭遇重大洪涝或干旱（降水量偏离度超过2个标准差）的省份-季度观测，检验乘数效应是否为灾害响应性支出所驱动；其三，BVAR替代LP——以贝叶斯VAR重新估计脉冲响应函数并叠加90%置信带，检验LP估计量的小样本可靠性；其四，Falsification test——以财政教育支出替代农业支出，预期对农业GDP无显著乘数，验证识别策略的排他性。

常态化监测机制的制度效率取决于两个维度：一是交易成本——帮扶对象识别的信息搜寻成本（入户核查频次）、动态调整的行政协调成本（多部门联合审批）；二是激励相容——基层干部在"不漏评、不错评"双重目标下面临的激励冲突（漏评受罚→过度纳入，错评受罚→过度排斥）。据此提出假说：H1——监测识别标准的精细化程度每提高一个层级（从收入维度扩展至"三保障"+就业+健康多维度），识别准确率提升但审批时长增加，净效率呈倒U型；H2——审核层级越多（村→乡→县→市），信息传递的代理成本越高，动态调整的时效性越差；H3——引入数字化监测工具（医保数据自动比对、低收入人口动态监测平台）的省份，监测精准性与时效性均显著优于传统入户核查省份。

核心挑战在于制度设计与执行效率之间存在内生性——执行效率低的省份可能更倾向设计复杂的制度来弥补能力不足。本文利用各省实施细则发布时间的外生差异（由国家乡村振兴局统一部署但各省审批流程不可控）构建多期DID，识别制度实施对监测效率的因果效应。进一步以省级政务信息化程度（2018年前的电子政务发展指数）作为数字化监测工具采纳的工具变量，利用历史信息化基础的外生性识别数字工具的净效应。关键识别假定：省级电子政务历史发展与2026年防止返贫监测制度设计的其他特征正交。

基准多期DID模型（Callaway & Sant'Anna）通过组别-时期平均处理效应（ATT(g,t)）估计：ATT(g,t) = E[Y_t(g) - Y_t(0) | G_g = 1]，其中G_g为g期首次实施新监测机制的组别标识，Y_t为t期监测效率指标（识别准确率、纳入到帮扶的平均间隔天数）。进一步以文本分析构建制度设计特征变量（识别标准维度数、审核层级数、更新频次），用中介效应模型检验：Efficiency_i = α + β·DesignFeature_i + γ·Digital_i + θ·Controls_i + ε_i，其中β为制度设计特征的直接效应，通过Bootstrap法检验"DesignFeature → 交易成本 → Efficiency"的中介路径。

被解释变量"监测效率"从三个维度测度：识别精准性（后续抽查中"错评"或"漏评"比率，取自国家乡村振兴局考核评估数据）、帮扶时效性（从纳入监测到首次帮扶措施到位的天数，取县级中位数）、动态调整及时性（退出监测的农户中被延迟退出超过1个季度的比例）。核心解释变量"制度设计特征"通过对31个省级实施细则进行文本编码构造：识别标准维度数（1—5维）、审核层级数（1—4级）、更新频次（月度/季度/半年）。控制变量包括县级脱贫人口占比、基层干部人均服务户数、县级一般公共预算收入。样本为2026年Q1—Q4全国832个脱贫县的季度面板数据。

其一，Bacon-Decomp分解——将Callaway & Sant'Anna估计量按组别-时期分解，检验是否存在"坏比较"（早期处理组作为晚期处理组的对照组）导致的估计偏误；其二，替换制度特征测度——以省级政策文件中"应""须""可"等强制性词汇的占比作为制度强度的替代指标，检验分析结论对文本编码方式是否敏感；其三，安慰剂检验——随机生成虚假的实施时间并进行500次置换检验，比较真实ATT是否落在随机分布尾部5%之外；其四，排除省会城市溢出效应——剔除省会城市所在的脱贫县，检验结论是否由城市资源辐射效应驱动而非制度设计本身。

根据前景理论，农户对收获季降雨造成的产量损失存在损失厌恶——损失带来的负效用约为等量收益正效用的2倍。在天气不确定条件下，农户可能系统性高估降雨概率和损失程度（可得性启发：近期降雨灾害的记忆易被激活），从而过度提前收割——宁愿承受小麦未完全成熟导致的千粒重不足和品质下降，也不愿承担被雨淋的极端损失风险。在此基础上提出：H1——当天气预报降雨概率超过30%时（实际仅30%概率降雨，70%概率晴好），超过50%的农户选择提前收割，呈现损失厌恶驱动的过度谨慎；H2——收益框架（"若晴好可保住全部产量"）相比损失框架（"若降雨将损失20%"）显著降低提前收割概率，框架效应强度约为8—12个百分点；H3——经历过上一年度"烂场雨"灾害的农户，损失厌恶系数显著更高，提前收割的倾向更强。

本文通过田间行为实验实现因果识别：在真实"三夏"生产情境中，随机分配农户至不同信息框架处理组，操纵天气预报信息的表述方式，测量其对收割日期的因果效应。实验设计与实际生产无缝衔接——实验干预仅改变手机收到的天气预报措辞，不干预任何生产决策自由，从而保证生态效度。关键识别假定：随机化确保处理组与对照组在风险偏好、耕地面积、小麦品种等可观测与不可观测特征上无系统性差异；实验期间各组农户接收到除实验干预外的天气信息完全一致。

基准回归方程为：HarvestDay_i = α + β₁·LossFrame_i + β₂·GainFrame_i + γ·RainProb_i + δ·(Frame_i × RainProb_i) + θ·X_i + μ_village + ε_i。其中HarvestDay_i为农户i的实际收割日期距小麦完熟期的天数（负值表示提前收割）；LossFrame_i和GainFrame_i为实验处理虚拟变量（对照组为中性措辞）；RainProb_i为收割窗口期内天气预报降雨概率均值（%）；交互项捕捉框架效应对降雨概率敏感度的调节作用。进一步以Mixed Logit模型估计：U_{ijt} = α·Yield_{ijt} + β·LossAversion_i·LossRisk_{ijt} + γ·Frame_j + ε_{ijt}，其中农户i在收割日期j和天气情景t下的效用取决于预期产量、损失风险与框架，β捕捉损失厌恶系数。

被解释变量"收割提前天数"以GPS记录的收割机下田日期距当地农业技术推广站建议的最优收割日期的天数差衡量。核心实验变量为天气预报信息的三种框架：损失框架组短信"未来3天降雨概率40%——若降雨，估计减产15%—20%"；收益框架组短信"未来3天晴好概率60%——若晴好，可收获全部预计产量"；对照组短信"未来3天降雨概率40%"。控制变量包括农户年龄、受教育年限、种植规模、上年度是否遭遇"烂场雨"、CFPS风险偏好得分。实验在河北邢台和河南新乡选取6个县共300户小麦种植户，2026年5月25日—6月15日实施。

其一，替换实验设计——从中选一个县实施组内设计（within-subject），同一农户先接收损失框架后接收收益框架信息（间隔3天），检验组间实验结果是否与组内设计一致；其二，排除信息关注度差异——以手机短信阅读回执数据识别未阅读实验信息的农户（约10%—15%），将其从样本中剔除后重新估计，检验结果是否由不依从行为驱动；其三，替换被解释变量——以收割后实地测算的小麦千粒重（反映成熟度）替代收割提前天数，检验框架效应是否转化为实际产量差异而不只是收割时机差异；其四，控制理性替代解释——在回归中加入农户对天气预报准确性的主观信任评分（1—5分），检验提前收割行为是否由"理性不信任预报"而非"损失厌恶"驱动。

在中国多层委托代理体制下，粮食安全党政同责考核将粮食生产责任层层压实到地方党政主官。然而，考核指标的量化特征（播种面积、产量、收购量）可能诱发地方官员的策略性执行行为：在"三夏"关键窗口期，通过行政手段争夺有限的跨区农机资源以完成收割进度指标（"抢机大战"）；以高于市场均衡价格收购夏粮以完成收购量指标，扭曲价格信号；将常态化帮扶资源集中投向考核验收点而非最需要地区。据此提出：H1——市委书记处于晋升关键期（任期第3—4年）的地级市，其夏粮收购价格偏离市场均衡价格的幅度显著高于其他年份，溢价幅度约为5%—10%；H2——党代会年份，跨区农机流入量在省界县的分布出现断点式集中，优先流向省内腹地而非边际回报最高的地区；H3——晋升激励越强的地区，常态化帮扶资源越集中于"示范点"而非按需求客观分配，基尼系数衡量的帮扶资源分布不均度上升。

核心挑战是晋升激励与政策执行之间存在反向因果：政策执行好的官员更可能晋升，而非晋升激励导致好的执行（这是一个选择效应 vs. 激励效应的问题）。本文采用三重识别策略：其一，利用市委书记任期作为晋升激励强度的代理变量（第3—4年晋升概率最高，激励最强），在控制官员个体固定效应后识别任期内的行为变化（within-official variation）；其二，以省级党代会年份作为晋升激励的外生高点——党代会年份省级常委变动概率大增，地级市主官晋升竞争加剧，可构建DID模型比较党代会年份与非党代会年份的政策执行差异；其三，利用省界地理断点——以省界两侧同属一个自然地理区但分属不同省份的县作为样本，比较相邻县在各自省份考核压力下的差异化行为，控制自然条件不变。

基准固定效应模型：Y_{i,t} = α + β·PromotionIncentive_{i,t} + γ·X_{i,t} + μ_i + λ_t + ε_{i,t}。其中Y_{i,t}为i市t年的政策执行偏差指标（粮价偏离度、农机省内调度比例、帮扶资源Gini系数）；PromotionIncentive_{i,t}以市委书记任期年数的一次项和二次项表示（倒U型捕捉晋升激励的生命周期效应），预期β₁ > 0且β₂ < 0；μ_i为地级市固定效应，λ_t为年份固定效应。省界RD模型设定：Y_i = α + τ·SameProvince_i + f(distance_i) + γ·X_i + ε_i，其中SameProvince_i为指示省内县的虚拟变量，τ捕捉省内偏好效应；f(distance_i)为距离省界的局部线性函数。

核心解释变量"晋升激励强度"以三种方式测度：市委书记任期年数（及平方项）、是否处于党代会前一年（0/1）、市级官员更替频率（前3年市委书记更换次数）。被解释变量包括——粮价偏离度：夏粮收购均价相对郑州商品交易所小麦期货交割结算价的偏离百分比；农机省内调度偏好：省内跨区农机流入量占地理距离加权最优供给量的比值；帮扶资源Gini系数：县级常态化帮扶资金分配的基尼系数。控制变量包括地级市GDP增速、财政收入增速、第一产业占比、小麦播种面积占耕地比。样本覆盖全国13个粮食主产省共158个地级市，2018—2026年年度面板数据。官员履历数据来源于CSMAR人物特征数据库，手动补充更新至2026年6月。

其一，替换晋升激励测度——以省级党委常委中该市籍贯常委占比作为政治影响力的替代指标，检验结论是否对晋升激励的代理变量选择敏感；其二，排除经济性替代解释——在回归中控制地级市财政收入缺口（一般公共预算收入 / 支出），检验"抢机大战"是否由财政压力驱动而非晋升激励；其三，安慰剂检验——以退休年龄前（58—60岁）且确定不再晋升的市委书记作为安慰剂组，预期其政策执行偏差显著低于晋升关键期官员，验证晋升激励而非其他年龄效应驱动结果；其四，排除省会城市效应——剔除省会城市和计划单列市后重新估计，因这些城市的官员晋升路径和资源禀赋与普通地级市不可比。