【在希望的田野上】全国麦收接近尾声 夏播高效推进

诱致性技术变迁理论（Hayami & Ruttan, 1971）指出，农业技术进步的方向由要素相对稀缺性内生决定——在劳动力成本持续上升的背景下，机械化替代劳动是要素价格信号引导的必然结果。然而，单一地区的机械化水平受制于本地装备存量和作业窗口期，跨区协作通过空间再配置打破了这一约束，使得机械这一"流动资本"在更广地理范围内实现最优配置。技术扩散理论（Griliches, 1957）进一步预测，跨区协作加速了先进机械从高采纳率地区向低采纳率地区的扩散速度，产生技术溢出效应。

据此提出以下假说：
- H1：农业机械化跨区协作程度每提高1个标准差，粮食TFP提升0.3-0.5个百分点，且该效应在收割期窗口较短的地区（如华北平原麦收期多雨区）更为显著。
- H2：移动式烘干服务对TFP的边际贡献大于收割机跨区调度——因为烘干环节直接减少产后损失，属于"止损型"技术，而收割替代仅改变生产方式。
- H3：跨区收割协作与精量播种技术推广存在协同效应——收割效率提升释放的劳动力窗口期使农户更有余力采纳精密播种技术。

核心内生性挑战在于：跨区协作程度本身可能与地区农业发展水平正相关（反向因果）——生产率高的地区更可能主动寻求跨区合作。本文以各省与邻省签订农机互助协议的时间点作为外生冲击，构建渐进DID（staggered DID）识别策略。识别假定为：（1）协议签订的时机主要由当年气候条件（抢收窗口期长短）决定，与长期TFP趋势不直接相关；（2）协议签订前，处理组与对照组在TFP增长率上满足平行趋势。采用Callaway & Sant'Anna（2021）的处理效应估计量，解决传统TWFE在渐进DID中的负权重问题。同时，以"协议签订省份距离邻省粮仓的距离"作为工具变量进行2SLS估计，利用地理外生性增强因果推断。

基准模型设定为渐进DID：

TFP_it = α + β TreatPost_it + γ X_it + μ_i + λ_t + ε_it

其中 TFP_it 为i省在t年的粮食全要素生产率（SFA方法测算），TreatPost_it 为处理指示变量（签订跨区协议后=1），β 为核心待估参数（跨区协作的平均处理效应ATT）。X_it 包括：有效灌溉面积占比、农业劳动力人均受教育年限、化肥投入强度、农业R&D支出占比。μ_i 为省份固定效应（吸收不变的地区特征），λ_t 为年份固定效应（吸收共同时间趋势）。使用Callaway & Sant'Anna（2021）方法估计组别-时间异质性处理效应。

被解释变量粮食TFP采用超越对数随机前沿生产函数（Translog-SFA）测算：以粮食产量为产出，投入要素包括劳动力（农业从业人数 × 粮食播种占比）、机械动力（农机总动力 × 粮食播种占比）、化肥施用量（折纯量 × 粮食播种占比）、播种面积。核心解释变量TreatPost：以农业农村部农机跨区调度协议数据库记录的各省首次与邻省签订互助协议的年份构造处理组虚拟变量。控制变量：有效灌溉面积占比（国家统计局）、农业劳动力平均受教育年限（CGSS微观数据聚合）、化肥折纯施用量/亩（国家统计局）、农业R&D支出占农业GDP比（科技统计年鉴）。样本：13个小麦主产省（黑、吉、辽、冀、鲁、豫、皖、苏、鄂、川、陕、甘、新），2010-2025年面板。

• 替换TFP测算方法：以DEA-Malmquist指数替代SFA重新测算TFP，检验结论是否对生产前沿估计方法敏感。
• 安慰剂检验：将各省协议签订时间分别前移3年和后移3年作为虚假处理时点，检验处理效应是否仅在真实时点存在——若虚假时点的估计系数不显著，则加强了因果推断的可信度。
• Bacon-Decomp分解：将TWFE估计量分解为各组别-时间的2×2 DID加权平均，检验是否存在"已处理组作为对照组"的负权重污染（Goodman-Bacon, 2021）。
• 排除极端天气干扰：在回归中额外控制各省当年"连续降雨天数"和"高温天数"（中国气象局站点数据），检验跨区协作效应是否在控制天气冲击后仍然稳健。

根据交易成本经济学（Williamson, 1985），任何跨区域交易都面临搜寻成本（寻找可用收割机）、谈判成本（确定价格和服务条款）和履约成本（确保收割机按时到达、作业质量达标）。在河南2026年夏收的案例中，收割窗口期仅15天左右，且自有收割机仅18.5万台，需从周边省份快速引入3万台——这意味着每天有约2000台收割机需要跨省流动并精准对接作业地块。在没有正式协议的情况下，农户和收割机手的匹配完全依赖分散的市场搜寻（如熟人介绍、临时电话联系），交易成本极高。跨省互助协议作为一项制度创新，通过政府间协调替代了分散的市场匹配，将"双边搜寻"转化为"平台化调度"。

制度变迁理论（North, 1990）指出，当潜在制度收益（降低的匹配成本× 抢收窗口天数）超过制度创设成本（协议谈判与执行的行政成本）时，制度变迁就会发生。2026年河南面临"抢收窗口期短"的外生压力，使得制度创新的净收益急剧上升，触发了协议签订。

据此提出以下假说：
- H1：跨省互助协议使收割机从省外到达田间的时间缩短30%-50%（缩短搜寻与匹配成本），且该效应在高交通成本的偏远县更强。
- H2：协议约束下收割机转场距离平均缩减20%以上（空间匹配效率提升），因为调度平台可根据实时需求优化路线，而非收割机手自行寻找下一作业点。
- H3：协议签订后收割机闲置率（每日空驶时间占比）显著下降——制度安排降低了收割机手的信息不确定性。

核心挑战是将"制度效应"从"机械供给增加效应"中分离出来——如果单纯增加收割机数量也能提升收割效率，那么协议本身的边际制度贡献需要被独立识别。采用合成控制法（Abadie & Gardeazabal, 2003）：以河南作为处理组，利用未签订类似跨省互助协议的其他小麦主产省（如山东、河北、安徽2026年夏收模式）构建合成河南作为反事实。识别假定：在协议签订前，河南与合成河南在收割效率和交易成本指标上表现相似。以协议签订日（2026年6月初）作为政策冲击时点，采用高频日数据（收割机GPS轨迹）估计短期制度效应，同时使用省级年数据（2015-2025）建立长期基准趋势。关键识别假定：同期无其他省份出台类似的跨省农机调度制度安排。

合成控制法（SCM）通过加权构造反事实结果：

ATT_t = Y_Henan,t — Σ_{j∈donor pool} w_j* Y_j,t, for t > T_0

其中 Y_Henan,t 为河南在t期的收割效率指标（日收割面积/收割机在线数），w_j* 为使 pre-2026 期间河南与合成河南在预测变量上误差平方和最小化的权重向量。预测变量包括：小麦种植面积、自有收割机密度、历年收割窗口期天数、交通路网密度、历年收割机跨省流入量。安慰剂检验通过对donor pool中每个省份逐一施加"虚假政策"进行排列检验，评估河南的估计效应是否处于安慰剂分布的尾部。

辅助使用事件研究法估计动态处理效应：

Y_it = α + Σ_{k=-3, k≠-1}^{3} β_k D_{it}^k + γ X_it + μ_i + λ_t + ε_it

其中 D_{it}^k 为距离协议签订日k天的指示变量，β_k 识别处理效应的日度动态路径，检验是否存在预期效应（pre-trend）和效应时滞。

被解释变量：（1）日收割效率 = 当日收割面积/当日在线收割机数（千亩/台）；（2）收割机平均转场距离 = 收割机GPS轨迹中日均跨地块移动距离/作业地块数（公里/次）；（3）收割机闲置率 = 日总在线时间中非作业时间占比（%）。上述指标基于农业农村部农机跨区调度平台的GPS轨迹数据（2026年5月25日—6月20日，河南全省约18.5万台在线收割机的高频轨迹，频率为15分钟/次）。制度变量：河南与周边7省互助协议（2026年6月初签订），以协议签订日为处理时点。控制变量：日降雨量（中国气象局站点数据）、日平均气温、农机柴油价格（省发改委监测数据）。长期基准数据：2015-2025年省级农业机械化统计年报（农业农村部）。

• 置换处理组：将山东（同为小麦主产大省、未签订类似协议）作为虚假处理组运行同样的SCM分析，检验河南的处理效应是否确实是制度效应而非随机波动——若山东的安慰剂效应不显著，支持河南效应的制度解释。
• 替换结果变量：以"收割完成率=（累计收割面积/播种面积）× 100%"替代日收割效率作为被解释变量，检验制度效应是否对收割进度的整体推进而非局部效率同样存在。
• 改变制度冲击定义：将"协议签订日"替换为"第一批跨省收割机实际到达日"作为处理时点，检验制度效应的时间敏感性——若结论对时点定义不敏感，增强稳健性。
• 排除天气混淆：在控制了日降雨量高阶项（包括滞后1-3日）后重新估计SCM，排除"协议效应"实为天气改善效应的替代解释。

技能偏向型技术变革理论（SBTC, Acemoglu & Autor, 2011）预测，技术进步对不同技能劳动者的影响是非对称的——它替代执行常规任务的低技能劳动者，但补充执行复杂任务的高技能劳动者。在农业收割场景中，收割机替代的是"体力收割劳动"（常规性、重复性、低技能），但创造了"收割机操作与维护"（非常规性、技术性、高技能）的新需求。移动式烘干机的推广同样替代了传统的"翻晒粮食"劳动，但增加了"烘干设备操作与调度"的技术岗位。

因此，机械化对农业劳动的影响并非简单的总量减少，而是技能结构的重新配置：低技能收割工面临替代和退出压力，而熟练农机手和农事服务组织调度员面临需求的增加。补偿效应假说（Aghion & Howitt, 1994）进一步指出，技术进步带来的成本节约和效率提升会通过扩大生产规模、延长产业链等渠道创造新的就业机会——例如精量播种技术节水30%，可能诱导种植面积扩大，从而部分抵消劳动替代。

据此提出以下假说：
- H1：收割机械化率每提高10个百分点，收割季短期雇工需求减少8%-12%，但农机操作与维修岗位增加3%-5%（净替代效应约5%-7%）。
- H2：被替代的低技能收割工中，45岁以下的更可能转向本地非农就业（再配置效应），而55岁以上的更可能退出劳动力市场或退回家庭农业（退出效应），两者之间存在显著的生命周期分化。
- H3：移动式烘干服务的普及使收获后环节（翻晒、装袋）的劳动需求减少约60%，但其创造的烘干设备操作岗位的工资溢价约为传统翻晒劳动的1.5倍，推动了农业劳动力的技能升级。

核心内生性挑战在于：机械化率与劳动力就业之间存在双向因果——高工资地区劳动力更稀缺，因而更可能率先采用机械化（反向因果）。本文采用两种策略处理内生性：（1）利用小麦主产区地形坡度的地理变异构造机械化率的Bartik工具变量——地形越平坦，收割机作业效率越高、天然机械替代率越高，但地形本身不直接影响当前的劳动力就业决策（排除渠道）。（2）利用各省农机购置补贴政策的实施时间差异作为外生冲击，构建渐进DID识别补贴驱动的机械替代效应。

个体层面的就业转型分析采用multinomial logit模型，被解释变量为个体就业状态（纯务农/兼业/纯非农/退出劳动），核心解释变量为所在县收割机械化率。关键识别假定：在控制了个人特征和县固定效应后，机械化率的变动与个体不可观测特征不相关。采用Heckman两步法校正劳动参与的样本选择偏差。

县级面板基准回归：

Labor_it = α + β MechRate_it + γ X_it + μ_i + λ_t + ε_it

其中 Labor_it 为i县在t年收割季农业短期雇工数量（对数），MechRate_it 为收割机械化率（机收面积/小麦播种面积 × 100%），β 识别替代效应的弹性系数（预期为负）。IV阶段一：

MechRate_it = δ + θ (Slope_i × Post_t) + φ Z_it + ν_i + η_t + u_it

其中 Slope_i 为县平均地形坡度（不随时间变化），Post_t 为农机补贴政策实施后=1，交互项为 Bartik 型IV。

个体层面就业转型模型：

P(Employment_j = k) = exp(α_k + κ_k MechRate_county + ρ_k Controls_j) / Σ_{m=1}^{4} exp(α_m + κ_m MechRate_county + ρ_m Controls_j)

其中 k = {1=纯务农, 2=兼业, 3=纯非农, 4=退出劳动}，κ_k 识别机械化对各就业状态选择概率的边际效应。

被解释变量：（1）县级收割季短期雇工数量 = 县级农业部门统计的"三夏"期间临时雇工数（农业农村部农机化统计年报，2010-2025）；（2）个体就业状态：基于CHFS 2011-2023六轮面板数据，按个人主要经济活动编码为四类——纯务农（农业劳动占全年劳动时间80%以上）、兼业（20%-80%）、纯非农（20%以下）、退出劳动（全年劳动时间为0或<500小时）。核心解释变量：收割机械化率 = 机收面积/小麦播种面积（农业农村部农机化统计年报）。控制变量（个体层面）：年龄、性别、受教育年限、婚姻状况、家庭抚养比、家庭耕地面积。控制变量（县级层面）：人均GDP、第二/三产业占比、城镇化率（国家统计局）。样本：小麦主产区（黄淮海平原）约200个县，2010-2025年。

• 替换劳动需求测度：以"收割季平均日工资"替代短期雇工数量作为被解释变量——根据要素需求理论，机械化应压低短期雇工的均衡工资。若两种测度一致，增强替代效应假说的可信度。
• 替换工具变量构造：以"县农机合作社密度（每千户合作社数）"替代地形坡度交互项作为IV——农机合作社数量反映了本地农机服务的供给能力，但个体层面不可观测的劳动偏好不直接影响合作社密度。
• 分技能水平估计：将个体按受教育程度分为低技能（初中及以下）、中等技能（高中/中专）、高技能（大专及以上）三组分别回归，检验SBTC理论预测的技能异质性效应。
• 排除外出务工回流效应：在基准回归中额外控制县级外出务工人员返乡比例（基于全国流动人口动态监测数据），排除"非农就业机会减少导致劳动力被动务农"的替代解释。

根据市场搜寻与匹配理论（Mortensen & Pissarides, 1994），供需双方的匹配效率取决于搜寻摩擦的程度——摩擦越大，均衡中的未匹配率越高，导致"有需求无供给"与"有供给无需求"并存。在山东宁津的案例中，传统模式下农户需要将湿粮运送到固定烘干点，运输成本随距离增加而急剧上升，偏远地块（距离烘干点5公里以上）面临严重的"晒粮难"——这是典型的空间供需错配。移动式烘干服务通过"接单式调度"将供给端（烘干机）主动匹配到需求端（湿粮所在地），本质上是将传统市场的"需求者搜索供给者"转变为"供给者搜索需求者"的匹配模式转换。

根据Hayek（1945）的价格发现理论，"接单价"作为分散决策下的市场定价，包含了比政府统一指导价更丰富的局部信息——包括当次作业的紧急程度、湿粮含水量、距离远近等。因此市场化定价应比指导价更有效地引导资源向高需求地区流动。

据此提出以下假说：
- H1：移动式烘干服务的引入使偏远地块（距固定烘干点>5km）的烘干完成时间平均缩短40%-60%，且湿粮霉变率下降5-8个百分点——移动式供给通过消除空间摩擦提升了供需匹配效率。
- H2：农事服务组织的"接单"定价与湿粮含水量、降水预报概率、作业紧迫度显著正相关——市场化定价包含了供需紧俏程度的实时信号，比固定指导价更能引导资源的空间最优配置。
- H3：移动烘干与固定烘干之间存在显著的替代弹性——移动烘干服务覆盖率每提高10个百分点，固定烘干点的设备利用率下降3%-5%，表明两种服务模式在同一市场中竞争。

核心挑战在于：移动烘干服务的引入并非随机——调度到哪些地块、什么时间调度，本身就是农事服务组织基于需求信号的优化决策（选择偏差）。采用两种策略：（1）利用宁津县"应急抢烘、零星补烘"方案中移动烘干机调度的轮换规则作为外生冲击——由于调度遵循"先偏远后近距"的应急原则，且每日调度路线在气象预报确定后即不可更改，当天的调度分配近似于条件外生。（2）以"地块距最近固定烘干点的路网距离"作为移动烘干服务接收概率的工具变量——距离越远，越可能被纳入"应急补烘"方案，但距离本身不直接影响农户的晒粮效率偏好（排除渠道）。

匹配效率的量化采用随机前沿分析（SFA）：将实际烘干完成时间与理论最短时间（在给定天气、设备容量下的最优值）的偏离分解为"随机噪音"和"匹配无效率"两部分，后者即为供需匹配的摩擦成本。

基准DID模型（比较移动烘干覆盖地块 vs. 仅依赖固定烘干的地块）：

CompletionTime_ij = α + β Mobile_ij + γ Dist_ij + δ (Mobile_ij × Dist_ij) + θ X_ij + μ_v + ε_ij

其中 CompletionTime_ij 为地块j中农户i从收割完成到烘干完成的间隔小时数；Mobile_ij 为是否使用移动烘干服务的虚拟变量（1=是）；Dist_ij 为地块距最近固定烘干点的路网距离（公里）；交互项 Mobile_ij × Dist_ij 识别移动烘干服务对远距离地块的额外匹配效率改善（预期符号为负——距离越远，移动服务的缩短效应越强）。μ_v 为村级固定效应（控制本地基础设施和村级不可观测特征）。

随机前沿匹配效率模型：

CompletionTime_ij = f(Dist_ij, Precipitation_ij, GrainMoisture_ij; ω) + v_ij - u_ij

其中 v_ij ∼ N(0, σ²_v) 为随机噪音，u_ij ∼ N⁺(μ, σ²_u) 为非负的匹配无效率项。u_ij 的期望值即为因供需摩擦导致的额外等待时间，u_ij 越大匹配效率越低。

被解释变量：烘干完成时间（小时）= 收割结束时间戳 - 烘干完成时间戳（GPS数据记录）。核心解释变量：Mobile（1=使用移动烘干，0=仅固定烘干）；Dist = 地块中心经纬度到最近固定烘干点的OpenStreetMap路网最短距离（公里）。交互项：Mobile × Dist。控制变量：当日降水量（毫米，中国气象局格点数据）、当日平均相对湿度（%）、小麦收割时含水量（%，农事服务组织检测记录）、农户经营规模（亩，农经统计台账）。样本范围：山东宁津县2026年夏收期间（6月5日-6月20日）全部使用烘干服务的约75万亩冬小麦地块级数据，约5000-8000条烘干作业记录。

• 替换匹配效率指标：以"湿粮霉变率"（烘干后仍不合格需二次处理的占比）替代烘干完成时间作为被解释变量——若移动烘干同样降低霉变率，则质量维度上也存在匹配效率提升。
• 安慰剂空间边界检验：在相邻的非宁津县（使用相同移动烘干模式但组织方式不同）的数据上复制DID分析，检验宁津"应急抢烘"方案的特异性——若干效应仅存在于宁津，说明制度设计而不仅仅是移动烘干技术本身驱动了效率改善。
• 替代运输成本度量：以"驾驶时间"（含实时交通拥堵）替代"路网距离"作为空间摩擦的度量——若两种度量下 β_Mob×Dist 的符号和显著性一致，则结论不依赖于空间摩擦的具体量化方式。
• Heckman选择校正：由于是否使用移动烘干服务并非随机，以"地块距最近固定烘干点距离"和"当日该村使用移动烘干服务的农户比例"作为选择方程的排除变量，校正选择性偏差后用逆米尔斯比率（IMR）调整基准方程。

根据Blanchard & Perotti（2002）的财政乘数框架，政府支出冲击通过需求渠道传导至产出。农业技术推广补贴作为定向财政支出，其乘数效应来自两条传导路径：一是效率通道——精量播种机比传统机型效率提升45%，相同时间内可完成更大面积播种，释放的劳动力窗口期允许农户扩大经营规模或进行更精细的田间管理，直接提升单位面积产量；二是节水通道——旱地直播技术省去大田泡水环节、每亩节水近三成，在水资源约束地区边际产量增益更显著。根据Feder, Just & Zilberman（1985）的农业技术采纳模型，补贴通过降低技术采纳的固定成本门槛，加速了技术从早期采纳者向普通农户的扩散。

两条传导通道的相对重要性受地区水资源禀赋调节：在水资源丰富的地区，节水通道的边际贡献可能较小（水价低、节水收益不大），效率通道占主导；在水资源紧张地区，节水通道的边际贡献可能更大（每亩节水直接降低灌溉成本并增加可用水供给）。

据此提出以下假说：
- H1：气力式精量播种机补贴每增加1万元，通过效率通道（播种面积扩大+田间管理改善）使粮食产出增加约0.5-1.2吨，财政乘数约为1.3-1.8（补贴的社会收益/财政成本）。
- H2：节水通道的产出贡献在年均降水量低于800毫米的地区显著高于降水充沛地区——补贴的边际社会收益存在空间异质性，水资源越稀缺，节水通道越重要。
- H3：补贴的产出乘数效应对大型农场（经营规模>50亩）的边际效应递减，而对中小农户（10-30亩）更为显著——补贴降低了中小农户的技术采纳门槛。

核心内生性挑战在于：农机补贴的分配可能并非外生——高产地区更可能被选为推广示范区（示范效应偏差），且农户是否购买补贴农机本身是自选择结果。采用三种策略：（1）以安徽淮南"大范围升级更换播种机"的政策推行时点（2024-2025年）作为外生冲击——该政策以"整县推进"方式覆盖所有乡镇，分配接近随机（在县内层面），构建渐进DID识别县内实施前后差异。（2）以"农户所在村距最近农机经销商的路网距离"作为农户采纳补贴农机的工具变量——距离越近，信息获取和购买成本越低，但距离本身不直接影响粮食产出（排除渠道）。（3）利用政策实施前的县级农机存量结构和耕地坡度特征构造预测采纳率的Bartik工具，避免个体自选择偏误。

采用事件研究法估计补贴的动态处理效应，以验证政策实施前不存在预期效应（即农户并未因预期补贴而提前推迟购机，从而造成低估）。

基准DID模型（县级面板）：

Yield_it = α + β Subsidy_it + γ X_it + μ_i + λ_t + ε_it

其中 Yield_it 为i县在t年的小麦单产（公斤/亩），Subsidy_it 为精量播种机补贴强度（补贴总额/播种面积，万元/万亩），β 识别补贴的产出弹性（每亩单产对每亩补贴的响应）。Mediation analysis 分解效率通道和节水通道：

Efficiency_it = α₁ + β₁ Subsidy_it + γ₁ X_it + μ_i + λ_t + ε_it （效率通道）
WaterSaving_it = α₂ + β₂ Subsidy_it + γ₂ X_it + μ_i + λ_t + ε_it （节水通道）
Yield_it = α₃ + β₃ Subsidy_it + δ₁ Efficiency_it + δ₂ WaterSaving_it + γ₃ X_it + μ_i + λ_t + ε_it （总效应）

其中 Efficiency_it 为播种效率（日均播种面积/台），WaterSaving_it 为亩均灌溉用水量（立方米/亩）。中介效应 β₁×δ₁ 和 β₂×δ₂ 分别量化效率通道和节水通道的贡献份额。

被解释变量：小麦单产（公斤/亩，国家统计局县级数据，2018-2025）。核心解释变量：精量播种机补贴强度 = 该县年度气力式精量播种机购置补贴总额 / 该县小麦播种面积（万元/万亩）。补贴数据来自农业农村部农机购置补贴管理系统（含每笔补贴的机型、金额、日期、申领人所在村）。中介变量：播种效率 = 春播期间日均机播面积（农业农村部农机作业监测平台）；亩均灌溉用水量 = 县水利局年度农业灌溉用水统计 / 播种面积。控制变量：化肥施用强度（公斤/亩）、有效灌溉面积占比（%）、农业劳动力密度（人/百亩）、年均降水量（毫米）、年均气温（℃）、耕地坡度均值。样本：安徽淮南市及周边推广精量播种机的约40个县，2018-2025年。

1. 替换核心解释变量：以"精量播种机保有量/小麦播种面积（台/万亩）"替代补贴金额作为技术采纳强度的物理度量——补贴金额可能受机型价格调整影响，保有量更直接反映实际技术采用水平。若两种度量的结果一致，说明补贴效应确实通过技术采纳传导。
2. 安慰剂检验：将补贴政策实施时点前移3年，检验是否在虚假政策时点仍能观测到"处理效应"——若虚假时点的系数不显著，说明政策效应确实是补贴驱动的，而非长期趋势。
3. 替换被解释变量：以"玉米单产"替代小麦单产——精量播种机可用于多种作物，若在玉米上也观测到单产提升，则为技术效应的普遍性提供交叉验证。
4. 成本-收益敏感性分析：对补贴的边际社会收益进行Monte Carlo模拟——允许粮食价格、补贴金额、节水成本等关键参数在±20%范围内波动，检验财政乘数估计值是否对参数假设稳健，计算净社会收益为负的概率。
---
date: 2026-06-15
field: 宏观经济 — 财政政策
source: https://tv.cctv.com/2026/06/15/VIDEe1jU2IYV1WHrQBAVkxH6260615.shtml
topics_count: 5
---