前言：尋找寫作靈感？中文期刊網用心挑選的我國對非農業援助的有效性檢驗，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

摘要：對非洲農業援助一直是我國對外援助的重點領域，但其有效性及可持續性一直存在爭議。文章運用地理影響評估模型，基于2001—2017年我國對36個非洲國家中的485個地區的農業援助項目和歸一化植被指數（NDVI）數據，于我國對非農業援助的有效性進行了整體性回歸分析，并加入地區固定效應進行了有效性的可持續性檢驗。結果表明，我國對非農業援助整體上顯著提高了受援國地區的農業生產能力；并且在項目開展后的第二年開始持續穩定地提升當地農業生產能力，說明項目具有較穩定的可持續性。

關鍵詞：地理影響評估模型；農業援助；中非經濟合作

0引言

隨著綜合國力的不斷提升，我國正從國際邊緣走向世界中心，主動把握世界脈搏已成常態。對外援助作為我國經濟國際化的重要途徑，也為我國經濟發展注入了新的發展理念。農業部門作為我國最早進行對外援助工作的領域更是這一發展理念的生動實踐。農業在非洲國家的社會經濟生活中占據著十分重要的地位。因此如何通過有效的援助方式促進非洲國家的農業發展，使其經濟快速長期穩定地發展成了世界各國對非洲援助政策關注的主要議題[1]。目前，實施對非農業援助的有效性檢驗尚存一些現實難題：其一是數據的可獲得性問題。由于運用傳統的隨機對照試驗方法在數據收集方面存在較大成本，在非洲更是由于交通、文化、語言等方面的現實問題使得大面積采集農戶農業資料成為一件“不可能完成”的事情；其二，因果關系識別問題。我國對非農業援助可能會受到其他自然條件的影響，由于雙向因果關系的存在，使得最小二乘法無法準確識別自然條件對于農業援助有效性的影響；其三，農業援助可持續性問題。由于傳統國際貿易研究采用的引力模型，使用最為頻繁的是以國家為單位的國別數據，但此方法并不能滿足對于以援助項目為單位的可持續研究。根據上述問題，本文將采用如下處理方法：（1）關于數據的獲取，本文采用空間地理影響評估方法（GIE，geospa-tialimpactevaluation），此方法相對于RCT方法具有數據可獲得性高、數據收集成本低的優勢；但是該方法存在較為嚴格的限制，首先所獲取的數據必須有精確的空間地理坐標信息，并且影響的具體時間也要明確標記；其次所獲得該地區的其他數據需要擁有同樣地理空間信息的遙感數據[2]，滿足以上兩項便可采用GIE方法。因此，本文采用AidData地理空間（GEOspatial）數據庫的我國農業援助數據為本文的主要解釋變量，采用歸一化植被指數（NDVI）為被解釋變量用來監測受援地區的農業生產能力情況；（2）使用動態面板系統GMM估計方法用以減小內生性，并增加回歸結果的穩健性；最后，為了更為精確地評估農業援助項目的可持續性問題，本文運用相較于國家單位更為精確的地區為個體單位進行時間滯后效應的分析，用以評估農業援助項目影響地區植被生長情況的可持續性。

1作用機制

根據商務部與外交部聯合的《我國對外白皮書（2014）》，目前我國農業援助主要通過援建農業技術示范中心、派遣高級農業技術專家、開展農業管理和技術培訓三種方式進行，并通過三種途徑對受援國地區實施影響：第一，農業基礎設施建設。在農業援助項目初期首先要進行基礎設施建設，而受援國贈予的土地雖面積較大，在50~100公頃不等，但通常是未經開荒的土地。而由于大量石塊以及植被的覆蓋，具體承辦援助項目的企業前期需投入大量資金用于移除石塊及植被，其后會進行打井，修建灌溉系統、修路等可以改善周邊農業生產環境的基礎設施建設。第二，農業從業人員能力建設。為推廣我國先進農業技術并結合受援國當地的農業發展特點及需求，我國定期在國內外舉行不同批次的培訓。培訓內容涵蓋作物雜交生產技術、動植物保護技術、實施農業技術、農業機械化技術的使用等，直接給當地的農業生產帶來了質的提高，不僅提高了當地農民的農業生產技術水平，而且增強了農民糧食增產的信心[3]。第三，先進農業技術品種示范推廣。通過技術示范中心以及派遣高級農業技術專家于受援國，我國在受援國進行農業技術示范設計初期通常會為其帶來高產農業科技，但隨著身在腹地的一線人員與當地農民，技術人員的不斷磨合探索，我國農業技術專家創造出既符合當地生產條件、又滿足當地人口味并且可以帶來高產的農業品種[4]，受到了當地農民和政府的歡迎。

2模型設定與變量解釋

本文采用Dreher等（2016）研發的對外援助地理影響評估模型（GIE），主要觀測變量為我國農業援助對受援地區農業生產能力的影響及其可持續性，被解釋變量為可以反映植物生長情況的歸一化植被指數（NDVI），控制變量為年均降水、地區平均坡度以及地區平均海拔：主解釋變量：我國農業援助。數據選取自AidData地理空間數據庫，我國官方對外發展援助數據庫中的農林牧漁部門，選取項目起始年份。本文共涉及2001—2017年,并剔除無效年份，取撒哈拉沙漠以南非洲36個國家共485個區域的我國農業援助數據，基于此，提出本文假設1：我國農業援助數額越高的地區，植被生長情況越好即NDVI值越高。控制變量三個：（1）地區年均降水量（precipitation）。根據Wessels等[6]研究，植被在其生長期間，降水量的多少會對其生長起到十分重要的作用。且通常認為降雨量越高的地區，植被的生長越好，即NDVI值越高。因此，提出假設2：年均降水量更高的地區，NDVI值越高。（2）地區平均坡度（groundslop）。根據靳長興（1996）[7]的研究，坡度加重土壤水分的流失，因此坡度越高的地區植被生長情況越差，因此假設3：地區平均坡度越高的地區，NDVI值越低。（3）地區平均海拔（physicalelevation）。根據學者Zhan等（2011）[8]的研究，地區平均海拔與NDVI有著顯著的相關關系，且在低海拔的地區植被生長狀況越好，因此假設4：海拔越低的地區NDVI指數越高。

3數據來源及統計描述

近年來，地理編碼（GEOcoding）數據在國際發展研究領域得到了越來越多的重視。世界銀行已經公布了其所有投資項目的地理信息。非洲發展銀行，亞洲發展銀行，以及聯合國發展項目以及諸多雙邊及多邊援助機構也陸續相應的地理編碼數據。其最大的特點是運用衛星遙感技術，準確地獲得高分辨率的空間數據，從而降低了運用隨機抽樣方法帶來的由于技術限制的誤差。本文數據采用美國威廉瑪麗學院AidData實驗室的地理空間數據庫（GEOspatial），根據地理邊界的范圍，該數據庫分為不同的六個等級，即ADM0—ADM5，ADM0為國家地理邊界數據，ADM1為區域邊界數據，ADM2為省級邊界數據，ADM3為市鎮級邊界數據，ADM4鄉邊界數據為村級單位，ADM5為村級邊界數據。本文運用2001—2017年我國對36個非洲國家485個區域的援助ADM1地理編碼數據，包含我國對該地區的農業援助、該地區的NDVI最大值、年均降水量、平均坡度、平均海拔。

4計量結果分析

首先用圖示法對影響NDVI的四個變量的關系進行考察，通過觀察圖1發現，我國農業援助、年均降水量、平均坡度以及平均海拔均與NDVI呈現不同程度的正相關關系。其中，年均降水量與NDVI呈現出較強的正相關關系，我國農業援助其次，平均坡度以及平均海拔均有先升后降的趨勢。下面利用地理編碼數據對我國農業援助對NDVI的影響進行具體的檢驗。

4.1多重共線性檢驗

本文運用Stata11.0對各變量進行相關性分析，檢驗是否存在多重共線性問題。表2顯示，變量之間最大的系數為0.7083，同時最大的VIF值1.54，遠小于10，故本文變量之間不存在多重共線性問題。

4.2估計結果及解釋

本文采用廣義矩估計（GMM）對方程進行回歸。本文模型中含有不隨時間改變的解釋變量ln(slop)和ln(eleva-tion)，因此選擇系統廣義矩估計（SYS-GMM）。系統GMM估計需要滿足擾動項不相關的假設，首先對殘差項進行序列相關檢驗：表4顯示AR(1)的P值0.007，小于0.1；AR(2)的P值為0.122，大于0.1，因此殘差序列存在一階自相關而不存在二階自相關，故可采用系統GMM估計。將ln（ND-VIt-1）作為工具變量進行過度識別約束檢驗，Hansen的檢驗結果P值為0.205大于0.1，故不存在過度識別的問題。以ln（NDVI）為被解釋變量，我國農業援助為解釋變量，并加入其他控制變量，結果如表4所示。為了對GMM模型的穩健性進行評估，本文同時采用混合回歸模型（OLS），固定效應模型（FE）對本文模型進行回歸分析。回歸結果表明，OLS模型中變量的平均海拔這一變量與固定效應和GMM模型這一變量符號相反，其余變量符號均一致，此外靜態模型變量的系數符號和顯著性與動態模型基本一致，說明本文核心解釋變量和控制變量選取合理，模型穩健。本文主要采用SYS-GMM估計方法，對解釋變量的回歸結果進行具體分析。從主體回歸結果來看，首先，我國農業援助變量在5%的水平上顯著，我國農業援助每上升1個百分點，NDVI將顯著上升千分之2.5個百分點。究其原因，我國的農業援助以農業技術示范為主，并會為周邊村莊定期提供種子等農業基礎材料，并且以農業產量提高為主要目標，因此農業產量提高與植物生長更加茂盛存在必然的聯系，該回歸結果為本文的主要假設提供了佐證。其次，本文的控制變量，地區年均降水量是影響植物生長的最為關鍵的因素之一，在三個模型當中其均在1%的顯著水平上顯著，因此年均降水量對NDVI有著顯著的正相關關系，也可以在一定程度上說明，即便控制了年均降雨量這一對NDVI具有很強影響的變量，我國對非農業援助仍顯著，說明我國農業援助的成效明顯。再次，地區平均坡度在加入了滯后1期的NDVI的模型（3）中系數符號為正，但并不顯著，但在靜態模型的（1）、模型（2）在1%的顯著水平上為正，說明若不考慮滯后1期的情況下，坡度對作物的生長有顯著的促進作用；但若考慮時間因素，由于坡度作為不隨時間改變的變量，對作物生長的促進作用穩定但不顯著。最后，地區的平均海拔在模型（2）與模型（3）中均不顯著，系數符號為負，說明地區海拔越高的地方可能越不利于作物的生長，因此NDVI會降低。

4.3加入地區固定效應的時間滯后模型分析

為了檢驗農業援助項目的可持續性，本文采用時間滯后的我國農業援助對于受援地區NDVI的影響程度，其中本文加入地區固定效應，并進行固定效應回歸，由于本文僅在探索時間滯后的農業援助為NDVI帶來的影響，因此模型中不加入控制變量。模型（1）中，我國對非農業援助當期對ND-VI的影響在10%的置信區間內呈負相關，即我國農業援助的第一年由于基建等設施的建設，并未達到促進當地農作物生長的目的。在模型（2）、模型（3）中，表示我國農業援助投入實施后的第一年和第二年的情況，第一年可以看到依舊為負，但是已不顯著，到了第二年已經為正，但是卻不顯著，這是由于農業援助也在不斷適應當地的氣候及生長條件，需要一定的適應期，在農業援助投入的第三年，可以看到農業援助的成效已十分顯著，如模型（4）中所示，固定了地區以及國家時間后的農業援助對NDVI在滯后第三期在1%的置信區間上顯著為正，這也印證了本文之前的假設，農業援助需要在2~3年的技術調試期后才可完整的對該地區進行正面的影響。而模型（5）即為項目運行后的第五年，農業援助項目已經通過技術測試和技術合作期，可以很好地適應當地自然條件，并進入項目可持續期。

5結論與建議

本文運用AidData地理空間數據庫，選取2001—2017年我國對非36個國家共485個地區的農業援助數據以及歸一化植被指數（NDVI），采用系統GMM方法就我國農業援助有效性進行了檢驗，進一步討論了加入地區固定效應的時間滯后模型，分析農業援助在同一地區的可持續性問題。所得結論主要為：（1）在樣本數據期內，我國農業援助有效地提高了受援國地區的農業作物產量；（2）從加入地區固定效應的時間滯后模型方面看，我國農業援助在開始的第一年由于進行農業基礎設施建設會破壞當地的植被，由第二年開始逐步提高當地農作物生產水平，第四年開始顯著提高，印證了我國農業援助具有可持續性。根據上述結論，本文提出如下建議：（1）健全農業援助管理體制，提高農業援助項目效率。我國農業援助已經具有較長的實踐歷史，但是始終沒有成立健全的農業援助管理體制機制，為“走出去”的我國農業企業提供適用非洲當地的生產投資經驗，增加了承建企業及有意前往非洲國家投資的企業前期市場探索的時間成本，降低了農業援助項目的效率。（2）加大資源整合力度，增強農業援助的可持續性。我國農業援助目前面臨的主要困難并非技術不適用，而是難以長期可持續地發展，單純依靠我國政府的援助投入不符合我國目前的發展階段，而單純依靠受援國政府的財政支持更是顯得心有余而力不足。因此，加大援助與其他類型對外合作資金的整合，加強公益性與商業性之間的有機結合，不僅符合我國與非洲國家自身的發展階段特點，也可以使援助項目的效用最大化，走可持續發展路線。（3）提高對外援助的宣傳工作，擴大援助項目的社會影響。大多數對外援助項目除了項目開工以及移交兩次重要活動進行宣傳外，其余時間節點很少出現大規模宣傳的跡象，而這一行事方式降低了對于援助項目在受援國當地的社會宣傳，難以造成良好的社會效應，即出現援助項目僅針對受援國政府了解，而社會認知不足的現象，在一定程度上增加了后續項目的承接難度以及降低了項目的可持續性。

作者:陳瑋冰 武晉 單位:中國農業大學 廉瑪麗學院AidData研究實驗室