王馨瑤 任鈺田 李心儀

（東北農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150030）

一、引言

在經(jīng)典的多元回歸模型中均有嚴(yán)格外生假定，但通常情況下該假定很難被滿足，所以學(xué)者們只要求同期外生，即弱外生性假定，要求擾動項(xiàng)與解釋變量同期不相關(guān)。然而，現(xiàn)實(shí)中這一假設(shè)也可能無法實(shí)現(xiàn)，從而出現(xiàn)內(nèi)生性問題。因?yàn)閮?nèi)生性問題會破壞參數(shù)估計(jì)的一致性，使估計(jì)結(jié)果不具備參考價(jià)值，所以對內(nèi)生性問題加以解決也是實(shí)證研究中的重要問題。一般而言，出現(xiàn)內(nèi)生性問題的原因有四種：第一，遺漏解釋變量；第二，解釋變量與被解釋變量互為因果，有時(shí)也稱反向因果關(guān)系；第三，自選擇問題；第四，測量誤差問題?，F(xiàn)有多種方法可解決內(nèi)生性問題，比如雙重差分法、工具變量法等。但在實(shí)證研究中，個體觀測很可能是一個選擇后的結(jié)果，由于只能觀測到個體的選擇行為以及選擇后的結(jié)果，直接將結(jié)果變量對決策變量回歸可能存在遺漏變量的內(nèi)生性問題，所以可利用內(nèi)生轉(zhuǎn)換回歸模型 （Endogeneous Switching Regression Model，簡稱ESR）來緩解這類問題。

Maddala和Nelson（1974）最早在轉(zhuǎn)換回歸模型的基礎(chǔ)上提出內(nèi)生轉(zhuǎn)換回歸模型，用以解決樣本選擇偏差所帶來的內(nèi)生性問題［1］。早期運(yùn)用該模型的經(jīng)典研究包括：Lee（1978）的工會薪酬模型，該模型涉及有工會部門和無工會部門這兩種選擇，通過選擇模型確定個人是否加入工會，并分別利用模型考慮兩種選擇時(shí)的工資情況［2］；Thorst（1977）的住房需求模型，該模型涉及擁有住房和租用住房兩種選擇，利用選擇模型加以確定并分析兩種情景下的支出情況［3］；Adamchik和 Bedi（1983）的公私營工資模型，該模型使用波蘭數(shù)據(jù)從預(yù)期收益和在特定部門工作的相關(guān)好處等方面經(jīng)驗(yàn)分析公營和私營條件下工人的工資差異［4］。

內(nèi)生轉(zhuǎn)換回歸模型是一種拓展的Heckman選擇偏差矯正模型，較Heckman選擇模型而言具有明顯優(yōu)勢。Heckman模型只能根據(jù)可觀察到的關(guān)系方程研究解釋變量和被解釋變量之間的關(guān)系，比如研究是否有孩子與工資之間的關(guān)系，但對于沒有工作的部分人而言不存在工資這一被解釋變量，從而因缺失值的出現(xiàn)造成樣本選擇偏差。此時(shí)，一般通過觀察樣本中的逆米爾斯比率糾正樣本分布，再估計(jì)兩者之間關(guān)系。而內(nèi)生轉(zhuǎn)換回歸模型可通過同時(shí)關(guān)注到的兩種選擇情景下的實(shí)際情況推演被解釋變量和解釋變量之間的關(guān)系，并放松必須將共同影響因素全部納入方程的假設(shè)，除此之外，選擇方程也會受到兩種情境下被解釋變量的影響，如選擇方程為是否加入工會，這一選擇將會同時(shí)受到公共部門的工資和私有部門工資的影響，故利用內(nèi)生轉(zhuǎn)換回歸模型可有效改善估計(jì)結(jié)果無效、有偏的問題。且內(nèi)生轉(zhuǎn)換回歸模型考慮了處理效應(yīng)的異質(zhì)性問題，其在項(xiàng)目、政策效果評價(jià)方面均優(yōu)于最小二乘估計(jì) （OLS）和傾向得分匹配（PSM）方法［5］。傳統(tǒng)的回歸模型只能估計(jì)影響效應(yīng)，不能同時(shí)觀測同一個體在選擇不同情景下時(shí)的行為，因此不能對比影響效應(yīng)，而內(nèi)生轉(zhuǎn)換回歸模型可以通過擬合實(shí)現(xiàn)反事實(shí)推斷，從而更好比較項(xiàng)目、政策的影響效果。正因?yàn)閮?nèi)生轉(zhuǎn)換回歸模型具有這些優(yōu)勢，近些年國內(nèi)學(xué)者也開始廣泛運(yùn)用此方法以解決樣本選擇帶來的內(nèi)生性問題，尤以2019年至2021年為主，研究多集中于農(nóng)業(yè)經(jīng)濟(jì)學(xué)領(lǐng)域。

二、理論研究

兩階段方法利用兩個回歸方程描述所表達(dá)的行為，并用一個準(zhǔn)則函數(shù)Ii決定兩個方程式中的一個適用方程，方程式表達(dá)為：

這個模型與Goldfeld和Quandt（1973）所提出的轉(zhuǎn)換回歸模型相類似，但是假設(shè)μi與μ1i和μ2i相關(guān)，故該轉(zhuǎn)換模型被 Maddala和 Nelson（1974）［1］稱之為內(nèi)生轉(zhuǎn)換回歸模型（ESR），該模型分為兩個階段：

第一個階段為選擇方程，這個選擇會帶來結(jié)果上的差異Ii*，這一差異不能被直接觀察到，可利用方程表達(dá)為：

第二個階段為結(jié)果方程，針對選擇情況分別分析影響因素，設(shè)定形式為：

方程 （4） 和方程 （5） 中 Zi是影響 y1i和 y2i的外生向量集，Xi可以與Zi重合，但需要存在至少一個屬于Xi卻不屬于Zi的變量，這類變量相當(dāng)于工具變量。假設(shè)選擇方程 （3）、結(jié)果方程 （4） 和結(jié)果方程 （5） 的隨機(jī)誤差項(xiàng)μi、ε1i和ε2i均服從均值為0、方差為σ的三元聯(lián)合正態(tài)分布，其協(xié)方差矩陣形式可表示為：

其中，F(xiàn)和f分別為累積正態(tài)分布函數(shù)和正態(tài)密度分布函數(shù)。

內(nèi)生轉(zhuǎn)換回歸模型中，相關(guān)系數(shù)ρ1i（ρ1i＝σ1i2/（σiσ1i） ） 和ρ2i（ρ2i＝σ2i2/（σiσ2i） ） 分別表示方程 （3） 與方程 （4） 和方程 （5） 誤差項(xiàng)之間的協(xié)方差，ρ1i和ρ2i的計(jì)量意義包括：第一，當(dāng)ρ1i和ρ2i在統(tǒng)計(jì)水平上顯著時(shí)，說明存在不可觀測因素，其導(dǎo)致了選擇偏差，為得到具有一致性的估計(jì)結(jié)果，須同時(shí)考慮可觀測和不可觀測因素，選取內(nèi)生轉(zhuǎn)換回歸模型是適宜的；第二，當(dāng)ρ1i和ρ2i具有不同的正負(fù)性時(shí)，說明已根據(jù)自身比較優(yōu)勢做出了理性決策，當(dāng)ρ1i和ρ2i是同正或同負(fù)時(shí)，說明不需要考慮選擇情況；第三，當(dāng)ρ1i＞0時(shí)，說明存在負(fù)向的選擇偏差，當(dāng)ρ2i＜0時(shí)，說明存在正向的選擇偏差［6］。當(dāng)存在較大相關(guān)系數(shù)時(shí)，使用最大似然法估計(jì)過程會難以收斂，通過蒙特卡羅模擬表明，校正殘差可以解決幾乎所有情況下的問題［9］。

當(dāng)存在不可觀測因素使得corr（μi，εi）≠0時(shí)，需在第一階段估計(jì)選擇方程，并通過其計(jì)算逆米爾斯比率λ1i、λ2i以及協(xié)方差項(xiàng)σ1i＝ cov （μi，ε1i） 和σ2i＝ cov （μi，ε2i），將其帶入兩個方程中以校正由于不可觀測因素導(dǎo)致的選擇偏差，其擴(kuò)展形式為：

利用方程 （6）和方程 （7）估計(jì)出相關(guān)系數(shù)后，可計(jì)算出三種平均處理效應(yīng)，分別是處理組的平均處理效應(yīng) （ATT）、對照組的平均處理效應(yīng) （ATU）以及總體樣本的平均處理效應(yīng)（ATE）。但因都包含了沒有受到相關(guān)政策影響樣本的處理效應(yīng)，所以對照組和總體樣本的平均處理效應(yīng)在評估政策方面的意義不大，最重要的估計(jì)參數(shù)為處理組的平均處理效應(yīng)。雖然在自選擇問題上，可以通過傾向得分匹配法進(jìn)行控制以獲取平均處理效，但傾向得分匹配法存在一個主要缺陷，即只能控制由于可觀測因素帶來的選擇性偏誤，卻不能控制由于不可觀測因素所帶來的選擇性偏誤。

利用內(nèi)生轉(zhuǎn)換回歸模型估計(jì)平均處理效應(yīng)時(shí)，可將可直接觀測的事實(shí)水平用方程表示為：

可將不可直接觀測的反事實(shí)水平用方程表示為：

由此可將平均處理效應(yīng)表達(dá)為：

可使用兩階段最小二乘法 （2SLS）或最大似然法 （MLE）估計(jì)內(nèi)生轉(zhuǎn)換回歸模型中的選擇方程，但是這兩種方法估計(jì)出的參數(shù)有效性較低，并需要繁瑣調(diào)整才能得到一致的標(biāo)準(zhǔn)誤差。因此，Lokshin和Sajaia于2004年將Terza（1998）的計(jì)數(shù)數(shù)據(jù)回歸模型進(jìn)行擴(kuò)展提出了完全信息極大似然估計(jì) （Full Information Maximum Likelihood，F(xiàn)IMI），這種方法可以同時(shí)估計(jì)選擇方程和結(jié)果方程，直接得到一致的標(biāo)準(zhǔn)誤差，但該方法計(jì)算量較大，需通過Stata軟件實(shí)現(xiàn)［7］。并且使用該估計(jì)方法有一定前提，即選擇方程需為二值選擇方程，結(jié)果方程的誤差項(xiàng)需要符合聯(lián)合三元正態(tài)分布。如果ε1i和ε2i與μi不能滿足服從聯(lián)合正態(tài)分布的假設(shè)，那么所得估計(jì)結(jié)果將會產(chǎn)生偏差，故在某些應(yīng)用中存在適用性問題［8］。此時(shí)，可利用 Terza（2008）提出的兩階段殘差嵌入方法 （2SRI），這一方法放松了正態(tài)分布假定［9］。除此之外，也可使用Probit估計(jì)方法對選擇方程進(jìn)行估計(jì)，這類模型被特定稱為內(nèi)生轉(zhuǎn)化概率模型 （Endogeneous Switching Probit Model，ESP）。

三、應(yīng)用研究

（一）內(nèi)生轉(zhuǎn)換模型的應(yīng)用領(lǐng)域

由于內(nèi)生轉(zhuǎn)換模型在應(yīng)對選擇性偏差等可觀測及不可觀測的內(nèi)生性問題上具有天然優(yōu)勢，近年來運(yùn)用內(nèi)生轉(zhuǎn)換模型的實(shí)證研究成果層出，主要應(yīng)用領(lǐng)域包括經(jīng)濟(jì)學(xué)、管理學(xué)、社會學(xué)及其交叉學(xué)科，其中農(nóng)業(yè)經(jīng)濟(jì)學(xué)和社會經(jīng)濟(jì)學(xué)方面的應(yīng)用研究更為廣泛。

在農(nóng)業(yè)經(jīng)濟(jì)學(xué)方面，利用內(nèi)生轉(zhuǎn)換模型進(jìn)行的學(xué)術(shù)研究集中于四個主題：第一，研究對農(nóng)戶收入的影響，影響因素包括信貸配給、選擇使用先進(jìn)生產(chǎn)技術(shù)與模式［10－12］。第二，研究對農(nóng)業(yè)產(chǎn)出的影響，包括采用適應(yīng)性生產(chǎn)技術(shù)措施等變量［13－14］。第三，研究種植改良農(nóng)產(chǎn)品或有機(jī)認(rèn)證農(nóng)產(chǎn)品的影響［15－17］； 第四，研究應(yīng)用互聯(lián)網(wǎng)等現(xiàn)代科技的影響［18］。除此之外，內(nèi)生轉(zhuǎn)換模型同樣能為涉農(nóng)政策評價(jià)提供基礎(chǔ)。利用內(nèi)生轉(zhuǎn)換回歸模型構(gòu)架 “反事實(shí)”分析框架，估計(jì)集體林地確權(quán)到戶、捕撈法規(guī)等涉農(nóng)政策的作用效果［19－20］。

在社會經(jīng)濟(jì)學(xué)方面，從個人層面分析公共部門和私營部門之間的工資差距是最主要的也是早期研究的重點(diǎn)領(lǐng)域，目前已被應(yīng)用研究荷蘭、秘魯?shù)葒业木唧w情況［21－22］，也有學(xué)者研究工會的參與情況以及是否為全日制工作對工資的影響［23］。從企業(yè)管理層面研究對企業(yè)投資的影響［24］，從政策評價(jià)層面分析土地政策等的政策效果［25］。

（二）農(nóng)戶投保行為對家庭收入的影響效應(yīng)分析

1、理論基礎(chǔ)

農(nóng)戶是否投保的行為往往受農(nóng)戶人力資本、金融資本、社會資本、物質(zhì)資本和自然資本等要素的影響［26］。參考已有研究，本文將性別、年齡、農(nóng)作物種植年限、風(fēng)險(xiǎn)態(tài)度等戶主個人特征，家庭兼業(yè)化程度、家庭債務(wù)貸款情況等家庭生產(chǎn)特征以及以是否遭受過自然災(zāi)害來表示的自然特征納入農(nóng)戶投保行為方程中?，F(xiàn)有研究表明政策性農(nóng)業(yè)保險(xiǎn)對農(nóng)戶收入存在正負(fù)兩種效應(yīng)：負(fù)效應(yīng)表現(xiàn)為當(dāng)沒有災(zāi)害發(fā)生時(shí)，農(nóng)戶購買保險(xiǎn)導(dǎo)致的家庭收入減少。在投保農(nóng)業(yè)保險(xiǎn)后農(nóng)戶疏于防范、不制止受災(zāi)范圍繼續(xù)擴(kuò)大等道德風(fēng)險(xiǎn)問題造成的家庭收入大幅減少。以及農(nóng)戶投保行為導(dǎo)致的生產(chǎn)要素配置改變最終提高農(nóng)作物產(chǎn)出，但在市場機(jī)制下農(nóng)產(chǎn)品價(jià)格降低帶來的收入減少；正效應(yīng)表現(xiàn)為農(nóng)業(yè)保險(xiǎn)對農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的轉(zhuǎn)移和補(bǔ)償，促進(jìn)農(nóng)戶災(zāi)后恢復(fù)再生產(chǎn)，穩(wěn)定并提高農(nóng)戶家庭收入?；蛲ㄟ^促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、農(nóng)村金融發(fā)展以及農(nóng)業(yè)技術(shù)創(chuàng)新，提高農(nóng)業(yè)生產(chǎn)效率和農(nóng)產(chǎn)品質(zhì)量，以此增加家庭收入。

雖然現(xiàn)有研究已探討政策性農(nóng)業(yè)保險(xiǎn)與農(nóng)戶家庭收入的關(guān)系，但針對政策性農(nóng)業(yè)保險(xiǎn)究竟是提高還是降低農(nóng)戶家庭收入這一核心議題仍沒有定論，造成研究差異的主要原因有兩點(diǎn)：第一，農(nóng)業(yè)保險(xiǎn)對農(nóng)民收入的影響機(jī)制是具有復(fù)雜性和多樣性的；第二，與不同研究所使用的不同樣本、數(shù)據(jù)以及方法有關(guān)，尤其是實(shí)證方法選用上，當(dāng)未充分考慮農(nóng)戶生產(chǎn)行為與投保行為可能存在一定的 “同時(shí)決策”，且存在投保決策的自選擇問題時(shí)，就會出現(xiàn)嚴(yán)重的內(nèi)生性情況，在數(shù)據(jù)方面現(xiàn)有研究以宏觀數(shù)據(jù)為主。因此，本文基于微觀調(diào)研數(shù)據(jù)利用內(nèi)生轉(zhuǎn)換模型對這一問題加以解決，研究政策性農(nóng)業(yè)保險(xiǎn)的農(nóng)戶投保行為對農(nóng)戶家庭年收入的影響，以期得到更為合理的研究結(jié)果。

2、數(shù)據(jù)來源與變量說明

本文所使用的數(shù)據(jù)來源于相關(guān)課題的調(diào)研，以黑龍江省政策性農(nóng)業(yè)保險(xiǎn)開展較好的具體代表性的地區(qū)，即綏化市、齊齊哈爾市、佳木斯市以及鶴崗市為調(diào)研對象展開實(shí)地調(diào)研，共對上述4個市的9個縣發(fā)放問卷405份，回收有效問卷364份，問卷有效回收率為89.88%。據(jù)統(tǒng)計(jì)，2019年黑龍江省成災(zāi)面積占主要農(nóng)作物播種面積之比為11.89%，農(nóng)業(yè)保險(xiǎn)在分散農(nóng)業(yè)自然風(fēng)險(xiǎn)、平滑農(nóng)民家庭收入方面都發(fā)揮著重要作用。按照經(jīng)營主體劃分，364個調(diào)研對象中有28個農(nóng)業(yè)合作社、82個種植大戶以及254個普通農(nóng)戶，其中將種植面積在200畝以上的農(nóng)戶定義為種植大戶。如表1所示，364個樣本中有232戶選擇投保農(nóng)業(yè)保險(xiǎn)，占樣本總數(shù)的63.74%。從戶主特征來看，投保組與非投保組差別不大，相較于非投保組，投保組農(nóng)戶更加年輕，受教育程度更高，農(nóng)業(yè)種植經(jīng)驗(yàn)更少，對政策性農(nóng)業(yè)保險(xiǎn)的評價(jià)更為滿意。從家庭特征來看，投保組的家庭總?cè)丝跀?shù)更高，間接說明從事農(nóng)業(yè)生產(chǎn)的勞動力更多，并且農(nóng)戶家庭年農(nóng)業(yè)收入和現(xiàn)有的債務(wù)金額均較高。從生產(chǎn)特征來看，投保組經(jīng)營種植的土地面積明顯高于非投保組，且整體經(jīng)營土地面積均較高，符合黑龍江省的自然地理特征。從自然特征來看，投保組農(nóng)戶之前遭受過自然災(zāi)害的比例高于非投保組農(nóng)戶。

表1：變量設(shè)置及說明

家庭特征家庭總?cè)藬?shù) 農(nóng)戶家庭人口總數(shù) （人） 2.27 1.91家庭收入 農(nóng)戶家庭年農(nóng)業(yè)收入 （萬元） 136.71 30.50債務(wù)水平 農(nóng)戶家庭現(xiàn)有債務(wù)情況 （萬元） 35.31 8.52生產(chǎn)特征經(jīng)營主體 農(nóng)戶的生產(chǎn)經(jīng)營主體的確定。農(nóng)業(yè)合作社＝1，種植大戶＝2，普通農(nóng)戶＝3 2.62 2.62農(nóng)業(yè)生產(chǎn)兼業(yè)化程度 農(nóng)戶家庭生產(chǎn)經(jīng)營類型。純農(nóng)業(yè)經(jīng)營＝1，農(nóng)業(yè)為主兼營其它＝2，非農(nóng)業(yè)為主兼營其它＝3，非農(nóng)業(yè)經(jīng)營＝4 1.45 1.44耕地面積 農(nóng)戶經(jīng)營土地面積 （畝） 961.56 268.79土地流轉(zhuǎn)情況 農(nóng)戶經(jīng)營土地是否存在流轉(zhuǎn)行為 0.85 0.89自然特征 受到災(zāi)害影響 農(nóng)戶是否受到過自然災(zāi)害影響。無＝0，有＝1 0.79 0.63

3、模型構(gòu)建

結(jié)合本文的研究目的與理論基礎(chǔ)，構(gòu)建的農(nóng)戶投保行為方程為：

（1）式中，I為農(nóng)戶是否購買政策性農(nóng)業(yè)保險(xiǎn)；Gen為戶主性別；Age為戶主年齡；Edu為戶主受教育程度；Year為農(nóng)業(yè)種植經(jīng)驗(yàn)，用戶主從事農(nóng)業(yè)生產(chǎn)年限表示；Eva為戶主對于政策性農(nóng)業(yè)保險(xiǎn)的服務(wù)評價(jià)；Risk為戶主風(fēng)險(xiǎn)態(tài)度，用戶主是否購買商業(yè)型農(nóng)業(yè)保險(xiǎn)表示；Occu為農(nóng)戶生產(chǎn)兼業(yè)化程度，用農(nóng)戶家庭生產(chǎn)經(jīng)營類型表示；Dis為農(nóng)戶是否受到過自然災(zāi)害影響；ε為隨機(jī)干擾項(xiàng)。

構(gòu)建的農(nóng)戶投保政策性農(nóng)業(yè)保險(xiǎn)對農(nóng)戶家庭收入的影響效應(yīng)方程為：

（2）式中，Inc為農(nóng)戶家庭收入；Num為農(nóng)戶家庭總?cè)藬?shù)；Fin為農(nóng)戶家庭債務(wù)水平；Acre為農(nóng)戶耕地面積；Land為農(nóng)戶經(jīng)營土地是否存在流轉(zhuǎn)行為；μ為隨機(jī)干擾項(xiàng)，其它變量含義同前式。

內(nèi)生轉(zhuǎn)換模型將 （2）式轉(zhuǎn)化為 （3）式和 （4）式，以分別表示投保組和非投保組農(nóng)戶的投保行為對其家庭收入的影響，具體方程為：

（3）式中的IncT和 （4）式中的IncU分別表示投保組和非投保組的農(nóng)戶家庭收入。當(dāng)不可觀測因素同時(shí)影響農(nóng)戶投保行為和農(nóng)戶家庭收入時(shí)，投保行為方程和農(nóng)戶家庭收入方程的殘差項(xiàng)就會存在相關(guān)關(guān)系，造成OLS估計(jì)的結(jié)果有偏。由于實(shí)際情況的限制，農(nóng)戶投保和不投保的行為不能同時(shí)發(fā)生，也就是說IncT和IncU不能被同時(shí)獲得，ESR將該問題視為數(shù)據(jù)缺失，所以將農(nóng)戶投保行為方程 （1）式中計(jì)算得到的逆米爾斯比率λ引入收入效應(yīng)方程，對這一問題加以來解決。此時(shí)，投保組和非投保組的投保行為對農(nóng)戶家庭收入的影響效應(yīng)方程將分別轉(zhuǎn)化為：

（5）式和 （6）式中，λT和λU表示觀測不到的農(nóng)戶能力或偏好致使的投保選擇，σTε＝cov （μT，ε） 和 σUε＝ cov （μU，ε）表示行為方程和收入效應(yīng)方程誤差項(xiàng)的協(xié)方差，若二者在統(tǒng)計(jì)意義上顯著，則表明十分有必要利用內(nèi)生轉(zhuǎn)換模型解決自選擇問題。待已糾正不可觀測因素導(dǎo)致的偏差問題后，（5）式和（6）式得到的估計(jì)結(jié)果將是無偏的和一致的。本文選擇完全信息極大似然估計(jì)法 （FIMI）對行為方程 （1）式和收入效應(yīng)方程 （5）式、（6）式進(jìn)行估計(jì)，對農(nóng)戶投保行為的收入效應(yīng)進(jìn)行反事實(shí)分析，比較投保農(nóng)戶與非投保農(nóng)戶在現(xiàn)實(shí)與反事實(shí)條件下農(nóng)戶家庭收入間的差異，以準(zhǔn)確評價(jià)農(nóng)戶投保所引致的收入變化。

投保組和非投保組的家庭收入的條件期望可表達(dá)為：

而投保組和非投保組的反事實(shí)家庭收入的條件期望可表達(dá)為：

實(shí)際投保組農(nóng)戶家庭收入的平均處理效應(yīng)，即處理組的平均處理效應(yīng)ATT可表示為 （7）式與 （9）式之差，具體表達(dá)式為：

（11） 式中，XT為 （3）式中的解釋變量，βT和βU分別為（7）式和 （9）式中的參數(shù)估計(jì)結(jié)果。

實(shí)際未投保組農(nóng)戶家庭收入的平均處理效應(yīng)，即非處理組的平均處理效應(yīng)ATU可表示為 （8）式與 （10）式之差，具體表達(dá)式為：

（12）式中，XU為 （4）式中的解釋變量，βT和βU分別為（8）式和 （10）式中的參數(shù)估計(jì)結(jié)果。

4、實(shí)證結(jié)果

由表2所示的農(nóng)戶投保行為的收入效應(yīng)方程的實(shí)證估計(jì)結(jié)果可知，經(jīng)營主體的類型，農(nóng)戶的風(fēng)險(xiǎn)態(tài)度以及生產(chǎn)兼業(yè)化程度是決定其投保行為的重要因素，即農(nóng)戶的生產(chǎn)專業(yè)化程度越高，其投保概率越低，風(fēng)險(xiǎn)意識較強(qiáng)的農(nóng)戶更會選擇購買政策性農(nóng)業(yè)保險(xiǎn)，尤其以大規(guī)模農(nóng)戶為主。由于表中ρUε與聯(lián)合獨(dú)立似然比均通過了1%水平的顯著性檢驗(yàn)，故證明了內(nèi)生轉(zhuǎn)換模型的適用性。根據(jù)表中投保組與非投保組投保對家庭收入的影響效應(yīng)方程的實(shí)證估計(jì)結(jié)果可知，對于投保組來說，戶主受教育程度、生產(chǎn)兼業(yè)化程度以及負(fù)債水平越高，家庭總?cè)藬?shù)越多，經(jīng)營土地面積面積越大，則越能促進(jìn)投保組農(nóng)戶家庭收入的提高，而即使已投保政策性農(nóng)業(yè)保險(xiǎn)，自然災(zāi)害的影響仍會對農(nóng)戶家庭收入產(chǎn)生不利影響；對于非投保組來說，較投保組而言其風(fēng)險(xiǎn)態(tài)度對家庭收入有重要影響，在未購買政策性農(nóng)業(yè)保險(xiǎn)的情況下，越具有風(fēng)險(xiǎn)意識的家庭其收入的增加效果越明顯。

表2：農(nóng)戶投保行為及家庭收入的內(nèi)生轉(zhuǎn)換模型實(shí)證估計(jì)結(jié)果

由表3所示的農(nóng)戶投保行為對農(nóng)戶家庭收入的處理效應(yīng)可知，投保農(nóng)戶家庭收入的平均處理效應(yīng) （ATT）為1.235，未投保農(nóng)戶家庭收入的平均處理效應(yīng) （ATU）為1.313，表明購買政策性農(nóng)業(yè)保險(xiǎn)有利于提高農(nóng)戶家庭收入。

表3：農(nóng)戶投保行為對家庭收入處理效應(yīng)的測算結(jié)果

根據(jù)經(jīng)營主體劃分，農(nóng)業(yè)合作社、種植大戶以及普通農(nóng)戶的政策性農(nóng)業(yè)保險(xiǎn)的投保率分別為75%、76.83%和72.44%，相較而言，普通農(nóng)戶的投保率較低，故為檢驗(yàn)投保對于普通農(nóng)戶的收入影響效應(yīng)的具體情況，本文測算普通農(nóng)戶的投保行為對其家庭收入的處理效應(yīng)。如表4所示，投保的普通農(nóng)戶家庭收入的平均處理效應(yīng) （ATT）為0.665，未投保的普通農(nóng)戶家庭收入的平均處理效應(yīng) （ATU）為0.569，雖然其增收效應(yīng)不如總體效果好，但也可證明對于政策性農(nóng)業(yè)保險(xiǎn)的主要需求者來說，普通農(nóng)戶購買政策性農(nóng)業(yè)保險(xiǎn)有利于提高其家庭收入，對于普通農(nóng)戶的增收效應(yīng)明顯。

表4：普通農(nóng)戶的投保行為對家庭收入的處理效應(yīng)測算結(jié)果

四、總結(jié)

內(nèi)生轉(zhuǎn)換回歸模型作為轉(zhuǎn)換回歸模型的一種，在不斷發(fā)展中日益得到完善，是經(jīng)典實(shí)驗(yàn)設(shè)計(jì)的自然擴(kuò)展。并且因其在解決內(nèi)生性問題以及評價(jià)項(xiàng)目、政策效果方面的獨(dú)特優(yōu)勢，在計(jì)量經(jīng)濟(jì)學(xué)文獻(xiàn)中被較為普遍地使用。其中國外學(xué)者使用此方法進(jìn)行的研究較為豐富，主要集中在農(nóng)業(yè)經(jīng)濟(jì)學(xué)領(lǐng)域上，國內(nèi)從2018年開始逐漸流行此類研究，且不僅廣泛應(yīng)用于農(nóng)業(yè)經(jīng)濟(jì)學(xué)領(lǐng)域也涉及社會經(jīng)濟(jì)學(xué)領(lǐng)域，研究層次均較高?，F(xiàn)有研究多關(guān)注于涉及二值選擇的有限因變量內(nèi)生轉(zhuǎn)換回歸模型，雖連續(xù)變量的內(nèi)生轉(zhuǎn)換回歸模型也有應(yīng)用，但研究數(shù)量較少，所以在未來的研究中可以將此類模型通用化，并進(jìn)一步發(fā)展有限因變量的研究。本文利用內(nèi)生轉(zhuǎn)換回歸模型實(shí)證分析農(nóng)戶投保政策性農(nóng)業(yè)保險(xiǎn)的收入效應(yīng)問題，充分利用該模型解決因農(nóng)戶投保行為的自選擇性質(zhì)所帶來的內(nèi)生性問題，并評價(jià)政策性農(nóng)業(yè)保險(xiǎn)的政策效果。使用黑龍江省農(nóng)戶作為研究對象，得到投保政策性農(nóng)業(yè)保險(xiǎn)可以促進(jìn)農(nóng)戶增收的結(jié)論，與現(xiàn)有研究結(jié)果相一致［27］，并且充分考慮了內(nèi)生性問題，結(jié)果具備合理性。據(jù)此，應(yīng)推動保險(xiǎn)公平，注意對普通農(nóng)戶進(jìn)行保險(xiǎn)宣傳，提高其風(fēng)險(xiǎn)防范意識，并提高農(nóng)戶整體投保水平。