引言

2026年中央一号文件再次强调，坚持把解决好“三农”问题作为全党工作重中之重，这充分彰显了党和国家对农业农村发展的高度重视。在“三农”工作中，核心在于农民，而农民问题的关键则在于收入。持续增加农民收入，不仅是实现乡村振兴、推动共同富裕的必然要求，也是检验国家支农政策成效的重要标尺。

由于农业有天然的弱质性及正外部性，其发展需要政府的宏观调控及财政支持。财政支农支出作为国家支持农业发展、改善农村民生的重要工具，以基础设施建设、农业科技推广、生产直接补贴等诸多形式影响农业生产条件、提高农民收入水平。近年来，我国财政支农力度不断加大，农民收入有稳健的增长。但是，城乡收入差距仍然存在，不同地区、不同经济发展阶段的财政支农政策效果会有明显差异。因此，在新的历史时期，系统分析财政支农支出对农民收入影响并厘清其作用机理，对于优化财政支农政策体系、提高资金使用效率、确保农民收入持续稳定增长具有重要意义。本文以2007-2024年的省级面板数据为基础，构建双向固定效应模型，实证检验财政支农支出对农民收入的影响，并进行稳健性检验与异质性分析，据此为我国财政支农政策提供经验证据与决策参考。

一、文献综述与研究假说

财政支农政策与农民收入的关系一直是学术界关注的焦点。众多学者对此进行了深入研究，但结论不尽相同。普遍研究认为，财政支农支出对农民增收具有明显的促进作用。罗东和矫健通过采用协整分析和似不相关回归模型 (SUR) 分析我国财政支农支出对农民人均纯收入的推动作用，研究发现国家财政支农支出对农村居民收入有着显著影响。刘振彪的实证分析也表明，财政支农支出对农民收入增长具有正的效应，能够在一定程度上促进农民增收。汪海洋,孟全省,亓红帅等利用1978～2010年的财政支农数据,分析了我国财政支农的现状并在建立结构式向量自回归模型的基础上,运用广义脉冲响应函数和预测方差分解考察我国财政支农支出的各类支出与农民收入增长之间的动态相关性，证实各项财政农业支出促进农民收入增长，但存在一定的作用时滞。江宗穆基于省级面板数据的研究同样证实，财政支农支出能够显著提高农村居民的收入水平，且这一效应在控制内生性问题后依然稳健。

由此，本文提出如下核心假说：

H1：在其他条件不变的情况下，财政支农支出对农民收入具有显著的正向促进作用。

孙致陆和肖海峰提出地方财政支农支出对农民增收的促进作用还呈现出显著的地区差异和梯度特征，在东部地区、中部地区和西部地区逐渐降低。李贺达基于省级面板数据，运用双重固定效应模型与灰色关联分析法，从理论和实证两个维度系统探讨了财政支农支出对农民收入的影响，提出财政支农支出对农民收入具有显著的正向促进作用，且该影响在不同地区和不同农民收入类型之间存在差异性。因此，本文提出如下假说：

H2：财政支农支出对农民收入的影响存在显著的区域异质性。

张校墁提出在第一产业占比较低的地区，财政支农对农民收入的促进作用显著；而在第一产业占比较高的传统农业大省，这种促进作用却不显著。这可能是因为在农业依赖度高的地区，农业生产模式相对传统，产业链条较短，财政资金更多用于维持低水平生产循环，且面临边际报酬递减的制约，导致其增收效应难以发挥。因此，本文提出如下假说：

H3：财政支农支出对农民收入的影响受到地区产业结构的调节。

二、研究设计

（一）数据来源与样本选择

本文选取2007年至2024年中国31个省、自治区及直辖市（不含港澳台地区）作为主要研究对象，构建省级平衡面板数据。本文所使用的原始数据主要来源于《中国统计年鉴》、《中国农村统计年鉴》、《中国财政年鉴》以及各省份的统计年鉴和国民经济与社会发展统计公报。针对部分省份个别年份存在的少量缺失数据，本文采用线性插值法与移动平均法进行了填补，以保证样本的连续性与完整性。同时，为了消除价格因素变动对时间序列数据可比性的影响，本文以2007年为基期，对涉及金额的变量（如农民收入、财政支农支出、人均GDP等）进行了平减处理。此外，为减弱数据的异方差性并消除量纲差异，本文对主要连续型变量进行了对数化处理，最终，经过数据清洗与整理，共获得558个观测值。

（二）变量定义

1. 被解释变量。农民收入。本文采用农村居民人均可支配收入来衡量，能够全面客观地反映农民的实际购买能力和生活水平，对农村居民人均可支配收入加1后取自然对数。

2. 核心解释变量。财政支农力度。本文采用地方财政一般预算支出中的农林水事务支出金额来衡量，对该指标数值加1后取自然对数处理。

3. 控制变量

第一是人口规模，采用年末常住人口数量的自然对数衡量，用于控制地区劳动力供给规模及消费市场潜力对收入的影响。第二是经济发展水平，采用人均地区生产总值的自然对数衡量，宏观经济环境的繁荣程度通过涓滴效应直接关系到农民的非农就业机会与收入增长。第三是农业依赖度，采用第一产业增加值占地区生产总值（GDP）的比重衡量，该指标反映了地区经济结构特征。第四是城镇化水平，采用城镇常住人口占总人口的比重衡量，城镇化进程伴随着农村剩余劳动力的转移，有助于提高农业劳动生产率并增加农民工资性收入。第五是政府汲取能力，采用地方财政一般预算收入占地区生产总值的比重衡量，该指标反映了政府对宏观经济的调控能力及财政自给水平，财政能力的强弱直接影响政府反哺农业的潜力。

（三）模型设定

为了检验财政支农力度对农民收入水平的影响，本文构建面板回归模型。根据表5中的模型选择检验结果，通过F检验和Hausman检验，本文最终选择双向固定效应模型进行参数估计，具体的模型设定如下：

在上式中，下标i代表省份，t代表年份；表示第i个省份在第t年的农民收入水平；表示核心解释变量财政支农力度；代表前文所述的一系列控制变量G；表示不随时间变化的省份个体固定效应，用于控制各省份独特的地理环境、资源禀赋及文化习俗等特征；表示不随个体变化的时间固定效应，用于控制宏观经济周期、国家层面的农业政策调整等时间趋势因素；为随机扰动项。是本文关注的核心系数，若显著为正，则表明财政支农力度对农民收入水平具有显著的促进作用。为了控制潜在的异方差和序列相关问题，本文在回归分析中均采用聚类到省份层面的稳健标准误进行统计推断。

变量类型	变量符号	变量名称	详细定义与计算说明
被解释变量	Rural_income	农民收入水平	采用农村居民人均可支配收入（单位：元）加1后取自然对数衡量。反映农村居民的实际生活水平与购买力。
核心解释变量	Gov_rural	财政支农力度	采用地方财政涉农支出金额（单位：亿元）加1后取自然对数衡量。反映政府对农业领域的资金支持强度。
控制变量	lnpop	人口规模	采用年末常住人口数量（单位：万人）的自然对数衡量。控制地区劳动力供给及消费市场规模对收入的影响。
	lngdp	经济发展水平	采用人均地区生产总值（人均GDP，单位：元）的自然对数衡量。控制宏观经济环境及整体富裕程度。
	First_ind	农业依赖度	采用第一产业增加值占地区生产总值（GDP）的比重衡量。反映该地区经济结构中农业的贡献率及依赖程度。
	urban	城镇化水平	采用城镇常住人口占总人口的比重衡量。反映城乡结构转型及劳动力向城镇转移的程度。
	gov	政府汲取能力	采用地方财政一般预算收入占地区生产总值（GDP）的比重衡量。反映政府对宏观经济的调控能力及财政自给水平。

三、实证结果与分析

（一）描述性统计

根据表2描述性统计的数据可以看出，不同省份间农民可支配收入（Rural_income）仍存在一定的地区差距，这符合我国现阶段区域经济发展不平衡的现状；各地区在财政支农支出（Gov_rural）上存在显著差异，不同省份财政实力和政策倾斜力度不同。

在控制变量方面，各指标也呈现出明显的地区异质性。城镇化水平（urban）显示样本区间内既包含城镇化率较低的农业大省，也包含城镇化高度发达的直辖市。第一产业占比（Firstind）刻画了中国从农业主导型向工业服务业型转型的经济结构特征。地区经济发展水平（lngdp）说明了各省份所处的不同经济发展阶段。更重要的是，所有主要变量的标准差都处于合理范围之内，故可判断所用数据质量较高。

Variable	N	Mean	SD	p50	Min	Max
Rural_income	558	9.305	0.600	9.368	7.822	10.73
Gov_rural	558	5.963	0.804	6.101	3.176	7.425
lnpop	558	8.120	0.846	8.255	5.666	9.456
lngdp	558	10.73	0.610	10.76	8.959	12.34
Firstind	558	0.101	0.0540	0.100	0.00200	0.287
urban	558	0.577	0.141	0.572	0.215	0.896
gov	558	0.107	0.0310	0.100	0.0570	0.245

（二）相关性分析与多重共线性检验

表3报告了各主要变量之间的Pearson相关系数矩阵。从解释变量与被解释变量的关系来看，核心解释变量财政支农力度（Gov_rural）与被解释变量农民收入水平（Rural_income）的相关系数为0.626，且在1%的水平上显著为正。这初步表明，随着政府对农业农村财政投入力度的加大，农民的人均可支配收入呈现出显著的上升趋势，与本文的研究假设预期方向一致。若干解释变量彼此之间存在一定相关性，例如地区经济发展水平与城镇化水平的相关系数为0.843。因此，本文进行了方差膨胀因子（VIF）检验以排除多重共线性的干扰。

Variables	(1)	(2)	(3)	(4)	(5)	(6)	(7)
(1)Rural_income	1.000
(2)Gov_rural	0.626***	1.000
	(0.000)
(3)lnpop	0.129***	0.565***	1.000
	(0.002)	(0.000)
(4)lngdp	0.952***	0.527***	0.098**	1.000
	(0.000)	(0.000)	(0.020)
(5)First_ind	-0.478***	-0.072*	-0.085**	-0.624***	1.000
	(0.000)	(0.087)	(0.044)	(0.000)
(6)urban	0.763***	0.208***	0.077*	0.843***	-0.629***	1.000
	(0.000)	(0.000)	(0.070)	(0.000)	(0.000)
(7)gov	0.219***	-0.173***	-0.364***	0.301***	-0.353***	0.475***	1.000
	(0.000)	(0.000)	(0.000)	(0.000)	(0.000)	(0.000)

注：***p<0.01,**p<0.05,*p<0.1。

表4展示了多重共线性检验的具体结果。统计数据显示，所有解释变量和控制变量的方差膨胀因子（VIF）均远低于临界值10。根据计量经济学的判定标准，当VIF值小于10时，可以认为模型不存在严重的多重共线性问题。因此，本文所选取的解释变量和控制变量之间具有良好的独立性，可以直接纳入多元回归模型进行参数估计，回归结果具有统计上的可靠性。

	VIF	1/VIF
urban	4.54	.22
lngdp	3.879	.258
Firstind	1.794	.557
gov	1.751	.571
lnpop	1.287	.777
MeanVIF	2.651	.

（三）模型选择检验

为了确定最适合本文面板数据的估计模型，本研究依次进行了F检验和Hausman检验，表5汇报了具体的检验统计量及P值。F检验结果显示，F统计量为323.53，对应的P值为0.0000，因此固定效应模型优于混合OLS模型。Hausman检验结果显示，Hausman检验的卡方统计量（Chi2）为2566.29，伴随概率P值为0.0000，在1%的水平上显著。综合上述两次检验的结果选择固定效应模型。

检验项目	原假设(H0)	统计量	P值	检验结果
F检验	混合OLS模型优于固定效应模型	F=323.53	0.0000	拒绝原假设 (应选择固定效应模型)
Hausman检验	随机效应模型优于固定效应模型	Chi2=2566.29	0.0000	拒绝原假设 (应选择固定效应模型)

（四）基准回归结果分析

表6汇报了财政支农力度对农民收入影响的基准回归结果，本研究采用逐步回归法来考察核心解释变量的稳健性以及控制变量引入对模型估计的影响。列（1）仅纳入核心解释变量Gov_rural与省份、年份固定效应，列（2）-（6）依次加入人口规模、经济发展水平、第一产业占比、城镇化水平和政府干预等控制变量。结果显示，财政支农力度系数在各列均在1%水平显著为正，假说1成立。

列（1）并未加入任何控制变量的情况下，财政支农力度的回归系数为0.123，且在1%水平上显著，初步说明财政支农投入对农民收入增长具有显著的正向促进作用。随着控制变量的逐步加入，财政支农力度的回归系数数值虽然有所下降，从列（1）的0.123逐渐调整至列（6）的0.033，但其显著性水平始终保持在1%的高位，这说明单纯估计会高估效应，但剥离其他因素后净效应依然显著。列（6）表明，财政支农力度每提升1单位，农民人均可支配收入平均提高0.033%，通过生产条件改善、补贴与转移支付有效促进增收。

控制变量均显著正向影响农民收入，与主流文献一致。基准回归稳健证明，财政支农是促进农民收入增长的重要动力。

	(1)	(2)	(3)	(4)	(5)	(6)
	Rural_income	Rural_income	Rural_income	Rural_income	Rural_income	Rural_income
Gov_rural	0.123***	0.121***	0.057***	0.053***	0.048***	0.033***
	(0.014)	(0.014)	(0.011)	(0.011)	(0.011)	(0.011)
lnpop		0.176***	0.166***	0.181***	0.199***	0.180***
		(0.039)	(0.029)	(0.030)	(0.029)	(0.029)
lngdp			0.303***	0.319***	0.269***	0.284***
			(0.015)	(0.016)	(0.018)	(0.019)
First_ind				0.287***	0.301***	0.367***
				(0.104)	(0.102)	(0.103)
urban					0.358***	0.340***
					(0.066)	(0.065)
gov						0.369***
						(0.115)
_cons	8.573***	7.155***	4.371***	4.067***	4.274***	4.330***
	(0.084)	(0.327)	(0.282)	(0.301)	(0.295)	(0.293)
N	558	558	558	558	558	558
Prov_FE	Yes	Yes	Yes	Yes	Yes	Yes
Year_FE	Yes	Yes	Yes	Yes	Yes	Yes
r2_a	0.996	0.996	0.998	0.998	0.998	0.998
F	76.671	49.804	192.473	148.114	131.138	113.024

注：括号内为稳健标准误；*、**、***分别表示在10%、5%、1%水平上显著。

（五）稳健性检验

为进一步验证基准回归可靠性，本文从多维度开展稳健性检验，以缓解内生性、样本偏差与测量误差问题。一是将财政支农力度滞后一期回归，系数0.050且1%水平显著，缓解反向因果内生性问题；二是剔除2020-2022年样本，系数0.029且5%水平显著，结论不受异常时期干扰；三是剔除四大直辖市样本，系数0.041且1%水平显著，结论在普通省份依然成立；四是替换核心解释变量为涉农财政支出占比，系数0.004且1%水平显著，排除测量误差影响。四项检验结果显示，尽管回归系数与显著性略有波动，但财政支农显著促进农民增收的核心结论稳健一致。

	(1)	（2）	（3）	（4）
	解释变量滞后一期	剔除公共卫生事件期间样本	剔除直辖市	核心解释变量更换为涉农财政支出占比
L.Gov_rural	0.050***
	(0.011)
Gov_rural		0.029**	0.041***
		(0.012)	(0.013)
exp_rate				0.004***
				(0.001)
lnpop	0.225***	0.174***	0.216***	0.213***
	(0.030)	(0.031)	(0.033)	(0.031)
lngdp	0.257***	0.290***	0.300***	0.302***
	(0.019)	(0.019)	(0.020)	(0.018)
First_ind	0.334***	0.379***	0.428***	0.341***
	(0.106)	(0.107)	(0.107)	(0.103)
urban	0.398***	0.344***	-0.072	0.334***
	(0.064)	(0.069)	(0.104)	(0.065)
gov	0.218**	0.395***	0.308**	0.507***
	(0.107)	(0.118)	(0.135)	(0.104)
N	527	496	486	558
Prov_FE	Yes	Yes	Yes	Yes
Year_FE	Yes	Yes	Yes	Yes
r2_a	0.998	0.998	0.998	0.998
F	113.267	103.309	78.446	114.809

（六）异质性分析

为进一步探究财政支农增收效应的差异，本文从地区分布与产业结构两个维度展开异质性检验。

首先，按东中西部分组回归显示：财政支农系数Gov_rural东部为0.081，且在1%水平上显著、中部为0.047，在10%水平上显著，西部为负且不显著，呈现出“东部优于中部，西部效果不彰”的阶梯状递减特征。由此，假说2得到检验。造成这一差异的原因可能在于东部基础设施完善、市场化程度高，资金利用效率更高；西部侧重保障与生态修复，增收边际效应较弱。其次，按第一产业占比高低分组：低一产占比地区系数0.038（5%显著），高一产占比地区为负且不显著。低一产地区城镇化与工业化水平高，资金投向高附加值农业，收益更高；传统农业大省模式传统、产业链短，增收效果不显著，假说3得证。

	地区异质性
	(1)	(2)	(3)
	东部地区	中部地区	西部地区
Gov_rural	0.081***	0.047*	-0.001
	(0.031)	(0.024)	(0.020)
lnpop	0.216	-0.041	0.458***
	(0.164)	(0.103)	(0.061)
lngdp	1.028***	0.222***	0.401***
	(0.057)	(0.030)	(0.033)
First_ind	2.747***	0.322**	0.520**
	(0.719)	(0.127)	(0.216)
urban	0.957***	0.407*	-1.131***
	(0.235)	(0.232)	(0.209)
gov	-0.233	0.310	0.444**
	(0.396)	(0.288)	(0.189)
N	198	144	216
Prov_FE	Yes	Yes	Yes
Year_FE	Yes	Yes	Yes
r2_a	0.986	0.998	0.998
F	1729.987	19.120	41.249

再次，本文根据第一产业增加值占GDP比重的中位数将样本划分为一产占比低和一产占比高两组，结果如表9所示。回归结果显示，在第一产业占比较低的地区，Gov_rural的系数为0.038，且在5%的水平上显著；而在第一产业占比较高的传统农业大省，该系数为负且不显著。这一发现似乎与直觉相悖，但深入分析可以发现，第一产业占比较低的地区通常工业化和城镇化水平较高，财政支农资金更多投向都市型现代农业、高附加值农产品加工以及农业与服务业的融合领域，资金回报率较高。而在第一产业占比较高的地区，农业生产模式相对传统，产业链条较短，财政资金可能主要用于维持低水平的农业生产循环，加之边际报酬递减规律的作用，导致新增财政投入难以显著推动农民收入的进一步跃升。由此，假说3得到检验。

	一产占比
	(1)	(2)
	一产占比低	一产占比高
Gov_rural	0.038**	-0.027
	(0.018)	(0.018)
lnpop	0.176***	0.449***
	(0.055)	(0.108)
lngdp	0.265***	0.229***
	(0.032)	(0.064)
First_ind	0.321	0.835***
	(0.343)	(0.180)
urban	0.500***	-0.242
	(0.086)	(0.309)
gov	0.021	0.297
	(0.151)	(0.383)
N	286	270
Prov_FE	Yes	Yes
Year_FE	Yes	Yes
r2_a	0.998	0.999
F	57.541	21.176

四、结论与启示

（一）研究结论

本文基于2007-2024年我国31个省（区、市）面板数据，采用双向固定效应模型，结合稳健性检验与异质性分析，探究财政支农支出对农民收入的影响，核心结论如下：

第一，财政支农是农民增收的重要动力。基准回归显示，控制人口规模、经济发展水平、产业结构等变量后，财政支农力度对农民人均可支配收入的正向影响仍在1%水平显著，通过改善生产条件、直接补贴、优化公共服务等渠道，有效转化为收入增长。

第二，增收效应具备稳健性。经四项检验验证：核心解释变量滞后一期缓解反向因果、剔除公共卫生事件时期样本排除特殊冲击、剔除直辖市样本避免干扰、更换变量衡量方式减少误差，均证实财政支农与农民增收存在稳定因果关系。

第三，效应存在显著异质性。区域层面呈“东部 > 中部 > 西部”递减格局：东部效应最强（1%显著），中部次之（10%显著），西部不显著，反映中西部在基建、市场化程度、资金效率上存在短板。产业结构层面，一产占比低的地区效应显著（5%显著），传统农业大省效应不显著，表明单纯增投难破边际报酬递减，产业优化是关键。

（二）政策建议

基于研究结论，本文提出以下优化建议：

第一，健全财政支农稳定增长机制。将农业农村作为财政支出优先保障领域，建立资金稳定增长机制；借鉴相关研究，对支农资金分类管理，优化生产投入、基建、科技推广、直接补贴等领域配置，避免“撒胡椒面”，提升使用效率。

第二，实施差异化区域支农政策。东部侧重支持高附加值农业、智慧农业及三产融合，发挥示范作用；中部强化农业基建与科技投入，提升综合生产能力；西部优先改善基本生产生活条件、巩固脱贫成果，加强资金监管，夯实基础后再推进产业升级。

第三，推动产业结构优化升级。针对传统农业大省增收瓶颈，财政资金引导农村一二三产业融合，通过专项基金、贷款贴息等支持农产品精深加工、冷链物流、农村电商、乡村旅游等新业态，延伸产业链、提升价值链，增加非农就业与工资性收入，实现农业增效与农民增收良性循环。

参考文献：

1. [1] 丁兆庆. 调整我国国民收入城乡分配格局研究[J]. 农业现代化研究,2009,30(01):69-72.
2. [2] 罗东, 矫健. 国家财政支农资金对农民收入影响实证研究[J]. 农业经济问题,2014,35(12):48-53.
3. [3] 刘振彪. 我国财政支农支出促进农民收入增长的实证分析[J]. 财经理论与实践,2011,32(03):63-67.
4. [4] 汪海洋, 孟全省,亓红帅, 等. 财政农业支出与农民收入增长关系研究[J]. 西北农林科技大学学报(社会科学版),2014,14(01):72-79.
5. [5] 江宗穆, 胡宗义, 夏菱阳, 等. 财政支农的效应评估:基于农民增收的视角[J]. 金融经济,2023(11):24-37.
6. [6] 孙致陆, 肖海峰. 地方财政支农支出对农民收入影响的实证分析——基于1994年-2009年省级面板数据[J]. 地方财政研究,2013(04):8-15.
7. [7] 李贺达. 财政支农支出对农民收入的影响研究[D]. 山东财经大学,2025.
8. [8] 张校墁. 财政支农支出对农民收入的影响研究[D]. 辽宁大学,2023.
9. [9] 张慧,赵佳, 张怡. 农业生产性服务业的农民增收效应——基于区域异质性视角[J]. 青岛农业大学学报(社会科学版),2022,34(04):15-20.
10. [10] 崔丽. 农业保险发展对农民收入的影响研究——来自西部地区农业保险的证据[J]. 黑龙江金融,2023(12):64-70.
11. [11] 叶林祥,朱迪. 农业保险促进绿色农业与农民增收协同发展：机制分析与实证检验[J]. 农村经济,2025(01):68-78.
12. [12] 温涛, 董文杰. 财政金融支农政策的总体效应与时空差异——基于中国省际面板数据的研究[J]. 农业技术经济,2011(01):24-33.
13. [13] 李莉, 黄培峰, 陈娜菲. 政府补助、产权性质与农业企业经营绩效[J]. 云南农业大学学报(社会科学),2019,13(06):83-90.
14. [14] 苟兴朝. 财政金融协同支持乡村全面振兴的效率测度及提升路径[J]. 财经理论研究,2025(04):53-65.