高等教育研究的战略倡导：来自美国农业实验站经费的启示

本文深入探讨了政治进程中倡导活动对州立法机构高等教育经费支持的影响，通过构建2004-2018年州级实验站经费分配的新型数据集，系统分析了影响州农业研究经费决策的财务和政治要素。研究发现，大学与立法者建立联系的倡导努力以及在大学层级中的战略定位，与维持和扩大农业实验站（AES）经费显著相关。研究强调了经济条件、立法专业化程度和政治意愿在塑造经费格局中的相互作用，为公共研究投资的战略倡导提供了重要实证依据。

　　

引言

实现长期大学研究优先事项需要稳定资金支持以吸引更大规模的研究投资。这种稳定资金的基础是州立法机构提供的周期性长期资金。政治进程塑造了这些资金的可用性，因为立法者必须决定如何分配稀缺的税收资金用于大学资助。尽管这一政治进程至关重要，但很少有研究探讨大学研究机构争取额外资金的机制。

本文考察了影响公立大学研究与开发经费支持的财务和政治因素。土地赠与大学的农业实验站（AES）在这方面特别具有研究价值，因为它们通常比任何其他研究领域都获得更长期的资助。美国AES起源于1887年的《哈奇法案》，该法案授权在每个州建立研究实体，专注于解决社会问题，资金由联邦和州政府提供。这些"哈奇资金"与其他州对普通基金、教学、设施等的支持分开分配，使我们能够更清晰地分离针对性游说对州研究投资的影响。

概念框架

州农业实验站经费的拨款过程

遵循关于州对学院和大学资助的文献，图1概念化了州级对AES的经费决策如何制定。该框架包含多个相互关联的要素，共同影响着最终的经费分配结果。

决策者教育

决策者通常通过游说渠道接受"教育"。鼓励州决策者增加AES资金的主要游说途径有两个。首先是土地赠与大学管理层对立法者和州长办公室的直接游说（教育性）。在某些州，实验站领导可以无限制地与关键立法者就经费和新研究计划提案进行接触。在其他州，任何与决策者的接触都受到限制，必须通过大学校长（或其他高级行政人员）办公室协调。还有一些情况下，实验站领导可能被禁止与立法机构讨论当前或拟议的研究计划。

实验站主任在组织结构中的位置可以表明他们对大学的外部重要性。例如，向教务长汇报的主任在机构中被埋没得更深（因此被认为不太重要），而与向大学校长或大学系统校长汇报的主任相比。随着主任与校长/董事会之间层级的增加，实验站经费作为优先事项的可能性可能会降低。在某些情况下，大学会有农学院院长（学术项目）、实验站主任和推广主任。当所有这三个职位由一人兼任时，该人通常成为大学内的主导院长，我们称之为"超级院长"。这个人凭借职位代表并倡导所有三个大学使命，当获得立法过程的机会时，可以成为实验站和推广的强大倡导者。

联盟是获得政治体系内支持的另一种有效方式。实验站主任和推广主任是一个常见的联盟，因为它们各自的计划都源于土地赠与大学扩大其社会影响的需求。一些州将实验站和推广计划的资金作为一个合并的线项分配。然而，关于合作推广、实验站和土地赠与学术项目是否在州资金方面相互竞争的问题仍然存在。也就是说，人们期望这些实体联合倡导资金比它们单独倡导更有效。

除了大学人员外，州公民可以参与基层游说，倡导增加实验站资金。主要行业团体集体游说可能有价值，因为农业支出可能与州农业生产者集体游说其特殊利益的能力相关。例如，州玉米种植者协会通常有游说者倡导玉米种植者的利益。他们可能会影响与玉米相关研究的州资金 among other priorities。虽然依赖单一商品组织获取倡导支持可能有风险且有限，但假设玉米种植者是大豆生产者、猪肉生产者和饲养场运营商（等）联盟的一部分，倡导州实验站研究资金。在这种情况下，他们联合的政治影响力可能会带来增加的资金。如果实验站领导与行业团体和当地利益相关者合作确定项目需求和设施需求，集体游说努力可能具有相当大的政治影响力。

实验站还可以通过与相关利益相关者群体更紧密的地理联系来获得额外的基层游说。例如，州内农业研究中心的数量应转化为对实验站研究的更多政治和财政支持。远离校园的研究站通常受到当地农业行业领袖咨询委员会的监督。这些地方领导人影响研究项目，进而教育地方和州选举官员关于实验站的好处。

政治因素

农业的政治经济学非常重要，它可以显著扭曲全球食品市场，并且经常在关注特殊利益游说的学者中讨论。因此，州对立法过程的投资可能会影响预算分配。这些投资包括立法者的薪酬、支持福利（如每日津贴）以及为支持人员提供的预算。想法是，更专业的立法机构可能更倾向于为高等教育提供资金，包括实验站。另一个外部因素是立法任期限制。论点是任期限制导致立法者更频繁更换，损害了对问题的机构记忆，使立法者对详细政策和资金问题了解减少。第三个外部问题，特别是对AES而言，是州农业经济的规模。据推测，生产农业对州经济越重要，决策者越有可能投资于提高农业生产力的研究。更大的农业经济 presumably 意味着更多与农业和牧场有紧密联系的立法者。

宏观经济因素

几项研究探讨了更大、更繁荣的州经济与对学院和大学增加投资之间的正相关关系。常见变量包括人均收入水平、家庭收入中位数、失业率和州税收收入。这些变量支持经济繁荣转化为更大的高等教育支出的观点。然而，关于经济危机对大学研发投资影响的证据好坏参半。类似地，实验站支出历史上与州经济规模的联系比与农业经济规模的联系更紧密。

上一年拨款

上一年的州预算拨款是当前年度拨款的重要预测指标。州支出受预算过程驱动，特别是可用资金和支出限制。零基预算（在17个州使用）要求州机构从零起点逐年构建预算。然而，大多数州使用替代预算方法，在年度或双年度基础上启动资金分配过程。在替代预算下，各州从上一年的预算开始，并提议（通常）对即将到来的预算周期进行百分比变化。在实践中，人们可能期望任何一种方法都会受到前几年支出的严重影响；例如，1966年实验站研究支出的最佳预测指标是1960年的实验站研究支出。

竞争性预算需求

与三个主要预算类别相比，实验站资金在大多数州是微不足道的：福利计划（如对有需要家庭的援助、医疗补助和SNAP支付）；医疗保健和医院（如州对医院的援助、健康诊所、WIC项目和心理健康项目）；以及州对K-12教育的支持。然而，任何实验站州资金的增长都可能以这些其他主要类别之一为代价。

假设实验站资金构建为线项拨款。在这种情况下，这意味着（a）决策者直接向实验站分配州资金，因此对资金的使用方式有更直接的监督，以及（b）大学领导更难以将资金从实验站转移用于其他大学优先事项。在略超过一半的州，实验站资金在州预算中与提供给州土地赠与大学的一般资金分开列为线项。

可用预算和支出约束

支出限制限制了州政府可以增长的金额。例如，1978年，加利福尼亚州通过了13号提案，将财产税评估冻结在其销售价格的1%。这种财产税冻结是许多相关州措施中的第一个，旨在限制州和地方政府支出的增长。探索了税收和支出限制（TELs）对州高等教育支持的影响。他们对州政策变化的回顾发现，TELs是通过投票倡议和立法机构本身启动的，以减缓州支出的增长。像13号提案这样的税收重点限制限制了税率或税收总额的增长。另一种用于限制支出的工具是要求税收或支出措施由立法机构使用绝对多数批准，例如3/5或2/3的立法机构（称为SMRs）。发现TELs和SMRs在统计上显著，并且对高等教育资金产生负面、抑制的影响。

决策者的支出和税收优先事项

一旦外部力量进入立法过程，影响预算变化的主要因素涉及决策者的政治哲学。决策者倾向于与其政党一起投票，尽管关于政党隶属关系及其与高等教育资金关系的证据好坏参半。双方越来越支持政府干预食品系统，因此政党对实验站资金的影响尚不清楚。

利益相关者影响

这个概念模型的最后——也可以说是最重要的——组成部分是认识到拨款必须产生可衡量的利益相关者影响，这些影响反过来可以影响未来的资金决策。这些影响可能包括提高农业生产力、改善环境结果、促进公共健康或农村社区的经济发展。当有效传达时，这些成果可以成为强大的倡导工具，因为州政府越来越要求充分证明投资回报，以加强实验站研究的相关性。关于这些影响的利益相关者反馈通过提供公共价值的有形证据，为决策者教育过程和经济考虑提供信息。这也是实验站和合作推广之间合作的关键机会，因为研究和外展的联合努力可以更清晰地将科学输出与选民利益联系起来，从而增强未来资金请求的可信度和影响力。

实证模型

基于此概念框架，我们估计了一个实证模型，以探讨各州和随时间推移的倡导努力与实验站资金分配之间的关系。需要明确的是，我们的实证方法旨在检验倡导努力与实验站资金之间的关系，而不是在两者之间建立因果关系。尽管因果推断是计量经济学研究中的重要考虑因素，但我们的目标是识别说明倡导努力如何随时间推移与资金结果相关的模式和关联。通过采用具有固定因子变量的不平衡面板数据集，我们旨在控制可能影响资金趋势的时不变州特征。然而，我们承认某些建模选择，例如包含固定效应或滞后变量，会影响如何解释倡导的财务影响。最终，我们的分析为理解倡导策略如何与资金结果保持一致提供了实证基础，而不是作为正式的因果识别策略。

我们的因变量是每年每个州分配给实验站的州资金比例。由于该分析使用不平衡面板数据集，我们包括固定因子变量以控制时间和地点不变的非观测个体特征。这种方法在逻辑上与实验站资金一致，实验站资金深受因州而异的历史分配的影响。然而，当滞后变量已经出现时，模型中是否需要固定因子是值得怀疑的。似乎当应用固定效应方法时，一些合法的逐年波动会被忽略。例如，固定效应或滞后变量也可能混淆倡导的财务影响。因此，我们添加了固定效应并移除了滞后变量作为稳健性检查，以测试结果的差异。

倡导是关于随时间建立的关系和信任，因此上一年的滞后变量可能很大程度上捕捉了倡导的长期价值。为了解决这个问题，我们创建了第四个模型，用数据第一年（2004年）的比率替换滞后变量。因此，我们捕捉了每个州存在的历史外生效应，同时仍然允许衡量倡导的更长期影响。

为了更好地理解农业倡导活动与州支出之间的关系，我们开发了农业倡导指数（AAI）。我们使用一个朴素的预测模型来组装我们的初始AAI，该模型假设直接和间接游说效应对结果有50-50的影响。直接游说变量包括实验站主任在游说中的作用及其在大学内的汇报位置、超级院长的存在、拥有独立的实验站预算线项以及推广和实验站联合倡导。间接游说变量包括外部基层游说获取资金以及田间站与州人口的比率。因为没有理由相信直接和间接游说变量同等重要，我们通过改变权重和不同变量的存在（或不存在）来优化AAI系数，以优化Akaike信息准则（AIC）。朴素的AAI和优化的AAI的构建细节在附录A中提供。如此构建，AAI将在0到100之间。当指数高时，实验站使用多种方法倡导资金，并且增加的倡导活动预计与更高水平的资金相关。

数据描述

这些变量的数据是通过与各实验站领导人和工作人员的沟通收集的，并辅以实验站网站上的信息。据作者所知，这是首次为此类实证研究系统收集此类数据。大学发布或州预算中列出的年度实验站预算代表了用于因变量的最大数据份额。当这些预算数据不可用时，州资金对实验站研究的年度支出从报告给国家食品与农业研究所（NIFA）的数据中获得。我们通过直接联系实验站工作人员增加了一些额外的观察值。本研究的一个完整面板数据集将包含750个观察值。我们获得了635个观察值的数据。然后通过将金额除以州政府总支出来缩放州实验站支出。

表1提供了数据的统计摘要，描述和数据来源在表A1中提供。与我们的概念框架一致，数据分为三类：经济和预算、政治影响和哲学以及教育/倡导。

失业率是代表实验站支出宏观经济影响的主要变量，因为失业增加减少了总税收收入，并可能转化为更少的政府支出。预算竞争使用三个变量表示。公共福利通常是州预算中最大的单一类别，包括用于医疗补助和补充安全收入等经过经济状况调查的项目的支出。联邦资金覆盖了部分支出，但所有州都从其普通基金中提供额外资金。医疗和医院（医疗）费用涵盖社区和公共卫生项目、政府拥有的医院以及政府向私人拥有医院的支付。这一类别在2004年至2017年间经历了66%的增长，是任何支出类别中第二大的增长。第三类是州对K-12教育项目的资助。这三个变量代表了大多数州支出，并捕捉了可能导致州向实验站分配更少资金的主要内部预算压力。

对税收和支出的外部法律限制预计会减少州政府支出，当州预算中存在税收和支出限制时，添加了一个虚拟变量。

包括了几个变量来反映决策者的政治过程和基本哲学。这个专业化指数使用诸如立法者薪酬、每个立法机构的 staff members 以及总会期天数等信息。然后将结果与美国国会的类似措施进行比较，以显示州立法机构在多大程度上接近专业联邦立法机构的特征。该指数在我们的研究中作为具有任期限制的州的虚拟变量 included，因为低专业化指数和任期限制可能使立法者对实验站工作了解减少，导致预算降低。

我们还预计州农业部门的政治影响力将是实验站资金的一个重要因素。为了捕捉该部门的相对实力，我们使用农业生产总收入占州国内生产总值的百分比。我们预计，随着生产农业在州内的重要性增加，资金也会增加。我们模型中添加的另一个变量是每个州大型农场的百分比，定义为总收入超过50万美元的农场，预计更大的百分比会转化为更多的实验站资金，因为这些较大的农场可能更有可能倡导实验站资金和/或它们的政治声音可能比小型农场更强。

州长和州立法机构的政治倾向可能会影响高等教育支出，但重要的是要注意财政政策并不总是清晰地按共和党-民主党路线划分。我们使用卡托研究所生成的财政政策报告卡中的信息来捕捉对财政政策更细致的态度。报告卡以0-100的等级对州长进行评分，最高分给予减少州支出和（或）减少税收的州长。立法组合计算为每年州众议院中共和党人的百分比。州众议院和参议院的政治配置高度相关，因此州众议院代表在模型中使用。认识到因变量代表州预算中用于实验站的部分，并且农村农业地区倾向于投票给共和党，因此财政保守的立法机构和州长会更青睐实验站。

结果

收集的数据表明，实验站资金（实际美元）从2006年到2018年下降了约25%。同期州资金下降了35%，州在实验站总资金中的份额从35%下降到25%。图2显示了亚利桑那州、科罗拉多州、康涅狄格州、明尼苏达州、俄勒冈州和田纳西州的AES资金情况。所有六个州都有中等规模的经济，但它们的实验站支出遵循了不同的轨迹。科罗拉多州的实验站资金在1990年代末达到顶峰。明尼苏达州在2001年达到高点，而亚利桑那州和康涅狄格州在2008年达到顶峰。田纳西州在2011年达到最高资金水平。尽管在大衰退期间受到重创，但俄勒冈州的资金在整个期间表现出总体上升趋势。

图3总结了2018年每个州的AAI与实验站总资金之间的相关性。加利福尼亚州代表了一个显著的异常值；尽管优化指数得分为10.6，但其实验站获得了最大的州资金分配（135,535,477美元）。相比之下，罗德岛实验站获得了最小的分配（0美元），AAI得分为2.4。

其他结果总结在表2中。这些估计的初始版本表明模型中存在显著的自相关。为了解决这个问题，对数据集进行了聚类，并使用聚类样本方法重新估计了模型。

失业变量在四个模型中的三个中为负且显著。家庭收入中位数在所有四个模型中也为负（表明实验站支出是劣质品），但仅在模型（4）中统计显著。这些结果表明，收入效应逐年非常小，并且仅在较长时期内变得有影响。福利支出在三个模型中是实验站资金的竞争者，尽管影响似乎太小而统计不显著。相比之下，医疗费用在所有模型中都