政策性农业保险财补效率及区域差异研究

杜伟岸 杨天琦 陆晨辉

摘要：在数据包络分析模型基础上考虑环境因素，对我国省际农业保险财补政策方面进行客观的效率评价，因我国农村经济表现出较强的地域性，因此有必要对我国政策性农业保险财补效率进行区域差异研究。根据修正后的结果表明，我国农业保险财补总体效率较高，但西北五省除新疆外的其他地区效率普遍偏低。效率最低的省份还包括江西和浙江两省，江西是因农业水平偏低，扶持资金冗余导致财补效率偏低，浙江则是由于农业区域分散，高新、服务产业迅猛发展，致使农业发展不充分，效率偏低。

关键词：三阶段DEA模型；农业保险；绩效评价；区域差异

中图分类号：F302.4

文献标识码：A

我国是农业大国，我国农业受到自然灾害的影响不容小觑，根据国家统计数据资料，20世纪中国成为全球受灾最为严重国家之一；90年代，我国由于自然灾害造成的直接经济损失就高达1115亿元，我国农作物成灾面积达860万公顷①；近十几年来这样的情况并没有得到缓解，2014年我国自然灾害直接经济损失就有3373.8亿元，灾害损失占GDP的0.53%，超过财政收入的2%②。因此各国都非常重视农业保险的发展，我国农业保险起步较晚且实施政策性农业保险和商业性农业保险相结合的运营模式，囿于农业保险“低保费，高赔付”的特点我国开始大力发展政策性农业保险，其占农业保险的份额逐步增大，因此本文只针对政策性农业保险财补绩效进行分析。

新世纪以来，中央一号文件连续十二次聚焦“三农问题”，“扎根基层、服务农村、贴近农民”的惠农政策促使我国从2004年开始实施农业保险财政补贴[1-2]，且于2011年开展农业保险财政补贴绩效评价试点工作，四川、内蒙古被选为首批试点省份；之后安徽、江苏、山西、黑龙江、浙江、湖北等10省相继展开。2012年学界首次提出绩效评价办法，但仅局限于初步构建指标体系，缺少模型的支撑；随后引入了数据包络分析（DEA模型），因传统的DEA模型只能单纯分析投入产出指标，不能考虑到环境因素对样本单元的影响，全面性和动态性评估不足；后来学者们构建三阶段DEA模型，旨在剔除环境因素及随机误差项，进而对农业保险财补效率进行评价。但由于农业保险存在明显的区域性，地域差异又无法进行量化评估。因此，构建政策性农业保险财政补贴效率评价体系并对其进行区域差异研究成为学术界研究的热点。

一、关于农业保险问题的相关文献综述

国内外学者对农业保险相关问题研究开始较早，一些学者分别从宏微观角度对我国农业保险的理论框架、运营模式进行研究，且认为农业保险的发展会给农产品带来较大福利[3]；在农业保险补贴理论较为完善的基础上，很多学者通过不同角度对农业保险绩效进行评价，例如分别基于湖北、内蒙古等不同地区省级数据利用实证分析等方法对农业保险的政策推进、保险运行绩效进行评价[4-5]；进而专家们基于不同利益相关者的视角，构建农业保险绩效评价指标体系，并对比不同视角下指标体系的差异，以期使评价指标体系更加完善[6]。由此可见，农业保险绩效评价的研究已初具规模，但这些研究缺少对全国数据整体性评价且没有数学模型的支撑；2004年起以数据包络分析（DEA）模型为核心的绩效评价研究开始兴起，利用DEA模型基于不同的视角，对我国医院经营效率和农业生产效率进行分析评价[7-9]；但由于缺少动态变量分析，故开始完善模型构架，利用SFA回归分析求解环境因素对原始投入松弛量的影响，从而剔除环境变量及随机误差项形成三阶段DEA模型；之后有研究者在前人研究的基础上分别利用三阶段DEA模型对我国区域能源、高技术产业及农业保险补贴等方面问题的绩效评价进行相关研究，从而得到更为准确的分析结果[10-11]。

本文选取我国31省（市、自治区）2013年的数据，构建了农业保险财政补贴绩效评价体系，并引入环境变量，对我国省际农业保险财政补贴机制进行绩效评价及区域差异研究，根据实证结果并结合我国农业发展的实际情况，提出了解决“三农”问题、实施惠农政策和完善农业保险体制的相关建议。

二、模型选取及绩效评价体系构建

（一）模型的选取

由于省际之间区位条件、经济结构、经济增长驱动产业差别较大，政策执行的力度及产生的效果也会不尽相同[12]。考虑到诸多环境因素对真实效率评价的影响，本文采用三阶段DEA模型，剔除外部因素及随机误差的干扰，对各省政策性农业保险财补效率进行单纯的内部效率评价。

1.传统的DEA模型。本文在C2R-DEA模型增加约束条件及规模报酬可变的情况下，用BCC模型对相关数据进行了实证分析，具体模型如下：

3.调整后的DEA模型。以剔除了环境变量和随机误差的投入量与原始产出量作为第三阶段的数据源，运用DEA方法的BCC 模型进行数据分析。

（二）农业保险财政补贴绩效评价体系构建

在运用数据包络分析（DEA模型）得出农业保险在政策性方面的技术效率（TE）、纯技术效率（PTE）和规模效率（SE）的基础上[14]，剔除外部环境对样本效率的影响，旨在使每一个决策单元处在相同的外部环境下，单纯地评价其内部效率，使得分析结果更加客观真实。具体指标选取如下：

1.投入指标。财政补贴的投入主要有保费补贴、补贴比例（补贴比例指农业保险财政补贴金额占保费收入的比例）。

2.产出指标。财政补贴投入后的产出为农业总产值、农业保险密度、农业保险赔款及给付、农业保险保费收入、粮食产量。

3.环境变量。农业保险所保障的农业生产在空间分布上有很强的地域差异性，不同地区区位条件不同，经济的发展水平亦存在较大差异，不可等同于单纯的经济现象和孤立的技术生产。选取农村居民家庭平均每人纯收入和成灾面积作为环境变量，主要是从自然因素和经济因素的角度考虑外部环境对政策性农业保险所产生的影响[11]。

数据方面，由于考虑信息的可获取性及完整性，因此选取全国31个省市2013年的8项指标进行实证检验，具体指标及数据来源见表1。

（三）实证结果分析

利用修正后的DEA模型分别计算出各省在政策性农业保险财政补贴的技术效率（TE）、纯技术效率（PTE）、规模效率（SE）及规模报酬。并对结果进行具体分析。

1.第一阶段。该阶段采用传统的DEA模型，利用Deap2.1分析软件，得出2013年我国31个省（市、自治区）政策性农业保险财补的技术效率（TE）、纯技术效率（PTE）、规模效率（SE）及规模报酬，具体如表2。从结果来看我国平均技术效率值为0.618，仅有12个地区的技术效率值高于该项指标的平均值。说明在没有剔除外部环境及随机误差之前，我国整体农保财补效率并非理想，且SE的均值要高于PTE，则表明38.2%的绩效缺口主要是有PE所致。

按地区划分，北京、黑龙江、上海、山东、河南、广西、海南、新疆这8个地区的TE、PTE值均为1，说明这些地区政策性农业保险财补效率较高，资金资源被充分利用，财补技术效率领先于其他省份及地区；内蒙、广东、贵州其PET值为1，说明这些地区制约政策性农业保险的因素并非来自于纯技术效率；且像云南、西藏、山西等地其TE、PTE值均低于0.450，说明财补所发挥的作用亟待提高。处于递增状态的广东、贵州、青海三个地区，可根据自身区位条件及特色农业扩大农业保险范围、增加农业保险规模，可有效提高其效率。

2.第二阶段。本阶段以农村居民家庭人均纯收入、成灾面积作为解释变量，对原始的投入指标进行回归分析[15]，得出的各环境变量的协同系数及其显著性（见表3）。由于环境变量为解释变量，当回归系数估计值为负时，表示环境对于财补效率呈正向影响；反之，则表示环境变量的增加将会增加投入松弛量，导致投入变量的浪费或减少产出。

农村居民家庭人均纯收入对投入松弛量的影响系数为正，说明其增加会使投入松弛量增加，即随着农村居民收入的提高，政府对农业保险补贴的比重会增大，当比例超过一定阈值时，政府资金则会出现挤占效应，从而降低补贴效率；成灾面积对投入量的影响系数为负，说明呈负相关关系，即面临重大灾害面积越大时，采取保障措施越主动、农业积极性越大，从而促进效率的提高。表3中γ值显示环境因素对投入指标的影响较为显著，故剔除环境因素与随机误差项是十分必要的。

3.第三阶段。该阶段是修正的DEA模型同时考虑了松弛量和外部环境因素对效率的影响。根据SFA回归所得到修正后的投入量再次与原始产出量进行基于BCC模型的估计，结果见表4。整体上来看，修正后的结果发生明显的变化，政策性农业保险效率显著提高，31个样本的技术效率（TE）均值达到了0.791，纯技术效率（PTE）均值为0.831，规模效率（SE）均值为0.951，导致资源低效的主要原因为技术效率。与第一阶段的效率值（分为别：0.618，0.724，0.838）相比，显然，经济、自然环境等外部因素严重影响传统DEA对整体效率水平评估，通过修正后的分析结果表明，我们国家政策性农业保险补贴效率呈东、中、西部阶梯性递减差异。

本阶段的结果中技术效率高于均值的省（市、直辖市）达到21个，TE、PTE值均达到1的省份从原来的8个增加到13个，且辽宁、吉林PTE值也为1，说明无效并非有纯技术效率所致。

三、政策性农业保险的区域差异

由于农村经济的地域性特点，我国不同地区农村经济发展水平存在较大差异，对于政策性农业保险的规模及补贴力度不尽相同[16]，本文利用三阶段DEA模型对我国政策性农业保险财补效率值进行求解，并根据剔除外部环境因素及随机误差的纯内部效率值进行区域差异研究。利用地理科学软件ArcGIS10.1对数据进行分级渲染处理，继而对结果进行分析。

（一）第一阶段DEA政策性农业保险财政补贴绩效区域差异的空间维度分析

为了更直观地描述我国省际农业保险财政补贴效率的区域差异，本章对结果进行空间维度分析，且仅对技术效率（TE）值进行空间维度分析，运用ArcGIS10.1软件分别对第一阶段DEA及修正后的DEA分析数据采用自然断点法进行等级划分，然后进行分级渲染，最后选择1：1000000比例尺制图，技术效率分值越大，等级越高，第五级为最高级，如图1所示。

图1 第一阶段DEA中国省际农业保险财政补贴效率空间分布

从中国省际农业保险财政补贴效率空间分布图中可以看出：不同省（市、直辖市）政策性农业保险财政补贴效率差异较大；31个测算单元中仅有11个省处于最高等级，分别是东部的北京、上海、山东、广东，中部的河南、黑龙江和西部的内蒙古、广西、贵州及新疆；中部8省整体都处于较低等级，西部农业保险财政补贴效率反而整体要优于中部。

（二）修正后DEA 政策性农业保险财政补贴绩效区域差异的空间维度分析

在运用SFA模型利用环境变量对各投入松弛量进行回归剔除外部环境及随机误差后，单纯研究政策性农业保险财政补贴的内部效率时，我们对修正后的结果利用地理信息系统软件分级渲染，继而进行空间维度分析，表明技术效率分值越大，等级越高，结果如图2所示。

图2 修正后DEA中国省际农业保险财政补贴效率空间分布

对于修正后的结果我们不难发现，全国31个省（市、直辖市）近2/3的地区技术效率处于第四、五级，这说明在剔除外部环境因素及随机误差后，我国整体上政策性农业保险财政补贴绩效都较高；且东部地区技术效率值要高于中、西部地区，出现东、中、西部三大地区阶梯性递减规律。西北五省中，除新疆外，陕西、甘肃、青海、宁夏TE值均较低，说明这些地区并没有充分利用财政补贴资金资源，且考虑本地区农业GDP的占比，新疆2013年的农业GDP比例达到21.39%，居全国榜首。而作为农业大省的吉林、河南、四川及山东四省财政补贴技术效率分值都较高；首批绩效评价试点省份中四川效率等级要高于安徽，其他试点省份中，湖北、湖南、山西、内蒙、黑龙江及海南6省财补技术效率值较高，而江西省农业并非农业自身落后，因农村居民人均纯收入逐年增加，保险补贴金额大幅增加，补贴金额占保费收入的比重也大幅提高，出现挤占效应导致该省的技术效率较低，若适当调整补贴结构对其效率提升会有很大改善。

（三）修正后DEA 政策性农业保险财政补贴绩效聚类分析

以修正后的政策性农业保险财政补贴技术效率作为聚类指标，使用系统聚类中的组间联接法将其从高到低分为5个梯队，具体分析结果见表5。

从表5中可以看出，第一梯队的14个省份地区财补效率均值为0.999，其中新疆地区2013年农业GDP占该地区生产总值为21.39%，居全国之首；紧随其后的是财补效率较高省份，其中包括河北、山西、辽宁、吉林、江苏、安徽、福建、湖北，其效率均值为0.832；群3、4是农业保险财政补贴效率一般及较低的省份，主要包括重庆、甘肃、宁夏、云南、西藏、陕西和青海7个省份，涉及西南、西北地区，可见我国西部地区农业保险财补效率普遍偏低，要低于全国的平均水平。江西省在全国范围内算是农业大省，但其农业总产值占地区生产总值比重由1978年的41.6%降到2013年的7.44%，但实际情况该省的农民收入是逐年增加的，这样对于农业保险的投入也在逐年增加，加之国家对该地区的农业保险补贴较多，冗余资金使用效率低导致农业保险及农业保险财补效率偏低；浙江2013年农业总产值占地区生产总值比重仅为3.54%，相比北京该项指标较高，但由于北京农业集约化程度高，具有规模效益，所以北京的农业保险财补效率很高。浙江农业规模虽远超北京，但农业发展区域较为分散，且近几年来由于互联网、大数据等技术的发展，高新技术产业、先进制造业、现代服务业已成为浙江经济重要的驱动力且服务主导趋势更加明显。所以农业发展相对较弱，农业保险补贴效率偏低，这同时说明地区经济发展水平并不一定与农业补贴效率成正比，本省农业区位因素及经济发展侧重点都会导致二者存在较大差异。

四、研究结论及政策建议

本文选取2013年我国31个省（市、直辖市）作为样本，采用三阶段DEA模型对我国省际政策性农业保险财政补贴进行绩效评价。通过修正后的数据可以看出PTE均值为0.831要高于TE均值0.791说明，导致效率低下的主要因素是技术效率；且效率的高低也呈现出明显的区域化态势，我国呈现出东、中、西部效率均值依次递减，因此各级财政补贴要因地制宜，通过明确地区经济驱动、把握地区经济结构、了解农业经济地位，从而实行差别化补贴并调整财政补贴的结构。

（一）细化区域差异，实施差别补贴

我国幅员辽阔，地区之间经济发展水平、地理条件、农产品种类和风险水平等差异巨大，不宜采用统一补贴标准。要细化区域性差异情况，实施差别化补贴机制并适当调节财政补贴结构。如江西省，由于其农业水平偏低，农业技术落后，国家保险补贴资金冗余导致该省效率低下，则应考虑将冗余部分资金投入到提高农业技术和提升农产品质量方面。就浙江省而言，由于该省农业发展区域较为分散，且高新技术及现代服务产业的大力发展，导致本省经济驱动力发生偏移，故要制定符合其农业自身特点的补贴政策。

同时，中央与地方相协调，落实各级财政保费补贴、改进农业保险财政补贴结构，深度实施差别化保费财政补贴政策。如对关乎粮食安全的重要农产品逐步提高补贴比例；了解各省农业特色，逐步提高特色农产品保险的风险保障水平和效率，提升中央对西部民族省份（处于第3、4梯队的部分省份）特色农产品的补贴比例。

（二）增加保险品种，扩大补贴范围

由于盲目扩大财政保费补贴亦会导致其效率低下，所以在差别化补贴的基础上，通过再保险补贴、税收优惠、损失评估补贴等创新保费补贴方式，扩大农业保险保费补贴范围和保障风险范围，根据各地区实际需求拓展农业保险品种，从而促进保险保费补贴的科学性和合理性。

部分省份在农业保险补贴品种上明显少于国内其他省份，因此要着眼于大力发展特色农业保险，从而做到应保尽保。对于各省份特色产业要根据其是否为当地提供了较高的产值来确定是否纳入财政补贴的范围。如云南天麻保险、河南小麦险、吉林玉米保险、大豆保险、湖北省的莲藕保险和湖南省的辣椒保险等。在增加农业保险品种、扩大保费补贴范围的同时，也要意识到贪大求全容易导致力不从心而降低农业保险的效率，而循序渐进、扎实稳妥才是贯彻落实的核心。

（三）明确法律地位，加大处罚力度

目前我国的农业保险靠政策推行，可操作性较弱且道德风险较高，国家层面应加快农业保险立法，以法律形式规范政策性农业保险的执行。尤其是西部各省份则应因地制宜出台相关的实施细则，明确农户、保险公司和政府间的权利义务，明确补贴的比例、范围、对象、品种、方式、运作程序等。同时各省份可以建立专门的领导机构，研究并设计具有地方特色的农作物险种、费率、补贴额等，细化管理流程，规范参与者行为，同时领导小组要监督并定期检查补贴资金的使用情况，对于骗补、违规使用财政补贴资金等情况实行实时通报制度，并严格处罚手段，加大处罚力度，更好地保证农业保险补贴方案顺利完成，保障广大参保户真正享受到农业保险补贴，促进政策性农业保险的高效发展。

注释：

①数据资料来源于国家统计局网站年度数据/农业/成灾面积http：//www.stats.gov.cn.

②数据资料来源于民政部网站《2014年社会服务发展统计公报》，http：//www.mca.gov.cn/article/sj/tjgb/201506/201506008324399.shtml.

[参考文献]

[1]师荣蓉. 中国农村信用社支农效率及区域差异研究[D]. 西安：西北大学，2013：80-88.

[2]周县华.民以食为天：关于农业保险研究的一个文献综述[J].保险研究，2010（5）：119-127.

[3]庹国柱，王国军.中国农业保险与农村社会保障制度研究[M].北京：首都经贸大学出版社，2002.

[4]段文军，袁 辉.政策性农业保险的财政补贴调节效应分析：以湖北省为例[J].农业经济问题，2013（1）：39-42.

[5]张旭光，赵元凤.农业保险财政补贴效率的评价研究：以内蒙古自治区为例[J].农村经济，2014（5）：93-97.

[6]王秀芬，郭淑敏.基于不同视角的政策性农业保险绩效评价指标探究[J].陕西农业科学，2015，61（8）：91-93.

[7]庞瑞芝，李 鹏.中国新型工业化增长绩效的区域差异及动态演进[J].经济研究，2011（11）：39-47.

[8]张 宁，陆文聪，董宏纪.中国农田水利管理效率及其农户参与性机制研究：基于随机前沿面的实证分析[J].自然资源学报，2012，27（3）：353-362.

[9]郭军华，倪 明，李帮义.基于三阶段DEA模型的农业生产效率研究[J].数量经济技术经济研究，2010，（12）：7-18.

[10]吉生保，周小柯.基于三阶段DEA模型的中国高技术产业效率研究[J].中央财经大学学报，2010（12）：62-66.

[11]钱振伟，张 燕，高冬雪.基于三阶段DEA模型的政策性农业保险财补效率评估[J].商业研究，2014（10）：58-64.

[12]黄 颖.我国农业保险保费补贴的绩效评价：基于2009～2013年省际面板数据的DEA实证分析[J].西南金融，2015（5）：32-35.

[13]吉生保，周小柯.基于三阶段DEA模型的中国高技术产业效率研究[J].中央财经大学学报，2010（12）：62-77.

[14]黄 薇.中国保险机构资金运用效率研究：基于资源型两阶段DEA模型[J].经济研究，2008（8）：37-49.

[15]张旭光，赵元凤.农业保险财政补贴效率的评价研究--以内蒙古自治区为例[J].农村经济，2014（3）：93-97.

[16]黄德春，董宇怡，刘炳胜.基于三阶段DEA模型中国区域能源效率分析[J].资源科学，2012，34（4）：688-695.

（责任编辑 王婷婷）