基于多阶段DEA模型的中国财政支农绩效分析

【摘 要】 文章基于相关数据，运用多阶段DEA的BCC模型分析了全国及各省市32个考察对象的财政支农绩效。从省际间看，由于农业技术手段落后和投入非最优规模，全国及多数省份财政支农的纯技术效率极端低下，规模效率相对低下，继而造成总技术效率低下。从区域间看，受经济发展水平、财政收支规模等因素影响，财政支农绩效呈自东部向中部、西部依次递减格局。据此，亟待完善农业科技财政资金使用机制，厘清财政支农最优规模及健全财政转移支付制度。

【关键词】 多阶段DEA模型； 财政支农； 绩效评价

中图分类号：F323.9 文献标识码：A 文章编号：1004-5937（2016）11-0090-04

进入21世纪后，以2004—2015年连续12年中央“一号文件”锁定“三农”问题为标志，国家加大农业支持力度的战略意图凸显。2013年，中央财政用于“三农”的支出达13 799亿元，再创历史新高。如此大规模支农力度，既体现国家支持农业发展的决心，也引发各界对农业支持效果的关注。事实上，财政支农目标实现不仅有赖于宏观上政策选择的科学性，更取决于微观上政策运行的有效性。实践表明，中国财政支农在规模、结构、方式、路径上仍存在很大的改进空间。据此，如何在深刻剖析财政支农格局的基础上系统评价财政支农绩效，继而合理识别财政支农方向，事关农业支持事业的健康有序开展。

一、文献回顾

公共政策绩效评价是理论界长期讨论的焦点。就财政支农效率评价而言，是指基于一定的评价原则和评价标准，运用科学、规范的绩效评价方法，科学衡量财政支农效果，其关键在于确定系统而有效的评价方法和指标体系。针对中国财政支农绩效，众多学者开展了大量积极而富有成效的探索，研究方法主要有两种：一是指标法，即运用各种量化指标来衡量财政支农效率。丛树海等（2005）指出公共支出绩效评价体系的初始指标包括投入类、产出类、过程类和效果类，终极指标包括效率类和效益类[ 1 ]；王建兵（2001）认为财政支农绩效评价指标体系应涵盖发展类、保障类和辅助类指标[ 2 ]；韩东林等（2013）则提出从经济效益、社会效益和生态效益三方面来构建财政农业投资绩效评价指标体系[ 3 ]。二是非参数法，即运用DEA等方法来测算财政支农绩效。崔元锋等（2006）选取1995—2006年中国财政支农资金数据，运用DEA模型测算出中国财政支农资金效率较低且呈逐年下降趋势，主因在于财政支农结构不合理[ 4 ]；林森等（2011）基于超效率DEA模型，精确量化了中国财政支农对农民增收和农业发展的促进作用及规模[ 5 ]；厉伟等（2014）则指出外部环境中的农村劳动力文化素质和农村经济发展水平是中国财政支农效率的重要影响因素[ 6 ]。

综上所述，现有文献为财政支农绩效研究提供了可借鉴视角，但实证分析方法的应用仍有局限性，且不多见关于省际间分化与区域间差异的深入研究。据此，本文将运用多阶段DEA模型实证分析中国省际财政支农绩效，并结合财政支农绩效的区际差异分析其影响因素，为科学制定财政支农政策提供决策参考。

二、模型构建

（一）模型介绍

DEA法，又称CCR模型，用来衡量规模报酬不变条件下的投入产出效率。它假定规模报酬不变，运用数学规划原理，根据多组投入产出数据求得总效率，总效率值又可分解为配置效率和技术效率，即总效率=配置效率×技术效率。而基于规模报酬可变的BCC模型，进一步将CCR模型中的技术效率分解为纯技术效率和规模效率，即技术效率=纯技术效率×规模效率。据此，BCC模型可以更加深入精准地分析、考察对象低效率的原因：科技水平低下或尚未处于最佳规模。BCC模型又可分为投入导向型和产出导向型。本文意在通过优化财政支农资金投入规模来提高财政支农效率，更适合采用投入导向型BCC模型。这是一种在农业产出一定条件下考察财政支农资金投入绩效的分析方法，核心思想在于将产出端固定，考察投入端的资金量变化对整体绩效变化的影响及变动趋势，从而便于横纵向比较，及时透视财政支农弊端。

假定考察对象中有N个决策单元（DMU），每个决策单元都有M种投入和S种产出，向量xi、yi分别表示第i个决策单元的投入和产出，X向量为M×N矩阵，Y向量为N×S矩阵，则第i个决策单元的效率可由以下线性规划方程表示：

式（1）中，？兹为目标向量，在满足约束方程条件下解出？兹值即得到第i个决策单元的效率值；λ为常向量。根据定义，0≤？兹≤1，？兹值越大表明该决策单元效率越高。当？兹=1时，表明该决策单元位于生产前沿曲线上，这时可称其技术完全有效；当？兹=0时，表明该决策单元技术完全无效。越趋近于1，表明该决策单元越接近生产前沿曲线，效率越高；越接近于0，表明该决策单元效率越低。根据BBC模型技术效率的定义有：

TECRS=TEVRS×SE （2）

式（2）中，TECRS（Technical Efficient）表示技术效率，衡量在规模报酬不变条件下样本点与生产前沿曲线上最优点之间距离程度，距离越近，表示技术效率越高，反之表示技术效率越低；TEVRS表示纯技术效率，衡量在规模报酬可变条件下样本点与更加严格定义和刻画的生产前沿曲线上最优点之间的相对距离程度；SE（Scale Efficient）表示规模效率，衡量样本点由于投入规模变化带来的产出规模变化，或由于产出规模变化带来的投入规模变化。式（2）中三者之间关系如图1所示。

图1中，横轴表示总投入，纵轴表示总产出，CRS为规模报酬不变条件下的生产前沿曲线，VRS为规模报酬可变条件下的生产前沿曲线。由于条件更严苛，VRS曲线比CRS曲线更紧凑。A点为CRS与VRS的交点，C点为生产前沿曲线内任意一个样本点。根据技术效率的定义有，TECRS=CB'/DB'，TEVRS=CB'/BB'；规模报酬为SE=TECRS/TEVRS=（CB'/DB'）/（CB'/BB'）=BB'/DB'，表示在投入要素不断扩大过程中（即A'点逐渐向B'点移动），由于规模报酬变化导致与最优生产前沿相比，产出水平存在一部分效率损失（即线段DB）。同理，也可以从C点作一条垂直于Y轴的线段，则VRS与CRS之间线段表示同等产出条件下由于规模报酬变化导致的效率损失，即存在要素过度投入。进一步分析可知，基于投入角度和产出角度的规模效率不等，规模效率衡量VRS曲线上的点与CRS曲线上的点的相对距离程度，规模效率BB'/DB'小于等于1，且等于1时意味着不存在规模效率损失。

（二）实证分析

1.中国财政支农效率的省际分析

本文选取全国及各省市（共32个考察对象）2007—2012年农林水事务的截面数据作为投入端的财政支农投入数据。同时，选取全国及各省市（共32个考察对象）2007—2012年农业总产值的截面数据作为产出端的财政支农产出数据，统一折算为2007年价，单位为亿元，所有数据均来源于《中国统计年鉴2013》。需要说明的是，自2007年起，国家财政支农支出报表制度调整，为保持统计口径一致性，自2007年起选取数据并更新至2012年。根据式（2）的定义，以全国及各省市农林水事务作为投入指标，以全国及各省市农业总产值作为产出指标，用DEA P2.1软件测算全国及各省市财政支农的技术效率（如表1）。

总体看，全国及各省市的平均技术效率值为0.317，处于非常低的水平；纯技术效率平均值为0.517，相对较低；规模效率平均值为0.726，虽高于纯技术效率平均值，但仍极为有限。纯技术效率低和规模效率不高共同导致了平均技术效率异常低下。然而，改进纯技术效率的需求相对更为急迫，因为纯技术效率低对技术效率的拉低效应更为明显，提升纯技术效率所带来的技术效率提升收益更为显著。

技术效率上，只有湖南达到1，实现技术有效，处于效率边界线上；广东略高，其他省份技术效率均异常低，很多省份技术效率值不足0.2。纯技术效率上，全国、北京、山西、内蒙古、安徽、湖南六个考察对象达到1，实现纯技术有效，部分省份纯技术效率值不足0.2，同样呈现地区间差异大的特征。规模效率上，只有湖南达到1，实现规模效率有效，也有较多省份规模效率值接近1，规模效率地区间差异较小。

2.中国财政支农效率的区域分析

将全国分为东部、中部、西部三个区域进行分析（如表2），技术效率呈现东部高、中部次之、西部最低的格局。同时也应看到，即便最高的东部地区，技术效率值也不超过0.4，表明全国财政支农效率低下。纯技术效率同样呈现由东部向中部、西部依次递减格局，表明纯技术效率可能受经济发展水平、财政收支规模等因素影响。然而，规模效率却是中部最高，西部次之，东部反而最低。原因可能是财政支农规模报酬变化，一国或地区的最优财政支农规模相对固定，超过最优规模会导致规模报酬递减，低于最优规模则会导致规模报酬递增。东部很多省份呈现规模报酬递减状态，表明在现有技术条件下，其财政支农规模超出最优规模，即投入过剩；中部多数省份呈现规模报酬递增状态，表明在现有技术条件下，其财政支农规模低于最优规模，即投入不足，加大投入可获得超成本回报。

三、研究结论及政策建议

（一）研究结论

根据实证分析结果可知：一是财政支农对农业发展有重大促进作用，但中国平均技术效率较低，仅个别省份达到技术有效，部分省份技术效率异常低下。二是各省份纯技术效率均值虽高于平均技术效率值，但总水平仍然较低，表明农业技术较为落后、农业技术应用推广不到位等问题。据此，改善财政支农绩效的主要着眼点应瞄准提升纯技术效率。三是各省份规模效率值远高于平均技术效率值和纯技术效率值，表明各省份财政支农投入规模绩效较高。然而，多数省份存在财政支农规模报酬递减状况，也表明各省份忽略了财政支农最优规模问题，没有根据属地情况而合理度量财政支农规模，导致投入规模过大产生规模收益递减以及对私人投资形成“挤出效应”。四是受经济发展水平、财政收支规模等因素影响，财政支农绩效呈自东部向西部地区依次递减格局。

（二）政策建议

1.完善农业科技财政专项资金使用机制，提升农业科技创新能力

根据科技部数据，2013年中国农业科技进步贡献率达到55.2%[ 7 ]。技术进步已经成为中国农业生产率增长的主要源泉。然而，效果斐然的同时亦伴随着效率难如人意，昭示了中国农业科技属粗放式投入模式，且投入越大，效率损失的风险也越大，伴随的成本也越高。究其根源，在于分税制改革后，随着“两个比重”提高，财政支农资金开始突破行政科层制而以“专项”和“项目”的方式向下分配。然而，由于法律依据不足、监督体系不完备、信息化手段落后等原因，财政支农专项资金实际监管存在严重漏洞。就农业科技财政投入而言，以农业新品种、新技术和新产品的各类实验研发，先进农业技术的引进和创新，农民实用技术培训，农业市场信息服务，农产品质量安全检测，农业资源和环境监测等为主要载体的农业科技推广与服务专项资金在投放过程中不同程度存在重复投放、虚假投放、过度投放等问题，资金使用效率低下。据此，有必要立足于农村人口转移背景下农业资源配置格局改变的事实，坚持科技在农业发展中的引领作用，持续追踪国际农业科研前沿，将科技投入重点领域锁定为劳动与土地“双节约”型技术的成果转化与示范推广，重视农业科技创新和推广服务人才培养，在资金监管上充分发挥财政部驻各省专员办在事前、事中、事后环节的督导作用。

2.厘清财政支农最优规模，提高财政支农资金使用效率

财政支农规模并非越大越好，而是把握合理的“度”。一方面，受限于规模报酬递减规律与公共投入“挤出效应”的影响，亟待界定支农领域中政府与市场的边界，以投入—产出率为评价原则来精确测算财政支农最优规模，降低财政支农规模偏离度；另一方面，在综合国力依然有限与财政实力相对不足的条件下，支农资源应更加合理配置以提高效率。据此，一是强调因地制宜。各省份要结合属地农业发展规律与特点，动态考虑支农项目对本地发展的必要性、可行性、紧迫性，统筹财政支农事宜。对于现代农业发展水平较高的地区，财政投入要侧重于农业综合开发领域，继续推进农业产业化建设与土地整治工程，同时致力于土地流转与农村金融体系构建，提高支农的广度与深度。对于传统农业居于主导的地区，应专注于农业基础设施建设、农村公共服务体系健全等，夯实农业发展基础。二是强调政府与市场的“双调节”。注意发挥市场调节作用，避免挤占私人投入，使市场调节与政府调节两种手段相得益彰、互为补充，不断向财政支农最优规模边界靠近，以农业生产增加值最大化为目的，提升财政支农规模效率。

3.健全财政转移支付制度，优化区域间财政支农资源配置

立足国情，区域间由于经济发展水平不同、财政能力有别，不可避免地在中央财政资金依赖度、地方财政资金配套度、基层财政补充性支农投入上存在差距，导致财政支农水平非一致，造成总量有限的财政支农资金同时存在分配失衡的问题。据此，有必要本着兼顾公平与效率，保证区域间财政支农能力均衡的原则，健全中央财政转移支付制度。具体而言，减少以资金配套为门槛、有利于沿海发达地区的专项转移支付力度，加大有利于强化基层政府支农自主权、侧重欠发达地区的一般性转移支付力度。同时，科学设计粮食主产区利益补偿机制，对各类农业补贴、政策性农业保险保费补贴等支农政策，要明确市（县）级不再承担配套资金[ 8 ]。

【参考文献】

[1] 丛树海，周炜，于宁.公共支出绩效评价指标体系的构建[J].财贸经济，2005（3）：37-41.

[2] 王建兵.新时期财政支农资金效益评价指标体系的建立[J].开发研究，2001（3）：61-62.

[3] 韩东林，金余泉.中国财政农业投资的绩效评价：1979-

2009年[J].南都学坛（人文社会科学版），2013（4）：103-111.

[4] 崔元锋，严立冬.基于DEA的财政农业支出资金绩效评价[J].农业经济问题，2006（9）：37-40.

[5] 林森，张亚斌.我国省际财政支农支出绩效的实证研究[J].湖南社会科学，2011（3）：132-135.

[6] 厉伟，姜玲，华坚.基于三阶段DEA模型的我国省际财政支农绩效分析[J].四川农业大学学报（社会科学版），2014（1）：69-77.

[7] 我国农业科技进步贡献率达55.2%[J].种业导刊，2014（2）：34.

[8] 杜辉.财政支农资金配套机制的透视与优化[J].会计之友，2013（24）：106-108.