森林保险保费补贴效率测评——基于SE-DEA模型与Malmquist指数

郑 彬,高 岚

(华南农业大学 经济管理学院,广州 510642)

1 引言

林业生产周期长,资金需求大,抵御灾害的能力弱,林业经营者面临着较高的损失风险。森林保险是集体林权深化改革的主要措施之一,对化解林业风险、保障林农收入、拓宽林农资金来源渠道、稳定林业生产具有重要意义[1]。然而,林业的准公共品性质使市场长期处于“供需双冷”的局面。美国、日本、瑞典、芬兰等林业发达国家的经验表明,财政补贴制度是弥补森林保险市场失灵的有效途径[2]。为扩大森林保险市场的需求,2009年我国财政启动了森林保险保费补贴试点工作。截至2016年,我国保费补贴覆盖了全国24个省、4个计划单列市和3个森工集团,资金投入累计123.38亿元,补贴比例高达90.8%。2009—2012年我国森林保险参保规模快速扩张,由2009年的0.135亿hm2增加到2012年的0.859亿hm2。但2013年以来,森林保险参保规模增长放缓,2016年首次出现萎缩。在较低的保障水平下,加大补贴投入力度已难以继续刺激市场规模的扩张[3],因此森林保险保费补贴的资金使用效率评价与制度优化至关重要。

森林保险保费补贴效应的研究主要包括两种思路:一是构建福利经济学和博弈模型衡量补贴的成本与收益,论证森林保险保费补贴政策符合帕累托改进的原则。政府通过对外部社会效应成本进行补偿,使森林保险供需向有效均衡点推进,改善保险市场失灵,增加社会福利[4-6];二是以不同补贴额度对农户参保和支付意愿的影响反映保费补贴效率。研究表明,保费补贴与林农保险购买行为具有显著的正相关关系[7-9]。

上述研究主要以理论研究为主,且实证研究主要集中在林农购买意愿的影响因素方面,缺乏财政资金使用效率方面的分析。农业与林业在生产管理上具有一定的相似性,因此农业保险保费补贴效率的研究成果对林业具有一定的参考价值。在农业保险财政补贴效率研究方面,主要思路是构建农业保险保费补贴效率指标评价体系,并采用DEA模型测算不同时空上的补贴效率[10]。关于农业保险保费补贴效率影响因素的研究,主要分为静态效率值和效率变化两个视角。对静态效率值影响因素的探讨主要是以SE-DEA模型测算出的超效率值为因变量,选取相关影响因子进行Tobit回归分析[11]。基于DEA模型测算并分解Malmquist指数,可有效分析补贴效率的动态变化状况与原因[12]，因此本文选取超效率DEA模型和Malmquist指数,从静态时空差异与动态变化双重视角对森林保险保费补贴效率进行评价。

2 研究方法、指标选取与数据来源

2.1 研究方法

BBC模型与超效率DEA模型:森林保险保费补贴作为政府通过财政补贴对投保者所产生的外部性成本进行补偿的一种公共政策,森林产出包括经济效益和社会效益,多个指标间的权重和量纲不同。Charnes等[13]提出的DEA方法,主要应用于度量不同公共部门多投入、多产出下的有效性与非有效的原因和程度,有效避免了指标权重假设的主观影响和无量纲处理的误差。

根据规模报酬假设的不同,DEA模型分为CCR模型(规模报酬不变)与BBC模型(规模报酬可变)。在考量方向上,DEA模型又可分为投入导向型和产出导向型,分别用于求解产出既定条件下投入最小化和投入既定条件下产出最大化的线性问题[14]。本文假定森林保险保费补贴在不同时空上生产规模报酬可变,且为探讨补贴投入既定的前提下,如何实现产出最大化的问题,故选用产出导向型的BBC模型。

计算公式为:

(1)

式中,xj,yj分别为第j个省份的投入、产出变量;λ为组合比例;θ为效率值;ε为无穷小量;s+和s-为松弛变量。

传统DEA模型效率值取值范围在0—1之间,无法区分多个同时有效的决策单元。Anderson、Petersen提出超效率DEA(SE-DEA)模型[15],将评价单元独立于参照单元组合,测量与参照生产前沿面的距离,使有效单元的效率值可超过1,由此判别有效单元之间的有效程度差异。

计算公式为:

(2)

式中,xj,yj分别为第j个省份的投入、产出变量;λ为组合比例;θ为效率值;ε为无穷小量;s+和s-为松弛变量。

在模型假设中,规模报酬不变假设下的技术效率(crs)是指森林保险保费补贴的综合效率,反映了财政补贴资金分配投入标准、比例结构和资金投入总量一定的情况下,公共资金的总体配置及使用效率。当综合效率达到DEA有效(效率值θ≥1)时,表明森林保险保费补贴的政策设计和实施使有限的资金发挥了最大的效益,实现最大的产出。在BBC模型的分解下,综合效率可由纯技术效率(vrs)与规模效率(scale)的乘积求得。纯技术效率(vrs)代表保费补贴资金配置的结构效率,反映了森林保险保费补贴的配置标准和比例能否保证政策效果的充分实现。规模效率(scale)则考察了保费补贴的投入总量是否合理,规模效率(scale)实现DEA有效,说明财政资金的配给既不存在浪费,也不造成短缺。

Malmquist指数:Malmquist最早提出了Malmquist指数理论[16],并由Caves等引入Shephard距离函数构造Malmquist指数,应用于生产率测算[17]。

计算公式为:

(3)

基于DEA模型,除投入产出的综合技术效率变动(TEC)外,全要素生产率还受外部环境的技术进步(TP)的影响,技术进步会使生产前沿面前移。因此,Fare、Ray等进一步将全要素生产率分解为综合技术效率变动(TEC)和技术进步(TP),其中综合技术效率变动(TEC)由纯技术效率变动(PE)与规模效率变动(SE)构成。

计算公式为:

MPI=TFP=TP×TEC=TP×PE×SE

(4)

通过森林保险保费补贴Malmquist指数的测算与分解,一般可探究各省份补贴效率变化的原因。技术进步(TP)反映了森林保险体系建设的完善状况对全要素生产率的贡献程度,如补贴方式和保险产品的创新、保障水平的提高、保险机构理赔技术的改进等;TP>1或TP<1表明森林保险体系建设完善(滞后)状况,TP=1时不变;综合技术效率(TEC)反映了保费补贴综合效率变化对全要素生产率的贡献程度;TEC>1或TEC<1表示相比第t年,该省份第t+1年的保费补贴综合效率有所提高(下降),TEC=1时不变。

2.2 指标选取

森林保险保费补贴政策反映了政府规划以何种资金配置结构和规模对森林保险投保者予以补贴的决策。当前,我国森林保险保费补贴由中央、省、市县三级按不同标准和比例分别予以投入。保费补贴的产出由政策目标的实现结果体现。该政策的目的是通过减轻林农的保费负担,带动林农的投保积极性,从而培养他们的风险管理意识,提高市场有效需求,化解林业生产风险。林农自缴部分保费总额间接反映了他们的风险管理意识程度。风险管理意识越高,对保险付费的意愿越强烈。承保总面积即为市场有效需求规模,而保险赔付总额则体现了保费补贴投入带来的林业风险的分散作用。因此,本文选取中央、省、市县三级保费补贴额作为投入指标,林农自缴部分保费总额、承保总面积、保险赔付总额作为产出指标。

2.3 数据来源

受地区数据收集的限制,本文选取2013—2016年我国19个省份的平衡面板数据作为决策单元,主要包括河南、湖北、江西、云南、福建、广东、浙江、四川、重庆、吉林、辽宁、陕西、河北、海南、湖南、广西、安徽、内蒙古、贵州。为统一数据统计口径,减少测量误差,数据来源于历年的中国森林保险发展报告(表1)。

表1 2013—2016年我国19个省份森林保险保费补贴投入与产出指标的描述统计

注:数据来源于相关年份的《中国森林保险发展报告》。

3 保费补贴效率测算结果与分析

3.1 保费补贴效率的静态时空差异

运用BBC模型和超效率DEA模型对我国19个省份的投入产出指标进行求解,得到2013—2016年我国19个省份的保费补贴效率值(表2)。

表2 2013—2016年我国19个省份森林保险保费补贴效率测算结果

(续表2)

地区 2013年 2014年 2015年 2016年 crsvrsscalerscrsvrsscalerscrsvrsscalerscrsvrsscalers福建1.001.001.00-1.001.001.00-1.001.001.00-1.001.001.00-江西1.001.001.00-1.001.001.00-1.001.001.00-1.001.001.00-河南1.001.001.00-1.001.001.00-0.691.000.69irs0.671.000.67irs湖北0.480.610.78irs0.490.590.83irs0.560.770.72irs0.520.600.86irs湖南0.980.981.00-0.830.840.99drs0.770.900.86drs0.590.880.68drs广东0.420.430.97irs0.620.621.00drs0.450.540.83drs0.410.411.00irs广西1.001.001.00-1.001.001.00-0.780.850.92drs0.500.680.74drs海南0.491.000.49irs1.001.001.00-1.001.001.00-1.001.001.00-重庆0.881.000.88irs0.660.820.80irs0.450.580.77irs0.460.490.95irs四川0.891.000.89drs1.001.001.00-0.9971.000.997drs0.971.000.97drs贵州0.190.200.96drs0.380.390.98irs0.250.320.77drs0.200.340.60drs云南1.001.001.00-1.001.001.00-1.001.001.00-1.001.001.00-陕西0.550.560.99irs0.570.580.99irs0.790.840.94drs0.680.690.99drs

注:irs、-、drs分别表示规模报酬递增、不变、递减。

综合效率分析:对我国19个省份2013—2016年保费补贴综合效率均值进行排序(图1)发现,综合效率总体较低,DEA无效的省份多达13个,且区域差异性显著。按经济条件与林业情况,将DEA无效省份划分为两大类[17]:第一类为地区经济较弱的省份,包括贵州、内蒙古、安徽、陕西、重庆、吉林、广西。该类省份林业占比高、森林受灾面积大、林农潜在需求旺盛,但经济发展水平低、市县财政实力较弱、林农收入水平较低。中央财政补贴比例与其他省份同等且市县负担较重的情况下,市县财政困难,无法及时足额拨付资金,林农购买力弱,难以承担费用，潜在需求得不到有效转化,导致补贴产出效率极低。第二类为低投保需求省份,包括广东、湖北、河北、辽宁、湖南、浙江。该类省份经济实力较强、林农承担保费能力较高,但森林灾害影响较小、潜在需求不大、补贴产出效率不高。

图1 2013—2016年我国19个省份森林保险保费补贴效率均值

在DEA有效的省份中,四川、福建、云南、江西作为森林保险保费试行期试点省份,制度实施较早、发展基础好,在保费补贴资金的配置和管理方面经验丰富,其补贴效率均值大于1,且历年波动较小。河南与海南两省市县财政能力不足,保费补贴配置困难,省级财政的大力支持成为森林保险发展的主要动力之一。河南省2013—2014年市县财政补贴与林农自缴费用比例不到1%,实现了DEA有效;而2015—2016年河南省省级补贴减少,市县比例上升至10.57%,开始出现效率损失。海南2013年的补贴综合效率仅为0.49,随着市县一级补贴比例的不断下调(<0.0001),2014—2016年达到了有效水平。且该地区多风灾,保险灾后补偿效用显著,补贴资金的放大作用充分得到发挥。

结构效率分析:由表2可知,2013—2016年在DEA无效的省份中结构效率普遍不高,同时也是引起综合效率无效的主要原因。一方面,保费补贴结构的不合理加重了欠发达地区的财政压力。对比农业保险,森林保险的中央补贴比例较低。种植业补贴占比平均约为40%,部分地区高达65%,而商品林仅为30%。另一方面,我国森林保险保费补贴采用中央至地方财政联动的“倒补贴”机制。即林农缴纳保费且市县与省级补贴资金配套完成后,中央财政才拨付相应补贴[18]。森林资源丰富但经济条件较差的市县因保费补贴配置困难,导致最终投保率不高。同时,历年来补贴标准及三级财政比例构成总体变动不大,特别是安徽、广东、重庆、贵州等省份补贴资金配置和管理方式固化,未能适时调整,结构效率长期处于较低水平。

规模效率分析:2013—2014年,我国19个省份的规模效率均较高,补贴投入总量较合适。在未达到有效水平的省份中,规模报酬递增的省份约占1/2。该时期,加大规模报酬递增省份的补贴力度能进一步提高规模效率。2015—2016年,我国10个综合效率无效的省份规模效率明显下降,且有8个出现规模报酬递减。其原因主要在于生态公益林和商品林的补贴比例差距悬殊,多数省份生态公益林实行全额补贴,商品林比例仅约70%。较高的保费补贴标准能在短时间内快速推动承保规模的扩大,但生态公益林市场规模趋近饱和,加大补贴投入的规模效应不大。较低的保费补贴标准已不能有效刺激林农的投保积极性,承保面积难以进一步扩大,造成总体规模效率损失。

3.2 保费补贴效率的动态测评。

本文运用DEAP2.1软件测算得到各省份森林保险保费补贴的平均Malmquist指数及其分解结果，见表3。

表3 2013—2016年我国19个省份森林保险保费补贴Malmquist指数

区域Malmquist指数及其分解:2013—2016年我国19个省份森林保险保费补贴的全要素生产率总体年均下降10.3%。综合技术效率和技术进步效率均对全要素生产率产生了负面影响,其中技术倒退(7.8%)的影响较大。单独对各省指数的分解结果进行分析可知,综合技术效率不足始终是大部分省份(52.6%)森林保险保费补贴全要素生产率提升的制约因素。其中，11个省份虽然发生了技术进步,但是由于综合技术效率增长较迟缓或发生倒退,降低了森林全要素生产率的增长速度。这一定程度上反映了保费补贴标准和比例结构不合理及保费相对规模的缩减严重弱化了技术进步带来的效率增长,且与静态分析中综合技术效率低下的结果相吻合。发生变化趋势的地区分布情况同静态分析结果较为一致,省份间差距较大。全要素生产率呈上升趋势和下降趋势的省份约各占50%。海南增速为86.5%,远超过其他省份,其增长动力主要源于保险产品创新所带来的技术进步，以及橡胶树风灾指数险产品的创新,满足了市场的特定需求。同时,气象指数险对定损理赔流程的简化,有效降低了保险公司的经营成本,提高了供给积极性。广西(87.7%)和河南(61.9%)的下降幅度最大,且技术倒退现象最为严重。一方面,政府主导制定的保险条款主观随意性较大,偏离了市场真实需求；另一方面,补贴方式单一,忽略了对保险供给方的扶持作用,市场供给动力不足。

区域Malmquist指数与各子指数相关性分析:为了验证前文对Malmquist指数分解的分析结果,本文运用STATA15.0软件进行各指数的相关性分析,以衡量我国19个省份各子指数对全要素生产率之间的相关程度(表4)。

表4 我国各省森林保险保费补贴Malmquist指数相关性分析

注:*、**、***分别表示10%、5%、1%显著性水平。

从分析结果可知,TFP与TEC的相关性高于TFP与TP,当森林保险保费补贴的全要素生产率受技术进步变动的影响较小时,综合技术效率更能引起全要素生产率的变化,表明进一步评估和完善保费补贴制度,有效提高补贴资金的投入和使用效率具有至关重要的作用。SE与TEC的相关性高于PE与TEC的相关性,说明各省森林保险保费补贴的结构效率逐渐趋同时,规模效率将对森林综合技术效率的变化产生更大的影响。因此,除了改善森林补贴资金管理和提高配置效率外,各省应当合理安排森林补贴资金的投入规模,避免造成资金投入冗余或不足。

4 结论与讨论

本文运用DEA方法,对我国19个省份2013—2016年森林保险保费补贴效率进行了静态和动态分析,得出以下主要结论:①森林保险保费补贴效率及其变化原因地区之间的差异显著。各区域的林种分布、林农的收入水平、受灾特点和地方财政实力各不相同,因此对补贴标准和比例需求也不相同。统一化的政策会降低资源配置效率,造成部分地区财政补贴资源短缺或者浪费。②当前森林保险保费补贴全要素生产率呈下降趋势,且综合技术效率下降是阻碍其发展的主要制约因素。保费补贴政策前期提高了农户的参保率,扩大了森林保险的参保面积,快速推动了森林保险市场的发展,为林业生产提供了一定的风险保障。但由于森林保险保费补贴标准和比例配置不合理,其刺激市场需求的动力日益不足，导致保费显著下降。

评价分析森林保险保费的补贴效率,对提升财政补贴资金的使用效率和进一步推动森林保险市场的发展具有一定的参考价值。一方面,由于统计数据的缺失,未能对我国23个森林保险保费补贴试点省份的保费补贴资金投入情况进行测评,可能会在一定程度上影响整体补贴效率测算的准确性。另一方面,由于森林保险具有经济、社会和生态方面的多重价值,其产出指标体系的建立有待做进一步的深入探讨。

综合以上研究,本文认为在优化保费补贴资金管理配置和投入规模以及完善森林保险制度方面进行改善:①实施差别化的保费补贴政策。保费补贴标准和比例的配置,应充分考虑地方财政的能力、林农收入水平和灾害发生的情况,实行差别化的补贴,提高财政资金的配置和使用效率。对经济欠发达、森林资源丰富且灾害频发的地区,应提高中央和省财政补贴比例,降低甚至取消市县财政补贴比例,以缓解贫弱市县的财政压力。目前,生态公益林的补贴比例已达到95%以上，而商品林具有准公共产品的性质,同生态公益林一样具有较大的生态效益,但补贴比例远低于生态公益林,且各地区差异较大。因此，应缩小商品林与生态公益林的森林保险补贴差距,应当优化生态公益林和商品林的补贴结构,适当提高商品林补贴标准和比例,加大补贴资金的投入力度。②完善森林保险保费补贴监管体系。建立健全森林保险保费补贴资金的监管机制,加强保费补贴资金的管理,并且动态评估保费补贴资金的使用效率,及时调整补贴制度,提高财政资金的使用效率。③建立多层次的森林保险补贴体系。除对投保方进行直接补贴外,还应将承保机构纳入补贴,通过业务费用补贴、再保险补贴、巨灾风险准备金补贴、减税扶持政策等降低其经营成本,解决森林保险市场供给不足的问题。④创新森林保险产品,提高保障水平。根据各地区的林业经营结构、森林灾害发生情况和损失程度等因素设计多样化的森林保险品种和多层次的保障水平,以满足林农的不同偏好,减少逆向选择和道德风险,促进保险市场的可持续发展。