农业保险的精准扶贫效率：基于三阶段DEA模型

郑军 杜佳欣

摘 要：基于2015年全国31个省、自治区、直辖市的相关统计数据，运用DEA与SFA相结合的三阶段模型，对中国农业保险精准扶贫的效率进行了测度和分析。分析结果表明中国不同地区农业保险的精准扶贫效率存在一定差异，且固定资产投资会对扶贫效率产生负面作用。在剔除外部环境的干扰后，农业保险的扶贫效率提高了约3个百分点，地区差异缩小了20%，但中部地区农业大省的扶贫效率仍比较低。这说明了当前农业保险政策的制定要做到因地制宜，针对各地尤其是各农业大省的实际情况，提出相应的治理方法。

关键词：农业保险;精准扶贫;效率;三阶段DEA模型

文章编号：2095-5960（2019）01-0093-10;中图分类号：F840.66;文献标识码：A

一、引言

2013到2017年，中国脱贫攻坚工作取得重大进展，贫困人口减少了6800余万人，贫困发生率下降了7个百分点，降为3.1%。①①资料来源：2018年3月5日在第十三届全国人民代表大会第一次会议上的《政府工作报告》。但是截至2017年，全国仍有3046余万农民生活在贫困线以下。②②资料来源：人民网—人民日报海外版2018年02月02日，网址为http：//society.people.com.cn/n1/2018/0202/c1008-29802293.html。同时，中国当前扶贫工作还面临着精准度欠缺的问题。从农业保险反贫困的角度看，由于各地区经济发展水平等外部原因的不同，实际扶贫效果存在差异。各地区农业保险的精准扶贫效率有何不同？造成这些差异的原因可能是什么？环境因素对该效率有何影响？这些都是值得探讨的问题。针对这些问题，本文通过测算农业保险精准扶贫工作的效率，对全国农业保险扶贫效率做出大致评估;分析区域间农业保险精准扶贫效率的差异;研究环境因素对农业保险扶贫效率的影响，并在剔除这些影响因素的情况下，对农业保险精准扶贫效率进行了分析。

本文将以2015年中国31个省、自治区和直辖市农业保险的相关数据作为研究样本，对各地区农业保险扶贫的效率进行测度和分析，并进一步提出促进农业保险精准扶贫效率提升的策略。本文结构安排如下：第一大节介绍农业保险扶贫的社会、政策背景;第二大节是贫困和农业保险扶贫相关研究的文献述评;第三大节是农业保险扶贫的作用机理;第四大节是实证模型的研究方法与指标选择的说明;第五大节对实证结果进行分析说明;第六大节是关于实证结果的相关政策启示。

二、文献综述

一直以来，贫困问题都是国内外学者研究的热点。在贫困的定义方面，有学者认为贫困是生活必需品的缺乏，所拥有的财产相对较少的状态（Oppenheim，1996）[1]。中国学者在研究中国国情下的贫困问题时，对贫困有其他维度的见解。在静态上，应有一个合理的定值来区分贫困与否（周彬彬，1991）[2];在动态上，鉴于贫困有自身的作用机理和一系列的连锁反应，贫困者没有脱离贫困的相应能力，从而造成贫困不断累积（林闽钢，1994[3];唐钧，1998[4]）。基于此，学者们在反贫困绩效指标的确定方法、因素效应和反贫困的影响等领域进行研究，得到了一些有价值的成果。

近年来，随着农业保险体制的不断发展、完善，农业保险的扶贫效果及其影响机制引起了学术界的兴趣。研究表明财政补贴、居民消费水平等因素会对农业保险的效率产生影响。首先在财政补贴方面，当各级政府保费补贴越多，农业保险的效率就越高（冯文丽，2015）[5]。其次在居民消费水平方面，只有当居民的消费支出超过一定数值，农业保险的扶贫效率才能真正发挥作用（邵全权，柏龙飞，2017）[6]。

现有的关于农业保险扶贫的实证研究有这样几个特点：在研究方向上主要集中在对农民收入的影响上，对于农业保险扶贫效率方面的研究不多;在研究方法上，大部分学者侧重农业保险与农村贫困问题关联性的定量分析。虽然部分学者曾采用DEA模型进行效率分析（赵君彦，2015）[7]，但是大部分研究没有考虑各地经济水平等外部环境的差异对农业保险精准扶贫效率造成的影响，使研究结果存在一定误差。鉴于此，本文侧重对全国各省剔除环境因素影响前后的DEA值进行分析比较。通过运用DEA与SFA相结合的三阶段模型，对国内31个省、自治区、直辖市的农业保险的精准扶贫效率做出评估。再除去外部环境的干扰，使最终结果更加客观，并以此提出相关促进农业保险精准扶贫效率提升的策略。

三、农业保险精准扶贫效率评估的基本框架

农业保险作为分散和转移农业风险的重要手段，必然会对农村居民的收入再分配和农村经济增长产生影响，从而影响到精准扶贫的效率与结果。在政府绩效评估理论中，政府根据自身和社会对其施政措施及管理方式的反馈，对产生的影响进行分析。通常，政府绩效评估是依据绩效目标，运用一定的标注对政府部门的行政职能和影响做出评分，再通过评分给予相应的评級。最后，通过根据等级得到绩效评估结果，得出相应的政策建议（蔡立辉，2007）[8]。同时，常以政府的付出和所得结果的水平作为测算指标，将结果所反映的效率情况进行评价和划分等级（曹堂哲，2018）[9]。因此，本文依据这一思想，运用DEA模型中根据投入和产出的观察值来评价效率的方法，以农业保险的投入、产出之比作为衡量效率的依据和指标选择方向。

农业保险作为分散和转移农业风险的重要手段，必然会对农民收入水平产生一定的影响。农业保险保费收入、赔付和补贴在一定程度上体现了国民收入在农业部门和其他部门之间的流动与再分配。从收入调节的角度分析，农业保险补贴具有转移支付的作用，因此对农户的收入具有调节作用（罗向明，2011）[10]。农业保险保费收入反映了农民和国家对农业保险资金的投入;农业保险深度作为保费收入和国民生产总值之比，反映了农业保险在国民经济中的地位。因此，上述二者可作为农业保险扶贫效率的投入指标。农业保险的赔付可以对农民收入的缺失给予补偿，防止农民因灾陷入贫困。保险公司对农民的补偿，不仅保障灾后农民的基本生活，而且还能购买将来农业生产所需的生产物资，以恢复农业生产（周稳海，2014）[11];农民人均纯收入的多寡体现了农民的物质生活条件，是生产产出的一种体现;贫困发生率作为衡量贫困水平的指标，可以反映某地区贫困的状态。因此上述三者适于作为农业保险扶贫效率的产出指标。综上所述，本文基于上述理论。将农业保险保费收入和保险深度作为投入指标，用以衡量在精准扶贫背景下，农业保险的反贫困的投入;将赔付支出、农民人均纯收入和贫困发生率作为产出指标，用以评估农业保险反贫困的产出效果。

对于环境变量的影响分析，可从经济增长理论和区域经济学的相关理论入手。古典经济学派认为，土地、劳动力和资本这三个要素对于经济增长具有重要作用。这三个要素同样也会对地区的经济环境产生重要影响，经济环境的不同最终会导致扶贫结果的差异。在我国，不同地区农业保险对农民收入影响程度存在较大差异（孙蓉，2015）[12]。这是因为财政公共收入、固定资产投资等环境变量会对各区域扶贫绩效产生重大影响。当环境变量达到某一限度之前，固定资产投入的增长对反贫困有积极的作用;公共财政收入是反哺农业的财政基础之一，对反贫困工作同样有重要作用。然而，区域经济学的区域经济差异理论则认为随着生产要素的区际流动，区域经济的增长在地域空间上趋同。因此，有必要剔除财政公共收入和固定资产投资这两个环境因素的影响，对扶贫效率结果做二次衡量。

四、实证模型与数据来源

（一）研究方法

为了剖析中国31个省、自治区和直辖市农业保险精准扶贫效率的基本情况，本文将借助三阶段数据包络模型（DEA），分析出全国农业保险精准效率的总体水平和环境因素对效率水平的影响，为将来相关政策制定提供一定的理论基础。

20世纪50年代，就有学者在农业经济领域应用该模型，到了20世纪70年代，运筹学家Charnes.W.Cooper和E.Rhodes构建了第一个数据包络模型。2002年，Fired et al在前人研究的基础上，提出了DEA和SFA两个模型相结合的三阶段DEA模型。这一模型分为三个阶段：第一阶段为传统DEA模型，是以投入为导向的可变规模收益的BCC模型。由于第一阶段的效率值会受到管理无效率、环境效应和随机干扰的影响，因此在第二阶段将以投入变量为被解释变量，以环境因素为解释变量建立SFA模型，该模型可以克服传统DEA模型和DEA-Tobit模型中受环境因素和随机误差影响的缺陷，使投入和产出两类指标更加客观，提高决策单元最终效率的可信度。第三阶段则应用同第一阶段相同的方法，将调整后的投入进行重新计算，得出新的效率值。

早前，一些学者就曾利用该模型进行过相关效率分析。通过该模型对我国农业保险财政补贴效率（钱振伟，2014）[13]和河北省贫困县金融扶贫效率（王山松，2016）[14]进行评估，得到了较为科学的实证结果。

1.第一阶段：传统的DEA模型

传统的DEA模型可以分为CCR模型和BCC模型，本文在第一阶段和第三阶段将使用BCC模型。这一模型从技术效率、纯技术效率和规模效率这三个方面对效率进行测算分析。之前有学者曾运用DEA模型对我国农村金融资源配置进行研究（李季刚，2010）[15]，得到了比较客观的实证结论。在本文中，假设有n个评价单元，m个投入变量和S个产出变量。Yk表示第K个决策单元的技术效率，Yrk表示第k个决策单元的第r个产出变量的，Xik表示第K个决策单元的第i个投入变量。

2.第二阶段：SFA模型的应用

鉴于各地区的经济环境水平存在一定差别，第一阶段DEA分析的结果会受到相应的影响。如果以此对各决策单元进行评估，会降低最终结果的科学性。所以，应在第二阶段建立以投入为导向的SFA 成本边界模型，对各决策单元的投入变量进行回归分析。这一阶段的目标就是将松弛变量分解为环境因素、管理无效率和统计噪声三部分，Fried等人提出了相应的扩展模型，同时运用SFA回归完成对环境因素和随机扰动的分离。此时建立的多元线性回归模型为：

上式中，Sik表示第k个决策单元第i个投入变量的冗余变量。fi（zk;βi）是指环境变量对冗余变量的影响，vik+uik为组合误差项。利用上式的回归，使所有决策单元的环境影响趋同，并剔除随机误差项的影响。以所有决策单元中最差的环境因素为基准，将所有决策单元的外部环境状态统一，除去了偶然因素的影响。

3.第三阶段DEA

将去除环境因素影响的投入变量与原始产出运用第一阶段DEA的原理进行二次运算，这一阶段决策单元的效率值将更为客观、可靠。在本文中，剔除了财政公共收入和固定资产投资等环境变量的影响，以环境和条件最差的省份为基准，将所有省调至相同运气环境。得出的实证结果将更具公平性与可参考性。

（二）研究假设

基于上文对扶贫问题和对收入再分配理论的文献评述可以看出，农业保险费收入的增长提高了农业风险的分散保障程度，增加了农民的收入、提高了农民的生活水平。因此，可以得出假设：

假设1：农业保险总体上会对农村精准扶贫产生效果，但各地区的扶贫效率存在一定差异。

假设2：区域性的经济发展环境会对农业保险精準扶贫的效率产生一定影响。

假设3：利用SFA模型，将全国各省的环境调整至相同水平之后，一些地方的扶贫效率水平将有所变化。

（三）相关指标的选取

1.指标的选取原则

本模型需要的数据可分为以下几块：即各决策单元农业保险扶贫效率的投入数据、产出数据和可以衡量环境因素的数据。模型中所构建的指标是为最终得出科学的经济结果服务的。因此，模型中的三方面指标的选取应当满足以下的原则：一是科学性原则。指标的选择应有一定的经济理论作为支撑，根据前文的理论分析，投入指标应当能紧密联系农业保险的供给者和需求者，并能体现农业保险在国民经济中的地位。同时，这些指标应当组成一个绩效体系，才能较为全面地反映研究结果。二是可比性原则，即各决策单位之间，所选择的相应指标之前应当存在一定差异，但又是有相互比较的价值。三是可得性原则。指标体系中的数据应当是公开的、可得的，所以相关数据应是各类年鉴和政府网站的公开数据。

2.各指标的选取结果

农业保险保费收入是保险公司为了履行合同，向农业保险投保人收取的对价。作为一种现金资产，它可以反映社会对农业保险的投入程度。另外，可以类比金融扶贫的相关研究，用涉农贷款及其占比、人均金融机构网点数等（邓坤2015）[16]，从总量和比例两个维度来刻画投入指标。农业保险深度是一地区农业保险保费与该地区GDP之比反映了农业保险在该地区整体国民经济中的地位，从侧面反映了社会对农业保险的投入程度。农业保险密度是一个地区农业保险收入与人口之比。

产出指标选取了农业保险总赔付、农村居民人均收入、贫困发生率。农业保险赔付是发生农业保险事故后，保险公司对投保农户进行的经济赔偿，侧重反映农业保险对农户的补偿，体现资金在金融部门和农业生产者之间的流动，具有一定的扶贫效应，有学者曾以此作为衡量农业保险补贴效率的产出指标进行研究（钱振伟，2014）[13]。农村居民人均收入从数值的角度，对农民的生活水平进行度量，体现了农民的生活水平，也在一定程度上反映了扶贫成果，有学者曾以此作为衡量金融扶贫效率的产出指标进行研究（王山松，2016）[14]。贫困发生率是一地区贫困人口与该地区全体人口的比值，直接体现了一个地区的贫困水平。

依据经济增长理论的相关思想，选取财政公共收入、固定资产投资作为环境变量。这些环境变量会对各区域扶贫绩效产生重大影响且非样本主观可控。当环境变量达到某一限度之前，固定资产投入的增长对反贫困有积极作用;公共财政收入是反哺农业的财政基础之一，对反贫困工作同样有重要作用（王山松，2016）[14]。现将2015年全国31个省、自治区、直辖市的相关指标在下表中列明：

五、数据分析与政策模拟

（一）农业保险对精准扶贫的总体效率

第一阶段的DEA分析是包含了环境变量与随机扰动，运用deap2.1软件对2015年全国31个省、自治区、直辖市的投入产出数据建立DEA模型。具体结果如下表所示：

1.基本情况分析

总体上看，2015年全国农业保险的精准扶贫的效率良好，但不同地区的扶贫效率存在差距，验证了假设1。全国的农业保险扶贫TE值平均为0.81，PTE值平均为0.90，SE值平均为0.90。①①TE代表技术效率，PTE代表纯技术效率，SE代表规模效率。 按地区分析，天津、辽宁、浙江、广东、广西、贵州、西藏、陕西和青海9个地区的TE值和PTE值均为1。这说明上述地区农业保险的精准扶贫效率较高，农业保险的扶贫效应得到了较为充分的应用。北京、河北、上海、江苏、湖南、重庆、甘肃和新疆8个地区的PTE值为1，说明以上地区的纯技术效率并非制约农业保险扶贫效率的主要原因。内蒙古、吉林、安徽、江西、河南、海南、云南和宁夏这8个地区的TE值和PTE值均低于全国平均水平，可见这些地区农业保险的精准扶贫效率仍有待提高。从规模报酬上看，山西、吉林、安徽、福建、江西和湖北等地的规模报酬处于递增状态。因此，这些地区提高农业保险的投入对提高农业保险的扶贫绩效可能会有较为积极的作用。

2.原因分析

从第一阶段的分析结果中，可以看出全国农业保险的扶贫绩效区域间存在着一定差距。总体上说，扶贫效率东部最高、西部其次，中部最低。造成这一现象的原因可以从区域经济学的角度分析。人们经济活动不同的地区分布造就了不同区域的经济特点，并且某一地区范围内常具有相似的性质（郝寿义，2004）[17]。一个地区的收入水平和教育程度对农业保险会产生一定影响。一旦农民的物质生活条件提高，会有更多的资金投入生存资料以外的消费;教育程度越高，农民对农业风险的理解认知水平就会越高，购买农业保险的意愿也就相应增加（钱振伟，2014）[13]。因此，在2013年施行的《农业保险条例》第三条指出：“省、自治区、直辖市人民政府可以确定适合本地区实际的农业保险经营模式”。②②资料来源：中国银行保险监督管理委员会网站。

从2015年东、中、西部农民人均可支配收入情况可以看出，东部地区的农业收入最高，为15262元;中部其次，为10914元;西部最低，仅为8672元。并且东部地区和中西部地区的差异较大，东部地区的收入比中部地区的高出近40%，中部地区比西部地区高出约25%左右。从教育程度上分析，根据最新的统计数据，全国目前的平均文盲率为4.06%。其中，东部地区文盲率最低，中西部地区文盲率则比较高。全国文盲率最低的地区为北京，为1.7%。文盲率最高的地区为青海省，约为北京文盲率的6倍。不仅如此，贵州、甘肃和安徽等中西部地区的文盲率均在全国平均文盲率水平之上。

综上所述，地区的经济、教育发展水平对农业保险的扶贫效率产生了较大的影响。针对西部地区的效率高于中部地区的现状，可能是同以下两种因素有关：一是同粮食产销分离有关。在我国，中部地区的粮食产量较大，需要农业保险来规避农业生产中的相关风险。西部地区在粮食产量的地位没有中部地区重要，耕作和经济条件也劣于中部地区。加之这些地方的经济水平并不发达、灾害承受能力较低，农业保险对此效果将更加显著。二是与风险区划的差异有关。根据全国粮食生产自然风险区划评估的结果，我国粮食生产风险高、较高的地区多集中在中部（梁来存，2009）[18]。

（二）公共财政收入和固定资产投资对精准扶贫效率的影响

由于第一阶段的DEA分析并没有考虑環境因素对投入指标的影响，使得分析结果与实际情况存在一定的偏差。第二阶段，以财政公共投入和固定资产投资作为解释变量。运用Frontier4.1进行计算，结果如下。

1.基本情况分析

从上表可以看出，使用SFA回归是合理的，并且环境因素会对农业保险精准扶贫的效率产生影响，验证了假设2。通过上表可以看出，公共财政投入的系数为负，说明公共财政投入对投入指标的冗余程度存在负向关系，因此这一环境因素对农业保险精准扶贫效率的影响是正向的，这和目前学界的普遍观点是相同。而固定资产投资的系数为正，说明这一因素值的增加会增加农业保险保费收入和农业保险深度的冗余，降低模型的效率值。

2.原因分析

从第二阶段的数据结果可以看出，公共财政收入和固定资产投资这两个环境变量对投入变量影响的方向是不同的。造成这一现象的原因可以通过公共财政和固定资产投资的相关理论来分析。

关于公共财政投入，其实质是市场经济条件下的政府财政支持。2016年，人民银行、国家发展改革委等部门颁布《关于金融助推脱贫攻坚的实施意见》①①资料来源：中华人民共和国财政部网站。 ，意见强调了加强金融扶贫手段的精准性和有效性，发挥公共财政在扶贫领域的作用，公共财政在扶贫中对资金平衡、政策保障等方面具有重要作用。从公共财政的角度分析，财政资金投入是扶贫工作顺利展开的基础之一。贫困虽然是个体的生活状态，但放在经济社会发展的整体视角却是公共性问题，公共财政是反贫困投入的主导。公共财政投入可以通过以下渠道对农村的扶贫工作产生影响（武靖州，2018）[19]。

一是通过公共财政投入促进农业增长。中国大部分贫困人口集中于农村地区，其主要收入来源是农业生产。根据第二次全国农业普查的数据，纯农业户占我国农村户籍人口的75%，第一产业收入占农民总收入的42%。②②资料来源：中华人民共和国国家统计局网站。 公共财政投入可以减少农业的生产成本，增强农业生产的风险抵抗能力。比如，农业灾害预警机制和政策性农业保险，可以提高农村灾害性天气的监测，对稳定农业生产有积极作用。

二是通过公共财政投入影响非农就业。针对农村低收入群体来说，增加第二、三产业的就业机会不仅可以增加农民的收入渠道，还对分散收入风险有积极作用。农村公共投资项目在建设过程中和建成以后都可以創造一些新的就业机会，以对教育的投入为例，农村中小学基础教育的投资可以提高人口的文化水平和知识素养，这有利劳动力适应第二、三产业的工作，从农业生产逐渐过渡非农生产，拓宽农民的收入渠道、增加农民是收入水平。

关于固定资产投资，早期的学者普遍认为固定资产投资对居民消费有正向作用。但是近年来随着研究的深入，有学者认为这一影响作用并不恒定是正向的（蔡志洲，2004）[20]。另外，经济不发达地区固定资产投资的变化幅度比较为富裕地区要更为猛烈，二者都有会给扶贫结果带来影响。从中国1978年以来农村固定资产投资和贫困率的关系，可以看出到2000年前后固定资产投资的扶贫效率逐渐减弱（胡绍雨，2009）[21]。在20世纪80年代早期，农村贫困人口的基数较大，农业经济对扶贫的作用空间较大。但是进入21世纪，农村地区不良的经济环境的负面作用大于固定资产投对经济增长的贡献，使得这一环境因素的影响被削弱。长时间以来，我国固定资产投资增速同GDP增速保持着相一致的趋势，常作为一个判断经济好坏的指标。经济的增长会使得农民支出项目增加，挤占了原本属于农业保险费的那部分支出。但是我国农业保险的深度很低，经济增长动力更多来自其他生产部门，使得农业保险在助力经济增长这一块的比例被更加稀释。

（三）调整后农业保险对精准扶贫的总体效率

根据上一部分所得回归估计结果，将各决策单元都调至同最差外部环境省份一样的条件，再次运用 Deap2.1 软件重新进行计算。为了方便对比，将调整前后全国各地区农业保险的扶贫绩效的变化情况在表4中展示。

1.基本情况分析

对比调整前后的两次回归模型，可以看出调整后的绩效水平同调整前存在一定的偏差，验证了假设3。整体上看，北京、河北、内蒙古等16个地区的TE值比调整前有所提高。山西、内蒙古等12个地区的PTE值比调整前提高。北京、河北等14个地区的SE值比调整前提高。江苏省的规模报酬水平由降低变为规模报酬水平不变，青海的规模报酬水平由不变变成规模报酬水平递增。

从地区分析，东、中、西三大地区的扶贫效率存在较为明显的差距。在第一阶段DEA中，东、中、西部地区的平均效率分别为0.92、0.77和0.89。通过SFA调整后，东、中、西部地区的平均效率值分别为0.94、0.82和0.91。总体效率上调整后比调整前增加了3个百分点，东部和中部的差距缩小了20%。可见，环境变量因素导致了整体效率水平的低估和地区间差异的高估。就整体精准扶贫绩效而言，东部地区效率最高、西部地区其次、中部地区较差。第三阶段中，TE值为1的省份增加到了10个。其余的21个地区中，北京、河北、上海、福建、湖南、重庆、甘肃、青海、新疆这9个地区PTE值为1，显示出其内部管理的无效率并非由纯技术效率导致。

2.原因分析

从第三阶段的结果可以看出，环境变量因素导致了整体效率水平的低估和地区间差异的高估。这一现象可以从区域经济差异理论来分析。

区域均衡发展理论，来源于新古典经济学的相关理论，这一理论认为不同产业、不同区域之间将趋向平衡发展。这是因为生产要素的不断流动，各区域的经济发展水平将的差距将不断缩小。根据索罗-斯旺模型，如果生产要素的流动不受限制，那么在一个较长时间跨度上，不同地区的经济增长将呈现统一趋势（张锡，2016）[22]。

在没有剔除环境因素时，欠发达地区会陷入“贫困陷阱”。中西部地区由于经济社会环境相对不佳，外界投资多同政策手段有着千丝万缕的联系，并不能保证相当的持续性，因此造成了中西部地区扶贫效果较差的局面。而剔除环境因素之后，这一方面的影响效应减少，使得最终区域之间差异缩小。

六、结论与建议

本文基于三阶段DEA模型对我国31个省、自治区和直辖市的农业保险精准扶贫的效率进行了评估。得出结论如下：

总体而言中国农业保险精准扶贫的效率良好。为增加农民收入，减少贫困率起到了积极的作用。但是，全国农业保险扶贫效率在地区上存在一定的差异性，东部地区的扶贫效率要好于中西部地区。

第二，公共财政投入对投入变量的冗余程度是负相关，说明其有助于增加农业保险精准扶贫的效率。相反，固定资产投资对投入变量的冗余是反向的，它的增加会降低农业保险精准扶贫的效率。

第三，在剔除环境因素的干扰以后，全国农业保险精准扶贫的总体效率值有所提升，且与第一阶段DEA的结果相比，区域性差异有所缩小。值得注意的是，在此次评估中，我国几个重要农牧业大省的扶贫效率表现并不出色。安徽、河南、江西、吉林和内蒙古等地的效率同全国平均水平有较大差距，部分地区农业保险的扶贫效率甚至不足0.5。

针对以上结论，从以下三个方面对提高农业保险精准扶贫效率提出建议：

一是分地区制定符合地方实际的农业保险政策。从评估模型中可以看出，各地区农业保险的精准扶贫的效率特征存在一定差异。即使是剔除过环境变量的干扰以后，东部地区农业保险的精准扶贫效率仍要比中部地区高出12个百分点，比西部地区高出3个百分点。因此，各地应因地制宜制定相应农业保险政策，以提高农业保险精准扶贫的效率。例如内蒙古和安徽，技术效率值分别只有0.55和0.59，表明内部管理效率偏低。针对上述情况，应通过管理体制创新为发展重点，以尽量减少农业保险赔付过程中的效率损失;例如四川和湖南，规模效率值分别只有0.62和0.68，则可以从调节农业保险供给规模方面寻找改进的空间，鼓励更多有资质的保险公司涉足农业保险市场，改善中西部地区农业保险供给，比如通过税收优惠和管理费用补贴等政策手段。对于处于规模报酬递增阶段的地区，如山西、吉林和安徽等地，增加农业保险的供给可以在一定限度内对农业保险精准扶贫效率有正向影响;相反，处于规模报酬递减阶段的地区如北京、上海等地则可能需要适当减少农业保险的相关业务。

二是增加农村地区的公共财政投入。从评估中可以看出，公共财政投入对投入变量的冗余程度是负相关，说明其有助于增加农业保险精准扶贫的效率。增加对农村地区公共财政的投入，应当充分借鉴发达国家以往的发展经历和思想，同我国农村公共投资的现实情况相结合。公共财政投入应当优先发展涉及农村经济增长的重点领域，如教育、基础设施建设。教育质量的提升可以提高人口素质和认知程度，使农民对农业保险的接受程度更高;基础设施的建设则可以提高現代农业生产效率和风险预警能力，增加农民的收入，并减少农业灾害带来的损失。

三是提高农业保险的深度。从评估中看到，经济较为发达的中部地区农业保险的精准扶贫效率要低于经济更不发达的西部地区。全国13个粮食主产区①①全国13个粮食主产区分别为：黑龙江、辽宁、河北、山东、吉林、内蒙古、江西、湖南、四川、河南、湖北、江苏和安徽。 中有8个位于中部地区，但是内蒙古、安徽等中部地区的绩效比全国平均水平低20多个百分点。由于我国农业保险的总体深度很低，深度仅为0.75%。因此农业保险的保障程度难以完全补偿农户经济损失，降低了农业保险对农户抗击自然风险的能力，导致扶贫效果不能良好显现。对此，应当提高对这些地区农业保险的扶持力度，比如从加大补贴力度和强化补贴的针对性入手，激发中部地区发展农业保险的积极性，提高农业保险的深度。

参考文献：

[1]Carey Oppenheim，Lisa Harker.Poverty：The Facts[M].London：Child Poverty Action Group，1996：52.

[2]周彬彬.向贫困挑战——国外缓解贫困的理论与实践[M].北京：人民出版社，1991：2.

[3]林闽钢.中国农村贫困线标准研究[J].中国社会科学，1994（3）：86-98.

[4]唐钧.中国城市居民贫困县研究[M].上海：上海社会科学院出版社，1998：1.

[5]冯文丽.基于DEA-Tobit模型的我国农业保险效率及影响因素分析[J].金融与经济，2015（2）：69-72.

[6]邵全权，柏龙飞.农业保险对农户消费和效用的影响[J].保险研究，2017（10）：65-78.

[7]赵君彦.我国农业保险财政补贴效率的综合评价——基于DEA模型[J].农业经济，2015（5）：89-91.

[8]蔡立辉.政府绩效评估的理念与分析方法[J].中国人民大学学报，2002（5）：93-100.

[9]曹堂哲.基于政府治理范式的政府绩效评估演变分析——兼论中国政府绩效评估发展的路径选择[J].财政研究，2018（3）：24-30.

[10]罗向明，张伟.收入调节、粮食安全与欠发达地区农业保险补贴安排[J].农业经济问题，2011（1）：18-23.

[11]周稳海.农业保险发展对农民收入影响的动态研究——基于面板系统GMM模型的实证检验[J].保险研究，2014（5）：21-30.

[12]孙蓉.农业保险对农民收入影响的区域差异分析——基于面板数据聚类分析[J].保险研究2015（6）：62-71.

[13]钱振伟.基于三阶段DEA模型的政策性农业保险财政补贴效率评估[J].商业研究，2014（10）：58-64

[14]王山松.基于三阶段DEA模型的河北贫困县金融扶贫效率实证研究[J].华北金融，2016（12）：27-31.

[15]李季刚.基于DEA方法分析农村金融资源配置效率[J].财会月刊，2010（21）：40-43.

[16]邓坤.金融扶贫惠农效率评估——以秦巴山区巴中市为例[J].农村经济，2015（5）：86-91.

[17]郝守义.建立区域经济学理论体系的构想[J].南开经济研究，2004（1）：69-72.

[18]梁来存.我国粮食作物的保险风险区划及其Probit排序选择模型验证[J].经济经纬，2009（6）：68-72.

[19]武靖州.公共财政支持精准扶贫的机制优化研究[J].理论月刊，2018（1）：135-140.

[20]蔡志洲.固定资产投资增长过快与宏观调控[J].经济科学，2004（2）：5-11.

[21]胡绍雨.财政投资对我国农村反贫困的影响分析[J].农村经济，2009（4）：85-88.

[22]张锡.中国经济可持续增长因素分析[J].科技与管理，2016（1）：52-57.