中国省域财政支农支出的减贫效率研究

高玉强，宋 群

（青岛大学 经济学院，山东 青岛 266100）

党和政府历来高度重视脱贫攻坚工作，特别是党的十九大报告明确将脱贫攻坚列为决胜全面建成小康社会的三大攻坚战之一。作为打赢脱贫攻坚战的重要有效举措之一，政府不断加强对财政支农支出的精细化科学化管理并切实提升减贫效率。2016年12月，国务院印发《“十三五”脱贫攻坚规划》，将“农林产业扶贫”作为实现农村贫困人口脱贫的重要途径，并提出相关涉农财政支出必须明确一定比例用于贫困地区。2018年中央经济工作会议再次强调，要扎实推进乡村振兴战略，重视培育新型经营主体，实现农业现代化，继续加大脱贫攻坚力度。统计数据显示，2017年我国“农林水事务支出”规模达到18 380.25亿元，占一般公共预算总支出比重为10.61%。与此同时，我国扶贫工作取得显著成效，1978年农村贫困人口为7.7亿，到2017年减少至0.30亿，脱贫人口达到7.4亿，我国农村贫困发生率也从1978年的97.5%降为2017年的3.1%。由此可见，财政支农政策已然成为减贫的重要手段，减贫效应业已成为财政支农资金使用效率的客观反映，但经济发展水平差异以及政府管理能力不同等原因，导致各地方财政支农资金的减贫效率参差不齐，因此深入研究我国财政支农支出的减贫效应与减贫效率恰逢其时。

目前对于财政支农资金效率的研究成果已颇为丰富，还有部分学者对财政支农的减贫效应进行了研究。Ramakumar研究了印度农业公共投资的效应，并发现财政支农支出的减贫作用显著[1]。Mosley等对比分析了财政资金投入不同行业时的贫困人口数量变化情况，结果证实政府大量投资农业将显著减少贫困人口数量[2]。Fan则研究发现对农村基础设施建设的投资会显著促进农村减贫，另外还有一些针对性的农业发展项目对减贫也有显著积极作用[3]。王海认为转移支付可直接产生减贫效果，发展经济以提高贫困人群收入可间接实现减贫[4]。邹文杰和冯琳洁构建空间面板模型实证检验了财政支农减贫效应的显著性[5]。周旭东和吕光辉、王谦和李超、杨伯坚、厉伟等则利用DEA方法从各视角研究财政支农支出的效率，产出指标通常选取农业产值、粮食产量、城乡差异、农业生态效率等变量[6,7,8,9]。

回顾已有文献，针对财政支农支出减贫性的研究主要集中于实证检验，对支农资金效率的测度也未从减贫视角切入。因此，本研究的创新在于：第一，从减贫这一新视角来研究我国财政支农资金的使用效率，并将农村经济贫困指标直接作为产出进行效率测度；第二，投入和产出指标选取的合理与否在很大程度上决定着DEA方法测量效率的准确性，本研究利用2010—2016年的省际面板数据检验财政支农支出与减贫的因果逻辑关系，从而验证了后续DEA模型中投入产出指标选取的可靠性。

一、财政支农减贫效应的作用机制与实证检验

（一）财政支农减贫的作用机制分析

财政支农支出作为国家财政支出中的重要项目，主要是指政府为支持农业发展，给予农业、农村及农民的各项直接或间接的财政资金支持（图1）。2007年起我国财政部改革了政府预算收支科目，将原来的支农支出统一调整为“农林水事务”支出科目，主要反映政府在农林水方面的资金投入，具体包括农业、林业、水利、南水北调、扶贫、农业综合开发、农业综合改革等支出。根据“农林水支出”资金的具体流向，按经济用途将其分为三类，一是转移性支出，是指政府无偿向农户供给资金，主要是补贴类支出，如农业保险保费补贴、农业生产支持补贴等；二是生产性支农支出，主要用于改善农业生产条件，支援农村生产，维持良好的外部条件环境，以稳定和提高农业生产力，包括生产发展、农村基础设施建设、科技转化与推广服务等支出；三是经常性支出，主要涵盖农业行政事业单位的经费支出。

不同类别的支农支出，在减贫路径中扮演着不同的角色。一方面，财政支农的转移性支出是在农业生产环节，政府按照一定标准直接给予粮农一定经济补偿的财政资金，可以在一定程度上提高农民收入水平、提升农户整体的福利，从而助力脱贫。因此，财政支农的转移支付可直接产生减贫效果，是为直接收入效应。另一方面，农业地区落后的生产条件也严重制约着农村经济的发展，阻碍了农民生活质量的提高，如果仅仅依靠农户自身有限的资金积累，很难实现农业生产力的提高。而财政支农支出，尤其是生产性支农支出和经常性支出，用于农村地区乡村道路建设、推动农业科技技术推广、改善基本农田水利设施等，将为农业生产提供良好的环境，极大提高贫困农户生产生活条件，优化农业生产要素的配置结构，从而保障农作物产量，解决农民的温饱问题、保障贫困农户的基本收入，达到间接脱贫的效果。因此，财政支农可以通过发展经济以提高贫困人群收入从而实现间接减贫，是为财政支农的间接收入效应。

图1 财政支农政策减贫传导机制

（二）财政支农减贫效应的经验分析

人、财、物是推动减贫的重要资源，在财政支农减贫路径中发挥着重要的作用。本部分将采用面板回归模型，利用2010—2016年的省际面板数据验证财政支农支出的减贫效应，从实证上验证后续DEA模型中选取的投入产出指标的合理性。在投入指标的选取中，我们选择了“第一产业法人单位数量”衡量财政支农减贫过程中的人力资源投入，《“十三五”脱贫攻坚规划》强调要积极发展特色农产品加工业，扶持培育新型经营主体，而“第一产业法人单位”主要包括“农村专业合作社”“特色品牌企业”“股份制农（林）场”等新型经营主体，能够帮助农户解决生产中遇到的困难，提供政策的咨询服务，积极进行业务方面的指导，定期开展技术培训等等，为农业生产提供了技术型人才，这不仅体现了一种合作互助，更是一种政策上的扶持，是帮助贫困农户实现产业脱贫的重要载体，益贫性显著；“农林水事务支出”代表财政对于三农发展的支持力度，基于数据完整性和一致性的要求以及研究的需要，本研究的财政支农支出是指2007年统计口径改变后的“农林水事务支出”；“农村机械总动力”则可以反映技术水平，以衡量财物力的支持。贫困是教育、经济、政治等各方面落后现象的总称，而本研究所指贫困主要为经济贫困，即主要对支农资金的经济使用效率进行研究，因此，在产出指标的选取中，我们以中国现行贫困线2010年2 300元不变价为基准，选取“农村贫困发生率”这一变量对减贫效果进行直接衡量；与此同时，恩格尔系数作为富裕程度的主要衡量标准之一，数值越大则代表一个国家或家庭的生活愈贫困，因此我们用“农村恩格尔系数”间接衡量减贫成果，并将“农民人均纯收入”也纳入产出指标中（表1）。

表1 变量说明†

为了有效避免伪回归问题的出现，在构建计量模型之前，需要依次对相应序列进行单位根检验，以保证变量的平稳特性。本研究主要选用LLC、PP和ADF三种面板数据单位根检验方法实施诊断，考虑到部分变量可能存在的量纲偏大以及单位异质性问题，如农村人均纯收入、第一产业法人单位、农村机械总动力、财政支农等统一对其进行对数变换处理，这种转换不会改变变量间关系，亦不会影响数据分析和研究结论。如表2所示，所有的变量序列均符合序列平稳性特征。

进一步进行Kao协整检验（P值均为0）以及Hausman检验（P值均为0），根据结果应该建立变截距的固定效应模型。同时，鉴于本研究所选样本的横截面长度大于时间序列长度，因此选用截面加权估计法（CSW）进行参数估计。表3即为模型估计结果，具体而言，三项投入对农村贫困发生率的影响均显著为负，说明投入力度越大对减贫的效应就越大，财政支农支出具有显著的减贫效应；第一产业法人单位数量以及财政支农将显著负向影响农村恩格尔系数；与预期相同的是，三项投入变量都将显著促进农村人均收入的提高。整体而言，三项投入变量对三项产出成果具有显著影响，可以进行后续投入产出间的效率测度。

表2 各变量序列的面板单位根检验结果†

表3 估计结果†

二、财政支农资金的减贫效率测度

（一）模型与指标变量选取

数据包络分析法（DEA）可以对多投入、多产出的决策单元的相对效率进行评价。根据规模报酬是否可变，可分为规模报酬不变模型（CCR）和规模报酬可变模型（BCC），其本质就是运用线性规划以求得目标决策单元的最优解。以CCR模型为例进行说明，其线性规划表达式如下，即以所有的决策单元的效率指数为约束条件，求解第j0个决策单元的效率：

但通过CCR模型得出的DEA效率值是整体的综合效率值，而BCC则将CCR模型求得的综合效率值可进一步分解为纯技术效率值和规模效率值，以便我们能够更加直观地判断决策单元综合效率低下的原因源于技术问题还是规模问题，从而进一步优化模型。其中综合效率值能够体现决策单元的整体效率水平；纯技术效率值可以衡量决策单元的管理水平；规模效率值则用以衡量实际规模与最优生产规模之间的距离，效率值越大代表着决策单元的生产规模接近于最优。

值得注意的是，无论是CCR模型还是BCC模型都是从静态角度对当期不同决策单元间的相对有效性进行分析，只适合于样本效率的横向对比，因为缺乏对时间因素的考虑，所以无法从动态角度进行样本效率的纵向比较。这种不足可以通过Malmquist指数得以有效弥补，全要素生产率指数可用如下公式表示：

TC、PTEC、SEC三项乘积为全要素生产率TFP，其中TC代表技术变动，PTEC代表纯技术效率，SEC代表规模效率，后二者乘积是综合技术效率值。TFP的数值大小代表了距离生产前沿面的远近。技术变动TC则代表技术进步的程度。综合技术效率可以根据其数值是否大于1判断决策单元的管理方式以及决策是否正确；综合技术效率值可以进一步被分解为纯技术效率和规模效率两部分，前者反映实现最大产出投入比的能力，后者主要反映规模经济性的发挥程度。可见，对Malmquist指数进行研究有助于准确分析各因素的贡献度。

为了更好地衡量投入产出间关系，指标变量的选取应该遵循科学性、合理性的要求。根据上述经验分析，我们发现贫困发生率和农村恩格尔系数呈现逐年递减态势，而农村人均纯收入逐年递增，财政支农的三个投入变量与产出变量之间存在显著的因果关系，这在一定程度上验证了指标选取的合理性。与此同时，为了保持DEA模型分析中投入产出变量变动方向的一致性，我们用1-贫困发生率即农村脱贫率、1-农村恩格尔系数即农村非食物支出比重对这两个变量进行处理，作为产出指标。

（二）基于BCC模型的静态减贫效率分析

基于产出角度的BCC模型核算我国财政支农支出减贫效率，2016年我国各省份支农支出减贫效率值如表4所示。

从综合效率角度看，31个省（市、自治区）综合效率的平均值为0.844，其中北京、天津、上海、西藏、宁夏的效率值均为1。以粮食产区为依据进行划分，主销区的综合效率平均值为0.887，产销平衡区为0.844，主产区为0.821。这种差异可能是产区之间产业结构的不同所导致，比如主产区以第一产业为主，形成了农业大区、工业弱区、财政穷区的经济格局有待于进一步优化，支农支出减贫效率不高。但总体而言，各省财政支农支出减贫效率普遍不高，这也从侧面反映出我国脱贫攻坚战进入关键阶段、难度很大。

就纯技术效率值而言，北京、天津、上海、江苏、浙江、广东、西藏、宁夏这8省市区的纯技术效率值为1，表明管理水平较优，其中江苏、浙江、广东的综合效率排名偏低，因此其综合效率值较低并非由财政支农支出的资金管理水平所造成，提高效率可从调整生产规模等方面着手。以经济发展水平为依据进行东中西部的划分，其纯技术效率均值依次降低，分别为0.991、0.966、0.960。除管理水平因素之外，导致综合效率值较低的原因还可从规模效率角度来进行分析，从而为各地提高规模效率提供决策参考。可以看出，我国北京、天津、上海、西藏以及宁夏五个省份的规模效率值为1，生产规模效率水平已经达到最优状态，除此之外，表4还反映了决策单元当前的规模报酬类型，可以看出，除上述五个省份之外，其余省份均处于规模报酬递减（drs）状态，这也从另一个侧面反映出了我国脱贫攻坚工作正处于关键阶段，减贫速度有所放缓。

由DEA效率得分可知，我国财政支农支出存在着不同程度的低效问题，可能源于财政支农支出投入产出配置结构的不合理。因此，本研究根据BCC模型的核算结果找到无效决策单元，并计算其投入冗余率与产出不足率，继而为无效单元的效率提升提供了改进方向。其中，投入冗余率等于投入冗余额与初始投入额的比值，表示在维持同一产出水平条件下投入要素所应减少的幅度，高冗余率表示该项投入的利用率低下，存在资源浪费现象；产出不足率等于产出不足额与产出额的比值，代表某产出指标的实际产出量与效率在最优状态下所对应的产出量之间的差距。具体计算结果列于表5。不难看出，在财政支农产出方面，农村脱贫率、农村非食物支出比重以及农民人均纯收入这三项产出的不足率均值分别为0.57%、1.71%、1.74%，其中农村脱贫率产出不足率最高的省份是新疆为6.29%，广东和海南的非食物支出产出不足率均超过了10%，分别达到11.37%和14.7%，农民人均纯收入这一产出则普遍存在不足。就财政支农投入方面，农林水事务支出、第一产业法人单位、农村机械总动力这三项要素的投入冗余率均值分别为32.66%、11.80%、71.53%，存在较为普遍的资源浪费问题。因此，不同省份应结合自身具体情况，参照分析结果适当调整各项投入，从而达到最优支农资金使用效率。

表4 2016年各省份效率值

（三）基于Malmquist生产率指数的动态效率分析

1.趋势变动分析

从动态视角分析我国2011—2016年全要素生产率指数，如表6所示。除2014年全要素生产率为1.012之外，其余年份均小于1，平均降幅为1.8%。为了更好解释我国近年来财政支农支出全要素生产率的下降现象，将其分解为综合技术效率和技术变动两部分。2013年综合技术效率与技术变动出现较大波动，其余年份变动较为平稳，这一现象可能与2013年精准扶贫的提出有关，扶贫政策在某种程度上对农村减贫起到了明显的推动作用，只是伴随着政策效应的减弱，减贫效果便逐渐难以维持，综合效率在2015年再次出现下降趋势，2016年的平均值为0.989。具体来看，我国财政支农支出的综合技术效率处于较高水平，平均每年上升4.1%，因此对现有技术的利用不足并不是全要素生产率下降的原因，而是技术变动即技术进步与创新不足所导致的。观察发现技术变动均值处于较低水平，平均每年下降5.6%，这进一步证实了全要素生产率的下降源于技术水平低下。进一步分析综合效率变动的内在原因，我们将其分解为纯技术效率和规模效率，我国近年来纯技术效率的平均值为1.006，规模效率的平均值为1.034，可见纯技术效率和规模效率都在一定程度上促进了综合效率的提升，但规模效率的贡献度更高。

表5 2016年我国财政支农支出投入冗余率与产出不足率

表6 2011—2016年Malmquist生产率指数

2.地区差异分析

从地区角度对我国31个省份的Malmquist指数结果进行具体分析，以研究我国各省之间存在的效率变动差异，结果如表7所示。近年来大部分省份的平均全要素生产率处于下降趋势即小于1，只有黑龙江省的全要素生产率均值等于1，大于1的省份则有内蒙古、辽宁、河南、湖南、四川、贵州、云南7个省份。进一步观察31个省份全要素生产率均值为0.982，中部地区均值最大为0.995，西部地区均值为0.981，东部地区平均为0.976，地区之间存在一定差异。

三、结论与建议

本研究首先利用2010—2016年省际面板数据，实证检验了财政支农支出减贫传导机制的有效性，然后通过DEA-Malmquist模型从静态和动态两个维度对我国财政支农支出的减贫效率进行核算，研究发现：1）利用BCC模型测算了财政支农支出的静态效率，发现省域之间效率水平存在差异，其中北京、天津、上海、西藏、宁夏的效率值均为1，以粮食产区为划分依据看，主销区的综合效率平均值为0.887，产销平衡区为0.844，主产区为0.821。这种差异可能源于产区之间产业结构的不同。2）各省份的财政支农支出投入产出配置结构存在不合理，有不同程度的投入冗余或产出不足问题。3）运用Malmquist指数测度了财政支农支出的动态效率，从趋势变动来看，除2014年之外其余年份均处于小于1的水平，分析可知，这主要是技术变动即技术进步与创新不足所导致的效率下降，其平均下降幅度为1.8%。

基于以上结论，提出几点政策建议，以提高支农资金的使用效率，充分发挥财政支农的减贫效应：1）适当加大财政支农投入力度，分区分类制定差异化管理策略。对于低效率地区，可考虑适当加大支农资金的投入力度，并注意增加财政专项扶贫资金规模，助推脱贫攻坚，而对于效率较高的省份，因为财政支农资金使用方面处于较优水平，应避免支农规模的较大幅度波动。2）提升财政支农资金使用效率，应完善资金内部结构调整，可以将财政支农资金向农村基础设施建设、科技兴农及农村教育方面倾斜，更好地保障农民基本的生产生活，强化科技支撑，助推乡村振兴，除此之外，我们还应强化支农资金监管，建立绩效评价机制，必要时采取涉农资金专项整治等手段以加强农廉建设。3）产业发展脱贫，积极实施乡村振兴战略，坚持培育农民专业合作社、龙头企业等新型经营主体，鼓励其开展对贫困户的定向帮扶，支持其建立稳定的利益联结机制，使贫困户能够从中受益。