基于三阶段DEA 模型的广东省财政支农效率评价与政策研究

姚凤民，陆 帆，潘彩妮，关雄志

（1.广东地方公共财政研究中心，广东 广州 510320；2.广东财经大学财政税务学院，广东 广州 510320）

【研究意义】农业是国民经济的基础，财政投入是保障农业发展的前提条件。2020 年中央“一号文件”提出要加大财政“三农”投入力度，使财政资金在预算范围内继续向农业农村倾斜；2020 年政府工作报告也提出要落实脱贫攻坚和乡村振兴举措，保障重要农产品供给，提高农民生活水平，促进农业丰收农民增收。广东省自改革开放以来一直积极落实强农惠农政策，财政支农政策经历了改革开放后分税制改革前、实行分税制后再到如今“城乡统筹、以工促农、以城带乡”新时期3 个阶段，财政资金在“三农”问题上发挥了重要的作用，但仍然存在着农业机械化水平不高、城乡发展不平衡、农村基础设施和公共服务有短板等问题［1］。在经济下行、减税降费及疫情防控给省财政增收带来巨大压力的大背景下，财政支农效率亟需引起重视。合理高效地利用财政支农资金，有利于缓解财政压力，也有利于广东农业高质量发展。【前人研究进展】国内学者在财政支农效率问题上的研究主要集中在以下3个方面：一是财政支农效率的研究区域上，有全国层面也有省级层面，部分学者从全国层面对我国财政农业投资绩效进行评价［2-5］，认为财政农业投资效率总体上还不高，部分学者以湖北、吉林、辽宁、山东、江西等省份为例对财政支农效率进行了实证分析［6-11］，针对各省自身情况进行论述；二是财政支农效率评价体系的构建，有学者从经济性、效率性、有效性出发构建评价指标体系［12］，还有学者尝试构建以经济效益、社会效益和生态效益为核心的指标评价体系［13-14］；三是财政支农效率的评价方法，此类文献在模型上大多采用DEA 模型、DEA-Tobit 模型、Malmquist 指数法对我国财政支农资金效率进行测度［15-17］，部分学者采用三阶段DEA 模型以剔除外界环境和随机干扰因素等影响［18-20］。

【本研究切入点】现有文献在财政支农效率方面的研究已较为成熟，但仍然有待补充和完善：一是在研究方法上，大多采用传统DEA 模型，而本研究则采用三阶段DEA 模型，剔除了外界环境和随机干扰因素的影响，能更加真实地测度财政支农绩效；二是在研究区域上，现有文献大多针对国家层面或是农业较为发达的省份，而研究广东省这类农业并不发达地区财政支农绩效的文献较为稀缺；三是在绩效评价指标上，现有文献大多从经济、社会、生态角度划分，而本研究则认为财政支农对于技术进步的影响也是产出的一种，因此在传统指标基础上增添了技术指标，并将其作为产出指标而非环境变量处理。【拟解决的关键问题】本研究通过全面分析广东省财政支农现状、总结成绩及指出问题，并采用三阶段DEA 模型构建以农民指标、农村指标、农业指标及技术指标为核心的评价体系，对广东省2000—2018 年财政支农绩效进行测评并给出相应的政策建议，一方面能够填补财政支农绩效类文献在广东省的空缺，另一方面也为广东省、市政府财政支农政策的制定提供相应的理论参考。

1 广东省财政支农现状、成就与问题

1.1 广东省财政支农支出现状分析

1.1.1 广东省财政支农支出规模与增长率 财政支农支出反映广东省对于“三农”的重视程度和扶持力度。2000—2018 年，广东省的财政支农支出总额在不断扩大，从2000 年的60.29 亿元增长到2018 年的909.78 亿元，扩大了14 倍（图1）。广东省的支农支出遵循着国家的政策方针，各项支农政策落实度高，支农质量也有一定的提升，但部分年份呈现出负增长，2004、2014、2016 年财政支农支出总额分别比上年降低3.32 亿元、37.69 亿元、96.46 亿元，其中，2014 年降低是由于2013 年污水治理与河涌综合整治、治水项目还本付息等抬高基数影响约49 亿元，剔除该影响后实际增长11.6%；2016 年支农支出由于部分农田水利工程项目受台风暴雨极端天气影响施工进度滞后，部分资金未能在当年支出，下降的主要原因是2015 年集中拨付山区五市中小河流治理、村村通自来水补助资金，抬高支出基数。

从增长率方面来看，2007、2009、2015 年出现3 次增长率高峰，其中2007 年增长率达73.28%，这是由于2007 年政府财政收支分类改革，口径发生变化，由2007 年前广东财政支农口径包括支农支出以及农林水利等气象部门事业费，改为2007 年后的一切与农林水相关支出统称为农林水事务支出，导致了支出增长率激增；2009 年的财政支农支出增长率为44.97%，这与当时国内由于受金融危机影响采取扩张性财政政策相关，广东省大环境之下加大了对财政的各项支出，包括支农支出；2015 年的增长率与2009 年相当，为45.61%，主要是由于全省加大交通基础设施建设力度，集中投入2000 多亿，基数较大。综合来看，2000—2018 年广东省财政支农支出稳步增长，基本和国家“三农”政策方针保持一致。

1.1.2 广东省各项财政支农支出项目结构分析从广东省财政支农支出结构来看，2018 年农业和水利支出总和占比平均为52.71%，表明广东省财政支农支出有一半投入到农业和水利支出之中，在绝对数上农业和水利支出额达到了378.14 亿元，这两个项目也是广东省财政支农支出的重点项目。其中水利支出占比最大为30.53%，支出规模为219.02 亿元，说明支农的关键在于水利工程建设，但水利支出占比在不断下降，相比之下农业支出的占比在不断上升，这说明财政支农最后还是要回归到农业本身。其次就是林业和扶贫两个项目支出较高，总和达到28.68%，其中扶贫项目支出146.70 亿元、占20.45%，高于林业项目支出的占比8.23%，且从增速上来看，2018 年其他几类支出的增速均为负，唯有扶贫和农业综合开发支出增速为正，这与我国处于脱贫攻坚战决胜期息息相关。对于农业综合开发与农业综合改革支出比较稳定，但占比较小，对于这部分的支出广东省还有待提升。最后对于南水北调、目标价格补贴项目支出则几乎没有，不具备支出的必要性，相比其他项目来说重要性较低。

1.2 广东省财政支农支出成效

1.2.1 农业产出规模增大，农业结构不断优化2018 年广东省农业经济稳步增长，农林牧渔业总产值6318.12 亿元，农林牧渔业增加值 3946.52亿元，分别比上年增长4.2%和4.4%，增幅是自2013 年以来的最高点。同时广东调整优化农业结构，提倡因地制宜，发展“一村一品，一镇一业”，注重发展特色农产品优势区以及渔业特色养殖业，创建了4 个国家级特色农产品优势区，渔业特色养殖占渔业50%以上，农业产业发展呈现新业态。

1.2.2 农村生活条件不断提高，人居环境升级改善 农村居民消费支出结构的改变可以反映农村居民生活水平的变化，广东省2004 年农村居民消费支出数据与2018 年对比，食品支出占比由2004 年的48.80%下降到2018 年的36.60%，相比之下居住支出占比由2004 年11.33%增加到2018 年21.77%，支出的结构更加多元化，增加了文化教育娱乐支出。农村居民支出结构的变化，反映农村居民的生活水平的改善。此外，2018 年广东省财政安排257 亿元支持1.4 万个村改善人居环境升级基础设施。且水利投资超过320 亿元，用于水土流失与河道治理等方面，农村自来水普及率也达到91.45%，农村生产条件得到了改善，为农村产业进一步发展奠定基础。

1.2.3 农民收入水平提高，城乡居民收入差距缩小 从反映收入水平的人均收入来看，广东省2004 年农村居民人均纯收入为4365.87 元，2018年增加到17167.7 元，全国排名第7，翻了近4 倍，农民收入水平不断提高。此外，城乡居民收入比也逐年降低，由2004 年的3.12 倍降至2018 年的2.58 倍，城乡收入差距缩小，城乡区域在不断协调发展。

1.3 广东省财政支农支出存在的问题

1.3.1 财政支农支出规模不稳定 从广东省绝对支出规模的分析来看，广东省2000—2018 年共19 年中财政支农支出绝对额在迅速增长，在2018年达到909.78 亿元，但从支出的增长率来看，2007 年高达73.28%，2008 年降为11.63%，支出规模波动幅度过大，支出受政策倾斜度影响，时而重视时而忽视，缺乏稳定财政支农资金输出机制。

1.3.2 财政支农支出结构不合理 我国现行《农业法》第六章农业投入与支持保护中，第三十八条明确规定各级政府财政预算内农业资金应当主要用于加强农业基础建设、支持农业结构调整、促进农业产业化经营等方面。在广东财政支出中，水利支出占比最高，平均达35.89%，超过总额的1/3；林业、水利和其他农林水支出总和占比54.05%，超过支出总额的1/2，但这些项目并非与农业直接相关；而与农业直接相关的农业生产、农业综合开发、农业综合改革、扶贫、普惠金融发展支出总和占比45.95%，可见直接用于支农的支出占比不到总额的50%。这其中农业综合改革、农业综合开发支出以及普惠金融发展支出的金额相比于其他直接与农业相关的支出要少很多，偏离农业法的要求，说明广东省财政支农支出结构不合理。

1.3.3 财政支农资金使用效率低 从广东省财政支农支出占农业总产值比值与全国平均比值的对比来看，广东该项指标2000—2018 年的比重一直低于全国水平，说明广东省财政支农资金效率低。近年来，广东省不断增加财政支农投入，但由于后续的管理没有跟上，对财政支农资金使用及效益的考核办法不完善，缺乏系统性和责任约束，支农资金的使用对象点多面广且比较分散。同时，项目审批欠科学，缺乏一套规范完善的执行标准，支农项目大多不履行招标手续，导致财政支农资金使用效益低。

2 基于三阶段DEA 模型的广东省财政支农效率实证分析

2.1 三阶段DEA 模型介绍

DEA 即数据包络分析方法，最早由运筹学家Charnes 等［21］提出，用来评价具有多个输入、输出的决策单元的相对有效性。但传统的DEA 模型未排除外界环境与随机干扰因素的影响，因此Fried 等［22］提出了将传统DEA 模型与随即前沿方法（SFA）相结合的三阶段DEA 模型以解决以上问题，该模型基本思路如下：

第一阶段，选取适当的投入和产出变量，运用DEA 模型进行初次运算，得到初始效率值及投入（产出）松弛变量。

第二阶段，利用SFA 方法分解松弛值，以投入型为例，构建包含环境因素和随机误差的投入松弛值分解方程：

式中，Sni表示第i个决策单元第n项投入松弛值，Zi表示第i个决策单元第p个外界环境因素，本研究选取3 个外界环境因素，βn为Zi的待估参数；f n（Zi;βn）表示第i个决策单元对第n项投入松弛值的影响，一般设定为f n（Zi;βn）=βn Zi；vni表示随机干扰影响，uni表示管理无效率，二者均服从N（0，σ 2un）分布，且独立不相关。利用回归软件得出方程回归结果，并对决策单元的投入做如下调整：

式中，[max()−βnZi]表示对环境因素的调整，[max(vni)−vni]表示对随机干扰因素的调整，Xλni,Xni分别表示第n个决策单元第i项投入值的调整值和实际值。

第三阶段，将第二阶段得出的投入调整值，再次运用DEA 模型，得到剔除外界环境因素和随机干扰因素的实际技术效率值。

2.2 指标选取和数据来源

2.2.1 指标体系构建 基于DEA 方法对于投入产出指标的要求和广东省财政支农现状的综合考虑，在投入变量上，本研究选用广东省财政支农支出作为指标，由于2007 年以后财政支出统计口径发生了变化，2000—2006 年选用支农支出及农林水利气象等部门事业费两项之和作为财政支农支出，2007—2018 年则选用农林水支出这一新指标。在产出变量上，根据“三农”划分为农业指标、农民指标、农村指标，同时增加了一项技术指标，以考察农业技术的发展情况。农业方面选取农林牧渔业总产值作为衡量指标，农民方面选取农民人均可支配收入和农民人均消费支出作为衡量指标，农村方面选取造林面积来考察农村生态环境建设，技术方面选取具有代表性的农业机械总动力作为衡量指标。

为剔除财政支农效率中的环境因素，本研究选取地区生产总值、农作物受灾面积、农业技术协会个数3 个指标作为环境变量。地区生产总值代表各市经济发展水平，一般来说经济发展水平越高的地区，基础设施越齐全，资源配置能力越高，财政支农资金使用效率越高；农作物受灾面积反映地区农业受自然灾害影响的程度大小，广东省农业自然灾害频繁，受灾情况较为严重的地区的粮食生产及农民收入均会受到影响，财政支农支出效率也会降低；农业技术协会反映地区的农民科学文化素质及专业技能水平，对于当地农业产出具有正向促进作用。

2.2.2 数据来源及相关说明 本研究选取广东省及其20 个市（除深圳）作为研究单元。深圳因城市化程度高，部分数据缺失，因此予以剔除。同时，参考《广东农村统计年鉴》的划分，将广东省分为珠三角、粤东、粤西、粤北4 个经济区域。原始数据来自2000—2018 年《广东省统计年鉴》及《广东农村统计年鉴》，个别缺失值采用插值法进行补充。在时间跨度上，由于广东省从2009年以后才开始公布部分指标分市数值，因此本研究对于省级的分析从2000 年开始，对于市级、区级的分析则从2010 年开始。为了消除规模因素的影响，对数据按照相应年份省（市）的乡镇人口计算平均值；同时，为了消除价格波动的影响，分别以2000 年和2010 年为基期，将以货币计量的数据运用相关指数进行平减处理（表1）。

2.3 实证过程

2.3.1 Pearson 相关性检验 使用DEA 模型时投入项和产出项之间必须满足“同向性”，因此首先使用Spss22.0 软件对2000—2018 年广东省的投入和产出变量进行Pearson 相关性检验。结果显示投入项与产出项之间相关系数均为正数（表2），且均在1%的显著性水平下通过了双尾检验，说明本研究所选变量符合DEA 模式的使用要求。

表1 各变量数据处理说明Table 1 Data processing description for various variables

表2 2000—2018 年广东省投入与产出变量的Pearson 相关性检验结果Table 2 Pearson correlation test results of input and output variables in Guangdong Province from 2000 to 2018

2.3.2 第一阶段传统DEA 模型结果（1）省级分析。2000—2018 年，广东省整体财政支农支出的综合效率及规模效率在总趋势上都呈现出下降趋势，综合效率、纯技术效率、规模效率的均值分别为0.652、0.954、0.681，规模收益从2003 年开始为规模报酬递减。说明在现行的体制和规模下，广东省财政支农资金被充分利用并获得了较大产出，但财政支农资金规模不合理，从而导致了DEA 无效，资源配置效率较低，应当考虑整合已有资源，而非盲目增加财政支出。

（2）市级分析。2010—2018 年间广东省20个市中未有1 个市在9 年间综合效率全部达到1，广州、珠海、东莞为综合效率表现相对较差的城市。从纯技术效率来看，珠海、佛山、韶关、东莞、茂名、肇庆6 个市在9 年期间效率值全部达到1，广州只有1 年效率值达到1，惠州、清远则均未达到1；从规模效率来看，20 个市中仅有东莞在9 年间全部达到完全有效，广州、珠海、东莞、阳江、清远、潮州在9 年间均未达到有效，珠海、东莞为规模效率表现相对较差的城市，这也是这2 个市综合效率较低的原因；从规模报酬来看，只有汕尾始终处于规模报酬不变的状态，揭阳处于规模报酬不变和规模报酬递增间隔的状态，其余市大多年份都表现为规模报酬递减。

2.3.3 第二阶段SFA 模型结果 将松弛变量作为被解释变量，将人均地区生产总值、人均农作物受灾面积、人均农业技术协会个数作为解释变量，构建随机前沿分析模型，运用Frontier4.1 软件对截面数据按年份进行回归，得到的系数正负在不同年份有一定差异（表3）。

由结果可看出模型中各个系数均通过了1%显著性检验。2010 年，人均地区生产总值的系数为负，说明其对于投入松弛变量产生了负效应，地区经济发展的提升有助于提高财政支农资金使用效率；而这一系数在2018 年变为正数，表明广东省目前财政支农投入已经达到一定规模，随着地区经济的发展，财政支农投入也在增加，过多的财政支农投入反而降低了其使用效率。2010 年，人均农作物受灾面积的系数为正，说明其对于投入松弛变量产生了正效应，受灾面积越大，对于农作物产量的负面影响越大，从而会降低财政支农效率；而这一系数在2018 年变为了负数，表明随着时间的推移，受自然灾害较为严重的地区因财政资金紧张而更加注重财政资金使用的效率。2010 年，农业技术协会个数的系数为负，说明其对于投入松弛变量产生了负效应，农业技术协会个数的增加有助于提升当地的农业技术水平，从而提升财政支农效率；而这一系数在2018 年变为正数，表明农机协会个数的增加对于财政支农效率产生了负面影响，这反映了广东省目前农技协会的现状：数量在不断增加，但协会规模小，内部管理不规范，服务能力不强，并没有充分发挥其作用，反而造成了财政支农效率的下降。表3 中，γ代表内部管理或投入规模无效导致的投入松弛值的方差占所有松弛的方差的比重，2010—2018 年，γ系数始终为0.99，表明内部管理无效率是产生松弛变量的主要原因。

2.3.4 第三阶段调整后的DEA 模型结果（1）省级分析。在剔除地区生产总值、农作物受灾面积、农业技术协会3 个环境变量后，省级综合效率整体上升，均值从0.652 上升到0.718，表明选取的3个环境变量对广东省财政支农效率有抑制作用。考察年份中，2000—2002 年、2004 年综合效率值均为1，说明财政支农效率达到完全有效；其余年份的综合效率值随时间变化有上下波动，但整体趋于下降，表明广东财政支农的效率损失在不断增加。其中，2003 年和2007 年的规模效率大于纯技术效率，据此可知是财政支农投入的规模不足导致其综合效率未达到完全有效，而其他年份的规模效率则均小于纯技术效率，说明财政支农效率的降低趋势主要是由支农资金内部管理造成（表4）。

表3 2010 年及2018 年广东省20 个市第二阶段SFA 模型结果对比Table 3 Comparison of the results of the second-stage SFA model in 20 cities of Guangdong Province in 2010 and 2018

表4 2000—2018 年广东省财政支农第三阶段效率值Table 4 Efficiency value of the third-stage of financial support for agriculture in Guangdong Province from 2000 to 2018

（2）市级分析。在剔除环境因素和随机干扰项的影响后，广东省20 个市的财政支农的综合效率有了一定程度的改变（表5），其中广州、珠海、韶关、河源、梅州、东莞、江门、阳江、肇庆、清远、云浮的综合效率值上升，而汕头、惠州、汕尾、中山、湛江、潮州、揭阳的综合效率值下降。第一阶段有3 个市在8 年的综合效率值为1，但在调整后的第三阶段没有1 个市达到8年完全效率，仅有2 个市在7 年里达到综合效率完全有效，而9 年都未达到完全效率的由7 个市变为了8 个市。综合效率表现相对较差的仍然是广州、珠海、东莞。

以0.9 为分界对2018 年的规模效率和纯技术效率进行划分，可将广东省20 个市划分为4 种类型（图2）：第Ⅰ区域为“双高型”地区，即规模效率和纯技术效率均大于0.9 的地区，主要有茂名、湛江、肇庆、河源、汕尾、韶关、佛山、江门8 个市，这些地区的财政支农效率相对较高，改进空间较小；第Ⅱ区域为“高低型”地区，即规模效率较高，但纯技术效率较低的地区，主要有惠州、清远、云浮3 个市，这些地区技术效率较低是其综合效率较低的主要原因，后期应当提高这3 个市的财政资金管理水平从而提升其财政支农资金使用效率；第Ⅲ区域是“双低型”地区，即规模效率和纯技术效率都较低的地区，主要有广州、阳江、潮州、揭阳4 个市，其中广州和阳江2 个市规模效率已经接近0.9，故相对于增加财政投入规模，应当更加注重其财政支农资金的使用效率，而潮州和揭阳2 个市既需要增加财政支农投入规模，也需要注重提升资金管理水平；第Ⅳ区域是“低高”型地区，这些地区的规模效率较低，但纯技术效率较高，主要有汕头、中山、梅州、珠海、东莞5 个市，在后期应当适度增加这些地区的财政支农投入规模。

表5 2010—2018 年广东省20 市（不含深圳）财政支农第三阶段效率值Table 5 Efficiency value of the third-stage financial support for agriculture in 20 cities of Guangdong Province（excluding Shenzhen）from 2010 to 2018

图2 2018 年广东省20 个市的财政支农纯技术效率和规模效率分布Fig.2 Distribution of pure technical efficiency and scale efficiency of financial support for agriculture in 20 cities of Guangdong Province in 2018

（3）区域分析。从区域来看，综合效率平均值最高的地区是粤东及粤西地区，平均值最低的地区是珠三角地区，但珠三角地区的综合效率平均值呈现上升趋势，由2010 年的0.52 上升至2017 年的0.78，但在2018 年又下降为0.66，而粤东粤西地区则呈现下降趋势。其中粤东在2018年从上一年的0.90 下降到0.73，下降幅度较为明显，可见4 个区域之间的差距在逐渐缩小（图3）。纯技术效率平均值最高的地区是粤西地区，粤东及珠三角地区也紧紧的挨在粤西波动线之下，粤北地区在2010—2012 年之间纯技术效率平均值较低，但从2012 年开始达到了0.93，逐渐追赶上了其他区域，4 个区域之间的差距同样也在逐渐缩小（图4）。从图5 可见，在整个考察期内，规模效率平均值最高的地区仍旧是粤东地区，粤北及粤西紧随其后，而珠三角地区的规模效率平均值则较低。从趋势上来看，珠三角地区由2010年的0.53 上升到了2018 年的0.78，粤东地区由2010 年的0.96 下降至2018 年的0.81，粤西和粤北地区变化幅度轻微，4 个区域之间规模效率差异也在逐渐缩小。

图3 2010—2018 年广东省4 区域财政支农综合效率均值趋势Fig.3 Trend of the average comprehensive efficiency of financial support for agriculture in four regions of Guangdong from 2010 to 2018

图4 2010—2018 年广东省4 区域财政支农纯技术效率均值趋势Fig.4 Trend of the average pure technical efficiency of financial support for agriculture in four regions of Guangdong Province from 2010 to 2018

图5 2010—2018 年广东省四区域财政支农纯规模效率均值趋势Fig.5 Trend of average net scale efficiency of financial support for Agriculture in four regions of Guangdong Province from 2010 to 2018

3 结论与建议

3.1 结论

本研究通过采用三阶段DEA 模型，对广东省2000—2018 年及其20 个市2010—2018 年财政支农效率进行了实证分析，结果表明：

（1）广东省纯技术效率较高，规模效率受珠三角影响整体偏低，总体而言，广东省的财政支农效率呈下降趋势。各市的综合效率表现也不理想，大多市处于规模报酬递减状态。

（2）第二阶段SFA 结果发现，考虑人均地区生产总值、人均农作物受灾面积、人均农业技术协会个数3 个环境因素，2010 年人均地区生产总值、人均农业技术协会个数的增加对于提高财政支农效率具有显著的正向作用，人均农作物受灾面积的增加则会降低财政支农效率；而到了2018 年，人均地区生产总值、人均农业技术协会个数的增加对于提高财政支农效率产生了显著的负向作用，人均农作物受灾面积的增加反而提高了财政支农效率。

（3）在第三阶段剔除了环境因素和随机干扰项以后，各市财政支农效率发生了一定程度的变化，11个市综合效率上升，7个市综合效率下降，省级综合效率整体上升。从区域来看，珠三角地区综合效率、规模效率较低，粤北地区纯技术效率较低，4 个区域的3 种效率值之间的差距均在不断缩小。从各市来看，根据其纯技术效率和规模效率可分为4 种类型，8 个市属于“双高型”，3 个市属于“高低型”，4 个市属于“双低型”，5 个市属于“低高型”。

3.2 对策建议

一是科学合理分配财政支农资金，逐步建立现代财政支农制度。本研究结果表明，把对珠三角的财政支农投入适当向粤北、粤东和粤西地区倾斜，将有助于从整体上提高财政支农效率。因此要加强统筹力度，发挥地区比较优势，使资金利用更科学精细。要逐步建立现代财政支农预算制度，做好财政支农绩效评估工作，明确各部门管理职责，从而提高支农资金内部管理效率。

二是重视外部条件对效率的影响，为财政支农创造良好的环境。农业科技对财政支农效率有正向作用，要加强科研攻关，加快农业科学成果转化和农业技术推广，增强农业科学服务组织的服务质量，提高农民的农业科学素养［23］。自然灾害对财政支农效率有负向作用，要加强财政对灾害防范的支持力度，减少灾害带来的损失。地区经济发展水平对财政支农效率有显著影响，对规模效率低的地区要引导农业与二、三产业协调发展，提高农民收入，改善农村生活条件。

三是积极引导绿色农业不断发展，推动相关配套政策落地实施。绿色农业具有安全环保、全面高效的优点，政府应积极引导企业和农民发展绿色农业。首先要完善基础设施建设，为绿色农业延长产业链，增加产品附加值，物流运输等提供便利的公共设施服务；其次要出台优惠政策，提高生产者的积极性；最后要不断开拓绿色农业市场，引导消费者购买绿色农产品，加强相关宣传和交流。