财政金融支农减贫协同效率研究：基于中部六省的时空差异

□赵 健

（黄淮学院 经济与管理学院，河南 驻马店463000）

一、引言

作为联合国社会发展问题之首的贫困问题，是人类社会发展所面临的共同威胁，一直以来都是困扰世界各国发展的难题之一。改革开放以来，中国的减贫工作取得了显著效果，截至2019年，我国农村贫困人口从2012 年年底的9899 万人减少至551 万人，贫困发生率则从10.2%降至0.6%①数据来源：国家统计局2019年国民经济和社会发展统计公报。。2020 年3 月6 日，习近平总书记在决战决胜脱贫攻坚座谈会上指出“脱贫攻坚目标任务接近完成”。但脱贫攻坚任务依旧艰巨，目前尚有52 个贫困县和1113 个贫困村，已摘掉贫困帽子的贫困县、贫困村和贫困人口则面临巩固脱贫成果的严峻任务。同时，也应清楚地认识到，2020 年消除绝对贫困，并不是说没有贫困，相对贫困在未来还会长期存在，后续如何巩固拓展脱贫攻坚成果，防止返贫，对曾经的深度贫困地区和特殊贫困群体，“扶上马，再送一程”是非常必要的，因此测度减贫效应，探索减贫经验，是一个持续性的话题。

农村贫困人口的减少和农民脱贫离不开财政资金和金融资金的有力支持，财政支农资金主要用于农业和农村发展的建设性资金投入，金融支农则连接了资金的供给和需求，实现了资金的融通[1](p95)。从本质上讲，财政与金融存在本质差异，前者既是经济行为，更是社会行为，要兼顾伦理、社会和政治等因素，以公平、正义和人权保障等社会诉求为目标；而金融则仅仅是一种经济行为，其固有的趋利性和“嫌贫爱富”的特点，加上贫困人口的弱质性，往往因为将资源流向高效率的人群和区域而在解决贫困问题时失灵，一定程度上扮演了农村资金“抽水机”的角色，更加剧了农村贫困的程度。国内外实践和理论也充分证明，金融扶贫导致的市场失灵等问题需要肩负公共责任的财政来有效解决，这就需要财政与金融协同共进，“市场+政府”的支农减贫模式。2019 年12 月，中央经济工作会议对脱贫攻坚战、乡村振兴战略提出新要求。会议指出，要瞄准全面建成小康社会硬任务，打好防范化解重大风险攻坚战，继续实施积极的财政政策和稳健的货币政策，持续释放内需潜力，推进脱贫攻坚和乡村振兴。2020 年5 月，政府工作报告指出，要使积极的财政政策更加积极有为，集中精力抓好“六稳”“六保”，稳住经济基本盘，确保实现脱贫攻坚目标，为全面建成小康社会夯实基础。

现有研究显示，目前我国财政金融扶贫中存在诸如财政扶贫项目偏移、财政资金使用效率低（王汉杰，2020）[1](p95)，重财政金融支农资金规模、轻协同效率（姜松，2013）[2](p6)，财政金融资金各自为政、协作不足（韩占兵，2014）[3](p25)等一系列问题。从中部六省相关数据可以看出，2012 年农村金融机构①此处农村金融机构用小型农村金融机构与新型农村金融机构之和表示，数据来源于2018 各省《金融运行报告》。总资产为31903.5 亿元，2018 年总资产则为74277.4 亿元，财政支农从2543.36 亿元增至4597.81 亿元，而反映城乡居民生活差异的恩格尔平均系数则从2015年的0.034②数据由各省2019年《统计年鉴》计算整理而来。变为0.1035。为什么在农村金融快速发展和财政支农规模扩大的同时，城乡差距愈来愈大，相对于城镇而言，农村贫困程度加深？财政金融支农减贫是否能真正实现“1+1＞2”的效果？如何克服当前新冠肺炎疫情影响，保持财政金融支农减贫政策稳定、协同共进、分区分级精准帮扶？这些都是值得我们思考的问题。以协同效率为切入点，基于中部六省1994—2018 年的相关数据，剖析财政金融支农减贫效应及其时空特点，这对于减缓农村贫困，制定财政金融扶贫政策，实现扶贫工作长期性、稳定性，激发农村人口发展的内生动力，逐步实现共同富裕具有重要的理论价值和现实意义。

二、文献综述

关于财政金融支农减贫的研究可追溯到20世纪70 年代左右，经理论界和实务界众多学者的不懈努力，积累了一系列丰富的研究成果。从现有文献看，研究内容主要集中在如下三个方面。

其一，金融支农的减贫研究。理论和实践反复证明金融是支持农业和农村经济发展的有效供给，是破解贫困恶性循环的关键。有关金融支农减贫的研究主要包括金融支农减贫的作用机理、金融支农减贫的绩效和金融支农减贫的途径及方法。崔艳娟（2012）认为金融支农通过经济增长、收入分配等途径改善了贫困群体的经济状况[4](p118)。罗荷花（2019）认为通过金融服务可使农户获得农业生产及其他形式的创业资金，提升农户及其子女教育经费等减轻农户贫困程度[5](p83)。部分学者采用实证方法研究了金融支农减贫的效率，温红梅（2014）借助数据包络分析法（DEA）对县域金融支农情况进行了研究，认为农村金融整体支农效率较低，且外部环境对其支农效果影响显著[6](p111)。一些研究认为金融支农减贫效率存在明显的区域差异，发展不均衡，呈现“东高西低中部塌陷”之势，黎翠梅和曹建珍（2012）、张一青和彭非（2016）等均持上述观点[7](p9)[8](p50)。近期的研究更多集中在普惠金融支农减贫问题上，黄敦平（2019）认为要充分发挥政府对经济的干预作用，改善金融基础设施，大力发展普惠金融，从而实现金融的减贫效应[9](p60)。

其二，财政支农的减贫研究。财政支农是政府主导的减贫工作的重要政策工具，大量研究显示，财政支农对减贫具有积极意义。其对贫困群体的效应体现在“造血”和“输血”两种模式上，前者通过财政支农为农户提供各类有利于农业生产的支援服务，直接提升农户初始财富水平，增加接受教育的机会，改善其增收能力；后者通过增加农业资本和人力资本投入，提升经济发展水平，实现减缓贫困的间接效应（高齐圣，2019）[10](p40)。邹文杰（2019）以2007—2017 年省级面板数据为样本，研究了财政支农减贫效果，认为财政支农政策对减贫具有积极作用，但存在明显的门槛特征。因此政府在制定政策时，应充分考虑区域经济特征，因地制宜调整财政支农支出结构，以更好发挥财政支农的减贫效应[11](p115)。庞辉（2020）借助广义二元线性回归模型（Logistic）研究了财政支农政策下农户农业生产经营行为，结果显示，农户对财政政策的了解度和满意度对其农业生产经营行为具有正效应，减贫效果会更明显[12](p110)。

其三，财政金融支农协同减贫研究。埃文斯（Evans）等认为“三农”自身的弱质性离不开金融和财政的有力支持，政府的有效引导可保障金融资金流向贫困地区和贫困人群的持续性[13](p95)[14](p10)[15](p32)。财政政策可以通过对金融机构贴息等风险补偿方式，降低金融支农减贫的成本和风险，激励金融机构参与扶贫，同时财政政策可有效改善农村经济环境，提升金融支农减贫作用的发挥。国内大部分学者将研究焦点聚集在财政金融支农减贫的效率上，普遍认为我国当前财政金融支农减贫协同效率较低，两者各自为政、缺乏协同，协同效率存在明显的区域差异，李鸿渐（2016）等均得到类似结论。一部分研究文献考虑了财政金融支农的效果，探讨了其与农村产业融合、城市产业结构、城乡经济协调发展等之间的问题[16](p164)。一部分文献研究了财政金融支农效率的影响因素，主要包括地方政策权限差异、货币政策间接传导机制、财政金融资源分布均衡性等。从现有文献看，大部分研究是分别考察财政支农效率和金融支农效率，个别测度两者协同效率的则是基于截面数据，采用多元回归模型进行分析的。考虑协同效率差异性时，样本集中在全国和东、中、西部三个区域；很少有研究文献关注中部六省财政金融支农减贫问题，对协同效率测度缺少时空差异的综合研究。中部六省是东西融合、南北对接的重要经济区，其减贫扶贫工作，尤其是巩固扶贫成果的成效对促进中国经济平稳均衡高速发展具有重要的现实意义。基于上述考虑，以中部六省为研究对象，立足其财政金融支农减贫的现状，测度其协同效率水平及发展演化规律，并提出相应的政策建议。

三、财政金融支农减贫协同效率测度

（一）模型设定

选择数据包络分析法的效率指数（DEAMalmquist）测度财政金融支农减贫协同效率，以充分考虑其时空差异。该方法是马姆奎斯特（Malmquist）于1953 年提出的，后经众多学者努力，1994 年罗尔夫（Rolf）和法勒（Fare）等人将该指数与DEA 理论相结合，使其更为广泛地被应用到金融、工业、医疗等部门。

DEA是对其决策单元投入规模、技术有效性做出的评价，其具体模型多样，有规模报酬不变的C2R模型、规模报酬可变的BC2模型、技术有效的C2GS2模型以及对决策单元进行分类或排队的C2WHmxoing 模型。假定规模报酬是可变的，同时考虑技术有效性，为便于后续实证分析，模型构建如下：

设样本中有n个个体（决策单元），每一个体均有m个投入指标，p个产出指标，则每个个体的效率评价指标hj可由式（1）计算。

其中，yrj为第j个个体的产出指标，ur为该产出指标对应的权重系数，xij为第j个个体的投入指标，vi为该投入指标对应的权重系数。则第j个个体相对效率优化评价模型DEA即为：

该模型的含义是以权重vi、ur为变量，以效率指标hj为约束，以第j0个个体效率指数最大化为目标函数的评价体系，可评价该个体生产相对于其他个体决策体系是否有效。上述基于DEA 模型只限于对截面决策单元间的相对有效性的评价，无法实现个体的纵向比较，因此可借助Malmquist 指数对决策单元不同时期的效率进行纵向比较。其基本计算公式为：

其中M（yt+1，xt+1，yt，，xt）为效率指数，其取值大小反映效率的变化趋势。大于1，表示效率是增加的；等于1，表示效率是保持不变的；小于1，表示效率是降低的。Dt(xt+1,yt+1)表示以t时期的技术表示的t+1时期的效率水平，Dt+1(xt+1,yt+1)表示t+1时期的效率水平，Dt(xt,yt)表示t期的效率水平，Dt+1(xt+1,yt+1)表示以t+1 时期的技术表示的t时期的效率水平。基于DEA模型的Malmquist指数就可以测度财政金融支农减贫协同效率的变化趋势。

（二）指标选取

借助模型（1）和（2）测度财政金融支农减贫协同效率，需要选择相应的投入变量和产出变量，参考现有成果，同时考虑了数据的可获取性，立足中部六省实际，构建指标体系（如表1）所示。

表1：投入产出指标体系及计算方法

（三）数据来源及处理

相关数据来源于历年《中国农业年鉴》《中国农村统计年鉴》、各省份历年《统计年鉴》《金融年鉴》和《金融运行报告》、国家统计局网站及各省统计局网站。样本时间段为1994—2018 年，这是因为1992年中共十四大提出了发展社会主义市场经济体制，考虑到政策效应的滞后性，结合经验分析，市场经济体制凸显其作用基本在两年后，研究个体为中部六省，这是因为中部六省人口多，是中国经济的重要市场，目前尚属于欠发达地区，其减贫成效对中国经济协调健康发展具有重要影响和参考价值。

表1中产出指标包括两方面：一是农户贫困程度，这是一负向指标；二是反映农村生产条件的指标，由农机总动力和有效灌溉面积组成，这是一正向指标。其中农户贫困程度由经济贫困、教育贫困和社会贫困三部分组成，经济贫困用农户人均纯收入表示，数据处理时，1994—2009年的名义贫困线以当年颁布的扶贫标准为基础；2010 年之后的则做如下处理：首先将国家2011 年颁布的贫困线2300 元/人（2010 年不变价），转化为各年份的名义值，计算方法为2300×cpi，cpi为居民消费价格指数环比值（2010=100）的当年值；随后可计算经济贫困度

对数值进行对数处理是为了弱化异方差。教育贫困考虑了农户接受教育的程度，用农村在校小学生、中学生和高中生总和与本省在校学生总数之比来表示，计算方法为：（农村在校小学生人数+农村在校初中生人数+农村在校高中生人数）/所在省份（在校小学生人数+在校初中生人数+在校高中生人数）。社会贫困用农户享受社会服务和与社会沟通的程度来反映，同时考虑数据的可获取性，选择农村宽带接入户数占所在省份宽带接入用户总数的比值来表示。

（四）协同效率的测度结果

采用DEA-Malmquist 指数模型可对中部六省1994—2018 年财政金融支农减贫的协同效率进行测度。因篇幅所限，表2 给出了中部六省的2005—2018 年的测度结果。

四、中部六省财政金融支农减贫协同效率的时空差异

由测度结果可以看出中部六省财政金融支农减贫的协同效率存在时间和空间上的差异，为进一步分析财政金融支农减贫协同效率的时间特征，绘制了中部六省1994—2018 年的变化趋势图（如图1）。由图1结合表2的测度结果可以看出：

表2：中部六省财政金融支农减贫协同效率测度结果

（一）协同效率的时间差异

1.协同效率时间差异的趋势变化。其一，从时间看，中部六省财政金融支农减贫协同效率存在较为明显的波动规律，具有一定的集簇性。从1994—2018 年的数据看，协同效率数值往往呈现连续几年的上升，随后连续几年的下跌，再继续上升、下跌。这说明财政金融支农减贫的协同效率不仅受两者自身效率和相互配合度的影响，在一定程度上还受到外部政策环境的影响。2008 年因受到国际金融危机的严重冲击，协同效率在2008年和2009 年出现明显下降，随着中国人民银行一系列适度宽松货币政策的实施，协同效率开始呈现快速上升趋势。2012—2014 年效率呈现下跌状，这是因为2012 年党的十八大以来，党中央、国务院加大了对贫困地区尤其是深度贫困地区政策的扶持力度，对农户减贫工作更注重质量和效率，这一时期，财政和金融支农工作处于调整震荡期，之后的2014 年，协同效率得到了大幅度提升。其二，整体上看，中部六省财政金融支农减贫的协同效率呈上升趋势。从历年测度结果看，虽然存在波动，但在短暂的下跌之后很快回归到上升趋势。除1996、1999、2000、2003等个别年份外，基本都是上升趋势，且协同效率数值在稳步增大。其三，数据显示，大部分年份中部六省财政金融支农减贫协同效率的数值高于1，这在一定程度上改善了早期文献研究结果中提出的“中国财政金融支农协同效率低于1”的局面。作为政策“洼地”的中部六省一直以来面临东部沿海地区高水平经济发展与西部大开发的双向夹击，无论是资源禀赋还是政策倾向上都处于相对弱势地位，支农减贫协同效率的提升，说明中部六省财政金融在支农过程中逐步形成了相互配合、相互协调、合力发展的良好局面，有效助力了农业和农村经济的发展。

图1：1994—2008年中部六省财政金融支农减贫协同效率平均值趋势图

2.协同效率时间差异的过程演化。描述性分析结果显示，中部六省财政金融支农减贫协同效率具有一定的集簇性，为更清楚地把握协同效率的变化特征，可进一步分析其演化规律，为政策制定和实施提供理论依据，提升实施效果。为便于书写，实证分析过程中将协同效率变量记为xt。

第一，数据的平稳性检验。基于中部六省的财政金融支农减贫协同效率数据，反映了1994—2018 年的基本情况，为保证模型结果的可靠性，需要对面板数据的平稳性进行检验，综合运用各种检验方法均显示，1994—2018 年协同效率序列是平稳的。检验结果如表3所示。

表3：协同效率序列的平稳性检验

第二，AR 过程。在平稳性检验的基础上进一步对协同效率系列的演化规律进行识别和判断。以中部六省1994—2018年协同效率的各年度均值为样本，该序列的自相关函数拖尾特征明显，偏自相关函数则出现3期截尾，因此构建向量自回归模型AR（3）模型，模型回归结果如式（5）所示，括号内为各偏回归系数的标准差。

AR 过程结果显示：其一是滞后1 期和2 期在5%的显著性水平下均通过了显著性检验，而滞后3 期则没通过检验。这说明财政金融协同效率具有一定的平滑性和记忆力，观察值之间会出现“聚类”现象，如果前期值较高，接下来的两期均会出现“走高”态势。其二是自回归系数分别为0.5134、0.0964 和-0.0838，其取值大小决定了协同效率序列变量的走势特征。三者之和为0.5260，说明协同效率具有较强的持久性和记忆力。其三是0.5260小于1，说明自相关函数是衰减的，但衰减速度不是很快，大概需要8 年左右才降至0 点。其四是从中部六省的数据看，短期内协同效率具有较强的记忆力和持久性，历史值对观察值影响较大；但从长期看，协同效率波动并不是很强烈，需要持续8年才逐步趋于稳定状态。

（二）协同效率的空间差异

1.协同效率空间差异的描述性统计分析。表4 给出了中部六省1994—2018 年财政金融支农减贫协同效率的均值及排名情况。从区域角度看，江西省在支农减贫方面交出了一份满意的民生答卷，位居第一。江西是红色老区，自然条件并不适应经济发展，但在支农减贫协同方面取得了如此高效率，其经验是值得关注的，其重要举措就是注重提升基础设施。2016 年的数据显示，江西省中央预算内15 亿元投入农网改造升级工程，1.3 亿元投入农村安全饮水巩固提升工程，1.6 亿元省级财政投入农田水利和环境整治等项目，县乡村道路、桥梁项目中注入4.99 亿元资金，“土豪”式的财政投入不仅改善了农村地区发展条件，更为减贫脱贫奠定了坚实的基础。金融支农方面，截至2017年年底，累计发放699.1 亿元精准扶贫贷款，建档立卡贫困户贷款余额96.9 亿元，其中小额信贷累计贷款金额75.9 亿元，惠及16.62万户贫困户[19]（孔凡斌，2019）。

湖北省和河南省协同效率基本相同，安徽和湖南不相上下，都有上升的空间。而山西省的数据却不尽人意，位居六省尾部，让人堪忧。这种局面很大程度上是近几年供给侧结构性改革和环保新规导致的，煤炭产能降低，使得山西这个煤炭大省的经济处于一种无力状态，财政支农资金增长率过慢，农业基本建设投入不足。要提升支农减贫协同效率，山西省应深入分析当下形势，找准原因，发挥优势，积极应对，才有奋起追赶的可能性。

2.协同效率空间差异效应检验。基于表2 对中部六省财政金融支农减贫协同效率测度的历年数值，进一步借助方差分析对中部六省支农减贫协同效率的空间差异进行定量分析。方差分析结果如表5所示。

表5：中部六省财政金融支农减贫协同效率的方差分析

方差分析结果显示，F 统计量的P 值接近于0，所以拒绝原假设，说明省份因子对财政金融支农减贫协同效率的影响是显著的，六个省份之间的协同效率存在显著差异。且省份因子与协同效率的影响效应占总效应的57.022%，两者之间是中度相关的。

3.协同效率空间差异的面板模型。面板模型可进一步考察中部六省间财政金融支农减贫协同效率的空间差异。基于样本数据，首先对面板数据进行混合效应和固定效应检验，结果显示F统计量大于临界值，因此拒绝原假设，选择个体效应模型。再采用Hausman 检验，最终选择个体固定效应模型，回归结果如式（6）所示。

其中虚拟变量Di表示中部六省，其中i=2，3，…，6 分别表示河南省、安徽省、山西省、湖南省和江西省，其定义如式（7）所示。

R2=0.6668，Adjust-R2=0.6126，F值为3.0782，其概率值为0.0033。

从面板模型回归结果看，中部六省财政金融支农减贫协同效率序列的区域特征基本和总体特征是一致的，滞后1 期和2 期的影响是正向的，滞后3期则是负向的，三期滞后合计基本解释了当期值变动的48.2%左右；各省份自发性协同效率存在明显差异，其中江西省明显高于其他各省份，其次是湖北和河南，两省水平基本一致，安徽和湖南随后，山西省位居最后。

五、研究结论与政策建议

（一）研究结论

基于中部六省1994—2018年财政金融支农减贫的现状与历史演变数据，采用DEA-Malmquist效率指数，测度了财政金融支农减贫的协同效率，并从时间和空间两个维度考察了协同效率的差异和演化规律。研究结果显示：其一，从时间上看，中部六省财政金融支农减贫协同效率虽有波动，基本上呈上升趋势。样本区间内，中部六省财政金融支农减贫协同效率大部分年份实现了“1+1＞2”的效果。其二，时间和空间上均显示，财政金融支农减贫协同效率具有一定的集簇性，且短期内具有较强的记忆力和持久性，长期波动并不是很强烈，需要持续8 年才逐步趋于稳定状态。其三，时间和空间上均显示，中部六省之间财政金融支农减贫协同效率存在省际差异，江西省明显高于其他各省份，随后是湖北、河南、安徽和湖南，山西省的数据则处于较低水平，亟待提高。

（二）政策启示

2020年12月，中央农村工作会议中提出“在向第二个百年奋斗目标迈进的历史关口，巩固和拓展脱贫攻坚成果，全面推进乡村振兴，加快农业农村现代化”，要实现上述政策预期，中部六省需要理顺财政与金融支农减贫机制，通过财政与金融支农资金有效耦合，提升财政金融支农减贫的协同效率。基于本文实证研究结论，中部六省应将提升减贫资金的使用效率作为财政与金融支农减贫协同的总体目标，共同发挥其杠杆和引导作用。

首先，要以提升贫困农户的综合生产能力为目标，构建财政与金融支农减贫协同机制。以提高贫困农户的生产设施水平为着力点，财政支农资金可通过“以奖代补”方式，发挥先导作用，稳定和加强种粮农民补贴，坚持完善最低收购价政策，扩大完全成本和收入保险范围。要调动农民种粮的积极性，吸引金融信贷资金参与其中，提升财政金融支农减贫的协同效率。其次，要以增加贫困农户的收入水平为目标，构建产业扶贫的财政与金融协同支持机制。习近平总书记指出，产业兴旺是解决农村一切问题的前提。事实也证明，产业扶贫是激活贫困农户内生发展动力，实现持久脱贫的最有效形式。通过产业驱动农产品的增质增效，为农民增粮增收。因此，财政支农资金可通过财政贴息形式，对承担产业扶贫任务的相关企业的涉农贷款给予一定的利息补贴，以此撬动银行信贷资金投放，实现财政与金融支农减贫的有效协同。再次，要以提升贫困农户信用能力为目标，构建造血扶贫的财政与金融协同支持机制。当前，贫困农户担保难、贷款难是其自我发展能力不强的重要根源。建议通过财政资金注入的形式，建立信贷担保基金，增强贫困农户的信用能力，解决贫困农户贷款条件不足的问题。这样可以一方面发挥财政资金的杠杆效用，另一方面也有利于降低金融机构的信贷风险，增强贫困农户自我发展的造血能力。最后，要优化财政金融支农减贫的空间结构。根据各地实际，实施有差异的财政金融支农减贫政策，避免“一刀切”，增强针对性和有效性，实现区域协同减贫。