中国农业保险反贫困效率的统计测度

□ 王瑞梅

(1.江西财经大学, 江西 南昌 330013; 2.江西理工大学, 江西 赣州 341000)

一、引 言

农业作为国民经济基础,在促进农村经济健康发展以及推动中国迈向农业农村现代化建设新征程中发挥关键作用。而农业保险可夯实农业发展的顶层支持,已经上升为国家重要农业政策,为“三农”高质量发展保驾护航。早于2018年中国银保监会联合四部门发布了《关于金融支持深度贫困地区脱贫攻坚的意见》,强调保险行业参与农业农村领域,助力贫困地区打赢脱贫攻坚战。在关联政策推动下,农业保险市场规模显著增长。据银保监会统计,我国农业保险保费收入增长迅速,从2007年的53.3亿元增加至2020年的814.93亿元。中国已成功超越美国成为全球最大的农业保险市场。特别是在乡村振兴战略落实过程中,金融机构不断强化农业保险的产品和服务供给,为防止脱贫农民“因病因灾返贫”提供解决方案,助力巩固拓展脱贫攻坚成果同乡村振兴有效衔接。

随着国家脱贫攻坚战略的深入实施,农业保险在农业农村领域的重要性日益凸显。但由于农业本身具有弱势性与基础性特征,农业保险在助力脱贫攻坚过程中仍存在针对性不足等问题。加之受国内区域发展不均衡问题影响,农业保险反贫困效率逐渐削弱。这不仅制约农业农村可持续发展,还不利于全面脱贫成果的巩固。在此基础上,巩固农业保险反贫困成果不仅利于全面脱贫攻坚成果的巩固,还利于切实解决“三农”工作问题,对于农业农村现代化发展具有极强现实意义。

二、文献综述

现阶段,学界对于农业保险反贫困效率研究取得一定成果。在农业保险反贫困效率的理论研究方面,左停等(2019)[1]认为农业保险在反贫困进程中发挥极大作用,可通过主体、资源、能力与目标四项关键要素,防止居民陷入贫困现状。张栋浩等(2021)[2]在研究农业保险内涵特征与发展条件基础上,分别从内在驱动、外部因素两个角度剖析其反贫困路径。在农业保险反贫困效率的研究方法方面,黄颖等(2021)[3]立足于倾向得分匹配法(PSM)和IV-Probit方法,对中国农业保险进行分区域调查,研究农业保险管理机制与反贫困路径间的联系。李婵娟等(2021)[4]则运用空间计量方法,实证评价农业保险发展效率的空间收敛趋势和影响因素。

综上所述,学界对于农业保险反贫困效率的研究已取得丰硕成果,为进一步研究的开展提供了宝贵经验与可行参考。但就深入研究内容而言,学界既有关于农业保险反贫困研究的文献多局限于典型区域亦或是特定省份[5],鲜有学者对全国范围内农业保险反贫困效率进行系统性分析。就研究方法而言,现有学术成果中使用频率较高的模糊综合评价法(FCE)有赖于主观进行权重赋值,层次分析法(AHP)的分析质量会随要素选取合理性与要素间关系正确性而波动,单阶段数据包络分析(DEA)模型难以控制决策单元的非经营性因素。三阶段DEA模型基于传统DEA的多投入、多产出特征,无需考量权重量纲,有机结合SFA剥离外部因素,可使每个决策单元均处于相同外部条件与随机因素,更契合农业保险反贫困研究需要[6]。本文以上述研究作为切入点,采用三阶段DEA模型,借鉴国内外学者研究成果,建构投入—产出—环境指标体系。在剥离外部因素与随机误差的影响后,对中国农业保险反贫困效率进行研判,并提出相关建议与优化方向。本研究有利于促进农业保险反贫困理论实践、加快国内农业保险反贫困进程,推动乡村战略走深向实、共同富裕目标逐步实现。

三、研究设计

(一)三阶段DEA模型

三阶段DEA模型能可剔除实证模型的环境因素和随机干扰,具备良好的信度与效度,可确保研究准确性。参考郭军华等(2010)[7]就相关实证模型的研究范式,建构三阶段DEA模型如下:

1.第一阶段,传统DEA模型。对初始面板数据的投入与产出指标展开基础效益测算,得出技术效率(TE)、规模效率(SE)以及纯技术效率(PTE),TE=SE·PTE。选择以投入作为导向的BC2模型(即规模回报可变),就样本数据展开实证分析。具体模型建构为:

min[θ-ε(eTs-+eTs+)]

其中,i为决策单元(DMU),Xi为第i项DMU投入,Yi为第i项DMU产出,s-表示投入松弛变量,s+表示产出松弛变量,θ代表各项DMU的纯技术效率数值,λi则表示第i项DMU系数。

2.第二阶段,SFA模型。以第一阶段DEA为基础,估测外部因素对DMU所带来的影响。这一过程需要对投入变量展开差额分析,剔除外部环境与随机误差,使投入值更贴合现实情况。第二阶段模型回归将第一阶段回归所得出的投入松弛变量视作解释变量,将外部变量视作被解释变量,然后进行模型回归。该阶段建构SFA模型如下:

Sni=f(Zi;βn)+vni+μni

i=1,2,…,I;n=1,2,…,N

开展SFA模型回归是为使全部DMU置于同一外部条件下,剥离外部环境与随机误差对DMU带来的干扰。是以,对公式展开如下调节:

[max(vni)-vni]i=1,2,…,I;n=1,2,…,N

参考黄桂琴(2021)[8]探究配置无效率的研究方法,建构配置无效率分离公式:

基于上述公式调整,得出随机误差项分离公式:

E[νni|νni+μni]=sni-f(Zi;βn)-E[μni|νni+μni]

3.第三阶段,调节投入变量后的DEA模型。此处将其与初始产出变量数值代入第一阶段DEA模型实证回归,为提升此处实证分析信度与效度,选用基于投入导向的BCC模型展开效率测度,得出剥离外部环境与随机误差的实际效率数值。值得注意的是,此处选取的面板数据为跨年份型。因差异年份的生产前沿面存在异质性,经由分年份测度得出的效率数值不可直接进行比较。这也意味着对差异性年份DMU测算所得的效率数值不具备可比性,无法分析其时序演变态势。为纾解跨年份面板数据为效率计算带来的困厄,参考学界既有研究方法[9-10],采用面板三阶段DEA模型,将跨年份面板数据转为更具信度与效度的截面数据进行处理,然后展开实证检验。

(二)指标体系构建与数据说明

为保证数据可得性与连续性,选取中国除港澳台外31个省级行政区2010—2019年的面板数据。样本数据来源于中国统计年鉴、各省统计年鉴、中国农村统计年鉴、中国保险年鉴、中国金融年鉴、知网数据库、Wind数据库,部分指标在原始数据基础上采用平均值插补法计算得出。在借鉴既有相关研究基础上[11-13],结合研究需要,构建指标体系如表1所示。

1.投入变量选取。投入变量可客观展现省域农业保险反贫困内部投入。农业保险反贫困作为一项经济活动,其现实运作可以从机构建设、覆盖密度、建档参保、财政补贴、自缴保费、出险理赔六方面考量。其中,基层保险服务机构是承接农业保险的一线主体,在农业保险反贫困进程中起基础性作用,故以农村保险机构服务站数量(X1)对其进行表征。各个农户对于自然灾害损失保险、病虫害损失保险、疾病死亡保险、意外事故损失保险等农业保险险种的微观参与情况,可由农业保险投保覆盖密度(X2)反映。随着脱贫攻坚战取得全面胜利,贫困户成为过去。着眼于农业保险的反贫困效能,曾在农村建档立卡贫困户的保险参与情况尤为值得关注,故以建档贫困农户参保比例(X3)对其进行度量。保费投入是农业保险投入的直观反映,其大范围开展有赖于政府专项财政补贴与农户自筹保费资金。基于数据可得性,以农业保险保费财政补贴(X4)与农业保险自缴保费数额(X5)衡量农业保险资金投入。在现实环境中,农业保险效能主要经由兑付出险赔偿金来发挥。农业保险理赔直接影响农户经济情况、参与农业再生产,以农业保险出险理赔数额(X6)表征。

表1 指标说明

2.产出变量选取。产出变量选取目的与标准为体现各省域农业保险效率,主要反映农业保险反贫困在农村与农户两个维度取得的进展。就农村层面来看,农业增加值即农林牧渔在一定时期内通过生产经营活动形塑社会劳动量的货币表征,具有一定研究意义,故将其作为变量之一(Y1)。具体为农林牧渔业现价总产值扣除农林牧渔业现价中间投入后的余额。粮食稳产增产是中国农业发展的核心要义,也是保障农村反贫困的关键所在,以农业粮食增产(Y2)进行度量。农村经济发展对于中国经济有着举足轻重的影响,亦是反贫困的强大驱动,以农村人均GDP增长率(Y3)反映农村经济发展水平。就农户层面来看,生产经营作为农户主要经济来源,直接影响农户生产生活与农村反贫困进程,以农户生产经营规模(Y4)表征。在农村产业结构调整背景下,经营性收入已成为农户收入的新兴增长点,以农村人口经营性收入(Y5)反映。消费支出作为农户生活方式变革、可支配收入变化的直观表现,值得在反贫困进程中引起关注,采用农村居民消费支出(Y6)表征。

3.环境变量选取。环境变量是影响农村反贫困工作开展效率的外部环境因素。财政投入是来源于社会经济的财政对社会经济进行反向干预,对农村反贫困意义深远,以公共财政投入(Z1)度量。农村非农户固定资产投资是农村各种登记注册的企业、事业、行政单位进行计划总投资500万元以上的建设项目,为农村经济发展提供经济基础与现实依托,故将其作为研究变量,以农业固定资产投资(Z2)表示。农业机械化和农机装备是转变农业发展方式、提高农业生产力的重要基础,可大力促进农业提质增效,以农用机械使用率(Z3)反映。夯实农业经济基础、补齐农业发展短板,有利于促进宏观经济增长,增加农民和农民工收入,进而实现反贫困目标。2020年全国粮食产量达到6.7亿吨,为实现全年经济社会发展目标任务提供有力支撑,故以农业GDP经济增长(Z4)表征农业增长在经济发展中的贡献。据2020年第七次全国人口普查数据显示,中国城镇常住人口为90 199万人,占总人口比重为63.89%。城镇化是国家现代化的关键指征,对反贫困具有极大推动作用,因此以居住在大、中、小城镇中的人口占城乡总人口的比例反映城镇化水平(Z5)。农村社会救济是国家与社会对农村生活困难群众提供物质帮助的一种社会救助,与农业保险并行对中国反贫困工作起到重要推动作用,以农村社会救济(Z6)对其刻画。

四、实证分析

(一)第一阶段:传统DEA效率测算

基于前述研究方法,采用DEAP2.1软件,选取投入导向、规模回报可变的BC2模型,测算得出不同年份下各省域的技术效率(TE)、规模效率(SE)以及纯技术效率(PTE)。由于样本数量与面板数据较多,此处仅展示10年间各省域技术效率、规模效率、纯技术效率的平均值(表2)。

表2 第一阶段DEA效率测算结果

就技术效率(TE)而言,2010—2019年各省域TE的均值是0.472,效率损失高达53%。这表明从时间角度整体来看,农业保险既有技术效率水准较为低下。从不同年份技术效率数值排列来看,各年份技术效率普遍处于低位,除2011、2016、2017、2018、2019年,其余年份的技术效率数值均低于0.5,且全部年份的技术效率数值未超过0.6。但不难看出,近年来全国与各省域的技术效率值整体表现出波浪式攀升趋势(如图1)。这一趋势自2016年起表现得尤为明显。就纯技术效率(PTE)而言,2010—2019年各省域的PTE均值是0.575。不足六成的数值水平说明国内农业保险反贫困的纯技术效率仍处低位,农业保险经营运作水平有待提升。从不同年份纯技术效率数值排列来看,除2010年外,其余绝大多数年份效率数值均高于0.5。同一时期,PTE整体数值随时间推进展现出波动走高态势。这意味着国内农业保险的经营模式与落地运作处于持续优化过程,为中国农村反贫困进程带来一大利好。就规模效率(SE)而言,2010—2019年国内各省域规模效率均值为0.791,较之技术效率与纯技术效率处于较高位,但整体而言仍存上升空间。从不同年份规模效率数值排列来看,除2011、2013、2016年出现过较大浮动,整体发展态势平稳,且近3年来(2017—2019年)规模效率数值均超过0.8。从导致效率损耗的原因来看,TE损失的近53个百分点中有57.64%是由PTE无效造成,42.36%是由SE无效造成。

图1 2010—2019年效率变动

由于各地区农业保险反贫困效率存在区域异质性,依据国家统计局划分标准,将大陆区域划为东、中、西、东北四部分,展开区域农业保险反贫困效率测度(见表3)。

据表3可知,2010—2019年TE数值最低的省级行政区是甘,数值为0.056;最高的是京,数值为0.881。PTE数值最低的省级行政区为宁,数值为0.096;最高的是鲁,数值为0.999。SE数值最低的省级行政区是藏,数值为0.211;最高的是渝,数值为0.928。国内各省域的TE、PTE以及SE均值各为0.487、0.587与0.716,均有不同范围的提升空间。从地区分布来看,东部区域TE与PTE数值均为四大区域中最高。SE数值最高的区域为中部。这可能是因为中部区域为国内粮食产量较高、耕地分布密集的农业集中地域,规模化程度较优。东北区域的TE数值最低,西部区域的PTE与SE最低。各区域的效率数值都表现出SE数值最高、PTE数值居中、TE数值最低的现状。这体现出综合技术效率较低可能与纯技术效率持续走低有关。

表3 2010—2019年各省域效率均值

(二)第二阶段:SFA回归

通过第一阶段DEA效率测算,得出各项投入变量的松弛变量(见表4)。在第二阶段,将六个环境变量——公共财政投入、农业固定资产投资、农用机械使用率、农业GDP经济增长、城镇化水平、农村社会救济作为自变量。借鉴学界既有研究方法[14],将投入变量中反映农业保险覆盖密度与出险理赔两项关键指征的核心变量作为因变量,即农业保险投保覆盖松弛和农业保险出险理赔松弛。经由Frontier4.1软件,选择面板SFA模型展开最大似然估计,以此调节投入变量。

表4 第二阶段SFA回归结果

由表4第二列可知:第一,农业固定资产投资的变量系数是-0.592,通过1%显著性检验,说明农业固定资产投资与农业保险投保覆盖松弛具备显著负相关。随着农业固定资产投入增加,农业保险投保覆盖松弛走低。农业技改项目、基础设施建设、农林牧渔服务业经营等类别的投资扩大可推动农村反贫困效率攀升。第二,公共财政投入的变量系数为2.579,通过1%显著性检验,说明公共财政投入与农业保险的投保覆盖程度表现出显著正相关。随着公共财政投入扩大,农业保险投保覆盖松弛持续走高,农业保险反贫困效率则不断降低。这可能是由于在全国财政公共预算用于农林水的支出中,部分项目必要性与可行性仍有待商榷,致使资金投入并未得到高效利用与效能发挥。是以,部分公共财政投入效率持续走低,难以切实推动农业保险反贫困落地、助力农业发展与农户收入提升。第三,农用机械使用率、农业GDP经济增长、城镇化水平、农村社会救济四项变量的系数各为-0.368、-1.853、-1.174、-0.893,均通过1%显著性检验,表征这四项指标与农业保险投保覆盖松弛呈负相关。随着资金投入的扩大,农业保险投保覆盖松弛不断降低,反贫困效率得到拉升。这可能是由于农用机械使用率提升、农业GDP经济增长、城镇化水平提高、农村社会救济落实都会提升农户的生产积极性。由此增加农业生产经营投入,使得农户生产经营规模不断扩大,进而推动农业产出增加与农户收入提升。

由表4第三列可知:六项环境变量中仅有公共财政投入的变量系数具备显著性,为0.042,通过1%显著性检验。这说明公共财政投入和农业保险出险理赔松弛具备显著正相关。随着公共财政投入的增加,农业保险出险理赔松弛不断高涨,其反贫困效率愈加走低。如前所述,公共财政在农林水等项目可能存在粗放式投入的问题,财政资金并未得到合理配置,致使投入效率长期处于低位。因而其未能切实推动农业发展、改善农户生活,也难以提升农业保险反贫困效能。农业固定资产投资、农用机械使用率、农业GDP经济增长、城镇化水平与农村社会救济五项指标的变量系数符号为负,但都不具备显著性。这可能是由于前述变量的投入反映出农户生产积极性增强,利于扩大生产经营规模,促使其对于农业生产风险的抵抗能力也有所提升,进而大幅拉升农业产出与自身收入。

(三)第三阶段:DEA模型回归

在第二阶段SFA回归剥离外部因素与随机干扰的影响后,把经过调节的投入变量数值与初始产出变量代入一阶段DEA模型回归。通过DEAP2.1软件,选择基于投入导向且规模报酬可变的BC2模型,得出调节后的实际技术效率(TE)、规模效率(SE)以及纯技术效率(PTE)数值。此处将其与第一阶段效率数值进行比较(如表5),分析调节后2010—2019年各省级行政区的效率均值与变动态势。

表5 第三阶段调节后效率均值

就全国而言,经过投入变量调节后,2010—2019年国内大多数省域的三类效率数值均有攀升,仅有少部分省域有所降低。全国平均TE、PTE与SE分别为0.608、0.696与0.769,较第一阶段的各项效率数值0.487、0.587、0.716而言,各上涨0.121、0.109与0.053。这表明环境因素对于TE、PTE与SE会产生显著影响。就微观角度而言,着眼于技术效率,津、闽、桂、琼、渝、贵、藏、青8个省域的TE数值均有所回落,其余省域TE数值都有不同程度提升。着眼于纯技术效率,津、浙、闽、桂、琼、藏、青7个省域的PTE数值出现下降现象,鲁的PTE数值与前持平,其余省域均有所上升。着眼于规模效率,津、晋、沪、皖、湘、渝、贵、藏、陕、甘10个省域的效率数值略有降低,其余省域SE数值均呈现攀升态势。津是全部省域中唯一一个三项效率数值均有降低的省级行政区。鲁在全部省域中各项效率数值最高,三项数值各为0.969、0.999、0.968,位于效率前沿面。

就区域维度而言,东、中、西、东北四大区域的TE、PTE与SE数值均有所提升。从综合效率状态来看,东部最优,而后依次是东北、中部与西部。从纯技术效率来看,东北PTE数值最高,其次是东部,再次是中部与西部。从规模效率来看,中部SE数值高于其他三大地区,而后依次是西部、东部与东北。

整体来看,东北与东部的TE与PTE显著高于西部与中部;SE则略低于西部与中部。究其原因,中、西部规模效率数值较高,可能是因为中西部区域是国内欠发达地区与相对贫困人口较为密集的地区。农业保险反贫困项目率先在此类地区进行试点与推广,促使该地区农业保险发端较东部与东北区域更早。同时,中西部区域地理总面积与耕地总面积在全国范围内占比较高,豫、冀、鄂等中部省域与川、陕等西部省域均为农业大省,较早地形塑起规模效应,所以其SE数值较高。东北区域的纯技术效率领先于中西部,可能是地区既有经济基础与农业发展水平的外在反映。东北地区不仅是中国的老工业基地,更是粮食主产区之一,且具有地广人稀、农业条件优越、农业机械化程度高等特点,因而其纯技术效率数值极高。东部区域的技术效率优于其他区域,这极有可能是因为这一区域经济较为发达、技术程度较高,且管理水平较高,故拥有较高技术效率。

就时间维度而言,三项效率数值在调节变量后较之于第一阶段,除2010与2011年规模效率数值有所回落、2019年未发生改变外,其余年份各项效率均值全部有所上升(如表6所示)。这证明了第二阶段通过环境变量与随机冲击实施调节的可行性与必要性。2010—2019年,TE数值分布于[0.5,0.7],PTE数值分布于[0.65,0.8],SE数值分布于[0.78,0.9]。从总体态势来说,TE、PTE与SE三项效率均处于波动变化的进程之中(图2)。

表6 调节后2010—2019年各年份效率数值

图2 变量调节后2010—2019年效率数值变动

五、结论与启示

本文利用中国除港澳台外31个省级行政区2010—2019年面板数据,通过三阶段DEA模型对国内农业保险反贫困效率进行统计测度,得出结论如下:(1)中国农业保险反贫困总体收效良好,农保反贫困效率逐年攀升。在剥离外部因素与随机干扰后,农业保险反贫困效率得到进一步提升。农业保险技术效率的上升有赖于纯技术效率的优化,说明近年来中国对于农业保险的投入取得显著效率,农业保险管理运作水平不断提高,农业保险规模效率持续企稳。(2)就区域维度而言,东部、中部、西部以及东北地区的综合技术效率、纯技术效率与规模效率数值均较第一阶段明显提高。然而,不同区域间三项效率状况也具有一定异质性。从综合技术效率来看,西部<中部<东北<东部;从纯技术效率来看,西部<中部<东部<东北;从规模效率来看,东北<东部<西部<中部。东部与东北地区的综合技术效率与纯技术效率均高于中西部地区,但其规模效率较中西部略低。(3)就时间维度而言,变量调节后2010—2019年效率数值均较第一阶段有所攀升(除2010与2011年规模效率数值有所回落、2019年未发生改变)。农业保险效率水平的整体时序变动呈现出波动式上升态势。(4)在六个环境变量之中,公共财政投入扩张会导致农业保险反贫困效率降低;农业固定资产投资、农用机械使用率、农业GDP经济增长、城镇化水平以及农村社会救济投入则有利于推动农保反贫困效率的拉升,但这一影响路径并未通过显著性验证。

上述结论为中国农业保险提升反贫困效能提供思路:(1)因地制宜落实农业保险关联配套政策。从前述实证回归结果看,不同省级行政区农业保险所取得的反贫困效能具有异质性。行政主体应将各地既有经济基础、农业发展水平纳入考量,制定契合区域反贫困实际的农业保险发展规划。同时,应在纯技术效率较低的中西部区域加强技术扶持性农业保险投入,提升农业生产经营机械化与智能化水平。在规模效率有待提升的东部与东北区域,应着力扩大农业保险经营规模与覆盖范围,提升保障密度与规模效能,由此推进综合技术效率拉升。(2)科学合理优化公共财政投入资源配置。由实证结果可知,公共财政投入在一定程度上会对农业保险反贫困进程起到负向影响,抑制其效能发挥。农业固定资产投资、农用机械使用率、农村社会救济等要素则对农保反贫困形成助力。因而,行政主体在实践中应缜密筹划公共财政在农林水等各项事务的投入支出,强化与其他生产要素的握指成拳、协调联动,由此多元提升农业保险反贫困成效。(3)积极借鉴国际农业保险反贫困发展经验。当前,国内农业保险尚处于蓝海阶段,险种有待丰富、结构有待优化。中国在持续推动本国农业保险稳健发展的同时,应以开放态度借鉴国外农保建设经验,在保险产品供给、市场交易服务、精算技术支持等领域提升农业保险水平,助力反贫困工作走深向实。(4)探索实践创新农业保险发展模式。既往农业保险在推动农业生产经营、增加农户实际收入等方面所取得的成果,主要源于各地区、各机构展开多元农业保险反贫困模式的开发与探索。这符合农村发展、农业增产、农户经营需求的农业保险会自发形成示范效应,在溢出效应的驱使下带来更多利好。为适应中国反贫困进程的新形势与新需要,行政主体应深入探索农业保险和农业生产相结合的发展模式,不断推动农业保险发展路径优化与发展理念创新。□