乡村振兴背景下财政支农支出效率测度与区域比较

张永江, 袁俊丽, 刘雨潇

(1.农业农村部农村社会事业发展中心,北京 100122; 2.南京农业大学金融学院,江苏南京 210095)

“三农”问题一直是事关国家发展全局的战略性问题。在我国经济进入高质量发展转型期的新格局下,农业农村发展依旧是我国经济社会建设中的短板。2017年十九大报告提出了“产业兴旺、生态宜居、乡风文明、治理有效、生活富裕”的乡村振兴战略总目标,意味着我国农业农村正式迈入历史新阶段,全面推动农村社会、生态、经济等领域稳步发展,实施乡村振兴战略成为当前及未来一段时期的工作重点。作为推动乡村振兴的重要资金来源,近年来我国财政用于农业农村发展的资金规模不断增加,据中国统计年鉴2010—2020年数据显示,财政农林水事务支出年均增长率达到11.41%;财政支农支出占财政总支出的比重不断上升,2020年达到9.75%,比2007年上升2.91百分点。但在财政资金的使用过程中,积聚了资金投入波动幅度较大、支出结构不尽合理、涉农资金管理混乱、地方财政监管不到位等深层次问题和矛盾[1-2]。在乡村振兴战略的新形势下,探究财政支农整体效率表现及其影响因素成为当前急需攻关的难题,具有重要的理论价值和现实意义。

尽管已有研究对财政支农效率评价展开了丰富的讨论,但是学者们较多从经济效率单一角度来衡量财政支农的投入产出效果[3-6]。然而,在乡村振兴战略时期,生态环境、文化发展因素日益突出,仅从经济角度评价财政支农效率无法适应时代要求,亟待农村生态、文化等多维度对财政支农效率综合评价。尽管一些学者将效率评价指标扩展至涵盖经济、生态、社会效益维度[6-7],但是相关研究选取指标较少,无法全面反映农业农村发展现状,更难以体现财政支持农村发展效率特征。

关于财政支农支出效率水平影响因素的实证研究,已有研究围绕财政政策变量和经济社会因素,探讨财政支出规模、财政自给度、城市化水平、农户固定资产投资、农村地理位置、制度环境、农户参与度及受教育程度等因素对财政支农效率的影响[8-13]。但是相关研究主要聚焦于综合技术效率,鲜有对其分解效率的影响因素进行探讨,无法深入理解财政用于支持农业农村发展的制约因素和激励因素。在全面推进乡村振兴背景下,以往研究难以从实践层面精准地对改进财政支农效率进行指导。因此,本研究主要探讨分析以下问题:在乡村振兴背景下,如何构建符合乡村振兴目标要求的效率评价体系?财政支农整体效率表现如何?财政支农效率受到哪些因素的影响?本研究构建基于乡村振兴视角的财政支农支出效率评价体系,运用超效率-数据-包络分析(SBM-DEA)模型和Malmquist生产率指数模型,测算2015—2019年我国各省财政支农支出的静态效率以及动态效率,并通过Tobit随机效应面板回归模型考察财政支农支出效率水平的影响因素,以期为已有研究提供有益补充与借鉴,为相关政策制定提供依据。

1 财政支农支出效率的测度

1.1 测度方法

1.1.1 SBM-DEA法 本研究采用Tone提出的超效率SBM-DEA模型[14]测算财政支农支出的静态效率。相比于超效率DEA模型,该模型假设投入和产出可以按不同比例变化,对决策单元(DMU)测度更加准确。模型基本形式如式(1)和式 (2):

(1)

(2)

1.1.2 Malmquist指数模型 本研究选用Malmquist生产率指数模型测算财政支农支出的动态效率,模型基本形式如式(3):

(3)

(4)

式(4)表示技术变化与技术效率变化的分离。其中,第一部分EF表明t～(t+1)时期生产效率变化;第二部分TC表明t～(t+1)时期技术变化率。进一步放松固定规模报酬假设,可得式(5):

(5)

1.2 指标选取

在乡村振兴战略背景下,财政对农业和农村的投入不再局限于经济方面,而是向人居环境、文化氛围、农民生活、乡村产业等多个方面拓展,这凸显了以往财政支农支出效率评价体系的局限性[13,15]。因此,本研究参考中央和地方涉农政府部门出台的乡村振兴评价指标体系,从投入和产出2个方面构建效率评价指标体系。

在投入指标的构建上,考虑到各省(市、区)财政支出数据的可得性,参照石磊等的研究[16],选择人均财政农林水支出规模作为效率评价的投入变量。产出指标的构建包括农业产业发展、乡村生态环境和人居环境、乡村文风和文化治理、农村居民生活水平4个方面。具体产出指标设计如下:

一是产业兴旺维度指标。产业兴旺是乡村振兴战略实施的重要支柱,该指标包括农业发展和农业生产条件2个方面。在具体指标的选择上,选取农林牧渔业增加值和劳动生产率作为农业发展代理变量,选取农业综合机械化、农田供水普及率、农村用电水平反映该地区的农业生产条件。

二是生态宜居维度指标。生态宜居是推进乡村振兴战略实施的重要组成部分,是生态文明建设的着力点,包括生态环境和人居环境[17]。具体选择绿化覆盖率反映该地区的自然环境宜居情况,人居环境宜居维度选择污水处理率、生活垃圾无害化处理率、人均住宅建筑面积这3个指标反映农村人工环境和居住环境。

三是乡风文明与治理有效维度指标。乡风文明与治理有效是乡村振兴战略实施的软条件,分别采用文化事业与数字治理2个方面进行评估。发展文化事业有助于净化民间不良风气,提升农民思想高度和精神层次。在大数据时代下,数字技术的发展能够增强乡村政社互动,有效促进乡村社会治理变革,提升乡村治理现代化水平[18]。在具体指标的选择上,选取农村人均藏书量、文化站从业人员密度、文化服务提供次数3个指标作为文化事业指标,选择农村互联网普及率作为数字治理指标。

四是生活富裕维度指标。生活富裕是国家实施乡村振兴战略的终极目标,主要通过农村居民的收入水平、消费水平等方面反映,具体指标选择人均可支配收入、人均工资性收入、人均消费支出以及农村居民耐用品消费支出。此外,考虑到缩短城乡差距是乡村振兴战略目标之一,本研究进一步选择城乡居民收入比和城乡居民消费比反映农村居民生活富裕水平。

表1 效率评价原始产出指标体系设置

1.3 数据来源

鉴于西藏有大量数据缺失和异常,综合考虑样本评价指标数据的可得性,本研究选择东部、中部、西部30个省份(不包括香港、澳门、台湾和西藏)作为研究对象,将2015—2019年作为样本研究期。所有指标数据均根据2016—2020年《中国统计年鉴》《中国农村统计年鉴》《中国社会年鉴》《中国人口和就业统计年鉴》《中国城乡建设年鉴》等相关年鉴数据整理所得。为消除规模化因素和价格因素,将相关数据进行规模化和平减化处理。涉及到农林牧渔业产值的相关指标,按照2014年农林牧渔业增加值指数对其进行平减处理。涉及到农民收入和消费的相关指标,按照2014年农村居民消费价格指数对其进行调整。本研究用于综合评价的指标均为正向指标,满足指标同趋势化。

2 效率测度结果与分析

2.1 财政支农支出效率的区域分析

2.1.1 综合技术效率分析 2015—2019年财政支农支出综合技术效率地区差异如图1所示。由图1可知,从时间趋势看,东部地区的综合技术效率呈现明显的上升趋势,中部和西部地区效率整体变化趋势较为平稳。通过横向比较不同区域发现,中部地区的综合技术效率值最高,东部地区次之,西部地区综合技术效率值最低。

2.1.2 纯技术效率分析 2015—2019年财政支农

支出纯技术效率区域差异如图2所示。从时间趋势上来看,东部地区纯技术效率较为平稳,稍微呈上升趋势;中部地区波动较大,呈下降趋势。这是因为东部地区制度保障、政策执行力、技术支持、管理水平较为有效,对财政支农资源的使用较为充分。通过横向比较发现,东部地区纯技术效率最高,有2年达到纯技术效率有效,中部和西部地区在整个考察期内均没有达到纯技术效率有效,说明纯技术效率低下是这些地区综合技术效率未达到有效的原因之一。

2.1.3 规模效率分析 图3展示了2015—2019年规模效率区域差异。从时间趋势看,东中西区域的规模效率在2015—2019年总体呈现波动上升趋势,可能是随着财政支农支出的日益扩大,各地政府更加关注规模效率,规模效率有所提升。从区域差异看,中部地区规模效率处于领先水平,2019年的规模效率值达到0.838,而西部和东部地区的规模效率较低。西部地区农村经济相对落后,财政投资规模严重不足,可能处于规模报酬递增阶段,而东部地区经济状况比较发达,财政资金投入较多,处于规模报酬递减阶段。

结合图1、图2、图3可知,中部地区的综合效率处于领先水平,主要归功于规模效率的提升。规模效率与纯技术效率分别是制约东部与西部地区综合技术效率提高的主要因素。在乡村振兴战略稳步推进时期,各区域应针对自身财政支农支出效率存在的问题制定相应的政策方针,以促使财政支农活动高效实施。

2.3 财政支农支出效率变动分析

为深入了解2015—2019年我国财政支农支出效率变化,本研究对各省各年度全要素生产率(Malmquist)指数分别进行计算,对财政支农全要素生产率变动趋势进行分析。

2.3.1 财政支农效率的年度变动分析 表2为2015—2019年各年份财政支农全要素生产率及分解指标结果。由表中数据可见,我国财政支农投入效率在2015—2019年间呈波动态势,全要素生产率平均变化小于1(0.993),说明我国财政支农支出效率年均降低0.7%。从分解指标看,样本期间技术效率指数降低了0.6%,技术进步指数降低0.2%,表明全要素生产率的降低是由技术效率变化和技术进步变化共同引起的。分阶段看,在2015—2019年间,除2017—2018年Malmquist指数达到1.127,其余年份全要素生产率均小于1,最小年份是2015—2016年,Malmquist指数为0.955,下降4.5%。进一步分析全要素生产率变化的原因。从技术效率变化看,大体上我国财政支农技术效率呈上下波动的变化趋势,这种变化由纯技术效率变化与规模效率变化所致。分阶段看,2015—2016年和2018—2019年的技术效率指数大于1,这主要得益于规模效率改善。其余年份的技术效率指数小于1,由纯技术效率和规模效率共同下降引起,且纯技术效率下降幅度较大,说明管理制度有待完善。从技术进步指数变化看,2015—2019年间只有2017—2018年技术进步指数大于1,引起这一时期全要素生产率提升;其余年份技术指数均小于1,最小年份出现在2018—2019年,技术进步指数下降7.6%,导致这期间全要素生产率大幅下降。

表2 2015—2019年财政支农支出效率Malmquist指数及其分解的年度分析

2.3.2 财政支农效率的区域变动分析 考虑到不同地区发展水平差异,本研究给出了不同地区平均全要素生产率及分解效率,如表3所示。可以发现,东部地区全要素生产率指数最高,年均增长率为2.4%。西部地区次之,中部地区最低,中部与西部地区全要素生产率变化小于1,年均增长率分别为 -2.9%、-2.3%。进一步从分解指标看各地区全要素生产率变化原因。技术变化方面,东部、中部和西部地区的技术进步指数依次升高,表明西部地区技术得到改善。在技术效率指数方面,东部、中部、西部地区依次降低。东部地区综合技术效率指数大于1,这期间主要得益于规模效率指数的提高;中部和西部地区综合技术效率指数小于1,中部主要是受纯技术效率拖累,西部则由纯技术效率指数和规模效率指数降低共同制约。综上,东部地区全要素生产率提高主要归功于规模效率指数的提升;中部地区是由技术退步与纯技术效率指数所拖累,西部地区则是由纯技术效率指数和规模效率指数共同降低引起。

表3 2015—2019年财政支农支出效率Malmquist指数及其分解的区域分析

3 财政支农支出效率影响因素的实证研究

3.1 模型设定、变量选择与数据说明

由于财政支农效率为截断数据特征变量,采用OLS估计可能造成估计有偏,本研究选用随机效应面板Tobit模型进行估计,模型设定如下:

EFit=α+∑jβjXj,jt+μit。

(6)

式中:EFit为被解释变量财政支农支出效率,分别为DEA测算的综合技术效率、纯技术效率及规模效率;i和t分别为第i个省份、第t年;α为截距项;βj为待估系数,Xj,it为本研究主要考察的变量,包括地方政府特征变量、农户特征变量、地区外部环境变量;μit为随机误差项。变量定义及描述性统计如表4所示。

表4 变量定义及描述性统计

地方政府特征变量选择财政自给度和财政支农比重2个变量。已有研究认为,财政自给度是影响财政支农支出效率的重要变量,一般认为财政自给度越高的地区,其财政支出效率越高。财政支农比重反映财政支农支出规模与地方政府对“三农”问题的重视程度,本研究预期其影响方向为正。

地区农户特征变量选择农户投资水平及农户受教育程度。农户投资水平可能会对财政支农效率产生影响,理论上正向影响财政支农支出效率;地区农户受教育程度反映了一个地区的人力资本状况,地区人力资本水平越高,财政支农支出效率可能越高。

地区外部环境变量选取地区生产总值、城镇化水平、产业结构、农村金融活跃度4个变量。其中,地区生产总值反映了地区经济水平,经济水平更高地区的财政支出管理体系越完善,财政支农效率可能越高;城镇化有利于改善农村环境,但也可能挤出农村投资,对财政支农效率的影响方向未知;产业结构可能影响农业发展,从而对财政支农支出效率产生影响,其影响方向预判未知;金融资金与财政资金共同作用于农村发展,可能对财政支农支出效率有影响,农村金融活跃度的影响方向未知。

考虑到数据可得性,本研究选择的样本区间为2015—2019年,样本覆盖30个省份(不包括香港、澳门、台湾和西藏)。具体数据来源于2016—2020年《中国统计年鉴》《中国金融年鉴》《中国农村统计年鉴》。为消除由于时间序列导致的价格波动因素,本研究对农户投资、农村金融发展水平、地区生产总值均进行了平减化处理。

3.2 实证结果与分析

3.2.1 综合技术效率影响因素分析 由表5可知,Wald检验与LR检验均通过了1%的显著性水平,说明模型存在个体效应,表明选用随机效应面板Tobit模型较为合理。本研究进一步采用广义最小二乘法(GLS)随机效应进行估计,Wald检验值为63.39,表明模型设定合理。回归结果显示,地方政府特征变量方面,财政自给度系数显著为正,表明财政自给度对财政支农综合技术效率有显著的积极影响,与陈明的结论[8]一致。可能是因为财政自给度提高了地区的财政实力和财政监督制度的完善程度,雄厚的财政实力与完善的财政监督制度有助于提高财政支出效率。财政支农比重在5%的置信度水平下显著为负,表明财政支农规模对财政支农支出综合术技效率有负向影响,与王谦等的研究结论[13]一致。可能是因为财政支农存在支出规模不合理、支出结构不优问题,这些问题降低了财政支农支出综合技术效率。

从地区农户特征变量看,地区农户投资水平与农户受教育程度系数显著为正,表明地区农户投资水平与农户人力资本水平越高,越有利于发挥财政支农资金作用,财政支农效率水平越高。地区外部环境变量方面,农村金融活跃度与城镇化水平对财政支农综合技术效率有显著影响。农村金融发展可以更好地发挥财政政策作用,从而提高财政支农支出的综合技术效率。城镇化率系数在1%的置信水平下显著为负,表明城镇化降低了财政支农支出综合技术效率水平,对农村的“反哺”作用尚未发挥。

3.2.2 综合技术效率分解指标影响因素分析 由表6中Wald检验、LR检验结果可见,使用随机效应面板Tobit模型较为合理。纯技术效率和规模效率的GLS回归结果说明模型整体拟合程度良好,模型设定较为合理。

表6 财政支农支出纯技术和规模效率影响因素回归结果

具体来看,地方政府特征变量中,财政自给度对纯技术效率和规模效率均有正向影响。在财政自给度较高地区,财政支农绩效管理更完备,支农监管力度更强,更多措施和机制保障促进财政效率提升。财政支农支出比重对规模效率影响的回归系数在Tobit模型和GLS中显著为负,可能是财政支出规模存在最优投入规模,样本期间财政支农支出规模可能处于规模报酬递减区间。农户投资水平与农村金融活跃度对2种分解效率均有正向显著影响。作为财政资金的补充来源,农户投资及金融资本可与财政资金结合形成创新型的财政支农方式,产生协同效应,从而提高财政支农支出纯技术效率和规模效率。

农户受教育程度、城镇化水平、地区生产总值和产业结构对纯技术效率和规模效率产生了差异性的影响。其中,农户受教育程度对规模效率有显著正向影响,对纯技术效率无显著影响。城镇化水平对2种分解效率均有负向影响。地区生产总值的系数对纯技术效率影响的回归系数在Tobit模型和GLS中显著为正,表明在经济状况良好的地区更有利于纯技术效率的提高,对规模效率无影响。

4 结论及政策启示

本研究基于乡村振兴目标要求构建了财政支农支出效率的多维评价指标体系,运用超效率 SBM-DEA 模型评估了我国30个省份2015—2019年财政支农支出效率,并利用Malmquist生产率指数模型进行动态评估。进一步选用随机效应面板Tobit模型,实证分析财政支农效率及分解指标的影响因素,研究结论如下:一是我国整体财政支农支出综合技术效率较低,是由纯技术效率和规模效率共同引起的,规模效率相对较低是关键因素。二是从静态视角看,中部地区财政支农综合技术效率较高,东部地区次之,西部地区最低。三是从动态视角看,我国财政支农投入效率整体呈下降趋势,综合技术效率指数降低了0.6%,技术进步指数降低了0.2%。四是地方财政自给度、农户投资水平、农户受教育程度、农村金融活跃度正向影响财政支农支出综合技术效率,而财政支农比重、城镇化水平负向影响综合技术效率。分解综合技术效率回归结果显示,影响规模效率的变量对财政支农综合技术效率均有显著影响。

基于本研究结论有以下政策启示:第一,完善财政支农支出绩效评价。根据支农项目类型、投资地区特征,从经济性、环境性等多维度灵活制定评价指标体系,建立预算资源配置与资金使用绩效关联机制,完善支农资金日常动态监管机制。第二,调整财政支农规模,优化财政支农结构。立足于本地区乡村发展资源禀赋优势,明确财政支农的差异化目标,因势利导强化地区内和区域间财政支农资金的良性互动,提高财政支农资金运用的指向性和精准性,明确涉农政府部门责任。第三,拓宽支农资金来源渠道,发挥多元投入协同作用。激发农户投资热情,鼓励农村金融产品创新,提高农村金融市场活跃度,利用减税降费等优惠政策鼓励社会资本投资乡村振兴,推动地区产业结构优化升级。第四,加快城乡融合发展,营造有利的财政支农环境。持续推进城乡基本公共服务普惠共享,完善乡村卫生、文化等公共服务和公共基础设施建设,完善城乡发展要素良性互动机制,促进城市对于乡村地区的辐射带动作用。