基于三階段DEA模型的政策性農業保險財補效率評估

錢振偉　張燕　高冬雪

摘要：通過運用三階段DEA模型，本文按投入、產出與環境變量三類指標，對我國31個省（市、自治區）政策性農業保險財政補貼效率進行了分析與評估，實證結果表明我國農業保險財政補貼總體效率比較高，但有九個省區的財政保費補貼效率需要改進。因此，建議從三個方面提升財政補貼效率：一是探索建立農業巨災保險；二是擴大農業大省政策性農業保險范圍；三是進一步提升中央對西部民族省份農業財政補貼比例，大力發展特色農業保險，推動高原特色農業產業化，促進農民增收。

關鍵詞：政策性農業保險；三階段DEA模型；效率評估

中圖分類號：F84066文獻標識碼：A

從西方經濟學理論看，補貼政策在一般情況下往往會帶來社會福利的無謂損失。如果農業保險的政策性補貼也會帶來社會福利凈損失，那么政策性農業保險必然會因為制度效率①損失而遭受質疑和批評，政策性農業保險制度的財補政策也會被修正或廢止。從農業保險實踐看，農業保險具有很強的公益性和正外部性。由于農業保險有效供求和有效需求不足，如果沒有政府財政價格補貼，那么農業保險的供給曲線和需求曲線是不可能相交的。政府對農業保險實行價格補貼，保費的降低會導致供給曲線下移并與需求曲線相交，此時消費者剩余增加。如果消費者實現的潛在福利（ΔCAP0面積）大于政府補助后的社會福利損失（ΔABE面積），政府對農業保險的財政補貼是有效的，并增加了社會福利。因為如果不實行政策性農業保險，不對保費進行補貼，這部分福利（ΔCAP0面積）是無法轉化為實際的，而實際上是社會福利的潛在損失，保險補貼能實現這部分潛在福利，具體見圖1。

一、文獻綜述

作為現代農業風險管理的有效手段，國外的農業保險無論實踐還是理論研究方面都比較成熟。Wright和Hewitt（1990）提出歷史上由私人承辦的農業保險業務都以失敗而告終，農業保險需要政府的介入和支持才能得以良好的發展。Gardner和Kramer（1996）認為政府的補貼可以提高農民的參保率。但Nelson和Loehman（1987）認為政府在信息的收集和保險合約的設計上多些投入，比財政補貼所帶來的社會效益更大，也就是說政府實行財政補貼的效率較低，要減少財政補貼投入。Erry skees（1999）指出從福利與效率的角度看，政府導向型的農業保險基本上都是不成功的。

目前，我國學者（馮文麗，2004；陳璐，2004；庹國柱，2004；費友海，2005）從福利經濟學理論視角分析農業保險的成果較多，他們多數認為農業保險會帶來農產品產量的增加，從而使整個社會福利增加。但是，孫香玉等（2010）引用了2007年美國農業法案報告研究內容，認為農業保險對于生產和產量的影響一直都沒有得到明確的結論。吳建南、劉佳（2007）將邏輯模型與財政支出效率評價指標設計相結合，按經濟、效率和效果的3E原則，從“投入-產出-中短期結果-長期結果”四個層面構建了財政支出效率評價指標體系。孫潔（2010）提出財政補貼類項目不能作為一般經濟項目進行評價，應重視社會效益的評價指標，兼顧經濟效益與社會效益，尋求一個合理的平衡點。肖海峰等（2010）以問卷調查的方式，對吉林、江蘇兩省的農業保險效率進行分析，認為目前我國政策性農業保險在增強農戶抵御自然風險的能力、穩定農作物產量和農戶收入方面，只在局部地區和部分農戶中表現出較顯著的效用。

總的來看，中外關于農業保險財政補貼政策的研究成果，有力推動了我國農業保險由“商業化經營”向“政策性經營”轉變，但政策性農業保險財政補貼效率的分析存在一些缺陷，如有的只采用定性分析，無法列出強有力的數據證明，進而無法提出可靠的針對性建議；有的只運用DEA模型，沒有考慮到外部環境對我國不同地區的不同影響，從而使研究結論與現實存在較大偏差等。

二、三階段DEA模型構建

三階段DEA模型是Fried H.O.，Lovell，Schmidt和Yaisawarng（2002）在1978年美國運籌學家Charnes， Cooper和Rhodes提出C2R模型的基礎上發展完善的。由于各省自然地理、經濟發展水平與人文環境情況不盡相同，從而對政策性農業保險的實施產生不同的影響。本文采用三階段DEA模型，在將各省政策性農業保險的投入置于相同外部環境與隨機誤差的情況下，對制度效率進行分析。

（一）第一階段：傳統的DEA模型

基于線性規劃技術的非參數前沿效率分析方法數據包絡分析（簡稱DEA）有兩個基本模型C2R和BC2，可以分析政策性農業保險制度的技術效率（TE）、純技術效率（PTE）和規模效率（Scale Efficiency，簡稱SE）。其中，TE與PTE分別測度的是在規模報酬不變與規模報酬可變時決策單元偏離生產前沿的距離，均反映在給定投入情況下決策單元獲得最大產出的能力；SE則給出相似決策單元在規模報酬不變時生產前沿與規模報酬可變時生產前沿之間的距離。BC2模型與C2R模型最大的區別在于規模報酬是否可變的假定，基于規模報酬可變假定的BC2模型中，有TE=PTE*SE。

對于n個決策單元（DMU， Decision Making Units），假定每個DMU有m種投入，那么在規模報酬不變時，對于利用向量xj∈Rm+所產出的輸出結果變量yi∈rs+（j=1，…，n），相對有效性的C2R模型數學表達式為：

θ=min θs.t.∑nj=1λjxj≤θx0∑nj=1λjyj≥y0λj≥0，j=1，…，n（1）

式中所求得的θ為各DMU的TE值，且當θ=1時，稱該DMU為C2R有效。當規模報酬可變時，BC2模型數學表達式為：

min σ

s.t.∑nj=1λjxj+s-=σx0∑nj=1λjyj-s+=y0∑nj=1λj=1λj≥0，j=1，…，ns-≥0，s+≥0（2）

式中σ為各DMU的純技術效率值（PTE），則DMU規模效率SE=TEPTE。

（二）第二階段：SFA模型

第一階段只是單純從投入產出的直觀視角對技術效率進行考核，并沒有考慮到各決策單元所處環境對效率的影響。這一階段的操作過程是在上一階段DEA模型計算結果的基礎上，估計外部環境變量對各決策單元效率值的影響，進行投入變量的差額分析，從而達到將外部環境效應和隨機誤差剝離出去，得到僅由內部管理無效率這一因素造成的DMU投入冗余的目的。

沿用第一階段的假設，建立以投入為導向的SFA成本邊界模型（Stochastic Frontier Cost Function），分別對n個決策單元的m個投入差額變量（Slack Variables，即實際投入量與理想投入量之間的差額，用Sij表示）進行回歸分析，第j個決策單元第i個投入因素的差額值表達式為：

Sij=xij-∑nj=1xijλij≥0

i=1，2，……m；j=1，2，……n（3）

其中，∑nj=1xijλij為決策單元j第i項投入的理想值。假設有h個環境變量對投入差額變量造成影響，則以Sij為被解釋變量，以zj=（z1j，z2j，…，zhj）為解釋變量，針對每個投入量共構建m個獨立的SFA回歸方程：

Sij=fi（zj，βj）+Vij+Uij（4）

式中fi（zj，βj）表示確定可行的差額前沿，βj表示待估參數向量；Vij為隨機誤差項，服從N（0，σ2iv）分布，Uij為管理無效率的非負隨機變量，服從N+（μi，σ2iu）分布，Vij與Uij不相關，二者之和構成殘差項。為了分離隨機擾動因素，需對Vij進行估計，運用Jond row. et al.（1982）的方法，有：

E[DD（-*2/3][HT6”]^[][HT][DD）]VijVij+Uij=sij-zjβ^j-E[DD（-*2/3][HT6”]^[][HT][DD）]UijVij+Uij

i=1，2，…，m；j=1，2，…，n（5）

通過SFA方程回歸，得到外部環境效應對生產效率的影響zjβ^j與隨機誤差影響E[DD（-*2/3][HT6”]^[][HT][DD）]VijVij+Uij，進而調整外生因素對投入額的干擾，基于最有效DMU，以其投入量為基準，對其他各樣本投入量進行調整，結果為：

x*ij = xij + [maxj （zj β[DD（-*2/3][HT6”]^[][HT][DD）]）-zj β[DD（-*2/3][HT6”]^[][HT][DD）]] + [maxj （V[DD（-*2/3][HT6”]^[][HT][DD）]ij ）-V[DD（-*2/3][HT6”]^[][HT][DD）]ij ]i=1，2，…，m；j=1，2，…，n （6）

式中maxj（zjβ^）-zjβ^表示去除外部環境效應的影響，maxj（V^ij）-V^ij表示去除隨機誤差的影響。其中隨機誤差的影響在實際計算時采用（4）式的對數似然形式Vij=ln（sij）-βlnzj+ln（TE）推出。調整之后，所有決策單元面臨相同的外部環境和運氣，最終技術效率差異由內部管理因素決定。

（三）第三階段：調整后的DEA模型

以第二階段調整后的投入量與原始產出量作為數據源，再次用傳統DEA方法的C2R模型與BC2模型進行效率評價，所得結果為不含外部環境效應與隨機誤差的技術效率值。

三、實證分析

（一）樣本指標選取與變量設定

以我國政策性農業保險制度運行情況為事實依據，根據評價指標變量可得性、可量化性、可靠性的原則，提取我國31個省（市、自治區）政策性農業保險的投入指標，承保結果指標與環境變量指標。

1.投入產出指標。政策性農業保險的投入主要來源于保費收入，保費收入是承保數量②、承保次數、承保金額與賠款支出等結果的決定因素，我國規定政策性農業保險保費收入由三級財政補貼（中央、省級和市級）與農民繳費構成，三級財政補貼資金與農民繳費流轉環節、運行程序各不相同，因此投入指標選取中央財政補貼、省級財政補貼、市級財政補貼與農民繳費四項；對于保險，產出由承保結果所體現，所以產出指標選取承保數量、參保農戶戶次與賠款支出三項。其中參保農戶戶次與農民繳費在保費收入中的占比有關，承保數量、賠款支出與保費收入直接相關。具體數據見表1。

2.環境變量選取。外部環境因素對政策性農業保險制度效率產生客觀影響，不在樣本主觀可控范圍之內，且影響方向不定。農業保險所保障的農業生產在空間分布上有很強的地域差異性，在時間上有存在季節性和周期性，交織于自然、社會、經濟三大領域，不可等同于單純的經濟現象和孤立的技術生產。基于上述三個領域在各個方面對政策性農業保險所產生影響的充分考慮，對環境變量做出如下選取：第一，家庭人均純收入（經濟因素），農業保險需要農民自己繳費，是一種消費品，只有收入滿足生活必需消費之后，農戶才會根據收入的多少考慮投保。第二，成災面積（自然人文因素），我國幅員遼闊，不同地域面臨不同的自然環境，成災面積的經驗數據差別較大，不同地區的農民主管上對農業保險的需求不同。第三，文盲率（人文社會因素），保險終歸是一種經濟形式，受教育程度會影響農民對保險的認識與理解，由于農村教育水平相對滯后，所以選用文盲率作為外部影響因素。

（二）實證結果與分析

1.第一階段傳統DEA實證分析結果。本文利用Deap2.1軟件，將原始投入產出數據直接導入計算出31個省（市、自治區）2013年政策性農業保險制度的技術效率（TE）、純技術效率（PTE）和規模效率（SE），結果如表2。從整體上看，2013年我國31個省（市、自治區）政策性農業保險制度的技術效率均值最低為0.792，且規模效率高于純技術效率，這說明20.8%的資源績效空白主要由技術效率導致。因此，按樣本目前的產出冗余對各個投入要素的改變應以C2R模型計算結果為準。

按地區分，北京、天津、上海、重慶四個直轄市與內蒙、浙江、福建、江西、廣西、海南、西藏八個省的TE、PTE值都為1，說明這些地區政策性農業保險的財政補貼效率較高，資源得到充分地運用，財政補貼處于技術效率前沿；江蘇、安徽、四川、貴州和新疆PTE值為1，說明這些地區純技術效率不是政策性農業保險發展的主要制約因素；河北、山西、陜西、甘肅四個地區的TE、PTE值均低于0.5，說明財政補貼所發揮的作用有待提高，擴大農業保險覆蓋面。

從規模報酬情況上看，山西、廣東、貴州、陜西、甘肅、青海、寧夏七個地區的規模報酬處于遞增水平，大力推廣政策性農業保險、提高參保率、擴大服務體系有利于承擔農業生產損失風險效率的提高。

2.第二階段SFA回歸分析結果。第一階段分析結果各地區TE值誤差較大，與實際情形存在一定的偏離，初步推測原因在于環境變量影響因素對這些地區造成比較大的影響。在這一階段，以第一階段分析結果得出的各樣本投入變量的松弛量為SFA方程的被解釋變量，家庭人均收入、成災面積、文盲率作為解釋變量，運用frontier41軟件進行回歸分析，得出的各環境變量系數的最大似然估計，估計值如表3。表3中回歸估計結果顯示文盲率對各投入變量的回歸系數均為負，即差額變量會隨著該變量數值的增加而減小，或是技術效率提高；人均家庭純收入對三級財政補貼的影響系數為正，說明該變量數值越大，差額變量越大。對上述現象的經濟原因分析如下：在保費補貼與農民繳費按比例分配的制度規定下，農民純收入越高，保費收入中政府財政補貼部分占到的比重越大，當比重超過某個特定值時，政府資金就會帶來擠占效應，并且與比重的增加呈正相關增長，繼而三級財政補貼的效率降低；政府與群眾在面臨較大的成災面積時會有更強的風險意識，采取措施主動保障農業生產的積極性越大，因此整體投入的效率越高；對于政策性農業保險，顯然具有良好教育水平地區的制度效率更高。上述各回歸系數的影響方向符合相關經濟理論分析，實證達到預期效果。

表3中的伽瑪值顯示環境因素變量對投入差額的影響比較顯著，必須將環境因素與隨機誤差項剔除，才能使各DMU面臨相同環境與運氣，從而得到更為客觀的研究結果。

3.第三階段修正投入后的DEA評價結果。根據第二階段所得回歸估計結果，以最壞運氣和最差環境下的DMU為標準對各投入變量進行調整，得到修正后的投入變量，代替原始投入變量，再次運用Deap21軟件重新進行基于BC2模型的估計，結果如表4所示。與表2分析數據相對比，發現剔除外部環境與隨機誤差影響后，大部分省（市、自治區）的效率值發生了明顯的變化。從整體上看，政策性農業保險財政補貼績效顯著提高，31個省（市、自治區）的平均技術效率為0899，平均純技術效率0943，平均規模效率0941，資源運用低效依然主要由技術效率造成，占到101%。東、中、西部三大地區出現比較明顯的階梯性差異，在第一階段DEA平均效率得分分別為0851、0719、0787，第三階段DEA平均效率得分分別為0953、0931、0828。顯然，經濟、自然、教育等外部因素的影響嚴重導致傳統DEA方法對整體效率水平低估和區域差異程度高估，東部地區政策性農業保險財政補貼的效率最高，中部次之，西部較低。第三階段的DEA分析結果中TE值達到1的省份增加到22個，其余9個地區中遼寧、吉林、四川和貴州的PTE值為1，顯示出其內部管理的無效率并非由純技術效率導致；除湖北省調整后規模報酬變為遞增以外，其他地區規模報酬均未發生變化。

四、結論與建議

本文運用三階段DEA模型對我國31個省（市、自治區）政策性農業保險財政補貼效率評估，結果表明我國政策性農業保險各級財政補貼資金運用效率整體較高，為保障農業生產、分擔自然災害風險損失發揮了巨大的作用，但個別地區的財政資金分配運用與三級財政補貼結構需要做進一步的改善。財政補貼的改進策略還需融進當地GDP、財政收入、農業總產值、農業占當地GDP比重、當地政府對農業支出額、農民純收入等因素綜合考慮，可將九個DEA績效不為1的省份分為兩個梯隊：河北、遼寧、吉林、河南、四川、湖北六省具有經濟水平中等，大部分屬于農業大省特點，在DEA績效分層中位于第一梯隊，最值分別為湖北0929與河北0658；貴州、甘肅、青海三省的地區性特點為經濟實力較薄弱、國民生產總值與財政收入較低、農業是經濟發展的主要支柱，農民家庭純收入較低，屬于我國相對貧困的地區，在DEA績效分層中為第二梯隊，最低值為青海0225。

從表面看我國農業保險財政補貼比率為80%左右，高于全球平均水平44%，但由于我國農業保險保“物化成本”，而發達國家保“收成”，我國農業保險財政補貼呈現補貼范圍窄、財政補貼額度不高、補貼方式單一等特點。建議從三個方面提升財政補貼效率：一是根據各地省情民情不同，實行差別化補貼標準并調整財政補貼結構。按照黨的十八屆三中全會提出“建立巨災保險”的要求，探索建立政策性農業巨災保險，實現農業保險向農業巨災保險方向轉變；二是擴大農業大省政策性農業保險范圍，提升農業保險的范圍經濟，把政策性農業保險擴展到糧食流通和蔬菜生產和糧食制種領域，如增加政策性蔬菜保險、糧食流通和儲存保險，保障“米袋子”和“菜籃子”安全，實現農業保險的保障國家糧食安全，助力宏觀經濟調控，推動農業現代化；三是進一步提升中央對西部民族省份（部分屬于第二梯隊地區）農業財政補貼比例，適當調低縣市補貼比例，大力發展特色農業保險，如云南天麻保險、三七保險、普洱茶保險、澳洲堅果保險、桑蠶保險、石斛保險等，推動高原特色農業產業化，促進少數民族農民增收，維護社會穩定。

注釋：

①張五常認為制度效率損失的本質就是社會福利的損失，但可以通過改變制度部分屬性或形式來控制效率損失，提高制度效率。

②種植業一般以畝計量，養殖業一般以頭（只）計量，這里采用的是涵蓋整個農業保險的綜合評價定量指標。

參考文獻：

[1]Privatization. Lessons Learned by State and Local Governments，GAO/GGD-97-48（Washington， DC： General Accounting Office， March 1997）.

[2]LEER， YAMAGATA H. Sustainable Social Security： What Would It Cost？ [J].National Tax Journal， 2003， 56（1）：27-43.

[3]Michael E. Porte. Strategy and the Internet[J].Harvard Business Review，2001（3）.

[4]苑梅.農業保險的財政政策選擇[J].經濟縱橫，2009（1）.

[5]錢振偉，張艷，王翔.政策性農保險模式創新及巨災風險分散機制研究：基于對云南實踐的調查[M].北京：經濟科學出版社，2011：38-39.

[6]庹國柱，朱俊生.試論政策性農業保險的財政稅收政策[J].經濟與管理研究， 2007（5）.

[7]李燕凌.基于DEA-Tob it模型的財政支農效率分析：以湖南省為例[J]中國農村經濟，2008（9）：52-62.

[8]方鴻.政府財政支農資金效率的地區比較：基于三階段DEA模型的實證分析[J].管理科學，2011（7）：25-27.

[9]王韌.我國農業保險差異補貼政策研究：基于各省、直轄市、自治區的聚類分析[J].農村經濟，2011（5）.

[10]高鑒國.中國新型農村社會養老保險的社會包容特征：解釋框架[J].社會科學，2011（3）.

[11]錢振偉.農業保險發展理論與實踐：基于對云南實踐的跟蹤調查[M].北京：中國金融出版社，2013.

（責任編輯：關立新）

按地區分，北京、天津、上海、重慶四個直轄市與內蒙、浙江、福建、江西、廣西、海南、西藏八個省的TE、PTE值都為1，說明這些地區政策性農業保險的財政補貼效率較高，資源得到充分地運用，財政補貼處于技術效率前沿；江蘇、安徽、四川、貴州和新疆PTE值為1，說明這些地區純技術效率不是政策性農業保險發展的主要制約因素；河北、山西、陜西、甘肅四個地區的TE、PTE值均低于0.5，說明財政補貼所發揮的作用有待提高，擴大農業保險覆蓋面。

從規模報酬情況上看，山西、廣東、貴州、陜西、甘肅、青海、寧夏七個地區的規模報酬處于遞增水平，大力推廣政策性農業保險、提高參保率、擴大服務體系有利于承擔農業生產損失風險效率的提高。

2.第二階段SFA回歸分析結果。第一階段分析結果各地區TE值誤差較大，與實際情形存在一定的偏離，初步推測原因在于環境變量影響因素對這些地區造成比較大的影響。在這一階段，以第一階段分析結果得出的各樣本投入變量的松弛量為SFA方程的被解釋變量，家庭人均收入、成災面積、文盲率作為解釋變量，運用frontier41軟件進行回歸分析，得出的各環境變量系數的最大似然估計，估計值如表3。表3中回歸估計結果顯示文盲率對各投入變量的回歸系數均為負，即差額變量會隨著該變量數值的增加而減小，或是技術效率提高；人均家庭純收入對三級財政補貼的影響系數為正，說明該變量數值越大，差額變量越大。對上述現象的經濟原因分析如下：在保費補貼與農民繳費按比例分配的制度規定下，農民純收入越高，保費收入中政府財政補貼部分占到的比重越大，當比重超過某個特定值時，政府資金就會帶來擠占效應，并且與比重的增加呈正相關增長，繼而三級財政補貼的效率降低；政府與群眾在面臨較大的成災面積時會有更強的風險意識，采取措施主動保障農業生產的積極性越大，因此整體投入的效率越高；對于政策性農業保險，顯然具有良好教育水平地區的制度效率更高。上述各回歸系數的影響方向符合相關經濟理論分析，實證達到預期效果。

表3中的伽瑪值顯示環境因素變量對投入差額的影響比較顯著，必須將環境因素與隨機誤差項剔除，才能使各DMU面臨相同環境與運氣，從而得到更為客觀的研究結果。

3.第三階段修正投入后的DEA評價結果。根據第二階段所得回歸估計結果，以最壞運氣和最差環境下的DMU為標準對各投入變量進行調整，得到修正后的投入變量，代替原始投入變量，再次運用Deap21軟件重新進行基于BC2模型的估計，結果如表4所示。與表2分析數據相對比，發現剔除外部環境與隨機誤差影響后，大部分省（市、自治區）的效率值發生了明顯的變化。從整體上看，政策性農業保險財政補貼績效顯著提高，31個省（市、自治區）的平均技術效率為0899，平均純技術效率0943，平均規模效率0941，資源運用低效依然主要由技術效率造成，占到101%。東、中、西部三大地區出現比較明顯的階梯性差異，在第一階段DEA平均效率得分分別為0851、0719、0787，第三階段DEA平均效率得分分別為0953、0931、0828。顯然，經濟、自然、教育等外部因素的影響嚴重導致傳統DEA方法對整體效率水平低估和區域差異程度高估，東部地區政策性農業保險財政補貼的效率最高，中部次之，西部較低。第三階段的DEA分析結果中TE值達到1的省份增加到22個，其余9個地區中遼寧、吉林、四川和貴州的PTE值為1，顯示出其內部管理的無效率并非由純技術效率導致；除湖北省調整后規模報酬變為遞增以外，其他地區規模報酬均未發生變化。

四、結論與建議

本文運用三階段DEA模型對我國31個省（市、自治區）政策性農業保險財政補貼效率評估，結果表明我國政策性農業保險各級財政補貼資金運用效率整體較高，為保障農業生產、分擔自然災害風險損失發揮了巨大的作用，但個別地區的財政資金分配運用與三級財政補貼結構需要做進一步的改善。財政補貼的改進策略還需融進當地GDP、財政收入、農業總產值、農業占當地GDP比重、當地政府對農業支出額、農民純收入等因素綜合考慮，可將九個DEA績效不為1的省份分為兩個梯隊：河北、遼寧、吉林、河南、四川、湖北六省具有經濟水平中等，大部分屬于農業大省特點，在DEA績效分層中位于第一梯隊，最值分別為湖北0929與河北0658；貴州、甘肅、青海三省的地區性特點為經濟實力較薄弱、國民生產總值與財政收入較低、農業是經濟發展的主要支柱，農民家庭純收入較低，屬于我國相對貧困的地區，在DEA績效分層中為第二梯隊，最低值為青海0225。

從表面看我國農業保險財政補貼比率為80%左右，高于全球平均水平44%，但由于我國農業保險保“物化成本”，而發達國家保“收成”，我國農業保險財政補貼呈現補貼范圍窄、財政補貼額度不高、補貼方式單一等特點。建議從三個方面提升財政補貼效率：一是根據各地省情民情不同，實行差別化補貼標準并調整財政補貼結構。按照黨的十八屆三中全會提出“建立巨災保險”的要求，探索建立政策性農業巨災保險，實現農業保險向農業巨災保險方向轉變；二是擴大農業大省政策性農業保險范圍，提升農業保險的范圍經濟，把政策性農業保險擴展到糧食流通和蔬菜生產和糧食制種領域，如增加政策性蔬菜保險、糧食流通和儲存保險，保障“米袋子”和“菜籃子”安全，實現農業保險的保障國家糧食安全，助力宏觀經濟調控，推動農業現代化；三是進一步提升中央對西部民族省份（部分屬于第二梯隊地區）農業財政補貼比例，適當調低縣市補貼比例，大力發展特色農業保險，如云南天麻保險、三七保險、普洱茶保險、澳洲堅果保險、桑蠶保險、石斛保險等，推動高原特色農業產業化，促進少數民族農民增收，維護社會穩定。

注釋：

①張五常認為制度效率損失的本質就是社會福利的損失，但可以通過改變制度部分屬性或形式來控制效率損失，提高制度效率。

②種植業一般以畝計量，養殖業一般以頭（只）計量，這里采用的是涵蓋整個農業保險的綜合評價定量指標。

參考文獻：

[1]Privatization. Lessons Learned by State and Local Governments，GAO/GGD-97-48（Washington， DC： General Accounting Office， March 1997）.

[2]LEER， YAMAGATA H. Sustainable Social Security： What Would It Cost？ [J].National Tax Journal， 2003， 56（1）：27-43.

[3]Michael E. Porte. Strategy and the Internet[J].Harvard Business Review，2001（3）.

[4]苑梅.農業保險的財政政策選擇[J].經濟縱橫，2009（1）.

[5]錢振偉，張艷，王翔.政策性農保險模式創新及巨災風險分散機制研究：基于對云南實踐的調查[M].北京：經濟科學出版社，2011：38-39.

[6]庹國柱，朱俊生.試論政策性農業保險的財政稅收政策[J].經濟與管理研究， 2007（5）.

[7]李燕凌.基于DEA-Tob it模型的財政支農效率分析：以湖南省為例[J]中國農村經濟，2008（9）：52-62.

[8]方鴻.政府財政支農資金效率的地區比較：基于三階段DEA模型的實證分析[J].管理科學，2011（7）：25-27.

[9]王韌.我國農業保險差異補貼政策研究：基于各省、直轄市、自治區的聚類分析[J].農村經濟，2011（5）.

[10]高鑒國.中國新型農村社會養老保險的社會包容特征：解釋框架[J].社會科學，2011（3）.

[11]錢振偉.農業保險發展理論與實踐：基于對云南實踐的跟蹤調查[M].北京：中國金融出版社，2013.

（責任編輯：關立新）

按地區分，北京、天津、上海、重慶四個直轄市與內蒙、浙江、福建、江西、廣西、海南、西藏八個省的TE、PTE值都為1，說明這些地區政策性農業保險的財政補貼效率較高，資源得到充分地運用，財政補貼處于技術效率前沿；江蘇、安徽、四川、貴州和新疆PTE值為1，說明這些地區純技術效率不是政策性農業保險發展的主要制約因素；河北、山西、陜西、甘肅四個地區的TE、PTE值均低于0.5，說明財政補貼所發揮的作用有待提高，擴大農業保險覆蓋面。

從規模報酬情況上看，山西、廣東、貴州、陜西、甘肅、青海、寧夏七個地區的規模報酬處于遞增水平，大力推廣政策性農業保險、提高參保率、擴大服務體系有利于承擔農業生產損失風險效率的提高。

2.第二階段SFA回歸分析結果。第一階段分析結果各地區TE值誤差較大，與實際情形存在一定的偏離，初步推測原因在于環境變量影響因素對這些地區造成比較大的影響。在這一階段，以第一階段分析結果得出的各樣本投入變量的松弛量為SFA方程的被解釋變量，家庭人均收入、成災面積、文盲率作為解釋變量，運用frontier41軟件進行回歸分析，得出的各環境變量系數的最大似然估計，估計值如表3。表3中回歸估計結果顯示文盲率對各投入變量的回歸系數均為負，即差額變量會隨著該變量數值的增加而減小，或是技術效率提高；人均家庭純收入對三級財政補貼的影響系數為正，說明該變量數值越大，差額變量越大。對上述現象的經濟原因分析如下：在保費補貼與農民繳費按比例分配的制度規定下，農民純收入越高，保費收入中政府財政補貼部分占到的比重越大，當比重超過某個特定值時，政府資金就會帶來擠占效應，并且與比重的增加呈正相關增長，繼而三級財政補貼的效率降低；政府與群眾在面臨較大的成災面積時會有更強的風險意識，采取措施主動保障農業生產的積極性越大，因此整體投入的效率越高；對于政策性農業保險，顯然具有良好教育水平地區的制度效率更高。上述各回歸系數的影響方向符合相關經濟理論分析，實證達到預期效果。

表3中的伽瑪值顯示環境因素變量對投入差額的影響比較顯著，必須將環境因素與隨機誤差項剔除，才能使各DMU面臨相同環境與運氣，從而得到更為客觀的研究結果。

3.第三階段修正投入后的DEA評價結果。根據第二階段所得回歸估計結果，以最壞運氣和最差環境下的DMU為標準對各投入變量進行調整，得到修正后的投入變量，代替原始投入變量，再次運用Deap21軟件重新進行基于BC2模型的估計，結果如表4所示。與表2分析數據相對比，發現剔除外部環境與隨機誤差影響后，大部分省（市、自治區）的效率值發生了明顯的變化。從整體上看，政策性農業保險財政補貼績效顯著提高，31個省（市、自治區）的平均技術效率為0899，平均純技術效率0943，平均規模效率0941，資源運用低效依然主要由技術效率造成，占到101%。東、中、西部三大地區出現比較明顯的階梯性差異，在第一階段DEA平均效率得分分別為0851、0719、0787，第三階段DEA平均效率得分分別為0953、0931、0828。顯然，經濟、自然、教育等外部因素的影響嚴重導致傳統DEA方法對整體效率水平低估和區域差異程度高估，東部地區政策性農業保險財政補貼的效率最高，中部次之，西部較低。第三階段的DEA分析結果中TE值達到1的省份增加到22個，其余9個地區中遼寧、吉林、四川和貴州的PTE值為1，顯示出其內部管理的無效率并非由純技術效率導致；除湖北省調整后規模報酬變為遞增以外，其他地區規模報酬均未發生變化。

四、結論與建議

本文運用三階段DEA模型對我國31個省（市、自治區）政策性農業保險財政補貼效率評估，結果表明我國政策性農業保險各級財政補貼資金運用效率整體較高，為保障農業生產、分擔自然災害風險損失發揮了巨大的作用，但個別地區的財政資金分配運用與三級財政補貼結構需要做進一步的改善。財政補貼的改進策略還需融進當地GDP、財政收入、農業總產值、農業占當地GDP比重、當地政府對農業支出額、農民純收入等因素綜合考慮，可將九個DEA績效不為1的省份分為兩個梯隊：河北、遼寧、吉林、河南、四川、湖北六省具有經濟水平中等，大部分屬于農業大省特點，在DEA績效分層中位于第一梯隊，最值分別為湖北0929與河北0658；貴州、甘肅、青海三省的地區性特點為經濟實力較薄弱、國民生產總值與財政收入較低、農業是經濟發展的主要支柱，農民家庭純收入較低，屬于我國相對貧困的地區，在DEA績效分層中為第二梯隊，最低值為青海0225。

從表面看我國農業保險財政補貼比率為80%左右，高于全球平均水平44%，但由于我國農業保險保“物化成本”，而發達國家保“收成”，我國農業保險財政補貼呈現補貼范圍窄、財政補貼額度不高、補貼方式單一等特點。建議從三個方面提升財政補貼效率：一是根據各地省情民情不同，實行差別化補貼標準并調整財政補貼結構。按照黨的十八屆三中全會提出“建立巨災保險”的要求，探索建立政策性農業巨災保險，實現農業保險向農業巨災保險方向轉變；二是擴大農業大省政策性農業保險范圍，提升農業保險的范圍經濟，把政策性農業保險擴展到糧食流通和蔬菜生產和糧食制種領域，如增加政策性蔬菜保險、糧食流通和儲存保險，保障“米袋子”和“菜籃子”安全，實現農業保險的保障國家糧食安全，助力宏觀經濟調控，推動農業現代化；三是進一步提升中央對西部民族省份（部分屬于第二梯隊地區）農業財政補貼比例，適當調低縣市補貼比例，大力發展特色農業保險，如云南天麻保險、三七保險、普洱茶保險、澳洲堅果保險、桑蠶保險、石斛保險等，推動高原特色農業產業化，促進少數民族農民增收，維護社會穩定。

注釋：

①張五常認為制度效率損失的本質就是社會福利的損失，但可以通過改變制度部分屬性或形式來控制效率損失，提高制度效率。

②種植業一般以畝計量，養殖業一般以頭（只）計量，這里采用的是涵蓋整個農業保險的綜合評價定量指標。

參考文獻：

[1]Privatization. Lessons Learned by State and Local Governments，GAO/GGD-97-48（Washington， DC： General Accounting Office， March 1997）.

[2]LEER， YAMAGATA H. Sustainable Social Security： What Would It Cost？ [J].National Tax Journal， 2003， 56（1）：27-43.

[3]Michael E. Porte. Strategy and the Internet[J].Harvard Business Review，2001（3）.

[4]苑梅.農業保險的財政政策選擇[J].經濟縱橫，2009（1）.

[5]錢振偉，張艷，王翔.政策性農保險模式創新及巨災風險分散機制研究：基于對云南實踐的調查[M].北京：經濟科學出版社，2011：38-39.

[6]庹國柱，朱俊生.試論政策性農業保險的財政稅收政策[J].經濟與管理研究， 2007（5）.

[7]李燕凌.基于DEA-Tob it模型的財政支農效率分析：以湖南省為例[J]中國農村經濟，2008（9）：52-62.

[8]方鴻.政府財政支農資金效率的地區比較：基于三階段DEA模型的實證分析[J].管理科學，2011（7）：25-27.

[9]王韌.我國農業保險差異補貼政策研究：基于各省、直轄市、自治區的聚類分析[J].農村經濟，2011（5）.

[10]高鑒國.中國新型農村社會養老保險的社會包容特征：解釋框架[J].社會科學，2011（3）.

[11]錢振偉.農業保險發展理論與實踐：基于對云南實踐的跟蹤調查[M].北京：中國金融出版社，2013.

（責任編輯：關立新）