農業保險的精準扶貧效率：基于三階段DEA模型

鄭軍 杜佳欣

摘 要：基于2015年全國31個省、自治區、直轄市的相關統計數據，運用DEA與SFA相結合的三階段模型，對中國農業保險精準扶貧的效率進行了測度和分析。分析結果表明中國不同地區農業保險的精準扶貧效率存在一定差異，且固定資產投資會對扶貧效率產生負面作用。在剔除外部環境的干擾后，農業保險的扶貧效率提高了約3個百分點，地區差異縮小了20%，但中部地區農業大省的扶貧效率仍比較低。這說明了當前農業保險政策的制定要做到因地制宜，針對各地尤其是各農業大省的實際情況，提出相應的治理方法。

關鍵詞：農業保險;精準扶貧;效率;三階段DEA模型

文章編號：2095-5960（2019）01-0093-10;中圖分類號：F840.66;文獻標識碼：A

一、引言

2013到2017年，中國脫貧攻堅工作取得重大進展，貧困人口減少了6800余萬人，貧困發生率下降了7個百分點，降為3.1%。①①資料來源：2018年3月5日在第十三屆全國人民代表大會第一次會議上的《政府工作報告》。但是截至2017年，全國仍有3046余萬農民生活在貧困線以下。②②資料來源：人民網—人民日報海外版2018年02月02日，網址為http：//society.people.com.cn/n1/2018/0202/c1008-29802293.html。同時，中國當前扶貧工作還面臨著精準度欠缺的問題。從農業保險反貧困的角度看，由于各地區經濟發展水平等外部原因的不同，實際扶貧效果存在差異。各地區農業保險的精準扶貧效率有何不同？造成這些差異的原因可能是什么？環境因素對該效率有何影響？這些都是值得探討的問題。針對這些問題，本文通過測算農業保險精準扶貧工作的效率，對全國農業保險扶貧效率做出大致評估;分析區域間農業保險精準扶貧效率的差異;研究環境因素對農業保險扶貧效率的影響，并在剔除這些影響因素的情況下，對農業保險精準扶貧效率進行了分析。

本文將以2015年中國31個省、自治區和直轄市農業保險的相關數據作為研究樣本，對各地區農業保險扶貧的效率進行測度和分析，并進一步提出促進農業保險精準扶貧效率提升的策略。本文結構安排如下：第一大節介紹農業保險扶貧的社會、政策背景;第二大節是貧困和農業保險扶貧相關研究的文獻述評;第三大節是農業保險扶貧的作用機理;第四大節是實證模型的研究方法與指標選擇的說明;第五大節對實證結果進行分析說明;第六大節是關于實證結果的相關政策啟示。

二、文獻綜述

一直以來，貧困問題都是國內外學者研究的熱點。在貧困的定義方面，有學者認為貧困是生活必需品的缺乏，所擁有的財產相對較少的狀態（Oppenheim，1996）[1]。中國學者在研究中國國情下的貧困問題時，對貧困有其他維度的見解。在靜態上，應有一個合理的定值來區分貧困與否（周彬彬，1991）[2];在動態上，鑒于貧困有自身的作用機理和一系列的連鎖反應，貧困者沒有脫離貧困的相應能力，從而造成貧困不斷累積（林閩鋼，1994[3];唐鈞，1998[4]）。基于此，學者們在反貧困績效指標的確定方法、因素效應和反貧困的影響等領域進行研究，得到了一些有價值的成果。

近年來，隨著農業保險體制的不斷發展、完善，農業保險的扶貧效果及其影響機制引起了學術界的興趣。研究表明財政補貼、居民消費水平等因素會對農業保險的效率產生影響。首先在財政補貼方面，當各級政府保費補貼越多，農業保險的效率就越高（馮文麗，2015）[5]。其次在居民消費水平方面，只有當居民的消費支出超過一定數值，農業保險的扶貧效率才能真正發揮作用（邵全權，柏龍飛，2017）[6]。

現有的關于農業保險扶貧的實證研究有這樣幾個特點：在研究方向上主要集中在對農民收入的影響上，對于農業保險扶貧效率方面的研究不多;在研究方法上，大部分學者側重農業保險與農村貧困問題關聯性的定量分析。雖然部分學者曾采用DEA模型進行效率分析（趙君彥，2015）[7]，但是大部分研究沒有考慮各地經濟水平等外部環境的差異對農業保險精準扶貧效率造成的影響，使研究結果存在一定誤差。鑒于此，本文側重對全國各省剔除環境因素影響前后的DEA值進行分析比較。通過運用DEA與SFA相結合的三階段模型，對國內31個省、自治區、直轄市的農業保險的精準扶貧效率做出評估。再除去外部環境的干擾，使最終結果更加客觀，并以此提出相關促進農業保險精準扶貧效率提升的策略。

三、農業保險精準扶貧效率評估的基本框架

農業保險作為分散和轉移農業風險的重要手段，必然會對農村居民的收入再分配和農村經濟增長產生影響，從而影響到精準扶貧的效率與結果。在政府績效評估理論中，政府根據自身和社會對其施政措施及管理方式的反饋，對產生的影響進行分析。通常，政府績效評估是依據績效目標，運用一定的標注對政府部門的行政職能和影響做出評分，再通過評分給予相應的評級。最后，通過根據等級得到績效評估結果，得出相應的政策建議（蔡立輝，2007）[8]。同時，常以政府的付出和所得結果的水平作為測算指標，將結果所反映的效率情況進行評價和劃分等級（曹堂哲，2018）[9]。因此，本文依據這一思想，運用DEA模型中根據投入和產出的觀察值來評價效率的方法，以農業保險的投入、產出之比作為衡量效率的依據和指標選擇方向。

農業保險作為分散和轉移農業風險的重要手段，必然會對農民收入水平產生一定的影響。農業保險保費收入、賠付和補貼在一定程度上體現了國民收入在農業部門和其他部門之間的流動與再分配。從收入調節的角度分析，農業保險補貼具有轉移支付的作用，因此對農戶的收入具有調節作用（羅向明，2011）[10]。農業保險保費收入反映了農民和國家對農業保險資金的投入;農業保險深度作為保費收入和國民生產總值之比，反映了農業保險在國民經濟中的地位。因此，上述二者可作為農業保險扶貧效率的投入指標。農業保險的賠付可以對農民收入的缺失給予補償，防止農民因災陷入貧困。保險公司對農民的補償，不僅保障災后農民的基本生活，而且還能購買將來農業生產所需的生產物資，以恢復農業生產（周穩海，2014）[11];農民人均純收入的多寡體現了農民的物質生活條件，是生產產出的一種體現;貧困發生率作為衡量貧困水平的指標，可以反映某地區貧困的狀態。因此上述三者適于作為農業保險扶貧效率的產出指標。綜上所述，本文基于上述理論。將農業保險保費收入和保險深度作為投入指標，用以衡量在精準扶貧背景下，農業保險的反貧困的投入;將賠付支出、農民人均純收入和貧困發生率作為產出指標，用以評估農業保險反貧困的產出效果。

對于環境變量的影響分析，可從經濟增長理論和區域經濟學的相關理論入手。古典經濟學派認為，土地、勞動力和資本這三個要素對于經濟增長具有重要作用。這三個要素同樣也會對地區的經濟環境產生重要影響，經濟環境的不同最終會導致扶貧結果的差異。在我國，不同地區農業保險對農民收入影響程度存在較大差異（孫蓉，2015）[12]。這是因為財政公共收入、固定資產投資等環境變量會對各區域扶貧績效產生重大影響。當環境變量達到某一限度之前，固定資產投入的增長對反貧困有積極的作用;公共財政收入是反哺農業的財政基礎之一，對反貧困工作同樣有重要作用。然而，區域經濟學的區域經濟差異理論則認為隨著生產要素的區際流動，區域經濟的增長在地域空間上趨同。因此，有必要剔除財政公共收入和固定資產投資這兩個環境因素的影響，對扶貧效率結果做二次衡量。

四、實證模型與數據來源

（一）研究方法

為了剖析中國31個省、自治區和直轄市農業保險精準扶貧效率的基本情況，本文將借助三階段數據包絡模型（DEA），分析出全國農業保險精準效率的總體水平和環境因素對效率水平的影響，為將來相關政策制定提供一定的理論基礎。

20世紀50年代，就有學者在農業經濟領域應用該模型，到了20世紀70年代，運籌學家Charnes.W.Cooper和E.Rhodes構建了第一個數據包絡模型。2002年，Fired et al在前人研究的基礎上，提出了DEA和SFA兩個模型相結合的三階段DEA模型。這一模型分為三個階段：第一階段為傳統DEA模型，是以投入為導向的可變規模收益的BCC模型。由于第一階段的效率值會受到管理無效率、環境效應和隨機干擾的影響，因此在第二階段將以投入變量為被解釋變量，以環境因素為解釋變量建立SFA模型，該模型可以克服傳統DEA模型和DEA-Tobit模型中受環境因素和隨機誤差影響的缺陷，使投入和產出兩類指標更加客觀，提高決策單元最終效率的可信度。第三階段則應用同第一階段相同的方法，將調整后的投入進行重新計算，得出新的效率值。

早前，一些學者就曾利用該模型進行過相關效率分析。通過該模型對我國農業保險財政補貼效率（錢振偉，2014）[13]和河北省貧困縣金融扶貧效率（王山松，2016）[14]進行評估，得到了較為科學的實證結果。

1.第一階段：傳統的DEA模型

傳統的DEA模型可以分為CCR模型和BCC模型，本文在第一階段和第三階段將使用BCC模型。這一模型從技術效率、純技術效率和規模效率這三個方面對效率進行測算分析。之前有學者曾運用DEA模型對我國農村金融資源配置進行研究（李季剛，2010）[15]，得到了比較客觀的實證結論。在本文中，假設有n個評價單元，m個投入變量和S個產出變量。Yk表示第K個決策單元的技術效率，Yrk表示第k個決策單元的第r個產出變量的，Xik表示第K個決策單元的第i個投入變量。

2.第二階段：SFA模型的應用

鑒于各地區的經濟環境水平存在一定差別，第一階段DEA分析的結果會受到相應的影響。如果以此對各決策單元進行評估，會降低最終結果的科學性。所以，應在第二階段建立以投入為導向的SFA 成本邊界模型，對各決策單元的投入變量進行回歸分析。這一階段的目標就是將松弛變量分解為環境因素、管理無效率和統計噪聲三部分，Fried等人提出了相應的擴展模型，同時運用SFA回歸完成對環境因素和隨機擾動的分離。此時建立的多元線性回歸模型為：

上式中，Sik表示第k個決策單元第i個投入變量的冗余變量。fi（zk;βi）是指環境變量對冗余變量的影響，vik+uik為組合誤差項。利用上式的回歸，使所有決策單元的環境影響趨同，并剔除隨機誤差項的影響。以所有決策單元中最差的環境因素為基準，將所有決策單元的外部環境狀態統一，除去了偶然因素的影響。

3.第三階段DEA

將去除環境因素影響的投入變量與原始產出運用第一階段DEA的原理進行二次運算，這一階段決策單元的效率值將更為客觀、可靠。在本文中，剔除了財政公共收入和固定資產投資等環境變量的影響，以環境和條件最差的省份為基準，將所有省調至相同運氣環境。得出的實證結果將更具公平性與可參考性。

（二）研究假設

基于上文對扶貧問題和對收入再分配理論的文獻評述可以看出，農業保險費收入的增長提高了農業風險的分散保障程度，增加了農民的收入、提高了農民的生活水平。因此，可以得出假設：

假設1：農業保險總體上會對農村精準扶貧產生效果，但各地區的扶貧效率存在一定差異。

假設2：區域性的經濟發展環境會對農業保險精準扶貧的效率產生一定影響。

假設3：利用SFA模型，將全國各省的環境調整至相同水平之后，一些地方的扶貧效率水平將有所變化。

（三）相關指標的選取

1.指標的選取原則

本模型需要的數據可分為以下幾塊：即各決策單元農業保險扶貧效率的投入數據、產出數據和可以衡量環境因素的數據。模型中所構建的指標是為最終得出科學的經濟結果服務的。因此，模型中的三方面指標的選取應當滿足以下的原則：一是科學性原則。指標的選擇應有一定的經濟理論作為支撐，根據前文的理論分析，投入指標應當能緊密聯系農業保險的供給者和需求者，并能體現農業保險在國民經濟中的地位。同時，這些指標應當組成一個績效體系，才能較為全面地反映研究結果。二是可比性原則，即各決策單位之間，所選擇的相應指標之前應當存在一定差異，但又是有相互比較的價值。三是可得性原則。指標體系中的數據應當是公開的、可得的，所以相關數據應是各類年鑒和政府網站的公開數據。

2.各指標的選取結果

農業保險保費收入是保險公司為了履行合同，向農業保險投保人收取的對價。作為一種現金資產，它可以反映社會對農業保險的投入程度。另外，可以類比金融扶貧的相關研究，用涉農貸款及其占比、人均金融機構網點數等（鄧坤2015）[16]，從總量和比例兩個維度來刻畫投入指標。農業保險深度是一地區農業保險保費與該地區GDP之比反映了農業保險在該地區整體國民經濟中的地位，從側面反映了社會對農業保險的投入程度。農業保險密度是一個地區農業保險收入與人口之比。

產出指標選取了農業保險總賠付、農村居民人均收入、貧困發生率。農業保險賠付是發生農業保險事故后，保險公司對投保農戶進行的經濟賠償，側重反映農業保險對農戶的補償，體現資金在金融部門和農業生產者之間的流動，具有一定的扶貧效應，有學者曾以此作為衡量農業保險補貼效率的產出指標進行研究（錢振偉，2014）[13]。農村居民人均收入從數值的角度，對農民的生活水平進行度量，體現了農民的生活水平，也在一定程度上反映了扶貧成果，有學者曾以此作為衡量金融扶貧效率的產出指標進行研究（王山松，2016）[14]。貧困發生率是一地區貧困人口與該地區全體人口的比值，直接體現了一個地區的貧困水平。

依據經濟增長理論的相關思想，選取財政公共收入、固定資產投資作為環境變量。這些環境變量會對各區域扶貧績效產生重大影響且非樣本主觀可控。當環境變量達到某一限度之前，固定資產投入的增長對反貧困有積極作用;公共財政收入是反哺農業的財政基礎之一，對反貧困工作同樣有重要作用（王山松，2016）[14]。現將2015年全國31個省、自治區、直轄市的相關指標在下表中列明：

五、數據分析與政策模擬

（一）農業保險對精準扶貧的總體效率

第一階段的DEA分析是包含了環境變量與隨機擾動，運用deap2.1軟件對2015年全國31個省、自治區、直轄市的投入產出數據建立DEA模型。具體結果如下表所示：

1.基本情況分析

總體上看，2015年全國農業保險的精準扶貧的效率良好，但不同地區的扶貧效率存在差距，驗證了假設1。全國的農業保險扶貧TE值平均為0.81，PTE值平均為0.90，SE值平均為0.90。①①TE代表技術效率，PTE代表純技術效率，SE代表規模效率。 按地區分析，天津、遼寧、浙江、廣東、廣西、貴州、西藏、陜西和青海9個地區的TE值和PTE值均為1。這說明上述地區農業保險的精準扶貧效率較高，農業保險的扶貧效應得到了較為充分的應用。北京、河北、上海、江蘇、湖南、重慶、甘肅和新疆8個地區的PTE值為1，說明以上地區的純技術效率并非制約農業保險扶貧效率的主要原因。內蒙古、吉林、安徽、江西、河南、海南、云南和寧夏這8個地區的TE值和PTE值均低于全國平均水平，可見這些地區農業保險的精準扶貧效率仍有待提高。從規模報酬上看，山西、吉林、安徽、福建、江西和湖北等地的規模報酬處于遞增狀態。因此，這些地區提高農業保險的投入對提高農業保險的扶貧績效可能會有較為積極的作用。

2.原因分析

從第一階段的分析結果中，可以看出全國農業保險的扶貧績效區域間存在著一定差距。總體上說，扶貧效率東部最高、西部其次，中部最低。造成這一現象的原因可以從區域經濟學的角度分析。人們經濟活動不同的地區分布造就了不同區域的經濟特點，并且某一地區范圍內常具有相似的性質（郝壽義，2004）[17]。一個地區的收入水平和教育程度對農業保險會產生一定影響。一旦農民的物質生活條件提高，會有更多的資金投入生存資料以外的消費;教育程度越高，農民對農業風險的理解認知水平就會越高，購買農業保險的意愿也就相應增加（錢振偉，2014）[13]。因此，在2013年施行的《農業保險條例》第三條指出：“省、自治區、直轄市人民政府可以確定適合本地區實際的農業保險經營模式”。②②資料來源：中國銀行保險監督管理委員會網站。

從2015年東、中、西部農民人均可支配收入情況可以看出，東部地區的農業收入最高，為15262元;中部其次，為10914元;西部最低，僅為8672元。并且東部地區和中西部地區的差異較大，東部地區的收入比中部地區的高出近40%，中部地區比西部地區高出約25%左右。從教育程度上分析，根據最新的統計數據，全國目前的平均文盲率為4.06%。其中，東部地區文盲率最低，中西部地區文盲率則比較高。全國文盲率最低的地區為北京，為1.7%。文盲率最高的地區為青海省，約為北京文盲率的6倍。不僅如此，貴州、甘肅和安徽等中西部地區的文盲率均在全國平均文盲率水平之上。

綜上所述，地區的經濟、教育發展水平對農業保險的扶貧效率產生了較大的影響。針對西部地區的效率高于中部地區的現狀，可能是同以下兩種因素有關：一是同糧食產銷分離有關。在我國，中部地區的糧食產量較大，需要農業保險來規避農業生產中的相關風險。西部地區在糧食產量的地位沒有中部地區重要，耕作和經濟條件也劣于中部地區。加之這些地方的經濟水平并不發達、災害承受能力較低，農業保險對此效果將更加顯著。二是與風險區劃的差異有關。根據全國糧食生產自然風險區劃評估的結果，我國糧食生產風險高、較高的地區多集中在中部（梁來存，2009）[18]。

（二）公共財政收入和固定資產投資對精準扶貧效率的影響

由于第一階段的DEA分析并沒有考慮環境因素對投入指標的影響，使得分析結果與實際情況存在一定的偏差。第二階段，以財政公共投入和固定資產投資作為解釋變量。運用Frontier4.1進行計算，結果如下。

1.基本情況分析

從上表可以看出，使用SFA回歸是合理的，并且環境因素會對農業保險精準扶貧的效率產生影響，驗證了假設2。通過上表可以看出，公共財政投入的系數為負，說明公共財政投入對投入指標的冗余程度存在負向關系，因此這一環境因素對農業保險精準扶貧效率的影響是正向的，這和目前學界的普遍觀點是相同。而固定資產投資的系數為正，說明這一因素值的增加會增加農業保險保費收入和農業保險深度的冗余，降低模型的效率值。

2.原因分析

從第二階段的數據結果可以看出，公共財政收入和固定資產投資這兩個環境變量對投入變量影響的方向是不同的。造成這一現象的原因可以通過公共財政和固定資產投資的相關理論來分析。

關于公共財政投入，其實質是市場經濟條件下的政府財政支持。2016年，人民銀行、國家發展改革委等部門頒布《關于金融助推脫貧攻堅的實施意見》①①資料來源：中華人民共和國財政部網站。 ，意見強調了加強金融扶貧手段的精準性和有效性，發揮公共財政在扶貧領域的作用，公共財政在扶貧中對資金平衡、政策保障等方面具有重要作用。從公共財政的角度分析，財政資金投入是扶貧工作順利展開的基礎之一。貧困雖然是個體的生活狀態，但放在經濟社會發展的整體視角卻是公共性問題，公共財政是反貧困投入的主導。公共財政投入可以通過以下渠道對農村的扶貧工作產生影響（武靖州，2018）[19]。

一是通過公共財政投入促進農業增長。中國大部分貧困人口集中于農村地區，其主要收入來源是農業生產。根據第二次全國農業普查的數據，純農業戶占我國農村戶籍人口的75%，第一產業收入占農民總收入的42%。②②資料來源：中華人民共和國國家統計局網站。 公共財政投入可以減少農業的生產成本，增強農業生產的風險抵抗能力。比如，農業災害預警機制和政策性農業保險，可以提高農村災害性天氣的監測，對穩定農業生產有積極作用。

二是通過公共財政投入影響非農就業。針對農村低收入群體來說，增加第二、三產業的就業機會不僅可以增加農民的收入渠道，還對分散收入風險有積極作用。農村公共投資項目在建設過程中和建成以后都可以創造一些新的就業機會，以對教育的投入為例，農村中小學基礎教育的投資可以提高人口的文化水平和知識素養，這有利勞動力適應第二、三產業的工作，從農業生產逐漸過渡非農生產，拓寬農民的收入渠道、增加農民是收入水平。

關于固定資產投資，早期的學者普遍認為固定資產投資對居民消費有正向作用。但是近年來隨著研究的深入，有學者認為這一影響作用并不恒定是正向的（蔡志洲，2004）[20]。另外，經濟不發達地區固定資產投資的變化幅度比較為富裕地區要更為猛烈，二者都有會給扶貧結果帶來影響。從中國1978年以來農村固定資產投資和貧困率的關系，可以看出到2000年前后固定資產投資的扶貧效率逐漸減弱（胡紹雨，2009）[21]。在20世紀80年代早期，農村貧困人口的基數較大，農業經濟對扶貧的作用空間較大。但是進入21世紀，農村地區不良的經濟環境的負面作用大于固定資產投對經濟增長的貢獻，使得這一環境因素的影響被削弱。長時間以來，我國固定資產投資增速同GDP增速保持著相一致的趨勢，常作為一個判斷經濟好壞的指標。經濟的增長會使得農民支出項目增加，擠占了原本屬于農業保險費的那部分支出。但是我國農業保險的深度很低，經濟增長動力更多來自其他生產部門，使得農業保險在助力經濟增長這一塊的比例被更加稀釋。

（三）調整后農業保險對精準扶貧的總體效率

根據上一部分所得回歸估計結果，將各決策單元都調至同最差外部環境省份一樣的條件，再次運用 Deap2.1 軟件重新進行計算。為了方便對比，將調整前后全國各地區農業保險的扶貧績效的變化情況在表4中展示。

1.基本情況分析

對比調整前后的兩次回歸模型，可以看出調整后的績效水平同調整前存在一定的偏差，驗證了假設3。整體上看，北京、河北、內蒙古等16個地區的TE值比調整前有所提高。山西、內蒙古等12個地區的PTE值比調整前提高。北京、河北等14個地區的SE值比調整前提高。江蘇省的規模報酬水平由降低變為規模報酬水平不變，青海的規模報酬水平由不變變成規模報酬水平遞增。

從地區分析，東、中、西三大地區的扶貧效率存在較為明顯的差距。在第一階段DEA中，東、中、西部地區的平均效率分別為0.92、0.77和0.89。通過SFA調整后，東、中、西部地區的平均效率值分別為0.94、0.82和0.91。總體效率上調整后比調整前增加了3個百分點，東部和中部的差距縮小了20%。可見，環境變量因素導致了整體效率水平的低估和地區間差異的高估。就整體精準扶貧績效而言，東部地區效率最高、西部地區其次、中部地區較差。第三階段中，TE值為1的省份增加到了10個。其余的21個地區中，北京、河北、上海、福建、湖南、重慶、甘肅、青海、新疆這9個地區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。

2.原因分析

從第三階段的結果可以看出，環境變量因素導致了整體效率水平的低估和地區間差異的高估。這一現象可以從區域經濟差異理論來分析。

區域均衡發展理論，來源于新古典經濟學的相關理論，這一理論認為不同產業、不同區域之間將趨向平衡發展。這是因為生產要素的不斷流動，各區域的經濟發展水平將的差距將不斷縮小。根據索羅-斯旺模型，如果生產要素的流動不受限制，那么在一個較長時間跨度上，不同地區的經濟增長將呈現統一趨勢（張錫，2016）[22]。

在沒有剔除環境因素時，欠發達地區會陷入“貧困陷阱”。中西部地區由于經濟社會環境相對不佳，外界投資多同政策手段有著千絲萬縷的聯系，并不能保證相當的持續性，因此造成了中西部地區扶貧效果較差的局面。而剔除環境因素之后，這一方面的影響效應減少，使得最終區域之間差異縮小。

六、結論與建議

本文基于三階段DEA模型對我國31個省、自治區和直轄市的農業保險精準扶貧的效率進行了評估。得出結論如下：

總體而言中國農業保險精準扶貧的效率良好。為增加農民收入，減少貧困率起到了積極的作用。但是，全國農業保險扶貧效率在地區上存在一定的差異性，東部地區的扶貧效率要好于中西部地區。

第二，公共財政投入對投入變量的冗余程度是負相關，說明其有助于增加農業保險精準扶貧的效率。相反，固定資產投資對投入變量的冗余是反向的，它的增加會降低農業保險精準扶貧的效率。

第三，在剔除環境因素的干擾以后，全國農業保險精準扶貧的總體效率值有所提升，且與第一階段DEA的結果相比，區域性差異有所縮小。值得注意的是，在此次評估中，我國幾個重要農牧業大省的扶貧效率表現并不出色。安徽、河南、江西、吉林和內蒙古等地的效率同全國平均水平有較大差距，部分地區農業保險的扶貧效率甚至不足0.5。

針對以上結論，從以下三個方面對提高農業保險精準扶貧效率提出建議：

一是分地區制定符合地方實際的農業保險政策。從評估模型中可以看出，各地區農業保險的精準扶貧的效率特征存在一定差異。即使是剔除過環境變量的干擾以后，東部地區農業保險的精準扶貧效率仍要比中部地區高出12個百分點，比西部地區高出3個百分點。因此，各地應因地制宜制定相應農業保險政策，以提高農業保險精準扶貧的效率。例如內蒙古和安徽，技術效率值分別只有0.55和0.59，表明內部管理效率偏低。針對上述情況，應通過管理體制創新為發展重點，以盡量減少農業保險賠付過程中的效率損失;例如四川和湖南，規模效率值分別只有0.62和0.68，則可以從調節農業保險供給規模方面尋找改進的空間，鼓勵更多有資質的保險公司涉足農業保險市場，改善中西部地區農業保險供給，比如通過稅收優惠和管理費用補貼等政策手段。對于處于規模報酬遞增階段的地區，如山西、吉林和安徽等地，增加農業保險的供給可以在一定限度內對農業保險精準扶貧效率有正向影響;相反，處于規模報酬遞減階段的地區如北京、上海等地則可能需要適當減少農業保險的相關業務。

二是增加農村地區的公共財政投入。從評估中可以看出，公共財政投入對投入變量的冗余程度是負相關，說明其有助于增加農業保險精準扶貧的效率。增加對農村地區公共財政的投入，應當充分借鑒發達國家以往的發展經歷和思想，同我國農村公共投資的現實情況相結合。公共財政投入應當優先發展涉及農村經濟增長的重點領域，如教育、基礎設施建設。教育質量的提升可以提高人口素質和認知程度，使農民對農業保險的接受程度更高;基礎設施的建設則可以提高現代農業生產效率和風險預警能力，增加農民的收入，并減少農業災害帶來的損失。

三是提高農業保險的深度。從評估中看到，經濟較為發達的中部地區農業保險的精準扶貧效率要低于經濟更不發達的西部地區。全國13個糧食主產區①①全國13個糧食主產區分別為：黑龍江、遼寧、河北、山東、吉林、內蒙古、江西、湖南、四川、河南、湖北、江蘇和安徽。 中有8個位于中部地區，但是內蒙古、安徽等中部地區的績效比全國平均水平低20多個百分點。由于我國農業保險的總體深度很低，深度僅為0.75%。因此農業保險的保障程度難以完全補償農戶經濟損失，降低了農業保險對農戶抗擊自然風險的能力，導致扶貧效果不能良好顯現。對此，應當提高對這些地區農業保險的扶持力度，比如從加大補貼力度和強化補貼的針對性入手，激發中部地區發展農業保險的積極性，提高農業保險的深度。

參考文獻：

[1]Carey Oppenheim，Lisa Harker.Poverty：The Facts[M].London：Child Poverty Action Group，1996：52.

[2]周彬彬.向貧困挑戰——國外緩解貧困的理論與實踐[M].北京：人民出版社，1991：2.

[3]林閩鋼.中國農村貧困線標準研究[J].中國社會科學，1994（3）：86-98.

[4]唐鈞.中國城市居民貧困縣研究[M].上海：上海社會科學院出版社，1998：1.

[5]馮文麗.基于DEA-Tobit模型的我國農業保險效率及影響因素分析[J].金融與經濟，2015（2）：69-72.

[6]邵全權，柏龍飛.農業保險對農戶消費和效用的影響[J].保險研究，2017（10）：65-78.

[7]趙君彥.我國農業保險財政補貼效率的綜合評價——基于DEA模型[J].農業經濟，2015（5）：89-91.

[8]蔡立輝.政府績效評估的理念與分析方法[J].中國人民大學學報，2002（5）：93-100.

[9]曹堂哲.基于政府治理范式的政府績效評估演變分析——兼論中國政府績效評估發展的路徑選擇[J].財政研究，2018（3）：24-30.

[10]羅向明，張偉.收入調節、糧食安全與欠發達地區農業保險補貼安排[J].農業經濟問題，2011（1）：18-23.

[11]周穩海.農業保險發展對農民收入影響的動態研究——基于面板系統GMM模型的實證檢驗[J].保險研究，2014（5）：21-30.

[12]孫蓉.農業保險對農民收入影響的區域差異分析——基于面板數據聚類分析[J].保險研究2015（6）：62-71.

[13]錢振偉.基于三階段DEA模型的政策性農業保險財政補貼效率評估[J].商業研究，2014（10）：58-64

[14]王山松.基于三階段DEA模型的河北貧困縣金融扶貧效率實證研究[J].華北金融，2016（12）：27-31.

[15]李季剛.基于DEA方法分析農村金融資源配置效率[J].財會月刊，2010（21）：40-43.

[16]鄧坤.金融扶貧惠農效率評估——以秦巴山區巴中市為例[J].農村經濟，2015（5）：86-91.

[17]郝守義.建立區域經濟學理論體系的構想[J].南開經濟研究，2004（1）：69-72.

[18]梁來存.我國糧食作物的保險風險區劃及其Probit排序選擇模型驗證[J].經濟經緯，2009（6）：68-72.

[19]武靖州.公共財政支持精準扶貧的機制優化研究[J].理論月刊，2018（1）：135-140.

[20]蔡志洲.固定資產投資增長過快與宏觀調控[J].經濟科學，2004（2）：5-11.

[21]胡紹雨.財政投資對我國農村反貧困的影響分析[J].農村經濟，2009（4）：85-88.

[22]張錫.中國經濟可持續增長因素分析[J].科技與管理，2016（1）：52-57.