鄉(xiāng)村振興視角下陜西呂梁連片特困地區(qū)的財(cái)政扶貧效率及其影響因素分析

馮曉莉 朱可蒙 李剛

(西安郵電大學(xué)經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710121)

引言

貧困問題是全人類共同面對(duì)的問題，中國(guó)一直致力于消除貧困問題，黨中央、國(guó)務(wù)院對(duì)扶貧工作一直保持著高度重視，先后出臺(tái)了一系列政策和措施，從最初救濟(jì)式扶貧到2013年11月習(xí)近平總書記在湖南湘西考察時(shí)首次提出“精準(zhǔn)扶貧”，再到2017年10月18日在黨的十九大報(bào)告中提出鄉(xiāng)村振興戰(zhàn)略，不斷探索出了一條具有中國(guó)特色的扶貧開發(fā)道路。黨的十八大以來，我國(guó)加大了扶貧攻堅(jiān)的力度，根據(jù)國(guó)家統(tǒng)計(jì)局相關(guān)的數(shù)據(jù)，截至2017年末，中國(guó)貧困發(fā)生率下降了3.1%，貧困總?cè)丝跍p少3046萬人，扶貧開發(fā)取得巨大成效。雖然我國(guó)貧困地區(qū)在基礎(chǔ)設(shè)施、醫(yī)療、教育方面取得了顯著成果，但仍有部分人口未實(shí)現(xiàn)脫貧。尚未脫貧的人口主要集中在14個(gè)集中連片特殊特困地區(qū)，這些片區(qū)大多屬于革命老區(qū)、民族地區(qū)、邊疆地區(qū)，基礎(chǔ)設(shè)施和社會(huì)事業(yè)發(fā)展滯后，生態(tài)環(huán)境脆弱，自然災(zāi)害頻發(fā)，貧困發(fā)生率高，扶貧開發(fā)工作任務(wù)異常艱巨。2018年9月26日，國(guó)務(wù)院頒布的《鄉(xiāng)村振興戰(zhàn)略規(guī)劃(2018—2022年)》指出，“消除14片特困區(qū)區(qū)域貧困是全面建成小康社會(huì)和實(shí)現(xiàn)鄉(xiāng)村振興的基本前提”，而培育和提升14片特困區(qū)縣域自我發(fā)展能力是消除區(qū)域貧困的根本途徑。陜西省有7個(gè)市共43個(gè)縣列入國(guó)家確定的秦巴山區(qū)、六盤山區(qū)和呂梁山區(qū)集中連片特殊特困區(qū)，這些片區(qū)是陜西省貧困人口集中、脫貧難度最大的地區(qū)。呂梁山區(qū)共有7個(gè)縣，該區(qū)域溝壑縱橫，水土流失嚴(yán)重，農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)嚴(yán)重滯后，是重要的生態(tài)功能區(qū)，同時(shí)也是革命老區(qū)，由于該地區(qū)仍然處于貧困狀態(tài)，仍將是扶貧開發(fā)的重點(diǎn)之一。

1 研究方法與數(shù)據(jù)說明

1.1 研究方法

1.1.1 BCC模型

最早DEA(CCR)模型是由Chames等提出來，主要是解決規(guī)模報(bào)酬不變的決策單元效率問題，BCC模型是在CCR模型的基礎(chǔ)上開發(fā)的，是由Banker等提出的，主要是解決規(guī)模報(bào)酬可變的決策單元效率問題，BCC模型將技術(shù)效率(TE)分解為純技術(shù)效率(PTE)和規(guī)模效率(SE)，且TE=PTE×SE，BCC模型的構(gòu)建具體如下：

min[?-ε(e-s-+e+s+]

式中，θ為決策單元DMU的DEA的效率值，介于0～1，λj為權(quán)重，s-、s+為松弛變量，xj表示決策單元的投入向量，yj表示決策單元的產(chǎn)出向量。ε為非阿基米德無窮小量。

1.1.2 Malmquist指數(shù)模型

Malmquist指數(shù)最早于1953年由StenMaquist提出；Cave等人在1982年首次將該指數(shù)用于生產(chǎn)效率的變化測(cè)算；1994年，F(xiàn)are等將Malmquist指數(shù)與DEA理論相結(jié)合，構(gòu)建全要素生產(chǎn)率增長(zhǎng)的Malmquist指數(shù)，使得Malmquist指數(shù)得到廣泛應(yīng)用，具體的公式：

具體的Malmquist指數(shù)分解為M=TECHCH×EFFCH，TECHCH為技術(shù)水平變化指數(shù)，EFFCH為技術(shù)效率變化指數(shù)，可以進(jìn)一步分解為純技術(shù)效率變化指數(shù)(PECH)和規(guī)模效率變化指數(shù)(TECH),即EFFCH=PECH×TECH，綜上可得：M=PECH×TECH×TECHCH。

1.1.3 Tobit模型

Tobit模型又稱為樣本選擇模型、受限因變量模型，最早是由美國(guó)經(jīng)濟(jì)學(xué)家Tobin提出，由于BCC模型測(cè)算出的效率值大于0小于1，且數(shù)據(jù)被截?cái)啵绻捎米钚《朔?OLS)進(jìn)行回歸會(huì)導(dǎo)致估計(jì)具有偏差，因此本文采用Tobit進(jìn)行回歸分析，具體的模型:

Yi=β0+β1Xi+ε

式中，Yi為受限因變量，本文用DEA-BCC模型測(cè)算出來的綜合效率表示，β0為常數(shù)項(xiàng)，β1為回歸參數(shù)，Xi為解釋變量，ε為隨機(jī)誤差向量。

1.2 指標(biāo)選擇和數(shù)據(jù)來源

近些年來，國(guó)家更加關(guān)注陜西呂梁農(nóng)村貧困地區(qū)的情況，增加了對(duì)貧困地區(qū)的政策、財(cái)政支出的支持，農(nóng)村貧困地區(qū)的經(jīng)濟(jì)水平有所提高、社會(huì)基礎(chǔ)及服務(wù)有所改善。本文在考慮數(shù)據(jù)可獲取性和參考相應(yīng)的文獻(xiàn)的基礎(chǔ)上[1]，選取了教育支出、社會(huì)保障和就業(yè)支出、醫(yī)療衛(wèi)生與計(jì)劃生育支出作為投入指標(biāo)。產(chǎn)出指標(biāo)選取了農(nóng)村常駐居民人均可支配收入、普通中學(xué)在校生人數(shù)、醫(yī)療衛(wèi)生機(jī)構(gòu)床位數(shù)作為產(chǎn)出變量。文章使用的數(shù)據(jù)來源《中國(guó)縣域統(tǒng)計(jì)年鑒》(2012—2018年)和《榆林市統(tǒng)計(jì)年鑒》(2012—2018年)。

2 實(shí)證結(jié)果分析

2.1 基于DEA-BCC模型的精準(zhǔn)扶貧財(cái)政的效率分析

利用DEAP2.1軟件，將陜西呂梁連片特困地區(qū)2011—2017年的投入變量和產(chǎn)出變量帶入DEA-BCC模型中，從綜合效率、純技術(shù)效率和規(guī)模效率3個(gè)指標(biāo)對(duì)扶貧情況進(jìn)行分析。

2.1.1 綜合效率變動(dòng)趨勢(shì)

由表1所示，從整體上看，陜西呂梁連片特困地區(qū)的7個(gè)貧困縣2011—2017年的平均綜合效率為0.886，效率水平較高，但距離效率前沿具有一定差距。具體來看，米脂縣和吳堡縣的綜合效率值在2011—2017年度都為1，說明該地區(qū)的財(cái)政扶貧資金得到充分利用，可以看出自從《呂梁山片區(qū)區(qū)域發(fā)展與扶貧攻堅(jiān)規(guī)劃(2011—2020年)》出臺(tái)以來，這些地區(qū)加大了對(duì)區(qū)域發(fā)展和扶貧攻堅(jiān)的力度，政策得到了良好落實(shí)。而其余6縣的綜合效率小于1，說明其存在改進(jìn)的可能。在考察期內(nèi)，陜西呂梁連片特困地區(qū)的財(cái)政扶貧綜合效率中，除橫山縣、米脂縣外，均有些波動(dòng)，但整體是持平的趨勢(shì)。橫山縣和米脂縣的綜合效率波動(dòng)的非常大，減貧效率不穩(wěn)定，反映出雖然扶貧資金的力度大，但扶貧的效果卻不理想，這說明扶貧政策應(yīng)該因地制宜，采取適宜的扶貧方式。

表1 綜合效率

2.1.2 純技術(shù)效率變動(dòng)趨勢(shì)

由表2所示，陜西呂梁連片特困地區(qū)的7個(gè)貧困縣2011—2017年的平均純技術(shù)效率值為0.917，橫山縣、綏德縣、米脂縣和吳堡縣的純技術(shù)效率值在2011—2017年度都為1，說明隨著扶貧的不斷深入，現(xiàn)有的技術(shù)水平得到了充分發(fā)揮，政府投入的資金能夠合理有效地配置。而佳縣、清澗縣和子洲縣的純技術(shù)效率均值都小于1，表明這些地區(qū)沒有充分利用目前投入的資源，減貧效果不佳。需要調(diào)整資金的投入方式和改進(jìn)扶貧技術(shù)，使得扶貧資金能夠充分的利用，從而提高純技術(shù)效率。

表2 純技術(shù)效率

2.1.3 規(guī)模效率變動(dòng)趨勢(shì)

由表3所示，陜西呂梁連片特困地區(qū)的7個(gè)貧困縣2011—2017年的平均規(guī)模效率值為0.969，綏德縣和吳堡縣的規(guī)模效率值在2011—2017年度都為1，說明規(guī)模是有效的；其它縣的效率值都維持在0.85～1，說明效率相對(duì)較高。這是因?yàn)閺?014年開始，陜西呂梁連片特困地區(qū)加大了財(cái)政扶貧資金的力度，但是投入的結(jié)構(gòu)分配上存在不合理，有些方面投入的過多，有些方面投入的過少，生產(chǎn)沒有達(dá)到最佳規(guī)模，沒有發(fā)揮出規(guī)模效率帶來的優(yōu)勢(shì)。加大扶貧資金的投入力度的同時(shí)，也要考核資金的投入是否對(duì)扶貧效率產(chǎn)生顯著提升，使得生產(chǎn)處于最優(yōu)規(guī)模，才能實(shí)現(xiàn)規(guī)模效率最大化。

2.2 基于Malmquist指數(shù)的財(cái)政扶貧效率動(dòng)態(tài)化分析

2.2.1 各年度整體陜西呂梁連片特困地區(qū)的財(cái)政扶貧效率測(cè)度的結(jié)果

為了更好地分析陜西呂梁連片特困地區(qū)的財(cái)政扶貧效率的變化趨勢(shì)，利用DEAP2.1軟件對(duì)陜西呂梁連片特困地區(qū)的財(cái)政扶貧投入與產(chǎn)出數(shù)據(jù)予以處理，2011—2017年陜西呂梁連片特困地區(qū)的財(cái)政扶貧平均全要素生產(chǎn)率變化指數(shù)及其分解，具體如表4所示。

由表4可知，陜西呂梁連片特困地區(qū)的7個(gè)貧困縣財(cái)政扶貧效率全要素生產(chǎn)率指數(shù)除了2015—2016年時(shí)間段大于1以外，其它時(shí)間段均小于1，均值為0.862，在整個(gè)研究期內(nèi)，全要素生產(chǎn)率指數(shù)呈下降趨勢(shì)，減少了13.8%；從結(jié)構(gòu)上來看，技術(shù)效率變化均值上升了0.3%，技術(shù)進(jìn)步變化均值下降了14%，說明財(cái)政扶貧全要素生產(chǎn)率指數(shù)影響主要受技術(shù)退步的影響，從絕對(duì)值的變化來看，技術(shù)進(jìn)步均值和TFP值的均值和個(gè)值更為相近；純技術(shù)效率和規(guī)模效率制約了TFP的增加，純技術(shù)效率7a平均增加了0.4%，但由于增加的幅度和均值太小，制約了TFP值的提升，7a來規(guī)模效率均值為0.999，平均下降了0.1%，且歷年的變化趨勢(shì)與TFP值基本一致，說明較低的規(guī)模效率制約了TFP值的增加。

表4 2011—2017年陜西呂梁連片特困地區(qū)Malmquist指數(shù)及分解

2.2.2 陜西呂梁山區(qū)7個(gè)貧困縣財(cái)政扶貧效率測(cè)度結(jié)果

利用DEAP2.1軟件處理的結(jié)果，陜西呂梁連片特困地區(qū)各縣財(cái)政扶貧平均全要素生產(chǎn)率變化指數(shù)及其分解，具體如表5所示。

表5 2011—2017年陜西呂梁連片特困地區(qū)全要素生產(chǎn)率的構(gòu)成

由表5可知，陜西呂梁連片特困地區(qū)的7個(gè)貧困縣的平均全要素生產(chǎn)率為0.862，在2011—2017年間平均下降了13.8%，其中主要是技術(shù)水平下降使得TFP指數(shù)下降，這是因?yàn)樵摰貐^(qū)農(nóng)民的文化程度較低，接受新事物、新技術(shù)慢，不利于農(nóng)業(yè)技術(shù)的普及與推廣，無法將技術(shù)轉(zhuǎn)化為生產(chǎn)力，導(dǎo)致該地區(qū)的農(nóng)業(yè)技術(shù)應(yīng)用率低；將TFP指數(shù)分解為技術(shù)效率和技術(shù)進(jìn)步來看，陜西呂梁連片特困地區(qū)7縣的技術(shù)進(jìn)步有著不同程度的下降，平均下降了14%，而技術(shù)效率除了米脂縣下降0.6%以外，平均上升了0.3%，說明陜西呂梁連片特困地區(qū)的財(cái)政扶貧TFP值下降的原因主要是扶貧技術(shù)退步的結(jié)果，而并非財(cái)政扶貧效率改善的結(jié)果；對(duì)技術(shù)效率變化進(jìn)一步分解，純技術(shù)效率除了佳縣下降0.1%，橫山縣、綏德縣、米脂縣和吳堡縣等保持不變，平均上升了0.4%，規(guī)模效率除了橫山縣、綏德縣和吳堡縣等保持不變，其它縣都有小幅變動(dòng)，平均下降了0.1%。通過分析可知，TFP指數(shù)普遍呈輕微下降的趨勢(shì)，出現(xiàn)這種情況主要原因有技術(shù)進(jìn)步下降了14%、規(guī)模效率下降0.1%；由此可見，導(dǎo)致陜西呂梁山區(qū)TFP指數(shù)下降的主要原因是技術(shù)進(jìn)步的下降。綜上所述，陜西呂梁連片特困地區(qū)的全要素生產(chǎn)率下行趨勢(shì)較為明顯，技術(shù)退步是陜西呂梁山區(qū)提高財(cái)政扶貧效率需要首先解決的問題。

2.3 基于Tobit回歸模型的影響因素分析

通過DEA-BCC模型和Malmquist指數(shù)法僅能獲得財(cái)政扶貧的效率值，但是精準(zhǔn)扶貧的效率影響因素不僅僅局限于選擇的投入產(chǎn)出指標(biāo)，除此之外還需要對(duì)其它影響因素進(jìn)行進(jìn)一步探究。借鑒已有的文獻(xiàn)基礎(chǔ)上[2-4]，本文選取了城鎮(zhèn)居民可支配收入水平(X1)、人均生產(chǎn)總值(X2)、城鎮(zhèn)化率(X3)、地方財(cái)政收入(X4)以及產(chǎn)業(yè)結(jié)構(gòu)升級(jí)(X5)作為影響因素進(jìn)行分析。本文所測(cè)得的綜合效率值在0～1，符合Tobit模型受限回歸的特點(diǎn)，因此選用Tobit模型進(jìn)行深入的分析。根據(jù)以上影響因素，具體模型構(gòu)建如下：

Y=C+α1lnX1+α2lnX2+α3lnX3+α4X4+α5X5+μ

式中，被解釋變量Y為DEA方法測(cè)得綜合效率值；C為回歸公式中的常數(shù)項(xiàng)；X1、X2、X3、X4、X5分別表示：城鎮(zhèn)居民可支配收入、人均生產(chǎn)總值、地方財(cái)政收入、城鎮(zhèn)化率、第一產(chǎn)業(yè)與第三產(chǎn)業(yè)占GDP的比重。

考慮到模型的準(zhǔn)確性，對(duì)城鎮(zhèn)居民可支配收入、人均生產(chǎn)總值、地方財(cái)政收入進(jìn)行對(duì)數(shù)化處理。

利用Stata15.0軟件進(jìn)行Tobit回歸，結(jié)果如表6所示。從表可以看出，通過顯著性水平的變量有人均生產(chǎn)總值、地方財(cái)政收入、城鎮(zhèn)化率、第一產(chǎn)業(yè)與第三產(chǎn)業(yè)占GDP的比重。沒有通過顯著性的解釋變量有城鎮(zhèn)居民可支配收入。

表6 Tobit回歸的結(jié)果

人均生產(chǎn)總值對(duì)扶貧效率有顯著抑制作用，表明人均生產(chǎn)總值提高，扶貧效率反而降低。這是因?yàn)楫a(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，農(nóng)業(yè)在國(guó)民收入中比重逐步下降，農(nóng)業(yè)原料為第二、三產(chǎn)業(yè)提供大量的廉價(jià)原材料，而第二、三產(chǎn)業(yè)卻以數(shù)倍的原材料價(jià)格銷往農(nóng)村地區(qū)，導(dǎo)致兩者之間價(jià)格差距越來越大，就形成了工農(nóng)剪刀差，反映出陜西呂梁連片特困地區(qū)城鄉(xiāng)發(fā)展均衡水平懸殊。

地方財(cái)政收入與扶貧效率呈負(fù)相關(guān)，地方財(cái)政收入系數(shù)為-0.0821，且在10%的顯著性水平通過檢驗(yàn)。理論上講，地方財(cái)政收入的增加將直接推動(dòng)該地區(qū)扶貧效率的提高，但現(xiàn)實(shí)中表現(xiàn)出顯著的不利影響，充分表明當(dāng)前地方財(cái)政收入在安排和使用存在嚴(yán)重的結(jié)構(gòu)不合理和效率低下，大量資金投入沒有轉(zhuǎn)化為農(nóng)民收入的增加。

城鎮(zhèn)化率與扶貧效率存在正相關(guān)，城鎮(zhèn)化率系數(shù)為0.0361，且在1%的顯著性水平通過檢驗(yàn)，說明城鎮(zhèn)化是實(shí)現(xiàn)減貧的重要途徑之一。城鎮(zhèn)化進(jìn)程中為貧困地區(qū)創(chuàng)造了大量的勞動(dòng)就業(yè)機(jī)會(huì)，并通過勞動(dòng)力價(jià)值的回報(bào)帶動(dòng)了農(nóng)村經(jīng)濟(jì)的發(fā)展和公共基礎(chǔ)設(shè)施的改善，改善了該地區(qū)農(nóng)村的經(jīng)濟(jì)；城鎮(zhèn)化推動(dòng)了大量的農(nóng)村人口轉(zhuǎn)移到城市，導(dǎo)致農(nóng)村人口的減少，拉動(dòng)城鄉(xiāng)消費(fèi)，彰顯出了強(qiáng)大的減貧效果。

第一產(chǎn)業(yè)與第三產(chǎn)業(yè)占GDP的比重與扶貧效率呈正相關(guān)，且在5%的顯著性水平通過檢驗(yàn)，也就是說，第一、三產(chǎn)業(yè)在國(guó)民收入中比重越高，扶貧效率就越高。這是因?yàn)殛兾鲄瘟荷絽^(qū)各縣政府積極整合貧困地區(qū)的產(chǎn)業(yè)優(yōu)勢(shì)，在提升第一產(chǎn)業(yè)發(fā)展水平的同時(shí)，大力發(fā)展第三產(chǎn)業(yè)，不斷優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，實(shí)現(xiàn)產(chǎn)業(yè)多元化的發(fā)展。

3 結(jié)論與建議

利用DEA-BCC模型和Malmquist指數(shù),基于陜西呂梁連片特困地區(qū)2011—2017年相關(guān)數(shù)據(jù)進(jìn)行靜態(tài)、動(dòng)態(tài)相結(jié)合的財(cái)政扶貧效率分析，并結(jié)合Tobit模型研究了財(cái)政扶貧效率的影響因素及作用程度，研究發(fā)現(xiàn)，DEA-BCC模型計(jì)算發(fā)現(xiàn)，2011—2017年陜西呂梁連片特困地區(qū)的財(cái)政扶貧綜合效率值為0.886，只有綏德縣和吳堡縣在7a中均達(dá)到了DEA有效水平，其中純技術(shù)效率較低是制約效率提高的主要因素；Malmquist指數(shù)模型計(jì)算可知，2011—2017年陜西呂梁連片特困地區(qū)的全要素生產(chǎn)率指數(shù)平均下降了13.8%，其中，技術(shù)進(jìn)步下降了14%，而綜合效率上升了0.3%，說明技術(shù)退步是制約全要素生產(chǎn)率的主要原因；利用Tobit回歸模型探析了扶貧效率的影響因素及其程度可知，人均生產(chǎn)總值、地方財(cái)政收入、城鎮(zhèn)化率、第一產(chǎn)業(yè)與第三產(chǎn)業(yè)占GDP的比重對(duì)財(cái)政扶貧效率的影響較為顯著，而城鎮(zhèn)居民可支配收入對(duì)財(cái)政扶貧效率不顯著。基于此，提出以下建議：調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，推動(dòng)產(chǎn)業(yè)升級(jí)，應(yīng)加快產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)，兼顧財(cái)政扶貧資金投入扶貧帶來的長(zhǎng)遠(yuǎn)效益，不斷加快城鎮(zhèn)化建設(shè)，提升第二產(chǎn)業(yè)的發(fā)展速度，工業(yè)為農(nóng)業(yè)化的發(fā)展提供了技術(shù)、資金和現(xiàn)代化設(shè)備，提高農(nóng)業(yè)的現(xiàn)代化水平，并且創(chuàng)造了大量的就業(yè)崗位，為農(nóng)村大量剩余勞動(dòng)力的轉(zhuǎn)移提供機(jī)會(huì)，增加農(nóng)民的收入；合理有效地利用扶貧資金，提高財(cái)政扶貧效率關(guān)鍵要發(fā)揮好政府的作用，政府應(yīng)該改進(jìn)扶貧資金的運(yùn)行機(jī)制，明確各貧困縣財(cái)政資金的使用情況；加大財(cái)政支出在教育上的傾斜力度，健全農(nóng)村教育長(zhǎng)效機(jī)制。