□ 王子源 潘輝 劉妍
2007年起,全國開展農業保險保費補貼試點方案,標志著政策性農業保險進入發展新時期。2016年,中央財政進一步提高產糧大縣三大糧食作物的保費補貼比例,有利于減輕財政壓力、擴大保險保障范圍、穩定農業生產和提高農戶收入。隨著農業保險市場規模的擴大,農業保險提供的風險保障從2007年的1126億元增加到2019年的3.6萬億元,有效通過保險杠桿效應放大保費補貼的風險管理和資金保障功能,助力農業實現高質量發展。
鄉村振興戰略背景下,各地區經濟、氣候和環境的差異化對補貼效率的影響有所改變。一是保費補貼效率不高,無法滿足新背景下農民的有效需求;二是保費補貼效率存在差異化,難以精確滿足各地區農民的實際需求。亟需優化保費補貼政策,進而提高補貼效用,更大程度上保障農業生產、提高農民收入、鼓勵保險機構經營和創新。為此,有必要深入研究農業保險補貼的必要性、效率及其影響因素并提出政策建議。
結合國外農業保險實踐經驗,王艷玲(2008)提出政府要參與農業保險經營并提供一定的財政補貼。饒慶斌、王德勇(2011)認為農業保險補貼影響農民支付能力,國家宏觀調控對農業保險的補貼必不可少。結合我國農業保險發展現狀,李瑞紅(2011)指出政策性農業保險是我國當前國情下農業保險發展的必要模式。張組榮(2016)指出農業保險要成功開展,政府必須提供財政補貼。何小偉(2020)從中央和地方、補貼品種和補貼政策的比較分析出發,提出地方各級政府要發揮財政補貼在農業風險管理中的作用。
錢振偉(2014)運用三階段DEA模型,測算全國各地區農業保險保費補貼效率水平,指出我國當前農業保險保費補貼效率水平較高。江生忠(2015)運用DEA面板超效率方法測算農業保險保費補貼效率水平,對投入和產出變量進行改進和調整。張組榮(2017)通過建立保費補貼效率指標和體系測算農業保險保費補貼效率水平。
羅向明(2011)認為受區域經濟發展水平的制約,農業保險的補貼存在明顯的地區差異。劉飛(2020)指出保險密度對農業保險效率具有正向影響。牛浩,陳盛偉(2021)提出各地區的財政收入與農業保險保費補貼呈正相關,但財政補貼的壓力會阻礙農業保險的發展。
綜上可見,學者通過不同的理論視角論證了政策性農業保險的必要性,同時運用不同的模型和指標體系測算農業保險保費補貼的效率水平。相關研究主要將重點聚焦在效率評估方面,未能深入說明影響效率的諸多因素,且大多局限在脫貧背景下,政策建議具有局限性。本文擬在研究農業保險補貼效率的同時,進一步分析影響其效率的因素,為農業保險補貼政策完善、農業保險再定位等重大問題的解決提供實證支撐。
自全國開始實施農業保險保費補貼試點方案以來,農業保險包括的補貼范圍從5個品種增加到16個大宗農產品及60余個地方優勢特色農產品,基本覆蓋關系國計民生和糧食安全的大宗農產品。2020年,我國農業保險保費收入為815億元,成為世界上農業保險保費規模最大的國家。其中全國各級財政共承擔保費補貼603億元,為農民提供農業風險保障4.13萬億元,中央財政補貼資金使用效果放大了145倍。
1.農業保險補貼效率不高
農業保險的參與主體主要有政府、農戶和保險公司。從政府角度來看,由于當前我國實施的是政策性農業保險,投入大多依靠政府財政補貼,隨著我國農業保險快速發展,大規模的補貼投入難以起到正向拉動作用;從農戶角度來看,農戶對保險補貼政策理解不到位,信息不對稱導致其參保積極性不高;從保險公司角度來看,農業保險經營還沒有完全過渡到商業化模式,市場準入和退出機制存在缺陷。
2.農業保險補貼政策單一化
目前,我國農業保險以單一的政策性保險為主,主要依靠政府的財政補貼來扶持。由于各省份的財政收入不同,對農業保險的財政扶持力度也各不相同。這在一定程度上降低了不發達地區農民的投保積極性,從而阻礙農業保險的發展。同時,農業保險相關的法律法規并不完善,一些條款無法和農業生產的實際情況相匹配,嚴重限制了我國農業保險的長期發展。
1.效率模型構建
根據具體的分析目的,可將DEA模型分為投入和產出導向。一般而言,在運用DEA模型的文獻中,大多選擇投入導向的規模報酬可變模型,因此本文選擇規模報酬可變模型。具體公式如下:

其中,j=1,2…,n表示決策單元,x,y分別為投入、產出向量。
2.效率模型的調整
規模報酬可變:一方面考慮到當前我國農業保險處于快速發展時期,另一方面農業保險補貼對于農業保險發展的重要性不言而喻,本文選取規模報酬可變模型。
投入導向型:在鄉村背景下完善農業保險保費補貼政策,期望獲得更多有關投入變量的信息,本文選取投入導向型。
研究以中央保費補貼和補貼占比來衡量投入指標。關于產出變量的選擇,不僅關注直接所得(即通過保費補貼對農戶直接造成的影響),還關注過程量(即農戶在農險補貼政策刺激下,改善其農業經營的意愿),因而產出指標選取補貼占賠付的比例、保險深度,以及關注農藥化肥與大型機械的投入。
1.投入變量選擇
2014年頒布的《國務院關于加快發展現代保險服務業的若干意見》提出“減少或者取消產糧大縣三大糧食作物保險縣級財政保費補貼”,這將降低產糧大縣的政府財政壓力。為此,本研究投入變量選擇中央財政補貼以及補貼占保費收入的比率。
2.產出變量選擇
農戶層面:“補貼占賠付的比例”反映農業保險保費補貼對農業保險賠付成本的覆蓋程度;“機械投入和農藥化肥投入”則表明農戶在農險補貼政策刺激下,改善其農業經營的意愿。本文以每公頃農資用量和每公頃機械動力來衡量此因素。
農業層面:保險深度反映一個國家保險業在整個國民經濟中的重要地位。該指標的計算不僅取決于一國總體發展水平,還取決于保險業的發展速度。
3.數據來源
本文選取的數據來自2017-2020年《中國統計年鑒》《中國保險年鑒》《中國農業統計年鑒》以及部分省財政廳官網等,對數據中的缺失值使用插值法、均值法等方法進行補齊。
1.農業保險保費補貼效率橫向分析
以全國31個省、市、自治區作為決策單位,選取2016-2019年的面板數據,運用DEAP2.1軟件對比分析全國農業保險保費補貼的技術效率。即在規模報酬可變的情況下,采用DEA模型對投入導向模式下求解,結果如表1所示。

表1 2016-2019年全國農業保險保費補貼技術效率水平
結合表1實證結果,本研究將農業保險保費補貼效率水平大致分為效率高(>0.9)、效率中等(0.6-0.9)和效率低(<0.6)這三個區間。
表1可見,整體上來看,全國各地區農業保險保費補貼的效率水平較低,表明部分省市的財政補貼沒有達到有效利用。2017-2019年間,北京市、天津市、上海市和海南省等這幾個省市的技術效率值高,其他各省市的效率水平均處在中等區間。
通過測算2016-2019 年度全國各省市農業保險保費補貼的純技術效率值,進一步分析全國各省市之間純技術效率產生差異的原因,結果如表2。

表2 2016-2019年全國農業保險保費補貼純技術效率水平
表2可見,2016-2019年,北京、黑龍江、上海、西藏、陜西、海南等省市的純技術效率為1,達到很高水平。而新疆、四川、安徽等省市的純技術效率和技術效率值接近,均處在較低水平。主要原因是各地區的地理環境與所種植的農作物不同,各地保險保費補貼政策的制定存在差異化。
為了研究2016-2019年全國各省市的農險保費補貼資金使用規模,根據DEA模型的運算TE / PTE計算得出,從而判斷保費補貼規模的邊際收益增減情況,結果表3所示。

表3 2016-2019年全國農業保險保費補貼規模效率水平
表3可知,全國各省市規模效率呈現遞減趨勢。2016-2019年上海的規模效率都是1,表明效率達到帕累托最優狀態,其他各省市的規模效率也處于較高的水平。結果表明,農業保險保費補貼政策已經無法與當前保費投入相匹配,盲目加大保費投入并不能提高農業保險保費補貼效率水平。
2.農業保險保費補貼效率縱向分析
通過測算全國各地區2016-2019年農業保險保費補貼 Malmquist 指數,進一步研究農業保險保費補貼效率水平的縱向趨勢,結果如表4所示。

表4 2016-2019年全國各地區農業保險保費補貼Malmquist 指數
表4表明,2016-2017年的Malmquist指數值為0.946,2017-2018年的指數值為1.005,2018-2019年的指數值為0.849。2016-2019年的指數均值為0.931,這說明全國農業保險保費補貼效率水平呈現先增再減趨勢,這種不穩定性與近年來不斷調整農業保險保費補貼政策、保險機構的準入機制等多原因有關。

表5 2016-2019年全國各地區農業保險保費補貼Malmquist指數
表5所示,2016-2019年各地區的技術進步指數平均值為0.903,且每個時期的技術進步指數值都小于1,說明保費補貼的技術利用水平不高,這與各地經濟環境、地方宣傳以及財政補貼結構調整等多因素相關。2016-2019年,各地區規模效率值的變動幅度平均值為1.011,說明當前全國農業保險保費補貼規模效率值的上升主要依靠技術經濟效率值拉動,從側面說明不能只依靠技術經濟效率,而要充分發揮規模效率對農業保險保費補貼的推動作用。規模效率指數值由2016-2017年的0.946增加至2018至2019年的1.005,這一結果系2017年全國開展農業保險保費補貼試點方案所造成。
為繼續研究農業保險保費補貼效率的影響因素,下文將影響變量作為回歸分析的自變量,因變量為上述農業保險保費補貼的效率值進行回歸分析。
選取Tobit模型的原因在于它采用了最大似然函數來估計因變量的受限回歸方法,可以解決最小二乘法(OLS)在估計量和含有截尾變量數據上估計量不一致的情形。Tobit模型的數學表達式如下所示,其中xi為解釋變量,yi為被解釋變量,δ為回歸系數,μ表示截距項。

研究從各地區的經濟變量因素、農民自身因素、農業保險市場以及自然災害等因素出發,分別選取各省市的農作物受災面積(X1)、受教育程度(X2)、地方政府財政收入(X3)、農業支出額(X4)、農作物播種面積(X5)和農作物灌溉面積(X6)作為自變量。
1.自然災害狀況變量:農作物受災面積(X1)
農作物受災面積代表自然環境對農業的影響程度,農作物受災面積的大小決定農作物的產量,進而影響農民收入。自然災害會提高參保的成本,進而降低農業保險補貼效率。所以判斷為負相關。
2.農民自身因素變量:受教育程度(X2)
受教育程度表示農民對農業保險的接受情況,本文以12歲以上的文盲比率為指標。一般而言,受教育程度越高,對農業保險風險保障的能力更加認可。所以判斷為負相關。
3.各省經濟狀況變量: 地方政府財政收入(X3)、農業支出額(X4)
農業支出額越高,表明該地區經濟發展結構中農業占比較大,也說明該地區更加重視農業保險的發展,從而刺激政府財政補貼投入動機; 基于當前的保費補貼方式,地方政府財政收入水平高的地區,大多數農業產值占比較低,對于農業保險的需求有限。所以判斷為負相關。
4.農民對農業產量的重視程度:農作物播種面積(X5)
一般沒有自然災害的情況下,由于農業本身弱質性的特點,農作物播種面積越大,相應的農作物的產量就越高。所以判斷為正相關。
5.緩解自然災害情況:農作物灌溉面積(X6)
有效灌溉面積能夠降低自然災害對農業造成的風險,有效灌溉面積越大,越有利于保障農業生產,提高農作物產量,進而提高農民收入。所以判斷為正相關。

表6 影響變量簡要說明
由上文影響因素假設情況可知,Tobit回歸模型的表達式為:

其中Yti表示在第t年全國i省市的農業保險保費補貼綜合技術效率值,β表示解釋變量的系數,x1-x6表示解釋變量,μ表示隨機擾動項。運用Stata16軟件,對2016-2019年全國的面板數據進行回歸分析,結果如下表8所示。

表7 主要變量的描述性統計

表8 影響因素回歸結果
第一,地方財政收入和農業支出與補貼效率無關,各地區保費補貼投入的有效轉化率存在差異性,故地方財政收入和農業支出增加或減少并不會對補貼效率有影響,與上述假設不一致。第二,受災面積與補貼效率呈負相關,與判斷一致,這說明嚴重的自然災害會提高參保的成本,進而降低農業保險補貼效率。第三,受教育程度與補貼效率沒有直接關系,說明農業保險大多依靠政府財政補貼,農戶參與積極性不高,即農戶的受教育程度不能有效刺激農戶參保需求。第四,農作物的有效灌溉面積與效率水平呈負相關,P值為0.005表明非常顯著,說明有效灌溉面積的擴大并不能降低自然災害對農作物的影響,當前干旱對于農作物的影響沒有在自然災害中占主導地位。第五,農作物播種面積與補貼效率呈正相關,P值為0.029非常顯著,表明一般沒有自然災害的情況下,由于農業本身弱質性的特點,農作物播種面積越大,相應的農作物的產量就越高。
實證結果表明目前農業保險財政補貼效率較低,各地區之間的補貼效率水平差異較大。從效率分析結果看,部分地區的財政補貼沒有達到有效利用。當前的農業保險保費補貼政策過于單一化,主要依靠財政補貼,參與主體不足導致分散風險能力下降。從影響因素分析看,農作物播種面積與效率水平的關系說明要繼續擴大播種面積,守住耕地紅線。針對我國當前財政補貼量與保障水平不相匹配的現狀,現在的農業保險保費補貼政策已經無法與當前保費投入相匹配,盲目加大保費投入并不能提高農業保險保費補貼效率水平。要針對各地區實際情況,因地制宜地研究制定相關農業保險保費補貼政策。
針對此,本研究提出以下政策建議:第一,推動農業保險商業化經營。農業保險的準公共物品特征決定了政策性農業保險的必要性,為了提高農業保險風險保障能力,農業保險的參與主體要多元化,要積極完善農業保險市場準入退出制度,提高保險公司參與農業保險的積極性。第二,針對地區差異化合理制定相關政策。當前,我國的農業保險保費補貼政策是按照東部、中部、西部等進行區域劃分。由于各地區經濟、自然環境存在差異,當前我國的農業保險保費補貼政策已經與各地區現實情況不匹配。各部門要按照自然環境、經濟狀況等因素合理制定農業保險保費補貼政策,根據農業保險保費補貼效率水平差異化統籌全國資源分配。第三,有效提高農戶參保積極性。要適當運用各種農業合作社之類的公共組織,加大對農業保險知識和保險補貼制度的宣傳,對積極參與農業保險的農戶進行資金獎勵,有效刺激農戶需求,提高農戶參保積極性。