鄉村振興戰略背景下的財政支農效率評價研究*

陽 揚

（中共中央黨校（國家行政學院）研究生院，北京 100091）

0 引言

農業是國民經濟和社會發展的基礎，農業、農村、農民問題是我國經濟社會發展中的重要問題。黨的二十大報告指出，全面推進鄉村振興。加快建設農業強國，扎實推動鄉村產業、人才、文化、生態、組織振興。財政資金是實施鄉村振興戰略的重要保障，在推動農業發展、加快農村進步、促進農民增收等方面發揮著關鍵作用。財政支農支出效率水平高低關乎鄉村振興戰略的發展和成效，如何優化使用財政涉農資金，提高財政支農支出效率成為農業經濟領域的重要問題。

關于財政支農支出效率的文獻眾多，石磊和金兆懷[1]運用三階段DEA 方法對我國2009—2019 年財政支農效率進行測度，指出資金使用過程中存在重投入輕管理、重支出輕績效問題。王謙和李超[2]運用三階段DEA 模型測算了我國28 個省區市1995—2014 年財政支農支出效率，得出效率均未達到完全有效，且效率水平不高的結論。毛暉等[3]構建了包含經濟效益和社會效益在內的財政支農評價體系，發現我國財政支農績效的區域差異顯著，西部地區的綜合效率、純技術效率和規模效率均為最低。杜輝[4]基于農民、農業、農村三個層面構建指標體系，發現我國財政支農支出效率由中部地區向東部、西部地區依次遞減。

現有文獻為本研究奠定了重要的基礎，但仍存在局限：第一，以往文獻在選取財政支農支出效率評價指標時，多從經濟、生態、社會等角度考慮，結合鄉村振興戰略的評價體系較少；第二，現有文獻主要運用三階段DEA 模型對各省份進行橫向分析，對各省份財政支農支出效率的縱向分析較少。因此，一方面，本文根據《鄉村振興戰略規劃（2018—2022 年）》給出的指標體系，構建包括產業興旺、生態宜居、鄉風文明、治理有效、生活富裕等五個方面的效率評價體系；另一方面，本文以2007—2020 年中國30 個省區市數據為樣本，不僅使用三階段DEA 模型對各省份的財政支農資金效率進行靜態分析，而且利用三階段DEA-Malmquist 模型對各省份開展動態分析，基于靜態與動態雙重視角，深入對比分析省份間財政支農支出效率，為政府優化財政支農資金管理提供可靠的決策依據與有效的政策建議。

1 三階段DEA模型

數據包絡分析是一種用來測量效率值的非參數模型，通過決策單元的多投入與多產出來分析相對有效性。傳統DEA 模型僅考慮了決策單元的可控因素，忽視了效率評價時會受到外界環境和隨機誤差項等不可控因素的影響。為了剔除環境因素與隨機誤差項對效率評估的影響，本文引入三階段DEA 模型，從而更為真實準確地反映各決策單元的效率情況[5]。三階段DEA 模型對決策單元的效率評價主要包含三個階段。

1.1 第一階段

傳統的DEA 模型由Charnes 等[6]提出，也被稱作CCR 模型。該模型測算了規模報酬不變的效率值，但規模報酬不變的假設與實際情況不符，為彌補這一不足，Banker等[7]將規模報酬不變假設修改為規模報酬可變，得到BCC 模型。根據效率測量方式，BCC模型分為投入導向型和產出導向型。對財政支農效率而言，控制投入更容易，因此采用投入導向型的BCC模型測算決策單元的效率值與投入松弛量。

1.2 第二階段

傳統DEA 模型計算出來的效率值受到管理效率、外部環境和隨機誤差項三個因素的影響，結果不夠準確。在第二階段中，本文運用SFA 模型對上一階段測算出的松弛值進行分解，并剔除外部環境和隨機誤差項因素，得到僅由管理無效率造成的投入冗余。在得到SFA 回歸結果后，本文將最高效率決策單元的投入量作為基準，并利用回歸結果對其他決策單元投入量進行調整，具體如下：

(Xjn)*=Xjn+[maxn(βjZn)-βjZn]+[maxn(vjn)-vjn] （1）其中，(Xjn)*表示決策單元n的第j項投入調整值；(Xjn)為決策單元n的第j項投入實際值；[maxn(βjZn)-βjZn]表示決策單元n受外部環境因素影響最大時，第j項投入需要增加的量；[maxn(vjn)-vjn]表示決策單元n處于最大隨機干擾時，第j項投入需要增加的量。調整后，決策單元都處于相同的外部環境，面臨相同的隨機沖擊。

1.3 第三階段

將調整后的投入值(Xjn)*代替原始投入值(Xjn)，再次使用DEA-BCC 模型測算效率，得到剔除了外部環境和隨機干擾因素影響的決策單元效率值，該效率值更為客觀、更加準確地反映了決策單元管理效率情況。

1.4 Malmquist指數

三階段DEA 模型只能對同一時期不同決策單元的效率值進行靜態分析，卻無法分析不同時期效率值的動態變化。本文引入DEA-Malmquist模型[8]測算財政支農支出效率的動態變化情況，并借鑒李金鎧等[9]的做法構建三階段DEA-Malmquist模型。

在DEA-Mamlquist模型中，假設(xt,yt)和(xt+1,yt+1)分別為第t期、第t+1 期的投入與產出，Dtc(xt,yt)和Dct+1(xt+1,yt+1)表示基于對應時期技術條件下的產出距離函數，c代表規模報酬不變，那么從第t期到第t+1期的Malmquist指數為：

該指數也是全要素生產率，當Mt+1(xt+1,yt+1,xt,yt)﹥1時，表明全要素生產率上升；當Mt+1(xt+1,yt+1,xt,yt)=1時，表明全要素生產率不變；當Mt+1(xt+1,yt+1,xt,yt)﹤1時，表明全要素生產率下降。

1.5 數據變量選取

根據三階段DEA 模型，計算鄉村振興下的財政支農支出效率需要的投入變量、產出變量與外部環境變量。

1.5.1 投入變量

本文選取人均財政支農支出作為投入變量，各地區財政支農支出是指政府收支科目下的農林水事務支出，該指標包括農業、林業、水利、農業綜合開發等，能夠綜合反映政府支農的投入力度。

1.5.2 產出變量

產出變量應反映財政支農資金投入產生的實際效果，本文根據《鄉村振興戰略規劃（2018—2022年）》給出的指標體系，選取包含產業興旺、生態宜居、鄉風文明、治理有效、生活富裕等方面的產出指標共8個。

1.5.3 環境變量

為了剔除外部環境因素對效率值的影響，本文從經濟發展水平、農業基礎設施水平和農村勞動力素質三個方面選取外部環境指標。變量具體描述如表1所示。

表1 投入、產出及環境變量具體描述

1.5.4 數據來源

本文以2007—2020 年我國30 個省區市的相關數據為基礎，對我國鄉村振興下的財政支農效率開展研究。所有數據均來源于2008—2020 年《中國統計年鑒》《中國農村統計年鑒》《中國城鄉建設統計年鑒》《中國人口和就業統計年鑒》《中國教育統計年鑒》。

2 實證結果與分析

2.1 基于三階段DEA模型的靜態分析

2.1.1 全國層面分析

由于篇幅限制，僅報告第三階段結果，如表2 所示。在剔除外部環境因素影響后，我國2007—2020年鄉村振興中財政支農效率均值為0.64，與前沿面相比仍有較大差距，效率水平不高。通過對效率值的進一步分解，純技術效率和規模效率均值分別為0.84、0.79，說明我國財政支農規模效率以及支農支出管理水平未達到有效程度，仍有一定提升空間。

表2 2007—2020年全國及省份層面財政支農支出效率均值（第三階段）

2.1.2 省域層面分析

調整后各省份財政支農效率均有所提升。從綜合技術效率值分解角度，可將30 個省區市分成以下幾類：1）北京、天津、上海、福建、重慶、海南、青海、寧夏的純技術效率和規模效率均超過0.8，說明這類省份的財政支農支出效率普遍較高，需改進的方面相對較少；2）內蒙古、遼寧、江蘇、浙江、江西、山東、湖南、湖北、陜西、新疆的純技術效率大于0.8，規模效率小于0.8，說明這類省份應注重改進財政支農的規模效率，進一步擴大支出規模，優化資金配置；3）河北、山西、吉林、安徽、河南、廣東、廣西、四川、云南、甘肅的純技術效率小于0.8，規模效率大于0.8，說明這類省份應注重改進財政支農的純技術效率，提高財政支農資金管理水平；4）貴州和黑龍江的純技術效率與規模效率均小于0.8，這類省份既要擴大財政支農投入，也要提升資金管理水平，以更好地促進農業發展。

2.1.3 SFA 模型回歸結果分析

本文運用SFA 模型，以農村地區人均GDP、農村居民人均受教育年限、農業機械總動力三個環境因素作為解釋變量進行回歸分析，并借鑒已有研究[9-10]，采用逐年分析的方式，共建立42 個回歸方程，并僅列出樣本中間年份即2013 年的回歸結果，如表3所示。

表3 2013年SFA 回歸模型結果（第二階段）

結果表明：1）地區人均GDP 對財政支農投入松弛值的影響在1%的顯著性水平上呈負相關，說明經濟發展水平越高的省份越能有效降低財政支農資金投入，在一定程度上提高財政資金在鄉村振興中的使用效率。2）人均受教育年限對財政支農投入松弛值的影響在1%的顯著性水平上呈負相關，說明農村勞動力素質的提高，可以促進農業生產效率提高，從而提高財政支農資金使用效率，故提升農村勞動力教育水平有助于提高財政支農效率。3）農業機械總動力對財政支農投入松弛值的影響在1%的顯著性水平上呈正相關，說明農業機械的增加會使投入松弛量增加，從而降低財政支農資金的使用效率。農業機械本身會耗費財政支農資金，倘若投入過大，不注重與之相匹配的農戶知識技能的培養，先進農業機械將無法充分發揮作用，造成農機的低水平使用，不利于生產效率的提高，反而會導致支農資金的浪費，對財政支農資金使用效率產生負面影響。

2.2 基于三階段DEA-Malmquist指數模型的動態分析

2.2.1 全國層面分析

由于篇幅限制，僅報告第三階段結果，如表4 所示。在剔除外部環境因素影響后，研究期內鄉村振興中的財政支農效率的技術進步指數、全要素生產率指數提升，表明真實的財政支農資金使用效率、管理決策正確性的改進程度較大。調整后我國財政支農的Malmquist 指數均值為0.97，小于1，故平均增長率為-3%；將Malmquist 指數進一步分解為綜合技術效率指數和技術進步指數，綜合技術效率指數下降了4%，技術進步指數增加了6%，可見技術進步是促進支農效率提升的關鍵原因，而綜合技術效率對支農效率的提高起到了阻礙作用。

表4 各省份2007—2020年平均財政支農支出效率Malmquist指數及分解（第三階段）

2.2.2 省域層面分析

由表4 可知，調整后各省份的財政支農全要素生產率指數有所提高，有11 個省區市的全要素生產率指數大于1。從Malmquist 指數的分解角度來看，調整后所有省區市的技術進步指數均大于1，說明我國財政支農投入在技術進步層面的效率較高，成為推動全要素生產率提升的主要因素，但綜合技術效率指數較低，僅有天津、海南、四川、青海、寧夏的綜合技術效率大于或等于1，其他省份的綜合技術效率均小于1，說明我國應提升財政支農的制度管理水平。

3 主要結論和政策建議

鄉村振興戰略是高質量發展的“壓艙石”，財政資金是實施鄉村振興戰略的重要保障，在推動農業發展、加快農村進步、促進農民增收等方面發揮著關鍵作用。本文構建了鄉村振興戰略財政支農資金的效率評價體系，利用三階段DEA 和三階段DEAMalmquist 指數，從全國層面和省份層面分別對我國30 個省區市2007—2020 年財政支農支出效率進行了測算，主要得出以下結論：1）從靜態分析結果來看，我國整體及30 個省區市財政支農支出效率并未達到完全有效，距離效率前沿面仍有一定距離；調整后各省區市的效率水平均有所提高，天津、海南的效率值均為1，其他省份仍存在改進空間。2）從動態分析結果來看，我國整體財政支農的Malmquist 指數小于1，主要原因是綜合技術效率水平較低；有11 個省區市的全要素生產率指數大于1，還有改進空間。3）SFA回歸分析結果表明，外部環境對財政支農效率有一定影響，地區經濟發展水平、農村勞動力素質對提高財政支農效率具有顯著的正向作用，而農業基礎設施水平與財政支農支出效率呈顯著的負相關。

依據研究結果，本文提出以下對策建議：

1）進一步規范和加強財政支農資金管理，提高資金使用效益，夯實鄉村振興基礎。財政支農資金管理不完善會導致財政支農支出效率低下，帶來投入浪費現象。因此，要深入探索更為科學規范的財政支農資金使用管理機制，精準聚焦和投入，將有限的資金用在刀刃上，切實提高資金使用效益。要進一步加強預算執行與績效管理，強化預算約束力，優化財政支農資金配置。

2）各地區應基于自身財政支農資金使用效率的具體情況，有針對性地加強財政支農資金管理或調整財政支出規模，提高資金使用效率，不斷縮小區域差異。根據效率值分解，相較于純技術效率，規模效率水平更低，說明財政支農投入規模是制約財政支農效率提高的主要因素，因此要注重改善財政支農資金投入規模；根據區域分析，中部地區的綜合技術效率值最低，主要原因是其純技術效率水平偏低，表明財政支農資金使用管理不足導致效率較低，因此要加強財政支農資金管理，創新管理模式，提升鄉村振興資金使用效率。

3）重視地區經濟發展水平、農村勞動力素質以及農業機械總動力等外界環境因素對財政支農資金使用效率的影響。首先要加快鄉村教育發展，著力提升農村義務教育質量，推動教育資源公平配置，加強對新型職業農民的培訓，提升農村勞動力素質；其次是避免農業機械的低水平使用，加強對農業機械操作人員的培訓，提高農業機械使用效率，實現農機作業產量足、效益高、生態好。