我国地方财政支出效率评价——基于三阶段DEA方法

王金秀 于井远

(中南财经政法大学 财政税务学院，湖北 武汉 430073)

一、问题提出及文献综述

我国新《预算法》提出了增加政府预算透明度、推进预算公开、实施全口径预算管理等要求，十九大报告也明确提出全面实施绩效管理的战略理念。在新的规定下必然要求政府部门的每笔支出都要有明确的去处，并接受全社会的监督。不仅要确保每笔支出在阳光下运行，也要确保符合成本收益原则，那么对现阶段财政支出效率的考量自然就是应有之意，问题是财政支出效率的测量如何进行？目前我国财政支出的效率受哪些因素的影响？本文基于以上问题对我国目前财政支出的效率现状进行分析，并试图对这些问题进行解答。

理论上讲，评价财政支出要从效率与公平两个视角出发，效率分析通常采用成本效益法，要求综合考虑不同的支出方案对各个阶层的影响，即进行利益归宿分析，但在实践中存在着大量的信息不完全与评价能力的约束，直接测量利益归宿是非常困难的，而且即使技术上可行也会花费非常大的人力物力。现有的文献处理大多是根据政府的支出功能寻找替代指标，如基础设施投资，由于存在较大外部性，通常选取人均化产出指标作为替代变量进行处理，而通常采用的方法是衡量政府的直接投入与直接产出，通过模型将二者进行对比来评价政府资源配置效率。

文献中评价支出效率最常用的分析方法是数据包络分析(DEA)，该方法在评价财政支出中特别是在多产出多投入的效率方面具有特定的优势。自Charnes 等(1978)首次利用 DEA方法研究了静态和动态财政支出效率以来[1]，出现了大量使用DEA模型分析财政支出绩效评价的文献，如Borger 等(1993)分析了比利时的市政支出效率[2]，Afonso(2006)则分析了葡萄牙的地方财政支出效率[3]，Boetti等(2012)采用随机前沿法(SFA)分析了意大利的财政支出效率[4]。

目前，国内使用DEA进行效率评价主要集中于某一类支出：教育支出方面如亓寿伟等[5]；卫生支出方面如王宝顺和刘京焕(2011)[6]；农业支出方面如王谦和李超(2016)[7]；科技支出如梁淑美和王淑慧(2012)[8]；主要使用的方法有Malmquist指数法、SBM超效率法、局部前沿效率法等。

利用DEA模型评价我国总体财政支出效率的文献较少，其中陈诗一和张军(2008)较具代表性[9]，他们利用DEA方法与受限Tobit模型核算财政分权中省级政府财政支出的相对效率，该研究通过构建单投入、单产出的评价体系，将人均预算内财政支出和预算外总支出作为投入变量，以教育、卫生、基础设施为产出指标分析1978～2005年的我国省级财政支出效率。另外，李永友(2009)则是从财政支出的时空特征角度出发利用DEA方法研究了我国财政支出结构的配置效率[10]。孙群力等(2016)则使用超效率DEA分析了区域性的财政支出效率等[11]。

基于DEA模型在评价政府支出效率方面特定的优势，本文也采用此种方法。但与上述文献不同的是，本文采用三阶段DEA分析法，主要原因是三阶段DEA模型不仅可以用来分析环境因素的影响，而且还能剔除环境与随机干扰项后，准确地评估财政支出的效率值，真实反映省际效率水平。国内学者厉伟等(2014)、王谦和李超(2016)使用三阶段DEA分析了省级农业财政支出效率[7][12]，洪源等(2014)使用此方法分析了地方政府债务使用效率[13]，刘自敏等(2014)分析了省级政府卫生财政支出效率[14]。

综上，现有使用三阶段DEA分析财政支出效率的文献中，大多和传统DEA模型一样分析某一类的财政支出效率，少量分析综合财政支出效率使用的也是横截面数据。为此本文通过使用我国近十年来31个省级行政区(自治区和直辖市)的财政支出数据，构造动态面板模型，建立包括地区发展水平、制度因素等影响因素在内的效率综合评价体系，在现有文献研究基础上进行补充。具体做法是第一阶段测算出包含环境因素与随机干扰项的效率值，第二阶段使用随机前沿模型剔除内部管理水平差异，得到同质环境下财政支出的投入值，最后利用第二阶段分析结果计算出各省份2007～2016年较为真实的财政支出效率值。

二、基于三阶段DEA的财政支出绩效分析模型的构建

数据包络分析(DEA模型)自Farrel(1975)提出，后经Charnes、Cooper和Rhodes(1978)扩展[1]，其主要内容是根据决策单元(decision making units,DMU)的投入与产出来分析相对有效性。在进行多产出与多投入的效率评价时，DEA提供了一种较为客观而科学的方法。

现有文献常用DEA-Tobit与三阶段DEA模型分析环境因素对效率值的影响，前者本质上属于两阶段分析法，主要目的是分析环境因素对效率值的影响，而并没有改变真实的效率值，而三阶段DEA模型不仅在第二阶段分析环境因素对效率值的影响，而且在剔除了环境因素和随机干扰项之后，在第三阶段进一步测算真实的效率值，方法上比前者更进一步。为此，本文使用三阶段DEA模型在排除环境影响与随机因素影响两个变量后，在同质环境下比较决策单元之间的相对效率值，从而真实反映决策单元的实际管理水平。基本思路如下：

第一阶段传统DEA分析：基于各DMU 的投入与产出，利用 DEA 模型计算出效率及投入松弛量。以投入导向的BCC模型为例：

(1)

式(1)中，1,2…n表示决策单元，X,Y分别是投入、产出向量,s即此阶段产生的松弛变量，ε为非阿基米德无穷小。若θ=1，S-=S+=0，则决策单元DEA有效；若θ=1，S-≠0且S+≠0，则决策单元弱DEA有效；若θ<1，则决策单元非DEA有效。公式中的S值即是第一阶段所需要计算的松弛变量值。

第二阶段DEA分析：这一阶段是整个模型分析的关键部分，主要是通过SFA建立第一阶段分析得到的投入松弛变量关于环境因素和混合误差项的回归分析模型。构造函数如下：

Sni=f(zi,β)+uni+νni

(2)

(3)

E(νni|νni+νni)=Sni-f(z,β)-E(uni|νni+uni)

(4)

(5)

三、基于三阶段DEA模型的地方财政支出效率测算及影响因素分析

(一)指标选取

本文指标选取依据是2007年我国对政府各类支出经济性质与功能的重新分类，该分类科目中共有17类支出，根据文献中常用分类方法将其分为购买性支出与转移性支出，其中购买性支出分为消费性支出与投资性支出，本文进一步将消费性支出分解为公共服务支出与维护性支出，具体为：公共服务支出为科教文卫事业支出，转移支出为社会保障与就业支出、灾后重建支出、援助支出、住房保障支出；维护性支出包含一般公共服务支出、外交、国防、公共安全等支出，剩余部分列为投资性支出。维护性支出主要是政府维持自身运作所需的支出，转移支出具有专款专用性质，地方政府资源配置的权限主要在于公共服务支出与投资支出，因此本文根据此两类财政支出进行效率的测算，数据选取以2007年为基准，对31个省(自治区和直辖市)2007～2016年的财政支出数据进行测算。

在指标选取方面，选取人均公共服务支出、人均投资支出作为投入指标，并进行对数处理。产出方面，依据投入产出配比原则选取教育产出、科技产出、卫生医疗产出、基础设施产出衡量产出结果，其中前三者可以视为公共服务类产出，这类产出指标越高说明地方政府在民生支出的效率就越高，否则相反。

环境方面，考虑到政府部门在进行资源配置时会受到一系列约束，如财力、制度等。由于这些约束的限制，地方政府进行资源配置时侧重点就会有所不同，因此选取人均GDP、城市化水平、政府规模、人口密度作为地区发展水平类约束指标，其中人均GDP代表了地区发展水平，是衡量地方财源大小的重要指标，人均GDP越高代表政府可以利用的资源就越多，从而提高财政支出效率，但De Borger(1996)认为收入高的地区同样会造成资源的浪费[2]。选取这个指标不仅是因为其可以约束政府的预算行为，也可以实证检验研究期间我国的人均GDP对财政支出效率的影响情况；城市化水平衡量城镇人口的占比，一般文献中认为城市化水平较高的地区代表了城市人力资本也就越高，相对于农村来讲人均受教育水平就会越高。城市化水平越高的省份在进行资源配置时就越会偏重于基础设施的投资与公共服务的支出，财政支出效率也就越高；政府规模数据的选取参照陈诗一和张军(2008)的做法使用支出法GDP中政府消费占GDP的比例衡量；人口密度采用每平方公里人数进行衡量；选取财政分权作为制度约束类指标，分权度越大说明地方政府财力自主也就越大，进行资源配置时效率就会越高，Qian 和 Weingast(1997)认为财政分权提高了市场化进程[16]，促进了政府部门效率的提升;陈诗一和张军(2008)也实证检验了1978～2005年二者之间的关系，结论是二者在考察期间呈现正相关[9]，因此本文选取这一指标度量制度约束对财政支出效率的影响。

(二)数据来源

本文数据全部来源于历年《中国统计年鉴》与国研网数据库，为了数据的可获得性与可比性，本文仅考虑31个省级行政区(自治区和直辖市)的财政支出，数据的具体处理方法如下：

1.产出数据方面。一般而言，地方政府负责提供使本辖区居民受益的公共产品，这些公共品外部性相对来说较小，如基础设施投资、卫生医疗支出、科技支出、教育支出等，因此本文针对这些公共产品选取4个指标进行产出分析。具体如下：基础设施投资产出指标有农村灌溉面积占总播种面积、人均农村用电量(千瓦时/人)、人均铁路里程(公里/人)、人均公路里程(公里/人)、人均业务邮电量(元/人)5个子指标；卫生医疗产出有每万人拥有的医疗技术人员数、每万人拥有的床位数2个子指标；科技产出有人均技术交易成交额(元/人)、每万人专利授权数2个子指标；教育产出指标有每万人拥有的大专及以上高等教育教职工人数、中等教育教职工人数、小学及以下教育教职工人数3个子指标。由此，共有4个指标12个子指标，数据的处理采用标准化法，即每个指标根据其子指标在进行标准化之后加权平均得到。

2.投入数据方面。依据前文所述，本文选取的投入指标为人均公共服务支出与人均投资支出，而未采用人均财政支出，这是因为就本文所要讨论的产出而言，选取人均财政支出会使得投入的数据范围过大不能和产出一一对应。

3.环境数据方面。本文主要从经济发展水平、财政分权度来讨论外部环境因素对政府资源配置的影响。选取人均GDP代表当地的经济发展水平，数据直接选自统计年鉴；财政分权度数据的选取，通常有3种度量方法：地方政府总收入占全国总收入的比重、地方财政总支出占全国总支出的比重、地方财政消费支出占全国总消费的比重。本文使用当年财政支出占全国财政支出的占比进行衡量。以上数据除了产出类指标外均进行了价格平减，为了平稳化数据，并采取了对数形式。

(三)实证结果及分析

1.第一阶段DEA测算结果。本文依据Deap2.1利用传统DEA模型测算2007～2016年财政支出效率，下文从全国、区域、省际三个层面分析。

从全国层面看，2007～2016年我国财政支出效率整体上未完全达到效率前沿，但呈现上升趋势，在不剔除环境变量与随机干扰的情况下，考察期间，财政支出的技术效率值平均值为0.8，纯技术效率值为0.97，规模效率值平均值为0.82。纯技术效率值要比技术效率值、规模效率值更接近效率前沿，这说明我国代表纯技术效率的管理决策水平有了很大提高。

从区域角度来看，地区之间的技术效率值排名为东部、中部、西部，分别为0.87、0.79、0.74；纯平均技术效率的表现上三地区差异不大；规模效率上排序为东、中、西，分别为0.89、0.8、0.77,这也是西部平均技术效率低于东中部的主要原因(见表1)。

从省际角度看，北京、上海、山东、广东、河南等5省(市)的效率值均为1(其中，河南逼近于1)，处于效率最前沿。而效率值不超过0.8的省份有15个，分别是福建、海南、天津、甘肃、贵州、广西、西藏、宁夏、青海、云南、安徽、吉林、江西、山西、重庆，其中3个东部省份、8个西部省份、4个中部省份。

表1 第一阶段DEA测算结果

注：(1)TE：技术效率值， PE：纯技术效率值，SE:规模效率值，TE = PE*SE；(2)区域划分标准:为了保持与现有文献结论的可比性，本文延用1986年我国第七个五年规划中的东中西部划分方法。

2.第二阶段DEA回归结果。在第二阶段，将第一阶段传统DEA测算出来的松弛变量值作为被解释变量，将财政分权、人均GDP、城市化水平等环境因素作为解释变量，采用Frontier 4.1软件进行随机前沿(SFA)回归，具体测算结果如表2。

表2 第二阶段DEA分析回归结果

注：似然比检验统计量在1%的水平上均大于单边检验值14.325，拒绝模型无效率的假设，说明模型显著。

由于第二阶段的被解释变量表示决策单元的投入冗余，因此当模型回归系数为正时，表示增加此变量投入会导致决策单元的投入冗余，即带来资源的浪费；当回归系数为负时，表示增加该环境变量的投入有利于提高效率，减少资源的浪费。

表2中参数γ代表了政府资源配置过程中管理无效率的方差占松弛变量总方差的比重，该系数大小与政府内部管理效率成反比。系数值越大说明管理的无效率占比就越大，表2中的γ值分别为0.53、0.82，在显著性水平检验上均通过了1%的显著性水平检验，说明资源配置过程中人均公共服务支出、人均投资支出中松弛变量受环境因素与随机干扰项的占比分别为47%、18%，通过比较这两个数据不难发现相比于公共服务支出，基础设施的投资内部管理效率较差。

(1)人均GDP。该变量系数为正，且均在1%的显著性水平上通过检验，意味着人均GDP高并不必然导致政府支出效率高，这说明经济越发达地区反而容易造成资源的浪费，地区人均GDP越高会造成政府闲置资源较大，无助于效率提升。这一点与陈诗一、张军(2008)的研究比较一致[9]。比较人均公共服务支出与人均投资的系数发现，每增加一单位的人均GDP导致的基础投资效率损失要比公共服务大，说明财政支出更容易在基础设施投资上造成浪费，这可能与地方政府“竞争锦标赛”和“跑部钱进”的策略行为有关。

(2)财政分权。该变量系数为负，在显著性水平检验上，人均公共服务支出在1%的显著性水平上通过检验，说明财政分权度越大，地方政府的财政自主性就越强，公共服务支出的效率也就越高，而人均公共投资未通过显著性水平检验。根据Otaes的观点，地方政府在提供辖区内公共物品时相对于中央政府更加具有信息优势，能够根据辖区居民的偏好进行资源配置，因此会提高资源配置效率。

(3)城市化水平。该变量系数为负，分别在 2.5%、10%的显著性水平上通过检验，说明提高城镇化率可以提高财政支出效率，本文认为城镇化水平的提高意味着人口向城市的聚集，这部分人口的人力资本水平相对于农村人口的较高，根据自身发展、家庭教育、医疗服务等对当地政府提供公共物品(服务)的需求也就较高，根据Tibout“用脚投票”理论，地方政府为了满足当地的公共物品需求，会增加提供公共物品(服务)的规模，从而形成规模经济，降低了单位公共品的成本，提高了财政支出效率。

(4)政府规模。该变量系数为负，未通过显著性水平检验，说明政府规模的扩大对政府支出效率的提升作用并不显著。

(5)人口密度。人均公共服务支出的t值较小，未通过显著性检验，而人均投资支出的t值在5%的水平上通过检验。说明人口密度的大小与公共服务支出的效率没有相关关系，如2007年的黑龙江人口密度要远远低于福建、江西、湖北、湖南，但是效率值却高于福建、江西，与湖北、湖南几乎持平；又如同期的新疆人口密度同样低于上述4个省份，但效率水平却比这4个省份高。一种可能的解释是西部地区财政收入主要靠转移支付获得，相应的财政支出要受到中央严格的监督，地方政府在转移支付上的自主性不大，所以支出效率较高。

3.第三阶段DEA模型测算。第三阶段DEA分析根据第二阶段SFA回归结果，剔除了环境变量与随机误差项的影响，根据重新调整后的人均公共服务支出与人均公共投资支出作为新的投入值进行DEA效率分析，最后得到地方政府在同质环境下的效率值。具体效率值如表3所示。

表3 第三阶段DEA分析测算结果

注：TE：技术效率值， PE：纯技术效率值，SE:规模效率值；TE = PE*SE

通过对比表1与表3，不难发现，在剔除了环境因素与随机干扰的情况下，地方财政支出效率值发生了不同程度的变化，具体变化如表4。

从表4可以看出：(1)全国的平均技术效率由0.8上升至0.81，上升0.01，平均纯技术效率由0.97上升至0.99，上升0.02，平均规模效率从0.82下降为0.81，就平均而言，期间政府部门管理技术在调整后有所上升，说明传统DEA在效率值的评估上并不能真实反映政府资源配置的效率值。(2)调整前，北京、广东、山东、上海、河南等5个省份处于效率前沿，调整后仍是这5个省份，未发生变化，说明这5个省份的资源配置效率一直都最高。(3)调整后，大多数省份的纯技术效率值有所提升，提升幅度最高的是海南、天津、宁夏、青海、西藏等5个省份，分别提升0.06～0.07，说明了环境因素对省级支出效率的影响是比较明显的。为进一步比较各地区财政支出效率的变化情况，本文把2007～2016年经过调整的各省份财政支出效率值的部分特征值列于表5中。

表4 第一阶段与第三阶段测算结果对比

注：表中的数值均为第三阶段测算结果减去第一阶段测算结果，均保留两位有效数字，其中负值表示调整后的数值小于调整前的数值。

表5 我国2007～ 2016年区域财政支出效率特征值

从表5中可以看出，近年来我国调整后的效率差异均比调整前有所下降，东部的效率值差异从2007年的0.15下降至0.12，西部从2007年的0.14降至0.11，中部地区从0.12降至0.11，下降幅度东部和西部最大；从平均值上看，各区域均有所上升，其中西部地区上升幅度最大，为0.14。变异系数变化态势进一步印证了各地区之间的财政支出效率的差距在缩小，说明政府管理水平所导致的效率随着时间而趋同，出现较大变化的是规模效率所带来的平均技术效率的变化。

(四)效率差异的原因分析

通过前文分析，得出地方财政支出效率差异主要受规模因素及环境因素影响的结论。本部分针对这两种影响因素分别进行分析。

1.规模因素分析。在分离出环境因素之后，由于政府管理水平日渐趋同，平均技术效率差异主要归结于规模因素，也就是说效率差异主要是资源配置、产业结构等引起的，这一点可以从第二阶段随机前沿分析中得出结论，并且人均服务支出与人均投资支出中政府管理无效率占比分别为53%、 82%，资源错配占比分别为47%、18%，可见相比于人均服务支出，人均投资支出的效率更低。三地区相比较而言，西部地区的投资服务比在样本期的大多数年份都高于中部，而东部最低。通过分析省份之间的投资服务比发现处于效率前沿省市的投资服务比较低，如广东比值为0.70，说明其公共服务水平较高，而青海、宁夏、西藏、内蒙古基本在2左右，其公共服务提供水平较低，当政府将一定的财力用于基础设施建设时必然将导致公共服务供给的短缺；从2007～2016年时间趋势上对比来看，各地区的投资服务比都高于2007年，这一比例在2013～2015年开始下降，说明了地区已逐渐在提高公共服务支出的比重。

2.环境因素分析。在第二阶段随机前沿分析中人均GDP较高的地区反而会降低财政支出效率，通过比较其对服务与投资支出的效率值可以发现，经济水平越发达的地区在基础设施投资上的效率损失就越大，说明经济发展水平更高的地区闲置资源也就越大，这会损害效率的提升；财政分权、城市化水平与财政支出效率正相关，这与目前大多数研究结论相同，财政分权度与地区人口素质的提升对公共服务支出效率有显著的正影响。值得注意的是，政府规模对财政支出效率并无显著影响，这一点并不支持倡导小政府的传统理论，究其原因：一方面我国目前处于转轨经济，市场化程度不高，而资源在从由私人配置转移至政府配置的过程中，由于政府在这方面比私人具有先天的优势，其配置效率要比私人部门配置效率较高；另一方面由于存在着越位与缺位问题，导致政府在市场竞争较为集中的行业支出效率并不高。这两方面在转轨时期的中国经济中不难理解，不过也要看到其参数值相比于其他因素影响较小，转轨时期的我国政府规模虽对财政支出效率有正向影响，但影响不大。

四、简要总结及政策建议

本文使用三阶段DEA模型分析了2007～2016年我国财政支出的综合效率，以效率值作为被解释变量，环境因素作为解释变量，不仅分析了环境因素对效率值的影响，并在剔除了环境因素与随机干扰项后测算出了研究期间真实的效率值，根据前文效率差异的原因等总结并提出以下政策建议：

第一，地方财政支出的效率差异主要是由规模因素引起的。在未剔除环境变量与随机因素的影响时，东部地区的效率值为0.87，调整后为0.88，西部地区的效率值在调整前为0.74，调整后为0.75，中部地区的效率值调整前后未发生变化，为0.79，变化显示了环境因素的影响是存在的，而且比较显著；相对于总体效率值，政府的管理水平变化所导致的效率差异较小，各地的管理水平随着时间推移而趋同，从而得出结论：财政支出效率的变化主要是由规模效率较低引起的，我国地方政府在资源配置过程中要注重其合理性。

第二，地区发展水平对财政支出效率存在显著的负影响，财政分权等因素则相反。人均GDP的提升增加了政府支出效率的投入冗余，带来了资源的浪费，因此在提高财政支出效率的同时要警惕支出过程中存在的资源浪费情况，保证财政支出的合理性与有效性；财政分权、城市化水平与财政支出效率正相关，二者的提升有利于提升财政支出效率，对人均投资支出效率影响不显著；政府规模对政府支出效率没有显著的影响。

第三，政府管理水平随时间变化呈现趋同趋势。2007～2016年我国各地区效率值的平均值与标准差都有所下降，说明在剔除了环境因素与随机干扰之后，地区之间的差异逐渐在缩小，政府管理水平随着时间变化呈现出趋同的迹象，进一步揭示了提高政府治理水平、优化资源配置结构对提高财政支出效率的重要性。