基于动态及三阶段DEA 的种植业 保险保费补贴绩效评价

吴海平 尉京红

（河北经贸大学1) 河北石家庄 050061 河北农业大学2) 河北保定 071000）

1 引言

农业保险的快速发展为我国现代农业建设提供了保驾护航的作用，保费补贴是这项政策能够顺利实施的重要助推器[1]。在现实需求和国家政策的引领下，国内不少学者开始关注和研究中国农业保险保费补贴的绩效评价问题。例如，郑军等（2014）[2]利用2011 年的相关数据，通过计量经济学方法，得到农业保险财政补贴对农业总产值的产出弹性，并利用该弹性衡量农业保险财政补贴的效率，分析财政补贴的最优规模。张旭光等（2014）[3]、钱振伟等（2014）[4]利用数据包络分析方法，分别对内蒙古、全国农业保险保费补贴的制度效率、规模效率和综合效率分析和评估。综合现有文献来看，国内对保费补贴绩效水平的衡量主要采用数据包络分析工具，但是主要以静态的角度分析某一年的保费补贴效率，无法考察农业保险保费补贴效率的动态变化特征，并且由于我国南北差距、东西差距明显，各省的经济结构、自然环境以及种植习惯存在巨大差异，保费补贴的绩效水平会受到外在环境的影响，造成绩效评价的不准确。

绩效评价既是现有农业保险政策的归结点也是新形势农业保险政策的出发点，我们利用动态DEA的方法对我国种植业保险保费补贴绩效水平进行评价，并利用三阶段DEA 对动态DEA 的结果进行修正，更加准确、完整地研究保费补贴的绩效水平和变化过程，以期在农业供给侧结构性改革的新形势下，为农业保险政策提出更加精准的改进方案。

2 研究方法与数据来源

2.1 研究方法

“绩效评价”应用最广泛的研究方法是随机边界分析方法（SFA）和数据包络分析方法（DEA）。SFA 需要设定函数的具体形式，当变量较多时，处理难度较大，并且通常需要假定不存在规模效应，要求技术的充分有效性以及希克斯中性技术进步等，因此近来越来越多的学者采用“面向数据”的非参数研究方法，即DEA。然而Fried 等（2002）[5]的研究成果显示，利用传统DEA 估计农业保险补贴效率时无法控制和排除外在环境的影响，如农民收入水平、农民受教育水平、灾害等，也无法排除随机因素的影响，其估计值的可信度会降低，因此本文利用三阶段DEA 的方法对动态DEA 模型中的每个时段进行估计，利用修正后的估计结果进行动态绩效分析。

2.2 数据来源

通过整理和汇总中国保监会的相关资料及2009-2013 年的《中国农村统计年鉴》得到2008-2012年我国各省各指标的数据及三个环境变量的数据。其中，由于2008-2010 年西藏的保险数据缺失，因此在2008-2010 年仅用30 个省（西藏除外）的数据进行研究。

利用SPSS 17.0 对2008-2009 年的投入产出数据进行Pearson 相关性检验，以验证DEA 模型中投入与产出的正相关性，并得到检验结果（表2）。从投入指标与产出指标之间的相关性检验表（表2）可得出，所选取的投入与产出均为正向关系，并且Pearson 系数都在1%的水平下显著。这表明本文所选取的投入产出指标符合模型所要求的“同向性”原则，具有合理性。

表1 投入指标与产出指标之间的相关性检验

3 实证结果分析

3.1 第一阶段DEA 实证结果

利用Deap2.1 软件，计算出31 个省（市、自治区）的效率情况（如表2）。2008-2012 年每年综合效率值为1 的省份数量分别为：9、7、10、8 和5，分别占样本总数的30.00%、23.33%、33.33%、25.81%和16.13%，说明农业保险保费补贴政策实施的整体效率较差，存在较大改善空间。

根据动态DEA 理论，对于一个动态DMU 来说，动态效率值越小，说明其各年度松弛变量之和越小，其绩效越高；反之，则越低。动态效率值为0 的DMU 才处于生产前沿面上。评价样本中的31个省（市、自治区）中只有北京、海南和西藏三个省份动态综合效率衡量指数为零，说明其他省份均不在生产前沿面上（表2）。

表2 第一阶段结果及动态效率

数据来源：根据软件deap2.1 的计算结果整理。其中TE 为技术效率，PTE 为纯技术效率， SE 为规模效率。

3.2 第二阶段SFA 回归结果

将第一阶段投入变量的松弛量取对数后作为被解释变量，将上文选取的环境变量（家庭经营收入、受灾面积、评价受教育年限）取对数后作为解释变量，利用软件stata11.0 进行SFA 分析，得到结果（表3）。

表3 第二阶段SFA 回归估计结果

从第二阶段SFA 回归估计结果表（表3）可以看出：（1）家庭经营收入、受灾面积和平均受教育年限对保费补贴投入的松弛变量分别在1%、1%和10%的水平下显著，受灾面积对农民缴费投入的松弛变量在1%的水平下显著，说明环境变量对保费补贴的效率有显著影响，应该进行三阶段DEA。（2）以保费补贴投入冗余为解释变量时，环境变量的系数显著为正，说明环境变量越大，投入冗余越多，越不利于效率的提高，其可能的原因是：当家庭经营收入、受灾面积和平均受教育年限提高时，农户投保的积极性增加，这时应该更好利用种植业保险的商品性质，减少行政干预，否则为解决种植业保险公共物品属性而开展的保费补贴的效率会降低，这与Siamwalla 与Valdesd 在1986 年的研究成果相似[7]：若农业保险不是公共物品，则保费补贴会在一定程度上造成社会福利的净损失。（3）以农民缴费投入冗余为解释变量时，只有受灾面积的系数能够通过显著性检验，且为正，其可能的原因是，在受灾面积较大的省份农民缴费并没有获得应有的补偿。一般情况下，受灾面积增加，农民的风险防范意识增强，会主动缴纳较多的保费，期望获得更多的补偿，但统计数据显示，农民获得的补偿并没有随之增加：2008-2012 年各省的受灾面积和种植业保险赔偿总额之间的相关系数为-0.02，显著性检验的P 值为0.76，不能拒绝两者之间不相关的假设。由于产出（赔偿总额）没有增加，而投入（农民缴费）增加了，因此将会引起投入冗余的增加。

3.3 调整后的动态DEA 分析

利用第二阶段的SAF 回归对投入变量的数值进行调整，将调整过的补贴总额与农民缴费作为投入指标，将原保险密度、保险深度、赔偿总额及承保面积作为产出指标，再次利用deap2.1 对2008-2012年的效率进行分析，得到结果（表4）。

表4 第三阶段结果及动态效率

对比DEA 分析第一阶段和第三阶段结果，从平均情况来看，第三阶段的综合效率、纯技术效率和规模效率分别为0.73、0.91 和0.80，第一阶段为0.66、0.82 和0.80。可看出剔除环境因素和随机因素影响后，各DMU 效率都出现了不同程度的变化，其中以纯技术效率的变化最为明显。另外通过state11.0对第一阶段和第三阶段的结果进行单因素方差分析，结果认为调整前和调整后纯技术效率有明显变化(表5)。

表5 第一阶段和第三阶段结果对比表

4 研究结论与政策建议

本文利用动态DEA 以及三阶段DEA 的方法，对2008 年至2012 年农业保险保费补贴政策的技术效率、规模效率和综合效率进行了分析，分析结果认为：全国约有2/3 的省份，技术效率为1，而综合效率进有1/3 的省份达到1，并且影响综合效率的主要因素是规模效率，有一半以上的省份存在规模报酬递减的情况。

综合以上研究结果，在农业保险保费补贴的实施过程中，应适当控制农业保险规模，农业保险的补贴标准与补贴比例不应“一刀切”，应因地制宜，实行差异性补贴政策。对于处于规模报酬递减的无效地区，在财政实力允许的前提下，应结合本地区农业发展的条件和自然灾害发生的特点，通过增加农业保险的受灾赔款支出，创新理赔，扩大农业保险补贴品种和范围来创新农业保险政策。此外，由于我国地域广阔，各省、市、区的农业及自然条件各不相同，应继续坚持目前的差异化的保费补贴制度，但具体的补贴比例与补贴方式各地区还有待创新。