乡村振兴战略背景下的财政支农效率评价研究*

阳 扬

（中共中央党校（国家行政学院）研究生院，北京 100091）

0 引言

农业是国民经济和社会发展的基础，农业、农村、农民问题是我国经济社会发展中的重要问题。党的二十大报告指出，全面推进乡村振兴。加快建设农业强国，扎实推动乡村产业、人才、文化、生态、组织振兴。财政资金是实施乡村振兴战略的重要保障，在推动农业发展、加快农村进步、促进农民增收等方面发挥着关键作用。财政支农支出效率水平高低关乎乡村振兴战略的发展和成效，如何优化使用财政涉农资金，提高财政支农支出效率成为农业经济领域的重要问题。

关于财政支农支出效率的文献众多，石磊和金兆怀[1]运用三阶段DEA 方法对我国2009—2019 年财政支农效率进行测度，指出资金使用过程中存在重投入轻管理、重支出轻绩效问题。王谦和李超[2]运用三阶段DEA 模型测算了我国28 个省区市1995—2014 年财政支农支出效率，得出效率均未达到完全有效，且效率水平不高的结论。毛晖等[3]构建了包含经济效益和社会效益在内的财政支农评价体系，发现我国财政支农绩效的区域差异显著，西部地区的综合效率、纯技术效率和规模效率均为最低。杜辉[4]基于农民、农业、农村三个层面构建指标体系，发现我国财政支农支出效率由中部地区向东部、西部地区依次递减。

现有文献为本研究奠定了重要的基础，但仍存在局限：第一，以往文献在选取财政支农支出效率评价指标时，多从经济、生态、社会等角度考虑，结合乡村振兴战略的评价体系较少；第二，现有文献主要运用三阶段DEA 模型对各省份进行横向分析，对各省份财政支农支出效率的纵向分析较少。因此，一方面，本文根据《乡村振兴战略规划（2018—2022 年）》给出的指标体系，构建包括产业兴旺、生态宜居、乡风文明、治理有效、生活富裕等五个方面的效率评价体系；另一方面，本文以2007—2020 年中国30 个省区市数据为样本，不仅使用三阶段DEA 模型对各省份的财政支农资金效率进行静态分析，而且利用三阶段DEA-Malmquist 模型对各省份开展动态分析，基于静态与动态双重视角，深入对比分析省份间财政支农支出效率，为政府优化财政支农资金管理提供可靠的决策依据与有效的政策建议。

1 三阶段DEA模型

数据包络分析是一种用来测量效率值的非参数模型，通过决策单元的多投入与多产出来分析相对有效性。传统DEA 模型仅考虑了决策单元的可控因素，忽视了效率评价时会受到外界环境和随机误差项等不可控因素的影响。为了剔除环境因素与随机误差项对效率评估的影响，本文引入三阶段DEA 模型，从而更为真实准确地反映各决策单元的效率情况[5]。三阶段DEA 模型对决策单元的效率评价主要包含三个阶段。

1.1 第一阶段

传统的DEA 模型由Charnes 等[6]提出，也被称作CCR 模型。该模型测算了规模报酬不变的效率值，但规模报酬不变的假设与实际情况不符，为弥补这一不足，Banker等[7]将规模报酬不变假设修改为规模报酬可变，得到BCC 模型。根据效率测量方式，BCC模型分为投入导向型和产出导向型。对财政支农效率而言，控制投入更容易，因此采用投入导向型的BCC模型测算决策单元的效率值与投入松弛量。

1.2 第二阶段

传统DEA 模型计算出来的效率值受到管理效率、外部环境和随机误差项三个因素的影响，结果不够准确。在第二阶段中，本文运用SFA 模型对上一阶段测算出的松弛值进行分解，并剔除外部环境和随机误差项因素，得到仅由管理无效率造成的投入冗余。在得到SFA 回归结果后，本文将最高效率决策单元的投入量作为基准，并利用回归结果对其他决策单元投入量进行调整，具体如下：

(Xjn)*=Xjn+[maxn(βjZn)-βjZn]+[maxn(vjn)-vjn] （1）其中，(Xjn)*表示决策单元n的第j项投入调整值；(Xjn)为决策单元n的第j项投入实际值；[maxn(βjZn)-βjZn]表示决策单元n受外部环境因素影响最大时，第j项投入需要增加的量；[maxn(vjn)-vjn]表示决策单元n处于最大随机干扰时，第j项投入需要增加的量。调整后，决策单元都处于相同的外部环境，面临相同的随机冲击。

1.3 第三阶段

将调整后的投入值(Xjn)*代替原始投入值(Xjn)，再次使用DEA-BCC 模型测算效率，得到剔除了外部环境和随机干扰因素影响的决策单元效率值，该效率值更为客观、更加准确地反映了决策单元管理效率情况。

1.4 Malmquist指数

三阶段DEA 模型只能对同一时期不同决策单元的效率值进行静态分析，却无法分析不同时期效率值的动态变化。本文引入DEA-Malmquist模型[8]测算财政支农支出效率的动态变化情况，并借鉴李金铠等[9]的做法构建三阶段DEA-Malmquist模型。

在DEA-Mamlquist模型中，假设(xt,yt)和(xt+1,yt+1)分别为第t期、第t+1 期的投入与产出，Dtc(xt,yt)和Dct+1(xt+1,yt+1)表示基于对应时期技术条件下的产出距离函数，c代表规模报酬不变，那么从第t期到第t+1期的Malmquist指数为：

该指数也是全要素生产率，当Mt+1(xt+1,yt+1,xt,yt)﹥1时，表明全要素生产率上升；当Mt+1(xt+1,yt+1,xt,yt)=1时，表明全要素生产率不变；当Mt+1(xt+1,yt+1,xt,yt)﹤1时，表明全要素生产率下降。

1.5 数据变量选取

根据三阶段DEA 模型，计算乡村振兴下的财政支农支出效率需要的投入变量、产出变量与外部环境变量。

1.5.1 投入变量

本文选取人均财政支农支出作为投入变量，各地区财政支农支出是指政府收支科目下的农林水事务支出，该指标包括农业、林业、水利、农业综合开发等，能够综合反映政府支农的投入力度。

1.5.2 产出变量

产出变量应反映财政支农资金投入产生的实际效果，本文根据《乡村振兴战略规划（2018—2022年）》给出的指标体系，选取包含产业兴旺、生态宜居、乡风文明、治理有效、生活富裕等方面的产出指标共8个。

1.5.3 环境变量

为了剔除外部环境因素对效率值的影响，本文从经济发展水平、农业基础设施水平和农村劳动力素质三个方面选取外部环境指标。变量具体描述如表1所示。

表1 投入、产出及环境变量具体描述

1.5.4 数据来源

本文以2007—2020 年我国30 个省区市的相关数据为基础，对我国乡村振兴下的财政支农效率开展研究。所有数据均来源于2008—2020 年《中国统计年鉴》《中国农村统计年鉴》《中国城乡建设统计年鉴》《中国人口和就业统计年鉴》《中国教育统计年鉴》。

2 实证结果与分析

2.1 基于三阶段DEA模型的静态分析

2.1.1 全国层面分析

由于篇幅限制，仅报告第三阶段结果，如表2 所示。在剔除外部环境因素影响后，我国2007—2020年乡村振兴中财政支农效率均值为0.64，与前沿面相比仍有较大差距，效率水平不高。通过对效率值的进一步分解，纯技术效率和规模效率均值分别为0.84、0.79，说明我国财政支农规模效率以及支农支出管理水平未达到有效程度，仍有一定提升空间。

表2 2007—2020年全国及省份层面财政支农支出效率均值（第三阶段）

2.1.2 省域层面分析

调整后各省份财政支农效率均有所提升。从综合技术效率值分解角度，可将30 个省区市分成以下几类：1）北京、天津、上海、福建、重庆、海南、青海、宁夏的纯技术效率和规模效率均超过0.8，说明这类省份的财政支农支出效率普遍较高，需改进的方面相对较少；2）内蒙古、辽宁、江苏、浙江、江西、山东、湖南、湖北、陕西、新疆的纯技术效率大于0.8，规模效率小于0.8，说明这类省份应注重改进财政支农的规模效率，进一步扩大支出规模，优化资金配置；3）河北、山西、吉林、安徽、河南、广东、广西、四川、云南、甘肃的纯技术效率小于0.8，规模效率大于0.8，说明这类省份应注重改进财政支农的纯技术效率，提高财政支农资金管理水平；4）贵州和黑龙江的纯技术效率与规模效率均小于0.8，这类省份既要扩大财政支农投入，也要提升资金管理水平，以更好地促进农业发展。

2.1.3 SFA 模型回归结果分析

本文运用SFA 模型，以农村地区人均GDP、农村居民人均受教育年限、农业机械总动力三个环境因素作为解释变量进行回归分析，并借鉴已有研究[9-10]，采用逐年分析的方式，共建立42 个回归方程，并仅列出样本中间年份即2013 年的回归结果，如表3所示。

表3 2013年SFA 回归模型结果（第二阶段）

结果表明：1）地区人均GDP 对财政支农投入松弛值的影响在1%的显著性水平上呈负相关，说明经济发展水平越高的省份越能有效降低财政支农资金投入，在一定程度上提高财政资金在乡村振兴中的使用效率。2）人均受教育年限对财政支农投入松弛值的影响在1%的显著性水平上呈负相关，说明农村劳动力素质的提高，可以促进农业生产效率提高，从而提高财政支农资金使用效率，故提升农村劳动力教育水平有助于提高财政支农效率。3）农业机械总动力对财政支农投入松弛值的影响在1%的显著性水平上呈正相关，说明农业机械的增加会使投入松弛量增加，从而降低财政支农资金的使用效率。农业机械本身会耗费财政支农资金，倘若投入过大，不注重与之相匹配的农户知识技能的培养，先进农业机械将无法充分发挥作用，造成农机的低水平使用，不利于生产效率的提高，反而会导致支农资金的浪费，对财政支农资金使用效率产生负面影响。

2.2 基于三阶段DEA-Malmquist指数模型的动态分析

2.2.1 全国层面分析

由于篇幅限制，仅报告第三阶段结果，如表4 所示。在剔除外部环境因素影响后，研究期内乡村振兴中的财政支农效率的技术进步指数、全要素生产率指数提升，表明真实的财政支农资金使用效率、管理决策正确性的改进程度较大。调整后我国财政支农的Malmquist 指数均值为0.97，小于1，故平均增长率为-3%；将Malmquist 指数进一步分解为综合技术效率指数和技术进步指数，综合技术效率指数下降了4%，技术进步指数增加了6%，可见技术进步是促进支农效率提升的关键原因，而综合技术效率对支农效率的提高起到了阻碍作用。

表4 各省份2007—2020年平均财政支农支出效率Malmquist指数及分解（第三阶段）

2.2.2 省域层面分析

由表4 可知，调整后各省份的财政支农全要素生产率指数有所提高，有11 个省区市的全要素生产率指数大于1。从Malmquist 指数的分解角度来看，调整后所有省区市的技术进步指数均大于1，说明我国财政支农投入在技术进步层面的效率较高，成为推动全要素生产率提升的主要因素，但综合技术效率指数较低，仅有天津、海南、四川、青海、宁夏的综合技术效率大于或等于1，其他省份的综合技术效率均小于1，说明我国应提升财政支农的制度管理水平。

3 主要结论和政策建议

乡村振兴战略是高质量发展的“压舱石”，财政资金是实施乡村振兴战略的重要保障，在推动农业发展、加快农村进步、促进农民增收等方面发挥着关键作用。本文构建了乡村振兴战略财政支农资金的效率评价体系，利用三阶段DEA 和三阶段DEAMalmquist 指数，从全国层面和省份层面分别对我国30 个省区市2007—2020 年财政支农支出效率进行了测算，主要得出以下结论：1）从静态分析结果来看，我国整体及30 个省区市财政支农支出效率并未达到完全有效，距离效率前沿面仍有一定距离；调整后各省区市的效率水平均有所提高，天津、海南的效率值均为1，其他省份仍存在改进空间。2）从动态分析结果来看，我国整体财政支农的Malmquist 指数小于1，主要原因是综合技术效率水平较低；有11 个省区市的全要素生产率指数大于1，还有改进空间。3）SFA回归分析结果表明，外部环境对财政支农效率有一定影响，地区经济发展水平、农村劳动力素质对提高财政支农效率具有显著的正向作用，而农业基础设施水平与财政支农支出效率呈显著的负相关。

依据研究结果，本文提出以下对策建议：

1）进一步规范和加强财政支农资金管理，提高资金使用效益，夯实乡村振兴基础。财政支农资金管理不完善会导致财政支农支出效率低下，带来投入浪费现象。因此，要深入探索更为科学规范的财政支农资金使用管理机制，精准聚焦和投入，将有限的资金用在刀刃上，切实提高资金使用效益。要进一步加强预算执行与绩效管理，强化预算约束力，优化财政支农资金配置。

2）各地区应基于自身财政支农资金使用效率的具体情况，有针对性地加强财政支农资金管理或调整财政支出规模，提高资金使用效率，不断缩小区域差异。根据效率值分解，相较于纯技术效率，规模效率水平更低，说明财政支农投入规模是制约财政支农效率提高的主要因素，因此要注重改善财政支农资金投入规模；根据区域分析，中部地区的综合技术效率值最低，主要原因是其纯技术效率水平偏低，表明财政支农资金使用管理不足导致效率较低，因此要加强财政支农资金管理，创新管理模式，提升乡村振兴资金使用效率。

3）重视地区经济发展水平、农村劳动力素质以及农业机械总动力等外界环境因素对财政支农资金使用效率的影响。首先要加快乡村教育发展，着力提升农村义务教育质量，推动教育资源公平配置，加强对新型职业农民的培训，提升农村劳动力素质；其次是避免农业机械的低水平使用，加强对农业机械操作人员的培训，提高农业机械使用效率，实现农机作业产量足、效益高、生态好。