農(nóng)業(yè)科技投入對(duì)減緩農(nóng)村地區(qū)貧困的效果評(píng)價(jià)
——以湖南省國家級(jí)貧困縣為例

陳　鳴周發(fā)明（南華大學(xué)經(jīng)濟(jì)管理學(xué)院，湖南衡陽400；湖南農(nóng)業(yè)大學(xué)經(jīng)濟(jì)學(xué)院；湖南長沙408）

?

農(nóng)業(yè)科技投入對(duì)減緩農(nóng)村地區(qū)貧困的效果評(píng)價(jià)
——以湖南省國家級(jí)貧困縣為例

1，2陳鳴2周發(fā)明
（1南華大學(xué)經(jīng)濟(jì)管理學(xué)院，湖南衡陽421001；2湖南農(nóng)業(yè)大學(xué)經(jīng)濟(jì)學(xué)院；湖南長沙410128）

文章以湖南省2012年20個(gè)國家級(jí)貧困縣數(shù)據(jù)為樣本，應(yīng)用三階段DEA模型，對(duì)各縣域剔除環(huán)境因素、隨機(jī)誤差影響前后的農(nóng)業(yè)科技投入對(duì)于農(nóng)村貧困作用的效果進(jìn)行了測(cè)度和分析。研究發(fā)現(xiàn)，加大農(nóng)業(yè)科技投入仍然是湖南各縣減貧的關(guān)鍵，且湖南應(yīng)根據(jù)各地區(qū)效率差異采取不同導(dǎo)向政策。另外，政府財(cái)政補(bǔ)貼的增加與金融發(fā)展，并不利于減貧的改進(jìn)，反而加劇貧富差距；而宏觀經(jīng)濟(jì)的持續(xù)快速擴(kuò)張以及對(duì)教育、醫(yī)療、信息化等公共服務(wù)的投入則能有效改善農(nóng)村貧困。

湖南??；縣域；農(nóng)業(yè)科技；減貧；三階段DEA

一、引言

貧困問題是當(dāng)前中國社會(huì)發(fā)展和經(jīng)濟(jì)建設(shè)需要面臨的重大挑戰(zhàn)。科技作為先進(jìn)生產(chǎn)要素的代表，對(duì)于促進(jìn)農(nóng)民增收、減緩貧困具有舉足輕重的作用。中國政府歷來把科技減貧作為扶貧工作的重要內(nèi)容。從1986年提出扶貧開發(fā)戰(zhàn)略，到八七扶貧攻堅(jiān)計(jì)劃，再到兩個(gè)十年的《中國農(nóng)村扶貧開發(fā)綱要》，均突出強(qiáng)調(diào)了科技對(duì)于減緩貧困的意義，指出技術(shù)進(jìn)步是農(nóng)村地區(qū)脫貧致富的根本途徑?？梢灶A(yù)料的是，隨著我國市場(chǎng)經(jīng)濟(jì)體制的進(jìn)一步完善，制度變革等其他減貧因素帶來的作用將越來越有限，未來科技在減貧工作中將承擔(dān)更大的任務(wù)。盡管我國減貧工作取得了實(shí)質(zhì)性的進(jìn)展，但依然存在脫貧難度加大、減貧效率低下等突出問題。如何適應(yīng)新時(shí)期科技反貧困工作的需要，改革和優(yōu)化科技減貧體制，提高科技減貧效率，是現(xiàn)階段減貧工作需要迫切解答的問題。

貧困問題一直以來是學(xué)術(shù)界關(guān)注的焦點(diǎn)。近年來越來越多的文獻(xiàn)涉及到農(nóng)業(yè)科技投入對(duì)減貧作用的研究領(lǐng)域［1］。就對(duì)科技減貧效果的研究文獻(xiàn)而言，大致可分為定性與定量兩個(gè)層面。一些學(xué)者對(duì)科技減貧的成效進(jìn)行了定性評(píng)價(jià)。Alstonet等認(rèn)為農(nóng)業(yè)科技投入不僅經(jīng)濟(jì)回報(bào)可觀，還可以有效地促進(jìn)農(nóng)村減貧［2］。而Reddy，Gu-nasena等認(rèn)為，要保證科技有效減貧，必須縮小收入差距和不平等程度［3］［4］。Keijiro和Otsuka則認(rèn)為由于當(dāng)前制度環(huán)境的缺陷，科技并不能有效改善貧困［5］。陳來生等對(duì)青海省東部山區(qū)化隆縣沙連堡鄉(xiāng)40項(xiàng)農(nóng)業(yè)科技減貧技術(shù)措施進(jìn)行了打分、匯總、排序、綜合分析和評(píng)價(jià)，肯定了科技減貧效果［6］；汪三貴等通過對(duì)河北省平山縣、甘肅省會(huì)寧縣和云南省巍山縣等地700多戶農(nóng)戶抽樣調(diào)查，得出短期科技減貧作用明顯的結(jié)論［7］。還有一些學(xué)者以效率測(cè)算為導(dǎo)向，嘗試精確量化科技減貧效果。如Havibov等利用數(shù)據(jù)包絡(luò)分析（DEA）方法，選取福利、稅收、補(bǔ)貼等間接代理指標(biāo)作為投入變量，貧困發(fā)生率作為產(chǎn)出變量，考察減貧投入的效率問題［8］。陳薇等用DEA方法中的CCR模型，對(duì)河北省減貧資金的規(guī)模有效性與配置有效性進(jìn)行評(píng)價(jià)［9］。陳詩一和張軍運(yùn)用DEA-Tobit兩步法對(duì)政府財(cái)政支農(nóng)資金效率進(jìn)行了測(cè)算［10］。葉初升等采用了DEA理論與方法對(duì)減貧專項(xiàng)資金的績效進(jìn)行評(píng)價(jià)［11］。

綜上所述，現(xiàn)有文獻(xiàn)在農(nóng)業(yè)科技減貧效率的相關(guān)研究上取得了一定的成果，但存在幾個(gè)值得改進(jìn)的方面：首先，由于學(xué)者們研究的時(shí)限、方法以及樣本的不同，所得結(jié)論并不一致值得考究；其次，既有的成果大多數(shù)是單一應(yīng)用傳統(tǒng)的DEA 或SFA模型來考察農(nóng)業(yè)科技減貧效率，忽略了環(huán)境因素以及包含在冗余變量中的其他因素對(duì)效率水平的影響，這在一定程度上導(dǎo)致研究結(jié)論缺乏準(zhǔn)確性；最后，專門針對(duì)湖南縣域農(nóng)業(yè)科技減貧效率進(jìn)行系統(tǒng)分析的文獻(xiàn)目前還較少見。鑒于以上原因，本文運(yùn)用DEA與SFA相結(jié)合的三階段DEA模型，以2012年湖南20個(gè)國家級(jí)貧困縣域數(shù)據(jù)為樣本對(duì)區(qū)域減貧效率值進(jìn)行測(cè)度，分類并分析影響因素，以期更為系統(tǒng)全面、真實(shí)準(zhǔn)確地考察農(nóng)業(yè)科技減貧效率，并在此基礎(chǔ)上提出效率優(yōu)化的路徑和方向。

二、研究方法與數(shù)據(jù)說明

（一）三階段模型

傳統(tǒng)DEA模型由Charnes、Cooper和Rhodes 于1978年提出的一種非參數(shù)估計(jì)方法［12］，因其無須設(shè)定固定函數(shù)關(guān)系而被研究者廣泛采用，成為測(cè)度效率的經(jīng)典模型。隨后一些學(xué)者不斷完善，F(xiàn)ried等提出DEA與Tobit相結(jié)合的兩階段方法（有文獻(xiàn)稱為四階段法）［13］，來同步分析效率以及影響效率的因素。Simar和Wilson發(fā)現(xiàn)普通的兩階段分離計(jì)量方法會(huì)產(chǎn)生估計(jì)偏誤，進(jìn)而提出利用Bootstrap DEA兩階段模型來獲得無偏估計(jì)量［14］。然而傳統(tǒng)DEA模型與兩階段DEA的共同問題在于，測(cè)度出的效率值包含了環(huán)境變量與隨機(jī)項(xiàng)等因素的影響。因此Fried等在此基礎(chǔ)上又進(jìn)一步提出了DEA與SFA相結(jié)合的三階段DEA模型［15］，利用SFA對(duì)管理無效率、環(huán)境因素和隨機(jī)誤差等進(jìn)行剝離，使得所計(jì)算出來的效率值更為真實(shí)、準(zhǔn)確地反映DMU（Decision Making Unit，決策單元）效率。

1.第一階段：采用傳統(tǒng)DEA方法測(cè)算效率。假定規(guī)模報(bào)酬可變（VRS，Variable Returns Scale），采用以投入為導(dǎo)向的BCC模型，考察基于原始投入與原始產(chǎn)出數(shù)據(jù)的各決策單元的效率。與CCR模型（假定規(guī)模報(bào)酬不變）相比，BCC模型可以對(duì)非最佳生產(chǎn)規(guī)模和技術(shù)上的無效率分解，并將技術(shù)效率進(jìn)一步分解為規(guī)模效率和純技術(shù)效率，從而更好地反映決策單元的管理水平。假設(shè)DMU個(gè)數(shù)為n，投入變量個(gè)數(shù)為m，產(chǎn)出變量個(gè)數(shù)為s，Tk表示第k個(gè)決策單元的技術(shù)效率，yrk表示第k個(gè)決策單元的第r個(gè)產(chǎn)出變量，xik表示第k個(gè)決策單元的第i個(gè)投入變量，λr和θi分別表示第r個(gè)產(chǎn)出變量與第i個(gè)投入變量的權(quán)重系數(shù)，μk表示第k個(gè)決策單元的規(guī)模報(bào)酬指標(biāo)。投入導(dǎo)向的BCC-DEA模型可以表示為：

變量μk是區(qū)分BCC-DEA模型與CCR-DEA模型的指標(biāo)，其結(jié)果顯示了DMU的規(guī)模報(bào)酬?duì)顟B(tài)。μk＞0，表示該決策單元處于規(guī)模報(bào)酬遞減狀態(tài)；μk=0，表示該決策單元處于規(guī)模報(bào)酬不變狀態(tài)；μk＜0，表示該決策單元處于規(guī)模報(bào)酬遞增狀態(tài)。

2.第二階段：運(yùn)用SFA模型分解第一階段的松弛變量，這是三階段DEA方法的關(guān)鍵。Fried等認(rèn)為，第一階段分析得出的投入、產(chǎn)出松弛變量受環(huán)境因素、隨機(jī)因素和管理效率三部分的影響［15］。但傳統(tǒng)DEA模型并未將這三部分因素對(duì)效率值的影響進(jìn)行區(qū)分，由此計(jì)算出的效率值不能反映到底是管理原因造成的低效，還是環(huán)境因素或隨機(jī)干擾所導(dǎo)致的低效。第二階段的目的就是把第一階段的松弛量分解為這三部分，進(jìn)而剔除環(huán)境因素和隨機(jī)因素，得出僅由管理無效率造成的DMU投入冗余。首先定義第一階段產(chǎn)生的投入松弛變量如下式：

xni為第一階段第i個(gè)生產(chǎn)者的第n種投入，Xn為X的第n列，Xnλ為第i個(gè)DMU的第n種投入值在效率前沿面的最優(yōu)映射。投入松弛量包括徑向與非徑向兩部分。再假定有K個(gè)可觀測(cè)的環(huán)境變量，構(gòu)建SFA回歸方程如下：

采用最大似然法估計(jì)得出未知參數(shù)，再對(duì)原始投入變量作如下調(diào)整：

在此式中和xni分別代表調(diào)整后和調(diào)整前投入數(shù)量。式（3）右邊第一調(diào)整項(xiàng)使所有生產(chǎn)者在同一生產(chǎn)環(huán)境中生產(chǎn)，即觀察樣本中最不利環(huán)境。第二調(diào)整項(xiàng)使所有生產(chǎn)者遇到最壞的運(yùn)氣。具有相對(duì)不利生產(chǎn)環(huán)境和相對(duì)壞運(yùn)的生產(chǎn)者把投入向上調(diào)整相對(duì)較少的數(shù)量，而具有相對(duì)有利生產(chǎn)環(huán)境和相對(duì)好運(yùn)的生產(chǎn)者把投入向上調(diào)整相對(duì)較多的數(shù)量。

為了計(jì)算式（3），必須把式（2）中的統(tǒng)計(jì)噪音與管理非效率進(jìn)行分離，這樣才能得到每個(gè)生產(chǎn)者統(tǒng)計(jì)噪音估計(jì)值。借鑒Jondrow給出的方法進(jìn)行計(jì)算［16］：

最后再將結(jié)果代入（3）式，便得出了調(diào)整后的投入變量值。

3.第三階段：利用二階段計(jì)算出的調(diào)整后投入變量值與原始產(chǎn)出值，再次進(jìn)行DEA測(cè)算，由此得到的各個(gè)決策單元的效率值即為剔除了環(huán)境因素、隨機(jī)誤差影響的效率值。

（二）投入產(chǎn)出指標(biāo)、環(huán)境變量的選取及數(shù)據(jù)來源

1.指標(biāo)選取。投入指標(biāo)應(yīng)選取決定減貧的內(nèi)生變量，根據(jù)經(jīng)濟(jì)基本理論的假定，擬選取人、財(cái)、物三大基本要素作為投入指標(biāo)，考慮到數(shù)據(jù)可得性，分別用農(nóng)業(yè)科技人員數(shù)、農(nóng)業(yè)科技支出額，農(nóng)業(yè)科研機(jī)構(gòu)固定資產(chǎn)投資額表示。產(chǎn)出方面選取農(nóng)村地區(qū)人均收入為產(chǎn)出變量，以保證與投入變量的統(tǒng)計(jì)口徑保持一致，代表農(nóng)村地區(qū)貧困指標(biāo)。環(huán)境變量應(yīng)選取對(duì)農(nóng)村地區(qū)人均收入產(chǎn)生影響但不在樣本主觀可控范圍的外生變量。本文擬選取宏觀經(jīng)濟(jì)環(huán)境、政府政策支持、金融發(fā)展水平、信息化水平、教育水平、醫(yī)療衛(wèi)生條件以及自然災(zāi)害七個(gè)指標(biāo)作為影響減貧效率的環(huán)境因素。各變量的定義與度量如表1所示。

2.數(shù)據(jù)來源與研究對(duì)象說明。以上所有投入產(chǎn)出數(shù)據(jù)與環(huán)境變量數(shù)據(jù)，均根據(jù)《中國統(tǒng)計(jì)年鑒》與《中國縣域統(tǒng)計(jì)年鑒》以及《中國科技年鑒》整理測(cè)算而得。截至2014年12月，根據(jù)國家扶貧規(guī)劃確定的國家級(jí)貧困縣的最新名單，湖南共有國家級(jí)貧困縣20個(gè)。本文以這20個(gè)縣域作為研究樣本。

三、實(shí)證結(jié)果分析

（一）第一階段：基于原始投入和產(chǎn)出數(shù)據(jù)的BCC模型估計(jì)

首先利用原始的投入變量數(shù)據(jù)，采用DEAP2.1軟件對(duì)湖南省88個(gè)縣域的農(nóng)業(yè)科技減貧效率水平進(jìn)行分析，計(jì)算結(jié)果如表2所示。

表3的結(jié)果顯示，在未分離環(huán)境變量和隨機(jī)因素影響的情況下，2012年湖南各縣域農(nóng)業(yè)科技減貧效率平均值為0.57，純技術(shù)效率均值為0.66，規(guī)模效率均值為0.85。這表明湖南縣域農(nóng)業(yè)科技減貧效率偏低，且主要原因是資源配置不合理，而非投入規(guī)模不足。20個(gè)縣之間的效率存在較大差異，其中邵陽縣三項(xiàng)效率值均為1，處于效率前沿面；另外邵陽、新化、桑植、沅陵四縣規(guī)模效率值為1，說明該四縣在現(xiàn)有的生產(chǎn)可能性曲線上，其投入資源規(guī)模是有效率的；減貧效率在0.7以上的只有4個(gè)縣，而低于0.5以下的縣有7個(gè)。由于該測(cè)試結(jié)果還包含了環(huán)境因素和隨機(jī)因素的干擾，并不能反映各縣域的農(nóng)業(yè)科技減貧效率的真實(shí)水平，為得到更為真實(shí)合理的結(jié)果，還需作更進(jìn)一步地調(diào)整和測(cè)算。

（二）第二階段：利用SFA模型分析環(huán)境變量、調(diào)整投入變量

以第一階段deap計(jì)算結(jié)果里面決策單元slack movement和radial movement兩個(gè)數(shù)值的和，作為投入松弛變量（即投入冗余），定義為第二階段的被解釋變量，以前文擬定的7個(gè)環(huán)境變量作為解釋變量，利用Frontier4.1軟件包，采用極大似然估計(jì)法（MLE，maximum likehood estimate）計(jì)算各環(huán)境變量對(duì)三個(gè)投入變量冗余的影響，得出的SFA回歸結(jié)果見表3。

表1　變量的定義與度量

表2　第一階段和第三階段湖南88個(gè)縣農(nóng)業(yè)科技減貧效率值

對(duì)各系數(shù)項(xiàng)做進(jìn)一步分析，若相關(guān)估計(jì)系數(shù)為正，表示環(huán)境變量的增大將導(dǎo)致投入冗余變量的增加，導(dǎo)致成本增加或產(chǎn)出降低；相反若估計(jì)系數(shù)為負(fù)，則表示環(huán)境變量的增大有利于投入冗余變量的減少，即有利于咸少投入變量的浪費(fèi)或增加產(chǎn)出。具體而言：宏觀經(jīng)濟(jì)環(huán)境、教育、醫(yī)療、信息化幾項(xiàng)指標(biāo)的影響系數(shù)均為負(fù)，并且均能通過10%的顯著性檢驗(yàn)。也就是說這些外部環(huán)境較好時(shí)，投入的松弛量將會(huì)減少，從而對(duì)農(nóng)業(yè)科技減貧效率產(chǎn)生有利的影響。

表3　環(huán)境變量對(duì)投入冗余變量的回歸估計(jì)結(jié)果

結(jié)果表明，主要的環(huán)境變量對(duì)3種投入松弛變量的系數(shù)均通過顯著性檢驗(yàn)，且3個(gè)模型的LR單邊檢驗(yàn)中有兩個(gè)達(dá)到了1%的顯著性水平，另兩個(gè)也分別在5%和10%水平通過了檢驗(yàn)。這說明外部環(huán)境因素對(duì)湖南省各縣的農(nóng)業(yè)生產(chǎn)投入冗余存在顯著影響，證明了環(huán)境變量選取的合理性。同時(shí)，4個(gè)回歸模型的值（技術(shù)無效率方差占總方差的比重）均達(dá)到了0.99，并在1%置信水平顯著。這表明影響4種投入冗余的因素中，隨機(jī)誤差影響占據(jù)主導(dǎo)地位。這一結(jié)果表明管理因素和隨機(jī)因素對(duì)農(nóng)業(yè)科技減貧效率存在著顯著的影響，應(yīng)用SFA進(jìn)行管理因素和隨機(jī)因素對(duì)效率影響的剝離分析是很有必要的。

政府政策支持力度和農(nóng)村金融發(fā)展水平系數(shù)為正，說明這兩項(xiàng)指標(biāo)的提高對(duì)減貧效率不利。這可能是財(cái)政和金融資源的分配，當(dāng)前并未能公平流入貧困人群，反而加劇了貧富差距問題。另一個(gè)可能的原因是由于政府惠農(nóng)政策反而提高了農(nóng)戶的收入預(yù)期而盲目擴(kuò)大生產(chǎn)，導(dǎo)致農(nóng)業(yè)粗放型經(jīng)營模式更趨惡化。

由以上分析可知，環(huán)境因素對(duì)湖南各縣的投入冗余變量具有顯著影響，且其影響方向與影響程度各有差異，如果不剝離環(huán)境因素，其計(jì)算出來的結(jié)果并不能真實(shí)客觀地反映各縣效率值。因?yàn)樘幱凇拜^好”環(huán)境條件下的縣域樣本效率自然就會(huì)更高，而處于“較差”環(huán)境的樣本公司效率就會(huì)被低估。因此，必須結(jié)合第二階段的分析結(jié)果，調(diào)整原始投入數(shù)據(jù)，使得湖南省20個(gè)縣域處于同質(zhì)的環(huán)境條件和同樣的隨機(jī)條件下，再考察各縣的真實(shí)減貧效率水平。

（三）第三階段：對(duì)投入調(diào)整后的減貧效率再估計(jì)

運(yùn)用上文給出的方法與上階段的計(jì)算結(jié)果，根據(jù)式（3）調(diào)整投入變量，并將調(diào)整后的投入值與原始產(chǎn)出再次代入BCC模型進(jìn)行分析，計(jì)算第三階段各決策單元的效率值，為了便于對(duì)比分析，本文將第一階段的效率值和第三階段的效率值同時(shí)放入表2中，由表2結(jié)果可知：

剔除環(huán)境變量和隨機(jī)因素的影響后，各縣域減貧效率值發(fā)生了較明顯的變化。農(nóng)業(yè)科技減貧效率平均值、純技術(shù)效率均值以及規(guī)模效率均值分別由原來的0.57、0.66、0.85變?yōu)?.55、0.94、0.59。這跟原來的結(jié)論有很大不同，即調(diào)整后的減貧效率稍有降低，造成湖南省各縣域農(nóng)業(yè)科技減貧效率低下的主要原因是規(guī)模效率低下。各縣域農(nóng)業(yè)的純技術(shù)效率值有較明顯增高，說明第一階段純技術(shù)效率低下主要是由“較差”的環(huán)境條件或“較大”的隨機(jī)誤差導(dǎo)致的。另外各個(gè)縣域之間的差距較大，綜合技術(shù)效率值大于0.7的有6個(gè)縣，低于0.5的有9個(gè)縣，差距進(jìn)一步拉大。具體而言：

綜合減貧效率排名發(fā)生了變化，邵陽、平江以及安化處在前三位，表明這幾個(gè)縣域在剝離環(huán)境因素和隨機(jī)干擾后的同質(zhì)環(huán)境下科技減貧依然是高效的。而新田、沅陵、瀘溪三縣的名次下降幅度較大，這說明他們之前的高效率與他們所處的有利環(huán)境密切相關(guān)。特別的，排名靠后的縣域如龍山、花垣、永順、桂東四縣中，名次變化不大，且規(guī)模效率依然偏低，說明對(duì)這幾個(gè)縣而言，環(huán)境因素等外部變量并不是其落后的原因，內(nèi)在因素才是決定其落后的根源。或者說，農(nóng)業(yè)科技投入要達(dá)到一定規(guī)模之后，這些環(huán)境因素的影響才能體現(xiàn)。

四、結(jié)論及政策啟示

（一）結(jié)論

本文運(yùn)用DEA與SFA相結(jié)合的三階段DEA模型，對(duì)剔除環(huán)境因素和隨機(jī)誤差影響前后的湖南20個(gè)國家級(jí)貧困縣的農(nóng)業(yè)科技減貧效率進(jìn)行再評(píng)估，得出如下結(jié)論：第一，湖南縣域農(nóng)業(yè)科技減貧效率受環(huán)境因素的影響較大。其中政府財(cái)政支農(nóng)投入與金融資源的非平等性分配，不利于農(nóng)業(yè)科技減貧效率的改進(jìn)；而經(jīng)濟(jì)發(fā)展、教育、醫(yī)療以及信息等資源與服務(wù)在農(nóng)村的普及和發(fā)展能夠有效地促進(jìn)減貧效率。第二，剔除環(huán)境因素與隨機(jī)誤差的影響后，絕大多數(shù)縣域的綜合減貧效率和規(guī)模效率呈現(xiàn)下降的趨勢(shì)，而純技術(shù)效率普遍上升。說明對(duì)絕大部分縣域而言，調(diào)整前純技術(shù)效率低下主要是由“較差”的環(huán)境條件或“較差”的運(yùn)氣所致，并非實(shí)際管理水平較差，且農(nóng)業(yè)科技減貧效率低下的主要原因是源自規(guī)模效率低下及投入不足。而縣域間的農(nóng)業(yè)科技減貧效率差異較大，且規(guī)模效率的差距要較純技術(shù)效率的差距大得多。

（二）政策啟示

根據(jù)上述結(jié)論，本文得出以下幾點(diǎn)政策啟示：第一，針對(duì)湖南省農(nóng)業(yè)科技投入不足的問題，應(yīng)發(fā)揮政府之外的市場(chǎng)力量，吸收和引導(dǎo)外部資金如企業(yè)進(jìn)行科技投入，不能單單依賴政府，促進(jìn)貧困縣域農(nóng)業(yè)科技形成規(guī)模產(chǎn)生集聚效應(yīng)。第二，政府方面應(yīng)創(chuàng)新財(cái)政支農(nóng)方式，切實(shí)保證財(cái)政支農(nóng)資金落到實(shí)處。第三，重視金融資源的扶貧作用，尤其應(yīng)創(chuàng)造公平環(huán)境，避免金融資源被富裕階層壟斷無法流入貧困人群。第四，繼續(xù)加大人力資本投入，切實(shí)改善農(nóng)村的教育醫(yī)療環(huán)境，強(qiáng)化公共服務(wù)供給體系。第五，實(shí)施區(qū)域差異化發(fā)展戰(zhàn)略，縮小各縣域科技減貧環(huán)境差距，推動(dòng)相對(duì)落后地區(qū)科技減貧效應(yīng)充分發(fā)揮。

［1］Mills，Bradford F.Ex Ante Research Evaluation and Regional Trade Flows：Maize in Kenya［J］.Journal of Agricultural Economics，1998，49（3）：393-408.

［2］Kersting，Wolfgang Source Der

Kosovo-Krieg und das V？lkerrecht/hrsg. vonReinhardMerkelPublisherFrankfurtamMain：Suhrkamp，2000：187-231.

［3］Reddy，Balwanth.endogenous wage rate，choice of technique and abelian&optimaal trajectories［J］.Metroeconomica，1972，24（2）：167-179.

［4］Gunasena H P M，Gunasena hpm.food and poverty：technologies forpoverty alleviation［J］.South Asia，2003，12 （2）：76-93.

［5］Keijiro Otsuka.Role of agriculturalresearch in poverty reduction：lessons from the Asian experience［J］.Food Policy，2000，（25）：447-462.

［6］陳來生，馬曉崗，馬進(jìn)福.農(nóng)業(yè)科技扶貧技術(shù)項(xiàng)目選擇及效率評(píng)價(jià)［J］.安徽農(nóng)業(yè)科學(xué)，2007，（35）80-81.

［7］汪三貴，李文，李蕓.我國扶貧資金投向及效果分析［J］.農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2004，（5）：45-49.

［8］Havibov N N，Lida F.Comparing and contrasting poverty reduction performance of social welfare programs across juris-dictions in Cannada using Data Envelopment Analysis（DEA）：an exploratory study of the era of devolution ［J］.Evaluation and Program Planning，2009，33（4）：457-467.

［9］陳薇.河北省財(cái)政扶貧政策績效評(píng)價(jià)實(shí)證研究［J］.農(nóng)業(yè)經(jīng)濟(jì)，2006，（07）：58-59.

［10］陳詩一，張軍.中國地方政府財(cái)政支出效率研究：1978-2005［J］.中國社會(huì)科學(xué)，2008，（04）：65-78，206.

［11］葉初升，鄒欣.扶貧瞄準(zhǔn)的績效評(píng)估與機(jī)制設(shè)計(jì)［J］.華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012，（01）：63-69.

［12］Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978，6（2）：429-444.

［13］Fried，H.O.，S.Schmidt，et al.Incorporating the Operating Envirronment into a Nonparametric Measure of TechnicalEfficiencyJournalofproductivityAnalysis. 1999，12（3）：249-267.

［14］Sima，L，P.W.Wilson.Estimation and Inference in Two-Stage，Semi-Parametric Models of Productiong Processes［J］.Journal of Econometrics，2007，136（1）：31-64.

［15］Fried，Lovell，Schmidt and Yaisawarng，2002，Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis［J］，Journal of Productivity Analysis，17，121-136.

［16］Jondrow，J.，I.Materov，C.A.K.Lovell and P.Schmidt. On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Model［J］.Journalof Econometrics，1982，（19）：233-238.

（責(zé)任編輯：胡宜挺）

湖南省社科基金資助項(xiàng)目（15YBA327）；湖南省教育廳基金資助項(xiàng)目（2015C1218）；衡陽市社會(huì)科學(xué)基金資助項(xiàng)目（2015C001）。

陳鳴（1977-），男，湖南常德人，湖南農(nóng)業(yè)大學(xué)博士研究生，南華大學(xué)經(jīng)濟(jì)管理學(xué)院講師，研究方向：農(nóng)業(yè)經(jīng)濟(jì)管理。