鄉(xiāng)村振興戰(zhàn)略背景下的財(cái)政支農(nóng)效率評(píng)價(jià)研究*

陽 揚(yáng)

（中共中央黨校（國家行政學(xué)院）研究生院，北京 100091）

0 引言

農(nóng)業(yè)是國民經(jīng)濟(jì)和社會(huì)發(fā)展的基礎(chǔ)，農(nóng)業(yè)、農(nóng)村、農(nóng)民問題是我國經(jīng)濟(jì)社會(huì)發(fā)展中的重要問題。黨的二十大報(bào)告指出，全面推進(jìn)鄉(xiāng)村振興。加快建設(shè)農(nóng)業(yè)強(qiáng)國，扎實(shí)推動(dòng)鄉(xiāng)村產(chǎn)業(yè)、人才、文化、生態(tài)、組織振興。財(cái)政資金是實(shí)施鄉(xiāng)村振興戰(zhàn)略的重要保障，在推動(dòng)農(nóng)業(yè)發(fā)展、加快農(nóng)村進(jìn)步、促進(jìn)農(nóng)民增收等方面發(fā)揮著關(guān)鍵作用。財(cái)政支農(nóng)支出效率水平高低關(guān)乎鄉(xiāng)村振興戰(zhàn)略的發(fā)展和成效，如何優(yōu)化使用財(cái)政涉農(nóng)資金，提高財(cái)政支農(nóng)支出效率成為農(nóng)業(yè)經(jīng)濟(jì)領(lǐng)域的重要問題。

關(guān)于財(cái)政支農(nóng)支出效率的文獻(xiàn)眾多，石磊和金兆懷[1]運(yùn)用三階段DEA 方法對我國2009—2019 年財(cái)政支農(nóng)效率進(jìn)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(yùn)用三階段DEA 模型測算了我國28 個(gè)省區(qū)市1995—2014 年財(cái)政支農(nóng)支出效率，得出效率均未達(dá)到完全有效，且效率水平不高的結(jié)論。毛暉等[3]構(gòu)建了包含經(jīng)濟(jì)效益和社會(huì)效益在內(nèi)的財(cái)政支農(nóng)評(píng)價(jià)體系，發(fā)現(xiàn)我國財(cái)政支農(nóng)績效的區(qū)域差異顯著，西部地區(qū)的綜合效率、純技術(shù)效率和規(guī)模效率均為最低。杜輝[4]基于農(nóng)民、農(nóng)業(yè)、農(nóng)村三個(gè)層面構(gòu)建指標(biāo)體系，發(fā)現(xiàn)我國財(cái)政支農(nóng)支出效率由中部地區(qū)向東部、西部地區(qū)依次遞減。

現(xiàn)有文獻(xiàn)為本研究奠定了重要的基礎(chǔ)，但仍存在局限：第一，以往文獻(xiàn)在選取財(cái)政支農(nóng)支出效率評(píng)價(jià)指標(biāo)時(shí)，多從經(jīng)濟(jì)、生態(tài)、社會(huì)等角度考慮，結(jié)合鄉(xiāng)村振興戰(zhàn)略的評(píng)價(jià)體系較少；第二，現(xiàn)有文獻(xiàn)主要運(yùn)用三階段DEA 模型對各省份進(jìn)行橫向分析，對各省份財(cái)政支農(nóng)支出效率的縱向分析較少。因此，一方面，本文根據(jù)《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022 年）》給出的指標(biāo)體系，構(gòu)建包括產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富裕等五個(gè)方面的效率評(píng)價(jià)體系；另一方面，本文以2007—2020 年中國30 個(gè)省區(qū)市數(shù)據(jù)為樣本，不僅使用三階段DEA 模型對各省份的財(cái)政支農(nóng)資金效率進(jìn)行靜態(tài)分析，而且利用三階段DEA-Malmquist 模型對各省份開展動(dòng)態(tài)分析，基于靜態(tài)與動(dòng)態(tài)雙重視角，深入對比分析省份間財(cái)政支農(nóng)支出效率，為政府優(yōu)化財(cái)政支農(nóng)資金管理提供可靠的決策依據(jù)與有效的政策建議。

1 三階段DEA模型

數(shù)據(jù)包絡(luò)分析是一種用來測量效率值的非參數(shù)模型，通過決策單元的多投入與多產(chǎn)出來分析相對有效性。傳統(tǒng)DEA 模型僅考慮了決策單元的可控因素，忽視了效率評(píng)價(jià)時(shí)會(huì)受到外界環(huán)境和隨機(jī)誤差項(xiàng)等不可控因素的影響。為了剔除環(huán)境因素與隨機(jī)誤差項(xiàng)對效率評(píng)估的影響，本文引入三階段DEA 模型，從而更為真實(shí)準(zhǔn)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(píng)價(jià)主要包含三個(gè)階段。

1.1 第一階段

傳統(tǒng)的DEA 模型由Charnes 等[6]提出，也被稱作CCR 模型。該模型測算了規(guī)模報(bào)酬不變的效率值，但規(guī)模報(bào)酬不變的假設(shè)與實(shí)際情況不符，為彌補(bǔ)這一不足，Banker等[7]將規(guī)模報(bào)酬不變假設(shè)修改為規(guī)模報(bào)酬可變，得到BCC 模型。根據(jù)效率測量方式，BCC模型分為投入導(dǎo)向型和產(chǎn)出導(dǎo)向型。對財(cái)政支農(nóng)效率而言，控制投入更容易，因此采用投入導(dǎo)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(tǒng)DEA 模型計(jì)算出來的效率值受到管理效率、外部環(huán)境和隨機(jī)誤差項(xiàng)三個(gè)因素的影響，結(jié)果不夠準(zhǔn)確。在第二階段中，本文運(yùn)用SFA 模型對上一階段測算出的松弛值進(jìn)行分解，并剔除外部環(huán)境和隨機(jī)誤差項(xiàng)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(jié)果后，本文將最高效率決策單元的投入量作為基準(zhǔn)，并利用回歸結(jié)果對其他決策單元投入量進(jìn)行調(diào)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(xiàng)投入調(diào)整值；(Xjn)為決策單元n的第j項(xiàng)投入實(shí)際值；[maxn(βjZn)-βjZn]表示決策單元n受外部環(huán)境因素影響最大時(shí)，第j項(xiàng)投入需要增加的量；[maxn(vjn)-vjn]表示決策單元n處于最大隨機(jī)干擾時(shí)，第j項(xiàng)投入需要增加的量。調(diào)整后，決策單元都處于相同的外部環(huán)境，面臨相同的隨機(jī)沖擊。

1.3 第三階段

將調(diào)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(huán)境和隨機(jī)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(zhǔn)確地反映了決策單元管理效率情況。

1.4 Malmquist指數(shù)

三階段DEA 模型只能對同一時(shí)期不同決策單元的效率值進(jìn)行靜態(tài)分析，卻無法分析不同時(shí)期效率值的動(dòng)態(tài)變化。本文引入DEA-Malmquist模型[8]測算財(cái)政支農(nóng)支出效率的動(dòng)態(tài)變化情況，并借鑒李金鎧等[9]的做法構(gòu)建三階段DEA-Malmquist模型。

在DEA-Mamlquist模型中，假設(shè)(xt,yt)和(xt+1,yt+1)分別為第t期、第t+1 期的投入與產(chǎn)出，Dtc(xt,yt)和Dct+1(xt+1,yt+1)表示基于對應(yīng)時(shí)期技術(shù)條件下的產(chǎn)出距離函數(shù)，c代表規(guī)模報(bào)酬不變，那么從第t期到第t+1期的Malmquist指數(shù)為：

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

1.5 數(shù)據(jù)變量選取

根據(jù)三階段DEA 模型，計(jì)算鄉(xiāng)村振興下的財(cái)政支農(nóng)支出效率需要的投入變量、產(chǎn)出變量與外部環(huán)境變量。

1.5.1 投入變量

本文選取人均財(cái)政支農(nóng)支出作為投入變量，各地區(qū)財(cái)政支農(nóng)支出是指政府收支科目下的農(nóng)林水事務(wù)支出，該指標(biāo)包括農(nóng)業(yè)、林業(yè)、水利、農(nóng)業(yè)綜合開發(fā)等，能夠綜合反映政府支農(nóng)的投入力度。

1.5.2 產(chǎn)出變量

產(chǎn)出變量應(yīng)反映財(cái)政支農(nóng)資金投入產(chǎn)生的實(shí)際效果，本文根據(jù)《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022年）》給出的指標(biāo)體系，選取包含產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富裕等方面的產(chǎn)出指標(biāo)共8個(gè)。

1.5.3 環(huán)境變量

為了剔除外部環(huán)境因素對效率值的影響，本文從經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)基礎(chǔ)設(shè)施水平和農(nóng)村勞動(dòng)力素質(zhì)三個(gè)方面選取外部環(huán)境指標(biāo)。變量具體描述如表1所示。

表1 投入、產(chǎn)出及環(huán)境變量具體描述

1.5.4 數(shù)據(jù)來源

本文以2007—2020 年我國30 個(gè)省區(qū)市的相關(guān)數(shù)據(jù)為基礎(chǔ)，對我國鄉(xiāng)村振興下的財(cái)政支農(nóng)效率開展研究。所有數(shù)據(jù)均來源于2008—2020 年《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》《中國城鄉(xiāng)建設(shè)統(tǒng)計(jì)年鑒》《中國人口和就業(yè)統(tǒng)計(jì)年鑒》《中國教育統(tǒng)計(jì)年鑒》。

2 實(shí)證結(jié)果與分析

2.1 基于三階段DEA模型的靜態(tài)分析

2.1.1 全國層面分析

由于篇幅限制，僅報(bào)告第三階段結(jié)果，如表2 所示。在剔除外部環(huán)境因素影響后，我國2007—2020年鄉(xiāng)村振興中財(cái)政支農(nóng)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(jìn)一步分解，純技術(shù)效率和規(guī)模效率均值分別為0.84、0.79，說明我國財(cái)政支農(nóng)規(guī)模效率以及支農(nóng)支出管理水平未達(dá)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(cái)政支農(nóng)支出效率均值（第三階段）

2.1.2 省域?qū)用娣治?/p>

調(diào)整后各省份財(cái)政支農(nóng)效率均有所提升。從綜合技術(shù)效率值分解角度，可將30 個(gè)省區(qū)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(shù)效率和規(guī)模效率均超過0.8，說明這類省份的財(cái)政支農(nóng)支出效率普遍較高，需改進(jìn)的方面相對較少；2）內(nèi)蒙古、遼寧、江蘇、浙江、江西、山東、湖南、湖北、陜西、新疆的純技術(shù)效率大于0.8，規(guī)模效率小于0.8，說明這類省份應(yīng)注重改進(jìn)財(cái)政支農(nóng)的規(guī)模效率，進(jìn)一步擴(kuò)大支出規(guī)模，優(yōu)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(shù)效率小于0.8，規(guī)模效率大于0.8，說明這類省份應(yīng)注重改進(jìn)財(cái)政支農(nóng)的純技術(shù)效率，提高財(cái)政支農(nóng)資金管理水平；4）貴州和黑龍江的純技術(shù)效率與規(guī)模效率均小于0.8，這類省份既要擴(kuò)大財(cái)政支農(nóng)投入，也要提升資金管理水平，以更好地促進(jìn)農(nóng)業(yè)發(fā)展。

2.1.3 SFA 模型回歸結(jié)果分析

本文運(yùn)用SFA 模型，以農(nóng)村地區(qū)人均GDP、農(nóng)村居民人均受教育年限、農(nóng)業(yè)機(jī)械總動(dòng)力三個(gè)環(huán)境因素作為解釋變量進(jìn)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(gè)回歸方程，并僅列出樣本中間年份即2013 年的回歸結(jié)果，如表3所示。

表3 2013年SFA 回歸模型結(jié)果（第二階段）

結(jié)果表明：1）地區(qū)人均GDP 對財(cái)政支農(nóng)投入松弛值的影響在1%的顯著性水平上呈負(fù)相關(guān)，說明經(jīng)濟(jì)發(fā)展水平越高的省份越能有效降低財(cái)政支農(nóng)資金投入，在一定程度上提高財(cái)政資金在鄉(xiāng)村振興中的使用效率。2）人均受教育年限對財(cái)政支農(nóng)投入松弛值的影響在1%的顯著性水平上呈負(fù)相關(guān)，說明農(nóng)村勞動(dòng)力素質(zhì)的提高，可以促進(jìn)農(nóng)業(yè)生產(chǎn)效率提高，從而提高財(cái)政支農(nóng)資金使用效率，故提升農(nóng)村勞動(dòng)力教育水平有助于提高財(cái)政支農(nóng)效率。3）農(nóng)業(yè)機(jī)械總動(dòng)力對財(cái)政支農(nóng)投入松弛值的影響在1%的顯著性水平上呈正相關(guān)，說明農(nóng)業(yè)機(jī)械的增加會(huì)使投入松弛量增加，從而降低財(cái)政支農(nóng)資金的使用效率。農(nóng)業(yè)機(jī)械本身會(huì)耗費(fèi)財(cái)政支農(nóng)資金，倘若投入過大，不注重與之相匹配的農(nóng)戶知識(shí)技能的培養(yǎng)，先進(jìn)農(nóng)業(yè)機(jī)械將無法充分發(fā)揮作用，造成農(nóng)機(jī)的低水平使用，不利于生產(chǎn)效率的提高，反而會(huì)導(dǎo)致支農(nóng)資金的浪費(fèi)，對財(cái)政支農(nóng)資金使用效率產(chǎn)生負(fù)面影響。

2.2 基于三階段DEA-Malmquist指數(shù)模型的動(dòng)態(tài)分析

2.2.1 全國層面分析

由于篇幅限制，僅報(bào)告第三階段結(jié)果，如表4 所示。在剔除外部環(huán)境因素影響后，研究期內(nèi)鄉(xiāng)村振興中的財(cái)政支農(nóng)效率的技術(shù)進(jìn)步指數(shù)、全要素生產(chǎn)率指數(shù)提升，表明真實(shí)的財(cái)政支農(nóng)資金使用效率、管理決策正確性的改進(jìn)程度較大。調(diào)整后我國財(cái)政支農(nóng)的Malmquist 指數(shù)均值為0.97，小于1，故平均增長率為-3%；將Malmquist 指數(shù)進(jìn)一步分解為綜合技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)，綜合技術(shù)效率指數(shù)下降了4%，技術(shù)進(jìn)步指數(shù)增加了6%，可見技術(shù)進(jìn)步是促進(jìn)支農(nóng)效率提升的關(guān)鍵原因，而綜合技術(shù)效率對支農(nóng)效率的提高起到了阻礙作用。

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

2.2.2 省域?qū)用娣治?/p>

由表4 可知，調(diào)整后各省份的財(cái)政支農(nóng)全要素生產(chǎn)率指數(shù)有所提高，有11 個(gè)省區(qū)市的全要素生產(chǎn)率指數(shù)大于1。從Malmquist 指數(shù)的分解角度來看，調(diào)整后所有省區(qū)市的技術(shù)進(jìn)步指數(shù)均大于1，說明我國財(cái)政支農(nóng)投入在技術(shù)進(jìn)步層面的效率較高，成為推動(dòng)全要素生產(chǎn)率提升的主要因素，但綜合技術(shù)效率指數(shù)較低，僅有天津、海南、四川、青海、寧夏的綜合技術(shù)效率大于或等于1，其他省份的綜合技術(shù)效率均小于1，說明我國應(yīng)提升財(cái)政支農(nóng)的制度管理水平。

3 主要結(jié)論和政策建議

鄉(xiāng)村振興戰(zhàn)略是高質(zhì)量發(fā)展的“壓艙石”，財(cái)政資金是實(shí)施鄉(xiāng)村振興戰(zhàn)略的重要保障，在推動(dòng)農(nóng)業(yè)發(fā)展、加快農(nóng)村進(jìn)步、促進(jìn)農(nóng)民增收等方面發(fā)揮著關(guān)鍵作用。本文構(gòu)建了鄉(xiāng)村振興戰(zhàn)略財(cái)政支農(nóng)資金的效率評(píng)價(jià)體系，利用三階段DEA 和三階段DEAMalmquist 指數(shù)，從全國層面和省份層面分別對我國30 個(gè)省區(qū)市2007—2020 年財(cái)政支農(nóng)支出效率進(jìn)行了測算，主要得出以下結(jié)論：1）從靜態(tài)分析結(jié)果來看，我國整體及30 個(gè)省區(qū)市財(cái)政支農(nóng)支出效率并未達(dá)到完全有效，距離效率前沿面仍有一定距離；調(diào)整后各省區(qū)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(jìn)空間。2）從動(dòng)態(tài)分析結(jié)果來看，我國整體財(cái)政支農(nóng)的Malmquist 指數(shù)小于1，主要原因是綜合技術(shù)效率水平較低；有11 個(gè)省區(qū)市的全要素生產(chǎn)率指數(shù)大于1，還有改進(jìn)空間。3）SFA回歸分析結(jié)果表明，外部環(huán)境對財(cái)政支農(nóng)效率有一定影響，地區(qū)經(jīng)濟(jì)發(fā)展水平、農(nóng)村勞動(dòng)力素質(zhì)對提高財(cái)政支農(nóng)效率具有顯著的正向作用，而農(nóng)業(yè)基礎(chǔ)設(shè)施水平與財(cái)政支農(nóng)支出效率呈顯著的負(fù)相關(guān)。

依據(jù)研究結(jié)果，本文提出以下對策建議：

1）進(jìn)一步規(guī)范和加強(qiáng)財(cái)政支農(nóng)資金管理，提高資金使用效益，夯實(shí)鄉(xiāng)村振興基礎(chǔ)。財(cái)政支農(nóng)資金管理不完善會(huì)導(dǎo)致財(cái)政支農(nóng)支出效率低下，帶來投入浪費(fèi)現(xiàn)象。因此，要深入探索更為科學(xué)規(guī)范的財(cái)政支農(nóng)資金使用管理機(jī)制，精準(zhǔn)聚焦和投入，將有限的資金用在刀刃上，切實(shí)提高資金使用效益。要進(jìn)一步加強(qiáng)預(yù)算執(zhí)行與績效管理，強(qiáng)化預(yù)算約束力，優(yōu)化財(cái)政支農(nóng)資金配置。

2）各地區(qū)應(yīng)基于自身財(cái)政支農(nóng)資金使用效率的具體情況，有針對性地加強(qiáng)財(cái)政支農(nóng)資金管理或調(diào)整財(cái)政支出規(guī)模，提高資金使用效率，不斷縮小區(qū)域差異。根據(jù)效率值分解，相較于純技術(shù)效率，規(guī)模效率水平更低，說明財(cái)政支農(nóng)投入規(guī)模是制約財(cái)政支農(nóng)效率提高的主要因素，因此要注重改善財(cái)政支農(nóng)資金投入規(guī)模；根據(jù)區(qū)域分析，中部地區(qū)的綜合技術(shù)效率值最低，主要原因是其純技術(shù)效率水平偏低，表明財(cái)政支農(nóng)資金使用管理不足導(dǎo)致效率較低，因此要加強(qiáng)財(cái)政支農(nóng)資金管理，創(chuàng)新管理模式，提升鄉(xiāng)村振興資金使用效率。

3）重視地區(qū)經(jīng)濟(jì)發(fā)展水平、農(nóng)村勞動(dòng)力素質(zhì)以及農(nóng)業(yè)機(jī)械總動(dòng)力等外界環(huán)境因素對財(cái)政支農(nóng)資金使用效率的影響。首先要加快鄉(xiāng)村教育發(fā)展，著力提升農(nóng)村義務(wù)教育質(zhì)量，推動(dòng)教育資源公平配置，加強(qiáng)對新型職業(yè)農(nóng)民的培訓(xùn)，提升農(nóng)村勞動(dòng)力素質(zhì)；其次是避免農(nóng)業(yè)機(jī)械的低水平使用，加強(qiáng)對農(nóng)業(yè)機(jī)械操作人員的培訓(xùn)，提高農(nóng)業(yè)機(jī)械使用效率，實(shí)現(xiàn)農(nóng)機(jī)作業(yè)產(chǎn)量足、效益高、生態(tài)好。