陳　鳴周發(fā)明（南華大學經濟管理學院，湖南衡陽400；湖南農業(yè)大學經濟學院；湖南長沙408）

?

農業(yè)科技投入對減緩農村地區(qū)貧困的效果評價
——以湖南省國家級貧困縣為例

1，2陳鳴2周發(fā)明
（1南華大學經濟管理學院，湖南衡陽421001；2湖南農業(yè)大學經濟學院；湖南長沙410128）

文章以湖南省2012年20個國家級貧困縣數據為樣本，應用三階段DEA模型，對各縣域剔除環(huán)境因素、隨機誤差影響前后的農業(yè)科技投入對于農村貧困作用的效果進行了測度和分析。研究發(fā)現，加大農業(yè)科技投入仍然是湖南各縣減貧的關鍵，且湖南應根據各地區(qū)效率差異采取不同導向政策。另外，政府財政補貼的增加與金融發(fā)展，并不利于減貧的改進，反而加劇貧富差距；而宏觀經濟的持續(xù)快速擴張以及對教育、醫(yī)療、信息化等公共服務的投入則能有效改善農村貧困。

湖南??；縣域；農業(yè)科技；減貧；三階段DEA

一、引言

貧困問題是當前中國社會發(fā)展和經濟建設需要面臨的重大挑戰(zhàn)?？萍甲鳛橄冗M生產要素的代表，對于促進農民增收、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容。從1986年提出扶貧開發(fā)戰(zhàn)略，到八七扶貧攻堅計劃，再到兩個十年的《中國農村扶貧開發(fā)綱要》，均突出強調了科技對于減緩貧困的意義，指出技術進步是農村地區(qū)脫貧致富的根本途徑?？梢灶A料的是，隨著我國市場經濟體制的進一步完善，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更大的任務。盡管我國減貧工作取得了實質性的進展，但依然存在脫貧難度加大、減貧效率低下等突出問題。如何適應新時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術界關注的焦點。近年來越來越多的文獻涉及到農業(yè)科技投入對減貧作用的研究領域［1］。就對科技減貧效果的研究文獻而言，大致可分為定性與定量兩個層面。一些學者對科技減貧的成效進行了定性評價。Alstonet等認為農業(yè)科技投入不僅經濟回報可觀，還可以有效地促進農村減貧［2］。而Reddy，Gu-nasena等認為，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則認為由于當前制度環(huán)境的缺陷，科技并不能有效改善貧困［5］。陳來生等對青海省東部山區(qū)化隆縣沙連堡鄉(xiāng)40項農業(yè)科技減貧技術措施進行了打分、匯總、排序、綜合分析和評價，肯定了科技減貧效果［6］；汪三貴等通過對河北省平山縣、甘肅省會寧縣和云南省巍山縣等地700多戶農戶抽樣調查，得出短期科技減貧作用明顯的結論［7］。還有一些學者以效率測算為導向，嘗試精確量化科技減貧效果。如Havibov等利用數據包絡分析（DEA）方法，選取福利、稅收、補貼等間接代理指標作為投入變量，貧困發(fā)生率作為產出變量，考察減貧投入的效率問題［8］。陳薇等用DEA方法中的CCR模型，對河北省減貧資金的規(guī)模有效性與配置有效性進行評價［9］。陳詩一和張軍運用DEA-Tobit兩步法對政府財政支農資金效率進行了測算［10］。葉初升等采用了DEA理論與方法對減貧專項資金的績效進行評價［11］。

綜上所述，現有文獻在農業(yè)科技減貧效率的相關研究上取得了一定的成果，但存在幾個值得改進的方面：首先，由于學者們研究的時限、方法以及樣本的不同，所得結論并不一致值得考究；其次，既有的成果大多數是單一應用傳統的DEA 或SFA模型來考察農業(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效率水平的影響，這在一定程度上導致研究結論缺乏準確性；最后，專門針對湖南縣域農業(yè)科技減貧效率進行系統分析的文獻目前還較少見。鑒于以上原因，本文運用DEA與SFA相結合的三階段DEA模型，以2012年湖南20個國家級貧困縣域數據為樣本對區(qū)域減貧效率值進行測度，分類并分析影響因素，以期更為系統全面、真實準確地考察農業(yè)科技減貧效率，并在此基礎上提出效率優(yōu)化的路徑和方向。

二、研究方法與數據說明

（一）三階段模型

傳統DEA模型由Charnes、Cooper和Rhodes 于1978年提出的一種非參數估計方法［12］，因其無須設定固定函數關系而被研究者廣泛采用，成為測度效率的經典模型。隨后一些學者不斷完善，Fried等提出DEA與Tobit相結合的兩階段方法（有文獻稱為四階段法）［13］，來同步分析效率以及影響效率的因素。Simar和Wilson發(fā)現普通的兩階段分離計量方法會產生估計偏誤，進而提出利用Bootstrap DEA兩階段模型來獲得無偏估計量［14］。然而傳統DEA模型與兩階段DEA的共同問題在于，測度出的效率值包含了環(huán)境變量與隨機項等因素的影響。因此Fried等在此基礎上又進一步提出了DEA與SFA相結合的三階段DEA模型［15］，利用SFA對管理無效率、環(huán)境因素和隨機誤差等進行剝離，使得所計算出來的效率值更為真實、準確地反映DMU（Decision Making Unit，決策單元）效率。

1.第一階段：采用傳統DEA方法測算效率。假定規(guī)模報酬可變（VRS，Variable Returns Scale），采用以投入為導向的BCC模型，考察基于原始投入與原始產出數據的各決策單元的效率。與CCR模型（假定規(guī)模報酬不變）相比，BCC模型可以對非最佳生產規(guī)模和技術上的無效率分解，并將技術效率進一步分解為規(guī)模效率和純技術效率，從而更好地反映決策單元的管理水平。假設DMU個數為n，投入變量個數為m，產出變量個數為s，Tk表示第k個決策單元的技術效率，yrk表示第k個決策單元的第r個產出變量，xik表示第k個決策單元的第i個投入變量，λr和θi分別表示第r個產出變量與第i個投入變量的權重系數，μk表示第k個決策單元的規(guī)模報酬指標。投入導向的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，其結果顯示了DMU的規(guī)模報酬狀態(tài)。μk＞0，表示該決策單元處于規(guī)模報酬遞減狀態(tài)；μk=0，表示該決策單元處于規(guī)模報酬不變狀態(tài)；μk＜0，表示該決策單元處于規(guī)模報酬遞增狀態(tài)。

2.第二階段：運用SFA模型分解第一階段的松弛變量，這是三階段DEA方法的關鍵。Fried等認為，第一階段分析得出的投入、產出松弛變量受環(huán)境因素、隨機因素和管理效率三部分的影響［15］。但傳統DEA模型并未將這三部分因素對效率值的影響進行區(qū)分，由此計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)境因素或隨機干擾所導致的低效。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，進而剔除環(huán)境因素和隨機因素，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生的投入松弛變量如下式：

xni為第一階段第i個生產者的第n種投入，Xn為X的第n列，Xnλ為第i個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個可觀測的環(huán)境變量，構建SFA回歸方程如下：

采用最大似然法估計得出未知參數，再對原始投入變量作如下調整：

在此式中和xni分別代表調整后和調整前投入數量。式（3）右邊第一調整項使所有生產者在同一生產環(huán)境中生產，即觀察樣本中最不利環(huán)境。第二調整項使所有生產者遇到最壞的運氣。具有相對不利生產環(huán)境和相對壞運的生產者把投入向上調整相對較少的數量，而具有相對有利生產環(huán)境和相對好運的生產者把投入向上調整相對較多的數量。

為了計算式（3），必須把式（2）中的統計噪音與管理非效率進行分離，這樣才能得到每個生產者統計噪音估計值。借鑒Jondrow給出的方法進行計算［16］：

最后再將結果代入（3）式，便得出了調整后的投入變量值。

3.第三階段：利用二階段計算出的調整后投入變量值與原始產出值，再次進行DEA測算，由此得到的各個決策單元的效率值即為剔除了環(huán)境因素、隨機誤差影響的效率值。

（二）投入產出指標、環(huán)境變量的選取及數據來源

1.指標選取。投入指標應選取決定減貧的內生變量，根據經濟基本理論的假定，擬選取人、財、物三大基本要素作為投入指標，考慮到數據可得性，分別用農業(yè)科技人員數、農業(yè)科技支出額，農業(yè)科研機構固定資產投資額表示。產出方面選取農村地區(qū)人均收入為產出變量，以保證與投入變量的統計口徑保持一致，代表農村地區(qū)貧困指標。環(huán)境變量應選取對農村地區(qū)人均收入產生影響但不在樣本主觀可控范圍的外生變量。本文擬選取宏觀經濟環(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)生條件以及自然災害七個指標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.數據來源與研究對象說明。以上所有投入產出數據與環(huán)境變量數據，均根據《中國統計年鑒》與《中國縣域統計年鑒》以及《中國科技年鑒》整理測算而得。截至2014年12月，根據國家扶貧規(guī)劃確定的國家級貧困縣的最新名單，湖南共有國家級貧困縣20個。本文以這20個縣域作為研究樣本。

三、實證結果分析

（一）第一階段：基于原始投入和產出數據的BCC模型估計

首先利用原始的投入變量數據，采用DEAP2.1軟件對湖南省88個縣域的農業(yè)科技減貧效率水平進行分析，計算結果如表2所示。

表3的結果顯示，在未分離環(huán)境變量和隨機因素影響的情況下，2012年湖南各縣域農業(yè)科技減貧效率平均值為0.57，純技術效率均值為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個縣之間的效率存在較大差異，其中邵陽縣三項效率值均為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，說明該四縣在現有的生產可能性曲線上，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個縣，而低于0.5以下的縣有7個。由于該測試結果還包含了環(huán)境因素和隨機因素的干擾，并不能反映各縣域的農業(yè)科技減貧效率的真實水平，為得到更為真實合理的結果，還需作更進一步地調整和測算。

（二）第二階段：利用SFA模型分析環(huán)境變量、調整投入變量

以第一階段deap計算結果里面決策單元slack movement和radial movement兩個數值的和，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，采用極大似然估計法（MLE，maximum likehood estimate）計算各環(huán)境變量對三個投入變量冗余的影響，得出的SFA回歸結果見表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個縣農業(yè)科技減貧效率值

對各系數項做進一步分析，若相關估計系數為正，表示環(huán)境變量的增大將導致投入冗余變量的增加，導致成本增加或產出降低；相反若估計系數為負，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或增加產出。具體而言：宏觀經濟環(huán)境、教育、醫(yī)療、信息化幾項指標的影響系數均為負，并且均能通過10%的顯著性檢驗。也就是說這些外部環(huán)境較好時，投入的松弛量將會減少，從而對農業(yè)科技減貧效率產生有利的影響。

表3　環(huán)境變量對投入冗余變量的回歸估計結果

結果表明，主要的環(huán)境變量對3種投入松弛變量的系數均通過顯著性檢驗，且3個模型的LR單邊檢驗中有兩個達到了1%的顯著性水平，另兩個也分別在5%和10%水平通過了檢驗。這說明外部環(huán)境因素對湖南省各縣的農業(yè)生產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，4個回歸模型的值（技術無效率方差占總方差的比重）均達到了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，隨機誤差影響占據主導地位。這一結果表明管理因素和隨機因素對農業(yè)科技減貧效率存在著顯著的影響，應用SFA進行管理因素和隨機因素對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村金融發(fā)展水平系數為正，說明這兩項指標的提高對減貧效率不利。這可能是財政和金融資源的分配，當前并未能公平流入貧困人群，反而加劇了貧富差距問題。另一個可能的原因是由于政府惠農政策反而提高了農戶的收入預期而盲目擴大生產，導致農業(yè)粗放型經營模式更趨惡化。

由以上分析可知，環(huán)境因素對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，其計算出來的結果并不能真實客觀地反映各縣效率值。因為處于“較好”環(huán)境條件下的縣域樣本效率自然就會更高，而處于“較差”環(huán)境的樣本公司效率就會被低估。因此，必須結合第二階段的分析結果，調整原始投入數據，使得湖南省20個縣域處于同質的環(huán)境條件和同樣的隨機條件下，再考察各縣的真實減貧效率水平。

（三）第三階段：對投入調整后的減貧效率再估計

運用上文給出的方法與上階段的計算結果，根據式（3）調整投入變量，并將調整后的投入值與原始產出再次代入BCC模型進行分析，計算第三階段各決策單元的效率值，為了便于對比分析，本文將第一階段的效率值和第三階段的效率值同時放入表2中，由表2結果可知：

剔除環(huán)境變量和隨機因素的影響后，各縣域減貧效率值發(fā)生了較明顯的變化。農業(yè)科技減貧效率平均值、純技術效率均值以及規(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。這跟原來的結論有很大不同，即調整后的減貧效率稍有降低，造成湖南省各縣域農業(yè)科技減貧效率低下的主要原因是規(guī)模效率低下。各縣域農業(yè)的純技術效率值有較明顯增高，說明第一階段純技術效率低下主要是由“較差”的環(huán)境條件或“較大”的隨機誤差導致的。另外各個縣域之間的差距較大，綜合技術效率值大于0.7的有6個縣，低于0.5的有9個縣，差距進一步拉大。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，表明這幾個縣域在剝離環(huán)境因素和隨機干擾后的同質環(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。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，說明對這幾個縣而言，環(huán)境因素等外部變量并不是其落后的原因，內在因素才是決定其落后的根源?；蛘哒f，農業(yè)科技投入要達到一定規(guī)模之后，這些環(huán)境因素的影響才能體現。

四、結論及政策啟示

（一）結論

本文運用DEA與SFA相結合的三階段DEA模型，對剔除環(huán)境因素和隨機誤差影響前后的湖南20個國家級貧困縣的農業(yè)科技減貧效率進行再評估，得出如下結論：第一，湖南縣域農業(yè)科技減貧效率受環(huán)境因素的影響較大。其中政府財政支農投入與金融資源的非平等性分配，不利于農業(yè)科技減貧效率的改進；而經濟發(fā)展、教育、醫(yī)療以及信息等資源與服務在農村的普及和發(fā)展能夠有效地促進減貧效率。第二，剔除環(huán)境因素與隨機誤差的影響后，絕大多數縣域的綜合減貧效率和規(guī)模效率呈現下降的趨勢，而純技術效率普遍上升。說明對絕大部分縣域而言，調整前純技術效率低下主要是由“較差”的環(huán)境條件或“較差”的運氣所致，并非實際管理水平較差，且農業(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效率的差距大得多。

（二）政策啟示

根據上述結論，本文得出以下幾點政策啟示：第一，針對湖南省農業(yè)科技投入不足的問題，應發(fā)揮政府之外的市場力量，吸收和引導外部資金如企業(yè)進行科技投入，不能單單依賴政府，促進貧困縣域農業(yè)科技形成規(guī)模產生集聚效應。第二，政府方面應創(chuàng)新財政支農方式，切實保證財政支農資金落到實處。第三，重視金融資源的扶貧作用，尤其應創(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，切實改善農村的教育醫(yī)療環(huán)境，強化公共服務供給體系。第五，實施區(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，推動相對落后地區(qū)科技減貧效應充分發(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，馬進福.農業(yè)科技扶貧技術項目選擇及效率評價［J］.安徽農業(yè)科學，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］.農業(yè)技術經濟，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.河北省財政扶貧政策績效評價實證研究［J］.農業(yè)經濟，2006，（07）：58-59.

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

［11］葉初升，鄒欣.扶貧瞄準的績效評估與機制設計［J］.華中農業(yè)大學學報（社會科學版），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.

（責任編輯：胡宜挺）

湖南省社科基金資助項目（15YBA327）；湖南省教育廳基金資助項目（2015C1218）；衡陽市社會科學基金資助項目（2015C001）。

陳鳴（1977-），男，湖南常德人，湖南農業(yè)大學博士研究生，南華大學經濟管理學院講師，研究方向：農業(yè)經濟管理。