姚鳳民，陸 帆，潘彩妮，關(guān)雄志

（1.廣東地方公共財政研究中心，廣東 廣州 510320；2.廣東財經(jīng)大學(xué)財政稅務(wù)學(xué)院，廣東 廣州 510320）

【研究意義】農(nóng)業(yè)是國民經(jīng)濟的基礎(chǔ)，財政投入是保障農(nóng)業(yè)發(fā)展的前提條件。2020 年中央“一號文件”提出要加大財政“三農(nóng)”投入力度，使財政資金在預(yù)算范圍內(nèi)繼續(xù)向農(nóng)業(yè)農(nóng)村傾斜；2020 年政府工作報告也提出要落實脫貧攻堅和鄉(xiāng)村振興舉措，保障重要農(nóng)產(chǎn)品供給，提高農(nóng)民生活水平，促進農(nóng)業(yè)豐收農(nóng)民增收。廣東省自改革開放以來一直積極落實強農(nóng)惠農(nóng)政策，財政支農(nóng)政策經(jīng)歷了改革開放后分稅制改革前、實行分稅制后再到如今“城鄉(xiāng)統(tǒng)籌、以工促農(nóng)、以城帶鄉(xiāng)”新時期3 個階段，財政資金在“三農(nóng)”問題上發(fā)揮了重要的作用，但仍然存在著農(nóng)業(yè)機械化水平不高、城鄉(xiāng)發(fā)展不平衡、農(nóng)村基礎(chǔ)設(shè)施和公共服務(wù)有短板等問題［1］。在經(jīng)濟下行、減稅降費及疫情防控給省財政增收帶來巨大壓力的大背景下，財政支農(nóng)效率亟需引起重視。合理高效地利用財政支農(nóng)資金，有利于緩解財政壓力，也有利于廣東農(nóng)業(yè)高質(zhì)量發(fā)展。【前人研究進展】國內(nèi)學(xué)者在財政支農(nóng)效率問題上的研究主要集中在以下3個方面：一是財政支農(nóng)效率的研究區(qū)域上，有全國層面也有省級層面，部分學(xué)者從全國層面對我國財政農(nóng)業(yè)投資績效進行評價［2-5］，認為財政農(nóng)業(yè)投資效率總體上還不高，部分學(xué)者以湖北、吉林、遼寧、山東、江西等省份為例對財政支農(nóng)效率進行了實證分析［6-11］，針對各省自身情況進行論述；二是財政支農(nóng)效率評價體系的構(gòu)建，有學(xué)者從經(jīng)濟性、效率性、有效性出發(fā)構(gòu)建評價指標(biāo)體系［12］，還有學(xué)者嘗試構(gòu)建以經(jīng)濟效益、社會效益和生態(tài)效益為核心的指標(biāo)評價體系［13-14］；三是財政支農(nóng)效率的評價方法，此類文獻在模型上大多采用DEA 模型、DEA-Tobit 模型、Malmquist 指數(shù)法對我國財政支農(nóng)資金效率進行測度［15-17］，部分學(xué)者采用三階段DEA 模型以剔除外界環(huán)境和隨機干擾因素等影響［18-20］。

【本研究切入點】現(xiàn)有文獻在財政支農(nóng)效率方面的研究已較為成熟，但仍然有待補充和完善：一是在研究方法上，大多采用傳統(tǒng)DEA 模型，而本研究則采用三階段DEA 模型，剔除了外界環(huán)境和隨機干擾因素的影響，能更加真實地測度財政支農(nóng)績效；二是在研究區(qū)域上，現(xiàn)有文獻大多針對國家層面或是農(nóng)業(yè)較為發(fā)達的省份，而研究廣東省這類農(nóng)業(yè)并不發(fā)達地區(qū)財政支農(nóng)績效的文獻較為稀缺；三是在績效評價指標(biāo)上，現(xiàn)有文獻大多從經(jīng)濟、社會、生態(tài)角度劃分，而本研究則認為財政支農(nóng)對于技術(shù)進步的影響也是產(chǎn)出的一種，因此在傳統(tǒng)指標(biāo)基礎(chǔ)上增添了技術(shù)指標(biāo)，并將其作為產(chǎn)出指標(biāo)而非環(huán)境變量處理?！緮M解決的關(guān)鍵問題】本研究通過全面分析廣東省財政支農(nóng)現(xiàn)狀、總結(jié)成績及指出問題，并采用三階段DEA 模型構(gòu)建以農(nóng)民指標(biāo)、農(nóng)村指標(biāo)、農(nóng)業(yè)指標(biāo)及技術(shù)指標(biāo)為核心的評價體系，對廣東省2000—2018 年財政支農(nóng)績效進行測評并給出相應(yīng)的政策建議，一方面能夠填補財政支農(nóng)績效類文獻在廣東省的空缺，另一方面也為廣東省、市政府財政支農(nóng)政策的制定提供相應(yīng)的理論參考。

1 廣東省財政支農(nóng)現(xiàn)狀、成就與問題

1.1 廣東省財政支農(nóng)支出現(xiàn)狀分析

1.1.1 廣東省財政支農(nóng)支出規(guī)模與增長率 財政支農(nóng)支出反映廣東省對于“三農(nóng)”的重視程度和扶持力度。2000—2018 年，廣東省的財政支農(nóng)支出總額在不斷擴大，從2000 年的60.29 億元增長到2018 年的909.78 億元，擴大了14 倍（圖1）。廣東省的支農(nóng)支出遵循著國家的政策方針，各項支農(nóng)政策落實度高，支農(nóng)質(zhì)量也有一定的提升，但部分年份呈現(xiàn)出負增長，2004、2014、2016 年財政支農(nóng)支出總額分別比上年降低3.32 億元、37.69 億元、96.46 億元，其中，2014 年降低是由于2013 年污水治理與河涌綜合整治、治水項目還本付息等抬高基數(shù)影響約49 億元，剔除該影響后實際增長11.6%；2016 年支農(nóng)支出由于部分農(nóng)田水利工程項目受臺風(fēng)暴雨極端天氣影響施工進度滯后，部分資金未能在當(dāng)年支出，下降的主要原因是2015 年集中撥付山區(qū)五市中小河流治理、村村通自來水補助資金，抬高支出基數(shù)。

從增長率方面來看，2007、2009、2015 年出現(xiàn)3 次增長率高峰，其中2007 年增長率達73.28%，這是由于2007 年政府財政收支分類改革，口徑發(fā)生變化，由2007 年前廣東財政支農(nóng)口徑包括支農(nóng)支出以及農(nóng)林水利等氣象部門事業(yè)費，改為2007 年后的一切與農(nóng)林水相關(guān)支出統(tǒng)稱為農(nóng)林水事務(wù)支出，導(dǎo)致了支出增長率激增；2009 年的財政支農(nóng)支出增長率為44.97%，這與當(dāng)時國內(nèi)由于受金融危機影響采取擴張性財政政策相關(guān)，廣東省大環(huán)境之下加大了對財政的各項支出，包括支農(nóng)支出；2015 年的增長率與2009 年相當(dāng)，為45.61%，主要是由于全省加大交通基礎(chǔ)設(shè)施建設(shè)力度，集中投入2000 多億，基數(shù)較大。綜合來看，2000—2018 年廣東省財政支農(nóng)支出穩(wěn)步增長，基本和國家“三農(nóng)”政策方針保持一致。

1.1.2 廣東省各項財政支農(nóng)支出項目結(jié)構(gòu)分析從廣東省財政支農(nóng)支出結(jié)構(gòu)來看，2018 年農(nóng)業(yè)和水利支出總和占比平均為52.71%，表明廣東省財政支農(nóng)支出有一半投入到農(nóng)業(yè)和水利支出之中，在絕對數(shù)上農(nóng)業(yè)和水利支出額達到了378.14 億元，這兩個項目也是廣東省財政支農(nóng)支出的重點項目。其中水利支出占比最大為30.53%，支出規(guī)模為219.02 億元，說明支農(nóng)的關(guān)鍵在于水利工程建設(shè)，但水利支出占比在不斷下降，相比之下農(nóng)業(yè)支出的占比在不斷上升，這說明財政支農(nóng)最后還是要回歸到農(nóng)業(yè)本身。其次就是林業(yè)和扶貧兩個項目支出較高，總和達到28.68%，其中扶貧項目支出146.70 億元、占20.45%，高于林業(yè)項目支出的占比8.23%，且從增速上來看，2018 年其他幾類支出的增速均為負，唯有扶貧和農(nóng)業(yè)綜合開發(fā)支出增速為正，這與我國處于脫貧攻堅戰(zhàn)決勝期息息相關(guān)。對于農(nóng)業(yè)綜合開發(fā)與農(nóng)業(yè)綜合改革支出比較穩(wěn)定，但占比較小，對于這部分的支出廣東省還有待提升。最后對于南水北調(diào)、目標(biāo)價格補貼項目支出則幾乎沒有，不具備支出的必要性，相比其他項目來說重要性較低。

1.2 廣東省財政支農(nóng)支出成效

1.2.1 農(nóng)業(yè)產(chǎn)出規(guī)模增大，農(nóng)業(yè)結(jié)構(gòu)不斷優(yōu)化2018 年廣東省農(nóng)業(yè)經(jīng)濟穩(wěn)步增長，農(nóng)林牧漁業(yè)總產(chǎn)值6318.12 億元，農(nóng)林牧漁業(yè)增加值 3946.52億元，分別比上年增長4.2%和4.4%，增幅是自2013 年以來的最高點。同時廣東調(diào)整優(yōu)化農(nóng)業(yè)結(jié)構(gòu)，提倡因地制宜，發(fā)展“一村一品，一鎮(zhèn)一業(yè)”，注重發(fā)展特色農(nóng)產(chǎn)品優(yōu)勢區(qū)以及漁業(yè)特色養(yǎng)殖業(yè)，創(chuàng)建了4 個國家級特色農(nóng)產(chǎn)品優(yōu)勢區(qū)，漁業(yè)特色養(yǎng)殖占漁業(yè)50%以上，農(nóng)業(yè)產(chǎn)業(yè)發(fā)展呈現(xiàn)新業(yè)態(tài)。

1.2.2 農(nóng)村生活條件不斷提高，人居環(huán)境升級改善 農(nóng)村居民消費支出結(jié)構(gòu)的改變可以反映農(nóng)村居民生活水平的變化，廣東省2004 年農(nóng)村居民消費支出數(shù)據(jù)與2018 年對比，食品支出占比由2004 年的48.80%下降到2018 年的36.60%，相比之下居住支出占比由2004 年11.33%增加到2018 年21.77%，支出的結(jié)構(gòu)更加多元化，增加了文化教育娛樂支出。農(nóng)村居民支出結(jié)構(gòu)的變化，反映農(nóng)村居民的生活水平的改善。此外，2018 年廣東省財政安排257 億元支持1.4 萬個村改善人居環(huán)境升級基礎(chǔ)設(shè)施。且水利投資超過320 億元，用于水土流失與河道治理等方面，農(nóng)村自來水普及率也達到91.45%，農(nóng)村生產(chǎn)條件得到了改善，為農(nóng)村產(chǎn)業(yè)進一步發(fā)展奠定基礎(chǔ)。

1.2.3 農(nóng)民收入水平提高，城鄉(xiāng)居民收入差距縮小 從反映收入水平的人均收入來看，廣東省2004 年農(nóng)村居民人均純收入為4365.87 元，2018年增加到17167.7 元，全國排名第7，翻了近4 倍，農(nóng)民收入水平不斷提高。此外，城鄉(xiāng)居民收入比也逐年降低，由2004 年的3.12 倍降至2018 年的2.58 倍，城鄉(xiāng)收入差距縮小，城鄉(xiāng)區(qū)域在不斷協(xié)調(diào)發(fā)展。

1.3 廣東省財政支農(nóng)支出存在的問題

1.3.1 財政支農(nóng)支出規(guī)模不穩(wěn)定 從廣東省絕對支出規(guī)模的分析來看，廣東省2000—2018 年共19 年中財政支農(nóng)支出絕對額在迅速增長，在2018年達到909.78 億元，但從支出的增長率來看，2007 年高達73.28%，2008 年降為11.63%，支出規(guī)模波動幅度過大，支出受政策傾斜度影響，時而重視時而忽視，缺乏穩(wěn)定財政支農(nóng)資金輸出機制。

1.3.2 財政支農(nóng)支出結(jié)構(gòu)不合理 我國現(xiàn)行《農(nóng)業(yè)法》第六章農(nóng)業(yè)投入與支持保護中，第三十八條明確規(guī)定各級政府財政預(yù)算內(nèi)農(nóng)業(yè)資金應(yīng)當(dāng)主要用于加強農(nóng)業(yè)基礎(chǔ)建設(shè)、支持農(nóng)業(yè)結(jié)構(gòu)調(diào)整、促進農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營等方面。在廣東財政支出中，水利支出占比最高，平均達35.89%，超過總額的1/3；林業(yè)、水利和其他農(nóng)林水支出總和占比54.05%，超過支出總額的1/2，但這些項目并非與農(nóng)業(yè)直接相關(guān)；而與農(nóng)業(yè)直接相關(guān)的農(nóng)業(yè)生產(chǎn)、農(nóng)業(yè)綜合開發(fā)、農(nóng)業(yè)綜合改革、扶貧、普惠金融發(fā)展支出總和占比45.95%，可見直接用于支農(nóng)的支出占比不到總額的50%。這其中農(nóng)業(yè)綜合改革、農(nóng)業(yè)綜合開發(fā)支出以及普惠金融發(fā)展支出的金額相比于其他直接與農(nóng)業(yè)相關(guān)的支出要少很多，偏離農(nóng)業(yè)法的要求，說明廣東省財政支農(nóng)支出結(jié)構(gòu)不合理。

1.3.3 財政支農(nóng)資金使用效率低 從廣東省財政支農(nóng)支出占農(nóng)業(yè)總產(chǎn)值比值與全國平均比值的對比來看，廣東該項指標(biāo)2000—2018 年的比重一直低于全國水平，說明廣東省財政支農(nóng)資金效率低。近年來，廣東省不斷增加財政支農(nóng)投入，但由于后續(xù)的管理沒有跟上，對財政支農(nóng)資金使用及效益的考核辦法不完善，缺乏系統(tǒng)性和責(zé)任約束，支農(nóng)資金的使用對象點多面廣且比較分散。同時，項目審批欠科學(xué)，缺乏一套規(guī)范完善的執(zhí)行標(biāo)準(zhǔn)，支農(nóng)項目大多不履行招標(biāo)手續(xù)，導(dǎo)致財政支農(nóng)資金使用效益低。

2 基于三階段DEA 模型的廣東省財政支農(nóng)效率實證分析

2.1 三階段DEA 模型介紹

DEA 即數(shù)據(jù)包絡(luò)分析方法，最早由運籌學(xué)家Charnes 等［21］提出，用來評價具有多個輸入、輸出的決策單元的相對有效性。但傳統(tǒng)的DEA 模型未排除外界環(huán)境與隨機干擾因素的影響，因此Fried 等［22］提出了將傳統(tǒng)DEA 模型與隨即前沿方法（SFA）相結(jié)合的三階段DEA 模型以解決以上問題，該模型基本思路如下：

第一階段，選取適當(dāng)?shù)耐度牒彤a(chǎn)出變量，運用DEA 模型進行初次運算，得到初始效率值及投入（產(chǎn)出）松弛變量。

第二階段，利用SFA 方法分解松弛值，以投入型為例，構(gòu)建包含環(huán)境因素和隨機誤差的投入松弛值分解方程：

式中，Sni表示第i個決策單元第n項投入松弛值，Zi表示第i個決策單元第p個外界環(huán)境因素，本研究選取3 個外界環(huán)境因素，βn為Zi的待估參數(shù)；f n（Zi;βn）表示第i個決策單元對第n項投入松弛值的影響，一般設(shè)定為f n（Zi;βn）=βn Zi；vni表示隨機干擾影響，uni表示管理無效率，二者均服從N（0，σ 2un）分布，且獨立不相關(guān)。利用回歸軟件得出方程回歸結(jié)果，并對決策單元的投入做如下調(diào)整：

式中，[max()?βnZi]表示對環(huán)境因素的調(diào)整，[max(vni)?vni]表示對隨機干擾因素的調(diào)整，Xλni,Xni分別表示第n個決策單元第i項投入值的調(diào)整值和實際值。

第三階段，將第二階段得出的投入調(diào)整值，再次運用DEA 模型，得到剔除外界環(huán)境因素和隨機干擾因素的實際技術(shù)效率值。

2.2 指標(biāo)選取和數(shù)據(jù)來源

2.2.1 指標(biāo)體系構(gòu)建 基于DEA 方法對于投入產(chǎn)出指標(biāo)的要求和廣東省財政支農(nóng)現(xiàn)狀的綜合考慮，在投入變量上，本研究選用廣東省財政支農(nóng)支出作為指標(biāo)，由于2007 年以后財政支出統(tǒng)計口徑發(fā)生了變化，2000—2006 年選用支農(nóng)支出及農(nóng)林水利氣象等部門事業(yè)費兩項之和作為財政支農(nóng)支出，2007—2018 年則選用農(nóng)林水支出這一新指標(biāo)。在產(chǎn)出變量上，根據(jù)“三農(nóng)”劃分為農(nóng)業(yè)指標(biāo)、農(nóng)民指標(biāo)、農(nóng)村指標(biāo)，同時增加了一項技術(shù)指標(biāo)，以考察農(nóng)業(yè)技術(shù)的發(fā)展情況。農(nóng)業(yè)方面選取農(nóng)林牧漁業(yè)總產(chǎn)值作為衡量指標(biāo)，農(nóng)民方面選取農(nóng)民人均可支配收入和農(nóng)民人均消費支出作為衡量指標(biāo)，農(nóng)村方面選取造林面積來考察農(nóng)村生態(tài)環(huán)境建設(shè)，技術(shù)方面選取具有代表性的農(nóng)業(yè)機械總動力作為衡量指標(biāo)。

為剔除財政支農(nóng)效率中的環(huán)境因素，本研究選取地區(qū)生產(chǎn)總值、農(nóng)作物受災(zāi)面積、農(nóng)業(yè)技術(shù)協(xié)會個數(shù)3 個指標(biāo)作為環(huán)境變量。地區(qū)生產(chǎn)總值代表各市經(jīng)濟發(fā)展水平，一般來說經(jīng)濟發(fā)展水平越高的地區(qū)，基礎(chǔ)設(shè)施越齊全，資源配置能力越高，財政支農(nóng)資金使用效率越高；農(nóng)作物受災(zāi)面積反映地區(qū)農(nóng)業(yè)受自然災(zāi)害影響的程度大小，廣東省農(nóng)業(yè)自然災(zāi)害頻繁，受災(zāi)情況較為嚴重的地區(qū)的糧食生產(chǎn)及農(nóng)民收入均會受到影響，財政支農(nóng)支出效率也會降低；農(nóng)業(yè)技術(shù)協(xié)會反映地區(qū)的農(nóng)民科學(xué)文化素質(zhì)及專業(yè)技能水平，對于當(dāng)?shù)剞r(nóng)業(yè)產(chǎn)出具有正向促進作用。

2.2.2 數(shù)據(jù)來源及相關(guān)說明 本研究選取廣東省及其20 個市（除深圳）作為研究單元。深圳因城市化程度高，部分數(shù)據(jù)缺失，因此予以剔除。同時，參考《廣東農(nóng)村統(tǒng)計年鑒》的劃分，將廣東省分為珠三角、粵東、粵西、粵北4 個經(jīng)濟區(qū)域。原始數(shù)據(jù)來自2000—2018 年《廣東省統(tǒng)計年鑒》及《廣東農(nóng)村統(tǒng)計年鑒》，個別缺失值采用插值法進行補充。在時間跨度上，由于廣東省從2009年以后才開始公布部分指標(biāo)分市數(shù)值，因此本研究對于省級的分析從2000 年開始，對于市級、區(qū)級的分析則從2010 年開始。為了消除規(guī)模因素的影響，對數(shù)據(jù)按照相應(yīng)年份省（市）的鄉(xiāng)鎮(zhèn)人口計算平均值；同時，為了消除價格波動的影響，分別以2000 年和2010 年為基期，將以貨幣計量的數(shù)據(jù)運用相關(guān)指數(shù)進行平減處理（表1）。

2.3 實證過程

2.3.1 Pearson 相關(guān)性檢驗 使用DEA 模型時投入項和產(chǎn)出項之間必須滿足“同向性”，因此首先使用Spss22.0 軟件對2000—2018 年廣東省的投入和產(chǎn)出變量進行Pearson 相關(guān)性檢驗。結(jié)果顯示投入項與產(chǎn)出項之間相關(guān)系數(shù)均為正數(shù)（表2），且均在1%的顯著性水平下通過了雙尾檢驗，說明本研究所選變量符合DEA 模式的使用要求。

表1 各變量數(shù)據(jù)處理說明Table 1 Data processing description for various variables

表2 2000—2018 年廣東省投入與產(chǎn)出變量的Pearson 相關(guān)性檢驗結(jié)果Table 2 Pearson correlation test results of input and output variables in Guangdong Province from 2000 to 2018

2.3.2 第一階段傳統(tǒng)DEA 模型結(jié)果（1）省級分析。2000—2018 年，廣東省整體財政支農(nóng)支出的綜合效率及規(guī)模效率在總趨勢上都呈現(xiàn)出下降趨勢，綜合效率、純技術(shù)效率、規(guī)模效率的均值分別為0.652、0.954、0.681，規(guī)模收益從2003 年開始為規(guī)模報酬遞減。說明在現(xiàn)行的體制和規(guī)模下，廣東省財政支農(nóng)資金被充分利用并獲得了較大產(chǎn)出，但財政支農(nóng)資金規(guī)模不合理，從而導(dǎo)致了DEA 無效，資源配置效率較低，應(yīng)當(dāng)考慮整合已有資源，而非盲目增加財政支出。

（2）市級分析。2010—2018 年間廣東省20個市中未有1 個市在9 年間綜合效率全部達到1，廣州、珠海、東莞為綜合效率表現(xiàn)相對較差的城市。從純技術(shù)效率來看，珠海、佛山、韶關(guān)、東莞、茂名、肇慶6 個市在9 年期間效率值全部達到1，廣州只有1 年效率值達到1，惠州、清遠則均未達到1；從規(guī)模效率來看，20 個市中僅有東莞在9 年間全部達到完全有效，廣州、珠海、東莞、陽江、清遠、潮州在9 年間均未達到有效，珠海、東莞為規(guī)模效率表現(xiàn)相對較差的城市，這也是這2 個市綜合效率較低的原因；從規(guī)模報酬來看，只有汕尾始終處于規(guī)模報酬不變的狀態(tài)，揭陽處于規(guī)模報酬不變和規(guī)模報酬遞增間隔的狀態(tài)，其余市大多年份都表現(xiàn)為規(guī)模報酬遞減。

2.3.3 第二階段SFA 模型結(jié)果 將松弛變量作為被解釋變量，將人均地區(qū)生產(chǎn)總值、人均農(nóng)作物受災(zāi)面積、人均農(nóng)業(yè)技術(shù)協(xié)會個數(shù)作為解釋變量，構(gòu)建隨機前沿分析模型，運用Frontier4.1 軟件對截面數(shù)據(jù)按年份進行回歸，得到的系數(shù)正負在不同年份有一定差異（表3）。

由結(jié)果可看出模型中各個系數(shù)均通過了1%顯著性檢驗。2010 年，人均地區(qū)生產(chǎn)總值的系數(shù)為負，說明其對于投入松弛變量產(chǎn)生了負效應(yīng)，地區(qū)經(jīng)濟發(fā)展的提升有助于提高財政支農(nóng)資金使用效率；而這一系數(shù)在2018 年變?yōu)檎龜?shù)，表明廣東省目前財政支農(nóng)投入已經(jīng)達到一定規(guī)模，隨著地區(qū)經(jīng)濟的發(fā)展，財政支農(nóng)投入也在增加，過多的財政支農(nóng)投入反而降低了其使用效率。2010 年，人均農(nóng)作物受災(zāi)面積的系數(shù)為正，說明其對于投入松弛變量產(chǎn)生了正效應(yīng)，受災(zāi)面積越大，對于農(nóng)作物產(chǎn)量的負面影響越大，從而會降低財政支農(nóng)效率；而這一系數(shù)在2018 年變?yōu)榱素摂?shù)，表明隨著時間的推移，受自然災(zāi)害較為嚴重的地區(qū)因財政資金緊張而更加注重財政資金使用的效率。2010 年，農(nóng)業(yè)技術(shù)協(xié)會個數(shù)的系數(shù)為負，說明其對于投入松弛變量產(chǎn)生了負效應(yīng)，農(nóng)業(yè)技術(shù)協(xié)會個數(shù)的增加有助于提升當(dāng)?shù)氐霓r(nóng)業(yè)技術(shù)水平，從而提升財政支農(nóng)效率；而這一系數(shù)在2018 年變?yōu)檎龜?shù)，表明農(nóng)機協(xié)會個數(shù)的增加對于財政支農(nóng)效率產(chǎn)生了負面影響，這反映了廣東省目前農(nóng)技協(xié)會的現(xiàn)狀：數(shù)量在不斷增加，但協(xié)會規(guī)模小，內(nèi)部管理不規(guī)范，服務(wù)能力不強，并沒有充分發(fā)揮其作用，反而造成了財政支農(nóng)效率的下降。表3 中，γ代表內(nèi)部管理或投入規(guī)模無效導(dǎo)致的投入松弛值的方差占所有松弛的方差的比重，2010—2018 年，γ系數(shù)始終為0.99，表明內(nèi)部管理無效率是產(chǎn)生松弛變量的主要原因。

2.3.4 第三階段調(diào)整后的DEA 模型結(jié)果（1）省級分析。在剔除地區(qū)生產(chǎn)總值、農(nóng)作物受災(zāi)面積、農(nóng)業(yè)技術(shù)協(xié)會3 個環(huán)境變量后，省級綜合效率整體上升，均值從0.652 上升到0.718，表明選取的3個環(huán)境變量對廣東省財政支農(nóng)效率有抑制作用?？疾炷攴葜?，2000—2002 年、2004 年綜合效率值均為1，說明財政支農(nóng)效率達到完全有效；其余年份的綜合效率值隨時間變化有上下波動，但整體趨于下降，表明廣東財政支農(nóng)的效率損失在不斷增加。其中，2003 年和2007 年的規(guī)模效率大于純技術(shù)效率，據(jù)此可知是財政支農(nóng)投入的規(guī)模不足導(dǎo)致其綜合效率未達到完全有效，而其他年份的規(guī)模效率則均小于純技術(shù)效率，說明財政支農(nóng)效率的降低趨勢主要是由支農(nóng)資金內(nèi)部管理造成（表4）。

表3 2010 年及2018 年廣東省20 個市第二階段SFA 模型結(jié)果對比Table 3 Comparison of the results of the second-stage SFA model in 20 cities of Guangdong Province in 2010 and 2018

表4 2000—2018 年廣東省財政支農(nóng)第三階段效率值Table 4 Efficiency value of the third-stage of financial support for agriculture in Guangdong Province from 2000 to 2018

（2）市級分析。在剔除環(huán)境因素和隨機干擾項的影響后，廣東省20 個市的財政支農(nóng)的綜合效率有了一定程度的改變（表5），其中廣州、珠海、韶關(guān)、河源、梅州、東莞、江門、陽江、肇慶、清遠、云浮的綜合效率值上升，而汕頭、惠州、汕尾、中山、湛江、潮州、揭陽的綜合效率值下降。第一階段有3 個市在8 年的綜合效率值為1，但在調(diào)整后的第三階段沒有1 個市達到8年完全效率，僅有2 個市在7 年里達到綜合效率完全有效，而9 年都未達到完全效率的由7 個市變?yōu)榱? 個市。綜合效率表現(xiàn)相對較差的仍然是廣州、珠海、東莞。

以0.9 為分界對2018 年的規(guī)模效率和純技術(shù)效率進行劃分，可將廣東省20 個市劃分為4 種類型（圖2）：第Ⅰ區(qū)域為“雙高型”地區(qū)，即規(guī)模效率和純技術(shù)效率均大于0.9 的地區(qū)，主要有茂名、湛江、肇慶、河源、汕尾、韶關(guān)、佛山、江門8 個市，這些地區(qū)的財政支農(nóng)效率相對較高，改進空間較?。坏冖騾^(qū)域為“高低型”地區(qū)，即規(guī)模效率較高，但純技術(shù)效率較低的地區(qū)，主要有惠州、清遠、云浮3 個市，這些地區(qū)技術(shù)效率較低是其綜合效率較低的主要原因，后期應(yīng)當(dāng)提高這3 個市的財政資金管理水平從而提升其財政支農(nóng)資金使用效率；第Ⅲ區(qū)域是“雙低型”地區(qū)，即規(guī)模效率和純技術(shù)效率都較低的地區(qū)，主要有廣州、陽江、潮州、揭陽4 個市，其中廣州和陽江2 個市規(guī)模效率已經(jīng)接近0.9，故相對于增加財政投入規(guī)模，應(yīng)當(dāng)更加注重其財政支農(nóng)資金的使用效率，而潮州和揭陽2 個市既需要增加財政支農(nóng)投入規(guī)模，也需要注重提升資金管理水平；第Ⅳ區(qū)域是“低高”型地區(qū)，這些地區(qū)的規(guī)模效率較低，但純技術(shù)效率較高，主要有汕頭、中山、梅州、珠海、東莞5 個市，在后期應(yīng)當(dāng)適度增加這些地區(qū)的財政支農(nóng)投入規(guī)模。

表5 2010—2018 年廣東省20 市（不含深圳）財政支農(nóng)第三階段效率值Table 5 Efficiency value of the third-stage financial support for agriculture in 20 cities of Guangdong Province（excluding Shenzhen）from 2010 to 2018

圖2 2018 年廣東省20 個市的財政支農(nóng)純技術(shù)效率和規(guī)模效率分布Fig.2 Distribution of pure technical efficiency and scale efficiency of financial support for agriculture in 20 cities of Guangdong Province in 2018

（3）區(qū)域分析。從區(qū)域來看，綜合效率平均值最高的地區(qū)是粵東及粵西地區(qū)，平均值最低的地區(qū)是珠三角地區(qū)，但珠三角地區(qū)的綜合效率平均值呈現(xiàn)上升趨勢，由2010 年的0.52 上升至2017 年的0.78，但在2018 年又下降為0.66，而粵東粵西地區(qū)則呈現(xiàn)下降趨勢。其中粵東在2018年從上一年的0.90 下降到0.73，下降幅度較為明顯，可見4 個區(qū)域之間的差距在逐漸縮?。▓D3）。純技術(shù)效率平均值最高的地區(qū)是粵西地區(qū)，粵東及珠三角地區(qū)也緊緊的挨在粵西波動線之下，粵北地區(qū)在2010—2012 年之間純技術(shù)效率平均值較低，但從2012 年開始達到了0.93，逐漸追趕上了其他區(qū)域，4 個區(qū)域之間的差距同樣也在逐漸縮?。▓D4）。從圖5 可見，在整個考察期內(nèi)，規(guī)模效率平均值最高的地區(qū)仍舊是粵東地區(qū)，粵北及粵西緊隨其后，而珠三角地區(qū)的規(guī)模效率平均值則較低。從趨勢上來看，珠三角地區(qū)由2010年的0.53 上升到了2018 年的0.78，粵東地區(qū)由2010 年的0.96 下降至2018 年的0.81，粵西和粵北地區(qū)變化幅度輕微，4 個區(qū)域之間規(guī)模效率差異也在逐漸縮小。

圖3 2010—2018 年廣東省4 區(qū)域財政支農(nóng)綜合效率均值趨勢Fig.3 Trend of the average comprehensive efficiency of financial support for agriculture in four regions of Guangdong from 2010 to 2018

圖4 2010—2018 年廣東省4 區(qū)域財政支農(nóng)純技術(shù)效率均值趨勢Fig.4 Trend of the average pure technical efficiency of financial support for agriculture in four regions of Guangdong Province from 2010 to 2018

圖5 2010—2018 年廣東省四區(qū)域財政支農(nóng)純規(guī)模效率均值趨勢Fig.5 Trend of average net scale efficiency of financial support for Agriculture in four regions of Guangdong Province from 2010 to 2018

3 結(jié)論與建議

3.1 結(jié)論

本研究通過采用三階段DEA 模型，對廣東省2000—2018 年及其20 個市2010—2018 年財政支農(nóng)效率進行了實證分析，結(jié)果表明：

（1）廣東省純技術(shù)效率較高，規(guī)模效率受珠三角影響整體偏低，總體而言，廣東省的財政支農(nóng)效率呈下降趨勢。各市的綜合效率表現(xiàn)也不理想，大多市處于規(guī)模報酬遞減狀態(tài)。

（2）第二階段SFA 結(jié)果發(fā)現(xiàn)，考慮人均地區(qū)生產(chǎn)總值、人均農(nóng)作物受災(zāi)面積、人均農(nóng)業(yè)技術(shù)協(xié)會個數(shù)3 個環(huán)境因素，2010 年人均地區(qū)生產(chǎn)總值、人均農(nóng)業(yè)技術(shù)協(xié)會個數(shù)的增加對于提高財政支農(nóng)效率具有顯著的正向作用，人均農(nóng)作物受災(zāi)面積的增加則會降低財政支農(nóng)效率；而到了2018 年，人均地區(qū)生產(chǎn)總值、人均農(nóng)業(yè)技術(shù)協(xié)會個數(shù)的增加對于提高財政支農(nóng)效率產(chǎn)生了顯著的負向作用，人均農(nóng)作物受災(zāi)面積的增加反而提高了財政支農(nóng)效率。

（3）在第三階段剔除了環(huán)境因素和隨機干擾項以后，各市財政支農(nóng)效率發(fā)生了一定程度的變化，11個市綜合效率上升，7個市綜合效率下降，省級綜合效率整體上升。從區(qū)域來看，珠三角地區(qū)綜合效率、規(guī)模效率較低，粵北地區(qū)純技術(shù)效率較低，4 個區(qū)域的3 種效率值之間的差距均在不斷縮小。從各市來看，根據(jù)其純技術(shù)效率和規(guī)模效率可分為4 種類型，8 個市屬于“雙高型”，3 個市屬于“高低型”，4 個市屬于“雙低型”，5 個市屬于“低高型”。

3.2 對策建議

一是科學(xué)合理分配財政支農(nóng)資金，逐步建立現(xiàn)代財政支農(nóng)制度。本研究結(jié)果表明，把對珠三角的財政支農(nóng)投入適當(dāng)向粵北、粵東和粵西地區(qū)傾斜，將有助于從整體上提高財政支農(nóng)效率。因此要加強統(tǒng)籌力度，發(fā)揮地區(qū)比較優(yōu)勢，使資金利用更科學(xué)精細。要逐步建立現(xiàn)代財政支農(nóng)預(yù)算制度，做好財政支農(nóng)績效評估工作，明確各部門管理職責(zé)，從而提高支農(nóng)資金內(nèi)部管理效率。

二是重視外部條件對效率的影響，為財政支農(nóng)創(chuàng)造良好的環(huán)境。農(nóng)業(yè)科技對財政支農(nóng)效率有正向作用，要加強科研攻關(guān)，加快農(nóng)業(yè)科學(xué)成果轉(zhuǎn)化和農(nóng)業(yè)技術(shù)推廣，增強農(nóng)業(yè)科學(xué)服務(wù)組織的服務(wù)質(zhì)量，提高農(nóng)民的農(nóng)業(yè)科學(xué)素養(yǎng)［23］。自然災(zāi)害對財政支農(nóng)效率有負向作用，要加強財政對災(zāi)害防范的支持力度，減少災(zāi)害帶來的損失。地區(qū)經(jīng)濟發(fā)展水平對財政支農(nóng)效率有顯著影響，對規(guī)模效率低的地區(qū)要引導(dǎo)農(nóng)業(yè)與二、三產(chǎn)業(yè)協(xié)調(diào)發(fā)展，提高農(nóng)民收入，改善農(nóng)村生活條件。

三是積極引導(dǎo)綠色農(nóng)業(yè)不斷發(fā)展，推動相關(guān)配套政策落地實施。綠色農(nóng)業(yè)具有安全環(huán)保、全面高效的優(yōu)點，政府應(yīng)積極引導(dǎo)企業(yè)和農(nóng)民發(fā)展綠色農(nóng)業(yè)。首先要完善基礎(chǔ)設(shè)施建設(shè)，為綠色農(nóng)業(yè)延長產(chǎn)業(yè)鏈，增加產(chǎn)品附加值，物流運輸?shù)忍峁┍憷墓苍O(shè)施服務(wù)；其次要出臺優(yōu)惠政策，提高生產(chǎn)者的積極性；最后要不斷開拓綠色農(nóng)業(yè)市場，引導(dǎo)消費者購買綠色農(nóng)產(chǎn)品，加強相關(guān)宣傳和交流。