□ 王瑞梅

(1.江西財(cái)經(jīng)大學(xué), 江西 南昌 330013; 2.江西理工大學(xué), 江西 贛州 341000)

一、引 言

農(nóng)業(yè)作為國(guó)民經(jīng)濟(jì)基礎(chǔ),在促進(jìn)農(nóng)村經(jīng)濟(jì)健康發(fā)展以及推動(dòng)中國(guó)邁向農(nóng)業(yè)農(nóng)村現(xiàn)代化建設(shè)新征程中發(fā)揮關(guān)鍵作用。而農(nóng)業(yè)保險(xiǎn)可夯實(shí)農(nóng)業(yè)發(fā)展的頂層支持,已經(jīng)上升為國(guó)家重要農(nóng)業(yè)政策,為“三農(nóng)”高質(zhì)量發(fā)展保駕護(hù)航。早于2018年中國(guó)銀保監(jiān)會(huì)聯(lián)合四部門發(fā)布了《關(guān)于金融支持深度貧困地區(qū)脫貧攻堅(jiān)的意見》,強(qiáng)調(diào)保險(xiǎn)行業(yè)參與農(nóng)業(yè)農(nóng)村領(lǐng)域,助力貧困地區(qū)打贏脫貧攻堅(jiān)戰(zhàn)。在關(guān)聯(lián)政策推動(dòng)下,農(nóng)業(yè)保險(xiǎn)市場(chǎng)規(guī)模顯著增長(zhǎng)。據(jù)銀保監(jiān)會(huì)統(tǒng)計(jì),我國(guó)農(nóng)業(yè)保險(xiǎn)保費(fèi)收入增長(zhǎng)迅速,從2007年的53.3億元增加至2020年的814.93億元。中國(guó)已成功超越美國(guó)成為全球最大的農(nóng)業(yè)保險(xiǎn)市場(chǎng)。特別是在鄉(xiāng)村振興戰(zhàn)略落實(shí)過程中,金融機(jī)構(gòu)不斷強(qiáng)化農(nóng)業(yè)保險(xiǎn)的產(chǎn)品和服務(wù)供給,為防止脫貧農(nóng)民“因病因?yàn)?zāi)返貧”提供解決方案,助力鞏固拓展脫貧攻堅(jiān)成果同鄉(xiāng)村振興有效銜接。

隨著國(guó)家脫貧攻堅(jiān)戰(zhàn)略的深入實(shí)施,農(nóng)業(yè)保險(xiǎn)在農(nóng)業(yè)農(nóng)村領(lǐng)域的重要性日益凸顯。但由于農(nóng)業(yè)本身具有弱勢(shì)性與基礎(chǔ)性特征,農(nóng)業(yè)保險(xiǎn)在助力脫貧攻堅(jiān)過程中仍存在針對(duì)性不足等問題。加之受國(guó)內(nèi)區(qū)域發(fā)展不均衡問題影響,農(nóng)業(yè)保險(xiǎn)反貧困效率逐漸削弱。這不僅制約農(nóng)業(yè)農(nóng)村可持續(xù)發(fā)展,還不利于全面脫貧成果的鞏固。在此基礎(chǔ)上,鞏固農(nóng)業(yè)保險(xiǎn)反貧困成果不僅利于全面脫貧攻堅(jiān)成果的鞏固,還利于切實(shí)解決“三農(nóng)”工作問題,對(duì)于農(nóng)業(yè)農(nóng)村現(xiàn)代化發(fā)展具有極強(qiáng)現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

現(xiàn)階段,學(xué)界對(duì)于農(nóng)業(yè)保險(xiǎn)反貧困效率研究取得一定成果。在農(nóng)業(yè)保險(xiǎn)反貧困效率的理論研究方面,左停等(2019)[1]認(rèn)為農(nóng)業(yè)保險(xiǎn)在反貧困進(jìn)程中發(fā)揮極大作用,可通過主體、資源、能力與目標(biāo)四項(xiàng)關(guān)鍵要素,防止居民陷入貧困現(xiàn)狀。張棟浩等(2021)[2]在研究農(nóng)業(yè)保險(xiǎn)內(nèi)涵特征與發(fā)展條件基礎(chǔ)上,分別從內(nèi)在驅(qū)動(dòng)、外部因素兩個(gè)角度剖析其反貧困路徑。在農(nóng)業(yè)保險(xiǎn)反貧困效率的研究方法方面,黃穎等(2021)[3]立足于傾向得分匹配法(PSM)和IV-Probit方法,對(duì)中國(guó)農(nóng)業(yè)保險(xiǎn)進(jìn)行分區(qū)域調(diào)查,研究農(nóng)業(yè)保險(xiǎn)管理機(jī)制與反貧困路徑間的聯(lián)系。李嬋娟等(2021)[4]則運(yùn)用空間計(jì)量方法,實(shí)證評(píng)價(jià)農(nóng)業(yè)保險(xiǎn)發(fā)展效率的空間收斂趨勢(shì)和影響因素。

綜上所述,學(xué)界對(duì)于農(nóng)業(yè)保險(xiǎn)反貧困效率的研究已取得豐碩成果,為進(jìn)一步研究的開展提供了寶貴經(jīng)驗(yàn)與可行參考。但就深入研究?jī)?nèi)容而言,學(xué)界既有關(guān)于農(nóng)業(yè)保險(xiǎn)反貧困研究的文獻(xiàn)多局限于典型區(qū)域亦或是特定省份[5],鮮有學(xué)者對(duì)全國(guó)范圍內(nèi)農(nóng)業(yè)保險(xiǎn)反貧困效率進(jìn)行系統(tǒng)性分析。就研究方法而言,現(xiàn)有學(xué)術(shù)成果中使用頻率較高的模糊綜合評(píng)價(jià)法(FCE)有賴于主觀進(jìn)行權(quán)重賦值,層次分析法(AHP)的分析質(zhì)量會(huì)隨要素選取合理性與要素間關(guān)系正確性而波動(dòng),單階段數(shù)據(jù)包絡(luò)分析(DEA)模型難以控制決策單元的非經(jīng)營(yíng)性因素。三階段DEA模型基于傳統(tǒng)DEA的多投入、多產(chǎn)出特征,無需考量權(quán)重量綱,有機(jī)結(jié)合SFA剝離外部因素,可使每個(gè)決策單元均處于相同外部條件與隨機(jī)因素,更契合農(nóng)業(yè)保險(xiǎn)反貧困研究需要[6]。本文以上述研究作為切入點(diǎn),采用三階段DEA模型,借鑒國(guó)內(nèi)外學(xué)者研究成果,建構(gòu)投入—產(chǎn)出—環(huán)境指標(biāo)體系。在剝離外部因素與隨機(jī)誤差的影響后,對(duì)中國(guó)農(nóng)業(yè)保險(xiǎn)反貧困效率進(jìn)行研判,并提出相關(guān)建議與優(yōu)化方向。本研究有利于促進(jìn)農(nóng)業(yè)保險(xiǎn)反貧困理論實(shí)踐、加快國(guó)內(nèi)農(nóng)業(yè)保險(xiǎn)反貧困進(jìn)程,推動(dòng)鄉(xiāng)村戰(zhàn)略走深向?qū)?、共同富裕目?biāo)逐步實(shí)現(xiàn)。

三、研究設(shè)計(jì)

(一)三階段DEA模型

三階段DEA模型能可剔除實(shí)證模型的環(huán)境因素和隨機(jī)干擾,具備良好的信度與效度,可確保研究準(zhǔn)確性。參考郭軍華等(2010)[7]就相關(guān)實(shí)證模型的研究范式,建構(gòu)三階段DEA模型如下:

1.第一階段,傳統(tǒng)DEA模型。對(duì)初始面板數(shù)據(jù)的投入與產(chǎn)出指標(biāo)展開基礎(chǔ)效益測(cè)算,得出技術(shù)效率(TE)、規(guī)模效率(SE)以及純技術(shù)效率(PTE),TE=SE·PTE。選擇以投入作為導(dǎo)向的BC2模型(即規(guī)?；貓?bào)可變),就樣本數(shù)據(jù)展開實(shí)證分析。具體模型建構(gòu)為:

min[θ-ε(eTs-+eTs+)]

其中,i為決策單元(DMU),Xi為第i項(xiàng)DMU投入,Yi為第i項(xiàng)DMU產(chǎn)出,s-表示投入松弛變量,s+表示產(chǎn)出松弛變量,θ代表各項(xiàng)DMU的純技術(shù)效率數(shù)值,λi則表示第i項(xiàng)DMU系數(shù)。

2.第二階段,SFA模型。以第一階段DEA為基礎(chǔ),估測(cè)外部因素對(duì)DMU所帶來的影響。這一過程需要對(duì)投入變量展開差額分析,剔除外部環(huán)境與隨機(jī)誤差,使投入值更貼合現(xiàn)實(shí)情況。第二階段模型回歸將第一階段回歸所得出的投入松弛變量視作解釋變量,將外部變量視作被解釋變量,然后進(jìn)行模型回歸。該階段建構(gòu)SFA模型如下:

Sni=f(Zi;βn)+vni+μni

i=1,2,…,I;n=1,2,…,N

開展SFA模型回歸是為使全部DMU置于同一外部條件下,剝離外部環(huán)境與隨機(jī)誤差對(duì)DMU帶來的干擾。是以,對(duì)公式展開如下調(diào)節(jié):

[max(vni)-vni]i=1,2,…,I;n=1,2,…,N

參考黃桂琴(2021)[8]探究配置無效率的研究方法,建構(gòu)配置無效率分離公式:

基于上述公式調(diào)整,得出隨機(jī)誤差項(xiàng)分離公式:

E[νni|νni+μni]=sni-f(Zi;βn)-E[μni|νni+μni]

3.第三階段,調(diào)節(jié)投入變量后的DEA模型。此處將其與初始產(chǎn)出變量數(shù)值代入第一階段DEA模型實(shí)證回歸,為提升此處實(shí)證分析信度與效度,選用基于投入導(dǎo)向的BCC模型展開效率測(cè)度,得出剝離外部環(huán)境與隨機(jī)誤差的實(shí)際效率數(shù)值。值得注意的是,此處選取的面板數(shù)據(jù)為跨年份型。因差異年份的生產(chǎn)前沿面存在異質(zhì)性,經(jīng)由分年份測(cè)度得出的效率數(shù)值不可直接進(jìn)行比較。這也意味著對(duì)差異性年份DMU測(cè)算所得的效率數(shù)值不具備可比性,無法分析其時(shí)序演變態(tài)勢(shì)。為紓解跨年份面板數(shù)據(jù)為效率計(jì)算帶來的困厄,參考學(xué)界既有研究方法[9-10],采用面板三階段DEA模型,將跨年份面板數(shù)據(jù)轉(zhuǎn)為更具信度與效度的截面數(shù)據(jù)進(jìn)行處理,然后展開實(shí)證檢驗(yàn)。

(二)指標(biāo)體系構(gòu)建與數(shù)據(jù)說明

為保證數(shù)據(jù)可得性與連續(xù)性,選取中國(guó)除港澳臺(tái)外31個(gè)省級(jí)行政區(qū)2010—2019年的面板數(shù)據(jù)。樣本數(shù)據(jù)來源于中國(guó)統(tǒng)計(jì)年鑒、各省統(tǒng)計(jì)年鑒、中國(guó)農(nóng)村統(tǒng)計(jì)年鑒、中國(guó)保險(xiǎn)年鑒、中國(guó)金融年鑒、知網(wǎng)數(shù)據(jù)庫(kù)、Wind數(shù)據(jù)庫(kù),部分指標(biāo)在原始數(shù)據(jù)基礎(chǔ)上采用平均值插補(bǔ)法計(jì)算得出。在借鑒既有相關(guān)研究基礎(chǔ)上[11-13],結(jié)合研究需要,構(gòu)建指標(biāo)體系如表1所示。

1.投入變量選取。投入變量可客觀展現(xiàn)省域農(nóng)業(yè)保險(xiǎn)反貧困內(nèi)部投入。農(nóng)業(yè)保險(xiǎn)反貧困作為一項(xiàng)經(jīng)濟(jì)活動(dòng),其現(xiàn)實(shí)運(yùn)作可以從機(jī)構(gòu)建設(shè)、覆蓋密度、建檔參保、財(cái)政補(bǔ)貼、自繳保費(fèi)、出險(xiǎn)理賠六方面考量。其中,基層保險(xiǎn)服務(wù)機(jī)構(gòu)是承接農(nóng)業(yè)保險(xiǎn)的一線主體,在農(nóng)業(yè)保險(xiǎn)反貧困進(jìn)程中起基礎(chǔ)性作用,故以農(nóng)村保險(xiǎn)機(jī)構(gòu)服務(wù)站數(shù)量(X1)對(duì)其進(jìn)行表征。各個(gè)農(nóng)戶對(duì)于自然災(zāi)害損失保險(xiǎn)、病蟲害損失保險(xiǎn)、疾病死亡保險(xiǎn)、意外事故損失保險(xiǎn)等農(nóng)業(yè)保險(xiǎn)險(xiǎn)種的微觀參與情況,可由農(nóng)業(yè)保險(xiǎn)投保覆蓋密度(X2)反映。隨著脫貧攻堅(jiān)戰(zhàn)取得全面勝利,貧困戶成為過去。著眼于農(nóng)業(yè)保險(xiǎn)的反貧困效能,曾在農(nóng)村建檔立卡貧困戶的保險(xiǎn)參與情況尤為值得關(guān)注,故以建檔貧困農(nóng)戶參保比例(X3)對(duì)其進(jìn)行度量。保費(fèi)投入是農(nóng)業(yè)保險(xiǎn)投入的直觀反映,其大范圍開展有賴于政府專項(xiàng)財(cái)政補(bǔ)貼與農(nóng)戶自籌保費(fèi)資金?；跀?shù)據(jù)可得性,以農(nóng)業(yè)保險(xiǎn)保費(fèi)財(cái)政補(bǔ)貼(X4)與農(nóng)業(yè)保險(xiǎn)自繳保費(fèi)數(shù)額(X5)衡量農(nóng)業(yè)保險(xiǎn)資金投入。在現(xiàn)實(shí)環(huán)境中,農(nóng)業(yè)保險(xiǎn)效能主要經(jīng)由兌付出險(xiǎn)賠償金來發(fā)揮。農(nóng)業(yè)保險(xiǎn)理賠直接影響農(nóng)戶經(jīng)濟(jì)情況、參與農(nóng)業(yè)再生產(chǎn),以農(nóng)業(yè)保險(xiǎn)出險(xiǎn)理賠數(shù)額(X6)表征。

表1 指標(biāo)說明

2.產(chǎn)出變量選取。產(chǎn)出變量選取目的與標(biāo)準(zhǔn)為體現(xiàn)各省域農(nóng)業(yè)保險(xiǎn)效率,主要反映農(nóng)業(yè)保險(xiǎn)反貧困在農(nóng)村與農(nóng)戶兩個(gè)維度取得的進(jìn)展。就農(nóng)村層面來看,農(nóng)業(yè)增加值即農(nóng)林牧漁在一定時(shí)期內(nèi)通過生產(chǎn)經(jīng)營(yíng)活動(dòng)形塑社會(huì)勞動(dòng)量的貨幣表征,具有一定研究意義,故將其作為變量之一(Y1)。具體為農(nóng)林牧漁業(yè)現(xiàn)價(jià)總產(chǎn)值扣除農(nóng)林牧漁業(yè)現(xiàn)價(jià)中間投入后的余額。糧食穩(wěn)產(chǎn)增產(chǎn)是中國(guó)農(nóng)業(yè)發(fā)展的核心要義,也是保障農(nóng)村反貧困的關(guān)鍵所在,以農(nóng)業(yè)糧食增產(chǎn)(Y2)進(jìn)行度量。農(nóng)村經(jīng)濟(jì)發(fā)展對(duì)于中國(guó)經(jīng)濟(jì)有著舉足輕重的影響,亦是反貧困的強(qiáng)大驅(qū)動(dòng),以農(nóng)村人均GDP增長(zhǎng)率(Y3)反映農(nóng)村經(jīng)濟(jì)發(fā)展水平。就農(nóng)戶層面來看,生產(chǎn)經(jīng)營(yíng)作為農(nóng)戶主要經(jīng)濟(jì)來源,直接影響農(nóng)戶生產(chǎn)生活與農(nóng)村反貧困進(jìn)程,以農(nóng)戶生產(chǎn)經(jīng)營(yíng)規(guī)模(Y4)表征。在農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)調(diào)整背景下,經(jīng)營(yíng)性收入已成為農(nóng)戶收入的新興增長(zhǎng)點(diǎn),以農(nóng)村人口經(jīng)營(yíng)性收入(Y5)反映。消費(fèi)支出作為農(nóng)戶生活方式變革、可支配收入變化的直觀表現(xiàn),值得在反貧困進(jìn)程中引起關(guān)注,采用農(nóng)村居民消費(fèi)支出(Y6)表征。

3.環(huán)境變量選取。環(huán)境變量是影響農(nóng)村反貧困工作開展效率的外部環(huán)境因素。財(cái)政投入是來源于社會(huì)經(jīng)濟(jì)的財(cái)政對(duì)社會(huì)經(jīng)濟(jì)進(jìn)行反向干預(yù),對(duì)農(nóng)村反貧困意義深遠(yuǎn),以公共財(cái)政投入(Z1)度量。農(nóng)村非農(nóng)戶固定資產(chǎn)投資是農(nóng)村各種登記注冊(cè)的企業(yè)、事業(yè)、行政單位進(jìn)行計(jì)劃總投資500萬(wàn)元以上的建設(shè)項(xiàng)目,為農(nóng)村經(jīng)濟(jì)發(fā)展提供經(jīng)濟(jì)基礎(chǔ)與現(xiàn)實(shí)依托,故將其作為研究變量,以農(nóng)業(yè)固定資產(chǎn)投資(Z2)表示。農(nóng)業(yè)機(jī)械化和農(nóng)機(jī)裝備是轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式、提高農(nóng)業(yè)生產(chǎn)力的重要基礎(chǔ),可大力促進(jìn)農(nóng)業(yè)提質(zhì)增效,以農(nóng)用機(jī)械使用率(Z3)反映。夯實(shí)農(nóng)業(yè)經(jīng)濟(jì)基礎(chǔ)、補(bǔ)齊農(nóng)業(yè)發(fā)展短板,有利于促進(jìn)宏觀經(jīng)濟(jì)增長(zhǎng),增加農(nóng)民和農(nóng)民工收入,進(jìn)而實(shí)現(xiàn)反貧困目標(biāo)。2020年全國(guó)糧食產(chǎn)量達(dá)到6.7億噸,為實(shí)現(xiàn)全年經(jīng)濟(jì)社會(huì)發(fā)展目標(biāo)任務(wù)提供有力支撐,故以農(nóng)業(yè)GDP經(jīng)濟(jì)增長(zhǎng)(Z4)表征農(nóng)業(yè)增長(zhǎng)在經(jīng)濟(jì)發(fā)展中的貢獻(xiàn)。據(jù)2020年第七次全國(guó)人口普查數(shù)據(jù)顯示,中國(guó)城鎮(zhèn)常住人口為90 199萬(wàn)人,占總?cè)丝诒戎貫?3.89%。城鎮(zhèn)化是國(guó)家現(xiàn)代化的關(guān)鍵指征,對(duì)反貧困具有極大推動(dòng)作用,因此以居住在大、中、小城鎮(zhèn)中的人口占城鄉(xiāng)總?cè)丝诘谋壤从吵擎?zhèn)化水平(Z5)。農(nóng)村社會(huì)救濟(jì)是國(guó)家與社會(huì)對(duì)農(nóng)村生活困難群眾提供物質(zhì)幫助的一種社會(huì)救助,與農(nóng)業(yè)保險(xiǎn)并行對(duì)中國(guó)反貧困工作起到重要推動(dòng)作用,以農(nóng)村社會(huì)救濟(jì)(Z6)對(duì)其刻畫。

四、實(shí)證分析

(一)第一階段:傳統(tǒng)DEA效率測(cè)算

基于前述研究方法,采用DEAP2.1軟件,選取投入導(dǎo)向、規(guī)?；貓?bào)可變的BC2模型,測(cè)算得出不同年份下各省域的技術(shù)效率(TE)、規(guī)模效率(SE)以及純技術(shù)效率(PTE)。由于樣本數(shù)量與面板數(shù)據(jù)較多,此處僅展示10年間各省域技術(shù)效率、規(guī)模效率、純技術(shù)效率的平均值(表2)。

表2 第一階段DEA效率測(cè)算結(jié)果

就技術(shù)效率(TE)而言,2010—2019年各省域TE的均值是0.472,效率損失高達(dá)53%。這表明從時(shí)間角度整體來看,農(nóng)業(yè)保險(xiǎn)既有技術(shù)效率水準(zhǔn)較為低下。從不同年份技術(shù)效率數(shù)值排列來看,各年份技術(shù)效率普遍處于低位,除2011、2016、2017、2018、2019年,其余年份的技術(shù)效率數(shù)值均低于0.5,且全部年份的技術(shù)效率數(shù)值未超過0.6。但不難看出,近年來全國(guó)與各省域的技術(shù)效率值整體表現(xiàn)出波浪式攀升趨勢(shì)(如圖1)。這一趨勢(shì)自2016年起表現(xiàn)得尤為明顯。就純技術(shù)效率(PTE)而言,2010—2019年各省域的PTE均值是0.575。不足六成的數(shù)值水平說明國(guó)內(nèi)農(nóng)業(yè)保險(xiǎn)反貧困的純技術(shù)效率仍處低位,農(nóng)業(yè)保險(xiǎn)經(jīng)營(yíng)運(yùn)作水平有待提升。從不同年份純技術(shù)效率數(shù)值排列來看,除2010年外,其余絕大多數(shù)年份效率數(shù)值均高于0.5。同一時(shí)期,PTE整體數(shù)值隨時(shí)間推進(jìn)展現(xiàn)出波動(dòng)走高態(tài)勢(shì)。這意味著國(guó)內(nèi)農(nóng)業(yè)保險(xiǎn)的經(jīng)營(yíng)模式與落地運(yùn)作處于持續(xù)優(yōu)化過程,為中國(guó)農(nóng)村反貧困進(jìn)程帶來一大利好。就規(guī)模效率(SE)而言,2010—2019年國(guó)內(nèi)各省域規(guī)模效率均值為0.791,較之技術(shù)效率與純技術(shù)效率處于較高位,但整體而言仍存上升空間。從不同年份規(guī)模效率數(shù)值排列來看,除2011、2013、2016年出現(xiàn)過較大浮動(dòng),整體發(fā)展態(tài)勢(shì)平穩(wěn),且近3年來(2017—2019年)規(guī)模效率數(shù)值均超過0.8。從導(dǎo)致效率損耗的原因來看,TE損失的近53個(gè)百分點(diǎn)中有57.64%是由PTE無效造成,42.36%是由SE無效造成。

圖1 2010—2019年效率變動(dòng)

由于各地區(qū)農(nóng)業(yè)保險(xiǎn)反貧困效率存在區(qū)域異質(zhì)性,依據(jù)國(guó)家統(tǒng)計(jì)局劃分標(biāo)準(zhǔn),將大陸區(qū)域劃為東、中、西、東北四部分,展開區(qū)域農(nóng)業(yè)保險(xiǎn)反貧困效率測(cè)度(見表3)。

據(jù)表3可知,2010—2019年TE數(shù)值最低的省級(jí)行政區(qū)是甘,數(shù)值為0.056;最高的是京,數(shù)值為0.881。PTE數(shù)值最低的省級(jí)行政區(qū)為寧,數(shù)值為0.096;最高的是魯,數(shù)值為0.999。SE數(shù)值最低的省級(jí)行政區(qū)是藏,數(shù)值為0.211;最高的是渝,數(shù)值為0.928。國(guó)內(nèi)各省域的TE、PTE以及SE均值各為0.487、0.587與0.716,均有不同范圍的提升空間。從地區(qū)分布來看,東部區(qū)域TE與PTE數(shù)值均為四大區(qū)域中最高。SE數(shù)值最高的區(qū)域?yàn)橹胁?。這可能是因?yàn)橹胁繀^(qū)域?yàn)閲?guó)內(nèi)糧食產(chǎn)量較高、耕地分布密集的農(nóng)業(yè)集中地域,規(guī)模化程度較優(yōu)。東北區(qū)域的TE數(shù)值最低,西部區(qū)域的PTE與SE最低。各區(qū)域的效率數(shù)值都表現(xiàn)出SE數(shù)值最高、PTE數(shù)值居中、TE數(shù)值最低的現(xiàn)狀。這體現(xiàn)出綜合技術(shù)效率較低可能與純技術(shù)效率持續(xù)走低有關(guān)。

表3 2010—2019年各省域效率均值

(二)第二階段:SFA回歸

通過第一階段DEA效率測(cè)算,得出各項(xiàng)投入變量的松弛變量(見表4)。在第二階段,將六個(gè)環(huán)境變量——公共財(cái)政投入、農(nóng)業(yè)固定資產(chǎn)投資、農(nóng)用機(jī)械使用率、農(nóng)業(yè)GDP經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化水平、農(nóng)村社會(huì)救濟(jì)作為自變量。借鑒學(xué)界既有研究方法[14],將投入變量中反映農(nóng)業(yè)保險(xiǎn)覆蓋密度與出險(xiǎn)理賠兩項(xiàng)關(guān)鍵指征的核心變量作為因變量,即農(nóng)業(yè)保險(xiǎn)投保覆蓋松弛和農(nóng)業(yè)保險(xiǎn)出險(xiǎn)理賠松弛。經(jīng)由Frontier4.1軟件,選擇面板SFA模型展開最大似然估計(jì),以此調(diào)節(jié)投入變量。

表4 第二階段SFA回歸結(jié)果

由表4第二列可知:第一,農(nóng)業(yè)固定資產(chǎn)投資的變量系數(shù)是-0.592,通過1%顯著性檢驗(yàn),說明農(nóng)業(yè)固定資產(chǎn)投資與農(nóng)業(yè)保險(xiǎn)投保覆蓋松弛具備顯著負(fù)相關(guān)。隨著農(nóng)業(yè)固定資產(chǎn)投入增加,農(nóng)業(yè)保險(xiǎn)投保覆蓋松弛走低。農(nóng)業(yè)技改項(xiàng)目、基礎(chǔ)設(shè)施建設(shè)、農(nóng)林牧漁服務(wù)業(yè)經(jīng)營(yíng)等類別的投資擴(kuò)大可推動(dòng)農(nóng)村反貧困效率攀升。第二,公共財(cái)政投入的變量系數(shù)為2.579,通過1%顯著性檢驗(yàn),說明公共財(cái)政投入與農(nóng)業(yè)保險(xiǎn)的投保覆蓋程度表現(xiàn)出顯著正相關(guān)。隨著公共財(cái)政投入擴(kuò)大,農(nóng)業(yè)保險(xiǎn)投保覆蓋松弛持續(xù)走高,農(nóng)業(yè)保險(xiǎn)反貧困效率則不斷降低。這可能是由于在全國(guó)財(cái)政公共預(yù)算用于農(nóng)林水的支出中,部分項(xiàng)目必要性與可行性仍有待商榷,致使資金投入并未得到高效利用與效能發(fā)揮。是以,部分公共財(cái)政投入效率持續(xù)走低,難以切實(shí)推動(dòng)農(nóng)業(yè)保險(xiǎn)反貧困落地、助力農(nóng)業(yè)發(fā)展與農(nóng)戶收入提升。第三,農(nóng)用機(jī)械使用率、農(nóng)業(yè)GDP經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化水平、農(nóng)村社會(huì)救濟(jì)四項(xiàng)變量的系數(shù)各為-0.368、-1.853、-1.174、-0.893,均通過1%顯著性檢驗(yàn),表征這四項(xiàng)指標(biāo)與農(nóng)業(yè)保險(xiǎn)投保覆蓋松弛呈負(fù)相關(guān)。隨著資金投入的擴(kuò)大,農(nóng)業(yè)保險(xiǎn)投保覆蓋松弛不斷降低,反貧困效率得到拉升。這可能是由于農(nóng)用機(jī)械使用率提升、農(nóng)業(yè)GDP經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化水平提高、農(nóng)村社會(huì)救濟(jì)落實(shí)都會(huì)提升農(nóng)戶的生產(chǎn)積極性。由此增加農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)投入,使得農(nóng)戶生產(chǎn)經(jīng)營(yíng)規(guī)模不斷擴(kuò)大,進(jìn)而推動(dòng)農(nóng)業(yè)產(chǎn)出增加與農(nóng)戶收入提升。

由表4第三列可知:六項(xiàng)環(huán)境變量中僅有公共財(cái)政投入的變量系數(shù)具備顯著性,為0.042,通過1%顯著性檢驗(yàn)。這說明公共財(cái)政投入和農(nóng)業(yè)保險(xiǎn)出險(xiǎn)理賠松弛具備顯著正相關(guān)。隨著公共財(cái)政投入的增加,農(nóng)業(yè)保險(xiǎn)出險(xiǎn)理賠松弛不斷高漲,其反貧困效率愈加走低。如前所述,公共財(cái)政在農(nóng)林水等項(xiàng)目可能存在粗放式投入的問題,財(cái)政資金并未得到合理配置,致使投入效率長(zhǎng)期處于低位。因而其未能切實(shí)推動(dòng)農(nóng)業(yè)發(fā)展、改善農(nóng)戶生活,也難以提升農(nóng)業(yè)保險(xiǎn)反貧困效能。農(nóng)業(yè)固定資產(chǎn)投資、農(nóng)用機(jī)械使用率、農(nóng)業(yè)GDP經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化水平與農(nóng)村社會(huì)救濟(jì)五項(xiàng)指標(biāo)的變量系數(shù)符號(hào)為負(fù),但都不具備顯著性。這可能是由于前述變量的投入反映出農(nóng)戶生產(chǎn)積極性增強(qiáng),利于擴(kuò)大生產(chǎn)經(jīng)營(yíng)規(guī)模,促使其對(duì)于農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的抵抗能力也有所提升,進(jìn)而大幅拉升農(nóng)業(yè)產(chǎn)出與自身收入。

(三)第三階段:DEA模型回歸

在第二階段SFA回歸剝離外部因素與隨機(jī)干擾的影響后,把經(jīng)過調(diào)節(jié)的投入變量數(shù)值與初始產(chǎn)出變量代入一階段DEA模型回歸。通過DEAP2.1軟件,選擇基于投入導(dǎo)向且規(guī)模報(bào)酬可變的BC2模型,得出調(diào)節(jié)后的實(shí)際技術(shù)效率(TE)、規(guī)模效率(SE)以及純技術(shù)效率(PTE)數(shù)值。此處將其與第一階段效率數(shù)值進(jìn)行比較(如表5),分析調(diào)節(jié)后2010—2019年各省級(jí)行政區(qū)的效率均值與變動(dòng)態(tài)勢(shì)。

表5 第三階段調(diào)節(jié)后效率均值

就全國(guó)而言,經(jīng)過投入變量調(diào)節(jié)后,2010—2019年國(guó)內(nèi)大多數(shù)省域的三類效率數(shù)值均有攀升,僅有少部分省域有所降低。全國(guó)平均TE、PTE與SE分別為0.608、0.696與0.769,較第一階段的各項(xiàng)效率數(shù)值0.487、0.587、0.716而言,各上漲0.121、0.109與0.053。這表明環(huán)境因素對(duì)于TE、PTE與SE會(huì)產(chǎn)生顯著影響。就微觀角度而言,著眼于技術(shù)效率,津、閩、桂、瓊、渝、貴、藏、青8個(gè)省域的TE數(shù)值均有所回落,其余省域TE數(shù)值都有不同程度提升。著眼于純技術(shù)效率,津、浙、閩、桂、瓊、藏、青7個(gè)省域的PTE數(shù)值出現(xiàn)下降現(xiàn)象,魯?shù)腜TE數(shù)值與前持平,其余省域均有所上升。著眼于規(guī)模效率,津、晉、滬、皖、湘、渝、貴、藏、陜、甘10個(gè)省域的效率數(shù)值略有降低,其余省域SE數(shù)值均呈現(xiàn)攀升態(tài)勢(shì)。津是全部省域中唯一一個(gè)三項(xiàng)效率數(shù)值均有降低的省級(jí)行政區(qū)。魯在全部省域中各項(xiàng)效率數(shù)值最高,三項(xiàng)數(shù)值各為0.969、0.999、0.968,位于效率前沿面。

就區(qū)域維度而言,東、中、西、東北四大區(qū)域的TE、PTE與SE數(shù)值均有所提升。從綜合效率狀態(tài)來看,東部最優(yōu),而后依次是東北、中部與西部。從純技術(shù)效率來看,東北PTE數(shù)值最高,其次是東部,再次是中部與西部。從規(guī)模效率來看,中部SE數(shù)值高于其他三大地區(qū),而后依次是西部、東部與東北。

整體來看,東北與東部的TE與PTE顯著高于西部與中部;SE則略低于西部與中部。究其原因,中、西部規(guī)模效率數(shù)值較高,可能是因?yàn)橹形鞑繀^(qū)域是國(guó)內(nèi)欠發(fā)達(dá)地區(qū)與相對(duì)貧困人口較為密集的地區(qū)。農(nóng)業(yè)保險(xiǎn)反貧困項(xiàng)目率先在此類地區(qū)進(jìn)行試點(diǎn)與推廣,促使該地區(qū)農(nóng)業(yè)保險(xiǎn)發(fā)端較東部與東北區(qū)域更早。同時(shí),中西部區(qū)域地理總面積與耕地總面積在全國(guó)范圍內(nèi)占比較高,豫、冀、鄂等中部省域與川、陜等西部省域均為農(nóng)業(yè)大省,較早地形塑起規(guī)模效應(yīng),所以其SE數(shù)值較高。東北區(qū)域的純技術(shù)效率領(lǐng)先于中西部,可能是地區(qū)既有經(jīng)濟(jì)基礎(chǔ)與農(nóng)業(yè)發(fā)展水平的外在反映。東北地區(qū)不僅是中國(guó)的老工業(yè)基地,更是糧食主產(chǎn)區(qū)之一,且具有地廣人稀、農(nóng)業(yè)條件優(yōu)越、農(nóng)業(yè)機(jī)械化程度高等特點(diǎn),因而其純技術(shù)效率數(shù)值極高。東部區(qū)域的技術(shù)效率優(yōu)于其他區(qū)域,這極有可能是因?yàn)檫@一區(qū)域經(jīng)濟(jì)較為發(fā)達(dá)、技術(shù)程度較高,且管理水平較高,故擁有較高技術(shù)效率。

就時(shí)間維度而言,三項(xiàng)效率數(shù)值在調(diào)節(jié)變量后較之于第一階段,除2010與2011年規(guī)模效率數(shù)值有所回落、2019年未發(fā)生改變外,其余年份各項(xiàng)效率均值全部有所上升(如表6所示)。這證明了第二階段通過環(huán)境變量與隨機(jī)沖擊實(shí)施調(diào)節(jié)的可行性與必要性。2010—2019年,TE數(shù)值分布于[0.5,0.7],PTE數(shù)值分布于[0.65,0.8],SE數(shù)值分布于[0.78,0.9]。從總體態(tài)勢(shì)來說,TE、PTE與SE三項(xiàng)效率均處于波動(dòng)變化的進(jìn)程之中(圖2)。

表6 調(diào)節(jié)后2010—2019年各年份效率數(shù)值

圖2 變量調(diào)節(jié)后2010—2019年效率數(shù)值變動(dòng)

五、結(jié)論與啟示

本文利用中國(guó)除港澳臺(tái)外31個(gè)省級(jí)行政區(qū)2010—2019年面板數(shù)據(jù),通過三階段DEA模型對(duì)國(guó)內(nèi)農(nóng)業(yè)保險(xiǎn)反貧困效率進(jìn)行統(tǒng)計(jì)測(cè)度,得出結(jié)論如下:(1)中國(guó)農(nóng)業(yè)保險(xiǎn)反貧困總體收效良好,農(nóng)保反貧困效率逐年攀升。在剝離外部因素與隨機(jī)干擾后,農(nóng)業(yè)保險(xiǎn)反貧困效率得到進(jìn)一步提升。農(nóng)業(yè)保險(xiǎn)技術(shù)效率的上升有賴于純技術(shù)效率的優(yōu)化,說明近年來中國(guó)對(duì)于農(nóng)業(yè)保險(xiǎn)的投入取得顯著效率,農(nóng)業(yè)保險(xiǎn)管理運(yùn)作水平不斷提高,農(nóng)業(yè)保險(xiǎn)規(guī)模效率持續(xù)企穩(wěn)。(2)就區(qū)域維度而言,東部、中部、西部以及東北地區(qū)的綜合技術(shù)效率、純技術(shù)效率與規(guī)模效率數(shù)值均較第一階段明顯提高。然而,不同區(qū)域間三項(xiàng)效率狀況也具有一定異質(zhì)性。從綜合技術(shù)效率來看,西部<中部<東北<東部;從純技術(shù)效率來看,西部<中部<東部<東北;從規(guī)模效率來看,東北<東部<西部<中部。東部與東北地區(qū)的綜合技術(shù)效率與純技術(shù)效率均高于中西部地區(qū),但其規(guī)模效率較中西部略低。(3)就時(shí)間維度而言,變量調(diào)節(jié)后2010—2019年效率數(shù)值均較第一階段有所攀升(除2010與2011年規(guī)模效率數(shù)值有所回落、2019年未發(fā)生改變)。農(nóng)業(yè)保險(xiǎn)效率水平的整體時(shí)序變動(dòng)呈現(xiàn)出波動(dòng)式上升態(tài)勢(shì)。(4)在六個(gè)環(huán)境變量之中,公共財(cái)政投入擴(kuò)張會(huì)導(dǎo)致農(nóng)業(yè)保險(xiǎn)反貧困效率降低;農(nóng)業(yè)固定資產(chǎn)投資、農(nóng)用機(jī)械使用率、農(nóng)業(yè)GDP經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化水平以及農(nóng)村社會(huì)救濟(jì)投入則有利于推動(dòng)農(nóng)保反貧困效率的拉升,但這一影響路徑并未通過顯著性驗(yàn)證。

上述結(jié)論為中國(guó)農(nóng)業(yè)保險(xiǎn)提升反貧困效能提供思路:(1)因地制宜落實(shí)農(nóng)業(yè)保險(xiǎn)關(guān)聯(lián)配套政策。從前述實(shí)證回歸結(jié)果看,不同省級(jí)行政區(qū)農(nóng)業(yè)保險(xiǎn)所取得的反貧困效能具有異質(zhì)性。行政主體應(yīng)將各地既有經(jīng)濟(jì)基礎(chǔ)、農(nóng)業(yè)發(fā)展水平納入考量,制定契合區(qū)域反貧困實(shí)際的農(nóng)業(yè)保險(xiǎn)發(fā)展規(guī)劃。同時(shí),應(yīng)在純技術(shù)效率較低的中西部區(qū)域加強(qiáng)技術(shù)扶持性農(nóng)業(yè)保險(xiǎn)投入,提升農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)機(jī)械化與智能化水平。在規(guī)模效率有待提升的東部與東北區(qū)域,應(yīng)著力擴(kuò)大農(nóng)業(yè)保險(xiǎn)經(jīng)營(yíng)規(guī)模與覆蓋范圍,提升保障密度與規(guī)模效能,由此推進(jìn)綜合技術(shù)效率拉升。(2)科學(xué)合理優(yōu)化公共財(cái)政投入資源配置。由實(shí)證結(jié)果可知,公共財(cái)政投入在一定程度上會(huì)對(duì)農(nóng)業(yè)保險(xiǎn)反貧困進(jìn)程起到負(fù)向影響,抑制其效能發(fā)揮。農(nóng)業(yè)固定資產(chǎn)投資、農(nóng)用機(jī)械使用率、農(nóng)村社會(huì)救濟(jì)等要素則對(duì)農(nóng)保反貧困形成助力。因而,行政主體在實(shí)踐中應(yīng)縝密籌劃公共財(cái)政在農(nóng)林水等各項(xiàng)事務(wù)的投入支出,強(qiáng)化與其他生產(chǎn)要素的握指成拳、協(xié)調(diào)聯(lián)動(dòng),由此多元提升農(nóng)業(yè)保險(xiǎn)反貧困成效。(3)積極借鑒國(guó)際農(nóng)業(yè)保險(xiǎn)反貧困發(fā)展經(jīng)驗(yàn)。當(dāng)前,國(guó)內(nèi)農(nóng)業(yè)保險(xiǎn)尚處于藍(lán)海階段,險(xiǎn)種有待豐富、結(jié)構(gòu)有待優(yōu)化。中國(guó)在持續(xù)推動(dòng)本國(guó)農(nóng)業(yè)保險(xiǎn)穩(wěn)健發(fā)展的同時(shí),應(yīng)以開放態(tài)度借鑒國(guó)外農(nóng)保建設(shè)經(jīng)驗(yàn),在保險(xiǎn)產(chǎn)品供給、市場(chǎng)交易服務(wù)、精算技術(shù)支持等領(lǐng)域提升農(nóng)業(yè)保險(xiǎn)水平,助力反貧困工作走深向?qū)崱?4)探索實(shí)踐創(chuàng)新農(nóng)業(yè)保險(xiǎn)發(fā)展模式。既往農(nóng)業(yè)保險(xiǎn)在推動(dòng)農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)、增加農(nóng)戶實(shí)際收入等方面所取得的成果,主要源于各地區(qū)、各機(jī)構(gòu)展開多元農(nóng)業(yè)保險(xiǎn)反貧困模式的開發(fā)與探索。這符合農(nóng)村發(fā)展、農(nóng)業(yè)增產(chǎn)、農(nóng)戶經(jīng)營(yíng)需求的農(nóng)業(yè)保險(xiǎn)會(huì)自發(fā)形成示范效應(yīng),在溢出效應(yīng)的驅(qū)使下帶來更多利好。為適應(yīng)中國(guó)反貧困進(jìn)程的新形勢(shì)與新需要,行政主體應(yīng)深入探索農(nóng)業(yè)保險(xiǎn)和農(nóng)業(yè)生產(chǎn)相結(jié)合的發(fā)展模式,不斷推動(dòng)農(nóng)業(yè)保險(xiǎn)發(fā)展路徑優(yōu)化與發(fā)展理念創(chuàng)新?！?/p>