農村減貧效率及其空間差異研究*
——基于DEA-ESDA模型的分析

洪名勇，潘東陽，吳昭洋，何玉鳳

(1.貴州大學管理學院，貴陽 550025； 2.西北大學中國西部經濟研究中心，陜西西安 710127)

0 引言

隨著貧困標準提高、減貧壓力增大等因素的影響，截止2015年，全國依然有5 575萬的農村貧困人口，這些缺乏發展能力而被“漏出”的貧困人口主要集中在西部自然條件惡劣、少數民族集中的邊遠地區，使得減貧難度持續加大，對資源投入的需求日益增加。減貧效率是衡量減貧效果的重要指標，已有大量文獻證實了發展效率偏低以及單位要素的投入產出比不高是貧困問題產生的根本原因[1-3]。隨著研究的不斷深入，學者們開始關注并嘗試采用不同的方法量化減貧的效果，并將測算的效率作為衡量減貧效果的重要標準[4-8]。更為重要的是，貧困作為經濟增長概念下的一種極端結果，本身便具有顯著的空間屬性。一方面，環境要素、物質資本、基礎設施以及人口因素所構成的貧困循環鏈使得當前“精準扶貧”政策必須充分考慮貧困區域的空間異質化特征[9]；另一方面，我國的區域經濟發展在脆弱性、敏感性和應對性等方面呈現出非均質的空間特性[10]。然而，在已有研究中對減貧效率的空間差異特征的討論比較少。在這種現實背景下，反貧困工作不僅意味著資源投入的增加，更需要對資源投入的減貧效果及其空間差異特征進行科學判斷?；诖?，文章以全國31個省為研究樣本，首先構建科學的綜合指標體系，采用投入導向的DEA方法測算農村減貧效率，然后借助探索性數據分析法(ESDA)將減貧效率置于空間分析視角下，探討其時空演變規律與空間差異特征，以期為我國打贏扶貧攻堅戰奠定科學基礎。

1 研究方法與數據說明

1.1 基于投入導向的DEA模型

數據包絡分析法(Data Envelopment Analysis，DEA)是要素投入與產出之間的相對效率評價最常用的系統分析方法，將其應用到減貧領域，不僅可以將非線性規劃問題轉化為線性規劃問題，使得評價結果更為客觀[11]，而且還可以對比不同決策單元相對效率的差異特征，為有針對性地提出減貧措施提供參考。然而，農村減貧效率受到環境要素、物質資本、基礎設施、人口因素等方面的影響，不是一個簡單的線性規劃模型就能準確測算出來。將數據包絡分析法應用到減貧領域也有自身不足，一方面投入—產出指標的選取會對減貧效率產生很大影響；另一方面，減貧效率的實際意義也將會受到所選取指標的限制。

DEA模型分為投入導向和產出導向的，根據具體的分析目的，可以選擇不同的導向。一般而言，投入導向的BCC(規模報酬可變)模型可表示為：

(1)

1.2 探索性數據分析(ESDA)

探索性數據分析方法(ESDA)本質上是一種數據驅動分析方法，由于其注重研究數據的空間特性，能給出空間異質的不同形式并發現奇異觀測值，因而被廣泛運用于區域差異的研究中[12-13]。全局Moran′s I和局部Moran′s I數是ESDA主要的兩種空間自相關系數，前者主要探索觀測值在整個區域的空間分布特征，后者主要探索觀測值在子區域上的空間分布格局和空間異質性。計算公式如下分別如下：

(2)

(3)

式(2)(3)中，xi、xj為空間單元的觀測值；S2為樣本方差；wij代表權重，反映區域i與區域j空間單元之間的影響程度。如果需要探測空間單元屬性與周邊空間單元屬性相近或差異的程度，還需使用Gi*指數探測局部高值集聚區和低值集聚區，其計算公式如下：

(4)

式(4)中，Gi*能探測出高值和低值的集聚情況，當Gi*計算出的統計量Z值高且為正數時，表示為高值集聚或熱點區域，當Gi*計算出的統計量Z值高且為負數時，表示為低值集聚或為冷點區域。

1.3 數據說明

為了解新時期我國農村減貧效率*該文所指減貧效率是指當資源投入一定時，貧困人口較少的程度，而非地區減貧能力的強弱和省級的空間差異，該文以全國31個省為研究樣本，采用投入主導型的DEA方法測算農村減貧的綜合技術效率。選取農村農戶固定資產投資額、公共財政支出、農業人口數3個投入指標，其中，農村農戶固定資產投資額、公共財政支出衡量資本投入量，農村人口數衡量人力投入量； 產出指標則選取減貧人口數來衡量各區域減貧的總體成效。在研究的時間上范圍上，由于2011年國家貧困標準的提高，使得貧困人口的數量也大幅提升，為了避免貧困標準提高帶來的影響，使研究在時間上具有可比性，該文選取2011～2015年來動態研究我國農村減貧效率的變化。根據數據的可獲得性，以上各變量指標的數據來自于《2015中國農村貧困監測報告》[14]與國家統計局。

表1 農村減貧的 DEA 模型投入—產出指標

指標類型投入指標產出指標I1I2I3O1指標農村農戶固定資產投資額公共財政支出農業人口數減貧人口數單位億元億元萬人萬人

2 實證結果與分析

2.1 農村減貧效率的總體特征

運用傳統DEA方法中規模報酬可變的BBC模型對我國省際農村減貧效率進行測度，結果如表2所示。從全國來看， 2011～2015年農村減貧的平均綜合技術效率0.40，相對較低，這意味著如果把當前的生產要素全部發揮出來，可以使產出在當前水平上再增長近1倍多，說明除受減貧難度日益提高等因素的影響外，當前“高投入式”的粗放式減貧方式是造成當前減貧效率低下的重要原因。這一時期全國平均的純技術效率與規模效率分別為0.57和0.70，純技術效率較低是造成綜合技術效率低下的主要影響因素。綜合技術效率與純技術效率變動的趨勢大體呈平行趨勢，說明在農村減貧綜合技術效率的分解中純技術效率對綜合技術效率的影響及制約能力強于規模效率。從時間上看， 2011～2015年全國農村減貧綜合技術效率、純技術效率、規模效率均呈現出先減后增的趨勢， 2013年達到最低值，3項指標分別為0.35、0.54、0.65。綜合技術效率與規模效率在2015年達到最高值，分別為0.43、0.77。分區域來看，三大經濟分區的平均綜合技術效率、純技術效率、規模效率，均表現出西高東低的階梯形空間布局，在時間變動上也與全國平均水平相似，表現出先減后增的趨勢。

表2 2011～2015年農村減貧綜合技術效率指數及分解

年份綜合技術效率純技術效率規模效率東部中部西部全國東部中部西部全國東部中部西部全國 20110 270 360 610 400 340 450 660 610 790 810 920 69 20120 140 390 610 400 240 480 620 560 610 820 980 70 20130 120 370 540 350 230 460 590 540 520 800 920 65 20140 180 370 540 370 270 460 610 560 670 810 890 70 20150 250 470 580 430 290 500 610 590 890 940 940 77 平均0 190 390 580 390 270 470 620 570 690 840 930 70

根據DEA模型分析結果，借助ArcGIS 9.2軟件將2011～2015年各省份的農村減貧綜合技術效率繪制成空間分布圖，從而更直觀地反映研究期內省際農村減貧綜合技術效率的空間演化格局(圖1)?？梢钥闯觯?011～2015年村減貧綜合技術效率值最大的省份為西藏自治區，連續5年綜合技術效值均為DEA有效，DEA有效的省份還有貴州省和甘肅省，DEA有效期分別為2011～2014年、2013～2015年。除DEA有效區外，綜合減貧效率較高的省份還有云南、廣西、青海，平均綜合技術效率分別為0.726、0.615、0.605。這些減貧效率較高的省份均為西部省份，自然條件相對惡劣，少數民族與貧困人口相對集中，一直是我國扶貧開發項目重點投入區域，近年來在扶貧工作中取得的巨大成就不僅與該區域長期積累的“減貧經驗”有關，更與政府大量的扶貧資源投入密不可分。與之相反，減貧效率較低的省份集中于東部地區，除上海、北京、天津3個直轄市外， 2011～2015年平均綜合技術效率低較省份還有廣東、江蘇、山東，綜合技術效率的均值分別為0.148、0.162、0.164。這些省份經濟發展起步較早，經濟增長的“抑貧”效應使該區域很早就具有了較少的貧困人口。此外，在研究期間，綜合技術效下降的區域主要集中在西南地區的云南、四川、重慶與東北的吉林、黑龍江等地，綜合技術效率上升的區域則主要集中在湖南、江西、浙江、江蘇等省份。

圖1 2011～2015年各地區農村減貧綜合技術效率

2.2 減貧綜合技術效率的空間關聯分析

為了更清晰展現農村貧困減貧效率在空間上的相互關聯性，測算2011～2015年農村減貧綜合技術效率的全局Moran′s I與Gi*(表3)。兩個指標均表明在研究期內農村減貧綜合技術效率存在正自相關性，即存在高高相鄰或低低相鄰的聚集特征。據此進一步根據局部Moran′s I繪制出了10%顯著性水平下的農村減貧綜合技術效率 LISA 聚類圖，并把各區域歸為下述4 類：HH型，區域自身與相鄰區域綜合技術效率均較高，二者呈正相關關聯； LL型，區域自身與相鄰區域綜合技術效率均較低，二者呈顯著正相關關聯； HL型，區域自身減貧綜合技術效率高，而相鄰區域綜合技術效率低，二者負相關關聯性顯著，空間上表現為中心高而四周低的關聯特征； LH 型，區域自身綜合技術效率較低，而相鄰區域綜合技術效率較高，空間上表現為中心低而四周高的負相關聯特征。從生成的減貧綜合技術效率區域類型的數量和空間分布來看，HH 型數量最多且具有明顯的空間聚集效應，空間聚集的范圍由2011年貴州、云南、四川、西藏、重慶5個地區，增至2013年貴州、云南、西藏、新疆、青海、甘肅6個省份。2013之后空間聚集的范圍則又逐漸縮小，到2015年僅有貴州、云南、西藏為HH型區域； LL型數量較少，聚集區域表現出由東北地區轉向京津地區的趨勢； LH型5年間僅有甘肅、新疆、和青海3個區域，且分布較為分散沒有明顯的聚集效應； HL型縣域類型特征最不明顯，也沒有形成這種類型的區域單元。

表3 農村減貧綜合技術效率的Moran′s I 與Gi*

年份Moran′sIGi?IE(I)ZGE(G)Z20110 23??-0 0332 4660 203???0 1552 697 20120 407???-0 0334 1270 208???0 1552 92 20130 363???-0 0333 7670 222???0 1553 332 20140 232??-0 0332 5390 208???0 1552 92 20150 27???-0 0332 8770 204???0 1553 367

圖2 2011～2015年農村減貧綜合減貧效率的空間關聯分析

圖3 農村減貧綜合技術效率Getis-Ord Gi*熱點分析

熱點分析可進一步偵測出空間集聚的明顯位置及區域相關的程度，找尋哪個區域對于全局空間自相關的貢獻度更大，并可揭示Moran′s I 的全局自相關在何種程度上掩蓋了局部的不穩定性。據此我們計算了2011～2015年農村減貧綜合技術效率的局域空間關聯系數Gi*，并采用 Jenks 最佳自然斷裂法對局域Gi*統計值進行聚類，劃分為熱點、次熱點、次冷和冷點區，然后利用ArcGIS軟件將結果空間化，得到綜合減貧效率空間格局的熱點圖。整體來看， 2011～2015年減貧綜合技術效率的熱點區域主要集中在西北與西南兩大地區，除甘肅、寧夏、陜西、西藏某些年份為次熱點外，其余省份5年間均為熱點區域，具有較強的穩定性。次熱點區域主要集中在華北和中南的大部分地區，覆蓋范圍在2011～2013年間表現出向東擴大的趨勢。次冷點區域則以華北、華東為主要覆蓋范圍，且具有東南移動的特點。冷點區域主要分布在江西、安徽及東部沿海地區，但每一時期的空間分布較為分散，較為穩定的冷點區域主要集中在東北及環渤海地區。

從以上分析不難看出，綜合減貧效率表明了各個空間單元在資源投入一定的情況下貧困人口減少的程度，其空間分布表現出基于三大板塊的分異。西部地區貧困人口基數大、國家扶貧資源投入多，使得地區脫貧的成效顯著高于東中部地區。相反，東部地區雖然經濟發展水平高，減貧能力強，但是由于貧困人口相對較少，在減貧成效上就顯得相對不足。中部地區由于貧困人口數量、經濟發展水平均為中等，其綜合減貧效率也處于中等水平。這種減貧效率和經濟發展水平上的相關性暗示了經濟發展對貧困問題的解決存在一定作用，但隨著貧困人口的減少這種減貧的作用在一定程度上被掩蓋。此外，隨著貧困人口呈現向西部地區集中的狀態，減貧的難度和成本都在不斷增加，這也是造成我國農村減貧的純技術效率呈下降趨勢的重要原因。

3 結論與政策啟示

基于以上研究，得到結論：(1)對農村減貧效率的總體特征評價上：農村減貧的平均綜合技術效率相對較低，未能充分挖掘現有資源投入的潛力，處于規模不經濟狀態。農村減貧效率呈現出先減后增的趨勢，并表現出西高東低的階梯形空間布局。具體來看，減貧效率較高的省份有西藏、貴州、甘肅、云南、廣西、青海等省份，減貧效率較低的區域則主要集中在東部沿海地區。(2)通過ESDA對農村減貧效率空間關聯性分發現，研究期內農村減貧綜合技術效率存在正自相關性。高高聚聚的區域主要集中在西北和西南地區， 2013年后空間聚集的范圍逐漸縮小至西南地區貴州、云南、西藏3省。低低聚集區在研究期內表現出由東北地區轉向京津地區的趨勢。此外，局部Gi*指數表明減貧綜合技術效率的熱點區域主要集中在西北與西南兩大地區，具有較強的穩定性。冷點區域則主要分布在江西、安徽及東部沿海地區，但每一時期的空間分布較為分散，較為穩定的冷點區域主要集中在東北及環渤海地區。

基于研究結果，得到如下政策啟示：一方面，貧困減緩具有空間異質性的特點，根據我國減貧效率的空間分布特征，需要對不同類型區實施不同的區域政策。經濟發展水平較高，扶貧難度較小的地區應更加注重發展，可通過發展區域特色產業，加強公共工程建設等途徑實現該地區貧困人口脫貧； 經濟發展水平較差，扶貧難度較大的地區應更加注重制度建設，可通過易地搬遷、生態補償、發展教育、社會保障、財政轉移支付等途徑實現該區域的整體脫貧。另一方面，經濟發展在空間上具有外溢性的特征，要充分利用好周邊發達地區經濟發展的空間外溢效應來帶動減貧。貧困地區通常會面臨區位不利、生態脆弱等因素帶來的經濟發展風險，應加強交通等基礎設施的有效鏈接，改善與鄰域發展的外部環境，從而實現區域聯動的空間減貧策略。

[1] 陳薇， 楊春河.河北省財政扶貧政策績效評價實證研究.農業經濟， 2006，(7)： 58～59

[2] 郭黎安. 中國農村扶貧開發財政資金的績效評價——基于DEA-Malmquist指數的分析.財政監督， 2012,(27)： 33～35

[3] 鄭瑞強， 陳燕，張春美，等.連片特困區財政扶貧資金配置效率測評與機制優化——以江西省羅霄山片區18個縣(市、區)為分析樣本.華中農業大學學報(社會科學版)， 2016,(5)： 63～6

[4] 郭勁光， 高靜美.我國基礎設施建設投資的減貧效果研究： 1987～2006.農業經濟問題， 2009， 30(9)： 63～71,112

[5] 葉初升， 張鳳華.政府減貧行為的動態效應——中國農村減貧問題的SVAR模型實證分析(1990～2008).中國人口·資源與環境， 2011, 21(9): 123～131

[6] 焦克源， 吳俞權.農村專項扶貧政策績效評估體系構建與運行——以公共價值為基礎的實證研究.農村經濟， 2014,(9)： 16～20

[7] 劉芳， 劉明，郭鋒航.金融發展規模、效率與縣區反貧困研究——基于陜西省50個國定貧困縣的系統廣義距估計.統計與信息論壇， 2015, 30(8): 42～48

[8] 陳鳴， 鄧榮榮，周發明.中國農業科技減貧的效率測度及空間優化——基于三階段DEA方法與空間面板模型的研究.科技管理研究， 2016， 36(4)： 59～64,74

[9] 王亮亮， 楊意蕾.貧困陷阱與貧困循環研究——以貴州麻山地區代化鎮為例.中國農業資源與區劃， 2016, 36(2): 94～101

[10]任崇強， 翟國方，李莎莎，等.中國經濟增長系統脆弱性的區域差異性研究——基于制度因素的度量.中國農業資源與區劃， 2017, 38(2): 10～19

[11]楊斌.2000～2006年中國區域生態效率研究——基于DEA方法的實證分析.經濟地理， 2009, 29(7): 1197～1202

[12]王飛. 城鎮化、城鄉收入差距與傳統農區農村剩余勞動力就地轉移的空間差異——基于ESDA方法和面板DOLS模型的實證研究.中國農業資源與區劃， 2016, 37(10): 26～34

[13]王巧玲. 基于ESDA的農村城鎮化發展空間格局分析——以河南省為例.中國農業資源與區劃， 2016， 37(11)： 119～125,139

[14]國家統計局農村社會經濟調查總隊. 中國農村貧困監測報告.北京：中國統計出版社.2015