基于動態及三階段DEA 的種植業 保險保費補貼績效評價

吳海平 尉京紅

（河北經貿大學1) 河北石家莊 050061 河北農業大學2) 河北保定 071000）

1 引言

農業保險的快速發展為我國現代農業建設提供了保駕護航的作用，保費補貼是這項政策能夠順利實施的重要助推器[1]。在現實需求和國家政策的引領下，國內不少學者開始關注和研究中國農業保險保費補貼的績效評價問題。例如，鄭軍等（2014）[2]利用2011 年的相關數據，通過計量經濟學方法，得到農業保險財政補貼對農業總產值的產出彈性，并利用該彈性衡量農業保險財政補貼的效率，分析財政補貼的最優規模。張旭光等（2014）[3]、錢振偉等（2014）[4]利用數據包絡分析方法，分別對內蒙古、全國農業保險保費補貼的制度效率、規模效率和綜合效率分析和評估。綜合現有文獻來看，國內對保費補貼績效水平的衡量主要采用數據包絡分析工具，但是主要以靜態的角度分析某一年的保費補貼效率，無法考察農業保險保費補貼效率的動態變化特征，并且由于我國南北差距、東西差距明顯，各省的經濟結構、自然環境以及種植習慣存在巨大差異，保費補貼的績效水平會受到外在環境的影響，造成績效評價的不準確。

績效評價既是現有農業保險政策的歸結點也是新形勢農業保險政策的出發點，我們利用動態DEA的方法對我國種植業保險保費補貼績效水平進行評價，并利用三階段DEA 對動態DEA 的結果進行修正，更加準確、完整地研究保費補貼的績效水平和變化過程，以期在農業供給側結構性改革的新形勢下，為農業保險政策提出更加精準的改進方案。

2 研究方法與數據來源

2.1 研究方法

“績效評價”應用最廣泛的研究方法是隨機邊界分析方法（SFA）和數據包絡分析方法（DEA）。SFA 需要設定函數的具體形式，當變量較多時，處理難度較大，并且通常需要假定不存在規模效應，要求技術的充分有效性以及希克斯中性技術進步等，因此近來越來越多的學者采用“面向數據”的非參數研究方法，即DEA。然而Fried 等（2002）[5]的研究成果顯示，利用傳統DEA 估計農業保險補貼效率時無法控制和排除外在環境的影響，如農民收入水平、農民受教育水平、災害等，也無法排除隨機因素的影響，其估計值的可信度會降低，因此本文利用三階段DEA 的方法對動態DEA 模型中的每個時段進行估計，利用修正后的估計結果進行動態績效分析。

2.2 數據來源

通過整理和匯總中國保監會的相關資料及2009-2013 年的《中國農村統計年鑒》得到2008-2012年我國各省各指標的數據及三個環境變量的數據。其中，由于2008-2010 年西藏的保險數據缺失，因此在2008-2010 年僅用30 個省（西藏除外）的數據進行研究。

利用SPSS 17.0 對2008-2009 年的投入產出數據進行Pearson 相關性檢驗，以驗證DEA 模型中投入與產出的正相關性，并得到檢驗結果（表2）。從投入指標與產出指標之間的相關性檢驗表（表2）可得出，所選取的投入與產出均為正向關系，并且Pearson 系數都在1%的水平下顯著。這表明本文所選取的投入產出指標符合模型所要求的“同向性”原則，具有合理性。

表1 投入指標與產出指標之間的相關性檢驗

3 實證結果分析

3.1 第一階段DEA 實證結果

利用Deap2.1 軟件，計算出31 個省（市、自治區）的效率情況（如表2）。2008-2012 年每年綜合效率值為1 的省份數量分別為：9、7、10、8 和5，分別占樣本總數的30.00%、23.33%、33.33%、25.81%和16.13%，說明農業保險保費補貼政策實施的整體效率較差，存在較大改善空間。

根據動態DEA 理論，對于一個動態DMU 來說，動態效率值越小，說明其各年度松弛變量之和越小，其績效越高；反之，則越低。動態效率值為0 的DMU 才處于生產前沿面上。評價樣本中的31個省（市、自治區）中只有北京、海南和西藏三個省份動態綜合效率衡量指數為零，說明其他省份均不在生產前沿面上（表2）。

表2 第一階段結果及動態效率

數據來源：根據軟件deap2.1 的計算結果整理。其中TE 為技術效率，PTE 為純技術效率， SE 為規模效率。

3.2 第二階段SFA 回歸結果

將第一階段投入變量的松弛量取對數后作為被解釋變量，將上文選取的環境變量（家庭經營收入、受災面積、評價受教育年限）取對數后作為解釋變量，利用軟件stata11.0 進行SFA 分析，得到結果（表3）。

表3 第二階段SFA 回歸估計結果

從第二階段SFA 回歸估計結果表（表3）可以看出：（1）家庭經營收入、受災面積和平均受教育年限對保費補貼投入的松弛變量分別在1%、1%和10%的水平下顯著，受災面積對農民繳費投入的松弛變量在1%的水平下顯著，說明環境變量對保費補貼的效率有顯著影響，應該進行三階段DEA。（2）以保費補貼投入冗余為解釋變量時，環境變量的系數顯著為正，說明環境變量越大，投入冗余越多，越不利于效率的提高，其可能的原因是：當家庭經營收入、受災面積和平均受教育年限提高時，農戶投保的積極性增加，這時應該更好利用種植業保險的商品性質，減少行政干預，否則為解決種植業保險公共物品屬性而開展的保費補貼的效率會降低，這與Siamwalla 與Valdesd 在1986 年的研究成果相似[7]：若農業保險不是公共物品，則保費補貼會在一定程度上造成社會福利的凈損失。（3）以農民繳費投入冗余為解釋變量時，只有受災面積的系數能夠通過顯著性檢驗，且為正，其可能的原因是，在受災面積較大的省份農民繳費并沒有獲得應有的補償。一般情況下，受災面積增加，農民的風險防范意識增強，會主動繳納較多的保費，期望獲得更多的補償，但統計數據顯示，農民獲得的補償并沒有隨之增加：2008-2012 年各省的受災面積和種植業保險賠償總額之間的相關系數為-0.02，顯著性檢驗的P 值為0.76，不能拒絕兩者之間不相關的假設。由于產出（賠償總額）沒有增加，而投入（農民繳費）增加了，因此將會引起投入冗余的增加。

3.3 調整后的動態DEA 分析

利用第二階段的SAF 回歸對投入變量的數值進行調整，將調整過的補貼總額與農民繳費作為投入指標，將原保險密度、保險深度、賠償總額及承保面積作為產出指標，再次利用deap2.1 對2008-2012年的效率進行分析，得到結果（表4）。

表4 第三階段結果及動態效率

對比DEA 分析第一階段和第三階段結果，從平均情況來看，第三階段的綜合效率、純技術效率和規模效率分別為0.73、0.91 和0.80，第一階段為0.66、0.82 和0.80。可看出剔除環境因素和隨機因素影響后，各DMU 效率都出現了不同程度的變化，其中以純技術效率的變化最為明顯。另外通過state11.0對第一階段和第三階段的結果進行單因素方差分析，結果認為調整前和調整后純技術效率有明顯變化(表5)。

表5 第一階段和第三階段結果對比表

4 研究結論與政策建議

本文利用動態DEA 以及三階段DEA 的方法，對2008 年至2012 年農業保險保費補貼政策的技術效率、規模效率和綜合效率進行了分析，分析結果認為：全國約有2/3 的省份，技術效率為1，而綜合效率進有1/3 的省份達到1，并且影響綜合效率的主要因素是規模效率，有一半以上的省份存在規模報酬遞減的情況。

綜合以上研究結果，在農業保險保費補貼的實施過程中，應適當控制農業保險規模，農業保險的補貼標準與補貼比例不應“一刀切”，應因地制宜，實行差異性補貼政策。對于處于規模報酬遞減的無效地區，在財政實力允許的前提下，應結合本地區農業發展的條件和自然災害發生的特點，通過增加農業保險的受災賠款支出，創新理賠，擴大農業保險補貼品種和范圍來創新農業保險政策。此外，由于我國地域廣闊，各省、市、區的農業及自然條件各不相同，應繼續堅持目前的差異化的保費補貼制度，但具體的補貼比例與補貼方式各地區還有待創新。