鄉村振興視角下陜西呂梁連片特困地區的財政扶貧效率及其影響因素分析

馮曉莉 朱可蒙 李剛

(西安郵電大學經濟與管理學院，陜西 西安 710121)

引言

貧困問題是全人類共同面對的問題，中國一直致力于消除貧困問題，黨中央、國務院對扶貧工作一直保持著高度重視，先后出臺了一系列政策和措施，從最初救濟式扶貧到2013年11月習近平總書記在湖南湘西考察時首次提出“精準扶貧”，再到2017年10月18日在黨的十九大報告中提出鄉村振興戰略，不斷探索出了一條具有中國特色的扶貧開發道路。黨的十八大以來，我國加大了扶貧攻堅的力度，根據國家統計局相關的數據，截至2017年末，中國貧困發生率下降了3.1%，貧困總人口減少3046萬人，扶貧開發取得巨大成效。雖然我國貧困地區在基礎設施、醫療、教育方面取得了顯著成果，但仍有部分人口未實現脫貧。尚未脫貧的人口主要集中在14個集中連片特殊特困地區，這些片區大多屬于革命老區、民族地區、邊疆地區，基礎設施和社會事業發展滯后，生態環境脆弱，自然災害頻發，貧困發生率高，扶貧開發工作任務異常艱巨。2018年9月26日，國務院頒布的《鄉村振興戰略規劃(2018—2022年)》指出，“消除14片特困區區域貧困是全面建成小康社會和實現鄉村振興的基本前提”，而培育和提升14片特困區縣域自我發展能力是消除區域貧困的根本途徑。陜西省有7個市共43個縣列入國家確定的秦巴山區、六盤山區和呂梁山區集中連片特殊特困區，這些片區是陜西省貧困人口集中、脫貧難度最大的地區。呂梁山區共有7個縣，該區域溝壑縱橫，水土流失嚴重，農業基礎設施建設嚴重滯后，是重要的生態功能區，同時也是革命老區，由于該地區仍然處于貧困狀態，仍將是扶貧開發的重點之一。

1 研究方法與數據說明

1.1 研究方法

1.1.1 BCC模型

最早DEA(CCR)模型是由Chames等提出來，主要是解決規模報酬不變的決策單元效率問題，BCC模型是在CCR模型的基礎上開發的，是由Banker等提出的，主要是解決規模報酬可變的決策單元效率問題，BCC模型將技術效率(TE)分解為純技術效率(PTE)和規模效率(SE)，且TE=PTE×SE，BCC模型的構建具體如下：

min[?-ε(e-s-+e+s+]

式中，θ為決策單元DMU的DEA的效率值，介于0～1，λj為權重，s-、s+為松弛變量，xj表示決策單元的投入向量，yj表示決策單元的產出向量。ε為非阿基米德無窮小量。

1.1.2 Malmquist指數模型

Malmquist指數最早于1953年由StenMaquist提出；Cave等人在1982年首次將該指數用于生產效率的變化測算；1994年，Fare等將Malmquist指數與DEA理論相結合，構建全要素生產率增長的Malmquist指數，使得Malmquist指數得到廣泛應用，具體的公式：

具體的Malmquist指數分解為M=TECHCH×EFFCH，TECHCH為技術水平變化指數，EFFCH為技術效率變化指數，可以進一步分解為純技術效率變化指數(PECH)和規模效率變化指數(TECH),即EFFCH=PECH×TECH，綜上可得：M=PECH×TECH×TECHCH。

1.1.3 Tobit模型

Tobit模型又稱為樣本選擇模型、受限因變量模型，最早是由美國經濟學家Tobin提出，由于BCC模型測算出的效率值大于0小于1，且數據被截斷，如果采用最小二乘法(OLS)進行回歸會導致估計具有偏差，因此本文采用Tobit進行回歸分析，具體的模型:

Yi=β0+β1Xi+ε

式中，Yi為受限因變量，本文用DEA-BCC模型測算出來的綜合效率表示，β0為常數項，β1為回歸參數，Xi為解釋變量，ε為隨機誤差向量。

1.2 指標選擇和數據來源

近些年來，國家更加關注陜西呂梁農村貧困地區的情況，增加了對貧困地區的政策、財政支出的支持，農村貧困地區的經濟水平有所提高、社會基礎及服務有所改善。本文在考慮數據可獲取性和參考相應的文獻的基礎上[1]，選取了教育支出、社會保障和就業支出、醫療衛生與計劃生育支出作為投入指標。產出指標選取了農村常駐居民人均可支配收入、普通中學在校生人數、醫療衛生機構床位數作為產出變量。文章使用的數據來源《中國縣域統計年鑒》(2012—2018年)和《榆林市統計年鑒》(2012—2018年)。

2 實證結果分析

2.1 基于DEA-BCC模型的精準扶貧財政的效率分析

利用DEAP2.1軟件，將陜西呂梁連片特困地區2011—2017年的投入變量和產出變量帶入DEA-BCC模型中，從綜合效率、純技術效率和規模效率3個指標對扶貧情況進行分析。

2.1.1 綜合效率變動趨勢

由表1所示，從整體上看，陜西呂梁連片特困地區的7個貧困縣2011—2017年的平均綜合效率為0.886，效率水平較高，但距離效率前沿具有一定差距。具體來看，米脂縣和吳堡縣的綜合效率值在2011—2017年度都為1，說明該地區的財政扶貧資金得到充分利用，可以看出自從《呂梁山片區區域發展與扶貧攻堅規劃(2011—2020年)》出臺以來，這些地區加大了對區域發展和扶貧攻堅的力度，政策得到了良好落實。而其余6縣的綜合效率小于1，說明其存在改進的可能。在考察期內，陜西呂梁連片特困地區的財政扶貧綜合效率中，除橫山縣、米脂縣外，均有些波動，但整體是持平的趨勢。橫山縣和米脂縣的綜合效率波動的非常大，減貧效率不穩定，反映出雖然扶貧資金的力度大，但扶貧的效果卻不理想，這說明扶貧政策應該因地制宜，采取適宜的扶貧方式。

表1 綜合效率

2.1.2 純技術效率變動趨勢

由表2所示，陜西呂梁連片特困地區的7個貧困縣2011—2017年的平均純技術效率值為0.917，橫山縣、綏德縣、米脂縣和吳堡縣的純技術效率值在2011—2017年度都為1，說明隨著扶貧的不斷深入，現有的技術水平得到了充分發揮，政府投入的資金能夠合理有效地配置。而佳縣、清澗縣和子洲縣的純技術效率均值都小于1，表明這些地區沒有充分利用目前投入的資源，減貧效果不佳。需要調整資金的投入方式和改進扶貧技術，使得扶貧資金能夠充分的利用，從而提高純技術效率。

表2 純技術效率

2.1.3 規模效率變動趨勢

由表3所示，陜西呂梁連片特困地區的7個貧困縣2011—2017年的平均規模效率值為0.969，綏德縣和吳堡縣的規模效率值在2011—2017年度都為1，說明規模是有效的；其它縣的效率值都維持在0.85～1，說明效率相對較高。這是因為從2014年開始，陜西呂梁連片特困地區加大了財政扶貧資金的力度，但是投入的結構分配上存在不合理，有些方面投入的過多，有些方面投入的過少，生產沒有達到最佳規模，沒有發揮出規模效率帶來的優勢。加大扶貧資金的投入力度的同時，也要考核資金的投入是否對扶貧效率產生顯著提升，使得生產處于最優規模，才能實現規模效率最大化。

2.2 基于Malmquist指數的財政扶貧效率動態化分析

2.2.1 各年度整體陜西呂梁連片特困地區的財政扶貧效率測度的結果

為了更好地分析陜西呂梁連片特困地區的財政扶貧效率的變化趨勢，利用DEAP2.1軟件對陜西呂梁連片特困地區的財政扶貧投入與產出數據予以處理，2011—2017年陜西呂梁連片特困地區的財政扶貧平均全要素生產率變化指數及其分解，具體如表4所示。

由表4可知，陜西呂梁連片特困地區的7個貧困縣財政扶貧效率全要素生產率指數除了2015—2016年時間段大于1以外，其它時間段均小于1，均值為0.862，在整個研究期內，全要素生產率指數呈下降趨勢，減少了13.8%；從結構上來看，技術效率變化均值上升了0.3%，技術進步變化均值下降了14%，說明財政扶貧全要素生產率指數影響主要受技術退步的影響，從絕對值的變化來看，技術進步均值和TFP值的均值和個值更為相近；純技術效率和規模效率制約了TFP的增加，純技術效率7a平均增加了0.4%，但由于增加的幅度和均值太小，制約了TFP值的提升，7a來規模效率均值為0.999，平均下降了0.1%，且歷年的變化趨勢與TFP值基本一致，說明較低的規模效率制約了TFP值的增加。

表4 2011—2017年陜西呂梁連片特困地區Malmquist指數及分解

2.2.2 陜西呂梁山區7個貧困縣財政扶貧效率測度結果

利用DEAP2.1軟件處理的結果，陜西呂梁連片特困地區各縣財政扶貧平均全要素生產率變化指數及其分解，具體如表5所示。

表5 2011—2017年陜西呂梁連片特困地區全要素生產率的構成

由表5可知，陜西呂梁連片特困地區的7個貧困縣的平均全要素生產率為0.862，在2011—2017年間平均下降了13.8%，其中主要是技術水平下降使得TFP指數下降，這是因為該地區農民的文化程度較低，接受新事物、新技術慢，不利于農業技術的普及與推廣，無法將技術轉化為生產力，導致該地區的農業技術應用率低；將TFP指數分解為技術效率和技術進步來看，陜西呂梁連片特困地區7縣的技術進步有著不同程度的下降，平均下降了14%，而技術效率除了米脂縣下降0.6%以外，平均上升了0.3%，說明陜西呂梁連片特困地區的財政扶貧TFP值下降的原因主要是扶貧技術退步的結果，而并非財政扶貧效率改善的結果；對技術效率變化進一步分解，純技術效率除了佳縣下降0.1%，橫山縣、綏德縣、米脂縣和吳堡縣等保持不變，平均上升了0.4%，規模效率除了橫山縣、綏德縣和吳堡縣等保持不變，其它縣都有小幅變動，平均下降了0.1%。通過分析可知，TFP指數普遍呈輕微下降的趨勢，出現這種情況主要原因有技術進步下降了14%、規模效率下降0.1%；由此可見，導致陜西呂梁山區TFP指數下降的主要原因是技術進步的下降。綜上所述，陜西呂梁連片特困地區的全要素生產率下行趨勢較為明顯，技術退步是陜西呂梁山區提高財政扶貧效率需要首先解決的問題。

2.3 基于Tobit回歸模型的影響因素分析

通過DEA-BCC模型和Malmquist指數法僅能獲得財政扶貧的效率值，但是精準扶貧的效率影響因素不僅僅局限于選擇的投入產出指標，除此之外還需要對其它影響因素進行進一步探究。借鑒已有的文獻基礎上[2-4]，本文選取了城鎮居民可支配收入水平(X1)、人均生產總值(X2)、城鎮化率(X3)、地方財政收入(X4)以及產業結構升級(X5)作為影響因素進行分析。本文所測得的綜合效率值在0～1，符合Tobit模型受限回歸的特點，因此選用Tobit模型進行深入的分析。根據以上影響因素，具體模型構建如下：

Y=C+α1lnX1+α2lnX2+α3lnX3+α4X4+α5X5+μ

式中，被解釋變量Y為DEA方法測得綜合效率值；C為回歸公式中的常數項；X1、X2、X3、X4、X5分別表示：城鎮居民可支配收入、人均生產總值、地方財政收入、城鎮化率、第一產業與第三產業占GDP的比重。

考慮到模型的準確性，對城鎮居民可支配收入、人均生產總值、地方財政收入進行對數化處理。

利用Stata15.0軟件進行Tobit回歸，結果如表6所示。從表可以看出，通過顯著性水平的變量有人均生產總值、地方財政收入、城鎮化率、第一產業與第三產業占GDP的比重。沒有通過顯著性的解釋變量有城鎮居民可支配收入。

表6 Tobit回歸的結果

人均生產總值對扶貧效率有顯著抑制作用，表明人均生產總值提高，扶貧效率反而降低。這是因為產業結構的調整，農業在國民收入中比重逐步下降，農業原料為第二、三產業提供大量的廉價原材料，而第二、三產業卻以數倍的原材料價格銷往農村地區，導致兩者之間價格差距越來越大，就形成了工農剪刀差，反映出陜西呂梁連片特困地區城鄉發展均衡水平懸殊。

地方財政收入與扶貧效率呈負相關，地方財政收入系數為-0.0821，且在10%的顯著性水平通過檢驗。理論上講，地方財政收入的增加將直接推動該地區扶貧效率的提高，但現實中表現出顯著的不利影響，充分表明當前地方財政收入在安排和使用存在嚴重的結構不合理和效率低下，大量資金投入沒有轉化為農民收入的增加。

城鎮化率與扶貧效率存在正相關，城鎮化率系數為0.0361，且在1%的顯著性水平通過檢驗，說明城鎮化是實現減貧的重要途徑之一。城鎮化進程中為貧困地區創造了大量的勞動就業機會，并通過勞動力價值的回報帶動了農村經濟的發展和公共基礎設施的改善，改善了該地區農村的經濟；城鎮化推動了大量的農村人口轉移到城市，導致農村人口的減少，拉動城鄉消費，彰顯出了強大的減貧效果。

第一產業與第三產業占GDP的比重與扶貧效率呈正相關，且在5%的顯著性水平通過檢驗，也就是說，第一、三產業在國民收入中比重越高，扶貧效率就越高。這是因為陜西呂梁山區各縣政府積極整合貧困地區的產業優勢，在提升第一產業發展水平的同時，大力發展第三產業，不斷優化產業結構，實現產業多元化的發展。

3 結論與建議

利用DEA-BCC模型和Malmquist指數,基于陜西呂梁連片特困地區2011—2017年相關數據進行靜態、動態相結合的財政扶貧效率分析，并結合Tobit模型研究了財政扶貧效率的影響因素及作用程度，研究發現，DEA-BCC模型計算發現，2011—2017年陜西呂梁連片特困地區的財政扶貧綜合效率值為0.886，只有綏德縣和吳堡縣在7a中均達到了DEA有效水平，其中純技術效率較低是制約效率提高的主要因素；Malmquist指數模型計算可知，2011—2017年陜西呂梁連片特困地區的全要素生產率指數平均下降了13.8%，其中，技術進步下降了14%，而綜合效率上升了0.3%，說明技術退步是制約全要素生產率的主要原因；利用Tobit回歸模型探析了扶貧效率的影響因素及其程度可知，人均生產總值、地方財政收入、城鎮化率、第一產業與第三產業占GDP的比重對財政扶貧效率的影響較為顯著，而城鎮居民可支配收入對財政扶貧效率不顯著。基于此，提出以下建議：調整產業結構，推動產業升級，應加快產業結構的升級，兼顧財政扶貧資金投入扶貧帶來的長遠效益，不斷加快城鎮化建設，提升第二產業的發展速度，工業為農業化的發展提供了技術、資金和現代化設備，提高農業的現代化水平，并且創造了大量的就業崗位，為農村大量剩余勞動力的轉移提供機會，增加農民的收入；合理有效地利用扶貧資金，提高財政扶貧效率關鍵要發揮好政府的作用，政府應該改進扶貧資金的運行機制，明確各貧困縣財政資金的使用情況；加大財政支出在教育上的傾斜力度，健全農村教育長效機制。