基于DEA-Malmquist指數的財政專項扶貧資金績效評價研究
——以海南省為例

夏冬艷（高級會計師）（三亞學院 海南三亞 572000）

2020年初，海南省的5個國定貧困縣全部脫貧摘帽，貧困率降到0.5%以下，實現脫貧攻堅目標；從全國來看，2020年末全國832個國家級貧困縣全部實現脫貧摘帽，我國的貧困率下降到0.5%以下，而與此緊密相關的是國家財政扶貧資金的大量投入。財政扶貧是我國多元化減貧方式中最常用的方式，而財政扶貧資金的效率問題一直是中央以及地方政府非常關注的問題，這從政府出臺的多項加強資金使用效率的文件就可以看出。此外，從理論研究來看，財政扶貧資金的效率問題亦是學者研究的熱點。

一、文獻綜述

世界銀行在2001年出版的題為《中國戰勝農村貧困》的國別報告中指出，中國減貧的關鍵不是增加扶貧資金，而是提高已有扶貧資金的使用效率和效益。Park和Wang（2010）以2001—2004年中國貧困縣村級單位和家庭的調查數據為基礎，研究了扶貧政策的效果，發現扶貧政策對于收入水平相對較高的家庭來說，能夠增加收入6.1個百分點、提高消費9.22個百分點，但是，扶貧政策對相對低收入家庭的影響并不顯著。李龍梅（2008）根據海南財政總決算報表的科目，研究了1988—2006年海南省財政資金支援農業的數據，從農民收入和農業增加值兩個方面對幾種支農方式的效應進行了計量分析，發現不同的財政投資方向會產生不同的經濟績效，并且農業基本建設支出與農民收入及農業增加值的關系并不顯著。曾志紅（2013）提出，我國不同投向和來源的扶貧資金的產出彈性都較低，遠未形成規模效益，并提出要強化農村扶貧資金績效考核與監管，以提升我國農村扶貧資金的使用效率。許傳坤、王昕（2019）以2014—2016年云南省的財政扶貧資金投入數據作為研究對象，對不同類別的扶貧資金投入情況進行了分析，發現該省存在扶貧資金總量投入不足、產業扶貧資金政策引導性不強等問題。

通過對已有文獻進行梳理發現，現有研究對于扶貧資金效率的探討較多，但是大多是從省級層面、或者是對具體省份的一些貧困縣進行研究，而對于省域內非貧困縣財政扶貧資金的使用效率研究較少。通過整理公開數據資料發現，中央和省級財政在下達財政專項扶貧資金時對于貧困縣有一定的傾斜，分配的資金相對較多，但同時非貧困縣獲取的扶貧資金數量也不少，研究扶貧資金的使用效率時，應將地區內非貧困縣的資金使用情況也納入到研究中，這正是本文研究的主要內容。

二、研究方法與數據來源

（一）研究方法

1.DEA-BCC模型。數據包絡分析法（Data Envelop?ment Analysis，DEA），是由美國運籌學家 Charnes，Cooper and Rhodes在上世紀70年代末提出的模型、方法。該方法的主要特點：一是不需要任何權重假設，以決策單元（DMU）輸入、輸出的實際數據求得最優權重，從而排除了很多主觀因素，研究過程更加客觀；二是DEA方法假定每個輸入都關聯到一個或者多個輸出，盡管輸入與輸出之間確實存在某種聯系，但不必確定這種關系的顯示表達式。該方法被廣泛應用于多投入、多產出的決策單元（DMU）的效率評價。DEA方法包括CCR（規模報酬不變）和BCC（規模報酬可變）模型，本文采用DEA-BCC方法來評價海南省財政專項扶貧資金的使用效率，模型表達式為：

其中，X為第i個區域的第k個投入量，X≥0；Y為第i個區域的第j項產出量，Y≥0；θ是目標規劃值，在0和1之間；當θ=1時，表明DEA有效，即，在原投入的基礎上，所獲得的產出已達到最優；反之，則DEA無效，未獲得最優產出。λ是DMU的指標組合系數，S是松弛變量，代表產出不足；S是剩余變量，代表投入冗余。

2.Malmquist指數。Malmquist指數方法可用于測算前后兩個時期生產率的動態變化，其表達式為：

其中，（X，Y）、（X，Y）表示第t時期和t+1時期的投入向量與產出向量；TFP表示全要素生產率，該值表示生產系統中全要素的綜合生產率，TFP大于1代表從t到t+1時期實現了正的增長；Effch為技術效率，可進一步分解為純技術效率（Pech）和規模效率（Sech）；Techch為技術進步效率。

（二）指標選取與數據來源

本文選取各市縣收到的中央以及省級財政專項扶貧資金為投入變量，發展資金、少數民族發展資金、以工代賑資金分別歸類到各市縣數據中；分配給各個貧困農場、林場的資金，按照農場和林場所在市縣計入各市縣資金數據，如，2017年中央財政撥付給毛瑞林場用于林場公路建設的資金，按照林場歸屬地計入保亭縣獲取的中央財政資金；洋浦開發區按照管轄地歸屬原則，將其獲取的財政扶貧資金并入儋州地區。在產出指標的選擇上，財政支農資金投入帶來的最直接的效益就是促進地區的經濟發展，從資金的分類來看，發展資金和少數民族發展資金在扶貧總資金中占比高達90%以上，說明投入扶貧資金的主要目的是促進地方經濟、產業的發展，因此經濟發展指標可以作為一個產出項。此外，扶貧效果的一個主要體現就是人均可支配收入的增加，尤其是農村常住人口的人均可支配收入的增加，因而，農村常住人口的人均可支配收入是一個產出變量。最后，從資金投放的具體用途來看，農場、林場建設，農產品種植、加工，農村地區發展等方面屬于第一產業，因而，將農林牧漁業增加值作為一個產出變量，具體如表1所示。

表1 財政扶貧資金投入產出指標體系

本文中投入指標的基礎數據，來自于海南省財政廳官網公布的2016—2019年中央、海南省下發的財政專項扶貧資金文件，筆者在基礎數據的基礎上，進行了進一步的歸類整理；產出指標數據來源于《海南省統計年鑒》。

（三）描述性統計

對2016—2019年海南海口、三亞、五指山、臨高、瓊中等18個市縣的財政專項扶貧資金投入與產出變量的數據特征進行描述，見表2。

表2 2016—2019年財政扶貧資金投入 與產出變量描述性統計

一方面，隨著時間的推移，扶貧資金投入基本呈上升趨勢，2018年達到峰值，此后從2019年開始回落。查閱相關資料發現，2016—2018年安排中央和省級財政專項扶貧資金50多億元，已經大幅超過海南省“十三五”脫貧攻堅規劃預計的五年各級財政專項扶貧資金數。且2020年初，海南省的五個國定貧困縣全部退出，已經基本消滅貧困。2019年以后，海南省安排的中央和省級財政專項扶貧資金全部為增量資金，因而相比往年，財政扶貧資金數額有所降低屬于正常現象。另一方面，從產出來看，各項產出均隨時間推移有持續增長的趨勢，但是同時，標準差也在逐年緩慢增加，說明各市縣的產出水平存在一定差異。

三、財政專項扶貧資金績效的測度與分析

（一）DEA-BCC模型的靜態績效評價

利用DEAP 2.1軟件對2016年和2019年海南省的18個市縣投入產出指標進行效率評價，得到財政專項扶貧資金的綜合效率值、純技術效率值和規模效率值，運行結果見表3。

表3 海南18個市縣2016年/2019年 財政專項扶貧資金使用效率

1.從綜合技術效率看，財政扶貧資金供給效率從2016年的0.391提高到2019年的0.431，呈增長趨勢，但從數值上來說，仍處于較低水平，未達到DEA有效。三亞在2016年和2019年的綜合效率值均為1，達到DEA有效，說明其投入產出水平最高；2019年，除三亞外，瓊海和文昌兩個市縣的綜合效率值也為1，達到DEA有效；五指山、保亭、瓊中等5個國定貧困縣的綜合效率值不高，表明其投入產出水平較低，綜合技術效率值仍有待提高。

2.從純技術效率看，2019年數據與2017年基本持平，接近于0.9。三亞、儋州、瓊海、文昌四個市縣在兩年中的純技術效率值均為1，說明這些市縣在管理和技術等方面較為先進。同時，2019年有多個市縣的純技術效率值達到0.9及以上，說明絕大部分市縣在資金管理和技術方面相比原來有了很大進步，但是保亭、瓊中、白沙這幾個市縣的技術和管理水平仍有待進一步提升。

3.從規模效率看，相比2016年，規模效率有所提升，但仍處于較低水平。從具體市縣來看，2016年達到規模有效的只有1個，2019年增加到3個；臨高、瓊中、白沙這幾個市縣的規模效率值最低在0.2以下，且表現出規模報酬遞減現象，說明這些地區存在資金未得到有效利用導致效率損失的問題，需要進一步優化資金配置，加強對資金的“精準投入”，從而提高資金使用效率。

（二）Malmquist指數的動態績效評價

利用DEAP 2.1軟件中的Malmquist指數對2016—2019年海南省18個市縣的財政專項扶貧資金的全要素生產率的變化情況進行測算，得到Malmquist指數4年間的變化情況，見表4。具體市縣的Malmquist指數及分解見表5。

1.整體動態趨勢分析。表4中，2016—2017年全要素生產指數最高，值為1.903，而2017—2018年綜合效率最低，出現異常波動；2018—2019年回升，達到1.229。由于2017—2018年的極低值導致平均的綜合效率指數低于1；分解來看，2016—2017年規模效率只有0.24，與技術效率指數相等，說明主要由于規模效率低下抑制了技術效率的增長；2017—2018年綜合效率較低的主要原因是受技術進步效率的拖累，當年出現了技術退步的情況，從而直接導致綜合效率下降；2018—2019年技術效率、純技術效率以及規模效率均大于1，技術進步指數雖然尚未達到1，但是已經非常接近，說明相比前一年，在技術應用、新技術使用方面有了很大提高。三個時間段中，技術效率指數與規模效率指數變化趨勢一致，純技術效率保持平穩，說明相對于純技術效率，規模效率對技術效率的影響更大。

表4 2016—2019年財政專項扶貧資金供給 Malmquist指數變化

2.各市縣效率變化對比。表5中，2016—2019年只有瓊海的財政扶貧資金供給的全要素生產指數大于1，其他絕大部分市縣資金使用的綜合效率均未達到DEA有效，說明各市縣在資金的精準投入、提高資金使用效率方面仍有進一步提升的空間。從上頁表5中可以看到，技術效率與規模效率變化同步且數值相近，說明技術效率的變化主要受規模效率的影響；五指山、臨高、保亭、瓊中、白沙、樂東六個市縣的規模效率小于1，全省占比1/3，說明盡管中央和省級財政對五個貧困縣在分配資金時有很大的傾斜，但是這些投入并未得到充分的利用，投入冗余而產出不足，尚未達到最高的規模效率。此外，技術進步本應是推動生產效率提高的，但是從分析的結果來看，只有極少數市縣技術進步指數大于1，能夠推動全要素生產率的提高；而對于大部分市縣來說，技術進步則處于衰退狀態，反而阻礙了綜合效率的提高。

表5 各市縣財政專項扶貧資金Malmquist指數及分解

四、模型進一步討論

在原有模型的基礎上，本文以各市縣脫貧人口增加為產出變量，使用DEA-BCC模型對2018年各市縣財政專項扶貧資金的使用效率進行靜態分析，得到各項效率評價指數，見表6。

表6 2018年各市縣效率指數

從表6可以發現，將脫貧人口數引入模型后，綜合效率有效的市縣達到1/3，但是五指山、臨高、保亭、瓊中、白沙這五個原來的國定貧困縣的綜合效率指數相對于其他市縣來說較低；規模效率較低、且規模報酬呈遞減狀態，與前面的研究結論相符；此外，綜合效率未達到有效的市縣，往往同時受到規模效率和技術效率的影響，且規模效率的影響大于技術效率的影響。

五、結論

本文基于海南省18個市縣2016—2019年的面板數據，運用規模報酬可變的DEA-BCC模型以及Malmquist指數，分別從靜態和動態的角度考察了海南省各市縣財政扶貧資金的使用效率情況，得到如下結論：

資金使用效率靜態評價結果顯示，海南省財政扶貧資金使用的整體效率不高，但有所提高。2016年有1個市縣綜合效率達到DEA有效，2019年有3個，且2019年的綜合效率、技術效率、規模效率指數的平均值均高于2016年，說明海南省在財政專項扶貧資金的使用上采取的一些控制、引導措施起到了一定作用，整體的資金使用效率有所提高。從模型進一步討論的結果來看，國定貧困縣的資金使用效率要低于非國定貧困縣，尤其是規模效率較低，說明存在產出不足、資金未充分利用的情況。從整體來看，不少市縣的技術效率和規模效率均未達到有效，尤其是規模效率較低，且大部分市縣呈規模遞減狀態，說明對于各市縣來說，需要加強資金的“精準投放、精準管理”，提高產出、減少冗余，從而提高資金的規模效率。

資金使用效率動態評價結果顯示，海南省全要素生產率表現出探底回升的趨勢，在2019年全要素生產率達到1.229，實現DEA有效。從全省以及各市縣的數據來看，規模效率和技術效率變動趨勢同步，說明規模效率對技術效率的影響巨大，如果要提高技術效率，就要增加產出、提高規模效率。此外，技術進步效率影響著全要素生產率，一般來說，技術進步是要推動綜合效率提升的，但是就海南省來說，目前絕大部分市縣的技術進步效率小于1，不僅沒有促進綜合效率的提高，反而起到了很大的阻礙作用。因而，對于海南省大部分市縣來說，需要積極引進新技術、新方法，加快發展高新技術產業，提高自主創新的能力，推動本地區技術水平的提高。