鄉村振興背景下財政支農支出效率測度與區域比較

張永江, 袁俊麗, 劉雨瀟

(1.農業農村部農村社會事業發展中心,北京 100122; 2.南京農業大學金融學院,江蘇南京 210095)

“三農”問題一直是事關國家發展全局的戰略性問題。在我國經濟進入高質量發展轉型期的新格局下,農業農村發展依舊是我國經濟社會建設中的短板。2017年十九大報告提出了“產業興旺、生態宜居、鄉風文明、治理有效、生活富裕”的鄉村振興戰略總目標,意味著我國農業農村正式邁入歷史新階段,全面推動農村社會、生態、經濟等領域穩步發展,實施鄉村振興戰略成為當前及未來一段時期的工作重點。作為推動鄉村振興的重要資金來源,近年來我國財政用于農業農村發展的資金規模不斷增加,據中國統計年鑒2010—2020年數據顯示,財政農林水事務支出年均增長率達到11.41%;財政支農支出占財政總支出的比重不斷上升,2020年達到9.75%,比2007年上升2.91百分點。但在財政資金的使用過程中,積聚了資金投入波動幅度較大、支出結構不盡合理、涉農資金管理混亂、地方財政監管不到位等深層次問題和矛盾[1-2]。在鄉村振興戰略的新形勢下,探究財政支農整體效率表現及其影響因素成為當前急需攻關的難題,具有重要的理論價值和現實意義。

盡管已有研究對財政支農效率評價展開了豐富的討論,但是學者們較多從經濟效率單一角度來衡量財政支農的投入產出效果[3-6]。然而,在鄉村振興戰略時期,生態環境、文化發展因素日益突出,僅從經濟角度評價財政支農效率無法適應時代要求,亟待農村生態、文化等多維度對財政支農效率綜合評價。盡管一些學者將效率評價指標擴展至涵蓋經濟、生態、社會效益維度[6-7],但是相關研究選取指標較少,無法全面反映農業農村發展現狀,更難以體現財政支持農村發展效率特征。

關于財政支農支出效率水平影響因素的實證研究,已有研究圍繞財政政策變量和經濟社會因素,探討財政支出規模、財政自給度、城市化水平、農戶固定資產投資、農村地理位置、制度環境、農戶參與度及受教育程度等因素對財政支農效率的影響[8-13]。但是相關研究主要聚焦于綜合技術效率,鮮有對其分解效率的影響因素進行探討,無法深入理解財政用于支持農業農村發展的制約因素和激勵因素。在全面推進鄉村振興背景下,以往研究難以從實踐層面精準地對改進財政支農效率進行指導。因此,本研究主要探討分析以下問題:在鄉村振興背景下,如何構建符合鄉村振興目標要求的效率評價體系?財政支農整體效率表現如何?財政支農效率受到哪些因素的影響?本研究構建基于鄉村振興視角的財政支農支出效率評價體系,運用超效率-數據-包絡分析(SBM-DEA)模型和Malmquist生產率指數模型,測算2015—2019年我國各省財政支農支出的靜態效率以及動態效率,并通過Tobit隨機效應面板回歸模型考察財政支農支出效率水平的影響因素,以期為已有研究提供有益補充與借鑒,為相關政策制定提供依據。

1 財政支農支出效率的測度

1.1 測度方法

1.1.1 SBM-DEA法 本研究采用Tone提出的超效率SBM-DEA模型[14]測算財政支農支出的靜態效率。相比于超效率DEA模型,該模型假設投入和產出可以按不同比例變化,對決策單元(DMU)測度更加準確。模型基本形式如式(1)和式 (2):

(1)

(2)

1.1.2 Malmquist指數模型 本研究選用Malmquist生產率指數模型測算財政支農支出的動態效率,模型基本形式如式(3):

(3)

(4)

式(4)表示技術變化與技術效率變化的分離。其中,第一部分EF表明t～(t+1)時期生產效率變化;第二部分TC表明t～(t+1)時期技術變化率。進一步放松固定規模報酬假設,可得式(5):

(5)

1.2 指標選取

在鄉村振興戰略背景下,財政對農業和農村的投入不再局限于經濟方面,而是向人居環境、文化氛圍、農民生活、鄉村產業等多個方面拓展,這凸顯了以往財政支農支出效率評價體系的局限性[13,15]。因此,本研究參考中央和地方涉農政府部門出臺的鄉村振興評價指標體系,從投入和產出2個方面構建效率評價指標體系。

在投入指標的構建上,考慮到各省(市、區)財政支出數據的可得性,參照石磊等的研究[16],選擇人均財政農林水支出規模作為效率評價的投入變量。產出指標的構建包括農業產業發展、鄉村生態環境和人居環境、鄉村文風和文化治理、農村居民生活水平4個方面。具體產出指標設計如下:

一是產業興旺維度指標。產業興旺是鄉村振興戰略實施的重要支柱,該指標包括農業發展和農業生產條件2個方面。在具體指標的選擇上,選取農林牧漁業增加值和勞動生產率作為農業發展代理變量,選取農業綜合機械化、農田供水普及率、農村用電水平反映該地區的農業生產條件。

二是生態宜居維度指標。生態宜居是推進鄉村振興戰略實施的重要組成部分,是生態文明建設的著力點,包括生態環境和人居環境[17]。具體選擇綠化覆蓋率反映該地區的自然環境宜居情況,人居環境宜居維度選擇污水處理率、生活垃圾無害化處理率、人均住宅建筑面積這3個指標反映農村人工環境和居住環境。

三是鄉風文明與治理有效維度指標。鄉風文明與治理有效是鄉村振興戰略實施的軟條件,分別采用文化事業與數字治理2個方面進行評估。發展文化事業有助于凈化民間不良風氣,提升農民思想高度和精神層次。在大數據時代下,數字技術的發展能夠增強鄉村政社互動,有效促進鄉村社會治理變革,提升鄉村治理現代化水平[18]。在具體指標的選擇上,選取農村人均藏書量、文化站從業人員密度、文化服務提供次數3個指標作為文化事業指標,選擇農村互聯網普及率作為數字治理指標。

四是生活富裕維度指標。生活富裕是國家實施鄉村振興戰略的終極目標,主要通過農村居民的收入水平、消費水平等方面反映,具體指標選擇人均可支配收入、人均工資性收入、人均消費支出以及農村居民耐用品消費支出。此外,考慮到縮短城鄉差距是鄉村振興戰略目標之一,本研究進一步選擇城鄉居民收入比和城鄉居民消費比反映農村居民生活富裕水平。

表1 效率評價原始產出指標體系設置

1.3 數據來源

鑒于西藏有大量數據缺失和異常,綜合考慮樣本評價指標數據的可得性,本研究選擇東部、中部、西部30個省份(不包括香港、澳門、臺灣和西藏)作為研究對象,將2015—2019年作為樣本研究期。所有指標數據均根據2016—2020年《中國統計年鑒》《中國農村統計年鑒》《中國社會年鑒》《中國人口和就業統計年鑒》《中國城鄉建設年鑒》等相關年鑒數據整理所得。為消除規?；蛩睾蛢r格因素,將相關數據進行規?；推綔p化處理。涉及到農林牧漁業產值的相關指標,按照2014年農林牧漁業增加值指數對其進行平減處理。涉及到農民收入和消費的相關指標,按照2014年農村居民消費價格指數對其進行調整。本研究用于綜合評價的指標均為正向指標,滿足指標同趨勢化。

2 效率測度結果與分析

2.1 財政支農支出效率的區域分析

2.1.1 綜合技術效率分析 2015—2019年財政支農支出綜合技術效率地區差異如圖1所示。由圖1可知,從時間趨勢看,東部地區的綜合技術效率呈現明顯的上升趨勢,中部和西部地區效率整體變化趨勢較為平穩。通過橫向比較不同區域發現,中部地區的綜合技術效率值最高,東部地區次之,西部地區綜合技術效率值最低。

2.1.2 純技術效率分析 2015—2019年財政支農

支出純技術效率區域差異如圖2所示。從時間趨勢上來看,東部地區純技術效率較為平穩,稍微呈上升趨勢;中部地區波動較大,呈下降趨勢。這是因為東部地區制度保障、政策執行力、技術支持、管理水平較為有效,對財政支農資源的使用較為充分。通過橫向比較發現,東部地區純技術效率最高,有2年達到純技術效率有效,中部和西部地區在整個考察期內均沒有達到純技術效率有效,說明純技術效率低下是這些地區綜合技術效率未達到有效的原因之一。

2.1.3 規模效率分析 圖3展示了2015—2019年規模效率區域差異。從時間趨勢看,東中西區域的規模效率在2015—2019年總體呈現波動上升趨勢,可能是隨著財政支農支出的日益擴大,各地政府更加關注規模效率,規模效率有所提升。從區域差異看,中部地區規模效率處于領先水平,2019年的規模效率值達到0.838,而西部和東部地區的規模效率較低。西部地區農村經濟相對落后,財政投資規模嚴重不足,可能處于規模報酬遞增階段,而東部地區經濟狀況比較發達,財政資金投入較多,處于規模報酬遞減階段。

結合圖1、圖2、圖3可知,中部地區的綜合效率處于領先水平,主要歸功于規模效率的提升。規模效率與純技術效率分別是制約東部與西部地區綜合技術效率提高的主要因素。在鄉村振興戰略穩步推進時期,各區域應針對自身財政支農支出效率存在的問題制定相應的政策方針,以促使財政支農活動高效實施。

2.3 財政支農支出效率變動分析

為深入了解2015—2019年我國財政支農支出效率變化,本研究對各省各年度全要素生產率(Malmquist)指數分別進行計算,對財政支農全要素生產率變動趨勢進行分析。

2.3.1 財政支農效率的年度變動分析 表2為2015—2019年各年份財政支農全要素生產率及分解指標結果。由表中數據可見,我國財政支農投入效率在2015—2019年間呈波動態勢,全要素生產率平均變化小于1(0.993),說明我國財政支農支出效率年均降低0.7%。從分解指標看,樣本期間技術效率指數降低了0.6%,技術進步指數降低0.2%,表明全要素生產率的降低是由技術效率變化和技術進步變化共同引起的。分階段看,在2015—2019年間,除2017—2018年Malmquist指數達到1.127,其余年份全要素生產率均小于1,最小年份是2015—2016年,Malmquist指數為0.955,下降4.5%。進一步分析全要素生產率變化的原因。從技術效率變化看,大體上我國財政支農技術效率呈上下波動的變化趨勢,這種變化由純技術效率變化與規模效率變化所致。分階段看,2015—2016年和2018—2019年的技術效率指數大于1,這主要得益于規模效率改善。其余年份的技術效率指數小于1,由純技術效率和規模效率共同下降引起,且純技術效率下降幅度較大,說明管理制度有待完善。從技術進步指數變化看,2015—2019年間只有2017—2018年技術進步指數大于1,引起這一時期全要素生產率提升;其余年份技術指數均小于1,最小年份出現在2018—2019年,技術進步指數下降7.6%,導致這期間全要素生產率大幅下降。

表2 2015—2019年財政支農支出效率Malmquist指數及其分解的年度分析

2.3.2 財政支農效率的區域變動分析 考慮到不同地區發展水平差異,本研究給出了不同地區平均全要素生產率及分解效率,如表3所示?？梢园l現,東部地區全要素生產率指數最高,年均增長率為2.4%。西部地區次之,中部地區最低,中部與西部地區全要素生產率變化小于1,年均增長率分別為 -2.9%、-2.3%。進一步從分解指標看各地區全要素生產率變化原因。技術變化方面,東部、中部和西部地區的技術進步指數依次升高,表明西部地區技術得到改善。在技術效率指數方面,東部、中部、西部地區依次降低。東部地區綜合技術效率指數大于1,這期間主要得益于規模效率指數的提高;中部和西部地區綜合技術效率指數小于1,中部主要是受純技術效率拖累,西部則由純技術效率指數和規模效率指數降低共同制約。綜上,東部地區全要素生產率提高主要歸功于規模效率指數的提升;中部地區是由技術退步與純技術效率指數所拖累,西部地區則是由純技術效率指數和規模效率指數共同降低引起。

表3 2015—2019年財政支農支出效率Malmquist指數及其分解的區域分析

3 財政支農支出效率影響因素的實證研究

3.1 模型設定、變量選擇與數據說明

由于財政支農效率為截斷數據特征變量,采用OLS估計可能造成估計有偏,本研究選用隨機效應面板Tobit模型進行估計,模型設定如下:

EFit=α+∑jβjXj,jt+μit。

(6)

式中:EFit為被解釋變量財政支農支出效率,分別為DEA測算的綜合技術效率、純技術效率及規模效率;i和t分別為第i個省份、第t年;α為截距項;βj為待估系數,Xj,it為本研究主要考察的變量,包括地方政府特征變量、農戶特征變量、地區外部環境變量;μit為隨機誤差項。變量定義及描述性統計如表4所示。

表4 變量定義及描述性統計

地方政府特征變量選擇財政自給度和財政支農比重2個變量。已有研究認為,財政自給度是影響財政支農支出效率的重要變量,一般認為財政自給度越高的地區,其財政支出效率越高。財政支農比重反映財政支農支出規模與地方政府對“三農”問題的重視程度,本研究預期其影響方向為正。

地區農戶特征變量選擇農戶投資水平及農戶受教育程度。農戶投資水平可能會對財政支農效率產生影響,理論上正向影響財政支農支出效率;地區農戶受教育程度反映了一個地區的人力資本狀況,地區人力資本水平越高,財政支農支出效率可能越高。

地區外部環境變量選取地區生產總值、城鎮化水平、產業結構、農村金融活躍度4個變量。其中,地區生產總值反映了地區經濟水平,經濟水平更高地區的財政支出管理體系越完善,財政支農效率可能越高;城鎮化有利于改善農村環境,但也可能擠出農村投資,對財政支農效率的影響方向未知;產業結構可能影響農業發展,從而對財政支農支出效率產生影響,其影響方向預判未知;金融資金與財政資金共同作用于農村發展,可能對財政支農支出效率有影響,農村金融活躍度的影響方向未知。

考慮到數據可得性,本研究選擇的樣本區間為2015—2019年,樣本覆蓋30個省份(不包括香港、澳門、臺灣和西藏)。具體數據來源于2016—2020年《中國統計年鑒》《中國金融年鑒》《中國農村統計年鑒》。為消除由于時間序列導致的價格波動因素,本研究對農戶投資、農村金融發展水平、地區生產總值均進行了平減化處理。

3.2 實證結果與分析

3.2.1 綜合技術效率影響因素分析 由表5可知,Wald檢驗與LR檢驗均通過了1%的顯著性水平,說明模型存在個體效應,表明選用隨機效應面板Tobit模型較為合理。本研究進一步采用廣義最小二乘法(GLS)隨機效應進行估計,Wald檢驗值為63.39,表明模型設定合理。回歸結果顯示,地方政府特征變量方面,財政自給度系數顯著為正,表明財政自給度對財政支農綜合技術效率有顯著的積極影響,與陳明的結論[8]一致?？赡苁且驗樨斦越o度提高了地區的財政實力和財政監督制度的完善程度,雄厚的財政實力與完善的財政監督制度有助于提高財政支出效率。財政支農比重在5%的置信度水平下顯著為負,表明財政支農規模對財政支農支出綜合術技效率有負向影響,與王謙等的研究結論[13]一致?？赡苁且驗樨斦мr存在支出規模不合理、支出結構不優問題,這些問題降低了財政支農支出綜合技術效率。

從地區農戶特征變量看,地區農戶投資水平與農戶受教育程度系數顯著為正,表明地區農戶投資水平與農戶人力資本水平越高,越有利于發揮財政支農資金作用,財政支農效率水平越高。地區外部環境變量方面,農村金融活躍度與城鎮化水平對財政支農綜合技術效率有顯著影響。農村金融發展可以更好地發揮財政政策作用,從而提高財政支農支出的綜合技術效率。城鎮化率系數在1%的置信水平下顯著為負,表明城鎮化降低了財政支農支出綜合技術效率水平,對農村的“反哺”作用尚未發揮。

3.2.2 綜合技術效率分解指標影響因素分析 由表6中Wald檢驗、LR檢驗結果可見,使用隨機效應面板Tobit模型較為合理。純技術效率和規模效率的GLS回歸結果說明模型整體擬合程度良好,模型設定較為合理。

表6 財政支農支出純技術和規模效率影響因素回歸結果

具體來看,地方政府特征變量中,財政自給度對純技術效率和規模效率均有正向影響。在財政自給度較高地區,財政支農績效管理更完備,支農監管力度更強,更多措施和機制保障促進財政效率提升。財政支農支出比重對規模效率影響的回歸系數在Tobit模型和GLS中顯著為負,可能是財政支出規模存在最優投入規模,樣本期間財政支農支出規?？赡芴幱谝幠蟪赀f減區間。農戶投資水平與農村金融活躍度對2種分解效率均有正向顯著影響。作為財政資金的補充來源,農戶投資及金融資本可與財政資金結合形成創新型的財政支農方式,產生協同效應,從而提高財政支農支出純技術效率和規模效率。

農戶受教育程度、城鎮化水平、地區生產總值和產業結構對純技術效率和規模效率產生了差異性的影響。其中,農戶受教育程度對規模效率有顯著正向影響,對純技術效率無顯著影響。城鎮化水平對2種分解效率均有負向影響。地區生產總值的系數對純技術效率影響的回歸系數在Tobit模型和GLS中顯著為正,表明在經濟狀況良好的地區更有利于純技術效率的提高,對規模效率無影響。

4 結論及政策啟示

本研究基于鄉村振興目標要求構建了財政支農支出效率的多維評價指標體系,運用超效率 SBM-DEA 模型評估了我國30個省份2015—2019年財政支農支出效率,并利用Malmquist生產率指數模型進行動態評估。進一步選用隨機效應面板Tobit模型,實證分析財政支農效率及分解指標的影響因素,研究結論如下:一是我國整體財政支農支出綜合技術效率較低,是由純技術效率和規模效率共同引起的,規模效率相對較低是關鍵因素。二是從靜態視角看,中部地區財政支農綜合技術效率較高,東部地區次之,西部地區最低。三是從動態視角看,我國財政支農投入效率整體呈下降趨勢,綜合技術效率指數降低了0.6%,技術進步指數降低了0.2%。四是地方財政自給度、農戶投資水平、農戶受教育程度、農村金融活躍度正向影響財政支農支出綜合技術效率,而財政支農比重、城鎮化水平負向影響綜合技術效率。分解綜合技術效率回歸結果顯示,影響規模效率的變量對財政支農綜合技術效率均有顯著影響。

基于本研究結論有以下政策啟示:第一,完善財政支農支出績效評價。根據支農項目類型、投資地區特征,從經濟性、環境性等多維度靈活制定評價指標體系,建立預算資源配置與資金使用績效關聯機制,完善支農資金日常動態監管機制。第二,調整財政支農規模,優化財政支農結構。立足于本地區鄉村發展資源稟賦優勢,明確財政支農的差異化目標,因勢利導強化地區內和區域間財政支農資金的良性互動,提高財政支農資金運用的指向性和精準性,明確涉農政府部門責任。第三,拓寬支農資金來源渠道,發揮多元投入協同作用。激發農戶投資熱情,鼓勵農村金融產品創新,提高農村金融市場活躍度,利用減稅降費等優惠政策鼓勵社會資本投資鄉村振興,推動地區產業結構優化升級。第四,加快城鄉融合發展,營造有利的財政支農環境。持續推進城鄉基本公共服務普惠共享,完善鄉村衛生、文化等公共服務和公共基礎設施建設,完善城鄉發展要素良性互動機制,促進城市對于鄉村地區的輻射帶動作用。