乡村振兴视角下陕西吕梁连片特困地区的财政扶贫效率及其影响因素分析

冯晓莉 朱可蒙 李刚

(西安邮电大学经济与管理学院，陕西 西安 710121)

引言

贫困问题是全人类共同面对的问题，中国一直致力于消除贫困问题，党中央、国务院对扶贫工作一直保持着高度重视，先后出台了一系列政策和措施，从最初救济式扶贫到2013年11月习近平总书记在湖南湘西考察时首次提出“精准扶贫”，再到2017年10月18日在党的十九大报告中提出乡村振兴战略，不断探索出了一条具有中国特色的扶贫开发道路。党的十八大以来，我国加大了扶贫攻坚的力度，根据国家统计局相关的数据，截至2017年末，中国贫困发生率下降了3.1%，贫困总人口减少3046万人，扶贫开发取得巨大成效。虽然我国贫困地区在基础设施、医疗、教育方面取得了显著成果，但仍有部分人口未实现脱贫。尚未脱贫的人口主要集中在14个集中连片特殊特困地区，这些片区大多属于革命老区、民族地区、边疆地区，基础设施和社会事业发展滞后，生态环境脆弱，自然灾害频发，贫困发生率高，扶贫开发工作任务异常艰巨。2018年9月26日，国务院颁布的《乡村振兴战略规划(2018—2022年)》指出，“消除14片特困区区域贫困是全面建成小康社会和实现乡村振兴的基本前提”，而培育和提升14片特困区县域自我发展能力是消除区域贫困的根本途径。陕西省有7个市共43个县列入国家确定的秦巴山区、六盘山区和吕梁山区集中连片特殊特困区，这些片区是陕西省贫困人口集中、脱贫难度最大的地区。吕梁山区共有7个县，该区域沟壑纵横，水土流失严重，农业基础设施建设严重滞后，是重要的生态功能区，同时也是革命老区，由于该地区仍然处于贫困状态，仍将是扶贫开发的重点之一。

1 研究方法与数据说明

1.1 研究方法

1.1.1 BCC模型

最早DEA(CCR)模型是由Chames等提出来，主要是解决规模报酬不变的决策单元效率问题，BCC模型是在CCR模型的基础上开发的，是由Banker等提出的，主要是解决规模报酬可变的决策单元效率问题，BCC模型将技术效率(TE)分解为纯技术效率(PTE)和规模效率(SE)，且TE=PTE×SE，BCC模型的构建具体如下：

min[ϑ-ε(e-s-+e+s+]

式中，θ为决策单元DMU的DEA的效率值，介于0～1，λj为权重，s-、s+为松弛变量，xj表示决策单元的投入向量，yj表示决策单元的产出向量。ε为非阿基米德无穷小量。

1.1.2 Malmquist指数模型

Malmquist指数最早于1953年由StenMaquist提出；Cave等人在1982年首次将该指数用于生产效率的变化测算；1994年，Fare等将Malmquist指数与DEA理论相结合，构建全要素生产率增长的Malmquist指数，使得Malmquist指数得到广泛应用，具体的公式：

具体的Malmquist指数分解为M=TECHCH×EFFCH，TECHCH为技术水平变化指数，EFFCH为技术效率变化指数，可以进一步分解为纯技术效率变化指数(PECH)和规模效率变化指数(TECH),即EFFCH=PECH×TECH，综上可得：M=PECH×TECH×TECHCH。

1.1.3 Tobit模型

Tobit模型又称为样本选择模型、受限因变量模型，最早是由美国经济学家Tobin提出，由于BCC模型测算出的效率值大于0小于1，且数据被截断，如果采用最小二乘法(OLS)进行回归会导致估计具有偏差，因此本文采用Tobit进行回归分析，具体的模型:

Yi=β0+β1Xi+ε

式中，Yi为受限因变量，本文用DEA-BCC模型测算出来的综合效率表示，β0为常数项，β1为回归参数，Xi为解释变量，ε为随机误差向量。

1.2 指标选择和数据来源

近些年来，国家更加关注陕西吕梁农村贫困地区的情况，增加了对贫困地区的政策、财政支出的支持，农村贫困地区的经济水平有所提高、社会基础及服务有所改善。本文在考虑数据可获取性和参考相应的文献的基础上[1]，选取了教育支出、社会保障和就业支出、医疗卫生与计划生育支出作为投入指标。产出指标选取了农村常驻居民人均可支配收入、普通中学在校生人数、医疗卫生机构床位数作为产出变量。文章使用的数据来源《中国县域统计年鉴》(2012—2018年)和《榆林市统计年鉴》(2012—2018年)。

2 实证结果分析

2.1 基于DEA-BCC模型的精准扶贫财政的效率分析

利用DEAP2.1软件，将陕西吕梁连片特困地区2011—2017年的投入变量和产出变量带入DEA-BCC模型中，从综合效率、纯技术效率和规模效率3个指标对扶贫情况进行分析。

2.1.1 综合效率变动趋势

由表1所示，从整体上看，陕西吕梁连片特困地区的7个贫困县2011—2017年的平均综合效率为0.886，效率水平较高，但距离效率前沿具有一定差距。具体来看，米脂县和吴堡县的综合效率值在2011—2017年度都为1，说明该地区的财政扶贫资金得到充分利用，可以看出自从《吕梁山片区区域发展与扶贫攻坚规划(2011—2020年)》出台以来，这些地区加大了对区域发展和扶贫攻坚的力度，政策得到了良好落实。而其余6县的综合效率小于1，说明其存在改进的可能。在考察期内，陕西吕梁连片特困地区的财政扶贫综合效率中，除横山县、米脂县外，均有些波动，但整体是持平的趋势。横山县和米脂县的综合效率波动的非常大，减贫效率不稳定，反映出虽然扶贫资金的力度大，但扶贫的效果却不理想，这说明扶贫政策应该因地制宜，采取适宜的扶贫方式。

表1 综合效率

2.1.2 纯技术效率变动趋势

由表2所示，陕西吕梁连片特困地区的7个贫困县2011—2017年的平均纯技术效率值为0.917，横山县、绥德县、米脂县和吴堡县的纯技术效率值在2011—2017年度都为1，说明随着扶贫的不断深入，现有的技术水平得到了充分发挥，政府投入的资金能够合理有效地配置。而佳县、清涧县和子洲县的纯技术效率均值都小于1，表明这些地区没有充分利用目前投入的资源，减贫效果不佳。需要调整资金的投入方式和改进扶贫技术，使得扶贫资金能够充分的利用，从而提高纯技术效率。

表2 纯技术效率

2.1.3 规模效率变动趋势

由表3所示，陕西吕梁连片特困地区的7个贫困县2011—2017年的平均规模效率值为0.969，绥德县和吴堡县的规模效率值在2011—2017年度都为1，说明规模是有效的；其它县的效率值都维持在0.85～1，说明效率相对较高。这是因为从2014年开始，陕西吕梁连片特困地区加大了财政扶贫资金的力度，但是投入的结构分配上存在不合理，有些方面投入的过多，有些方面投入的过少，生产没有达到最佳规模，没有发挥出规模效率带来的优势。加大扶贫资金的投入力度的同时，也要考核资金的投入是否对扶贫效率产生显著提升，使得生产处于最优规模，才能实现规模效率最大化。

2.2 基于Malmquist指数的财政扶贫效率动态化分析

2.2.1 各年度整体陕西吕梁连片特困地区的财政扶贫效率测度的结果

为了更好地分析陕西吕梁连片特困地区的财政扶贫效率的变化趋势，利用DEAP2.1软件对陕西吕梁连片特困地区的财政扶贫投入与产出数据予以处理，2011—2017年陕西吕梁连片特困地区的财政扶贫平均全要素生产率变化指数及其分解，具体如表4所示。

由表4可知，陕西吕梁连片特困地区的7个贫困县财政扶贫效率全要素生产率指数除了2015—2016年时间段大于1以外，其它时间段均小于1，均值为0.862，在整个研究期内，全要素生产率指数呈下降趋势，减少了13.8%；从结构上来看，技术效率变化均值上升了0.3%，技术进步变化均值下降了14%，说明财政扶贫全要素生产率指数影响主要受技术退步的影响，从绝对值的变化来看，技术进步均值和TFP值的均值和个值更为相近；纯技术效率和规模效率制约了TFP的增加，纯技术效率7a平均增加了0.4%，但由于增加的幅度和均值太小，制约了TFP值的提升，7a来规模效率均值为0.999，平均下降了0.1%，且历年的变化趋势与TFP值基本一致，说明较低的规模效率制约了TFP值的增加。

表4 2011—2017年陕西吕梁连片特困地区Malmquist指数及分解

2.2.2 陕西吕梁山区7个贫困县财政扶贫效率测度结果

利用DEAP2.1软件处理的结果，陕西吕梁连片特困地区各县财政扶贫平均全要素生产率变化指数及其分解，具体如表5所示。

表5 2011—2017年陕西吕梁连片特困地区全要素生产率的构成

由表5可知，陕西吕梁连片特困地区的7个贫困县的平均全要素生产率为0.862，在2011—2017年间平均下降了13.8%，其中主要是技术水平下降使得TFP指数下降，这是因为该地区农民的文化程度较低，接受新事物、新技术慢，不利于农业技术的普及与推广，无法将技术转化为生产力，导致该地区的农业技术应用率低；将TFP指数分解为技术效率和技术进步来看，陕西吕梁连片特困地区7县的技术进步有着不同程度的下降，平均下降了14%，而技术效率除了米脂县下降0.6%以外，平均上升了0.3%，说明陕西吕梁连片特困地区的财政扶贫TFP值下降的原因主要是扶贫技术退步的结果，而并非财政扶贫效率改善的结果；对技术效率变化进一步分解，纯技术效率除了佳县下降0.1%，横山县、绥德县、米脂县和吴堡县等保持不变，平均上升了0.4%，规模效率除了横山县、绥德县和吴堡县等保持不变，其它县都有小幅变动，平均下降了0.1%。通过分析可知，TFP指数普遍呈轻微下降的趋势，出现这种情况主要原因有技术进步下降了14%、规模效率下降0.1%；由此可见，导致陕西吕梁山区TFP指数下降的主要原因是技术进步的下降。综上所述，陕西吕梁连片特困地区的全要素生产率下行趋势较为明显，技术退步是陕西吕梁山区提高财政扶贫效率需要首先解决的问题。

2.3 基于Tobit回归模型的影响因素分析

通过DEA-BCC模型和Malmquist指数法仅能获得财政扶贫的效率值，但是精准扶贫的效率影响因素不仅仅局限于选择的投入产出指标，除此之外还需要对其它影响因素进行进一步探究。借鉴已有的文献基础上[2-4]，本文选取了城镇居民可支配收入水平(X1)、人均生产总值(X2)、城镇化率(X3)、地方财政收入(X4)以及产业结构升级(X5)作为影响因素进行分析。本文所测得的综合效率值在0～1，符合Tobit模型受限回归的特点，因此选用Tobit模型进行深入的分析。根据以上影响因素，具体模型构建如下：

Y=C+α1lnX1+α2lnX2+α3lnX3+α4X4+α5X5+μ

式中，被解释变量Y为DEA方法测得综合效率值；C为回归公式中的常数项；X1、X2、X3、X4、X5分别表示：城镇居民可支配收入、人均生产总值、地方财政收入、城镇化率、第一产业与第三产业占GDP的比重。

考虑到模型的准确性，对城镇居民可支配收入、人均生产总值、地方财政收入进行对数化处理。

利用Stata15.0软件进行Tobit回归，结果如表6所示。从表可以看出，通过显著性水平的变量有人均生产总值、地方财政收入、城镇化率、第一产业与第三产业占GDP的比重。没有通过显著性的解释变量有城镇居民可支配收入。

表6 Tobit回归的结果

人均生产总值对扶贫效率有显著抑制作用，表明人均生产总值提高，扶贫效率反而降低。这是因为产业结构的调整，农业在国民收入中比重逐步下降，农业原料为第二、三产业提供大量的廉价原材料，而第二、三产业却以数倍的原材料价格销往农村地区，导致两者之间价格差距越来越大，就形成了工农剪刀差，反映出陕西吕梁连片特困地区城乡发展均衡水平悬殊。

地方财政收入与扶贫效率呈负相关，地方财政收入系数为-0.0821，且在10%的显著性水平通过检验。理论上讲，地方财政收入的增加将直接推动该地区扶贫效率的提高，但现实中表现出显著的不利影响，充分表明当前地方财政收入在安排和使用存在严重的结构不合理和效率低下，大量资金投入没有转化为农民收入的增加。

城镇化率与扶贫效率存在正相关，城镇化率系数为0.0361，且在1%的显著性水平通过检验，说明城镇化是实现减贫的重要途径之一。城镇化进程中为贫困地区创造了大量的劳动就业机会，并通过劳动力价值的回报带动了农村经济的发展和公共基础设施的改善，改善了该地区农村的经济；城镇化推动了大量的农村人口转移到城市，导致农村人口的减少，拉动城乡消费，彰显出了强大的减贫效果。

第一产业与第三产业占GDP的比重与扶贫效率呈正相关，且在5%的显著性水平通过检验，也就是说，第一、三产业在国民收入中比重越高，扶贫效率就越高。这是因为陕西吕梁山区各县政府积极整合贫困地区的产业优势，在提升第一产业发展水平的同时，大力发展第三产业，不断优化产业结构，实现产业多元化的发展。

3 结论与建议

利用DEA-BCC模型和Malmquist指数,基于陕西吕梁连片特困地区2011—2017年相关数据进行静态、动态相结合的财政扶贫效率分析，并结合Tobit模型研究了财政扶贫效率的影响因素及作用程度，研究发现，DEA-BCC模型计算发现，2011—2017年陕西吕梁连片特困地区的财政扶贫综合效率值为0.886，只有绥德县和吴堡县在7a中均达到了DEA有效水平，其中纯技术效率较低是制约效率提高的主要因素；Malmquist指数模型计算可知，2011—2017年陕西吕梁连片特困地区的全要素生产率指数平均下降了13.8%，其中，技术进步下降了14%，而综合效率上升了0.3%，说明技术退步是制约全要素生产率的主要原因；利用Tobit回归模型探析了扶贫效率的影响因素及其程度可知，人均生产总值、地方财政收入、城镇化率、第一产业与第三产业占GDP的比重对财政扶贫效率的影响较为显著，而城镇居民可支配收入对财政扶贫效率不显著。基于此，提出以下建议：调整产业结构，推动产业升级，应加快产业结构的升级，兼顾财政扶贫资金投入扶贫带来的长远效益，不断加快城镇化建设，提升第二产业的发展速度，工业为农业化的发展提供了技术、资金和现代化设备，提高农业的现代化水平，并且创造了大量的就业岗位，为农村大量剩余劳动力的转移提供机会，增加农民的收入；合理有效地利用扶贫资金，提高财政扶贫效率关键要发挥好政府的作用，政府应该改进扶贫资金的运行机制，明确各贫困县财政资金的使用情况；加大财政支出在教育上的倾斜力度，健全农村教育长效机制。