乡村振兴战略背景下农业保险与农业信贷协同效率研究

□郑 军 盛康丽

[内容提要]通过有调节的中介模型分析农业保险与农业信贷发展协同效果，并运用三阶段DEA-Malmquist模型测算乡村振兴战略背景下农业保险与农业信贷协同效率。研究发现农业保险通过农业信贷的中介效应对农业发展影响显著，财政支出在农业信贷与农业发展中有调节效应，农业保险与农业信贷发展协同效果良好，而环境因素对农业保险与农业信贷协同效率测算有显著影响，剔除外部环境因素后，技术进步和全要素生产率均有上升。在环境因素中，成灾面积、灌溉面积对农业保险与农业信贷协同运行效率提高具有显著的负向影响，农业机械化水平有正向影响，而财政投入对于不同投入指标影响方向不同。根据以上结论，我国应因地制宜建立农业保险与农业信贷协同机制，合理配置财政投入，建立自然灾害风险防范机制，提高机械化水平和合理进行农田水利建设，促进乡村振兴。

一、引言

当前，我国经济发展已经进入新时代，社会主要矛盾发生改变，党的十九大报告提出要农业农村优先发展，加快推进农业农村现代化，实施乡村振兴战略。近年来，新型农业经营主体规模日益壮大，成为我国实施乡村振兴战略的重要力量。然而新型农业经营主体规模化、产业化经营，需要强大的信贷支持与农业保险保障。农业保险与农业信贷协同发展可有效改善农业经营者的经营环境，助力农业发展。因此，研究农业保险与农业信贷协同是金融助力乡村振兴战略的重点。效率研究是综合衡量农业保险与农业信贷参与农业生产的资源配置与福利状况。协同效率是关于耦合协调关系研究的衍生性方法，是在协同发展的基础上对两个或以上系统间投入与产出的量化解释(李彦华等，2019)[1]。DEA是测算农业保险与农业信贷协同效率的有效途径，传统DEA受到环境因素和随机扰动等影响，无法真实测算协同效率，因此本文采用三阶段DEA-Malmquist模型测算农业保险与农业信贷协同的全要素生产率、技术效率与技术变动，综合衡量农业保险与农业信贷协同服务乡村振兴战略的有效程度。

乡村振兴战略背景下，研究我国农业保险与农业信贷协同效率，首先研究农业保险与农业信贷发展是否协同？其次，农业保险与农业信贷协同效率趋势如何？我国地区之间经济、政策与社会环境等外部环境存在差异，而这些环境差异对测量农业保险与农业信贷协同效率测量有何影响？在外部环境因素调整后，我国农业保险与农业信贷协同的效率如何变化？针对这些问题，本文通过农业信贷的中介效应、农业保险与农业信贷协同运行的效率进行测算，对其是否有效合作、共同为农业发展服务做出基本评估，并剔除干扰因素对调整后的农业保险与农业信贷协同效率提升进行分析。根据分析结果，为农业保险与农业信贷协同发展提出政策建议，提升金融服务乡村振兴战略的质量。

二、文献综述

一直以来，农业保险与农业信贷协同发展都是研究热点。目前，国内外已有文献基本认为农业保险与农业信贷之间关系是良性发展的，为“三农”发展保驾护航。国外学者Binswanger(1980)[2]、Binswanger(1996)[3]、Karlan(2014)[4]等相关研究成果具有代表意义，他们认为信贷机构倾向于投保农业保险的农业经营主体，可以减少信贷机构的贷款收回风险。这为后续农业保险与农业信贷良性互动研究提供了坚实的基础和明确的研究方向。中国学者侧重研究中国背景下的农业保险与农业信贷协同服务农业发展的行为，并得到一些有价值的研究结论，例如祝国平、刘吉舫(2014)[5]，谢玉梅、高娇(2014)[6]研究发现农业保险介入农业信贷市场，能有效转移风险，平滑农户的净收入波动。

近年来，农业风险保障制度的逐步完善，使得农业保险和农业信贷协同影响农业农村发展引起学界的广泛关注。大多数研究都是侧重研究农业保险与农业信贷协同对农企贷款概率的影响，例如，叶明华、卫玥(2015)[7]，任乐、王性玉、赵辉(2017)[8]，刘素春、智迪迪(2017)[9]。这些观点比较一致，普遍认为农业信贷市场引入保险，可以提高信贷规模和信贷机构的盈利水平，实现农业保险与农业信贷之间的良性协同运行，提高农村企业贷款概率，促进农业发展。另一方面，张建军、张兵(2012)[10]，谢玉梅、高娇(2014)[6]，董晓林、吕沙、汤颖梅(2018)[11]，农业保险与农业信贷协同存在农业风险配给的负面干预效应，对规模农户的数量配给具有缓解作用，稳定农户收入波动。提高农村地区金融服务水平，增强金融组织机构间合作和金融产品的创新能力，提高金融对农村地区的支持力度，农村金融工具就会对农业增产和农民增收产生积极的作用。

现有文献相关具有比较鲜明的特点：侧重定量研究农业保险与农业信贷协同，缺乏理论基础与实证模型有效结合分析，较少使用效率评价方法评价其服务效率。鉴于此，本文的主要贡献可以总结如下：其一，在理论层面，用理论推导模型对农业保险与农业信贷协同机制进行考察，尤其针对乡村振兴战略背景下对各主体效用提升的影响。其二，在实证分析层面上，采用中介效应检验农业保险与农业信贷的协同机制，并利用三阶段DEA模型来分析农业保险与农业信贷协同效率，通过对环境变量和随机影响因素的调整，剔除相应干扰后进行效率值的评价，提升农业保险与农业信贷协同效率的说服力。其三，在政策干预方面，本文的分析为促进我国乡村振兴战略背景下农业保险与农业信贷协同体制良性发展提供微观基础和技术创新思路。

三、农业保险与农业信贷协同服务乡村振兴战略的作用机理

农业保险与农业信贷协同发展，提高双方的效用。一方面，农业保险具有准公共物品的性质，其社会效益大于经济效益，这种外部经济易造成市场失灵，在这种情况下帕累托最优状态无法通过市场机制优化资源配置实现。然而农业保险参与农业信贷市场可实施共享信息制度，降低其经营成本，提升保险机构的效用(祝国平、常艳，2014)[12]。另一方面，农业保险以抵押品的形式参与信贷市场，增加农业信贷的信用等级，使得资金可获得性大大推广，并且可以提高农户的还款能力，降低信贷机构的经营风险，提升信贷机构的效用(叶明华、卫玥，2015)[7]。此外，农业保险与农业信贷协同实现多方主体的效用增加，受到多种因素影响。

假定参与主体的期望效用为E(Ut)，农户、保险机构、信贷机构、政府的效用分别为U1、U2、U3和U4，初始财富为W1、W2、W3、W4；

农户生产经营过程中面临的风险损失为Φ，其概率密度为f(Φ)，满足0≤Φ≤W0的条件，参与农业保险的保费为P0；

信贷机构进行信贷投放的产出函数为h(χ,r)，χ为投入，r为还款率，产出函数满足h’>，h”<0，其中根据祝国平、常艳(2014)[12]保险机构与信贷机构之间实行信息共享制度，因此投入χ可分为可与保险机构共享的资源投入ξχ和不可共享的资源投入ξ(1-χ)。假定保险机构面临的风险中性，其保险效用为U2(Φ)=aΦ+b，则保险机构进行保险业务的期望效用为E(U2(W2+E(Φ)+P0-Φ))=U2(W2)+ap0，参与农业保险与农业信贷协同中的期望效用为E(U2(W2+E(Φ)+ξχ-Φ))=u2(w2)+ap0+aξχ，则保险机构提升效用aξχ；信贷机构的进行农业信贷业务的期望效用为U3(W3-χ+h(χ,r0))，r0为保险机构未参与信贷投放的货款率，参与农业保险与农业信贷协同后，因此还款率提升到r1;因此保险与信贷机构总效用提升为△U=aξχ+U3(W3-χ+h(χ,r1))-U3(W3-χ+h(χ,r0))，h与效用均为递增函数，则提升效用为正，且与投入ξ和r正向相关。

农业保险与农业信贷协同比农业保险不参与信贷活动中的综合效用提高，然而农业保险如何通过农业信贷影响农业发展，政府财政是否对该关系有影响，是农业保险与农业信贷协同服务乡村振兴战略的重点。中介效应作为组织行为学研究的重要方法，主要通过因果逐步回归分析，分析在已知因变量与自变量之间关系时，探讨中介变量在该关系之中的内部作用机制，而调节变量可以更精细理解变量间关系。方蕊(2019)[14]曾利用中介效应研究“保险+期货”在提高农户种粮积极性的作用机制，因此本文借鉴该方法研究农业保险与农业信贷协同在对农业经济发展增长之间的作用机制，研究乡村振兴战略背景下农业保险与农业信贷协同机制。其次，农业保险与农业信贷协同机制使得参与主体的效用提高，其提高程度也是该机制持续性研究的重要方面，具有重要意义。在乡村振兴战略背景下，农业保险与农业信贷协同实现了效用提高，以三阶段DEA-Malmquist模型研究农业保险与农业信贷协同效率，可以在剔除外部环境因素与随机扰动影响下测算协同效率的估计值，综合衡量农业保险与农业信贷协同后各参与主体的效用提高。根据以上分析，其效用提高与农业保险和信贷的投入、还款率相关，而还款率与农业保险的覆盖程度正向相关，但指标过多易造成模型判断力下降，因此DEA-Malmquist模型的投入变量应包括信贷机构的农业信贷投入、保险机构农业保险投入；而产出变量以农村居民人均纯收入与金融业总产值为产出变量，分析产出与保险与信贷资源投入的有效程度，进而对农业保险与农业信贷效率进行准确研究，推动乡村振兴战略实施。

其中，乡村振兴战略背景下农业保险与农业信贷协同发展的主要运行机理如图1所示。

图1 乡村振兴战略背景下农业保险与农业信贷协同运行机理

四、实证模型及数据来源

(一)相关假定

通过上文对乡村振兴战略背景下农业保险与农业信贷协同机制分析，本文提出两个合理假设：

假设1：农业信贷在农业保险对农业经济发展影响中发挥了中介作用，财政支出在农业信贷与农业经济发展中有调节作用，农业保险与农业信贷协同发展。

假设2：农业保险与农业信贷协同对农业支出具有效率，但区域环境因素影响农业保险与农业信贷协同效率测算，环境因素统一后农业保险与农业信贷的协同效率将会提高。

(二)模型构建

1.中介模型

本文研究农业保险与农业信贷协同效率，分析农业保险如何通过农业信贷影响农户的效用，是农业保险与农业信贷协同服务乡村振兴战略的重要方面。因此首先分析农业保险介入到农业信贷市场是否有扩大农业信贷规模的效果，且是否能服务农业经济发展，并且研究财政支出在农业信贷与农业经济发展影响中是否具有调节效应。中介效应模型可以解释变量间影响是通过一个或多个变量的间接影响产生，相较于普通回归模型，中介变量模型具有同时处理多个自变量和多个因变量之间关系的优点，主要通过因果逐步回归方法进行检验。方蕊(2019)[14]曾根据计划行为理论利用中介效应研究“保险+期货”试点对农户种植积极性的影响，发现参与试点对农户种粮积极性具有正向影响。因此本文选择有调节的中介变量模型研究农业保险与农业信贷对农业经济发展的影响，分析农业保险与农业信贷的协同机制。据此构建有调节的中介模型，基本形式如下：

Fi=β0α1Ai+μ1

(1)

Ac=β0α2Ai+μ2

(2)

Fi=β0λ1Ac+μ3

(3)

Fi=β0α3Ai+μ1+λ2Ac+μ4

(4)

Fi=β0α4Ai+λ3Ac+δM+ΦMAC+μ5

(5)

在公式(1)至公式(5)中，Fi表示是农业经济发展，Ai代表农业保险赔付，Ac为涉农信贷规模，M为财政支出的调节变量，β0代表常数项。Fi代表控制变量对农业经济发展的影响效应，α1、α3、α4表示农业保险对农业经济发展的影响系数，而α2代表农业保险对中介变量系数，λ1、λ2、λ3为中介变量对农业经济发展的影响系数，δ为调节变量系数，μ1、μ2、μ3、μ4、μ5为随机扰动项，φ为中介变量与调节变量的交互影响系数。

2.三阶段DEA-Malmquist模型

传统DEA模型测算结果易受到环境因素影响，本文借助三阶段DEA-Malmquist模型测算农业保险与农业信贷协同的效率，提升研究结论的可行性，助力乡村振兴。

(1)DEA-Malmquist指数模型

(2)随机前沿模型

借助Aigner，Lovell和 Schmidt(1977)提出的随机前沿模型，本文根据外部因素性质不同，以成灾面积、有效灌溉面积、农业机械总动力、农林水事务支出等变量构成环境变量，构成SFA回归函数：

Smi=fm(Zi,βm)+Vmi+Umi,m=1,2,…,M;i=1,2,…,I

其中，Smi表示第i个决策单元第m项投入松弛值；Zi为环境变量，βm表示环境变量的系数，Vmi为随机扰动，Umi为管理无效率。

根据SFA回归结果消除环境因素和随机扰动对农业保险与农业信贷协同效率测算的影响，使得决策单元处于同一外部环境，调整公式：

(3)调整后的DEA-Malmquist指数

将投入调整值与产出数据再次进行DEA-Malmquist指数测算，此时得到的乡村振兴战略背景下农业保险与农业信贷协同效率值更加准确，使得协同效率研究结论更具科学性。

(三)指标选取及数据来源

1.中介变量模型指标选择与数据说明

本文首先分析乡村振兴战略背景下农业保险与农业信贷的协同机制，基于研究目的，本文首先以农业保险为自变量，农林牧副渔总产值为因变量，农业信贷为中介变量，农林水事务支出为调节变量，研究农业保险介入农业信贷市场中，是否可以扩大农业信贷规模，从而实现农业经营主体的收入增长。

(1)农业经济发展(Fi)，本文用农林牧副渔总产值表示，农林牧副渔总产值作为广义农业的全部产品的总量，是表示一定时期内农业生产者规模的重要指标，也是乡村振兴战略中的工作重点。

(2)农业保险(Ai)，本文用农业保险保费赔付表示，农业保险赔付是保险公司直接赔付给农户的支出，保费收入是保险机构的收入水平，相较而言农业保险赔付更能反映农业保险在农业生产经营中的影响。

(3)农村信贷(Ac)，本文用涉农贷款表示，农业信贷在各统计年鉴概念不同且统计标准不确定，并且也是为了保证研究数据的一致性；其次涉农贷款可以反映我国对农户和农村地区信贷的供给水平。

(4)政府财政支出(M)，本文用农林水事务支出表示，农林水事务支出表示政府在农业保险与农业信贷对农业经济发展中对农业发展的支持，是农业保险与农业信贷资金投入的补充，影响农业信贷与农业经济发展之间关系。

农业保险保费赔付来源于2010-2018年的《中国保险年鉴》，涉农贷款数据来自于WIND数据库，农村居民可支配收入来自于EPS全球统计数据。涉农贷款、农业保险保费、农林牧副渔总产值与农林水事务支出在2009-2017年间基本呈上升趋势，其特征予以描述汇总成表1：

表1 有调节的中介模型指标描述性统计分析

2.三阶段DEA- Malmquist指数模型指标选择

(1)投入产出指标。本文研究效用改进基础下，研究农业保险与农业信贷协同效率，重点研究不同主体参与的综合效率，因此基于保险机构与信贷机构的资源投入，本文选取的投入指标如下：一是农业保险收入，反映农业保险在不同地区的农业保险业务发展情况；二是涉农贷款，涉农贷款根据《涉农贷款专项统计制度》统计口径所得，反映信贷市场对“三农”的贷款支持力度。另一方面，农业保险与农业信贷协同实现了不同参与主体的效用改进，但基于投入与产出指标过多会将低模型判断力，因此本文产出指标主要选取农村居民人均纯收入和金融业增加值来反映农业保险与农业信贷协同的产出水平。

(2)环境指标选取

环境因素是指不在样本主观可控范围内的因素，且影响的方向不确定的影响因素。根据这个原则，本文主要基于政府政策因素、自然因素和社会环境因素，选取农林水事务支出、成灾面积、农业机械总动力和有效灌溉面积。1)政策因素主要考虑用农林水事务支出表示，其主要原因是农林水事务支出国家为支出农业发展，提高农业生产能力，进行农业直接与间接相关的投入，财政支持丰富农业发展的资金来源，有利于引导资金投向，引导资金向更具有效益的农业产业发展(肖碧云、徐学荣，2019)[15]。2)自然因素主要用成灾面积表示，自然灾害对农村地区的资金投入效率有直接影响，且只有当受灾达到成灾，且损失率达30%以上时，才可进行农业保险风险保障。3)社会环境因素主要考虑农业机械总动力和有效灌溉面积，农业机械化、有效灌溉面积主要通过影响粮食产出，对农户收入其显著促进作用(周振、张琛、彭超，2016)[16]，直接影响到农业农村发展，农户机械化程度高、有效灌溉面积增加可提升农户意愿投保和贷款的概率。

农业保险收入数据来源于2010年-2018年的《中国保险年鉴》，涉农贷款数据来自于WIND数据库，农村居民人均纯收入、金融业增加值、农林水事务支出、成灾面积、农业机械总动力及有效灌溉面积数据均来自于EPS全球统计数据。按照上文分析，本文对三阶段DEA的投入指标、产出指标和环境变量指标的特征予以描述汇总成表2，具体如下所示。

表2 相关变量描述性统计分析

五、数据分析与政策模拟

(一)有调节的中介模型

利用偏差校正的非参数百分位Bootstrap中介效应检验法，建立有调解的中介模型考察农业信贷在农业保险与农业经济发展之间的中介作用以及财政的调节作用，检验结果如表3、表4、表5所示。

表3 中介模型检验

首先，采用Hayes(2012)编制的SPSS宏中的模型4，对农业信贷在农业保险与农业经济发展之间的中介效应进行检验，检验结果如表3所示，农业保险对农业经济发展的预测作用显著(B= 0.9216，t=6.2832，p<0.01)，且当放入中介变量后，农业保险对农业经济发展的直接预测作用显著(B=-0.4996，t=-2.9533，p<0.05)。农业保险对农业信贷的正向预测作用显著(B=0.9672，t=10.0668，p<0.01)，农业信贷对农业经济发展的正向预测作用也显著(B=1.4694，t=8.6871，p<0.01)。此外，农业保险对农业经济发展影响的直接效应和农业信贷的中介效应的bootstrap 95%置信区间上、下限(0.6281，2.0776)不包含 0，表明农业保险不仅能够直接预测农业经济发展，而且能够通过农业信贷的中介作用预测农业经济发展，且中介效应值为1.4212。

表4 有调解的中介模型检验

表5 自变量在调节变量不同水平上的中介效应值

其次，采用Hayes(2012)编制的SPSS宏中的模型14，对有调解的中介模型进行检验，检验结果如表4、5所示，在将财政支出纳入模型后，农业保险与财政支出的乘积项对农业经济发展的预测作用显著(B=-0.260，t=-4.608，p<0.05)，说明财政支出在农业信贷对农业经济发展的预测作用中具有调节作用。在财政支出水平较低时，农业保险对于农业经济发展的正向预测作用显著，在财政支出水平较高时，农业保险对于农业经济发展的正向预测作用不显著。

由此可见，农业信贷在农业保险对农业经营主体收入增长中影响显著，说明农业保险与农业信贷之间的协同机制存在，以农业信贷为中介的农业保险对农业经济增长的效应是正的，农业保险对农业贷款存在扩大作用，且政府财政支出在其中起调节作用，农业保险与农业信贷具有协同发展效果，假设1成立。乡村振兴战略背景下，我国大力鼓励农业信贷机构贷款给农业经营主体，农业保险参与到信贷市场，政府财政积极支持，使得农业信贷充分发挥其支持农业产业发展的作用，农业保险与农业信贷之间的协同机制可以促进乡村振兴战略目标的实现。

(二)三阶段DEA- Malmquist指数模型

1.第一阶段：DEA- Malmquist指数模型

本文建立投入导向的DEA-Malmquist模型，研究农业保险与农业信贷协同效率，借助deap2.1得到农业保险与农业信贷协同效率趋势(图2)。

在不考虑环境效应和随机因素的影响时，对农业保险与农业信贷协同效率初步评价。首先，整体对农业保险与农业信贷协同效率趋势分析。从图2可知，2009-2017年间，农业保险与农业信贷协同全要素生产效率指数呈波动上升趋势，且效率指数波动状态趋于平稳，平均年均增长6.15%，其中技术效率年均增长8.54%、技术进步年均上涨2.73%。我国农业保险与农业信贷协同的纯技术效率年均增长2.64%，规模效率年均增长1.78%。整体而言，我国农业保险与农业信贷协同效率增长较快，其中技术效率增长是全要素协同效率提高的主要原因，相比较而言，技术进步对于农业保险与农业信贷协同的全要素生产率影响较小。2010-2011、2014-2017年的协同全要素生产率增长，其他年份下降。其中2010-2011年全要素生产率增长最大，为92.21%，2013-2014年全要素生产率下降幅度最大，为6.20%。农业保险与农业信贷协同的纯技术效率、规模效率在2010-2011年增长最快，分别为60.21%、30.95。

全国各省份的农业保险与农业信贷协同的全要素生产率差异较大，低于均值0.999的省份有17个，协同全要素生产率最高的省份为天津，为1.238，是由技术效率与技术进步共同作用；协同全要素生产率最高的省份为湖北，为0.886，主要是由于技术效率增长较低造成。因此，整体而言，农业保险与农业信贷协同效率的提高受到技术进步的制约，我国农业保险与农业信贷协同效率提高可继续保持技术效率增长较快的优势，促进技术进步可带来较大收益。

图2 第一阶段 DEA-Malmquist模型测算趋势图

2.第二阶段：随机前沿模型(SFA)

将农业保险收入、涉农贷款的松弛变量作为被因变量，环境变量：农林水事务支出、成灾面积、农业机械总动力与有效灌溉面积作为自变量，构建随机前沿模型，测算结果汇总成表6。

表6 第二阶段：随机前沿模型测算结果

根据表6所示，LR值在1%水平下显著，表明模型存在无效率，随机前沿模型设定合理。农业保险收入的γ值趋近于0，说明随机误差等难以控制的偶然性因素占主导地位，涉农信贷的γ值接近于1，说明管理无效率影响占主导地位。因此，有必要对环境因素予以剔除，研究剔除后的农业保险与农业信贷协同效率，使得效率估计值更具有可信度。当环境变量的系数通过显著性检验且为正时，环境因素增加对农业保险与农业信贷协同效率有负向影响；当环境变量系数为负时，表明增加外部环境投入时导致投入冗余下降，对农业保险与农业信贷协同的效率有正向影响。

农林水事务支出对各投入变量的冗余影响在1%的水平下有显著影响，当提高农林水事务支出时，对于农业保险投入指标的冗余程度是减少的，对于农业信贷的冗余程度是增加的，说明农林水事务对于农业保险收入有正向影响，对于涉农信贷有负向影响。农林水事务支出代表公共财政对于农业投入力度，根据肖建华、薛福林(2009)[17]的研究财政投入应增加开发性投入，减少财政福利性投入。财政福利性投入增加将降低农业保险与农业信贷服务乡村振兴战略的效率。因此，财政投入要合理配置，促进农业保险与农业信贷协同效率的提高，促进乡村振兴战略目标实现。

成灾面积对农业保险收入的影响在5%的显著性水平下为正，对涉农信贷的影响不显著，表明当成灾面积扩大时，在减灾方面农业保险赔付冗余，降低农业保险和农业信贷协同服务乡村振兴战略的效率。我国农业生产经营依赖自然环境因素，而自然灾害实际造成的成灾面积使得农业保险服务农业生产的效果降低(杨霞、李毅，2010)[18]，说明我国要有效防范自然灾害对农业发展的损害。

农业机械总动力对农业保险收入的影响在1%的显著性水平下为负，对涉农信贷的影响不显著，表明农业机械总动力增加时，农业保险赔付冗余会降低，对农业保险与农业信贷协同的效率影响是正向的。农业机械总动力是农户保险决策的主要因素，但农业机械总动力对农户投保农业保险的影响作用相反(刘飞、陶建平，2016)[19]，因此农业机械总动力提高，农户会降低对农业保险需求，从而提高农业保险与农业信贷协同效率。

有效灌溉面积对农业保险收入的影响在1%的显著性水平下为正，说明当提高有效灌溉面积时，对于投入指标的冗余程度是增加的，降低农业保险和农业信贷协同效率。有效灌溉面积是反映耕地抗旱能力的一个重要指标，但我国目前土地种植力下降，降低有效灌溉面积，可以提高农业经营能力，可以充分发挥农业保险与农业信贷协同作用。

3.第三阶段：调整投入变量后的DEA- Malmquist指数模型

通过剔除外部环境因素重新调整投入，再次测算进行DEA- Malmquist指数测算。通过对比调整前后农业保险与农业信贷协同的效率值可以看出，测算前后的各效率值具有差异，测算结果及变化率如表7所示。

表7 剔除环境因素后农业保险与农业信贷协同效率变化表

总体上看，农业保险与农业信贷协同效率在环境变量和随机扰动剔除前后具有差异，在各省外部环境相同时，各省的农业保险与农业信贷的协同全要素生产率提高，假设2成立。在剔除外部环境因素和随机因素前，技术进步和全要素生产率均存在不同程度的低估，技术效率存在高估。整体看来，2009-2017年农业保险与农业信贷协同效率的全要素生产率平均值为1.059，说明剔除环境因素后，全要素生产率变化是上升的，较第一阶段增长6.01%。从技术进步变化来看，其效率值为1.105,提高7.91%，是我国农业保险与农业信贷协同全要素生产率增长的主要原因。从技术效率角度来看，其指数值较第一阶段减少1.74%，为0.958，这说明剔除环境变量和随机扰动后全要素生产率主要由技术进步推动的。总而言之，技术效率变化、技术进步以及全要素生产率在剔除环境因素前后具有较大变化，如果不考虑环境因素和随机扰动影响，将高估技术效率、低估技术进步的作用。从不同省份来看，剔除外部因素后各省技术进步均上升，而技术效率、全要素生产率有增由减，如天津全要素生产率下降10.99%，内蒙古、福建、西藏全要素生产率上升15%以上，环境因素对于测算我国农业保险与农业信贷协同效率影响不容忽视。

六、结论与政策建议

通过中介变量模型和三阶段DEA模型对乡村振兴战略背景下农业保险与农业信贷协同机制和效率研究，得出了以下结论：

一是农业信贷的中介效应显著，财政支出的调节作用显著。我国农业保险与农业信贷发展在不同主体支持下形成协同发展，农业保险通过农业信贷的中介效应促进农业经济发展。总体而言，农业保险与农业信贷协同效率良好，经过调整后的全要素生产率为1.059，相较于调整前的0.999，说明外部环境相同时我国农业保险与农业信贷协同效率整体有效提高，对农业经济发展有正向影响，促进乡村振兴战略目标实现。

二是农林水事务对于不同投入变量冗余程度是相反的，对于农业保险有正向影响，对于农业信贷有负向影响。成灾面积与有效灌溉面积对于农业保险收入的冗余量为正相关，农业机械总动力对于农业保险投入冗余量负相关，说明减少成灾面积和有效灌溉面积，增加农业机械总动力、合理调节农林水事务支出，会提高农业保险与农业信贷协同的效率。

三是我国农村信贷与农业保险协同服务乡村振兴战略的效率受外部环境因素的影响较为明显，经调整后全要素生产率上涨6.01%，全要素生产率的上涨主要是由于技术进步导致的，说明剔除环境因素我国农村信贷与农业保险协同效率整体水平较高。

针对以上结论，结合乡村振兴的战略目标，对我国农业保险与农业信贷协同提出以下改进建议：

一是完善农业保险与农业信贷的协同机制。在研究农业保险对农业经济发展中发现，农业信贷的中介效应显著、财政支出的调节影响效应显著。因此要积极建立和完善农业保险与农业信贷机构之间的协同机制，保险机构针对性开发面向具有农业信贷需求主体的农业保险产品，信贷机构对农业保险增信的具体措施做出明确规定，开展机构合作、创新农业保险与农业信贷合作机制，通过机构合作和产品创新实现农业保险与农业信贷协同机制改善。

二是合理调节政府财政支持总量，有效防范自然灾害，提高机械化水平，合理灌溉农田。从随机前沿模型评估中发现，不同环境变量对于投入变量的影响方向不同。整体而言我国政府对于农业财政支出要合理配置，重视财政资金分配管理，引导财政资金流向，同时增加对农业自然灾害防范机制的建设投入，增加科技投入，对于不同农田类型要合理安排灌溉，进行科学的农业生产经营，促使农业保险与农业信贷协同效率提高。

三是因地制宜制定农业保险与农业信贷协同服务乡村振兴战略机制。剔除环境变量后，我国各省农业保险与农业信贷协同效率均呈现不同程度的波动，环境变量对于效率测度干扰程度较大。因此，因地制宜建立农业保险与农业信贷协同服务乡村振兴战略机制，对于技术效率较低的地区，提高农业保险与农业信贷协同机制的技术效率，对于技术进步较高的地区，继续放大技术进步优势。