政策性农业保险财补效率及区域差异研究

政策性农业保险财补效率及区域差异研究摘要：在数据包络分析模型基础上考虑环境因素，对我国省际农业保险财补政策方面进行客观的效率评价，因我国农村经济表现出较强的地域性，因此有必要对我国政策性农业保险财补效率进行区域差异研究。

根据修正后的结果表明，我国农业保险财补总体效率较高，但西北五省除新疆外的其他地区效率普遍偏低。

效率最低的省份还包括江西和浙江两省，江西是因农业水平偏低，扶持资金冗余导致财补效率偏低，浙江则是由于农业区域分散，高新、服务产业迅猛发展，致使农业发展不充分，效率偏低。

关键词：三阶段DEA模型；农业保险；绩效评价；区域差异中图分类号：F302.4文献标识码：A我国是农业大国，我国农业受到自然灾害的影响不容小觑，根据国家统计数据资料，20世纪中国成为全球受灾最为严重国家之一；90年代，我国由于自然灾害造成的直接经济损失就高达1115亿元，我国农作物成灾面积达860万公顷①；近十几年来这样的情况并没有得到缓解，2014年我国自然灾害直接经济损失就有3373.8亿元，灾害损失占GDP的0.53%，超过财政收入的2%②。

因此各国都非常重视农业保险的发展，我国农业保险起步较晚且实施政策性农业保险和商业性农业保险相结合的运营模式，囿于农业保险“低保费，高赔付”的特点我国开始大力发展政策性农业保险，其占农业保险的份额逐步增大，因此本文只针对政策性农业保险财补绩效进行分析。

新世纪以来，中央一号文件连续十二次聚焦“三农问题”，“扎根基层、服务农村、贴近农民”的惠农政策促使我国从2004年开始实施农业保险财政补贴[1-2]，且于2011年开展农业保险财政补贴绩效评价试点工作，四川、内蒙古被选为首批试点省份；之后安徽、江苏、山西、黑龙江、浙江、湖北等10省相继展开。

2012年学界首次提出绩效评价办法，但仅局限于初步构建指标体系，缺少模型的支撑；随后引入了数据包络分析（DEA模型），因传统的DEA模型只能单纯分析投入产出指标，不能考虑到环境因素对样本单元的影响，全面性和动态性评估不足；后来学者们构建三阶段DEA模型，旨在剔除环境因素及随机误差项，进而对农业保险财补效率进行评价。

但由于农业保险存在明显的区域性，地域差异又无法进行量化评估。

因此，构建政策性农业保险财政补贴效率评价体系并对其进行区域差异研究成为学术界研究的热点。

一、关于农业保险问题的相关文献综述国内外学者对农业保险相关问题研究开始较早，一些学者分别从宏微观角度对我国农业保险的理论框架、运营模式进行研究，且认为农业保险的发展会给农产品带来较大福利[3]；在农业保险补贴理论较为完善的基础上，很多学者通过不同角度对农业保险绩效进行评价，例如分别基于湖北、内蒙古等不同地区省级数据利用实证分析等方法对农业保险的政策推进、保险运行绩效进行评价[4-5]；进而专家们基于不同利益相关者的视角，构建农业保险绩效评价指标体系，并对比不同视角下指标体系的差异，以期使评价指标体系更加完善[6]。

由此可见，农业保险绩效评价的研究已初具规模，但这些研究缺少对全国数据整体性评价且没有数学模型的支撑；2004年起以数据包络分析（DEA）模型为核心的绩效评价研究开始兴起，利用DEA模型基于不同的视角，对我国医院经营效率和农业生产效率进行分析评价[7-9]；但由于缺少动态变量分析，故开始完善模型构架，利用SFA回归分析求解环境因素对原始投入松弛量的影响，从而剔除环境变量及随机误差项形成三阶段DEA模型；之后有研究者在前人研究的基础上分别利用三阶段DEA模型对我国区域能源、高技术产业及农业保险补贴等方面问题的绩效评价进行相关研究，从而得到更为准确的分析结果[10-11]。

本文选取我国31省（市、自治区）2013年的数据，构建了农业保险财政补贴绩效评价体系，并引入环境变量，对我国省际农业保险财政补贴机制进行绩效评价及区域差异研究，根据实证结果并结合我国农业发展的实际情况，提出了解决“三农”问题、实施惠农政策和完善农业保险体制的相关建议。

二、模型选取及绩效评价体系构建（一）模型的选取由于省际之间区位条件、经济结构、经济增长驱动产业差别较大，政策执行的力度及产生的效果也会不尽相同[12]。

考虑到诸多环境因素对真实效率评价的影响，本文采用三阶段DEA模型，剔除外部因素及随机误差的干扰，对各省政策性农业保险财补效率进行单纯的内部效率评价。

1.传统的DEA模型。

本文在C2R-DEA模型增加约束条件及规模报酬可变的情况下，用BCC模型对相关数据进行了实证分析，具体模型如下：3.调整后的DEA模型。

以剔除了环境变量和随机误差的投入量与原始产出量作为第三阶段的数据源，运用DEA方法的BCC 模型进行数据分析。

（二）农业保险财政补贴绩效评价体系构建在运用数据包络分析（DEA模型）得出农业保险在政策性方面的技术效率（TE）、纯技术效率（PTE）和规模效率（SE）的基础上[14]，剔除外部环境对样本效率的影响，旨在使每一个决策单元处在相同的外部环境下，单纯地评价其内部效率，使得分析结果更加客观真实。

具体指标选取如下：1.投入指标。

财政补贴的投入主要有保费补贴、补贴比例（补贴比例指农业保险财政补贴金额占保费收入的比例）。

2.产出指标。

财政补贴投入后的产出为农业总产值、农业保险密度、农业保险赔款及给付、农业保险保费收入、粮食产量。

3.环境变量。

农业保险所保障的农业生产在空间分布上有很强的地域差异性，不同地区区位条件不同，经济的发展水平亦存在较大差异，不可等同于单纯的经济现象和孤立的技术生产。

选取农村居民家庭平均每人纯收入和成灾面积作为环境变量，主要是从自然因素和经济因素的角度考虑外部环境对政策性农业保险所产生的影响[11]。

数据方面，由于考虑信息的可获取性及完整性，因此选取全国31个省市2013年的8项指标进行实证检验，具体指标及数据来源见表1。

（三）实证结果分析利用修正后的DEA模型分别计算出各省在政策性农业保险财政补贴的技术效率（TE）、纯技术效率（PTE）、规模效率（SE）及规模报酬。

并对结果进行具体分析。

1.第一阶段。

该阶段采用传统的DEA模型，利用Deap2.1分析软件，得出2013年我国31个省（市、自治区）政策性农业保险财补的技术效率（TE）、纯技术效率（PTE）、规模效率（SE）及规模报酬，具体如表2。

从结果来看我国平均技术效率值为0.618，仅有12个地区的技术效率值高于该项指标的平均值。

说明在没有剔除外部环境及随机误差之前，我国整体农保财补效率并非理想，且SE的均值要高于PTE，则表明38.2%的绩效缺口主要是有PE所致。

按地区划分，北京、黑龙江、上海、山东、河南、广西、海南、新疆这8个地区的TE、PTE值均为1，说明这些地区政策性农业保险财补效率较高，资金资源被充分利用，财补技术效率领先于其他省份及地区；内蒙、广东、贵州其PET 值为1，说明这些地区制约政策性农业保险的因素并非来自于纯技术效率；且像云南、西藏、山西等地其TE、PTE值均低于0.450，说明财补所发挥的作用亟待提高。

处于递增状态的广东、贵州、青海三个地区，可根据自身区位条件及特色农业扩大农业保险范围、增加农业保险规模，可有效提高其效率。

2.第二阶段。

本阶段以农村居民家庭人均纯收入、成灾面积作为解释变量，对原始的投入指标进行回归分析[15]，得出的各环境变量的协同系数及其显著性（见表3）。

由于环境变量为解释变量，当回归系数估计值为负时，表示环境对于财补效率呈正向影响；反之，则表示环境变量的增加将会增加投入松弛量，导致投入变量的浪费或减少产出。

农村居民家庭人均纯收入对投入松弛量的影响系数为正，说明其增加会使投入松弛量增加，即随着农村居民收入的提高，政府对农业保险补贴的比重会增大，当比例超过一定阈值时，政府资金则会出现挤占效应，从而降低补贴效率；成灾面积对投入量的影响系数为负，说明呈负相关关系，即面临重大灾害面积越大时，采取保障措施越主动、农业积极性越大，从而促进效率的提高。

表3中γ值显示环境因素对投入指标的影响较为显著，故剔除环境因素与随机误差项是十分必要的。

3.第三阶段。

该阶段是修正的DEA模型同时考虑了松弛量和外部环境因素对效率的影响。

根据SFA回归所得到修正后的投入量再次与原始产出量进行基于BCC模型的估计，结果见表4。

整体上来看，修正后的结果发生明显的变化，政策性农业保险效率显著提高，31个样本的技术效率（TE）均值达到了0.791，纯技术效率（PTE）均值为0.831，规模效率（SE）均值为0.951，导致资源低效的主要原因为技术效率。

与第一阶段的效率值（分为别：0.618，0.724，0.838）相比，显然，经济、自然环境等外部因素严重影响传统DEA 对整体效率水平评估，通过修正后的分析结果表明，我们国家政策性农业保险补贴效率呈东、中、西部阶梯性递减差异。

本阶段的结果中技术效率高于均值的省（市、直辖市）达到21个，TE、PTE值均达到1的省份从原来的8个增加到13个，且辽宁、吉林PTE值也为1，说明无效并非有纯技术效率所致。

三、政策性农业保险的区域差异由于农村经济的地域性特点，我国不同地区农村经济发展水平存在较大差异，对于政策性农业保险的规模及补贴力度不尽相同[16]，本文利用三阶段DEA模型对我国政策性农业保险财补效率值进行求解，并根据剔除外部环境因素及随机误差的纯内部效率值进行区域差异研究。

利用地理科学软件ArcGIS10.1对数据进行分级渲染处理，继而对结果进行分析。

（一）第一阶段DEA政策性农业保险财政补贴绩效区域差异的空间维度分析为了更直观地描述我国省际农业保险财政补贴效率的区域差异，本章对结果进行空间维度分析，且仅对技术效率（TE）值进行空间维度分析，运用ArcGIS10.1软件分别对第一阶段DEA及修正后的DEA分析数据采用自然断点法进行等级划分，然后进行分级渲染，最后选择1：1000000比例尺制图，技术效率分值越大，等级越高，第五级为最高级，如图1所示。

图1 第一阶段DEA中国省际农业保险财政补贴效率空间分布从中国省际农业保险财政补贴效率空间分布图中可以看出：不同省（市、直辖市）政策性农业保险财政补贴效率差异较大；31个测算单元中仅有11个省处于最高等级，分别是东部的北京、上海、山东、广东，中部的河南、黑龙江和西部的内蒙古、广西、贵州及新疆；中部8省整体都处于较低等级，西部农业保险财政补贴效率反而整体要优于中部。

（二）修正后DEA 政策性农业保险财政补贴绩效区域差异的空间维度分析在运用SFA模型利用环境变量对各投入松弛量进行回归剔除外部环境及随机误差后，单纯研究政策性农业保险财政补贴的内部效率时，我们对修正后的结果利用地理信息系统软件分级渲染，继而进行空间维度分析，表明技术效率分值越大，等级越高，结果如图2所示。