长江经济带财政支农动态效率研究

摘要 利用长江经济带9省2市2008—2019年财政支农支出的面板数据，运用ML指数模型进行动态效率分析。结果表明：长江经济带财政支农支出效率总体呈下降态势，主要原因是技术衰退和投入规模不合理，其中重庆市、湖南省、江西省、上海市、江苏省和浙江省等存在农业技术衰退和投入规模不合理等多重问题。为推进长江经济带高质量发展实现乡村振兴，各地应当加大财政支农规模，优化支出结构，加强资金监管，从而促进长江经济带农业高质量发展。

关键词 财政支农;ML指数模型;长江经济带

中图分类号 S-9;F812.45  文献标识码 A  文章编号 0517-6611（2022）10-0195-04

doi：10.3969/j.issn.0517-6611.2022.10.044

Efficiency Evaluation and Influencing Factors of Financial Support for Agriculture in the Yangtze River Economic Belt

YANG Lei1， YU Jia-feng1，2

（1.Hubei Rural Development Research Center of Yangtze University， Jingzhou， Hubei 434023;2.Economics and Management School of Yangtze University， Jingzhou， Hubei 434023）

Abstract This paper uses the panel data of financial expenditure on agriculture in 9 provinces and 2 cities of the Yangtze River Economic Belt from 2008 to 2019， and uses the ML index model to analyze the dynamic efficiency. The results show that the overall efficiency of financial expenditure on agriculture in the Yangtze River Economic Belt shows a downward trend， mainly due to the decline of technology and unreasonable investment scale， including Chongqing， Hunan， Jiangxi， Shanghai. There are many problems in Jiangsu Province and Zhejiang Province， such as the decline of agricultural technology and the unreasonable scale of investment. In order to promote the high-quality development of the Yangtze River Economic Belt and realize rural revitalization， all localities should increase the scale of financial support for agriculture， optimize the expenditure structure and strengthen fund supervision， so as to promote the high-quality development of agriculture in the Yangtze River Economic Belt.

Key words Fiscal expenditure on agriculture;ML index model;Yangtze River Economic Belt

基金项目 教育部人文社会科学研究青年基金项目（19YJCZH190）;长江大学社科基金项目（2019sz06）

作者简介 杨磊（1994—），男，湖北随州人，硕士研究生，研究方向：农业管理。通信作者，教授，硕士，从事财税理论与政策研究。

收稿日期 2021-09-03

十九届五中全会指出，要优先发展农业农村，全面推进乡村振兴。农业是国民经济的基础，长江经济带的农业发展直接关系到该区域经济发展的质量，需要有效市场和有为政府更好结合。长江经济带覆盖面广，包含长江流域的9个省以及上海和重庆两个直辖市，是我国经济最活跃的地区之一，人口和生产总值的占比均超过了40%，不仅其自身拥有巨大的发展潜力，而且还是我国经济均衡发展的重要一环，承担着全球的产业转移和承接的重任。财政支农对于农业经济发展有着直接的促进作用，因此研究长江经济带财政支农效率对于该带农业高质量发展有着极为重要的实践意义。

1 文献综述

Matsuyama[1]从不同的方向分析财政支农的效益，通过对不同投入方向所得收益进行对比分析，找出了财政支农的最优规模和支出结构。Jorgenson[2]从财政支农支出结构方面进行研究发现，政府的财政支农支出呈现出两面性;一方面加快城市化进程，导致农村劳动力短缺;另一方面对农业经济的发展有促进作用。Rozelle等[3]通过对中国财政支农支出进行实证研究发现，财政对农业各方面的投入能够有效促进农业经济的发展和农产品产量的提高。邓卫平等[4]对3种财政支农方式对农业现代化4个维度的影响进行了研究，结果表明3种财政支农方式对农业现代化4个维度的影响效应不一致。杨晶等[5]研究表明财政支农对于农业经济的发展和农业产业结构的调整和升级具有正向作用，对城乡收入差距具有抑制作用。张泽鑫等[6]研究发现，财政支农支出中占比较低的农村综合改革对粮食保产增产有利，其中行政费用运行效率的优化比增加投入更重要。Timmer等[7]对贫困问题进行了深入研究，发现发展中国家贫困的主要原因是农业生产力过低造成的，财政投入会有效提高农业生产力，促进农业经济发展，帮助发展中国家减低贫困。王金媛等[8]运用柯布-道格拉斯生产函数理论研究发现，财政支农资金运用会促进农业经济的增长。于扬等[9]通过研究发现财政支农投入对于农业经济增长在短期上具有抑制作用，在长期上存在正向作用。潘梦瑶等[10]根据1997—2017年新疆的面板数据，围绕财政支农支出对农业经济增长的影响进行了探讨，新疆地区财政支农支出对农业经济增长有正向作用，但存在着资金投入不足及资金管理不规范的现象。Dibrova等[11]通过对乌克兰财政支农进行深入研究发现，乌克兰地区财政支农资金的投入无法使农业得到有效增长，造成这一现象的原因主要是乌克兰内部机制存在问题，说明农业内部机制不足会减低财政支农支出的效率，阻碍农业的发展。王谦等[12]利用三阶段DEA模型对28个省（直辖市、自治区）的财政支农支出效率进行研究，发现各地区的效率均存在不同程度的下降，规模报酬递减的现象较为严重。毛晖等[13]通过对财政支农支出绩效的区域差异进行测算和分解，发现我国财政支农支出绩效存在东高西低的区域性差异，西部地区技术效率明显偏低。

综上所述，虽然有关财政支农和财政支农支出效率的研究日趋完善，但仍然存在一定的短板。首先，有关国家战略性区域的研究比较有限;其次，对财政支农支出效率的研究绝大多数停留在静态效率研究，对动态效率的研究比较缺乏。因此，笔者基于长江经济带9省2市2008—2019年数据资料，运用包含方向距离函数的Malmquist-Luenberger指数模型进行动态效率分析。由于ML指数是方向距离函数，可以使投入和产出按照不同方向进行调整，使期望产出最大化;并从区域整体和上、中、下游以及省级3个方面分析长江经济带财政支农支出效率，以期能为提高长江经济带财政支农支出效率提供参考。

2 研究方法与数据来源

2.1 Malmquist-Luenberger指数模型

Fre等[14]最早用DEA的方法计算Malmquist指数，使DEA模型能够对面板数据进行分析。Chung等[15]在原有的Malmquist模型的基础上，加入了方向距离函数，并将得到的指数称为Malmquist-Luenberger指数。由于Malmquist-Luenberger指数是方向距离函数，可以使投入和产出按照不同方向进行调整，使期望产出最大化。为获取更好动态效率值，该研究选取ML指数来对长江经济带财政支农支出的动态效率进行测算[16]。具体测算公式如下：

MLt+1t=Dt+1c（xt+1，yt+1）Dtc（xt，yt）×

Dtc（xt+1，yt+1）Dt+1c（xt+1，yt+1）×

Dtc（xt，yt）Dt+1c（xt，yt）12

（1）

式（1）中，t期与t+1期的距离函数分别由Dtc和Dt+1c表示，（xt，yt）与（xt+1，yt+1）表示t期与t+1期的投入与产出。ML表示财政支农支出的动态效率，若ML>1，说明财政支农资金利用效率上升，若ML<1，说明资金利用效率下降;若ML=1，说明效率不变[17]。

式（1）可进一步表达为：

MLt+1t=Dt+1c（xt+1，yt+1）Dtc（xt，yt）×

Dtc（xt+1，yt+1）Dt+1c（xt+1，yt+1）×

Dtc（xt，yt）Dt+1c（xt，yt）12

=Echt+1×Tcht+1

（2）

式（2）中，Ech表示技术效率，反映了优化财政支农支出规模带来的农业产出规模增加[18]。Tch表示技术进步，若Tch>1，表明技术的进步使生产效率得到了提升，反之则表示技术发生了退步。在规模报酬可变时，还可将Ech进一步分解为Ech=Pech×Sech。因此，式（2）也可表示为：

MLt+1t=Pecht+1×Secht+1×Tcht+1（3）

式（3）中，Pech和Sech分别表示纯技术效率和规模效率。

2.2 变量选取

选取长江经济带11个省（市）作为研究对象，利用长江经济带2008—2019年财政支农支出的面板数据，选取农林水事务作为财政支农支出的投入指标;产出指标选取中，将农村居民家庭人均纯收入作为反映人民生活水平的产出指标，用农林牧渔业总产值反映农业发展水平，粮食总产量反映粮食安全水平，有效灌溉面积反映耕地保护水平，造林总面积反映农村环境保护水平，选取农业碳排放量作为非期望产出，反映农业生产过程中污染水平（表1）。

2.3 数据来源

该研究数据均由长江经济带各省（市）《统计年鉴（2009—2020）》《农村统计年鉴（2009—2020）》和《中国农村统计年鉴（2009—2020）》整理得来。

3 结果与分析

为进一步了解长江经济带财政支农支出效率的动态变化，运用ML指数模型对长江经济带11个省级行政单位进行动态效率分析，结果见表2、3。

从表2可以看出，2008—2019年，除2016—2017年这个区间外，其余区间内长江经济带ML指数均小于1，均值在0.893，说明长江经济带2008—2019年财政支农支出效率总体呈下降态势，年均下降10.7%。从区间来看，长江经济带的全要素生产率指数存在波动，2016—2017年的全要素生产率指数均小于1，有4个时间段全要素生产率小于0.9，说明全要素生产率衰退的较为严重。表2中，2008—2019年长江经济带财政支农技术效率（Ech）均值为0.996，小于1，说明2008—2019年长江经济带技术效率变化总体上呈下降趋势，年均下降0.4%。表2中，2008—2019年长江经济带技术进步（Tch）均值为0.894，呈衰退趋势，且均未超过1，说明长江经济带在2008—2019年技术水平均处于衰退状态。通过对规模效率分析可知，长江经济带规模效率均值虽然小于1，但仍有6个时间段大于1。技术效率分解可以得到纯技术效率（Pech）和规模效率（Sech），纯技术效率的均值为0.999，说明长江经济带在2008—2018年纯技术效率总体上变化不大，规模效率有所降低，年均增长0.3%。综上所述，造成长江经济带财政支农效率降低的主要原因是技术衰退，农业缺乏创新型农业科技人才，对于农业的投入缺乏相应的规划，使得财政支农支出仅有支出规模上的提升，难以取得相应的成效。

为进一步了解长江经济带各区域财政支农的动态效率，运用ML指数模型长江经济带各区域进行分析，结果如表3所示。由表3可知，2008—2019年长江经济带上、中、下游中，中游的全要素生产率指数最高，为0.928，下游和上游分别是0.862和0.915，均未超过1，说明上、中、下游的财政支农效率均在退步。进一步分析可以得出，三大区域中规模效率仅有下游低于1，说明上游和中游ML指数下降主要是由于技术水平降低造成的，下游则是由技术水平和规模效率降低造成的。从各地区来看，各省（市）全要素生产率指数均小于1，最高的是贵州省的0.971，低于平均值的有7个省（市），分别是重庆市、云南省、江西省、上海市、江苏省、浙江省和安徽省，占总体的63.6%。进一步分析可以看到，7个省（市）中，除云南省和安徽省外，其余5个省（市）的技术水平和规模效率均有下降，最低的是上海市，为0.820，下降了18%。通过对技术水平进行分析可以看出，长江经济带各地区的技术水平均未超过1，说明各地区都存在着技术倒退的现象，其中倒退最严重的是上海市，倒退了17%。观察纯技术效率指数，可以看出，仅有重庆市和江西省的指数小于1，分别位于上游和中游地区。再看规模效率，可以发现，有6个省（市）的规模效率指数小于1，分别是重庆市、湖南省、江西省、上海市、江苏省和浙江省，说明这些省（市）在投入资金的管理上存在问题。