中国财政金融支农协同效率及其演化规律-精品文档

中国财政金融支农协同效率及其演化规律

1问题提出与文献回顾

农业是国民经济的基础性产业，关系到国家的稳定、自立和社会安全[1]。同时，农作物的生产过程离不开特定的时空、自然环境、社会经济和相应的生产技术等条件，这些条件都成为农业生产中的风险因子[2]。农业地位的基础性与农业风险的不确定性使农业生产活动显得更为重要、更为复杂。如何化解农业生产的不确定性、克服农业生产的弱质性、增强农业的生产能力与“抵抗力”、提高农民收入、确保宏观经济和社会发展的稳定一直是政府工作的重中之重。2004～2012年连续9个“一号文件”都将“三农”问题摆在突出的位置就是最好的例证。其中，财政金融支农政策作为当今世界政府对农业进行保护的两种重要政策，是冲减农业生产风险，促进农业农村经济发展，助农增收的两把“利剑”，也是实现城乡统筹发展中不可或缺、不可放松的战略措施[3]。但长期以来，政府一直将增加财政金融支农资金总量作为政府工作的目标与考核的重点，忽视财政金融支农资金协同效率的考察，而后者才是财政金融支农效果最终且最好的体现。因此，在这种背景下研究财政金融支农协同效率及其演化规律具有重要意义。

国外学者对财政金融支农的研究可以追溯到20世纪中期，W

A Lewis，M P Todaro等从不同侧面提出农业、农村和农民由于其自身相关弱质性而需要政府财政投入和金融支持，且这种财政金融支农的政策体系和资金配置具有积极作用。随之众多学者对上述观点进行了佐证与引申，如Hayami和Ruttan，Evans和Karras，Darrat等。在“三农”发展需要财政金融支持成为广大学者的共识后，众多国外学者开始将研究焦点放在财政金融支农的效率上，形成两派观点：一是“有效论”，认为“三农”发展中政府财政投入和金融支持起了积极作用且有效率。如Jim指出政府财政投入在促进农村资本形成中起着积极作用，是很有效的资源配置工具；Guan和Lansink运用Malmquist指数法实证认为金融举债对农业股本盈利无影响，也即金融支农有效；Ahmad和Rana认为财政金融支持有效率，能助农节约近25%的生产成本。二是“无效论”，认为政府财政投入或金融支持对“三农”发展无效率且具有负面效应。如Ulrich Koester和Bernhard

Brümmer认为经济转型国家的农村金融市场体系不健全导致财政金融支农效率低下；Jensen通过实证认为发达国家市场主导的财政金融支农模式要比发展中国家政府主导模式更有效。Allanson运用基尼系数实证分析发现政府财政支农是低效的，且易产生区域横向不公平。Apostu认为农业发展的金融支持效率不佳，并使农业农村改革陷入恶性循环。

国内学者对于财政支农及其效率也进行了大量翔实的研究。李焕章、钱忠好运用格兰杰因果检验法验证财政支农支出增长与农业产出增长之间的关系，运用生产函数测定财政支农各类支出的边际产出效应。彭克强依据1987～2007年统计数据，着眼于财政支农的杠杆效应，展开财政支农效率状况的实证分析，结果发现，财政与金融彼此割裂单干式支农格局导致财政支农未能有效发挥杠杆效应。郑家喜、杜长乐认为在财政支农项目评审中，上下级政府之间、政府与评审专家之间、政府与农户之间都存在信息不对称。黎翠梅从财政支出规模、力度和结构等方面分析了我国地方财政农业支出的区域差异，在此基础上，运用面板数据模型检验了1995～2006年间地方政府财政农业支出对区域农业经济增长的影响。李燕凌以湖南省为例，采用14个市（州）截面数据，运用DEA-Tobit回归模型分析了财政支农效率水平及其影响因素。郭军华等运用三阶段DEA模型对我国2008年农业生产效率进行实证研究。尹孝凡等从新制度经济学的视角分析制约财政支农绩效提高的各种因素，并提出解决的对策建议。张振海、茹少锋运用SFA分析方法对陕西省金融支农效率及其影响因素进行了实证分析。

整体而言，国外学者关于财政金融支农的研究主要集中于对财政支农、金融支农分别进行效率测度，但对于协同效率及其演化规律的研究则处于空缺阶段。且在研究时多以截面数据为主，较少涉及面板数据，这无疑会使结论的可信度大大降低。基于此，本文以前人的研究为起点和理论框架，运用DEA-Malmquist指数与GARCH模型相结合的方法，对中国财政金融支农的演化规律进行分析，以此形成事物运动的规律性认识，更好地指导政策实施。 2模型设定、变量说明及数据来源

2.1模型设定

运用数据包络分析方法（DEA）对中国财政金融支农协同效率进行分析。该方法由Charnes，Coopor和Rhodes提出，利用数学规划和统计数据确定最优的生产前沿，并通过比较决策单元（DMU，Decision Making Units）偏离生产前沿的程度来评价它们的相对有效性。DEA评价方法类型多样、形式各异。本文在分析财政金融支农协同效率时首先假定规模报酬可变。因此，在选择DEA模型时主要运用的是R D Banker、A Charnes、W W Cooper提出的BC2模型。为了便于分析设：

Ij=（i1j，i2j，…，imj）T，j=1，2，…，n （1） Oj=（o1j，o2j，…，omj）T，j=1，2，…，n（2）

式（1）、式（2）中Ij、Oj分别表示决策单元DMUj的输入与输出向量。为了方便，假定Ij=Ij0，Oj=Oj0，1≤j0≤n。同时，设GBC2为规模报酬可变BC2模型的生产可能性集，由于（Ij，Oj）∈GBC2，所以按照相关定理，可以确定的生产可能集为：

GBC22=（I，O）n1213j=1I，λj≤I，n1213j=1λj=1

n1213j=1Ojλj≥O，λj≥0，j=1，2，…，n （3）

按照式（3）可以进一步确定其对应线性规划形式，如式（4）所示。

minθ

n1213j=1Ijλj≤θI0 n1213j=1Ojλj≥θO0

λj≥0，j=1，2，…，n（4）

同时，以式（4）为基础，写出其对偶规划形式，如式（5）所示。

max（μTO0-μ0）

ωTIj-μTOj+μ0≥0

ωTI0=1

ω≥0，μ≥0（5）

若式（5）中存在最优解ω0，μ0，μ00满足μ0OTO0-μ00=1，并且ω0>0，μ0>0，则称决策单元DMUj0为DEA有效。

为了使研究更具信度，本文采用面板数据来扩充样本容量。因此，可以将DEA与Malmquist指数相结合来测度财政金融支农协同效率的变化情况。Malmquist指数最初由Malmquist于1953年提出，Fare等将其与数据包络理论相结合，使其运用范围不断扩展。据此引入Malmquist指数模型如下：

m0（Ot+1，It+1，…，Ot，It）=dt0（It+1，Ot+1）1213dt0（It，Ot）×dt+1o（It+1，Ot+1）1213dt+1o（It，Ot）1/2（6）

式（6）中， Malmquist指数表示从t期到t+1期的协同效率变动情况，若其大于1，说明协同效率呈上升趋势；若其小于1，说明协同效率呈下降趋势；若等于1则说明协同效率没有变化。

为了进一步分析中国财政金融支农协同效率的演化规律，在运用上述DEA-Malmquist指数测度的协同效率时间序列基础上，运用Bollerslev提出的GARCH模型、Nelson提出的EGARCH模型以及组合GARCH模型对中国财政金融支农的协同效率演化规律做全方位分析。

一般来说中国财政金融支农协同效率除了受其过去的发展水平影响外，还受随机因素的冲击。基于此设定其均值和条件方程：

EOCFt=β0+β1EOCFt-1+β2EOCFt-2+…+βpEOCFt-p+μt（7）

σ2t=α0+α1μt-1+α2μt-2+…+αpμt-q（8）

式（7）中，EOCFt表示t年的财政金融支农协同效率，β0…βp表示待估参数，μt表示随机误差项；式（8）中，σ2t表示条件方差，α0…αp 表示代估参数。式（8）也即AHCH模型，由于GARCH模型是ARCH模型的扩展，且GARCH（p，q）模型假定方差依赖于其滞后项（σ2t-i）以及残差平方和的滞后项（μ2t-i）。因此，GACH（p，q）模型设定为式（9）：

σ2t=γ+αp1213j=1σ2t-i+βq1213i=1μ2t-i（9）

通过式（7）来检验中国财政金融支农协同效率演变的“集簇性”特点，在式（9）中，要求γ>0，α≥0，β≥0，α+β 数据均来自历年《中国统计年鉴》、《中国农村统计年鉴》以及《新中国五十年统计资料汇编》、《新中国五十五年统计资料汇编》、《新中国六十年统计资料汇编》，各省、自治区、直辖市相关年度统计公报以及国泰安数据服务中心CSMAR数据库、中宏教研支持系统（MCDB）。由于2006年所有省、自治区、直辖市农机总动力统计数据缺失，在实际计算中采用2005和2007年的平均数来表示。各变量的描述性统计信息见表2。

3实证结果及分析

3.1效率测度的简要分析

（1）空间维度。运用DEA-Malmquist指数相结合的方法，对1985～2009年中国财政金融支农协同效率进行测度。表3给出了各省市财政金融支农协同效率测度结果。由结果可知，我国财政金融支农协同效率平均值达1.121，大于1，说明我国财政金融支农协同效率整体上呈上升趋势。在一定程度上否定了“改革开放以来中国财政金融支农效率低下，难以为继”[6]的观点。同时可以看出，除北京、天津、河北、辽宁、吉林、黑龙江等地区的财政金融支农协同效率小于1，即协同效率呈下降趋势外，其他地方都大于1。从区域划分的角度来看，东部地区财政金融支农协同效率为1042，中部地区为1029，西部地区为1.254，西部财政金融支农协同效率最大，东部次之，中部地区最小。产生这种差异的原因主要是西部地区作为经济比较落后区域，资源禀赋较为丰富，但资金较为匮乏，随着西部大开发的纵深推进以及各种政策汇集交叉作用，无疑会减缓资金的约束瓶颈，提升资金配置效率，促进农业生产条件改善和农村经济发展，且财政金融支农的协同效率会非常高。而东部地区作为经济较为发达的地区，农业自身发展基础好、底子硬，且已逐步实现了农业现代化，凭借较强的经济辐射以及经济发展所带来的资金汇聚，资金配置效率高也不足为奇。而中部地区虽然协同效率大于1，但同东部地区和西部地区相比仍是效率较差的地区，主要由于中部地区虽然比较优势是农业，且资源丰富，但面对东部的高度繁荣与西部大开发的夹击，以及国家对中部地区缺乏政策倾斜，中部成为“政策洼地”。不言而喻，中部地区财政金融支农协同效率相对较低，这一困境亟待化解。

（2）时间维度。用DEA-Malmquist指数相结合的方法来测度财政金融支农协同效率的一个最大好处是不仅可以分析空间维度的变化，还可以分析财政金融支农协同效率在时间维度的变化情况。表4给出了1986～2009年我国财政金融支农协同效率。由结果可知，1986年我国财政金融支农协同效率为1.223，大于1，说明财政金融支农协同效率较好，到2009年我国财政金融支农协同效率为2757，较1986年增长了2.25倍，年均增长3.44%。若将整个时间段按照市场经济体制建立时间划分为1986～1994年和1995～2009年两个时间段，在前一个时间段，我国财政金融支农协同效率整体呈下降趋势，年均下降速度达1612%，而在后一个时间段，我国财政金融协同效率整体呈上升趋势，年均上升速度达869%，说明随着社会主义市场经济体制的建立，我国财政与金融相互配合、相互协调、相互影响的合力支农能力逐步提高，极大地促进了农业农村经济发展。