主页 > 案例大全 >

论文写作模式-福建省贫困县财政扶贫效率研究

2021-02-23 10:25


   本文从福建省23个省级扶贫开发工作重点县出发,以2015-2018的县际面板数据为基础,采用DEA-Malmquist模型静态和动态地分析了各县财政支农支出地扶贫效率及变化情况。同时,本文还使用了Tobit模型分析影响各县财政扶贫效率地因素,判断各因素的影响情况。

 

  本论文着力于福建各贫困县财政扶贫效率的研究,通过一系列实证分析,了解福建财政扶贫地效率水平和发展现状,对影响财政扶贫效率的因素做出了相关地分析和推论,并在此基础上对提高福建各贫困县的财政扶贫效率,完善财政扶贫制度提出了一定的建议。

 

  1.1研究背景

 

  《中国农村扶贫开发纲要(2011-2020年)》提出要进一步加快贫困地区发展,消除贫困,到2020年实现全面脱贫。为实现这一目标,习近平总书记在湖南湘西考察时首次提出“精准扶贫”理念,我国的扶贫工作由此进入了精准扶贫阶段。2013-2018年间,中国的贫困人口由8000万降至1660万,贫困发生率由8.5%降到了1.7%(人民日报),我国精准扶贫工作取得了非常显著成的效。自习近平总书记提出“精准扶贫”思想以来,位于东南地区的福建省也积极响应中央的号召,适时推出精准扶贫财政政策,不断推进脱贫攻坚工作。在党的领导下,经过中央地方各级政府与基层工作人员、社会各界力量还有贫困地区人民的共同努力,截止到2020年4月,福建省现行贫困标准下的农村贫困人口已全部实现脱贫,2201个建档立卡贫困村也全部达到了脱贫摘帽标准,23个省级扶贫开发工作重点县已全部达到退出标准(东南网)。“摘帽不摘政策,脱贫不脱帮扶”,福建省的精准脱贫工作仍在持续深入的进行中,而保障政府财政扶贫支出的规模与效率对于扶贫工作的进一步开展起着至关重要的作用。

 

  1.2研究意义

 

  财政扶贫支出作为财政总支出的重要组成部分,对农村贫困地区的发展有着重要的作用。深入探讨财政支出的扶贫效率和影响效率的因素,对合理利用财政资金,提高财政扶贫支出资金的使用效率,促进财政体制改革有着重要意义。目前全国有关财政支出与扶贫效率的研究比较多,不同的学者对此也都有着不同的看法,但国内大部分研究都是基于全国层面,或者针对省际间的情况进行分析,这些研究结果不一定能很好的指导福建省财政支出与扶贫政策。根据福建省的农村贫困发展状况,综合分析福建省财政支农的扶贫效率和影响扶贫效率的因素,是很有必要的。本文基于福建省23个省级扶贫开发工作重点县财政支出(投入)与贫困改善(产出)的实际情况和相关数据,测算财政扶贫效率,提出能提高财政扶贫支出效率的建议,促进福建省农村贫困地区的发展。

 

  1.3研究方法

 

  本文使用DEA-Malmquist模型来研究福建省的财政扶贫效率。首先,本文使用DEA-BCC模型静态分析福建省23贫困县各县的财政扶贫支出投入与产出效率水平,而后又通过Malmquist指数分析扶贫效率的动态变化。同时,因为通过DEA求得的福建省各县财政扶贫效率是介于0-1的值,可以构成一个典型的受限因变量模型,即Tobit模型,于是本文还使用了Tobit模型来研究可能会影响福建省各县财政支出扶贫效率的各个因素。

 

  1.4研究创新处和不足处

 

  本论文的创新之处在于将关注的重点转移到福建省县级的数据,以福建省23个扶贫开发重点县的财政扶贫投入与产出为研究对象,利用DEA-Malmquist和Tobit模型研究福建省的财政扶贫效率和影响因素。相对于较为普遍的研究中国全部省份的文献,本文将研究对象细化为福建县级的财政支出与贫困状况,更能发掘出具有不同特点的财政支出效率问题。同时,因为本文的研究数据为2015-2018年,研究数据较为新颖,更能体现财政扶贫支出优化发展的现代化水平。

 

  本论文的不足之处存在于这几个方面:第一,本论文使用的是基于规模报酬可变的BCC模型,相较于三阶段的DEA模型,本文中没考虑松弛量,外部环境和随机误差的影响,使得计算出来的效率水平具有一定的偏差。第二,本论文由于在数据收集过程中遇到困难,研究的年份仅为2015-2018年,无法很好地探究福建省在更早的时间中的财政支出扶贫效率发展变化。第三,本论文仅使用单一的Tobit模型来研究财政扶贫效率水平的影响因素,得出的显著性水平具有一定的特殊性,无法完全确定各因素的影响程度,但具有一定参考价值。

 

  二、文献综述

 

  中国现行的扶贫政策针对的对象以收入贫困为主,即以家庭人均收入是否低于贫困县的标准,来判断是否将其纳入精准扶贫政策范围支农。近年来许多学者对中国居民的贫困现状进行研究时发现,尽管基于收入贫困标准下的扶贫政策大大降低了中国农村的贫困程度,但由于教育、健康等问题引起的贫困问题日益凸显。在多维贫困相关研究中,早在2005年就有尚未平和姚智谋等对多维贫困的概念和研究方法做出了较为完整的介绍,而后张立冬(2017)在此基础上,进一步提出了“五位一体”的多维贫困概念,从收入、教育、健康、生活水平和资产五个维度对中国农村的贫困状况进行评估,得出教育维健康生活维度对贫困的贡献并不低于收入维度的结论,研究中还发现,中国农村多维贫困的发生率远高于收入维度的单维贫困。因此,为更有效的讨论财政扶贫支出的效率水平,本文实证分析中对与贫困相关产出指标的选取参考了“五位一体”多维贫困概念,从收入、健康、生活水平等多个角度评估23县的贫困程度。

 

  以财政支农支出为主的财政扶贫政策作为精准扶贫的重要手段,在推动乡村振兴,打赢精准脱贫攻坚战中发挥着重要作用。洪小东(2018)提出,我国财政支农的责任划分制度中,存在着法制化程度低,中央与地方各级政府之间事权与责任划分不明确,和财政支出平衡机制不完善的问题,并进一步提出应以保障农民利益为核心,明析权责,要推进财政扶贫事权与责任法制化的创新改革建议。邓秋菊等(2018)也指出,虽然我国不断调整、完善的财政支农政策,为我国农村经济发展和精准扶贫做出了巨大贡献,但仍然存在着目标不清晰、结构不合理、管理机制不完善等多方面的问题。

 

  在实证方面,关于财政扶贫的绩效研究有着非常丰富的成果。辛冲冲等(2017)基于LMDI分解法,分析了我国财政支农支出对农业经济增长的影响,得出增加财政支农支出在农村经济增长中起着极为重要的作用,而且优化地区间的财政支农配置可以更好的改善和促进农村经济的发展。毛晖等(2018)采用数据包络分析(DEA)方法,基于我31个省域面板数据,对我国的财政扶贫支出绩效进行了实证分析,分析表明我国不同区域之间财政扶贫绩效的差异非常显著。更早地,李燕凌(2008)也曾采用DEA-tobit模型对湖南省14市的截面数据进行了财政扶贫效率及其影响因素实证分析,分析发现城镇化水平对财政扶贫效率有着重要影响,并且在长期中,促进农民增收能更好得改进财政扶贫效率。李静等(2019)在其实证分析中也同样发现农村人口数量和城镇化水平对财政支出的扶贫效率有着极为重要得影响。综合前人对于财政扶贫和财政支农效率的实证分析,本文中选择了DEA-Malmquist模型作为主要分析方法。

 

  三、DEA-Malmquist模型研究财政支农扶贫效率

 

  3.1 DEA模型静态分析

 

  3.1.1模型构建

 

  DEA,即数据包络分析(1978),是一种“面向数据”的测评方法,DEA使用数学规划模型计算决策单元(DMU)在多个投入或产出时的相对有效性,所以常被用来评价具有相同目标的同类型单位的相对效率。DEA是纯技术性非参数分析方法,并不直接对数据进行综合,无须对数据进行无量纲化处理,对数据数量要求不高,可以规避参数方法的多种限制。而且,DEA方法注重的是个体单位的测量,而非总体观测值的平均指。因此,采用DEA模型研究财政扶贫支出的效率问题可以起到很好的效果。

 

  DEA模型包括CCR模型和BCC模型两种模式。CCR模型以规模报酬可变(CRS)为前提,BBC模型以规模报酬可变为前提(VRS),在BBC模型中,技术效率还被分解为纯技术效率与规模效率,分别用来衡量决策单元的技术效率和规模效率。因此,为更有效地研究财政扶贫效率,本文选取BCC模型进行分析。在投入和产出导向的选取方面,由于本文是分析财政支出投入的扶贫效率,优化资源投入将使资源的利用效率达到最大,因此在产出一定的前提下选择投入导向更合适。

 

  3.1.2指标选择

 

  政策分析:多年来,福建上下大力弘扬、深入践行习近平总书记在闽工作期间推进扶贫开发的创新实践和重要理念,始终把脱贫攻坚作为一项重要政治任务和第一民生工程,全面实施精准扶贫精准脱贫基本方略,健全完善对口帮扶机制,坚持“五级书记抓扶贫”,重点围绕产业扶贫、医疗扶贫、教育扶贫、金融扶贫、兜底扶贫等,对贫困地区予以政策、项目、资金、干部人才等全方位的倾斜支持,精准对所有贫困人口进行输血扶贫、造血扶贫,同时动员社会各界参与,高质量打好脱贫攻坚战。经过多年努力,全省23个重点县的经济总量、财政实力、城乡居民收入、生态环境质量等都迈上了新的台阶。

 

  投入指标:在财政资金使用上,农林水事务支出中包含了农林产业扶贫支出、农业综合开发支出以及农村综合改革支出。根据近年来福建省精准扶贫相关政策的分析,除农林产业扶贫支出外,财政扶贫支出中还有医疗扶贫专项支出,教育扶贫专项支出,金融扶贫支出等。因此本文选择的投入指标有人均农林水事务支出(农林产业扶贫);农村人均医疗扶贫专项支出(主要包括城乡医疗救助转移支付,困难残疾人生活补助等);农村人均教育扶贫专项支出(主要包括各项政府助学金以及农村教师专项补助等);农村人均金融扶贫支出(农村小额信贷资金);以及其他重要扶贫支出(农村危房改造资金,农村低保资金,财政扶贫发展资金)。

 

  产出指标:在多维贫困中,贫困不单单指收入贫困,还包括教育贫困、医疗贫困等。在产出指标的选择上,本文在参考张立冬(2017)提出的“五位一体”多维贫困概念的基础上,根据可收集到的数据,主要从收入、教育、健康、生活、农业五个维度进行多维扶贫绩效分析。收入方面,以各县农村人均可支配收入作为代表指标;教育方面选择以各县农村高中入学率作为代表变量;健康方面,以各县每万人所拥有的卫生机构床数作为代表变量;生活方面,以各县农村人均生活消费支出作为代表变量;农业方面,以人均农业产值作为代表指标。

 

  3.1.3数据测算与分析

 

  本此测算使用DEAP2.1作为工具,收集福建省23扶贫开发工作重点县数据,以农林水事务支出,教育扶贫支出,医疗扶贫支出,金融扶贫支出以及其他重要扶贫支出作为投入变量,以农村人均可支配收入、高中入学率,每万人拥有的卫生机构床数,农村人均生活消费支出,人均农业产值作为产出变量进行测算。由于2014年及以前的部分数据在收集查找过程中遇到了困难,因此本文选用了2015-2018这四年的县际面板数据,数据主要来源于《福建统计年鉴》、福建《教育年鉴》,福建省各市的市级统计年鉴,省市县各级教育局、统计局、财政局、卫健委官方网站以及福建扶贫资金在线监管系统网站。测算出的结果如下:

 

  排名地区综合技术效率纯技术效率规模效率

 

  1平和县1.0000 1.0000 1.0000

 

  2诏安县0.7950 0.9870 0.8060

 

  3霞浦县0.7120 1.0000 0.7120

 

  4古田县0.6470 1.0000 0.6470

 

  5云霄县0.6440 0.7420 0.8680

 

  6长汀县0.6170 1.0000 0.6170

 

  7连城县0.6080 0.9820 0.6190

 

  8浦城县0.5970 0.9800 0.6090

 

  9武平县0.5650 1.0000 0.5650

 

  10松溪县0.5390 0.9070 0.5950

 

  11顺昌县0.5340 0.8090 0.6600

 

  12周宁县0.5180 0.8400 0.6160

 

  13宁化县0.5040 0.6420 0.7850

 

  14永泰县0.4970 0.7340 0.9180

 

  15寿宁县0.4710 0.5640 0.8340

 

  16屏南县0.4650 0.7080 0.6570

 

  17泰宁县0.4030 1.0000 0.4030

 

  18光泽县0.3840 0.5380 0.7140

 

  19明溪县0.3570 1.0000 0.3570

 

  20柘荣县0.3430 1.0000 0.3430

 

  21清流县0.2870 0.3970 0.7230

 

  22建宁县0.2450 0.2660 0.9210

 

  23政和县0.2420 0.3270 0.7390

 

  均值0.521 0.801 0.913

 

  综合技术效率主要反映财政支农支出的总体扶贫效率。在2014-2017年间的财政支农扶贫效率上,23个贫困县的财政支农综合技术效率只有0.521,相较于最佳的财政效率,这些贫困县总体上仍有47.9%的投入没有在扶贫方面充分发挥作用。就具体地方而言,只有平和县的综合效率呈现DEA有效,处于生产前沿,其余均为DEA相对无效。而且只有平和县的综合技术效率在0.8以上,平均效率在0.5-0.8的贫困县有12个,占总体数量的52.2%,平均效率低于0.5的贫困县有10个,占总体的43.5%,存在较大改进空间。

 

  在纯技术效率层面,纯技术效率由综合效率分解而来,主要反映政府部门对财政资金的使用及管理效率。纯技术效率不足可以通过优化管理体制和改善管理方法等手段提高。总体来看,这23个贫困县的财政扶贫的纯技术效率均值为0.801,表明这些贫困县整体上财政支农扶贫效率管理不到位,没有将投入的资源充分利用。就具体地方来看,得益于,有8个贫困县的纯技术效率值达到了1,说明这些地方近年来随着扶贫工作的不断加强,政府等相关部对财政资金的管理相对较好,但建宁县、政和县、清流县等地区仍存在纯效率过低的情况。其中建宁县的纯技术效率最低,仅为0.266,与纯技术效率前沿地区存在较大差异。

 

  在规模效率层面,规模效率代表的是在不考虑管理因素的情况下,财政扶贫投入规模是否达到最优。深入分析各省域财政扶贫支出的规模效率状况,有利于正确把握财政支农支出规模的调整方向,从而全面提高支出效率。23县的规模效率均值为0.913,相较于纯技术效率的均值0.801,规模效率整体处于较低水平。明溪、柘荣等3县的规模效率处于0.5以下,与规模效率水平较高的平和建宁等县存在较大差异。大部分贫困县的规模效率水平都处于0.6-0.8之间,这反映出福建许多地区扶贫投入精准度不高,针对性不强,从而导致出现了“高投入、低成效”的现象。

 

  3.2 Malmquist指数动态分析

 

  为进研究财政扶贫效率的动态变化情况,本文对2014-2017年的财政扶贫效率进行了Malmquist指数分解。根据Rolf Fare和Gross Kopf的理论构建从t到t+1时期的Malmquist指数:

 

  其中x代表投入,y代表产出,D代表不同参照下的产出距离函数,若Mt(xt+1,yt+1,xt,yt)>1,则表示全要素生产率水平在t到t+1时期提高,反之,则表示全要素生产率下降。根据BCC模型规模报酬可变(VRS)的前提,将Malmquist指数分解为技术效率的变化(Effch)和技术的变化(Techch),全要素生产效率=技术效率×技术进步,其中技术效率(Effch)又可以分解为纯技术效率(Pech)和规模效率(Sech)。技术效率(Effch)=纯技术效率(Pech)×规模效率(Sech)。

 

  以2015年为基准,其Malmquist指数为1,使用DEAP2.1作为测算工具,对2015-2018年的数据进行测算,得出Malmquist指数分解结果如下:

 

  地区排名技术效率技术进步纯技术效率规模效率全要素生产效率

 

  云霄县1 1.1580 1.0720 1.1050 1.0480 1.2420

 

  政和县2 1.1440 1.0510 1.0560 1.0840 1.2020

 

  诏安县3 1.0510 1.0730 1.0040 1.0460 1.1280

 

  长汀县4 1.0520 1.0730 1.0000 1.0520 1.1280

 

  光泽县5 1.0150 1.0730 0.9350 1.0860 1.0890

 

  泰宁县6 1.0020 1.0910 0.8870 1.1290 1.0690

 

  古田县7 1.1560 0.9160 1.0000 1.1560 1.0590

 

  清流县8 1.1340 0.9280 1.0200 1.1120 1.0530

 

  柘荣县9 1.0110 1.0300 1.0000 1.0110 1.0420

 

  永泰县10 1.1240 0.9250 0.9890 1.1370 1.0400

 

  连城县11 0.9820 1.0500 0.9360 1.0490 1.0310

 

  寿宁县12 1.0400 0.9870 1.0240 1.0150 1.0270

 

  宁化县13 0.9900 1.0230 0.9170 1.0800 1.0120

 

  屏南县14 0.9790 1.0240 0.8880 1.1020 1.0020

 

  明溪县15 1.1080 0.9020 1.0000 1.1080 1.0000

 

  周宁县16 0.9230 1.0680 0.8290 1.1120 0.9850

 

  建宁县17 1.0610 0.9230 1.0510 1.0100 0.9800

 

  浦城县18 0.9080 1.0700 0.8090 1.1230 0.9720

 

  武平县19 0.9080 1.0690 1.0000 0.9080 0.9700

 

  顺昌县20 0.8900 1.0450 0.7800 1.1420 0.9300

 

  平和县21 1.0000 0.9230 1.0000 1.0000 0.9230

 

  松溪县22 0.8890 1.0370 0.7900 1.1240 0.9220

 

  霞浦县23 0.8520 1.0650 1.0000 0.8520 0.9070

 

  均值1.012 1.015 0.953 1.062 1.028

 

  2015-2018年整体来看,福建23贫困县的全要素生产效率的均值大于1,整体处于增长的状态,年均增长2.8%,说明总体上近几年福建贫困地区的财政扶贫支出效率处于改善状态,形式比较乐观。而从全要素生产效率的两个分解指标技术效率和技术进步来看,贫困县技术效率的年均增长率略小于技术进步的年均增长率,而再将技术效率分解为纯技术效率和规模效率后发现,纯技术效率的下降是制约技术效率增长的主要原因。为更深入了解贫困县财政扶贫效率的变动情况,本文还对不同年份地效率平均值进行了分析,测算结果如下所示:

 

  年份技术效率技术进步纯技术效率规模效率全要素生产效率

 

  2015-2016 1.286 0.853 0.995 1.292 1.096

 

  2016-2017 0.954 0.987 0.964 0.989 0.942

 

  2017-2018 0.845 1.243 0.903 0.937 1.051

 

  均值1.012 1.015 0.953 1.062 1.028

 

  从表中数据可知,虽然2015-2018年期间,整体上技术效率均值大于1,处于增长状态,但从各年份的数据中发现,只有2015-2016年间的技术效率大于1,之后的2016-2017和2017-2018年间技术效率一直在下降,而且下降趋势越来越明显,将技术效率分解后,纯技术效率和规模效率都呈明显的下降趋势。因此福建省贫困县的财政支出的资金管理体制方面和资金投入的分配与规模方面都需要做出相应改进。

 

  四、Tobit模型分析财政扶贫效率水平的影响因素

 

  4.1 Tobit模型简介

 

  本论文进行财政扶贫效率影响因素分析时使用的模型为Tobit回归模型。Tobit模型,又称为样本选择模型、受限因变量模型或审查模型,是因变量满足某种限定条件下所使用的模型。本文中选择以Malmquist全要素生产效率指标作为被解释变量,效率水平是介于1附近的连续值,将其作为因变量进行回归分析时,符合Tobit模型之一的因变量受限制的连续变量模型,所以Tobit模型通常都被用来分析DEA的影响因素。本文使用的Tobit模型的形式如下:

 

  y=α+β1x1+β2x2+β3x3+β4x4+u(3)

 

  其中u为随机误差项,x1、x2、x3、x4为解释变量,y为被解释变量,u~N(0,σ2)。

 

  4.2回归指标选择

 

  被解释变量方面,本文选择以Malmquist模型的全要素生产效率作为被解释变量,探究全要素生产率变化情况的影响因素。解释变量方面,参考财政支出效率影响因素分析的相关文献,和李燕凌(2008)和李静(2019)等前人的相关研究基础,本文选择的解释变量指标有x1各县财政支农支出占财政总支出的比重,x2各县人均GDP,x3各县城镇化水平,x4各县农村人均农业机械动力,x5各县第一产业从业人员数量。

 

  4.3回归结果与数据分析

 

  数据来源于《福建统计年鉴2019》以及福建各市级统计年鉴。使用STATA软件对数据进行回归分析,得出回归结果如下:

 

  影响因素系数T值

 

  x1-0.0105263-1.57

 

  x2 0.0000334 2.68

 

  x3 0.0054359 2.16

 

  x4 0.0017108 5.57

 

  x5-0.0763373-1.34

 

  常数项0.9024629 7.76

 

  根据回归的结果可以看出,在10%的置信水平下,财政支农支出占财政总支出的比重与其扶贫效率的增长情况呈负相关关系,分析进年来的财政支出情况发现,虽然福建省的扶贫力度在不断加大,财政支农支出的总量一直在增长,但其在财政总支出的所占的比例并未呈上升趋势,财政支农支出的增长速度没有明显快于地方财政总支出的增长速度,所以出现了负相关关系。另一方面这也在一定程度上反映出福建省各县财政扶贫资金的利用效率还有待提高。在1%的置信水平下,各县人均GDP与财政支农扶贫效率的增长呈显著的正相关关系。人均GDP代表各贫困县的宏观经济水平,越高的人均GDP水平代表着越好的整体经济环境,能够为农村贫困地区带来更好的基础设施建设和科学技术,一定程度上促进了农村经济发展和贫困状况的改善。在5%的显著性水平下,各县的城镇化水平与扶贫效率的变化呈正相关关系。提高城镇化水平可以促进扶贫效率的增长。越高的城镇化水平可以带来更多的工作岗位,帮助贫困地区人民提高生活收入水平,改善其贫困状况。在1%的显著性水平下,各县农村人均机械动力与财政扶贫效率的增长存在显著正相关关系。提高农业生产机械化水平可以提高农村生产效率,从而使得财政扶贫的效率有着更高的增长水平。各县第一产业人员的数量与扶贫效率的增长不存在明显得相关关系。可能是因为各地区第一产业从业人员数量已经处于一定的饱和状态,增加农业从业人员并不会显著改善农村农业发展情况和提高财政支农的扶贫效率水平。



知网查重福礼


微信扫码关注公众号登录

x
客服QQ 返回顶部