高 群，華曉月

（南昌大學(xué)公共管理學(xué)院，江西 南昌 330031）

2017年中共中央國務(wù)院發(fā)布的《關(guān)于深入推進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革 加快培育農(nóng)業(yè)農(nóng)村發(fā)展新動(dòng)能的若干意見》，是改革開放以來第19份以“三農(nóng)”為主題的”中央一號(hào)“文件，也是自2004年以來，連續(xù)第14次聚焦“三農(nóng)”問題的”中央一號(hào)“文件。伴隨國家財(cái)政支農(nóng)力度的持續(xù)加大，越來越多的人關(guān)注財(cái)政支農(nóng)支出的績(jī)效評(píng)價(jià)問題。明確分析評(píng)價(jià)財(cái)政支農(nóng)支出的使用效率有助于發(fā)現(xiàn)財(cái)政支農(nóng)支出存在的各種問題，進(jìn)一步改革財(cái)政支農(nóng)資金管理與利用方式，從而促進(jìn)農(nóng)業(yè)的進(jìn)一步發(fā)展，改善農(nóng)業(yè)經(jīng)濟(jì)。從學(xué)術(shù)界已有的研究成果來看，應(yīng)用DEA模型測(cè)評(píng)各種績(jī)效的研究已經(jīng)有所發(fā)展。近年來，國內(nèi)學(xué)者關(guān)于財(cái)政支農(nóng)績(jī)效的研究主要有以下3個(gè)方面：

（1）財(cái)政支農(nóng)績(jī)效的評(píng)價(jià)研究。例如，吳華超等［1］運(yùn)用 DEA 模型對(duì)重慶市各區(qū)縣農(nóng)村財(cái)政金融資金的配置效率展開研究，發(fā)現(xiàn)其對(duì)促進(jìn)農(nóng)村經(jīng)濟(jì)整體運(yùn)行的績(jī)效不佳。方鴻［2］采用可以同時(shí)剔除外生環(huán)境和隨機(jī)誤差對(duì)效率值影響的三階段DEA方法，對(duì)我國2005—2008年各地區(qū)政府財(cái)政支農(nóng)支出的效率進(jìn)行測(cè)度，發(fā)現(xiàn)與三階段DEA方法相比，普通的DEA方法在評(píng)價(jià)各地區(qū)政府財(cái)政支農(nóng)資金效率時(shí)會(huì)出現(xiàn)對(duì)總體效率水平的低估，特別是西部地區(qū)很多省份的財(cái)政支農(nóng)支出效率被低估，導(dǎo)致不同地區(qū)之間效率差異的程度被夸大。王謙等［3］運(yùn)用三階段DEA模型測(cè)度了我國28個(gè)省（市）1995—2014年財(cái)政支農(nóng)支出效率，發(fā)現(xiàn)全國整體及28個(gè)省（市）財(cái)政支農(nóng)支出效率均沒有達(dá)到完全有效的狀態(tài)，且效率水平不高，但在整個(gè)考察期間內(nèi)效率水平呈現(xiàn)出上升的態(tài)勢(shì)；進(jìn)一步研究表明，在外界環(huán)境因素中，農(nóng)村居民家庭人均經(jīng)營耕地面積、農(nóng)村居民人均受教育年限以及人均農(nóng)村機(jī)械總動(dòng)力對(duì)提高財(cái)政支農(nóng)支出效率具有顯著的正向作用。鄒帆等［4］以廣東省為研究對(duì)象，應(yīng)用DEA方法以及VRS模型計(jì)算效率值，得到了技術(shù)效率、純技術(shù)效率和規(guī)模效率，在此基礎(chǔ)上運(yùn)用主成分分析法（PCA）對(duì)數(shù)據(jù)進(jìn)行處理，取消其變量間的相關(guān)性，保證運(yùn)用DEA模型測(cè)算使用效率結(jié)果的準(zhǔn)確性，結(jié)果發(fā)現(xiàn)自1995年以來，廣東省財(cái)政支農(nóng)資金使用效率總體呈現(xiàn)出下降趨勢(shì)，2010年以后略有回升。

（2）財(cái)政支農(nóng)績(jī)效的區(qū)域差異研究。何忠偉［5］選取2003年省域?qū)用娴慕孛鏀?shù)據(jù)，運(yùn)用柯布-道格拉斯生產(chǎn)函數(shù)，對(duì)財(cái)政支農(nóng)的區(qū)域差異進(jìn)行研究，結(jié)果表明，資金稀缺的地區(qū)具有較高的使用效率，農(nóng)業(yè)資金效率與規(guī)模之間呈負(fù)相關(guān)性，除了各地在資金使用、投入結(jié)構(gòu)等方面存在差異外，也與資金本身具有邊際收益遞減的規(guī)律有關(guān)。杜輝［6］運(yùn)用多階段DEA的BCC模型分析了全國及各省市32個(gè)考察對(duì)象的財(cái)政支農(nóng)績(jī)效，研究表明，從省際間來看，由于農(nóng)業(yè)技術(shù)手段落后和投入非最優(yōu)規(guī)模，全國及多數(shù)省份財(cái)政支農(nóng)的純技術(shù)效率極端低下，規(guī)模效率相對(duì)低下，繼而造成總技術(shù)效率低下；從區(qū)域間來看，受經(jīng)濟(jì)發(fā)展水平、財(cái)政收支規(guī)模等因素影響，財(cái)政支農(nóng)績(jī)效呈現(xiàn)出自東部向中部、西部依次遞減的格局。白雪等［7］借助于 DEA－BCC模型，以全國 31 個(gè)省份為研究對(duì)象，對(duì)其純技術(shù)效率、規(guī)模效率和綜合效率進(jìn)行測(cè)算，結(jié)果顯示其中有 21 個(gè)為 DEA 有效單元，10 個(gè)為非DEA 有效單元，省際之間存在較大差異，建議各區(qū)域減免區(qū)域要素的單邊效應(yīng)，明確資源的投入方向，注重市場(chǎng)主體特征異化。

（3）財(cái)政支農(nóng)績(jī)效的影響因素研究。李燕凌［8］以湖南省為例，采用14個(gè)市（州）的截面數(shù)據(jù)，運(yùn)用 DEA-Tobit回歸模型分析了財(cái)政支農(nóng)支出效率水平及其影響因素，認(rèn)為投入產(chǎn)出模式對(duì)財(cái)政支農(nóng)支出效率的作用有限，只有合適的財(cái)政投入產(chǎn)出規(guī)模才有利于提高其效率水平，促進(jìn)農(nóng)民增收并利于長期改進(jìn)財(cái)政支農(nóng)支出效率。李琳［9］運(yùn)用數(shù)據(jù)包絡(luò)分析方法對(duì)我國1978—2010年財(cái)政支農(nóng)資金的效率及其影響進(jìn)行了分析評(píng)價(jià)，并對(duì)其中純技術(shù)效率及規(guī)模效率均小于1的年份的投入產(chǎn)出投影值進(jìn)行測(cè)度，發(fā)現(xiàn)在這33年間國內(nèi)財(cái)政支農(nóng)的綜合效率、純技術(shù)效率以及規(guī)模效率分別有8年、22年和8年是完全有效的，有11年的投入產(chǎn)出項(xiàng)目存在冗余，支出結(jié)構(gòu)不盡合理，資金使用效果欠佳。崔元峰等［10］通過DEA分析認(rèn)為財(cái)政支農(nóng)支出資金結(jié)構(gòu)偏差是其整體績(jī)效低水平運(yùn)行的最主要影響因素，由此提出實(shí)行項(xiàng)目管理、 提高支農(nóng)行為的系統(tǒng)性等相關(guān)建議以促進(jìn)其綜合效率的提高。

而國外學(xué)者們對(duì)DEA模型的應(yīng)用主要側(cè)重于研究高校管理、工業(yè)生產(chǎn)以及環(huán)境保護(hù)、農(nóng)業(yè)信貸等方面的效率問題。例如，Casu等［11］運(yùn)用DEA模型以英國大學(xué)探析領(lǐng)域?qū)Ω鞲咝５墓芾硇蔬M(jìn)行評(píng)價(jià)。Moon等［12］利用兩階段 DEA 模型，確定了與整體能源效率的差異并非單純的能源效率造成的，而是由經(jīng)濟(jì)效率引起的；此外，該研究還對(duì)企業(yè)規(guī)模、認(rèn)證管理體系的擁有、排放類型等環(huán)境變量的影響進(jìn)行了統(tǒng)計(jì)分析。Vlontzos等［13］采用 DEA 窗口方法，在共同農(nóng)業(yè)政策的強(qiáng)力影響下，對(duì)歐盟國家主要部門的溫室氣體排放效率進(jìn)行了評(píng)估，量化其正面或負(fù)面影響并提出有關(guān)建議，研究表明歐盟國家與發(fā)展中國家相比，存在著顯著的環(huán)境效率低的特點(diǎn)。Jensen［14］則考察了政府資助的農(nóng)業(yè)信貸制度對(duì)農(nóng)業(yè)信貸市場(chǎng)配置效率的影響，研究發(fā)現(xiàn)政府資助的農(nóng)業(yè)信貸系統(tǒng)會(huì)產(chǎn)生無謂損失和市場(chǎng)扭曲。

綜上而言，學(xué)術(shù)界對(duì)DEA模型測(cè)算各種績(jī)效的應(yīng)用大多數(shù)都集中于固定的投入與產(chǎn)出，尤其是經(jīng)濟(jì)效益。但是隨著當(dāng)今社會(huì)對(duì)生態(tài)改善及社會(huì)責(zé)任的日益關(guān)注，一些新問題凸顯出來，測(cè)算指標(biāo)不僅僅限于經(jīng)濟(jì)效益?；诖耍狙芯恳赞r(nóng)業(yè)大省江西省為例，選取經(jīng)濟(jì)、社會(huì)和生態(tài)3方面的測(cè)評(píng)指標(biāo)研究財(cái)政支農(nóng)支出效率，旨在正確認(rèn)識(shí)江西省各市以及全省的財(cái)政支農(nóng)現(xiàn)狀與存在問題，為今后包括江西省在內(nèi)的省域?qū)用尕?cái)政支農(nóng)體系的改善和變革提供參考。

1 研究方法

1.1 模型選擇

目前財(cái)政支農(nóng)支出效率評(píng)價(jià)的研究方法主要有3種模式：一是通過制定各項(xiàng)財(cái)政支農(nóng)績(jī)效評(píng)價(jià)的指標(biāo)確定各項(xiàng)要素并進(jìn)行評(píng)價(jià)；二是通過構(gòu)建經(jīng)濟(jì)計(jì)量模型實(shí)證檢驗(yàn)相關(guān)績(jī)效；三是基于數(shù)據(jù)包絡(luò)分析模型（即DEA模型）測(cè)評(píng)財(cái)政支農(nóng)資金的綜合技術(shù)效率。對(duì)比其他兩種方式，基于DEA模型的測(cè)算更加明確直觀，故本研究選取DEA模型展開研究。DEA模型是由Charnes等［15］學(xué)者于1978年提出的用于評(píng)價(jià)生產(chǎn)效率的重要非參數(shù)方法。該方法的主要原理是通過保持決策單元（DMU）的輸入或者輸入不變，借助于數(shù)學(xué)規(guī)劃方法確定相對(duì)有效的生產(chǎn)前沿面，將各個(gè)決策單元投影到DEA的生產(chǎn)前沿面上，并通過比較決策單元偏離DEA前沿面的程度來評(píng)價(jià)它們的相對(duì)有效性。它是根據(jù)多項(xiàng)投入指標(biāo)和多項(xiàng)產(chǎn)出指標(biāo)，利用線性規(guī)劃的方法，對(duì)具有可比性的同類型單位進(jìn)行相對(duì)有效性評(píng)價(jià)的一種數(shù)量分析方法。目前該模型已被廣泛應(yīng)用于不同行業(yè)及部門，且在處理多指標(biāo)投入和多指標(biāo)產(chǎn)出并進(jìn)行績(jī)效評(píng)價(jià)方面，體現(xiàn)了其得天獨(dú)厚的優(yōu)勢(shì)。根據(jù)前提假設(shè)不同，傳統(tǒng)的DEA模型主要分CCR與BCC兩種。其中，CCR模型是DEA的標(biāo)準(zhǔn)模型，指在規(guī)模報(bào)酬不變的情況下決策單元的投入產(chǎn)出相對(duì)效率；而在CCR模型的基礎(chǔ)上產(chǎn)生的BCC模型，可衡量不同規(guī)模報(bào)酬下的相對(duì)效率值。兩個(gè)模型又可進(jìn)一步區(qū)分為投入導(dǎo)向型（在產(chǎn)出水平一定的情況下使投入成本最?。┖彤a(chǎn)出導(dǎo)向型（在投入要素一定的情況下使產(chǎn)出值最大）兩種形式。本研究意在優(yōu)化財(cái)政支農(nóng)支出以提高財(cái)政支農(nóng)效率，故采用投入導(dǎo)向型BCC模型。

模型的建立與假設(shè)：假設(shè)DEA模型中有n個(gè)決策單元，每個(gè)決策單元都有m種類型的“輸入”以及s種類型的“輸出”，分別表示該單元的“耗費(fèi)資源”和“工作成效”，用xij(xij＞0，i = 1，2，…m）代表第j個(gè)決策單元對(duì)第i種類型輸入的投入量，yrj(yrj＞0，i = 1，2，…，s）為第j個(gè)決策單元對(duì)第r種類型輸入的投入量，并記：

為避免錐性條件即規(guī)模收益不變的發(fā)生，在設(shè)定過程中增添一個(gè)凸性假設(shè)條件可能集T可描述如下式，其解析圖見圖1。

圖1 BCC模型中可能集T的解析圖

而BCC模型經(jīng)驗(yàn)生產(chǎn)可能集將錐形條件去掉后，即可以嚴(yán)格集中在單個(gè)DMU水平的生產(chǎn)有效性上。建立基于生產(chǎn)可能集TBCC下的DEA模型，即 BCC 模型：

Minθ= VD2

及其對(duì)偶問題：

上式含義為：（1）若純技術(shù)效率和規(guī)模效率兩者均為1，則DEA有效；（2）若兩者中只有一方的值能夠達(dá)到1，說明實(shí)現(xiàn)了弱DEA有效；（3）若兩者均不為1，則非DEA有效。

BCC模型測(cè)算出的效率值為綜合技術(shù)效率（TE），又稱生產(chǎn)效率，綜合反映了一個(gè)決策單元的純技術(shù)效率（PTE）和規(guī)模效率（SE），即TE=PTE×SE。通常情況下，純技術(shù)有效的決策單元會(huì)因?yàn)橐?guī)模效率問題使得生產(chǎn)不一定有效 ；同理，規(guī)模有效的決策單元也會(huì)因?yàn)榧兗夹g(shù)效率問題使得生產(chǎn)不一定有效。由BCC模型可知，一個(gè)決策單元的效率指數(shù)為1，當(dāng)且僅當(dāng)該DMU位于有效生產(chǎn)前沿面上，甚至可以不是規(guī)模有效。后續(xù)研究將運(yùn)用 DEAP2.1 軟件，對(duì)面板數(shù)據(jù)進(jìn)行測(cè)算。

1.2 變量選取與數(shù)據(jù)處理

根據(jù)DEA模型對(duì)數(shù)據(jù)選取的要求以及研究江西省財(cái)政支農(nóng)支出效率的需要，本研究以江西省財(cái)政支農(nóng)支出總額即“農(nóng)林水事務(wù)”支出（x）作為投入指標(biāo)，結(jié)合中央一號(hào)文件的精神以及相關(guān)研究成果和各類文獻(xiàn)記錄，選取近年來國民日益關(guān)注的經(jīng)濟(jì)效益、社會(huì)效益和生態(tài)效益作為產(chǎn)出指標(biāo)。其中，經(jīng)濟(jì)效益選取反映農(nóng)業(yè)生產(chǎn)狀況的農(nóng)林牧漁總產(chǎn)值（y1）和反映農(nóng)民收入的農(nóng)民人均純收入（y2）指標(biāo)替代；社會(huì)效益指標(biāo)選取反映糧食產(chǎn)量的糧食產(chǎn)值（y3）；生態(tài)效益方面選取生態(tài)建設(shè)水平的造林面積（y4）和反映農(nóng)田水利建設(shè)成果的有效灌溉面積（y5）。

本研究主要以江西省11個(gè)市為研究單元，數(shù)據(jù)主要來源于2011—2016年《江西統(tǒng)計(jì)年鑒》。為消除幾年來各市人口規(guī)模的影響，將（x）和 y1、y2、y3、y4、y5按各市農(nóng)村人口數(shù)進(jìn)行平均。為消除價(jià)格因素的影響，使用處理后的價(jià)格指數(shù)，故選取2009年價(jià)格指數(shù)的基期，對(duì)x、y3用居民消費(fèi)價(jià)格指數(shù)剔除價(jià)格因素的影響，對(duì)y1與y2分別用農(nóng)林牧漁總產(chǎn)值指數(shù)和居民消費(fèi)價(jià)格指數(shù)剔除價(jià)格因素的影響。

2 結(jié)果與分析

2.1 宏觀層面（省際）財(cái)政支農(nóng)支出效率比較與分析

2.1.1 與中三角其他省份財(cái)政支農(nóng)效率對(duì)比 從投入指標(biāo)來看，2010—2015年江西省財(cái)政支農(nóng)支出總額不斷增加（表1），但增長率呈波動(dòng)式下降的趨勢(shì)（以年均2.6%的降幅，自2010—2011年間的24.0%降至2014—2015年間的11.0%）。與同處中三角地區(qū)的湖南和湖北兩省相比，其下降趨勢(shì)明顯且幅度較大。2015年，湖南省與湖北省財(cái)政支農(nóng)支出總額有所回升，而江西省仍處于下降趨勢(shì)。從產(chǎn)出指標(biāo)來看，江西省的農(nóng)林牧漁總產(chǎn)值處于穩(wěn)步增長狀態(tài)，增長率處在三省中間位置，但仍存在下降趨勢(shì)；而全省農(nóng)民人均純收入數(shù)額處于三省中間，與其他兩省相比增長率的波動(dòng)較小，但中間回升幅度明顯小于其他兩省?？傮w來看，三省之間的財(cái)政支農(nóng)支出力度差異較小，但就取得的回報(bào)來看，江西省并非最有優(yōu)勢(shì)。江西省投入與產(chǎn)出之間增長率存在差異，在一定程度上表明該省存在較大的提升空間。

表1 2010—2015年中三角三省財(cái)政支農(nóng)投入與產(chǎn)出比較

2.1.2 江西省財(cái)政支農(nóng)支出效率分析 從整體上看，江西省2010—2015年平均的綜合技術(shù)效率（TE）呈現(xiàn)波動(dòng)式下降的趨勢(shì)，其中2013年的下降幅度最大，2014—2015年呈現(xiàn)回升之勢(shì)，且2014年的回升幅度最大（表2）。這說明前4年江西省財(cái)政支出效果有所欠缺，然而伴隨政府對(duì)財(cái)政支農(nóng)績(jī)效的日益重視，近兩年來江西省財(cái)政支農(nóng)效果有所恢復(fù)。此外，6年的純技術(shù)效率均值為0.891，即省域財(cái)政支農(nóng)平均效率水平與生產(chǎn)前沿面相差10.9%。這意味著在保持當(dāng)前農(nóng)業(yè)產(chǎn)出水平不變的情況下，通過管理水平的提高可以減少10.9%的要素投入，即在保持當(dāng)前要素投入的情況下，江西省的農(nóng)業(yè)產(chǎn)出水平可以提高10.9%，基于此，江西省的財(cái)政支農(nóng)效率仍然有較大提升空間。除了2012、2013年，其他4年的純技術(shù)效率（PTE）均值均低于規(guī)模效率（SE）均值，表明制約江西省財(cái)政支農(nóng)支出效率的主要是純技術(shù)效率，可以通過管理和技術(shù)水平提升等手段加以改善。而2013年純技術(shù)效率遠(yuǎn)遠(yuǎn)超過規(guī)模效率，意味著當(dāng)年江西省財(cái)政支農(nóng)支出在規(guī)模上存在問題且其程度較為嚴(yán)重。

表2 2010—2015年江西省11市財(cái)政支農(nóng)支出效率值及其分解

2.2 微觀層面（市級(jí)）財(cái)政支農(nóng)支出效率比較與分析

從江西省各市來看，2010—2015年期間財(cái)政支農(nóng)綜合效率為1，即DEA有效的市數(shù)分別為 3、6、4、3、5、5；純技術(shù)有效的市數(shù)分別為5、7、7、6、7、8；規(guī)模有效的市數(shù)為 3、6、4、3、6、5；純技術(shù)有效的數(shù)量明顯大于規(guī)模有效的數(shù)量。其中，宜春市的財(cái)政支農(nóng)綜合效率連續(xù)6年均為1，表明該市6年來財(cái)政支農(nóng)效率均保持最優(yōu)狀態(tài)，投入得到最高程度的利用并且能夠取得最佳回報(bào)。就省會(huì)城市南昌市而言，其純技術(shù)效率6年為1，制約DEA有效的原因是規(guī)模效率的下降。而全省財(cái)政支農(nóng)綜合效率排末位的是景德鎮(zhèn)市，6年來始終處于較低水平，從數(shù)據(jù)來看，6年來其規(guī)模效率除2013年外均處于較高水平，因此制約其綜合效率的主要是純技術(shù)因素；此外，景德鎮(zhèn)市在2013年的綜合效率僅為0.487，表明有51.3%的各種支農(nóng)資金被浪費(fèi)，該市涉農(nóng)財(cái)政投入與農(nóng)業(yè)產(chǎn)出之間存在較大落差。

為更直觀地展現(xiàn)江西省內(nèi)各地級(jí)市財(cái)政支農(nóng)效率狀況，以0.900作為純技術(shù)效率與規(guī)模效率的分界值，繪制2013年江西省內(nèi)各市純技術(shù)效率與規(guī)模效率分布圖（圖1）。

圖1 2013年江西省11市純技術(shù)效率與規(guī)模效率分布

圖1共分為4個(gè)區(qū)域：雙高區(qū)（SE與PTE值均在0.9以上）、高低區(qū)（PTE值在0.9以上，SE值在0.9以下）、低高區(qū)（PTE值在0.9以下，SE值在0.9以上）以及雙低區(qū)（PTE與SE值均在0.9以下）。這4個(gè)區(qū)域分別代表江西省11個(gè)地級(jí)市基于DEA模型財(cái)政支農(nóng)效率測(cè)評(píng)所形成的4種類型地區(qū)。具體來看：

（1）雙高型地區(qū)對(duì)應(yīng)圖1雙高區(qū)，隸屬這類地區(qū)的有吉安市、宜春市、撫州市。2013年這3市的純技術(shù)效率與規(guī)模效率均為1，表明同年3市的財(cái)政支農(nóng)支出得到了最優(yōu)利用，在純技術(shù)領(lǐng)域與規(guī)模領(lǐng)域并未出現(xiàn)缺口。（2）高低型地區(qū)即對(duì)應(yīng)圖1高低區(qū)，隸屬這類地區(qū)的有上饒市、贛州市、鷹潭市、萍鄉(xiāng)市、新余市、南昌市。2013年這6市的純技術(shù)效率值較高，其中萍鄉(xiāng)、新余、南昌3市均為1。制約該地區(qū)財(cái)政支農(nóng)綜合效率的主因是規(guī)模效率太低，需要有所改善才能實(shí)現(xiàn)其財(cái)政支農(nóng)的整合與優(yōu)化配置。就這6市中規(guī)模報(bào)酬遞增的情況來看，要進(jìn)一步加大財(cái)政投入；而對(duì)于規(guī)模報(bào)酬遞減的市，則要在保證財(cái)政投入的基礎(chǔ)上恰當(dāng)調(diào)整財(cái)政支出的結(jié)構(gòu)和領(lǐng)域，以實(shí)現(xiàn)規(guī)模效率。（3）低高型地區(qū)對(duì)應(yīng)圖1低高區(qū)，隸屬這類地區(qū)的是九江市。九江市2013年的規(guī)模效率值為0.987，接近于1，但純技術(shù)效率僅為0.740，仍存在極大的提升空間。對(duì)于這類純技術(shù)效率較低的地區(qū)，問題集中于財(cái)政支農(nóng)資金的監(jiān)管制度與技術(shù)領(lǐng)域。為促進(jìn)綜合效率的提升和改善，要加大財(cái)政支農(nóng)資金的管理和提高資金分配的合理性以提高純技術(shù)效率。（4）雙低型地區(qū)對(duì)應(yīng)圖1雙低區(qū)，隸屬這類地區(qū)的是景德鎮(zhèn)市，在純技術(shù)效率與規(guī)模效率方面都存在較大不足。此類區(qū)域，既需要加大財(cái)政投入力度、優(yōu)化財(cái)政支農(nóng)結(jié)構(gòu)，又需要改善管理與監(jiān)察以實(shí)現(xiàn)合理配置。此外，各市在4種類型地區(qū)的分布也隨時(shí)間呈現(xiàn)動(dòng)態(tài)變化（表3），從側(cè)面揭示出各市政府及有關(guān)部門對(duì)財(cái)政支農(nóng)的重視及展程度。

從表3可以看出，江西省11市純技術(shù)效率與規(guī)模效率6年的分布區(qū)主要是雙一型（PTE值與SE值均為1）地區(qū)和雙高型地區(qū)。其中，雙一型分布數(shù)量呈現(xiàn)波動(dòng)增長趨勢(shì)，雙高型分布數(shù)量同樣也在波動(dòng)增加，除2013年減少為3個(gè)外，其余幾年數(shù)量占總市數(shù)的50.0%及以上。雙低型地區(qū)分布數(shù)量極少，幾乎6年來都為0。而低高型與高低型地區(qū)分布比較少，平均占總市數(shù)的18.0%，僅2013年有所差異，高低型地區(qū)分布數(shù)量激增到6個(gè)，可見2013年多市的規(guī)模效率都存在問題。

表3 2010—2015年江西省11市純技術(shù)效率與規(guī)模效率年度分布

通過DEA模型測(cè)算，實(shí)際的投入產(chǎn)出值在軟件運(yùn)行后都會(huì)給出標(biāo)準(zhǔn)數(shù)值作為參考，本研究選取2015年數(shù)值為例，江西省11市在投入如表4所示的財(cái)政支出總額時(shí)，沒有達(dá)到標(biāo)準(zhǔn)值的主要是農(nóng)林牧漁總產(chǎn)值與有效灌溉面積。這要求未來政府在農(nóng)林牧漁業(yè)生產(chǎn)方面還要改善管理，同時(shí)在發(fā)展經(jīng)濟(jì)時(shí)要注意生態(tài)效益的提升，改善水利、實(shí)現(xiàn)有效灌溉。

表4 2015年江西省11市實(shí)際投入產(chǎn)出值（消除人口規(guī)模與價(jià)格變動(dòng)影響）與DEA模型測(cè)算標(biāo)準(zhǔn)值比較

3 結(jié)論與討論

為科學(xué)評(píng)估江西省財(cái)政支農(nóng)資金配置績(jī)效，本研究選取2010—2015年數(shù)據(jù)，基于DEA模型從宏觀層面和微觀層面兩個(gè)尺度分析評(píng)價(jià)了江西省省際與市際之間財(cái)政支農(nóng)效率，研究表明：（1）宏觀層面：與中三角其他兩?。ê?、湖北）相比，江西省在財(cái)政支農(nóng)效果方面存在較大的提升空間。江西省的財(cái)政支農(nóng)效率不穩(wěn)定，主要的制約因素是純技術(shù)效率，未來需要強(qiáng)化財(cái)政支農(nóng)的持續(xù)性，保持動(dòng)態(tài)平衡。從數(shù)據(jù)來看，江西省6年的財(cái)政支農(nóng)綜合效率均值為0.891，每年的各市財(cái)政支農(nóng)綜合效率均值除2013年以外均超過0.850，財(cái)政支農(nóng)效率水平較高，然而波幅較大、呈現(xiàn)下降又回升的態(tài)勢(shì)。（2）微觀層面：江西省各地市之間的財(cái)政支農(nóng)資金績(jī)效也存在較大差距，綜合技術(shù)效率最高值與最低值之間相差0.513，超過半數(shù)?？傮w來看，綜合技術(shù)效率有效的市占少數(shù)，大部分地區(qū)的純技術(shù)效率和規(guī)模效率雖然較高但仍處于無效狀態(tài)，還有一部分地區(qū)存在純技術(shù)有效而規(guī)模無效或者規(guī)模有效而純技術(shù)無效的現(xiàn)狀。

為優(yōu)化江西全省財(cái)政支農(nóng)資金配置，建議從以下兩大方面著手：（1）在保持原有財(cái)政支農(nóng)綜合效率的基礎(chǔ)上，繼續(xù)加大省域財(cái)政支農(nóng)支出。適當(dāng)擴(kuò)大全省財(cái)政支農(nóng)規(guī)模，加強(qiáng)管理；提升農(nóng)業(yè)技術(shù)水平，平衡各地區(qū)財(cái)政支農(nóng)發(fā)展，以穩(wěn)定省際財(cái)政支農(nóng)效率，保持財(cái)政支農(nóng)的動(dòng)態(tài)平衡。（2）各市要因地制宜，結(jié)合本市的財(cái)政支農(nóng)特點(diǎn)加以改善。對(duì)于財(cái)政支農(nóng)支出綜合效率有效的市（如宜春市），要始終保持并堅(jiān)持財(cái)政支農(nóng)的現(xiàn)有力度和結(jié)構(gòu)。針對(duì)財(cái)政支農(nóng)支出綜合效率主要受純技術(shù)效率制約的市，需要在財(cái)政支農(nóng)資金的管理和技術(shù)利用上有所改革和創(chuàng)新，如可以進(jìn)一步加強(qiáng)財(cái)政支農(nóng)資金監(jiān)管的立法工作；建立更加明晰的績(jī)效評(píng)估及獎(jiǎng)懲制度；引入與當(dāng)事部門沒有利益聯(lián)系的第三方作為監(jiān)督和評(píng)估機(jī)構(gòu)；加強(qiáng)農(nóng)民的參與力度；發(fā)展農(nóng)業(yè)科技，引入農(nóng)業(yè)高校人才等等。針對(duì)財(cái)政支農(nóng)支出綜合效率主要受規(guī)模效率制約的市，則需要在財(cái)政支農(nóng)資金的投入力度與規(guī)模、資金作用方向方面有所改善。一方面要進(jìn)一步加大財(cái)政資金、政策在農(nóng)業(yè)上的支持，促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)化生產(chǎn)的實(shí)現(xiàn)，擴(kuò)大規(guī)模；另一方面則需要通過梳理明確財(cái)政支農(nóng)資金的流向和各種需要之間資金的合理配置，優(yōu)化財(cái)政支農(nóng)的結(jié)構(gòu)。對(duì)于純技術(shù)效率和規(guī)模效率都有所欠缺的市，尤其像2013年景德鎮(zhèn)市（雙低型）或2012年吉安市（雙高型），需要積極利用自身優(yōu)勢(shì)，在兩方面有所提升，既要擴(kuò)大財(cái)政支農(nóng)的規(guī)模，又要加強(qiáng)財(cái)政支農(nóng)資金的管理和評(píng)估，實(shí)現(xiàn)兩者的同步發(fā)展和穩(wěn)步提高。

參考文獻(xiàn)：

［1］吳華超，溫濤. 基于DEA方法的農(nóng)村資金配置效率研究—— 以統(tǒng)籌城鄉(xiāng)綜合配套改革試驗(yàn)區(qū)重慶市為例［J］. 金融理論與實(shí)踐，2008（3）：25-28.

［2］方鴻. 政府財(cái)政支農(nóng)資金效率的地區(qū)比較——基于三階段DEA模型的實(shí)證分析［J］. 軟科學(xué)，2011，25（7）：27-32.

［3］王謙，李超. 基于三階段DEA模型的我國財(cái)政支農(nóng)支出效率評(píng)價(jià)［J］. 財(cái)政研究，2016（8）：66-77，90.

［4］鄒帆，陳雪姣. 基于DEA模型的廣東財(cái)政支農(nóng)資金使用效率分析［J］. 廣東農(nóng)業(yè)科學(xué)，2014，41（18）：200-206，222.

［5］何忠偉. 中國財(cái)政支農(nóng)效率的區(qū)域差異比較［J］. 統(tǒng)計(jì)與決策，2006（5）：76-77.

［6］杜輝. 基于多階段DEA模型的中國財(cái)政支農(nóng)績(jī)效分析［J］. 會(huì)計(jì)之友，2016（11）：90-93.

［7］白雪，張明斗. 基于BCC模型的區(qū)域經(jīng)濟(jì)發(fā)展績(jī)效評(píng)價(jià)研究［J］. 商業(yè)研究，2012（2）：50-54.

［8］李燕凌. 基于DEA-Tobit模型的財(cái)政支農(nóng)效率分析—— 以湖南省為例［J］. 中國農(nóng)村經(jīng)濟(jì)，2008（9）：52-62.

［9］李琳. 基于DEA模型的財(cái)政支農(nóng)資金效率及影響分析［J］. 重慶工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2013（11）：11-18.

［10］崔元鋒，嚴(yán)立冬. 基于DEA的財(cái)政農(nóng)業(yè)支出資金績(jī)效評(píng)價(jià)［J］. 農(nóng)業(yè)經(jīng)濟(jì)問題，2006（9）：37-40，79.

［11］Casu B，Thanassoulis E. Evaluating cost efficiency in central administrative services in UK Universities［J］. Omega，2006（34）：417-426.

［12］Moon H，Min D. Assessing energy efficiency and the related policy implications for energyintensive firms in Korea：DEA approach［J］.Journal Citation Reports，2017（5）：23-34.

［13］Vlontzos G，Pardalos P M. Assess and prognosticate greenhouse gas emissions from agricultural production of EU countries，by implementing，DEA Window analysis and artificial neural networks［J］. Journal Citation Reports，2017（76）：155-162.

［14］Jensen E. The Farm Credit System as a Government-spon-sored enterprise［J］. Review of Agricultural Economics，2000（22）：326-335.

［15］Charnes A，Cooper W，Lewin A Y. Data Envelopment Analysis：Theory，Methodology and Application［M］. Boston：Kluwer Academic Publisher，1994.