许露露

（安徽财经大学，安徽 蚌埠 233000）

0 引言

迄今为止，我国已经实现7 亿多农村贫困人口脱贫［1］。党的十八大以来，我国以“精准扶贫”、“精准脱贫”为目标，取得了决定性的进展，向全面建成小康社会迈进了一大步。国务院扶贫办和国家统计局的数据显示，2012-2018年，我国贫困人口减少了8000多万人，连续6年平均每年减贫1300多万人，贫困人口从9899万人减少到1660万人，贫困发生率从2012年的10.2%下降至2018年的1.7%，累计下降8.5个百分点，832个贫困县已脱贫摘帽436个［2］。预计到2019年底，全国95%左右现行标准的贫困人口将实现脱贫，90%以上的贫困县将实现摘帽［2］。

国家扶贫工作成效斐然，但是我国扶贫效率水平以及各省市及地区扶贫成效如何，是否有明显差异，影响扶贫效率水平的主要因素有哪些，这些问题都有待解答。本文以我国27 个有国家级贫困县的省（区）市为研究对象，采用DEA和聚类分析以及断尾回归等方法试图解答这些问题。

本文的边际贡献主要为：（1）运用DEA 方法测算效率时，采用全国27个省（区）市的面板数据进行分析，更能全面展示2012-2017 年历年各省市精准扶贫效率情况以及各省市历年扶贫效率变化情况；（2）通过聚类分析和分区域测算效率，可以对我国精准扶贫的区域差异和省市扶贫工作的相似性进行了解，从而全面把握我国精准扶贫的内部差异情况；（3）从八大投入指标的角度，通过逐步回归和断尾回归模型建模，对精准扶贫效率的影响因素进行识别，从而有利于提出针对性建议。

1 文献综述

对精准扶贫这一问题的相关研究主要集中在理论阐释、效率评价以及影响因素分析等三大方面。

在精准扶贫的理论阐释方面，贺立龙和朱方明等指出精准扶贫不仅是一种战略理念，更是一种经济学思想，是为了摆脱僵化低效、政绩导向、救济性质的扶贫模式窠臼，追求发展脱贫、精准脱贫、高效扶贫的主动创新［3］。郝儒杰认为精准扶贫政策的时代内涵主要体现为以人民为中心的价值选择、决胜全面小康的使命担当以及强化基层党组织的核心力量，使其具有问题导向、理论贡献、内容方法有机结合的理论品格和方向精准、普惠广泛、操作规范等价值特色［4］。赵敏从精准扶贫创新机制视角出发，指出精准扶贫机制通过设立精准的脱贫目标、构建了涵盖精准识别、精准帮扶、精准退出、精准考核及精准管理等精准扶贫全过程的有机统一且高效运行的扶贫体系，创新性地解决了多年来扶贫制度设计中存在的诸多问题，大大提升了扶贫的精准度和帮扶效率［5］。

在精准扶贫效率评价方面，陈银娥和尹湘基于中国贫困地区东中西部21 个省市及自治区普惠金融发展助推精准脱贫状况，运用三阶段DEA模型对其效率进行测度，发现普惠金融发展助推精准脱贫的效率均处于较高水平，效率值均高于0.90，但效率水平未达最优，尚有提升空间，规模效率低是制约当前金融扶贫效率的主要原因［6］。杜兴洋和杨起城选取湖南省国家级贫困县所在的9 个市（州）为样本，运用DEA-Tobit 模型对其2010-2015 年金融扶贫绩效水平及效率影响因素进行测评和分析，结果发现湖南省不同城市的金融扶贫效率存在较大差异，农村金融发展水平及其效率的提高、农村产业结构的优化及政府财政政策支持等有利于提高金融扶贫效率［7］。黄渊基和王韧等以湖南省为例，运用DEA-Tobit 模型测算湖南省14个市（州）2008-2014 年的政策性农业保险扶贫效率及其影响因素，研究发现，湖南省政策性农业保险市场总体上处于有效状态，参保农户数、风险保障、受益农户数、已决赔款和政府保费补贴显著影响农业保险扶贫效率［8］。

在精准扶贫成效的影响因素分析方面，钟文和钟昌标等以云南省为例，研究发现：各市（州）与省会中心的距离、经济密度和扶贫资金对云南省扶贫效率产生显著的正向影响［9］。王舒可和胡翠红等以四川省公共图书馆文化扶贫现状为例，利用主成分分析法对文化扶贫的影响因素进行量化研究，归纳出影响公共图书馆文化扶贫的六大因子［10］。黄晓野和高一兰基于海南省36 个贫困村扶贫调查数据，使用Probit 模型实证检验发现，贫困发生概率与贫困人口教育水平及脱贫能力和意识等个人特征关系显著，同时与家庭人口结构、收入来源、社会组织、交通等家庭和社会特征有关［11］。邢伯伦和龚贤等通过对凉山彝族自治州的101户建档立卡贫困户进行问卷调查和入户访谈，运用描述性统计和有序Logistic回归模型的方法进行实证研究发现，年龄、受教育程度、住房等基础设施改善、扶贫资金的合理有效使用、贫困户的精准识别、政府对扶贫工作的重视等是影响贫困户对精准扶贫满意度的主要因素［12］。

综上可知，虽然关于精准扶贫效率的研究已经不少，但是以往的研究多以截面数据为主，且其考察的对象范围往往局限于个别省域或县域，目前尚未有对全国的精准扶贫成效及其影响因素进行研究的文献，因此，本文对我国27 个有国家级贫困县的省市的精准扶贫效率进行测算与评价，并通过断尾回归模型等方法进一步探讨精准扶贫效率的影响因素，进而提出有利于精准扶贫效率提升的具有针对性的建议。

2 研究方法设计

2.1 精准扶贫效率测算模型

数据包络分析法（DEA）是人们常使用的用来评价同一类单元的相对有效性的方法，1978年由美国学者首次提出，在效率评价方面优势显著［13］。假定有若干个决策单元，每个决策单元对应m个投入和n个产出，通过建立线性规划模型，求解得出每个决策单元的相对有效性，进而进行效率评价［13］。本文基于投入产出的原始数据，运用投入导向的BCC模型进行DEA效率测算，模型表达式如下。

设有I个决策单元DMUj(1 ≤j≤I)，每个决策单元对应N种投入、K种产出，任意一个决策单元投入与产出可以表示为［13］：

对应的投入权向量和产出权向量分别为：

其对偶形式可以表示为：

其中，X为投入向量，Y为产出向量，j=1，2，…，I表示决策单元，λj为权重，S-和S+均为松弛变量，ε为非阿基米德无穷小，一般取ε=10-6，最优解为θ*，若θ*=1，则表明决策单元DEA有效，若θ*＜1，则决策单元无效。

2.2 精准扶贫效率评价体系构建

本文采用DEA方法对精准扶贫效率进行评价，从投入和产出出发，构建指标体系。借鉴张俊英、唐红涛的做法，从经济产出和减贫产出两方面确定产出指标为人均国内生产总值（GDP）、非贫困发生率和非贫困人口数量［14］。至于投入指标，综合考虑精准扶贫总要求和“两不愁、三保障”（指不愁吃、不愁穿，保障义务教育、基本医疗和住房安全）的主要目标，从农业、教育、医疗、养老、救济以及住房等方面选取了8个投入指标。具体的效率评价体系见表1。

表1 精准扶贫效率评价体系

基于数据的可得性，选取了2012-2017 年中国27 个省（区）市①由于样本考察期内北京、天津贫困发生率情况一致，且2013年开始贫困发生率均为0，故忽略；上海市贫困发生率一直为0，没有扶贫一说，故也不考虑。西藏地区数据严重缺失，也不考虑，港、澳、台地区也不包括在内。②非贫困发生率=1-贫困发生率；非贫困人口数量=非贫困发生率×各年各省市年末总人口数。的相关指标数据，并对个别指标进行运算后②，进行效率测算与分析。数据来源于国家统计局、EPS 全球统计数据库相关统计数据以及历年的《中国农村贫困监测报告》。

3 实证分析

3.1 精准扶贫效率评价

3.1.1 各省（区）市精准扶贫效率

表2为2012-2017年中国27个省（区）市的精准扶贫效率值。（1）就总体均值而言，27 个省（区）市2012-2017年的精准扶贫效率均值达到0.923，扶贫效率水平整体较高。这说明“精准扶贫”战略提出以来，全国各省（区）市对扶贫各项资源的配置较合理，扶贫效果整体较好。（2）对地区进行比较可以看出，有12个省（区）市的精准扶贫效率均值达到最优为1.000，占比达到44%，这12 个省（区）市中，东部地区有7 个，西部地区有3 个，而中部地区仅有2个。高于整体扶贫效率均值的省（区）市有18个，占比达到67%。江西省的精准扶贫效率在27 个省（区）市中最低，仅为0.641；次低的是湖南省，精准扶贫效率为0.687。此外，湖北省和四川省的精准扶贫效率值也低于0.800，分别为0.754和0.788。这说明这些省份扶贫效果整体较差，扶贫精度也有待提高。（3）纵向对比来看，2012-2017 年全国27 个省（区）市的精准扶贫效率整体呈现上升趋势，2013年扶贫效率水平最低，为0.903，2017 年效率水平最高，达到0.944，高于整体效率均值。2012年到2017年，全国27个省（区）市的精准扶贫效率水平提升了4%。近些年来，尤其是党的十八大以来，我国通过深化改革和大规模的扶贫开发，不断加大精准扶贫投入和攻坚力度，大力实施精准扶贫、精准脱贫，贫困人口大幅度减少，减贫效果显著［1］。因此，随着精准扶贫工作的进一步深入与完善，实现全面脱贫指日可待。

表2 精准扶贫效率评价结果

3.1.2 各省（区）市精准扶贫要素投入冗余分析

由前文所述，已知27个省（区）市的精准扶贫效率水平存在差异，因此，为进一步明确各地区要素投入情况，综合分析其与精准扶贫效率之间的联系，以2017年为例，进行投入冗余分析。其中，投入冗余=径向距离（radical movement）+松弛变量（slack movement），正值表示存在投入冗余，负值表示存在投入不足，0 表示要素投入完全合理［13］。测算结果见表3所示。

表3 27省市2017年精准扶贫投入冗余分析结果

由表3可知，对27个省（区）市2017年精准扶贫要素投入冗余分析结果与27个省（区）市2017年的效率评估情况是一致的。其中，2017 年效率值为1.000 的省（区）市，即DEA 有效的各省（区）市对应的要素投入完全合理，既不存在任何要素的冗余，也不存在任何要素不足的情况，如辽宁、吉林、黑龙江、江苏以及浙江等省（区）市。同理，2017 年效率值小于1.000 的省（区）市则在8 种要素投入上均存在不同的投入不足情况，如河北、山西、安徽以及江西等省（区）市。这意味着，未达到DEA 有效的省（区）市，在扶贫资源配置方面不够合理，扶贫投入力度有待进一步加大。如在8 大投入要素中，村卫生室的数量在各个未达到DEA 有效的省（区）市都有着巨大的缺口，而精准扶贫的总目标之一就有“保障基本医疗”，村卫生室数量的严重不足恰恰说明了这一点没有做到，从而扶贫效率相应地就很低。其他要素投入也是一样，只有合理配置各项扶贫资源，提高资源配置效率，才能进一步提高精准扶贫效率。

3.2 各省（区）市及地区精准扶贫效率差异分析

3.2.1 聚类分析

聚类分析是对研究对象进行定量分类的一种常用方法。其根据所研究对象数据的差异程度，通过逐次聚类，将相似度最高的省份划分为一组，即一类［15］。为了对各省（区）市精准扶贫体系的差异进行研究，笔者采用Q 类聚类法［15］，基于原始面板数据对研究对象进行聚类。聚类前首先标准化数据，聚类结果见图1。

图1 系统聚类分析谱系图

由谱系图可知，当阈值为10时，27个省（区）市根据相似程度可以分为4类，分类结果如表4所示。

表4 各省（区）市精准扶贫体系分类结果

第一类是经济发达的江苏省和浙江省，这两个省份各方面相似度较高。经济发展水平较高，贫困发生率及贫困规模都较小，加上扶贫力度大，近年来减贫成果尤为显著，且这两个省份在扶贫要素各项投入及产出方面相似度极高。国家统计局全国农村贫困监测调查显示，2018年农村贫困发生率降至3%以下的省份中，浙江和江苏在列。

第二类共包括16个省（区）市，其中以西部地区和中部地区省（区）市为主。近年来，随着国家对区域协调发展的重视程度不断加大，中、西部地区同东部地区的经济水平差距在逐渐减小，此外，由于东、西部扶贫协作的加深，区域性整体贫困的现象得以缓解，中西部减贫效果也日益明显，整体扶贫体系和减贫规模也越来越接近，在扶贫要素各项投入及产出方面表现出极高的相似度。

第三类共包括8 个省，其中以中部地区省份为主。由上述精准扶贫效率评价结果可知，中部地区的江西省、湖南省以及湖北省精准扶贫效率水平均远低于全国均值，扶贫效果较差，而西部地区的四川省精准扶贫效率水平也远低于全国均值，扶贫效率水平亟待提高。安徽省虽然整体精准扶贫效率水平较高，但是近年来扶贫效率水平呈现下降趋势，扶贫精度仍然不够。由于系统聚类是根据样本数据相似性进行分类的，这表明这8 个省在精准扶贫各项指标的投入和产出方面具有较大的相似性。

第四类只包括河南省。这说明河南省的各项指标与其他省（区）市相比差异较大。事实上，由上述精准扶贫效率评价结果可知，河南省2012-2014年的精准扶贫效率水平均低于0.900，但2015 年、2016 年和2017 年连续三年扶贫效率达到1.000，为DEA 有效，这也从侧面反映出近几年来，河南省加快了精准扶贫步伐，扶贫资源配置效率显著提高，扶贫成果显著。上文中对2017 年各省（区）市的要素投入冗余分析也验证了这一点。

3.2.2 地区精准扶贫效率差异性分析

为了对比精准扶贫效率水平的区域差异，根据《中国农村贫困监测报告2018》的划分方法，将27个省（区）市划分为三大区域：东部地区、中部地区和西部地区，各分区的精准扶贫效率评价结果见表5。

就区域及整体而言，27个省（区）市的整体扶贫效率均值为0.923，东部地区、中部地区以及西部地区精准扶贫效率的总体均值均远高于这一总体水平，分别达到0.991、1.000和0.997。中部地区2012-2017年的扶贫效率均值均达到最优，为1.000；西部地区虽然整体效率均值较高，但是没有效率值为1.000的年份，即西部地区历年的扶贫效率水平较稳定，但仍然有待进一步提高；东部地区的精准扶贫效率均值在三大地理分区里面虽然相对较低，但是，其2016 年和2017 年效率均值均达到最优水平1.000，说明东部地区在2016-2017 年扶贫工作为DEA 有效，扶贫资源配置效率高，扶贫精度较高。

为了更直观地了解2012-2017年三大区域的精准扶贫效率的整体情况和变化趋势，进一步给出了东部地区、中部地区和西部地区各年的精准扶贫效率趋势图（图2）以及2012年与2017年东部地区、中部地区和西部地区贫困人口对比图（图3）。

表5 分区域精准扶贫效率评价结果

图2 三大区域精准扶贫效率值变化趋势图

图3 我国三大区域贫困人口对比图

由图2 可知，2012-2017 年东、中、西三大区域的精准扶贫效率均值均高于全国平均水平。中部地区效率水平最高，其次是西部地区，东部地区最低。中部地区精准扶贫效率水平稳定在1；西部地区效率水平较稳定，前5年效率水平平稳上升，2017年出现小幅下降；东部地区历年扶贫效率均高于0.96，且经历短暂波动后不断上升至1。我国三大区域整体的精准扶贫效率水平稳中有进。

由图3可知，2017年全国贫困人口较2012年大幅度减少。其中，西部地区贫困规模最大，减贫幅度也最明显，其贫困人口由2012 年的5086 万人下降至2017年的1634万人，降幅达到67.9%。中部地区贫困人口减少紧随其后，降幅达到67.7%，东部地区虽然贫困规模较小，但是减贫成果显著，贫困人口降幅达到78%。我国东、中、西部贫困人口全面减少，减贫成果明显。

3.3 基于断尾回归模型的精准扶贫效率影响因素分析

为了对精准扶贫效率的影响因素进行识别，从而有针对性地提出有利于我国整体精准扶贫效率提升的建议。笔者以精准扶贫效率（eff）为被解释变量，以8个投入指标的对数值为解释变量，建立回归模型，探究全国各省（区）市精准扶贫效率及其区域差异的影响因素。模型如下：

其中，i和t分别是个体与时间效应，βj(j=1，2，…，8) 为待估计的参数，εit为随机误差项。eff是精准扶贫效率值，mach为农用机械总动力，area为农作物总播种面积，pris和mids分别为乡村小学数量和乡村初中数量，hosp为村卫生室数量，care为养老机构数量，expd为农村低保支出，dwel为人均住宅面积。

考虑到被解释变量是通过DEA 方法测算的相对效率，其范围受限，因此，本文选择断尾回归模型（truncated regression model）进行回归分析，断尾回归模型根据数据缺失的位置，可以分为左端断尾、右端断尾和区间断尾［16］。本文主要研究精准扶贫效率及其影响因素，精准扶贫效率作为被解释变量，其取值范围大于等于零，即被解释变量属于断尾数据，并属于“左端断尾”［16］。由于等式（6）断尾回归结果显示仅有个别变量显著，因此，为了剔除不显著变量，笔者先运用stata软件通过逐步回归筛选出重要变量，然后对重要变量进行断尾回归，回归结果显示筛选出来的重要变量与最初回归结果中显著的变量一致，并且回归结果更加显著，系数符号也都一致，因此，回归结果是可信的，具体结果见表6。

表6 断尾回归结果

表6 显示，乡村初中数量（mids）的系数估计值为-0.046，在5%的显著性水平上显著，这说明乡村初中数量对精准扶贫效率具有显著的负作用，乡村初中数量每增加1%，精准扶贫效率就降低0.046个单位。乡村初中数量是实现“保障义务教育”目标的重要变量，增加乡村初中的数量会使精准扶贫效率降低显然不符合常理，说明了当前的乡村初中并没有发挥应有的效益。出现负值的可能原因是教育财政支持力度不够，乡村初中建设不够完善，教育水平不够高，从而导致教育投入资源配置低效率，未能真正“保障义务教育”，也未能减轻贫困户的教育负担，进而导致精准扶贫效率的降低。

农用机械总动力（mach）的系数估计值为0.067，在5%的显著性水平上显著，这说明农用机械总动力对精准扶贫效率具有显著的促进作用，农用机械总动力每增加1%，精准扶贫效率就增加0.067个单位。“三农”问题主要是农业产业化的问题，只有农业发展，才有农民及农村的大发展。

村卫生室数量（hosp）的系数估计值为-0.043，在5%的显著性水平上显著，这说明村卫生室数量对精准扶贫效率具有显著的负作用，村卫生室数量每增加1%，精准扶贫效率就降低0.043个单位。村卫生室数量反映了“保障基本医疗”的目标实现情况，据统计，很多贫困户是因病致贫、因病返贫，因此，完备的医疗保障机制对于精准脱贫具有积极的作用，增加村卫生室数量会使精准扶贫效率降低显然不符合常理，说明当前农村卫生室并没有发挥应有的效益。出现负值的原因可能是农村卫生室医疗人员和医疗设备的数量不够，质量整体也不高，从而未能真正发挥“保障基本医疗”的作用，也就未能真正为因病致贫及因病返贫的贫困户提供医疗救助，从而导致精准扶贫效率的降低。

养老机构数量（care）的系数估计值为-0.024，在5%的显著性水平上显著，这说明养老机构数量对精准扶贫效率具有显著的负作用，养老机构数量每增加1%，精准扶贫效率就降低0.024个单位。养老机构数量反映了对老年人的安置情况，不少贫困户因为家里有老人，必须照看家庭，从而不能出去就业，也就没有收入，从而导致贫困加深，因此，养老机构数量增加应该有利于这部分贫困户脱贫，增加养老机构数量反而使精准扶贫效率降低显然不符合常理，说明当前养老机构并没有发挥应有的效益。因此，应该通过整体提升养老机构人员、机构设备以及服务等的质量和数量，提高养老机构自身的效率，进而提高农村精准扶贫效率。

农村低保支出（expd）对精准扶贫效率具有不显著的负作用，这可能是因为，虽然低保可以一定程度上缓解贫困户的资金困难，但是，贫困是一个长期的问题，仅靠低保救济是不可能长久有效的，仅仅靠低保，会养成贫困户的依赖性和“坐享其成”、“不劳而获”的想法，反而不利于脱贫。正所谓“扶贫先扶志和智”，只有贫困户思想上想脱贫，主动提高自身技能，靠自己双手去创造财富，才能真正实现脱贫。

4 结论与建议

4.1 结论

本文基于我国27 个有国家级贫困县的省（区）市2012-2017 年的面板数据，利用数据包络分析法（Data Envelopment Analysis，DEA），选取断尾回归模型对精准扶贫效率的区域差异及其影响因素进行了分析。结果表明：（1）我国精准扶贫效率均值为0.923，扶贫效率水平整体较高，且东、中、西部差异较明显。（2）不同省（区）市间精准扶贫效率水平差异较大，如江西、湖南和四川三省，效率均值均远低于0.800，需要进一步完善精准扶贫体系，提高精准扶贫效率。（3）从影响精准扶贫效率的因素来看，农用机械总动力越大，精准扶贫效率的提高越显著；乡村初中、村卫生室以及养老机构未能发挥扶贫应有的效益，需要通过进一步提高资源配置效率以及提高服务质量等途径充分发挥其对扶贫的促进作用，提高精准扶贫效率；农村低保支出对精准扶贫效率具有不显著的负效应。

4.2 建议

（1）加大脱贫攻坚投入与合作力度，贯彻落实各项扶贫政策。由上述研究结论可知，虽然我国精准扶贫效率整体较高，但区域差异性较大，且个别省（区）市效率极低，扶贫各项投入严重短缺。因此，要根据各地的实际情况，因地施策，在加大精准扶贫各项投入的同时，可以通过开展扶贫合作，互相借鉴，取长补短，建立合作帮扶的长效机制，推动脱贫攻坚取得新进展。

（2）继续推进新农村建设，保障贫困地区基本生活条件。对精准扶贫效率的影响因素分析结果表明，农村教育、医疗、养老等方面的基础设施建设都未能发挥应有的效益，在资源配置和服务质量等方面都有欠缺。因此，要进一步促进城乡协调发展，积极加大贫困地区基础设施建设力度，提高公共服务的质量，逐步提高社会保障水平，提高农村贫困人口的生活水平。

（3）做好就业扶贫工作，促进贫困地区劳动力转移就业［1］。“扶贫先扶志和智”，要使贫困户真正脱贫，首先就需要贫困户有脱贫的信念，说到底还是要让他们有持续的收入来源。因此，各扶贫部门可以通过对贫困劳动力进行技能培训，开发公益性岗位以及对接产业扶贫加工点等方式使更多贫困人口能够就近就业，努力把转移就业脱贫作为脱贫的根本之策。

（4）加大金融扶贫力度。无论基础设施建设还是农村产业发展，抑或是贫困人口创业就业都少不了资金支持，因此，要切实加强这些领域的金融服务，通过提供更加优质的金融服务和产品以及农村小额信贷等方式解决贫困地区资金不足和融资难等困难，提高贫困地区人民的生存与发展能力。