-
森林保险是管理林业风险的重要手段,对于稳定林业生产、保障林业经营者收入具有重要作用?009年,我国开始实行中央财政森林保险补贴政策,至今政策已经实施?3年。在这期间,森林保险责任范围不断扩大,保险产品不断丰富,投保面积和覆盖率显著提高[1]。但从实践来看,森林保险仍然面临产品设计不合理、有效需求不足、保险公司积极性不高、政府部门工作动力不强等发展困境[2-3]。我国森林保险政策体系还有待进一步完善,有必要对森林保险财政补贴政策实施效率进行评价,深入剖析我国森林保险发展过程中面临的问题及原因,探索实现我国森林保险可持续发展的措施、/p>
-
根据巴罗法则,建立林业系统的柯布-道格拉斯生产函数9/p>
$$ \mathrm{G}\mathrm{D}\mathrm{P}=A{K}^{\alpha }{L}^{\beta }{G}^{\gamma } $$ (1) 式中:GDP为林业生产总值,A为常数,K为林业资本存量,L为林业行业劳动力人数G为森林保险财政补贴规模,α?i>β?i>γ分别代表资本产出弹性、劳动力产出弹性、财政补贴的产出弹性。对式(1)两边分别取对数,得到本文的研究模型如下9/p>
$$ \mathrm{l}\mathrm{n}\mathrm{G}\mathrm{D}\mathrm{P}=\mathrm{l}\mathrm{n}A + \alpha \mathrm{l}\mathrm{n}K + \beta \mathrm{l}\mathrm{n}L + \gamma \mathrm{l}\mathrm{n}G + \varepsilon $$ (2) 式中9inline-formula>$ \varepsilon $
为随机误差项。令 $\gamma =\dfrac{\mathrm{d}\mathrm{l}\mathrm{n}\mathrm{G}\mathrm{D}\mathrm{P}}{\mathrm{d}\mathrm{l}\mathrm{n}{G}}=\dfrac{\mathrm{d}\mathrm{G}\mathrm{D}\mathrm{P}}{\mathrm{d}G}\times \dfrac{G}{\mathrm{G}\mathrm{D}\mathrm{P}}$ +inline-formula>$ \sigma =\dfrac{\mathrm{d}\mathrm{G}\mathrm{D}\mathrm{P}}{\mathrm{d}G} $,则财政补贴产出弹?inline-formula>$ \gamma =\sigma \times \dfrac{G}{\mathrm{G}\mathrm{D}\mathrm{P}} $ ,令财政补贴相对规模Z $ =\dfrac{G}{\mathrm{G}\mathrm{D}\mathrm{P}} $ ,故产出弹?inline-formula>$ \gamma =\sigma \times Z $。根据巴罗法则,决定最优财政支出规模的自然效率条件?inline-formula>$ \sigma =1 $ ,即政府每单位财政支出的边际成本?,按边际成本等于边际收益的原则,政府每增加一单位财政补贴时,林业生产总值也应该提高一单位,此时为最优财政补贴规模。若 $ \sigma > 1 $ ,则表明政府补贴过度;反之,?inline-formula>$ \sigma < 1 $,则说明政府补贴不足。根据以上理论,政府森林保险财政补贴最优相对规樠i>Z等于财政补贴产出弹?inline-formula>$ \gamma $ 、/p> -
林业生产总值选用林业第一产业产值表示;林业资本存量采用林业流动资金与固定资产使用费用表示;林业行业劳动力人数选用林业生产活动参与人数表示;森林保险财政补贴规模则是森林保险实施省份的实际补贴数据、/p>
由于我国?009年开始实施中央财政森林保险财政补贴政策,且截?019年尚有部分省份未开展森林保险或缺乏补贴数据,因此本文选择2013?019年数据完整的18个省(直辖市、自治区)展开研究。林业第一产业产值、林业流动资金与固定资产使用费用、林业生产活动参与人数的数据来源于《中国林业统计年鉴》,森林保险财政补贴规模的数据来源于《中国森林保险发展报告》、/p>
-
根据前文理论基础中对财政补贴效率的相关阐述,从经济效率和社会效率两个方面来描述森林保险财政补贴的综合效率。考虑到森林保险财政补贴效率是一个较为复杂的系统,受到众多因素的影响,只有采用多层次、多指标的综合评价体系才能保证对其的有效测度。因此,基于前文分析构建森林保险财政补贴效率的评价指标体系,运用熵权法对各指标进行赋权。作为一种客观赋权法,熵权法主要根据评价指标的离散程度确定权重,通过构造加权决策评价矩阵、确定指标的正负理想解、计算评价对象与理想解的距离、计算评价对象与最优方案的相对贴近度等步骤,进而得到森林保险财政补贴效率各评价指标及权重(?span class="xref">?)、/p>
?nbsp;1森林保险财政补贴效率各评价指标及权重
一级指栆/td> 二级指标 三级指标 权重 经济效率 规模效率 政府财政补贴/林业系统内第一产业总产倻/td> 0.41 资金使用效率 保险发生的赔付支?保费收入 0.19 结构效率 政府森林保险财政补贴?政府农林水事务支凹/td> 0.09 社会效率 贡献效率 当地林业第一产业产?当地生产总倻/td> 0.19 抗风险效玆/td> 农户的单位消费变?单位收入变化 0.05 反贫困效玆/td> 农户的人均可支配收入 0.08 仍span class="xref">?看出,经济效率的权重要比社会效率大,这意味着在评价森林保险财政补贴效率时,其经济意义的重要性略大于社会意义。经济效率方面,由于政府财政补贴是对资源的合理配置,在评价体系中的影响大,所以规模效率的权重最大(0.41);保险赔付发生意味着森林保险财政补贴政策起到了稳定林业生产的作用,因此资金使用效率的权重也比较大?.19);财政补贴在农林水事务支出中的占比是财政资金在农林事务中的静态结构,权重?.09。社会效率方面,当地林业第一产业产值在当地生产总值的占比衡量的是林业在地区发展中的重要程度,即贡献效率,该指标权重较大(0.19);虽然森林保险财政补贴在一定程度上减轻农户负担,但是部分保费支出会降低农户可获得的最大收入,因此反贫困与抗风险指标的权重不高、/p>
-
通过熵权法的测算,可以得到各个指标的权重
$ {W}_{j} $ ,并横向比较各个省份的相同指标,运用极差标准化的方法进行打分。在得到各省份的各项指标得分${a}_{ij}$ 的基础上(i代表省份+i>j代表指标),运用公式?)可得综合效率得刅inline-formula>$ {F}_{i} $9/p> $$ {F}_{i}={\sum} _{j=1}^{6}{W}_{j}{a}_{ij} $$ (4) 据此得到了不同省份各项指标的得分以及综合效率值(?span class="xref">?)。从?的效率得分结果可以看出:
?nbsp;22019年我?8个省(自治区、直辖市)各补贴效率倻/p>
地区 规模效率 资金使用效率 结构效率 经济效率 贡献效率 抗风险效玆/td> 反贫困效玆/td> 社会效率 综合效率 内蒙口/td> 100.00 8.91 100.00 4.40 9.61 57.85 28.25 27.12 56.29 海南 9.40 66.72 23.86 9.51 100.00 6.23 27.76 15.34 38.77 青海 80.84 4.37 34.19 5.23 0.00 55.82 7.68 17.58 37.23 广西 3.30 100.00 59.06 3.91 61.92 27.88 18.38 20.00 36.55 江西 4.12 72.96 54.02 19.96 54.79 28.13 29.32 41.60 31.82 福建 4.80 19.39 82.31 27.07 39.72 51.01 48.67 67.29 27.03 湖南 0.30 42.99 60.88 10.66 31.59 100.00 28.89 6.27 21.91 浙江 1.12 24.14 13.24 37.20 2.97 58.06 100.00 45.72 21.79 北京 4.91 0.32 10.72 4.53 5.19 0.00 96.14 35.54 21.33 辽宁 1.50 22.80 28.06 53.70 9.23 32.37 37.53 10.64 15.90 广东 0.65 22.82 30.10 10.60 4.72 64.15 45.58 24.22 15.88 安徽 2.00 1.73 21.97 29.58 40.25 30.04 27.79 44.26 12.90 四川 0.00 3.60 54.48 9.04 15.03 69.06 23.45 35.84 11.94 湖北 0.35 17.28 6.52 10.83 10.77 27.81 34.91 19.92 10.20 陕西 5.11 0.00 49.61 8.10 4.85 59.52 12.64 25.58 9.22 甘肃 14.00 0.59 16.70 5.82 3.25 27.76 0.00 19.47 7.50 河北 1.46 10.90 10.44 74.92 3.03 53.23 29.85 21.81 6.98 河南 1.02 12.00 0.00 18.93 5.61 61.62 28.17 43.72 6.77 首先,森林覆盖率对综合效率存在一定的正向促进作用。其中,福建、湖南和江西3省的综合效率在全国范围内较高,以?省都是我国的林业大省,森林面积广阔,林业经济发达,林业对地区经济增长有着积极的促进作用。在3省中,江西的资金使用效率较高,即政府和农户一定的保费支出可以带来较多的保险赔付,风险保障放大效应较强。而江西省公益林已经实现全省统保,商品林保险覆盖面也处于全国前列,森林保险财政补贴政策已经相对完善,每年有大量保险赔款可用于恢复造林,风险分散机制完善,森林保险开展效果较好。福建、湖南两省贡献效率较高,说明两省林业财政资金在森林保险上为经济社会带来的贡献较大,推动当地生产总值的增加。而位于中部平原地区的河南、河北省的综合效率值较低,即财政补贴效率值偏低,而两地的森林覆盖率较低,林业自然灾害相对较少、损失程度较轻,林业产业对当地社会经济发展的贡献小,综合效率较低。因此,森林覆盖率越高,林业越发达的地区,补贴效率值越高,初步推测假设1成立、/p>
其次,地方政府经济实力与综合效率之间没有显著的关系。浙江为经济发达地区,经济发展水平较高,其农户反贫困效率?8个样本中居于最高,财政补贴政策给农户带来的社会福利多。然而,反贫困效率较低的内蒙古、广西等地综合效率值高于浙江,这说明财政补贴效率与地区经济发展水平并无直接正向关系。因此,经济越发达的地区,补贴效率值并不是越高,初步推测假?不成立、/p>
再次,辽宁、广东和四川等第2批试点地区的综合效率值处于中等偏下水平。其中,四川的规模效率居全国最低,广东和辽宁两地的规模效率和贡献效率也较低。而综合效率值最高的内蒙古以及位列第三的青海两地,均?013年才开始实施森林保险财政补贴政策。由此可知,开展森林保险试点时间早,并不能显著提高地区的补贴综合效率,假设3不成立、/p>
总体来看,我国森林保险财政补贴政策实施取得了一定成效,北方林业大省内蒙古的综合效率值最高,福建、湖南和江西等南方林区也达到了较高的效率值。而浙江由于较高的农户收入水平,综合效率值也处于中等水平,这说明政府财政补贴在减少农户保费支出的同时,也提高了农户的可支配收入。但也有部分经济发达地区的综合效率得分偏低,如广东省,这说明我国森林保险财政补贴制度的设计和政府的财政职能实现还有待进一步完善。由于补贴效率受到众多因素的影响,为了进一步验证前述假设,下文通过回归分析探讨、/p>
-
基于前文对假设的初步检验,借鉴郑军筈sup>[22]的做法,以财政补贴综合效率为被解释变量,假定财政补贴效率的影响因素为解释变量。结合理论基础和假?、假?、假?,本文认为森林保险财政补贴效率可能受以下因素影响:森林覆盖率、地区生产总值反映的地区经济发展水平、财政补贴规模反映的政府财政支持力度。另外,选取反映农户参与保险情况的农户保费支出水平、农户人均可支配收入以及林业生产总值作为控制变量,并建立回归模型:
$$ S=C + {\alpha }_{1}F + {\alpha }_{2}R + {\alpha }_{3}M + {\alpha }_{4}I + {\alpha }_{5}N + {\alpha }_{5}P + \varepsilon $$ (5) 式中9i>S代表财政补贴效率综合得分+i>C为常数,
$ {\alpha }_{1}\mathrm{、}{\alpha }_{2}\mathrm{、}{\alpha }_{3}\mathrm{、}{\alpha }_{4}\mathrm{、}{\alpha }_{5} $ 为各变量的系数,F代表财政补贴规模+i>R是地区生产总值,M代表农户保费支付水平+i>I代表农户人均可支配收入,N是森林覆盖率+i>P是林业生产总值,$ \varepsilon $ 为随机误差项。采用逐步回归法,探索森林保险财政补贴综合效率的主要影响因素。逐步回归即是在初步划定自变量范围后,将解释变量逐个加入回归模型,每加入一个解释变量都要进衋i>F检验,同时对模型中已经存在的变量进衋i>t检验。当模型中新加入的变量使已存在的变量不显著时,则将其删除,如此反复操作,直到既没有不显著的变量需要删除,也没有显著的变量需要加入模型为止。最终回归结果见?、/p>?nbsp;3效率方程的回归结枛/p>
变量 系数 标准?/td> t倻/td> 显著性水干/td> C 129.906 44.513 2.918 0.012** N 0.400 0.183 2.191 0.047* F 0.001 0.000 4.033 0.001*** I 0.001 0.001 1.929 0.076* P ?0.855 3.710 ?.926 0.012** 注:*p< 0.1?sup>**p< 0.05?sup>***p< 0.01、/td> 模型整体?5%的置信水平下显著。从?的回归结果可以看出,森林覆盖率、财政补贴规模对财政补贴效率都有较为显著的影响,而地区经济发展水平并不会对补贴效率造成太大影响。其中,财政补贴规模更是?9%的置信水平下显著,这说明政府财政支持力度对财政补贴综合效率的正向影响作用较大,进一步验证了假设4;森林覆盖率对综合效率的影响方向一致,且在95%的置信区间显著,假设1得到了验证;地区经济发展水平在逐步回归的过程中被剔除,则进一步说明经济越发达的省份补贴效率并不是越高,因此假?不成立。另外,控制变量农户保费支出水平、农户人均可支配收入和林业生产总值对综合效率的影响均较为显著、/p>
由实证结果可知,政府的财政补贴规模对综合效率存在显著的正向影响。本文将根据前文所述的弹性理论和假设5来继续探究政府森林保险财政补贴的最优规模、/p>
-
根据Hausman检验结果,本文使用固定效应模型对林业生产函数进行回归。得到回归结果如?所示、/p>
?nbsp;4生产函数固定效应模型回归结果
lnGDP 系数 标准?/td> t倻/td> 显著性水干/td> lnK 0.537 0.104 5.170 0.000 lnL 0.345 0.075 4.590 0.000 lnG 0.042 0.021 2.000 0.051 lnA 7.300 0.989 7.380 0.000 从以上回归结果可以看出,模型整体显著,林业资本存量、林业行业劳动力人数以及森林保险财政补贴规模对林业产业的发展有显著的影响。其中林业资本存量的产出弹性为0.537,这意味着林业投资对林业总产值有显著正向影响,近年来林业产值的飞跃式增长与对林业的投资有着密不可分的关系。林业行业劳动力人数的产出弹性为0.345,这说明劳动力投入对林业总产值有显著正向影响。森林保险财政补贴规模的产出弹性为0.042,即在其他因素不变的情况下,财政补贴每增?%,林业系统第一产业生产总值平均增?.042%,政府可以根据目标林业产值增加值与该比值确定计划最优财政补贴值,提高政府财政补贴对林业产出的促进作用,使得补贴效率达到最大,这一结果也验证了假设5。将最优规模与2019年各省的实际补贴规模进行比较,发现全国大部分地区的财政补贴额占当地林业第一产业产值的比例都在1%以内,与最优规模还有一定差距、/p>
doi:10.13931/j.cnki.bjfuss.2021342
Performance Evaluation of China Forestry Insurance Subsidy and Measurement of the Optimal Subsidy Scale
?nbsp; 1森林保险财政补贴效率各评价指标及权重
一级指栆/td> | 二级指标 | 三级指标 | 权重 |
经济效率 | 规模效率 | 政府财政补贴/林业系统内第一产业总产倻/td> | 0.41 |
资金使用效率 | 保险发生的赔付支?保费收入 | 0.19 | |
结构效率 | 政府森林保险财政补贴?政府农林水事务支凹/td> | 0.09 | |
社会效率 | 贡献效率 | 当地林业第一产业产?当地生产总倻/td> | 0.19 |
抗风险效玆/td> | 农户的单位消费变?单位收入变化 | 0.05 | |
反贫困效玆/td> | 农户的人均可支配收入 | 0.08 |
?nbsp; 22019年我?8个省(自治区、直辖市)各补贴效率倻/p>
地区 | 规模效率 | 资金使用效率 | 结构效率 | 经济效率 | 贡献效率 | 抗风险效玆/td> | 反贫困效玆/td> | 社会效率 | 综合效率 |
内蒙口/td> | 100.00 | 8.91 | 100.00 | 4.40 | 9.61 | 57.85 | 28.25 | 27.12 | 56.29 |
海南 | 9.40 | 66.72 | 23.86 | 9.51 | 100.00 | 6.23 | 27.76 | 15.34 | 38.77 |
青海 | 80.84 | 4.37 | 34.19 | 5.23 | 0.00 | 55.82 | 7.68 | 17.58 | 37.23 |
广西 | 3.30 | 100.00 | 59.06 | 3.91 | 61.92 | 27.88 | 18.38 | 20.00 | 36.55 |
江西 | 4.12 | 72.96 | 54.02 | 19.96 | 54.79 | 28.13 | 29.32 | 41.60 | 31.82 |
福建 | 4.80 | 19.39 | 82.31 | 27.07 | 39.72 | 51.01 | 48.67 | 67.29 | 27.03 |
湖南 | 0.30 | 42.99 | 60.88 | 10.66 | 31.59 | 100.00 | 28.89 | 6.27 | 21.91 |
浙江 | 1.12 | 24.14 | 13.24 | 37.20 | 2.97 | 58.06 | 100.00 | 45.72 | 21.79 |
北京 | 4.91 | 0.32 | 10.72 | 4.53 | 5.19 | 0.00 | 96.14 | 35.54 | 21.33 |
辽宁 | 1.50 | 22.80 | 28.06 | 53.70 | 9.23 | 32.37 | 37.53 | 10.64 | 15.90 |
广东 | 0.65 | 22.82 | 30.10 | 10.60 | 4.72 | 64.15 | 45.58 | 24.22 | 15.88 |
安徽 | 2.00 | 1.73 | 21.97 | 29.58 | 40.25 | 30.04 | 27.79 | 44.26 | 12.90 |
四川 | 0.00 | 3.60 | 54.48 | 9.04 | 15.03 | 69.06 | 23.45 | 35.84 | 11.94 |
湖北 | 0.35 | 17.28 | 6.52 | 10.83 | 10.77 | 27.81 | 34.91 | 19.92 | 10.20 |
陕西 | 5.11 | 0.00 | 49.61 | 8.10 | 4.85 | 59.52 | 12.64 | 25.58 | 9.22 |
甘肃 | 14.00 | 0.59 | 16.70 | 5.82 | 3.25 | 27.76 | 0.00 | 19.47 | 7.50 |
河北 | 1.46 | 10.90 | 10.44 | 74.92 | 3.03 | 53.23 | 29.85 | 21.81 | 6.98 |
河南 | 1.02 | 12.00 | 0.00 | 18.93 | 5.61 | 61.62 | 28.17 | 43.72 | 6.77 |
?nbsp; 3效率方程的回归结枛/p>
变量 | 系数 | 标准?/td> | t倻/td> | 显著性水干/td> |
C | 129.906 | 44.513 | 2.918 | 0.012** |
N | 0.400 | 0.183 | 2.191 | 0.047* |
F | 0.001 | 0.000 | 4.033 | 0.001*** |
I | 0.001 | 0.001 | 1.929 | 0.076* |
P | ?0.855 | 3.710 | ?.926 | 0.012** |
注:*p< 0.1?sup>**p< 0.05?sup>***p< 0.01、/td> |
?nbsp; 4生产函数固定效应模型回归结果
lnGDP | 系数 | 标准?/td> | t倻/td> | 显著性水干/td> |
lnK | 0.537 | 0.104 | 5.170 | 0.000 |
lnL | 0.345 | 0.075 | 4.590 | 0.000 |
lnG | 0.042 | 0.021 | 2.000 | 0.051 |
lnA | 7.300 | 0.989 | 7.380 | 0.000 |