王淑賀

(河南財(cái)經(jīng)政法大學(xué) 工程管理與房地產(chǎn)學(xué)院，河南 鄭州 450046)

2015年11月，中共中央國(guó)務(wù)院頒布了《中共中央國(guó)務(wù)院關(guān)于打贏脫貧攻堅(jiān)戰(zhàn)的決定》，2018年中國(guó)脫貧攻堅(jiān)重點(diǎn)工作扎實(shí)推進(jìn)，2020年全國(guó)兩會(huì)召開(kāi)，在新冠肺炎疫情防控常態(tài)化背景下，再次重點(diǎn)強(qiáng)調(diào)了脫貧攻堅(jiān)工作的推進(jìn)，確保我國(guó)農(nóng)村貧困人口全部實(shí)現(xiàn)脫貧、貧困縣全部脫貧摘帽，實(shí)現(xiàn)貧困人口與全國(guó)人民一道同步邁入全面小康社會(huì)的宏偉目標(biāo)。

推動(dòng)脫貧攻堅(jiān)關(guān)鍵在于農(nóng)村人力資本要素。物質(zhì)資本的投入是“脫貧攻堅(jiān)”戰(zhàn)略實(shí)施的基礎(chǔ),但是物質(zhì)資本價(jià)值的發(fā)揮離不開(kāi)“人”的作用,人力資本是“脫貧攻堅(jiān)”戰(zhàn)略實(shí)施的內(nèi)在動(dòng)力。從目前來(lái)看，全國(guó)各地的農(nóng)村人力資本的投資水平有所上升,但大部分農(nóng)村地區(qū)仍然存在勞動(dòng)力質(zhì)量不高、區(qū)域投資不平衡等情況,要順利打贏“脫貧攻堅(jiān)”戰(zhàn),需深入了解農(nóng)村人力資本投資機(jī)制并進(jìn)行科學(xué)合理的農(nóng)村人力資本投資決策、激發(fā)農(nóng)村內(nèi)生經(jīng)濟(jì)增長(zhǎng)。目前，國(guó)內(nèi)研究者對(duì)農(nóng)村人力資本的研究焦點(diǎn)主要集中于農(nóng)村人力資本與經(jīng)濟(jì)增長(zhǎng)、農(nóng)民收入、農(nóng)村人力資本投資效率的影響因素以及不同視角下農(nóng)村人力資本的投資等。在農(nóng)村人力資本與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系上，李勛來(lái)等通過(guò)我國(guó)農(nóng)村人力資本與經(jīng)濟(jì)增長(zhǎng)關(guān)系的研究,認(rèn)為物質(zhì)資本投入對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)較大,而勞動(dòng)力投入與人力資本貢獻(xiàn)率相對(duì)較小[1]；李雪平通過(guò)對(duì)農(nóng)村人力資本與經(jīng)濟(jì)發(fā)展問(wèn)題的研究得出農(nóng)村人力資本存量與經(jīng)濟(jì)發(fā)展呈現(xiàn)顯著促進(jìn)作用的結(jié)論[2]。在農(nóng)村人力資本于農(nóng)民收入的關(guān)系上，姚旭兵等利用PVAR模型分析了農(nóng)村人力資本與農(nóng)民收入增長(zhǎng)的關(guān)系，研究發(fā)現(xiàn)農(nóng)村人力資本對(duì)農(nóng)民收入的影響存在顯著的區(qū)域異質(zhì)性[3]；李靜基于耦合模型對(duì)農(nóng)村人力資本與農(nóng)民收入之間的協(xié)調(diào)關(guān)系進(jìn)行了探索,得出存在耦合協(xié)調(diào)且協(xié)調(diào)度不斷提升的結(jié)論[4]。在農(nóng)村人力資本投資效率的影響因素上，高強(qiáng)等基于隨機(jī)前沿函數(shù)研究了我國(guó)農(nóng)村人力資本投資效率影響因素，結(jié)果表明教育資本、健康資本投入、農(nóng)村居民收入水平、制度變遷、信息化水平等有助于農(nóng)村人力資本投資效率提升,技能培訓(xùn)與人口遷移因素制約了農(nóng)村人力資本投資效率提升[5]。不同視角下農(nóng)村人力資本的投資，李越恒等在新型城鎮(zhèn)化視角下對(duì)我國(guó)農(nóng)村人力資本投資效率進(jìn)行了研究，為提高我國(guó)新型城鎮(zhèn)化進(jìn)程中農(nóng)村人力資本投資效率提供了建議[6]；楊英等在農(nóng)業(yè)供給側(cè)改革背景下分析了我國(guó)農(nóng)村人力資本發(fā)展現(xiàn)狀，提出了加強(qiáng)農(nóng)村人力資本投資的路徑[7]；劉超等在鄉(xiāng)村振興背景下探索了我國(guó)農(nóng)業(yè)人力資本投資效率，并提出了農(nóng)業(yè)人力資本投資效率低的原因[8]。陳紅等用傳統(tǒng)的DEA模型分析了黑龍江農(nóng)戶(hù)的人力資本投資效率[9]；孫輝等以我國(guó)14個(gè)農(nóng)業(yè)省份為例，采用傳統(tǒng)DEA模型研究了農(nóng)村人力資本投資效率并提出了相關(guān)建議，并認(rèn)為傳統(tǒng)DEA模型不能剔除環(huán)境因素與隨機(jī)誤差的影響，不能客觀反映真實(shí)效率值[10]。針對(duì)傳統(tǒng)DEA模型的缺陷，F(xiàn)ried等在其論文中提出了三階段DEA模型，通過(guò)考慮環(huán)境因素和隨機(jī)噪聲對(duì)效率的影響使最終計(jì)算出來(lái)的效率值可以更加真實(shí)地反映決策單元的內(nèi)部管理水平[11]。

2020年全國(guó)兩會(huì)指出，要全力打好脫貧攻堅(jiān)戰(zhàn)，但是農(nóng)村人才問(wèn)題仍然存在。筆者通過(guò)梳理文獻(xiàn)發(fā)現(xiàn)，現(xiàn)有研究在農(nóng)村人力資本投資效率方面涉及相對(duì)較少，且現(xiàn)有研究多使用傳統(tǒng)數(shù)據(jù)包絡(luò)分析方法不能客觀反映真實(shí)效率值。基于此，采用三階段DEA模型，對(duì)我國(guó)31個(gè)省(市、自治區(qū))2018年農(nóng)村人力資本投資效率進(jìn)行分析,以期為農(nóng)村人力資本建設(shè)提供參考。

一、模型與方法

(一)第一階段：傳統(tǒng)的BBC模型

該階段采用傳統(tǒng)的投入導(dǎo)向的BCC模型來(lái)計(jì)算原始投入和產(chǎn)出的效率值。BCC模型如下:

minθ-ε(e^TS-+eTS+)

(二)第二階段：利用SFA回歸調(diào)整第一階段投入

通過(guò)第一階段的計(jì)算，可以得出每個(gè)決策單元的效率值和投入的松弛變量。投入的松弛變量是原始投入與投入目標(biāo)值之間的差值，用[x-Xλ]表示。松弛變量受環(huán)境因素、隨機(jī)干擾和管理無(wú)效率的影響，使第一階段計(jì)算出的效率值可能存在誤差，因而不能客觀真實(shí)地反映各決策單元的情況。因此，在第二階段中應(yīng)把每個(gè)投入松弛變量與影響效率值估計(jì)的環(huán)境變量進(jìn)行SFA回歸分析，對(duì)管理無(wú)效率、環(huán)境無(wú)效率、隨機(jī)誤差因素進(jìn)行分離，最后根據(jù)所計(jì)算出的結(jié)果，調(diào)整投入值。隨機(jī)前沿模型對(duì)第一階段投入松弛變量進(jìn)行分解時(shí)，各投入的松弛變量作為被解釋變量，環(huán)境因素變量作為解釋變量，對(duì)每一個(gè)投入松弛變量建立一個(gè)回歸方程，其回歸方程如下：

Sni=f(Zi;βn)+vni+μni;i=1,2,…I;n=1,2,…,N

SFA回歸的目的是剔除環(huán)境因素和隨機(jī)因素對(duì)效率測(cè)度的影響，以便將所有決策單元調(diào)整于相同的外部環(huán)境中。調(diào)整公式如下：

i=1,2,…I;n=1,2,…,N

(三)第三階段：調(diào)整后的投入產(chǎn)出變量的DEA效率分析

用第二階段剔除了環(huán)境和隨機(jī)因素的同質(zhì)投入量Xni代入傳統(tǒng)的DEA模型，再次計(jì)算各決策單元的相對(duì)效率。此時(shí)，所求出的效率值僅剩下管理因素的影響，更能反應(yīng)出決策單元的管理無(wú)效率狀況。

二、變量選擇及數(shù)據(jù)說(shuō)明

(一)投入與產(chǎn)出變量

目前，國(guó)內(nèi)與國(guó)外對(duì)人力資本的評(píng)價(jià)指標(biāo)尚未形成一致意見(jiàn)。根據(jù)舒爾茨等人對(duì)人力資本的概括，再考慮到我國(guó)的具體情況及數(shù)據(jù)的可獲得性，投入、產(chǎn)出指標(biāo)和影響因素指標(biāo)的選取見(jiàn)表1。

表1 人力資本投資效率投入產(chǎn)出及影響因素的變量選擇情況

(二)數(shù)據(jù)說(shuō)明

鑒于數(shù)據(jù)的可獲得性與完整性，筆者選取國(guó)內(nèi)31個(gè)省的農(nóng)村人力資本投資情況為樣本，數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》。

三、實(shí)證分析

(一)第一階段：傳統(tǒng)DEA模型的實(shí)證結(jié)果

第一階段運(yùn)用以投入為導(dǎo)向的BCC模型，分別得到各省份2018年人力資本的技術(shù)效率(TE)、純技術(shù)效率(PTE)和規(guī)模效率(SE)。計(jì)算結(jié)果見(jiàn)表2。另外還會(huì)得到投入變量的理想值與原始值的差值即投入變量的松弛變量，此數(shù)據(jù)會(huì)運(yùn)用到第二階段的計(jì)算中。

由表2可知，在不考慮環(huán)境變量和隨機(jī)因素影響的情況下，2018年我國(guó)各省份農(nóng)村人力資本投資TE的均值為0.757，PTE的均值為0.908，SE的均值為0.834。在維持現(xiàn)有產(chǎn)出水平不變的條件下，投入減少24.3%可以達(dá)到有效生產(chǎn)的前沿面，從技術(shù)效率來(lái)看，必須減少9.2%的投入才能達(dá)到PTE有效，減少16.6%的投入達(dá)到規(guī)模有效。具體來(lái)看，處于有效生產(chǎn)前沿面的分別為上海、江西、海南、西藏4個(gè)省份，純技術(shù)有效的省份有6個(gè)，規(guī)模有效的省份有4個(gè)，其余省份則在純技術(shù)效率和規(guī)模效率方面存在不同程度的可改進(jìn)空間。各地區(qū)的技術(shù)效率值差異較大，最低效率為青海(0.543)，表明有45.7%多的投入為無(wú)效投入。全國(guó)有3個(gè)省份處于規(guī)模報(bào)酬遞減階段，5個(gè)省份處于規(guī)模報(bào)酬不變的階段，23個(gè)省份處于規(guī)模報(bào)酬遞增階段。總體來(lái)看，在未剔除環(huán)境因素與隨機(jī)因素影響的情況下，初始DEA效率表明我國(guó)人力資本投資的效率水平還較低。從第一階段得到的結(jié)果來(lái)看，規(guī)模無(wú)效是制約效率不高的主要因素。

表2 我國(guó)31個(gè)省(市、自治區(qū))人力資本投資初始效率

(二)第二階段：SFA模型結(jié)果分析

為了真實(shí)地反映我國(guó)31個(gè)省農(nóng)村人力資本投資的效率問(wèn)題，采用SFA模型方法來(lái)分離環(huán)境變量和隨機(jī)因素造成的影響。將第一階段每個(gè)決策變量的各個(gè)投入的松弛變量作為被解釋變量，解釋變量為前文所選取的環(huán)境變量:城市化率、農(nóng)村醫(yī)療衛(wèi)生水平，利用軟件Frontier4.1進(jìn)行SFA回歸分析，回歸結(jié)果見(jiàn)表3。Fried等人將投入的松弛變量看作是每個(gè)決策單元的的機(jī)會(huì)成本，如果解釋變量與投入的松弛變量呈現(xiàn)正相關(guān)關(guān)系，則表明解釋變量會(huì)促進(jìn)每個(gè)決策單元機(jī)會(huì)成本的增加，從而不利于每個(gè)決策單元生產(chǎn)效率的提高，相反，如果解釋變量與投入松弛變量呈現(xiàn)負(fù)相關(guān)關(guān)系，則表明解釋變量可以降低每個(gè)決策單元的機(jī)會(huì)成本，從而有利于每個(gè)決策單元生產(chǎn)效率的提高。

表3 投入的松弛變量與環(huán)境變量的SFA模型回歸

由表3可知，農(nóng)村醫(yī)療衛(wèi)生水平對(duì)前兩項(xiàng)投入有著顯著的正向作用，并且通過(guò)了顯著性水平的檢驗(yàn)，說(shuō)明農(nóng)村醫(yī)療衛(wèi)生水平越高的地區(qū)，投入冗余產(chǎn)生的越多，因此合理調(diào)整農(nóng)村醫(yī)療資源配置對(duì)提高農(nóng)村人力資本的投資效率有著重要的作用。城鎮(zhèn)化水平對(duì)三項(xiàng)投入的松弛變量也有著顯著的正向作用，并且通過(guò)了顯著性水平的檢驗(yàn)，說(shuō)明城鎮(zhèn)化率越高的地區(qū)，投入冗余越多，也即是存在較為明顯的資源浪費(fèi)情況，應(yīng)更加注重城鎮(zhèn)化率較高地區(qū)的各項(xiàng)投入的配置效率，減少浪費(fèi)；城鄉(xiāng)差距對(duì)前兩項(xiàng)投入存在顯著的正向作用，對(duì)第三項(xiàng)投入存在顯著的負(fù)向作用，并且通過(guò)了顯著性水平的檢驗(yàn)，說(shuō)明城鄉(xiāng)差距對(duì)三項(xiàng)投入產(chǎn)生的投入冗余存在不同。因此，合理的分配城鎮(zhèn)和鄉(xiāng)村的資源，尋求最佳配置均衡對(duì)改善農(nóng)村人力資本投資效率有著重要作用。農(nóng)民文化程度對(duì)前兩項(xiàng)投入變量存在顯著的正向作用，對(duì)第三項(xiàng)投入存在顯著的負(fù)向作用，并且通過(guò)了顯著性水平的檢驗(yàn)，說(shuō)明農(nóng)民文化程度對(duì)投入變量的影響存在差異。因此，合理調(diào)整對(duì)農(nóng)民的教育程度，尋求最優(yōu)的教育程度結(jié)構(gòu)對(duì)農(nóng)村人力資本的投資效率是很有必要的。通過(guò)對(duì)結(jié)果的分析，需要將外部環(huán)境變量和隨機(jī)因素剔除，最后使所有省份面臨相同的外部環(huán)境水平，這樣才能在第三階段的研究中得到真實(shí)準(zhǔn)確的結(jié)果。

(三)第三階段：調(diào)整后的DEA模型效率分析

對(duì)我國(guó)31個(gè)省2018年的農(nóng)村人力資本的投入變量進(jìn)行調(diào)整后，將原始產(chǎn)出與調(diào)整后的投入的數(shù)據(jù)導(dǎo)入到DEAP2.1軟件，運(yùn)行后則可以得到剔除了環(huán)境因素和隨機(jī)誤差的技術(shù)效率。結(jié)果見(jiàn)表4。

表4 我國(guó)31個(gè)省農(nóng)村人力資本投資調(diào)整后效率

由表4可知，在剔除環(huán)境變量和隨機(jī)因素影響的情況下，與第一階段結(jié)果相比，效率值發(fā)生了變化。2018年我國(guó)各省農(nóng)村人力資本投資技術(shù)效率均值由第一階段的0.771上升為0.796,純技術(shù)效率均值由第一階段的0.834上升到0.92，規(guī)模效率均值由第一階段的0.925下降到0.865。對(duì)投入進(jìn)行調(diào)整后，在維持現(xiàn)有產(chǎn)出水平不變的條件下，投入減少20.4%可以達(dá)到有效生產(chǎn)前沿面，減少8%的投入達(dá)到純技術(shù)效率有效，減少13.5%的投入達(dá)到規(guī)模有效。具體來(lái)看，處于有效生產(chǎn)前沿面的為上海、海南2個(gè)省份，純技術(shù)有效的省份有9個(gè)，規(guī)模有效的省份有2個(gè)。各地區(qū)的技術(shù)效率值差異仍然較大，最低效率得分為青海(0.576)，表明有42.4%的投入為無(wú)效投入。全國(guó)有29個(gè)省份處于規(guī)模報(bào)酬遞增階段，2個(gè)省份處于規(guī)模報(bào)酬不變的階段，0個(gè)省份處于規(guī)模報(bào)酬遞減階段。

從總體來(lái)看，DEA效率表明，我國(guó)農(nóng)村人力資本投資的效率水平還比較低，其中規(guī)模無(wú)效是制約效率不高的主要因素。經(jīng)過(guò)第三階段對(duì)投入的調(diào)整，相比較于第一階段的測(cè)量值，我國(guó)31個(gè)省中有20個(gè)省的技術(shù)效率有所提高，有9個(gè)省得技術(shù)效率有所下降，有2個(gè)省得技術(shù)效率保持不變。這說(shuō)明運(yùn)用傳統(tǒng)的DEA模型進(jìn)行估計(jì)，可能導(dǎo)致這些地區(qū)的效率值被高估，無(wú)法顯示出真實(shí)的情況，因此在測(cè)算效率時(shí)，有必要考慮環(huán)境因素和隨機(jī)干擾的影響，以便能夠真實(shí)地反映地區(qū)的技術(shù)效率并根據(jù)真實(shí)的效率值來(lái)提出可行的建議和改進(jìn)的方法。

(四)農(nóng)村人力資本投資效率均值的區(qū)域分布

由表5可知，我國(guó)農(nóng)村人力資本投資的技術(shù)效率均值整體水平偏低，呈現(xiàn)東部地區(qū)、中部地區(qū)、東北地區(qū)、西部地區(qū)依次減少的分布格局，可能是由于區(qū)域經(jīng)濟(jì)發(fā)展?fàn)顩r存在差距，各地政府對(duì)教育投資、健康投資、遷移投資的投入程度不同使得農(nóng)村人力資本投資效率較低，另外區(qū)域間資源稟賦差距較大，環(huán)境影響因素較多導(dǎo)致農(nóng)村人力資本投資利用率較低，存在資源浪費(fèi)；東北地區(qū)的純技術(shù)效率最低，東部地區(qū)的純技術(shù)效率最高，兩個(gè)區(qū)域之間的純技術(shù)效率均值相差13.1%；較高的規(guī)模效率主要集中在東部、中部和東北地區(qū)，西部地區(qū)的規(guī)模效率偏低。

表5 分區(qū)域劃分的農(nóng)村人力資本投資效率均值

四、結(jié)論與政策建議

本文運(yùn)用三階段DEA模型對(duì)我國(guó)31個(gè)省的農(nóng)村人力資本的投資效率進(jìn)行實(shí)證分析，得出了以下主要結(jié)論:

第一，運(yùn)用傳統(tǒng)DEA模型測(cè)算效率值會(huì)造成誤估。通過(guò)運(yùn)用SFA模型進(jìn)行剔除隨機(jī)誤差和環(huán)境因素的操作后，從平均水平來(lái)看，技術(shù)效率和純技術(shù)效率被低估，規(guī)模效率值被高估。第二，環(huán)境因素對(duì)投入冗余存在影響。在第二階段將環(huán)境因素對(duì)各項(xiàng)投入冗余值進(jìn)行了回歸分析，農(nóng)村醫(yī)療衛(wèi)生水平對(duì)前二項(xiàng)投入有著顯著的正向作用，城鎮(zhèn)化水平對(duì)三項(xiàng)投入的松弛變量有著顯著的正向作用，城鄉(xiāng)差距對(duì)前兩項(xiàng)投入存在顯著的正向作用，對(duì)第三項(xiàng)投入存在顯著的負(fù)向作用，農(nóng)民文化程度對(duì)前兩項(xiàng)投入變量存在顯著的正向作用，對(duì)第三項(xiàng)投入存在顯著的負(fù)向作用。第三，我國(guó)大部分省份處于規(guī)模報(bào)酬遞增階段。我國(guó)31個(gè)省中有29個(gè)省份處于規(guī)模報(bào)酬遞增階段，2個(gè)省份處于規(guī)模報(bào)酬不變的階段。第四，農(nóng)村人力資本投資效率均值區(qū)域差異顯著。技術(shù)效率呈東部地區(qū)、中部地區(qū)、東北地區(qū)、西部地區(qū)依次減少的趨勢(shì)；除了東北地區(qū)，其余地區(qū)的純技術(shù)效率整體處于較高水平；較高的規(guī)模效率主要集中在中東地區(qū)和東北地區(qū)，西部地區(qū)的規(guī)模效率偏低。

基于實(shí)證分析的結(jié)果以及文章研究背景，提出以下幾點(diǎn)建議：

一是落實(shí)由“輸血式扶貧”到“造血式扶貧”，加大對(duì)農(nóng)村的教育扶貧力度，培育貧困農(nóng)民，推動(dòng)新型職業(yè)農(nóng)民政策，掌握農(nóng)業(yè)技術(shù)；此外需要建立健全就學(xué)資助服務(wù)體系、完善學(xué)?；A(chǔ)設(shè)施，保障貧困家庭子女擁有接受教育的權(quán)利和高質(zhì)量的教育環(huán)境，從根本上助力農(nóng)村脫貧。二是在國(guó)家倡導(dǎo)精準(zhǔn)脫貧的背景下,農(nóng)村人力資本的投資不僅要注重教育,而且要保障農(nóng)民的健康，因此需要擴(kuò)大對(duì)農(nóng)村醫(yī)療衛(wèi)生資源的投入力度、完善醫(yī)療服務(wù)條件、提升醫(yī)務(wù)人員文化水平、加強(qiáng)健康知識(shí)普及教育，提高貧困農(nóng)村地區(qū)的健康資本。三是要突破“城鄉(xiāng)二元結(jié)構(gòu)”的局限，建立城鄉(xiāng)統(tǒng)一的就業(yè)政策,避免大量農(nóng)業(yè)人口外移,出現(xiàn)農(nóng)村地區(qū)“空心化”的現(xiàn)象。四是切實(shí)踐行2020中央一號(hào)文件，繼續(xù)增加對(duì)貧困地區(qū)的財(cái)政投入，推動(dòng)西部、東北地區(qū)的振興，縮小農(nóng)村人力資本投資效率的差距，確保脫貧攻堅(jiān)任務(wù)高質(zhì)量完成。