[25]。通過巴特利特球度檢驗和KMO檢驗是否適合運用因子分析法，該統計量的觀測值越大，說明變量間的共同因素越多。本文所選數據的巴特利特球度檢驗的卡方統計值對應的概率P-值<0.05，且KMO值為0.637，適合采用因子分析法。

表4-7KMO和巴特利特檢驗KMO取樣適切性量數.637巴特利特球形度檢驗近似卡方81.345自由度15顯著性.0004.3.2因子提取由特征根與方差貢獻表看出，在提取兩個因子作為公共因子時，所有變量的共同度均較高，累計方差貢獻率在95%以上，表明各個變量的信息丟失極少，本次因子提取的總體效果較滿意。表4-8總方差解釋成分初始特征值提取載荷平方和旋轉載荷平方和總計方差百分比累積%總計方差百分比累積%總計方差百分比累積%14.63877.29477.2944.63877.29477.2944.56676.09876.09821.12118.68095.9741.12118.68095.9741.19319.87695.9743.2013.35699.3314.028.46399.7945.012.19999.9936.000.007100.000表4-8描述了因子的初始特征值和因子旋轉前后的最終因子解情況，前兩個因子的特征值符合提取要求，第一個因子解釋六個指標總方差的77.294%，同理，第二個解釋原有變量總方差的18.68%，這兩個因子累計方差貢獻率為95.974%，包含了絕大多數信息，因此提取前兩個因子作為公共因子。通過因子旋轉，各因子的方差貢獻百分比發生變化，但總的累計方差貢獻率依然為95.974%，因子具有了更強的可解釋性。如圖4-2所示，第一個因子位于非常陡峭的線段上，對解釋原有變量的貢獻最大；其次是第二個因子，第三個及以后的因子所在的線段斜率絕對值開始變小甚至為零，方差累計百分比增加較慢，已經成為可忽略的“高山腳下的碎石”，進一步驗證了前面的結論，因此提取兩個因子是合適的。圖4-2碎石圖4.3.3因子的正交旋轉對因子載荷矩陣做出正交旋轉，以便得到可解釋性更強的因子。表4-9是每個指標在提取出來的公共因子上的載荷情況，其中第一個公共因子主要解釋了農村居民人均收入、農業總產值、農業保險賠付率、非貧困率和農業保險深度這幾個指標，可解釋為社會經濟效益指標；第二個公共因子主要解釋了森林覆蓋率這個指標，可解釋為生態可持續效益指標。表4-9旋轉后的成分矩陣成分12Zscore:農民人均純收入/元0.9780.199Zscore:農業總產值/萬元0.9760.190Zscore:農業保險賠付率0.946-0.190Zscore:西藏農牧區非貧困率0.9450.293Zscore:農業保險深度0.929-0.049Zscore:森林覆蓋率0.0660.9964.3.4計算綜合得分利用回歸法，確定所選指標與兩個公共因子的定量關系，估計因子得分系數，結果見表4-10，并根據成分得分系數矩陣寫出六個指標的得分函數：表4-10成分得分系數矩陣成分12Zscore:森林覆蓋率-0.0800.869Zscore:農業總產值/萬元0.2060.074Zscore:農民人均純收入/元0.2050.081Zscore:農業保險賠付率0.235-0.258Zscore:農業保險深度0.218-0.132Zscore:西藏農牧區非貧困率0.1890.167得分函數：A(4-2)A(4-3)A(4-4)A(4-5)A(4-6)A(4-7)最后以兩個因子的方差貢獻率為權數，采用計算因子加權總分法，對2010-2018年農業保險參與精準扶貧的效率影響進行綜合評價，計算公式為：F=0.7929(4-8)經過計算可得出2010~2018年的綜合得分，并按照總分進行排名，如表4-11所示：

表4-112010~2018年西藏農險精準扶貧效率的綜合得分年份F1F2F排名2010-1.2857349-1.0350054-1.233809492011-0.9056095-0.5192642-0.825598382012-0.5602317-0.4835104-0.544342972013-0.3879738-0.3216373-0.374235662014-0.40683171.693065310.0280522752015-0.08877571.749627360.29195349420160.70237101-0.29278230.49627698320171.25049497-0.42363750.9037859220181.68229158-0.36685891.257917121從上表的計算結果可看出，總分F由2010年的-1.2338分增長到2018年的1.2579分，體現出西藏農業保險在精準扶貧上的效率逐年提高。

5研究結論與對策建議5.1研究結論本文對西藏自治區農業保險精準扶貧效率展開研究分析，首先描述該地區的基礎條件，基于區域經濟學中投入與產出角度，考量農業保險是否對精準扶貧產生影響。確定影響關系后，從農戶、保險公司、政府三個利益主體的角度分別選取了農村居民人均收入、農業總產值、農業保險賠付率、非貧困率、農業保險深度和森林覆蓋率這六個評價指標，并以西藏2010~2018年的數據為基本依據，對農業保險的精準扶貧效率進行了的定性判斷和定量評價，得出以下結論：（1）西藏農業保險助力精準扶貧處于機遇與挑戰并存的現狀。農牧民占該地區總人口的絕大部分，從近六年的數據看出，經濟總量持續增長、農業保險保障水平逐年上升以及政府制定并實施了各項脫貧攻堅的計劃，越來越多的特色農產品險種被開發出來，這些都有利于農業保險精準扶貧效率的提高。但西藏自然條件惡劣，農戶的風險意識淡薄，同時近幾年農業保險存在著較高的賠付率，較高的理賠風險及道德風險必然會影響農業保險扶貧的精準性，從而給該地區農業保險精準扶貧的效率造成影響。（2）西藏農業保險精準扶貧的效率較高。主要體現在：通過2010年到2018年因子分析的最終總分排名可以看出，每年的總分都比上一年高，說明農業保險精準扶貧保持著較高的效率，為西藏實現全面脫貧提供有力的金融支持和風險保障。此外，評價西藏自治區農業保險精準扶貧效率的社會經濟效益因子得分增長較快，農業保險對該地區的經濟發展作用逐年提升，帶動了西藏自治區的經濟發展，形成了一個有效的農險精確幫扶效果。（3）西藏農業保險在生態可持續效益方面的精準扶貧效率有待提高。雖然總體上保持著較高的效率，尤其是農險精準扶貧在帶動社會經濟效益方面表現最為高效，而在帶動生態可持續效益方面的效率較低。西藏自治區農業保險精準扶貧效率的生態可持續效益因子得分只有在2015年和2016年為正值，其它年份得分均為負值，表明在生態環境方面還存在提升的空間。5.2對策建議5.2.1健全風險管理體系保險公司參與農險精準扶貧能夠彰顯其社會責任，但扶貧攻堅的進程中，一定要平衡承擔社會責任與保證公司利潤之間的關系。如果沒有視自身經營情況而盲目響應扶貧政策，不加篩選地承保高風險業務，導致公司經營風險長期處于較高水平，對農險精準扶貧的效率造成負面影響。我國貧困地區鼓勵農業不斷向規模化發展，而投保的農戶易忽視防災防損的重要性，一旦發生巨災風險，保險公司的風險分散機制將難以應對。這就要求保險公司精算風險分擔比例，制定出合理的保費，對承保的農業保險業務采取再保險分保模式，這樣才能在巨災風險賠付時成為鞏固精準扶貧成果的“穩定器”。同時，保險公司應該加強與氣象部門、風險管理部門和地區政府的合作，根據有效預測及時制定應急方案，加強風險處置能力。此外，保險公司要加強對農戶的信用評級管理，還可以選擇創新具有透明化、標準化特點的指數保險，努力將道德風險控制在較低水平。5.2.2提高貧困農戶的保險意識提高農戶對農業保險作用的認識，使用保險產品來轉移和分散風險，是推動農險市場化發展的根本路徑。把農業保險運用到扶貧攻堅中，首要條件是貧困農戶普遍認可、主動接受為擺脫貧困而設計的各種農險險種，只有這樣才能達到更好的扶貧效果，才能解決實施過程中出現的各種問題。因此，保險公司可以和基層政府分工合力，努力凝聚貧困農戶對農險參與精準扶貧的共識，通過事前宣傳和時候推廣，建立一對一的宣傳模式，提升農險精準扶貧的知曉率與參與率，營造良好的扶貧環境氛圍。只有貧困農戶對相關政策充分了解，保險意識得到增強，農險精準扶貧工作才能有序開展，扶貧成果才有可持續的生命力。5.2.3構建農戶增收長效機制貧困很大程度上是由貧困對象的可行能力較低造成，因此，通過農戶增收來實現貧困向內生轉化是最根本、最有效和最穩定的解決深度貧困地區脫貧問題的辦法。根據當地情況培育特色產業、轉變發展方式，把知情權、選擇權和監督權給予到貧困農戶手中，提高他們的勞動利益分享比例，切實維護農戶利益。其次，使用適當比例的農險資金開展扶志教育和加強農戶技能的培訓，引導農戶摒棄落后觀念，并對有就業意愿的農戶給予發展機會，激發其自我發展意識，讓他們轉變成為積極的建設者。另一方面，挖掘新產業的增收能力也是擺脫貧困的一種途徑。西藏以其神奇瑰麗的自然風光聞名，擁有布達拉宮、大昭寺等國家級重點文物保護單位，充分利用旅游產業持續升溫的契機，提升當地第三產業的生產總值，使之受益于貧困農戶。

參考文獻郭佩霞.反貧困視角下的民族地區農業保險補貼政策研究——以四川省涼山彝族自治州為例[J].經濟體制改革,2011(06):58-65.王韌,王弘軒.基于決策樹的農業保險精準扶貧研究——以湖南省14地市為例[J].農村經濟,2017(11):63-68.馮文麗.基于DEA-Tobit模型的我國農業保險效率及影響因素分析[J].金融與經濟,2015(02):69-72.邵全權,柏龍飛.農業保險對農戶消費和效用的影響[J].保險研究,2017(10):65-78.吳傳清.保險精準扶貧的路徑選擇與促進機制[J].經濟,2018(03):96-102.鄧維杰.精準扶貧的難點、對策與路徑選擇[J].農村經濟,2014(06):78-81.趙君彥.我國農業保險財政補貼效率的綜合評價—基于DEA模型[J].農村經濟,2015(05):89-91.鄭軍,杜佳欣.農業保險的精準扶貧效率:基于三階段DEA模型[J].貴州財經大學學報,2019(01):93-102.段亞東.河北省農業保險精準扶貧效率研究[D].河北經貿大學,2019.劉義圣,許彩玲.習近平反貧困思想及對發展中國家的理論借鑒[J].東南學術,2016(2):43-46.陳慧.黨的十八大以來江華縣精準扶貧研究[J].湘潭大學,2017(7):23-24.傅熠華.國家治理視閾下的精準扶貧[J].學習與實踐,2017(10):34-35.斷光華.河南農業保險“精準扶貧”問題研究——以中原農險為例[D].青海大學,2019.郭艷芳.新疆少數民族地區金融扶貧效績研究[D].石河子大學,2017.方田.農業保險保障水平的反貧困效應研究[D].安徽財經大學,2019.唐靜.鄉村振興戰略視角下西藏林芝市特色金融精準扶貧成效研究[J].西藏民族大學學報,2019.40(03):105-109.徐伍達.西藏深度貧困脫貧攻堅發展報告[J].新西部,2019(02):12-19.朱犇.淺議我國農業保險如何助推精準扶貧[J].上海保險,2019(09):57-59.周才云,李偉.精準扶貧視閾下我國農業保險扶貧困境與創新路徑[J].廣西社會科學,2017(08):147-151.李永芳,胡國生.深度貧困與保險支持——以西藏為例[J].中國保險,2019(01):12-18.史代敏.時間序列計量經濟模型[M]//龐皓.計量經濟學(第三版).北京:科學出版社,2014:237-253.韓勝男.農業保險精準扶貧效率評價指標體系構建[J].農業經濟,2018(12):99-100.史澤.阜平縣保險精準扶貧模式的效果評價[D].河北農業大學,2018.薛薇.因子分析概述[M].統計分析與SPSS的應用(第四版).北京:中國人民大學出版社,2014:288-308.張旭光,趙元鳳.農業保險財政補貼效率的評價研究——以內蒙古自治區為例[J].農村經濟,2014,(05):93-97.黃穎.我國農業保險保費補貼的績效評價——基于2009～2013年省級面板數據的DEA實證分析[J].西南金融,2015,(05):32-35.JalanJ,MRavallion.TransientpovertyinpostreformruralChina.JournalofComparativeEconomics[J].1996.SkeesJ.R.OpportunitiesforImprovedEfficiencyinRiskSharingUsingCapitalMarkets.AmericanJournalofAgriculturalEconomics[J].1999.BarryK.GoodwinandRoderickM.ReJesus.Safety