我國農業科技成果轉化中科技與金融結合效率研究*

唐婭楠，王秀芳

(河北農業大學 經濟貿易學院,河北 保定 071001)

?

我國農業科技成果轉化中科技與金融結合效率研究*

唐婭楠，王秀芳

(河北農業大學 經濟貿易學院,河北 保定 071001)

為對我國農業科技成果轉化中科技與金融的結合效率進行科學測定，采用農業科技成果轉化的各項金融投入與科技產出指標，運用兩階段DEA模型，對我國農業科技成果轉化科技金融結合的綜合技術效率、純技術效率、規模效率進行測定，進一步研究了各個投入產出變量的冗余問題。結果表明，我國農業科技成果轉化中科技與金融結合整體處于無效狀態，其主要原因是直接技術產出不足和技術性收入不足，即在農業科技成果轉化中前期研發、中試、熟化環節的效率較低,并提出了針對性的對策建議。

農業科技金融；農業科技成果轉化；結合效率；DEA模型

2014年11月9日，習近平主席在APEC工商領導人峰會開幕式主旨演講中，對中國經濟新常態進行了全面闡述和解讀，其中著重指出中國經濟增長的新常態要由要素驅動轉變為創新驅動。而創新能否有效驅動經濟增長的關鍵在于科技成果能否及時轉化為生產力，進而轉化為產值促進經濟增長和居民收入的提高。2015年1月8日，國家科技部發文《中共科學技術部黨組關于落實創新驅動發展戰略 加快科技改革發展的意見》中重點指出要大力加速科技成果轉化，并積極推動《促進科技成果轉化法》修訂和相關配套措施制定，加快構建科技成果轉化體系[1]。可見國家對于科技成果轉化的重視程度已經提升到了立法保護的高度。

近年來，我國每年通過鑒定的農業科技成果約7 000 項，但許多成果沒有實現轉化和應用[2]。世界發達國家農業科技成果轉化率是65%～85%，農業科技進步貢獻率為60%～80%，而我國分別為40%和45%左右[3]。雖然我國對于科技成果轉化已經有引導基金和稅收優惠等引導性政策，但對于農業科技成果轉化的專項政策較少[4]，農業科技成果轉化能否順利實施是關系到我國糧食安全與農業發展的重大戰略性問題。因此研究我國農業科技成果轉化中科技與金融的結合效率，找出制約效率提高的癥結所在，并提出有針對性的對策建議，對于促進農業科技成果轉化具有重要意義。

筆者采用數據包絡分析法(DEA)研究方法，出于兩點考慮，一是此方法在事先不知道生產函數的情況下適合做投入產出效率研究，二是國內已有不少學者運用此方法對某產業或者區域性的科技與金融結合效率進行科技金融結合效率的研究。如呂江林基于DEA模型研究了我國及江西省科技金融投入產出效率，得出江西省在全國的科技金融效率較好的結論[5]；王君華等利用DEA研究方法對湖北省高新技術產業的R&D投入產出效率進行評價，得出了整體效率較低的結論[6]；陳軍梅運用DEA與Malmquist指數結合的方法，對寧夏科技金融結合效率進行評價，得出寧夏科技金融結合整體效率不高、金融投入與科技產出處于非均衡狀態、資源沒有實現最優配置的結論[7]。上述研究結論對于指導當地政府制定相關政策具有較強的指導作用。

一、指標、數據和模型介紹

根據數據的可獲得性，將2005～2012年各年份的我國農業科技成果轉化項目的金融投入與科技產出情況分別定義為8個決策單元，選取我國農業科技成果轉化的主要金融投入與科技產出指標，采用兩階段DEA模型，測定我國農業科技成果轉化中科技金融的結合效率，并且對測定結果做出說明。

(一)指標選擇與數據來源

根據數據的可獲得性，將2005～2012年每年我國農業科技成果轉化情況分別作為8個決策單元進行模型構建?2001年起，我國設立了農業科技成果轉化專項財政資金，重點支持農業科技成果的初期開發、中試、熟化等環節。專項資金成立以來，科技部對農業科技成果轉化資金支持項目的投入和產出一直有過零星統計，但是，2005年后，科技部對我國農業科技成果轉化項目的金融投入和科技產出的各項指標統計才系統化、完整化的以報告形式公布。截至2015年1月，科技部網站的最新數據更新到了2012年。。參考學者們采用DEA研究方法研究我國及各地區科技金融結合效率的指標選擇，選取如下指標。

我國農業科技成果轉化的金融投入來源可以歸集為5類，中央政府投入資金、地方政府投入資金、項目承擔單位自籌資金、銀行貸款和其他資金。由于中央政府投入資金與地方政府投入資金都屬于政府投入資金，為使DEA計算結果更加準確，應在決策單元個數有限的情況下盡量合并同類指標，因此將這兩級政府投入資金加總代入模型，選取這政府投入、項目承擔單位自籌、銀行貸款和其他資金4類資金投入作為我國農業科技成果轉化的金融投入指標。

為了準確反映我國農業科技成果轉化項目中科技產出的情況，從統計指標中選擇了能代表科技產值的指標，即“技術性收入”；直接的科技成果產出，即“新品種及新產品”、“新設備”、“新材料”、“新技術及新工藝”、“中試線”、“新生產線”6個指標；理論貢獻，即“論文數”、“專利數”。為了在決策單元數量有限的情況下使計算結果更加準確，應該盡量合并同類的科技產出指標。根據上述分類，設置“技術性收入”為第1個科技產出指標，將直接科技成果5項指標加總構成第2個科技產出指標“直接科技成果”，將理論貢獻2項指標加總構成第3個科技產出指標“理論貢獻”。

本文所涉及指標數據有3個來源：2010～2011年金融投入數據來源于《中國科學技術發展報告(2010～2011)》；2011～2012年科技產出(除銷售收入與技術性收入)數據來源于科技部2014年9月11日文《國家農業科技成果轉化資金2014年度監理驗收作順利完成》；其他數據來源于《國家科技計劃年度報告(2004～2013)》。由于我國農業科技成果轉化資金支持項目的驗收期為2年，因此當年的金融投入對應的是2年以后該年項目驗收時的科技產出指標。

(二)模型介紹

數據包絡分析法(Data Envelopment Analysis，簡稱DEA)是考慮多個投入(資源)變量和多種產出(服務)變量的產生，用以比較提供相似服務的多個生產決策單元之間的相對效率[8]。運用DEA模型時：各投入指標和產出指標之間的函數關系不明晰時就可以同時計算相應指標；模型可以自行計算權重，不需要主觀賦予權重值，使得評判過程更加公平客觀；投入和產出指標數據不需進行無量綱化處理，數據不受計量單位影響；DEA模型可以對決策單元有效性進行定量評價，還可以進一步分析非有效的原因及改進方向、改進程度，從而使決策更加科學[9]。DEA數據包絡分析法中，首先運用CCR模型測算各個投入變量的冗余與產出變量的不足問題，再進一步運用BBC測算出是純技術效率不足還是規模效率不足影響了綜合效率的提高。筆者分別運用DEA數據包絡分析法中的CCR模型和BCC模型，將兩個模型結合起來使用，力求對我國農業科技成果轉化中科技金融結合效率做出全面科學的研究。

1.CCR模型

CCR模型是DEA模型中最基本的形式，用于評價決策單元的整體效率，測算各個投入產出要素的“冗余”和“不足”，提供改進方向和改進規模。

假設有n個生產決策單元DMU、m個投入變量和k種產出變量，第i個DMU的投入變量Xi和產出變量Yi分別表示m維和k維的投入產出向量。假設規模報酬不變(也就是采用CCR方法)，加入松弛變量和非阿基米德無窮小變量，可以得到CCR模型[10]，如公式(1)、公式(2)。

minθc

(1)

(2)

公式(1)和公式(2)中，e1,e2∈Rk分別為m維和k維單位向量，X0和Y0表示被評價的DMU0的投入和產出向量。IS和OS分別表示對DMU0進行結構調整的松弛變量。

當θ=1時，稱此決策單元DMU0為DEA有效，此時在原投入基礎上的產出已達到最優；當θ<1時，稱此決策單元DMU0為DEA無效。

2.BCC模型

BCC是對于CCR模型的延伸和改進。CCR模型只能評價一個決策單元是否有效，而無法說明一個效率弱的決策單元是由那種影響因素導致的。BCC模型將CCR模型中的“固定規模報酬”假定去掉，變為“可變規模報酬”，這樣便可以分析出技術無效在多大程度上導致了決策單元的無效。

二、我國農業科技成果轉化科技與金融結合效率測定

(一)DEA模型測定

筆者將我國農業科技成果轉化的金融投入與科技產出數據進行匯總和整理，借助DEAP2.1軟件，采用兩階段DEA模型，根據CCR模型計算結果得出我國農業科技成果轉化金融投入與科技產出綜合技術效率、純技術效率、規模效率，結果見表1；根據BCC模型再次驗證綜合技術效率值，并計算得出我國農業科技成果轉化各個投入產出指標的松弛變量，即金融投入冗余與科技產出不足的情況，結果見表2、表3。

表1 2009～2012年我國農業科技

數據來源：作者計算。

表2 2005～2012年我國農業科技成果

數據來源：作者計算。

表3 2005～2012年我國農業科技成果轉化金融投入的松弛變量 /萬元

數據來源：作者計算。

(二) 測定結果分析

1.綜合技術效率

CCR模型和BCC模型對于2005～2012年我國農業科技成果轉化金融投入與科技產出的綜合技術效率的計算結果是一致的，結果如表2所示。總體看來，2005～2012年我國農業科技成果轉化金融投入與科技產出的綜合技術效率測算值為0.875，小于0.9，為非DEA有效，這說明農業科技成果轉化中科技金融的結合效率是非均衡的，處于非有效狀態。在8年中，綜合技術效率處于有效狀態的有4年，分別是2005年、2007年、2008年、2012年。其余4年綜合技術效率值均小于0.9，表明這4年中，雖然國家和社會非常重視對農業科技成果轉化項目的金融扶持，但是我國農業科技成果轉化金融投入與科技產出的綜合技術效率仍處于非有效狀態，需要對金融投入與科技產出的數量、方式以及科技金融結合過程進行改進才能使其達到有效狀態。因此，要進一步探究造成我國農業科技成果轉化資金非有效狀態的制約因素。

2.純技術效率

CCR模型對于2005～2012年我國農業科技成果轉化金融投入與科技產出的純技術效率的測算結果如表2所示。總體看來，2005～2012年我國農業科技園區金融投入與科技產出的純技術效率測算值為0.942，大于0.9小于1，為DEA相對有效。在8年中，2010年和2011年的純技術效率小于0.9，處于DEA無效狀態，2006年和2009年的純技術效率為介于0.9到1之間，處于DEA相對有效狀態，其余4年的純技術效率均為1，處于DEA有效狀態。這說明在農業科技園區金融投入轉化為科技產出的過程中，資金管理方式、資金使用效率等中間環節的管理操作存在一定的不足，尤其是2006年和2009年，農業科技成果轉化資金的管理方式和使用效率存在嚴重的問題，之后雖有所改進，但是總體還是處于相對有效狀態，且效率值不高，純技術效率是綜合技術效率提高的重要制約因素。

3.規模效率

CCR模型對于2005～2012年我國農業科技成果轉化金融投入與科技產出的規模效率和規模有效性的測算結果如表2所示。總體看來，2005～2012年我國農業科技成果轉化金融投入與科技產出的規模效率測算值為0.925，大于0.9小于1，為DEA相對有效，并且規模有效性為“drs”即規模報酬是遞減的。在8年中，2006年、2009年和2010年3年的規模效率都小于0.9，處于DEA無效， 2011年規模效率值介于0.9到1之間，處于DEA相對有效，且這4年的規模報酬是遞減的，說明金融投入與科技產出的規模沒有達到均衡，規模報酬是遞減的，存在較嚴重的投入冗余和產出不足問題，其余4年的規模效率為1，處于DEA有效，并且規模報酬不變，說明這4年我國農業科技成果轉化的金融投入與科技產出的規模達到了最優均衡狀態。對比來看，8年間我國農業科技成果轉化的科技與金融結合的規模效率值略小于純技術效率值，由此可見，規模效率是綜合技術效率提高的主要制約因素，應該進一步探索各個投入產出指標的冗余問題。

4.投入產出冗余情況

產出的松弛變量表示的是產出的實際值距離目標值的差距，即產出不足情況，松弛變量為正表

示產出的不足量；投入的松弛變量表示的是投入的實際值與目標值的差額，即投入冗余情況，松弛變量為正表示投入的冗余量。2005年、2007年、2008年和2012年我國農業科技成果轉化金融投入與科技產出各個指標的松弛變量均為0，說明這4年的各項投入指標不存在冗余情況，各項產出也不存在不足情況。這與CCR模型測算出的4年的綜合技術效率、純技術效率、規模效率值都為1，達到了DEA有效狀態，且規模報酬不變的結果是相吻合的。

2010～2012年我國農業科技成果轉化科技產出的3個指標都存在一定的不足，總體看來，技術性收入的不足為7.116%，且只有2006年1年存在不足；直接技術產出的不足為14.154%，有2006年、2009年和2010年3年存在不足；理論貢獻的不足僅為0.683%，且只有2011年1年存在不足。由此可見，在產出不足的問題中，直接技術產出的不足是最突出問題，其次是技術性收入不足，理論貢獻的不足幾乎可以忽略不計。這說明，在我國農業科技成果轉化項目的金融投入科技研發過程中理論成果貢獻的產出能力是相對較高的；在由理論貢獻與直接技術產出轉化為技術性收入的過程中存在一定不足，說明農業科技成果轉化中的熟化和技術轉化為產值的環節存在一定問題，但由于是科技成果轉化的支持資金，此種不足并不是最為突出的問題；在農業科技成果轉化支持項目中，不足的重點在于直接技術產出，主要問題出在了初期開發、中試等環節。

2005～2012年我國農業科技成果轉化金融投入的4個指標均存在一定的冗余，但是這些冗余是基于現有產出的基礎上計算出來的，并不能完全說明在實際情況中農業科技成果轉化中對于政府投入資金和企業投入資金的需求不足，在科技產出提高的情況下，還要持續增加金融投入。其中政府資金的冗余為1.666%，且只有2006年存在冗余，是4個指標中冗余最少的，這說明相對于其他資金而言，財政的支持力度相對較小。

三、結論及對策

第一，2005～2012年我國農業科技成果轉化金融投入與科技產出的綜合技術效率為0.875，為非DEA有效，這說明農業科技園區中科技金融的結合技術效率是非均衡的，處于無效狀態。2005年、2007年、2008年、2012年4年處于有效狀態，其余4年處于無效狀態，這表明雖然國家和社會非常重視對農業科技成果轉化項目的金融扶持，但是我國農業科技成果轉化金融投入與科技產出的綜合技術效率仍處于非有效狀態，需要對金融投入與科技產出的數量、方式以及科技金融結合過程進行改進才能使其達到有效狀態。

第二，2005～2012年我國農業科技成果轉化金融投入與科技產出的純技術效率和規模效率的測算值分別為0.942和0.925，總規模報酬是遞減的，均處于DEA相對有效狀態，規模上存在投入冗余和產出不足問題，沒有達到最優規模。我國農業科技成果轉化的科技與金融結合的純技術效率和規模效率都是制約綜合技術效率提高的重要因素，規模效率值略小于純技術效率值，由此可見，規模效率是綜合技術效率提高的主要制約因素，應該進一步探索各個投入產出指標的冗余問題。

第三，我國農業科技成果轉化在2005～2012年間，除2005年、2007年、2008年和2012年科技產出和金融投入指標均達到了有效前沿外，其余4年都出現了金融投入冗余與科技產出不足的問題。在產出上：理論成果貢獻的產出能力是相對較高的；在由理論貢獻與直接技術產出轉化為技術性收入的過程中存在一定不足，說明農業科技成果轉化中的熟化和技術轉化為產值的環節存在一定問題；不足的重點在于直接技術產出，主要問題出在了初期開發、中試等環節。這說明現在的農業科技成果轉化項目的承擔單位大都把主要精力放在了發表論文、出版專著、申請專利的理論成果上，對于理論成果轉化為技術、轉化為生產力、轉化為產值的重視力度不足。在投入上，4個指標都存在一定的冗余，但是這些冗余是基于現有產出的基礎上計算出來的，并不能完全說明在實際情況中農業科技成果轉化中對于政府投入資金和企業投入資金的需求不足，在科技產出提高的情況下，還要持續增加金融投入。其中政府資金的冗余是4個指標中冗余最少的，這說明相對于其他資金而言，財政的支持力度相對較小。

由以上結論可知，想要充分發揮農業科技成果轉化金融資金的使用效率，最關鍵的是各農業科技成果轉化項目承擔單位要加大農業科技成果轉化中的初期研發和中試環節的研究效率，進一步改進理論貢獻和直接技術成果轉化為生產力進而轉化為科技產值的保障機制，把重點由注重發表論文、出版專著、申請專利的理論成果轉移到理論成果向技術產出轉化、向生產力轉化、向科技產值轉化的環節上來。另外，我國農業科技成果轉化項目中，不需要盲目地進行政府、企業和自籌資金的研發投入，盲目地擴大項目規模，而是要根據實際的資金需求狀況，采用合理的方式進行投入，大力發揮財政資金的杠桿作用，并努力提高金融投入的科技產出效率。

[1]中共科學技術部黨組.中共科學技術部黨組關于落實創新驅動發展戰略加快科技改革發展的意見[Z].2015-01-08.[2]熊桉.供求均衡視角下的農業科技成果轉化研究——以湖北省為例[J].農業經濟問題,2012 (4):44-48.

[3]馬卿,崔和瑞.國外農業科技成果推廣模式的比較及借鑒[J].農業科技管理,2008,27(2):84-87.

[4]李玲娟，霍國慶，曾明彬，等.基于價值鏈的科技成果轉化政策述評[J].農業經濟問題, 2014,32(1):10-14,38.

[5]呂江林,王新龍,宋高堂，等.中部地區與東部發達省市科技與金融結合效率的比較研究——基于DEA模型的分析[J].金融與經濟,2012(10):7-11.

[6]王君華,易成剛.高新技術產業R&D投入產出效率研究——以湖北省為例[J].統計與決策,2014(21):111-113.

[7]陳軍梅.基于DEA-Malmquist指數方法的寧夏科技金融結合效率研究[J].寧夏大學學報(人文社會科學版),2014,36(4):141-146.

[8]李斌,趙新華.中國全要素生產率的估算:1979-2006[J].統計與決策,2009(14):103-105.

[9]崔傳斌.全要素生產率國外研究文獻綜述[J].理論與方法,2010(10)：96-99.

[10]周曉林,吳次芳,劉婷婷,等.基于DEA的區域農地生產效率差異研究[J].中國土地科學,2009,23(3):60-65.

(責任編輯：劉 燕)

Research on the Combining Efficiency of Science and Technology with Finance in Chinese Agricultural Transformation of Scientific and Technological Achievements

Tang Yanan, Wang Xiufang

(School of Economics and Trade, Hebei Agricultural University, Baoding Hebei 071000，China)

In order to make a scientific determination of the combining efficiency of science and technology with finance in Chinese agricultural transformation of scientific and technological achievements, using two-stage DEA model, we determined comprehensive technical efficiency, pure technical efficiency and scale efficiency in the combination by selecting the financial input and output of science and technology indicators in the transformation, and further studied the redundancy problem of each input and output variables. Results showed that the combination of the transformation was in a invalid state, the main reason was the deficiency of technology output and inadequate technical income, the efficiency of previous research, pilot plant and curing link was not high enough. Based on this, some targeted countermeasures and suggestions were put forward.

agricultural science and technology finance; agricultural science and technology achievements transformation; combining efficiency; DEA model

10.3969/j.1672-7991.2015.02.005

河北省社會科學基金項目“農業科技創新風險投資運行機制研究”(HB13JJ042)；河北省教育廳人文社會科學研究重大課題攻關項目“京津冀協同發展背景下河北省現代農業發展戰略研究”(ZD201421)。

2015-05-28；

2010-06-15

唐婭楠(1989-)，女，河北省保定市人，在讀碩士研究生，研究方向為金融理論與政策、農業科技金融。

王秀芳(1964-)，女，河北省滄州市人，教授，博士，主要從事金融理論與政策、農業科技金融研究。

F299.22

A

1672-7991(2015)02-0023-05