基于DEA的廣東省農業科技投入效率分析

楊林 鄭麗芳 李運南 吳儉峰

摘 要：農業是人類生存和發展的前提和根本，農業技術的發展是促進農業進一步發展的有效手段。農業科技的進步有利于促進農業進一步的發展，但廣東省農業技術發展的很多領域還處于較低的水平。通過超效率DEA模型對廣東省2004至2012年間的農業科技投入的效率進行分析發現，廣東省農業科技出現了投入資金不足、科學技術方面的人才短缺等問題。因此，廣東省運用先進地區的經驗，找出問題，抓住重點，完善相關體系。

關鍵詞：廣東 農業科學技術 投入 超效率DEA

中圖分類號：F224 文獻標識碼：A 文章編號：1674-098X（2015）03（a）-0105-04

自改革開放以來，廣東省農業生產總值提高了27倍多，每667m2耕地農業產值位居全國第二位，農業總產值和主要農產品產量躋身全國前列。然而，廣東農業的進一步發展仍然面臨著各種各樣的制約因素，農業科技投入成為了農業發展的首要制約因素。我們這里將運用超效率DEA模型對廣東省農業科學技術投入的效率進行分析，進而提出相應的建議，為廣東省農業科技政策制定提供借鑒。

1 DEA方法概述

在進行效率評價過程中，常用的方法主要有參數法和非參數法兩大類。其中參數法主要包括隨機邊界函數分析（SFA）、厚邊界函數法（TFA）和自由分布方法（DFA）等，但這些方法在邊界函數設定方面帶有很強的主觀性，而函數形式的設定形式和準確程度對效率值均有非常大的影響。非參數a化方法最典型的是數據包絡分析法（DEA），它特別適用于具有多個投入變量和產出變量的復雜系統，能夠同時評價出規模效率和技術效率；相對于其他前沿分析，DEA模型更適合于小樣本效率分析。Seiford和Thrall（1990）指出，DEA模型所評價的效率前沿具有相當的穩健性。此外，DEA模型具有其他優點：（1）DEA模型關注的是對每個決策單元（DMU）的優化問題，進而能使得出的相應的相對效率是最大值。（2）DEA中模型的權重由最優化過程產生，不需要事前設定投入與產出的權重，因而不受人為主觀因素的影響。（3）DEA模型既能對每一個DMU投入產出指標的相對效率進行評價，又能通過投影分析，將非有效DMU向DEA的“生產前沿面”投影，進而確定各非有效DMU的弱勢、需要改進的方向和調整的數量。考慮到農業科技投入效率取決于多個方面的因素，需要從多方面進行測度。因此，我們在對廣東省農業科技投入效率進行評價時也采取DEA模型。結合農業科技投入效率評價的實際需要，我們這里主要使用CCR和BCC這兩種基本的DEA模型，其具體方程表達如下：

（1）C2R模型

（2）B2C模型

2 評價指標體系

在經濟學中，農業科技投入的概念是指在既定期限里，某個國家或者某個地區在探究和推廣農業科學技術的投入總量。科學技術投入的效率表現為用盡可能少的技術投資來取得盡可能多的農業產出。但是這并不代表增加越多的科技投入就可以獲得越好的農業產出效益，農業科技投入情況與農業產出效益必須相協調。科技投入的效率分析指標對分析廣東省農業科技投入的情況具有重要的意義，所以我們要對廣東省農業科學和技術的投入建立一個評價指標體系。有投入就必須有產出，產出的效益是依據投入的利用效率，所以綜合考慮各種因素，這個評價指標體系必須包括投入指標和產出指標。

2.1 投入指標

2.1.1 技術人員數量

農業科技的投入主要是增加具有一定農業科學知識的技術人員，具有較強農業科學技術的人員，可以專業地、科學地管理農作物的耕種。因此，對于農業生產有著深遠的影響。所以具有農業科技人員較多的地區，該地區的農業的產值往往會比較大。

2.1.2 農業科技經費投入

財政投入是農業科研投入的最重要的途徑，其中關于我國政府對各個地區的財力投入，即為農業科技三項費用。一般情況下，投入費用越大的地區，其農業產值會越高，即農業產值與投入費用是成正比的。

2.1.3 農業機械總動力

主要指各種機械操作活動的機械操作總功率，包括農業、林業、畜牧業和漁業。若一個地區的農業機械操作總功率越大，則說明這個地區就具有越高的農業機械化。因此，農業機械總動力可以作為一個地區的農業科學技術投資的評價指標。

2.2 產出指標

2.2.1 農業總產值

農業總產值是指所有產品中的貨幣形式，表示總的農業、林業、牧業以及漁業在內的所有農產品的總價值，不僅既定期限內的農業產出的總規模和總收獲可以通過農業總產值來表示，而且某個國家或地區的農業產出的總規模和總體水平也可以通過農業總產值反映出來。農業總產值可以較為直觀地表明擴大對農業科技投入是不是可以有效地提高廣東省的農業產量，提高廣東省農業在總產值中所占的份額。

2.2.2 農業科技成果數

指農業科學技術人員在參與農業活動的實踐中能不能觀測出比如“怎樣的環境適合農作物的生長”等一系列農業專業知識研究的成果，并對其做出理論的研究。一般情況下，如果一個地區具有較高的農業科技成果數，則說明該地區的農業科技投入能獲得較好的農業產出。

以上所以指標的數據均可在廣東省統計年鑒里面查詢獲取，先標準化處理數據，得到相關系數矩陣。如表1所示。

在相關系數矩陣的基礎上，我們可以得出的投入指標是農業技術人員數量、農業機械總動力和農業科技經費投入；產出指標是農業生產總值和農業科技成果數。總體看來，以上的五項指標可以較為全方位地反映廣東省農業科研輸入與輸出兩者之間的具體情況。

綜上所述，可以得出廣東省農業科研投入的指標體系，具體見表2。

3 廣東省農業科技投入效率的實證分析

3.1 傳統DEA模型分析

利用DEA-SOLVER Pro5軟件對樣本進行CCR模型運算，結果見表3。

當計算結果出現θ值=1且S+=0，S-=0的情況時，則該決策單元為DEA有效單元；當出現θ值=1且S+>0或S->0的情況時，則該決策單元為DEA弱有效；當出現θ<1時，則該決策單元為DEA無效。所以，根據上表的計算結果，我們可以得出結論：2005年、2006年、2008年、2011年和2012年年為DEA有效單元；2004年、2007年、2009年和2010年為DEA無效單元。

3.2 超效率數據包絡分析（SE-DEA）

利用DEA方法分析相對效率時，可能出現很多個研究樣本全部有效的情況，即計算得出的多個效率值全部為1的情況，而傳統CCR模型不能夠再這些有效單元做深入的分析。在前面的傳統DEA模型的分析中可以看出，2005年、2006年、2008年、2011年和2012年的效率值均為1，即為DEA有效單元。為了彌補傳統DEA模型不能對效率值全部等于1的多個有效單元進行深入分析這一缺陷，安德魯森和彼得森于1993年提出了DEA的超效率（Super-Efficiency）評價模型，可以深入的比較分析這些有效單元，超效率數據包絡分析模型的方程表達式如下：

超效率DEA模型與傳統DEA模型的差別主要是，在對樣本進行效率評價時，在傳統DEA模型中，所有決策單元集合包含決策單元在內，但是該決策單元被超效率模型排除在集合之外，借用其他決策單元投入產出的線性組合來代替。事實上，該模型在分析有效單元K的效率時去除了效率指標數等于1的約束條件，這就會出現大于或者等于1的效率值，這就是超效率值。此類方法可以比較分析同是有效決策單元的效率問題，而這種方法對本身并不是有效的決策單元并無影響。

針對傳統模型的分析，我們可以區分出有效單元和無效單元。所以，我們可以在傳統模型的基礎上再對有效單元排列次序。計算結果見表4。

由表4可以看出，超效率CCR模型的計算結果允許決策單元的效率值大于1，并且可以進行有效單元間的排序，有效單元的具體排序如表5所示。

3.3 超效率DEA模型的評價結果及分析

根據DEA-SOLVER Pro5軟件的計算，得到廣東省2004—2012年這9年里的農業科技投入效益的結果（見表6）。其中θ值為效率值，S1+，S2+，S3+分別為技術人員數量、農業科技經費投入、農業機械總動力的松弛投入；S1-，S2-分別為農業總產值和科技成果數的冗余產出。

根據計算結果，我們能夠獲得以下的判斷：

（1）2005年和2012年決策單元為DEA有效單元，且該決策單元既是技術有效單元也是規模有效單元。

（2）2004年、2006年、2008年和2011年這4年的決策單元也是DEA有效單元，因為其θ值大于1，所以其規模和技術都是有效的。

（3）2007年、2009年和2010年決策單元為DEA無效單元，該決策單元技術效率不是最優的，規模也不是最優的。

3.3.1 綜合效率分析

根據DEA-SOLVER Pro5軟件的計算結果，可以得出廣東省2004—2012年農業科技投入的綜合效率（ACE）。見表7

從表7可以看出，廣東省農業科技投入的效率每年都不相同，而且有些差距很大。其中，2004年、2007年、2009年和2010年的超效率值小于是，所以這幾個決策單元是無效的。另外，在2005年達到最高水平，2006—2010年呈上下波動水平發展趨勢，其中在2010年，綜合效率下降至9年中的最低水平，綜合效率僅為0.877。但2010年后，廣東省農業科技投入的綜合效率明顯提高了。2007年后農業技術人員的數量逐漸減少，經費反而逐漸增加，綜合效率也呈上升的趨勢。總體而言，在最近幾年里，廣東省的農業科技投入得到了良好的發展。

為了能夠明顯地看到每年的效率變動趨勢，我們將上表的超效率值繪制成折線圖，能夠一目了然地看出每年的走勢。從圖1中可以明顯看到，2004—2005年里，效率值達到樣本期內的最高值；2005—2010年這6年呈波動震蕩走勢，增長趨勢沒有那么顯著；但是在2010年后，效率值呈上升趨勢，說明經過不斷地努力，廣東省的農業科技投入獲得較好的產出效率。

3.3.2 純技術效率分析

根據DEA-SOLVER Pro5軟件的計算結果，可以得出廣東省2004-2012年的農業科技投入的純技術效率（ATE），如表8所示。

可變規模報酬假定在沒有規模效率的作用下計算技術效率，所以就有了的純技術效率。從表8中我們可以看到在規模報酬可變的情況下，廣東省每年的農業科技投入的純技術效率和綜合效率的基本趨勢相似，但仍略有不同，發生了一些變化。從測度值來看，除了2007年、2009年和2010年處于無效狀態之外，其余各年在樣本期間幾近全有效。這說明，近年來廣東省的平均技術效率保持在一個相對穩定的狀態，但是期間仍有下滑的趨勢，所以提高科技投入的技術效率是一項亟須解決的問題。

為了能夠明顯地看到每年的純技術效率變動趨勢，我們也是將上表的效率值繪制成折線圖，這樣也就能夠一目了然地看出每年的走勢（如圖2所示）。

從圖2中可以清楚地看出，在2005年，廣東省農業科技投入的純技術效率達到樣本期內的最高值，其后呈震蕩波動走勢，并有下降的趨勢。

3.3.3 規模效率分析

根據DEA-SOLVER Pro5軟件的計算結果，可以得出廣東省2004—2012年的農業科技投入的規模效率，規模效率的公式為：

表9的結果顯示，我們可以看出，在9年的農業科技投入中，規模效率θ/σ都不等于1，即全部都沒有達到規模有效；但是通過以上的分析可以看出，廣東省農業科技投入的技術效率是有效的。所以在以后的科技投入發展中，要依據當前具有的科技水平，相應地擴大投入規模以達到DEA有效狀態。

根據表9把綜合效率、純技術效率和規模效率這3個效率的數值制作成折線圖，就可以清楚地看到規模效率的變化趨勢與綜合效率、純技術效率的三者之間的變化趨勢的比較，我們可以看出，在樣本期間內，規模效率的變動趨向與綜合效率的變動趨向大體相同；但是在2005年和2012年中，規模效率與純技術效率的變動趨向是相反的，其它年間的變動趨向大體相同。

3.3.4 投影分析

該文利DEA-SOLVER Pro5軟件對表2的數據進行操作，根據以上的計算結果可知；我們可以得到以下的結論。

（1）農業技術人員在2007—2010年連續達不到目標值。結果顯示，廣東省農業技術人員的投入從2007—2010年這4年間都沒有達到既定的數量，說明最近幾年廣東省農業對技術人員的投入不充足，沒有滿足當前農業科技發展的要求。影響科學技術發展的首要要素就是人才，如果缺乏人才，將會嚴重影響科學技術的深入進展。所以，為了促進農業科技的進一步發展，要適當調整一下科技人員的投入結構，使其能夠適應當前農業科技發展的要求。

（2）農業科技經費的投入沒有出現太大的冗余或不足。從結果中，我們可以看出在樣本期間內，農業科技經費的投入并沒有出現大起大落的趨勢，總體比較穩定，說明廣東省對于農業科技經費的入的結構還是比較恰當的。經費是農業科技發展的必要條件，有了一定的經費作為基礎，廣東省才能更好地發展農業科技。

（3）“十一五”期間農業總產值達到要求。“十五”期間，廣東省農業總產值沒有達到既定值，不過在“十一五”期間，廣東省農業總產值達到了既定值，說明廣東省農業科技的投入取得了較好的成果，在“十一五”期間能夠達到國家對于農業科技發展政策的要求。

（4）廣東省農業科技成果的產出數量不足，沒有達到要求。2004年、2006年、2010年、2012年這四年農業科技成果產出出現不夠，還有就是2006年和2011年這兩年的產出與既定值相比還有很大的一段距離，這個結果表明廣東省對于科技成果的可以投資效益還是不夠的。但是2005年，2007-2009年科技成果是達到了目標值的，總體看來，農業科技成果數的前景還是比較好。

4 建議

依據以上的計算與分析結果，可見在樣本期間內，廣東省農業科技投入的效率相對有效，其中2005年和2012年同時達到了技術有效和規模有效。對于廣東省這樣一個人口眾多的經濟大省，提高農業科技投入效率甚是重要。鑒于以上對廣東省農業科技投入效率的分析，提議了以下的一些建議：

4.1 擴大政府對農業科技投入的力度

農業科技的服務對象大多數是農民，為社會創造了各種效益，因此一旦沒有了各級政府對農業的投資，農業科學技術是不可能發展好的。總的來說，政府對農業的投資與整個社會經濟的發展是同步的，對國家處于經濟轉型的階段而言，更應該如此。廣東省政府應更加重視發展農業科學技術，要適當擴大對農業科技投入，努力提高農業科技投入占農業總產值的比重。

4.2 擴大改革創新的投入，培養創新型人才

創新是社會進步的前提，而培育人才是革新和促進科技轉型發展的前提。因此，廣東省應在提高農業科技投入的同時，努力增強農業科技創新人才隊伍的建設，優化農業科技人才布局，完善農業科技人才流動的管理體制，推進農業科技人才布局與經濟社會發展需求相協調，并不斷提升農民的科技技能，為促進廣東省農業科學技術的發展奠定基礎。

4.3 加強農村教育，提高農民文化素質

農民是農業發展的主力軍，在科學技術快速發展的時期，只有不斷普及相關的農業科學知識，才能使農民適應當代的農業發展要求。因此，廣東省應為廣大農民提供一個接受教育的平臺，給予他們一個繼續學習的機會，不斷提升農民的科學文化知識水平和農業科學技術的應用能力等各方面的文化素養，培訓和穩定的農業技術推廣人員的各種技能；破解農民接受教育的體制機制障礙，盡可能擴大農民對于義務教育的接受范圍；開展鄉村等職業技術教育、開辦各種農業廣播電視教育、開展各類型的農業教育，為促進廣東省農業科學技術的發展奠定基礎。

4.4 尋找與現代農業發展相協調的農業科研創新機制

廣東省如果想要雙重突破農業科技的創新與服務，其至關點主要是革新農業科學技術的發展體制與機制，創建共同發展的新機制。廣東省作為全國的經濟大省，雖然農業產業總產值占國內生產總值的比重不是很高，但鑒于廣東省各方面的優勢，廣東省完全有實力取得突破，推進農業科學技術的進一步發展。在系統設計上，要全力突破部門、區域、學科三方面的界限，增強政府井然有序地連接指引和調節市場；有效地組合科學和技術資源；努力促使各個參與單元協調共同創新發展；嚴緊地把農業發展和科學技術教育連和起來；創建農業科學技術服務的優良體制；與此同時，要依據機構變革的條件做好分類，建立現代農業科技科學技術研究發展和服務的體制，努力創造一個可以使科研人員潛心研究的戰略氛圍，全力改進人才培育的戰略氛圍。

參考文獻

[1] 吳波.論我國財政農業科技投入[J].社會科學家，2013（2）：60-64.

[2] 陳娟.我國農業科技投入的效率審視與模式選擇[J].農村經濟，2010（12）：112-115.

[3] 何琳.廣東農業科技投入與農戶收入的計量分析[J].南方農村，2012（7）：11-13.

[4] 申紅芳，肖洪安，鄭循剛，等.農業科技投入與農業經濟發展的實證研究[J].科學管理研究，2006（6）：113-117.

[5] 杜鵑.基于DEA模型的我國農業科技創新投入產出分析[J].科技進步與對策，2013（8）：82-85.