江西省農業科技投資效率的實證分析

劉炳芳 夏凡 賴倫揚 羅昌瀚

江西省農業科技投資效率的實證分析

劉炳芳 夏凡 賴倫揚 羅昌瀚

使用DEA的方法測度了1978—2012年江西省農業科技投資的效率。通過CCR模型的建立發現江西省35年來農業科技投資有效年份的比例僅為51.43%，并且無效年份各指標所需改進的幅度較大，因而得出江西省農業科技投資并非有效的結論，總結出江西省農業科技投資無效率存在的機制因素。最后建議加大江西省農業科技的投入，建立穩定的農業科技創新機制，規范投資金額的使用，促使農業生產總值增加使江西省農業科技投資達到強有效狀態。

農業；科技投資效率；DEA

一、研究背景

2004年以來我國糧食產量實現“十一連增”，農民增收實現“十一連快”，農業農村發展的大好態勢為經濟結構調整、產業升級、穩控物價提供了支撐和底氣。然而大部分地區農業產出效率并不樂觀，例如孫曉欣、馬曉冬，許玉燦，孟思聰［1］在共同研究的淮海經濟區農業經濟效率中顯示淮海經濟區內農業綜合效率總體偏低，農業技術水平仍然是制約區域農業發展的主要因素。因此，在要將農業從傳統的第一產業涅磐為“第六產業”的形勢下，農業科技的力量顯得尤為重要。

江西是一個農業人口多、農村地域大、農業比重相對較高的省份，糧、豬、油、菜、水產等主要農產品產量在全國占有重要地位，2012年江西以占全國1.8%的耕地，生產占全國3.8%的糧食，糧食產量位居全國第12位，其中稻谷產量居全國第2位，人均稻谷產量全國第1位，所以江西省農業的發展關系到江西省整體的發展水平，而現代農業的發展又很大程度上依賴于農業科技投資效率的高低。李練軍［2］通過運用現代農業綜合評價指標模型，對江西全省及各地區現代農業發展水平進行了測算與比較分析，表明2012年江西現代農業發展綜合指數達到62.70，在全國處于中等水平，已進入發展階段；江西各地區現代農業發展水平較為均衡，大多也處于發展階段。2004年至2013年是江西省農業機械化發展最快的時期之一，這十年來，農業機械化發展取得了令人矚目的成就，為實現糧食“十連增”、農民增收“十連快”，推進農業現代化進程做出了重要貢獻［3］。在這樣的發展態勢下，2015年，江西省將深入貫徹“發展升級、小康提速、綠色崛起、實干興贛”十六字方針，力爭早日實現建設現代農業強省的總目標。然而實際上，在江西省農業機械化水平飛速提升的同時，農業科技投資的效率并不高。

二、文獻綜述

農業是國民經濟中一個重要的產業部門，是人類衣食之源、生存之本，是一切生產的首要條件。它為國民經濟其他部門提供糧食、副食品、工業原料、資金和出口物資。隨著工業化和現代化進程的加速，農業的變革與發展離不開科技的力量，例如美國經濟學家舒爾茨認為，任何一個國家的農業發展，如果不能突破技術瓶頸，最終只能達到傳統農業的低水平均衡。正是因為農業對于社會、國民經濟起著舉足輕重的作用，而農業科技又是農業發展的支柱，使得農業科技成為了國內外學者研究的熱點。

（一）農業科技重要性的驗證

農業科技創新是實現農業現代化的根本推力。王建華、李清盈、Djurovic Gordana［4］對江蘇地區的農戶包括專業大戶、家庭農場、農村專業合作社和農業產業化龍頭企業四種新型農業生產經營主體的科技需求演化進行了深入分析，并對不同生產經營主體的生產機制和模式進行了耦合，發現不同的主體之間對科技需求演化的效率各不相同，從而提出針對農戶的科技需求所設計的培育政策將成為推廣農業科技和提高農業科技轉化率的關鍵的建議，表明農業科技對于促進農村改革和解決“三農”問題具有重要意義。

姚永鵬、蘇小鳳［5］基于C-D生產函數模型，測算了蘭州市2001—2011年的農業科技創新貢獻率。測算結果表明，農業科技創新貢獻率呈不斷上升的趨勢。通過與全國和其他地區的分階段比較與分析，提出了蘭州市需要加大自主創新力度，增強農業科技創新能力建設，正確處理好科技創新和農業生產之間的關系，利用農業科技創新來實現農業的跨越式發展的政策性建議。

（二）農業科技投入與資源配置的研究

農業科技投入的增加不僅能夠對農業生產率的提高產生積極作用而且有利于增加農民收入，改善農民生活，而農業科技資源的配置存在損失。李首涵、劉慶［6］通過全要素生產率指數法對1990—2012年間中國主要糧食作物的全要素生產率的變動進行測算，在此基礎上，建立帶有分布滯后效應的誤差修正模型來對國家財政農業科技投入對糧食生產全要素生產率的作用進行實證分析。研究結果表明：政府財政科技推廣投資對糧食生產全要素增長率增長的影響具有短期效應，長期來看，政府財政科研投資對糧食生產全要素生產率增長具有積極作用；科研投資的短期效果大于長期，效果的產生至少存在3年滯后期，并且促進糧食全要素生產率增長的作用可以持續多年。宋莉莉、馬曉春和王秀東［7］利用DEATobit二階段回歸模型對我國農業發展方式對農民收入的影響進行了實證分析，結果表明：農業科技投入、城鎮化率、第一產業就業人員的數量以及農戶家庭經營規模是影響我國農業發展方式效率的重要因素。因而指出我國應在穩定家庭聯產承包責任制下創新農業生產經營主體，加快農業勞動力結構性轉移，加強對農業科技和農村教育等方面的財政投入力度，以此來提高我國農業發展方式效率，增加農民收入。

楊傳喜［8］則運用數據包絡分析方法（DEA）、隨機前沿分析方法（DEA）對我國農業科研機構、農業高等院校及不同農業生態區的科技資源配置效率進行了非參數和參數測度，通過理論和實證的系統分析發現農業科技資源配置是一個復雜適應系統，農業科技資源與農業經濟發展之間存在長期均衡關系，目前農業科研機構科技資源配置效率相對低下，高等院校的科技資源配置效率在1995-2008年間整體存在下降趨勢，而其中農林高校的科技資源配置效率處于逐漸上升狀態，中國農業科技資源配置的效率存在不同程度的損失。

（三）農業科技成果轉化現狀的研究

楊雪嬌［9］對黑龍江省農業科技貢獻率進行測算，農業勞動力投入、農業資本投入、農業用地面積、農業機械總動力和化肥使用量等作為輸入指標，農業總產值為輸出指標，計算說明農業科技成果的轉化及普及取得了一定的成效，但是與發達國家相比，黑龍江省農業科技發展依舊呈現投入不足、科技成果轉化率偏低的現狀。

劉儉、黃婷［10］在對寧夏涉農科研單位農業科技成果轉化現狀及對策研究中認為農業科技成果轉化是推動農業科技創新發展的關鍵環節。寧夏涉農科研單位承擔完成并登記的農業科技成果數量占全區比例已由53.85%增長到67.50%，但是受專項經費投入不足且結構不合理、轉化機制有待完善等因素影響，承擔的科技成果轉化專項數僅占全區的3.13%，涉農科研單位的成果轉化作用沒有得到充分發揮。文章基于對涉農科研單位農業科技成果轉化問卷調查的分析，探討了寧夏涉農科研單位農業科技成果轉化現狀、主要轉化模式及存在的問題，提出了加大農業科技成果轉化的資金投入、加強農業科研單位和農技部門的聯系和合作、提高科研人員成果轉化的積極性等促進農業科技成果轉化的對策建議。

（四）農業科技投入產出效率的研究

農業科技投入產出效率有待改進。杜鵑［11］根據我國農業科技投入方向、力度、比重、創新產出水平，建立了基于DEA的農業科技投入產出評價模型，對我國糧食主產區和非主產區的科技投入產出效率進行量化分析，得到了各地區農業科技投入產出效率情況。研究結果表明，我國部分地區的農業科技投入產出處于非DEA有效狀態，在很大程度上是由于投入規模不當和產出不足。并提出加大農業科技投入規模和提升資源產出效率是提高我國農業科技投入產出效率的關鍵。

丁雪和潘晨曄［12］以人力資源、經費投入和課題投入以及科技論文、科技著作和發明專利作為產出，采用DEA模型對我國主要省市的農業科技投入效率進行分析得出東北三省地區農業科技投入產出有效性不高，而西部地區DEA有效的省（市、區）占據多數，中部地區更為無效的結論。

三、農業科技投資效率的定義及測度指標

（一）農業科技投資效率的定義

農業分為狹義農業和廣義農業，狹義農業是指以種植業為代表的單一類型農業，而廣義農業則包括種植業、林業、畜牧業、副業和漁業，本文研究的正是廣義農業概念下江西省農業科技投資效率。“農業科技投資”是農業投資的一部分，是為促進農業發展進行的各種研究活動，促進農業科研產品的推廣與生產使用所投入的直接和間接費用之和，也是為增進知識（包括農業社會科學知識）總量，運用現有知識去創造新知識的創造性活動所產生的費用。江西省農業科技投資效率的研究，是研究江西省農業科技的投入和產出之間的比率，由此定量分析農業科技投資效率。

（二）指標選取

近年來，學者們研究農業科技投資效率所選用的測度指標大致分為兩類，包括了以科技創新成果為產出的指標體系和以農業生產總值為產出的指標體系。由于江西省農業科技直接產出的界定有限，而最終所有的科技產出均作用于農業生產總值的增加，因此本文選擇了將農業生產總值作為總產出，經過反復實驗驗證以人力資源（第一產業就業人數）、科技三項費用、財政支農支出、農業機械總動力、農林牧漁中間消耗、等外公路里程數作為科技投入，指標體系如表1所示。本文的數據與指標均來源于《江西省統計年鑒》、《中國農村統計年鑒》、《江西農村經濟年鑒》。

表1 搖江西省農業科技投資效率實證分析的指標體系

1.多元回歸驗證

利用SPSS軟件對江西省農業科技投資的各項指標以及數據進行多元回歸分析，數據經過（以1952不變價）處理得表2。其中農業總產值為y，勞動力為x1，農林牧漁中間消耗為x2，財政支農支出為x3，科技三項費用為x4，農業機械總動力為x5，等外公路里程數為x6。

對表2數據進行對數化處理并建立多元回歸模型：

則實驗得到的多元線性回歸模型為：

對于多元線性回歸模型（2）的估計值，由表3顯示，模型的基本可決系數為R2=0.991調整后的可決系數為R2=0.989，因而多元線性回歸模型的擬合度很高。由該模型測算得F值為488.477，其P值為0.000，說明F檢驗顯著，即變量之間的線性關系較為明顯。另外，模型的D.W=1.471，說明模型基本不存在序列相關性，可通過統計性檢驗。實驗驗證結果表明本文指標選取均通過檢驗。

四、DEA模型選擇

（一）數據包絡分析（DEA）

數據包絡分析（Data Envelopment Analysis，DEA）是一種基于被評價對象間相對比較的非參數技術效率分析方法，是由美國的Charnes、Cooper和Rhodes［13］3人于1978年首次提出，因此后來將DEA的第一個模型命名為CCR模型。DEA具有適用范圍廣、原理簡單等特點，現如今已被廣泛應用在各行各業的評價分析中，截止到2013年5月，僅在SCI和SSCI數據庫中就檢索到DEA主題的文獻數量近6000篇［14］。

（二）CCR數學模型

表2 搖江西省農業科技投入產出數據表

表3 搖各指標統計量

假設有n個決策單元（DMU），每個決策單元有m個投入變量和s個產出變量。其中：

即其分量非負且至少一個為正。則規模報酬不變的CRS（CCR）模型用公式表示為：

CRS模型是最基本的DEA模型，其中為阿基米德無窮小。該模型用以評價DMU的總技術效率TE，即為純技術和規模的綜合效率，反映給定投入下決策單元獲得最大產出能力或給定產出情況下決策單元投入最小的能力。δ是該決策單元DMU0的有效值，其中x0表示第j0個DMU0的投入向量，y0表示第j0個DMU0的產出向量，λj是相對于DMU0重新構造一個有效DMU組合中第j0個DMU1的組合比例，s-是與投入相對應的松弛變量組成的向量，s+是與產出相對應的松弛變量組成的向量，且s-=（s-1，s-2，…，s-m）τ，s+=（s+1，s+2，…，s+m）τ。

若δ=1且s-=s+=0則稱DMU0為DEA有效，即在這n個決策單元中，在原投入為x0的基礎上所獲得的產出y0達到最優；若δ=0且s-≠0或s+≠0則稱DMU0為弱DEA有效；若δ＜1，則稱DMU0為非DEA有效。

本文選取的是投入導向的CCR模型，從投入的角度對被評價DMU無效率的程度進行測量，關注的是在不增加江西省農業總產值的條件下，要達到技術有效江西省農業科技的各項投入應該減少的程度，從而找出致使江西省農業科技投資無效率狀態存在的原因。

五、測算結果及其分析

本文采用MAXDEA軟件對江西省1978-2012年的農業科技投資效率進行實證分析。計算結果如表所示。表4顯示了1978-2012年江西省農業科技投資的效率值以及各指標對應的松弛變量，其中用序號1-6分別表示農業科技投入指標：勞動力（萬人）、農業機械總動力（萬千瓦）、財政支農支出（萬元）、科技三項費（萬元）、中間消耗（萬元）、等外公路里程數（萬公里），用序號0表示農業科技產出：農林牧漁總產值（萬元）。

表4 搖1978-2012年江西農業科技投資效率值及松弛變量

由表4得，35年以來江西省農業科技投資達到有效狀態的年份有1979、1981-1983、1994-1997、2000-2001、2003-2008以及2011-2012，在這些年份中，所有指標的松弛變量均為零，表明這些年份江西省農業科技投資均達到強有效狀態。然而從表中也可發現，在這35年中江西省農業科技投資無效年份數的比例達48.57%，同時無效年份中各指標的松弛改進值均較大，表明江西省農業科技投資的效率還有很大的改進空間。

在MAXDEA分析結果中，投入的改進值用負數表示，產出的改進值用正數表示。因此被評價DMU的投入和產出投影值的計算方法可統一表示為：

表5 搖1978年江西省農業科技投資各指標的目標值

表5顯示了以1978年為例通過改進值的方法計算各項農業科技投入產出的強有效目標值。

按照1978年各指標目標值的計算方法測算得所有無效年份各指標的強有效目標值。如表6所示，對比原始數據可以發現，在無效年份中各投入指標的目標值均有下降，表明在產出不減少的情況下需要減少各項科技投入，包括了農業科技投入中科技三項費用和農業機械總動力這兩大關鍵要素。但就實際而言，不論是科技三項費用還是農業機械總動力，政府對于這兩大投入的支持量逐年增加，實驗結果與實際情況的相悖也正體現了江西省農業科技投資的無效所在，投入再多亦無法達到有效狀態，充分顯示了江西省農業科技投資體制的內在缺陷，因此應當合理運用投資金額，規范科技費用的支出，改革科技創新體制，使投入量減少的同時有效地增加產出。

六、結論

江西省農業科技投資效率的研究結果表明，現如今江西省農業科技投資效率較低，未能充分發科學技術對農業發展的先導作用，無效的科技投資不僅是對資源的浪費也是對農業現代化進程的干擾。因此，為了切實提高江西省農業科技投資效率，實現江西省農業現代化的目標，一是需要建立穩定高效的科技創新體制，合理規范使用各項投入，提升科技投資的效率水平，嚴抓從科技研發到應用推廣的各個流程，拒絕低效甚至無效的科技投入［15］；二是建立優化多元化的科技投入機制。一方面加大財政對農業科技的支持力度，另一方面引導激勵農業企業及其他社會投人，進一步加大科技創新投入，拓寬融資渠道，形成多元高效的創新投入體系［16］；三是培養高素質農業科技人才，提高自主創新能力，為農業科技進步提供保障；四是抓住“互聯網+三農”的契機，充分利用科技的力量建立智慧農業、現代化農業、生態農業，為全省農業發展打造新格局。

表6 搖無效年份各投入指標的強有效目標值

［1］孫曉欣，馬曉冬，許玉燦等.基于DEA的淮海經濟區農業經濟效率分異研究［J］.江蘇師范大學學報（自然科學版）ISTIC，2015，（1）.

［2］李練軍.基于AHP法的江西現代農業發展水平評價及比較分析［J］.安徽農業科學，2015，（2）.

［3］官少飛.開拓進取扎實工作努力推進全省農機化健康穩定發展——在全省農機化工作會議上的講話（摘錄）［J］.南方農機，2013，（1）.

［4］王建華，李清盈，Djurovic Gordana.基于科技需求演化的農業生產經營主體培育與政策建議——以江蘇地區農戶為例［J］.貴州社會科學，2015，（2）.

［5］姚永鵬，蘇小鳳.蘭州市農業科技創新貢獻率分析［J］.資源開發與市場，2014，（3）.

［6］李首涵，劉慶.財政農業科技投資對糧食全要素生產率作用的實證研究［J］.科技與經濟，2015，（1）.

［7］宋莉莉，馬曉春，王秀東.我國農業發展方式對農民收入影響分析——基于DEA-Tobit模型［J］.中國農業科技導報，2014，（6）.

［8］楊傳喜.農業科技資源配置效率問題研究［D］.武漢：華中農業大學，2011.

［9］楊雪姣.基于DEA方法的黑龍江省農業科技進步貢獻率的測算研究［D］.哈爾濱：東北農業大學，2014.

［10］劉儉，黃婷.寧夏涉農科研單位農業科技成果轉化現狀及對策研究［J］.農業科技管理，2015，（1）.

［11］杜娟.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）.

［12］丁雪，潘晨曄.基于DEA模型的我國主要省市農業科技投入產出效率分析［J］.現代農業科技，2015，（3）.

［13］CHARNES A，W.COOPER W，L.WEI&Z.M. HUANG Q.Cone Ratio Data Envelopment Analysis and Multi-Objective Programming.［J］.International Journalof Systems Science，1987，（7）.

［14］成剛.數據包絡分析與MAXDEA軟件（第1版）［M］.北京：知識產權出版社，2014.

［15］蔡波，翁貞林，陳昭玖等.江西省農業可持續發展能力評價［J］.農林經濟管理學報，2011，（4）.

［16］葉永鋼，熊濤.構建新型農業科技創新體系的對策——以江西省為例［J］.安徽農業科學，2013，（1）.

［責任編輯：邵猷芬］

劉炳芳（1994—），女，江西財經大學國民經濟管理，本科，研究方向為經濟學；夏凡（1994—），女，江西財經大學統計學，本科，研究方向為統計學；賴倫揚（1993—），男，江西財經大學國民經濟管理，本科，研究方向為經濟學；羅昌瀚（1977—），男，江西財經大學經濟學院副教授，經濟學博士，研究方向為宏微觀經濟理論、博弈論。（江西南昌330013）

大學生創新創業訓練計劃項目（20140421094）