科技人力資源與資金對農業科技創新效率影響研究

趙麗娟，張玉喜，潘方卉，王　磊

（1.哈爾濱工程大學經濟管理學院，黑龍江哈爾濱150001；2.東北農業大學經濟管理學院，黑龍江哈爾濱150030）

?

科技人力資源與資金對農業科技創新效率影響研究

趙麗娟1，2，張玉喜1，潘方卉2，王磊2

（1.哈爾濱工程大學經濟管理學院，黑龍江哈爾濱150001；2.東北農業大學經濟管理學院，黑龍江哈爾濱150030）

摘要：文章以2004-2013年省級面板數據為基礎，運用SFA模型，研究了我國農業科技創新效率及其影響因素。結果表明，我國農業科技創新活動的平均效率為0.469，東部地區創新效率較高，而西部地區創新效率較低，但東、中、西部地區效率的差距在逐年縮小。農村生產力發展水平、農村經濟發展水平、市場化程度對農業科技創新效率促進作用顯著，而勞動者素質對農業科技創新效率的促進作用不顯著，出現負面效應。同時，農業政策性金融投入與科技人員投入的彈性系數均小于1，雖對創新效率有促進作用，但不顯著。

關鍵詞：科技人力資源；農業政策性金融；SFA；農業科技創新效率

［DOI］10.3969/j.issn.1007-5097.2016.01.016

一、引言

自2004年以來，中央連續12年發布的一號文件都聚焦“三農”，特別是2012年中央一號文件《關于加快推進農業科技創新持續增強農產品供給保障能力的若干意見》，把農業科技創新擺上更加突出的位置，強調依靠農業科技創新發展現代農業。然而，我國現代農業發展仍面臨很多問題，如農業基礎薄弱、農業科技創新能力不強、科技創新效率低下、資金投入匱乏等。這些不足嚴重制約了我國農業科技創新能力的持續提升。如何更好地提高農業科技創新效率是我國現代農業發展的關鍵問題。

農業科技創新效率是反映科技資源在現代農業發展中的配置和運營能力的重要指標。創新效率的高低直接或間接地體現創新體系運行的水平和質量［1］，同時也是衡量農業科技創新能力的重要尺度。作為農業大國，為提高我國農業的國際競爭力，更迫切地需要合理、有效地配置科技資源，以有限的資源投入獲得更大的產出。農業科技創新提供的是典型的公共產品，具有較大的市場風險和外部性，通過外部融資會存在市場失靈問題。因此，依靠具有引導性、高效性等突出特點的農業政策性金融的投入，對發展現代農業尤為重要［2］；引導商業性金融和社會資本注入的同時，不斷創新融資方式，也是提高農業科技創新效率的重要途徑。

近年來，關于科技創新效率問題一直被學術界廣泛關注。在國外，Shekhar Jayanthi（1999）和Vi?kram Singh［3］（2009）使用DEA方法，測算了光伏產業的技術創新效率，研究發現，行業競爭程度、項目大小等因素對技術創新效率具有顯著影響；Nasierow skiw和Arcelus［4］（1999）運用兩階段DEA方法，在對45個國家的創新效率測算中，發現生產效率的主要影響因素為技術創新規模和資源配置。在國內，關于科技創新效率的研究主要集中在兩個層面上：一是區域層面，如張宗益等［5］和李璐等［6］運用隨機前沿生產函數，對我國區域技術創新效率進行了實證研究；二是企業層面，如謝玲玲等［7］和姜波［8］運用DEA模型，分別從不同角度對工業企業技術創新效率進行測算。近些年，對科技創新效率影響因素的研究開始被學者們所關注。如樊華等［9］運用DEA模型，測度中國省域科技創新效率，并分析其收斂性和影響因素，研究發現科技創新效率具有周期性波動演化特點。黃賢鳳等［10］應用SE-DEA模型，對中國八大經濟區大中型工業企業的技術創新效率實證研究，并對區域差異的影響因素進行分析。謝子遠［11］利用DEA模型對我國53個國家高新區的技術創新效率進行了測度，并對影響高新區技術創新效率的因素進行了Tobit回歸分析。

從已有研究成果看，研究對象主要集中在區域層面和企業層面，而從產業層面探討科技創新效率的文獻較匱乏，尤其是農業科技創新效率的研究。如張靜［12］（2011）采用非參數DEA的Malmquist指數法，對我國1990-2008年農業科技創新效率進行了測算，并進行了區域比較。研究發現區域農業科技創新效率存在著顯著差異；趙驍煬［13］（2014）采用DEA法對山西省農業科技創新效率進行了測算和評價，并提出了基于效率提高視角的資源優化配置方向、組織制度創新路徑和發揮政策激勵的發展戰略；董明濤［14］（2014）采用DEA法，對2009-2011年我國農業科技創新資源的配置效率進行了測算。研究表明我國大部分地區農業科技創新資源配置處于非DEA有效狀態，且各地區配置效率差距很大，并分析農業科技創新資源配置效率的影響因素。上述研究成果多數采用DEA模型測算農業科技創新效率，忽略了隨機因素對創新產出的影響。農業是弱質產業，受氣候、自然災害等隨機因素的影響，產出存在較大不確定性。隨機因素影響研究更能有助于分析農業科技創新效率低下的原因，從而為提高農業科技創新效率提供有效的政策建議；此外，農業科技創新投入指標的選擇上，多數學者選擇研究與發展（R&D）經費這一變量進行研究時，沒有分析R&D經費投入中占有較大比重的農業政策性金融對農業科技創新效率的影響。因此，本文以2004-2013年中國省級面板數據為研究對象，從科技人力資源與農業政策性金融投入的視角入手，使用SFA模型對省級決策單元農業科技創新效率進行研究，并分析影響效率差異的因素。

二、研究理論與方法

隨機前沿法（SFA）是由Aigner，Lovell，Schmid和Meeusen，Vanden Broeck［15-16］分別獨立提出來的，隨后Battese和Coelli［17-18］在前人研究的基礎上，使用極大似然估計法檢驗技術無效率與隨機因素（誤差）的分布是否穩定，并對技術無效率的影響因素進行分析，從而使SFA法具有更加廣泛的應用空間。與DEA法相比，隨機前沿法測算效率時具有較強的穩定性［19］。

SFA基本模型如下：

其中，yit表示決策單元i在第t期的實際產出；xit表示決策單元i在第t期的資源投入；g(xit,β)為生產函數，表示生產前沿面；vit-uit為隨機擾動，其中，vit為隨機因素（誤差），表示諸如氣候、自然災害等隨機因素對產出的影響，若隨機因素發生變化，會使產出增加或減少，假設vit≈iidN(0,σ2v)，且vit與uit相互獨立；非負隨機變量uit為技術無效率項，假設uit≈iidN+(mit,σ2u)，mit越大，說明創新效率越低，即創新活動中相同的資本和勞動投入，獲得的創新產出越少。

（2）式中，η表示時間t對uit的影響。當η>0，技術效率會隨著t的增大而遞增；當η<0，技術效率會隨著t的增大而遞減；當η=0，此時時間t對技術效率無影響。

（3）式中，TEit表示決策單元i在第t期的技術效率水平；若uit=0，則TEit=1，表示決策單元i技術有效，也就是決策單元實際產出在生產前沿面上；若uit>0，則0

借鑒已有研究［20-21］，筆者重點考慮農村經濟發展水平、農村生產力發展水平、市場化程度、勞動力素質等因素對科技創新活動技術無效率項uit的影響，設定技術無效率項函數為：

（4）式中，G、T、M、E分別為農村經濟發展水平G、農村生產力發展水平T、市場化程度M和勞動力素質E；λ0為常數；λ1、λ2、λ3、λ4分別為農村生產力發展水平、農村經濟發展水平、市場化程度、勞動力素質對技術無效率項的影響系數；若某一影響系數小于0，說明該影響因素對技術無效率項影響為負，對創新效率影響為正，反之，相反；ωit隨機誤差。

（5）式中，參數γ表示uit對實際產出發生偏離的影響程度（用γ檢驗SFA模型中技術無效率項是否合理），且γ∈(0,1)，γ越趨向于1，表明決策單元實際產出發生偏離受技術無效率項的影響，此時采用SFA模型是有效的；若γ越趨向于0，表明決策單元實際產出發生偏離受隨機誤差的影響，此時SFA模型失效，需用最小二乘法估計。

本文選用的生產函數為超對數生產函數（簡稱Translog函數）。具體模型可表示為：

其中，β0、β1、β2、β3、β4、β5為待估計參數；Lit、Kit分別表示決策單元i在第t期的創新勞動投入和創新資本投入。

三、實證分析

（一）數據來源與變量說明

本文將農業科技創新活動視為一個完整的生產過程，包括創新投入與創新產出。選取的樣本數據為我國30個省份（西藏因部分數據缺失除外），時間跨度為2004-2013年，并把每個省份看作是創新活動的決策單元。具體變量說明如下。

1.創新產出變量

在衡量創新產出時，多數學者都采用新產品銷售收入和專利等指標［22］。考慮到我國農業新產品的統計口徑和定義并不清晰，故本文只選取農業專利作為創新產出指標［23］，其合理性在于農業專利中含有豐富的知識、技術和發明信息，能真實地反映出產業創新能力，全面地測度科技創新效率。同時，考慮專利從申請到授權存在1～2年時滯，專利授權無法反映當前的創新水平，因此，選取農業專利申請量進行分析。農業專利有三種類型：發明、實用新型、外觀設計。這三種類型專利中，發明專利的技術含量最高，更能客觀反映一個地區原始創新能力與專利綜合實力［24］。故本文選取的創新產出指標為農業發明專利，研究中不考慮其他兩種專利。

2.創新投入變量

對于創新活動投入指標，通常從科技人力資源和資本投入兩個方面考慮［25］。農業科技人力資源按其構成，可分為專門人才、專業技術人員、科技活動人員、R&D人員、科學家和工程師。其中，農業R&D人員是農業科技活動人員的主體，也是衡量一個國家或地區科技資源的重要指標，其占有的比重較大，因此，本文只考慮農業R&D人員對創新效率的影響。把農業研發（R&D）人員全時當量作為農業科技人力資源投入指標，其值為報告年全時人員數+非全時人員按工作量折算為全時人員數的總和。多數學者選用R&D經費作為創新資本投入指標，并用永續盤存法測算資本存量［19，26］。而本文則用農業政策性金融支持作為資本投入指標，同時借鑒已有文獻［27-29］，選擇農發行貸款余額作為政策性金融指標，原因是農發行是我國唯一一家農業政策性銀行，承擔著大部分農業政策性貸款，有較強的代表性，忽略了其他金融機構的農業政策性貸款，對本研究不會產生大影響。因此，本文把農發行貸款余額作為農業政策性金融投入指標計算。

3.技術無效率項的影響因素

主要包括農村經濟發展水平、農村生產力發展水平、市場化程度、農村勞動力素質等。

農村經濟發展水平是反映一個國家或地區農村經濟發展的規模、速度和所達到的水準。反映一個國家或地區農村經濟發展水平的常用指標農村居民人均純收入。故本文用農村居民人均純收入衡量農村經濟發展水平。農村居民人均純收入越多，農村經濟發展水平越高。

農村生產力發展水平突出表現在農業機械化水平的不斷提高，故使用農業機械總動力反映農村生產力發展水平。農業機械總動力越大，農業機械化水平越高，農村生產力發展水平越高。

技術市場是技術成果交換的場所，技術市場成交量能真實地反應創新成果轉化。本文選用技術市場成交量作為衡量市場化程度指標。用全國技術市場成交合同數來反映科技市場發育程度。技術市場成交量越大，市場化程度越強。

農村勞動力素質是指農村勞動者的身體素質、文化技術素質、思想素質和勞動經驗等素質的統一，也叫勞動質量。用農村勞動力的受教育程度反應農村勞動力素質，而農村勞動力受教育程度采用多數學者的做法，用平均受教育年限進行估算。農村勞動力平均受教育年限越長，勞動力素質越高；（勞動力平均受教育年限根據勞動力文化狀況加權平均得出。把勞動力文化程度分為六種：不識字或識字很少、小學程度、初中程度、高中程度、中專程度、大專及以上，假設他們的受教育年限分別為：0年、6年、9年、12年、14年、16年，采用年鑒中每百人受到各層次教育的人數百分比作為權重，運用加權平均法，用公式計算出平均受教育年限，公式為：勞動力平均受教育年限=（不識字或識字少×0+小學×6+初中×9+高中×12+中專×14+大專及以上×16）/100））

本文的基礎數據來源于《中國統計年鑒》、《中國農村統計年鑒》、《中國農業年鑒》、《中國農業發展銀行統計年鑒》及中經網（2004-2013）。由于2014年數據統計局尚未公布，因此本文中的數據采用的是2014年統計年鑒中的數據。對上述所有變量均取自然對數。各變量的統計性描述見表1所列。

表1　變量的統計性描述

（二）計算結果分析

本文使用SFA計量分析軟件FRONTIER4.1對模型中的參數進行估計，使用極大似然估計法。表2給出了超對數生產函數的參數估計結果；圖1和圖2分別刻畫了2004-2013年我國30個省份的農業科技創新平均效率水平的時間演變趨勢及創新效率均值。

表2　兩種隨機前沿模型參數估計結果

續表2　

圖1　2004-2013年我國30個省份的農業科技創新平均效率水平的時間演變趨勢

圖2　2004-2013年我國30個省份農業科技創新效率均值

從表2分析結果中可以看出測算出的γ值為0.433 178 39，說明實際產出發生偏離受技術無效率項的影響，此時采用SFA模型有效。R&D人員投入彈性為0.548，即β1=0.548；R&D資本投入為0.572，即β2=0.572，且β1<β2，說明在農業科技創新過程中資本投入比人員投入力度大。η=0.262 857 11，表明各省、市、自治區的技術效率會隨著t的增大而遞增。從各影響因素的回歸系數來看，λ1，λ2，λ3<0，說明農村生產力發展水平、農村經濟發展水平、市場化程度對農業科技創新效率促進作用顯著。因此，要提高農業科技創新效率，需要提高農村生產力發展水平和農村經濟發展水平，提高農村市場化程度；λ4> 0，說明農村勞動者素質對農業科技創新效率的促進作用不顯著。

從圖1來看，考察期內，SFA測算的創新效率均值一直處于持續上升狀態，表明我國農業創新效率的不斷提高，而其標準差各年基本沒有太大變化，也意味著農業部門創新效率差異并沒發生明顯變化。在整個考察期內，SFA方法測算的創新效率均值具有一定的波動性，且2004年效率均值最低為0.255，此后略有波動，但均高于2004年水平。雖在10年增速有所下降，其效率均值為0.517，但仍高于09年的效率均值0.506，從總體上看呈現出上升趨勢，其中2013年效率均值最大（0.777），是2004年效率水平3.047倍。

從表3和圖2來看，效率均值較高的省份有浙江、江蘇、上海、北京、山東、天津、廣東，其他地區效率均值水平相當。可見，效率均值高的省份農業科技創新投入力度大，獲得創新產出就多，創新效率值就高。

從表4中可以看出，考察期內，我國各省際農業科技創新效率差異明顯，而且東、中、西部之間差距也比較顯著，東部地區農業科技創新效率均值最高，約為西部地區的兩倍左右，為中部地區的1.8倍左右。

表4　東、中、西三地區農業科技創新效率平均值

四、結論與啟示

本文通過使用超對數隨機前沿生產函數實證測度了中國農業科技創新效率，并分析了影響農業科技創新效率的主要因素。結論主要有：①在2004-2013年中，各省農業科技創新效率水平雖逐年遞增，但總體水平不高，從東、中、西部地區看，東部地區創新效率水平相對較高，西部地區創新效率較低，但東中西部地區效率的差距在逐年縮小；②創新活動投入指標中，農業科技人力資源投入與農業政策性金融投入的彈性系數均小于1，雖對創新效率有促進作用，但不顯著；③創新效率的影響因素中，農村生產力發展水平、農村經濟發展水平、市場化程度對農業科技創新效率促進作用顯著，而農村勞動者素質對農業科技創新效率的促進作用不顯著，出現負面效應；④在創新過程中，往往不是投入不足，而是投入既定的水平下，創新產出不足。

根據以上研究，為提高我國農業科技創新效率水平，可以從以下方面著手：①在投入方面，一方面要加大農業政策性金融投入，使其引導商業性金融等資金注入；另一方面，通過激勵機制，提高農業科技人員的科研積極性和創造性。②從地區來看，東部地區創新效率水平較高，要加大中西部地區創新投入，尤其是強化政府主導作用，加大政府惠農政策扶持力度。縮小地區間創新效率差距，實現共同發展。③在創新效率影響因素的考察中，筆者發現農村生產力發展水平對農業科技創新效率有著正向影響。這說明，為提高農業科技創新產出需要增加農村居民人均純收入，進而提高農村生產力發展水平；農村經濟發展水平對創新效率有著正向影響，這說明農業機械總動力增加投入促進農業科技創新效率提高；市場化程度對創新效率也有著正向影響，這說明推動全國技術交易規模和水平不斷提高，促進創新產出的增長；而農村勞動者素質對創新產出有著負向影響，說明農村勞動力的受教育程度提高，并不直接影響創新產出。只有提高農業科技人員的科研水平，創新產出會增加，創新效率水平會提高。④在整個創新過程中，在投入既定的情況下，要想擴大創新產出，還要減少中間環節損耗，這樣才能有效地提高創新效率。因此，要建立健全以政府為主導的新型管理機制，加強農業產學研合作，減少資源浪費，實現創新產出最大化。

參考文獻：

［1］劉鳳朝，潘雄鋒.基于Malmquist指數法的我國科技創新效率評價［J］.科學學研究，2007（5）：986-990.

［2］杜彥坤.政策性金融支持農產品加工業發展的政策選擇［J］.農業經濟問題，2002（5）：40-43.

［3］Shekhar J，Vikram S. Evaluation of Potential of Innovations：a DEA-based Application to U. S. Photovoltaic Industry［J］. Ieee Transactions on Engineering Management，2009（9）：478-493.

［4］Nasierowski W，Arcelus F J. Interrelationships Among the Elements of National lnnovation Systems：A Statistical Eval?uation［J］. European，Journal of Operational Research，1999，119：235-253.

［5］張宗益，周勇，錢燦，等.基于SFA模型的我國區域技術創新效率的實證研究［J］.軟科學，2006，20：125-128.

［6］李璐，朱洪興，單奎.基于SFA模型和Mulmquist指數的河南省區域技術創新效率分析［J］.科技管理研究，2014（9）：49-63.

［7］謝玲玲，許敏.區域大中型工業企業技術創新效率研究［J］.科技管理研究，2013（6）：9-11.

［8］姜波.中國區域大中型工業企業技術創新效率變動的實證研究［J］.情報雜志，2012（2）：81-86.

［9］樊華，周德群.中國省域科技創新效率演化及其影響因素研究［J］.科研管理，2012（1）：10-26.

［10］黃賢鳳.中國八大經濟區工業企業技術創新效率及其影響因素研究［J］.中國科技論壇，2013（8）：90-97.

［11］謝子遠.國家高新區技術創新效率影響因素研究［J］.科研管理，2011（11）：52-58.

［12］張靜，張寶文.基于Malmquist指數法的我國農業科技創新效率實證分析［J］.科技進步與對策，2011（4）：84-88.

［13］趙驍煬.山西農業科技創新效率研究［J］.經濟師，2014（10）：148-153.

［14］董明濤.我國農業科技創新資源的配置效率及影響因素研究［J］.華東經濟管理，2014（2）：53-58.

［15］Aigner D J，Lovell C A K，Schmidt P. Formulation and Es?timation of Stochastic Frontier Production Function Models ［J］. Joumal of Econometrics，1977（6）：21-37.

［16］Meeusen W，Vanden Broeck J. Efficiency Estimation from Cobb-Douglas Production Functions With Composed Error ［J］. International Economic Review，1977，18：435-444.

［17］Battese G E，Coell T J. Frontier Production Functions，Technical Efficiency and Panel Data：With Application to Paddy Farmers in India［J］. Joumal of Productivity Analy?sis，1992（3）：153-169.

［18］Battese G E，Coell T J. A model for technical inefficiency effects in a stochastic frontier production function for pan?el data［J］. Empirical Economics，1995，20（2）：325-332.

［19］李向東，李南，白俊紅，等.高技術產業研發創新效率分析［J］.中國軟科學，2011（2）：52-61.

［20］曹躍群，蔣為，張衛國.中國農業科技利用效率和地區差異——基于隨機前沿模型的實證研究［J］.科技與經濟，2011（1）：67-70.

［21］宋春光，那娜.農村金融支持對農業技術效率影響的實證研究［J］.學術交流，2010（2）：92-98.

［22］韓晶.中國高技術產業創新效率研究——基于SFA方法的實證分析［J］.科學學研究，2010（3）：467-472.

［23］岳書敬.中國區域研發效率差異及其影響因素——基于省級區域面板數據的經驗研究［J］.科研管理，2008（9）：173-179.

［24］劉鳳朝.基于專利結構視角的中國區域創新能力差異研究［J］.管理評論，2006（11）：43-47.

［25］史修松，趙曙東，吳福象.中國區域創新效率及其空間差異研究［J］.數量經濟技術經濟研究，2009（3）：45-55.

［26］劉和東.中國區域研發效率及其影響因素研究——基于隨機前沿函數的實證分析［J］.科學學研究，2011（4）：548-556.

［27］陸強.中國農業政策性金融支農效應實證研究［J］.社會科學家，2014（7）：57-62.

［28］萬眾，鄭微微，王懷明.中國農業政策性金融與農業經濟可持續發展［J］.中國科技論壇，2013（3）：121-127.

［29］李靜.我國農業政策性金融對農村經濟影響的實證分析［J］.財政研究，2014（1）：40-42.

［責任編輯：歐世平］

A Study on the Impacts of Science and Technology Human Resources and Funds on Agricultural Science and Technology Innovation Efficiency

ZHAO Li-juan1，2，ZHANG Yu-xi1，PAN Fang-hui2，WANG Lei2
（1. School of Economics and Management，Harbin Engineering University，Harbin 150001，China；2. School of Economics and Management，Northeast Agricultural University，Harbin 150030，China）

Abstract:This paper，based on the provincial-level panel data from 2004 to 2013，employs SFA model to study agricultural science and technology innovation efficiency and its influencing factors in China. The results show that the average efficiency of agricultural science and technology innovation is 0.469，and the eastern region has a higher innovation efficiency while the western region has a lower one，but the gap of efficiency among the eastern，central and western regions is shrinking year by year. The development level of rural productivity，the level of rural economic development and the degree of marketization play significant roles in promoting agricultural science and technology innovation efficiency，whereas the quality of laborers shows a negative impact on the efficiency，and does not promote the efficiency significantly. Moreover，the elasticity coeffi?cient of both agricultural policy finance input and science and technology personnel input is less than 1，they promote the in?novation efficiency，but not significantly.

Keywords:science and technology human resources；agricultural policy finance；SFA；agricultural science and technology innovation efficiency

作者簡介：趙麗娟（1980-），女，黑龍江寶清人，講師，博士研究生，研究方向：金融工程與金融創新，農業科技金融；張玉喜（1963-），男，黑龍江哈爾濱人，教授，博士生導師，通訊作者，研究方向：科技金融及金融發展；潘方卉（1982-），女，黑龍江克東人，副教授，博士，研究方向：科技政策管理；王磊（1981-），女，山東海陽人，副教授，博士，研究方向：知識管理，系統工程。

基金項目：國家自然科學基金項目（71373060）；中國博士后基金項目（2013M54027）；黑龍江省科技攻關項目（GZ13D104）

收稿日期：2015-10-12

中圖分類號：F323

文獻標志碼：A

文章編號：1007-5097（2016）01-0100-06