基于DEA模型的農業科技園區運營效率評價

王俊鳳+劉松潔+閆文+楊德光

摘要：基于黑龍江省農業科技園區的發展現狀及創新需求，從投入產出角度構建了效率評價指標體系，運用DEA模型，從效率評價、投影分析、規模收益以及超效率評價等4個方面，對黑龍江省34個省級農業科技園區的運營效率進行評價與分析。結果表明，黑龍江省省級農業科技園區整體運營效率偏低，運營效率差異較大；規模效率是導致綜合效率偏低的主要因素；運營投入過少與投入結構不合理是導致園區DEA無效的根本原因；DEA有效園區應根據對應的超效率DEA值確定其合理的投入規模。根據以上結論，從政府與園區2個層面進一步提出對策與建議。

關鍵詞：農業科技園區；DEA模型；運營效率；效率評價

中圖分類號： F306.3 文獻標志碼： A

文章編號：1002-1302（2017）04-0262-05

2015年10月十八屆五中全會明確指出，要不斷推進理論創新、制度創新、科技創新、文化創新等各方面創新，促進新型工業化、信息化、城鎮化、農業現代化同步發展，大力推進農業現代化，加快轉變農業發展方式，走產出高效、產品安全、資源節約、環境友好的農業現代化道路。“十三五”規劃則進一步提出，要推進農業標準化和信息化，健全現代農業科技創新推廣體系。而農業科技園區作為以市場為導向、以科技為支撐、以企業為主導的現代農業建設新模式，無疑是農業現代化的改革試驗區、科技示范區以及“四化”同步協調發展的先行區。基于農業科技園區涉及農村生產關系和生產力的重大變革，因此，現階段在“兩大平原”現代農業綜合配套改革發展戰略背景下，對黑龍江省農業科技園區進行創新性探索研究具有重大的理論價值和實踐意義。

截至2015年末，黑龍江省共認定及建設了34個省級農業科技園區，并由科技部認定了4個國家級農業科技園區（總體布局見圖1），其中近90%的園區分布在兩大平原區域內。農業科技園區的建設正好契合了《黑龍江省“兩大平原”現代農業綜合配套改革試驗總體方案》中有關農業科技創新的戰略要求，而農業科技園區的發展也必將有力支撐兩大平原綜合配套改革的實施。然而，黑龍江省農業科技園區發展形勢嚴峻，不容樂觀。作為改革試驗區的先鋒，未能引領全國農業科技園區的創新探索及發展，反而其綜合發展水平還落后于全國平均水平，并未見明顯的有關生產力和生產關系方面的創新成果。

因此，本研究以黑龍江省34個省級農業科技園區為研究區域，運用DEA模型方法，構建農業科技園區運營效率評價指標體系，對各農業科技園區2014年生產運營的綜合技術效率、純技術效率、規模效率等進行全面評價，深入剖析導致園區效率低下的根本原因，進而揭示黑龍江省農業科技園區發展所面臨的關鍵性問題，為農業科技園區發展決策的制定及實踐指導提供理論參考和依據。

1模型與評價指標體系構建

選取數據包絡分析（data envelopment analysis，DEA）對黑龍江省省級農業科技園區的運營效率進行評價，主要基于以下幾點考慮：第一，DEA方法無須設定具體的生產函數，只要運用投入和產出數據即可得到相對效率值，適用于未給出生產函數的運營效率分析；第二，DEA方法的研究對象是具有多指標投入和多指標產出的系統，而農業科技園區的投入和產出須要從多方面衡量，是典型的多投入多產出系統；第三，DEA方法不需要統一量綱和假設投入指標的權重，是根據決策單元的實際數據求得最優權重，從而避免了主觀設置指標權重的影響，客觀性較強；第四，根據得出的效率值可以進一步比較分析農業科技園區間效率上的差異，從而找到導致園區效率低下的根本原因及解決辦法[1]。

1.1DEA模型的構建

DEA方法是融合數學、運籌學、數理經濟學、管理科學和計算機科學等交叉領域的全新分析方法，其基本思想是運用“相對效率”的概念，通過數學規劃模型來評價包含多指標投入（輸入）和多指標產出（輸出）的“部門”或“單元”間的相對有效性，其中，這些具有可比性的“部門”或“單元”被稱為決

策單元（DMU）[2]，在本研究中決策單元是指黑龍江省省級農業科技園區。目前，比較具有代表性的DEA模型是C2R和BC2模型，改進的DEA模型是超效率DEA模型。

1.1.1C2R和BC2模型

1978年，Charnes、Cooper和Rhodes提出了早期的DEA方法，并以3人名字的首字母命名為C2R模型。基本形式如下：

假設有n個決策單元，每個決策單元有m種類型的“輸入”和s種類型的“輸出”，第j個決策單元DMUj的輸入向量為Xj=（x1j，x2j，…，xmj）T，輸出向量為Yj=（y1j，y2j，…，ysj）T，Xj、Yj≥0，j=1，2，…，n。引入松弛變量s-和s+，含有非阿基米德無窮小的線性規劃模型為：

[JZ]θ*=min[θ-ε（ê′s-+e′s+）]；

[JZ]s.t.=[JB（{]∑[DD（]nj=1[DD）]λjXj+s-=θX0∑[DD（]nj=1[DD）]λjYj-s+=Y0λj≥0[KG6]j=1，2，…，nθ無約束[KG*2]s-≥0，s+≥0[JB）]。

式中：ε為非阿基米德無窮小（本研究取10-8），ê′=（1，1，…，1）∈Rm，e′=（1，1，…，1）∈Rs，s-、s+分別為輸入和輸出松弛變量。C2R模型是在規模報酬固定時，計算每個決策單元的綜合效率，它可以判定每個決策單元的生產活動是否同時技術有效和規模有效。設θ、λj、s+、s-為上式的最優解，若θ=1且ê′s-+e′s+=0，則此時決策單元為DEA有效，決策單元的生產活動同時為技術有效和規模有效；當θ=1且ê′s-+e′s+=0，則此時決策單元僅為弱DEA有效，決策單元的生產活動不是同時為技術有效和規模有效；當θ<1，則此時決策單元為DEA無效，決策單元的生產活動，既不是技術效率最優，也不是規模收益最佳[3]。

由于C2R不能單純地評價決策單元的技術效率水平，1984年Banker、Charnes和Cooper給出了可變規模報酬的BC2模型。在C2R模型的基礎上，BC2模型剔除了固定規模報酬假設，即增加了1個凸面約束條件∑[DD（]nj=1[DD）]λ=1，將C2R模型計算出的效率分解為純技術效率和規模效率兩部分[4]。該模型能夠在評價決策單元純技術效率和規模效率狀態的基礎上，進一步判斷決策單元規模收益所處的階段。

當BC2模型評價出決策單元純技術效率無效時，通過投影分析設定1個新的決策單元，使其純技術有效。有X[DD（-1][HT6]^[DD）]0=θX0-s-，Y[DD（-1][HT6]^[DD）]0=Y0+s+，稱（X[DD（-1][HT6]^[DD）]0，Y[DD（-1][HT6]^[DD）]0）為決策單元的原始值（X0，Y0）在相對有效沿面上的“投影”，這個新決策單元的對應值相對于原決策單元純技術效率有效[5]。因此，為使原決策單元達到純技術有效，應對（X0，Y0）改變（ΔX0，Y0），即投入冗余量ΔX0=（1-θ）X0-s-，產出不足量ΔY0=s+。

1.1.2超效率DEA模型

在運用C2R模型評價決策單元的綜合效率時，可能會出現多個決策單元相對有效的情況，無法進一步分析和比較這些同時有效的決策單元。1993年，Anersen和Petersen提出的超效率DEA模型，打破了這一局限性，該模型可以針對多個DEA有效的決策單元進行排序[5]。其主要思想是：在評價某一決策單元時，將此決策單元排除在參考集合外，由于放大了有效單元的效率值以及允許計算出的效率值大于1，從而使原來有效的決策單元被重新測算并排序。對于無效的決策單元，超效率DEA模型求得的效率值與C2R模型的評價結果相同。

1.2評價指標體系

構建科學合理的評價指標體系是運用DEA模型對農業科技園區運營效率進行評價的關鍵步驟。本研究在前期研究成果的基礎上，結合農業科技園區的自身特點，本著系統、準確、可行、獨立以及數據可得[6]的原則，對運營效率評價指標體系進行如下設計：

從投入角度來看，土地、資金和人力是保證農業科技園區基本運營的三大要素，而科技是反映其本質、決定其發展的核心要素，也是其最主要的運營特征。因此，本研究根據以上幾個要素類別分別選取了“園區占地面積、固定資產投資總額、科技人員數及技術引進數”等作為評價農業科技園區運營效率的投入指標。其中，科技人員數是指由研發人員、科技特派員和園區專家組成的主要從事科技活動的人員數量；技術引進數是指園區引進的用于農業生產的新品種、新技術、新產品和新設施數量的總和。從產出角度來看，基于經濟效益和社會效益是農業科技園區運營的主要目標，因而分別選取了園區年產值、利潤額以及帶動農戶數和農戶收入增加值等典型指標。當然，從理論上講，生態效益也應納入產出指標體系，但由于黑龍江省多數農業科技園區尚未形成有關生態效益的可供量化的數據采集標準，因此基于其數據的不可得性，暫時不將生態效益作為本研究的產出指標。鑒于以上思考，構建了黑龍江省省級農業科技園區運營效率評價指標體系。

[2實證分析

2.1研究方法及數據來源

2.1.1研究方法

本研究運用DEA模型，從效率評價、投影分析、規模收益以及超效率評價等4個方面，對黑龍江省省級農業科技園區的運營效率進行評價與分析。首先，運用C2R和BC2模型對園區運營的綜合效率、純技術效率和規模效率進行測度，評價各個園區的效率水平；其次，運用投影分析法，進一步分析純技術無效園區的投入冗余及產出不足情況，剖析這部分園區純技術無效的根本原因；然后，通過各個園區所處的規模收益階段，明確其規模調整的具體方向；最后，運用超效率DEA模型，對DEA有效園區的相對效率進行排序，并根據超效率值分別確定各園區增加運營投入的上限參考值。

2.1.2數據來源

本研究選取黑龍江省34個省級農業科技園區作為研究樣本，在運營效率評價指標體系的基礎上，通過黑龍江省科學技術廳提供的《農業科技園區創新能力監測表》及發放調查問卷等2種方式，收集、整理和獲取研究樣本——2014年運營的投入產出數據，根據樣本篩選程序對其進行處理：（1）剔除當年停止建設經營的園區（齊齊哈爾梅里斯園區）；（2）基于原始數據不可為0或負數是運用DEA方法的前提要求，剔除當年年利潤額為負的園區（黑河遜克園區）；（3）剔除數據缺失和錯誤的樣本園區（哈爾濱巴彥、綏化市和軍川農場等3個園區）。經過以上篩選，最終確定將其中29個省級農業科技園區作為本研究DEA模型的決策單元。

2.2效率評價

運用DEAP 2.1軟件對黑龍江省29個省級農業科技園的運營效率進行測度，將其運營的投入產出數據分別代入C2R和BC2模型，基于投入導向角度，得到其綜合效率、純技術效率、規模效率以及規模收益等情況。

2.2.1綜合效率分析

由表2可知，黑龍江省省級農業科技園區運營的綜合效率平均值是0.8，整體效率并不明顯，說明其存在較大改進空間。根據綜合效率值的大小對黑龍江省省級農業科技園區進行分類，如由表3可知，29個省級農業科技園區中達到DEA有效狀態（即綜合效率值為1.000）的有13個，占決策單元總數的44.83%，說明方正、依安和大同等13個園區運營的投入所對應的產出已達到最優，即這些園區所投入的土地、資金和科技等要素與其產生的經濟效益和社會效益是相對匹配的。而其余的16個園區均未達到DEA有效狀態，這部分園區投入與產出的關系不匹配，均存在改進的空間。其中，有5個園區（興十四、克東、青岡、樺南和東寧）的綜合效率值大于0.8，說明這5個園區的運營效率狀態相對較好，只要根據分析結果稍加調整即可達到DEA有效，而另外11個園區的綜合效率值均小于0.8，說明其投入產出結構或發展規模等問題較為嚴重，這部分園區占決策單元總數的37.93%。

2.2.2純技術效率和規模效率分析

基于綜合效率值等于純技術效率與規模效率對應值的乘積，為進一步說明各園區運營效率情況，應從純技術效率和規模效率2個方面來具體分析。由表2可知，黑龍江省省級園區整體純技術效率的平均值為0.914，大于其規模效率的平均值0.870，說明影響黑龍江省省級農業科技園區效率不高的主要因素是規模效率，應重點關注園區生產運營過程中的規模調整并以現有資源利用效率的提高為輔助，從而達到提高園區整體運營效率的目的。從純技術效率來看，方正、興十四、依安和大同等20個園區的純技術效率值為1.000，即為純技術有效，說明其在生產運營過程中，投入的資源得到了有效配置，[JP2]已達到最佳的產出效果，基本不存在浪費現象。與此相反，剩余的9個純技術無效的園區均不同程度地存在資源浪費問題，尤其是純技術效率值相對較低的肇東、溫泉新城和佳木斯等園區，其資源利用效率亟待提高；針對規模效率而言，方正、依安和大同等13個園區的規模效率值為1.000，即為規模有效，說明這部分園區整體規模水平比較合理，而其余16個園區均存在不同程度的規模無效問題，其投入產出規模沒有達到最佳狀態。綜上所述，對引起9個園區純技術無效和16個園區規模無效的原因剖析是解決黑龍江省省級農業科技園區DEA無效的關鍵所在。[JP]

2.3投影分析

從理論上講，園區純技術無效主要是由投入冗余和產出不足等原因引起的。因此，投入冗余和產出不足的對應量就成為研究純技術效率的關鍵點。值得說明的是，處于不同發展階段的園區，其整體投入情況存在較大的差異。一般來講，在建設初期，農業科技園區需要投入較多資源，若園區正值建設初期，其測算結果表明存在較多的投入冗余不僅是合理的，也是符合實際的。因此，分析結果時，應參考所測度園區的發展階段來調整其分析數值對實踐指導的結論及效果。

具體而言，對9個純技術無效園區進行投影分析的做法是：通過投影原理，運用DEAP 2.1軟件，計算出各園區現階段的投入冗余量和產出不足量以及對應的幅度，通過測算結果為各園區找出純技術無效的根本原因。

可知，從投入指標看，9個純技術無效園區在園區面積、固定資產投資總額、科技人員數以及技術引進數等4個方面均存在一定的投入冗余，盲目投入和低效的資源配置是造成園區純技術效率無效的主要因素。其中，純技術效率值最低的肇東園區，其對應指標投入冗余的幅度平均在78%以上，即該園區大部分要素投入未得到合理、充分地利用，存在較大的資源浪費。從產出指標看，這9個園區表現出不同程度、不同方向的產出不足。其中，五常園區的帶動農戶數對應的不足幅度最高，達到現有產出水平的46倍以上，說明其改善重點應為提升園區的社會效益。總體來說，純技術效率無效的園區在農戶收入增加值的產出上，其不足量表現比較明顯，77.78%的園區均存在此類問題。因此，在不改變現有投入總量的情況下，提高資源利用效率和調整投入產出結構成為解決這9個園區純技術無效的關鍵。

2.4規模收益分析

規模收益分析是指在通過投影分析調整DEA無效園區純技術效率的基礎上，根據各個園區所處的規模收益階段，進一步分析和確定園區規模的調整方向，進而提高其規模效率。根據表2中各個園區的規模收益狀態，得出處于不同規模收益階段園區的比例分布（圖2）。

在黑龍江省省級農業科技園區的系統中，規模收益不變，即已達到規模有效、處于最優規模收益點的園區占44.83%，包括方正、依安和大同等13個園區；規模收益遞增的園區有12個，占41.38%，說明五常、克山和紅崗等12個園區應通過適當擴大規模來提高園區的規模效率，即在現有投入的基礎上，等比例增加土地、資金和科技等要素的投入力度，產出將會以更高比例增加，發展潛力巨大；另外，興十四、克東、青岡和佳木斯等4個園區處于規模收益遞減階段，即說明其在投入方面已經達到飽和，應把重點放到縮減規模或提升產出方面。

2.5DEA有效DMU的超效率分析

引入超效率DEA模型是為了比較DEA有效的13個省級農業科技園區的相對運營效率，運用Maxdea專業版軟件得到園區的超效率DEA值，并對有效決策單元的效率進行排序，更重要的是，各園區可以根據超效率值確定其增加運營投入的上限（詳見表5）。具體而言，由于這13個園區處于DEA有效狀態，其對應的綜合效率值為1.000，若某一園區增加運營投入比例保持在[0，（超效率DEA值-1）]區間范圍內，該園區仍能保持相對有效。如五大連池園區的超效率DEA值為 1.927，表明如果該園區等比例增加上限為92.7%的投入時，仍然能在整個系統中保持DEA有效。因此，園區可以根據每個園區的超效率DEA對應值制定科學合理的要素投入規劃。

3結論與建議

本研究運用DEA模型對黑龍江省省級農業科技園區的運營效率進行評價與分析，得出以下結論：從綜合效率分析來看，黑龍江省省級農業科技園區運營的綜合效率偏低，其中，規模效率是導致園區綜合效率低下的主要因素。投影分析結果表明，16個DEA無效園區中，純技術無效的園區共有9個，其不合理的投入結構和低效的資源配置導致了園區純技術無效。通過對9個園區的投入及產出指標進行橫向比較，發現75%以上的園區占地面積的利用效率較低，75%以上的園區帶動農民增收值不足，說明園區整體應重點加強土地資源的利用效率并提升園區的社會效益。規模收益分析結果表明，29個園區中規模收益不變、規模收益遞增和規模收益遞減的園區分別有13、12、4個，分占園區總數的44.83%、4138%、13.79%。除去規模收益不變的園區，規模收益遞增的園區所占份額較大，這部分園區若適當增加投入會帶來更高比例的產出，說明運營投入過少是導致黑龍江省省級農業科技園區規模效率偏低的主要原因。結合投影分析結果可進一步得出結論，即運營投入過少和投入結構不合理是導致黑龍江省省級農業科技園區DEA無效的主要原因。超效率分析結果表明，13個DEA有效的園區中，依安園區的超效率DEA值遠高于其他園區，說明其處于領先水平，是其他園區借鑒和學習的典范。此外，13個DEA有效園區均可根據對應的超效率DEA值確定其合理投入規模。

根據以上結論，為切實提升黑龍江省省級農業科技園區的運營效率，從政府與園區2個層面，提出以下對策建議：

（1）政府層面。基于各農業科技園區間運營效率差異較大，因此，政府應從整合農業科技資源、促進園區協同創新、構建政策支持體系及優化發展環境等方面加強對農業科技園區的引導和扶持。

①科學定位與布局，促進農業科技園區創新發展。

本著“政府引導、企業運作、中介參與、農民受益”的基本原則，科學合理界定政府在農業科技園區發展過程中的地位與職能。構建普惠性創新支持的政策體系，著力基礎設施建設及其他配套服務體系建設，加大金融支持和稅收優惠力度，優化投融資環境，促進科技與金融、產業的深度融合，建立切實可行的激勵機制，引導農業科技園區重視以增加農民收入、培育新型職業農民等為目標的社會效益。

②整合農業科技資源，構建以農業科技園區為核心、各類農業園區協同創新發展的現代農業科技示范體系。

以現代農業科技示范區的建設為契機，整合現有農業科技資源，搭建農業科技資源共享平臺，鼓勵和引導農業科技園區間的協同合作，重點探索農業科技協同創新的驅動機制及對接合作模式，從而促進區域間的共生與協調發展。

③應用大數據、物聯網等現代信息技術，提升信息服務功能。

按照“國家農村信息化示范省”建設的總體要求，整合黑龍江省農業信息資源，建設示范區農業信息和技術咨詢服務的重要平臺“黑龍江省現代農業信息港”。重點圍繞農業商業模式（物流配送、物聯網等），運用信息技術，構建農業全產業鏈的“農業大數據庫”和物流配送體系，以“云計算”提升大數據信息開發利用水平，增強對農業產業發展的信息服務能力。

（2）園區層面。

各農業科技園區應以明確創新驅動為起點，探索多主體參與、多要素投入、多行為交互運行的共生機制，優化配置，提高運營效率。

①產權明晰，科學管理，優化各要素配置。

農業科技園區作為一個多主體參與、多要素投入、多行為交互運行的網絡式平臺，其運營效率的提高須要以構建產權明晰、創新驅動、有效激勵和利益聯結的運行機制為基

礎。以有效驅動為起點，建立以收益分配合理、成本分攤公平、風險分擔有效、價值創新增值為目的的利益聯結機制，以市場需求為導向、以提高效率為宗旨、以科技創新為核心、以科學管理為主線。遵循適度規模原則，優化投入結構，科學配置科技、金融、土地、人才、信息、服務等資源，提高各要素的運營效率，尤其是要提高科技要素的利用和轉化效率。

②加強園區間的互動與合作，探索農業科技協同創新機制。

加強園區間的互動與合作，利用“互聯網+”平臺加強資源共享與協同創新。探索農業科技協同創新機制、“地方政府+科技機構+示范基地+農業企業”的成果轉化機制、農業科技成果市場化公開公平交易和轉移機制，加快科技成果的快速轉化和向輻射區的擴散轉移應用，為黑龍江省現代農業創新發展探索可供推廣的成功經驗。

③圍繞農業產業全鏈條技術創新，探索一二三產業融合發展的新模式，打造特色農業產業鏈，培育創新型農業產業化集群。

以產業為導向，結合農業科技園區的示范帶動與輻射推廣的區域范圍，按照高科技、高效益、全鏈條、全循環的要求，打破一二三產業的傳統界限，以現代服務業引領一二三產業的有機融合，以創新鏈支撐產業鏈建設，引導建立生產規模化、集約化、集群化、產業專業化、品牌化的全產業鏈現代農業產業體系，以產業集群帶動農業人口向城鎮有序轉移，從而促進“四化”同步發展。

參考文獻：

[1]殷群，張嬌. 長三角地區科技企業孵化器運行效率研究[J]. 科學學研究，2010，28（1）：86-94.

[2]魏權齡. 評價相對有效性的數據包絡分析模型：DEA和網絡DEA[M]. 北京：中國人民大學出版社，2012.

[3]杜棟，龐慶華. 現代綜合評價方法與案例精選[M]. 北京：清華大學出版社，2005.

[4]趙樹寬，余海晴. 基于DEA方法的吉林省高技術企業創新效率研究[J]. 科研管理，2013，34（2）：36-43.

[5]楊國梁，劉文斌. 數據包絡分析方法（DEA）綜述[J]. 系統工程學報，2013，28（6）：840-860.

[6]熊嬋，買藝媛. 基于DEA方法的中國高科技創業企業運營效率研究[J]. 管理科學，2014，27（2）：26-37.