政府農村科技服務績效及其影響因素實證研究
——基于超效率DEA-Tobit模型

胡揚名， 陳 軍

(湖南農業大學公共管理與法學學院，湖南長沙 410128)

伴隨著我國經濟快速發展，2004—2015年我國農業尤其是糧食已實現連續12年增產，為我國經濟發展轉型升級、全面建成小康社會打下了堅實的基礎和有力的保障，這一成就的實現，農業科技服務功不可沒。作為農業大國，各級政府也在不斷致力于促進農業的發展和農村科技服務的完善。當前，我國已初步建立起多元化的農村科技服務體系，農民作為農村科技服務的受益者，可以享受到來自政府5級(農技推廣機構、高校和科研機構、涉農企業、科協以及農民專業合作社等)供給主體提供的農村科技服務。此外，自科技特派員的福建省“南平模式”開始，各地也在積極探索符合當地實際情況的農村科技服務模式，如海南的“農業技術服務110服務”模式、江蘇的“科技超市”等，都為各地區的農業發展貢獻了一份力量。但農村科技服務具有典型的農村公共產品或準公共產品屬性，這也決定了政府具有提供這種公共產品的基本責任以及在農村科技服務的供給過程中居于核心地位。由于我國各地區經濟社會發展條件和自然稟賦存在的客觀差異，科學合理地評價我國各地區農村科技服務績效及影響農業科技服務績效的因素，對于進一步促進我國農業發展、農民增收、農業科技進步，實現“十三五”規劃提出的要“提高農業質量效益和競爭力”具有重要的現實意義。

1 文獻回顧

在農村科技服務績效測度方面，國內已有學者進行了一些研究，主要表現在以下幾個方面：一是在理論方法層面的創新。王薇等從過程完整性和對象復雜性2個方面分析了對農村科技服務績效評估方法進行創新的必要性，創新性地提出雙層效率因素分析(double-decked efficiency factor analysis，簡稱DEFA)模型，即以微觀層面農民“滿意度”和宏觀層面進行數據包絡分析(DEA)相結合的分析工具[1]。二是對農村科技推廣績效及其影響因素的研究。欒立明對吉林省農技推廣績效進行了研究，在此基礎上發現農戶的主體屬性、農技機構自身屬性以及運行環境對推廣績效具有顯著的影響[2]；黃玉銀等基于農戶農技需求視角，對公益性農業科技服務體系的績效進行了研究[3]；蘇時鵬等應用超效率DEA-Tobit模型對福建省306個農業科技推廣項目的推廣服務績效及影響因素進行了實證研究，結果表明，福建省的農業科技成果推廣服務效率較低，市場需求與推廣載體對農業科技成果推廣服務效率具有重要的影響[4]；徐彬等運用綜合模糊評價法對農業科技成果推廣績效進行了實證研究[5]；李霞等運用DEA模型對新疆和新疆生產建設兵團的政府主導型農業科技推廣效率進行了測算，對比發現，新疆生產建設兵團的農業科技推廣效率要優于新疆地區[6]；廖西元等基于14省42縣的數據，以農戶為評價主體實證研究了農技推廣體制和機制對農技推廣行為和績效的影響，回歸分析結果表明，農技員個人特征、管理體制、運行機制中的收入分配、考核激勵等機制會顯著影響其推廣行為和績效[7]。三是從農村科技服務供給主體的角度對農村科技服務績效進行研究。夏英等運用因子分析法對我國科技特派員農村科技服務績效進行評價，發現創業帶動和財政支持及引導對科技特派員科技服務績效具有重要影響[8]；于鷙隆等通過對寧夏科技特派員制度績效的實證分析發現，進行現場指導、與農戶進行股份合作是提高農民全要素生產率的2種重要方式[9]；黃祖輝等基于Bootstrap-DEA方法對浙江省896家農民專業合作社的效率及影響因素進行研究，結果表明，較低的純技術效率導致平均效率水平偏低，而經營不力和管理不善直接導致純技術效率水平低[10]；張明等運用超效率DEA模型對174家國家示范生產力促進中心的科技服務效率進行了分析，發現各地區績效水平存在較大差距[11]。

此外，還有學者針對農業科技創新效率進行了研究，張莉俠等采用SBM超效率DEA-Tobit模型對北京、上海及天津的農業科技創新效率及影響因素進行了實證研究，結果表明，三大都市農業科技創新效率存在顯著的差異，技術市場發育程度、農業技術引進與吸收能力及農業生產力發展水平等因素均對農業科技創新效率具有正向促進作用[12]；孫慧波等運用DEA-Tobit兩步法實證分析了農業科技服務對農業生產效率的影響[13]。

現有研究對農村科技服務績效評價及影響因素的分析具有一定的借鑒作用，但也存在一些問題：(1)現有文獻廣泛采用的傳統DEA模型無法有效區分多個有效決策單元的差異，存在一定的局限性；(2)現有文獻多從農村科技推廣以及科技服務供給主體角度展開相關研究，全面評估農村科技服務績效的研究還有欠缺。因此，本研究運用超效率DEA-Tobit模型來評價我國各地區農村科技服務績效及其影響因素。

2 模型介紹

2.1 超效率DEA模型

自著名運籌學家Charnes等在1978年提出首個DEA模型即CCR模型評價決策單元的相對效率以來[14]，DEA模型得到不斷發展和完善，已成為評價相同決策單元“多投入多產出”相對效率廣泛使用的方法之一。但傳統DEA模型在進行效率測算的過程中，有可能出現多個決策單元同時位于效率前沿面的情況，這就會導致無法評價和比較這些決策單元的相對效率。因此，Anderson等于1993年提出了一種改進模型，即超效率DEA模型[15]。該模型可以克服傳統DEA模型的上述缺陷，使得可以對有效決策單元進行比較和排序。對偶形式下，超效率DEA模型表達式為：

minθ

2.2 Tobit模型

Tobit模型是對部分連續分布和部分離散分布的因變量提出的一個經濟計量學模型。Tobit模型屬于因變量受到限制的一種模型，其特征之一就是因變量只能以受限的方式被觀測到，并在某種約束條件下取值的模型，其值是切割值或片斷值，故又常被稱之為刪截回歸模型(censored regression model)。一般情況下，如果自變量yit的取值在某個范圍之內或者在數據整理時進行了截斷，且與自變量xit有關，則有如下線性回歸模型：

式中：yit為效率值向量，當yi>0時，取yit=yi>0，稱yi為“無限制”觀測值，即實際的觀測值，當yi≤0，取yit=0，稱yit為“受限”觀察值，“受限”觀測值均截取為0；xit為自變量向量；βT是回歸系數參數估計值向量；εit～N(0，σ2)。超效率 DEA-Tobit 兩步法步驟為：第1步采用超效率DEA模型進行效率測算；第2步以各決策單元的超效率結果為因變量，以所選影響因素為自變量，進行Tobit回歸分析。在超效率DEA模型的估計結果中，測算出的結果為大于0的離散數值，屬于受限因變量，如果直接使用最小二乘法，會導致參數結果有偏且不一致，因此采用最大似然估計法估計Tobit模型中的參數。

3 指標選擇與數據來源

3.1 投入產出指標

農村科技服務的投入指標主要包括財力、人力、物力三大類。在財力方面，選擇地區農林水事務財政支出、星火計劃落實資金作為財力投入，主要原因是：分地區農業科技財政投入尚找不到數據，本研究使用農林水事務財政支出來表示各地區農業科技財政力度；星火計劃是我國依靠科技進步、振興農村經濟、普及科學技術、帶動農民致富的指導性科技計劃，選擇各地區星火計劃落實資金具有較強的針對性。在人力投入方面，選取企事業單位農業技術服務機構從業人員作為投入變量，農業技術服務機構從業人員是我國農村科技服務的中堅力量。在物力方面，選取農業技術服務機構和農民合作社作為投入指標，二者在農村科技服務中同樣發揮著重要作用。

在產出指標方面，農村科技服務的目標就是要實現農業增產、農民增收、農村發展，因此選擇如下指標：農林牧漁總產值、糧食總產量、家庭經營純收入、農用機械總動力。其中家庭經營純收入為農村居民人均純收入指標剔除工資性收入、財產性收入和轉移性收入后的值，具有更強的針對性；農用機械的普及與應用會提升農業生產效率，本研究認為農用機械總動力可以在一定程度上反映當地農村科技服務水平。

DEA模型投入、產出指標的選擇須滿足同向性的假設，即不能出現投入的增加造成產出減少的現象，因此運用SPSS 19.0軟件對所選投入、產出指標之間進行了Pearson相關性檢驗，檢驗結果(表1)表明，大部分相關系數通過了0.01水平上的顯著性檢驗，表明所選指標較為合理。

3.2 影響因素指標

在借鑒前人相關研究的基礎[16-17]上，本研究主要分析以下因素對于農村科技服務績效的影響。

3.2.1 經濟發展水平 一方面，地區經濟發展水平提高，農民的消費水平也會隨之提升，進而擁有更多資金去購置農村科技服務產品，有利于促進農村科技服務績效的提升；另一方面，地區經濟發展水平提高，可能會降低對第一產業的重視程度，向其他產業轉變，不利于農村科技服務效率的提升。故經濟發展水平對農村科技服務績效的影響方向還有待驗證。本研究以地區人均GDP(x1)來表示地區經濟發展水平。

表1 投入、產出指標的Pearson相關系數檢驗結果

注：**、*分別表示在0.01、0.05水平差異顯著；括號內的數字表示顯著性檢驗的P值。

3.2.2 人力資源稟賦 本研究以農村人均受教育程度(x2)來衡量農村人力資源狀況，農村人均受教育程度的改善可以提升農民對于農業科學技術的理解和運用，更大限度發揮農業科技的效用。農村人均受教育程度根據《中國人口和就業統計年鑒》中公布的鄉村受教育程度人口計算得出，人均受教育年限=(樣本含小學文化程度人口數×6+初中文化程度人口數×9+高中文化程度人口數×12+ 大專及以上文化程度人口數×16)/6歲以上抽樣總人口數。

3.2.3 農村基礎設施建設 農村基礎設施的有效供給和不斷完善對農業生產具有重要影響，本研究主要考察灌溉、農電、公路3類基礎設施對農村科技服務效率的影響：(1)灌溉設施。農村水利灌溉設施可以有效克服要素資源稟賦和生態條件的不足，從而提高農業生產率，促進農業發展。本研究以有效灌溉率(x3，有效灌溉面積/農作物總播種面積)來反映農村灌溉設施狀況。(2)農電基礎設施。便利的農電基礎設施是實現農業生產規模化、現代化的重要保證，本研究用農村用電量(x4)來表示農電基礎設施狀況。(3)公路基礎設施。便利的交通設施可以有效促進農副產品的運輸，降低各類生產要素的流通成本，增加農副產品的競爭優勢，同時也可以加快農業新技術的推廣和應用，促進農村科技服務效率的提升。根據我國公路等級的劃分，農村地區以三四級公路為主，因此本研究以三四級公路比重(x5，三四級公路里程/公路總里程)來衡量公路基礎設施狀況。

3.2.4 自然環境條件 極端天氣條件是農業生產最大的殺手，預計極端天氣條件會顯著降低農村科技服務績效水平，本研究以受災率(x6，農作物受災面積/農作物總播種面積)表示自然環境條件對農村科技服務效率的影響。

3.3 數據來源

本研究探討了我國農村科技服務績效，由于統計口徑問題，“農業技術服務機構”“農業技術服務機構從業人員”和“農民合作社”相關數據僅在《中國縣域統計年鑒》(2013、2014年)上存在，且上述2個指標未能有更為合適的指標替代，因此本研究探討了2012—2013年我國31個省份農村科技服務績效。農村居民人均受教育年限數據根據各年度《中國人口和就業統計年鑒》計算得出，星火計劃落實資金數據來源于各年度《中國科技統計年鑒》，如不作其他說明，本研究其他數據均來源于樣本年度的《中國統計年鑒》和《中國農村統計年鑒》。

4 農村科技服務績效及其影響因素的實證分析

4.1 農村科技服務績效評價

超效率DEA模型在傳統DEA模型的基礎上進一步對效率值為1的決策單元進行區分和比較，使得各決策單元的效率差異更加明顯，決策單元效率值尚未處于效率前沿面的效率值則與傳統DEA模型結果一致。本研究用EMS 1.3軟件對我國2012—2013年農村科技服務績效進行測算，結果如表2所示。從表2可以看出，我國2012、2013年農村科技服務績效均值分別為1.370、1.204，效率值較高，超過40%地區農村科技服務績效位于效率前沿面上。以天津2012、2013年效率值為例，即使天津在2012、2013年產出同比分別減少50.6%、31.8%，天津仍處于效率前沿面上。從地區角度來看，中部地區農村科技服務績效最佳，西部次之，東部較差。從2年平均值的排序結果來看，西藏地區效率均值最高，效率均值為6.596，北京效率均值為0.405，排名最末，這是因為西藏廣袤的耕地面積以及獨特的氣候條件有利于大規模機械化操作以及經濟作物的生長，而北京是我國的政治、經濟和文化中心，第一產業所占比重很低，此外北京先進的農業科學技術針對全國的輻射性較強。效率均值排名前十的地區中包括東部地區的海南、河北、天津、廣西、山東，中部地區的黑龍江、河南、吉林，西部地區的西藏、新疆。

4.2 農村科技服務績效影響因素分析

4.2.1 模型構建 本研究運用Tobit模型對影響農村科技服務效率的相關因素進行回歸分析，以各決策單元的超效率值(Yi)為因變量，以前述所選影響因素(X1～X6)為自變量，設定如下回歸模型：

Yi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+εi。

式中：β0表示常數項；β1～β7表示各個自變量的回歸系數；εi表示隨機誤差項。

4.2.2 Tobit回歸結果分析 本研究運用Eviews 8軟件對數據進行了分析，結果如表3所示，結果表明，所選影響因素對農村科技服務效率的影響在統計上顯著。因此，可以得到如下結論：(1)地區經濟發展水平對農村科技服務績效具有抑制作用。這表明人均GDP水平越高，農村科技服務績效反而會下降。如前所述，地區人均GDP越高，農村居民會降低對第一產業的重視程度，轉而向農家樂等服務產業轉變，在一定程度上抑制農村科技服務績效水平的提升。(2)人力資源稟賦對農村科技服務績效具有負面影響。農村人均受教育程度變量的系數通過了0.05水平上的顯著性檢驗，P值為0.014，表明人均受教育程度提升1百分點，地區農村科技服務績效將會下降0.014百分點。這是因為人均受教育程度的提升往往伴隨著農村勞動力素質的提高增加非農就業的機會，導致學歷較高的勞動力遠離農村，農村科技服務的受眾多為年齡較大或文化程度較低的群體，從而不利于農村科技服務績效的提升。(3)基礎設施對農村科技服務績效的影響有正有負。具體來說，灌溉設施和公路設施會顯著提升農村科技服務效率，灌溉設施的完善，有利于改善耕地生產條件，促進糧食增產；交通運輸貫穿于農業生產的全過程，無論是生產資料的購買、收割還是交易等各個環節，便利的交通運輸條件能大大提高農業生產資料的流動成本和時間成本，也能加速最新農業科技(良種、農業機械)的普及，從而提升農村科技服務績效。而農村用電量變量對農村科技服務效率的作用方向為負，但并不顯著，可能是因為我國農村地區村莊分布分散、獨立的特點，農村供電成本較高，不利于農電設施的有效利用。農電作為重要的基礎設施，雖然對于農村科技服務績效的提升不利，但對于農民生活改善、促進農村繁榮具有重要的作用。(4)自然環境條件會顯著降低農村科技服務績效。受災率變量的回歸系數通過了0.01統計水平上的顯著性檢驗，P值為0.003，表明受災率提高1百分點，地區農村科技服務績效將會下降0.035百分點。極端天氣條件會造成糧食減產以及農民人均純收入大幅降低，從而減弱農村科技服務效率。

表2 各地區2012—2013年度科技服務績效結果

表3 Tobit回歸結果

注：***、**、*分別表示在0.01、0.05、0.1的統計水平上差異顯著。

5 結論及政策啟示

本研究運用超效率DEA-Tobit模型對我國2012—2013年農村科技服務績效及其影響因素進行了探討，結果發現，超效率DEA結果表明，在樣本年度內，我國農村科技服務績效水平較高，超過40%地區位于效率前沿面上；從地區角度來看，我國農村科技服務績效中部地區最佳，西部地區次之，東部地區最差。Tobit回歸結果表明，水利灌溉設施和公路設施的完善會顯著提升農村科技服務績效，而人均GDP、人均受教育程度以及受災率對農村科技服務績效的提升具有顯著的抑制作用，農電設施對農村科技服務績效的作用方向為負，但并不顯著。據此，有如下政策啟示：

(1)加快農村基礎設施建設。農田水利設施以及公路設施的完善有利于提升農村科技服務績效，尤其針對當前還未能達到效率前沿面的省份應加大在這方面的財政支持力度，改變當前農田水利設施和公路設施較為薄弱的局面。此外，農村用電量雖不能增加農村科技服務績效，但農村電力設施的完善對于改善農民生產生活、增加居民幸福感具有重要作用，推進農村電網升級改造，可以為日后農業生產規模化、現代化打下基礎。

(2)鼓勵農民積極參加農業保險。針對受災率顯著降低農村科技服務績效水平，尤其是在當前自然災害等危機頻發的現實情況下，應加強農業保險政策的宣傳，鼓勵農民積極參加農業保險，在遭受自然災害、意外事故、疫病等情況下盡可能挽回農民的利益。

(3)加強農村科技服務的宣傳教育，鼓勵高學歷人群返鄉創業。首先，要加強農村科技服務的宣傳教育，可以采取符合農事季節的專業培訓班、農業科技下鄉等方式實現宣傳教育的目的；其次，可以鼓勵當地大學生或外來高學歷人群來鄉創業，當地政府給予一定的政策及財政支持力度，在增加就業崗位的同時也可以促進農業科技的發展。