基于DEA模型的四川省農業科技創新效率的測算與優化

蔣雨東 陳禮開 秦鑄清 王德平

摘 要：【目的/意義】農業科技創新是實現農業農村現代化的關鍵，其效率影響區域經濟發展水平和科技競爭能力。通過了解四川省農業科技創新現階段的實際水平，以改善四川省農業科技創新資源配置，幫助四川省實現從農業大省向農業強省的轉變。【方法/過程】研究利用“一干多支，五區協同”新空間布局協同發展戰略背景下四川省2018年21個市州的具體數據，將其分為5大經濟區域，構建農業科技創新投入與產出指標評價體系，并使用DEA模型分析測算四川省農業科技創新的綜合效率、純技術效率和規模效率，并結合測算結果進行投影結果優化。【結果/結論】結果顯示：（1）四川省農業科技創新綜合效率、純技術效率和規模效率均存在較大的提升空間，發展最好的是成都平原經濟區，未來發展重點應以川東經濟區為主;（2）通過投影分析和投入產出松弛變量測算，四川省各市州創新過程中都有不同程度的投入冗余和產出不足的問題。提出應優化農業科技創新要素的資源配置，實現第一產業的可持續發展;應加快農業科技服務體系的建設，提高科技成果轉化率;應采取區域協調發展的思路，逐步縮小區域間農業科技創新的差距。

關鍵詞：DEA模型;農業科技;創新效率;四川省

中圖分類號：F323.3文獻標志碼：A文章編號：1637-5617（2020）06-0070-07

Calculation and Optimization of Agricultural Scientific and Technological Innovation Efficiency in Sichuan Province Based on DEA Model

JIANG Yu-dong1，2， CHEN Li-kai1，2， QIN Zhu-qing3， WANG De-ping4

（1.School of Life Sciences and Engineering， Southwest University of Science and Technology， Mianyang，

Sichuan 621000， China; 2. Academy of Agricultural Science and Technology， Southwest University

of Science and Technology， Mianyang， Sichuan 621000， China; 3. School of Economics and

Management，Southwest University of Science and Technology， Mianyang， Sichuan 621000，

China; 4. Development Planning Division，Southwest University of Science and Technology，

Mianyang， Sichuan 621000， China）

Abstract：【Objective/Meaning】 The agricultural scientific and technological innovation is the key to realize the agricultural and rural modernization， and its efficiency affects the level of regional economic development and the competitiveness of science and technology. The actual level of agricultural scientific and technological innovation in Sichuan Province at the present stage was understood in this paper， in order to improve the resource allocation of agricultural scientific and technological innovation in Sichuan Province， and help Sichuan Province to realize the transformation from a big agricultural province to a strong agricultural province. 【Methods/Procedures】 Based on the specific data of 21 cities and prefectures in Sichuan Province in 2018 under the background of the new spatial layout and collaborative development strategy of “one trunk， multiple branches， and collaboration of five districts”， they were divided into five major economic regions， and the input and output index evaluation system of agricultural scientific and technological innovation was constructed. Then， the DEA model was used to analyze and calculate the comprehensive efficiency， pure technical efficiency and scale efficiency of agricultural scientific and technological innovation in Sichuan Province， and the projection results were optimized in combination with the estimation results. 【Results/Conclusions】 The results showed that： （1） there was a large space for improvement in the comprehensive efficiency， pure technical efficiency and scale efficiency of agricultural scientific and technological innovation in Sichuan Province， and the best development was in Chengdu Plain Economic Zone， and the future development should be focused on the economic zone in eastern Sichuan; （2） Through the projection analysis and the input-output relaxation variable calculation， there were different degrees of input redundancy and output shortage in the process of innovation in Sichuan Province. Therefore， the countermeasures were put forward including optimizing the resource allocation of agricultural scientific and technological innovation elements to realize the sustainable development of the primary industry; accelerating the construction of agricultural science and technology service system to improve the conversion rate of scientific and technological achievements; adopting the idea of regional coordinated development to gradually narrow the gap of agricultural scientific and technological innovation between regions， etc.

Key words： DEA model; agricultural science and technology; innovation efficiency; Sichuan Province

農業科技創新對于實現我國農業現代化，助推鄉村振興戰略和科技興農戰略具有重要意義，為破解鄉村振興進程中遇到的難題指明了方向[1]。近年來，國家發布了一系列關于農業科技創新的政策文件，如《“十三五”農業科技發展規劃》《農業科技創新能力條件建設規劃（2016-2020 年）》《創新驅動鄉村振興發展專項規劃（2018-2022年）》等，為我國農業科技創新提供了發展思路和政策保障。

目前關于農業科技創新方面的議題逐漸成為學者們的研究重點。杜文忠等[2]利用熵權TOPSIS法模糊物元綜合評價模型對廣西壯族自治區2010-2016年農業科技創新能力進行了評價和影響因素研究，結果顯示：在此期間，廣西壯族自治區的農業科技創新能力得到了提升，發展環境、投入能力、產出能力、轉化效率是影響農業科技創新能力的關鍵因素。毛世平等[3]從政策角度探討了我國從改革開放以來農業科技創新政策的變化及效果，結果顯示我國農業科技創新政策的數量、強度、力度等都呈波動上浮的趨勢，主要是以科技成果轉化為目標，側重于體制機制方面的改革，同時其也顯著影響了農業科研機構的技術性收入和專利申請量。趙麗娟等[4]認為政府R&D投入和環境規制是影響農業產業發展和科技創新效率的兩大重要因素，利用超對數SFA模型和面板門檻模型進行實證分析，結果顯示，目前政府R&D投入和環境規制對促進農業科技創新發展具有正效應;同時，政府R&D投入和環境規制對農業科技創新效率存在顯著的門檻性，政府R&D投入強度的最優區間為>0.11，環境規制強度的最優區間為<0.62。然而，現有研究大多是聚焦中國整體或其他個別省份的農業科技創新效率測算，對四川省農業科技創新效率測算及其后續的優化研究較少。四川省作為全國的糧食生產和消費大省，在保障全國糧食安全和推動我國農業高質量發展的過程中扮演著關鍵角色。因此，測算四川省的農業科技創新效率，了解四川省農業科技創新現階段的實際水平，對改善四川省農業科技創新資源配置，提高省域內5大經濟區域的農業科技創新效率有著積極作用，有利于幫助四川省實現從農業大省向農業強省的轉變。

1 研究區域與數據來源

1.1 研究區域

四川省地處我國西南腹地，橫跨青藏高原、云貴高原、秦巴山地與橫斷山脈。面積位居我國第5位，達48.6萬km2，下轄18個地級市和3個少數民族自治州。四川省擁有眾多河流，如岷江、嘉陵江等，總體上氣候宜人。糧食作物主要有水稻、小麥、玉米等;經濟作物主要有棉花、油料、煙葉等。截至2018年末，四川省農村戶籍人口總數約為5850.3萬人，鄉村就業人員總數約為3201萬人。農林牧漁生產總值、農業機械總動力擁有量、農村居民人均可支配收入呈逐年穩定上升趨勢。

推動農業科技進步可以有效帶動農業產業發展，提高科技競爭力。2018年四川省R&D人員折合全時當量為158847人年，R&D經費支出約為737億元，占全省生產總值的1.81%。其中科研機構、企業、高等院校及其他部門機構支出經費分別為239億元、426億元、66億元和6億元。共完成科技項目3702項，其中農林牧漁類項目250項，約占總項目數的6.75%。專利申請量合計為152987項。

1.2 數據來源

本文所使用數據主要來源于四川省統計年鑒（2019）、2019年四川省專利數據簡報、四川省國民經濟和社會發展統計公報（2019）、四川省第三次全國農業普查。同時根據四川省“一干多支，五區協同”新空間布局協同發展戰略，將四川省21個市州分為5個經濟區域，即成都平原經濟區（成都、綿陽、德陽、眉山、樂山、資陽、遂寧、雅安）、川南經濟區（自貢、瀘州、內江、宜賓）、川東北經濟區（南充、達州、廣安、廣元、巴中）、攀西經濟區（攀枝花、涼山州）、川西北生態示范區（阿壩州、甘孜州）。

2 研究方法與指標建立

2.1 研究方法

DEA（Data Envelopment Analysis）即數據包絡分析法，由美國學者Charnes[5]和Banker[6]等人提出，一般是用來分析和評價相關行業的產業要素生產效率，主要分為CCR模型（規模報酬不變）和BCC 模型（規模報酬可變）。該模型首先要保證決策單元（DMU）輸入和輸出不變，然后通過線性規劃和指標數據來判斷相對有效的生產前沿面;同時可以將各決策單元投影至DEA生產前沿面上，通過分析各決策單元與DEA生產前沿面的離散程度來評價各決策單元的相對有效性[7]。本文采用的是基于投入導向和規模報酬可變的BCC模型來評價四川省農業科技創新效率，主要是因為該模型不需要事先估計相關權重系數;也不需要對指標數據進行量綱操作[8]。

具體方法如下：假設有n個決策單元，在創新過程中每個決策單元有m種輸入和s種輸出，第j個決策單元的輸入向量為Xj=（xj1，xj2，…，xjm）T，第j個決策單元的輸出向量為Yj=（yj1，yj2，…，yjs）T。其中，Xj、Yj均≥0，j=1，2，3，…，n。同時引入阿基米德無窮小量ε，松弛變量s+和s-。

其CCR基本線性規劃模型如下：

θ*=min[θ-ε∑（s-+s+）]

s.t.∑nj=1λjXj+s-j=θX0

∑nj=1λjYj-s+=Y0

λj≥0，s-j≥0，s+r≥0（j=1，2，…，n）（1）

運用CCR模型對決策單元進行效率測算時，θ∈[0，1]表示相對有效性的評價值：當θ=1，s+=0，s-=0時，DMU代表DEA有效;當θ=1，s+≠0或s-≠0時，DMU代表DEA弱有效;當θ<1時，DMU代表非DEA有效，且θ值越大代表DMU的相對效率越高。

在式（1）基礎上加上凸面約束條件（2）后可以得到基于規模報酬可變的BCC模型，其效率可以分解為純技術效率和規模效率。

∑ni=1λi=1（λ≥0）（2）

2.2 指標體系建立

本文是對2018年四川省21個市州的農業科技創新效率進行評價，結合總結和分析相關學者對農業科技創新資源配置效率及其創新能力評價的研究成果[9-11]，在遵循相關設計原則的前提下，共設計了投入類指標3個，產出類指標3個，共6個指標（表1）。投入類指標包括：（1）農業從業人員，用來反映投入到農業科技創新中的人力資本;（2）一般公共財政農業支出，用來反映投入到農業科技創新中的財政資本;（3）農業機械總動力，用來反映投入到農業科技創新中的技術資本。產出類指標包括：（1）農林牧漁總產值，用來反映農業科技創新所產生的經濟效益;（2）農村居民人均可支配收入，用來反映農業科技創新帶給農民的生活質量提高;（3）專利授權量，用來反映農業科技創新的最新技術成果。

3 實證分析

3.1 四川省農業科技創新效率測算

通過使用DEAP 2.1軟件來對2018年四川省農業科技創新效率進行測算，即將每個市州作為一個獨立的決策單元來進行處理，最后得出綜合效率、純技術效率、規模效率、規模報酬及投影等結果。一般來說，當效率值等于1表示農業科技創新效率有效，0.9～1表示良好，0.8～0.9表示中等，低于0.8則表示低效[12]。測算結果如表2所示。

同時，為了更科學合理地研究四川省農業科技創新效率，對其效率的2個方面進行分類。一方面，由于農業科技創新綜合效率值能直接體現其效率的高低，故根據表2的測算結果將四川省21個市州的農業科技創新效率分為DEA有效和非DEA有效（表3）;另一方面，由于不同的農業科技創新投入產出關系會產生不同的規模效益，故根據表2的測算結果將四川省21個市州的農業科技創新效率分為規模報酬遞增、規模報酬遞減、規模報酬不變（表4）。

3.1.1 綜合效率測算

由表2可知，2018年四川省農業科技創新綜合效率平均值為0.772，處于低效狀態，說明總體農業科技創新效率不高，有較大的提升空間。（1）綜合效率為1的有效決策單元有6個（成都、德陽、遂寧、自貢、內江、攀枝花），占總數的28%，說明其農業科技創新效率的投入產出已經達到最優狀態，位于生產前沿面上。（2）非有效決策單元有15個，占總數的72%，最高值為南充（0.949），最低值為廣元（0.436），說明這些決策單元的純技術效率或規模效率未達到有效，農業科技創新的投入產出不均衡。15個非有效決策單元中綜合效率大于0.8的決策單元有5個，分別為綿陽、雅安、南充、達州、阿壩州，說明這5個決策單元應根據自身實際發展情況進行調整，將提高本地農業科技創新資源的配置效率作為未來發展重點。而剩下的10個決策單元則存在農業科技創新投入產出結構失衡的情況，需要重點調整。（3）從五大經濟區域來看，四川省農業科技創新效率均值呈現出比較明顯的區域差異，只有川西北生態示范區和川東北經濟區低于全省平均值。成都平原經濟區的綜合效率排在第一位，隨后依次是川南經濟區、攀西經濟區、川西北生態示范區、川東北經濟區。同時，成都平原經濟區、川南經濟區和攀西經濟區間綜合效率差距不大，而川西北生態示范區和川東北經濟區與這3個區域相比差距較大。由此可見，四川省21個市州的農業科技創新效率差距較為明顯，兩極分化嚴重。

3.1.2 純技術效率測算

由表2可知，2018年四川省農業科技創新純技術效率平均值為0.842且小于全省規模效率平均值，說明影響四川省農業科技創新效率的主要因素為純技術效率。（1）純技術效率為1的有效決策單元有7個（成都、德陽、遂寧、雅安、自貢、內江、攀枝花），與綜合效率為1的有效決策單元相比增加了雅安市1個決策單元。該市綜合效率為0.869，純技術效率為1，表明該市的純技術效率和綜合技術效率相比改善效果更明顯，即一些農業科技資源配置合理，沒有資源浪費，其綜合技術效率不高的主要原因是規模效率不高。（2）非有效決策單元為14個，最高值為甘孜州（0.976）和阿壩州（0.976），最低值為廣元（0.498）。這些決策單元的純技術效率均大于綜合效率，表明造成綜合效率無效的原因不僅僅是技術效率偏低還歸結于規模效率不高。（3）從五大經濟區域來看，只有川東北經濟區和攀西經濟區低于全省平均值。川西北生態示范區的純技術效率排在第一位，隨后依次是成都平原經濟區和川南經濟區。除了川東北經濟區外，其余4個區域的純技術效率平均值差距不大。由此可見，川東北經濟區的農業科技創新資源利用效果亟待改善。

3.1.3 規模效率測算

由表2可知，2018年四川省農業科技創新規模效率平均值為0.945。（1）有6個規模效率為1的有效決策單元（成都、德陽、遂寧、自貢、內江、攀枝花），說明這些決策單元的農業科技創新規模較為合理。（2）非有效決策單元數為15個，最高值為眉山（0.995），最低值為阿壩州（0.838）和甘孜州的（0.838）。說明這些非有效決策單元存在農業科技創新規模無效現象。（3）從五大經濟區域來看，攀西經濟區和川南經濟區的規模效率排在第一位，隨后依次是成都平原經濟區、川東北經濟區、川西北生態示范區。除了川西北生態示范區外，其余4個區域的規模效率平均值差距并不明顯。

3.1.4 規模報酬測算

由表2可知，（1）2018年四川省有8個市州處于規模報酬遞增狀態（樂山、雅安、瀘州、廣安、廣元、巴中、阿壩州、甘孜州），說明盡管由于它們的農業科技創新資源的投入規模普遍較小，導致這些市州的DEA測算結果不高，但具有發展潛質，可通過提高農業科技創新資源的投入規模來實現發展目標。（2）有7個處于規模報酬遞減狀態（綿陽、眉山、資陽、宜賓、南充、達州、涼山州）的市州，表明這些市州投入的農業科技創新資源存在浪費現象，資源未得到合理配置。應調整這些市州農業科技創新資源投入的數量和質量，縮小農業科技創新資源規模，以提高農業科技創新資源的配置效率。（3）有6個處于規模報酬不變狀態（成都、德陽、遂寧、自貢、內江、攀枝花）的市州，說明這些市州在農業科技創新方面投入均衡，已經達到最優，規模變化無法再影響效率。

3.2 四川省農業科技創新影響因素分析

（1）四川省用于農業科技創新的投入資金存在浪費現象，相關經費投入多數集中在企業和科研機構，未能得到充分使用。且農業科技研究成果真正用于農業生產的較少，缺乏農業實踐應用和市場檢驗，轉化率較低。加之多數農民文化教育程度偏低，農業科技創新成果的傳達機制存在阻礙。（2）農業科技創新資源配置方式不合理。在農業科技創新經費投入中，市場資金來源占比較低，在農業科技資源配置中影響不大，導致相關中介服務機構在農業創新資源配置中的作用未能有效體現。

3.3 四川省農業科技創新效率優化

在上述研究基礎上，對四川省農業科技創新中15個非效率有效決策單元進行投影分析，以找到農業科技創新中投入產出松弛變量的具體數值和優化路徑。鑒于篇幅限制，本文只選取五大經濟區域中各1個市州的分析結果進行呈現（表5）。如以綿陽為例，若使DEA有效，投入方面農業機械總動力需要減少64.244萬kW;產出方面農村居民人均可支配收入需要增加1693.48元，專利授權量需要增加7032件。根據投影結果分析，15個決策單元出現非DEA有效的原因主要包括：（1）農業從業人員投入過多;（2）一般公共財政農業支出投入過多;（3）農村居民人均可支配收入不足;（4）實際申請成功的專利數不足。

4 結論與建議

本文采用DEA模型實證分析了2018年四川省的農業科技創新效率，研究發現：（1）四川省農業科技創新綜合效率平均值為0.772，純技術效率平均值為0.842，規模效率平均值為0.945，均存在著較大的提升空間;從五大經濟區域之間來看，四川省農業科技創新發展重點應以川東北經濟區為主;（2）通過投影分析和投入產出松弛變量測算，四川省各市州農業科技創新過程中都存在著不同程度的投入冗余和產出不足問題，主要原因是四川省農業基礎設施建設滯后，農業機械化程度不高，缺乏懂技術、懂管理的農業科技創新人才。

四川省提升農業科技創新水平，應從以下幾個方面著手。（1）應優化農業科技創新要素的資源配置，實現第一產業可持續發展[13]。在保持全省農業科技創新總體水平穩定的前提下，進一步對農業科技創新資源進行高效利用。對于農業從業人員和一般公共財政農業支出這2個存在投入冗余的指標，相關市州要根據實際情況減少這2項指標的投入;對于農村居民人均可支配收入和專利申請量這2個存在產出不足的指標，相關市州要根據實際情況增加這2項指標的產出。進而激發這些市州的農業科技創新活力，提高四川省農業科技創新的競爭力。（2）應加快農業科技服務體系的建設，提高科技成果轉化率[14]。提高農業科技成果的轉化率關鍵因素是依托農業科技服務體系的支撐。通過構建農業科技轉化共享平臺，鼓勵由涉農企業牽頭，高等院校及科研機構協同參與農業科技創新的發展模式，不僅可以增強區域科技儲備能力，還可以讓科研成果更高質量地服務于農業生產，增強科研成果的供給能力。同時還應加大對眾創空間、科技協會、大學科技園等科技中介組織的政策扶持力度，完善該類組織的反哺能力，逐漸形成“研發-轉化-產業化”的一體化鏈條。（3）應采取區域協調發展的思路，逐步縮小區域間農業科技創新差距[15]。由于四川省21個市州在地理位置、發展成熟度、相關資源要素投入方面均存在著較大區別，各地政府應從其現有科技水平和資源儲備出發，采取協調發展、因地制宜的發展思路。發展較好的市州可以通過招聘和引進等方式吸納優秀的農業科技人員，營造良好的科技氛圍，打造一支“一懂兩愛”的高素質農業科技人才隊伍;發展較弱的市州可以提高對農戶與新型經營主體的財政補貼，同時定期舉行農業科技知識培訓班，積極開展與發展態勢較好的市州的交流協作。

參考文獻：

[1]朱俊杰，祝文濤，何南君. 鄉村振興視角下農業科技發展的戰略路徑與實施對策[J]. 農業經濟，2019（2）：80-82.

[2]杜文忠，耿鵬鵬，胡燕萍. 創新驅動視角下廣西農業科技創新能力評價——基于熵值和TOPSIS法物元評價模型[J]. 科技管理研究，2019，39（9）：82-89.

[3]毛世平，楊艷麗，林青寧. 改革開放以來我國農業科技創新政策的演變及效果評價——來自我國農業科研機構的經驗證據[J]. 農業經濟問題，2019（1）：73-85.

[4]趙麗娟，張玉喜，潘方卉. 政府R&D投入、環境規制與農業科技創新效率[J]. 科研管理，2019，40（2）：76-85.

[5]CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[6]BANKER R D. Estimating Most Productive Scale Size Using Data Envelopment Analysis[J]. European Journal of Operations Research，1984，17（1）：35-44.

[7]魏權齡. 數據包絡分析（DEA）[J]. 科學通報，2000（17）：1793-1808.

[8]段文斌，尹向飛. 中國全要素生產率研究評述[J]. 南開經濟研究，2009（2）：130-140.

[9]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，2014，28（2）：53-58.

[10]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，2013，30（8）：82-85.

[11]郭雅嫻，趙夢，盧雨菲. 區域農業科技創新資源評價指標體系構建[J]. 統計與決策，2011（22）：78-81.

[12]曹云. “一帶一路”背景下新疆農業資源配置效率及優化[J]. 中國農業資源與區劃，2017，38（7）：135-141.

[13]王廣，郭翔宇. 農業科技創新動力機制影響因素與創新[J]. 學術交流，2016（5）：136-141.

[14]林壽富，黃茂興. 區域科技成果轉化能力評價研究——基于福建省的實證分析[J]. 福建論壇（人文社會科學版），2013（10）：148-153.

[15]徐玉蓮，王玉冬. 區域科技創新與科技金融系統協同發展運行機理分析[J]. 科技進步與對策，2013，30（20）：25-29.

收稿日期：2020-08-11

作者簡介：蔣雨東（1995-），男，碩士研究生，研究方向：美麗鄉村建設與發展. E-mail：jwqlmm@163.com

通訊作者：王德平（1971-），男，副教授，博士，研究方向：技術創新與現代農業經營管理. E-mail：wdp@swust.edu.cn

基金項目：四川省農村發展研究中心資助項目（CR1704）