基于DEA模型的寧夏農業科技資源配置效率評價

馬艷艷 邰一博 呂佳瑩

摘要：為及時了解寧夏回族自治區農業科技創新最新發展動態和科學合理利用農業科技資源，采用2000—2018年寧夏農業科技創新投入產出數據，運用DEA模型對寧夏農業科技資源配置效率進行分析。結果表明，寧夏農業科技資源配置綜合效率呈現階段性不穩定波動趨勢，且投入要素存在冗余現象。結合寧夏農業科技創新發展現狀，針對農業科技人才、土地要素和科技成果轉化存在的問題，提出優化寧夏農業科技資源配置和提升科技競爭力的政策建議。

關鍵詞：寧夏;農業科技;資源配置效率;DEA模型

農業科技的不斷創新已成為推動農業經濟增長方式轉變和提高農業現代化發展水平的重要動力。我國農業科技貢獻率不斷攀升，2018年達到58.3%，比2011年提高了5.7%，但同時農林牧漁業對GDP的貢獻率由2011年的16.6%下降到2018年的12.6%[1-2]，下降趨勢明顯，農業發展仍面臨較嚴峻的挑戰。寧夏回族自治區作為西部內陸少數民族自治區之一，近年來圍繞特色優勢產業著力推進農業科技創新，已取得顯著成效。主要體現在圍繞寧夏農業特色產業組建各類技術創新平臺、培育農業科技創新團隊和認定農業科技示范展示區，農業科技創新能力明顯提升，但與國內東中部地區相比，寧夏農業綜合生產力和農業科技水平仍較落后。因此，積極探索和提升寧夏農業科技資源配置效率，充分發揮農業科技的比較優勢，對促進現代農業發展顯得尤為重要。2020年中央一號文件進一步提出“采取長期穩定的支持方式加強現代農業產業技術體系建設”，為全面研究農業科技創新效率，充分有效地開發農業科技創新資源提供了堅實的政策環境。國內外學者圍繞農業科技資源配置效率評價及相關問題進行了諸多研究。首先，從研究方法來看，目前國內外學者運用較多的是數據包絡分析方法（data envelopment analysis，DEA）。如Nasierowski等通過兩階段DEA方法測算世界上45個國家的科技創新效率，發現技術創新規模和資源配置對生產率有重要影響作用[3]。李燕凌等以2004—2006 年湖南省14個市（州）為例，采用DEA模型與Tobit 模型分析支農財政支出效率以及財政支農效率的影響因素[4]。趙麗娟等為尋求政府研究和開發活動（R&D）投入和環境規制的最優強度區間，通過對農業科技投入效率進行評價，提出在趨嚴的環境規制背景下，有效調節政府投入力度可以促進農業科技投入效率的提升[5]。杜鵑采用DEA模型量化分析中國農業科技投入產出效率，發現農業科技資源投入規模不合理和測算不科學是導致部分地區農業技術創新非 DEA有效的主要原因[6]。其次，從創新的影響因素來看，曹博等通過歸納分析我國農業科技發展演化軌跡，提出消費需求和產業結構是影響公共與私人部門農業科技創新體系建立的重要因素[7]。鄧敏慧等通過研究我國農業科技資源配置效率及其區域性差異，發現農村基礎設施水平、農業生產結構和人口因素均會影響農業科技創新發展[8]。付野等提出農業科技型龍頭企業創新資源利用效率是其生存和發展的根本[9]。董明濤發現，影響農業科技資源配置效率的因素不但包括政府扶持力度和勞動力受教育程度，還包括科技市場的完善程度等變量[10]。最后，從農業科技創新效率提升的具體措施來看，江艷軍等認為，通過持續推動農業產業結構升級和加強農業生產技術培訓以及促進農業產業結構改革等措施可以加大農業科技投入力度[11]。黃紅星等提出要重點突出農業科技創新的作用，對接我國科技創新需求和挖掘農業發展新動能，以有力支撐現代農業發展和實現農業發展的提質增效[12]。李勇輝等認為，結合市場導向和農戶農業生產需求是帶動農業科技成果有效轉化和推廣的重要途徑[13]。綜上，DEA模型對于多投入多產出的效率評價體系能夠有效、客觀、科學地對決策單元進行效率分析。因此借鑒已有研究成果，利用2000—2018年寧夏農業科技相關投入和產出指標，運用DEA模型對其農業科技的資源配置效率進行較全面的分析和評價。

1 研究方法、指標選取及數據來源

1.1 研究方法

數據包絡分析是由Charnes等于1978年在相對效率概念基礎上提出的一種非參數前沿效率分析方法，也被稱為DEA（data envelopment analysis）有效[14-15]。該方法最早是Farrell在研究英國農業生產力時提出的衡量生產效率的方法，目前在經濟學領域已有廣泛應用[16]。其基本思路是：通過測量1個決策單元（DMU）的效率程度以確定該決策單元能否在不消耗更多資源的情況下增加其產量，或在保持相同的產量水平下減少投入的使用[17]，即通過對多個投入和產出數據進行分析綜合效率數量指標以確定各決策單元是否為DEA有效[18]。確定DEA模型的投入指標和產出指標時要滿足決策單元總數量不少于投入和產出指標數量的乘積。

假設有n個決策單元（DMU），從投入角度對其進行測量，記為DMUi（i=1，2，…，n）。每個決策單元有m 種投入，記為Xj（j=1，2，…，m），投入權重表示為Vj（j=1，2，…，m）;有q種產出，記為Yr（r=1，2，…，q），產出權重表示為Ur（r=1，2，…，q），由此構建基礎模型。

1.1.1 基于規模收益不變的CCR 模型 CCR模型是基于規模收益不變得出的技術效率，包含規模效率的成分，通常被稱為綜合技術效率（TE），以投入為導向的線性規劃模型（P）和對偶規劃模型（D）如下[19]。

1.1.2 基于規模收益可變的BCC 模型 BCC模型是基于規模收益可變得出的技術效率，因其排除了規模的影響，因此稱為純技術效率。BCC模型在CCR對偶模型基礎上增加了約束條件∑niλi=1（λ≥0），即可以使投影點與被評價決策單元的生產規模都處于同一水平，以投入為導向的線性規劃模型如下。

通過公式（3）求得的θ值為純技術效率值，且通過比較可以計算出規模效率值（SE），SE=TECRS/TEVRS，其中，TECRS為規模收益不變時的技術效率值，TEVRS表示規模收益可變時的技術效率值。

1.2 指標選取

農業科技創新資源主要是指農業科技創新活動中促進社會經濟發展一切要素集合[21]。本研究基于2000—2018年寧夏農業科技投入產出數據，在農業科技創新投入指標方面主要選取4項指標：農作物總播種面積（X1）、農業機械總動力（X2）、農業技術人員（X3）和支援農業/農林水事務經費（X4），其中農作物總播種面積與農業機械總動力作為科技物力資源，農業技術人員作為科技人力資源，支援農業/農林水事務經費作為科技財力資源。在農業科技創新產出指標方面主要選取3項指標：農林牧漁業總產值（Y1）、專利授權數（Y2）和農村居民家庭人均年收入（Y3），其中專利授權數作為科技成果資源要素，農林牧漁業總產值和農村居民家庭人均年收入作為經濟效益評價指標，分別反映農業科技創新所帶來的經濟收益和農村居民的增產增收情況[13]（表1 ）。

1.3 數據來源及農業科技投入產出指標統計描述

1.3.1 數據來源 針對數據的可獲性和有效性，本研究涉及7個投入產出指標（表2），其中農業技術人員數量與農村居民家庭人均年收入主要來源于2001—2019年《寧夏統計年鑒》，其余數據指標來源于2001—2019年《中國統計年鑒》。

1.3.2 農業科技投入、產出指標統計描述分析

1.3.2.1 投入指標 （1）農業科技物力資源。農作物播種面積是保障糧食生產的重要途徑。

可知，2000—2018年的寧夏農作物總播種面積整體呈現波動性增長趨勢。從2000年的101.65萬hm2增加到2016年的127.52 萬hm2，相比2000年農作物總播種面積增長了25.45%，但2018年相比2016年，農作物總播種面積下降了11.06萬hm2，降幅為8.67%，也反映出近年來寧夏在耕地利用方面面臨一定的挑戰。農業機械總動力是指各種動力機械用于農、林、牧、漁業的動力總和，按功率折成“W”計算，一個地區農業機械總功率越大，該地區農業機械化程度就越高[22]。由圖2可知，2000—2015年寧夏農業機械總動力總體表現出持續穩定上升的趨勢，但在2016—2018年出現了較大波動。

（2）農業科技人力資源。農業科技人才作為農業科技的載體，其投入規模會直接影響農業科技創新能力和創新效率，同時也是提升農產品產量與質量以及滿足農產品市場需求的重要保障因素[23]。由圖3可知，2000—2018年寧夏農業技術人員數量在不同階段呈現較大波動。分時間階段來看，農業技術人員數量在2000—2006年基本保持增長幅度，2006—2012年呈現出逐年下降的趨勢，2013—2015年較2012年有小幅度增加，但2015—2017年又呈現出較小幅度下降趨勢。但總體上寧夏農業技術人員數量處于不穩定增長狀態。

（3）農業科技財力資源。政府對農業科技創新發展的支持主要體現在其投入規模，為優化農業科技創新資源配置產生積極作用。因此，本研究關于政府對農業財政支出指標主要采取政府支援農業/農林水事務支出作為農業科技財力投入指標。由圖4可知，2000—2018年寧夏支援農業/農林水事務支出整體呈現出較穩定的增長態勢，不斷增加的資金投入為農業科技創新提供了較良好的保障條件。

1.3.2.2 產出指標 （1）農業科技成果。現有研究成果顯示，農業科技成果數量代表1個國家或地區農業科學技術產出水平[24]。本研究主要選擇專利授權數作為整體技術創新水平的衡量指標。由圖5可知，寧夏專利授權數量在2000—2018年呈現出穩定的增長趨勢，說明寧夏科技創新成果數量和知識產權管理在不斷提高。

（2）農業科技經濟效益指標。農林牧漁業總產值和農村居民人均可支配收入2個指標可以直接反映農業生產的總規模和總成果。由圖6、圖7可知，2000—2018年寧夏農林牧漁業總產值和農村居民人均可支配收入總體呈現出穩定的增長趨勢。

2 實證結果與分析

運用2000—2018年寧夏農業科技的投入產出數據，主要通過DEA方法中投入為導向的CCR模型及BBC模型進行分析（表3），并對不同年份的資源配置效率得分結果和不同階段差異進行描述。

2.1 農業科技資源配置綜合效率分析

綜合效率反映了決策單元的資源配置能力，是對資源利用效率的綜合衡量與評價。如果綜合效率為1.000，表示決策單元的投入產出綜合有效，同時出現的是技術有效和規模有效[19，25]。從DEA分析結果計算出綜合技術效率均值為0.970，純技術效率均值為 0.983，規模效率均值為0.986，說明寧夏農業科技資源配置效率水平整體表現出較高的狀態。從時間分布來看，2000—2018年有10年農業科技投入產出的綜合技術效率處于有效狀態，分別是2000—2003、2005—2008、2015、2018年，說明這10年寧夏農業科技資源配置較科學合理且處于相對均衡狀態。而2004、2009—2014、2016—2017年出現綜合效率降低的情況，綜合技術效率得分均處于0.900～1.000，最低值0.901出現在2009年，表明寧夏的農業科技資源配置處于非有效狀態，可能在技術或者規模有效性方面存在一定問題，政府須要采取調整措施使其達到相對均衡狀態。

2.2 農業科技資源配置純技術效率分析

純技術效率反映決策單元在一定條件下投入要素的生產效率和利用情況[19，26]。由表3可知，寧夏在2000—2018年間有12年純技術效率處于有效狀態，說明這12年實現了既定投入下的最大產出或既定產出下的最小投入，其中2016、2017年農業科技資源的投入產出綜合效率小于1.000，而純技術效率為1.000，說明這2年部分資源配置有效，沒有浪費現象，綜合效率不高主要是規模效率不高造成的。2004、2009—2014年純技術效率得分均在0.900以上，表明投入或產出存在不足，須要稍加調整便可以實現農業科技資源的高效配置。

2.3 農業科技資源配置規模效率分析

規模效率主要反映寧夏農業科技創新的綜合能力。規模效率值如果為1.000，表示規模報酬處于最佳狀態;規模效率值如果小于1.000，表示投入規模處于規模報酬遞增或遞減階段，即為非有效規模[25]。由表3可知，2000—2003、2005—2008、2015、2018年寧夏農業科技資源配置的規模投資回報較穩定，是最優的農業科技投入規模，而2004、2009—2014、2016—2017年處于規模效率遞增階段，說明這9年寧夏農業科技創新資源投入規模配置不合理，可繼續通過調整農業科技創新資源的投入產出規模來提高配置效率。

2.4 寧夏農業科技資源的投入與產出冗余值分析

由表4可知，主要通過投影分析呈現出DMU中7個非有效單元的松弛變量，并以期通過數據調整使DMU有效。除2004年，2009—2014年寧夏農業科技投入均存在農業機械總動力冗余的問題。從松弛變量上進一步分析投入冗余值，2004、2011、2013年還分別存在農業技術人員和農作物總播種面積投入過剩的現象，應減少一定的資源投入量以獲得相應的產出。同時，2004、2009—2014年都存在專利授權數和農村居民家庭人均年收入相對不足，說明該階段寧夏在農業科技產出數量和質量方面有待進一步提升，可以通過增加產出使資源得到充分有效的利用，將無效轉換為有效。

3 結論與政策建議

本研究運用 DEA 模型分析寧夏2000—2018年農業科技資源配置效率，發現其農業科技資源配置效率整體處于較高水平，但不同階段仍存在不同程度的投入冗余和產出不足，為實現農業科技資源的高效配置，須要采取一定的調整措施才能達到有效狀態，因此提出如下政策建議。

3.1 加強培育創新型農業科技人才隊伍

培育高素質農業技術人才是科技創新的保障。依托寧夏近年來大力推進的科技計劃、重點實驗室、智慧農業發展技術等平臺，通過不斷加強對農業科技型創新團隊和農業科技型領軍人才的培育力度，建設一支真正懂農業、愛農業、總量和知識結構較合理的現代化農業科技人才隊伍，使農業科技效率實現最優水平。同時，重點圍繞寧夏農業優勢特色產業的發展需求，在資金投入、人才引進、環境保障等政策扶持方面共同發力，通過分類施策，精準培育生產經營型、專業技能型和專業服務型人才，充分調動科技創新的內生動力，積極推動農業科技在農業現代化發展中的積極作用。

3.2 以市場為導向健全農業科技成果轉化和服務機制

提高農業科技創新成果的轉化應用可以提升農業科技進步貢獻率和優勢特色產業科技支撐能力。尤其在解決特色優勢產業共性和關鍵技術方面，要重點開展科技創新以突破制約農業發展的重大技術瓶頸。進一步創新農業科技推廣服務方式和拓展農業科技推廣服務內容，建立健全服務于寧夏農業科技成果轉化的長效機制。同時，根據市場需求建立農業科技創新動態管理機制并進行跟蹤服務，突出涉農企業需求導向和成果應用導向。鼓勵科研機構和高等院校科研人員將農業科技成果與生產實際結合，形成以科學技術推廣、建園聯企服務、人才培養培訓和政策法規宣傳等為支撐的科技服務體系。

3.3 完善與農業適度規模經營相適應的農機社會化服務體系

基于寧夏農業農村發展現狀以及為滿足廣大農民對機械化生產的需要，進一步完善農機服務體系，使之與農業適度規模經營相適應。同時優化農機具配置結構，拓寬現代農機服務領域，以提高農業生產效率。尤其是在寧夏南部山區，配合農機化示范推廣項目促進農機轉型升級，引導各類農機服務組織積極探索開展與現代農業發展相適應的高效服務模式，不斷提升農機社會化服務能力與農機化裝備水平。積極創新農機生產服務模式，提升農機裝備創新能力。加大財政補助政策支持力度，促使農機專業化組織開展多元化經營，鼓勵金融機構加大新型農機服務組織信貸范圍，優化調整農業產業結構。

參考文獻：

[1]高 敬，董 峻. 國務院新聞辦發表《中國的糧食安全》白皮書[EB/OL]. （2019-10-14）[2020-02-24]. http：//www.xinhuanet.com/politics/2019-10/14/c_1125102733.htm.

[2]潘林青，董 峻. 專家稱夏糧總產有望創歷史新高冬小麥或現9連增[EB/OL]. （2012-06-19）[2020-02-24]. http：//www.chinanews.com/gn/2012/06-19/3973098.shtml.

[3]Nasierowski W，Arcelus F J.Interrelationships among the elements of national innovation systems：a statistical evaluation[J]. European Journal of Operational Research，1999，119（2）：235-253.

[4]李燕凌，歐陽萬福. 縣鄉政府財政支農支出效率的實證分析[J]. 經濟研究，2011（10）：110-122.

[5]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.

[6]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.

[7]曹 博，趙芝俊. 基于產業結構升級的現代農業科技創新體系研究[J]. 農村經濟，2017（1）：99-104.

[8]鄧敏慧，楊傳喜. 基于超效率DEA模型的中國農業科技資源配置效率動態演化研究[J]. 中國農業資源與區劃，2017，38（11）：61-66.

[9]付 野，張廣勝，田慧勇. 基于DEA的農業科技龍頭企業技術創新效率評價——以遼寧省為例[J]. 社會科學輯刊，2011（1）：133-137.

[10]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.

[11]江艷軍，黃 英. 民間投資、農業科技進步與農業產業結構升級——基于“一帶一路”沿線省域的實證研究[J]. 科技管理研究，2019，39（17）：123-130.

[12]黃紅星，劉曉珂，萬 忠. 科技引領廣東農業供給側結構性改革的思路和方向[J]. 江西農業學報，2018，30（11）：147-150.

[13]李勇輝，白利鵬. 云南省農業科技創新資源配置效率及影響因素研究[J]. 中國農業資源與區劃，2019，40（6）：63-69.

[14]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision-making units[J]. European Journal of Operational Research，1979，3（4）：339.

[15]陳 振，鄭 銳，李佩華，等. 河南省農業科技創新效率評價與分析[J]. 河南農業大學學報，2018，52（3）：464-469，484.

[16]Farrell M J.The measurement of production efficiency[J]. Journal of the Royal Statistical Society a General，1957（120）：253-290.

[17]Atkinson S E，Cornwel C.Parametric estimation of technical and allocative inefficiency with panel data[J]. International Economic Review，1994（35）：231-244.

[18]朱玉春，唐娟莉，劉春梅. 基于DEA方法的中國農村公共服務效率評價[J]. 軟科學，2010，24（3）：37-43.

[19]楊倩茹 胡志強. 基于DEA模型的我國農村義務教育資源配置效率研究[J]. 現代教育管理，2016（11）：15-21.

[20]成 剛. 數據包絡分析方法與MaxDEA軟件[M]. 北京：知識產權出版社，2014.

[21]劉玲利. 科技資源配置理論與配置效率研究[D]. 長春：吉林大學，2007.

[22]吳海華，方憲法，王德成. 基于 DEA 模型的農業裝備技術創新效率分析[J]. 農機化研究，2014，36（3）：1-6.

[23]張莉俠，俞美蓮，王曉華. 農業科技創新效率測算及比較研究[J]. 農業技術經濟，2016（12）：84-90.

[24]吳正平，何鳳林. 基于MAXDEA模型的新疆農業科技創新效率研究[J]. 農業與技術，2019，39（17）：1-5.

[25]白世秀，王 宇. 我國農業生態效率評價及DEA分析[J]. 江蘇農業科學，2019，47（7）：328-332.

[26]江 湧，閆曉旭，劉佐菁，等. 基于DEA模型的科技金融投入產出相對效率分析——以廣東省為例[J]. 科技管理研究，2017，37（3）：69-74.儲 亮，陳井元，杜明軍，等. 農作物秸稈資源化利用效益評價及推廣條件分析——以江蘇省海安市為例[J]. 江蘇農業科學，2021，49（3）：232-236.