西部農業科技扶貧效率測度及影響因素實證分析
——以陜西省為例

黨夏寧，佟一欣，王云龍

（西北政法大學管理學院，西安 710063）

我國扶貧的主要戰場在農村，要發展農村經濟就要將現代科技要素引入到農業生產經營中，使傳統農業逐漸轉變為現代農業。當前我國學術界對于科技扶貧問題在宏觀和微觀層面展開了激烈的討論：柏振忠等[1]認為，在扶貧工作開展中，科技扶貧是較好的手段。劉薇等[2]、楊曼路[3]認為通過科技投入以及科技扶貧的應用，能夠有效提升農業生產率，具有可持續性。周華強等[4]、馬宗文等[5]認為人才是非常關鍵的一個因素，倘若大量高質量科技人才涌入農村，并投身于農業科技研究與開發，便能最大化發揮科技扶貧的效率和效果。廖寶紅等[6]從理論與實踐的結合方面，提出通過突出科技人才的推動作用、科技成果的引領作用、科技服務的促進作用，提高農業科技扶貧成效，加快農村貧困地區發展。

國內外研究環境不盡相同：GALHARDI R等[7]認為一項高水平農業科學技術，不但可以研發培育出農業新品，還能大幅提升農產品產量和質量，促使農產品價格下降，從而降低占貧困人口收入大部分的食品消費。OMILOLA B[8]認為貧困人口的大部分收入都來源于勞動力，要開發勞動力密集型的技術來增加對勞動力的需求。OTSUKA K[9]認為由于大部分貧困人口都生活在偏遠山區或土地貧瘠地，需要開發適應偏遠貧瘠地區的技術，但是新技術的使用反而可能會加劇收入差距和不平等性。GUNASENA H PM.[10]認為關于農業技術的推廣還存在一定程度的滯后性，一項新技術往往會最先被農業大戶所應用且領先獲益，而中小農戶由于渠道少，很難迅速引進和應用最新農業技術。

從當前國內外學者在扶貧和科技扶貧方面的相關研究情況可以看出，國內外學者普遍認為科學技術在貧困農村地區的應用，不但可以大幅度推動農業經濟的增長，還能幫助中小農戶迅速創收。但是，目前國內學者并沒有針對具體地域科技扶貧情況展開分析研究，更鮮少報道對科技扶貧效率的評價。因此，筆者選取陜西省為研究對象，并對其10市1區科技效率進行測算與分析，運用3D框架實證分析其外部影響因素，為提升陜西省科技扶貧效率提供相關建議。

1 研究設計

1.1 科技扶貧效率測算方法

目前測算績效或者效率的方法以隨機前沿分析和數據包絡分析為主。相較于隨機前沿分析法，DEA方法不僅無需確定函數關系，且具有非主觀賦權的優勢，對于投入產出指標量化要求不高，效率測算客觀性更甚。因此，選擇運用DEA方法來評價和分析陜西省各地科技扶貧效率。傳統DEA模型如BBC模型都是從徑向角度來測算指標相對效率值，測算結果無法比較排名，且尚未考慮到松弛變量的影響，以至于測算結果易高估實際情況。為解決松弛變量問題，Tone首次提出SBM模型，這一模型不僅是從非徑向角度進行測算，同時也考慮到投入產出指標的松弛冗余問題[11]。

針對模型排序問題，次年Tone再次改進模型并提出超效率SBM模型[12]。基于上述模型優劣勢分析，為客觀測算陜西省科技扶貧效率值，最終選取Super-SBM模型進行效率測算。由于DEA模型只能從靜態角度進行效率測算與分析，無法就跨期時間段動態分析，便運用Malmquist指數進行動態效應分析研究。有助于更深入了解陜西省各地科技扶貧效率的動態變化、變動原因和變化的貢獻程度，最終更好地為陜西省科技扶貧工作提供決策參考。

1.1.1 DEA-BBC模型為了測算與分析陜西省科技扶貧效率，設定模型如下。

Xj=(x1j,x2j, …,xmj)T

Xij>0表示投入量；i=1，2，…，s。

Yj=(y1j,y2j, …,ynj)T

Yrj>0表示產出量；j=1，2，…，s。

min[θ-ε(eTs-+êTs+)]

θ表示陜西省各地區效率值；ε表示非阿基米德無窮小參數；λj表示決策單元的參變量；X為p個決策單元的科技扶貧要素投入，Y為科技扶貧產出，s+、s-表示投入產出松弛冗余變量。

1.1.2 非徑向Super-SBM模型Super-SBM模型是一種基于非徑向角度，充分考慮松弛變量變化的效率模型。超效率 SBM模型具體公式如下。

1.1.3 malmquist指數馬姆奎斯特提出了 Malmquist指數模型，其表達式如下所示。

技術進步（Techch）和技術效率變化（Effch）是全要素生產率的分解項，而純技術效率（Pech）和規模效率（Sech）則是技術效率變化的分解項。

1.2 科技扶貧效率影響因素實證模型

為系統全面研究科技扶貧效率的影響因素，不能僅從測算效率內部因素入手，還需從外部視角探究其外力影響因素。因此，借助“3D”框架來構造外部影響因素實證模型。克魯格曼在新經濟學中，提出Density、Distance以及Division這個“3D”框架。Density指通過發揮自身產出實現集聚經濟，用各地區生產總值來衡量，反映區域經濟密度；Distance指空間上的相距大小，用各市區與西安市的直線距離來衡量，反映與經濟中心的關聯度；Division指衡量產品的經濟流動[13]，它是無數資源的匯集程度，因此，選擇用各地區的財政科技投入來衡量，反映區域科技扶貧資源的集聚程度[14]。建立如下模型。

yit=a+bx1it+cx2it+dx3it+zit+uit

y表示科技扶貧效率值，x1表示經濟密度，x2表示各市區與西安市的直線距離，x3表示財政科技投入，z為控制變量，u為隨機誤差項。i表示各市（區）（i=1，2，3，…，11），t表示年份，t=2014，2015，…，2018)。

2 陜西省各市區科技扶貧支出效率測算與分析

為了減少其他因素對科技扶貧支出的影響，借鑒相關文獻以及考慮到數據的可獲得性，故將地方政府科技扶貧經費支出、R&D經費和R&D經費強度作為投入指標，將農村常住居民人均可支配收入作為產出指標。選取2014—2018年數據，并且以陜西省10市1區為研究對象，數據來源主要為《陜西科技年鑒》《陜西統計年鑒》《陜西年鑒》及各城市扶貧辦和科技局門戶網站。運用DEA-Solver Pro5.0軟件測算效率。

2.1 科技扶貧效率靜態分析

2.1.1 基于Super-SBM模型和傳統DEA模型對比分析表1中的測算結果可以反映出：DEA-BBC模型測算值大多高于Super-SBM模型測算值，揭示出DEA-BBC模型測算值可能存在虛高，而Super-SBM模型測算結果更加精確且貼近實際情況，且該模型還能有效處理DEA-BBC模型無法排序的問題。

表1 2014—2018年陜西省10市1區科技扶貧效率水平測算結果

從圖1可看出，2014—2018年期間陜西省10市1區科技扶貧效率整體水平一般，且各市區之間的差異較大，以2018年為例，只有西安、銅川、渭南、榆林和楊凌5個地區科技扶貧效率較高，效率值均大于1。從陜西省10市1區科技扶貧整體發展趨勢來看，2014—2018年大多數地區的科技扶貧效率實現了不同程度的提升，其中寶雞、咸陽、渭南、漢中和商洛上升超過50%。延安和安康效率值下降幅度在50%左右。

圖1 2014-2018年陜西省三大區域科技扶貧效率

陜西省科技扶貧平均值為0.875，并沒有實現DEA相對有效，說明整體上還未達到最有效的生產前沿，科技扶貧資金消耗過度冗余和科技研發強度不足是效率水平不高的主要原因，最終影響了科技扶貧效率的提升。陜西省11個市區中，僅5個城市實現了DEA相對有效，占樣本總量的45.45%，而有6個城市未能實現DEA有效，占樣本總量的54.55%。

從表1可知，城市排名中，銅川（1.612）、楊凌（1.353）和商洛（1.272）依次位列前3位，延安（0.575）、渭南（0.390）和寶雞（0.193）依次位列后3位。當然，DEA測算出的效率值是相對效率，因此排名并不是絕對的，與所選取的樣本容量有直接關系。

2.1.2 三大區域對比分析為了便于區域對比分析，根據人文民俗和地理環境將陜西省劃分為陜北、陜南和關中。陜北區由榆林市和延安市組成，陜南區分別是漢中市、安康市和商洛市，關中區有西安市、銅川市、寶雞市、咸陽市、渭南市以及楊凌示范區。

圖1可反映：三大區域呈現出“陜北最高，關中次之，陜南最低”的基本態勢，說明陜西省各市區科技扶貧效率存在鮮明的地域差異。從三大區域的科技扶貧效率排名來看，與經濟發展水平明顯不一致。關中區整體經濟發展水平最佳，但所含城市扶貧效率參差不齊，雖然銅川、楊凌和西安均實現了DEA有效，但寶雞和渭南扶貧效率卻是效率最低的兩個城市，說明這兩座城市科技扶貧資金消耗過度冗余，沒有到達最佳理想狀態。陜南區整體經濟水平相對落后，而其中最為貧困的商洛市效率最高且實現了DEA有效。而陜北區整體經濟狀況位居三大區域中列，然其科技扶貧效率整體最高，主要歸功于榆林市。2014年以來，陜北、陜南和關中的科技扶貧效率總體均處于下降趨勢，因此，不能只關注經濟整體落后的區域，還需要注意整體經濟發展良好的城市，如：寶雞和渭南市的貧困地區，加大其科技扶貧效率監控力度，著力改善當地科技扶貧效果。

2.2 科技扶貧效率動態分析

2.2.1 陜西省科技扶貧Malmquist指數整體變化分析

進一步運用DEA-Malmquist指數對陜西省10市1區2014—2018年科技扶貧效率進行動態實證分析，運用DEAP 2.1軟件測算出下述各效率值，如表2所示。

表2 2014—2018年陜西省10市1區科技扶貧效率Malmquist指數

從陜西省整體來看，Malmquist指數平均值小于1，說明陜西省科技扶貧效率水平整體呈下降趨勢，主要原因是我國近年雖然在大力實現全面脫貧，科技扶貧投入巨大，但由于技術瓶頸和資源配置不當，導致其扶貧效率不佳。從技術進步變化指數來看，2014—2018年均小于1，表明農業科技發展水平在逐漸下降，技術進步停滯不前是抑制科技扶貧效率提升的關鍵原因。

從城市區域來看，除了西安和商洛2個城市外，其他9個城市的Malmquist指數平均值小于0.9，說明陜西省大部分城市的科技扶貧效率呈下降趨勢。從技術效率變化指數來看，僅漢中和榆林兩個城市指數平均值小于0.9，說明大部分城市的科技資源配置效率適當；從技術進步變化指數來看，除西安和商洛外，其他城市技術進步變化指數均值小于0.9，技術進步也呈逐年下降趨勢，總體經濟發展良好的城市應借鑒和學習西安市的科技進步經驗，經濟相對落后的城市應多借鑒商洛市的科技扶貧技術。

2.2.2 陜西省科技扶貧技術效率指數變化分析技術效率指數（effch）能夠反映各地區扶貧投入由于當地科技進步或者規模投入成本的降低而引致科技扶貧產出增加。表3可反映出，2014—2018年間，陜西省科技扶貧綜合技術效率保持平穩狀態，2015—2016年除外，總體保持在1.0上下略微浮動。另外，從這5 a間的數據中可以看出，純技術進步效率和規模效率指數變化趨勢略有不同，但總體變化趨勢相近，均值分別是1.022和0.985。結合表2，具體來看，有45.45%的地區保持科技扶貧投入規模報酬遞增，楊凌、延安和咸陽分別實現1.27、1.118和1.057，為前3個規模報酬效率最高的城市。銅川市保持科技扶貧投入規模效率不變，效率值維持在1.0。最后，還有54.55%的地區科技扶貧投入規模效率小于1，處于規模報酬遞減的狀態，這說明陜西省科技扶貧產業集群還沒有形成，規模效應特征不夠顯著，由投入規模變化引致的投入成本降低的現象仍不明顯。

另外，根據表3數據可以明顯看出，綜合技術效率變化趨勢和規模效率變化趨勢完全一致，均是先上升后下降。因此，盡管純技術效率呈現較大波動，但對于技術效率指數的影響還是比較小的。2014—2015年間純技術效率指數值最低，5 a間一直處于上升趨勢，直至2017—2018年間達到最高值（1.154）。由此可見，純技術效率的影響太弱，說明現有的技術手段還沒有對科技扶貧產生顛覆性的影響。

表3 2014—2018年陜西省10市1區效率指數分解

3 陜西省科技扶貧效率影響因素實證分析

通過Super-SBM模型測算出了陜西省10市1區科技扶貧效率值，分析出了該省的科技扶貧效率基本狀況，現以各地區的科技扶貧效率值為被解釋變量，以此來構建3D-OLS模型來進一步深入分析陜西省科技扶貧效率的外部影響因素。選取Density、Distance以及Division作為解釋變量，各地區可支配收入和固定資產投入作為控制變量。運用stata14.0對陜西省10市1區2014—2018年數據進行分析，數據來源于《陜西省統計年鑒》，表4為影響因素穩健回歸結果。

表4 陜西省科技扶貧效率影響因素3D-OLS結果

從回歸模型結果可以得出，經濟密度與科技扶貧效率在5%的水平上顯著正相關，說明當地整體經濟環境越好，科技扶貧效率的提升作用也會更加明顯。這可能是由于整體經濟環境的改善，從而形成規模效應和網絡效應很大程度上促進了科學技術在扶貧中的發揮。與省會中心城市的直線距離與科技扶貧效率在1%的水平上顯著負相關，說明與省會中心城市的直線距離對科技扶貧效率有負向影響，與中心直線距離越短，科技扶貧效率越高。這可能是由于隨著社會的不斷發展，大量的人才、土地和資金都在向中心城市聚集，使得中心城市的農業科技發展水平最高，最終形成以省會為中心，向四周輻射的局面。因此，與中心距離越近，科技扶貧效率越高。科技財政投入與科技扶貧效率的顯著性不佳，說明科技財政資金沒有得到有效配置，因此，對科技扶貧效率尚不具影響。也能側面反映出并不是資金越多，效率越高，資金使用如果存在冗余或配置不當，反而會使效率大幅下降。

4 結論與政策建議

4.1 研究結論

基于時空格局差異性視角，運用Super-SBM模型測算與分析陜西省科技扶貧效率，借助3D分析框架構建外部影響因素計量模型，得出以下結論：（1）從區域分布來看，陜西省科技扶貧效率呈現出“陜北最高，關中次之，陜南最低”的基本態勢，其中效率位列陜西省前三的城市分別是銅川、楊凌和商洛市。（2）從時序變化來看，2014—2018年，陜西省科技扶貧效率總體呈下降趨勢，技術進步變化指數和規模效率變化指數逐年遞減是導致其總體趨勢下降的內在根本原因。說明陜西省科技扶貧資源配置效率有待提高，陜西省科技扶貧政策方針執行和制度設計把控也有很大提升空間，且尚未形成科技扶貧規模效應。（3）從外部影響因素來看，與省會城市直線距離和經濟密度都對陜西省科技扶貧效率提升有顯著影響，財政科技投入資金存在冗余和配置不當，尚未顯現對科技扶貧效率的影響。

4.2 政策建議

4.2.1 以效率區域差異性為切入點，揚長補短可以通過陜北優勢地區推進各區域科技扶貧發展動力。與此同時，陜西省政府需要建立科技扶貧協作機制，保障科技扶貧效率有效投入，并讓科技扶貧項目與貧困農戶真正實現利益聯動。各市區也要形成大局觀，積極發揮區域優勢，實現優勢互補。

4.2.2 合理配置科技扶貧資源，提升效率只有合理高效配置科技扶貧資源，才能有效促進農業科技的進步，并最終帶動產業規模的大幅擴張。農產品的生產品質和效率越高，規模效應發揮越到位，產品優勢就越大，為農戶增收提供的空間也就越大。因此，合理配置科技扶貧資源，著力提升技術進步效率和規模效率在今后是陜西省各市區的科技扶貧開發重點。

4.2.3 充分認識“3D”外部影響因素，因地制宜經濟密度和空間距離因素對于陜西省科技扶貧效率具有顯著影響，且由于區域位置和經濟水平的不同，對于每個城市的影響程度均有所不同。因此，陜西省各市區在開展科技扶貧工作時，務必因地制宜。