農業科研投入對農業生產效率的影響研究
——以黃河流域為例

袁桂紅

(長江大學經濟與管理學院,湖北荊州 434023)

科技是第一生產力,發展農業科技是實現我國農業現代化的必經之路,也是將我國建成農業強國的重要保障。一直以來我國政府都高度重視農業科技的發展,1994年以來,我國政府都將“三農”作為中央一號文件的主要內容,同時也將農業科技作為發展農業的重要手段。2022年中央一號文件指出,要大力推進種源等農業關鍵核心技術攻關,推進種業領域國家重大創新平臺建設,加快實施農業關鍵核心技術攻關工程。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》也指出,要增強農業綜合生產能力,完善農業科技創新體系,創新農技推廣服務方式,建設智慧農業。

隨著農業的持續發展,我國農業總產值和糧食產量持續增高,但其增長已經進入了瓶頸期,這主要是因為我國可供耕種的土地已經基本開發完畢,且城鎮的發展也在不斷占用耕地,擠占農業發展空間,影響了農業的發展。在這種情況下,已經很難通過擴大農業生產規模來促進農業發展,提高農業生產效率是現下促進農業發展唯一的可行路徑。黃河是中華民族的母親河,黃河流域更是我國的農業主產區。黃河流域地形復雜,既有平原地區,也有高原荒漠地區,雖然河南省、山東省和內蒙古自治區的糧食產量均在全國前十,河南省和山東省更是排第二、三名,但甘肅省等生態脆弱地區糧食產量相對較低。黃河流域地形豐富,農業科技發展也是農業生產效率提升的主要因素,因此研究黃河流域農業科研投入對農業生產效率的影響對于我國高緯度地區農業生產效率的提高、農業生產結構的調整以及農業科研投入結構的調整具有重要的理論與現實意義。

鑒于農業科技和農業生產效率的重要性,國內外學者對此進行了大量研究。一是有關農業科技的研究。農業科技的發展主要包括農業育種[1]、生產模式[2]及其他方面的發展,具體而言,農業育種主要是指水稻、小麥、大豆包括食用菌等的新品種的開發和育種,如雜交水稻[3]、海水稻[4]、超級小麥[5]等;生產模式主要是指栽培、灌溉、采摘等的創新,主要有無土栽培[6]、以草養菇[7]、滴灌[8]、噴灌[9]等;其他方面的創新主要涉及農業生產的各個環節,如化肥、農藥等新產品的開發,各類農藥機械的研發與升級,以及農產品加工業的創新[10-11]。二是有關農業生產效率的研究。農業生產效率的研究方法主要有比值法、能值分析、隨機前沿分析法和數據包絡分析法[12]。從農業生產效率影響因素角度出發,主要有自然[13]、社會[14]和政策[16]三大角度。三是農業科研投入對農業生產效率的影響研究。王辰璇等[16]認為農村科技投入對農業生態效率影響呈現為“倒U”型,農業科技投入規模對農業生態效率有著顯著的溢出效應。孫慧波等[17]認為以農民專業合作社為主導的農業科技服務體系相對于政府主導型農推體系更有優勢。

筆者基于黃河流域2011—2020年的面板數據,運用超效率SBM模型對該流域農業生產效率進行測算,運用Tobit模型實證分析農業科研投入對該流域農業生產效率的影響,以期為流域農業科技創新和農業生產效率的提高提供參考。

1 模型及指標體系構建

1.1 模型構建

1.1.1包含非期望產出的SBM模型。數據包絡分析(DEA)是一種非參數前沿方法,長期以來一直被用作評估經濟、能源、環境和生態效率的方法。但傳統的DEA模型是基于投入的比例減少或產出的比例擴大,沒有充分考慮輸入或輸出變量的松弛性問題,不能準確度量效率值。為了降低效率測量的誤差,Tone等[18]通過對Anderson超效率模型進行深入研究,結合前期的SBM模型構建出了超效率SBM模型。因此該研究選取超效率SBM模型對黃河流域農業生產效率進行測算,具體公式如下:

(1)

1.1.2Tobit模型。為了更為準確地反映科研投入對黃河流域農業生產效率的影響,該研究根據黃河流域2011—2020年的省級面板數據,構建相應模型來反映科研投入對黃河流域農業生產效率的影響程度和影響方向。由于超效率SBM模型所得數據為截斷離散數據,因此該研究采用Tobit模型來反映二者之間的關系,并進行回歸分析,具體公式如下:

effiit=α0+α1atiit+α2inteit+α3arsit+α4controlit+εit

(2)

式中:i表示地區;t表示時間;α0為常數項;εit為隨機誤差項;α1、α2、α3、α4為待估系數;atiit、inteit、arsit分別表示農業科研資金投入規模、強度和人力投入。

1.2 指標體系構建

1.2.1農業生產效率測算體系構建。農業生產效率是指一定規模投入要素的組合下獲得的最大農業產出,是衡量農業發展水平的重要指標,也是衡量農業現代化程度的重要指標。該研究基于2011—2020年黃河流域農業生產面板數據,依據黃河流域自身特點,根據數據的可得性,選取機械、化肥、灌溉、用電、播種總面積、勞動力、塑料薄膜、柴油、農藥等作為投入指標,將農業總產值作為產出指標,構建相應的指標體系(表1)。

表1 農業生產效率指標體系

1.2.2影響因素指標體系構建。黃河流域地形復雜,其中、下游地區是我國重要的糧食生產基地,但同時黃河流域上、中游地區也是集中連片的生態脆弱地區,水土流失和土地荒漠化嚴重,這些因素使得該地區農業生產效率受到較大影響。在這種情況下,黃河流域,尤其是上、中游地區,必須加大對農業科研的投入,以科技帶動當地農業發展。因此,該研究根據以往的研究成果,將黃河流域2011—2020年農業生產效率作為被解釋變量,將資金和人力等科研投入作為解釋變量,將農村經濟發展水平、農村勞動力素質、政府支持度、機械化水平、受災率等作為控制變量,研究黃河流域農業科研投入對該流域農業生產效率的影響,具體指標體系見表2。

表2 科研投入對農業生產效率影響的指標體系

1.3 數據來源該研究數據主要來源于《中國統計年鑒》《中國農村統計年鑒》《中國科技統計年鑒》《中國人口與就業統計年鑒》及各省、自治區統計年鑒,其中農業科研資金和人力投入及農村勞動力受教育年限并未直接統計,相關指標測算如下所示:

農村勞動力受教育年限=0α0+6α1+9α2+12α3+16α4

式中:α0表示文盲或半文盲勞動力占比;α1表示小學學歷勞動力占比;α2表示初中學歷勞動力占比;α3表示高中學歷勞動力占比;α4大專及以上學歷勞動力占比。

農業科研資金和人力投入并未直接統計,該研究參照前人研究,對科研資金和人力投入進行處理后得到,具體如下:

農業研究與試驗發展(R&D)經費支出=研究與試驗發展(R&D)經費支出×(農業總產值/地方生產總值)

農業研究與試驗發展(R&D)人員當時量=研究與試驗發展(R&D)人員當時量×(農業總產值/地方生產總值)

2 實證分析

2.1 黃河流域農業生產效率的實證分析基于2011—2020年黃河流域農業生產的省級面板數據,運用超效率SBM模型對該流域農業生產效率進行測算,結果見表3。

表3 2011—2020年黃河流域各省(自治區)農業生產效率

從表3可以看出,黃河流域在該階段的農業生產并未達到完全有效,其農業生產效率仍有較大提升空間。從縱向側面來看,該流域在樣本期間內的農業生產效率雖僅在2020年達到完全有效,其發展趨勢也存在一定的波動,但整體仍表現出上升態勢,整體向好趨勢明顯。進一步分析可以看出,黃河流域中游農業生產效率要明顯高于上游和下游,下游農業生產條件雖然最優,但對高效農業發展的重視程度不足,導致下游農業生產效率最低;上游地區雖然環境惡劣,農業生產條件也存在很大不足,但也正因如此,使得上游地區更加重視高效農業的發展,農業生產的效率值也更高。從各省(自治區)來看,僅有內蒙古自治區和山西省在樣本期間內農業生產效率均值大于1,其余省(自治區)均小于1,其中小于0.9的僅有四川省和陜西省。內蒙古自治區和山西省農業總產值雖不高,且農業生產條件較差,這使得這2個省(自治區)更加注重節水農業等設施農業和高效農業的發展,農業生產效率也更高。四川省擁有良好的農業生產條件,但這種優良條件僅限于四川盆地地區,盆地以外多為山地,農業生產條件極為有限,且只能靠人力和畜力,很難實現機械化,且四川省是我國西部唯一經濟排名前十的省份,經濟發展水平較高,對農業的重視程度較低,這些因素的綜合影響導致四川省農業生產效率較低。陜西省僅有漢中地區適宜耕作,且面積較小,其余地區多位于黃土高原,干旱少雨,水土流失嚴重,土地肥力極低,土地生產率也很低,加之退耕還林/還草政策的實施進一步壓縮了農業發展的空間,使得陜西省農業生產效率最低。

綜上所述,造成黃河流域農業生產效率較低的主要原因如下:一是自然環境,即農業生產條件;二是科技進步不足。隨著政府對農業重視程度的提高,以及農業科技的快速發展,這2個問題終將會得到解決。

2.2 科研投入對黃河流域農業生產效率影響的實證分析基于黃河流域2011—2020年面板數據,運用Tobit模型分析農業科研資金投入規模、強度和人力投入等對該流域農業生產效率的影響,并將政府支持度、農村經濟發展水平、農村勞動力素質、經濟結構、產業結構、對外開放度作為控制變量,并將各變量代入公式(2)中,分析科研投入對農業生產效率的影響,結果見表4。

表4 科研投入對黃河流域農業生產效率影響Tobit模型分析

由表4可知,農業科研資金投入規模對黃河流域整體及各區域農業生產效率的影響均顯著為正,表明在考察期內農業科研資金投入規模的增加對該流域農業生產效率表現出較強的增益性,尤其是為農產品優良品種、新型耕作技術和農產品生產以及加工技術的開發提供了有效的資金支持,加快農業現代化進程,有效地促進了農業生產效率的提升。農業科研資金投入強度對黃河流域及上游、下游農業生產效率的影響顯著為正。對中游的影響顯著為負,表明在考察期內農業科研資金投入強度的提高會對該流域整體及上、下游農業生產效率表現出較強的增益性,而對中游則表現出抑制效應。人才是農業科技發展的稀缺資源,也是農業科技發展的基石。農業科研人力投入代表了農業科研從業人員的規模,是農業科研實力的重要保證。農業科研人力投入對黃河流域整體及上、中游農業生產效率的影響顯著為正,對下游的影響顯著為負,這表明在考察期內農業科研從業人員數量的增加能夠對該流域整體及上、中游產生顯著的積極作用。農業科技創新不僅需要充足資金支持,還需要足夠的研究人員,農業科研從業人員的增加能夠加快科研進度,提高農業科研成果的產生率,但過多的科研人員也會產生過剩,造成人員浪費,進而產生負面影響。

3 結論與建議

3.1 結論該研究運用超效率SBM模型對2011—2020年黃河流域農業生產效率進行測算,運用Tobit模型實證分析農業科研投入對該流域農業生產效率的影響,主要結論如下:①黃河流域在該階段的農業生產并未達到完全有效,但整體仍表現出上升態勢,整體向好趨勢明顯。黃河流域中游農業生產效率要明顯高于上游和下游。僅有內蒙古自治區和山西省在樣本期間內農業生產效率均值大于1,其余省、區均小于1,其中小于0.9的僅有四川省和陜西省。主要原因一是自然環境,即農業生產條件限制;二是科技進步不足。②農業科研資金投入規模對黃河流域整體及各區域農業生產效率的影響均顯著為正;農業科研資金投入強度對黃河流域及上游、下游農業生產效率的影響顯著為正。對中游的影響顯著為負;農業科研人力投入對黃河流域及上、中游農業生產效率的影響顯著為正,對下游的影響顯著為負。

3.2 建議

3.2.1加大農業科技投入,為農業發展創新提供有利條件。黃河流域大部分地區環境較為惡劣,土地條件較差。農業科技創新是該流域農業發展壯大,并最終走向現代化的唯一可行途徑。各級政府應當加大對農業科技創新的重視程度,加大農藥科技財政支持力度,充分發揮政府的主觀能動性,建立以政府為主導的農業科技創新平臺,扶持種子種苗等產業,推動農業種植模式的創新,使之能夠適應黃河流域生產環境。逐步建立多元化投入模式,拓展農業科技創新的資金來源,吸引社會各界參與到農業科技創新當中。

3.2.2加強農業科技人才隊伍建設,優化農業科技人員配置。一是加強人才的培養力度。對農業科技人才的培養不能局限在對農業科研人才的培養上,還要加大對農業科技推廣人才的培養,使科研成果的轉化渠道更通暢,保障科研成果轉化的及時性。二是加大人才的引進力度。加大對上游和中游農業科技人才的引進力度。上游和中游地區環境較為脆弱,對新型農業模式的需求較為迫切,而培養需要一個過程,人才引進則可以加快進程,同時還可以加快人才培養進程。三是優化科研人員配置。農業科研人員的配置應當與當地條件相適應,根據當地農業產業的發展合力配置農業科技人才,避免造成人才浪費。

3.2.3加大農業技術培訓教育,不斷提高農村勞動力人力資本水平。加大教育和科研投入,尤其是要加大對上游和中游基礎教育的投入,提高農民素質,提高農民對新技術和新方法的掌握和運用能力,使農業科研成果能夠更快地轉化為生產力。通過培育培養更多的高素質農業生產經營者,助推鄉村振興,實現農業高質量發展。