我國糧食主產區作物種業創新效率的區域差異及動態演進

于冠鑫，崔丙群

（山東農業大學經濟管理學院，山東泰安 271001）

種業是農業的“芯片”，是國家戰略性、基礎性核心產業。習近平總書記強調，加快建設農業強國，全方位夯實糧食安全根基，深入實施種業振興行動。種業是糧食安全的根基，是農業增產、農民增收過程中最關鍵的一環，也是農業投入發揮作用的重要載體。糧食主產區作為我國最重要的糧食生產基地，其農業生產對國家農業經濟增長貢獻巨大，在保障農產品供需動態平衡和國家糧食安全方面具有重要戰略地位。然而，由于糧食主產區內不同省域的經濟發展水平、科技發展水平和種業創新能力不盡相同，同時受地理環境和相關政策的影響，我國各省域的種業創新效率表現出明顯的空間非均衡特征，而種業創新效率空間分布的不均衡，必將對區域糧食產量、價格、農業高質量發展以及區域經濟協調發展產生重要影響。因此，準確掌握我國糧食主產區種業創新效率的區域差異及其動態演化規律，對推進我國種業健康發展和保障國家糧食安全具有十分重要的意義。

1 文獻回顧

縱觀國內外關于種業創新研究，大致可分為3類。一是種業發展研究。靖飛等［1］通過對比孟山都、先正達兩家國際種業集團與我國種業上市公司的發展情況發現，我國種子企業規模較小、種子研發投入不足。其主要原因是國際種業集團以知識產權、基因專利等手段對我國種業實施壓制［2］。因此，我國要發展成世界種業強國，就必須促進種業研發體制改革、完善新品種審定制度、保護國內優秀種質資源［3］。二是關于種業創新效率的研究。國內外學者主要基于效率測度方法對種業創新展開研究。結合種業技術創新效率理論，龔夢君［4］基于數據包絡分析（DEA）-Malmquist 指數模型對種子企業的創新效率進行研究分析，并使用Tobit 模型對其影響因素進行探究，比較了“育繁推”一體化和非一體化的種業企業技術創新。通過運用社會網絡分析（SNA）法、DEA 法和結構方程模型（SEM）等方法，閆樹盈等［5］分析了國內7 家種業上市公司與國外2 家上市公司的規模、科研水平、成長性、創新效率發現，國內種業上市公司在科研投入水平與成長性方面與國際種業巨頭差距較大。三是關于種業創新與糧食安全的研究。如Spielman 等［6］發現亞洲種業急需進一步發展和提高；而譚淑豪［7］認為我國農、畜產品自主供給問題尤為嚴重，要通過系統創新促進未來種業的發展，進而保證國家糧食安全。要想支撐糧食產業高質量發展，必須建立種業創新管理機制，促進種業科研體制變革與發展，健全我國糧食育種創新體系［8］。此外，有研究認為糧食安全與種業創新表現出高度的空間相關性［9］，因而糧食安全離不開種業創新的保障作用。

對于種業創新的相關研究已非常豐富，但是仍存有以下不足：一是研究側重理論，缺乏實證檢驗，且與種業創新效率時空特征的相關研究更是少之又少；二是目前主流的效率研究方法為數據包絡分析法和隨機前沿分析法（SFA），均具有一定的局限性，其中SFA 基于回歸理論，不能反映資源與環境的限制，且其結果依賴于預先確定的隨機項的概率分布以及生產函數，而DEA 的計算結果在決策單元總數與投入產出指標總數接近時所得的結果與實際情況偏差較大，且無法對效率值進行排序比較?；谝陨戏治?，本研究借鑒王彩明等［10］的做法，利用超效率SBM 模型對我國種業創新效率進行時序動態比較，使得評價結果更具科學性；同時，參考張寧等［11］的研究，采用基尼系數，在充分考慮子樣本的基礎上，對種子產業創新效率的區域差異程度和成因進行研究；此外，引入空間要素，結合莫蘭指數、核密度估計等方法，對種子產業創新效率的動態演化進行深入探討，從動態的角度更直觀地展現種子產業創新效率的演化過程。

2 理論基礎與實證模型

2.1 理論基礎

種業創新基于兩大理論為支持，分別是區域創新系統理論與投入產出理論。區域創新系統理論以糧食主產區為地理區域，以企業、政府等為創新主體，以促進區域內創新活動為目的，鼓勵區域內企業充分利用自身資源和社會資源以增強區域創新能力和競爭力。創新分為技術創新和社會創新，種業創新所開展的主要是技術創新，而區域則通過調整相應的管理方式和管理策略開展社會創新，為社會創新提供一個良好的創新環境。區域科技創新具有可觀性，在國家創新縱向鏈條中起到了承上啟下的作用。投入與產出理論是新古典學派均衡理論的延伸，該理論研究復雜經濟活動之間的數量關系。根據一般均衡理論，所有經濟活動都有數量關系，它們相互依賴、相互作用，并且能夠在一定條件下達到均衡水平［12］。目前，投入產出理論主要用于確定國民經濟活動、區域經濟和企業內部經濟活動中投入產出要素之間的定量關系，如政策建模、經濟分析等。隨著研究的深入，投入產出理論和定量方法逐漸融合，模型開始動態變化，投入產出技術也從靜態向動態發生變化。本研究利用投入產出理論，從投入產出兩個視角分析我國糧食主產區內種業創新效率，并依據效率值對區域內差異水平進行研究。

2.2 實證模型

2.2.1 種業創新效率的測算方法

為科學測度糧食主產區內種業創新效率，選擇非徑向的超效率SBM 模型，可以對構成生產沿面的單位進行比較分析，使得效率的評價更為全面。超效率SBM 模型包括投入、產出導向，即產出固定時投入最小、投入固定時產出最大，比單一評價投入或產出更全面。參考Zhang 等［13］的研究，假設決策單元數為n，每個決策單元的投入和產出分別有m和q種，構建模型如下：

式（1）中：xik、yrk分別為第k個決策單元的投入和產出；ρ為效率值，取值大于0，當ρ≥1 時表示決策單元有效；λ為權重向量；λj為相對決策單元再次構造有效決策單元的組合比例；分別為投入冗余量和產出不足量，即松弛變量。

2.2.2 Dagum 基尼系數

采用Dagum 基尼系數對糧食主產區種業發展的不平衡性進行測度，不僅能夠顯示差異的存在，還能對差異進行分解以顯示其來源，且克服了樣本重合問題。參考Charnes 等［14］的研究，構建模型如下：

式（2）～（4）中：G為總體基尼系數；d=3、n=13，分別是三大糧食主產區和13 個省份（決策單元）；ypa（yhc）是p（h）區域內a（c）省的種業創新效率；是糧食主產區作物種業創新效率的平均值；Gpp和Gph分別為p區域內和區域p、h間的基尼系數。

G可分解為區域內種業創新效率差異（Gw）、區域間種業創新效率差異（Geb）和區域間交叉影響（Gt），且G=Gw+Geb+Gt。

2.2.3 莫蘭指數

空間自相關（Global Moran'sI）分析是從區域空間的角度刻畫數據值的空間分布特征，借鑒Halkos等［15］的研究，構建模型如下：

式（5）中：xi代表i地區的種業創新效率；S2分別為種業創新效率的均值和方差；為空間權重矩陣要素。

Global Moran'sI的值介于1 與-1 之間，接近于1 表明彼此存在正相關性，且越接近1 關系越密切；接近于-1 則表明彼此存在負相關性，且越接近-1差異越大；趨于0 表明彼此之間相互獨立，在空間上隨機分布。

2.2.4 核密度估計法

為了考察區域內種業創新效率分布的動態演進特征，參考吳傳清等［16］的研究，采用核密度估計法對各區域內部種業創新發展水平的分布進行擬合。種業創新效率的密度函數f(c)表達形式如下：

式（6）中：N為觀測值個數；γ是帶寬；ci為獨立同分布的觀測值；K為核函數。

2.2.5 指標選取與數據來源

以國家在2001 年劃定的糧食主產區13 個省份為研究樣本，并參考姚鳳閣等［17］和姚成勝等［18］的研究，將我國糧食主產區劃分為東北主產區、黃淮海主產區和長江流域主產區3 個地區（以下簡稱“三大主產區”）。其中東北主產區包括黑龍江、吉林、遼寧和內蒙古；黃淮海主產區包括河北、河南、山東；長江流域主產區包括安徽、湖北、湖南、江蘇、江西、四川?？紤]到數據的可得性，選取2013—2021 年作為研究區間。

就創新投入而言，勞動力和資本是創新投入的兩個關鍵要素。根據趙樹寬等［19］的研究，選取科研投資和科研人員數量為種子產業創新投入的指標，其中研發投資包括與企業研發活動相關的所有設備、材料、人力和管理成本，研究人員是一年內參與企業科研和相關工作的所有員工數量；同時，參考景保峰等［20］的研究，選取各省份種業企業數量作為投入指標。

關于創新產出，吳傳清等［16］將其分為經濟和技術產出。技術產出，特別是科學技術成果，通常用企業專利申請和專利授權的數量表示［21］；而新品種的產生也是種子市場的重要科技成果，因此新品種的數量也可以作為創新產出。經濟產出是指最終為企業創造價值的生產，反映創新最終產出的常見指標包括勞動生產率、新品種銷售收入、營業收入、公司利潤等。由于相關數據難以獲取，以及參考簡曉彬等［22］相關研究，選取種業產值作為創新產出。

基于以上分析，構建具體評價指標體系如表1所示。相關數據均來源于各省份統計局、國家統計局、國家知識產權局、中國種業大數據平臺、《全國農產品成本收益資料匯編》、農業農村部科技發展中心以及各省份統計年鑒。

表1 種業創新效率評價指標體系

3 糧食主產區作物種業創新效率區域差異及來源

3.1 種業創新效率測算結果

樣本省份種業創新效率測算結果如表2 所示。從種業創新效率的年度均值來看，排名前5 位的省份依次為山東、江蘇、黑龍江、河北和吉林，這些省份均為我國傳統農業強省，農業基礎設施較好；均值排名后5 位的地區受經濟、環境等各方面的影響，種質資源保護不足、種業市場缺乏監管、種業企業實力相對有限，因而種業創新效率低下。大多數省份的種業創新效率略有提高，這得益于國家這幾年對種業創新的重視，出臺了一系列有利于種業發展的相關政策，但從整體上看，樣本省份的種業創新水平仍然較低。

表2 樣本省份種業創新效率年度分布

3.2 創新效率的總體區域差異

從圖1 可以看出，在考察期間，糧食主產區的種業創新效率表現出了顯著的空間不均衡特點，整體區域差異從2013 年的0.167 下降到了2021 年的0.124，呈波動式降低。主要原因是：自從國家提出種業振興戰略之后，各區域對種業創新與糧食安全問題越來越重視；同時，黨中央還制定了一系列有關種業創新的扶持政策和激勵措施，引導創新水平較高的地區向落后地區進行技術擴散，進而促進了種業創新效率的跨區域協同發展。

圖1 三大主產區種業創新效率總體區域差異的年度分布

3.3 三大主產區創新效率差異

三大主產區內各省份種業創新效率差異的變化趨勢如圖2 所示。其中，長江流域主產區的平均水平為0.143，表明該區域內不同省份之間存在著較大差異；東北主產區的平均值為0.103；黃淮海主產區的差異較小，平均值為0.099?？梢姡笾鳟a區的種業創新效率存在較大差異，原因在于各地農業基礎設施、土地營養程度以及政府支持政策不盡相同。從種子創新效率區域差異的演化趨勢來看，長江流域主產區總體波動下降，東北主產區呈現出波動遞增趨勢，而黃淮海地區表現為先升后降再升的波浪形變化?？傮w來看，各主產區的省域創新效率差異較大，這是因為自國家實施種業振興戰略以來，各地政府對種業的扶持力度和重視程度不同，造成了區域差異化不斷增大。

圖2 三大主產區種業創新效率區域內差異的年度分布

3.4 種業創新效率的區域間差異

從三大主產區2013—2021 年區域間種業創新效率差異的演變趨勢來看（見圖3），長江流域和黃淮海主產區之間的差異最大，差異平均值為0.187；東北主產區和黃淮海主產區之間次之，差異均值為0.176；東北主產區和長江流域主產區之間差異最小，均值為0.150。從演進趨勢看，除東北主產區和長江流域主產區的區域間差異呈上升趨勢外，其他地區之間的差異呈現下降趨勢。

圖3 三大主產區種業創新效率區域間差異的年度分布

3.5 種業創新效率的區域差異來源及其貢獻

從圖4 來看，三大主產區種業創新效率的區域內差異對種業創新效率區域差異的貢獻率平均值為31.47%，區域間差異貢獻率的均值為29.75%，超變密度差異對整體區域差異的影響最大。從演化趨勢來看，各地區間經濟差距對經濟增長的貢獻隨時間波動變化，從2013 年的32.82%降至2021 年的31.47%；區域間差異貢獻率呈先升后降再升的演變趨勢；超變密度的演變趨勢與區域間差異恰好相反，呈現出先降后升再降的趨勢，自2013 年的34.49%下降到2014 年的13.69%，然后上漲至2017 年的58.30%，在2021 年卻又下跌至38.78%。從主要來源看，2013—2015 年，區域間差異貢獻率始終維持在45%左右，為首位，這是因為在這段時期，各地政府對種業的扶持力度不同，導致了區域差異化明顯；而在2015—2020 年，超變密度對整體區域差異的貢獻率已經超越了區域間差異，成為了種業創新效率區域差異的最主要來源，這是因為種業發展相對落后的地區在這段時期加大了對種業的扶持力度，提高了當地種業企業的競爭力，地方政府鼓勵優勢種業企業跨區域開展交流合作，不同區域間聯合組建了育種創新聯合體，種業創新效率差距變??；2020 年以后，區域間差異再次成為區域差異的第一來源，這是因為前期種業發展較好的區域更加重視種業的發展，又拉開了與相對落后地區的差距。

圖4 三大主產區種業創新效率區域差異貢獻率的演化趨勢

4 基于核密度估計的種業創新效率動態演進

4.1 總體演進趨勢分析

對三大主產區種業創新效率的總體演進趨勢進行分析發現（見圖5），種業創新效率的核密度估計曲線中心呈現右移趨勢，說明種業創新效率在研究期內穩步提升。從分布形態來看，核密度估計曲線波峰高度先升后降，說明種業創新效率的絕對差異表現出先縮小后擴大的趨勢。從分布延展性來看，核密度估計曲線均呈現右擺尾的現象，這表明種業創新高效率地區與低效率地區差距在逐漸拉大。此外，考察前期核密度估計曲線出現一個主峰和一個副峰，而在考察的后期出現了一個主峰和多個副峰，且副峰的峰值要比主峰小得多，表明種業創新效率存在著一定的梯度效應，同時種業創新效率較高的省份在逐漸增多。

圖5 2013—2021 年三大主產區種業創新效率的空間分布動態演進

4.2 各主產區動態演進趨勢分析

長江流域主產區種業創新效率的年度動態演化趨勢顯示（見圖6）：從分配位置看，核密度估計曲線中心呈現右偏移的趨勢，說明種業創新效率正在不斷提高；從分布形式來看，核密度估算曲線的峰頂高度出現了一種起伏上升的趨勢，表明種業創新效率的絕對差異正在逐步減小；從分布的延展性看，核密度估計曲線沒有明顯的擺尾現象，說明區域內不同省份間種業創新效率的發展差異并沒有變大的趨勢；從峰值個數來看，前期的核密度估計曲線呈現出多個峰值的特征，而到了后期，各峰值間的距離逐漸增大，說明區域內各省份種業創新效率存在顯著差異，并呈現出具有多個中心的特征。

圖6 長江流域主產區種業創新效率的核密度演化趨勢

東北主產區種業創新效率的年度動態演化趨勢顯示（見圖7）：核密度估計曲線中心不斷向右偏移，表明種業創新效率不斷提高；從分布形式看，核密度曲線的波峰發生了從“扁而寬”向“尖而窄”的轉變，表明種業創新效率的區域內差距在不斷加大；從分布延展性來看，核密度估計曲線呈現顯著的右擺尾現象，表明區域內種業創新效率高水平省份與低水平省份之間的差距正在逐漸拉大；此外，峰值個數不斷下降，說明核密度有向數值下降方向移動的趨勢，也就是說明區域內種子產業創新效率差異在不斷縮小。

圖7 東北主產區種業創新效率的核密度演化趨勢

黃淮海主產區種業創新效率的核密度估計分布趨勢顯示（見圖8）：從分布位置來看，2021 年的核密度估計曲線中心相對于2013 年向右側偏移，說明種業創新水平在不斷提高；從分布形式來看，核密度估計曲線的峰高表現為先升后降再升，說明種業創新效率的絕對值存在一個先減小、后增大、再減小的過程；從分布的延展性來看，核密度估計曲線的右拖尾時間在不斷變短，這表明區域內不同省份間的種業創新效率差異在不斷縮??；從峰值來看，存在明顯的梯度效應，且高層次種業創新效率的省份在不斷增多。

圖8 黃淮海主產區種業創新效率的核密度演化趨勢

5 基于莫蘭指數分析方法的種業創新效率動態演進

通過Stata 軟件計算出2013—2021 年三大主產區13 個省份的全局莫蘭指數分別為0.414、0.384、0.328、0.275、0.236、0.255、0.276、0.241、0.232，表明種業創新效率存在高度聚集的正向空間相關性：某省份的種業創新效率與其相鄰省份呈現明顯差異，即種業創新效率較高的省份被效率較低的省份所包圍，而種業創新效率較低的省份周圍都是效率較高的省份；同時，創新效率莫蘭指數的絕對值在不斷下降，空間相關性在不斷下降，各省份之間的創新效率差異在不斷縮小。

為進一步探索三大主產區種業創新效率的局部空間特征，考慮到相鄰年份差異不明顯，間隔1 年可以更好地反映種業創新效率的局部空間特征，同時參考王永靜等［23］的研究，將2013、2015、2017、2019 和2021 年設為節點年份，繪制出種業創新效率的局部莫蘭指數散點圖（見圖9～圖13），并劃分為4 個象限：第一象限為“高-高”（HH）集聚區，第二象限為“低-高”（LH）集聚區，第三象限為“低-低”（LL）集聚區，第四象限為“高-低”（HL）集聚區。2013 年，江蘇等5 個省份位于HH 型集聚區，這是由于早年得益于良好的農業自然條件，黃淮海主產區種業創新效率水平較高。2015年，糧食主產區各省份種業創新效率的局部空間分布發生較大變化，內蒙古和吉林晉升為HH 型集聚區，這是因為內蒙古發布了《2015 年內蒙古自治區打擊侵犯品種權和制售假劣種子行為專項行動實施方案》，極大了提高了本地種業企業和高校的研發積極性，從而促進了種業的發展；而吉林省制定了現代農作物發展規劃，通過資金投入和政策扶持提高了本地種業企業競爭力和作物科技創新能力，極大推進了吉林現代農作物種業的發展。2017 年，黑龍江分布在HL 型集聚區，河南、河北分布在LH 型集聚區，這3 個省份的種業創新效率存在一定下降。2019 年，樣本省份集中于HH、LH、LL 這3 種類型的集聚區，表明種業創新水平有所提高，整體呈現出“北部高、南部低”的空間集聚特征。2021 年，處于HH 型以及LL 型集聚區的省份增多，種業創新效率的空間差異逐漸變小。可以看到，樣本省份的空間集聚現象由強變弱。隨著國家區域協調發展戰略的深入實施，省域之間強化了農業生產的互動合作，并積極推進優勢互補、協同發展，各個地區的種業也逐步趨向于均衡協調發展。

圖9 2013 年樣本省份種業創新效率局部莫蘭散點分布

圖10 2015 年樣本省份種業創新效率局部莫蘭散點分布

圖11 2017 年樣本省份種業創新效率局部莫蘭散點分布

圖12 2019 年樣本省份種業創新效率局部莫蘭散點分布

圖13 2021 年樣本省份種業創新效率局部莫蘭散點分布

6 結論與政策建議

通過研究我國糧食主產區內種業創新效率的區域差異及其動態演進情況，得出如下結論：（1）我國種子產業創新效率的整體區域差異呈波動降低，在2015 年之前主要來源于區域間差異，2015 年至2020 年間則主要來源于超變密度，2020 年以后區域間差異又重占主導地位；（2）三大地區的種業創新效率在2015 和2018 年呈現明顯的極化特征；（3）我國種業創新效率存在高度聚集的正向空間相關性，但某省種業效率與其周邊省份種業效率具有不同的變化趨勢，即糧食主產區種業高效率省份被低效率省份圍繞，低效率省份周邊為高效率省份，同時空間集聚現象逐漸由強轉弱。

結合以上研究結論，提出以下政策啟示：

（1）完善區域間合作互動機制，實現糧食主產區農業經濟的協同向好發展。糧食主產區內各省份在經濟發展、科技創新、自然資源、勞動力等方面存在諸多差異，創新效率增長不均衡，要根據當地的實際情況進行種子產業的發展規劃，對資源要素進行合理分配并進行深度整合，突破不同省份之間的種子產業發展障礙，讓創新高效率的區域帶動周圍的低效區域發展。

（2）改進優化區域間農業合作互動機制，搭建農業科技交流和經驗共享平臺。加強政府、高校與企業間的合作，積極推進優勢互補、資源共享、良性互動的局面，加速建立跨區域種業生產、產業融合、技術研發和經營管理一體化的協作體系，以促進糧食主產區種業生產的全面提質增效和農業經濟的協調發展。

（3）地方政府要樹立“一盤棋”的意識，充分利用省際空間關聯性，以高效率區作為切入點，通過空間相關性的作用，使高效率區不斷帶動低效率區提高種業創新效率，為區域科技人才之間進行互相學習、科技資源共享提供有效平臺，同時加強區域交流與合作，通過以點帶面的方式實現各地區資源的有效利用。