文/張弦 王凱 詹柴

農業科技進步貢獻率是指廣義技術進步對農業產出增長的貢獻份額,是反映一個區域內農業現代化水平的重要指標[1]。寧波市曾在2007年開展市級及下轄各區(縣、市)農業科技進步貢獻率測算,認為“九五”“十五”期間全市的指標分別為52.03%和53.07%,余姚躍升最快,且“十五”期間絕對值躍居全市第一[2]。盡管2008年以來,寧波農業科技創新投入得到了有效保障,分領域、分行業的農業科研院所、農業科技型企業、農業龍頭企業等各類創新主體都進行了大量有益探索,并取得了突出成效。但這些成效未能得到數據支撐和科學證實,原因在于近年來對該指標的測算分析不足,缺少客觀衡量寧波農業科技發展水平、農業科技進步對農業整體發展帶動作用的依據。
我國在1997年就發布《關于規范農業科技進步貢獻率測算方法的通知》,將索洛余值法作為農口測算農業科技進步貢獻率的統一使用方法[3]。為揭示近年來農業科技進步在全市農業產出增長中的重要作用,科學制定實現農業現代化的發展路徑,本文采用這一主流方法對全市和各區(縣、市)的農業科技進步貢獻率進行分階段測算,并從這一指標的內涵和變動規律出發,對測算結果進行理性分析和思考,在測算方法改進、促進政策設計、指標體系構建等方面提出對策建議。
一是反映農業綜合競爭力的重要指標。農業科技進步是廣義的技術進步,其貢獻率相當于全要素生產率(Total Factor Productivity,TFP)對農業增長的貢獻率,與國際通用概念一致[4],其來源包含科技進步及政策、經營管理和服務等社會科學技術進步。它所衡量的是農業產出中無法被資本、勞動力、土地這些投入要素解釋的所有剩余部分,不能直接視同狹義的科技投入對農業經濟增長的作用。
二是對評估農業發展水平、制定農業政策具有重要意義。由于測算過程中需分析和剝離資本、勞動力、土地等投入要素對農業經濟增長的促進作用,測算該指標能夠全面揭示農業發展的內在動力,為優化農業資源配置、提高農業生產效率提供了有益參考。同時,農業科技進步貢獻率已被納入各級政府的規劃指標體系之中,成為評估農業發展水平、制定農業政策的重要依據。如,《“十四五”全國農業農村科技發展規劃》提出,到2025年農業科技進步貢獻率達到64%;《浙江省農業農村現代化“十四五”規劃》將2025年目標值設定為68%;寧波作為省內先進城市,在《寧波市農業農村科技專項實施方案(2023-2025年)》(甬科社〔2023〕104號)中將目標值拔高至70%。
寧波市在農業科技進步貢獻率方面缺乏現狀數據,這一問題影響了對寧波市當前現代農業發展水平的評價,并對制定新一輪的農業政策構成了阻礙。寧波市曾對“九五”“十五”“十二五”“十三五”期間的農業科技進步貢獻率進行過測算,為當時的農業發展提供了有力的數據支撐。然而,隨著農業科技的快速發展和測算方法的不斷更新,過去的測算已無法反映當前農業發展的新形勢和新特點。為了全面評估規劃實施效果,針對性提出加快實現“十四五”目標的建議,并為制定新一輪規劃目標和扶持政策提供科學依據,對寧波市農業科技進步貢獻率進行更新測算十分必要。
索洛余值法又叫增長核算法,經濟學家索洛基于柯布道格拉斯(C-D)生產函數,用產出增長率扣除要素增長率所剩余的部分來計算科技進步的貢獻率[5]。將農業經濟增長扣除勞動、資本、土地投入三個生產要素所產生的農業經濟增長后剩余部分,稱為技術進步(dA/A),再將技術進步除以農業經濟增長率(dY/Y)計算農業科技進步貢獻率(Contribution rate of technology, CRT),即CRT=(dA/A)÷(dY/Y)。
本研究數據來源為《寧波統計年鑒》。從各變量可得性和統計口徑的連貫性考慮,選取2008-2022年這一區間。
1.投入變量。農林牧漁業中間消耗是指生產經營過程中所消耗的貨物和服務的價值,可以作為資本投入指標K,單位為億元。由于標準勞動強度的勞動時間難以取得,使用農業從業人數這一指標作為勞動力投入指標L,單位為萬人。土地投入指標M則為農作物播種面積和水產(含淡水、海水)養殖面積之和,單位為千公頃。一是因為寧波林地面積大部分為生態公益林,用材林和經濟林面積較小,可以忽略不計;二是因為漁業產值占比高,而遠洋捕撈面積難以量化為實際生產投入的面積,故而僅計算養殖面積。
2.產出變量。農林牧漁業總產值等于第一產業產值加上農林牧漁業生產過程中消耗的投入品和相關服務的購買價值。由于本研究將農林牧漁業中間消耗作為資本投入指標,選擇農林牧漁業總產值作為產出指標Y更為合適,單位為億元。
為剔除價格因素影響,采用GDP平減指數對Y和K進行可比價換算。受2016年行政區劃調整影響,鄞州區、海曙區、江東區所轄范圍發生較大變化,鄞州區的部分區域劃入海曙,江東區則全部并入海曙。為保持數據的一致性,本研究將三者合并計算。最終樣本包含9個區(縣、市)、15年。從市級層面合計值來看(如圖1),2017、2018和2021年出現農業產出和資本投入下降的異常值,說明這些年份農業的固定資產投入出現下滑,而同時勞動力數量持續下降,土地面積不斷縮小,科技進步未能抵消投入要素減少對產出的負面影響[6]。

圖1 2008-2022年寧波市農業產出及農業投入要素變化趨勢
本文對“十三五”以前(2008-2015年)和 “十三五”以來(2016-2022年)兩個時期進行參數估計,結果均在1%水平上顯著且數值相近,因而據此確定擬采用的彈性值。表1顯示,資本投入、勞動力投入和土地投入每增加1%,農業產出分別增加0.72%、0.12%和0.16%。由此可見,在三種投入要素中,資本對農業產出的拉動作用最為明顯。

表1 寧波市不同時期各投入要素產出彈性
借鑒國內外研究經驗,測算科技進步貢獻率宜以中長期為主[7-9]。觀察全市農業產出的變化趨勢,2008年起持續攀升,至2017年出現下滑,2017-2022年圍繞405億元(可比價)上下浮動,因而可分為2008-2016年和2017-2022年兩個階段計算。如表2所示,第一階段的產出增長率為54.78%,資本、勞動力、土地要素增長率分別為52.73%、-25.85%和-14.35%;第二階段的產出增長率為8.45%,資本、勞動力、土地要素增長率分別為6.84%、-9.27%和-7.86%。

表2 寧波市各要素貢獻率及農業科技進步貢獻率(%)
“十三五”以來(2017-2022年)寧波農業科技進步貢獻率已從之前的40.54%提高到69.78%。進入新階段,資本、勞動力、土地投入的貢獻率大幅減小,說明科技進步與創新政策對寧波農業發展的支撐作用最為突出,勞動力節約型和土地節約型的技術進步是寧波農業科技發展的重要特點。同時,盡管資本投入的增速放緩許多,其正向促進作用仍十分顯著。
觀察各區(縣、市)農林牧漁業總產值變化情況,發現大部分地區呈現兩段式發展態勢,即2008-2016年持續增長或在波動中增長,經過短暫幾年的下行調整后,2018-2022年繼續起伏式增長(見圖2)。其中,北侖和鎮海2018-2022年農業產出和資本投入變化幅度極小,北侖2013年起農業產出就開始下滑,鎮海土地投入還發生正增長,因而出現異常值。

圖2 2008-2022年各區(縣、市)農業產出變化趨勢
如表3所示,除寧海外,農業科技進步貢獻率在第二階段都較前一階段有所提升,尤其是奉化,從36.61%提升至81.98%。在江北、余姚、慈溪、象山,該指標的提升得益于對資本投入依賴的降低。

表3 各區(縣、市)各要素貢獻率及農業科技進步貢獻率(%)
地區差異依然存在,到2022年,奉化的農業科技進步貢獻率居全市第一,鄞州(含海曙、江北)次之,象山處于末尾。象山的絕對值與奉化相差近一倍,其農業產出的增長主要依賴資本投入的增加。
勞動力和土地投入總體呈現下降態勢。江北和鄞州勞動力投入在第二階段有所增長,勞動力貢獻率也在這個階段扭負為正。在土地要素進一步制約的情況下,各地土地貢獻率均大幅下降,土地集約節約利用成效明顯。
一是優化和持續追蹤農業科技進步貢獻率測算。實證分析過程暴露了索洛余值法的諸多缺點,例如異常值多且難以解決、無法進行逐年比較等。況且,分析基于規模報酬不變這一前提假設,并不能準確反映現實情況。個別地區近年來探索使用改進后的索洛余值法或其他算法進行測算。如,安徽省將R&D經費投入作為無形資本納入考量[8]、湖北省采用數據包絡分析法[1]等。尤其是浙江省省級層面,采用隨即前沿分析法及超越對數的函數形式[6],能夠從廣義的科技進步中分解出狹義科技進步的貢獻率。為更加科學、準確地計算這一指標、開展橫向比較,未來應在算法上加強改進,并與標桿地區算法相銜接。同時,應跟蹤考察變化趨勢,加強縱向比較,并通過建立較長時間維度的數據庫來提高回歸方程的擬合度和彈性測算的精度。
二是促進各投入要素的協同發展。從農業科技進步貢獻率的內涵來看,它不等同于日常認知中的科學技術,其來源包含科技進步及政策、經營管理和服務等社會科學技術進步。同時,科技創新體現在化肥農藥利用率、勞動生產率、土地利用率等的提高上。因此,資本、勞動力、土地、科技等要素不是對立的,四者需要協同發展。在資本和勞動力要素方面,應持續推進“機械強農”行動,加強農機農藝融合,應用推廣高效種養技術,節約勞動力成本。在土地要素投入方面,要充分把握寧波全域國土空間綜合整治試點契機,促進土地要素集約節約利用,提高農業規模報酬。
三是綜合評價農業科技進步。許多國內外對農業科技進步貢獻率的測算結果都表明,農業科技進步貢獻率具有波動性,原因在于技術進步的周期性、滯后性、長期性等。而由于廣義的技術進步所涵蓋的內容十分廣泛,制度改革、結構調整等也會反映在這一指標,這些制度性創新對農業總產值拉動作用并不一定會長期存在[9]。因此,科學評價農業科技發展水平,需要構建更加綜合的指標體系,例如農業高新技術產業占比、關鍵核心領域科技自主率、農業動植物新品種銷售收入占農產品銷售收入比重等指標。
