唐娅楠，王秀芳

(河北农业大学 经济贸易学院,河北 保定 071001)



我国农业科技成果转化中科技与金融结合效率研究*

唐娅楠，王秀芳

(河北农业大学 经济贸易学院,河北 保定 071001)

为对我国农业科技成果转化中科技与金融的结合效率进行科学测定，采用农业科技成果转化的各项金融投入与科技产出指标，运用两阶段DEA模型，对我国农业科技成果转化科技金融结合的综合技术效率、纯技术效率、规模效率进行测定，进一步研究了各个投入产出变量的冗余问题。结果表明，我国农业科技成果转化中科技与金融结合整体处于无效状态，其主要原因是直接技术产出不足和技术性收入不足，即在农业科技成果转化中前期研发、中试、熟化环节的效率较低,并提出了针对性的对策建议。

农业科技金融；农业科技成果转化；结合效率；DEA模型

2014年11月9日，习近平主席在APEC工商领导人峰会开幕式主旨演讲中，对中国经济新常态进行了全面阐述和解读，其中着重指出中国经济增长的新常态要由要素驱动转变为创新驱动。而创新能否有效驱动经济增长的关键在于科技成果能否及时转化为生产力，进而转化为产值促进经济增长和居民收入的提高。2015年1月8日，国家科技部发文《中共科学技术部党组关于落实创新驱动发展战略 加快科技改革发展的意见》中重点指出要大力加速科技成果转化，并积极推动《促进科技成果转化法》修订和相关配套措施制定，加快构建科技成果转化体系[1]。可见国家对于科技成果转化的重视程度已经提升到了立法保护的高度。

近年来，我国每年通过鉴定的农业科技成果约7 000 项，但许多成果没有实现转化和应用[2]。世界发达国家农业科技成果转化率是65%～85%，农业科技进步贡献率为60%～80%，而我国分别为40%和45%左右[3]。虽然我国对于科技成果转化已经有引导基金和税收优惠等引导性政策，但对于农业科技成果转化的专项政策较少[4]，农业科技成果转化能否顺利实施是关系到我国粮食安全与农业发展的重大战略性问题。因此研究我国农业科技成果转化中科技与金融的结合效率，找出制约效率提高的症结所在，并提出有针对性的对策建议，对于促进农业科技成果转化具有重要意义。

笔者采用数据包络分析法(DEA)研究方法，出于两点考虑，一是此方法在事先不知道生产函数的情况下适合做投入产出效率研究，二是国内已有不少学者运用此方法对某产业或者区域性的科技与金融结合效率进行科技金融结合效率的研究。如吕江林基于DEA模型研究了我国及江西省科技金融投入产出效率，得出江西省在全国的科技金融效率较好的结论[5]；王君华等利用DEA研究方法对湖北省高新技术产业的R&D投入产出效率进行评价，得出了整体效率较低的结论[6]；陈军梅运用DEA与Malmquist指数结合的方法，对宁夏科技金融结合效率进行评价，得出宁夏科技金融结合整体效率不高、金融投入与科技产出处于非均衡状态、资源没有实现最优配置的结论[7]。上述研究结论对于指导当地政府制定相关政策具有较强的指导作用。

一、指标、数据和模型介绍

根据数据的可获得性，将2005～2012年各年份的我国农业科技成果转化项目的金融投入与科技产出情况分别定义为8个决策单元，选取我国农业科技成果转化的主要金融投入与科技产出指标，采用两阶段DEA模型，测定我国农业科技成果转化中科技金融的结合效率，并且对测定结果做出说明。

(一)指标选择与数据来源

根据数据的可获得性，将2005～2012年每年我国农业科技成果转化情况分别作为8个决策单元进行模型构建❶2001年起，我国设立了农业科技成果转化专项财政资金，重点支持农业科技成果的初期开发、中试、熟化等环节。专项资金成立以来，科技部对农业科技成果转化资金支持项目的投入和产出一直有过零星统计，但是，2005年后，科技部对我国农业科技成果转化项目的金融投入和科技产出的各项指标统计才系统化、完整化的以报告形式公布。截至2015年1月，科技部网站的最新数据更新到了2012年。。参考学者们采用DEA研究方法研究我国及各地区科技金融结合效率的指标选择，选取如下指标。

我国农业科技成果转化的金融投入来源可以归集为5类，中央政府投入资金、地方政府投入资金、项目承担单位自筹资金、银行贷款和其他资金。由于中央政府投入资金与地方政府投入资金都属于政府投入资金，为使DEA计算结果更加准确，应在决策单元个数有限的情况下尽量合并同类指标，因此将这两级政府投入资金加总代入模型，选取这政府投入、项目承担单位自筹、银行贷款和其他资金4类资金投入作为我国农业科技成果转化的金融投入指标。

为了准确反映我国农业科技成果转化项目中科技产出的情况，从统计指标中选择了能代表科技产值的指标，即“技术性收入”；直接的科技成果产出，即“新品种及新产品”、“新设备”、“新材料”、“新技术及新工艺”、“中试线”、“新生产线”6个指标；理论贡献，即“论文数”、“专利数”。为了在决策单元数量有限的情况下使计算结果更加准确，应该尽量合并同类的科技产出指标。根据上述分类，设置“技术性收入”为第1个科技产出指标，将直接科技成果5项指标加总构成第2个科技产出指标“直接科技成果”，将理论贡献2项指标加总构成第3个科技产出指标“理论贡献”。

本文所涉及指标数据有3个来源：2010～2011年金融投入数据来源于《中国科学技术发展报告(2010～2011)》；2011～2012年科技产出(除销售收入与技术性收入)数据来源于科技部2014年9月11日文《国家农业科技成果转化资金2014年度监理验收作顺利完成》；其他数据来源于《国家科技计划年度报告(2004～2013)》。由于我国农业科技成果转化资金支持项目的验收期为2年，因此当年的金融投入对应的是2年以后该年项目验收时的科技产出指标。

(二)模型介绍

数据包络分析法(Data Envelopment Analysis，简称DEA)是考虑多个投入(资源)变量和多种产出(服务)变量的产生，用以比较提供相似服务的多个生产决策单元之间的相对效率[8]。运用DEA模型时：各投入指标和产出指标之间的函数关系不明晰时就可以同时计算相应指标；模型可以自行计算权重，不需要主观赋予权重值，使得评判过程更加公平客观；投入和产出指标数据不需进行无量纲化处理，数据不受计量单位影响；DEA模型可以对决策单元有效性进行定量评价，还可以进一步分析非有效的原因及改进方向、改进程度，从而使决策更加科学[9]。DEA数据包络分析法中，首先运用CCR模型测算各个投入变量的冗余与产出变量的不足问题，再进一步运用BBC测算出是纯技术效率不足还是规模效率不足影响了综合效率的提高。笔者分别运用DEA数据包络分析法中的CCR模型和BCC模型，将两个模型结合起来使用，力求对我国农业科技成果转化中科技金融结合效率做出全面科学的研究。

1.CCR模型

CCR模型是DEA模型中最基本的形式，用于评价决策单元的整体效率，测算各个投入产出要素的“冗余”和“不足”，提供改进方向和改进规模。

假设有n个生产决策单元DMU、m个投入变量和k种产出变量，第i个DMU的投入变量Xi和产出变量Yi分别表示m维和k维的投入产出向量。假设规模报酬不变(也就是采用CCR方法)，加入松弛变量和非阿基米德无穷小变量，可以得到CCR模型[10]，如公式(1)、公式(2)。

minθc

(1)

(2)

公式(1)和公式(2)中，e1,e2∈Rk分别为m维和k维单位向量，X0和Y0表示被评价的DMU0的投入和产出向量。IS和OS分别表示对DMU0进行结构调整的松弛变量。

当θ=1时，称此决策单元DMU0为DEA有效，此时在原投入基础上的产出已达到最优；当θ<1时，称此决策单元DMU0为DEA无效。

2.BCC模型

BCC是对于CCR模型的延伸和改进。CCR模型只能评价一个决策单元是否有效，而无法说明一个效率弱的决策单元是由那种影响因素导致的。BCC模型将CCR模型中的“固定规模报酬”假定去掉，变为“可变规模报酬”，这样便可以分析出技术无效在多大程度上导致了决策单元的无效。

二、我国农业科技成果转化科技与金融结合效率测定

(一)DEA模型测定

笔者将我国农业科技成果转化的金融投入与科技产出数据进行汇总和整理，借助DEAP2.1软件，采用两阶段DEA模型，根据CCR模型计算结果得出我国农业科技成果转化金融投入与科技产出综合技术效率、纯技术效率、规模效率，结果见表1；根据BCC模型再次验证综合技术效率值，并计算得出我国农业科技成果转化各个投入产出指标的松弛变量，即金融投入冗余与科技产出不足的情况，结果见表2、表3。

表1 2009～2012年我国农业科技

数据来源：作者计算。

表2 2005～2012年我国农业科技成果

数据来源：作者计算。

表3 2005～2012年我国农业科技成果转化金融投入的松弛变量 /万元

数据来源：作者计算。

(二) 测定结果分析

1.综合技术效率

CCR模型和BCC模型对于2005～2012年我国农业科技成果转化金融投入与科技产出的综合技术效率的计算结果是一致的，结果如表2所示。总体看来，2005～2012年我国农业科技成果转化金融投入与科技产出的综合技术效率测算值为0.875，小于0.9，为非DEA有效，这说明农业科技成果转化中科技金融的结合效率是非均衡的，处于非有效状态。在8年中，综合技术效率处于有效状态的有4年，分别是2005年、2007年、2008年、2012年。其余4年综合技术效率值均小于0.9，表明这4年中，虽然国家和社会非常重视对农业科技成果转化项目的金融扶持，但是我国农业科技成果转化金融投入与科技产出的综合技术效率仍处于非有效状态，需要对金融投入与科技产出的数量、方式以及科技金融结合过程进行改进才能使其达到有效状态。因此，要进一步探究造成我国农业科技成果转化资金非有效状态的制约因素。

2.纯技术效率

CCR模型对于2005～2012年我国农业科技成果转化金融投入与科技产出的纯技术效率的测算结果如表2所示。总体看来，2005～2012年我国农业科技园区金融投入与科技产出的纯技术效率测算值为0.942，大于0.9小于1，为DEA相对有效。在8年中，2010年和2011年的纯技术效率小于0.9，处于DEA无效状态，2006年和2009年的纯技术效率为介于0.9到1之间，处于DEA相对有效状态，其余4年的纯技术效率均为1，处于DEA有效状态。这说明在农业科技园区金融投入转化为科技产出的过程中，资金管理方式、资金使用效率等中间环节的管理操作存在一定的不足，尤其是2006年和2009年，农业科技成果转化资金的管理方式和使用效率存在严重的问题，之后虽有所改进，但是总体还是处于相对有效状态，且效率值不高，纯技术效率是综合技术效率提高的重要制约因素。

3.规模效率

CCR模型对于2005～2012年我国农业科技成果转化金融投入与科技产出的规模效率和规模有效性的测算结果如表2所示。总体看来，2005～2012年我国农业科技成果转化金融投入与科技产出的规模效率测算值为0.925，大于0.9小于1，为DEA相对有效，并且规模有效性为“drs”即规模报酬是递减的。在8年中，2006年、2009年和2010年3年的规模效率都小于0.9，处于DEA无效， 2011年规模效率值介于0.9到1之间，处于DEA相对有效，且这4年的规模报酬是递减的，说明金融投入与科技产出的规模没有达到均衡，规模报酬是递减的，存在较严重的投入冗余和产出不足问题，其余4年的规模效率为1，处于DEA有效，并且规模报酬不变，说明这4年我国农业科技成果转化的金融投入与科技产出的规模达到了最优均衡状态。对比来看，8年间我国农业科技成果转化的科技与金融结合的规模效率值略小于纯技术效率值，由此可见，规模效率是综合技术效率提高的主要制约因素，应该进一步探索各个投入产出指标的冗余问题。

4.投入产出冗余情况

产出的松弛变量表示的是产出的实际值距离目标值的差距，即产出不足情况，松弛变量为正表

示产出的不足量；投入的松弛变量表示的是投入的实际值与目标值的差额，即投入冗余情况，松弛变量为正表示投入的冗余量。2005年、2007年、2008年和2012年我国农业科技成果转化金融投入与科技产出各个指标的松弛变量均为0，说明这4年的各项投入指标不存在冗余情况，各项产出也不存在不足情况。这与CCR模型测算出的4年的综合技术效率、纯技术效率、规模效率值都为1，达到了DEA有效状态，且规模报酬不变的结果是相吻合的。

2010～2012年我国农业科技成果转化科技产出的3个指标都存在一定的不足，总体看来，技术性收入的不足为7.116%，且只有2006年1年存在不足；直接技术产出的不足为14.154%，有2006年、2009年和2010年3年存在不足；理论贡献的不足仅为0.683%，且只有2011年1年存在不足。由此可见，在产出不足的问题中，直接技术产出的不足是最突出问题，其次是技术性收入不足，理论贡献的不足几乎可以忽略不计。这说明，在我国农业科技成果转化项目的金融投入科技研发过程中理论成果贡献的产出能力是相对较高的；在由理论贡献与直接技术产出转化为技术性收入的过程中存在一定不足，说明农业科技成果转化中的熟化和技术转化为产值的环节存在一定问题，但由于是科技成果转化的支持资金，此种不足并不是最为突出的问题；在农业科技成果转化支持项目中，不足的重点在于直接技术产出，主要问题出在了初期开发、中试等环节。

2005～2012年我国农业科技成果转化金融投入的4个指标均存在一定的冗余，但是这些冗余是基于现有产出的基础上计算出来的，并不能完全说明在实际情况中农业科技成果转化中对于政府投入资金和企业投入资金的需求不足，在科技产出提高的情况下，还要持续增加金融投入。其中政府资金的冗余为1.666%，且只有2006年存在冗余，是4个指标中冗余最少的，这说明相对于其他资金而言，财政的支持力度相对较小。

三、结论及对策

第一，2005～2012年我国农业科技成果转化金融投入与科技产出的综合技术效率为0.875，为非DEA有效，这说明农业科技园区中科技金融的结合技术效率是非均衡的，处于无效状态。2005年、2007年、2008年、2012年4年处于有效状态，其余4年处于无效状态，这表明虽然国家和社会非常重视对农业科技成果转化项目的金融扶持，但是我国农业科技成果转化金融投入与科技产出的综合技术效率仍处于非有效状态，需要对金融投入与科技产出的数量、方式以及科技金融结合过程进行改进才能使其达到有效状态。

第二，2005～2012年我国农业科技成果转化金融投入与科技产出的纯技术效率和规模效率的测算值分别为0.942和0.925，总规模报酬是递减的，均处于DEA相对有效状态，规模上存在投入冗余和产出不足问题，没有达到最优规模。我国农业科技成果转化的科技与金融结合的纯技术效率和规模效率都是制约综合技术效率提高的重要因素，规模效率值略小于纯技术效率值，由此可见，规模效率是综合技术效率提高的主要制约因素，应该进一步探索各个投入产出指标的冗余问题。

第三，我国农业科技成果转化在2005～2012年间，除2005年、2007年、2008年和2012年科技产出和金融投入指标均达到了有效前沿外，其余4年都出现了金融投入冗余与科技产出不足的问题。在产出上：理论成果贡献的产出能力是相对较高的；在由理论贡献与直接技术产出转化为技术性收入的过程中存在一定不足，说明农业科技成果转化中的熟化和技术转化为产值的环节存在一定问题；不足的重点在于直接技术产出，主要问题出在了初期开发、中试等环节。这说明现在的农业科技成果转化项目的承担单位大都把主要精力放在了发表论文、出版专著、申请专利的理论成果上，对于理论成果转化为技术、转化为生产力、转化为产值的重视力度不足。在投入上，4个指标都存在一定的冗余，但是这些冗余是基于现有产出的基础上计算出来的，并不能完全说明在实际情况中农业科技成果转化中对于政府投入资金和企业投入资金的需求不足，在科技产出提高的情况下，还要持续增加金融投入。其中政府资金的冗余是4个指标中冗余最少的，这说明相对于其他资金而言，财政的支持力度相对较小。

由以上结论可知，想要充分发挥农业科技成果转化金融资金的使用效率，最关键的是各农业科技成果转化项目承担单位要加大农业科技成果转化中的初期研发和中试环节的研究效率，进一步改进理论贡献和直接技术成果转化为生产力进而转化为科技产值的保障机制，把重点由注重发表论文、出版专著、申请专利的理论成果转移到理论成果向技术产出转化、向生产力转化、向科技产值转化的环节上来。另外，我国农业科技成果转化项目中，不需要盲目地进行政府、企业和自筹资金的研发投入，盲目地扩大项目规模，而是要根据实际的资金需求状况，采用合理的方式进行投入，大力发挥财政资金的杠杆作用，并努力提高金融投入的科技产出效率。

[1]中共科学技术部党组.中共科学技术部党组关于落实创新驱动发展战略加快科技改革发展的意见[Z].2015-01-08.[2]熊桉.供求均衡视角下的农业科技成果转化研究——以湖北省为例[J].农业经济问题,2012 (4):44-48.

[3]马卿,崔和瑞.国外农业科技成果推广模式的比较及借鉴[J].农业科技管理,2008,27(2):84-87.

[4]李玲娟，霍国庆，曾明彬，等.基于价值链的科技成果转化政策述评[J].农业经济问题, 2014,32(1):10-14,38.

[5]吕江林,王新龙,宋高堂，等.中部地区与东部发达省市科技与金融结合效率的比较研究——基于DEA模型的分析[J].金融与经济,2012(10):7-11.

[6]王君华,易成刚.高新技术产业R&D投入产出效率研究——以湖北省为例[J].统计与决策,2014(21):111-113.

[7]陈军梅.基于DEA-Malmquist指数方法的宁夏科技金融结合效率研究[J].宁夏大学学报(人文社会科学版),2014,36(4):141-146.

[8]李斌,赵新华.中国全要素生产率的估算:1979-2006[J].统计与决策,2009(14):103-105.

[9]崔传斌.全要素生产率国外研究文献综述[J].理论与方法,2010(10)：96-99.

[10]周晓林,吴次芳,刘婷婷,等.基于DEA的区域农地生产效率差异研究[J].中国土地科学,2009,23(3):60-65.

(责任编辑：刘 燕)

Research on the Combining Efficiency of Science and Technology with Finance in Chinese Agricultural Transformation of Scientific and Technological Achievements

Tang Yanan, Wang Xiufang

(School of Economics and Trade, Hebei Agricultural University, Baoding Hebei 071000，China)

In order to make a scientific determination of the combining efficiency of science and technology with finance in Chinese agricultural transformation of scientific and technological achievements, using two-stage DEA model, we determined comprehensive technical efficiency, pure technical efficiency and scale efficiency in the combination by selecting the financial input and output of science and technology indicators in the transformation, and further studied the redundancy problem of each input and output variables. Results showed that the combination of the transformation was in a invalid state, the main reason was the deficiency of technology output and inadequate technical income, the efficiency of previous research, pilot plant and curing link was not high enough. Based on this, some targeted countermeasures and suggestions were put forward.

agricultural science and technology finance; agricultural science and technology achievements transformation; combining efficiency; DEA model

10.3969/j.1672-7991.2015.02.005

河北省社会科学基金项目“农业科技创新风险投资运行机制研究”(HB13JJ042)；河北省教育厅人文社会科学研究重大课题攻关项目“京津冀协同发展背景下河北省现代农业发展战略研究”(ZD201421)。

2015-05-28；

2010-06-15

唐娅楠(1989-)，女，河北省保定市人，在读硕士研究生，研究方向为金融理论与政策、农业科技金融。

王秀芳(1964-)，女，河北省沧州市人，教授，博士，主要从事金融理论与政策、农业科技金融研究。

F299.22

A

1672-7991(2015)02-0023-05