刘炳芳 夏凡 赖伦扬 罗昌瀚

江西省农业科技投资效率的实证分析

刘炳芳 夏凡 赖伦扬 罗昌瀚

使用DEA的方法测度了1978—2012年江西省农业科技投资的效率。通过CCR模型的建立发现江西省35年来农业科技投资有效年份的比例仅为51.43%，并且无效年份各指标所需改进的幅度较大，因而得出江西省农业科技投资并非有效的结论，总结出江西省农业科技投资无效率存在的机制因素。最后建议加大江西省农业科技的投入，建立稳定的农业科技创新机制，规范投资金额的使用，促使农业生产总值增加使江西省农业科技投资达到强有效状态。

农业；科技投资效率；DEA

一、研究背景

2004年以来我国粮食产量实现“十一连增”，农民增收实现“十一连快”，农业农村发展的大好态势为经济结构调整、产业升级、稳控物价提供了支撑和底气。然而大部分地区农业产出效率并不乐观，例如孙晓欣、马晓冬，许玉灿，孟思聪［1］在共同研究的淮海经济区农业经济效率中显示淮海经济区内农业综合效率总体偏低，农业技术水平仍然是制约区域农业发展的主要因素。因此，在要将农业从传统的第一产业涅磐为“第六产业”的形势下，农业科技的力量显得尤为重要。

江西是一个农业人口多、农村地域大、农业比重相对较高的省份，粮、猪、油、菜、水产等主要农产品产量在全国占有重要地位，2012年江西以占全国1.8%的耕地，生产占全国3.8%的粮食，粮食产量位居全国第12位，其中稻谷产量居全国第2位，人均稻谷产量全国第1位，所以江西省农业的发展关系到江西省整体的发展水平，而现代农业的发展又很大程度上依赖于农业科技投资效率的高低。李练军［2］通过运用现代农业综合评价指标模型，对江西全省及各地区现代农业发展水平进行了测算与比较分析，表明2012年江西现代农业发展综合指数达到62.70，在全国处于中等水平，已进入发展阶段；江西各地区现代农业发展水平较为均衡，大多也处于发展阶段。2004年至2013年是江西省农业机械化发展最快的时期之一，这十年来，农业机械化发展取得了令人瞩目的成就，为实现粮食“十连增”、农民增收“十连快”，推进农业现代化进程做出了重要贡献［3］。在这样的发展态势下，2015年，江西省将深入贯彻“发展升级、小康提速、绿色崛起、实干兴赣”十六字方针，力争早日实现建设现代农业强省的总目标。然而实际上，在江西省农业机械化水平飞速提升的同时，农业科技投资的效率并不高。

二、文献综述

农业是国民经济中一个重要的产业部门，是人类衣食之源、生存之本，是一切生产的首要条件。它为国民经济其他部门提供粮食、副食品、工业原料、资金和出口物资。随着工业化和现代化进程的加速，农业的变革与发展离不开科技的力量，例如美国经济学家舒尔茨认为，任何一个国家的农业发展，如果不能突破技术瓶颈，最终只能达到传统农业的低水平均衡。正是因为农业对于社会、国民经济起着举足轻重的作用，而农业科技又是农业发展的支柱，使得农业科技成为了国内外学者研究的热点。

（一）农业科技重要性的验证

农业科技创新是实现农业现代化的根本推力。王建华、李清盈、Djurovic Gordana［4］对江苏地区的农户包括专业大户、家庭农场、农村专业合作社和农业产业化龙头企业四种新型农业生产经营主体的科技需求演化进行了深入分析，并对不同生产经营主体的生产机制和模式进行了耦合，发现不同的主体之间对科技需求演化的效率各不相同，从而提出针对农户的科技需求所设计的培育政策将成为推广农业科技和提高农业科技转化率的关键的建议，表明农业科技对于促进农村改革和解决“三农”问题具有重要意义。

姚永鹏、苏小凤［5］基于C-D生产函数模型，测算了兰州市2001—2011年的农业科技创新贡献率。测算结果表明，农业科技创新贡献率呈不断上升的趋势。通过与全国和其他地区的分阶段比较与分析，提出了兰州市需要加大自主创新力度，增强农业科技创新能力建设，正确处理好科技创新和农业生产之间的关系，利用农业科技创新来实现农业的跨越式发展的政策性建议。

（二）农业科技投入与资源配置的研究

农业科技投入的增加不仅能够对农业生产率的提高产生积极作用而且有利于增加农民收入，改善农民生活，而农业科技资源的配置存在损失。李首涵、刘庆［6］通过全要素生产率指数法对1990—2012年间中国主要粮食作物的全要素生产率的变动进行测算，在此基础上，建立带有分布滞后效应的误差修正模型来对国家财政农业科技投入对粮食生产全要素生产率的作用进行实证分析。研究结果表明：政府财政科技推广投资对粮食生产全要素增长率增长的影响具有短期效应，长期来看，政府财政科研投资对粮食生产全要素生产率增长具有积极作用；科研投资的短期效果大于长期，效果的产生至少存在3年滞后期，并且促进粮食全要素生产率增长的作用可以持续多年。宋莉莉、马晓春和王秀东［7］利用DEATobit二阶段回归模型对我国农业发展方式对农民收入的影响进行了实证分析，结果表明：农业科技投入、城镇化率、第一产业就业人员的数量以及农户家庭经营规模是影响我国农业发展方式效率的重要因素。因而指出我国应在稳定家庭联产承包责任制下创新农业生产经营主体，加快农业劳动力结构性转移，加强对农业科技和农村教育等方面的财政投入力度，以此来提高我国农业发展方式效率，增加农民收入。

杨传喜［8］则运用数据包络分析方法（DEA）、随机前沿分析方法（DEA）对我国农业科研机构、农业高等院校及不同农业生态区的科技资源配置效率进行了非参数和参数测度，通过理论和实证的系统分析发现农业科技资源配置是一个复杂适应系统，农业科技资源与农业经济发展之间存在长期均衡关系，目前农业科研机构科技资源配置效率相对低下，高等院校的科技资源配置效率在1995-2008年间整体存在下降趋势，而其中农林高校的科技资源配置效率处于逐渐上升状态，中国农业科技资源配置的效率存在不同程度的损失。

（三）农业科技成果转化现状的研究

杨雪娇［9］对黑龙江省农业科技贡献率进行测算，农业劳动力投入、农业资本投入、农业用地面积、农业机械总动力和化肥使用量等作为输入指标，农业总产值为输出指标，计算说明农业科技成果的转化及普及取得了一定的成效，但是与发达国家相比，黑龙江省农业科技发展依旧呈现投入不足、科技成果转化率偏低的现状。

刘俭、黄婷［10］在对宁夏涉农科研单位农业科技成果转化现状及对策研究中认为农业科技成果转化是推动农业科技创新发展的关键环节。宁夏涉农科研单位承担完成并登记的农业科技成果数量占全区比例已由53.85%增长到67.50%，但是受专项经费投入不足且结构不合理、转化机制有待完善等因素影响，承担的科技成果转化专项数仅占全区的3.13%，涉农科研单位的成果转化作用没有得到充分发挥。文章基于对涉农科研单位农业科技成果转化问卷调查的分析，探讨了宁夏涉农科研单位农业科技成果转化现状、主要转化模式及存在的问题，提出了加大农业科技成果转化的资金投入、加强农业科研单位和农技部门的联系和合作、提高科研人员成果转化的积极性等促进农业科技成果转化的对策建议。

（四）农业科技投入产出效率的研究

农业科技投入产出效率有待改进。杜鹃［11］根据我国农业科技投入方向、力度、比重、创新产出水平，建立了基于DEA的农业科技投入产出评价模型，对我国粮食主产区和非主产区的科技投入产出效率进行量化分析，得到了各地区农业科技投入产出效率情况。研究结果表明，我国部分地区的农业科技投入产出处于非DEA有效状态，在很大程度上是由于投入规模不当和产出不足。并提出加大农业科技投入规模和提升资源产出效率是提高我国农业科技投入产出效率的关键。

丁雪和潘晨晔［12］以人力资源、经费投入和课题投入以及科技论文、科技著作和发明专利作为产出，采用DEA模型对我国主要省市的农业科技投入效率进行分析得出东北三省地区农业科技投入产出有效性不高，而西部地区DEA有效的省（市、区）占据多数，中部地区更为无效的结论。

三、农业科技投资效率的定义及测度指标

（一）农业科技投资效率的定义

农业分为狭义农业和广义农业，狭义农业是指以种植业为代表的单一类型农业，而广义农业则包括种植业、林业、畜牧业、副业和渔业，本文研究的正是广义农业概念下江西省农业科技投资效率。“农业科技投资”是农业投资的一部分，是为促进农业发展进行的各种研究活动，促进农业科研产品的推广与生产使用所投入的直接和间接费用之和，也是为增进知识（包括农业社会科学知识）总量，运用现有知识去创造新知识的创造性活动所产生的费用。江西省农业科技投资效率的研究，是研究江西省农业科技的投入和产出之间的比率，由此定量分析农业科技投资效率。

（二）指标选取

近年来，学者们研究农业科技投资效率所选用的测度指标大致分为两类，包括了以科技创新成果为产出的指标体系和以农业生产总值为产出的指标体系。由于江西省农业科技直接产出的界定有限，而最终所有的科技产出均作用于农业生产总值的增加，因此本文选择了将农业生产总值作为总产出，经过反复实验验证以人力资源（第一产业就业人数）、科技三项费用、财政支农支出、农业机械总动力、农林牧渔中间消耗、等外公路里程数作为科技投入，指标体系如表1所示。本文的数据与指标均来源于《江西省统计年鉴》、《中国农村统计年鉴》、《江西农村经济年鉴》。

表1 摇江西省农业科技投资效率实证分析的指标体系

1.多元回归验证

利用SPSS软件对江西省农业科技投资的各项指标以及数据进行多元回归分析，数据经过（以1952不变价）处理得表2。其中农业总产值为y，劳动力为x1，农林牧渔中间消耗为x2，财政支农支出为x3，科技三项费用为x4，农业机械总动力为x5，等外公路里程数为x6。

对表2数据进行对数化处理并建立多元回归模型：

则实验得到的多元线性回归模型为：

对于多元线性回归模型（2）的估计值，由表3显示，模型的基本可决系数为R2=0.991调整后的可决系数为R2=0.989，因而多元线性回归模型的拟合度很高。由该模型测算得F值为488.477，其P值为0.000，说明F检验显著，即变量之间的线性关系较为明显。另外，模型的D.W=1.471，说明模型基本不存在序列相关性，可通过统计性检验。实验验证结果表明本文指标选取均通过检验。

四、DEA模型选择

（一）数据包络分析（DEA）

数据包络分析（Data Envelopment Analysis，DEA）是一种基于被评价对象间相对比较的非参数技术效率分析方法，是由美国的Charnes、Cooper和Rhodes［13］3人于1978年首次提出，因此后来将DEA的第一个模型命名为CCR模型。DEA具有适用范围广、原理简单等特点，现如今已被广泛应用在各行各业的评价分析中，截止到2013年5月，仅在SCI和SSCI数据库中就检索到DEA主题的文献数量近6000篇［14］。

（二）CCR数学模型

表2 摇江西省农业科技投入产出数据表

表3 摇各指标统计量

假设有n个决策单元（DMU），每个决策单元有m个投入变量和s个产出变量。其中：

即其分量非负且至少一个为正。则规模报酬不变的CRS（CCR）模型用公式表示为：

CRS模型是最基本的DEA模型，其中为阿基米德无穷小。该模型用以评价DMU的总技术效率TE，即为纯技术和规模的综合效率，反映给定投入下决策单元获得最大产出能力或给定产出情况下决策单元投入最小的能力。δ是该决策单元DMU0的有效值，其中x0表示第j0个DMU0的投入向量，y0表示第j0个DMU0的产出向量，λj是相对于DMU0重新构造一个有效DMU组合中第j0个DMU1的组合比例，s-是与投入相对应的松弛变量组成的向量，s+是与产出相对应的松弛变量组成的向量，且s-=（s-1，s-2，…，s-m）τ，s+=（s+1，s+2，…，s+m）τ。

若δ=1且s-=s+=0则称DMU0为DEA有效，即在这n个决策单元中，在原投入为x0的基础上所获得的产出y0达到最优；若δ=0且s-≠0或s+≠0则称DMU0为弱DEA有效；若δ＜1，则称DMU0为非DEA有效。

本文选取的是投入导向的CCR模型，从投入的角度对被评价DMU无效率的程度进行测量，关注的是在不增加江西省农业总产值的条件下，要达到技术有效江西省农业科技的各项投入应该减少的程度，从而找出致使江西省农业科技投资无效率状态存在的原因。

五、测算结果及其分析

本文采用MAXDEA软件对江西省1978-2012年的农业科技投资效率进行实证分析。计算结果如表所示。表4显示了1978-2012年江西省农业科技投资的效率值以及各指标对应的松弛变量，其中用序号1-6分别表示农业科技投入指标：劳动力（万人）、农业机械总动力（万千瓦）、财政支农支出（万元）、科技三项费（万元）、中间消耗（万元）、等外公路里程数（万公里），用序号0表示农业科技产出：农林牧渔总产值（万元）。

表4 摇1978-2012年江西农业科技投资效率值及松弛变量

由表4得，35年以来江西省农业科技投资达到有效状态的年份有1979、1981-1983、1994-1997、2000-2001、2003-2008以及2011-2012，在这些年份中，所有指标的松弛变量均为零，表明这些年份江西省农业科技投资均达到强有效状态。然而从表中也可发现，在这35年中江西省农业科技投资无效年份数的比例达48.57%，同时无效年份中各指标的松弛改进值均较大，表明江西省农业科技投资的效率还有很大的改进空间。

在MAXDEA分析结果中，投入的改进值用负数表示，产出的改进值用正数表示。因此被评价DMU的投入和产出投影值的计算方法可统一表示为：

表5 摇1978年江西省农业科技投资各指标的目标值

表5显示了以1978年为例通过改进值的方法计算各项农业科技投入产出的强有效目标值。

按照1978年各指标目标值的计算方法测算得所有无效年份各指标的强有效目标值。如表6所示，对比原始数据可以发现，在无效年份中各投入指标的目标值均有下降，表明在产出不减少的情况下需要减少各项科技投入，包括了农业科技投入中科技三项费用和农业机械总动力这两大关键要素。但就实际而言，不论是科技三项费用还是农业机械总动力，政府对于这两大投入的支持量逐年增加，实验结果与实际情况的相悖也正体现了江西省农业科技投资的无效所在，投入再多亦无法达到有效状态，充分显示了江西省农业科技投资体制的内在缺陷，因此应当合理运用投资金额，规范科技费用的支出，改革科技创新体制，使投入量减少的同时有效地增加产出。

六、结论

江西省农业科技投资效率的研究结果表明，现如今江西省农业科技投资效率较低，未能充分发科学技术对农业发展的先导作用，无效的科技投资不仅是对资源的浪费也是对农业现代化进程的干扰。因此，为了切实提高江西省农业科技投资效率，实现江西省农业现代化的目标，一是需要建立稳定高效的科技创新体制，合理规范使用各项投入，提升科技投资的效率水平，严抓从科技研发到应用推广的各个流程，拒绝低效甚至无效的科技投入［15］；二是建立优化多元化的科技投入机制。一方面加大财政对农业科技的支持力度，另一方面引导激励农业企业及其他社会投人，进一步加大科技创新投入，拓宽融资渠道，形成多元高效的创新投入体系［16］；三是培养高素质农业科技人才，提高自主创新能力，为农业科技进步提供保障；四是抓住“互联网+三农”的契机，充分利用科技的力量建立智慧农业、现代化农业、生态农业，为全省农业发展打造新格局。

表6 摇无效年份各投入指标的强有效目标值

［1］孙晓欣，马晓冬，许玉灿等.基于DEA的淮海经济区农业经济效率分异研究［J］.江苏师范大学学报（自然科学版）ISTIC，2015，（1）.

［2］李练军.基于AHP法的江西现代农业发展水平评价及比较分析［J］.安徽农业科学，2015，（2）.

［3］官少飞.开拓进取扎实工作努力推进全省农机化健康稳定发展——在全省农机化工作会议上的讲话（摘录）［J］.南方农机，2013，（1）.

［4］王建华，李清盈，Djurovic Gordana.基于科技需求演化的农业生产经营主体培育与政策建议——以江苏地区农户为例［J］.贵州社会科学，2015，（2）.

［5］姚永鹏，苏小凤.兰州市农业科技创新贡献率分析［J］.资源开发与市场，2014，（3）.

［6］李首涵，刘庆.财政农业科技投资对粮食全要素生产率作用的实证研究［J］.科技与经济，2015，（1）.

［7］宋莉莉，马晓春，王秀东.我国农业发展方式对农民收入影响分析——基于DEA-Tobit模型［J］.中国农业科技导报，2014，（6）.

［8］杨传喜.农业科技资源配置效率问题研究［D］.武汉：华中农业大学，2011.

［9］杨雪姣.基于DEA方法的黑龙江省农业科技进步贡献率的测算研究［D］.哈尔滨：东北农业大学，2014.

［10］刘俭，黄婷.宁夏涉农科研单位农业科技成果转化现状及对策研究［J］.农业科技管理，2015，（1）.

［11］杜娟.基于DEA模型的我国农业科技创新投入产出分析［J］.科技进步与对策，2013，（8）.

［12］丁雪，潘晨晔.基于DEA模型的我国主要省市农业科技投入产出效率分析［J］.现代农业科技，2015，（3）.

［13］CHARNES A，W.COOPER W，L.WEI&Z.M. HUANG Q.Cone Ratio Data Envelopment Analysis and Multi-Objective Programming.［J］.International Journalof Systems Science，1987，（7）.

［14］成刚.数据包络分析与MAXDEA软件（第1版）［M］.北京：知识产权出版社，2014.

［15］蔡波，翁贞林，陈昭玖等.江西省农业可持续发展能力评价［J］.农林经济管理学报，2011，（4）.

［16］叶永钢，熊涛.构建新型农业科技创新体系的对策——以江西省为例［J］.安徽农业科学，2013，（1）.

［责任编辑：邵猷芬］

刘炳芳（1994—），女，江西财经大学国民经济管理，本科，研究方向为经济学；夏凡（1994—），女，江西财经大学统计学，本科，研究方向为统计学；赖伦扬（1993—），男，江西财经大学国民经济管理，本科，研究方向为经济学；罗昌瀚（1977—），男，江西财经大学经济学院副教授，经济学博士，研究方向为宏微观经济理论、博弈论。（江西南昌330013）

大学生创新创业训练计划项目（20140421094）