胡扬名， 陈 军

(湖南农业大学公共管理与法学学院，湖南长沙 410128)

伴随着我国经济快速发展，2004—2015年我国农业尤其是粮食已实现连续12年增产，为我国经济发展转型升级、全面建成小康社会打下了坚实的基础和有力的保障，这一成就的实现，农业科技服务功不可没。作为农业大国，各级政府也在不断致力于促进农业的发展和农村科技服务的完善。当前，我国已初步建立起多元化的农村科技服务体系，农民作为农村科技服务的受益者，可以享受到来自政府5级(农技推广机构、高校和科研机构、涉农企业、科协以及农民专业合作社等)供给主体提供的农村科技服务。此外，自科技特派员的福建省“南平模式”开始，各地也在积极探索符合当地实际情况的农村科技服务模式，如海南的“农业技术服务110服务”模式、江苏的“科技超市”等，都为各地区的农业发展贡献了一份力量。但农村科技服务具有典型的农村公共产品或准公共产品属性，这也决定了政府具有提供这种公共产品的基本责任以及在农村科技服务的供给过程中居于核心地位。由于我国各地区经济社会发展条件和自然禀赋存在的客观差异，科学合理地评价我国各地区农村科技服务绩效及影响农业科技服务绩效的因素，对于进一步促进我国农业发展、农民增收、农业科技进步，实现“十三五”规划提出的要“提高农业质量效益和竞争力”具有重要的现实意义。

1 文献回顾

在农村科技服务绩效测度方面，国内已有学者进行了一些研究，主要表现在以下几个方面：一是在理论方法层面的创新。王薇等从过程完整性和对象复杂性2个方面分析了对农村科技服务绩效评估方法进行创新的必要性，创新性地提出双层效率因素分析(double-decked efficiency factor analysis，简称DEFA)模型，即以微观层面农民“满意度”和宏观层面进行数据包络分析(DEA)相结合的分析工具[1]。二是对农村科技推广绩效及其影响因素的研究。栾立明对吉林省农技推广绩效进行了研究，在此基础上发现农户的主体属性、农技机构自身属性以及运行环境对推广绩效具有显著的影响[2]；黄玉银等基于农户农技需求视角，对公益性农业科技服务体系的绩效进行了研究[3]；苏时鹏等应用超效率DEA-Tobit模型对福建省306个农业科技推广项目的推广服务绩效及影响因素进行了实证研究，结果表明，福建省的农业科技成果推广服务效率较低，市场需求与推广载体对农业科技成果推广服务效率具有重要的影响[4]；徐彬等运用综合模糊评价法对农业科技成果推广绩效进行了实证研究[5]；李霞等运用DEA模型对新疆和新疆生产建设兵团的政府主导型农业科技推广效率进行了测算，对比发现，新疆生产建设兵团的农业科技推广效率要优于新疆地区[6]；廖西元等基于14省42县的数据，以农户为评价主体实证研究了农技推广体制和机制对农技推广行为和绩效的影响，回归分析结果表明，农技员个人特征、管理体制、运行机制中的收入分配、考核激励等机制会显著影响其推广行为和绩效[7]。三是从农村科技服务供给主体的角度对农村科技服务绩效进行研究。夏英等运用因子分析法对我国科技特派员农村科技服务绩效进行评价，发现创业带动和财政支持及引导对科技特派员科技服务绩效具有重要影响[8]；于鸷隆等通过对宁夏科技特派员制度绩效的实证分析发现，进行现场指导、与农户进行股份合作是提高农民全要素生产率的2种重要方式[9]；黄祖辉等基于Bootstrap-DEA方法对浙江省896家农民专业合作社的效率及影响因素进行研究，结果表明，较低的纯技术效率导致平均效率水平偏低，而经营不力和管理不善直接导致纯技术效率水平低[10]；张明等运用超效率DEA模型对174家国家示范生产力促进中心的科技服务效率进行了分析，发现各地区绩效水平存在较大差距[11]。

此外，还有学者针对农业科技创新效率进行了研究，张莉侠等采用SBM超效率DEA-Tobit模型对北京、上海及天津的农业科技创新效率及影响因素进行了实证研究，结果表明，三大都市农业科技创新效率存在显著的差异，技术市场发育程度、农业技术引进与吸收能力及农业生产力发展水平等因素均对农业科技创新效率具有正向促进作用[12]；孙慧波等运用DEA-Tobit两步法实证分析了农业科技服务对农业生产效率的影响[13]。

现有研究对农村科技服务绩效评价及影响因素的分析具有一定的借鉴作用，但也存在一些问题：(1)现有文献广泛采用的传统DEA模型无法有效区分多个有效决策单元的差异，存在一定的局限性；(2)现有文献多从农村科技推广以及科技服务供给主体角度展开相关研究，全面评估农村科技服务绩效的研究还有欠缺。因此，本研究运用超效率DEA-Tobit模型来评价我国各地区农村科技服务绩效及其影响因素。

2 模型介绍

2.1 超效率DEA模型

自著名运筹学家Charnes等在1978年提出首个DEA模型即CCR模型评价决策单元的相对效率以来[14]，DEA模型得到不断发展和完善，已成为评价相同决策单元“多投入多产出”相对效率广泛使用的方法之一。但传统DEA模型在进行效率测算的过程中，有可能出现多个决策单元同时位于效率前沿面的情况，这就会导致无法评价和比较这些决策单元的相对效率。因此，Anderson等于1993年提出了一种改进模型，即超效率DEA模型[15]。该模型可以克服传统DEA模型的上述缺陷，使得可以对有效决策单元进行比较和排序。对偶形式下，超效率DEA模型表达式为：

minθ

2.2 Tobit模型

Tobit模型是对部分连续分布和部分离散分布的因变量提出的一个经济计量学模型。Tobit模型属于因变量受到限制的一种模型，其特征之一就是因变量只能以受限的方式被观测到，并在某种约束条件下取值的模型，其值是切割值或片断值，故又常被称之为删截回归模型(censored regression model)。一般情况下，如果自变量yit的取值在某个范围之内或者在数据整理时进行了截断，且与自变量xit有关，则有如下线性回归模型：

式中：yit为效率值向量，当yi>0时，取yit=yi>0，称yi为“无限制”观测值，即实际的观测值，当yi≤0，取yit=0，称yit为“受限”观察值，“受限”观测值均截取为0；xit为自变量向量；βT是回归系数参数估计值向量；εit～N(0，σ2)。超效率 DEA-Tobit 两步法步骤为：第1步采用超效率DEA模型进行效率测算；第2步以各决策单元的超效率结果为因变量，以所选影响因素为自变量，进行Tobit回归分析。在超效率DEA模型的估计结果中，测算出的结果为大于0的离散数值，属于受限因变量，如果直接使用最小二乘法，会导致参数结果有偏且不一致，因此采用最大似然估计法估计Tobit模型中的参数。

3 指标选择与数据来源

3.1 投入产出指标

农村科技服务的投入指标主要包括财力、人力、物力三大类。在财力方面，选择地区农林水事务财政支出、星火计划落实资金作为财力投入，主要原因是：分地区农业科技财政投入尚找不到数据，本研究使用农林水事务财政支出来表示各地区农业科技财政力度；星火计划是我国依靠科技进步、振兴农村经济、普及科学技术、带动农民致富的指导性科技计划，选择各地区星火计划落实资金具有较强的针对性。在人力投入方面，选取企事业单位农业技术服务机构从业人员作为投入变量，农业技术服务机构从业人员是我国农村科技服务的中坚力量。在物力方面，选取农业技术服务机构和农民合作社作为投入指标，二者在农村科技服务中同样发挥着重要作用。

在产出指标方面，农村科技服务的目标就是要实现农业增产、农民增收、农村发展，因此选择如下指标：农林牧渔总产值、粮食总产量、家庭经营纯收入、农用机械总动力。其中家庭经营纯收入为农村居民人均纯收入指标剔除工资性收入、财产性收入和转移性收入后的值，具有更强的针对性；农用机械的普及与应用会提升农业生产效率，本研究认为农用机械总动力可以在一定程度上反映当地农村科技服务水平。

DEA模型投入、产出指标的选择须满足同向性的假设，即不能出现投入的增加造成产出减少的现象，因此运用SPSS 19.0软件对所选投入、产出指标之间进行了Pearson相关性检验，检验结果(表1)表明，大部分相关系数通过了0.01水平上的显著性检验，表明所选指标较为合理。

3.2 影响因素指标

在借鉴前人相关研究的基础[16-17]上，本研究主要分析以下因素对于农村科技服务绩效的影响。

3.2.1 经济发展水平 一方面，地区经济发展水平提高，农民的消费水平也会随之提升，进而拥有更多资金去购置农村科技服务产品，有利于促进农村科技服务绩效的提升；另一方面，地区经济发展水平提高，可能会降低对第一产业的重视程度，向其他产业转变，不利于农村科技服务效率的提升。故经济发展水平对农村科技服务绩效的影响方向还有待验证。本研究以地区人均GDP(x1)来表示地区经济发展水平。

表1 投入、产出指标的Pearson相关系数检验结果

注：**、*分别表示在0.01、0.05水平差异显著；括号内的数字表示显著性检验的P值。

3.2.2 人力资源禀赋 本研究以农村人均受教育程度(x2)来衡量农村人力资源状况，农村人均受教育程度的改善可以提升农民对于农业科学技术的理解和运用，更大限度发挥农业科技的效用。农村人均受教育程度根据《中国人口和就业统计年鉴》中公布的乡村受教育程度人口计算得出，人均受教育年限=(样本含小学文化程度人口数×6+初中文化程度人口数×9+高中文化程度人口数×12+ 大专及以上文化程度人口数×16)/6岁以上抽样总人口数。

3.2.3 农村基础设施建设 农村基础设施的有效供给和不断完善对农业生产具有重要影响，本研究主要考察灌溉、农电、公路3类基础设施对农村科技服务效率的影响：(1)灌溉设施。农村水利灌溉设施可以有效克服要素资源禀赋和生态条件的不足，从而提高农业生产率，促进农业发展。本研究以有效灌溉率(x3，有效灌溉面积/农作物总播种面积)来反映农村灌溉设施状况。(2)农电基础设施。便利的农电基础设施是实现农业生产规模化、现代化的重要保证，本研究用农村用电量(x4)来表示农电基础设施状况。(3)公路基础设施。便利的交通设施可以有效促进农副产品的运输，降低各类生产要素的流通成本，增加农副产品的竞争优势，同时也可以加快农业新技术的推广和应用，促进农村科技服务效率的提升。根据我国公路等级的划分，农村地区以三四级公路为主，因此本研究以三四级公路比重(x5，三四级公路里程/公路总里程)来衡量公路基础设施状况。

3.2.4 自然环境条件 极端天气条件是农业生产最大的杀手，预计极端天气条件会显著降低农村科技服务绩效水平，本研究以受灾率(x6，农作物受灾面积/农作物总播种面积)表示自然环境条件对农村科技服务效率的影响。

3.3 数据来源

本研究探讨了我国农村科技服务绩效，由于统计口径问题，“农业技术服务机构”“农业技术服务机构从业人员”和“农民合作社”相关数据仅在《中国县域统计年鉴》(2013、2014年)上存在，且上述2个指标未能有更为合适的指标替代，因此本研究探讨了2012—2013年我国31个省份农村科技服务绩效。农村居民人均受教育年限数据根据各年度《中国人口和就业统计年鉴》计算得出，星火计划落实资金数据来源于各年度《中国科技统计年鉴》，如不作其他说明，本研究其他数据均来源于样本年度的《中国统计年鉴》和《中国农村统计年鉴》。

4 农村科技服务绩效及其影响因素的实证分析

4.1 农村科技服务绩效评价

超效率DEA模型在传统DEA模型的基础上进一步对效率值为1的决策单元进行区分和比较，使得各决策单元的效率差异更加明显，决策单元效率值尚未处于效率前沿面的效率值则与传统DEA模型结果一致。本研究用EMS 1.3软件对我国2012—2013年农村科技服务绩效进行测算，结果如表2所示。从表2可以看出，我国2012、2013年农村科技服务绩效均值分别为1.370、1.204，效率值较高，超过40%地区农村科技服务绩效位于效率前沿面上。以天津2012、2013年效率值为例，即使天津在2012、2013年产出同比分别减少50.6%、31.8%，天津仍处于效率前沿面上。从地区角度来看，中部地区农村科技服务绩效最佳，西部次之，东部较差。从2年平均值的排序结果来看，西藏地区效率均值最高，效率均值为6.596，北京效率均值为0.405，排名最末，这是因为西藏广袤的耕地面积以及独特的气候条件有利于大规模机械化操作以及经济作物的生长，而北京是我国的政治、经济和文化中心，第一产业所占比重很低，此外北京先进的农业科学技术针对全国的辐射性较强。效率均值排名前十的地区中包括东部地区的海南、河北、天津、广西、山东，中部地区的黑龙江、河南、吉林，西部地区的西藏、新疆。

4.2 农村科技服务绩效影响因素分析

4.2.1 模型构建 本研究运用Tobit模型对影响农村科技服务效率的相关因素进行回归分析，以各决策单元的超效率值(Yi)为因变量，以前述所选影响因素(X1～X6)为自变量，设定如下回归模型：

Yi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+εi。

式中：β0表示常数项；β1～β7表示各个自变量的回归系数；εi表示随机误差项。

4.2.2 Tobit回归结果分析 本研究运用Eviews 8软件对数据进行了分析，结果如表3所示，结果表明，所选影响因素对农村科技服务效率的影响在统计上显著。因此，可以得到如下结论：(1)地区经济发展水平对农村科技服务绩效具有抑制作用。这表明人均GDP水平越高，农村科技服务绩效反而会下降。如前所述，地区人均GDP越高，农村居民会降低对第一产业的重视程度，转而向农家乐等服务产业转变，在一定程度上抑制农村科技服务绩效水平的提升。(2)人力资源禀赋对农村科技服务绩效具有负面影响。农村人均受教育程度变量的系数通过了0.05水平上的显著性检验，P值为0.014，表明人均受教育程度提升1百分点，地区农村科技服务绩效将会下降0.014百分点。这是因为人均受教育程度的提升往往伴随着农村劳动力素质的提高增加非农就业的机会，导致学历较高的劳动力远离农村，农村科技服务的受众多为年龄较大或文化程度较低的群体，从而不利于农村科技服务绩效的提升。(3)基础设施对农村科技服务绩效的影响有正有负。具体来说，灌溉设施和公路设施会显著提升农村科技服务效率，灌溉设施的完善，有利于改善耕地生产条件，促进粮食增产；交通运输贯穿于农业生产的全过程，无论是生产资料的购买、收割还是交易等各个环节，便利的交通运输条件能大大提高农业生产资料的流动成本和时间成本，也能加速最新农业科技(良种、农业机械)的普及，从而提升农村科技服务绩效。而农村用电量变量对农村科技服务效率的作用方向为负，但并不显著，可能是因为我国农村地区村庄分布分散、独立的特点，农村供电成本较高，不利于农电设施的有效利用。农电作为重要的基础设施，虽然对于农村科技服务绩效的提升不利，但对于农民生活改善、促进农村繁荣具有重要的作用。(4)自然环境条件会显著降低农村科技服务绩效。受灾率变量的回归系数通过了0.01统计水平上的显著性检验，P值为0.003，表明受灾率提高1百分点，地区农村科技服务绩效将会下降0.035百分点。极端天气条件会造成粮食减产以及农民人均纯收入大幅降低，从而减弱农村科技服务效率。

表2 各地区2012—2013年度科技服务绩效结果

表3 Tobit回归结果

注：***、**、*分别表示在0.01、0.05、0.1的统计水平上差异显著。

5 结论及政策启示

本研究运用超效率DEA-Tobit模型对我国2012—2013年农村科技服务绩效及其影响因素进行了探讨，结果发现，超效率DEA结果表明，在样本年度内，我国农村科技服务绩效水平较高，超过40%地区位于效率前沿面上；从地区角度来看，我国农村科技服务绩效中部地区最佳，西部地区次之，东部地区最差。Tobit回归结果表明，水利灌溉设施和公路设施的完善会显著提升农村科技服务绩效，而人均GDP、人均受教育程度以及受灾率对农村科技服务绩效的提升具有显著的抑制作用，农电设施对农村科技服务绩效的作用方向为负，但并不显著。据此，有如下政策启示：

(1)加快农村基础设施建设。农田水利设施以及公路设施的完善有利于提升农村科技服务绩效，尤其针对当前还未能达到效率前沿面的省份应加大在这方面的财政支持力度，改变当前农田水利设施和公路设施较为薄弱的局面。此外，农村用电量虽不能增加农村科技服务绩效，但农村电力设施的完善对于改善农民生产生活、增加居民幸福感具有重要作用，推进农村电网升级改造，可以为日后农业生产规模化、现代化打下基础。

(2)鼓励农民积极参加农业保险。针对受灾率显著降低农村科技服务绩效水平，尤其是在当前自然灾害等危机频发的现实情况下，应加强农业保险政策的宣传，鼓励农民积极参加农业保险，在遭受自然灾害、意外事故、疫病等情况下尽可能挽回农民的利益。

(3)加强农村科技服务的宣传教育，鼓励高学历人群返乡创业。首先，要加强农村科技服务的宣传教育，可以采取符合农事季节的专业培训班、农业科技下乡等方式实现宣传教育的目的；其次，可以鼓励当地大学生或外来高学历人群来乡创业，当地政府给予一定的政策及财政支持力度，在增加就业岗位的同时也可以促进农业科技的发展。