基于DEA模型的四川省农业科技创新效率的测算与优化

蒋雨东 陈礼开 秦铸清 王德平

摘 要：【目的/意义】农业科技创新是实现农业农村现代化的关键，其效率影响区域经济发展水平和科技竞争能力。通过了解四川省农业科技创新现阶段的实际水平，以改善四川省农业科技创新资源配置，帮助四川省实现从农业大省向农业强省的转变。【方法/过程】研究利用“一干多支，五区协同”新空间布局协同发展战略背景下四川省2018年21个市州的具体数据，将其分为5大经济区域，构建农业科技创新投入与产出指标评价体系，并使用DEA模型分析测算四川省农业科技创新的综合效率、純技术效率和规模效率，并结合测算结果进行投影结果优化。【结果/结论】结果显示：（1）四川省农业科技创新综合效率、纯技术效率和规模效率均存在较大的提升空间，发展最好的是成都平原经济区，未来发展重点应以川东经济区为主;（2）通过投影分析和投入产出松弛变量测算，四川省各市州创新过程中都有不同程度的投入冗余和产出不足的问题。提出应优化农业科技创新要素的资源配置，实现第一产业的可持续发展;应加快农业科技服务体系的建设，提高科技成果转化率;应采取区域协调发展的思路，逐步缩小区域间农业科技创新的差距。

关键词：DEA模型;农业科技;创新效率;四川省

中图分类号：F323.3文献标志码：A文章编号：1637-5617（2020）06-0070-07

Calculation and Optimization of Agricultural Scientific and Technological Innovation Efficiency in Sichuan Province Based on DEA Model

JIANG Yu-dong1，2， CHEN Li-kai1，2， QIN Zhu-qing3， WANG De-ping4

（1.School of Life Sciences and Engineering， Southwest University of Science and Technology， Mianyang，

Sichuan 621000， China; 2. Academy of Agricultural Science and Technology， Southwest University

of Science and Technology， Mianyang， Sichuan 621000， China; 3. School of Economics and

Management，Southwest University of Science and Technology， Mianyang， Sichuan 621000，

China; 4. Development Planning Division，Southwest University of Science and Technology，

Mianyang， Sichuan 621000， China）

Abstract：【Objective/Meaning】 The agricultural scientific and technological innovation is the key to realize the agricultural and rural modernization， and its efficiency affects the level of regional economic development and the competitiveness of science and technology. The actual level of agricultural scientific and technological innovation in Sichuan Province at the present stage was understood in this paper， in order to improve the resource allocation of agricultural scientific and technological innovation in Sichuan Province， and help Sichuan Province to realize the transformation from a big agricultural province to a strong agricultural province. 【Methods/Procedures】 Based on the specific data of 21 cities and prefectures in Sichuan Province in 2018 under the background of the new spatial layout and collaborative development strategy of “one trunk， multiple branches， and collaboration of five districts”， they were divided into five major economic regions， and the input and output index evaluation system of agricultural scientific and technological innovation was constructed. Then， the DEA model was used to analyze and calculate the comprehensive efficiency， pure technical efficiency and scale efficiency of agricultural scientific and technological innovation in Sichuan Province， and the projection results were optimized in combination with the estimation results. 【Results/Conclusions】 The results showed that： （1） there was a large space for improvement in the comprehensive efficiency， pure technical efficiency and scale efficiency of agricultural scientific and technological innovation in Sichuan Province， and the best development was in Chengdu Plain Economic Zone， and the future development should be focused on the economic zone in eastern Sichuan; （2） Through the projection analysis and the input-output relaxation variable calculation， there were different degrees of input redundancy and output shortage in the process of innovation in Sichuan Province. Therefore， the countermeasures were put forward including optimizing the resource allocation of agricultural scientific and technological innovation elements to realize the sustainable development of the primary industry; accelerating the construction of agricultural science and technology service system to improve the conversion rate of scientific and technological achievements; adopting the idea of regional coordinated development to gradually narrow the gap of agricultural scientific and technological innovation between regions， etc.

Key words： DEA model; agricultural science and technology; innovation efficiency; Sichuan Province

农业科技创新对于实现我国农业现代化，助推乡村振兴战略和科技兴农战略具有重要意义，为破解乡村振兴进程中遇到的难题指明了方向[1]。近年来，国家发布了一系列关于农业科技创新的政策文件，如《“十三五”农业科技发展规划》《农业科技创新能力条件建设规划（2016-2020 年）》《创新驱动乡村振兴发展专项规划（2018-2022年）》等，为我国农业科技创新提供了发展思路和政策保障。

目前关于农业科技创新方面的议题逐渐成为学者们的研究重点。杜文忠等[2]利用熵权TOPSIS法模糊物元综合评价模型对广西壮族自治区2010-2016年农业科技创新能力进行了评价和影响因素研究，结果显示：在此期间，广西壮族自治区的农业科技创新能力得到了提升，发展环境、投入能力、产出能力、转化效率是影响农业科技创新能力的关键因素。毛世平等[3]从政策角度探讨了我国从改革开放以来农业科技创新政策的变化及效果，结果显示我国农业科技创新政策的数量、强度、力度等都呈波动上浮的趋势，主要是以科技成果转化为目标，侧重于体制机制方面的改革，同时其也显著影响了农业科研机构的技术性收入和专利申请量。赵丽娟等[4]认为政府R&D投入和环境规制是影响农业产业发展和科技创新效率的两大重要因素，利用超对数SFA模型和面板门槛模型进行实证分析，结果显示，目前政府R&D投入和环境规制对促进农业科技创新发展具有正效应;同时，政府R&D投入和环境规制对农业科技创新效率存在显著的门槛性，政府R&D投入强度的最优区间为>0.11，环境规制强度的最优区间为<0.62。然而，现有研究大多是聚焦中国整体或其他个别省份的农业科技创新效率测算，对四川省农业科技创新效率测算及其后续的优化研究较少。四川省作为全国的粮食生产和消费大省，在保障全国粮食安全和推动我国农业高质量发展的过程中扮演着关键角色。因此，测算四川省的农业科技创新效率，了解四川省农业科技创新现阶段的实际水平，对改善四川省农业科技创新资源配置，提高省域内5大经济区域的农业科技创新效率有着积极作用，有利于帮助四川省实现从农业大省向农业强省的转变。

1 研究区域与数据来源

1.1 研究区域

四川省地处我国西南腹地，横跨青藏高原、云贵高原、秦巴山地与横断山脉。面积位居我国第5位，达48.6万km2，下辖18个地级市和3个少数民族自治州。四川省拥有众多河流，如岷江、嘉陵江等，总体上气候宜人。粮食作物主要有水稻、小麦、玉米等;经济作物主要有棉花、油料、烟叶等。截至2018年末，四川省农村户籍人口总数约为5850.3万人，乡村就业人员总数约为3201万人。农林牧渔生产总值、农业机械总动力拥有量、农村居民人均可支配收入呈逐年稳定上升趋势。

推动农业科技进步可以有效带动农业产业发展，提高科技竞争力。2018年四川省R&D人员折合全时当量为158847人年，R&D经费支出约为737亿元，占全省生产总值的1.81%。其中科研机构、企业、高等院校及其他部门机构支出经费分别为239亿元、426亿元、66亿元和6亿元。共完成科技项目3702项，其中农林牧渔类项目250项，约占总项目数的6.75%。专利申请量合计为152987项。

1.2 数据来源

本文所使用数据主要来源于四川省统计年鉴（2019）、2019年四川省专利数据简报、四川省国民经济和社会发展统计公报（2019）、四川省第三次全国农业普查。同时根据四川省“一干多支，五区协同”新空间布局协同发展战略，将四川省21个市州分为5个经济区域，即成都平原经济区（成都、绵阳、德阳、眉山、乐山、资阳、遂宁、雅安）、川南经济区（自贡、泸州、内江、宜宾）、川东北经济区（南充、達州、广安、广元、巴中）、攀西经济区（攀枝花、凉山州）、川西北生态示范区（阿坝州、甘孜州）。

2 研究方法与指标建立

2.1 研究方法

DEA（Data Envelopment Analysis）即数据包络分析法，由美国学者Charnes[5]和Banker[6]等人提出，一般是用来分析和评价相关行业的产业要素生产效率，主要分为CCR模型（规模报酬不变）和BCC 模型（规模报酬可变）。该模型首先要保证决策单元（DMU）输入和输出不变，然后通过线性规划和指标数据来判断相对有效的生产前沿面;同时可以将各决策单元投影至DEA生产前沿面上，通过分析各决策单元与DEA生产前沿面的离散程度来评价各决策单元的相对有效性[7]。本文采用的是基于投入导向和规模报酬可变的BCC模型来评价四川省农业科技创新效率，主要是因为该模型不需要事先估计相关权重系数;也不需要对指标数据进行量纲操作[8]。

具体方法如下：假设有n个决策单元，在创新过程中每个决策单元有m种输入和s种输出，第j个决策单元的输入向量为Xj=（xj1，xj2，…，xjm）T，第j个决策单元的输出向量为Yj=（yj1，yj2，…，yjs）T。其中，Xj、Yj均≥0，j=1，2，3，…，n。同时引入阿基米德无穷小量ε，松弛变量s+和s-。

其CCR基本线性规划模型如下：

θ*=min[θ-ε∑（s-+s+）]

s.t.∑nj=1λjXj+s-j=θX0

∑nj=1λjYj-s+=Y0

λj≥0，s-j≥0，s+r≥0（j=1，2，…，n）（1）

运用CCR模型对决策单元进行效率测算时，θ∈[0，1]表示相对有效性的评价值：当θ=1，s+=0，s-=0时，DMU代表DEA有效;当θ=1，s+≠0或s-≠0时，DMU代表DEA弱有效;当θ<1时，DMU代表非DEA有效，且θ值越大代表DMU的相对效率越高。

在式（1）基础上加上凸面约束条件（2）后可以得到基于规模报酬可变的BCC模型，其效率可以分解为纯技术效率和规模效率。

∑ni=1λi=1（λ≥0）（2）

2.2 指标体系建立

本文是对2018年四川省21个市州的农业科技创新效率进行评价，结合总结和分析相关学者对农业科技创新资源配置效率及其创新能力评价的研究成果[9-11]，在遵循相关设计原则的前提下，共设计了投入类指标3个，产出类指标3个，共6个指标（表1）。投入类指标包括：（1）农业从业人员，用来反映投入到农业科技创新中的人力资本;（2）一般公共财政农业支出，用来反映投入到农业科技创新中的财政资本;（3）农业机械总动力，用来反映投入到农业科技创新中的技术资本。产出类指标包括：（1）农林牧渔总产值，用来反映农业科技创新所产生的经济效益;（2）农村居民人均可支配收入，用来反映农业科技创新带给农民的生活质量提高;（3）专利授权量，用来反映农业科技创新的最新技术成果。

3 实证分析

3.1 四川省农业科技创新效率测算

通过使用DEAP 2.1软件来对2018年四川省农业科技创新效率进行测算，即将每个市州作为一个独立的决策单元来进行处理，最后得出综合效率、纯技术效率、规模效率、规模报酬及投影等结果。一般来说，当效率值等于1表示农业科技创新效率有效，0.9～1表示良好，0.8～0.9表示中等，低于0.8则表示低效[12]。测算结果如表2所示。

同时，为了更科学合理地研究四川省农业科技创新效率，对其效率的2个方面进行分类。一方面，由于农业科技创新综合效率值能直接体现其效率的高低，故根据表2的测算结果将四川省21个市州的农业科技创新效率分为DEA有效和非DEA有效（表3）;另一方面，由于不同的农业科技创新投入产出关系会产生不同的规模效益，故根据表2的测算结果将四川省21个市州的农业科技创新效率分为规模报酬递增、规模报酬递减、规模报酬不变（表4）。

3.1.1 综合效率测算

由表2可知，2018年四川省农业科技创新综合效率平均值为0.772，处于低效状态，说明总体农业科技创新效率不高，有较大的提升空间。（1）综合效率为1的有效决策单元有6个（成都、德阳、遂宁、自贡、内江、攀枝花），占总数的28%，说明其农业科技创新效率的投入产出已经达到最优状态，位于生产前沿面上。（2）非有效决策单元有15个，占总数的72%，最高值为南充（0.949），最低值为广元（0.436），说明这些决策单元的纯技术效率或规模效率未达到有效，农业科技创新的投入产出不均衡。15个非有效决策单元中综合效率大于0.8的决策单元有5个，分别为绵阳、雅安、南充、达州、阿坝州，说明这5个决策单元应根据自身实际发展情况进行调整，将提高本地农业科技创新资源的配置效率作为未来发展重点。而剩下的10个决策单元则存在农业科技创新投入产出结构失衡的情况，需要重点调整。（3）从五大经济区域来看，四川省农业科技创新效率均值呈现出比较明显的区域差异，只有川西北生态示范区和川东北经济区低于全省平均值。成都平原经济区的综合效率排在第一位，随后依次是川南经济区、攀西经济区、川西北生态示范区、川东北经济区。同时，成都平原经济区、川南经济区和攀西经济区间综合效率差距不大，而川西北生态示范区和川东北经济区与这3个区域相比差距较大。由此可见，四川省21个市州的农业科技创新效率差距较为明显，两极分化严重。

3.1.2 纯技术效率测算

由表2可知，2018年四川省农业科技创新纯技术效率平均值为0.842且小于全省规模效率平均值，说明影响四川省农业科技创新效率的主要因素为纯技术效率。（1）纯技术效率为1的有效决策单元有7个（成都、德阳、遂宁、雅安、自贡、内江、攀枝花），与综合效率为1的有效决策单元相比增加了雅安市1个决策单元。该市综合效率为0.869，纯技术效率为1，表明该市的纯技术效率和综合技术效率相比改善效果更明显，即一些农业科技资源配置合理，没有资源浪费，其综合技术效率不高的主要原因是规模效率不高。（2）非有效决策单元为14个，最高值为甘孜州（0.976）和阿坝州（0.976），最低值为广元（0.498）。这些决策单元的纯技术效率均大于综合效率，表明造成综合效率無效的原因不仅仅是技术效率偏低还归结于规模效率不高。（3）从五大经济区域来看，只有川东北经济区和攀西经济区低于全省平均值。川西北生态示范区的纯技术效率排在第一位，随后依次是成都平原经济区和川南经济区。除了川东北经济区外，其余4个区域的纯技术效率平均值差距不大。由此可见，川东北经济区的农业科技创新资源利用效果亟待改善。

3.1.3 规模效率测算

由表2可知，2018年四川省农业科技创新规模效率平均值为0.945。（1）有6个规模效率为1的有效决策单元（成都、德阳、遂宁、自贡、内江、攀枝花），说明这些决策单元的农业科技创新规模较为合理。（2）非有效决策单元数为15个，最高值为眉山（0.995），最低值为阿坝州（0.838）和甘孜州的（0.838）。说明这些非有效决策单元存在农业科技创新规模无效现象。（3）从五大经济区域来看，攀西经济区和川南经济区的规模效率排在第一位，随后依次是成都平原经济区、川东北经济区、川西北生态示范区。除了川西北生态示范区外，其余4个区域的规模效率平均值差距并不明显。

3.1.4 规模报酬测算

由表2可知，（1）2018年四川省有8个市州处于规模报酬递增状态（乐山、雅安、泸州、广安、广元、巴中、阿坝州、甘孜州），说明尽管由于它们的农业科技创新资源的投入规模普遍较小，导致这些市州的DEA测算结果不高，但具有发展潜质，可通过提高农业科技创新资源的投入规模来实现发展目标。（2）有7个处于规模报酬递减状态（绵阳、眉山、资阳、宜宾、南充、达州、凉山州）的市州，表明这些市州投入的农业科技创新资源存在浪费现象，资源未得到合理配置。应调整这些市州农业科技创新资源投入的数量和质量，缩小农业科技创新资源规模，以提高农业科技创新资源的配置效率。（3）有6个处于规模报酬不变状态（成都、德阳、遂宁、自贡、内江、攀枝花）的市州，说明这些市州在农业科技创新方面投入均衡，已经达到最优，规模变化无法再影响效率。

3.2 四川省农业科技创新影响因素分析

（1）四川省用于农业科技创新的投入资金存在浪费现象，相关经费投入多数集中在企业和科研机构，未能得到充分使用。且农业科技研究成果真正用于农业生产的较少，缺乏农业实践应用和市场检验，转化率较低。加之多数农民文化教育程度偏低，农业科技创新成果的传达机制存在阻碍。（2）农业科技创新资源配置方式不合理。在农业科技创新经费投入中，市场资金来源占比较低，在农业科技资源配置中影响不大，导致相关中介服务机构在农业创新资源配置中的作用未能有效体现。

3.3 四川省农业科技创新效率优化

在上述研究基础上，对四川省农业科技创新中15个非效率有效决策单元进行投影分析，以找到农业科技创新中投入产出松弛变量的具体数值和优化路径。鉴于篇幅限制，本文只选取五大经济区域中各1个市州的分析结果进行呈现（表5）。如以绵阳为例，若使DEA有效，投入方面农业机械总动力需要减少64.244万kW;产出方面农村居民人均可支配收入需要增加1693.48元，专利授权量需要增加7032件。根据投影结果分析，15个决策单元出现非DEA有效的原因主要包括：（1）农业从业人员投入过多;（2）一般公共财政农业支出投入过多;（3）农村居民人均可支配收入不足;（4）实际申请成功的专利数不足。

4 结论与建议

本文采用DEA模型实证分析了2018年四川省的农业科技创新效率，研究发现：（1）四川省农业科技创新综合效率平均值为0.772，纯技术效率平均值为0.842，规模效率平均值为0.945，均存在着较大的提升空间;从五大经济区域之间来看，四川省农业科技创新发展重点应以川东北经济区为主;（2）通过投影分析和投入产出松弛变量测算，四川省各市州农业科技创新过程中都存在着不同程度的投入冗余和产出不足问题，主要原因是四川省农业基础设施建设滞后，农业机械化程度不高，缺乏懂技术、懂管理的农业科技创新人才。

四川省提升农业科技创新水平，应从以下几个方面着手。（1）应优化农业科技创新要素的资源配置，实现第一产业可持续发展[13]。在保持全省农业科技创新总体水平稳定的前提下，进一步对农业科技创新资源进行高效利用。对于农业从业人员和一般公共财政农业支出这2个存在投入冗余的指标，相关市州要根据实际情况减少这2项指标的投入;对于农村居民人均可支配收入和专利申请量这2个存在产出不足的指标，相关市州要根据实际情况增加这2项指标的产出。进而激发这些市州的农业科技创新活力，提高四川省农业科技创新的竞争力。（2）应加快农业科技服务体系的建设，提高科技成果转化率[14]。提高农业科技成果的转化率关键因素是依托农业科技服务体系的支撑。通过构建农业科技转化共享平台，鼓励由涉农企业牵头，高等院校及科研机构协同参与农业科技创新的发展模式，不仅可以增强区域科技储备能力，还可以让科研成果更高质量地服务于农业生产，增强科研成果的供给能力。同时还应加大对众创空间、科技协会、大学科技园等科技中介组织的政策扶持力度，完善该类组织的反哺能力，逐渐形成“研发-转化-产业化”的一体化链条。（3）应采取区域协调发展的思路，逐步缩小区域间农业科技创新差距[15]。由于四川省21个市州在地理位置、发展成熟度、相关资源要素投入方面均存在着较大区别，各地政府应从其现有科技水平和资源储备出发，采取协调发展、因地制宜的发展思路。发展较好的市州可以通过招聘和引进等方式吸纳优秀的农业科技人员，营造良好的科技氛围，打造一支“一懂两爱”的高素质农业科技人才队伍;发展较弱的市州可以提高对农户与新型经营主体的财政补贴，同时定期举行农业科技知识培训班，积极开展与发展态势较好的市州的交流协作。

参考文献：

[1]朱俊杰，祝文涛，何南君. 乡村振兴视角下农业科技发展的战略路径与实施对策[J]. 农业经济，2019（2）：80-82.

[2]杜文忠，耿鹏鹏，胡燕萍. 创新驱动视角下广西农业科技创新能力评价——基于熵值和TOPSIS法物元评价模型[J]. 科技管理研究，2019，39（9）：82-89.

[3]毛世平，杨艳丽，林青宁. 改革开放以来我国农业科技创新政策的演变及效果评价——来自我国农业科研机构的经验证据[J]. 农业经济问题，2019（1）：73-85.

[4]赵丽娟，张玉喜，潘方卉. 政府R&D投入、环境规制与农业科技创新效率[J]. 科研管理，2019，40（2）：76-85.

[5]CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[6]BANKER R D. Estimating Most Productive Scale Size Using Data Envelopment Analysis[J]. European Journal of Operations Research，1984，17（1）：35-44.

[7]魏权龄. 数据包络分析（DEA）[J]. 科学通报，2000（17）：1793-1808.

[8]段文斌，尹向飞. 中国全要素生产率研究评述[J]. 南开经济研究，2009（2）：130-140.

[9]董明涛. 我国农业科技创新资源的配置效率及影响因素研究[J]. 华东经济管理，2014，28（2）：53-58.

[10]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，2013，30（8）：82-85.

[11]郭雅娴，赵梦，卢雨菲. 区域农业科技创新资源评价指标体系构建[J]. 统计与决策，2011（22）：78-81.

[12]曹云. “一带一路”背景下新疆农业资源配置效率及优化[J]. 中国农业资源与区划，2017，38（7）：135-141.

[13]王广，郭翔宇. 農业科技创新动力机制影响因素与创新[J]. 学术交流，2016（5）：136-141.

[14]林寿富，黄茂兴. 区域科技成果转化能力评价研究——基于福建省的实证分析[J]. 福建论坛（人文社会科学版），2013（10）：148-153.

[15]徐玉莲，王玉冬. 区域科技创新与科技金融系统协同发展运行机理分析[J]. 科技进步与对策，2013，30（20）：25-29.

收稿日期：2020-08-11

作者简介：蒋雨东（1995-），男，硕士研究生，研究方向：美丽乡村建设与发展. E-mail：jwqlmm@163.com

通讯作者：王德平（1971-），男，副教授，博士，研究方向：技术创新与现代农业经营管理. E-mail：wdp@swust.edu.cn

基金项目：四川省农村发展研究中心资助项目（CR1704）