我国农业科技与金融结合的效率研究——以农业科技园区为例

唐娅楠，王秀芳，尉伟杰

（河北农业大学 经济贸易学院，河北 保定071001）

我国农业科技与金融结合的效率研究
——以农业科技园区为例

唐娅楠，王秀芳，尉伟杰

（河北农业大学 经济贸易学院，河北 保定071001）

为对我国农业科技与金融结合的效率进行科学测定，选取农业科技发展中的重要载体农业科技园区为例进行研究。采用农业科技园区各项金融投入与科技产出指标，运用DEA模型，对我国农业科技园区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，我国农业科技园区科技金融结合整体处于低效状态，其主要原因是科技转化为产值的能力不足。在此基础上，提出了推动科技成果转化的对策建议。

农业科技金融；农业科技园区；结合效率；DEA模型

一、引言

2008年全球性金融危机过后，我国经济告别了改革开放30年的高速增长，进入发展的新常态：一是经济增长转变为中高速增长；二是经济结构不断优化升级，第三产业消费需求逐步成为主体；三是经济发展驱动力量从要素驱动、投资驱动转向创新驱动。与此相适应，我国农业发展方式也由过去的数量型增长开始向数量与质量并重型增长转变，农业科技创新成为农业经济增长、农产品质量提高的主要动力机制。实践表明，科技创新离不开金融创新的支持。近年来，我国农业科技创新金融扶持的实践探索与理论研究得到广泛关注。一方面，江苏、四川、辽宁、浙江等地尝试开办了农业科技贷款、农业科技保险、农业科技担保等农业科技金融活动，科技部、陕西杨凌农业高新技术园区、其他风险投资中介组织和服务平台组织了农业科技企业与风险投资的对接活动；另一方面，理论界也展开了农业科技金融的相关理论与应用对策研究：罗剑朝等（2010）、覃鹏等（2010）、王斌等（2013）都从创新案例的角度研究了金融支持农业科技创新的方式[1-3]；国家科技部与河北农业大学合作完成的《农业科技风险投资理论与实践》一书（2013），在总结首届全国农业科技创新创业大赛经验的基础上，首次对农业科技金融的本质、主体、功能、结构、内容和目标等问题进行了系统阐述，搭建了农业科技金融理论框架[4]；王秀芳（2013）、王斌（2014）、王建中（2014）分别从农业科技风险投资引导基金、运作机理、理论体系、中介服务组织等方面讨论了农业科技风险投资的运行机制问题[5-7]；贾敬敦等（2014）对国内外农业科技金融实践（重点是国内，包括农业科技保险、农业科技信贷、农业科技风险投资）进行了比较全面的总结与分析[8]。上述研究成果侧重于定性研究，在定量研究方面，较有代表性的是刘玉春等（2013）构建了多变量VAR模型，用协整分析、格兰杰因果检验、脉冲响应函数和方差分解对1980—2011年我国农村金融发展、农业科技进步贡献率和农民收入增长率的相互关系及动态演进进行了实证检验，结果表明，我国农村金融发展和农业科技进步，特别是农业科技进步，显著促进了农民收入增长[9]。总之，我国农业科技金融问题的研究，主要是围绕着农业科技金融理论体系、农业科技的金融支持方式、农业科技与金融的结合机制等几个方面，鲜有对农业科技与金融结合效率的评价研究。

2001年，我国开始推行农业科技园区建设计划。截至目前，已批准建设117家国家级农业科技园区，经过14年的建设，国家农业科技园区正日益成为科技成果转化、农业科技企业孵化、农业科技产业催化、现代农业示范和农民技术培训、承载农业科技创新、孵化创新企业等的重要基地，成为探索现代农业发展模式的样板。本文选择国家级农业科技园区作为研究对象，基本上能够代表我国农业科技企业的最高经营水平、产出水平和金融服务水平；同时，采用DEA研究方法，对农业科技园区科技创新水平与金融结合效率进行评价，进而更加深入地挖掘制约效率提高的因素，对于改进农业科技园区金融服务与科技产出结合机制，提升我国农业科技金融服务水平具有重要意义。

本文采用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研究。如王君华等（2014）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；陈军梅（2014）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；吕江林（2013）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[10-12]。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。

二、数据、指标和模型介绍

根据数据可获得性，本文定义2009-2012年各年份的国家级农业科技园区总和情况分别为4个决策单元，选取我国国家农业科技园区的主要金融投入与科技产出指标，采用两阶段DEA模型，测定我国农业科技园区金融投入的科技产出效率即农业科技园区中科技金融的结合效率，并且对测定结果做出说明。

（一）数据来源和指标选择

国家科技部设立国家级农业科技园区以来，对农业科技园区的各项投入和产出有过零星统计，直到2009年以后，科技部对国家农业科技园区的金融投入和科技产出的各项指标统计才以系统化、完整化的报告形式公布。截至2015年1月，科技部网站的最新数据更新到了2012年，因此根据数据的可获得性，本文将2009-2012年每年我国国家级农业科技园区的总和情况分为4个决策单元进行模型构建。

我国农业科技园区的金融投入来源可以归结为三类，即政府投入资金、企业投入资金和园区自筹资金。本文选取这三类资金投入作为我国国家级农业科技园区的金融投入指标。

农业科技园区的年产值反映的是园区整体的产出水平，并不能准确反映科技产出情况，而能够实现出口的往往是园区研发生产的科技含量较高的农业良种、农业产品，因此相较而言，农业科技产品的出口创汇总额可以更加准确地反应农业科技园区的科技产值情况。选取我国国家级农业科技园区当年农业科技产品出口创汇总额为第一个科技产出指标。农业科技园区的引进项目，自主研发项目，引进新技术、新品种、新设备，推广新技术、新品种等几项指标是反映园区直接科技产出情况的指标。由于数据有限，模型决策单元的个数较少，投入产出指标数也不宜过多。因此，将引进项目，自主研发项目，引进新技术、新品种、新设备，推广新技术、新品种几项指标相加，得出园区直接科技产出总额，作为模型的第二个科技产出指标。2009-2012年我国国家级农业科技园区的金融投入与科技产出指标如表1所示。

（二）DEA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[13]。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[14]。本研究将DEA的CCR模型和BCC模型结合起来使用，力求对我国农业科技园区科技金融结合效率做出全面科学的评测。下面对这两个模型作简要介绍。

表1 2009-2012年我国国家级农业科技园区金融投入和科技产出数据

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[15]，如公式（1）、公式（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。

三、我国农业科技园区科技金融结合效率测定

（一）DEA模型测定

本文将《中国科学技术发展报告（2009-2010）》与《国家科技计划年度报告（2012-2013）》中关于我国国家农业科技园区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，运用两阶段DEA模型，根据CCR模型计算结果得出我国国家级农业科技园区金融投入与科技产出综合技术效率、纯技术效率、规模效率，结果如表2所示；根据BCC模型在此验证综合技术效率值，并计算结果，得出我国农业科技园区金融投入冗余与科技产出不足的情况，结果如表3所示。

表2 2009-2012年我国农业科技园区科技金融结合效率测算表

（二）测定结果分析

1.综合技术效率

CCR模型和BCC模型对2009-2012年我国农业科技园区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，2009-2012年我国农业科技园区金融投入与科技产出的综合技术效率测算值为0.880，为非DEA有效，这说明农业科技园区中科技金融的结合效率是非均衡的，处于非有效状态。在4年中，综合技术效率相对来说处于有效状态的只有2009年。其余3年综合技术效率值均在0.8至0.9之间，表明这3年中，国家和社会非常重视对农业科技园区科技活动的金融扶持，但是我国农业科技园区金融投入与科技产出的综合技术效率及园区中农业科技金融结合效率处于非有效状态。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。

2.纯技术效率

CCR模型对2009-2012年我国农业科技园区金融投入与科技产出的纯技术效率的测算结果如表2所示。总体看来，2009-2012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0.898，非常接近于1，为DEA相对有效。在4年中，只有2010年的纯技术效率小于1，但是大于0.9，处于DEA相对有效状态，只要稍作调整就可以达到有效状态。其余3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虽有一定不足，但是总体处于相对有效状态，纯技术效率并不是综合技术效率提高的主要制约因素。

表3 2009-2012年我国农业科技园区金融投入与科技产出测算表

3.规模效率

CCR模型对2009-2012年我国农业科技园区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，2009-2012年我国农业科技园区金融投入与科技产出的规模效率测算值为0.981，为非DEA有效，并且规模有效性为“drs”即规模报酬是递减的。在4年中，只有2009年的规模效率为1，处于DEA有效，并且规模报酬不变，说明这一年，我国农业科技园区的金融投入与科技产出的规模达到了最优均衡状态。2010年规模效率为0.907，处于0.9到1之间，规模报酬是递减的，说明这一年我国农业科技园区的金融投入与科技产出的规模达到了相对均衡状态，只要稍作调整就可以达到有效状态。其余2年的规模效率值均小于0.9，且规模报酬是递减的，这说明2011和2012年我国农业科技园区的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。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

“径向差距”是指在没有考虑松弛变量的情况下距“有效前沿”的径向距离；“松弛变量”是指现在投入产出值与有效前沿的差距。总之，综合考虑“径向差距”与“松弛变量”就可以测定出投入产出的冗余和不足情况。2009年，我国农业科技园区金融投入与科技产出各个指标的原始值等于有效目标值，说明这一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2009年的综合技术效率、纯技术效率、规模效率值均为1，达到了DEA有效状态，规模报酬不变的结果是相吻合的。

2010-2012年我国农业科技园区科技产出的两个指标都存在一定的不足，其中科技产品出口创汇在“径向”与“松弛”两方面都存在不足，直接科技产出在“径向”上存在不足。2010年、2011年、2012年科技产品出口创汇的不足分别为143.18%、44.88%和72.49%，差距相对较大，这说明科技产品出口创汇的不足是造成规模效率无效，综合技术效率无效的主要原因。2010年、2011年、2012年直接科技产出的不足分别为19.52%、15.78%和22.09%，差距相对较小，这说明直接科技产出的不足是造成规模效率和综合技术效率无效的原因之一，但不是主要原因。由此可见，在产出不足的问题中，直接科技产出的不足不是主要问题，主要问题为科技产品的出口创汇不足，这说明，在我国农业科技园区的金融投入科技研发过程中直接科技产出的能力是相对较高的，主要问题在于直接科技成果如何转化为生产力，转化为产值。

2010-2012年我国农业科技园区金融投入的三个指标中，政府投入资金和企业投入资金都存在一定的冗余，园区自筹资金不存在冗余。但是这些冗余是基于现有产出计算出来的，并不能完全说明在实际情况中农业科技园区对于政府投入资金和企业投入资金的需求不足。

四、结论及对策建议

基于上文的分析，得出如下基本结论。

第一，2009-2012年我国农业科技园区金融投入与科技产出的综合技术效率为0.880，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，处于非有效状态。其中2009年为4年中唯一综合技术效率为1的一年，也是唯一DEA有效的一年，其他3年的综合技术效率值均小于0.9，为非DEA有效，这3年我国农业科技园区科技金融结合效率较低。

第二，2009-2012年我国农业科技园区金融投入与科技产出的纯技术效率和规模效率的测算值分别为0.981、0.898，规模报酬是递减的。纯技术效率处于DEA相对有效状态，规模效率处于DEA无效状态，规模上存在投入冗余和产出不足问题，没有达到最优规模。在4年中，有3年的纯技术效率值为1，处于DEA有效状态，1年大于0.9小于1，处于DEA相对有效状态；只有1年的规模效率值为1，且规模报酬不变，处于DEA有效状态，1年的规模效率值大于0.9小于1，且规模报酬递减，处于DEA相对有效状态，2年的规模效率值小于0.9，且规模报酬递减，处于DEA无效状态。这说明投入冗余和产出不足的规模问题是制约我国农业科技园区科技金融结合效率的主要原因；资金管理方式、资金使用效率等中间环节的管理操作虽有一定不足，但是总体处于相对有效状态，纯技术效率并不是综合技术效率的主要制约因素。

第三，2009-2012这4年中，除2009年科技产出和金融投入指标都达到了有效前沿外，其余3年都出现了金融投入冗余与科技产出不足的问题。2010-2012年政府投入资金和企业投入资金存在一定的冗余问题，金融投入冗余主要是基于现有的产出水平测算的，并不能完全代表农业科技园区实际的金融需求状况。2010-2012年，两个科技产出指标都存在一定的不足，但是，科技产品出口创汇的不足更加显著，分别为143.18%、44.88%和72.49%。这表明在我国农业科技园区科技产出不足的现象中，直接科技产出也存在一定不足，但主要不足点在于直接科技成果转化为生产力、转化为相应产出的问题。

由以上结论可知，想要充分发挥农业科技园区金融资金的使用效率，提高我国农业科技园区的科技金融结合效率，进而提高我国农业科技金融结合效率，关键是改进农业科技园区中科技的推广转化机制，而不需要盲目地进行政府、企业和自筹资金的研发投入，盲目地扩大园区规模。如对农业科技园区内科技成果转化实行减免税政策，提供优惠利率商业信贷，提供信贷政府担保，进行风险损失的部分补偿等。总之，最重要的是实现科技研发有资金保障，研发成果及时转化，转化成果快速见效，形成从园区金融投入到科技产出各环节对接顺畅的发展模式。

［1］罗剑朝.农村发展：科技、金融与政策——2009“杨凌国际农业科技论坛”综述［J］.西北农林科技大学学报（社会科学版），2010，10（2）：1-6.

［2］覃鹏，梁才，杨丽，等.金融支持农业科技发展研究：广西玉林市实证［J］.区域金融研究，2012（8）：71-74.

［3］王斌，张富，王建忠，等.农业科技与金融结合的新探索——中国农业科技创新创业大赛［C］//全国农林高校哲学社会科学协作组.第三届全国农林高校哲学社会科学发展论坛论文集.2012：35-40.

［4］贾敬敦，王建忠，吴飞鸣，等.农业科技风险投资理论与实践［M］.北京：中国劳动与社会保障出版社，2013.

［5］吴亚男，王秀芳，王建忠，等.设立农业科技创新风险投资引导基金的思考［J］.贵州农业科学，2013（4）：228-230.

［6］王斌，王建忠，王秀芳，等.关于农业科技风险投资理论体系的构建［J］.江苏农业科学，2014（4）：387-391.

［7］田美焕，王秀芳，王建忠等.我国农业科技创新风险投资中介机构发展现状及对策［J］.贵州农业科学，2013，10：226-229.

［8］贾敬敦，吴飞鸣，孙传范.农业科技金融创新研究［M］.北京：中国农业出版，2014.

［9］刘玉春，修长柏.农村金融发展、农业科技进步与农民收入增长［J］.农业技术经济，2013（9）：92-100.

［10］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.

［11］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.

［12］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.

［13］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.

［14］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.

［15］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.

［16］王骞.我国农业科技成果转化研究［D］.青岛：中国海洋大学，2012.

On Efficiency of the Combination of Chinese Agricultural Science and Technology and Finance——Taking Agricultural Science and Technology Zone as an Example

TANG Yan-an,WANG Xiu-fang,YU Wei-jie
(School of Economics and Trade,Hebei Agricultural University,Hebei Baoding 071000,China)

In order to make a scientific determination of the efficiency of the combination ofagricultural science and technology and finance,agricultural science and technology zone as the important carrier of agricultural science and technology zone is selected as a case study.Selecting the financial input and output of science and technology indicators of the agricultural science and technology zone,using DEA model,financial combination of science and technology of our country agriculture science and technology zone comprehensive technical efficiency,pure technical efficiency and scale efficiency were determined,some redundancy problems in postpartum variables are further studied.Results show that combination of China's agricultural science and technology zone and finance is in inefficient state,the main reason is poor output of science and technology.Based on this,the paper puts forward the countermeasures of how to promotetransformationofscientificandtechnological achievements.

agricultural science and technology financial; agricultural science and technology zone;combination

1673-2022（2015）03-0013-06

2015－05－16

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）

唐娅楠（1989-），女，河北保定人，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，河北河间人，教授，博士，主要从事金融理论与政策、农业科技金融研究。

F303.2

A