贵州现代农业园区市场化评价研究

李晓红 陶泓 黄娜

摘 要：对贵州农业园区市场化的测算表明：园区市场化程度排名与现实观察比较一致；部分园区的市场化排名与政府考评排名差距较大，原因是评价指标体系和方法不同。根据主因素系数，园区可分为市场投资驱动、政府引导、技术主导、内生发展、企业主导以及市场与政府双轮驱动型。不同类型园区的数量分布与市场化排名表明：政府对农业园区的市场化发挥了重要作用；与市场自主发展相比，政府引导效果更为明显；当政府与市场双驱动发挥互补作用时，市场化发育更好。排名前10位的农业园区，市场化程度更多地由发展基础决定，技术主导、内生发展和企业主导型园区的缺失，表明贵州农业园区的技术含量普遍较低、自我发展能力不足以及工商资本投资现代农业较少。

关键词：贵州；农业园区；市场化评价

中图分类号：F327 文献标识码：A 文章编号：1000-5099（2017）01-0076-11

国际DOI编码：10.15958/j.cnki.gdxbshb.2017.01.13

政府与市场对经济发展的作用，对于理论界，一直是关注的焦点；对于决策层，则必须谨慎地保持微妙的平衡。我国自十八届三中全会明确提出“市场在资源配置中起决定性作用”以来，改革的市场化取向越加清晰而坚定。农业作为弱质产业，一直强调政府支持。但是，无论是从各国农业的发展来看，还是就WTO对绿箱政策的强调和偏好而言，现代农业的发展都必须是“以政府之手培育出市场之花”。尤其是当前要“推进农业供给侧结构性改革”，更是必须突出市场导向。因此，有必要关注政府主导的现代高效农业示范园区（后文简称“农业园区”）的市场化发育程度 。

贵州省是我国省域经济的最短板，其现代农业无疑是“短板中的短板”。为补齐短板，贵州提出2013—2017年建设113个农业园区①。从发起动因来看，贵州农业园区的发展源于政府推动，但这并不意味着要以政府替代市场，相反，是希望以政府之手带动市场发展，培育出现代农业发展的“市场之花”。那么，作为政府扶持现代农业发展的典型代表，贵州农业园区的市场化水平到底怎样？贵州的“政府之手”在多大程度上培育出了“市场之花”？为了解这个问题，课题组于2014年6月对贵州省113个农业园区进行了问卷调查，并随机抽样实地调查了28个农业园区。本文尝试运用调研数据和贵州省农委农业园区办（后文简称“园区办”）统计资料，对贵州农业园区的市场化水平进行测度。

一、国内外测算市场化的指标体系简述

国外多用“经济自由度”衡量市场化水平，主要有两种被广泛引用的方法（表1）：一是美国传统基金会（Heritage Foundation）的测度方法，二是加拿大弗拉瑟研究所（Fraser Institute）的测度方法。[1]从表1可以发现，虽然定义有所差别，但两种方法对“经济自由度”的定义都极具启发性；从指标内容来看，两种方法都强调对政府管束以及自由交易的衡量。

国内学者对市场化的测度，包括两个层面：一是区域层面，比如樊纲、王小鲁对我国省域市场化指数的测算[2]；二是具体的市场或者产业层面，比如测度金融市场、劳动力市场的市场，或者农业的市场化等。就对农村或者农业的市場化程度测算来看，国内研究比较少。表2列举了国内学者的相关研究。

比较表1和表2不难发现，国内外对“市场化”的定义一致，但具体到指标确定，却有明显差别：国外文献对指标的调整，主要随着“市场化”的定义调整而调整；国内文献中的指标调整，则与当时的改革进展密切相关。

二、衡量农业园区市场化程度的指标体系构建与测算方法选择 1.衡量农业园区市场化程度的三级指标体系

根据通常意义上的市场化定义，参考普遍运用的市场化指数测度体系，结合国内对农村与农业市场化衡量的指标体系，立足贵州农业园区的实际，我们构建了衡量农业园区市场化水平的三级指标体系。（表3）。

如表 3 所示，一级指标为“农业园区市场化发育程度”，由4个二级指标加权形成；二级指标包括园区市场主体活跃程度、要素市场发育程度、产品与产业市场发育程度以及市场规则完善程度，每个二级指标由三级指标加权形成；三级指标8个，确定原则是对二级指标的支撑程度。

2.指标定义

市场主体活跃程度，用“依托当地产业发展的企业数量（A）衡量。

要素资源市场发育程度，分别衡量土地、资金、技术、劳动力四大要素的市场化水平，三级指标为：

流转土地面积占园区总面积的比重（B1）衡量土地要素市场化水平，流转包括出租、入股和转让等形式。

政府外主体直接投资额比重（B2）衡量资金要素市场化水平，指除政府外所有投资主体的投资额占总投资比重。

人均投资（B3）综合衡量要素市场化水平。该指标是园区工人数与园区总投资额（政府外主体总投资额）之比，人均投资越高，说明劳动现代化程度越高，资本深化程度越强。在调查问卷统计结果中，技术相关指标缺失，而从实际情况来看，某一产品产业所需技术越多，需要投入的资金也就越多；另一方面，人均投资越高，那么技术提升也越快。而且，市场化的过程本就是一个资本深化的过程，所以该指标是对技术、资金、劳动力3个要素的综合衡量。

技术支持多元化程度（B4）衡量技术市场化水平，指对园区提供技术支持的主体多元程度。

外来劳动力占园区工人的比重（B5） 衡量劳动力要素市场化水平，指外县户籍从业人员数占园区工人总数的比值。

产品与产业市场发育程度，用产品销售渠道多元化程度（B6）衡量，指销售产品的渠道越多，市场化程度越高。

市场规则完善程度，用市场规则文件数量（C）衡量，指园区制定和实施的市场规范文件数量。

3.测算方法选择

市场化水平的测算方法，主要有层次分析法、简单算术平均法、加权算术平均法、主成分分析法等。比较而言，主成分分析法具有可消除评价指标之间的相关影响、可甄别出最显著的指标两大优点，所以本文选择了主成分分析法。

主成分分析法的基本原理是：通过数学变换，使新变量主成分转换为原变量的线性组合，选取最显著的主成分解释研究对象。主成分在变差信息量中的比例越大，它在综合评价中的作用就越大。以两个指标来衡量n个样本的简单情况为例。n个样本之间的变量信息用离差平方和表示，则综合评价时的总变差为：∑ni=1（xi1-x1）2+∑ni=1（xi1-x2）2 。如果∑ni=1（xi1-x1）2与∑ni=1（xi1-x2）2的数值差不多，说明两个指标在变差总信息量中比重相当，综合评价时两个指标都要保留；如果二者比例为4∶1，则说明第1个指标反映的信息量很大，占到80%，综合评价时仅用第1个就可以了，第2个可以舍弃。

数学上已证明，实施变换前后的总方差（与离差平方和一样说明变差信息量）是相等的，这说明原指标代表的变差信息已由主成分来表示。数学上还证明，相关矩阵R的特征根λg即是主成分分析中第g个主成分的方差，λg对应的特征向量Lg即是第g个主成分Fg中各指标变量的系数。在主成分分析中各主成分是按方差大小依次排列的，这说明第一主成分代表的变差信息量最多，其余依次次之。由此在分析实际问题时，可只取前k个主成分来代表原变量的变差信息，以增强代表性和解释力。

基于上述原理，本文用主成分分析法生成各指数的权重，并将8个指数通过加权合成市场化水平相对指数（总指数）。

三、市场化程度测算与园区分类

1.数据来源

本文原始数据有两个来源：调查问卷和贵州省农委园区办。调查问卷通过园区办管理系统下发，采用电子调查形式，共发放113份，回收有效问卷95份；园区办统计资料为2013年年报数据。综合两大数据来源，最终确定92个园区的问卷为有效数据。

各项指标数据的具体来源为：

依托当地产业发展的企业数量（A），数据来自于调查问卷第一部分第 4 个问题。

流转土地占园区总面积的比重（B1）， 数据来源于省农业园区办统计资料。

政府外主体直接投资额比重（B2）， 数据来源于调查问卷第二部分第 1 个问题。

人均投资（B3）， 数据来源于省农业园区办统计资料。

技术支持多元化程度（B4），数据来源于调查问卷第4部分第 6 个问题。指标数值采取打分制，每个选项赋值 1 分，总值 0～5 分，打钩的选项越多，分值越高，技术支持多元化程度越高。

外来劳动力占园区工人的比重（B5）， 数据来源于调查问卷第4部分第 1 个问题，用外县户籍从业人员数占园区工人总数的比值表示。比值越大，劳动力市场流动性越大，市场化水平越高。

产品销售渠道多元化程度（B6），数据来源于调查问卷第5部分第 4 个问题。数值通过对不同的销售渠道赋值加总得到。其中，政府收购 1 分，企业订购 2 分，中间商收购 2 分，直接零售 2 分，农超对接 2 分，电子商务 2 分，其他 1 分。调查单位打钩的选项越多，加总的分值就越高，表明产品销售渠道越广，市场化水平也越高。

市场规则文件数量（C），数据来源于调查问卷第6部分第 1～3题、5和第7题。按調查单位对选项中“是”打钩的个数进行打分，每个“是”赋值 1 分，总分 0～5分。该指标分值越高，其园区市场规则越完善。

2.初始数据的处理与赋值

初始数据的处理方法为：根据问卷和园区资料，算出所采用的8个指标的具体数值，然后依据各个具体数值对各个园区的每个指标进行打分，打分采用10分制。指标值采用相对比较法形成，即每个指标值在0～10之间；10为市场化水平最高值，0为市场化水平最低值；园区市场化水平在0～10之间根据得分高低排序。

3.市场化程度测算

第一步：输入数值，计算方差。将8个指标的数值输入SPSS软件运算，可得到表5“方差分解主成分提取分析结果”。表中数据表明：前5个的主成分特征值分别为6.693、5.989、4.663、3.932、1859，方差的贡献率分别为25568%、22877%、17.813%、15.019%、7.100%。前5个主成分解释度达到了88%。

第二步，计算“初始因子载荷矩阵”和主成分系数。运用SPSS软件计算，得到如表6所示的初始因子载荷矩阵。

再用表6中的数据除以主成分相对应的特征值的平方根，得到5个主成分系数，即可得到：

F1=0.07A+0.28B1+0.89B2+0.11B3+019B4+0.08B5+0.01B6-0.27C

（1）

F2=0.16A+0.43B1+0.06B2+0.04B3+021B4+0.01B5+0.16B6+0.85C

（2）

F3=-0.03A+0.03B1-0.27B2-0.07B3+0.92B4+0.09B5+0.14B6-0.24C

（3）

F4=0.23A-0.85B1+0.28B2+0.06B3+017B4+0.13B5+0.11B6+0.3C

（4）

F5=0.79A+0.12B1-0.1B2-0.42B3-015B4+0.22B5+0.26B6-0.2C

（5）

第三步，计算主成分综合模型。以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重，计算主成分综合模型：

F=λ1F1+λ2F2+λ3F3+λ4F4+λ5F5λ1+λ2+λ3+λ4+λ5

（6）

第四步，计算综合主成分值。根据主成分综合模型即可计算综合主成分值，并对其按综合主成分值进行排序，结果见表7。

表7中，F1～F5分别为5个主成分的数值；F值为总的市场化水平得分；“排名”指根据F值的排名；“2013年考评排名”是指贵州省农业示范园区联席会议办公室组织的绩效考评排名，该数据来源于园区办。

4.园区分类

（1）划分园区类型的计算步骤

根据表7的数值，以及对F1～F5的定义，可以简便地根据F1～F5值的大小来划分园区的类型。但由于F值同时受主成分及其系数的影响，加之有的园区各个主成分值之间的差距很小，因此，需要通过极差和相对比值分析确定园区的类型。

第一步，在表7的基础上，计算F1～F5的极差鉴于本文篇幅较长，计算结果不再列出，亦不作为附表加于文后，有需要的读者可通过编辑部向作者索要。。根据极差分布，可以得到：代表性最强的主成分主要为F2，即市场规则制定完善度；其次是F1，即政府外投资主体直接投资额比重；代表性最弱的主成分主要是F5，即依托当地产业发展的企业数量。因此，在划分园区类型时，可以根据代表性最强的主成分F2、F1对F值的影响程度来进行。

第二步，计算主成分F2、F1对F值的影响程度。根据表7中F1、F2的值及其系数，计算F1、F2最终值，并计算其差值與F值的比值。

（2）园区类型的划分依据

首先，根据（1）至（5）式中各个主因素的系数大小，可以定义F1～F5的类型。

F1：市场投资驱动型。根据（1）式，F1的各个主成分中，B2的系数最大，其定义为“政府外主体直接投资额比重”，因此，可将F1值较大的园区命名为“市场投资驱动型”。

F2：政府引导型。根据（2）式，F2的各个主成分中，C的系数最高，其定义为“市场规则制定完善度”；其次是B1，其系数也远远高于其他主成分，B1的定义是“流转（出租、入股、转让）土地面积占园区总面积的比重”。由于园区的相关规章制度主要是政府牵头制定，土地流转中，政府也发挥了至关重要的作用，因此，将F2值较大的园区命名为“政府引导型”。

F3：技术主导型。根据（3）式，F3的各个主成分中，B4的系数显著高于其他主成分，其定义为“技术支持多元程度”， 因此，将F3值较大的园区命名为“技术主导型”。

F4：内生发展型。根据（4）式，F4的各个主成分中，B2与A的系数接近，B4、B5和B6的系数接近，其定义分别是：B2——政府外主体直接投资额比重，A——依托当地产业发展的企业数量，B4——技术支持多元化程度，B5——外来劳动力占园区工人的比重，B6——产品销售渠道多元化程度，因此，将F4值较大的园区命名为“内生发展型”。

F5：企业主导型。根据（5）式，F5的各个主成分中，A的系数显著高于其他主成分，其定义为“依托当地产业发展的企业数量”， 因此，将F5值较大的园区命名为“企业主导型”。

其次，根据计算结果，划分农业园区的类型。划分的标准是：如果[（F2-F1）/F]的绝对值大于0.1，表明F1、F2对该园区F的影响显著，则根据F1、F2最终值的大小确定农业园区的类型；如果比值的绝对值小于0.1，表明F1、F2单个因素对该园区F值的影响不显著，但两者共同的影响显著（根据附表3的极差计算结果的结论），因此，该农业园区的市场化水平主要受F1和F2共同影响。

根据“F1——市场投资驱动型” “F2——政府引导型”的定义，可以将受F1、F2共同影响的园区命名为“F1—F2市场与政府双轮驱动型”。

（3）园区类型的划分

根据计算结果和划分园区的依据，贵州农业园区主要可以划分为3类：

一是F1——市场投资驱动型，共8个。如表8所示，在测评的92个园区中，市场投资驱动型园区有8个，是数量最少的一类园区。从园区的总排名来看，这类园区的分布比较均匀。有1个排名在32名以前（前1/3左右），有4个排名在61名之后（后1/3左右），其余3个处于中间的1/3。

二是F2——政府引导型，共55个。如表9所示，在测评的92个园区中，政府引导型园区有55个，是数量最多的一类园区。从园区的总排名来看，这类园区的分布也比较均匀：13个排名在32名以前（前1/3左右），23个园区排名在61名之后（后1/3左右），其余19个处于中间的1/3。

三是F1—F2市场与政府双轮驱动型，共29个。如表10所示，在测评的92个园区中，市场与政府双轮驱动型园区有29个，占总数的31.5%。从园区的总排名来看，这类园区总体排名比较靠前：18个排名在32名以前（前1/3左右）；只有4个排名在61名之后（后1/3左右）；其余7个处于中间的1/3。

此外，由于主成分影响不显著，F3——技术主导型、F4——内生发展型和F5——企业主导型虽然有定义，但缺乏典型园区代表。

四、测算与分类结果分析

1.排名分析

根据表7的排名，结合对农业园区的实地调研，可以得到以下结论：

一是市场化程度排名比较符合事实。就市场化排名前10的农业园区看，遵义市有4个（湄潭2、红花岗1、凤岗1）、六盘水市3个（六枝2、水城1）、黔南州2个（龙里、惠水各1）以及毕节市的织金，这样的排名与贵州各地的发展基础和现实一致性较高。具体地，遵义是贵州农业基础最好的市，湄潭、凤岗的茶产业已经成长为贵州茶产业的标杆和名片，产业基础和市场基础都比较扎实。而六盘水市近年来开始转型，大量资金涌入现代农业领域，农业产业化取得了飞速发展。 2015年，六盘水市实行农村“三变”（“资源变股权、资金变股金、农民变股东”）改革，得到了党中央国务院的肯定，已作为成功经验写入2017年中央1号文件。可以说，六盘水市在现代农业领域取得的进展，是贫困地区工商资本投资农业的典型案例。黔南的惠水与龙里，则毗邻贵阳，具有地利之便，而且发展较早。织金的竹荪有着悠久的发展历史，早在上个世纪70年代周恩来总理接待尼克松时，就跻身国宴，织金县目前是全国最大的竹荪制种、生产和贸易基地，有“竹荪之乡”美誉。因此，就前10名的排名来看，本研究的测算与现实情况的一致性较高。

二是测算结果排名与2013年绩效考评排名存在差距。2013年，贵州省农业示范园区联席会议办公室对农业示范园区的绩效考评，主要通过现场考评、综合评审和联席会议审议，对在建的113个省级现代高效农业示范园区绩效考评情况进行了排序。从表7可以看出，部分园区在两种测评中的排序差距较大：一方面，市场化排名靠前的园区，在绩效考评排名却比较靠后。比如，湄潭县现代高效茶叶示范园区的排名分别为1和37，红花岗区现代高效农业示范园区的排名分别为2和109，凤冈县田坝有机茶叶生产示范园区的排名分别为4和43，湄潭县精品水果现代观光农业示范园区的排名分别为6和93，水城县富硒茶叶产业示范园区的排名分别为7和45；另一方面，市场化排名靠后的园区，在绩效考评中排名却比较靠前。比如，石阡县龙塘高效生态苔茶示范园区，两项排名分别为89和14，水城县猕猴桃产业示范园区的排名分别为85和1，威宁县脱毒马铃薯产业示范园区的排名分别为84和7，安龙县锦州出口蔬菜农业示范园区的排名分别为81和6。之所以出现这么大的出入，主要是两种排名方式采用的指标、权重和打分方式不同。

需要注意的是，本报告提供的是贵州省各农业园区市场化进程“相对指数”。其涵义是：各农业园区的市场化水平的相对位置，即谁相对更高一些，谁相对更低一些；表示市场化总体水平F值并不代表各个农业园区本身“离纯粹的市场化水平还有多远”。

2.分类分析

从表8、9、10对农业园区的分类来看，可以得到以下结论：

一是政府对市场的培育卓有成效。从园区类型的总体分布来看，政府引导型数量最多，为55个，占92个测算园区的60%左右；市场与政府双轮驱动型园区29个，占测算园区的31%左右；市场投资驱动型园区8个，仅为测算园区的9%左右。这表明就总体而言，政府引导发挥了重要作用。

二是政府与市场发挥互补作用更有利于农业园区市场化水平的提高。这从不同类型农业园区的市场化排名分布可以看出來。市场投资驱动型农业园区中，有1个园区排名在前10位以内，占同类园区的12.5%；政府引导型园区中有4个排名在前10以内，占同类园区的7.3%；市场与政府双轮驱动型园区中有5个排名在前10名以内，占同类园区的17.2%。可见，从相对数据来看，市场与政府双驱动型园区的市场化水平整体最高。如果将排名放宽到前30名，这一特征就更为明显。排名前30的农业园区中，市场投资驱动型1个，占同类园区的12.5%；政府引导型12个，占同类园区的21.8%；市场与政府双驱动型17个，占同类园区的58.6%。

三是验证了政府支持对现代农业的显著作用。根据上一段的数据，以排名前10位为样本时比较各类园区的相对数时，市场投资驱动型的比重明显高于政府引导型；但把排名放宽到前30名时，政府引导型园区占比大幅上升，而市场投资驱动型没有变化。这表明在贵州农业园区的发展中，政府发挥的作用十分明显，而且对市场的培育卓有成效。

此外，技术主导、内生发展和企业主导型园区的缺失，表明贵州农业园区的技术含量普遍较低，自我发展能力不足，企业涉足农业发展领域不多。

五、结语

构建有中国特色的理论体系，既需要高瞻远瞩的深邃思想者，更需要深耕本土的执着观察者。本文对贵州农业园区市场化的测算与分析，就是尝试以贫困地区农业园区发展的经验数据，为“政府与市场关系”这一宏大的经济命题，提供一个贵州版本的经验注脚。因此，在某种意义上，本文的研究贡献不仅来自于结论本身，还来自于以贵州经验提供了一个贫困地区“政府与市场”作用的本土观察。

就研究结论而言，对农业园区市场化程度的测算表明：农业园区的市场化程度排名与现实观察比较一致；部分园区的市场化排名与政府考评排名存在比较大的差异，原因在于评价指标体系和方法不同。不同类型农业园区的数量与市场化排名则表明：政府对农业园区的市场化发挥了重要作用；与市场自主发展相比，政府引导效果更为明显；当政府与市场双驱动发挥互补作用时，农业园区的市场化发育更好。但对于市场化排名前10位的农业园区而言，市场化程度更多地由发展基础决定。此外，技术主导、内生发展和企业主导型园区的缺失，表明贵州农业园区的技术含量普遍较低、自我发展能力不足以及工商资本投资现代农业较少。

（致谢：贵州省农委园区办在调研过程中给予了大力支持，贵州省政协秘书一处李维兵处长在本文写作过程中提供了诸多帮助，并提出了合理的修改建议，在此一并表示衷心的感谢！）

参考文献：

[1]北京师范大学经济与资源管理研究院.2008中国市场经济发展报告[M].北京：北京师范大学出版社，2008.

[2]樊纲，王小鲁，朱恒鹏.中国市场化指数[M].北京：经济科学出版社，2010.

[3]陈宗胜，陈胜.中国农业市场化进程测度[J].经济学家， 1999（3）：111-119.

[4]鄢杰.四川藏区农村市场化进程测度——以甘孜藏区为例[J].统计研究.2005（8）：65-68.

[5]刁怀宏.西部农业市场化程度实证分析——以四川为例[J].农业经济问题，2001（2）：27-31.

[6]王维，郭艳.黑龙江省农业市场化进程测算模型与分析[J].统计与决策，2006（2下）：113-115.

[7]蔡立雄，何炼成.中国农村经济市场化指数——各地区的相对进程研究[J].经济学家，2008（2）：18-26.

[8]张锦梅，张立富，陈娟.辽宁农村市场化水平测度及变动趋势分析[J].沈阳农业大学学报，2008（6）：668-670.

[9]邓晰隆，陈娟，叶进.农村生产要素市场化程度测度方法及实证研究——以四川省苍溪县为例[J].农村经济，2008（9）：50-54.

[10]邓晰隆，陈娟.农村土地要素市场化测度的实证研究[J].商业研究，2009（10）：131-134.