云南省农业科技创新资源配置效率及影响因素研究*

李勇辉,白利鹏

(1.昆明理工大学管理与经济学院，云南昆明 650093； 2.罗定职业技术学院经济管理系，广东罗定 527200)

0 引言

农业是国民经济的基础，十八大提出要实现农业发展的现代化，而农业科技创新是不可缺少的推动力之一。从全国范围内来看，2017年我国农林牧渔生产总值占到国内生产总值的13.9%，农林牧渔业的发展在国民经济中占有重要的地位。近年来农业增加值的增长速率有所减小，农林牧渔业的发展对全国GDP的贡献率下降，由2011年的16.6%下降到2017年的13.9%，农业发展面临着严峻的考验。在世界范围内来看，现代农业的发展越来越多地依赖于农业科技的创新[1]，基因育种、设施园艺、害虫防治、节水灌溉等技术在一定程度上改变了农业的发展。要实现我国农业发展提质增效，就要加快发展农业发展的新动能，重点突出农业科技创新的作用，有力地支撑现代农业发展对于科技创新的需求[2]。2010年，陈建伟对我国农业科技创新效率进行研究，结果表明，我国对农业科研活动的资金投入呈上升的趋势，但农林牧渔业科研活动经费配置与其对农业GDP的贡献有一定的偏差[3]。

现阶段有大量的研究对资源配置进行分析。针对农业科技创新资源配置效率，目前的研究方法有DEA分析法(Data Envelopment Analysis)，差异系数法，灰色关联分析法，Malmquist指数法，层次分析法[4]，锡尔系数法，基尼系数法等等[5]。目前运用较多的方法为DEA模型分析法[5-7]，DEA模型对于多投入多产出的生产效率的衡量相对来说比较全面和准确，因此文章采用的是DEA模型分析法。

云南省位于我国西南边陲，属于低纬度内陆地区，境内有丰富的动植物种类资源。农业在云南省占有重要的地位，烟草产业是云南省的支柱产业，此外，花卉产业作为云南省新兴产业，使云南省成为亚洲地区最大的鲜切花出口基地。云南省特殊的农业产业结构，使农业科技创新在其中起着重要的作用。目前对云南省科技创新资源配置效率的研究较少，而且随着时间的推移，科技创新的数据也发生了很大的变化。为及时了解云南省农业科技创新的最新动态，充分合理地开发云南省农业科技资源，该研究利用DEA分析法对云南省农业科技创新资源配置效率进行研究，对2002—2016年的农业科技投入产出效率进行分析。在分析农业科技创新资源的现状和存在的问题的基础上，全面总结云南省农业科技创新资源的创新能力及发展趋势。这对于优化云南省农业科技资源配置，实现农业科技进步和促进云南省农业经济发展具有重要的参考价值。

1 指标选取及数据来源

对农业科技资源配置效率进行评价需要选取两类指标：科技投入指标、科技产出指标。科技投入指标有4个，该文选取农作物总播种面积作为农业科技创新的物力资源，选取农业机械总动力作为农业科技创新技术投入，选取地方一般公共预算农业支出作为农业科技创新财力资源，选取农业科研人员数作为农业科技创新人力资源，农业科研人员数是指在全省范围内自然科学独立研究机构中从事科技活动人员数； 科技产出指标有4个，选取农林牧渔业总产值反映农业科技创新带来的经济效益，科技创新的最终目的是让农民增产增收，所以选取农民人均年收入作为其中一个产出指标，选取专利授权数反映科技创新的技术水平，选取自然科学研究成果获奖数来反映科技创新的成果。

该研究数据来自云南统计年鉴及国家统计局，针对数据的可获得性和有效性，选取该研究需要的8个指标从2002—2016年的数据，见表1。

表1 2002—2016年云南省农业科技资源配置数据

2 研究方法

DEA全称为data envelopment analysis，即数据包络分析，由著名的运筹学家A.Charnes，W.W.Cooper和E.Rhodes于1978年首先提出，用于评价部门间的相对有效性。该文选取DEA模型来研究云南省农业科技创新资源配置效率，主要是基于DEA模型的几个优点。首先，DEA模型多输入多输出的效率评价体系能够有效地对该研究中的决策单元进行效率分析； 其次，DEA模型基于线性规划手段构造的投入产出效率前沿面使得指标的选取范围更大，容许无法价格化的指标及难以确定权重的指标得到有效评价； 再次，DEA无需人为地确定权重，并且可以定量分析决策单元的低效率根源。

以生产可能集为划分依据，可以将DEA模型分为CCR模型、BBC模型、柯布道格拉斯型、NIRS、NDRS和FDH型。CCR模型假定规模报酬不变，而BCC模型假定规模报酬可变，该文采用的是基于生产可能集规模收益可变假定的BCC模型。

DEA模型的原理如下，假设有n个决策单元分别为DMU1，DMU2，…，DMUn，每个决策单元有m项投入和s项产出，DMUj0的输入和输出向量分别为Xj，Yj，将DMUj0的输入和输出简记为(X0，Y0)，评价DMUj0相对有效性的CCR模型为

(1)

BCC模型是在CCR对偶模型的基础上增加了约束条件。

(2)

其作用是使投影点的生产规模与被评价DMU的生产规模处于同一水平。

minθ-ε(eTS-+eTS+)

(3)

式(3)中，若θ=1，S+=S-=0，则决策单元DEA有效； 如果θ=1，S+≠0或S-≠0，则决策单元弱DEA有效； 如果θ≠1，则决策单元非DEA有效。依据BCC模型，可以计算出决策单元的综合技术效率(TE)、规模效率(SE)、纯技术效率(PTE)。

3 云南省农业科技创新资源现状及影响因素分析

将云南省农业科技创新资源的各个指标在2002—2016年的变化绘制折线图，反映农业科技资源的变化状况。

图1 2002—2016年云南省农作物总播种面积历年变化情况 图2 2002—2016年云南省农业机械总动力历年变化情况

农业机械是科学技术在农业中运用的非常重要的一个方面，可以显著提高农业生产效率。农业机械的推广和使用在同等产出的情况下降低了人力和生产成本，提高了农作物产量。

财政支出是与农业科技创新资源配置效率相关的一项重要社会因素。地方政府对农业的投入可以直接影响到农业的发展和科技创新的工作力度，也能从一定程度上反映该地区对农业的重视程度。

科技创新的基础是科研人员，农业科研人员可以保证农业生产中科技因素的不断创新和改进，以适应市场的需求。现代农业中各种新兴技术的运用，如滴灌、喷灌、水肥一体，作物制种和化肥农药的研究和应用大大提升了农业产出水平。

图3 2002—2016年云南省地方一般公共预算农业支出历年变化情况 图4 2002—2016年云南省研究机构农业科技人员数历年变化情况

图5 2002—2016年云南省农民人均年收入历年变化情况 图6 2002—2016年云南省农林牧渔业总产值历年变化情况

图7 2002—2016年云南省专利授权数历年变化情况 图8 2002—2016年云南省自然科学研究成果获奖数历年变化情况

3.1 投入分析

从图1来看，历年农作物总播种面积呈现下降的趋势，而且变化较大，从2002年的34.2万hm2减少到2016年的15.1万hm2，这一变化趋势反映出云南省土地利用面临的严峻挑战。根据国家统计局的数据，云南省乡村人口在近10年的时间里明显减少，从2006年的3 116万人减少到2016年的2 623万人。造成这一结果的原因可能是城镇化的影响。而云南省农田低丘缓坡土地的特征严重依赖于劳动力数量，乡村人口的减少给农村土地利用率造成了较大的影响[8-11]。除土地利用率之外，其他3项投入指标均呈现上升的趋势。其中，农业科研人员数量有较小范围的波动，但总体上数量保持增长的趋势。公共预算中的农业支出和农业机械总动力则呈现出稳定的增长态势，农业机械的推广力度较大。这表明云南省农业科技创新的资金投入及技术、科研投入水平明显增加，对农业科技创新的重视程度逐年增加。良好的人力资源以及资金和技术保障为农业科技创新提供了稳定的条件。

3.2 产出分析

从产出方面来看，农民人均年收入、农林牧渔业总产值、专利授权数量呈现出稳定的增长趋势，云南省农业科技创新取得的成果显著。与其他产出指标呈现除的稳定增长趋势不同，自然科学研究成果获奖数量呈现出不稳定的波动，总体呈现出下降的趋势，并且2009—2016年维持在一个相对较低的水平。

表2 2002—2016年云南省农业科技创新资源配置效率变化

图9 2002—2016年云南省农业科技创新资源配置综合效率历年变化情况

4 农业科技创新资源配置效率测度

该研究需要分析云南省不同年份的配置效率，是对单个决策单元多个年份的资源配置效率的考察，针对这种情况的一般做法是将每个年份作为一个决策单元进行处理。该文采用DEA-SOLVER Pro5.0软件进行分析，使用了投入导向模型，结果见表2。

将表2中的历年的综合效率得分绘制折线图，反映出资源配置效率的变化情况，结果如图9所示。

4.1 结果

以2002—2016年云南省每年的数据作为一个决策单元进行分析，从表2可以看出，云南省农业科技创新资源配置的纯技术效率均值为0.996，规模效率均值为0.987，综合效率均值为0.984，说明云南省农业科技创新资源的配置效率整体水平处于较高的状态。

2002—2016年云南省农业科技创新资源配置效率呈现出不稳定的波动，如图9所示。在2004和2009—2012年出现了配置效率降低的情况。但总体来看，资源配置的综合效率大体上处于接近1的水平，最低值出现在2004年，为0.943。综合效率出现两次波动之后，在2013年重新恢复至1的水平并保持不变。

此外，根据得出的各个决策单元的资源配置效率状况，包括综合效率、纯技术效率及规模效率，可以判断决策单元的DEA有效情况。当纯技术效率和规模效率均为1时，综合效率为1，此时决策单元为DEA有效，说明农业科技创新资源配置效率相对达到最优状态。结合表2的数据，2002—2003年，2005—2008及2013—2016属于DEA有效，处于规模报酬不变的阶段，此时无需对投入或产出进行调整。2004年的纯技术效率为1，而规模效率为0.943，属于弱DEA有效阶段，规模报酬则处于上升阶段。处于非DEA有效的有2004年、2009—2012年，这些年份的纯技术效率值与规模效率值均小于1，说明农业科技创新资源配置的效率相对低下，投入的资源利用率下降。

4.2 结果分析

云南省农业科技创新资源配置效率在2002—2016年大体上保持在接近于1的水平，并在2004年和2009—2012年出现小幅度的波动。出现该结果的原因，一是云南省农业科技创新的投入产出同比例的增长使纯技术效率值接近1，总体上变化幅度不大； 二是个别指标的不稳定波动导致规模效率随之变化。结合图1的结果，云南省总播种面积的减少在一定程度上影响了资源配置效率的变化。2009—2016年，总播种面积出现明显的下降，在2009—2012年综合效率出现了下降，而在2013年之后又恢复到较高的水平，总播种面积的急剧下降并没有影响到农业科技创新产出增加。结合图2至图4的结果，除总播种面积之外的其他农业科技创新投入稳定增长，为保证农业科技创新的综合效率创造了一个良好的环境。

5 结论与建议

5.1 结论

2002—2016年，云南省农业科技创新资源的配置效率整体处于较高的水平，投入与产出成比例地增长使综合效率值总体上接近于1。有个别年份出现了较小范围的波动，可能与总播种面积的变化有关。总播种面积的减少在一定程度上影响了资源配置效率的提高，但在出现短暂的效率降低之后又恢复至较高的水平。综合来看，云南省农业科技创新资源在技术投入、人力资源和农业资金投入逐年的增加，使资源配置效率能够保持在较高的水平，并在出现下降后迅速恢复。这些成果与云南省对农业科技创新的重视以及在资金、人员、技术上的投入是分不开的。

5.2 建议

基于该文的研究结果，针对云南省科技创新资源的配置提出以下几点建议。

(1)合理配置科技创新资源。合理地配置科技创新资源，是保证资源配置效率的前提。结合云南省的实际情况，如何在总播种面积减少的情况下保证农业科技产出维持在一个较高的水平，是研究者应该重点考虑的问题。建立健全农业科技资源配置体系，要整体考虑每个环节的影响，保证地方预算中的农业支出，提高机械化总动力，加大对农业科研工作的支持。另外，还要克服困难，提高农村土地利用率，将总播种面积保持在一个较为稳定的状态。

(2)提高科技创新的成果转化能力。在市场需求的带动下实现农业科技成果的有效推广，要注重农业科技的基础研究，把农业科技创新成果与农民的需求结合，优化农业资源配置，保证农业经济持续发展。云南省农业科技创新产出结果中，农民人均收入、农林牧渔总产值、专利授权数量呈逐年上升的趋势。而自然科学研究成果获奖数量在2002—2016年间呈现出不稳定的波动，近些年获奖数量处于较低的水平。科技创新的成果要转化为产出，就要重视科技成果的推广应用以及生产技术的水平提升。因此，要提高科技创新资源的配置效率，就要进一步重视农业科技创新成果的运用与推广。

(3)有效利用土地的规模效应，完善农村土地流转制度。城镇化的不断推进造成了乡村人口数量逐年下降，农民外出务工更是进一步减少了农村劳动力[12]。城镇化、经济发展、人口转型等诸多因素造成了农村大量的闲置土地[13]。要想更加高效地提高云南省农业生产和农业科技创新的效率，就要对多年来播种面积的减少引起足够的重视。而土地的规模经营可以在一定的条件下使生产要素达到最优的组合状态。要实现这一目标，就要加快发展和完善农村土地流转制度，农业科技创新也包括制度的创新。要将现阶段的家庭联产承包责任制与土地流转制度相结合，实现集中化、规模化经营。