湖南省科技投入减贫效率评价与影响机制研究

廖世伟 李锐鑫 张睿

摘 要：我国减贫工作已经到了“攻坚战”关键时期，建立科技减贫的长效机制是未来减缓相对贫困、迸发经济活力、严防返贫的战略举措。本文以湖南省20个贫困县的数据为样本，应用DEA-Tobit模型测度科技投入的减贫效率和分析影响机制。研究表明，各贫困县的科技减贫效率值差距相对逐年减小，环境因素方面，金融发展水平低下对科技的减贫效用产生抑制作用，而金融深化水平较高则能够对科技的减贫效用产生促进作用;另外，工业化和财政支持均可产生有利影响，但影响程度逐渐减弱，即存在边际效用递减的规律。根据研究结果，本文提出应深化金融与科技之间的结合，优化有利的外部环境因素等建议。

关键词：科技投入;减贫效率评价;影响机制

一、引言与文献综述

2020年是我国实现全面建成小康社会目标，实现新经济、新动能转变的关键之年。党中央提出，要认真研究建立解决相对贫困的长效机制。紧接着，中央政府强调“深化扶志扶智，激发贫困人口内生驱动力，强化科技长效支撑作用”是当下减贫工作的关键。与此同时，科技作为重要的生产要素，其投入也开始逐渐被各地政府所重点关注。但科技投入作为减贫手段仍存在以下问题：减贫效果究竟如何，外部影响因素又有哪些？因此，本文尝试通过定量分析科技投入的减贫效率并探究科技投入的减贫途径与影响机制，来解决这两个问题，从而为各级政府巩固脱贫成果和严防返贫，以及建立科技创新内生驱动的长效机制提供理论依据。

现有诸多文献已开始研究科技投入的减贫效率以及其减贫作用的特征。值得关注的是，采取定量方法对科技投入的减贫效率进行研究已逐渐成为新趋势，相关研究如王巍（2019）构建科技贫困的评价指标体系开展定量测算，研究表明当前科技扶贫效果尚不理想;陈鸣（2016）运用三阶段DEA模型测度农业科技投入对于农村贫困作用的效果并分析其作用特征;而关于科技投入的减贫作用特征的研究如郎亮明（2019）从理论层面分析科技减贫机制并实证检验了减贫效应;王爱萍（2020）使用中介效应模型研究了金融发展对收入贫困的影响及作用机制，研究表明不同水平的金融发展对收入贫困的影响存在方向和程度上的不同。

综上所述，目前已有不少学者对科技投入的减贫效果及其减贫作用特征进行过定性或定量的分析，并取得一定的成果，但依然存在些许不足。一是扶贫早期阶段的研究，选取代表科技投入的指标较为单一;二是现有用于研究减贫科技统计指标体系不够完善，所选取的科技投入变量指标存在过程指标与结果指标互相混同的问题，代表性不足。

因此，下文在介绍相关理论和模型的基础上，将针对以上问题并结合湖南省的实际情况，进一步完善减贫型科技投入指标体系的构建，从而有效评估湖南省科技投入的减贫效率，研究其减贫作用的途径和机制，进而为巩固湖南省扶贫成果提出政策建议。

二、计量模型设计与数据说明

1.模型构建

（1）测算科技投入减贫效率——三阶段DEA模型

DEA模型是由Charnes等人提出的一種非参数估计方法，因其无须设定固定函数关系而被研究者广泛采用，并成为测度效率的经典模型。本文在DEA模型的基础上，参考相关研究构建了三阶段DEA模型。其内容如下：第一阶段，假定规模报酬可变，采用以投入为导向的BCC模型，考察基于原始投入与原始产出数据的各决策单元的效率;第二阶段，采用随机前沿分析（SFA）将第一阶段的投入变量和松弛变量进行分解，即识别和剥离环境与随机误差因素，得到调整后的投入变量值;第三阶段则是利用第二阶段计算出的调整后投入变量值与原始产出值，再次运用DEA模型进行测算。

（2）研究影响因素对科技投入减贫效率的作用特征——Tobit模型

Tobit模型是由James Tobin（1958）提出的因变量受限的一种模型。本文结合相关理论与文献，从影响科技投入减贫效率的关键因素入手，基于理论进行机制的厘定，进而构建Tobit回归模型。

2.模型的数据说明

注：参考陈银娥、张德伟等人的做法，确定县域金融发展水平=0.927×储蓄深化+0.925×贷款深化+0.57×金融发展效率。

（1）DEA模型的数据选取与指标定义

全部指标选取如表2-1-1所示，数值都是从《中国统计年鉴》《中国科技年鉴》《中国县域统计年鉴》与当地政府公告中统计归纳得来的。截至2019年11月，本文根据国家扶贫规划确定的贫困县的最新名单，使用其中20个县的数据作为样本给予分析：

a.投入变量：根据经济基本理论的假定，从反映新经济形势、新动能要素、高质高效三个方面，综合考虑数据可得性，分别用科研人数6个具有代表性的指标表示。

b.产出变量：选取贫困发生率的倒数作为产出变量，以代表地区脱贫进度。

c.环境变量：选取财政支持力度4个指标作为影响科技减贫效率的环境因素。

（2）Tobit模型的数据选取与指标定义

本文选取Tobit回归模型，其中被解释变量选取第三阶段DEA模型测算出的科技减贫效率值，解释变量选取如表2-2-1中的指标。数据是从《中国统计年鉴》《中国科技年鉴》《中国县域统计年鉴》与当地政府公告中统计归纳得来的。

互联网发展水平与经济发展存在密切关联，因此使用x1反映地区互联网推广水平和使用现状;工业化作为生产力发展的重要表现形式，因此选取x2作为衡量地区生产力发展程度和生产方式进步的指标;教育作为影响地区科技创新潜力和当地居民对科技应用接纳程度的文化事业因素，因此选取x3反映地区科学文化水平;考虑到政府是扶贫事业的主导者，因此选取x4用来衡量地区政府财政实力和对当地经济的调控能力;考虑到资本是核心的生产要素，选取x5衡量地区金融发展规模和资源配置效率的指标。

3.实证结果分析

（1）DEA模型的实证结果分析

第一阶段：基于投入变量和产出变量的BCC模型估计。首先利用原始的投入变量数据，采用DEAP2.1软件对2013年、2015年和2017年湖南省20个贫困县的科技减贫率水平进行分析。测算结果如表2-1-2。

第二阶段：运用SFA将第一阶段的5个投入指标的松弛变量作为被解释变量，环境变量作为解释变量，从而构建起5个模型。通过识别和剥离环境与随机误差因素，得到有意义的管理无效率造成的冗余。利用Frontier 4.1采用最大似然法估计得出3年的SFA回归方程未知参数的LR单边检验显著性水平和正负情况，结论如下：

主要的环境变量对5种投入松弛变量的系数均通过5%显著性检验，且5个模型2013年和2015年的LR单边检验均通过5%的显著性水平，2017年则均通过1%的显著性水平。这说明外部环境因素对湖南省各县的农业生产投入冗余存在显著影响，证明了环境变量选取的合理性。具体而言：

从2013年和2015年的情况来看：基建和教育的影响系数均为负，说明提高这两个环境变量的水平可减少投入的松弛量，从而有利于提高科技减贫效率;财政和金融深化的影响系数为正，说明提高这两个环境变量的水平无利于提升减贫效率，可能是当时的财政和金融资源未能公平流入贫困人群，甚至由此加剧贫富差距，或是惠农政策提高了相关农户的收入预期，从而盲目扩大生产导致更为严重的粗放式农业经营。

2017年的情况则有所不同：财政和金融深化的影响系数转为负，说明此时提高这两个环境变量的水平有利于提高减贫效率，可能是金融发展水平越高，金融机构的资源分配机制变得越完善;同时财政支农的措施更为多元化和科学，如在给予贫困户资金的同时，提供了科学养殖、种植和经营指导，有效避免了相关贫困户盲目生产的问题。

第三阶段：利用第二阶段计算出的调整（剔除环境因素）后投入变量值与原始产出值，再次运用DEA模型进行测算。调整后的测算结果如表2-1-3。

由该表可见，各县科技减贫效率调整后的平均值从2013年的0.47至2015年的0.62，再到2017年的0.72。可见，部分县域科技减贫综合效率的相对差距在逐渐缩小，通过对比2013年和2015年调整后的数据，科技减贫综合效率值的平均值从0.47到0.62，其中纯技术效率平均值从0.75到0.76，而规模效率平均值提升幅度相对更大，即从0.62到0.81。说明引起2015年科技减贫效率值提升的主要原因是规模效率在显著提升。

可以看出来，安化、邵阳、平江、江华等县在2013年至2017年，剔除环境因素前后的科技减贫效率始终相对处于前位，说明减贫效率十分高效。分析原因：发现他们都有着良好的经济发展状况。并且自2015年起，各县积极响应国家发布关于科技减贫的政策，探索科技的多元化减贫途径。如江华县主打创建科技扶贫专家服务团;邵阳县建立种植运输一体化科技示范基地;安化县自2016年全面推进电气化制茶叶，首个尝试电商平台的搭建，集中力量开创“互联网+农业”模式。

而桂东、汝城、永顺、古丈等县在剔除环境因素前后始终处于后位，这些地区处于湖南的西北部及偏远地区。分析原因可能是金融发展水平及市场化程度低，无法达到规模效应，因此环境因素无法体现其影响效果。

剔除环境因素前后的科技减贫效率发生下降且幅度较大的如凤凰县、桑植县等，分析原因发现这些县科技减贫的主要途径是依靠于财政拨款单一途径，无法实现内生创造。

总结上述分析，可见当前扶贫重心应是解决这些深度贫困县的脱贫问题，他们的情况普遍为：经济基础十分薄弱，如信息交通供水等基础设施滞后且产业结构单一;各县的财力十分薄弱，扶贫手段匮乏，无法支持科技基础建设来提升经济活力;金融发展水平低，人均收入低，居民无法实现规模产出与输出，无法获得价值回报。

（2）Tobit模型的实证结果分析

为评估各地区科技减贫效率因素的影响力，并找出主要影响因素，本文构建了Tobit回归模型，并利用Eviews 10.0进行回归。湖南各贫困县科技减贫效率Tobit回归模型结果整理如下。

从三个表可以看出，2013年和2015年互联网普及程度（x1）没有通过5%的显著性检验，说明其与科技减贫效率的相关性不显著，这可能是因为在当年互联网技术较少地参与到科技减贫的工作中;而2017年互联网普及程度（x1）通过了5%的显著性检验，说明其在2017年较多地参与到科技减贫工作中，产生较为明显的影响，这可能是因为政府于2017年加大了“互联网+农业模式”的探索，并在减贫工作中卓有成效。

三年的教育水平（x3）都没有通过5%的显著性检验，说明该指标选取不合理。三年的工业化水平（x2）均通过1%的显著性检验，而财政支持力度（x4）均通过5%的显著性检验，说明这两个指标对湖南省科技减贫效率有比较明显的影响。其中（x2）的估计系数从2013年的0.183到2015年的0.218再到2017年的0.109，即工业化水平对科技减贫效率的“效用”存在边际递减的规律，财政支持力度也存在类似的规律，这说明这两项投入达到一定的规模后其产生的效用開始出现减弱。

2013年县域金融发展水平（x5）没有通过5%的显著性检验，说明当年其与科技减贫效率的相关性不显著，这可能是自2008年经济危机以来，各县的金融发展无法达成规模和资源配置效率低下而导致整体的金融发展水平低下。但p值相当接近0.05，可认为具有一定的影响程度，此时系数估计值为负说明在当年金融发展水平低下的环境对科技减贫的效率存在抑制影响。2015年和2017年（x5）通过5%的显著性检验，且系数估计值从0.0138上升至0.176，说明其有利的影响程度逐步加大，这可能是因为近年来国家重视金融发展，如出台普惠金融、科技金融等政策。

三、政策建议

1.坚持多元化科研投入，强化科技支撑作用

湖南省科技投入依然存在科技投入强度较低、科技投入结构不够合理、运行机制有待优化等问题，构建多元化的科技创新投入机制是解决问题的关键。部分县域虽自然条件丰富但科研投入方式仍然单一，如只發展旅游业或单一经济种植业，存在规模效用减弱的趋势。应强化科技在生产中的支撑作用，继续深化实施科技特派员制度，积极推动科研人才下乡，推进科研育种基地的建设;推进湖南省深度贫困地区和丘陵山区农田移机化改造，引进更多优良品种经济作物;加强关键核心技术攻关，积极部署重大科技项目，抢占科技制高点。

2.提供高质量科技供给，建立长效减贫机制

各县域在加快科研投入、促进规模生产、实现经济增长的同时，更要注重引进高质量的科技供给，预防经济风险。湖南省政府应积极引领各县级政府，建立信息产业为主导的现代化经济体系，推进数字经济、互联网大数据、人工智能同实体经济深度融合。各县市应积极稳妥地化解传统落后的旧产能，开展对外开放与合作、培育新动能，从而形成新产业集群，构建起长效的科技供给减贫机制。

3.促进科技与金融结合，优化资金投入结构

湖南省主要深度贫困地区，均存在自然条件差、经济基础弱、文化程度低的普遍问题。但金融发展水平低下，无内生创新驱动力，才是主要原因。虽加大财政支持能有效减缓贫困，但不是长效之计。在加强财政投入的同时，应强化商业银行支农力度，改善农村金融发展环境，推进金融基础设施建设;引导外流资金回流，提高农村金融效率;农村金融改革的战略要考虑把促进农业科技进步作为重点目标。

4.建立新科技统计指标体系，深化成果考核制度

我国经济进入高质量发展阶段，当前的科技统计指标体系已不能满足复杂多变的经济环境。应建立科学有效的省级层面的新科技统计指标体系，既可用于科技创新发展的过程监测，也可用于科技转化成果的评价分析，从而提高科技统计指标体系的监管与导航作用，防止科研投入资源的浪费。并促使成果考核制度的完善，有利于减贫考核验收工作的开展，同时提供更加准确的观测指标，有效监督科技科研开发转换为成果。

参考文献：

[1]王爱萍，胡海峰，张昭.金融发展对收入贫困的影响及作用机制再检验——基于中介效应模型的实证研究[J].农业技术经济，2020（03）：70-83.

[2]陈鸣，邓荣荣，周发明.中国农业科技减贫的效率测度及空间优化——基于三阶段DEA方法与空间面板模型的研究[J].科技管理研究，2016，36（04）：59-64+74.

[3]郎亮明，张彤，陆迁.基于产业示范站的科技扶贫模式及其减贫效应[J].西北农林科技大学学报（社会科学版），2020，20（01）：9-18.

[4]王巍，李平.基于AST-MPI的农业科技贫困测度[J].统计与决策，2019，35（24）：47-51.

[5]陈银娥，张德伟.县域金融发展与多维贫困减缓——基于湖南省51个贫困县的实证研究[J].财经理论与实践，2018，39（02）：109-114.

基金项目：2019年省级大学生创新训练项目（项目编号：S201910555055）;2018年南华大学大学生研究性学习和创新性实验计划项目（项目编号：2018XJXZ437）

（作者单位：南华大学经济管理与法学学院）