农业科技创新能力动态综合评价——基于速度特征

赵丽娟，胡 畔，李杨薇

（1.东北农业大学经济管理学院，黑龙江哈尔滨 150030；2.哈尔滨工程大学经济管理学院，黑龙江哈尔滨 150001）

在知识经济时代，农业科技创新能力已成为世界各国农业综合竞争力高低的重要标志。农业科技创新能力的提升，是实现农业产业快速发展，推动农业技术实现全面升级和快速追赶的关键因素。我国中央一号文件中多次强调要把农业科技摆在更加突出的位置，通过加大农业科技投入全面提高我国农业科技创新水平，推动现代农业跨越式发展。然而，在我国，农业科技资源匮乏、环境规制、产出成果不确定等因素制约农业科技创新能力提升［1-4］，严重影响了科技对发展现代农业的支撑力度。因此，如何科学高效地评价农业科技创新能力，对于促进农业可持续发展、引领支撑现代农业建设、制定合理的农业科技发展战略具有重要的现实意义。

1 文献综述

从已有研究来看，关于农业科技创新能力评价问题的相关研究多集中在农业科技创新理论、创新效率及创新指标体系等方面［5-10］，也有部分学者从人力资本、科研投入、创新科技政策角度进行研究［11-14］，还有部分学者主要使用层次分析法、因子分析、灰色综合评价法、熵权TOPSIS 法模糊物元综合评价模型、聚类分析、主成分分析-支持向量机、回归分析法、链环-回路模型等方法进行研究［15-22］。虽然相关研究对评价农业科技创新能力提供了广阔思路，但上述研究还存在缺陷和不足：（1）主要是从区域角度出发进行研究，没有对比分析不同区域的农业科技创新能力水平差异；（2）在指标体系的确定上，较少考虑创新环境对农业科技创新能力的影响，而创新环境是创新能力形成的原始驱动力，良好的创新环境可以有效富集创新资源［23］；（3）在指标权重确定方面，部分研究含有主观人为因素，使得计算结果不够准确；（4）在评价过程中，虽然有些学者对农业科技创新能力进行了综合评价，但多以静态评价为主，事实上，农业科技创新能力是一个动态变化、不断提升的过程，因此，必须考虑时间因素并引入到静态综合评价中。

鉴于此，本研究从变化速度视角出发，在构建农业科技创新能力评价指标体系的基础上，先使用熵权法测算出各评价指标权重，运用改进的突变级数法对我国30 个省、自治区、直辖市2008—2017年农业科技创新能力进行静态评价，然后从指标变化速度状态和趋势两方面进行动态分析，从信息集结角度描述多个时段不同省份的农业科技创新能力的动态综合评价结果，并给出相关的政策建议。

2 农业科技创新能力评价指标体系的构建

农业科技创新能力是在环境约束下各类农业科技资源有效组合或优化配置的结果，整个创新过程是一个多层次、多要素构成的复杂系统，直接反映了农业科技创新的发展水平［24］。借鉴已有文献关于农业科技创新能力的评价指标体系［3,16,22,25］，结合农业科技创新能力影响因素，并兼顾指标的可得性和真实可靠性，且充分考虑区域间存在差异，构建了农业科技创新能力评价指标体系（见表1）。其中，创新投入反映了农业科技各类资源投入的密集程度，决定着创新成果多少，农业科技资源是农业科技活动的物质基础，主要由农业科技的人力、财力、物力、信息及成果等要素构成，各层级要素相互作用、相互影响，形成了农业科技资源系统有机、动态的特征［26］；创新产出是创新能力的直接产物，体现了创新投入在特定的创新环境中产出的成果；创新环境是创新能力形成的重要条件，良好的创新环境可以促进创新产出成果转化。因此，本文从创新投入、创新产出、创新环境三方面构建农业科技创新能力评价指标体系。

表1 农业科技创新能力评价指标体系

3 基于变化速度特征的动态综合评价模型

为了区分不同地区间在创新层面的差异性，要对各指标在不同时期的动态变化进行分析，同时为了客观评价不同地区间的发展差异，在评价过程中尽可能采用客观赋权方法。基于上述分析，本文首先使用改进的突变级数法进行静态评价，再基于评价指标的特征分析不同评价对象间的差异，最后从指标在不同时期的变化速度状态和变化速度趋势两个方面对指标的发展动态特征进行综合评价，从而使评价结果具有客观性。

3.1 静态评价

突变级数法是对评价目标进行多层次分解，排列成倒立树状目标层次结构，只需知道最下层子指标的数据。因为一般突变系数某状态变量的控制变量不超过4 个，所以相应的，一般各层指标分解不要超过4 个［27］。为了客观准确地评价同一个层级的指标，由熵权法确定指标权重值大小对各指标进行顺序评价，将重要的控制变量放在前面，次重要的控制变量放在后面。改进后的突变级数模型主要有3 种最常见的形式：尖点突变系统、燕尾突变系统和蝴蝶突变系统，其模型的势函数分别如下。

尖点突变系统模型的势函数为：

燕尾突变系统模型的势函数为：

3.2 动态综合评价

借鉴物理学中“速度”的概念可知，速度是有方向的，同理认为变化速度状态也是有方向的。因此，当说明农业科技创新投入、创新产出、创新环境的变化速度状态向有利于农业科技创新能力提升的方向发展；当说明农业科技创新投入、创新产出、创新环境的变化速度状态向不利于农业科技创新能力提升的方向发展。但是，农业科技创新能力的综合效应需要考虑农业科技创新投入、创新产出、创新环境三者最终合力的作用效果。因此，借用物理学中“加速度”的概念，则设变化速度状态的加速度为：

4 实证分析

本文实证分析数据主要来自于我国30 个省、自治区、直辖市（未含西藏和港澳台地区）2008—2017 年的面板数据。其中，R&D 人员、R&D 经费、专利申请量、发明专利数量、技术市场成交额、发表科技论文数量均来自于《中国科技统计年鉴》；农业机械总动力、手机拥用量、计算机使用量来自于《中国农村统计年鉴》；农业总产出、碳排放相关数据来自于《中国农业年鉴》；政策性金融相关数据来自于《中国金融统计年鉴》，部分地区的来自于地区统计年鉴。

4.1 农业科技创新能力的静态评价

由相关系数法确定评价指标体系中各指标的方向，使用极值法对所有指标进行无量纲化处理。对于同一评价对象在不同时刻指标值不同，在无量纲化处理后，指标值均为0，无法看出原指标值的不同变化，因此对极值法进行细微调整［28］。再通过熵权法对各指标的权重进行修正，从而得出较为客观的指标权重，并根据指标权重大小进行排序。最后使用突变级数法得出我国农业科技创新能力静态评价结果。

表2 农业科技创新能力评价指标方向和权重

根据式（1）～（3）得到30 省份2008—2017年农业科技创新能力静态评价结果，如表3 所示，可以看出各省份农业科技创新能力在创新投入、创新产出、创新环境方面变化速度趋势不一致：北京、天津、辽宁、上海、江苏、浙江、湖北、四川、陕西等省市农业科技创新能力在创新投入、创新产出、创新环境方面整体上处于较高水平，评价结果主要集中在0.85～1 之间，但近些年北京、辽宁、上海等省市的农业科技创新能力有下降的趋势，发展后劲相对不足，而安徽、山东、广西、贵州、青海等省（区、市）虽然农业科技创新能力不高，评价结果主要集中在0.60～0.85 之间，但发展后劲持续增强；此外，河南、宁夏省的农业科技创新能力下降趋势突出，贵州、海南、青海省的农业科技创新能力上升趋势较为明显。

表3 2008—2017 年我国30 省份农业科技创新能力静态综合评价值

4.2 农业科技创新能力的动态综合评价

静态评价结果仅反映出各省份农业科技创新能力在不同时段的截面评价，无法全面表现出农业科技创新能力的动态变化趋势，因此，要对农业科技创新能力变化速度状态与趋势进行动态综合评价。由式（2）～（4）可以计算出各省份农业科技创新投入、创新产出、创新环境的变化速度状态和变化速度趋势，具体结果如表4 所示，可知我国农业科技创新投入、创新产出、创新环境变化速度状态有正值和负值：为正值时，说明农业科技创新投入、创新产出、创新环境不断发展，且促进农业科技新能力的提升；为负值时，说明农业科技创新投入、创新产出、创新环境处于减缓状态，不利于农业科技创新能力的提升。同时，当变化速度趋势大于1，说明农业科技创新投入、创新产出、创新环境变化速度呈上升趋势；当变化速度趋势小于1，说明农业科技创新投入、创新产出、创新环境变化速度呈下降趋势。

表4 2009—2017 年我国30 省份农业科技创新能力变化速度状态与趋势

表4（续）

根据上述30 省份农业科技创新能力变化速度状态与趋势，由式（6）～（10）可得其农业科技创新能力变化速度动态综合评价结果，具体如表5 所示，可知江苏、安徽、山东、广东、广西、海南、四川、贵州、陕西、青海等省（区、市）的农业科技创新能力变化动态综合评价结果是正数，说明这些省份的农业科技创新能力大体上有上升趋势，而其他省份的农业科技创新能力有下降趋势。在有上升趋势的省份中，山东、贵州、青海等西部地区省份的上升趋势要高于江苏、安徽、四川等东部地区省份；在有下降趋势的省份中，只有河南、新疆、吉林、上海等省份的下降趋势较大，其他省份的下降幅度不大。此外，各省份农业科技创新能力的增减幅度也不同，这是由于各省份农业科技创新能力发展的侧重点不同，或是由于物质基础不同，导致其创新能力水平增减幅度的差异。

表5 2008—2017 年我国30 省份农业科技创新能力变化速度动态综合评价结果

将30 省份农业科技创新能力静态评价结果与表5 的变化速度动态综合评价结果进行对比分析，由图1 可看出，北京、天津、辽宁、上海、浙江、广东等东部地区省份的静态评价值较高，而变化速度动态值出现负数，反映出这些省份农业科技创新能力的整体变化趋势是下降的；广西、贵州、青海等西部地区省份的静态评价值低于东部地区省份，但变化速度的动态评价结果高于东部地区省份，这也说明西部地区农业发展势头迅猛，即将要赶超东部地区；而江苏、安徽、山东、陕西等省份的静态评价结果与变化速度动态评价结果都高于其他地区。综上可知，虽东部地区在农业科技创新方面有一定的基础优势，但创新能力水平增长速度缓慢；而西部地区虽然基础设施相对薄弱，但创新能力水平增长速度较快，发展势头迅猛。主要原因：（1）国家实施西部大开发战略以来，近些年也加大政府财政资金和信贷资金投入来吸引外资，使得西部地区依靠特色资源、发挥比较优势加快特色农业发展速度，特别是2006 年国务院常务会议审议并通过了《西部大开发“十一五”规划》，西部地区在2008—2017年间农业科技创新能力明显上升。（2）近些年，东部地区环境持续恶化，严重阻碍了农业生产、农业科技创新，使得农业科技创新能力增长势头减缓，甚至出现负增长。总之，农业科技创新能力的动态综合评价值有正有负，动态评价结果为正值的省份需要保持良好的发展态势，继续保持较快的创新能力水平增长速度；动态评价结果为负值的省份需要采取一定的措施提升其创新能力水平。各省份由于不同地域性特征，对现代农业发展的战略地位及重视程度的不同，这在一定程度上影响了农业科技创新能力的发展。

图1 2008—2017 年我国30 省份农业科技创新能力静态动态综合评价对比

5 结论

本文通过对我国30 个省（区、市）在连续时段（2008—2017 年）内的农业科技创新能力进行实证研究，结果表明：北京、天津、辽宁、上海、江苏、浙江、湖北、四川、陕西等东西部地区省份农业科技创新能力的静态评价整体上处于较高水平，而安徽、山东、广东等省份虽然农业科技创新能力不高，但发展后劲持续增强；此外，辽宁、吉林、浙江、河南、新疆等省份农业科技创新能力发展后劲相对不足，处于下降态势，尤其是河南省农业科技创新能力的下降趋势突出，贵州、海南、青海的上升趋势较为明显。根据静态评价结果，基于信息集结视角进一步反映在2008—2017 年连续时间段内评价对象的变化速度状态与变化速度趋势，构建出具有变化速度特征的动态综合评价模型，可以掌握30 个省份农业科技创新能力在连续时间段内的综合评价水平，从而分析其动态发展趋势。总体情况表明，静态评价与动态评价的结果基本吻合，对于农业科技创新能力整体水平有下降趋势的东部地区，政府相关部门要高度重视，找出原因，切实调整政策，进而提高农业科技创新能力；而对于农业科技创新能力水平增长速度较快、发展势头迅猛的西部地区，有关部门要根据地区特色制定相关政策，规划出广阔的未来前景。由此可见，研究我国各省（区、市）农业科技创新能力静态评价是必要的，为进一步了解变化速度特征的动态研究提供依据，有助于更加全面地、有效地掌握我国农业科技创新能力整体变化趋势，为政府等决策部门制定战略提供思路与方法，从而提升我国农业科技创新能力。

尽管取得了一些有意义的结论，本研究也存在一些不足之处：一是关于样本的选取方面，本文所选取的样本数量较少，未来需要收集大样本来进一步研究，使评价结果更为合理；二是指标的选取方面，未来的研究应尽量避免含有主观因素较多的指标，使评价结果更真实；三是对比研究方面，本文仅仅对各省份农业科技创新能力的静态与动态变化进行对比分析，事实上，如能对农业发展不同阶段农业科技创新能力的静态与动态状况进行对比研究，则能更好地揭示农业科技创新的动态变化过程，这是未来的研究方向。