政府主导型科技精准帮扶效率及其影响因素研究

曾 科 谢 华

（湖南省科技信息研究所，湖南长沙 410001）

1 研究背景及文献综述

1.1 研究背景

党的十八大以来，科技部会同有关部门大力实施“科技扶贫百千万工程”，构筑“点线面”科技精准扶贫大格局，组织动员各地各部门开展科技精准帮扶结对，鼓励和引导科技人才向艰苦边远地区和基层一线流动，加快贫困地区科技成果转化力度，为我国脱贫攻坚战取得全面胜利、实现全面建成小康社会提供了有效的科技、人才支撑[1]，如表1所示。

表1 科技部“点线面”科技精准扶贫大格局

在后脱贫攻坚时代，通过分析政府主导型科技精准帮扶结对效率，研究其影响因素，对落实党中央“重视程度越来越高、支持力度越来越大、扶持目标越来越精准、扶贫方法越来越科学”的要求，构建科技帮扶结对长效机制，巩固科技精准脱贫攻坚效果，实现脱贫攻坚和乡村振兴的有效衔接，做好新时代乡村振兴工作具有很强的现实意义。

1.2 文献综述

梳理以往研究发现，关于科技精准帮扶效率的专门研究还是空白，仅有的研究大多集中于对科技扶贫理论、案例的探讨。如在理论研究方面，张峭等[2]从科技供给和需求的视角概括并提出了科技扶贫的主要模式；张华泉[3]梳理了我国农村科技扶贫演化路径。在案例研究方面，邢成举[4]、付少平[5]主要分析和总结了陕西的科技扶贫经验，指出当前科技扶贫行动存在结构化困境，表现出碎片化的状态；周华强等[6]介绍了四川省科技扶贫服务体系建设思路和框架，并指出科技扶贫应抓住人才这个中心。在统计研究方面，丁珮琪等[7]则主要统计分析了陕西省商洛市科技扶贫需求和政策供给匹配效果。

综上所述，为了弥补这方面的研究空白，本文依托科技部农村科技中心，利用网络DEAtobit模型对科技精准帮扶协同创新效率及其影响因素进行分析，并从科技主管部门角度提出相应的对策建议，以进一步提升科技精准帮扶协同创新效率，充分发挥科技扶贫的作用。

2 研究设计

2.1 政府主导型科技精准帮扶效率内涵

从一个侧面来看，政府主导型科技精准帮扶就是科技定点帮扶。从实施主体来看，政府主导型科技精准帮扶是政府科技部门通过规划、政策、项目、服务等手段，带动全社会科技资源开展科技精准帮扶，参与脱贫攻坚和乡村振兴，而不是一般的科技企事业单位或者科技人员个人的自主帮扶行为。政府主导型科技精准帮扶既包括政府科技管理部门人员，也包括高校、科研院所、企事业单位的科技人员，且以后者为主，如表2所示。从实施过程来看，政府主导型科技精准帮扶是一项科技部门主导的持续性公益工作，而不是一项短期性行为。

表2 科技精准帮扶结对帮扶主体各类单位性质分类统计

政府主导型科技精准帮扶具体可以分为2个阶段：一是科技精准帮扶协同创新阶段，二是科技精准帮扶带动阶段。两者都是创新链、人才链、产业链、资金链相互融合和相互促进的过程。在科技精准帮扶协同创新阶段，主要是为基层补齐长期存在的科技、人才短板，由政府科技部门投入相应的科技资金、科技人力，到基层示范推广新成果，组建示范建设基地、培训人员，更多地属于“打基础”“强根本”，积蓄产业发展后劲，其目的就是建设适应基层需要的创新链和产业链。在科技精准帮扶带动阶段，主要是通过示范推广新成果，组建示范建设基地、培训人员，从根本上激发贫困地区内生发展动力，带动贫困户增收致富，壮大贫困地区主导特色产业，是创新链、人才链、产业链、资金链在更高层次上的趋同，是一个从缺乏创新的环境向创新环境明显改善、内生发展动力不断释放的过程。两个阶段都属于典型的多投入多产出的过程，据此构建两阶段科技精准帮扶投入模型，对科技精准帮扶协同创新阶段、科技精准帮扶带动阶段进行效率研究，可以揭示科技精准帮扶结对机理。

2.2 政府主导型科技精准帮扶效率评价指标体系

如表3所示，主要包括三大类指标：一是投入变量，即科技精准帮扶结对投入，具体包括帮扶主体资金投入和帮扶主体人员投入；二是产出变量，即科技精准帮扶结对产出，具体包括新增就业岗位数量、带动增收、帮助贫困户数量、为贫困县增加产值；三是中间变量，即科技精准帮扶协同创新成效，具体包括示范推广新成果、示范建设基地、培训人员，这既是科技精准帮扶协同创新阶段的产出，也是科技精准帮扶带动阶段的投入。

表3 科技精准帮扶结对投入产出指标

2.3 研究方法

2.3.1 网络DEA模型

Seiford 和 Zhu 于 1999 年提出了改进的两阶段绩效评价模型，将美国 55 家商业银行的产出过程分为利润和市值两个阶段，且比较了每个阶段的绩效，但是并没有考虑两个阶段的效率和整体效率之间的关系。而后有学者[11-13]完善了网络DEA 模 型（Network Data Envelopment Analysis，NDEA）。Ka 和Hwang 于2008年提出了relational模型，认为整体效率等于两阶段效率的乘积，将每个阶段效率与整体联系起来，求解模型如下。

结合上述内涵，两阶段科技精准帮扶结对总效率是科技精准帮扶协同创新阶段效率和科技精准帮扶带动阶段效率的乘积。

2.3.2 Tobit 回归分析

Tobit模型的特点在于其包含两个部分：一是表示约束条件的离散数据模型，二是某连续变量在满足约束条件下的方程模型。具体为：

其中，Y为截断被解释变量向量，即科技精准帮扶结对效率值；X为解释变量向量，是影响科技精准帮扶结对效率的主要影响因素；β为回归参数向量；ε~N(0δ,2)为扰动项。

3 实证分析

本文数据来自科技部农村科技中心科技扶贫统计报告[8-10]。其中，科技精准帮扶结对投入采用2017年的数据，科技精准帮扶协同创新成效采用2018年的数据，科技精准帮扶结对成效采用2019年的数据，这主要是因为科技精准帮扶结对与科技成果转化类似，具有很强的产业发展延后性。

考虑到科技扶贫统计作为一项常规性工作是在2017年首次开展。为了尽量保证数据的客观性、一致性，并符合DEA分析要求样本量是指标数的2倍以上要求，北京市、天津市等10个省份因数据不全而剔除，山东省、西藏自治区等4个省份因数据失真而未纳入分析范围。因此，利用MaxDEA 8分析软件，对20个省份的2017—2019 年数据进行测算，所得到的分析结果如表4所示。

表4 政府主导型科技精准帮扶结对效率

3.1 政府主导型科技精准帮扶结对效率测算

全国政府主导型科技精准帮扶结对效率DEA值不高，仅为0.238 6。其中，从地区来看，西部地区均值（0.342 4）高于东部地区均值（0.279 4），中部地区均值（0.081 7）最低。

3.2 分阶段效率分析

在科技精准帮扶协同创新阶段，20个省份只有部分省份达到了最佳创新效率，且有一个中部地区省份。从地区来看，西部地区最高，中部地区居中，东部地区最低。

在科技精准帮扶带动阶段，相关省市科技扶贫产业打造表现不佳，只有广西壮族自治区和云南省达到最佳帮扶带动效率，其中，西部地区最高，东部地区居中，中部地区最低。近年来，云南省[14]、广西壮族自治区[15]等作为科技部、中国科学院定点帮扶地区大力实施科技扶贫专项行动，发挥贫困村科技特派员科技扶贫主力军作用，探索院士专家科技扶贫新模式，打造科技扶贫产业链，得到了国务院扶贫办的认可，并作为先进经验面向全国推广。

综上所述，全国科技精准帮扶结对效率不高的主要原因在于科技精准帮扶带动效率不高，也就是说在贫困落后创新能力普遍提升的基础上，科技精准帮扶带动结果还不是特别理想，从而影响了科技精准帮扶结对效率的整体提升（表5）。笔者认为，这主要是因为在实际工作中科技部门和产业部门对接联系不够，县域科技成果转化难题客观存在，导致创新成果无法更好地发挥其产业帮扶带动效应。无论是东部发达地区，还是中西部欠发达地区，都迫切需要采取有效措施优化科技精准帮扶带动效率，从根本上提升科技精准帮扶结对效率。

表5 科技精准帮扶协同创新效率和科技精准帮扶带动效率

3.3 政府主导型科技精准帮扶结对效率影响因素分析

3.3.1 科技精准帮扶结对主体投入的影响

在上述分析基础上，参照已有的相关做法，主要考察科技精准帮扶主体人员投入和科技精准帮扶主体资金投入对科技精准帮扶结对效率的影响，分别在对数化处理相关数据后，用stata 16测算，结果如表6所示。从表6可以看出，科技精准帮扶结对主体人员投入与政府主导型科技精准帮扶结对效率呈正相关关系，而科技精准帮扶结对主体资金投入与政府主导型科技精准帮扶结对效率呈负相关关系，且都不显著。也就是说，要提升政府主导型科技精准帮扶结对效率，相对于资金投入，更加需要加大人员的投入。

表6 政府主导型科技精准帮扶结对效率主体投入影响因素

3.3.2 科技精准帮扶结对人员投入的影响

利用传统Tobit模型研究具体人员投入对政府主导型科技精准帮扶协同创新效率的影响变化。具体科技精准帮扶主体人员投入因素包括贫困县科技主管部门专职开展科技管理人员数量、贫困县万人拥有本土专业技术人才数量、贫困县本土选派科技特派员人数的影响、各省科技行政主管部门人员到贫困县开展帮扶人数、贫困县接收科技副职的影响，这就构成了政府主导型科技精准帮扶结对的主要人才工作。同理，分别在对数化处理相关数据后，用stata 16测算，得到表7，而由于统计数据的缺失，只能对9个省份的效率进行影响因素分析。这9个省份是山西省、吉林省、安徽省、江西省、湖北省、湖南省、重庆市、陕西省、甘肃省，它们都属于中西部地区。

表7 政府主导型科技精准帮扶结对效率人员投入影响因素

（1）贫困县科技主管部门专职开展科技管理人员数量的影响。中西部地区贫困县专职科技管理人员与科技精准结对帮扶效率呈显著正相关，表明当中西部贫困县科技主管部门专职开展科技管理人员数量每增加ln1个单位，相应的科技精准帮扶结对效率就会提升ln61.53个单位，也证明了基层科技工作力量是科技精准扶贫的主要力量，但现有贫困地区科技主管部门专职科技管理人员不足比例（表8）。为了提升政府主导型科技精准帮扶效率，迫切需要加大政策倾斜支持力度，加强贫困地区基层科技管理人员队伍建设。

表8 贫困地区科技主管部门专职开展科技管理人员数量平均每县人数

（2）贫困县万人拥有本土专业技术人才数量的影响。贫困县万人拥有本土专业技术人才与科技贫困县专职科技管理人员与科技精准结对帮扶效率呈负相关，中西部地区贫困县专业技术人员每增加ln1个单位，相应的科技精准帮扶结对效率就会减少ln0.57个单位，但是不显著。这就表明贫困县万人拥有更多的本土专业技术人才也不会给科技精准扶贫带来显著的正面效果。这是因为在基层科技部门和人手不断削弱的情况下，贫困县科技管理部门缺乏合适的工作抓手，很难有效满足科技精准扶贫的要求。

（3）贫困县本土选派科技特派员人数的影响。贫困县本土选派科技特派员人数与科技精准帮扶结对效率呈正相关关系，贫困县本土科技特派员每增加ln1个单位，相应的科技精准帮扶结对效率就会增加ln0.13个单位，但不显著。这就说明个别地区科技等部门可以通过推行科技特派员制度，壮大科技特派员队伍，进一步盘活本土专业技术人才资源，更好地服务于脱贫攻坚和乡村振兴。也正是在这种情况下，不仅前述科技精准帮扶结对较落后的贵州省等地从2019年开始率先开展专职科技特派员工作[16]，而且中央于2021年2月配套出台了《关于加快推进乡村人才振兴的意见》，明确要求在后扶贫时代“发展壮大科技特派员队伍”。

（4）各省科技行政主管部门人员到贫困县开展帮扶人数的影响。省级科技行政主管部门人员到贫困县开展帮扶人数与科技精准结对帮扶效率呈负相关关系，但不显著。这说明各省科技行政主管部门更多的人员到贫困县开展帮扶，也不会给科技精准帮扶结对效率带来更好的影响。这也说明贫困地区科技基础薄弱，科技部门干部人才到基层服务虽有一些效果，但在基层科技部门和人手不断削弱的背景下，大部分优秀科技资源还是没有完全地和脱贫攻坚、乡村振兴结合起来，更好地实现可持续发展，所以需要结合当前工作方向和要求进一步改进和完善，深化科技精准扶贫精准脱贫的效果。

（5）贫困县接收科技副职的影响。贫困县接收科技副职的影响与科技精准结对帮扶效率呈显著负相关关系，每接收ln1个单位科技副职会导致科技精准帮扶结对效率降低ln125.67个单位，贫困县接收科技副职越多反而越不利于科技精准帮扶结对效率的提升。这是因为科技副职一直没有纳入科技扶贫总体部署，一方面科技副职没有硬性的脱贫攻坚工作要求；另一方面对于科技副职来说，相关扶持激励政策不完善，没有稳定的科技创新项目支持和孵化服务团队平台。也正是基于上述情况，从2018年开始，湖南省等地创新科技特派员制度，率先将科技副职纳入科技特派员支持范围，希望更好地形成科技扶贫工作合力，充分发挥科技副职及各类科技特派员的作用。从目前的情况来看，这一做法已经取得了一定的突破和成效[17-18]。

4 结论及相关建议

综上所述，本文运用网络DEA法构建政府主导型科技精准帮扶协同创新效率评价指标模型，对科技精准帮扶协同创新效率进行综合评价，并得出以下结论：一是政府主导型科技精准帮扶效率不高，且从分阶段来看，科技精准帮扶带动效率不高是制约政府主导型科技精准帮扶效率的主要障碍；二是科技精准帮扶主体投入是影响政府主导型科技精准帮扶效率提升的重要因素，不同因素对政府主导型科技精准帮扶效率的影响也不同，人员投入较资金投入更为重要；三是对于贫困落后地区来说，特别是中西部地区可以通过加大基层科技管理人员支持力度，壮大本土科技特派员队伍，进一步提升政府主导型科技精准帮扶效率。这些对于有关科技部门领导制定科学、合理的科技发展规划和政策，强化科技定点帮扶，推进县域创新驱动发展，做好新时代乡村全面振兴，具有一定的理论意义和实践意义。

（1）科技精准帮扶结对的关键在于提高政府主导型科技精准帮扶效率。进入后扶贫时代，需要各级科技有关部门进一步加大基层科技精准帮扶指导支持力度，以进一步提高科技精准帮扶带动效率，从根本上提升政府主导型科技精准帮扶效率。

（2）本土科技管理人员以及本土科技特派员队伍是影响政府主导型科技精准帮扶效率提升的关键因素。对于脱贫地区来说，特别是中西部地区，需要进一步争取有关部门的政策倾斜和支持，充实本土科技管理人员，壮大本土科技特派员队伍。

（3）科技副职等科技对口帮扶人员对政府主导型科技精准帮扶效率的影响不佳。需要进一步加大统筹协调，理顺管理体制机制，让科技副职这一重要队伍建设更加贴合当前乡村振兴的实际需要。