农业科技创新投入对粮食生产效率的影响研究

张雪萍，张敬林，李敬锁*

（1.青岛农业大学 管理学院，山东 青岛 266109；2.山东省高密市现代农业发展中心，山东 高密 261500）

粮食安全问题一直都是我国和世界各国关注的焦点，我国人多地少，因此，提高粮食生产效率对保障粮食安全意义重大。科学技术是现代农业发展的根本，当前以生物科技和信息技术为特征的新一轮农业科技革命正在孕育大的突破，作为一个农业大国，我国应当加快推进农业科技创新，着力维护国家粮食安全。目前，对于粮食生产效率的研究，沈琼等运用C-D生产函数方法测算了小麦和玉米的生产效益，提出农业技术创新的提升对粮食单产有显著的正向影响，对粮食单位面积成本有显著的负向影响［1］；何悦等研究了城镇化发展对粮食生产技术效率的影响，得出城镇化进程中农村劳动力外流、耕地面积锐减、资源环境压力可能对粮食生产和粮食安全产生重要影响［2］。另有多位学者运用不同的指标和方法测算了不同年份的粮食生产效率并分析了其影响因素［3-6］。然而对于农业科技创新投入的研究，多位学者从农业经济增长方面展开了分析，邓翔等提出我国农业科技创新投入已成为农业经济增长的决定性影响要素，但仍存在规模强度较小、区域投入不平衡、资源配置不合理、利用效率低下等问题［7］；吴林海等认为单方面增加农业科技投入对农业经济增长的作用是有限的［8］；刘敦虎等得出农业科技投入对农业经济增长呈现滞后效应的结论［9］；刘玉春等提出农业科技投入对农民收入和农业科技进步的影响具有明显的累积效应［10］；吕月珍等从新农村经济发展角度研究得出农业科技创新投入的增加将促进新农村经济发展，提高农民生活水平［11］。

结合已有相关文献的研究发现，部分学者从农业科技创新投入角度研究了许多农业相关问题，但目前关于农业科技创新投入对粮食生产效率影响的研究较为少见，另有部分学者对粮食生产效率及影响因素进行了研究，但是少有从农业科技创新投入角度进行针对性的分析。基于2014~2018年我国31个省（市）区粮食生产的投入和产出数据，首先运用DEA（数据包络分析法）模型对各省的粮食生产效率进行测算，然后运用面板Tobit回归模型分析农业科技创新投入对粮食生产效率的影响，以期从农业科技创新投入角度为我国的粮食生产发展提供部分参考。

1 我国各省（市）区粮食生产效率的测算

1.1 模型与指标选取

DEA（数据包络分析法）是一种进行效率评价的非参数方法，主要包含CCR和BCC两种形式，CCR模型假设规模报酬不变，用来衡量总效率；BCC模型假设规模报酬可变，用来衡量纯技术效率和规模效率。笔者选用DEA-BCC模型对我国31个省（市）区的粮食生产效率进行测算。

结合已有参考文献、粮食生产实际数据的可获得性，从劳动力、土地、资本方面共选取5个投入指标，选取产量和产值2个产出指标，由于细分粮食的生产数据无法获得，故参考已有的研究方法［12-13］，将投入、产出数据按照相应权重从农业大口径数据中剥离，其中：权重A=（农业产值/农林牧渔总产值）×（粮食播种面积/农作物总播种面积）；权重B=粮食播种面积/农作物总播种面积。具体构建的投入产出指标体系如表1所示。

以2014~2018年全国31个省（市）区（不包括香港、澳门和台湾）为研究对象，构建了其投入产出面板数据，其中，农林牧渔从业人员数据来自各省（市）区统计年鉴，其余数据均来自《中国统计年鉴》。从全国范围和三大粮食生产功能区分别评价，三大生产功能区分别为：粮食主产区、粮食主销区、粮食平衡区。农业农村部和国家粮食局根据粮食产量、播种面积和提供商品粮贡献将全国31省（市）划分为3个功能区，其中将粮食产量占全国粮食产量比重大于3.5%的13个省（市）划定为主产区；将粮食产量和粮食消费量大致相等的省（市）划定为产销平衡区；将粮食消费量大于产量（粮食自给率小于0）的地区划分为主销区。粮食主产区包括黑龙江、吉林、内蒙古、河南、山东、安徽、辽宁、河北、江苏、江西、湖北、湖南、四川；粮食主销区包括北京、天津、上海、浙江、福建、广东和海南；粮食平衡区包括山西、宁夏、青海、甘肃、西藏、云南、贵州、重庆、广西、陕西、新疆。

表1 粮食生产效率评价指标体系

1.2 粮食生产效率实证分析

运用DEAP 2.1软件，从DEA-BCC模型的产出导向出发，对粮食生产效率进行了效率测算，得出了31个省（市）区的综合效率、纯技术效率和规模效率，如表2所示。

从综合效率来看，2014~2018年我国31个省（市）区粮食生产的综合效率均值为0.928，粮食生产取得优异成绩，符合我国粮食产量“十七连丰”的实际成果。其中吉林、黑龙江、江西等10个省份的综合效率值达到了DEA有效，说明这些省份的粮食生产投入产出结构合理。主产区有3个省份、主销区有4个省份、平衡区有3个省份达到了DEA有效。在未达DEA有效的省份中综合效率值最低的为山西省的0.689，其粮食生产的投入产出结果尚不合理，有待调整。

从纯技术效率来看，2014~2018年我国31个省（市）区粮食生产的纯技术效率均值为0.955，说明样本年间的粮食生产技术利用效果很好。其中共有18个省的纯技术效率值为1，说明有58%的省份充分利用了粮食生产技术来提高粮食产量。主产区有7个省份、主销区有6个省份、平衡区有5个省份的纯技术效率值为1；其中主销区除天津外全部为1，联系主销区经济发达、人多地少、粮食自给率低、粮食产量和需求缺口较大的实际情况来看，虽然其粮食生产的技术经济水平高，但由于耕地较少，粮食产量并不乐观。在未达有效的省份中纯技术效率值最低的为山西省的0.758，其纯技术效率值的偏低导致了综合效率的下降。

从规模效率来看，2014~2018年我国31个省（市）区粮食生产的规模效率均值为0.971，说明其投入产出的资源配置效率较为合理。其中共有10个省份的规模效率均值为1，说明这些省份的投入产出合理。各功能区达有效状态的省份与综合效率情况相同，在未达有效状态的各省中，规模效率值最低的为河北省的0.864，说明其投入与产出的资源配置还有较大的提升空间。

2 农业科技创新投入对粮食生产效率的影响分析

2.1 模型与指标的选取

由于利用DEA-BCC模型所测算出的效率值是范围在0~1之间的截断性离散数据，无法利用传统的OLS模型进行回归分析，因此采用Tobit模型进行回归处理。对于面板数据的回归模型，需考虑是否存在个体效应，若存在个体效应则选择固定效应或随机效应模型，若不存在个体效应则选择混合回归。而对于固定效应的面板Tobit模型，由于找不到个体异质性的充分统计量，故无法像固定效应的Logit或计数模型那样进行条件最大似然估计［14］，因此仅考虑随机效应的Tobit模型，通过LR检验判断是否存在个体效应，然后判断应使用随机效应的面板Tobit回归还是混合Tobit回归。

表2 2014~2018年我国31省（市）区粮食生产效率均值

结合粮食生产的实际情况，以上文DEA分析得出的2014~2018年31个省（市）区的粮食综合效率为被解释变量，并根据已有研究成果选取5个影响因素指标为解释变量［3，12，15］。（1）农业R &D人员作为表示农业科技创新的人力资本投入，考虑农业R &D人员对粮食生产的技术创新会产生影响。由于此数据无法直接获取，所以借鉴齐冰采用的数据折算方法［16］，根据各省的R &D人员数量计算得出。（2）农业R &D经费内部支出表示农业科技创新的财力资本投入，考虑农业R &D经费可以在粮食生产的技术研发上提供资金支持，从而对粮食生产效率产生影响。由于此数据无法直接获取，所以借鉴齐冰采用的数据折算方法［16］，根据各省的R &D经费内部支出数据计算得出。（3）地区农业经济占比表示农业经济在该地区的重要程度，以地区第一产业增加值占地区总产值的比重来衡量，一般情况下农业产值越高，该地区对农业的重视程度也越高，会促进粮食生产效率提升。（4）灌溉水平表示该地区灌溉水平的高低，本文用有效灌溉面积数据来衡量，并用上文中的权重B来进行折算，一般来说灌溉水平越高，会增加粮食的灌溉面积，从而提高粮食生产效率。为缓解异方差等问题对估计有效性的影响，对灌溉水平取对数处理。（5）农作物受灾率表示该地区农作物的受灾情况，用农作物受灾面积与农作物播种面积的比值表示，农作物受灾率越高其粮食生产效率则越低。

以2014~2018年我国31个省（市）区的面板数据构建了面板Tobit回归模型，其中的R &D人员数据和R &D经费内部支出数据来自《中国科技统计年鉴》，农林牧渔从业人员数据来自各省（市）区统计年鉴，农作物受灾面积数据来自《中国农村统计年鉴》，其余指标数据均来自《中国统计年鉴》。具体构建的影响因素指标体系如表3所示。

表3 影响因素指标体系及其解释

2.2 影响因素的分析

运用STATA 15.0软件分别对三大粮食生产功能区的影响因素进行回归，其中主产区、平衡区采用随机效应的Tobit回归，主销区采用混合Tobit回归，结果如表4所示。

（1）农业R &D人员对粮食主产区的粮食生产效率有显著负向影响，对粮食主销区有显著正向影响，对平衡区影响不显著。一直以来，国家对粮食安全问题尤为重视，对粮食主产区的农业R &D人员投入较多，但从投入转化为生产力尚需要时间的积累，目前受科研体制所限，一些研究应用性导向不突出，导致转化率不高，对主产区粮食生产影响的增长效应不强，造成一定的负向影响。主销区由于经济高度发达，且农业规模较小，农业R &D人员的研究成果能更好地应用到粮食生产中去，对粮食生产效率产生正向影响。平衡区的自然地理条件受限，增加农业R &D人员也难以改变其气候环境及土地等弊端，因而农业R &D人员对其并无明显影响。

（2）农业R &D经费内部支出对粮食主产区的粮食生产效率有显著的正向影响，对主销区有显著的负向影响，对平衡区的影响不显著。农业R &D经费的投入能够促进新技术的研发，从而改进粮食生产技术，提高粮食生产效率。主产区是粮食生产的主力军，拥有种植粮食的有利条件，再加上农业新技术的投入，会提高其粮食生产效率。主销区由于农业生产规模较小，规模效益不突出，增加农业R &D经费投入会使粮食生产投入要素增多，在粮食产量难以提高的情况下会降低粮食的生产效率。平衡区由于其自然地理条件情况的制约，资金上的投入难以改变其气候环境及土地问题等弊端，因而农业R &D经费内部支出对其影响不显著。

（3）地区农业经济占比对粮食主产区、平衡区有显著的正向影响，对主销区的影响不显著。一个地区的农业占经济水平比值在一定程度上代表着农业的发展水平，地区农业经济占比越高，其农业发展越好，相对的粮食生产效率就会越高。主产区、平衡区的农业生产规模较大，地区农业经济占比较高，能更好地发展农业生产，有利于粮食生产效率的提升。而主销区的农业生产规模较小，农业经济占比不高，粮食不能自给自足，地区农业经济占比对粮食生产效率的影响不大。

（4）灌溉水平对粮食主销区和平衡区的粮食生产效率有显著的负向影响，对主产区的影响不显著。随着有效灌溉面积逐渐增加，耕地条件逐渐得到改善，可能导致了农业种植结构调整，农民的非粮化种植倾向提高。主销区和平衡区的粮食生产水平相对较低，耕地条件得到改善的情况下可能选择通过种植其他作物来提高收入，导致粮食生产效率降低。主产区农业规模化水平较高，且受粮食产量的条件约束，灌溉变动对其粮食生产效率影响并不大。

（5）农作物受灾率对粮食主产区的粮食生产效率有显著的负向影响，对粮食主销区和平衡区的影响不显著。农作物受灾会造成粮食减产，继而对粮食的生产效率产生一定影响。主产区是粮食作物的主要生产地区，农作物种植规模大，一旦受灾容易造成大面积的损失，受灾率的提高会明显降低粮食的生产效率。主销区的粮食种植规模和产量相对较小，农作物受灾率对其影响较小。平衡区受自然地理环境条件限制，区域内多高原山地，气候变化不稳定，且该弊端一直存在，因而样本年间内的农作物受灾率对其影响并不显著。

表4 Tobit回归结果

3 结论与对策建议

3.1 结论

基于DEA-BCC模型和面板Tobit回归模型相结合的方法，对2014~2018年中国31个省（市）区的粮食生产效率和影响因素进行了分析，着力研究农业科技创新投入对粮食生产效率的影响。具体研究所得结论如下。

（1）我国的粮食生产效率整体上发展良好，全国31个省份的综合效率均值达0.928，纯技术效率均值达0.955，规模效率均值达0.971。从三大粮食功能区来看，粮食主产区、主销区和平衡区的综合效率均值分别为0.930、0.978、0.893，其中平衡区的综合效率较低，可能受其气候、地形影响较大。仍需继续合理配置投入产出要素，在此基础上稳步提升粮食生产效率。

（2）农业R &D人员对粮食主产区的粮食生产效率有显著负向影响，对粮食主销区有显著正向影响，受农业科技成果转化率的影响较大。农业R &D经费内部支出对粮食主产区的粮食生产效率有显著的正向影响，对主销区有显著的负向影响，农业科技的发展与资金投入息息相关，但也要因地制宜。地区农业经济占比对粮食主产区、平衡区有显著的正向影响，一定范围内的农业经营规模能促进粮食的生产效率。灌溉水平对粮食主销区和平衡区的粮食生产效率有显著的负向影响，耕地条件的改善促使了主销区和平衡区农作物种植种类的变化。农作物受灾率对粮食主产区的粮食生产效率有显著的负向影响，降低粮食主产区的农作物受灾率至关重要。

（3）从整体来看，农业科技创新投入对粮食三大功能区的影响存在一定的差距，对粮食主产区的影响最大。科学技术是农业发展的第一生产力，农业科技创新投入要素对粮食生产效率的影响不能同一而论，还需具体要素具体分析。我国幅员辽阔，地形和气候复杂多样，各省份因所处地理位置不同导致了粮食种植品种与产量的差异，粮食主产区无论是在地区还是在农业经济发展水平上都占据了优势地位，粮食主销区由于第三产业经济高度发达或因其特殊的位置与地质条件而需依靠粮食购入，粮食平衡区则在各方面都处于一个比较平衡的状态。

3.2 对策建议

3.2.1 粮食各生产功能区的农业科技创新要素投入应分类施策 各粮食生产功能区的地理位置条件及发展情况不同，因而对各功能区的农业科技创新要素投入要因地制宜、分类施策。对粮食主产区的农业R &D人员进行合理安排，缩减冗余人员，加大政策支持，引导农业R &D人员进行贴近实际的研究，扩大主产区农业R &D经费投入，不断提升农业经济发展水平。对粮食主销区的农业R &D经费进行谨慎投入，合理增加主销区农业R &D人员数量，严格管控主销区的耕地非粮化倾向。对粮食平衡区的非粮化倾向进行正确引导，鼓励平衡区合理运用现代农业科技发展农业经济，不断提高粮食生产效率。

3.2.2 提高农业科技成果转化率 科学技术是第一生产力，科技创新成果转化率是衡量农业科技创新成果的关键性指标。以应用性为导向，注重科研和实践相结合，鼓励科研机构加快自有成果转化应用；培养农业科研人员的科研情怀，增强其科研责任感，激励农业科研人员在研发过程中将论文写在大地上。

3.2.3 推动农业与二三产业融合发展 农业是国民经济的基础，农业经济发展水平关系着农业科技创新成果的利用。充分利用各地区自然条件，因地制宜发展农业，加深农业与二三产业的融合，进行农产品深加工处理，延长农产品产业链条，提高农业附加值，推动各粮食生产功能区农业经济发展。

3.2.4 提高防灾减灾能力 现代农业是在科学技术基础上发展起来的，农业科技创新是现代农业发展的必然选择。当前我国农业技术的“卡脖子”问题仍然较为突出，打好关键核心技术攻坚战任重而道远；充分利用最先进的农业科学技术，将最新的农业科技带到田间地头，通过农业科技服务为农业生产者传授农作物的自然灾害防治和治理等知识，从而提高各粮食生产功能区的防灾减灾能力，从而提高粮食生产效率。