农业科技社会化服务与农业全要素生产率关联研究

江激宇，倪 婷，刘嘉铭，赖建铭

（安徽农业大学 经济管理学院，安徽 合肥 230036）

农业作为基础产业，为维持国内二三产业持续发展提供了基础资料和动力[1]。然而，当前中国农业发展全过程中粮食安全、农业面源污染等问题仍旧突出。为了适应农业生产大环境的变化，中国农业须走高质量发展之路[2]。农业全要素生产率（total factor productivity，TFP）是反映农业生产中经济质量和效益的重要指标，也是实现农业高质量发展的关键路径[3-4]。党的十九大报告明确提出，提高农业全要素生产率是中国农业发展的紧迫要求。因此，如何提高农业TFP 是学界长久关注的热点之一。目前，学界已探究了农业信息化、数字普惠金融发展、农村产业融合以及农村人口老龄化等对农业TFP 的影响[4-7]。

农业科技社会化服务体系是一个新的政策名词[8]。2020 年《关于加强农业科技社会化服务体系建设的若干意见》指出，加强农业科技社会化服务体系建设对引领农业高质量发展，推进农业农村现代化具有重要作用。既有研究表明，农业科技社会化服务体系对农业高质量发展具有显著正向影响[8]，即将农业科技社会化服务体系作为一个整体研究得出其有助于提高农业TFP。但鲜少有学者从农业科技社会化服务的分项服务探究其对农业TFP 的影响。

本文从区域的视角，运用熵权法测度了2010—2020 年安徽省16 个市的农业科技社会化服务水平及分项指标得分，采用DEA-Malmquist 模型测度其农业TFP，再利用灰色关联度分析模型测度安徽省16 个市的农业科技社会化服务与农业TFP 之间的关联度。目前，安徽省启动了“100+N”开放协同创新体系建设，意图通过创新驱动引领地区农业高质量发展。本文的研究为安徽省16 个市的农业科技社会化服务体系的建设提供了理论依据，同时也能因地制宜，结合地区农业发展需求，完善地区的农业科技社会化服务体系，达到提高农业TFP 的效果。

一、研究数据来源与指标体系构建

（一）研究数据来源

本文所使用的数据来源于2011—2021 年的《安徽省统计年鉴》以及安徽省各市的统计年鉴、相关统计数据和公报等，少量缺失数据采用插值法补齐。其中绝大部分指标的名称和数值是参照原始数据，部分指标是通过计算整合后得到的。此外，为了确保数据的可比性，以2010 年为基期，对涉及产值的相关数据进行了平减处理。

（二）农业科技社会化服务水平指标体系构建

参考郑小玉等[8]学者对农业科技社会化服务这一新政策名词的解读，农业科技社会化服务的内涵理解是将农业科技知识、技术以及信息等非传统的农业生产要素带入农业生产的全过程中，致力推进农业高质量发展和农业农村现代化。因此，农业科技社会化服务水平指标体系构建包涵农业科技创新和农业信息化两方面。此外，科技部、财政部等部门发布的《关于加强农业科技社会化服务体系建设的若干意见》（国科发农〔2020〕192 号）明确指出“农业科技社会化服务体系是农业社会化服务体系和农业科技创新体系的重要内容”。因此，借鉴前人对农业社会化服务、农业科技创新指标体系构建的研究[9-12]，本文基于实际数据的准确性、科学性和可获得性，根据农业科技社会化服务的服务功能不同，将其分解为社会公共服务、农资服务、农业科创服务、农业劳力服务、农业信息化服务以及农业收益服务6 类分项（表1），具体的指标解释为：（1）社会公共服务，指政府为地方农业发展而倡导和提供的公共服务，包括村民居委会、道路建设水平、农业水利水平以及财政支农力度等。（2）农资服务，指地方农业生产资料供应水平，包括农业用电量、农机具供应量、化肥供应量、农药供应量以及农用塑料薄膜供应量等。（3）农业科创服务，指地方农业科技创新投入与水平，包括农业科技服务经费投入、农业科技创新投入、粮食作物单产增长水平以及经济作物单产增长水平等。（4）农业劳力服务，指主要从事农业生产的劳动力及其知识水平，包括农业劳动生产力、科技服务人员以及农业服务人员受教育水平等。（5）农业信息化服务，指为农业生产者提供外部信息，包括互联网应用水平和通讯水平等。（6）农业收益服务，用来衡量地方农业经济发展现状。农业科技社会化服务发展的初衷无疑是为促进农业发展和提高农民收入。因此，农业经济发展也可能会反作用推动农业科技社会化服务的完善。为度量安徽省市级农业科技社会化服务水平，本文共选取6 个一级指标和20 个二级指标。

表1 农业科技社会化服务指标体系

（三）农业全要素生产率测度指标选取

目前，学界对农业TFP 的指标体系构建、测度等进行了大量的研究[1-7]。参考前人的研究可知，农业TFP 是用来表示多投入，多产出情况下农业生产率变化的一个综合指标[13]。农业生产中劳动力、土地、生产资料是最基本的要素，农业收益或农民收入也是常用来衡量农业产出的指标。本文参考金绍荣等[14]、易福金等[15]学者的研究，从农业投入和产出两方面构建了农业TFP 的测算指标体系，投入指标围绕土地、农业劳动力、农肥以及农用机械等构建，产出指标围绕农业经济总产出构建。具体的指标解释如下：（1）投入指标。考虑到农作物复种指数，土地采用农作物播种面积（千hm2）来表示；农业劳动力采用农业从业人员数量（万人）来表示；农肥采用化肥折纯施用量（万t）来表示；农用机械采用农业机械总动力（万kW）来表示。（2）产出指标。农业经济总产出采用农林牧渔业总产值（万元）来表示。

二、评价方法

（一）农业科技社会化服务的评价方法

采用客观赋权法中的熵权法对农业科技社会化服务水平进行测度，避免了主观赋值中出现的随机性，旨在分析2010—2020 年安徽省16 个市的农业科技社会化体系服务水平及变化。此外，为了使不同年份之间的结果具有可比性，加入时间变量，使得各指标计算结果更加合理[16]。加入时间变量的熵权法的具体步骤如下：

第一步，设研究数据中有t个年份，r个市，i项指标，则Xtri表示第t年r市的第i项指标。

第二步，采用极值法消除正、负指标量纲和单位不一致导致的不可比性。

正向指标标准化：

负向指标标准化：

第三步，为了避免计算过程中对数出现无意义现象，需要进行平移处理：

第四步，计算第t年r市的第i项指标占样本总指标的比重：

第五步，计算第i项指标的熵值：

第六步，计算第i项指标的权重：

第七步，计算安徽省16 个市的农业科技社会化体系服务水平综合得分：

（二）农业全要素生产率的评价方法

目前，学界主要用生产函数法、增长核算指数法、DEA-Malmquist 生产率指数法以及随机前沿法测算TFP[17]。有学者证实DEA-Malmquist 生产率指数法和随机前沿法测算TFP 较其他方法更有优势，且DEA-Malmquist 生产率指数法更适合测算农业TFP 的研究[18]。本文利用Deap2.1 软件，采用了投入导向的DEA-Malmquist 生产率指数法测算安徽省16 个市的农业TFP[14]。具体的模型如下：

式（8）中，ρ为决策单元的综合效率值；当ρ=1时，决策单元达到DEA 有效状态，否则，决策单元处于非DEA 有效状态；xi和yi表示第i种的投入变量和产出变量；αi表示决策单元的组合比例；n表示决策单元的个数。

Malmquist 生产率指数是测度农业TFP 变化的专门指数，模型构建如下：

式（9）中，di表示投入导向的距离函数；若Malmquist 指数值大于1，表示测算所得的农业TFP 呈上升趋势；若Malmquist 指数值等于1，表示测算所得的农业TFP 呈不变趋势；若Malmquist 指数值小于1，表示测算所得的农业TFP 呈下降趋势。

（三）农业科技社会化服务与农业全要素生产率关联度的评价方法

农业科技社会化服务对农业TFP 的影响不仅要从机制上进行影响路径的分析，还需要定量刻画农业科技社会化服务与农业TFP 这两个系统变量之间的关联特征。基于灰色关联系统理论所建立的灰色关联分析法来评价农业科技社会化服务与农业TFP 之间的关系。灰色关联分析是根据系统变量时间序列数据的几何曲线形状的近似程度来判断其联系是否紧密，几何曲线越接近，意味着二者的关联度越高；反之越低[19]。关联度是通过灰色关联度模型计算得来的，并且可以通过对关联度进行排序来分析影响因素的重要性。关联度指越大，则说明其是主要影响因素；反之则说明其对系统的影响较小或没有影响。参考既有文献[20]，具体研究步骤如下：

第一步，根据分析目的确定分析指标，收集分析数据。

第二步，确定参考数列和比较数列，选择将农业TFP 作为参考数列x0，农业科技社会化服务体系的分项指标作为比较数列且xi(n)}(n=1,2,···,11)。

第三步，由于各项指标数据的意义不甚相同，可能存在数量级与纲量级的差异。为了准确比较，需要进行无纲量化处理。

第四步，计算关联系数。

第五步，计算关联度。将参考数列x0和比较数列xi各点的关联系数加和平均即能得到农业科技社会化服务中各分项指标与农业TFP 的关联度。参考现有研究，ρ=0.5时，关联度大于0.6，则认为其关联度显著。

三、实证分析

（一）农业科技社会化服务综合水平

表2 是将2010—2020 年安徽省16 个市的面板数据经过熵权法计算后得到的农业科技社会化服务综合得分。从表2 可以看出，安徽省16 个市的农业科技社会化服务整体水平呈上升趋势，合肥市、芜湖市和六安市长期处于领先地位，但池州市、黄山市和淮北市长久以来处于落后地位。其次，农业科技社会化服务综合得分领先和落后的市发展相对平稳，综合得分领先的市长久处于领先地位，综合得分较低的市也一直未能实现逆袭。第三，部分处于中等服务水平地区的农业科技社会化服务水平变动幅度较大，如淮南市等。可能的原因是当地主导产业非农，且当地市政府未能持续关注和投入对其农业科技社会化服务体系的完善。

表2 安徽省各市农业科技社会化服务水平综合得分

（二）农业全要素生产率测度分析

表3 是2011—2020 年安徽省16 个市的农业TFP 定比改进指数。借鉴李晓龙等的做法[21]，在测得Malmquist 指数值的基础上，将测得的农业TFP 环比改进指数换算成定比改进指数，即令2010 年的农业TFP 为1，用2010—2011 年的Malmquist 指数值乘以2010 年的农业TFP 就可得2011 年的农业TFP，以此类推得到2010—2020 年的农业TFP。从表3 中可以看出，安徽省16 个市较多在2018 年和2019 年农业TFP 出现波动，呈下降趋势。可能的原因是自然因素和新冠疫情对地方农业发展造成的不可抗力干扰。其余年份，大部分市的农业TFP 均呈现上升趋势，只有个别市有反向波动。

表3 安徽省各市农业全要素生产率

（三）农业科技社会化服务与农业全要素生产率的灰色关联分析

表4 是使用灰色关联分析法将2010—2020 年安徽省16 个市的农业科技社会化服务与农业TFP 的相关数据进行计算后，得到的农业科技社会化服务6 类分项服务与农业TFP 间的灰色关联度。从表4 可以看出：（1）农业科技社会化服务与农业TFP 的关联度较高，集中在0.655～0.847，其中马鞍山市的农业科技社会化服务与农业TFP 的关联度最高，为0.847；合肥市的农业科技社会化服务与农业TFP 的关联度最低，为0.655。（2）结合表2 可知，合肥市的农业科技社会化服务综合得分较高，但其与农业TFP 的关联度最低。然而，池州市、黄山市和淮北市的农业科技社会化服务综合得分虽处于省内垫底水平，但其与农业TFP 的关联度处于中等。（3）社会公共服务与农业TFP 的关联度较高且显著，集中在0.693～0.858；除铜陵市以外，其他各市的农资服务与农业TFP 的关联度较高且显著，集中在0.546～0.872；安徽各市的农业科创服务与农业TFP 的关联度较高且显著，集中在0.635～0.872；除六安市、安庆市以外，其他各市的农业劳力服务与全要素生产率的关联度较高且显著，集中在0.571～0.85。安徽省16 个市的农业信息化服务与全要素生产率的关联度不显著，仅芜湖市和马鞍山市的关联度超过0.6；安徽省内大部分市的农业收益服务与农业TFP 的关联度均低于0.6。

表4 农业科技社会化服务与农业全要素生产率的关联度

四、结论与建议

（一）分析结论

通过对2010—2020 年安徽省市级面板数据的分析发现：（1）农业科技社会化服务整体水平呈现上升趋势，且综合得分领先和垫底的市的农业科技社会化服务体系发展相对平稳，服务水平处于中间阶段的部分市变化幅度较大。（2）2018 年和2019 年安徽省16 个市的农业TFP 受到较大影响，较多市的农业TFP 呈下降趋势，其余年份整体上呈稳定上升趋势。（3）安徽省16 个市的农业科技社会化服务作为一个整体与农业TFP 关联度普遍显著，集中在0.655～0.847。（4）除铜陵市的农资服务与农业TFP 的关联度不显著、六安市和安庆市的农业劳力服务与农业TFP 的关联度不显著以外，其余各市的社会公共服务、农资服务、农业科创服务与农业劳力服务与农业TFP 的关联度均较高且显著。此外，安徽省大部分市的农业信息化服务、农业收益服务与农业TFP 的关联度均不显著。

（二）发展建议

长久以来，安徽在农业生产方面独具资源禀赋及地理优势，是中国的粮食主产区。安徽省16 个市的农业社会化服务与农业TFP 的灰色关联分析结果也显示出，安徽省的农业发展与新时期农业高质量发展存在较大差距。本文对完善安徽省农业科技社会化服务与提高其农业TFP 提出如下建议：（1）大力发展数字经济，推动农业信息化转型。农业信息化是农业科技社会化服务体系中重要的组成部分，有助于提高农业TFP。当前正值新信息技术变革关键期，安徽省应把建设数字乡村作为推进农业农村现代化、农业高质量发展的重要途径。（2）资源整合，创新农业科技社会化服务体系。创建省内农业科技社会化服务信息共享平台，有助于整合科技、信息等资源，提高农业科技创新的贡献率。突出省内各市农业发展优势，互相学习，同时摒弃自身的不足，全面高效地提升农业TFP。（3）加大农业公共基础设施建设，营造农业高质量发展的外部环境。农业生产离不开劳动力和机械。农业公共基础设施完善有助于向社会外界传达政府支持农业发展的意愿，营造良好的外部环境，有助于吸纳新时代青年投身农业。同时完善的农业公共基础设施有助于农业机械的普及应用，有助于提高农业生产率，增加农民收入。