价值链视角下国家农业科技园区创新效率测度与空间格局研究*

霍 明，张 亮，谢玲红，李晓萍

（1.山东农业大学经济管理学院，泰安 271008；2.山东农业大学信息科学与工程学院，泰安 271008；3.中国农业科学院农业经济与发展研究所，北京 100081）

0 引言

2000年根据党中央、国务院的部署，科技部会同原农业部、水利部等6部门，启动了国家农业科技园区建设工作。截止2019 年，科技部分8 个批次共批准建设279 家国家农业科技园区（试点），其中前六批次的166家园区已经通过验收。创新能力监测数据显示，前六批入统的162家园区已建成的核心区面积总和达到54.40万hm2，园区的入驻企业数量超过2.25万家，年度推广的新产品和新技术超过8 000项，孵化培育各类企业近4 500 家，带动农户数量超过900 万。国家农业科技园区作为以科技支撑农业发展的新型模式，已经成为我国农业科技创新和集成转化的重要载体[1]。

2017年科技部等16个部门单位联合发布《“十三五”农业农村科技创新专项规划》，规划中明确提出了三十、三百、三千的建设方案，其中的三百是指要建设300家左右的国家农业科技园区[1]。而在2018年发布的《国家农业科技园区发展规划(2018—2025 年)》中提出要强化园区的创新链，提升园区的价值链，加强园区的协同发展。文章通过对国家农业科技园区创新价值链各阶段的创新效率测度及其空间关联分析，能够发现目前园区创新价值链中存在的问题，并了解农业科技园区的协同发展状况，为园区的创新价值链提升和协同发展提供对策建议。

1 农业科技园区创新价值链模型构建

价值链（Value Chain，VC）的概念最早由“竞争战略之父”M.Porter 于1985 年在其著作《竞争优势》中提出，主要用于分析纵向一体化企业价值创造的动态过程。2000年Hage 提出了“创新链”的概念，并将创新链划分为基础研究、应用转化和市场转化3 个阶段[2]。2007 年Hansen 和Birkinshaw 两位学者基于“价值链”和“创新链”的研究，在《哈佛商业评论》中发表了“创新价值链”一文，正式提出了创新价值链（Innovation Value Chain，IVC）的概念，其将创新价值的形成过程划分为创意产生、创意转换和创意扩散3 个阶段[3]。此后，创新价值链逐渐成为科研管理领域研究的热点问题，国内外多位学者提出自己的创新价值链模型，并开展创新领域的相关研究，包括对区域创新价值链的研究[4-8]、对行业创新价值链的研究[9-13]和对企业创新价值链的研究[14-18]。该文依据国家农业科技园区创新资源聚集和集成示范推广的战略功能定位，提出包括创新技术研发和创新成果转化两个阶段的农业科技园区的创新价值链模型。具体如图1所示。

图1 农业科技园区两阶段创新价值链模型

图1中创新技术研发阶段代表园区通过创新要素的聚集和整合通过研发活动形成技术成果的过程。而创新成果转化阶段代表园区将自身的技术成果和引进吸收的技术成果向技术交易市场和最终产品市场转化而获得收益的过程。通过这两个阶段，园区的创新要素和资源实现其市场价值。投入产出指标选择方面，该文选取R&D 经费支出、R&D 人员数量、入驻企业数量、科研机构数量4个指标为创新技术研发阶段的创新投入要素，选取园区的授权专利数量和审定的新品种数量（包括植物和禽畜新品种）为技术成果产出。同时，园区的技术成果产出与引进的吸收的成果，包括引进的新技术、新产品、新技术和新设施作为创新成果转化阶段的投入变量，以园区的技术性收入、高新技术产业收入和新产品销售收入作为创新成果向技术市场、组织市场和产品市场转化的获得创新转化收益，即创新成果转化阶段的产出变量。如表1所示。

表1 创新价值链两阶段的投入产出变量

2 国家农业科技园区的创新价值链效率测度

该文基于国家农业科技园区的创新价值链中两个阶段投入产出指标，选取已经验收合格的为前六批中的纳入监测的158 家园区作为研究对象（前六批共166 家园区，2018 年入统的为160 家，其中有2 家数据填报缺失较多故未纳入研究），依据《国家农业科技园区创新能力监测报告2017—2019》（目前科技部公布的监测数据截止2018 年）的统计数据，利用数据包络分析中的BCC 模型，对国家农业科技园区创新价值链两个阶段的效率进行测度。全国和各区域园区的创新研发效率和创新转化效率如表2所示。

表2 2016—2018年国家农业科技园区创新研发与创新转化效率

从表2可知，2016—2108年全国158家国家农业科技园区的创新研发效率和创新转化效率的均值分别为0.512 5和0.216 2，创新研发效率大于0.5，整体表现不错，而创新转化效率明显偏低，仅仅略高于0.2。由此可知，国家农业科技园区的创新效率存在“高创新产出和低创新转化”的问题。这说明园区通过创新要素的聚集有效地提升了创新研发效率。创新要素聚集可以促进园区内的企业和科研机构等创新主体通过知识溢出、要素流动和资源互补实现协同创新，并且园区协作分工体系的形成，能够让企业获得技术创新成本优势。同时园区内的竞争环境也可以有效推动企业创新速度和效率的提升[19-21]。然而，园区的创新要素聚集目前并没有对园区创新成果的转化产生较为明显的积极影响。长期以来，创新成果转化率是我国农业科技发展领域的痼疾，据统计，我国目前的农业科技成果转化率只有30%~40%，远低于日本和美国等发到国家70%~80%的转化率，与德国等欧洲发达国家90%左右转化率相比更是相差甚远[22]。农业科技的转化动力不足、服务性中介缺乏、转化受体能力低下和技术交易不活跃等因素，导致农业科技成果转化率低成为长期困扰我国农业发展的问题。根据2018 年的国家农业科技园区创新能力监测工作的相关数据，158 家园区已经获得授权的专利平均数为353.253 0 个，其中转化的成果平均数为73.569 6 个，转化率仅为20.83%，而2018 年园区获得授权的专利平均数为79.531 6 个，其中转化的科技成果平均数为14.487 3个，转化率约仅为18.22%。由此可见，农业科技园区的创新发展中存在着“创新研发高而创新转化低”的矛盾，成为制约园区创新价值链提升的关键问题。因此，如何通过提升园区的创新转化效率是未来园区创新发展中的重点任务。

根据2016—2018 年园区的创新能力监测数据，2016—2018 年园区的研发投入强度、高级创新人才（具有高级职称的研发人员）、高新技术企业数量均在增加，这说明园区的创新要素聚集能力在不断提升，这对于园区的创新要素聚集能力在不断提高，而园区内的投融资机构数量不断增加也为创新创业活动提供了资金保障，这些均有利于园区的创新研发效率的提升。然后，园区的技术交易机构、科技孵化器的数量不增反减。截止2018 年，158 家园区的中有96 家园区还没有技术交易机构入驻，并且技术成果的创业转化方面，还有36 家园区尚未建立科技创业孵化器，而技术交易和科技创业是创新成果转化的重要途经，园区需要积极搭建科技成果转化和创业平台，加强对技术交易服务机构和科技创业者的吸引力，推动科技成果的转化。而园区的示范基地数量稳步增加，通过对创新成果的示范推广有利于创新转化，但是许多园区的示范推广成果过于高大上，脱离了农民的实际需求，应该注意成果示范要与技术需求精准对接。同时，园区要积极开展技术培训，培训能够帮助技术转化对象的技术吸收和掌握。此外，很多园区的发展没有纳入到地方的发展规划中，且园区缺乏明确的战略与功能定位，与邻近园区的支柱产业相同或者相似，同质化竞争严重，从而导致在最终产品市场上的恶性竞争，影响了创新成果的市场转化[23]。同时，园区的产业链不够完整，往往忽略流通和销售环节，这严重影响了技术成果的市场转化与增值，应该注意加强品牌化运作，尤其是应与三品一标产品的有机结合，积极打造技术成果→高新产品→品牌商品的技术转化链条。站在整个创新价值链的视角，园区需要加强研发主体、转化主体和应用主体之间的联系，推动“产、学、研、用”一体化创新，从而根本上解决“研发高转化低”的问题。

而四大区域的创新效率方面，西部园区的创新产出效率最大，达到0.568 6，而东北园区的创新产出效率最小，仅为0.432 1，前者比后者高出31.29%。中部园区的创新转化效率最高，但是也仅为0.229 1，东部园区的创新转化效率最低，仅仅达到0.193 1，前者比后者高出18.64%。因此，总体上各区域间的创新效率差异不大。同时，各区域的创新产出效率同样明显高于创新转化效率。其中，西部园区两者的差距最大，差值达到0.344 2，前者是后者的2.53 倍。东北园区两者的差距最小，差值为0.209 9，前者为后者的1.94倍。

2016—2108 年全国园区的创新产出效率均值呈现出“先下降，后上升”的走势，而创新转化效率均值呈现出“先上升，后下降”的走势，两者的走势表现为反向关系。而四大区域园区的创新效率走势方面，东部园区的创新产出效率表现为“持续下降”的趋势，创新转化效率表现为“先上升，后下降”的走势。中部园区的创新产出效率和创新转化效率均表现为“先上升，后下降”的趋势。西部园区的创新产出效率表现为“持续下降”的趋势，创新转化效率表现为“先上升后下降”的趋势。东北园区的创新产出效率表现为“先下降，后上升”的趋势，创新转化效率表现为“持续上升”的趋势。各区域的创新效率走势呈现出各自的特征，与全国走势并不一致。而各区域创新效率的差异方面，2016—2018年各区域的创新产出效率处于[0.343 9 0.592 1]的区间内，而创新转化效率处于[0.140 0 0.314 7]的区间内，其波动范围相对更大。为了更直观对比158 家国家农业科技园区的创新效率，该文使用创新效率值矩阵展示园区两个阶段的创新效率分布状况。

创新效率矩阵将各园区划分到4 个区域，如图2所示。图中横轴和纵轴分为位于创新转化效率和创新研发效率的均值位置。其中，位于A 区域的园区，其创新研发效率和创新转化效率均高于均值，即高创新研发和高创新转化区域，简称高—高区域。位于B 区域的园区，其创新研发效率高于均值，创新转化效率低于均值，即高创新研发和低创新转化区域，简称高—低区域。位于C 区域的园区，其创新研发效率和创新转化效率均低于均值，即低创新研发和低创新转化区域，简称低—低区域。位于D 区域的园区，其创新研发效率低于均值，创新转化效率高于均值，即低创新研发和高创新转化区域，简称低—高区域。158 家国家农业科技园区的创新效率分布具体如图2 所示（图2 中取名称拼音的首字母代表园区）。

图2 园区创新效率的矩阵分布

由园区的创新效率矩阵分布图2 可以看出，大量的园区位于B 和C 区域，即高—低区域和低—低区域，其中处于B 区域内的园区数量为51 家，占园区总数的32.28%，处于C 区域的园区数量最多，达到30家，占园区总数的34.18%。由此可知，接近70%的园区的创新转化效率低于均值，位于B 和C 区域的园区创新转化效率仅有0.078 8，创新转化效率低是目前农业科技园区创新价值中存在的显著问题。同时，超过1/3 的园区处于低—低区域，这一区域园区的创新研发效率和创新转化效率均值只有0.331 0 和0.081 4。而处于A 区域即高高区域的园区数量为23 家，其创新研发效率和创新转化效率分别为0.730 1 和0.471 5，其数量仅占园区总数的14.55%，在创新价值链两阶段均高效的园区数量非常有限。而处于D区域即低高区域的园区数量为30 家，占园区总数的18.99%。而处于B 区域的园区，提升其创新转化效率是其首要的改善目标。处于C区域的园区，要在加强园区创新要素聚集的同时，注意创新活动的市场导向，通过建立一体化的创新协作体系，提升园区的创新价值链总体效率。处于D 区域的园区，则需要把改善其创新研发效率作为工作的重中之重。该文基于效率矩阵，结合创新效率的影响因素，构建农业科技园区的创新效率优化路径框架，具体如图3所示。

图3 园区创新效率优化路径

3 农业科技园区创新效率的空间格局分析

在对国家农业科技园区创新价值链的两阶段创新效率进行测算的基础上，课题组利用Theil 系数和Moran′I指数来分析农业科技园区创新效率的区域差异和空间关联状况，从而了解园区创新效率的总体空间格局。为了更为清晰地反映创新效率区域差异之间的来源，该文提出二阶段Theil 系数模型，即将传统的Theil系数由区域间和区域内差异两部分构成扩展为由区域间、省域间和省域内差异三部分构成。同时，采用Moran′I 指数测量园区创新效率的空间关联和空间聚集，Moran′I 指数分为全局Moran′I 指数和局部Moran′I指数。全局Moran′I指数可以对从全局分析园区创新效率的空间自相关。而局部Moran′I指数可以用于分析局部园区创新效率的空间聚集状况，局部空间聚集又可以细分为高高聚集、低低聚集、低高聚集和高低聚集。其中，高高聚集是指创新效率高的园区被创新效率高的园区包围。低低聚集是指创新效率低的园区被创新效率低的园区包围，低高聚集创新效率低的园区被创新效率高的园区包围，高低聚集是指创新效率高的园区被创新效率低的园区包围。具体测算结果如表3所示。

表3 2016—2018年国家农业科技园区内创新效率的区域差异和空间关联分析

空间差异方面，从Theil系数可知，2016—2018 年国家农业科技园区的创新转化效率的区域差异比大于创新研发效率。并且创新研发效率的区域差异先增长后减小，而创新转化效率的区域差异在逐步减小。从Theil系数的构成来说看，除2017年的创新研发效率外，其他创新效率的Theil系数构成排序均为省内差异＞省域差异＞区域差异。省内差异在Theil系数构成中占比最高，但是其数值总体在减小，而省域之间的差异总体上在增加，由此可知，园区的创新效率呈现出省域之间逐步分化的趋势。

全局关联方面，2016—2018 年园区的创新研发效率和创新转化效率的Moran′ I 指数均为正。其中，2017年的创新研发效率的Moran′I 指数的P值小于0.05，即园区的创新研发效率呈现为空间正相关，其散点图如图4所示。的而2018年的创新转化效率的Moran′I 指数P值也小于0.05，呈现为空间正相关，其散点图如图4所示。其他的创新效率的空间自相关并不显著，从全局上来看，国家农业科技园区的创新效率目前还没有形成较为明确的空间关联格局，其空间关联呈现出随机状态。这表明目前园区之间没有形成良好的创新协同发展机制。国家农业科技园区的重要功能就是通过技术扩散、资源互补和产业关联实现对周边区域的辐射带动，但是目前的研究结果表明，园区辐的射带动功能没有很好地发挥，对于邻近的园区没有产生显著地积极影响。这就需要注重园区功能与布局的顶层设计，搭建园区的科技资源共享平台，设立园区的利益分配机制，加强园区之间的创新分工协作，促进创新要素的园区间流动，发挥园区创新成果的外部经济性，并根据不同区域的园区特征构建适宜的创新合作模式。

图4 创新效率Moran′I散点图

局部关联方面，2016—2018 年的园区创新研发效率呈现出局部园区“高高”聚集、“低低”聚集、“低高”聚集和“高低”聚集并存的局面，并且尚未没有形成明显的演变趋势。而园区创新转化效率方面，2016 年的创新转化效率呈现局部“低低”和“低高”聚集的格局，而2017 年的创新转化效率则呈现局部“高高”“低低”和“低高”聚集的格局，2018年的创新转化效率则是4种聚集并存的格局，但“高低”聚集只存在于西宁园区，并且“低高”聚集的园区数量有所增加。由此可知，园区的创新转化效率空间格局初步呈现出由“低低”聚集到“低高”聚集再到“高高”聚聚的演变趋势，但由于受研究数据的限制，这种格局演变趋势是否能偶持续还难以考量。

从园区创新效率的局部聚集分布来看，是4 种聚集方式并存的总体格局。而158 家园区样本中，安徽、山东、江苏、湖南和新疆5地的农业科技园区数量已经超过了8家，区域的园区密度已经很大，而只有实现区域的园区创新协同发展才能为的总体协同发展奠定基础，因此，需要根据其局部的空间关联情况构建不同的创新模式。对于“高高”聚集的园区，应该采用极点化的协同创新模式，形成自中心创新网络，充分利用周边的创新资源和市场，将自身打造成区域发展的增长极，采用强竞争、弱合作的发展方式，通过有效地市场竞争实现园区创新效率不断提升。而对于“低高”聚集和“高低”聚集园区，应该采用一体化的协同创新模式，打破区域之间的行政边界限制，在完善市场机制的基础上，通过资源流动与有效整合，形成层次分明的产业梯度，促进高效园区的知识和技术向低效园区扩散，从而带动其创新发展。而对于“低低”聚集园区应该采用组团化的协同创新模式，需要形成差异化的功能定位，以战略协调为基础、产业拉动为重点，通过统一的协调分工，占据产业链的不同环节，以层次化和模块化发展避免同质化竞争所带来的低效率，实现局部园区创新效率的整体提升[24]。具体如表4所示。

表4 不同聚集园区的协同发展模式

4 结论与建议

（1）国家农业科技园区的创新研发效率整体表现较好，创新转化效率明显偏低。园区创新发展中存在着“创新研发高而创新转化低”的矛盾，其成为制约园区创新价值链提升的关键问题。

（2）在158 家国家农业科技园区中，超过1/3 的园区处于低创新研发和低创新转化的区域，仅有不到15%的园区处于高创新研发和高创新转化的园区。对于创新效率表现不佳的园区，需要加强创新要素聚集，完善创新创业服务，构建创新分工协作体系，促进知识和要素流动，以提升其创新研发效率。同时，需要明确战略功能定位，搭建科技交易平台，注重技术实际需求和完善园区产业链条，以提升其创新转化效率。

（3）国家农业科技园区的创新研发效率和创新转化效率表现为省内差异＞省域差异＞区域差异，这说明区位因素并不是影响园区创新效率的决定性因素，园区自身的创新环境建设更为重要，各园区应该加强自身的创新生态构建和创新服务支撑以提升创新效率。而省内差异的数值总体在减小，而省域之间的差异总体上在增加。其创新效率呈现出省域之间逐步分化的趋势。这表明各省对于园区建设的总体布局和政策支持的差异对于园区的创新发展起着越来越重要的作用，各省园区主管单位需要做好园区的顶层设计，推动园区的差异化发展，避免园区的同质化竞争，明确主导特色产业定位，形成较好的产业互补与衔接，实现本省园区的协调高效发展。

（4）国家农业科技园区的创新研发效率和创新转化效率均未形成明确的空间关联趋势，具有一定的随机性，并呈现出“高高”聚集、“低低”聚集、“低高”聚集和“高低”聚集并存的局面，园区之间没有形成有序的区域协同发展格局。对于“高高”聚集的园区，应该采用极点化的协同创新模式，打造区域发展的增长极，通过有效地市场竞争实现园区创新效率的持续提升。“低高”聚集和“高低”聚集园区，应该采用一体化的协同创新模式，通过形成层次分明的产业梯度，促进高效园区的知识和技术向低效园区扩散。“低低”聚集的园区应该采用组团化的协同创新模式，通过占据产业链的不同环节，以层次化和模块化发展避免同质化竞争所带来的低效率。