基于DEA-BCC模型和Malmquist指数的天津市农业科技成果转化效率研究

2023-05-21米琳李慧燕

天津农业科学 2023年5期

米琳李慧燕

摘要：为探究天津市农业科技成果转化机制创新的方向及重点，提高天津市农业科技成果转化效率，选取2013—2020年的数据，运用DEA—BCC模型和Malmquist指数对天津市农业科技成果转化效率进行静态和动态分析，并与北京、上海进行横向对比。结果表明：2013—2020年京津沪3地综合技术效率均呈下降的趋势，农业科技成果转化效率均未达到最优水平，通过Malmquist 指数分解发现技术变化是其主要影响因素。鉴于此，提出提高天津市农业科技成果转化效率的4条建议：构建高质量成果产出机制、畅通转化链条、完善服务机制、增强科技金融服务能力，以期为天津市农业现代化建设助力。

关键词：DEA—BCC模型；Malmquist指数；农业科技成果转化；天津市

中图分类号：F323.3 文献标识码：A DOI 编码：10.3969/j.issn.1006－6500.2023.05.013

Abstract： In order to explore the direction and focus of the innovation of the transformation mechanism of agricultural science and technology achievements in Tianjin， and to improve the efficiency of the transformation of agricultural science and technology achievements in Tianjin， this paper selected panel data from 2013 to 2020， used DEA-BCC model and Malmquist index to conduct static and dynamic analysis on the efficiency of transformation of agricultural science and technology achievements in Tianjin， and made a cross-sectional comparison with Beijing and Shanghai. The results showed that the comprehensive technical efficiency of Beijing， Tianjin and Shanghai all showed a decreasing trend from 2013 to 2020， and the efficiency of transformation of agricultural science and technology achievements did not reach the optimal level， and the decomposition of the Malmquist index revealed that technological change was the main influencing factor. In view of this， four suggestions are put forward to improve the efficiency of the transformation of agricultural science and technology achievements in Tianjin： constructing a high-quality output mechanism， smoothing the transformation chain， improving the service mechanism and enhancing the capacity of science and technology financial services， with a view to contributing to the modernisation of Tianjin's agriculture.

Key words： DEA-BCC model; Malmquist index; transformation of agricultural science and technology achievements; Tianjin

農业科技创新是推动农业发展方式转变，加快农业现代化建设的重要动力。加快推进农业科技成果转化，有利于农业科技成果与产业快速对接，助力乡村振兴。推动天津市农业转型升级，提高天津市农业科技资源的利用效率，激发科研人员创新，促进农业科技成果转化顺畅是实施创新发展战略亟待解决的核心问题。因此，探究天津市农业科技成果转化效率变化，发现存在的问题并揭示其原因，有利于成果转化机制的完善，促进农业现代化建设。

农业科技成果转化效率是衡量农业科技成果的利用效率及市场价值的重要标准，国内外学者对农业科技成果转化效率的测度进行大量研究，研究中常用的方法是数据包络分析法。贺忠连等[1]运用DEA-Malmquist指数对湖南省2008—2017年科技成果转化效率进行测度。结果表明，湖南省科技成果转化全要素生产率年均下降3.5%，主要原因在于科技进步缓慢或停滞。李树强等[2]运用三阶段 DEA 模型对山东省农业技术效率进行测度，研究发现第三阶段农业综合技术效率、规模生产效率的测算值较之第一阶段明显提高；大多数城市纯技术效率值远小于规模效率值。杨潇等[3]运用DEA模型对云南省各州市规模以上工业企业的科技成果转化效率进行分析，发现云南省各州市的科技成果转化效率区域差异较明显，资源配置相对不合理。张凤等[4]基于2010—2020年京沪深的面板数据，建立DEA模型，测度3市技术转移效率，同时进行敏感度分析与投影值分析，发现3市均存在 R&D 经费投入过多和高新技术产品出口额不足的问题，北京还存在单位研发人员产出效率较低的问题。

综上所述，目前学者对于农业科技成果转化效率的测度以DEA方法为主且已取得较多成果，效率评价的实证分析能够阐述各地农业科技成果转化水平，但对天津市的农业科技成果转化效率的研究较少。因此，本文运用DEA-BCC模型和 DEA-Malmquist指数对天津市2013—2020年的农业科技成果转化效率展开研究，并与北京、上海进行横向对比，以期找到天津市农业科研创新和技术转化方面存在的实际问题，并提出针对性的改进措施和建议。

1 研究方法

1.1 DEA-BCC模型

数据包络分析方法是由美国运筹学家A.Charnes和W.W.Cooper在1978年提出的一种效率测量方法[5]。DEA模型适用于多投入多产出的数据样本，运用线性规划，对决策单元的投入产出进行相对有效性评价。DEA模型包含BCC、CCR和SBM等模型，最常用的是以规模报酬不变为基本假设的CCR模型和引入规模报酬可变的BCC模型。BCC模型是对CCR模型的改进，把综合技术效率进一步分解为纯技术效率和规模效率[6]。本文在规模报酬可变的条件下，构建以产出为导向的DEA-BCC模型，对天津市农业科技成果转化综合效率进行测度。具体计算公式如下：

式中，xij 和 yrj分别表示第j个市的第 i个投入和第 r 个产出； si + 和si - 为松弛变量；j0为某个选定的城市。当θ=1，且sr + =0，si - =0时，表明该市农业科技成果转化的效率值为 1，称为 DEA有效。

1.2 Malmquist指数模型

Malmquist指数模型是基于面板数据分析的动态相对效率评价方法，可以测量决策单元在不同时期效率的动态变化。为了研究天津市近8年农业科技成果转化效率，本文拟采用DEA-Malmquist指数方法。Malmquist指数有投入导向型和产出导向型，依据研究需要，本文选取产出导向型。

基于产出的Malmquist指数定义为：

式中，（xt，yt）和（xt+1，yt+1）分别表示在第t期和第t+1期的投入—产出组合；Dt（xt，yt）和Dt（xt+1，yt+1）分别表示在t期和t+1期的距离函数[7]。在固定规模报酬的假定下，使用Mt和Mt+1的几何平均数计算Malmquist指数，即：

Techch表示“前沿面移动效应”，也就是技术进步变动指数；Effch为“追赶效应”，也就是技术效率变动指数，当Tfpch>1，则该年间全要素生产率上涨，农业科技成果转化效率增加。当Sech>1，则表明从长期来看决策单元接近最优规模[8-9]。

2 实证分析

2.1 指标选取与数据来源

农业科技成果转化效率评价指标体系有投入指标和产出指标两部分组成。其中投入指标主要包括人力投入、资金投入和知识性投入，产出指标主要包括专利、技术登记合同金额、科技项目收益等。由于农业科技成果转化过程复杂，且部分数据收集困难，因此本文选取自然科学研究与技术开发机构从事科技活动人员为投入人员指标，农林牧渔业科技活动支出资金数额为投入资金指标；选取自然科学研究与技术开发机构中的农林牧渔业专利申请量、发表的科技论文、农业技术市场成交额为天津市农业科技成果转化产出指标[10-12]。为了对天津市农业科技成果转化效率进行比较分析，选取2013—2020年京津沪3地的数据进行对比研究。数据来源于2014—2021年《天津科技统计年鉴》《北京科技年鉴》《上海科技统计年鉴》，天津市各年份数据如表1所示。

2.2 DEA静态分析结果

选取天津市2013—2020年的数据，通过运行DEAP2.1软件，得出天津市农业科技成果转化效率（表2）。从表2可以看出，天津市近8年间农业科技成果转化过程中的综合技术效率平均值达到了0.887，处在较高的水平，说明天津市在既定的资源投入下科研成果转化较为丰硕，这是政府及创新主体相互协调的结果。2013—2020年间纯技术效率低于规模效率的仅有1个，占总年份数的12.5%，说明天津市农业科技成果转化的资源利用效率较高，各年份差距不大。进一步分析发现，仅有2014年、2015年和2019年3个决策单元达到DEA有效，表明这3年天津市农业科技成果转化处在较高效率状态，而其余年份非DEA有效，说明这些年份天津市农业科技成果转化阶段中技术和规模效率未达到最优状态，需要采用相应的措施进行调整，使其达到相对均衡。尽管有几年成果转化效率呈非DEA有效，但是这8年的规模报酬有5年遞增，3年不变，这表明2013—2020年天津市农业科技成果转化整体趋好，未来可能稳步增长。

综合技术效率水平是由纯技术效率与规模效率共同组成的。由表2可知，天津市纯技术效率均值为0.960，5年效率值均为1，说明这几年达到了一定投入下的产出最大化。2017和2020年的综合效率、纯技术效率和规模效率都小于1，但纯技术效率在0.900以上，说明这两年投入或产出存在不足。因此，应适当加大对农业科研创新的投入，并提升技术水平，以增强整体的创新实力。规模效率能够显示出农业科技创新的综合能力，若规模效率值为1，则规模报酬最佳。若规模效率值小于1，即表明规模报酬递增或递减，即为非有效规模。2013年、2016年和2020年DEA无效，均是规模效率无效引起的，由于这3年规模报酬递增，可以通过适当提高规模效率拉动综合技术效率的上涨。

为了更清晰、客观地了解天津市农业科技成果转化成效，现将北京市和上海市的农业科技成果转化效率与其进行横向对比，2013—2020年京津沪3市农业科技成果转化效率值见表3和图1。

（1）综合技术效率分析。从整体来看，京津沪3市在2013—2020年期间，综合效率平均值在0.800以上，北京市效率均值最高，达到了0.977，上海市效率均值最低为0.840，但3市的综合技术效率平均值均处于0.800～0.999之间，转化效率处于良好水平。从各市的具体情况来看，北京市近8年综合技术效率都比较接近于1，说明其农业科技成果转化效率较高，8年中有4年DEA强有效，占北京决策单元总数的50%，但是仍然存在非效率情形，农业科技成果转化效率提高空间处于4.3%～29.9%之间，另外2015年农业科技成果转化效率下降幅度相对较大，造成整体轻微波动；天津市近几年总体不太稳定，效率值变动频繁，达到DEA有效的仅有3年，有3年的效率值低于均值0.877，进步空间相对较大；上海市近8年农业科技成果转化效率值都低于1，尤其是2015和2019年效率值较低，但是2020年效率有所提升，逐渐达到有效。

（2）纯技术效率分析。从整体来看，京津沪3地2013—2020年的纯技术效率平均值为0.950以上，其中2014年京津沪3市纯技术效率均为1，表明在现有的技术和管理水平下各城市能够达到最优状态。从各市的具体情况来看，北京市纯技术效率均值为0.979，其中4年达到了DEA有效，其余年份效率值也在0.900以上，说明北京市的技术创新能力和管理水平较好。天津市的纯技术效率均值为0.960，其中5年处于有效水平，表明管理和技术等因素对天津市农业科技成果转化的影响较小。而上海市仅有1年达到了DEA有效，因此应该加大农业技术的研发，提升其管理水平，从而为农业科技成果转化效率提升提供保障。

（3）规模效率分析。从整体来看，京津沪3地2013—2020年的规模效率平均值为0.934，表明3市的农业科研资源利用率与投入产出结构较为合理。从各市的具体情况来看，北京市的规模效率均值为0.998，其中5年达到了DEA有效，说明其资源配置较合理。天津市的规模效率均值为0.922，其中3年达到了DEA有效，说明天津市资源配置相对合理。而上海市的规模效率较低，未达到有效状态，说明其没有发挥规模效应，可以通过调整投入产出结构，重新配置资源，提升规模效率，进而使综合效率达到DEA有效。

2.3 Malmquist指数动态分析结果

Malmquist反映效率的动态变化情况，为动态考察天津市近8年的农业科技成果转化效率，本文利用DEAP2.1计算出天津市2013—2020各年Malmquist指数及其分解指数，并与北京市和上海市进行比较分析，数值见表4、图2。由表4可知，2013—2020年天津市农业科技成果转化效率的全要素生产效率为0.959，说明天津市近8年的成果转化效率以年均4.1%的速度下降。从分解的情况看，2013—2020年天津市技术进步为0.959，其余部分效率值均为1，说明技术进步是全要素生产效率降低的主要因素，原因可能是部分农业科技成果没能及时转化或部分科研创新成果与市场需求不匹配，从而导致农业科技进步较慢。

由表4可知，2013—2020年间，天津市农业科技成果转化效率整体不稳定，波动较大，2013—2016年为第1个下降期，2016—2017年为第1个上升期，2017—2018为第2个下降期，2018—2019为第2个上升期，2019—2020为第3个下降期。2013—2014年的全要素生产率是1.458，说明2013年农业科技成果转化以45.8%的速度上涨。原因可能是2013年天津市提出要加快实施科技小巨人新3年计划，进一步提高自主创新能力，加快攻克200项产业核心技术，促进科技成果转化和应用，提升科技支撑经济社会发展能力。2018—2019年为快速上升期，原因可能是2018年以来天津市先后出台了许多促进农业科技成果创新与转化的政策，优化政策环境，加快农业科研创新与成果转化。2020年天津市技术进步下降，主要是部分新技术成果未及时运用。由图2可知，近8年间京津沪3地全要素效率值平均值都小于1，京津沪3地农业科技成果转化效率都有所下降，说明京津沪3地的农业科技成果转化交易市场不活跃，成果转化动力不足。京津沪3地的农业科技成果转化投入是较高的，且处在全国前列，但产出不足，这表明在保持投入不变时，可以通过采取相应的措施来提高产出。为了进一步提高农业科技成果转化效率，應针对当地实际情况，积极采取有效措施优化农业科技成果转化工作。

3 结论与建议

本文基于京津沪2013—2020年的数据，采用DEA模型和DEA-Malmquist指数模型，运用DEAP2.1软件测算京津沪3地农业科技成果转化效率的变动情况。从静态分析结果来看，北京市农业科技成果转化具有模范带头作用，天津市效率值变动频繁、总体不太稳定，上海市总体效率值较低但2020年效率有所提升，3地农业科技成果转化成效有所差距，但是差距正逐渐缩小。从动态分析结果来看，京津沪3地全要素效率变动值均小于1，其中全要素生产效率值最低的是上海市，进一步分析发现上海市效率下降主要是因为技术进步缓慢。总体来看，近8年来京津沪3地农业科技成果转化效率呈现下降趋势，说明部分农业科技成果没有及时转化。原因可能是部分农业科技成果市场接受度低，转化链条流动不畅、转化服务平台不成熟、成果转化融资渠道匮乏，为提高其农业科技成果转化效率，提出如下建议。

3.1 构建高质量农业科技成果产出机制

一是加强科研平台建设，加速成果转化。推动技术研发机构、科研创新中心、重点实验室等新型技术研发平台发展，实施科研机构分级分类管理，鼓励其高效转化科研成果。二是推动关键核心技术攻关。加大对各创新主体的扶持力度，使其聚焦农业科技前沿重点领域，加快核心技术和产品的研发，提升农业安全保障能力。三是完善科技成果转化激励机制。明确成果评价主体责任，对不同类型的科技成果分类评价，修正原有的科技成果评价只重数量指标、轻质量贡献等不良倾向，激发科研人员成果转化的积极性[13-15]。

3.2 畅通农业科技成果转化链条

一是支持开展技术交易活动。积极开展技术开发、咨询和转让等技术交易活动，对各研发机构、高校和科研院的成果转化给予一定的奖励，促进高校、科研机构和农技企业进行交易[16]。二是推动成果转化孵化载体建设。支持企事业单位众创空间、区域创新创业“核心孵化园”、农技企业孵化器等成果转化，对年度绩效考核好的众创空间给予资金支持。三是拓展成果转化渠道。加强区域合作，推动京津沪地区的农业科技成果异地转化，重点围绕生物医药等领域推进国际转化合作。组织创新挑战赛、科技成果专业论坛、现场路演+竞拍等多元化的传播活动，加快成果转化[17]。

3.3 完善农业科技服务机制

一是加强科技中介服务组织建设。鼓励创办农业科技中介服务结构，促进农业科技服务机构专业化、规模化发展。支持科技中介服务组织开展科技咨询、知识产权和技术转移等各类科技服务，并给予资金支持。二是加强技术转化人才队伍建设。完善农业科技创新机制，激发人才创新活力，积极培育专业化技术人才[18-19]。对促成成果交易的技术经理人按其年度促成技术交易额，给予一定绩效奖励。三是促进科技中介服务机构专业化发展。鼓励第三方科技服务机构建设，支持市级技术成果交易平台市场化运营。引导各类技术转化机构提升服务能力和水平，鼓励知识产权服务机构拓展技术转化功能。

3.4 增强科技金融服务能力

一是搭建农业科技创新信贷服务体系。鼓励金融机构开展数据中台建设，推进涉农数据的引入与应用，开发农业科技金融产品，构建农业科技信贷全流程风控体系。二是鼓励创业投资机构发展。支持股权投资、创业投资机构加大对初创期和种子期的农业科技创新企业的投资力度，支持科研机构、农技龙头企业等设立合作子基金，重点投向具有市场前景的农业科研项目，实现科技资源与金融资源的有效衔接。三是搭建银行与科研机构对接平台。积极开展农业科技转化与合作交流会、涉农展会和各类银企对接活动，建立和完善农业科技成果质押融资风险保障机制，加大知识产权质押贷款发放规模，提升成果转化的金融水平。

参考文献：

[1] 贺忠连，廖翼. 基于DEA-Malmquist指数的湖南省科技成果转化效率研究[J]. 科技风， 2019（29）： 22-23.

[2] 李树强，葛颜祥. 基于三阶段DEA模型的山东省农业技术效率分析[J]. 黑龙江八一农垦大学学报， 2020， 32（1）： 102-108.

[3] 杨潇，沐倩. 云南省各州市规模以上工业企业科技成果转化效率分析[J]. 科技与创新， 2022（24）： 90-94.

[4] 张凤，汤奥灵，沈映春，等. 基于DEA模型的京沪深三地技术转移效率研究[J/OL]. 北京航空航天大学学报（社会科学版）： 1-10[2023-01-03]. https：//doi.org/10.13766/j.bhsk.1008-2204.2022.0987.

[5] 马艳艳，邰一博，吕佳莹. 基于DEA模型的宁夏农业科技资源配置效率评价[J]. 江苏农业科学， 2021， 49（3）： 224-231.

[6] 张海星，张宇，王星辉. 我国新型城镇化基础设施投资效率测度与评价——基于三阶段DEA-Malmquist指数模型[J]. 宁夏社会科学， 2022（5）： 89-101.

[7] 侯婧. 基于DEA-Malmquist指数模型的河北省科技资源配置效率分析[J]. 廊坊师范学院学报（自然科学版）， 2022， 22（3）： 73-80.

[8] 焦柳丹，吴奉彦，张羽，等. 基于超效率SBM-Malmquist模型的城市轨道交通运营效率评价[J]. 铁道运输与经济， 2022， 44（5）： 99-106.

[9] 张鹏，李林欣，曾永泉. 基于DEA-Malmquist指数的粤港澳大湾区科技创新效率评价研究[J]. 工业技术经济， 2021， 40（2）： 12-17.

[10] 李强，庞钰凡，汪玥. 基于DEA模型和Malmquist指数的农业生产效率评价研究——以吉林省为例[J]. 技术经济， 2020， 39（9）： 135-143.

[11] 张泽寿，张小宁，彭勇. 基于DEA模型的甘肃省农业科技项目绩效评价研究[J]. 生产力研究， 2021（2）： 148-151.