李 強(qiáng)，劉冬梅

(1.中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院，北京100038;2.南開大學(xué)經(jīng)濟(jì)與社會(huì)發(fā)展研究院，天津300071)

一、引言

農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)。與其他轉(zhuǎn)軌國(guó)家改革后出現(xiàn)農(nóng)業(yè)大幅下降不同，改革三十多年來，中國(guó)農(nóng)業(yè)年均增長(zhǎng)速度達(dá)到4.6%，農(nóng)業(yè)的穩(wěn)定增長(zhǎng)為經(jīng)濟(jì)改革順利進(jìn)行奠定了基礎(chǔ)。從長(zhǎng)期來看，我國(guó)農(nóng)業(yè)面臨資源與環(huán)境雙重約束，農(nóng)業(yè)增長(zhǎng)需要依靠科技。對(duì)中國(guó)農(nóng)業(yè)增長(zhǎng)的實(shí)證研究表明，從上世紀(jì)80年代中期以來，農(nóng)業(yè)技術(shù)進(jìn)步已經(jīng)成為農(nóng)業(yè)增長(zhǎng)的主要?jiǎng)恿Γ?］?？茖W(xué)技術(shù)進(jìn)步依賴于科研投入。多年以來，政府向農(nóng)業(yè)科研領(lǐng)域投入了大量資金，1995-2007年我國(guó)農(nóng)業(yè)科研支出實(shí)際增長(zhǎng)2.3倍(不變價(jià))，2007年農(nóng)業(yè)科研支出達(dá)到109.9億元(現(xiàn)價(jià))①。科研投入對(duì)農(nóng)業(yè)增長(zhǎng)至關(guān)重要，而農(nóng)業(yè)增長(zhǎng)受到多重因素的影響，通過對(duì)兩者關(guān)系進(jìn)行科學(xué)的實(shí)證研究，可以定量地分析農(nóng)業(yè)科研投入對(duì)農(nóng)業(yè)增長(zhǎng)的貢獻(xiàn)，為政府考量宏觀投資的次序時(shí)提供決策依據(jù)。

農(nóng)業(yè)科研投資對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)有多種促進(jìn)途徑，如通過增加產(chǎn)出、降低成本或在兩個(gè)方向同時(shí)作用提高農(nóng)業(yè)收益，還可以通過改進(jìn)投入要素的效率和產(chǎn)出的質(zhì)量促進(jìn)增長(zhǎng)［2］。此外，科研投入能夠減少農(nóng)業(yè)生產(chǎn)外部環(huán)境的不確定因素，降低農(nóng)業(yè)增長(zhǎng)的風(fēng)險(xiǎn)［3］。對(duì)我國(guó)農(nóng)業(yè)科研與增長(zhǎng)的研究中，全要素生產(chǎn)率一度是研究的焦點(diǎn)問題［4，5，6］。但全要素生產(chǎn)率方法得到的結(jié)果是包含制度、科技及其它因素在內(nèi)的廣義科技貢獻(xiàn)率，與真實(shí)的科研貢獻(xiàn)率相比有一定偏差。為了修正這一問題，后續(xù)的研究進(jìn)行了更復(fù)雜的定量分析方法，如Tornqvist-Theil指數(shù)和KenDrick指數(shù)等，試圖通過改進(jìn)匯總數(shù)據(jù)固有問題而得到更加精確的農(nóng)業(yè)生產(chǎn)效率［7，8］。近年來廣泛應(yīng)用的前沿生產(chǎn)函數(shù)方法可以分解農(nóng)業(yè)增長(zhǎng)的技術(shù)變化和技術(shù)效率變化，學(xué)者們或使用非參數(shù)前沿生產(chǎn)函數(shù)方法［9，10］，或應(yīng)用隨機(jī)前沿生產(chǎn)函數(shù)方法［11，12］，剝離非效率對(duì)生產(chǎn)影響，計(jì)算農(nóng)業(yè)技術(shù)變化的經(jīng)濟(jì)效果。很多研究結(jié)論表明，技術(shù)進(jìn)步在改革初期至少同制度創(chuàng)新同等重要［1］，中國(guó)農(nóng)業(yè)增長(zhǎng)主要表現(xiàn)為技術(shù)誘導(dǎo)型的增長(zhǎng)模式，增長(zhǎng)的源泉來自農(nóng)業(yè)技術(shù)進(jìn)步［11］，中國(guó)農(nóng)業(yè)科研投入有很高的回報(bào)率，持續(xù)增加的農(nóng)業(yè)科研投資推動(dòng)農(nóng)業(yè)的快速增長(zhǎng)一個(gè)重要原因［13］。

就對(duì)農(nóng)業(yè)科研投入對(duì)農(nóng)業(yè)增長(zhǎng)的貢獻(xiàn)分析而言，當(dāng)前的研究中存在兩個(gè)缺陷:第一，進(jìn)入生產(chǎn)函數(shù)的科研投入變量多為本期投入或有一個(gè)滯后結(jié)構(gòu)的前期投入，忽略了科技知識(shí)的積累特征和更新問題，內(nèi)生增長(zhǎng)理論表明恰當(dāng)?shù)目蒲型度胱兞繎?yīng)為過去科研投入形成的科技存量(或知識(shí)存量)，對(duì)歐洲各國(guó)的經(jīng)驗(yàn)研究表明科研存量對(duì)生產(chǎn)效率具有非常重要的影響［14］，國(guó)內(nèi)研究對(duì)國(guó)有大中型企業(yè)和高技術(shù)產(chǎn)業(yè)科研投入貢獻(xiàn)已開始使用科技存量變量［15，16，17］，但卻還鮮見對(duì)農(nóng)業(yè)科技存量的相關(guān)研究;第二，相關(guān)研究多關(guān)注全要素生產(chǎn)率對(duì)農(nóng)業(yè)科研投入本身的效率分析不夠，有兩個(gè)重要的指標(biāo)沒有得到充分重視，即農(nóng)業(yè)科研投入的邊際回報(bào)率和內(nèi)部收益率，前者直觀地反映了科研投入對(duì)增長(zhǎng)的貢獻(xiàn)，后者則在不同產(chǎn)業(yè)間建立了一個(gè)可比的數(shù)量指標(biāo)，便于研究者評(píng)價(jià)農(nóng)業(yè)科研投入的回報(bào)率。

本文針對(duì)上述問題，在已有文獻(xiàn)基礎(chǔ)上，利用1995-2007年分省的面板數(shù)據(jù)分析了農(nóng)業(yè)科研投入對(duì)農(nóng)業(yè)增長(zhǎng)的貢獻(xiàn)。本文主要內(nèi)容包括:第一，估算我國(guó)農(nóng)業(yè)科技存量，文中通過參考國(guó)內(nèi)外常用的方法，對(duì)計(jì)算農(nóng)業(yè)科技存量的方法給出了詳細(xì)的說明;第二，把科技存量作為一個(gè)主要變量置于生產(chǎn)函數(shù)中，使用固定效應(yīng)的面板模型估計(jì)了分省縱列數(shù)據(jù)，并對(duì)估計(jì)方法、變量選擇和模型確定進(jìn)行了討論;第三，利用估計(jì)參數(shù)計(jì)算邊際回報(bào)率和內(nèi)部收益率，并對(duì)計(jì)算方法做出了詳細(xì)說明;第四，分析結(jié)果的政策含義并提出相關(guān)建議。

二、科技存量估算

一般來說，科技存量無法直接觀察，在理論中常用的方法是參照有形資產(chǎn)存量的計(jì)算，采用永續(xù)盤存法(the perpetural inventory method，PIM)把過去科技支出積累形成的存量累加成科技存量［15，17，18］，公式為:

其中:Rt是第t期的科技存量，n表示科研支出的滯后期限，Et-i表示第t-i期的科研支出，μ是科研支出滯后貼現(xiàn)系數(shù)，δ為科研資本的折舊率。利用這個(gè)公式計(jì)算科技存量需要解決五個(gè)問題:(1)科研支出數(shù)額E的確定;(2)科研支出價(jià)格平減指數(shù)的確定;(3)滯后結(jié)構(gòu)的確定，即n的選取;(4)科研資本折舊率δ的確定;(5)基期科研資本存量的確定，即R0數(shù)值的確定。

第一，農(nóng)業(yè)科研支出數(shù)額的確定。當(dāng)前公開 的統(tǒng)計(jì)資料沒有對(duì)農(nóng)業(yè)科研支出的分地區(qū)統(tǒng)計(jì)數(shù)據(jù)，因此農(nóng)業(yè)科研支出使用調(diào)整系數(shù)對(duì)分地區(qū)科研支出總額進(jìn)行調(diào)整，得到分地區(qū)科研支出估計(jì)值。調(diào)正系數(shù)使用全國(guó)農(nóng)業(yè)科研支出占比與各地農(nóng)業(yè)產(chǎn)值占地區(qū)GDP的比例確定①本文假定全國(guó)農(nóng)業(yè)科研支出占科研總支出比例和各地區(qū)農(nóng)業(yè)總產(chǎn)值占地區(qū)GDP比例的權(quán)重分別為0.5。。具體計(jì)算方式如下:

第二，構(gòu)造科研支出的平減指數(shù)。把用現(xiàn)價(jià)表示各年科研支出名義值調(diào)整為可比的實(shí)際值。一些研究者［19，20，21］將科研支出的平減指數(shù)表示為非金融企業(yè)中工資價(jià)格指數(shù)和GNP平減指數(shù)的加權(quán)平均值，并分別賦權(quán)重0.49和0.51。Coe等將其表示為隱含企業(yè)產(chǎn)出價(jià)格指數(shù)和平均企業(yè)工資指數(shù)的加權(quán)平均值［18］?？紤]到中國(guó)統(tǒng)計(jì)數(shù)據(jù)可得性，對(duì)中國(guó)科研的實(shí)證研究一般選擇消費(fèi)者價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)的加權(quán)組合作為科研支出的平減指數(shù)［16，17］，用消費(fèi)者價(jià)格指數(shù)表示勞動(dòng)成本的變動(dòng)，用固定資產(chǎn)投資價(jià)格指數(shù)來表示機(jī)器、設(shè)備和原材料投入成本的變動(dòng)。本文延用這種方法，科技支出的平減指數(shù)(PR)的計(jì)算方法為:

其中CPI和IFPI分別是消費(fèi)者價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)，0.5的權(quán)重表示假定在科研投入中人力資本的投入與固定資本的投入同等重要。

第三，農(nóng)業(yè)科研滯后結(jié)構(gòu)的確定?？蒲械耐度牒彤a(chǎn)出之間存在時(shí)滯效應(yīng)［22，23］，Alston等認(rèn)為科研投資所產(chǎn)生的知識(shí)可能永遠(yuǎn)不會(huì)消失，具有無限滯后［24］。樊勝根對(duì)中國(guó)農(nóng)業(yè)科研的研究認(rèn)為中國(guó)農(nóng)業(yè)具有相對(duì)較短的滯后期，在計(jì)算科技存量時(shí)選擇了一個(gè)三角對(duì)稱結(jié)構(gòu)來表示中國(guó)農(nóng)業(yè)科研的滯后結(jié)構(gòu)，并分別選擇了10年、17年和27年的滯后期來研究農(nóng)業(yè)科研的內(nèi)部回報(bào)率［13］。Stone指出中國(guó)糧食作物從開發(fā)改良到生產(chǎn)推廣只需要3-5年，一些地區(qū)大田作物每2-3年就有可能更換一次品種，因此中國(guó)農(nóng)業(yè)科研的總體滯后期可能更短［25］。選用較短的滯后期基本上是符合中國(guó)農(nóng)業(yè)科研特點(diǎn)的。為了計(jì)算方便，本文假定中國(guó)農(nóng)業(yè)科研的滯后期為1年［18］。這樣科技存量的計(jì)算可以簡(jiǎn)化為:

第四，農(nóng)業(yè)知識(shí)存量折舊率的確定。根據(jù)過去對(duì)中國(guó)科研投資的研究［15，16，17］及數(shù)據(jù)可得性的問題，本文將知識(shí)存量折舊率設(shè)定為15%。

圖1 農(nóng)業(yè)科研存量變動(dòng)情況1995-2007

最后，確定基年的農(nóng)業(yè)科研投資知識(shí)存量。目前最為廣泛應(yīng)用的方法是Coe等提出的［18］，假定科技存量R的平均增長(zhǎng)率等于科研支出E的平均增長(zhǎng)率，用g來表示平均增長(zhǎng)率的話，有:

由此公式和前面計(jì)算科技存量的公式可知，第一期的科技存量可以表示為如下兩種形式:

從上式可以得基期的科技存量為:

現(xiàn)在所剩的唯一問題是g的取值，因?yàn)間表示科研支出和科技存量的平均增長(zhǎng)率，在實(shí)際計(jì)算中可以用數(shù)據(jù)期間內(nèi)科研支出的平均增長(zhǎng)率作為g的估計(jì)值。

按照上述方法，以1990年的不變價(jià)格計(jì)算，“九五”期間我國(guó)農(nóng)業(yè)科研存量平均為269.1億元，“十五”期間為264.5億元，“十一五”前三年農(nóng)業(yè)科研存量平均為285.9億元。

三、模型

(一)變量與數(shù)據(jù)

受到創(chuàng)新經(jīng)濟(jì)學(xué)的啟發(fā)研究科研對(duì)農(nóng)業(yè)生產(chǎn)的貢獻(xiàn)率時(shí)，科研可以作為一個(gè)變量直接進(jìn)入總量生產(chǎn)函數(shù)，把科研投入看作同勞動(dòng)、資本等一樣的生產(chǎn)要素，其投入強(qiáng)度是由經(jīng)濟(jì)系統(tǒng)內(nèi)生決定的。由于影響產(chǎn)出的是科研儲(chǔ)備即科技存量，而不是每年的科技投資流量，通常估計(jì)生產(chǎn)函數(shù)時(shí)需要使用科技存量作為表示科研資本的變量，加入了科技存量的農(nóng)業(yè)生產(chǎn)函數(shù)可以表述為:

其中，Y表示農(nóng)業(yè)產(chǎn)出，A是常數(shù)，K表示資本投入，L表示勞動(dòng)投入，R表示科研的科技存量投入，α，β和γ分別是資本、勞動(dòng)和科研對(duì)產(chǎn)出的彈性系數(shù)。X表示控制變量，ai表示不可觀測(cè)的地區(qū)差異，ε表示不可觀測(cè)因素。上式取對(duì)數(shù)可表示為:

其中，y=lnY，k=lnK，l=lnL，r=lnR，cons=lnA。上式構(gòu)建了一個(gè)應(yīng)用面板數(shù)據(jù)(panel data)進(jìn)行估計(jì)的經(jīng)驗(yàn)?zāi)Ｐ?。式中變量的下?biāo)i表示不同地區(qū)，下標(biāo)t表示不同時(shí)期。面板模型的好處在于擴(kuò)大了樣本的數(shù)量與變動(dòng)范圍，減少多重共線問題，提高估計(jì)的精度。

使用分區(qū)域數(shù)據(jù)的主要問題是各省之間存在對(duì)農(nóng)業(yè)生產(chǎn)有很大影響的差異。這些差異可以分為兩類，其中一類在中短期內(nèi)可以視為不隨時(shí)間變動(dòng)如:農(nóng)業(yè)公共制度、農(nóng)業(yè)生產(chǎn)習(xí)慣、農(nóng)業(yè)平均降雨水平、土壤肥力狀況、自然災(zāi)害發(fā)生頻率等，另外一類則隨著各地經(jīng)濟(jì)發(fā)展每年都發(fā)生變化如:農(nóng)業(yè)生產(chǎn)條件、農(nóng)民人力資本水平、地區(qū)基礎(chǔ)設(shè)施建設(shè)。這兩類差異存在于不同省份之間，如果不考慮其對(duì)農(nóng)業(yè)生產(chǎn)的影響就可能低估或高估相關(guān)投入要素的彈性。

在方法上，兩類差異有不同的處理辦法，對(duì)于不隨時(shí)間變化的差異，可以選擇固定效應(yīng)面板模型消除，固定效應(yīng)模型可以同時(shí)消除可觀測(cè)和不可觀測(cè)的不變差異。對(duì)于隨時(shí)間變化的差異，選擇能夠直接度量的變量是最理想的，如本文用教育情況體現(xiàn)人力資本水平;如果不能達(dá)到則要選擇適宜的代理變量，如本文選擇灌溉面積作為農(nóng)業(yè)生產(chǎn)條件的代理變量，用公路密度作為地區(qū)基礎(chǔ)設(shè)施的代理變量。

本文使用不包括西藏和港澳臺(tái)在內(nèi)的30個(gè)省、自治區(qū)和直轄市1995-2007年的數(shù)據(jù)(其中重慶直轄前的數(shù)據(jù)為作者估算)。數(shù)據(jù)主要來自國(guó)家統(tǒng)計(jì)局、科技部和交通部的相關(guān)統(tǒng)計(jì)年鑒資料。農(nóng)業(yè)產(chǎn)出用增加值表示，以1990年的價(jià)格為基準(zhǔn)的GDP平減指數(shù)縮減為1990年不變價(jià)格。GDP平減指數(shù)用國(guó)家統(tǒng)計(jì)局公布的各年份GDP現(xiàn)價(jià)與不變價(jià)計(jì)算得到。本位使用的主要變量說明如下:勞動(dòng)的理想變量應(yīng)為勞動(dòng)時(shí)長(zhǎng)，但由于缺乏相關(guān)統(tǒng)計(jì)數(shù)據(jù)，本文使用鄉(xiāng)村從事第一產(chǎn)業(yè)的勞動(dòng)力人數(shù)代替;資產(chǎn)在文中被分為三類:土地、固定投入和流動(dòng)投入，分別用播種面積、機(jī)械總動(dòng)力和化肥施用量來表示;科技投入使用上文計(jì)算的農(nóng)業(yè)科技存量變量;教育變量表示為高中及以上學(xué)歷占農(nóng)村人口的比例;用來控制農(nóng)業(yè)生產(chǎn)條件和基礎(chǔ)設(shè)施的變量分別是農(nóng)業(yè)灌溉面積和每平方公里里程數(shù)。

表1 農(nóng)業(yè)生產(chǎn)函數(shù)估計(jì)結(jié)果

(二)估計(jì)結(jié)果

作為參照，本文應(yīng)用OLS估計(jì)了不包括控制變量和固定效應(yīng)的一個(gè)簡(jiǎn)單的生產(chǎn)函數(shù)的經(jīng)驗(yàn)?zāi)Ｐ?模型1)。其余5個(gè)模型使用主要靜態(tài)固定效應(yīng)面板方法估計(jì)。2、3兩個(gè)模型在不引入代理變量的情況下分別估計(jì)了包括和不包括科研變量的模型;4、5兩個(gè)模型與前兩個(gè)的差別主要在于引入了代理變量;第6個(gè)模型增加了一個(gè)體現(xiàn)時(shí)間趨勢(shì)的變量。估計(jì)結(jié)果見表1。

從估計(jì)結(jié)果來看，OLS方法用于分地區(qū)縱列數(shù)據(jù)分析時(shí)存在比較嚴(yán)重的缺陷，OLS對(duì)變量的系數(shù)的估計(jì)偏差較大。面板模型則能夠較好地糾正OLS的不足。應(yīng)用面板模型時(shí)面臨固定效應(yīng)模型和隨機(jī)效應(yīng)模型的選擇問題，大量實(shí)證研究表明，分地區(qū)縱列數(shù)據(jù)比較適合選用固定效應(yīng)模型。本文5個(gè)模型的Hausman檢驗(yàn)結(jié)果也全部支持固定效應(yīng)模型。因此，就本文使用的數(shù)據(jù)和研究的問題來說，固定效應(yīng)模型的估計(jì)結(jié)果比隨機(jī)效應(yīng)模型和OLS模型更加有效。

由表1可見，模型3，5和6中包含的科技存量變量都在10%的統(tǒng)計(jì)水平上顯著。這說明科技對(duì)農(nóng)業(yè)生產(chǎn)的確存在明顯的影響，使用科技存量變量來代表科技是合意的。比較模型3與模型2，模型4與模型5可知，如果不考慮科技變量會(huì)高估化肥投入和播種面積的彈性，低估勞動(dòng)力和機(jī)械投入的彈性。此外，在模型中引入科技變量也可以改善模型的擬合結(jié)果(調(diào)整R2值增加)。模型3與模型5的比較可以看到引入表示地區(qū)農(nóng)業(yè)生產(chǎn)條件、農(nóng)民人力資本水平和基礎(chǔ)設(shè)施建設(shè)代理變量后改善了模型的估計(jì)結(jié)果，各投入要素彈性之間的差異變小，同時(shí)改善了模型的擬合程度。模型5與模型6的主要差異是最后一個(gè)模型包含了一個(gè)時(shí)間趨勢(shì)變量，時(shí)間趨勢(shì)反映了農(nóng)業(yè)增長(zhǎng)的外生因素，時(shí)間趨勢(shì)引入的同時(shí)主要變量和控制變量的顯著性水平都有所下降，不過也得到了更好的擬合效果，而引入時(shí)間趨勢(shì)后導(dǎo)致某些變量變得不顯著的原因可能是殘差項(xiàng)與時(shí)間趨勢(shì)項(xiàng)之間存在更強(qiáng)的內(nèi)生性而影響了模型的估計(jì)結(jié)果。

很多研究表明，在產(chǎn)業(yè)或行業(yè)水平上科研投入的產(chǎn)出彈性數(shù)值基本上在0.04-0.6之間。如:Griliches發(fā)現(xiàn)1959-1978年美國(guó)制造行業(yè)科研投入的產(chǎn)出彈性系數(shù)為0.04［26］;Mansfield發(fā)現(xiàn)17個(gè)日本制造業(yè)的科技研發(fā)產(chǎn)出彈性系數(shù)為0.42［27］;Zhang等運(yùn)用中國(guó)大中型工業(yè)企業(yè)的數(shù)據(jù)發(fā)現(xiàn)科技研發(fā)投入對(duì)銷售收入的產(chǎn)出彈性約為0.3［28］;王玲等對(duì)中國(guó)高技術(shù)產(chǎn)業(yè)21個(gè)行業(yè)部門數(shù)據(jù)的估計(jì)發(fā)現(xiàn)在考慮外生技術(shù)進(jìn)步的情況下，科研投入的產(chǎn)出彈性系數(shù)為0.127［17］。

本文的估計(jì)結(jié)果與以往研究類似，雖然采用了多種模型形式，但是從包含科技變量的模型3、5和6可以看到，科技存量變量的彈性估計(jì)值的變化在0.05～0.07之間，而且在三個(gè)模型中科研變量全都是顯著的，表現(xiàn)出了一定的穩(wěn)定性。單純計(jì)算農(nóng)業(yè)科研投入回報(bào)率時(shí)，三個(gè)模型相差不大。綜合所有分析，本文認(rèn)為模型5是上述模型中最適意的，并選擇該模型的估計(jì)結(jié)果計(jì)算農(nóng)業(yè)回報(bào)率。

四、邊際回報(bào)率與內(nèi)部收益率

利用模型5的估計(jì)結(jié)果，可以計(jì)算1995-2007年我國(guó)農(nóng)業(yè)科研的邊際回報(bào)率①農(nóng)業(yè)科研的邊際回報(bào)率?Y/?R=γ·Y/R，γ根據(jù)前文估計(jì)取值為0.066。，1995至2007年農(nóng)業(yè)科研的邊際回報(bào)由2.5上升至3.7(表3)。相關(guān)研究表明我國(guó)企業(yè)的科研邊際效率在不同所有制結(jié)構(gòu)的企業(yè)中有較大差異，國(guó)有企業(yè)低于外資企業(yè)和私營(yíng)企業(yè)［29］，國(guó)有工業(yè)的科研邊際貢獻(xiàn)為 1.07-1.21，高技術(shù)產(chǎn)業(yè)為 1.21-1.65［17］。較高的農(nóng)業(yè)科研邊際貢獻(xiàn)表明隨著生產(chǎn)中物質(zhì)投入邊際效益逐步遞減，農(nóng)業(yè)科技進(jìn)步越來越成為促進(jìn)農(nóng)業(yè)發(fā)展的關(guān)鍵因素，加大科研投入是發(fā)展農(nóng)業(yè)的重要舉措［30］。

表2 農(nóng)業(yè)科研的邊際回報(bào)率

農(nóng)業(yè)科研投資的內(nèi)部收益率為我們提供了一個(gè)比較農(nóng)業(yè)科研投資和在經(jīng)濟(jì)其他方面投資回報(bào)率的更加直觀的方法。所謂內(nèi)部收益率，就是資金流入現(xiàn)值總額與資金流出現(xiàn)金總額相等，凈現(xiàn)值等于零時(shí)的折現(xiàn)率。內(nèi)部收益率的優(yōu)點(diǎn)是能夠把投資的總額與收益聯(lián)系起來，可以在投資的不同用途之間進(jìn)行比較。從內(nèi)部收益率的計(jì)算過程為:科研回報(bào)YR可以表示為過去各期科技存量變動(dòng)的現(xiàn)值之和②由科技存量的計(jì)算公式可以知Rt=Et-1+(1-δ)Et-2+(1-δ)2Et-3+…+(1-δ)t-1E1+(1-δ)tR0。:

其中，IRR為農(nóng)業(yè)科研的內(nèi)部收益率。由前文采用的生產(chǎn)函數(shù)可知，第t期科研回報(bào)的確切數(shù)值可以表示為從前述的經(jīng)驗(yàn)?zāi)Ｐ涂芍訧RR可以由下式求得:

利用上式，我們將科研存量計(jì)算公式向前展開4年計(jì)算農(nóng)業(yè)科研的內(nèi)部收益率①使用牛頓法迭代計(jì)算可得到內(nèi)部收益率的數(shù)值。。計(jì)算結(jié)果如下:

表3 農(nóng)業(yè)科研內(nèi)部收益率

我國(guó)農(nóng)業(yè)科研具有很高的內(nèi)部收益率并表現(xiàn)出遞增的趨勢(shì)，本文計(jì)算1998-2007年我國(guó)農(nóng)業(yè)科研的內(nèi)部收益率在36%～48%之間。相關(guān)研究也得到了類似結(jié)論，樊勝根控制了多重因素后測(cè)算了農(nóng)業(yè)科研投資的內(nèi)部收益率，表明中國(guó)農(nóng)業(yè)科研收益率高達(dá)44% ～196%［13］。黃季焜等采用CAPSIM模型對(duì)中國(guó)農(nóng)業(yè)科研投資的效率進(jìn)行了模擬測(cè)算的結(jié)論表明，在市場(chǎng)開放和不開放的情況下中國(guó)農(nóng)業(yè)科研投資回報(bào)率分別能夠達(dá)到59.6%和55.8%［31］。李容的研究也表明中國(guó)農(nóng)業(yè)科研的內(nèi)部收益率超過50%［32］。張社新等使用對(duì)國(guó)產(chǎn)轉(zhuǎn)基因棉花的投資收益及內(nèi)部收益率測(cè)算表明科研投資的內(nèi)部收益率為60.6%遠(yuǎn)高于商業(yè)利潤(rùn)［33］。李銳等認(rèn)為基于參數(shù)估計(jì)的研究由于對(duì)生產(chǎn)函數(shù)的諸多限制性條件導(dǎo)致估計(jì)結(jié)果數(shù)值偏高，在使用非參數(shù)方法放寬限制條件后我國(guó)農(nóng)業(yè)科研的內(nèi)部收益率仍達(dá)到了32.7%［34］。Evenson對(duì)亞洲10多個(gè)國(guó)家的120項(xiàng)有關(guān)農(nóng)業(yè)科研投資回報(bào)率研究結(jié)果的匯總后得到農(nóng)業(yè)科研投資的回報(bào)率達(dá)67%，對(duì)全世界375項(xiàng)農(nóng)業(yè)科研投資回報(bào)率的研究結(jié)果表明農(nóng)業(yè)科研投資的回報(bào)率也高達(dá)49%［35］。其它研究顯示:美國(guó)對(duì)雜交玉米的科研投入回報(bào)率在35%-40%，澳大利亞對(duì)草地的科研投入回報(bào)達(dá)到58%-68%，在發(fā)展中國(guó)家的印度和孟加拉國(guó)，農(nóng)業(yè)科研回報(bào)也分別達(dá)到40%和100%(表5)。國(guó)內(nèi)外眾多同類研究大量一致的結(jié)論表明中國(guó)的農(nóng)業(yè)科研投資的確產(chǎn)生了很高的回報(bào)率。

表4 農(nóng)業(yè)科研回報(bào)率的國(guó)際比較

五、結(jié)論及建議

本文及相關(guān)研究表明:農(nóng)業(yè)科研對(duì)農(nóng)業(yè)增長(zhǎng)具有較高的貢獻(xiàn)水平，并具有很高的投資回報(bào)率。增加農(nóng)業(yè)科研投入，促進(jìn)農(nóng)業(yè)科技發(fā)展應(yīng)該引起各級(jí)決策部門的重視。不過，較高的農(nóng)業(yè)回報(bào)率背后隱藏著我國(guó)農(nóng)業(yè)科研投入的嚴(yán)重不足的事實(shí)。1995年以來我國(guó)農(nóng)業(yè)科研投資增速一直低于同期農(nóng)業(yè)產(chǎn)值增速，也低于同期財(cái)政收入和支出的增速。我國(guó)一直沒能實(shí)現(xiàn)糧農(nóng)組織提出的發(fā)展中國(guó)家科研投資強(qiáng)度應(yīng)該達(dá)到1%的目標(biāo)。各類研究表明我國(guó)農(nóng)業(yè)科研投資處于收益遞增階段，科技進(jìn)步對(duì)提高農(nóng)業(yè)綜合生產(chǎn)能力的作用尚未充分發(fā)揮出來。政府需要繼續(xù)加大對(duì)農(nóng)業(yè)科研的公共投入水平，把持續(xù)增加農(nóng)業(yè)科研投資確定為政府的一項(xiàng)長(zhǎng)期任務(wù)。另一方面，農(nóng)業(yè)科技具有相當(dāng)?shù)墓伯a(chǎn)品特性，而且農(nóng)業(yè)科研擴(kuò)散性較強(qiáng)，政府應(yīng)該更多地承擔(dān)投資任務(wù)。對(duì)農(nóng)業(yè)科研回報(bào)的研究表明農(nóng)業(yè)科研投入具有很強(qiáng)的經(jīng)濟(jì)效益和社會(huì)效益。各級(jí)政府應(yīng)以貫徹《科技促進(jìn)法》確保農(nóng)業(yè)科研財(cái)政投入保持高水平增長(zhǎng)。

為了更好地發(fā)揮農(nóng)業(yè)科研的效益，政府應(yīng)該創(chuàng)造良好的科研投資環(huán)境，引導(dǎo)社會(huì)資金投入農(nóng)業(yè)科研領(lǐng)域。一直以來，農(nóng)業(yè)科研領(lǐng)域的投入主體是政府，企業(yè)、個(gè)人等非政府部門在農(nóng)業(yè)科研領(lǐng)域投入較少。通過加強(qiáng)知識(shí)產(chǎn)權(quán)保護(hù)，在監(jiān)督和執(zhí)法層面落實(shí)相關(guān)法律法規(guī)和行政政策，能夠吸引非政府部門在商業(yè)化前景好、獲利能力強(qiáng)的領(lǐng)域進(jìn)行技術(shù)研發(fā)，促進(jìn)農(nóng)業(yè)科技與經(jīng)濟(jì)的結(jié)合。此外，政府可以逐步減少在市場(chǎng)化程度較高的領(lǐng)域的直接研發(fā)投入，通過政府引導(dǎo)資金、農(nóng)業(yè)科技轉(zhuǎn)化基金和貼息補(bǔ)貼等方式支持鼓勵(lì)非政府部門投資，促進(jìn)非政府部門農(nóng)業(yè)科研投入水平，逐步建立穩(wěn)定的多元化的農(nóng)業(yè)科研投入格局。

［1］Huang J K，Rozelle S.Technological Change:The Re-Discovery of the Engine of Productivity Growth in China’s Rural Economy［J］.Journal of Development Economics，1996，(49):337-369.

［2］Ruttan V W，Prey C E.Policy for Agricultural Research［M］.Boulder and London:Westview Press，1987.

［3］Anderson J R.Agricultual Technology:Policy Issues for the International Community［M］.1994.

［4］Wen G J.Total Factor Productivity Change in China’s Farming Sector:1952-1989［J］.Economic Development and Cultural Change，1993，(42):1-41.

［5］顧煥章，王培志.農(nóng)業(yè)技術(shù)進(jìn)步貢獻(xiàn)率測(cè)定及其方法研究［J］. 江蘇社會(huì)科學(xué)，1994，(6):7-11.

［6］朱希剛，史照林.我國(guó)“七五”期間農(nóng)業(yè)技術(shù)進(jìn)步貢獻(xiàn)份額的測(cè)算［J］.中國(guó)農(nóng)村經(jīng)濟(jì) ，1993，(9):28-32.

［7］樊勝根.中國(guó)農(nóng)業(yè)生產(chǎn)與生產(chǎn)率的增長(zhǎng):新的測(cè)算方法及結(jié)論［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，1998，(4):27-35.

［8］Carter C，Chen J，Chu B.Agricultural Productivity Growth in China:Farm Level versus National Measurement［J］.Working Paper No.99-001，1999.

［9］陳衛(wèi)平.中國(guó)農(nóng)業(yè)生產(chǎn)率增長(zhǎng)、技術(shù)進(jìn)步與效率變化:1990-2003［J］. 中國(guó)農(nóng)村觀察，2006，(1):18-23.

［10］曾先峰，李國(guó)平.我國(guó)各地區(qū)的農(nóng)業(yè)生產(chǎn)率與收斂:1980-2005［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008，(5):81-92.

［11］全炯振.中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的實(shí)證分析1978-2007年:基于隨機(jī)前沿分析方法［J］.中國(guó)農(nóng)村經(jīng)濟(jì)，2009，(9):36-47.

［12］石慧，孟令杰，王懷明.中國(guó)農(nóng)業(yè)生產(chǎn)率的地區(qū)差距及波動(dòng)性研究:基于隨機(jī)前沿生產(chǎn)函數(shù)的分析［J］.經(jīng)濟(jì)科學(xué)，2008，(3):20-31

［13］Fan S G.Research Investment and the Economic Returns to Chinese Agricultural Research［J］.Journal of Productivity Analysis，2000，(14).

［14］Coe DT，Helpman E，AW Hoffmaister.International R＆D spillovers and institutions［J］.European Economic Review，2009，53(7):723-741.

［15］吳延兵.R＆D存量、知識(shí)函數(shù)與生產(chǎn)效率［J］.經(jīng)濟(jì)學(xué)(季刊)，2006，5(4):1129-1156.

［16］朱平芳，徐偉民.政府的科技激勵(lì)政策對(duì)大中型工業(yè)企業(yè)R＆D投入及其專利產(chǎn)出的影響［J］.經(jīng)濟(jì)研究，2003，(6):45-53.

［17］王玲，Szirmai A.高技術(shù)產(chǎn)業(yè)技術(shù)投入和生產(chǎn)率增長(zhǎng)之間關(guān)系的研究［J］. 經(jīng)濟(jì)學(xué)(季刊)，2008，7(3):913-932.

［18］Coe DT，Helpman E.International R＆D Spillovers［J］.European Economic Review，1995，39(5):859-887.

［19］Griliches Z.R＆D and Productivity Slowdown［J］.American Economic Review，1980，70(1):343-348.

［20］Jaffe S.A Price Index for Deflation of Academic R＆D Expenditure［M］.Washington，D.C:The National Science Foundation，1972.72-310.

［21］Jensen E.Research Expenditures and the Discovery of New Drugs［J］.Journal of Industrial Economics，1987，36(1):83-95.

［22］Pakes A，Griliches Z.Patents and R＆D at the Firm Level:A First Look［M］.Chicago:University of Chicago Press，1984.

［23］Hausman J A，Hall B H，Griliches Z.Econometric Models for Count Data with an Application to the Patents-R＆D Relationship［J］.Econometrica，1984，52(4):909-938.

［24］Alston J，Craig B J，Pardey P G.A Dynamics in the Creation and Dpreciation of Knowledge and Returns to Research［M］.Washington，D.C:IFPRI，1998.

［25］Stone.Evolution and Diffusion of Agricultural Technology in China［M］.Washington，D.C:Smithsonian Institute Press，1990.39-93.

［26］Griliches Z，Lichtenber F.R＆D and Productivity Growth at the Industry Level:Is There Still A Relationship?［M］.Chicago:University of Chicago Press，1984.465-501.

［27］Mansfield E.Industrial R＆D in Japan and the United States:A Comparative Study［J］.American Economic Review，1988，78(2):223-228.

［28］Zhang，Anming，Yimin Zhang，Ronald Zhao.A Study of the R＆D Efficiency and Productivity of Chinese Firms［J］.Journal of Camparative Economics，2003，31(3):444-464.

［29］Jefferson，Gary H，Bai Huamao，Guan Xiaojinget al.R＆D Performance in Chinese Industry［J］.Economics of Innovation and New Technology，2004，13(2):377-381.

［30］趙芝俊，張社梅.我國(guó)農(nóng)業(yè)科研投資宏觀經(jīng)濟(jì)效益分析［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2005，(6):41-47.

［31］黃季焜，胡瑞法.中國(guó)農(nóng)業(yè)科研投資經(jīng)濟(jì)［M］.北京:中國(guó)農(nóng)業(yè)出版社，2000.

［32］李容.中國(guó)農(nóng)業(yè)科研公共投資研究［M］.北京:中國(guó)農(nóng)業(yè)出版社，2003.

［33］張社梅，趙芝俊，朱希剛.國(guó)產(chǎn)轉(zhuǎn)基因棉花科研投資收益的定量分析［J］.中國(guó)農(nóng)村經(jīng)濟(jì)，2008，(7):14-23.

［34］李銳，李子奈.我國(guó)農(nóng)業(yè)科研投資效率的研究［J］.管理科學(xué)學(xué)報(bào)，2007，10(4):82-89.

［35］Evenson R E.Economic Impact Studies of Agricultural Research and Extension［M］.Working Paper，Yale University，1997.

［36］黃季焜，羅斯高.邁向21世紀(jì)的中國(guó)糧食經(jīng)濟(jì)［M］.北京:中國(guó)農(nóng)業(yè)出版社，1998.