陳 耀，趙芝俊 ，高 蕓

(1.中國(guó)農(nóng)業(yè)科學(xué)院 農(nóng)業(yè)經(jīng)濟(jì)與發(fā)展研究所，北京100081； 2.甘肅農(nóng)業(yè)大學(xué) 財(cái)經(jīng)學(xué)院，甘肅 蘭州 730070)

作為國(guó)家創(chuàng)新系統(tǒng)的重要組成部分，農(nóng)業(yè)科研機(jī)構(gòu)是中國(guó)農(nóng)業(yè)科技創(chuàng)新的重要主體，是農(nóng)業(yè)科技創(chuàng)新的生力軍。近年來(lái)，隨著創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的深入推進(jìn)，國(guó)家對(duì)農(nóng)業(yè)科技創(chuàng)新工作的重視程度日益提高，農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新投入不斷加大。但是，在農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新過(guò)程中，創(chuàng)新資源投入產(chǎn)出效率不高、資源利用低效的狀況一直存在。因此，如何有效提升中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率問(wèn)題就更為凸顯。

事實(shí)上，國(guó)內(nèi)在創(chuàng)新效率研究領(lǐng)域已取得較大進(jìn)展，從研究層面上看，涉及企業(yè)[1-3]、產(chǎn)業(yè)[4-6]及區(qū)域[7-9]等多個(gè)方面。目前，針對(duì)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的研究主要有：許朗[10]采用了2003、2006年的數(shù)據(jù)，運(yùn)用數(shù)據(jù)包絡(luò)分析(data envelopment analysis,DEA) 方法及C-D函數(shù)模型測(cè)定了中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)的科技創(chuàng)新效率及其影響因素，研究發(fā)現(xiàn)，中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)總體綜合技術(shù)效率不高，相對(duì)于資本要素而言，需要大力依靠人力資源的投入，提高農(nóng)業(yè)科研機(jī)構(gòu)的產(chǎn)出效率；申紅芳等[11]采用1987—2004年的數(shù)據(jù)，也運(yùn)用DEA方法對(duì)四川省省屬和地市屬農(nóng)業(yè)科研機(jī)構(gòu)的效率進(jìn)行評(píng)價(jià)，研究發(fā)現(xiàn)，四川省農(nóng)業(yè)科研機(jī)構(gòu)的效率具有明顯的階段性波動(dòng)特征，且這種階段性特征與中國(guó)科技體制改革的步伐基本吻合，同時(shí)認(rèn)為技術(shù)進(jìn)步是影響四川省農(nóng)業(yè)科研機(jī)構(gòu)TFP生產(chǎn)率變動(dòng)的主要因素；楊傳喜等[12]采用2009年的數(shù)據(jù)，運(yùn)用DEA方法對(duì)中國(guó)各省份的農(nóng)業(yè)科研機(jī)構(gòu)科技運(yùn)行效率進(jìn)行了評(píng)價(jià)，認(rèn)為農(nóng)業(yè)科研機(jī)構(gòu)科技資源配置效率比較低，有60%以上的省份處于非效率區(qū)；趙博雄[13]采用2004—2011年的數(shù)據(jù)，同樣運(yùn)用DEA方法，對(duì)中國(guó)農(nóng)業(yè)科學(xué)院31個(gè)研究所的科技資源配置效率進(jìn)行了測(cè)算，并分析了相關(guān)影響因素。

總體來(lái)看，現(xiàn)有文獻(xiàn)表現(xiàn)出以下兩個(gè)特征：其一，與對(duì)企業(yè)、產(chǎn)業(yè)及區(qū)域創(chuàng)新效率研究相比，對(duì)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的研究依然較為有限；其二，從研究方法來(lái)看，大多采用DEA方法，該方法采用線性規(guī)劃技術(shù)，因無(wú)需設(shè)定函數(shù)的形式，有效地避免了主觀設(shè)定函數(shù)的影響，但在效率評(píng)價(jià)時(shí)因沒(méi)考慮隨機(jī)誤差的存在，且無(wú)法對(duì)影響創(chuàng)新效率的因素進(jìn)行直接的分析而存在不足。鑒于此，本文試圖進(jìn)行以下拓展：考慮到農(nóng)業(yè)科研的特殊性及中國(guó)各省份農(nóng)業(yè)科研機(jī)構(gòu)在科技創(chuàng)新中面臨的諸多隨機(jī)擾動(dòng)和不可觀測(cè)因素較多，采用隨機(jī)前沿分析(stochastic frontier analysis,SFA)方法比DEA方法分析更適合當(dāng)前環(huán)境，不僅能夠分析單個(gè)個(gè)體的科技創(chuàng)新效率，還可以直接分析各種相關(guān)因素對(duì)個(gè)體效率差異的具體影響。此外，本文將基于成果類型異質(zhì)性視角，對(duì)農(nóng)業(yè)科研機(jī)構(gòu)創(chuàng)新活動(dòng)的產(chǎn)出加以明確區(qū)分，將其分為學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性三大類，這樣就能夠較為系統(tǒng)全面地分析中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)具有不同性質(zhì)的三類科技創(chuàng)新效率狀況及非效率影響因素。因此，本文通過(guò)收集2009—2016年中國(guó)31省、市及自治區(qū)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新投入產(chǎn)出及相關(guān)影響因素的面板數(shù)據(jù)，運(yùn)用SFA方法，基于成果類型異質(zhì)性視角對(duì)中國(guó)省域農(nóng)業(yè)科研機(jī)構(gòu)科技效率進(jìn)行測(cè)度評(píng)價(jià)的基礎(chǔ)上，探尋不同影響科技創(chuàng)新非效率的根源，以便更有針對(duì)性地找出提升農(nóng)業(yè)科研機(jī)構(gòu)科技效率的對(duì)策建議。

1 研究方法

在研發(fā)效率測(cè)評(píng)中，前沿分析法被廣泛使用。通常根據(jù)生產(chǎn)前沿確定方法的不同，可分為非參數(shù)方法和參數(shù)方法。參數(shù)方法以SFA為代表，該方法由Aigner等[14]，Meeusen等[15]以及Battese等[16]幾乎同時(shí)獨(dú)立提出。SFA方法以計(jì)量方法為基礎(chǔ)，依賴于對(duì)數(shù)據(jù)的隨機(jī)性假設(shè)，不但能夠通過(guò)計(jì)量方法判斷研究設(shè)定的前沿生產(chǎn)函數(shù)模型擬合質(zhì)量問(wèn)題，測(cè)算研究對(duì)象的效率值大小問(wèn)題，還可以直接定量分析研究對(duì)象效率差異的影響因素，具有很強(qiáng)的政策導(dǎo)向，同時(shí)也可以進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)值估計(jì)，有更為堅(jiān)實(shí)的經(jīng)濟(jì)理論基礎(chǔ)，尤其是在模型設(shè)定合理且采用面板數(shù)據(jù)條件下，體現(xiàn)出獨(dú)特的優(yōu)勢(shì)。本文主要關(guān)注以下兩個(gè)方面：其一是中國(guó)省域農(nóng)業(yè)科研機(jī)構(gòu)不同類型科技創(chuàng)新效率水平現(xiàn)狀；其二是探尋影響科技創(chuàng)新非效率值的主要因素。SFA方法能夠有效分析以上兩個(gè)方面的基本問(wèn)題。

因此，本文借鑒Battese等[17]面板數(shù)據(jù)隨機(jī)前沿模型設(shè)定方法，研究模型設(shè)定為

yit=f(xit;β)exp(vit-uit)。

(1)

將式(1)兩邊取對(duì)數(shù)，可得

lnyit=lnf(xit，β)+vit-uit。

(2)

其中，i=1，2，…n；t=1，2，…T；分別表示省份和年度；yit、xit分別表示i省農(nóng)業(yè)科研機(jī)構(gòu)在時(shí)期t的科技創(chuàng)新產(chǎn)出、科技創(chuàng)新投入；f(*)表示生產(chǎn)可能性邊界上的前沿產(chǎn)出；(vit-uit)為復(fù)合誤差項(xiàng)，vit與uit相互獨(dú)立，且服從對(duì)稱正態(tài)分布，其中，vit～N(0，δ2v)表示隨機(jī)擾動(dòng)的影響；uit～N+(u，δ2u)，uit的值非負(fù)，服從非負(fù)斷尾正態(tài)分布，表示農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新中的非效率項(xiàng)，其值越大，表示農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新非效率程度越大，也即農(nóng)業(yè)科研機(jī)構(gòu)的非效率水平越低。

依據(jù)該模型的原理及形式，各省域農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率TE值為實(shí)際產(chǎn)出與前沿面產(chǎn)出的距離，其測(cè)算公式為

(3)

顯然，uit=0時(shí)，TEit=1，表示決策單元恰好位于前沿面上，說(shuō)明技術(shù)有效；當(dāng)uit>0時(shí)，TEit<1，表示決策單元位于前沿面下方，說(shuō)明存在技術(shù)非效率問(wèn)題。運(yùn)用上述方法估算技術(shù)效率時(shí)，復(fù)合誤差項(xiàng)中技術(shù)非效率項(xiàng)應(yīng)占有一定比例，否則該方法無(wú)效。為了系統(tǒng)反映創(chuàng)新效率的變異統(tǒng)計(jì)特性，Battese等[17]設(shè)定了方差參數(shù)γ，其表達(dá)式為

(4)

式(4)中：γ值介于0～1，反映了省域農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率中技術(shù)無(wú)效率項(xiàng)在復(fù)合擾動(dòng)項(xiàng)中所占的比例。若γ趨近于0被接受，說(shuō)明中國(guó)省域農(nóng)業(yè)科研機(jī)構(gòu)的生產(chǎn)點(diǎn)幾乎都位于生產(chǎn)前沿曲線上，此時(shí)用最小二乘法就可以分析；若γ趨近于1被接受，說(shuō)明uit在生產(chǎn)單元與前沿面的偏差中占主要成分，此時(shí)用SFA是合適的。

另外一個(gè)重要的問(wèn)題是，合理地選擇生產(chǎn)函數(shù)對(duì)采用SFA客觀、有效地測(cè)度效率至關(guān)重要。主要是因?yàn)槌綄?duì)數(shù)函數(shù)生產(chǎn)模型(translog production function)相比于傳統(tǒng)的C-D(柯布-道格拉斯)生產(chǎn)函數(shù)模型和CES(不變替代彈性生產(chǎn)函數(shù))更具有普適性，可以突破技術(shù)中性、投入產(chǎn)出彈性固定等苛刻假定，從而更好地?cái)M合實(shí)際情況。 因此，本文將 SFA 模型的第一部分設(shè)定如下：

(5)

式(5)中：Y為省域農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新活動(dòng)的產(chǎn)出變量；K為資本投入變量；L為勞動(dòng)投入變量。

為了進(jìn)一步解釋個(gè)體間的技術(shù)效率差異，分析研發(fā)創(chuàng)新效率的影響因素，引入技術(shù)非效率函數(shù)，其表達(dá)式為

uit=σ0+zitδ+wit。

(6)

式(6)中：σ0為常數(shù)項(xiàng)；zit為影響研發(fā)創(chuàng)新技術(shù)非效率的因素；δ為待估參數(shù)，當(dāng)δ<0時(shí)，表明該因素對(duì)研發(fā)創(chuàng)新效率有正向影響；當(dāng)δ>0時(shí)，表明該因素對(duì)研發(fā)創(chuàng)新效率有負(fù)向影響；wit表示為隨機(jī)誤差項(xiàng)。

2 變量選取與數(shù)據(jù)說(shuō)明

沿襲Griliches[18]的研究，本文將農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新行為視為一個(gè)完整的生產(chǎn)過(guò)程，假設(shè)每個(gè)省為一個(gè)創(chuàng)新活動(dòng)的生產(chǎn)決策單元，每個(gè)決策單元通過(guò)一系列的創(chuàng)新投入，實(shí)現(xiàn)一定的創(chuàng)新產(chǎn)出成果。另外，從上文可以看出，建立SFA方法需要適當(dāng)選擇投入產(chǎn)出變量及影響因素變量，下面就相關(guān)變量作逐一介紹，并簡(jiǎn)要說(shuō)明數(shù)據(jù)來(lái)源。

2.1 投入與產(chǎn)出變量

(1)投入變量。在考察農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的過(guò)程中，有關(guān)創(chuàng)新投入要素的確定是關(guān)鍵?，F(xiàn)有創(chuàng)新研究中最常見(jiàn)的投入要素可分為兩大類：一是研發(fā)(research and development,R&D)人員；二是R&D經(jīng)費(fèi)。

對(duì)于R&D人員要素，一般采用國(guó)際上比較通用R&D人員全時(shí)當(dāng)量來(lái)表征，因此，本文采用年度內(nèi)農(nóng)業(yè)科研機(jī)構(gòu)中R&D全時(shí)人員數(shù)，再加上按工作量折算的非全時(shí)人員折合工作量來(lái)表征，用L表示。

對(duì)于R&D經(jīng)費(fèi)要素，參照Griliches[19]、吳延兵[20]做法，本文采用R&D資本存量來(lái)表征R&D經(jīng)費(fèi)要素，用K表示。其計(jì)算公式為

Kit=(1-δ)×Ki(t-1)+Eit。

(7)

式(7)中：Kit和Ki(t-1)分別表示第i省農(nóng)業(yè)科研機(jī)構(gòu)在第t和t-1期的資本存量，Eit表示第i省份農(nóng)業(yè)科研機(jī)構(gòu)在第t期R&D經(jīng)費(fèi)實(shí)際支出額，δ表示資本存量的折舊率。

有關(guān)δ及Eit計(jì)算方法同樣參照白俊紅等[21]的估計(jì)方法，對(duì)R&D資本折舊率δ，采用δ=15%；Eit值表示R&D經(jīng)費(fèi)實(shí)際支出額，以2009年為基期，通過(guò)對(duì)名義R&D經(jīng)費(fèi)支出進(jìn)行平減所得，其值參照公式：R&D支出價(jià)格指數(shù)=0.55×消費(fèi)價(jià)格指數(shù)+0.45×固定資產(chǎn)投資價(jià)格指數(shù)。該公式中：消費(fèi)價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)分別采用各農(nóng)業(yè)科研機(jī)構(gòu)所在省份的相應(yīng)指數(shù)來(lái)表示，其中，由于西藏?cái)?shù)據(jù)缺失，運(yùn)用周邊相鄰省份青海的指數(shù)代替計(jì)算。

有關(guān)基期資本存量估算公式為

Ki0=Ei0/(g+δ)。

(8)

式(8)中：Ki0和Ei0分別表示農(nóng)業(yè)科研機(jī)構(gòu)基期資本存量和基期實(shí)際R&D經(jīng)費(fèi)支出；δ表示為資本存量的折舊率；g為R&D資本存量的增長(zhǎng)率，采用考察期內(nèi)實(shí)際R&D經(jīng)費(fèi)支出的平均增長(zhǎng)率來(lái)表示。根據(jù)以上方面，就可以計(jì)算出考察期內(nèi)各省域每年農(nóng)業(yè)科研機(jī)構(gòu)的R&D資本存量Kit。

(2)產(chǎn)出變量。農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新成果有很多，借鑒許朗[10]、申紅芳等[11]、陳耀等[22]研究的基礎(chǔ)上，考慮到數(shù)據(jù)的可得性以及產(chǎn)出成果的異質(zhì)性，本文把農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出成果分為學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性三大類。

對(duì)于學(xué)術(shù)性產(chǎn)出而言，論文與專著是衡量農(nóng)業(yè)科研機(jī)構(gòu)在基礎(chǔ)研究、應(yīng)用研究等方面的重要成果，凝聚了農(nóng)業(yè)科技創(chuàng)新人員探索性、創(chuàng)造性的大量勞動(dòng)，是衡量農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性水平的重要指標(biāo)。參照池敏青等[23]、于志軍等[24]的研究及考慮到數(shù)據(jù)的可得性，本文采用這兩個(gè)指標(biāo)來(lái)表征農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性產(chǎn)出。

對(duì)于技術(shù)性產(chǎn)出而言，專利是反映農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新水平和掌握核心技術(shù)的能力，是各農(nóng)業(yè)科研機(jī)構(gòu)形成自身核心競(jìng)爭(zhēng)力的重要來(lái)源，專利受理數(shù)作為創(chuàng)新績(jī)效的考核指標(biāo)是文獻(xiàn)中的一種慣用做法，是反映農(nóng)業(yè)科研機(jī)構(gòu)技術(shù)創(chuàng)新的一項(xiàng)重要指標(biāo)。因此，本文采用專利受理數(shù)來(lái)表征農(nóng)業(yè)科研機(jī)構(gòu)的技術(shù)性產(chǎn)出。

對(duì)于經(jīng)濟(jì)性產(chǎn)出而言，技術(shù)性收入是反映農(nóng)業(yè)科研機(jī)構(gòu)創(chuàng)新產(chǎn)出潛在經(jīng)濟(jì)價(jià)值或潛在應(yīng)用價(jià)值很重要的方面，反映了科技成果被市場(chǎng)認(rèn)可或應(yīng)用到農(nóng)業(yè)生產(chǎn)實(shí)踐中的可能性程度的重要指標(biāo)。因此，參照申紅芳等[11]的研究，本文采用技術(shù)性收入來(lái)表征農(nóng)業(yè)科研機(jī)構(gòu)的經(jīng)濟(jì)性產(chǎn)出。

2.2 影響因素變量

從理論上來(lái)說(shuō)，因科技創(chuàng)新活動(dòng)的復(fù)雜性、產(chǎn)出的多樣性及農(nóng)業(yè)科研機(jī)構(gòu)自身的特殊性，影響農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的因素極為復(fù)雜，本文在借鑒現(xiàn)有研究的基礎(chǔ)上及考慮到數(shù)據(jù)的可得性，主要從以下幾個(gè)方面進(jìn)行分析：人員數(shù)量結(jié)構(gòu)，用農(nóng)業(yè)科研機(jī)構(gòu)中科技人員占從業(yè)人員的比重來(lái)表征人員結(jié)構(gòu)變量；人員質(zhì)量結(jié)構(gòu)，采用農(nóng)業(yè)科研機(jī)構(gòu)中擁有高級(jí)職稱的科技人員占從事科技活動(dòng)人員比例來(lái)表征人員素質(zhì)變量；政府的支持，采用農(nóng)業(yè)科研機(jī)構(gòu)的科技活動(dòng)收入中政府資金所占比例來(lái)表征政府的支持變量；基礎(chǔ)設(shè)施，采用農(nóng)業(yè)科研機(jī)構(gòu)中報(bào)告期內(nèi)年末固定資產(chǎn)原價(jià)來(lái)表征基礎(chǔ)設(shè)施變量。

2.3其他控制變量

為了使研究結(jié)果更加有效，本文主要從以下兩個(gè)方面進(jìn)行了控制：經(jīng)濟(jì)發(fā)展水平，用農(nóng)業(yè)科研機(jī)構(gòu)所在省份的人均GDP表示；農(nóng)業(yè)發(fā)展水平，用農(nóng)業(yè)科研機(jī)構(gòu)所在省份的農(nóng)業(yè)總產(chǎn)值表示。

本文所有變量絕對(duì)數(shù)量均以2009年價(jià)格為基期折算為實(shí)際值，比值均以名義值計(jì)算得出。以上所有變量、代表符號(hào)及定義如表1所示，對(duì)各個(gè)變量的描述性統(tǒng)計(jì)見(jiàn)表2。

2.4 數(shù)據(jù)來(lái)源及說(shuō)明

本文所用數(shù)據(jù)選取自《全國(guó)農(nóng)業(yè)科技統(tǒng)計(jì)資料匯編》(2009—2016年)、《中國(guó)統(tǒng)計(jì)年鑒》(2010—2017年)、《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》(2010—2017)、《中國(guó)科技統(tǒng)計(jì)年鑒》(2010—2017年)?？疾靺^(qū)域?yàn)橹袊?guó)大陸31個(gè)省、市和自治區(qū)，考察對(duì)象為全國(guó)31省份地市級(jí)以上農(nóng)業(yè)科研機(jī)構(gòu)。

3 結(jié)果與討論

3.1 假設(shè)檢驗(yàn)及模型選擇

采用Frontier4.1計(jì)量分析軟件，對(duì)中國(guó)各省份農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出效率進(jìn)行隨機(jī)前沿檢驗(yàn)估計(jì)，其結(jié)果見(jiàn)表3，模型1、2、3分別表示學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性產(chǎn)出的估計(jì)結(jié)果。從表3可以看出，在這3個(gè)模型中，γ均在1%水平下顯著，說(shuō)明了創(chuàng)新非效率是中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)創(chuàng)新生產(chǎn)未達(dá)到前沿面產(chǎn)出水平的重要原因，也充分驗(yàn)證了本文采用SAF方法的合理性。

表1 變量定義

Table 1 Variable definition

類別Type變量Variable符號(hào)Symbol定義Definition創(chuàng)新投入Innovation input資本投入/千元Capital investment/thousand yuanKR&D資本存量,用永續(xù)盤(pán)存法核算R&D capital stock, accounting with perpetual inventory method 人員投入/(人·年-1)Personnel input/person per yearLR&D人員全時(shí)當(dāng)量,指報(bào)告年內(nèi)R&D全時(shí)人員數(shù)加非全時(shí)人員按工作量折算成全時(shí)人員的總和Full time equivalent of R&D personnel refers to the total num-ber of full time R&D personnel plus full time R&D personnel converted into full time personnel according to the workload during the reporting year學(xué)術(shù)性產(chǎn)出Academic output發(fā)表科技論文Published scientific papers(權(quán)重0.7)(Weight 0.7)Pap發(fā)表的科技論文篇數(shù)Number of scientific papers published出版科技著作Publication of scientific and technological works(權(quán)重0.3)(Weight 0.3)Boo出版的科技著作部數(shù)Number of scientific and technological works published技術(shù)性產(chǎn)出Technical output專利產(chǎn)出Patent output Pat專利受理數(shù)Number of patents accepted經(jīng)濟(jì)性產(chǎn)出Economic output技術(shù)收入/千元Technical income/thousand yuanTec科技活動(dòng)收入中技術(shù)性收入Technical income from science and technology activities影響因素Influencing factor人員數(shù)量結(jié)構(gòu)Personnel quality structure/%Pstruc科技人員數(shù)占從業(yè)人員的比重The number of scientific and technical personnel accounted for the proportion of practitioners人員質(zhì)量結(jié)構(gòu)Personnel quality structure/%Profes高級(jí)職稱人員占從事科技人員比例The proportion of senior professional title personnel engaged in science and technology personnel政府支持Government support/%Gover科技活動(dòng)收入中政府資金所占比例The share of government funds in revenue from science and technology activities基礎(chǔ)設(shè)施/億元Infrastructure/huandred million yuanBase用報(bào)告期內(nèi)年末固定資產(chǎn)原價(jià)來(lái)表征Fixed assets at the end of the reporting period控制變量Control variable經(jīng)濟(jì)發(fā)展/(萬(wàn)元·人-1)Economic development/ ten thousand yuan per personEconom用該地區(qū)人均GDP來(lái)表征Regional GDP per capita農(nóng)業(yè)發(fā)展水平/億元Agricultural development /huandred million yuanAgrdeve用該地區(qū)的農(nóng)業(yè)總產(chǎn)值來(lái)表征The gross agricultural output value of the region

表中權(quán)重值參照文獻(xiàn)[24]的研究設(shè)定。

The weight values in the table referred to the research settings in literature [24].

表2 變量的描述性統(tǒng)計(jì)結(jié)果

Table 2 Descriptive statistical results of variables

指標(biāo)Index平均值Mean value標(biāo)準(zhǔn)差Standard deviation最小值Minimum value最大值Maximum valueK/百萬(wàn) million107.717 105.744 1.945 836.047 L/人·a-1(person·a-1)1086.640 754.298 5.000 4052.000 Pap/篇 paper873.990 617.393 18.000 3585.000 Boo/部 part26.600 31.834 1.000 260.000 Pat/件 piece147.730 179.030 1.000 962.000 Tec/千元 thousand yuan28287.400 45062.488 1.000 321265.000 Pstruc/%0.758 0.108 0.272 0.982 Profes/%0.307 0.071 0.131 0.512 Gover/%0.888 0.088 0.483 1.000 Base/億元 huandred million yuan7.659 6.899 0.585 51.631 Econom/萬(wàn)元 ten thousand yuan3.077 1.732 1.092 8.102 Agrdeve/億元 huandred million yuan1672.045 1505.086 39.060 8159.102

根據(jù)SFA方法的原理，采用該方法的一個(gè)關(guān)鍵問(wèn)題是生產(chǎn)函數(shù)模型必須設(shè)置合理，因此，本文所關(guān)心的另一個(gè)問(wèn)題是：用廣義似然率檢驗(yàn)統(tǒng)計(jì)量，檢驗(yàn)在研究中對(duì)于生產(chǎn)函數(shù)形式的假設(shè)檢驗(yàn)及“不存在無(wú)效率項(xiàng)”的這一零假設(shè)，其檢驗(yàn)結(jié)果見(jiàn)表4。

從表4可以看出，模型1、2、3的廣義似然λ均大于相應(yīng)的5%顯著水平下混合卡方分布臨界值，該假設(shè)檢驗(yàn)結(jié)論充分證明拒絕原假設(shè)，有充分的理由說(shuō)明采用超越對(duì)數(shù)生產(chǎn)函數(shù)的可行性。

表3 中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新的隨機(jī)前沿模型估計(jì)結(jié)果

Table 3 Estimates of scientific and technological innovation efficiency in Chinese agricultural research institutions with SFA model

系數(shù)Coefficient模型1 Model 1模型2 Model 2模型3 Model 3前沿函數(shù)估計(jì)Frontier function estimation常數(shù)項(xiàng)β0 Constanst β014.736???(6.984)8.100(1.676)-14.396???(-4.161)lnK-2.446???(-4.571)-3.984???(-3.785)-1.148?(-1.853)lnL1.813??(2.520)5.937???(5.595)7.805???(3.170)[lnK]20.128???(3.317)0.321???(5.003)0.298??(2.267)[lnL]20.027(0.678)0.267???(4.685)0.263(1.363)[lnK lnL]-0.131(-1.540)-0.656???(-5.383)-0.859??(-2.489)效率影響因素估計(jì)Efficiency factor estimation常數(shù)項(xiàng)δ0 Constanst δ00.965(1.485)3.802???(4.524)-6.152???(-3.834)Pstruc-0.982??(-1.951)-1.388??(-2.115)7.083?(1.697)Profes-0.707(-0.798)-2.103?(-1.760)-3.866???(4.187)Agover0.081(0.121)0.423(0.530)6.870???(4.141)Base-0.081???(-2.927)-0.012(0.480)-0.186(-1.614)Econom-0.097??(2.196)-0.177???(3.176)-1.697???(4.571)Agrdeve0.001(1.429)-0.010??(-1.986)-0.012??(-2.345)σ20.185???(6.215)0.421???(8.039)1.3306???(4.387)γ0.775???(14.315)0.869???(13.326)0.984???(18.698)Log函數(shù)值 The Log function value-73.709-178.199-435.774單邊LR檢驗(yàn) Unilateral LR test76.278254.687286.987

括號(hào)內(nèi)數(shù)值為t值；*、** 和***分別表示顯著性水平為10%，5%和1%(雙側(cè))。

Values in brackets weretvalues;*， ** and *** represent significance levels of 10%， 5% and 1% (bilateral)， respectively.

表4 假設(shè)檢驗(yàn)結(jié)果

Table 4 Hypothesis test results

代號(hào)Symbol模型1Model 1模型2Model 2模型3Model 3L(H0)-111.849-195.372-473.05廣義似然λ76.27834.34474.548The generalized likelihood臨界值Critical value7.8157.8157.815檢驗(yàn)結(jié)論Test conclusion拒絕Reject拒絕Reject拒絕Reject

臨界值為顯著水平為0.05下的臨界值。

The critical value is the critical value at the significance level of 0.05.

3.2 農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率分析

通過(guò)對(duì)2009—2016年各省域農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率求均值，并根據(jù)均值大小對(duì)其排名，具體情況見(jiàn)表5。

(1)從總體來(lái)看。在考察期內(nèi)，中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性產(chǎn)出效率、技術(shù)性產(chǎn)出效率、經(jīng)濟(jì)性產(chǎn)出效率均值分別為0.662、0.444、0.338，其提升空間為33.8%、55.6%、和66.2%。說(shuō)明中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率整體水平均比較低，仍然存在較多的非效率。三類創(chuàng)新效率相比較而言，經(jīng)濟(jì)性產(chǎn)出效率改進(jìn)空間更大，其次為技術(shù)性產(chǎn)出，最后為學(xué)術(shù)性產(chǎn)出。三類產(chǎn)出效率均值高于全國(guó)平均值的省份分別為18、14、15個(gè)，占比為58.06%、45.16%、48.39%。

表5 中國(guó)各省份農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率均值及排名

Table 5 Average and ranking of scientific and technological innovation efficiency of agricultural research institutions in China’s provinces

地區(qū)Area學(xué)術(shù)性產(chǎn)出效率Academic output efficiency均值A(chǔ)verage排名Ranking技術(shù)性產(chǎn)出效率Technical output efficiency均值A(chǔ)verage排名Ranking經(jīng)濟(jì)性產(chǎn)出效率Economic output efficiency均值A(chǔ)verage排名Ranking北京Beijing0.89540.88520.7022天津Tianjin0.465260.69670.7541河北Hebei 0.78590.358190.08226遼寧Liaoning0.706140.165280.03529山東Shandong0.90920.73640.36414上海Shanghai 0.644190.89110.13624江蘇Jiangsu0.89830.78030.51410浙江Zhejiang0.92010.72150.44912海南Hainan0.730120.62580.13723福建Fujian0.85360.71560.17920廣東Guangdong0.87050.56090.39913東部 Eastern China0.7890.6480.341山西Shanxi0.612220.366180.21418吉林Jilin0.640210.168270.19519黑龍江Heilongjiang0.79680.354200.6007安徽Anhui0.500240.480130.6903江西Jiangxi0.461270.150290.6396河南Henan0.82370.338210.6485湖北Hubei0.769100.532110.5818湖南Hunan0.501230.220260.6624中部Central China0.6380.3260.529內(nèi)蒙古Inner Mongolia0.401300.110300.00530廣西Guangxi0.685160.396170.14422重慶Chongqing0.408290.332220.32916四川Sichuan0.740110.515120.5409貴州 Guizhou0.701150.438150.05028云南Yunnan0.643200.269230.47011西藏Tibet0.227310.066310.00131陜西Shaanxi0.471250.232240.06927甘肅Gansu0.724130.465140.24217青海Qinghai0.674170.227250.34015寧夏Ningxia0.455280.420160.13624新疆Xinjiang0.670180.545100.15121西部 Western China0.5670.3340.206全國(guó)The whole country0.6620.4440.338

(2)從單個(gè)地區(qū)來(lái)看。學(xué)術(shù)產(chǎn)出平均效率最高的前5個(gè)省份分別是浙江、山東、江蘇、北京和廣東，其平均效率高達(dá)0.870以上，最低的5個(gè)省份是江西、寧夏、重慶、內(nèi)蒙和西藏，其效率均值均低于0.461；技術(shù)性產(chǎn)出平均效率最高的前5個(gè)省份分別是上海、北京、江蘇、山東和浙江，其效率均值高達(dá)0.721，最低的省份為吉林、遼寧、江西、內(nèi)蒙和西藏，其效率均值均低于0.168；經(jīng)濟(jì)性產(chǎn)出的平均效率最高的前5個(gè)省份分別是天津、北京、安徽、湖南、河南，其效率均值均高于0.648，最低的省份為陜西、貴州、遼寧、內(nèi)蒙和西藏，其效率均值均低于0.050。

(3)從東、中、西三大區(qū)域來(lái)看。東、中、西部學(xué)術(shù)性效率均值分別為0.789、0.638、0.567，只有東部地區(qū)的效率均值高于全國(guó)平均水平，呈現(xiàn)東、中、西部地區(qū)依次遞減的趨勢(shì)；東、中、西部技術(shù)性產(chǎn)出效率均值分別為0.648、0.326、0.334，只有東部地區(qū)效率均值高于全國(guó)平均水平，東部效率均值最高，其次是西部，最后是中部；東、中、西部地區(qū)經(jīng)濟(jì)性產(chǎn)出效率均值分別為 0.341、0.529、0.206，東部地區(qū)和中部地區(qū)的效率均值高于全國(guó)平均水平，效率均值最高的區(qū)域?yàn)橹胁康貐^(qū)、其次是東部地區(qū)、最后是西部地區(qū)。

(4)從時(shí)間趨勢(shì)來(lái)看。圖1表示了考察期內(nèi)全國(guó)農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性產(chǎn)出創(chuàng)新效率均值的時(shí)間變化。從圖1可以看出，學(xué)術(shù)性產(chǎn)出效率變化幅度不明顯，而技術(shù)性和經(jīng)濟(jì)性產(chǎn)出效率雖然離前沿面水平還有較大差距，但從時(shí)間趨勢(shì)來(lái)看，表現(xiàn)出明顯的上升態(tài)勢(shì)。進(jìn)一步說(shuō)明，隨著國(guó)家創(chuàng)新驅(qū)動(dòng)戰(zhàn)略的深入推進(jìn)，中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)長(zhǎng)期存在的創(chuàng)新資源投入產(chǎn)出效率不高、資源利用低效的狀況已經(jīng)有很大的改觀，表現(xiàn)出了良好的上升勢(shì)頭。

圖1 全國(guó)農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性產(chǎn)出創(chuàng)新效率均值的時(shí)間變化Fig.1 The temporal change of the average value of the innovation efficiency of the academic， technical and economic output of agricultural research institutions in China

3.3 農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的影響因素分析

從表3前沿函數(shù)估計(jì)結(jié)果來(lái)看，在3個(gè)模型中l(wèi)nK、lnL系數(shù)均顯著異于零，且lnK的系數(shù)為負(fù)值，而lnL的系數(shù)為正值。表明在考察期內(nèi)，如果一味地加大R&D資本投入，并不會(huì)帶來(lái)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新成果產(chǎn)出的增加，這似乎有悖常理。究其原因，可能與R&D經(jīng)費(fèi)的配置結(jié)構(gòu)不夠合理有關(guān)。比如現(xiàn)階段，科技計(jì)劃過(guò)多依賴競(jìng)爭(zhēng)方式，過(guò)度的競(jìng)爭(zhēng)導(dǎo)致了競(jìng)爭(zhēng)性的政府資金逐年提高，而非競(jìng)爭(zhēng)性的資金逐年降低，使農(nóng)業(yè)科研機(jī)構(gòu)中R&D投入過(guò)度集中到少數(shù)幾個(gè)單位或個(gè)別知名專家手中，這種過(guò)度集中可能并不會(huì)隨著R&D經(jīng)費(fèi)投入增長(zhǎng)使科技產(chǎn)出出現(xiàn)相應(yīng)的增加。以上原因造成表面上看是規(guī)模投資過(guò)度，實(shí)際則是R&D投資不足，最終導(dǎo)致R&D總體上存在非效率投資行為，一定程度上抑制了農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出。

R&D活動(dòng)全時(shí)人員對(duì)農(nóng)業(yè)科研機(jī)構(gòu)三類科技創(chuàng)新產(chǎn)出有正向影響，進(jìn)一步說(shuō)明了在考察期內(nèi)，中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)創(chuàng)新產(chǎn)出主要是依靠科技人員的投入拉動(dòng)的。這和許朗[10]早期研究的結(jié)論基本一致。

為了進(jìn)一步分析中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率不高的原因，即分析影響創(chuàng)新效率的關(guān)鍵因素，見(jiàn)表3效率影響因素估計(jì)，以期為提高農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率提出有針對(duì)性的政策建議。人員數(shù)量結(jié)構(gòu)(Pstruc)在模型1和模型2中的回歸估計(jì)系數(shù)均顯著且為負(fù)，而在模型3中的回歸估計(jì)系數(shù)雖顯著但為正，說(shuō)明人員數(shù)量結(jié)構(gòu)對(duì)學(xué)術(shù)產(chǎn)出效率和技術(shù)性產(chǎn)出效率均有顯著的促進(jìn)作用。科技人員作為科技創(chuàng)新活動(dòng)的主體，科技人員比例越高，農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性和技術(shù)性創(chuàng)新能力就越強(qiáng)，學(xué)術(shù)性和技術(shù)性創(chuàng)新產(chǎn)出成果越多，可見(jiàn)，在農(nóng)業(yè)科研機(jī)構(gòu)人員結(jié)構(gòu)中，提升科技人員的比例可以有效增強(qiáng)農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性產(chǎn)出和技術(shù)性產(chǎn)出效率。但是對(duì)農(nóng)業(yè)科研機(jī)構(gòu)的經(jīng)濟(jì)性產(chǎn)出而言，人員結(jié)構(gòu)中科技人員的比重越高，反而效率越低。究其原因：這主要是由于經(jīng)濟(jì)性產(chǎn)出與其他兩類產(chǎn)出相比而言，技術(shù)轉(zhuǎn)讓是市場(chǎng)行為，與其是否有潛在經(jīng)濟(jì)價(jià)值或者潛在應(yīng)用價(jià)值及最終出售、轉(zhuǎn)讓有關(guān)。

人員素質(zhì)結(jié)構(gòu)(Profes)在模型2和模型3中顯著，且回歸估計(jì)系數(shù)為負(fù)，而在模型1中雖不顯著，但回歸系數(shù)為負(fù)。說(shuō)明人員素質(zhì)水平越高，農(nóng)業(yè)科研機(jī)構(gòu)的技術(shù)性和經(jīng)濟(jì)性創(chuàng)新產(chǎn)出能力越強(qiáng)，成果的產(chǎn)出數(shù)量越多，可見(jiàn)，提升農(nóng)業(yè)科研機(jī)構(gòu)中人員素質(zhì)，可有效增強(qiáng)農(nóng)業(yè)科研機(jī)構(gòu)技術(shù)性及經(jīng)濟(jì)性產(chǎn)出效率。但是對(duì)于學(xué)術(shù)性產(chǎn)出指標(biāo)估計(jì)結(jié)果不顯著的原因可能與使用學(xué)術(shù)論文和著作指標(biāo)來(lái)反映學(xué)術(shù)性指標(biāo)本身的缺陷有關(guān)，它只是反映了科技創(chuàng)新產(chǎn)出成果的數(shù)量，很難反映成果的檔次及質(zhì)量，最終造成人員素質(zhì)結(jié)構(gòu)對(duì)農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性產(chǎn)出效率影響不顯著的表象。

政府的支持(Gover)，只有在模型3中顯著，而在模型1和模型2中都不顯著，且估計(jì)系數(shù)均為正。說(shuō)明政府支持對(duì)農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性、技術(shù)性產(chǎn)出效率影響不明顯，而對(duì)經(jīng)濟(jì)性的產(chǎn)出效率有負(fù)向影響。由于科技創(chuàng)新有其自身規(guī)律，特別是技術(shù)轉(zhuǎn)讓是市場(chǎng)化行為，在考察期內(nèi)，通過(guò)提高或增加政府對(duì)農(nóng)業(yè)科研機(jī)構(gòu)的支持，僅僅是單純地增加了對(duì)農(nóng)業(yè)科研機(jī)構(gòu)的創(chuàng)新資源投入，但實(shí)際上并沒(méi)有增強(qiáng)農(nóng)業(yè)科研機(jī)構(gòu)的科技創(chuàng)新產(chǎn)出效率。

基礎(chǔ)設(shè)施(Base)，在模型1、2中的回歸估計(jì)系數(shù)都顯著，而在模型3中回歸估計(jì)系數(shù)不顯著，但在這三個(gè)模型中，系數(shù)均為負(fù)，說(shuō)明農(nóng)業(yè)科研機(jī)構(gòu)的基礎(chǔ)設(shè)施條件越完善、越堅(jiān)實(shí)，學(xué)術(shù)性和經(jīng)濟(jì)性創(chuàng)新能力越強(qiáng)，學(xué)術(shù)性和經(jīng)濟(jì)性創(chuàng)新成果越多，農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出效率越高。但在模型3中系數(shù)為負(fù)且不顯著，說(shuō)明基礎(chǔ)設(shè)施對(duì)農(nóng)業(yè)科研機(jī)構(gòu)的經(jīng)濟(jì)性產(chǎn)出效率影響不明顯，進(jìn)一步表明經(jīng)濟(jì)性創(chuàng)新產(chǎn)出的成果是否實(shí)現(xiàn)最終實(shí)際與是否有市場(chǎng)潛在市場(chǎng)價(jià)值或潛在應(yīng)用價(jià)值有關(guān)。

經(jīng)濟(jì)發(fā)展(Econom)在模型 1、2和3中系數(shù)均顯著且為負(fù)，說(shuō)明經(jīng)濟(jì)發(fā)展水平越高的地區(qū)，農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率越高，可能主要是由于經(jīng)濟(jì)發(fā)展水平越高的地區(qū)，往往是資金比較充裕、人才比較聚集的地區(qū)，這為農(nóng)業(yè)科研機(jī)構(gòu)的科技創(chuàng)新活動(dòng)提供了優(yōu)越的條件，在一定程度促進(jìn)了農(nóng)業(yè)科研機(jī)構(gòu)的科技創(chuàng)新活動(dòng)效率的提升。

農(nóng)業(yè)發(fā)展水平(Agresour)在模型 2和3中系數(shù)均顯著且回歸系數(shù)為負(fù)值，而在模型1中不顯著?？梢?jiàn)農(nóng)業(yè)發(fā)展水平對(duì)農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性產(chǎn)出效率沒(méi)有顯著的影響，而對(duì)技術(shù)性及經(jīng)濟(jì)性產(chǎn)出效率有正向影響。表明農(nóng)業(yè)科研機(jī)構(gòu)雖然在技術(shù)性和經(jīng)濟(jì)性產(chǎn)出上能夠結(jié)合當(dāng)?shù)剞r(nóng)業(yè)發(fā)展情況展開(kāi)研究，結(jié)合區(qū)域農(nóng)業(yè)發(fā)展中實(shí)際面臨的問(wèn)題展開(kāi)創(chuàng)新研究，產(chǎn)出更多技術(shù)性和經(jīng)濟(jì)性成果，但是，在學(xué)術(shù)性產(chǎn)出上依舊出現(xiàn)創(chuàng)新與實(shí)際脫節(jié)，創(chuàng)新與農(nóng)業(yè)發(fā)展情況相悖的現(xiàn)象。

4 結(jié)論與建議

基于科技創(chuàng)新成果異質(zhì)性視角，本文將農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新成果分為：學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性三類。采用2009—2016年中國(guó)大陸31省份地市級(jí)以上農(nóng)業(yè)科研機(jī)構(gòu)研發(fā)面板數(shù)據(jù)為樣本，運(yùn)用SAF方法對(duì)其3類科技創(chuàng)新效率狀況進(jìn)行了分析評(píng)價(jià)，并對(duì)其關(guān)鍵影響因素進(jìn)行了探索性的研究，研究結(jié)論主要有以下幾個(gè)方面:

第一，總體來(lái)看，中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性產(chǎn)出效率依然比較低，均存在較大的無(wú)效率現(xiàn)象，三類效率產(chǎn)出都有很大的改進(jìn)空間。而經(jīng)濟(jì)性產(chǎn)出效率改進(jìn)空間更大，其次是技術(shù)性產(chǎn)出效率，最后是學(xué)術(shù)性產(chǎn)出效率。

第二，省際之間農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)產(chǎn)出效率存在明顯差異，發(fā)展不均衡。從三大區(qū)域來(lái)看：學(xué)術(shù)性產(chǎn)出效率均值呈現(xiàn)東部地區(qū)最高，中部地區(qū)次之，西部地區(qū)最低的分布特征；技術(shù)性產(chǎn)出效率均值呈現(xiàn)出東部地區(qū)最高，其次是西部地區(qū)，最后是中部地區(qū)的分布特征；經(jīng)濟(jì)產(chǎn)出效率均值呈現(xiàn)出中部地區(qū)最高，其次是東部地區(qū)，最后是西部地區(qū)的分布特征。從時(shí)間趨勢(shì)來(lái)看，農(nóng)業(yè)科研機(jī)構(gòu)技術(shù)性、經(jīng)濟(jì)性產(chǎn)出效率盡管比較低，但已表現(xiàn)出了上升的態(tài)勢(shì)。

第三，相對(duì)于R&D資本而言，中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新過(guò)程中R&D人員具有更高的產(chǎn)出貢獻(xiàn)，中國(guó)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出效率主要是依賴于R&D人員的投入推動(dòng)的。

第四，科技創(chuàng)新非效率因素的影響對(duì)三類產(chǎn)出效率不盡相同：人員數(shù)量結(jié)構(gòu)對(duì)學(xué)術(shù)性產(chǎn)出及技術(shù)性產(chǎn)出有顯著地促進(jìn)作用，而對(duì)于經(jīng)濟(jì)性產(chǎn)出有負(fù)向影響；人員素質(zhì)結(jié)構(gòu)對(duì)技術(shù)性及經(jīng)濟(jì)性產(chǎn)出都有促進(jìn)作用，但對(duì)學(xué)術(shù)性產(chǎn)出影響不顯著；政府支持對(duì)經(jīng)濟(jì)性產(chǎn)出都有負(fù)向的影響；基礎(chǔ)設(shè)施對(duì)學(xué)術(shù)性及技術(shù)性產(chǎn)出都有促進(jìn)作用，但對(duì)經(jīng)濟(jì)性產(chǎn)出效率影響不顯著。另外，科研機(jī)構(gòu)所在區(qū)域經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率均有正向影響，農(nóng)業(yè)發(fā)展水平對(duì)技術(shù)性和經(jīng)濟(jì)性產(chǎn)出效率有促進(jìn)作用，但對(duì)學(xué)術(shù)性產(chǎn)出效率影響不顯著。

本文研究結(jié)論的政策啟示如下：第一，應(yīng)通過(guò)適當(dāng)增加R&D 活動(dòng)人員，將更加有助于提升農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率；第二，鑒于農(nóng)業(yè)科技創(chuàng)新的特殊性及重要性，在保證對(duì)農(nóng)業(yè)科研機(jī)構(gòu)財(cái)政撥款穩(wěn)定增長(zhǎng)的基礎(chǔ)上，針對(duì)不同的科技創(chuàng)新產(chǎn)出類型，進(jìn)一步優(yōu)化R&D資金投入結(jié)構(gòu)及投入方向，提高科技經(jīng)費(fèi)的使用效率，提升農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率；第三，改革現(xiàn)有選人、用人考核和評(píng)價(jià)激勵(lì)機(jī)制，充分調(diào)動(dòng)現(xiàn)有科技人員積極性、創(chuàng)造性和主動(dòng)性，提升農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率；第四，根據(jù)科技創(chuàng)新不同環(huán)節(jié)、不同成果類型的特征，對(duì)各省份及東、中、西各區(qū)域應(yīng)制定差別化的支持模式和科技評(píng)價(jià)體系，加強(qiáng)科技創(chuàng)新能力，形成有利于各類科技成果產(chǎn)出、轉(zhuǎn)化的體制機(jī)制，提升農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率。