許亞松 張克榮 侯有信

摘 要：基于DEA模型對安徽省2018年16地市農業(yè)科技創(chuàng)新效率進行測算，并通過各投入產出效率值和投影分析，研究安徽省農業(yè)科技創(chuàng)新現(xiàn)狀及影響因素。結果表明，安徽省農業(yè)科技效率整體水平良好，但地區(qū)間差異較大;皖北城市資源要素投入冗余現(xiàn)象較為嚴重，資源配置不合理成為制約安徽省各地區(qū)農業(yè)科技創(chuàng)新投入產出效率提高的根本性問題。

關鍵詞：DEA;農業(yè)科技創(chuàng)新;技術效率

中圖分類號 F270.3;F273.4文獻標識碼 A文章編號 1007-7731（2020）22-0190-05

Abstract： Based on DEA model，the efficiency of agricultural science and technology innovation in 16 cities of Anhui Province in 2018 is calculated，and the current situation and influencing factors of agricultural science and technology innovation in Anhui Province are studied through input-output efficiency value and projection analysis. The results show that the overall level of agricultural science and technology efficiency in Anhui Province is good，but there are great differences between regions. The projection analysis shows that the redundant input of urban resource elements in Northern Anhui Province is more serious，and the unreasonable allocation of resources has become a fundamental problem restricting the improvement of input-output efficiency of agricultural science and technology innovation in various regions of Anhui Province.

Key words： DEA;Agricultural science and technology innovation;Technical efficiency

隨著全球化和互聯(lián)網(wǎng)技術的飛速發(fā)展，國家間的競爭日益激烈，建設創(chuàng)新型國家、提高科技創(chuàng)新能力越來越成為各國的目標和共識。黨的十九大報告中，習近平總書記強調創(chuàng)新是引領經(jīng)濟發(fā)展的第一動力，而農業(yè)作為國民經(jīng)濟發(fā)展的基礎，推動現(xiàn)代農業(yè)科技創(chuàng)新體系建設是完善創(chuàng)新體系的戰(zhàn)略支撐。另一方面，農業(yè)科技創(chuàng)新是推動農業(yè)可持續(xù)發(fā)展的決定性力量，是轉變農業(yè)發(fā)展方式的核心支撐，是早日實現(xiàn)鄉(xiāng)村振興和全面小康的重要途徑。安徽省作為傳統(tǒng)農業(yè)大省，農業(yè)科技創(chuàng)新是安徽省創(chuàng)新體系的重要組成部分，農業(yè)科技創(chuàng)新水平是衡量整個地區(qū)或國家科技發(fā)展水平的重要指標，因此，研究農業(yè)科技創(chuàng)新效率對于促進安徽省農業(yè)現(xiàn)代化發(fā)展和增強地區(qū)競爭力具有重要意義。

目前，針對農業(yè)效率的研究多以DEA模型為主，DEA 模型對于多投入多產出生產效率的測度相對來說比較全面和準確。Ali Emrouznejad[1]通過對近40年來與DEA相關文獻的全面分析發(fā)現(xiàn)，環(huán)境效率和定向距離功能（DDF）、網(wǎng)絡DEA、基準測試、規(guī)模回報（包括規(guī)模效率）是當前學術的研究熱點。此外，研究還發(fā)現(xiàn)，農業(yè)、銀行、供應連鎖、運輸和公共政策是DEA的五大應用領域。國外學者對農業(yè)效率的研究較為豐富，多以農業(yè)科技效率、生態(tài)效率、能源效率等為研究對象，主要運用BCC、CCR和改進后的SBM、Tobit模型或Malmquist指數(shù)模型等方法測度農業(yè)效率。Lucio Cecchini[2]采用SBM-DEA模型與翁布里亞（意大利）10個奶牛場的生命周期分析（LCA）結果相結合，以評估其生態(tài)效率和減排潛力。Muditha Karunarathna[3]研究調查了不同農業(yè)生物多樣性指標（作物多樣性、牲畜多樣性和農業(yè)多樣性）與農業(yè)技術效率（TE）之間的關系。Lidia Angulo-Meza[4]在生命周期評估+數(shù)據(jù)包絡分析（LCA+DEA）方法的基礎上，把碳足跡（CF）+DEA方法的4步方法中引入多目標DEA模型評估有機藍莓果園的生態(tài)效率，這是目前LCA+DEA方法中使用的第一個多目標模型。W.Mu，A.Kanellopoulos[5]采用數(shù)據(jù)包絡分析（DEA）方法評估了奶牛養(yǎng)殖系統(tǒng)的生態(tài)效率，使用模糊DEA來實現(xiàn)考慮到環(huán)境和經(jīng)濟指標值的不確定性，精確了生態(tài)效率的量化。

農業(yè)科技創(chuàng)新效率的是用來衡量農業(yè)科技創(chuàng)新過程中實際有效產出與投入之比。國內的研究多以一階段DEA模型為主，且研究對象主要集中在全國或各省份。例如趙桂燕[6]運用DEA模型，建立了農業(yè)科技創(chuàng)新效率評價指標體系，從綜合技術效率、純技術效率和規(guī)模效率3個方面分析了黑龍江墾區(qū)農業(yè)科技創(chuàng)新效率。陳振[7]運用DEA模型對河南省各地市農業(yè)科技創(chuàng)新效率進行測算，從綜合技術效率、純技術效率、規(guī)模效率和冗余程度等方面分析河南省農業(yè)科技創(chuàng)新現(xiàn)有狀況及影響因素。楊林、鄭麗芳[8]運用超效率DEA模型對廣東省農業(yè)科技創(chuàng)新效率進行了分析，研究發(fā)現(xiàn)其農業(yè)科技存在投入資金不足、農業(yè)科學技術方面的人才短缺等問題。肖碧云[9]利用DEA模型測評了我國31個省份的農業(yè)科技創(chuàng)新資源配置效率。王俊鳳[10]運用DEA模型，對黑龍江省34個省級農業(yè)科技園區(qū)的創(chuàng)新效率、投入冗余、超效率分析等方面進行評價。

然而，目前國內的研究多集中在全國和省域層面，針對安徽省農業(yè)科技創(chuàng)新效率的研究寥寥無幾，且大多以定性的建議對策為主。安徽省作為傳統(tǒng)農業(yè)大省，更應積極探索現(xiàn)代農業(yè)的轉型和升級，因此，研究安徽省農業(yè)科技創(chuàng)新效率，對加快安徽省農業(yè)現(xiàn)代化發(fā)展，優(yōu)化農業(yè)科技創(chuàng)新資源配置，提高區(qū)域競爭力有著重要的意義?；谝陨系难芯?，本研究利用DEA模型對安徽省各地市農業(yè)科技創(chuàng)新效率進行測算，并對各地區(qū)投入產出效率結果進行分析和評價，最后提出了相應的對策建議。

1 DEA模型

1.1 數(shù)據(jù)包絡分析（DEA） 數(shù)據(jù)包絡分析（DEA）是由運籌學家A.Charnes、W.W.Cooper等于1978年提出的一種以相對效率概念為基礎，用于評價多投入、多產出指標決策單元的非參數(shù)統(tǒng)計方法，運用凸分析和線性規(guī)劃對各DMU效度進行測量，可以評價相同部門間的相對有效性[11]。DEA 作為一種非參數(shù)方法，是處理多目標決策問題時的有力工具，廣泛運用于經(jīng)濟和管理領域。DEA模型的顯著特點在于不需要提前設定參數(shù)，無須對數(shù)據(jù)進行標準化處理，在一定程度上減少主觀因素和運算誤差的影響，具有良好的客觀性。

1.2 DEA數(shù)學模型 常用的DEA 模型可分為規(guī)模報酬不變（CCR）模型與規(guī)模報酬可變（BCC）模型2種[12]，CCR模型指當投入量以等比例增加時，產出量應以等比增加。然而實際的生產過程中規(guī)模報酬并不會一成不變。為了測度各決策單元的規(guī)模報酬變化情況，本研究采用BCC 模型，其中綜合技術效率（TE）=純技術效率（PTE）×規(guī)模效率（SE）。BCC模型可表示為：

[s.tminθ-ε（eTs-+eTs+j=1nXjλj+S-=θX0j=1nYjλj-S+=Y0λj≥0，S-，S+≥0]

式中，[j=1，2，…，n]表示不同的決策單元，X表示投入變量，Y表示產出變量;θ則表示DMU離有效前沿面的一種徑向優(yōu)化量或“距離”;S+、S-分別為松弛變量;ε為非阿基米德無窮小量，其本質上是一個線性規(guī)劃問題。若[θ=1，S+=S-=0]，則決策單元DEA有效;若[θ=1，S+≠0]或[S-≠0]，則決策單元弱DEA有效;若[θ]<[1]，則決策單元非DEA有效。

2 指標選取與數(shù)據(jù)來源

2.1 數(shù)據(jù)來源 本研究收集2018年安徽省各地級市的相關指標數(shù)據(jù)，數(shù)據(jù)主要來源于2019年《安徽省統(tǒng)計年鑒》及安徽省科技成果登記系統(tǒng)。由于農業(yè)R&D經(jīng)費、農業(yè)科技活動人員2個指標在現(xiàn)有統(tǒng)計數(shù)據(jù)中沒有相關資料，且獲取難度較大，無法調研統(tǒng)計。綜合參考和借鑒其他學者的已有研究，本研究采用公式“農業(yè)R&D經(jīng)費=R&D經(jīng)費×（農業(yè)總產值/生產總值）;農業(yè)科技活動人員=科技活動人員×（農業(yè)總產值/生產總值）”進行指標處理[13]。

2.2 評價指標體系的構建 科學合理地選擇農業(yè)科技創(chuàng)新系統(tǒng)指標對于評價DEA測量結果十分重要[14-16]。參照相關研究中投入產出指標選擇的基礎上，本研究建立的農業(yè)科技創(chuàng)新投入-產出評價指標體系主要包括4個投入指標和2個產出指標。投入變量方面，人力資源的投入采用農業(yè)R&D人員數(shù)來表示，土地要素投入選取農作物總播種面積來表示，技術要素的投入采用農業(yè)機械總動力表示，最后選取農業(yè)R&D經(jīng)費作為財力的投入。產出變量方面，分別采用農業(yè)總產值和農業(yè)科技成果，體現(xiàn)安徽省在農業(yè)科技方面所取得的成果，具體見表1。

3 實證分析

根據(jù)DEAP2.1軟件的測算，得到2018年安徽省16地市農業(yè)科技投入產出效益的結果，各地市效率值和規(guī)模報酬變化情況見表2。

3.1 綜合技術效率 從表2可以看出，2018年安徽省農業(yè)科技綜合效率平均值為0.839，說明安徽省農業(yè)科技創(chuàng)新效率整體水平較好，但還存在提升的空間。為了區(qū)分各地市農業(yè)科技創(chuàng)新水平差異，根據(jù)表2的數(shù)據(jù)特點，把綜合技術效率值分成以下4個區(qū)間：θ=1，0.900≤θ<1，0.700≤θ<0.900，0.400≤θ<0.700。這樣，可以得到每個區(qū)間的指標占比情況，其結果見表3。

當綜合技術效率值為1時，則說明該地區(qū)資源配置效率已達到最優(yōu)狀態(tài)，無須再對投入產出進行調整。處于DEA有效區(qū)域的有宿州、阜陽、六安、宣城 、黃山等5個地市，約占總體樣本的1/3，這些地市處于規(guī)模報酬不變階段，綜合技術效率達到最優(yōu)，說明農業(yè)科技創(chuàng)新的投入和產出能力較強。宿州、阜陽2個皖北城市地處華北平原，是傳統(tǒng)農業(yè)大市，農作物播種面積都居于全省前3位，擁有良好的農業(yè)生產環(huán)境;農業(yè)機械總動力水平也較高，這得益于當?shù)卣畬r業(yè)機械化技術推廣和農業(yè)基礎設施建設的大力政策扶持，所以這兩市投入和產出能力較強。六安市農業(yè)科技成果數(shù)在當年遙遙領先于其他城市，說明其農業(yè)科技創(chuàng)新轉換效率較高，宣城和黃山市雖然農業(yè)生產規(guī)模不大，但其得益于農業(yè)資源配置比例較為合理，綜合效率值達到最優(yōu)。非DEA有效區(qū)域占總體樣本的多數(shù)，大于0.9效率值的有亳州、蕪湖、安慶，說明這3個地市的綜合技術效率雖未達到最優(yōu)，但效率值較高，只要根據(jù)分析結果稍加調整即可達到DEA有效。而其余地市都處于0.4～0.9的水平，部分效率值較低，說明這些地市農業(yè)資源配置不合理，主要是由于農業(yè)投入沒有被有效利用，出現(xiàn)了比較嚴重的農業(yè)科技資源投入冗余，造成產出不足，存在較大的改進空間

3.2 純技術效率和規(guī)模效率 從表2可以看出，安徽省農業(yè)科技純技術效率的均值為0.911，低于其規(guī)模效率的平均值 0.914，說明造成非DEA有效的主要原因在于純技術效率水平欠缺，農業(yè)科技投入水平不足。從純技術效率來看，基于綜合效率值等于純技術效率與規(guī)模效率對應值的乘積，合肥、蕪湖、安慶雖未達到綜合效率值有效，但其純技術效率值為1，即為純技術有效，說明其對農業(yè)科技投入的資源進行了有效的配置，并已達到最佳的產出效果，造成其綜合技術效率值小于1是由規(guī)模效率相對較低導致的。由表2可知，亳州、淮南、滁州、馬鞍山的純技術效率低于規(guī)模效率，尤其是淮南市其規(guī)模效率趨于有效，而純技術效率水平相反較低，說明淮南市應加大農業(yè)科技投入。剩余的純技術無效的地市均為純技術效率高于規(guī)模效率，說明其不同程度地存在資源冗余問題，農業(yè)科技創(chuàng)新投入的投入產出組合未達到最優(yōu)配置，資源利用率亟待提高。從規(guī)模效率的角度來看，淮北、亳州、銅陵處于規(guī)模效益遞增狀態(tài)，影響其效率低下的深層原因是創(chuàng)新投入不足，具有較大的發(fā)展?jié)摿?，今后應加大農業(yè)科技創(chuàng)新資源的投入規(guī)模。而合肥、蚌埠、淮南、滁州、馬鞍山、蕪湖、池州、安慶等地市處于規(guī)模報酬遞減的狀態(tài)，說明這些地區(qū)的農業(yè)資源利用效率低下，如果不能合理利用和分配資源，即使再增加投入，產出也可能不會增加，或增加得很少。因此，今后應從完善資源投入產出比例、提高管理水平出發(fā)。

3.3 投影分析 DEA無效通常是由投入冗余和產出不足等原因引起的[17]。因此，通過對原有投入和產出變量進行調整，可以改進非DEA有效地市的效率值，經(jīng)過調整后的點即為各地區(qū)在生產前沿面上的“投影”[14]。表4給出了安徽省各地市的投入冗余額和產出不足額。

由表4可知，從投入指標看，部分地市在農業(yè)科技人員、經(jīng)費投入和農業(yè)機械總動力、播種面積等指標均存在一定的投入冗余，盲目投入和低效的資源配置是造成DEA無效的主要因素。從農業(yè)科技活動人員來看，滁州、蚌埠、淮南冗余比例較大，但由于本研究在此指標數(shù)據(jù)選取中采取的為公式替代法，考慮現(xiàn)實中農業(yè)科技活動人員實際基數(shù)較小，并存在科技人員質量不高的現(xiàn)象，所以應從提升農業(yè)科技活動人員素質技能方面解決冗余問題。從農業(yè)科技經(jīng)費支出來看，蚌埠、滁州、淮南、馬鞍山的資金投入冗余較高，應適當減少農業(yè)科技經(jīng)費投入，而對于其他地市來說，農業(yè)科技經(jīng)費投入占整體科技經(jīng)費比例還是較小，所以應加大農業(yè)科技經(jīng)費投入，同時也要保證R&D經(jīng)費的利用率。農業(yè)機械總動力方面，淮北、亳州、蚌埠、淮南、滁州均存在較大規(guī)模的冗余，說明這些地市農用機械利用率低下，結構不合理。這種現(xiàn)象一方面這與農具匹配不合理造成的作業(yè)效率低下有關，另一方面大中型拖拉機、小型拖拉機和農用排灌柴油機數(shù)量過多是導致農業(yè)機械化冗余的主要原因。因此，要加強優(yōu)化農業(yè)機械投入結構，大力提升農業(yè)機械化利用效率。農作物播種面積方面，淮北、亳州、蚌埠、淮南、滁州農業(yè)土地冗余情況較為嚴重，滁州市的冗余量最高，這與其土地閑置、尚未有效利用有關。從產出指標看，銅陵、淮北兩市存在農業(yè)產出不足的現(xiàn)象，銅陵是一座以采礦冶煉而立的城市，其農業(yè)基礎薄弱，農業(yè)投入要素在全省處于末位，農業(yè)總產值排名倒數(shù)第一，但其投入又存在大量的冗余現(xiàn)象，所以合理調整農業(yè)科技資源配置才是解決其產出不足的正確途徑。蚌埠、淮南、滁州、池州幾市的農業(yè)科技成果產出不足與其農業(yè)科技要素投入較低，科技成果轉換效率較低有關。整體來看，淮北、亳州、蚌埠、淮南、滁州等市的投入產出冗余最大，而這些城市大多數(shù)為皖北城市，說明投入產出結構不合理是皖北城市農業(yè)科技效率低的主要原因。

4 結論與建議

通過對安徽省2018年16地市農業(yè)科技效率進行測度，得出以下結論：（1）安徽省各地市農業(yè)科技創(chuàng)新投入產出整體效率良好，但區(qū)域差異較大，資源配置不合理成為制約安徽省各地區(qū)農業(yè)科技創(chuàng)新投入產出效率提高、實現(xiàn)現(xiàn)代化農業(yè)轉型的根本性問題。（2）通過投影分析發(fā)現(xiàn)，一些地區(qū)仍存在由于投入規(guī)模過剩或產出不足導致的效率無效現(xiàn)象，而其中以皖北城市為主，存在較為嚴重的農業(yè)資源冗余現(xiàn)象，應及時調整投入產出結構。

結合研究結論，就安徽省農業(yè)創(chuàng)新發(fā)展政策和戰(zhàn)略方向提出以下幾點建議：首先，加大農業(yè)科技投入力度，優(yōu)化資源配置?？傮w上看，安徽省對農業(yè)科技投入的資金較少。因此，政府需采取更多的財政扶持政策，增加對農業(yè)科技創(chuàng)新的資金投入力度。優(yōu)化各地市的農業(yè)科技資源配置，使農業(yè)科技創(chuàng)新效率達到較優(yōu)水平。其次，完善農業(yè)科技人才教育培訓體系。安徽省整體專業(yè)的農業(yè)科研人員和科研機構都較少，而科技創(chuàng)新效率的提高關鍵是由科研人員去實現(xiàn)。所以應重點加強相關人力資本的投入，大力引進和培養(yǎng)具有高水平專業(yè)素質的農業(yè)專家和學者，加強農業(yè)科研機構的建設和投入，讓農業(yè)科技人員更專心于科研工作。再次，建立差異化農業(yè)科技政策。由于不同城市科技產出效率的不同，政府要根據(jù)自身農業(yè)要素稟賦的差異，因地制宜地制定合適的農業(yè)科技政策。DEA有效區(qū)域，應進一步合理利用豐富的科研資源，使資源配置更加合理有效;非DEA有效區(qū)域，應找出自身效率低下的原因，提高管理效率或者合理分配資源配置，以此縮小地區(qū)間農業(yè)科技創(chuàng)新效率的差距。最后，引導農業(yè)綠色發(fā)展。在經(jīng)濟發(fā)展進入新常態(tài)的時代背景下，加快農業(yè)現(xiàn)代化轉型，推動農業(yè)可持續(xù)發(fā)展，不僅是保證經(jīng)濟穩(wěn)定的基石，也是早日實現(xiàn)鄉(xiāng)村振興和全面小康社會的關鍵。

參考文獻

[1]Ali Emrouznejad，Guo-liang Yang.A survey and analysis of the first 40 years of scholarly literature in DEA：1978–2016[J].Socio-Economic Planning Sciences，2018，61：4-8.

[2]Lucio Cecchini，Sonia Venanzi，Antonio Pierri，et al.Environmental efficiency analysis and estimation of CO2 abatement costs in dairy cattle farms in Umbria（Italy）：A SBM-DEA model with undesirable output[J].Journal of Cleaner Production，Volume 197，Part 1，2018：895-907.

[3]Muditha Karunarathna，Clevo Wilson.Agricultural biodiversity and farm level technical efficiency：An empirical investigation[J].Journal of Forest Economics，A，2017，29：38-46.

[4]Lidia Angulo-Meza，Marcela González-Araya，Alfredo Iriarte，et al.A multiobjective DEA model to assess the eco-efficiency of agricultural practices within the CF+DEA method[J].Computers and Electronics in Agriculture，2019，161：151-161.

[5]W.Mu，A.Kanellopoulos，C.E.van Middelaar，D.Stilmant，et al.Assessing the impact of uncertainty on benchmarking the eco-efficiency of dairy farming using fuzzy data envelopment analysis[J].Journal of Cleaner Production，2018，189：709-717.

[6]趙桂燕，王巍.基于DEA的黑龍江墾區(qū)農業(yè)科技創(chuàng)新投入效率研究[J].黑龍江八一農墾大學學報，2018，30（04）：112-117.

[7]陳振.基于DEA的黑龍江墾區(qū)農業(yè)科技創(chuàng)新投入效率研究[J].黑龍江八一農墾大學學報，2018，30（04）：112-117.

[8]楊林，鄭麗芳，李運南，等.基于DEA的廣東省農業(yè)科技投入效率分析[J].科技創(chuàng)新導報，2015，12（07）：105-108.

[9]]肖碧云.基于DEA模型的我國農業(yè)科技創(chuàng)新資源配置效率研究[J].吉林農業(yè)科技學院學報，2016，25（04）：62-65.

[10]王俊鳳，劉松潔，閆文，等.基于DEA模型的農業(yè)科技園區(qū)運營效率評價——以黑龍江省34個省級農業(yè)科技園區(qū)為例[J].江蘇農業(yè)科學，2017，45（04）：262-267.

[11]趙桂燕，王巍.基于DEA的黑龍江墾區(qū)農業(yè)科技創(chuàng)新投入效率研究[J].黑龍江八一農墾大學學報，2018，30（04）：112-117.

[12]黃海霞，張治河.基于DEA模型的我國戰(zhàn)略性新興產業(yè)科技資源配置效率研究[J].中國軟科學，2015（1）：150-159.

[13]陳振，鄭銳，李佩華，等.河南省農業(yè)科技創(chuàng)新效率評價與分析[J].河南農業(yè)大學學報，2018，52（03）：464-469，484.

[14]肖仁橋，錢麗.安徽省農業(yè)創(chuàng)新系統(tǒng)效率評價及分析[J].江淮論壇，2012（02）：25-32.

[15]趙麗娟，張玉喜，潘方卉，等.科技人力資源與資金對農業(yè)科技創(chuàng)新效率影響研究[J].華東經(jīng)濟管理，2016，30（01）：100-105.

[16]夏巖磊.長三角農業(yè)科技園區(qū)建設成效多維評價[J].經(jīng)濟地理，2018，38（04）：139-146.

[17]常文濤.農業(yè)科技創(chuàng)新資金與科技人力資本支農績效實證分析[J].統(tǒng)計與決策，2018，34（21）：113-116.

（責編：張宏民）