黨夏寧，佟一欣，王云龍

（西北政法大學(xué)管理學(xué)院，西安 710063）

我國扶貧的主要戰(zhàn)場(chǎng)在農(nóng)村，要發(fā)展農(nóng)村經(jīng)濟(jì)就要將現(xiàn)代科技要素引入到農(nóng)業(yè)生產(chǎn)經(jīng)營中，使傳統(tǒng)農(nóng)業(yè)逐漸轉(zhuǎn)變?yōu)楝F(xiàn)代農(nóng)業(yè)。當(dāng)前我國學(xué)術(shù)界對(duì)于科技扶貧問題在宏觀和微觀層面展開了激烈的討論：柏振忠等[1]認(rèn)為，在扶貧工作開展中，科技扶貧是較好的手段。劉薇等[2]、楊曼路[3]認(rèn)為通過科技投入以及科技扶貧的應(yīng)用，能夠有效提升農(nóng)業(yè)生產(chǎn)率，具有可持續(xù)性。周華強(qiáng)等[4]、馬宗文等[5]認(rèn)為人才是非常關(guān)鍵的一個(gè)因素，倘若大量高質(zhì)量科技人才涌入農(nóng)村，并投身于農(nóng)業(yè)科技研究與開發(fā)，便能最大化發(fā)揮科技扶貧的效率和效果。廖寶紅等[6]從理論與實(shí)踐的結(jié)合方面，提出通過突出科技人才的推動(dòng)作用、科技成果的引領(lǐng)作用、科技服務(wù)的促進(jìn)作用，提高農(nóng)業(yè)科技扶貧成效，加快農(nóng)村貧困地區(qū)發(fā)展。

國內(nèi)外研究環(huán)境不盡相同：GALHARDI R等[7]認(rèn)為一項(xiàng)高水平農(nóng)業(yè)科學(xué)技術(shù)，不但可以研發(fā)培育出農(nóng)業(yè)新品，還能大幅提升農(nóng)產(chǎn)品產(chǎn)量和質(zhì)量，促使農(nóng)產(chǎn)品價(jià)格下降，從而降低占貧困人口收入大部分的食品消費(fèi)。OMILOLA B[8]認(rèn)為貧困人口的大部分收入都來源于勞動(dòng)力，要開發(fā)勞動(dòng)力密集型的技術(shù)來增加對(duì)勞動(dòng)力的需求。OTSUKA K[9]認(rèn)為由于大部分貧困人口都生活在偏遠(yuǎn)山區(qū)或土地貧瘠地，需要開發(fā)適應(yīng)偏遠(yuǎn)貧瘠地區(qū)的技術(shù)，但是新技術(shù)的使用反而可能會(huì)加劇收入差距和不平等性。GUNASENA H PM.[10]認(rèn)為關(guān)于農(nóng)業(yè)技術(shù)的推廣還存在一定程度的滯后性，一項(xiàng)新技術(shù)往往會(huì)最先被農(nóng)業(yè)大戶所應(yīng)用且領(lǐng)先獲益，而中小農(nóng)戶由于渠道少，很難迅速引進(jìn)和應(yīng)用最新農(nóng)業(yè)技術(shù)。

從當(dāng)前國內(nèi)外學(xué)者在扶貧和科技扶貧方面的相關(guān)研究情況可以看出，國內(nèi)外學(xué)者普遍認(rèn)為科學(xué)技術(shù)在貧困農(nóng)村地區(qū)的應(yīng)用，不但可以大幅度推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)的增長，還能幫助中小農(nóng)戶迅速創(chuàng)收。但是，目前國內(nèi)學(xué)者并沒有針對(duì)具體地域科技扶貧情況展開分析研究，更鮮少報(bào)道對(duì)科技扶貧效率的評(píng)價(jià)。因此，筆者選取陜西省為研究對(duì)象，并對(duì)其10市1區(qū)科技效率進(jìn)行測(cè)算與分析，運(yùn)用3D框架實(shí)證分析其外部影響因素，為提升陜西省科技扶貧效率提供相關(guān)建議。

1 研究設(shè)計(jì)

1.1 科技扶貧效率測(cè)算方法

目前測(cè)算績(jī)效或者效率的方法以隨機(jī)前沿分析和數(shù)據(jù)包絡(luò)分析為主。相較于隨機(jī)前沿分析法，DEA方法不僅無需確定函數(shù)關(guān)系，且具有非主觀賦權(quán)的優(yōu)勢(shì)，對(duì)于投入產(chǎn)出指標(biāo)量化要求不高，效率測(cè)算客觀性更甚。因此，選擇運(yùn)用DEA方法來評(píng)價(jià)和分析陜西省各地科技扶貧效率。傳統(tǒng)DEA模型如BBC模型都是從徑向角度來測(cè)算指標(biāo)相對(duì)效率值，測(cè)算結(jié)果無法比較排名，且尚未考慮到松弛變量的影響，以至于測(cè)算結(jié)果易高估實(shí)際情況。為解決松弛變量問題，Tone首次提出SBM模型，這一模型不僅是從非徑向角度進(jìn)行測(cè)算，同時(shí)也考慮到投入產(chǎn)出指標(biāo)的松弛冗余問題[11]。

針對(duì)模型排序問題，次年Tone再次改進(jìn)模型并提出超效率SBM模型[12]?；谏鲜瞿Ｐ蛢?yōu)劣勢(shì)分析，為客觀測(cè)算陜西省科技扶貧效率值，最終選取Super-SBM模型進(jìn)行效率測(cè)算。由于DEA模型只能從靜態(tài)角度進(jìn)行效率測(cè)算與分析，無法就跨期時(shí)間段動(dòng)態(tài)分析，便運(yùn)用Malmquist指數(shù)進(jìn)行動(dòng)態(tài)效應(yīng)分析研究。有助于更深入了解陜西省各地科技扶貧效率的動(dòng)態(tài)變化、變動(dòng)原因和變化的貢獻(xiàn)程度，最終更好地為陜西省科技扶貧工作提供決策參考。

1.1.1 DEA-BBC模型為了測(cè)算與分析陜西省科技扶貧效率，設(shè)定模型如下。

Xj=(x1j,x2j, …,xmj)T

Xij>0表示投入量；i=1，2，…，s。

Yj=(y1j,y2j, …,ynj)T

Yrj>0表示產(chǎn)出量；j=1，2，…，s。

min[θ-ε(eTs-+êTs+)]

θ表示陜西省各地區(qū)效率值；ε表示非阿基米德無窮小參數(shù)；λj表示決策單元的參變量；X為p個(gè)決策單元的科技扶貧要素投入，Y為科技扶貧產(chǎn)出，s+、s-表示投入產(chǎn)出松弛冗余變量。

1.1.2 非徑向Super-SBM模型Super-SBM模型是一種基于非徑向角度，充分考慮松弛變量變化的效率模型。超效率 SBM模型具體公式如下。

1.1.3 malmquist指數(shù)馬姆奎斯特提出了 Malmquist指數(shù)模型，其表達(dá)式如下所示。

技術(shù)進(jìn)步（Techch）和技術(shù)效率變化（Effch）是全要素生產(chǎn)率的分解項(xiàng)，而純技術(shù)效率（Pech）和規(guī)模效率（Sech）則是技術(shù)效率變化的分解項(xiàng)。

1.2 科技扶貧效率影響因素實(shí)證模型

為系統(tǒng)全面研究科技扶貧效率的影響因素，不能僅從測(cè)算效率內(nèi)部因素入手，還需從外部視角探究其外力影響因素。因此，借助“3D”框架來構(gòu)造外部影響因素實(shí)證模型?？唆敻衤谛陆?jīng)濟(jì)學(xué)中，提出Density、Distance以及Division這個(gè)“3D”框架。Density指通過發(fā)揮自身產(chǎn)出實(shí)現(xiàn)集聚經(jīng)濟(jì)，用各地區(qū)生產(chǎn)總值來衡量，反映區(qū)域經(jīng)濟(jì)密度；Distance指空間上的相距大小，用各市區(qū)與西安市的直線距離來衡量，反映與經(jīng)濟(jì)中心的關(guān)聯(lián)度；Division指衡量產(chǎn)品的經(jīng)濟(jì)流動(dòng)[13]，它是無數(shù)資源的匯集程度，因此，選擇用各地區(qū)的財(cái)政科技投入來衡量，反映區(qū)域科技扶貧資源的集聚程度[14]。建立如下模型。

yit=a+bx1it+cx2it+dx3it+zit+uit

y表示科技扶貧效率值，x1表示經(jīng)濟(jì)密度，x2表示各市區(qū)與西安市的直線距離，x3表示財(cái)政科技投入，z為控制變量，u為隨機(jī)誤差項(xiàng)。i表示各市（區(qū)）（i=1，2，3，…，11），t表示年份，t=2014，2015，…，2018)。

2 陜西省各市區(qū)科技扶貧支出效率測(cè)算與分析

為了減少其他因素對(duì)科技扶貧支出的影響，借鑒相關(guān)文獻(xiàn)以及考慮到數(shù)據(jù)的可獲得性，故將地方政府科技扶貧經(jīng)費(fèi)支出、R&D經(jīng)費(fèi)和R&D經(jīng)費(fèi)強(qiáng)度作為投入指標(biāo)，將農(nóng)村常住居民人均可支配收入作為產(chǎn)出指標(biāo)。選取2014—2018年數(shù)據(jù)，并且以陜西省10市1區(qū)為研究對(duì)象，數(shù)據(jù)來源主要為《陜西科技年鑒》《陜西統(tǒng)計(jì)年鑒》《陜西年鑒》及各城市扶貧辦和科技局門戶網(wǎng)站。運(yùn)用DEA-Solver Pro5.0軟件測(cè)算效率。

2.1 科技扶貧效率靜態(tài)分析

2.1.1 基于Super-SBM模型和傳統(tǒng)DEA模型對(duì)比分析表1中的測(cè)算結(jié)果可以反映出：DEA-BBC模型測(cè)算值大多高于Super-SBM模型測(cè)算值，揭示出DEA-BBC模型測(cè)算值可能存在虛高，而Super-SBM模型測(cè)算結(jié)果更加精確且貼近實(shí)際情況，且該模型還能有效處理DEA-BBC模型無法排序的問題。

表1 2014—2018年陜西省10市1區(qū)科技扶貧效率水平測(cè)算結(jié)果

從圖1可看出，2014—2018年期間陜西省10市1區(qū)科技扶貧效率整體水平一般，且各市區(qū)之間的差異較大，以2018年為例，只有西安、銅川、渭南、榆林和楊凌5個(gè)地區(qū)科技扶貧效率較高，效率值均大于1。從陜西省10市1區(qū)科技扶貧整體發(fā)展趨勢(shì)來看，2014—2018年大多數(shù)地區(qū)的科技扶貧效率實(shí)現(xiàn)了不同程度的提升，其中寶雞、咸陽、渭南、漢中和商洛上升超過50%。延安和安康效率值下降幅度在50%左右。

圖1 2014-2018年陜西省三大區(qū)域科技扶貧效率

陜西省科技扶貧平均值為0.875，并沒有實(shí)現(xiàn)DEA相對(duì)有效，說明整體上還未達(dá)到最有效的生產(chǎn)前沿，科技扶貧資金消耗過度冗余和科技研發(fā)強(qiáng)度不足是效率水平不高的主要原因，最終影響了科技扶貧效率的提升。陜西省11個(gè)市區(qū)中，僅5個(gè)城市實(shí)現(xiàn)了DEA相對(duì)有效，占樣本總量的45.45%，而有6個(gè)城市未能實(shí)現(xiàn)DEA有效，占樣本總量的54.55%。

從表1可知，城市排名中，銅川（1.612）、楊凌（1.353）和商洛（1.272）依次位列前3位，延安（0.575）、渭南（0.390）和寶雞（0.193）依次位列后3位。當(dāng)然，DEA測(cè)算出的效率值是相對(duì)效率，因此排名并不是絕對(duì)的，與所選取的樣本容量有直接關(guān)系。

2.1.2 三大區(qū)域?qū)Ρ确治鰹榱吮阌趨^(qū)域?qū)Ρ确治?，根?jù)人文民俗和地理環(huán)境將陜西省劃分為陜北、陜南和關(guān)中。陜北區(qū)由榆林市和延安市組成，陜南區(qū)分別是漢中市、安康市和商洛市，關(guān)中區(qū)有西安市、銅川市、寶雞市、咸陽市、渭南市以及楊凌示范區(qū)。

圖1可反映：三大區(qū)域呈現(xiàn)出“陜北最高，關(guān)中次之，陜南最低”的基本態(tài)勢(shì)，說明陜西省各市區(qū)科技扶貧效率存在鮮明的地域差異。從三大區(qū)域的科技扶貧效率排名來看，與經(jīng)濟(jì)發(fā)展水平明顯不一致。關(guān)中區(qū)整體經(jīng)濟(jì)發(fā)展水平最佳，但所含城市扶貧效率參差不齊，雖然銅川、楊凌和西安均實(shí)現(xiàn)了DEA有效，但寶雞和渭南扶貧效率卻是效率最低的兩個(gè)城市，說明這兩座城市科技扶貧資金消耗過度冗余，沒有到達(dá)最佳理想狀態(tài)。陜南區(qū)整體經(jīng)濟(jì)水平相對(duì)落后，而其中最為貧困的商洛市效率最高且實(shí)現(xiàn)了DEA有效。而陜北區(qū)整體經(jīng)濟(jì)狀況位居三大區(qū)域中列，然其科技扶貧效率整體最高，主要?dú)w功于榆林市。2014年以來，陜北、陜南和關(guān)中的科技扶貧效率總體均處于下降趨勢(shì)，因此，不能只關(guān)注經(jīng)濟(jì)整體落后的區(qū)域，還需要注意整體經(jīng)濟(jì)發(fā)展良好的城市，如：寶雞和渭南市的貧困地區(qū)，加大其科技扶貧效率監(jiān)控力度，著力改善當(dāng)?shù)乜萍挤鲐毿Ч?/p>

2.2 科技扶貧效率動(dòng)態(tài)分析

2.2.1 陜西省科技扶貧Malmquist指數(shù)整體變化分析

進(jìn)一步運(yùn)用DEA-Malmquist指數(shù)對(duì)陜西省10市1區(qū)2014—2018年科技扶貧效率進(jìn)行動(dòng)態(tài)實(shí)證分析，運(yùn)用DEAP 2.1軟件測(cè)算出下述各效率值，如表2所示。

表2 2014—2018年陜西省10市1區(qū)科技扶貧效率Malmquist指數(shù)

從陜西省整體來看，Malmquist指數(shù)平均值小于1，說明陜西省科技扶貧效率水平整體呈下降趨勢(shì)，主要原因是我國近年雖然在大力實(shí)現(xiàn)全面脫貧，科技扶貧投入巨大，但由于技術(shù)瓶頸和資源配置不當(dāng)，導(dǎo)致其扶貧效率不佳。從技術(shù)進(jìn)步變化指數(shù)來看，2014—2018年均小于1，表明農(nóng)業(yè)科技發(fā)展水平在逐漸下降，技術(shù)進(jìn)步停滯不前是抑制科技扶貧效率提升的關(guān)鍵原因。

從城市區(qū)域來看，除了西安和商洛2個(gè)城市外，其他9個(gè)城市的Malmquist指數(shù)平均值小于0.9，說明陜西省大部分城市的科技扶貧效率呈下降趨勢(shì)。從技術(shù)效率變化指數(shù)來看，僅漢中和榆林兩個(gè)城市指數(shù)平均值小于0.9，說明大部分城市的科技資源配置效率適當(dāng)；從技術(shù)進(jìn)步變化指數(shù)來看，除西安和商洛外，其他城市技術(shù)進(jìn)步變化指數(shù)均值小于0.9，技術(shù)進(jìn)步也呈逐年下降趨勢(shì)，總體經(jīng)濟(jì)發(fā)展良好的城市應(yīng)借鑒和學(xué)習(xí)西安市的科技進(jìn)步經(jīng)驗(yàn)，經(jīng)濟(jì)相對(duì)落后的城市應(yīng)多借鑒商洛市的科技扶貧技術(shù)。

2.2.2 陜西省科技扶貧技術(shù)效率指數(shù)變化分析技術(shù)效率指數(shù)（effch）能夠反映各地區(qū)扶貧投入由于當(dāng)?shù)乜萍歼M(jìn)步或者規(guī)模投入成本的降低而引致科技扶貧產(chǎn)出增加。表3可反映出，2014—2018年間，陜西省科技扶貧綜合技術(shù)效率保持平穩(wěn)狀態(tài)，2015—2016年除外，總體保持在1.0上下略微浮動(dòng)。另外，從這5 a間的數(shù)據(jù)中可以看出，純技術(shù)進(jìn)步效率和規(guī)模效率指數(shù)變化趨勢(shì)略有不同，但總體變化趨勢(shì)相近，均值分別是1.022和0.985。結(jié)合表2，具體來看，有45.45%的地區(qū)保持科技扶貧投入規(guī)模報(bào)酬遞增，楊凌、延安和咸陽分別實(shí)現(xiàn)1.27、1.118和1.057，為前3個(gè)規(guī)模報(bào)酬效率最高的城市。銅川市保持科技扶貧投入規(guī)模效率不變，效率值維持在1.0。最后，還有54.55%的地區(qū)科技扶貧投入規(guī)模效率小于1，處于規(guī)模報(bào)酬遞減的狀態(tài)，這說明陜西省科技扶貧產(chǎn)業(yè)集群還沒有形成，規(guī)模效應(yīng)特征不夠顯著，由投入規(guī)模變化引致的投入成本降低的現(xiàn)象仍不明顯。

另外，根據(jù)表3數(shù)據(jù)可以明顯看出，綜合技術(shù)效率變化趨勢(shì)和規(guī)模效率變化趨勢(shì)完全一致，均是先上升后下降。因此，盡管純技術(shù)效率呈現(xiàn)較大波動(dòng)，但對(duì)于技術(shù)效率指數(shù)的影響還是比較小的。2014—2015年間純技術(shù)效率指數(shù)值最低，5 a間一直處于上升趨勢(shì)，直至2017—2018年間達(dá)到最高值（1.154）。由此可見，純技術(shù)效率的影響太弱，說明現(xiàn)有的技術(shù)手段還沒有對(duì)科技扶貧產(chǎn)生顛覆性的影響。

表3 2014—2018年陜西省10市1區(qū)效率指數(shù)分解

3 陜西省科技扶貧效率影響因素實(shí)證分析

通過Super-SBM模型測(cè)算出了陜西省10市1區(qū)科技扶貧效率值，分析出了該省的科技扶貧效率基本狀況，現(xiàn)以各地區(qū)的科技扶貧效率值為被解釋變量，以此來構(gòu)建3D-OLS模型來進(jìn)一步深入分析陜西省科技扶貧效率的外部影響因素。選取Density、Distance以及Division作為解釋變量，各地區(qū)可支配收入和固定資產(chǎn)投入作為控制變量。運(yùn)用stata14.0對(duì)陜西省10市1區(qū)2014—2018年數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)來源于《陜西省統(tǒng)計(jì)年鑒》，表4為影響因素穩(wěn)健回歸結(jié)果。

表4 陜西省科技扶貧效率影響因素3D-OLS結(jié)果

從回歸模型結(jié)果可以得出，經(jīng)濟(jì)密度與科技扶貧效率在5%的水平上顯著正相關(guān)，說明當(dāng)?shù)卣w經(jīng)濟(jì)環(huán)境越好，科技扶貧效率的提升作用也會(huì)更加明顯。這可能是由于整體經(jīng)濟(jì)環(huán)境的改善，從而形成規(guī)模效應(yīng)和網(wǎng)絡(luò)效應(yīng)很大程度上促進(jìn)了科學(xué)技術(shù)在扶貧中的發(fā)揮。與省會(huì)中心城市的直線距離與科技扶貧效率在1%的水平上顯著負(fù)相關(guān)，說明與省會(huì)中心城市的直線距離對(duì)科技扶貧效率有負(fù)向影響，與中心直線距離越短，科技扶貧效率越高。這可能是由于隨著社會(huì)的不斷發(fā)展，大量的人才、土地和資金都在向中心城市聚集，使得中心城市的農(nóng)業(yè)科技發(fā)展水平最高，最終形成以省會(huì)為中心，向四周輻射的局面。因此，與中心距離越近，科技扶貧效率越高?？萍钾?cái)政投入與科技扶貧效率的顯著性不佳，說明科技財(cái)政資金沒有得到有效配置，因此，對(duì)科技扶貧效率尚不具影響。也能側(cè)面反映出并不是資金越多，效率越高，資金使用如果存在冗余或配置不當(dāng)，反而會(huì)使效率大幅下降。

4 結(jié)論與政策建議

4.1 研究結(jié)論

基于時(shí)空格局差異性視角，運(yùn)用Super-SBM模型測(cè)算與分析陜西省科技扶貧效率，借助3D分析框架構(gòu)建外部影響因素計(jì)量模型，得出以下結(jié)論：（1）從區(qū)域分布來看，陜西省科技扶貧效率呈現(xiàn)出“陜北最高，關(guān)中次之，陜南最低”的基本態(tài)勢(shì)，其中效率位列陜西省前三的城市分別是銅川、楊凌和商洛市。（2）從時(shí)序變化來看，2014—2018年，陜西省科技扶貧效率總體呈下降趨勢(shì)，技術(shù)進(jìn)步變化指數(shù)和規(guī)模效率變化指數(shù)逐年遞減是導(dǎo)致其總體趨勢(shì)下降的內(nèi)在根本原因。說明陜西省科技扶貧資源配置效率有待提高，陜西省科技扶貧政策方針執(zhí)行和制度設(shè)計(jì)把控也有很大提升空間，且尚未形成科技扶貧規(guī)模效應(yīng)。（3）從外部影響因素來看，與省會(huì)城市直線距離和經(jīng)濟(jì)密度都對(duì)陜西省科技扶貧效率提升有顯著影響，財(cái)政科技投入資金存在冗余和配置不當(dāng)，尚未顯現(xiàn)對(duì)科技扶貧效率的影響。

4.2 政策建議

4.2.1 以效率區(qū)域差異性為切入點(diǎn)，揚(yáng)長補(bǔ)短可以通過陜北優(yōu)勢(shì)地區(qū)推進(jìn)各區(qū)域科技扶貧發(fā)展動(dòng)力。與此同時(shí)，陜西省政府需要建立科技扶貧協(xié)作機(jī)制，保障科技扶貧效率有效投入，并讓科技扶貧項(xiàng)目與貧困農(nóng)戶真正實(shí)現(xiàn)利益聯(lián)動(dòng)。各市區(qū)也要形成大局觀，積極發(fā)揮區(qū)域優(yōu)勢(shì)，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。

4.2.2 合理配置科技扶貧資源，提升效率只有合理高效配置科技扶貧資源，才能有效促進(jìn)農(nóng)業(yè)科技的進(jìn)步，并最終帶動(dòng)產(chǎn)業(yè)規(guī)模的大幅擴(kuò)張。農(nóng)產(chǎn)品的生產(chǎn)品質(zhì)和效率越高，規(guī)模效應(yīng)發(fā)揮越到位，產(chǎn)品優(yōu)勢(shì)就越大，為農(nóng)戶增收提供的空間也就越大。因此，合理配置科技扶貧資源，著力提升技術(shù)進(jìn)步效率和規(guī)模效率在今后是陜西省各市區(qū)的科技扶貧開發(fā)重點(diǎn)。

4.2.3 充分認(rèn)識(shí)“3D”外部影響因素，因地制宜經(jīng)濟(jì)密度和空間距離因素對(duì)于陜西省科技扶貧效率具有顯著影響，且由于區(qū)域位置和經(jīng)濟(jì)水平的不同，對(duì)于每個(gè)城市的影響程度均有所不同。因此，陜西省各市區(qū)在開展科技扶貧工作時(shí)，務(wù)必因地制宜。