安徽省農業創新系統效率評價及分析*

肖仁橋 錢 麗

（1.安徽財經大學,安徽蚌埠 233030；2.華中科技大學管理學院 ,武漢 430074）

安徽省農業創新系統效率評價及分析*

肖仁橋1，2錢 麗1

（1.安徽財經大學,安徽蚌埠 233030；2.華中科技大學管理學院 ,武漢 430074）

本文基于創新系統理論，從科技經濟、生態環保等方面建立農業技術創新效率的評價指標體系，基于2009年安徽省各地市的農業數據，綜合運用3個DEA模型對安徽省各地市農業創新系統效率進行評價，從純技術效率、規模效率、規模狀態進行全面分析，然后對DEA無效地區進行投影分析。研究結果表明：安徽省農業創新系統效率整體水平一般，區域差異明顯，只有黃山市實現了農業科技經濟與生態環保的協調發展，投影分析發現，農業科技經濟投入指標中都存在不同程度的冗余，農業財政支出指標的冗余率相對最低，專利申請量指標產出嚴重不足，最后給出相應的政策建議。

農業創新系統；DEA；效率評價；生態環境

一、引 言

安徽省是中部地區糧食重鎮，農業、農村和農民問題是安徽經濟騰飛過程中的關鍵難題。實踐證明：以增加要素投入來帶動增長的粗放式經營模式，并不是經濟發展的長久之計。受困于耕地資源制約和人口增長的原因，現代農業不可能依靠要素投入的無限擴張。因此，進一步推廣農業技術創新、建立和不斷完善區域農業創新系統，成為我省發展現代農業生產、提高農業產業競爭力、轉變農業增長方式的重要途徑之一，也是實現經濟與社會協調和可持續發展的正確選擇。

近年來農藥、化肥等生產資料的大量使用極大地提高了農產品的數量，但由于農民的過度與不當使用，造成大量土壤遭到破壞、農產品質量無法得到保障等不良后果，農民有糧無錢已成為不爭的事實。由于粗放式生產，水資源污染有所加重，水資源時空分布不均，洪澇干旱等自然災害時有發生，給農業生產造成一定的經濟損失，從而制約了當地農業經濟發展。因此，在保持農業科技經濟快速增長的同時，充分重視農業生態環境已經變得極其緊迫而嚴峻。為此，將農業生態環境納入區域農業創新系統評價框架之內，研究安徽省農業創新系統資源利用效率的區域差異，并在此基礎上制定有針對性的相關政策，對于保障農業生產安全、轉變農業增長方式、保護生態環境，促進安徽省科技經濟與生態環境的協調發展具有重要的戰略與現實意義。

二、相關文獻綜述

國外學者從不同角度對農業創新系統的概念進行界定，具有代表性的學者，如CHAIRSTANA（2000）對泰國的農業創新系統進行了探索研究，并將其定義為以農業為基礎的產業網絡和生產鏈，且認為農業創新系統中的主體應包括支持者、受到影響的機構和生產者。[1]TEMELA（2003）運用圖形理論法分析了阿塞拜疆農業創新系統的結構和創新主體之間的聯系，為后續農業創新系統的研究提供了具有一定借鑒意義的方法與分析工具[2]。國內學者涂俊、吳貴生（2006）在國外學者研究的基礎上，結合中國農業發展的實際，提出了我國區域農業創新系統的概念，他認為，區域農業創新系統是指在一個區域內，由農業技術科研機構、政府相關支持部門、農業技術推廣機構、農民和企業共同構成的農業技術研發與推廣網絡[3]。

在此基礎上，本研究將生態環境因素納入農業創新系統的定義框架之內，認為安徽省農業創新系統是指在一個區域內（安徽省各地市），由企業、農業科技知識創造與科技知識應用機構、大學、政府及中介組織、農民共同構成的農業技術創新網絡。創新系統主體之間通過互相學習與合作，促進系統內隱性與顯性知識在各要素之間的傳播，從而提高農業部門的創新能力和核心競爭力，推動區域科技經濟、生態環保的協調統一與可持續發展。

然而，對創新系統進行評價是比較困難的，但如果定標在產品上，則創新系統的績效評估就變得容易很多[4]，創新系統績效可分為結果績效和效率績效，筆者認為，從效率績效角度進行評估，不但可以對農業創新系統績效進行改善，同時進一步促進安徽省農業向集約型經濟增長方式的轉變，因而更加適合安徽省農業創新與可持續發展戰略的要求。目前，農業創新系統評價領域的研究文獻并不多見，涂俊等（2006）基于創新系統理論，采用DEA-Tobit兩步法對我國30個省、市、自治區農業創新系統效率進行比較，并分析創新效率的影響因素[3]。結果表明，農村基礎教育水平和自然災害對區域農業創新系統具有顯著影響，而政府科技經費并不是顯著影響因素[5]。楊永軍等（2006）選取2003年的縣級統計調查數據，運用DEA-Tobit模型，對山東與河北兩省的共78個縣域農業創新系統效率進行評價，結果表明，農村基礎教育水平、市場建設以及技術服務推廣人員工資水平對縣域農業創新系統效率具有顯著的影響 。然而，上述學者基本上都停留在科技經濟效率研究階段，關注的是農業科技經濟產出最大化，沒有考慮農業生態環境的影響，重視農業資源的節約，而輕視了農業生態環境的保護，有悖于中國農業經濟發展現狀，從而無法客觀反映區域農業創新系統效率的高低。考慮農業生態環境效應的區域農業創新系統效率研究將農業創新系統的研究提升到一個新的階段，但是其尚處于研究起始階段，相關文獻尚未見到，有待進一步深入研究。

本研究延續和拓展涂俊和楊永軍等的研究，力求更加全面、系統地考察包括農業生態環境因素在內的安徽省農業創新系統效率的區域特征，首先，將農業創新系統分為農業科技經濟子系統和農業生態環保子系統，并基于創新系統理論、投入產出原理分別建立各子系統評價指標體系；其次，綜合運用 C2R,C2GS2，超效率C2R模型對安徽省農業創新各子系統效率進行測度，分析比較2009年安徽省17個地市的農業創新效率，并將其分解為純技術效率與規模效率；然后，對農業科技經濟子系統效率無效地區進行投影分析，找出存在的差距及改進方向與程度；最后，從資源節約與農業生態環境保護角度出發，給出了一些政策建議，以期為安徽省農業科技經濟發展及生態環境保護等政策的制定提供科學的決策依據。

三、研究方法

評價系統效率的方法主要分為兩類，一類是參數技術，如隨機前沿方法（SFA），一類是非參數技術，如數據包絡分析方法（DEA）。兩類方法各有其優勢與不足，隨機前沿技術充分考慮了隨機誤差和無效率因素對創新效率的影響，但其前提是正確設定函數模型；DEA方法有效地揭示了技術創新效率的內涵，無需對函數模型進行事先假定，是由CHARNES于1978年提出的一種評價多投入、多產出指標決策單元的非參數統計方法[6]。傳統的C2R模型根據規模報酬不變的假設，計算出決策單元的技術效率（或稱綜合效率），而第二個DEA模型——C2GS2模型則隱含了規模報酬可變的假設，測度的是決策單元的純技術效率，純技術效率是指剔除了規模因素和投入資源處置能力變化影響的效率，其值更多地體現出經營者的管理水平。技術效率=純技術效率×規模效率，從而可以得出規模效率值，規模效率表示與規模有效點相比，規模經濟性的發揮程度。然而，上述兩個模型都只能將評價單元區分為有效和無效，對DEA有效單元無法進行比較分析。ANDERSEN (1993)提出的超效率C2R模型則彌補了這一缺陷，使同是DEA有效決策單元也可以互相比較。其基本思路：在對某個決策單元評價時，將自身排除在生產約束集之外，能增加投入而保持相對有效性的最大比例值即為該決策單元的效率值[7]。本文選取基于產出不變的DEA模型，其對偶形式如下：

假設3個DEA模型的最優解為θ0（或δ0或θ′0），λ0，S－0，S+0得到如下判斷：（1)當 θ0＝1，或θ′0＝1或δ0＝1且S－0＝0，S+0=0時，決策單元j0為DEA有效，即決策單元j0的生產活動在原投入X0基礎上所獲產出Y0已達最優。（2）當θ0＝1，或θ′0=1或δ0=1但至少S－0＞0或S+0＞0，稱為弱DEA有效。（3）當θ0＜1或θ′0＜1或δ0＜1時，稱為DEA無效。

四、實證研究

1.評價指標體系的建立與數據收集

在對區域農業創新系統進行評價時，必須合理構建評價指標體系，力求評價結果可以客觀公正地反映整個系統的效率，本文基于創新系統理論與可持續發展的要求，運用層次分析法，構建安徽省農業創新系統的評價指標體系，分為三個層次：目標層為區域農業創新系統；基準層包括農業科技與經濟創新子系統和農業生態與環保子系統；子系統指標層考慮指標的可獲得性和多樣性等因素選擇10項指標。

在農業科技經濟創新子系統的投入變量方面，采用農林牧漁業從業人員數來表示人力資本投入，選取農作物總播種面積來表示農業的土地要素投入，用農業機械總動力來表示技術投入，由于各地市農業領域研究與發展經費數據不全，本文選取農林水事務財政支出作為資金投入。在產出變量方面，農林牧漁業增加值是經常被采用的指標，農業科技領域專利申請量作為衡量系統科技產出的一個重要指標，體現了該地區在農業科技方面所取得的成果。

在衡量農業生態環保狀況時，人均耕地面積是生態環境的一個重要衡量指標，化肥使用強度也對生態環境造成重要影響，使用化肥的強度越大，對土壤及環境的惡劣影響越嚴重。在產出方面，森林覆蓋率對于抵御自然災害具有重要作用，也是生態環境質量好壞的衡量標準之一，農田抗災能力也經常被選作生態環保評價指標。這里，有些指標數據需經過公式計算得到，如：在計算農田抗災能力指標數據時，首先計算各地區受災面積與耕地面積之比，記為ai，（i=1，2，...17），然后將該逆向指標正向化，運用公式bi=將其轉化為（50,100）之間的數。同理，在計算化肥使用強度時，首先計算化肥使用量/耕地面積，然后運用上述公式,將該逆向指標正向化。人均耕地面積=耕地面積/農業人數，森林覆蓋率指標數據可通過查詢獲取，最后，我們建立農業創新系統評價指標體系，如表1。在對每個子系統進行評價時，指標個數不易太多，否則會出現多個決策單元為弱DEA有效情形[8]，影響評價結果的合理性與有效性，表1所述指標體系滿足投入、產出指標個數之和的2倍加上1不超過決策評價單元個數的要求，即：2*（4+ 2）+1=13<17。數據源自《安徽統計年鑒2010》和中國專利數據庫，經整理而得。

表1 農業創新系統評價指標體系

2.DEA模型運算及分析

根據評價指標體系，選取安徽省17個地市2009年數據，以各地市為評價決策單元，對2個系統從DEA有效性、技術與規模有效性和規模效益等方面進行評價，結果見表2、表3：

表2 農業科技經濟子系統評價結果

由表2可知，在農業科技經濟子系統方面，合肥、蚌埠、馬鞍山、蕪湖、黃山等5個地區是同時技術有效和規模有效。它們構成了安徽省農業創新系統的效率前沿面，換句話說，如果不改變該地區6個投入產出指標中某些指標的投入產出數量，在現有的技術水平下，其產出量已經達到最大。根據表2所示結果，將安徽省各地區分為三類：（1）DEA有效區域。從高到低依次排名如下：蕪湖、蚌埠、馬鞍山、合肥、黃山。蕪湖市2009年農林牧漁業增加值居全省第11位，但是其專利申請量為75件，排名第1，其各投入指標值不高，從而導致該地區科技經濟子系統的效率值居全省第1，其歸因于蕪湖市較強的農業科研能力，但農林牧漁業增加值僅為第11位，因此，農業科技能力的提高并未給農業經濟生產帶來很大的促進作用，該地區如果能夠不斷提高科技成果轉化率，勢必會給該地區農業經濟發展帶來強勁的驅動力。（2）弱DEA有效區域。包括：宿州市、阜陽市。這2個地區效率值為1，但其松弛變量不全為0。例如宿州市的輸入松弛變量S=0.0002＞0。說明該地區在科技經濟創新發展中，還存在一些略需改進的地方。（3）DEA無效區域。包括銅陵、安慶等10個地區，C2R非有效單元下分別考察其技術有效性和規模有效性，銅陵、安慶、滁州3個地區是純技術有效而非規模有效，也就是說，按照現有的產出來計算，其投入不可能再減少了。淮南、巢湖、亳州、宣城、池州、淮北、六安等7個地區既不是技術有效，也不是規模有效，也就是說，即使減少某些投入量，其當前的產出水平也可能保持不變。效率值最小的六安市農林牧漁業增加值居安徽省第4位，專利申請量排名第9位，但其投入量偏大，通過較大的投入獲取一定的產出，不利于該地區農業經濟的可持續發展。

表3 農業生態與環保子系統評價結果

由表3可知，在農業生態環保子系統方面，淮南和黃山2個地區是同時技術有效與規模有效，而且黃山市的超效率值高達5.9531，該地區森林覆蓋率為77.8%，居全省第1，這與黃山市長久以來的歷史積淀、獨特的地理位置以及目前大力發展旅游文化產業的戰略息息相關，森林覆蓋率高的地區為皖南的黃山（77.8%）、宣城（54%）、池州（56.86%）等3個地區，而皖北地區森林覆蓋率只有15%左右，分布極為不均勻。另外，黃山市受災面積少，抗災能力也居全省第3，在投入方面，黃山市人均耕地面積較少，化肥使用強度一般，從而導致該市生態環保效率值高，實現DEA有效。其余15個非DEA有效地區，除了馬鞍山市是技術有效外，其余既不是技術有效，也不是規模有效。馬鞍山市創新效率低下的原因，在很大程度上是由于資源配置不合理而造成的，唯有改變其投入量，方能改善該地區的效率，提高創新水平。其它14個既不是技術有效、也不是規模有效地區，則一方面需要提高該地區的資源配置效率，根據創新發展的需要，適當改變其投入量的大小；另一方面，需在現有的投入產出基礎上，提高經營者的管理水平，從而實現技術規模同時有效。從規模效益角度來看，DEA無效地區均處在規模效益遞減狀態，說明這些地區如果在經營方面沒有較大的突破，管理水平沒有較大的提高，即使加大對生態環保的投入，其效率值也不會有明顯的改善。

3.投影分析

從表2可以看出，淮北等10個DEA無效地區以及宿州、阜陽2個弱DEA有效地區存在投入冗余以及產出不足的地方，下面我們用DEA投影分析法，對投入產出量進行改進，使非DEA有效決策單元達到DEA有效。設C2R模型的最優解為λ0，S+0，S-0，θ0，）為DMU0對應的（X0，Y0）在相對有效面上的“投影”，若決策單元為DEA無效或弱有效，則，ΔX為輸入剩余，ΔY為輸出虧空，它們分別表示在保持當前的產出或投入不變的情況下投入的冗余量和產出的不足。如果達到DEA有效，ΔX、ΔY均為0，則由這兩個數據可以知道，非有效的地市有多少農業科技投入沒有充分發揮出作用，以及產出還有多大的潛力，按此方法，我們得到投影分析結果,見表4。

表4 安徽省12個地市投入與產出投影分析結果

續表

從農業科技經濟子系統的投入要素來看，結合表4得出，淮北等10個DEA無效地區4個投入指標均存在不同程度的冗余，表現為存在一定數量的輸入剩余，且松弛變量不為零。而對于農林水事務財政支出來說，該指標在安徽省10個DEA無效地區中的投入冗余率相對較低，利用效率較優，但與最優目標仍然存在一些差距，需進一步減少該指標的投入。而宿州、阜陽2個弱DEA有效地區在農林牧漁業從業人員數以及農作物總播種面積投入上存在很少的冗余，適當減少這方面的投入，即可使創新效率達到最優。

從農業科技經濟子系統的產出角度來看，10個DEA無效地區的農林牧漁業增加值產出最優，其松弛變量為0，不存在任何不足，而農業科技領域專利申請量指標則存在非常嚴重的產出不足，例如,安慶市專利申請量指標觀察值為3，有效值為74.4968，該決策單元與有效生產前沿面之間存在很長的距離。而對2個弱DEA有效地區（宿州市、阜陽市）而言，僅有阜陽市在專利申請量指標方面存在微小的產出不足。對于投入要素來說，如果存在投入冗余，決策部門可以通過減少相應的投入要素，或提高技術水平，使冗余轉化為有效投資，從而提高要素的利用效率。而對于農業科技經濟產出來說，如果存在產出不足，那么唯一的解決辦法就是改進技術水平，使實際產出量與效率最優對應的產出量之間差距趨于零。

五、結論和政策分析

本文綜合運用3個DEA模型，從科技經濟、生態環保等角度對安徽省農業創新系統進行效率評價和規模效益分析，然后，對科技經濟子系統中的無效地區進行投影分析。研究結果表明，安徽省農業創新系統效率整體水平一般，區域差異明顯。在科技經濟方面，只有蕪湖、合肥、黃山等5個地區達到DEA有效，在生態環保方面，只有淮南、黃山是DEA有效，只有黃山市實現了農業科技經濟與生態環保的協調發展，蕪湖、合肥、蚌埠、馬鞍山雖然在科技經濟領域領先于安徽省其它地區，但生態環保效率都在0.7附近徘徊，其在大力發展農業科技經濟的同時，更應注重生態文明的建設和環境的自我保護。投影分析發現，農業科技經濟投入指標中都存在不同程度的冗余，農業財政支出指標的冗余率相對最低，農業科技經濟產出指標中專利申請量指標存在產出嚴重不足的現象。

結合研究結論,本文有針對性地提出安徽省農業創新發展政策和戰略方向的兩點建議。

第一，加大農業科技經濟領域的投入力度，提高資源利用效率。同時在現有的投入、產出基礎上提高經營者的管理水平，加快實現科技成果產業化，提高成果轉化率，從而實現該地區農業經濟產出最大化。另外,從規模效益分析來看，很多地區處于規模效益遞增狀態，而且DEA無效地區存在農業科技領域專利申請量的產出嚴重不足現象，對這些地區需要進一步加大科技投入，改變原有的高投入、高消耗、低效率的發展模式，推動該地區科技經濟的快速持續發展。

第二，在保持安徽省農業科技經濟快速平穩增長的同時，注重農業生態環境的保護。在發展農業經濟同時，要切實保護好耕地，確保耕地面積不再進一步減少，不斷優化糧食生產區域分布結構和質量等級，實現糧食品種多樣化與農民收入的不斷提高。減少化肥使用量，從而更好地適應市場競爭，滿足不同顧客的需求。安徽省水資源豐富，長江、淮河兩大河流經由安徽大部分地區，有效灌溉面積逐年遞增，然而，近年來洪澇干旱等自然災害時有發生，給農業生產、農民生活造成一定的經濟損失，因此，安徽省應根據地形特征和地區經濟發展需要，進一步推進退耕還林、水土保持等重要的生態文明建設工程，提高農田抗災能力。另外，安徽省森林覆蓋率不高（26.06%），且森林區域分布極為不均勻。因此，根據農業科技經濟創新發展和生態環保建設的要求，要盡快出臺一些方案，從而實現合理利用水資源、提高農田抗災能力，促進森林覆蓋面的均勻分布與全面提高，實現安徽科技經濟與生態環保建設的協調統一發展。

[1]CHAIRSTANA P.The economics of the agro-innovation system(AIS)[C].Paper for DRUID's Summer 2000 Conference，2000,(6)：15-17.

[2]TEMELA T,JANSSEN W,KARIMOV F.Systems analysis by graph theoretical techniques:assessment of the agricultural innovation system of Azerbaijan[J]. Agricultural Systems,2003，77：91-116.

[3]涂俊,吳貴生.基于DEA-Tobit兩步法的區域農業創新系統評價及分析 [J].數量經濟技術經濟研究，2006,23(4)：136-144.

[4]CARLSSON B,JACOBSSON S,HOLMEN M,RICKNE A.Innovation systems:analytical and method-ological issues[J].Research Policy，2002,31(2)：233-245.

[5]楊永軍,涂俊,吳貴生.縣域農業創新系統效率評價及分析[J].科學學與科學技術管理，2006,27(7)：61-66.

[6]CHARNES A,COOPER W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978,(2)：429-444.

[7]ANDERSEN P,PETERSEN C.Procedure for ranking efficient units in data envelopment analysis[J].Management Science，1993,39(10)：1261-1264.

[8]魏權齡.數據包絡分析[M].北京:科學出版社，2004：35.

[9]錢麗,肖仁橋,楊桂元.基于DEA模型的安徽省農業生產效率評價研究[J].工業技術經濟，2010,29(10)：121-126.

[10]馬鳳才,趙連閣,任瑩.黑龍江省農業生產效率分析[J].農業技術經濟，2008,(2)：24-25.

[11]方大春.我國農業生產效率的時空特征:基于DEA模型分析[J].經濟體制改革，2011,(3)：85-88.

[12]孫艷玲,黎明.基于數據包絡分析的四川農業可持續發展研究[J].科技進步與對策，2009,26(2)：34-37.

[13]匡遠配,羅荷花.“兩型農業”綜合評價指標體系構建及實證分析[J].農業技術經濟，2010,(7)：69-77.

（責任編輯 吳曉妹）

F327.54

A

1001-862X(2012)02-0025-008

教育部人文社會科學研究青年基金項目（10YJC790166）；安徽財經大學經濟發展研究中心招標項目（2011sk743）；安徽財經大學青年科學研究重點項目（ACKYQ1002ZD）

肖仁橋（1982-），男，湖北武漢人，安徽財經大學統計與應用數學學院講師，華中科技大學管理學院，主要研究方向：技術經濟與創新管理，綜合評價；錢麗（1981-），女，湖北武漢人，安徽財經大學工商管理學院講師，主要研究方向：創業與創新管理。