湖南省科技投入減貧效率評價與影響機制研究

廖世偉 李銳鑫 張睿

摘 要：我國減貧工作已經到了“攻堅戰”關鍵時期，建立科技減貧的長效機制是未來減緩相對貧困、迸發經濟活力、嚴防返貧的戰略舉措。本文以湖南省20個貧困縣的數據為樣本，應用DEA-Tobit模型測度科技投入的減貧效率和分析影響機制。研究表明，各貧困縣的科技減貧效率值差距相對逐年減小，環境因素方面，金融發展水平低下對科技的減貧效用產生抑制作用，而金融深化水平較高則能夠對科技的減貧效用產生促進作用;另外，工業化和財政支持均可產生有利影響，但影響程度逐漸減弱，即存在邊際效用遞減的規律。根據研究結果，本文提出應深化金融與科技之間的結合，優化有利的外部環境因素等建議。

關鍵詞：科技投入;減貧效率評價;影響機制

一、引言與文獻綜述

2020年是我國實現全面建成小康社會目標，實現新經濟、新動能轉變的關鍵之年。黨中央提出，要認真研究建立解決相對貧困的長效機制。緊接著，中央政府強調“深化扶志扶智，激發貧困人口內生驅動力，強化科技長效支撐作用”是當下減貧工作的關鍵。與此同時，科技作為重要的生產要素，其投入也開始逐漸被各地政府所重點關注。但科技投入作為減貧手段仍存在以下問題：減貧效果究竟如何，外部影響因素又有哪些？因此，本文嘗試通過定量分析科技投入的減貧效率并探究科技投入的減貧途徑與影響機制，來解決這兩個問題，從而為各級政府鞏固脫貧成果和嚴防返貧，以及建立科技創新內生驅動的長效機制提供理論依據。

現有諸多文獻已開始研究科技投入的減貧效率以及其減貧作用的特征。值得關注的是，采取定量方法對科技投入的減貧效率進行研究已逐漸成為新趨勢，相關研究如王巍（2019）構建科技貧困的評價指標體系開展定量測算，研究表明當前科技扶貧效果尚不理想;陳鳴（2016）運用三階段DEA模型測度農業科技投入對于農村貧困作用的效果并分析其作用特征;而關于科技投入的減貧作用特征的研究如郎亮明（2019）從理論層面分析科技減貧機制并實證檢驗了減貧效應;王愛萍（2020）使用中介效應模型研究了金融發展對收入貧困的影響及作用機制，研究表明不同水平的金融發展對收入貧困的影響存在方向和程度上的不同。

綜上所述，目前已有不少學者對科技投入的減貧效果及其減貧作用特征進行過定性或定量的分析，并取得一定的成果，但依然存在些許不足。一是扶貧早期階段的研究，選取代表科技投入的指標較為單一;二是現有用于研究減貧科技統計指標體系不夠完善，所選取的科技投入變量指標存在過程指標與結果指標互相混同的問題，代表性不足。

因此，下文在介紹相關理論和模型的基礎上，將針對以上問題并結合湖南省的實際情況，進一步完善減貧型科技投入指標體系的構建，從而有效評估湖南省科技投入的減貧效率，研究其減貧作用的途徑和機制，進而為鞏固湖南省扶貧成果提出政策建議。

二、計量模型設計與數據說明

1.模型構建

（1）測算科技投入減貧效率——三階段DEA模型

DEA模型是由Charnes等人提出的一種非參數估計方法，因其無須設定固定函數關系而被研究者廣泛采用，并成為測度效率的經典模型。本文在DEA模型的基礎上，參考相關研究構建了三階段DEA模型。其內容如下：第一階段，假定規模報酬可變，采用以投入為導向的BCC模型，考察基于原始投入與原始產出數據的各決策單元的效率;第二階段，采用隨機前沿分析（SFA）將第一階段的投入變量和松弛變量進行分解，即識別和剝離環境與隨機誤差因素，得到調整后的投入變量值;第三階段則是利用第二階段計算出的調整后投入變量值與原始產出值，再次運用DEA模型進行測算。

（2）研究影響因素對科技投入減貧效率的作用特征——Tobit模型

Tobit模型是由James Tobin（1958）提出的因變量受限的一種模型。本文結合相關理論與文獻，從影響科技投入減貧效率的關鍵因素入手，基于理論進行機制的厘定，進而構建Tobit回歸模型。

2.模型的數據說明

注：參考陳銀娥、張德偉等人的做法，確定縣域金融發展水平=0.927×儲蓄深化+0.925×貸款深化+0.57×金融發展效率。

（1）DEA模型的數據選取與指標定義

全部指標選取如表2-1-1所示，數值都是從《中國統計年鑒》《中國科技年鑒》《中國縣域統計年鑒》與當地政府公告中統計歸納得來的。截至2019年11月，本文根據國家扶貧規劃確定的貧困縣的最新名單，使用其中20個縣的數據作為樣本給予分析：

a.投入變量：根據經濟基本理論的假定，從反映新經濟形勢、新動能要素、高質高效三個方面，綜合考慮數據可得性，分別用科研人數6個具有代表性的指標表示。

b.產出變量：選取貧困發生率的倒數作為產出變量，以代表地區脫貧進度。

c.環境變量：選取財政支持力度4個指標作為影響科技減貧效率的環境因素。

（2）Tobit模型的數據選取與指標定義

本文選取Tobit回歸模型，其中被解釋變量選取第三階段DEA模型測算出的科技減貧效率值，解釋變量選取如表2-2-1中的指標。數據是從《中國統計年鑒》《中國科技年鑒》《中國縣域統計年鑒》與當地政府公告中統計歸納得來的。

互聯網發展水平與經濟發展存在密切關聯，因此使用x1反映地區互聯網推廣水平和使用現狀;工業化作為生產力發展的重要表現形式，因此選取x2作為衡量地區生產力發展程度和生產方式進步的指標;教育作為影響地區科技創新潛力和當地居民對科技應用接納程度的文化事業因素，因此選取x3反映地區科學文化水平;考慮到政府是扶貧事業的主導者，因此選取x4用來衡量地區政府財政實力和對當地經濟的調控能力;考慮到資本是核心的生產要素，選取x5衡量地區金融發展規模和資源配置效率的指標。

3.實證結果分析

（1）DEA模型的實證結果分析

第一階段：基于投入變量和產出變量的BCC模型估計。首先利用原始的投入變量數據，采用DEAP2.1軟件對2013年、2015年和2017年湖南省20個貧困縣的科技減貧率水平進行分析。測算結果如表2-1-2。

第二階段：運用SFA將第一階段的5個投入指標的松弛變量作為被解釋變量，環境變量作為解釋變量，從而構建起5個模型。通過識別和剝離環境與隨機誤差因素，得到有意義的管理無效率造成的冗余。利用Frontier 4.1采用最大似然法估計得出3年的SFA回歸方程未知參數的LR單邊檢驗顯著性水平和正負情況，結論如下：

主要的環境變量對5種投入松弛變量的系數均通過5%顯著性檢驗，且5個模型2013年和2015年的LR單邊檢驗均通過5%的顯著性水平，2017年則均通過1%的顯著性水平。這說明外部環境因素對湖南省各縣的農業生產投入冗余存在顯著影響，證明了環境變量選取的合理性。具體而言：

從2013年和2015年的情況來看：基建和教育的影響系數均為負，說明提高這兩個環境變量的水平可減少投入的松弛量，從而有利于提高科技減貧效率;財政和金融深化的影響系數為正，說明提高這兩個環境變量的水平無利于提升減貧效率，可能是當時的財政和金融資源未能公平流入貧困人群，甚至由此加劇貧富差距，或是惠農政策提高了相關農戶的收入預期，從而盲目擴大生產導致更為嚴重的粗放式農業經營。

2017年的情況則有所不同：財政和金融深化的影響系數轉為負，說明此時提高這兩個環境變量的水平有利于提高減貧效率，可能是金融發展水平越高，金融機構的資源分配機制變得越完善;同時財政支農的措施更為多元化和科學，如在給予貧困戶資金的同時，提供了科學養殖、種植和經營指導，有效避免了相關貧困戶盲目生產的問題。

第三階段：利用第二階段計算出的調整（剔除環境因素）后投入變量值與原始產出值，再次運用DEA模型進行測算。調整后的測算結果如表2-1-3。

由該表可見，各縣科技減貧效率調整后的平均值從2013年的0.47至2015年的0.62，再到2017年的0.72。可見，部分縣域科技減貧綜合效率的相對差距在逐漸縮小，通過對比2013年和2015年調整后的數據，科技減貧綜合效率值的平均值從0.47到0.62，其中純技術效率平均值從0.75到0.76，而規模效率平均值提升幅度相對更大，即從0.62到0.81。說明引起2015年科技減貧效率值提升的主要原因是規模效率在顯著提升。

可以看出來，安化、邵陽、平江、江華等縣在2013年至2017年，剔除環境因素前后的科技減貧效率始終相對處于前位，說明減貧效率十分高效。分析原因：發現他們都有著良好的經濟發展狀況。并且自2015年起，各縣積極響應國家發布關于科技減貧的政策，探索科技的多元化減貧途徑。如江華縣主打創建科技扶貧專家服務團;邵陽縣建立種植運輸一體化科技示范基地;安化縣自2016年全面推進電氣化制茶葉，首個嘗試電商平臺的搭建，集中力量開創“互聯網+農業”模式。

而桂東、汝城、永順、古丈等縣在剔除環境因素前后始終處于后位，這些地區處于湖南的西北部及偏遠地區。分析原因可能是金融發展水平及市場化程度低，無法達到規模效應，因此環境因素無法體現其影響效果。

剔除環境因素前后的科技減貧效率發生下降且幅度較大的如鳳凰縣、桑植縣等，分析原因發現這些縣科技減貧的主要途徑是依靠于財政撥款單一途徑，無法實現內生創造。

總結上述分析，可見當前扶貧重心應是解決這些深度貧困縣的脫貧問題，他們的情況普遍為：經濟基礎十分薄弱，如信息交通供水等基礎設施滯后且產業結構單一;各縣的財力十分薄弱，扶貧手段匱乏，無法支持科技基礎建設來提升經濟活力;金融發展水平低，人均收入低，居民無法實現規模產出與輸出，無法獲得價值回報。

（2）Tobit模型的實證結果分析

為評估各地區科技減貧效率因素的影響力，并找出主要影響因素，本文構建了Tobit回歸模型，并利用Eviews 10.0進行回歸。湖南各貧困縣科技減貧效率Tobit回歸模型結果整理如下。

從三個表可以看出，2013年和2015年互聯網普及程度（x1）沒有通過5%的顯著性檢驗，說明其與科技減貧效率的相關性不顯著，這可能是因為在當年互聯網技術較少地參與到科技減貧的工作中;而2017年互聯網普及程度（x1）通過了5%的顯著性檢驗，說明其在2017年較多地參與到科技減貧工作中，產生較為明顯的影響，這可能是因為政府于2017年加大了“互聯網+農業模式”的探索，并在減貧工作中卓有成效。

三年的教育水平（x3）都沒有通過5%的顯著性檢驗，說明該指標選取不合理。三年的工業化水平（x2）均通過1%的顯著性檢驗，而財政支持力度（x4）均通過5%的顯著性檢驗，說明這兩個指標對湖南省科技減貧效率有比較明顯的影響。其中（x2）的估計系數從2013年的0.183到2015年的0.218再到2017年的0.109，即工業化水平對科技減貧效率的“效用”存在邊際遞減的規律，財政支持力度也存在類似的規律，這說明這兩項投入達到一定的規模后其產生的效用開始出現減弱。

2013年縣域金融發展水平（x5）沒有通過5%的顯著性檢驗，說明當年其與科技減貧效率的相關性不顯著，這可能是自2008年經濟危機以來，各縣的金融發展無法達成規模和資源配置效率低下而導致整體的金融發展水平低下。但p值相當接近0.05，可認為具有一定的影響程度，此時系數估計值為負說明在當年金融發展水平低下的環境對科技減貧的效率存在抑制影響。2015年和2017年（x5）通過5%的顯著性檢驗，且系數估計值從0.0138上升至0.176，說明其有利的影響程度逐步加大，這可能是因為近年來國家重視金融發展，如出臺普惠金融、科技金融等政策。

三、政策建議

1.堅持多元化科研投入，強化科技支撐作用

湖南省科技投入依然存在科技投入強度較低、科技投入結構不夠合理、運行機制有待優化等問題，構建多元化的科技創新投入機制是解決問題的關鍵。部分縣域雖自然條件豐富但科研投入方式仍然單一，如只發展旅游業或單一經濟種植業，存在規模效用減弱的趨勢。應強化科技在生產中的支撐作用，繼續深化實施科技特派員制度，積極推動科研人才下鄉，推進科研育種基地的建設;推進湖南省深度貧困地區和丘陵山區農田移機化改造，引進更多優良品種經濟作物;加強關鍵核心技術攻關，積極部署重大科技項目，搶占科技制高點。

2.提供高質量科技供給，建立長效減貧機制

各縣域在加快科研投入、促進規模生產、實現經濟增長的同時，更要注重引進高質量的科技供給，預防經濟風險。湖南省政府應積極引領各縣級政府，建立信息產業為主導的現代化經濟體系，推進數字經濟、互聯網大數據、人工智能同實體經濟深度融合。各縣市應積極穩妥地化解傳統落后的舊產能，開展對外開放與合作、培育新動能，從而形成新產業集群，構建起長效的科技供給減貧機制。

3.促進科技與金融結合，優化資金投入結構

湖南省主要深度貧困地區，均存在自然條件差、經濟基礎弱、文化程度低的普遍問題。但金融發展水平低下，無內生創新驅動力，才是主要原因。雖加大財政支持能有效減緩貧困，但不是長效之計。在加強財政投入的同時，應強化商業銀行支農力度，改善農村金融發展環境，推進金融基礎設施建設;引導外流資金回流，提高農村金融效率;農村金融改革的戰略要考慮把促進農業科技進步作為重點目標。

4.建立新科技統計指標體系，深化成果考核制度

我國經濟進入高質量發展階段，當前的科技統計指標體系已不能滿足復雜多變的經濟環境。應建立科學有效的省級層面的新科技統計指標體系，既可用于科技創新發展的過程監測，也可用于科技轉化成果的評價分析，從而提高科技統計指標體系的監管與導航作用，防止科研投入資源的浪費。并促使成果考核制度的完善，有利于減貧考核驗收工作的開展，同時提供更加準確的觀測指標，有效監督科技科研開發轉換為成果。

參考文獻：

[1]王愛萍，胡海峰，張昭.金融發展對收入貧困的影響及作用機制再檢驗——基于中介效應模型的實證研究[J].農業技術經濟，2020（03）：70-83.

[2]陳鳴，鄧榮榮，周發明.中國農業科技減貧的效率測度及空間優化——基于三階段DEA方法與空間面板模型的研究[J].科技管理研究，2016，36（04）：59-64+74.

[3]郎亮明，張彤，陸遷.基于產業示范站的科技扶貧模式及其減貧效應[J].西北農林科技大學學報（社會科學版），2020，20（01）：9-18.

[4]王巍，李平.基于AST-MPI的農業科技貧困測度[J].統計與決策，2019，35（24）：47-51.

[5]陳銀娥，張德偉.縣域金融發展與多維貧困減緩——基于湖南省51個貧困縣的實證研究[J].財經理論與實踐，2018，39（02）：109-114.

基金項目：2019年省級大學生創新訓練項目（項目編號：S201910555055）;2018年南華大學大學生研究性學習和創新性實驗計劃項目（項目編號：2018XJXZ437）

（作者單位：南華大學經濟管理與法學學院）