基于DEA-BCC模型和Malmquist指數的天津市農業科技成果轉化效率研究

米琳 李慧燕

摘? ? 要：為探究天津市農業科技成果轉化機制創新的方向及重點，提高天津市農業科技成果轉化效率，選取2013—2020年的數據，運用DEA—BCC模型和Malmquist指數對天津市農業科技成果轉化效率進行靜態和動態分析，并與北京、上海進行橫向對比。結果表明：2013—2020年京津滬3地綜合技術效率均呈下降的趨勢，農業科技成果轉化效率均未達到最優水平，通過Malmquist 指數分解發現技術變化是其主要影響因素。鑒于此，提出提高天津市農業科技成果轉化效率的4條建議：構建高質量成果產出機制、暢通轉化鏈條、完善服務機制、增強科技金融服務能力，以期為天津市農業現代化建設助力。

關鍵詞：DEA—BCC模型；Malmquist指數；農業科技成果轉化；天津市

中圖分類號：F323.3? ? ? ? ?文獻標識碼：A? ? ? ? ? DOI 編碼：10.3969/j.issn.1006－6500.2023.05.013

Abstract： In order to explore the direction and focus of the innovation of the transformation mechanism of agricultural science and technology achievements in Tianjin， and to improve the efficiency of the transformation of agricultural science and technology achievements in Tianjin， this paper selected panel data from 2013 to 2020， used DEA-BCC model and Malmquist index to conduct static and dynamic analysis on the efficiency of transformation of agricultural science and technology achievements in Tianjin， and made a cross-sectional comparison with Beijing and Shanghai. The results showed that the comprehensive technical efficiency of Beijing， Tianjin and Shanghai all showed a decreasing trend from 2013 to 2020， and the efficiency of transformation of agricultural science and technology achievements did not reach the optimal level， and the decomposition of the Malmquist index revealed that technological change was the main influencing factor. In view of this， four suggestions are put forward to improve the efficiency of the transformation of agricultural science and technology achievements in Tianjin： constructing a high-quality output mechanism， smoothing the transformation chain， improving the service mechanism and enhancing the capacity of science and technology financial services， with a view to contributing to the modernisation of Tianjin's agriculture.

Key words： DEA-BCC model; Malmquist index; transformation of agricultural science and technology achievements; Tianjin

農業科技創新是推動農業發展方式轉變，加快農業現代化建設的重要動力。加快推進農業科技成果轉化，有利于農業科技成果與產業快速對接，助力鄉村振興。推動天津市農業轉型升級，提高天津市農業科技資源的利用效率，激發科研人員創新，促進農業科技成果轉化順暢是實施創新發展戰略亟待解決的核心問題。因此，探究天津市農業科技成果轉化效率變化，發現存在的問題并揭示其原因，有利于成果轉化機制的完善，促進農業現代化建設。

農業科技成果轉化效率是衡量農業科技成果的利用效率及市場價值的重要標準，國內外學者對農業科技成果轉化效率的測度進行大量研究，研究中常用的方法是數據包絡分析法。賀忠連等[1]運用DEA-Malmquist指數對湖南省2008—2017年科技成果轉化效率進行測度。結果表明，湖南省科技成果轉化全要素生產率年均下降3.5%，主要原因在于科技進步緩慢或停滯。李樹強等[2]運用三階段 DEA 模型對山東省農業技術效率進行測度，研究發現第三階段農業綜合技術效率、規模生產效率的測算值較之第一階段明顯提高；大多數城市純技術效率值遠小于規模效率值。楊瀟等[3]運用DEA模型對云南省各州市規模以上工業企業的科技成果轉化效率進行分析，發現云南省各州市的科技成果轉化效率區域差異較明顯，資源配置相對不合理。張鳳等[4]基于2010—2020年京滬深的面板數據，建立DEA模型，測度3市技術轉移效率，同時進行敏感度分析與投影值分析，發現3市均存在 R&D 經費投入過多和高新技術產品出口額不足的問題，北京還存在單位研發人員產出效率較低的問題。

綜上所述，目前學者對于農業科技成果轉化效率的測度以DEA方法為主且已取得較多成果，效率評價的實證分析能夠闡述各地農業科技成果轉化水平，但對天津市的農業科技成果轉化效率的研究較少。因此，本文運用DEA-BCC模型和 DEA-Malmquist指數對天津市2013—2020年的農業科技成果轉化效率展開研究，并與北京、上海進行橫向對比，以期找到天津市農業科研創新和技術轉化方面存在的實際問題，并提出針對性的改進措施和建議。

1 研究方法

1.1 DEA-BCC模型

數據包絡分析方法是由美國運籌學家A.Charnes和W.W.Cooper在1978年提出的一種效率測量方法[5]。DEA模型適用于多投入多產出的數據樣本，運用線性規劃，對決策單元的投入產出進行相對有效性評價。DEA模型包含BCC、CCR和SBM等模型，最常用的是以規模報酬不變為基本假設的CCR模型和引入規模報酬可變的BCC模型。BCC模型是對CCR模型的改進，把綜合技術效率進一步分解為純技術效率和規模效率[6]。本文在規模報酬可變的條件下，構建以產出為導向的DEA-BCC模型，對天津市農業科技成果轉化綜合效率進行測度。具體計算公式如下：

式中，xij 和 yrj分別表示第j個市的第 i個投入和第 r 個產出； si + 和si - 為松弛變量；j0為某個選定的城市。當θ=1，且sr +? =0，si - =0時，表明該市農業科技成果轉化的效率值為 1，稱為 DEA有效。

1.2 Malmquist指數模型

Malmquist指數模型是基于面板數據分析的動態相對效率評價方法，可以測量決策單元在不同時期效率的動態變化。為了研究天津市近8年農業科技成果轉化效率，本文擬采用DEA-Malmquist指數方法。Malmquist指數有投入導向型和產出導向型，依據研究需要，本文選取產出導向型。

基于產出的Malmquist指數定義為：

式中，（xt，yt）和（xt+1，yt+1）分別表示在第t期和第t+1期的投入—產出組合；Dt（xt，yt）和Dt（xt+1，yt+1）分別表示在t期和t+1期的距離函數[7]。在固定規模報酬的假定下，使用Mt和Mt+1的幾何平均數計算Malmquist指數，即：

Techch表示“前沿面移動效應”，也就是技術進步變動指數；Effch為“追趕效應”，也就是技術效率變動指數，當Tfpch>1，則該年間全要素生產率上漲，農業科技成果轉化效率增加。當Sech>1，則表明從長期來看決策單元接近最優規模[8-9]。

2 實證分析

2.1 指標選取與數據來源

農業科技成果轉化效率評價指標體系有投入指標和產出指標兩部分組成。其中投入指標主要包括人力投入、資金投入和知識性投入，產出指標主要包括專利、技術登記合同金額、科技項目收益等。由于農業科技成果轉化過程復雜，且部分數據收集困難，因此本文選取自然科學研究與技術開發機構從事科技活動人員為投入人員指標，農林牧漁業科技活動支出資金數額為投入資金指標；選取自然科學研究與技術開發機構中的農林牧漁業專利申請量、發表的科技論文、農業技術市場成交額為天津市農業科技成果轉化產出指標[10-12]。為了對天津市農業科技成果轉化效率進行比較分析，選取2013—2020年京津滬3地的數據進行對比研究。數據來源于2014—2021年《天津科技統計年鑒》《北京科技年鑒》《上海科技統計年鑒》，天津市各年份數據如表1所示。

2.2 DEA靜態分析結果

選取天津市2013—2020年的數據，通過運行DEAP2.1軟件，得出天津市農業科技成果轉化效率（表2）。從表2可以看出，天津市近8年間農業科技成果轉化過程中的綜合技術效率平均值達到了0.887，處在較高的水平，說明天津市在既定的資源投入下科研成果轉化較為豐碩，這是政府及創新主體相互協調的結果。2013—2020年間純技術效率低于規模效率的僅有1個，占總年份數的12.5%，說明天津市農業科技成果轉化的資源利用效率較高，各年份差距不大。進一步分析發現，僅有2014年、2015年和2019年3個決策單元達到DEA有效，表明這3年天津市農業科技成果轉化處在較高效率狀態，而其余年份非DEA有效，說明這些年份天津市農業科技成果轉化階段中技術和規模效率未達到最優狀態，需要采用相應的措施進行調整，使其達到相對均衡。盡管有幾年成果轉化效率呈非DEA有效，但是這8年的規模報酬有5年遞增，3年不變，這表明2013—2020年天津市農業科技成果轉化整體趨好，未來可能穩步增長。

綜合技術效率水平是由純技術效率與規模效率共同組成的。由表2可知，天津市純技術效率均值為0.960，5年效率值均為1，說明這幾年達到了一定投入下的產出最大化。2017和2020年的綜合效率、純技術效率和規模效率都小于1，但純技術效率在0.900以上，說明這兩年投入或產出存在不足。因此，應適當加大對農業科研創新的投入，并提升技術水平，以增強整體的創新實力。規模效率能夠顯示出農業科技創新的綜合能力，若規模效率值為1，則規模報酬最佳。若規模效率值小于1，即表明規模報酬遞增或遞減，即為非有效規模。2013年、2016年和2020年DEA無效，均是規模效率無效引起的，由于這3年規模報酬遞增，可以通過適當提高規模效率拉動綜合技術效率的上漲。

為了更清晰、客觀地了解天津市農業科技成果轉化成效，現將北京市和上海市的農業科技成果轉化效率與其進行橫向對比，2013—2020年京津滬3市農業科技成果轉化效率值見表3和圖1。

（1）綜合技術效率分析。從整體來看，京津滬3市在2013—2020年期間，綜合效率平均值在0.800以上，北京市效率均值最高，達到了0.977，上海市效率均值最低為0.840，但3市的綜合技術效率平均值均處于0.800～0.999之間，轉化效率處于良好水平。從各市的具體情況來看，北京市近8年綜合技術效率都比較接近于1，說明其農業科技成果轉化效率較高，8年中有4年DEA強有效，占北京決策單元總數的50%，但是仍然存在非效率情形，農業科技成果轉化效率提高空間處于4.3%～29.9%之間，另外2015年農業科技成果轉化效率下降幅度相對較大，造成整體輕微波動；天津市近幾年總體不太穩定，效率值變動頻繁，達到DEA有效的僅有3年，有3年的效率值低于均值0.877，進步空間相對較大；上海市近8年農業科技成果轉化效率值都低于1，尤其是2015和2019年效率值較低，但是2020年效率有所提升，逐漸達到有效。

（2）純技術效率分析。從整體來看，京津滬3地2013—2020年的純技術效率平均值為0.950以上，其中2014年京津滬3市純技術效率均為1，表明在現有的技術和管理水平下各城市能夠達到最優狀態。從各市的具體情況來看，北京市純技術效率均值為0.979，其中4年達到了DEA有效，其余年份效率值也在0.900以上，說明北京市的技術創新能力和管理水平較好。天津市的純技術效率均值為0.960，其中5年處于有效水平，表明管理和技術等因素對天津市農業科技成果轉化的影響較小。而上海市僅有1年達到了DEA有效，因此應該加大農業技術的研發，提升其管理水平，從而為農業科技成果轉化效率提升提供保障。

（3）規模效率分析。從整體來看，京津滬3地2013—2020年的規模效率平均值為0.934，表明3市的農業科研資源利用率與投入產出結構較為合理。從各市的具體情況來看，北京市的規模效率均值為0.998，其中5年達到了DEA有效，說明其資源配置較合理。天津市的規模效率均值為0.922，其中3年達到了DEA有效，說明天津市資源配置相對合理。而上海市的規模效率較低，未達到有效狀態，說明其沒有發揮規模效應，可以通過調整投入產出結構，重新配置資源，提升規模效率，進而使綜合效率達到DEA有效。

2.3 Malmquist指數動態分析結果

Malmquist反映效率的動態變化情況，為動態考察天津市近8年的農業科技成果轉化效率，本文利用DEAP2.1計算出天津市2013—2020各年Malmquist指數及其分解指數，并與北京市和上海市進行比較分析，數值見表4、圖2。由表4可知，2013—2020年天津市農業科技成果轉化效率的全要素生產效率為0.959，說明天津市近8年的成果轉化效率以年均4.1%的速度下降。從分解的情況看，2013—2020年天津市技術進步為0.959，其余部分效率值均為1，說明技術進步是全要素生產效率降低的主要因素，原因可能是部分農業科技成果沒能及時轉化或部分科研創新成果與市場需求不匹配，從而導致農業科技進步較慢。

由表4可知，2013—2020年間，天津市農業科技成果轉化效率整體不穩定，波動較大，2013—2016年為第1個下降期，2016—2017年為第1個上升期，2017—2018為第2個下降期，2018—2019為第2個上升期，2019—2020為第3個下降期。2013—2014年的全要素生產率是1.458，說明2013年農業科技成果轉化以45.8%的速度上漲。原因可能是2013年天津市提出要加快實施科技小巨人新3年計劃，進一步提高自主創新能力，加快攻克200項產業核心技術，促進科技成果轉化和應用，提升科技支撐經濟社會發展能力。2018—2019年為快速上升期，原因可能是2018年以來天津市先后出臺了許多促進農業科技成果創新與轉化的政策，優化政策環境，加快農業科研創新與成果轉化。2020年天津市技術進步下降，主要是部分新技術成果未及時運用。由圖2可知，近8年間京津滬3地全要素效率值平均值都小于1，京津滬3地農業科技成果轉化效率都有所下降，說明京津滬3地的農業科技成果轉化交易市場不活躍，成果轉化動力不足。京津滬3地的農業科技成果轉化投入是較高的，且處在全國前列，但產出不足，這表明在保持投入不變時，可以通過采取相應的措施來提高產出。為了進一步提高農業科技成果轉化效率，應針對當地實際情況，積極采取有效措施優化農業科技成果轉化工作。

3 結論與建議

本文基于京津滬2013—2020年的數據，采用DEA模型和DEA-Malmquist指數模型，運用DEAP2.1軟件測算京津滬3地農業科技成果轉化效率的變動情況。從靜態分析結果來看，北京市農業科技成果轉化具有模范帶頭作用，天津市效率值變動頻繁、總體不太穩定，上海市總體效率值較低但2020年效率有所提升，3地農業科技成果轉化成效有所差距，但是差距正逐漸縮小。從動態分析結果來看，京津滬3地全要素效率變動值均小于1，其中全要素生產效率值最低的是上海市，進一步分析發現上海市效率下降主要是因為技術進步緩慢。總體來看，近8年來京津滬3地農業科技成果轉化效率呈現下降趨勢，說明部分農業科技成果沒有及時轉化。原因可能是部分農業科技成果市場接受度低，轉化鏈條流動不暢、轉化服務平臺不成熟、成果轉化融資渠道匱乏，為提高其農業科技成果轉化效率，提出如下建議。

3.1 構建高質量農業科技成果產出機制

一是加強科研平臺建設，加速成果轉化。推動技術研發機構、科研創新中心、重點實驗室等新型技術研發平臺發展，實施科研機構分級分類管理，鼓勵其高效轉化科研成果。二是推動關鍵核心技術攻關。加大對各創新主體的扶持力度，使其聚焦農業科技前沿重點領域，加快核心技術和產品的研發，提升農業安全保障能力。三是完善科技成果轉化激勵機制。明確成果評價主體責任，對不同類型的科技成果分類評價，修正原有的科技成果評價只重數量指標、輕質量貢獻等不良傾向，激發科研人員成果轉化的積極性[13-15]。

3.2 暢通農業科技成果轉化鏈條

一是支持開展技術交易活動。積極開展技術開發、咨詢和轉讓等技術交易活動，對各研發機構、高校和科研院的成果轉化給予一定的獎勵，促進高校、科研機構和農技企業進行交易[16]。二是推動成果轉化孵化載體建設。支持企事業單位眾創空間、區域創新創業“核心孵化園”、農技企業孵化器等成果轉化，對年度績效考核好的眾創空間給予資金支持。三是拓展成果轉化渠道。加強區域合作，推動京津滬地區的農業科技成果異地轉化，重點圍繞生物醫藥等領域推進國際轉化合作。組織創新挑戰賽、科技成果專業論壇、現場路演+競拍等多元化的傳播活動，加快成果轉化[17]。

3.3 完善農業科技服務機制

一是加強科技中介服務組織建設。鼓勵創辦農業科技中介服務結構，促進農業科技服務機構專業化、規模化發展。支持科技中介服務組織開展科技咨詢、知識產權和技術轉移等各類科技服務，并給予資金支持。二是加強技術轉化人才隊伍建設。完善農業科技創新機制，激發人才創新活力，積極培育專業化技術人才[18-19]。對促成成果交易的技術經理人按其年度促成技術交易額，給予一定績效獎勵。三是促進科技中介服務機構專業化發展。鼓勵第三方科技服務機構建設，支持市級技術成果交易平臺市場化運營。引導各類技術轉化機構提升服務能力和水平，鼓勵知識產權服務機構拓展技術轉化功能。

3.4 增強科技金融服務能力

一是搭建農業科技創新信貸服務體系。鼓勵金融機構開展數據中臺建設，推進涉農數據的引入與應用，開發農業科技金融產品，構建農業科技信貸全流程風控體系。二是鼓勵創業投資機構發展。支持股權投資、創業投資機構加大對初創期和種子期的農業科技創新企業的投資力度，支持科研機構、農技龍頭企業等設立合作子基金，重點投向具有市場前景的農業科研項目，實現科技資源與金融資源的有效銜接。三是搭建銀行與科研機構對接平臺。積極開展農業科技轉化與合作交流會、涉農展會和各類銀企對接活動，建立和完善農業科技成果質押融資風險保障機制，加大知識產權質押貸款發放規模，提升成果轉化的金融水平。

參考文獻：

[1] 賀忠連， 廖翼. 基于DEA-Malmquist指數的湖南省科技成果轉化效率研究[J]. 科技風， 2019（29）： 22-23.

[2] 李樹強， 葛顏祥. 基于三階段DEA模型的山東省農業技術效率分析[J]. 黑龍江八一農墾大學學報， 2020， 32（1）： 102-108.

[3] 楊瀟， 沐倩. 云南省各州市規模以上工業企業科技成果轉化效率分析[J]. 科技與創新， 2022（24）： 90-94.

[4] 張鳳， 湯奧靈， 沈映春， 等. 基于DEA模型的京滬深三地技術轉移效率研究[J/OL]. 北京航空航天大學學報（社會科學版）： 1-10[2023-01-03]. https：//doi.org/10.13766/j.bhsk.1008-2204.2022.0987.

[5] 馬艷艷， 邰一博， 呂佳瑩. 基于DEA模型的寧夏農業科技資源配置效率評價[J]. 江蘇農業科學， 2021， 49（3）： 224-231.

[6] 張海星， 張宇， 王星輝. 我國新型城鎮化基礎設施投資效率測度與評價——基于三階段DEA-Malmquist指數模型[J]. 寧夏社會科學， 2022（5）： 89-101.

[7] 侯婧. 基于DEA-Malmquist指數模型的河北省科技資源配置效率分析[J]. 廊坊師范學院學報（自然科學版）， 2022， 22（3）： 73-80.

[8] 焦柳丹， 吳奉彥， 張羽， 等. 基于超效率SBM-Malmquist模型的城市軌道交通運營效率評價[J]. 鐵道運輸與經濟， 2022， 44（5）： 99-106.

[9] 張鵬， 李林欣， 曾永泉. 基于DEA-Malmquist指數的粵港澳大灣區科技創新效率評價研究[J]. 工業技術經濟， 2021， 40（2）： 12-17.

[10] 李強， 龐鈺凡， 汪玥. 基于DEA模型和Malmquist指數的農業生產效率評價研究——以吉林省為例[J]. 技術經濟， 2020， 39（9）： 135-143.

[11] 張澤壽， 張小寧， 彭勇. 基于DEA模型的甘肅省農業科技項目績效評價研究[J]. 生產力研究， 2021（2）： 148-151.

[12] 卓小愛， 侯慶豐， 王明樂. 基于DEA模型的農業生產效率評價[J]. 熱帶農業工程， 2021， 45（4）： 43-47.

[13] 朱闖. 安徽省農業科技成果轉化效率及影響因素研究[D]. 合肥： 安徽農業大學， 2022.

[14] 孟穎超， 杜海平， 任倩倩， 等. 山西省農業科技成果轉化管理機制存在的問題及對策[J]. 山西科技， 2020， 35（5）： 1-4.

[15] 黃永清， 寧夏， 孔令孜， 等. 加快廣西農業科技成果轉化機制創新研究[J]. 南方農業學報， 2020， 51（7）： 1776-1784.

[16] 黃其振， 陳杰. 湖北省農業科技成果轉化路徑創新研究[J]. 湖北農業科學， 2021， 60（S2）： 406-410， 415.

[17] 范德清， 唐維超， 茍茂海， 等. 重慶市農業科技成果轉化工作現狀問題及對策[J]. 南方農業， 2020， 14（22）： 20-22， 25.

[18] 郭玉瑋， 項晨羽. 淺析上海農業科技成果轉化現狀及對策[J]. 上海農業科技， 2022（3）： 5-8.

[19] 陳李萍. 浙江省農業科技成果轉化助推鄉村振興的研究[J]. 安徽農學通報， 2022， 28（11）： 10-12.

基金項目：天津農學院鄉村振興研究院重點委托課題

作者簡介：米琳（1997—），女，河南駐馬店人，在讀碩士生，主要從事農業經濟研究。

通訊作者簡介：李慧燕（1979—），女，天津人，副教授，博士，主要從事農業經濟、區域經濟管理研究。