安徽省农业创新系统效率评价及分析*

肖仁桥 钱 丽

（1.安徽财经大学,安徽蚌埠 233030；2.华中科技大学管理学院 ,武汉 430074）

安徽省农业创新系统效率评价及分析*

肖仁桥1，2钱 丽1

（1.安徽财经大学,安徽蚌埠 233030；2.华中科技大学管理学院 ,武汉 430074）

本文基于创新系统理论，从科技经济、生态环保等方面建立农业技术创新效率的评价指标体系，基于2009年安徽省各地市的农业数据，综合运用3个DEA模型对安徽省各地市农业创新系统效率进行评价，从纯技术效率、规模效率、规模状态进行全面分析，然后对DEA无效地区进行投影分析。研究结果表明：安徽省农业创新系统效率整体水平一般，区域差异明显，只有黄山市实现了农业科技经济与生态环保的协调发展，投影分析发现，农业科技经济投入指标中都存在不同程度的冗余，农业财政支出指标的冗余率相对最低，专利申请量指标产出严重不足，最后给出相应的政策建议。

农业创新系统；DEA；效率评价；生态环境

一、引 言

安徽省是中部地区粮食重镇，农业、农村和农民问题是安徽经济腾飞过程中的关键难题。实践证明：以增加要素投入来带动增长的粗放式经营模式，并不是经济发展的长久之计。受困于耕地资源制约和人口增长的原因，现代农业不可能依靠要素投入的无限扩张。因此，进一步推广农业技术创新、建立和不断完善区域农业创新系统，成为我省发展现代农业生产、提高农业产业竞争力、转变农业增长方式的重要途径之一，也是实现经济与社会协调和可持续发展的正确选择。

近年来农药、化肥等生产资料的大量使用极大地提高了农产品的数量，但由于农民的过度与不当使用，造成大量土壤遭到破坏、农产品质量无法得到保障等不良后果，农民有粮无钱已成为不争的事实。由于粗放式生产，水资源污染有所加重，水资源时空分布不均，洪涝干旱等自然灾害时有发生，给农业生产造成一定的经济损失，从而制约了当地农业经济发展。因此，在保持农业科技经济快速增长的同时，充分重视农业生态环境已经变得极其紧迫而严峻。为此，将农业生态环境纳入区域农业创新系统评价框架之内，研究安徽省农业创新系统资源利用效率的区域差异，并在此基础上制定有针对性的相关政策，对于保障农业生产安全、转变农业增长方式、保护生态环境，促进安徽省科技经济与生态环境的协调发展具有重要的战略与现实意义。

二、相关文献综述

国外学者从不同角度对农业创新系统的概念进行界定，具有代表性的学者，如CHAIRSTANA（2000）对泰国的农业创新系统进行了探索研究，并将其定义为以农业为基础的产业网络和生产链，且认为农业创新系统中的主体应包括支持者、受到影响的机构和生产者。[1]TEMELA（2003）运用图形理论法分析了阿塞拜疆农业创新系统的结构和创新主体之间的联系，为后续农业创新系统的研究提供了具有一定借鉴意义的方法与分析工具[2]。国内学者涂俊、吴贵生（2006）在国外学者研究的基础上，结合中国农业发展的实际，提出了我国区域农业创新系统的概念，他认为，区域农业创新系统是指在一个区域内，由农业技术科研机构、政府相关支持部门、农业技术推广机构、农民和企业共同构成的农业技术研发与推广网络[3]。

在此基础上，本研究将生态环境因素纳入农业创新系统的定义框架之内，认为安徽省农业创新系统是指在一个区域内（安徽省各地市），由企业、农业科技知识创造与科技知识应用机构、大学、政府及中介组织、农民共同构成的农业技术创新网络。创新系统主体之间通过互相学习与合作，促进系统内隐性与显性知识在各要素之间的传播，从而提高农业部门的创新能力和核心竞争力，推动区域科技经济、生态环保的协调统一与可持续发展。

然而，对创新系统进行评价是比较困难的，但如果定标在产品上，则创新系统的绩效评估就变得容易很多[4]，创新系统绩效可分为结果绩效和效率绩效，笔者认为，从效率绩效角度进行评估，不但可以对农业创新系统绩效进行改善，同时进一步促进安徽省农业向集约型经济增长方式的转变，因而更加适合安徽省农业创新与可持续发展战略的要求。目前，农业创新系统评价领域的研究文献并不多见，涂俊等（2006）基于创新系统理论，采用DEA-Tobit两步法对我国30个省、市、自治区农业创新系统效率进行比较，并分析创新效率的影响因素[3]。结果表明，农村基础教育水平和自然灾害对区域农业创新系统具有显著影响，而政府科技经费并不是显著影响因素[5]。杨永军等（2006）选取2003年的县级统计调查数据，运用DEA-Tobit模型，对山东与河北两省的共78个县域农业创新系统效率进行评价，结果表明，农村基础教育水平、市场建设以及技术服务推广人员工资水平对县域农业创新系统效率具有显著的影响 。然而，上述学者基本上都停留在科技经济效率研究阶段，关注的是农业科技经济产出最大化，没有考虑农业生态环境的影响，重视农业资源的节约，而轻视了农业生态环境的保护，有悖于中国农业经济发展现状，从而无法客观反映区域农业创新系统效率的高低。考虑农业生态环境效应的区域农业创新系统效率研究将农业创新系统的研究提升到一个新的阶段，但是其尚处于研究起始阶段，相关文献尚未见到，有待进一步深入研究。

本研究延续和拓展涂俊和杨永军等的研究，力求更加全面、系统地考察包括农业生态环境因素在内的安徽省农业创新系统效率的区域特征，首先，将农业创新系统分为农业科技经济子系统和农业生态环保子系统，并基于创新系统理论、投入产出原理分别建立各子系统评价指标体系；其次，综合运用 C2R,C2GS2，超效率C2R模型对安徽省农业创新各子系统效率进行测度，分析比较2009年安徽省17个地市的农业创新效率，并将其分解为纯技术效率与规模效率；然后，对农业科技经济子系统效率无效地区进行投影分析，找出存在的差距及改进方向与程度；最后，从资源节约与农业生态环境保护角度出发，给出了一些政策建议，以期为安徽省农业科技经济发展及生态环境保护等政策的制定提供科学的决策依据。

三、研究方法

评价系统效率的方法主要分为两类，一类是参数技术，如随机前沿方法（SFA），一类是非参数技术，如数据包络分析方法（DEA）。两类方法各有其优势与不足，随机前沿技术充分考虑了随机误差和无效率因素对创新效率的影响，但其前提是正确设定函数模型；DEA方法有效地揭示了技术创新效率的内涵，无需对函数模型进行事先假定，是由CHARNES于1978年提出的一种评价多投入、多产出指标决策单元的非参数统计方法[6]。传统的C2R模型根据规模报酬不变的假设，计算出决策单元的技术效率（或称综合效率），而第二个DEA模型——C2GS2模型则隐含了规模报酬可变的假设，测度的是决策单元的纯技术效率，纯技术效率是指剔除了规模因素和投入资源处置能力变化影响的效率，其值更多地体现出经营者的管理水平。技术效率=纯技术效率×规模效率，从而可以得出规模效率值，规模效率表示与规模有效点相比，规模经济性的发挥程度。然而，上述两个模型都只能将评价单元区分为有效和无效，对DEA有效单元无法进行比较分析。ANDERSEN (1993)提出的超效率C2R模型则弥补了这一缺陷，使同是DEA有效决策单元也可以互相比较。其基本思路：在对某个决策单元评价时，将自身排除在生产约束集之外，能增加投入而保持相对有效性的最大比例值即为该决策单元的效率值[7]。本文选取基于产出不变的DEA模型，其对偶形式如下：

假设3个DEA模型的最优解为θ0（或δ0或θ′0），λ0，S－0，S+0得到如下判断：（1)当 θ0＝1，或θ′0＝1或δ0＝1且S－0＝0，S+0=0时，决策单元j0为DEA有效，即决策单元j0的生产活动在原投入X0基础上所获产出Y0已达最优。（2）当θ0＝1，或θ′0=1或δ0=1但至少S－0＞0或S+0＞0，称为弱DEA有效。（3）当θ0＜1或θ′0＜1或δ0＜1时，称为DEA无效。

四、实证研究

1.评价指标体系的建立与数据收集

在对区域农业创新系统进行评价时，必须合理构建评价指标体系，力求评价结果可以客观公正地反映整个系统的效率，本文基于创新系统理论与可持续发展的要求，运用层次分析法，构建安徽省农业创新系统的评价指标体系，分为三个层次：目标层为区域农业创新系统；基准层包括农业科技与经济创新子系统和农业生态与环保子系统；子系统指标层考虑指标的可获得性和多样性等因素选择10项指标。

在农业科技经济创新子系统的投入变量方面，采用农林牧渔业从业人员数来表示人力资本投入，选取农作物总播种面积来表示农业的土地要素投入，用农业机械总动力来表示技术投入，由于各地市农业领域研究与发展经费数据不全，本文选取农林水事务财政支出作为资金投入。在产出变量方面，农林牧渔业增加值是经常被采用的指标，农业科技领域专利申请量作为衡量系统科技产出的一个重要指标，体现了该地区在农业科技方面所取得的成果。

在衡量农业生态环保状况时，人均耕地面积是生态环境的一个重要衡量指标，化肥使用强度也对生态环境造成重要影响，使用化肥的强度越大，对土壤及环境的恶劣影响越严重。在产出方面，森林覆盖率对于抵御自然灾害具有重要作用，也是生态环境质量好坏的衡量标准之一，农田抗灾能力也经常被选作生态环保评价指标。这里，有些指标数据需经过公式计算得到，如：在计算农田抗灾能力指标数据时，首先计算各地区受灾面积与耕地面积之比，记为ai，（i=1，2，...17），然后将该逆向指标正向化，运用公式bi=将其转化为（50,100）之间的数。同理，在计算化肥使用强度时，首先计算化肥使用量/耕地面积，然后运用上述公式,将该逆向指标正向化。人均耕地面积=耕地面积/农业人数，森林覆盖率指标数据可通过查询获取，最后，我们建立农业创新系统评价指标体系，如表1。在对每个子系统进行评价时，指标个数不易太多，否则会出现多个决策单元为弱DEA有效情形[8]，影响评价结果的合理性与有效性，表1所述指标体系满足投入、产出指标个数之和的2倍加上1不超过决策评价单元个数的要求，即：2*（4+ 2）+1=13<17。数据源自《安徽统计年鉴2010》和中国专利数据库，经整理而得。

表1 农业创新系统评价指标体系

2.DEA模型运算及分析

根据评价指标体系，选取安徽省17个地市2009年数据，以各地市为评价决策单元，对2个系统从DEA有效性、技术与规模有效性和规模效益等方面进行评价，结果见表2、表3：

表2 农业科技经济子系统评价结果

由表2可知，在农业科技经济子系统方面，合肥、蚌埠、马鞍山、芜湖、黄山等5个地区是同时技术有效和规模有效。它们构成了安徽省农业创新系统的效率前沿面，换句话说，如果不改变该地区6个投入产出指标中某些指标的投入产出数量，在现有的技术水平下，其产出量已经达到最大。根据表2所示结果，将安徽省各地区分为三类：（1）DEA有效区域。从高到低依次排名如下：芜湖、蚌埠、马鞍山、合肥、黄山。芜湖市2009年农林牧渔业增加值居全省第11位，但是其专利申请量为75件，排名第1，其各投入指标值不高，从而导致该地区科技经济子系统的效率值居全省第1，其归因于芜湖市较强的农业科研能力，但农林牧渔业增加值仅为第11位，因此，农业科技能力的提高并未给农业经济生产带来很大的促进作用，该地区如果能够不断提高科技成果转化率，势必会给该地区农业经济发展带来强劲的驱动力。（2）弱DEA有效区域。包括：宿州市、阜阳市。这2个地区效率值为1，但其松弛变量不全为0。例如宿州市的输入松弛变量S=0.0002＞0。说明该地区在科技经济创新发展中，还存在一些略需改进的地方。（3）DEA无效区域。包括铜陵、安庆等10个地区，C2R非有效单元下分别考察其技术有效性和规模有效性，铜陵、安庆、滁州3个地区是纯技术有效而非规模有效，也就是说，按照现有的产出来计算，其投入不可能再减少了。淮南、巢湖、亳州、宣城、池州、淮北、六安等7个地区既不是技术有效，也不是规模有效，也就是说，即使减少某些投入量，其当前的产出水平也可能保持不变。效率值最小的六安市农林牧渔业增加值居安徽省第4位，专利申请量排名第9位，但其投入量偏大，通过较大的投入获取一定的产出，不利于该地区农业经济的可持续发展。

表3 农业生态与环保子系统评价结果

由表3可知，在农业生态环保子系统方面，淮南和黄山2个地区是同时技术有效与规模有效，而且黄山市的超效率值高达5.9531，该地区森林覆盖率为77.8%，居全省第1，这与黄山市长久以来的历史积淀、独特的地理位置以及目前大力发展旅游文化产业的战略息息相关，森林覆盖率高的地区为皖南的黄山（77.8%）、宣城（54%）、池州（56.86%）等3个地区，而皖北地区森林覆盖率只有15%左右，分布极为不均匀。另外，黄山市受灾面积少，抗灾能力也居全省第3，在投入方面，黄山市人均耕地面积较少，化肥使用强度一般，从而导致该市生态环保效率值高，实现DEA有效。其余15个非DEA有效地区，除了马鞍山市是技术有效外，其余既不是技术有效，也不是规模有效。马鞍山市创新效率低下的原因，在很大程度上是由于资源配置不合理而造成的，唯有改变其投入量，方能改善该地区的效率，提高创新水平。其它14个既不是技术有效、也不是规模有效地区，则一方面需要提高该地区的资源配置效率，根据创新发展的需要，适当改变其投入量的大小；另一方面，需在现有的投入产出基础上，提高经营者的管理水平，从而实现技术规模同时有效。从规模效益角度来看，DEA无效地区均处在规模效益递减状态，说明这些地区如果在经营方面没有较大的突破，管理水平没有较大的提高，即使加大对生态环保的投入，其效率值也不会有明显的改善。

3.投影分析

从表2可以看出，淮北等10个DEA无效地区以及宿州、阜阳2个弱DEA有效地区存在投入冗余以及产出不足的地方，下面我们用DEA投影分析法，对投入产出量进行改进，使非DEA有效决策单元达到DEA有效。设C2R模型的最优解为λ0，S+0，S-0，θ0，）为DMU0对应的（X0，Y0）在相对有效面上的“投影”，若决策单元为DEA无效或弱有效，则，ΔX为输入剩余，ΔY为输出亏空，它们分别表示在保持当前的产出或投入不变的情况下投入的冗余量和产出的不足。如果达到DEA有效，ΔX、ΔY均为0，则由这两个数据可以知道，非有效的地市有多少农业科技投入没有充分发挥出作用，以及产出还有多大的潜力，按此方法，我们得到投影分析结果,见表4。

表4 安徽省12个地市投入与产出投影分析结果

续表

从农业科技经济子系统的投入要素来看，结合表4得出，淮北等10个DEA无效地区4个投入指标均存在不同程度的冗余，表现为存在一定数量的输入剩余，且松弛变量不为零。而对于农林水事务财政支出来说，该指标在安徽省10个DEA无效地区中的投入冗余率相对较低，利用效率较优，但与最优目标仍然存在一些差距，需进一步减少该指标的投入。而宿州、阜阳2个弱DEA有效地区在农林牧渔业从业人员数以及农作物总播种面积投入上存在很少的冗余，适当减少这方面的投入，即可使创新效率达到最优。

从农业科技经济子系统的产出角度来看，10个DEA无效地区的农林牧渔业增加值产出最优，其松弛变量为0，不存在任何不足，而农业科技领域专利申请量指标则存在非常严重的产出不足，例如,安庆市专利申请量指标观察值为3，有效值为74.4968，该决策单元与有效生产前沿面之间存在很长的距离。而对2个弱DEA有效地区（宿州市、阜阳市）而言，仅有阜阳市在专利申请量指标方面存在微小的产出不足。对于投入要素来说，如果存在投入冗余，决策部门可以通过减少相应的投入要素，或提高技术水平，使冗余转化为有效投资，从而提高要素的利用效率。而对于农业科技经济产出来说，如果存在产出不足，那么唯一的解决办法就是改进技术水平，使实际产出量与效率最优对应的产出量之间差距趋于零。

五、结论和政策分析

本文综合运用3个DEA模型，从科技经济、生态环保等角度对安徽省农业创新系统进行效率评价和规模效益分析，然后，对科技经济子系统中的无效地区进行投影分析。研究结果表明，安徽省农业创新系统效率整体水平一般，区域差异明显。在科技经济方面，只有芜湖、合肥、黄山等5个地区达到DEA有效，在生态环保方面，只有淮南、黄山是DEA有效，只有黄山市实现了农业科技经济与生态环保的协调发展，芜湖、合肥、蚌埠、马鞍山虽然在科技经济领域领先于安徽省其它地区，但生态环保效率都在0.7附近徘徊，其在大力发展农业科技经济的同时，更应注重生态文明的建设和环境的自我保护。投影分析发现，农业科技经济投入指标中都存在不同程度的冗余，农业财政支出指标的冗余率相对最低，农业科技经济产出指标中专利申请量指标存在产出严重不足的现象。

结合研究结论,本文有针对性地提出安徽省农业创新发展政策和战略方向的两点建议。

第一，加大农业科技经济领域的投入力度，提高资源利用效率。同时在现有的投入、产出基础上提高经营者的管理水平，加快实现科技成果产业化，提高成果转化率，从而实现该地区农业经济产出最大化。另外,从规模效益分析来看，很多地区处于规模效益递增状态，而且DEA无效地区存在农业科技领域专利申请量的产出严重不足现象，对这些地区需要进一步加大科技投入，改变原有的高投入、高消耗、低效率的发展模式，推动该地区科技经济的快速持续发展。

第二，在保持安徽省农业科技经济快速平稳增长的同时，注重农业生态环境的保护。在发展农业经济同时，要切实保护好耕地，确保耕地面积不再进一步减少，不断优化粮食生产区域分布结构和质量等级，实现粮食品种多样化与农民收入的不断提高。减少化肥使用量，从而更好地适应市场竞争，满足不同顾客的需求。安徽省水资源丰富，长江、淮河两大河流经由安徽大部分地区，有效灌溉面积逐年递增，然而，近年来洪涝干旱等自然灾害时有发生，给农业生产、农民生活造成一定的经济损失，因此，安徽省应根据地形特征和地区经济发展需要，进一步推进退耕还林、水土保持等重要的生态文明建设工程，提高农田抗灾能力。另外，安徽省森林覆盖率不高（26.06%），且森林区域分布极为不均匀。因此，根据农业科技经济创新发展和生态环保建设的要求，要尽快出台一些方案，从而实现合理利用水资源、提高农田抗灾能力，促进森林覆盖面的均匀分布与全面提高，实现安徽科技经济与生态环保建设的协调统一发展。

[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,吴贵生.基于DEA-Tobit两步法的区域农业创新系统评价及分析 [J].数量经济技术经济研究，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]杨永军,涂俊,吴贵生.县域农业创新系统效率评价及分析[J].科学学与科学技术管理，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]魏权龄.数据包络分析[M].北京:科学出版社，2004：35.

[9]钱丽,肖仁桥,杨桂元.基于DEA模型的安徽省农业生产效率评价研究[J].工业技术经济，2010,29(10)：121-126.

[10]马凤才,赵连阁,任莹.黑龙江省农业生产效率分析[J].农业技术经济，2008,(2)：24-25.

[11]方大春.我国农业生产效率的时空特征:基于DEA模型分析[J].经济体制改革，2011,(3)：85-88.

[12]孙艳玲,黎明.基于数据包络分析的四川农业可持续发展研究[J].科技进步与对策，2009,26(2)：34-37.

[13]匡远配,罗荷花.“两型农业”综合评价指标体系构建及实证分析[J].农业技术经济，2010,(7)：69-77.

（责任编辑 吴晓妹）

F327.54

A

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

教育部人文社会科学研究青年基金项目（10YJC790166）；安徽财经大学经济发展研究中心招标项目（2011sk743）；安徽财经大学青年科学研究重点项目（ACKYQ1002ZD）

肖仁桥（1982-），男，湖北武汉人，安徽财经大学统计与应用数学学院讲师，华中科技大学管理学院，主要研究方向：技术经济与创新管理，综合评价；钱丽（1981-），女，湖北武汉人，安徽财经大学工商管理学院讲师，主要研究方向：创业与创新管理。