北京农业科技企业技术创新绩效评价研究

王亚茹 李 萍

(北京农学院经济管理学院，北京 102206)

0 引 言

农业作为一个国家的根基，是人类生存之本，是一切生产的首要条件，促进农业现代化发展已经成为现代农业发展的首要目标。北京作为全国科技的中心，2010年，北京市政府、科技部、农业部启动共建北京国家现代农业科技城计划。几年来，北京国家现代农业科技城不断创新机制体制、突破技术瓶颈，截至2019年，农业高新技术企业已有605家，北京已经成为现代农业技术创新策源地，有效提升了北京都市现代农业的发展水平。但同时，农业的特殊性决定了农业科技企业技术创新在很多方面不同于其他产业的高新技术企业[1]。农业科技企业技术创新具有较长的研发周期、较强的地域性，并且存在技术创新的先进性与农户水平的滞后性之间的矛盾，这对于农业科技企业的技术创新投入和产出都提出了更高的要求[2]。在此背景下，有效评估北京农业科技企业技术创新绩效，分析存在的问题，对于促进北京农业科技企业发展，有着较强的理论价值和现实意义。

目前，全国只有浙江与江苏分别于2004年、2008年颁布了《浙江省农业科技企业认定工作实施意见》《江苏省农业科技型企业管理办法(试行)》相关文件，规定了农业科技企业的认定标准与条件[3]。学术界对农业科技企业的定义也是各抒己见：褚保金等(2001)认为，农业科技企业是指主要以自身力量推动或从事农业技术创新，在研发上投入较多资源以实现高新技术产品商业化的企业[4]；谢亮(2013)定义的农业科技企业是指在经济、交通发达的农村，划出一定区域，由政府投资兴建，以农业科研单位为技术依托，集农业、水利、农机等高新技术为一体，引进国内外优质品种及先进技术，以调整农业产业结构、增加农民收入为目标形成的农业生产基地[5]；李萍(2016)认为，农业科技企业是指以研发资源投入为基础、以创新为发展动力、以农林牧渔业相关产业为经营范围、以现代企业运营管理方式为手段、以盈利为目的、依法成立并具有独立法人资格的社会经济组织[3]。综上所述，本文研究的农业科技企业是基于李萍的观点，指北京市内以研发资源投入为基础、以技术创新为发展动力、以农林牧渔业相关产业为经营范围、以农业创新产品产出为生存方式、以盈利为目的的农业科技类企业。

1997年，经济学家熊彼特在其著作中提出，技术创新是指以市场为导向，以经济效益为核心，能为企业带来长期经济增长的技术经济活动[6]。目前，学术界围绕技术创新已经展开了广泛的研究，特别是对技术创新绩效问题的研究，但对技术创新绩效的定义尚未统一。Hagedoorn和Cloodt(2003)认为，创新绩效可以从狭义和广义两方面理解：狭义上可以理解为发明创造引入市场的程度；广义上理解是指从概念生成到将发明创造引入市场全过程所取得的发明、技术以及创新三方面的绩效[7]。Jantunen(2005)指出，企业技术创新绩效是指企业通过产品创新或工艺创新活动给企业带来的绩效提升[8]。高建(2004)则认为技术创新绩效指企业技术创新的效率、产出的成果及其对商业成功的贡献[9]。本文对技术创新绩效的评价是基于高建的观点，以技术创新效率为出发点，从技术创新投入效率和产出效率两方面进行研究。

现阶段大多数学者从技术创新效率的角度衡量企业创新绩效，但对农业科技企业技术创新绩效评价研究相对较少，无论是研究方法还是内容，都尚未形成统一认识。本文从投入产出视角出发，在借鉴前人研究的基础上，结合农业科技企业自身特点，运用数据包络分析法对北京农业科技企业技术创新绩效进行评价。本文丰富了技术创新绩效评价在农业科技企业领域的研究，同时为北京农业科技企业技术创新规划的制定提供理论依据。

1 评价方法

农业科技企业技术创新绩效评价对农业科技企业资源配置和农业现代化发展都具有重要作用，一直受到学术界的广泛关注，但是由于农业的特殊性以及农业技术创新过程的复杂性，使该领域的研究难度加大，至今仍未对农业科技企业技术创新绩效评价方法形成统一标准。本文通过对企业技术创新绩效评价经常采用的几种方法进行比较分析，选出适合本文研究的方法。

1.1 技术创新绩效评价方法比较

国内学者们对企业技术创新绩效评价方法做了一系列的研究，从相关文献梳理可以看出，关于技术创新绩效评价的主要方法有四种：模糊综合评价法、灰色评价法、因子分析法、数据包络分析法。

模糊综合评价法是一种基于模糊数学理论，通过“最大隶属度”原则进行评价的方法，能够将一些边界不清的因素进行量化，这种方法中专家评价尤为重要，其最大的缺点是具有较强的主观性；灰色评价法是一种以灰色系统理论为基础，对预先设定的评价对象某一阶段所处状态进行评价的方法，这种评价方法需要相关人士对数量指标进行打分，因此也具有较强的主观性；因子分析法以简化原有变量为目标，根据因素相关性的大小将变量分组，使同一组内的变量相关性最大，这种方法虽然可以形成客观的评价结果，但是需要收集大量的数据，可行性不强；数据包络分析法是一种基于运筹学线性规划理论的评价方法，该方法可以对具有多个输入、输出指标的决策单元的总体有效性、技术有效性进行分析，而且其不受计量单位影响，在处理复杂系统时该种方法具有相对优势[10]。

以上四种方法，除数据包络分析法外，都局限于对企业技术创新最终产出结果的评价，而数据包络分析法则从投入和产出两方面出发，实现对企业技术创新绩效的评价[11]。所以，本文运用数据包络分析法对北京农业科技企业近几年技术创新绩效进行评价，以期为北京农业科技企业技术创新的发展规划提供理论依据。

1.2 DEA基本模型

数据包络分析法(Data Envelopment Analysis，DEA)是由著名运筹学家Charnes、Cooper和Rhodes于1978年提出，该方法以“相对效率”概念为基础，无须知道生产函数的具体形式，借助于数学规划和统计数据对决策单元(DMU)的相对有效性进行评价，是测量多投入多产出决策单元效率的一种有效方法[12]。

数据包络分析法包含两个模型：C2R模型和BC2模型。两个模型的根本区别在于假设前提的不同。C2R模型假设“规模报酬不变”，用以测量综合技术效率(TE)，该效率值用来测度决策单元在规模报酬不变的生产前沿上的最佳投入与实际投入的比率；BC2模型假设“规模报酬变动”，用以测量纯技术效率(PTE)，该效率值用来测度决策单元在规模报酬可变的生产前沿上的最佳投入与实际投入的比率；综合技术效率值除以纯技术效率值得到各决策单元的规模效率值(SE)，即SE=TE/PTE，规模效率值的大小表示规模报酬可变时，由于不能在不变规模报酬下生产而造成的无效程度[13]。

2 评价指标体系构建

农业科技企业技术创新绩效评价指标体系的构建是对其技术创新绩效水平进行准确评价的前提，它直接影响评价结果的科学性和准确性，从而影响农业科技企业技术创新效果的评价以及发展战略的制定[11]。通过相关文献的梳理，国内外学者主要从以下五个角度构建技术创新绩效评价指标体系：投入产出角度、效益角度、对象角度、过程角度、网络角度[14]。其中，Gong Huang和Wang Xinyu(2004)从投入产出角度出发构建了区域技术创新绩效评价指标体系，投入指标包括科技人员当量、研发人员当量、科技活动人员数、研发支出等；产出指标包括新产品销售额、新产品利润率、专利申请量[15]。本文以Gong Huang和Wang Xinyu构建的技术创新绩效评价指标体系作为参考，结合北京农业科技企业技术创新的特点及数据可获性的要求，构建如下指标体系。

农业科技企业技术创新投入能力指标。技术创新投入在很大程度上决定了农业科技企业技术创新的规模与能力。通常认为，技术创新投入包括人力投入、物力投入和财力投入三个方面。结合北京农业科技企业具体情况，选择以下6个主要指标作为投入指标：X1：农业科技企业总数(家)；X2：设置R&D活动机构农业科技企业数(家)；X3：农业科技企业研发人员总数(人)；X4：R&D人员折合全时当量(人年)；X5：R&D经费投入(万元)；X6：政府R&D经费投入比重(%)。

农业科技企业技术创新产出能力指标。技术创新产出是农业科技企业技术创新效果的最直观体现，对农业科技企业技术创新绩效评价时，技术创新产出指标的选取要充分体现技术创新成果和技术创新收益情况。基于此原则，本文选取以下5个指标作为产出指标：Y1：专利申请数(件)；Y2：发明专利数(件)；Y3：农业科技企业新产品产值(万元)；Y4：农业科技企业总产值中新产品产值比重(%)；Y5：农业科技企业新产品出口销售收入(万元)。

3 数据来源

根据农业科技企业技术创新绩效评价方法的要求，绩效指标的选取要遵循科学性、规范性及数据可获性的原则，因此，本文选取《北京统计年鉴》中进行技术创新活动的农业企业的相关数据作为样本数据，该类企业符合本文农业科技企业的定义范围，数据样本时间为2010—2017年，具体数据见表1。

4 北京农业科技企业技术创新绩效实证分析

北京农业科技企业技术创新绩效评价指标数据见表1，运用DEAP2.1软件进行分析，结果见表2、表3、表4、表5。本文从效率和松弛变量两方面对绩效评价结果进行分析。

表1 2010—2017年北京农业科技企业技术创新绩效评价指标数据

表2 2010—2017年北京农业科技企业技术创新绩效评价效率分析结果

4.1 效率分析

首先把北京2010—2017年的数据进行横向比较，了解北京农业科技企业技术创新发展情况。利用C2R模型和BC2模型计算出反映绩效的指标值，即综合技术效率(TE)、纯技术效率(PTE)以及规模效率(SE)。具体结果见表2。由表2可知，2011年、2015年和2016年这三年非DEA有效，综合技术效率值分别为0.941、0.716和0.883。表明这3年北京农业科技企业技术创新效率均未达到最佳水平，但规模收益都是递增的，说明这三年投入不足，均可通过增加投入提高综合技术效率；其余年份农业科技企业技术创新投入与产出都同时达到了技术和规模有效。需要特别指出的是，所有年份中纯技术效率值均为1，这表明农业科技企业资源配置已经实现相对优化，资源利用率相对较高，投入产出配置比较适当。从总体来看，北京农业科技企业技术创新已经进入了良性发展轨道，并且实现了规模效益，这与北京不断加强对农业技术创新的投入，高度重视农业现代化发展是密不可分的。

4.2 松弛变量分析

上面通过DEA中C2R模型和BC2模型计算出反映绩效的三项指标值，虽然可以从总体上评价相关决策单元的综合技术、纯技术和规模效率是否有效，但是无法得出解决无效决策单元的具体调整方案，需要进行松弛变量分析并利用投影定理将数据进行调整，从而将无效决策单元调整为有效决策单元，最后与调整前进行对比，找出产生无效的原因。

根据DEA理论中前沿面分析可知，当投入指标的松弛变量不等于0时，其对应的投入要素对企业技术创新的发展就未能充分发挥作用，即投入冗余[11]；当产出指标的松弛变量不为0时，其对应的产出要素有剩余，即产出不足。从表3、表4可知，2011年、2015年和2016年的投入指标松弛变量和产出指标松弛变量均不全为0，表明这三年对技术创新投入资源没有有效利用，且产出有剩余。

表3 DEA模型求解的投入指标松弛变量值

表4 DEA模型求解的产出指标松弛变量值

根据DEA理论中的投影定理对2011年、2015年和2016年的投入和产出指标值进行调整，得到各年的DEA有效的目标值，对2011年调整结果见表5。对2015年和2016年的投入产出的调整与此同理。

表5 2011年技术创新投入产出调整方案表

根据2011年调整结果可以看出，北京在2011年农业科技企业总数、研发人员总数、R&D人员折合全时当量以及政府R&D经费投入均出现投入冗余，造成投入资源的浪费，同时也造成多项指标产出不足。2015年和2016年通过调整后也得到DEA有效的目标值，通过对这三年投入冗余产出不足的分析，可以得出以下结论：

对农业科技企业技术创新的投入力度要符合农业科技企业一般发展规律和发展现状，循序渐进促发展，不能在超出实际承受能力的范围过多投入，否则只会造成资源投入冗余，造成资源的浪费。

投入与产出之间是存在必然联系的，根据微观经济学中边际分析理论可知：只要边际收益大于边际成本，这种经济活动就是可取的，即在无约束条件下，边际利润值为0(即边际收益=边际成本，MR=MC)时，资源的投入量最优，此时获得的利润最大；在达到利润最大化时，其他条件不变的情况下，若继续追加投入，就会造成投入冗余，利润也会减少。因此只有在投入对产出起到正向推动作用时增加投入，才能促进农业科技企业技术创新绩效的提升。

农业作为一个国家经济发展和社会稳定的基础，实现农业现代化发展已经成为农业发展的必然趋势，而农业科技企业作为科技兴农的领导者，技术创新是其快速发展和可持续发展的强大引擎，要实现农业科技企业技术创新的不断发展，需要政府和企业的共同努力。政府做到统筹兼顾，企业做到不断创新，这样双管齐下才能更好地促进农业科技企业的发展，提高农业科技企业技术创新绩效。

5 结 论

在上述研究中，本文运用数据包络分析方法，对北京农业科技企业技术创新绩效进行了相对有效性评价分析。研究表明，近几年北京农业科技企业技术创新绩效水平相对较高且发展较快，但仍然存在个别年份农业科技企业投入冗余产出不足的现象。为更好地促进农业科技企业技术创新绩效的提高，一方面，需要政府控制好“看不见的手”，做到统筹兼顾，根据农业科技企业发展现状继续加大资金投入力度，解决资金不足、农业科技研发力度供不应求的问题，同时出台农业科技企业相关优惠政策和激励政策，积极鼓励农业科技企业不断地进行技术创新，不断突破农业技术限制，促进农业现代化发展；另一方面，农业科技企业自身需要加强对技术创新的管理，制定企业发展战略，合理规划利用技术创新资源，加强科研人才队伍的建设，同时加强与高校和科研机构的合作，促进科技兴农的发展。只有在政府和企业的共同努力下才能更好地发挥农业技术创新的优势，促进农业科技企业技术创新绩效的提高。