西部农业科技扶贫效率测度及影响因素实证分析——以陕西省为例

党夏宁，佟一欣，王云龙

（西北政法大学管理学院，西安 710063）

我国扶贫的主要战场在农村，要发展农村经济就要将现代科技要素引入到农业生产经营中，使传统农业逐渐转变为现代农业。当前我国学术界对于科技扶贫问题在宏观和微观层面展开了激烈的讨论：柏振忠等[1]认为，在扶贫工作开展中，科技扶贫是较好的手段。刘薇等[2]、杨曼路[3]认为通过科技投入以及科技扶贫的应用，能够有效提升农业生产率，具有可持续性。周华强等[4]、马宗文等[5]认为人才是非常关键的一个因素，倘若大量高质量科技人才涌入农村，并投身于农业科技研究与开发，便能最大化发挥科技扶贫的效率和效果。廖宝红等[6]从理论与实践的结合方面，提出通过突出科技人才的推动作用、科技成果的引领作用、科技服务的促进作用，提高农业科技扶贫成效，加快农村贫困地区发展。

国内外研究环境不尽相同：GALHARDI R等[7]认为一项高水平农业科学技术，不但可以研发培育出农业新品，还能大幅提升农产品产量和质量，促使农产品价格下降，从而降低占贫困人口收入大部分的食品消费。OMILOLA B[8]认为贫困人口的大部分收入都来源于劳动力，要开发劳动力密集型的技术来增加对劳动力的需求。OTSUKA K[9]认为由于大部分贫困人口都生活在偏远山区或土地贫瘠地，需要开发适应偏远贫瘠地区的技术，但是新技术的使用反而可能会加剧收入差距和不平等性。GUNASENA H PM.[10]认为关于农业技术的推广还存在一定程度的滞后性，一项新技术往往会最先被农业大户所应用且领先获益，而中小农户由于渠道少，很难迅速引进和应用最新农业技术。

从当前国内外学者在扶贫和科技扶贫方面的相关研究情况可以看出，国内外学者普遍认为科学技术在贫困农村地区的应用，不但可以大幅度推动农业经济的增长，还能帮助中小农户迅速创收。但是，目前国内学者并没有针对具体地域科技扶贫情况展开分析研究，更鲜少报道对科技扶贫效率的评价。因此，笔者选取陕西省为研究对象，并对其10市1区科技效率进行测算与分析，运用3D框架实证分析其外部影响因素，为提升陕西省科技扶贫效率提供相关建议。

1 研究设计

1.1 科技扶贫效率测算方法

目前测算绩效或者效率的方法以随机前沿分析和数据包络分析为主。相较于随机前沿分析法，DEA方法不仅无需确定函数关系，且具有非主观赋权的优势，对于投入产出指标量化要求不高，效率测算客观性更甚。因此，选择运用DEA方法来评价和分析陕西省各地科技扶贫效率。传统DEA模型如BBC模型都是从径向角度来测算指标相对效率值，测算结果无法比较排名，且尚未考虑到松弛变量的影响，以至于测算结果易高估实际情况。为解决松弛变量问题，Tone首次提出SBM模型，这一模型不仅是从非径向角度进行测算，同时也考虑到投入产出指标的松弛冗余问题[11]。

针对模型排序问题，次年Tone再次改进模型并提出超效率SBM模型[12]。基于上述模型优劣势分析，为客观测算陕西省科技扶贫效率值，最终选取Super-SBM模型进行效率测算。由于DEA模型只能从静态角度进行效率测算与分析，无法就跨期时间段动态分析，便运用Malmquist指数进行动态效应分析研究。有助于更深入了解陕西省各地科技扶贫效率的动态变化、变动原因和变化的贡献程度，最终更好地为陕西省科技扶贫工作提供决策参考。

1.1.1 DEA-BBC模型为了测算与分析陕西省科技扶贫效率，设定模型如下。

Xj=(x1j,x2j, …,xmj)T

Xij>0表示投入量；i=1，2，…，s。

Yj=(y1j,y2j, …,ynj)T

Yrj>0表示产出量；j=1，2，…，s。

min[θ-ε(eTs-+êTs+)]

θ表示陕西省各地区效率值；ε表示非阿基米德无穷小参数；λj表示决策单元的参变量；X为p个决策单元的科技扶贫要素投入，Y为科技扶贫产出，s+、s-表示投入产出松弛冗余变量。

1.1.2 非径向Super-SBM模型Super-SBM模型是一种基于非径向角度，充分考虑松弛变量变化的效率模型。超效率 SBM模型具体公式如下。

1.1.3 malmquist指数马姆奎斯特提出了 Malmquist指数模型，其表达式如下所示。

技术进步（Techch）和技术效率变化（Effch）是全要素生产率的分解项，而纯技术效率（Pech）和规模效率（Sech）则是技术效率变化的分解项。

1.2 科技扶贫效率影响因素实证模型

为系统全面研究科技扶贫效率的影响因素，不能仅从测算效率内部因素入手，还需从外部视角探究其外力影响因素。因此，借助“3D”框架来构造外部影响因素实证模型。克鲁格曼在新经济学中，提出Density、Distance以及Division这个“3D”框架。Density指通过发挥自身产出实现集聚经济，用各地区生产总值来衡量，反映区域经济密度；Distance指空间上的相距大小，用各市区与西安市的直线距离来衡量，反映与经济中心的关联度；Division指衡量产品的经济流动[13]，它是无数资源的汇集程度，因此，选择用各地区的财政科技投入来衡量，反映区域科技扶贫资源的集聚程度[14]。建立如下模型。

yit=a+bx1it+cx2it+dx3it+zit+uit

y表示科技扶贫效率值，x1表示经济密度，x2表示各市区与西安市的直线距离，x3表示财政科技投入，z为控制变量，u为随机误差项。i表示各市（区）（i=1，2，3，…，11），t表示年份，t=2014，2015，…，2018)。

2 陕西省各市区科技扶贫支出效率测算与分析

为了减少其他因素对科技扶贫支出的影响，借鉴相关文献以及考虑到数据的可获得性，故将地方政府科技扶贫经费支出、R&D经费和R&D经费强度作为投入指标，将农村常住居民人均可支配收入作为产出指标。选取2014—2018年数据，并且以陕西省10市1区为研究对象，数据来源主要为《陕西科技年鉴》《陕西统计年鉴》《陕西年鉴》及各城市扶贫办和科技局门户网站。运用DEA-Solver Pro5.0软件测算效率。

2.1 科技扶贫效率静态分析

2.1.1 基于Super-SBM模型和传统DEA模型对比分析表1中的测算结果可以反映出：DEA-BBC模型测算值大多高于Super-SBM模型测算值，揭示出DEA-BBC模型测算值可能存在虚高，而Super-SBM模型测算结果更加精确且贴近实际情况，且该模型还能有效处理DEA-BBC模型无法排序的问题。

表1 2014—2018年陕西省10市1区科技扶贫效率水平测算结果

从图1可看出，2014—2018年期间陕西省10市1区科技扶贫效率整体水平一般，且各市区之间的差异较大，以2018年为例，只有西安、铜川、渭南、榆林和杨凌5个地区科技扶贫效率较高，效率值均大于1。从陕西省10市1区科技扶贫整体发展趋势来看，2014—2018年大多数地区的科技扶贫效率实现了不同程度的提升，其中宝鸡、咸阳、渭南、汉中和商洛上升超过50%。延安和安康效率值下降幅度在50%左右。

图1 2014-2018年陕西省三大区域科技扶贫效率

陕西省科技扶贫平均值为0.875，并没有实现DEA相对有效，说明整体上还未达到最有效的生产前沿，科技扶贫资金消耗过度冗余和科技研发强度不足是效率水平不高的主要原因，最终影响了科技扶贫效率的提升。陕西省11个市区中，仅5个城市实现了DEA相对有效，占样本总量的45.45%，而有6个城市未能实现DEA有效，占样本总量的54.55%。

从表1可知，城市排名中，铜川（1.612）、杨凌（1.353）和商洛（1.272）依次位列前3位，延安（0.575）、渭南（0.390）和宝鸡（0.193）依次位列后3位。当然，DEA测算出的效率值是相对效率，因此排名并不是绝对的，与所选取的样本容量有直接关系。

2.1.2 三大区域对比分析为了便于区域对比分析，根据人文民俗和地理环境将陕西省划分为陕北、陕南和关中。陕北区由榆林市和延安市组成，陕南区分别是汉中市、安康市和商洛市，关中区有西安市、铜川市、宝鸡市、咸阳市、渭南市以及杨凌示范区。

图1可反映：三大区域呈现出“陕北最高，关中次之，陕南最低”的基本态势，说明陕西省各市区科技扶贫效率存在鲜明的地域差异。从三大区域的科技扶贫效率排名来看，与经济发展水平明显不一致。关中区整体经济发展水平最佳，但所含城市扶贫效率参差不齐，虽然铜川、杨凌和西安均实现了DEA有效，但宝鸡和渭南扶贫效率却是效率最低的两个城市，说明这两座城市科技扶贫资金消耗过度冗余，没有到达最佳理想状态。陕南区整体经济水平相对落后，而其中最为贫困的商洛市效率最高且实现了DEA有效。而陕北区整体经济状况位居三大区域中列，然其科技扶贫效率整体最高，主要归功于榆林市。2014年以来，陕北、陕南和关中的科技扶贫效率总体均处于下降趋势，因此，不能只关注经济整体落后的区域，还需要注意整体经济发展良好的城市，如：宝鸡和渭南市的贫困地区，加大其科技扶贫效率监控力度，着力改善当地科技扶贫效果。

2.2 科技扶贫效率动态分析

2.2.1 陕西省科技扶贫Malmquist指数整体变化分析

进一步运用DEA-Malmquist指数对陕西省10市1区2014—2018年科技扶贫效率进行动态实证分析，运用DEAP 2.1软件测算出下述各效率值，如表2所示。

表2 2014—2018年陕西省10市1区科技扶贫效率Malmquist指数

从陕西省整体来看，Malmquist指数平均值小于1，说明陕西省科技扶贫效率水平整体呈下降趋势，主要原因是我国近年虽然在大力实现全面脱贫，科技扶贫投入巨大，但由于技术瓶颈和资源配置不当，导致其扶贫效率不佳。从技术进步变化指数来看，2014—2018年均小于1，表明农业科技发展水平在逐渐下降，技术进步停滞不前是抑制科技扶贫效率提升的关键原因。

从城市区域来看，除了西安和商洛2个城市外，其他9个城市的Malmquist指数平均值小于0.9，说明陕西省大部分城市的科技扶贫效率呈下降趋势。从技术效率变化指数来看，仅汉中和榆林两个城市指数平均值小于0.9，说明大部分城市的科技资源配置效率适当；从技术进步变化指数来看，除西安和商洛外，其他城市技术进步变化指数均值小于0.9，技术进步也呈逐年下降趋势，总体经济发展良好的城市应借鉴和学习西安市的科技进步经验，经济相对落后的城市应多借鉴商洛市的科技扶贫技术。

2.2.2 陕西省科技扶贫技术效率指数变化分析技术效率指数（effch）能够反映各地区扶贫投入由于当地科技进步或者规模投入成本的降低而引致科技扶贫产出增加。表3可反映出，2014—2018年间，陕西省科技扶贫综合技术效率保持平稳状态，2015—2016年除外，总体保持在1.0上下略微浮动。另外，从这5 a间的数据中可以看出，纯技术进步效率和规模效率指数变化趋势略有不同，但总体变化趋势相近，均值分别是1.022和0.985。结合表2，具体来看，有45.45%的地区保持科技扶贫投入规模报酬递增，杨凌、延安和咸阳分别实现1.27、1.118和1.057，为前3个规模报酬效率最高的城市。铜川市保持科技扶贫投入规模效率不变，效率值维持在1.0。最后，还有54.55%的地区科技扶贫投入规模效率小于1，处于规模报酬递减的状态，这说明陕西省科技扶贫产业集群还没有形成，规模效应特征不够显著，由投入规模变化引致的投入成本降低的现象仍不明显。

另外，根据表3数据可以明显看出，综合技术效率变化趋势和规模效率变化趋势完全一致，均是先上升后下降。因此，尽管纯技术效率呈现较大波动，但对于技术效率指数的影响还是比较小的。2014—2015年间纯技术效率指数值最低，5 a间一直处于上升趋势，直至2017—2018年间达到最高值（1.154）。由此可见，纯技术效率的影响太弱，说明现有的技术手段还没有对科技扶贫产生颠覆性的影响。

表3 2014—2018年陕西省10市1区效率指数分解

3 陕西省科技扶贫效率影响因素实证分析

通过Super-SBM模型测算出了陕西省10市1区科技扶贫效率值，分析出了该省的科技扶贫效率基本状况，现以各地区的科技扶贫效率值为被解释变量，以此来构建3D-OLS模型来进一步深入分析陕西省科技扶贫效率的外部影响因素。选取Density、Distance以及Division作为解释变量，各地区可支配收入和固定资产投入作为控制变量。运用stata14.0对陕西省10市1区2014—2018年数据进行分析，数据来源于《陕西省统计年鉴》，表4为影响因素稳健回归结果。

表4 陕西省科技扶贫效率影响因素3D-OLS结果

从回归模型结果可以得出，经济密度与科技扶贫效率在5%的水平上显著正相关，说明当地整体经济环境越好，科技扶贫效率的提升作用也会更加明显。这可能是由于整体经济环境的改善，从而形成规模效应和网络效应很大程度上促进了科学技术在扶贫中的发挥。与省会中心城市的直线距离与科技扶贫效率在1%的水平上显著负相关，说明与省会中心城市的直线距离对科技扶贫效率有负向影响，与中心直线距离越短，科技扶贫效率越高。这可能是由于随着社会的不断发展，大量的人才、土地和资金都在向中心城市聚集，使得中心城市的农业科技发展水平最高，最终形成以省会为中心，向四周辐射的局面。因此，与中心距离越近，科技扶贫效率越高。科技财政投入与科技扶贫效率的显著性不佳，说明科技财政资金没有得到有效配置，因此，对科技扶贫效率尚不具影响。也能侧面反映出并不是资金越多，效率越高，资金使用如果存在冗余或配置不当，反而会使效率大幅下降。

4 结论与政策建议

4.1 研究结论

基于时空格局差异性视角，运用Super-SBM模型测算与分析陕西省科技扶贫效率，借助3D分析框架构建外部影响因素计量模型，得出以下结论：（1）从区域分布来看，陕西省科技扶贫效率呈现出“陕北最高，关中次之，陕南最低”的基本态势，其中效率位列陕西省前三的城市分别是铜川、杨凌和商洛市。（2）从时序变化来看，2014—2018年，陕西省科技扶贫效率总体呈下降趋势，技术进步变化指数和规模效率变化指数逐年递减是导致其总体趋势下降的内在根本原因。说明陕西省科技扶贫资源配置效率有待提高，陕西省科技扶贫政策方针执行和制度设计把控也有很大提升空间，且尚未形成科技扶贫规模效应。（3）从外部影响因素来看，与省会城市直线距离和经济密度都对陕西省科技扶贫效率提升有显著影响，财政科技投入资金存在冗余和配置不当，尚未显现对科技扶贫效率的影响。

4.2 政策建议

4.2.1 以效率区域差异性为切入点，扬长补短可以通过陕北优势地区推进各区域科技扶贫发展动力。与此同时，陕西省政府需要建立科技扶贫协作机制，保障科技扶贫效率有效投入，并让科技扶贫项目与贫困农户真正实现利益联动。各市区也要形成大局观，积极发挥区域优势，实现优势互补。

4.2.2 合理配置科技扶贫资源，提升效率只有合理高效配置科技扶贫资源，才能有效促进农业科技的进步，并最终带动产业规模的大幅扩张。农产品的生产品质和效率越高，规模效应发挥越到位，产品优势就越大，为农户增收提供的空间也就越大。因此，合理配置科技扶贫资源，着力提升技术进步效率和规模效率在今后是陕西省各市区的科技扶贫开发重点。

4.2.3 充分认识“3D”外部影响因素，因地制宜经济密度和空间距离因素对于陕西省科技扶贫效率具有显著影响，且由于区域位置和经济水平的不同，对于每个城市的影响程度均有所不同。因此，陕西省各市区在开展科技扶贫工作时，务必因地制宜。