创新生态系统协同视角下我国粮食种业企业创新效率评价及其创新效率提升策略

罗光强，汤亚文

（湖南农业大学经济学院，湖南长沙 410128）

种业是农业的“芯片”，加强粮食种业自主创新是保障我国粮食安全和农业可持续发展的必然选择。为了攥紧农业“芯片”，加快打造我国粮食种业企业的国际竞争力，2022 年农业农村部公布了一批国家种业阵型企业扶持名单，包括了袁隆平农业高科技股份有限公司等69 家企业［1］。种业企业是现代种业创新的主体，种业强，企业必须强。提高种业国际竞争力需要企业的持续创新和效率的不断提高，因此，提高粮食种业企业创新效率是我国当前乃至今后重要而紧迫性的工作。现有文献关于粮食种业创新效率的专门研究见之甚少，一些零星的文献主要分散于以下关于农业领域创新效率的研究：一是宏观层面关于不同国家或地区的农业区域创新效率研究，如王洋洋等［2］、邓敏慧等［3］的研究；二是中观层面关于农业产业的创新效率研究，如黄瑶等［4］、高维龙等［5］的研究；三是微观层面关于不同企业的创新效率研究，如林青宁等［6］、洪图等［7］的研究。相关研究表明，推动种业创新需要宏观政策引导，需要产业政策支持，需要加强种业企业动能。粮食种业创新虽然从属于农业种业的创新，具有农业种业创新的共同特征，但由于粮食产业具有更显著性的自然属性，因此粮食种业创新有着更强技术性和更大风险性。基于此，本依据通过刻画我国当前粮食种业企业创新效率，考察我国粮食种业创新生态系统的投入产出状态。

1 基于粮食种业创新生态系统协同的理论分析框架

粮食种业创新绝不是简单的行为问题，而是一个复杂的系统协同问题［8］。随着社会对种业创新的愈加重视，粮食种业创新系统的物质（组成系统的基本元素）、能量（维持系统生命活力的动力）和信息的量度增加，粮食种业创新的生态系统特征必然越来越凸显，粮食种业创新生态系统自组织衍生的动力子系统、激励子系统和制度子系统等，必然通过系统分工与协同合作诞生创新成果、形成创新产出，维持粮食种业创新生态系统的持续有效运行。

粮食种业创新源自市场竞争，特别是国际种子市场的垄断竞争。粮食种业创新水平既反映着市场机制下种业企业的自主创新能力水平，又反映着种业安全下创新生态系统的物质、能量与信息等协同水平。因此，提高粮食种业创新效率、增加粮食种业创新产出，提升我国粮食种业国际竞争力，必须不断改善粮食种业创新生态系统环境，优化粮食种业创新生态系统因子，推动粮食种业创新生态系统协同演进［9］。从系统功能来看，粮食种业创新生态系统主要由动力系统、激励系统和制度系统等子系统组成。其中，动力系统承担着创新的引擎角色，源自市场创新需求的企业行为响应力和企业间优胜劣汰的竞争力，以及来自国家战略行动的影响力等；激励系统承担着创新的维系角色，主要包括政府财政政策的支持和股权、债权支持的金融激励；制度系统承担着创新的保障角色，主要从技术专利与新品研发的产权制度和创新市场管制等方面构建粮食种业创新长效保障机制。

粮食种业创新生态系统的理论分析表明，影响粮食种业企业创新效率的因素很多，从内部因素分析，主要包括企业规模、企业性质、资本结构、盈利能力、人力资本等；从外部因素分析，实施国家种业创新战略工程需要包括政府补贴、税收优惠、市场竞争、金融支持、产业政策等予以支持。内外因素或因子的相互关联、相互影响构成了粮食种业创新生态系统的自组织协同体系，推动着粮食种业不断创新，从技术效率、规模效率等方面改善粮食种业创新效率结构和水平，不断提高粮食种业创新的全要素生产率。基于以上分析，构建粮食种业创新理论分析框架，如图1 所示。

图1 理论分析框架

2 基于数据包络分析（DEA）的粮食种业企业创新效率分析

2.1 样本选取及数据来源

研究样本的选取，一是参照2021 年新版申万行业分类，选取农林牧渔业的种植业企业；二是筛选以粮食种业为基础业务，或与粮食种业关系密切，具有明显的粮食种业特征的企业。在此标准上，剔除部分数据缺失、年份不全的企业，选取了20 家最具代表性的粮食上市种业企业或新三板企业为研究样本，以 2017—2021 年的样本数据对粮食种业企业创新效率进行研究。数据来源于巨潮资讯网公布的各上市企业财务年报、锐思数据库、种业数据大平台和Wind 数据库等。为保护企业信息安全和数据隐私，以下以A1～A20为样本企业名称代号。

2.2 构建指标体系

依据粮食种业创新的理论分析框架，考虑到投入产出指标选取的科学性、全面性、可操作性等原则，参照李青松等［10］、贺正楚等［11］罗利华等［12］的研究，选取研发投入强度、研发人员占比、研发装备投入比等作为粮食种业企业创新投入指标。研发投入强度是研发经费投入在营业收入中所占的比例，能更直接体现企业对于创新的重视程度。研发人员占比表示研发人员数量占全部员工数量的比例，代表了企业进行研发创新活动时人力资源投入的强度。研发装备投入比直观地反映企业在进行研发创新活动时在研发装备方面的投入，研发装备的先进性在一定程度上反映了企业的创新水平。创新产出指标主要包括收益性产出指标和非收益性产出指标等，借鉴韩灵梅等［13］的研究，选取企业专利数量作为直接产出指标。此外，考虑到种子行业的创新特点，借鉴徐金海等［14］的研究，选取植物新品种数量作为企业创新成果的另一种形式的直接产出。当然，从企业创新的最终目的考量，企业创新最终应当体现在企业收益指标上，因而借鉴王新红等［15］的研究，选取企业当期主营业务收入作为企业创新产出的第3 个指标。

2.3 模型选择

粮食种业创新的理论分析框架表明，粮食种业的创新效率既表现为全要素生产率的动态效率，又可以表征为以纯技术效率和规模效率等为代表的静态效率，因此，利用DEA-BCC 模型、超效率DEASBM 模型、DEA-Malmquist 模型分别评价分析粮食种业企业创新的技术效率、规模效率、综合效率、超效率、全要素生产率等。

2.4 评价结果分析

2.4.1 DEA-BCC 模型评价结果分析

根据以上建立的创新效率评价指标体系，利用DEAP2.1软件对样本企业进行创新效率的静态评价，结果如表1 所示。由此可知，样本企业的创新效率整体呈现上升态势，创新综合效率有效的企业数显著增加，但综合效率均值在0.500 左右，最高值仅为0.511，远远低于1.000，表明我国粮食种业企业创新效率整体水平偏低。

表1 样本企业创新效率静态评价结果

通过进一步对比样本企业的创新效率发现，DEA 有效状态的企业年均占比约为30%，表明大多数企业的创新处于低效或无效状态，需要通过发挥龙头企业辐射作用或建立企业创新联盟模式加以改善。从表2 可知，具有效率有效特征的企业占比从2017 年到2021 年呈现上升趋势，但总体占比仍然偏低，具有较大的改善空间。

表2 样本企业创新综合效率比较

此外，如表3 所示，样本企业大多数处于规模报酬的递增阶段，创新的规模效率等于1 的企业数量占比在2017 年为25%，2021 年为35%，表明我国粮食种业企业创新的规模效率具有很大的提升空间。

表3 不同规模报酬变化的样本企业数量分布

2.4.2 DEA-SBM 模型测试分析

为对多个效率值为1 的决策单元进行精确比较和排序，参考Tone［16］的做法，利用超效率DEASBM 模型，通过DEA-Solver 软件对样本企业的创新效率进行测算，结果如表4 所示。整体而言，粮食种业企业创新效率呈现波动上升趋势，平均创新效率在0.005～1.816 之间，整体差距明显；研发效率均值达到有效的有A11、A6、A2、A7、A18等5 家，占比仅为25%。从非有效单元来看，国有企业创新效率均值在0.200～0.563 之间，民营企业均在0.200以下，表明企业性质与创新效率具有显著相关性，具体表现为国有企业的创新效率明显高于民营企业。这可能是由于国有企业对创新有较多政策支持，研发基础设施投入强度和研发技术创新投入力度比民营企业更具优势。

表4 样本企业超效率SBM 创新效率测度结果

2.4.3 DEA-Malmquist 模型测算结果分析

运用DEA-Malmquist 指数对样本企业创新效率进行动态分析，结果如表5 所示。其中，全要素生产率可以分解为技术效率变化和技术进步，技术效率变化又可以分解为纯技术效率变化和规模效率变化。从表5 来看，粮食种业企业创新的Malmquist 指数整体提高了12.4%，技术效率整体上升了6.1%，技术进步指数整体上升了5.9%；进一步分析发现，纯技术效率提高了3.9%，规模效率提高了2.1%。说明纯技术效率对粮食种业企业创新产出的贡献度高于规模效率，表明促进技术变革是当前我国粮食种业企业创新效率提升的最迫切方面。此外，企业的DEA-Malmquist 值存在可能的衰减态势，说明我国粮食种业企业创新需要一方面大力加大技术创新的投入，另一方面通过规模扩张行为改善创新生态系统环境，促进企业创新生命周期的持续演进。

表5 基于DEA-Malmquist 指数的样本企业创新效率测度结果

2.4.4 DEA-SBM 模型测算结果分析

基于超效率DEA-SBM 模型对样本企业的创新效率进行测算，可以对企业创新效率的生命周期进行精准刻画分析，以便开展进一步的对比分析。参考马苏等［17］的研究，利用DEA-SBM 模型的测算结果计算企业创新的平均效率值和平均效率的变动率值。若创新的平均效率大于1，判定企业生命周期处于成熟阶段；若创新的平均效率小于1，但创新的平均效率变动率大于1，定义为企业生命周期的成长阶段；其他情况则定义为企业生命周期的初始阶段。根据以上标准，对样本企业生命周期阶段进行判断，结果如表6 所示。可见在样本企业中，有5 家处于企业生命周期的成熟阶段、4 家处于成长阶段、11 家处于初始阶段，全样本创新效率平均值和平均效率变动值均处于低水平状态，特别是民营企业的创新效率较国有企业更低下。这表明我国粮食种业创新整体处于初始阶段，产业创新竞争的市场化水平偏低，粮食种业处于技术创新的转型升级关键时期；更进一步分析发现，当前我国粮食种业的产业创新和企业创新整体上处于边际报酬和规模报酬递增阶段，因此需要通过改善产业的内外部经济环境提高产业创新能力，同时也要改善企业内在和外在的经济环境，促进粮食种业企业的创新发展。

表6 样本企业生命周期阶段划分

3 基于Tobit 模型的粮食种业企业创新路径分析

粮食种业企业的创新路径选择既是一个理论问题，也是一个现实问题，更是关系到我国粮食产业安全体系建设的紧迫性问题。利用Tobit 模型厘清影响我国粮食种业企业创新的因素及其强度，并甄选出实现我国粮食种业企业创新的最优路径。

3.1 变量选择

粮食种业创新生态系统的理论分析表明，影响粮食种业企业创新效率的因素源自企业内在和外在经济条件，其中内在经济条件主要包括企业规模、企业性质、人力资本、资本结构、盈利能力等，外在经济条件主要包括政府补贴、税收优惠、市场竞争、金融支持、产业政策等。

（1）企业规模。企业规模越大则企业迂回生产链越长，企业内部分工越细则企业创新的节点越多，因此企业规模对企业创新具有显著效应［18］。企业规模扩张一方面给企业带来的规模经济效应使企业创新更具动力［19］，另一方面给外部投资者释放积极的信号，提高企业外部融资的信誉度。考虑到数据获取的可能性，使用企业资产来衡量企业规模。事实上，企业资产越大，企业规模也越大［20］。

（2）企业性质。以上创新效率评价表明，企业性质与创新效率具有较大相关性，众所周知，国有企业往往能更多地获得国有银行等信贷支持。因此，引入虚拟变量定义企业性质，将国有企业设为1，民营企业设为0。

（3）人力资本。基于以上构建的粮食种业创新生态系统理论分析框架，企业拥有创新型的技术人才尤为关键。一般来说，员工受教育的水平在一定程度上反映了企业员工的技术水平和创新能力，企业员工平均教育水平越高，越有利于分工和协作，越有利于干中学型组织建设，企业创新也就越具活力［21］。

（4）资本结构。样本企业创新目前总体上正处于初始阶段，企业可以选择模仿创新和自主创新，但不管哪类创新模式，均需要一定规模的融资支持。资本结构对应着企业现代融资规模和水平，说明资本结构对企业创新具有重要影响。

（5）盈利能力。企业盈利能力反映了企业经营绩效和财务状况，企业创新资金短期可以依靠政府补助和外部融资方式，长期来说，需要通过企业自身的盈利能力改善企业融资环境，因此使用净资产收益率衡量企业盈利能力。

（6）政府补贴。粮食种业企业创新既是企业自身生存发展的需要，也是国家粮食种业安全体系建设的需要，特别是由于粮食种业创新结果具有极其不确定性和风险显著性特征，必然需要全社会的支持，尤其是政府公共财政政策的支持。考虑到数据的可得性，以政府补贴表征企业创新的外在经济影响因素。

基于以上分析，构建我国粮食种业企业创新效率影响因素评价指标体系，如表7 所示。

表7 粮食种业企业创新效率影响因素评价指标体系

3.2 计量结果

进行面板Tobit 回归之前，需通过LR 检验确定模型是否存在个体效应，结果显示LR 检验结果显著，说明本研究的分析模型存在个体效应，可采用随机效应的面板Tobit 回归检验。Tobit 模型检验结果如表8 所示。

表8 粮食种业企业创新效率影响因素分析Tobit 回归结果

3.3 结果讨论与路径选择

（1）企业规模对粮食种业企业创新效率影响呈正相关关系。从表9 可知，企业规模的回归系数为正显著，表明企业规模有助于企业创新，这一结论与熊彼特假说相符。粮食种业企业创新具有时间长、成本高的特点，创新成果转化具有时滞性和不确定性，大规模企业相对于中小型企业更具资金保障、抗风险能力更强，同时也更能吸引高素质的创新人才，有利于企业创新效率的改善；规模相对小的企业面临着融资约束、技术推广成本高等困难，创新及其成果推广具有较大的不确定性。正因如此，大多数企业都有不断扩大企业规模的内在动力，以加强创新能力和市场竞争力。表3 与表6 的结果进一步佐证了上述结论，即我国粮食种业企业创新具有规模报酬递增的趋势特征，通过企业的自主决策扩大规模，或通过企业联盟的组织创新实现我国粮食种业企业创新和产业创新。

（2）盈利能力对粮食种业企业的创新影响不显著。我国粮食种业企业当前的盈利能力所产生的利润的再投入还不足以形成对企业创新的显著性影响，企业在当期生命周期阶段内的创新引致的盈利能力偏弱。事实上，粮食种业企业创新具有周期长、风险性高、盈利表现滞后等特点，一般来说，粮食新品种从开始选育到通过审定并推向市场至少需要5年～8 年时间［22］，从创新研发到推广应用具有长时间的滞后性，加之农户采纳的惯性偏好影响，粮食种业企业创新的盈利性产出需要较长周期时间的考量。尽管如此，千方百计提高粮食种业企业的盈利能力，既是种业企业自身发展的需要，也是种业创新可持续发展的需要。

（3）企业资本结构与粮食种业企业创新效率正相关，表明优化的资本结构有助于企业创新效率的提升。粮食种业企业创新的自然特性和市场特性决定着粮食种业企业受融资约束的典型特性，从股票上市公司财务报表的资产负债指标考察，粮食种业企业的资产负债水平偏高，反映了粮食种业企业通过负债融资改善企业资本结构，提高创新投入、提升人力资本水平，推动企业重大技术变革，促进企业创新生态系统内的资源自由流动和合理配置，最终推进粮食种业企业创新效率的提高和创新产出的增长。

（4）企业人力资本水平对粮食种业企业创新效率影响不显著，与理论分析相违背。但是，这种实证结果实际上反映出我国粮食种业企业创新的人力资本水平较低，种业创新的核心团队打造不强、辅助团队配置不力、推广团队能力有限，特别是重利益相关投入、轻基础集成投入，重配置人才、轻培养人才，重业内人才、轻复合人才等短视行为影响并制约着我国粮食种业企业的创新产出，不利于我国粮食种业创新的可持续发展。

（5）企业性质与粮食种业企业创新效率显著正相关，表明当前我国粮食种业企业属性已成为影响粮食种业企业创新效率的重要因素。粮食种业创新生态系统中可能存在着企业属性引致的待遇不公问题，许多政策制定的初衷是好的，但往往在政策的执行层面出现“歧视”现象，特别是规模偏小的民营企业在土地流转、融资工具、财税优惠、进出口政策等方面的待遇与国有企业有差别。因此，优化粮食种业创新生态系统环境、实施企业同等化待遇和平等化战略，特别是实施积极的粮食种业民营经济发展战略，不仅有利于粮食种业的市场化水平提升，更有利于加强粮食种业企业的创新竞争，促进我国粮食种业企业创新行稳致远。

（6）政府补贴对粮食种业企业创新效率影响不显著。理论上，政府补贴对粮食种业企业创新应当具有显著影响，但事实上，社会经济越市场化，粮食种业创新政策越需强化，越来越需要工业反哺农业的财政支持。从粮食种业创新生态系统持续发展的需要考量，实施动态性政府补贴激励政策与行为，既有利于提高政府支持的有效性，也有利于加强创新行为的持续性。

4 结论与对策

本研究研究的结果表明：（1）当前我国粮食种业企业的创新效率整体处于低水平阶段，大多数企业处于创新生命周期的规模报酬递增阶段，技术效率变化制约着粮食种业创新的全要素生产率；（2）企业规模、资本结构和企业性质等因子显著地影响着粮食种业企业的创新效率；（3）政府通过国有企业的引领行为和政府补贴的市场间接行为，可以增进粮食种业创新生态系统的创新产出，提高种业企业盈利能力。

根据以上结论，要打造我国农业“芯片”高地，实现攥紧种业“芯片”、端牢“中国饭碗”的粮食安全目标，需要实施以下策略：

第一，打造具有竞争力的种业“芯片”世界超一流企业。当今世界科技竞争，特别是核心技术的竞争越来越具有国际市场垄断化的趋势，从全球粮食种业竞争力的现实格局看，我国除在杂交水稻方面的优势外，其他作物的核心技术均面临着受制于人的尴尬境况，与粮食消费大国和粮食生产大国的地位极不匹配。因此，提高我国粮食种业创新国际竞争力，打造现代化的中国粮食种业“芯片”创新高地，必须加快世界级粮食种业创新型龙头企业、骨干企业、规模企业的培育，以杂交水稻创新技术引领我国粮食种业的高质量发展，形成必要的、具有中国元素的粮食种业国际垄断企业和具有标志性的垄断技术。

第二，加强种业创新生态系统自组织的高质量行为。从粮食种业创新生态系统的动力子系统来看，粮食种业的创新动力一方面来自种业企业响应种业市场需求的生存需要，另一方面来自粮食种业产业的企业间合作博弈行为需要，因此，加强种业创新生态系统自组织高质量行为，既有利于粮食种业创新生态系统原动力的增进，又有利于粮食种业创新生态系统的行为协同。从实证分析来看，实施不同性质企业同等待遇，实行种业创新企业的动态性激励政策，鼓励以杂交水稻为主营业务的种业企业实施走出去的开放战略，加强我国种业企业的国际市场竞争与合作。

第三，加快粮食种业企业生命周期进阶新动能培育。粮食种业创新生态系统具有自组织协同演化的生命周期规律，粮食种业企业共生于自组织协同系统之中，与创新生态系统生命周期规律同步。目前我国粮食种业创新生态系统也处于生命周期的起步阶段，种业创新的国际竞争力不强，种业核心技术的国际话语权掌控不牢，因此，必须遵循粮食种业企业的生命周期规律，举全社会之力，通过中央政策、地方政策、产业政策、企业决策等主体行为及其协调，激发粮食种业创新生态系统活力，不断增强粮食种业企业创新新动能，促进中国式现代种业的可持续发展。