我国粮食主产区作物种业创新效率的区域差异及动态演进

于冠鑫，崔丙群

（山东农业大学经济管理学院，山东泰安 271001）

种业是农业的“芯片”，是国家战略性、基础性核心产业。习近平总书记强调，加快建设农业强国，全方位夯实粮食安全根基，深入实施种业振兴行动。种业是粮食安全的根基，是农业增产、农民增收过程中最关键的一环，也是农业投入发挥作用的重要载体。粮食主产区作为我国最重要的粮食生产基地，其农业生产对国家农业经济增长贡献巨大，在保障农产品供需动态平衡和国家粮食安全方面具有重要战略地位。然而，由于粮食主产区内不同省域的经济发展水平、科技发展水平和种业创新能力不尽相同，同时受地理环境和相关政策的影响，我国各省域的种业创新效率表现出明显的空间非均衡特征，而种业创新效率空间分布的不均衡，必将对区域粮食产量、价格、农业高质量发展以及区域经济协调发展产生重要影响。因此，准确掌握我国粮食主产区种业创新效率的区域差异及其动态演化规律，对推进我国种业健康发展和保障国家粮食安全具有十分重要的意义。

1 文献回顾

纵观国内外关于种业创新研究，大致可分为3类。一是种业发展研究。靖飞等［1］通过对比孟山都、先正达两家国际种业集团与我国种业上市公司的发展情况发现，我国种子企业规模较小、种子研发投入不足。其主要原因是国际种业集团以知识产权、基因专利等手段对我国种业实施压制［2］。因此，我国要发展成世界种业强国，就必须促进种业研发体制改革、完善新品种审定制度、保护国内优秀种质资源［3］。二是关于种业创新效率的研究。国内外学者主要基于效率测度方法对种业创新展开研究。结合种业技术创新效率理论，龚梦君［4］基于数据包络分析（DEA）-Malmquist 指数模型对种子企业的创新效率进行研究分析，并使用Tobit 模型对其影响因素进行探究，比较了“育繁推”一体化和非一体化的种业企业技术创新。通过运用社会网络分析（SNA）法、DEA 法和结构方程模型（SEM）等方法，闫树盈等［5］分析了国内7 家种业上市公司与国外2 家上市公司的规模、科研水平、成长性、创新效率发现，国内种业上市公司在科研投入水平与成长性方面与国际种业巨头差距较大。三是关于种业创新与粮食安全的研究。如Spielman 等［6］发现亚洲种业急需进一步发展和提高；而谭淑豪［7］认为我国农、畜产品自主供给问题尤为严重，要通过系统创新促进未来种业的发展，进而保证国家粮食安全。要想支撑粮食产业高质量发展，必须建立种业创新管理机制，促进种业科研体制变革与发展，健全我国粮食育种创新体系［8］。此外，有研究认为粮食安全与种业创新表现出高度的空间相关性［9］，因而粮食安全离不开种业创新的保障作用。

对于种业创新的相关研究已非常丰富，但是仍存有以下不足：一是研究侧重理论，缺乏实证检验，且与种业创新效率时空特征的相关研究更是少之又少；二是目前主流的效率研究方法为数据包络分析法和随机前沿分析法（SFA），均具有一定的局限性，其中SFA 基于回归理论，不能反映资源与环境的限制，且其结果依赖于预先确定的随机项的概率分布以及生产函数，而DEA 的计算结果在决策单元总数与投入产出指标总数接近时所得的结果与实际情况偏差较大，且无法对效率值进行排序比较。基于以上分析，本研究借鉴王彩明等［10］的做法，利用超效率SBM 模型对我国种业创新效率进行时序动态比较，使得评价结果更具科学性；同时，参考张宁等［11］的研究，采用基尼系数，在充分考虑子样本的基础上，对种子产业创新效率的区域差异程度和成因进行研究；此外，引入空间要素，结合莫兰指数、核密度估计等方法，对种子产业创新效率的动态演化进行深入探讨，从动态的角度更直观地展现种子产业创新效率的演化过程。

2 理论基础与实证模型

2.1 理论基础

种业创新基于两大理论为支持，分别是区域创新系统理论与投入产出理论。区域创新系统理论以粮食主产区为地理区域，以企业、政府等为创新主体，以促进区域内创新活动为目的，鼓励区域内企业充分利用自身资源和社会资源以增强区域创新能力和竞争力。创新分为技术创新和社会创新，种业创新所开展的主要是技术创新，而区域则通过调整相应的管理方式和管理策略开展社会创新，为社会创新提供一个良好的创新环境。区域科技创新具有可观性，在国家创新纵向链条中起到了承上启下的作用。投入与产出理论是新古典学派均衡理论的延伸，该理论研究复杂经济活动之间的数量关系。根据一般均衡理论，所有经济活动都有数量关系，它们相互依赖、相互作用，并且能够在一定条件下达到均衡水平［12］。目前，投入产出理论主要用于确定国民经济活动、区域经济和企业内部经济活动中投入产出要素之间的定量关系，如政策建模、经济分析等。随着研究的深入，投入产出理论和定量方法逐渐融合，模型开始动态变化，投入产出技术也从静态向动态发生变化。本研究利用投入产出理论，从投入产出两个视角分析我国粮食主产区内种业创新效率，并依据效率值对区域内差异水平进行研究。

2.2 实证模型

2.2.1 种业创新效率的测算方法

为科学测度粮食主产区内种业创新效率，选择非径向的超效率SBM 模型，可以对构成生产沿面的单位进行比较分析，使得效率的评价更为全面。超效率SBM 模型包括投入、产出导向，即产出固定时投入最小、投入固定时产出最大，比单一评价投入或产出更全面。参考Zhang 等［13］的研究，假设决策单元数为n，每个决策单元的投入和产出分别有m和q种，构建模型如下：

式（1）中：xik、yrk分别为第k个决策单元的投入和产出；ρ为效率值，取值大于0，当ρ≥1 时表示决策单元有效；λ为权重向量；λj为相对决策单元再次构造有效决策单元的组合比例；分别为投入冗余量和产出不足量，即松弛变量。

2.2.2 Dagum 基尼系数

采用Dagum 基尼系数对粮食主产区种业发展的不平衡性进行测度，不仅能够显示差异的存在，还能对差异进行分解以显示其来源，且克服了样本重合问题。参考Charnes 等［14］的研究，构建模型如下：

式（2）～（4）中：G为总体基尼系数；d=3、n=13，分别是三大粮食主产区和13 个省份（决策单元）；ypa（yhc）是p（h）区域内a（c）省的种业创新效率；是粮食主产区作物种业创新效率的平均值；Gpp和Gph分别为p区域内和区域p、h间的基尼系数。

G可分解为区域内种业创新效率差异（Gw）、区域间种业创新效率差异（Geb）和区域间交叉影响（Gt），且G=Gw+Geb+Gt。

2.2.3 莫兰指数

空间自相关（Global Moran'sI）分析是从区域空间的角度刻画数据值的空间分布特征，借鉴Halkos等［15］的研究，构建模型如下：

式（5）中：xi代表i地区的种业创新效率；S2分别为种业创新效率的均值和方差；为空间权重矩阵要素。

Global Moran'sI的值介于1 与-1 之间，接近于1 表明彼此存在正相关性，且越接近1 关系越密切；接近于-1 则表明彼此存在负相关性，且越接近-1差异越大；趋于0 表明彼此之间相互独立，在空间上随机分布。

2.2.4 核密度估计法

为了考察区域内种业创新效率分布的动态演进特征，参考吴传清等［16］的研究，采用核密度估计法对各区域内部种业创新发展水平的分布进行拟合。种业创新效率的密度函数f(c)表达形式如下：

式（6）中：N为观测值个数；γ是带宽；ci为独立同分布的观测值；K为核函数。

2.2.5 指标选取与数据来源

以国家在2001 年划定的粮食主产区13 个省份为研究样本，并参考姚凤阁等［17］和姚成胜等［18］的研究，将我国粮食主产区划分为东北主产区、黄淮海主产区和长江流域主产区3 个地区（以下简称“三大主产区”）。其中东北主产区包括黑龙江、吉林、辽宁和内蒙古；黄淮海主产区包括河北、河南、山东；长江流域主产区包括安徽、湖北、湖南、江苏、江西、四川。考虑到数据的可得性，选取2013—2021 年作为研究区间。

就创新投入而言，劳动力和资本是创新投入的两个关键要素。根据赵树宽等［19］的研究，选取科研投资和科研人员数量为种子产业创新投入的指标，其中研发投资包括与企业研发活动相关的所有设备、材料、人力和管理成本，研究人员是一年内参与企业科研和相关工作的所有员工数量；同时，参考景保峰等［20］的研究，选取各省份种业企业数量作为投入指标。

关于创新产出，吴传清等［16］将其分为经济和技术产出。技术产出，特别是科学技术成果，通常用企业专利申请和专利授权的数量表示［21］；而新品种的产生也是种子市场的重要科技成果，因此新品种的数量也可以作为创新产出。经济产出是指最终为企业创造价值的生产，反映创新最终产出的常见指标包括劳动生产率、新品种销售收入、营业收入、公司利润等。由于相关数据难以获取，以及参考简晓彬等［22］相关研究，选取种业产值作为创新产出。

基于以上分析，构建具体评价指标体系如表1所示。相关数据均来源于各省份统计局、国家统计局、国家知识产权局、中国种业大数据平台、《全国农产品成本收益资料汇编》、农业农村部科技发展中心以及各省份统计年鉴。

表1 种业创新效率评价指标体系

3 粮食主产区作物种业创新效率区域差异及来源

3.1 种业创新效率测算结果

样本省份种业创新效率测算结果如表2 所示。从种业创新效率的年度均值来看，排名前5 位的省份依次为山东、江苏、黑龙江、河北和吉林，这些省份均为我国传统农业强省，农业基础设施较好；均值排名后5 位的地区受经济、环境等各方面的影响，种质资源保护不足、种业市场缺乏监管、种业企业实力相对有限，因而种业创新效率低下。大多数省份的种业创新效率略有提高，这得益于国家这几年对种业创新的重视，出台了一系列有利于种业发展的相关政策，但从整体上看，样本省份的种业创新水平仍然较低。

表2 样本省份种业创新效率年度分布

3.2 创新效率的总体区域差异

从图1 可以看出，在考察期间，粮食主产区的种业创新效率表现出了显著的空间不均衡特点，整体区域差异从2013 年的0.167 下降到了2021 年的0.124，呈波动式降低。主要原因是：自从国家提出种业振兴战略之后，各区域对种业创新与粮食安全问题越来越重视；同时，党中央还制定了一系列有关种业创新的扶持政策和激励措施，引导创新水平较高的地区向落后地区进行技术扩散，进而促进了种业创新效率的跨区域协同发展。

图1 三大主产区种业创新效率总体区域差异的年度分布

3.3 三大主产区创新效率差异

三大主产区内各省份种业创新效率差异的变化趋势如图2 所示。其中，长江流域主产区的平均水平为0.143，表明该区域内不同省份之间存在着较大差异；东北主产区的平均值为0.103；黄淮海主产区的差异较小，平均值为0.099。可见，三大主产区的种业创新效率存在较大差异，原因在于各地农业基础设施、土地营养程度以及政府支持政策不尽相同。从种子创新效率区域差异的演化趋势来看，长江流域主产区总体波动下降，东北主产区呈现出波动递增趋势，而黄淮海地区表现为先升后降再升的波浪形变化。总体来看，各主产区的省域创新效率差异较大，这是因为自国家实施种业振兴战略以来，各地政府对种业的扶持力度和重视程度不同，造成了区域差异化不断增大。

图2 三大主产区种业创新效率区域内差异的年度分布

3.4 种业创新效率的区域间差异

从三大主产区2013—2021 年区域间种业创新效率差异的演变趋势来看（见图3），长江流域和黄淮海主产区之间的差异最大，差异平均值为0.187；东北主产区和黄淮海主产区之间次之，差异均值为0.176；东北主产区和长江流域主产区之间差异最小，均值为0.150。从演进趋势看，除东北主产区和长江流域主产区的区域间差异呈上升趋势外，其他地区之间的差异呈现下降趋势。

图3 三大主产区种业创新效率区域间差异的年度分布

3.5 种业创新效率的区域差异来源及其贡献

从图4 来看，三大主产区种业创新效率的区域内差异对种业创新效率区域差异的贡献率平均值为31.47%，区域间差异贡献率的均值为29.75%，超变密度差异对整体区域差异的影响最大。从演化趋势来看，各地区间经济差距对经济增长的贡献随时间波动变化，从2013 年的32.82%降至2021 年的31.47%；区域间差异贡献率呈先升后降再升的演变趋势；超变密度的演变趋势与区域间差异恰好相反，呈现出先降后升再降的趋势，自2013 年的34.49%下降到2014 年的13.69%，然后上涨至2017 年的58.30%，在2021 年却又下跌至38.78%。从主要来源看，2013—2015 年，区域间差异贡献率始终维持在45%左右，为首位，这是因为在这段时期，各地政府对种业的扶持力度不同，导致了区域差异化明显；而在2015—2020 年，超变密度对整体区域差异的贡献率已经超越了区域间差异，成为了种业创新效率区域差异的最主要来源，这是因为种业发展相对落后的地区在这段时期加大了对种业的扶持力度，提高了当地种业企业的竞争力，地方政府鼓励优势种业企业跨区域开展交流合作，不同区域间联合组建了育种创新联合体，种业创新效率差距变小；2020 年以后，区域间差异再次成为区域差异的第一来源，这是因为前期种业发展较好的区域更加重视种业的发展，又拉开了与相对落后地区的差距。

图4 三大主产区种业创新效率区域差异贡献率的演化趋势

4 基于核密度估计的种业创新效率动态演进

4.1 总体演进趋势分析

对三大主产区种业创新效率的总体演进趋势进行分析发现（见图5），种业创新效率的核密度估计曲线中心呈现右移趋势，说明种业创新效率在研究期内稳步提升。从分布形态来看，核密度估计曲线波峰高度先升后降，说明种业创新效率的绝对差异表现出先缩小后扩大的趋势。从分布延展性来看，核密度估计曲线均呈现右摆尾的现象，这表明种业创新高效率地区与低效率地区差距在逐渐拉大。此外，考察前期核密度估计曲线出现一个主峰和一个副峰，而在考察的后期出现了一个主峰和多个副峰，且副峰的峰值要比主峰小得多，表明种业创新效率存在着一定的梯度效应，同时种业创新效率较高的省份在逐渐增多。

图5 2013—2021 年三大主产区种业创新效率的空间分布动态演进

4.2 各主产区动态演进趋势分析

长江流域主产区种业创新效率的年度动态演化趋势显示（见图6）：从分配位置看，核密度估计曲线中心呈现右偏移的趋势，说明种业创新效率正在不断提高；从分布形式来看，核密度估算曲线的峰顶高度出现了一种起伏上升的趋势，表明种业创新效率的绝对差异正在逐步减小；从分布的延展性看，核密度估计曲线没有明显的摆尾现象，说明区域内不同省份间种业创新效率的发展差异并没有变大的趋势；从峰值个数来看，前期的核密度估计曲线呈现出多个峰值的特征，而到了后期，各峰值间的距离逐渐增大，说明区域内各省份种业创新效率存在显著差异，并呈现出具有多个中心的特征。

图6 长江流域主产区种业创新效率的核密度演化趋势

东北主产区种业创新效率的年度动态演化趋势显示（见图7）：核密度估计曲线中心不断向右偏移，表明种业创新效率不断提高；从分布形式看，核密度曲线的波峰发生了从“扁而宽”向“尖而窄”的转变，表明种业创新效率的区域内差距在不断加大；从分布延展性来看，核密度估计曲线呈现显著的右摆尾现象，表明区域内种业创新效率高水平省份与低水平省份之间的差距正在逐渐拉大；此外，峰值个数不断下降，说明核密度有向数值下降方向移动的趋势，也就是说明区域内种子产业创新效率差异在不断缩小。

图7 东北主产区种业创新效率的核密度演化趋势

黄淮海主产区种业创新效率的核密度估计分布趋势显示（见图8）：从分布位置来看，2021 年的核密度估计曲线中心相对于2013 年向右侧偏移，说明种业创新水平在不断提高；从分布形式来看，核密度估计曲线的峰高表现为先升后降再升，说明种业创新效率的绝对值存在一个先减小、后增大、再减小的过程；从分布的延展性来看，核密度估计曲线的右拖尾时间在不断变短，这表明区域内不同省份间的种业创新效率差异在不断缩小；从峰值来看，存在明显的梯度效应，且高层次种业创新效率的省份在不断增多。

图8 黄淮海主产区种业创新效率的核密度演化趋势

5 基于莫兰指数分析方法的种业创新效率动态演进

通过Stata 软件计算出2013—2021 年三大主产区13 个省份的全局莫兰指数分别为0.414、0.384、0.328、0.275、0.236、0.255、0.276、0.241、0.232，表明种业创新效率存在高度聚集的正向空间相关性：某省份的种业创新效率与其相邻省份呈现明显差异，即种业创新效率较高的省份被效率较低的省份所包围，而种业创新效率较低的省份周围都是效率较高的省份；同时，创新效率莫兰指数的绝对值在不断下降，空间相关性在不断下降，各省份之间的创新效率差异在不断缩小。

为进一步探索三大主产区种业创新效率的局部空间特征，考虑到相邻年份差异不明显，间隔1 年可以更好地反映种业创新效率的局部空间特征，同时参考王永静等［23］的研究，将2013、2015、2017、2019 和2021 年设为节点年份，绘制出种业创新效率的局部莫兰指数散点图（见图9～图13），并划分为4 个象限：第一象限为“高-高”（HH）集聚区，第二象限为“低-高”（LH）集聚区，第三象限为“低-低”（LL）集聚区，第四象限为“高-低”（HL）集聚区。2013 年，江苏等5 个省份位于HH 型集聚区，这是由于早年得益于良好的农业自然条件，黄淮海主产区种业创新效率水平较高。2015年，粮食主产区各省份种业创新效率的局部空间分布发生较大变化，内蒙古和吉林晋升为HH 型集聚区，这是因为内蒙古发布了《2015 年内蒙古自治区打击侵犯品种权和制售假劣种子行为专项行动实施方案》，极大了提高了本地种业企业和高校的研发积极性，从而促进了种业的发展；而吉林省制定了现代农作物发展规划，通过资金投入和政策扶持提高了本地种业企业竞争力和作物科技创新能力，极大推进了吉林现代农作物种业的发展。2017 年，黑龙江分布在HL 型集聚区，河南、河北分布在LH 型集聚区，这3 个省份的种业创新效率存在一定下降。2019 年，样本省份集中于HH、LH、LL 这3 种类型的集聚区，表明种业创新水平有所提高，整体呈现出“北部高、南部低”的空间集聚特征。2021 年，处于HH 型以及LL 型集聚区的省份增多，种业创新效率的空间差异逐渐变小。可以看到，样本省份的空间集聚现象由强变弱。随着国家区域协调发展战略的深入实施，省域之间强化了农业生产的互动合作，并积极推进优势互补、协同发展，各个地区的种业也逐步趋向于均衡协调发展。

图9 2013 年样本省份种业创新效率局部莫兰散点分布

图10 2015 年样本省份种业创新效率局部莫兰散点分布

图11 2017 年样本省份种业创新效率局部莫兰散点分布

图12 2019 年样本省份种业创新效率局部莫兰散点分布

图13 2021 年样本省份种业创新效率局部莫兰散点分布

6 结论与政策建议

通过研究我国粮食主产区内种业创新效率的区域差异及其动态演进情况，得出如下结论：（1）我国种子产业创新效率的整体区域差异呈波动降低，在2015 年之前主要来源于区域间差异，2015 年至2020 年间则主要来源于超变密度，2020 年以后区域间差异又重占主导地位；（2）三大地区的种业创新效率在2015 和2018 年呈现明显的极化特征；（3）我国种业创新效率存在高度聚集的正向空间相关性，但某省种业效率与其周边省份种业效率具有不同的变化趋势，即粮食主产区种业高效率省份被低效率省份围绕，低效率省份周边为高效率省份，同时空间集聚现象逐渐由强转弱。

结合以上研究结论，提出以下政策启示：

（1）完善区域间合作互动机制，实现粮食主产区农业经济的协同向好发展。粮食主产区内各省份在经济发展、科技创新、自然资源、劳动力等方面存在诸多差异，创新效率增长不均衡，要根据当地的实际情况进行种子产业的发展规划，对资源要素进行合理分配并进行深度整合，突破不同省份之间的种子产业发展障碍，让创新高效率的区域带动周围的低效区域发展。

（2）改进优化区域间农业合作互动机制，搭建农业科技交流和经验共享平台。加强政府、高校与企业间的合作，积极推进优势互补、资源共享、良性互动的局面，加速建立跨区域种业生产、产业融合、技术研发和经营管理一体化的协作体系，以促进粮食主产区种业生产的全面提质增效和农业经济的协调发展。

（3）地方政府要树立“一盘棋”的意识，充分利用省际空间关联性，以高效率区作为切入点，通过空间相关性的作用，使高效率区不断带动低效率区提高种业创新效率，为区域科技人才之间进行互相学习、科技资源共享提供有效平台，同时加强区域交流与合作，通过以点带面的方式实现各地区资源的有效利用。