基于DEA-BCC模型的陕西省农村科技成果转化率提升及影响因素研究

摘要：使用DEA-BCC模型对陕西省2018—2023年科技成果转化数据进行分析，探讨陕西省农村科技成果转化效率的变化情况。结果表明，陕西省农村科技成果的转化量在逐年增加，同比增长418项科技成果交易项，科技转化投资降低4.1亿元。农村科技成果转化及相关策略、科技成果管理等因素对陕西省农村科技成果转化率提升的影响效果更为显著。探究陕西省科技成果转化效率的提升，能够促进陕西省农村转型升级，加快农村建设进程，对陕西省的农村现代化转型有重要的现实意义。

关键词：农村；科技成果；转化效率；影响因素；DEA-BCC模型

中图分类号：F323.3 文献标识码：A

文章编号：0439-8114（2024）10-0181-06

DOI：10.14088/j.cnki.issn0439-8114.2024.10.032 开放科学（资源服务）标识码（OSID）：

Abstract： The DEA-BCC model was used to analyze the transformation data of scientific and technological achievements in Shaanxi Province from 2018 to 2023， and to explore the change situation of the transformation efficiency of rural scientific and technological achievements in Shaanxi Province. The results showed that the transformation of rural scientific and technological achievements in Shaanxi province increased year by year， with a year-on-year increase of 418 scientific and technological achievements transactions， and the investment in scientific and technological transformation decreased by 410 million yuan. The transformation of rural scientific and technological achievements and related strategies， scientific and technological achievements management and other factors had more significant effects on the improvement of rural scientific and technological achievements transformation rate in Shaanxi Province. Exploring the improvement of the transformation efficiency of scientific and technological achievements in Shaanxi Province could promote the rural transformation and upgrading of Shaanxi Province and accelerate the process of rural construction， which had important practical significance for the rural modernization transformation of Shaanxi Province.

Key words： rural areas； scientific and technological achievements； transformation efficiency； influencing factors； DEA-BCC model

近年来，农村科技发展成为推动农村改造和经济发展的重要方式。随着国家对农村经济发展的重视，越来越多有利政策进一步加快了乡村振兴的发展脚步［1］。但同时农村的经济发展往往受农村科技成果创新不足、科技成果转化效率较低和科技成果服务体系不健全等因素所影响。因此需要对农村科技创新的专项改造，加快陕西省的乡村数字化转型速度，促进陕西省的经济发展，使农村的科技水平得到稳步提高［2，3］。但当前对于农村的科技创新整体表现尚不明显，科技转化效率的提升上还存在较大空间。因此为应对日渐激烈的现代化竞争，需要更进一步推动陕西省农村科技成果转化，使其成为推动农村经济发展的助力［4］。本研究针对陕西省农村科技成果转化的现状，深度剖析其成果转化效率，探究其成果转化效率的影响因素，以此解决当前陕西省农村科技成果转化效率提升问题，并通过对其影响因素的研究，提出更加切实可行的科技经济发展建议。

1 理论分析

科技成果是指通过技术开发和科学研究得到的有用的研究成果，主要可以分为应用、科技和科研3个方向，包含发明专利、培育新品种和生物医药技术等［5］。而农村科技成果主要是指通过科学研究和技术开发对农村科学发展带来经济和社会效益的研究成果，并且该科技成果能够得到当地相关部门的审批认定。对于农村科技成果的转化主要目的是提升农村的生产力水平，使农村的科技成果发挥最大效益，也就是将潜在的基础理论知识转化为物质的生产力，并通过生产力和生产链得以运用［6，7］。但由于农村科技成果的转换主要依靠农村企业和农村个体户，两个个体之间存在较大的差异，同时还有不同方向的社会冲击，因此在进行科技成果转化时通常会出现较大的转换难度。

农村科技成果转化效率是农村生产过程中，由于科技技术的提升使得当前对农村产品的投入降低，农村生产总成本降低。其计算公式为农村科技成果转化效率=农村科技成果发展效率/农村产品生产总值增长效率［8，9］。农村科技成果转化存在一定的规律性，也正是因为如此，在农村科技成果转化率的提升中存在许多不可控因素。因此为了更加客观地评估农村科技成果需要考虑农村科技成果发展的多个因素，需要对科技成果的转化进行效率的梳理，并对生产和投入进行资源的合理分配。由此农村的科技成果转化能够视为对农村生产成本和产出的把控分析。

2 研究设计

2.1 研究模型搭建

数据包络分析（Data envelopment analysis，DEA）模型是多种模型的结合模型，其中最常用的数据处理模型有BCC模型和SBM模型。其中班克-查恩斯-库珀（Banker-Charnes-Cooper，BCC）模型则是将综合的成本技术效率进行拆分，划分为科技技术和科技规模效率［10-12］。BCC模型在进行分析和数据计算时能够对不同评估决策单元的规模进行评测，使得当前的评估决策单元能够具备不同的评估决策效率。BCC模型在可变化的情况下，存在数据逐渐增加或降低的情况，这使得该模型更加适用于效率或模型的变动测算。因此在保证其他变量不变的情况下，搭建DEA-BCC数据模型对陕西省农村科技成果转化率进行评测分析。其计算公式如式（1）所示［13］。

式中，[s-i]、[s+r]表示松弛变量，当[θ=1]时，模型的松弛变量都计算为0，则说明当前城市的农村科技成果转化效率为1，此时通过模型计算的效率是有效的。综合效率测量过程如式（2）所示［14］。

式中，[xij]表示在城市[j]中的[i]个投入；[yrj]表示在城市[j]中的[r]个生产；[j]表示被选择的城市；[λj]表示城市[j]中的成本相关系数；[s]表示投入的数量总数；[m]表示生产的数量总数；[n]表示城市的数量总数；[θ]表示目标值。

2.2 转化效率评价方法

本研究使用层次分析方法对效率进行评估分析，将农村科技成果划分为不同的层次，再确定当前层次的指标，邀请专家进行问卷调查以此确定指标。邀请专家20人，每位专家的工龄均在7年以上，其中4名专家为科学研究员，6名专家为经济专家，专家根据自身经验和知识对当前农村科技成果进行转换并打分，对问卷调查的评分使用平均数分配的方法进行分析。归一化矩阵计算公式如式（3）所示［15］。

式中，[Aij]表示归一化矩阵大小；[aij]表示判断矩阵，其中[i]和[j]都属于常数。此时对矩阵进行求和得到式（4）［6］。

将从式（4）中得到的矩阵进行归一化处理，得到农村科技成果转化效率的特征向量大小如式（5）所示［16］。

式中，[Wi]表示特征向量大小，[T]表示矩阵的倒置。其中归一化结果如式（6）所示［17］。

式中，[n]表示常数，在计算出指标的权值大小后，通过公式求解指标的特征向量值如式（7）所示［18］。

式中，[λmax]表示指标的特征向量值的最大值，其中[（Aw）i]的值为归一化矩阵值与特征向量值的乘积大小。判断指标的一致性效果如式（8）所示［19］。

式中，[CI]表示指标的一致性，[RI]表示矩阵一致性。

2.3 评价体系搭建

根据陕西省农村科技成果转化的基本情况，搭建适合的科技成果转化基本评价体系，通过科技水平、农村经济水平效益、社会经济效益3个方面对转化率进行评价判断。科技水平能够对比出不同的农村科技成果水平。农村经济水平效益是指能够将农村科技成果变化后的经济效益进行衡量，主要是通过成果转化率和财政指标进行判断［20-22］。社会经济效益是对当前不同类型的农村科技成果变化给社会带来的效益进行判断，主要是通过社会保障和社会安全效果进行分析评判［23］。农村科技成果主变量情况如表1所示。

主变量评价指标为农村科技成果转化指标，二级评价指标为技术指标的分量，而三级评价指标是判断指标的评价标准［24，25］。科技成果转化层次结构如图1所示。

由图1可知，农村科技成果转化效果有3个主层次的影响，分别为社会层面、资金成果层面和科技成果层面。社会层面能够在科技转化效果呈正向变化时，推动社会的科技水平发展，同时促进农村的科研成果进步。资金成果层面能够通过科技成果的进步，以降低当前农村科技成果投入的效果。科技成果层面能够通过提升科技成果的转化效率，促进科研进步，以进一步提升农村科技成果的转化。

3 数据来源

本研究使用的数据是陕西省农村科技经济发展年鉴数据，出自2018—2023年经济发展和投入财报数据。选取农村自然科技研究现金投入指标数据，自然科学研究发表过的科技论文数据，相关专业的科技论文和陕西省农村科技成果转化效率进行指标判断。科技成果的转化情况使用专家问卷调查的方式进行，通过省市高校科研所对相关农村数据进行分析，对当前线上与线下的数据进行问卷调查，通过完整性和逻辑性的选择，最终从138份调查问卷中选择116份有效的调查问卷，有效率为84.06%。

4 实证分析

4.1 农村科技成果主要成就

将陕西省2018—2023年农村科技成果交易数量与科技成果交易总额进行分析，得到农村科技成果交易情况。

从图2中可以看出，在陕西省农村科技成果交易量和交易额的变化中，随着年份的增加，交易额逐年上升，同时成果的转化量也在逐步增加，从2018年的371项增加至2023年的789项，同比增长了418项。交易总金额从2018年的3.8亿元增长至2022年的8.9亿元，但在2023年交易额呈下降趋势，总体的交易总额下降至4.1亿元。交易总额降低但交易项增加，这说明当前陕西省农村科技成果转化率较好，科技水平得到提升，并且总投入成本得到控制。

4.2 陕西省2018—2023年科技成果转化效率

通过陕西省2018—2023年农村科技投入数据和科技效益产出数据，测算出当前陕西省农村科技成果转化效率结果如表2所示。

从表2中可以看出，2018—2023年陕西省科技成果转化效率平均值为0.937，属于较高的科技成果转化水平，这可能是省政府和农村科技相互协调结合的结果。科技成果的平均转化规模为0.913，处于较高水平，这说明在最近几年的发展中陕西省农村科技水平处于较高水平。从技术转化效率上看，在2023年技术转化效率有所降低，这可能是由于2023年陕西省农村经济变化较大造成的，因此在该年份期间需要采取相应的措施进行调整，使其转化效率得到提升。从相关性的有效性可以看出，只有2023年呈现非相关性有效情况，这说明在前几年的农村科技成果转化评估中，其科技成果的转化评估处于较好的水平但近一年内有所波动，整体的变化还是处于较高水平的。因此2024年内陕西省的农村科技水平可能有所变化但整体的转化效率和发展的效果较好。

4.3 陕西省农村科技成果转化效率模糊评价

将陕西省农村科技成果不同类型的指标进行评价判断，通过2018—2023年年度数据报告，进行综合评测。

从表3中可以看出，私有性的科技成果指标得分相对公开性科技成果和非公开性科技成果指标得分更高，其中社区政策统一的指标得分有89.954分，在几种指标得分中最高。这说明社区政策统一对农村科技成果的影响性更大，可能原因是社区的政策统一能够间接影响农村的科技成果。同时私有性的科技成果得分较高说明农村科技成果创新水平较高，发展前景较好，从而能够获得更多的投资回报。市场的竞争强弱的指标得分只有82.000分，相较于其他指标得分最低，这说明市场的竞争强弱对农村的科技成果发展影响相对较低，这可能是由于农村个体户较多导致竞争压力较小的原因。

4.4 农村科技成果转化影响因素实证分析

使用SPSS软件对调查使用数据进行分析，将116份有效的样本数据导入软件中，进行Logistic回归分析，得到陕西省农村科技成果转化影响因素回归结果。

OR值表示农村科技成果影响因素的变化幅度。从表4中可以看出，科技成果的影响因素中，农村科技成果转化及相关策略、科技成果管理、科技人员意识转变、政府现金投入、农村科技推广和市民投资情况对当前农村科技成果的影响效果较为显著，其中农村科技成果转化及相关策略的影响因素最大，为65.758，其次是科技成果管理的影响为43.672，说明这两种因ff5f83f32c077407a461ae3fda8ba2ad9a2701f5d28b268a715e394115b39641素能够提升农村科技成果的转化效率。

5 小结

本研究主要对陕西省农村科技成果转化效率及其影响因素进行分析，通过DEA-BCC模型对科技成果转化效率的变化情况进行分析，并通过层次分析法和Logistic回归方法对陕西省农村科技转化成果的主要影响因素进行探究分析。研究结果表明，陕西省农村科技成果的转化量2018—2023年逐步增加，从2018年的371项增加至2023年的789项，同比增长了418项，科技转化投资降至4.1亿元。同时成果转化效率在近几年提升效果处于较高水平，转化规模达0.913。农村科技成果转化及相关策略、科技成果管理、科研人员意识转变对陕西省农村科技成果的影响效果在5%的水平下更为显著。由此可见，陕西省农村科技成果转化效率受到各种不同因素所影响。本研究虽然对陕西省农村科技成果转化率的变化进行了研究，但还存在一些问题，如探究的影响因素较少，因此后续的研究中还将对不同的陕西省农村科技成果转化效率影响因素进行分析研究，同时还将使用更多的不同评价方法进行评判分析。

参考文献：

［1］ 张亚明，赵 科，宋雯婕，等. 中国省域科技成果转化效率评价研究——基于长短期视角［J］. 技术经济与管理研究， 2024（2）： 18-24.

［2］ 毛 笛，宣 勇. 高校科技成果转化赋能共同富裕——区域创业与创新的链式中介作用［J］. 国家教育行政学院学报， 2024 （2）： 81-95.

［3］ 郭桐羽，陈宋生. 科技成果转化审计监督体系构建——基于研究型审计［J］. 财会月刊， 2024， 45（3）： 71-80.

［4］ 贺 佳. 数字经济对高校科技成果转化效率的影响［J］. 河北大学学报（哲学社会科学版）， 2024， 49（1）： 134-146.

［5］ XU Z，LU P. Research on input-output efficiency of listed companies of solar-thermal power concept based on DEA-BCC model［A］. Proceedings of the 2nd international academic conference on blockchain， information technology and smart finance（ICBIS 2023）［C］. 2023.

［6］ 王 俊，黄咏明，汪梦莹，等. 湖北省农业科技成果转化现状与对策［J］. 农业科技管理， 2024， 43（1）： 79-82.

［7］ 黄海燕. 产教融合背景下高校科技成果转化效率提升机制研究——基于江苏常州地区高校的调查分析［J］. 中国高校科技， 2020（12）： 68-71.

［8］ 田 天，沈 铭. 地方高校科技成果转化和技术转移体系的组建与培育——以苏州大学为例［J］. 中国高校科技， 2020（10）： 85-88.

［9］ 时 朝，李 潇，王 植. 农民教育培训在我国农业科技成果转化中的作用分析［J］. 南方农机， 2023， 54（15）： 49-51，58.

［10］ 单延博，朱大威，孙晓童. “院地结对”模式推进农业科技成果转化的实践与思考——以江苏省镇江市白兔镇为例［J］. 农业科技管理， 2023， 42（3）： 1-4.

［11］ LIU Z H， XIONG H T， SUN Y. Will online MOOCs improve the efficiency of Chinese higher education institutions？ An empirical study based on DEA［J］. Sustainability， 2023， 15（7）：5970-5971.

［12］ 吴寿仁. 科技成果转化地域选择影响因素分析——基于2018—2022高校院所科技成果转化年度报告案例的分析［J］. 杭州科技， 2024， 55（1）： 43-47.

［13］ 张 炜，陶庆梅，于新颖. 研究型医院科技成果转化中技术经理人的作用［J］. 中国研究型医院， 2024， 11（1）： 18-22.

［14］ 霍国庆，唐露源. 科技成果转化的大规模定制模型与案例研究［J］. 科学学研究， 2023， 41（12）： 2175-2181.

［15］ 杨 剑，赵倩雅，韩传轶. 市域视角下安徽省科技成果转化效率评价［J］. 科技创新与应用， 2024， 14（8）： 81-85.

［16］ 卢明湘，石小燕. 中国高技术产业科技成果转化效率和投入产出结构分析［J］. 科技管理研究， 2024， 44（3）： 77-84.

［17］ 曹幸如，杨 剑. 基于三阶段DEA-Windows的安徽省地市级科技成果转化效率研究［J］. 科技管理研究， 2021， 41（22）： 74-82.

［18］ 郭 颖，廉翔鹏，席笑文. 中科院产研合作对其科技成果转化影响研究［J］. 科研管理， 2021， 42（10）： 97-103.

［19］ 石 琦，钟 冲，刘安玲. 高校科技成tTgGShGXdIPFHaE5DXhzgQ==果转化障碍的破解路径——基于“职务科技成果混合所有制”的思考与探索［J］. 中国高校科技， 2021（5）： 85-88.

［20］ 罗 茜，高蓉蓉，张丽娜. 高校科技成果转化效率与收益分配激励效应的三角验证研究［J］. 科技进步与对策， 2020， 37（21）： 27-35.

［21］ 刘 霞，赵宇萱，范小军. 产教融合下高校科技成果转化效率评价研究［J］. 科技管理研究， 2020， 40（15）： 140-144.

［22］ 袁传思，贾 晓，袁俪欣. 高校科技成果转化实施模式与路径的探索研究［J］. 科技管理研究， 2020， 40（3）： 84-89.

［23］ 孙 涛. 我国老工业基地科技成果转化效率评价研究——以东北地区为例［J］. 中国软科学， 2020（1）： 164-170.

［24］ 林青宁，毛世平. 高校科技成果转化效率研究［J］. 中国科技论坛， 2019， 5（5）： 144-151.

［25］ 熊 曦，关忠诚，杨国梁，等. 嵌套并联结构两阶段DEA下科技创新效率测度与分解［J］. 中国管理科学， 2019， 27（3）： 206-216.

收稿日期：2024-04-17

基金项目：西安思源学院校长科研基金项目（XASYZD-A2306）

作者简介：鲁艳威（1979-），女，吉林长春人，副教授，硕士，主要从事乡村振兴研究，（电话）15891489342（电子信箱）964108900@qq.com；通信作者，张沁文（1961-），男，陕西扶风人，教授，主要从事教育理论研究，（电话）13509165495（电子信箱）496286559@qq.com。