陳 耀，趙芝俊 ，高 蕓

(1.中國農(nóng)業(yè)科學(xué)院 農(nóng)業(yè)經(jīng)濟(jì)與發(fā)展研究所，北京100081； 2.甘肅農(nóng)業(yè)大學(xué) 財經(jīng)學(xué)院，甘肅 蘭州 730070)

作為國家創(chuàng)新系統(tǒng)的重要組成部分，農(nóng)業(yè)科研機(jī)構(gòu)是中國農(nóng)業(yè)科技創(chuàng)新的重要主體，是農(nóng)業(yè)科技創(chuàng)新的生力軍。近年來，隨著創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的深入推進(jìn)，國家對農(nóng)業(yè)科技創(chuàng)新工作的重視程度日益提高，農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新投入不斷加大。但是，在農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新過程中，創(chuàng)新資源投入產(chǎn)出效率不高、資源利用低效的狀況一直存在。因此，如何有效提升中國農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率問題就更為凸顯。

事實上，國內(nèi)在創(chuàng)新效率研究領(lǐng)域已取得較大進(jìn)展，從研究層面上看，涉及企業(yè)[1-3]、產(chǎn)業(yè)[4-6]及區(qū)域[7-9]等多個方面。目前，針對農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的研究主要有：許朗[10]采用了2003、2006年的數(shù)據(jù)，運(yùn)用數(shù)據(jù)包絡(luò)分析(data envelopment analysis,DEA) 方法及C-D函數(shù)模型測定了中國農(nóng)業(yè)科研機(jī)構(gòu)的科技創(chuàng)新效率及其影響因素，研究發(fā)現(xiàn)，中國農(nóng)業(yè)科研機(jī)構(gòu)總體綜合技術(shù)效率不高，相對于資本要素而言，需要大力依靠人力資源的投入，提高農(nóng)業(yè)科研機(jī)構(gòu)的產(chǎn)出效率；申紅芳等[11]采用1987—2004年的數(shù)據(jù)，也運(yùn)用DEA方法對四川省省屬和地市屬農(nóng)業(yè)科研機(jī)構(gòu)的效率進(jìn)行評價，研究發(fā)現(xiàn)，四川省農(nóng)業(yè)科研機(jī)構(gòu)的效率具有明顯的階段性波動特征，且這種階段性特征與中國科技體制改革的步伐基本吻合，同時認(rèn)為技術(shù)進(jìn)步是影響四川省農(nóng)業(yè)科研機(jī)構(gòu)TFP生產(chǎn)率變動的主要因素；楊傳喜等[12]采用2009年的數(shù)據(jù)，運(yùn)用DEA方法對中國各省份的農(nóng)業(yè)科研機(jī)構(gòu)科技運(yùn)行效率進(jìn)行了評價，認(rèn)為農(nóng)業(yè)科研機(jī)構(gòu)科技資源配置效率比較低，有60%以上的省份處于非效率區(qū)；趙博雄[13]采用2004—2011年的數(shù)據(jù)，同樣運(yùn)用DEA方法，對中國農(nóng)業(yè)科學(xué)院31個研究所的科技資源配置效率進(jìn)行了測算，并分析了相關(guān)影響因素。

總體來看，現(xiàn)有文獻(xiàn)表現(xiàn)出以下兩個特征：其一，與對企業(yè)、產(chǎn)業(yè)及區(qū)域創(chuàng)新效率研究相比，對農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的研究依然較為有限；其二，從研究方法來看，大多采用DEA方法，該方法采用線性規(guī)劃技術(shù)，因無需設(shè)定函數(shù)的形式，有效地避免了主觀設(shè)定函數(shù)的影響，但在效率評價時因沒考慮隨機(jī)誤差的存在，且無法對影響創(chuàng)新效率的因素進(jìn)行直接的分析而存在不足。鑒于此，本文試圖進(jìn)行以下拓展：考慮到農(nóng)業(yè)科研的特殊性及中國各省份農(nóng)業(yè)科研機(jī)構(gòu)在科技創(chuàng)新中面臨的諸多隨機(jī)擾動和不可觀測因素較多，采用隨機(jī)前沿分析(stochastic frontier analysis,SFA)方法比DEA方法分析更適合當(dāng)前環(huán)境，不僅能夠分析單個個體的科技創(chuàng)新效率，還可以直接分析各種相關(guān)因素對個體效率差異的具體影響。此外，本文將基于成果類型異質(zhì)性視角，對農(nóng)業(yè)科研機(jī)構(gòu)創(chuàng)新活動的產(chǎn)出加以明確區(qū)分，將其分為學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性三大類，這樣就能夠較為系統(tǒng)全面地分析中國農(nóng)業(yè)科研機(jī)構(gòu)具有不同性質(zhì)的三類科技創(chuàng)新效率狀況及非效率影響因素。因此，本文通過收集2009—2016年中國31省、市及自治區(qū)農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新投入產(chǎn)出及相關(guān)影響因素的面板數(shù)據(jù)，運(yùn)用SFA方法，基于成果類型異質(zhì)性視角對中國省域農(nóng)業(yè)科研機(jī)構(gòu)科技效率進(jìn)行測度評價的基礎(chǔ)上，探尋不同影響科技創(chuàng)新非效率的根源，以便更有針對性地找出提升農(nóng)業(yè)科研機(jī)構(gòu)科技效率的對策建議。

1 研究方法

在研發(fā)效率測評中，前沿分析法被廣泛使用。通常根據(jù)生產(chǎn)前沿確定方法的不同，可分為非參數(shù)方法和參數(shù)方法。參數(shù)方法以SFA為代表，該方法由Aigner等[14]，Meeusen等[15]以及Battese等[16]幾乎同時獨(dú)立提出。SFA方法以計量方法為基礎(chǔ)，依賴于對數(shù)據(jù)的隨機(jī)性假設(shè)，不但能夠通過計量方法判斷研究設(shè)定的前沿生產(chǎn)函數(shù)模型擬合質(zhì)量問題，測算研究對象的效率值大小問題，還可以直接定量分析研究對象效率差異的影響因素，具有很強(qiáng)的政策導(dǎo)向，同時也可以進(jìn)行各種統(tǒng)計檢驗值估計，有更為堅實的經(jīng)濟(jì)理論基礎(chǔ)，尤其是在模型設(shè)定合理且采用面板數(shù)據(jù)條件下，體現(xiàn)出獨(dú)特的優(yōu)勢。本文主要關(guān)注以下兩個方面：其一是中國省域農(nóng)業(yè)科研機(jī)構(gòu)不同類型科技創(chuàng)新效率水平現(xiàn)狀；其二是探尋影響科技創(chuàng)新非效率值的主要因素。SFA方法能夠有效分析以上兩個方面的基本問題。

因此，本文借鑒Battese等[17]面板數(shù)據(jù)隨機(jī)前沿模型設(shè)定方法，研究模型設(shè)定為

yit=f(xit;β)exp(vit-uit)。

(1)

將式(1)兩邊取對數(shù)，可得

lnyit=lnf(xit，β)+vit-uit。

(2)

其中，i=1，2，…n；t=1，2，…T；分別表示省份和年度；yit、xit分別表示i省農(nóng)業(yè)科研機(jī)構(gòu)在時期t的科技創(chuàng)新產(chǎn)出、科技創(chuàng)新投入；f(*)表示生產(chǎn)可能性邊界上的前沿產(chǎn)出；(vit-uit)為復(fù)合誤差項，vit與uit相互獨(dú)立，且服從對稱正態(tài)分布，其中，vit～N(0，δ2v)表示隨機(jī)擾動的影響；uit～N+(u，δ2u)，uit的值非負(fù)，服從非負(fù)斷尾正態(tài)分布，表示農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新中的非效率項，其值越大，表示農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新非效率程度越大，也即農(nóng)業(yè)科研機(jī)構(gòu)的非效率水平越低。

依據(jù)該模型的原理及形式，各省域農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率TE值為實際產(chǎn)出與前沿面產(chǎn)出的距離，其測算公式為

(3)

顯然，uit=0時，TEit=1，表示決策單元恰好位于前沿面上，說明技術(shù)有效；當(dāng)uit>0時，TEit<1，表示決策單元位于前沿面下方，說明存在技術(shù)非效率問題。運(yùn)用上述方法估算技術(shù)效率時，復(fù)合誤差項中技術(shù)非效率項應(yīng)占有一定比例，否則該方法無效。為了系統(tǒng)反映創(chuàng)新效率的變異統(tǒng)計特性，Battese等[17]設(shè)定了方差參數(shù)γ，其表達(dá)式為

(4)

式(4)中：γ值介于0～1，反映了省域農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率中技術(shù)無效率項在復(fù)合擾動項中所占的比例。若γ趨近于0被接受，說明中國省域農(nóng)業(yè)科研機(jī)構(gòu)的生產(chǎn)點(diǎn)幾乎都位于生產(chǎn)前沿曲線上，此時用最小二乘法就可以分析；若γ趨近于1被接受，說明uit在生產(chǎn)單元與前沿面的偏差中占主要成分，此時用SFA是合適的。

另外一個重要的問題是，合理地選擇生產(chǎn)函數(shù)對采用SFA客觀、有效地測度效率至關(guān)重要。主要是因為超越對數(shù)函數(shù)生產(chǎn)模型(translog production function)相比于傳統(tǒng)的C-D(柯布-道格拉斯)生產(chǎn)函數(shù)模型和CES(不變替代彈性生產(chǎn)函數(shù))更具有普適性，可以突破技術(shù)中性、投入產(chǎn)出彈性固定等苛刻假定，從而更好地擬合實際情況。 因此，本文將 SFA 模型的第一部分設(shè)定如下：

(5)

式(5)中：Y為省域農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新活動的產(chǎn)出變量；K為資本投入變量；L為勞動投入變量。

為了進(jìn)一步解釋個體間的技術(shù)效率差異，分析研發(fā)創(chuàng)新效率的影響因素，引入技術(shù)非效率函數(shù)，其表達(dá)式為

uit=σ0+zitδ+wit。

(6)

式(6)中：σ0為常數(shù)項；zit為影響研發(fā)創(chuàng)新技術(shù)非效率的因素；δ為待估參數(shù)，當(dāng)δ<0時，表明該因素對研發(fā)創(chuàng)新效率有正向影響；當(dāng)δ>0時，表明該因素對研發(fā)創(chuàng)新效率有負(fù)向影響；wit表示為隨機(jī)誤差項。

2 變量選取與數(shù)據(jù)說明

沿襲Griliches[18]的研究，本文將農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新行為視為一個完整的生產(chǎn)過程，假設(shè)每個省為一個創(chuàng)新活動的生產(chǎn)決策單元，每個決策單元通過一系列的創(chuàng)新投入，實現(xiàn)一定的創(chuàng)新產(chǎn)出成果。另外，從上文可以看出，建立SFA方法需要適當(dāng)選擇投入產(chǎn)出變量及影響因素變量，下面就相關(guān)變量作逐一介紹，并簡要說明數(shù)據(jù)來源。

2.1 投入與產(chǎn)出變量

(1)投入變量。在考察農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的過程中，有關(guān)創(chuàng)新投入要素的確定是關(guān)鍵?，F(xiàn)有創(chuàng)新研究中最常見的投入要素可分為兩大類：一是研發(fā)(research and development,R&D)人員；二是R&D經(jīng)費(fèi)。

對于R&D人員要素，一般采用國際上比較通用R&D人員全時當(dāng)量來表征，因此，本文采用年度內(nèi)農(nóng)業(yè)科研機(jī)構(gòu)中R&D全時人員數(shù)，再加上按工作量折算的非全時人員折合工作量來表征，用L表示。

對于R&D經(jīng)費(fèi)要素，參照Griliches[19]、吳延兵[20]做法，本文采用R&D資本存量來表征R&D經(jīng)費(fèi)要素，用K表示。其計算公式為

Kit=(1-δ)×Ki(t-1)+Eit。

(7)

式(7)中：Kit和Ki(t-1)分別表示第i省農(nóng)業(yè)科研機(jī)構(gòu)在第t和t-1期的資本存量，Eit表示第i省份農(nóng)業(yè)科研機(jī)構(gòu)在第t期R&D經(jīng)費(fèi)實際支出額，δ表示資本存量的折舊率。

有關(guān)δ及Eit計算方法同樣參照白俊紅等[21]的估計方法，對R&D資本折舊率δ，采用δ=15%；Eit值表示R&D經(jīng)費(fèi)實際支出額，以2009年為基期，通過對名義R&D經(jīng)費(fèi)支出進(jìn)行平減所得，其值參照公式：R&D支出價格指數(shù)=0.55×消費(fèi)價格指數(shù)+0.45×固定資產(chǎn)投資價格指數(shù)。該公式中：消費(fèi)價格指數(shù)和固定資產(chǎn)投資價格指數(shù)分別采用各農(nóng)業(yè)科研機(jī)構(gòu)所在省份的相應(yīng)指數(shù)來表示，其中，由于西藏數(shù)據(jù)缺失，運(yùn)用周邊相鄰省份青海的指數(shù)代替計算。

有關(guān)基期資本存量估算公式為

Ki0=Ei0/(g+δ)。

(8)

式(8)中：Ki0和Ei0分別表示農(nóng)業(yè)科研機(jī)構(gòu)基期資本存量和基期實際R&D經(jīng)費(fèi)支出；δ表示為資本存量的折舊率；g為R&D資本存量的增長率，采用考察期內(nèi)實際R&D經(jīng)費(fèi)支出的平均增長率來表示。根據(jù)以上方面，就可以計算出考察期內(nèi)各省域每年農(nóng)業(yè)科研機(jī)構(gòu)的R&D資本存量Kit。

(2)產(chǎn)出變量。農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新成果有很多，借鑒許朗[10]、申紅芳等[11]、陳耀等[22]研究的基礎(chǔ)上，考慮到數(shù)據(jù)的可得性以及產(chǎn)出成果的異質(zhì)性，本文把農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出成果分為學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性三大類。

對于學(xué)術(shù)性產(chǎn)出而言，論文與專著是衡量農(nóng)業(yè)科研機(jī)構(gòu)在基礎(chǔ)研究、應(yīng)用研究等方面的重要成果，凝聚了農(nóng)業(yè)科技創(chuàng)新人員探索性、創(chuàng)造性的大量勞動，是衡量農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性水平的重要指標(biāo)。參照池敏青等[23]、于志軍等[24]的研究及考慮到數(shù)據(jù)的可得性，本文采用這兩個指標(biāo)來表征農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性產(chǎn)出。

對于技術(shù)性產(chǎn)出而言，專利是反映農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新水平和掌握核心技術(shù)的能力，是各農(nóng)業(yè)科研機(jī)構(gòu)形成自身核心競爭力的重要來源，專利受理數(shù)作為創(chuàng)新績效的考核指標(biāo)是文獻(xiàn)中的一種慣用做法，是反映農(nóng)業(yè)科研機(jī)構(gòu)技術(shù)創(chuàng)新的一項重要指標(biāo)。因此，本文采用專利受理數(shù)來表征農(nóng)業(yè)科研機(jī)構(gòu)的技術(shù)性產(chǎn)出。

對于經(jīng)濟(jì)性產(chǎn)出而言，技術(shù)性收入是反映農(nóng)業(yè)科研機(jī)構(gòu)創(chuàng)新產(chǎn)出潛在經(jīng)濟(jì)價值或潛在應(yīng)用價值很重要的方面，反映了科技成果被市場認(rèn)可或應(yīng)用到農(nóng)業(yè)生產(chǎn)實踐中的可能性程度的重要指標(biāo)。因此，參照申紅芳等[11]的研究，本文采用技術(shù)性收入來表征農(nóng)業(yè)科研機(jī)構(gòu)的經(jīng)濟(jì)性產(chǎn)出。

2.2 影響因素變量

從理論上來說，因科技創(chuàng)新活動的復(fù)雜性、產(chǎn)出的多樣性及農(nóng)業(yè)科研機(jī)構(gòu)自身的特殊性，影響農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的因素極為復(fù)雜，本文在借鑒現(xiàn)有研究的基礎(chǔ)上及考慮到數(shù)據(jù)的可得性，主要從以下幾個方面進(jìn)行分析：人員數(shù)量結(jié)構(gòu)，用農(nóng)業(yè)科研機(jī)構(gòu)中科技人員占從業(yè)人員的比重來表征人員結(jié)構(gòu)變量；人員質(zhì)量結(jié)構(gòu)，采用農(nóng)業(yè)科研機(jī)構(gòu)中擁有高級職稱的科技人員占從事科技活動人員比例來表征人員素質(zhì)變量；政府的支持，采用農(nóng)業(yè)科研機(jī)構(gòu)的科技活動收入中政府資金所占比例來表征政府的支持變量；基礎(chǔ)設(shè)施，采用農(nóng)業(yè)科研機(jī)構(gòu)中報告期內(nèi)年末固定資產(chǎn)原價來表征基礎(chǔ)設(shè)施變量。

2.3其他控制變量

為了使研究結(jié)果更加有效，本文主要從以下兩個方面進(jìn)行了控制：經(jīng)濟(jì)發(fā)展水平，用農(nóng)業(yè)科研機(jī)構(gòu)所在省份的人均GDP表示；農(nóng)業(yè)發(fā)展水平，用農(nóng)業(yè)科研機(jī)構(gòu)所在省份的農(nóng)業(yè)總產(chǎn)值表示。

本文所有變量絕對數(shù)量均以2009年價格為基期折算為實際值，比值均以名義值計算得出。以上所有變量、代表符號及定義如表1所示，對各個變量的描述性統(tǒng)計見表2。

2.4 數(shù)據(jù)來源及說明

本文所用數(shù)據(jù)選取自《全國農(nóng)業(yè)科技統(tǒng)計資料匯編》(2009—2016年)、《中國統(tǒng)計年鑒》(2010—2017年)、《中國農(nóng)村統(tǒng)計年鑒》(2010—2017)、《中國科技統(tǒng)計年鑒》(2010—2017年)?？疾靺^(qū)域為中國大陸31個省、市和自治區(qū)，考察對象為全國31省份地市級以上農(nóng)業(yè)科研機(jī)構(gòu)。

3 結(jié)果與討論

3.1 假設(shè)檢驗及模型選擇

采用Frontier4.1計量分析軟件，對中國各省份農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出效率進(jìn)行隨機(jī)前沿檢驗估計，其結(jié)果見表3，模型1、2、3分別表示學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性產(chǎn)出的估計結(jié)果。從表3可以看出，在這3個模型中，γ均在1%水平下顯著，說明了創(chuàng)新非效率是中國農(nóng)業(yè)科研機(jī)構(gòu)創(chuàng)新生產(chǎn)未達(dá)到前沿面產(chǎn)出水平的重要原因，也充分驗證了本文采用SAF方法的合理性。

表1 變量定義

Table 1 Variable definition

類別Type變量Variable符號Symbol定義Definition創(chuàng)新投入Innovation input資本投入/千元Capital investment/thousand yuanKR&D資本存量,用永續(xù)盤存法核算R&D capital stock, accounting with perpetual inventory method 人員投入/(人·年-1)Personnel input/person per yearLR&D人員全時當(dāng)量,指報告年內(nèi)R&D全時人員數(shù)加非全時人員按工作量折算成全時人員的總和Full time equivalent of R&D personnel refers to the total num-ber of full time R&D personnel plus full time R&D personnel converted into full time personnel according to the workload during the reporting year學(xué)術(shù)性產(chǎn)出Academic output發(fā)表科技論文Published scientific papers(權(quán)重0.7)(Weight 0.7)Pap發(fā)表的科技論文篇數(shù)Number of scientific papers published出版科技著作Publication of scientific and technological works(權(quán)重0.3)(Weight 0.3)Boo出版的科技著作部數(shù)Number of scientific and technological works published技術(shù)性產(chǎn)出Technical output專利產(chǎn)出Patent output Pat專利受理數(shù)Number of patents accepted經(jīng)濟(jì)性產(chǎn)出Economic output技術(shù)收入/千元Technical income/thousand yuanTec科技活動收入中技術(shù)性收入Technical income from science and technology activities影響因素Influencing factor人員數(shù)量結(jié)構(gòu)Personnel quality structure/%Pstruc科技人員數(shù)占從業(yè)人員的比重The number of scientific and technical personnel accounted for the proportion of practitioners人員質(zhì)量結(jié)構(gòu)Personnel quality structure/%Profes高級職稱人員占從事科技人員比例The proportion of senior professional title personnel engaged in science and technology personnel政府支持Government support/%Gover科技活動收入中政府資金所占比例The share of government funds in revenue from science and technology activities基礎(chǔ)設(shè)施/億元Infrastructure/huandred million yuanBase用報告期內(nèi)年末固定資產(chǎn)原價來表征Fixed assets at the end of the reporting period控制變量Control variable經(jīng)濟(jì)發(fā)展/(萬元·人-1)Economic development/ ten thousand yuan per personEconom用該地區(qū)人均GDP來表征Regional GDP per capita農(nóng)業(yè)發(fā)展水平/億元Agricultural development /huandred million yuanAgrdeve用該地區(qū)的農(nóng)業(yè)總產(chǎn)值來表征The gross agricultural output value of the region

表中權(quán)重值參照文獻(xiàn)[24]的研究設(shè)定。

The weight values in the table referred to the research settings in literature [24].

表2 變量的描述性統(tǒng)計結(jié)果

Table 2 Descriptive statistical results of variables

指標(biāo)Index平均值Mean value標(biāo)準(zhǔn)差Standard deviation最小值Minimum value最大值Maximum valueK/百萬 million107.717 105.744 1.945 836.047 L/人·a-1(person·a-1)1086.640 754.298 5.000 4052.000 Pap/篇 paper873.990 617.393 18.000 3585.000 Boo/部 part26.600 31.834 1.000 260.000 Pat/件 piece147.730 179.030 1.000 962.000 Tec/千元 thousand yuan28287.400 45062.488 1.000 321265.000 Pstruc/%0.758 0.108 0.272 0.982 Profes/%0.307 0.071 0.131 0.512 Gover/%0.888 0.088 0.483 1.000 Base/億元 huandred million yuan7.659 6.899 0.585 51.631 Econom/萬元 ten thousand yuan3.077 1.732 1.092 8.102 Agrdeve/億元 huandred million yuan1672.045 1505.086 39.060 8159.102

根據(jù)SFA方法的原理，采用該方法的一個關(guān)鍵問題是生產(chǎn)函數(shù)模型必須設(shè)置合理，因此，本文所關(guān)心的另一個問題是：用廣義似然率檢驗統(tǒng)計量，檢驗在研究中對于生產(chǎn)函數(shù)形式的假設(shè)檢驗及“不存在無效率項”的這一零假設(shè)，其檢驗結(jié)果見表4。

從表4可以看出，模型1、2、3的廣義似然λ均大于相應(yīng)的5%顯著水平下混合卡方分布臨界值，該假設(shè)檢驗結(jié)論充分證明拒絕原假設(shè)，有充分的理由說明采用超越對數(shù)生產(chǎn)函數(shù)的可行性。

表3 中國農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新的隨機(jī)前沿模型估計結(jié)果

Table 3 Estimates of scientific and technological innovation efficiency in Chinese agricultural research institutions with SFA model

系數(shù)Coefficient模型1 Model 1模型2 Model 2模型3 Model 3前沿函數(shù)估計Frontier function estimation常數(shù)項β0 Constanst β014.736???(6.984)8.100(1.676)-14.396???(-4.161)lnK-2.446???(-4.571)-3.984???(-3.785)-1.148?(-1.853)lnL1.813??(2.520)5.937???(5.595)7.805???(3.170)[lnK]20.128???(3.317)0.321???(5.003)0.298??(2.267)[lnL]20.027(0.678)0.267???(4.685)0.263(1.363)[lnK lnL]-0.131(-1.540)-0.656???(-5.383)-0.859??(-2.489)效率影響因素估計Efficiency factor estimation常數(shù)項δ0 Constanst δ00.965(1.485)3.802???(4.524)-6.152???(-3.834)Pstruc-0.982??(-1.951)-1.388??(-2.115)7.083?(1.697)Profes-0.707(-0.798)-2.103?(-1.760)-3.866???(4.187)Agover0.081(0.121)0.423(0.530)6.870???(4.141)Base-0.081???(-2.927)-0.012(0.480)-0.186(-1.614)Econom-0.097??(2.196)-0.177???(3.176)-1.697???(4.571)Agrdeve0.001(1.429)-0.010??(-1.986)-0.012??(-2.345)σ20.185???(6.215)0.421???(8.039)1.3306???(4.387)γ0.775???(14.315)0.869???(13.326)0.984???(18.698)Log函數(shù)值 The Log function value-73.709-178.199-435.774單邊LR檢驗 Unilateral LR test76.278254.687286.987

括號內(nèi)數(shù)值為t值；*、** 和***分別表示顯著性水平為10%，5%和1%(雙側(cè))。

Values in brackets weretvalues;*， ** and *** represent significance levels of 10%， 5% and 1% (bilateral)， respectively.

表4 假設(shè)檢驗結(jié)果

Table 4 Hypothesis test results

代號Symbol模型1Model 1模型2Model 2模型3Model 3L(H0)-111.849-195.372-473.05廣義似然λ76.27834.34474.548The generalized likelihood臨界值Critical value7.8157.8157.815檢驗結(jié)論Test conclusion拒絕Reject拒絕Reject拒絕Reject

臨界值為顯著水平為0.05下的臨界值。

The critical value is the critical value at the significance level of 0.05.

3.2 農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率分析

通過對2009—2016年各省域農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率求均值，并根據(jù)均值大小對其排名，具體情況見表5。

(1)從總體來看。在考察期內(nèi)，中國農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性產(chǎn)出效率、技術(shù)性產(chǎn)出效率、經(jīng)濟(jì)性產(chǎn)出效率均值分別為0.662、0.444、0.338，其提升空間為33.8%、55.6%、和66.2%。說明中國農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率整體水平均比較低，仍然存在較多的非效率。三類創(chuàng)新效率相比較而言，經(jīng)濟(jì)性產(chǎn)出效率改進(jìn)空間更大，其次為技術(shù)性產(chǎn)出，最后為學(xué)術(shù)性產(chǎn)出。三類產(chǎn)出效率均值高于全國平均值的省份分別為18、14、15個，占比為58.06%、45.16%、48.39%。

表5 中國各省份農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率均值及排名

Table 5 Average and ranking of scientific and technological innovation efficiency of agricultural research institutions in China’s provinces

地區(qū)Area學(xué)術(shù)性產(chǎn)出效率Academic output efficiency均值A(chǔ)verage排名Ranking技術(shù)性產(chǎn)出效率Technical output efficiency均值A(chǔ)verage排名Ranking經(jīng)濟(jì)性產(chǎn)出效率Economic output efficiency均值A(chǔ)verage排名Ranking北京Beijing0.89540.88520.7022天津Tianjin0.465260.69670.7541河北Hebei 0.78590.358190.08226遼寧Liaoning0.706140.165280.03529山東Shandong0.90920.73640.36414上海Shanghai 0.644190.89110.13624江蘇Jiangsu0.89830.78030.51410浙江Zhejiang0.92010.72150.44912海南Hainan0.730120.62580.13723福建Fujian0.85360.71560.17920廣東Guangdong0.87050.56090.39913東部 Eastern China0.7890.6480.341山西Shanxi0.612220.366180.21418吉林Jilin0.640210.168270.19519黑龍江Heilongjiang0.79680.354200.6007安徽Anhui0.500240.480130.6903江西Jiangxi0.461270.150290.6396河南Henan0.82370.338210.6485湖北Hubei0.769100.532110.5818湖南Hunan0.501230.220260.6624中部Central China0.6380.3260.529內(nèi)蒙古Inner Mongolia0.401300.110300.00530廣西Guangxi0.685160.396170.14422重慶Chongqing0.408290.332220.32916四川Sichuan0.740110.515120.5409貴州 Guizhou0.701150.438150.05028云南Yunnan0.643200.269230.47011西藏Tibet0.227310.066310.00131陜西Shaanxi0.471250.232240.06927甘肅Gansu0.724130.465140.24217青海Qinghai0.674170.227250.34015寧夏Ningxia0.455280.420160.13624新疆Xinjiang0.670180.545100.15121西部 Western China0.5670.3340.206全國The whole country0.6620.4440.338

(2)從單個地區(qū)來看。學(xué)術(shù)產(chǎn)出平均效率最高的前5個省份分別是浙江、山東、江蘇、北京和廣東，其平均效率高達(dá)0.870以上，最低的5個省份是江西、寧夏、重慶、內(nèi)蒙和西藏，其效率均值均低于0.461；技術(shù)性產(chǎn)出平均效率最高的前5個省份分別是上海、北京、江蘇、山東和浙江，其效率均值高達(dá)0.721，最低的省份為吉林、遼寧、江西、內(nèi)蒙和西藏，其效率均值均低于0.168；經(jīng)濟(jì)性產(chǎn)出的平均效率最高的前5個省份分別是天津、北京、安徽、湖南、河南，其效率均值均高于0.648，最低的省份為陜西、貴州、遼寧、內(nèi)蒙和西藏，其效率均值均低于0.050。

(3)從東、中、西三大區(qū)域來看。東、中、西部學(xué)術(shù)性效率均值分別為0.789、0.638、0.567，只有東部地區(qū)的效率均值高于全國平均水平，呈現(xiàn)東、中、西部地區(qū)依次遞減的趨勢；東、中、西部技術(shù)性產(chǎn)出效率均值分別為0.648、0.326、0.334，只有東部地區(qū)效率均值高于全國平均水平，東部效率均值最高，其次是西部，最后是中部；東、中、西部地區(qū)經(jīng)濟(jì)性產(chǎn)出效率均值分別為 0.341、0.529、0.206，東部地區(qū)和中部地區(qū)的效率均值高于全國平均水平，效率均值最高的區(qū)域為中部地區(qū)、其次是東部地區(qū)、最后是西部地區(qū)。

(4)從時間趨勢來看。圖1表示了考察期內(nèi)全國農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性產(chǎn)出創(chuàng)新效率均值的時間變化。從圖1可以看出，學(xué)術(shù)性產(chǎn)出效率變化幅度不明顯，而技術(shù)性和經(jīng)濟(jì)性產(chǎn)出效率雖然離前沿面水平還有較大差距，但從時間趨勢來看，表現(xiàn)出明顯的上升態(tài)勢。進(jìn)一步說明，隨著國家創(chuàng)新驅(qū)動戰(zhàn)略的深入推進(jìn)，中國農(nóng)業(yè)科研機(jī)構(gòu)長期存在的創(chuàng)新資源投入產(chǎn)出效率不高、資源利用低效的狀況已經(jīng)有很大的改觀，表現(xiàn)出了良好的上升勢頭。

圖1 全國農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性產(chǎn)出創(chuàng)新效率均值的時間變化Fig.1 The temporal change of the average value of the innovation efficiency of the academic， technical and economic output of agricultural research institutions in China

3.3 農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率的影響因素分析

從表3前沿函數(shù)估計結(jié)果來看，在3個模型中l(wèi)nK、lnL系數(shù)均顯著異于零，且lnK的系數(shù)為負(fù)值，而lnL的系數(shù)為正值。表明在考察期內(nèi)，如果一味地加大R&D資本投入，并不會帶來農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新成果產(chǎn)出的增加，這似乎有悖常理。究其原因，可能與R&D經(jīng)費(fèi)的配置結(jié)構(gòu)不夠合理有關(guān)。比如現(xiàn)階段，科技計劃過多依賴競爭方式，過度的競爭導(dǎo)致了競爭性的政府資金逐年提高，而非競爭性的資金逐年降低，使農(nóng)業(yè)科研機(jī)構(gòu)中R&D投入過度集中到少數(shù)幾個單位或個別知名專家手中，這種過度集中可能并不會隨著R&D經(jīng)費(fèi)投入增長使科技產(chǎn)出出現(xiàn)相應(yīng)的增加。以上原因造成表面上看是規(guī)模投資過度，實際則是R&D投資不足，最終導(dǎo)致R&D總體上存在非效率投資行為，一定程度上抑制了農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出。

R&D活動全時人員對農(nóng)業(yè)科研機(jī)構(gòu)三類科技創(chuàng)新產(chǎn)出有正向影響，進(jìn)一步說明了在考察期內(nèi)，中國農(nóng)業(yè)科研機(jī)構(gòu)創(chuàng)新產(chǎn)出主要是依靠科技人員的投入拉動的。這和許朗[10]早期研究的結(jié)論基本一致。

為了進(jìn)一步分析中國農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率不高的原因，即分析影響創(chuàng)新效率的關(guān)鍵因素，見表3效率影響因素估計，以期為提高農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率提出有針對性的政策建議。人員數(shù)量結(jié)構(gòu)(Pstruc)在模型1和模型2中的回歸估計系數(shù)均顯著且為負(fù)，而在模型3中的回歸估計系數(shù)雖顯著但為正，說明人員數(shù)量結(jié)構(gòu)對學(xué)術(shù)產(chǎn)出效率和技術(shù)性產(chǎn)出效率均有顯著的促進(jìn)作用。科技人員作為科技創(chuàng)新活動的主體，科技人員比例越高，農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性和技術(shù)性創(chuàng)新能力就越強(qiáng)，學(xué)術(shù)性和技術(shù)性創(chuàng)新產(chǎn)出成果越多，可見，在農(nóng)業(yè)科研機(jī)構(gòu)人員結(jié)構(gòu)中，提升科技人員的比例可以有效增強(qiáng)農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性產(chǎn)出和技術(shù)性產(chǎn)出效率。但是對農(nóng)業(yè)科研機(jī)構(gòu)的經(jīng)濟(jì)性產(chǎn)出而言，人員結(jié)構(gòu)中科技人員的比重越高，反而效率越低。究其原因：這主要是由于經(jīng)濟(jì)性產(chǎn)出與其他兩類產(chǎn)出相比而言，技術(shù)轉(zhuǎn)讓是市場行為，與其是否有潛在經(jīng)濟(jì)價值或者潛在應(yīng)用價值及最終出售、轉(zhuǎn)讓有關(guān)。

人員素質(zhì)結(jié)構(gòu)(Profes)在模型2和模型3中顯著，且回歸估計系數(shù)為負(fù)，而在模型1中雖不顯著，但回歸系數(shù)為負(fù)。說明人員素質(zhì)水平越高，農(nóng)業(yè)科研機(jī)構(gòu)的技術(shù)性和經(jīng)濟(jì)性創(chuàng)新產(chǎn)出能力越強(qiáng)，成果的產(chǎn)出數(shù)量越多，可見，提升農(nóng)業(yè)科研機(jī)構(gòu)中人員素質(zhì)，可有效增強(qiáng)農(nóng)業(yè)科研機(jī)構(gòu)技術(shù)性及經(jīng)濟(jì)性產(chǎn)出效率。但是對于學(xué)術(shù)性產(chǎn)出指標(biāo)估計結(jié)果不顯著的原因可能與使用學(xué)術(shù)論文和著作指標(biāo)來反映學(xué)術(shù)性指標(biāo)本身的缺陷有關(guān)，它只是反映了科技創(chuàng)新產(chǎn)出成果的數(shù)量，很難反映成果的檔次及質(zhì)量，最終造成人員素質(zhì)結(jié)構(gòu)對農(nóng)業(yè)科研機(jī)構(gòu)學(xué)術(shù)性產(chǎn)出效率影響不顯著的表象。

政府的支持(Gover)，只有在模型3中顯著，而在模型1和模型2中都不顯著，且估計系數(shù)均為正。說明政府支持對農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性、技術(shù)性產(chǎn)出效率影響不明顯，而對經(jīng)濟(jì)性的產(chǎn)出效率有負(fù)向影響。由于科技創(chuàng)新有其自身規(guī)律，特別是技術(shù)轉(zhuǎn)讓是市場化行為，在考察期內(nèi)，通過提高或增加政府對農(nóng)業(yè)科研機(jī)構(gòu)的支持，僅僅是單純地增加了對農(nóng)業(yè)科研機(jī)構(gòu)的創(chuàng)新資源投入，但實際上并沒有增強(qiáng)農(nóng)業(yè)科研機(jī)構(gòu)的科技創(chuàng)新產(chǎn)出效率。

基礎(chǔ)設(shè)施(Base)，在模型1、2中的回歸估計系數(shù)都顯著，而在模型3中回歸估計系數(shù)不顯著，但在這三個模型中，系數(shù)均為負(fù)，說明農(nóng)業(yè)科研機(jī)構(gòu)的基礎(chǔ)設(shè)施條件越完善、越堅實，學(xué)術(shù)性和經(jīng)濟(jì)性創(chuàng)新能力越強(qiáng)，學(xué)術(shù)性和經(jīng)濟(jì)性創(chuàng)新成果越多，農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出效率越高。但在模型3中系數(shù)為負(fù)且不顯著，說明基礎(chǔ)設(shè)施對農(nóng)業(yè)科研機(jī)構(gòu)的經(jīng)濟(jì)性產(chǎn)出效率影響不明顯，進(jìn)一步表明經(jīng)濟(jì)性創(chuàng)新產(chǎn)出的成果是否實現(xiàn)最終實際與是否有市場潛在市場價值或潛在應(yīng)用價值有關(guān)。

經(jīng)濟(jì)發(fā)展(Econom)在模型 1、2和3中系數(shù)均顯著且為負(fù)，說明經(jīng)濟(jì)發(fā)展水平越高的地區(qū)，農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率越高，可能主要是由于經(jīng)濟(jì)發(fā)展水平越高的地區(qū)，往往是資金比較充裕、人才比較聚集的地區(qū)，這為農(nóng)業(yè)科研機(jī)構(gòu)的科技創(chuàng)新活動提供了優(yōu)越的條件，在一定程度促進(jìn)了農(nóng)業(yè)科研機(jī)構(gòu)的科技創(chuàng)新活動效率的提升。

農(nóng)業(yè)發(fā)展水平(Agresour)在模型 2和3中系數(shù)均顯著且回歸系數(shù)為負(fù)值，而在模型1中不顯著?？梢娹r(nóng)業(yè)發(fā)展水平對農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性產(chǎn)出效率沒有顯著的影響，而對技術(shù)性及經(jīng)濟(jì)性產(chǎn)出效率有正向影響。表明農(nóng)業(yè)科研機(jī)構(gòu)雖然在技術(shù)性和經(jīng)濟(jì)性產(chǎn)出上能夠結(jié)合當(dāng)?shù)剞r(nóng)業(yè)發(fā)展情況展開研究，結(jié)合區(qū)域農(nóng)業(yè)發(fā)展中實際面臨的問題展開創(chuàng)新研究，產(chǎn)出更多技術(shù)性和經(jīng)濟(jì)性成果，但是，在學(xué)術(shù)性產(chǎn)出上依舊出現(xiàn)創(chuàng)新與實際脫節(jié)，創(chuàng)新與農(nóng)業(yè)發(fā)展情況相悖的現(xiàn)象。

4 結(jié)論與建議

基于科技創(chuàng)新成果異質(zhì)性視角，本文將農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新成果分為：學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性三類。采用2009—2016年中國大陸31省份地市級以上農(nóng)業(yè)科研機(jī)構(gòu)研發(fā)面板數(shù)據(jù)為樣本，運(yùn)用SAF方法對其3類科技創(chuàng)新效率狀況進(jìn)行了分析評價，并對其關(guān)鍵影響因素進(jìn)行了探索性的研究，研究結(jié)論主要有以下幾個方面:

第一，總體來看，中國農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)性產(chǎn)出效率依然比較低，均存在較大的無效率現(xiàn)象，三類效率產(chǎn)出都有很大的改進(jìn)空間。而經(jīng)濟(jì)性產(chǎn)出效率改進(jìn)空間更大，其次是技術(shù)性產(chǎn)出效率，最后是學(xué)術(shù)性產(chǎn)出效率。

第二，省際之間農(nóng)業(yè)科研機(jī)構(gòu)的學(xué)術(shù)性、技術(shù)性及經(jīng)濟(jì)產(chǎn)出效率存在明顯差異，發(fā)展不均衡。從三大區(qū)域來看：學(xué)術(shù)性產(chǎn)出效率均值呈現(xiàn)東部地區(qū)最高，中部地區(qū)次之，西部地區(qū)最低的分布特征；技術(shù)性產(chǎn)出效率均值呈現(xiàn)出東部地區(qū)最高，其次是西部地區(qū)，最后是中部地區(qū)的分布特征；經(jīng)濟(jì)產(chǎn)出效率均值呈現(xiàn)出中部地區(qū)最高，其次是東部地區(qū)，最后是西部地區(qū)的分布特征。從時間趨勢來看，農(nóng)業(yè)科研機(jī)構(gòu)技術(shù)性、經(jīng)濟(jì)性產(chǎn)出效率盡管比較低，但已表現(xiàn)出了上升的態(tài)勢。

第三，相對于R&D資本而言，中國農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新過程中R&D人員具有更高的產(chǎn)出貢獻(xiàn)，中國農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新產(chǎn)出效率主要是依賴于R&D人員的投入推動的。

第四，科技創(chuàng)新非效率因素的影響對三類產(chǎn)出效率不盡相同：人員數(shù)量結(jié)構(gòu)對學(xué)術(shù)性產(chǎn)出及技術(shù)性產(chǎn)出有顯著地促進(jìn)作用，而對于經(jīng)濟(jì)性產(chǎn)出有負(fù)向影響；人員素質(zhì)結(jié)構(gòu)對技術(shù)性及經(jīng)濟(jì)性產(chǎn)出都有促進(jìn)作用，但對學(xué)術(shù)性產(chǎn)出影響不顯著；政府支持對經(jīng)濟(jì)性產(chǎn)出都有負(fù)向的影響；基礎(chǔ)設(shè)施對學(xué)術(shù)性及技術(shù)性產(chǎn)出都有促進(jìn)作用，但對經(jīng)濟(jì)性產(chǎn)出效率影響不顯著。另外，科研機(jī)構(gòu)所在區(qū)域經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率均有正向影響，農(nóng)業(yè)發(fā)展水平對技術(shù)性和經(jīng)濟(jì)性產(chǎn)出效率有促進(jìn)作用，但對學(xué)術(shù)性產(chǎn)出效率影響不顯著。

本文研究結(jié)論的政策啟示如下：第一，應(yīng)通過適當(dāng)增加R&D 活動人員，將更加有助于提升農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率；第二，鑒于農(nóng)業(yè)科技創(chuàng)新的特殊性及重要性，在保證對農(nóng)業(yè)科研機(jī)構(gòu)財政撥款穩(wěn)定增長的基礎(chǔ)上，針對不同的科技創(chuàng)新產(chǎn)出類型，進(jìn)一步優(yōu)化R&D資金投入結(jié)構(gòu)及投入方向，提高科技經(jīng)費(fèi)的使用效率，提升農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率；第三，改革現(xiàn)有選人、用人考核和評價激勵機(jī)制，充分調(diào)動現(xiàn)有科技人員積極性、創(chuàng)造性和主動性，提升農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率；第四，根據(jù)科技創(chuàng)新不同環(huán)節(jié)、不同成果類型的特征，對各省份及東、中、西各區(qū)域應(yīng)制定差別化的支持模式和科技評價體系，加強(qiáng)科技創(chuàng)新能力，形成有利于各類科技成果產(chǎn)出、轉(zhuǎn)化的體制機(jī)制，提升農(nóng)業(yè)科研機(jī)構(gòu)科技創(chuàng)新效率。