西部農(nóng)業(yè)科技扶貧效率測度及影響因素實證分析
——以陜西省為例

黨夏寧，佟一欣，王云龍

（西北政法大學管理學院，西安 710063）

我國扶貧的主要戰(zhàn)場在農(nóng)村，要發(fā)展農(nóng)村經(jīng)濟就要將現(xiàn)代科技要素引入到農(nóng)業(yè)生產(chǎn)經(jīng)營中，使傳統(tǒng)農(nóng)業(yè)逐漸轉(zhuǎn)變?yōu)楝F(xiàn)代農(nóng)業(yè)。當前我國學術界對于科技扶貧問題在宏觀和微觀層面展開了激烈的討論：柏振忠等[1]認為，在扶貧工作開展中，科技扶貧是較好的手段。劉薇等[2]、楊曼路[3]認為通過科技投入以及科技扶貧的應用，能夠有效提升農(nóng)業(yè)生產(chǎn)率，具有可持續(xù)性。周華強等[4]、馬宗文等[5]認為人才是非常關鍵的一個因素，倘若大量高質(zhì)量科技人才涌入農(nóng)村，并投身于農(nóng)業(yè)科技研究與開發(fā)，便能最大化發(fā)揮科技扶貧的效率和效果。廖寶紅等[6]從理論與實踐的結(jié)合方面，提出通過突出科技人才的推動作用、科技成果的引領作用、科技服務的促進作用，提高農(nóng)業(yè)科技扶貧成效，加快農(nóng)村貧困地區(qū)發(fā)展。

國內(nèi)外研究環(huán)境不盡相同：GALHARDI R等[7]認為一項高水平農(nóng)業(yè)科學技術，不但可以研發(fā)培育出農(nóng)業(yè)新品，還能大幅提升農(nóng)產(chǎn)品產(chǎn)量和質(zhì)量，促使農(nóng)產(chǎn)品價格下降，從而降低占貧困人口收入大部分的食品消費。OMILOLA B[8]認為貧困人口的大部分收入都來源于勞動力，要開發(fā)勞動力密集型的技術來增加對勞動力的需求。OTSUKA K[9]認為由于大部分貧困人口都生活在偏遠山區(qū)或土地貧瘠地，需要開發(fā)適應偏遠貧瘠地區(qū)的技術，但是新技術的使用反而可能會加劇收入差距和不平等性。GUNASENA H PM.[10]認為關于農(nóng)業(yè)技術的推廣還存在一定程度的滯后性，一項新技術往往會最先被農(nóng)業(yè)大戶所應用且領先獲益，而中小農(nóng)戶由于渠道少，很難迅速引進和應用最新農(nóng)業(yè)技術。

從當前國內(nèi)外學者在扶貧和科技扶貧方面的相關研究情況可以看出，國內(nèi)外學者普遍認為科學技術在貧困農(nóng)村地區(qū)的應用，不但可以大幅度推動農(nóng)業(yè)經(jīng)濟的增長，還能幫助中小農(nóng)戶迅速創(chuàng)收。但是，目前國內(nèi)學者并沒有針對具體地域科技扶貧情況展開分析研究，更鮮少報道對科技扶貧效率的評價。因此，筆者選取陜西省為研究對象，并對其10市1區(qū)科技效率進行測算與分析，運用3D框架實證分析其外部影響因素，為提升陜西省科技扶貧效率提供相關建議。

1 研究設計

1.1 科技扶貧效率測算方法

目前測算績效或者效率的方法以隨機前沿分析和數(shù)據(jù)包絡分析為主。相較于隨機前沿分析法，DEA方法不僅無需確定函數(shù)關系，且具有非主觀賦權的優(yōu)勢，對于投入產(chǎn)出指標量化要求不高，效率測算客觀性更甚。因此，選擇運用DEA方法來評價和分析陜西省各地科技扶貧效率。傳統(tǒng)DEA模型如BBC模型都是從徑向角度來測算指標相對效率值，測算結(jié)果無法比較排名，且尚未考慮到松弛變量的影響，以至于測算結(jié)果易高估實際情況。為解決松弛變量問題，Tone首次提出SBM模型，這一模型不僅是從非徑向角度進行測算，同時也考慮到投入產(chǎn)出指標的松弛冗余問題[11]。

針對模型排序問題，次年Tone再次改進模型并提出超效率SBM模型[12]?；谏鲜瞿Ｐ蛢?yōu)劣勢分析，為客觀測算陜西省科技扶貧效率值，最終選取Super-SBM模型進行效率測算。由于DEA模型只能從靜態(tài)角度進行效率測算與分析，無法就跨期時間段動態(tài)分析，便運用Malmquist指數(shù)進行動態(tài)效應分析研究。有助于更深入了解陜西省各地科技扶貧效率的動態(tài)變化、變動原因和變化的貢獻程度，最終更好地為陜西省科技扶貧工作提供決策參考。

1.1.1 DEA-BBC模型為了測算與分析陜西省科技扶貧效率，設定模型如下。

Xj=(x1j,x2j, …,xmj)T

Xij>0表示投入量；i=1，2，…，s。

Yj=(y1j,y2j, …,ynj)T

Yrj>0表示產(chǎn)出量；j=1，2，…，s。

min[θ-ε(eTs-+êTs+)]

θ表示陜西省各地區(qū)效率值；ε表示非阿基米德無窮小參數(shù)；λj表示決策單元的參變量；X為p個決策單元的科技扶貧要素投入，Y為科技扶貧產(chǎn)出，s+、s-表示投入產(chǎn)出松弛冗余變量。

1.1.2 非徑向Super-SBM模型Super-SBM模型是一種基于非徑向角度，充分考慮松弛變量變化的效率模型。超效率 SBM模型具體公式如下。

1.1.3 malmquist指數(shù)馬姆奎斯特提出了 Malmquist指數(shù)模型，其表達式如下所示。

技術進步（Techch）和技術效率變化（Effch）是全要素生產(chǎn)率的分解項，而純技術效率（Pech）和規(guī)模效率（Sech）則是技術效率變化的分解項。

1.2 科技扶貧效率影響因素實證模型

為系統(tǒng)全面研究科技扶貧效率的影響因素，不能僅從測算效率內(nèi)部因素入手，還需從外部視角探究其外力影響因素。因此，借助“3D”框架來構(gòu)造外部影響因素實證模型?？唆敻衤谛陆?jīng)濟學中，提出Density、Distance以及Division這個“3D”框架。Density指通過發(fā)揮自身產(chǎn)出實現(xiàn)集聚經(jīng)濟，用各地區(qū)生產(chǎn)總值來衡量，反映區(qū)域經(jīng)濟密度；Distance指空間上的相距大小，用各市區(qū)與西安市的直線距離來衡量，反映與經(jīng)濟中心的關聯(lián)度；Division指衡量產(chǎn)品的經(jīng)濟流動[13]，它是無數(shù)資源的匯集程度，因此，選擇用各地區(qū)的財政科技投入來衡量，反映區(qū)域科技扶貧資源的集聚程度[14]。建立如下模型。

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

y表示科技扶貧效率值，x1表示經(jīng)濟密度，x2表示各市區(qū)與西安市的直線距離，x3表示財政科技投入，z為控制變量，u為隨機誤差項。i表示各市（區(qū)）（i=1，2，3，…，11），t表示年份，t=2014，2015，…，2018)。

2 陜西省各市區(qū)科技扶貧支出效率測算與分析

為了減少其他因素對科技扶貧支出的影響，借鑒相關文獻以及考慮到數(shù)據(jù)的可獲得性，故將地方政府科技扶貧經(jīng)費支出、R&D經(jīng)費和R&D經(jīng)費強度作為投入指標，將農(nóng)村常住居民人均可支配收入作為產(chǎn)出指標。選取2014—2018年數(shù)據(jù)，并且以陜西省10市1區(qū)為研究對象，數(shù)據(jù)來源主要為《陜西科技年鑒》《陜西統(tǒng)計年鑒》《陜西年鑒》及各城市扶貧辦和科技局門戶網(wǎng)站。運用DEA-Solver Pro5.0軟件測算效率。

2.1 科技扶貧效率靜態(tài)分析

2.1.1 基于Super-SBM模型和傳統(tǒng)DEA模型對比分析表1中的測算結(jié)果可以反映出：DEA-BBC模型測算值大多高于Super-SBM模型測算值，揭示出DEA-BBC模型測算值可能存在虛高，而Super-SBM模型測算結(jié)果更加精確且貼近實際情況，且該模型還能有效處理DEA-BBC模型無法排序的問題。

表1 2014—2018年陜西省10市1區(qū)科技扶貧效率水平測算結(jié)果

從圖1可看出，2014—2018年期間陜西省10市1區(qū)科技扶貧效率整體水平一般，且各市區(qū)之間的差異較大，以2018年為例，只有西安、銅川、渭南、榆林和楊凌5個地區(qū)科技扶貧效率較高，效率值均大于1。從陜西省10市1區(qū)科技扶貧整體發(fā)展趨勢來看，2014—2018年大多數(shù)地區(qū)的科技扶貧效率實現(xiàn)了不同程度的提升，其中寶雞、咸陽、渭南、漢中和商洛上升超過50%。延安和安康效率值下降幅度在50%左右。

圖1 2014-2018年陜西省三大區(qū)域科技扶貧效率

陜西省科技扶貧平均值為0.875，并沒有實現(xiàn)DEA相對有效，說明整體上還未達到最有效的生產(chǎn)前沿，科技扶貧資金消耗過度冗余和科技研發(fā)強度不足是效率水平不高的主要原因，最終影響了科技扶貧效率的提升。陜西省11個市區(qū)中，僅5個城市實現(xiàn)了DEA相對有效，占樣本總量的45.45%，而有6個城市未能實現(xiàn)DEA有效，占樣本總量的54.55%。

從表1可知，城市排名中，銅川（1.612）、楊凌（1.353）和商洛（1.272）依次位列前3位，延安（0.575）、渭南（0.390）和寶雞（0.193）依次位列后3位。當然，DEA測算出的效率值是相對效率，因此排名并不是絕對的，與所選取的樣本容量有直接關系。

2.1.2 三大區(qū)域?qū)Ρ确治鰹榱吮阌趨^(qū)域?qū)Ρ确治?，根?jù)人文民俗和地理環(huán)境將陜西省劃分為陜北、陜南和關中。陜北區(qū)由榆林市和延安市組成，陜南區(qū)分別是漢中市、安康市和商洛市，關中區(qū)有西安市、銅川市、寶雞市、咸陽市、渭南市以及楊凌示范區(qū)。

圖1可反映：三大區(qū)域呈現(xiàn)出“陜北最高，關中次之，陜南最低”的基本態(tài)勢，說明陜西省各市區(qū)科技扶貧效率存在鮮明的地域差異。從三大區(qū)域的科技扶貧效率排名來看，與經(jīng)濟發(fā)展水平明顯不一致。關中區(qū)整體經(jīng)濟發(fā)展水平最佳，但所含城市扶貧效率參差不齊，雖然銅川、楊凌和西安均實現(xiàn)了DEA有效，但寶雞和渭南扶貧效率卻是效率最低的兩個城市，說明這兩座城市科技扶貧資金消耗過度冗余，沒有到達最佳理想狀態(tài)。陜南區(qū)整體經(jīng)濟水平相對落后，而其中最為貧困的商洛市效率最高且實現(xiàn)了DEA有效。而陜北區(qū)整體經(jīng)濟狀況位居三大區(qū)域中列，然其科技扶貧效率整體最高，主要歸功于榆林市。2014年以來，陜北、陜南和關中的科技扶貧效率總體均處于下降趨勢，因此，不能只關注經(jīng)濟整體落后的區(qū)域，還需要注意整體經(jīng)濟發(fā)展良好的城市，如：寶雞和渭南市的貧困地區(qū)，加大其科技扶貧效率監(jiān)控力度，著力改善當?shù)乜萍挤鲐毿Ч?/p>

2.2 科技扶貧效率動態(tài)分析

2.2.1 陜西省科技扶貧Malmquist指數(shù)整體變化分析

進一步運用DEA-Malmquist指數(shù)對陜西省10市1區(qū)2014—2018年科技扶貧效率進行動態(tài)實證分析，運用DEAP 2.1軟件測算出下述各效率值，如表2所示。

表2 2014—2018年陜西省10市1區(qū)科技扶貧效率Malmquist指數(shù)

從陜西省整體來看，Malmquist指數(shù)平均值小于1，說明陜西省科技扶貧效率水平整體呈下降趨勢，主要原因是我國近年雖然在大力實現(xiàn)全面脫貧，科技扶貧投入巨大，但由于技術瓶頸和資源配置不當，導致其扶貧效率不佳。從技術進步變化指數(shù)來看，2014—2018年均小于1，表明農(nóng)業(yè)科技發(fā)展水平在逐漸下降，技術進步停滯不前是抑制科技扶貧效率提升的關鍵原因。

從城市區(qū)域來看，除了西安和商洛2個城市外，其他9個城市的Malmquist指數(shù)平均值小于0.9，說明陜西省大部分城市的科技扶貧效率呈下降趨勢。從技術效率變化指數(shù)來看，僅漢中和榆林兩個城市指數(shù)平均值小于0.9，說明大部分城市的科技資源配置效率適當；從技術進步變化指數(shù)來看，除西安和商洛外，其他城市技術進步變化指數(shù)均值小于0.9，技術進步也呈逐年下降趨勢，總體經(jīng)濟發(fā)展良好的城市應借鑒和學習西安市的科技進步經(jīng)驗，經(jīng)濟相對落后的城市應多借鑒商洛市的科技扶貧技術。

2.2.2 陜西省科技扶貧技術效率指數(shù)變化分析技術效率指數(shù)（effch）能夠反映各地區(qū)扶貧投入由于當?shù)乜萍歼M步或者規(guī)模投入成本的降低而引致科技扶貧產(chǎn)出增加。表3可反映出，2014—2018年間，陜西省科技扶貧綜合技術效率保持平穩(wěn)狀態(tài)，2015—2016年除外，總體保持在1.0上下略微浮動。另外，從這5 a間的數(shù)據(jù)中可以看出，純技術進步效率和規(guī)模效率指數(shù)變化趨勢略有不同，但總體變化趨勢相近，均值分別是1.022和0.985。結(jié)合表2，具體來看，有45.45%的地區(qū)保持科技扶貧投入規(guī)模報酬遞增，楊凌、延安和咸陽分別實現(xiàn)1.27、1.118和1.057，為前3個規(guī)模報酬效率最高的城市。銅川市保持科技扶貧投入規(guī)模效率不變，效率值維持在1.0。最后，還有54.55%的地區(qū)科技扶貧投入規(guī)模效率小于1，處于規(guī)模報酬遞減的狀態(tài)，這說明陜西省科技扶貧產(chǎn)業(yè)集群還沒有形成，規(guī)模效應特征不夠顯著，由投入規(guī)模變化引致的投入成本降低的現(xiàn)象仍不明顯。

另外，根據(jù)表3數(shù)據(jù)可以明顯看出，綜合技術效率變化趨勢和規(guī)模效率變化趨勢完全一致，均是先上升后下降。因此，盡管純技術效率呈現(xiàn)較大波動，但對于技術效率指數(shù)的影響還是比較小的。2014—2015年間純技術效率指數(shù)值最低，5 a間一直處于上升趨勢，直至2017—2018年間達到最高值（1.154）。由此可見，純技術效率的影響太弱，說明現(xiàn)有的技術手段還沒有對科技扶貧產(chǎn)生顛覆性的影響。

表3 2014—2018年陜西省10市1區(qū)效率指數(shù)分解

3 陜西省科技扶貧效率影響因素實證分析

通過Super-SBM模型測算出了陜西省10市1區(qū)科技扶貧效率值，分析出了該省的科技扶貧效率基本狀況，現(xiàn)以各地區(qū)的科技扶貧效率值為被解釋變量，以此來構(gòu)建3D-OLS模型來進一步深入分析陜西省科技扶貧效率的外部影響因素。選取Density、Distance以及Division作為解釋變量，各地區(qū)可支配收入和固定資產(chǎn)投入作為控制變量。運用stata14.0對陜西省10市1區(qū)2014—2018年數(shù)據(jù)進行分析，數(shù)據(jù)來源于《陜西省統(tǒng)計年鑒》，表4為影響因素穩(wěn)健回歸結(jié)果。

表4 陜西省科技扶貧效率影響因素3D-OLS結(jié)果

從回歸模型結(jié)果可以得出，經(jīng)濟密度與科技扶貧效率在5%的水平上顯著正相關，說明當?shù)卣w經(jīng)濟環(huán)境越好，科技扶貧效率的提升作用也會更加明顯。這可能是由于整體經(jīng)濟環(huán)境的改善，從而形成規(guī)模效應和網(wǎng)絡效應很大程度上促進了科學技術在扶貧中的發(fā)揮。與省會中心城市的直線距離與科技扶貧效率在1%的水平上顯著負相關，說明與省會中心城市的直線距離對科技扶貧效率有負向影響，與中心直線距離越短，科技扶貧效率越高。這可能是由于隨著社會的不斷發(fā)展，大量的人才、土地和資金都在向中心城市聚集，使得中心城市的農(nóng)業(yè)科技發(fā)展水平最高，最終形成以省會為中心，向四周輻射的局面。因此，與中心距離越近，科技扶貧效率越高?？萍钾斦度肱c科技扶貧效率的顯著性不佳，說明科技財政資金沒有得到有效配置，因此，對科技扶貧效率尚不具影響。也能側(cè)面反映出并不是資金越多，效率越高，資金使用如果存在冗余或配置不當，反而會使效率大幅下降。

4 結(jié)論與政策建議

4.1 研究結(jié)論

基于時空格局差異性視角，運用Super-SBM模型測算與分析陜西省科技扶貧效率，借助3D分析框架構(gòu)建外部影響因素計量模型，得出以下結(jié)論：（1）從區(qū)域分布來看，陜西省科技扶貧效率呈現(xiàn)出“陜北最高，關中次之，陜南最低”的基本態(tài)勢，其中效率位列陜西省前三的城市分別是銅川、楊凌和商洛市。（2）從時序變化來看，2014—2018年，陜西省科技扶貧效率總體呈下降趨勢，技術進步變化指數(shù)和規(guī)模效率變化指數(shù)逐年遞減是導致其總體趨勢下降的內(nèi)在根本原因。說明陜西省科技扶貧資源配置效率有待提高，陜西省科技扶貧政策方針執(zhí)行和制度設計把控也有很大提升空間，且尚未形成科技扶貧規(guī)模效應。（3）從外部影響因素來看，與省會城市直線距離和經(jīng)濟密度都對陜西省科技扶貧效率提升有顯著影響，財政科技投入資金存在冗余和配置不當，尚未顯現(xiàn)對科技扶貧效率的影響。

4.2 政策建議

4.2.1 以效率區(qū)域差異性為切入點，揚長補短可以通過陜北優(yōu)勢地區(qū)推進各區(qū)域科技扶貧發(fā)展動力。與此同時，陜西省政府需要建立科技扶貧協(xié)作機制，保障科技扶貧效率有效投入，并讓科技扶貧項目與貧困農(nóng)戶真正實現(xiàn)利益聯(lián)動。各市區(qū)也要形成大局觀，積極發(fā)揮區(qū)域優(yōu)勢，實現(xiàn)優(yōu)勢互補。

4.2.2 合理配置科技扶貧資源，提升效率只有合理高效配置科技扶貧資源，才能有效促進農(nóng)業(yè)科技的進步，并最終帶動產(chǎn)業(yè)規(guī)模的大幅擴張。農(nóng)產(chǎn)品的生產(chǎn)品質(zhì)和效率越高，規(guī)模效應發(fā)揮越到位，產(chǎn)品優(yōu)勢就越大，為農(nóng)戶增收提供的空間也就越大。因此，合理配置科技扶貧資源，著力提升技術進步效率和規(guī)模效率在今后是陜西省各市區(qū)的科技扶貧開發(fā)重點。

4.2.3 充分認識“3D”外部影響因素，因地制宜經(jīng)濟密度和空間距離因素對于陜西省科技扶貧效率具有顯著影響，且由于區(qū)域位置和經(jīng)濟水平的不同，對于每個城市的影響程度均有所不同。因此，陜西省各市區(qū)在開展科技扶貧工作時，務必因地制宜。