安徽省农业创新系统效率评价及分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇安徽省农业创新系统效率评价及分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：本文基于创新系统理论，从科技经济、生态环保等方面建立农业技术创新效率的评价指标体系，基于2009年安徽省各地市的农业数据，综合运用3个DEA模型对安徽省各地市农业创新系统效率进行评价，从纯技术效率、规模效率、规模状态进行全面分析，然后对DEA无效地区进行投影分析。研究结果表明：安徽省农业创新系统效率整体水平一般，区域差异明显，只有黄山市实现了农业科技经济与生态环保的协调发展，投影分析发现，农业科技经济投入指标中都存在不同程度的冗余，农业财政支出指标的冗余率相对最低，专利申请量指标产出严重不足，最后给出相应的政策建议。

关键词：农业创新系统；DEA；效率评价；生态环境

中图分类号：F327.54 文献标志码：A 文章编号：1001-862X(2012)02-0025-008

一、引 言

安徽省是中部地区粮食重镇，农业、农村和农民问题是安徽经济腾飞过程中的关键难题。实践证明：以增加要素投入来带动增长的粗放式经营模式，并不是经济发展的长久之计。受困于耕地资源制约和人口增长的原因，现代农业不可能依靠要素投入的无限扩张。因此，进一步推广农业技术创新、建立和不断完善区域农业创新系统，成为我省发展现代农业生产、提高农业产业竞争力、转变农业增长方式的重要途径之一，也是实现经济与社会协调和可持续发展的正确选择。

近年来农药、化肥等生产资料的大量使用极大地提高了农产品的数量，但由于农民的过度与不当使用，造成大量土壤遭到破坏、农产品质量无法得到保障等不良后果，农民有粮无钱已成为不争的事实。由于粗放式生产，水资源污染有所加重，水资源时空分布不均，洪涝干旱等自然灾害时有发生，给农业生产造成一定的经济损失，从而制约了当地农业经济发展。因此，在保持农业科技经济快速增长的同时，充分重视农业生态环境已经变得极其紧迫而严峻。为此，将农业生态环境纳入区域农业创新系统评价框架之内，研究安徽省农业创新系统资源利用效率的区域差异，并在此基础上制定有针对性的相关政策，对于保障农业生产安全、转变农业增长方式、保护生态环境，促进安徽省科技经济与生态环境的协调发展具有重要的战略与现实意义。

二、相关文献综述

国外学者从不同角度对农业创新系统的概念进行界定，具有代表性的学者，如CHAIRSTANA（2000）对泰国的农业创新系统进行了探索研究，并将其定义为以农业为基础的产业网络和生产链，且认为农业创新系统中的主体应包括支持者、受到影响的机构和生产者。[1]TEMELA （2003）运用图形理论法分析了阿塞拜疆农业创新系统的结构和创新主体之间的联系，为后续农业创新系统的研究提供了具有一定借鉴意义的方法与分析工具[2]。国内学者涂俊、吴贵生（2006）在国外学者研究的基础上，结合中国农业发展的实际，提出了我国区域农业创新系统的概念，他认为，区域农业创新系统是指在一个区域内，由农业技术科研机构、政府相关支持部门、农业技术推广机构、农民和企业共同构成的农业技术研发与推广网络[3]。

在此基础上，本研究将生态环境因素纳入农业创新系统的定义框架之内，认为安徽省农业创新系统是指在一个区域内（安徽省各地市），由企业、农业科技知识创造与科技知识应用机构、大学、政府及中介组织、农民共同构成的农业技术创新网络。创新系统主体之间通过互相学习与合作，促进系统内隐性与显性知识在各要素之间的传播，从而提高农业部门的创新能力和核心竞争力，推动区域科技经济、生态环保的协调统一与可持续发展。

然而，对创新系统进行评价是比较困难的，但如果定标在产品上，则创新系统的绩效评估就变得容易很多[4]，创新系统绩效可分为结果绩效和效率绩效，笔者认为，从效率绩效角度进行评估，不但可以对农业创新系统绩效进行改善，同时进一步促进安徽省农业向集约型经济增长方式的转变，因而更加适合安徽省农业创新与可持续发展战略的要求。目前，农业创新系统评价领域的研究文献并不多见，涂俊等（2006）基于创新系统理论，采用DEA- Tobit两步法对我国30个省、市、自治区农业创新系统效率进行比较，并分析创新效率的影响因素[3]。结果表明，农村基础教育水平和自然灾害对区域农业创新系统具有显著影响，而政府科技经费并不是显著影响因素[5]。杨永军等（2006）选取2003年的县级统计调查数据，运用DEA-Tobit模型，对山东与河北两省的共78个县域农业创新系统效率进行评价，结果表明，农村基础教育水平、市场建设以及技术服务推广人员工资水平对县域农业创新系统效率具有显著的影响 。然而，上述学者基本上都停留在科技经济效率研究阶段，关注的是农业科技经济产出最大化，没有考虑农业生态环境的影响，重视农业资源的节约，而轻视了农业生态环境的保护，有悖于中国农业经济发展现状，从而无法客观反映区域农业创新系统效率的高低。考虑农业生态环境效应的区域农业创新系统效率研究将农业创新系统的研究提升到一个新的阶段，但是其尚处于研究起始阶段，相关文献尚未见到，有待进一步深入研究。

本研究延续和拓展涂俊和杨永军等的研究，力求更加全面、系统地考察包括农业生态环境因素在内的安徽省农业创新系统效率的区域特征，首先，将农业创新系统分为农业科技经济子系统和农业生态环保子系统，并基于创新系统理论、投入产出原理分别建立各子系统评价指标体系；其次，综合运用 C2R, C2GS2，超效率C2R模型对安徽省农业创新各子系统效率进行测度，分析比较2009年安徽省17个地市的农业创新效率，并将其分解为纯技术效率与规模效率；然后，对农业科技经济子系统效率无效地区进行投影分析，找出存在的差距及改进方向与程度；最后，从资源节约与农业生态环境保护角度出发，给出了一些政策建议，以期为安徽省农业科技经济发展及生态环境保护等政策的制定提供科学的决策依据。

三、研究方法

评价系统效率的方法主要分为两类，一类是参数技术，如随机前沿方法（SFA），一类是非参数技术，如数据包络分析方法（DEA）。两类方法各有其优势与不足，随机前沿技术充分考虑了随机误差和无效率因素对创新效率的影响，但其前提是正确设定函数模型；DEA方法有效地揭示了技术创新效率的内涵，无需对函数模型进行事先假定，是由CHARNES于1978年提出的一种评价多投入、多产出指标决策单元的非参数统计方法[６]。传统的C2R模型根据规模报酬不变的假设，计算出决策单元的技术效率（或称综合效率），而第二个DEA模型——C2GS2模型则隐含了规模报酬可变的假设，测度的是决策单元的纯技术效率，纯技术效率是指剔除了规模因素和投入资源处置能力变化影响的效率，其值更多地体现出经营者的管理水平。技术效率=纯技术效率×规模效率，从而可以得出规模效率值，规模效率表示与规模有效点相比，规模经济性的发挥程度。然而，上述两个模型都只能将评价单元区分为有效和无效，对DEA有效单元无法进行比较分析。ANDERSEN (1993)提出的超效率C2R模型则弥补了这一缺陷，使同是DEA有效决策单元也可以互相比较。其基本思路：在对某个决策单元评价时，将自身排除在生产约束集之外，能增加投入而保持相对有效性的最大比例值即为该决策单元的效率值[7]。本文选取基于产出不变的DEA模型，其对偶形式如下：