农业科研投入对农业生产效率的影响研究

摘要 基于黄河流域2011—2020年的面板数据，运用超效率SBM模型对该流域农业生产效率进行测算，运用Tobit模型实证分析农业科研投入对该流域农业生产效率的影响。结果表明：①黄河流域在该阶段的农业生产并未达到完全有效，但整体仍表现出上升态势，整体向好趋势明显。②农业科研资金投入规模对黄河流域整体及各区域农业生产效率的影响均显著为正，农业科研资金投入强度对黄河流域及上游、下游农业生产效率的影响显著为正，对中游的影响显著为负；农业科研人力投入对黄河流域及上、中游农业生产效率的影响显著为正，对下游的影响显著为负。

关键词 超效率SBM模型；Tobit模型；农业科研；农业生产效率；黄河流域

中图分类号 F 323.3;F 327  文献标识码 A

文章编号 0517-6611（2023）16-0255-04

doi：10.3969/j.issn.0517-6611.2023.16.059

Study on the Impact of Agricultural Scientific Research Investment on Agricultural Production Efficiency—Taking the Yellow River Basin as an Example

YUAN Gui-hong

（School of Economics and Management，Yangtze University，Jingzhou，Hubei 434023）

Abstract Based on the panel data of the Yellow River Basin from 2011 to 2020，this paper uses the super efficiency SBM model to measure the agricultural production efficiency of the basin，and uses the Tobit model to empirically analyze the impact of agricultural scientific research investment on the agricultural production efficiency of the basin. The results show that：①The agricultural production of the Yellow River Basin in this stage has not been fully effective，but it still shows an upward trend，and the overall trend is obvious.②The scale of agricultural scientific research investment has a significant positive impact on the overall agricultural production efficiency of the Yellow River Basin and each region;the investment intensity of agricultural scientific research funds has a significant positive impact on the agricultural production efficiency of the Yellow River Basin and its upper and lower reaches. The impact on the middle reaches is significantly negative;the impact of agricultural research manpower input on agricultural production efficiency in the Yellow River Basin and the upper and middle reaches is significantly positive，while the impact on the lower reaches is significantly negative.

Key words Super efficiency SBM model;Tobit model;Agricultural scientific research;Agricultural production efficiency;Yellow River Basin

作者简介 袁桂红（1984—），女，山东曲阜人，硕士研究生，研究方向：农业管理。

收稿日期 2022-09-21

科技是第一生产力，发展农业科技是实现我国农业现代化的必经之路，也是将我国建成农业强国的重要保障。一直以来我国政府都高度重视农业科技的发展，1994年以来，我国政府都将“三农”作为中央一号文件的主要内容，同时也将农业科技作为发展农业的重要手段。2022年中央一号文件指出，要大力推进种源等农业关键核心技术攻关，推进种业领域国家重大创新平台建设，加快实施农业关键核心技术攻关工程。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》也指出，要增强农业综合生产能力，完善农业科技创新体系，创新农技推广服务方式，建设智慧农业。

随着农业的持续发展，我国农业总产值和粮食产量持续增高，但其增长已经进入了瓶颈期，这主要是因为我国可供耕种的土地已经基本开发完毕，且城镇的发展也在不断占用耕地，挤占农业发展空间，影响了农业的发展。在这种情况下，已经很难通过扩大农业生产规模来促进农业发展，提高农业生产效率是现下促进农业发展唯一的可行路径。黄河是中华民族的母亲河，黄河流域更是我国的农业主产区。黄河流域地形复杂，既有平原地区，也有高原荒漠地区，虽然河南省、山东省和内蒙古自治区的粮食产量均在全国前十，河南省和山东省更是排第二、三名，但甘肃省等生态脆弱地区粮食产量相对较低。黄河流域地形丰富，农业科技发展也是农业生产效率提升的主要因素，因此研究黄河流域农业科研投入对农业生产效率的影响对于我国高纬度地区农业生产效率的提高、农业生产结构的调整以及农业科研投入结构的调整具有重要的理论与现实意义。

鉴于农业科技和农业生产效率的重要性，国内外学者对此进行了大量研究。一是有关农业科技的研究。农业科技的发展主要包括农业育种［1］、生产模式［2］及其他方面的发展，具体而言，农业育种主要是指水稻、小麦、大豆包括食用菌等的新品种的开发和育种，如杂交水稻［3］、海水稻［4］、超级小麦［5］等；生产模式主要是指栽培、灌溉、采摘等的创新，主要有无土栽培［6］、以草养菇［7］、滴灌［8］、喷灌［9］等；其他方面的创新主要涉及农业生产的各个环节，如化肥、农药等新产品的开发，各类农药机械的研发与升级，以及农产品加工业的创新［10-11］。二是有关农业生产效率的研究。农业生产效率的研究方法主要有比值法、能值分析、随机前沿分析法和数据包络分析法［12］。从农业生产效率影响因素角度出发，主要有自然［13］、社会［14］和政策［16］三大角度。三是农业科研投入对农业生产效率的影响研究。王辰璇等［16］认为农村科技投入对农业生态效率影响呈现为“倒U”型，农业科技投入规模对农业生态效率有着显著的溢出效应。孙慧波等［17］认为以农民专业合作社为主导的农业科技服务体系相对于政府主导型农推体系更有优势。

笔者基于黄河流域2011—2020年的面板数据，运用超效率SBM模型对该流域农业生产效率进行测算，运用Tobit模型实证分析农业科研投入对该流域农业生产效率的影响，以期为流域农业科技创新和农业生产效率的提高提供参考。

1 模型及指标体系构建

1.1 模型构建

1.1.1 包含非期望产出的SBM模型。

数据包络分析（DEA）是一种非参数前沿方法，长期以来一直被用作评估经济、能源、环境和生态效率的方法。但传统的DEA模型是基于投入的比例减少或产出的比例扩大，没有充分考虑输入或输出变量的松弛性问题，不能准确度量效率值。为了降低效率测量的误差，Tone等［18］通过对Anderson超效率模型进行深入研究，结合前期的SBM模型构建出了超效率SBM模型。因此该研究选取超效率SBM模型对黄河流域农业生产效率进行测算，具体公式如下：

minρ*=1+1mmi=1s-ixik

1-1rrr=1s+ryrk（1）

s.txik=nj=1，j≠kγjxij+s-i

yrk=nj=1，j≠kγjyrj-s+r

nj=1γj=1;γj≥0

γj≥0，s-i≥0，s+r≥0

式中：n、m、r分别表示决策单元个数和投入、产出变量个数;xik、yrk表示第k个决策单元的投入、产出变量;s-i、s+r分别代表投入、产出的松弛变量;γj是约束条件;ρ*代表农业生产效率值，ρ*越大，效率值越高。

1.1.2 Tobit模型。

为了更为准确地反映科研投入对黄河流域农业生产效率的影响，该研究根据黄河流域2011—2020年的省级面板数据，构建相应模型来反映科研投入对黄河流域农业生产效率的影响程度和影响方向。由于超效率SBM模型所得数据为截断离散数据，因此该研究采用Tobit模型来反映二者之间的关系，并进行回归分析，具体公式如下：

effiit=α0+α1atiit+α2inteit+α3arsit+α4controlit+εit（2）

式中：i表示地区;t表示时间;α0为常数项；εit为随机误差项；α1、α2、α3、α4为待估系数;atiit、inteit、arsit分别表示农业科研资金投入规模、强度和人力投入。

1.2 指标体系构建

1.2.1 农业生产效率测算体系构建。

农业生产效率是指一定规模投入要素的组合下获得的最大农业产出，是衡量农业发展水平的重要指标，也是衡量农业现代化程度的重要指标。该研究基于2011—2020年黄河流域农业生产面板数据，依据黄河流域自身特点，根据数据的可得性，选取机械、化肥、灌溉、用电、播种总面积、劳动力、塑料薄膜、柴油、农药等作为投入指标，将农业总产值作为产出指标，构建相应的指标体系（表1）。

1.2.2 影响因素指标体系构建。

黄河流域地形复杂，其中、下游地区是我国重要的粮食生产基地，但同时黄河流域上、中游地区也是集中连片的生态脆弱地区，水土流失和土地荒漠化严重，这些因素使得该地区农业生产效率受到较大影响。在这种情况下，黄河流域，尤其是上、中游地区，必须加大对农业科研的投入，以科技带动当地农业发展。因此，该研究根据以往的研究成果，将黄河流域2011—2020年农业生产效率作为被解释变量，将资金和人力等科研投入作为解释变量，将农村经济发展水平、农村劳动力素质、政府支持度、机械化水平、受灾率等作为控制变量，研究黄河流域农业科研投入对该流域农业生产效率的影响，具体指标体系见表2。

1.3 数据来源

该研究数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国科技统计年鉴》《中国人口与就业统计年鉴》及各省、自治区统计年鉴，其中农业科研资金和人力投入及农村劳动力受教育年限并未直接统计，相关指标测算如下所示：

农村劳动力受教育年限=0α0 +6α1+9α2+12α3+16α4

式中：α0表示文盲或半文盲劳动力占比;α1表示小学学历劳动力占比;α2表示初中学历劳动力占比;α3表示高中学历劳动力占比;α4大专及以上学历劳动力占比。

农业科研资金和人力投入并未直接统计，该研究参照前人研究，对科研资金和人力投入进行处理后得到，具体如下：

农业研究与试验发展（R&D）经费支出=研究与试验发展（R&D）经费支出×（农业总产值/地方生产总值）

农业研究与试验发展（R&D）人员当时量=研究与试验发展（R&D）人员当时量×（农业总产值/地方生产总值）