西部农业科技创新能力实证研究

摘要：通过分析农业科技创新能力对农业发展的重要影响，以农业科技经费投入经费为核心着力点建立农业科技创新能力指标评价体系，用因子分析法实证分析了西部十二个省区市农业科技创新能力差异，得出农业科技创新能力与农业科技投入水平走向一致、农业科技经费投入力度对农村其它科技创新能力指标带动作用显著、各级政府基于农业科技经费投入角度对农业科技创新能力重视要素的优先序等结论。

关键词：农业科技 经费投入 创新能力 协同创新

一、引言与文献述评

改革开放以来，我国农业科技创新已成为农业发展的第一推动力，成为支撑我国未来现代农业发展的基础。在农业科技创新作用的推动下，我国农业发展取得了举世瞩目的成绩：仅用占全球7%的土地成功养活了22%的人口，我国农业技术的贡献率达到42.0%，而技术成果转化率达到30%—40%，成果转化的普及率为35%左右。

进入21世纪以后，我国农业进入由传统向现代转变的关键时期，面对新形势、新任务，惟有加快推进农业科技进步与创新，才能突破资源和市场对我国农业发展的双重制约，推进农业增长方式转变，不断提高土地产出率，资源利用率和农业劳动生产率，支撑和引领现代农业建设进程。

从2004年至2013年，中央连续出台10个“一号文件”，都把农业科技创新作为重要建设领域，“要推进农业科技创新，强化建设现代农业的科技支撑”。特别是2012年中央题为《关于加快推进农业科技创新持续增强农产品供给保障能力的若干意见》的一号文件，明确提出：“实现农业持续稳定发展，长期确保农产品有效供给，根本出路在科技，农业科技是确保国家粮食安全的基础支撑，是突破资源环境约束的必然选择，是加快现代农业建设的决定力量。”这为农业科技赋予了“公共性、基础性、社会性”的科学定性，更加明确了农业科技创新的方向与重点。

科技经费投入是农业技术进步的基础，因此也是农业科技创新能力建设的起点，只有不断加大农业科技的投入，才能实现农业和国民经济长期可持续发展。从已有的国内外代表文献来看，舒尔茨（1987）指出科技投入是农业长期发展的主要动力，是实现传统农业向现代农业转变的关键因素①。商五一（2006）认为，加大财政对农业科技的支持力度，既是农业发展的需要，又是公共财政的必然选择②。

从经费投入强度看，Mansfield认为，美国等发达国家的R&D投入强度变化遵循“S”型曲线规律，即表现为缓慢增长期、快速增长期与稳定发展期三个阶段，Leyden 和 Link（1991）等对世界各大洲多数国家的相关数据分析表明，农业科研支出占农业GDP的比例在1971年至1985年间普遍呈上升趋势，其中亚太地区（不包括中国）的农业科研投入增长最快，年均增长6.7%；而发达国家由于其基数较大，农业科研支出的年增长率只有4.0%左右，但农业科研支出增加的绝对数仍然较大。

在农业科研投资经费在农业基础研究与应用研究结构方面，20世纪80年代以来，美国等西方发达国家的基础研究投资在科研总投资中所占的比重均在10%以上③④⑤。黄季焜等（1998）研究表明，20世纪80年代中国农业科技经费投入强度总体处于较低水平，农业科技投资不足。而我国大多数的专家学者都认为，目前我国农业科研投入的重点是应用研究和开发研究，基础研究在科研投资总额中所占的比重偏低，这种结构不利于农业科技创新的持续发展。因此，在国家层面上应逐步提高农业基础研究投资比重，为增强农业科技应用和开发研究奠定理论基础。⑥本文将基于西部十二省区市科技经费投入视角，建立包括资金投入、人员投入、直接产出和间接产出四个一级指标，及下辖9个二级指标，来分析科技经费投入在农业科技能力建设中的作用。

二、现状分析

农业科技创新能力的建设主要是依靠国家农业科技活动经费资助，通过以政府为主导的农业R&D研究来得以实现，因此这种建设具有引致性。从上文的文献评述来看，学者已基本达成共识，需要在国家层面上逐步提高农业基础研究投资比重来增强农业科技创新能力的建设。本文将建立农业科技创新能力的指标体系，来实证科技经费投入对农业科技活动的具体效果。

从数值上来看，西部地区十二个省区市农业科技活动费用在2000年时仅为0.9亿元，到2011年时已达到而到12.7亿元，提高了13倍；与此同时全国农业科技活动费用从2000年的3亿元增加到130.1亿元，提高了42倍。因此从绝对数来看，尽管从2000年开始，西部地区开始实施西部大开放战略，可是从农业科技活动经费支出来看还是落后于全国水平。

分省来看，西部地区在农业科技活动经费方面增长最快的是四川，从2000年的0.1亿元增加到2011年的2.9亿元，提高了28倍。增速最缓的省区是宁夏，其次是，绝对值只分别增加了0.3和1亿元。

从农业科技经费投入强度⑦来看，尽管受到西部大开发政策倾斜，但是西部省区市的增长态势落后于全国平均水平。2000年，全国农业科技经费投入强度为3.02，低于广西（4.81）、重庆（6.24）、贵州（9.71）、云南（4.97）、（84.9）、青海（37.9）和新疆（7.33）。值得注意的是，12个省区市中有7个农业科技经济投入强度是高于全国数值的，这是由于和青海的地区生产总值较低，因此尽管两省数值偏大，但从省份的纵向比较来看仍有重要的意义。到2011年，全国农业科技经费投入强度为24.42，比2000年增长了7倍，该强度仅低于的177.35、甘肃的29.12和青海的148.10，从横向比较来看，西部地区农业科技经费投入强度发展态势不如全国平均水平。

三、农业科技创新能力评价指标体系说明

本文将代表农业科技经费投入变量的农业科技活动经费置于所建立的农业科技创新能力评价指标体系，采用定性与定量相结合的方法，来确定农业科技经费投入在农业科技创新能力评价指标体系中的作用。

（一）指标体系构成

本文主要从农业科技创新的投入和科技创新的产出两大方面入手构建农业科技创新的人员投入、农业科技创新的资金投入、农业科技创新的直接产出以及农业科技创新的间接产出这四个一级指标、9个二级指标的农业科技创新能力评价的指标体系，见表1所示。

本文指标体系的指标界定：

农业科技活动经费支出：根据联合国教科文组织《关于科技统计国际标准化的议案》的原则，把科学技术活动定义为：与各科学技术领域（即自然科学、工程和技术、医学、农业科学、社会科学及人文科学）中科技知识的产生、发展、传播和应用密切相关的系统活动。这些活动包括研究与发展（R&D）、科技教育与培训（STET）及科技服务（STS）。我国在UNESCO定义的基础上，结合我国国情界定我国科技活动包括研究与发展、研究与发展成果应用及与R&D活动相关的技术推广与科技服务活动。《科学技术统计指南》把科技活动分为研究与试验发展（R&D）、科技教育与培训、科技服务三大类。根据科技活动的内涵及统计解释，科技活动经费是反映科技创新资金投入最全的指标之一。因此，本文在农业科技创新能力的投入指标体系中，把农业科技活动经费支出作为指标体系之一。

从事农业科技人员的总数：农业科技活动人员是统计指标，能全面反映农业科技创新投入状况，是反映科技人员投入最全的指标之一。与其他学者成果相比，本文用从事农业科技活动的人员代替了科学家和工程师数量指标，包括范围更广。

技术市场成交合同金额：是指农业科技成果转化到技术市场的交易金额，这一指标便于衡量农业科技创新的产出价值。

农业生产总值：是以货币表现的农、林、牧、渔业全部产品的总量，它反映了一定时期内一个国家或地区农业生产的总规模和总水平。

（二）西部地区农业科技创新能力的评价方法

本文主要采取主因子分析法对我国西部地区的农业科技创新现有能力加以评估。因子分析可在许多变量中找出隐藏的具有代表性的因子，将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。它的基本目的在于通过少数几个因子来描述多个指标或因素之间的关系。用因子分析法来评估我国西部地区的农业科技创新的现有能力，其方法的优点在于因子分析法确定各数据之间关系的权数是基于已有数据的分析而得出的已有指标体系之间内在结构的关系，它们的关系不受主观因素的影响。

（三）因子分析原理及其数学模型

假设我们有m个可能存在相关关系的变量Z1、Z2……Zm含有P个公共因子F1、F2……Fp（m），每个变量Zi含有特殊因子Ui（i=1…m），这些特殊因子Ui间互不相关，且与Fj（j=1…p）也互不相关，每个Zi可由p个公共因子和与自身对应的特殊因子Ui线性组合而成，因子分析的一般数学模型表达为：

把上述方程组改成矩阵表示，则为：

■

我们把它简记为：Z（m*1）=A（m*p） F（p*1）+C（m*m） U（m*1）

为了用少数几个因子来描述很多指标或者是因素之间的关系。同时，为了消除不同观测变量在量级或量纲上的影响，使各指标具有可比性，能将几个指标根据他们相互之间的关系密切程度将相似的归在同一类别中，使每一个变量成为一个因子，本文将每个变量进行标准化的处理，方法如下：

（1）设有n个样本，每个样本有p个指标，建立以下的原始矩阵：

X=X11X12…X1pX21X22…X2p… … …Xn1Xn2…Xnp

我们首先对所取得的数据矩阵进行标准化处理，其标准化以后的矩阵为：X=（xij）nxp，其中xij =（xij-xj）/Sj。

（2）求样本相关系数的矩阵R，R=（r ij）P X p，并判断我们获得的数据是否适合因子分析，主要的判断方法有反映像相关矩阵检验（Anti-image correlation matrix）、巴特利特球体检验（Bartlett test of sphericity）、KMO检验。其中，Barlett检验的目的在于确定所要求的数据是否曲子多远正态分布的总体。其虚无假设是“相关矩阵式一个单位矩阵”，即“相关矩阵对角线上所有元素为1，所有非对角线上元素值为0”。若差异检验的F值显著，表示该相关矩阵不是单位矩阵，索取数据来自正态分布总体，可以做进一步的因子分析，通常采用相关矩阵行列式的卡方检验。而KMO检验从比较观测变量之间的简单相关系数和偏相关系数的相对大小出发，其值得变化从0—1。当所有变量之间的偏相关系数的平方和，远远小于简单相关系数的平方和时，KMO检验的结果值趋近于1。若KMO值过小，则表明变量偶对之间的相关不能被其他变量解释，进行因子分析不合适。

（3）因子提取，采用某种方法计算因子载荷矩阵。对通常用主成分法来估计因子载荷矩阵A而言，就是通过资料矩阵的相关矩阵R来求解出相关系数的非负特征根λi和特征向量L。并根据某种规则，确定描述数据所需要的公共因子数。

（4）用以上的方法求出主因子解，并对求出的初始因子运用载荷矩阵进行旋转变换，使其结构简化，以便更好地对因子进行解释。

（5）根据主因子的贡献率，在因子模型建立后，借助各变量的系数矩阵，并反过来根据其初始的关系来考察每一个样本，用最原始的线性组合来表示主成分，计算各因子的得分。

（6）根据上面获得的公共因子得分，利用公式综合得分=因子1得分*对应方差贡献率/累计方差贡献率+因子2得分*对应方差贡献率/累计方差贡献率+…+因子m得分*对应方差贡献率/累计贡献率来计算综合得分，并以此对西部更省市自治区的农业创新能力进行排名，并综合分析。

四、我国西部地区农业创新能力的实证研究

（一）数据来源

本论文研究所用的基础数据来源于《中国科技统计年鉴》（2000—2011）、《中国统计年鉴》（2000—2011）、《中国农村统计年鉴》（2000—2011）和《中国农业年鉴》（2000—2011）。共收集了2000年—2011年有关内蒙古、广西、重庆、四川、贵州、云南、、陕西、甘肃、青海、宁夏、新疆的数据，作为对比，本论文同时还摘录了全国的统计数据。

（二）实证研究过程

1、数据标准化处理

本文的研究所采用标准化的具体计算公式如下： Xi的标准化值为：Xi'=Xi-Xσ，其中，Xi为指标的统计或原始计算值；X为该体系中指标Xi的平均值；σ为Xi的标准差；Xi'为指标Xi的标准化值。

2、确定相关系数矩阵

根据以上经过标准化处理过后的统计数据，用SPSS19.0统计分析软件，分别对2000—2010年我国西部地区农业科技创新能力的9个分析指标进行因子分析，得到相关系数矩阵，矩阵上半部分为相关性系数矩阵（correlation），值越大，相关性越高；下半部分为显著性水平矩阵（Sig.（1-tailed）），值越小，相关性越显著。其中非常明显的结果是农业科技活动经费支出与R&D经费支出、从事农业科技活动人员、R&D人员当时全量、专利申请授权量、国外主要检索工具收录的论文数、技术市场成交额及土地生产率都有非常显著的相关关系，说明这些指标之间有很好的协同作用。

3、数据可行性的检验

根据SPSS统计软件进行分析的结果，表2列出了KMO检验和Bertlett检验结果。本例中，KMO检验取值为0.746，表明可以进行因子分析。Bartlett检验的F值等于0.000，表明我国西部地区农业科技发展统计数据来自正态分布总体。

4、因子的提取

根据SPSS统计软件分析的结果，下表3给出了全部的解释方差。表中成分为各因子的序号，“初始特征值”为相关系数矩阵的特征值，包括3项：

（1）“合计”为各成分的特征值，从大到小排列，例如，第1个主成分特征值为7.135，第2个主成分的特征值为0.859；

（2）“方差贡献率”为各成分解释的方差占总方差的百分比，即各因子特征值占总特征值总和的百分比；

（3）“累积%”为各因子方差占总方差百分比的累计百分比。

在碎石图中，碎石图的Y轴为特征值，X轴为特征值序号，特征值按大小进行了排序。碎石图中明显的拐点是2，可以得出保留前2个因子将能够概括大部分信息，且前两个因子的方差累计贡献占总方差的比例为99.927%，说明提取前2个公共因子是比较合适的。在更改了因子提取数目之后，我们再用SPSS统计实验进行因子分析，得出的解释方差矩阵如表3所示。

5、对因子载荷矩阵进行旋转变化

用主成分法对成分矩阵进行分析，提取公因子，且提取了8个公共因子（成分）。用SPSS因子载荷旋转成分矩阵写出各分析变量的因子表达式，且因子旋转后，载荷系数的取值明显更加极端，取值更加向0或者1靠近，这样公共因子的解释和命名更加容易。

6、计算公共因子得分

根据SPSS统计软件因子分析的运行结果，下表（见表4）给出了因子得分的系数矩阵。根据该矩阵以及变量的观测值就可以计算出每个因子的得分，如f1≌0.154*V2+0.150*V3+0.151*V4+0.149*V5+0.154*V6+0.149*V7+0.145*V8-0.191*V9（V2—V9按顺序代表数据表中的各个变量）。表达式中各变量均为经过均值0标准差为1标准化后的变量。

提取方法：主成分法。旋转法：具有Kaiser标准化的正交旋转法。构成得分

7、计算综合得分并排序

在获得各个因子的得分之后，利用公式综合得分=因子1得分×对应方差贡献率/累计方差贡献率+因子2得分×对应方差贡献率/累计方差贡献率来计算综合得分。表5列出了2000年—2011年我国西部地区农业创新能力的综合得分统计结果和以综合得分大小进行排序的名次结果。

五、主要结论

通过上述分析及实证，我们建立起一套比较完整的西部地区农业科技创新能力指标体系。对于各省的排名，本文的主要目的是由体系中的投入和产出情况来分析农业科研经费投入对其它变量的影响以及它对农业科技创新能力的作用。

结论1：本文指标体系的建立与现有学者的角度有差异，但结果相似。徐荃子（2007）得出最终的先后排名是四川、云南、全国平均、新疆、陕西、内蒙古、广西、贵州、甘肃、重庆、宁夏、青海和，考虑到该数据与本文数据时间长度有差异，因此两个指标体系的排名是一致的。

结论2：在本文指标体系中，农业科技经费投入与从事农业科技活动人员、R&D人员当时全量、专利申请授权量、国外主要检索工具收录的论文数、技术市场成交额及土地生产率都有非常显著的相关关系，由于指标本身特性无法做因果分析，但是加强农业科技经费投入力度对其它变量的带动作用是明显的，也可得出各级政府在基于农业科技经费投入角度对农业科技创新能力重视要素的优先序应该是：从事农业科技活动人员、R&D人员当时全量、技术市场成交额、土地生产率、专利申请授权量、国外主要检索工具收录的论文数、农业生产总值。从该结论中值得关注的是在增加经费投入的情况下，增加从事农业科技活动人员的数量和R&D人员全时当量对于提高农业科技创新能力有重要的推动作用。

结论3：在2000—2011年我国西部地区农业科技创新能力综合排名中，十二个省市区的得分均低于作为参照的全国（31个省区市，不含港澳台）得分，说明尽管实施了“西部大开发”战略，但西部十二个省区市的农业科技创新能力水平显然与全国还有较大差距，特别是和宁夏等地差距更大，因此在 2012年中央颁布“一号文件”以后，中央和省级政府更应该加大农业科技活动的经费投入力度。

注释：

①舒尔茨.改造传统农业[M]，商务印书馆，1987年，第20—26页

②商五一，梅方权.增加农业科技投入是政府公共财政的必然选择[J].中国科技论坛，2006（3）：83—86

③王安国，陈建全，何利辉.中美农业科技投入与科技体制比较[J].世界农业，2003（H）：15—17

④张峭.农业科研投入现状及优化配置设想[J].中国创业投资与高科技，2004（4）：43—45

⑤彭新德，蔡立湘.中国农业科研投入的政策思考[J].湖南农业大学学报，2005（2）：23—25

⑥马发展.关于当前我国农业科技投入若干问题的思考[J].农业经济问题，2003（6）：44—49

⑦农业科技经费投入强度指农业科技活动经费占当年GDP的比重，为了使得该数值易比较，因此所有比值均乘以105。

⑧土地生产率=农林牧渔业总产值/农用土地总面积

参考文献：

[1]马发展.关于当前我国农业科技投入若干问题的思考[J].农业经济问题，2003（6）：44—49

[2]彭新德，蔡立湘.中国农业科研投入的政策思考[J].湖南农业大学学报，2005（2）：23—25

[3]舒尔茨.改造传统农业[M]，商务印书馆，1987年，第20—26页

[4]商五一，梅方权.增加农业科技投入是政府公共财政的必然选择[J].中国科技论坛，2006（3）：83—86

[5]王安国，陈建全，何利辉.中美农业科技投入与科技体制比较[J].世界农业，2003（H）：15—17

[6]徐荃子.西部区域农业科技创新能力评价研究[D]，中国农业科学院，2007

[7]张峭.农业科研投入现状及优化配置设想[J].中国创业投资与高科技，2004（4）：43—45

（邵宇军，1976年生，中铁物资集团华南公司副董事长兼总经理，工程师。唐斯斯，1982年生，国家信息中心副研究员）