基于DEA模型的安徽省農(nóng)業(yè)科技效率評(píng)價(jià)

許亞松 張克榮 侯有信

摘 要：基于DEA模型對(duì)安徽省2018年16地市農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行測算，并通過各投入產(chǎn)出效率值和投影分析，研究安徽省農(nóng)業(yè)科技創(chuàng)新現(xiàn)狀及影響因素。結(jié)果表明，安徽省農(nóng)業(yè)科技效率整體水平良好，但地區(qū)間差異較大;皖北城市資源要素投入冗余現(xiàn)象較為嚴(yán)重，資源配置不合理成為制約安徽省各地區(qū)農(nóng)業(yè)科技創(chuàng)新投入產(chǎn)出效率提高的根本性問題。

關(guān)鍵詞：DEA;農(nóng)業(yè)科技創(chuàng)新;技術(shù)效率

中圖分類號(hào) F270.3;F273.4文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1007-7731（2020）22-0190-05

Abstract： Based on DEA model，the efficiency of agricultural science and technology innovation in 16 cities of Anhui Province in 2018 is calculated，and the current situation and influencing factors of agricultural science and technology innovation in Anhui Province are studied through input-output efficiency value and projection analysis. The results show that the overall level of agricultural science and technology efficiency in Anhui Province is good，but there are great differences between regions. The projection analysis shows that the redundant input of urban resource elements in Northern Anhui Province is more serious，and the unreasonable allocation of resources has become a fundamental problem restricting the improvement of input-output efficiency of agricultural science and technology innovation in various regions of Anhui Province.

Key words： DEA;Agricultural science and technology innovation;Technical efficiency

隨著全球化和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，國家間的競爭日益激烈，建設(shè)創(chuàng)新型國家、提高科技創(chuàng)新能力越來越成為各國的目標(biāo)和共識(shí)。黨的十九大報(bào)告中，習(xí)近平總書記強(qiáng)調(diào)創(chuàng)新是引領(lǐng)經(jīng)濟(jì)發(fā)展的第一動(dòng)力，而農(nóng)業(yè)作為國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)，推動(dòng)現(xiàn)代農(nóng)業(yè)科技創(chuàng)新體系建設(shè)是完善創(chuàng)新體系的戰(zhàn)略支撐。另一方面，農(nóng)業(yè)科技創(chuàng)新是推動(dòng)農(nóng)業(yè)可持續(xù)發(fā)展的決定性力量，是轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式的核心支撐，是早日實(shí)現(xiàn)鄉(xiāng)村振興和全面小康的重要途徑。安徽省作為傳統(tǒng)農(nóng)業(yè)大省，農(nóng)業(yè)科技創(chuàng)新是安徽省創(chuàng)新體系的重要組成部分，農(nóng)業(yè)科技創(chuàng)新水平是衡量整個(gè)地區(qū)或國家科技發(fā)展水平的重要指標(biāo)，因此，研究農(nóng)業(yè)科技創(chuàng)新效率對(duì)于促進(jìn)安徽省農(nóng)業(yè)現(xiàn)代化發(fā)展和增強(qiáng)地區(qū)競爭力具有重要意義。

目前，針對(duì)農(nóng)業(yè)效率的研究多以DEA模型為主，DEA 模型對(duì)于多投入多產(chǎn)出生產(chǎn)效率的測度相對(duì)來說比較全面和準(zhǔn)確。Ali Emrouznejad[1]通過對(duì)近40年來與DEA相關(guān)文獻(xiàn)的全面分析發(fā)現(xiàn)，環(huán)境效率和定向距離功能（DDF）、網(wǎng)絡(luò)DEA、基準(zhǔn)測試、規(guī)?；貓?bào)（包括規(guī)模效率）是當(dāng)前學(xué)術(shù)的研究熱點(diǎn)。此外，研究還發(fā)現(xiàn)，農(nóng)業(yè)、銀行、供應(yīng)連鎖、運(yùn)輸和公共政策是DEA的五大應(yīng)用領(lǐng)域。國外學(xué)者對(duì)農(nóng)業(yè)效率的研究較為豐富，多以農(nóng)業(yè)科技效率、生態(tài)效率、能源效率等為研究對(duì)象，主要運(yùn)用BCC、CCR和改進(jìn)后的SBM、Tobit模型或Malmquist指數(shù)模型等方法測度農(nóng)業(yè)效率。Lucio Cecchini[2]采用SBM-DEA模型與翁布里亞（意大利）10個(gè)奶牛場的生命周期分析（LCA）結(jié)果相結(jié)合，以評(píng)估其生態(tài)效率和減排潛力。Muditha Karunarathna[3]研究調(diào)查了不同農(nóng)業(yè)生物多樣性指標(biāo)（作物多樣性、牲畜多樣性和農(nóng)業(yè)多樣性）與農(nóng)業(yè)技術(shù)效率（TE）之間的關(guān)系。Lidia Angulo-Meza[4]在生命周期評(píng)估+數(shù)據(jù)包絡(luò)分析（LCA+DEA）方法的基礎(chǔ)上，把碳足跡（CF）+DEA方法的4步方法中引入多目標(biāo)DEA模型評(píng)估有機(jī)藍(lán)莓果園的生態(tài)效率，這是目前LCA+DEA方法中使用的第一個(gè)多目標(biāo)模型。W.Mu，A.Kanellopoulos[5]采用數(shù)據(jù)包絡(luò)分析（DEA）方法評(píng)估了奶牛養(yǎng)殖系統(tǒng)的生態(tài)效率，使用模糊DEA來實(shí)現(xiàn)考慮到環(huán)境和經(jīng)濟(jì)指標(biāo)值的不確定性，精確了生態(tài)效率的量化。

農(nóng)業(yè)科技創(chuàng)新效率的是用來衡量農(nóng)業(yè)科技創(chuàng)新過程中實(shí)際有效產(chǎn)出與投入之比。國內(nèi)的研究多以一階段DEA模型為主，且研究對(duì)象主要集中在全國或各省份。例如趙桂燕[6]運(yùn)用DEA模型，建立了農(nóng)業(yè)科技創(chuàng)新效率評(píng)價(jià)指標(biāo)體系，從綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率3個(gè)方面分析了黑龍江墾區(qū)農(nóng)業(yè)科技創(chuàng)新效率。陳振[7]運(yùn)用DEA模型對(duì)河南省各地市農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行測算，從綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率和冗余程度等方面分析河南省農(nóng)業(yè)科技創(chuàng)新現(xiàn)有狀況及影響因素。楊林、鄭麗芳[8]運(yùn)用超效率DEA模型對(duì)廣東省農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行了分析，研究發(fā)現(xiàn)其農(nóng)業(yè)科技存在投入資金不足、農(nóng)業(yè)科學(xué)技術(shù)方面的人才短缺等問題。肖碧云[9]利用DEA模型測評(píng)了我國31個(gè)省份的農(nóng)業(yè)科技創(chuàng)新資源配置效率。王俊鳳[10]運(yùn)用DEA模型，對(duì)黑龍江省34個(gè)省級(jí)農(nóng)業(yè)科技園區(qū)的創(chuàng)新效率、投入冗余、超效率分析等方面進(jìn)行評(píng)價(jià)。

然而，目前國內(nèi)的研究多集中在全國和省域?qū)用?，針?duì)安徽省農(nóng)業(yè)科技創(chuàng)新效率的研究寥寥無幾，且大多以定性的建議對(duì)策為主。安徽省作為傳統(tǒng)農(nóng)業(yè)大省，更應(yīng)積極探索現(xiàn)代農(nóng)業(yè)的轉(zhuǎn)型和升級(jí)，因此，研究安徽省農(nóng)業(yè)科技創(chuàng)新效率，對(duì)加快安徽省農(nóng)業(yè)現(xiàn)代化發(fā)展，優(yōu)化農(nóng)業(yè)科技創(chuàng)新資源配置，提高區(qū)域競爭力有著重要的意義。基于以上的研究，本研究利用DEA模型對(duì)安徽省各地市農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行測算，并對(duì)各地區(qū)投入產(chǎn)出效率結(jié)果進(jìn)行分析和評(píng)價(jià)，最后提出了相應(yīng)的對(duì)策建議。

1 DEA模型

1.1 數(shù)據(jù)包絡(luò)分析（DEA） 數(shù)據(jù)包絡(luò)分析（DEA）是由運(yùn)籌學(xué)家A.Charnes、W.W.Cooper等于1978年提出的一種以相對(duì)效率概念為基礎(chǔ)，用于評(píng)價(jià)多投入、多產(chǎn)出指標(biāo)決策單元的非參數(shù)統(tǒng)計(jì)方法，運(yùn)用凸分析和線性規(guī)劃對(duì)各DMU效度進(jìn)行測量，可以評(píng)價(jià)相同部門間的相對(duì)有效性[11]。DEA 作為一種非參數(shù)方法，是處理多目標(biāo)決策問題時(shí)的有力工具，廣泛運(yùn)用于經(jīng)濟(jì)和管理領(lǐng)域。DEA模型的顯著特點(diǎn)在于不需要提前設(shè)定參數(shù)，無須對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，在一定程度上減少主觀因素和運(yùn)算誤差的影響，具有良好的客觀性。

1.2 DEA數(shù)學(xué)模型 常用的DEA 模型可分為規(guī)模報(bào)酬不變（CCR）模型與規(guī)模報(bào)酬可變（BCC）模型2種[12]，CCR模型指當(dāng)投入量以等比例增加時(shí)，產(chǎn)出量應(yīng)以等比增加。然而實(shí)際的生產(chǎn)過程中規(guī)模報(bào)酬并不會(huì)一成不變。為了測度各決策單元的規(guī)模報(bào)酬變化情況，本研究采用BCC 模型，其中綜合技術(shù)效率（TE）=純技術(shù)效率（PTE）×規(guī)模效率（SE）。BCC模型可表示為：

[s.tminθ-ε（eTs-+eTs+j=1nXjλj+S-=θX0j=1nYjλj-S+=Y0λj≥0，S-，S+≥0]

式中，[j=1，2，…，n]表示不同的決策單元，X表示投入變量，Y表示產(chǎn)出變量;θ則表示DMU離有效前沿面的一種徑向優(yōu)化量或“距離”;S+、S-分別為松弛變量;ε為非阿基米德無窮小量，其本質(zhì)上是一個(gè)線性規(guī)劃問題。若[θ=1，S+=S-=0]，則決策單元DEA有效;若[θ=1，S+≠0]或[S-≠0]，則決策單元弱DEA有效;若[θ]<[1]，則決策單元非DEA有效。

2 指標(biāo)選取與數(shù)據(jù)來源

2.1 數(shù)據(jù)來源 本研究收集2018年安徽省各地級(jí)市的相關(guān)指標(biāo)數(shù)據(jù)，數(shù)據(jù)主要來源于2019年《安徽省統(tǒng)計(jì)年鑒》及安徽省科技成果登記系統(tǒng)。由于農(nóng)業(yè)R&D經(jīng)費(fèi)、農(nóng)業(yè)科技活動(dòng)人員2個(gè)指標(biāo)在現(xiàn)有統(tǒng)計(jì)數(shù)據(jù)中沒有相關(guān)資料，且獲取難度較大，無法調(diào)研統(tǒng)計(jì)。綜合參考和借鑒其他學(xué)者的已有研究，本研究采用公式“農(nóng)業(yè)R&D經(jīng)費(fèi)=R&D經(jīng)費(fèi)×（農(nóng)業(yè)總產(chǎn)值/生產(chǎn)總值）;農(nóng)業(yè)科技活動(dòng)人員=科技活動(dòng)人員×（農(nóng)業(yè)總產(chǎn)值/生產(chǎn)總值）”進(jìn)行指標(biāo)處理[13]。

2.2 評(píng)價(jià)指標(biāo)體系的構(gòu)建 科學(xué)合理地選擇農(nóng)業(yè)科技創(chuàng)新系統(tǒng)指標(biāo)對(duì)于評(píng)價(jià)DEA測量結(jié)果十分重要[14-16]。參照相關(guān)研究中投入產(chǎn)出指標(biāo)選擇的基礎(chǔ)上，本研究建立的農(nóng)業(yè)科技創(chuàng)新投入-產(chǎn)出評(píng)價(jià)指標(biāo)體系主要包括4個(gè)投入指標(biāo)和2個(gè)產(chǎn)出指標(biāo)。投入變量方面，人力資源的投入采用農(nóng)業(yè)R&D人員數(shù)來表示，土地要素投入選取農(nóng)作物總播種面積來表示，技術(shù)要素的投入采用農(nóng)業(yè)機(jī)械總動(dòng)力表示，最后選取農(nóng)業(yè)R&D經(jīng)費(fèi)作為財(cái)力的投入。產(chǎn)出變量方面，分別采用農(nóng)業(yè)總產(chǎn)值和農(nóng)業(yè)科技成果，體現(xiàn)安徽省在農(nóng)業(yè)科技方面所取得的成果，具體見表1。

3 實(shí)證分析

根據(jù)DEAP2.1軟件的測算，得到2018年安徽省16地市農(nóng)業(yè)科技投入產(chǎn)出效益的結(jié)果，各地市效率值和規(guī)模報(bào)酬變化情況見表2。

3.1 綜合技術(shù)效率 從表2可以看出，2018年安徽省農(nóng)業(yè)科技綜合效率平均值為0.839，說明安徽省農(nóng)業(yè)科技創(chuàng)新效率整體水平較好，但還存在提升的空間。為了區(qū)分各地市農(nóng)業(yè)科技創(chuàng)新水平差異，根據(jù)表2的數(shù)據(jù)特點(diǎn)，把綜合技術(shù)效率值分成以下4個(gè)區(qū)間：θ=1，0.900≤θ<1，0.700≤θ<0.900，0.400≤θ<0.700。這樣，可以得到每個(gè)區(qū)間的指標(biāo)占比情況，其結(jié)果見表3。

當(dāng)綜合技術(shù)效率值為1時(shí)，則說明該地區(qū)資源配置效率已達(dá)到最優(yōu)狀態(tài)，無須再對(duì)投入產(chǎn)出進(jìn)行調(diào)整。處于DEA有效區(qū)域的有宿州、阜陽、六安、宣城 、黃山等5個(gè)地市，約占總體樣本的1/3，這些地市處于規(guī)模報(bào)酬不變階段，綜合技術(shù)效率達(dá)到最優(yōu)，說明農(nóng)業(yè)科技創(chuàng)新的投入和產(chǎn)出能力較強(qiáng)。宿州、阜陽2個(gè)皖北城市地處華北平原，是傳統(tǒng)農(nóng)業(yè)大市，農(nóng)作物播種面積都居于全省前3位，擁有良好的農(nóng)業(yè)生產(chǎn)環(huán)境;農(nóng)業(yè)機(jī)械總動(dòng)力水平也較高，這得益于當(dāng)?shù)卣畬?duì)農(nóng)業(yè)機(jī)械化技術(shù)推廣和農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)的大力政策扶持，所以這兩市投入和產(chǎn)出能力較強(qiáng)。六安市農(nóng)業(yè)科技成果數(shù)在當(dāng)年遙遙領(lǐng)先于其他城市，說明其農(nóng)業(yè)科技創(chuàng)新轉(zhuǎn)換效率較高，宣城和黃山市雖然農(nóng)業(yè)生產(chǎn)規(guī)模不大，但其得益于農(nóng)業(yè)資源配置比例較為合理，綜合效率值達(dá)到最優(yōu)。非DEA有效區(qū)域占總體樣本的多數(shù)，大于0.9效率值的有亳州、蕪湖、安慶，說明這3個(gè)地市的綜合技術(shù)效率雖未達(dá)到最優(yōu)，但效率值較高，只要根據(jù)分析結(jié)果稍加調(diào)整即可達(dá)到DEA有效。而其余地市都處于0.4～0.9的水平，部分效率值較低，說明這些地市農(nóng)業(yè)資源配置不合理，主要是由于農(nóng)業(yè)投入沒有被有效利用，出現(xiàn)了比較嚴(yán)重的農(nóng)業(yè)科技資源投入冗余，造成產(chǎn)出不足，存在較大的改進(jìn)空間

3.2 純技術(shù)效率和規(guī)模效率 從表2可以看出，安徽省農(nóng)業(yè)科技純技術(shù)效率的均值為0.911，低于其規(guī)模效率的平均值 0.914，說明造成非DEA有效的主要原因在于純技術(shù)效率水平欠缺，農(nóng)業(yè)科技投入水平不足。從純技術(shù)效率來看，基于綜合效率值等于純技術(shù)效率與規(guī)模效率對(duì)應(yīng)值的乘積，合肥、蕪湖、安慶雖未達(dá)到綜合效率值有效，但其純技術(shù)效率值為1，即為純技術(shù)有效，說明其對(duì)農(nóng)業(yè)科技投入的資源進(jìn)行了有效的配置，并已達(dá)到最佳的產(chǎn)出效果，造成其綜合技術(shù)效率值小于1是由規(guī)模效率相對(duì)較低導(dǎo)致的。由表2可知，亳州、淮南、滁州、馬鞍山的純技術(shù)效率低于規(guī)模效率，尤其是淮南市其規(guī)模效率趨于有效，而純技術(shù)效率水平相反較低，說明淮南市應(yīng)加大農(nóng)業(yè)科技投入。剩余的純技術(shù)無效的地市均為純技術(shù)效率高于規(guī)模效率，說明其不同程度地存在資源冗余問題，農(nóng)業(yè)科技創(chuàng)新投入的投入產(chǎn)出組合未達(dá)到最優(yōu)配置，資源利用率亟待提高。從規(guī)模效率的角度來看，淮北、亳州、銅陵處于規(guī)模效益遞增狀態(tài)，影響其效率低下的深層原因是創(chuàng)新投入不足，具有較大的發(fā)展?jié)摿Γ窈髴?yīng)加大農(nóng)業(yè)科技創(chuàng)新資源的投入規(guī)模。而合肥、蚌埠、淮南、滁州、馬鞍山、蕪湖、池州、安慶等地市處于規(guī)模報(bào)酬遞減的狀態(tài)，說明這些地區(qū)的農(nóng)業(yè)資源利用效率低下，如果不能合理利用和分配資源，即使再增加投入，產(chǎn)出也可能不會(huì)增加，或增加得很少。因此，今后應(yīng)從完善資源投入產(chǎn)出比例、提高管理水平出發(fā)。

3.3 投影分析 DEA無效通常是由投入冗余和產(chǎn)出不足等原因引起的[17]。因此，通過對(duì)原有投入和產(chǎn)出變量進(jìn)行調(diào)整，可以改進(jìn)非DEA有效地市的效率值，經(jīng)過調(diào)整后的點(diǎn)即為各地區(qū)在生產(chǎn)前沿面上的“投影”[14]。表4給出了安徽省各地市的投入冗余額和產(chǎn)出不足額。

由表4可知，從投入指標(biāo)看，部分地市在農(nóng)業(yè)科技人員、經(jīng)費(fèi)投入和農(nóng)業(yè)機(jī)械總動(dòng)力、播種面積等指標(biāo)均存在一定的投入冗余，盲目投入和低效的資源配置是造成DEA無效的主要因素。從農(nóng)業(yè)科技活動(dòng)人員來看，滁州、蚌埠、淮南冗余比例較大，但由于本研究在此指標(biāo)數(shù)據(jù)選取中采取的為公式替代法，考慮現(xiàn)實(shí)中農(nóng)業(yè)科技活動(dòng)人員實(shí)際基數(shù)較小，并存在科技人員質(zhì)量不高的現(xiàn)象，所以應(yīng)從提升農(nóng)業(yè)科技活動(dòng)人員素質(zhì)技能方面解決冗余問題。從農(nóng)業(yè)科技經(jīng)費(fèi)支出來看，蚌埠、滁州、淮南、馬鞍山的資金投入冗余較高，應(yīng)適當(dāng)減少農(nóng)業(yè)科技經(jīng)費(fèi)投入，而對(duì)于其他地市來說，農(nóng)業(yè)科技經(jīng)費(fèi)投入占整體科技經(jīng)費(fèi)比例還是較小，所以應(yīng)加大農(nóng)業(yè)科技經(jīng)費(fèi)投入，同時(shí)也要保證R&D經(jīng)費(fèi)的利用率。農(nóng)業(yè)機(jī)械總動(dòng)力方面，淮北、亳州、蚌埠、淮南、滁州均存在較大規(guī)模的冗余，說明這些地市農(nóng)用機(jī)械利用率低下，結(jié)構(gòu)不合理。這種現(xiàn)象一方面這與農(nóng)具匹配不合理造成的作業(yè)效率低下有關(guān)，另一方面大中型拖拉機(jī)、小型拖拉機(jī)和農(nóng)用排灌柴油機(jī)數(shù)量過多是導(dǎo)致農(nóng)業(yè)機(jī)械化冗余的主要原因。因此，要加強(qiáng)優(yōu)化農(nóng)業(yè)機(jī)械投入結(jié)構(gòu)，大力提升農(nóng)業(yè)機(jī)械化利用效率。農(nóng)作物播種面積方面，淮北、亳州、蚌埠、淮南、滁州農(nóng)業(yè)土地冗余情況較為嚴(yán)重，滁州市的冗余量最高，這與其土地閑置、尚未有效利用有關(guān)。從產(chǎn)出指標(biāo)看，銅陵、淮北兩市存在農(nóng)業(yè)產(chǎn)出不足的現(xiàn)象，銅陵是一座以采礦冶煉而立的城市，其農(nóng)業(yè)基礎(chǔ)薄弱，農(nóng)業(yè)投入要素在全省處于末位，農(nóng)業(yè)總產(chǎn)值排名倒數(shù)第一，但其投入又存在大量的冗余現(xiàn)象，所以合理調(diào)整農(nóng)業(yè)科技資源配置才是解決其產(chǎn)出不足的正確途徑。蚌埠、淮南、滁州、池州幾市的農(nóng)業(yè)科技成果產(chǎn)出不足與其農(nóng)業(yè)科技要素投入較低，科技成果轉(zhuǎn)換效率較低有關(guān)。整體來看，淮北、亳州、蚌埠、淮南、滁州等市的投入產(chǎn)出冗余最大，而這些城市大多數(shù)為皖北城市，說明投入產(chǎn)出結(jié)構(gòu)不合理是皖北城市農(nóng)業(yè)科技效率低的主要原因。

4 結(jié)論與建議

通過對(duì)安徽省2018年16地市農(nóng)業(yè)科技效率進(jìn)行測度，得出以下結(jié)論：（1）安徽省各地市農(nóng)業(yè)科技創(chuàng)新投入產(chǎn)出整體效率良好，但區(qū)域差異較大，資源配置不合理成為制約安徽省各地區(qū)農(nóng)業(yè)科技創(chuàng)新投入產(chǎn)出效率提高、實(shí)現(xiàn)現(xiàn)代化農(nóng)業(yè)轉(zhuǎn)型的根本性問題。（2）通過投影分析發(fā)現(xiàn)，一些地區(qū)仍存在由于投入規(guī)模過?；虍a(chǎn)出不足導(dǎo)致的效率無效現(xiàn)象，而其中以皖北城市為主，存在較為嚴(yán)重的農(nóng)業(yè)資源冗余現(xiàn)象，應(yīng)及時(shí)調(diào)整投入產(chǎn)出結(jié)構(gòu)。

結(jié)合研究結(jié)論，就安徽省農(nóng)業(yè)創(chuàng)新發(fā)展政策和戰(zhàn)略方向提出以下幾點(diǎn)建議：首先，加大農(nóng)業(yè)科技投入力度，優(yōu)化資源配置?？傮w上看，安徽省對(duì)農(nóng)業(yè)科技投入的資金較少。因此，政府需采取更多的財(cái)政扶持政策，增加對(duì)農(nóng)業(yè)科技創(chuàng)新的資金投入力度。優(yōu)化各地市的農(nóng)業(yè)科技資源配置，使農(nóng)業(yè)科技創(chuàng)新效率達(dá)到較優(yōu)水平。其次，完善農(nóng)業(yè)科技人才教育培訓(xùn)體系。安徽省整體專業(yè)的農(nóng)業(yè)科研人員和科研機(jī)構(gòu)都較少，而科技創(chuàng)新效率的提高關(guān)鍵是由科研人員去實(shí)現(xiàn)。所以應(yīng)重點(diǎn)加強(qiáng)相關(guān)人力資本的投入，大力引進(jìn)和培養(yǎng)具有高水平專業(yè)素質(zhì)的農(nóng)業(yè)專家和學(xué)者，加強(qiáng)農(nóng)業(yè)科研機(jī)構(gòu)的建設(shè)和投入，讓農(nóng)業(yè)科技人員更專心于科研工作。再次，建立差異化農(nóng)業(yè)科技政策。由于不同城市科技產(chǎn)出效率的不同，政府要根據(jù)自身農(nóng)業(yè)要素稟賦的差異，因地制宜地制定合適的農(nóng)業(yè)科技政策。DEA有效區(qū)域，應(yīng)進(jìn)一步合理利用豐富的科研資源，使資源配置更加合理有效;非DEA有效區(qū)域，應(yīng)找出自身效率低下的原因，提高管理效率或者合理分配資源配置，以此縮小地區(qū)間農(nóng)業(yè)科技創(chuàng)新效率的差距。最后，引導(dǎo)農(nóng)業(yè)綠色發(fā)展。在經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)的時(shí)代背景下，加快農(nóng)業(yè)現(xiàn)代化轉(zhuǎn)型，推動(dòng)農(nóng)業(yè)可持續(xù)發(fā)展，不僅是保證經(jīng)濟(jì)穩(wěn)定的基石，也是早日實(shí)現(xiàn)鄉(xiāng)村振興和全面小康社會(huì)的關(guān)鍵。

參考文獻(xiàn)

[1]Ali Emrouznejad，Guo-liang Yang.A survey and analysis of the first 40 years of scholarly literature in DEA：1978–2016[J].Socio-Economic Planning Sciences，2018，61：4-8.

[2]Lucio Cecchini，Sonia Venanzi，Antonio Pierri，et al.Environmental efficiency analysis and estimation of CO2 abatement costs in dairy cattle farms in Umbria（Italy）：A SBM-DEA model with undesirable output[J].Journal of Cleaner Production，Volume 197，Part 1，2018：895-907.

[3]Muditha Karunarathna，Clevo Wilson.Agricultural biodiversity and farm level technical efficiency：An empirical investigation[J].Journal of Forest Economics，A，2017，29：38-46.

[4]Lidia Angulo-Meza，Marcela González-Araya，Alfredo Iriarte，et al.A multiobjective DEA model to assess the eco-efficiency of agricultural practices within the CF+DEA method[J].Computers and Electronics in Agriculture，2019，161：151-161.

[5]W.Mu，A.Kanellopoulos，C.E.van Middelaar，D.Stilmant，et al.Assessing the impact of uncertainty on benchmarking the eco-efficiency of dairy farming using fuzzy data envelopment analysis[J].Journal of Cleaner Production，2018，189：709-717.

[6]趙桂燕，王巍.基于DEA的黑龍江墾區(qū)農(nóng)業(yè)科技創(chuàng)新投入效率研究[J].黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào)，2018，30（04）：112-117.

[7]陳振.基于DEA的黑龍江墾區(qū)農(nóng)業(yè)科技創(chuàng)新投入效率研究[J].黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào)，2018，30（04）：112-117.

[8]楊林，鄭麗芳，李運(yùn)南，等.基于DEA的廣東省農(nóng)業(yè)科技投入效率分析[J].科技創(chuàng)新導(dǎo)報(bào)，2015，12（07）：105-108.

[9]]肖碧云.基于DEA模型的我國農(nóng)業(yè)科技創(chuàng)新資源配置效率研究[J].吉林農(nóng)業(yè)科技學(xué)院學(xué)報(bào)，2016，25（04）：62-65.

[10]王俊鳳，劉松潔，閆文，等.基于DEA模型的農(nóng)業(yè)科技園區(qū)運(yùn)營效率評(píng)價(jià)——以黑龍江省34個(gè)省級(jí)農(nóng)業(yè)科技園區(qū)為例[J].江蘇農(nóng)業(yè)科學(xué)，2017，45（04）：262-267.

[11]趙桂燕，王巍.基于DEA的黑龍江墾區(qū)農(nóng)業(yè)科技創(chuàng)新投入效率研究[J].黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào)，2018，30（04）：112-117.

[12]黃海霞，張治河.基于DEA模型的我國戰(zhàn)略性新興產(chǎn)業(yè)科技資源配置效率研究[J].中國軟科學(xué)，2015（1）：150-159.

[13]陳振，鄭銳，李佩華，等.河南省農(nóng)業(yè)科技創(chuàng)新效率評(píng)價(jià)與分析[J].河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2018，52（03）：464-469，484.

[14]肖仁橋，錢麗.安徽省農(nóng)業(yè)創(chuàng)新系統(tǒng)效率評(píng)價(jià)及分析[J].江淮論壇，2012（02）：25-32.

[15]趙麗娟，張玉喜，潘方卉，等.科技人力資源與資金對(duì)農(nóng)業(yè)科技創(chuàng)新效率影響研究[J].華東經(jīng)濟(jì)管理，2016，30（01）：100-105.

[16]夏巖磊.長三角農(nóng)業(yè)科技園區(qū)建設(shè)成效多維評(píng)價(jià)[J].經(jīng)濟(jì)地理，2018，38（04）：139-146.

[17]常文濤.農(nóng)業(yè)科技創(chuàng)新資金與科技人力資本支農(nóng)績效實(shí)證分析[J].統(tǒng)計(jì)與決策，2018，34（21）：113-116.

（責(zé)編：張宏民）