河北省农业产业化龙头企业技术创新绩效评价实证分析

河北省农业产业化龙头企业技术创新绩效评价实证分析

 

刘曼, 马永青 ,王东平 ,史少普

(河北农业大学 经济贸易学院 河北 保定 071066)

 

摘要:构建河北省农业产业化龙头企业技术创新绩效评价体系,为提升河北省农业产业化龙头企业技术创新绩效提供参考。从创新投入、创新产出2个层面选取指标构建农业产业化龙头企业技术创新绩效评价指标体系,采用数据包络分析法对数据进行赋权,并选取了河北省123家农业产业化重点龙头企业技术创新进行绩效评价并进行实证分析。通过实证分析得出现阶段河北省农业产业化龙头企业技术创新研发投入不足,创新产出较低,资源配置效率有待提高的结论。

关键词:农业产业化;龙头企业;技术创新绩效;数据包络分析(DEA)

 

 

1 引言

河北是农业大省,农业经济对于推动河北省经济的发展起着至关重要的作用,农业产业化龙头企业作为新型农业经营主体,在农业产业链条中具有“龙头”地位,是新形势下农业经济发展、农民增收的有效组织者。但是技术创新能力不足已经成为制约农业产业化龙头企业高速发展的主要影响因素,提高农业产业化龙头企业的技术创新绩效水平,能有效激发龙头企业创新主体活力,提高龙头企业经济效益,带动农民增收,对于推动农业现代化发展具有重要意义。本文构建河北省农业产业化龙头企业技术创新绩效评价体系,旨在提升河北省农业产业化龙头企业技术创新绩效。

 

2 研究方法、指标选取

2.1 研究方法

数据包络分析(data envelopment analysis, DEA)是由著名运筹学家Charnes, Cooper和Rhodes于1978年提出的,DEA模型包含CCR模型和BCC模型。1985年Banker, A.Charnes和W.W Cooper提出了不考虑生产可能集满足锥性的DEA模型,简记为了BCC模型。由于BCC模型能够测算纯技术效率],因此本文使用该模型。

DEA方法的基本原理是:设有n个决策单元,它们的投入,为:,产出向量

线性形式的BCC模型可表示为:

                                             

含松弛变量形式的BCC对偶模型

2.2指标选取

选取2017年河北省科技厅认定的农业科技小巨人企业中123家农业龙头企业,通过走访企业实地调研、发放问卷的形式,在河北省2212家农业龙头企业中选取其中资料真实完整、数据来源可靠的河北省农业产业化重点龙头企业收集创新投入产出数据。其中,作为样本的123家农业产业化龙头企业按地域分布来看,石家庄市14家,辛集市2家,唐山市11家,秦皇岛市4家,邯郸市13家,邢台市14家,保定市9家,定州市6家,张家口市8家,承德市15家,沧州市5家,廊坊市7家,衡水市15家。按其主要产品领域分为6类,林(板)果(品)类数量37家,粮(棉)油加工类30家,占比约为1/4,水产及加工类3家企业,畜牧类企业有25家,蔬菜(食用菌)及加工类22家,生物科技、制药6家。按企业类型分类,包含国有企业1家,股份制有限公司19家,有限责任公司95家,个人独资企业2家,外商独资企业1家,港澳台投资企业1家,其他类型4家。根据农业产业化龙头企业创新环境构成,参考其他学者构建企业技术创新指标体系研究,重点选取农业产业化龙头企业本身的特征对自身开展技术创新活动的影响因素进行指标体系构建。包括企业创新投入产出2方面10个二级指标。

2-1绩效评价指标

Table 2-1 Explanatory variable description

评价目标

评价要素

评价指标

指标说明

技术创新绩效

创新投入指标

研发人员

研究与开发人员总数

职工总数

企业现有从业人员数量

研发经费

专门用于开发新产品、研究新技术的科研经费

研发经费占销售收入比重

 

创新产出指标

 

获得专利数

包括已获得发明、实用新型、外观设计等

申请专利数

当年申请发明、实用新型、外观设计等专利数

开发新产品数量

经认定的新产品数

申请自主知识产权数

当年申请的自主研发创新知识产权

科技成果获奖

包括国家、省市级科技成果获奖数量

鉴定新科技成果

当年评估鉴定最新科技成果数量

通过因子分析法,运用统计软件SPSS18.0先对原始数据进行因子分析,利用KMO和巴特利特球体进行检验变量之间的相关性,并利用主成分分析法,分析得出体现主要因素的公共因子,计算公共因子得分,可以从10个河北农业产业化龙头企业技术创新影响因素指标中提取出2个创新投入主因子指标,创新人力投入、创新研发资金投入和3个创新产出主因子,创新专利产出、创新科技成果产出、创新产品和知识产权产出,作为实证分析的使用数据。

2-2 DEA绩效评价投入产出指标体系

Table 2-2 DEA performance evaluation input-output index system

技术创新投入指标

技术创新产出指标

F1

创新人力投入

F3

创新专利产出

F2

创新研发资金投入

F4

创新科技成果产出

 

 

F5

创新产品和知识产权产出

 

3 实证分析

基于因子分析中所提取的公因子作为DEA模型的投入产出指标,通过DEAP2.1软件计算,运用基于投入导向的可变报酬的数据包络分析法(DEA-BCC)对河北省123家农业产业化龙头企业的技术创新效率进行测算,可得到123家企业的综合技术效率(crste)、纯技术效率(vrste)和规模效率(scale)。

3.1综合效率分析

根据DEA的理论,BCC模型将技术效率分解为纯技术效率和规模效率,即综合技术效率为纯技术效率和规模效率的乘积。

公式为:                                        (3-1)

决策单元的有效性主要体现在两个方面:一方面在于保证最佳技术效率,另一方面是规模收益不变,即技术与规模同时有效,此时可用综合效率来反映有效性。从总体上看,如表3-1所示,2016年河北省123家农业产业化龙头企业技术创新综合效率的平均值仅为0.612,与DEA有效值1相比,存在较大差距。综合效率值为1,达到DEA有效的企业有4家,说明这些企业的技术创新绩效水平相对较高,分别是邯郸市富硒农产品科技开发有限公司、河北科星药业有限公司、邢台双环种业有限公司、河北栗源食品有限公司。DEA无效企业有119家,在123家农业龙头企业中科技创新效率达到平均水平的仅有47家,半数以上企业的技术创新综合效率低于整体平均水平,这表明河北省农业龙头企业技术创新效率水平较低,提升的潜力还相当巨大。

3-1技术创新综合效率分析

Table 3-1 Analysis of Comprehensive Efficiency of Technological Innovation

类别

平均值

DEA有效

DEA无效

边缘非效率单位

综合效率

0.612

4

119

6

根据Barry Stocker评价单元效率强度标准划分,可以根据评价单元DEA效率值划分为四类强效率单位,有效率决策单元出现在其他决策单元参考集合中的次数3次以上的为强势效率单位,出现1-2次的属于边缘效率单位,综合效率值在0.9-1之间的是边缘非效率单位,综合效率值小于0.9的是明显非效率单位。

3-2有效率决策单元参考集合次数统计表

Table 3-2 Effective decision unit reference set statistics

企业代码

次数

企业代码

次数

DMU5

15

DMU70

2

DMU22

27

DMU84

7

DMU27

2

DMU86

59

DMU29

12

DMU90

18

DMU44

12

DMU101

2

DMU50

20

DMU110

22

DMU58

13

DMU112

79

DMU60

11

DMU113

7

DMU61

50

DMU114

4

DMU62

22

 

 

由表3-2可知,强势效率单位共有16家,例如DMU5、DMU22、DMU29等,这些评价单位一般绩效会维持现有水平,不会有太大改变。边缘效率单位有3家,是DMU27、DMU70、DMU101,这类评价单元投入产出稍有变动,则其综合效率值就会改变。由表3-1可知有119家DEA无效企业,在这119个相对无效率的企业中,有6家企业为边缘非效率单位,这些企业的综合效率值在0.9-1之间,这些企业想要达到效率值为1,需要在投入产出方面作出适当调整,例如DMU29鸡泽县天下红辣椒有限公司 、DMU70贵州茅台酒厂(集团)昌黎葡萄酒业有限公司 、DMU101 河北绿岭果业有限公司。而剩下的113家属于明显非效率单位的企业,综合效率值小于0.9,需要同时调整投入与产出的多项指标才能提高其技术效率。

3.2纯技术效率分析

由表3-3可知,河北省123家农业产业化龙头企业纯技术效率平均值为0.846,要达到DEA有效,说明当前技术创新过程中企业需要继续优化资源配置。从个体来看,有20家企业达到DEA有效,近半数企业纯技术效率值在0.9以上,值得注意的是,由表3-1、3-3比较可知,达到技术有效却未达到综合有效的企业有11家,说明这11家企业规模影响了企业技术创新效率的水平。

3-3技术创新纯技术效率分析

Table 3-3 Technical Innovation Pure Technical Efficiency Analysis

类别

平均值

DEA有效

DEA无效

纯技术效率

0.846

20

103

3.3规模效率分析

DEA中的BCC模型可用于计算决策单元的规模效率值,进而判断决策单元是否具有规模有效性。规模效率表示该企业的投入和产出之间是否达到最佳状态,可用规模效率值V0来判断,当V0<0时意味着规模效益递减,此时增加投入不能带来更高比例的产出,增大投入规模只能得到相对较小的产出效益规模;反之在V0>0的情况下意味着规模效益递增,产出变化比例大于投入要素的变化比例,此时增加投入将有更高比例的产出;而V0=0时规模效益不变,可保持现有规模经营。

由表3-4可知,河北省农业产业化龙头企业规模效率递增的有116家企业,规模报酬不递减有3家企业,规模报酬不变的只有4家企业。三者分别占比94.31%、2.44%、3.25%。其中只有4家企业规模报酬不变,达到了规模效益有效,即可以继续按照现有规模进行经营,完成科技创新效率的提高;而116家企业必须适当扩大其经营规模,以期规模报酬水平达到最佳情况;此外,仅有3家企业规模过大超出其现有的资源可配置情况,反而导致其经营效率低下,拖累了科技创新效率的提升,这三家企业是河间市国欣农村技术服务总会、河北绿岭果业有限公司、唐山蓝猫饮品集团有限公司由以上分析可知,达到技术有效却未达到综合有效的企业有11家,说明企业规模影响了企业技术创新效率的水平。

3-4技术创新规模效率分析

Table 3-4 Technological Innovation Scale Efficiency Analysis

类别

平均值

规模报酬递增

规模报酬递减

规模报酬不变

规模效率

0.721

116

3

4

3.4创新效率比较分析

从行业领域分析,由表3-5可知,各行业领域技术创新综合效率值普遍不高,其中,畜牧类最低,平均综合效率值仅为0.538,远低于其他行业,与DEA有效值1相比,存在较大差距。蔬菜(食用菌)加工行业纯技术效率为0.879,其他行业纯技术效率仍需提高。DEA有效单位最多的是粮棉油及加工类企业,有2家企业达到DEA有效。

3-5各行业技术创新效率分析

Table 3-5 Analysis of Technological Innovation Efficiency in Various Industries

行业领域

 

综合效率

纯技术效率

规模效率

数量

均值

DEA有效

均值

DEA有效

均值

DEA有效

畜 牧 类

25

0.538

0

0.814

1

0.669

0

粮(棉)油及加工类

30

0.628

2

0.839

5

0.738

2

林(板)果(品)类

37

0.623

1

0.854

7

0.732

1

蔬菜(食用菌)及加工类

22

0.611

0

0.879

6

0.687

0

水产及加工类

3

0.726

0

微信二维码
扫码添加微信咨询
QQ客服:1663286777
电话:137-1883-9017
收到信息将及时回复