1吉林省農(nóng)業(yè)科技推廣和服務(wù)績效的綜合評價

1.1績效評價體系

農(nóng)技推廣和服務(wù)有利于農(nóng)戶生產(chǎn)成本減少、產(chǎn)出增加、勞動強度降低、農(nóng)產(chǎn)品質(zhì)量提高、節(jié)能減排以及勞動者素質(zhì)提升。因此，農(nóng)技推廣和服務(wù)機構(gòu)績效涉及經(jīng)濟、社會和生態(tài)等多方面。農(nóng)技推廣和服務(wù)機構(gòu)績效評價是一個復(fù)雜的系統(tǒng)工程，它不僅包括側(cè)重于高效角度的“硬”指標，如良種產(chǎn)量增長率、純收入增長率等，還包括“軟”指標，如農(nóng)技推廣和服務(wù)帶來的社會效應(yīng)和生態(tài)效應(yīng)。從經(jīng)濟效益、社會效益和生態(tài)效益這三方面對農(nóng)技推廣和服務(wù)機構(gòu)績效進行評價，理論上是合理的，但在實踐中卻難以實施，因為這三方面效應(yīng)如何測度是難以解決的問題。筆者考慮到農(nóng)戶是農(nóng)技推廣和服務(wù)的最終用戶，所以決定另辟蹊徑，從顧客的角度來評價農(nóng)技推廣和服務(wù)機構(gòu)績效[2]。作為農(nóng)技推廣和服務(wù)的需求方，農(nóng)戶對農(nóng)技推廣和服務(wù)具有最直接、最切實的感受。因此，用農(nóng)戶的滿意度來測度吉林省農(nóng)技推廣和服務(wù)機構(gòu)績效是妥當?shù)?。根?jù)吉林省農(nóng)技推廣和服務(wù)的工作內(nèi)容，筆者首先將評價體系分解為推廣和服務(wù)績效2個二級指標，然后將這2個二級指標逐一分解，最后得到8個三級評價指標（表1）。這個評價指標體系基本涵蓋了吉林省農(nóng)技推廣和服務(wù)的工作內(nèi)容，不失全面性和系統(tǒng)性。

1.2績效評價方法

本研究采用層次分析法對吉林省農(nóng)技推廣和服務(wù)機構(gòu)績效進行綜合評價。按照統(tǒng)計學分層抽樣、整群抽樣等原則，本課題組先在吉林省40個縣（市）中隨機抽取22個縣（市），然后在每個縣（市）抽取一個鄉(xiāng)鎮(zhèn)，接著在各鄉(xiāng)鎮(zhèn)確定一個農(nóng)技推廣機構(gòu)作為績效評價對象，并對該機構(gòu)進行訪談，以獲得該機構(gòu)信息，如機構(gòu)類型、機構(gòu)性質(zhì)、員工素質(zhì)、經(jīng)費保障等。關(guān)于農(nóng)戶調(diào)查，本課題組在各抽樣鄉(xiāng)鎮(zhèn)選擇1個自然村作為農(nóng)戶調(diào)查點，每村隨機選取15~20戶進行入戶調(diào)查，要求農(nóng)戶對指定農(nóng)技推廣機構(gòu)進行績效評價。根據(jù)上述指標體系，筆者設(shè)計調(diào)查問卷，要求被調(diào)查者對農(nóng)技推廣和服務(wù)機構(gòu)各項工作績效逐項評分(設(shè)計理論最小值0分,最大值100分)。根據(jù)被調(diào)查者所給出的分值,按照同級指標等權(quán)重的法則，運用層次分析法求和，得出績效的評價得分值,并作為一個樣本點。共向農(nóng)戶發(fā)放問卷340份,回收有效問卷314份,有效回收率約為92.35%。通過統(tǒng)計各樣本點的信息來推斷吉林省農(nóng)技推廣和服務(wù)機構(gòu)的總體績效狀況。

1.3績效評價結(jié)果

抽樣得分的統(tǒng)計結(jié)果(表2)顯示:吉林省農(nóng)技推廣和服務(wù)機構(gòu)績效的評價得分均值為71.3，最高得分為95.33，最低得分為23。從滿分往下按照每10分一個等級分別賦予優(yōu)、良、中、差、很差5個等級（表2），對應(yīng)被調(diào)查者對農(nóng)技機構(gòu)很滿意、比較滿意、基本滿意、勉強滿意和很不滿意。在314份有效問卷中，得分值為70~80分的比重最大，約占28.34%，即＞1/4的農(nóng)戶對他們所熟悉的農(nóng)技機構(gòu)持基本滿意態(tài)度。同時，對農(nóng)技機構(gòu)非常不滿意、勉強滿意和比較滿意的比重相當，都約為20%，而對農(nóng)技機構(gòu)持非常滿意的比重很小，為6.37%。由此推斷:吉林省的農(nóng)戶對農(nóng)技推廣和服務(wù)機構(gòu)的總體評價是基本滿意,而農(nóng)技機構(gòu)的運行績效是中等水平。進一步分析發(fā)現(xiàn)，農(nóng)戶對農(nóng)技推廣的滿意度較低而對農(nóng)技服務(wù)的滿意度相對較高。在農(nóng)技推廣的4個指標中，除新品種和新栽培模式推廣的評分＞70分外，節(jié)能減排技術(shù)、節(jié)水灌溉技術(shù)、園藝特色作物推廣的評分都約為61分，屬于勉強滿意的水平；農(nóng)技服務(wù)4個指標的評分都接近78分，接近比較滿意的水平。顯然這是符合吉林省農(nóng)技推廣和服務(wù)機構(gòu)的現(xiàn)實情況的。對于良種推廣、病害防控服務(wù)、農(nóng)技培訓等傳統(tǒng)農(nóng)技工作，吉林省農(nóng)技機構(gòu)基本能夠適應(yīng)，能較好地應(yīng)對；對于節(jié)能減排技術(shù)、節(jié)水灌溉技術(shù)和園藝特色作物推廣等新興農(nóng)技，一方面農(nóng)戶的期望比較高，另一方面農(nóng)技機構(gòu)自身消化還不夠，農(nóng)戶的實際感知和期望的差距特別大。

2吉林省農(nóng)業(yè)科技推廣和服務(wù)績效的影響因素分析

2.1績效評價結(jié)果的影響因素

農(nóng)技推廣和服務(wù)機構(gòu)的績效評價受到評價主體因素、客體因素和環(huán)境因素的影響。主體因素包括評價者的性別、民族、健康狀況、年齡、文化程度、家庭收入及結(jié)構(gòu)等個體特征；客體因素包括農(nóng)技機構(gòu)帶來的經(jīng)濟效應(yīng)、社會效應(yīng)和生態(tài)效應(yīng)以及機構(gòu)本身的一些特質(zhì)。此外，機構(gòu)的環(huán)境因素，諸如是否有政府資助、是否有科研合作以及是否溝通順暢等因素，也對農(nóng)技機構(gòu)績效產(chǎn)生影響。農(nóng)戶在評價農(nóng)技機構(gòu)績效時，對農(nóng)技機構(gòu)帶來的經(jīng)濟效應(yīng)、社會效應(yīng)和生態(tài)效應(yīng)很難把握。另外，由于信息非對稱性，農(nóng)戶對農(nóng)技機構(gòu)本身的特征也不能完全掌握。因此，本研究在考察農(nóng)技機構(gòu)自身因素方面，一是了解農(nóng)戶能輕易作出判斷的信息，如該機構(gòu)是否公益性質(zhì)、辦公設(shè)施是否齊全等；二是通過訪談機構(gòu)成員了解其農(nóng)技人員素質(zhì)情況、機構(gòu)類型及工作經(jīng)費保障等因素[4]。綜合上述，影響農(nóng)技推廣和服務(wù)機構(gòu)績效得分的評價主體、評價客體和運行環(huán)境18個因素。

2.2計量模型

本研究以吉林省農(nóng)技推廣和服務(wù)機構(gòu)績效評價綜合評分為因變量，建立多元線性回歸模型來分析農(nóng)技機構(gòu)績效與其影響因素間的數(shù)量關(guān)系：i01kik2jijiYZXU式中:iY為第i個被調(diào)查者對農(nóng)業(yè)科技推廣和服務(wù)滿意度的綜合評分；ijX為第個評分的第j項連續(xù)變量影響因素；ikZ為第個評分的第k項虛擬變量影響因素；0為常數(shù)項,1j、2k為待估參數(shù)；iU為誤差干擾項。

2.3模型結(jié)果及檢驗

將因變量和自變量的樣本值輸入SPSS17.0數(shù)據(jù)表，選擇多元回歸分析。將所有自變量進入運行程序，得到程序分析清單。

2.3.1擬合優(yōu)度檢驗?zāi)Ｐ蛿M合的總體參數(shù)如表4所示。由于自變量數(shù)目較多，且各變量的量綱不同，因此，采用調(diào)整的判定系數(shù)反映模型的擬合情況更為準確。從試驗結(jié)果可以看到，調(diào)整后的R2adj=0.925，作為橫截面數(shù)據(jù)，這個擬合優(yōu)度非常高。

2.3.2F檢驗從表5回歸方差分析結(jié)果：F值為215.139，顯著性為0（P＜0.05）。這表明被解釋變量與解釋變量整體線性關(guān)系聯(lián)合顯著，所建立的回歸模型具有統(tǒng)計意義，因此可以用線性模型描述并反映它們之間的關(guān)系。

2.3.3回歸系數(shù)顯著性檢驗與變量多重共線性檢驗?zāi)Ｐ偷幕貧w系數(shù)顯著性與多重共線性的診斷結(jié)果。在所選取的13個虛擬變量和5個連續(xù)變量中，有13個解釋變量通過了t檢驗，且各變量的回歸系數(shù)顯著性均＜0.05的水平。這表明這些解釋變量與被解釋變量之間存在著顯著的線性關(guān)系，所確定的自變量可以有效地解釋吉林省農(nóng)技機構(gòu)績效的綜合評分。本研究采用方差膨脹因子（VIF）對解釋變量之間的多重共線性進行了診斷。表4的計量結(jié)果顯示，顯著解釋量的VIF值相對較小與1接近。因此，校正后解釋變量之間的共線性很弱，多重共線性可以接受。