农业科技研发支出与科技创新对农业生产的促进作用

　　摘要：【目的】明確农业科技创新成果和科技创新环境在促进农业生产过程中发挥的具体机制及作用，为促进农业经济发展、实现农业产业转型升级提供理论参考。【方法】收集我国30个省(区、市)2005—2017年的农业相关数据，包括单位面积粮食产量、研发支出强度、农业产业结构和农业科技创新成果等9个维度指标，通过面板数据回归分析不同地区农业科技研发支出对农业生产的影响路径机理。【结果】我国整体科技研发支出对农业生产的影响具有空间异质性，表现为西部地区科技研发支出对农业生产作用呈显著正向效应，东部地区科技研发支出对农业生产作用呈显著负向效应。农业科技创新对农业生产影响效果显著，其中，东部和中部地区农业科技创新对农业生产影响不显著，西部和东北部地区农业科技创新效果显著。农业科技创新可调节研发支出对农业生产的影响，且调节作用在西部地区作用显著，其他地区不显著;整体创新环境可调节农业科技创新对农业生产的影响，其调节作用均为负向，且仅在西部地区的作用显著。【建议】调整政府农业科技研发支出的空间结构，根据产业结构和产业特点分配研发支出;根据区域产业特征制定相应的农业科技创新激励政策，建立农业科技创新企业认定资格体系;建立独立的农业科技成果交易市场，通过成立国立技术收储公司盘活市场。

　　《南方农机》(双月刊)创刊于1970年，由江西省农业机械研究所、江西省农业机械化技术推广站、江西省农业机械学会主办。

　　关键词： 农业科技研发支出;科技创新;农业生产;空间异质性

　　【研究意义】据中国农业科学院公布的《中国农业农村科技发展报告(2012—2017)》显示，2017年我国的农业科技进步贡献率为57.5%，但发达国家在2015年的农业科技进步贡献率已达70%～80%(沈琼等，2018)。这在经济上的直接反映是整个农业产业升级尚缺乏科技支撑，60%以上的农副产品未得到循环、高值和梯次利用(魏后凯，2017)。当前我国农业科技进步贡献率过低，其主要原因是农业科技研发支出不足，加之科技研发投入的转化效率不高。因此，开展农业科技研发投入与农业生产间的关系研究，有助于发现制约科技投入转换率的具体原因并有针对性地提出政策建议，进而有效提高我国农业科技进步贡献率。【前人研究进展】农业科技研发支出对农业生产效率的提升作用在不同地区间存在显著差异，各地区农业科技研发支出对生产效率的影响则具有明显门限效应，农业科技投入达到一定标准后对生产效率提升作用显著(陈鸣和周发明，2016)。此外，农业科技研发支出对农业生产和农民收入存在空间溢出效应，本地区投入的农业研发资金获得成果转化之后，不仅能促使当地农业生产获益，还可带动周边地区获益(杨义武和林万龙，2018;赖昭豪等，2019)。相关研究也揭示农业科技研发投入和农业生产间的特定关系，政府部门在制定研发支出政策时应根据不同地区的空间异质性，确定当地的研发支出预算，以获取最佳的投入回报(赵丽娟等，2019)。目前，农业科技创新与农业生产相关的研究主要集中在农业创新效率对农业生产的影响。例如使用全要素生产率作为农业创新的衡量指标(王洋洋等，2019)，其研究结果显示农业科技创新与农业生产在短期内具有显著关联，且存在长期的均衡关系(张淑辉和陈建成，2013)。除了全要素生产率外，农业科技进步贡献率同样可用来衡量农业科技创新与农业生产间的关系(王洁和夏维力，2017)，研究表明农业产值与科技进步率同步增长，增加政府农业科技研发支出可在短期内提高农业科技进步贡献率，但长期效果不明显(张跃强和陈池波，2015)。此外，农业科技创新在促进农业生产活动中具有特殊性，农业生产除了受创新活动影响外，还受研发支出等因素的多重影响(黄红光等，2018;张莉侠等，2018)。因此，政府部门在制定农业生产政策时要充分考虑相关创新要素的影响，有效提高农业科技进步贡献率(张在一等，2018)。【本研究切入点】现有的研究虽然为阐明农业科技研发支出与农业生产效率间的关系提供了基础理论，但尚存不足，具体表现为：一方面主要针对最优研发投入区间、整体创新效率对农业生产的影响，没有揭示农业科技研发支出对农业生产影响的具体路径和机制;另一方面，农业生产和技术具有明显的地域特征，当前对农业科技研发支出和科技创新的空间异质性研究尚不充分，未能体现相关变量的空间结构差异。【拟解决的关键问题】将农业科技创新成果、科技创新环境纳入到农业科技研发支出—农业生产的研究框架中，明确农业科技创新成果和科技创新环境在促进农业生产过程中发挥的具体作用机制，为促进农业经济发展及实现农业产业转型升级提供理论参考。

　　1 材料与方法

　　1. 1 数据来源与描述性统计

　　研究所用数据主要通过国家统计局、国家知识产权局等公开渠道获取，收集的数据包括30个省(区、市)2005—2017年农业研发支出、农业科技创新和农业生产的相关数据，针对不同省(区、市)每个变量可获得390个观测值，确定的变量包括单位面积粮食产量、研发支出强度、农业科技创新成果、国内生产总值、农业产业结构、创新环境、农业从业人数、地区和农业产业人均产值等9个维度。数据来源及计算方法如表1所示。

　　1. 2 研究方法

　　农业科技研发支出对农业创新及农业生产的长短期效应差异显著(张跃强和陈池波，2015)，基于这一研究结论，首先分析农业科技研发支出对农业生产的长期效应和短期效应，同时确定农业研发支出长期效应和短期效应的影响路径，然后选取变量对农业研发支出及其对农业生产的影响进行量化建模，最后运用统计分析方法对量化模型进行分析并得出结论。

　　1. 3 统计分析

　　运用Stata 15.1中的面板数据回归分析模块进行统计分析，相应的统计指标使用和判别标准在具体研究部分列明。

　　2 结果与分析

　　2. 1 农业科技研发支出效应传导机制

　　本研究将农业科技研发支出效应分解为两部分，分别是投资效应和创新效应。农业科技研发支出作为一种投资活动，与其他投资活动一样会产生直接的经济拉动效应，即农业科技研发支出的投资效应;但农业科技研发支出又有别于一般的投资活动，其能产生创新效应，且研发支出的活动能产生创新成果，如农业技术专利等。农业科技研发支出在以往的研究中多呈短期效应，主要是其投资效应所发挥作用。一般性的研发支出具有滞后效应(白俊红等，2009)，但农业科技研发支出的长期效应不显著(张跃强和陈池波，2015)，其原因可能是前人的相关研究尚未考虑研发支出长期影响发挥作用的具体路径，后续研究將通过计量模型探讨和验证研发支出的长期影响。为分析农业科技研发支出的长期效应，本研究构建模型以阐明农业科技研发支出长期效应和短期效应的传导路径(图1)。农业科技研发支出形成后，由研发活动主体开展研发活动，最终形成研发成果;研发成果需通过技术市场进行转化，最终应用于实体经济，即研发支出的长期效应需通过创新成果和市场转化两个因素发挥作用。

　　2. 2 统计分析模型设定、变量选取和数据说明

　　为检验在上述模型中的传导路径，运用面板数据回归分析方法对国内30个省(区，市)2005—2017年农业科技研发支出对农业经济绩效的影响进行实证分析。运用面板数据的方法不仅可分析变量间的时间效应，还能发现变量的空间异质性。