熊　文，朱永彬

(1. 北京工商大學(xué)　經(jīng)濟(jì)學(xué)院 ，北京　100048；2. 中國(guó)科學(xué)院　科技戰(zhàn)略咨詢研究院 ，北京　100190；3. 中國(guó)科學(xué)院大學(xué)，北京　100864 )

一、引言

隨著全球“六次產(chǎn)業(yè)化”的推進(jìn)，第四產(chǎn)業(yè)的“互聯(lián)網(wǎng)+”，第五產(chǎn)業(yè)的“文化創(chuàng)意+”，乃至農(nóng)業(yè)“接二( 產(chǎn)) 連三( 產(chǎn)) ”向第六產(chǎn)業(yè)的演化[1]，各國(guó)對(duì)于科技創(chuàng)新都有了更新更高的要求。法國(guó)在2017年發(fā)布的《國(guó)家科研戰(zhàn)略》中將“信息與溝通社會(huì)”作為十大挑戰(zhàn)之一，并將“大數(shù)據(jù)”列于5個(gè)首要行動(dòng)計(jì)劃之首。俄羅斯2017年發(fā)布《數(shù)字經(jīng)濟(jì)計(jì)劃》，提出至2024年的發(fā)展目標(biāo)，包括規(guī)范管理、人才和教育、研究專長(zhǎng)和技術(shù)儲(chǔ)備、信息基礎(chǔ)設(shè)施及信息安全等五大基本方向。英國(guó)科學(xué)辦公室發(fā)布《技術(shù)與創(chuàng)新的未來》報(bào)告，強(qiáng)調(diào)未來最大的機(jī)會(huì)來自技術(shù)融合和互動(dòng)。日本文部科學(xué)省公布的《2017年度科技白皮書》，聚焦開放創(chuàng)新，并明確未來日本推進(jìn)開放創(chuàng)新的方向。中國(guó)亦在十九大報(bào)告中提出了建設(shè)創(chuàng)新型國(guó)家的宏大目標(biāo)，并強(qiáng)調(diào)農(nóng)村一二三產(chǎn)業(yè)融合發(fā)展。

張來武(2016)[1]指出第六產(chǎn)業(yè)成為農(nóng)業(yè)轉(zhuǎn)型發(fā)展的重要方向，以傳統(tǒng)的產(chǎn)業(yè)劃分理論來指導(dǎo)農(nóng)業(yè)的創(chuàng)新創(chuàng)業(yè)已無法從根本上解決中國(guó)的“三農(nóng)”問題。這就對(duì)我國(guó)農(nóng)業(yè)科技創(chuàng)新提出了更高的要求。為此，理清農(nóng)業(yè)創(chuàng)新的驅(qū)動(dòng)機(jī)制，找出制約農(nóng)業(yè)創(chuàng)新發(fā)展的關(guān)鍵瓶頸，已成為當(dāng)前研究的重要命題。

植物新品種是農(nóng)業(yè)科技創(chuàng)新的主要成果，是推動(dòng)種子產(chǎn)業(yè)和現(xiàn)代農(nóng)業(yè)發(fā)展的重要舉措，是農(nóng)業(yè)科技創(chuàng)新的重要源動(dòng)力[2]。近年來，對(duì)于農(nóng)業(yè)植物新品種研究，主要集中在農(nóng)業(yè)植物新品種權(quán)的現(xiàn)狀與對(duì)策[3]、農(nóng)業(yè)植物新品種權(quán)的質(zhì)量評(píng)估[4]、農(nóng)業(yè)植物新品種保護(hù)制度對(duì)于農(nóng)業(yè)技術(shù)創(chuàng)新的影響[5]等方面。而從農(nóng)業(yè)科技創(chuàng)新的角度，其研究則會(huì)更加豐富，主要分為三個(gè)方面：一是研究農(nóng)業(yè)科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)，如測(cè)算與分解我國(guó)農(nóng)業(yè)技術(shù)進(jìn)步貢獻(xiàn)率[6]，分析農(nóng)業(yè)科技水平與農(nóng)民收入的關(guān)系問題[7]等；二是從知識(shí)生產(chǎn)函數(shù)的角度探索影響農(nóng)業(yè)科技創(chuàng)新的投入要素的貢獻(xiàn)問題[8]；三是研究農(nóng)業(yè)科技創(chuàng)新的效率及能力評(píng)價(jià)[9-10]。

在此，我們關(guān)心影響技術(shù)創(chuàng)新的核心因素、作用大小及其路徑。技術(shù)創(chuàng)新的研究最早源于熊彼特的創(chuàng)新理論[11]，Lucas(1988)[12]認(rèn)為物質(zhì)資本與人力資本的積累對(duì)技術(shù)發(fā)展有重大作用，而Romer(1990)[13]的知識(shí)生產(chǎn)函數(shù)則指明研發(fā)人員、資本及知識(shí)積累三方面為其最核心要素。因此，大多數(shù)的文獻(xiàn)都是在這種理論框架下，研究各種資源投入對(duì)技術(shù)創(chuàng)新的影響力，并擴(kuò)展到各方面的影響因素中去。

內(nèi)在要素投入的影響力總是最核心的命題。有的學(xué)者指出技術(shù)進(jìn)步自身與政府研發(fā)投入的重要性[14]，有的則強(qiáng)調(diào)人力資本投入的重要性[15]，還有的進(jìn)一步探索物質(zhì)資本或R&D資本的影響[16]，甚至還區(qū)分“硬”或“軟”的公共投資[17]，以及研究R&D投入的門檻效應(yīng)[18]。這些研究都是關(guān)注要素的重要性問題，并不斷的將這些要素細(xì)分化而展開分析。

模仿創(chuàng)新亦是技術(shù)進(jìn)步的一個(gè)重要環(huán)節(jié)，可以通過對(duì)國(guó)外技術(shù)的引進(jìn)，亦可購(gòu)買國(guó)內(nèi)技術(shù)，研究的主旋律是引進(jìn)技術(shù)或購(gòu)買國(guó)內(nèi)技術(shù)的好壞問題。

對(duì)于技術(shù)引進(jìn)的作用，在學(xué)界一直未能達(dá)成共識(shí)。Hu等(2005)[19]指出技術(shù)轉(zhuǎn)讓通過與國(guó)內(nèi)研發(fā)交互作用從而對(duì)行業(yè)創(chuàng)新效率產(chǎn)生影響；Chang和Robin( 2006)[20]認(rèn)為技術(shù)購(gòu)買與自主創(chuàng)新存在互補(bǔ)關(guān)系；許繼琴等(2008)[21]亦發(fā)現(xiàn)技術(shù)引進(jìn)與研發(fā)對(duì)寧波技術(shù)進(jìn)步均存在正向影響，但研發(fā)影響更大。而Pillai ( 1979)[22]則認(rèn)為購(gòu)買技術(shù)會(huì)替代自主創(chuàng)新；湯萱(2016)[23]發(fā)現(xiàn)直接購(gòu)買的技術(shù)引進(jìn)會(huì)抑制創(chuàng)新能力發(fā)展；聞雯等(2010)[24]發(fā)現(xiàn)我國(guó)工業(yè)技術(shù)引進(jìn)不是技術(shù)進(jìn)步的直接原因；保永文(2017)[25]則發(fā)現(xiàn)技術(shù)引進(jìn)與自主研發(fā)之間既存在替代效應(yīng)，也存在互補(bǔ)效應(yīng)。

對(duì)于國(guó)內(nèi)技術(shù)的學(xué)習(xí)方面，Hagedoorn和Wang (2012)[26]發(fā)現(xiàn)，對(duì)于公司創(chuàng)新，投資水平較高時(shí)，內(nèi)部研發(fā)與外部研發(fā)有互補(bǔ)效應(yīng)，反之則有替代效應(yīng)。李光泗等(2011)[27]發(fā)現(xiàn)各地區(qū)技術(shù)引進(jìn)與購(gòu)買國(guó)內(nèi)技術(shù)的首要目的是改進(jìn)產(chǎn)品供應(yīng)、提高市場(chǎng)占有率，而企業(yè)核心技術(shù)能力主要依賴企業(yè)的自主創(chuàng)新。侯建等(2016)[28]則發(fā)現(xiàn)當(dāng)區(qū)域已有技術(shù)水平跨越“臨界值”時(shí)，國(guó)內(nèi)技術(shù)購(gòu)買的技術(shù)創(chuàng)新路徑最為有效。

綜上，無論是對(duì)于內(nèi)在的要素投入，還是對(duì)國(guó)內(nèi)外技術(shù)的學(xué)習(xí)模仿，乃至外部環(huán)境因素，其研究無外乎影響的正負(fù)、大小、重要性幾方面，都缺乏對(duì)影響技術(shù)創(chuàng)新的傳導(dǎo)路徑(或者說是這些影響因素的內(nèi)在邏輯與動(dòng)力機(jī)制)進(jìn)行探索。同時(shí)，對(duì)于外部技術(shù)的學(xué)習(xí)模仿，不僅取決于所引進(jìn)的國(guó)外技術(shù)、所購(gòu)買的國(guó)內(nèi)技術(shù)，還取決于獲取這些知識(shí)的途徑的通暢性與穩(wěn)定性。因此，本文將以農(nóng)業(yè)新品種創(chuàng)新為研究對(duì)象，在知識(shí)生產(chǎn)函數(shù)的基礎(chǔ)上引入知識(shí)傳播因子，展開中介變量模型檢驗(yàn)，探索研發(fā)人員、資本及知識(shí)積累三要素投入與知識(shí)傳播途徑對(duì)農(nóng)業(yè)新品種創(chuàng)新的貢獻(xiàn)力量，以及這些力量發(fā)揮的動(dòng)力傳導(dǎo)機(jī)理，進(jìn)而找到其中的關(guān)鍵環(huán)節(jié)或瓶頸約束。

二、模型與識(shí)別

我們將在Romer(1990)[13]的知識(shí)生產(chǎn)函數(shù)基礎(chǔ)上建立實(shí)證模型來檢驗(yàn)以下四個(gè)問題：(1)研發(fā)人員、資本及知識(shí)積累對(duì)于農(nóng)業(yè)科技的貢獻(xiàn)如何？(2)三者的影響如何產(chǎn)生，傳導(dǎo)機(jī)制如何？(3)知識(shí)傳播對(duì)農(nóng)業(yè)新品種創(chuàng)新有何影響？(4)知識(shí)傳播的力量是怎樣傳導(dǎo)的？(5)誰(shuí)是農(nóng)業(yè)新品種創(chuàng)新的關(guān)鍵環(huán)節(jié)？誰(shuí)又是其制約瓶頸？具體模型設(shè)置如下：

(一)知識(shí)生產(chǎn)函數(shù)

對(duì)于問題(1)、(3)，根據(jù)Romer(1990)[13]，本文假設(shè)農(nóng)業(yè)新品種創(chuàng)新由研發(fā)人員、資本及知識(shí)積累三方面核心因素決定，并引入知識(shí)傳播因子，具體模型如下：

(1)

(二)傳導(dǎo)機(jī)制的識(shí)別

對(duì)于問題(2)、(4)及(5)，本文使用“中介效用”來檢驗(yàn)各要素對(duì)農(nóng)業(yè)新品種創(chuàng)新的傳導(dǎo)機(jī)制，以及判定關(guān)鍵環(huán)節(jié)。

1.基本的中介模型

中介效用是心理學(xué)術(shù)語(yǔ)(Baron和Kenny, 1986)[29]，社會(huì)學(xué)最早使用的是間接效用 (Alwin和Hauser, 1975)[30]，而流行病學(xué)則稱其為代理效用(Freedman和Schatzkin, 1992)[31]，具體講就是指一個(gè)變量先對(duì)中介變量發(fā)生影響進(jìn)而間接作用到因變量之上的過程(MacKinnon等，2002)[32]，一般由三個(gè)方程組成。

Y=γ1+τX+ε1

(2)

Y=γ2+τ′X+βI+ε2

(3)

I=γ3+aX+ε3

(4)

其中，Y為因變量，X為自變量，I為中介變量，γ為截距項(xiàng)，ε為誤差項(xiàng)。τ、τ′、α、β為回歸系數(shù)。τ顯著表示自變量X與因變量Y存在線性關(guān)系；β顯著表示中介變量I與自變量X存在線性關(guān)系；τ′顯著且明顯小于τ，同時(shí)α、β、τ均顯著，表示引入中介變量I后有利于自變量X對(duì)因變量Y的關(guān)系解釋，表明存在中介作用，其作用大小由τ′顯著且明顯小于相對(duì)于τ的變化量反映，亦可用中介效應(yīng)與直接效應(yīng)之比(即中直比)αβ/τ′或中介效應(yīng)占總效應(yīng)比例(即中介占比)αβ/(αβ+τ′)表示；若τ′不顯著，但α、β、τ均顯著，則表示存在完全的中介作用，自變量X對(duì)因變量Y的影響完全通過中介變量I實(shí)現(xiàn)；若α與β至少有一個(gè)不顯著，表明I不存在中介作用。另外，如果α、β符號(hào)為正，而τ′符號(hào)為負(fù)，則表明存在抑制效應(yīng)；如果αβ與τ′符號(hào)相反則存在不一致的中介效應(yīng)[33]。以上便是最常用的逐步法[29]，但近年來受到了廣泛的批評(píng)與質(zhì)疑[34]。

除了逐步法，還有差異系數(shù)法，對(duì)兩個(gè)回歸系數(shù)差值τ-τ′的檢驗(yàn)，如Clogg 等(1992)[35]的tn-2=(τ-τ′)/|ρXIστ′|等，其中σ為回歸系數(shù)的標(biāo)準(zhǔn)差，ρXI為X與I的相關(guān)系數(shù)。但由于第一類錯(cuò)誤率太高，被系數(shù)乘積檢驗(yàn)所替代[32]。

為了有效地利用各種方法展開分析，溫忠麟等(2014)[34]總結(jié)了一套檢驗(yàn)流程，其主要思想為：優(yōu)先采用逐步法，不顯著時(shí)進(jìn)行Bootstrap法，并報(bào)告αβ區(qū)間估計(jì)。

2.中介模型的調(diào)節(jié)效應(yīng)

Y=c1X+c2W+c3XW+ε1

(5)

M=a1X+a2W+a3XW+ε2

(6)

(7)

在本文中，首先構(gòu)建知識(shí)生產(chǎn)函數(shù)，若存在中介效應(yīng)，則用逐步法初步判斷，然后用Bootstrap法展開檢驗(yàn)，文中涉及回歸采用Eviews8.0，Bootstrap法用M-plus6編程運(yùn)算。

圖1　中介與調(diào)節(jié)效應(yīng)的三種類型注：有調(diào)節(jié)的中介模型包括實(shí)線與短虛線路徑；有中介的調(diào)節(jié)模型包括實(shí)線與長(zhǎng)虛線路徑；混合模型包括所有路徑。此圖根據(jù)王孟成(2014)[39]綜合整理得到。

三、變量與數(shù)據(jù)

(一)數(shù)據(jù)來源

本文的數(shù)據(jù)主要源自兩方面：農(nóng)業(yè)部植物新品種保護(hù)辦公室(http://www.cnpvp.cn/)與《中國(guó)科技統(tǒng)計(jì)年鑒》[40]。歷年數(shù)據(jù)從2005年起，累積數(shù)據(jù)從1999-2004年起。故本文樣本年份為2005-2015年。經(jīng)比對(duì)兩處來源數(shù)據(jù)匹配，不存在統(tǒng)計(jì)口徑差異。

(二)變量說明

1.農(nóng)業(yè)新品種創(chuàng)新及其積累

對(duì)于農(nóng)業(yè)新品種創(chuàng)新(AS)，由于授權(quán)數(shù)受諸多人為影響，申請(qǐng)量更能反映創(chuàng)新真實(shí)水平[41]，且無法獲得其累積數(shù)，本文選用農(nóng)業(yè)植物新品種權(quán)申請(qǐng)數(shù)(單位：件)進(jìn)行衡量。知識(shí)積累是知識(shí)創(chuàng)新的基礎(chǔ)，需要構(gòu)造農(nóng)業(yè)新品種創(chuàng)新積累指標(biāo)(ASL)。例如，對(duì)于2005年創(chuàng)新對(duì)應(yīng)的知識(shí)累積，其數(shù)據(jù)為1999-2004年的累積數(shù)。

2.農(nóng)業(yè)科技研發(fā)投入

農(nóng)業(yè)科技研發(fā)投入分為人員與資本，分別選用農(nóng)業(yè)R&D人員全時(shí)當(dāng)量(人/年)與農(nóng)業(yè)R&D經(jīng)費(fèi)內(nèi)部支出(萬元)表示；同時(shí)兩者又分為總體指標(biāo)與類別指標(biāo)(包括基礎(chǔ)研究、應(yīng)用研究與試驗(yàn)發(fā)展三類)。

3.知識(shí)傳播指標(biāo)

技術(shù)擴(kuò)散也是重要的影響因素，創(chuàng)新活動(dòng)與領(lǐng)先者的技術(shù)進(jìn)步率有關(guān)，技術(shù)擴(kuò)散則關(guān)系到跟隨者的技術(shù)進(jìn)步方式，跟隨者可以通過模仿來分享領(lǐng)先者創(chuàng)造的技術(shù)[42]，而模仿正是創(chuàng)造的某種新開始。如何更好的吸取外來知識(shí)，這就需要良好的知識(shí)傳播環(huán)境。這種環(huán)境好壞，則取決于其有序或者無序。為此，本文選用歷年我國(guó)各地技術(shù)市場(chǎng)交易情況來構(gòu)建知識(shí)傳播的有序性指數(shù)，根據(jù)宋琦等(2010)[43]，引入信息熵并展開計(jì)算，具體如下：

(8)

其中，Sj為知識(shí)有償傳播熵，j=1,2,3,4分別表示輸出地域合同數(shù)(項(xiàng))、輸出地域合同金額(萬元)、流向地域合同數(shù)(項(xiàng))及流向地域合同金額(萬元)等4方面；pij表示各地合同數(shù)或金額占全國(guó)的比例，i為我國(guó)31個(gè)省市區(qū)?？傡豐為四種熵之和。

根據(jù)方程(8)，計(jì)算得到歷年國(guó)內(nèi)知識(shí)有償傳播熵。結(jié)果顯示，知識(shí)有償傳播總熵呈現(xiàn)出早期大幅度熵減后期熵增的過程，其熵減力量主要來自輸出地域(合同金額)熵，而熵增力量則主要來自流向地域(合同金額)熵方面。另外，輸出地域(合同數(shù))熵與流向地域(合同數(shù))熵均在高位呈小幅波動(dòng)。

四、農(nóng)業(yè)新品種科技創(chuàng)新動(dòng)力、阻力及傳導(dǎo)路徑

(一)研發(fā)投入對(duì)農(nóng)業(yè)新品種創(chuàng)新的影響與路徑

1. 基本知識(shí)生產(chǎn)函數(shù)構(gòu)建

無論農(nóng)業(yè)R&D人員投入(RDLQSDL)還是經(jīng)費(fèi)投入(RDK)，均分為基礎(chǔ)研究、應(yīng)用研究及試驗(yàn)發(fā)展三方面。在此，以AS為因變量，采用逐步回歸法，對(duì)如何投入進(jìn)行初步判定。分析發(fā)現(xiàn)，無論人員還是經(jīng)費(fèi)投入，其基礎(chǔ)研究方面都表現(xiàn)更為穩(wěn)健、顯著(見表1中模型1-5與1-6，簡(jiǎn)稱M_1-5與M_1-6)，故選取基礎(chǔ)研究作為農(nóng)業(yè)R&D人員(RDLQSDLJ)與經(jīng)費(fèi)(RDKJ)投入變量。

表1　農(nóng)業(yè)新品種創(chuàng)新基本知識(shí)生產(chǎn)函數(shù)構(gòu)建

注：*、**、***分別表示通過10%、5%、1%顯著性檢驗(yàn)，括號(hào)內(nèi)為t檢驗(yàn)值，由于篇幅原因，本文只給出關(guān)鍵性結(jié)果；本文變量均為其對(duì)數(shù)形式，如RDLQSDLJ表示ln(RDLQSDLJ)；下同。

進(jìn)一步，根據(jù)方程(1)，展開基本知識(shí)生產(chǎn)函數(shù)構(gòu)建。結(jié)果顯示，RDLQSDLJ、RDKJ以及ASL三者無法同時(shí)存在(見M_1-1)，甚至其中兩個(gè)共存都有難度(見M_1-2, 1-3, 1-8)，僅RDLQSDLJ與ASL有可能(見M_1-7)。其中RDLQSDLJ表現(xiàn)最好(見M_1-3, 1-7)。由此表明，可能存在多重共線性或相互替代問題，需展開中介檢驗(yàn)。

2.阻力與傳導(dǎo)路徑

(1)基本中介路徑分析。在M_1-3、M_1-7及M_1-8中RDLQSDLJ與RDKJ都較為顯著，RDLQSDLJ可能成為RDKJ及ASL兩者的中介變量，而RDKJ則可能成為ASL的中介變量，為此我們將兩者分別作為中介變量展開檢驗(yàn)，具體結(jié)果見表2。

首先，我們以AS為因變量展開檢驗(yàn)，具體見檢驗(yàn)1-檢驗(yàn)3。對(duì)于檢驗(yàn)1與檢驗(yàn)2，無論基本中介檢驗(yàn)，還是Bootstrap法，其結(jié)果均不顯著。但我們發(fā)現(xiàn)，對(duì)于RDKJ與RDLQSDLJ共同存在的模型，兩者系數(shù)均由顯著變?yōu)椴伙@著，表明兩者可能存在相互干擾。檢驗(yàn)1，αβ為正，τ′為負(fù)，可能存在抑制傾向；檢驗(yàn)2，αβ為負(fù)，τ′為正，則可能存在不一致中介傾向；兩種傾向均表達(dá)了遮掩效果的可能。對(duì)于檢驗(yàn)3，α與τ均通過至少5%水平t檢驗(yàn)，z_Sobel及t_Clogg通過1%水平檢驗(yàn)，特別是Bootstrap法通過檢驗(yàn)(τ′與系數(shù)乘積αβ的置信區(qū)間均不包括0)，然而τ′較τ其值由正變負(fù)，而αβ為正，表明RDLQSDLJ對(duì)于ASL存在抑制效應(yīng)。

表2　研發(fā)人員、資本及知識(shí)積累的傳導(dǎo)路徑

注：z_Sobel、t_Clogg 分別表示Sobel (1982)、Clogg等(1992)提出的z或t檢驗(yàn)方法。

接著，以RDLQSDLJ為因變量，ASL為自變量，RDKJ為中介變量展開檢驗(yàn)(見檢驗(yàn)4)。結(jié)果顯示，α、τ、z_Sobel及t_Clogg均通過1%水平檢驗(yàn)，Bootstrap法亦通過檢驗(yàn)，而τ′不顯著，且其置信區(qū)間包括0，表明RDKJ對(duì)于ASL存在完全中介效用。

最后，以AS為因變量，ASL為自變量，RDKJ為中介變量展開檢驗(yàn)(見檢驗(yàn)5)。可以看到，α、z_Sobel及t_Clogg均通過1%水平檢驗(yàn)，τ通過5%水平檢驗(yàn)，Bootstrap法亦通過檢驗(yàn)，而τ′不顯著，且置信區(qū)間包括0，表明RDKJ對(duì)于ASL存在完全中介效用。需要注意的是，由于τ′置信區(qū)間小于0的概率偏高，可能存在抑制傾向。

從以上分析可知，RDKJ與RDLQSDLJ均對(duì)AS產(chǎn)生影響，但相互之間存在嚴(yán)重干擾。而ASL則可能存在某種鏈?zhǔn)铰窂剑鏏SL到RDKJ，再到RDLQSDLJ，最后到AS的過程。因此，需要進(jìn)一步展開多層中介模型檢驗(yàn)。

(2)鏈?zhǔn)街薪槁窂椒治觥Ｔ诖?，按照ASL→RDKJ→RDLQSDLJ→AS的路徑，采用Bootstrap法展開中介分析，其基線模型擬合x2=83.717，df=6，p=0，CFI=0，TLI=0，RMSEA=0，各指數(shù)比較理想。模型估計(jì)的間接效應(yīng)系數(shù)見表3。

根據(jù)中介效應(yīng)分解原理，ASL到AS直接效應(yīng)為-0.534，ASL到AS的間接效用為3個(gè)特定中介效應(yīng)之和0.861，ASL到AS的總效應(yīng)為中介效應(yīng)與間接效用之和0.327。雖然這些效應(yīng)都未能通過顯著性檢驗(yàn)，很可能是受到RDKJ與RDLQSDLJ相互干擾的影響，但我們還是可以通過其大小及正負(fù)方向，結(jié)合前面的基本中介分析做出一些判斷。

從表中可以看到，ASL→RDKJ→RDLQSDLJ→AS路徑上的影響力最大為0.587，其次是ASL→RDKJ→AS路徑上的影響力0.308，而ASL→RDLQSDLJ→AS路徑上的影響力為負(fù)。這里的直接效應(yīng)為負(fù)，而我們知道ASL到AS的總效應(yīng)是正的，表明ASL對(duì)AS的影響，在3個(gè)特定中介過程中，正向影響可能受到不同程度的削弱，負(fù)向影響可能得到加強(qiáng)。結(jié)合前面的基本中介分析可以判定，ASL的力量經(jīng)過RDKJ時(shí)是通暢的，表明ASL→RDKJ→AS路徑上的影響力可能沒有損失；而這種阻礙主要來自RDLQSDLJ，且主要是阻礙了ASL→RDKJ→RDLQSDLJ→AS路徑上的正向影響力。由于ASL→RDLQSDLJ→AS路徑上影響力的p值達(dá)到0.938，表明ASL直接通過RDLQSDLJ施加影響是微乎其微的，這也應(yīng)證了RDLQSDLJ的削弱力量主要施加在ASL→RDKJ→RDLQSDLJ→AS路徑上。

表3　特定間接效應(yīng)分析

因此，綜合基本中介與鏈?zhǔn)街薪榉治觯勺龀鋈缦屡袛啵?1)RDLQSDLJ與RDKJ均對(duì)AS產(chǎn)生重要影響，但兩者會(huì)相互干擾。(2)ASL會(huì)通過三種渠道對(duì)AS產(chǎn)生影響，其中在ASL→RDKJ→RDLQSDLJ→AS路徑上影響力最大，但卻由RDLQSDLJ的抑制作用被大幅削弱；在ASL→RDKJ→AS路徑上的影響力其次，但實(shí)際正向影響最大，其路徑通暢、無阻礙；ASL→RDLQSDLJ→AS路徑上影響力微弱，且為負(fù)。(3)由于RDLQSDLJ對(duì)RDKJ的干擾，以及對(duì)ASL的抑制，使其成為整個(gè)傳導(dǎo)路徑的瓶頸。

(二)知識(shí)傳播的影響

1.知識(shí)傳播對(duì)農(nóng)業(yè)科技發(fā)展的影響

由于知識(shí)有償傳播的總熵包括四方面類別熵，采用逐步回歸法，判定其影響特征。結(jié)果顯示，總體變量S作為單獨(dú)變量時(shí)不能通過檢驗(yàn)，而S4在多變量參與時(shí)不能通過檢驗(yàn)，且將其去除后模型F值明顯提高，表明S1、S2及S3分別對(duì)AS存在負(fù)、正、正的顯著影響。在進(jìn)一步減少變量的過程中，發(fā)現(xiàn)S1與S2之間可能存在某種調(diào)節(jié)效應(yīng)；而S3則較為穩(wěn)健，表明其對(duì)AS可能存在著穩(wěn)健的正向影響。另外，對(duì)于不顯著的S4，經(jīng)過一系列模型構(gòu)建與中介變量檢驗(yàn)發(fā)現(xiàn)其不存在中介效用，且與ASL共同作用于RDKJ，較之于僅有ASL的模型其R2由0.9242上升到0.9766，表明S4對(duì)AS有著一定影響。

2.知識(shí)傳播的影響路徑

針對(duì)S1與S2之間可能存在的調(diào)節(jié)效應(yīng)，運(yùn)用Bootstrap法，分別以RDLQSDLJ、RDKJ及ASL為中介變量展開分析，經(jīng)過一系列嘗試，最終發(fā)現(xiàn)RDLQSDLJ存在有中介的調(diào)節(jié)效應(yīng)。

表4　有中介的調(diào)節(jié)效應(yīng)估計(jì)結(jié)果

表4的結(jié)果顯示，在方程(6)中，各參數(shù)的置信區(qū)間均不包括0，通過1%顯著性檢驗(yàn)；而在方程(7)中，除了b1，其他參數(shù)的置信區(qū)間均包括0，未能通過檢驗(yàn)。表明該模型的調(diào)節(jié)效應(yīng)完全通過中介效應(yīng)影響因變量。這里需要說明的是，在Bootstrap法分析時(shí)，S3的樣本方差太小，接近0，分析失效。因此，此處有中介的調(diào)節(jié)效應(yīng)模型并不包含S3，而前面對(duì)于其影響穩(wěn)健的判斷亦存在疑問。

而對(duì)于間接調(diào)節(jié)效應(yīng)的進(jìn)一步計(jì)算，取決于調(diào)節(jié)變量取值，表示在調(diào)節(jié)變量為某值時(shí)，自變量通過中介變量作用于因變量的效應(yīng)。在此，我們將以S1或S2為自變量，S2或S1為調(diào)節(jié)變量(在設(shè)置輔助變量時(shí)取值為μS2或μS1)，取值包括所有樣本點(diǎn)。在此，按照從大到小的順序設(shè)定調(diào)節(jié)值，展開Bootstrap分析，每次Bootstrap分析設(shè)置為1000步，基本在300多步收斂，具體見表5。

從表5可以看到，無論S1或S2作為調(diào)節(jié)變量，隨著調(diào)節(jié)取值的變大，自變量對(duì)因變量的間接調(diào)節(jié)效應(yīng)都會(huì)逐步減小，最終由正轉(zhuǎn)為負(fù)。而對(duì)于直接調(diào)節(jié)效應(yīng)，無論S1或S2作為調(diào)節(jié)變量，無論如何取值，其置信區(qū)間均包括0，不顯著。這與前面結(jié)果一致，表明所有效應(yīng)均通過中介變量RDLQSDLJ影響因變量AS。

進(jìn)一步，從具體年份來分析調(diào)節(jié)效應(yīng)的變化。對(duì)于S1作為調(diào)節(jié)變量的情況，由于μS1整體較高并呈現(xiàn)出一個(gè)較穩(wěn)定的狀況，在1.0044及其以下時(shí)(也即是2006-2008年、2014-2015年兩個(gè)時(shí)段)，其置信區(qū)間不包括0，通過顯著性檢驗(yàn)，且間接調(diào)節(jié)效應(yīng)為正；而其他時(shí)段間接調(diào)節(jié)效應(yīng)不顯著。由于在2006-2008年期間，間接調(diào)節(jié)效應(yīng)為正，若此時(shí)S2為增加的趨勢(shì)，則其對(duì)AS的影響就為正，然而期間S2上下波動(dòng)，表明此時(shí)S2對(duì)AS的影響并不穩(wěn)定。而在2014-2015年期間，間接調(diào)節(jié)效應(yīng)亦為正，而期間S2呈現(xiàn)穩(wěn)步上升過程，表明此時(shí)S2對(duì)AS的影響穩(wěn)定為正。對(duì)于S2作為調(diào)節(jié)變量的情況，μS2整體處于較低的水平(除了2005年較高)并呈現(xiàn)出先小幅波動(dòng)然后緩步上升的過程，且所有檢驗(yàn)的置信區(qū)間均不包括0，顯著。在μS2較低(即2006-2012年)時(shí)，間接調(diào)節(jié)效應(yīng)為正；而在μS2較高時(shí)(即2005年、2013-2015年時(shí)段)，間接調(diào)節(jié)效應(yīng)則為負(fù)。由于在2006-2012年期間，間接調(diào)節(jié)效應(yīng)為正，而此時(shí)S1較高且較為穩(wěn)定，但主體上呈現(xiàn)一個(gè)微弱的增加態(tài)勢(shì)，表明此時(shí)S1對(duì)AS主要為正向影響。而在2005年、2013-2015年期間，間接調(diào)節(jié)效應(yīng)為負(fù)，而在2005-2006年、2013-2015年期間S2呈現(xiàn)下降態(tài)勢(shì)，表明此時(shí)S1對(duì)AS的影響亦穩(wěn)定為正。

表5　有中介的調(diào)節(jié)效應(yīng)分解

綜合來看，在早中期(即2005-2013年)，S1通過RDLQSDLJ對(duì)AS展現(xiàn)了穩(wěn)定的正向影響，然而S1與S2步調(diào)不協(xié)調(diào)(S2對(duì)AS的影響表現(xiàn)不穩(wěn)定)；在后期(即2014-2015年)，S1與S2均通過RDLQSDLJ對(duì)AS展現(xiàn)了穩(wěn)定的正向影響，兩者達(dá)到了完美的協(xié)調(diào)。這種完美的協(xié)調(diào)具體表現(xiàn)為，S1的下降，讓?duì)蘏1帶來正向的協(xié)調(diào)影響，而S2的上升給AS帶來正向影響；S2的上升，讓?duì)蘏2帶來負(fù)向的協(xié)調(diào)影響，而S1的下降亦給AS帶來正向影響?？梢哉f，S1的下降與S2的上升是一種給AS帶來正向影響的最佳配合。

五、結(jié)論與討論

十九大報(bào)告指出，創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力，是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的戰(zhàn)略支撐。本文立足農(nóng)業(yè)科技創(chuàng)新問題，探索農(nóng)業(yè)創(chuàng)新的驅(qū)動(dòng)機(jī)制、路徑與瓶頸，通過在知識(shí)生產(chǎn)函數(shù)中引入知識(shí)傳播因子，并運(yùn)用中介模型檢驗(yàn)方法，發(fā)現(xiàn)創(chuàng)新的動(dòng)力機(jī)制存在復(fù)雜的傳導(dǎo)路徑，知識(shí)傳播通過各種形式發(fā)揮作用，而人則是創(chuàng)新發(fā)展的瓶頸。

(1)基礎(chǔ)研發(fā)投入在農(nóng)業(yè)新品種創(chuàng)新中起著最重要的影響作用，而其中的研發(fā)資本投入、科技人員投入以及知識(shí)的累積均是創(chuàng)新的核心動(dòng)力源泉。①資本與科技人員均直接對(duì)創(chuàng)新產(chǎn)生重要作用，然而兩者之間卻存在嚴(yán)重的相互干擾力。②知識(shí)累積則通過間接的方式對(duì)創(chuàng)新產(chǎn)生影響，并包括三種渠道。最主要是通過研發(fā)資本對(duì)創(chuàng)新產(chǎn)生正向影響，這部分力量初始不是最大，但貴在路徑通暢；而另一部分正向影響則通過研發(fā)資本傳遞到科研人員進(jìn)而傳遞到創(chuàng)新，這部分力量雖然初始時(shí)最大，但在通過科研人員的過程中受到抑制而被大幅削弱；此外還有一種力量通過科研人員對(duì)創(chuàng)新發(fā)生影響，但影響力微弱，且為負(fù)向。③科研人員存在瓶頸效應(yīng)?？蒲腥藛T雖然對(duì)創(chuàng)新的直接作用是正向的，且很重要，但卻干擾資本對(duì)創(chuàng)新的影響，抑制知識(shí)累積的正向影響。

因此，我們認(rèn)為，在農(nóng)業(yè)科技投入方面，應(yīng)該加強(qiáng)對(duì)基礎(chǔ)研發(fā)的重視程度，進(jìn)一步提高基礎(chǔ)研發(fā)投入的比例；而在研究經(jīng)費(fèi)的具體分配上，應(yīng)強(qiáng)調(diào)“以人為本”，加大對(duì)科技人員本身的支撐力度，增強(qiáng)對(duì)科研人員研發(fā)的激勵(lì)機(jī)制，從而改善科研人員對(duì)研發(fā)資本、知識(shí)累積的瓶頸約束作用，提升研發(fā)投入的創(chuàng)新效率。

(2)知識(shí)的有償傳播在創(chuàng)新過程中發(fā)揮著重要作用，可以從供給方(輸出地域)、需求方(流向地域)角度看，亦可從數(shù)量(合同數(shù))、金額(合同金額)角度看。

①?gòu)墓┙o方面看，數(shù)量熵與金額熵需要相互調(diào)節(jié)，并完全通過科技人員的中介作用，對(duì)創(chuàng)新形成影響。由于供給數(shù)量熵一直維持在一個(gè)較高的水準(zhǔn)，在很多時(shí)候，在其調(diào)節(jié)下，金額熵對(duì)創(chuàng)新的間接調(diào)節(jié)效應(yīng)無法確定；當(dāng)供給數(shù)量熵有所下降時(shí)，在其調(diào)節(jié)下，金額熵對(duì)創(chuàng)新存在正向的間接調(diào)節(jié)效應(yīng)。供給金額熵整體處于較低水平，并呈現(xiàn)逐步上升的過程，在其調(diào)節(jié)下，數(shù)量熵對(duì)創(chuàng)新的間接調(diào)節(jié)效應(yīng)存在正、負(fù)兩種情況，但由于數(shù)量熵的變化方向，其對(duì)創(chuàng)新的影響實(shí)際上總是正向的。另外，需要特別指出的是，隨著技術(shù)供給市場(chǎng)的發(fā)展，在樣本后期，數(shù)量熵與金額熵形成了一種完美的調(diào)節(jié)搭配，數(shù)量熵下降，帶來金額熵對(duì)創(chuàng)新正向的間接協(xié)調(diào)效應(yīng)，而金額熵的上升給創(chuàng)新帶來正面影響；金額熵上升，帶來數(shù)量熵對(duì)創(chuàng)新負(fù)向的間接協(xié)調(diào)效應(yīng)，而數(shù)量熵的下降則給創(chuàng)新帶來正面影響。因此，降低供給數(shù)量熵和提高供給金額熵，是創(chuàng)新發(fā)展的需求。這表明，供給數(shù)量熵減，形成有序的技術(shù)輸出市場(chǎng)、穩(wěn)定的知識(shí)有償傳播渠道，對(duì)于科技人員穩(wěn)定地獲取知識(shí)有著重要意義。供給金額熵增，更多的地方獲得更高的技術(shù)收益，能很好地鼓勵(lì)各地出現(xiàn)更多的技術(shù)供給，有利于科技人員獲取更多樣的知識(shí)。

②從需求方看，需求數(shù)量熵處于較高水平，符合“積累的知識(shí)流向更多需求的地方去”的要求，表明了我國(guó)各地對(duì)已有知識(shí)學(xué)習(xí)需求的可能的旺盛狀況，然而由于其變化微弱，雖然在回歸時(shí)顯示了正向影響，但由于本文樣本容量小，無法提供更穩(wěn)健的檢驗(yàn)支撐。另外，需求金額熵對(duì)研發(fā)資本有正向影響，特別是其后期存在大幅上升的狀況。熵增反映了需求方技術(shù)購(gòu)買金額的不確定性，說明技術(shù)需求競(jìng)價(jià)的加大，在某種意義上提高了各地獲得技術(shù)的成本。但由于并沒有發(fā)現(xiàn)中介效應(yīng)的存在，無法判斷技術(shù)需求的競(jìng)價(jià)對(duì)創(chuàng)新的影響，需要進(jìn)一步的探索研究。

綜合知識(shí)供需特點(diǎn)，本文認(rèn)為，對(duì)于知識(shí)傳播渠道建設(shè)，應(yīng)加強(qiáng)技術(shù)市場(chǎng)建設(shè)，形成穩(wěn)定的、高效的技術(shù)交易渠道，從而讓科技人員能夠更輕松、便捷地獲得所需知識(shí)，降低其獲取知識(shí)的交易成本；同時(shí)應(yīng)進(jìn)一步提高知識(shí)交易的公開、透明程度，形成良性的知識(shí)交易競(jìng)價(jià)機(jī)制，保障知識(shí)提供者權(quán)益，繁榮我國(guó)技術(shù)市場(chǎng)活力，從而刺激技術(shù)創(chuàng)新發(fā)展。

另外，我們必須意識(shí)到創(chuàng)新里面首先是原始創(chuàng)新、基礎(chǔ)領(lǐng)域?qū)用娴膭?chuàng)新，明白原始創(chuàng)新在創(chuàng)新發(fā)展中的核心驅(qū)動(dòng)作用。無論是基礎(chǔ)研發(fā)的重要性，研發(fā)投入的以人為本，還是知識(shí)傳播渠道的間接作用，其最后的落腳點(diǎn)均是對(duì)原始創(chuàng)新的推動(dòng)。應(yīng)在政策上引導(dǎo)，強(qiáng)調(diào)原始創(chuàng)新的重要意義，將人財(cái)物更多地向原創(chuàng)性研究領(lǐng)域傾斜。

最終，對(duì)于農(nóng)業(yè)科技發(fā)展，我們要高度重視原始創(chuàng)新，強(qiáng)化基礎(chǔ)研究，著力發(fā)揮研發(fā)投入與知識(shí)渠道建設(shè)的雙重作用，實(shí)現(xiàn)前瞻性、引領(lǐng)性科技原創(chuàng)成果重大突破，并培養(yǎng)造就一大批具有國(guó)際水平的農(nóng)業(yè)戰(zhàn)略科技人才、領(lǐng)軍人才、青年人才和高水平創(chuàng)新團(tuán)隊(duì)。當(dāng)然，需要注意的是，由于農(nóng)業(yè)新品種的研發(fā)、申請(qǐng)和授權(quán)并不像工業(yè)產(chǎn)品那樣更接近于市場(chǎng)，用數(shù)理統(tǒng)計(jì)分析存在一定局限性；而肥料、農(nóng)藥、耕作等方面也都是農(nóng)業(yè)科技創(chuàng)新的重要內(nèi)容，本文僅探討了農(nóng)業(yè)新品種創(chuàng)新，結(jié)論的適應(yīng)性亦存在限制，有待進(jìn)一步探索。

參考文獻(xiàn)：

[1]張來武．以六次產(chǎn)業(yè)理論引領(lǐng)創(chuàng)新創(chuàng)業(yè)[J]．中國(guó)軟科學(xué), 2016(1):1-5.

[2]胡凱，張鵬．我國(guó)植物新品種權(quán)申請(qǐng)授權(quán)狀況分析[J]．技術(shù)經(jīng)濟(jì)與管理研究, 2013(1):124-128.

[3]王仁富. 我國(guó)農(nóng)業(yè)植物新品種權(quán)保護(hù)現(xiàn)狀及完善[J]．農(nóng)村經(jīng)濟(jì), 2011(11):45-48.

[4]任靜，宋敏. 基于邏輯回歸的植物新品種權(quán)質(zhì)量評(píng)估研究——以雜交水稻品種權(quán)為例[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào), 2016, 18(1):209-216.

[5]劉輝，許慧. 植物新品種權(quán)制度對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新主體申請(qǐng)量影響的實(shí)證分析[J]. 軟科學(xué), 2010, 24(4):24-28.

[6]張莉俠，張睿，林建永．1990-2009年三大都市農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率的測(cè)算及比較[J]．中國(guó)科技論壇, 2012(11):104-109.

[7]范金，任會(huì)，袁小慧. 農(nóng)民家庭經(jīng)營(yíng)性收入與科技水平的相關(guān)性研究:以南京市為例[J]. 中國(guó)軟科學(xué), 2010(1):67-77.

[8]李想，穆月英. 農(nóng)業(yè)科技創(chuàng)新投入要素貢獻(xiàn)的動(dòng)態(tài)分析——基于狀態(tài)空間模型的實(shí)證[J]. 經(jīng)濟(jì)經(jīng)緯, 2013(4):39-43.

[9]李楊，楊錦秀，傅新紅．我國(guó)區(qū)域農(nóng)業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)[J]. 中國(guó)軟科學(xué), 2009(1):84-89.

[10]張莉俠，俞美蓮，王曉華. 農(nóng)業(yè)科技創(chuàng)新效率測(cè)算及比較研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2016(12):84-90.

[11]〗約瑟夫·熊彼特.經(jīng)濟(jì)發(fā)展理論[M]．北京:商務(wù)印書館,1990.

[12]LUCAS R E. On the mechanics of economic development [J]. Journal of Monetary Economics, 1988, 22(1): 3-42.

[13]ROMER P M. Endogenous technological change [J]. Journal of Political Economy, 1990, 98(5): 71-102.

[14]李曉宏，孫林巖，何哲．中國(guó)技術(shù)進(jìn)步影響因素研究(1981-2006年)——基于向量自回歸模型實(shí)證分析[J]. 軟科學(xué), 2008, 22(7):24-29.

[15]TEIXEIRA A, FORTUNA N. Human capital, innovation capability and economic growth [J]. Fep Working Papers, 2004, 3(3): 205-225.

[16]趙志耘，呂冰洋，郭慶旺等．資本積累與技術(shù)進(jìn)步的動(dòng)態(tài)融合:中國(guó)經(jīng)濟(jì)增長(zhǎng)的一個(gè)典型事實(shí)[J]. 經(jīng)濟(jì)研究, 2007(11): 18-31.

[17]苑德宇，韓俊霞．公共資本、省際溢出與技術(shù)進(jìn)步——基于面板協(xié)整的經(jīng)驗(yàn)分析[J]. 中國(guó)軟科學(xué), 2011(2):80-90.

[18]趙傳仁，韓先鋒，宋文飛．研發(fā)投資對(duì)企業(yè)技術(shù)進(jìn)步影響的異質(zhì)門檻效應(yīng)[J]. 中國(guó)科技論壇, 2016(9):85-89.

[19]HU A G Z, JEFFERSON G H, QIAN J. R&D and technology transfer: Firm-level evidence from Chinese industry [J]. Review of Economics & Statistics, 2005, 87(4): 780-786.

[20]Chang C, Robin S. Doing R&D and/or importing technologies: The critical importance of firm size in Taiwan’s manufacturing industries [J]. Review of Industrial Organization, 2006, 29( 3) : 50-60．

[21]許繼琴，潘丹，黃亮．寧波市技術(shù)引進(jìn)與技術(shù)進(jìn)步關(guān)系的實(shí)證研究[J]. 寧波大學(xué)學(xué)報(bào)(人文版), 2008, 21(5):67-72.

[22]PILLAI P M. Technology transfer, adaptation and assimilation [J]. Economic & Political Weekly, 1979, 14(47):M121-M126.

[23]湯萱．技術(shù)引進(jìn)影響自主創(chuàng)新的機(jī)理及實(shí)證研究——基于中國(guó)制造業(yè)面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J]. 中國(guó)軟科學(xué), 2016(5):119-132.

[24]聞雯，胡登峰，胡成寶．技術(shù)引進(jìn)與我國(guó)工業(yè)技術(shù)進(jìn)步關(guān)系的實(shí)證研究[J].技術(shù)經(jīng)濟(jì),2010, 29(4):17-21.

[25]保永文．知識(shí)產(chǎn)權(quán)保護(hù)、技術(shù)引進(jìn)與中國(guó)制造業(yè)技術(shù)創(chuàng)新——基于面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J]. 國(guó)際貿(mào)易問題, 2017(6):38-49.

[26]HAGEDOORN J, WANG N. Is there complementarity or substitutability between internal and external R&D strategies? [J]. Research Policy, 2012, 41(6):1072-1083.

[27]李光泗，沈坤榮．技術(shù)進(jìn)步路徑演變與技術(shù)創(chuàng)新動(dòng)力機(jī)制研究[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究, 2011(6):71-78.

[28]侯建，陳恒．自主研發(fā)、技術(shù)轉(zhuǎn)移方式與區(qū)域創(chuàng)新質(zhì)量[J]. 中國(guó)科技論壇, 2016(11):89-95.

[29]BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations [J]. Journal of Personality & Social Psychology, 1986, 51(6):1173-1182.

[30]ALWIN D F, HAUSER R M. The decomposition of effects in path analysis [J]. American Sociological Review, 1975, 40(1):37-47.

[31]FREEDMAN L S, SCHATZKIN A. Sample size for studying intermediate endpoints within intervention trails or observational studies [J]. American Journal of Epidemiology, 1992, 136(9):1148-1159.

[32]MACKINNON D P, LOCKWOOD C M, HOFFMAN J M, et al. A comparison of methods to test mediation and other intervening variable effects [J]. Psychological Methods, 2002, 7(1):83.

[33]TZELGOV J, HENIK A. Suppression situations in psychological research: Definitions, implications, and applications [J]. Psychological Bulletin, 1991, 2(109):524-536.

[34]溫忠麟，葉寶娟．中介效應(yīng)分析:方法和模型發(fā)展[J]. 心理科學(xué)進(jìn)展, 2014, 22(5):731-745.

[35]CLOGG C C, PETKOVA E, SHIHADEH E S. Statistical methods for analyzing collapsibility in regression models [J]. Journal of Educational and Behavioral Statistics, 1992, 17(1):51-74.

[36]SOBEL M E. Asymptotic confidence intervals for indirect effects in structural equation models [J]. Sociological Methodology, 1982, 13(13):290-312.

[37]EFRON B, TIBSHIRANI R J. An introduction to the bootstrap [M]. Chapman & Hall, 1993.

[38]NTZOUFRAS I. Bayesian modeling using WinBUGS [M]. Wiley, 2009.

[39]王孟成．潛變量建模與Mplus應(yīng)用，基礎(chǔ)篇[M]. 重慶: 重慶大學(xué)出版社, 2014.

[40]國(guó)家統(tǒng)計(jì)局．中國(guó)科技統(tǒng)計(jì)年鑒(2006-2016)[M]. 北京：中國(guó)統(tǒng)計(jì)出版社, 2006-2016.

[41]GRILICHES Z. Issues in assessing the contribution of research and development to productivity growth [J]. Bell Journal of Economics, 1979, 10(1):92-116.

[42]崔鑫生．專利表征的技術(shù)進(jìn)步與經(jīng)濟(jì)增長(zhǎng)的關(guān)系文獻(xiàn)綜述[J]. 北京工商大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2008, 23(1):124-128.

[43]宋琦，韓伯棠，王宗賜．基于知識(shí)溢出熵的創(chuàng)新集群生命周期演化研究[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理, 2010, 31(3):68-71.