王文一 杜俊娟

摘要以提倡農(nóng)業(yè)科技創(chuàng)新、加大金融支持力度為背景，利用2007—2016年省際面板數(shù)據(jù)，實證考察政策投入、商業(yè)信貸對農(nóng)業(yè)科技創(chuàng)新效率的影響。在運(yùn)用DEA模型對農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行測度的基礎(chǔ)上，采用面板數(shù)據(jù)固定效應(yīng)模型實證檢驗政策性資金投入、商業(yè)信貸支持對農(nóng)業(yè)科技創(chuàng)新效率的的作用效果。結(jié)果表明：商業(yè)信貸能夠顯著提升我國農(nóng)業(yè)科技創(chuàng)新效率，而政策投入的影響效果因地域差異而有不同表現(xiàn)。

關(guān)鍵詞農(nóng)業(yè)科技創(chuàng)新;政策投入;商業(yè)信貸

中圖分類號S-9文獻(xiàn)標(biāo)識碼A

文章編號0517-6611（2020）04-0227-05

doi：10.3969/j.issn.0517-6611.2020.04.066

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Policy Input， Commercial Credit and the Efficiency of Agricultural Science and Technology Innovation—Empirical Research Based on Provincial Panel Data

WANG Wen-yi，DU Jun-juan（Anhui Xinhua University，Hefei，Anhui 230088）

AbstractUnder the background of advocating agricultural science and technology innovation and increasing financial support， this paper empirically investigates the impact of policy input and commercial credit on the efficiency of agricultural science and technology innovation by using the provincial panel data of 2007-2016. Based on the DEA model to measure the efficiency of agricultural science and technology innovation， this paper uses panel data fixed effect model to empirically test the effect of policy capital investment and commercial credit support on the efficiency of agricultural science and technology innovation. The results showed that commercial credit can significantly improve the efficiency of agricultural science and technology innovation in China， and the effect of policy input varies according to regional differences.

Key wordsAgricultural science and technology innovation;Policy input;Commercial credit

2012年2月17日，中央一號文件《關(guān)于加快推進(jìn)農(nóng)業(yè)科技創(chuàng)新 持續(xù)增強(qiáng)農(nóng)產(chǎn)品共給保障能力的若干意見》指出，當(dāng)今時代農(nóng)業(yè)科技創(chuàng)新應(yīng)擺放在更加顯赫的位置，大力依靠農(nóng)業(yè)科技創(chuàng)新帶動現(xiàn)代農(nóng)業(yè)發(fā)展是未來工作的重點(diǎn)方向?；仡櫼酝?，自2004年以來，黨和國家多次在中央一號文件中強(qiáng)調(diào)重視“三農(nóng)”問題，以期提升農(nóng)業(yè)科技創(chuàng)新效率水平。農(nóng)業(yè)科技創(chuàng)新是實現(xiàn)農(nóng)業(yè)現(xiàn)代化的現(xiàn)實途徑和關(guān)鍵環(huán)節(jié)，對于我國當(dāng)前農(nóng)業(yè)的發(fā)展起到舉足輕重的作用[1]。由此可見，研究如何優(yōu)化農(nóng)業(yè)科技投入渠道、以有限投入獲得最大產(chǎn)出效率，從而最大限度發(fā)揮農(nóng)業(yè)科技創(chuàng)新要素投入優(yōu)勢具有重大意義。

中國長期以來一直處于發(fā)展中國家的地位，農(nóng)業(yè)基礎(chǔ)薄弱、市場力量弱小，其科技創(chuàng)新與進(jìn)步離不開政府的扶持。與此同時，商業(yè)信貸近年來已成為農(nóng)業(yè)科技創(chuàng)新過程中極其重要的資金來源，在對農(nóng)業(yè)科技創(chuàng)新效率的影響中有著舉足輕重的地位。

該研究從農(nóng)業(yè)科技創(chuàng)新這一話題引入，從實證角度出發(fā)探究中國不同區(qū)域農(nóng)業(yè)科技創(chuàng)新效率受到政策性資金投入以及商業(yè)信貸支持影響的差異，并分析產(chǎn)生差異的原因，以彌補(bǔ)現(xiàn)有研究的不足，為各區(qū)域制定符合自身條件的農(nóng)業(yè)發(fā)展戰(zhàn)略提出可行性建議。

1文獻(xiàn)回顧

1.1農(nóng)業(yè)科技創(chuàng)新問題的研究

關(guān)于農(nóng)業(yè)科技創(chuàng)新方面的研究，現(xiàn)有文獻(xiàn)多集中于通過層次分析、聚類分析、實地調(diào)查等方法對區(qū)域或是國家層面的農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行測量、對比和評價。呂作良等[2]用中國14個省份數(shù)據(jù)構(gòu)建效率評價模型，實證測算各個省份的農(nóng)業(yè)科技投入效率。Oluwatobi等[3]選取1996—2012年40個非洲國家的樣本，采用基線方程系統(tǒng)通用矩量法進(jìn)行技術(shù)估算。結(jié)果表明，政府有效性和監(jiān)管質(zhì)量是對創(chuàng)新影響最大的兩種制度措施。因此，提高非洲的創(chuàng)新率，完善推動監(jiān)管和提高政府效率的框架是必要的手段[3]。另有部分學(xué)者從實證角度出發(fā)，采用DEA、SFA等方法對農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行測量。錢麗等[4]基于創(chuàng)新系統(tǒng)理論，將生態(tài)環(huán)境效應(yīng)納入農(nóng)業(yè)創(chuàng)新系統(tǒng)效率評價框架之中，運(yùn)用DEA模型測度安徽省各地市農(nóng)業(yè)創(chuàng)新系統(tǒng)效率，給出了農(nóng)業(yè)創(chuàng)新系統(tǒng)資源利用的模式。張莉俠等[5]采用SBM超效率模型測算了北京、上海及天津三大都市農(nóng)業(yè)科技創(chuàng)新效率及其影響因素，結(jié)論顯示，由于技術(shù)市場的發(fā)育程度、農(nóng)業(yè)技術(shù)引進(jìn)力度等方面的地區(qū)差異性，三大都市農(nóng)業(yè)科技創(chuàng)新效率呈現(xiàn)不同的變化。陳振等[6]利用河南省各地市農(nóng)業(yè)數(shù)據(jù)對其農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行測算和對比分析。結(jié)果顯示，河南省農(nóng)業(yè)科技創(chuàng)新整體效率不高，且要素投入的冗余程度導(dǎo)致不同地市之間產(chǎn)出效率存在較大差異。

1.2政策支持、金融支持對農(nóng)業(yè)科技創(chuàng)新的影響

關(guān)于農(nóng)業(yè)政策性投入與農(nóng)業(yè)科技創(chuàng)新效率的關(guān)系，國內(nèi)外學(xué)者已從多方面進(jìn)行了論證，并取得了較多有價值的研究成果。Fan等[7]研究發(fā)現(xiàn)，政府應(yīng)優(yōu)先考慮對農(nóng)村公路和農(nóng)業(yè)研究的額外投資。這類投資不僅比任何其他政府投資對貧困影響都要大得多，而且還會產(chǎn)生更高的農(nóng)村生產(chǎn)率增長。王雅鵬等[8]指出，創(chuàng)新農(nóng)業(yè)科研投入政策體系能夠促進(jìn)我國現(xiàn)代農(nóng)業(yè)科技創(chuàng)新體系的建立和完善。但同時也有部分學(xué)者研究得出了相反的結(jié)論。Fan[9]在研究中發(fā)現(xiàn)，財政支農(nóng)以及農(nóng)業(yè)信貸對于農(nóng)業(yè)經(jīng)濟(jì)增長和農(nóng)民收入增長的作用并不顯著，甚至在某些時期表現(xiàn)出抑制作用。李洪煉等[10]運(yùn)用中部6省的面板數(shù)據(jù)對農(nóng)業(yè)技術(shù)創(chuàng)新效率及其與政府、市場之間的關(guān)系進(jìn)行了研究，結(jié)論顯示中央政府對地區(qū)的農(nóng)業(yè)支持對于當(dāng)?shù)乜蒲挟a(chǎn)出效率有一定負(fù)面效應(yīng)。

鑒于農(nóng)業(yè)本身的脆弱性與依賴性，農(nóng)業(yè)科技創(chuàng)新一直離不開金融的鼎力支持。良好的金融機(jī)制能購加快資本市場資金供給者與 需求者的匹配效率，進(jìn)而推動農(nóng)業(yè)產(chǎn)業(yè)持續(xù)健康發(fā)展。Ang[11]的研究結(jié)論指出：金融自由化程度的提高和金融政策的完善能夠顯著促進(jìn)農(nóng)業(yè)科技創(chuàng)新與產(chǎn)業(yè)升級轉(zhuǎn)型。崔海云等[12]分析了農(nóng)業(yè)龍頭企業(yè)在創(chuàng)新開放進(jìn)程中政府扶持力度與企業(yè)經(jīng)營績效之間的關(guān)系，得出企業(yè)在經(jīng)營目標(biāo)以及創(chuàng)新模式選擇的差異性基礎(chǔ)上會產(chǎn)生不同的政策效果。趙麗娟等[13]采用省級面板數(shù)據(jù)研究發(fā)現(xiàn)，農(nóng)業(yè)政策性金融投入對于農(nóng)業(yè)科技創(chuàng)新有促進(jìn)作用，但這種影響效果不是十分顯著。

通過對文獻(xiàn)的梳理可知，雖然國內(nèi)外學(xué)者對于金融和政策支持農(nóng)業(yè)創(chuàng)新發(fā)展問題展開了一定程度的探討，但是總體來看仍舊是理論文獻(xiàn)居多，鮮少有學(xué)者從實證角度出發(fā)綜合探析政策投入、商業(yè)信貸對于農(nóng)業(yè)科技創(chuàng)新效率的作用效果;再者，現(xiàn)有文獻(xiàn)在研究過程中甚少考慮農(nóng)業(yè)科技創(chuàng)新的空間效應(yīng)，具體分析政策與信貸對于農(nóng)業(yè)科技創(chuàng)新效率影響空間差異性的文章更是少之又少。鑒于此，筆者利用省級面板數(shù)據(jù)進(jìn)行實證探究。在對中國各個省份在樣本年間農(nóng)業(yè)科技創(chuàng)新效率測算的基礎(chǔ)上，采用政策投入、商業(yè)信貸指標(biāo)對其進(jìn)行回歸分析，同時將樣本劃分為中、東、西3個區(qū)域進(jìn)行分樣本回歸，以觀察作用效果的空間差異性，進(jìn)而有針對性地提出建議對策。

2研究設(shè)計

2.1樣本選取與數(shù)據(jù)來源

在參考前人研究文獻(xiàn)、并考慮指標(biāo)數(shù)據(jù)可獲得性的基礎(chǔ)上，為盡量保證面板數(shù)據(jù)的完整和平穩(wěn)，該研究收集整理了2007—2016年中國31個省份的面板數(shù)據(jù)作為研究對象。其中，由于西藏地區(qū)的大多數(shù)數(shù)據(jù)無法通過現(xiàn)有資料查找到，故將其從樣本中剔除。農(nóng)業(yè)指標(biāo)測算數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》、國家統(tǒng)計局網(wǎng)站以及中經(jīng)網(wǎng)，部分缺失指標(biāo)通過查閱各省份統(tǒng)計年鑒進(jìn)行補(bǔ)充修正。政策和信貸方面的數(shù)據(jù)主要來源于《中國金融統(tǒng)計年鑒》以及Wind數(shù)據(jù)庫。

2.2變量定義該研究選取的變量見表1。

2.2.1被解釋變量的指標(biāo)描述。該研究的被解釋變量即為農(nóng)業(yè)科技創(chuàng)新效率，采用DEA方法測出。在采用該模型時，能否合理地選擇投入和產(chǎn)出指標(biāo)對于有效使用DEA模型至關(guān)重要。因而，在考慮數(shù)據(jù)可獲取性的基礎(chǔ)上，綜合前人研究成果，構(gòu)建各省份農(nóng)業(yè)科技創(chuàng)新投入—產(chǎn)出指標(biāo)體系。其中，創(chuàng)新投入選擇公有企事業(yè)單位農(nóng)業(yè)技術(shù)人員、農(nóng)作物耕種面積和農(nóng)業(yè)機(jī)械總動力;創(chuàng)新產(chǎn)出選擇農(nóng)業(yè)總產(chǎn)值和農(nóng)業(yè)專利申請授權(quán)數(shù)，以此測算出農(nóng)業(yè)科技創(chuàng)新效率作為該研究的被解釋變量。創(chuàng)新效率值采用Deap 2.0軟件測度，由于先前科研文獻(xiàn)中有關(guān)DEA 模型的研究和運(yùn)用已相當(dāng)成熟，故具體的測算過程在文章中不再贅述。

2.2.2解釋變量的指標(biāo)描述。

該研究的核心解釋變量有2個，一個是政策投入，另一個是商業(yè)信貸。在農(nóng)業(yè)政策性投入方面，農(nóng)業(yè)R&D經(jīng)費(fèi)投入是一個較為理想的衡量指標(biāo)，能夠較清晰地反映出一個地區(qū)對于農(nóng)業(yè)方面的政策指向和投入力度。但現(xiàn)有統(tǒng)計數(shù)據(jù)資料中并沒有該具體指標(biāo)的統(tǒng)計，且相關(guān)指標(biāo)較為分散，無法調(diào)研統(tǒng)計。因此，該研究在查閱相關(guān)文獻(xiàn)資料的基礎(chǔ)上，擬采用公式“農(nóng)業(yè)R&D經(jīng)費(fèi)投入=R&D經(jīng)費(fèi)×（農(nóng)業(yè)總產(chǎn)值/地區(qū)生產(chǎn)總值）”進(jìn)行指標(biāo)處理。在分析各省份農(nóng)業(yè)政策性投入資金時，該指標(biāo)更加具有針對性，處理結(jié)果與實際情況更為接近。

商業(yè)信貸方面，該研究在此選取各省份農(nóng)村信用社年度貸款余額作為商業(yè)信貸指標(biāo)。農(nóng)村信用社自成立發(fā)展以來，一直致力于組織和調(diào)度農(nóng)村閑散資金，為農(nóng)村經(jīng)濟(jì)發(fā)展提供金融服務(wù)，進(jìn)而促進(jìn)農(nóng)業(yè)生產(chǎn)和農(nóng)村綜合發(fā)展。因而其貸款余額更加能夠體現(xiàn)某個地區(qū)對于當(dāng)?shù)剞r(nóng)業(yè)發(fā)展的支持力度。因此，該研究采用各省樣本年間的農(nóng)村商業(yè)銀行貸款余額來作為衡量商業(yè)信貸的指標(biāo)，能體現(xiàn)出財政功能與金融功能的相互融合（由于農(nóng)業(yè)R&D經(jīng)費(fèi)投入與農(nóng)信社貸款余額數(shù)值較大，因而在回歸分析時均做對數(shù)處理）。

此外，由前文的理論分析部分可以看出，商業(yè)信貸對于農(nóng)業(yè)科技創(chuàng)新效率的作用效果會受到政策投入的影響。因此，該研究另在回歸模型中加入政策投入與商業(yè)信貸的乘積項，通過觀察模型中乘積項的回歸結(jié)果探究政策作用于信貸、進(jìn)而對農(nóng)業(yè)科技創(chuàng)新效率產(chǎn)生影響的作用路徑。

2.2.3控制變量選取。在實際生產(chǎn)生活中，常會存在很多其他因素會影響到農(nóng)業(yè)科技創(chuàng)新效率，比如農(nóng)村經(jīng)濟(jì)發(fā)展水平、市場化程度、農(nóng)村勞動力素質(zhì)等據(jù)此選取如下3個指標(biāo)作為回歸模型中的控制變量。

（1）農(nóng)村經(jīng)濟(jì)發(fā)展水平。農(nóng)村經(jīng)濟(jì)發(fā)展水平能夠反映出一個地區(qū)農(nóng)村經(jīng)濟(jì)發(fā)展的現(xiàn)狀、所達(dá)到的規(guī)模以及發(fā)展速度。而這些因素會對該地區(qū)的農(nóng)業(yè)科技創(chuàng)新效率產(chǎn)生顯著的影響。本文選取各省份農(nóng)村居民人均純收入作為衡量該地區(qū)農(nóng)村經(jīng)濟(jì)發(fā)展水平的指標(biāo)。農(nóng)村居民人均純收入越高，反映出一個地區(qū)農(nóng)村經(jīng)濟(jì)發(fā)展?fàn)顩r越好，科技創(chuàng)新效率也會隨之提高。

（2）勞動者受教育程度。一個國家或地區(qū)的勞動者文化素質(zhì)能夠在很大程度上影響該地區(qū)的經(jīng)濟(jì)文化發(fā)展水平。勞動者受教育程度越高，居民整體素質(zhì)也越高，能夠有效帶動一個地區(qū)科技文化的發(fā)展進(jìn)程，為科技創(chuàng)新輸送源源不絕的動力。本文選取各省份年度普通高等學(xué)校在校生人數(shù)作為衡量該省份勞動者受教育程度指標(biāo)。

（3）技術(shù)市場。從狹義看，技術(shù)市場成交量反映出一個地區(qū)科技創(chuàng)新成果轉(zhuǎn)化的結(jié)果。成交量越大，轉(zhuǎn)化力度越強(qiáng)，市場化程度也越高，進(jìn)而帶動區(qū)域農(nóng)業(yè)科技創(chuàng)新的效率。

2.3模型構(gòu)建

基于面板數(shù)據(jù)在模型中能體現(xiàn)更完善的信息、加強(qiáng)結(jié)論普適性，該研究選取我國各省份 2007—2016 年的相關(guān)數(shù)據(jù)構(gòu)建面板?；貧w模型構(gòu)建如下：

AEi，t=0+1Poi，t+2Cri，t+3-5Coni，t+εi，t（1）

AEi，t=0+1Poi，t+2Cri，t+3Po×Cri，t+4-6Coni，t+ηi，t （2）

式中，AEi，t表示第i個省份第t年的農(nóng)業(yè)科技創(chuàng)新效率;Poi，t與Cri，t分別表示政策與信貸投入變量;Coi，t表示模型中的控制變量，即技術(shù)市場、農(nóng)村經(jīng)濟(jì)發(fā)展水平以及勞動者素質(zhì)。εi，t、ηi，t表示隨時間變化的不可觀測的個體異質(zhì)性，即擾動項。模型（2）在模型（1）的基礎(chǔ)上加入了Po×Cr，即政策投入與商業(yè)信貸的乘積交互項，根據(jù)式（2）可得，商業(yè)信貸對于農(nóng)業(yè)科技創(chuàng)新效率的邊際影響為：

AEi，tCri，t=2+3Poi，t（3）

交互項的引入可以幫助人們研究隨著政策投入力度的變化，商業(yè)信貸對于農(nóng)業(yè)科技創(chuàng)新效率的影響將有何種不同效果。

考慮到空間地理位置的變化對區(qū)域農(nóng)業(yè)科技創(chuàng)新效率的影響，一個地區(qū)的科研開發(fā)會對周地區(qū)的科技經(jīng)濟(jì)發(fā)展產(chǎn)生外溢效應(yīng)。因而該研究進(jìn)一步將全部面板數(shù)據(jù)劃分為東部地區(qū)、中部地區(qū)以及西部地區(qū)3組樣本，深入探究分樣本回歸的結(jié)果，以期進(jìn)行對比分析，從而能夠有的放矢，提出適合本地區(qū)未來發(fā)展的政策建議。回歸分析均采用Stata 14.0軟件完成。

3實證檢驗和結(jié)果分析

3.1描述性統(tǒng)計

借助Stata 14.0 軟件，變量的描述性統(tǒng)計結(jié)果見表2。對比不同區(qū)域統(tǒng)計結(jié)果可知，東部地區(qū)農(nóng)業(yè)科技創(chuàng)新效率值始終領(lǐng)先，且標(biāo)準(zhǔn)差較小，表示在觀測年份間農(nóng)業(yè)創(chuàng)新力度一直維持在較高的水平，效率值相對穩(wěn)定。中、西部地區(qū)農(nóng)業(yè)科技創(chuàng)新效率值相對較小，在較為偏僻的東北、西南和中原等地，農(nóng)業(yè)的發(fā)展可能長期以來處于弱勢地位，與經(jīng)濟(jì)發(fā)展程度較高、金融發(fā)展成熟度高的東部地區(qū)有一定差距。政策投入以及商業(yè)信貸方面，3個地區(qū)表現(xiàn)大致相同，但西部地區(qū)的數(shù)值在[7.720，13.358]區(qū)間，波動相對較大。此外作者在整理數(shù)據(jù)時發(fā)現(xiàn)，西部地區(qū)近十年來政策性資金投入的力度有較大提升，可能的原因是國家西部大開發(fā)戰(zhàn)略的效果日趨凸顯。

3.2相關(guān)性檢驗借助 Stata 14.0 軟件對模型的相關(guān)系數(shù)進(jìn)行統(tǒng)計計算，結(jié)果匯總在表3中。

由相關(guān)性檢驗結(jié)果可知，回歸模型中多數(shù)變量之間的相關(guān)系數(shù)值小于 0.5，說明模型中的相關(guān)指標(biāo)選取較為合理。觀察相關(guān)系數(shù)發(fā)現(xiàn)，政策投入、商業(yè)信貸指標(biāo)均與農(nóng)業(yè)科技創(chuàng)新效率呈正相關(guān)，政策、信貸投入力度越大，農(nóng)業(yè)科技創(chuàng)新效率越高。政策與信貸的交叉項系數(shù)雖未為正，但是數(shù)值很小，可能的原因是不同地區(qū)政策對于信貸的引導(dǎo)效果有較大差異，影響了檢驗的顯著性。相關(guān)性檢驗初步判定了模型中解釋變量對被解釋變量的影響方向，下文將進(jìn)一步利用回歸模型進(jìn)行檢驗。

3.3回歸結(jié)果分析

3.3.1模型（1）回歸結(jié)果。該研究首先采用面板數(shù)據(jù)固定效應(yīng)模型對模型（1）進(jìn)行回歸分析。表4報告了3類樣本的回歸結(jié)果。3個地區(qū)樣本模型 P 值均為 0.000，且R2分別達(dá)到了 0.755 6、0.819 7、0.577 8，說明模型整體擬合效果較好，變量的選擇是合理的。分析結(jié)果可知：

對于東部、中部地區(qū)而言，各年度農(nóng)業(yè)R&D經(jīng)費(fèi)投入、農(nóng)信社貸款余額均與農(nóng)業(yè)科技創(chuàng)新效率呈正相關(guān)，說明該類地區(qū)政策投入和商業(yè)信貸對于農(nóng)業(yè)科技創(chuàng)新效率均有促進(jìn)作用，在加大政策與信貸投入力度的同時，農(nóng)業(yè)科技創(chuàng)新效率也會隨之提升。對比兩樣本地區(qū)回歸系數(shù)的顯著性可以發(fā)現(xiàn)，東部地區(qū)的政策投入對于農(nóng)業(yè)科技創(chuàng)新效率的正向影響要大于商業(yè)信貸，說明對于農(nóng)業(yè)科技創(chuàng)新的支持目前主要仍是依賴政策性資金的注入，而區(qū)域金融對于農(nóng)業(yè)發(fā)展的帶動作用并不明顯;反之，中部地區(qū)在引領(lǐng)農(nóng)業(yè)科技創(chuàng)新的道路上商業(yè)性金融機(jī)構(gòu)的信貸力度起到了更為重要的作用。珠三角、長三角以及渤海灣區(qū)域經(jīng)濟(jì)發(fā)展程度較高、金融市場發(fā)展也更加成熟，區(qū)域金融對于科技創(chuàng)新的帶動作用也更為明顯。

反觀西部地區(qū)，農(nóng)信社貸款余額與農(nóng)業(yè)科技創(chuàng)新效率顯著正相關(guān)，而各年度農(nóng)業(yè)R&D經(jīng)費(fèi)投入與農(nóng)業(yè)科技創(chuàng)新效率顯著負(fù)相關(guān)。這表明近年來西部地區(qū)農(nóng)業(yè)科技創(chuàng)新的支持目前主要是依賴商業(yè)性金融資金的投入。而政策性投入資金不但沒有提升農(nóng)業(yè)科技創(chuàng)新水平，反而對其有負(fù)向作用，可能的原因是西部地區(qū)經(jīng)濟(jì)發(fā)展長期以來相對落后，加之農(nóng)業(yè)自身的脆弱性，政策性資金投入不但沒有起到很好的引領(lǐng)作用，反而在一定程度上抑制了農(nóng)業(yè)生產(chǎn)的積極性，因而對農(nóng)業(yè)科技創(chuàng)新效率造成了消極影響。

3.3.2模型（2）回歸結(jié)果。

為進(jìn)一步探究政策作用于信貸對于農(nóng)業(yè)科技創(chuàng)新效率的影響效果，下文繼續(xù)對模型（2）進(jìn)行回歸分析，結(jié)果如表5所示。分析回歸結(jié)果可知，3個地區(qū)樣本模型 P 值均為 0.000，且R2分別達(dá)到了 0.764 0、0.819 7、0.581 4，說明模型整體擬合效果較好。觀察回歸系數(shù)可以看出：

首先，在加入了交互項后，東、中部地區(qū)核心解釋變量農(nóng)業(yè)R&D經(jīng)費(fèi)、農(nóng)信社貸款余額對于農(nóng)業(yè)科技創(chuàng)新的回歸結(jié)果顯著為正值，表示政策投入、商業(yè)信貸對于一個地區(qū)的農(nóng)業(yè)科技創(chuàng)新效率具有促進(jìn)作用，而西部地區(qū)政策投入仍與農(nóng)業(yè)科技創(chuàng)新效率負(fù)相關(guān)。交互項的加入并沒有對原模型中解釋變量對被解釋變量的作用方向造成顯著影響，回歸結(jié)果與模型（1）基本一致，此處不再贅述。

其次，觀察交互項的回歸結(jié)果可知，對于中部地區(qū)而言，政策投入與商業(yè)信貸的交互項系數(shù)顯著為正。這表明中部地區(qū)的支農(nóng)政策在引導(dǎo)金融支持農(nóng)業(yè)方面起到了積極帶動作用，未來應(yīng)強(qiáng)化政策在農(nóng)業(yè)發(fā)展中的主導(dǎo)作用，積極引導(dǎo)金融市場，加強(qiáng)政府惠農(nóng)政策扶持力度。而對于東部和西部地區(qū)而言，交互項的回歸系數(shù)均顯著為負(fù)，東部地區(qū)雖然政策和信貸對于農(nóng)業(yè)科技創(chuàng)新的支持都有不俗的表現(xiàn)，但二者在結(jié)合力度上稍顯薄弱，或者說政策對于商業(yè)的引導(dǎo)并沒有很明確的指向，導(dǎo)致商業(yè)信貸對于農(nóng)業(yè)科技創(chuàng)新的邊際影響效果遞減。而西部地區(qū)金融結(jié)構(gòu)相對來說發(fā)展并不完善，金融市場發(fā)展還有待成熟，當(dāng)下財政功能與金融功能沒有能夠很好的融合，導(dǎo)致政策在引導(dǎo)金融市場促進(jìn)農(nóng)業(yè)科技創(chuàng)新效率方面還有所欠缺。未來應(yīng)該進(jìn)一步加強(qiáng)財政功能與金融功能的有效銜接，從而使其發(fā)揮更好、更大的作用。綜上所述，政策作用于信貸對于農(nóng)業(yè)科技創(chuàng)新效率的影響效果會由于地區(qū)的差異而有所不同。

4結(jié)論與建議

4.1結(jié)論該研究在運(yùn)用DEA模型對中國各省份2007—2016年農(nóng)業(yè)科技創(chuàng)新效率進(jìn)行度量的基礎(chǔ)上，采用面板數(shù)據(jù)固定效應(yīng)模型實證檢驗政策性資金投入、商業(yè)信貸支持對于一個地區(qū)的農(nóng)業(yè)科技創(chuàng)新效率的的作用效果。主要結(jié)論如下：

首先，商業(yè)性金融機(jī)構(gòu)的資金投入對于中國各地區(qū)的農(nóng)業(yè)科技創(chuàng)新效率均有顯著促進(jìn)作用;政策性資金投入對于東、中部地區(qū)農(nóng)業(yè)科技創(chuàng)新效率有正向作用，卻對西部地區(qū)農(nóng)業(yè)科技創(chuàng)新效率沒有起到引領(lǐng)作用，反而對農(nóng)業(yè)科技創(chuàng)新效率造成了消極影響。

其次，政策作用于信貸對于農(nóng)業(yè)科技創(chuàng)新的作用效果因地區(qū)差異而有所不同。中部地區(qū)的支農(nóng)政策在引導(dǎo)商業(yè)信貸支持農(nóng)業(yè)科技創(chuàng)新方面起到了較為良好的積極帶動作用;而對于東部和西部地區(qū)而言，財政功能與金融功能沒有能夠很好的融合，導(dǎo)致政策在引導(dǎo)金融市場促進(jìn)農(nóng)業(yè)科技創(chuàng)新效率方面還有所欠缺。

4.2建議

基于以上研究結(jié)論，該研究提出如下政策建議：首先，對于政府而言，應(yīng)把控住農(nóng)業(yè)政策性資金投入力度，同時積極引導(dǎo)商業(yè)性農(nóng)業(yè)資金的注入，促進(jìn)區(qū)域農(nóng)業(yè)健康發(fā)展;其次，對于農(nóng)村金融機(jī)構(gòu)而言，應(yīng)緊跟國家農(nóng)業(yè)政策的方向，提高金融支持農(nóng)業(yè)科技創(chuàng)新的效率，加快建立并持續(xù)完善對農(nóng)業(yè)科技推廣的服務(wù)機(jī)制，最大限度地發(fā)揮金融對實體經(jīng)濟(jì)的支持作用;最后，由于中國長期以來漸進(jìn)式的發(fā)展路徑，各區(qū)域在金融市場發(fā)展環(huán)境、政府管制政策等方面均有顯著不同。因此，各地方政府應(yīng)加強(qiáng)交流與合作，盡可能實現(xiàn)人力、資金、技術(shù)等資源的區(qū)域共享，共同致力于中國農(nóng)業(yè)科技創(chuàng)新的發(fā)展。

參考文獻(xiàn)

[1]

胡亮，王興平.特殊背景與潛在矛盾：中國城鎮(zhèn)化進(jìn)程中的農(nóng)業(yè)發(fā)展[J].國際城市規(guī)劃，2016（1）：1-7.

[2] 呂作良，穆雪坤.中國農(nóng)業(yè)科技投入效率評價模型研究：以我國部分省市為例[J].改革與戰(zhàn)略，2013，29（8）：78-81，90.

[3] OLUWATOBI S，EFOBI U，OLURINOLA I，et al.Innovation in Africa： Why institutions matter[J].South African journal of economics，2015，83（3）：390-410.

[4] 錢麗，肖仁橋.考慮生態(tài)環(huán)境效應(yīng)的農(nóng)業(yè)創(chuàng)新系統(tǒng)效率研究：以安徽省為例[J].財貿(mào)研究，2012（1）：43-52.

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

[6] 陳振，鄭銳，李佩華，等.河南省農(nóng)業(yè)科技創(chuàng)新效率評價與分析[J].河南農(nóng)業(yè)大學(xué)學(xué)報，2018，52（3）：464-469，484.

[7] FAN S G，HAZELL P，THORAT S.Government spending，growth and poverty in rural India[J]. American journal of agricultural economics，2000，82（4）：1038-1051.

[8] 王雅鵬，呂明，范俊楠，等.我國現(xiàn)代農(nóng)業(yè)科技創(chuàng)新體系構(gòu)建：特征、現(xiàn)實困境與優(yōu)化路徑[J].農(nóng)業(yè)現(xiàn)代化研究，2015（2）：161-167.

[9] FAN S G.Public investment and poverty reduction： What have we learnd from India and China[M].Tokyo： Paper Prepared for the ADBI Conference，2003：12-13.

[10] 李洪煉，馬春艷.政府支持、市場化程度與農(nóng)業(yè)技術(shù)創(chuàng)新效率：以中部6省為例[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2017，22（6）：189-198.

[11] ANG J B.Research，technological change and financial liberalization in South Korea[J].Journal of macroeconomics，2010，32（1）：457-468.

[12] 崔海云，施建軍.開放式創(chuàng)新、政府扶持與農(nóng)業(yè)龍頭企業(yè)績效的關(guān)系研究[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2013（9）：84-91.

[13] 趙麗娟，張玉喜，潘方卉，等.科技人力資源與資金對農(nóng)業(yè)科技創(chuàng)新效率影響研究[J].華東經(jīng)濟(jì)管理，2016（1）：100-105.