黃龍俊江，劉玲玉，肖 慧，劉小進

（1.廣東海洋大學管理學院，廣東湛江 524088；2.華南理工大學工商管理學院，廣東廣州 510641；3.江西農業(yè)大學經濟管理學院，江西南昌 330045）

1 研究背景

農業(yè)是我國經濟發(fā)展的基石，也是關乎國計民生的重要產業(yè)。目前我國農業(yè)發(fā)展存在過度施用農藥、化肥以及生產效率低下等問題；大量農村勞動力外流導致農業(yè)人工成本逐年增高，農業(yè)發(fā)展面臨著新的困境。而農業(yè)科技創(chuàng)新能改變傳統(tǒng)的農業(yè)生產方式，促進農業(yè)產業(yè)發(fā)展，推動農村實現鄉(xiāng)村振興。現今制約我國農業(yè)經濟發(fā)展的重要因素之一就是農業(yè)科技投入長期不足，農業(yè)科技投入低導致農業(yè)科技創(chuàng)新能力弱，進而又對農業(yè)經濟增長造成影響，所以當前國際形勢下我國農業(yè)經濟的高質量發(fā)展嚴重受阻，長期以來我國依靠“化學農業(yè)”來實現農業(yè)增產不再能適應當前形勢下農業(yè)發(fā)展的新要求。

黨的十八大以來，黨中央、國務院高度重視農業(yè)科技的發(fā)展，各種農業(yè)科技創(chuàng)新成果在農業(yè)生產領域的廣泛應用對農村經濟社會發(fā)展的全局性影響逐漸顯現。2017 年農業(yè)部印發(fā)的《“十三五”農業(yè)科技發(fā)展規(guī)劃》明確要求將科技創(chuàng)新能力大幅提升作為主要發(fā)展目標之一。2020 年中央一號文件明確指出，應當強化科技支撐作用，要求加強農業(yè)關鍵核心技術攻關，部署一批重大科技項目，搶占科技制高點，以及采取長期穩(wěn)定的支持方式加強現代農業(yè)產業(yè)技術體系建設。在農業(yè)經濟發(fā)展中發(fā)揮科技支撐作用的重要渠道在于強化農業(yè)科技創(chuàng)新，科技創(chuàng)新有助于轉變農業(yè)傳統(tǒng)發(fā)展模式，整體提升農業(yè)現代化發(fā)展的質量。

農業(yè)科技投入是指一個國家或地區(qū)在一定時期內每年用于農業(yè)科技創(chuàng)新和科技成果轉化的總支出［1］。2009 年以來，我國每年農業(yè)科技投入占科技總支出的比例始終維持在6.4%～7.4%之間，且還有不斷下降趨勢［1］，農業(yè)科技投入不足是嚴重制約農業(yè)經濟發(fā)展和農民收入增長的重要因素，而通過科技創(chuàng)新，促進農業(yè)發(fā)展由要素驅動向創(chuàng)新驅動轉變，是解決農業(yè)發(fā)展動力問題的可行出路。加大農業(yè)科技創(chuàng)新的資金投入和農業(yè)人力資本的有效利用，有利于快速實現我國農業(yè)現代化，促進農業(yè)發(fā)展由提產向增質轉變以及農村一二三產業(yè)融合發(fā)展。

關于農業(yè)科技創(chuàng)新，有眾多學者研究了農業(yè)科研投入、農業(yè)科技創(chuàng)新與農業(yè)經濟發(fā)展的因果關系，并就農業(yè)科研對農業(yè)經濟發(fā)展貢獻不高的原因作出探討，但并未對農業(yè)科技創(chuàng)新、農業(yè)技術效率以及農業(yè)經濟發(fā)展三者的關系進行深入探討。農業(yè)科技創(chuàng)新是否會影響農業(yè)技術效率呢？三者之間的關系如何，具體怎么互相影響?這些是值得深入探究的問題。江西省環(huán)鄱陽湖平原、贛撫平原，是我國的糧食主產區(qū)，在國家的糧食安全戰(zhàn)略中具有重要意義，同時江西省也是我國的農業(yè)科技“洼地”，只有一所高等農業(yè)院校作為農業(yè)科技支撐，因此，以江西省為案例研究農業(yè)科技創(chuàng)新、農業(yè)技術效率以及農業(yè)經濟發(fā)展三者的關系，可以為國內中西部等其他地區(qū)提供參考和借鑒。本研究基于2000—2019年江西省的相關時間序列數據，通過向量自回歸（VAR）模型研究江西省農業(yè)科技創(chuàng)新水平、技術效率與農業(yè)經濟增長之間的關系，以期促進江西省農業(yè)實現現代化水平提高和農業(yè)經濟增長。

2 文獻綜述

2.1 農業(yè)科技創(chuàng)新與農業(yè)經濟增長

關于農業(yè)科技創(chuàng)新與農業(yè)經濟發(fā)展之間的因果關系，已有研究的觀點主要體現在以下幾方面：第一，農業(yè)科技創(chuàng)新可以促進產業(yè)結構非農化和高級化，而區(qū)域間的產業(yè)結構非農化和高級化存在差異［2］。第二，農業(yè)科研財政投入增長促進了農業(yè)經濟發(fā)展，農業(yè)科研財政投入、科研成果對農業(yè)經濟發(fā)展具有滯后的長期正影響［3］；農業(yè)科研財政投入與農業(yè)科技創(chuàng)新績效之間存在長期均衡關系，但農業(yè)財政科技投入對提升農業(yè)科技創(chuàng)新績效的短期影響更為顯著［4］。第三，農業(yè)科技創(chuàng)新可以通過多種途徑，例如增品質、調結構和引領三產融合、發(fā)展適度規(guī)模經營、堅持綠色可持續(xù)發(fā)展等舉措實現，從而促進農業(yè)供給側結構性改革［5］。事實上，已有學者通過2006—2010 年我國農業(yè)科技成果轉化資金項目的績效狀況數據，證明我國科技進步對農業(yè)增長的貢獻率已經達到59.2%［6］。

2.2 我國農業(yè)科技創(chuàng)新

黃季焜等［7］認為相比于其他發(fā)達國家，我國總體的農業(yè)科技水平還較低；但我國也引入了大量農業(yè)科研資金和先進裝備，學習借鑒了國外先進的管理理念，提高了國內農業(yè)科研人員的素質［8］?？傮w來看，我國涉農企業(yè)科技創(chuàng)新有了長足的發(fā)展，但仍表現出研究機構數量相對不足、研究人員整體素質不高以及資金投入不夠等方面問題［9］。我國農業(yè)產業(yè)當前發(fā)展不充分的現實問題，要從專項創(chuàng)新與特定創(chuàng)新、農業(yè)科技創(chuàng)新體系、政府引導與市場機制聯(lián)合三方面解決，同時完善農業(yè)科技創(chuàng)新機制［10］。

從地域比較視角來看，我國農業(yè)科技創(chuàng)新的區(qū)域差距明顯，各省份農業(yè)全要素生產率指數都大于1，呈增長態(tài)勢，且東部地區(qū)的增長速度高于西部地區(qū)、西部地區(qū)高于中部地區(qū)［11］。楊傳喜等［12］論證了2006—2017 年間東、西部地區(qū)農業(yè)科技人力、財力資源扭曲程度較嚴重，農業(yè)科技創(chuàng)新對緩解地區(qū)差異有一定的促進作用。也有學者就單個省份的農業(yè)科技創(chuàng)新作出評價，如陳振等［13］和曾夢玲等［14］分別運用數據包絡分析（DEA）模型和層次分析法(AHP)分析河南省農業(yè)科技投入產出效率、湖北農墾農業(yè)現代化水平，發(fā)現存在農業(yè)科技創(chuàng)新水平不高、要素投入存在不同程度冗余等問題，經濟發(fā)展與生態(tài)環(huán)境之間的矛盾較為突出。

2.3 農業(yè)技術效率與農業(yè)經濟增長

農業(yè)技術效率通常用農業(yè)全要素生產率（total factor productivity，TFP）來衡量。葉璐等［15］指出，農業(yè)全要素生產率是某一時期范圍內的產出與土地、勞動力、資本和其他物質資料等投入成本的比值，即全部要素投入的平均產出。吳晨［16］實證研究了1985—2006 年廣東省農業(yè)經濟增長總體上呈上升趨勢，其中全要素生產率對農業(yè)經濟增長率的貢獻率最大。但農業(yè)技術效率的提升對農業(yè)經濟增長的促進作用力度隨著時間推移而存在異質性，如羅浩軒［17］對1981—2013 年我國農業(yè)全要素生產率的測算發(fā)現，2007 年以后農業(yè)勞動力和全要素增長率進入下降通道。農業(yè)全要素生產率的提高在改變農村貧困面貌、優(yōu)化農業(yè)勞動力資源配置、推動農業(yè)經濟增長上有一定的促進作用［18］。提高農業(yè)全要素生產率是實現中國農業(yè)高質量發(fā)展的重要路徑［19］。

農業(yè)科技創(chuàng)新對農業(yè)發(fā)展的影響是全方位的，提高農業(yè)科技創(chuàng)新水平也將進一步推動農業(yè)經濟的增長與變革。目前這一問題已然受到廣泛關注，學界普遍認為提高農業(yè)科技創(chuàng)新在現代農業(yè)經濟增長中的作用具有較大的重要性和必要性，但應當認識到，圍繞農業(yè)科技創(chuàng)新與農業(yè)技術效率、農業(yè)經濟增長三者關系的相關研究仍然十分有限。本研究將以江西省為例進行實證分析，將《中國科技統(tǒng)計年鑒》中農業(yè)科技人員數量和農業(yè)科技財政支出兩項數值利用熵值法得到農業(yè)科技創(chuàng)新指標，納入到農業(yè)經濟增長研究框架，明確農業(yè)科技創(chuàng)新在農業(yè)經濟增長中的作用機制，為促進江西省農業(yè)經濟增長與產業(yè)經濟協(xié)調發(fā)展提供理論支撐與政策建議；同時利用格蘭杰因果檢驗和VAR 模型考慮農業(yè)科技創(chuàng)新、技術效率對農業(yè)經濟的因果關系和長期均衡關系。

3 研究方法

3.1 數據來源與指標選取

3.1.1 農業(yè)經濟發(fā)展水平

參考申紅芳等［20］、呂屹云等［1］的研究，采用農林牧副漁業(yè)總產值來表示農業(yè)總產值。相關數據來自2000—2019 年《江西統(tǒng)計年鑒》中的農林牧副漁業(yè)總產值，考慮到價格因素對農林牧副漁總產值的影響，統(tǒng)一換算為2000 年的農林牧副漁總產值。

3.1.2 農業(yè)科技創(chuàng)新水平

參照楊秀玉［21］、陳鳴等［22］的研究方法，采用財政支出中科技三項支出衡量區(qū)域農業(yè)科技創(chuàng)新能力。在已有研究中，農業(yè)科技創(chuàng)新投入能力指標通常包括國有經濟企事業(yè)單位農業(yè)技術人員，農業(yè)科技投入的測量常用農業(yè)科研機構經費支出表示，本研究參照常文濤［23］的研究采用農業(yè)科技創(chuàng)新人力資本指標，以及劉敦虎等［24］的研究采用農業(yè)科技機構經費投入、科研人員數量等指標來衡量。所使用的數據來源于2000—2019 年《中國科技統(tǒng)計年鑒》中江西省的企事業(yè)單位專業(yè)技術人員中農業(yè)技術人員和農林牧漁業(yè)專業(yè)技術人員數量、高等學校科技人力資源中的農業(yè)學科人數、政府部門所屬科技機構中的農業(yè)行業(yè)科技經費支出，以及政府部門農業(yè)學科科技經費支出等數據。使用熵值法來測量農業(yè)科技創(chuàng)新水平，以保證研究的客觀性與科學性。

3.1.3 農業(yè)技術效率

參照曹明霞等［25］研究中使用的DEA 方法來計算江西省農業(yè)技術效率，將江西省的農業(yè)機械總動力、農作物播種面積、有效灌溉面積、化肥施用量以及從事農業(yè)人口當作投入指標，將農林牧副漁業(yè)總產值當作產出指標。數據來源于2000—2019 年《江西統(tǒng)計年鑒》《中國農業(yè)統(tǒng)計年鑒》中江西省農業(yè)發(fā)展相關數據。

3.2 計量模型的構建

VAR 模型通過把系統(tǒng)中每一個內生變量作為所有內生變量的滯后值函數來構造模型，可以在一定程度上解決傳統(tǒng)結構化模型中潛在的聯(lián)立性偏誤問題［26］。模型的因變量是農業(yè)經濟發(fā)展水平（LNGDP），自變量為農業(yè)科技創(chuàng)新水平（LNRD）和農業(yè)技術效率（LNCRS）。借助最大似然估計法進行協(xié)整分析，并通過短期向量誤差修正探索農業(yè)科技創(chuàng)新、技術效率與農業(yè)經濟發(fā)展之間的長期均衡關系［26］。VAR模型的一般形式為：

4 實證檢驗與結果分析

4.1 數據平穩(wěn)性檢驗

在對時間序列數據進行分析時，多個有趨勢的時間序列之間的回歸常常會因為間接和時間相關而導致原本不存在的回歸關系，發(fā)生偽回歸使估計和檢驗的統(tǒng)計量產生偏誤。為了排除這種可能，對經過對數化后的時間序列進行ADF 檢驗（augmented Dickey-Fuller test），如表1 所示。結果顯示，所有序列的ADF 檢驗在1%的顯著性水平下都不能拒絕原假設，說明本研究的樣本變量全部是非平穩(wěn)的，但其一階差分在相同置信水平下都是平穩(wěn)序列，因此所有變量均為一階單整序列，互相之間為同階單整關系。

表1 變量的單位根檢驗

4.2 模型滯后期選擇

在樣本變量的VAR 模型滯后期選擇中，以AIC、HQIC、SBIC 值為標準判斷最佳滯后期數。如表2 所示，當滯后階段為2 的時候，AIC、SBIC，HQIC 具有10%的顯著性水平，且對數似然值最大，可知最佳滯后長度是2 期。

表2 變量向量自回歸模型的最佳滯后期選擇

4.3 向量自回歸結果

以2 階為滯后階數構建樣本變量的VAR(2)向量自回歸模型回歸結果如表3 所示。由表3 可知：（1）農業(yè)科技創(chuàng)新、農業(yè)技術效率和農業(yè)經濟發(fā)展變量在滯后2 期時對當期分別具有5%、10%和10%顯著性水平上的正向影響，三者均具有自我提升能力。（2）農業(yè)科技創(chuàng)新對農業(yè)技術效率、農業(yè)經濟發(fā)展均存在促進作用，在滯后2 期時分別對二者在10%、5%的顯著性水平上存在正向促進作用，但對應的系數偏低，表明當前農業(yè)科技創(chuàng)新水平較低，對農業(yè)經濟發(fā)展的促進效果較?。晦r業(yè)技術效率在滯后1 期時對農業(yè)科技創(chuàng)新具有1%的顯著性水平上的正向影響。

表3 變量向量自回歸模型的回歸估計

4.4 平穩(wěn)性檢驗

VAR 模型只有在滿足穩(wěn)定性前提下才能進行脈沖響應函數分析和方差分析。使用Stata16 對VAR模型進行平穩(wěn)性檢驗，結果為全部根的值都在圓圈內，表明本研究構建的VAR 模型較為穩(wěn)定。

4.5 格蘭杰因果檢驗

格蘭杰因果檢驗為區(qū)分變量是內生變量或者是外生變量。對上述VAR(2)模型進行格蘭杰因果檢驗，結果如表4 所示：在滯后階段為2 時，排除變量LNRD 的伴隨概率為0.035（小于0.05），則拒絕原假設，表明方程組可以全部接受LNRD 的滯后變量，即在滯后2 期和顯著性水平為5%的情況下，LNRD是LNCRS 的原因，說明農業(yè)科技創(chuàng)新投入的增長推動著農業(yè)技術效率的進步，農業(yè)研發(fā)投入的增長能夠有效促進農業(yè)先進技術的創(chuàng)新和應用，在市場環(huán)境相對穩(wěn)定條件下將必然提升傳統(tǒng)農業(yè)技術的使用效率。同理可推得，在顯著性水平為10%的條件下，LNRD 是LNGDP 的原因，即在滯后2 期的情況下，農業(yè)科技創(chuàng)新投入的增長推動著農業(yè)生產總值的增長，說明在資源環(huán)境和市場環(huán)境沒有根本變化的前提條件下，農業(yè)研發(fā)投入的增長能夠通過促使農業(yè)技術創(chuàng)新帶動農業(yè)生產效率提升，從而實現農業(yè)生產總值的大幅度增加；而在5%的顯著性水平下，LNCRS 是LNRD 的原因，說明農業(yè)技術的進步也會推動農業(yè)科技創(chuàng)新的投入，按相互作用原理，農業(yè)技術的不斷進步會觸發(fā)農業(yè)科技人員的創(chuàng)新原動力，引領國家和社會增大農業(yè)科技創(chuàng)新的投入力度。

表4 變量向量自回歸模型的格蘭杰因果檢驗

表4（續(xù)）

4.6 脈沖響應函數

VAR 模型是非結構化模型，不分析單變量的變化對另一變量的單獨影響，而是研究誤差項的變化對系統(tǒng)的整體影響，這種方法為脈沖響應函數分析方法。樣本變量的VAR 模型脈沖響應函數分布結果如圖1所示，其中實線表示脈沖響應函數，在虛線范圍內表示脈沖響應函數在兩倍標準差范圍內的變化。

如圖1(i)所示，LNCRS 對自身在0.2 個標準差時正向沖擊到達最高點，此后便震動下降趨于收斂。如圖1(f)所示，LNGDP 對LNCRS 在0.5 個標準差時正向沖擊帶來LNCRS 所有滯后期的正效應，從t=0時直線上升直至t=0.5 時達到最高點，之后震蕩下降并趨于收斂。如圖1(c)所示，LNRD 對LNCRS 的沖擊在t=1 時為最低點，之后繼續(xù)上升，在t=2 時正效達到最大，發(fā)生較小波動并逐漸趨于內斂，原因是農業(yè)科技創(chuàng)新對農業(yè)技術效率的提升產生長期的正向影響，以長期視角來看，農業(yè)科技的不斷創(chuàng)新能夠激發(fā)農業(yè)生產巨大的發(fā)展空間和潛力，尤其是直接作用于通過農業(yè)技術應用與擴散從而實現農業(yè)技術的生產和經營效率雙提高，即農業(yè)科技創(chuàng)新水平越高，農業(yè)技術的生產效率提高越明顯，同時經營效率也會同步顯著提高；但從短期視角來看，由于農業(yè)技術從研發(fā)到推廣存在農業(yè)技術應用“最后一公里”問題，造成農業(yè)科技創(chuàng)新對農業(yè)技術效率在短時間內很難有成效，影響方向不確定。

如圖1(a)所示，LNGDP 對自身在1 個標準差時的負向沖擊帶來所有滯后期的正效應，在t=1 的時候達到最低點，此后保持平穩(wěn)并趨于收斂。如圖1(g)所示，LNCRS 對LNGDP 在1 個標準差時的正向沖擊帶來正向效應，并在t=1 的時候達到最高點，此后逐年下降，在t=6 的時候趨于平穩(wěn)并趨于收斂，原因在于當前農業(yè)技術進步對農業(yè)總產值的推動作用有限。如圖1(d)所示，LNRD 對LNGDP 的沖擊在t=6 時達到最高點，并一直保持正向沖擊趨向收斂，原因在于農業(yè)科技創(chuàng)新對農業(yè)生產總值保持正向促進作用，但增長過程較為緩慢，從長期視角來看，農業(yè)科技創(chuàng)新能夠有效促進農業(yè)先進技術的研發(fā)與應用，從而大幅度提升農業(yè)生產與經營的效率，最終實現農業(yè)生產總值的明顯增加，其作用方向是正向的；但從短期視角來看，由于受市場需求誘導的市場價格和氣候條件等內外因素多重的影響，加之農業(yè)先進技術應用的時滯效應，可能對農業(yè)生產總值的影響方向難以固定化評判。

如圖1(e)所示，LNRD 對自身在1.5 個標準差時帶來負向沖擊，在t=1.5 時最低，之后直線上升并一直保持正向效應，在t=4的時候波動變小并趨于收斂。如圖1(h)所示，LNCRS 對LNRD 在3 個標準差時的負向沖擊達到最低點，帶來負向效應，且長期都是負效應但趨勢內斂，原因在于技術進步的短期發(fā)展對農業(yè)科技創(chuàng)新投入無顯著作用。如圖1(b)所示，LNGDP 對LNRD 一直保持較為平穩(wěn)的正向沖擊，在1 個標準差后均保持正向效應并趨于收斂，可能的原因在于農業(yè)生產總值的平穩(wěn)增長有利于保持農業(yè)科技創(chuàng)新的平穩(wěn)投入，這是由于農業(yè)先進技術應用與擴散已經進入平穩(wěn)期，能夠有效發(fā)揮農業(yè)先進技術的作用，持續(xù)穩(wěn)定促進農業(yè)生產總值的增加，從長期來看，這會激發(fā)農業(yè)研發(fā)者新一輪的農業(yè)科技創(chuàng)新浪潮，直接促成國家和社會保持甚至大幅增強對農業(yè)科技創(chuàng)新的投入力度。

圖1 變量向量自回歸模型的脈沖響應函數分布

4.7 方差分解

與脈沖響應函數研究誤差項對各變量的影響不同，方差分解是研究模型中內生變量變化形成的原因。樣本變量VAR 模型中各內生變量變動的貢獻率的方差分解如表5 所示，其中：

表5 變量向量自回歸模型的方差分解

LNGDP 對其自身的貢獻率很大，從t=0 至t=2顯著上升，從t=2 至t=3 有輕微下降的趨勢，但從t=3 之后維持在較穩(wěn)定的水平。LNCRS 對LNGDP 的短期貢獻率較為平穩(wěn)，在t=4 時達到最大，之后維持不變?；谵r業(yè)技術應用的“S”型曲線路徑，即農業(yè)技術效率的發(fā)揮會經歷一個技術應用的邊際成本逐步從大于到等于再到小于其邊際效率三階段的變化過程，也即當評估或確定農業(yè)技術應用的邊際成本小于其邊際效率時，生產者才會真正應用此技術。LNRD 對LNGDP 的短期貢獻較為平穩(wěn)，在t=3 時達到最大值，之后維持在較穩(wěn)定的水平。從長期來看，LNCRS 和LNRD 對LNGDP 都有貢獻，但LNGDP 對自身的貢獻超過對LNCRS 和 LNRD 的貢獻。

LNCRS 對自身的貢獻率很大，在t=2 的時候上升到最高點，從t=2之后貢獻率一直保持平穩(wěn)的狀態(tài)。LNGDP 和LNRD 對LNCRS 的貢獻率都很小，從t=0開始保持輕微上升趨勢。LNRD 對自身的貢獻在t=3的時候達到最高值，在t=0 到t=3 的時候是緩慢上升的過程，從t=3 開始維持在不變的水平。LNGDP 對LNRD 的貢獻在t=1 時達到最高值，之后迅速下降，在t=3 之后下降趨勢變緩，維持在較穩(wěn)定的水平。LNCRS 對LNRD 的貢獻在t=3 時達到最高值，在t=3之后上升趨勢變緩，長期維持較為穩(wěn)定的水平。

5 結論與啟示

5.1 結論

本研究對2000—2019 年江西省農業(yè)的科技創(chuàng)新、技術效率和經濟發(fā)展的實證分析表明，農業(yè)科技創(chuàng)新、農業(yè)技術進步與農業(yè)經濟發(fā)展三者之間的關系較為復雜，在不同的滯后期相互之間影響不一，不能簡單地總結為單一的正、負效應；各變量都會對各自后續(xù)發(fā)展帶來影響，如農業(yè)科技創(chuàng)新對農業(yè)經濟發(fā)展的相互效果是正向的，而農業(yè)技術進步對農業(yè)經濟發(fā)展的相互作用結果復雜，在不同時期的作用和方向不一致，原因可能是三者之間的作用機制復雜，并非完全單向影響；各變量對自身貢獻率最大，且短期內貢獻率波動較大，長期內趨于穩(wěn)定狀態(tài)，相對于農業(yè)技術進步，農業(yè)科技創(chuàng)新對農業(yè)經濟發(fā)展的貢獻率較大，因此通過方差分析更能解釋三者之間的相互促進力度，但三者促進力度之間的差異也很大。研究得出以下結論：

農業(yè)科技創(chuàng)新、農業(yè)技術效率與農業(yè)經濟增長之間存在長期穩(wěn)定均衡的關系，但農業(yè)科技創(chuàng)新投入對農業(yè)經濟增長的短期影響更為顯著。從長期來看，農業(yè)科技創(chuàng)新持續(xù)推進能夠通過農業(yè)先進技術的應用與擴散來實現農業(yè)技術生產和經營效率的明顯提升，最終促進農業(yè)經濟的持續(xù)健康發(fā)展，同時農業(yè)技術效率的不斷提高有效提供了農業(yè)經濟增長的強勁動力，最終也會反作用于農業(yè)科技創(chuàng)新的技術投入，甚至是增強型的技術投入；但從短期來看，由于市場條件和氣候條件等綜合因素影響，農業(yè)科技創(chuàng)新對農業(yè)技術效率的影響方向不穩(wěn)定，對農業(yè)經濟增長更是方向不明確。農業(yè)科技創(chuàng)新和農業(yè)技術進步對農業(yè)經濟增長的影響在長期內持續(xù)提升，但在短期內沒有發(fā)生改變，因此必須要長期穩(wěn)定地增加農業(yè)科技創(chuàng)新的資金投入，提高農業(yè)科技創(chuàng)新能力，培養(yǎng)高素質農業(yè)科技創(chuàng)新人才，提高農業(yè)技術生產率。

5.2 對策建議

（1）提升農業(yè)科技創(chuàng)新的長期效應。實證分析結果顯示，短期內農業(yè)科技創(chuàng)新對提升農業(yè)經濟增長的能力較強，但在長期內沒有發(fā)生有效作用，這表明農業(yè)科技創(chuàng)新對促進農業(yè)經濟增長的整體能力有待提高，因此，農業(yè)科技創(chuàng)新能力要不斷加強，進而實現農業(yè)科技創(chuàng)新對農業(yè)經濟增長的長期效應，從而實現農業(yè)科技創(chuàng)新投入效應最大化。

（2）發(fā)揮農業(yè)科技創(chuàng)新經費投入的規(guī)模效應。實證分析結果顯示，農業(yè)經濟增長時難以發(fā)揮規(guī)模效應的原因之一在于農業(yè)科技創(chuàng)新經費投入總體規(guī)模偏小，因此今后要積極提升農業(yè)科技創(chuàng)新經費投入在學科經費投入中的比重。