汪 昊 馬春艷 張俊飚

(1.華中農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，武漢 430070； 2.華中農(nóng)業(yè)大學(xué) 湖北生態(tài)文明建設(shè)研究院，武漢 430070)

中央一號(hào)文件反復(fù)強(qiáng)調(diào)，新時(shí)代要把技術(shù)創(chuàng)新作為農(nóng)業(yè)發(fā)展的新動(dòng)能。在政府的多重政策助推下，農(nóng)業(yè)技術(shù)創(chuàng)新水平提升明顯。據(jù)統(tǒng)計(jì)，“十三五”期間中國(guó)農(nóng)業(yè)發(fā)明專利申請(qǐng)量全球第一。但不能忽視的是，2019年中國(guó)農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率為59.2%，與發(fā)達(dá)國(guó)家90%的貢獻(xiàn)率相比，仍有較大差距。中國(guó)農(nóng)業(yè)的未來(lái)依賴于技術(shù)創(chuàng)新水平的提高，而技術(shù)創(chuàng)新效率的高低直接反映地區(qū)的技術(shù)創(chuàng)新水平。技術(shù)創(chuàng)新效率是技術(shù)創(chuàng)新活動(dòng)中投入與產(chǎn)出的轉(zhuǎn)換比率，其提升需要有效科研資金的支撐。關(guān)于科研資金對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率的促進(jìn)作用，學(xué)術(shù)界基本達(dá)成共識(shí)。由于農(nóng)業(yè)部門(mén)的弱質(zhì)性，中國(guó)農(nóng)業(yè)技術(shù)創(chuàng)新資金投入很大程度上源于政府支持。但學(xué)術(shù)界關(guān)于政府支持對(duì)技術(shù)創(chuàng)新效率的影響存在2種觀點(diǎn)。一是“促進(jìn)論”，即科技研發(fā)具有公共物品的屬性，可能會(huì)導(dǎo)致市場(chǎng)的失靈，政府資金的支持能夠彌補(bǔ)研發(fā)資金的不足，降低研發(fā)風(fēng)險(xiǎn)，提升創(chuàng)新效率。二是“抑制論”，即政府資金的投入會(huì)擠出市場(chǎng)資金的份額，導(dǎo)致市場(chǎng)競(jìng)爭(zhēng)機(jī)制無(wú)法發(fā)揮作用，在一定程度上會(huì)抑制農(nóng)業(yè)創(chuàng)新部門(mén)的積極性，從而導(dǎo)致低效率?；诖耍狙芯空J(rèn)為，提升農(nóng)業(yè)技術(shù)創(chuàng)新效率既要重視政府資金，同時(shí)為保證科研資金的持續(xù)性和市場(chǎng)機(jī)制的有效性，又要將金融資金引入農(nóng)業(yè)技術(shù)創(chuàng)新領(lǐng)域，通過(guò)金融市場(chǎng)激發(fā)農(nóng)業(yè)的創(chuàng)新潛力。然而長(zhǎng)期以來(lái)，農(nóng)業(yè)部門(mén)尚未充分重視金融資本在農(nóng)業(yè)技術(shù)創(chuàng)新進(jìn)程中的不可替代性。

隨著經(jīng)濟(jì)信息一體化和金融全球化的發(fā)展，金融資本的流動(dòng)性加強(qiáng)。研究表明，地區(qū)金融資本和金融結(jié)構(gòu)條件一旦被滿足，就可能產(chǎn)生金融集聚的現(xiàn)象。近年來(lái)，隨著中國(guó)金融市場(chǎng)改革和金融監(jiān)管體系的完善，金融集聚現(xiàn)象十分普遍。第28期全球金融中心指數(shù)報(bào)告顯示，中國(guó)已有13個(gè)城市躋身國(guó)際金融中心行列。在目前，金融集聚已然成為國(guó)內(nèi)外金融體系基本形式的趨勢(shì)下，研究其能否成為農(nóng)業(yè)技術(shù)創(chuàng)新效率增長(zhǎng)的新引擎具有十分重要的現(xiàn)實(shí)意義。

關(guān)于金融集聚的解釋基本上沿著2種思路展開(kāi)：一種是金融地理學(xué)理論。該理論將金融集聚概括為，金融參與者(銀行和其他金融機(jī)構(gòu))在一定區(qū)域內(nèi)進(jìn)行集中交易，產(chǎn)生規(guī)模經(jīng)濟(jì)效應(yīng)，從而吸引更多的參與者加入，最終產(chǎn)生集聚。另一種是產(chǎn)業(yè)集聚理論。該理論認(rèn)為產(chǎn)業(yè)集聚是空間外部性的產(chǎn)物，即當(dāng)產(chǎn)業(yè)發(fā)展到某種程度時(shí)，勞動(dòng)力與其配套基礎(chǔ)設(shè)施在某地區(qū)集中出現(xiàn)后形成集聚，金融集聚亦被看做一種特殊的產(chǎn)業(yè)集聚。學(xué)者雖對(duì)金融集聚地釋義未達(dá)成共識(shí)，但其理論內(nèi)涵具有一致性，即以金融產(chǎn)業(yè)為依托、以金融資源的配置和組合為基礎(chǔ)、以地區(qū)集中為必要條件、以發(fā)展本產(chǎn)業(yè)帶動(dòng)其他產(chǎn)業(yè)為目標(biāo)。

當(dāng)前，理論學(xué)界對(duì)金融集聚地研究聚焦于其成因及其影響兩個(gè)方面。在金融集聚的成因中，Martin通過(guò)對(duì)不同金融行業(yè)的研究發(fā)現(xiàn)，完全信息是金融集聚形成的動(dòng)因；梁穎等基于對(duì)倫敦和新加坡的研究認(rèn)為自發(fā)演化和嵌入發(fā)展是金融集聚形成的主要路徑，其中，自發(fā)演化源于經(jīng)濟(jì)發(fā)展的原動(dòng)力，通過(guò)前向和后向產(chǎn)業(yè)關(guān)聯(lián)溢出和乘數(shù)效應(yīng)推動(dòng)金融集聚地形成，而嵌入發(fā)展則源于政府的推動(dòng)力，通過(guò)政策扶持和引導(dǎo)形成區(qū)域產(chǎn)業(yè)集聚；黃解宇則從3個(gè)方面系統(tǒng)總結(jié)了金融集聚形成動(dòng)因，分別是以信息流理論為基礎(chǔ)的內(nèi)在推動(dòng)、區(qū)域金融成長(zhǎng)的帶動(dòng)、產(chǎn)業(yè)集聚地推動(dòng)。關(guān)于金融集聚的影響方面，學(xué)者大多關(guān)注金融集聚對(duì)技術(shù)創(chuàng)新的影響，并達(dá)成了一致意見(jiàn)，即發(fā)現(xiàn)金融業(yè)集聚對(duì)技術(shù)創(chuàng)新具有正向效應(yīng)，但不同部門(mén)可能存在差異。Li等利用工業(yè)部門(mén)環(huán)境污染數(shù)據(jù)，認(rèn)為金融集聚通過(guò)提高金融市場(chǎng)的服務(wù)效率，促進(jìn)企業(yè)的技術(shù)創(chuàng)新，但影響效果存在行業(yè)異質(zhì)性，只有銀行業(yè)和證券業(yè)存在顯著影響。黎杰生等、Zhang的研究也得出了相似結(jié)論。

隨著研究的深入，國(guó)內(nèi)不少學(xué)者開(kāi)始關(guān)注金融集聚對(duì)技術(shù)創(chuàng)新效率的影響，其研究結(jié)論存在差異。一部分學(xué)者研究發(fā)現(xiàn)金融集聚抑制了創(chuàng)新效率。如劉和東發(fā)現(xiàn)市場(chǎng)規(guī)模和地區(qū)差異導(dǎo)致創(chuàng)新要素在區(qū)域間產(chǎn)生虹吸效應(yīng)，造成周邊地區(qū)資源缺失，效率低下。李曉光等也得到相似結(jié)論。另有學(xué)者研究后得出相反的結(jié)論，認(rèn)為金融集聚促進(jìn)了創(chuàng)新效率的提升。如余泳澤等研究發(fā)現(xiàn)金融集聚對(duì)工業(yè)技術(shù)創(chuàng)新效率存在正向溢出。還有部分學(xué)者認(rèn)為金融集聚對(duì)創(chuàng)新效率的影響正負(fù)效應(yīng)并存。如王仁祥等研究發(fā)現(xiàn)金融集聚對(duì)集聚程度較低地區(qū)的技術(shù)創(chuàng)新效率產(chǎn)生負(fù)向影響，對(duì)集聚度較高的地區(qū)有正向促進(jìn)作用。張東等研究認(rèn)為金融集聚能促進(jìn)工業(yè)部門(mén)研發(fā)效率提升，但成果轉(zhuǎn)化階段存在負(fù)向效率溢出。通過(guò)以上分析不難發(fā)現(xiàn)，現(xiàn)有關(guān)于金融集聚地研究，尚未涉及農(nóng)業(yè)部門(mén)。不同于其他部門(mén)，農(nóng)業(yè)部門(mén)有自身的特殊性，金融集聚是否會(huì)影響農(nóng)業(yè)技術(shù)創(chuàng)新效率，其影響程度如何呢？本研究將基于中國(guó)農(nóng)業(yè)部門(mén)2000—2019年的數(shù)據(jù)，利用空間計(jì)量模型，對(duì)此問(wèn)題展開(kāi)探討，以期為深化金融改革和提升農(nóng)業(yè)技術(shù)創(chuàng)新效率提供政策建議。

1 理論分析

金融集聚影響技術(shù)創(chuàng)新效率存在3條可能的路徑(圖1)：集聚低成本效應(yīng)、自我強(qiáng)化效應(yīng)和空間外溢效應(yīng)。

1.1 集聚的低成本效應(yīng)

由于市場(chǎng)交易成本的存在，受回報(bào)率驅(qū)動(dòng)的金融資本難以為農(nóng)業(yè)技術(shù)創(chuàng)新賦能，即農(nóng)業(yè)部門(mén)獲取市場(chǎng)競(jìng)爭(zhēng)紅利存在較大的門(mén)檻。而且農(nóng)業(yè)部門(mén)在實(shí)際借貸過(guò)程中，受限于其較長(zhǎng)的生產(chǎn)周期，這加劇了借貸過(guò)程中的信息不對(duì)稱，甚至導(dǎo)致道德風(fēng)險(xiǎn)問(wèn)題，即市場(chǎng)上存在部分的農(nóng)業(yè)創(chuàng)新部門(mén)或項(xiàng)目為了獲取金融資金，通過(guò)散布虛假信息、偽造資格證書(shū)等，在資金總量一定的前提下，該部門(mén)會(huì)擠出具有借貸資格農(nóng)業(yè)創(chuàng)新部門(mén)或項(xiàng)目的融資份額，導(dǎo)致市場(chǎng)出現(xiàn)劣幣驅(qū)逐良幣的現(xiàn)象。但金融集聚加速了金融信息的匯集和流通，緩解了融資雙方的信息不對(duì)稱，同時(shí)也降低了農(nóng)業(yè)部門(mén)的融資成本。具體表現(xiàn)為，第一，金融機(jī)構(gòu)難以對(duì)農(nóng)業(yè)創(chuàng)新項(xiàng)目進(jìn)行全方位、長(zhǎng)周期的審核，從而導(dǎo)致農(nóng)業(yè)創(chuàng)新部門(mén)在金融市場(chǎng)融資難。當(dāng)金融集聚出現(xiàn)時(shí)，集聚的規(guī)模經(jīng)濟(jì)效應(yīng)，加速了金融信息的匯集合資本的流動(dòng)，減少了交易過(guò)程中的信息不對(duì)稱，從而降低了金融中介的服務(wù)成本和農(nóng)業(yè)創(chuàng)新部門(mén)的融資成本。這使農(nóng)業(yè)創(chuàng)新部門(mén)能夠通過(guò)金融集聚降低搜尋資金的交易成本，縮減了其拓寬融資渠道的機(jī)會(huì)成本。成本的上升必然帶來(lái)“利潤(rùn)剩余”，這會(huì)促使農(nóng)業(yè)創(chuàng)新部門(mén)將更多的資金用于開(kāi)展技術(shù)創(chuàng)新活動(dòng)，從而提升技術(shù)創(chuàng)新效率。第二，融資方式可以分為直接融資和間接融資。直接融資是指沒(méi)有金融機(jī)構(gòu)介入的資本融通方式，以債券市場(chǎng)為代表；間接融資是指有金融機(jī)構(gòu)介入的資本融通方式，主要包括銀行信貸市場(chǎng)和保險(xiǎn)市場(chǎng)。金融集聚能夠促進(jìn)農(nóng)業(yè)創(chuàng)新部門(mén)采用多種融資方式以滿足融資需求，降低融資成本，提升融資效率。

1.2 自我強(qiáng)化效應(yīng)

本質(zhì)上，一組橫向關(guān)聯(lián)的企業(yè)勝過(guò)一個(gè)較大公司或一個(gè)由地理位置不相關(guān)的小公司組成的網(wǎng)絡(luò)。一方面，根據(jù)斯密定理，市場(chǎng)規(guī)模擴(kuò)大帶動(dòng)經(jīng)濟(jì)增長(zhǎng)的原因在于，分工和專業(yè)化提升了部門(mén)的勞動(dòng)生產(chǎn)率。金融集聚必然引起不同職能部門(mén)的專業(yè)化分工，從而提升其資源配置效率。相關(guān)研究表明，鑒于涉農(nóng)業(yè)務(wù)具有風(fēng)險(xiǎn)大、收益低等特征，金融機(jī)構(gòu)在面對(duì)農(nóng)業(yè)科研項(xiàng)目時(shí)，往往產(chǎn)生“惜貸心理”，導(dǎo)致農(nóng)業(yè)創(chuàng)新部門(mén)難以獲取所需資金。金融集聚帶來(lái)的專業(yè)化分工，和金融工具的創(chuàng)新，能夠根據(jù)農(nóng)業(yè)部門(mén)項(xiàng)目特點(diǎn)，基于專門(mén)審核流程和渠道，設(shè)立金融項(xiàng)目。從而提升金融部門(mén)的投資效率和農(nóng)業(yè)部門(mén)的融資效率，融資效率的提升，引致農(nóng)業(yè)技術(shù)創(chuàng)新效率的提升。另一方面，集聚也加劇了企業(yè)間的競(jìng)爭(zhēng)，競(jìng)爭(zhēng)是金融集聚的必然產(chǎn)物。在金融市場(chǎng)，農(nóng)業(yè)創(chuàng)新部門(mén)為獲取資金支持，需要提升自身實(shí)力，強(qiáng)化自身優(yōu)勢(shì)，才能在競(jìng)爭(zhēng)中脫穎而出。農(nóng)業(yè)創(chuàng)新部門(mén)自我強(qiáng)化的過(guò)程也是提升創(chuàng)新效率的過(guò)程。但不能忽視的是，農(nóng)業(yè)技術(shù)創(chuàng)新帶來(lái)大量收益的同時(shí)，也產(chǎn)生了不可控的風(fēng)險(xiǎn)，比如市場(chǎng)風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)等。尤其在成果轉(zhuǎn)化階段，若沒(méi)有完善的金融監(jiān)管體制，以逐利為目標(biāo)的企業(yè)在博弈過(guò)程中，會(huì)產(chǎn)生過(guò)度競(jìng)爭(zhēng)現(xiàn)象，一定程度上會(huì)抑制轉(zhuǎn)化效率。

1.3 空間外溢效應(yīng)

金融集聚的空間外溢效應(yīng)是指，金融集聚區(qū)的成果會(huì)通過(guò)涓流效應(yīng)對(duì)周邊產(chǎn)生影響。其原理在于，金融集聚是一個(gè)不連續(xù)又逐步累積的過(guò)程，通常最早出現(xiàn)于部分經(jīng)濟(jì)發(fā)展水平較高的中心地區(qū)。根據(jù)擴(kuò)散效應(yīng)，創(chuàng)新成果會(huì)從中心地區(qū)向規(guī)模較小的外圍地區(qū)擴(kuò)散。從而對(duì)周邊地區(qū)產(chǎn)生溢出。該過(guò)程是動(dòng)態(tài)過(guò)程，源于地理分散。循環(huán)因果關(guān)系理論同樣強(qiáng)調(diào)，金融部門(mén)的集聚是從分散到集聚再到分散的過(guò)程，低成本和自我強(qiáng)化所產(chǎn)生的規(guī)模效應(yīng)和網(wǎng)絡(luò)效應(yīng)，必然會(huì)受限于地區(qū)的可容納水平和可控范圍，從而向周邊地區(qū)產(chǎn)生溢出。當(dāng)本地區(qū)的農(nóng)業(yè)技術(shù)創(chuàng)新效率較高時(shí)，一方面，能夠與周邊地區(qū)產(chǎn)生合作，促使周邊地區(qū)在合作中產(chǎn)生模仿效應(yīng)，從而帶動(dòng)周邊地區(qū)的技術(shù)創(chuàng)新效率；另一方面，周邊地區(qū)能夠共享本地區(qū)的發(fā)展紅利，譬如，完善的基礎(chǔ)設(shè)施和優(yōu)質(zhì)的生產(chǎn)要素等，以此提升周邊地區(qū)技術(shù)創(chuàng)新效率的提升。但當(dāng)金融集聚達(dá)到一定程度后，若本地區(qū)的生產(chǎn)性資源不足或配套基礎(chǔ)設(shè)施缺失，轉(zhuǎn)化進(jìn)程中會(huì)對(duì)周邊地區(qū)資源及成果產(chǎn)生虹吸效應(yīng)，抑制周邊地區(qū)的轉(zhuǎn)化效率。

綜上，在學(xué)理及實(shí)證方面，已有研究對(duì)理解金融集聚與技術(shù)創(chuàng)新效率的關(guān)系有重要意義，但遺憾的是，鮮少有文獻(xiàn)從金融集聚角度研究農(nóng)業(yè)技術(shù)創(chuàng)新效率的提升問(wèn)題。本研究基于價(jià)值鏈視角，考慮金融行業(yè)異質(zhì)性，運(yùn)用空間計(jì)量模型，從科研產(chǎn)出與成果轉(zhuǎn)化兩階段分別考察了證券業(yè)、保險(xiǎn)業(yè)和銀行業(yè)金融集聚對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響。本研究的邊際貢獻(xiàn)在于：第一，以創(chuàng)新價(jià)值鏈視角，研究從科研投入到新技術(shù)產(chǎn)出再到經(jīng)濟(jì)成果產(chǎn)出的兩階段過(guò)程，分別將其定義為科研產(chǎn)出階段和成果轉(zhuǎn)化階段，并采用兩階段DEA方法計(jì)算兩階段的效率值。第二，在方法上，對(duì)空間計(jì)量模型進(jìn)行偏微分分解，從直接效應(yīng)和溢出效應(yīng)角度，研究不同金融行業(yè)對(duì)兩階段創(chuàng)新效率的異質(zhì)性影響。第三，在理論上，填補(bǔ)了金融集聚與農(nóng)業(yè)技術(shù)創(chuàng)新效率相關(guān)研究的文獻(xiàn)空缺。

2 模型與數(shù)據(jù)

2.1 模型設(shè)定

學(xué)術(shù)界常用的空間計(jì)量經(jīng)濟(jì)模型通常包括3種，空間滯后、空間誤差和空間杜賓模型。其中，空間滯后模型常用來(lái)揭示被解釋變量之間的空間交互效應(yīng)，空間誤差模型可以反映誤差項(xiàng)之間的空間交互效應(yīng)，而空間杜賓模型是更為廣義的空間計(jì)量模型，它包含了被解釋變量和解釋變量之間的空間相關(guān)性。結(jié)合本研究的研究?jī)?nèi)容和目的，理論上看，空間杜賓模型更為合適。但為了保證研究的科學(xué)性，本研究根據(jù)拉格朗日乘子檢驗(yàn)(LM-error和LM-lag)和穩(wěn)健的拉格朗日乘子檢驗(yàn)(Robust LM-error和Robust LM-lag)再次驗(yàn)證模型的選擇。對(duì)照表1，兩階段的拉格朗日乘子檢驗(yàn)和穩(wěn)健的拉格朗日乘子檢驗(yàn)均在5%的統(tǒng)計(jì)水平上拒絕了原假設(shè)，因此本研究選擇空間杜賓模型更為科學(xué)。

表1 空間計(jì)量模型的選擇檢驗(yàn)
Table 1 Tests for the selection of spatial econometric models

統(tǒng)計(jì)指標(biāo) Statistics 科研產(chǎn)出效率u1Scientific research output efficiency成果轉(zhuǎn)化效率u2Achievement transform efficiency系數(shù)CoefficientP值P-value系數(shù)CoefficientP值P-value空間誤差模型的拉格朗日乘數(shù)檢驗(yàn)LM-error215.3410.000131.7230.000穩(wěn)健空間誤差模型的拉格朗日乘數(shù)檢驗(yàn)LM-error (Robust)17.9620.0006.5160.011空間滯后模型的拉格朗日乘數(shù)檢驗(yàn)LM-Lag230.3710.000164.5040.000穩(wěn)健空間滯后模型的拉格朗日乘數(shù)檢驗(yàn)LM-Lag (Robust)32.9920.00039.2970.000

根據(jù)模型檢測(cè)結(jié)果，具體的模型設(shè)定如下：

u

=

α

+

ρu

+

α

X

+

α

control+

α

X

+

α

control+

ε

(1)

u

=

β

+

ρu

+

β

X

+

β

control+

β

X

+

β

control+

ε

(2)

式中：被解釋變量

u

和

u

分別表示農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率；

ρ

表示空間自回歸系數(shù)，用來(lái)反映地區(qū)之間農(nóng)業(yè)技術(shù)創(chuàng)新效率溢出的大?。?p>X

為核心解釋變量即金融集聚指標(biāo)；

control

為一系列控制變量；

ε

為隨機(jī)誤差項(xiàng)；為空間權(quán)重矩陣。本研究用geoda軟件生成選用反地理距離平方矩陣，具體設(shè)定方法如下：

(3)

式中：表示空間矩陣中的元素，

d

表示地區(qū)

i

和地區(qū)

j

的地理距離。

2.2 空間效應(yīng)分解

空間效應(yīng)包括直接效應(yīng)、溢出效應(yīng)(間接效應(yīng))和總效應(yīng)。其中，直接效應(yīng)是指區(qū)域內(nèi)解釋變量對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響及區(qū)域間的反饋效應(yīng)(A→B→A)；溢出效應(yīng)是指本地區(qū)解釋變量對(duì)區(qū)域間農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響；總效應(yīng)則是直接效應(yīng)和溢出效應(yīng)之和。當(dāng)農(nóng)業(yè)技術(shù)創(chuàng)新效率的空間自回歸系數(shù)

ρ

顯著不為零時(shí)，直接用空間杜賓模型度量農(nóng)業(yè)技術(shù)創(chuàng)新效率的空間效應(yīng)會(huì)存在系統(tǒng)性偏差。因此，本研究對(duì)空間杜賓模型進(jìn)行偏微分分解。具體而言，根據(jù)式(1)和(2)得出空間杜賓模型的一般形式，如式(4)所示：

U

=

ρU

+

φX

+

λX

+

E

(4)

式中：

U

表示農(nóng)業(yè)技術(shù)創(chuàng)新效率，

X

包含核心解釋變量和控制變量，

E

包含截距項(xiàng)和誤差項(xiàng)。

進(jìn)一步將式(4)整理為式(5)：

U

=(1-

ρ

)(

φX

+

λX

)+

E

(5)

因此根據(jù)式(5)，時(shí)間上從1到

N

的

M

個(gè)解釋變量

X

，其對(duì)應(yīng)

U

期望值的偏導(dǎo)數(shù)值可寫(xiě)為式(6)：

(6)

其中：直接效應(yīng)為式(6)右等式中對(duì)角線元素，溢出效應(yīng)為該等式中非對(duì)角線元素。

2.3 變量選擇

2

.

3

.

1

農(nóng)業(yè)技術(shù)創(chuàng)新效率測(cè)度的變量選擇本研究的被解釋變量是農(nóng)業(yè)技術(shù)創(chuàng)新效率，關(guān)于其測(cè)算，學(xué)者們常用參數(shù)法和非參數(shù)法2種方法。參數(shù)法主要以隨機(jī)前沿模型(SFA)為代表，可以將隨機(jī)擾動(dòng)項(xiàng)分解為技術(shù)無(wú)效率項(xiàng)和隨機(jī)誤差項(xiàng)，研究環(huán)境變量對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新的影響，但需要提前設(shè)定生產(chǎn)函數(shù)來(lái)估計(jì)生產(chǎn)前沿面。而非參數(shù)法則主要以數(shù)據(jù)包絡(luò)分析(DEA)為代表，通過(guò)線性規(guī)劃求解生產(chǎn)前沿面，不需要考慮量綱化問(wèn)題與指標(biāo)權(quán)重，也不需設(shè)定具體函數(shù)形式，可以有效避免由函數(shù)設(shè)置錯(cuò)誤造成的誤差。因此，本研究參照余泳澤的做法，選用兩階段DEA方法測(cè)算農(nóng)業(yè)科研產(chǎn)出效率(

u

)和農(nóng)業(yè)成果轉(zhuǎn)化效率(

u

)。具體投入產(chǎn)出變量選擇如表2所示。

表2 科研產(chǎn)出效率和成果轉(zhuǎn)化效率測(cè)度的投入產(chǎn)出變量
Table 2 Input-output variables of scientific research output efficiency and results transformation efficiency measures

指標(biāo)選擇Indicator科研產(chǎn)出效率Scientific researchoutput efficiency成果轉(zhuǎn)化效率Achievement transformefficiency產(chǎn)出指標(biāo)Output indicators農(nóng)業(yè)發(fā)明專利授權(quán)量第一產(chǎn)業(yè)增加值農(nóng)業(yè)科研經(jīng)費(fèi)農(nóng)業(yè)發(fā)明專利授權(quán)量投入指標(biāo)Input indicators農(nóng)業(yè)科技活動(dòng)人員農(nóng)業(yè)資本投入農(nóng)業(yè)技術(shù)人員

1)科研產(chǎn)出效率測(cè)度變量的選擇

投入變量：考慮到大部分農(nóng)業(yè)科研活動(dòng)來(lái)自科研機(jī)構(gòu)和高校，基于數(shù)據(jù)可得性，將農(nóng)業(yè)科技活動(dòng)人員和科研經(jīng)費(fèi)定義為研發(fā)機(jī)構(gòu)和高等院校中農(nóng)業(yè)科學(xué)部分的R&D人員全時(shí)當(dāng)量之和及研發(fā)經(jīng)費(fèi)之和。鑒于科研經(jīng)費(fèi)的影響在時(shí)間上具有滯后性，使用存量指標(biāo)更能反映科研經(jīng)費(fèi)對(duì)于科研產(chǎn)出的影響，因此，本研究借助永續(xù)盤(pán)存法，參考朱平芳等的方法，以2000年為基期對(duì)農(nóng)業(yè)科研經(jīng)費(fèi)進(jìn)行存量核算，將科研經(jīng)費(fèi)的價(jià)格指數(shù)設(shè)定為消費(fèi)價(jià)格指數(shù)和固定資產(chǎn)價(jià)格指數(shù)的加權(quán)，即農(nóng)業(yè)科研經(jīng)費(fèi)價(jià)格指數(shù)=0.55×消費(fèi)價(jià)格指數(shù)+0.45×固定資產(chǎn)投資價(jià)格指數(shù)，折舊率取15%。資本存量的計(jì)算如式(7)所示：

K

=(1-

λ

)×

K

-1+

I

(7)

式中：

K

表示第

i

期的資本存量，

λ

表示折舊率，

K

-1表示

i

-1期的資本存量，

I

表示

i

期的科研經(jīng)費(fèi)的投入名義值。

其基期資本存量表示為式(8)：

K

=

I

/

(

g

+

λ

)

(8)

式中：

K

表示基期資本存量，

I

為基期的名義經(jīng)費(fèi)投入，

g

為樣本期內(nèi)科研經(jīng)費(fèi)的年均增長(zhǎng)率。

產(chǎn)出變量：農(nóng)業(yè)發(fā)明專利授權(quán)量?？蒲挟a(chǎn)出是指投入的科研經(jīng)費(fèi)與科研人員創(chuàng)造的成果，該成果多以專利類技術(shù)為主，產(chǎn)出形式多為專利申請(qǐng)量和專利授權(quán)量。本研究認(rèn)為農(nóng)業(yè)發(fā)明專利授權(quán)量能更好地衡量農(nóng)業(yè)領(lǐng)域的新成果。

2)成果轉(zhuǎn)化效率測(cè)度的變量選擇

投入變量。選用農(nóng)業(yè)技術(shù)人員、農(nóng)業(yè)資本投入和產(chǎn)出階段的農(nóng)業(yè)發(fā)明專利授權(quán)量。農(nóng)業(yè)技術(shù)人員是從事農(nóng)業(yè)技術(shù)工作的人員，包括農(nóng)業(yè)種植、生產(chǎn)管理的技術(shù)指導(dǎo)和農(nóng)業(yè)推廣人員等，該指標(biāo)能夠度量成果轉(zhuǎn)化階段的人力投入；農(nóng)業(yè)資本投入選用的是農(nóng)業(yè)固定資產(chǎn)投資額；考慮到固定資產(chǎn)投資在時(shí)間上的持續(xù)性，所以本研究參照肖文等的方法，以2000年為基期用永續(xù)盤(pán)存法對(duì)該指標(biāo)進(jìn)行存量計(jì)算。其中，折舊率取10%，計(jì)算方法同式(7)和(8)。

產(chǎn)出變量：第一產(chǎn)業(yè)增加值。成果轉(zhuǎn)化階段用于揭示新知識(shí)和新技術(shù)的商用性，其產(chǎn)出形式多為新產(chǎn)品。該指標(biāo)的最優(yōu)衡量方式為農(nóng)業(yè)新產(chǎn)品的銷(xiāo)售收入，但受限于數(shù)據(jù)的可得性，在農(nóng)業(yè)領(lǐng)域缺失新產(chǎn)品銷(xiāo)售收入的相關(guān)數(shù)據(jù)。本研究認(rèn)為科研產(chǎn)出的增加能夠帶來(lái)經(jīng)濟(jì)產(chǎn)出的增加，而第一產(chǎn)業(yè)增加值能夠在最終階段直觀有效的衡量成果轉(zhuǎn)化后的產(chǎn)出來(lái)。因此，本研究選擇第一產(chǎn)業(yè)增加值為該階段的產(chǎn)出指標(biāo)。并且，為消除物價(jià)變動(dòng)的影響，本研究以2000年為基期，用地區(qū)生產(chǎn)總值指數(shù)對(duì)第一產(chǎn)業(yè)增加值進(jìn)行平減。

2

.

3

.

2

核心解釋變量

考慮到不同金融中介可能存在異質(zhì)性，本研究分別選取了證券業(yè)、銀行業(yè)和保險(xiǎn)業(yè)集聚度作為核心解釋變量。進(jìn)一步地，參照任英華等和王仁祥等選用的區(qū)位熵方法來(lái)測(cè)量金融集聚度指標(biāo)。具體計(jì)算步驟如式(9)所示：

(9)

式中：stock、insura和bank分別表示證券業(yè)集聚度、保險(xiǎn)業(yè)集聚度和銀行業(yè)集聚度，其中

E

分別表示

i

地區(qū)第

t

年農(nóng)業(yè)在股票市場(chǎng)融資額、農(nóng)業(yè)保險(xiǎn)保費(fèi)收入和農(nóng)業(yè)貸款，

P

表示

i

地區(qū)第

t

年在股票市場(chǎng)融資總額、保費(fèi)收入總額和金融機(jī)構(gòu)本外幣貸款總額，

q

表示第

t

年所有考察地區(qū)的農(nóng)業(yè)在股票市場(chǎng)融資額、農(nóng)業(yè)保險(xiǎn)保費(fèi)收入和農(nóng)業(yè)貸款，

Q

表示所有考察地區(qū)的股票市場(chǎng)融資總額，保費(fèi)收入總額和金融機(jī)構(gòu)本外幣貸款總額。

2

.

3

.

3

控制變量

基于對(duì)相關(guān)文獻(xiàn)的整理，本研究主要選取了政府支持、人力資本水平、環(huán)境變量及對(duì)外開(kāi)放水平4類變量作為控制變量，具體指標(biāo)如表3所示：

表3 空間杜賓模型的指標(biāo)選擇
Table 3 Selection of indicators for the spatial Durbin model

變量 Variable 指標(biāo)選擇Indicator科研產(chǎn)出階段Scientific researchoutput phase成果轉(zhuǎn)化階段Achievementtransform phase指標(biāo)表示Indicatorrepresentation被解釋變量Explained variable技術(shù)創(chuàng)新效率科研產(chǎn)出效率 u1成果轉(zhuǎn)化效率 u2u1/u2金融集聚度證券業(yè)證券業(yè)stock核心解釋變量Core explanatoryvariables保險(xiǎn)業(yè)保險(xiǎn)業(yè)保險(xiǎn)業(yè)insura銀行業(yè)銀行業(yè)銀行業(yè)bank政府支持農(nóng)林水事務(wù)支出農(nóng)林水事務(wù)支出gov1國(guó)家財(cái)政性教育經(jīng)費(fèi)國(guó)家財(cái)政性教育經(jīng)費(fèi)gov2控制變量Controlled variable人力資本水平平均受教育年限平均受教育年限study1研究生人數(shù)研究生人數(shù)study2環(huán)境變量農(nóng)業(yè)機(jī)械化程度農(nóng)業(yè)機(jī)械化程度inf1城市化率城市化率inf2對(duì)外開(kāi)放水平農(nóng)產(chǎn)品進(jìn)出口農(nóng)產(chǎn)品進(jìn)出口open

1)政府支持。政府對(duì)科技創(chuàng)新活動(dòng)的資金支持包括生產(chǎn)性支持和教育性支持，因此本研究主要選取農(nóng)業(yè)支出、林業(yè)支出、水利支出和農(nóng)業(yè)綜合開(kāi)發(fā)等農(nóng)林水務(wù)支出水平衡量生產(chǎn)性政府支持(gov1)，即用農(nóng)林水事務(wù)支出占財(cái)政總支出的比重來(lái)衡量。教育性支持(gov2)用國(guó)家財(cái)政教育經(jīng)費(fèi)表示。

2)人力資本水平。根據(jù)人力資本的外部性理論，勞動(dòng)力的人力資本存量不僅對(duì)個(gè)體生產(chǎn)率有直接的技術(shù)外溢效應(yīng)，而且體現(xiàn)在個(gè)體對(duì)新技術(shù)的適應(yīng)能力上。鑒于此，本研究選用各地區(qū)平均受教育年限(study1)和地區(qū)農(nóng)業(yè)科學(xué)的研究生人數(shù)(study2)來(lái)反映人力資本水平，以考察其對(duì)技術(shù)創(chuàng)新效率的影響。

3)環(huán)境特征。選取農(nóng)業(yè)機(jī)械化程度(inf1)和城市化率(inf2)來(lái)考察農(nóng)業(yè)生產(chǎn)環(huán)境和銷(xiāo)售環(huán)境對(duì)技術(shù)創(chuàng)新的影響。農(nóng)業(yè)機(jī)械化程度能間接反映地區(qū)的農(nóng)業(yè)現(xiàn)代化水平，機(jī)械化程度高的地區(qū)，其對(duì)新技術(shù)的需求和接受程度可能會(huì)更高，本研究用農(nóng)業(yè)機(jī)械總動(dòng)力來(lái)反映地區(qū)農(nóng)業(yè)機(jī)械化程度。城市化率對(duì)農(nóng)業(yè)生產(chǎn)和研發(fā)可能具有反哺效應(yīng)，一般城市化水平高的地區(qū)經(jīng)濟(jì)基礎(chǔ)較好，不僅容易滿足農(nóng)業(yè)發(fā)展中的人、才、物需求，也會(huì)對(duì)科技成果提出更高要求，本研究用城市人口比重來(lái)衡量城市化率。

4)對(duì)外開(kāi)放水平。地區(qū)在對(duì)外交往的過(guò)程中會(huì)通過(guò)模仿和競(jìng)爭(zhēng)效應(yīng)影響技術(shù)研發(fā)與轉(zhuǎn)化進(jìn)度，這可能會(huì)提高農(nóng)業(yè)技術(shù)的創(chuàng)新效率。鑒于此，本研究用農(nóng)產(chǎn)品進(jìn)出口總額占GDP的比重(open)來(lái)衡量。

2

.

3

.

4

數(shù)據(jù)來(lái)源

基于數(shù)據(jù)的可獲得性和可比性，本研究選用除西藏、香港、澳門(mén)及臺(tái)灣以外30個(gè)省(市、自治區(qū))2000—2019年的面板數(shù)據(jù)。數(shù)據(jù)來(lái)源于《中國(guó)科技統(tǒng)計(jì)年鑒》、《中國(guó)金融年鑒》、《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)保險(xiǎn)年鑒》、中國(guó)專利統(tǒng)計(jì)數(shù)據(jù)庫(kù)、各省統(tǒng)計(jì)年鑒和國(guó)泰安數(shù)據(jù)庫(kù)，其中證券相關(guān)數(shù)據(jù)通過(guò)wind數(shù)據(jù)庫(kù)整理所得。

3 實(shí)證分析

3.1 農(nóng)業(yè)技術(shù)創(chuàng)新效率

本研究運(yùn)用DEAP 2.1軟件對(duì)30個(gè)省份2000—2019年的農(nóng)業(yè)技術(shù)創(chuàng)新效率進(jìn)行測(cè)度，測(cè)算結(jié)果如圖2所示。從總體來(lái)看，效率水平整體不高，其中，2019年農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率的均值分別為0.72和0.70，分別存在28%和30%的效率損失。從縱向來(lái)看，兩階段效率呈現(xiàn)不同的變化特征。農(nóng)業(yè)科研產(chǎn)出效率總體呈現(xiàn)上升趨勢(shì)，尤其2002—2003年的增長(zhǎng)速度較快，2017年達(dá)到最大值0.75，可能原因是2016年新《種子法》的實(shí)施，為技術(shù)創(chuàng)新創(chuàng)造了發(fā)展環(huán)境。而成果轉(zhuǎn)化效率雖總體平穩(wěn)，但呈略微下降趨勢(shì)，2000年效率值最高，達(dá)到0.72，2002—2004年期間以10%的速率下降，2007年效率值下降到0.58，達(dá)到歷年最低水平。2012年后，國(guó)務(wù)院頒布了《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)品供給保障能力的若干意見(jiàn)》的一號(hào)文 件，并采取了行之有效的舉措，此后成果轉(zhuǎn)化效率有所回升。

3.2 空間相關(guān)性檢驗(yàn)

為驗(yàn)證農(nóng)業(yè)技術(shù)創(chuàng)新效率的空間相關(guān)性，本研究采用莫蘭指數(shù)(Moran’s

I

)檢驗(yàn)。若檢驗(yàn)結(jié)果在統(tǒng)計(jì)水平上顯著，則可以應(yīng)用空間計(jì)量經(jīng)濟(jì)學(xué)理論方法，建立空間計(jì)量經(jīng)濟(jì)模型，對(duì)金融集聚與農(nóng)業(yè)技術(shù)創(chuàng)新效率進(jìn)行空間計(jì)量估計(jì)。莫蘭指數(shù)計(jì)算方法如式(10)：

(10)

式中：表示第

i

地區(qū)的觀測(cè)值。

莫蘭指數(shù)的取值范圍為(-1，1)，值為正表示農(nóng)業(yè)技術(shù)創(chuàng)新效率存在正向空間相關(guān)性，值為負(fù)，則表明存在負(fù)向空間相關(guān)性。換言之，莫蘭指數(shù)的絕對(duì)值越大，創(chuàng)新效率的空間相關(guān)性越強(qiáng)。具體結(jié)果如表4：

從表4可以得出，農(nóng)業(yè)科研產(chǎn)出率和成果轉(zhuǎn)化率之間存在明顯的空間相關(guān)性。盡管農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率在極少數(shù)年份未通過(guò)顯著性檢驗(yàn)，但其存在空間相關(guān)性已是客觀事實(shí)。值得注意的是，農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率的莫蘭指數(shù)呈現(xiàn)出波動(dòng)上升趨勢(shì)，說(shuō)明地區(qū)間農(nóng)業(yè)技術(shù)創(chuàng)新效率的關(guān)聯(lián)性愈發(fā)明顯。

表4 莫蘭指數(shù)檢驗(yàn)
Table 4 Moran’s test

年份Year科研產(chǎn)出效率Scientific research output efficiency成果轉(zhuǎn)化效率Achievement transform efficiencyISD(I)ISD(I)20000.307***0.106-0.0240.11020010.161**0.109-0.0130.11020020.212***0.104-0.1340.10920030.119*0.1100.271***0.11020040.203***0.098-0.0220.08420050.0570.1940.275***0.11020060.183**0.1050.127**0.07520070.204**0.1080.319***0.10920080.138*0.1080.324***0.11020090.188**0.1080.271***0.11020100.175**0.1080.249***0.11020110.160**0.1090.245**0.11020120.0870.1330.248***0.11020130.136*0.1090.220***0.11020140.189**0.1100.251***0.11020150.198**0.1090.197**0.11020160.219***0.1090.223***0.11020170.367***0.1090.291***0.11020180.216**0.1100.320***0.11020190.162**0.1110.349***0.110

注：***、**、*分別表示在1%、5%和10%水平下通過(guò)了顯著性檢驗(yàn)。下同。
Note: ***, **, and * indicate passing significance tests at the 1%, 5%, and 10% levels, respectively. The same below.

3.3 空間杜賓模型估計(jì)結(jié)果和空間效應(yīng)分析

3

.

3

.

1

空間杜賓模型估計(jì)結(jié)果

本研究將樣本限定在中國(guó)空間位置鄰近的省份，因此選用含固定效應(yīng)的空間杜賓模型進(jìn)行估計(jì)，結(jié)果如表5所示：

根據(jù)空間杜賓模型的估計(jì)結(jié)果，地區(qū)固定效應(yīng)模型的擬合程度更高，而且空間相關(guān)系數(shù)顯著不為0，因此本研究主要分析地區(qū)固定效應(yīng)模型的估計(jì)結(jié)果。從表5可以得出，金融集聚、政府支持、人力資本水平、環(huán)境變量和對(duì)外開(kāi)放水平都能顯著提高本地區(qū)農(nóng)業(yè)科研產(chǎn)出效率；但政府支持和對(duì)外開(kāi)放水平對(duì)周邊地區(qū)農(nóng)業(yè)科研能產(chǎn)出效率具有抑制作用；金融集聚和人力資本水平對(duì)本地區(qū)成果轉(zhuǎn)化效率具有促進(jìn)作用；政府支持能夠正向影響周邊地區(qū)成果轉(zhuǎn)化效率。

表5 空間杜賓模型估計(jì)結(jié)果
Table 5 Estimation results of the spatial Durbin model

變量 Variable 地區(qū)固定效應(yīng)Regional fixed effects時(shí)間固定效應(yīng)Time fixed effects雙固定效應(yīng)Double fixed effectu1u2u1u2u1u2直接影響系數(shù) Main證券業(yè) Stock0.004**(0.002)0.001(0.001)0.001(0.001)0.004***(0.001)0.001(0.001)0.005***(0.002)保險(xiǎn)業(yè) Insura0.002*(0.001)-0.001(0.001)0.001(0.001)-0.003***(0.001)0.002(0.001)-0.002**(0.001)銀行業(yè) Bank0.002(0.004)0.013***(0.005)-0.006(0.005)0.004(0.004)0.000(0.000)0.010**(0.005)農(nóng)林水務(wù)支出 Gov10.091(0.165)-0.292*(0.161)0.235(0.147)-0.450***(0.136)0.085(0.155)-0.119(0.151)

表5(續(xù))

變量 Variable 地區(qū)固定效應(yīng)Regional fixed effects時(shí)間固定效應(yīng)Time fixed effects雙固定效應(yīng)Double fixed effectu1u2u1u2u1u2國(guó)家財(cái)政性教育經(jīng)費(fèi) Gov20.117***(0.016)0.003(0.019)0.062***(0.011)-0.016(0.010)0.188***(0.023)-0.004(0.021)平均受教育年限 Study10.015*(0.009)0.040***(0.009)-0.019***(0.006)-0.009*(0.005)0.007(0.010)0.022**(0.010)研究生人數(shù) Study20.020(0.013)0.018(0.127)-0.027***(0.005)0.011**(0.005)0.009(0.016)0.028*(0.014)農(nóng)業(yè)機(jī)械化程度 Inf10.064***(0.023)-0.104***(0.023)0.135***(0.018)-0.002(0.154)0.067***(0.023)-0.096***(0.022)城市化率 Inf20.007(0.014)0.043***(0.015)0.033***(0.006)0.025***(0.006)-0.016(0.014)0.052***(0.014)對(duì)外開(kāi)放水平 Open1.324***(0.450)0.342(0.444)1.761***(0.266)0.406*(0.245)2.263***(0.429)0.249(0.277)空間加權(quán)系數(shù) Wx證券業(yè) Stock0.012*(0.007)0.007(0.007)0.004(0.006)0.027***(0.005)0.007(0.006)0.016**(0.007)保險(xiǎn)業(yè) Insura0.003(0.006)-0.025***(0.005)0.003(0.006)-0.011**(0.005)0.010*(0.005)-0.021***(0.005)銀行業(yè) Bank0.015*(0.008)-0.013(0.008)0.011(0.009)0.000(0.000)0.016*(0.009)-0.010(0.008)農(nóng)林水務(wù)支出 Gov10.027(0.270)-0.463(0.282)-0.188(0.376)1.433***(0.348)-0.575(0.362)0.796**(0.345)國(guó)家財(cái)政性教育經(jīng)費(fèi) Gov2-0.107**(0.017)0.033**(0.017)0.115***(0.024)0.185***(0.020)-0.035*(0.020)0.044**(0.020)平均受教育年限 Study10.030**(0.122)-0.042***(0.011)-0.018(0.012)-0.002(0.013)-0.023(0.018)-0.056***(0.017)研究生人數(shù) Study2-0.017(0.014)-0.002(0.012)-0.053***(0.013)-0.031***(0.012)0.029(0.024)-0.027(0.024)農(nóng)業(yè)機(jī)械化程度 Inf10.124**(0.050)0.024(0.048)0.081*(0.042)-0.057(0.038)0.167***(0.053)0.054(0.051)城市化率 Inf20.101***(0.022)-0.067***(0.021)-0.017(0.011)-0.044***(0.010)0.054**(0.023)-0.037*(0.021)對(duì)外開(kāi)放水平 Open-1.460**(0.734)-2.872***(0.718)-0.908(0.609)0.464(0.552)0.805(0.739)-1.770**(0.705)Rho系數(shù)0.224***(0.055)0.463***(0.043)-0.011(0.065)-0.145**(0.067)-0.221***(0.076)-0.202***(0.075)Sigma2_e檢驗(yàn)統(tǒng)計(jì)量0.003***(0.000)0.003***(0.000)0.004***(0.000)0.003***(0.000)0.002***(0.000)0.002***(0.000)R2檢驗(yàn)統(tǒng)計(jì)量0.8380.2690.4180.0650.7130.090Log-likelihood檢驗(yàn)統(tǒng)計(jì)量875.197879.131814.802862.775943.230962.225

3

.

3

.

2

空間效應(yīng)分析

為進(jìn)一步研究金融集聚對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響程度，本研究對(duì)地區(qū)固定空間杜賓模型進(jìn)行偏微分分解。分解結(jié)果如表6所示：

根據(jù)表6的

u

列可知，不同金融行業(yè)集聚對(duì)兩階段農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響存在差異。證券業(yè)集聚的直接效應(yīng)和溢出效應(yīng)分別在5%和10%水平上顯著，系數(shù)分別為0.005和0.016，即證券業(yè)對(duì)本地區(qū)和周邊地區(qū)的農(nóng)業(yè)科研產(chǎn)出效率具有正向促進(jìn)作用，且對(duì)周邊地區(qū)的影響大于本地區(qū)。可以從3個(gè)方面解釋：一是金融集聚背景下，證券業(yè)集聚加速了信息流的匯集，緩解了研發(fā)主體和金融中介的信息不對(duì)稱，降低了企業(yè)的融資成本和交易成本，通過(guò)低成本效應(yīng)促進(jìn)技術(shù)創(chuàng)新效率的提升。二是證券業(yè)的高風(fēng)險(xiǎn)，激勵(lì)農(nóng)業(yè)科研部門(mén)在研發(fā)過(guò)程中將創(chuàng)新要素集中于優(yōu)勢(shì)板塊，提升專業(yè)化程度，推陳出新，通過(guò)自我強(qiáng)化效應(yīng)提升創(chuàng)新效率。三是證券業(yè)集聚達(dá)到一定階段，投資重心會(huì)向周邊地區(qū)轉(zhuǎn)移對(duì)周邊地區(qū)產(chǎn)生效率溢出，這與茹樂(lè)峰等的擴(kuò)散效應(yīng)的結(jié)論較為一致。保險(xiǎn)業(yè)集聚的直接效應(yīng)在10%的顯著性水平上顯著。但并未對(duì)周邊地區(qū)產(chǎn)生外部性影響，這反映出處于轉(zhuǎn)型階段的農(nóng)業(yè)保險(xiǎn)部門(mén)，其投融資體系尚不完善，未能充分帶動(dòng)周邊地區(qū)的科研產(chǎn)出效率。銀行業(yè)集聚的直接效應(yīng)在統(tǒng)計(jì)水平上不顯著，溢出效應(yīng)在10%的水平上顯著，可能是由于創(chuàng)新的不確定性，銀行更多將資金投向生產(chǎn)領(lǐng)域而非科研領(lǐng)域，此外銀行業(yè)集聚能通過(guò)示范效應(yīng)帶動(dòng)周邊地區(qū)的銀行資金的聚集，提高了周邊地區(qū)科研產(chǎn)出效率。

表6 地區(qū)固定效應(yīng)模型的分解
Table 6 Decomposition of the regional fixed effects model

變量Variable直接效應(yīng)Direct effect溢出效應(yīng)Indirect effects總效應(yīng)Total effectu1u2u1u2u1u2證券業(yè) Stock0.005**(0.002)0.002(0.002)0.016*(0.009)0.013(0.012)0.021**(0.010)0.016(0.014)保險(xiǎn)業(yè) Insura0.002*(0.001)-0.004***(0.001)0.004(0.006)-0.042***(0.011)0.006(0.007)-0.045***(0.011)銀行業(yè) Bank0.004(0.005)0.013***(0.005)0.018*(0.010)-0.013(0.014)0.021**(0.011)-0.000(0.000)農(nóng)林水務(wù)支出 Gov10.088(0.154)-0.364**(0.154)0.072(0.313)-0.988**(0.424)0.161(0.329)-1.351***(0.458)國(guó)家財(cái)政性教育經(jīng)費(fèi) Gov20.113***(0.015)0.006(0.014)-0.097***(0.016)0.057***(0.017)0.015**(0.007)0.064***(0.011)平均受教育年限 Study10.017*(0.009)0.038***(0.009)0.040***(0.012)-0.039**(0.016)0.057***(0.012)-0.001(0.014)研究生人數(shù) Study20.020(0.013)0.019(0.013)-0.015(0.014)0.011(0.016)0.005(0.011)0.030**(0.014)農(nóng)業(yè)機(jī)械化程度 Inf10.069***(0.022)-0.108***(0.022)0.164***(0.056)-0.047(0.080)0.234***(0.060)-0.156*(0.089)城市化率 Inf20.013(0.144)0.039***(0.014)0.122***(0.022)-0.079***(0.029)0.135***(0.021)-0.040(0.031)對(duì)外開(kāi)放水平 Open1.288***(0.462)0.053(0.482)-1.353(0.890)-4.535***(1.307)-0.065(1.083)-4.482***(1.595)

根據(jù)表6的

u

列可知，證券業(yè)集聚對(duì)本地區(qū)和周邊地區(qū)的成果轉(zhuǎn)化效率不顯著，可能的原因是成果轉(zhuǎn)化階段關(guān)注是農(nóng)業(yè)科技成果商品化的過(guò)程，但由于農(nóng)業(yè)生產(chǎn)的周期較長(zhǎng)以及農(nóng)業(yè)受自然條件的影響較大，其產(chǎn)出具有不確定性，這加劇了風(fēng)險(xiǎn)和收益的不對(duì)稱，加之證券市場(chǎng)的資金流動(dòng)性較強(qiáng)風(fēng)險(xiǎn)性較高，一旦證券市場(chǎng)出現(xiàn)波動(dòng)，科技成果轉(zhuǎn)化就會(huì)有資金鏈斷裂的風(fēng)險(xiǎn)，不能確保資金的持續(xù)投入。因此，證券業(yè)的集聚難以對(duì)成果轉(zhuǎn)化效率產(chǎn)生促進(jìn)作用。這也與薛麗麗研究高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的結(jié)果一致。保險(xiǎn)業(yè)的直接效應(yīng)和溢出效應(yīng)在1%的統(tǒng)計(jì)水平上顯著，但系數(shù)分別為-0.004和-0.042，意味著保險(xiǎn)業(yè)的集聚會(huì)抑制了農(nóng)業(yè)成果轉(zhuǎn)化效率。原因可能是中國(guó)農(nóng)業(yè)保險(xiǎn)市場(chǎng)處于改革階段，供給和需求不匹配，資金未得到有效配置，難以為高風(fēng)險(xiǎn)的農(nóng)業(yè)技術(shù)創(chuàng)新活動(dòng)提供有效的險(xiǎn)種支持；此外，保險(xiǎn)業(yè)的集聚程度與處在轉(zhuǎn)型期的監(jiān)管體系不匹配，從而對(duì)周邊地區(qū)資源或成果出現(xiàn)虹吸且并未有效利用，同樣造成本地區(qū)資源過(guò)度冗余以至對(duì)本地區(qū)轉(zhuǎn)化效率產(chǎn)生擠出。銀行業(yè)集聚的直接效應(yīng)在1%的統(tǒng)計(jì)水平上顯著，這說(shuō)明銀行資金的支持能降低農(nóng)業(yè)創(chuàng)新成果轉(zhuǎn)化階段融資成本、激勵(lì)農(nóng)業(yè)創(chuàng)新部門(mén)在競(jìng)爭(zhēng)中自我強(qiáng)化，從而提高成果轉(zhuǎn)化效率。

值得注意的是，根據(jù)表6所展示的總效應(yīng)，不同金融機(jī)構(gòu)對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響存在差異。具體而言，在科研產(chǎn)出階段，證券業(yè)和銀行業(yè)的集聚對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率具有正向影響，且影響程度基本持平，同樣作為間接融資方式的保險(xiǎn)業(yè)則對(duì)農(nóng)業(yè)科研產(chǎn)出效率有顯著影響，該結(jié)論與馬俊等對(duì)工業(yè)部門(mén)的研究一致。在成果轉(zhuǎn)化階段，證券業(yè)和銀行業(yè)的集聚對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率不存在顯著影響，保險(xiǎn)業(yè)則逆向擠出農(nóng)業(yè)技術(shù)創(chuàng)新效率?？赡艿脑蚴?，第一，中國(guó)農(nóng)業(yè)部門(mén)當(dāng)前的融資方式依舊以銀行業(yè)為主，銀行業(yè)在農(nóng)業(yè)研發(fā)融資方面占據(jù)主導(dǎo)地位；第二，雖然中國(guó)的證券業(yè)目前存在不穩(wěn)定性及體制弊端，但其屬于直接融資的方式不需要質(zhì)押品，因此，能夠降低農(nóng)業(yè)融資的機(jī)會(huì)成本，提升農(nóng)業(yè)部門(mén)的研發(fā)效率。第三，保險(xiǎn)業(yè)屬于間接融資方式，而且依賴于農(nóng)戶的保費(fèi)投入，難以有效提升農(nóng)業(yè)技術(shù)創(chuàng)新效率。

3.4 穩(wěn)健性檢驗(yàn)

盡管在分析金融集聚對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率影響的回歸中，本研究盡可能的全面的考慮了影響農(nóng)業(yè)技術(shù)創(chuàng)新效率的因素，但是計(jì)量結(jié)果仍具有存在估計(jì)偏差的可能性。因此，在穩(wěn)健性檢驗(yàn)中，本研究將基于遺漏變量的問(wèn)題繼續(xù)檢驗(yàn)。具體而言，除了已考慮的政府支持、人力資本水平、環(huán)境變量和對(duì)外開(kāi)放水平外等控制變量外。一個(gè)地區(qū)的農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)狀況，能夠反映該地區(qū)的農(nóng)業(yè)的地位水平，農(nóng)業(yè)水平越高，則政府的重視程度、農(nóng)民的收入水平以及農(nóng)業(yè)技術(shù)創(chuàng)新效率等可能會(huì)存在差異?；诖?，本研究用第一產(chǎn)業(yè)產(chǎn)值在地區(qū)生產(chǎn)總值中的比重來(lái)衡量農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，進(jìn)一步驗(yàn)證本研究計(jì)量結(jié)果的準(zhǔn)確性。從表7中不難看出，無(wú)論是系數(shù)方向還是顯著性，銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)的檢驗(yàn)結(jié)果都和表6較為一致，證明了本研究的研究結(jié)果具有穩(wěn)健性。

表7 穩(wěn)健性檢驗(yàn)
Table 7 Robustness check

變量Variable直接效應(yīng)Direct effect溢出效應(yīng)Indirect effects總效應(yīng)Total effectu1u2u1u2u1u2證券業(yè) Stock0.000**(0.000)0.005(0.005)0.000***(0.000)0.007(0.012)0.000***(0.000)0.013(0.015)保險(xiǎn)業(yè) Insura0.018**(0.009)-0.009**(0.004)0.031(0.023)-0.041***(0.012)0.049(0.051)-0.050***(0.014)銀行業(yè) Bank0.006(0.005)0.004**(0.002)0.022*(0.011)-0.005(0.125)0.028**(0.013)-0.001(0.014)控制變量 Controlled variable已控制Controlled已控制Controlled已控制Controlled已控制Controlled已控制Controlled已控制Controlled

4 結(jié)論與對(duì)策建議

本研究用兩階段DEA方法，基于創(chuàng)新價(jià)值鏈視角，將農(nóng)業(yè)技術(shù)創(chuàng)新效率分解為科研產(chǎn)出率和成果轉(zhuǎn)化率，并運(yùn)用空間杜賓模型實(shí)證分析了金融集聚對(duì)兩階段效率的直接效應(yīng)和溢出效應(yīng)，得出以下結(jié)論：

首先，中國(guó)農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率普遍不高，2019年的效率值與最優(yōu)前沿面分別存在28%和30%的差距，從效率的空間分布來(lái)看，存在明顯的空間集聚特征。其次，金融集聚能顯著提升農(nóng)業(yè)技術(shù)創(chuàng)新效率，且存在溢出效應(yīng)。具體而言，證券業(yè)集聚對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率的提升主要體現(xiàn)在科研產(chǎn)出階段，且存在溢出；保險(xiǎn)業(yè)集聚對(duì)提升本地區(qū)的科研產(chǎn)出效率具有促進(jìn)作用，但會(huì)抑制成果轉(zhuǎn)化效率的提升，且該抑制效果存在外溢；銀行業(yè)集聚對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率的促進(jìn)作用主要體現(xiàn)在科研產(chǎn)出階段的溢出效應(yīng)和成果轉(zhuǎn)化階段的直接效應(yīng)，且該結(jié)果具有穩(wěn)健性。根據(jù)以上結(jié)論，本研究提出如下建議：

1)推進(jìn)金融結(jié)構(gòu)性改革，提升金融機(jī)構(gòu)服務(wù)效率。目前，我國(guó)金融機(jī)構(gòu)對(duì)農(nóng)業(yè)創(chuàng)新部門(mén)的支持依舊以傳統(tǒng)銀行業(yè)為主，且具有創(chuàng)新能力弱、重物質(zhì)押等劣勢(shì)。這反映出我國(guó)的金融體系存在結(jié)構(gòu)性問(wèn)題，導(dǎo)致其并未充分發(fā)揮對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新效率的促進(jìn)作用。各類型的金融機(jī)構(gòu)要充分認(rèn)識(shí)到信貸結(jié)構(gòu)調(diào)整的必要性，積極調(diào)整經(jīng)營(yíng)策略，轉(zhuǎn)變傳統(tǒng)的路徑依賴，適當(dāng)加大對(duì)農(nóng)業(yè)創(chuàng)新部門(mén)的支持力度。以保險(xiǎn)業(yè)為例，要?jiǎng)?chuàng)新農(nóng)業(yè)保險(xiǎn)項(xiàng)目，做到因地制宜、因主體制宜，加大對(duì)農(nóng)業(yè)科研項(xiàng)目的保險(xiǎn)力度；簡(jiǎn)化農(nóng)業(yè)保險(xiǎn)的辦理手續(xù)和理賠流程，以提升其對(duì)農(nóng)業(yè)創(chuàng)新部門(mén)的服務(wù)效率。

2)完善地區(qū)金融體系，提升金融多樣化集聚水平。研究結(jié)果顯示金融集聚總體上能顯著提高農(nóng)業(yè)技術(shù)創(chuàng)新效率，但不同金融行業(yè)對(duì)農(nóng)業(yè)技術(shù)創(chuàng)新的不同階段的效率影響有所差異。因此，政府應(yīng)該適當(dāng)?shù)囊龑?dǎo)金融機(jī)構(gòu)的集聚，建立區(qū)域金融中心，同時(shí)要規(guī)范金融監(jiān)管，保證金融市場(chǎng)的有序健康運(yùn)行。具體來(lái)講，應(yīng)引導(dǎo)銀行業(yè)發(fā)揮其主導(dǎo)地位，積極了解企業(yè)的創(chuàng)新動(dòng)態(tài)，提高風(fēng)險(xiǎn)識(shí)別能力，為企業(yè)提供研發(fā)資金支持；進(jìn)一步規(guī)范和完善保險(xiǎn)業(yè)和證券業(yè)的服務(wù)體系，以市場(chǎng)需求為導(dǎo)向，增強(qiáng)自身實(shí)力，提高服務(wù)效率。

3)加強(qiáng)區(qū)域良性互動(dòng)，實(shí)現(xiàn)區(qū)域協(xié)調(diào)發(fā)展。要實(shí)現(xiàn)和增強(qiáng)金融集聚對(duì)周邊地區(qū)農(nóng)業(yè)技術(shù)創(chuàng)新效率的擴(kuò)散和涓流效應(yīng)，以“先富帶后富”，各地政府必須突破地區(qū)發(fā)展局限，踐行黨中央“合作共贏，開(kāi)放共享”的發(fā)展理念。一要高度重視區(qū)域發(fā)展失衡問(wèn)題，積極引導(dǎo)金融資源和人才資源在區(qū)域間流動(dòng)，加強(qiáng)區(qū)域間的合作；二要因地制宜構(gòu)建區(qū)域金融中心，提升金融資源的集聚效率，為農(nóng)業(yè)技術(shù)創(chuàng)新提供資金保障。