農業科技研發支出與科技創新對農業生產的促進作用

楊宗翰　雷良海　岳桂寧　姚增福

摘要：【目的】明確農業科技創新成果和科技創新環境在促進農業生產過程中發揮的具體機制及作用，為促進農業經濟發展、實現農業產業轉型升級提供理論參考。【方法】收集我國30個省（區、市）2005—2017年的農業相關數據，包括單位面積糧食產量、研發支出強度、農業產業結構和農業科技創新成果等9個維度指標，通過面板數據回歸分析不同地區農業科技研發支出對農業生產的影響路徑機理。【結果】我國整體科技研發支出對農業生產的影響具有空間異質性，表現為西部地區科技研發支出對農業生產作用呈顯著正向效應，東部地區科技研發支出對農業生產作用呈顯著負向效應。農業科技創新對農業生產影響效果顯著，其中，東部和中部地區農業科技創新對農業生產影響不顯著，西部和東北部地區農業科技創新效果顯著。農業科技創新可調節研發支出對農業生產的影響，且調節作用在西部地區作用顯著，其他地區不顯著;整體創新環境可調節農業科技創新對農業生產的影響，其調節作用均為負向，且僅在西部地區的作用顯著。【建議】調整政府農業科技研發支出的空間結構，根據產業結構和產業特點分配研發支出;根據區域產業特征制定相應的農業科技創新激勵政策，建立農業科技創新企業認定資格體系;建立獨立的農業科技成果交易市場，通過成立國立技術收儲公司盤活市場。

關鍵詞： 農業科技研發支出;科技創新;農業生產;空間異質性

中圖分類號： S-01? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標志碼： A 文章編號：2095-1191（2019）12-2855-10

Promotion effects of agricultural research and development expenditure and science and technology innovation on agricultural production

YANG Zong-han1，2， LEI Liang-hai1*， YUE Gui-ning3， YAO Zeng-fu2

（1Business School， University of Shanghai for Science and Technology， Shanghai? 200093， China; 2Guangxi Aviation Logistics Research Center， Guilin University of Aerospace Technology， Guilin， Guangxi? 541004， China;

3Business School， Guangxi University， Nanning? 530004， China）

Abstract：【Objective】This paper aimed at studying the specific influence mechanism of agricultural researchand development（R&D） expenditure and agricultural innovation on agricultural production， so that provided a theoretical refe-rence for promoting the development of agricultural economy and achieving the transformation of agricultural industry.【Method】This paper collected the data of 30 provinces（autonomous regions or municipalities） of China from 2005 to 2017， including nine dimensions indicators， such as the area output of grain，the strength of R&D spending， agricultural structure and agricultural scientific and technology innovation achievements. By using the method of panel data regression analysis， the mechanism of agricultural R&D on agricultural production in difference regions were studied. 【Result】The results of research showed that the effects of overall R&D expenditure on agricultural production had spatial heterogeneity， the effects were significantly positive in the west， but significantly negative in the east. Agricultural S&T innovation had a significant impact on agricultural production， while it had no significant impact in the eastern and central regions， but significant impact in the western and north-eastern regions. Agricultural S&T innovation could regulate the impact of agricultural R&D expenditure on agricultural production， which was significant in western region， but not in other regions. The overall innovation environment could regulate the impact of agricultural S&T innovation on agricultural production， which had negative impact on S&T innovation， and this effect was only significant in the western region. 【Suggestion】Governments should adjust the spatial structure of agricultural R&D expenditure， and distribute the R&D expenditure according to industrial structure and characters. According to the characteristics of regional industries， governments should formulate corresponding incentive policies for agricultural S&T innovation. An independent market should be established for trading agricultural S&T achievements， and revitalize the market by founding state-owned enterprise to store the techniques.

Key words： agricultural research and development expenditure; science and technology innovation; agricultural production; spatial heterogeneity

0 引言

【研究意義】據中國農業科學院公布的《中國農業農村科技發展報告（2012—2017）》顯示，2017年我國的農業科技進步貢獻率為57.5%，但發達國家在2015年的農業科技進步貢獻率已達70%～80%（沈瓊等，2018）。這在經濟上的直接反映是整個農業產業升級尚缺乏科技支撐，60%以上的農副產品未得到循環、高值和梯次利用（魏后凱，2017）。當前我國農業科技進步貢獻率過低，其主要原因是農業科技研發支出不足，加之科技研發投入的轉化效率不高。因此，開展農業科技研發投入與農業生產間的關系研究，有助于發現制約科技投入轉換率的具體原因并有針對性地提出政策建議，進而有效提高我國農業科技進步貢獻率。【前人研究進展】農業科技研發支出對農業生產效率的提升作用在不同地區間存在顯著差異，各地區農業科技研發支出對生產效率的影響則具有明顯門限效應，農業科技投入達到一定標準后對生產效率提升作用顯著（陳鳴和周發明，2016）。此外，農業科技研發支出對農業生產和農民收入存在空間溢出效應，本地區投入的農業研發資金獲得成果轉化之后，不僅能促使當地農業生產獲益，還可帶動周邊地區獲益（楊義武和林萬龍，2018;賴昭豪等，2019）。相關研究也揭示農業科技研發投入和農業生產間的特定關系，政府部門在制定研發支出政策時應根據不同地區的空間異質性，確定當地的研發支出預算，以獲取最佳的投入回報（趙麗娟等，2019）。目前，農業科技創新與農業生產相關的研究主要集中在農業創新效率對農業生產的影響。例如使用全要素生產率作為農業創新的衡量指標（王洋洋等，2019），其研究結果顯示農業科技創新與農業生產在短期內具有顯著關聯，且存在長期的均衡關系（張淑輝和陳建成，2013）。除了全要素生產率外，農業科技進步貢獻率同樣可用來衡量農業科技創新與農業生產間的關系（王潔和夏維力，2017），研究表明農業產值與科技進步率同步增長，增加政府農業科技研發支出可在短期內提高農業科技進步貢獻率，但長期效果不明顯（張躍強和陳池波，2015）。此外，農業科技創新在促進農業生產活動中具有特殊性，農業生產除了受創新活動影響外，還受研發支出等因素的多重影響（黃紅光等，2018;張莉俠等，2018）。因此，政府部門在制定農業生產政策時要充分考慮相關創新要素的影響，有效提高農業科技進步貢獻率（張在一等，2018）。【本研究切入點】現有的研究雖然為闡明農業科技研發支出與農業生產效率間的關系提供了基礎理論，但尚存不足，具體表現為：一方面主要針對最優研發投入區間、整體創新效率對農業生產的影響，沒有揭示農業科技研發支出對農業生產影響的具體路徑和機制;另一方面，農業生產和技術具有明顯的地域特征，當前對農業科技研發支出和科技創新的空間異質性研究尚不充分，未能體現相關變量的空間結構差異。【擬解決的關鍵問題】將農業科技創新成果、科技創新環境納入到農業科技研發支出—農業生產的研究框架中，明確農業科技創新成果和科技創新環境在促進農業生產過程中發揮的具體作用機制，為促進農業經濟發展及實現農業產業轉型升級提供理論參考。

1 材料與方法

1. 1 數據來源與描述性統計

研究所用數據主要通過國家統計局、國家知識產權局等公開渠道獲取，收集的數據包括30個省（區、市）2005—2017年農業研發支出、農業科技創新和農業生產的相關數據，針對不同省（區、市）每個變量可獲得390個觀測值，確定的變量包括單位面積糧食產量、研發支出強度、農業科技創新成果、國內生產總值、農業產業結構、創新環境、農業從業人數、地區和農業產業人均產值等9個維度。數據來源及計算方法如表1所示。

1. 2 研究方法

農業科技研發支出對農業創新及農業生產的長短期效應差異顯著（張躍強和陳池波，2015），基于這一研究結論，首先分析農業科技研發支出對農業生產的長期效應和短期效應，同時確定農業研發支出長期效應和短期效應的影響路徑，然后選取變量對農業研發支出及其對農業生產的影響進行量化建模，最后運用統計分析方法對量化模型進行分析并得出結論。

1. 3 統計分析

運用Stata 15.1中的面板數據回歸分析模塊進行統計分析，相應的統計指標使用和判別標準在具體研究部分列明。

2 結果與分析

2. 1 農業科技研發支出效應傳導機制

本研究將農業科技研發支出效應分解為兩部分，分別是投資效應和創新效應。農業科技研發支出作為一種投資活動，與其他投資活動一樣會產生直接的經濟拉動效應，即農業科技研發支出的投資效應;但農業科技研發支出又有別于一般的投資活動，其能產生創新效應，且研發支出的活動能產生創新成果，如農業技術專利等。農業科技研發支出在以往的研究中多呈短期效應，主要是其投資效應所發揮作用。一般性的研發支出具有滯后效應（白俊紅等，2009），但農業科技研發支出的長期效應不顯著（張躍強和陳池波，2015），其原因可能是前人的相關研究尚未考慮研發支出長期影響發揮作用的具體路徑，后續研究將通過計量模型探討和驗證研發支出的長期影響。為分析農業科技研發支出的長期效應，本研究構建模型以闡明農業科技研發支出長期效應和短期效應的傳導路徑（圖1）。農業科技研發支出形成后，由研發活動主體開展研發活動，最終形成研發成果;研發成果需通過技術市場進行轉化，最終應用于實體經濟，即研發支出的長期效應需通過創新成果和市場轉化兩個因素發揮作用。

2. 2 統計分析模型設定、變量選取和數據說明

為檢驗在上述模型中的傳導路徑，運用面板數據回歸分析方法對國內30個省（區，市）2005—2017年農業科技研發支出對農業經濟績效的影響進行實證分析。運用面板數據的方法不僅可分析變量間的時間效應，還能發現變量的空間異質性。

2. 2. 1 基礎模型設定 基礎模型用于檢驗研發支出、農業創新的短期效應，在模型中主要考察研發支出和農業創新對農業生產的拉動作用，模型設定如下：

sgrain=β+βsRD+β2lnaPatentit+βlnGDP+βaStruct+βiEnvir+βlnaPopulait+? （1）

在模型中，t代表時間，i代表省（市、區），β0為回歸方程截距項，除β0外的βi為各自變量系數，εit為隨機誤差項，包含其他未在本研究范圍內的影響變量。

sgrainit+1是因變量，代表農業生產發展水平，通過計算單位耕地上的糧食產量，用于衡量地區農業產業的發展水平。

sR&Dit是核心解釋變量，代表研發支出強度，使用研發支出占GDP比重作為核心解釋變量主要考慮到除研發支出絕對值外，研發支出占產值比重體現了地區對創新活動的重視程度，在基礎模型中僅考察整體研發支出的影響，農業科技研發支出影響將在擴展模型中分析。

aPatentit是第二個核心解釋變量，代表農業科技創新成果，衡量創新成果的指標通常包括專利申報、專利授權等，在本研究中使用年度農業專利申請數量衡量地方農業創新成果。數據來源于國家專利局專利網站，通過檢索逐年和逐省（區、市）的數據手工收集。

GDPit是控制變量，代表地方經濟發展水平，經濟水平高的地方研發投入和創新活動可能更高，加入控制變量可更好地觀測核心變量的影響作用。

regionit是控制變量，代表不同的區域劃分，不同區域除經濟發展水平不同外，地方文化、法制環境和市場環境也存在差異，這些因素可能同時影響研發支出和農業生產。

aStructit是控制變量，代表地方農業產業結構，農業產業結構會影響農業研發支出、農業科技創新和農業生產。

iEnvirit是控制變量，代表地區創新環境，地方對農業創新成果的保護程度會有效促進創新從而推動農業生產發展。

aPopulait是控制變量，代表農業生產規模，隨著農業集約化和規模化的發展，農業從業人口日趨減少，因此農業產業從業人數可衡量地區農業產業規模，而農業產業規模對農業科技創新和研發投入產生直接影響。

2. 2. 2 擴展模型 根據基礎模型的設定，為明確農業科技研發支出對農業生產發展的創新效應，本研究引入3個交乘項變量以滿足研究需求。第一個交乘項是sR&Dit*aSturctit，主要用來進一步衡量農業科技研發強度是否對農業生產具有顯著效應，因為農業產業占比較大的地區通常研發投入也較大。第二個交乘項是sR&Dit*aPatentit，考察研發支出效應是否受科技創新成果影響，可衡量農業科技研發支出在農業科技創新的調節作用下是否對農業產業發展具有長期效應。第三個交乘項是aPatentit*iEnuirit，考察農業科技創新性成果轉換效率是否受當地創新環境的影響。t+j=t+1、t+2分別代表滯后一期和兩期的因變量時間維度，其他的變量含義與公式（1）相同。

sgrain=β+βsRD+βlnaPatent+βlnGDP+? ? βaStruct+βiEnvir+βsRD*aStruct+βsRD*lnaPopula+β lnaPopula*? ? ? ? ? ?iEnvir+βlnaPatent+ε? ?（2）

2. 3 描述性統計

為避免異常數據對分析結果的影響，首先進行原始變量的描述性分析（表2）。在7個主要的研究變量中，農業科技創新成果（aPatent）、國內生產總值（GDP）和創新環境（iEnvir）的統計絕對值較大，主要是由于各變量單位存在差異所造成，農業科技創新成果的單位是件，國內生產總值的單位為億元，創新環境的單位為萬元。單位差異形成的統計值差異將影響統計結果，為此本研究將幾個單位不同的變量統一取自然對數以消除量綱影響。本研究中使用的變量數據均來源于公開可得的渠道，其中農業創新科技成果是較難收集的數據，研究團隊手工從國家專利局網站上進行檢索統計。

2. 4 面板數據協整性檢驗

進行變量面板數據回歸分析必須確保面板數據變量平穩，否則可能產生偽回歸現象（Seo and Shin，2016）。從圖2可看出，各省（區、市）的農業生產效率和科技研發支出并無統一時間趨勢，其個體間存在的差異有助于識別農業生產發展影響因素。本研究通過面板數據趨勢圖（圖2）初步判斷核心變量間不存在不平穩性問題。

通過Hadri LM檢驗可對數據平穩性進行嚴格驗證，進一步確保統計分析過程中不會因面板數據非平穩性而出現偽回歸現象。Hadri LM的單位根檢驗結果顯示，用于統計研究的主要變量平穩（表3），所選取的變量均適用于面板數據回歸分析。在模型設定中，對于aPatent、GDP和iEnvir等3個變量均使用對數值，因此在平穩性檢驗中同樣是針對這3個變量的對數值進行檢驗。

2. 5 面板數據回歸分析結果

在面板數據回歸分析過程中，除在按照設定模型分別進行基礎模型和擴展模型的檢驗外，考慮到農業生產的特殊性還進行分地區統計分析，以觀察農業研發支出和創新活動對農業生產作用是否存在空間異質性。

2. 5. 1 固定與隨機效應模型選擇 進行面板數據回歸分析面臨的第一個問題是選擇混合回歸還是固定效應模型進行變量估計研究。若各省（區、市）的農業生產和研發支出間關系相同，應選擇混合回歸;反之則選擇固定效應模型，以分析各省（區、市）間的差異。從變量描述性統計中可看出，各省（區、市）間的農業研發、創新和生產等變量存在明顯差異，因此在設定的模型中可能每個地區均存在個體效用。在進行模型選擇時，本研究通過對比混合回歸和固定效應模型中隨機誤差的個體效應進行判斷。

（1）混合回歸和固定效應模型比較。首先對面板數據進行固定效應模型估計，并假設各省（區、市）差異對農業生產無影響，在估計固定效應模型同時對假設進行F檢驗。令ui表示各省（區、市）差異對模型（2）中誤差項的擾動，對ui等于0的假設進行檢驗，檢驗結果顯示P遠小于0.05，可初步判斷各省（區、市）個體差異對農業生產影響顯著。根據F檢驗結果，不宜選擇混合效應模型。

（2）固定效應和隨機效應模型比較。相對于混合回歸，固定效應通過變動模型（2）的截距項解釋各省（區、市）的農業生產差異。但各省（區、市）農業生產方程除了截距項可能存在差異外，代表農業生產與研發支出等變量間關系的系數βi也可變。因此，通過豪斯曼檢驗來確定各省（區、市）個體效應除了體現在截距項外是否也存在βi差異。檢驗結果（表4）顯示，P小于0.05，基本上可拒絕原假設（Test：Ho），故在后續分析中將使用固定效應模型。

2. 5. 2 基礎模型分析結果 以所有省（區、市）為對象的全樣本，在基礎模型中主要分析研發支出強度（sR&Dit）和農業科技創新成果（aPatentit）對單位面積糧食產量（sgrainit+1）的影響。首先，變量sR&Dit的系數為負數（表5），說明整體科技投入對農業生產的影響是負向，可能是研發支出存在擠出效應。與此同時，sR&Dit的t檢驗結果不顯著（P>0.1，下同），說明整體的科技研發支出對農業生產影響作用不明顯。另外，變量aPatentit的t檢驗結果極顯著（P<0.01，下同），說明農業科技創新對農業生產具有影響力;同時，aPatentit的系數大于0，意味著農業科技創新對農業生產的影響是正向，具有促進作用。

由于農業產業發展地區間差異明顯，本研究在基礎模型的框架下進一步分地區對核心變量進行分析。按照統計年鑒中對我國省（區、市）的四個區位進行劃分（東部、西部、中部和東北部）。由表6可知，在4個地區中只有東部地區sR&Dit的系數是負值，說明除了東部地區外，其他地區的整體研發投入對農業生產具有促進作用。這也進一步證實在全樣本基礎模型分析中得出的結論，全國的研發支出投入對農業生產有負面影響，是由于存在投資的擠出效應，尤其在東部經濟發達地區資源更多地投向高科技和重工業等產業，導致農業產業可獲得的資金資源減少;中部、西部和東北部地區由于經濟相對落后，整體研發投資尚未對農業生產形成擠出效應。總之，研發支出對農業生產的影響作用不明顯。另一方面，農業科技創新呈明顯的空間異質性。在東部和中部地區，農業科技創新成果對農業生產促進作用不顯著;而在西部和東北部均達顯著水平，且aPatentit的系數為正值，農業科技創新對農業生產具有明顯促進作用。這可能是東部和中部在農業研發投入不足，從而導致農業科技創新成果促進效用不顯著;而西部和東北部由于農業產業規模較大，產出農業科技成果較多，農業科技創新績效較顯著。

2. 5. 3 擴展模型分析結果

2. 5. 3. 1 全樣本擴展模型 在全樣本分析過程中逐步添加有關農業研發支出強度、農業科技創新成果和創新環境的3個交乘項是sR&Dit*aStructit、sR&Dit*aPatentit和aPatentit*iEnvirit。通過3個交乘項的逐步添加，將依據理論模型對農業研發支出的投資效應和創新效應進行分別論證。

首先，在基礎模型中添加農業產業結構（aStructit）和研發支出強度（sR&Dit）的交乘項，通過該交乘項對不同地區的農業研發支出進行衡量，并考察其對農業生產的促進作用。由表7可知，交乘項sR&Dit*aStructit通過了顯著性檢驗，說明經農業產業結構的調節后研發支出對農業生產有顯著影響，與理論分析結論一致，說明農業研發支出具有短期效應。

其次，進一步添加研發支出強度（sR&Dit）和農業科技創新成果（aPatentit）的交乘項，通過交乘項衡量研發支出的創新效應，觀察通過農業科技創新的實現是否有助于農業研發支出促進農業生產。檢驗結果在農業科技創新模型中顯示，交乘項sR&Dit*aPatentit的系數為正值，說明研發支出通過農業科技創新的路徑對農業生產有促進作用。此外，交乘項t檢驗P<0.05，說明交乘項統計結果顯著，再次印證了理論模型的分析結論，農業研發支出在長期內通過科技創新實現對農業生產的促進作用。

最后，通過引入農業科技創新成果（aPatentit）和創新環境（iEnvirit）的交乘項，對農業科技創新的轉換效率及其效果進行檢驗。檢驗結果在農業科技創新環境模型中顯示，交乘項t檢驗P<0.05，說明創新環境和農業科技創新成果交互作用對農業生產有影響。但交乘項系數小于0，說明這個創新環境對農業生產起抑制作用，可能是因為創新效率越高，資源更多地集中到高科技領域，從而抑制農業生產發展。

2. 5. 3. 2 擴展模型分地區分析 選擇包含變量最全面的農業科技創新環境模型進行分地區研究。在全樣本分析中，已確認研發支出強度是通過農業科技創新成果和創新環境對農業生產發揮作用，但這種研發支出的創新效應是否存在空間上的差異性，需通過分地區的模型分析進行驗證。通過分地區的農業科技創新環境模型對相關變量進行分析，結果（表8）顯示，東部、中部和東北部的農業研發支出創新效應均不明顯，僅西部地區農業研發支出創新效應明顯，說明農業科技研發支出強度的長期創新效應具有空間異質性。空間異質性的存在可能與地區產業結構、資源稟賦和創新系統等相關，但具體原因需進一步分析。

2. 5. 4 穩健性檢驗結果 為確保研究分析結論的可靠性，本研究通過替換因變量（sgrain）構造替代模型對已有的回歸結果進行穩健性檢驗，用于穩健性檢驗的替換變量為人均農業產值（pagdp）。對比農業科技創新模型，發現反映短期投資效應的研發支出強度（sR&D）和反映長期創新效應的交乘項（sR&D*aPatent），在穩健性檢驗中的結果（表9）與原模型基本一致，核心變量和交乘項的影響效果顯著。

在農業科技創新環境模型中，研發支出強度（sR&D）和交乘項（sR&D*aPatent）的回歸結果同樣顯著，與原模型基本一致。綜上所述，在穩健性檢驗的三個模型中有兩個通過穩健性檢驗，只引入一個交乘項的農業研發支出模型未通過檢驗，但該模型相對于另外兩個模型重要性稍弱，說明原有的回歸分析結果穩健。

3 討論

本研究結果表明，我國整體研發支出對農業生產的效用不明顯，但在使用分地區樣本后進一步得出研發支出效應具有空間異質性。其中，西部地區農業科技研發支出對農業生產具有正向效應，而東部地區研發支出效應呈負向。張淑輝和陳建成（2013）也曾研究表明，農業研發支出短期內對農業生產影響作用。農業科技研發支出通過農業科技創新成果的作用，顯著促進農業生產發展，尤其在農業產業發達的西部和東北部，說明農業科技研發支出確實是通過農業科技創新的路徑來實現長期效應，與理論模型結論一致。張躍強和陳池波（2015）研究表明，農業科技研發支出對農業生產的作用長期內并不明顯，與本研究的結論存在差異，其原因是農業科技研發支出長期效應需通過創新成果及其轉化來實現。此外，以技術交易市場為衡量指標的整體創新環境對農業科技創新具有抑制效應。這是由于當前的技術交易市場傾向于投資高科技和高新產業，過多資源被其他產業的科技成果轉化占用后，農業科技創新成果得不到快速轉化，從而抑制農業科技創新促進農業生產的作用。可見，農業科技研發投入產出比過低，與技術市場交易的環節效率過低有關。與已有的研究（張淑輝和陳建成，2013;張躍強和陳池波，2015;Fuglie and Toole，2015;Eastwood et al.，2017;沈瓊等，2018）相比，本研究檢驗了一個特殊的變量——技術交易市場，其是農業創新成果轉化為實際生產力的重要一環，但該環節農業創新的效用被抑制。

4 建議

4. 1 調整農業科技研發支出空間結構

農業科技研發支出要緊跟產業發展需求，針對不同區域農業產業結構應匹配相應的農業科技研發支出經費。政府農業研發經費應更多地向西部地區和東北部地區等農業產業較發達的地區傾斜。同時，增加農業科技經費投入還需考慮具體產業技術特征，不同農業細分產業處于不同的技術發展階段，產業升級對科技資金投入的需求量也存在差異，也是造成研發支出效果具有空間異質性的一個重要原因。

4. 2 制定差異化的創新激勵政策

在促進農業生產方面，除了科技研發支出強度的效用具有空間異質性外，農業科技創新成果的效用也存在空間異質性。這可能是東部發達地區政府傾向于對高新技術產業給予更多激勵措施，導致農業科技扶持力度不夠;而西部地區由于農業產業占比較大，地方政府給予農業科技創新更多支持。當前，國家制定的高新產業目錄中尚未單獨針對農業科技類，導致農業創新技術必須合并到其他技術類別中去申請國家的高新技術扶持政策。因此，不同地方政府可在現有的高新技術評定體系下，針對當地農業產業特點，建立適合本地的農業科技創新評價體系，并給予達標企業合理的稅收、補貼及產業扶持政策。

4. 3 建立獨立的農業科技成果交易市場

本研究發現技術交易市場對農業科技創新成果具有抑制效應，說明現有的創新成果轉化環境并不適合農業科技成果發揮其應有的效應。這主要是由于現有的技術交易市場極易將資源引導向回報更快的成果轉化項目，而農業科技成果轉化的周期通常較長，不易吸引到投資。因此，地方政府應該針對本地的農業產業特征，建設獨立的農業科技成果交易市場，同時需要引入相應的交易商，在初期啟動階段政府可考慮成立國有的技術收儲公司，對農業科技成果進行收購和出售，以激發農業科技成果交易市場的活躍度。

參考文獻：

白俊紅，江可申，李婧. 2009. 應用隨機前沿模型評測中國區域研發創新效率[J]. 管理世界，（10）：51-61. [Bai J H，Jiang K S，Li J. 2009. Stochastic frontier model to evalua-te the efficiency of regional R&D innovation in China [J]. Management World，（10）：51-61.]

陳鳴，周發明. 2016. 農地經營規模、農業科技投入與農業生產效率——基于面板門檻模型的實證[J]. 產經評論，（3）：130-140. [Chen M，Zhou F M. 2016. Farmland ope-rational scale，agricultural technology investment and agricultural production efficiency—A Study based on the threshold panel model[J]. Industrial Economic Review，（3）：130-140.]

黃紅光，白彩全，易行. 2018. 金融排斥、農業科技投入與農業經濟發展[J]. 管理世界，（9）：67-78. [Huang H G，Bai C Q，Yi X. 2018. Financial exclusion，investment in agricultural science and technology and agricultural economic development[J]. Management World，（9）：67-78.]

賴昭豪，陳美球，鄺佛緣，傅聰穎，張玉琴. 2019. 基于分布式認知理論的農戶生態耕種意愿影響因素分析[J]. 南方農業學報，50（4）：905-912. [Lai Z H，Chen M Q，Kuang F Y，Fu C Y，Zhang Y Q. 2017. Influencing factors of farm house-holds’ willingness to ecological farming based on the distributed cognition theory[J]. Journal of Southern Agriculture，50（4）：905-912.]

沈瓊，王少朋，張兆瑞. 2018. 農業技術創新對糧食生產效益的影響分析[J]. 農林經濟管理學報，17（6）：669-677. [Shen Q，Wang S P，Zhang Z R. 2018. Impact of agricultural technological innovation on grain production efficiency[J]. Journal of Agro-Forestry Economics and Ma-nagement，17（6）：669-677.]

王潔，夏維力. 2017. 陜西省農業科技進步貢獻率測算分析——基于索羅余值法[J]. 科技管理研究，（19）：98-102. [Wang J，Xia W L. 2017. Analysis on contribution rate calculation of Shaanxi agricultural science and technology progress based on solow residual method[J]. Science and Technology Management Research，（19）：98-102.]

王洋洋，張曉慧，崔冀娜. 2019 .“一帶一路”沿線國家和地區農業生產技術效率研究[J]. 統計與決策，（4）：150-153. [Wang Y Y，Zhang X H，Cui J N. 2019. A study on technical efficiency of agricultural production in countries and regions along the ‘Belt and Road’[J]. Statistics & Decision，（4）：150-153.]

魏后凱. 2017. 中國農業發展的結構性矛盾及其政策轉型[J]. 中國農村經濟，（5）：2-17. [Wei H K. 2017. Structu-ral contradiction and policy transformation of agricultural development in China[J]. Chinese Rural Economy，（5）：2-17.]

楊義武，林萬龍. 2018. 農業科技創新、空間關聯與農民增收[J]. 財經科學，（7）：70-82. [Yang Y W，Lin W L. 2018. Agricultural technology innovation，spatial correlation and farmers’ income[J]. Finance & Economics，（7）：70-82.]

張莉俠，呂國慶，賈磊. 2018. 技術引進、技術吸收能力與創新績效——基于上海農業企業的實證分析[J]. 農業技術經濟，（9）：80-87. [Zhang L X，Lü G Q，Jia L. 2018. Technology introduction，technology absorption capacity and innovation performance—Based on the empirical analysis of Shanghai agricultural enterprises[J]. Journal of Agrotechnical Economics，（9）：80-87.]

張淑輝，陳建成. 2013. 農業科研投資與農業生產率增長關系的實證研究[J]. 云南財經大學學報，（5）：83-90. [Zhang S H，Chen J C. 2013. An empirical study on the relationship between agricultural scientific research investment and agricultural productivity growth[J]. Journal of Yunnan University of Finance and Economics，（5）：83-90.]

張躍強，陳池波. 2015. 財政農業科技投入對農業科技創新績效的影響[J]. 科技進步與對策，32（10）：50-54. [Zhang Y Q，Chen C B. 2015. An empirical analysis on the impact of fiscal investment in science & technology of agriculture to agricultural science and technology innovation performance[J]. Science & Technology Progress and Po-licy，32（10）：50-54.]

張在一，杜銳，毛學峰. 2018. 我國誘致性農業技術創新路徑——基于十種農作物勞動力節約技術變革的研究[J]. 中國軟科學，（9）：15-25. [Zhang Z Y，Du R，Mao X F. 2018. The path to induced agricultural technology innovation in China—A research on laborsaving technological change based on ten crops[J]. China Soft Science，（9）：15-25.]

趙麗娟，張玉喜，潘方卉. 2019. 政府R&D投入、環境規制與農業科技創新效率[J]. 科研管理，40（2）：76-85. [Zhao L J，Zhang Y X，Pan F H. 2019. Government R&D inputs，environment regulation and efficiency of agriculture S&T innovation[J]. Science Research Management，40（2）：76-85.]

Eastwood C，Klerkx L，Nettle R. 2017. Dynamics and distribution of public and private research and extension roles for technological innovation and diffusion：Case studies of the implementation and adaptation of precision far-ming technologies[J]. Journal of Rural Studies，49：1-12.

Fuglie K O，Toole A A. 2015. The evolving institutional structure of public and private agricultural research[J]. American Journal of Agricultural Economics，96（3）：862-883.

Seo M H，Shin Y. 2016. Dynamic panels with threshold effect and endogeneity[J]. Journal of Econometrics，195（2）：169-186.

（責任編輯 蘭宗寶）