中國農業科技創新的時空演進特征及其影響機制研究

徐維祥，王 睿，劉程軍，徐 嚴，劉曉雯

(1.浙江工業大學經濟學院，浙江 杭州 310023；2.浙江工業大學之江學院商學院,浙江 紹興 312000)

0 引言

隨著國際環境的日漸復雜，中國既有加速發展進入創新型國家行列的機遇，也需要正視資源與環境雙重制約下的嚴峻挑戰。農業作為支撐國民經濟發展的基礎產業，其穩定增長直接關系到國家經濟高質量發展。中國農業亟待從傳統農業全面向現代化轉變，而農業科技是加快建設現代農業的重要支撐力量之一，農業科技進步成為現代農業發展關鍵。2019年，農業科技進步貢獻率達到58.3%[1]，農業科技投入的總量和結構直接影響農業科技成果的產出規模和發展，對農民持續增收與農村社會進步產生重要影響。中國政府歷來重視農業科技發展，從 “三農”問題到 “科技興農”戰略的實施，以及提出 “把農業科技創新擺在國家科技創新全局更加突出的位置”，到提出 “加強和完善國家農業農村科技創新體系建設”的重要任務[2]。從長期看，建設和完善農業科技創新體系，發揮農業科技創新的重要力量已成為農業農村現代化發展的必由之路。

1 文獻綜述

基于農業科技創新視角，國內外學者從創新主體、推廣機制、影響因素等不同視角進行研究。舒爾茨首先提出農業經濟的增長發展在一定程度上取決于農業科技進步程度，認為必須引入農業科技要素來推進農業發展[3]。隨后，關于農業科技的研究逐漸增加，Sulaiman等通過研究印度農業技術，發現農業科技主體起到關鍵作用，因此提出必須重組農業科技推廣機制[4]；Aubert等從科技系統視角，整合不同的農業創新途徑為農業創新發展提供路徑指引[5]。Bart等關注農業生產技術效率的必要性并進行測算[6]；Meijeretal等從農戶角度分析其對農業技術的影響，發現農戶實際應用率較低[7]；Hari等通過國際案例闡述農業創新擴散理論的發展，論證農業技術創新應基于完善的網絡體系[8]；Dawit等從農業生產背景出發，發現農業生產的氣候、能源及經濟因素對發展中國家農業科技創新起到重要影響[9]。

國內學者對農業科技創新的研究主要集中在創新體系、影響機制、空間格局等方面。史焱文等通過研究中國農業創新系統的脈絡體系，提出了5個農業創新維度[10]；肖樹忠從地級市研究入手，對農業技術創新體系進行區域性研究[11]；辛曉睿等通過刻畫農業技術領域論文和專利信息表征農業技術知識網絡，發現上海農業創新網絡存在 “核心-邊緣”結構特征[12]；方遠平等發現研究經費支出對專利授權量存在積極相關[13]；李兆亮等通過劃分資金來源分類，發現政府財政是影響農業科研投資的主要因素[14]；陳祺琪等發現中國農業科技的資源配置能力區域間差異顯著[15]。

梳理辨析國內外關于農業科技創新的研究發現，當前學者對中國農業科技創新已漸成體系，但依舊存在不足：①農業科技創新指標體系方面，學者更多關注指標體系的橫向構建，缺乏縱向對比，構建的指標體系尚未達成共識，在評價指標權重上主觀法較多，缺乏客觀性和系統性；②農業科技創新水平的區域測度方面，主要集中于對某一省份或區域的研究，缺乏對比及其影響因素的深入探討；③國內外對農業科技創新的分析引入空間尺度的系統研究較少，而將農業科技創新評價指標體系與空間格局相結合的研究分析更待豐富。

綜上所述，考慮到地理區位因素對我國農業科技創新的時空演進及其促進機制的研究具有一定的理論與現實意義，本文將基于前人研究結論刻畫農業科技創新的評價指標體系，選用客觀性較強的TOPSIS熵權評價法評價中國農業科技創新水平，引入空間經濟學考慮農業科技創新的時空演化特征，結合空間引力模型分析農業科技創新的空間聯系網絡結構及趨勢面變化，利用面板數據構建GWR模型分析影響農業科技創新水平變化的影響機制，為政策制定和實施提供建議。

2 研究方法及數據來源

2.1 研究方法

(1)熵權TOPSIS評價方法。農業科技創新評價是一個多指標綜合評價問題，本文采用的熵值法是客觀賦值法的一種。TOPSIS熵權法實質是先確定各指標的權重系數，再確定排序。

TOPSIS熵權評價方法計算公式如下[16-19]。

第1步：構建評價矩陣。公式為：

X=(xij)m×n(i=1,2,…,m,j=1,2,…,n)

(1)

第2步：標準化處理。公式為：

(2)

zij為第i個評價對象在第j個評價指標上的標準值(i=1,2,…,m;j=1,2,…,n),0

第3步：計算各評價指標熵權。公式為：

(3)

(4)

第4步：定義指標權重。公式為：

(5)

(6)

第5步：構建加權評價矩陣。通過rij=wjzij將指標zij轉換為指標rij，以此形成加權評價矩陣R=(rij)m×n:

R= (rij)m×n,rij=wj·zij(i=1,2,...,m,j=1,2,...,n)

(7)

第6步：計算評價指數。公式為：

(8)

(9)

第7步：計算農業科技創新綜合評價指數Ci值。公式為：

(10)

其中，Ci值越大表征農業科技創新水平越高；Ci值越小表征農業科技創新水平越低。

(2)空間自相關法。為了明確我國農業科技創新水平的空間分布特征，采用空間自相關法進一步研究農業科技創新水平的空間差異，主要分為全局和局部自相關分析。

全局自相關分析中Moran’s I指數應用較多，計算公式[20-23]為：

(11)

局部自相關指數用于識別具有顯著性統計意義的熱冷點的空間聚類，其計算公式為[20]：

(12)

式中，i=1,…,n;j=1,…,n;i≠j，wij是空間權重矩陣。G值可以識別某一屬性的空間冷熱點，從整體上對中國農業科技創新水平的空間聚類特征進行分析。

(3)趨勢面分析。趨勢面分析是通過二維模擬曲面用來找出研究區域內變量的空間分布格局。為了深入探討中國農業科技創新水平的空間聯系總量變化趨勢的空間分布規律，假設Ni(xi,yi)為省份i的農業科技創新水平，Si(xi,yi)為趨勢函數，計算公式[23]為：

Ni(xi,yi)=Si(xi,yi)+εi

(13)

Si(xi,yi)=α0+α1x+α2y+α3x2+α4y2+α5xy

(14)

式中，εi為干擾項，α0為常數項，α1-α5為系數。

(4)空間聯系引力模型。本文使用空間引力模型衡量各省份農業科技創新水平的空間聯系，量化各省份農業科技創新聯系強度。本文選取的修正的引力模型考慮到地勢地貌復雜以及交通運輸等現實因素，采用各省份的時間成本的距離，引力模型如下[24-25]：

(15)

(5)地理加權回歸模型 (GWR)。地理加權回歸模型是地理關系變化導致其參數隨著空間的局域位置而變化，從而研究參數和變量之間的關系。模型為[26]：

(16)

式中， (Ui,Vi)是第i個觀測點的空間位置。

2.2 數據來源

本文農業科技創新指標體系的原始數據來自于歷年《中國統計年鑒》《中國科技統計年鑒》《高等學校科技統計資料匯編》《中國財政統計年鑒》《中國區域經濟統計年鑒》及EPS全球統計數據/分析平臺數據庫。

考慮到專利數據具有滯后性，本文選取2003—2017年我國31個省份 (不包括港澳臺)數據，參考《全國農業科技統計資料匯編》，將全國劃分為6個區域：東北區 (遼寧、吉林、黑龍江)、華北區 (北京、天津、河北、山西、內蒙古)、華東區 (上海、江蘇、浙江、安徽、福建、江西、山東)、華南區 (河南、湖北、湖南、廣東、廣西、海南)、西南區 (重慶、四川、貴州、云南、西藏)和西北區 (陜西、甘肅、青海、寧夏、新疆)。區域模塊之間相對獨立，呈現農業科技創新演化態勢及全國分布情況。省級模塊行政規劃力量的相對統一，形成空間集聚和關聯性較大，能夠客觀體現農業科技創新的空間的分布特征。

3 農業科技創新指標體系

3.1 農業科技創新指標體系設計

由于學者對于農業科技創新內涵認識的不同，學術界尚未形成普遍認可的農業科技創新指標體系。依據前人研究成果，參考大量的相關指標體系及文獻的歸納總結[20-24]，本研究從農業科技創新人力資源、基礎建設、擴散能力、成果貢獻等要素定義農業科技創新水平，按照科學性、系統性和可實現性等原則最終確定設置的評價指標體系，該指標體系由4個指標層級構成，首先包括目標層農業科技創新指標，其次4個二級指標、8個三級指標和22個四級指標，見表1。

表1 農業科技創新指標體系

3.2 農業科技創新水平評價結果及分析

按照熵值法計算各指標權重，不同年份各指標權重不同，之后依次計算2003—2017年31個省份農業科技創新水平的排序和變化。由于篇幅原因，本文選取2003年、2008年、2013年、2017年各評價指標權重值和各省份農業科技創新水平進行計算并排序，結果見表2和表3。

表3 各省農業科技創新水平排序

從表2的評價指標權重排序中可以分析出R&D經費內部支出 (D3)、國外技術引進合同數 (D11)、技術輸出地域合同數 (D12)、技術市場技術輸出地合同金額 (D13)、高等學校國際級項目驗收 (D17)、農業領域專利申請量 (D22)這些指標排序相對靠前。

表2 各指標權重排序及Ci值

從地區分布看，我國農業科技創新水平地域差距較大，華東區、東北區農業科技創新水平相對較高，西北區農業科技創新水平排名靠后。

東北區農業科技創新水平整體排名處于中上游。黑龍江近年來加大農業科技創新力度，經歷了先降后升的趨勢。遼寧后期下降幅度超過前期下降幅度，由2003年的排名全國第7位變為2017年的第15位；吉林農業科技創新水平處于中下游，變化趨勢屬于先升后降，整體變化幅度不大。

華北區中北京作為中國的經濟科技中心，農業科技創新水平Ci值穩定在0.6～0.7，其農業科技創新水平一直處于領先地位。華北區省際差距較大，河北、天津的農業科技創新水平Ci值處于波動下降趨勢，山西、內蒙古Ci值相對較低。

華東區農業科技創新水平整體較強，排名前10的省市中有4個屬于華東區 (江蘇、山東、上海、浙江)。其中，江蘇農業科技創新水平提高較快，上海和浙江農業科技創新水平排名在波動中下降。安徽近年來排名上升且上升幅度較大。

華南區中廣東、湖北、湖南的農業科技創新水平較突出，拉動了華南區整體水平。廣西排名相對落后，但近年來有所上升。

西南區中四川屬于領跑位置，其他各省份與四川差距較大。重慶農業科技創新水平Ci值逐年上升，云南農業科技創新水平Ci值呈波動趨勢。貴州、西藏近年來農業科技創新水平逐年增長，且增長幅度較大，排名上升較快。

西北區中陜西的農業科技創新水平處于優勢地位，新疆上升明顯，其Ci值從初始較低的0.09到2017年增至0.1807，排名上升至第16位。

通過分析，我國大部分省市農業科技創新水平處于上升趨勢，但各地區農業科技創新水平增長速度差距較大。

4 農業科技創新空間格局分析

4.1 全局空間自相關分析

Moran’s I值用于解釋研究整體區域事物內的空間依賴程度，利用ArcGIS10.2軟件對2003—2017年全國31個省份農業科技創新數據進行全局自相關Moran’s I指數計算，同時為了比較空間集中度，計算空間基尼系數、赫芬達爾指數 (HHI)和農業科技創新水平均值，結果如圖1所示。

由圖1可知，所有的Moran’s I指數都大于0，說明中國31個省域都農業科技創新水平的空間分布并非隨機的，呈現出空間正相關的關系，顯示出空間依賴性和集聚性的現象，集聚的強度倒ζ型的變化趨勢，即農業科技創新水平較高的省域趨于和農業科技創新水平較高的省域相鄰，農業科技創新水平較低的省域趨于和農業科技創新水平較低的省域相鄰。從時序分析，Moran’s I指數在2003—2011年處于波動的增長趨勢，并且在2011年達到最大值；在2012—2017年處于波動下降趨勢，說明省域間農業空間創新水平差異開始擴大。全國的農業空間創新水平均值處于波動狀態，整體波動幅度不大；從空間基尼系數和赫芬達爾指數 (HHI)看，兩者展現了農業的空間集聚程度，2003—2017年中國農業科技創新的空間集聚水平波動較平緩。

圖1 中國農業科技創新水平空間集中度比較

4.2 空間冷熱點區域演化

為了區分冷熱點區域，將得到的Getis-OrdGi*指數使用自然斷點法劃分為5類，各省市區域分布見表4。由表4可知，我國農業科技創新的熱點區域主要集中在華東區、華北區，并呈現出向華南區逐漸擴張的趨勢；冷點區域主要集中在西北區、西南區。這與上述談及的農業科技創新水平時序變化也相印證。

表4 農業科技創新水平的各省冷熱點分布

總體上，農業科技創新水平空間熱點區域演化的基本特征為 “先縮小后擴大”，2017年的熱點區域數量比2003年有所擴大，熱點高顯著區域還是基本上集中于華東區，并出現向周邊地區蔓延趨勢；農業科技創新水平空間冷點區域演化的基本特征為 “波動擴大”，冷點區域總數處于蔓延擴大狀態，由西北區蔓延到西南區，但冷點高顯著區基本上收縮至西藏、青海、甘肅等省份。熱點高顯著區的擴散有利于農業科技創新水平的集聚發展和提高，但冷點區域總數蔓延值得警惕，說明我國農業科技創新水平的空間集聚差異進一步擴大。

5 農業科技創新空間聯系分析

5.1 空間聯系總量趨勢面分析

運用ArcGIS10.2軟件對2003年、2008年、2013年、2017年中國農業科技創新水平進行空間趨勢面分析，如圖2所示。

由圖2可知，2003—2017年中國農業科技創新水平整體呈現 “東北高，西南低”的空間趨勢。說明中國農業科技創新水平發展空間指向性比較明顯，華東區、東北區是中國農業科技創新水平發展優勢區域。在趨勢面的南北方向上，中國農業科技水平展現出中間凸的倒U形的趨勢，倒U形的頂部趨勢隨時間放緩；在趨勢面東西方向上，呈現自西向東抬升的曲線，且曲線西端呈現上升趨勢，曲線坡度有所放緩。說明中國農業科技創新水平空間不平衡格局在不斷變化中。部分原因可以歸結為西北區、西南區近年來由于國家農業扶持政策的出臺，進一步加快農業創新合作與發展，農業科技創新水平差距整體呈縮小趨勢。

圖2 中國農業科技創新空間聯系總量趨勢面變化

5.2 空間聯系網絡結構分析

為了進一步探究中國農業科技創新空間聯系網絡結構特征，借鑒相關學者的研究方法[24-27]，利用ArcGIS軟件結合引力模型運算各省份之間的農業科技創新的空間聯系強度，以小于500 (弱聯系)、501～1000 (較弱聯系)、1001～3000 (一般聯系)、3001～5000 (較強聯系)、大于5000 (強聯系)作為5個等級標準。整體上，中國農業科技創新空間聯系網絡在空間上分布不均，呈現 “東密西疏”狀態，華北區、華東區的農業科技創新空間聯系網絡復雜程度大于西北區、西南區，且空間聯系層級性明顯，東北區、華北區、華東區的聯系強度整體高于西北區、西南區，整體呈東北—華北—華東區向西南—西北區聯系逐漸變弱。

從時序分析，2003—2017年中國農業科技創新空間聯系量顯著增加，尤其是各省份空間強聯系與較強聯系增長顯著，呈現出空間強聯系省份向周邊省份擴散強聯系的趨勢。2003年，東北區與華東區空間聯系強度明顯，其中黑龍江與上海、浙江、安徽空間聯系最強，山東、陜西、浙江形成較強的空間聯系；2008年，甘肅與重慶的空間聯系形態新增為強聯系，東北區與華東區的空間強聯系仍保持優勢；2013年，黑龍江—浙江—安徽正式形成空間強聯系三角結構，新增了陜西—山東、山東—湖北、陜西—浙江交叉強聯系的形態；2017年各省份農業科技創新空間聯系更為密切，網絡更加復雜化，并且隨著經濟不斷發展，逐漸加強兩大農業科技創新空間強聯系結構。

6 農業科技創新驅動因素分析

6.1 變量選取與模型構建

通過上文的空間自相關檢驗發現，農業科技創新水平表現出空間集聚特征，這表明分析農業科技創新水平的影響機制不再滿足普通最小二乘法要求的區域之間相互獨立的假定，因而使用OLS估計可能導致估計結果不準確。為了科學揭示影響機制的空間異質性，采用 “自適應”核估計的AICc帶寬方法的地理加權回歸模型，選取2003年和2017年的數據進行模型回歸和對比分析[28]。

由于所選解釋變量之間存在多重共線性，因此在使用GWR模型之前，采用逐步回歸法進行多重共線性檢驗，剔除VIF>3的自變量。結合相關學者的研究[24-30]，最終以農業科技創新水平指數作為被解釋變量。解釋變量有：①農村經濟水平 (農村居民人均可支配收入)，經濟水平對農業科技創新的影響顯著，人均可支配收入是衡量一個地區經濟發展水平的重要指標，使用農村居民可支配收入可以反映出所在區域的農村經濟水平。②農業資源稟賦 (農業耕地面積占全國比重)，農業自然資源的豐腴程度直接影響農業科技的發展，農業耕地面積占比能夠反映不同地區的農業資源狀況與生產條件差異。③政府扶持力度 (政府財政支出)，政府扶持力度是推動區域農業科技創新的重要力量，政府財政支出差異將影響各地區農業科技創新主體的科研力度。④人力資本強度 (每十萬人口高等學校平均在校生)，當前我國農業勞動力整體水平較低，農業技術人力短缺，人力資本在很大程度上影響農業可持續發展和創新水平。⑤區域開放程度 (外商投資總額)，外商投資總額體現了區域對外開放的程度，進而影響對農業科技創新要素的流動。⑥互聯網+戰略 (互聯網寬帶接入用戶數)，互聯網+戰略代表現代農業發展新趨勢，利用互聯網信息技術促使農業科技創新發展。運用ArcGIS10.2對影響因素進行OLS全局回歸分析和GWR地理加權法分析，結果見表5。

表5 OLS與GWR模型參數估計結果比較

對比OLS與GWR模型，通過R2、GWR模型更加合理，且GWR模型和OLS模型的AICc的差大于3則說明GWR模型的擬合度優于OLS模型，同時對殘差進行空間自相關檢驗，Moran’s I=-0.2714，P值為0.001，表明殘差在空間上完全隨機分布即GWR模型的效果理想。

6.2 結果分析

(1)農村經濟水平對農業科技創新的影響。研究初期 (2003年)農村經濟水平回歸系數敏感程度正值區主要分布在華南區和華東區，最大值出現在華南區，回歸系數總體呈現為西北區向華南區遞增的趨勢；研究末期 (2017年)農村經濟水平回歸系數增長，其空間分布格局呈現向西北區擴張的趨勢。這說明農村經濟水平的提升對帶動西北區的農業科技創新有正向的推動作用。

(2)農業資源稟賦對農業科技創新的影響。研究初期農業資源稟賦回歸系數總體上呈現東南向西北遞減趨勢，回歸系數正值區分布在華東區和華南區，最小值出現在西北區；研究末期農業資源稟賦因素成為各區域的正向影響因子且最大值區域轉移至華東區和東北區。

(3)區域開放程度對農業科技創新的影響。區域開放程度對農業科技創新水平影響的空間差異明顯，研究初期 (2003年)區域開放程度回歸系數為負值，且正值區數量僅為4個，呈現東北向西南遞減趨勢；研究末期 (2017年)區域開放程度回歸系數對部分地區轉為正向影響，正值區擴散至華北區、西北區。說明東北區、華北區、西北區的對區域開放程度因素更敏感、潛力更大，因此，相關部門應該進一步擴大這些地區的市場，引進外資和技術，促進農業科技創新。

(4)人力資本強度對農業科技創新的影響。人力資本強度對各區域農業科技創新發展始終呈正相關且影響顯著。研究初期 (2003年)回歸系數呈現東北向西南遞減的空間布局特征，人力資本回歸系數正值區主要分布在東北區、華北區，最大值出現在東北區；研究末期 (2017年)正值區呈現向華東區擴散的趨勢，華東區出現明顯高值區域。人才對于農業科技創新起著重要影響，建立農業科技創新型人才激勵機制體系，對提高農業科技創新將起到正向推動作用。

(5)互聯網+戰略對農業科技創新的影響。研究初期 (2003年)互聯網+戰略對各區域農業科技創新發展呈現正相關關系且影響顯著，其回歸系數高值區空間上主要集中于西北區，呈現西北向東南遞減的趨勢。研究末期 (2017年)回歸系數發生變化，回歸系數空間格局呈現 “東南高，西北低”的特征，各區域由于實施互聯網+戰略程度和互聯網普及度不同，導致該因素對于各地農業科技創新影響空間差異明顯，華東區和華南區科技與信息技術發展相對發達，從而帶動農業科技創新水平提高。

(6)政府扶持力度對農業科技創新的影響。政府扶持力度對農業科技創新存在正向關系，其影響系數相對較大。研究初期 (2003年)回歸系數空間格局呈現 “東北高，西南低”的特征，這與東北區農業自然區位資源較優，政府大力支持農業發展存在一定關聯。研究末期 (2017年)回歸系數高值區數量增至7個，高值區由東北區擴散至西北區，最大值出現在新疆。因此政府實施強農惠農等農業扶持政策對西北區、東北區的農業科技創新正向影響較大。

7 結論與討論

7.1 主要結論

(1)中國農業科技創新整體水平相對較低，農業科技創新水平整體上層級差異和地域分異性明顯，從空間視角呈現出華東—華北—東北區向西南—西北區遞減的特征，省際差距仍然存在并有繼續擴大的趨勢，區域空間互動性較弱，高值區與低值區之間地理關聯性明顯不足。

(2)中國農業科技創新水平具有顯著的空間相關性，空間集聚強度呈倒ζ形的變化趨勢。中國農業科技創新水平空間網絡密度整體呈現 “東密西疏”的格局特征、核心能力強的省份向周邊省份擴散的層級分工式模式，其中華東區與東北區空間聯系稠密，且與周邊省份的空間互動持續增強，總體上空間聯系層級式網絡協同擴散；華東區與東北區的空間聯系網絡初見雛形，并有持續向華南區、華北區蔓延成長的趨勢。

(3)由于變量不同，導致其在不同地域發揮的力量不同，影響因素存在區域異質性，互聯網+戰略、政府扶持力度、人力資本強度對農業科技創新具有較大的正向影響，農村經濟水平、農業資源稟賦對部分區域農業科技創新由負向影響轉為正向影響，區域開放程度對大部分區域農業科技創新存在負向影響。GWR模型估計系數呈現的空間分異性也表明各地區在提升農業科技創新水平的過程中要實施因地制宜的政策。

7.2 建議與討論

(1)扎實推進農業科技創新，推進內育外引，積極培育農業科技創新的主體，引進農業科技創新人才，促進知識成果向企業和市場轉化擴散。各省應加強農業科技領域基礎性研究和應用研究，真正實現 “農業產學研”三重螺旋模型緊密聯系結合，形成農業科技創新知識網絡和合作網絡。

(2)著力推動農業科技融合，加強區域聯動，逐步縮小地域間差距。農業科技創新水平相對較高的區域，發揮優質農業創新資源輻射效應并進一步向周邊擴散，帶動周邊省份農業科技創新水平提升，以點帶面促進農業科技創新的協調發展。農業科技創新發展緩慢態勢的地區，政府要加大地區的科研扶持力度，加強區域聯系，制定相應的科研激勵政策與制度。

(3)全力推行數字農業建設，因地制宜，針對性提出戰略部署和政策引導。積極引導創建區域農業科技創新增長極，進一步利用互聯網信息化技術，構建數字農業創新體系，推進農業現代化。

本文通過構建指標體系客觀展示我國各省份農業科技創新水平，應用GWR等空間模型分析我國農業科技創新的時空特征與空間分布情況，研究結果具有重要現實意義。受相關數據的限制，所構建的指標體系有待完善，同時未來可進一步細分尺度，從地級市尺度對農業創新水平進行分析，結合具體的農業領域展開實證研究，因此相關農業科技創新的問題仍需深入探討。