金融集聚與農業技術創新效率
——基于空間兩階段視角

汪 昊 馬春艷 張俊飚

(1.華中農業大學 經濟管理學院，武漢 430070； 2.華中農業大學 湖北生態文明建設研究院，武漢 430070)

中央一號文件反復強調，新時代要把技術創新作為農業發展的新動能。在政府的多重政策助推下，農業技術創新水平提升明顯。據統計，“十三五”期間中國農業發明專利申請量全球第一。但不能忽視的是，2019年中國農業科技進步貢獻率為59.2%，與發達國家90%的貢獻率相比，仍有較大差距。中國農業的未來依賴于技術創新水平的提高，而技術創新效率的高低直接反映地區的技術創新水平。技術創新效率是技術創新活動中投入與產出的轉換比率，其提升需要有效科研資金的支撐。關于科研資金對農業技術創新效率的促進作用，學術界基本達成共識。由于農業部門的弱質性，中國農業技術創新資金投入很大程度上源于政府支持。但學術界關于政府支持對技術創新效率的影響存在2種觀點。一是“促進論”，即科技研發具有公共物品的屬性，可能會導致市場的失靈，政府資金的支持能夠彌補研發資金的不足，降低研發風險，提升創新效率。二是“抑制論”，即政府資金的投入會擠出市場資金的份額，導致市場競爭機制無法發揮作用，在一定程度上會抑制農業創新部門的積極性，從而導致低效率。基于此，本研究認為，提升農業技術創新效率既要重視政府資金，同時為保證科研資金的持續性和市場機制的有效性，又要將金融資金引入農業技術創新領域，通過金融市場激發農業的創新潛力。然而長期以來，農業部門尚未充分重視金融資本在農業技術創新進程中的不可替代性。

隨著經濟信息一體化和金融全球化的發展，金融資本的流動性加強。研究表明，地區金融資本和金融結構條件一旦被滿足，就可能產生金融集聚的現象。近年來，隨著中國金融市場改革和金融監管體系的完善，金融集聚現象十分普遍。第28期全球金融中心指數報告顯示，中國已有13個城市躋身國際金融中心行列。在目前，金融集聚已然成為國內外金融體系基本形式的趨勢下，研究其能否成為農業技術創新效率增長的新引擎具有十分重要的現實意義。

關于金融集聚的解釋基本上沿著2種思路展開：一種是金融地理學理論。該理論將金融集聚概括為，金融參與者(銀行和其他金融機構)在一定區域內進行集中交易，產生規模經濟效應，從而吸引更多的參與者加入，最終產生集聚。另一種是產業集聚理論。該理論認為產業集聚是空間外部性的產物，即當產業發展到某種程度時，勞動力與其配套基礎設施在某地區集中出現后形成集聚，金融集聚亦被看做一種特殊的產業集聚。學者雖對金融集聚地釋義未達成共識，但其理論內涵具有一致性，即以金融產業為依托、以金融資源的配置和組合為基礎、以地區集中為必要條件、以發展本產業帶動其他產業為目標。

當前，理論學界對金融集聚地研究聚焦于其成因及其影響兩個方面。在金融集聚的成因中，Martin通過對不同金融行業的研究發現，完全信息是金融集聚形成的動因；梁穎等基于對倫敦和新加坡的研究認為自發演化和嵌入發展是金融集聚形成的主要路徑，其中，自發演化源于經濟發展的原動力，通過前向和后向產業關聯溢出和乘數效應推動金融集聚地形成，而嵌入發展則源于政府的推動力，通過政策扶持和引導形成區域產業集聚；黃解宇則從3個方面系統總結了金融集聚形成動因，分別是以信息流理論為基礎的內在推動、區域金融成長的帶動、產業集聚地推動。關于金融集聚的影響方面，學者大多關注金融集聚對技術創新的影響，并達成了一致意見，即發現金融業集聚對技術創新具有正向效應，但不同部門可能存在差異。Li等利用工業部門環境污染數據，認為金融集聚通過提高金融市場的服務效率，促進企業的技術創新，但影響效果存在行業異質性，只有銀行業和證券業存在顯著影響。黎杰生等、Zhang的研究也得出了相似結論。

隨著研究的深入，國內不少學者開始關注金融集聚對技術創新效率的影響，其研究結論存在差異。一部分學者研究發現金融集聚抑制了創新效率。如劉和東發現市場規模和地區差異導致創新要素在區域間產生虹吸效應，造成周邊地區資源缺失，效率低下。李曉光等也得到相似結論。另有學者研究后得出相反的結論，認為金融集聚促進了創新效率的提升。如余泳澤等研究發現金融集聚對工業技術創新效率存在正向溢出。還有部分學者認為金融集聚對創新效率的影響正負效應并存。如王仁祥等研究發現金融集聚對集聚程度較低地區的技術創新效率產生負向影響，對集聚度較高的地區有正向促進作用。張東等研究認為金融集聚能促進工業部門研發效率提升，但成果轉化階段存在負向效率溢出。通過以上分析不難發現，現有關于金融集聚地研究，尚未涉及農業部門。不同于其他部門，農業部門有自身的特殊性，金融集聚是否會影響農業技術創新效率，其影響程度如何呢？本研究將基于中國農業部門2000—2019年的數據，利用空間計量模型，對此問題展開探討，以期為深化金融改革和提升農業技術創新效率提供政策建議。

1 理論分析

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

1.1 集聚的低成本效應

由于市場交易成本的存在，受回報率驅動的金融資本難以為農業技術創新賦能，即農業部門獲取市場競爭紅利存在較大的門檻。而且農業部門在實際借貸過程中，受限于其較長的生產周期，這加劇了借貸過程中的信息不對稱，甚至導致道德風險問題，即市場上存在部分的農業創新部門或項目為了獲取金融資金，通過散布虛假信息、偽造資格證書等，在資金總量一定的前提下，該部門會擠出具有借貸資格農業創新部門或項目的融資份額，導致市場出現劣幣驅逐良幣的現象。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稱，同時也降低了農業部門的融資成本。具體表現為，第一，金融機構難以對農業創新項目進行全方位、長周期的審核，從而導致農業創新部門在金融市場融資難。當金融集聚出現時，集聚的規模經濟效應，加速了金融信息的匯集合資本的流動，減少了交易過程中的信息不對稱，從而降低了金融中介的服務成本和農業創新部門的融資成本。這使農業創新部門能夠通過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會成本。成本的上升必然帶來“利潤剩余”，這會促使農業創新部門將更多的資金用于開展技術創新活動，從而提升技術創新效率。第二，融資方式可以分為直接融資和間接融資。直接融資是指沒有金融機構介入的資本融通方式，以債券市場為代表；間接融資是指有金融機構介入的資本融通方式，主要包括銀行信貸市場和保險市場。金融集聚能夠促進農業創新部門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 自我強化效應

本質上，一組橫向關聯的企業勝過一個較大公司或一個由地理位置不相關的小公司組成的網絡。一方面，根據斯密定理，市場規模擴大帶動經濟增長的原因在于，分工和專業化提升了部門的勞動生產率。金融集聚必然引起不同職能部門的專業化分工，從而提升其資源配置效率。相關研究表明，鑒于涉農業務具有風險大、收益低等特征，金融機構在面對農業科研項目時，往往產生“惜貸心理”，導致農業創新部門難以獲取所需資金。金融集聚帶來的專業化分工，和金融工具的創新，能夠根據農業部門項目特點，基于專門審核流程和渠道，設立金融項目。從而提升金融部門的投資效率和農業部門的融資效率，融資效率的提升，引致農業技術創新效率的提升。另一方面，集聚也加劇了企業間的競爭，競爭是金融集聚的必然產物。在金融市場，農業創新部門為獲取資金支持，需要提升自身實力，強化自身優勢，才能在競爭中脫穎而出。農業創新部門自我強化的過程也是提升創新效率的過程。但不能忽視的是，農業技術創新帶來大量收益的同時，也產生了不可控的風險，比如市場風險、流動性風險等。尤其在成果轉化階段，若沒有完善的金融監管體制，以逐利為目標的企業在博弈過程中，會產生過度競爭現象，一定程度上會抑制轉化效率。

1.3 空間外溢效應

金融集聚的空間外溢效應是指，金融集聚區的成果會通過涓流效應對周邊產生影響。其原理在于，金融集聚是一個不連續又逐步累積的過程，通常最早出現于部分經濟發展水平較高的中心地區。根據擴散效應，創新成果會從中心地區向規模較小的外圍地區擴散。從而對周邊地區產生溢出。該過程是動態過程，源于地理分散。循環因果關系理論同樣強調，金融部門的集聚是從分散到集聚再到分散的過程，低成本和自我強化所產生的規模效應和網絡效應，必然會受限于地區的可容納水平和可控范圍，從而向周邊地區產生溢出。當本地區的農業技術創新效率較高時，一方面，能夠與周邊地區產生合作，促使周邊地區在合作中產生模仿效應，從而帶動周邊地區的技術創新效率；另一方面，周邊地區能夠共享本地區的發展紅利，譬如，完善的基礎設施和優質的生產要素等，以此提升周邊地區技術創新效率的提升。但當金融集聚達到一定程度后，若本地區的生產性資源不足或配套基礎設施缺失，轉化進程中會對周邊地區資源及成果產生虹吸效應，抑制周邊地區的轉化效率。

綜上，在學理及實證方面，已有研究對理解金融集聚與技術創新效率的關系有重要意義，但遺憾的是，鮮少有文獻從金融集聚角度研究農業技術創新效率的提升問題。本研究基于價值鏈視角，考慮金融行業異質性，運用空間計量模型，從科研產出與成果轉化兩階段分別考察了證券業、保險業和銀行業金融集聚對農業技術創新效率的影響。本研究的邊際貢獻在于：第一，以創新價值鏈視角，研究從科研投入到新技術產出再到經濟成果產出的兩階段過程，分別將其定義為科研產出階段和成果轉化階段，并采用兩階段DEA方法計算兩階段的效率值。第二，在方法上，對空間計量模型進行偏微分分解，從直接效應和溢出效應角度，研究不同金融行業對兩階段創新效率的異質性影響。第三，在理論上，填補了金融集聚與農業技術創新效率相關研究的文獻空缺。

2 模型與數據

2.1 模型設定

學術界常用的空間計量經濟模型通常包括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揭示被解釋變量之間的空間交互效應，空間誤差模型可以反映誤差項之間的空間交互效應，而空間杜賓模型是更為廣義的空間計量模型，它包含了被解釋變量和解釋變量之間的空間相關性。結合本研究的研究內容和目的，理論上看，空間杜賓模型更為合適。但為了保證研究的科學性，本研究根據拉格朗日乘子檢驗(LM-error和LM-lag)和穩健的拉格朗日乘子檢驗(Robust LM-error和Robust LM-lag)再次驗證模型的選擇。對照表1，兩階段的拉格朗日乘子檢驗和穩健的拉格朗日乘子檢驗均在5%的統計水平上拒絕了原假設，因此本研究選擇空間杜賓模型更為科學。

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

統計指標 Statistics 科研產出效率u1Scientific research output efficiency成果轉化效率u2Achievement transform efficiency系數CoefficientP值P-value系數CoefficientP值P-value空間誤差模型的拉格朗日乘數檢驗LM-error215.3410.000131.7230.000穩健空間誤差模型的拉格朗日乘數檢驗LM-error (Robust)17.9620.0006.5160.011空間滯后模型的拉格朗日乘數檢驗LM-Lag230.3710.000164.5040.000穩健空間滯后模型的拉格朗日乘數檢驗LM-Lag (Robust)32.9920.00039.2970.000

根據模型檢測結果，具體的模型設定如下：

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

分別表示農業科研產出效率和成果轉化效率；

ρ

表示空間自回歸系數，用來反映地區之間農業技術創新效率溢出的大小；

X

為核心解釋變量即金融集聚指標；

control

為一系列控制變量；

ε

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

(3)

式中：表示空間矩陣中的元素，

d

表示地區

i

和地區

j

的地理距離。

2.2 空間效應分解

空間效應包括直接效應、溢出效應(間接效應)和總效應。其中，直接效應是指區域內解釋變量對農業技術創新效率的影響及區域間的反饋效應(A→B→A)；溢出效應是指本地區解釋變量對區域間農業技術創新效率的影響；總效應則是直接效應和溢出效應之和。當農業技術創新效率的空間自回歸系數

ρ

顯著不為零時，直接用空間杜賓模型度量農業技術創新效率的空間效應會存在系統性偏差。因此，本研究對空間杜賓模型進行偏微分分解。具體而言，根據式(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

表示農業技術創新效率，

X

包含核心解釋變量和控制變量，

E

包含截距項和誤差項。

進一步將式(4)整理為式(5)：

U

=(1-

ρ

)(

φX

+

λX

)+

E

(5)

因此根據式(5)，時間上從1到

N

的

M

個解釋變量

X

，其對應

U

期望值的偏導數值可寫為式(6)：

(6)

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

2.3 變量選擇

2

.

3

.

1

農業技術創新效率測度的變量選擇本研究的被解釋變量是農業技術創新效率，關于其測算，學者們常用參數法和非參數法2種方法。參數法主要以隨機前沿模型(SFA)為代表，可以將隨機擾動項分解為技術無效率項和隨機誤差項，研究環境變量對農業技術創新的影響，但需要提前設定生產函數來估計生產前沿面。而非參數法則主要以數據包絡分析(DEA)為代表，通過線性規劃求解生產前沿面，不需要考慮量綱化問題與指標權重，也不需設定具體函數形式，可以有效避免由函數設置錯誤造成的誤差。因此，本研究參照余泳澤的做法，選用兩階段DEA方法測算農業科研產出效率(

u

)和農業成果轉化效率(

u

)。具體投入產出變量選擇如表2所示。

表2 科研產出效率和成果轉化效率測度的投入產出變量
Table 2 Input-output variables of scientific research output efficiency and results transformation efficiency measures

指標選擇Indicator科研產出效率Scientific researchoutput efficiency成果轉化效率Achievement transformefficiency產出指標Output indicators農業發明專利授權量第一產業增加值農業科研經費農業發明專利授權量投入指標Input indicators農業科技活動人員農業資本投入農業技術人員

1)科研產出效率測度變量的選擇

投入變量：考慮到大部分農業科研活動來自科研機構和高校，基于數據可得性，將農業科技活動人員和科研經費定義為研發機構和高等院校中農業科學部分的R&D人員全時當量之和及研發經費之和。鑒于科研經費的影響在時間上具有滯后性，使用存量指標更能反映科研經費對于科研產出的影響，因此，本研究借助永續盤存法，參考朱平芳等的方法，以2000年為基期對農業科研經費進行存量核算，將科研經費的價格指數設定為消費價格指數和固定資產價格指數的加權，即農業科研經費價格指數=0.55×消費價格指數+0.45×固定資產投資價格指數，折舊率取15%。資本存量的計算如式(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

期的科研經費的投入名義值。

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

為基期的名義經費投入，

g

為樣本期內科研經費的年均增長率。

產出變量：農業發明專利授權量。科研產出是指投入的科研經費與科研人員創造的成果，該成果多以專利類技術為主，產出形式多為專利申請量和專利授權量。本研究認為農業發明專利授權量能更好地衡量農業領域的新成果。

2)成果轉化效率測度的變量選擇

投入變量。選用農業技術人員、農業資本投入和產出階段的農業發明專利授權量。農業技術人員是從事農業技術工作的人員，包括農業種植、生產管理的技術指導和農業推廣人員等，該指標能夠度量成果轉化階段的人力投入；農業資本投入選用的是農業固定資產投資額；考慮到固定資產投資在時間上的持續性，所以本研究參照肖文等的方法，以2000年為基期用永續盤存法對該指標進行存量計算。其中，折舊率取10%，計算方法同式(7)和(8)。

產出變量：第一產業增加值。成果轉化階段用于揭示新知識和新技術的商用性，其產出形式多為新產品。該指標的最優衡量方式為農業新產品的銷售收入，但受限于數據的可得性，在農業領域缺失新產品銷售收入的相關數據。本研究認為科研產出的增加能夠帶來經濟產出的增加，而第一產業增加值能夠在最終階段直觀有效的衡量成果轉化后的產出來。因此，本研究選擇第一產業增加值為該階段的產出指標。并且，為消除物價變動的影響，本研究以2000年為基期，用地區生產總值指數對第一產業增加值進行平減。

2

.

3

.

2

核心解釋變量

考慮到不同金融中介可能存在異質性，本研究分別選取了證券業、銀行業和保險業集聚度作為核心解釋變量。進一步地，參照任英華等和王仁祥等選用的區位熵方法來測量金融集聚度指標。具體計算步驟如式(9)所示：

(9)

式中：stock、insura和bank分別表示證券業集聚度、保險業集聚度和銀行業集聚度，其中

E

分別表示

i

地區第

t

年農業在股票市場融資額、農業保險保費收入和農業貸款，

P

表示

i

地區第

t

年在股票市場融資總額、保費收入總額和金融機構本外幣貸款總額，

q

表示第

t

年所有考察地區的農業在股票市場融資額、農業保險保費收入和農業貸款，

Q

表示所有考察地區的股票市場融資總額，保費收入總額和金融機構本外幣貸款總額。

2

.

3

.

3

控制變量

基于對相關文獻的整理，本研究主要選取了政府支持、人力資本水平、環境變量及對外開放水平4類變量作為控制變量，具體指標如表3所示：

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

變量 Variable 指標選擇Indicator科研產出階段Scientific researchoutput phase成果轉化階段Achievementtransform phase指標表示Indicatorrepresentation被解釋變量Explained variable技術創新效率科研產出效率 u1成果轉化效率 u2u1/u2金融集聚度證券業證券業stock核心解釋變量Core explanatoryvariables保險業保險業保險業insura銀行業銀行業銀行業bank政府支持農林水事務支出農林水事務支出gov1國家財政性教育經費國家財政性教育經費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研究生人數研究生人數study2環境變量農業機械化程度農業機械化程度inf1城市化率城市化率inf2對外開放水平農產品進出口農產品進出口open

1)政府支持。政府對科技創新活動的資金支持包括生產性支持和教育性支持，因此本研究主要選取農業支出、林業支出、水利支出和農業綜合開發等農林水務支出水平衡量生產性政府支持(gov1)，即用農林水事務支出占財政總支出的比重來衡量。教育性支持(gov2)用國家財政教育經費表示。

2)人力資本水平。根據人力資本的外部性理論，勞動力的人力資本存量不僅對個體生產率有直接的技術外溢效應，而且體現在個體對新技術的適應能力上。鑒于此，本研究選用各地區平均受教育年限(study1)和地區農業科學的研究生人數(study2)來反映人力資本水平，以考察其對技術創新效率的影響。

3)環境特征。選取農業機械化程度(inf1)和城市化率(inf2)來考察農業生產環境和銷售環境對技術創新的影響。農業機械化程度能間接反映地區的農業現代化水平，機械化程度高的地區，其對新技術的需求和接受程度可能會更高，本研究用農業機械總動力來反映地區農業機械化程度。城市化率對農業生產和研發可能具有反哺效應，一般城市化水平高的地區經濟基礎較好，不僅容易滿足農業發展中的人、才、物需求，也會對科技成果提出更高要求，本研究用城市人口比重來衡量城市化率。

4)對外開放水平。地區在對外交往的過程中會通過模仿和競爭效應影響技術研發與轉化進度，這可能會提高農業技術的創新效率。鑒于此，本研究用農產品進出口總額占GDP的比重(open)來衡量。

2

.

3

.

4

數據來源

基于數據的可獲得性和可比性，本研究選用除西藏、香港、澳門及臺灣以外30個省(市、自治區)2000—2019年的面板數據。數據來源于《中國科技統計年鑒》、《中國金融年鑒》、《中國農村統計年鑒》、《中國保險年鑒》、中國專利統計數據庫、各省統計年鑒和國泰安數據庫，其中證券相關數據通過wind數據庫整理所得。

3 實證分析

3.1 農業技術創新效率

本研究運用DEAP 2.1軟件對30個省份2000—2019年的農業技術創新效率進行測度，測算結果如圖2所示。從總體來看，效率水平整體不高，其中，2019年農業科研產出效率和成果轉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。從縱向來看，兩階段效率呈現不同的變化特征。農業科研產出效率總體呈現上升趨勢，尤其2002—2003年的增長速度較快，2017年達到最大值0.75，可能原因是2016年新《種子法》的實施，為技術創新創造了發展環境。而成果轉化效率雖總體平穩，但呈略微下降趨勢，2000年效率值最高，達到0.72，2002—2004年期間以10%的速率下降，2007年效率值下降到0.58，達到歷年最低水平。2012年后，國務院頒布了《關于加快推進農業科技創新持續增強農產品供給保障能力的若干意見》的一號文 件，并采取了行之有效的舉措，此后成果轉化效率有所回升。

3.2 空間相關性檢驗

為驗證農業技術創新效率的空間相關性，本研究采用莫蘭指數(Moran’s

I

)檢驗。若檢驗結果在統計水平上顯著，則可以應用空間計量經濟學理論方法，建立空間計量經濟模型，對金融集聚與農業技術創新效率進行空間計量估計。莫蘭指數計算方法如式(10)：

(10)

式中：表示第

i

地區的觀測值。

莫蘭指數的取值范圍為(-1，1)，值為正表示農業技術創新效率存在正向空間相關性，值為負，則表明存在負向空間相關性。換言之，莫蘭指數的絕對值越大，創新效率的空間相關性越強。具體結果如表4：

從表4可以得出，農業科研產出率和成果轉化率之間存在明顯的空間相關性。盡管農業科研產出效率和成果轉化效率在極少數年份未通過顯著性檢驗，但其存在空間相關性已是客觀事實。值得注意的是，農業科研產出效率和成果轉化效率的莫蘭指數呈現出波動上升趨勢，說明地區間農業技術創新效率的關聯性愈發明顯。

表4 莫蘭指數檢驗
Table 4 Moran’s test

年份Year科研產出效率Scientific research output efficiency成果轉化效率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%水平下通過了顯著性檢驗。下同。
Note: ***, **, and * indicate passing significance tests at the 1%, 5%, and 10% levels, respectively. The same below.

3.3 空間杜賓模型估計結果和空間效應分析

3

.

3

.

1

空間杜賓模型估計結果

本研究將樣本限定在中國空間位置鄰近的省份，因此選用含固定效應的空間杜賓模型進行估計，結果如表5所示：

根據空間杜賓模型的估計結果，地區固定效應模型的擬合程度更高，而且空間相關系數顯著不為0，因此本研究主要分析地區固定效應模型的估計結果。從表5可以得出，金融集聚、政府支持、人力資本水平、環境變量和對外開放水平都能顯著提高本地區農業科研產出效率；但政府支持和對外開放水平對周邊地區農業科研能產出效率具有抑制作用；金融集聚和人力資本水平對本地區成果轉化效率具有促進作用；政府支持能夠正向影響周邊地區成果轉化效率。

表5 空間杜賓模型估計結果
Table 5 Estimation results of the spatial Durbin model

變量 Variable 地區固定效應Regional fixed effects時間固定效應Time fixed effects雙固定效應Double fixed effectu1u2u1u2u1u2直接影響系數 Main證券業 Stock0.004**(0.002)0.001(0.001)0.001(0.001)0.004***(0.001)0.001(0.001)0.005***(0.002)保險業 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 Bank0.002(0.004)0.013***(0.005)-0.006(0.005)0.004(0.004)0.000(0.000)0.010**(0.005)農林水務支出 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)

變量 Variable 地區固定效應Regional fixed effects時間固定效應Time fixed effects雙固定效應Double fixed effectu1u2u1u2u1u2國家財政性教育經費 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 Study20.020(0.013)0.018(0.127)-0.027***(0.005)0.011**(0.005)0.009(0.016)0.028*(0.014)農業機械化程度 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)對外開放水平 Open1.324***(0.450)0.342(0.444)1.761***(0.266)0.406*(0.245)2.263***(0.429)0.249(0.277)空間加權系數 Wx證券業 Stock0.012*(0.007)0.007(0.007)0.004(0.006)0.027***(0.005)0.007(0.006)0.016**(0.007)保險業 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 Bank0.015*(0.008)-0.013(0.008)0.011(0.009)0.000(0.000)0.016*(0.009)-0.010(0.008)農林水務支出 Gov10.027(0.270)-0.463(0.282)-0.188(0.376)1.433***(0.348)-0.575(0.362)0.796**(0.345)國家財政性教育經費 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 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)農業機械化程度 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)對外開放水平 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檢驗統計量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檢驗統計量0.8380.2690.4180.0650.7130.090Log-likelihood檢驗統計量875.197879.131814.802862.775943.230962.225

3

.

3

.

2

空間效應分析

為進一步研究金融集聚對農業技術創新效率的影響程度，本研究對地區固定空間杜賓模型進行偏微分分解。分解結果如表6所示：

根據表6的

u

列可知，不同金融行業集聚對兩階段農業技術創新效率的影響存在差異。證券業集聚的直接效應和溢出效應分別在5%和10%水平上顯著，系數分別為0.005和0.016，即證券業對本地區和周邊地區的農業科研產出效率具有正向促進作用，且對周邊地區的影響大于本地區。可以從3個方面解釋：一是金融集聚背景下，證券業集聚加速了信息流的匯集，緩解了研發主體和金融中介的信息不對稱，降低了企業的融資成本和交易成本，通過低成本效應促進技術創新效率的提升。二是證券業的高風險，激勵農業科研部門在研發過程中將創新要素集中于優勢板塊，提升專業化程度，推陳出新，通過自我強化效應提升創新效率。三是證券業集聚達到一定階段，投資重心會向周邊地區轉移對周邊地區產生效率溢出，這與茹樂峰等的擴散效應的結論較為一致。保險業集聚的直接效應在10%的顯著性水平上顯著。但并未對周邊地區產生外部性影響，這反映出處于轉型階段的農業保險部門，其投融資體系尚不完善，未能充分帶動周邊地區的科研產出效率。銀行業集聚的直接效應在統計水平上不顯著，溢出效應在10%的水平上顯著，可能是由于創新的不確定性，銀行更多將資金投向生產領域而非科研領域，此外銀行業集聚能通過示范效應帶動周邊地區的銀行資金的聚集，提高了周邊地區科研產出效率。

表6 地區固定效應模型的分解
Table 6 Decomposition of the regional fixed effects model

變量Variable直接效應Direct effect溢出效應Indirect effects總效應Total effectu1u2u1u2u1u2證券業 Stock0.005**(0.002)0.002(0.002)0.016*(0.009)0.013(0.012)0.021**(0.010)0.016(0.014)保險業 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 Bank0.004(0.005)0.013***(0.005)0.018*(0.010)-0.013(0.014)0.021**(0.011)-0.000(0.000)農林水務支出 Gov10.088(0.154)-0.364**(0.154)0.072(0.313)-0.988**(0.424)0.161(0.329)-1.351***(0.458)國家財政性教育經費 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 Study20.020(0.013)0.019(0.013)-0.015(0.014)0.011(0.016)0.005(0.011)0.030**(0.014)農業機械化程度 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)對外開放水平 Open1.288***(0.462)0.053(0.482)-1.353(0.890)-4.535***(1.307)-0.065(1.083)-4.482***(1.595)

根據表6的

u

列可知，證券業集聚對本地區和周邊地區的成果轉化效率不顯著，可能的原因是成果轉化階段關注是農業科技成果商品化的過程，但由于農業生產的周期較長以及農業受自然條件的影響較大，其產出具有不確定性，這加劇了風險和收益的不對稱，加之證券市場的資金流動性較強風險性較高，一旦證券市場出現波動，科技成果轉化就會有資金鏈斷裂的風險，不能確保資金的持續投入。因此，證券業的集聚難以對成果轉化效率產生促進作用。這也與薛麗麗研究高技術產業創新效率的結果一致。保險業的直接效應和溢出效應在1%的統計水平上顯著，但系數分別為-0.004和-0.042，意味著保險業的集聚會抑制了農業成果轉化效率。原因可能是中國農業保險市場處于改革階段，供給和需求不匹配，資金未得到有效配置，難以為高風險的農業技術創新活動提供有效的險種支持；此外，保險業的集聚程度與處在轉型期的監管體系不匹配，從而對周邊地區資源或成果出現虹吸且并未有效利用，同樣造成本地區資源過度冗余以至對本地區轉化效率產生擠出。銀行業集聚的直接效應在1%的統計水平上顯著，這說明銀行資金的支持能降低農業創新成果轉化階段融資成本、激勵農業創新部門在競爭中自我強化，從而提高成果轉化效率。

值得注意的是，根據表6所展示的總效應，不同金融機構對農業技術創新效率的影響存在差異。具體而言，在科研產出階段，證券業和銀行業的集聚對農業技術創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業則對農業科研產出效率有顯著影響，該結論與馬俊等對工業部門的研究一致。在成果轉化階段，證券業和銀行業的集聚對農業技術創新效率不存在顯著影響，保險業則逆向擠出農業技術創新效率。可能的原因是，第一，中國農業部門當前的融資方式依舊以銀行業為主，銀行業在農業研發融資方面占據主導地位；第二，雖然中國的證券業目前存在不穩定性及體制弊端，但其屬于直接融資的方式不需要質押品，因此，能夠降低農業融資的機會成本，提升農業部門的研發效率。第三，保險業屬于間接融資方式，而且依賴于農戶的保費投入，難以有效提升農業技術創新效率。

3.4 穩健性檢驗

盡管在分析金融集聚對農業技術創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業技術創新效率的因素，但是計量結果仍具有存在估計偏差的可能性。因此，在穩健性檢驗中，本研究將基于遺漏變量的問題繼續檢驗。具體而言，除了已考慮的政府支持、人力資本水平、環境變量和對外開放水平外等控制變量外。一個地區的農業產業結構狀況，能夠反映該地區的農業的地位水平，農業水平越高，則政府的重視程度、農民的收入水平以及農業技術創新效率等可能會存在差異。基于此，本研究用第一產業產值在地區生產總值中的比重來衡量農業產業結構，進一步驗證本研究計量結果的準確性。從表7中不難看出，無論是系數方向還是顯著性，銀行業、證券業和保險業的檢驗結果都和表6較為一致，證明了本研究的研究結果具有穩健性。

表7 穩健性檢驗
Table 7 Robustness check

變量Variable直接效應Direct effect溢出效應Indirect effects總效應Total effectu1u2u1u2u1u2證券業 Stock0.000**(0.000)0.005(0.005)0.000***(0.000)0.007(0.012)0.000***(0.000)0.013(0.015)保險業 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 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 結論與對策建議

本研究用兩階段DEA方法，基于創新價值鏈視角，將農業技術創新效率分解為科研產出率和成果轉化率，并運用空間杜賓模型實證分析了金融集聚對兩階段效率的直接效應和溢出效應，得出以下結論：

首先，中國農業科研產出效率和成果轉化效率普遍不高，2019年的效率值與最優前沿面分別存在28%和30%的差距，從效率的空間分布來看，存在明顯的空間集聚特征。其次，金融集聚能顯著提升農業技術創新效率，且存在溢出效應。具體而言，證券業集聚對農業技術創新效率的提升主要體現在科研產出階段，且存在溢出；保險業集聚對提升本地區的科研產出效率具有促進作用，但會抑制成果轉化效率的提升，且該抑制效果存在外溢；銀行業集聚對農業技術創新效率的促進作用主要體現在科研產出階段的溢出效應和成果轉化階段的直接效應，且該結果具有穩健性。根據以上結論，本研究提出如下建議：

1)推進金融結構性改革，提升金融機構服務效率。目前，我國金融機構對農業創新部門的支持依舊以傳統銀行業為主，且具有創新能力弱、重物質押等劣勢。這反映出我國的金融體系存在結構性問題，導致其并未充分發揮對農業技術創新效率的促進作用。各類型的金融機構要充分認識到信貸結構調整的必要性，積極調整經營策略，轉變傳統的路徑依賴，適當加大對農業創新部門的支持力度。以保險業為例，要創新農業保險項目，做到因地制宜、因主體制宜，加大對農業科研項目的保險力度；簡化農業保險的辦理手續和理賠流程，以提升其對農業創新部門的服務效率。

2)完善地區金融體系，提升金融多樣化集聚水平。研究結果顯示金融集聚總體上能顯著提高農業技術創新效率，但不同金融行業對農業技術創新的不同階段的效率影響有所差異。因此，政府應該適當的引導金融機構的集聚，建立區域金融中心，同時要規范金融監管，保證金融市場的有序健康運行。具體來講，應引導銀行業發揮其主導地位，積極了解企業的創新動態，提高風險識別能力，為企業提供研發資金支持；進一步規范和完善保險業和證券業的服務體系，以市場需求為導向，增強自身實力，提高服務效率。

3)加強區域良性互動，實現區域協調發展。要實現和增強金融集聚對周邊地區農業技術創新效率的擴散和涓流效應，以“先富帶后富”，各地政府必須突破地區發展局限，踐行黨中央“合作共贏，開放共享”的發展理念。一要高度重視區域發展失衡問題，積極引導金融資源和人才資源在區域間流動，加強區域間的合作；二要因地制宜構建區域金融中心，提升金融資源的集聚效率，為農業技術創新提供資金保障。