农业科技研发支出与科技创新对农业生产的促进作用

杨宗翰　雷良海　岳桂宁　姚增福

摘要：【目的】明確农业科技创新成果和科技创新环境在促进农业生产过程中发挥的具体机制及作用，为促进农业经济发展、实现农业产业转型升级提供理论参考。【方法】收集我国30个省（区、市）2005—2017年的农业相关数据，包括单位面积粮食产量、研发支出强度、农业产业结构和农业科技创新成果等9个维度指标，通过面板数据回归分析不同地区农业科技研发支出对农业生产的影响路径机理。【结果】我国整体科技研发支出对农业生产的影响具有空间异质性，表现为西部地区科技研发支出对农业生产作用呈显著正向效应，东部地区科技研发支出对农业生产作用呈显著负向效应。农业科技创新对农业生产影响效果显著，其中，东部和中部地区农业科技创新对农业生产影响不显著，西部和东北部地区农业科技创新效果显著。农业科技创新可调节研发支出对农业生产的影响，且调节作用在西部地区作用显著，其他地区不显著;整体创新环境可调节农业科技创新对农业生产的影响，其调节作用均为负向，且仅在西部地区的作用显著。【建议】调整政府农业科技研发支出的空间结构，根据产业结构和产业特点分配研发支出;根据区域产业特征制定相应的农业科技创新激励政策，建立农业科技创新企业认定资格体系;建立独立的农业科技成果交易市场，通过成立国立技术收储公司盘活市场。

关键词： 农业科技研发支出;科技创新;农业生产;空间异质性

中图分类号： S-01                            文献标志码： A 文章编号：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

【研究意义】据中国农业科学院公布的《中国农业农村科技发展报告（2012—2017）》显示，2017年我国的农业科技进步贡献率为57.5%，但发达国家在2015年的农业科技进步贡献率已达70%～80%（沈琼等，2018）。这在经济上的直接反映是整个农业产业升级尚缺乏科技支撑，60%以上的农副产品未得到循环、高值和梯次利用（魏后凯，2017）。当前我国农业科技进步贡献率过低，其主要原因是农业科技研发支出不足，加之科技研发投入的转化效率不高。因此，开展农业科技研发投入与农业生产间的关系研究，有助于发现制约科技投入转换率的具体原因并有针对性地提出政策建议，进而有效提高我国农业科技进步贡献率。【前人研究进展】农业科技研发支出对农业生产效率的提升作用在不同地区间存在显著差异，各地区农业科技研发支出对生产效率的影响则具有明显门限效应，农业科技投入达到一定标准后对生产效率提升作用显著（陈鸣和周发明，2016）。此外，农业科技研发支出对农业生产和农民收入存在空间溢出效应，本地区投入的农业研发资金获得成果转化之后，不仅能促使当地农业生产获益，还可带动周边地区获益（杨义武和林万龙，2018;赖昭豪等，2019）。相关研究也揭示农业科技研发投入和农业生产间的特定关系，政府部门在制定研发支出政策时应根据不同地区的空间异质性，确定当地的研发支出预算，以获取最佳的投入回报（赵丽娟等，2019）。目前，农业科技创新与农业生产相关的研究主要集中在农业创新效率对农业生产的影响。例如使用全要素生产率作为农业创新的衡量指标（王洋洋等，2019），其研究结果显示农业科技创新与农业生产在短期内具有显著关联，且存在长期的均衡关系（张淑辉和陈建成，2013）。除了全要素生产率外，农业科技进步贡献率同样可用来衡量农业科技创新与农业生产间的关系（王洁和夏维力，2017），研究表明农业产值与科技进步率同步增长，增加政府农业科技研发支出可在短期内提高农业科技进步贡献率，但长期效果不明显（张跃强和陈池波，2015）。此外，农业科技创新在促进农业生产活动中具有特殊性，农业生产除了受创新活动影响外，还受研发支出等因素的多重影响（黄红光等，2018;张莉侠等，2018）。因此，政府部门在制定农业生产政策时要充分考虑相关创新要素的影响，有效提高农业科技进步贡献率（张在一等，2018）。【本研究切入点】现有的研究虽然为阐明农业科技研发支出与农业生产效率间的关系提供了基础理论，但尚存不足，具体表现为：一方面主要针对最优研发投入区间、整体创新效率对农业生产的影响，没有揭示农业科技研发支出对农业生产影响的具体路径和机制;另一方面，农业生产和技术具有明显的地域特征，当前对农业科技研发支出和科技创新的空间异质性研究尚不充分，未能体现相关变量的空间结构差异。【拟解决的关键问题】将农业科技创新成果、科技创新环境纳入到农业科技研发支出—农业生产的研究框架中，明确农业科技创新成果和科技创新环境在促进农业生产过程中发挥的具体作用机制，为促进农业经济发展及实现农业产业转型升级提供理论参考。

1 材料与方法

1. 1 数据来源与描述性统计

研究所用数据主要通过国家统计局、国家知识产权局等公开渠道获取，收集的数据包括30个省（区、市）2005—2017年农业研发支出、农业科技创新和农业生产的相关数据，针对不同省（区、市）每个变量可获得390个观测值，确定的变量包括单位面积粮食产量、研发支出强度、农业科技创新成果、国内生产总值、农业产业结构、创新环境、农业从业人数、地区和农业产业人均产值等9个维度。数据来源及计算方法如表1所示。

1. 2 研究方法

农业科技研发支出对农业创新及农业生产的长短期效应差异显著（张跃强和陈池波，2015），基于这一研究结论，首先分析农业科技研发支出对农业生产的长期效应和短期效应，同时确定农业研发支出长期效应和短期效应的影响路径，然后选取变量对农业研发支出及其对农业生产的影响进行量化建模，最后运用统计分析方法对量化模型进行分析并得出结论。

1. 3 统计分析

运用Stata 15.1中的面板数据回归分析模块进行统计分析，相应的统计指标使用和判别标准在具体研究部分列明。

2 结果与分析

2. 1 农业科技研发支出效应传导机制

本研究将农业科技研发支出效应分解为两部分，分别是投资效应和创新效应。农业科技研发支出作为一种投资活动，与其他投资活动一样会产生直接的经济拉动效应，即农业科技研发支出的投资效应;但农业科技研发支出又有别于一般的投资活动，其能产生创新效应，且研发支出的活动能产生创新成果，如农业技术专利等。农业科技研发支出在以往的研究中多呈短期效应，主要是其投资效应所发挥作用。一般性的研发支出具有滞后效应（白俊红等，2009），但农业科技研发支出的长期效应不显著（张跃强和陈池波，2015），其原因可能是前人的相关研究尚未考虑研发支出长期影响发挥作用的具体路径，后续研究將通过计量模型探讨和验证研发支出的长期影响。为分析农业科技研发支出的长期效应，本研究构建模型以阐明农业科技研发支出长期效应和短期效应的传导路径（图1）。农业科技研发支出形成后，由研发活动主体开展研发活动，最终形成研发成果;研发成果需通过技术市场进行转化，最终应用于实体经济，即研发支出的长期效应需通过创新成果和市场转化两个因素发挥作用。

2. 2 统计分析模型设定、变量选取和数据说明

为检验在上述模型中的传导路径，运用面板数据回归分析方法对国内30个省（区，市）2005—2017年农业科技研发支出对农业经济绩效的影响进行实证分析。运用面板数据的方法不仅可分析变量间的时间效应，还能发现变量的空间异质性。

2. 2. 1 基础模型设定 基础模型用于检验研发支出、农业创新的短期效应，在模型中主要考察研发支出和农业创新对农业生产的拉动作用，模型设定如下：

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

在模型中，t代表时间，i代表省（市、区），β0为回归方程截距项，除β0外的βi为各自变量系数，εit为随机误差项，包含其他未在本研究范围内的影响变量。

sgrainit+1是因变量，代表农业生产发展水平，通过计算单位耕地上的粮食产量，用于衡量地区农业产业的发展水平。

sR&Dit是核心解释变量，代表研发支出强度，使用研发支出占GDP比重作为核心解释变量主要考虑到除研发支出绝对值外，研发支出占产值比重体现了地区对创新活动的重视程度，在基础模型中仅考察整体研发支出的影响，农业科技研发支出影响将在扩展模型中分析。

aPatentit是第二个核心解释变量，代表农业科技创新成果，衡量创新成果的指标通常包括专利申报、专利授权等，在本研究中使用年度农业专利申请数量衡量地方农业创新成果。数据来源于国家专利局专利网站，通过检索逐年和逐省（区、市）的数据手工收集。

GDPit是控制变量，代表地方经济发展水平，经济水平高的地方研发投入和创新活动可能更高，加入控制变量可更好地观测核心变量的影响作用。

regionit是控制变量，代表不同的区域划分，不同区域除经济发展水平不同外，地方文化、法制环境和市场环境也存在差异，这些因素可能同时影响研发支出和农业生产。

aStructit是控制变量，代表地方农业产业结构，农业产业结构会影响农业研发支出、农业科技创新和农业生产。

iEnvirit是控制变量，代表地区创新环境，地方对农业创新成果的保护程度会有效促进创新从而推动农业生产发展。

aPopulait是控制变量，代表农业生产规模，随着农业集约化和规模化的发展，农业从业人口日趋减少，因此农业产业从业人数可衡量地区农业产业规模，而农业产业规模对农业科技创新和研发投入产生直接影响。

2. 2. 2 扩展模型 根据基础模型的设定，为明确农业科技研发支出对农业生产发展的创新效应，本研究引入3个交乘项变量以满足研究需求。第一个交乘项是sR&Dit*aSturctit，主要用来进一步衡量农业科技研发强度是否对农业生产具有显著效应，因为农业产业占比较大的地区通常研发投入也较大。第二个交乘项是sR&Dit*aPatentit，考察研发支出效应是否受科技创新成果影响，可衡量农业科技研发支出在农业科技创新的调节作用下是否对农业产业发展具有長期效应。第三个交乘项是aPatentit*iEnuirit，考察农业科技创新性成果转换效率是否受当地创新环境的影响。t+j=t+1、t+2分别代表滞后一期和两期的因变量时间维度，其他的变量含义与公式（1）相同。

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

2. 3 描述性统计

为避免异常数据对分析结果的影响，首先进行原始变量的描述性分析（表2）。在7个主要的研究变量中，农业科技创新成果（aPatent）、国内生产总值（GDP）和创新环境（iEnvir）的统计绝对值较大，主要是由于各变量单位存在差异所造成，农业科技创新成果的单位是件，国内生产总值的单位为亿元，创新环境的单位为万元。单位差异形成的统计值差异将影响统计结果，为此本研究将几个单位不同的变量统一取自然对数以消除量纲影响。本研究中使用的变量数据均来源于公开可得的渠道，其中农业创新科技成果是较难收集的数据，研究团队手工从国家专利局网站上进行检索统计。

2. 4 面板数据协整性检验

进行变量面板数据回归分析必须确保面板数据变量平稳，否则可能产生伪回归现象（Seo and Shin，2016）。从图2可看出，各省（区、市）的农业生产效率和科技研发支出并无统一时间趋势，其个体间存在的差异有助于识别农业生产发展影响因素。本研究通过面板数据趋势图（图2）初步判断核心变量间不存在不平稳性问题。

通过Hadri LM检验可对数据平稳性进行严格验证，进一步确保统计分析过程中不会因面板数据非平稳性而出现伪回归现象。Hadri LM的单位根检验结果显示，用于统计研究的主要变量平稳（表3），所选取的变量均适用于面板数据回归分析。在模型设定中，对于aPatent、GDP和iEnvir等3个变量均使用对数值，因此在平稳性检验中同样是针对这3个变量的对数值进行检验。

2. 5 面板数据回归分析结果

在面板数据回归分析过程中，除在按照设定模型分别进行基础模型和扩展模型的检验外，考虑到农业生产的特殊性还进行分地区统计分析，以观察农业研发支出和创新活动对农业生产作用是否存在空间异质性。

2. 5. 1 固定与随机效应模型选择 进行面板数据回归分析面临的第一个问题是选择混合回归还是固定效应模型进行变量估计研究。若各省（区、市）的农业生产和研发支出间关系相同，应选择混合回归;反之则选择固定效应模型，以分析各省（区、市）间的差异。从变量描述性统计中可看出，各省（区、市）间的农业研发、创新和生产等变量存在明显差异，因此在设定的模型中可能每个地区均存在个体效用。在进行模型选择时，本研究通过对比混合回归和固定效应模型中随机误差的个体效应进行判断。

（1）混合回归和固定效应模型比较。首先对面板数据进行固定效应模型估计，并假设各省（区、市）差异对农业生产无影响，在估计固定效应模型同时对假设进行F检验。令ui表示各省（区、市）差异对模型（2）中误差项的扰动，对ui等于0的假设进行检验，检验结果显示P远小于0.05，可初步判断各省（区、市）个体差异对农业生产影响显著。根据F检验结果，不宜选择混合效应模型。

（2）固定效应和随机效应模型比较。相对于混合回归，固定效应通过变动模型（2）的截距项解释各省（区、市）的农业生产差异。但各省（区、市）农业生产方程除了截距项可能存在差异外，代表农业生产与研发支出等变量间关系的系数βi也可变。因此，通过豪斯曼检验来确定各省（区、市）个体效应除了体现在截距项外是否也存在βi差异。检验结果（表4）显示，P小于0.05，基本上可拒绝原假设（Test：Ho），故在后续分析中将使用固定效应模型。

2. 5. 2 基础模型分析结果 以所有省（区、市）为对象的全样本，在基础模型中主要分析研发支出强度（sR&Dit）和农业科技创新成果（aPatentit）对单位面积粮食产量（sgrainit+1）的影响。首先，变量sR&Dit的系数为负数（表5），说明整体科技投入对农业生产的影响是负向，可能是研发支出存在挤出效应。与此同时，sR&Dit的t检验结果不显著（P>0.1，下同），说明整体的科技研发支出对农业生产影响作用不明显。另外，变量aPatentit的t检验结果极显著（P<0.01，下同），说明农业科技创新对农业生产具有影响力;同时，aPatentit的系数大于0，意味着农业科技创新对农业生产的影响是正向，具有促进作用。

由于农业产业发展地区间差异明显，本研究在基础模型的框架下进一步分地区对核心变量进行分析。按照统计年鉴中对我国省（区、市）的四个区位进行划分（东部、西部、中部和东北部）。由表6可知，在4个地区中只有东部地区sR&Dit的系数是负值，说明除了东部地区外，其他地区的整体研发投入对农业生产具有促进作用。这也进一步证实在全样本基础模型分析中得出的结论，全国的研发支出投入对农业生产有负面影响，是由于存在投资的挤出效应，尤其在东部经济发达地区资源更多地投向高科技和重工业等产业，导致农业产业可获得的资金资源减少;中部、西部和东北部地区由于经济相对落后，整体研发投资尚未对农业生产形成挤出效应。总之，研发支出对农业生产的影响作用不明顯。另一方面，农业科技创新呈明显的空间异质性。在东部和中部地区，农业科技创新成果对农业生产促进作用不显著;而在西部和东北部均达显著水平，且aPatentit的系数为正值，农业科技创新对农业生产具有明显促进作用。这可能是东部和中部在农业研发投入不足，从而导致农业科技创新成果促进效用不显著;而西部和东北部由于农业产业规模较大，产出农业科技成果较多，农业科技创新绩效较显著。

2. 5. 3 扩展模型分析结果

2. 5. 3. 1 全样本扩展模型 在全样本分析过程中逐步添加有关农业研发支出强度、农业科技创新成果和创新环境的3个交乘项是sR&Dit*aStructit、sR&Dit*aPatentit和aPatentit*iEnvirit。通过3个交乘项的逐步添加，将依据理论模型对农业研发支出的投资效应和创新效应进行分别论证。

首先，在基础模型中添加农业产业结构（aStructit）和研发支出强度（sR&Dit）的交乘项，通过该交乘项对不同地区的农业研发支出进行衡量，并考察其对农业生产的促进作用。由表7可知，交乘项sR&Dit*aStructit通过了显著性检验，说明经农业产业结构的调节后研发支出对农业生产有显著影响，与理论分析结论一致，说明农业研发支出具有短期效应。

其次，进一步添加研发支出强度（sR&Dit）和农业科技创新成果（aPatentit）的交乘项，通过交乘项衡量研发支出的创新效应，观察通过农业科技创新的实现是否有助于农业研发支出促进农业生产。检验结果在农业科技创新模型中显示，交乘项sR&Dit*aPatentit的系数为正值，说明研发支出通过农业科技创新的路径对农业生产有促进作用。此外，交乘项t检验P<0.05，说明交乘项统计结果显著，再次印证了理论模型的分析结论，农业研发支出在长期内通过科技创新实现对农业生产的促进作用。

最后，通过引入农业科技创新成果（aPatentit）和创新环境（iEnvirit）的交乘项，对农业科技创新的转换效率及其效果进行检验。检验结果在农业科技创新环境模型中显示，交乘项t检验P<0.05，说明创新环境和农业科技创新成果交互作用对农业生产有影响。但交乘项系数小于0，说明这个创新环境对农业生产起抑制作用，可能是因为创新效率越高，资源更多地集中到高科技领域，从而抑制农业生产发展。

2. 5. 3. 2 扩展模型分地区分析 选择包含变量最全面的农业科技创新环境模型进行分地区研究。在全样本分析中，已确认研发支出强度是通过农业科技创新成果和创新环境对农业生产发挥作用，但这种研发支出的创新效应是否存在空间上的差异性，需通过分地区的模型分析进行验证。通过分地区的农业科技创新环境模型对相关变量进行分析，结果（表8）显示，东部、中部和东北部的农业研发支出创新效应均不明显，仅西部地区农业研发支出创新效应明显，说明农业科技研发支出强度的长期创新效应具有空间异质性。空间异质性的存在可能与地区产业结构、资源禀赋和创新系统等相关，但具体原因需进一步分析。

2. 5. 4 稳健性检验结果 为确保研究分析结论的可靠性，本研究通过替换因变量（sgrain）构造替代模型对已有的回归结果进行稳健性检验，用于稳健性检验的替换变量为人均农业产值（pagdp）。对比农业科技创新模型，发现反映短期投资效应的研发支出强度（sR&D）和反映长期创新效应的交乘项（sR&D*aPatent），在稳健性检验中的结果（表9）与原模型基本一致，核心变量和交乘项的影响效果显著。

在农业科技创新环境模型中，研发支出强度（sR&D）和交乘项（sR&D*aPatent）的回归结果同样显著，与原模型基本一致。综上所述，在稳健性检验的三个模型中有两个通过稳健性检验，只引入一个交乘项的农业研发支出模型未通过检验，但该模型相对于另外两个模型重要性稍弱，说明原有的回归分析结果稳健。

3 讨论

本研究结果表明，我国整体研发支出对农业生产的效用不明显，但在使用分地区样本后进一步得出研发支出效应具有空间异质性。其中，西部地区农业科技研发支出对农业生产具有正向效应，而东部地区研发支出效应呈负向。张淑辉和陈建成（2013）也曾研究表明，农业研发支出短期内对农业生产影响作用。农业科技研发支出通过农业科技创新成果的作用，显著促进农业生产发展，尤其在农业产业发达的西部和东北部，说明农业科技研发支出确实是通过农业科技创新的路径来实现长期效应，与理论模型结论一致。张跃强和陈池波（2015）研究表明，农业科技研发支出对农业生产的作用长期内并不明显，与本研究的结论存在差异，其原因是农业科技研发支出长期效应需通过创新成果及其转化来实现。此外，以技术交易市场为衡量指标的整体创新环境对农业科技创新具有抑制效应。这是由于当前的技术交易市场倾向于投资高科技和高新产业，过多资源被其他产业的科技成果转化占用后，农业科技创新成果得不到快速转化，从而抑制农业科技创新促进农业生产的作用。可见，农业科技研发投入产出比过低，与技术市场交易的环节效率过低有关。与已有的研究（张淑辉和陈建成，2013;张跃强和陈池波，2015;Fuglie and Toole，2015;Eastwood et al.，2017;沈琼等，2018）相比，本研究检验了一个特殊的变量——技术交易市场，其是农业创新成果转化为实际生产力的重要一环，但该环节农业创新的效用被抑制。

4 建议

4. 1 调整农业科技研发支出空间结构

农业科技研发支出要紧跟产业发展需求，针对不同区域农业产业结构应匹配相应的农业科技研发支出经费。政府农业研发经费应更多地向西部地区和东北部地区等农业产业较发达的地区倾斜。同时，增加农业科技经费投入还需考虑具体产业技术特征，不同农业细分产业处于不同的技术发展阶段，产业升级对科技资金投入的需求量也存在差异，也是造成研发支出效果具有空间异质性的一个重要原因。

4. 2 制定差异化的创新激励政策

在促进农业生产方面，除了科技研发支出强度的效用具有空间异质性外，农业科技创新成果的效用也存在空间异质性。这可能是东部发达地区政府倾向于对高新技术产业给予更多激励措施，导致农业科技扶持力度不够;而西部地区由于农业产业占比较大，地方政府给予农业科技创新更多支持。当前，国家制定的高新产业目录中尚未单独针对农业科技类，导致农业创新技术必须合并到其他技术类别中去申请国家的高新技术扶持政策。因此，不同地方政府可在现有的高新技术评定体系下，针对当地农业产业特点，建立适合本地的农业科技创新评价体系，并给予达标企业合理的税收、补贴及产业扶持政策。

4. 3 建立独立的农业科技成果交易市场

本研究发现技术交易市场对农业科技创新成果具有抑制效应，说明现有的创新成果转化环境并不适合农业科技成果发挥其应有的效应。这主要是由于现有的技术交易市场极易将资源引导向回报更快的成果转化项目，而农业科技成果转化的周期通常较长，不易吸引到投资。因此，地方政府应该针对本地的农业产业特征，建设独立的农业科技成果交易市场，同时需要引入相应的交易商，在初期启动阶段政府可考慮成立国有的技术收储公司，对农业科技成果进行收购和出售，以激发农业科技成果交易市场的活跃度。

参考文献：

白俊红，江可申，李婧. 2009. 应用随机前沿模型评测中国区域研发创新效率[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.]

陈鸣，周发明. 2016. 农地经营规模、农业科技投入与农业生产效率——基于面板门槛模型的实证[J]. 产经评论，（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.]

黄红光，白彩全，易行. 2018. 金融排斥、农业科技投入与农业经济发展[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.]

赖昭豪，陈美球，邝佛缘，傅聪颖，张玉琴. 2019. 基于分布式认知理论的农户生态耕种意愿影响因素分析[J]. 南方农业学报，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.]

沈琼，王少朋，张兆瑞. 2018. 农业技术创新对粮食生产效益的影响分析[J]. 农林经济管理学报，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.]

王洁，夏维力. 2017. 陕西省农业科技进步贡献率测算分析——基于索罗余值法[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，张晓慧，崔冀娜. 2019 .“一带一路”沿线国家和地区农业生产技术效率研究[J]. 统计与决策，（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.]

魏后凯. 2017. 中国农业发展的结构性矛盾及其政策转型[J]. 中国农村经济，（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.]

杨义武，林万龙. 2018. 农业科技创新、空间关联与农民增收[J]. 财经科学，（7）：70-82. [Yang Y W，Lin W L. 2018. Agricultural technology innovation，spatial correlation and farmers’ income[J]. Finance & Economics，（7）：70-82.]

张莉侠，吕国庆，贾磊. 2018. 技术引进、技术吸收能力与创新绩效——基于上海农业企业的实证分析[J]. 农业技术经济，（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.]

张淑辉，陈建成. 2013. 农业科研投资与农业生产率增长关系的实证研究[J]. 云南财经大学学报，（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.]

张跃强，陈池波. 2015. 财政农业科技投入对农业科技创新绩效的影响[J]. 科技进步与对策，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，杜锐，毛学峰. 2018. 我国诱致性农业技术创新路径——基于十种农作物劳动力节约技术变革的研究[J]. 中国软科学，（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.]

赵丽娟，张玉喜，潘方卉. 2019. 政府R&D投入、环境规制与农业科技创新效率[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.

（责任编辑 兰宗宝）