中国农业科技创新的时空演进特征及其影响机制研究

徐维祥，王 睿，刘程军，徐 严，刘晓雯

(1.浙江工业大学经济学院，浙江 杭州 310023；2.浙江工业大学之江学院商学院,浙江 绍兴 312000)

0 引言

随着国际环境的日渐复杂，中国既有加速发展进入创新型国家行列的机遇，也需要正视资源与环境双重制约下的严峻挑战。农业作为支撑国民经济发展的基础产业，其稳定增长直接关系到国家经济高质量发展。中国农业亟待从传统农业全面向现代化转变，而农业科技是加快建设现代农业的重要支撑力量之一，农业科技进步成为现代农业发展关键。2019年，农业科技进步贡献率达到58.3%[1]，农业科技投入的总量和结构直接影响农业科技成果的产出规模和发展，对农民持续增收与农村社会进步产生重要影响。中国政府历来重视农业科技发展，从 “三农”问题到 “科技兴农”战略的实施，以及提出 “把农业科技创新摆在国家科技创新全局更加突出的位置”，到提出 “加强和完善国家农业农村科技创新体系建设”的重要任务[2]。从长期看，建设和完善农业科技创新体系，发挥农业科技创新的重要力量已成为农业农村现代化发展的必由之路。

1 文献综述

基于农业科技创新视角，国内外学者从创新主体、推广机制、影响因素等不同视角进行研究。舒尔茨首先提出农业经济的增长发展在一定程度上取决于农业科技进步程度，认为必须引入农业科技要素来推进农业发展[3]。随后，关于农业科技的研究逐渐增加，Sulaiman等通过研究印度农业技术，发现农业科技主体起到关键作用，因此提出必须重组农业科技推广机制[4]；Aubert等从科技系统视角，整合不同的农业创新途径为农业创新发展提供路径指引[5]。Bart等关注农业生产技术效率的必要性并进行测算[6]；Meijeretal等从农户角度分析其对农业技术的影响，发现农户实际应用率较低[7]；Hari等通过国际案例阐述农业创新扩散理论的发展，论证农业技术创新应基于完善的网络体系[8]；Dawit等从农业生产背景出发，发现农业生产的气候、能源及经济因素对发展中国家农业科技创新起到重要影响[9]。

国内学者对农业科技创新的研究主要集中在创新体系、影响机制、空间格局等方面。史焱文等通过研究中国农业创新系统的脉络体系，提出了5个农业创新维度[10]；肖树忠从地级市研究入手，对农业技术创新体系进行区域性研究[11]；辛晓睿等通过刻画农业技术领域论文和专利信息表征农业技术知识网络，发现上海农业创新网络存在 “核心-边缘”结构特征[12]；方远平等发现研究经费支出对专利授权量存在积极相关[13]；李兆亮等通过划分资金来源分类，发现政府财政是影响农业科研投资的主要因素[14]；陈祺琪等发现中国农业科技的资源配置能力区域间差异显著[15]。

梳理辨析国内外关于农业科技创新的研究发现，当前学者对中国农业科技创新已渐成体系，但依旧存在不足：①农业科技创新指标体系方面，学者更多关注指标体系的横向构建，缺乏纵向对比，构建的指标体系尚未达成共识，在评价指标权重上主观法较多，缺乏客观性和系统性；②农业科技创新水平的区域测度方面，主要集中于对某一省份或区域的研究，缺乏对比及其影响因素的深入探讨；③国内外对农业科技创新的分析引入空间尺度的系统研究较少，而将农业科技创新评价指标体系与空间格局相结合的研究分析更待丰富。

综上所述，考虑到地理区位因素对我国农业科技创新的时空演进及其促进机制的研究具有一定的理论与现实意义，本文将基于前人研究结论刻画农业科技创新的评价指标体系，选用客观性较强的TOPSIS熵权评价法评价中国农业科技创新水平，引入空间经济学考虑农业科技创新的时空演化特征，结合空间引力模型分析农业科技创新的空间联系网络结构及趋势面变化，利用面板数据构建GWR模型分析影响农业科技创新水平变化的影响机制，为政策制定和实施提供建议。

2 研究方法及数据来源

2.1 研究方法

(1)熵权TOPSIS评价方法。农业科技创新评价是一个多指标综合评价问题，本文采用的熵值法是客观赋值法的一种。TOPSIS熵权法实质是先确定各指标的权重系数，再确定排序。

TOPSIS熵权评价方法计算公式如下[16-19]。

第1步：构建评价矩阵。公式为：

X=(xij)m×n(i=1,2,…,m,j=1,2,…,n)

(1)

第2步：标准化处理。公式为：

(2)

zij为第i个评价对象在第j个评价指标上的标准值(i=1,2,…,m;j=1,2,…,n),0

第3步：计算各评价指标熵权。公式为：

(3)

(4)

第4步：定义指标权重。公式为：

(5)

(6)

第5步：构建加权评价矩阵。通过rij=wjzij将指标zij转换为指标rij，以此形成加权评价矩阵R=(rij)m×n:

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

(7)

第6步：计算评价指数。公式为：

(8)

(9)

第7步：计算农业科技创新综合评价指数Ci值。公式为：

(10)

其中，Ci值越大表征农业科技创新水平越高；Ci值越小表征农业科技创新水平越低。

(2)空间自相关法。为了明确我国农业科技创新水平的空间分布特征，采用空间自相关法进一步研究农业科技创新水平的空间差异，主要分为全局和局部自相关分析。

全局自相关分析中Moran’s I指数应用较多，计算公式[20-23]为：

(11)

局部自相关指数用于识别具有显著性统计意义的热冷点的空间聚类，其计算公式为[20]：

(12)

式中，i=1,…,n;j=1,…,n;i≠j，wij是空间权重矩阵。G值可以识别某一属性的空间冷热点，从整体上对中国农业科技创新水平的空间聚类特征进行分析。

(3)趋势面分析。趋势面分析是通过二维模拟曲面用来找出研究区域内变量的空间分布格局。为了深入探讨中国农业科技创新水平的空间联系总量变化趋势的空间分布规律，假设Ni(xi,yi)为省份i的农业科技创新水平，Si(xi,yi)为趋势函数，计算公式[23]为：

Ni(xi,yi)=Si(xi,yi)+εi

(13)

Si(xi,yi)=α0+α1x+α2y+α3x2+α4y2+α5xy

(14)

式中，εi为干扰项，α0为常数项，α1-α5为系数。

(4)空间联系引力模型。本文使用空间引力模型衡量各省份农业科技创新水平的空间联系，量化各省份农业科技创新联系强度。本文选取的修正的引力模型考虑到地势地貌复杂以及交通运输等现实因素，采用各省份的时间成本的距离，引力模型如下[24-25]：

(15)

(5)地理加权回归模型 (GWR)。地理加权回归模型是地理关系变化导致其参数随着空间的局域位置而变化，从而研究参数和变量之间的关系。模型为[26]：

(16)

式中， (Ui,Vi)是第i个观测点的空间位置。

2.2 数据来源

本文农业科技创新指标体系的原始数据来自于历年《中国统计年鉴》《中国科技统计年鉴》《高等学校科技统计资料汇编》《中国财政统计年鉴》《中国区域经济统计年鉴》及EPS全球统计数据/分析平台数据库。

考虑到专利数据具有滞后性，本文选取2003—2017年我国31个省份 (不包括港澳台)数据，参考《全国农业科技统计资料汇编》，将全国划分为6个区域：东北区 (辽宁、吉林、黑龙江)、华北区 (北京、天津、河北、山西、内蒙古)、华东区 (上海、江苏、浙江、安徽、福建、江西、山东)、华南区 (河南、湖北、湖南、广东、广西、海南)、西南区 (重庆、四川、贵州、云南、西藏)和西北区 (陕西、甘肃、青海、宁夏、新疆)。区域模块之间相对独立，呈现农业科技创新演化态势及全国分布情况。省级模块行政规划力量的相对统一，形成空间集聚和关联性较大，能够客观体现农业科技创新的空间的分布特征。

3 农业科技创新指标体系

3.1 农业科技创新指标体系设计

由于学者对于农业科技创新内涵认识的不同，学术界尚未形成普遍认可的农业科技创新指标体系。依据前人研究成果，参考大量的相关指标体系及文献的归纳总结[20-24]，本研究从农业科技创新人力资源、基础建设、扩散能力、成果贡献等要素定义农业科技创新水平，按照科学性、系统性和可实现性等原则最终确定设置的评价指标体系，该指标体系由4个指标层级构成，首先包括目标层农业科技创新指标，其次4个二级指标、8个三级指标和22个四级指标，见表1。

表1 农业科技创新指标体系

3.2 农业科技创新水平评价结果及分析

按照熵值法计算各指标权重，不同年份各指标权重不同，之后依次计算2003—2017年31个省份农业科技创新水平的排序和变化。由于篇幅原因，本文选取2003年、2008年、2013年、2017年各评价指标权重值和各省份农业科技创新水平进行计算并排序，结果见表2和表3。

表3 各省农业科技创新水平排序

从表2的评价指标权重排序中可以分析出R&D经费内部支出 (D3)、国外技术引进合同数 (D11)、技术输出地域合同数 (D12)、技术市场技术输出地合同金额 (D13)、高等学校国际级项目验收 (D17)、农业领域专利申请量 (D22)这些指标排序相对靠前。

表2 各指标权重排序及Ci值

从地区分布看，我国农业科技创新水平地域差距较大，华东区、东北区农业科技创新水平相对较高，西北区农业科技创新水平排名靠后。

东北区农业科技创新水平整体排名处于中上游。黑龙江近年来加大农业科技创新力度，经历了先降后升的趋势。辽宁后期下降幅度超过前期下降幅度，由2003年的排名全国第7位变为2017年的第15位；吉林农业科技创新水平处于中下游，变化趋势属于先升后降，整体变化幅度不大。

华北区中北京作为中国的经济科技中心，农业科技创新水平Ci值稳定在0.6～0.7，其农业科技创新水平一直处于领先地位。华北区省际差距较大，河北、天津的农业科技创新水平Ci值处于波动下降趋势，山西、内蒙古Ci值相对较低。

华东区农业科技创新水平整体较强，排名前10的省市中有4个属于华东区 (江苏、山东、上海、浙江)。其中，江苏农业科技创新水平提高较快，上海和浙江农业科技创新水平排名在波动中下降。安徽近年来排名上升且上升幅度较大。

华南区中广东、湖北、湖南的农业科技创新水平较突出，拉动了华南区整体水平。广西排名相对落后，但近年来有所上升。

西南区中四川属于领跑位置，其他各省份与四川差距较大。重庆农业科技创新水平Ci值逐年上升，云南农业科技创新水平Ci值呈波动趋势。贵州、西藏近年来农业科技创新水平逐年增长，且增长幅度较大，排名上升较快。

西北区中陕西的农业科技创新水平处于优势地位，新疆上升明显，其Ci值从初始较低的0.09到2017年增至0.1807，排名上升至第16位。

通过分析，我国大部分省市农业科技创新水平处于上升趋势，但各地区农业科技创新水平增长速度差距较大。

4 农业科技创新空间格局分析

4.1 全局空间自相关分析

Moran’s I值用于解释研究整体区域事物内的空间依赖程度，利用ArcGIS10.2软件对2003—2017年全国31个省份农业科技创新数据进行全局自相关Moran’s I指数计算，同时为了比较空间集中度，计算空间基尼系数、赫芬达尔指数 (HHI)和农业科技创新水平均值，结果如图1所示。

由图1可知，所有的Moran’s I指数都大于0，说明中国31个省域都农业科技创新水平的空间分布并非随机的，呈现出空间正相关的关系，显示出空间依赖性和集聚性的现象，集聚的强度倒ζ型的变化趋势，即农业科技创新水平较高的省域趋于和农业科技创新水平较高的省域相邻，农业科技创新水平较低的省域趋于和农业科技创新水平较低的省域相邻。从时序分析，Moran’s I指数在2003—2011年处于波动的增长趋势，并且在2011年达到最大值；在2012—2017年处于波动下降趋势，说明省域间农业空间创新水平差异开始扩大。全国的农业空间创新水平均值处于波动状态，整体波动幅度不大；从空间基尼系数和赫芬达尔指数 (HHI)看，两者展现了农业的空间集聚程度，2003—2017年中国农业科技创新的空间集聚水平波动较平缓。

图1 中国农业科技创新水平空间集中度比较

4.2 空间冷热点区域演化

为了区分冷热点区域，将得到的Getis-OrdGi*指数使用自然断点法划分为5类，各省市区域分布见表4。由表4可知，我国农业科技创新的热点区域主要集中在华东区、华北区，并呈现出向华南区逐渐扩张的趋势；冷点区域主要集中在西北区、西南区。这与上述谈及的农业科技创新水平时序变化也相印证。

表4 农业科技创新水平的各省冷热点分布

总体上，农业科技创新水平空间热点区域演化的基本特征为 “先缩小后扩大”，2017年的热点区域数量比2003年有所扩大，热点高显著区域还是基本上集中于华东区，并出现向周边地区蔓延趋势；农业科技创新水平空间冷点区域演化的基本特征为 “波动扩大”，冷点区域总数处于蔓延扩大状态，由西北区蔓延到西南区，但冷点高显著区基本上收缩至西藏、青海、甘肃等省份。热点高显著区的扩散有利于农业科技创新水平的集聚发展和提高，但冷点区域总数蔓延值得警惕，说明我国农业科技创新水平的空间集聚差异进一步扩大。

5 农业科技创新空间联系分析

5.1 空间联系总量趋势面分析

运用ArcGIS10.2软件对2003年、2008年、2013年、2017年中国农业科技创新水平进行空间趋势面分析，如图2所示。

由图2可知，2003—2017年中国农业科技创新水平整体呈现 “东北高，西南低”的空间趋势。说明中国农业科技创新水平发展空间指向性比较明显，华东区、东北区是中国农业科技创新水平发展优势区域。在趋势面的南北方向上，中国农业科技水平展现出中间凸的倒U形的趋势，倒U形的顶部趋势随时间放缓；在趋势面东西方向上，呈现自西向东抬升的曲线，且曲线西端呈现上升趋势，曲线坡度有所放缓。说明中国农业科技创新水平空间不平衡格局在不断变化中。部分原因可以归结为西北区、西南区近年来由于国家农业扶持政策的出台，进一步加快农业创新合作与发展，农业科技创新水平差距整体呈缩小趋势。

图2 中国农业科技创新空间联系总量趋势面变化

5.2 空间联系网络结构分析

为了进一步探究中国农业科技创新空间联系网络结构特征，借鉴相关学者的研究方法[24-27]，利用ArcGIS软件结合引力模型运算各省份之间的农业科技创新的空间联系强度，以小于500 (弱联系)、501～1000 (较弱联系)、1001～3000 (一般联系)、3001～5000 (较强联系)、大于5000 (强联系)作为5个等级标准。整体上，中国农业科技创新空间联系网络在空间上分布不均，呈现 “东密西疏”状态，华北区、华东区的农业科技创新空间联系网络复杂程度大于西北区、西南区，且空间联系层级性明显，东北区、华北区、华东区的联系强度整体高于西北区、西南区，整体呈东北—华北—华东区向西南—西北区联系逐渐变弱。

从时序分析，2003—2017年中国农业科技创新空间联系量显著增加，尤其是各省份空间强联系与较强联系增长显著，呈现出空间强联系省份向周边省份扩散强联系的趋势。2003年，东北区与华东区空间联系强度明显，其中黑龙江与上海、浙江、安徽空间联系最强，山东、陕西、浙江形成较强的空间联系；2008年，甘肃与重庆的空间联系形态新增为强联系，东北区与华东区的空间强联系仍保持优势；2013年，黑龙江—浙江—安徽正式形成空间强联系三角结构，新增了陕西—山东、山东—湖北、陕西—浙江交叉强联系的形态；2017年各省份农业科技创新空间联系更为密切，网络更加复杂化，并且随着经济不断发展，逐渐加强两大农业科技创新空间强联系结构。

6 农业科技创新驱动因素分析

6.1 变量选取与模型构建

通过上文的空间自相关检验发现，农业科技创新水平表现出空间集聚特征，这表明分析农业科技创新水平的影响机制不再满足普通最小二乘法要求的区域之间相互独立的假定，因而使用OLS估计可能导致估计结果不准确。为了科学揭示影响机制的空间异质性，采用 “自适应”核估计的AICc带宽方法的地理加权回归模型，选取2003年和2017年的数据进行模型回归和对比分析[28]。

由于所选解释变量之间存在多重共线性，因此在使用GWR模型之前，采用逐步回归法进行多重共线性检验，剔除VIF>3的自变量。结合相关学者的研究[24-30]，最终以农业科技创新水平指数作为被解释变量。解释变量有：①农村经济水平 (农村居民人均可支配收入)，经济水平对农业科技创新的影响显著，人均可支配收入是衡量一个地区经济发展水平的重要指标，使用农村居民可支配收入可以反映出所在区域的农村经济水平。②农业资源禀赋 (农业耕地面积占全国比重)，农业自然资源的丰腴程度直接影响农业科技的发展，农业耕地面积占比能够反映不同地区的农业资源状况与生产条件差异。③政府扶持力度 (政府财政支出)，政府扶持力度是推动区域农业科技创新的重要力量，政府财政支出差异将影响各地区农业科技创新主体的科研力度。④人力资本强度 (每十万人口高等学校平均在校生)，当前我国农业劳动力整体水平较低，农业技术人力短缺，人力资本在很大程度上影响农业可持续发展和创新水平。⑤区域开放程度 (外商投资总额)，外商投资总额体现了区域对外开放的程度，进而影响对农业科技创新要素的流动。⑥互联网+战略 (互联网宽带接入用户数)，互联网+战略代表现代农业发展新趋势，利用互联网信息技术促使农业科技创新发展。运用ArcGIS10.2对影响因素进行OLS全局回归分析和GWR地理加权法分析，结果见表5。

表5 OLS与GWR模型参数估计结果比较

对比OLS与GWR模型，通过R2、GWR模型更加合理，且GWR模型和OLS模型的AICc的差大于3则说明GWR模型的拟合度优于OLS模型，同时对残差进行空间自相关检验，Moran’s I=-0.2714，P值为0.001，表明残差在空间上完全随机分布即GWR模型的效果理想。

6.2 结果分析

(1)农村经济水平对农业科技创新的影响。研究初期 (2003年)农村经济水平回归系数敏感程度正值区主要分布在华南区和华东区，最大值出现在华南区，回归系数总体呈现为西北区向华南区递增的趋势；研究末期 (2017年)农村经济水平回归系数增长，其空间分布格局呈现向西北区扩张的趋势。这说明农村经济水平的提升对带动西北区的农业科技创新有正向的推动作用。

(2)农业资源禀赋对农业科技创新的影响。研究初期农业资源禀赋回归系数总体上呈现东南向西北递减趋势，回归系数正值区分布在华东区和华南区，最小值出现在西北区；研究末期农业资源禀赋因素成为各区域的正向影响因子且最大值区域转移至华东区和东北区。

(3)区域开放程度对农业科技创新的影响。区域开放程度对农业科技创新水平影响的空间差异明显，研究初期 (2003年)区域开放程度回归系数为负值，且正值区数量仅为4个，呈现东北向西南递减趋势；研究末期 (2017年)区域开放程度回归系数对部分地区转为正向影响，正值区扩散至华北区、西北区。说明东北区、华北区、西北区的对区域开放程度因素更敏感、潜力更大，因此，相关部门应该进一步扩大这些地区的市场，引进外资和技术，促进农业科技创新。

(4)人力资本强度对农业科技创新的影响。人力资本强度对各区域农业科技创新发展始终呈正相关且影响显著。研究初期 (2003年)回归系数呈现东北向西南递减的空间布局特征，人力资本回归系数正值区主要分布在东北区、华北区，最大值出现在东北区；研究末期 (2017年)正值区呈现向华东区扩散的趋势，华东区出现明显高值区域。人才对于农业科技创新起着重要影响，建立农业科技创新型人才激励机制体系，对提高农业科技创新将起到正向推动作用。

(5)互联网+战略对农业科技创新的影响。研究初期 (2003年)互联网+战略对各区域农业科技创新发展呈现正相关关系且影响显著，其回归系数高值区空间上主要集中于西北区，呈现西北向东南递减的趋势。研究末期 (2017年)回归系数发生变化，回归系数空间格局呈现 “东南高，西北低”的特征，各区域由于实施互联网+战略程度和互联网普及度不同，导致该因素对于各地农业科技创新影响空间差异明显，华东区和华南区科技与信息技术发展相对发达，从而带动农业科技创新水平提高。

(6)政府扶持力度对农业科技创新的影响。政府扶持力度对农业科技创新存在正向关系，其影响系数相对较大。研究初期 (2003年)回归系数空间格局呈现 “东北高，西南低”的特征，这与东北区农业自然区位资源较优，政府大力支持农业发展存在一定关联。研究末期 (2017年)回归系数高值区数量增至7个，高值区由东北区扩散至西北区，最大值出现在新疆。因此政府实施强农惠农等农业扶持政策对西北区、东北区的农业科技创新正向影响较大。

7 结论与讨论

7.1 主要结论

(1)中国农业科技创新整体水平相对较低，农业科技创新水平整体上层级差异和地域分异性明显，从空间视角呈现出华东—华北—东北区向西南—西北区递减的特征，省际差距仍然存在并有继续扩大的趋势，区域空间互动性较弱，高值区与低值区之间地理关联性明显不足。

(2)中国农业科技创新水平具有显著的空间相关性，空间集聚强度呈倒ζ形的变化趋势。中国农业科技创新水平空间网络密度整体呈现 “东密西疏”的格局特征、核心能力强的省份向周边省份扩散的层级分工式模式，其中华东区与东北区空间联系稠密，且与周边省份的空间互动持续增强，总体上空间联系层级式网络协同扩散；华东区与东北区的空间联系网络初见雏形，并有持续向华南区、华北区蔓延成长的趋势。

(3)由于变量不同，导致其在不同地域发挥的力量不同，影响因素存在区域异质性，互联网+战略、政府扶持力度、人力资本强度对农业科技创新具有较大的正向影响，农村经济水平、农业资源禀赋对部分区域农业科技创新由负向影响转为正向影响，区域开放程度对大部分区域农业科技创新存在负向影响。GWR模型估计系数呈现的空间分异性也表明各地区在提升农业科技创新水平的过程中要实施因地制宜的政策。

7.2 建议与讨论

(1)扎实推进农业科技创新，推进内育外引，积极培育农业科技创新的主体，引进农业科技创新人才，促进知识成果向企业和市场转化扩散。各省应加强农业科技领域基础性研究和应用研究，真正实现 “农业产学研”三重螺旋模型紧密联系结合，形成农业科技创新知识网络和合作网络。

(2)着力推动农业科技融合，加强区域联动，逐步缩小地域间差距。农业科技创新水平相对较高的区域，发挥优质农业创新资源辐射效应并进一步向周边扩散，带动周边省份农业科技创新水平提升，以点带面促进农业科技创新的协调发展。农业科技创新发展缓慢态势的地区，政府要加大地区的科研扶持力度，加强区域联系，制定相应的科研激励政策与制度。

(3)全力推行数字农业建设，因地制宜，针对性提出战略部署和政策引导。积极引导创建区域农业科技创新增长极，进一步利用互联网信息化技术，构建数字农业创新体系，推进农业现代化。

本文通过构建指标体系客观展示我国各省份农业科技创新水平，应用GWR等空间模型分析我国农业科技创新的时空特征与空间分布情况，研究结果具有重要现实意义。受相关数据的限制，所构建的指标体系有待完善，同时未来可进一步细分尺度，从地级市尺度对农业创新水平进行分析，结合具体的农业领域展开实证研究，因此相关农业科技创新的问题仍需深入探讨。