財(cái)政支農(nóng)、農(nóng)業(yè)技術(shù)創(chuàng)新對農(nóng)業(yè)經(jīng)濟(jì)增長的影響效應(yīng)研究

朱萬里，胡瑜杰

（甘肅省高校區(qū)域循環(huán)經(jīng)濟(jì)重點(diǎn)實(shí)驗(yàn)室，蘭州財(cái)經(jīng)大學(xué)隴橋?qū)W院，甘肅蘭州730101）

0 引言

“三農(nóng)”問題是關(guān)系國計(jì)民生的根本性問題。2017年10月18日習(xí)近平總書記在十九大報(bào)告中明確提出鄉(xiāng)村振興戰(zhàn)略，其戰(zhàn)略目標(biāo)是在2050年鄉(xiāng)村全面振興，農(nóng)業(yè)強(qiáng)、農(nóng)村美、農(nóng)民富全面實(shí)現(xiàn)。而解決“三農(nóng)”問題的關(guān)鍵在于通過加大對“三農(nóng)”的財(cái)政投入，提高農(nóng)業(yè)技術(shù)創(chuàng)新水平，優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)，促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長。

國內(nèi)外研究農(nóng)業(yè)經(jīng)濟(jì)增長的文獻(xiàn)主要聚焦以下幾點(diǎn)：第一，制度與農(nóng)業(yè)經(jīng)濟(jì)增長。學(xué)者們從財(cái)政分權(quán)、制度約束、稅費(fèi)改革等視角分析了現(xiàn)有制度對農(nóng)業(yè)經(jīng)濟(jì)增長的影響，發(fā)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)增長的制度效應(yīng)差異較大［1-3］；也有學(xué)者研究制度變遷與農(nóng)業(yè)經(jīng)濟(jì)增長，發(fā)現(xiàn)有效率的制度變遷是中國糧食持續(xù)增產(chǎn)的重要源泉［4］，是農(nóng)業(yè)增長的重要?jiǎng)恿?，制度變遷的路徑選擇和合理的制度設(shè)計(jì)是農(nóng)業(yè)經(jīng)濟(jì)增長的決定性因素［5-6］。第二，財(cái)政、金融與農(nóng)業(yè)經(jīng)濟(jì)增長。辛沖沖，陳志勇［7］利用2000—2014年間我國31個(gè)省份的農(nóng)業(yè)GDP和財(cái)政支農(nóng)支出數(shù)據(jù)，把財(cái)政支農(nóng)的影響做了效應(yīng)分解，發(fā)現(xiàn)不同的效應(yīng)對農(nóng)業(yè)經(jīng)濟(jì)增長不同；呂誠倫，江海潮［8］也發(fā)現(xiàn)財(cái)政支農(nóng)對農(nóng)業(yè)經(jīng)濟(jì)增長的效應(yīng)受眾多因素影響；Peter Timmer［9］認(rèn)為只有通過政府加大農(nóng)業(yè)投入，才能從根本上提高貧困國家的農(nóng)業(yè)生產(chǎn)率；劉金全等［10］的研究發(fā)現(xiàn)只有清晰診斷不同地區(qū)農(nóng)村金融發(fā)展的階段性特征，才能更好發(fā)掘金融助推農(nóng)村經(jīng)濟(jì)增長的新動(dòng)能；李永東［11］以中國農(nóng)業(yè)發(fā)展銀行為例，研究了政策性金融機(jī)構(gòu)對糧食主產(chǎn)區(qū)經(jīng)濟(jì)增長的影響，發(fā)現(xiàn)其影響效應(yīng)在不同區(qū)域差異明顯。第三，要素投入與農(nóng)業(yè)經(jīng)濟(jì)增長。學(xué)者們從耕地利用、人力資本、農(nóng)村基礎(chǔ)設(shè)施、教育資源投入、農(nóng)業(yè)化學(xué)投入等視角分析了不同的要素投入對不同地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長的影響［12-16］。第四，技術(shù)進(jìn)步與農(nóng)業(yè)經(jīng)濟(jì)增長。POSTnote［17］、Garnett等［18］認(rèn)為，技術(shù)進(jìn)步是提高糧食產(chǎn)量、保障糧食安全的“圣杯”，耗費(fèi)大量自然資源的生產(chǎn)方式已不合時(shí)宜。因此，如何通過技術(shù)進(jìn)步來提高農(nóng)業(yè)或者糧食生產(chǎn)率已成為學(xué)界研究熱點(diǎn)之一［19］；楊義武等［20］運(yùn)用中國1999—2013省級面板數(shù)據(jù)，得出農(nóng)業(yè)前沿技術(shù)進(jìn)步對糧食增產(chǎn)有顯著的促進(jìn)作用。

國內(nèi)外學(xué)者從制度、財(cái)政和金融支持、要素投入、技術(shù)進(jìn)步等方面對農(nóng)業(yè)經(jīng)濟(jì)增長做了大量有價(jià)值的研究。但已有的研究成果還存在如下不足：第一，研究視角單一化，已有的研究雖有從財(cái)政支農(nóng)與農(nóng)業(yè)經(jīng)濟(jì)增長、技術(shù)進(jìn)步與農(nóng)業(yè)經(jīng)濟(jì)增長視角切入，但很少有把農(nóng)業(yè)技術(shù)創(chuàng)新、財(cái)政支農(nóng)和農(nóng)業(yè)經(jīng)濟(jì)增長納入同一研究框架內(nèi)進(jìn)行探討；第二，研究方法較為陳舊，已有的研究方法多為標(biāo)準(zhǔn)的計(jì)量方法：主成分分析和因子分析、DEA-Malmquist指數(shù)模型、靜態(tài)和動(dòng)態(tài)面板數(shù)據(jù)模型等，較少涉及經(jīng)濟(jì)變量間空間效應(yīng)研究，對空間溢出效應(yīng)關(guān)注不夠，得出的結(jié)論無法確保其穩(wěn)健性和科學(xué)性?；诖?，本文利用中國2000—2016年30個(gè)省市的空間面板數(shù)據(jù)，考察農(nóng)業(yè)技術(shù)創(chuàng)新、財(cái)政支農(nóng)對農(nóng)業(yè)經(jīng)濟(jì)增長的影響，以豐富該領(lǐng)域的研究成果。

1 變量選取、數(shù)據(jù)來源及模型選擇

由于數(shù)據(jù)和指標(biāo)選取以及實(shí)證方法的差異，關(guān)于農(nóng)業(yè)技術(shù)創(chuàng)新和財(cái)政支農(nóng)對農(nóng)業(yè)經(jīng)濟(jì)增長的影響效應(yīng)，學(xué)界目前還未達(dá)成共識，本文將對各經(jīng)濟(jì)變量之間的關(guān)系做進(jìn)一步考證。

1.1 變量選取和數(shù)據(jù)來源

1.1.1 被解釋變量

文章的被解釋變量是農(nóng)業(yè)經(jīng)濟(jì)增長，采用學(xué)界通常的做法，選用農(nóng)林牧漁總產(chǎn)值中狹義農(nóng)業(yè)總產(chǎn)值除以第一產(chǎn)業(yè)從業(yè)人員來衡量，這樣做的原因是農(nóng)業(yè)總產(chǎn)值受勞動(dòng)力投入的影響較大，直接使用該指標(biāo)會導(dǎo)致在分析其他影響因素對農(nóng)業(yè)經(jīng)濟(jì)增長影響時(shí)的波動(dòng)性較大，人均值具有較強(qiáng)的穩(wěn)定性，其中狹義農(nóng)業(yè)總產(chǎn)值是以2000年為基期，經(jīng)折算指數(shù)調(diào)整所得，數(shù)據(jù)來源于歷年《中國農(nóng)村統(tǒng)計(jì)年鑒》和《中國統(tǒng)計(jì)年鑒》。

1.1.2 解釋變量

文章的核心變量是農(nóng)業(yè)技術(shù)創(chuàng)新和財(cái)政支農(nóng)。衡量技術(shù)創(chuàng)新通常采用專利申請量和專利授權(quán)量，或者新產(chǎn)品的銷售收入等，但已有的統(tǒng)計(jì)資料中只能查到歷年全國的農(nóng)林牧漁業(yè)專利申請量，各省（市、區(qū)）不易獲取。仿照熊文，朱永彬［21］的做法，選用每十萬人農(nóng)業(yè)植物新品種權(quán)申請數(shù)（plant）來作為農(nóng)業(yè)技術(shù)創(chuàng)新的一個(gè)替代指標(biāo)，數(shù)據(jù)主要來自農(nóng)業(yè)部植物新品種保護(hù)辦公室和《中國科技統(tǒng)計(jì)年鑒》。同時(shí)，為了保證結(jié)論的穩(wěn)健性，根據(jù)姚延婷、陳萬明、李曉寧［22］的研究，選取各地區(qū)節(jié)水灌溉類機(jī)器擁有量（萬套）（體現(xiàn)農(nóng)業(yè)機(jī)械技術(shù)）、各地區(qū)秸稈粉碎還田機(jī)擁有量（萬臺）（體現(xiàn)農(nóng)作物秸稈利用技術(shù)）和各地區(qū)用沼氣數(shù)量（萬戶）（體現(xiàn)農(nóng)用清潔能源技術(shù)）作為農(nóng)業(yè)技術(shù)創(chuàng)新的其他替代變量。數(shù)據(jù)均來源于《新中國農(nóng)業(yè)60年統(tǒng)計(jì)資料》、《中國農(nóng)業(yè)年鑒》等。另一個(gè)核心解釋變量為財(cái)政支農(nóng)，財(cái)政支農(nóng)是指各?。ㄊ小^(qū)）每年用于農(nóng)業(yè)基建、社會救濟(jì)、援助以及農(nóng)業(yè)方面的各項(xiàng)支出。財(cái)政支農(nóng)的統(tǒng)計(jì)指標(biāo)在不同年份發(fā)生了較大變化，借鑒劉宏霞、汪慧玲、謝宗棠［23］的做法，2000—2002年選取農(nóng)業(yè)綜合開發(fā)支出，2003—2006年選用農(nóng)業(yè)和林業(yè)支出以及農(nóng)林水利氣象等部門的事業(yè)費(fèi)支出之和，2007—2016年選用農(nóng)林水林事務(wù)支出作為不同階段的財(cái)政支農(nóng)指標(biāo)。最終的核算公式為：財(cái)政支農(nóng)/財(cái)政支出總額。

控制變量方面，主要引入和農(nóng)業(yè)經(jīng)濟(jì)增長密切相關(guān)的化肥施用量（萬噸）、機(jī)械總動(dòng)力（萬千瓦）、農(nóng)村人均固定資產(chǎn)投資額（萬元）等變量。農(nóng)村固定資產(chǎn)投資額的統(tǒng)計(jì)體系在2010年后發(fā)生了變化，2000—2010年的數(shù)據(jù)來自《中國農(nóng)村統(tǒng)計(jì)年鑒》，2011—2016年的數(shù)據(jù)來自《中國固定資產(chǎn)投資統(tǒng)計(jì)年鑒》中的農(nóng)林牧漁類投資額以及其他和農(nóng)村有關(guān)的固定資產(chǎn)投資。由于港澳臺和西藏較多數(shù)據(jù)缺失，文章的研究樣本為2000—2016年我國30個(gè)?。ㄊ?、區(qū)）。表1和圖1分別是各變量描述性統(tǒng)計(jì)和變量間的散點(diǎn)圖。

由圖1可知，不同地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)增長水平在不同年份大體都呈現(xiàn)了上升的趨勢，但上升幅度不同，遼寧、吉林、黑龍江、上海、浙江、福建等地的人均農(nóng)林牧漁總產(chǎn)值增幅較快，北京、天津、內(nèi)蒙古、江蘇以及西北地區(qū)增幅較慢，這可能和不同地區(qū)的資源稟賦和產(chǎn)業(yè)政策差異有關(guān)。

1.2 計(jì)量模型設(shè)定

空間面板模型是高級計(jì)量經(jīng)濟(jì)學(xué)研究的熱點(diǎn)之一，相比于傳統(tǒng)面板數(shù)據(jù)模型，它更多關(guān)注不同變量之間的空間關(guān)聯(lián)性和空間異質(zhì)性，因此，對現(xiàn)實(shí)解釋力較強(qiáng)，空間面板模型主要包括空間滯后模型、空間誤差模型和空間杜賓模型?？臻g杜賓模型是空間面板模型的一般形式，因此，把初始的計(jì)量模型設(shè)定為空間杜賓模型，下文將對模型選擇做進(jìn)一步驗(yàn)證：

表1 變量的描述性統(tǒng)計(jì)

圖1 歷年各省市農(nóng)林牧漁總產(chǎn)值

其中，lnpagrvait為人均農(nóng)林牧漁業(yè)總產(chǎn)值的對數(shù)，?為空間系數(shù)矩陣，矩陣X是涵蓋了農(nóng)業(yè)技術(shù)創(chuàng)新、財(cái)政支農(nóng)、化肥施用量、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)村人均固定資產(chǎn)投資額等解釋變量的矩陣。W為空間權(quán)重矩陣，In為單位矩陣，DXi tθ為解釋變量的空間滯后矩陣，β、φ為相應(yīng)的待估系數(shù)矩陣，ui表示空間效應(yīng)，γt表示時(shí)間效應(yīng)，εit是滿足零均值、同方差、無自相關(guān)的隨機(jī)干擾項(xiàng)。為了消除可能存在的異方差和統(tǒng)計(jì)量綱的差異，文章對人均農(nóng)林牧漁業(yè)總產(chǎn)值、農(nóng)業(yè)植物新品種權(quán)申請數(shù)、各地區(qū)節(jié)水灌溉類機(jī)器擁有量、化肥施用量、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)村人均固定資產(chǎn)投資額取自然對數(shù)。

設(shè)定合理的空間權(quán)重矩陣是空間面板模型的關(guān)鍵所在，常見的三種空間權(quán)重矩陣是鄰接權(quán)重矩陣、空間地理距離權(quán)重矩陣和空間經(jīng)濟(jì)距離權(quán)重矩陣。其中，空間鄰接權(quán)重矩陣是根據(jù)任意的兩個(gè)?。ㄊ?、區(qū)）是否相鄰，相鄰該權(quán)重矩陣取值為1，否則為0?？臻g地理距離權(quán)重矩陣則考察不同?。ㄊ?、區(qū)）的直線距離或大圓距離，本文采用兩個(gè)地區(qū)省會城市之間鐵路距離的倒數(shù)來表示?？臻g經(jīng)濟(jì)距離權(quán)重矩陣的設(shè)定方法是取兩個(gè)?。ㄊ?、區(qū)）經(jīng)濟(jì)指標(biāo)差額絕對值的倒數(shù)，常見的經(jīng)濟(jì)指標(biāo)有GDP、就業(yè)率、進(jìn)出口額、消費(fèi)額等。本文以兩個(gè)?。ㄊ?、區(qū)）人均GDP差額絕對值的倒數(shù)來衡量?？臻g地理距離權(quán)重矩陣和空間經(jīng)濟(jì)距離權(quán)重矩陣需進(jìn)行標(biāo)準(zhǔn)化處理，具體處理結(jié)果從略。下文將對三種權(quán)重矩陣下的實(shí)證結(jié)果逐一報(bào)告。

1.3 空間自相關(guān)檢驗(yàn)

在確定是使用空間計(jì)量方法還是標(biāo)準(zhǔn)的計(jì)量方法時(shí)，需對經(jīng)濟(jì)數(shù)據(jù)的空間依賴性進(jìn)行檢驗(yàn)?？臻g自相關(guān)的形成存在復(fù)雜的機(jī)理，學(xué)界提出了一系列度量方法，本文采用比較流行的莫蘭指數(shù)I檢驗(yàn)。其計(jì)算公式為：

表2 各變量Moran’s I檢驗(yàn)

表2是2000—2016年被解釋變量和各解釋變量的莫蘭檢驗(yàn)結(jié)果。表格中每行上方的數(shù)字是莫蘭指數(shù)I的值，括號里是標(biāo)準(zhǔn)化后Z統(tǒng)計(jì)量的值，莫蘭指數(shù)I的值越大，空間依賴性就越強(qiáng)。從表2知，所有經(jīng)濟(jì)變量的數(shù)據(jù)在2000—2016年間都通過了莫蘭檢驗(yàn)。進(jìn)一步觀察，被解釋變量農(nóng)業(yè)經(jīng)濟(jì)增長除了2004年是在10%的顯著性水平通過檢驗(yàn)外，其余年份至少在5%的顯著性水平下通過莫蘭檢驗(yàn)，核心解釋變量農(nóng)業(yè)技術(shù)創(chuàng)新和財(cái)政支農(nóng)幾乎全部年份都在1%的顯著性水平下通過莫蘭檢驗(yàn)，表明這些變量存在高度的空間關(guān)聯(lián)性。其余控制變量也全部通過了莫蘭檢驗(yàn)，表明應(yīng)采用空間面板模型。

1.4 空間面板計(jì)量模型選擇

空間面板模型的選擇分兩步，第一，檢驗(yàn)面板數(shù)據(jù)是固定效應(yīng)還是隨機(jī)效應(yīng)，第二，檢驗(yàn)空間面板模型的類型。經(jīng)檢驗(yàn)，模型為固定效應(yīng)下的空間面板模型。同時(shí)，比較固定效應(yīng)下R2、LogL和σ2統(tǒng)計(jì)量的值，發(fā)現(xiàn)時(shí)間和空間固定效應(yīng)R2和LogL值最大，σ2值最小，其擬合優(yōu)度和模型精確度都最高。因此，下文只報(bào)告時(shí)間和空間固定效應(yīng)下的檢驗(yàn)結(jié)果。Wald和LR檢驗(yàn)顯示不能采用空間滯后模型和空間誤差模型。因此，最終的模型設(shè)定為固定效應(yīng)下的空間杜賓模型，限于篇幅，具體檢驗(yàn)結(jié)果從略（若需，備索）。

2 實(shí)證結(jié)果分析

2.1 總體回歸結(jié)果分析

首先，把農(nóng)業(yè)植物新品種權(quán)申請數(shù)作為農(nóng)業(yè)技術(shù)創(chuàng)新指標(biāo)做回歸分析，回歸結(jié)果見表3，農(nóng)業(yè)技術(shù)創(chuàng)新其他替代指標(biāo)的檢驗(yàn)結(jié)果將在穩(wěn)健性檢驗(yàn)部分作進(jìn)一步說明。

表3 空間杜賓模型回歸結(jié)果

由表3可知，在5%的顯著性水平下，農(nóng)業(yè)植物新品種權(quán)申請數(shù)每增加1%，農(nóng)業(yè)經(jīng)濟(jì)增長率在三種權(quán)重矩陣下為0.02%～0.03%，農(nóng)業(yè)技術(shù)創(chuàng)新程度越高有利于農(nóng)業(yè)經(jīng)濟(jì)增長，但回歸系數(shù)很小，全國層面來看，農(nóng)業(yè)技術(shù)創(chuàng)新對農(nóng)業(yè)經(jīng)濟(jì)增長的貢獻(xiàn)不大。財(cái)政支農(nóng)對農(nóng)業(yè)經(jīng)濟(jì)增長也有顯著正向效應(yīng)，財(cái)政支農(nóng)每提高1%，農(nóng)業(yè)經(jīng)濟(jì)增長為率0.1%～0.6%，財(cái)政支農(nóng)的占比越高，農(nóng)村公共物品投資和農(nóng)業(yè)生產(chǎn)投入經(jīng)費(fèi)就越多，將有效拉動(dòng)農(nóng)業(yè)經(jīng)濟(jì)增長。控制變量化肥施用量、農(nóng)業(yè)機(jī)械總動(dòng)力和農(nóng)村固定資產(chǎn)投資額在10%的顯著性水平下增加了農(nóng)林牧漁業(yè)總產(chǎn)值?；适┯昧吭龆?、農(nóng)業(yè)機(jī)械化程度提高、用于農(nóng)村固定資產(chǎn)投資費(fèi)用增加，促使農(nóng)業(yè)經(jīng)濟(jì)快速增長。毋容置疑，化肥施用量雖能促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長，但這種增長模型是不可持續(xù)的，有悖于踐行生態(tài)文明的綠色發(fā)展理念。

2.2 直接效應(yīng)、間接效應(yīng)和總效應(yīng)

由于存在空間溢出效應(yīng)，有必要探究各解釋變量對本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長和周邊地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長的影響程度，偏微分方法把這種影響進(jìn)一步分解為直接效應(yīng)和間接效應(yīng)。直接效應(yīng)是各解釋變量對本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長的影響，各解釋變量對周邊地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生也會產(chǎn)生影響，即為間接效應(yīng)，總效應(yīng)是直接效應(yīng)和間接效應(yīng)之和，表4報(bào)告了空間鄰接權(quán)重矩陣、空間經(jīng)濟(jì)地理權(quán)重矩陣與空間經(jīng)濟(jì)距離權(quán)重矩陣下的回歸結(jié)果。

從表4報(bào)告的各解釋變量的直接效應(yīng)、間接效應(yīng)和總效應(yīng)發(fā)現(xiàn)，三種權(quán)重矩陣下所得實(shí)證結(jié)果相似。僅以空間地理距離權(quán)重矩陣為例進(jìn)行分析，農(nóng)業(yè)植物新品種權(quán)申請數(shù)的直接效應(yīng)為正，間接效應(yīng)為負(fù)，效應(yīng)分解的結(jié)果再次表明：農(nóng)業(yè)技術(shù)創(chuàng)新助推了本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長（直接效應(yīng)），但不利于周邊地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)增長（間接效應(yīng)），原因是本地區(qū)農(nóng)業(yè)技術(shù)創(chuàng)新的提高勢必會吸引周邊地區(qū)的農(nóng)業(yè)生產(chǎn)資源流向該地區(qū)，減少了周邊地區(qū)的農(nóng)業(yè)投入。財(cái)政支農(nóng)總額既定的前提下，本地區(qū)財(cái)政支農(nóng)增加，導(dǎo)致周邊地區(qū)所能捕獲的支農(nóng)資金縮減，因此，財(cái)政支農(nóng)有利于本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長（直接效應(yīng)），抑制周邊地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)增長（間接效應(yīng)）。控制變量的直接效應(yīng)估計(jì)系數(shù)全部為正，都不同程度的促進(jìn)了本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)的增長，化肥施用量和農(nóng)業(yè)機(jī)械總動(dòng)力對周邊地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長的影響為正（間接效應(yīng)），但不顯著。農(nóng)村固定資產(chǎn)投資顯著拉動(dòng)了本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長（直接效應(yīng)），抑制周邊地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長（間接效應(yīng)）。

表4 直接效應(yīng)、間接效應(yīng)和總效應(yīng)

3 穩(wěn)健性檢驗(yàn)

結(jié)論的穩(wěn)健性起見，分別采用2000—2016年各地區(qū)節(jié)水灌溉類機(jī)器擁有量、各地區(qū)秸稈粉碎還田機(jī)擁有量（萬臺）和各地區(qū)用沼氣數(shù)量（萬戶）作為農(nóng)業(yè)技術(shù)創(chuàng)新的替代變量做回歸，發(fā)現(xiàn)這些替代指標(biāo)仍然促進(jìn)了本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長，但不利于周邊地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)增長，其余解釋變量對農(nóng)業(yè)經(jīng)濟(jì)增長的影響程度和采用農(nóng)業(yè)植物新品種權(quán)申請數(shù)作為農(nóng)業(yè)技術(shù)創(chuàng)新指標(biāo)時(shí)基本相似，具體實(shí)證結(jié)果不再報(bào)告（如若有需，備索）。

由于我國不同區(qū)域農(nóng)業(yè)發(fā)展程度差異較大，有必要分區(qū)域考察解釋變量對農(nóng)業(yè)經(jīng)濟(jì)增長的影響程度。根據(jù)《全國農(nóng)業(yè)可持續(xù)發(fā)展規(guī)劃（2015—2030年）》的劃分標(biāo)準(zhǔn)，農(nóng)業(yè)發(fā)展區(qū)域分為優(yōu)化發(fā)展區(qū)、適度發(fā)展區(qū)和保護(hù)發(fā)展區(qū)①，表5分為報(bào)告了不同區(qū)域各解釋變量在空間經(jīng)濟(jì)距離權(quán)重矩陣下的直接效應(yīng)、間接效應(yīng)和總效應(yīng)。空間鄰接權(quán)重矩陣、空間地理權(quán)重矩陣與空間經(jīng)濟(jì)距離權(quán)重矩陣下的結(jié)果相仿，不再報(bào)告。

分區(qū)域的回歸結(jié)果依然表明農(nóng)業(yè)技術(shù)創(chuàng)新和財(cái)政支農(nóng)促進(jìn)了本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長，抑制周邊地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長，其他控制變量對農(nóng)業(yè)經(jīng)濟(jì)增長的影響和上文相似。但也表現(xiàn)出了較大的區(qū)域異質(zhì)性，具體表現(xiàn)在：一是農(nóng)業(yè)技術(shù)創(chuàng)新在優(yōu)化發(fā)展區(qū)的總效應(yīng)最大，為0.754483，適度發(fā)展區(qū)次之，為0.017859，保護(hù)發(fā)展區(qū)不管是直接效應(yīng)還是間接效應(yīng)都不顯著。原因一是優(yōu)化發(fā)展區(qū)在制度安排、農(nóng)業(yè)基礎(chǔ)設(shè)施、人才儲備等方面優(yōu)勢最為明顯，農(nóng)業(yè)技術(shù)研發(fā)的區(qū)位稟賦最強(qiáng)，其對農(nóng)業(yè)經(jīng)濟(jì)增長的影響也最為顯著，適度發(fā)展區(qū)次之，保護(hù)發(fā)展區(qū)的農(nóng)業(yè)技術(shù)增長效應(yīng)未能凸顯；二是財(cái)政支農(nóng)雖在不同區(qū)域的總效應(yīng)都顯著，但優(yōu)化發(fā)展區(qū)影響效應(yīng)最大，為0.754483，適度發(fā)展區(qū)次之，為0.710295，保護(hù)發(fā)展區(qū)最小，為0.105037，這主要與政府財(cái)政支農(nóng)在不同區(qū)域間的支出規(guī)模和支出結(jié)構(gòu)差異有關(guān)；三是農(nóng)業(yè)經(jīng)濟(jì)增長對化肥施用量依賴性最強(qiáng)的是保護(hù)發(fā)展區(qū)，適度發(fā)展區(qū)次之，優(yōu)化發(fā)展區(qū)最??；四是機(jī)械化總動(dòng)力和人均固定資產(chǎn)投資對農(nóng)業(yè)經(jīng)濟(jì)增長的影響效應(yīng)優(yōu)化發(fā)展區(qū)最大，適度發(fā)展區(qū)次之，保護(hù)發(fā)展區(qū)的影響不顯著，具體原因，不再贅述。

表 5直接效應(yīng)、間接效應(yīng)和總效應(yīng)

4 結(jié)論及建議

結(jié)合空間杜賓模型，利用中國30個(gè)省市的面板數(shù)據(jù)研究了農(nóng)業(yè)技術(shù)創(chuàng)新、財(cái)政支農(nóng)對農(nóng)業(yè)經(jīng)濟(jì)增長的影響效應(yīng)。研究結(jié)果表明：第一，在模型選擇方面，通過各經(jīng)濟(jì)變量的莫蘭檢驗(yàn)證實(shí)變量間存在空間依賴性，應(yīng)選擇空間計(jì)量模型，通過Hausman檢驗(yàn)、Wald和LR檢驗(yàn)并結(jié)合R2、LogL、δ2的取值，確定最佳模型為時(shí)間和空間固定效應(yīng)下的空間杜賓模型；第二，核心解釋變量農(nóng)業(yè)技術(shù)創(chuàng)新和財(cái)政支農(nóng)是本地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長的正向指標(biāo)，但對周邊地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長有抑制作用，其中農(nóng)業(yè)技術(shù)創(chuàng)新對農(nóng)業(yè)經(jīng)濟(jì)增長的助推效應(yīng)較小；第三，控制變量方面，化肥施用量、機(jī)械總動(dòng)力、農(nóng)村固定資產(chǎn)投資增加促進(jìn)了當(dāng)?shù)剞r(nóng)業(yè)經(jīng)濟(jì)增長，化肥施用量和機(jī)械總動(dòng)力對周邊地區(qū)影響不顯著，農(nóng)村固定資產(chǎn)投資抑制了周邊地區(qū)農(nóng)業(yè)經(jīng)濟(jì)增長；第四，分區(qū)域的結(jié)果顯示，農(nóng)業(yè)技術(shù)創(chuàng)新和財(cái)政支農(nóng)對優(yōu)化發(fā)展區(qū)影響效應(yīng)最大，適度發(fā)展區(qū)次之，保護(hù)發(fā)展區(qū)的農(nóng)業(yè)增長更多依賴于化肥等傳統(tǒng)生產(chǎn)要素投入，其他變量對農(nóng)業(yè)經(jīng)濟(jì)增長的貢獻(xiàn)不顯著。

鑒于此，提出如下建議：一是統(tǒng)籌全局，在高效的制度環(huán)境構(gòu)建、農(nóng)村基礎(chǔ)實(shí)施完善、農(nóng)業(yè)產(chǎn)業(yè)鏈延伸等方面著力，不斷提高農(nóng)業(yè)技術(shù)創(chuàng)新對農(nóng)業(yè)經(jīng)濟(jì)增長的整體助推效應(yīng)，降低區(qū)域間的技術(shù)“擠出效應(yīng)”；二是因地制宜，有針對性地制定、落實(shí)財(cái)政支農(nóng)方案，進(jìn)一步加大農(nóng)業(yè)發(fā)展較為落后地區(qū)的財(cái)政支農(nóng)的力度，同時(shí)，確保財(cái)政支農(nóng)資金?？顚Ｓ茫岣哓?cái)政支農(nóng)效率；三是要積極探索農(nóng)業(yè)經(jīng)濟(jì)發(fā)展新模式，因時(shí)因地發(fā)展農(nóng)業(yè)循環(huán)經(jīng)濟(jì)，有效控制農(nóng)村環(huán)境污染，著力打造農(nóng)業(yè)經(jīng)濟(jì)增長新動(dòng)能。

注釋：

① 優(yōu)化發(fā)展區(qū)包括東北區(qū)、黃淮海區(qū)、長江中下游區(qū)和華南區(qū)各?。ㄊ?、區(qū)），適度發(fā)展區(qū)包括西北及長城沿線區(qū)、西南區(qū)各省（市、區(qū)），保護(hù)發(fā)展區(qū)包括青藏區(qū)和海洋漁業(yè)區(qū)各?。ㄊ?、區(qū)）.