金融集聚與農(nóng)業(yè)技術(shù)創(chuàng)新效率
——基于空間兩階段視角

汪 昊 馬春艷 張俊飚

(1.華中農(nóng)業(yè)大學 經(jīng)濟管理學院，武漢 430070； 2.華中農(nóng)業(yè)大學 湖北生態(tài)文明建設(shè)研究院，武漢 430070)

中央一號文件反復強調(diào)，新時代要把技術(shù)創(chuàng)新作為農(nóng)業(yè)發(fā)展的新動能。在政府的多重政策助推下，農(nóng)業(yè)技術(shù)創(chuàng)新水平提升明顯。據(jù)統(tǒng)計，“十三五”期間中國農(nóng)業(yè)發(fā)明專利申請量全球第一。但不能忽視的是，2019年中國農(nóng)業(yè)科技進步貢獻率為59.2%，與發(fā)達國家90%的貢獻率相比，仍有較大差距。中國農(nóng)業(yè)的未來依賴于技術(shù)創(chuàng)新水平的提高，而技術(shù)創(chuàng)新效率的高低直接反映地區(qū)的技術(shù)創(chuàng)新水平。技術(shù)創(chuàng)新效率是技術(shù)創(chuàng)新活動中投入與產(chǎn)出的轉(zhuǎn)換比率，其提升需要有效科研資金的支撐。關(guān)于科研資金對農(nóng)業(yè)技術(shù)創(chuàng)新效率的促進作用，學術(shù)界基本達成共識。由于農(nóng)業(yè)部門的弱質(zhì)性，中國農(nóng)業(yè)技術(shù)創(chuàng)新資金投入很大程度上源于政府支持。但學術(shù)界關(guān)于政府支持對技術(shù)創(chuàng)新效率的影響存在2種觀點。一是“促進論”，即科技研發(fā)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(fā)資金的不足，降低研發(fā)風險，提升創(chuàng)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(fā)揮作用，在一定程度上會抑制農(nóng)業(yè)創(chuàng)新部門的積極性，從而導致低效率?；诖?，本研究認為，提升農(nóng)業(yè)技術(shù)創(chuàng)新效率既要重視政府資金，同時為保證科研資金的持續(xù)性和市場機制的有效性，又要將金融資金引入農(nóng)業(yè)技術(shù)創(chuàng)新領(lǐng)域，通過金融市場激發(fā)農(nóng)業(yè)的創(chuàng)新潛力。然而長期以來，農(nóng)業(yè)部門尚未充分重視金融資本在農(nóng)業(yè)技術(shù)創(chuàng)新進程中的不可替代性。

隨著經(jīng)濟信息一體化和金融全球化的發(fā)展，金融資本的流動性加強。研究表明，地區(qū)金融資本和金融結(jié)構(gòu)條件一旦被滿足，就可能產(chǎn)生金融集聚的現(xiàn)象。近年來，隨著中國金融市場改革和金融監(jiān)管體系的完善，金融集聚現(xiàn)象十分普遍。第28期全球金融中心指數(shù)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(nèi)外金融體系基本形式的趨勢下，研究其能否成為農(nóng)業(yè)技術(shù)創(chuàng)新效率增長的新引擎具有十分重要的現(xiàn)實意義。

關(guān)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(gòu))在一定區(qū)域內(nèi)進行集中交易，產(chǎn)生規(guī)模經(jīng)濟效應(yīng)，從而吸引更多的參與者加入，最終產(chǎn)生集聚。另一種是產(chǎn)業(yè)集聚理論。該理論認為產(chǎn)業(yè)集聚是空間外部性的產(chǎn)物，即當產(chǎn)業(yè)發(fā)展到某種程度時，勞動力與其配套基礎(chǔ)設(shè)施在某地區(qū)集中出現(xiàn)后形成集聚，金融集聚亦被看做一種特殊的產(chǎn)業(yè)集聚。學者雖對金融集聚地釋義未達成共識，但其理論內(nèi)涵具有一致性，即以金融產(chǎn)業(yè)為依托、以金融資源的配置和組合為基礎(chǔ)、以地區(qū)集中為必要條件、以發(fā)展本產(chǎn)業(yè)帶動其他產(chǎn)業(yè)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(yè)的研究發(fā)現(xiàn)，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(fā)演化和嵌入發(fā)展是金融集聚形成的主要路徑，其中，自發(fā)演化源于經(jīng)濟發(fā)展的原動力，通過前向和后向產(chǎn)業(yè)關(guān)聯(lián)溢出和乘數(shù)效應(yīng)推動金融集聚地形成，而嵌入發(fā)展則源于政府的推動力，通過政策扶持和引導形成區(qū)域產(chǎn)業(yè)集聚；黃解宇則從3個方面系統(tǒng)總結(jié)了金融集聚形成動因，分別是以信息流理論為基礎(chǔ)的內(nèi)在推動、區(qū)域金融成長的帶動、產(chǎn)業(yè)集聚地推動。關(guān)于金融集聚的影響方面，學者大多關(guān)注金融集聚對技術(shù)創(chuàng)新的影響，并達成了一致意見，即發(fā)現(xiàn)金融業(yè)集聚對技術(shù)創(chuàng)新具有正向效應(yīng)，但不同部門可能存在差異。Li等利用工業(yè)部門環(huán)境污染數(shù)據(jù)，認為金融集聚通過提高金融市場的服務(wù)效率，促進企業(yè)的技術(shù)創(chuàng)新，但影響效果存在行業(yè)異質(zhì)性，只有銀行業(yè)和證券業(yè)存在顯著影響。黎杰生等、Zhang的研究也得出了相似結(jié)論。

隨著研究的深入，國內(nèi)不少學者開始關(guān)注金融集聚對技術(shù)創(chuàng)新效率的影響，其研究結(jié)論存在差異。一部分學者研究發(fā)現(xiàn)金融集聚抑制了創(chuàng)新效率。如劉和東發(fā)現(xiàn)市場規(guī)模和地區(qū)差異導致創(chuàng)新要素在區(qū)域間產(chǎn)生虹吸效應(yīng)，造成周邊地區(qū)資源缺失，效率低下。李曉光等也得到相似結(jié)論。另有學者研究后得出相反的結(jié)論，認為金融集聚促進了創(chuàng)新效率的提升。如余泳澤等研究發(fā)現(xiàn)金融集聚對工業(yè)技術(shù)創(chuàng)新效率存在正向溢出。還有部分學者認為金融集聚對創(chuàng)新效率的影響正負效應(yīng)并存。如王仁祥等研究發(fā)現(xiàn)金融集聚對集聚程度較低地區(qū)的技術(shù)創(chuàng)新效率產(chǎn)生負向影響，對集聚度較高的地區(qū)有正向促進作用。張東等研究認為金融集聚能促進工業(yè)部門研發(fā)效率提升，但成果轉(zhuǎn)化階段存在負向效率溢出。通過以上分析不難發(fā)現(xiàn)，現(xiàn)有關(guān)于金融集聚地研究，尚未涉及農(nóng)業(yè)部門。不同于其他部門，農(nóng)業(yè)部門有自身的特殊性，金融集聚是否會影響農(nóng)業(yè)技術(shù)創(chuàng)新效率，其影響程度如何呢？本研究將基于中國農(nóng)業(yè)部門2000—2019年的數(shù)據(jù)，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(nóng)業(yè)技術(shù)創(chuàng)新效率提供政策建議。

1 理論分析

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

1.1 集聚的低成本效應(yīng)

由于市場交易成本的存在，受回報率驅(qū)動的金融資本難以為農(nóng)業(yè)技術(shù)創(chuàng)新賦能，即農(nóng)業(yè)部門獲取市場競爭紅利存在較大的門檻。而且農(nóng)業(yè)部門在實際借貸過程中，受限于其較長的生產(chǎn)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(nóng)業(yè)創(chuàng)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(nóng)業(yè)創(chuàng)新部門或項目的融資份額，導致市場出現(xiàn)劣幣驅(qū)逐良幣的現(xiàn)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(nóng)業(yè)部門的融資成本。具體表現(xiàn)為，第一，金融機構(gòu)難以對農(nóng)業(yè)創(chuàng)新項目進行全方位、長周期的審核，從而導致農(nóng)業(yè)創(chuàng)新部門在金融市場融資難。當金融集聚出現(xiàn)時，集聚的規(guī)模經(jīng)濟效應(yīng)，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(wù)成本和農(nóng)業(yè)創(chuàng)新部門的融資成本。這使農(nóng)業(yè)創(chuàng)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(nóng)業(yè)創(chuàng)新部門將更多的資金用于開展技術(shù)創(chuàng)新活動，從而提升技術(shù)創(chuàng)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(gòu)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(gòu)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(nóng)業(yè)創(chuàng)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(yīng)

本質(zhì)上，一組橫向關(guān)聯(lián)的企業(yè)勝過一個較大公司或一個由地理位置不相關(guān)的小公司組成的網(wǎng)絡(luò)。一方面，根據(jù)斯密定理，市場規(guī)模擴大帶動經(jīng)濟增長的原因在于，分工和專業(yè)化提升了部門的勞動生產(chǎn)率。金融集聚必然引起不同職能部門的專業(yè)化分工，從而提升其資源配置效率。相關(guān)研究表明，鑒于涉農(nóng)業(yè)務(wù)具有風險大、收益低等特征，金融機構(gòu)在面對農(nóng)業(yè)科研項目時，往往產(chǎn)生“惜貸心理”，導致農(nóng)業(yè)創(chuàng)新部門難以獲取所需資金。金融集聚帶來的專業(yè)化分工，和金融工具的創(chuàng)新，能夠根據(jù)農(nóng)業(yè)部門項目特點，基于專門審核流程和渠道，設(shè)立金融項目。從而提升金融部門的投資效率和農(nóng)業(yè)部門的融資效率，融資效率的提升，引致農(nóng)業(yè)技術(shù)創(chuàng)新效率的提升。另一方面，集聚也加劇了企業(yè)間的競爭，競爭是金融集聚的必然產(chǎn)物。在金融市場，農(nóng)業(yè)創(chuàng)新部門為獲取資金支持，需要提升自身實力，強化自身優(yōu)勢，才能在競爭中脫穎而出。農(nóng)業(yè)創(chuàng)新部門自我強化的過程也是提升創(chuàng)新效率的過程。但不能忽視的是，農(nóng)業(yè)技術(shù)創(chuàng)新帶來大量收益的同時，也產(chǎn)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(zhuǎn)化階段，若沒有完善的金融監(jiān)管體制，以逐利為目標的企業(yè)在博弈過程中，會產(chǎn)生過度競爭現(xiàn)象，一定程度上會抑制轉(zhuǎn)化效率。

1.3 空間外溢效應(yīng)

金融集聚的空間外溢效應(yīng)是指，金融集聚區(qū)的成果會通過涓流效應(yīng)對周邊產(chǎn)生影響。其原理在于，金融集聚是一個不連續(xù)又逐步累積的過程，通常最早出現(xiàn)于部分經(jīng)濟發(fā)展水平較高的中心地區(qū)。根據(jù)擴散效應(yīng)，創(chuàng)新成果會從中心地區(qū)向規(guī)模較小的外圍地區(qū)擴散。從而對周邊地區(qū)產(chǎn)生溢出。該過程是動態(tài)過程，源于地理分散。循環(huán)因果關(guān)系理論同樣強調(diào)，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(chǎn)生的規(guī)模效應(yīng)和網(wǎng)絡(luò)效應(yīng)，必然會受限于地區(qū)的可容納水平和可控范圍，從而向周邊地區(qū)產(chǎn)生溢出。當本地區(qū)的農(nóng)業(yè)技術(shù)創(chuàng)新效率較高時，一方面，能夠與周邊地區(qū)產(chǎn)生合作，促使周邊地區(qū)在合作中產(chǎn)生模仿效應(yīng)，從而帶動周邊地區(qū)的技術(shù)創(chuàng)新效率；另一方面，周邊地區(qū)能夠共享本地區(qū)的發(fā)展紅利，譬如，完善的基礎(chǔ)設(shè)施和優(yōu)質(zhì)的生產(chǎn)要素等，以此提升周邊地區(qū)技術(shù)創(chuàng)新效率的提升。但當金融集聚達到一定程度后，若本地區(qū)的生產(chǎn)性資源不足或配套基礎(chǔ)設(shè)施缺失，轉(zhuǎn)化進程中會對周邊地區(qū)資源及成果產(chǎn)生虹吸效應(yīng)，抑制周邊地區(qū)的轉(zhuǎn)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(shù)創(chuàng)新效率的關(guān)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(nóng)業(yè)技術(shù)創(chuàng)新效率的提升問題。本研究基于價值鏈視角，考慮金融行業(yè)異質(zhì)性，運用空間計量模型，從科研產(chǎn)出與成果轉(zhuǎn)化兩階段分別考察了證券業(yè)、保險業(yè)和銀行業(yè)金融集聚對農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響。本研究的邊際貢獻在于：第一，以創(chuàng)新價值鏈視角，研究從科研投入到新技術(shù)產(chǎn)出再到經(jīng)濟成果產(chǎn)出的兩階段過程，分別將其定義為科研產(chǎn)出階段和成果轉(zhuǎn)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(yīng)和溢出效應(yīng)角度，研究不同金融行業(yè)對兩階段創(chuàng)新效率的異質(zhì)性影響。第三，在理論上，填補了金融集聚與農(nóng)業(yè)技術(shù)創(chuàng)新效率相關(guān)研究的文獻空缺。

2 模型與數(shù)據(jù)

2.1 模型設(shè)定

學術(shù)界常用的空間計量經(jīng)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(yīng)，空間誤差模型可以反映誤差項之間的空間交互效應(yīng)，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(guān)性。結(jié)合本研究的研究內(nèi)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(jù)拉格朗日乘子檢驗(LM-error和LM-lag)和穩(wěn)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(wěn)健的拉格朗日乘子檢驗均在5%的統(tǒng)計水平上拒絕了原假設(shè)，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(tǒng)計指標 Statistics 科研產(chǎn)出效率u1Scientific research output efficiency成果轉(zhuǎn)化效率u2Achievement transform efficiency系數(shù)CoefficientP值P-value系數(shù)CoefficientP值P-value空間誤差模型的拉格朗日乘數(shù)檢驗LM-error215.3410.000131.7230.000穩(wěn)健空間誤差模型的拉格朗日乘數(shù)檢驗LM-error (Robust)17.9620.0006.5160.011空間滯后模型的拉格朗日乘數(shù)檢驗LM-Lag230.3710.000164.5040.000穩(wěn)健空間滯后模型的拉格朗日乘數(shù)檢驗LM-Lag (Robust)32.9920.00039.2970.000

根據(jù)模型檢測結(jié)果，具體的模型設(shè)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(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率；

ρ

表示空間自回歸系數(shù)，用來反映地區(qū)之間農(nóng)業(yè)技術(shù)創(chuàng)新效率溢出的大??；

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(quán)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(shè)定方法如下：

(3)

式中：表示空間矩陣中的元素，

d

表示地區(qū)

i

和地區(qū)

j

的地理距離。

2.2 空間效應(yīng)分解

空間效應(yīng)包括直接效應(yīng)、溢出效應(yīng)(間接效應(yīng))和總效應(yīng)。其中，直接效應(yīng)是指區(qū)域內(nèi)解釋變量對農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響及區(qū)域間的反饋效應(yīng)(A→B→A)；溢出效應(yīng)是指本地區(qū)解釋變量對區(qū)域間農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響；總效應(yīng)則是直接效應(yīng)和溢出效應(yīng)之和。當農(nóng)業(yè)技術(shù)創(chuàng)新效率的空間自回歸系數(shù)

ρ

顯著不為零時，直接用空間杜賓模型度量農(nóng)業(yè)技術(shù)創(chuàng)新效率的空間效應(yīng)會存在系統(tǒng)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(jù)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(nóng)業(yè)技術(shù)創(chuàng)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(jù)式(5)，時間上從1到

N

的

M

個解釋變量

X

，其對應(yīng)

U

期望值的偏導數(shù)值可寫為式(6)：

(6)

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

2.3 變量選擇

2

.

3

.

1

農(nóng)業(yè)技術(shù)創(chuàng)新效率測度的變量選擇本研究的被解釋變量是農(nóng)業(yè)技術(shù)創(chuàng)新效率，關(guān)于其測算，學者們常用參數(shù)法和非參數(shù)法2種方法。參數(shù)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(shù)無效率項和隨機誤差項，研究環(huán)境變量對農(nóng)業(yè)技術(shù)創(chuàng)新的影響，但需要提前設(shè)定生產(chǎn)函數(shù)來估計生產(chǎn)前沿面。而非參數(shù)法則主要以數(shù)據(jù)包絡(luò)分析(DEA)為代表，通過線性規(guī)劃求解生產(chǎn)前沿面，不需要考慮量綱化問題與指標權(quán)重，也不需設(shè)定具體函數(shù)形式，可以有效避免由函數(shù)設(shè)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(nóng)業(yè)科研產(chǎn)出效率(

u

)和農(nóng)業(yè)成果轉(zhuǎn)化效率(

u

)。具體投入產(chǎn)出變量選擇如表2所示。

表2 科研產(chǎn)出效率和成果轉(zhuǎn)化效率測度的投入產(chǎn)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(chǎn)出效率Scientific researchoutput efficiency成果轉(zhuǎn)化效率Achievement transformefficiency產(chǎn)出指標Output indicators農(nóng)業(yè)發(fā)明專利授權(quán)量第一產(chǎn)業(yè)增加值農(nóng)業(yè)科研經(jīng)費農(nóng)業(yè)發(fā)明專利授權(quán)量投入指標Input indicators農(nóng)業(yè)科技活動人員農(nóng)業(yè)資本投入農(nóng)業(yè)技術(shù)人員

1)科研產(chǎn)出效率測度變量的選擇

投入變量：考慮到大部分農(nóng)業(yè)科研活動來自科研機構(gòu)和高校，基于數(shù)據(jù)可得性，將農(nóng)業(yè)科技活動人員和科研經(jīng)費定義為研發(fā)機構(gòu)和高等院校中農(nóng)業(yè)科學部分的R&D人員全時當量之和及研發(fā)經(jīng)費之和。鑒于科研經(jīng)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(jīng)費對于科研產(chǎn)出的影響，因此，本研究借助永續(xù)盤存法，參考朱平芳等的方法，以2000年為基期對農(nóng)業(yè)科研經(jīng)費進行存量核算，將科研經(jīng)費的價格指數(shù)設(shè)定為消費價格指數(shù)和固定資產(chǎn)價格指數(shù)的加權(quán)，即農(nóng)業(yè)科研經(jīng)費價格指數(shù)=0.55×消費價格指數(shù)+0.45×固定資產(chǎn)投資價格指數(shù)，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(jīng)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(jīng)費投入，

g

為樣本期內(nèi)科研經(jīng)費的年均增長率。

產(chǎn)出變量：農(nóng)業(yè)發(fā)明專利授權(quán)量?？蒲挟a(chǎn)出是指投入的科研經(jīng)費與科研人員創(chuàng)造的成果，該成果多以專利類技術(shù)為主，產(chǎn)出形式多為專利申請量和專利授權(quán)量。本研究認為農(nóng)業(yè)發(fā)明專利授權(quán)量能更好地衡量農(nóng)業(yè)領(lǐng)域的新成果。

2)成果轉(zhuǎn)化效率測度的變量選擇

投入變量。選用農(nóng)業(yè)技術(shù)人員、農(nóng)業(yè)資本投入和產(chǎn)出階段的農(nóng)業(yè)發(fā)明專利授權(quán)量。農(nóng)業(yè)技術(shù)人員是從事農(nóng)業(yè)技術(shù)工作的人員，包括農(nóng)業(yè)種植、生產(chǎn)管理的技術(shù)指導和農(nóng)業(yè)推廣人員等，該指標能夠度量成果轉(zhuǎn)化階段的人力投入；農(nóng)業(yè)資本投入選用的是農(nóng)業(yè)固定資產(chǎn)投資額；考慮到固定資產(chǎn)投資在時間上的持續(xù)性，所以本研究參照肖文等的方法，以2000年為基期用永續(xù)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(chǎn)出變量：第一產(chǎn)業(yè)增加值。成果轉(zhuǎn)化階段用于揭示新知識和新技術(shù)的商用性，其產(chǎn)出形式多為新產(chǎn)品。該指標的最優(yōu)衡量方式為農(nóng)業(yè)新產(chǎn)品的銷售收入，但受限于數(shù)據(jù)的可得性，在農(nóng)業(yè)領(lǐng)域缺失新產(chǎn)品銷售收入的相關(guān)數(shù)據(jù)。本研究認為科研產(chǎn)出的增加能夠帶來經(jīng)濟產(chǎn)出的增加，而第一產(chǎn)業(yè)增加值能夠在最終階段直觀有效的衡量成果轉(zhuǎn)化后的產(chǎn)出來。因此，本研究選擇第一產(chǎn)業(yè)增加值為該階段的產(chǎn)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(qū)生產(chǎn)總值指數(shù)對第一產(chǎn)業(yè)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(zhì)性，本研究分別選取了證券業(yè)、銀行業(yè)和保險業(yè)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(qū)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(yè)集聚度、保險業(yè)集聚度和銀行業(yè)集聚度，其中

E

分別表示

i

地區(qū)第

t

年農(nóng)業(yè)在股票市場融資額、農(nóng)業(yè)保險保費收入和農(nóng)業(yè)貸款，

P

表示

i

地區(qū)第

t

年在股票市場融資總額、保費收入總額和金融機構(gòu)本外幣貸款總額，

q

表示第

t

年所有考察地區(qū)的農(nóng)業(yè)在股票市場融資額、農(nóng)業(yè)保險保費收入和農(nóng)業(yè)貸款，

Q

表示所有考察地區(qū)的股票市場融資總額，保費收入總額和金融機構(gòu)本外幣貸款總額。

2

.

3

.

3

控制變量

基于對相關(guān)文獻的整理，本研究主要選取了政府支持、人力資本水平、環(huán)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(chǎn)出階段Scientific researchoutput phase成果轉(zhuǎn)化階段Achievementtransform phase指標表示Indicatorrepresentation被解釋變量Explained variable技術(shù)創(chuàng)新效率科研產(chǎn)出效率 u1成果轉(zhuǎn)化效率 u2u1/u2金融集聚度證券業(yè)證券業(yè)stock核心解釋變量Core explanatoryvariables保險業(yè)保險業(yè)保險業(yè)insura銀行業(yè)銀行業(yè)銀行業(yè)bank政府支持農(nóng)林水事務(wù)支出農(nóng)林水事務(wù)支出gov1國家財政性教育經(jīng)費國家財政性教育經(jīng)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(shù)研究生人數(shù)study2環(huán)境變量農(nóng)業(yè)機械化程度農(nóng)業(yè)機械化程度inf1城市化率城市化率inf2對外開放水平農(nóng)產(chǎn)品進出口農(nóng)產(chǎn)品進出口open

1)政府支持。政府對科技創(chuàng)新活動的資金支持包括生產(chǎn)性支持和教育性支持，因此本研究主要選取農(nóng)業(yè)支出、林業(yè)支出、水利支出和農(nóng)業(yè)綜合開發(fā)等農(nóng)林水務(wù)支出水平衡量生產(chǎn)性政府支持(gov1)，即用農(nóng)林水事務(wù)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(jīng)費表示。

2)人力資本水平。根據(jù)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(chǎn)率有直接的技術(shù)外溢效應(yīng)，而且體現(xiàn)在個體對新技術(shù)的適應(yīng)能力上。鑒于此，本研究選用各地區(qū)平均受教育年限(study1)和地區(qū)農(nóng)業(yè)科學的研究生人數(shù)(study2)來反映人力資本水平，以考察其對技術(shù)創(chuàng)新效率的影響。

3)環(huán)境特征。選取農(nóng)業(yè)機械化程度(inf1)和城市化率(inf2)來考察農(nóng)業(yè)生產(chǎn)環(huán)境和銷售環(huán)境對技術(shù)創(chuàng)新的影響。農(nóng)業(yè)機械化程度能間接反映地區(qū)的農(nóng)業(yè)現(xiàn)代化水平，機械化程度高的地區(qū)，其對新技術(shù)的需求和接受程度可能會更高，本研究用農(nóng)業(yè)機械總動力來反映地區(qū)農(nóng)業(yè)機械化程度。城市化率對農(nóng)業(yè)生產(chǎn)和研發(fā)可能具有反哺效應(yīng)，一般城市化水平高的地區(qū)經(jīng)濟基礎(chǔ)較好，不僅容易滿足農(nóng)業(yè)發(fā)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(qū)在對外交往的過程中會通過模仿和競爭效應(yīng)影響技術(shù)研發(fā)與轉(zhuǎn)化進度，這可能會提高農(nóng)業(yè)技術(shù)的創(chuàng)新效率。鑒于此，本研究用農(nóng)產(chǎn)品進出口總額占GDP的比重(open)來衡量。

2

.

3

.

4

數(shù)據(jù)來源

基于數(shù)據(jù)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(qū))2000—2019年的面板數(shù)據(jù)。數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》、《中國金融年鑒》、《中國農(nóng)村統(tǒng)計年鑒》、《中國保險年鑒》、中國專利統(tǒng)計數(shù)據(jù)庫、各省統(tǒng)計年鑒和國泰安數(shù)據(jù)庫，其中證券相關(guān)數(shù)據(jù)通過wind數(shù)據(jù)庫整理所得。

3 實證分析

3.1 農(nóng)業(yè)技術(shù)創(chuàng)新效率

本研究運用DEAP 2.1軟件對30個省份2000—2019年的農(nóng)業(yè)技術(shù)創(chuàng)新效率進行測度，測算結(jié)果如圖2所示。從總體來看，效率水平整體不高，其中，2019年農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)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(xiàn)不同的變化特征。農(nóng)業(yè)科研產(chǎn)出效率總體呈現(xiàn)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(shù)創(chuàng)新創(chuàng)造了發(fā)展環(huán)境。而成果轉(zhuǎn)化效率雖總體平穩(wěn)，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(wù)院頒布了《關(guān)于加快推進農(nóng)業(yè)科技創(chuàng)新持續(xù)增強農(nóng)產(chǎn)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(zhuǎn)化效率有所回升。

3.2 空間相關(guān)性檢驗

為驗證農(nóng)業(yè)技術(shù)創(chuàng)新效率的空間相關(guān)性，本研究采用莫蘭指數(shù)(Moran’s

I

)檢驗。若檢驗結(jié)果在統(tǒng)計水平上顯著，則可以應(yīng)用空間計量經(jīng)濟學理論方法，建立空間計量經(jīng)濟模型，對金融集聚與農(nóng)業(yè)技術(shù)創(chuàng)新效率進行空間計量估計。莫蘭指數(shù)計算方法如式(10)：

(10)

式中：表示第

i

地區(qū)的觀測值。

莫蘭指數(shù)的取值范圍為(-1，1)，值為正表示農(nóng)業(yè)技術(shù)創(chuàng)新效率存在正向空間相關(guān)性，值為負，則表明存在負向空間相關(guān)性。換言之，莫蘭指數(shù)的絕對值越大，創(chuàng)新效率的空間相關(guān)性越強。具體結(jié)果如表4：

從表4可以得出，農(nóng)業(yè)科研產(chǎn)出率和成果轉(zhuǎn)化率之間存在明顯的空間相關(guān)性。盡管農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率在極少數(shù)年份未通過顯著性檢驗，但其存在空間相關(guān)性已是客觀事實。值得注意的是，農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率的莫蘭指數(shù)呈現(xiàn)出波動上升趨勢，說明地區(qū)間農(nóng)業(yè)技術(shù)創(chuàng)新效率的關(guān)聯(lián)性愈發(fā)明顯。

表4 莫蘭指數(shù)檢驗
Table 4 Moran’s test

年份Year科研產(chǎn)出效率Scientific research output efficiency成果轉(zhuǎn)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(jié)果和空間效應(yīng)分析

3

.

3

.

1

空間杜賓模型估計結(jié)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(yīng)的空間杜賓模型進行估計，結(jié)果如表5所示：

根據(jù)空間杜賓模型的估計結(jié)果，地區(qū)固定效應(yīng)模型的擬合程度更高，而且空間相關(guān)系數(shù)顯著不為0，因此本研究主要分析地區(qū)固定效應(yīng)模型的估計結(jié)果。從表5可以得出，金融集聚、政府支持、人力資本水平、環(huán)境變量和對外開放水平都能顯著提高本地區(qū)農(nóng)業(yè)科研產(chǎn)出效率；但政府支持和對外開放水平對周邊地區(qū)農(nóng)業(yè)科研能產(chǎn)出效率具有抑制作用；金融集聚和人力資本水平對本地區(qū)成果轉(zhuǎn)化效率具有促進作用；政府支持能夠正向影響周邊地區(qū)成果轉(zhuǎn)化效率。

表5 空間杜賓模型估計結(jié)果
Table 5 Estimation results of the spatial Durbin model

變量 Variable 地區(qū)固定效應(yīng)Regional fixed effects時間固定效應(yīng)Time fixed effects雙固定效應(yīng)Double fixed effectu1u2u1u2u1u2直接影響系數(shù) Main證券業(yè) 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(yè) 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(yè) 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(nóng)林水務(wù)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(xù))

變量 Variable 地區(qū)固定效應(yīng)Regional fixed effects時間固定效應(yīng)Time fixed effects雙固定效應(yīng)Double fixed effectu1u2u1u2u1u2國家財政性教育經(jīng)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(shù) 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(nóng)業(yè)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(quán)系數(shù) Wx證券業(yè) 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(yè) 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(yè) 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(nóng)林水務(wù)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(jīng)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(shù) 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(nóng)業(yè)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(shù)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(tǒng)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(tǒng)計量0.8380.2690.4180.0650.7130.090Log-likelihood檢驗統(tǒng)計量875.197879.131814.802862.775943.230962.225

3

.

3

.

2

空間效應(yīng)分析

為進一步研究金融集聚對農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響程度，本研究對地區(qū)固定空間杜賓模型進行偏微分分解。分解結(jié)果如表6所示：

根據(jù)表6的

u

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

表6 地區(qū)固定效應(yīng)模型的分解
Table 6 Decomposition of the regional fixed effects model

變量Variable直接效應(yīng)Direct effect溢出效應(yīng)Indirect effects總效應(yīng)Total effectu1u2u1u2u1u2證券業(yè) 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(yè) 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(yè) 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(nóng)林水務(wù)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(jīng)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(shù) 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(nóng)業(yè)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(jù)表6的

u

列可知，證券業(yè)集聚對本地區(qū)和周邊地區(qū)的成果轉(zhuǎn)化效率不顯著，可能的原因是成果轉(zhuǎn)化階段關(guān)注是農(nóng)業(yè)科技成果商品化的過程，但由于農(nóng)業(yè)生產(chǎn)的周期較長以及農(nóng)業(yè)受自然條件的影響較大，其產(chǎn)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(xiàn)波動，科技成果轉(zhuǎn)化就會有資金鏈斷裂的風險，不能確保資金的持續(xù)投入。因此，證券業(yè)的集聚難以對成果轉(zhuǎn)化效率產(chǎn)生促進作用。這也與薛麗麗研究高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的結(jié)果一致。保險業(yè)的直接效應(yīng)和溢出效應(yīng)在1%的統(tǒng)計水平上顯著，但系數(shù)分別為-0.004和-0.042，意味著保險業(yè)的集聚會抑制了農(nóng)業(yè)成果轉(zhuǎn)化效率。原因可能是中國農(nóng)業(yè)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(nóng)業(yè)技術(shù)創(chuàng)新活動提供有效的險種支持；此外，保險業(yè)的集聚程度與處在轉(zhuǎn)型期的監(jiān)管體系不匹配，從而對周邊地區(qū)資源或成果出現(xiàn)虹吸且并未有效利用，同樣造成本地區(qū)資源過度冗余以至對本地區(qū)轉(zhuǎn)化效率產(chǎn)生擠出。銀行業(yè)集聚的直接效應(yīng)在1%的統(tǒng)計水平上顯著，這說明銀行資金的支持能降低農(nóng)業(yè)創(chuàng)新成果轉(zhuǎn)化階段融資成本、激勵農(nóng)業(yè)創(chuàng)新部門在競爭中自我強化，從而提高成果轉(zhuǎn)化效率。

值得注意的是，根據(jù)表6所展示的總效應(yīng)，不同金融機構(gòu)對農(nóng)業(yè)技術(shù)創(chuàng)新效率的影響存在差異。具體而言，在科研產(chǎn)出階段，證券業(yè)和銀行業(yè)的集聚對農(nóng)業(yè)技術(shù)創(chuàng)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(yè)則對農(nóng)業(yè)科研產(chǎn)出效率有顯著影響，該結(jié)論與馬俊等對工業(yè)部門的研究一致。在成果轉(zhuǎn)化階段，證券業(yè)和銀行業(yè)的集聚對農(nóng)業(yè)技術(shù)創(chuàng)新效率不存在顯著影響，保險業(yè)則逆向擠出農(nóng)業(yè)技術(shù)創(chuàng)新效率?？赡艿脑蚴?，第一，中國農(nóng)業(yè)部門當前的融資方式依舊以銀行業(yè)為主，銀行業(yè)在農(nóng)業(yè)研發(fā)融資方面占據(jù)主導地位；第二，雖然中國的證券業(yè)目前存在不穩(wěn)定性及體制弊端，但其屬于直接融資的方式不需要質(zhì)押品，因此，能夠降低農(nóng)業(yè)融資的機會成本，提升農(nóng)業(yè)部門的研發(fā)效率。第三，保險業(yè)屬于間接融資方式，而且依賴于農(nóng)戶的保費投入，難以有效提升農(nóng)業(yè)技術(shù)創(chuàng)新效率。

3.4 穩(wěn)健性檢驗

盡管在分析金融集聚對農(nóng)業(yè)技術(shù)創(chuàng)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(nóng)業(yè)技術(shù)創(chuàng)新效率的因素，但是計量結(jié)果仍具有存在估計偏差的可能性。因此，在穩(wěn)健性檢驗中，本研究將基于遺漏變量的問題繼續(xù)檢驗。具體而言，除了已考慮的政府支持、人力資本水平、環(huán)境變量和對外開放水平外等控制變量外。一個地區(qū)的農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)狀況，能夠反映該地區(qū)的農(nóng)業(yè)的地位水平，農(nóng)業(yè)水平越高，則政府的重視程度、農(nóng)民的收入水平以及農(nóng)業(yè)技術(shù)創(chuàng)新效率等可能會存在差異?；诖耍狙芯坑玫谝划a(chǎn)業(yè)產(chǎn)值在地區(qū)生產(chǎn)總值中的比重來衡量農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，進一步驗證本研究計量結(jié)果的準確性。從表7中不難看出，無論是系數(shù)方向還是顯著性，銀行業(yè)、證券業(yè)和保險業(yè)的檢驗結(jié)果都和表6較為一致，證明了本研究的研究結(jié)果具有穩(wěn)健性。

表7 穩(wěn)健性檢驗
Table 7 Robustness check

變量Variable直接效應(yīng)Direct effect溢出效應(yīng)Indirect effects總效應(yīng)Total effectu1u2u1u2u1u2證券業(yè) 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(yè) 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(yè) 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(jié)論與對策建議

本研究用兩階段DEA方法，基于創(chuàng)新價值鏈視角，將農(nóng)業(yè)技術(shù)創(chuàng)新效率分解為科研產(chǎn)出率和成果轉(zhuǎn)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(yīng)和溢出效應(yīng)，得出以下結(jié)論：

首先，中國農(nóng)業(yè)科研產(chǎn)出效率和成果轉(zhuǎn)化效率普遍不高，2019年的效率值與最優(yōu)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(nóng)業(yè)技術(shù)創(chuàng)新效率，且存在溢出效應(yīng)。具體而言，證券業(yè)集聚對農(nóng)業(yè)技術(shù)創(chuàng)新效率的提升主要體現(xiàn)在科研產(chǎn)出階段，且存在溢出；保險業(yè)集聚對提升本地區(qū)的科研產(chǎn)出效率具有促進作用，但會抑制成果轉(zhuǎn)化效率的提升，且該抑制效果存在外溢；銀行業(yè)集聚對農(nóng)業(yè)技術(shù)創(chuàng)新效率的促進作用主要體現(xiàn)在科研產(chǎn)出階段的溢出效應(yīng)和成果轉(zhuǎn)化階段的直接效應(yīng)，且該結(jié)果具有穩(wěn)健性。根據(jù)以上結(jié)論，本研究提出如下建議：

1)推進金融結(jié)構(gòu)性改革，提升金融機構(gòu)服務(wù)效率。目前，我國金融機構(gòu)對農(nóng)業(yè)創(chuàng)新部門的支持依舊以傳統(tǒng)銀行業(yè)為主，且具有創(chuàng)新能力弱、重物質(zhì)押等劣勢。這反映出我國的金融體系存在結(jié)構(gòu)性問題，導致其并未充分發(fā)揮對農(nóng)業(yè)技術(shù)創(chuàng)新效率的促進作用。各類型的金融機構(gòu)要充分認識到信貸結(jié)構(gòu)調(diào)整的必要性，積極調(diào)整經(jīng)營策略，轉(zhuǎn)變傳統(tǒng)的路徑依賴，適當加大對農(nóng)業(yè)創(chuàng)新部門的支持力度。以保險業(yè)為例，要創(chuàng)新農(nóng)業(yè)保險項目，做到因地制宜、因主體制宜，加大對農(nóng)業(yè)科研項目的保險力度；簡化農(nóng)業(yè)保險的辦理手續(xù)和理賠流程，以提升其對農(nóng)業(yè)創(chuàng)新部門的服務(wù)效率。

2)完善地區(qū)金融體系，提升金融多樣化集聚水平。研究結(jié)果顯示金融集聚總體上能顯著提高農(nóng)業(yè)技術(shù)創(chuàng)新效率，但不同金融行業(yè)對農(nóng)業(yè)技術(shù)創(chuàng)新的不同階段的效率影響有所差異。因此，政府應(yīng)該適當?shù)囊龑Ы鹑跈C構(gòu)的集聚，建立區(qū)域金融中心，同時要規(guī)范金融監(jiān)管，保證金融市場的有序健康運行。具體來講，應(yīng)引導銀行業(yè)發(fā)揮其主導地位，積極了解企業(yè)的創(chuàng)新動態(tài)，提高風險識別能力，為企業(yè)提供研發(fā)資金支持；進一步規(guī)范和完善保險業(yè)和證券業(yè)的服務(wù)體系，以市場需求為導向，增強自身實力，提高服務(wù)效率。

3)加強區(qū)域良性互動，實現(xiàn)區(qū)域協(xié)調(diào)發(fā)展。要實現(xiàn)和增強金融集聚對周邊地區(qū)農(nóng)業(yè)技術(shù)創(chuàng)新效率的擴散和涓流效應(yīng)，以“先富帶后富”，各地政府必須突破地區(qū)發(fā)展局限，踐行黨中央“合作共贏，開放共享”的發(fā)展理念。一要高度重視區(qū)域發(fā)展失衡問題，積極引導金融資源和人才資源在區(qū)域間流動，加強區(qū)域間的合作；二要因地制宜構(gòu)建區(qū)域金融中心，提升金融資源的集聚效率，為農(nóng)業(yè)技術(shù)創(chuàng)新提供資金保障。