论文部分内容阅读
摘要以提倡农业科技创新、加大金融支持力度为背景，利用2007—2016年省际面板数据，实证考察政策投入、商业信贷对农业科技创新效率的影响。在运用DEA模型对农业科技创新效率进行测度的基础上，采用面板数据固定效应模型实证检验政策性资金投入、商业信贷支持对农业科技创新效率的的作用效果。結果表明：商业信贷能够显著提升我国农业科技创新效率，而政策投入的影响效果因地域差异而有不同表现。
关键词农业科技创新;政策投入;商业信贷
中图分类号S-9文献标识码A
文章编号0517-6611（2020）04-0227-05
doi：10.3969/j.issn.0517-6611.2020.04.066
开放科学（资源服务）标识码（OSID）：
Policy Input， Commercial Credit and the Efficiency of Agricultural Science and Technology Innovation—Empirical Research Based on Provincial Panel Data
WANG Wen-yi，DU Jun-juan（Anhui Xinhua University，Hefei，Anhui 230088）
AbstractUnder the background of advocating agricultural science and technology innovation and increasing financial support， this paper empirically investigates the impact of policy input and commercial credit on the efficiency of agricultural science and technology innovation by using the provincial panel data of 2007-2016. Based on the DEA model to measure the efficiency of agricultural science and technology innovation， this paper uses panel data fixed effect model to empirically test the effect of policy capital investment and commercial credit support on the efficiency of agricultural science and technology innovation. The results showed that commercial credit can significantly improve the efficiency of agricultural science and technology innovation in China， and the effect of policy input varies according to regional differences.
Key wordsAgricultural science and technology innovation;Policy input;Commercial credit
2012年2月17日，中央一号文件《关于加快推进农业科技创新 持续增强农产品共给保障能力的若干意见》指出，当今时代农业科技创新应摆放在更加显赫的位置，大力依靠农业科技创新带动现代农业发展是未来工作的重点方向。回顾以往，自2004年以来，党和国家多次在中央一号文件中强调重视“三农”问题，以期提升农业科技创新效率水平。农业科技创新是实现农业现代化的现实途径和关键环节，对于我国当前农业的发展起到举足轻重的作用[1]。由此可见，研究如何优化农业科技投入渠道、以有限投入获得最大产出效率，从而最大限度发挥农业科技创新要素投入优势具有重大意义。
中国长期以来一直处于发展中国家的地位，农业基础薄弱、市场力量弱小，其科技创新与进步离不开政府的扶持。与此同时，商业信贷近年来已成为农业科技创新过程中极其重要的资金来源，在对农业科技创新效率的影响中有着举足轻重的地位。
该研究从农业科技创新这一话题引入，从实证角度出发探究中国不同区域农业科技创新效率受到政策性资金投入以及商业信贷支持影响的差异，并分析产生差异的原因，以弥补现有研究的不足，为各区域制定符合自身条件的农业发展战略提出可行性建议。
1文献回顾
1.1农业科技创新问题的研究
关于农业科技创新方面的研究，现有文献多集中于通过层次分析、聚类分析、实地调查等方法对区域或是国家层面的农业科技创新效率进行测量、对比和评价。吕作良等[2]用中国14个省份数据构建效率评价模型，实证测算各个省份的农业科技投入效率。Oluwatobi等[3]选取1996—2012年40个非洲国家的样本，采用基线方程系统通用矩量法进行技术估算。结果表明，政府有效性和监管质量是对创新影响最大的两种制度措施。因此，提高非洲的创新率，完善推动监管和提高政府效率的框架是必要的手段[3]。另有部分学者从实证角度出发，采用DEA、SFA等方法对农业科技创新效率进行测量。钱丽等[4]基于创新系统理论，将生态环境效应纳入农业创新系统效率评价框架之中，运用DEA模型测度安徽省各地市农业创新系统效率，给出了农业创新系统资源利用的模式。张莉侠等[5]采用SBM超效率模型测算了北京、上海及天津三大都市农业科技创新效率及其影响因素，结论显示，由于技术市场的发育程度、农业技术引进力度等方面的地区差异性，三大都市农业科技创新效率呈现不同的变化。陈振等[6]利用河南省各地市农业数据对其农业科技创新效率进行测算和对比分析。结果显示，河南省农业科技创新整体效率不高，且要素投入的冗余程度导致不同地市之间产出效率存在较大差异。 1.2政策支持、金融支持对农业科技创新的影响
关于农业政策性投入与农业科技创新效率的关系，国内外学者已从多方面进行了论证，并取得了较多有价值的研究成果。Fan等[7]研究发现，政府应优先考虑对农村公路和农业研究的额外投资。这类投资不仅比任何其他政府投资對贫困影响都要大得多，而且还会产生更高的农村生产率增长。王雅鹏等[8]指出，创新农业科研投入政策体系能够促进我国现代农业科技创新体系的建立和完善。但同时也有部分学者研究得出了相反的结论。Fan[9]在研究中发现，财政支农以及农业信贷对于农业经济增长和农民收入增长的作用并不显著，甚至在某些时期表现出抑制作用。李洪炼等[10]运用中部6省的面板数据对农业技术创新效率及其与政府、市场之间的关系进行了研究，结论显示中央政府对地区的农业支持对于当地科研产出效率有一定负面效应。
鉴于农业本身的脆弱性与依赖性，农业科技创新一直离不开金融的鼎力支持。良好的金融机制能购加快资本市场资金供给者与 需求者的匹配效率，进而推动农业产业持续健康发展。Ang[11]的研究结论指出：金融自由化程度的提高和金融政策的完善能够显著促进农业科技创新与产业升级转型。崔海云等[12]分析了农业龙头企业在创新开放进程中政府扶持力度与企业经营绩效之间的关系，得出企业在经营目标以及创新模式选择的差异性基础上会产生不同的政策效果。赵丽娟等[13]采用省级面板数据研究发现，农业政策性金融投入对于农业科技创新有促进作用，但这种影响效果不是十分显著。
通过对文献的梳理可知，虽然国内外学者对于金融和政策支持农业创新发展问题展开了一定程度的探讨，但是总体来看仍旧是理论文献居多，鲜少有学者从实证角度出发综合探析政策投入、商业信贷对于农业科技创新效率的作用效果;再者，现有文献在研究过程中甚少考虑农业科技创新的空间效应，具体分析政策与信贷对于农业科技创新效率影响空间差异性的文章更是少之又少。鉴于此，笔者利用省级面板数据进行实证探究。在对中国各个省份在样本年间农业科技创新效率测算的基础上，采用政策投入、商业信贷指标对其进行回归分析，同时将样本划分为中、东、西3个区域进行分样本回归，以观察作用效果的空间差异性，进而有针对性地提出建议对策。
2研究设计
2.1样本选取与数据来源
在参考前人研究文献、并考虑指标数据可获得性的基础上，为尽量保证面板数据的完整和平稳，该研究收集整理了2007—2016年中国31个省份的面板数据作为研究对象。其中，由于西藏地区的大多数数据无法通过现有资料查找到，故将其从样本中剔除。农业指标测算数据来源于《中国统计年鉴》《中国农村统计年鉴》、国家统计局网站以及中经网，部分缺失指标通过查阅各省份统计年鉴进行补充修正。政策和信贷方面的数据主要来源于《中国金融统计年鉴》以及Wind数据库。
2.2变量定义该研究选取的变量见表1。
2.2.1被解释变量的指标描述。该研究的被解释变量即为农业科技创新效率，采用DEA方法测出。在采用该模型时，能否合理地选择投入和产出指标对于有效使用DEA模型至关重要。因而，在考虑数据可获取性的基础上，综合前人研究成果，构建各省份农业科技创新投入—产出指标体系。其中，创新投入选择公有企事业单位农业技术人员、农作物耕种面积和农业机械总动力;创新产出选择农业总产值和农业专利申请授权数，以此测算出农业科技创新效率作为该研究的被解释变量。创新效率值采用Deap 2.0软件测度，由于先前科研文献中有关DEA 模型的研究和运用已相当成熟，故具体的测算过程在文章中不再赘述。
2.2.2解释变量的指标描述。
该研究的核心解释变量有2个，一个是政策投入，另一个是商业信贷。在农业政策性投入方面，农业R&D经费投入是一个较为理想的衡量指标，能够较清晰地反映出一个地区对于农业方面的政策指向和投入力度。但现有统计数据资料中并没有该具体指标的统计，且相关指标较为分散，无法调研统计。因此，该研究在查阅相关文献资料的基础上，拟采用公式“农业R&D经费投入=R&D经费×（农业总产值/地区生产总值）”进行指标处理。在分析各省份农业政策性投入资金时，该指标更加具有针对性，处理结果与实际情况更为接近。
商业信贷方面，该研究在此选取各省份农村信用社年度贷款余额作为商业信贷指标。农村信用社自成立发展以来，一直致力于组织和调度农村闲散资金，为农村经济发展提供金融服务，进而促进农业生产和农村综合发展。因而其贷款余额更加能够体现某个地区对于当地农业发展的支持力度。因此，该研究采用各省样本年间的农村商业银行贷款余额来作为衡量商业信贷的指标，能体现出财政功能与金融功能的相互融合（由于农业R&D经费投入与农信社贷款余额数值较大，因而在回归分析时均做对数处理）。
此外，由前文的理论分析部分可以看出，商业信贷对于农业科技创新效率的作用效果会受到政策投入的影响。因此，该研究另在回归模型中加入政策投入与商业信贷的乘积项，通过观察模型中乘积项的回归结果探究政策作用于信贷、进而对农业科技创新效率产生影响的作用路径。
2.2.3控制变量选取。在实际生产生活中，常会存在很多其他因素会影响到农业科技创新效率，比如农村经济发展水平、市场化程度、农村劳动力素质等据此选取如下3个指标作为回归模型中的控制变量。
（1）农村经济发展水平。农村经济发展水平能够反映出一个地区农村经济发展的现状、所达到的规模以及发展速度。而这些因素会对该地区的农业科技创新效率产生显著的影响。本文选取各省份农村居民人均纯收入作为衡量该地区农村经济发展水平的指标。农村居民人均纯收入越高，反映出一个地区农村经济发展状况越好，科技创新效率也会随之提高。
（2）劳动者受教育程度。一个国家或地区的劳动者文化素质能够在很大程度上影响该地区的经济文化发展水平。劳动者受教育程度越高，居民整体素质也越高，能够有效带动一个地区科技文化的发展进程，为科技创新输送源源不绝的动力。本文选取各省份年度普通高等学校在校生人数作为衡量该省份劳动者受教育程度指标。 （3）技术市场。从狭义看，技术市场成交量反映出一个地区科技创新成果转化的结果。成交量越大，转化力度越强，市场化程度也越高，进而带动区域农业科技创新的效率。
2.3模型构建
基于面板数据在模型中能体现更完善的信息、加强结论普适性，该研究选取我国各省份 2007—2016 年的相關数据构建面板。回归模型构建如下：
AEi，t=0+1Poi，t+2Cri，t+3-5Coni，t+εi，t（1）
AEi，t=0+1Poi，t+2Cri，t+3Po×Cri，t+4-6Coni，t+ηi，t （2）
式中，AEi，t表示第i个省份第t年的农业科技创新效率;Poi，t与Cri，t分别表示政策与信贷投入变量;Coi，t表示模型中的控制变量，即技术市场、农村经济发展水平以及劳动者素质。εi，t、ηi，t表示随时间变化的不可观测的个体异质性，即扰动项。模型（2）在模型（1）的基础上加入了Po×Cr，即政策投入与商业信贷的乘积交互项，根据式（2）可得，商业信贷对于农业科技创新效率的边际影响为：
AEi，tCri，t=2+3Poi，t（3）
交互项的引入可以帮助人们研究随着政策投入力度的变化，商业信贷对于农业科技创新效率的影响将有何种不同效果。
考虑到空间地理位置的变化对区域农业科技创新效率的影响，一个地区的科研开发会对周地区的科技经济发展产生外溢效应。因而该研究进一步将全部面板数据划分为东部地区、中部地区以及西部地区3组样本，深入探究分样本回归的结果，以期进行对比分析，从而能够有的放矢，提出适合本地区未来发展的政策建议。回归分析均采用Stata 14.0软件完成。
3实证检验和结果分析
3.1描述性统计
借助Stata 14.0 软件，变量的描述性统计结果见表2。对比不同区域统计结果可知，东部地区农业科技创新效率值始终领先，且标准差较小，表示在观测年份间农业创新力度一直维持在较高的水平，效率值相对稳定。中、西部地区农业科技创新效率值相对较小，在较为偏僻的东北、西南和中原等地，农业的发展可能长期以来处于弱势地位，与经济发展程度较高、金融发展成熟度高的东部地区有一定差距。政策投入以及商业信贷方面，3个地区表现大致相同，但西部地区的数值在[7.720，13.358]区间，波动相对较大。此外作者在整理数据时发现，西部地区近十年来政策性资金投入的力度有较大提升，可能的原因是国家西部大开发战略的效果日趋凸显。
3.2相关性检验借助 Stata 14.0 软件对模型的相关系数进行统计计算，结果汇总在表3中。
由相关性检验结果可知，回归模型中多数变量之间的相关系数值小于 0.5，说明模型中的相关指标选取较为合理。观察相关系数发现，政策投入、商业信贷指标均与农业科技创新效率呈正相关，政策、信贷投入力度越大，农业科技创新效率越高。政策与信贷的交叉项系数虽未为正，但是数值很小，可能的原因是不同地区政策对于信贷的引导效果有较大差异，影响了检验的显著性。相关性检验初步判定了模型中解释变量对被解释变量的影响方向，下文将进一步利用回归模型进行检验。
3.3回归结果分析
3.3.1模型（1）回归结果。该研究首先采用面板数据固定效应模型对模型（1）进行回归分析。表4报告了3类样本的回归结果。3个地区样本模型 P 值均为 0.000，且R2分别达到了 0.755 6、0.819 7、0.577 8，说明模型整体拟合效果较好，变量的选择是合理的。分析结果可知：
对于东部、中部地区而言，各年度农业R&D经费投入、农信社贷款余额均与农业科技创新效率呈正相关，说明该类地区政策投入和商业信贷对于农业科技创新效率均有促进作用，在加大政策与信贷投入力度的同时，农业科技创新效率也会随之提升。对比两样本地区回归系数的显著性可以发现，东部地区的政策投入对于农业科技创新效率的正向影响要大于商业信贷，说明对于农业科技创新的支持目前主要仍是依赖政策性资金的注入，而区域金融对于农业发展的带动作用并不明显;反之，中部地区在引领农业科技创新的道路上商业性金融机构的信贷力度起到了更为重要的作用。珠三角、长三角以及渤海湾区域经济发展程度较高、金融市场发展也更加成熟，区域金融对于科技创新的带动作用也更为明显。
反观西部地区，农信社贷款余额与农业科技创新效率显著正相关，而各年度农业R&D经费投入与农业科技创新效率显著负相关。这表明近年来西部地区农业科技创新的支持目前主要是依赖商业性金融资金的投入。而政策性投入资金不但没有提升农业科技创新水平，反而对其有负向作用，可能的原因是西部地区经济发展长期以来相对落后，加之农业自身的脆弱性，政策性资金投入不但没有起到很好的引领作用，反而在一定程度上抑制了农业生产的积极性，因而对农业科技创新效率造成了消极影响。
3.3.2模型（2）回归结果。
为进一步探究政策作用于信贷对于农业科技创新效率的影响效果，下文继续对模型（2）进行回归分析，结果如表5所示。分析回归结果可知，3个地区样本模型 P 值均为 0.000，且R2分别达到了 0.764 0、0.819 7、0.581 4，说明模型整体拟合效果较好。观察回归系数可以看出：
首先，在加入了交互项后，东、中部地区核心解释变量农业R&D经费、农信社贷款余额对于农业科技创新的回归结果显著为正值，表示政策投入、商业信贷对于一个地区的农业科技创新效率具有促进作用，而西部地区政策投入仍与农业科技创新效率负相关。交互项的加入并没有对原模型中解释变量对被解释变量的作用方向造成显著影响，回归结果与模型（1）基本一致，此处不再赘述。
其次，观察交互项的回归结果可知，对于中部地区而言，政策投入与商业信贷的交互项系数显著为正。这表明中部地区的支农政策在引导金融支持农业方面起到了积极带动作用，未来应强化政策在农业发展中的主导作用，积极引导金融市场，加强政府惠农政策扶持力度。而对于东部和西部地区而言，交互项的回归系数均显著为负，东部地区虽然政策和信贷对于农业科技创新的支持都有不俗的表现，但二者在结合力度上稍显薄弱，或者说政策对于商业的引导并没有很明确的指向，导致商业信贷对于农业科技创新的边际影响效果递减。而西部地区金融结构相对来说发展并不完善，金融市场发展还有待成熟，当下财政功能与金融功能没有能够很好的融合，导致政策在引导金融市场促进农业科技创新效率方面还有所欠缺。未来应该进一步加强财政功能与金融功能的有效衔接，从而使其发挥更好、更大的作用。综上所述，政策作用于信贷对于农业科技创新效率的影响效果会由于地区的差异而有所不同。 4结论与建议
4.1结论该研究在运用DEA模型对中国各省份2007—2016年农业科技创新效率进行度量的基础上，采用面板数据固定效应模型实证检验政策性资金投入、商业信贷支持对于一个地区的農业科技创新效率的的作用效果。主要结论如下：
首先，商业性金融机构的资金投入对于中国各地区的农业科技创新效率均有显著促进作用;政策性资金投入对于东、中部地区农业科技创新效率有正向作用，却对西部地区农业科技创新效率没有起到引领作用，反而对农业科技创新效率造成了消极影响。
其次，政策作用于信贷对于农业科技创新的作用效果因地区差异而有所不同。中部地区的支农政策在引导商业信贷支持农业科技创新方面起到了较为良好的积极带动作用;而对于东部和西部地区而言，财政功能与金融功能没有能够很好的融合，导致政策在引导金融市场促进农业科技创新效率方面还有所欠缺。
4.2建议
基于以上研究结论，该研究提出如下政策建议：首先，对于政府而言，应把控住农业政策性资金投入力度，同时积极引导商业性农业资金的注入，促进区域农业健康发展;其次，对于农村金融机构而言，应紧跟国家农业政策的方向，提高金融支持农业科技创新的效率，加快建立并持续完善对农业科技推广的服务机制，最大限度地发挥金融对实体经济的支持作用;最后，由于中国长期以来渐进式的发展路径，各区域在金融市场发展环境、政府管制政策等方面均有显著不同。因此，各地方政府应加强交流与合作，尽可能实现人力、资金、技术等资源的区域共享，共同致力于中国农业科技创新的发展。
参考文献
[1]
胡亮，王兴平.特殊背景与潜在矛盾：中国城镇化进程中的农业发展[J].国际城市规划，2016（1）：1-7.
[2] 吕作良，穆雪坤.中国农业科技投入效率评价模型研究：以我国部分省市为例[J].改革与战略，2013，29（8）：78-81，90.
[3] OLUWATOBI S，EFOBI U，OLURINOLA I，et al.Innovation in Africa： Why institutions matter[J].South African journal of economics，2015，83（3）：390-410.
[4] 钱丽，肖仁桥.考虑生态环境效应的农业创新系统效率研究：以安徽省为例[J].财贸研究，2012（1）：43-52.
[5] 张莉侠，俞美莲，王晓华.农业科技创新效率测算及比较研究[J].农业技术经济，2016（12）：84-90.
[6] 陈振，郑锐，李佩华，等.河南省农业科技创新效率评价与分析[J].河南农业大学学报，2018，52（3）：464-469，484.
[7] FAN S G，HAZELL P，THORAT S.Government spending，growth and poverty in rural India[J]. American journal of agricultural economics，2000，82（4）：1038-1051.
[8] 王雅鹏，吕明，范俊楠，等.我国现代农业科技创新体系构建：特征、现实困境与优化路径[J].农业现代化研究，2015（2）：161-167.
[9] FAN S G.Public investment and poverty reduction： What have we learnd from India and China[M].Tokyo： Paper Prepared for the ADBI Conference，2003：12-13.
[10] 李洪炼，马春艳.政府支持、市场化程度与农业技术创新效率：以中部6省为例[J].中国农业大学学报，2017，22（6）：189-198.
[11] ANG J B.Research，technological change and financial liberalization in South Korea[J].Journal of macroeconomics，2010，32（1）：457-468.
[12] 崔海云，施建军.开放式创新、政府扶持与农业龙头企业绩效的关系研究[J].农业经济问题，2013（9）：84-91.
[13] 赵丽娟，张玉喜，潘方卉，等.科技人力资源与资金对农业科技创新效率影响研究[J].华东经济管理，2016（1）：100-105.
关键词农业科技创新;政策投入;商业信贷
中图分类号S-9文献标识码A
文章编号0517-6611（2020）04-0227-05
doi：10.3969/j.issn.0517-6611.2020.04.066
开放科学（资源服务）标识码（OSID）：
Policy Input， Commercial Credit and the Efficiency of Agricultural Science and Technology Innovation—Empirical Research Based on Provincial Panel Data
WANG Wen-yi，DU Jun-juan（Anhui Xinhua University，Hefei，Anhui 230088）
AbstractUnder the background of advocating agricultural science and technology innovation and increasing financial support， this paper empirically investigates the impact of policy input and commercial credit on the efficiency of agricultural science and technology innovation by using the provincial panel data of 2007-2016. Based on the DEA model to measure the efficiency of agricultural science and technology innovation， this paper uses panel data fixed effect model to empirically test the effect of policy capital investment and commercial credit support on the efficiency of agricultural science and technology innovation. The results showed that commercial credit can significantly improve the efficiency of agricultural science and technology innovation in China， and the effect of policy input varies according to regional differences.
Key wordsAgricultural science and technology innovation;Policy input;Commercial credit
2012年2月17日，中央一号文件《关于加快推进农业科技创新 持续增强农产品共给保障能力的若干意见》指出，当今时代农业科技创新应摆放在更加显赫的位置，大力依靠农业科技创新带动现代农业发展是未来工作的重点方向。回顾以往，自2004年以来，党和国家多次在中央一号文件中强调重视“三农”问题，以期提升农业科技创新效率水平。农业科技创新是实现农业现代化的现实途径和关键环节，对于我国当前农业的发展起到举足轻重的作用[1]。由此可见，研究如何优化农业科技投入渠道、以有限投入获得最大产出效率，从而最大限度发挥农业科技创新要素投入优势具有重大意义。
中国长期以来一直处于发展中国家的地位，农业基础薄弱、市场力量弱小，其科技创新与进步离不开政府的扶持。与此同时，商业信贷近年来已成为农业科技创新过程中极其重要的资金来源，在对农业科技创新效率的影响中有着举足轻重的地位。
该研究从农业科技创新这一话题引入，从实证角度出发探究中国不同区域农业科技创新效率受到政策性资金投入以及商业信贷支持影响的差异，并分析产生差异的原因，以弥补现有研究的不足，为各区域制定符合自身条件的农业发展战略提出可行性建议。
1文献回顾
1.1农业科技创新问题的研究
关于农业科技创新方面的研究，现有文献多集中于通过层次分析、聚类分析、实地调查等方法对区域或是国家层面的农业科技创新效率进行测量、对比和评价。吕作良等[2]用中国14个省份数据构建效率评价模型，实证测算各个省份的农业科技投入效率。Oluwatobi等[3]选取1996—2012年40个非洲国家的样本，采用基线方程系统通用矩量法进行技术估算。结果表明，政府有效性和监管质量是对创新影响最大的两种制度措施。因此，提高非洲的创新率，完善推动监管和提高政府效率的框架是必要的手段[3]。另有部分学者从实证角度出发，采用DEA、SFA等方法对农业科技创新效率进行测量。钱丽等[4]基于创新系统理论，将生态环境效应纳入农业创新系统效率评价框架之中，运用DEA模型测度安徽省各地市农业创新系统效率，给出了农业创新系统资源利用的模式。张莉侠等[5]采用SBM超效率模型测算了北京、上海及天津三大都市农业科技创新效率及其影响因素，结论显示，由于技术市场的发育程度、农业技术引进力度等方面的地区差异性，三大都市农业科技创新效率呈现不同的变化。陈振等[6]利用河南省各地市农业数据对其农业科技创新效率进行测算和对比分析。结果显示，河南省农业科技创新整体效率不高，且要素投入的冗余程度导致不同地市之间产出效率存在较大差异。 1.2政策支持、金融支持对农业科技创新的影响
关于农业政策性投入与农业科技创新效率的关系，国内外学者已从多方面进行了论证，并取得了较多有价值的研究成果。Fan等[7]研究发现，政府应优先考虑对农村公路和农业研究的额外投资。这类投资不仅比任何其他政府投资對贫困影响都要大得多，而且还会产生更高的农村生产率增长。王雅鹏等[8]指出，创新农业科研投入政策体系能够促进我国现代农业科技创新体系的建立和完善。但同时也有部分学者研究得出了相反的结论。Fan[9]在研究中发现，财政支农以及农业信贷对于农业经济增长和农民收入增长的作用并不显著，甚至在某些时期表现出抑制作用。李洪炼等[10]运用中部6省的面板数据对农业技术创新效率及其与政府、市场之间的关系进行了研究，结论显示中央政府对地区的农业支持对于当地科研产出效率有一定负面效应。
鉴于农业本身的脆弱性与依赖性，农业科技创新一直离不开金融的鼎力支持。良好的金融机制能购加快资本市场资金供给者与 需求者的匹配效率，进而推动农业产业持续健康发展。Ang[11]的研究结论指出：金融自由化程度的提高和金融政策的完善能够显著促进农业科技创新与产业升级转型。崔海云等[12]分析了农业龙头企业在创新开放进程中政府扶持力度与企业经营绩效之间的关系，得出企业在经营目标以及创新模式选择的差异性基础上会产生不同的政策效果。赵丽娟等[13]采用省级面板数据研究发现，农业政策性金融投入对于农业科技创新有促进作用，但这种影响效果不是十分显著。
通过对文献的梳理可知，虽然国内外学者对于金融和政策支持农业创新发展问题展开了一定程度的探讨，但是总体来看仍旧是理论文献居多，鲜少有学者从实证角度出发综合探析政策投入、商业信贷对于农业科技创新效率的作用效果;再者，现有文献在研究过程中甚少考虑农业科技创新的空间效应，具体分析政策与信贷对于农业科技创新效率影响空间差异性的文章更是少之又少。鉴于此，笔者利用省级面板数据进行实证探究。在对中国各个省份在样本年间农业科技创新效率测算的基础上，采用政策投入、商业信贷指标对其进行回归分析，同时将样本划分为中、东、西3个区域进行分样本回归，以观察作用效果的空间差异性，进而有针对性地提出建议对策。
2研究设计
2.1样本选取与数据来源
在参考前人研究文献、并考虑指标数据可获得性的基础上，为尽量保证面板数据的完整和平稳，该研究收集整理了2007—2016年中国31个省份的面板数据作为研究对象。其中，由于西藏地区的大多数数据无法通过现有资料查找到，故将其从样本中剔除。农业指标测算数据来源于《中国统计年鉴》《中国农村统计年鉴》、国家统计局网站以及中经网，部分缺失指标通过查阅各省份统计年鉴进行补充修正。政策和信贷方面的数据主要来源于《中国金融统计年鉴》以及Wind数据库。
2.2变量定义该研究选取的变量见表1。
2.2.1被解释变量的指标描述。该研究的被解释变量即为农业科技创新效率，采用DEA方法测出。在采用该模型时，能否合理地选择投入和产出指标对于有效使用DEA模型至关重要。因而，在考虑数据可获取性的基础上，综合前人研究成果，构建各省份农业科技创新投入—产出指标体系。其中，创新投入选择公有企事业单位农业技术人员、农作物耕种面积和农业机械总动力;创新产出选择农业总产值和农业专利申请授权数，以此测算出农业科技创新效率作为该研究的被解释变量。创新效率值采用Deap 2.0软件测度，由于先前科研文献中有关DEA 模型的研究和运用已相当成熟，故具体的测算过程在文章中不再赘述。
2.2.2解释变量的指标描述。
该研究的核心解释变量有2个，一个是政策投入，另一个是商业信贷。在农业政策性投入方面，农业R&D经费投入是一个较为理想的衡量指标，能够较清晰地反映出一个地区对于农业方面的政策指向和投入力度。但现有统计数据资料中并没有该具体指标的统计，且相关指标较为分散，无法调研统计。因此，该研究在查阅相关文献资料的基础上，拟采用公式“农业R&D经费投入=R&D经费×（农业总产值/地区生产总值）”进行指标处理。在分析各省份农业政策性投入资金时，该指标更加具有针对性，处理结果与实际情况更为接近。
商业信贷方面，该研究在此选取各省份农村信用社年度贷款余额作为商业信贷指标。农村信用社自成立发展以来，一直致力于组织和调度农村闲散资金，为农村经济发展提供金融服务，进而促进农业生产和农村综合发展。因而其贷款余额更加能够体现某个地区对于当地农业发展的支持力度。因此，该研究采用各省样本年间的农村商业银行贷款余额来作为衡量商业信贷的指标，能体现出财政功能与金融功能的相互融合（由于农业R&D经费投入与农信社贷款余额数值较大，因而在回归分析时均做对数处理）。
此外，由前文的理论分析部分可以看出，商业信贷对于农业科技创新效率的作用效果会受到政策投入的影响。因此，该研究另在回归模型中加入政策投入与商业信贷的乘积项，通过观察模型中乘积项的回归结果探究政策作用于信贷、进而对农业科技创新效率产生影响的作用路径。
2.2.3控制变量选取。在实际生产生活中，常会存在很多其他因素会影响到农业科技创新效率，比如农村经济发展水平、市场化程度、农村劳动力素质等据此选取如下3个指标作为回归模型中的控制变量。
（1）农村经济发展水平。农村经济发展水平能够反映出一个地区农村经济发展的现状、所达到的规模以及发展速度。而这些因素会对该地区的农业科技创新效率产生显著的影响。本文选取各省份农村居民人均纯收入作为衡量该地区农村经济发展水平的指标。农村居民人均纯收入越高，反映出一个地区农村经济发展状况越好，科技创新效率也会随之提高。
（2）劳动者受教育程度。一个国家或地区的劳动者文化素质能够在很大程度上影响该地区的经济文化发展水平。劳动者受教育程度越高，居民整体素质也越高，能够有效带动一个地区科技文化的发展进程，为科技创新输送源源不绝的动力。本文选取各省份年度普通高等学校在校生人数作为衡量该省份劳动者受教育程度指标。 （3）技术市场。从狭义看，技术市场成交量反映出一个地区科技创新成果转化的结果。成交量越大，转化力度越强，市场化程度也越高，进而带动区域农业科技创新的效率。
2.3模型构建
基于面板数据在模型中能体现更完善的信息、加强结论普适性，该研究选取我国各省份 2007—2016 年的相關数据构建面板。回归模型构建如下：
AEi，t=0+1Poi，t+2Cri，t+3-5Coni，t+εi，t（1）
AEi，t=0+1Poi，t+2Cri，t+3Po×Cri，t+4-6Coni，t+ηi，t （2）
式中，AEi，t表示第i个省份第t年的农业科技创新效率;Poi，t与Cri，t分别表示政策与信贷投入变量;Coi，t表示模型中的控制变量，即技术市场、农村经济发展水平以及劳动者素质。εi，t、ηi，t表示随时间变化的不可观测的个体异质性，即扰动项。模型（2）在模型（1）的基础上加入了Po×Cr，即政策投入与商业信贷的乘积交互项，根据式（2）可得，商业信贷对于农业科技创新效率的边际影响为：
AEi，tCri，t=2+3Poi，t（3）
交互项的引入可以帮助人们研究随着政策投入力度的变化，商业信贷对于农业科技创新效率的影响将有何种不同效果。
考虑到空间地理位置的变化对区域农业科技创新效率的影响，一个地区的科研开发会对周地区的科技经济发展产生外溢效应。因而该研究进一步将全部面板数据划分为东部地区、中部地区以及西部地区3组样本，深入探究分样本回归的结果，以期进行对比分析，从而能够有的放矢，提出适合本地区未来发展的政策建议。回归分析均采用Stata 14.0软件完成。
3实证检验和结果分析
3.1描述性统计
借助Stata 14.0 软件，变量的描述性统计结果见表2。对比不同区域统计结果可知，东部地区农业科技创新效率值始终领先，且标准差较小，表示在观测年份间农业创新力度一直维持在较高的水平，效率值相对稳定。中、西部地区农业科技创新效率值相对较小，在较为偏僻的东北、西南和中原等地，农业的发展可能长期以来处于弱势地位，与经济发展程度较高、金融发展成熟度高的东部地区有一定差距。政策投入以及商业信贷方面，3个地区表现大致相同，但西部地区的数值在[7.720，13.358]区间，波动相对较大。此外作者在整理数据时发现，西部地区近十年来政策性资金投入的力度有较大提升，可能的原因是国家西部大开发战略的效果日趋凸显。
3.2相关性检验借助 Stata 14.0 软件对模型的相关系数进行统计计算，结果汇总在表3中。
由相关性检验结果可知，回归模型中多数变量之间的相关系数值小于 0.5，说明模型中的相关指标选取较为合理。观察相关系数发现，政策投入、商业信贷指标均与农业科技创新效率呈正相关，政策、信贷投入力度越大，农业科技创新效率越高。政策与信贷的交叉项系数虽未为正，但是数值很小，可能的原因是不同地区政策对于信贷的引导效果有较大差异，影响了检验的显著性。相关性检验初步判定了模型中解释变量对被解释变量的影响方向，下文将进一步利用回归模型进行检验。
3.3回归结果分析
3.3.1模型（1）回归结果。该研究首先采用面板数据固定效应模型对模型（1）进行回归分析。表4报告了3类样本的回归结果。3个地区样本模型 P 值均为 0.000，且R2分别达到了 0.755 6、0.819 7、0.577 8，说明模型整体拟合效果较好，变量的选择是合理的。分析结果可知：
对于东部、中部地区而言，各年度农业R&D经费投入、农信社贷款余额均与农业科技创新效率呈正相关，说明该类地区政策投入和商业信贷对于农业科技创新效率均有促进作用，在加大政策与信贷投入力度的同时，农业科技创新效率也会随之提升。对比两样本地区回归系数的显著性可以发现，东部地区的政策投入对于农业科技创新效率的正向影响要大于商业信贷，说明对于农业科技创新的支持目前主要仍是依赖政策性资金的注入，而区域金融对于农业发展的带动作用并不明显;反之，中部地区在引领农业科技创新的道路上商业性金融机构的信贷力度起到了更为重要的作用。珠三角、长三角以及渤海湾区域经济发展程度较高、金融市场发展也更加成熟，区域金融对于科技创新的带动作用也更为明显。
反观西部地区，农信社贷款余额与农业科技创新效率显著正相关，而各年度农业R&D经费投入与农业科技创新效率显著负相关。这表明近年来西部地区农业科技创新的支持目前主要是依赖商业性金融资金的投入。而政策性投入资金不但没有提升农业科技创新水平，反而对其有负向作用，可能的原因是西部地区经济发展长期以来相对落后，加之农业自身的脆弱性，政策性资金投入不但没有起到很好的引领作用，反而在一定程度上抑制了农业生产的积极性，因而对农业科技创新效率造成了消极影响。
3.3.2模型（2）回归结果。
为进一步探究政策作用于信贷对于农业科技创新效率的影响效果，下文继续对模型（2）进行回归分析，结果如表5所示。分析回归结果可知，3个地区样本模型 P 值均为 0.000，且R2分别达到了 0.764 0、0.819 7、0.581 4，说明模型整体拟合效果较好。观察回归系数可以看出：
首先，在加入了交互项后，东、中部地区核心解释变量农业R&D经费、农信社贷款余额对于农业科技创新的回归结果显著为正值，表示政策投入、商业信贷对于一个地区的农业科技创新效率具有促进作用，而西部地区政策投入仍与农业科技创新效率负相关。交互项的加入并没有对原模型中解释变量对被解释变量的作用方向造成显著影响，回归结果与模型（1）基本一致，此处不再赘述。
其次，观察交互项的回归结果可知，对于中部地区而言，政策投入与商业信贷的交互项系数显著为正。这表明中部地区的支农政策在引导金融支持农业方面起到了积极带动作用，未来应强化政策在农业发展中的主导作用，积极引导金融市场，加强政府惠农政策扶持力度。而对于东部和西部地区而言，交互项的回归系数均显著为负，东部地区虽然政策和信贷对于农业科技创新的支持都有不俗的表现，但二者在结合力度上稍显薄弱，或者说政策对于商业的引导并没有很明确的指向，导致商业信贷对于农业科技创新的边际影响效果递减。而西部地区金融结构相对来说发展并不完善，金融市场发展还有待成熟，当下财政功能与金融功能没有能够很好的融合，导致政策在引导金融市场促进农业科技创新效率方面还有所欠缺。未来应该进一步加强财政功能与金融功能的有效衔接，从而使其发挥更好、更大的作用。综上所述，政策作用于信贷对于农业科技创新效率的影响效果会由于地区的差异而有所不同。 4结论与建议
4.1结论该研究在运用DEA模型对中国各省份2007—2016年农业科技创新效率进行度量的基础上，采用面板数据固定效应模型实证检验政策性资金投入、商业信贷支持对于一个地区的農业科技创新效率的的作用效果。主要结论如下：
首先，商业性金融机构的资金投入对于中国各地区的农业科技创新效率均有显著促进作用;政策性资金投入对于东、中部地区农业科技创新效率有正向作用，却对西部地区农业科技创新效率没有起到引领作用，反而对农业科技创新效率造成了消极影响。
其次，政策作用于信贷对于农业科技创新的作用效果因地区差异而有所不同。中部地区的支农政策在引导商业信贷支持农业科技创新方面起到了较为良好的积极带动作用;而对于东部和西部地区而言，财政功能与金融功能没有能够很好的融合，导致政策在引导金融市场促进农业科技创新效率方面还有所欠缺。
4.2建议
基于以上研究结论，该研究提出如下政策建议：首先，对于政府而言，应把控住农业政策性资金投入力度，同时积极引导商业性农业资金的注入，促进区域农业健康发展;其次，对于农村金融机构而言，应紧跟国家农业政策的方向，提高金融支持农业科技创新的效率，加快建立并持续完善对农业科技推广的服务机制，最大限度地发挥金融对实体经济的支持作用;最后，由于中国长期以来渐进式的发展路径，各区域在金融市场发展环境、政府管制政策等方面均有显著不同。因此，各地方政府应加强交流与合作，尽可能实现人力、资金、技术等资源的区域共享，共同致力于中国农业科技创新的发展。
参考文献
[1]
胡亮，王兴平.特殊背景与潜在矛盾：中国城镇化进程中的农业发展[J].国际城市规划，2016（1）：1-7.
[2] 吕作良，穆雪坤.中国农业科技投入效率评价模型研究：以我国部分省市为例[J].改革与战略，2013，29（8）：78-81，90.
[3] OLUWATOBI S，EFOBI U，OLURINOLA I，et al.Innovation in Africa： Why institutions matter[J].South African journal of economics，2015，83（3）：390-410.
[4] 钱丽，肖仁桥.考虑生态环境效应的农业创新系统效率研究：以安徽省为例[J].财贸研究，2012（1）：43-52.
[5] 张莉侠，俞美莲，王晓华.农业科技创新效率测算及比较研究[J].农业技术经济，2016（12）：84-90.
[6] 陈振，郑锐，李佩华，等.河南省农业科技创新效率评价与分析[J].河南农业大学学报，2018，52（3）：464-469，484.
[7] FAN S G，HAZELL P，THORAT S.Government spending，growth and poverty in rural India[J]. American journal of agricultural economics，2000，82（4）：1038-1051.
[8] 王雅鹏，吕明，范俊楠，等.我国现代农业科技创新体系构建：特征、现实困境与优化路径[J].农业现代化研究，2015（2）：161-167.
[9] FAN S G.Public investment and poverty reduction： What have we learnd from India and China[M].Tokyo： Paper Prepared for the ADBI Conference，2003：12-13.
[10] 李洪炼，马春艳.政府支持、市场化程度与农业技术创新效率：以中部6省为例[J].中国农业大学学报，2017，22（6）：189-198.
[11] ANG J B.Research，technological change and financial liberalization in South Korea[J].Journal of macroeconomics，2010，32（1）：457-468.
[12] 崔海云，施建军.开放式创新、政府扶持与农业龙头企业绩效的关系研究[J].农业经济问题，2013（9）：84-91.
[13] 赵丽娟，张玉喜，潘方卉，等.科技人力资源与资金对农业科技创新效率影响研究[J].华东经济管理，2016（1）：100-105.