农业科技投入对农业经济增长的驱动影响研究——基于浙江省60个县的统计数据

柯福艳，徐知渊，杨良山

(浙江省农业科学院 农村发展研究所，浙江 杭州 310021)

随着科技革命的兴起，科学技术与生产率的提高及经济、社会发展的关系越来越密切，并由此带来经济效益和经济增长质量的提高。作为现代科技的一部分，农业科技创新日新月异，在经济和社会发展中的作用更加突出，业已成为推动农业经济和农村社会发展的变革力量。我国已经建立起国家、省、市、县四级农业科技创新体系，其中，国家和省成为农业科技原始创新和技术集成方面的最主要投入来源，市、县则成为农业科技成果转化方面的重要投入来源，对推动我国农业科技创新、农业现代化建设起着桥梁作用。现有研究文献多从国家层面、省级层面探讨农业科技投入特别是资金投入对农业经济增长的影响，鲜有文献从多维角度探讨市级、县级层面农业科技投入对农业经济增长的影响。因此，从多维视角对县级农业科技投入驱动农业经济增长的作用路径与作用效果等进行系统梳理、认识和谋划，明确不同区域农业科技投入重点，使县域农业科技创新活动更好地服务农业经济发展，具有十分重要的现实意义。

浙江省地处东南沿海地区，虽然耕地资源少、地块分散、地势不平，农业发展先天优势不足，但是其农民收入已经连续36年位于全国各省区首位。据《2020年中国统计年鉴》，浙江省单位播种面积生产效益和谷物耕地生产率分别位于全国各省市第6位和第7位，农业科技创新综合能力也位居全国各省市第5位，其县域农业科技财力、人力投入经验对促进我国农业经济增长具有重要的参照与启示意义。本研究以浙江为例，在文献回顾与梳理的基础上，构建多维农业科技投入驱动农业经济增长评价模型，对县域农业科技投入驱动因素和驱动效果进行识别，揭示县域农业科技投入作用差异和区域差异。研究成果有助于丰富农业科技投入研究体系，掌握部分地区近几年的县域农业科技投入作用效果内在变化，为推动县域科技创新能力整体提升提供理论支持与决策依据。

1 文献回顾

新增长理论认为技术进步是经济长期增长的真正动因，而科技投入又是技术进步的主要因素，科技投入是全要素生产率增长的重要来源，是经济持续增长的核心因素，科技投入对经济增长起着关键性的作用。进入21世纪以来，我国对农业科技重视程度不断加强，探寻适宜的农业科技衡量指标并系统研究其作用效果在我国软科学领域一直占据重要位置，由于农业科技进步贡献率这一指标含义丰富，受到了国家农业农村部和众多研究学者的关注。但是，随着官方的正式应用和学术界的深入研究，经典的C-D函数测算方法难以适应复杂的现实情况，不少学者开始改进测评方法。这些改进使得数据获取和处理变得复杂，对既有文献测算结果进行验证变得困难重重，现有文献的测算结果几乎很难获得一致认可。

因此，不少学者致力于探讨农业科技投入对农业经济或者社会经济增长的直接作用，涌现出大量研究文献。从国家层面来看，大多数学者基于宏观数据，采用计量经济分析方法或者统计分析方法，基本上夯实了农业科技投入面均能有效提升农业经济发展水平这一结论。其中，杨剑波基于1997—2003年的数据，采用多类模型研究发现，我国农业科技投入对粮食产量影响很大，粮食产量的农业科技投入弹性系数达到6.28。王建明利用 1986—2004年的数据，发现我国农业科研投资对经济增长的作用是间接的，需要通过生产要素的科技化和生产要素结构的科技化体现。梁平等基于1971—2005年的相关数据，发现农业科技投入与农业经济增长之间存在着较强的正向交互响应作用，而且长期的响应作用程度更显著、更稳定。张红辉等基于1991—2006年的数据，采用多项式分布滞后(PDL)模型，发现尽管我国农业科技投入对农业经济增长的促进作用还不够，二者之间还未形成一种协调互动的反馈机制，但是农业科技投入与农业经济增长之间存在长期稳定的均衡关系。张淑辉等采用全国1996—2010年的数据，发现农业科研投资对农业生产率增长的作用显著，贡献率超过三分之一，并产生稳定的正向拉动作用。吴林海等基于1986—2011 年相关数据，采用向量自回归模型和脉冲响应函数，发现相对于单纯增加农业科研投入，优化农业科技资源配置对促进农业经济增长具有更加重要的意义。李兆亮等以1999—2015年为研究时段，运用空间计量经济模型实证研究，发现我国农业研究与试验发展(R&D)投入对农业经济增长的直接效应、溢出效应和总效应均显著为正。邓翔等选取2007—2017年我国31个省(自治区、直辖市)数据，采用面板回归模型进行分析，发现我国农业科技创新投入已成为农业经济增长的决定性影响要素，但仍存在规模和强度不够、区域投入不平衡、资源配置不合理、利用效率不高等问题。部分学者从省级层面也做出了类似的探讨，并得到与国家层面近似的研究结论。其中，刘敦虎等选取了2000—2015年四川省农业科研经费与农业R&D支出数据，探讨了农业科技创新投入与农业经济增长之间的关系，发现农业科技创新投入对农业经济增长具有重要的作用，但呈现滞后效应且二者未形成长期稳定的良性互动关系。吕屹云等以2009—2017 年广东省 4个区域面板数据为基础，通过建立联立方程模型，发现农业科技投入与区域经济增长之间存在正向相互作用。高秀等基于 2000—2017 年山东省时间序列数据，运用向量自回归模型(VAR)，发现山东省农业经济增长与农业领域的科技投入水平、农村劳动力、农业机械化水平存在长期稳定的动态相关关系。黄龙俊江等基于江西省 2000—2019 年数据，运用VAR模型，发现农业科技创新与农业经济发展之间存在长期稳定的正向关系，要提高农业科技创新能力，大力培养高素质农业科技创新人才。综合来看，尽管我国农业科技投入对农业经济增长的作用存在滞后性或波动性，但是长期来看呈现出正向作用。

现有文献的研究视角和研究方法较为丰富，研究结果夯实了农业科技投入对农业经济增长具有正向积极作用这一论断。在国家层面、省级层面的农业科技创新力量占据主导地位的大背景下，现有文献的研究评价尺度多集中在国家、区域、省三个层面，市级层面的研究相对较少，县级层面的研究更少。结合现有研究文献不难发现，仍有以下几点需要补充完善：一是更加基层的县级农业科技投入是否能够有效促进地方农业经济增长？二是不同地区或者不同经济发展水平县的农业科技投入对农业经济增长的边际驱动作用是否存在差异？三是不同类型农业科技投入要素对农业经济增长的驱动作用是否一致？因此，更加微观的县域实证研究会使县域农业科技投入驱动路径和驱动效果变得更加明确，能够提高县域科技支撑政策、加快农业科技成果转化的靶向性。本文拟以浙江省县域数据为基础，通过构建农业科技创新驱动农业经济增长的面板计量模型，实证分析农业科技财力、人力投入对农业经济增长的影响，得出更加细致的结论，为优化农业科技投入提供理论支持和政策建议。

2 实证分析

2.1 研究变量与数据来源

从现有文献资料来看，一般多采用第一产业总产值(AgriP)或第一产业生产总值(农业GDP)反映农业经济发展水平，考虑到农业基础规模对农业经济增长存在一定的影响，本文采用第一产业总产值表示农业经济发展水平。农业科技投入既包括资金投入，也包括人力投入，浙江县级农业创新活动基本为政府部门主导，因此，本文拟采用农业科技财政投入(AgriTI)、农业技术人员投入(AgriRS)两个变量分别表示当地农业科技财力投入和人力投入。但是，浙江县级农业科技财政投入统计数据缺失，本文将采用替代变量以探索农业科技投入对农业经济增长的驱动作用。考虑到各县科技财政投入与国民经济结构密切相关，而且在相对短暂的5年发展中在地方财政支出中的占比不会大幅变动，因此本文采用县级财政支出(AgriF)与第一产业在当地国民经济结构中占比(AgriR)的乘积(AgriFR)作为县级农业科技财政投入的替代变量。为准确地探究农业科技投入对农业经济增长的影响效果，本文增加了几个代表性控制变量：第一产业从业人数(AgriLa)、农业机械动力(AgriFM)、农作物播种面积(SACrop)和化肥折纯施用量(FertiIn)，这些变量也被较多文献采用，其中，农作物播种面积是农业耕地面积的替代变量。

本文使用官方统计数据，其中，农业科技人员投入(AgriRS)来自于《浙江省农业统计资料(2015—2019)》中的农业技术人员这一数据指标，其他数据均来自于《浙江统计年鉴》(2016—2020)。通过数据诊断发现两个问题：《浙江统计年鉴》与《浙江省农业统计资料(2015—2019)》中对县(市、区)(后文统称为“县”)一级的相关统计数据并不完全重合，而且后者中的农业科技人员投入(AgriRS)部分数据年间跳跃较大。因此，基于数据的连贯性和一致性原则，本文仅选用了 2015—2019 年60个县作为分析样本，并对跳跃幅度较大的部分农业科技人员投入(AgriRS)数据进行了平滑处理。

2.2 实证估计与分析

2.2.1 模型说明

基于 2015—2019 年 60 个县的面板数据，本文拟采用静态面板多元回归模型测评浙江省县域农业科技投入对农业经济发展的驱动影响。为了减少异方差对回归模型的不利影响，本文将解释变量与被解释变量进行对数处理，再建立多元面板回归模型。同时，假定各样本个体回归方程拥有相同的斜率，但可有不同截距项，以捕捉异质性。具体模型如下：

lg=+lg+lg+lg+lg+lg+lg+

式中,=1,……,,表示第个县，为县数量；=1,……,，表示第年，为年份长度；lg表示对数；表示第个县第年的第一产业总产值；表示第个县第年的农业科技财政投入；表示第个县第年的农业科技人员数量；表示第个县第年的农业从业人数；表示第个县第年的农业机械总动力；表示第个县第年的主要农作物播种面积；表示第个县第年的化肥折纯投入量；是代表个体异质性的随机项；为随个体与时间改变的扰动项。如果所有个体都拥有相同的回归方程,==……=,则应采用混合回归模型；如果与某个解释变量相关，则应使用固定效应模型；如果与所有解释变量都不相关，则应使用随机效应模型。

2.2.2 模型设定

浙江不仅经济发展存在区域差异，而且地理特征也存在区域差异，这些差异可能会对农业科技创新活动效果产生影响。《浙江统计年鉴(2015)》已将浙江划分为浙东北和浙西南，浙东北包括杭州市、宁波市、嘉兴市、湖州市、绍兴市、舟山市6个地级市下所有县(市、区)，浙西南包括温州市、金华市、衢州市、台州市、丽水市5个地级市下所有县(市、区)。浙东北是浙江传统鱼米之乡，耕地相对平坦，农业基础发展条件较好，而且在区位上更邻近上海，经济发展水平总体上要远好于浙西南。依据这种划定方法，60个样本县中，海宁市、慈溪市、平湖市、桐乡市、建德市、诸暨市、嵊州市、余姚市、长兴县、嘉善县、安吉县、德清县、海盐县、淳安县、桐庐县、新昌县、岱山县、宁海县、象山县、余杭区、萧山区、上虞区、柯桥区、富阳区、临安区、奉化区、鄞州区共27个县(市、区)属于浙东北，义乌市、兰溪市、东阳市、临海市、永康市、温岭市、乐清市、玉环市、瑞安市、龙泉市、江山市、浦江县、天台县、三门县、磐安县、仙居县、武义县、龙游县、缙云县、开化县、常山县、遂昌县、松阳县、青田县、永嘉县、云和县、景宁县、文成县、平阳县、庆元县、泰顺县、苍南县、金东区共33个县(市、区)属于浙西南。在这种划分基础上，本文建立3个面板数据回归模型：浙江总体、浙东北、浙西南。由于采集到的面板数据时间维度较小、横截面维度较大。因此，本研究不考虑时间变化引起数据波动可能对模型回归产生的影响，依次通过似然比(LR)检验和豪斯曼(Hausman)检验确定面板回归模型的具体形式。

首先，将模型设置为固定效应形式，用LR检验判断是否存在个体效应，如果存在个体效应，则应用面板回归模型，反之，应用普通混合模型进行回归。其次，如果存在个体效应，进一步建立随机效应模型，采用Hausman检验判断应建立固定效应模型还是随机效应模型。先后两次检验结果如表1所示。检验结果显示，浙江总体、浙东北、浙西南3个分区回归模型均应设置为固定效应模型。

表1 似然比检验和豪斯曼检验结果

2.2.3 回归结果分析

依据上述分析结果，本文采用面板固定效应模型对浙江总体、浙东北、浙西南分别进行回归。回归结果如表2。

表2 总体、浙东北、浙西南三类地区回归结果

回归结果显示，农业科技财政投入对农业经济增长有显著的正向作用，农业科技财政投入每增加1%，总体上第一产业总产值增加0.251%，浙东北农业总产值增长0.217%，浙西南第一产业总产值增长0.296%。这一结果说明强有力的农业科技投入能够促进地方农业经济有效增长，而且对浙西南的正向边际作用更加突出。在国家和区域层面，也有较为接近的研究结论，邓翔等指出，农业科技资金投入对农业经济增长的促进作用要高于农业科技人员投入的促进作用，对中部、西部的促进作用要高于对东部的促进作用。县域农业科技人员投入并没有在浙江总体第一产业增长中显示出确定性正向作用，但是却在浙东北表现出积极的正向作用，在浙西南表现出负向作用。这个结果表明，浙江县级农业科技人员配置可能存在较大差异，浙东北的农业技术人员配置可能更加有效率，而浙西南的农业科技人员配置可能与其当前的现代农业发展需求不相匹配。进一步数据分析发现，浙西南单位耕地面积农业科技人员配置数量是浙东北的1.56倍，农业科技人员错配或冗余可能是导致浙西南农业科技人员没有发挥应有作用的主要原因。浙江不同区域农业科技人员作用差异这一研究结果与吴林海等的研究结果类似，优化农业科技资源配置也是发挥农业科技推动农业经济增长的重要选择之一。

在3个回归模型中，控制变量第一产业就业人数对浙江总体、浙东北、浙西南的农业经济增长均未表现出确定性正向作用，说明浙江农业劳动力没有达到充分就业状态，农业劳动力虽然表现出人员不足和农忙季节用工难，但是同时也表现出大量兼业人员的存在和农业劳动力老龄化等问题，需要持续有力地推进新型农业经营主体培育。这一研究结果与部分研究学者的结论相似，如邓翔等研究认为，我国农业劳动力投入要素边际作用下降；高秀等研究发现，山东省的农业劳动力的短期边际作用为负，长期来看边际作用也在下降。除此之外，农业机械总动力投入对浙东北、浙西南的农业经济发展没有表现出确定性的作用，而且在总体上表现出负向作用，究其原因可能是浙江农业机械设备老旧且与农业产业结构不相匹配导致的。据《中国统计年鉴(2020)》，浙江单位播种面积农业机械总动力排在全国第5位，远高于农业生产结构近似的福建省和地理区位相邻的江苏省，但是当前最主要农作物水稻的耕种收综合机械化率仅为82.5%，低于全国平均水平2.5百分点，整体来看，虽然浙江农业机械动力处于较高水平，但是生产效率较低。在全省大力实施科技强农、机械强农“双强”行动背景下，浙江需要加快高能耗老旧农业机器设备更新换代步伐，同时也要加强与农业生产特点更加匹配的小型高效农业机械设备的研发与推广，增强农业机械设备物质条件对现代农业的支撑作用，充分提升农业机械总动力的正向作用。

从总体作用来看，控制变量农作物播种面积扩张和化肥投入对农业经济增长表现出积极的正向作用，而且前者的积极作用要显著优于后者，即生产规模的扩大带来的边际正向效果要优于化肥投入带来的边际效果。从区域差异来看，浙东北农业经济增长主要依赖农作物播种面积的扩张，化肥投入对农业经济增长的边际效用微乎其微；浙西南农业经济增长不仅依赖农作物播种面积的扩张，同时也依赖化肥投入的增加。对浙东北来说，通过提高复种指数以增加农作物播种面积是促进农业经济增长的最有效手段；对浙西南来说，通过提高复种指数增加播种面积和增加化肥投入均是促进农业经济增长的有效手段。这一研究结果反映出浙西南地区通过增加化肥投入促进农业经济增长的潜在动力远高于浙东北地区。

3 小结与政策建议

本文在文献回顾的基础上，以浙江省60个县(市、区)为样本，运用 2015—2019 年面板数据进行固定效应模型实证分析，结果发现：①农业科技财政投入总体上与农业经济增长呈正相关关系，但其对浙西南农业经济增长的正向作用较其对浙东北的正向作用高出36%，反映出浙西南农业科技财政投入更加稀缺。②农业科技人员投入仅对浙东北农业经济增长表现出正向作用，对浙西南没有表现出正向作用，说明浙西南农业科技人员资源可能存在错配，与农业生产结构或现代农业生产方式不相匹配。③部分控制变量也对浙江县域农业经济增长存在影响，而且影响差异较大。其中，第一产业从业人数与农业机械动力投入均未对浙江县域农业经济增长表现出正向关系，农作物播种面积和化肥折纯投入均表现出积极的正向作用，而且总体上前者的积极作用要显著高于后者，即农作物种植规模的扩大带来的边际正向效果优于化肥施用量的增加。

浙江于2021年起大力实施科技强农、机械强农“双强”行动，作为全省农业高质量发展的强大动力和鲜明标志。为更好地推进这一行动，切实发挥农业科技对农业经济增长的驱动作用甚至引领作用，结合本研究结果，浙江需要做出相应的政策调整。具体包括：①持续加大农业科技财政投入特别是针对浙西南欠发达地区，为农业经济持续增长创造有利条件。可以整合农业财政投入资金，提升农业科技财政支持力度，搭建农业科技创新平台与载体、扶持发展种子种苗产业、推动农产品加工业技术改造等，集聚更多农业科技创新资源和创新手段，进一步提升农业科技财政投入的正向作用。②加强县域农业科技人才队伍建设，重点加强浙东北农业科技人员的引培，优化浙西南农业科技人员的配置。一方面，要引培一批青年农业科技人员，提升农业科技人员素质；另一方面，要根据地方农业主导产业发展变化，合理配置农业科技人员，确保农业科技人员与地方农业产业发展相匹配。③加强新型农业生产主体队伍建设，提升主体生产效能；加快高能耗农业机械设备更新换代，加强适用农业机械设备研发与推广；提高农业复种指数和化肥利用效率等。

由于缺乏相应的数据，本文使用地方财政支出和第一产业占比的乘积数据替代了农业科技投入这一指标，对研究的严谨性和结果的精准性可能产生些许影响，未来需要在数据可得情况下进行更加精准的分析。