创新人才集聚、空间溢出与农业绿色全要素生产率——基于长江经济带空间面板数据的分析

孔令成 李佑平

(1.长江大学 湖北农村发展研究中心,湖北 荆州 434023;2.长江大学 经济与管理学院,湖北 荆州 434023)

一、引言与文献综述

2021年中央一号文件明确指出,要以创新推动农业的高质量发展。创新人才作为第一资源,其创新力主要来源于创新人才的集聚,其必将在推动农业高质量发展过程中发挥至关重要的作用,而农业高质量发展的核心又集中表现为农业绿色全要素生产率(Green Total Factor Productivity,GTFP)。因此,深入探究创新人才集聚与农业GTFP之间的内在规律具有重要的理论和现实意义。

创新人才集聚可以通过优化地区农业资源配置、提高农业科技创新的能力来改善区域内的农业GTFP。国内外的研究侧重于探讨培养创新人才的基石——人力资本的提高对于农业全要素生产率(Total Factor Productivity,TFP)的影响。Deininger(1995)发现人力资本质量对TFP有重要影响[1],Krugman(1991,1995)研究表明人才资本会随着产业集聚的发生在空间上集聚,对区域经济发展产生重要影响[2,3]。Herrendorf(2015)的研究表明农业与非农产业之间生产力产生差距的重要因素是人力资本[4]。国内研究中,杨钧(2019)发现人力资本投资对农业TFP有促进作用,但是空间溢出效应不显著[5]。于伟(2020)的研究结果显示,农村教育人力资本与农业TFP之间存在互促关系[6]。但是上述研究鲜有直接考察创新人才集聚对农业GTFP的影响。

通过上述梳理发现,国内外学者关于创新人才集聚与农业GTFP之间内在关系的研究不仅有理论上的解读,而且有实证上的剖析,其研究成果对于进一步深化创新人才集聚与农业GTFP之间内在规律的认识具有重要的借鉴意义。但有所不足的是,现有成果主要集中于全国或省域层面,以长江经济带农业为研究对象的较少,且未能将农业面源污染与农业碳排放纳入统一的测算体系中,再者从空间溢出效应视角进行研究的成果亦不多。长江经济带作为中华重要粮仓,其较高的农业GTFP对于推动该区域乃至全国农业高质量发展意义重大。基于此,本文以长江经济带种植业为例,采用超效率SBM-GML指数有效测度长江经济带农业GTFP,进一步运用空间杜宾模型(Spatial Durbin Model,SDM)考察该区域创新人才集聚与农业GTFP之间的内在规律,并基于研究结论提出相应的对策建议。

二、研究设计

(一)研究假设

创新人才集聚有利于促进农业绿色技术效率改善、推动农业绿色生产前沿面向前移动,带动农业GTFP增长。人才是科技创新的主体,创新人才与人力资本和区域创新能力紧密相关。创新人才意味着区域内人力资本和知识人力资本水平的提高,根据内生增长理论,人力资本和知识人力资本的提高可以直接提升生产率(Aghion,1998)[7]。同时,创新人才集聚的形成提升了知识的密度,有助于加速知识的传播(刘晔,2019)[8],进而形成规模效应,分担了创新活动的风险(徐斌,2020)[9],有利于降低创新活动发生的成本,提升地区的创新能力。创新能力的提高可以提升农业资源的配置效率,促进农业TFP的提升。同时,创新有助于推动农业绿色生产技术和污染治理技术的产生和改进,进而产生环境保护效应(聂长飞,2021)[10]。据此提出假设1。

假设1:创新人才集聚水平的提高可以促进农业GTFP增长。

由于知识具有溢出性,创新人才本身具有流动性(郭雪萌,2021)[11],因此创新人才集聚产生的创新红利会通过各种方式向周边地区蔓延,进而带动周边地区的农业技术进步和农业技术扩散。增长极理论认为,经济增长并非以同一速度发生在同一产业,因此部分地区会形成经济增长极并通过扩散效应带动周边地区的发展(曾德超,2005)[12]。在创新人才集聚的初期,创新人才可以通过人才交互的方式,促进先进生产技术和生产理念的传播,带动周边地区农业技术进步。在创新人才集聚发展的后期,创新人才资源就会向周边地区配置进而促进周边地区创新能力的提升(Glaeser,1992)[13]。据此提出假设2。

假设2:创新人才集聚会对农业GTFP增长产生正向空间溢出效应。

(二)研究方法

1.超效率SBM-GML指数

(1)超效率SBM模型。超效率SBM模型不仅规避了传统的DEA模型需要选择径向和角度带来的偏差,而且可以比较多个有效决策单元之间的效率差异,其具体表达式如下所示:

上式中,ρ代表决策单元的效率值,x与y分别代表投入和产出。s是松弛向量,λ是权重向量。当ρ大于1时,说明决策单元相对有效;当ρ小于1时,说明决策单元存在效率损失。

(2)GML指数。GML指数解决了ML指数存在线性无解的问题,其具体表达式如式(2)所示。GML指数可以进一步分解为绿色技术进步变化(GTC)和绿色技术效率变化(GEC)。上式中,若GML、GEC、GTC的取值均大于1,则表示农业GTFP提高、绿色技术效率改进和发生绿色技术进步;反之,当三者的取值小于1时,则表示农业GTFP有所降低、绿色技术效率恶化和出现绿色技术退步。

GMLt,t+1(xt+1,yt+1,bt+1;xt,yt,bt)

=GEC×GTC

(2)

2.空间杜宾模型

要考虑空间溢出效应就不能使用普通的面板模型,需要借助空间计量模型进行分析。常见的空间计量模型主要包括空间自回归模型(Spatial Autoregression Model,SAR)、空间误差模型(Spatial Error Model,SEM)模型以及SDM模型,而SAR模型和SEM模型可以看成是SDM模型的简化,用SDM模型进行分析会更加符合实际情况,因而本文选择该模型进行实证研究。其具体表达式设定如下:

(3)

上式中,y为被解释变量,x为解释变量,w代表以地理特征或者社会经济特征设定的空间权重矩阵,u为个体效应,γ为时间效应,ε为随机扰动项。

3.空间权重矩阵的构建

空间权重矩阵是一种反映区域之间空间地理关系的方式,常用的空间权重矩阵主要包括空间地理距离矩阵、空间邻接关系矩阵和空间经济距离矩阵。本文采用各省会城市间地理距离的倒数来构造基于地理距离的空间权重矩阵。假设区域i与区域j之间的距离为dij,dij代表两区域间的地理距离,可由其经纬度的坐标计算出来,那么两区域之间的空间权重可以表示为wij=1/dij。

(三)变量选取

1.长江经济带农业GTFP测度的投入产出变量选取

投入变量。参照杜红梅等(2020)[14]的研究成果,本文选取第一产业从业人员、农用化肥施用量、农业机械总动力、农作物播种面积、农药使用量、农用塑料薄膜使用量、有效灌溉面积、柴油使用量为投入变量。由于本文的研究对象为种植业,因而以农业总产值占农林牧渔业总产值的比例为权重,进而对第一产业从业人员和农业机械总动力进行折算。

产出变量。选取农业总产值(以2009年为基期进行折算)为期望产出,同时选取农业碳排放和农业面源污染作为非期望产出变量。农业碳排放参照李波(2011)[15]的研究成果,细致核算化肥、农药、农膜、农用柴油、灌溉引发的二氧化碳的排放量。农业面源污染的计算方法参照李谷成(2014)[16]的研究成果,核算化肥(氮肥、磷肥、复合肥)和农业固体废弃物(稻谷、小麦、玉米、豆类、薯类和油料)所产生的化学需氧量、总氮、总磷排放量,以及农药和农膜残留量。

2.长江经济带农业GTFP溢出效应的变量选取

被解释变量。农业GTFP(gtfp)。在上文利用超效率SBM-GML指数测算长江经济带农业GTFP的基础上,为了进一步研究该区域经济带创新人才集聚对农业GTFP的空间溢出效应,选取农业GTFP作为被解释变量。另外,借鉴展进涛(2019)[17]的方法,对农业GTFP作了累乘处理。

核心解释变量。创新人才集聚(rd)。创新人才集聚是指大量同类型的人才集聚某一地区或某一行业所形成的聚类现象,其拥有很强的空间特征。本文采用区位熵指数测度创新人才集聚水平,具体公式如下:

(4)

式(4)中,rd代表各地区创新人才的集聚程度,Tit表示地区 的R&D人员的全时当量,Ti为该地区全部就业人数,Tct表示全国R&D人员全时当量,Tc为全国就业人员总数,rd大于1说明该地区创新人才集聚程度较高,小于1则表示该地区创新人才集聚程度比较低。

控制变量。借鉴陈芳(2021)[18]、郭海红(2019)[19]等人的研究成果,选取如下变量作为控制变量:工业发展程度(ln),以第二产业增加值占总产值的比重表示;机械化水平(me),以亩均农业机械总动力反映;受灾率(dp),以受灾面积占农作物总播种面积的比重衡量;农业财政支农水平(fs),采用农业财政预算支出占总支出的比重表示;对外开放水平(op),采用进出口贸易总额占国内生产总值的比重表示。

(四)变量描述统计

考虑到数据可得性及完整性,本文选取2009～2020年长江经济带11省(市)的数据作为研究样本,所使用的数据主要来自于历年各省市统计年鉴、《中国农村统计年鉴》和《中国科技统计年鉴》。长江经济带农业GTFP的值由Maxdea7.16软件测算得到。变量的描述性统计结果见表1。

表1 变量的描述性统计结果

三、实证结果分析

(一)长江经济带农业GTFP与创新人才集聚

本文基于2009～2020年长江经济带11省市的投入产出数据,运用超效率SBM-GML指数测算出长江经济带农业GTFP,其结果如图1所示。总体来看,长江经济带2009～2020年农业GTFP呈现上升态势,在样本期间内,长江经济带农业GTFP的年均增速为4.36%,其中农业GEC增速为1.43%,GTC增速为2.12%。从图中可以看出,长江经济带农业GTFP同农业GTC的波动几乎一致,说明总体而言长江经济带农业GTFP主要是由农业GTC推动。

图1 长江经济带各年份农业GTFP变化情况 图2 长江经济带农业GTFP与创新人才集聚省际变化情况

图2展示了长江经济带不同省份在考察期内农业GTFP与创新人才集聚情况。由图2可知,农业GTFP与创新人才集聚的变动大体相同。农业GTFP与创新人才集聚都存在东西差异,创新人才集聚的东西差异极大。东部省份的农业GTFP及创新人才集聚水平高于中部和西部。东部省份经济发达,创新人才集聚水平高,其农业GTFP也相对较高。东部省份中,上海市的创新人才集聚水平高于其他省份,但其农业GTFP低于其余二省,原因在于上海市总面积较小,城市发展和建设占用面积大,种植业发展的空间不足。与上海市相反,云南省自然条件优越,因此云南省的创新人才集聚水平低于其他三省,但云南农业GTFP却高于临近省份。

(二)长江经济带创新人才集聚溢出效应

1.空间相关性检验

为了判断变量是否存在空间效应,需要对面板模型进行检验,此处采用LM检验对非SAR模型和非SEM模型进行检验,结果如表2所示。LM检验的原假设分别为滞后项不存在空间相关性和误差项不存在空间相关性,通过Spatial lag与Spatial error判断是否存在空间相关性。表中的结果显示,在5%的显著性水平下可以拒绝原假设,即误差项和滞后项均存在空间相关性,结果表明模型中变量存在空间相关性,因而使用空间计量模型是合理的。

表2 LM检验结果

2.LR检验和Wald检验

要研究自变量对因变量的空间溢出效应,一般而言采用SDM较为合适,但究竟是否如此,还需要借助LR检验和Wald检验来验证,检验结果如表3所示。从检验结果可以看出,在1%的显著性水平下,SDM模型退化为SAR模型和SDM模型退化为SEM模型的原假设均被拒绝,验证了选择SDM模型进行回归的可靠性。

表3 空间模型的Wald检验与LR检验结果

3.SDM模型估计结果

表4列举出了长江经济带创新人才集聚空间溢出效应,SDM模型中随机效应、双向固定效应、个体固定效应和时间固定效应的估计结果。通过对比上述结果发现,采用双向固定效应模型估计的Log-likelihood值最大,而其AIC、BIC的值又最小,因而本文选择带双向固定效应SDM模型回归估计的结果进行后续的分析。

表4 SDM模型的估计结果

4.系数分解与分析

区别于传统的面板回归模型,空间计量模型回归结果的系数不能直接用于解释经济含义,应该按照Lesage和Pace提出的偏微分求解的方法通过剔除反馈效应的方式将总效应进行分解(Lesage,2009)[20],一般将其分解为直接效应和空间溢出效应。直接效应反映本地区的解释变量对本地区被解释变量产生的影响,空间溢出效应是指相邻地区的解释变量对本地区的被解释变量产生的影响。对系数进行分解的结果如表5所示。

表5 直接效应、空间溢出效应和总效应

从创新人才集聚对农业GTFP增长的直接作用来看,系数分解结果显示,在1%的显著水平下,创新人才集聚的提升对农业GTFP增长产生显著的正向影响,一个地区创新人才集聚水平每增加一个单位,那么该地区农业GTFP就会提升0.411个单位。区域内创新人才集聚水平的提升有利于本地区的农业科技创新以及农业科技成果、专利的转化,更有利于该地区农业技术的进步和农业技术扩散。同时,高素质的人才也拥有先进的农业生产理念,重视对环境的保护,因而更有利于农业的高质量发展和农业GTFP的提升。

间接效应的结果显示,创新人才集聚对农业GTFP具有正向空间溢出效应,并且溢出效应大于直接效应。在1%的显著水平下,相邻地区的创新人才集聚水平每提升一个单位,本地区的农业GTFP将增加0.622个单位。这是长江经济带的创新人才集聚水平的地区差异导致的结果,从整体上看长江经济带的创新人才主要集中在长江三角洲地区。经济发展的差异造成了创新人才的高度集中,在这样的情况下,大部分地区的创新人才集聚能发挥的直接作用非常有限,因此创新人才集聚的空间溢出效应反而大于其直接作用。

从进入模型的所有变量来看,当前长江经济带的创新人才集聚对农业GTFP增长的积极作用显著,但还有待进一步的激发。无论是从直接效应还是间接效应来看,长江经济带的创新人才集聚对农业GTFP增长的影响都显著为正,比较其与其他控制变量的系数大小发现,当前对长江经济带农业GTFP增长贡献最大的是农业财政支农水平,这说明当前我国农业的高质量发展主要依赖于政府的财政补贴。

其他控制变量中,工业发展程度对农业GTFP增长存在正向空间溢出效应,其直接效应不显著。这说明本省份的工业化和相邻省份的工业化都有利于本省份农业GTFP的提高,但后续还需要进一步提高工业发展的水平和质量,让工业发展能够更显著地带动农业增效、农民增收。

农业机械化的提高对农业GTFP增长的直接效应显著为负,但空间溢出效应为正,二者存在相互抵消的现象。该结果表明本省份的农业机械化制约了本省份的农业GTFP的增长,这可能是由于随着农业机械大量投入,会对当地生态环境造成影响,从而降低了本地区的农业GTFP。周边地区的农业机械化会促进本地区的农业GTFP,可能的原因为相邻地区的农业机械化水平的提升促进了农业技术进步和农业技术扩散,从而提升了本地区的农业GTFP。

对外开放程度对农业GTFP的直接效应和总效应均为负,但空间溢出效应不显著。这是由于本省份的贸易开放促进了当地农产品贸易规模的扩大,从而增加了农业的产污数量。

(三)稳健性检验

为了进一步验证回归结果的稳健性,本文采用替换变量和改变模型两种方式进行检验。首先采用大专以上学历人口占总人口的比例来衡量创新人才集聚程度,与原来结果进行对比,结果如表6中的模型1所示。模型2、模型3分别代表经济距离和邻接关系的空间计量模型。重新回归的结果显示,模型的核心解释变量、核心解释变量的空间交互项的符号和显著性均未发生显著改变,只是数值大小有所改变,并且代表空间效应的rho值的显著性也未发生改变。因此,可以认为模型估计结果是可信的,本文的结论稳健。

表6 替换变量回归后系数分解结果

四、结论与建议

本文基于长江经济带2009～2020年的数据,采用SBM-GML指数法测算了该区域农业GTFP,并进一步采用SDM模型实证研究了创新人才集聚对农业GTFP的空间溢出效应,结果发现:

(1)长江经济带创新人才集聚能够直接促进农业GTFP增长,创新人才集聚引起地区内人力资本存量提升和农业技术创新促进农业GTFP增长,在其他条件保持不变的情况下,本地区创新人才集聚水平每增加1个单位,该地区农业GTFP将提升0.411个单位;

(2)创新人才集聚对农业GTFP增长的空间溢出效应为正,由于知识的溢出性和创新人才集聚的扩散效应,相邻地区的创新人才集聚水平同样能够促进该地区农业GTFP增长,在其他条件保持不变的情况下,相邻地区创新人才集聚水平每提升1个单位,本地区的农业GTFP将增加0.622个单位;

(3)由于长江经济带创新人才集聚地区差距极大,使得创新人才集聚的直接带动效应受到限制。东部沿海省(市)的创新人才集聚水平高,其中上海市的创新人才集聚水平极高,而中部和西部地区的创新人才集聚水平却较低,因而使得长江经济带内创新人才集聚促进农业GTFP增长的空间溢出效应大于直接效应。

基于以上结论,本文提出以下政策建议:

(1)强化农业研发支出倾斜力度,因时因地增加农业技术创新岗位。第一,在新时代背景下,由于科技是第一生产力,因此政府相关部门应该进一步强化对农业研发支出的倾斜力度,根据省情农情适度增加农业公共研发支出,加大对农业类高等院校、科研机构的投入力度,适度增加农业绿色创新研究项目和经费,吸引农业创新人才投身农业绿色技术创新活动,促进农业GTFP提升。第二,应该重点激励私人部门增加研发投入,通过拨款、资金奖励、税收返还、政企合作等形式鼓励农业企业增加研发投入,对于承接重大农业绿色技术创新项目或在当地建立农业绿色技术创新实验基地的农业企业给予贷款优惠、用地优惠和税收优惠,通过做大做强农业企业增加农业技术创新人才工作岗位,以此提升农业GTFP。

(2)实施柔性人才引进计划,引导农业科技创新人才适度集聚。第一,政府相关部门应当建立和完善农业创新人才职业资格、职称互认机制,扩大“一试一证,多地同用”的覆盖范围,鼓励农业创新人才合理流动;第二,在长江经济带内各省(市)设立流动农业技术专家点,定期安排农业技术专家“轮值”活动,鼓励农业高端创新人才的挂职和兼职;第三,可以给予在外地设有农业绿色科技研发机构的本地企业一定的奖励,鼓励中西部农业企业在东部地区设立人才飞地,充分利用知识技术的溢出性,发挥创新人才集聚的间接效应,以此提升农业GTFP水平。

(3)制定差异化人才吸引政策,优化长江经济带农业创新人才空间分布格局。第一,在创新人才集聚水平极高的上海市,适当简化海外高端农业创新人才技术移民的申请流程,重点倾向于吸引海外顶尖农业创新人才。第二,在江苏省和浙江省可以适当提高创新人才引进和落户的标准,重点吸引国内顶尖农业创新人才。第三,在长江经济带中西部省(市)可以适当放宽农业创新人才的认定、引进、落户条件,提升农业创新人才的工资待遇标准,不拘一格吸引农业创新人才形成集聚,从而提升农业GTFP水平。