创新要素集聚对农业绿色技术进步空间溢出效应分析

张志新，妙丽英

（山东理工大学 经济学院，山东 淄博 095138）

1 引言与文献综述

步入新阶段后，党中央坚持“多予、少取、放活”方针，在农业生产领域获得良好成绩。然而，农业生产过程中仍存在环境污染严重、极其依赖要素投入等问题[1]。特别是农业水资源短缺、水环境恶化问题已成为阻碍农业现代化发展的核心。为此，2018 年农业农村部印发《农业绿色发展技术导则（2018—2030 年）》，提出要调动农业绿色技术各创新主体的积极性，加大对农业绿色技术创新研究和示范推广的支持力度，打造新经济增长极[2]。2022 年，《中国绿色技术创新指数报告》正式发布，指出推动绿色发展的关键在于绿色技术创新。而农业绿色技术进步是绿色技术创新的必然结果，有利于促进资源利用效率提升和资源循环利用，减少单位农业产出的资源消耗量，降低环境污染[3]。可见，在生态安全承载力不断降低的情形下，农业绿色技术进步是各地应对环境库兹涅茨拐点的首要选择[4]。

创新要素集聚是实现技术进步的关键因素[5-6]。知识经济时代下由于农业绿色技术创新能力需要持续提升，创新要素逐渐成为区域间相互抢夺的发展战略资源[7]。2020 年中共中央、国务院印发《国家创新驱动发展战略纲要》，指出要以创新要素的集聚与流动促进产业合理分工，发展生态绿色高效安全的现代农业技术，走产出高效、产品安全、资源节约、环境友好的现代农业发展道路。2022 年，国务院印发《“十四五”推进农业农村现代化规划》，提出要“发挥东部地区创新要素集聚优势，大力发展高效农业，率先基本实现农业现代化”。技术竞争理论认为，创新要素集聚能依托劳动力池效应、知识溢出引发规模经济，或通过外溢效应促进农业绿色技术创新效率提升[8]，利于带动农业现代化发展。同时，学术界的研究表明，创新要素集聚是区域创新[9]和提升创新效率的重要前提[10]，而科技创新效率提升的主要动力源是技术进步[11]。一方面，创新要素集聚通过创新传导和知识传导效应在农业生产链中发挥桥梁功能[12]，有利于农业绿色技术进步；另一方面，创新要素集聚能够引起创新人才共享、创新要素交换、创新知识产出，降低要素流动成本，影响农村间的竞争与合作模式[13]，进而改变农业绿色技术进步和溢出能力。故创新要素集聚于某一区域内，能够提升农村产业部门间绿色创新发展协作能力，从而推进农业绿色技术进步。

创新要素集聚的空间指向性较明显，主要集中在市场需求较大、经济水平良好、劳动力水平较高的地区[14]，可能会对区域农业绿色技术进步产生异质性影响。部分学者基于空间视域探讨了创新要素集聚能力[7,15-16]。吴卫红等[8]指出区域创新要素集聚已表现出多层结构，且区域间集聚程度差异偏大。还有研究表明，地理位置较近或空间集中地区内部更易形成创新活动[17]。创新要素集聚在区域创新效率[11]、高技术产业[18]层面可发挥空间溢出效应，会改变地区的劳动力、资金流入情况，使农业绿色技术进步的影响因素发生变化。

那么，创新要素集聚究竟会如何改变农业绿色技术进步影响因素的流入情况？影响农业绿色技术进步的机制为何？以上问题亟须从实证层面检验。创新要素集聚有一定的外溢特性，其流出过程是否会影响相邻区域？创新要素集聚对农业绿色技术进步的影响是否具有空间溢出效应？有无长短期效应差别？基于此，使用2010—2020 年我国31 个省份（港澳台地区除外，下同）的面板数据，结合空间因素后构建静态与动态空间杜宾模型，考察创新要素集聚对农业绿色技术进步的作用机制和空间溢出效应，并深度探究长短期效应。本文丰富了创新要素集聚与农业绿色技术进步关系的研究，对促进创新要素良性集聚、避免创新要素集聚拉大技术创新差距、扎实推动乡村振兴具有重要现实意义。

2 模型构建

2.1 变量选择和数据来源

被解释变量：农业绿色技术进步（TPC）。为消除生产函数选择与参数估计引发的误差，参考韩科振[3]、田云等[19]的研究方法，选用DEA-Malmquist 模型测算各省农业绿色全要素生产率后进行分解，从而得到农业绿色技术进步指数。其中，投入变量是资本存量、劳动力与能源消耗，期望产出是生产总值，非期望产出为SO2、废水、固废排放量以及农药无效利用量。从s时期到t时期，面向投入导向的Malmquist TFP 指数分解表达式为：

式中：TFP是农业绿色全要素生产率依次是s时期和t时期投入导向的距离函数，qs、qt代表s、t时期对应的产出，xs、xt代表s、t时期对应的投入。分解后表示s期到t期的农业绿色技术效率变化是同一时期内农业绿色技术进步变化（TPC）。

解释变量：创新要素集聚（AIE）。参考王晓君等[10]、王淑英等[20]的研究思路，将创新要素集聚（AIE）分为创新人员集聚（GIP）、创新资本集聚（ICA）。创新人员可为顺利实施科技研发活动提供人力资源保障，且高素质创新人员掌握高端技能、专业知识，有助于技术持续创新。创新人员集聚用省份创新人员/全国创新人员表示。创新资本是推动科技持续创新的关键动力，能加速打造出更多高应用价值、高质量的新成果，提升技术水平与效率。创新资本集聚以省份创新经费支出/全国创新经费支出衡量。由于本次研究并无明显偏向性，故权重均为0.5，用熵权法测算出具体数值。

控制变量：除上述变量外，还需控制其他可能会影响农业绿色技术进步的变量。参考相关文献资料[21-25]，选取如下控制变量：人力资本（HC），用平均受教育年数测量；经济发展水平（GDP），用生产总值表示；绿色技术创新（GTI），用绿色研发投入量衡量；金融发展水平（FDL），用金融业增加值/GDP 表示；进口中间品（IIP），用进料+来料的加工装配贸易进口额测算；产业结构（IS），用农村第二产业/GDP 测算。

2.2 模型构建

2.2.1 空间计量模型

空间计量模型通常有空间自回归（SAR）、空间误差项（SEM）、空间自相关（SAC）及空间杜宾（SDM）四类，而各类模型体现的传导路径有差异。SAR 模型可考察农业绿色技术进步的空间影响；SEM 模型将空间效应的来源归结于随机冲击；SAC 模型在检验时可同时考察随机冲击、农业绿色技术进步的空间影响；SDM 模型可体现创新要素集聚和农业绿色技术进步如何产生空间效应，其中，SDM 模型中含有创新要素集聚的空间滞后项，有利于弱化回归结果因遗漏变量而出现的偏差。

为用最佳模型考察创新要素集聚与农业绿色技术进步的关系，判断模型间转变条件，构建如下模型展开有关实证分析，模型如式（2）～（5）所示：

式（2）～（5）中：W是空间权重矩阵，AIEt-1为创新要素集聚的空间滞后项，Xit是控制变量，μi、γt依次为地区、时间固定效应，εit是随机误差项，ρ、α1、α2分别为农业绿色技术进步、创新要素集聚、控制变量集的空间滞后项系数。经观察可知，上述模型间具有一定的关联性。若SDM 中α2=0 或SAC 中λ=0，则原模型可转成SAR；若ρ=0 时，则SAC 能转成SEM；若满足α2=-ρα1，则SDM 可转成SEM。

考虑到农业绿色技术进步可能受上一期数据影响，本文进一步构建带有农业绿色技术进步滞后项的动态空间杜宾模型（DSDM），具体模型为：

2.2.2 空间权重

相较于普通面板分析，空间计量分析能检验空间单元间的相关性。空间权重矩阵是体现单元间相关性的关键，故选用何种矩阵至关重要。本文选取邻接空间、地理距离两种常用的空间权重矩阵展开分析。邻接空间权重矩阵（W1），W1主要通过二进制规则定义，若两地相邻，W1取值为1，反之为0。根据各省份间邻接的实际情况，遵循“后相邻”关联进行后续实证分析。为消除孤岛问题，设定海南与广东邻接。W1能体现出省份间的空间关联，且自带本地对周边地区可产生相同影响，不影响非邻近地区的假设。因W1并未考虑本地影响邻近地的程度会随距离增加而减弱，故构建地理距离空间权重矩阵（W2）。同时，在区域间地理距离的基础上设置空间权重矩阵，若i≠j，则若i=j，则Wij=0。其中，dij是两个不同省份地理中心位置之间的欧式距离，利用GeoDa软件测算。回归分析中空间权重矩阵经过行标准化，变为无量纲数据，可有效降低或去除计量单位对结论的影响，只体现出各地区间的空间相关结构。

2.2.3 数据来源

本研究使用2010—2020 年中国31 个省份的面板数据展开分析。以2010 年为基期，对相关数据进行平减，保证数据的平滑和可适用性。数据来源于《中国统计年鉴》《中国城市统计年鉴》《中国科技统计年鉴》及各省份统计年鉴。另外，W1的有关信息来源于国家地理信息系统网站，W2中各地的地理中心位置坐标通过GeoDa 软件测算。

3 创新要素集聚对农业绿色技术进步影响分析

3.1 空间相关性

3.1.1 全局空间相关性

空间计量剖析前需确定样本变量值间具有相关性。通常情况下，空间相关性用莫兰、吉尔里指数度量。其中，莫兰指数（Moran’s I）较稳定，受数据偏离正态分布的影响小，故在学界广泛应用。由此，用莫兰指数考察农业绿色技术进步（TPC）、创新要素集聚（AIE）的空间相关性，结果如表1 所示。在W1和W2两种矩阵下，农业绿色技术进步和创新要素集聚的莫兰指数均大于零且通过1%显著性检验。这说明类似性质的空间单元间容易引发集聚现象，证明“不存在空间相关性”假设不成立，可进行空间计量分析。

表1 莫兰指数

3.1.2 局部空间相关性

局部莫兰指数能体现某地周边的集聚状况。为明确各地空间关联，依次测算W1和W2情况下样本期内各年的局部莫兰指数。结果显示，农业绿色技术进步（TPC）、创新要素集聚（AIE）存在空间相关性。图1 和图2 分别为农业绿色技术进步2010 年、2020 年的莫兰散点图。由图可知，无论是2010 年还是2020 年，绝大多数省份落在第一、第三象限。这表明农业绿色技术进步存在正向空间相关性，即农业绿色技术进步较快省份周围多是高值省份，农业绿色技术进步较慢省份周围多是低值省份。

图1 2010年农业绿色技术进步莫兰散点图

图2 2020年农业绿色技术进步莫兰散点图

图3 与图4 依次为创新要素集聚2010 年、2020 年的莫兰散点图。由图可知，无论是2010 年还是2020 年，多数省份落在第一、第三象限，创新要素集聚表现为高高、低低聚集。经过以上检验可看出，农业绿色技术进步与创新要素集聚间有正空间相关性，若忽视这一相关性，将导致计量结果与实际情况间出现较大误差。

图3 2010年创新要素集聚莫兰散点图

图4 2020年创新要素集聚莫兰散点图

3.2 实证结果分析

3.2.1 模型设定检验

根据芦婷婷等[26]的研究思路，采用LR、LM、Wald 与Hausman 检验。第一步，先分析不涵盖空间效应的OLS 回归结果，并通过残差进行LM 检验。空间误差最大似然与空间滞后最大似然统计量都通过显著性检验，说明可用SEM、SAR 模型；空间误差稳健性、空间残差稳健性统计量都未通过显著性检验。第二步，采取LR 与Wald 检验。结果显示，SDM 和SAR 模型间无本质性区别，而SDM 和SEM 模型间有本质性区别，说明应使用空间杜宾模型。第三步，进行Hausman 检验。结果表明，下一步研究用固定效应模型。表2 是W1条件下的模型设定检验结果。W2条件下各种检验结果与W1条件下结果类似。

表2 模型设定检验结果

3.2.2 空间回归结果

在W1和W2条件下，依次列出静态、动态空间杜宾模型的回归结果（表3）。从模型拟合程度R2来看，在W1、W2条件下，动态空间杜宾模型的R2都比静态模型大，反映出动态模型更稳健。基于W2的动态空间杜宾模型R2最高，故下文主要针对表3中列（4）的回归结果进行分析。

表3 W1和W2下静态、动态空间杜宾模型回归结果

主要变量。从被解释变量农业绿色技术进步来看，农业绿色技术进步滞后一期（TPCt-1）的回归系数是0.621，在1%的显著水平上通过检验，体现出地区农业绿色技术进步存在时间依赖特点；农业绿色技术进步空间滞后项（W×TPC）的回归系数在W1和W2下分别为0.704、0.609，都在1% 的水平上显著。这反映出农业绿色技术进步的空间集聚特征，该特征具体表现为农业绿色技术进步较快地区会被同级别地区包围，而农业绿色技术进步较缓慢地区通常和同类地区相邻。该结果与前文空间相关分析结果一致。从创新要素集聚变量来看，创新要素集聚（AIE）的回归系数为1.405，在1%的水平上显著，说明创新要素集聚水平提高可促进农业绿色技术进步。由表3 可知，动态空间杜宾模型中创新要素集聚回归系数的绝对值小于静态模型回归系数，表明静态模型过高估计创新要素集聚对农业绿色技术进步的正向影响；创新要素集聚空间滞后项（W×AIE）的回归系数为2.567，在1%的水平上显著。这表明本地区创新要素集聚可促进邻近地区农业绿色技术进步，证实创新要素集聚对农业绿色技术进步可发挥空间溢出效应。

控制变量。人力资本、经济发展水平、绿色技术创新、金融发展水平、进口中间品、产业结构的回归系数都大于零且显著，说明控制变量均可明显促进本地农业绿色技术进步。进口中间品的空间滞后项系数不显著，体现出进口中间品仅能对本地农业绿色技术进步发挥促进作用。除进口中间品外所有控制变量的空间滞后项回归系数均显著为正，表明除进口中间品外全部控制变量均能对邻近地区农业绿色技术进步产生正向影响。

3.3 长短期效应分析

动态空间杜宾模型中含有空间、时间滞后项，可反映区域间信息交互情况，能深层次探究创新要素集聚对农业绿色技术进步的影响。简单的回归系数仅能粗略判断创新要素集聚对农业绿色技术进步的作用，无法全面体现具体作用机理。为更好地检验创新要素集聚对农业绿色技术进步影响的空间溢出效应，根据偏微分法把影响效应拆分成直接、间接与总效应。具言之，直接效应是创新要素集聚影响本地区农业绿色技术进步，可细分为创新要素集聚对农业绿色技术进步的直接影响，以及创新要素集聚通过影响其他地区创新要素集聚水平进而对本地区产生反馈效应。间接效应即空间溢出效应，包含其他地区创新要素集聚影响本地农业绿色技术进步，以及周边区域创新要素集聚对农业绿色技术进步产生影响后改变本地区农业绿色技术进步。直接效应与间接效应加和便是总效应。

静态空间杜宾模型只体现变量间长期影响，而动态模型能一起表征短期、长期影响。表4 是在W2条件下动态空间杜宾模型的长、短期效应。W1条件下各变量回归系数的方向与显著性同表4。从短期效应来看，创新要素集聚对农业绿色技术进步的直接效应（0.525）、间接效应（1.325）、总效应（1.850）都在1%的显著水平上通过检验。这表明本地创新要素集聚水平提升将促进本地农业绿色技术进步，同时推动邻近地区农业绿色技术进步，表现出显著正向空间溢出效应。从长期效应来看，创新要素集聚的三类影响都未通过显著性检验。究其缘由，创新要素集聚结果尚未形成，其长期效应暂未显露，并没有达成实际中长期均衡效应。

表4 短期、长期效应分解

综上，创新要素集聚与农业绿色技术进步之间具有正向空间溢出效应，且主要是短期效应。

3.4 稳健性检验

3.4.1 空间权重矩阵变更

由于回归结果容易因空间权重差异而产生不同结果，构建以下权重矩阵进行稳健性检验，具体结果见表5 的第（1）～第（3）行。

表5 稳健性检验

（1）地理距离倒数空间权重矩阵（W3）。W3对角线因素均是0，非对角线因素是两省中心点距离的倒数。具体矩阵式中，当i≠j时，Wij=1/dij；当i=j时，Wij=0。

（2）经济距离矩阵（W4）。矩阵对角线因素都是零，非对角线因素是1/|两省间实际人均GDP 差距|。也就是说，若i≠j，则Wij=1/|pi-pj|；若i=j，则Wij=0。其中，p表示实际人均GDP。

（3）经济及地理距离嵌套矩阵（W5）。矩阵中的因素需符合以下要求：

式中：W3是地理权重矩阵，W4是经济距离空间权重矩阵，θ值是0.5。基于上述三种不同的权重，创新要素集聚对农业绿色技术进步的直接、间接、总效应系数大小与以上检验结果存在差异，但系数的正负与显著性与前文均一致，证实上文结论稳健。

3.4.2 其余检验

通过变更农业绿色技术进步、去除极值两种途径进行稳健性检验。两种检验的详细步骤依次是：（1）参考李风琦等[27]的研究方法，将要素法计算的农业绿色技术进步替换为绿色专利授权数。其中，绿色专利IPC 编码通过世界知识产权组织发布的“IPC Green Inventory”确定。随后筛选出农业领域的绿色专利IPC 编码，并从国家知识产权局专利数据库中收集所有与绿色发明、实用新型专利有关联的数据，通过匹配发明单位地址与公开日获取各省农业绿色专利授权数。（2）对全部变量进行上下1%的缩尾处理。表5 第（4）和第（5）行的结果都是W3条件下的稳健性回归结果。由此可知，稳健性检验和基准回归结果只是系数大小不一，但显著性和影响方向都一致。

3.5 进一步分析

现阶段，区域通常会被划分成东部、中部、西部、东北四个地区，但中国创新要素集聚程度明显在东部沿海地区更高。由此，为更精准分析地区间创新要素集聚迥异，参考高宏霞等[16]的研究方法，按照“新三大区域”划分标准，考察沿海、内陆和沿边地区内二者的关系。沿海地区有京、津、冀、辽、沪、苏、浙、闽、鲁、粤；内陆地区有晋、皖、赣、豫、鄂、湘、渝、川、贵、陕、甘、青、宁；沿边地区有吉、黑、蒙、桂、云、新、藏、琼。采用上文方法测算三大区域的短期效应结果见表6。

表6 W1和W2下动态空间杜宾模型的区域异质性回归

（1）沿海和内陆地区创新要素集聚空间滞后项对农业绿色技术进步的影响显著为正，但沿边地区的影响并不明显。究其原因，沿海与内陆地区各省份间已初步形成较密切的创新要素集聚空间关联格局，可对农业绿色技术进步发挥明显作用。由于沿边地区在经济发展水平、地理位置等方面具有一定局限性，吸引创新要素的能力较弱，容易引发创新要素外流现象，进而减缓技术创新速度，以致农业绿色技术进步幅度较小。

（2）创新要素集聚会对沿海地区农业绿色技术进步产生显著促进作用，而对内陆、沿边地区农业绿色技术进步无明显影响。沿海地区创新要素集聚在W1和W2下回归系数都大于零，且都在1%的显著水平上通过检验，说明沿海地区创新要素集聚可明显推动农业绿色技术进步。内陆、沿边地区创新要素集聚的回归系数均大于零，但都不显著，这表明在内陆、沿边地区，创新要素集聚并不会对农业绿色技术进步产生显著影响。究其缘由，沿海地区各省凭借资源运输便利、发展环境较好等优势，成为投资者着重投资、开发的市场。随着许多外界资金不断流入，内陆、沿边地区的创新资本与人才被吸引到沿海地区，促使沿海地区形成创新要素集聚度高的空间格局，为推进农业绿色技术创造良好环境。内陆、沿边地区总体的创新要素集聚程度偏低，暂未孕育出有效的创新要素空间集聚效应，故对农业绿色技术进步的影响不显著。

4 研究结论与政策建议

基于31 个省份的面板数据，本文采用LMDI 分析法测量农业绿色技术进步，并构建空间杜宾模型，判断创新要素集聚对农业绿色技术进步的影响及空间溢出效应。研究结论为：

（1）创新要素集聚和农业绿色技术进步均存在显著正向空间相关性，故地区间空间联动因素不可忽略。

（2）创新要素集聚对农业绿色技术进步正向空间溢出效应明显。这意味着创新要素集聚在助力本地区农业绿色技术进步的同时，还可推动邻近地区农业绿色技术进步。

（3）创新要素集聚对农业绿色技术进步的影响以短期效应为主，长期效应尚未显现。第四，沿海、内陆地区创新要素集聚与农业绿色技术进步间存在显著正向空间溢出效应，沿边地区无明显影响。

由此，根据上述研究结果针对性提出以下助力农业绿色技术进步的策略。

（1）改善创新要素引入制度。一方面，完善相关政策，引导创新要素流入，充分发挥创新要素集聚对农业绿色技术进步的促进作用。为规避创新要素集聚过程中引发政府过度干预情况，政府设计创新要素流入管理制度时可强化市场机制作用，如积极落实林权、排污权、水权等交易推进创新要素市场化改革。同时，政府可对循环补贴、低碳补助等绿色税制进行革新，最大化引入创新要素并施展市场型创新要素集聚的激励效应。另一方面，鼓励各农村自主学习和落实创新要素引入制度，持续强化人才、资金等配套资源，逐渐规范绿色低碳可持续发展道路。其一，政府部门可根据农村实际情况实施税收优惠、绿色补贴等方式，吸引创新要素持续流入、提高集聚度，并逐渐健全创新要素引入和使用制度，激发农业企业主动进行绿色创新发展的活力。其二，村干部可带动各户村民参与各类创新要素引入、环境保护的主题活动及相关政策培训讲座，引导村民树立创新要素集聚与利用、环境管理理念，提高生产效率并推进技术创新活动。

（2）优化地区间创新要素互动机制。创新要素集聚对农业绿色技术进步的影响不仅会因产业结构、人力资本量、发展战略发生变化，还会因资源要素禀赋、经济基础、区位条件等因素出现改变。各农村应根据本地实际情况积极与其他地区建立创新要素互动渠道，均衡、优化区域间创新要素配置，充分发挥创新要素集聚的促进效应。具体而言，沿海地区科研实力、经济基础较好，可采取创新要素使用政策、市场型与自愿型环境规制激励企业主动进行绿色创新，并主动与内陆、沿边地区分享创新要素与农业绿色技术进步成果，升级整体农业生产的清洁化质量。同时，内陆、沿边地区政府应引导企业承接产业完成梯度转移，努力升级与沿海地区之间的创新要素互动机制，积极发挥创新要素集聚的空间溢出效应，促进农业绿色技术进步。此外，内陆、沿边地区还可与“一带一路”共建国家加强合作，提高创新要素互动效率和创新、模仿先进农业绿色技术，推进本地农业绿色技术进步。

（3）构建区域间农业绿色技术进步成果互通平台。经过上述检验可知，创新要素集聚既能促进本地区农业绿色技术进步，也能促进邻近地区农业绿色技术进步。虽然创新要素存在空间竞争效应，且在趋利性作用下逐渐集聚在能实现自身利益最大化的地区，但集聚后产生的技术创新成果能够流入周边地区，带动邻近地区农业绿色技术进步。由此，各省份间可健全创新要素交流体系，推动创新要素、成果逐渐从集聚中心向外流动，积极发挥创新要素集聚的正向空间效应。在此基础上，各省份间可构建农业绿色技术进步成果互通平台，推动各地区之间良性共享创新成就及创新要素，促使各地农业绿色技术进步。同时，政府可组合和整合高等院校、科研院所及国有企业支持建设的各类农业绿色技术进步成果互通平台，主动且持续向其他地区公开绿色技术研发结果。针对不同主体支持和特点的农业绿色技术进步成果互通平台，政府应建立评估考核机制，及时淘汰不达标的农业绿色技术进步成果互通平台，推进绿色技术进步。