金融集聚与农业技术创新效率
——基于空间两阶段视角

汪 昊 马春艳 张俊飚

(1.华中农业大学 经济管理学院，武汉 430070； 2.华中农业大学 湖北生态文明建设研究院，武汉 430070)

中央一号文件反复强调，新时代要把技术创新作为农业发展的新动能。在政府的多重政策助推下，农业技术创新水平提升明显。据统计，“十三五”期间中国农业发明专利申请量全球第一。但不能忽视的是，2019年中国农业科技进步贡献率为59.2%，与发达国家90%的贡献率相比，仍有较大差距。中国农业的未来依赖于技术创新水平的提高，而技术创新效率的高低直接反映地区的技术创新水平。技术创新效率是技术创新活动中投入与产出的转换比率，其提升需要有效科研资金的支撑。关于科研资金对农业技术创新效率的促进作用，学术界基本达成共识。由于农业部门的弱质性，中国农业技术创新资金投入很大程度上源于政府支持。但学术界关于政府支持对技术创新效率的影响存在2种观点。一是“促进论”，即科技研发具有公共物品的属性，可能会导致市场的失灵，政府资金的支持能够弥补研发资金的不足，降低研发风险，提升创新效率。二是“抑制论”，即政府资金的投入会挤出市场资金的份额，导致市场竞争机制无法发挥作用，在一定程度上会抑制农业创新部门的积极性，从而导致低效率。基于此，本研究认为，提升农业技术创新效率既要重视政府资金，同时为保证科研资金的持续性和市场机制的有效性，又要将金融资金引入农业技术创新领域，通过金融市场激发农业的创新潜力。然而长期以来，农业部门尚未充分重视金融资本在农业技术创新进程中的不可替代性。

随着经济信息一体化和金融全球化的发展，金融资本的流动性加强。研究表明，地区金融资本和金融结构条件一旦被满足，就可能产生金融集聚的现象。近年来，随着中国金融市场改革和金融监管体系的完善，金融集聚现象十分普遍。第28期全球金融中心指数报告显示，中国已有13个城市跻身国际金融中心行列。在目前，金融集聚已然成为国内外金融体系基本形式的趋势下，研究其能否成为农业技术创新效率增长的新引擎具有十分重要的现实意义。

关于金融集聚的解释基本上沿着2种思路展开：一种是金融地理学理论。该理论将金融集聚概括为，金融参与者(银行和其他金融机构)在一定区域内进行集中交易，产生规模经济效应，从而吸引更多的参与者加入，最终产生集聚。另一种是产业集聚理论。该理论认为产业集聚是空间外部性的产物，即当产业发展到某种程度时，劳动力与其配套基础设施在某地区集中出现后形成集聚，金融集聚亦被看做一种特殊的产业集聚。学者虽对金融集聚地释义未达成共识，但其理论内涵具有一致性，即以金融产业为依托、以金融资源的配置和组合为基础、以地区集中为必要条件、以发展本产业带动其他产业为目标。

当前，理论学界对金融集聚地研究聚焦于其成因及其影响两个方面。在金融集聚的成因中，Martin通过对不同金融行业的研究发现，完全信息是金融集聚形成的动因；梁颖等基于对伦敦和新加坡的研究认为自发演化和嵌入发展是金融集聚形成的主要路径，其中，自发演化源于经济发展的原动力，通过前向和后向产业关联溢出和乘数效应推动金融集聚地形成，而嵌入发展则源于政府的推动力，通过政策扶持和引导形成区域产业集聚；黄解宇则从3个方面系统总结了金融集聚形成动因，分别是以信息流理论为基础的内在推动、区域金融成长的带动、产业集聚地推动。关于金融集聚的影响方面，学者大多关注金融集聚对技术创新的影响，并达成了一致意见，即发现金融业集聚对技术创新具有正向效应，但不同部门可能存在差异。Li等利用工业部门环境污染数据，认为金融集聚通过提高金融市场的服务效率，促进企业的技术创新，但影响效果存在行业异质性，只有银行业和证券业存在显著影响。黎杰生等、Zhang的研究也得出了相似结论。

随着研究的深入，国内不少学者开始关注金融集聚对技术创新效率的影响，其研究结论存在差异。一部分学者研究发现金融集聚抑制了创新效率。如刘和东发现市场规模和地区差异导致创新要素在区域间产生虹吸效应，造成周边地区资源缺失，效率低下。李晓光等也得到相似结论。另有学者研究后得出相反的结论，认为金融集聚促进了创新效率的提升。如余泳泽等研究发现金融集聚对工业技术创新效率存在正向溢出。还有部分学者认为金融集聚对创新效率的影响正负效应并存。如王仁祥等研究发现金融集聚对集聚程度较低地区的技术创新效率产生负向影响，对集聚度较高的地区有正向促进作用。张东等研究认为金融集聚能促进工业部门研发效率提升，但成果转化阶段存在负向效率溢出。通过以上分析不难发现，现有关于金融集聚地研究，尚未涉及农业部门。不同于其他部门，农业部门有自身的特殊性，金融集聚是否会影响农业技术创新效率，其影响程度如何呢？本研究将基于中国农业部门2000—2019年的数据，利用空间计量模型，对此问题展开探讨，以期为深化金融改革和提升农业技术创新效率提供政策建议。

1 理论分析

金融集聚影响技术创新效率存在3条可能的路径(图1)：集聚低成本效应、自我强化效应和空间外溢效应。

1.1 集聚的低成本效应

由于市场交易成本的存在，受回报率驱动的金融资本难以为农业技术创新赋能，即农业部门获取市场竞争红利存在较大的门槛。而且农业部门在实际借贷过程中，受限于其较长的生产周期，这加剧了借贷过程中的信息不对称，甚至导致道德风险问题，即市场上存在部分的农业创新部门或项目为了获取金融资金，通过散布虚假信息、伪造资格证书等，在资金总量一定的前提下，该部门会挤出具有借贷资格农业创新部门或项目的融资份额，导致市场出现劣币驱逐良币的现象。但金融集聚加速了金融信息的汇集和流通，缓解了融资双方的信息不对称，同时也降低了农业部门的融资成本。具体表现为，第一，金融机构难以对农业创新项目进行全方位、长周期的审核，从而导致农业创新部门在金融市场融资难。当金融集聚出现时，集聚的规模经济效应，加速了金融信息的汇集合资本的流动，减少了交易过程中的信息不对称，从而降低了金融中介的服务成本和农业创新部门的融资成本。这使农业创新部门能够通过金融集聚降低搜寻资金的交易成本，缩减了其拓宽融资渠道的机会成本。成本的上升必然带来“利润剩余”，这会促使农业创新部门将更多的资金用于开展技术创新活动，从而提升技术创新效率。第二，融资方式可以分为直接融资和间接融资。直接融资是指没有金融机构介入的资本融通方式，以债券市场为代表；间接融资是指有金融机构介入的资本融通方式，主要包括银行信贷市场和保险市场。金融集聚能够促进农业创新部门采用多种融资方式以满足融资需求，降低融资成本，提升融资效率。

1.2 自我强化效应

本质上，一组横向关联的企业胜过一个较大公司或一个由地理位置不相关的小公司组成的网络。一方面，根据斯密定理，市场规模扩大带动经济增长的原因在于，分工和专业化提升了部门的劳动生产率。金融集聚必然引起不同职能部门的专业化分工，从而提升其资源配置效率。相关研究表明，鉴于涉农业务具有风险大、收益低等特征，金融机构在面对农业科研项目时，往往产生“惜贷心理”，导致农业创新部门难以获取所需资金。金融集聚带来的专业化分工，和金融工具的创新，能够根据农业部门项目特点，基于专门审核流程和渠道，设立金融项目。从而提升金融部门的投资效率和农业部门的融资效率，融资效率的提升，引致农业技术创新效率的提升。另一方面，集聚也加剧了企业间的竞争，竞争是金融集聚的必然产物。在金融市场，农业创新部门为获取资金支持，需要提升自身实力，强化自身优势，才能在竞争中脱颖而出。农业创新部门自我强化的过程也是提升创新效率的过程。但不能忽视的是，农业技术创新带来大量收益的同时，也产生了不可控的风险，比如市场风险、流动性风险等。尤其在成果转化阶段，若没有完善的金融监管体制，以逐利为目标的企业在博弈过程中，会产生过度竞争现象，一定程度上会抑制转化效率。

1.3 空间外溢效应

金融集聚的空间外溢效应是指，金融集聚区的成果会通过涓流效应对周边产生影响。其原理在于，金融集聚是一个不连续又逐步累积的过程，通常最早出现于部分经济发展水平较高的中心地区。根据扩散效应，创新成果会从中心地区向规模较小的外围地区扩散。从而对周边地区产生溢出。该过程是动态过程，源于地理分散。循环因果关系理论同样强调，金融部门的集聚是从分散到集聚再到分散的过程，低成本和自我强化所产生的规模效应和网络效应，必然会受限于地区的可容纳水平和可控范围，从而向周边地区产生溢出。当本地区的农业技术创新效率较高时，一方面，能够与周边地区产生合作，促使周边地区在合作中产生模仿效应，从而带动周边地区的技术创新效率；另一方面，周边地区能够共享本地区的发展红利，譬如，完善的基础设施和优质的生产要素等，以此提升周边地区技术创新效率的提升。但当金融集聚达到一定程度后，若本地区的生产性资源不足或配套基础设施缺失，转化进程中会对周边地区资源及成果产生虹吸效应，抑制周边地区的转化效率。

综上，在学理及实证方面，已有研究对理解金融集聚与技术创新效率的关系有重要意义，但遗憾的是，鲜少有文献从金融集聚角度研究农业技术创新效率的提升问题。本研究基于价值链视角，考虑金融行业异质性，运用空间计量模型，从科研产出与成果转化两阶段分别考察了证券业、保险业和银行业金融集聚对农业技术创新效率的影响。本研究的边际贡献在于：第一，以创新价值链视角，研究从科研投入到新技术产出再到经济成果产出的两阶段过程，分别将其定义为科研产出阶段和成果转化阶段，并采用两阶段DEA方法计算两阶段的效率值。第二，在方法上，对空间计量模型进行偏微分分解，从直接效应和溢出效应角度，研究不同金融行业对两阶段创新效率的异质性影响。第三，在理论上，填补了金融集聚与农业技术创新效率相关研究的文献空缺。

2 模型与数据

2.1 模型设定

学术界常用的空间计量经济模型通常包括3种，空间滞后、空间误差和空间杜宾模型。其中，空间滞后模型常用来揭示被解释变量之间的空间交互效应，空间误差模型可以反映误差项之间的空间交互效应，而空间杜宾模型是更为广义的空间计量模型，它包含了被解释变量和解释变量之间的空间相关性。结合本研究的研究内容和目的，理论上看，空间杜宾模型更为合适。但为了保证研究的科学性，本研究根据拉格朗日乘子检验(LM-error和LM-lag)和稳健的拉格朗日乘子检验(Robust LM-error和Robust LM-lag)再次验证模型的选择。对照表1，两阶段的拉格朗日乘子检验和稳健的拉格朗日乘子检验均在5%的统计水平上拒绝了原假设，因此本研究选择空间杜宾模型更为科学。

表1 空间计量模型的选择检验
Table 1 Tests for the selection of spatial econometric models

统计指标 Statistics 科研产出效率u1Scientific research output efficiency成果转化效率u2Achievement transform efficiency系数CoefficientP值P-value系数CoefficientP值P-value空间误差模型的拉格朗日乘数检验LM-error215.3410.000131.7230.000稳健空间误差模型的拉格朗日乘数检验LM-error (Robust)17.9620.0006.5160.011空间滞后模型的拉格朗日乘数检验LM-Lag230.3710.000164.5040.000稳健空间滞后模型的拉格朗日乘数检验LM-Lag (Robust)32.9920.00039.2970.000

根据模型检测结果，具体的模型设定如下：

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：被解释变量

u

和

u

分别表示农业科研产出效率和成果转化效率；

ρ

表示空间自回归系数，用来反映地区之间农业技术创新效率溢出的大小；

X

为核心解释变量即金融集聚指标；

control

为一系列控制变量；

ε

为随机误差项；为空间权重矩阵。本研究用geoda软件生成选用反地理距离平方矩阵，具体设定方法如下：

(3)

式中：表示空间矩阵中的元素，

d

表示地区

i

和地区

j

的地理距离。

2.2 空间效应分解

空间效应包括直接效应、溢出效应(间接效应)和总效应。其中，直接效应是指区域内解释变量对农业技术创新效率的影响及区域间的反馈效应(A→B→A)；溢出效应是指本地区解释变量对区域间农业技术创新效率的影响；总效应则是直接效应和溢出效应之和。当农业技术创新效率的空间自回归系数

ρ

显著不为零时，直接用空间杜宾模型度量农业技术创新效率的空间效应会存在系统性偏差。因此，本研究对空间杜宾模型进行偏微分分解。具体而言，根据式(1)和(2)得出空间杜宾模型的一般形式，如式(4)所示：

U

=

ρU

+

φX

+

λX

+

E

(4)

式中：

U

表示农业技术创新效率，

X

包含核心解释变量和控制变量，

E

包含截距项和误差项。

进一步将式(4)整理为式(5)：

U

=(1-

ρ

)(

φX

+

λX

)+

E

(5)

因此根据式(5)，时间上从1到

N

的

M

个解释变量

X

，其对应

U

期望值的偏导数值可写为式(6)：

(6)

其中：直接效应为式(6)右等式中对角线元素，溢出效应为该等式中非对角线元素。

2.3 变量选择

2

.

3

.

1

农业技术创新效率测度的变量选择本研究的被解释变量是农业技术创新效率，关于其测算，学者们常用参数法和非参数法2种方法。参数法主要以随机前沿模型(SFA)为代表，可以将随机扰动项分解为技术无效率项和随机误差项，研究环境变量对农业技术创新的影响，但需要提前设定生产函数来估计生产前沿面。而非参数法则主要以数据包络分析(DEA)为代表，通过线性规划求解生产前沿面，不需要考虑量纲化问题与指标权重，也不需设定具体函数形式，可以有效避免由函数设置错误造成的误差。因此，本研究参照余泳泽的做法，选用两阶段DEA方法测算农业科研产出效率(

u

)和农业成果转化效率(

u

)。具体投入产出变量选择如表2所示。

表2 科研产出效率和成果转化效率测度的投入产出变量
Table 2 Input-output variables of scientific research output efficiency and results transformation efficiency measures

指标选择Indicator科研产出效率Scientific researchoutput efficiency成果转化效率Achievement transformefficiency产出指标Output indicators农业发明专利授权量第一产业增加值农业科研经费农业发明专利授权量投入指标Input indicators农业科技活动人员农业资本投入农业技术人员

1)科研产出效率测度变量的选择

投入变量：考虑到大部分农业科研活动来自科研机构和高校，基于数据可得性，将农业科技活动人员和科研经费定义为研发机构和高等院校中农业科学部分的R&D人员全时当量之和及研发经费之和。鉴于科研经费的影响在时间上具有滞后性，使用存量指标更能反映科研经费对于科研产出的影响，因此，本研究借助永续盘存法，参考朱平芳等的方法，以2000年为基期对农业科研经费进行存量核算，将科研经费的价格指数设定为消费价格指数和固定资产价格指数的加权，即农业科研经费价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数，折旧率取15%。资本存量的计算如式(7)所示：

K

=(1-

λ

)×

K

-1+

I

(7)

式中：

K

表示第

i

期的资本存量，

λ

表示折旧率，

K

-1表示

i

-1期的资本存量，

I

表示

i

期的科研经费的投入名义值。

其基期资本存量表示为式(8)：

K

=

I

/

(

g

+

λ

)

(8)

式中：

K

表示基期资本存量，

I

为基期的名义经费投入，

g

为样本期内科研经费的年均增长率。

产出变量：农业发明专利授权量。科研产出是指投入的科研经费与科研人员创造的成果，该成果多以专利类技术为主，产出形式多为专利申请量和专利授权量。本研究认为农业发明专利授权量能更好地衡量农业领域的新成果。

2)成果转化效率测度的变量选择

投入变量。选用农业技术人员、农业资本投入和产出阶段的农业发明专利授权量。农业技术人员是从事农业技术工作的人员，包括农业种植、生产管理的技术指导和农业推广人员等，该指标能够度量成果转化阶段的人力投入；农业资本投入选用的是农业固定资产投资额；考虑到固定资产投资在时间上的持续性，所以本研究参照肖文等的方法，以2000年为基期用永续盘存法对该指标进行存量计算。其中，折旧率取10%，计算方法同式(7)和(8)。

产出变量：第一产业增加值。成果转化阶段用于揭示新知识和新技术的商用性，其产出形式多为新产品。该指标的最优衡量方式为农业新产品的销售收入，但受限于数据的可得性，在农业领域缺失新产品销售收入的相关数据。本研究认为科研产出的增加能够带来经济产出的增加，而第一产业增加值能够在最终阶段直观有效的衡量成果转化后的产出来。因此，本研究选择第一产业增加值为该阶段的产出指标。并且，为消除物价变动的影响，本研究以2000年为基期，用地区生产总值指数对第一产业增加值进行平减。

2

.

3

.

2

核心解释变量

考虑到不同金融中介可能存在异质性，本研究分别选取了证券业、银行业和保险业集聚度作为核心解释变量。进一步地，参照任英华等和王仁祥等选用的区位熵方法来测量金融集聚度指标。具体计算步骤如式(9)所示：

(9)

式中：stock、insura和bank分别表示证券业集聚度、保险业集聚度和银行业集聚度，其中

E

分别表示

i

地区第

t

年农业在股票市场融资额、农业保险保费收入和农业贷款，

P

表示

i

地区第

t

年在股票市场融资总额、保费收入总额和金融机构本外币贷款总额，

q

表示第

t

年所有考察地区的农业在股票市场融资额、农业保险保费收入和农业贷款，

Q

表示所有考察地区的股票市场融资总额，保费收入总额和金融机构本外币贷款总额。

2

.

3

.

3

控制变量

基于对相关文献的整理，本研究主要选取了政府支持、人力资本水平、环境变量及对外开放水平4类变量作为控制变量，具体指标如表3所示：

表3 空间杜宾模型的指标选择
Table 3 Selection of indicators for the spatial Durbin model

变量 Variable 指标选择Indicator科研产出阶段Scientific researchoutput phase成果转化阶段Achievementtransform phase指标表示Indicatorrepresentation被解释变量Explained variable技术创新效率科研产出效率 u1成果转化效率 u2u1/u2金融集聚度证券业证券业stock核心解释变量Core explanatoryvariables保险业保险业保险业insura银行业银行业银行业bank政府支持农林水事务支出农林水事务支出gov1国家财政性教育经费国家财政性教育经费gov2控制变量Controlled variable人力资本水平平均受教育年限平均受教育年限study1研究生人数研究生人数study2环境变量农业机械化程度农业机械化程度inf1城市化率城市化率inf2对外开放水平农产品进出口农产品进出口open

1)政府支持。政府对科技创新活动的资金支持包括生产性支持和教育性支持，因此本研究主要选取农业支出、林业支出、水利支出和农业综合开发等农林水务支出水平衡量生产性政府支持(gov1)，即用农林水事务支出占财政总支出的比重来衡量。教育性支持(gov2)用国家财政教育经费表示。

2)人力资本水平。根据人力资本的外部性理论，劳动力的人力资本存量不仅对个体生产率有直接的技术外溢效应，而且体现在个体对新技术的适应能力上。鉴于此，本研究选用各地区平均受教育年限(study1)和地区农业科学的研究生人数(study2)来反映人力资本水平，以考察其对技术创新效率的影响。

3)环境特征。选取农业机械化程度(inf1)和城市化率(inf2)来考察农业生产环境和销售环境对技术创新的影响。农业机械化程度能间接反映地区的农业现代化水平，机械化程度高的地区，其对新技术的需求和接受程度可能会更高，本研究用农业机械总动力来反映地区农业机械化程度。城市化率对农业生产和研发可能具有反哺效应，一般城市化水平高的地区经济基础较好，不仅容易满足农业发展中的人、才、物需求，也会对科技成果提出更高要求，本研究用城市人口比重来衡量城市化率。

4)对外开放水平。地区在对外交往的过程中会通过模仿和竞争效应影响技术研发与转化进度，这可能会提高农业技术的创新效率。鉴于此，本研究用农产品进出口总额占GDP的比重(open)来衡量。

2

.

3

.

4

数据来源

基于数据的可获得性和可比性，本研究选用除西藏、香港、澳门及台湾以外30个省(市、自治区)2000—2019年的面板数据。数据来源于《中国科技统计年鉴》、《中国金融年鉴》、《中国农村统计年鉴》、《中国保险年鉴》、中国专利统计数据库、各省统计年鉴和国泰安数据库，其中证券相关数据通过wind数据库整理所得。

3 实证分析

3.1 农业技术创新效率

本研究运用DEAP 2.1软件对30个省份2000—2019年的农业技术创新效率进行测度，测算结果如图2所示。从总体来看，效率水平整体不高，其中，2019年农业科研产出效率和成果转化效率的均值分别为0.72和0.70，分别存在28%和30%的效率损失。从纵向来看，两阶段效率呈现不同的变化特征。农业科研产出效率总体呈现上升趋势，尤其2002—2003年的增长速度较快，2017年达到最大值0.75，可能原因是2016年新《种子法》的实施，为技术创新创造了发展环境。而成果转化效率虽总体平稳，但呈略微下降趋势，2000年效率值最高，达到0.72，2002—2004年期间以10%的速率下降，2007年效率值下降到0.58，达到历年最低水平。2012年后，国务院颁布了《关于加快推进农业科技创新持续增强农产品供给保障能力的若干意见》的一号文 件，并采取了行之有效的举措，此后成果转化效率有所回升。

3.2 空间相关性检验

为验证农业技术创新效率的空间相关性，本研究采用莫兰指数(Moran’s

I

)检验。若检验结果在统计水平上显著，则可以应用空间计量经济学理论方法，建立空间计量经济模型，对金融集聚与农业技术创新效率进行空间计量估计。莫兰指数计算方法如式(10)：

(10)

式中：表示第

i

地区的观测值。

莫兰指数的取值范围为(-1，1)，值为正表示农业技术创新效率存在正向空间相关性，值为负，则表明存在负向空间相关性。换言之，莫兰指数的绝对值越大，创新效率的空间相关性越强。具体结果如表4：

从表4可以得出，农业科研产出率和成果转化率之间存在明显的空间相关性。尽管农业科研产出效率和成果转化效率在极少数年份未通过显著性检验，但其存在空间相关性已是客观事实。值得注意的是，农业科研产出效率和成果转化效率的莫兰指数呈现出波动上升趋势，说明地区间农业技术创新效率的关联性愈发明显。

表4 莫兰指数检验
Table 4 Moran’s test

年份Year科研产出效率Scientific research output efficiency成果转化效率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：***、**、*分别表示在1%、5%和10%水平下通过了显著性检验。下同。
Note: ***, **, and * indicate passing significance tests at the 1%, 5%, and 10% levels, respectively. The same below.

3.3 空间杜宾模型估计结果和空间效应分析

3

.

3

.

1

空间杜宾模型估计结果

本研究将样本限定在中国空间位置邻近的省份，因此选用含固定效应的空间杜宾模型进行估计，结果如表5所示：

根据空间杜宾模型的估计结果，地区固定效应模型的拟合程度更高，而且空间相关系数显著不为0，因此本研究主要分析地区固定效应模型的估计结果。从表5可以得出，金融集聚、政府支持、人力资本水平、环境变量和对外开放水平都能显著提高本地区农业科研产出效率；但政府支持和对外开放水平对周边地区农业科研能产出效率具有抑制作用；金融集聚和人力资本水平对本地区成果转化效率具有促进作用；政府支持能够正向影响周边地区成果转化效率。

表5 空间杜宾模型估计结果
Table 5 Estimation results of the spatial Durbin model

变量 Variable 地区固定效应Regional fixed effects时间固定效应Time fixed effects双固定效应Double fixed effectu1u2u1u2u1u2直接影响系数 Main证券业 Stock0.004**(0.002)0.001(0.001)0.001(0.001)0.004***(0.001)0.001(0.001)0.005***(0.002)保险业 Insura0.002*(0.001)-0.001(0.001)0.001(0.001)-0.003***(0.001)0.002(0.001)-0.002**(0.001)银行业 Bank0.002(0.004)0.013***(0.005)-0.006(0.005)0.004(0.004)0.000(0.000)0.010**(0.005)农林水务支出 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(续)

变量 Variable 地区固定效应Regional fixed effects时间固定效应Time fixed effects双固定效应Double fixed effectu1u2u1u2u1u2国家财政性教育经费 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)研究生人数 Study20.020(0.013)0.018(0.127)-0.027***(0.005)0.011**(0.005)0.009(0.016)0.028*(0.014)农业机械化程度 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)对外开放水平 Open1.324***(0.450)0.342(0.444)1.761***(0.266)0.406*(0.245)2.263***(0.429)0.249(0.277)空间加权系数 Wx证券业 Stock0.012*(0.007)0.007(0.007)0.004(0.006)0.027***(0.005)0.007(0.006)0.016**(0.007)保险业 Insura0.003(0.006)-0.025***(0.005)0.003(0.006)-0.011**(0.005)0.010*(0.005)-0.021***(0.005)银行业 Bank0.015*(0.008)-0.013(0.008)0.011(0.009)0.000(0.000)0.016*(0.009)-0.010(0.008)农林水务支出 Gov10.027(0.270)-0.463(0.282)-0.188(0.376)1.433***(0.348)-0.575(0.362)0.796**(0.345)国家财政性教育经费 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)研究生人数 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)农业机械化程度 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)对外开放水平 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系数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检验统计量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检验统计量0.8380.2690.4180.0650.7130.090Log-likelihood检验统计量875.197879.131814.802862.775943.230962.225

3

.

3

.

2

空间效应分析

为进一步研究金融集聚对农业技术创新效率的影响程度，本研究对地区固定空间杜宾模型进行偏微分分解。分解结果如表6所示：

根据表6的

u

列可知，不同金融行业集聚对两阶段农业技术创新效率的影响存在差异。证券业集聚的直接效应和溢出效应分别在5%和10%水平上显著，系数分别为0.005和0.016，即证券业对本地区和周边地区的农业科研产出效率具有正向促进作用，且对周边地区的影响大于本地区。可以从3个方面解释：一是金融集聚背景下，证券业集聚加速了信息流的汇集，缓解了研发主体和金融中介的信息不对称，降低了企业的融资成本和交易成本，通过低成本效应促进技术创新效率的提升。二是证券业的高风险，激励农业科研部门在研发过程中将创新要素集中于优势板块，提升专业化程度，推陈出新，通过自我强化效应提升创新效率。三是证券业集聚达到一定阶段，投资重心会向周边地区转移对周边地区产生效率溢出，这与茹乐峰等的扩散效应的结论较为一致。保险业集聚的直接效应在10%的显著性水平上显著。但并未对周边地区产生外部性影响，这反映出处于转型阶段的农业保险部门，其投融资体系尚不完善，未能充分带动周边地区的科研产出效率。银行业集聚的直接效应在统计水平上不显著，溢出效应在10%的水平上显著，可能是由于创新的不确定性，银行更多将资金投向生产领域而非科研领域，此外银行业集聚能通过示范效应带动周边地区的银行资金的聚集，提高了周边地区科研产出效率。

表6 地区固定效应模型的分解
Table 6 Decomposition of the regional fixed effects model

变量Variable直接效应Direct effect溢出效应Indirect effects总效应Total effectu1u2u1u2u1u2证券业 Stock0.005**(0.002)0.002(0.002)0.016*(0.009)0.013(0.012)0.021**(0.010)0.016(0.014)保险业 Insura0.002*(0.001)-0.004***(0.001)0.004(0.006)-0.042***(0.011)0.006(0.007)-0.045***(0.011)银行业 Bank0.004(0.005)0.013***(0.005)0.018*(0.010)-0.013(0.014)0.021**(0.011)-0.000(0.000)农林水务支出 Gov10.088(0.154)-0.364**(0.154)0.072(0.313)-0.988**(0.424)0.161(0.329)-1.351***(0.458)国家财政性教育经费 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)研究生人数 Study20.020(0.013)0.019(0.013)-0.015(0.014)0.011(0.016)0.005(0.011)0.030**(0.014)农业机械化程度 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)对外开放水平 Open1.288***(0.462)0.053(0.482)-1.353(0.890)-4.535***(1.307)-0.065(1.083)-4.482***(1.595)

根据表6的

u

列可知，证券业集聚对本地区和周边地区的成果转化效率不显著，可能的原因是成果转化阶段关注是农业科技成果商品化的过程，但由于农业生产的周期较长以及农业受自然条件的影响较大，其产出具有不确定性，这加剧了风险和收益的不对称，加之证券市场的资金流动性较强风险性较高，一旦证券市场出现波动，科技成果转化就会有资金链断裂的风险，不能确保资金的持续投入。因此，证券业的集聚难以对成果转化效率产生促进作用。这也与薛丽丽研究高技术产业创新效率的结果一致。保险业的直接效应和溢出效应在1%的统计水平上显著，但系数分别为-0.004和-0.042，意味着保险业的集聚会抑制了农业成果转化效率。原因可能是中国农业保险市场处于改革阶段，供给和需求不匹配，资金未得到有效配置，难以为高风险的农业技术创新活动提供有效的险种支持；此外，保险业的集聚程度与处在转型期的监管体系不匹配，从而对周边地区资源或成果出现虹吸且并未有效利用，同样造成本地区资源过度冗余以至对本地区转化效率产生挤出。银行业集聚的直接效应在1%的统计水平上显著，这说明银行资金的支持能降低农业创新成果转化阶段融资成本、激励农业创新部门在竞争中自我强化，从而提高成果转化效率。

值得注意的是，根据表6所展示的总效应，不同金融机构对农业技术创新效率的影响存在差异。具体而言，在科研产出阶段，证券业和银行业的集聚对农业技术创新效率具有正向影响，且影响程度基本持平，同样作为间接融资方式的保险业则对农业科研产出效率有显著影响，该结论与马俊等对工业部门的研究一致。在成果转化阶段，证券业和银行业的集聚对农业技术创新效率不存在显著影响，保险业则逆向挤出农业技术创新效率。可能的原因是，第一，中国农业部门当前的融资方式依旧以银行业为主，银行业在农业研发融资方面占据主导地位；第二，虽然中国的证券业目前存在不稳定性及体制弊端，但其属于直接融资的方式不需要质押品，因此，能够降低农业融资的机会成本，提升农业部门的研发效率。第三，保险业属于间接融资方式，而且依赖于农户的保费投入，难以有效提升农业技术创新效率。

3.4 稳健性检验

尽管在分析金融集聚对农业技术创新效率影响的回归中，本研究尽可能的全面的考虑了影响农业技术创新效率的因素，但是计量结果仍具有存在估计偏差的可能性。因此，在稳健性检验中，本研究将基于遗漏变量的问题继续检验。具体而言，除了已考虑的政府支持、人力资本水平、环境变量和对外开放水平外等控制变量外。一个地区的农业产业结构状况，能够反映该地区的农业的地位水平，农业水平越高，则政府的重视程度、农民的收入水平以及农业技术创新效率等可能会存在差异。基于此，本研究用第一产业产值在地区生产总值中的比重来衡量农业产业结构，进一步验证本研究计量结果的准确性。从表7中不难看出，无论是系数方向还是显著性，银行业、证券业和保险业的检验结果都和表6较为一致，证明了本研究的研究结果具有稳健性。

表7 稳健性检验
Table 7 Robustness check

变量Variable直接效应Direct effect溢出效应Indirect effects总效应Total effectu1u2u1u2u1u2证券业 Stock0.000**(0.000)0.005(0.005)0.000***(0.000)0.007(0.012)0.000***(0.000)0.013(0.015)保险业 Insura0.018**(0.009)-0.009**(0.004)0.031(0.023)-0.041***(0.012)0.049(0.051)-0.050***(0.014)银行业 Bank0.006(0.005)0.004**(0.002)0.022*(0.011)-0.005(0.125)0.028**(0.013)-0.001(0.014)控制变量 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 结论与对策建议

本研究用两阶段DEA方法，基于创新价值链视角，将农业技术创新效率分解为科研产出率和成果转化率，并运用空间杜宾模型实证分析了金融集聚对两阶段效率的直接效应和溢出效应，得出以下结论：

首先，中国农业科研产出效率和成果转化效率普遍不高，2019年的效率值与最优前沿面分别存在28%和30%的差距，从效率的空间分布来看，存在明显的空间集聚特征。其次，金融集聚能显著提升农业技术创新效率，且存在溢出效应。具体而言，证券业集聚对农业技术创新效率的提升主要体现在科研产出阶段，且存在溢出；保险业集聚对提升本地区的科研产出效率具有促进作用，但会抑制成果转化效率的提升，且该抑制效果存在外溢；银行业集聚对农业技术创新效率的促进作用主要体现在科研产出阶段的溢出效应和成果转化阶段的直接效应，且该结果具有稳健性。根据以上结论，本研究提出如下建议：

1)推进金融结构性改革，提升金融机构服务效率。目前，我国金融机构对农业创新部门的支持依旧以传统银行业为主，且具有创新能力弱、重物质押等劣势。这反映出我国的金融体系存在结构性问题，导致其并未充分发挥对农业技术创新效率的促进作用。各类型的金融机构要充分认识到信贷结构调整的必要性，积极调整经营策略，转变传统的路径依赖，适当加大对农业创新部门的支持力度。以保险业为例，要创新农业保险项目，做到因地制宜、因主体制宜，加大对农业科研项目的保险力度；简化农业保险的办理手续和理赔流程，以提升其对农业创新部门的服务效率。

2)完善地区金融体系，提升金融多样化集聚水平。研究结果显示金融集聚总体上能显著提高农业技术创新效率，但不同金融行业对农业技术创新的不同阶段的效率影响有所差异。因此，政府应该适当的引导金融机构的集聚，建立区域金融中心，同时要规范金融监管，保证金融市场的有序健康运行。具体来讲，应引导银行业发挥其主导地位，积极了解企业的创新动态，提高风险识别能力，为企业提供研发资金支持；进一步规范和完善保险业和证券业的服务体系，以市场需求为导向，增强自身实力，提高服务效率。

3)加强区域良性互动，实现区域协调发展。要实现和增强金融集聚对周边地区农业技术创新效率的扩散和涓流效应，以“先富带后富”，各地政府必须突破地区发展局限，践行党中央“合作共赢，开放共享”的发展理念。一要高度重视区域发展失衡问题，积极引导金融资源和人才资源在区域间流动，加强区域间的合作；二要因地制宜构建区域金融中心，提升金融资源的集聚效率，为农业技术创新提供资金保障。