中國省域間農業科技知識流動及其空間相互作用分析

姚輝，趙曉園，高啟杰(中國農業大學人文與發展學院，北京100193)0引言2019、2020年中央一號文件提出，要加快突破農業關鍵核心技術；2021年中央一號文件提出要通過“強化現代農業科技和物質裝備支撐”“打好種業翻身仗”“推進農業綠色發展”，加快推進農業現代化建設；要在耕地紅線下“提升糧食和重要農產品供給保障能力”。以上目標與實現路徑無不對我國農業科技發展提出更高要求。當前我國農業科研體系呈現為國家—省—地市—縣的梯形結構，層級分工合理，資源配置優化[1]。各省域農業科技主要服務于國家層面、各行政區劃的農業科技安排，從而有利于國家集中農業科技優勢資源開展農業核心技術攻關。由于我國各省域農業資源稟賦不均衡，各省域農業科技實力亦差距較大，部分省域需要依賴其它省域的農業技術支持，即省域間需要開展跨地域、跨行業的農業科技合作交流，這樣才能彌補部分省域農業科技實力的不足[2]。然而，限于農業科技體制弊端，各省域對于如何開展省域間農業科技合作交流缺乏一定方向性，省域間較少開展農業科技合作。為解決各省域農業科技供需與協調不足，實施創新實體化、一體化、共建共享等運行機制，中國農業農村部于2019年[3]、2021年[4]分兩批次共認定51個國家農業科技創新聯盟(產業聯盟24個，區域聯盟18個，專業聯盟9個)，構建了農業產業上中下游協同攻關的新模式、共建共享共用農業科技資源的新平臺、多學科集成綜合解決區域農業問題的新途徑，旨在以農業科技聯盟打破區域間農業科技資源流通壁壘。然而，當前聯盟還存在“行業細分不夠、聯盟數量不足”的問題。因此，厘清我國不同地域、不同行業農業科技發展優勢，結合各省域農業科技結構、資源稟賦，針對性加大農業科技合作交流，形成區域間農業科技優勢合作互補，有利于各省域農業生產提質增量。1文獻回顧省域間的農業科技合作涉及資金、人力、知識等要素流動，本文將聚焦于農業科技的核心要素“知識”。知識要素一直備受學者們的關注，尤其是關于知識要素流動的探討，相關研究主要集中在產學研協同創新、產業集群、知識(社會、創新)網絡、科技創新體系、組織間學習、空間知識溢出等方面[5-9]。1.1區域間知識流動知識要素在地理空間上的流動呈現出高度選擇性和不均衡性，并不必然溢出到區域內的每個角落，也不會局限在某一區域內傳播，而可能突破地域限制，與其它區域發生知識交互，形成區域間的知識要素流動，從而在區際產生一定空間交互作用[10]，進而促進區域間知識要素流動。區域知識流動往往發生在地理距離較近的節點間，地理鄰近有助于發揮蜂鳴能力。高質量地方蜂鳴、有效的戰略聯盟有利于實現跨區知識傳播[11-12]。若區域本地蜂鳴特征不顯著，將導致外部主體難以獲取區域內部知識：一方面，過度的地理鄰近會阻礙新知識進入，削弱區域主體創新能力，導致知識空間鎖定，解除上述鎖定的有效方式是積極融入外部世界，與外部保持高頻聯系以獲取更多創新知識[13-14]；另一方面，過低的地理鄰近會導致信息傳遞存在偏差，不利于區域組織間開展知識交互[15-16]。區際知識流動也會受到技術鄰近距離的影響，這是由于區域創新主體的技術知識與知識結構具有較高交叉性、重疊性，有助于對彼此轉移的知識進行編碼和吸收，因此區域間極易發生知識流動；反之，如果技術知識、知識結構存在較大差異，就會降低創新主體知識吸收能力[17-18]，導致區域間不易發生知識流動。此外，關于知識流動的刻畫，現有學者借鑒病毒傳播、液體流動、空氣傳播等原理進行仿真，也有借用專利引文數據、文獻引用、合作論文等表征知識流動[19-22]，亦有通過企業間人才流動、專利轉讓、知識產權轉讓許可直接收入、高校研發經費中來自企業的委托開發資金等予以測度[23-24]。1.2農業科技知識流動部分學者在探討農業技術擴散、農業技術推廣、農業產業集群、農業科技知識網絡時會涉及知識要素的流動。如曠浩源[25]針對農戶社會網絡關系與農業技術擴散展開探討，提出以信任、熟悉等強關系建立的社會網絡、輿論網絡可以保證農業技術擴散順利；鄭繼興[26]也指出，不同情境下的農戶社會網絡結構特征會對網絡中的個體關系產生不同影響，進而對農業技術創新擴散產生影響；朱月季[27]指出，農戶在社會網絡結構中的位置對其獲得創新信息存在顯著影響，中心度越高的農戶接觸的農業技術創新信息越多、越早，也更愿意采納農業技術創新。在社會網絡中，由于人際關系結構的密集度高與傳播路徑短，有助于提高農業技術擴散速率，而農戶的社會網絡規模過大也會阻礙相互學習[28]。高啟杰[29]針對組織間多維鄰近性對合作農業推廣的影響機制展開探討，提出在合作農業推廣中組織鄰近性越高，組織認知系統越相似，基于共同的知識與技術背景形成的認知邏輯的重疊度越高，越有助于各合作主體更加精準、高效地從合作中吸取資源和溢出知識；史焱文等[30]以壽光蔬菜、鄢陵花木產業集群為對象，對集群企業間(官產學研)合作創新網絡、區際(國際)合作創新網絡的網絡關系、互動聯系與知識資源流動路徑展開探討，分析發現，國內外創新資源與知識主要通過弱關聯進入集群內，通過強關聯在集群內部實現擴散、吸收；李二玲[31]指出，壽光蔬菜產業集群各主體通過知識增長、知識流動和知識采納提高自身內生能力，通過密切外部契約關系、知識交互和創新網絡實現協同創新；王文凈[32]以跨區域、跨單位的農業科技合作專利數刻畫我國農業科技知識網絡結構演化，研究發現，在農業科技領域，跨地域的合作專利數量普遍偏少，說明區域農業科技合作交流網絡稀疏、區際農業科技知識流動匱乏。綜上所述，當前農業領域的知識流動研究主要集中在微觀農戶間、企業組織間、官產學研合作層面以及產業集群領域，針對宏觀層面區域間農業科技知識流動的探討較少。此外，由于農業科技跨域合作的專利數量較少，導致現有研究對省域間農業科技知識流動的刻畫不足，不能準確反映省際農業科技知識流動情況。本研究通過細分區域農業科技行業，在此基礎上測算各省域農業科技專業化指數、結構，以省際農業科技結構差距表征各省域農業科技知識流動距離，進而測度宏觀層面區際農業科技知識流動概況。2指數測算方法與數據來源2.1區域農業科技專業化指數測度為測度我國內地30個省份(西藏因數據不全未納入統計)農業科技專業化水平，采用Krugman專業化指數。該指數是Krugman[33]在研究美國和歐洲產業分工時采用的指標，可利用產業結構差異衡量各空間單元分工程度[34]。本文采用區域農業科技專業化指數衡量某省(市)與其它省(市)農業科技結構的差異程度，反映該省(市)在我國農業科技分工中的專業化程度。區域農業科技專業化指數計算見公式(1)，為某省(市)農業科技專業化系數與其它省(市)對應行業專業化系數差的絕對值之和。(1)QASCSIi(t)值越高，表示i省(市)農業科技結構與其它省(市)相差越大，說明農業科技的差異化發展程度越高，分工水平也越高，即i省(市)在我國農業科技分工中的專業化程度高；反之，QASCSIi(t)值越小，則表示i省(市)農業科技結構與其它省(市)相差越小，說明農業科技同質化發展程度越高，分工水平越低，即i省(市)在我國農業科技分工中的多樣化程度較高。為精確測度我國內地30個省(市)具體農業行業(農業基礎科學、農業工程、農藝學、植物保護、農作物、園藝、林業、畜牧與動物醫學、蠶蜂與野生動物保護、水產和漁業10個行業)中農業科技的相對專業化程度，運用區位熵指數測算區域農業科技領域的相對專業化程度LQik(t)。區位熵被稱作專門化率，廣泛用于衡量某區域要素的空間分布情況，反映區域行業專業化程度、地位及水平。區域農業科技專業化程度LQik(t)的計算如式(2)所示。若LQik(t)>1，則表示農業科技行業(k)為省域(i)優勢行業，且LQik(t)值越大，表明i區域農業科技行業(k)的專業化程度越高；反之，該區域農業科技行業的專業化程度越低。(2)式中，i、j、k分別代表省域和農業科技專利類別(k取值為1～10)，t表示年份；Pi(t)、Pik(t)分別代表省域i的農業科技專利總數、省域(j)農業科技專利類別(k)的專利數(下同)；m、n分別代表省域數目和行業數目。2.2區際農業科技知識流動距離指數測度本文根據“區域科技結構同構化表明區域間研究內容近似，區域間極易發生知識流動；反之，當區域科技結構呈現出異構時，區域研究內容差異較大，區域間不易發生知識流動”的思想，擬通過區域農業科技結構的同構性、異構性間接反映區域間農業科技知識流動情況。借鑒Krugman專業化指數(同上文)和“曼哈頓距離”思想，構建區域農業科技結構距離指數以衡量區域農業科技結構距離，具體為某省(市)農業科技各行業專業化系數與其它省(市)相應行業專業化系數差的絕對值之和(為整體考量區域各行業專業化情況，基于上文的區位熵測算各區域行業專業化系數)。由于區域知識流動距離不可直接測量，可將區域農業科技結構距離近似為知識流動距離，即以區域農業科技結構差異(同構性與異構性)判斷區域農業科技知識流動距離。區域農業科技結構差異越大，說明異構性越高，則區域農業科技知識流動距離越大，不利于區域間農業科技知識交流；反之，區域農業科技結構差異越小，說明同構性越大，則區域農業科技知識流動距離越短，越有利于區域間農業科技知識交流。區域農業科技知識流動距離指數計算公式如下：(3)式中，QASKFDIij(t)的取值范圍為[0，2]。當QASKFDIij(t)越接近0時，區域農業科技專利結構距離越短，易便于區域間農業科技知識流動；當QASDIij(t)等于0時，區域i、j之間農業科技專利結構完全相同，越利于區域間農業科技知識流動；當QASKFDIij(t)越接近2時，區域間農業科技結構距離較大，不便于區域間農業科技知識流動；如果QASKFDIij(t)等于2，則區域i、j之間的農業科技結構距離達到最大，非常不利于區域間農業科技知識流動。2.3區域間農業科技知識流動空間相互作用測度針對區域間知識要素流動產生的空間相互作用，本文擬采用引力模型予以刻畫。該模型已被廣泛用于國際貿易流量測算、人口遷移、跨國投資等領域，經Smith(1989)及Wit(1995)等進一步拓展，逐漸成為研究要素流動、空間相互作用的一個主流模型(白俊紅，2015)。區域間農業科技知識流動的空間相互作用強度可表示為：(4)其中，TPij表示區域i與區域j的知識空間聯系強度；K為常數，通常取值為1；Ni和Nj分別為區域i、j的知識(專利)規模，本文特指農業技術專利數量，Dij為兩區域間的地理距離。2.4數據來源與指標說明農業科技專利在農業領域具有較強創新性、實用性，可在一定程度上衡量一個地區的農業科技水平。此外，根據農業技術知識數據的可獲取性，本文借助CNKI中農業科技專利數量進行分析。CNKI中農業科技專利數量分類全、年限廣，對體現我國各省域農業科技情況具有較強代表性。本文選取中國內地30個省市作為研究對象。此外，CNKI中2000年以前收錄的各省域農業科技專利數量較少，故選用的原始數據主要源于中國知網(中國專利全文數據庫)收錄的各省域2000—2018年公開發表的農業科技專利數據。其中，農業科技專利數據主要由農業基礎科學、農業工程、農藝學、植物保護、農作物、園藝、林業、畜牧與動物醫學、蠶蜂與野生動物保護、水產和漁業10個行業的專利數據組成。此外，各省域距離采用各省會城市間的地理距離測度。3區域農業科技專業化情況分析3.1各省域農業科技專業化情況根據公式(1)計算，可得各省域2000-2018年農業科技專業化情況，如表1所示(限于篇幅，僅展示2000、2006、2012、2018年)。整體上，2000-2018年我國各省域農業科技水平呈現多元化發展態勢。2000年，各省域以發展優勢農業科技為主，農業科技專業化水平較高、地域特色顯著；2006年除北京、河北、山東、安徽、黑龍江、湖北、四川、貴州、云南、陜西、甘肅、寧夏、新疆13個省(市)外，其余省域農業科技專業化指數均有下降，朝著農業科技多元化方向發展，不再拘泥于較為單一的特色農業科技；2012年各省域農業科技多元化發展態勢更加明顯，僅有山西、遼寧、湖北、云南、陜西、甘肅、新疆等7省的農業科技專業化指數仍有增長；2018年，僅有陜西、寧夏兩省的農業科技專業化指數有增長，全國農業科技整體上呈現多元化發展態勢。受市場需求、政策導向等因素影響，我國各省域農業科技呈現多元化發展態勢，具有鮮明地域特色的農業科技發展不再是某省域形成專利產出的直接動因。雖然綜合性強有助于國家整合各省域農業科技力量攻克核心農業科技難題，但同時也應鼓勵特色農業資源地區繼續保持其特色農業科技發展，不應一味“無特色”地多元化發展農業科技。表1中國內地30個省域2000-2018年農業科技專業化指數由表1可見，青海省2018年農業科技專業化指數為0.252，2000-2015年的農業科技專業化指數均高于0.5；黑龍江省2000-2015年的農業科技專業化指數徘徊在0.4附近，農業科技專業化水平較高，2018年該數值較2015年有40%的回落；內蒙古、山西、陜西與黑龍江、青海情況類似，2018年農業科技專業化指數雖有一定回落，但前幾年的指數還是比較高。江蘇省2015、2018年的農業科技專業化指數分別為全國倒數第一或第二，分別為0.094、0.098，2000-2009年全省農業科技專業化指數維持在0.3左右，2012-2018年農業科技專業化指數均低于0.17，可見其農業科技專業化能力較低，農業科技呈現多元化發展。山東省2000-2018年的農業科技專業化指數未超過0.27，農業科技發展一直以多元化為主；北京、天津2018年的農業科技專業化指數均小于0.2，農業科技呈現多元化發展態勢，而在2003-2009年兩地農業科技專業化指數較高，即農業科技由專業化發展逐步轉向多元化發展。四川、江西、湖南、湖北的農業科技專業化水平也不高，2015-2018年農業科技專業化指數均低于0.2，不同于北京、天津兩地的農業科技發展逐漸由專業化轉向多元化，上述4個中部省域的農業科技發展一直呈現多元化且日漸加重，說明它們尚未找到自己的專業化定位，一味追求多元化，反而不利于自身發展。3.2各省域優勢農業科技數量根據式(2)，可計算出各省域優勢農業科技行業數，具體見表2。由表2可得，我國優勢農業科技行業數量整體呈收縮態勢，即各省域農業科技呈現專業化發展態勢，與前述各省域農業科技專業化指數朝著多元化發展情況相反。表2中國內地30個省域2000-2018年農業科技優勢行業數目分布由表2可見，北京的農業科技優勢行業數較穩定且門類幾乎不變，2006-2018年間均為5個，主要集中在農業基礎科學、農藝學、植物保護、園藝(2018年)、林業(2015年)、蠶蜂與野生動物保護，且其對應的行業區位熵指數在各省域農業科技優勢行業中的排名均靠前，結合北京農業科技專業化指數持續走低的現狀，北京可朝農業科技多元化方向發展。同樣，湖南省2000-2018年的農業科技專業化指數較低，均低于0.3，說明其農業科技適合多元化發展，其對應的農業科技優勢行業數目也較多，2006-2018年間均維持在5～7個。廣西、貴州、海南3個農業大省2000-2018年間的農業科技優勢行業數目不斷增長，2018年均達到7個，專業化指數總體呈下降趨勢，說明適合發展農業科技多元化。對于山東這一農業大省，2000-2018年間其農業科技專業化指數一直偏低，均低于0.3，適合多元化發展，然而其農業科技優勢行業數目一直少于4個，主要集中在農業工程、農業保護、水產和漁業，其余年份行業的農業科技專業化指數多接近于1，說明行業專業化優勢不足，不具備多元化發展潛力。上海的農業科技專業化指數一直穩定在0.4左右，適合專業化發展，且其農業科技優勢行業數目一直相對較多，尤其是2006年專業化指數達到上海歷年最高(0.46)，其農業科技優勢行業數量也達到8個，2015、2018年其農業科技優勢行業數目分別減少至3個、4個，分別是農業科學基礎(2018年區位熵指數排名第2)、畜牧與動物醫學(2018年區位熵指數排名第1)、水產和漁業(2018年在該行業區位熵指數排名第1)、農藝學。4區域間農業科技知識流動及相互作用分析4.1區域間農業科技知識流動情況分析根據公式(3)，可測算出2018年中國內地各省域農業科技結構距離指數，即各省域農業科技知識流動距離指數，結果見表3。可以發現，2018年各省域農業科技知識流動距離指數值最大為1.027(上海—寧夏)，最小為0.106(江蘇-山東)，說明2018年我國各省域農業科技知識流動距離不大，基本處于農業科技流動距離指數值“1”以下，各省域農業科技結構同構化現象比較明顯，整體上比較適合開展農業科技合作交流，也利于省域農業科技知識流動。在省域農業科技知識流動距離最大值中，有16個最大值來自與寧夏的組合，6個最大值來自與上海的組合，5個最大值來自與貴州的組合，反映出寧夏、上海、貴州3地的農業科技結構與其它省域差異較大，區域間農業科技知識流動距離較大，不利于上述三省與其它各省展開農業科技交流。同時，上海、寧夏、貴州亦可結合各自農業科技優勢，走出獨樹一幟、風格迥異的農業科技路線。在省域農業科技結構距離最小值中，有5個最小值來自與河南的組合，有4個來自與遼寧的組合，各有3個最小值來自與廣西、重慶的組合，說明河南、遼寧、廣西、重慶的農業科技結構與其它省域差異不大，區域間農業科技知識流動距離較小，易于上述四省與其它省域展開農業科技交流。表32018年中國內地30個省域間農業科技知識流動距離指數具體來說，寧夏與其余省域農業科技知識流動距離的最小值為0.5(寧夏—甘肅)，與青海、陜西、內蒙古等鄰近省域的農業科技知識流動距離指數分別為0.873、0.763、0.754，說明寧夏與鄰近省域青海、陜西、內蒙古的農業科技知識流動距離結構指數差異較大，四省農業種植業特色明顯，農業科技優勢存在偏離，不利于省域間農業科技知識流動。上海—寧夏的農業科技知識流動距離最大，這是因為兩地地理距離較遠，一個作為主打現代農業科技、都市農業發展的一線城市，一個作為比較依賴地域氣候、資源發展的傳統特色農業大省，導致農業科技結構距離相差較大。如果兩地能突破技術、地理隔閡，促進現代技術與地域傳統特色農業的有機結合，勢必能為鄉村振興提供新發展模式。江蘇—山東的農業科技知識流動距離僅為0.106，作為地處沿海平原地區的兩個農業大省，兩省農業科技結構相似，地理距離也較小，有利于兩省間農業科技知識交流。因此，兩省應不斷加大農業核心技術的合作研發，率先推廣利用現代農業技術，為全國現代農業發展作示范。北京與其它省市農業科技知識流動距離指數的最大值為0.811(北京—寧夏)，和上海—寧夏的情況類似；北京—海南的農業科技知識流動距離指數最小，僅為0.315，說明北京與海南的農業科技結構相似，便于區域間農業科技知識流動。這主要是因為，北京與海南在農業科技領域的交流比較密集，北京的眾多農業科研院所(中國農業大學、中國農業科學院等)均在海南有試驗基地，兩地的農業科研合作甚多。因此，兩地農業科技結構較相似，兩地的農業科研合作也突破了地域限制。海南作為熱帶季風氣候的“天然大溫室”，除與黑龍江、吉林、青海、寧夏、甘肅、內蒙古、貴州外，與其它各省域的農業科技知識流動距離均較小，即與其它省域的農業科技結構差異較小，便于區域間開展農業科技交流；前6個農業大省的農業種植氣候條件與海南差異較大，因此涉及的農業科研領域差異較大。4.2區域間農業科技知識流動空間相互作用分析根據式(4)的引力模型，測算我國各省域農業科技知識流動空間相互作用力，具體見表4。可以發現，省域間空間相互作用力指數過百的僅占7.36%，10以下的占63.45%，87%的在40以下，其中，空間相互作用力最大的為江蘇—安徽(6396.45)，最小的是青海—海南，僅為0.024。表42018年中國內地30個省域農業科技知識流動空間相互作用力北京僅與天津、山東、河北等地理鄰近省域的農業科技知識流動空間相互作用力突破100，顯示出北京農業科技行業數量不足，未突破距離對農業科技專利數量的影響，未形成絕對的農業科技核心優勢地位。此外，北京與海南的農業科技知識流動空間相互作用力僅有0.23，與東三省的空間作用力指數也僅有14.38(北京—遼寧)、3.66(北京—吉林)、5.68(北京—黑龍江)，同時，北京與海南、東三省的農業科技交流頗多，在海南、東三省也都設立了農業試驗田，但在專利產出方面數量不足，可能是因為其追求的是“質”而不是“量”。從實際合作看，北京與其余省域農業科技合作的專利成果數量也較少，主要由市內合作組成。天津、河北、山西與其它省域農業科技知識流動的空間相互作用情況和北京類似。內蒙古、東三省的情況更為不足，如內蒙古與其它省域的空間相互作用關系指數最高僅為16.23(內蒙古—北京)，東三省與其它省域的最高空間相互作用指數出現在東三省之間，如遼寧—吉林(24.17)、吉林—黑龍江(40.73)。上海、江蘇、浙江、安徽、福建、江西六省農業科技知識流動空間相互作用力的最大值均來自六省內部，主要集中為與江蘇、浙江、安徽的組合。山東作為農業大省，其與河北、河南農業科技知識流動的相互作用力較顯著，分別達到352.44、274.33；此外，湖北—安徽(291.63)、廣東—貴州(266.14)、重慶—四川(220.45)、廣西—廣東(167.23)的農業科技知識流動空間作用力也比較突出。由以上數據得出，可加大利用地理空間鄰近優勢，加強以上省域間的強強合作。5結論與建議根據區域農業科技專業化指數、區域農業科技各行業相對專業化程度、區域間農業科技知識流動距離指數及區域間農業科技知識流動的空間相互作用力測度，研究發現：(1)2000-2018年中國大部分省(市)農業科技朝著多元化方向發展，僅有較少省域(上海、寧夏、新疆)的農業科技還保持較高的專業化水平，但整體上各省(市)依舊呈現出專業化指數遞減趨勢，對應的優勢農業科技總數也自2012年開始減少。此外，我國農業科技呈現同構化發展態勢，各省(市)農業科技特色逐漸被“磨平棱角”，形勢不容樂觀。因此，應鼓勵各省(市)根據農業種植資源優勢、農業科技資源稟賦，調整自己的農業科技發展方向，尤其是地域特色比較鮮明的東北、海南、西北等地區應保持優勢農業科技不斷發展，不一味地“攤大餅式”發展農業科技；地方政府應集中資源，出臺農業科技發展規劃細則，引導農業科技資源向本地優勢農業科技集聚。(2)2018年我國各省域農業科技知識流動距離指數普遍維