農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素分析

1、農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素分析作者：劉文意王鳳琴來源：安徽農(nóng)業(yè)科學(xué)2021年第22期續(xù)表1表1我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力指標(biāo)Table1IndexsystemofinnovationcapabilityofChinasagriculti一級指標(biāo)Eii*st-levelindicator二級指標(biāo)Second-levelindicator創(chuàng)新產(chǎn)出Innovationoutpul園區(qū)創(chuàng)新品牌園當(dāng)勺動植物新品種數(shù)當(dāng)年取當(dāng)年取得當(dāng)年取得當(dāng)年通過耳半年通過審Ji當(dāng)年引必當(dāng)年引半年引進(jìn)由當(dāng)年推當(dāng)年和當(dāng)年推廣研發(fā)推廣的新技術(shù)與新產(chǎn)品數(shù)當(dāng)年引進(jìn)新技當(dāng)年國外引進(jìn)的新當(dāng)年推廣新技當(dāng)年引進(jìn)當(dāng)年口主當(dāng)年的創(chuàng)新績效Inn

2、ovationpeifomiance培育孵化企業(yè)個數(shù)新片企業(yè)收入生產(chǎn)作主級指標(biāo)First-levelindicator二級指標(biāo)Second-levelindicator園區(qū)內(nèi)農(nóng)民人均年收入表2106家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合評Table2Comprehensivescoresandrankingsoftheinnovationcapabilitiesof1排序Soil園區(qū)簡稱Parkabbreviation綜合評分Overallrating排序Soil園區(qū)簡稱Parkabbreviation綜合識Ovenratin1淮安2.8037武威-0.02濟寧1.3638南陽-0.G3武漢1.2239永

3、州-0.04泉州0.8440鹽城_0.05和林格爾0.7941蕪湖-0.06西寧0.6742東營-0.07輝山0.6643三亞-0.08濱州0.6544金華-0.09浦東0.5245即墨-0.01()湄潭0.4646潛江-0.011楊凌0.3447岳陽-0.G12公主嶺0.3448楚雄-0.013望城0.2649紅河_0.014上饒0.2050拉薩-0.015宿州0551烏魯木齊-016延邊0.1452雅安-0.117石嘴山().1353漳州-018煙臺0354泰安-019南昌0.1255合肥-020白馬0.1156樂山-0排序Sort園區(qū)簡稱Parkabbreviation綜合評分Overa

4、llrating排序Sort園區(qū)簡稱Parkabbreviation綜合產(chǎn)Ovenratin21許昌0.0957石河子-022大慶0.0958邯鄲-023仙桃0.0859壽光-0.124忠縣0.0660吳忠-0.125濮陽0.0661湖州-0.126嘉興0.0362固原-027三河0.0263昌平-028鐵嶺0.0264阜新-029常熟0.0265松原-030建三江0.0066順義-0.131廣州0.0067唐山32備州-0.0168金州-033湘潭-0.0269慈溪-0.134井岡山-0.0270新余-035通化-0.0371渭南-036旅順-0.0372晉中-0表3農(nóng)業(yè)科技園區(qū)聚類分析分組

5、Table3Clusteranalysisgroupingofagriculturalscienceandtechnolo-gyparks序號No.分類Classificatior農(nóng)業(yè)科技園區(qū)IAgiiciilluralscience*分別表示該變量在0.10.0.05和0.01的水平卜顯著Note:*9*9*indicatetliatthevariableissignificantatthelevelof0.1(),0.05,and0.01,respectively圖1AHP層次結(jié)構(gòu)模型Fig.lAHPhierarchymodel表6創(chuàng)新能力指標(biāo)權(quán)重和排名Table6Weightsandra

6、nkingsofinnovationcap級指標(biāo)Firstlevelimlicator權(quán)重Weigill二級指標(biāo)Setiirnlairyin(lcalor資本因素Capitalfactor0.6479拈；當(dāng)年企業(yè)投資總額億元乙；當(dāng)年社會融資總額億元人才因素lalentfactor0.2299禺：園區(qū)聘請專家總?cè)藬?shù)人血:科技特派團(tuán)數(shù)屋個壞境因素Environmentalfactor0.1222啟門園區(qū)大型儀器設(shè)備原值總額;X帚園區(qū)高新技術(shù)企業(yè)數(shù)個X小電商平臺數(shù)個摘要基于國家重點園區(qū)創(chuàng)新監(jiān)測報告2016中指標(biāo)構(gòu)建評價指標(biāo)體系，運用因子分析對我國106家國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行分析、評價，發(fā)現(xiàn)

7、我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力具有發(fā)展不平衡的特點。通過聚類分析、構(gòu)建Logit回歸等模型，對農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的影響因素進(jìn)行了深入研究，發(fā)現(xiàn)企業(yè)投資額、社會融資額以及園區(qū)專家人數(shù)是影響園區(qū)創(chuàng)新能力的主要因素，并據(jù)此提出提高我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的舉措、建議。關(guān)鍵詞農(nóng)業(yè)科技園區(qū);科技創(chuàng)新能力;影響因素;因子分析;有序Logit模型中圖分類號F-304.1文獻(xiàn)標(biāo)識碼A文章編號0517-6611（2021）22-0246-07doi：10.3969/j.issn.0517-6611.2021.22.063開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：AnalysisofInfluencingFactors

8、ofInnovationCapabilityofAgriculturalScienceandTechnologyParksLIUWen-yiWANGFeng-qin2（1.CollegeofEconomicsandManagement，ShandongAgriculturalUniversity，Taian，Shandong271018;2.CollegeofFoodScienceandEngineering，ShandongAgriculturalUniversity，Taian，Shandong271018）AbstractBasedontheindicatorsinthe“Nationa

9、lKeyParkInnovationMonitoringReport2016”，theevaluationindexsystemwasconstructed，andfactoranalysiswasusedtoanalyzeandevaluatetheinnovationcapabilitiesofChinas106nationalagriculturalscienceandtechnologyparks.ItwasfoundthattheinnovationcapabilitiesofChinasagriculturalscienceandtechnologyparksarecharacte

10、rizedbyunevendevelopment.ThroughclusteranalysisandtheconstructionofLogitregressionmodels，wehaveconductedin-depthresearchontheinfluencingfactorsoftheinnovationabilityofagriculturalscienceandtechnologyparks，andfoundthattheamountofinvestmentinenterprises，theamountofsocialfinancingandthenumberofexpertsi

11、ntheparkarethemainfactorsaffectingtheinnovationcapabilitiesofthepark，andputforwardaccordinglymeasuresandsuggestionstoimprovetheinnovationcapabilityofChinasagriculturalscienceandtechnologyparks.KeywordsAgriculturalscienceandtechnologypark;Scientificandtechnologicalinnovationcapacity;Influencingfactor

12、s;Factoranalysis;OrdinalLogitmodel20世紀(jì)90年代，我國人口密度逐漸增大，傳統(tǒng)粗放農(nóng)業(yè)的劣勢日益突出，加上其多以大量犧牲生態(tài)環(huán)境為代價，與科學(xué)發(fā)展觀相違，因此在其發(fā)展過程中不斷被高效的現(xiàn)代集約型農(nóng)業(yè)所替代。加之我國農(nóng)業(yè)現(xiàn)代化水平的不斷提高，農(nóng)業(yè)科技園區(qū)便隨之興起，并呈快速發(fā)展的勢頭1。農(nóng)業(yè)科技園區(qū)是指在一定區(qū)域內(nèi)的現(xiàn)代農(nóng)業(yè)科技企業(yè)集群，其依托現(xiàn)代農(nóng)業(yè)技術(shù)，以調(diào)整農(nóng)業(yè)結(jié)構(gòu)為目標(biāo)，以“高科技，高標(biāo)準(zhǔn)，高效率”的特點為中國傳統(tǒng)農(nóng)業(yè)的轉(zhuǎn)型開辟了新路徑2。經(jīng)過數(shù)十年的發(fā)展，隨著我國科技、經(jīng)濟水平的大幅躍升，在國家政策的推動下，我國出現(xiàn)了一批又一批各具特色、模式各不相同的

13、農(nóng)業(yè)科技園。截至2018年，我國已建成國家農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)2家、國家農(nóng)業(yè)科技園區(qū)246家，省級農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)20家、省級農(nóng)業(yè)科技園區(qū)975家3。2018年發(fā)布的國家農(nóng)業(yè)科技園區(qū)發(fā)展規(guī)劃（20182025年）中提到，在2020年應(yīng)構(gòu)建以國家級農(nóng)業(yè)科技園區(qū)為引領(lǐng)，省級農(nóng)業(yè)科技園區(qū)為基礎(chǔ)的層次分明、功能互補、特色鮮明、創(chuàng)新發(fā)展的農(nóng)業(yè)科技園區(qū)體系4。在農(nóng)業(yè)科技園區(qū)數(shù)量、規(guī)模不斷擴增的同時，農(nóng)業(yè)科技創(chuàng)新已成為現(xiàn)代農(nóng)業(yè)發(fā)展的不竭動力。因此，國家不斷強調(diào)科技創(chuàng)新在農(nóng)業(yè)發(fā)展中的重要地位并對其提出了更高的要求。農(nóng)業(yè)農(nóng)村部印發(fā)的“十三五”農(nóng)業(yè)科技發(fā)展規(guī)劃中明確指出，要充分發(fā)揮科技對加快農(nóng)業(yè)現(xiàn)代化建設(shè)

14、、促進(jìn)農(nóng)村經(jīng)濟社會發(fā)展的重要支撐引領(lǐng)作用，不斷加強農(nóng)業(yè)科技創(chuàng)新條件能力建設(shè)，加快推動體制機制創(chuàng)新5。因此，如何加強農(nóng)業(yè)科技創(chuàng)新能力，推動現(xiàn)代農(nóng)業(yè)發(fā)展成為該領(lǐng)域內(nèi)核心問題。大量學(xué)者針對農(nóng)業(yè)科技創(chuàng)新能力及其影響因素進(jìn)行了廣而深入的研究。王?；ǖ?基于資源依賴?yán)碚摰难芯勘砻?，區(qū)域科技創(chuàng)新績效受區(qū)域位置以及高新技術(shù)企業(yè)認(rèn)定的影響。徐輝等7通過實證分析證實了產(chǎn)融結(jié)合、增加政府干預(yù)、降低信息不對稱性對企業(yè)實質(zhì)性創(chuàng)新具有明顯推動作用。秦昌媛等8從宏觀和微觀角度總結(jié)出了阻礙企業(yè)創(chuàng)新的因素：政策、企業(yè)競爭、創(chuàng)新思維、研發(fā)環(huán)境等，并提出了相應(yīng)的創(chuàng)新建議。董成森9以湖南省為例，闡述了農(nóng)業(yè)科技投入、農(nóng)業(yè)科技人才、農(nóng)業(yè)

15、科研資源以及農(nóng)業(yè)科技成果轉(zhuǎn)化擴散4個方面對農(nóng)業(yè)科技創(chuàng)新的影響機制。張躍強等10通過VAR模型等方法對財政農(nóng)業(yè)科技投入對農(nóng)業(yè)科技創(chuàng)新績效的影響進(jìn)行了研究。結(jié)果表明，財政農(nóng)業(yè)科技投入對農(nóng)業(yè)科技創(chuàng)新短期較長期影響更為顯著。趙麗娟等11發(fā)現(xiàn)環(huán)境規(guī)制與政府R&D投入對農(nóng)業(yè)科技創(chuàng)新效率有明顯正相關(guān)關(guān)系。張莉俠等12采用DEA法進(jìn)行研究，發(fā)現(xiàn)科技市場發(fā)育程度，農(nóng)村勞動力受教育水平，農(nóng)業(yè)技術(shù)引進(jìn)與吸收能力，農(nóng)村經(jīng)濟、生產(chǎn)力水平以及政府扶持力度等因素對農(nóng)業(yè)科技創(chuàng)新資源的配置效率具有正向影響。綜上所述，已有研究大部分針對農(nóng)業(yè)科技、區(qū)域創(chuàng)新能力以及其影響因素進(jìn)行宏觀分析，而針對我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的實證分析較少

16、。一方面沒有對各個國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行綜合評價，僅對我國不同省份的農(nóng)業(yè)科技區(qū)域創(chuàng)新能力進(jìn)行分析排名不夠細(xì)致，也無法應(yīng)對同省內(nèi)各個農(nóng)業(yè)科技園區(qū)創(chuàng)新發(fā)展差異大的現(xiàn)狀，且其評價指標(biāo)體系構(gòu)建中指標(biāo)過少，難以對園區(qū)創(chuàng)新能力全方位評估。另一方面已有文獻(xiàn)也少有對國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的影響因素主次關(guān)系的深入研究。因此，該研究通過因子分析、系統(tǒng)聚類分析、Logit回歸、AHP層次分析對國家級農(nóng)業(yè)科技園區(qū)的創(chuàng)新能力進(jìn)行了排名、評價，并對其影響因素進(jìn)一步實證研究，對推動農(nóng)業(yè)科技創(chuàng)新進(jìn)程有重要借鑒意義。研究方法與模型選擇在對我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素進(jìn)行分析之前，需要對106家農(nóng)業(yè)科技園區(qū)創(chuàng)新能

17、力進(jìn)行評價、排名。部分學(xué)者在進(jìn)行相關(guān)問題的研究時，選擇對樣本數(shù)據(jù)進(jìn)行聚類分析，以聚類結(jié)果作為被解釋變量，或者使用進(jìn)行因子分析所得的公共因子進(jìn)行聚類分析，同樣以聚類結(jié)果作為被解釋變量進(jìn)行下一步研究。這忽略了各個評價指標(biāo)所占權(quán)重對聚類分析結(jié)果的影響。因此，該研究第一步對創(chuàng)新能力指標(biāo)的權(quán)重進(jìn)行計算。為了盡可能減少人為賦權(quán)帶來的主觀因素對后續(xù)研究的影響，該研究選用因子分析法計算農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合得分。第二步，將農(nóng)業(yè)科技園區(qū)按照其創(chuàng)新能力綜合得分進(jìn)行聚類分析，將分組情況作為被解釋變量，對可能對園區(qū)創(chuàng)新能力產(chǎn)生影響的因素作為解釋變量構(gòu)建有序Logit回歸模型。第三步，根據(jù)Logit回歸結(jié)果進(jìn)行AHP

18、層次分析，以確定農(nóng)科科技園區(qū)創(chuàng)新能力的影響因素及其影響程度大小。評價指標(biāo)體系的構(gòu)建及數(shù)據(jù)來源考慮到農(nóng)業(yè)科技園區(qū)創(chuàng)新能力評價指標(biāo)體系及其數(shù)據(jù)來源的權(quán)威性、客觀性、系統(tǒng)性，該研究選取科技部發(fā)布的國家重點園區(qū)創(chuàng)新監(jiān)測報告2016中國家農(nóng)業(yè)科技園區(qū)創(chuàng)新監(jiān)測報告中提到的“創(chuàng)新產(chǎn)出”“創(chuàng)新績效”兩個一級指標(biāo)、8個二級指標(biāo)、45個三級指標(biāo)作為該研究的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力評價指標(biāo)體系的構(gòu)成要素（表1）。而報告中提到的“創(chuàng)新條件”部分從企業(yè)創(chuàng)新投入-產(chǎn)出角度考慮，屬于農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的影響因素，并不適合進(jìn)行創(chuàng)新能力評價體系的構(gòu)建，因此將其舍棄。與其相應(yīng)的數(shù)據(jù)同樣從該報告中獲取。其中，該報告對全國118家國家

19、農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行監(jiān)督調(diào)查，除去因各種原因未上報年度數(shù)據(jù)的12家農(nóng)業(yè)科技園區(qū)外，完整數(shù)據(jù)總計106份。因此，將106家農(nóng)業(yè)科技園區(qū)相關(guān)數(shù)據(jù)作為樣本進(jìn)行研究。3農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素的實證分析因子分析數(shù)據(jù)標(biāo)準(zhǔn)化與適用性檢驗。由于不同評價指標(biāo)變量的性質(zhì)、量綱、數(shù)量級等特征存在一定差異性，因此需要在對數(shù)據(jù)進(jìn)行分析前進(jìn)行標(biāo)準(zhǔn)化處理，提高數(shù)據(jù)可比性，減少誤差。遂使用SPSS23對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。隨后進(jìn)行KMO和Bartlett球形檢驗，以判斷數(shù)據(jù)和指標(biāo)是否適合進(jìn)行因子分析。通過SPSS23進(jìn)行適用性檢驗，KMO檢驗值為0.73Bartlett球形檢驗Sig.值為0.000,達(dá)到顯著水

20、平，表明該研究選取的評價指標(biāo)以及數(shù)據(jù)適合進(jìn)行因子分析。主成分提取與成分得分系數(shù)矩陣。通常根據(jù)因子的初始特征值和碎石圖確定所需提取的公共因子個數(shù)。經(jīng)SPSS23計算分析,總共提取11個特征值大于1的公共因子,其累計方差貢獻(xiàn)率達(dá)77.201%,說明提取的11個公共因子仍對原始數(shù)據(jù)有較好的解釋能力。碎石圖顯示,在提取11個公共因子之后圖像趨于平坦,因此,提取11個公共因子進(jìn)行下一步的研究。通過對公共因子的正交旋轉(zhuǎn)，得到11個公共因子F1F11的成分得分系數(shù)矩陣。農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合排名。使用初始特征值中的方差貢獻(xiàn)率作為各個公共因子的對應(yīng)權(quán)數(shù)。假設(shè)公共因子數(shù)量為i（i=n），其因子得分為Fi,相應(yīng)

21、的權(quán)數(shù)為Wi,則農(nóng)業(yè)科技園區(qū)的綜合得分S計算公式（1）如下：S=ni=1WiFi（1）通過SPSS計算，106個國家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合得分見表2。經(jīng)標(biāo)準(zhǔn)化處理后綜合得分?jǐn)?shù)據(jù)均值為0,其中淮安農(nóng)業(yè)科技園區(qū)的創(chuàng)新能力指標(biāo)遠(yuǎn)高于樣本創(chuàng)新能力均值,且與第二名差距較大,其綜合評分達(dá)2.80分。全國106家農(nóng)業(yè)科技園區(qū)中僅有29家創(chuàng)新能力超過均值。從數(shù)據(jù)離散程度來看,創(chuàng)新能力大于均值的29組數(shù)據(jù)標(biāo)準(zhǔn)差為0.57而小于等于均值的77組數(shù)據(jù)標(biāo)準(zhǔn)差為0.087,說明各個農(nóng)業(yè)科技園區(qū)創(chuàng)新能力發(fā)展極不平衡,排名靠前的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力突出,而處于后位的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力均處于低水平。大量學(xué)者針對農(nóng)業(yè)科技創(chuàng)

22、新能力及其影響因素進(jìn)行了廣而深入的研究。王?；ǖ?基于資源依賴?yán)碚摰难芯勘砻?區(qū)域科技創(chuàng)新績效受區(qū)域位置以及高新技術(shù)企業(yè)認(rèn)定的影響。徐輝等7通過實證分析證實了產(chǎn)融結(jié)合、增加政府干預(yù)、降低信息不對稱性對企業(yè)實質(zhì)性創(chuàng)新具有明顯推動作用。秦昌媛等8從宏觀和微觀角度總結(jié)出了阻礙企業(yè)創(chuàng)新的因素：政策、企業(yè)競爭、創(chuàng)新思維、研發(fā)環(huán)境等,并提出了相應(yīng)的創(chuàng)新建議。董成森9以湖南省為例,闡述了農(nóng)業(yè)科技投入、農(nóng)業(yè)科技人才、農(nóng)業(yè)科研資源以及農(nóng)業(yè)科技成果轉(zhuǎn)化擴散4個方面對農(nóng)業(yè)科技創(chuàng)新的影響機制。張躍強等10通過VAR模型等方法對財政農(nóng)業(yè)科技投入對農(nóng)業(yè)科技創(chuàng)新績效的影響進(jìn)行了研究。結(jié)果表明,財政農(nóng)業(yè)科技投入對農(nóng)業(yè)科技創(chuàng)新

23、短期較長期影響更為顯著。趙麗娟等11發(fā)現(xiàn)環(huán)境規(guī)制與政府R&D投入對農(nóng)業(yè)科技創(chuàng)新效率有明顯正相關(guān)關(guān)系。張莉俠等12采用DEA法進(jìn)行研究，發(fā)現(xiàn)科技市場發(fā)育程度，農(nóng)村勞動力受教育水平，農(nóng)業(yè)技術(shù)引進(jìn)與吸收能力,農(nóng)村經(jīng)濟、生產(chǎn)力水平以及政府扶持力度等因素對農(nóng)業(yè)科技創(chuàng)新資源的配置效率具有正向影響。綜上所述,已有研究大部分針對農(nóng)業(yè)科技、區(qū)域創(chuàng)新能力以及其影響因素進(jìn)行宏觀分析,而針對我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的實證分析較少。一方面沒有對各個國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行綜合評價,僅對我國不同省份的農(nóng)業(yè)科技區(qū)域創(chuàng)新能力進(jìn)行分析排名不夠細(xì)致,也無法應(yīng)對同省內(nèi)各個農(nóng)業(yè)科技園區(qū)創(chuàng)新發(fā)展差異大的現(xiàn)狀,且其評價指標(biāo)體系構(gòu)建

24、中指標(biāo)過少,難以對園區(qū)創(chuàng)新能力全方位評估。另一方面已有文獻(xiàn)也少有對國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的影響因素主次關(guān)系的深入研究。因此，該研究通過因子分析、系統(tǒng)聚類分析、Logit回歸、AHP層次分析對國家級農(nóng)業(yè)科技園區(qū)的創(chuàng)新能力進(jìn)行了排名、評價，并對其影響因素進(jìn)一步實證研究,對推動農(nóng)業(yè)科技創(chuàng)新進(jìn)程有重要借鑒意義。1研究方法與模型選擇在對我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素進(jìn)行分析之前，需要對106家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行評價、排名。部分學(xué)者在進(jìn)行相關(guān)問題的研究時，選擇對樣本數(shù)據(jù)進(jìn)行聚類分析，以聚類結(jié)果作為被解釋變量，或者使用進(jìn)行因子分析所得的公共因子進(jìn)行聚類分析，同樣以聚類結(jié)果作為被解釋變量進(jìn)行下一步

25、研究。這忽略了各個評價指標(biāo)所占權(quán)重對聚類分析結(jié)果的影響。因此，該研究第一步對創(chuàng)新能力指標(biāo)的權(quán)重進(jìn)行計算。為了盡可能減少人為賦權(quán)帶來的主觀因素對后續(xù)研究的影響，該研究選用因子分析法計算農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合得分。第二步，將農(nóng)業(yè)科技園區(qū)按照其創(chuàng)新能力綜合得分進(jìn)行聚類分析，將分組情況作為被解釋變量，對可能對園區(qū)創(chuàng)新能力產(chǎn)生影響的因素作為解釋變量構(gòu)建有序Logit回歸模型。第三步，根據(jù)Logit回歸結(jié)果進(jìn)行AHP層次分析，以確定農(nóng)科科技園區(qū)創(chuàng)新能力的影響因素及其影響程度大小。評價指標(biāo)體系的構(gòu)建及數(shù)據(jù)來源考慮到農(nóng)業(yè)科技園區(qū)創(chuàng)新能力評價指標(biāo)體系及其數(shù)據(jù)來源的權(quán)威性、客觀性、系統(tǒng)性，該研究選取科技部發(fā)布的

26、國家重點園區(qū)創(chuàng)新監(jiān)測報告2016中國家農(nóng)業(yè)科技園區(qū)創(chuàng)新監(jiān)測報告中提到的“創(chuàng)新產(chǎn)出”“創(chuàng)新績效”兩個一級指標(biāo)、8個二級指標(biāo)、45個三級指標(biāo)作為該研究的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力評價指標(biāo)體系的構(gòu)成要素（表1）。而報告中提到的“創(chuàng)新條件”部分從企業(yè)創(chuàng)新投入-產(chǎn)出角度考慮，屬于農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的影響因素，并不適合進(jìn)行創(chuàng)新能力評價體系的構(gòu)建，因此將其舍棄。與其相應(yīng)的數(shù)據(jù)同樣從該報告中獲取。其中，該報告對全國118家國家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行監(jiān)督調(diào)查，除去因各種原因未上報年度數(shù)據(jù)的12家農(nóng)業(yè)科技園區(qū)外，完整數(shù)據(jù)總計106份。因此，將106家農(nóng)業(yè)科技園區(qū)相關(guān)數(shù)據(jù)作為樣本進(jìn)行研究。農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素

27、的實證分析因子分析數(shù)據(jù)標(biāo)準(zhǔn)化與適用性檢驗。由于不同評價指標(biāo)變量的性質(zhì)、量綱、數(shù)量級等特征存在一定差異性，因此需要在對數(shù)據(jù)進(jìn)行分析前進(jìn)行標(biāo)準(zhǔn)化處理，提高數(shù)據(jù)可比性，減少誤差。遂使用SPSS23對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。隨后進(jìn)行KMO和Bartlett球形檢驗，以判斷數(shù)據(jù)和指標(biāo)是否適合進(jìn)行因子分析。通過SPSS23進(jìn)行適用性檢驗，KMO檢驗值為0.73Bartlett球形檢驗Sig.值為0.000,達(dá)到顯著水平，表明該研究選取的評價指標(biāo)以及數(shù)據(jù)適合進(jìn)行因子分析。主成分提取與成分得分系數(shù)矩陣。通常根據(jù)因子的初始特征值和碎石圖確定所需提取的公共因子個數(shù)。經(jīng)SPSS23計算分析，總共提取11個特征值大于

28、1的公共因子，其累計方差貢獻(xiàn)率達(dá)77.201%，說明提取的11個公共因子仍對原始數(shù)據(jù)有較好的解釋能力。碎石圖顯示，在提取11個公共因子之后圖像趨于平坦，因此，提取11個公共因子進(jìn)行下一步的研究。通過對公共因子的正交旋轉(zhuǎn)，得到11個公共因子F1F11的成分得分系數(shù)矩陣。農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合排名。使用初始特征值中的方差貢獻(xiàn)率作為各個公共因子的對應(yīng)權(quán)數(shù)。假設(shè)公共因子數(shù)量為i（i=，n），其因子得分為Fi,相應(yīng)的權(quán)數(shù)為Wi,則農(nóng)業(yè)科技園區(qū)的綜合得分S計算公式（1）如下：S=ni=1WiFi（1）通過SPSS計算，106個國家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合得分見表2。經(jīng)標(biāo)準(zhǔn)化處理后綜合得分?jǐn)?shù)據(jù)均值為0,其

29、中淮安農(nóng)業(yè)科技園區(qū)的創(chuàng)新能力指標(biāo)遠(yuǎn)高于樣本創(chuàng)新能力均值,且與第二名差距較大,其綜合評分達(dá)2.80分。全國106家農(nóng)業(yè)科技園區(qū)中僅有29家創(chuàng)新能力超過均值。從數(shù)據(jù)離散程度來看,創(chuàng)新能力大于均值的29組數(shù)據(jù)標(biāo)準(zhǔn)差為0.57而小于等于均值的77組數(shù)據(jù)標(biāo)準(zhǔn)差為0.087,說明各個農(nóng)業(yè)科技園區(qū)創(chuàng)新能力發(fā)展極不平衡,排名靠前的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力突出,而處于后位的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力均處于低水平。大量學(xué)者針對農(nóng)業(yè)科技創(chuàng)新能力及其影響因素進(jìn)行了廣而深入的研究。王海花等6基于資源依賴?yán)碚摰难芯勘砻?區(qū)域科技創(chuàng)新績效受區(qū)域位置以及高新技術(shù)企業(yè)認(rèn)定的影響。徐輝等7通過實證分析證實了產(chǎn)融結(jié)合、增加政府干預(yù)、降低信息

30、不對稱性對企業(yè)實質(zhì)性創(chuàng)新具有明顯推動作用。秦昌媛等8從宏觀和微觀角度總結(jié)出了阻礙企業(yè)創(chuàng)新的因素：政策、企業(yè)競爭、創(chuàng)新思維、研發(fā)環(huán)境等,并提出了相應(yīng)的創(chuàng)新建議。董成森9以湖南省為例,闡述了農(nóng)業(yè)科技投入、農(nóng)業(yè)科技人才、農(nóng)業(yè)科研資源以及農(nóng)業(yè)科技成果轉(zhuǎn)化擴散4個方面對農(nóng)業(yè)科技創(chuàng)新的影響機制。張躍強等10通過VAR模型等方法對財政農(nóng)業(yè)科技投入對農(nóng)業(yè)科技創(chuàng)新績效的影響進(jìn)行了研究。結(jié)果表明,財政農(nóng)業(yè)科技投入對農(nóng)業(yè)科技創(chuàng)新短期較長期影響更為顯著。趙麗娟等11發(fā)現(xiàn)環(huán)境規(guī)制與政府R&D投入對農(nóng)業(yè)科技創(chuàng)新效率有明顯正相關(guān)關(guān)系。張莉俠等12采用DEA法進(jìn)行研究，發(fā)現(xiàn)科技市場發(fā)育程度，農(nóng)村勞動力受教育水平，農(nóng)業(yè)技術(shù)引進(jìn)

31、與吸收能力,農(nóng)村經(jīng)濟、生產(chǎn)力水平以及政府扶持力度等因素對農(nóng)業(yè)科技創(chuàng)新資源的配置效率具有正向影響。綜上所述，已有研究大部分針對農(nóng)業(yè)科技、區(qū)域創(chuàng)新能力以及其影響因素進(jìn)行宏觀分析，而針對我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的實證分析較少。一方面沒有對各個國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行綜合評價，僅對我國不同省份的農(nóng)業(yè)科技區(qū)域創(chuàng)新能力進(jìn)行分析排名不夠細(xì)致，也無法應(yīng)對同省內(nèi)各個農(nóng)業(yè)科技園區(qū)創(chuàng)新發(fā)展差異大的現(xiàn)狀，且其評價指標(biāo)體系構(gòu)建中指標(biāo)過少，難以對園區(qū)創(chuàng)新能力全方位評估。另一方面已有文獻(xiàn)也少有對國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的影響因素主次關(guān)系的深入研究。因此，該研究通過因子分析、系統(tǒng)聚類分析、Logit回歸、AHP層次分

32、析對國家級農(nóng)業(yè)科技園區(qū)的創(chuàng)新能力進(jìn)行了排名、評價，并對其影響因素進(jìn)一步實證研究，對推動農(nóng)業(yè)科技創(chuàng)新進(jìn)程有重要借鑒意義。研究方法與模型選擇在對我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素進(jìn)行分析之前，需要對106家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行評價、排名。部分學(xué)者在進(jìn)行相關(guān)問題的研究時，選擇對樣本數(shù)據(jù)進(jìn)行聚類分析，以聚類結(jié)果作為被解釋變量，或者使用進(jìn)行因子分析所得的公共因子進(jìn)行聚類分析，同樣以聚類結(jié)果作為被解釋變量進(jìn)行下一步研究。這忽略了各個評價指標(biāo)所占權(quán)重對聚類分析結(jié)果的影響。因此，該研究第一步對創(chuàng)新能力指標(biāo)的權(quán)重進(jìn)行計算。為了盡可能減少人為賦權(quán)帶來的主觀因素對后續(xù)研究的影響，該研究選用因子分析法計算農(nóng)業(yè)科技園

33、區(qū)創(chuàng)新能力綜合得分。第二步，將農(nóng)業(yè)科技園區(qū)按照其創(chuàng)新能力綜合得分進(jìn)行聚類分析，將分組情況作為被解釋變量，對可能對園區(qū)創(chuàng)新能力產(chǎn)生影響的因素作為解釋變量構(gòu)建有序Logit回歸模型。第三步，根據(jù)Logit回歸結(jié)果進(jìn)行AHP層次分析，以確定農(nóng)科科技園區(qū)創(chuàng)新能力的影響因素及其影響程度大小。評價指標(biāo)體系的構(gòu)建及數(shù)據(jù)來源考慮到農(nóng)業(yè)科技園區(qū)創(chuàng)新能力評價指標(biāo)體系及其數(shù)據(jù)來源的權(quán)威性、客觀性、系統(tǒng)性，該研究選取科技部發(fā)布的國家重點園區(qū)創(chuàng)新監(jiān)測報告2016中國家農(nóng)業(yè)科技園區(qū)創(chuàng)新監(jiān)測報告中提到的“創(chuàng)新產(chǎn)出”“創(chuàng)新績效”兩個一級指標(biāo)、8個二級指標(biāo)、45個三級指標(biāo)作為該研究的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力評價指標(biāo)體系的構(gòu)成要素（

34、表1）。而報告中提到的“創(chuàng)新條件”部分從企業(yè)創(chuàng)新投入-產(chǎn)出角度考慮，屬于農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的影響因素，并不適合進(jìn)行創(chuàng)新能力評價體系的構(gòu)建，因此將其舍棄。與其相應(yīng)的數(shù)據(jù)同樣從該報告中獲取。其中，該報告對全國118家國家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行監(jiān)督調(diào)查，除去因各種原因未上報年度數(shù)據(jù)的12家農(nóng)業(yè)科技園區(qū)外，完整數(shù)據(jù)總計106份。因此，將106家農(nóng)業(yè)科技園區(qū)相關(guān)數(shù)據(jù)作為樣本進(jìn)行研究。3農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素的實證分析因子分析數(shù)據(jù)標(biāo)準(zhǔn)化與適用性檢驗。由于不同評價指標(biāo)變量的性質(zhì)、量綱、數(shù)量級等特征存在一定差異性，因此需要在對數(shù)據(jù)進(jìn)行分析前進(jìn)行標(biāo)準(zhǔn)化處理，提高數(shù)據(jù)可比性，減少誤差。遂使用SPSS23

35、對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。隨后進(jìn)行KMO和Bartlett球形檢驗，以判斷數(shù)據(jù)和指標(biāo)是否適合進(jìn)行因子分析。通過SPSS23進(jìn)行適用性檢驗，KMO檢驗值為0.73Bartlett球形檢驗Sig.值為0.000,達(dá)到顯著水平，表明該研究選取的評價指標(biāo)以及數(shù)據(jù)適合進(jìn)行因子分析。3.1.2主成分提取與成分得分系數(shù)矩陣。通常根據(jù)因子的初始特征值和碎石圖確定所需提取的公共因子個數(shù)。經(jīng)SPSS23計算分析，總共提取11個特征值大于1的公共因子，其累計方差貢獻(xiàn)率達(dá)77.201%,說明提取的11個公共因子仍對原始數(shù)據(jù)有較好的解釋能力。碎石圖顯示,在提取11個公共因子之后圖像趨于平坦,因此,提取11個公共因子進(jìn)行

36、下一步的研究。通過對公共因子的正交旋轉(zhuǎn)，得到11個公共因子F1F11的成分得分系數(shù)矩陣。3.1.3農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合排名。使用初始特征值中的方差貢獻(xiàn)率作為各個公共因子的對應(yīng)權(quán)數(shù)。假設(shè)公共因子數(shù)量為i（i=n），其因子得分為Fi,相應(yīng)的權(quán)數(shù)為Wi,則農(nóng)業(yè)科技園區(qū)的綜合得分S計算公式（1）如下：S=ni=1WiFi（1）通過SPSS計算，106個國家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力綜合得分見表2。經(jīng)標(biāo)準(zhǔn)化處理后綜合得分?jǐn)?shù)據(jù)均值為0，其中淮安農(nóng)業(yè)科技園區(qū)的創(chuàng)新能力指標(biāo)遠(yuǎn)高于樣本創(chuàng)新能力均值，且與第二名差距較大，其綜合評分達(dá)2.80分。全國106家農(nóng)業(yè)科技園區(qū)中僅有29家創(chuàng)新能力超過均值。從數(shù)據(jù)離散程度來看

37、，創(chuàng)新能力大于均值的29組數(shù)據(jù)標(biāo)準(zhǔn)差為0.57而小于等于均值的77組數(shù)據(jù)標(biāo)準(zhǔn)差為0.087，說明各個農(nóng)業(yè)科技園區(qū)創(chuàng)新能力發(fā)展極不平衡，排名靠前的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力突出，而處于后位的農(nóng)業(yè)科技園區(qū)創(chuàng)新能力均處于低水平。大量學(xué)者針對農(nóng)業(yè)科技創(chuàng)新能力及其影響因素進(jìn)行了廣而深入的研究。王?；ǖ?基于資源依賴?yán)碚摰难芯勘砻?，區(qū)域科技創(chuàng)新績效受區(qū)域位置以及高新技術(shù)企業(yè)認(rèn)定的影響。徐輝等7通過實證分析證實了產(chǎn)融結(jié)合、增加政府干預(yù)、降低信息不對稱性對企業(yè)實質(zhì)性創(chuàng)新具有明顯推動作用。秦昌媛等8從宏觀和微觀角度總結(jié)出了阻礙企業(yè)創(chuàng)新的因素：政策、企業(yè)競爭、創(chuàng)新思維、研發(fā)環(huán)境等，并提出了相應(yīng)的創(chuàng)新建議。董成森9以湖南

38、省為例，闡述了農(nóng)業(yè)科技投入、農(nóng)業(yè)科技人才、農(nóng)業(yè)科研資源以及農(nóng)業(yè)科技成果轉(zhuǎn)化擴散4個方面對農(nóng)業(yè)科技創(chuàng)新的影響機制。張躍強等10通過VAR模型等方法對財政農(nóng)業(yè)科技投入對農(nóng)業(yè)科技創(chuàng)新績效的影響進(jìn)行了研究。結(jié)果表明，財政農(nóng)業(yè)科技投入對農(nóng)業(yè)科技創(chuàng)新短期較長期影響更為顯著。趙麗娟等11發(fā)現(xiàn)環(huán)境規(guī)制與政府R&D投入對農(nóng)業(yè)科技創(chuàng)新效率有明顯正相關(guān)關(guān)系。張莉俠等12采用DEA法進(jìn)行研究，發(fā)現(xiàn)科技市場發(fā)育程度，農(nóng)村勞動力受教育水平，農(nóng)業(yè)技術(shù)引進(jìn)與吸收能力，農(nóng)村經(jīng)濟、生產(chǎn)力水平以及政府扶持力度等因素對農(nóng)業(yè)科技創(chuàng)新資源的配置效率具有正向影響。綜上所述，已有研究大部分針對農(nóng)業(yè)科技、區(qū)域創(chuàng)新能力以及其影響因素進(jìn)行宏觀分析

39、，而針對我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的實證分析較少。一方面沒有對各個國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行綜合評價，僅對我國不同省份的農(nóng)業(yè)科技區(qū)域創(chuàng)新能力進(jìn)行分析排名不夠細(xì)致，也無法應(yīng)對同省內(nèi)各個農(nóng)業(yè)科技園區(qū)創(chuàng)新發(fā)展差異大的現(xiàn)狀，且其評價指標(biāo)體系構(gòu)建中指標(biāo)過少，難以對園區(qū)創(chuàng)新能力全方位評估。另一方面已有文獻(xiàn)也少有對國家級農(nóng)業(yè)科技園區(qū)創(chuàng)新能力的影響因素主次關(guān)系的深入研究。因此，該研究通過因子分析、系統(tǒng)聚類分析、Logit回歸、AHP層次分析對國家級農(nóng)業(yè)科技園區(qū)的創(chuàng)新能力進(jìn)行了排名、評價，并對其影響因素進(jìn)一步實證研究，對推動農(nóng)業(yè)科技創(chuàng)新進(jìn)程有重要借鑒意義。研究方法與模型選擇在對我國農(nóng)業(yè)科技園區(qū)創(chuàng)新能力影響因素進(jìn)行分析之前，需要對106家農(nóng)業(yè)科技園區(qū)創(chuàng)新能力進(jìn)行評價、排名。部分學(xué)者在進(jìn)行相關(guān)問題的研究時，選擇對樣本數(shù)據(jù)進(jìn)行聚類分析，以聚類結(jié)果作為被解釋變量，或者使用進(jìn)行因子分析所得的公共因子進(jìn)行聚類分析，同樣以聚類結(jié)果作為被解釋變量進(jìn)行下一步研究。這忽略了各個評價指標(biāo)所占權(quán)重對聚類分析結(jié)果的影響。因此，該研究第一步對創(chuàng)新能力指標(biāo)的權(quán)重進(jìn)行計算。為了盡可能減少人為賦權(quán)帶來的主觀因素對后續(xù)研究的影響，該研