【文献分享】农业创新生态系统分阶段驱动因素与制约瓶颈:基于科技人才三阶段创新行为的经验证据

研究假说：

H1：基础设施支撑对农业科技人才创新构想产生、创新扩散及落地实施行为均存在显著正向影响。

H2：资源支撑对农业科技人才创新构想产生、创新扩散及落地实施行为均具有显著正向影响。

H3：网络支撑对农业科技人才创新构想产生、创新扩散及落地实施行为均具有显著正向影响。

1.主效应回归分析

在相关性分析基础上，本文分别针对基础设施、政策资源支撑、知识密度、互动型网络、开放式网络五个自变量，与创新构想产生、创新扩散、创新落地实施三项因变量开展回归分析，以此检验研究假设，回归结果如表3所示。回归结果显示：基础设施、政策资源支撑、知识密度、互动型网络与开放式网络，对创新产生、创新扩散、创新实施三个阶段均存在显著正向作用。为规避回归模型存在严重多重共线性问题，本研究对各模型逐一开展多重共线性检验。参照O'Brien（2007）判定标准：平均方差膨胀因子（MVIF）大于10则判定存在多重共线性。本研究所有模型平均方差膨胀因子均小于1.83，说明变量间不存在多重共线性问题。据此，假设H1、H2、H3全部得到验证。

2.中介效应检验

创新活动开展过程中，创新风险的产生难以避免。创新风险理论认为，从创新主体视角来看，创新风险包含技术风险、市场风险、资金风险、政策风险、生产风险与管理风险，各类风险内部又可细化为多个具体构成要素。从基础支撑条件来看，完善的基础设施能够在一定程度上缓解技术创新面临的生产类风险，化解创新落地实施阶段规模化投产受阻、生产周期过长、生产成本偏高各类难题，为乡村创新主体形成兜底保障，进而提升其风险研判意识，使其在创新相关决策中做出果断判断。据此，本文提出以下假说：

H1a：风险管理能力在基础设施影响创新构想产生、创新扩散、创新落地实施的三个路径中均发挥中介作用。

从资源支撑层面来看，政策资源和基础设施类似，都能为乡村农业科技人才培育创新行为起到兜底保障作用。但二者存在差异：基础设施侧重保障功能，政策资源兼具保障与激励双重属性。高强度政策资源扶持能够帮助创新主体对冲政策风险与资金风险。具体而言，政策资源契合国家宏观政策导向，针对性的政策投入有助于统筹化解复杂难题、回应多方利益诉求；同时加快各类要素配置效率，缓解乡村人才培育过程中的资金压力，进而提升主体风险管理水平。而知识密集型环境则区别于基础设施与政策资源，可为行业内部提供专业化、高强度技术支撑，降低创新活动面临的技术风险。具体体现在缓解新技术研发难度大、关键技术存在短板、核心技术难以突破等困境，破除各类技术壁垒，补齐试验场地、仪器设备、配套工具不足等现实短板。基于以上分析，本文提出如下假说：

H2a：风险管理能力在资源支撑作用于创新构想产生、创新扩散、创新落地实施的三条路径中均存在中介效应。

从网络支撑层面来看，互动型网络与开放式网络对农业科技人才创新能力培育兼具保障、助推与支撑作用。互动型网络能够加快人才、机构、产业之间的交流频次，有效缓解乡村振兴过程中的各类管理风险，例如组织协同不足、部门间配合不畅、创新主体决策失误、研发进程受阻等问题。可以说，创新能力培育既离不开互动型网络的支撑，也离不开对管理风险的有效管控。开放式网络作为乡村人才与各类机构对接的重要沟通渠道，其完善能够有效对冲市场风险，具体体现在改善创新成果市场适配性、降低市场推广阻力、提升市场定位精准度等方面。开放式网络赋能能够显著提升乡村人才的风险管理水平，进而推动其创新能力成长。据此提出如下假说：

H3a：风险管理能力在网络支撑影响创新构想产生、创新扩散、创新落地实施的三个路径中均发挥中介效应。

针对中介效应模型，本文采用逐步回归三步法检验风险管理能力的中介作用，并运用Bootstrap法对样本数据进行1000次随机抽样检验。本文首先检验创新构想产生阶段的中介效应，结果如表4所示。在该阶段，全部自变量（X1—X5）对风险意识均存在显著正向影响，说明基础设施（X1）、政策资源支撑（X2）、知识密度（X3）、开放式网络（X4）与互动型网络（X5）均可显著提升主体风险意识。以基础设施（X1）为例，其回归系数为0.647***（t值=7.01），印证基础设施在创新构想产生阶段能够正向助推风险意识提升。在创新扩散阶段与创新落地实施阶段，各变量回归系数同样全部显著为正，表明政策资源支撑、知识密度、开放式网络、互动型网络在创新全流程中均与风险意识呈正向关联。综上可知，各类影响因素在创新不同阶段均对风险意识培育发挥正向驱动作用。

3.必要条件分析

3.1.必要条件分析步骤

本研究借助R软件中的必要条件分析（NCA）模型，针对五个影响因素分别与创新构想产生、创新扩散、创新落地实施之间的作用关系开展必要条件分析。研究采用两种上限分析方法求解上限包络线（CE-FDH）与上限回归曲线（CR-FDH）（Dul，2016），具体结果详见表5、附录表2、图2、图3及图4。

3.2.模型估计与判定标准

所有散点图的包络线均向样本观测点左上方延伸，图中虽存在少量空白区域，但空白占比极低。在此基础上，本研究进一步利用必要条件分析（NCA）测算模型精确度、上限区域、变量取值区间、效应量（d）以及显著性水平。图2、图3、图4中的包络上限（CE）几乎囊括全部观测样本，意味着模型估计精确度接近100%。参照Dul（2016）提出的判定准则：当p<0.01时，该变量判定为必要条件，效应量d则用于表征变量的必要程度强弱。

3.3.分阶段必要条件分析结果

研究结果表明，各类必要条件存在明显的阶段异质性。

在创新构想产生阶段：基础设施在CE、CR两种测算方式下的效应量分别为0.306、0.317，均在1%统计水平显著，属于高强度必要条件；开放式网络、互动型网络同样在两种方法下显著，但效应量均小于0.1，仅为低强度必要条件。

在创新扩散阶段：知识密度在CE、CR测算下效应量依次为0.046、0.023，均通过1%显著性检验，为低强度必要条件；开放式网络在两种方法下均在5%水平显著，同样归为低强度必要条件；互动型网络两种检验结果均显著，且效应量小于0.1，同样是低强度必要条件。

在创新落地实施阶段：基础设施、开放式网络、互动型网络均为低强度必要条件。其中基础设施虽未达到1%显著性水平，但两种检验下均在5%水平显著，仍可判定为低强度必要条件。