知識密集型轉(zhuǎn)型下的區(qū)域智力資本與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平雙測度及關(guān)聯(lián)性研究

摘要：為探索農(nóng)業(yè)經(jīng)濟(jì)知識密集轉(zhuǎn)型的內(nèi)在機(jī)理，進(jìn)行理論分析，并分別構(gòu)建測度評價(jià)體系。使用熵權(quán)優(yōu)劣解距離法計(jì)算測度，對江蘇省兩種測度的關(guān)聯(lián)性進(jìn)行實(shí)證分析。結(jié)果表明：2013-2022年江蘇省區(qū)域智力資本和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平均得到提升，且區(qū)域智力資本綜合得分從3.976上漲到12.204。智力資本中人力、關(guān)系、結(jié)構(gòu)、創(chuàng)新與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)度分別為0.662 6、0.670 3、0.620 3、0.754 1。在此基礎(chǔ)上，提出了提升創(chuàng)新能力，增加創(chuàng)新投入等建議。

關(guān) 鍵 詞：農(nóng)業(yè)經(jīng)濟(jì)；發(fā)展水平；區(qū)域智力資本；知識密集型

中圖分類號：F321 文獻(xiàn)標(biāo)志碼：A

文章編號：1673-9868（2025）03-0119-10

The Dual Measurement and Correlation Between Regional Mental Capital and Agricultural Economy Development Level under the Knowledge Intensive Transformation

SUN Haiyan¹， GENG Chengxuan²， LIN Shengyao³， XIAO Lin³

1. School of Management，Nanjing Normal University of Special Education，Nanjing 210038，China；

2. School of Economics and Management，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China；

3. Hongshan College，Nanjing University of Finance amp; Economics，Nanjing 210023，China

Abstract：In order to explore the intrinsic mechanism of the knowledge-intensive transformation of the agricultural economy，the study firstly carries out theoretical analysis，secondly constructs the measurement evaluation system respectively，then calculates the measures using the entropy-weighted superiority-inferiority solution distance method，and finally empirically analyzes the correlation between the two measures in Jiangsu Province．The findings demonstrated that degree of agricultural economic growth and regional intellectual capital in Jiangsu Province were improved between 2013 and 2022，with the regional intellectual capital comprehensive score rising from 3.976 to 12.204．The correlation coefficient of human，connections，structure and innovation in intellectual capital with agricultural economic growth was 0.662 6，0.670 3，0.620 3，and 0.754 1，respectively．Based on this，suggestions are proposed to enhance innovation capabilities and increase innovation investment．

Key words：agriculture economy；degree of development；regional intellectual capital；knowledge intensive

近年來，隨著知識經(jīng)濟(jì)興起與全球化進(jìn)程加快，農(nóng)業(yè)經(jīng)濟(jì)也由傳統(tǒng)模式向知識密集型模式轉(zhuǎn)型升級，智力資本在農(nóng)業(yè)經(jīng)濟(jì)中的地位日益提升。區(qū)域智力資本（Regional Intellectual Capital，RIC）作為地區(qū)經(jīng)濟(jì)發(fā)展的重要驅(qū)動(dòng)力，對促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的提升具有極其重要的作用^［1］。但是，目前我國農(nóng)業(yè)發(fā)展不平衡且水平不高，生產(chǎn)率比較低，農(nóng)業(yè)發(fā)展缺乏高附加值，這種差異集中表現(xiàn)在智力資本應(yīng)用與農(nóng)業(yè)現(xiàn)代化建設(shè)^［2-3］。因此，如何從農(nóng)業(yè)經(jīng)濟(jì)角度，深入開發(fā)智力資本，提升農(nóng)業(yè)智力資本（Agricultural Intellectual Capital，AIC）的應(yīng)用是目前研究的重點(diǎn)。江蘇省作為我國的經(jīng)濟(jì)大省，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展在全國長期處于領(lǐng)先地位，政府通過發(fā)展經(jīng)濟(jì)推動(dòng)農(nóng)業(yè)現(xiàn)代化、產(chǎn)業(yè)化與知識密集型轉(zhuǎn)型升級，這一過程離不開智力資本的支撐。學(xué)者們對智力資本與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展進(jìn)行了深入的探討。費(fèi)茹敏^［4］以A股農(nóng)業(yè)上市公司為研究對象，從理論上分析智力資本對農(nóng)業(yè)上市公司發(fā)展能力的影響，并利用STATA軟件對智力資本和企業(yè)發(fā)展能力各變量指標(biāo)進(jìn)行實(shí)證分析，結(jié)果顯示智力資本對總體農(nóng)業(yè)上市公司發(fā)展能力有顯著的正向影響。朱若魯^［5］基于資本形態(tài)演進(jìn)視角，分析了由農(nóng)業(yè)經(jīng)濟(jì)時(shí)代到后期知識經(jīng)濟(jì)時(shí)代，主流勞資分配范式的演進(jìn)規(guī)律，得到智力資本入股參與企業(yè)剩余分配是順應(yīng)時(shí)代發(fā)展要求的結(jié)果。此外，從時(shí)代、行業(yè)與企業(yè)3個(gè)層面分析了智力資本入股的條件，判斷不同企業(yè)在不同發(fā)展階段適合進(jìn)行入股的智力資本類型。張充^［6］為解決吉林省農(nóng)業(yè)發(fā)展后勁不足與農(nóng)民增收滯緩問題，在經(jīng)典內(nèi)生增長理論的基礎(chǔ)上，建立農(nóng)業(yè)生產(chǎn)率增長的理論模型，從理論上闡明了農(nóng)業(yè)生產(chǎn)率增長受到研發(fā)與投資（Ramp;D）、人力資本與制度變遷的正向驅(qū)動(dòng)，并基于實(shí)證分析，提出了促進(jìn)農(nóng)業(yè)生產(chǎn)率增長的耦合性政策體系。李本慶等^［7］為了深度剖析數(shù)字經(jīng)濟(jì)賦能農(nóng)業(yè)高質(zhì)量發(fā)展理論邏輯，在2011-2020年中國30個(gè)省份面板數(shù)據(jù)的基礎(chǔ)上對數(shù)字經(jīng)濟(jì)賦能農(nóng)業(yè)高質(zhì)量發(fā)展的作用機(jī)制進(jìn)行實(shí)證檢驗(yàn)，發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)對結(jié)構(gòu)升級維度和協(xié)同共享維度促進(jìn)作用明顯，對創(chuàng)新發(fā)展維度促進(jìn)作用相對較弱；從區(qū)域異質(zhì)性角度看，數(shù)字經(jīng)濟(jì)對東部地區(qū)農(nóng)業(yè)高質(zhì)量發(fā)展促進(jìn)作用較大，西部地區(qū)次之，而對中部地區(qū)促進(jìn)作用較小。綜合上述內(nèi)容可得，智力資本對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平具有重要的正向作用，但目前有關(guān)RIC理論模型設(shè)計(jì)與對RIC趨勢時(shí)間序列分析的研究較少。因此，對江蘇省RIC影響農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的機(jī)制以及兩者的關(guān)聯(lián)性進(jìn)行研究至關(guān)重要。本文的創(chuàng)新性主要有：① 深入探究了農(nóng)業(yè)智力資本，擴(kuò)展了智力資本的應(yīng)用領(lǐng)域；② 挖掘了江蘇省RIC與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)性，并通過實(shí)證分析揭示了其影響的內(nèi)在機(jī)制，推動(dòng)了農(nóng)業(yè)經(jīng)濟(jì)的知識密集型轉(zhuǎn)型升級與可持續(xù)發(fā)展。

1 基于RIC與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的理論分析

1.1 區(qū)域智力資本與農(nóng)業(yè)數(shù)字經(jīng)濟(jì)

目前，世界經(jīng)濟(jì)正從農(nóng)業(yè)經(jīng)濟(jì)進(jìn)入知識經(jīng)濟(jì)時(shí)代，產(chǎn)業(yè)發(fā)展形態(tài)也隨之由勞動(dòng)密集型向知識密集型轉(zhuǎn)化。隨著知識創(chuàng)新在社會(huì)經(jīng)濟(jì)發(fā)展中重要性的體現(xiàn)，人類社會(huì)的發(fā)展方式也在發(fā)生重要變化。智力資本理論的產(chǎn)生與發(fā)展是理論研究與實(shí)踐結(jié)合的產(chǎn)物，屬于一種能創(chuàng)造價(jià)值或效用的能力，也是智力與知識有機(jī)融合帶來效益的資本，因此能很好地解釋知識經(jīng)濟(jì)發(fā)展的動(dòng)力問題。知識經(jīng)濟(jì)的興起使智力與知識成了最重要的資源，在此基礎(chǔ)上形成的科技實(shí)力成了最重要的競爭力。但由于智力資本是無形的，且影響因素眾多，用于解釋智力資本的AIC難以形成統(tǒng)一的概念。在現(xiàn)代化農(nóng)業(yè)進(jìn)程中AIC更加重視通過網(wǎng)絡(luò)與大數(shù)據(jù)發(fā)展農(nóng)業(yè)，即借助網(wǎng)絡(luò)與大數(shù)據(jù)等智能技術(shù)提升農(nóng)業(yè)生產(chǎn)質(zhì)量，推動(dòng)我國農(nóng)業(yè)經(jīng)濟(jì)知識密集型轉(zhuǎn)型進(jìn)程。其中，智力資本為數(shù)字經(jīng)濟(jì)發(fā)展創(chuàng)造了新的機(jī)遇，智慧農(nóng)業(yè)應(yīng)運(yùn)而生。智力資本以信息和知識為核心，通過人工智能等現(xiàn)代信息技術(shù)與農(nóng)業(yè)跨界融合，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)全過程信息感知、定量決策、智能控制、精準(zhǔn)投入與個(gè)性化服務(wù)的全新農(nóng)業(yè)生產(chǎn)方式，是農(nóng)業(yè)信息化發(fā)展到智能化的高級階段。在RIC協(xié)調(diào)發(fā)展中，首要任務(wù)是關(guān)注市場需求，通過市場需求確定發(fā)展目標(biāo)；其次可對現(xiàn)有資源進(jìn)行匯總，針對具體問題進(jìn)行探討，并形成理論；最終將理論應(yīng)用在實(shí)際中，等待市場的結(jié)果反饋。

1.2 智力資本對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響機(jī)制

智力資本改變了傳統(tǒng)農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展，并推進(jìn)了農(nóng)業(yè)經(jīng)濟(jì)向知識密集型轉(zhuǎn)型升級^［8］。智力發(fā)展對農(nóng)業(yè)經(jīng)濟(jì)的影響機(jī)制主要從農(nóng)業(yè)經(jīng)濟(jì)發(fā)展周期、農(nóng)業(yè)產(chǎn)業(yè)發(fā)展、農(nóng)業(yè)產(chǎn)業(yè)價(jià)值與農(nóng)業(yè)資源配置4個(gè)部分進(jìn)行分析。在農(nóng)業(yè)經(jīng)濟(jì)發(fā)展周期中，智力資本可推動(dòng)農(nóng)業(yè)產(chǎn)業(yè)的供需平衡發(fā)展，從而提升農(nóng)業(yè)經(jīng)濟(jì)的穩(wěn)定性與長期性。在農(nóng)業(yè)產(chǎn)業(yè)發(fā)展部分，主要從區(qū)域人力資本（RZ）、區(qū)域關(guān)系資本（GZ）、區(qū)域結(jié)構(gòu)資本（JZ）與區(qū)域創(chuàng)新資本（CZ）4個(gè)方面進(jìn)行分析。農(nóng)民是農(nóng)業(yè)行業(yè)的知識載體，但目前在高校與研究院中農(nóng)業(yè)專業(yè)是比較冷門的專業(yè)，只有少部分學(xué)生愿意長期從事農(nóng)業(yè)研究。農(nóng)業(yè)人力資本的質(zhì)量也很重要，只有當(dāng)?shù)剞r(nóng)業(yè)人才質(zhì)量得到提高，才能將人口優(yōu)勢轉(zhuǎn)變?yōu)槿肆Y本優(yōu)勢。農(nóng)業(yè)RZ流動(dòng)也會(huì)影響農(nóng)業(yè)經(jīng)濟(jì)發(fā)展，其能引進(jìn)新的管理方法與生產(chǎn)技術(shù)，也能加劇不平衡發(fā)展。GZ能增強(qiáng)外部農(nóng)業(yè)進(jìn)入時(shí)區(qū)域農(nóng)業(yè)市場發(fā)展的抗風(fēng)險(xiǎn)能力，促進(jìn)RZ流動(dòng)，減少農(nóng)業(yè)運(yùn)營成本，并能促進(jìn)企業(yè)對政府的信任度。結(jié)構(gòu)資本的發(fā)展具有靈活性，能在農(nóng)業(yè)產(chǎn)業(yè)發(fā)展中創(chuàng)造潛在價(jià)值，并將接收的信息轉(zhuǎn)換為實(shí)際行動(dòng)。創(chuàng)新資本是農(nóng)業(yè)產(chǎn)業(yè)發(fā)展的源泉，其能推動(dòng)農(nóng)業(yè)技術(shù)創(chuàng)新，為農(nóng)業(yè)產(chǎn)業(yè)創(chuàng)造新機(jī)遇和巨大的經(jīng)濟(jì)效益。在農(nóng)業(yè)產(chǎn)業(yè)價(jià)值部分，智力資本可為農(nóng)業(yè)產(chǎn)業(yè)價(jià)值增添新動(dòng)力，同時(shí)農(nóng)業(yè)產(chǎn)業(yè)價(jià)值的改善會(huì)反作用于智力資本，促進(jìn)各維度優(yōu)化。

2 RIC與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的測度與關(guān)聯(lián)性

2.1 MIC與MAEL評價(jià)體系的構(gòu)建

在進(jìn)行智力資本測度評價(jià)體系（Measurement of Intellectual Capital，MIC）構(gòu)建時(shí)，需以智力資本的4個(gè)維度為基礎(chǔ)。由于評價(jià)數(shù)量過多，需要先通過以下篩選原則確定指標(biāo)，即可度量性、典型性、系統(tǒng)性及可操作性。江蘇省作為我國經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)之一，具有眾多科技創(chuàng)新基地與發(fā)達(dá)的交通網(wǎng)絡(luò)，并且農(nóng)業(yè)現(xiàn)代化水平較高，因此選擇江蘇省作為研究對象，并使用2013-2022年的面板數(shù)據(jù)作為樣本，對不同地區(qū)的智力資本展開評估，所需數(shù)據(jù)從《中國科技統(tǒng)計(jì)年鑒》（2013-2022）以及《中國統(tǒng)計(jì)年鑒》（2013-2022）獲取。因?yàn)槟壳叭狈νㄓ玫闹橇Y本測度評價(jià)體系，本文結(jié)合江蘇省的實(shí)際情況，構(gòu)建MIC評價(jià)體系（圖1）。

在圖1中，一級指標(biāo)為RZ、GZ、JZ與CZ，共12項(xiàng)二級指標(biāo)和38項(xiàng)三級指標(biāo)。江蘇省智力資本綜合得分CS的表達(dá)式為：

CS=RZ+GZ+JZ+CZ（1）

式中，RZ、GZ、GZ與CZ為智力資本4個(gè)維度對應(yīng)的綜合得分。在農(nóng)業(yè)經(jīng)濟(jì)水平測度評價(jià)體系（Measurement of Agricultural Economic Level，MAEL）構(gòu)建時(shí)，需根據(jù)已有研究成果與指標(biāo)篩選原則進(jìn)行搭建，其中研究區(qū)域使用的數(shù)據(jù)從《中國統(tǒng)計(jì)年鑒》（2013-2022）和《江蘇省統(tǒng)計(jì)年鑒》（2013-2022）中獲取。為避免缺失數(shù)據(jù)帶來的影響，使用移動(dòng)平均法補(bǔ)充數(shù)據(jù)。由此構(gòu)建的MAEL評價(jià)體系（圖2）。

在圖2中，一級指標(biāo)包含生產(chǎn)條件（ST）、社會(huì)發(fā)展指數(shù)（SZ）與產(chǎn)出指數(shù)（CC），共有11項(xiàng)二級指標(biāo)和26項(xiàng)三級指標(biāo)。

2.2 基于熵權(quán)優(yōu)劣解距離法的測度方法

由于上述評價(jià)體系中存在較多指標(biāo)，因此結(jié)合熵權(quán)優(yōu)劣解距離法（The Distance Between the Superior and Inferior Solutions of Entropy Weight，SISEWD）、因子分析法以及江蘇省的實(shí)際情況與需求獲取得分結(jié)果^［9-10］。具體流程：假設(shè)存在m個(gè)待測評價(jià)對象，對應(yīng)評價(jià)指標(biāo)有k個(gè)，根據(jù)得到的指標(biāo)數(shù)據(jù)生成評價(jià)對象，評價(jià)指標(biāo)數(shù)據(jù)矩陣U。由于不同指標(biāo)量綱具有較大的差異，因此需進(jìn)行標(biāo)準(zhǔn)化處理，如式（2）所示。

SN_ij=u_ij-mini{u_ij}maxi{u_ij}-mini{u_ij}ζ+（1-ζ）PI

maxi{u_ij}-u_ijmaxi{u_ij}-mini{u_ij}ζ+（1-ζ）NI

ζ∈（0，1）（2）

式中，PI和NI分別為正向和負(fù)向指標(biāo)，ζ為常數(shù)，u_ij表示第i個(gè)評價(jià)對象第j個(gè)評價(jià)指標(biāo)的數(shù)據(jù)，max{}與min{}對應(yīng)u_ij的最大值與最小值。標(biāo)準(zhǔn)化處理后的指標(biāo)數(shù)據(jù)矩陣為SN，假設(shè)其第i個(gè)評價(jià)對象第j個(gè)評價(jià)指標(biāo)對應(yīng)權(quán)重為ω_ij，由此可得j對應(yīng)的權(quán)重W_j與加權(quán)矩陣Z，如式（3）所示。

W_j=1-e_j∑kj=1（1-e_j）

0≤W_j≤1

Z=ω_ij·SN（3）

式中，e_j為j的熵值。設(shè)最優(yōu)向量與最劣向量分別為Z⁺與Z^-，計(jì)算i到Z⁺與Z^-的距離，即D⁺_i與D^-_i，如式（4）所示。

D⁺_i（d）=（∑kj=1｜Z_ij-Z⁺_j｜^d）^1d

D^-_i（d）=（∑kj=1｜Z_ij-Z^-_j｜^d）^1d

d＞0，i=1，2，…，m（4）

式中，d有海明距離與歐式距離，根據(jù)實(shí)際情況取值；Z_ij表示第i個(gè)評價(jià)對象第j個(gè)評價(jià)指標(biāo)的向量，Z⁺_j與Z^-_j分別j為第個(gè)評價(jià)指標(biāo)的最優(yōu)向量與最劣向量。

C′_i=D⁺_i（d）D⁺_i（d）+D^-_i（d）（5）

式中，C′_i為綜合評價(jià)效果的重要指標(biāo)。通過計(jì)算獲取的C′_i范圍為［0，1］，然后進(jìn)行排序，C′_i值越大說明對應(yīng)的評價(jià)對象綜合評價(jià)效果越好，其值為0與1時(shí)說明評價(jià)對象分別對應(yīng)最差方法與最優(yōu)方案。

2.3 基于灰色關(guān)聯(lián)度法的關(guān)聯(lián)性分析

為探究智力資本與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的關(guān)系，首先使用柯布—道格拉斯生產(chǎn)函數(shù)（Cobb Douglas Production，CDP）分析兩者的關(guān)系函數(shù)；其次根據(jù)回歸分析法獲取各項(xiàng)參數(shù)，并取得不同時(shí)間段智力資本對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)率^［11-12］；然后運(yùn)用靈敏度系數(shù)探究農(nóng)業(yè)經(jīng)濟(jì)發(fā)展對智力資本發(fā)生變化時(shí)的敏感度；最后通過灰色關(guān)聯(lián)度（Grey Correlation Degree，GCD）模型分析智力資本各維度同農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)度^［13-15］。CDP函數(shù)的表達(dá)式，如式（6）所示。

Y=AL^aK^b（6）

式中，A、L、K與Y分別為效率系數(shù)、勞動(dòng)投入量、資金投入量及農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平，a、b為Y相對L、K的彈性系數(shù)。資本貢獻(xiàn)率通過目標(biāo)年份經(jīng)濟(jì)產(chǎn)值的差值與實(shí)際產(chǎn)值的比值進(jìn)行計(jì)算。在回歸分析中本文選擇線性回歸，即假設(shè)變量間具有線性相關(guān)性。為便于計(jì)算，使用對數(shù)的方式統(tǒng)一變量。然后，進(jìn)行靈敏度系數(shù)計(jì)算，其中X、Y表示自變量，如式（7）所示。

SC=XY·?Y?X（7）

在GCD法中，首先對獲取的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，可得規(guī)范后的評價(jià)指標(biāo)集U_ij={U_i1，U_i2，…，U_im}以及決策矩陣U_ij。在不同時(shí)間點(diǎn)對比數(shù)列同參考數(shù)列的關(guān)聯(lián)度系數(shù)，如式（8）所示。

χ_i（U）=miniminj｜U_0j-U_ij｜+χmaximaxj｜U_0j-U_ij｜｜U_0j-U_ij｜+χmaximaxj｜U_0j-U_ij｜（8）

為便于后續(xù)觀察，本文將不同時(shí)間點(diǎn)的χ_i（U）進(jìn)行集中處理，最終得到的GCD值，如式（9）所示。

r_i=1M∑mi=1ψ_i（U）（9）

式中，M代表全部評價(jià)對象的數(shù)據(jù)量；ψ表示分辯系數(shù)，在實(shí)際應(yīng)用中，ψ一般設(shè)定為0.5。

3 RIC與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的實(shí)證分析

3.1 區(qū)域智力資本發(fā)展水平測度分析

為判斷MIC評價(jià)體系與MAEL評價(jià)體系能否穩(wěn)定測量江蘇省的相關(guān)數(shù)據(jù)，需要對體系中各維度指標(biāo)進(jìn)行一致性分析，并通過指標(biāo)對應(yīng)的總計(jì)相關(guān)性系數(shù)與克朗巴哈系數(shù)測量值進(jìn)行判斷。數(shù)據(jù)通過軟件SPSS 22.0進(jìn)行處理，MIC評價(jià)體系與MAEL評價(jià)體系不同評價(jià)維度的信度檢驗(yàn)結(jié)果，如表1所示。

由表1可知，當(dāng)總計(jì)相關(guān)性系數(shù)低于0.5時(shí)，對應(yīng)指標(biāo)就可進(jìn)行刪除處理；若克朗巴哈系數(shù)超過0.7，說明相應(yīng)維度的內(nèi)部一致性較好。在MIC評價(jià)體系中，4個(gè)維度的克朗巴哈系數(shù)值均超過0.7，同時(shí)全部指標(biāo)的總計(jì)相關(guān)性系數(shù)均大于0.5。上述結(jié)果說明，本文構(gòu)建的MIC評價(jià)體系具有較好的一致性，可用于后續(xù)智力資本評估。在MAEL評價(jià)體系中，3個(gè)維度的克朗巴哈系數(shù)均超過0.7，說明3個(gè)維度內(nèi)部的一致性較好，該評價(jià)體系劃分具有可信度。其中，指標(biāo)ST13的總計(jì)相關(guān)性系數(shù)為0.276，小于0.5，表示該指標(biāo)需要?jiǎng)h除。刪除后維度ST的克朗巴哈系數(shù)提高到0.897，意味著該指標(biāo)放在ST維度進(jìn)行評價(jià)不合適。其余指標(biāo)的總計(jì)相關(guān)性系數(shù)均超過0.5，表示上述指標(biāo)通過一致性檢驗(yàn)。通過計(jì)算可得10年間江蘇省智力資本各維度及綜合得分，同時(shí)為從其他角度分析江蘇省RIC的發(fā)展情況，本文選取廣東、山西、上海和湖北4個(gè)典型省域作為對比樣本，使用2022年的數(shù)據(jù)進(jìn)行計(jì)算與分析，對應(yīng)的變化曲線與對比結(jié)果如圖3所示。

由圖3a可知，10年間江蘇省RIC發(fā)展水平不斷提升，綜合得分由3.976增長到12.204，且2015年后RIC發(fā)展水平增速顯著增長，這是由于江蘇省“十二五”科技發(fā)展規(guī)劃的落實(shí)，使該省長期保持科技創(chuàng)新在全國的領(lǐng)先優(yōu)勢所致。同時(shí)，江蘇省推行一系列扶持政策促進(jìn)智力資本的發(fā)展，提供大量專項(xiàng)資金全面推動(dòng)“智改數(shù)轉(zhuǎn)”，推進(jìn)制造業(yè)高質(zhì)量發(fā)展。但是，作為基礎(chǔ)的RZ相比之下發(fā)展水平極低，而區(qū)域RZ的發(fā)展與區(qū)域經(jīng)濟(jì)未來的發(fā)展水平存在緊密聯(lián)系，只有區(qū)域RZ得到夯實(shí)與提升，才能為區(qū)域GZ、JZ與CZ的積極發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)。在各省域RIC對比中，江蘇省的區(qū)域RZ明顯低于上海、廣東，意味著該地區(qū)在教育水平和健康保障等方面與上海、廣東存在一定的差距。在區(qū)域GZ對比中，江蘇省也明顯低于上海和廣東，這是因?yàn)樯虾Ｔ谌虻挠绊懥O大，是國際消費(fèi)中心城市；而廣東的國際貿(mào)易非常發(fā)達(dá)，是全國外貿(mào)第一大省，這種局面與實(shí)際情況相符^［16-17］。在區(qū)域JZ對比中，江蘇省的發(fā)展水平相對較低，說明該省在社會(huì)溝通、政府效能等方面還具有較大的發(fā)展空間。在區(qū)域CZ對比中，江蘇省的發(fā)展水平和上海相當(dāng)，表明該省憑借巨大的科教資源優(yōu)勢，實(shí)現(xiàn)了創(chuàng)新成果轉(zhuǎn)化。

3.2 區(qū)域農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平測度分析

10年間江蘇省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平綜合評分變化曲線和2022年各省域農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平綜合評分結(jié)果，如圖4所示。

由圖4a可知，整體上江蘇省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平綜合得分表現(xiàn)出增長趨勢，僅在2020年分值相對較低。在各省域農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平綜合評分對比中，只有上海、廣東與江蘇3個(gè)區(qū)域的綜合得分較高，其余省份的結(jié)果均小于0.5，說明各省域的農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平不均衡，需要采取措施提升區(qū)域農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平。

3.3 RIC與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的關(guān)聯(lián)性分析

對經(jīng)過對數(shù)變換的變量數(shù)據(jù)進(jìn)行擬合，其中自變量為lnK和lnL，因變量為lnY，可得lnK、lnL和lnY對應(yīng)的系數(shù)a、b與A，并構(gòu)建生產(chǎn)函數(shù)模型A。對江蘇省智力資本綜合評分O與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平綜合評分Q進(jìn)行回歸，可得一元線性回歸方程（方程A）與二次回歸方程（方程B）的擬合優(yōu)度與F檢驗(yàn)結(jié)果，分別為0.983與320.268、0.995與529.367。在進(jìn)行二元線性回歸分析后，可得調(diào)整后的判定系數(shù)為0.938，因此該回歸方程具有較好的擬合效果。對模型A進(jìn)行方差分析，可得F檢驗(yàn)結(jié)果為97.326，在p＜0.01的水平下具有統(tǒng)計(jì)學(xué)意義，說明智力資本和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平具有線性相關(guān)性，可構(gòu)建線性模型。然后，獲取模型A的二元線性回歸結(jié)果，lnK和lnL的Sig分別為0.031和0.044，均小于0.05，變量的VIF為8.563，在臨界值10內(nèi)，表明線性回歸結(jié)果具有可靠性。模型A的回歸殘差統(tǒng)計(jì)結(jié)果顯示，基本上殘差結(jié)果在標(biāo)準(zhǔn)范圍，只有少數(shù)數(shù)據(jù)具有較大的偏差。通過上述分析可得，a、b與A分別為2.524、0.085和2.783，由此可得CDP函數(shù)與Y，如式（10）所示。

lnY=2.524lnK+0.085lnL+2.783

Y=2.783K^2.524L^0.085（10）

式（10）中，2.524與0.085之和大于1，說明江蘇省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展在2013-2022年表現(xiàn)出生產(chǎn)規(guī)模效益增長的趨勢。對江蘇省智力資本綜合評分O和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平綜合評分Q進(jìn)行回歸，可得一元線性回歸方程（方程A）和二次回歸方程（方程B）的擬合優(yōu)度與F檢驗(yàn)結(jié)果，分別為0.983與320.268、0.995與529.367。兩個(gè)模型均通過統(tǒng)計(jì)學(xué)檢驗(yàn)，其中方程B的擬合程度更好。對方程變量進(jìn)行進(jìn)一步求導(dǎo)，可得方程A和方程B的靈敏度系數(shù)結(jié)果SC_A和SC_B結(jié)果，如式（11）所示。

SC_A=11+0.196/2.287Q₁

SC_B=2.293Q₂+1.2131.168+1.213Q₂+0.325/Q₂（11）

根據(jù)一元線性回歸方程和二次回歸方程的靈敏度結(jié)果可知，兩者均表現(xiàn)出農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平隨智力資本增長而增長的趨勢，但靈敏度會(huì)存在一定差異，智力資本每增加一個(gè)單位，一次回歸和二次回歸的農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平會(huì)隨之分別增加一個(gè)單位或兩個(gè)單位，因此方程B的靈敏度更高。通過回歸方程的結(jié)果以及相應(yīng)數(shù)據(jù)，計(jì)算10年間江蘇省智力資本對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)率以及兩者的關(guān)聯(lián)系數(shù)，結(jié)果如表2所示。

由表2可知，在10年間江蘇省智力資本對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)率從33.4%上升到45.1%，漲幅為11.7%。近年來，江蘇省對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的重視程度不斷增加，因此智力資本對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展貢獻(xiàn)率的增長幅度明顯提高。通過關(guān)聯(lián)性系數(shù)可得RZ、GZ、JZ與CZ和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)度分別為0.662 6、0.670 3、0.620 3、0.754 1，說明對江蘇省來講，CZ投入影響農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的程度最大，而RZ、GZ和JZ的關(guān)聯(lián)性差異較小，但均對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響程度較大。

4 結(jié)論與建議

本文旨在深入探討RIC在農(nóng)業(yè)經(jīng)濟(jì)發(fā)展中的影響機(jī)制和應(yīng)用，通過構(gòu)建MIC評價(jià)體系與MAEL評價(jià)體系，設(shè)定自變量為lnK和lnL，因變量為lnY，構(gòu)建GCD模型進(jìn)行關(guān)聯(lián)性分析。研究結(jié)果表明，2013-2022年江蘇省RIC發(fā)展水平逐年提升，綜合得分也從3.976上升到12.204。在和其他省域?qū)Ρ戎校虾Ｅc廣東智力資本的4個(gè)維度均得到較高的總和得分，而江蘇省僅在GZ方面占據(jù)優(yōu)勢。此外，江蘇省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平整體上呈現(xiàn)出增長趨勢。2013-2022年江蘇省智力資本對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)率由33.4%增長到45.1%，且RZ、GZ、JZ和CZ與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)度分別為0.662 6、0.670 3、0.620 3、0.754 1，表明CZ投入影響農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的程度最大，而RZ、GZ和JZ的關(guān)聯(lián)性均大于0.5，說明對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響程度均較大。

基于此，本文提出以下建議：① 增加江蘇省智力資本存量，優(yōu)化農(nóng)村教育結(jié)構(gòu)，加大對人才的引進(jìn)，尤其是農(nóng)業(yè)專業(yè)人才，并根據(jù)當(dāng)?shù)貎?yōu)勢發(fā)展農(nóng)業(yè)。② 加強(qiáng)政府與農(nóng)業(yè)企業(yè)的信任關(guān)系，強(qiáng)化農(nóng)業(yè)經(jīng)濟(jì)網(wǎng)絡(luò)協(xié)同發(fā)展及農(nóng)業(yè)經(jīng)濟(jì)發(fā)展主體信用體系的建設(shè)，建立完善的農(nóng)業(yè)經(jīng)營征信體系和科學(xué)的信用評價(jià)制度，提高農(nóng)業(yè)經(jīng)濟(jì)發(fā)展主體的信用度，緩解融資壓力，增強(qiáng)農(nóng)業(yè)經(jīng)濟(jì)抗風(fēng)險(xiǎn)能力。③ 將農(nóng)業(yè)產(chǎn)業(yè)同文化領(lǐng)域、食品加工領(lǐng)域等相結(jié)合，促進(jìn)農(nóng)業(yè)與其他產(chǎn)業(yè)的協(xié)調(diào)發(fā)展。④ 完善農(nóng)業(yè)管理機(jī)制，擴(kuò)展農(nóng)業(yè)市場化融資途徑，根據(jù)實(shí)際市場需求與農(nóng)產(chǎn)品供應(yīng)需求確定農(nóng)業(yè)創(chuàng)新方向。智力資本市場的發(fā)展為科技企業(yè)提供強(qiáng)有力的支持，增加其發(fā)展機(jī)會(huì)與動(dòng)力，可加速農(nóng)業(yè)智能化發(fā)展，推動(dòng)科技成果向?qū)嶋H生產(chǎn)力轉(zhuǎn)化。

參考文獻(xiàn)：

［1］朱驪禧，吳玉宇．縱向兼任高管能提升智力資本價(jià)值創(chuàng)造效率嗎？——基于中國A股農(nóng)業(yè)上市公司實(shí)證分析 ［J］．財(cái)經(jīng)理論與實(shí)踐，2023，44（3）：132-139．

［2］ 舒曉波，馮維祥，廖富強(qiáng)，等．長江中游城市群農(nóng)業(yè)生態(tài)效率時(shí)空演變及驅(qū)動(dòng)因子研究 ［J］．水土保持研究，2022，29（1）：394-403．

［3］ 錢靜斐，陳秧分．典型發(fā)達(dá)國家農(nóng)業(yè)信息化建設(shè)對我國農(nóng)業(yè)“新基建”的啟示 ［J］．科技管理研究，2021，41（23）：174-180．

［4］ 費(fèi)茹敏．A股農(nóng)業(yè)上市公司智力資本對發(fā)展能力的影響研究 ［D］．湘潭：湖南科技大學(xué)，2018．

［5］ 朱若魯．基于智力資本入股視角的企業(yè)勞資分配研究 ［D］．長沙：湖南師范大學(xué)，2014．

［6］ 張充．吉林省農(nóng)業(yè)生產(chǎn)率增長的驅(qū)動(dòng)機(jī)制研究 ［D］．長春：吉林大學(xué)，2010．

［7］ 李本慶，岳宏志．?dāng)?shù)字經(jīng)濟(jì)賦能農(nóng)業(yè)高質(zhì)量發(fā)展：理論邏輯與實(shí)證檢驗(yàn) ［J］．江西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022（6）：95-107．

［8］ 胡倩倩，覃大嘉，寧振安，等．?dāng)?shù)智情境下智力資本與制造企業(yè)價(jià)值創(chuàng)造：基于網(wǎng)絡(luò)嵌入和職業(yè)可持續(xù)性視角 ［J］．科技管理研究，2023，43（7）：105-115．

［9］ VINDEL-ZANDBERGEN P，MATSIKA S，MAITRA N T．Exact-Factorization-Based Surface Hopping for Multistate Dynamics ［J］．Journal of Physical Chemistry Letters，2022，13（7）：1785-1790．

［10］宋中強(qiáng)，張文川，王帥，等．基于熵權(quán)法賦權(quán)的DTOPSIS法和模糊評價(jià)法綜合評價(jià)谷子區(qū)試品種 ［J］．江蘇農(nóng)業(yè)科學(xué)，2023，51（16）：49-54．

［11］李可柏，丁志蕾．江蘇省工業(yè)用水供需系統(tǒng)動(dòng)力學(xué)模型與工業(yè)用水生產(chǎn)要素投入仿真研究 ［J］．資源與產(chǎn)業(yè)，2023，25（4）：127-138．

［12］任仙玲，呂玉卓，鄧?yán)冢顿Y者高頻情緒對股市成交量的異質(zhì)性影響研究——基于分位數(shù)向量自回歸模型 ［J］．運(yùn)籌與管理，2023，32（5）：197-203．

［13］張嘉琪，胥國毅，王程，等．考慮同步機(jī)調(diào)差系數(shù)靈敏度與頻率約束的機(jī)組組合 ［J］．電力系統(tǒng)保護(hù)與控制，2023，51（13）：102-110．

［14］裴雪武，董紹江，方能煒，等．動(dòng)態(tài)調(diào)整灰色關(guān)聯(lián)分析方法在軸承早期退化在線識別中的應(yīng)用 ［J］．儀器儀表學(xué)報(bào)，2023，44（5）：61-70．

［15］肖豪，黃柏豪，孫凱，等．應(yīng)用灰色關(guān)聯(lián)法分析石灰配施有機(jī)肥對鎘污染土壤-植物系統(tǒng)的影響 ［J］．農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)，2022，41（9）：1966-1974．

［16］侯普光．我國中部地區(qū)智力資本對農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響研究 ［D］．太原：山西財(cái)經(jīng)大學(xué)，2021．

［17］肖曙光，朱若魯．智力資本參與企業(yè)剩余分配的機(jī)理新探 ［J］．求索，2014（4）：94-98．

責(zé)任編輯 夏娟

周夢媛