农业科技园区创新能力影响因素分析

1、农业科技园区创新能力影响因素分析作者：刘文意王凤琴来源：安徽农业科学2021年第22期续表1表1我国农业科技园区创新能力指标Table1IndexsystemofinnovationcapabilityofChinasagriculti一级指标Eii*st-levelindicator二级指标Second-levelindicator创新产出Innovationoutpul园区创新品牌园当勺动植物新品种数当年取当年取得当年取得当年通过耳半年通过审Ji当年引必当年引半年引进由当年推当年和当年推广研发推广的新技术与新产品数当年引进新技当年国外引进的新当年推广新技当年引进当年口主当年的创新绩效Inn

2、ovationpeifomiance培育孵化企业个数新片企业收入生产作主级指标First-levelindicator二级指标Second-levelindicator园区内农民人均年收入表2106家农业科技园区创新能力综合评Table2Comprehensivescoresandrankingsoftheinnovationcapabilitiesof1排序Soil园区简称Parkabbreviation综合评分Overallrating排序Soil园区简称Parkabbreviation综合识Ovenratin1淮安2.8037武威-0.02济宁1.3638南阳-0.G3武汉1.2239永

3、州-0.04泉州0.8440盐城_0.05和林格尔0.7941芜湖-0.06西宁0.6742东营-0.07辉山0.6643三亚-0.08滨州0.6544金华-0.09浦东0.5245即墨-0.01()湄潭0.4646潜江-0.011杨凌0.3447岳阳-0.G12公主岭0.3448楚雄-0.013望城0.2649红河_0.014上饶0.2050拉萨-0.015宿州0551乌鲁木齐-016延边0.1452雅安-0.117石嘴山().1353漳州-018烟台0354泰安-019南昌0.1255合肥-020白马0.1156乐山-0排序Sort园区简称Parkabbreviation综合评分Overa

4、llrating排序Sort园区简称Parkabbreviation综合产Ovenratin21许昌0.0957石河子-022大庆0.0958邯郸-023仙桃0.0859寿光-0.124忠县0.0660吴忠-0.125濮阳0.0661湖州-0.126嘉兴0.0362固原-027三河0.0263昌平-028铁岭0.0264阜新-029常熟0.0265松原-030建三江0.0066顺义-0.131广州0.0067唐山32備州-0.0168金州-033湘潭-0.0269慈溪-0.134井冈山-0.0270新余-035通化-0.0371渭南-036旅顺-0.0372晋中-0表3农业科技园区聚类分析分组

5、Table3Clusteranalysisgroupingofagriculturalscienceandtechnolo-gyparks序号No.分类Classificatior农业科技园区IAgiiciilluralscience*分别表示该变量在0.10.0.05和0.01的水平卜显著Note:*9*9*indicatetliatthevariableissignificantatthelevelof0.1(),0.05,and0.01,respectively图1AHP层次结构模型Fig.lAHPhierarchymodel表6创新能力指标权重和排名Table6Weightsandra

6、nkingsofinnovationcap级指标Firstlevelimlicator权重Weigill二级指标Setiirnlairyin(lcalor资本因素Capitalfactor0.6479拈；当年企业投资总额亿元乙；当年社会融资总额亿元人才因素lalentfactor0.2299禺：园区聘请专家总人数人血:科技特派团数屋个坏境因素Environmentalfactor0.1222启门园区大型仪器设备原值总额;X帚园区高新技术企业数个X小电商平台数个摘要基于国家重点园区创新监测报告2016中指标构建评价指标体系，运用因子分析对我国106家国家级农业科技园区创新能力进行分析、评价，发现

7、我国农业科技园区创新能力具有发展不平衡的特点。通过聚类分析、构建Logit回归等模型，对农业科技园区创新能力的影响因素进行了深入研究，发现企业投资额、社会融资额以及园区专家人数是影响园区创新能力的主要因素，并据此提出提高我国农业科技园区创新能力的举措、建议。关键词农业科技园区;科技创新能力;影响因素;因子分析;有序Logit模型中图分类号F-304.1文献标识码A文章编号0517-6611（2021）22-0246-07doi：10.3969/j.issn.0517-6611.2021.22.063开放科学（资源服务）标识码（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90年代，我国人口密度逐渐增大，传统粗放农业的劣势日益突出，加上其多以大量牺牲生态环境为代价，与科学发展观相违，因此在其发展过程中不断被高效的现代集约型农业所替代。加之我国农业现代化水平的不断提高，农业科技园区便随之兴起，并呈快速发展的势头1。农业科技园区是指在一定区域内的现代农业科技企业集群，其依托现代农业技术，以调整农业结构为目标，以“高科技，高标准，高效率”的特点为中国传统农业的转型开辟了新路径2。经过数十年的发展，随着我国科技、经济水平的大幅跃升，在国家政策的推动下，我国出现了一批又一批各具特色、模式各不相同的

13、农业科技园。截至2018年，我国已建成国家农业高新技术产业示范区2家、国家农业科技园区246家，省级农业高新技术产业开发区20家、省级农业科技园区975家3。2018年发布的国家农业科技园区发展规划（20182025年）中提到，在2020年应构建以国家级农业科技园区为引领，省级农业科技园区为基础的层次分明、功能互补、特色鲜明、创新发展的农业科技园区体系4。在农业科技园区数量、规模不断扩增的同时，农业科技创新已成为现代农业发展的不竭动力。因此，国家不断强调科技创新在农业发展中的重要地位并对其提出了更高的要求。农业农村部印发的“十三五”农业科技发展规划中明确指出，要充分发挥科技对加快农业现代化建设

14、、促进农村经济社会发展的重要支撑引领作用，不断加强农业科技创新条件能力建设，加快推动体制机制创新5。因此，如何加强农业科技创新能力，推动现代农业发展成为该领域内核心问题。大量学者针对农业科技创新能力及其影响因素进行了广而深入的研究。王海花等6基于资源依赖理论的研究表明，区域科技创新绩效受区域位置以及高新技术企业认定的影响。徐辉等7通过实证分析证实了产融结合、增加政府干预、降低信息不对称性对企业实质性创新具有明显推动作用。秦昌媛等8从宏观和微观角度总结出了阻碍企业创新的因素：政策、企业竞争、创新思维、研发环境等，并提出了相应的创新建议。董成森9以湖南省为例，阐述了农业科技投入、农业科技人才、农业

15、科研资源以及农业科技成果转化扩散4个方面对农业科技创新的影响机制。张跃强等10通过VAR模型等方法对财政农业科技投入对农业科技创新绩效的影响进行了研究。结果表明，财政农业科技投入对农业科技创新短期较长期影响更为显著。赵丽娟等11发现环境规制与政府R&D投入对农业科技创新效率有明显正相关关系。张莉侠等12采用DEA法进行研究，发现科技市场发育程度，农村劳动力受教育水平，农业技术引进与吸收能力，农村经济、生产力水平以及政府扶持力度等因素对农业科技创新资源的配置效率具有正向影响。综上所述，已有研究大部分针对农业科技、区域创新能力以及其影响因素进行宏观分析，而针对我国农业科技园区创新能力的实证分析较少

16、。一方面没有对各个国家级农业科技园区创新能力进行综合评价，仅对我国不同省份的农业科技区域创新能力进行分析排名不够细致，也无法应对同省内各个农业科技园区创新发展差异大的现状，且其评价指标体系构建中指标过少，难以对园区创新能力全方位评估。另一方面已有文献也少有对国家级农业科技园区创新能力的影响因素主次关系的深入研究。因此，该研究通过因子分析、系统聚类分析、Logit回归、AHP层次分析对国家级农业科技园区的创新能力进行了排名、评价，并对其影响因素进一步实证研究，对推动农业科技创新进程有重要借鉴意义。研究方法与模型選择在对我国农业科技园区创新能力影响因素进行分析之前，需要对106家农业科技园区创新能

17、力进行评价、排名。部分学者在进行相关问题的研究时，选择对样本数据进行聚类分析，以聚类结果作为被解释变量，或者使用进行因子分析所得的公共因子进行聚类分析，同样以聚类结果作为被解释变量进行下一步研究。这忽略了各个评价指标所占权重对聚类分析结果的影响。因此，该研究第一步对创新能力指标的权重进行计算。为了尽可能减少人为赋权带来的主观因素对后续研究的影响，该研究选用因子分析法计算农业科技园区创新能力综合得分。第二步，将农业科技园区按照其创新能力综合得分进行聚类分析，将分组情况作为被解释变量，对可能对园区创新能力产生影响的因素作为解释变量构建有序Logit回归模型。第三步，根据Logit回归结果进行AHP

18、层次分析，以确定农科科技园区创新能力的影响因素及其影响程度大小。评价指标体系的构建及数据来源考虑到农业科技园区创新能力评价指标体系及其数据来源的权威性、客观性、系统性，该研究选取科技部发布的国家重点园区创新监测报告2016中国家农业科技园区创新监测报告中提到的“创新产出”“创新绩效”两个一级指标、8个二级指标、45个三级指标作为该研究的农业科技园区创新能力评价指标体系的构成要素（表1）。而报告中提到的“创新条件”部分从企业创新投入-产出角度考虑，属于农业科技园区创新能力的影响因素，并不适合进行创新能力评价体系的构建，因此将其舍弃。与其相应的数据同样从该报告中获取。其中，该报告对全国118家国家

19、农业科技园区创新能力进行监督调查，除去因各种原因未上报年度数据的12家农业科技园区外，完整数据总计106份。因此，将106家农业科技园区相关数据作为样本进行研究。3农业科技园区创新能力影响因素的实证分析因子分析数据标准化与适用性检验。由于不同评价指标变量的性质、量纲、数量级等特征存在一定差异性，因此需要在对数据进行分析前进行标准化处理，提高数据可比性，减少误差。遂使用SPSS23对原始数据进行标准化处理。随后进行KMO和Bartlett球形检验，以判断数据和指标是否适合进行因子分析。通过SPSS23进行适用性检验，KMO检验值为0.73Bartlett球形检验Sig.值为0.000,达到显著水

20、平，表明该研究选取的评价指标以及数据适合进行因子分析。主成分提取与成分得分系数矩阵。通常根据因子的初始特征值和碎石图确定所需提取的公共因子个数。经SPSS23计算分析,总共提取11个特征值大于1的公共因子,其累计方差贡献率达77.201%,说明提取的11个公共因子仍对原始数据有较好的解释能力。碎石图显示,在提取11个公共因子之后图像趋于平坦,因此,提取11个公共因子进行下一步的研究。通过对公共因子的正交旋转，得到11个公共因子F1F11的成分得分系数矩阵。农业科技园区创新能力综合排名。使用初始特征值中的方差贡献率作为各个公共因子的对应权数。假设公共因子数量为i（i=n），其因子得分为Fi,相应

21、的权数为Wi,则农业科技园区的综合得分S计算公式（1）如下：S=ni=1WiFi（1）通过SPSS计算，106个国家农业科技园区创新能力综合得分见表2。经标准化处理后综合得分数据均值为0,其中淮安农业科技园区的创新能力指标远高于样本创新能力均值,且与第二名差距较大,其综合评分达2.80分。全国106家农业科技园区中仅有29家创新能力超过均值。从数据离散程度来看,创新能力大于均值的29组数据标准差为0.57而小于等于均值的77组数据标准差为0.087,说明各个农业科技园区创新能力发展极不平衡,排名靠前的农业科技园区创新能力突出,而处于后位的农业科技园区创新能力均处于低水平。大量学者针对农业科技创

22、新能力及其影响因素进行了广而深入的研究。王海花等6基于资源依赖理论的研究表明,区域科技创新绩效受区域位置以及高新技术企业认定的影响。徐辉等7通过实证分析证实了产融结合、增加政府干预、降低信息不对称性对企业实质性创新具有明显推动作用。秦昌媛等8从宏观和微观角度总结出了阻碍企业创新的因素：政策、企业竞争、创新思维、研发环境等,并提出了相应的创新建议。董成森9以湖南省为例,阐述了农业科技投入、农业科技人才、农业科研资源以及农业科技成果转化扩散4个方面对农业科技创新的影响机制。张跃强等10通过VAR模型等方法对财政农业科技投入对农业科技创新绩效的影响进行了研究。结果表明,财政农业科技投入对农业科技创新

23、短期较长期影响更为显著。赵丽娟等11发现环境规制与政府R&D投入对农业科技创新效率有明显正相关关系。张莉侠等12采用DEA法进行研究，发现科技市场发育程度，农村劳动力受教育水平，农业技术引进与吸收能力,农村经济、生产力水平以及政府扶持力度等因素对农业科技创新资源的配置效率具有正向影响。综上所述,已有研究大部分针对农业科技、区域创新能力以及其影响因素进行宏观分析,而针对我国农业科技园区创新能力的实证分析较少。一方面没有对各个国家级农业科技园区创新能力进行综合评价,仅对我国不同省份的农业科技区域创新能力进行分析排名不够细致,也无法应对同省内各个农业科技园区创新发展差异大的现状,且其评价指标体系构建

24、中指标过少,难以对园区创新能力全方位评估。另一方面已有文献也少有对国家级农业科技园区创新能力的影响因素主次关系的深入研究。因此，该研究通过因子分析、系统聚类分析、Logit回归、AHP层次分析对国家级农业科技园区的创新能力进行了排名、评价，并对其影响因素进一步实证研究,对推动农业科技创新进程有重要借鉴意义。1研究方法与模型选择在对我国农业科技园区创新能力影响因素进行分析之前，需要对106家农业科技园区创新能力进行评价、排名。部分学者在进行相关问题的研究时，选择对样本数据进行聚类分析，以聚类结果作为被解释变量，或者使用进行因子分析所得的公共因子进行聚类分析，同样以聚类结果作为被解释变量进行下一步

25、研究。这忽略了各个评价指标所占权重对聚类分析结果的影响。因此，该研究第一步对创新能力指标的权重进行计算。为了尽可能减少人为赋权带来的主观因素对后续研究的影响，该研究选用因子分析法计算农业科技园区创新能力综合得分。第二步，将农业科技园区按照其创新能力综合得分进行聚类分析，将分组情况作为被解释变量，对可能对园区创新能力产生影响的因素作为解释变量构建有序Logit回归模型。第三步，根据Logit回归结果进行AHP层次分析，以确定农科科技园区创新能力的影响因素及其影响程度大小。评价指标体系的构建及数据来源考虑到农业科技园区创新能力评价指标体系及其数据来源的权威性、客观性、系统性，该研究选取科技部发布的

26、国家重点园区创新监测报告2016中国家农业科技园区创新监测报告中提到的“创新产出”“创新绩效”两个一级指标、8个二级指标、45个三级指标作为该研究的农业科技园区创新能力评价指标体系的构成要素（表1）。而报告中提到的“创新条件”部分从企业创新投入-产出角度考虑，属于农业科技园区创新能力的影响因素，并不适合进行创新能力评价体系的构建，因此将其舍弃。与其相应的数据同样从该报告中获取。其中，该报告对全国118家国家农业科技园区创新能力进行监督调查，除去因各种原因未上报年度数据的12家农业科技园区外，完整数据总计106份。因此，将106家农业科技园区相关数据作为样本进行研究。农业科技园区创新能力影响因素

27、的实证分析因子分析数据标准化与适用性检验。由于不同评价指标变量的性质、量纲、数量级等特征存在一定差异性，因此需要在对数据进行分析前进行标准化处理，提高数据可比性，减少误差。遂使用SPSS23对原始数据进行标准化处理。随后进行KMO和Bartlett球形检验，以判断数据和指标是否适合进行因子分析。通过SPSS23进行适用性检验，KMO检验值为0.73Bartlett球形检验Sig.值为0.000,达到显著水平，表明该研究选取的评价指标以及数据适合进行因子分析。主成分提取与成分得分系数矩阵。通常根据因子的初始特征值和碎石图确定所需提取的公共因子个数。经SPSS23计算分析，总共提取11个特征值大于

28、1的公共因子，其累计方差贡献率达77.201%，说明提取的11个公共因子仍对原始数据有较好的解释能力。碎石图显示，在提取11个公共因子之后图像趋于平坦，因此，提取11个公共因子进行下一步的研究。通过对公共因子的正交旋转，得到11个公共因子F1F11的成分得分系数矩阵。农业科技园区创新能力综合排名。使用初始特征值中的方差贡献率作为各个公共因子的对应权数。假设公共因子数量为i（i=，n），其因子得分为Fi,相应的權数为Wi,则农业科技园区的综合得分S计算公式（1）如下：S=ni=1WiFi（1）通过SPSS计算，106个国家农业科技园区创新能力综合得分见表2。经标准化处理后综合得分数据均值为0,其

29、中淮安农业科技园区的创新能力指标远高于样本创新能力均值,且与第二名差距较大,其综合评分达2.80分。全国106家农业科技园区中仅有29家创新能力超过均值。从数据离散程度来看,创新能力大于均值的29组数据标准差为0.57而小于等于均值的77组数据标准差为0.087,说明各个农业科技园区创新能力发展极不平衡,排名靠前的农业科技园区创新能力突出,而处于后位的农业科技园区创新能力均处于低水平。大量学者针对农业科技创新能力及其影响因素进行了广而深入的研究。王海花等6基于资源依赖理论的研究表明,区域科技创新绩效受区域位置以及高新技术企业认定的影响。徐辉等7通过实证分析证实了产融结合、增加政府干预、降低信息

30、不对称性对企业实质性创新具有明显推动作用。秦昌媛等8从宏观和微观角度总结出了阻碍企业创新的因素：政策、企业竞争、创新思维、研发环境等,并提出了相应的创新建议。董成森9以湖南省为例,阐述了农业科技投入、农业科技人才、农业科研资源以及农业科技成果转化扩散4个方面对农业科技创新的影响机制。张跃强等10通过VAR模型等方法对财政农业科技投入对农业科技创新绩效的影响进行了研究。结果表明,财政农业科技投入对农业科技创新短期较长期影响更为显著。赵丽娟等11发现环境规制与政府R&D投入对农业科技创新效率有明显正相关关系。张莉侠等12采用DEA法进行研究，发现科技市场发育程度，农村劳动力受教育水平，农业技术引进

31、与吸收能力,农村经济、生产力水平以及政府扶持力度等因素对农业科技创新资源的配置效率具有正向影响。综上所述，已有研究大部分针对农业科技、区域创新能力以及其影响因素进行宏观分析，而针对我国农业科技园区创新能力的实证分析较少。一方面没有对各个国家级农业科技园区创新能力进行综合评价，仅对我国不同省份的农业科技区域创新能力进行分析排名不够细致，也无法应对同省内各个农业科技园区创新发展差异大的现状，且其评价指标体系构建中指标过少，难以对园区创新能力全方位评估。另一方面已有文献也少有对国家级农业科技园区创新能力的影响因素主次关系的深入研究。因此，该研究通过因子分析、系统聚类分析、Logit回归、AHP层次分

32、析对国家级农业科技园区的创新能力进行了排名、评价，并对其影响因素进一步实证研究，对推动农业科技创新进程有重要借鉴意义。研究方法与模型选择在对我国农业科技园区创新能力影响因素进行分析之前，需要对106家农业科技园区创新能力进行评价、排名。部分学者在进行相关问题的研究时，选择对样本数据进行聚类分析，以聚类结果作为被解释变量，或者使用进行因子分析所得的公共因子进行聚类分析，同样以聚类结果作为被解释变量进行下一步研究。这忽略了各个评价指标所占权重对聚类分析结果的影响。因此，该研究第一步对创新能力指标的权重进行计算。为了尽可能减少人为赋权带来的主观因素对后续研究的影响，该研究选用因子分析法计算农业科技园

33、区创新能力综合得分。第二步，将农业科技园区按照其创新能力综合得分進行聚类分析，将分组情况作为被解释变量，对可能对园区创新能力产生影响的因素作为解释变量构建有序Logit回归模型。第三步，根据Logit回归结果进行AHP层次分析，以确定农科科技园区创新能力的影响因素及其影响程度大小。评价指标体系的构建及数据来源考虑到农业科技园区创新能力评价指标体系及其数据来源的权威性、客观性、系统性，该研究选取科技部发布的国家重点园区创新监测报告2016中国家农业科技园区创新监测报告中提到的“创新产出”“创新绩效”两个一级指标、8个二级指标、45个三级指标作为该研究的农业科技园区创新能力评价指标体系的构成要素（

34、表1）。而报告中提到的“创新条件”部分从企业创新投入-产出角度考虑，属于农业科技园区创新能力的影响因素，并不适合进行创新能力评价体系的构建，因此将其舍弃。与其相应的数据同样从该报告中获取。其中，该报告对全国118家国家农业科技园区创新能力进行监督调查，除去因各种原因未上报年度数据的12家农业科技园区外，完整数据总计106份。因此，将106家农业科技园区相关数据作为样本进行研究。3农业科技园区创新能力影响因素的实证分析因子分析数据标准化与适用性检验。由于不同评价指标变量的性质、量纲、数量级等特征存在一定差异性，因此需要在对数据进行分析前进行标准化处理，提高数据可比性，减少误差。遂使用SPSS23

35、对原始数据进行标准化处理。随后进行KMO和Bartlett球形检验，以判断数据和指标是否适合进行因子分析。通过SPSS23进行适用性检验，KMO检验值为0.73Bartlett球形检验Sig.值为0.000,达到显著水平，表明该研究选取的评价指标以及数据适合进行因子分析。3.1.2主成分提取与成分得分系数矩阵。通常根据因子的初始特征值和碎石图确定所需提取的公共因子个数。经SPSS23计算分析，总共提取11个特征值大于1的公共因子，其累计方差贡献率达77.201%,说明提取的11个公共因子仍对原始数据有较好的解释能力。碎石图显示,在提取11个公共因子之后图像趋于平坦,因此,提取11个公共因子进行

36、下一步的研究。通过对公共因子的正交旋转，得到11个公共因子F1F11的成分得分系数矩阵。3.1.3农业科技园区创新能力综合排名。使用初始特征值中的方差贡献率作为各个公共因子的对应权数。假设公共因子数量为i（i=n），其因子得分为Fi,相应的权数为Wi,则农业科技园区的综合得分S计算公式（1）如下：S=ni=1WiFi（1）通过SPSS计算，106个国家农业科技园区创新能力综合得分见表2。经标准化处理后综合得分数据均值为0，其中淮安农业科技园区的创新能力指标远高于样本创新能力均值，且与第二名差距较大，其综合评分达2.80分。全国106家农业科技园区中仅有29家创新能力超过均值。从数据离散程度来看

37、，创新能力大于均值的29组数据标准差为0.57而小于等于均值的77组数据标准差为0.087，说明各个农业科技园区创新能力发展极不平衡，排名靠前的农业科技园区创新能力突出，而处于后位的农业科技园区创新能力均处于低水平。大量学者针对农业科技创新能力及其影响因素进行了广而深入的研究。王海花等6基于资源依赖理论的研究表明，区域科技创新绩效受区域位置以及高新技术企业认定的影响。徐辉等7通过实证分析证实了产融结合、增加政府干预、降低信息不对称性对企业实质性创新具有明显推动作用。秦昌媛等8从宏观和微观角度总结出了阻碍企业创新的因素：政策、企业竞争、创新思维、研发环境等，并提出了相应的创新建议。董成森9以湖南

38、省为例，阐述了农业科技投入、农业科技人才、农业科研资源以及农业科技成果转化扩散4个方面对农业科技创新的影响机制。张跃强等10通过VAR模型等方法对财政农业科技投入对农业科技创新绩效的影响进行了研究。结果表明，财政农业科技投入对农业科技创新短期较长期影响更为显著。赵丽娟等11发现环境规制与政府R&D投入对农业科技创新效率有明显正相关关系。张莉侠等12采用DEA法进行研究，发现科技市场发育程度，农村劳动力受教育水平，农业技术引进与吸收能力，农村经济、生产力水平以及政府扶持力度等因素对农业科技创新资源的配置效率具有正向影响。综上所述，已有研究大部分针对农业科技、区域创新能力以及其影响因素进行宏观分析

39、，而针对我国农业科技园区创新能力的实证分析较少。一方面没有对各个国家级农业科技园区创新能力进行综合评价，仅对我国不同省份的农业科技区域创新能力进行分析排名不够细致，也无法应对同省内各个农业科技园区创新发展差异大的现状，且其评价指标体系构建中指标过少，难以对园区创新能力全方位评估。另一方面已有文献也少有对国家级农业科技园区创新能力的影响因素主次关系的深入研究。因此，该研究通过因子分析、系统聚类分析、Logit回归、AHP层次分析对国家级农业科技园区的创新能力进行了排名、评价，并对其影响因素进一步实证研究，对推动农业科技创新进程有重要借鉴意义。研究方法与模型选择在对我国农业科技园区创新能力影响因素进行分析之前，需要对106家农业科技园区创新能力进行评价、排名。部分学者在进行相关问题的研究时，选择对样本数据进行聚类分析，以聚类结果作为被解释变量，或者使用进行因子分析所得的公共因子进行聚类分析，同样以聚类结果作为被解释变量进行下一步研究。这忽略了各个评价指标所占权重对聚类分析结果的影响。因此，该研究第一步对创新能力指标的权重进行计算。为了尽可能减少人为赋权带来的主观因素对后续研究的影响，该研