创新要素流动对农业绿色发展的影响及空间溢出效应

钱昭英 刘书杰

（贵州财经大学经济学院 贵州贵阳 550000）

农业经济的快速增长为中国经济发展作出了突出贡献，但是，农业主要依靠资源消耗的粗放经营方式仍未得到根本改变，土壤退化和污染问题仍然突出，绿色技术集成创新不够，绿色优质农产品供给仍然不足[1]。党的二十大报告提出推动形成绿色低碳的生产方式和生活方式，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节，农业发展进入加快推进绿色转型的新阶段。《“十四五”全国农业绿色发展规划》强调要健全绿色技术创新体系，强化科技创新在农业绿色发展中的重要支撑作用，创新要素受到日益广泛的关注。创新要素流动可以通过知识技术溢出、资源优化重组等方式改善地区农业绿色技术创新活动基础，随着交通网络、信息化技术和“互联网+”金融的快速发展，创新要素在省域间的流动速度和规模都出现空间涨势[2]。探究创新要素流动影响农业绿色发展的作用机制，对合理引导创新要素流动，推动农业供给侧结构性改革，助力实现“十四五”时期农业现代化发展目标至关重要。

一、相关研究文献评述

学者们对农业绿色发展水平测度的研究主要集中在两个方面：一是选取相关指标，通过无量纲化处理，采用熵值法、熵权TOPSIS 法、层次分析法等方法测算农业绿色发展水平[3]。然而，受限于地区经济、社会、自然资源等条件，这些方法的测算结果往往存在较大差异。二是基于内生经济增长理论和生产函数，将资源环境约束纳入评价体系，采用DEA 方法测算农业绿色全要素生产率（AGTFP）[4,5]。农业绿色发展的核心在于提升农业绿色全要素生产率，《农业绿色发展技术导则（2018—2030）》中也特别强调农业绿色技术创新的重点和方向之一是实现农业生产由单要素生产率增长向全要素生产率增长转变。基于上述分析，本文采用DEA 方法测算农业绿色全要素生产率，通过农业绿色全要素生产率衡量地区农业绿色发展水平。

创新要素流动主要指R&D 人员和R&D 资本两种生产要素的空间流动，知识和技术的空间溢出效应是其主要特征[6]。白俊红等[7]最先将引力模型应用到R&D 人员和R&D 资本流动量测度中，此后关于创新要素流动的研究大多基于引力模型及其扩展形式展开。创新要素流动能够带来大量经济效益，R&D 人员流动和R&D 资本流动的强外部性特征使要素在空间流动过程中能够通过知识技术溢出效应、规模效应、创新合作网络等方式作用于区域创新环境，提升区域创新能力[8,9]。同时，创新要素参与创新发展的全过程，其区域空间流动是优化资源配置的关键，是产业结构调整的内在动力，能通过产业结构高级化、产业结构合理化等方式优化产业结构，推动产业发展绿色转型[10]。然而，创新要素流动还具有较强的“中心—外围”特征[11]，其在区域空间的适度流动能推动产业发展转型，但过度流动反而会削弱其积极影响。目前大多数文献从要素投入视角探究创新要素投入与农业绿色发展的关系，指出创新要素投入量的增加有助于改善地区农业绿色技术创新水平，推动农业绿色发展[12]。

既有文献对农业绿色发展的测度评价与创新要素流动的经济效益进行了研究，为本文提供了思路，但鲜有文献对创新要素流动与农业绿色发展的关系进行探讨。因此，本文拟采用空间计量模型，分析创新要素流动对农业绿色发展的影响及作用机制，以期为创新推动我国农业绿色转型实践提供参考。本文的边际贡献可能体现在：第一，研究视角。从要素流动视角出发，将创新要素流动与农业绿色发展置于同一分析框架，分别探讨R&D 人员流动和R&D 资本流动对农业绿色发展的异质性影响。第二，研究方法。采用空间杜宾模型，将创新要素流动的知识技术溢出效应对农业绿色发展的影响纳入模型，探究R&D 人员流动、R&D 资本流动影响农业绿色发展的作用机制。

二、理论分析与研究假设

农业生产不仅依赖气温、地形、土壤等地区自然资源禀赋条件，还受到诸如经济发展程度、政府政策措施等社会经济条件的影响。资源禀赋条件和社会经济发展水平的差异导致农业绿色发展的区域特征明显，对相邻省份而言，相似的资源条件使得农业生产的条件、产品类型及发展模式存在显著的趋同特征。特别是随着交通、邮电等基础设施和科学技术服务的日益完善，农业生产所需的劳动力、资本、技术等投入要素的跨区流动速度日益加快，流动规模日益增大，各省份之间的农业生产联系日益紧密。同时，知识技术溢出还使得不同省份间农业绿色生产存在较强的正向空间外溢[3]。基于此，本文提出如下假设：

H1：农业绿色发展存在空间相关性，地区农业绿色发展水平的提升会受邻近省份农业绿色发展正向空间溢出效应影响。

绿色经济发展的关键在于绿色技术进步[10]。一般而言，创新知识和创新技术的产生有利于推动绿色技术进步。创新要素具有“知识性”和“技术性”特征，在空间流动过程中能够促进创新知识的产生和创新技术的发明，因此，创新要素在各省份之间的流动可以通过推动农业绿色技术进步来提升农业绿色发展水平。创新要素流动主要从三个方面推动农业绿色发展：第一，创新要素流动能加速各省份农业创新主体之间研发合作网络的形成，推动农业绿色技术创新合作网络平台的构建，最终推动农业绿色发展。绿色技术复杂多样，单个农业创新主体不大可能具备创新所需的全部知识和技术，研发合作网络的形成有利于知识、技术的交流共享，能推动农业绿色技术进步，促进农业绿色发展。第二，创新要素流动可以通过知识技术溢出效应来促进农业绿色发展。一方面，创新要素载有创新知识和创新技术，其在各省份间的流动必然会带来知识和技术的传播、交流与共享；另一方面，创新要素流动产生的知识技术溢出效应可以有效地降低农业绿色技术进步所需的物质、时间和风险成本，加快推动农业绿色发展。第三，创新要素流动通过资源优化重组改善各省份农业绿色技术创新环境，推动农业绿色发展。创新要素在各省份间的循环流动可以有效地缓解创新资源错配问题。一方面，创新要素流入可以为各省份农业绿色技术创新活动提供人才支撑和资金支持，提升农业创新主体的创造积极性，推动农业绿色发展；另一方面，创新要素流出可以有效地防止资源过度集聚导致的效率损失，同时可以让创新人才在农业创新环境更优的省份学习先进的农业生产技术和管理经验，推动农业绿色发展。

然而，创新要素流动并非都有利于农业绿色发展。一方面，长期大规模的创新要素流入会产生竞争拥挤效应，不利于农业绿色技术进步，反而会阻碍农业绿色发展。R&D 人员过度集聚会削弱创新人才的稀缺性，导致R&D 人员自身价值难以实现，创新能动性降低。R&D 资本过度集聚使得资本的回报周期变长，回报率降低。另一方面，为追求更高的回报率，创新要素会因为“虹吸效应”不断流向经济发达地区，不利于农业绿色转型。与经济发达地区相比，欠发达地区农业绿色发展更加需要创新驱动，更加需要大量的创新要素来保障地区农业绿色技术创新活动的开展，而“虹吸效应”的存在会导致欠发达地区创新要素流动严重不足，阻碍农业绿色技术进步，不利于农业绿色发展。基于此，本文提出如下假设：

H2：创新要素流动存在空间关联特征，且能直接影响本地区农业绿色发展，但影响方向不确定。

H3：地区创新要素流动会受邻近省份农业绿色发展空间溢出效应影响，但影响方向不确定。

三、研究设计

（一） 变量选取与数据来源

1. 被解释变量：农业绿色发展水平（AGTFP）

农业绿色发展以资源环境承载力为基准，以环境友好为内在属性[13]。本文以广义农业为研究对象，考虑农业生产过程中的资源能源约束和环境污染，选取相关指标测算农业绿色全要素生产率，测度农业绿色发展水平，相关投入产出指标及计算说明见表1。

表 1 农业绿色发展水平测算指标体系

农业绿色发展水平测度时存在非期望产出，可能导致投入与产出之间同时存在“径向”和“非径向”关系，传统DEA 方法无法解决这个问题[4]。因此，本文在构造SBM 方向性距离函数[14]的基础上，通过GML 指数[15]测算农业绿色全要素生产率，并将计算结果进行累积化处理后纳入空间计量模型。这样既可以避免传统DEA 模型可能出现的无解情形，又可以满足循环性要求。相关计算公式如下：

式（1）中，K表示决策单元总数；T表示时期总数；N表示投入指标总数；M表示期望产出指标总数；R表示非期望产出总数；(xt,yt,bt)为投入产出向量，xt、yt和bt分别表示t时期投入、期望产出和非期望产出量；为方向向量，gx、gy和gb分别代表投入减少量、期望产出增加量和非期望产出减少量，取值均为正；为松弛向量，Sx、Sy和Sb分别衡量投入过剩量、期望产出不足量和非期望产出过多量；zk表示各个决策单元的权重矩阵。式（2）中，GMLtt+1表示t+1 期相对于t期的变动情况。若GML指数大于1，表示农业绿色发展水平上升；若GML指数小于1，表示农业绿色发展水平下降；若GML等于1，则表示农业绿色发展水平不变。

2. 核心解释变量：R&D 人员流动量（PFL）和R&D 资本流动量（CFL）

参照白俊红等[7]的研究，本文构建双对数引力模型测度R&D 人员流动量和R&D 资本流动量。工资是影响劳动力要素流动的主要因素[16]，依据“推拉理论”，本文以各省城镇单位就业人员平均工资表示各省对外省R&D 人员的吸引力，构建R&D 人员流动引力模型。R&D 资本追求利润最大化，总是流向边际回报率高的地区，本文以各省金融发展水平表征各省对外省R&D 资本的吸引力，构建R&D 资本流动引力模型。相关计算公式如下：

式（3）中，PFLij表示i省流向j省的R&D 人员数量；pi表示i省R&D 人员全时当量；wagej表示j省城镇单位就业人员平均工资；CFLi j为i省流向j省的R&D 资本量；ci为i省R&D 资本存量，通过永续盘存法计算得出；finaj为j省金融发展水平，用金融机构存贷款余额占GDP 的比重衡量；Rij表示两省份间的地理距离，借助Matlab2020，通过两省份经纬度坐标计算得出；式（4）中，PFLi和CFLi分别表示在统计年度内，i省R&D 人员总流动量和R&D 资本总流动量。

3. 控制变量

借鉴已有研究，本文选取六个控制变量：地区经济发展水平（ED），以人均GDP 表征；工业化水平（IND），以工业增加值占GDP 的比重来衡量；对外开放程度（OPE），以进出口总额占GDP 的比重来衡量；受教育水平（EU），以高校在校生人数表征；财政支农水平（FIN），以地方财政农林水务支出占地方财政总支出的比重来衡量；自然灾害水平（AD），以农作物受灾面积表征。

4. 数据来源与处理

本文选取我国30 个省份（未含港澳台和西藏）为研究对象，研究时间跨度为2006—2021 年，数据来源于《中国科技统计年鉴》《中国农村统计年鉴》《中国统计年鉴》和各省统计年鉴，部分缺失数据用插值法补全。此外，为保证数据的可比性，对所有涉及价格的变量均以2006 年为基期进行平减处理。同时，为缓解异方差问题，缩小数据的绝对差异，对ED、EU 和AD 进行对数化处理，记为lnED、lnEU 和lnAD。

（二） 模型设计

1. 空间自相关检验

检验被解释变量和核心解释变量的空间相关性是进行空间计量模型分析的前提。本文采用全局莫兰指数检验农业绿色发展和创新要素流动的空间相关性，计算公式为：

式（5）中，i、j表示省份；K表示决策单元总数；W表示空间权重矩阵；Y表示农业绿色全要素生产率、R&D 人员流动量或R&D 资本流动量；为空间权重矩阵中所有元素之和。Moran’s I 为全局莫兰指数，取值范围为[-1,1]。当Moran’s I 为0 时不存在空间相关性，反之则存在空间相关性。

2. 空间计量模型

考虑到各变量在地理空间上的相关性，将空间因素纳入计量模型，以更加全面地揭示创新要素流动对农业绿色发展的影响。常见的空间计量模型有空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）等三种。其中，空间杜宾模型能同时考虑自变量和因变量的空间滞后性，并可简化为空间滞后模型或空间误差模型，能更全面地考虑各因素对农业绿色发展的影响。然而，具体采用哪种模型，还需要根据LM、LR 和Wald 检验结果来确定。本文构建的一般空间计量模型为：

式（6）中， ρ为空间自回归系数， α为回归系数， θ为空间滞后项系数， λ为空间自相关系数，ui为空间固定效应， γt为时间固定效应， εit为随机误差项， υit为特质成分。Control 为控制变量地区经济发展水平、工业化水平、对外开放程度、受教育水平、财政支农水平、自然灾害水平的集合。若ρ ≠0、θ=0且λ=0，式（6）为空间滞后模型；若ρ=0、θ=0且λ ≠0，式（6）为空间误差模型；若ρ ≠0、θ ≠0且λ=0，式（6）为空间杜宾模型。

3. 空间权重矩阵

在已有研究中，邻接权重矩阵和地理距离权重矩阵的应用最为常见。为便于计算和获取数据，本文构建地理距离权重矩阵进行后续估计与检验，公式如下：

式（7）中，di j表示两省份间的欧式距离，其可以基于各省份经纬度坐标，利用Matlab2020 计算得出。

四、结果分析

（一） 农业绿色发展水平测度结果分析

本文利用Matlab2020 软件，通过SBM-GML 指数测算2006—2021 年中国农业绿色发展水平，得到其时序演变趋势，如图1 所示。总体而言，2006—2021 年，中国农业绿色发展水平呈波动上升态势。具体可分为三个阶段：第一阶段为2006—2009 年，中国农业绿色发展水平略有下降，到2009 年达到最低值0.9974；第二阶段为2010—2015 年，中国农业绿色发展水平基本保持不变，SBM-GML 指数约为1.0036；第三阶段为2016—2021 年，中国农业绿色发展水平快速上升，SBM-GML 指数年均增长率约为1.55%。农业绿色发展水平的阶段性变化特征与中国农业生产的外部环境密切相关。中国农业生产粗放经营方式一直未得到根本改变，2006 年实施的农资补贴政策增加了农业生产对化肥、农药等化学物质的使用，导致农业绿色发展水平不增反降；2008 年爆发的金融危机进一步降低了人们的农业生产积极性，这也是导致2009 年中国农业绿色发展水平跌至谷底的一个重要原因；2010 年以后中国愈加重视生态文明建设，各地区积极推进农业绿色技术的推广与应用、改善农业生产经营方式，极大地降低了化肥、农药等化学物质对农业生态环境的负面影响；2016 年中央一号文件正式提出要推动农业绿色发展，此后，推动农业绿色转型成为各地区农业改革的重点方向，农业绿色发展成效显著。

图 1 2006—2021 年中国农业绿色发展水平变化趋势

（二） 空间自相关检验结果分析

农业绿色发展水平、R&D 人员流动量和R&D 资本流动量的空间自相关检验结果如表2 所示。不难看出，除2006 年和2021 年外，其余年份农业绿色发展水平的全局莫兰指数至少在10%水平下显著为正，这说明考察期内农业绿色发展在空间上存在显著的正相关性，H1 得到初步验证。R&D 人员流动量和R&D 资本流动量的全局莫兰指数在各个年份均通过1% 水平的显著性检验，R&D 人员流动量的全局莫兰指数在0.453～0.476 之间波动，R&D 资本流动量的全局莫兰指数在0.529～0.567 之间波动。由此可见，创新要素流动在空间上存在较强的正相关关系，即存在“高高集聚”或“低低集聚”的特征，H2 得到初步验证。

表 2 农业绿色发展和创新要素流动的全局莫兰指数

（三） 空间计量模型选择与实证结果分析

空间自相关检验结果表明农业绿色发展和创新要素流动均存在显著的空间关联特征。因此，为避免忽视空间因素导致的估计结果偏差，本文采用空间计量模型深入分析创新要素流动对农业绿色发展的影响。

表3 报告了空间计量模型选择检验结果。从检验结果看，非空间计量模型LM 检验中的LM-lag、Robust LM-lag 和Robust LM-error 均显著拒绝原假设，说明考虑空间效应的空间计量模型更适合本研究。Hausman 检验结果在1%水平下显著拒绝原假设，进一步说明采用个体固定效应对模型进行估计的效果最优。最后，在空间计量模型的选择上，空间滞后模型的LR 和Wald 检验结果分别为86.640 和92.530，空间误差模型的LR 和Wald 检验结果分别为81.240 和65.010，且均通过1%水平的显著性检验，表明SDM 模型不能退化为SAR 模型或SEM 模型。因此，本文最终采用个体固定效应的空间杜宾模型检验创新要素流动对农业绿色发展的影响及空间溢出效应。

表 3 空间计量模型选择检验结果

为更好地检验空间杜宾模型估计结果的稳健性，本文同时给出了空间滞后模型和空间误差模型的回归结果，见表4。表4 显示，SAR 模型、SEM 模型和SDM 模型中农业绿色发展水平的空间自回归系数均显著为正，且至少通过5%显著性水平检验，这表明区域农业绿色发展存在正向空间溢出效应，农业绿色发展水平的提升会受邻近省份农业绿色发展的加权影响，H1 得到验证。同时，在三种基本模型下，核心解释变量和控制变量回归系数的方向和显著性变化不大，说明空间杜宾模型的回归结果具有一定的稳健性。

表 4 三种基本空间计量模型回归结果

进一步由SDM 模型的回归结果可知，R&D 人员流动的回归系数为0.041，且在1%显著性水平下显著，R&D资本流动的回归系数为0.089，且在5%显著性水平下显著，说明创新要素流动能显著提升地区农业绿色发展水平，且R&D 资本流动的提升作用更大。创新要素流动的空间滞后项系数中，R&D 人员流动的空间滞后项系数为正但不显著，R&D 资本流动的空间滞后项系数在1%显著性水平下显著为负，说明R&D 资本流动可以通过负向空间溢出效应阻碍邻近省份农业绿色发展。值得注意的是，Lesage 等[17]认为在模型中引入被解释变量的空间滞后项后得到的结果是有偏的，不能准确反映客观事实，需要采用偏微分法进行进一步验证。

（四） 空间效应分解结果分析

本文借鉴Lesage 等[17]的研究，采用偏微分法对SDM 模型的估计结果进行无偏处理，并将其分解为直接效应、空间溢出效应和总效应。其中，直接效应由两部分构成：一是地区创新要素流动对农业绿色发展的影响；二是反馈效应对地区农业绿色发展的作用，即一个地区创新要素流动会对其他地区产生影响，然后其他地区创新要素流动也会反作用于该地区农业绿色发展。空间溢出效应指邻近省份创新要素流动对本省农业绿色发展的影响。总效应为直接效应和空间溢出效应之和。

由表5 可知，R&D 人员流动的直接效应系数为0.043，且在1%显著性水平下显著，比无偏处理前增加了0.002，说明反馈效应的存在强化了R&D 人员流动的积极影响。R&D 资本流动的直接效应系数为0.083，且在5%显著性水平下显著，比无偏处理前减少了0.006，说明反馈效应的存在弱化了R&D 资本流动的积极影响。R&D 人员流动的空间溢出效应系数在5%显著性水平下显著为正，说明R&D 人员流动能通过正向空间溢出效应促进邻近省份农业绿色发展。R&D 资本流动的空间溢出效应系数在1%显著性水平下显著为负，说明R&D 资本流动会通过负向空间溢出效应阻碍邻近省份农业绿色发展。至此，H2 和H3 得到验证。

表 5 空间杜宾模型效应分解结果

（五） 稳健性检验

为保证上述回归结果的可靠性，本文采用以下两种方式进行稳健性检验：（1）空间面板数据模型估计结果对权重矩阵的选择较为敏感，考虑到地区经济活动对创新要素流动的影响，参照罗军等[18]的研究，构建经济地理嵌套矩阵检验回归结果的稳健性。（2）本文时间跨度为2006—2021 年，采用剔除2006 年和2021 年的样本数据，减少样本数量，缩小样本时间跨度的方式进行回归，检验回归结果的稳健性。表6 给出了采用上述两种方法的检验结果。与表5 相比，表6 的R&D 人员流动和R&D 资本流动影响农业绿色发展的直接效应系数、空间溢出效应系数及总效应系数的方向和显著性水平均未发生根本性变化，表明本文的研究结果是稳健可靠的。

表 6 稳健性检验结果

五、进一步讨论

中国幅员辽阔，各省份农业生产的要素禀赋差异较大，农业绿色技术创新活动投入也不平衡，有可能导致不同省份创新要素流动对农业绿色发展的影响存在异质性。为检验R&D 人员和R&D 资本两种类型的创新要素流动在不同区域对农业绿色发展的影响及溢出效应，本文参照前人的研究[1][19]，将30 个省份划分为粮食主产区、粮食主销区和产销平衡区，采用固定效应的空间杜宾模型分别进行回归，结果见表7。检验结果表明，不同类型创新要素流动在不同区域对农业绿色发展的影响存在差异，且R&D 资本流动的作用效果优于R&D 人员流动的作用效果。具体来看，R&D 人员流动的直接效应和空间溢出效应在三大区域均不显著，可能的原因是R&D 人员倾向于在发展好、回报率高的产业就业，农业作为基础性产业，与其他产业相比，在创新方面的投入相对不足，导致R&D 人员流动对农业绿色发展的影响不显著。R&D 资本流动的直接效应在产销平衡区不显著，其系数在粮食主产区和粮食主销区分别为0.308、0.076，且至少通过5%显著性水平检验。R&D 资本流动的空间溢出效应系数在粮食主产区、粮食主销区和产销平衡区分别为-0.319、-0.099 和-0.089，且至少通过5%显著性水平检验。R&D 资本流动在各区域对农业绿色发展的作用效果从大到小依次为粮食主产区、粮食主销区、产销平衡区。可能的原因是粮食主产区肩负保障粮食安全的重任，集中分布于东中部地区，这些地区R&D 资本流入较为充足，对农业绿色发展的影响较强；粮食主销区主要位于东部发达地区，地区技术水平和经济发展程度较高，对R&D 资本的吸引力较大，这些地区R&D 资本流动对农业绿色发展的作用相对较强；产销平衡区多位于西部地区，这些地区农业技术创新的动力相对较弱，导致R&D 资本流入不足，对农业绿色发展的作用效果相对较弱。

表 7 区域异质性分析结果

六、结论及建议

本文采用空间计量模型实证考察了R&D 人员和R&D 资本两种类型创新要素流动对农业绿色发展的影响及作用机制，得出以下主要结论：（1）中国农业绿色发展水平整体呈波动上升态势，且存在空间正相关关系，农业绿色发展水平的提升能够通过正向空间溢出效应带动邻近省份农业绿色转型。（2）创新要素流动存在显著的正向空间关联特征，且能直接提升地区农业绿色发展水平。R&D 人员流动和R&D 资本流动的直接效应系数分别为0.043 和0.083，至少通过5%水平的显著性检验，且均能直接带动地区农业绿色发展水平提升。（3）创新要素流动能通过空间溢出效应对农业绿色发展产生影响，且不同类型创新要素流动的影响方向和作用程度存在差异。R&D 人员流动能通过正向空间溢出效应提升邻近省份农业绿色发展水平，R&D 资本流动则会通过负向空间溢出效应阻碍邻近省份农业绿色发展。

基于上述研究结论，本文提出以下对策建议：（1）构建农业绿色技术创新合作网络平台，引导创新要素及农业生产要素合理流动。农业绿色发展和创新要素流动的空间关联特征及溢出效应表明，各省份在推动农业绿色发展时要加强农业绿色技术创新合作网络平台建设。这不仅有利于创新知识和创新技术的交流与共享，而且有利于劳动力、资本等关键农业生产要素合理流动。（2）针对R&D 人员的流动，地方政府应持续深化户籍制度改革，同时应改善R&D 人员的薪酬福利待遇和工作环境，降低R&D 人员流动壁垒，加速创新知识和创新技术在区域空间上的交流与传播。R&D 人员在区域空间的流动不仅有利于提升流入地农业绿色发展水平，而且能通过知识、技术的正向溢出效应促进邻近地区农业绿色转型，进而提升整体农业绿色发展水平。此外，为避免R&D 人员过度流入产生“拥挤”效应，各地区应适度加强农业绿色技术创新研发基础设施建设，加大研发资源投入。（3）积极完善金融体系和资本市场建设。R&D 资本在空间的流动能直接提升流入地农业绿色发展水平，同时也会通过负向空间溢出效应阻碍其他地区农业绿色转型。应当积极完善金融体系，充分发挥资本市场和金融机构的作用，保障R&D 资本在区域间的自由流动，有效发挥市场对R&D 资本的配置作用，促进农业绿色发展水平提升。此外，农业绿色技术创新活动具有高风险性及不确定性特征，R&D 资本的不合理流动可能会加剧此类风险。因此，地方政府及企业应当采取相应措施，指导金融机构防范化解金融风险，促进R&D 资本合理、适度流动。