随着辽宁省农业科技创新环境的优化和创新条件的不断改善，取得了丰硕的农业科技创新成果。辽宁省动植物良种培育取得重大突破，重大科技突破和技术成果转化取得良好成效，农村科技服务体系建设取得显著成效，科技人才队伍研发能力和水平不断提高。这些不仅表明了农业科技与农业产业发展的深度融合，也是现代农业生产可持续稳定发展的技术支持和保障。因此，通过对辽宁省科技创新能力影响因素的深入分析，评价辽宁省农业科技创新发展的优缺点，挖掘科技创新潜力，优化区域资源配置，对提高辽宁省农业科技创新能力，促进科技经济协调一体化发展具有重要的现实意义。

建立1个指标体系

要客观评价辽宁农业科技创新能力的现状，就必须建立一套科学的能力.合理.可操作的科技创新能力评价指标体系。由于农业问题的复杂性和区域经济发展水平的差异，评价指标体系不同，尚未形成统一的标准。学者们采用了各种评价方法，包括主成分分析法.聚类分析法.层次分析法.模糊数学方法的多层次综合评价，CIR模型DEA方法.集中分析法等，提出了许多农业科技创新能力评价指标体系，对农业科技创新能力进行定量分析评价。在建立农业科技创新评价指标体系时，既要考虑农业科技创新本身的特殊性，又要体现区域农业经济发展水平。因此，广泛参考相关文献，根据辽宁省农业科技发展的实际情况，从农业科技创新支撑能力出发.投入能力.从产出能力和可持续发展能力四个方面着手构建辽宁省农业科技创新能力评价指标体系(表1)。以2011-2017年辽宁省农林牧渔业总产值为系统特征序列，选取2011-2017年14个农业科技创新指标的数据作为系统行为序列，要求各行为序列与特征序列的相关性。具体计算步骤：首先，数据的平均处理。将数列中的每个元素除以相同的数值（即数列平均数）。其次，求差序列。均值处理后的特征序列分别与行为序列求差。最后，寻找两级最大和最小差值，寻找关联系数矩阵，计算关联度。从而分析各指标对农业发展的影响。所选指标如表1所示。

2数据来源

以2011-2017年历年农林牧渔业总产值为系统特征序列，以农业机械总动力为基础.农村居民人均纯收入等14个指标为系统行为序列。采用相关原始数据表2，计算科技创新体系中各指标对农林牧渔业总产值的影响。

33农业科技创新影响因素分析

3.1灰色关联度计算

首先，采用灰色相关性分析方法，通过衡量各系统行为序列和特征序列各因素发展趋势的同步性和相关性，分析农业科技创新的主要影响因素和次要因素。为了实现数据的可衡量性，必须进行无限大纲处理。原始数据平均处理后，进行灰色相关性分析。结果表明，相关性如下：辽宁省农业产出与科技创新影响因素的相关性数据表明，随着时间的推移，各项指标与农林牧渔业总产值的发展趋势一致，同步变化程度较高的指标有：农业化肥施用量.R&D人员.农用塑料薄膜的使用量.农业机械总动力；二是专利申请授权数量；.第一产业从业人数占总从业人数的比例.有效灌溉面积.农村用电量.R&D资金支出占GDP的比重。这也说明对农业产出能力影响较大的因素是农业科技创新的可持续发展能力，其次是农业科技创新的投入能力。

3.2结果分析

“农用化肥施用量”R&D“人员”与农业总产值的关系最大，三者的发展趋势.方向非常接近，即农业科技创新体系中“农业化肥施用量”.“R&D“人员”对农业总产值的影响最大，是主要因素。其中，“农业化肥施用量”对农业产出影响最大，说明2011-2017年化肥等农业物质成本投入对农业产出仍起着重要决定性作用。由于农业的特殊性，从事农业相关工作累，社会地位不高，但随着国家创新驱动发展战略的实施和农业生产技术改革的重视，辽宁省鼓励科研人员从事农业相关工作，包括农业科技研究.技术开发与技术推广。与此同时，许多企业认识到农业技术的重要性，甚至建立了自己的研发部门，为现代农业的发展提供了足够的科研人才资源。辽宁省“R&D从2011年的12.9万人增加到2017年的14.2万人，人员增加了10%，为农业科技创新体系提供了充足的人力资源，促进了农业科技创新的发展，体现在具体的经济效益上，即农业总产值的增加。此外，分析结果显示“农用塑料薄膜使用量”.“农业机械总动力”.“专利申请授权数”与“农业总产值”的关联度分别为0.84.0.81.0.77，仅次于“R&D“人员”之后。首先，随着农业现代化和农业技术的不断更新，农业塑料薄膜在作物栽培过程中的使用逐渐增加，农业机械化程度不断提高，也促进了农业产出的增长。其次，农业相关专利申请和授权数量的快速增长和科技成果产出的增加也大大促进了农业产出的增加。与2011年相比，辽宁省专利授权量增长了38.2%，专利的大幅增长大大提高了全省农业科学的基础。