农业科技投入对农业经济增长的重要贡献

来源:华文易迅 时间:2023-09-07 09:00:04

农业经济增长中科技投入的实证分析

在理论上，大多数研究成果都是通过静态的实证分析，得出了农业科技投入对农业经济增长的重要贡献。因此，加大农业科技投入，改变传统农业发展模式，无疑是推动农业经济增长的重要举措。但是，作为一个经济实力比较有限的发展中国家，我国现阶段政府对农业科技的投资能力有限。与此同时，农业科技投资本身具有投资额度大、周期长、风险高等特点，难以形成对社会资金的有效吸引。所以，在现阶段，提高农业科技投入是促进农业经济增长的必由之路，而对其进行优化配置就显得更为重要和有效。为了研究农业科技投入对农业经济增长的影响，有必要考察农业科技投入和农业GDP的动态关联关系；本文利用1986~2011年的农业科技投入和农业经济增长的相关数据，采用向量自回归模型，利用脉冲响应函数，对我国农业科技投入与农业经济增长的相关性进行了分析。

(一)研究方法和资料描述。

矢量自回归模型(VAR)是一种建立在数据统计特性基础上的动态模型，该方法以系统内各变数为内生变数时滞的函数，构造出系统内各变数模型；由此，将单变量自回归模型推广到由多变量构成的多变量向量自回归模型。在国内，有关农业科技投入对经济增长影响的实证研究很少，而政府农业科技投入与农业经济增长关系的实证研究很少。通过对这些相关研究的实证分析，可以发现，有一部分直接进行了农业科技投入和农业总产值的单整性检验和协调检验，本文还采用了格兰杰检验的方法来检验两者之间的因果关系，另有基于VAR模型的实证检验了我国农业科技投入与农业经济增长的关系。鉴于VAR模型是建立在数据的统计特性基础上的动态模型，主要用于预测时序系统，以及随机干扰对变量系统的动态影响，因此本文还利用VAR模型来研究农业科技投入与农业经济增长的动态关联。不同于单纯的基于VAR模型的分析，本文将协整检验和格兰杰因果关系检验两步进行，从某种意义上说，本文所采用的研究方法及相关步骤更加完善，因此所得结论也更加可信。

本文希望通过对VAR模型的建立，利用我国农业科技投入与农业经济增长之间的动态关系进行脉冲响应分析。本文所用数据为1986-2011年中国农业科技投入及农业国内生产总值(见表1)。它包括：“ASTT”代表“农业科学技术公共投入”、“AGDPR”代表“农业GDP”，是我国农业经济增长的代表。

㈡实证分析法。

1.单位根检查。

国内农业科技投入变量序列与农业GDP变量序列均为非平稳序列，经过一阶差分后，序列没有单位根，属于平稳序列，即LASTT和LAGDP序列均为一阶单整序列。

2.协整检验和误差修正模式

时序LASTT与LAGDP虽然均为非平稳，但仍可存在某种平稳的线性组合，且这种线性组合反映了变量间存在的长期稳定关系，即即协整关系。在此基础上，通过单整检验，我们可以看出序列LASTT和LAGDP均为一阶单整序列，满足协整检验的前提。二步EG方法对于两个时序具有唯一的协整关系，是一种很有效的协整检验方法，因此可利用EG两步方法对LASTT和LAGDP进行协整检验。用最小二乘法估计LASTT与LAGDP序列之间的长期线性均衡关系：

在式中，括号中的数据代表t统计值对应的估计量。以上回归分析结果表明，回归方程具有很好的拟合性，各检验参数均有显著性，表明回归方程具有良好的统计学性质。结果表明，自1986年以来，我国农业科技投入与农业经济增长之间存在显著正相关关系，农业科技投入对农业经济增长的弹性系数达到0.6823。当序列LASTT与LAGDP存在协整关系时，其回归的残差序列应为平稳序列，并可以通过单位根检验得到：

ADF值为-2.3105，在临界值1.9534以下低于5%的显着性水平时，表明该残差项没有单位根，即是一个平稳序列。由此可判断出我国农业GDP和农业科技投入是唯一的协整关系。错误修正模型(ECM)既可以反映时间序列间的长期均衡关系，也可以体现出短期偏离长期均衡的修正机制，从而得出(2)式中所示的农业经济增长和农业科技投入序列构造的误差修正模型(ECM)；为深入研究农业科技投入的资源配置效率及其对农业经济增长的影响。

(2)式误差修正模型的回归结果表明，该模型拟合优度一般，但DW值较好，模型基本反映了我国农业GDP和农业科技投入的关系。结果表明，农业科技投入对农业经济增长的影响系数为0.0488，反映出我国农业科技投入变动率为1%。农业生产者的经济增长率相应地变化0.0488%，对比(1)和(1)比较，我国农业科技投入对农业经济增长的弹性最大值为0.6823，在短期内，农业科技投入比长期效应要小得多。

3.格兰杰因果检验。

协整检验结果表明，LAGDP和LASTT之间虽然存在着长期的平衡关系，但无法确定两者是否存在因果关系，因此需要对两者的因果关系进行检验。运用EViews6.0软件，对LAGDP和LASTT之间的因果关系进行检验(见表3)。

表格3的检验结果显示，排除LASTT在5%显著水平不是LAGDP的格兰杰原因，也就是说，将LASTT视为LAGDP的格兰杰原因；认为LAGDP为显著水平的1%非LASTT的原因，即LAGDP是LASTT的格兰杰原因。

4.分析基于VAR模型的脉冲响应函数。

VAR模型因其良好而独特的动态结构特性，可以用来解释各种经济冲击对经济变量形成的影响。因此，本文进一步利用脉冲响应函数，识别农业GDP变量或农业科技投入变量中的一种随机干扰是怎样通过模型影响其它变量的。然后最后回馈给自己本身。该文根据表3中ADF测试结果的平稳性序列构建VAR模型，通过对比分析，确定VAR模型的建立。图示1是在VAR(2)模型的基础上形成的脉冲响应函数曲线，用横坐标表示脉冲响应函数的跟踪时间。设置10年；纵坐标表示一个变数对另一个变数的响应程度，图中的实线代表响应函数的计算值。虚线包围的区域表示两倍标准偏差的置信带。

本文主要研究了LAGDP对LASTT的响应、响应路径、LASTT对LAGDP的反应和响应路径。第一部分考察了农业科技投资对农业GDP的响应程度及路径。正如图1所示：农业科技投入对农业GDP中某一标准息扰动的响应，最初影响较小，为正反应，但此后9年多却呈负响应，前6年的负响应呈缓慢加剧，从第7年开始，负响应趋于稳定。研究结果表明，短期内农业GDP增长对农业科技投入有正效应，但此后均为负效应。此外，研究结果表明，农业科技投入对农业GDP的影响程度为正；尽管这一积极效应很难在很短的时间内被察觉，但在相当长的时期内，这一相对稳定的正效应持续时间较长，研究结果表明，农业科技投资对农业GDP的拉动效应不仅在短期内是客观的，而且在长期内更是显著而稳定。