李紅紅

(陜西財經(jīng)職業(yè)技術(shù)學(xué)院，陜西咸陽712000)

0 引言

甘蔗種植業(yè)是我國廣東、廣西、海南等東南沿海省份重要農(nóng)作物和工業(yè)原材料供給產(chǎn)業(yè)[1]。近年來，由于受國際糖業(yè)、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整以及氣候因素等的影響，我國蔗糖產(chǎn)業(yè)面臨困難與問題逐漸增多[2-3]。因此，我國各級政府部門與相關(guān)產(chǎn)業(yè)專家均在進(jìn)行深入的分析與思考，以獲得能夠改變我國甘蔗制糖產(chǎn)業(yè)現(xiàn)狀的方法和措施[4-5]。本文試圖采用向量自回歸模型，結(jié)合數(shù)理分析方法，對2011～2019年廣西某地甘蔗農(nóng)業(yè)科技投入與經(jīng)濟(jì)增長之間的動態(tài)關(guān)聯(lián)性進(jìn)行實證分析，以期獲得能夠優(yōu)化我國現(xiàn)行甘蔗農(nóng)業(yè)科技機(jī)制，促進(jìn)我國甘蔗農(nóng)業(yè)經(jīng)濟(jì)持續(xù)健康增長的理論依據(jù)。

1 研究方法與數(shù)據(jù)說明

1.1 研究方法

向量自回歸模型(Vector Autoregression Model，簡稱 VAR模型)，是一種常用的基于數(shù)據(jù)的統(tǒng)計性質(zhì)而構(gòu)建的計量經(jīng)濟(jì)模型。VAR模型能夠用模型中的內(nèi)生變量對所有變量的若干滯后變量進(jìn)行函數(shù)回歸，從而獲得多元時間序列變量組成的“向量”，進(jìn)而對聯(lián)合內(nèi)生變量的動態(tài)關(guān)系進(jìn)行估計，同時不帶有任何事先約束條件。一個VAR(p)模型可以寫成：

式(1)中：Yt是向量自回歸模型中的變量，c是n×1常數(shù)向量，Ap是 n×n矩陣。et是 n×1誤差向量。誤差項的均值為0；誤差項的協(xié)方差矩陣為Ω(一個n×n＇正定矩陣)(對于所有不為0的最大滯后期都滿足)；誤差項不存在自相關(guān)。

1.2 數(shù)據(jù)說明

通過增加甘蔗農(nóng)業(yè)科技投入是促進(jìn)經(jīng)濟(jì)增長的重要舉措[6]。然而對于我國當(dāng)前現(xiàn)狀而言，甘蔗農(nóng)業(yè)科技的投資能力和甘蔗產(chǎn)業(yè)科技自身的發(fā)展水平均較為有限，而甘蔗業(yè)科技投入又具有投資額度高、風(fēng)險大等特點(diǎn)，優(yōu)化甘蔗農(nóng)業(yè)科技資源配置成為有限增加甘蔗農(nóng)業(yè)科技投入工作中的必然手段。采用VAR模型能夠準(zhǔn)確考量農(nóng)業(yè)科技投入與農(nóng)業(yè)總產(chǎn)值之間的動態(tài)關(guān)聯(lián)性，進(jìn)行相關(guān)性分析。本文在構(gòu)建VAR模型的基礎(chǔ)上，通過對 2011～2019年我國廣西省某地農(nóng)業(yè)科技投入數(shù)據(jù)與農(nóng)業(yè)經(jīng)濟(jì)增長數(shù)據(jù)[7-8](表1)之間的脈沖響應(yīng)函數(shù)等動態(tài)關(guān)系描述分析，以期得到兩者之間的關(guān)系。表中“SASTI”表示甘蔗農(nóng)業(yè)科技投入(Sugarcane Agricultural Science and Technology Input, SASTI)，“TOVSA”表示甘蔗農(nóng)業(yè)總產(chǎn)值(Total Output Value of Sugarcane Agriculture, TOVSA)。

表1 2011～2019年我國廣西省某地SASTI與TOVSA統(tǒng)計數(shù)據(jù) (單位：萬元)

2 實證分析

2.1 單位根檢驗

單位根檢驗的是針對宏觀經(jīng)濟(jì)數(shù)據(jù)序列、貨幣金融數(shù)據(jù)序列中是否具有某種統(tǒng)計特性而提出的一種平穩(wěn)性檢驗的特殊方法，單位根檢驗的方法有很多種，包括ADF檢驗、PP檢驗、NP檢驗等[9]?；?VAR模型進(jìn)行動態(tài)關(guān)聯(lián)性檢驗需要系統(tǒng)中的SASTI與 TOVSA變量具有平穩(wěn)性特征，因而本研究首先對所構(gòu)建的模型時間序列變量進(jìn)行平穩(wěn)性檢驗，利用ADF檢驗SASTI與TOVSA變量序列的水平值和一階差分值，得到ADF檢驗結(jié)果，詳見表2所示。

表2 SASTI與TOVSA的ADF檢驗結(jié)果

由表2數(shù)據(jù)可知，SASTI與TOVSA的P值均大于0.05，表明ADF檢驗結(jié)果均為非平穩(wěn)，表明二者都是非平穩(wěn)序列；經(jīng)過一階差分后，ΔSASTI與ΔTOVSA的ADF檢驗結(jié)果P值均小于0.05為平穩(wěn)，此時序列不存在單位根，即表明二者都是一階單整序列。

2.2 協(xié)整檢驗與誤差修正模型

協(xié)整檢驗是在時間序列的向量自回歸分析的基礎(chǔ)上發(fā)展起來的空間結(jié)構(gòu)與時間動態(tài)相結(jié)合的建模方法與理論分析方法。由于非平穩(wěn)序列很可能出現(xiàn)偽回歸，協(xié)整的意義就是檢驗它們的回歸方程所描述的因果關(guān)系是否是偽回歸，即檢驗變數(shù)之間是否存在穩(wěn)定的關(guān)系[10]。所以，非平穩(wěn)序列的因果關(guān)系檢驗就是協(xié)整檢驗。由上文 2.1分析結(jié)果可知，SASTI與 TOVSA均是一階單整非平穩(wěn)序列，滿足進(jìn)行協(xié)整檢驗的前提條件。本研究通過 EG兩步法對二者之間是否存在唯一的協(xié)整關(guān)系進(jìn)行檢驗。利用最小二乘法估計序列的長期線性均衡關(guān)系可得：

式(2)中，括號內(nèi)數(shù)值表示相應(yīng)估計量的i統(tǒng)計值；R2表示SASTI與TOVSA線性回歸決定系數(shù)，該值越接近 1則表示數(shù)據(jù)擬合優(yōu)度越大，自變量對因變量的解釋程度越高，自變量引起的變動占總變動的百分比高，量數(shù)據(jù)之間的長期線性均衡關(guān)系越明顯[11]；F表示F檢驗最終得到的統(tǒng)計量，當(dāng)F值高于則表示模型通過了方程的顯著性檢驗，模型的線性關(guān)系顯著成立。

利用上述公式進(jìn)行SASTI與TOVSA回歸分析，R2=0.9739，極為接近1顯示該方程的擬合優(yōu)度非常好，各項檢驗參數(shù)顯著性較為明顯，回歸方程的統(tǒng)計性質(zhì)較好。通過長期線性均衡關(guān)系分析可知，2011年以來該地區(qū)SASTI與TOVSA之間存在顯著的相關(guān)關(guān)系，SASTI對 TOVSA的彈性高達(dá) 0.6816。然而，如果SASTI與TOVSA之間存在協(xié)整關(guān)系，按一般理論分析二者進(jìn)行回歸后的殘差序列應(yīng)該是平穩(wěn)序列，對二者進(jìn)行單位根檢驗可得：

式(3)中，ADF 值（式中-0.2208ei-1）為-2.3097，與0.05顯著性水平下的臨界值(-1.9527)相比較小，說明殘差項不存在單位根，為平穩(wěn)序列。通過綜合評定可知，該地區(qū)SASTI與TOVSA之間存在唯一的協(xié)整關(guān)系。

利用誤差修正模型分析甘蔗農(nóng)業(yè)科技投入資源配置效率(Sugarcane Agricultural Science and Technology Input Resource Allocation Efficiency,SASTIRAE)與TOVSA之間的關(guān)系，構(gòu)建如下式(4)的SASTIRAE與TOVSA的誤差修正模型(ECM)：

由式(4)誤差修正模型可知，SASTIRAE與TOVSA之間的擬合優(yōu)度一般，但 D.W.值結(jié)果令人滿意，表明二者一階自相關(guān)性較高，該模型基本上能夠反映SASTIRAE與TOVSA之間的關(guān)系。

由模型計算呈現(xiàn)結(jié)果可知，SASTIRAE對TOVSA的影響系數(shù)為0.0479，表明我國甘蔗農(nóng)業(yè)科技投入資源配置效率每變動1%，農(nóng)業(yè)經(jīng)濟(jì)增長相應(yīng)變動0.0479%，這與SASTI對TOVSA的影響系數(shù)為0.6816相比差距巨大，表明我國農(nóng)業(yè)科技投資資源配置效率方面存在極大問題，較低的資源配置效率嚴(yán)重影響了短期內(nèi)農(nóng)業(yè)科技投資對農(nóng)業(yè)經(jīng)濟(jì)的提升效果。同時也表明，農(nóng)業(yè)科技投資長期影響要明顯大于其短期影響。

2.3 格蘭杰因果關(guān)系檢驗

在時間序列情形下，2個變量X、Y之間的格蘭杰因果關(guān)系定義為：若在包含了變量X、Y的過去信息的條件下，對變量Y的預(yù)測效果要優(yōu)于只單獨(dú)由Y的過去信息對Y進(jìn)行的預(yù)測效果，即變量X有助于解釋變量Y的將來變化，則認(rèn)為變量X是引致變量Y的格蘭杰原因[12]。通過格蘭杰因果關(guān)系檢驗，能夠進(jìn)一步確定SASTI與TOVSA之間的相互影響關(guān)系。利用EViews 11軟件對SASTI與TOVSA之間的因果關(guān)系進(jìn)行檢驗，得到表3所示的檢驗結(jié)果。

表3 SASTI與TOVSA之間的格蘭杰因果關(guān)系檢驗

由表3可知，假設(shè)1在0.05水平上拒絕SASTI不是 TOVSA的格蘭杰原因，即 SASTI是 TOVSA的格蘭杰原因；假設(shè)2在0.01水平上拒絕TOVSA不是SASTI的格蘭杰原因，即TOVSA是SASTI的格蘭杰原因。

2.4 基于VAR模型的脈沖相應(yīng)函數(shù)分析

VAR模型能夠用模型中的內(nèi)生變量對所有變量的若干滯后變量進(jìn)行函數(shù)回歸，具有良好的動態(tài)結(jié)構(gòu)性質(zhì)，因而本研究進(jìn)一步利用VAR模型脈沖相應(yīng)函數(shù)來識別SASTI變量與TOVSA變量中的隨機(jī)擾動是如何通過模型來影響對方，進(jìn)而最終反饋到自身上來的。本研究基于表1～3所得ADF檢驗結(jié)果中的平穩(wěn)性序列，構(gòu)建向量自回歸模型，通過對比分析確定VAR(2)模型，如圖1所示。

其中，橫坐標(biāo)表示脈沖響應(yīng)函數(shù)的追蹤期=10Y，單位年；縱坐標(biāo)表示一個變量對另一個變量的響應(yīng)程度，單位%；實線表示VAR(2)模型脈沖響應(yīng)函數(shù)的計算值；兩天虛線圍合形成的區(qū)域表示兩倍標(biāo)準(zhǔn)差的置信帶。

圖1 SASTI變量與TOVSA變量VAR(2)模型脈沖響應(yīng)函數(shù)曲線

從圖(a)中不難發(fā)現(xiàn)，TOVSA對SASTI的響應(yīng)一開始并不高且為正向響應(yīng)，但從第2年開始該影響一直為負(fù)向響應(yīng)，且該響應(yīng)自第 6年開始逐漸放緩，第 7年后逐漸趨于穩(wěn)定。這說明 TOVSA對SASTI的影響短期內(nèi)為正向影響，但此后9年時間內(nèi)均為負(fù)向影響，甘蔗農(nóng)業(yè)經(jīng)濟(jì)的增長能夠在短期內(nèi)對甘蔗農(nóng)業(yè)科技投入產(chǎn)生促進(jìn)與帶動作用，但隨著時間的持續(xù)該影響逐漸呈現(xiàn)出阻礙效果。

從圖(b)中可以看出，SASTI對TOVSA的響應(yīng)在第一年時并不明顯，但始終為正向響應(yīng)；自第 2年開始該響應(yīng)結(jié)果呈逐漸提升趨勢，在第 6年開始逐漸趨于穩(wěn)定。說明SASTI對TOVSA的影響一直為正向影響，雖然短期內(nèi)影響并不明顯但第二年開始SASTI的投入越高則后期能夠獲得農(nóng)業(yè)經(jīng)濟(jì)增長越高，甘蔗農(nóng)業(yè)科技投入值的提升對甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長值的推動效果較為明顯，且隨著時間的退役這一正向推動效果越來越顯著。

從圖(c)中可以看出，SASTI對SASTI的響應(yīng)一直為正且趨勢一直較為穩(wěn)定，表明甘蔗農(nóng)業(yè)科技投入對自身的影響一直為正向影響，但是并不明顯，盡管甘蔗農(nóng)業(yè)科技投入越多越能夠為自身帶來越多的后續(xù)投入，但這一影響效果較為有限。

從圖(d)中不難發(fā)現(xiàn)，TOVSA對TOVSA的響應(yīng)在第一年時略微呈現(xiàn)正向響應(yīng)；但是在一年半左右時，該響應(yīng)接近零并逐漸呈下降趨勢直至第 7年該響應(yīng)趨于穩(wěn)定。說明甘蔗農(nóng)業(yè)經(jīng)濟(jì)的增長會對自身未來的發(fā)展產(chǎn)生一定的負(fù)向影響，但影響并不明顯。

綜合可知，甘蔗農(nóng)業(yè)科技投入對甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長的響應(yīng)在短期內(nèi)并不明顯，但是長期來看一直為正向影響且該影響持續(xù)時間長、狀態(tài)穩(wěn)定。說明農(nóng)業(yè)科技投入能夠從長期內(nèi)提高農(nóng)業(yè)經(jīng)濟(jì)增長，這一影響顯著且穩(wěn)定。

3 結(jié)論與建議

通過對甘蔗農(nóng)業(yè)科技投入與甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長之間進(jìn)行協(xié)整檢驗表明，二者變量均為非平穩(wěn)序列，但二者變量之間存在某種長期穩(wěn)定的協(xié)整關(guān)系；通過回歸分析結(jié)果明顯，甘蔗農(nóng)業(yè)科技投入與甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長之間的相關(guān)性較為顯著，甘蔗農(nóng)業(yè)科技投入對甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長的彈性為 0.6816；通過進(jìn)一步的誤差修正模型分析表明，甘蔗農(nóng)業(yè)科技投入對甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長的彈性為 0.0479，表明該地區(qū)甘蔗農(nóng)業(yè)科技投入資源配置效率每變動1%，甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長相應(yīng)變動 0.0479%，這與 SASTI對TOVSA的影響系數(shù)為 0.6816相比差距較大，表明該地區(qū)甘蔗農(nóng)業(yè)科技投入資源配置方面存在較為嚴(yán)重的問題，極大地影響了甘蔗農(nóng)業(yè)科技投入對甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長的正面影響；通過基于VAR模型的脈沖相應(yīng)函數(shù)分析表明，甘蔗農(nóng)業(yè)科技投入一般在第2年開始對甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長產(chǎn)生正面且較為顯著的影響，這一影響持久且穩(wěn)定。

甘蔗農(nóng)業(yè)科技投入對甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長的長期影響較短期影響更為明顯。究其原因與我國當(dāng)前政府主導(dǎo)農(nóng)業(yè)科技創(chuàng)新事業(yè)以及農(nóng)業(yè)科技投資屬性有關(guān)。首先，我國目前政府主導(dǎo)的農(nóng)業(yè)科技創(chuàng)新更加傾向于基礎(chǔ)研究領(lǐng)域，短期內(nèi)對農(nóng)業(yè)經(jīng)濟(jì)影響并不明顯，回報率不高。其次，甘蔗農(nóng)業(yè)科技投資回收期較長。因此，甘蔗農(nóng)業(yè)科技投入對甘蔗農(nóng)業(yè)經(jīng)濟(jì)增長的影響在較長時間后才能顯現(xiàn)。在今后的甘蔗農(nóng)業(yè)科技創(chuàng)新方面應(yīng)多融合社會資本與民間資金進(jìn)行能夠短期影響農(nóng)業(yè)科技創(chuàng)新的投資如部分應(yīng)用技術(shù)研究與創(chuàng)新等。政府、企業(yè)與民間資本應(yīng)共同參與農(nóng)業(yè)科技創(chuàng)新和研發(fā)活動，從長期、短期 2個角度互相彌補(bǔ)對方農(nóng)業(yè)技術(shù)創(chuàng)新與投資等的不足。