常文濤

（信陽(yáng)師范學(xué)院 當(dāng)代馬克思主義研究所，河南 信陽(yáng) 464000）

0 引言

缺乏農(nóng)業(yè)的高質(zhì)量發(fā)展，國(guó)家的全面現(xiàn)代化就難以實(shí)現(xiàn)。對(duì)于現(xiàn)有耕地面積占世界耕地面積約7%，人口數(shù)量占世界總?cè)丝诒戎貫?8.8%的我國(guó)來(lái)講，農(nóng)業(yè)科學(xué)技術(shù)的重要作用更是毋庸置疑。農(nóng)業(yè)科技創(chuàng)新資金和農(nóng)業(yè)人力資本投入的充分有效利用不僅僅有助于優(yōu)化我國(guó)農(nóng)業(yè)生產(chǎn)發(fā)展布局，促進(jìn)農(nóng)業(yè)生產(chǎn)由“增產(chǎn)”轉(zhuǎn)向“提質(zhì)”，快速實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化；在當(dāng)今信息化背景下還有利于帶動(dòng)我國(guó)農(nóng)業(yè)全程社會(huì)化服務(wù)進(jìn)步，促進(jìn)農(nóng)村一二三產(chǎn)業(yè)融合發(fā)展。研究我國(guó)農(nóng)業(yè)科技創(chuàng)新資金投入、農(nóng)業(yè)科技人力資本支出與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的關(guān)系，對(duì)樹(shù)立實(shí)現(xiàn)我國(guó)農(nóng)業(yè)現(xiàn)代化的理論自信，提高我國(guó)科技創(chuàng)新支農(nóng)能力和水平，促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展具有重要和迫切的現(xiàn)實(shí)意義。

1 理論分析

1.1 理論基礎(chǔ)

為了在現(xiàn)有經(jīng)濟(jì)增長(zhǎng)理論研究的基礎(chǔ)上構(gòu)建實(shí)證模型分析我國(guó)農(nóng)業(yè)科技創(chuàng)新資金投入和農(nóng)業(yè)科技人力資本支農(nóng)績(jī)效，本文以涉及這些變量的索洛經(jīng)濟(jì)增長(zhǎng)理論模型為基礎(chǔ)進(jìn)行分析。索洛（Robert Solow）在哈羅德-多馬模型的基礎(chǔ)上，進(jìn)一步指出技術(shù)發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)持續(xù)性的解釋力更強(qiáng)；同時(shí)，他以柯布—道格拉斯生產(chǎn)函數(shù)（Cobb-Douglas production function）為出發(fā)點(diǎn)，構(gòu)建了索洛經(jīng)濟(jì)增長(zhǎng)模型，其函數(shù)表達(dá)式如下：

索洛將技術(shù)進(jìn)步（T）作為一個(gè)外生經(jīng)濟(jì)變量引入到他的經(jīng)濟(jì)增長(zhǎng)模型中，并指出：在資本和勞動(dòng)增長(zhǎng)率不變的假設(shè)條件下，技術(shù)進(jìn)步也能夠提高生產(chǎn)率。索洛經(jīng)濟(jì)增長(zhǎng)模型雖然在一定程度上彌補(bǔ)了古典經(jīng)濟(jì)增長(zhǎng)理論，但是對(duì)技術(shù)進(jìn)步產(chǎn)生的內(nèi)在效應(yīng)研究存在不足。本文將以索洛經(jīng)濟(jì)增長(zhǎng)模型為基礎(chǔ)，以農(nóng)業(yè)科技創(chuàng)新資金和農(nóng)業(yè)科技人力資本作為解釋變量分析兩者的支農(nóng)績(jī)效。

1.2 支農(nóng)機(jī)理分析

在影響經(jīng)濟(jì)增長(zhǎng)效率的諸多因素中，科學(xué)技術(shù)投入對(duì)經(jīng)濟(jì)增長(zhǎng)具有舉足輕重的地位和作用，尤其是在當(dāng)前知識(shí)經(jīng)濟(jì)與信息經(jīng)濟(jì)蓬勃發(fā)展的時(shí)代背景下，掌握了先進(jìn)的科學(xué)技術(shù)就等于掌握了市場(chǎng)核心競(jìng)爭(zhēng)力。為了有力解釋實(shí)證研究的結(jié)果，本文先定性描述農(nóng)業(yè)科技創(chuàng)新資金投入與農(nóng)業(yè)科學(xué)技術(shù)人力資本支農(nóng)的作用機(jī)理。

首先，農(nóng)業(yè)科技創(chuàng)新資金投入與農(nóng)業(yè)科技人力資本是農(nóng)業(yè)科學(xué)技術(shù)發(fā)展的前提和基礎(chǔ)，沒(méi)有兩者的有效投入，就沒(méi)有農(nóng)業(yè)科學(xué)技術(shù)的提升和農(nóng)業(yè)產(chǎn)出的增長(zhǎng)，更遑論農(nóng)業(yè)經(jīng)濟(jì)發(fā)展效率的提升。農(nóng)業(yè)科技創(chuàng)新資金投入與農(nóng)業(yè)科技人力資本主要通過(guò)農(nóng)業(yè)科學(xué)技術(shù)的提升效應(yīng)——提高勞動(dòng)力素質(zhì)、勞動(dòng)生產(chǎn)效率和農(nóng)產(chǎn)品質(zhì)量直接促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)。

其次，農(nóng)業(yè)科技創(chuàng)新資金投入與農(nóng)業(yè)科技人力資本還可以通過(guò)轉(zhuǎn)化成農(nóng)業(yè)科學(xué)技術(shù)專利和發(fā)明等科技成果間接促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)。

據(jù)此本文在實(shí)證檢驗(yàn)之前先做出兩個(gè)假定。假定1：農(nóng)業(yè)科技創(chuàng)新資金投入、農(nóng)業(yè)科技人力資本與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間存在穩(wěn)定的均衡關(guān)系；假定2：農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)對(duì)農(nóng)業(yè)科技創(chuàng)新資金一個(gè)標(biāo)準(zhǔn)差波動(dòng)的反應(yīng)程度大于對(duì)農(nóng)業(yè)科技人力資本一個(gè)標(biāo)準(zhǔn)差波動(dòng)的反應(yīng)程度。若該假定成立，就意味著農(nóng)業(yè)科技創(chuàng)新資金在研究期間的整體支農(nóng)效應(yīng)大于農(nóng)業(yè)科技人力資本。

2 實(shí)證分析

2.1 變量界定

結(jié)合本文研究目標(biāo)、內(nèi)容及數(shù)據(jù)的可獲取性，在選取農(nóng)業(yè)科技創(chuàng)新資金變量數(shù)據(jù)時(shí)，分別用《中國(guó)科技統(tǒng)計(jì)年鑒》中分行業(yè)自然科學(xué)領(lǐng)域研究與開(kāi)發(fā)機(jī)構(gòu)內(nèi)部經(jīng)費(fèi)支出總額（1998—2002）、分行業(yè)研究與開(kāi)發(fā)機(jī)構(gòu)科技活動(dòng)內(nèi)部支出（2003—2008）、按服務(wù)的國(guó)民經(jīng)濟(jì)行業(yè)分研究開(kāi)發(fā)機(jī)構(gòu)R&D經(jīng)費(fèi)內(nèi)部支出（2009—2017）進(jìn)行度量，且用英文縮寫(xiě)字母RD（R&D）標(biāo)示該經(jīng)濟(jì)變量。并利用式（2）進(jìn)行計(jì)算：

農(nóng)業(yè)科技創(chuàng)新人力資本運(yùn)用《中國(guó)科技統(tǒng)計(jì)年鑒》（1998—2017）中農(nóng)業(yè)R&D機(jī)構(gòu)從事科技活動(dòng)人數(shù)和《中國(guó)統(tǒng)計(jì)年鑒》（1998—2017）中農(nóng)業(yè)人口數(shù)量構(gòu)建指標(biāo)進(jìn)行度量，同時(shí)用英文縮寫(xiě)HC（Human Capital）標(biāo)示該變量，其具體計(jì)算途徑如式（3）所示：

式（3）中的計(jì)算方法吸收了國(guó)內(nèi)外學(xué)術(shù)界的通行做法，需要強(qiáng)調(diào)的是農(nóng)業(yè)R&D從事科技活動(dòng)人數(shù)的單位是人，農(nóng)業(yè)人口數(shù)量的單位是萬(wàn)人，也即用每一萬(wàn)名農(nóng)業(yè)人口中農(nóng)業(yè)R&D機(jī)構(gòu)科技活動(dòng)人員數(shù)（HC）來(lái)度量農(nóng)業(yè)科技創(chuàng)新人力資本。

農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)采用農(nóng)業(yè)勞動(dòng)生產(chǎn)率進(jìn)行度量，即《中國(guó)統(tǒng)計(jì)年鑒》（1998—2017）中經(jīng)過(guò)價(jià)格指數(shù)平減后的實(shí)際農(nóng)業(yè)生產(chǎn)總值與同年農(nóng)業(yè)從業(yè)人口數(shù)量的比值，用英文縮寫(xiě)字母GA（Growth of Agriculture）標(biāo)示，具體計(jì)算方法如式（4）所示：

為了消除價(jià)格波動(dòng)對(duì)農(nóng)業(yè)科技創(chuàng)新資金投入和農(nóng)業(yè)生產(chǎn)總值的影響，本文以1998年的價(jià)格指數(shù)為基期對(duì)歷年數(shù)據(jù)進(jìn)行了平減處理，研究中所用的時(shí)間序列數(shù)據(jù)以RDt、HCt和GAt標(biāo)示。同時(shí)，為了最大程度消除時(shí)間序列變量中存在的異方差影響，在實(shí)證時(shí)對(duì)這3個(gè)時(shí)間序列取自然對(duì)數(shù)，分別記為 LNRDt、LNHCt和 LNGAt，經(jīng)濟(jì)變量的一階差分和二階差分都是在此標(biāo)示上進(jìn)行。此外，研究過(guò)程中的實(shí)證分析借助于計(jì)量軟件Eviews8.0完成。

2.2 數(shù)據(jù)來(lái)源與研究方法

在對(duì)《中國(guó)統(tǒng)計(jì)年鑒》（1998—2017）、《中國(guó)科技統(tǒng)計(jì)年鑒》（1998—2017）中有關(guān)數(shù)據(jù)進(jìn)行計(jì)算整理的基礎(chǔ)上，借鑒《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》（2016）、《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》（2016）和《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》（2017）中的統(tǒng)計(jì)結(jié)果對(duì)研究所需要的數(shù)據(jù)進(jìn)行計(jì)算和補(bǔ)充，最終得到如表1所示的研究變量年度數(shù)據(jù)統(tǒng)計(jì)表。

表1 1998—2017年度相關(guān)數(shù)據(jù)統(tǒng)計(jì)

本文以索洛經(jīng)濟(jì)增長(zhǎng)模型為基礎(chǔ)，構(gòu)建VEC計(jì)量模型，綜合利用JOHANSEN檢驗(yàn)、脈沖響應(yīng)分析等方法分析農(nóng)業(yè)科技創(chuàng)新資金投入與農(nóng)業(yè)科技人力資本的支農(nóng)績(jī)效。

2.3 實(shí)證檢驗(yàn)

根據(jù)表1中的統(tǒng)計(jì)數(shù)據(jù)和式（2）、式（3）、式（4）的計(jì)算方法，可以得出如表2所示的RDt、HCt和GAt數(shù)據(jù)。LNRDt、LNHCt和 LNGAt數(shù)據(jù)通過(guò) Eviews計(jì)算獲得。

表2 1998—2017年度 RDt、HCt和GAt

（1）ADF檢驗(yàn)

首先，運(yùn)用Eviews8.0 軟件對(duì)RDt、HCt和GAt序列進(jìn)行包含截距項(xiàng)的ADF平穩(wěn)性檢驗(yàn)，選取不同置信水平下的臨界值，可以得到如表3所示的結(jié)果。

表3 RDt、HCt與GAt序列ADF檢驗(yàn)結(jié)果

由表3的檢驗(yàn)結(jié)果可知，在1%、5%、10%的置信水平上RDt、HCt、GAt序列為非平穩(wěn)序列，取這3個(gè)序列的自然對(duì)數(shù)以并選取包含截距項(xiàng)檢驗(yàn)對(duì)數(shù)序列平穩(wěn)性，得到如表4所示的結(jié)果。

表4 LNRDt、LNHCt與LNGAt序列ADF檢驗(yàn)結(jié)果

將表4中的ADF統(tǒng)計(jì)量與1%、5%、10%置信水平下的臨界值對(duì)比可知，LNRDt、LNHCt與LNGAt序列非平穩(wěn)，對(duì)這3個(gè)對(duì)數(shù)序列取一階差分并檢驗(yàn)平穩(wěn)性，結(jié)果見(jiàn)表5。

表5 DLNRDt、DLNHCt與DLNGAt序列ADF檢驗(yàn)結(jié)果

根據(jù)表5的檢驗(yàn)結(jié)果可知，一階差分后3個(gè)序列的ADF統(tǒng)計(jì)量均小于不同置信水平下的臨界值，據(jù)此可知，LNRDt、LNHCt與 LNGAt序列為一階單整平穩(wěn)序列。

（2）Johansen協(xié)整檢驗(yàn)

由于VEC模型僅僅適用于協(xié)積序列，在這里首先還要進(jìn)行Johansen協(xié)整檢驗(yàn)以確定這3個(gè)序列是否存在協(xié)積關(guān)系。因?yàn)镴ohansen協(xié)整檢驗(yàn)的滯后階數(shù)與VAR模型的最優(yōu)滯后期數(shù)相等，這里運(yùn)用Eviews8.0構(gòu)建LNRDt、LNHCt與LNGAt序列的VAR模型以間接確定協(xié)整檢驗(yàn)的階數(shù)。選擇滯后階數(shù)為3可以得到表6所示的檢驗(yàn)結(jié)果，根據(jù)FPE、AIC、SC、HQ準(zhǔn)則可知協(xié)整檢驗(yàn)滯后階數(shù)為3。

表6 滯后階數(shù)為3的檢驗(yàn)結(jié)果

確定協(xié)整檢驗(yàn)的階數(shù)后，這3個(gè)序列的Johansen協(xié)積關(guān)系檢驗(yàn)結(jié)果見(jiàn)表7：不存在協(xié)積關(guān)系假設(shè)的跡統(tǒng)計(jì)量T0=70.51035＞29.79707和至多存在1個(gè)協(xié)積關(guān)系假設(shè)的跡統(tǒng)計(jì)量T1=18.27225＞15.49471，但是至多存在2個(gè)協(xié)積關(guān)系假設(shè)的跡統(tǒng)計(jì)量T2=0.168583＜3.841446，不能拒絕該假設(shè)，這表明LNRDt、LNHCt、LNGAt這3個(gè)序列之間存在2個(gè)協(xié)積關(guān)系。

表7 Johansen協(xié)積檢驗(yàn)結(jié)果

因?yàn)?個(gè)序列之間存在2個(gè)協(xié)整關(guān)系，據(jù)此可以構(gòu)建VEC模型，協(xié)積方程的最大個(gè)數(shù)為模型內(nèi)生變量個(gè)數(shù)減去1，在本文中即為1，因變量是LNGAt的協(xié)積方程為：

其中，LNRDt系數(shù)的 t值為 3.00693，LNHCt系數(shù)t值為8.65610，這2個(gè)系數(shù)在5%的置信水平上顯著。由式（5）可知，農(nóng)業(yè)科技創(chuàng)新投入的彈性系數(shù)22.02867大于農(nóng)業(yè)科技人力資本的彈性系數(shù)13.83890。

（3）模型平穩(wěn)性檢驗(yàn)

VAR模型的平穩(wěn)性是進(jìn)行脈沖響應(yīng)分析的前提條件，本文的檢驗(yàn)方法是觀察VAR模型特征根的倒數(shù)值是否全部落在單位圓內(nèi)，如果全部落在單位圓內(nèi)則表明模型為穩(wěn)定的，否則表明模型不穩(wěn)定。特征根檢驗(yàn)結(jié)果如圖1所示。

圖1 特征根檢驗(yàn)圖

根據(jù)圖1所示的特征根檢驗(yàn)圖，VAR（3）模型的6個(gè)特征根的倒數(shù)值全部位于單位圓內(nèi)部，該結(jié)果表明VAR（3）模型是平穩(wěn)的，前文假定1得到證實(shí)。

（4）VEC模型分析

通過(guò)構(gòu)建VAR（3）模型證實(shí)了LNRDt、LNHCt與LNGAt這3個(gè)對(duì)數(shù)序列之間存在穩(wěn)定關(guān)系，本文選取滯后期為1構(gòu)建VEC模型分析RDt、HCt與GAt這3個(gè)經(jīng)濟(jì)變量的短期變動(dòng)關(guān)系。以D（LNGAt）為因變量的方程式子如下：

其中，各個(gè)系數(shù)對(duì)應(yīng)的t值分別為-4.42182、3.48233、-2.69762和-2.13368，均在10%的置信水平上顯著。并且R2=0.787，SC=-3.26，AIC=-3.66，表明VEC模型擬合效果較好。模型分析得出的誤差修正系數(shù)為-0.000787，與長(zhǎng)期平穩(wěn)的反向修正結(jié)果保持一致，表明農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的短期波動(dòng)會(huì)向長(zhǎng)期平穩(wěn)收斂，但是收斂強(qiáng)度較低。同時(shí)，由式（6）可知，第t-1期GA增長(zhǎng)1%，則第t期的GA增長(zhǎng)0.978035%，然而，第t-1期RD增長(zhǎng)1%，第t期的GA減少0.0006437%；第t-1期HC增長(zhǎng)1%，第t期的GA減少0.223370%。這表明在短期內(nèi)，農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)對(duì)自身具有正向促進(jìn)作用，而農(nóng)業(yè)科技創(chuàng)新資金和農(nóng)業(yè)科技人力資本投入的支農(nóng)效應(yīng)較微弱。

（5）Granger因果關(guān)系檢驗(yàn)

對(duì)LNRDt和LNHCt與LNGAt這3個(gè)對(duì)數(shù)序列進(jìn)行Granger因果關(guān)系檢驗(yàn)，可以得到如下頁(yè)表8所示的檢驗(yàn)結(jié)果。根據(jù)表8第一行可知，P值=0.0079＜0.1，在1%顯著水平上拒絕零假設(shè)“LNRDt不是LNGAt增長(zhǎng)的原因”；第二行的P值=0.0098＜0.1，在1%顯著水平上拒絕零假設(shè)“LNHCt不是LNGAt增長(zhǎng)的原因”；第三行的P值=0.0024＜0.1，在1%顯著水平上拒絕零假設(shè)“LNRDt和LNHCt不是LNGAt增長(zhǎng)的原因”。這表明農(nóng)業(yè)科技創(chuàng)新資金、農(nóng)業(yè)科技人力資本與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間存在顯著的Granger因果關(guān)系。

表8 Granger檢驗(yàn)結(jié)果

（6）脈沖響應(yīng)分析

在確定LNRDt、LNHCt與LNGAt之間存在Granger因果關(guān)系的基礎(chǔ)上，本文利用脈沖響應(yīng)分析判斷LNGAt對(duì)LNRDt和LNHCt一個(gè)標(biāo)準(zhǔn)差大小波動(dòng)的反應(yīng)見(jiàn)圖2。盡管LNRDt和LNHCt保持負(fù)增長(zhǎng)并且在初期有遞減的波動(dòng)趨勢(shì)，但是從長(zhǎng)期看來(lái)，農(nóng)業(yè)科技創(chuàng)新資金和農(nóng)業(yè)科技人力資本支農(nóng)效應(yīng)為正，并且農(nóng)業(yè)科技創(chuàng)新資金的整體支農(nóng)效應(yīng)較大，假定2得到證實(shí)。

圖2 LNGAt對(duì) LNRDt、LNRDt脈沖響應(yīng)分析圖

（7）方差分解

根據(jù)圖3中LNHCt對(duì)數(shù)序列的方差分解結(jié)果可知，農(nóng)業(yè)科技人力資本的支農(nóng)效應(yīng)在期初大于農(nóng)業(yè)科技創(chuàng)新資金，但在第5期以后，略小于農(nóng)業(yè)科技創(chuàng)新資金的支農(nóng)效應(yīng)，兩者支農(nóng)效應(yīng)逐期趨于平穩(wěn)，這同上文脈沖響應(yīng)分析的結(jié)果一致。

圖3 LNGAt、LNRDt和 LNRDt方差分解圖

3 結(jié)論

農(nóng)業(yè)科技投入與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)關(guān)系一直備受學(xué)界和實(shí)務(wù)界關(guān)注，但現(xiàn)有文獻(xiàn)對(duì)農(nóng)業(yè)科技創(chuàng)新資金和農(nóng)業(yè)科技人力資本的支農(nóng)績(jī)效差異研究還存在不足。本文以索洛經(jīng)濟(jì)增長(zhǎng)理論為基礎(chǔ)，構(gòu)建計(jì)量模型實(shí)證檢驗(yàn)農(nóng)業(yè)科技創(chuàng)新資金和農(nóng)業(yè)科技人力資本的支農(nóng)績(jī)效，得到如下結(jié)論：農(nóng)業(yè)科技創(chuàng)新資金和農(nóng)業(yè)科技人力資本在長(zhǎng)期內(nèi)都具有顯著的支農(nóng)作用，但是支農(nóng)績(jī)效存在差異，這提醒我們要分類施策；短期內(nèi)農(nóng)業(yè)科技創(chuàng)新資金的支農(nóng)效應(yīng)要小于農(nóng)業(yè)科技人力資本的支農(nóng)效應(yīng)，前者可能是由短期內(nèi)農(nóng)民對(duì)新技術(shù)或者新機(jī)器設(shè)備的不熟練和不適應(yīng)造成的，后者可能是由農(nóng)業(yè)生產(chǎn)的周期性、風(fēng)險(xiǎn)性造成的，這意味著要提高創(chuàng)新資金的使用效率；農(nóng)業(yè)科技創(chuàng)新資金整體支農(nóng)效應(yīng)長(zhǎng)期內(nèi)大于農(nóng)業(yè)科技人力資本的整體支農(nóng)效應(yīng)，這啟示我們要重視科技創(chuàng)新資金的投入和監(jiān)管。