◇桂林理工大學(xué)商學(xué)院 周子元 楊傳喜 樊海微 潘 羽

研究了農(nóng)業(yè)物質(zhì)資源投入，農(nóng)業(yè)科技資源投入和農(nóng)業(yè)規(guī)?；?jīng)營(yíng)對(duì)廣西農(nóng)業(yè)勞動(dòng)生產(chǎn)率的影響。通過(guò)回歸分析發(fā)現(xiàn)，農(nóng)業(yè)科技資源投入雖然對(duì)廣西農(nóng)業(yè)勞動(dòng)生產(chǎn)率沒(méi)有直接的提升作用，但通過(guò)對(duì)物質(zhì)資源投入的質(zhì)量改善，起到了間接提升的作用。對(duì)1996年到2018年的實(shí)際數(shù)據(jù)測(cè)算發(fā)現(xiàn)，對(duì)廣西農(nóng)業(yè)勞動(dòng)生產(chǎn)率的提升貢獻(xiàn)大小依次是農(nóng)業(yè)規(guī)?；?jīng)營(yíng)、農(nóng)業(yè)物質(zhì)資源投入、農(nóng)業(yè)科技資源投入。

在經(jīng)濟(jì)學(xué)理論中，科技是一種獨(dú)特的生產(chǎn)性資源，科技資源的投入雖然不一定對(duì)生產(chǎn)效率產(chǎn)生直接作用，但可能與物質(zhì)資源產(chǎn)生交互作用，通過(guò)提高物資性生產(chǎn)資源的質(zhì)量來(lái)提高產(chǎn)出效率。筆者擬通過(guò)帶調(diào)節(jié)效應(yīng)的回歸分析來(lái)檢驗(yàn)農(nóng)業(yè)科技資源投入對(duì)廣西農(nóng)業(yè)勞動(dòng)生產(chǎn)率的影響，以此厘清農(nóng)業(yè)科技資源對(duì)廣西農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的作用機(jī)制，為將來(lái)的發(fā)展路徑選擇提供參考借鑒。

1 理論分析框架

參考相關(guān)研究的常見(jiàn)做法，筆者以農(nóng)業(yè)勞動(dòng)生產(chǎn)率為被解釋變量。根據(jù)速水佑次郎（2003）對(duì)日本農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的研究，農(nóng)業(yè)機(jī)械化和農(nóng)地流轉(zhuǎn)對(duì)日本農(nóng)業(yè)勞動(dòng)生產(chǎn)率的提高起到了重要作用，前者節(jié)約了農(nóng)業(yè)勞動(dòng)力，后者擴(kuò)大了農(nóng)業(yè)經(jīng)營(yíng)的規(guī)模，獲得了規(guī)模經(jīng)濟(jì)的效應(yīng)。對(duì)照我國(guó)和廣西農(nóng)業(yè)發(fā)展的實(shí)際，一方面農(nóng)機(jī)總動(dòng)力在逐年提高，另一方面農(nóng)村土地承包經(jīng)營(yíng)權(quán)流轉(zhuǎn)得到持續(xù)推進(jìn)，2005年農(nóng)業(yè)部頒布了《農(nóng)村土地承包經(jīng)營(yíng)權(quán)流轉(zhuǎn)管理辦法》2014年中共中央辦公廳、國(guó)務(wù)院辦公廳印發(fā)了《關(guān)于引導(dǎo)農(nóng)村土地經(jīng)營(yíng)權(quán)有序流轉(zhuǎn)發(fā)展農(nóng)業(yè)適度規(guī)模經(jīng)營(yíng)的意見(jiàn)》，廣西區(qū)政府也出臺(tái)了配套的管理辦法和實(shí)施辦法，這些文件為農(nóng)業(yè)規(guī)?；?jīng)營(yíng)提供了政策依據(jù)和激勵(lì)措施，起到了鼓勵(lì)農(nóng)業(yè)規(guī)?；?jīng)營(yíng)的實(shí)際效果。結(jié)合對(duì)前述現(xiàn)實(shí)的觀察，筆者在速水佑次郎（2003）的分析框架中增加了農(nóng)業(yè)科技資源投入因素，形成一個(gè)三因素的分析框架，研究農(nóng)業(yè)物質(zhì)資源投入，農(nóng)業(yè)科技資源投入和農(nóng)業(yè)規(guī)模化經(jīng)營(yíng)對(duì)廣西農(nóng)業(yè)勞動(dòng)生產(chǎn)率的影響。

表1中的Z2和Y是價(jià)值量指標(biāo)，其他指標(biāo)都是物量指標(biāo)，用當(dāng)年價(jià)計(jì)算的價(jià)值量指標(biāo)的大小受到物價(jià)水平變化的影響，所以應(yīng)當(dāng)先轉(zhuǎn)換成不變價(jià)計(jì)算的指標(biāo)，然后再和物量指標(biāo)一起做分析，以避免因?yàn)橹笜?biāo)中混雜了物價(jià)變化而可能導(dǎo)致錯(cuò)誤的統(tǒng)計(jì)分析結(jié)果。筆者根據(jù)廣西統(tǒng)計(jì)年鑒的物價(jià)指數(shù)數(shù)據(jù)，把當(dāng)年價(jià)計(jì)算的原始數(shù)據(jù)轉(zhuǎn)化為按1996年不變價(jià)計(jì)算。

表1 理論概念及其測(cè)量指標(biāo)

2 指標(biāo)數(shù)據(jù)的描述統(tǒng)計(jì)和預(yù)處理

表1中，Z1和Z2的數(shù)據(jù)來(lái)自歷年《全國(guó)農(nóng)業(yè)科技統(tǒng)計(jì)資料匯編》，時(shí)期為1996年到2018年；計(jì)算其它指標(biāo)所需的原始數(shù)據(jù)來(lái)自中國(guó)國(guó)家統(tǒng)計(jì)局的國(guó)家統(tǒng)計(jì)數(shù)據(jù)庫(kù)，以及歷年《廣西統(tǒng)計(jì)年鑒》，為何Z1，Z2匹配，數(shù)據(jù)時(shí)期也取1996年到2018年。筆者采用Eviews9.0軟件對(duì)數(shù)據(jù)進(jìn)行分析，各指標(biāo)的描述統(tǒng)計(jì)見(jiàn)表2，指標(biāo)間的相關(guān)系數(shù)表見(jiàn)表3。

表2 指標(biāo)的描述統(tǒng)計(jì)表

表3 變量間的相關(guān)系數(shù)表

根據(jù)表2的最后一行數(shù)值，2018年與1996年相比，變化最大的是Z2指標(biāo)，2018年的數(shù)值是1996年的6.88倍，這一指標(biāo)的離散系數(shù)達(dá)到0.61，也是所有指標(biāo)中變化最大的。變化次大的是Y指標(biāo)，2018年的數(shù)值是1996年的4.95倍，說(shuō)明廣西的農(nóng)業(yè)勞動(dòng)生產(chǎn)率得到了很大幅度的提高。X1指標(biāo)的變化也比較大，2018年的數(shù)值是1996年的3.29倍，說(shuō)明廣西的農(nóng)業(yè)機(jī)械化水平有了長(zhǎng)足的進(jìn)步。Z1和EC指標(biāo)變化較小，2018年的數(shù)值是1996年的1.43和1.48倍，說(shuō)明在此期間增長(zhǎng)較為緩慢，相應(yīng)的離散系數(shù)也很小，分別為0.10和0.12。

從表3看到，所有5個(gè)影響因素的指標(biāo)和Y都有較高程度的正相關(guān)，因此這些影響因素指標(biāo)都是正向指標(biāo)。但X1和X2的相關(guān)系數(shù)高達(dá)0.96，Z1和Z2的相關(guān)系數(shù)達(dá)到0.88，所以可能存在嚴(yán)重的多重共線性，經(jīng)筆者做回歸發(fā)現(xiàn)，讓X1和X2同時(shí)進(jìn)入回歸模型，或讓Z1和Z2同時(shí)進(jìn)入回歸模型，都會(huì)得到不合理的估計(jì)結(jié)果，所以確實(shí)存在嚴(yán)重的多重共線性，應(yīng)當(dāng)先處理多重共線性，然后再做回歸。為了不丟失變量的信息，筆者考慮用X1和X2以加權(quán)的方式計(jì)算生成一個(gè)測(cè)量農(nóng)業(yè)物質(zhì)資源投入的綜合指標(biāo)，記為WX；對(duì)Z1和Z2也進(jìn)行類似的處理，生成測(cè)量農(nóng)業(yè)科技資源投入的綜合指標(biāo)，記為WZ。對(duì)于測(cè)量農(nóng)業(yè)規(guī)模經(jīng)濟(jì)的指標(biāo)EC，由于它和其他幾個(gè)解釋變量的相關(guān)系數(shù)不大，在初步回歸中也沒(méi)有引起嚴(yán)重共線性，所以不需要進(jìn)行處理。

筆者用熵權(quán)法來(lái)對(duì)X1和X2指標(biāo)，以及Z1和Z2指標(biāo)的信息進(jìn)行綜合。使用熵權(quán)法的基本步驟是：①對(duì)指標(biāo)觀測(cè)值進(jìn)行極差標(biāo)準(zhǔn)化。本文的指標(biāo)都是正向指標(biāo)，所以按標(biāo)準(zhǔn)化值=（觀測(cè)值-最小值）/(最大值-最小值)計(jì)算；②對(duì)同一個(gè)指標(biāo)，用各年的標(biāo)準(zhǔn)化值計(jì)算該指標(biāo)的信息熵；③加總各指標(biāo)的信息熵，以此為基礎(chǔ)計(jì)算各指標(biāo)的權(quán)重，信息熵大的指標(biāo)被賦予小的權(quán)重；④用指標(biāo)權(quán)重乘以各指標(biāo)的標(biāo)準(zhǔn)化值然后再相加，得到各年的綜合指標(biāo)值。筆者經(jīng)計(jì)算得到，指標(biāo)X1的權(quán)重為0.589，指標(biāo)X2的權(quán)重為0.411；指標(biāo)Z1的權(quán)重為0.389，指標(biāo)Z2的權(quán)重為0.611.所以，綜合指標(biāo)的算法如下：

從圖1看到，在1998年之前，廣西農(nóng)業(yè)科技資源投入高于農(nóng)業(yè)物質(zhì)資源投入，此后物質(zhì)資源投入增長(zhǎng)迅速，很快超過(guò)科技資源投入，二者在2006年以后維持了很大的差距。自2016年之后，農(nóng)業(yè)科技資源投入加速增長(zhǎng)，農(nóng)業(yè)物資資源投入增速放緩，二者間的差距才縮小了。

圖1 綜合指標(biāo)WX和WZ的時(shí)序圖

3 回歸分析結(jié)果

筆者使用的是時(shí)間序列數(shù)據(jù)，所以進(jìn)行回歸分析前需要對(duì)序列的平穩(wěn)性進(jìn)行檢驗(yàn)，在Eviews中采用ADF檢驗(yàn)發(fā)現(xiàn)，Y和WX，WZ，EC序列都是一階單整序列，所以有必要進(jìn)行是否存在協(xié)整關(guān)系的檢驗(yàn)。筆者采用Johansen的協(xié)整檢驗(yàn)，5種檢驗(yàn)?zāi)Ｐ鸵还矆?bào)告了10個(gè)檢驗(yàn)結(jié)論，在5%的水平下都認(rèn)為至少存在1個(gè)協(xié)整關(guān)系。所以判斷序列雖然不平穩(wěn)，但存在（1，1）階協(xié)整關(guān)系，所以變量間偽回歸的可能性較低。

表4中的WX*WZ代表交互項(xiàng)，模型1的回歸不包括交互項(xiàng)，模型2的回歸包括了交互項(xiàng)。筆者對(duì)兩個(gè)模型都進(jìn)行了異方差檢驗(yàn)和自相關(guān)檢驗(yàn)，檢驗(yàn)結(jié)果表明不存在異方差性和自相關(guān)性，因此表中報(bào)告的t值是正確的，可以用來(lái)判斷變量是否顯著。從模型1的P值來(lái)看，在常用的5%的顯著性水平下，WZ不顯著，說(shuō)明農(nóng)業(yè)科技資源投入對(duì)廣西的農(nóng)業(yè)勞動(dòng)生產(chǎn)率沒(méi)有顯著的影響，WX和EC顯著，說(shuō)明物質(zhì)資源投入和規(guī)?；?jīng)營(yíng)對(duì)廣西的農(nóng)業(yè)勞動(dòng)生產(chǎn)率有顯著的正向影響。在模型2中，WX和EC的系數(shù)估計(jì)值比模型1中有所降低，但符號(hào)和顯著性并未改變；WZ的系數(shù)為負(fù)數(shù)，但并不顯著。需要關(guān)注的是，模型2中包含的交互項(xiàng)WX*WZ是顯著的，回歸系數(shù)為0.85，說(shuō)明WZ有顯著的調(diào)節(jié)效應(yīng)：在WX的數(shù)值保持不變的情況下，WZ的數(shù)值每增加0.1，就會(huì)使得WX對(duì)Y的作用增加0.085。總之，模型1和模型2的回歸結(jié)果驗(yàn)證了筆者在本文開(kāi)頭提出的假設(shè)：雖然農(nóng)業(yè)科技資源投入對(duì)廣西的農(nóng)業(yè)勞動(dòng)生產(chǎn)率沒(méi)有直接拉動(dòng)作用，但是會(huì)通過(guò)提升投入的物質(zhì)資源的質(zhì)量，對(duì)農(nóng)業(yè)勞動(dòng)生產(chǎn)率起到提升作用。

表4 回歸結(jié)果表

將模型2中不顯著的WZ去掉，只保留顯著的變量，重新做回歸得到模型3，結(jié)果如下

下面根據(jù)模型3分解Y值的變化。2018年與1996年相比，Y的數(shù)值實(shí)際變化量是1.556，EC的數(shù)值實(shí)際變化量是0.182，乘上模型3中的系數(shù)3.97，得出EC拉動(dòng)Y值增加了0.722，對(duì)Y值變化的貢獻(xiàn)率為46.4%。WX的數(shù)值實(shí)際變化量為0.971，乘上0.50的系數(shù)，得出WX拉動(dòng)Y值增加了0.486，對(duì)Y值變化的貢獻(xiàn)率為31.2%。WZ*WX的數(shù)值實(shí)際變化量是0.972，乘上0.42的系數(shù)，得出WZ拉動(dòng)Y值增加了0.408，對(duì)Y值變化的貢獻(xiàn)率為26.2%。由此可見(jiàn)，從1996年到2018年，對(duì)廣西農(nóng)業(yè)勞動(dòng)生產(chǎn)率增長(zhǎng)貢獻(xiàn)最大的是農(nóng)業(yè)規(guī)模化經(jīng)營(yíng)，其次是農(nóng)業(yè)物質(zhì)資源的投入，再次是農(nóng)業(yè)科技資源對(duì)農(nóng)業(yè)物質(zhì)投入的質(zhì)量提升。

4 結(jié)論和建議

研究發(fā)現(xiàn)，農(nóng)業(yè)科技資源投入對(duì)廣西農(nóng)業(yè)勞動(dòng)生產(chǎn)率沒(méi)有直接的提升作用，但通過(guò)對(duì)物質(zhì)資源投入的質(zhì)量改善，起到了間接提升的作用。從1996到2018年的實(shí)際數(shù)據(jù)來(lái)看，農(nóng)業(yè)規(guī)?；?jīng)營(yíng)對(duì)廣西農(nóng)業(yè)勞動(dòng)生產(chǎn)率的提升貢獻(xiàn)最大，其次是物質(zhì)資源投入的貢獻(xiàn)，然后是科技資源對(duì)投入的物質(zhì)資源的質(zhì)量改善的貢獻(xiàn)。從三種因素發(fā)展的趨勢(shì)來(lái)看，物資資源投入增長(zhǎng)已經(jīng)放緩，因此不能成為繼續(xù)拉動(dòng)農(nóng)業(yè)生產(chǎn)率提升的主要手段。農(nóng)業(yè)科技資源因?yàn)榛A(chǔ)較為薄弱，提升空間比較大，未來(lái)可期成為重要的增效手段。自2014年以來(lái)，在鼓勵(lì)農(nóng)村土地經(jīng)營(yíng)權(quán)有序流轉(zhuǎn)的各種政策推動(dòng)下，廣西農(nóng)業(yè)的規(guī)模化經(jīng)營(yíng)發(fā)展勢(shì)頭迅猛，未來(lái)應(yīng)當(dāng)保持此良好的發(fā)展態(tài)勢(shì)，可為農(nóng)業(yè)生產(chǎn)率提升做出重要貢獻(xiàn)。