欢迎来到学术参考网

财政农业科技投入对农业科技创新绩效的影响

发布时间:2016-03-28 15:02

  0.引言

  

  近年来,党和国家多次在中央一号文件中强调加大农业科技投入,提升农业科技创新绩效水平。那么,财政农业科技投入对农业科技创新绩效水平的影响如何?本文基于1991一2012年财政农业科技投入与农业科技创新绩效测度指标数据,运用协整检验方法、误差修正模型和VAR模型等分析方法对此进行实证研究,为完善财政农业科技投入机制、促进农业科技创新绩效水平稳步提升提供重要依据。

  

  关于农业科技投入与农业科技创新绩效的研究,国内外学者从不同角度、不同方面进行了论证并取得了较为丰硕的成果。Gnllches运用计量分析方法测算了杂交玉米技术对美国玉米产量的影响。Akino、Masakatsu和YujiroHayami研究发现,发展中国家农业品种改良研究的社会回报率比发达国家高。Rob-ertEEvenson通过对全球375项农业科研投入回报率进行综合研究得出:全世界农业科研投入回报率高达49%。Mclntire在对农业科技投入主体结构进行研究后认为,发达国家非财政农业科技投入超过政府农业科技投入,且农业科技公共投入增速有减缓趋势。David、Hall和Toole®在回顾1957年以来30多篇有影响力文献后发现,多数学者认为公共农业科研投入和私人科研投入呈互补关系。国内方面,樊胜根[分别采用可变系数模型和固定系数模型测算了中国农业科研投入效益,认为中国农业科研投入收益率高达44%〜169%。董成森认为,只有加大农业科技投入,培养农业科技人才,整合农业科研资源,才能有效提升农业科技创新绩效水平。吴林海、彭宇文认为,只有优化农业科技资源配置,才能提高农业科技投入产出效率。李洪文、黎东升对湖北省2006—2011年农业科技创新能力进行了实证分析,提出加大农业科技投入是促进农业科技创新能力提升的重要途径。

  

  上述研究对本文厘清农业科技投入与农业科技创新绩效之间的关系,进而建立科学合理的农业科技投入机制具有重要作用。但从政府财政角度,选取农业科技进步贡献率作为农业科技创新绩效主要测度指标,系统使用协整检验方法与误差修正模型、VAR模型等方法研究农业科技投入与农业科技创新绩效的文献较少,本文对这方面进行研究,以得出更为可靠的结论。

  

  1.农业科技创新绩效测度指标与测度方法

  

  1.1测度指标

  

  在借鉴前人研究成果的基础上,遵循简单、易行、便于操作的原则,本文选取农业科技进步贡献率作为农业科技创新绩效测度指标。其中,某一年份的农业科技进步贡献率具体用当年农业科技进步率除以农业总产值增长率得到™。而农业科技进步率是在当年农业总产值增长率中扣除由新增投入量带来的总产值增长率之后的部分。因为在正常年份,农业总产值增长主要来自两方面:_是由生产投入量增加带来的农业总产值增长;二是由科技进步直接导致投入产出比重提高,进而带来农业总产值增长。本文将由农业科技进步带来的总产值增长率称为农业科技进步率。

  

  1.2测度方法

  

  对农业科技进步贡献率的测算,学术界目前主要有以下两种方法:

  

  (1)生产函数法。其中,最常用的是C一D生产函数,其基本形式为:

 blob.png

  其中,Y代表产出,A。代表技术水平,K代表资本投入,L代表劳动力投入,a为资本对产出的弹性系数,卢为劳动力对产出的弹性系数。在利用该函数测算科技进步贡献率时,首先分别利用可量化资本K和劳动力L样本数据,算出资本和劳动力增长率对产出增长率的贡献率,然后将剩余量作为科技进步率对产出增长率的贡献率。用这一方法测算出的科技进步贡献率结果较为模糊、不够准确,因而实际应用较少。

  

  (2)增长速度方程法。利用这一方法的前提是将总投入等于总产出,然后将农业总产值作为因变量,将物质费用、劳动力、耕地和时间变化4项指标作为自变量,构造出我国农业科技进步贡献率测算方法。按照这一方法,某一时期农业科技进步率和农业科技进步贡献率的测算公式为:

  blob.png

  其中,s表示农业科技进步率a表示农业总产值增长率4、c、d分别表示物质费用增长率、劳动力增长率和耕地增长率,y分别表示物质费用对产出的弹性系数、劳动力对产出的弹性系数和耕地对产出的弹性系数,s表示农业科技进步贡献率。

  

  由于第二种方法较第一种方法更为直接,更能准确测算出某一时期的农业科技进步贡献率,故本文选取第二种方法测算我国历年农业科技进步贡献率。在利用上述公式进行具体测算时,采用前人研究成果,将a、、、y的值分别取0.55、.20、0.25。

  

  2.数据选取与研究方法

  

  2.1数据选取与处理

  

  本文重点研究财政农业科技投入对农业科技创新绩效的影响,为此,需选取以下数据:

  

  (1)财政农业科技投入数据。具体用财政支农支出中的农业科技三项经费支出代表财政农业科技投入,所需数据来源于历年《中国统计年鉴》用历年居民消费价格指数对取得的财政农业科技投入数据进行调整,用调整后的财政农业科技投入数据进行计量分析。为方便起见,将财政农业科技投入用ASI表示,具体数据资料见表1。

  blob.png

  (2)农业科技创新绩效指标数据。根据前文分析,本文选用农业科技进步贡献率作为农业科技创新绩效测度指标,同时结合农业科技进步贡献率测算第二种方法,需选取以下数据:①农业总产值。具体数据直接来源于《中国农村统计年鉴》中的农林牧渔业总产值。考虑到价格因素对农林牧渔业总产值的影响,在得出1991-2012年按当年价格计算的农林牧渔业总产值后,再除以农林牧渔业总产值指数(1990年=100),统一换算为1990年价格的农林牧渔业总产值;②农业物质费用。首先在《中国农村统计年鉴》中找出按当年价格计算的农林牧渔业中间消耗占农林牧渔业总产值的比重,然后再分别乘以当年已换算为1990年价格的农林牧渔业总产值;③农业劳动力。本文直接选取《中国统计年鉴》中1991一2012年第一产业从业人员数中的数据资料;④耕地面积。考虑到数据可获得性、连续性、完整性,以及部分农村土地闲置的现状,本文以农作物播种面积代表耕地面积,具体数据依然是选取《中国农村统计年鉴》中1991一2012年农作物总播种面积数据。在得到以上数据的基础上,可计算出1991一2012年我国农业科技进步贡献率。为分析问题方便,将农业科技进步贡献率用ASP表示,具体数据资料见表1。从表1可以看出,991一2012年,财政农业科技投入与农业科技进步贡献率整体上均呈增长状态。在计量分析时,为了消除时间序列中存在的异方差,还需对财政农业科技投入与农业科技进步贡献率数据取自然对数,取对数后的新变量分别用LASI、LAEG表示。


    2.2研究方法

  

  在计量分析中,向量自回归(VAR)模型比较适合对时间序列数据进行研究。含有N个变量,滞后是期的VAR模型表达式为:

  blob.png

  其中,Y,=(;V1t,;y2t,…■,;y»)T,Yt为NX1阶时间序列列向量,U,〜nDOM)为NX1阶随机误差列向量。

  

  3实证结果

  

  3.1变量单位根检验

  

  根据计量分析要求,在对时间序列变量数据进行分析前,先对各项时间序列变量进行平稳性检验,以避免直接回归分析造成的伪回归结果。运用Eviews7.0软件对ASI、ASP进行单位根检验,检验结果如表2所示:

  blob.png

  由表2可知,在5%显著性水平下,LASI、LASP均为非平稳时间序列,但经过一阶差分后都变成了平稳时间序列。

  

  3.2协整检验与误差修正模型

  

  对于两变量之间的协整关系检验,通常采用Engle一Granger两步法进行。因此,利用Eviews7.0软件对LASP与LASI进行协整回归,得到如下结果:

  blob.png

  通过DW检验上下界表,在5%上下界水平下,样本容量为22,解释变量为1个dL=1.24,du=1.43。由DW=0.8261可知,模型存在严重的正自相关性。为消除正自相关性对模型估计结果的影响,引入解释变量和被解释变量滞后因素,建立如下模型:

  blob.png

  ADF单位根检验结果由DW=1.5656可知,模型已消除了自相关性,且在5%显著性水平下,各变量均通过了显著性检验。

  

  本文由滞后一阶回归方程求LASP与LASI之间的关系。LASP与LASI之间的线性回归方程为:

  blob.png

  根据上式所示的(1,1)阶分布滞后回归方程为:

                                     blob.png

                                   blob.png

blob.png

blob.png

  本文利用ADF单位根检验残差序列平稳性,检验结果如表3所示。从表3可知,在5%显著性水平下,残差序列较为平稳,故变量LASP与LASI之间存在长期均衡关系。由式(8)得到财政农业科技投入对农业科技进步贡献率的长期弹性系数为0.1952,表明财政农业科技投入对农业科技进步贡献率的长期效应显著。由式(9)推导过程可得LASP与LASI之间的短期

  blob.png

  由式(12)可知,财政农业科技投入对农业科技进步贡献率的短期弹性系数为0.8 1 7 5,反向修正系数为-1.6 1 5 7。这一结果表明,财政农业科技投入对农业科技进步贡献率的短期影响更为显著,从而说明随着时间的推移,定量财政农业科技投入对农业科技进步贡献率提升的有效作用较低。因此,只有连续不断地增加财政农业科技投入,才能确保农业科技进步贡献率的有效提升。

  

  3.3基于VAR模型的脉冲响应函数分析

  

  在利用脉冲响应函数分析之前,需先确定VAR模型的最大滞后阶数。因此,首先运用AIC和SC准则选择最大滞后阶数P值,经Evlews7.0软件输出后,AIC值和SC值均在滞后1期达到最小值,因此可确定最大滞后阶数为1,即要建立的是VARC1)模型,在此基础上可进行脉冲响应函数分析。图1是根据VAR(1)模型形成的脉冲响应函数曲线,横坐标轴代表响应函数追踪期数,本文设为10年,纵坐标轴代表因变量对自变量的响应程度。图中实线表示响应函数计算值,虚线围成区域表示两倍标准差置信带。

  blob.png

  图1(a)反映的是农业科技进步贡献率对自身变化的响应情况和响应路径,图1(b)反映的是农业科技进步贡献率对财政农业科技投入的响应情况和响应路径,图1(c)反映的是财政农业科技投入对农业科技进步贡献率的响应情况和响应路径,图1(d)反映的是财政农业科技投入对自身变化的响应情况和响应路径。

  

  本文重点研究财政农业科技投入对农业科技创新绩效的影响,因此主要考察LASP对LASI的响应情况和响应路径以及LASI对LASP的响应情况和响应路径。首先考察LASP对LASI的响应情况和响应路径。

  

  从图1(b)可以看出,农业科技进步贡献率对财政农业科技投入标准信息的扰动响应。从第1年开始一直为正,且在第5年之前,这一正响应持续增加,到第5年之后,这一正响应基本没有发生变化。这表明,财政农业科技投入对农业科技创新绩效水平提升作用在短期内一直在增加,而在长期内基本保持不变。因此,为保证农业科技创新绩效水平的持续、稳步提升,必须不断增加财政农业科技投入。其次,考察LASI对LASP的响应情况和响应路径。从图1()可以看出,财政农业科技投入对农业科技进步贡献率标准信息的扰动响应从第1年开始也一直为正,且在第5年之前,这一正响应持续增加,而到第5年之后,这一正响应基本未发生改变。这表明,农业科技进步贡献率也会对财政农业科技投入产生积极影响,且这一积极影响在短期内一直在增加,而在长期内基本没有发生改变。

  

  4.主要结论与对策建议

  

  4.1主要结论

  

  根据前文分析,本文得出如下结论:财政农业科技投入与农业科技创新绩效之间存在长期稳定均衡关系,但财政农业科技投入对农业科技创新绩效的短期影响更为显著。通过基于VAR模型的脉冲响应函数分析发现,财政农业科技投入对农业科技创新绩效水平的影响作用在短期内持续提升,而在长期内基本没有发生改变。因此,要保证农业科技创新绩效水平持续稳定上升,必须不断增加财政农业科技投入。

  

  4.2对策建议

  

  (1)努力提升财政农业科技投入对农业科技创新绩效的长期效应。根据实证分析结果,财政农业科技投入在短期内对提升农业科技创新绩效水平的能力较强,但在长期内基本没有发生作用。这势必会对财政农业科技投入促进农业科技创新绩效水平提升的整体能力产生影响。因此,应不断提高农业投入产出比,实现财政农业科技投入长期效应,以追求财政农业科技投入效应最大化。

  

  (2)积极发挥农业科技三项经费对农业科技创新绩效的规模效应。经过对相关数据梳理发现,1991一2012年我国农业科技三项经费占财政支农支出的比重每年均在1%以下,甚至有些年份在0.6%以下。由于所占比重严重偏低,农业科技三项经费总体规模偏小,导致其在提升农业科技创新绩效方面难以发挥规模效应。因此,应积极提升农业科技三项经费在财政支农支出中的比重,扩大农业科技三项经费规模,最大程度上提升农业科技创新绩效水平。

  

  (3)保持财政农业科技投入在提升农业科技创新绩效方面的高效率。根据实证分析结果,一批财政农业科技投入在短期内会对农业科技创新绩效水平提升产生较强作用,但在长期内这一作用将逐步降低。因此,一方面要延长一批财政农业科技投入的使用寿命,让其充分发挥对农业科技创新绩效的提升作用;另一方面,应持续稳步增加财政农业科技投入,不断提高农业科技创新绩效,实现财政农业科技投入在提升农业科技创新绩效方面的高效率。


上一篇:现代农业物流对农业经济增长的影响

下一篇:福建省农业科技投入对农业发展的贡献研究