財政農業科技投入對農業科技創新績效的影響論文

0.引言

近年來，黨和國家多次在中央一號文件中強調加大農業科技投入，提升農業科技創新績效水平。那麼，財政農業科技投入對農業科技創新績效水平的影響如何？本文基於1991一2012年財政農業科技投入與農業科技創新績效測度指標數據，運用協整檢驗方法、誤差修正模型和VAR模型等分析方法對此進行實證研究，為完善財政農業科技投入機制、促進農業科技創新績效水平穩步提升提供重要依據。

關於農業科技投入與農業科技創新績效的研究，國內外學者從不同角度、不同方面進行了論證並取得了較為豐碩的成果。Gnllches運用計量分析方法測算了雜交玉米技術對美國玉米產量的影響。Akino、Masakatsu和YujiroHayami研究發現，發展中國家農業品種改良研究的社會回報率比發達國家高。Rob-ertEEvenson通過對全球375項農業科研投入回報率進行綜合研究得出：全世界農業科研投入回報率高達49%。Mclntire在對農業科技投入主體結構進行研究後認為，發達國家非財政農業科技投入超過政府農業科技投入，且農業科技公共投入增速有減緩趨勢。David、Hall和Toole?在回顧1957年以來30多篇有影響力文獻後發現，多數學者認為公共農業科研投入和私人科研投入呈互補關係。國內方面，樊勝根[分別採用可變係數模型和固定係數模型測算了中國農業科研投入效益，認為中國農業科研投入收益率高達44%?169%。董成森認為，只有加大農業科技投入，培養農業科技人才，整合農業科研資源，才能有效提升農業科技創新績效水平。吳林海、彭宇文認為，只有優化農業科技資源配置，才能提高農業科技投入產出效率。李洪文、黎東昇對湖北省2006—2011年農業科技創新能力進行了實證分析，提出加大農業科技投入是促進農業科技創新能力提升的重要途徑。

上述研究對本文釐清農業科技投入與農業科技創新績效之間的關係，進而建立科學合理的農業科技投入機制具有重要作用。但從政府的財政角度，選取農業科技進步貢獻率作為農業科技創新績效主要測度指標，系統使用協整檢驗方法與誤差修正模型、VAR模型等方法研究農業科技投入與農業科技創新績效的文獻較少，本文對這方面進行研究，以得出更為可靠的結論。

1.農業科技創新績效測度指標與測度方法

1.1測度指標

在借鑑前人研究成果的基礎上，遵循簡單、易行、便於操作的原則，本文選取農業科技進步貢獻率作為農業科技創新績效測度指標。其中，某一年份的農業科技進步貢獻率具體用當年農業科技進步率除以農業總產值增長率得到?。而農業科技進步率是在當年農業總產值增長率中扣除由新增投入量帶來的總產值增長率之後的部分。因為在正常年份，農業總產值增長主要來自兩方面：_是由生產投入量增加帶來的農業總產值增長；二是由科技進步直接導致投入產出比重提高，進而帶來農業總產值增長。本文將由農業科技進步帶來的總產值增長率稱為農業科技進步率。

1.2測度方法

對農業科技進步貢獻率的測算，學術界目前主要有以下兩種方法：

(1)生產函數法。其中，最常用的是C一D生產函數，其基本形式為：

其中，Y代表產出，A。代表技術水平，K代表資本投入，L代表勞動力投入，a為資本對產出的彈性係數，盧為勞動力對產出的彈性係數。在利用該函數測算科技進步貢獻率時，首先分別利用可量化資本K和勞動力L樣本數據，算出資本和勞動力增長率對產出增長率的貢獻率，然後將剩餘量作為科技進步率對產出增長率的貢獻率。用這一方法測算出的科技進步貢獻率結果較為模糊、不夠準確，因而實際應用較少。

(2)增長速度方程法。利用這一方法的前提是將總投入等於總產出，然後將農業總產值作為因變量，將物質費用、勞動力、耕地和時間變化4項指標作為自變量，構造出我國農業科技進步貢獻率測算方法。按照這一方法，某一時期農業科技進步率和農業科技進步貢獻率的測算公式為：

其中，s表示農業科技進步率a表示農業總產值增長率4、c、d分別表示物質費用增長率、勞動力增長率和耕地增長率，y分別表示物質費用對產出的彈性係數、勞動力對產出的彈性係數和耕地對產出的彈性係數，s表示農業科技進步貢獻率。

由於第二種方法較第一種方法更為直接，更能準確測算出某一時期的農業科技進步貢獻率，故本文選取第二種方法測算我國曆年農業科技進步貢獻率。在利用上述公式進行具體測算時，採用前人研究成果，將a、、、y的值分別取0.55、.20、0.25。

2.數據選取與研究方法

2.1數據選取與處理

本文重點研究財政農業科技投入對農業科技創新績效的影響，為此，需選取以下數據：

(1)財政農業科技投入數據。具體用財政支農支出中的農業科技三項經費支出代表財政農業科技投入，所需數據來源於歷年《中國統計年鑑》用歷年居民消費價格指數對取得的財政農業科技投入數據進行調整，用調整後的財政農業科技投入數據進行計量分析。為方便起見，將財政農業科技投入用ASI表示，具體數據資料見表1。

(2)農業科技創新績效指標數據。根據前文分析，本文選用農業科技進步貢獻率作為農業科技創新績效測度指標，同時結合農業科技進步貢獻率測算第二種方法，需選取以下數據：①農業總產值。具體數據直接來源於《中國農村統計年鑑》中的農林牧漁業總產值。考慮到價格因素對農林牧漁業總產值的'影響，在得出1991-2012年按當年價格計算的農林牧漁業總產值後，再除以農林牧漁業總產值指數（1990年=100)，統一換算為1990年價格的農林牧漁業總產值；②農業物質費用。首先在《中國農村統計年鑑》中找出按當年價格計算的農林牧漁業中間消耗佔農林牧漁業總產值的比重，然後再分別乘以當年已換算為1990年價格的農林牧漁業總產值；③農業勞動力。本文直接選取《中國統計年鑑》中1991一2012年第一產業從業人員數中的數據資料；④耕地面積。考慮到數據可獲得性、連續性、完整性，以及部分農村土地閒置的現狀，本文以農作物播種面積代表耕地面積，具體數據依然是選取《中國農村統計年鑑》中1991一2012年農作物總播種面積數據。在得到以上數據的基礎上，可計算出1991一2012年我國農業科技進步貢獻率。為分析問題方便，將農業科技進步貢獻率用ASP表示，具體數據資料見表1。從表1可以看出，991一2012年，財政農業科技投入與農業科技進步貢獻率整體上均呈增長狀態。在計量分析時，為了消除時間序列中存在的異方差，還需對財政農業科技投入與農業科技進步貢獻率數據取自然對數，取對數後的新變量分別用LASI、LAEG表示。

2.2研究方法

在計量分析中，向量自迴歸(VAR)模型比較適合對時間序列數據進行研究。含有N個變量，滯後是期的VAR模型表達式為：

其中，Y,=(;V1t,;y2t,…■,;y?)T,Yt為NX1階時間序列列向量，U,?nDOM)為NX1階隨機誤差列向量。

3實證結果

3.1變量單位根檢驗

根據計量分析要求，在對時間序列變量數據進行分析前，先對各項時間序列變量進行平穩性檢驗，以避免直接回歸分析造成的偽迴歸結果。運用Eviews7.0軟件對ASI、ASP進行單位根檢驗，檢驗結果如表2所示：

由表2可知，在5%顯著性水平下，LASI、LASP均為非平穩時間序列，但經過一階差分後都變成了平穩時間序列。

3.2協整檢驗與誤差修正模型

對於兩變量之間的協整關係檢驗，通常採用Engle一Granger兩步法進行。因此，利用Eviews7.0軟件對LASP與LASI進行協整迴歸，得到如下結果：

通過DW檢驗上下界表，在5%上下界水平下，樣本容量為22，解釋變量為1個dL=1.24,du=1.43。由DW=0.8261可知，模型存在嚴重的正自相關性。為消除正自相關性對模型估計結果的影響，引入解釋變量和被解釋變量滯後因素，建立如下模型：

ADF單位根檢驗結果由DW=1.5656可知，模型已消除了自相關性，且在5%顯著性水平下，各變量均通過了顯著性檢驗。

本文由滯後一階迴歸方程求LASP與LASI之間的關係。LASP與LASI之間的線性迴歸方程為：

根據上式所示的（1，1)階分佈滯後迴歸方程為：

本文利用ADF單位根檢驗殘差序列平穩性，檢驗結果如表3所示。從表3可知，在5%顯著性水平下，殘差序列較為平穩，故變量LASP與LASI之間存在長期均衡關係。由式（8)得到財政農業科技投入對農業科技進步貢獻率的長期彈性係數為0.1952，表明財政農業科技投入對農業科技進步貢獻率的長期效應顯著。由式（9）推導過程可得ＬＡＳＰ與ＬＡＳＩ之間的短期

由式（12）可知，財政農業科技投入對農業科技進步貢獻率的短期彈性係數為0．8 1 7 5，反向修正係數為－1．6 1 5 7。這一結果表明，財政農業科技投入對農業科技進步貢獻率的短期影響更為顯著，從而説明隨着時間的推移，定量財政農業科技投入對農業科技進步貢獻率提升的有效作用較低。因此，只有連續不斷地增加財政農業科技投入，才能確保農業科技進步貢獻率的有效提升。

3.3基於VAR模型的脈衝響應函數分析

在利用脈衝響應函數分析之前，需先確定VAR模型的最大滯後階數。因此，首先運用AIC和SC準則選擇最大滯後階數P值，經Evlews7.0軟件輸出後，AIC值和SC值均在滯後1期達到最小值，因此可確定最大滯後階數為1，即要建立的是VARC1)模型，在此基礎上可進行脈衝響應函數分析。圖1是根據VAR(1)模型形成的脈衝響應函數曲線，橫座標軸代表響應函數追蹤期數，本文設為10年，縱座標軸代表因變量對自變量的響應程度。圖中實線表示響應函數計算值，虛線圍成區域表示兩倍標準差置信帶。

圖1(a)反映的是農業科技進步貢獻率對自身變化的響應情況和響應路徑，圖1(b)反映的是農業科技進步貢獻率對財政農業科技投入的響應情況和響應路徑，圖1(c)反映的是財政農業科技投入對農業科技進步貢獻率的響應情況和響應路徑，圖1(d)反映的是財政農業科技投入對自身變化的響應情況和響應路徑。

本文重點研究財政農業科技投入對農業科技創新績效的影響，因此主要考察LASP對LASI的響應情況和響應路徑以及LASI對LASP的響應情況和響應路徑。首先考察LASP對LASI的響應情況和響應路徑。

從圖1(b)可以看出，農業科技進步貢獻率對財政農業科技投入標準信息的擾動響應。從第1年開始一直為正，且在第5年之前，這一正響應持續增加，到第5年之後，這一正響應基本沒有發生變化。這表明，財政農業科技投入對農業科技創新績效水平提升作用在短期內一直在增加，而在長期內基本保持不變。因此，為保證農業科技創新績效水平的持續、穩步提升，必須不斷增加財政農業科技投入。其次，考察LASI對LASP的響應情況和響應路徑。從圖1()可以看出，財政農業科技投入對農業科技進步貢獻率標準信息的擾動響應從第1年開始也一直為正，且在第5年之前，這一正響應持續增加，而到第5年之後，這一正響應基本未發生改變。這表明，農業科技進步貢獻率也會對財政農業科技投入產生積極影響，且這一積極影響在短期內一直在增加，而在長期內基本沒有發生改變。

4.主要結論與對策建議

4.1主要結論

根據前文分析，本文得出如下結論：財政農業科技投入與農業科技創新績效之間存在長期穩定均衡關係，但財政農業科技投入對農業科技創新績效的短期影響更為顯著。通過基於VAR模型的脈衝響應函數分析發現，財政農業科技投入對農業科技創新績效水平的影響作用在短期內持續提升，而在長期內基本沒有發生改變。因此，要保證農業科技創新績效水平持續穩定上升，必須不斷增加財政農業科技投入。

4.2對策建議

(1)努力提升財政農業科技投入對農業科技創新績效的長期效應。根據實證分析結果，財政農業科技投入在短期內對提升農業科技創新績效水平的能力較強，但在長期內基本沒有發生作用。這勢必會對財政農業科技投入促進農業科技創新績效水平提升的整體能力產生影響。因此，應不斷提高農業投入產出比，實現財政農業科技投入長期效應，以追求財政農業科技投入效應最大化。

(2)積極發揮農業科技三項經費對農業科技創新績效的規模效應。經過對相關數據梳理髮現，1991一2012年我國農業科技三項經費佔財政支農支出的比重每年均在1%以下，甚至有些年份在0.6%以下。由於所佔比重嚴重偏低，農業科技三項經費總體規模偏小，導致其在提升農業科技創新績效方面難以發揮規模效應。因此，應積極提升農業科技三項經費在財政支農支出中的比重，擴大農業科技三項經費規模，最大程度上提升農業科技創新績效水平。

(3)保持財政農業科技投入在提升農業科技創新績效方面的高效率。根據實證分析結果，一批財政農業科技投入在短期內會對農業科技創新績效水平提升產生較強作用，但在長期內這一作用將逐步降低。因此，一方面要延長一批財政農業科技投入的使用壽命，讓其充分發揮對農業科技創新績效的提升作用；另一方面，應持續穩步增加財政農業科技投入，不斷提高農業科技創新績效，實現財政農業科技投入在提升農業科技創新績效方面的高效率。