財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)效的影響論文
0.引言
近年來(lái)，黨和國家多次在中央一號文件中強調加大農業(yè)科技投入，提升農業(yè)科技創(chuàng )新績(jì)效水平。那么，財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)效水平的影響如何？本文基于1991一2012年財政農業(yè)科技投入與農業(yè)科技創(chuàng )新績(jì)效測度指標數據，運用協(xié)整檢驗方法、誤差修正模型和VAR模型等分析方法對此進(jìn)行實(shí)證研究，為完善財政農業(yè)科技投入機制、促進(jìn)農業(yè)科技創(chuàng )新績(jì)效水平穩步提升提供重要依據。
關(guān)于農業(yè)科技投入與農業(yè)科技創(chuàng )新績(jì)效的研究，國內外學(xué)者從不同角度、不同方面進(jìn)行了論證并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(shù)對美國玉米產(chǎn)量的影響。Akino、Masakatsu和YujiroHayami研究發(fā)現，發(fā)展中國家農業(yè)品種改良研究的社會(huì )回報率比發(fā)達國家高。Rob-ertEEvenson通過(guò)對全球375項農業(yè)科研投入回報率進(jìn)行綜合研究得出：全世界農業(yè)科研投入回報率高達49%。Mclntire在對農業(yè)科技投入主體結構進(jìn)行研究后認為，發(fā)達國家非財政農業(yè)科技投入超過(guò)政府農業(yè)科技投入，且農業(yè)科技公共投入增速有減緩趨勢。David、Hall和Toole?在回顧1957年以來(lái)30多篇有影響力文獻后發(fā)現，多數學(xué)者認為公共農業(yè)科研投入和私人科研投入呈互補關(guān)系。國內方面，樊勝根[分別采用可變系數模型和固定系數模型測算了中國農業(yè)科研投入效益，認為中國農業(yè)科研投入收益率高達44%?169%。董成森認為，只有加大農業(yè)科技投入，培養農業(yè)科技人才，整合農業(yè)科研資源，才能有效提升農業(yè)科技創(chuàng )新績(jì)效水平。吳林海、彭宇文認為，只有優(yōu)化農業(yè)科技資源配置，才能提高農業(yè)科技投入產(chǎn)出效率。李洪文、黎東升對湖北省2006—2011年農業(yè)科技創(chuàng )新能力進(jìn)行了實(shí)證分析，提出加大農業(yè)科技投入是促進(jìn)農業(yè)科技創(chuàng )新能力提升的重要途徑。
上述研究對本文厘清農業(yè)科技投入與農業(yè)科技創(chuàng )新績(jì)效之間的關(guān)系，進(jìn)而建立科學(xué)合理的農業(yè)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(yè)科技進(jìn)步貢獻率作為農業(yè)科技創(chuàng )新績(jì)效主要測度指標，系統使用協(xié)整檢驗方法與誤差修正模型、VAR模型等方法研究農業(yè)科技投入與農業(yè)科技創(chuàng )新績(jì)效的文獻較少，本文對這方面進(jìn)行研究，以得出更為可靠的結論。
1.農業(yè)科技創(chuàng )新績(jì)效測度指標與測度方法
1.1測度指標
在借鑒前人研究成果的基礎上，遵循簡(jiǎn)單、易行、便于操作的原則，本文選取農業(yè)科技進(jìn)步貢獻率作為農業(yè)科技創(chuàng )新績(jì)效測度指標。其中，某一年份的農業(yè)科技進(jìn)步貢獻率具體用當年農業(yè)科技進(jìn)步率除以農業(yè)總產(chǎn)值增長(cháng)率得到?。而農業(yè)科技進(jìn)步率是在當年農業(yè)總產(chǎn)值增長(cháng)率中扣除由新增投入量帶來(lái)的總產(chǎn)值增長(cháng)率之后的部分。因為在正常年份，農業(yè)總產(chǎn)值增長(cháng)主要來(lái)自?xún)煞矫妫篲是由生產(chǎn)投入量增加帶來(lái)的農業(yè)總產(chǎn)值增長(cháng)；二是由科技進(jìn)步直接導致投入產(chǎn)出比重提高，進(jìn)而帶來(lái)農業(yè)總產(chǎn)值增長(cháng)。本文將由農業(yè)科技進(jìn)步帶來(lái)的總產(chǎn)值增長(cháng)率稱(chēng)為農業(yè)科技進(jìn)步率。
1.2測度方法
對農業(yè)科技進(jìn)步貢獻率的測算，學(xué)術(shù)界目前主要有以下兩種方法：
(1)生產(chǎn)函數法。其中，最常用的是C一D生產(chǎn)函數，其基本形式為：
其中，Y代表產(chǎn)出，A。代表技術(shù)水平，K代表資本投入，L代表勞動(dòng)力投入，a為資本對產(chǎn)出的彈性系數，盧為勞動(dòng)力對產(chǎn)出的彈性系數。在利用該函數測算科技進(jìn)步貢獻率時(shí)，首先分別利用可量化資本K和勞動(dòng)力L樣本數據，算出資本和勞動(dòng)力增長(cháng)率對產(chǎn)出增長(cháng)率的貢獻率，然后將剩余量作為科技進(jìn)步率對產(chǎn)出增長(cháng)率的貢獻率。用這一方法測算出的科技進(jìn)步貢獻率結果較為模糊、不夠準確，因而實(shí)際應用較少。
(2)增長(cháng)速度方程法。利用這一方法的前提是將總投入等于總產(chǎn)出，然后將農業(yè)總產(chǎn)值作為因變量，將物質(zhì)費用、勞動(dòng)力、耕地和時(shí)間變化4項指標作為自變量，構造出我國農業(yè)科技進(jìn)步貢獻率測算方法。按照這一方法，某一時(shí)期農業(yè)科技進(jìn)步率和農業(yè)科技進(jìn)步貢獻率的測算公式為：
其中，s表示農業(yè)科技進(jìn)步率a表示農業(yè)總產(chǎn)值增長(cháng)率4、c、d分別表示物質(zhì)費用增長(cháng)率、勞動(dòng)力增長(cháng)率和耕地增長(cháng)率，y分別表示物質(zhì)費用對產(chǎn)出的彈性系數、勞動(dòng)力對產(chǎn)出的彈性系數和耕地對產(chǎn)出的彈性系數，s表示農業(yè)科技進(jìn)步貢獻率。
由于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(shí)期的農業(yè)科技進(jìn)步貢獻率，故本文選取第二種方法測算我國歷年農業(yè)科技進(jìn)步貢獻率。在利用上述公式進(jìn)行具體測算時(shí)，采用前人研究成果，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(diǎn)研究財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)效的影響，為此，需選取以下數據：
(1)財政農業(yè)科技投入數據。具體用財政支農支出中的農業(yè)科技三項經(jīng)費支出代表財政農業(yè)科技投入，所需數據來(lái)源于歷年《中國統計年鑒》用歷年居民消費價(jià)格指數對取得的財政農業(yè)科技投入數據進(jìn)行調整，用調整后的財政農業(yè)科技投入數據進(jìn)行計量分析。為方便起見(jiàn)，將財政農業(yè)科技投入用ASI表示，具體數據資料見(jiàn)表1。
(2)農業(yè)科技創(chuàng )新績(jì)效指標數據。根據前文分析，本文選用農業(yè)科技進(jìn)步貢獻率作為農業(yè)科技創(chuàng )新績(jì)效測度指標，同時(shí)結合農業(yè)科技進(jìn)步貢獻率測算第二種方法，需選取以下數據：①農業(yè)總產(chǎn)值。具體數據直接來(lái)源于《中國農村統計年鑒》中的農林牧漁業(yè)總產(chǎn)值�？紤]到價(jià)格因素對農林牧漁業(yè)總產(chǎn)值的'影響，在得出1991-2012年按當年價(jià)格計算的農林牧漁業(yè)總產(chǎn)值后，再除以農林牧漁業(yè)總產(chǎn)值指數（1990年=100)，統一換算為1990年價(jià)格的農林牧漁業(yè)總產(chǎn)值；②農業(yè)物質(zhì)費用。首先在《中國農村統計年鑒》中找出按當年價(jià)格計算的農林牧漁業(yè)中間消耗占農林牧漁業(yè)總產(chǎn)值的比重，然后再分別乘以當年已換算為1990年價(jià)格的農林牧漁業(yè)總產(chǎn)值；③農業(yè)勞動(dòng)力。本文直接選取《中國統計年鑒》中1991一2012年第一產(chǎn)業(yè)從業(yè)人員數中的數據資料；④耕地面積�？紤]到數據可獲得性、連續性、完整性，以及部分農村土地閑置的現狀，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《中國農村統計年鑒》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(yè)科技進(jìn)步貢獻率。為分析問(wèn)題方便，將農業(yè)科技進(jìn)步貢獻率用ASP表示，具體數據資料見(jiàn)表1。從表1可以看出，991一2012年，財政農業(yè)科技投入與農業(yè)科技進(jìn)步貢獻率整體上均呈增長(cháng)狀態(tài)。在計量分析時(shí)，為了消除時(shí)間序列中存在的異方差，還需對財政農業(yè)科技投入與農業(yè)科技進(jìn)步貢獻率數據取自然對數，取對數后的新變量分別用LASI、LAEG表示。
2.2研究方法
在計量分析中，向量自回歸(VAR)模型比較適合對時(shí)間序列數據進(jìn)行研究。含有N個(gè)變量，滯后是期的VAR模型表達式為：
其中，Y,=(;V1t,;y2t,…■,;y?)T,Yt為NX1階時(shí)間序列列向量，U,?nDOM)為NX1階隨機誤差列向量。
3實(shí)證結果
3.1變量單位根檢驗
根據計量分析要求，在對時(shí)間序列變量數據進(jìn)行分析前，先對各項時(shí)間序列變量進(jìn)行平穩性檢驗，以避免直接回歸分析造成的偽回歸結果。運用Eviews7.0軟件對ASI、ASP進(jìn)行單位根檢驗，檢驗結果如表2所示：
由表2可知，在5%顯著(zhù)性水平下，LASI、LASP均為非平穩時(shí)間序列，但經(jīng)過(guò)一階差分后都變成了平穩時(shí)間序列。
3.2協(xié)整檢驗與誤差修正模型
對于兩變量之間的協(xié)整關(guān)系檢驗，通常采用Engle一Granger兩步法進(jìn)行。因此，利用Eviews7.0軟件對LASP與LASI進(jìn)行協(xié)整回歸，得到如下結果：
通過(guò)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(gè)dL=1.24,du=1.43。由DW=0.8261可知，模型存在嚴重的正自相關(guān)性。為消除正自相關(guān)性對模型估計結果的影響，引入解釋變量和被解釋變量滯后因素，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(guān)性，且在5%顯著(zhù)性水平下，各變量均通過(guò)了顯著(zhù)性檢驗。
本文由滯后一階回歸方程求LASP與LASI之間的關(guān)系。LASP與LASI之間的線(xiàn)性回歸方程為：
根據上式所示的（1，1)階分布滯后回歸方程為：
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(zhù)性水平下，殘差序列較為平穩，故變量LASP與LASI之間存在長(cháng)期均衡關(guān)系。由式（8)得到財政農業(yè)科技投入對農業(yè)科技進(jìn)步貢獻率的長(cháng)期彈性系數為0.1952，表明財政農業(yè)科技投入對農業(yè)科技進(jìn)步貢獻率的長(cháng)期效應顯著(zhù)。由式（9）推導過(guò)程可得ＬＡＳＰ與ＬＡＳＩ之間的短期
由式（12）可知，財政農業(yè)科技投入對農業(yè)科技進(jìn)步貢獻率的短期彈性系數為0．8 1 7 5，反向修正系數為－1．6 1 5 7。這一結果表明，財政農業(yè)科技投入對農業(yè)科技進(jìn)步貢獻率的短期影響更為顯著(zhù)，從而說(shuō)明隨著(zhù)時(shí)間的推移，定量財政農業(yè)科技投入對農業(yè)科技進(jìn)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(yè)科技投入，才能確保農業(yè)科技進(jìn)步貢獻率的有效提升。
3.3基于VAR模型的脈沖響應函數分析
在利用脈沖響應函數分析之前，需先確定VAR模型的最大滯后階數。因此，首先運用AIC和SC準則選擇最大滯后階數P值，經(jīng)Evlews7.0軟件輸出后，AIC值和SC值均在滯后1期達到最小值，因此可確定最大滯后階數為1，即要建立的是VARC1)模型，在此基礎上可進(jìn)行脈沖響應函數分析。圖1是根據VAR(1)模型形成的脈沖響應函數曲線(xiàn)，橫坐標軸代表響應函數追蹤期數，本文設為10年，縱坐標軸代表因變量對自變量的響應程度。圖中實(shí)線(xiàn)表示響應函數計算值，虛線(xiàn)圍成區域表示兩倍標準差置信帶。
圖1(a)反映的是農業(yè)科技進(jìn)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(yè)科技進(jìn)步貢獻率對財政農業(yè)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(yè)科技投入對農業(yè)科技進(jìn)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(yè)科技投入對自身變化的響應情況和響應路徑。
本文重點(diǎn)研究財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)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(yè)科技進(jìn)步貢獻率對財政農業(yè)科技投入標準信息的擾動(dòng)響應。從第1年開(kāi)始一直為正，且在第5年之前，這一正響應持續增加，到第5年之后，這一正響應基本沒(méi)有發(fā)生變化。這表明，財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)效水平提升作用在短期內一直在增加，而在長(cháng)期內基本保持不變。因此，為保證農業(yè)科技創(chuàng )新績(jì)效水平的持續、穩步提升，必須不斷增加財政農業(yè)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(yè)科技投入對農業(yè)科技進(jìn)步貢獻率標準信息的擾動(dòng)響應從第1年開(kāi)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年之后，這一正響應基本未發(fā)生改變。這表明，農業(yè)科技進(jìn)步貢獻率也會(huì )對財政農業(yè)科技投入產(chǎn)生積極影響，且這一積極影響在短期內一直在增加，而在長(cháng)期內基本沒(méi)有發(fā)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(yè)科技投入與農業(yè)科技創(chuàng )新績(jì)效之間存在長(cháng)期穩定均衡關(guān)系，但財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)效的短期影響更為顯著(zhù)。通過(guò)基于VAR模型的脈沖響應函數分析發(fā)現，財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)效水平的影響作用在短期內持續提升，而在長(cháng)期內基本沒(méi)有發(fā)生改變。因此，要保證農業(yè)科技創(chuàng )新績(jì)效水平持續穩定上升，必須不斷增加財政農業(yè)科技投入。
4.2對策建議
(1)努力提升財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)效的長(cháng)期效應。根據實(shí)證分析結果，財政農業(yè)科技投入在短期內對提升農業(yè)科技創(chuàng )新績(jì)效水平的能力較強，但在長(cháng)期內基本沒(méi)有發(fā)生作用。這勢必會(huì )對財政農業(yè)科技投入促進(jìn)農業(yè)科技創(chuàng )新績(jì)效水平提升的整體能力產(chǎn)生影響。因此，應不斷提高農業(yè)投入產(chǎn)出比，實(shí)現財政農業(yè)科技投入長(cháng)期效應，以追求財政農業(yè)科技投入效應最大化。
(2)積極發(fā)揮農業(yè)科技三項經(jīng)費對農業(yè)科技創(chuàng )新績(jì)效的規模效應。經(jīng)過(guò)對相關(guān)數據梳理發(fā)現，1991一2012年我國農業(yè)科技三項經(jīng)費占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。由于所占比重嚴重偏低，農業(yè)科技三項經(jīng)費總體規模偏小，導致其在提升農業(yè)科技創(chuàng )新績(jì)效方面難以發(fā)揮規模效應。因此，應積極提升農業(yè)科技三項經(jīng)費在財政支農支出中的比重，擴大農業(yè)科技三項經(jīng)費規模，最大程度上提升農業(yè)科技創(chuàng )新績(jì)效水平。
(3)保持財政農業(yè)科技投入在提升農業(yè)科技創(chuàng )新績(jì)效方面的高效率。根據實(shí)證分析結果，一批財政農業(yè)科技投入在短期內會(huì )對農業(yè)科技創(chuàng )新績(jì)效水平提升產(chǎn)生較強作用，但在長(cháng)期內這一作用將逐步降低。因此，一方面要延長(cháng)一批財政農業(yè)科技投入的使用壽命，讓其充分發(fā)揮對農業(yè)科技創(chuàng )新績(jì)效的提升作用；另一方面，應持續穩步增加財政農業(yè)科技投入，不斷提高農業(yè)科技創(chuàng )新績(jì)效，實(shí)現財政農業(yè)科技投入在提升農業(yè)科技創(chuàng )新績(jì)效方面的高效率。
【財政農業(yè)科技投入對農業(yè)科技創(chuàng )新績(jì)效的影響論文】相關(guān)文章：
農業(yè)科技投入問(wèn)題與機制創(chuàng )新論文11-03
創(chuàng )意與創(chuàng )新農業(yè)科技論文11-05
農業(yè)科技創(chuàng )新對策研究論文11-05
農業(yè)科技創(chuàng )新能力提升論文11-03
農業(yè)科技創(chuàng )新與推廣思考論文11-03
農業(yè)科技創(chuàng )新投資困境分析論文11-04
農業(yè)科技創(chuàng )新增收分析論文11-04