财政支农、农业投资对农业GDP的贡献——基于多变量VAR模型

[西北农林科技大学 杨凌 712100]

财政支农、农业投资对农业GDP的贡献
——基于多变量VAR模型

□杨峰[西北农林科技大学 杨凌 712100]

根据我国1981～2009年的历史数据，运用VAR模型对我国财政支农、农业贷款、农业投资与农业经济增长的关系进行实证分析，结果表明，农业贷款不是农业GDP的Granger原因，而财政支农、农业投资是农业GDP的Granger原因。财政支农、农业投资与农业GDP之间存在着长期交互关系。经过脉冲响应和方差分解显示：财政支农增长率和农业投资对农业GDP的平均贡献率分别为4%和5%左右，具有滞后性和持续性，并依据以上结论提出相应的政策建议。

财政支农；农业贷款；农业投资；VAR模型

由于农业在国民经济中的基础性地位，世界各国普遍使用财政政策和货币政策促进农业经济发展，其政策目标主要是稳定农业生产、保证粮食安全、保护生态环境、增加农民收入等，主要形式包括财政支农、农业贷款、农业投资等。随着我国经济总量的增长，农业资金投入总量也在逐年增加。理论上，财政支农、农业贷款和农业投资对农业经济增长具有重要作用，但他们拉动农业经济增长的内在机制和动态过程有待实证分析。本文通过建立VAR模型分析财政支农、农业贷款和农业投资对我国农业GDP的贡献，并运用脉冲响应和方差分解考察他们对我国农业GDP的动态影响。

一、文献综述

熊吉峰利用1999～2002年的统计数据分析得出，相对于劳动力、生产费用，农业总产值对财政支农的弹性系数为正[1]。魏朗对我国各省1999～2003年农业经济增长的数据进行实证分析，提出地方财政支农确实有利于农业经济增长，与其他要素相比，财政支农的平均贡献率占重要地位[2]。孙红霞运用时间序列协整分析后发现，财政支农投入与农业增加值存在稳定比例关系[3]。刘宏杰基于财政支农的历史数据，运用VAR模型和Granger因果关系检验研究财政支农对农业经济的带动作用，结果表明，财政支农明显促进农业经济的发展[4]。Townsend、Robert M提出，农业经营风险使农业信贷支持下降，政府支持的农业信贷在加大农业贷款的同时也导致其效率低下[5]。周小斌、李秉龙运用1978～2001年我国农业贷款的数据进行统计分析，结果表明，农业贷款对农业产出的绩效为正[6]。姚耀军、和丕禅运用误差修正模型对我国农业GDP与农业贷款历史数据进行实证分析，结果表明，无论长期还是短期，增加农业信贷投入对加快我国农业经济增长有重要作用[7]。Jensen通过实证分析认为：发展中国家政府主导的农村金融体系在促进农业投资方面缺乏效率[8]。朱喜、李子奈通过VEC协整分析，提出在由政府主导的指令性信贷模式下，在短期内农业贷款没能有效地促进农村投资的增加[9]。蔡高明的研究表明，财政性农业投资与农业发展有显著的正相关性[10]。

综合以上研究结果，财政支农、农业贷款和农业投资三者之间存在着或强或弱的相关性，他们共同作用于农业经济发展（通常用农业GDP衡量），部分学者还通过单方程计量方法得出财政支农与农业GDP、农业投资与农业GDP的协整关系。

传统的单方程和联立方程模型方法是以既有的经济理论为基础描述变量之间的关系。这些方法通常不足以对变量之间的动态联系给予较严密的说明。农业GDP、财政支农、农业贷款和农业投资是一个经济系统，各变量之间存在着相互影响、相互作用的交互关系。而现有的研究主要集中于建立单方程计量模型进行实证分析，回归结果只能简单地解释财政支农、农业贷款和农业投资等变量对农业GDP的静态单向影响，不能反映这些变量之间的动态相互作用；联立方程方法则依赖于结构模型的设定，使得对这些变量的估计和推断变得更加复杂。

已获得广泛认同的VAR模型可以解决这些问题。VAR模型使用所有当期变量对所有变量的若干滞后项进行回归，并且回避了结构模型设定，因而在精确估计和检验农业GDP系统模型、考察系统内部变量之间的动态关系时，VAR模型是较好的方法。

本文利用相关历史数据，运用多变量VAR模型，考察我国财政支农、农业贷款、农业投资对农业经济增长的长期交互关系，在此基础上分析他们对农业GDP的贡献。

二、基本模型

VAR模型是一种非结构化的方程模型，常用于分析相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。VAR方法把系统的每一个内生变量作为系统中所有内生变量滞后值的函数来构造模型，更易于了解变量冲击对系统的影响。p阶VAR模型表达式是：

即：

其中，Yt是k维内生变量向量，Xt是d维外生变量向量，p是滞后阶数，T是样本个数。k×k维矩阵A1，A2，…，Ap以及k×d维矩阵B是要被估计的系数矩阵。εt是k维扰动向量[11]。实证过程中运用二阶VAR模型，分析软件使用Eviews 6.0。

三、数据及分析过程

（一）数据来源及变量设计

本文运用Granger因果关系检验以及基于向量自回归（VAR）模型脉冲响应函数方法验证财政支农、农业贷款和农业投资对促进农业GDP增长的影响。研究所采用的相关数据来自中国统计年鉴、中国农村统计年鉴、中国金融年鉴1981～2009年的时间序列数据。农业GDP序列、财政支农序列、农业贷款序列分别根据当年价按农业GDP指数（1978年=100）、农村居民消费价格指数（1978年=100）、农业生产资料价格指数（1978年=100）平减；农业投资序列采用当年价农村固定资产投资数据按农业生产资料价格指数（1978年=100）平减。上述变量数据处理剔除了物价因素的影响。分别用A、F、L、I表示平减后不变价农业GDP、财政支农、农业贷款、农业投资，如图1所示，4个序列都有明显的增长趋势。

图1 不变价农业GDP、财政支农、农业贷款、农业投资变化曲线

（二）平稳性检验

平稳序列的数字特征不随时间的变化而变化，时间序列在各个时间点上的随机性服从一定的概率分布；而非平稳时间序列在各个时间点上的随机规律是不同的，难以通过序列既有的信息掌握时间序列整体上的随机性。因此需进行变量的平稳性检验。对各变量先采用变量的对数来处理，以消除异方差的影响。分别用LNA、LNF、LNL、LNI表示不变价农业GDP、财政支农、农业贷款、农业投资等数据取对数后的数值。

变量平稳性采用ADF检验，检验过程中用AIC准则确定滞后阶数，以消除残差的序列相关性，然后对各变量进行单位根检验以考察变量的平稳性。通过检验得知：LNA、LNI为平稳变量；LNF、LNL为非平稳变量。采用差分法处理非平稳变量，分别取LNF、LNL的一阶差分DLNF、DLNL，再进行ADF单位根检验发现，DLNF、DLNL在相应的显著水平下平稳，他们分别代表财政支农增长率和农业贷款增长率，结果如表1所示。

（三）Granger因果检验

将通过平稳性检验的解释变量DLNF、DLNL、LNI分别与被解释变量LNA进行Granger因果检验，结果如表2所示。

表1 ADF检验结果

表2 Granger因果检验结果

在最优滞后期时LNA与DLNF之间存在单向因果关系，LNA与DLNL之间不存在明显的双向因果关系，LNA与LNI之间存在双向因果关系，因此DLNL不是LNA的Granger原因。而在1%的显著水平下，LNA是DLNF的Granger原因，LNA是LNI的Granger原因，说明在一定程度上财政支农变量、农业投资变量可被农业GDP变量解释；在5%的显著水平下，LNI是LNA的Granger原因，说明农业GDP与农业投资相关。

（四）VAR模型分析

由于各个变量之间存在着相互影响，仅从单一模型分析很难准确地描述其全部效应，因此需要从系统的角度出发建立VAR模型，以便进行长期脉冲响应分析和方差分解，描述被解释变量的暂时冲击对解释变量的影响。

根据Granger检验的结果，由于DLNL与LNA相互之间不存在Granger原因，故VAR模型剔除DLNL变量；DLNF与LNA存在单向因果关系，根据当代计量理论，存在单向因果关系的变量也可以进入VAR模型；LNI与LNA存在双向因果关系，可进入VAR模型。故VAR模型中引入LNA、DLNF、LNI三个变量进行分析。

在建立VAR模型之前需要确定滞后阶数，综合考虑样本容量和模型的准确性，运用LR、FPE、AIC、SC、HQ等5个评价指标确定滞后期，最终选择最优滞后期为2，结果如表3。

据此建立二阶无约束VAR模型如下所示：

表3 VAR模型滞后期评价指标

表4 VAR模型分析结果

表4中每个单元格内第一行数字是VAR模型回归系数，第二行圆括号里的数字是回归系数估计量的标准差，第三行方括号里的数字是回归系数估计量的t统计量的值。VAR模型通过了各项检验。

由于脉冲响应要求VAR模型必须是平稳的，所以对模型进行平稳性检验。经检验，模型的全部特征根在单位圆曲线以内，如图2所示，该VAR模型是平稳系统。

图2 VAR模型全部特征根位置图

（五）脉冲响应与方差分解

在VAR模型回归方程的基础上，可以运用脉冲响应函数考察我国财政支农和农业投资通过怎样的路径影响农业GDP。图3和图4分别是财政支农对农业GDP的脉冲响应函数曲线、农业投资对农业GDP的脉冲响应函数曲线，刻画了财政支农、农业投资对农业GDP的动态影响轨迹。横轴代表响应函数的追踪期（单位：年）；纵轴代表变量的响应程度。图中的实线为响应函数的计算值，虚线为响应函数值正负两倍标准差偏离带。

图3 财政支农对农业GDP的脉冲响应函数曲线

由图3可知，在本期给财政支农增长率一个正向冲击后，当期会对农业GDP产生正的影响，进入第2期前后则变成负的影响，到第3期重新转为正的影响，但影响力较小。经过前4期小幅波动，在第5期以后保持平稳。这表明财政支农增长率受到某一外部冲击后，给农业GDP带来同向的冲击，这一冲击具有一定的促进作用并逐渐趋于稳定，但幅度不大。原因可能在于财政支农中用于农林、水利、气象等部门事业单位的人员机构经费占较大比重，随着农业经济的发展日益挤占用于支援农村生产的支出；另一方面由于这些部门运行效率较低，抑制了财政支农的正面作用，因而对农业生产的综合效果并不太大。

图4 农业投资对农业GDP的脉冲响应函数曲线

与此相对应，根据图4，在本期给农业投资一个正向冲击后，农业投资对农业GDP的一个标准差扰动形成持续正向响应，拉动作用积极和持久，并且幅度较大，趋于平稳。可能原因在于：农业投资中用于基本建设投资占了一定比重，而与农业生产直接相关的投资只是农业投资的一部分。农业基本建设的巨大社会效益和经济效益在较长时期才能反映出来，所以农业投资对农业GDP始终保持较大的积极作用。以上分析进一步支持了VAR回归结果，表明农业GDP增长与财政支农、农业投资之间存在密切的长期关系。

上述脉冲响应函数描述了财政支农和农业投资的冲击给农业GDP带来的影响，进而可利用方差分解分析财政支农和农业投资的冲击对农业GDP变化（用方差度量）的贡献度，以定量得出财政支农和农业投资随机扰动的相对重要信息。在方差分解过程中采用Cholesky正交化处理，去除残差项彼此之间的相关和序列相关，分析各变量对农业GDP的解释。

表5 农业GDP方差分解

根据表5数据，在1～4年内，财政支农增长率对农业GDP的贡献率具有波动性，第5年以后，该贡献率稳步增加，财政支农持续增长的作用开始加强，从第7年开始该贡献率稳定在4%左右，具有长期性。在1～3年内，农业投资对农业GDP的贡献率较小，这与农业投资建设期较长、发挥效益较缓慢的特点一致；在4～6年内，该贡献率迅速增加，并达到最大值，农业投资对农业GDP拉动作用比较强劲，反映出我国农业投资的经济效益总体上3年后显现；第7年以后，该贡献率保持平稳，维持在5%左右，体现出农业投资对农业GDP的长期支撑作用。方差分解结果显示财政支农和农业投资对农业GDP的作用具有滞后性和持续性。

四、政策建议

经过以上实证分析可知：从长期看，我国财政支农和农业投资对农业GDP的增长均具有正向效应。相对于财政支农而言农业投资对农业GDP增长的促进作用更直接，而财政支农的持续增长则有利于缓解当前农业投资不足的困境。

（一）优化财政支农投入结构

分析表明，财政支农对农业GDP的促进作用具有一定程度的不确定性，但财政支农的持续增长对农业GDP的贡献具有稳定性。说明我国财政支农投入的集约化程度较低，运行效率低下，主要依靠不断追加投入规模来实现农业GDP增长。当前我国已开始进入工业反哺农业、城市带动乡村的发展阶段，欲充分发挥财政支农的功效，需抓住有利时机，通过健全财政支农制度、强化财政支农政策逐步完善现有的农村金融体系，确保财政支农投入增长速度不低于经常性财政支出增长速度，进而在投入总量增加的前提下优化财政支农的投入结构，优化财政支农资金配置，以推进农业GDP增长方式的转变[12]。

（二）加大农业投资力度

根据分析结果，农业投资在农业GDP增长方面具有基础作用，对农业GDP的贡献更具长期性，但它见效慢、周期长，只有长期、稳定、足量的农业投资才能达到显著的拉动作用。对此，一方面政府需根据当地的经济发展水平和金融服务需求，释放市场信号，充分调动农户和企业积极性，鼓励和吸引民间农业投资，通过制度创新逐步形成以政府投入为主体、民间投资为重要来源的多元化农业投融资机制[13]。另一方面，农业投资重点应是完善农业生产基础设施，增强农业生产抵御自然风险的能力，促进农业技术进步，降低农业生产成本，从而增强我国农业GDP的发展后劲。

（三）强化对财政支农和农业投资的管理

我国财政支农和农业投资的主体是各级政府，在追求更多政绩的驱动下，地方政府倾向于将农业财政支农和农业投资转向非农生产领域，而已投入农业生产领域的资金也容易被挤占和挪用，结果大大降低了财政支农和农业投资的实际效果。对此，在组织管理上，应调整优化农业和涉农部门内部组织结构，提高工作效率，精简合并部分机构，降低各项事业费比重，避免挤占和挪用农业资金；在项目管理上，应建立一套全面、系统的运行监督机制管控财政支农和农业投资的审批，监管各种支付的预算、使用、验收和评估，以更好地促进农业GDP的增长。

[1]熊吉峰.财政支农绩效的数量分析[J].统计与决策,2006, (2): 81-82.

[2]魏朗.财政支农支出对西部农业经济增长的贡献[J].财经科学, 2006, (4): 111-118.

[3]孙红霞.财政支农支出总量与最优支出规模的实证分析[J].农村财政与财务, 2008, (5): 16-19.

[4]刘宏杰.中国财政支农支出对第一产业增加值的影响研究: 1952～2006[J].华南农业大学学报(社科版), 2008, (3):41-48.

[5]TOWNSEND R M, YARON J.The credit riskcontingency system of an Asian Development Bank[J].Economic Perspectives, 2001, 25(3): 31-48.

[6]周小斌, 李秉龙.中国农业信贷对农业产出绩效的实证分析[J].中国农村经济, 2003, (6): 32-36.

[7]姚耀军, 和丕禅.中国农业信贷与农业GDP(1978～2001): 一个协整分析[J].上海经济研究, 2004,(8): 3-9.

[8]JENSEN F E.The farm credit system as a governmentsponsored enterprise[J].Review of Agricultural Economics，2000, 22 (2): 326-335.

[9]朱喜, 李子奈.改革以来我国农村信贷的效率分析[J].管理世界, 2006, (7): 68-76.

[10]蔡高明.财政支农效应实证分析[J].经济研究导刊,2009, (9): 135-136.

[11]高铁梅.计量经济分析方法与建模: EViews应用及实例[M].北京: 清华大学出版社, 2006: 249-250.

[12]文峰.我国财政农业投入: 绩效、原因、对策——农户经济行为理论视角的分析[J].云南财经大学学报, 2009,(5): 39-42.

[13]温涛, 董文杰.财政金融支农政策的总体效应与时空差异——基于中国省际面板数据的研究[J].农业技术经济,2011, (1): 24-33.

Contributions of the Public Financial Support and Agriculture Investment to the Agriculture’s GDP—Based on VAR Model

YANG Feng
(Northwest Agriculture & Forestry University Yangling 712100 China)

Based on Granger causality tests of multivariable VAR model, influence of financial development to agricultural economic growth of China is investigated using sample datum from 1981 to 2009.The results indicate that the cause for the agriculture’s GDP Granger is not the agricultural loan, but the public financial support to agriculture and the agriculture investment.At the same time, the results of impulse response function and variance decomposition show that the average contribution rates of the public financial support and the agriculture investment to the agriculture’s GDP are 4% and 5%, respectively.

public financial support to agriculture; agricultural loan; agriculture investment; VAR model

F323.9

A

1008-8105(2012)041-0059-05

2011−05−04

国家自然科学基金面上项目“西部农村金融市场开放度、市场效率与功能提升政策体系研究”（71073126）；2010年度西北农林科技大学人文社科专项“西部农村信贷供给与需求均衡研究”的阶段性成果.

杨峰（1974−）男，西北农林科技大学经济管理学院教师.

编辑 何 婧