中国农业电力消费与农业产出关系的区域异质性——基于省际面板数据的D-H因果检验及PVAR分析

陈华超，杨纯纯

CHEN Hua-chao, YANG Chun-chun

东北财经大学 统计学院，辽宁 大连 116025

Dongbei University of Finance and Economics, Dalian, Liaoning 116025

中国农业电力消费与农业产出关系的区域异质性
——基于省际面板数据的D-H因果检验及PVAR分析

陈华超，杨纯纯

CHEN Hua-chao, YANG Chun-chun

东北财经大学 统计学院，辽宁 大连 116025

Dongbei University of Finance and Economics, Dalian, Liaoning 116025

基于中国1995年—2014年农业电力消费和农业产出的省际面板数据，使用Dumitrescu-Hurlin面板因果检验和基于PVAR的脉冲响应函数曲线，分析了中国全局和分地区农业电力消费与农业产出之间的内在联系及其区域异质性。实证分析结果表明，农业电力消费和农业产出在全国范围内和东部、中部地区，均存在双向因果关系，在西部地区存在从农业电力消费到农业产出的单向因果关系，在东北地区存在着从农业产出到农业电力消费的单向因果关系；东北地区对于农业电力消费和农业产出的冲击响应最为明显，西部地区的农业电力消费和农业产出之间存在最强的路径依赖。

农业电力消费；农业产出；区域异质性；Dumitrescu-Hurlin因果检验；PVAR

一、引言

目前，中国是全球最大的农业生产国和全球最大的农业电力消费国。中国传统的农业生产多采用粗放型的生产方式，农业产出的逐年增长以大量的农业电力消费为代价，造成电力资源的极大浪费，使得农业生产效率和农业电力使用效率均处于较低水平，严重制约了中国农业现代化的进程。大量研究表明，电力消费与经济增长之间存在着密切的联系，同样，农业电力消费与农业产出之间也应该存在着某种紧密的联系。深入研究中国农业电力消费与农业产出之间的内在联系，尤其是二者之间的因果关系以及这种关系的区域差异，可以根据农业生产的区域差异合理地分配电力资源以提高农业生产效率和电力使用效率，促进中国农业现代化的进程，同时为中国的电力建设、节能政策和经济政策的制定提供相应的参考。

国际上关于能源消费和经济增长关系的研究始于J. Kraft和A. Kraft[1]。他们使用1947年—1974年间的时间序列数据对美国能源消费与经济增长之间的关系进行了实证研究，结果表明仅存在GNP到能源消费的单向因果关系，也就是说实行能源保护政策并不会影响GNP的增长。而后，Akarca和Long[2]发现，使用与J.Kraft和A. Kraft相同的时间序列但缩短样本区间时，不能得出相同的结论，这意味着样本区间的选择可能会对研究结论产生影响；Yu和Hwang[3]将J. Kraft和A.Kraft的样本区间扩充为1947年—1979年，发现美国源消费与经济增长之间并不存在因果关系。此后能源消费和经济增长的研究在发达国家展开，如英国、德国、意大利、加拿大、法国、日本（Erol和Yu[4]）和希腊（Hondroyiannis 等[5]）等。进入21世纪后，这一经验研究又扩展至发展中国家，如Asafu-Adjaye[6]研究了印度、印度尼西亚、菲律宾和泰国能源消费、能源价格和经济增长之间的关系，Aqeel和Butt[7]研究了巴基斯坦1955年—1995年间能源消费和经济增长之间的关系。

在能源消费和经济增长关系的研究中，电力消费逐渐从能源消费中分离出来，电力消费与经济增长之间关系的研究成为能源消费和经济增长研究的聚焦点之一。Yang[8]使用1954年—1997年间的数据研究了中国台湾电力消费与经济增长之间的格兰杰因果关系，结果表明中国台湾的电力消费与经济增长之间具有双向的因果关系。Ghosh[9]研究了1950年—1996年印度能源消费、能源价格和经济增长之间的关系，发现从经济增长到电力消费存在着单向的因果关系。Morimoto和Hope[10]研究了斯里兰卡1954年—1997年间电力供应对经济增长的影响，结果表明二者之间存在双向因果关系。

农业是保障经济持续、稳健发展的“压舱石”，一些研究者对电力消费与农业生产之间的关系进行了实证研究。Türkekul和Unakitan[11]使用误差修正模型分析了土耳其1970年—2008年间能源（柴油和电力）价格、收入弹性和农业生产的关系，发现从能源价格到能源消费存在单向因果关系以及从能源消费到农业生产存在单向因果关系。Sebri和Abid[12]对突尼斯1980年—2007年间能源（电力和石油）消费、农业增加值与贸易开放度的时间序列进行协整检验，使用误差修正模型和格兰杰因果关系检验分析了三者之间的关系，发现贸易开放度和能源消费是农业增加值的单向格兰杰原因。Abba和Choudhury[13]使用印度和巴基斯坦1972年—2008年的年度时间序列数据，使用协整分析、误差修正模型和格兰杰因果关系检验进行分析，发现在印度农业产出和农业电力消费之间存在双向因果关系，而在巴基斯坦存在从农业产出到农业电力消费的单向因果关系。Dogan等[14]使用土耳其1995年—2013年农业灌溉电力消费和农业产出的面板数据，利用D-H因果关系检验发现，在全国和沿海地区农业灌溉电力消费和农业产出之间存在双向因果关系，在非沿海地区存在从农业产出到农业灌溉电力消费的单向因果关系。

具体到中国而言，相关领域的研究主要集中在电力消费和经济增长之间的关系上。林伯强[15]应用协整分析和误差修正模型分析了中国1978年—2001年间的全国电力消费和GDP时间序列数据，发现从GDP到电力消费存在单向因果关系；Shiu和Lam[16]使用误差修正模型、Yuan等[17]使用协整检验和误差修正模型、Cheng等[18]使用协整检验和格兰杰因果关系检验分别分析了中国电力消费和经济增长的关系，均得出在中国存在从电力消费到GDP的单向因果关系；Rong等[19]通过对中国1985年—2008年的面板数据进行分析，发现中国电力消费和经济增长在长期具有双向因果关系，而在短期则具有混合效应的影响；李强、王洪川、胡鞍钢[20]使用协整检验和向量误差修正模型分析了中国电力消费和经济增长的省际面板数据，发现在充分考虑了资本和劳动力的影响后，东、西部均存在从经济增长到电力消费的短期因果关系，东部存在从电力消费到经济增长的长期因果关系，西部存在二者间的双向长期因果关系。

农业对中国的经济增长发挥着不可或缺的作用，但国内还缺少使用面板数据研究中国省际农业电力消费和农业产出之间关系的文献。国内研究人员在研究能源消费和产出的关系时多基于时间序列数据，并使用协整检验、误差修正模型以及截面格兰杰因果检验，而本文则基于中国全局和分地区的省际面板数据构建模型，首先使用LLC、IPS、CADF和PP四种方法对中国全局和分地区的农业电力消费和农业产出进行面板单位根检验，然后使用Pedroni协整分析（Pedroni[21]）和Dumitrescu-Hurlin面板格兰杰因果检验（Dumitrescu and Hurlin[22]，以下简称D-H检验），探究中国全局和分地区的农业电力消费和农业产出之间的因果关系，最后基于面板向量自回归（PVAR）模型对农业电力消费和农业产出进行脉冲响应函数分析，使研究结果更加准确。

二、数据来源与研究方法

（一）数据来源

考虑到数据的可获得性，本文的样本区间选为1995年至2014年，构建面板数据时选取除西藏之外的30个省份①作为研究对象，并按东部地区、中部地区、西部地区和东北地区划分为四个子区域。使用全国农、林、牧、渔、水利业的电力消费表示全国农业电力消费，使用第一产业增加值表示农业产出。农、林、牧、渔、水利业的电力消费数据来源于相应年份的《中国能源统计年鉴》②，第一产业增加值数据来源于相应年份的《中国统计年鉴》和中经网统计数据库。

（二）农业电力消费与农业产出的基本模型

借鉴Li和Leung[23]、Akkemik等[24]和Ladu和Meleddu[25]的研究方法，本文使用二元模型③探究中国农业电力消费和农业产出之间的关系：

其中Yi,t为第i（i=1，…，30）个地区在时间 t 的农业产出，ECi,t为第i个地区在时间t的农业电力消费。在上述二元模型中，农业电力消费看作是农业部门中一个独立的影响因素。在研究中国农业电力消费与农业产出的关系时，分别对全局和分地区的农业电力消费和农业产出序列进行面板单位根检验、协整关系检验和D-H因果检验，以探讨农业电力消费和农业产出之间的因果关系。

（三）农业电力消费和农业产出的面板单位根检验及协整检验

本文使用多种面板单位根检验方法对中国农业电力消费和农业产出的协整关系进行探究，包括LLC、IPS、CADF和PP四种方法。

基于ADF检验方法，考虑如下OLS回归模型：

其中，Xi,t表示变量Y和EC，εi,t是随机误差项且服从独立同分布假设，α和T分别为截距项和时间趋势。LLC、IPS、CADF和PP面板单位根检验用ΔXi,t代替Xi,t作为响应变量，其中Δ为滞后算子。因此基于ADF面板单位根的检验方法如下：

LLC检验法假设在每个面板数据中β是固定的，滞后阶数ni在不同截面数据中允许存在差异。LLC单位根检验的原假设是，在面板数据中存在一个共同的单位根过程，备择假设为在面板数据中不存在共同的单位根过程：

如果所研究的样本区间过短会降低LLC检验的准确性。除此之外，LLC检验的原假设要求面板数据中存在一个共同的单位根过程，这一条件比较苛刻，而IPS、CADF和PP面板单位根检验放松了原假设，允许βi在每个横截面单位之间发生变化。IPS、CADF和PP面板单位根检验的原假设是——在面板数据中所有单独的子序列是不平稳的，备择假设是至少有一个子序列具有平稳过程：

每个面板单位根检验方法的滞后长度均根据AIC信息准则进行选取。上述检验中拒绝原假设则证明序列是平稳的[26-28]。

协整检验是为了确定农业电力消费与农业产出之间是否存在长期稳定的均衡关系，进而使用因果关系检验方法检验二者之间存在何种因果关系。本文使用Pedroni协整检验法来检验农业电力消费与农业产出之间的协整关系。

（四）农业电力消费和农业产出关系的D-H因果检验

本文使用Dumitrescu和Hurlin（2012）提出的D-H面板数据因果关系检验法，分析农业电力消费和农业产出之间的因果关系。D-H因果关系检验适用于稳定的时间序列，对于异构面板数据的分析有较为理想的效果。D-H因果关系检验的回归模型如下：

原假设认为所有地区间之间同质无因果关系，备择假设认为各地区的变量中至少存在一个因果关系[22]。具体来看，有四个可能结果：从EC到Y的单向因果关系；从Y到EC的单向因果关系；EC和Y之间存在双向因果关系；EC和Y之间没有因果关系。使用E-Views 9.0进行D-H因果关系检验。

（五）农业电力消费和农业产出的PVAR模型及脉冲响应

PVAR模型是基于数据的统计性质建立的包含多元时间序列变量的模型，用于分析随机扰动项对变量系统的动态冲击，以解释经济冲击对经济变量所产生的影响，最早由Holtz-Eakin、Newey和Rosen[29]提出，经过Arellano和Bond[30]、Arellano和Bover[31]和Love和Zicchino[32]等研究者的不断发展和完善，目前已应用于经济学的众多分支学科。PVAR模型融合了面板数据与向量自回归的优势，在一定程度上克服了个体异质性带来的估计偏差。由于农业电力消费和农业产出之间的逻辑关系较为复杂，PVAR模型的应用有助于分析二者之间的相互影响关系。本文建立农业电力消费和农业产出的PVAR模型：

其中，yi,t为包含两个内生变量的列向量（ECi,t,Yi,t）T，β0为截距项向量，βj为滞后变量的参数矩阵，fi为地区效应列向量，di为时间效应列向量，ηi,t为“白噪声”扰动项。使用STATA 12.0以及Cagala和Glogowsky编写的XTVAR程序包对模型进行估计。

脉冲响应函数是用来分析当一个误差项发生变化或者模型受到某种冲击时，变量对系统的动态响应。本文在建立PVAR模型的基础上，借助脉冲响应函数分析农业电力消费和农业产出之间关系的区域异质性，使用Monte-Carlo模拟获得正交化脉冲响应函数的置信区间并估计出最终的脉冲响应函数。

三、中国农业电力消费与农业产出关系区域异质性的实证分析

（一）农业电力消费与农业产出的描述性统计分析

中国耕地面积为135万平方千米，占全国土地面积的14.06%，农、林、牧、水利业的土地面积总和为649万平方千米，占全国土地面积的67.60%（参见表1）。超过半数的土地用于农业生产，足以表明中国农业生产的重要性。

表2的数据显示，从全国来看，有灌溉设施的耕地约为61万平方千米，占全国耕地的比重为45.11%；从地区划分看，东部地区和中部地区有灌溉设施的耕地占地区耕地的比重均超过60%，西部地区有灌溉设施的耕地占地区耕地的比重约为40%，东北地区有灌溉设施的耕地占地区耕地的比重最少，约为15%。从各地区有灌溉设施耕地占全国有灌溉设施耕地的比重来看，西部地区占比最高，其次是中部地区、东部地区和东北地区，原因是西部地区地表水较少，需要大量的灌溉设施抽取地下水进行灌溉，东部地区的省域大多是沿海省份，地表水充足，相应灌溉设施较少，中部地区处于二者之间，东北地区农业发展所需水分较为充足，春季有季节性积雪融化，夏季有季风气候带来较多降水，因此所需灌溉设施远小于其他地区。

表1 中国土地基本情况

表2 全国有灌溉设施和无灌溉设施耕地面积

无论是全国还是分地区的耕地，均需要大量的灌溉设施和与之配套的水利基础建设，相应的农业电力消费相当巨大。图1为中国1995年—2014年间全国农业电力消费及分地区农业电力消费占比变化走势，从图中可以看出全国农业电力消费整体上呈现逐年上升的趋势，而各地区的农业电力消费占比变化不大，中部地区2014年农业电力消费占比少于1995年，东北地区农业电力消费占比有所上升，中部地区和西部地区农业电力消费占比变化不明显。

图1 全国农业电力消费及分地区农业电力消费占比变化走势图

图2为中国分地区农业增加值增长率的变化情况，从总体上看，各地区农业增加值的增长率呈现相似的变化趋势，1996年增长率为2%左右，2000年时大部分地区呈现负增长，之后增长率在波动中呈现上升的趋势。具体来看，东部地区的增长率波动程度最小，可能是因为东部地区多为沿海省份且基础水利设施比较完善，旱、涝对农业的影响不大，使得东部地区的农业增长率相比其他地区更为稳定；中部地区的增长率波动次于东部地区，因为中部地区的地表水资源不如东部沿海地区丰富，遇到降水多的年份时还可能因为基础设施不完善形成水灾；西部地区和东北地区的增长率波动最大，因为西部地区远离海岸且经济发展程度不如东部、中部地区，农业生产多根据当年的气候而定，增加了农业生产的不确定性，东北地区的波动性虽然也很大，但是其增长率几乎一直高于其他地区，原因可能是东北地区有着肥沃的土地和优越的气候环境，相对于全国其他地区而言更适合农业生产。

图2 中国分地区农业增加值增长率的变化情况

图3为中国单位电力消费的农业产出水平时空演变情况。从图中可以看出，东北地区一直是单位电力消费农业产出水平最高的地区，虽然四个区域的单位电力消费农业产出水平均在上升（参见表3），但是东部、中部、西部三个地区的单位电力消费农业产出水平一直处于变化状态，到2014年底，中部地区单位电力消费农业产出水平处在第二位，其次是东部地区和西部地区。

图3 中国单位电力消费农业增加值的时空演变

表3 中国单位电力消费农业增加值 元/千瓦时

（二）农业电力消费和农业产出的面板单位根检验

使用LLC、IPS、CADF和PP四种方法分别对全国、东部、中部、西部、东北地区进行面板单位根检验。检验时分别选择只有截距项、截距项和趋势项以及无截距项和趋势项的模型进行检验，以使分析更具有稳健性，最优滞后长度根据AIC信息准则进行选取。对原序列做面板单位根检验均不平稳，因此对序列进行一阶差分后再进行单位根检验，检验结果如表4所示。根据表4，全国、东部、中部、西部、东北地区的农业电力消费和农业产出一阶差分序列均拒绝原假设，为平稳序列。

表4 LLC、IPS、CADF和PP面板单位根检验结果

（三）农业电力消费和农业产出的面板协整检验

基于面板单位根的检验结果，使用Pedroni协整检验法对全国、东部、中部、西部、东北地区的农业电力消费和农业产出进行协整检验。Pedroni协整检验中包含7个统计量（面板v、面板ρ、面板PP、面板ADF、组ρ、组PP、组ADF），Pedroni认为这7个统计量会在不同的数据条件下表现出最好的性能，其中面板v为单边检验，拒绝域在正态分布的右侧，表示当有较大的正值时会拒绝原假设，其他六个统计量的拒绝域都在正态分布的左侧，表示当有较小的负值时会拒绝原假设。全国以及分地区的Pedroni协整检验结果参见表5。

从表5数据来看，全国、东部、中部、西部地区农业电力消费和农业产出之间均存在协整关系，即存在长期稳定的均衡关系；东北地区农业电力消费和农业产出之间不存在协整关系，即不存在长期稳定的均衡关系。

表5 全国、东部、中部、西部、东北地区的Pedroni协整检验结果

（四）农业电力消费和农业产出的因果关系检验

在研究中国农业电力消费和农业产出的因果关系时，使用D-H因果关系检验法。因为全国、东部、中部、西部地区农业电力消费和农业产出取一阶差分后均存在协整关系，因此对原序列进行D-H因果关系检验；东北地区农业电力消费和农业产出取一阶差分后不存在协整关系，而取二阶差分后存在协整关系，因此对东北地区农业电力消费和农业产出的一阶差分序列进行D-H因果关系检验。全国、东部、中部、西部、东北地区的D-H因果关系检验结果如表6所示。

表6 全国、东部、中部、西部、东北地区的D-H因果关系检验结果

从表6中可以看出，在全国范围内和东部、中部地区，均是双向因果关系，在西部地区存在从农业电力消费到农业产出的单向因果关系，在东北地区存在着从农业产出到农业电力消费的单向因果关系。该检验结果与农业电力消费和农业产出在印度存在双向因果关系（Abbas和Choudhury[13]）、农业灌溉电力消费和农业产出在土耳其存在双向因果关系（Dogan等[14]）一致，但是与Türkekul和Unakitan[11]及Sebri和Abid[12]的结论相反，他们认为能源消费和农业产出在土耳其和突尼斯存在单向的因果关系，这种差异可能是由于本文与Türkekul和Unakitan及Sebri和Abid使用了不同的因果检验方法造成的。

全国范围内和东部、中部地区农业电力消费和农业产出的双向因果关系表明，增加农业电力消费会提高农业产出，同样农业产出的增长需要大量的农业电力消费作为支撑；西部和东北地区农业电力消费和农业产出之间存在单行因果关系，但是方向相反：西部地区存在从农业电力消费到农业产出的单向因果关系，表示增加农业电力消费会提高农业产出，但农业产出的增长不一定需要大量的农业电力消费作为支撑；东北地区存在从农业产出到农业电力消费的单向因果关系，表示农业产出的增长需要大量的农业电力消费作为支撑，而增加农业电力消费对提高农业产出的影响并不明显。因此，在全国范围内合理增加农业部门的电力消费、改善农业部门电力设施，会大幅提高农业产出，而各地区则需要根据具体情况制定不同的政策。

（五）农业电力消费和农业产出关系的区域异质性分析

通过上述单位根检验过程可知，全国、东部、中部和西部地区的变量序列一阶差分平稳，东北地区的变量序列二阶差分平稳，所以使用各变量序列的一阶差分进行向量自回归。对脉冲响应函数、SC及AIC进行综合判定，最终选定滞后二期的PVAR模型（p=2），将冲击作用的期限设置为10期，使用1000次的Monte-Carlo随机模拟获得脉冲响应函数图及置信区间。图4汇总了全国、东部、中部、西部和东北地区的农业电力消费冲击对农业产出在95%置信区间内的脉冲响应函数以及农业产出冲击对农业电力消费在95%置信区间内的脉冲响应函数。

图4 全国及分地区农业电力消费和农业产出的脉冲响应曲线

通过对比分析图4，得出以下两点的结论：

第一，各地区农业产出和农业电力消费冲击无论是在响应强度（响应峰值）上还是在响应速度（到达峰值的时间）上都存在差异。图4中的（1）、（3）、（5）、（7）、（9）显示，全国、东部、中部、西部和东北地区，农业电力消费对农业产出冲击的响应峰值分别出现在第1、3、2、1、1期，而（2）、（4）、（6）、（8）、（10）显示，全国、东部、中部、西部和东北地区的农业产出对农业电力消费冲击的响应峰值分别出现在第2、3、2、2、2期，说明西部和东北地区对于冲击的响应较为迅速，中部地区次之，东部地区反映最为迟缓。各地区相对应的响应峰值也各不相同，东北地区无论是农业产出对农业电力消费的冲击还是农业电力消费对农业产出的冲击都是最大的；与之相反，东部地区受到的冲击是最小的；中部和西部地区介于中间水平。这表明东北地区的农业产出发生改变时，对电力消费量有“立竿见影”的效果，中部和西部地区次之，东部地区效果最差，验证了东北地区存在农业产出到农业电力消费较强的因果关系。

第二，各地区农业产出和农业电力消费冲击响应的持续期存在差异。通过对比各地区两个方向的脉冲响应图发现，农业电力消费对农业产出的冲击持续期均长于农业产出对农业电力消费的冲击，说明整体来看农业电力消费对农业产出的影响程度高于农业产出对电力消费的影响。从地区间的对比来看，东部和东北地区农业产出对电力消费的冲击持续期略长于中部和西部地区，而西部地区农业电力消费对农业产出的冲击持续期远高于其他地区，中部和东北地区次之，东部地区最短。由此可见，西部地区的农业产出和农业电力消费之间存在极强的路径依赖，因此相互之间的影响时效较长，回归稳态的速度较慢；东部地区多为沿海地区，水资源丰富，使得农业产出和农业电力消费的相互依赖程度最低；中部地区临近东部沿海地区，东北地区降水、积雪等水资源充足，这两个地区的农业产出和农业电力消费的相互依赖程度较低。

四、结论与建议

中国农业电力消费与农业产出的因果分析，有助于揭示二者之间的内在联系，对于提高农业生产效率和电力使用效率以及节能政策、经济政策的制定有着深远的影响。尽管许多研究者论证了能源消费对中国经济增长的影响，但是相关领域的研究主要集中在电力消费对经济增长的影响上，研究电力消费对中国农业产出影响的文献并不多见。本文使用中国1995年—2014年分地区的省际面板数据研究了中国农业电力消费与农业产出的关系，得出以下结论：

第一，在全国范围内，各地区的农业电力消费与农业产出之间存在着普遍共同的联系。对中国全局和分地区的农业电力消费和农业产出进行Pedroni协整检验发现，全国、东部、中部、西部地区农业电力消费和农业产出一阶差分序列之间均存在协整关系，东北地区农业电力消费和农业产出二阶差分之间存在协整关系；对中国全局和分地区的农业电力消费和农业产出进行D-H因果检验发现，各地区的农业电力消费和农业产出之间均存在因果关系。从全国来看，农业电力消费是反映农业能耗的可靠指标，从农业产出到农业电力消费的单向因果关系表明，农业产出的短期过快增长不利于节能减排政策的实施。从长期来看，存在从农业电力消费到农业产出的单向因果关系，表明中国农业生产对电力的依赖程度非常高，长期实施节能减排政策会对农业产出产生较大影响。从脉冲响应结果看，东北地区对于农业电力消费和农业产出的冲击响应最为明显，各地区均存在农业产出和农业电力消费之间的路径依赖，而西部地区的依赖性最强。

第二，中国各地区的农业电力消费和农业产出关系存在着显著差异。D-H格兰杰因果检验显示，农业电力消费和农业产出在全国范围内和东部、中部地区存在双向因果关系，在西部地区存在从农业电力消费到农业产出的单向因果关系，在东北地区存在从农业产出到农业电力消费的单向因果关系。东部、中部地区经济较为发达，农业生产高度依赖于机械自动化设备，而先进设备的引入对于农业生产的促进作用也非常明显，因此在东部、中部地区农业电力消费和农业产出之间存在高度的关联性；西部地区为内陆地区，无灌溉设施的耕地面积占比为60.26%（参见表2），因此增加农业电力消费对于西部地区的农业生产应该有立竿见影的效果，但是从目前来看，相对于东部、中部地区而言，西部地区农业生产对电力消费的依赖程度较低；东北地区的土地肥沃，且“春季不缺水、夏季多降水”，所以农业生产对电力消费有较低的依赖性，但是农业产出水平的波动会在农业电力消费上有所体现。

结合本文的研究结果提出以下两点政策建议：

1. 转变农业生产方式，寻求农业发展新动力。中国的农业生产大多采用粗放式的生产方式，东部、西部的单位电力消费农业增加值均低于全国平均水平，再加上中国山地和丘陵居多的地形限制以及农业生产责任制将耕地化整为零，在很多地区无法使用先进的农业生产技术进行大面积农业生产活动，使得农业生产效率低下。另一方面，耕地占比较大的内陆地区农业生产对农业电力消费的依赖性极强，但是中国是世界上最大的能源消费国，中国的电力消费增长已经带来了严重的环境问题。因此，从农业生产方式方面看，应该积极推进农业生产向集约型生产方式的转变，使用先进的农业生产技术进行规模化农业生产，提高农业生产效率。从农业发展动力方面看，对于电力的生产和使用进行更精细的规划，一方面节约使用煤炭等不可再生资源进行发电，另一方面合理高效地使用电能，形成良性循环；对于风力、水力等绿色可再生能源进行高效地开发与利用，强制性、规模性地采用更低负外部性的替代能源作为农业发展的新动力。

2. 针对农业生产的区域差异制定合理规划。中国东部和中部地区、西部地区、东北地区农业电力消费和农业产出的长期因果关系存在的显著差异表明，农业生产、电力规划以及节能政策、经济政策的制定要充分考虑地区差异，根据各地区的实际情况有的放矢地进行区域农业生产规划。从投入产出效率看，现阶段中部、东北地区的单位电力消费农业增加值远高于全国平均水平，而东部、西部地区的产出效率相对较低，原因可能是东部沿海地区土地多用于发展第三产业，房地产、厂房等建筑使得耕地变得相对分散，无法进行规模化生产，而西部地区农业生产技术较为落后，有灌溉设施的耕地不足40%，因此东部沿海地区的农业生产应该求“精”，培育多样化、高产值的农作物以提高农业用水和电力的利用效率，西部地区则应该增加农业用电量投入，构建并改善耕地灌溉系统。从农业电力消费与农业产出的因果关系看，东部地区和中部地区为双向因果关系、西部地区存在从农业电力消费到农业产出的单向因果关系，表明在这些地区增加农业电力消费的投入对农业产出的提高有显著的作用，在确保自然资源和生态环境不受到破坏的前提下可适当增加农业用电的投入量。而东北地区存在从农业电力消费到农业产出的反向因果关系，说明东北地区农业生产已经达到较高水平，如果想有所突破，需要引进多样化、高效率的生产方式，进一步提高农业用电的使用效率。

注释：

① 历年《中国能源统计年鉴》中均不包含西藏的数据，因此在本文的研究中不包含西藏。

② 《中国能源统计年鉴》中缺失1995年—2002年间部分地区的农、林、牧、渔、水利业的电力消费数据，使用线性插值法进行缺失值处理。这些缺失值是：山西2001年，黑龙江1997年、1998年、2000年，上海2002年，江苏2001年、2002年，安徽2000年，江西2000年，河南2002年，广东2000年、2002年，海南1998年、2001年、2002年，重庆1995年、1996年（重庆1997年成为直辖市），四川2000年，贵州2000年，陕西2002年，青海2000年，宁夏2000年、2001年、2002年，共24个数据。

③ 之所以使用二元模型，是因为地区间的资本、劳动、贸易数据不可获得。

[1] KRAFT J, KRAFT A. Relationship Between Energy and GNP[J].Journal of Energy Finance & Development, 1978, 3(2): 401-403.

[2] AKARCA A T, LONG T V. Relationship Between Energy and GNP:A Reexamination[J]. Journal of Energy & Development, 1980,5(2): 326-331.

[3] YU E S H, HWANG B K. The Relationship Between Energy and GNP: Further Results[J]. Energy Economics, 1984, 6(3): 186-190.

[4] EROL U, YU E S H. On the Relationship Between Electricity and Income for Industrialized Countries[J]. Journal of Electricity and Employment, 1987, 13: 113-122.

[5] HONDROYIANNIS G, LOLOS S, PAPAPETROU E. Energy Consumption and Economic Growth: Assessing the Evidence from Greece[J].Energy Economics, 2002, 24(4): 319-336.

[6] ASAFU-ADJAYE J. The Relationship Between Energy Consumption,Energy Prices and Economic Growth: Time Series Evidence from Asian Developing Countries[J]. Energy Economics, 2000, 22(6): 615-625.

[7] AQEEL A, BUTT M S. The Relationship Between Energy Consumption and Economic Growth in Pakistan[J]. Asia-Pacif i c Development Journal, 2001, 8(2): 101-110.

[8] YANG H Y. A Note on the Causal Relationship Between Energy and GDP in Taiwan[J]. Energy Economics, 2000, 22(3): 309-317.

[9] GHOSH S. Electricity Consumption and Economic Growth in India[J]. Energy Policy, 2002, 30(2): 125-129.

[10] MORIMOTO R, HOPE C. The Impact of Electricity Supply on Economic Growth in Sri Lanka[J]. Energy Economics, 2004,26(1): 77-85.

[11] TURKEKUL B, UNAKITAN G. A Co-Integration Analysis of the Price and Income Elasticities of Energy Demand in Turkish Agriculture[J]. Energy Policy, 2011, 39(5): 2416-2423.

[12] SEBRI M, ABID M. Energy Use for Economic Growth: A Trivariate Analysis from Tunisian Agriculture Sector[J].Energy Policy, 2012, 48(3): 711-716.

[13] ABBAS F, CHOUDHURY N. Electricity Consumption-Economic Growth Nexus: An Aggregated and Disaggregated Causality Analysis in India and Pakistan[J]. Journal of Policy Modeling,2013, 35(4): 538-553.

[14] EYUP D, MAAMAR S, BERNA T. Exploring the Relationship Between Agricultural Electricity Consumption and Output:New Evidence from Turkish Regional Data[J]. Energy Policy,2016, 95: 370-377.

[15] 林伯强. 结构变化、效率改进与能源需求预测——以中国电力行业为例[J]. 经济研究, 2003(5): 57-65.

[16] SHIU A, LAM P L. Electricity Consumption and Economic Growth in China[J]. Energy Policy, 2004, 32(1): 47-54.

[17] YUAN J H, KANG J G, ZHAO C H, et al. Energy Consumption and Economic Growth: Evidence from China at Both Aggregated and Disaggregated Levels[J]. Energy Economics, 2008, 30(6):3077-3094.

[18] CHENG Y S, WONG W K, WOO C K. How Much Have Electricity Shortages Hampered China’s GDP Growth?[J]. Energy Policy,2013, 55: 369-373.

[19] LI R, MA X, LO K L. Electricity Consumption-Economic Growth Nexus in China: Evidence from Provincial Panel Data[C].Power and Energy Society General Meeting, 2011IEEE. IEEE,2011: 1-8.

[20] 李强, 王洪川, 胡鞍钢. 中国电力消费与经济增长——基于省际面板数据的因果分析[J]. 中国工业经济, 2013(9): 19-30.

[21] PEDRONI P. Critical Values for Co-Integration Tests in Heterogeneous Panels with Multiple Regressors[J]. Oxford Bulletin of Economics & Statistics, 1999, 61(S1): 653-70.

[22] DUMITRESCU E I, HURLIN C. Testing for Granger Non-Causality in Heterogeneous Panels[J]. Economic Modelling,2012, 29(4): 1450-1460.

[23] LI R, LEUNG G C K. Coal Consumption and Economic Growth in China[J]. Energy Policy, 2012, 40(1): 438-443.

[24] AKKEMIK K A, GÖKSAL K, LI J. Energy Consumption and Income in Chinese Provinces: Heterogeneous Panel Causality Analysis[J]. Applied Energy, 2012, 99(6): 445-454.

[25] LADU M G, MELEDDU M. Is There Any Relationship Between Energy and TFP (Total Factor Productivity)? A Panel Co-Integration Approach for Italian Regions[J]. Energy, 2014,75: 560-567.

[26] LEVIN A T, LIN C F, CHU C S J. Unit Root Test in Panel Data: Asymptotic Finite-Sample Properties[J]. Journal of Econometrics, 2002, 108(1): 1-24.

[27] IM K S, PESARAN M H, SHIN Y. Testing for Unit Roots in Heterogeneous Panels[J]. Journal of Econometrics, 2003,115(1): 53-74.

[28] PESARAN M H. A Simple Panel Unit Root Test in the Presence of Cross-Section Dependence[J]. Journal of Applied Econometrics, 2007, 22(2): 265-312.

[29] HOLTZ-EAKIN D, NEWEY W, ROSEN H S. Estimating Vector Autoregressions with Panel Data[J]. Econometrica, 1988,56(1): 1371-1395.

[30] ARELLANO M, BOND S. Some Tests of Specification for Panel Data: Monte Carlo Evidence and An Application to Employment Equations[J]. The Review of Economic Studies,1991, 58(2): 277-297.

[31] ARELLANO M, BOVER O. Another Look at the Instrumental Variable Estimation of Error-Components Models[J]. Journal of Econometrics, 1995, 68(1): 29-51.

[32] LOVE I, ZICCHINO L. Financial Development and Dynamic Investment Behavior: Evidence from Panel VAR[J]. Quarterly Review of Economics & Finance, 2006, 46(2):190-210.

Regional Heterogeneity of the Relationship between Agricultural Electricity Consumption and Agricultural Output in China: Based on the D-H Causality Test of Provincial Panel Data and PVAR Analysis

Based on the provincial panel data of agricultural electricity consumption and agricultural output from 1995to 2014in china, this paper analyzes the internal relations and regional heterogeneity between agricultural electricity consumption and agricultural output in the whole and sub regions of China using Dumitrescu-Hurlin panel causality test and the PVAR based impulse response function curve. The empirical study shows that: there exists bidirectional causality between agricultural electricity consumption and agricultural output in the whole and the eastern and central regions, unidirectional causality from agricultural electricity consumption to agricultural output in the western region, and unidirectional causality from agricultural output to agricultural electricity consumption in the northeast region. The impact of Northeast China on agricultural power consumption and agricultural output is most obvious, and there is the strongest path dependence between agricultural power consumption and agricultural output in the western region. Finally, some policy suggestions are put forward.

agricultural electricity consumption; agricultural output; regional heterogeneity; Dumitrescu-Hurlin causality test; PVAR

F124.5

A

1007-6875(2017)05-0056-11

10.13937/j.cnki.hbdzdxxb.2017.05.008

陈华超（1990—），男，河北承德人，东北财经大学统计学院博士研究生，研究方向为宏观经济统计分析。

（责任编辑：周吉光）