农业技术创新与农业经济增长动态关系的实证研究——以武威为例

胡毅诏，朱万里

(1.兰州财经大学陇桥学院甘肃省高校区域循环经济重点实验室,甘肃兰州 730101;2.兰州财经大学陇桥学院,甘肃兰州 730101)

1 引言

近年来，武威市以农业供给侧结构性改革为主线，不断推进该市农业规模化发展，注重农产品的标准化生产，大力提升农产品品牌效应，农业现代化的产业体系、生产体系和经营体系构建初见端倪。同时该市在促进农业增效、农民增收的同时，进一步强化农业循环经济发展，着力践行“农村增绿”理念。但武威市在大力发展农业的同时，对农业技术创新的提升关注度还不够，农业技术与农业经济增长的关系有待进一步研究。

学界对农业经济增长的影响做了系统的研究：刘希（2018）探讨了环境友好型农业技术创新对农业经济增长的影响，发现环境友好型技术创新促进了农业经济增长；邬德林，刘凤朝（2017）的研究表明，由于现阶段的各种约束，农业技术创新对促进农民收入增长的推动效应不显著，应不断建立健全农业农业技术供给的长效机制；杭帆，郭剑雄（2014）以发达国家为例，得出农村经济可持续增长的关键是重视农村交易，不断提高农业技术发展水平；石自忠，王明利（2018）从制度变迁角度入手，发现中国农业经济运行存在明显的状态转换和阶段性特征，并对农业内部的影响效应做了分解；张红侠（2018）的研究表明，俄罗斯农业经济增长的新亮点是政策和资金支持，有利的外部环境也促进了农业增长；任佳敏，张琦（2018）研究了农业现代化与农业经济发展的关系，发现农业现代化和农业经济增长之间存在双向的格兰杰因果关系，两者相互促进，相互发展；何红光，宋林，李光勤（2017）研究认为，农业经济增长的质量存在时间差异，可以划分为不同的时间段，空间维度看，中国各省市农业经济增长质量存在较大的不平衡性。

综上可知，已有文献从环境、技术、制度、资金支持、农业现代化、外部环境变化等视角做了大量有意义的研究。但鲜有学者研究落后地区的农业经济增长问题，涉及到市级层面的研究更少，因此，文章以甘肃省武威市2004～2016年的时间序列数据为样本，研究农业技术创新与农业经济增长的动态关系，以此丰富该领域的研究成果。

2 变量选取及数据来源

2.1 变量选取

2.1.1 被解释变量

文章的被解释变量为农业经济增长，仿照学界通常做法，采用人均农林牧渔业总产值（pagrva）来衡量，计算公式为：武威市历年农林牧渔业总产值/农村年末常住人口。

2.1.2 解释变量

本文重点考察农业技术创新对农业经济增长的影响。关于技术创新，统计指标尚未统一，针对甘肃省各地区实情，查阅已有统计资料和相关网站，本文选择人均专利申请量、农村用电量、农业机械化程度作为替代变量，其中，人均专利授权量=武威市年末申请的专利数/年末总人数；人均农业机械总动力=武威市农业机械总动力/农村年末常住人口；农村人均用电量=武威市农村用电量/农村年末常住人口。

2.2 数据来源及解释

数据来源方面，专利授权量来自甘肃省科学技术厅（甘肃省知识产权局）网站，其余指标的数据来自历年《甘肃发展年鉴》、《中国统计年鉴》、《中国农业年鉴》，经整理得出。表1报告了变量的描述性统计量。

从图1可以看出，在武威市，被解释变量人均农林牧渔业总产值在持续增加，但增幅不大，农村用电量和机械化程度也在逐年上升，同样增幅较小，只有专利申请授予量随时间推移有显著变化，具体来看，从2010年以后，该指标快速上升。从图2可以看出，各解释变量与人均农林牧渔总产值大体成正相关关系，变量间具体的关系将在下文说明。

3 实证结果分析

3.1 平稳性检验和协整检验

通常认为，时间序列数据容易出现“伪回归”，应首先对被解释变量和解释变量的数据做平稳性检验。文章采用常用的ADF检验法。检验结果见表2。

表1 变量的描述性统计

图1 各变量的时间趋势图

表2 单位根检验

图2 人均农林牧渔总产值与各解释变量之间的散点图

从表2结果可知，被解释变量和各解释变量的原始数据都是不平稳的（伴随概率都大于0.1），但经过一阶差分后，人均专利授权量在10%的显著性水平下拒绝了存在单位根的原假设，其余变量都在1%的显著性水平下拒绝了原假设，表明数据满足一阶单整，可以进一步考察变量间是否存在长期均衡的协整关系。

由于文章所用数据只有从2004到2016年13年的数据，样本容量较小，因此，采用Johansen检验法。表3报告了协整检验结果。

表3 协整检验结果

从表3可知，在5%的显著性水平下，拒绝了模型没有协整关系和至多一个协整关系的原假设，但无法拒绝至多存在两个和至多存在三个协整关系的原假设。这说明变量间存在长期稳定的协整关系，下文将通过构建VAR模型对变量间的动态关系做进一步分析。

3.2 VAR模型分析

最早引入VAR模型的是Sims，其基本原理是把模型中任意一个内生变量对其滞后项和其他内生变量滞后项进行回归分析，以此发现变量间长期的动态关系。VAR模型分析前首先应确定最优的滞后期数，表4报告了不同判断准则下最优滞后阶数确定的实证结果。

3.2.1 最优滞后阶数确定

表4中，LL表示对数似然函数，LR表示似然比检验，df和P分别表示自由度和概率值。FPE为最终预测误差标准，AIC为赤迟信息准则，HQIC为汉兰—昆信息准则，SBIC为施瓦茨信息准则。从表4的检验结果可知，滞后一期时，所有最优滞后阶数的判定标准都通过了检验，因此，滞后一期为最佳滞后阶数，应建立AR（1）。由图3可知，所有特征值均落在单位圆内，表明VAR系统是稳定的。

图3 VAR系统稳定性的判别图

3.2.2 脉冲响应函数与方差分解

这一部分将通过建立脉冲响应函数和方差分解，分析武威市农业技术经济与农业经济增长的动态关系，脉冲响应指的是给一个变量外部冲击，考察对变量产生的动态影响。给人均专利授权量、机械化程度以及农村用电量分别施加外部冲击，考察它们对农业经济增长的动态影响。实证结果见图4。

从脉冲响应图可知，给人均专利授权量一单位标准差正向冲击后，前4期并未显著促进农业经济增长，但从第五期开始，正向作用越发明显，第15期后趋于平稳。这说明专利授权申请量对武威市农业经济增长有一定的滞后效应；农业机械化程度的提高在短期内对经济增长就有明显的助推效应，随着时间推移，促进效应趋于平稳；农村人均用电量同样和农业经济增长之间存在正相关关系，在第10期时正向效应达到最大，之后趋于平稳，这是由于农村供电量属于基础设施投资，对农业经济增长的作用同样存在时滞。

为了进一步了解变量冲击对内生变量的贡献率，需进行方差分解，具体结果见表5。

表4 最优滞后阶数判定

图4 农业技术创新与农业经济增长脉冲响应

表5 变量方差分解

表5的报告结果显示，对农业经济增长进行向前一期的预测，其预测方差完全来自于本身，但以后自身的贡献率逐期降低，到第20期仅为35.76%，解释变量方面，人均专利授权量的贡献最大，第2期的贡献率仅为11.12%，从第5期开始趋于平稳在40%～50%，第20期贡献率为44.54%，机械化程度对农业经济增长的贡献率最低，为0.7873%～3.854%，农村用电量的贡献率逐年增加，第12期达到最大，贡献率为19.20%，以后趋于稳定在18%～19%。

4 结论与建议

文章利用武威市2004～2016年的时间序列数据研究了农业技术创新对农业经济增长的动态影响。农业技术创新的替代指标分别选取了人均专利授权量、机械化程度和农村人均用电量。研究结果发现：第一，各变量的数据满足一阶单整，变量之间具备长期稳定的协整关系；第二，最优滞后阶数为一期，同时，VAR（1）系统是稳定的，因此，最优模型为VAR（1）；第三，当解释变量受到正向的外部冲击时，会对农村经济增长产生短期或长期的推动效应，各解释变量与被解释变量之间存在正相关关系；第四，人均专利授权量对农业经济增长的贡献率最大，农村用电量次之，机械化程度的正向效应最小。

基于此，提出如下对策建议：第一，不断提高农业技术水平，形成农业技术创新驱动农业经济增长的新动能；第二，加大对专利发明的投入力度，以专利申请授权为抓手，不断提高武威市农业生产效率；第三，进一步完善农业基础设施，保证农村用电量，为提升机械化程度夯实物质基础。