技术进步、农业现代化与农业经济增长——甘肃例证

葛成莉，刘 伟

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

一、引言

在全国脱贫攻坚、持续推进乡村振兴战略大环境下，作为经济欠发达地区的甘肃，紧扣粮食增产、农业增效、农民增收的主线，不断深入开展农业供给侧结构性改革，给已有的“弱质农业”注入发展新动能，2017 年相继出台的《甘肃省“十三五”农业与农村经济发展规划》、《甘肃省“十三五”西部大开发实施意见》等文件都强调要大力发展现代农业，因此，研究技术进步、农业现代化对甘肃农业经济增长的影响具有重大的现实意义。

已有关于农业经济增长的文献主要聚焦于以下几个方面：一是要素投入与农业经济增长。向敬伟和李江风（2018）[1]认为，贫困山区耕地的利用转型是是助力脱贫攻坚和区域协调发展的新途径；张亦弛和代瑞熙（2018）[2]则强调农业经济增长中农村基础设施的重要性，他们研究发现农村水利、信息、卫生环境和交通等基础设施显著提高了农业经济增长水平；宋淑丽和王新利（2017）[3]发现经济新常态下，一些新型的生产要素对农业经济增长的助推效应越来越大，比如农业机械化、土地规模化，高素质的农业从业人员等。二是结构调整、环境污染与农业经济增长。王红和王鄂湘（2017）[4]以湖南省2003—2012 的数据为样本，农业产业结构优化显著提升了农业经济增长效率；杨建辉（2017）[5]的研究表明，农业化学化与农业经济增长之间实现了从相对脱钩到绝对脱钩的转变，提出应发展农业科技，加强低污染农业现代化建设的对策。三是政策性支农与农业经济增长。张乐等（2016）[6]运用中国1996—2011 年的省级面板数据研究发现制度约束下的农村金融发展抑制了农村经济发展；辛冲冲和陈志勇（2017）[7]对财政支农的效应做了分解，发现财政支农的活动效应对农业经济增长贡献最大，效率效应最小。也有学者从人力资本、科技投入等视角研究了农业经济增长（POST note，2006；Garnett T.，et al，2013；Kolawole Ogundari，2014）[8-10]。

学界从不同视角对农业经济增长进行了大量研究，为中国农业发展提供了宝贵的真知灼见和智力支持。但查阅已有文献发现，研究视角虽较为多样，但结合目前农业经济发展新态势，融技术进步和农业现代化为同一框架去研究对农业经济增长影响效应的还较少，贫困地区农业经济发展对我国实现全面小康具有重要意义，但已有的研究成果聚焦于此的不多。基于此，本文采用甘肃省14 个市州2004—2016 年的面板数据实证分析技术进步、农业现代化与农业经济增长的关系。

二、变量选取和数据来源

（一）被解释变量

文章的被解释变量为农业经济增长，仿照学术界通常的做法，采用人均农林牧渔业总产值（pagrva）来衡量，计算公式为：甘肃省各市州每年农林牧渔业总产值/ 各市州农村年末常住人口。

（二）解释变量

本文关注技术进步和农业现代化水平对农业经济增长的影响。关于技术进步，学界没有标准的统计指标，针对甘肃省各地区，查阅已有统计资料和相关网站，发现能获取的关于农业技术方面的数据较少，本文选择人均专利申请量作为替代指标，计算公式为：甘肃省各市州年末申请的专利数/ 各市州年末总人数；对农业现代化衡量需要复杂的指标体系，农业现代化不同于传统农业，其特点主要体现在农业生产、经营、产出、生态的现代化、农村社会现代化等（杜宇能等，2018）[11]，考虑数据的可得性，本文选用人均农业机械总动力和农村人均用电量来衡量，计算公式为：人均农业机械总动力=甘肃省各市州农业机械总动力/ 各市州农村年末常住人口、农村人均用电量=甘肃省各市州农村用电量/ 各市州农村年末常住人口。为了实证结论稳健性起见，本文还引入了人均耕地面积，人均受灾面积，人均化肥施用量等和农业增长密切相关的指标作为控制变量，其计算公式和前文相似，不再赘述。

以上数据，除专利授权量来自甘肃省科学技术厅（甘肃省知识产权局）网站外，其余均来自于历年《甘肃发展年鉴》《中国统计年鉴》《中国农业年鉴》。表1 报告了变量的描述性统计量。

表1 变量的描述性统计

三、回归结果分析

经检验，被解释变量和各解释变量的水平值在四种不同的检验方法得出的结果类似，无法拒绝不平稳的原假设，经过一阶差分的检验结果，所有变量都在1%的显著性水平下，拒绝了非平稳的原假设，表明变量经一阶差分后全部为平稳性数据，协整检验表明变量之间存在着稳定的协整关系。

混合回归结果中农村用电量（lnelectric）的系数为负，且不显著，而且受灾面积（lndisaster）和农业经济增长之间正相关，这显然不符合实际。运用stata14.0 软件进行F 检验，其原假设为模型为混合模型。检验结果显示：F test that all ui=0：F（13，155）=64.11，Prob＞F=0.0000。在1%的显著性水平下拒绝了原假设，LSDV 的检验也拒绝原假设，所以，模型存在有差异的个体效应，不能使用混合效应。确定模型为个体效应后，还需判断是固定效应还是随机效应，在此，采用豪斯曼检验。其原假设为H0：difference in coefficients not systematic，即模型应采用随机效应。豪斯曼检验的 结果 为chi2（7）=（b-B）'[（V_b -V_B）^（-1）]（b-B）=23.08，Prob＞chi2=0.0017。豪斯曼统计量的值为23.08，在1%的显著性水平下拒绝了原假设，因此，模型为固定效应下的面板模型。

由以上检验可知，模型形式为固定效应下的面板模型，表2 报告了该模型的回归结果。

表2 固定效应面板模型回归结果

从表2 初步的实证结果可知，核心解释变量技术进步在1%的显著性水平下，增加了甘肃各市州农林牧渔业总产值；在5%的显著性水平下，机械化程度提高有助于甘肃农业经济增长，农村用电量对甘肃农业增长也有显著的正面效应；其他控制变量方面，在10%的显著性水平下，耕地面积和化肥施用量和农业经济增长正相关，农业受灾面积降低了农业总产值。变量间是否存在动态效应，需做进一步检验。

四、进一步的解释

由于核心解释变量无法保证严格外生性，技术水平和农业现代化很可能受到其他控制变量的影响，内生性问题可能导致静态面板模型实证结果有偏和非一致性，而系统GMM 估计能有效解决这些问题，因此，使用系统GMM 估计对模型变量间的关系做进一步分析。

为了控制滞后一期被解释变量的影响，将滞后一期的人均农林牧渔业总产值（lnpagrva）作为解释变量纳入模型。考虑到各解释变量特征，人均耕地面积和受灾面积不受其他变量的影响，应作为外生变量，把滞后一期的农林牧渔业总产值、技术水平和农村用电量等作为内生变量。模型的估计结果如表3 所示。

表3 系统GMM 估计的回归结果

首先对系统GMM 的适用性做检验，为了估计的一致性，系统GMM 估计的前提是随机干扰项不存在自相关，Arellano-Bond 检验结果显示，在1%的显著性水平下，随机扰动项的差分存在一阶自相关，但不存在二阶自相关，接受扰动项无自相关的原假设，可以使用系统GMM；由于本文使用了208 个工具变量，可能存在过度识别问题，需进行Sargan 检验，Sargan 检验的原假设为：“所有工具变量均有效”，检验结果表明，在1%的显著性水平下，无法拒接原假设。进一步观察Wald 统计量值为2 437.19，表明模型整体上回归结果是显著的。

观察各变量回归系数，被解释变量的一阶滞后项显著正向影响了当期被解释变量的值，表明农业增长本身存在共同的变化趋势和惯性；各解释变量符号和现实相符，除了受灾面积为负向指标外，其余都是正向指标。和静态固定效应下的实证结果相比，各变量稳健的标准误差更小，表明模型精确程度进一步提高，核心解释变量技术水平每提高1%，农业经济增长率提高0.15%，验证了文章第一个假说；机械化程度每提高1%，农业增长率提高0.04%，而另一个代表农业现代化指标的农村人均用电量每提高1%，农业增长率提高0.54%，验证了文章第二个假说。机械化程度对甘肃农业经济增长的整体影响效应较小的原因是甘肃地形地貌在不同市州差异较大（比如河西地区和河东地区），有些地区很难实现大规模机械化运作，控制变量的影响效应不再赘述。

五、结论及启示

利用甘肃省14 个市州2004—2016 年的数据，分析了技术水平、农业现代化对农业经济增长的影响。选用人均农林牧渔业总产值作为农业经济增长的衡量指标，选取人均专利申请量作为技术水平的替代指标，用农村人均机械化总动力、农村人均用电量作为衡量农业现代化的替代指标，描述了各变量的数量特征和变化趋势；运用固定效应静态面板数据模型和动态系统GMM估计实证检验了变量之间的关系。研究结果表明：（1）技术水平显著提升了农业经济增长率；（2）农业现代化水平不同程度加快了农业经济增长，相比而言，在甘肃省，农村用电量的增长效应高于农业机械化；（3）耕地面积、化肥施用量显著正向于农业经济增长，农村受灾面积抑制农业经济增长。

结合以上分析，得出以下启示：第一，不断提高农业技术水平，加大农业科技资源投入力度，加快农业科技成果转化速度；第二，建立、完善农村各项基础设施，切实保障农业生产稳定性和安全性；第三，转变农业经济发展模式，高投入、高污染、高排放的传统农业生产模式已不合适宜，应以技术推动和创新驱动为着力点，不断提升农业现代化发展水平。