基于VAR 模型的特色农业产业发展与县域经济增长关系的实证研究

刘红玉，张景川

陇南市凭借区域优势形成了各种优势产区，有橄榄油产区、马铃薯产区、花椒产区、中药材产区、苹果产区、核桃产区、大蒜产区、黑木耳产区和茶叶产区等.武都集中发展花椒、中药材、油橄榄、核桃等优势特色产业，同时在蔬菜、茶叶等特色农业产业方面也取得了显著成效；成县主要以核桃、大蒜、烤烟、中药材、蔬菜、畜牧等产业作为特色农业产业；康县以茶叶、花椒、核桃和黑木耳作为特色农业产业；两当以中药材作为特色农业产业；徽县以杜仲、柴胡等200 多种野生药材作为特色农业产业；礼县以苹果、核桃、花椒、中药材和蔬菜等作为特色农业产业；西和县以苹果、核桃、马铃薯等作为特色农业产业.2015 年，全县特色农业产业值达14.35 亿元；文县以核桃、草畜、中药材和蔬菜等作为特色农业产业；宕昌县以花椒、油橄榄、中药材、核桃、马铃薯等作为特色农业产业，中药材丰富，种类达690 种.

本文以陇南地区一区八县为研究对象，充分分析特色农业产业发展与县域经济增长之间的关系，进而构建三级评价指标体系，结合赋权法测度对2009—2018 年陇南市统计年报数据，建立VAR 模型，采用脉冲响应和方差分解等方法对其开展实证研究，为充分协调发展陇南市县域特色农业经济提供数据和研究参考.

1 指标体系构建

依据陇南市各县区特色农业产业发展的特点、关系、内涵等内容，采用三级评价指标体系进行合理评价［1-2］，以此来研究陇南一区八县特色农业产业发展对县域经济的影响程度.选取的指标如表1 所示.

表1 特色农业产业发展与县域经济增长关系三级评价指标体系

2 VAR 模型的构建

VAR 模型是SIMS 在1980 年提出的，把 系统中的每一个内生变量作为系统中所有内生变量的滞后值函数来构造模型，将单变量自回归模型进行推广，建立了由多元时间序列变量组成的向量自回归模型［3-5］.

2.1 VAR 模型

一般VAR 模型为：

其中：yt为内生变量，xt为外生变量，p为滞后阶数，T为样本个数，yt-1,…,yt-p为yt的滞后期，A1,…,Ap为常数矩阵，B为待估系数矩阵，εt为随机扰动量.

2.2 单位根检验

要求采集的经济数据具有平稳性，如果数据不平稳，容易导致方程的伪回归.

ADF 法回归方程的形式为：

其中：ΔYt为所研究的时间序列，α为常数项，Yt-1为时间趋势，ξt为随机误差项，m为滞后阶数，α,η,λ,βi为待估参数.

2.3 协整检验

通过协整检验，可以判断模型设定是否合理，具体步骤如下：

第二步，检验残差序列ξt的平稳性.迹统计 量 为n-1，最大特征值统计量r=0,1,2,…,n-1.

2.4 数据来源与处理

选取陇南地区粮食作物总产量、油料作物总产量、中药材总产量、油橄榄总产量、苹果总产量、茶叶总产量、核桃总产量、花椒总产量、大蒜总产量作为县域特色农业产业自身发展潜力的衡量指标；选取陇南地区年生产总值、第三产业实现增加值、社会消费品零售总额、农民人均可支配收入、城镇居民人均可支配收入、公路里程数和规模以上工业实现增加值作为县域经济增长的衡量指标，数据均来自于《甘肃年鉴》和陇南市《国民经济和社会发展统计公报》，取样时段为2009—2018 年各地县的相关数据，具体情况如表2和表3 所示.

原始数据利用SPSS 22.0 软件对数据进行统计因子分析，并运用EViews8.0 软件进行VAR 数据模型分析.为了消除数据中存在的异方差，对选取的自变量与因变量取自然对数，分别为lnx,lny，其相应的差分序列为Δ lnx，Δ lny，其中x为自变量，y为因变量［5］.

3 实证结果检验及分析

采用自相关性、单位根检验、格兰杰因果检验和方差分解等方法，在VAR 模型的基础上，通过方差分解分析各经济变量的相互影响，进而研究陇南市经济增长与特色农业产业发展之间存在的关系.并对陇南市特色农业产业对农村经济增长的作用进行实证分析.最后，针对研究结论，提出对陇南市农村经济发展有利的合理化建议.

表2 陇南市主要农产品平均总产量

表3 陇南市县域经济增长指标

3.1 自相关性

自相关性是指随机误差项的各期望值之间存在着相关关系.农业产业发展与县域经济增长自相关图如图1 所示.

图1 陇南市特色农业产业发展与县域经济增长关系自相关图

从图1 可以看出，AC 表示12 期中各期的自相关系数，PAC 表示各期的偏自相关系数，图中的左半部分是自相关系数和偏自相关系数的直方图，其中虚线表示显著性为0.05 的置信带，当第S 期的偏自相关系数直方块超过虚线时，说明存在S 阶自相关性，由此可知陇南市特色农业产业发展与县域经济增长关系模型存在一阶自相关性.各阶滞后Q 统计量的P值都小于0.05，在5%显著性水平下，拒绝原假设，残差序列存在序列相关性.

3.2 单位根检验

采用单位根检验ADF 检验法对陇南市经济增长与特色农业产业发展各指标变量进行平稳性检验，检验结果如表4 所示.

从表4 可以看出，在经过一阶差分后，各指标变量都通过了5%显著性水平的平稳性检验，二阶差分后，所有变量均通过5%临界值下的检验，说明各指标变量均平稳.

3.3 VAR 模型的最优滞后阶数

根据LogL、LR、FPE、AIC、SC 和HQIC 等相关标准对模型的最优滞后阶数的确定，选择标准如表5 所示.

从表5 可以看出，当滞后阶数k为2 时，所有统计量在5%的水平上显著，即LR、FPE、AIC、SC、HQIC 这五个评价统计准则是选择滞后阶数k为2 的最优值，因此，选择建立滞后阶数为2 的VAR 模型是合理的.

表4 变量单位根检验结果

表5 VAR 模型最优滞后阶数选择标准

3.4 VAR 模型的确定

采用AIC 和LR 准则来确定VAR 模型的滞后阶数为2，即建立VAR（2）模型［6］：

3.5 格兰杰因果关系检验

VAR 模型建立以后，为了模型研究的可行性和研究结果的准确性，对陇南市经济增长与特色农业产业发展各指标变量进行格兰杰因果关系检验，检验结果如表6 所示.

表6 格兰杰因果关系检验

从表6 可以看出，在5%显著性水平下，不能拒绝“ Δ lny不是Δ lnx的格兰杰原因”的原假设，即县域经济增长不是引起特色农业产业自身发展潜力变动的原因；在5%显著性水平下，拒绝“ Δ lnx不是Δ lny的格兰杰原因”的原假设，即特色农业产业自身发展潜力变动是县域经济增长变动的原因，特色农业产业自身发展能促进县域经济增长发展，为陇南市城镇人口和城镇工业提供农副产品，即粮食作物总产量、油料作物总产量、中药材总产量、油橄榄总产量、苹果总产量、茶叶总产量、核桃总产量、花椒总产量、大蒜总产量等物质保障，从而推动生产总值发展.

3.6 方差分解

方差分解通过测算陇南市经济增长与特色农业产业发展各指标变量中每一个结构冲击对内生变量产生变化的贡献度，以衡量不同变量结构冲击的重要程度.特色农业产业发展的预测方差分解表及县域经济增长的预测方差分解表，分别如表7 和表8 所示.

表7 特色农业产业发展的预测方差分解

从表7 可以看出，陇南市经济增长与特色农业产业发展各指标变量自身的预测方差贡献度对特色农业产业发展影响很大，保持在82%左右.生产总值对特色农业产业发展的预测方差贡献度有较大波动，贡献度趋于17%.

表8 县域经济增长的预测方差分解

从表8 可以看出，陇南市经济增长与特色农业产业发展各指标变量生产总值对来自自身的冲击感应很敏感，第1 期和第2 期为98%上下，第5 期下降为90%，第15 期以后稳定在85%左右.陇南市特色农业产业发展对于生产总值的冲击感应很弱，第1 期和第2 期没有影响，从第3 期开始上升，在第14 期以后稳定在14%左右.

4 结论与建议

构建了陇南市以县域经济增长作为因变量，特色农业产业自身发展潜力为自变量的评价体系，在此基础上构建VAR 模型.针对陇南市特色农业产业对县域经济增长的作用进行实证分析，得出了相关研究结论.

在陇南市经济增长与特色农业产业发展各指标变量中，特色农业产业自身发展潜力对县域经济增长的一个标准差扰动的响应，在五年之后将会持续的对县域经济增长产生正向响应.县域经济增长的波动从第1 期起就受到自身波动的影响，特色农业产业自身发展潜力对县域经济增长的冲击在第3 期显现出来，冲击影响较微弱，此后呈现逐步增强态势，并逐渐趋于稳定.分析结论表明，在陇南地区特色农业产业发展与县域经济增长之间存在较强的正向交互响应作用.