基于向量自回归模型的耕地非农化对经济增长的影响研究

杨汉林

(中共黔东南州委党校,贵州 凯里 556000)

耕地作为农业生产、农民生活的根基和命脉,关系国家社会经济的可持续性发展,但目前,全球工业经济急速扩张、城市化进程加速推进下,耕地非农转化成为一种普遍现象,全球建设用地每年大约以1.3%的速度增长,而我国在城市基础设施、商业、住宅等多元化的用地需求下,耕地非农化数量和速率均处于高位,从2008～2018年我国建设用地面积以8.12%的速度增长,因土地总量有限,存在此消彼长性,建设用地规模的不断增加,势必会挤占耕地面积,仅2017年全国耕地面积净减少面积就达到了6.09万hm2。

耕地非农化转化可弥补城市建设用地不足、拓展耕地的多功能性,为土地利用效率提升、多模态经营提供了有效支撑,在驱动产业结构优化、经济快速发展中发挥着重要作用,然而,面对“僧多粥少”的现状,在经济发展多元用地需求下,耕地面积减量速度过快,威胁农业生产安全,且粗放、无序的利用方式,引致了生态环境恶化,耕地保护形势严峻。可见,耕地非农化面临经济发展和保护约束的“两难”境地,为此,深化认知耕地非农化与经济增长的动态关系,对于调控耕地非农化数量和速率,转变经济增长方式,实现两者“双赢”具有重要意义,目前研究中,不同学者从不同视角,采用区位熵、耦合协调度模型、库兹涅茨曲线、脱钩方法等不同方法,对该问题进行了相关研究[1～4],但是这些研究方法在模型构建时需要考量耕地非农转化的多种影响因素,计量针对性、准确性低,且所需参数多、运算复杂,存在应用局限性,故而,文章引入了应用最为广泛的VAR模型,并融合脉冲响应函数及方差分解方法,对耕地非农化对经济增长的长短期冲击影响进行全面性的分析,以此为耕地非农化约束机制的构建提供数据支撑。

1 耕地非农化对经济增长的影响机理

从实践来看,耕地非农化是城镇化、工业化等经济发展下的一种土地资源再配置,不同用地方式下的经济收益差异是耕地非农转化的根本动因。根据经济学理论,在耕地的利用边际收益相同,也即MR1=MR2=…MRn时,耕地在各部门之间才能实现最优配置,为此,可设定经济仅存在农业和非农业2个生产部门,而耕地的总量L固定,且耕地可在两部门之间自由转换,追求利益最大化是土地所有者的根本目标,故而,市场机制作用下,耕地非农化过程如图1所示。

经济发展中,农业和非农业的边际收益并不相等,尤其在城市人口、城镇化和经济发展不断提高时,非农业用地的边际收益要明显高于农业,此时,边际收益将由MRu1向上移至MRu2,初始配置点E不再均衡,F成为新的配置均衡点,L1-L2为耕地非农化的数量。可见,农业和非农业用地边际收益的差异,使得耕地从农业部门转向高收益的非农业部门,此种转化,可促进经济收益的增加,实现经济增长。

2 耕地非农化对经济增长的影响分析

2.1 研究方法

为探究耕地非农化与经济增长的动态关系,研究引入了Sim提出的向量自回归模型(VAR),其基于变量间彼此作用性的考量,将每个内生变量作为全部内生变量滞后值的函数来建立模型,以获得更为精准的计量结构,其公式为:

上式中,Yt为内生变量,Xt为外商变量,c为常数项,p为自回归滞后阶数,Aj、H各为内生变量和外生变量的系数矩阵,εt为随机扰动项。

因为VAR模型应用中,若时间序列数据非平稳,则会引致“伪回归”问题,为此,须检验实践序列的平稳性,以确定其单整阶数,若耕地非农化与经济增长2个序列具有同阶单整性,则运用EG两步法检验两序列是否存在协整关系,并采用Granger因果检验变量间的因果关系,揭示耕地非农化与经济增长的作用方向和因果联系,并以VA模型为基础,构建脉冲响应函数和方差分解模型,更为量化的分析耕地非农化对经济增长冲击影响效应的大小以及动态变化规律。

2.2 指标选择与数据来源

2.2.1 指标选择

耕地非农化(FL):采用建设用地占耕地总面积的比值表示,因农村居民自建房所占耕地数据无法准确统计,且占比较小,所以,将该部分数据从耕地非农化总量中剔除,不影响实证分析结果。

经济增长(EC):因GDP是衡量国家经济发展状态的最佳指标,可综合反映经济发展的质量和效率,故而,而为剔除价格因素的影响,此处将各年度GDP折算为1978年可比价,计算公式为:

2.2.2 数据来源

基于耕地保护意识和政策对于耕地非农化的影响,且考量数据获取的准确、可靠性,研究将对2008～2018年之间的耕地非农化、经济增长之间的相互影响性进行定量分析,样本数据来源于2008～2018年的《中国土地资源统计年鉴》、《中国统计年鉴》,以及国民经济和社会发展统计公报、国土资源部、国家统计局网站相关数据。同时,为了消除时间序列数据可能存在的异方差,对变量进行对数变换,分别记为、lnFL、lnEC使趋势线性化,并采用Eview 10软件对数据进行统计分析。

3 实证分析过程及结果

3.1 平稳检验

因为变量需为同阶单整序列才能进行协整分析,为此,应对耕地非农化与经济增长指标进行平稳性检验,以确保变量为平稳序列,规避“伪回归”问题。研究采用ADF和PP两种检验方法进行平稳性检验,以两证方法共同验证变量序列的平稳性,所得结果如表1所示。

结合表1可知,lnFL、lnEC的 ADF和 PP检验值在高于10%显著水平下的临界值,拒绝单位根的假设,为非平稳序列,而经过一阶差分的序列、的ADF和PP检验值均低于5%显著水平下的临界值,接受单位根的假设,为平稳序列,可见,耕地非农化与经济增长变量序列均为一阶单整序列,满足了协整检验的要求。

3.2 协整检验

耕地非农化与经济增长呈非平稳变化趋势,但可能存在长期均衡关系,而协整是指多个非平稳序列的线性组合为平稳的时间序列,则表明各变量之间存在长期均衡关系,所以,研究采用 EG两步法对耕地非农化与经济增长进行协整检验,利用 Eviews10软件,对耕地非农转化与经济增长、两变量进行 OLS最小二乘回归分析[5],得到回归方程的估算结果:

设回归方程的估计残差序列为[6],利用ADF检验方法对进行平稳性检验,所得结果如表2所示,ADF检验值为-3.5214小于显著水平1%的临界值-2.6715,可知,et不存在单位根,为平稳序列,由此,验证耕地非农化与经济增长之间存在协整关系,也即长期的均衡关系。

表1 ADF和PP平稳检验结果

表2 估计残差序列的ADF检验结果

3.3 误差修正模型

协整检验仅验证耕地非农化与经济增长之间存在长期均衡关系,但是无法反映其是否存在短期波动和失衡问题,为全面分析两变量间的动态关系,研究将采用误差修正模型ECM进行分析,△lnFL、△lnEC为一阶差分序列,以et-1取代上式(3)的et,并将其代入误差修正模型以OLS法进行参数估计[7],即可得出耕地非农化与经济增长之间的误差修正模型,其可反映两变量长期均衡与短期波动之间的关系:

上述EC模型中,两变量存在短期波动和长期均衡关系,其中,lnFL的短期波动由lnEC的短期波动和两变量的长期均衡误差共同解释,同理,lnEC的短期波动也如此,误差修正项et-1的系数对偏离长期均衡的调整力度,公式(4)中的et-1系数为负,在10%显著水平上通过了检验,满足反向修正机制,而公式(5)中的et-1系数为正,不满足反向修正机制。而且,经过分析,长期均衡关系对耕地非农化的短期波动调整力度较强,短期波动偏离长期均衡时,长期均衡关系对耕地非农化短期偏离的调整力度达到了62.1%;但相反长期均衡关系对经济增长的短期波动调整力度较弱,仅为6.5%,由此,可表明耕地非农化对经济增长可能存在因果影响,但仍需进一步检验。

3.4 Granger因果关系检验

采用Granger方法进一步判定耕地非农化与经济增长之间的因果关系,所得结果如表3所示,很明显耕地非农化与经济增长之间存在单向因果关系,也即经济增长是耕地非农转化的Granger原因,而耕地非农化不是经济发展的 Granger原因,可见,经济增长的发展需求是推进耕地非农化的关键要素,但是耕地非农化却不是经济增长的原因,据此,未来发展中应该努力转变经济增长方式,深入挖掘耕地非农化的多元化价值,提升其利用效率,以充分发挥耕地非农化在经济增长中的效应。

表3 Granger因果关系检验结果

3.5 脉冲响应函数

脉冲响应函数可动态反映VAR模型某个变量受到“外生冲击”时,模型中其他变量受到的动态影响,据此可刻画出脉冲响应图形,以直观反映变量之间的相互影响性[8]。为此,研究将其引入耕地非农化与经济增长之间的相互冲击、影响性分析上,并运用渐进解析法计算响应函数的标准差,将响应函数追踪期设定为20,且为获得更清晰直观的分析结果,将脉冲响应分析值扩大10倍[9],得出的分析结果如表4所示。

由表4可知,当和各受到其自身一个标准差单位的冲击时,两者的响应差异明显,对自身冲击的响应,在初始期反映较为强烈,在第1期响应程度达到了0.06%,而后至第2期处于持续下降状态,达到了-0.01%,并在第3期之后响应趋于稳定、较小的波动;对自身的冲击响应均为正值,在第3期达到响应峰值,而后至第6期持续下降,并在6期之后维持平稳、较小的波动;而从和相互冲击响应来看,在一个标准差的冲击下,的响应迅速且程度较大,在第5期达到响应峰值,并从第8期后趋于稳定、较小的波动态势;在的一个标准差的冲击下,的响应速度缓慢,且在初期时呈现下降趋势,在第2期达到响应波谷,而后逐渐上升,在第3期达到响应峰值后趋于稳定。由此可知,耕地非农化受经济增长的冲击影响较大,而经济增长受耕地非农化的冲击影响较小。

3.6 方差分解

VAR模型中各内生变量自身扰动及其他扰动将引致方差或标准差,而方差分解是将VAR模型中各内生变量的预测方差分解为各个变量的随机冲击,并对比其相对重要性,可得出各变量的作用大小[10]。为进一步分解不同结构冲击对内生变量方差的贡献度,以评价各变量冲击的重要性,利用Eviews10软件通过方差分解,可出如下结果如表5所示。

由表5可知,耕地非农化受自身及经济增长的冲击影响存在一定差异,尤其在初始期其受自身冲击较大,但随着时间推进冲击逐渐下降,且至第10期后基本维持在15%作用;而相反,耕地非农化受经济增长的冲击,在初期较小,但随着时间推移冲击影响的上升速度较快,并在第7期后稳定在85%左右;而经济增长受自身的冲击影响较大,但耕地非农化冲击较小,从始至终均处于2%左右的低位徘徊。可见,经济增长对耕地非农化冲击影响性较大,这是因为经济增长势必需要居民、基础设施及工业等大规模建设用地,而这势必会挤占耕地数量,加速耕地非农化的趋势;但相反,耕地非农化对经济增长的冲击影响性较小,这说明耕地非农化的利用效率和效能低,亟待转变经济发展方式,转换经济增长的新动能。

表4 脉冲响应分析结果

表5 方差分解结果

4 结论与建议

4.1 研究结论

上述利用向量自回归动态计量及机构模型,并融合脉冲响应及方差分解等方法,以我国2008～2018年之间的时间序列,对耕地非农化对经济增长的动态影响性进行的分析,可有效弥补以往单纯的因果关系,从定量层面揭示两变量受彼此冲击的大小,具体的结论如下:

4.1.1 耕地非农化与经济增长之间呈现长期均衡,短期失衡性

依据协整检验结果可知,耕地非农化与经济增长均为一阶单整序列,从长期来,两者呈现同步变化性,耕地非农化可促进经济增长;从短期看,耕地非农化对经济增长具有正向促进作用,但是影响较小,经济增长对耕地非农化的冲击影响性较强,其将加快耕地非农化的进程,扩大其面积、数量,且耕地非农化趋向长期均衡的调整力度达到了62.1%,可有效调整短期波动性。

4.1.2 耕地非农化与经济增长之间呈现单向因果关系,相互作用性存在显著差异

从Granger因果关系分析可知,耕地非农化与经济增长之间为单向因果关系,耕地非农化的Granger原因是经济增长,但经济增长的 Granger原因不是耕地非农化,且经过脉冲响应和方差分解分析,耕地非农化对经济增长的冲击响应较大,解释度达到了85%,但是经济增长对耕地非农化的冲击响应较小,解释度仅为2%,可见,两者之间相互作用性存在显著的差异。

4.2 政策建议

经济增长过程中的居住、工业及基础设施等多元用地需求,势必加速耕地非农化的速度和规模,但是这并不意味着耕地非农化数量越大,经济增长速度和质量就越高,由脉冲响应和方差分析可知,耕地非农化与经济增长均受自身冲击的影响更大,可见,经济要获得长期可持续性发展,不应依赖于耕地非农化,而应着眼于内部产业结构、发展方式上,强化顶层设计,从城乡经济一体化的视角出发进行整体规划,在耕地保护约束下合理控制建设用地使用规模,严守“1.8亿亩”的红线,遏制、规制耕地非农化无序、非法等乱象问题;同时,耕地非农化过程中,也尽量在不减少现有人均耕地占有规模的基础上,以耕地为基础着力发展农业,深挖与农业相关的休闲旅游、产品深加工、娱乐、文化等资源,以此拓展耕地的多功能应用性,延伸和整合产业链,促进一二三产业发展共融发展,延长耕地利用的价值链,由此以“形式化”的耕地非农化替代“实质化”的耕地非农化,促进经济高速增长,解决耕地保护与非农转化的矛盾性。