上海農業發展的實證檢驗1978～2009

徐群，韓雯，程毅

（1.南京農業大學人文社會科學學院，南京210095；2.上海市徐匯區業余大學，上海200032；3.華東理工大學社會學系，上海200237）

上海農業發展的實證檢驗1978～2009

徐群1，韓雯2，程毅3

（1.南京農業大學人文社會科學學院，南京210095；2.上海市徐匯區業余大學，上海200032；3.華東理工大學社會學系，上海200237）

文章研究考察了改革開放以來，上海城市化進程中的農業發展狀況，以向量自回歸模型（VAR模型）為基礎，利用格蘭杰因果檢驗、向量誤差修正模型（VEC模型）、協整回歸方程（ECM模型）對上海農林牧漁四個農業部門之間的關系進行動態效應分析。研究結果顯示：上海城市功能的轉變致使農業產業結構調整和農業生產布局等發生了變化。改革開放至今，四個農業部門中只有種植業部門和漁業部門存在長期的協整關系以及互為格蘭杰因果關系。此外，基于已構建的兩個部門產出回歸關系的向量誤差修正模型（VEC）和誤差修正模型（ECM），均可有效地根據不同預測需求進行未來產值的經濟性預測。并提出了政策建議。

上海市；農業經濟發展；動態效應分析；政策建議

0 引言

農業發展史，也是一部農業功能的演進史。庫茲涅茨(1961)指出，農業的功能，從最初的農產品貢獻，逐漸發展到市場貢獻、要素貢獻和外匯貢獻，而在經濟發展和城市化進程日新月異的今天，農業在勞動力就業、生態環境保護、觀光休閑、文化傳承等方面功能不斷顯現與增強。而劉偉明（2006）根據區域布局、功能分工、發展水平的不同，提出我國存在三種地域農業類型：農區農業、城郊農業和都市農業。三種地域農業類型也分別體現了農業所起不同功能作用的三個農業發展階段。

農業發展階段的劃分，不僅可以使我們較準確地認識農業發展現狀，更重要的是對不同發展階段農業部門所具備特征的了解，能使我們更清楚地認識農業在整個國民經濟發展中的地位以及農業與其他產業部門之間的互動關系，從而為確立適當的經濟發展戰略和農業發展政策提供理論依據。本文將以上海農業發展為例，分別闡述改革開放至90年代和90年代至今兩個階段，城市化進程中的農業發展概況，并在此基礎上，對上海改革開放至今的農林牧漁四個農業部門發展進行動態計量分析。

1 上海農業發展概況

1.1 改革開放至90年代的農業發展

改革開放以后，隨著國民經濟的快速增長和社會的全面進步，上海郊區城市化進程加快。在1979～1990年間，上海人口穩定發展，其中，從1982年開始，進入了上海人口的郊區化啟動階段。伴隨著人口城市化的穩定發展，農業生產主要重心逐漸轉為副食品保障和提高經濟效益，農業生產結構明顯變化。畜牧業成為農業主導產業，畜牧業內部牛奶、禽、蛋等生產規模快速增長，種植業內部雖然仍以糧食為主導，但已經積極發展多種經營，城市化對經濟作物和其他作物的需要使得這些農作物生產比重明顯上升。淡水和海水養殖業的生產規模、生產區域均明顯擴大。副食品生產范圍由近郊向中遠郊擴散，近郊地區已經呈現較為明顯的城郊農業發展特征。

對于農業產業結構而言，種植業產值比重快速下降，畜牧業產值比重大幅上升并于90年代初超過種植業，漁業也獲得較快的發展，但增長幅度明顯低于畜牧業。1992年上海農業總產值構成中，種植業、畜牧業、漁業和林業分別占到40.2%、47.1%、11.8%和0.4%。種植業生產結構中，糧食仍是最大宗的農作物，棉花播種面積比重降至3%以下，油菜籽播種面積比重升至15.7%，蔬菜播種面積比重上升到1l.7%。畜牧業內部，禽、蛋、奶等生產快速發展，生豬飼養量則呈波動式下降。

1.2 90年代至今的農業發展

20世紀90年代中后期以來，雖然城市化的上升速率有所下降，但人口郊區化的進程在逐漸推進。上海工業化后期產業結構運行特征是在第一、第二產業協調發展的同時，第三產業開始由平穩增長轉入持續的高速增長，最終成為國民經濟的主導產業。在這段時期，是以城郊農業為主導，都市農業起步的發展階段；進入21世紀，上海市農業正在開始由城郊農業向都市農業轉化，初步形成與上海國際化大都市相適應的都市型現代農業基本框架。因此，為了服務于第三產業的發展，農業功能以生產和經濟功能為主，同時生態、服務、社會文化等多方面的功能已經起步。

上海農業產業結構再次發生了明顯變化，表現為畜牧業產值比重大幅下降，種植業產值比重穩中有增，再次成為上海郊區農業產業結構中的主體產業，并且漁業產值比重也持續上升，畜牧業和漁業產值比重相當，林業出現較為明顯的增長。2009年上海農業總產值構成中，種植業、畜牧業、漁業和林業分別占到52.1%、22.82%、18.91%和3.175%。種植業結構呈現鮮明變化，糧食作物播種面積比重減少到50%以下，油菜籽播種面積下降，蔬菜播種面積比重增加到30%以上。這段時期主要農產品為：蔬菜、水果、西甜瓜、花卉苗木等園藝產品快速增長并成為主導產品，畜禽產品、糧食、油菜等大幅縮減，水產品產量明顯增加。

2 農業四個部門之間的動態關系研究

上海農業產業結構發展概況的研究，需要進一步得到農業各部門之間的動態變化規律。即根據時間序列數據，利用動態計量分析方法對種植業、林業、畜牧業和漁業四個部門之間相互作用關系的具體效應進行研究。

2.1 數據來源

考慮到本文研究的是改革開放以來上海產業結構的發展狀況，因此，在數據選取時，主要以1978～2009年的種植業、林業、畜牧業和漁業的農業產值指數來代表四個產業部門的發展，分別用ZY、LY、XY和YY表示，以1978年的產值指數為100。數據來源于《上海統計年鑒》（2010）。軟件方面，本文采用了Eviews6.0軟件對數據進行處理分析。

首先，為了避免數據的劇烈波動可能帶來的異方差性，對各序列進行對數化處理，取對數之后的新序列分別用DZY、DLY、DMY、DYY表示，發展趨勢如圖1所示。

2.2 模型設定

向量自回歸（vector auto-regression，VAR）模型通常用于多變量時間序列系統的預測和描述隨機擾動對變量系統的動態影響。最一般的VAR（p）模型如下面的式子：

式中，yt是m維內生變量向量；xt是d維外生變量向量；A1…Ap和B1…Br是待估計的參數矩陣，內生變量和外生變量分別有p和r階滯后期；εt是隨機擾動項，同期之間可以相關，但不能自相關。

下文將以VAR模型為基礎，利用格蘭杰因果檢驗、最大滯后階數、平穩性檢驗、VEC模型、ECM模型對四個部門之間的動態效應進行分析。

2.3 格蘭杰因果關系檢驗

一般地，在VAR模型中應該考慮問題的另一方面，即序列y是否是x的格蘭杰成因，只有在x與y互為因果時，采用VAR模型才是有效的。而格蘭杰（Granger）因果檢驗正是一種用于考察序列x是否是序列y產生原因的方法。

對于單變量的格蘭杰因果檢驗，EViews計算如下雙變量回歸：

式中，k是最大滯后階數，通常可以取稍大一些。檢驗的原假設是序列x（y）不是序列y（x）的格蘭杰成因。而對于該樣本中的多變量情形，Eviews將進行成對的格蘭杰因果檢驗（pair-wise Granger causality tests），檢驗結果如表1所示。

表1 格蘭杰因果檢驗結果

從表1中發現，除了種植業部門與漁業部門的產出是相互影響、相互制約的，即存在互為因果關系之外，剩下的部門兩兩組合均不存在互為格蘭杰因果關系。因此，可進一步對種植業和漁業兩個部門建立向量自回歸模型，兩者產值指數取對數之后的圖形如圖2所示。

從圖2中易發現種植業和漁業兩個部門產出變化具有大體一致的共同趨勢，并且在90年代以前，兩個部門的產出雖然出現波動性上升，但增長幅度并不是很大，而進入90年代中后期以后，均呈現出較快的增長趨勢。事實發展中也應證了上述結論。在上海郊區城市化和工業化發展進程中，農村耕地逐年減少，但在此情況下，上海農業產出規模與水平總體上仍保持穩定持續的增長態勢。為順應生產和市場環境的變動，發揮本地農業資源優勢，滿足市場需求，近幾年上海農業產業結構得到不斷調整，種植業和漁業生產總量規模逐年遞增，畜牧業卻縮減。

2.4 確定最大滯后階數

滯后階數的確定與格蘭杰因果檢驗是密切相關的。在VAR模型中，Eviews提供了最為常用的LR檢驗統計量，最終預測誤差（FPE），AIC信息準則、SC信息準則和HQ信息準則的結果，

（1）LR檢驗統計量

似然比（likehood ratio，LR）檢驗涉及兩類模型，無約束模型或無限制模型與有約束模型或有限制模型。似然比統計量是指無約束模型和約束模型的最大似然值之差的2倍，即

如果無約束模型和約束模型殘差的最大似然之差越大，就愈加證明約束模型不充分。

（2）最終預測誤差FPE

最終預測誤差FPE（final prediction error criterion）是把最小值的p作為VAR模型的最佳階數：

最終預測誤差準則的優點在于它平衡了選擇低滯后階數造成偏離性的風險和選擇高滯后階數造成方差增大的風險。

（3）信息準則

模型中內生變量有p階滯后，稱其為一個VAR（p）模型。在實際應用中，通常希望滯后期p和r足夠大，從而完整地反映所構造模型的動態特征。但同時，滯后期越長，模型中待估計的參數就越多，自由度就越少。因此，應在滯后期與自由度之間尋求一種均衡，一般根據AIC（Akaike info criterion），SC（Scharz criterion）和HQ（Hannan-Quinn criterion）信息量取值最小的準則確定模型的階數，計算公式見下面三個公式。

AIC=-2l/n+2k/n

SC=-2l/n+klogn/n

HQ=-2l/n+2klog(log(n))/n

式中，K=m（rd+pm）是估計參數個數；n是觀測值數目，且

在本例中，顯示的滯后階數判斷結果如表2所示。

表2 滯后階數判斷結果

在表2中給出了0～5階VAR模型的LR，FPE，AIC，SC和HQ值，并以“*”標記出依據相應準則選擇出來的滯后階數。可以看到，有超過一半的準則選出來的滯后階數為2階，因此，將VAR模型的滯后階數定義為2。

2.5 平穩性檢驗

VAR模型是要求序列是平穩的，因此要檢驗序列的平穩性。平穩性檢驗可以對每一個序列分別進行單位根檢驗。該樣例的VAR平穩性檢驗結果如圖3所示。

由圖3可知，無特征根在單位圓外，即表明序列是非平穩的。由于不滿足條件，接下來則要檢測是否具有長期協整關系，如果有則采用向量誤差修正模型（VEC）。

2.6 VEC模型構建

（1）單位根檢驗

事實上，向量誤差修正（vector error correction，VEC）模型是包含協整約束條件的VAR模型，應用于具有協整關系的非平穩時間序列建模。

首先，對兩個序列做單位根檢驗，單位根檢驗是檢驗時序平穩性的一種方法，而最大滯后期可根據上述已經選擇出的滯后階數2，采用PP檢驗。

Phillips和Person于1988年提出了PP檢驗，PP檢驗的檢驗方程如下面的式子所示。

本例中選擇包含常數和線性趨勢項的檢驗方程，對DYY和DZY進行level檢驗，結果發現是非平穩的；而一階差分序列均為平穩序列，即在一階差分之后，收尾概率均小于0.1，則兩個序列是同階平穩，所以滿足進行協整檢驗的條件。

（2）Johansen協整檢驗。

采用Johansen（1995）提出的關于系數矩陣的協整似然比（LR）檢驗方法。協整似然比檢驗法主要包括跡檢驗法和最大特征值檢驗法。

通過Johansen協整檢驗可知，跡檢驗法在0.05顯著性水平下沒有一個協整關系，而最大特征根表明在0.05顯著性水平下有一個協整關系，故可以認為有且僅有一個協整關系。

（3）向量誤差修正（VEC）模型

向量誤差是對諸變量施加了協整約束條件的向量自回歸模型。VEC模型只能用于協整關系的序列建模，將本例估計結果寫成矩陣形式，得到：

上述VEC模型是可用作以下情形：知道當期兩個變量的值，求解下一期兩個變量的數值，但在多數情況下，會遇到僅知道一個變量的當期值卻不知另一期屬性值的情形，因此，接下來將對存在協整關系的兩個變量構建協整回歸方程。

2.7 協整回歸方程

為檢驗兩變量xt和yt是否協整，Engle和Granger于1987年提出了兩步檢驗法，稱為EG檢驗。對同是d階單整的序列xt和yt，用一個變量對另一變量回歸，即

由2.6可知種植業與漁業部門可能存在協整關系，現利用EG兩步法對其進行檢驗。

首先，分別對序列DZY和DYY進行單整檢驗，這里采用ADF檢驗法，均采用不含常數和趨勢項，滯后項為0，將各序列的ADF檢驗統計量與相應的臨界值比較，容易得出，原序列DLY和DYY都是非平穩序列，而一階差分序列均平穩，由此判定DLY和DYY為一階單整序列，滿足協整檢驗前提。

其次，對變量DZY和DYY進行最小二乘回歸，得到結果如表3所示。

表3 最小二乘回歸結果

回歸方程估計殘差序列E的取值圖4所示。

對序列E做單位根檢驗，ADF檢驗結果見表4所示。

表4 ADF檢驗結果表

其中，檢驗統計量為-4.1069，小于顯著性水平0.01時的臨界值-2.6416，可認為估計殘差序列E為平穩序列，進而得到序列DLY和DYY具有協整關系。

由于已經證明序列DZY和DYY之間存在協整關系，故可建立誤差修正模型。誤差修正模型（ECM）的基本形式是由Davidson，Hendry，Srba和Yeo于1978年提出的，稱為DHSY模型，模型為：

式中，ecm是誤差修正項

在該樣本中，以DYY為因變量，DZY為自變量，進行最小二乘回歸，得到回歸系數為2.699554，則利用GENR定義：

ECM=DYY（-1）-2.699554*DZY（-1）

也可利用差分表達式，得到的模型表達式為：

DYYt=-0.568868+0.915101DYYt-1-0.085763DZYt+0.315509DZYt-1+vt

兩種方法建立的誤差修正模型是等價的，模型擬合度很高，效果很好，但是第二個式子在實際預測時更常使用，雖然兩個變量互為因果關系，但是此時，不可再利用DZY做因變量進行再次預測，否則會使得兩個式子產生沖突。

3 結論及政策建議

基于上海改革開放至今的農業發展概況，結合時間序列數據的動態計量分析結果，本文給出了如下的結論及政策建議：

首先，上海城市功能的轉變致使農業產業結構調整和農業生產布局等發生了變化。上海郊區農業產業結構優化的總體思路是保持種植業的主導地位，小幅度調減畜牧業，合理發展水產業，適度發展林業，形成種植業、林業、畜牧業和漁業協調發展，互為補充，物質和能量合理流動的循環型農業系統。

其次，關于種植業和漁業兩個部門產值指數的向量誤差修正模型（VEC）和誤差修正模型（ECM）表達形式，兩種模型均可有效地根據不同需求進行未來產值的經濟性預測。其中，VEC模型的矩陣表達形式如下所示：該模型是當知道兩部門當期（以年計）產值指數，預測下一期兩個部門的產值指數，例如當知道2011年種植業部門和漁業部門的產值總數，要預測2012年兩個部門的產值指數，可用VEC模型求得；而ECM模型表達式為：DYYt=-0.568868+0.915101DYYt-1-0.085763DZYt+0.315509DZYt-1+vt，該模型是當知道當期兩個部門以及下一期種植業部門的產值指數，預測下一期種植業部門的產值指數，例如當知道2011年的種植業部門、漁業部門，以及2012年種植業部門的產值指數，需要預測2012年漁業部門的產值指數，可用上述的ECM模型求得。兩種模型根據不同的預測需求都有不同的預測用途。通過對上海的四個農業部門進行動態計量分析可知，從1978年至今，只有種植業部門和漁業部門存在長期的協整關系以及互為格蘭杰因果關系。因此，在以后農業政策調整中，可以抓住兩個部門的特點，適當促進兩個部門之間的協調發展。

總的來說，由于城市化進程的不斷推進，以及上海郊區農業生產的最基本要素土地資源稀缺，上海郊區農業不可能生產滿足城市全部需求的農副食品，而且在大市場大流通的環境中，從比較效益的角度考慮也沒必要進行小而全的農業生產，必須有所側重。根據上海的自然和經濟技術資源條件，農業發展應以現代化、科技型農業為主導方向，促進農業增產、增收和增效，將產業結構調整的重點放在各產業內部的結構優化，品種改良和品質提升上，致力于各產業的內涵式增長，尤其要關注對種植業和漁業部門的協調式發展。

[1]賈彩彥.近代上海城市化及對城市土地利用與管理思想的影響[J].上海經濟研究,2004，（4）.

[2]Henderson J V.The Effects of Urban Concentration on Economic Growth[C].NBER Working Paper,2000.

[3]Stephen J.Vogel.Structural Changes in Agriculture:Production Linkages and Agricultural Demand-Led Industrialization[C].Oxford Economic Papers,New Series，1994，46（1）.

[4]Won W.Koo,Marvin Duncan.Can Developing Countries Afford the New Food System.A Case Study of the Chinese Agricultural Sector[J].American Journal of Agricultural Economics，1997,(2).

[5]范德官,上海郊區農業現代化研究[J].中國農村經濟,2000，(6).

[6]馮曉華,上海都市農業探析[J].上海綜合經濟,2002，(1).

[7]俞菊生,中國都市農業—國際大都市上海的實證研究[J].中國農業科學技術出版社，2002.

[8]上海實現城郊型農業向都市型農業轉變研究[J].上海社會科學院學術季刊,2001，(2).

[9]劉偉明,城市化工業化進程中城市農業發展類型與對策探討[J].中國農學通報,2005，(7).

[10]劉偉明.城市化進程中城市農業發展探討[J].中國農業科技導報，2006，（2）.

[11]農業部軟科學委員會課題組.《中國農業發展新階段》[M].北京：中國農業出版社，2000，（8）.

[12]戴鞍鋼.近代上海與周圍農村[J].史學月刊，1994，(2).

[13]段洪.城市化進程中都市農業發展思考[J].產業與科技論壇，2008，(12).

[14]胡錫鳳.都市農業在城市化進程中的戰略定位[J].商品儲運與養護，2007，（5）.

F207

A

1002-6487（2011）07-0118-04

徐群（1980-），男，上海人，博士研究生，研究方向：農業經濟。韓雯（1980-），女，浙江余姚人，碩士研究生，研究方向：社會工作、社區教育。程毅（1976-），男，吉林渾江人，博士，副教授，研究方向：農村社會學。

（責任編輯/亦民）