基于VAR模型的廣東農民收入影響因素研究

張建武 張藹容 李楠

摘? ?要：農民收入增長是三農問題的核心。目前廣東農民增收處于瓶頸狀態，找到影響農民增收的關鍵因素具有重要的現實意義。本文基于1992-2017年廣東省時間序列數據，運用因子分析法篩選出影響廣東農民增收的三個公共因子，并構建VAR模型對三個因子如何影響農民收入進行具體分析。發現農業發展內部因子長期內對廣東農民收入具有較大的正向影響，但影響力逐漸減弱，農業發展外部因子短期內對農民收入具有正向影響，農業發展科技因子短期內對農民收入的促進作用非常明顯，但這種正向效應會不斷減弱。本文建議，為促進廣東農民增收，應該加大政府對農業的投資，積極引進人才，并創新農業發展模式以適應農業科技變革。

關鍵詞：農民增收;影響因素;因子分析;VAR模型

中圖分類號：F323.8 文獻標志碼：A 文章編號：1008-2697（2020）02-0004-07

農民增收問題是推進“扶貧”工作的重中之重。改革開放以來，廣東省農民人均可支配收入從1978年的193.25元增長到2017年的15779.74元，約為1978年的81.65倍，年均增長率達到12.18%。但在2000年后，廣東農民人均可支配收入增速放緩，2000-2017年均增長率僅為8.59%，小于城鎮居民可支配收入年均增長率8.75%，城鄉收入差距的絕對數也在擴大，由2000年的6107.1元，擴大到2017年的25195.4元，并且城鎮居民人均可支配收入基數較大，增長比較明顯，而農民薄弱的增收基礎使得城鄉差距越來越大，由此引發了收入不平等等社會問題。因而找到制約農民增收的影響因素并提出相應的解決對策顯得十分必要，具有重要的理論和現實意義。

一、文獻綜述

首先，關于影響農民收入增長因素的研究，郭燕支和劉旭（2011）提出了影響農民收入的七個重要指標，發現非農產業勞動力、農業用電量、農村固定資產投資以及有效灌溉面積等影響因素與農民收入之間具有比較密切的關系，其中農業用電量是影響農民收入的第一相關關系變量。穆紅梅（2016）以福建地區為例，研究認為城鎮化、文化素質等人力資本因素的提升是農民人均純收入增加的最重要的驅動力，同時固定資產投資、三產占比以及農業內部的結構也在不同程度上影響了當地的農民收入?？到龋?017）發現在中國集中特困地區，自然環境對農民增收的制約作用較強，耕地數量、糧食

生產率、城鎮化水平以及固定資產投資均會對農民收入產生較為顯著的正向作用，但包括生育狀況在內的人力資本以及交通因子對農民收入的影響效應并不顯著。

其次，不少學者探究了農業政策對農民收入的影響。Brian C Briggeman（2007）認為政府增加對農業的補貼不僅可以顯著提高農場收益，而且能夠吸引到更多勞動力在農村就業，降低原有勞動力離開農村的可能性，整體上提高了農業收入。相對于農業收入，非農業收入的增加對農民收入的拉動效果可能更為顯著，因此政府應通過增加農業轉移性支出增加農民的工資性收入，并提供更多的非農就業機會，保證農民的非農業收入（Lu Qian，2006）。也有學者對政府農業補貼可以提升農民收入持不同觀點。方桂堂（2014）以北京昌平農村地區的農民增收問題為例，通過分析實例數據發現，財政投入力度、轉移就業等方面存在的制度和政策的扭曲導致了農村地區農民收入結構不合理。

在人力資本層面，辛嶺、王艷華（2007）的研究顯示，農民受教育水平是農民收入變動的格蘭杰原因，二者之間存在著長期且穩定的均衡關系。Iddo，Ayal和Zvi（2006）通過對格魯吉亞的微觀研究，發現農民受教育程度越高，非農收入增長越明顯，尤其是高等教育對非農收入具有很高的正向作用。Kashiwa Chiba（2013）則通過建立一所農民的田間學校來對部分農民進行培訓，結果發現參與了農民田間學校培訓的農戶的基本素質得到提升，進而大大提高了農業的生產效率和農戶的農業收入。

除了政策和資本等因素外，自然條件和農業發展模式也是農民收入問題的研究熱點，如Robert（2007）在美國和巴西的農村地區進行研究，發現無論在發達國家還是發展中國家，自然條件都會對農民收入產生極大影響，其主要影響的是農業生產率，進而導致農村的人均收入受到影響。從實際情況來看，對比那些農業支持度高、農業種植氣候相對較好的地區，氣候條件不佳的地區的農民的收入較少，農村貧困人口也更多。Huiqing Liu（2014）通過構建結構方程模型對農業的發展模式進行了深入研究，發現發展生態旅游、規劃可持續農業等創新農業發展模式對農業綜合價值以及促進農民收入增加有正向影響。

通過對文獻的回顧可以發現，多數的研究考慮將政府扶持、土地制度、人力資本、生產資源以及生產模式等因素納入影響農民收入因素的范疇，對于影響農民增收的因素的大范圍基本判定是統一的。但是許多學者側重于從某一角度出發，研究某一方面因素對于農民收入的影響，即使綜合篩選了各項指標，也缺乏各指標之間的橫向對比和主次之分，導致學者們在某一因素的具體影響效應方面存在分歧，得出相悖結論，而對廣東地區的農民增收問題的研究也比較少。本文將結合廣東農村實際情況，綜合考慮各方面因素，從多角度出發選取指標，并區分出各指標之間的主次關系，從而深入分析影響廣東地區農民增收的具體因素。

二、研究設計

（一）模型構建

在農業生產中，農民收入受多種因素共同影響，各因素間不可避免會出現多重共線性。因子分析則利用降維的思想，把存在共線性且關系錯綜復雜的變量轉變為幾個公共因子，形成幾類假想變量，且假想變量間相互獨立。

設有n個樣本，每個樣本觀測k個變量，且這k個變量間存在較強相關性，則因子分析的一般模型為：

X=AF+ε

其中，（1） X=（X1，X2，…，Xk）'為標準化后的變量，此時xi（i=1，2，…，k）均值E（xi）=0，標準差σ=1。（2）F=（F1，F2，…，Fm）'（m≤k）為公因子向量，是不可觀測的m維列向量，向量均值E（F）=0，協方差矩陣cov（F）=Im。（3）A=（aij）k×m為因子載荷矩陣，aij絕對值越大，因子載荷越大，即Fj對Xi載荷越大。（4）ε=（ε1，ε2，…，εk）'是特殊因子向量，是不被前m個公共因子包含的部分，E（ε）=0，cov（ε）=Φ=diag（Φ1，Φ2，…，Φk），且cov（Fi，εj）=0（i≠j），即公共因子與特殊因子間也是相互獨立的。

在運用因子分析得到互相獨立的時間序列變量 Fi（i=1，2，…，m）之后，設定如下VAR模型對被解釋變量農民收入FY進行回歸，模型中j為滯后期數：■

（二）指標選取與計算方法

基于現有的研究成果，本文將從以下五個方面選取可能對農民收入造成影響的指標。

（1）生產因素。一方面，農業產值很大程度上受到有效灌溉面積以及年降雨量等自然因素的影響，從而正向影響農民收入。另一方面，農業機械總動力和農產品生產價格指數從非自然條件的角度反映了農業生產情況。農業機械總動力越大，一定程度上說明農業機械化水平越高，機械化水平的上升能夠大幅提高農業生產效率與農產品產出量，而農產品生產價格與市場情況相關，可以從銷售渠道上增加農民收入。從理論上看，這兩個指標均應與農民人均收入呈現正向關系。

（2）產業結構因素。根據配第-克拉克定律，產業結構優化升級將會使得產業發展的重心由第一逐步向第二、三產業轉移，隨之而來的是勞動力在產業間的不斷變遷，第一產業釋放出大量勞動力向其他產業轉移，拓展了農民的就業渠道，優化了農村勞動力的收入結構，從而提高其收入水平。因此，從理論角度來看，第一產業增加值占農村GDP的比例越低，農民的收入就越高。

（3）人力資本因素。人力狀況主要從鄉鎮人口中具有勞動能力的人數占比以及農村勞動者受到教育及其質量情況來衡量。鄉鎮人口中農村勞動力越多越多，農業資源競爭越激烈，農民人均收入越低。勞動者受到教育程度越高，生產效率與產出水平越高，勞動成本越低，農村勞動力人均收入將越高。

（4）科技因素。科技進步因素是除土地資源、勞動力資源以及投資影響之外的主要增加農民收入的因素，農業科技的進步和發展會對農民收入產生正向影響，因此本文計算了廣東農業科技進步貢獻率，通過該指標來衡量農業科技因素對農民收入的影響。

（5）投資因素。資本的投入是影響生產的一大重要因素，本文選取農戶固定資產投資、政府撥款支持農業科研和技術經費總額以及農業實際利用外資額三個指標來衡量廣東地區農業的整體投資情況和政府干預力度。這些指標數值越大，則表明相應投入的資本要素越多，其理論上應與農民收入呈正向關系。

（6）對外貿易因素。廣東省農產品貿易的發展情況在我國農產品進出口貿易中占據主要地位，進出口總額位于全國前列。農產品對外貿易的發展是從需求側層面來推進農業的發展，影響農業產值以及農民收入，因而本文選取了廣東農產品凈出口作為一個指標。根據GDP=C+I+G+NE，凈出口與收入呈正相關關系。

以上選取的十二個變量具有既反映農業生產環節內容也反映商品流通環節內容、既含有微觀經濟變量也含有宏觀經濟變量的特點，其包含內容廣泛，因此可以借助于它對廣東農民收入增長及其影響因素進行多角度分析。各項指標的具體內容與計算方法如表1所示。

（三）數據來源與處理

本研究所涉及的數據來源于《中國統計年鑒》（1985-2018）、《廣東統計年鑒》（1990-2018）、《廣東

農村統計年鑒》（1993-2018）以及廣東統計信息網公布的統計報告、Wind資訊等網絡資源。考慮到數據可得性和分析的合理性，本文選取時間跨度為1992-2017年，經過相關計算并進行技術處理后，得出原始的指標數據②。其中農產品生產價格指數、農戶固定資產投資、農業科研技術開發政府撥款、實際利用外資以及凈出口均以1994年為基期剔除價格因素。因子分析前，對實證數據進行標準化處理以消除量綱影響，標準化公式為：。

三、實證分析與討論

為了橫向對比影響廣東農民收入的各個因素，并且分清各個因素之間的主次關系，本文運用因子分析方法對影響因子進行降維，提煉出公共影響因子并得到公共影響因子的時間序列。然后用ADF單位根檢驗法檢驗該時間序列的平穩性，若序列是非平穩的，則運用差分處理使之變為單整序列。得到同階單整序列后判斷序列是否協整，確定廣東農民收入增長與公共影響因子之間是否存在長期均衡關系，若存在，則構建VAR模型，通過脈沖響應和方差分解對影響農民收入的因素進行具體分析。

（一）因子分析

1. 檢驗

在實證分析前，需要判斷樣本是否適合進行因子分析。一般認為樣本的KMO值越接近1越適合，而當KMO值小于0.5時則不適合，Bartlett球形檢驗中的卡方統計量越大，變量間的相關性越強，并且其p值小于0.05時更加適合做因子分析。本文的分析結果顯示，樣本KMO值為0.755，Bartlett球形檢驗中的卡方統計量為496.956且其p值為0.000，說明樣本比較適合進行因子分析。

2. 主成分分析

本文綜合考量主成分分析的特征值和碎石圖，對樣本指標設定三個公共因子，得到分析結果如表2所示。第一主成分特征值為7.67，貢獻率為63.88%;第二主成分特征值為1.68，貢獻率為14.03%;第三主成分特征值為0.83，貢獻率為6.92%。并且三個主成分的累計貢獻率達到了84.83%，說明三個主成分能夠表達原來12個指標樣本中84.83%的信息，接近85%水平，原樣本信息損失較少。

為了更好的解釋和命名提取出的三個主成分，本文采用正交旋轉法對因子載荷矩陣進行旋轉，結果見表3。可以看出，第一主成分在X9、X3、X4、X12、X10、X6、X7、X5、X2指標上具有較大的載荷，這些指標主要反映出農業發展的投資、人力、價格、外貿等內部因素情況;第二主成分在X11、X1指標上具有較大的載荷值，這些指標反映了農業發展的外部因素情況;而第三主成分在X8指標上載荷值較大，反映了農業科技情況。依據因子載荷量大的指標進行主成分命名的原則，可以將第一主成分命名為農業發展外部因子，第二主成分命名為農業發展內部因子，第三主成分命名為農業發展科技因子。進一步地，計算得到三個主成分中每個指標的系數，

如表4。

此時主成分1、主成分2 和主成分3與原始變量的關系線性表達式為：

F1 = 0.0306ZX1+ 0.2732ZX2+0.3541ZX3+ 0.3439ZX4-0.3121ZX5+0.3363ZX6

+0.3205ZX7-0.0709ZX8+0.3576ZX9+0.3412ZX10+0.0353ZX11-0.3419ZX12

F2

為得到三個主成分因子的時間序列，將1992-2017年間12個影響因素標準化后的數據代入上述3個表達式中，結果如表5。

（二）VAR模型分析

為了更好地探討因子分析提煉出的農業發展內部、農業發展外部以及農業發展科技三個公共因子對農民收入的影響，本文采用向量自回歸模型（VAR）進行深入分析。被解釋變量選取1992-2017年間廣東農村居民人均可支配收入時間序列FY③，解釋變量為前文計算得到的影響因子時間序列F1、F2、F3。

1. 平穩性檢驗

本文采用ADF單位根檢驗序列平穩性，用Eviews9.0軟件實現，結果如表6所示。在5%的顯著性水平下，F1、F2、F3以及FY時間序列都是非平穩的，而四個變量一階差分后的序列都是平穩的，即四個變量都是I （1）變量，滿足協整檢驗的條件。

2. Johanson協整檢驗

沒有協整關系的單整變量的回歸仍然是偽回歸，當有兩個及以上的解釋變量時一般采用Johanson系統協整檢驗，運用Eviews9.0軟件實現。結果發現跡統計量為67.14， 統計量為32.06，均大于在5%顯著水平下的臨界值54.08和28.59，說明F1、F2、F3和FY四個變量存在協整關系，即農民可支配收入FY與F1、F2以及F3三個公共因子之間具有長期均衡關系，此時建立的回歸方程不是偽回歸，滿足建立向量誤差修正（VEC）模型的條件。

3. VEC模型的估計

由于變量為具有協整關系的非平穩時間序列，本文選擇構建VEC模型來進一步探討變量的長期均衡和短期波動的關系。采用OLS法估計誤差修正項 的系數，通過Eviews9.0軟件實現，得到誤差修正模型如下：

其中，誤差修正項

上述VEC模型中，差分后解釋變量的系數反映了短期內，各解釋變量的波動對被解釋變量的影響，即農業發展內部因子和農業發展科技因子的短期波動對廣東農民人均可支配收入有負向影響，而農業發展外部因子的短期變動則對其有正向影響。誤差修正項系數為負，表明該模型符合反向調整機制，且當短期波動偏離長期均衡時，將以0.2250的調整力度將非均衡狀態拉回到均衡狀態。

4. 脈沖響應函數

為了更好地衡量隨機干擾項一個單位的沖擊對目標項當期值或者未來值的影響，本文使用脈沖響應函數進行分析。但在對模型的隨機誤差項施加沖擊前，需要確定模型的穩定性。當最優滯后階數為1時，AIC和SC信息準則最小，且AR根圖顯示為圖1，此時模型所有根模的倒數都小于1，模型穩定。進一步地，構建變量間的VAR模型進行一般沖擊，探討提煉出的三個公共影響因素隨機擾動對農民收入的動態影響，結果如圖2。

圖2顯示的結果說明：①廣東農村居民人均可支配收入對由農業發展內部因子產生的沖擊一直呈現正效應，滯后6期時達到頂峰，但隨著滯后期的延長，正效應逐漸下降，趨于零水平;②農業生產發展外部因子的沖擊會在短期內對廣東農村居民人均可支配收入產生正向效應并在滯后2期達到頂點，滯后4期結束，正效應轉為負效應，廣東農村人均

可支配收入情況出現惡化，但負效應逐漸趨于零，變得越來越不明顯;③農業科技因子的沖擊對廣東農民可支配收入一直呈正向效應，在最初的滯后2期內效應明顯，迅速拉動了廣東農民人均可支配收入增長，在滯后4期時正向效應逐漸下降，于滯后8期開始趨于平穩，最后也逐漸收斂于零。

5. 方差分解

圖5給出了農業發展內部因子、農業發展外部因子以及農業發展科技因子對廣東農民人均可支配收入的方差分解圖?？梢钥闯?，FY自身的貢獻率隨著滯后期的延長逐漸下降，且前期下降速度很快，在4期內迅速降到40%以下，滯后16期時降到10%以下;F1的貢獻率呈現出增加的趨勢，但增加速度略有不同，開始2期內較為緩慢，2至4期內上升速度加快，在滯后10期時開始趨于平穩，逐漸穩定在20%左右;F2的貢獻率前期平穩上升，滯后6期時達到頂峰，后逐漸穩定在18%左右;F3與F2在最初4期內趨勢相似，在滯后4期時達到第一個頂峰，但上升速度明顯更快，在滯后5期時達到40%水平，并有繼續上升的趨勢。

四、結論與對策建議

本文主要結論為：1. 1992-2017年間廣東農民人均可支配收入受多個因素影響，這些高度相關的因素可以提煉為農業發展內部因子、農業發展外部因子和農業發展科技因子三個公共影響因子。2. 廣東農民人均可支配收入與這三個公共影響因子之間存在著長期均衡關系：（1） 農業發展內部因子對廣東農民人均可支配收入具有持續且較明顯的正向影響，但隨著時間的推移，正向影響力逐漸減弱;（2） 農業發展外部因子在對農民人均可支配收入產生短暫的正向沖擊后，出現負效應，逐漸抑制農民收入的增長，但影響力也隨著時間推移而減弱;（3） 農業發展科技因子在前期對農民收入的正向效應非常明顯，短期內可以迅速拉動農民收入增長，但同樣隨著時間的推移，影響力逐漸減弱，并趨向于穩定在一定的水平。這可能是因為科技的發展在短時間內可以迅速引起農業生產方式的變革，但農村地區在短期內無法構建起科學的經營模式，沒有使農業科技成果順利的轉變為持久的農業生產實際力，導致科技效應隨著時間而減弱;（4） 三個公共影響因子對農民收入增長的貢獻率都比較明顯，農業發展內、外部因子的貢獻率相差不大，對農民收入影響的趨勢也相似，而農業發展科技因子對農民收入增長具有的作用顯著大于農業發展內、外部因子。總的來說，各公共影響因子可以通過反向修復機制達到長期均衡。

基于以上研究結論，本文對如何促進廣東農民增加收入提出如下對策建議：

第一，加大政府對農業的投資力度。政府對農業的投資對農民收入增長在短期內會產生強大的拉動作用，并間接促進人力資本的提升和科技的發展，所以可以從加大對農村地區生產設備、教育以及科技方面的投資入手，促進農民增收。

第二，鼓勵科技創新，引進人才。農業科技發展對農民收入的拉動作用是持久的，而科技的本質是人才，將科技創新和人才引進策略貫穿到農業生產的各個階段，有助于提高農業產業的綜合效益，進而促進農民增收。

第三，創新農業發展模式?？萍嫉膭撔乱涞綄嵦帲捅仨氂邢鄳闹贫取巴寥馈碧峁I養，創新農業發展模式有助于將農業科技成果轉化為實際的持久農業生產力，消化科技創新對傳統農業的沖擊，擴大農業科技進步對農民增收的正向效應。

參考文獻：

[1] Brian C Briggeman， Allan W Gray， et al. A New U.S. Farm Household Typology： Implications for Agricultural Policy[ J ]. Review of Agricultural Economics， 2007（04）：765-782.

[2] Huiqing Liu. Increased Farmer Income Evidenced by a New Multifunctional Actor Network in China[ J ]. Agronomy for Sustainable Development ， 2014（34）： 515-523.

[3] Iddo Kan， Ayal Kimhi， Zvi Lerman. Farm Output， Non-farm Income and Commercialization in Rural Georgia[ J ]. Journal of Agricultural and Development Economic， 2006（03）：276-286.

[4] Kashiwa. Chiba. Impact of Farmer Field Schools on Agricultural Income and Skills[ J ]. Journal of International ，2013（25）：362-381.

[5] LU Qian. Farmer Income Differential in Regions[ J ]. Chinese Geographical Science， 2006 （03）：199-202.

[6] Robert. Mendelsohn. Climate and Rural Income[ J ]. Climatic Change， 2007，81（01）：101-118.

[7] 方桂堂.農民增收的多維路徑及當下選擇：北京個案[ J ].三農新解，2014（03）：96-104.

[8] 郭燕枝，劉旭.基于格蘭杰因果檢驗和典型相關的農民收入影響因素研究[ J ].農業技術經濟，2011（10）：92-97.

[9] 康江江，寧越敏，等.中國集中連片特困地區農民收入的時空演變及影響因素[ J ].中國人口·資源與環境，2017，27（11）：86-94.

[10] 穆紅梅.論農民收入及其影響因素——以福建省為例[ J ].人口與發展， 2016，22，125（02）：66-73.

[11] 辛嶺，王艷華.農民受教育水平與農民收入關系的實證研究[ J ].中國農村經濟，2007（01）：93-100.

（責任編輯：李韻婷）