農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率與農(nóng)業(yè)經(jīng)濟發(fā)展
——基于向量自回歸（VAR）模型的實證分析

黃龍俊江，劉玲玉，肖 慧，劉小進

（1.廣東海洋大學(xué)管理學(xué)院，廣東湛江 524088；2.華南理工大學(xué)工商管理學(xué)院，廣東廣州 510641；3.江西農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院，江西南昌 330045）

1 研究背景

農(nóng)業(yè)是我國經(jīng)濟發(fā)展的基石，也是關(guān)乎國計民生的重要產(chǎn)業(yè)。目前我國農(nóng)業(yè)發(fā)展存在過度施用農(nóng)藥、化肥以及生產(chǎn)效率低下等問題；大量農(nóng)村勞動力外流導(dǎo)致農(nóng)業(yè)人工成本逐年增高，農(nóng)業(yè)發(fā)展面臨著新的困境。而農(nóng)業(yè)科技創(chuàng)新能改變傳統(tǒng)的農(nóng)業(yè)生產(chǎn)方式，促進農(nóng)業(yè)產(chǎn)業(yè)發(fā)展，推動農(nóng)村實現(xiàn)鄉(xiāng)村振興。現(xiàn)今制約我國農(nóng)業(yè)經(jīng)濟發(fā)展的重要因素之一就是農(nóng)業(yè)科技投入長期不足，農(nóng)業(yè)科技投入低導(dǎo)致農(nóng)業(yè)科技創(chuàng)新能力弱，進而又對農(nóng)業(yè)經(jīng)濟增長造成影響，所以當(dāng)前國際形勢下我國農(nóng)業(yè)經(jīng)濟的高質(zhì)量發(fā)展嚴(yán)重受阻，長期以來我國依靠“化學(xué)農(nóng)業(yè)”來實現(xiàn)農(nóng)業(yè)增產(chǎn)不再能適應(yīng)當(dāng)前形勢下農(nóng)業(yè)發(fā)展的新要求。

黨的十八大以來，黨中央、國務(wù)院高度重視農(nóng)業(yè)科技的發(fā)展，各種農(nóng)業(yè)科技創(chuàng)新成果在農(nóng)業(yè)生產(chǎn)領(lǐng)域的廣泛應(yīng)用對農(nóng)村經(jīng)濟社會發(fā)展的全局性影響逐漸顯現(xiàn)。2017 年農(nóng)業(yè)部印發(fā)的《“十三五”農(nóng)業(yè)科技發(fā)展規(guī)劃》明確要求將科技創(chuàng)新能力大幅提升作為主要發(fā)展目標(biāo)之一。2020 年中央一號文件明確指出，應(yīng)當(dāng)強化科技支撐作用，要求加強農(nóng)業(yè)關(guān)鍵核心技術(shù)攻關(guān)，部署一批重大科技項目，搶占科技制高點，以及采取長期穩(wěn)定的支持方式加強現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)。在農(nóng)業(yè)經(jīng)濟發(fā)展中發(fā)揮科技支撐作用的重要渠道在于強化農(nóng)業(yè)科技創(chuàng)新，科技創(chuàng)新有助于轉(zhuǎn)變農(nóng)業(yè)傳統(tǒng)發(fā)展模式，整體提升農(nóng)業(yè)現(xiàn)代化發(fā)展的質(zhì)量。

農(nóng)業(yè)科技投入是指一個國家或地區(qū)在一定時期內(nèi)每年用于農(nóng)業(yè)科技創(chuàng)新和科技成果轉(zhuǎn)化的總支出［1］。2009 年以來，我國每年農(nóng)業(yè)科技投入占科技總支出的比例始終維持在6.4%～7.4%之間，且還有不斷下降趨勢［1］，農(nóng)業(yè)科技投入不足是嚴(yán)重制約農(nóng)業(yè)經(jīng)濟發(fā)展和農(nóng)民收入增長的重要因素，而通過科技創(chuàng)新，促進農(nóng)業(yè)發(fā)展由要素驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)變，是解決農(nóng)業(yè)發(fā)展動力問題的可行出路。加大農(nóng)業(yè)科技創(chuàng)新的資金投入和農(nóng)業(yè)人力資本的有效利用，有利于快速實現(xiàn)我國農(nóng)業(yè)現(xiàn)代化，促進農(nóng)業(yè)發(fā)展由提產(chǎn)向增質(zhì)轉(zhuǎn)變以及農(nóng)村一二三產(chǎn)業(yè)融合發(fā)展。

關(guān)于農(nóng)業(yè)科技創(chuàng)新，有眾多學(xué)者研究了農(nóng)業(yè)科研投入、農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)經(jīng)濟發(fā)展的因果關(guān)系，并就農(nóng)業(yè)科研對農(nóng)業(yè)經(jīng)濟發(fā)展貢獻(xiàn)不高的原因作出探討，但并未對農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率以及農(nóng)業(yè)經(jīng)濟發(fā)展三者的關(guān)系進行深入探討。農(nóng)業(yè)科技創(chuàng)新是否會影響農(nóng)業(yè)技術(shù)效率呢？三者之間的關(guān)系如何，具體怎么互相影響?這些是值得深入探究的問題。江西省環(huán)鄱陽湖平原、贛撫平原，是我國的糧食主產(chǎn)區(qū)，在國家的糧食安全戰(zhàn)略中具有重要意義，同時江西省也是我國的農(nóng)業(yè)科技“洼地”，只有一所高等農(nóng)業(yè)院校作為農(nóng)業(yè)科技支撐，因此，以江西省為案例研究農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率以及農(nóng)業(yè)經(jīng)濟發(fā)展三者的關(guān)系，可以為國內(nèi)中西部等其他地區(qū)提供參考和借鑒。本研究基于2000—2019年江西省的相關(guān)時間序列數(shù)據(jù)，通過向量自回歸（VAR）模型研究江西省農(nóng)業(yè)科技創(chuàng)新水平、技術(shù)效率與農(nóng)業(yè)經(jīng)濟增長之間的關(guān)系，以期促進江西省農(nóng)業(yè)實現(xiàn)現(xiàn)代化水平提高和農(nóng)業(yè)經(jīng)濟增長。

2 文獻(xiàn)綜述

2.1 農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)經(jīng)濟增長

關(guān)于農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)經(jīng)濟發(fā)展之間的因果關(guān)系，已有研究的觀點主要體現(xiàn)在以下幾方面：第一，農(nóng)業(yè)科技創(chuàng)新可以促進產(chǎn)業(yè)結(jié)構(gòu)非農(nóng)化和高級化，而區(qū)域間的產(chǎn)業(yè)結(jié)構(gòu)非農(nóng)化和高級化存在差異［2］。第二，農(nóng)業(yè)科研財政投入增長促進了農(nóng)業(yè)經(jīng)濟發(fā)展，農(nóng)業(yè)科研財政投入、科研成果對農(nóng)業(yè)經(jīng)濟發(fā)展具有滯后的長期正影響［3］；農(nóng)業(yè)科研財政投入與農(nóng)業(yè)科技創(chuàng)新績效之間存在長期均衡關(guān)系，但農(nóng)業(yè)財政科技投入對提升農(nóng)業(yè)科技創(chuàng)新績效的短期影響更為顯著［4］。第三，農(nóng)業(yè)科技創(chuàng)新可以通過多種途徑，例如增品質(zhì)、調(diào)結(jié)構(gòu)和引領(lǐng)三產(chǎn)融合、發(fā)展適度規(guī)模經(jīng)營、堅持綠色可持續(xù)發(fā)展等舉措實現(xiàn)，從而促進農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革［5］。事實上，已有學(xué)者通過2006—2010 年我國農(nóng)業(yè)科技成果轉(zhuǎn)化資金項目的績效狀況數(shù)據(jù)，證明我國科技進步對農(nóng)業(yè)增長的貢獻(xiàn)率已經(jīng)達(dá)到59.2%［6］。

2.2 我國農(nóng)業(yè)科技創(chuàng)新

黃季焜等［7］認(rèn)為相比于其他發(fā)達(dá)國家，我國總體的農(nóng)業(yè)科技水平還較低；但我國也引入了大量農(nóng)業(yè)科研資金和先進裝備，學(xué)習(xí)借鑒了國外先進的管理理念，提高了國內(nèi)農(nóng)業(yè)科研人員的素質(zhì)［8］?？傮w來看，我國涉農(nóng)企業(yè)科技創(chuàng)新有了長足的發(fā)展，但仍表現(xiàn)出研究機構(gòu)數(shù)量相對不足、研究人員整體素質(zhì)不高以及資金投入不夠等方面問題［9］。我國農(nóng)業(yè)產(chǎn)業(yè)當(dāng)前發(fā)展不充分的現(xiàn)實問題，要從專項創(chuàng)新與特定創(chuàng)新、農(nóng)業(yè)科技創(chuàng)新體系、政府引導(dǎo)與市場機制聯(lián)合三方面解決，同時完善農(nóng)業(yè)科技創(chuàng)新機制［10］。

從地域比較視角來看，我國農(nóng)業(yè)科技創(chuàng)新的區(qū)域差距明顯，各省份農(nóng)業(yè)全要素生產(chǎn)率指數(shù)都大于1，呈增長態(tài)勢，且東部地區(qū)的增長速度高于西部地區(qū)、西部地區(qū)高于中部地區(qū)［11］。楊傳喜等［12］論證了2006—2017 年間東、西部地區(qū)農(nóng)業(yè)科技人力、財力資源扭曲程度較嚴(yán)重，農(nóng)業(yè)科技創(chuàng)新對緩解地區(qū)差異有一定的促進作用。也有學(xué)者就單個省份的農(nóng)業(yè)科技創(chuàng)新作出評價，如陳振等［13］和曾夢玲等［14］分別運用數(shù)據(jù)包絡(luò)分析（DEA）模型和層次分析法(AHP)分析河南省農(nóng)業(yè)科技投入產(chǎn)出效率、湖北農(nóng)墾農(nóng)業(yè)現(xiàn)代化水平，發(fā)現(xiàn)存在農(nóng)業(yè)科技創(chuàng)新水平不高、要素投入存在不同程度冗余等問題，經(jīng)濟發(fā)展與生態(tài)環(huán)境之間的矛盾較為突出。

2.3 農(nóng)業(yè)技術(shù)效率與農(nóng)業(yè)經(jīng)濟增長

農(nóng)業(yè)技術(shù)效率通常用農(nóng)業(yè)全要素生產(chǎn)率（total factor productivity，TFP）來衡量。葉璐等［15］指出，農(nóng)業(yè)全要素生產(chǎn)率是某一時期范圍內(nèi)的產(chǎn)出與土地、勞動力、資本和其他物質(zhì)資料等投入成本的比值，即全部要素投入的平均產(chǎn)出。吳晨［16］實證研究了1985—2006 年廣東省農(nóng)業(yè)經(jīng)濟增長總體上呈上升趨勢，其中全要素生產(chǎn)率對農(nóng)業(yè)經(jīng)濟增長率的貢獻(xiàn)率最大。但農(nóng)業(yè)技術(shù)效率的提升對農(nóng)業(yè)經(jīng)濟增長的促進作用力度隨著時間推移而存在異質(zhì)性，如羅浩軒［17］對1981—2013 年我國農(nóng)業(yè)全要素生產(chǎn)率的測算發(fā)現(xiàn)，2007 年以后農(nóng)業(yè)勞動力和全要素增長率進入下降通道。農(nóng)業(yè)全要素生產(chǎn)率的提高在改變農(nóng)村貧困面貌、優(yōu)化農(nóng)業(yè)勞動力資源配置、推動農(nóng)業(yè)經(jīng)濟增長上有一定的促進作用［18］。提高農(nóng)業(yè)全要素生產(chǎn)率是實現(xiàn)中國農(nóng)業(yè)高質(zhì)量發(fā)展的重要路徑［19］。

農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)發(fā)展的影響是全方位的，提高農(nóng)業(yè)科技創(chuàng)新水平也將進一步推動農(nóng)業(yè)經(jīng)濟的增長與變革。目前這一問題已然受到廣泛關(guān)注，學(xué)界普遍認(rèn)為提高農(nóng)業(yè)科技創(chuàng)新在現(xiàn)代農(nóng)業(yè)經(jīng)濟增長中的作用具有較大的重要性和必要性，但應(yīng)當(dāng)認(rèn)識到，圍繞農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)技術(shù)效率、農(nóng)業(yè)經(jīng)濟增長三者關(guān)系的相關(guān)研究仍然十分有限。本研究將以江西省為例進行實證分析，將《中國科技統(tǒng)計年鑒》中農(nóng)業(yè)科技人員數(shù)量和農(nóng)業(yè)科技財政支出兩項數(shù)值利用熵值法得到農(nóng)業(yè)科技創(chuàng)新指標(biāo)，納入到農(nóng)業(yè)經(jīng)濟增長研究框架，明確農(nóng)業(yè)科技創(chuàng)新在農(nóng)業(yè)經(jīng)濟增長中的作用機制，為促進江西省農(nóng)業(yè)經(jīng)濟增長與產(chǎn)業(yè)經(jīng)濟協(xié)調(diào)發(fā)展提供理論支撐與政策建議；同時利用格蘭杰因果檢驗和VAR 模型考慮農(nóng)業(yè)科技創(chuàng)新、技術(shù)效率對農(nóng)業(yè)經(jīng)濟的因果關(guān)系和長期均衡關(guān)系。

3 研究方法

3.1 數(shù)據(jù)來源與指標(biāo)選取

3.1.1 農(nóng)業(yè)經(jīng)濟發(fā)展水平

參考申紅芳等［20］、呂屹云等［1］的研究，采用農(nóng)林牧副漁業(yè)總產(chǎn)值來表示農(nóng)業(yè)總產(chǎn)值。相關(guān)數(shù)據(jù)來自2000—2019 年《江西統(tǒng)計年鑒》中的農(nóng)林牧副漁業(yè)總產(chǎn)值，考慮到價格因素對農(nóng)林牧副漁總產(chǎn)值的影響，統(tǒng)一換算為2000 年的農(nóng)林牧副漁總產(chǎn)值。

3.1.2 農(nóng)業(yè)科技創(chuàng)新水平

參照楊秀玉［21］、陳鳴等［22］的研究方法，采用財政支出中科技三項支出衡量區(qū)域農(nóng)業(yè)科技創(chuàng)新能力。在已有研究中，農(nóng)業(yè)科技創(chuàng)新投入能力指標(biāo)通常包括國有經(jīng)濟企事業(yè)單位農(nóng)業(yè)技術(shù)人員，農(nóng)業(yè)科技投入的測量常用農(nóng)業(yè)科研機構(gòu)經(jīng)費支出表示，本研究參照常文濤［23］的研究采用農(nóng)業(yè)科技創(chuàng)新人力資本指標(biāo)，以及劉敦虎等［24］的研究采用農(nóng)業(yè)科技機構(gòu)經(jīng)費投入、科研人員數(shù)量等指標(biāo)來衡量。所使用的數(shù)據(jù)來源于2000—2019 年《中國科技統(tǒng)計年鑒》中江西省的企事業(yè)單位專業(yè)技術(shù)人員中農(nóng)業(yè)技術(shù)人員和農(nóng)林牧漁業(yè)專業(yè)技術(shù)人員數(shù)量、高等學(xué)校科技人力資源中的農(nóng)業(yè)學(xué)科人數(shù)、政府部門所屬科技機構(gòu)中的農(nóng)業(yè)行業(yè)科技經(jīng)費支出，以及政府部門農(nóng)業(yè)學(xué)科科技經(jīng)費支出等數(shù)據(jù)。使用熵值法來測量農(nóng)業(yè)科技創(chuàng)新水平，以保證研究的客觀性與科學(xué)性。

3.1.3 農(nóng)業(yè)技術(shù)效率

參照曹明霞等［25］研究中使用的DEA 方法來計算江西省農(nóng)業(yè)技術(shù)效率，將江西省的農(nóng)業(yè)機械總動力、農(nóng)作物播種面積、有效灌溉面積、化肥施用量以及從事農(nóng)業(yè)人口當(dāng)作投入指標(biāo)，將農(nóng)林牧副漁業(yè)總產(chǎn)值當(dāng)作產(chǎn)出指標(biāo)。數(shù)據(jù)來源于2000—2019 年《江西統(tǒng)計年鑒》《中國農(nóng)業(yè)統(tǒng)計年鑒》中江西省農(nóng)業(yè)發(fā)展相關(guān)數(shù)據(jù)。

3.2 計量模型的構(gòu)建

VAR 模型通過把系統(tǒng)中每一個內(nèi)生變量作為所有內(nèi)生變量的滯后值函數(shù)來構(gòu)造模型，可以在一定程度上解決傳統(tǒng)結(jié)構(gòu)化模型中潛在的聯(lián)立性偏誤問題［26］。模型的因變量是農(nóng)業(yè)經(jīng)濟發(fā)展水平（LNGDP），自變量為農(nóng)業(yè)科技創(chuàng)新水平（LNRD）和農(nóng)業(yè)技術(shù)效率（LNCRS）。借助最大似然估計法進行協(xié)整分析，并通過短期向量誤差修正探索農(nóng)業(yè)科技創(chuàng)新、技術(shù)效率與農(nóng)業(yè)經(jīng)濟發(fā)展之間的長期均衡關(guān)系［26］。VAR模型的一般形式為：

4 實證檢驗與結(jié)果分析

4.1 數(shù)據(jù)平穩(wěn)性檢驗

在對時間序列數(shù)據(jù)進行分析時，多個有趨勢的時間序列之間的回歸常常會因為間接和時間相關(guān)而導(dǎo)致原本不存在的回歸關(guān)系，發(fā)生偽回歸使估計和檢驗的統(tǒng)計量產(chǎn)生偏誤。為了排除這種可能，對經(jīng)過對數(shù)化后的時間序列進行ADF 檢驗（augmented Dickey-Fuller test），如表1 所示。結(jié)果顯示，所有序列的ADF 檢驗在1%的顯著性水平下都不能拒絕原假設(shè)，說明本研究的樣本變量全部是非平穩(wěn)的，但其一階差分在相同置信水平下都是平穩(wěn)序列，因此所有變量均為一階單整序列，互相之間為同階單整關(guān)系。

表1 變量的單位根檢驗

4.2 模型滯后期選擇

在樣本變量的VAR 模型滯后期選擇中，以AIC、HQIC、SBIC 值為標(biāo)準(zhǔn)判斷最佳滯后期數(shù)。如表2 所示，當(dāng)滯后階段為2 的時候，AIC、SBIC，HQIC 具有10%的顯著性水平，且對數(shù)似然值最大，可知最佳滯后長度是2 期。

表2 變量向量自回歸模型的最佳滯后期選擇

4.3 向量自回歸結(jié)果

以2 階為滯后階數(shù)構(gòu)建樣本變量的VAR(2)向量自回歸模型回歸結(jié)果如表3 所示。由表3 可知：（1）農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率和農(nóng)業(yè)經(jīng)濟發(fā)展變量在滯后2 期時對當(dāng)期分別具有5%、10%和10%顯著性水平上的正向影響，三者均具有自我提升能力。（2）農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)技術(shù)效率、農(nóng)業(yè)經(jīng)濟發(fā)展均存在促進作用，在滯后2 期時分別對二者在10%、5%的顯著性水平上存在正向促進作用，但對應(yīng)的系數(shù)偏低，表明當(dāng)前農(nóng)業(yè)科技創(chuàng)新水平較低，對農(nóng)業(yè)經(jīng)濟發(fā)展的促進效果較??；農(nóng)業(yè)技術(shù)效率在滯后1 期時對農(nóng)業(yè)科技創(chuàng)新具有1%的顯著性水平上的正向影響。

表3 變量向量自回歸模型的回歸估計

4.4 平穩(wěn)性檢驗

VAR 模型只有在滿足穩(wěn)定性前提下才能進行脈沖響應(yīng)函數(shù)分析和方差分析。使用Stata16 對VAR模型進行平穩(wěn)性檢驗，結(jié)果為全部根的值都在圓圈內(nèi)，表明本研究構(gòu)建的VAR 模型較為穩(wěn)定。

4.5 格蘭杰因果檢驗

格蘭杰因果檢驗為區(qū)分變量是內(nèi)生變量或者是外生變量。對上述VAR(2)模型進行格蘭杰因果檢驗，結(jié)果如表4 所示：在滯后階段為2 時，排除變量LNRD 的伴隨概率為0.035（小于0.05），則拒絕原假設(shè)，表明方程組可以全部接受LNRD 的滯后變量，即在滯后2 期和顯著性水平為5%的情況下，LNRD是LNCRS 的原因，說明農(nóng)業(yè)科技創(chuàng)新投入的增長推動著農(nóng)業(yè)技術(shù)效率的進步，農(nóng)業(yè)研發(fā)投入的增長能夠有效促進農(nóng)業(yè)先進技術(shù)的創(chuàng)新和應(yīng)用，在市場環(huán)境相對穩(wěn)定條件下將必然提升傳統(tǒng)農(nóng)業(yè)技術(shù)的使用效率。同理可推得，在顯著性水平為10%的條件下，LNRD 是LNGDP 的原因，即在滯后2 期的情況下，農(nóng)業(yè)科技創(chuàng)新投入的增長推動著農(nóng)業(yè)生產(chǎn)總值的增長，說明在資源環(huán)境和市場環(huán)境沒有根本變化的前提條件下，農(nóng)業(yè)研發(fā)投入的增長能夠通過促使農(nóng)業(yè)技術(shù)創(chuàng)新帶動農(nóng)業(yè)生產(chǎn)效率提升，從而實現(xiàn)農(nóng)業(yè)生產(chǎn)總值的大幅度增加；而在5%的顯著性水平下，LNCRS 是LNRD 的原因，說明農(nóng)業(yè)技術(shù)的進步也會推動農(nóng)業(yè)科技創(chuàng)新的投入，按相互作用原理，農(nóng)業(yè)技術(shù)的不斷進步會觸發(fā)農(nóng)業(yè)科技人員的創(chuàng)新原動力，引領(lǐng)國家和社會增大農(nóng)業(yè)科技創(chuàng)新的投入力度。

表4 變量向量自回歸模型的格蘭杰因果檢驗

表4（續(xù)）

4.6 脈沖響應(yīng)函數(shù)

VAR 模型是非結(jié)構(gòu)化模型，不分析單變量的變化對另一變量的單獨影響，而是研究誤差項的變化對系統(tǒng)的整體影響，這種方法為脈沖響應(yīng)函數(shù)分析方法。樣本變量的VAR 模型脈沖響應(yīng)函數(shù)分布結(jié)果如圖1所示，其中實線表示脈沖響應(yīng)函數(shù)，在虛線范圍內(nèi)表示脈沖響應(yīng)函數(shù)在兩倍標(biāo)準(zhǔn)差范圍內(nèi)的變化。

如圖1(i)所示，LNCRS 對自身在0.2 個標(biāo)準(zhǔn)差時正向沖擊到達(dá)最高點，此后便震動下降趨于收斂。如圖1(f)所示，LNGDP 對LNCRS 在0.5 個標(biāo)準(zhǔn)差時正向沖擊帶來LNCRS 所有滯后期的正效應(yīng)，從t=0時直線上升直至t=0.5 時達(dá)到最高點，之后震蕩下降并趨于收斂。如圖1(c)所示，LNRD 對LNCRS 的沖擊在t=1 時為最低點，之后繼續(xù)上升，在t=2 時正效達(dá)到最大，發(fā)生較小波動并逐漸趨于內(nèi)斂，原因是農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)技術(shù)效率的提升產(chǎn)生長期的正向影響，以長期視角來看，農(nóng)業(yè)科技的不斷創(chuàng)新能夠激發(fā)農(nóng)業(yè)生產(chǎn)巨大的發(fā)展空間和潛力，尤其是直接作用于通過農(nóng)業(yè)技術(shù)應(yīng)用與擴散從而實現(xiàn)農(nóng)業(yè)技術(shù)的生產(chǎn)和經(jīng)營效率雙提高，即農(nóng)業(yè)科技創(chuàng)新水平越高，農(nóng)業(yè)技術(shù)的生產(chǎn)效率提高越明顯，同時經(jīng)營效率也會同步顯著提高；但從短期視角來看，由于農(nóng)業(yè)技術(shù)從研發(fā)到推廣存在農(nóng)業(yè)技術(shù)應(yīng)用“最后一公里”問題，造成農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)技術(shù)效率在短時間內(nèi)很難有成效，影響方向不確定。

如圖1(a)所示，LNGDP 對自身在1 個標(biāo)準(zhǔn)差時的負(fù)向沖擊帶來所有滯后期的正效應(yīng)，在t=1 的時候達(dá)到最低點，此后保持平穩(wěn)并趨于收斂。如圖1(g)所示，LNCRS 對LNGDP 在1 個標(biāo)準(zhǔn)差時的正向沖擊帶來正向效應(yīng)，并在t=1 的時候達(dá)到最高點，此后逐年下降，在t=6 的時候趨于平穩(wěn)并趨于收斂，原因在于當(dāng)前農(nóng)業(yè)技術(shù)進步對農(nóng)業(yè)總產(chǎn)值的推動作用有限。如圖1(d)所示，LNRD 對LNGDP 的沖擊在t=6 時達(dá)到最高點，并一直保持正向沖擊趨向收斂，原因在于農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)生產(chǎn)總值保持正向促進作用，但增長過程較為緩慢，從長期視角來看，農(nóng)業(yè)科技創(chuàng)新能夠有效促進農(nóng)業(yè)先進技術(shù)的研發(fā)與應(yīng)用，從而大幅度提升農(nóng)業(yè)生產(chǎn)與經(jīng)營的效率，最終實現(xiàn)農(nóng)業(yè)生產(chǎn)總值的明顯增加，其作用方向是正向的；但從短期視角來看，由于受市場需求誘導(dǎo)的市場價格和氣候條件等內(nèi)外因素多重的影響，加之農(nóng)業(yè)先進技術(shù)應(yīng)用的時滯效應(yīng)，可能對農(nóng)業(yè)生產(chǎn)總值的影響方向難以固定化評判。

如圖1(e)所示，LNRD 對自身在1.5 個標(biāo)準(zhǔn)差時帶來負(fù)向沖擊，在t=1.5 時最低，之后直線上升并一直保持正向效應(yīng)，在t=4的時候波動變小并趨于收斂。如圖1(h)所示，LNCRS 對LNRD 在3 個標(biāo)準(zhǔn)差時的負(fù)向沖擊達(dá)到最低點，帶來負(fù)向效應(yīng)，且長期都是負(fù)效應(yīng)但趨勢內(nèi)斂，原因在于技術(shù)進步的短期發(fā)展對農(nóng)業(yè)科技創(chuàng)新投入無顯著作用。如圖1(b)所示，LNGDP 對LNRD 一直保持較為平穩(wěn)的正向沖擊，在1 個標(biāo)準(zhǔn)差后均保持正向效應(yīng)并趨于收斂，可能的原因在于農(nóng)業(yè)生產(chǎn)總值的平穩(wěn)增長有利于保持農(nóng)業(yè)科技創(chuàng)新的平穩(wěn)投入，這是由于農(nóng)業(yè)先進技術(shù)應(yīng)用與擴散已經(jīng)進入平穩(wěn)期，能夠有效發(fā)揮農(nóng)業(yè)先進技術(shù)的作用，持續(xù)穩(wěn)定促進農(nóng)業(yè)生產(chǎn)總值的增加，從長期來看，這會激發(fā)農(nóng)業(yè)研發(fā)者新一輪的農(nóng)業(yè)科技創(chuàng)新浪潮，直接促成國家和社會保持甚至大幅增強對農(nóng)業(yè)科技創(chuàng)新的投入力度。

圖1 變量向量自回歸模型的脈沖響應(yīng)函數(shù)分布

4.7 方差分解

與脈沖響應(yīng)函數(shù)研究誤差項對各變量的影響不同，方差分解是研究模型中內(nèi)生變量變化形成的原因。樣本變量VAR 模型中各內(nèi)生變量變動的貢獻(xiàn)率的方差分解如表5 所示，其中：

表5 變量向量自回歸模型的方差分解

LNGDP 對其自身的貢獻(xiàn)率很大，從t=0 至t=2顯著上升，從t=2 至t=3 有輕微下降的趨勢，但從t=3 之后維持在較穩(wěn)定的水平。LNCRS 對LNGDP 的短期貢獻(xiàn)率較為平穩(wěn)，在t=4 時達(dá)到最大，之后維持不變。基于農(nóng)業(yè)技術(shù)應(yīng)用的“S”型曲線路徑，即農(nóng)業(yè)技術(shù)效率的發(fā)揮會經(jīng)歷一個技術(shù)應(yīng)用的邊際成本逐步從大于到等于再到小于其邊際效率三階段的變化過程，也即當(dāng)評估或確定農(nóng)業(yè)技術(shù)應(yīng)用的邊際成本小于其邊際效率時，生產(chǎn)者才會真正應(yīng)用此技術(shù)。LNRD 對LNGDP 的短期貢獻(xiàn)較為平穩(wěn)，在t=3 時達(dá)到最大值，之后維持在較穩(wěn)定的水平。從長期來看，LNCRS 和LNRD 對LNGDP 都有貢獻(xiàn)，但LNGDP 對自身的貢獻(xiàn)超過對LNCRS 和 LNRD 的貢獻(xiàn)。

LNCRS 對自身的貢獻(xiàn)率很大，在t=2 的時候上升到最高點，從t=2之后貢獻(xiàn)率一直保持平穩(wěn)的狀態(tài)。LNGDP 和LNRD 對LNCRS 的貢獻(xiàn)率都很小，從t=0開始保持輕微上升趨勢。LNRD 對自身的貢獻(xiàn)在t=3的時候達(dá)到最高值，在t=0 到t=3 的時候是緩慢上升的過程，從t=3 開始維持在不變的水平。LNGDP 對LNRD 的貢獻(xiàn)在t=1 時達(dá)到最高值，之后迅速下降，在t=3 之后下降趨勢變緩，維持在較穩(wěn)定的水平。LNCRS 對LNRD 的貢獻(xiàn)在t=3 時達(dá)到最高值，在t=3之后上升趨勢變緩，長期維持較為穩(wěn)定的水平。

5 結(jié)論與啟示

5.1 結(jié)論

本研究對2000—2019 年江西省農(nóng)業(yè)的科技創(chuàng)新、技術(shù)效率和經(jīng)濟發(fā)展的實證分析表明，農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)進步與農(nóng)業(yè)經(jīng)濟發(fā)展三者之間的關(guān)系較為復(fù)雜，在不同的滯后期相互之間影響不一，不能簡單地總結(jié)為單一的正、負(fù)效應(yīng)；各變量都會對各自后續(xù)發(fā)展帶來影響，如農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)經(jīng)濟發(fā)展的相互效果是正向的，而農(nóng)業(yè)技術(shù)進步對農(nóng)業(yè)經(jīng)濟發(fā)展的相互作用結(jié)果復(fù)雜，在不同時期的作用和方向不一致，原因可能是三者之間的作用機制復(fù)雜，并非完全單向影響；各變量對自身貢獻(xiàn)率最大，且短期內(nèi)貢獻(xiàn)率波動較大，長期內(nèi)趨于穩(wěn)定狀態(tài)，相對于農(nóng)業(yè)技術(shù)進步，農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)經(jīng)濟發(fā)展的貢獻(xiàn)率較大，因此通過方差分析更能解釋三者之間的相互促進力度，但三者促進力度之間的差異也很大。研究得出以下結(jié)論：

農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率與農(nóng)業(yè)經(jīng)濟增長之間存在長期穩(wěn)定均衡的關(guān)系，但農(nóng)業(yè)科技創(chuàng)新投入對農(nóng)業(yè)經(jīng)濟增長的短期影響更為顯著。從長期來看，農(nóng)業(yè)科技創(chuàng)新持續(xù)推進能夠通過農(nóng)業(yè)先進技術(shù)的應(yīng)用與擴散來實現(xiàn)農(nóng)業(yè)技術(shù)生產(chǎn)和經(jīng)營效率的明顯提升，最終促進農(nóng)業(yè)經(jīng)濟的持續(xù)健康發(fā)展，同時農(nóng)業(yè)技術(shù)效率的不斷提高有效提供了農(nóng)業(yè)經(jīng)濟增長的強勁動力，最終也會反作用于農(nóng)業(yè)科技創(chuàng)新的技術(shù)投入，甚至是增強型的技術(shù)投入；但從短期來看，由于市場條件和氣候條件等綜合因素影響，農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)技術(shù)效率的影響方向不穩(wěn)定，對農(nóng)業(yè)經(jīng)濟增長更是方向不明確。農(nóng)業(yè)科技創(chuàng)新和農(nóng)業(yè)技術(shù)進步對農(nóng)業(yè)經(jīng)濟增長的影響在長期內(nèi)持續(xù)提升，但在短期內(nèi)沒有發(fā)生改變，因此必須要長期穩(wěn)定地增加農(nóng)業(yè)科技創(chuàng)新的資金投入，提高農(nóng)業(yè)科技創(chuàng)新能力，培養(yǎng)高素質(zhì)農(nóng)業(yè)科技創(chuàng)新人才，提高農(nóng)業(yè)技術(shù)生產(chǎn)率。

5.2 對策建議

（1）提升農(nóng)業(yè)科技創(chuàng)新的長期效應(yīng)。實證分析結(jié)果顯示，短期內(nèi)農(nóng)業(yè)科技創(chuàng)新對提升農(nóng)業(yè)經(jīng)濟增長的能力較強，但在長期內(nèi)沒有發(fā)生有效作用，這表明農(nóng)業(yè)科技創(chuàng)新對促進農(nóng)業(yè)經(jīng)濟增長的整體能力有待提高，因此，農(nóng)業(yè)科技創(chuàng)新能力要不斷加強，進而實現(xiàn)農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)經(jīng)濟增長的長期效應(yīng)，從而實現(xiàn)農(nóng)業(yè)科技創(chuàng)新投入效應(yīng)最大化。

（2）發(fā)揮農(nóng)業(yè)科技創(chuàng)新經(jīng)費投入的規(guī)模效應(yīng)。實證分析結(jié)果顯示，農(nóng)業(yè)經(jīng)濟增長時難以發(fā)揮規(guī)模效應(yīng)的原因之一在于農(nóng)業(yè)科技創(chuàng)新經(jīng)費投入總體規(guī)模偏小，因此今后要積極提升農(nóng)業(yè)科技創(chuàng)新經(jīng)費投入在學(xué)科經(jīng)費投入中的比重。