江西省農業生產技術效率、科技創新效率與經濟效益關系研究

賀銀娟

(江西科技學院協同創新中心，江西 南昌 330098)

1 問題提出

農業是百業之基。2021年11月，國務院印發《“十四五”推進農業農村現代化規劃》通知，強調“‘三農’工作是全面建設社會主義現代化國家的重中之重。為貫徹落實《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》，堅持農業農村優先發展，全面推進鄉村振興，加快農業農村現代化。”2022年2月，江西省人民政府印發《江西省“十四五”農業農村現代化規劃》(以下簡稱《規劃》)，《規劃》從夯實農業生產基礎、推進科技與機制創新等9個方面提出了具體措施。通過推進農業科技與機制創新，不斷提升農業質量、效益和競爭力。強化現代農業科技支撐，打好種業翻身仗，增強農業裝備研發與應用能力，創新現代農業經營機制。

江西省作為全國糧食主產區之一，其農業資源十分豐富。為了大力推進產業優質化、特色化、品牌化發展，加快推動從江西省農業大省向農業強省的邁進，研究通過搜集整理江西省2000—2020年有關農業生產效益、農業生產技術效率與農業科技創新效率的數據，結合相關學者的研究，構建指標體系，運用VAR模型研究江西省農業生產效益、農業生產技術效率及農業科技創新效率之間的關系，為提升江西省農業農村現代化水平和推動江西省農業高質量發展、推動產業融合發展提供理論支撐和政策建議。

2 研究方法與數據來源

2.1 研究方法：向量自回歸模型

向量自回歸模型，簡稱VAR模型，是一種常用的計量經濟模型，美國經濟學家Christopher Sims于1980年提出的[1]。VAR模型通常用于描述多變量時間序列之間的變動影響關系，其最大的優點就是建模不需要強的經濟理論作為基礎，僅需從數據出發即可建立模型，因此被廣泛用來進行經濟指標分析與預測。

向量自回歸模型的數學表達式：

Yt=φ0+φ1Yt-1+φ2Yt-2+…+φpYt-p+BXt+εt

t=1，2，…，T

式中，Yt代表k維內生變量列向量；Yt-i，i=1，2，…，p為滯后的內生變量；Xt表示d維外生變量列向量，可以是常數變量、線性趨勢項或者其他非隨機變量；p是滯后階數；T表示樣本數目；φi即φ1，φ2，…，φp為k×k維的待估矩陣；B表示k×d維的待估矩陣；εt～N(0，∑)表示k維白噪聲向量，Σ是εt的協方差矩陣，是一個k×k的正定矩陣。

2.2 指標選取和數據的來源

依據指標選取的綜合性、客觀性、可度量性及可獲取性等特點，構建衡量江西省農業生產經濟效益、農業生產技術效率及農業發展創新效率的指標體系，如表1所示。研究中所用數據來源于2000—2020年《江西省統計年鑒》《中國科技統計年鑒》。

2.2.1 農村生產經濟效益(CE)

為保證研究的科學性，消除因計量單位帶來的影響，選取指標采用熵權法賦權重，以各年綜合評分來代表江西省農村生產經濟效益，結果如表2所示。

表1 農業技術效率、農業科技創新與農業綜合效益指標體系

2.2.2 農業生產技術效率(TE)

參考徐瓊[2]、曹明霞等[3]、周妍宏[4]研究中所采用的數據包絡分析法計算江西省農業生產技術效率。產出指標為江西省農業總產值；投入指標包括江西省農業機械總動力、農業實際機耕面積、農作物總播種面積、農作物化肥施用量及有效灌溉面積。

2.2.3 農業發展科技創新環境(IE)

在參考陳鳴等[5]、楊秀玉[6]、常文濤[7]、黃龍俊江[8]所選取的農業發展科技創新指標基礎上，將江西省第一產業中農業商品產值與農村住戶人均可支配收入作為江西省農業科技創新產出績效指標；農業R&D人員全時當量、農業R&D經費內部支出、企事業單位專業技術人員農業技術人員、高校農業科學人力資源情況及高校本科層次農學畢業生指標作為江西省農業科技創新投入要素，同樣采用數據包絡分析進行效率測算，并以此作為衡量江西省農業科技創新效率的指標，其中，江西省農業R&D人員全時當量與農業R&D經費支出均采用全省R&D數據與農業總產值占地區總產值比重相乘換算所得。

3 實證分析過程

研究將農業生產經濟效益(CE)作為因變量，自變量為農業生產技術效率(TE)和農業科技創新效率(IE)，運用向量自回歸VAR模型探究2000—2020年三者間的相互影響，為不斷提升江西省農業高質量發展提供參考。

3.1 變量時間序列的平穩性檢驗

一般來說，對于VAR模型的平穩性檢驗，通常選用ADF(Augmented Dickey-Fuller)檢驗。檢驗的顯著性水平分別為1%、5%、10%，原假設為變量序列存在單位根。若P值>顯著性水平，則認為不能決絕原假設，即該時間序列存在單位根，屬于非平穩序列；若P值<顯著性水平，則拒絕原假設，即該時間序列當中不存在單位根，其為平穩性序列，適合運用VAR模型分析[9]。檢驗結果如表2所示。

結果表明，原序列進行單位根檢驗后，顯著性水平為1%、5%和10%的情況下，P值均大于所有顯著性水平，不拒絕原假設，表明原序列均存在單位根，判定為非平穩序列；對變量序列做一階差分處理，一階差分序列檢驗結果P值<1%，此時拒絕原假設，即各序列均均不存在單位根，均為平穩序列。據此，可以建立VAR模型，且變量序列CE、TE和IE之間可能存在協整關系。

表2 時間序列的平穩性檢驗結果

3.2 VAR回歸模型

通過ADF檢驗，發現變量CE、TE和IE的一階差分序列均為平穩序列，滿足建立VAR模型對于數據序列的平穩性要求。

利用Eviews軟件確定VAR模型最佳滯后期，結果如表3所示。

根據VAR模型最佳滯后期的確定結果可知，當FPE、AIC、SC和HQ在滯后期為2的情況下值最小。因此，VAR模型確定的最佳滯后期為2。

進一步對VAR模型的穩定性進行單位圓檢驗，結果如圖1所示。所有AR特征方程的特征根倒數的絕對值都小于1，且圓點均落在單位圓內，證明所構建的VAR模型是穩定的，可以進行脈沖響應和方差分解分析。

表3 VAR模型最佳滯后期的確定結果

3.3 脈沖響應分析

依據各組變量構建的VAR模型，運算得到變量脈沖響應函數，結果如圖2所示。圖中的實線表示兩變量的脈沖響應函數結果，2條虛線表示該脈沖響應函數結果在2倍標準差范圍之內的波動情況。如圖2a所示，CE對自身在0.04個標準差時其脈沖響應為正，且在t=1時沖擊達到最高點，之后的脈沖響應回落至基本收斂，之后又出現負沖擊效應，但基本保持平穩且有收斂的傾向，這說明江西省前一年農業生產經濟效益的發展水平對于下一年農業生產經濟效益的作用為正向沖擊，有助于下一年農業生產經濟效益的提高，但隨著時間的推移，之前其他年份的農業生經濟效益水平對下年農業生產經濟效益的刺激水平就逐步減弱，且有一定的負向影響。圖2b表明，IE對CE的沖擊影響在t=1時達到最高，t=2時沖擊的負效應最高，之后負沖擊穩定，同時沖擊效應趨于收斂。這表明江西省農業科技創新效率的提升在t=0.5時能夠有利促進江西省農業生產經濟效益的提高，但農業科技創新效率的變化從短期來看，對農業生產經濟效益的促進作用不顯著。如圖2c所示，在t=1時TE對CE的沖擊基本為0，t=2時負向的沖擊達到最大，之后長期維持負效應但趨勢有收斂之勢，同樣表明農業生產經濟效益的變化無法在短期內體現出農業生產技術效率的影響作用。如圖2d所示，IE對CE的沖擊影響為負，說明農業生產經濟效益的變化對農業科技創新效率的提升有負影響，農業科技創新效率的變化從一定程度上擴大了農業生產規模，對農業生產短期經濟效益帶來負向沖擊。如圖2e所示，IE對自身的沖擊在第1期時達到最高，第2期降至最低點，第3期后沖擊效應明顯減弱且趨于收斂。在圖2f中，TE對IE的沖擊效應在第1期時收斂，之后呈現負沖擊，沖擊效應逐漸減弱且趨于收斂，表明隨著江西省農業生產技術效率的提升，農業科技創新的效果日漸凸顯。圖2g表明，在第1期時，CE對TE的沖擊效應為正且趨于收斂。表明當農業生產經濟效益增加時，農民從事農業生產的積極性會提高，加大農業投入，提高產出，因此農業生產技術效率也會得到提升。圖2h表明，IE對TE產生正向的沖擊效應且在第3期達到了最大，之后沖擊效應上下小范圍波動且趨于收斂。表明江西省農業科技創新水平對農業生產技術效率的提升既有短期正向沖擊效應，又有長期的正向沖擊效應。農業科技創新水平的不斷提升，農民使用機器設備、灌溉技術等水平也得以提高，農業技術應用能力的推廣和提升，既刺激了農村居民的生產積極性，使農業種植生產規模擴大，也能大大提升農業經營效率，提升江西省農民生產經濟效益。且從長期來看，國家和地方政府對“三農”發展的不斷鼓勵和支持，也會不斷推動農業科技創新上一新臺階。如圖2i所示，TE對TE帶來的是持續的、較為穩定的正向相應，在較小波動的情況下趨于收斂，表明前期農業生產技術效率的高低直接影響后續農民從事生產的積極性和主動性，體現持續性、穩定性的特點，能夠有效發揮農業先進技術的作用，持續穩定促進農業生產總值的增加。從長期來看，這會激發農業研發者新一輪的農業科技創新浪潮，直接促成國家和社會保持甚至大幅增強對農業科技創新的投入力度。

圖1 VAR平穩性檢驗結果(Graph)形式

圖2 VAR模型脈沖響應結果

3.4 方差分析

脈沖響應分析之后，基于VAR模型的方差分析能夠研究分析出變量系統中每一組變量對不同內生變量變化所做出的貢獻率，衡量這種變化的指標采用方差來說明，從而表明不同變量結構沖擊貢獻的大小[10]。基于CE、TE和IE構建的VAR模型中各內生變量方差貢獻率如表4所示。圖3a表示各變量結構對CE變化的貢獻率。CE對自身的影響貢獻率很大，在t=1時，CE的變化完全取決于其自身前一期的水平的貢獻，之后逐年貢獻率減弱。在t=2時才凸顯出各自的貢獻，且貢獻率較低，IE對CE的沖擊效應力為7.095%，IE對CE的沖擊力在t=3時沖擊效應增長幅度最大，貢獻率提升了123.06%，之后貢獻率穩步提升。而TE對CE變動的貢獻率在t=2時僅有1.904%，充分表明江西省農業生產經濟效益的提升從長期來看主要的貢獻力量之一還是農業生產技術效率，有了農業技術創新技術的推進，農業生產技術效率穩步提升，合力推動農業生產經濟效益的提升，進而提高農民收入水平和生活質量。圖3b體現了各變量結構對TE變動的貢獻率。其中，CE對TE變動的貢獻率明顯高于TE和IE，表明江西省農業生產經濟效益對江西省農業生產技術效率的影響在第1期達到最大，之后的影響力逐漸減弱，但仍是江西省農業生產技術效率變動的主要影響因素。與此同時，江西省農業科技創新水平的高低也會對江西省農業生產技術效率產生影響，相對影響力較弱大，但隨著時間推移，其影響力也在緩慢增強，第10期時江西省農業科技創新水平對農業生產技術效率變動的貢獻率已經超過20%，體現科技創新對農業生產技術的遠期效應。圖3c表示CE、IE和TE對IE變動的貢獻率。第1期時，TE對IE的變動沒有展示明顯的沖擊影響；第1期時CE對IE變動的貢獻率為2.53%；IE變動的主要貢獻者是其自身，之后一期的水平對當期IE變動的貢獻率達到了97.468%，表明江西省農業科技創新效率變動的核心貢獻力量是自身，體現農業科技創新的延續性和發展性。第2期時，TE對IE變動的影響沖擊作用凸顯出來，貢獻率從第1期的0增到了6.23%，遠超CE對IE變動的貢獻率，且隨著時間的推移，影響沖擊作用逐步加強；但CE對IE變動的貢獻率此時較之前有小幅度的上升，到了第3期沖擊力減弱，之后各時期緩慢增長。由此表明，從長期來看，江西省農業生產經濟效益的變動對江西省農業科技創新效率的提升具有一定的沖擊影響，相對弱于江西省農業生產技術效率對科技創新效率變動的沖擊，江西省農業科技創新效率的變化更多是基于前期科技成果的基礎上不斷發展，但隨著農業生產的規模化、機械化、職能化、產業融合性的發展，對科技創新具有明顯的推動作用，充分體現了農業技術生產效率、農業科技創新效率和農業生產經濟效益之間長期的互動影響、促進關系。

表4 各變量不同滯后期下的方差分解結果

圖3 各變量不同滯后期下的方差分解結果

4 研究結論與對策建議

4.1 研究結論

研究通過VAR模型對2000—2020年江西省農業生產技術效率、科技創新效率、經濟效益間實證分析，結果表明，從短期來看，江西省農業生產技術效率、科技創新效率與農業生產經濟效益間的脈沖響應在不同的滯后期存在不同的沖擊效應，沖擊效應有正有負，短期內效果不明顯。從方差分析的結果來看，研究結果的共同點在于，在3種變量結構中，每個變量對于自身變化的貢獻率均是最大的，特別是短期內基本起到了決定性的沖擊效果，相對江西省農業科技創新效率來說，江西省農業生產技術效率與其農業生產經濟效益間的脈沖影響更大一些。從長期來看，其他變量的沖擊影響力均在穩步上升，各變量結構對某一變量變動的貢獻率處于穩定的狀態。江西省農業科技創新水平能夠推動江西省農業生產技術效率的不斷提升，使農業發展適應規模化、信息化、智能化、融合化的健康持續發展需要，從而提高江西省農業生產的經濟效益水平，使農民收入不斷增加和生活水平穩步提升。與此同時，江西省農業生產技術效率的不斷提高，又會對農業科技創新加大投入且提出更高的要求，以此帶動農業生產效率的不斷提升，進而提升農業生產經濟效益。江西農業生產經濟效益的提高又會反作用于農業科技創新及農業生產技術效率，加大農業科技創新的人力、物力和財力的投入，提高江西省農業科技創新的能力和水平，特別是高素質、高水平農業科技創新人才的培養和引進，從而提高江西省農業生產技術效率水平。

4.2 對策建議

政府應繼續加強對農業發展所需人力和資金的投入和引進，培養新農民，不斷提升農業生產技術效率，提高農民生產經濟效益，進而提高農民的收入水平和生活水平。2020年，江西省農作物總播種面積占全國的3.37%，但農業總產值僅占全國農業總產值的2.36%，農業機械總動力占全國2.45%，耕地灌溉面積占全國2.95%，化肥施肥量占比2.07%，第一產業就業人員占全國的比例僅有0.61%。因此，政府應通過政策引導，加快培養新農民的步伐，通過技能培訓和技術服務促進農民掌握新技術、新方法；通過線下指導和線上平臺來培養農民的市場意識，以市場為導向發展新型農業。與此同時，農業發展的規模化、集約化發展也存在資金的短缺問題，政府需加強對農業基礎設施、農業公共服務等方面的支持和調控，引導全社會信貸資金流向，引入國外農業資金，適度放開農村金融和信貸，開拓多種農村金融渠道，以多種方式來滿足江西省農業生產發展對于資金的需要，推動農業機械化、現代化進程，從而提高農業生產技術效率，提升農民生產經濟效益[11]。

持續推進農業科技創新，延伸農產品的精深加工，以創新提升農產品的附加值，大力發展農業生產性服務業，加強產業融合，推動農業高質量發展。科技發展的首要力量就是人，著力健全和加大農業科技人員和科研人才隊伍的建設是江西省農業發展所需解決的重要問題之一；加大農業科技創新制度改革，不斷健全農業科技創新激勵機制[12]；加大農業生產技術的推廣和應用，著力推動特色農業的規模化、機械化、智能化、融合化，不斷提升江西省特色農產品的品質，穩步推進農業品牌建設，打造農產品不斷邁向高質量、高水平，以此拓寬江西省農產品的銷售渠道和網絡[13]。

轉變農業生產方式，推進農業綠色發展，大力發展農業生產性服務業，走現代農業高質量發展之路。傳統的農業生產方式屬于粗放型，且對化肥、農藥等物品投入過多，現代農產品綠色、有機的發展要求，則需要減少化肥、農藥、除草劑等化學物品的過量投入和使用，依托科學技術，構建消耗少、污染少的集約型、精細化的農業生產方式，打造產品安全、資源節約、綠色環保、品質優良的現代化農業[14]。同時，推動江西省農業與鄉村工業、物流運輸業、服務業等農業產業化服務的融合發展，借助互聯網，不斷推動產業的融合發展和農產品的銷售。

加快培養農業與計算機、信息、人工智能等多學科融合的交叉性人才，發揮高校在人才培養、技術培訓和宣傳、服務地方經濟等方面的重要作用，為智慧農業發展提供人才力量。《江西省“十四五”農業農村現代化規劃》中也指出，要整合江西省省內涉農專業的中專、高職、高校等教育資源，加大涉農高校、涉農學科專業的建設力度，培養農業與信息技術、人工智能等學科不斷融合的新型農業人才，做大做強一批農業職業技術院校，滿足農業發展對于人才的需求。同時也通過整合教育資源、優化學科專業，推動涉農人才的培養和新型農民的教育培訓。繼續加強校企合作、校村合作，打造一批產教融合基地，推動農民的職業教育，農業技能培訓以及農業技術推廣，助力江西省農業產業的高質量發展。