我国农业机械总动力对农产品出口的动态效应——基于VAR模型的分析

刘双芹,冯　洁

(河海大学商学院,江苏 南京　211100)

我国农业机械总动力对农产品出口的动态效应——基于VAR模型的分析

刘双芹,冯洁

(河海大学商学院,江苏 南京211100)

摘要：在1981—2013年相关经济数据的基础上,运用向量回归(VAR) 模型方法,从实证角度分析了我国农业机械总动力和农产品出口之间的动态关系。各项检验结果表明,我国农业机械总动力和农产品出口之间存在双向因果关系,适合建立向量回归模型。采用VAR模型、脉冲响应分析和方差分析方法,对农业机械总动力和农产品出口之间的动态响应关系进行计量研究,结果表明我国农业机械总动力对我国农产品出口具有长期的正影响。

关键词：农业机械总动力;农产品出口;向量自回归模型;脉冲响应;方差分析

自从我国加入世界贸易组织,农产品出口量迅速增长,但2011年来,农产品出口额增长速度明显放缓。我国农产品出口额的变化根本上取决于其在国际市场上的供求关系,但还有许多其他复杂的原因。一方面,2008年的金融危机,各国经济的自我保护意识加强,技术、绿色等贸易壁垒的大量涌现,成为我国农产品出口的重大阻碍[1]。另一方面,人民币的升值削弱了我国农产品出口的价格优势,利润的降低也给农产品企业带来不小的压力。而近年来中国不断出现的食品安全问题,也在很大程度上削弱了国际消费者对我国农产品的消费信心。要从根本上改变这种局面,必须提高我国农业科技水平,改进我国农产品的质量,增强国际竞争力。农业机械化水平的提高对农业科学技术水平的持续发展具有重要意义,提高农产品质量和降低生产成本是促进农产品出口进程中必须解决的重大问题。

农业机械化是现代农业发展的物质基础,是新农村可持续发展的重要内容。许多学者认为农业科学技术和农业机械化的发展对农业经济有着重大影响。Potter等[2]认为不同的技术水平和不断的农业科学技术创新是传统农业和现代农业的区别,农业结构的不断调整变化也是为了更好地实现农业科学技术的变革。张丽莉[3]认为许多发达国家通过科学技术规划,加大农业科学技术投入和不断推广,极大促进了农业科学技术的创新,这对我国农业科学技术发展具有十分重要的借鉴意义。樊胜根[4]通过建立相关的系数模型,研究农业科技投入对农业经济效益的影响,结果表明我国科研投入的效益较高,达到50%～170%。黄季焜等[5]通过计算我国在农业科技方面投入的回报率,发现在市场开放的情况下回报率为59.6%,高于市场不开放状态下的55.8%。罗序斌等[6]认为由于我国农产品贸易的不断发展,市场的不断开放,我国农产品在努力出口国外时,国外也有大量农产品涌入国内。而我国农产品长久缺乏国际竞争力,一直受制于国际农产品,农业科技进步是亟待解决的问题,科技才是农业发展的原始动力。

向量回归模型VAR模型自从被用来解决经济问题,就被广泛应用于解决实际问题之中。王孝松等[7]利用月度数据研究了国际农产品价格对中国农产品价格的冲击,发现不同种农产品对国际农产品价格的冲击反映有一定的差异。梁平等[8]在VAR模型的基础上,采用1971—2005年我国农业有关经济年度数据,研究出我国经济增长和科技投入有一定的双向关系,并且长期关系更加稳定。李跃[9]通过建立向量误差修正模型,认为农业科技投入和农业产值不仅有长期因果关系,短期因果关系也很显著,从短期角度看,农业科技对农业产值的影响小于农业产值对农业科技的反哺能力。

本文在有关研究的基础上,将农业机械总动力和农产品出口纳入一个动态系统中以分析两者之间的影响程度,通过建立VAR模型,研究农业机械总水平对我国农产品出口的影响。

1理论模型和数据

1.1　理论模型

表1　各变量的ADF检验

自Sims[10]在1980年将VAR模型引入经济系统的动态分析中后,VAR模型被广泛应用于预测彼此之间有一定联系的时间序列,解释一定的冲击对经济活动造成的影响。VAR模型的数学表达式为

(1)

式中:yt是内生变量列向量;xt是外生变量向量;A1,A2,…,Ap和B1,B2,…,Br是待估的系数矩阵;εt是误差向量。随机扰动项之间可以相关,但不允许自相关[11]。

1.2　数据选取

我国农业机械总动力(SC)受自然、技术、经济等许多复杂因素影响,不适合采用因子分析。时间序列数据是最为常见的经济数据,所以本文采用1981—2013年我国农业机械总动力(107W)的时间序列,数据来自历年《中国统计年鉴》。农产品出口状况(EX)用我国农产品出口数量(亿美元)来表示,数据来自联合国数据库。此外,为了消除数据中的异方差影响,对SC数据取对数,LNSC表示我国农业机械总动力的对数,LNEX表示农产品出口状况的对数,利用Eviews8.0对数据进行计量分析。

2实证研究

2.1　平稳性检验

VAR模型要求时间序列变量是平稳的,在分析农业机械总动力和农产品出口数量之间的关系时,首先要对这两组时间序列数据进行平稳性检验。本文采用ADF检验方法对变量单位根进行平稳性检验,检验结果如表1所示,表1中c代表含截距项,t代表含趋势项,n代表滞后阶数,其取值根据AIC和SC准则决定,D代表一阶差分LNSC和LNEX的原序列在显著性为10%条件下无法拒绝原假设,但LNSC和LNEX的一阶差分在显著性为1%的水平下对应的统计量均小于临界值,P值也远远小于0.05,检验可以拒绝原假设,说明两个变量的一阶差分序列不存在单位根,是平稳的,即数据通过平稳性检验。

2.2　格兰杰因果检验

对变量LNSC和LNEX进行Granger因果检验,由AIC法则在滞后阶数选8显著性为10%时,LNSC与LNEX存在互为双向的格兰杰因果原因,如表2所示,表明我国的农业机械总动力和农产品出口数量两者之间相互影响。

表2　格兰杰因果检验

2.3　VAR模型的构建

序列LNSC和LNEX通过了平稳性检验,但在建立VAR模型之前还需要确定序列的滞后阶数,借助Eviews 8.0,对农业机械总动力与农产品出口额的滞后阶数进行判断,结果如表3所示,拟然比，最终预测误差，AIC、SC、HQ信息准则的值以及这5个评价统计量各自给出的最小滞后期,用*表示。结果显示该模型的滞后阶数是2阶,R2和调整后的R2分别是0.999 370和0.999 273,因此可以说该模型具有较强的解释能力。VAR模型通过了F检验,AIC信息准则和SC信息准则也符合要求,即该模型成立。

运用Eiews 8.0,构建的VAR模型的自回归向量方程如下:

LNSC=0.968 801LNSC(-1)-0.138 273LNSC(-2)-0.251 747LNEX(-1)+0.481 969LNEX(-2)-1.486 354

(2)

LNEX=1.695 820LNEX(-1)-0.693 482LNEX(-2)-0.013 195LNSC(-1)+0.057 780LNSC(-2)+0.030 366

(3)

由式(2)可知,前1期的机械总动力对当期机械总动力的影响为正,前2期机械总动力对当期机械总动力的影响为负,表明机械基础水平对机械总动力的影响较大,并且影响逐渐明显。农产品出口系数在滞后1期是负,在滞后2期为正,且系数和为正值,表明在短期内农产品出口和机械总和的关系可能是负相关,但从长期看两者还是正相关的关系。

由式(3)可以得出,前1期机械总动力对农产品出口的影响为负,前2期机械总动力对农产品出口影响为正,且系数和为正值,说明两者长期呈现正相关关系。

不稳定的VAR模型不能够运用脉冲响应函数进行分析。对建立的VAR模型进行稳定性检验,见图1。在单位圆曲线之内,该模型的特征根都小于1,存在于单位圆中,表明该模型稳定,可以进行脉冲响应函数分析。综上,建立LNSC与LNEX互动关系的VAR模型的拟合效果好,且具有较强的解释能力。

图1　VAR模型的稳定性检验

滞后期对数似然函数最大值准则拟然比最终预测误差AIC信息准则SC信息准则HQ信息准则0-9.0436020.0073430.7616280.8559240.7911601108.8258211.35202.86×10-6-7.091431-6.808543-7.0028342117.900815.02070*2.02×10-6*-7.441432*-6.969950*-7.293770*3118.70171.2151612.56×10-6-7.220804-6.560730-7.0140774123.72006.9218172.44×10-6-7.291033-6.442367-7.025241

2.4　脉冲影响分析

VAR模型难以阐述计量结果的经济含义,需要通过脉冲响应函数对建立的VAR模型进行解释。脉冲响应函数描述了内生变量对误差变化大小的反应,即用于衡量来自随机扰动项的一个标准差大小的冲击对内生变量当期值和未来值的影响。相比VAR模型的系数,脉动响应函数可以更好地反映序列之间的动态关系,分析一个变量对另一个变量带来的冲击影响。基于已经建立的VAR模型,进一步通过脉冲函数来分析机械总动力和农产品出口状况的动态响应。图2是脉冲相应曲线图,上下曲线是响应函数加减2倍标准差的偏离带,同时将该模型冲击作用的滞后期设定为10期。

图2　脉冲响应函数曲线

2.4.1农业机械总动力对其自身变动的响应情况

从图2(a)可以看出,脉冲响应LNSC的自身冲击长期存在上升趋势,对其自身的第1个标准差新息立刻做出正向反映,在开始的1～6年内,对其自身产生了一个高强度的正向响应,在第9年正影响的效果达到最大,并且呈现出稳定收敛的现象,表明农业机械总水平越高,越有利于以后年度农业机械总动力的增加和提升。

2.4.2农业机械总动力对农产品出口的响应情况

从图2(b)可以看出,农业机械总动力和农产品出口之间存在长期的关系,响应函数值最大偏离为第10年的0.01,而正负两倍标准差偏离带分别是不断上升的正影响和不断下降的负影响,表明农业机械总动力影响较为复杂,呈现调整状态。

2.4.3农产品出口对农业机械总动力的响应情况

从图2(c)可以看出,农业机械总动力给农产品出口新息一定的冲击,农产品出口在第1年做出正响应但响应强度并不高,甚至在第2年和第3年这种正响应出现略微的下降趋势,之后正响应开始持续增长,在第10年达到最高。这表明农业机械总动力和农产品出口之间存在紧密的关系。短期来看农业机械总动力的提高并不会带来相应程度农产品出口额的增加,但从长期来看,农业机械总动力水平的提高对农产品出口具有一定的促进作用,这一现象说明农民接受农业机械化的进步需要一定的时间,但当农民接受和学习了机械化生产之后,农产品产量带来较为明显的上升,出口量也会随之大量增加。

表4　农业机械总动力和农产品出口的方差分解情况

2.4.4农产品出口对其自身变动的响应情况分析

从图2(d)可以看出,农产品出口对其自身一个标准差新息的冲击在第1年产生较大强度的正向影响,并且该影响达到最大值,第1年至第2年正向效应开始出现幅度较小的下降,从第2年到第10年幅度下降较大,第10年正影响仅为0.009。这一现象表明由于我国土地资源是有限的,农业产值也是有限的,所以农产品出口额的增长幅度也会不断放缓。

2.5　方差分解

方差分解把每个内生变量按成因分解，可以计算出其对各变量变动的贡献度。以本文建立的VAR模型为基础,对LNSC和LNEX进行方差分解,分析农业机械总动力和农产品出口对自身和对方变化的贡献度,如表4所示。

LNSC的方差分解分析表明,LNSC受自身的影响比较大,在第1期只有LNSC自身对预测均方差有贡献,前10期的贡献度高达97%;农产品出口对农业机械总动力有一定的贡献度,但在初期贡献度很小,第2期才显示出0.16%,但贡献度比率持续增长,到第10期已达2.64%,说明农业机械总动力的影响大部分是自身变化带来的,农业机械总动力的自我积累对其自身影响显著,农产品出口对农业机械总动力贡献相对间接,有一定的滞后效应,然而随着时间发展影响不断显著,需要引起注意。

LNEX的方差分解表明,农产品出口从第1期就受到自身以及农业机械总动力的影响,随着期数的增加,自身影响开始减弱,而农业机械总动力的影响在不断上升并最终稳定在17%左右,贡献度增长近12倍,说明农业机械总动力对农产品出口具有较强的影响,该影响反应快且直接,农业机械总动力的不断改进,使得农业生产结构不断优化,效率不断提高,可以更好地促进农产品的出口。根据实证数据,我国农业机械总动力和农产品出口相互之间具有比较强的长期正向影响,因此我国应该加大科技投入,培养科技人才,从各方面提高我国的农业机械总动力,才能长远的维持这种正向拉动效应。

综上所述,VAR模型进行的方差分析和脉冲响应分析得出的结论基本相同,农业机械总动力对农产品出口的贡献度大于农产品出口对农业机械总动力的贡献度。农产品出口并没有依托其较快的增长对农业机械总动力带来的强大推动力,这与新农村建设中推进机械化建设的思路不符,原因在于我国农产品出口并没有形成一个完整的产业体系,政府干预较少,行业中也没有有力的领导者和指挥者,使得在农产品出口带来的收入中,只有较少部分的资金得以反哺农业,农业机械化的发展滞后于农产品出口的发展速度。

3实证结果与对策建议

3.1　实证结果

本文通过建立VAR模型,并运用格兰杰因果关系检验、脉冲响应函数分析和方差分解分析来研究我国农业机械总动力和农产品出口之间的动态关系。结果显示,我国农业机械总动力和农产品出口之间具有双向的格兰杰因果关系。从相互贡献看,机械总动力对农产品出口发展的贡献较大。并得出以下结论:①农业机械总动力和农产品出口两者之间互为格兰杰原因,两者联系紧密。②通过脉冲响应函数分析结果显示,两者存在较稳定的长期关系,农产品出口对农业机械总动力带来的冲击反应较大,从第3期开始出现较快速的增长,这表明农业机械化的推广,农民接受和适应需要一定时间,从而产生了一定的滞后影响。③方差分解分析结果表明,两者都具有长期的正向影响,农业机械总动力对农产品出口的贡献作用是显著的,带来的影响反应迅速且相对直接,但农产品出口对农业机械总动力的贡献相对间接,带来的影响也相对滞后。

3.2　对策建议

3.2.1政府提高对农业机械总动力的重视

首先,政府应加大对农业机械化的重视,不断推动农村机械化水平的提高,着重解决农业机械化和农产品出口的互动性,加大新农村建设力度,引导资金对农业机械化的投入,提高农业机械化对农产品出口发展的贡献率。其次,政府必须制定提高我国农业机械总动力的长期政策,建立有效的农业机械投入和研究机制,形成完善的农业机械化种植,避免农业机械化发展仅仅是拥有几台机械设备的肤浅形式。只有不断持续地加大农业科技的投入,提高我国农业机械总动力,才能更好地提高农产品出口竞争力。第三,要借鉴和吸收发达国家的经验教训,建立与我国农业科技相适应的政策和法规,不断探索新的机制和模式。

3.2.2提高我国农产品出口的产业化水平

我国农业一直是小规模、粗放的经营模式,这也一直束缚着我国农业产业化水平的提高,造成农业收益的分散性,无法真正实现收益反哺农业。面对竞争日益激烈的农产品市场,我国农产品应该转变以往的发展经营模式,走产业化生产的道路。重点发挥农业行业协会指挥者的作用,先发展一批有实力、有带头能力的大型企业,从政策、税收和资金上给予扶持和帮助,在这些龙头企业的带动下将企业、农业基地和农户发展为一体,这不仅可以形成一个完整的产业链,带来更大的收益,还可以集中提高收益的利用率,缩短农产品出口对推进农业机械化发展的滞后影响,使得农业资金实实在在反哺农业。农业机械总动力提高,生产出更优质的农产品,从根源上解决我国农产品竞争力不强的问题,农业由此可以形成一个从产到销的系统的良性循环。

3.2.3加强农业自身队伍建设

农业机械总动力对农产品出口的正向拉动影响之所以在初期增长比较缓慢,反映了农民对农业机械化的接受和学习都需要一定的时间。为了改善这一现象,需要加强农民自身队伍建设,不断开展农业科技交流会等农业科技活动,拓宽农民视野,调动生产的积极性,并普及教育和相关专业知识,增强农民的接受能力,缩短接受时间,从而改进农业生产技术,提高农产品质量,扩大出口。

4结语

综上所述,我国农业机械总动力和农业产品出口两者关系密不可分,具有相互的正向影响。因此,充分了解我国农业机械总动力和农产品出口之间的动态效应,才能较好处理两者之间的关系。不断提高农业机械化水平和农产品质量,在带来收益的同时也注重反哺农业,从而形成一个良性循环。

参考文献：

[1] 陈路.技术性贸易壁垒对我国农产品出口的影响及对策[J].商贸纵横,2015,18(12):45-47.

[2] POTTER C,TILZEY M. Agricultural policy discourses in the European post-Fordist transition:neoliberalism,neomercantilism and multifunctionality[J]. Progress in Human Geography,2005,29(5):1-20.

[3] 张丽莉.国外农业科技服务模式及经验探析[J]. 新西部:下旬,理论版,2011,12(3):25-31.

[4] 樊胜根. 科研投资、投入质量和中国农业科研投资的经济报酬[J].中国农村经济,1997,6(2):11-17.

[5] 黄季焜,胡瑞法. 中国农业科研投资:效益、利益分配及政策含义[J].中国软科学,2000,4(9):21-24.

[6] 罗序斌,胡德龙.中部地区农民科技投入与收入增长的实证研究[J]. 科技进步与对策,2011,23(5):45-48.

[7] 王孝松,谢申祥. 国际农产品价格如何影响了中国农产品价格[J]. 经济研究,2012,16(3):18-22.

[8] 梁平,梁彭勇. 我国农业科技投入与农业经济增长关系的实证研究：基于 VAR 模型的检验分析[J]. 贵州财经学院学报,2007,4(2):52-56.

[9] 李跃. 农业科技投入与农业经济发展关系的分析[J]. 中国科技资源导刊,2015,33(1):35-41.

[10] SIMS C A.Macroeconomics and reality[J].Econometrica,1980,35(48):1-48.

[11] 高铁梅.计量经济分析方法与建模[M].北京:清华大学出版社,2012.

(收稿日期：2015-04-21编辑：胡新宇)

中图分类号：F323.3

文献标识码：A

文章编号：1003-9511(2015)05-0019-05

DOI：10.3880/j.issn.1003-9511.2015.05.005

作者简介：刘双芹(1964—),女,江苏南京人,副教授,主要从事经济管理研究。E-mail:fengjieg@163.com