卢路
摘要:在农业增长对农村贫困影响因素理论分析的基础上,基于VAR模型和门槛回归模型的动态计量经济方法,本文实证分析了中国农业增长对农村减困的动态影响效应。其中,运用协整技术和VAR模型研究农业增长对农村贫困的长短期影响表明:农业增长与农村贫困存在长期均衡关系,但需要很长一段时间才能有效发挥其减贫效应;以农业增长作为农民收入的门槛变量考察农民收入对农村减贫的影响表明,农业增长对农村贫困具有明显的区间效应。
关键词:农业增长;农村贫困;VAR模型;门槛面板回归
中图分类号:F3201文献标识码:A
一、引言
改革开放以来,中国作为世界上最大的农业国家,农业发展成效显著,用占世界10%的耕地养活了世界上多于22%的人口,农村小康建设水平得到了极大提高,农业综合生产能力和农民的收入水平都得到了极大地改善。但贫困问题还一直困扰着世界各国特别是我国经济与社会的全面发展。
近年来,多功能农业自产生得到国内外学者与决策者的广泛关注,被认为是未来农业的发展趋势。最初在联合国《21世纪议程》中,其含义为粮食安全和可持续发展;后来在WTO谈判中,又包括生态环境、结构调整、农村发展、减轻贫困等议题。AD Goeker et al.(2005)指出,在食物、农业和自然资源系统方面有专门知识的美国大学毕业生的雇佣机会,在接下来的五年内需求预期仍很强烈。每年,来自美国农业和生命科学、林业和动物医学学院的新毕业生,预期大约平均有32 300个新毕业生能在这个系统找到工作;其他工作缺口,大约有17 000个,将被毕业于综合高等教育计划的毕业生所填补,包括生物科学、工程学、商业、健康科学、交流和应用技术。Shida Henneberry and Bailey Norwood(2008)指出,传统的农业被认为只是农业生产,然而现今的农业部门是由许多不同层面组成的巨大产业。对农业感兴趣的人有许多选择机会,包括农业研发、教育和沟通。在农业中,研发是很重要的,这已经在许多方面被证明,比如开发抗害虫作物的新品种、发现更多满足消费者高标准的饲养牲畜的更有效的方法、检验新的以及存在的农场政策的经济可行性或分析农业生产趋势来提供市场预测等。我国学者张培刚(2002)、赵鑫(2006)、李勋来等(2005)、张艳华和刘立(2006)、赵芝俊和张社海(2006)、郭剑雄和李志俊(2009)、陆文聪和吴连翠(2011)等都明确指出人力资本对农业发展的必要性;而While & Anderson(2000)提出农业增长对贫困减少有负效应,其中一半的样本数据来自发达国家。G Fane(2003)在一般均衡模型中得出:“和许多人设想相反,如果给定数额的GDP增长是制造业部门或服务业部门的技术进步引起的而不是农业部门技术进步引致的,那么穷人的境遇会更好”;此外,一些学者指出农业增长减贫需要一定的条件。Mellor(2001)指出农业增长能有效减少贫困,因为除了增加贫农收入外,也产生了对穷人易生产的货物和服务的需求。若土地和收入分配高度不平等,那么土地拥有者不再只是消费小规模的劳动密集型国内制造品和服务,而是会消费资本密集型产品和进口产品,减贫效应弱化。
我国农业正由传统农业向现代农业转变,农业所提供的工作岗位也发生了重要变化。现代农业发展更需要的不再只是传统意义上的种植、养殖人员,而是更需要高层次人才,比如需要懂经济的专业人员来预测未来各类食物的供需,需要懂管理的专业人员来拓宽各类农产品市场,研发的专业人员开发新品种、新技术来促进农业技术进步,懂沟通的专业人员来促进农业技术的推广等。因此,现代农业产业及其相关的生命科学与技术等产业必将具有更迅猛的发展势头,与此同时也将提供更多的就业机会,特别是为农林高校毕业生提供更多机会。
本文采取理论与实证分析相结合的方法,从理论上分析农业增长影响农村减贫的机制;基于中国国家层面和各省面板数据,分别利用VAR计量方法和门槛面板回归方法,分析农业增长对农村减贫的长期和短期影响、贡献度以及区间效应。
二、农业增长对农村贫困的长短期效应
(一)模型设定与估计方法
本文选取农业增长率、农村贫困状况分别作为解释变量和被解释变量;对各变量数据进行对数化处理,以避免改变原来数据的协整关系,增加数据的平稳性,减少了异方差。为此,建立如下VAR动态系统:
lnpt=α0+α1lnyt-z+δt(1)
lnyt=α0+α1lnpt-z+γt(2)
其中,下标t表示年份;p是用来衡量贫困的指标;y表示农业增长率;δt表示农业增长冲击、γt表示贫困冲击;z表示滞后期数。
VAR主要由VAR模型估计、冲击反应图和误差项的方差分析三部分组成。它们分别是用来说明误差项的影响因素大小、变量之间回归关系和观察各变量对冲击的反应情况。
(二)变量度量及数据说明
1.农业增长的度量及数据。选用经计算得到的农业增长率考察其对农村贫困的影响,原始数据来源于1979-2008年历年《中国统计年鉴》。
2.农村贫困的度量和数据。对贫困问题的研究多采用贫困率、贫困深度(Ivanic and Martin,2008)和贫困强度(Dessus et al.,2008)作为衡量贫困的指标。贫困率是测量社会整体贫困状况中最常用的指标。贫困深度是基于贫困人口收入水平(或消费水平)相对于贫困线的累加贫困差距。在贫困率一定情况下,贫困深度越大,说明贫困人口的收入离贫困线越远。贫困强度表明贫困人口群体内部收入水平差异情况。在贫困率、贫困深度一定情况下,贫困强度越大,说明贫困人口人不收入差距较大。本文主要参照高峰、吴石磊、王学真的做法,将贫困率作为衡量贫困的指标,原因在于贫困率对数据要求不高、计算比较简单。数据来源于历年中国农村贫困监测报告。
(三)估计结果分析
1.变量的单位根检验
在进行时间序列分析时,传统上要求所用的时间序列必须是平稳的,否则会产生伪回归问题,所以要先对序列进行平稳性检验。对相应序列变量进行单位根检验是根据ADF检验法,表1为检验结果,其中, lnp和lny在10%的显著性水平下是非平稳的,而Δlnp和Δlny分别在1%、5%显著性水平下显著平稳,即和均一阶单整。
2.协整检验与格兰杰因果关系检验
进行协整检验的原因在于,和为一阶单整序列,不满足VAR模型的平稳性要求。协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系,简单来说就是专门用来处理非平稳数据的,如果两个或两个以上的时间序列都是非平稳的,但它们的某种线性组合是平稳的,那么这些序列变量之间就存在长期的均衡关系,也就是存在协整关系。进行协整检验我们采用Johansen方法,协整检验结果表2可知:变量之间在5%的显著水平下存在一个协整关系。
由于两者之间存在协整关系,需要Granger因果关系检验来进一步考察农村贫困率与农业增长之间的关系。因为因果关系检验要求变量序列均平稳或存在协整关系,所以对上述证明具有协整关系的变量进行因果关系检验。
格兰杰因果关系检验结果表明,在最优滞后期1期内,农业增长是农村贫困率的Granger原因,置信水平为10%,但农村贫困率不是农业增长的Granger原因。
3.VAR模型分析
(1)向量自回归模型。确定最优滞后阶数,根据LR、FPE、AIC、SC、HQ信息准则,最优滞后阶数为一阶。进一步对模型进行估计,结果见表3,从中可以看出,两个方程的拟合优度都比较高。农村贫困率中,其前期对当期的影响比较突出,农业增长对农村贫困率的影响为负,数值是-001,表明农业增长在初期与农村贫困率关系为负,即农业增长有利于降低农村贫困率;农业增长受自身前一期变量的影响也较大,贫困率对农业增长的影响第一期为003。
(2)脉冲响应函数分析。更直观地显示两变量间的影响程度可以运用脉冲响应函数(IRF),脉冲响应函数能够较直观地刻画出变量间的动态交互作用,度量的是当一个误差项发生变化,或模型受到某种冲击,她们对系统的动态影响。因此,我们对上述VAR分析结果进行脉冲响应函数分析。
利用VAR模型,分别给lny和lnp一单位大小的冲击,得到lnp和lny各自的响应,结果分别见图1。图中横轴和纵轴分别表示响应函数的追踪期数、被解释变量对解释变量的响应程度;实线表示计算值,虚线表示的是响应函数值在加或减两倍标准差时的置信带。
由图1可知,当给lny一个标准差的冲击后,可快速带动农村贫困率下降,随着时期的推后,效应一直保持高位负效应;lnp对lny的冲击首先是负向的,到第2期时降至最低点,随后效应快速增强,且方向发生了变化,由负变成正,保持高位正效应。
(3)方差分解。由图1可知,随着时间的推移,lny对lnp的影响不断增强,农业增长不断降低农村贫困率。方差分解能够进一步评价不同结构冲击的重要性,分析每个结构冲击对内生变量变化(通常用方差来度量)的贡献度。因此,我们用方差分解方法进行进一步的分析,结果见表4。从中观察农村贫困率的预测误差可以看出,它在前期主要是受自身的影响,但是误差占比却呈现出以平缓速度逐期下降的趋势,下降速度较为平缓,至第9期降至5329%,随后逐期缓慢下降;农业增长对农村贫困率预测误差的贡献率一直保持持续上升态势,上升速度逐期放缓。
三、农业增长与农村贫困效应的门限特征
由于收入是影响贫困的最主要变量,为进一步明确农业增长对农村贫困的影响效应,将农业增长作为农民收入影响农村贫困的门限变量,数据选取2002-2007年中国592个国家扶贫重点县所属的20个省(市、自治区)的面板数据。通过门槛回归模型,分析在将农业增长作为门限变量时,它的门限值所划分的不同区间上,农民收入对农村贫困作用的差异效果。
(一)门限特征模型的设定
我们将采用Hansen(1999)研究的门槛面板回归模型,其优点是,它能根据数据本身的特点来内生的划分区间。最基础的模型为:
Yit=φi+λXit+ω1MitI(gitτ)+ω2Mit[1-I(git>τ)]+εit(3)
其中,i、t分别表示个体和时间;Yit、Mit分别表示被解释变量和受门限变量影响的解释变量;Xit代表对被解释变量有显著影响的控制变量;λ为相应的系数向量;git为门限变量;τ为特定的门槛值;ω1和ω2为门限变量分别在git<τ、git>τ时解释变量Mit对被解释变量Yit的影响系数;I(·)为指标函数,该函数值为1,表示门限变量满足其条件,否则其值为0;模型(3)中的扰动项满足,即为白噪声序列。
(3)式为存在一个门槛,两个或两个以上门限模型可以在其基础上进行设定。但是事实上,出现两个或两个以上的门槛值是较为普遍的。这部分将以农业增长作为门槛,其主要目的是为了更为直观地体现出收入作为农业增长影响农村贫困的第三方因素时的作用,用表示,数据选取于2003-2008的《中国统计年鉴》。影响贫困的因素有很多,包括直接相关和间接相关。早期的研究表明,影响农村贫困的主要因素有:农村居民家庭所拥有的生产性固定资产、受教育水平、机械总动力、农村居民享受的补贴,为此,它们将作为控制变量列入模型。估计前对所有变量的数据都进行对数化处理,这是为了消除数据计量单位的不一致而可能带来的异方差性,单一和双重门限模型分别为(4)和(5):
(二)变量度量及数据说明
本文选取的是2002-2007年的数据。农业增长用第一产业的产值来衡量,数据来源于《中国统计年鉴》。通过每年《中国农村统计年鉴》获得各地区农村居民家庭拥有的生产性固定资产原值衡量的农村居民家庭拥有生产性固定资产(元/户),农村社会救济费衡量农村居民享有的社会保障水平衡量的农村补贴的(万元),把各地区的农村农用机械总动力(万千瓦)与其相应的各省农村人口数(万人)相除得到机械总动力的度量。本文选用文盲率来衡量农村居民的受教育水平,数据来源于《中国农村住户调查年鉴》;各地区农村居民家庭人均纯收入数据来源于《中国统计年鉴》,单位:元。
(三)门限检验
确定模型形式,首先要了解有多少个门槛。分别是不存在门槛、一个门槛、两个门槛和三个门槛的假设下,对相应的模型进行估计。表5为自抽样检验结果、相应的门槛估计值和95%置信区间。
(四)门槛结果分析
由表6的门限检验结果可见,各门限值划分的四个区间中,农村居民收入对农村贫困的影响一直呈现正相关关系,且以农业增长为门槛呈现出明显的区间效应。当农业收入到达197800亿元之前,农民收入对农村贫困的影响系数为05690;随着农业收入的不断提高,越过197900,达到509990亿元之前,农民收入对农村贫困的影响系数变为02201。当农业收入进一步达到1 027620亿元之前,农民收入的贫困影响效应变为05806,随后越过这一门槛,农民收入对农村贫困的影响系数变为05606。2010年青海、宁夏位于第一个门槛以内,山西、海南、贵州、陕西、甘肃位于第二个门槛和第三个门槛之间,河北、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、四川、云南、新疆均跨过了第三个门槛。可见,我国绝大多数省份已跨过第三个门槛,农业增长能有效促进农村贫困减少。
此外,从表6可知,受教育水平能显著促进农村贫困的减少,但居民家庭拥有的生产性固定资产、享受的补贴和机械总动力对农村贫困有负面影响,但不显著。造成这个结果可能有以下原因,一是农村地区的道路等基础设施状况较差,有的地区甚至还没有实现通车;二是大部分的村民受教育水平不高,使得一些固定资产(拖拉机、三轮车、水泵、农用动力机械等)无法使用或者不能使用;三是农民享受的补贴数额不足,进而对农村贫困起了负面影响。
四、结论及政策建议
本文采用理论与实证分析相结合的方法,在理论上分析了农业增长对农村贫困的影响机制的基础上,基于VAR和门槛面板两种模型,研究了农业增长与农村贫困之间长期和短期的均衡关系和区间效应。其中脉冲响应函数和方差分解用来考察农业增长对中国农村贫困率影响的动态特征。由检验结果可知:基于协整分析的检验,可知农业增长对农村贫困率有长期的显著作用;基于脉冲响应函数的分析,可知农业增长对贫困率具有抑制作用;基于方差分解的结果,就短期而言,农村贫困率本身对农村贫困率的影响较强,但农业增长对农村贫困率的贡献度呈稳步增长,最终农业增长对农村贫困率的贡献度将超过农村贫困率本身的影响。脉冲响应函数的动态响应路径和方差分解的贡献度都表明:农业增长无论短期、长期都有利于农村贫困减少。进一步利用门槛面板模型可知,农业增长对农村贫困有明显的区间效应,在不同的区间范围内,农业增长能通过农民收入显著促进农村贫困的减少,且我国大部分省份已跨越第三个门槛,但部分省份仍需进一步加强农业发展,助力农村贫困减少。
上述分析表明,农业增长促进我国农村贫困率下降应该为我国农村减贫的重要途径。农业增长短期内可能对减少贫困的效应不明显,但长期来看这种减贫效应能够逐期积累,达到减贫的目的,应动态地看待农业增长对农村贫困的影响,不断加强农业增长,减少农村贫困家庭数量。
参考文献:
[1]L Christiaensen, L Demery. The (evolving) role of agriculture in poverty reduction——An empirical perspective[J].Journal of Development Economics, 2011,96(2):239-254.
[2]World Bank.World Development Report 2008: Agriculture for Development[R].World Bank, Washington D.C,2007.
[3]White, H., Anderson, E.Growth versus distribution: does the pattern of growth matter[C].working paper. Institute of Development Studies, University of Sussex,2000.
[4]Fane, G. and Warr, P. Perspectives on Growth and Poverty[M].Tokyo: United Nations University Press, 2003.
[5]Mellor, J. Faster more equitable growth-agriculture, employment multipliers and poverty reduction[C].paper prepared for USADD/G/EGAD,2001.
[6]vanic and Martin. Imlications of Higher Global Food Prices for Poverty in Low income countries[C].Draft Working Paper,2008.
[7]S Dessus, S Herrera and R De Hoyos. The impact of food inflation on urban poverty and its monetary cost: some back-of-the-envelope calculations[J].Agricultural Economics, 2008,39(s1):417-429.
[8]Hansen, B.E. Threshold effects in non-dynamic panels: Estimation, testing, and inference[J].Journal of Econometrics, 1999, 93(2):345-368.
Abstract:On the basis of the theoretical analysis of the influence factors of agricultural growth on the rural poverty, this paper empirically analyses the effect of China′s agricultural growth on the rural poverty reduction based on the dynamic econometric method of VAR model and threshold regression model. The co integration technique and VAR model were used to study the long-term effects of agricultural growth on the rural poverty, showing that there is a long-term equilibrium relationship between agricultural growth and rural poverty, but it takes a long time to effectively play its poverty reduction effect; studying the impact of farmers′ income on rural poverty reduction by taking agricultural growth as the threshold variable of farmers income shows that agricultural growth has a significant effect on rural poverty.
Key words:agricultural growth; rural poverty; VAR model; threshold panel regression
(责任编辑:严元)