水利基础设施建设与农业经济增长的关系——粮食主产区与非主产区的比较研究*

周子铭

（中南财经政法大学，湖北 武汉430073）

一、引言

基础设施建设可以降低交易费用，提高经济效率，它所带来的经济增长效应逐渐被理论界所重视［1］。相比于交通、通信、城市公共设施等包含相当比重营利性资产的基础设施，水利基础设施投资公共来源更为清楚，其非营利的公益性质也更为明确［2］。水利基础设施有蓄水、防止洪涝灾害的功能，在中国的农业经济增长过程中，水利基础设施更多扮演了保障性的角色，这使得农业生产能较为稳定的进行，提高资本和劳动的功效，从而促进经济增长。发展中国家的出路在于把传统农业改造成现代农业［3］，水利基础设施建设不仅是现代农业的重要内容，也是建设现代农业的一个重要切入点。党中央始终把水利基础设施建设放在农村工作的突出位置来抓。2018 年4 月，习近平同志考察长江水资源防灾减灾、监测管理情况。2018 年11 月，李克强同志指出，要进一步推进农田水利和重大水利工程建设，完善农田防汛抗旱设施，提升防灾抗灾减灾能力，确保农业经济持续稳定增长。因此，探究水利基础设施的投资建设对中国农业经济增长的影响有着深远的意义。

基于此，本文利用1999-2016 年中国省级面板数据，建立农业水利基础设施与农业经济增长的PVAR 模型，分析农业水利基础设施建设与农业经济增长之间的内在依存和因果关系，并比较了这种关系在粮食主产区①和非主产区的差异性，从而得出较为客观的结论，有助于优化水利基础设施结构，合理引导水利基础设施投资，为政府制定相关政策提供参考借鉴。

二、文献综述

目前，学术界对水利基础设施建设与经济增长关系的研究主要有以下几个方面。在研究视角上，张勋从省级层面入手，探讨水利基础设施建设对不同省份经济增长的影响，从宏观层面评估水利基础设施的增长效应［4］。潘丹从东部、中部、西部的视角分析了农业水利资源与农业经济增长的关系［5］。Strobl 和Duflo 对非洲和印度的水利基础设施效应的研究，主要从水利基础设施对农业生产的影响入手展开，着重讨论了区域之间（上、下游）的异质性［6］。

在研究方法上，朱玉春选择了Logit 连接函数构建分层模型，探讨了水利基础设施建设对农户的影响［7］。张勋和张睿运用Barro和Sala-i-Martin以及Islam［8］提出的经济增长模型，在总体上估计了水利基础设施对经济增速的影响。方文全采用时间序列的方法分析了中国水利基础设施的溢出效应［2］。但是，这种方法首先面临着样本量偏少的问题；其次，样本数据的不平稳性也为时间序列方法的应用和解读增加了难度。

在变量选择上，相关文献提供了几种基础设施测度的相关方法。方文全参考历年水利基础设施的投资额，运用永续盘存法对中国水利基础设施的资本存量进行了客观的估算［2］。张勋运用水库库容量与区域面积的比值衡量水利基础设施建设的水平，使得区域之间的水利基础设施建设水平大致可比［4］。邱士利选取有效灌溉面积作为农田水利基础设施建设存量指标，探讨了农业水利基础设施建设与农业生产之间的关系［9］。朱玉春选用机井数量、水利人员数量及区域可灌溉面积率等相关指标对水利基础设施建设水平进行了综合衡量［7］。

已有文献的研究结果为文章奠定了前期研究基础，但从上述的文献回顾来看，首先，以往对水利基础设施与农业经济增长关系的研究，多是以某一省份或区域进行研究，变量选择上缺乏地区差异的综合考虑。此外，传统的计算方法大多是对截面数据进行计量分析，较少使用PVAR 模型对其进行动态分析。鉴于以上情况，本文准备在以下三个方面对现有文献进行拓展。

第一，研究视角上，考虑到中国农业经济发展显著的区域差异，粮食主产区和非主产区的人均耕地面积、农业基础设施、机械化的初始程度都有明显不同，因此水利基础设施建设对农业经济增长的影响未必会遵循同一经验规律。若二者影响存在差异，那么政府的调节政策也应该有所区别。为此，本文将研究内容在粮食主产区和非主产区分别进行实证检验。

第二，研究方法上，结合时间序列模型和面板数据模型的共同优点，将所有变量都视为内生变量，可以更真实地反映各个变量之间的关系［10］。应用面板数据向量自回归（PVAR）模型对数据进行分析，客观的反映水利基础设施与农业经济增长之间的关系，同时脉冲响应函数便于测量和分析内生变量受到冲击给另一个内生变量所产生的影响。此外，该模型引入了个体实效变量和时点效应变量，因此可以得到个体差异性以及不同截面受到的共同冲击，为分析和探讨水利基础设施效应在不同区域的功能差异提供了有力的数据支撑。

第三，变量选择上，选择农用地数量将水利基础设施变量标准化处理，即表示为单位农用地上所拥有的水利基础设施数量。同时，考虑到粮食主产区和非主产区降水量等自然条件的差异性，本文选取的指标同时将干旱和洪涝问题考虑在内，减少了客观自然条件对研究结论造成的干扰。

三、模型设定与数据来源

（一）模型设定

在PVAR 模型中，所有变量均被视为内生变量，这样对各个变量之间的关系便可以更客观的进行反映；正交脉冲响应函数可以比较变量之间进行冲击的情况；此外，在深入研究不同结构冲击的重要性时，方差分解可以通过研究不同结构冲击对内生变量变化的贡献度来深入评价。本研究构建的PVAR模型如下：

上式中，yi,t是一个包含三个变量的列向量{Agri,Area,Cap} ，分别代表农业经济增长、除涝面积、水库容量，其中i 代表省份，t 代表年份，j代表模型的滞后阶数。在现有研究的基础上，为了深入研究水利基础设施对中国农业经济增长的区域差异，在模型的构建过程中本文引入了表示区域固定效应的变量ηi，代表着可能缺少的与地区特征有关的因素，例如自然条件、地区及经济发展的差异等。∂j表示滞后变量的参数矩阵，φi表示时间效应，用来对变量的时间趋势特征进行科学的解释，εi,t为随机扰动项。

本文主要运用Eviews10.0 和STATA16.0 统计软件，计算方法和软件程序借鉴了中山大学连玉君老师编写的PVAR2程序包，并进行简要修改。

（二）变量选择与说明

在水利基础设施的种类方面，可以分为抗旱水利设施和排涝水利设施［11］。要客观的评价水利基础设施对农业经济增长的影响，比较其在农业生产中发挥的实际作用，就需要使衡量水利基础设施的指标能较全面反映防洪与抗旱两个方面的效果［12］。王绍玉研究发现，除涝面积相比于有效灌溉面积、堤防长度、盐碱地改良面积等，在影响农业生产洪涝减灾工程的作用最大，对增加农业产值的影响最大［13］。陈煌等基于全国7 个省（市）的微观数据研究发现，农户依靠大型、中型水库或者水池来灌溉农业，不仅能显著提高农户不受灾的概率，而且显著地减低了受灾减产的程度，从而提高农业产值［14］。所以，对于水利基础设施建设情况，本文选择除涝面积（Area）和水库容量（Capacity）来度量。其中，除涝面积（Area）这一指标是指通过安装排涝设备或兴修治涝防洪工程等水利设施，使易涝耕地免于雨水淹涝的风险达到三年一遇以上者的面积。水库容量（Capacity）是指一个地区水库可储存水量的总和。关于农业经济增长指标的选取，本文采用农林牧渔业总产值的增加值来代替。

（三）数据来源与处理

本文采用粮食主产区和非主产区1999-2016年的数据实证分析水利基础设施建设与农业经济增长的关系，数据来源于历年《中国统计年鉴》《中国农村统计年鉴》以及各省（区、市）统计年鉴。其中，粮食主产区主要包括黑龙江、吉林、辽宁、内蒙古、河北、河南、山东、江苏、安徽、江西、湖北、湖南、四川13 个省（区、市）。鉴于统计的连贯性和数据的可获得性，非主产区选取北京、天津、山西、浙江、安徽、福建、广东、广西、海南、贵州、云南、西藏、陕西、甘肃、新疆15 个省（区、市）。为了消除物价波动的影响，将各年度农林牧渔业总产值折算为1999 年可比价，将农业经济增长、除涝面积、水库容量除以当地当年农用地总面积进行标准化处理。最后，为了消除模型中数据的波动变化和异方差的影响，本文对以上三个变量分别采取对数化处理。

四、模型估计与结果分析

（一）面板单位根与协整检验

为了防止模型计算时出现虚假回归，本文通过使用Eviews10.0 对所有指标数据进行了单位根检验，确保了脉冲响应函数和方差分解的稳定性。考虑到非平衡面板数据的特性和其他检验方法过强的共同根假设问题，为了使检验结果更具有稳健性。本文采用Im,K.S.等提出的IPS和Choi提出的Fisher type（Fisher-ADF 和Fisher-PP）检验方法，检验结果见表1。

表1 面板单位根检验结果

由表1 可知，对各面板数据的水平值进行检验时，数据检验的结果全部说明了数据不能完全拒绝“存在单位根”的原假设。再对本文的所有变量的一阶差分进行单位根检验时，以上结果拒绝“存在单位根”的原假设，且结果全部显著。因此可以知道，变量农林牧渔业总产值、除涝面积、水库容量的对数化数值都是一阶单整的过程。

在进行面板单位根检验后，本文对相应指标数据采取了面板协整检验，以测试不同的非平稳的时间序列之间是否具有长期的均衡关系。本文采用面板数据协整的Fisher（Combined Johansen）方法，相应的检验结果如表2所示。

表2 变量的面板协整检验结果

由表2 可以得知，无论是粮食主产区还是非主产区，全部在1%的显著水平下拒绝了原假设，说明农林牧渔业总产值、除涝面积、水库容量存在协整关系，这一结果为PVAR 模型研究确定了基础。

（二）面板矩估计

PVAR 模型的构建主要包含三个部分：（1）面板矩估计（GMM），这一部分可以对变量之间的回归关系进行相应的解释；（2）误差项的方差分析，这一部分可以探究误差项对结果的影响程度大小；（3）冲击反应图，这一部分可以分析不同变量对不同冲击的反应情况。由于本文重点在于定量把握水利基础设施建设和农业经济增长的相互关系，因此，着重分析后两个部分。

因为个体效应和时间效应在该模型中的存在，面板矩系数的客观水平也许会受到影响，所以在模型计算时应该剔除这种影响。借鉴其他学者已有的研究，本文运用均值差分法消除对以上变量的时间效应，使用一阶向前差分法去除个体效应（运用Helmert进程变换）来对数据进行处理，从而杜绝个体效应和回归因素相关而导致的系数有偏估计。因为不能对模型的滞后阶数预先进行有效的估计，本文分别采用一、二、三四阶滞后对PVAR 模型进行估计，蒙特卡洛仿真次数为500，参照AIC、BIC和HQIC的准则，确定本模型的最优滞后阶数为4阶，响应回归结果如表3所示。

由表3 的回归结果可以看出：第一，无论在粮食主产区还是非主产区，滞后一期和滞后三期的农林牧渔业总产值增加值对自身动态的影响均为正值，且在1%的显著水平下显著，说明农业经济增长的前期发展对后期具有很强的促进作用。第二，除涝面积对农业经济增长的影响存在着区域差异，除涝面积对粮食主产区农业经济增长的影响系数要远大于非主产区，且显著性也明显优于非主产区。第三，在粮食主产区，滞后一期和滞后三期的水库容量对农业经济增长的影响在10%显著水平下是显著的。在非主产区，滞后三、四期的水库容量对农业经济增长的影响分别在5%和1%显著水平下显著，这说明非主产区的水库建设并不能在短期内刺激农业经济的增长。

（三）脉冲响应分析

图1 脉冲响应图第一行的三个图反映了粮食主产区农业经济增长对其他变量一个标准差冲击下的影响。变量Agri 在自身一个标准差的冲击下，影响效应不断波动，在第二期有下降趋势，在第四期影响效应达到最大；变量Area 的脉冲冲击对变量Agri 冲击效应为正效应且存在轻微波动；Cap 的脉冲冲击对Agri 呈现正影响但影响程度较小，在第四期达到最大效应。这就表明在粮食主产区增加除涝面积和增加水库容量都能促进农业经济的增长，但增加除涝面积较增加水库容量有更为稳定的促进效应。

表3 PVAR模型GMM估计结果

图1 粮食主产区脉冲响应分析图

第二行的脉冲影响分析图描绘了其他三个变量一个标准差冲击下对变量Area的影响情况。变量Agri的脉冲冲击对变量Area冲击效应为负效应且不断波动；变量Area 在自身一个标准差的冲击下处于正负效应的震荡过程，由当期最大的正值在第一期迅速下降为负值；变量Cap 的脉冲冲击对变量Area 在当期没有影响，自第二期开始这种影响逐渐下降，到第四期达到最小值后缓慢上升。这说明在粮食主产区农业产值和水库容量的增加对除涝面积的增加有一定的抑制作用，但这种影响在数值上相对较小。

第三行的脉冲影响分析图描绘了其他三个变量一个标准差冲击下对变量Cap的影响情况。变量Agri 的脉冲冲击对变量Cap 有着显著地正向影响，且这种影响较为稳定；变量Area的脉冲冲击对变量Cap 冲击效应处于正负效应的震荡过程；变量Cap在自身一个标准差的冲击下初期处于较强的正向效应后迅速下降，到第1 期后基本收敛至零。这表明粮食主产区农业经济增长对水库容量的增加具有明显的刺激作用，除涝面积增加与水库容量的关系处于不断波动状态。

在自身一个标准差的冲击下，变量Agri 影响效应在当期最大，而且是不断波动的；变量Area的脉冲冲击对变量Agri冲击效应为正效应且存在轻微波动，影响效应在第二期最大；变量Cap的脉冲冲击对变量Agri 影响为正。图2 的脉冲响应图第一行的三张图表示了其他变量一个标准差冲击下的对非主产区农业经济增长对影响。在第四期影响程度最小。这就表明在非粮食主产区除涝面积的增加和水库容量的增加能促进农业经济的增长，且二者均有有较为稳定的促进效应。

第二行的三张图可以代表着其他三个变量一个标准差冲击下对变量Area 的影响。结果表明，变量Agri的脉冲冲击对变量Area冲击效应几乎为零，仅在第四期有很小的负效应；变量Area在自身一个标准差的冲击下由当期最大的正值在第一期迅速下降为负值，在之后便逐渐趋于平缓；变量Cap 的脉冲冲击对变量Area 在当期没有影响，仅在第二期开始有轻微影响，之后便逐渐趋于平缓。这说明在非粮食主产区农业产值增加对除涝面积的增加几乎无影响，水库容量的增加对除涝面积增加有轻微的促进作用。

图2 非粮食主产区脉冲响应分析图

第三行的的脉冲影响分析图反映了其他三个变量一个标准差冲击对变量Cap的影响情况。具体来看，变量Agri 的脉冲冲击对变量Cap 有着显著地正向影响，而且这种影响在图像上看是较为稳定的；变量Area 的脉冲的冲击对变量Cap 冲击影响是消极的且不断地变动；变量Cap 受到自身一个标准差的影响，开始是较强的正向效应但之后不断下降，到第一期后逐渐收敛至零。这说明了粮食主产区农业经济增长对水库容量的增加具有较为明显的刺激作用，除涝面积与水库容量的关系处于不断波动状态。

（四）方差分解

在前文研究基础上，为了进一步探讨农业水利基础设施建设与中国农业经济增长的之间相互影响情况，采用方差分解测算不同变量在结构冲击方面对内生变量变化影响的贡献度。

以上方差分解得到的结果说明：第一，非主产区在10 个预测期内对方程结果影响差异不是很大，说明该系统经过10 个预测期之后，粮食非主产区系统已基本达到稳定状态，但主产区仍有些许波动；第二，除涝面积这一指标对中国农业经济增长的影响在0.8%～19%，其中对粮食主产区影响最大；第三，水库容量这一指标对中国农业经济增长影响在3.6%～36.7%，其中对非主产区影响最大。

表4 PVAR模型方差分解结果

五、结论和政策建议

本文构建了PVAR 模型，通过研究水利基础设施建设与中国农业经济增长的关系，对水利基础设施建设与农业经济增长的长期均衡及其动态关系进行了实证分析，并且考查了这种关系在粮食主产区和非主产区的差异，得出以下结论和建议。

（一）协整检验和GMM的结果表明，粮食主产区和非主产区水利基础设施建设与农业经济增长都存在着长期稳定的均衡关系，水利基础设施建设对农业经济增长有显著的促进作用，而农业经济增长对水利基础设施建设的刺激作用不强且存在粮食主产区与非主产区的差异。此外，水库容量与除涝面积之间的相关关系在统计上也不显著。因此，政府应大力支持水利基础设施建设，同时要合理引导水利基础设施投资，优化水利基础设施结构，调整水库容量与除涝面积建设投入，改善农业生产条件。

（二）广义脉冲响应函数的结果表明，无论在短期内还是长期内，粮食主产区和非主产区的水利基础设施建设对农业经济增长都有显著的促进作用，农业经济增长对水利基础设施建设的冲击影响滞后期长且非渐进，且存在着粮食主产区和非主产区的差异性，如农业经济的增长对主产区水库容量增加的影响为正且不断波动，而对非主产区水库容量的增加影响短期内为负长期内有不断增加的正向影响。这说明，要充分发挥水利基础设施建设对农业经济增长的积极促进作用，在粮食主产区和非主产区进行水利基础设施建设时，要将其对农业经济增长影响的时效性考虑在内。

（三）方差分解的结果表明，在系统趋于稳定状态下，除涝面积对农业经济增长预测方差的影响在0.8%～19%，对粮食主产区影响最大；水库容量对农业经济增长预测方差的影响在3.6%～36.7%，对非主产区影响最大。这说明，在进行水利基础设施建设时，应充分考虑粮食主产区和非主产区的环境差异，合理规划水利基础设施的投资区域和投资力度，如在粮食主产区适度增加除涝面积，在非主产区则适度增加水库容量，谨防“一刀切”或“齐步走”政策造成的失误，因地制宜地保障农业经济的健康、高效增长。

注释：

① 2003年12月，财政部下发的《关于改革和完善农业综合开发若干政策措施的意见》中，依据各地主要农产品的产量等主要指标，并参考有关部门的界定办法与范围，将黑龙江（含省农垦总局）、吉林、辽宁（不含大连）、内蒙古、河北、河南、山东（不含青岛）、江苏、安徽、四川、湖南、湖北以及江西等13省（市、自治区）划分为粮食主产区。