农业科技创新、农业技术效率与农业经济发展——基于向量自回归（VAR）模型的实证分析

黄龙俊江，刘玲玉，肖 慧，刘小进

（1.广东海洋大学管理学院，广东湛江 524088；2.华南理工大学工商管理学院，广东广州 510641；3.江西农业大学经济管理学院，江西南昌 330045）

1 研究背景

农业是我国经济发展的基石，也是关乎国计民生的重要产业。目前我国农业发展存在过度施用农药、化肥以及生产效率低下等问题；大量农村劳动力外流导致农业人工成本逐年增高，农业发展面临着新的困境。而农业科技创新能改变传统的农业生产方式，促进农业产业发展，推动农村实现乡村振兴。现今制约我国农业经济发展的重要因素之一就是农业科技投入长期不足，农业科技投入低导致农业科技创新能力弱，进而又对农业经济增长造成影响，所以当前国际形势下我国农业经济的高质量发展严重受阻，长期以来我国依靠“化学农业”来实现农业增产不再能适应当前形势下农业发展的新要求。

党的十八大以来，党中央、国务院高度重视农业科技的发展，各种农业科技创新成果在农业生产领域的广泛应用对农村经济社会发展的全局性影响逐渐显现。2017 年农业部印发的《“十三五”农业科技发展规划》明确要求将科技创新能力大幅提升作为主要发展目标之一。2020 年中央一号文件明确指出，应当强化科技支撑作用，要求加强农业关键核心技术攻关，部署一批重大科技项目，抢占科技制高点，以及采取长期稳定的支持方式加强现代农业产业技术体系建设。在农业经济发展中发挥科技支撑作用的重要渠道在于强化农业科技创新，科技创新有助于转变农业传统发展模式，整体提升农业现代化发展的质量。

农业科技投入是指一个国家或地区在一定时期内每年用于农业科技创新和科技成果转化的总支出［1］。2009 年以来，我国每年农业科技投入占科技总支出的比例始终维持在6.4%～7.4%之间，且还有不断下降趋势［1］，农业科技投入不足是严重制约农业经济发展和农民收入增长的重要因素，而通过科技创新，促进农业发展由要素驱动向创新驱动转变，是解决农业发展动力问题的可行出路。加大农业科技创新的资金投入和农业人力资本的有效利用，有利于快速实现我国农业现代化，促进农业发展由提产向增质转变以及农村一二三产业融合发展。

关于农业科技创新，有众多学者研究了农业科研投入、农业科技创新与农业经济发展的因果关系，并就农业科研对农业经济发展贡献不高的原因作出探讨，但并未对农业科技创新、农业技术效率以及农业经济发展三者的关系进行深入探讨。农业科技创新是否会影响农业技术效率呢？三者之间的关系如何，具体怎么互相影响?这些是值得深入探究的问题。江西省环鄱阳湖平原、赣抚平原，是我国的粮食主产区，在国家的粮食安全战略中具有重要意义，同时江西省也是我国的农业科技“洼地”，只有一所高等农业院校作为农业科技支撑，因此，以江西省为案例研究农业科技创新、农业技术效率以及农业经济发展三者的关系，可以为国内中西部等其他地区提供参考和借鉴。本研究基于2000—2019年江西省的相关时间序列数据，通过向量自回归（VAR）模型研究江西省农业科技创新水平、技术效率与农业经济增长之间的关系，以期促进江西省农业实现现代化水平提高和农业经济增长。

2 文献综述

2.1 农业科技创新与农业经济增长

关于农业科技创新与农业经济发展之间的因果关系，已有研究的观点主要体现在以下几方面：第一，农业科技创新可以促进产业结构非农化和高级化，而区域间的产业结构非农化和高级化存在差异［2］。第二，农业科研财政投入增长促进了农业经济发展，农业科研财政投入、科研成果对农业经济发展具有滞后的长期正影响［3］；农业科研财政投入与农业科技创新绩效之间存在长期均衡关系，但农业财政科技投入对提升农业科技创新绩效的短期影响更为显著［4］。第三，农业科技创新可以通过多种途径，例如增品质、调结构和引领三产融合、发展适度规模经营、坚持绿色可持续发展等举措实现，从而促进农业供给侧结构性改革［5］。事实上，已有学者通过2006—2010 年我国农业科技成果转化资金项目的绩效状况数据，证明我国科技进步对农业增长的贡献率已经达到59.2%［6］。

2.2 我国农业科技创新

黄季焜等［7］认为相比于其他发达国家，我国总体的农业科技水平还较低；但我国也引入了大量农业科研资金和先进装备，学习借鉴了国外先进的管理理念，提高了国内农业科研人员的素质［8］。总体来看，我国涉农企业科技创新有了长足的发展，但仍表现出研究机构数量相对不足、研究人员整体素质不高以及资金投入不够等方面问题［9］。我国农业产业当前发展不充分的现实问题，要从专项创新与特定创新、农业科技创新体系、政府引导与市场机制联合三方面解决，同时完善农业科技创新机制［10］。

从地域比较视角来看，我国农业科技创新的区域差距明显，各省份农业全要素生产率指数都大于1，呈增长态势，且东部地区的增长速度高于西部地区、西部地区高于中部地区［11］。杨传喜等［12］论证了2006—2017 年间东、西部地区农业科技人力、财力资源扭曲程度较严重，农业科技创新对缓解地区差异有一定的促进作用。也有学者就单个省份的农业科技创新作出评价，如陈振等［13］和曾梦玲等［14］分别运用数据包络分析（DEA）模型和层次分析法(AHP)分析河南省农业科技投入产出效率、湖北农垦农业现代化水平，发现存在农业科技创新水平不高、要素投入存在不同程度冗余等问题，经济发展与生态环境之间的矛盾较为突出。

2.3 农业技术效率与农业经济增长

农业技术效率通常用农业全要素生产率（total factor productivity，TFP）来衡量。叶璐等［15］指出，农业全要素生产率是某一时期范围内的产出与土地、劳动力、资本和其他物质资料等投入成本的比值，即全部要素投入的平均产出。吴晨［16］实证研究了1985—2006 年广东省农业经济增长总体上呈上升趋势，其中全要素生产率对农业经济增长率的贡献率最大。但农业技术效率的提升对农业经济增长的促进作用力度随着时间推移而存在异质性，如罗浩轩［17］对1981—2013 年我国农业全要素生产率的测算发现，2007 年以后农业劳动力和全要素增长率进入下降通道。农业全要素生产率的提高在改变农村贫困面貌、优化农业劳动力资源配置、推动农业经济增长上有一定的促进作用［18］。提高农业全要素生产率是实现中国农业高质量发展的重要路径［19］。

农业科技创新对农业发展的影响是全方位的，提高农业科技创新水平也将进一步推动农业经济的增长与变革。目前这一问题已然受到广泛关注，学界普遍认为提高农业科技创新在现代农业经济增长中的作用具有较大的重要性和必要性，但应当认识到，围绕农业科技创新与农业技术效率、农业经济增长三者关系的相关研究仍然十分有限。本研究将以江西省为例进行实证分析，将《中国科技统计年鉴》中农业科技人员数量和农业科技财政支出两项数值利用熵值法得到农业科技创新指标，纳入到农业经济增长研究框架，明确农业科技创新在农业经济增长中的作用机制，为促进江西省农业经济增长与产业经济协调发展提供理论支撑与政策建议；同时利用格兰杰因果检验和VAR 模型考虑农业科技创新、技术效率对农业经济的因果关系和长期均衡关系。

3 研究方法

3.1 数据来源与指标选取

3.1.1 农业经济发展水平

参考申红芳等［20］、吕屹云等［1］的研究，采用农林牧副渔业总产值来表示农业总产值。相关数据来自2000—2019 年《江西统计年鉴》中的农林牧副渔业总产值，考虑到价格因素对农林牧副渔总产值的影响，统一换算为2000 年的农林牧副渔总产值。

3.1.2 农业科技创新水平

参照杨秀玉［21］、陈鸣等［22］的研究方法，采用财政支出中科技三项支出衡量区域农业科技创新能力。在已有研究中，农业科技创新投入能力指标通常包括国有经济企事业单位农业技术人员，农业科技投入的测量常用农业科研机构经费支出表示，本研究参照常文涛［23］的研究采用农业科技创新人力资本指标，以及刘敦虎等［24］的研究采用农业科技机构经费投入、科研人员数量等指标来衡量。所使用的数据来源于2000—2019 年《中国科技统计年鉴》中江西省的企事业单位专业技术人员中农业技术人员和农林牧渔业专业技术人员数量、高等学校科技人力资源中的农业学科人数、政府部门所属科技机构中的农业行业科技经费支出，以及政府部门农业学科科技经费支出等数据。使用熵值法来测量农业科技创新水平，以保证研究的客观性与科学性。

3.1.3 农业技术效率

参照曹明霞等［25］研究中使用的DEA 方法来计算江西省农业技术效率，将江西省的农业机械总动力、农作物播种面积、有效灌溉面积、化肥施用量以及从事农业人口当作投入指标，将农林牧副渔业总产值当作产出指标。数据来源于2000—2019 年《江西统计年鉴》《中国农业统计年鉴》中江西省农业发展相关数据。

3.2 计量模型的构建

VAR 模型通过把系统中每一个内生变量作为所有内生变量的滞后值函数来构造模型，可以在一定程度上解决传统结构化模型中潜在的联立性偏误问题［26］。模型的因变量是农业经济发展水平（LNGDP），自变量为农业科技创新水平（LNRD）和农业技术效率（LNCRS）。借助最大似然估计法进行协整分析，并通过短期向量误差修正探索农业科技创新、技术效率与农业经济发展之间的长期均衡关系［26］。VAR模型的一般形式为：

4 实证检验与结果分析

4.1 数据平稳性检验

在对时间序列数据进行分析时，多个有趋势的时间序列之间的回归常常会因为间接和时间相关而导致原本不存在的回归关系，发生伪回归使估计和检验的统计量产生偏误。为了排除这种可能，对经过对数化后的时间序列进行ADF 检验（augmented Dickey-Fuller test），如表1 所示。结果显示，所有序列的ADF 检验在1%的显著性水平下都不能拒绝原假设，说明本研究的样本变量全部是非平稳的，但其一阶差分在相同置信水平下都是平稳序列，因此所有变量均为一阶单整序列，互相之间为同阶单整关系。

表1 变量的单位根检验

4.2 模型滞后期选择

在样本变量的VAR 模型滞后期选择中，以AIC、HQIC、SBIC 值为标准判断最佳滞后期数。如表2 所示，当滞后阶段为2 的时候，AIC、SBIC，HQIC 具有10%的显著性水平，且对数似然值最大，可知最佳滞后长度是2 期。

表2 变量向量自回归模型的最佳滞后期选择

4.3 向量自回归结果

以2 阶为滞后阶数构建样本变量的VAR(2)向量自回归模型回归结果如表3 所示。由表3 可知：（1）农业科技创新、农业技术效率和农业经济发展变量在滞后2 期时对当期分别具有5%、10%和10%显著性水平上的正向影响，三者均具有自我提升能力。（2）农业科技创新对农业技术效率、农业经济发展均存在促进作用，在滞后2 期时分别对二者在10%、5%的显著性水平上存在正向促进作用，但对应的系数偏低，表明当前农业科技创新水平较低，对农业经济发展的促进效果较小；农业技术效率在滞后1 期时对农业科技创新具有1%的显著性水平上的正向影响。

表3 变量向量自回归模型的回归估计

4.4 平稳性检验

VAR 模型只有在满足稳定性前提下才能进行脉冲响应函数分析和方差分析。使用Stata16 对VAR模型进行平稳性检验，结果为全部根的值都在圆圈内，表明本研究构建的VAR 模型较为稳定。

4.5 格兰杰因果检验

格兰杰因果检验为区分变量是内生变量或者是外生变量。对上述VAR(2)模型进行格兰杰因果检验，结果如表4 所示：在滞后阶段为2 时，排除变量LNRD 的伴随概率为0.035（小于0.05），则拒绝原假设，表明方程组可以全部接受LNRD 的滞后变量，即在滞后2 期和显著性水平为5%的情况下，LNRD是LNCRS 的原因，说明农业科技创新投入的增长推动着农业技术效率的进步，农业研发投入的增长能够有效促进农业先进技术的创新和应用，在市场环境相对稳定条件下将必然提升传统农业技术的使用效率。同理可推得，在显著性水平为10%的条件下，LNRD 是LNGDP 的原因，即在滞后2 期的情况下，农业科技创新投入的增长推动着农业生产总值的增长，说明在资源环境和市场环境没有根本变化的前提条件下，农业研发投入的增长能够通过促使农业技术创新带动农业生产效率提升，从而实现农业生产总值的大幅度增加；而在5%的显著性水平下，LNCRS 是LNRD 的原因，说明农业技术的进步也会推动农业科技创新的投入，按相互作用原理，农业技术的不断进步会触发农业科技人员的创新原动力，引领国家和社会增大农业科技创新的投入力度。

表4 变量向量自回归模型的格兰杰因果检验

表4（续）

4.6 脉冲响应函数

VAR 模型是非结构化模型，不分析单变量的变化对另一变量的单独影响，而是研究误差项的变化对系统的整体影响，这种方法为脉冲响应函数分析方法。样本变量的VAR 模型脉冲响应函数分布结果如图1所示，其中实线表示脉冲响应函数，在虚线范围内表示脉冲响应函数在两倍标准差范围内的变化。

如图1(i)所示，LNCRS 对自身在0.2 个标准差时正向冲击到达最高点，此后便震动下降趋于收敛。如图1(f)所示，LNGDP 对LNCRS 在0.5 个标准差时正向冲击带来LNCRS 所有滞后期的正效应，从t=0时直线上升直至t=0.5 时达到最高点，之后震荡下降并趋于收敛。如图1(c)所示，LNRD 对LNCRS 的冲击在t=1 时为最低点，之后继续上升，在t=2 时正效达到最大，发生较小波动并逐渐趋于内敛，原因是农业科技创新对农业技术效率的提升产生长期的正向影响，以长期视角来看，农业科技的不断创新能够激发农业生产巨大的发展空间和潜力，尤其是直接作用于通过农业技术应用与扩散从而实现农业技术的生产和经营效率双提高，即农业科技创新水平越高，农业技术的生产效率提高越明显，同时经营效率也会同步显著提高；但从短期视角来看，由于农业技术从研发到推广存在农业技术应用“最后一公里”问题，造成农业科技创新对农业技术效率在短时间内很难有成效，影响方向不确定。

如图1(a)所示，LNGDP 对自身在1 个标准差时的负向冲击带来所有滞后期的正效应，在t=1 的时候达到最低点，此后保持平稳并趋于收敛。如图1(g)所示，LNCRS 对LNGDP 在1 个标准差时的正向冲击带来正向效应，并在t=1 的时候达到最高点，此后逐年下降，在t=6 的时候趋于平稳并趋于收敛，原因在于当前农业技术进步对农业总产值的推动作用有限。如图1(d)所示，LNRD 对LNGDP 的冲击在t=6 时达到最高点，并一直保持正向冲击趋向收敛，原因在于农业科技创新对农业生产总值保持正向促进作用，但增长过程较为缓慢，从长期视角来看，农业科技创新能够有效促进农业先进技术的研发与应用，从而大幅度提升农业生产与经营的效率，最终实现农业生产总值的明显增加，其作用方向是正向的；但从短期视角来看，由于受市场需求诱导的市场价格和气候条件等内外因素多重的影响，加之农业先进技术应用的时滞效应，可能对农业生产总值的影响方向难以固定化评判。

如图1(e)所示，LNRD 对自身在1.5 个标准差时带来负向冲击，在t=1.5 时最低，之后直线上升并一直保持正向效应，在t=4的时候波动变小并趋于收敛。如图1(h)所示，LNCRS 对LNRD 在3 个标准差时的负向冲击达到最低点，带来负向效应，且长期都是负效应但趋势内敛，原因在于技术进步的短期发展对农业科技创新投入无显著作用。如图1(b)所示，LNGDP 对LNRD 一直保持较为平稳的正向冲击，在1 个标准差后均保持正向效应并趋于收敛，可能的原因在于农业生产总值的平稳增长有利于保持农业科技创新的平稳投入，这是由于农业先进技术应用与扩散已经进入平稳期，能够有效发挥农业先进技术的作用，持续稳定促进农业生产总值的增加，从长期来看，这会激发农业研发者新一轮的农业科技创新浪潮，直接促成国家和社会保持甚至大幅增强对农业科技创新的投入力度。

图1 变量向量自回归模型的脉冲响应函数分布

4.7 方差分解

与脉冲响应函数研究误差项对各变量的影响不同，方差分解是研究模型中内生变量变化形成的原因。样本变量VAR 模型中各内生变量变动的贡献率的方差分解如表5 所示，其中：

表5 变量向量自回归模型的方差分解

LNGDP 对其自身的贡献率很大，从t=0 至t=2显著上升，从t=2 至t=3 有轻微下降的趋势，但从t=3 之后维持在较稳定的水平。LNCRS 对LNGDP 的短期贡献率较为平稳，在t=4 时达到最大，之后维持不变。基于农业技术应用的“S”型曲线路径，即农业技术效率的发挥会经历一个技术应用的边际成本逐步从大于到等于再到小于其边际效率三阶段的变化过程，也即当评估或确定农业技术应用的边际成本小于其边际效率时，生产者才会真正应用此技术。LNRD 对LNGDP 的短期贡献较为平稳，在t=3 时达到最大值，之后维持在较稳定的水平。从长期来看，LNCRS 和LNRD 对LNGDP 都有贡献，但LNGDP 对自身的贡献超过对LNCRS 和 LNRD 的贡献。

LNCRS 对自身的贡献率很大，在t=2 的时候上升到最高点，从t=2之后贡献率一直保持平稳的状态。LNGDP 和LNRD 对LNCRS 的贡献率都很小，从t=0开始保持轻微上升趋势。LNRD 对自身的贡献在t=3的时候达到最高值，在t=0 到t=3 的时候是缓慢上升的过程，从t=3 开始维持在不变的水平。LNGDP 对LNRD 的贡献在t=1 时达到最高值，之后迅速下降，在t=3 之后下降趋势变缓，维持在较稳定的水平。LNCRS 对LNRD 的贡献在t=3 时达到最高值，在t=3之后上升趋势变缓，长期维持较为稳定的水平。

5 结论与启示

5.1 结论

本研究对2000—2019 年江西省农业的科技创新、技术效率和经济发展的实证分析表明，农业科技创新、农业技术进步与农业经济发展三者之间的关系较为复杂，在不同的滞后期相互之间影响不一，不能简单地总结为单一的正、负效应；各变量都会对各自后续发展带来影响，如农业科技创新对农业经济发展的相互效果是正向的，而农业技术进步对农业经济发展的相互作用结果复杂，在不同时期的作用和方向不一致，原因可能是三者之间的作用机制复杂，并非完全单向影响；各变量对自身贡献率最大，且短期内贡献率波动较大，长期内趋于稳定状态，相对于农业技术进步，农业科技创新对农业经济发展的贡献率较大，因此通过方差分析更能解释三者之间的相互促进力度，但三者促进力度之间的差异也很大。研究得出以下结论：

农业科技创新、农业技术效率与农业经济增长之间存在长期稳定均衡的关系，但农业科技创新投入对农业经济增长的短期影响更为显著。从长期来看，农业科技创新持续推进能够通过农业先进技术的应用与扩散来实现农业技术生产和经营效率的明显提升，最终促进农业经济的持续健康发展，同时农业技术效率的不断提高有效提供了农业经济增长的强劲动力，最终也会反作用于农业科技创新的技术投入，甚至是增强型的技术投入；但从短期来看，由于市场条件和气候条件等综合因素影响，农业科技创新对农业技术效率的影响方向不稳定，对农业经济增长更是方向不明确。农业科技创新和农业技术进步对农业经济增长的影响在长期内持续提升，但在短期内没有发生改变，因此必须要长期稳定地增加农业科技创新的资金投入，提高农业科技创新能力，培养高素质农业科技创新人才，提高农业技术生产率。

5.2 对策建议

（1）提升农业科技创新的长期效应。实证分析结果显示，短期内农业科技创新对提升农业经济增长的能力较强，但在长期内没有发生有效作用，这表明农业科技创新对促进农业经济增长的整体能力有待提高，因此，农业科技创新能力要不断加强，进而实现农业科技创新对农业经济增长的长期效应，从而实现农业科技创新投入效应最大化。

（2）发挥农业科技创新经费投入的规模效应。实证分析结果显示，农业经济增长时难以发挥规模效应的原因之一在于农业科技创新经费投入总体规模偏小，因此今后要积极提升农业科技创新经费投入在学科经费投入中的比重。