江苏农业投资对粮食产量的影响研究

潘俊，曹德君，何昊，冷伟

（1.南京市长江河道管理处，江苏南京 210011）

1 研究背景

2021年2月21日，新华社受权发布了《中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见》，即2021年中央一号文件。这是新世纪以来，中央连续发出的第18个一号文件，文件中强调了粮食安全决不能出问题，明确要求“十四五”各省（区、市）要稳定粮食播种面积，提高单产水平，确保粮食产量稳定在6500亿kg以上。

2020年江苏省粮食产量达到了377.4亿kg，在大疫大汛之年创下历史新高，其背后是从省到地方各级对农业的投入。这一年，第一产业固定资产投资同比增长37.0%，带动了1086个农业农村重大项目开工建设，其中825个建成投产，竣工完成投资1077亿元。江苏省粮食产量的稳步增长离不开基础设施的逐步完善。

关于农业投资与粮食产量之间的关系，很多学者做出了研究。蔡保忠和曾福生构建了联立方程模型，实证认为全国层面上农业基础设施投入促进了我国粮食增产，但使用寿命短[1]；陈飞和范庆泉等利用适应性预期模型得出，农业支出政策和农村固定资产投资是拉动我国粮食产量增长的最重要因素[2]；项英辉分析了农村固定资产投资与全国农林牧渔业生产总值的相关性[3]；彭克强研究发现，农业基建投入对粮食产量有显著的滞后性正向效应[4]；朱晶和晋乐实证研究证明农业基础设施投资通过促进生产率增长降低私人粮食成本[5]；李俊鹏和冯中朝等实证分析了农田水利设施的粮食生产成本节约效应[6]；罗哲使用生产函数模型对甘肃的农业生产进行了研究[7]；李响玲、苏兴等着重研究了我国粮食产量的影响因素[8-9]；赵丽华和赵国杰等定量分析农业投资效益[10]。

不同地区的农业投资对粮食产量的影响并不一致。张永强和张晓飞等的研究表明，农户资本投入不确定性对粮食产量的影响存在显著的空间差异[11]；孙良顺认为水旱灾害、水利投资在粮食主产区和非主产区对粮食产量的影响不尽相同[12]；韩青和李珠怀等分析了不同地区水利建设投入对粮食产量的影响，其中西部地区的水利建设投入影响更大[13]；吕德宏和闫文收研究了农业资金投入渠道对粮食生产能力的差异影响及协作性[14]。

上述研究基本上从全国的层面探索了农业投资和粮食生产之间的关系，并指出了农业投资在不同地区发挥的作用有差异。江苏省作为我国的鱼米之乡、农业大省之一，其农业投资与粮食生产之间的关系值得进行研究。

2 江苏农业投资与粮食产量的关系研究

农业基础设施投资完善了地方的灌溉、防洪建设，提高了农业用水的合理性，在理论上能够增加粮食产量，而粮食产量的增加反过来又促进了地方政府持续对农业基础设施进行投入，即增加基础设施的投资。在此通过建立VAR模型探究2000～2019年江苏农业投资与粮食产量的关系。江苏农业投资以第一产业固定资产投资衡量，同时为避免时间序列数据的异方差，对这两个变量均采用取对数处理，第一产业固定资产投资取对数用LNK表示，粮食产量取对数用LNG表示。所有的数据均来源于2001～2020年《江苏统计年鉴》和《江苏省国民经济和社会发展统计公报》。

2.1 变量平稳性检验

为避免伪回归，对于时间序列数据首先要检验其平稳性，最常用的检验方法是ADF检验，检验结果见表1。可以看到，LNK和LNG均为平稳序列，可直接进行VAR回归。

表1时间序列LNFI和LNG的ADF检验结果

2.2 模型滞后期选择

Eviews11自带的检验模块帮助我们通过多个统计量的综合比较判断出模型的最佳滞后期，将滞后阶数选择为4，得到的判断结果见表2。根据检验结果，当滞后期数为2时，FPE、AIC、SC、HQ均取得相对最优值，所以最佳滞后期数为2。

表2 VAR模型最佳滞后期数选择

2.3 外生性检验

为了检验LNK和LNG之间是否存在相互影响，还需要对二者的关系进行格兰杰因果关系检验，在滞后期为2的情况下，Eviews11提供的检验结果见表3。可以得出，LNK和LNG相互构成格兰杰因果关系。农业基础设施的投资带来了粮食产量的增加，而粮食产量的增加坚定了江苏地方政府追加农业投资的信心。

表3 VAR模型的格兰杰因果检验

2.4 VAR回归结果

以2阶为滞后期数构建样本的自回归向量模型，回归结果见表4，粮食产量滞后1期对当期第一产业固定资产投资有显著正向影响，且对应的系数较大，说明影响程度大。滞后1期的第一产业固定资产投资对当期粮食产量呈现出显著的负向影响，可能是由于投资的滞后效应使得对农业生产的改善并没有很快体现出来，而滞后1期和2期的粮食产量均对当期粮食产量有显著的正向影响，说明粮食产量随着时间的推移积累着生产经验，实现了稳步增长。

表4 VAR模型的回归结果

2.5 VAR模型稳定性检验

用Eviews11自带的模块对VAR模型进行稳定性检验，所有特征根倒数的模都小于1，且都落在单位圆内，说明建立的VAR模型是稳定的。在这一前提下接下来进行脉冲响应函数分析和方差分析。

2.6 脉冲响应函数

VAR模型的回归结果只是显示了局部的动态关系，没有对全面长期的复杂关系进行反映，如果要观察某个变量对其他变量随着时间产生的持续性影响，需要绘制IRF脉冲响应函数。Eviews11输出结果见图1，第一产业固定资产投资和粮食产量各自对自身的冲击从初期的最大随着时间的推移而逐渐减小；第一产业固定资产投资第一期对粮食产量没有冲击，从第二期开始有负向的最大冲击效应，之后这一冲击开始趋于缓和；粮食产量对于第一产业固定资产的正向冲击从第二期开始显现，至第四期达到最大，之后下降趋于缓和。

图1 脉冲响应函数分布

2.7 方差分解

方差分解的结果见图2，LNK和LNG各自在第一期对自身有100%的解释，从第二期开始对对方存在0.5的贡献率并长期趋于稳定。

图2 方差分解结果

3 基于生产函数的江苏农业投资对粮食产量的影响研究

3.1 模型建立

粮食生产的投入要素包括劳动力、资本和土地，测定这些要素各自作用的基础模型是柯布道格拉斯生产函数，其一般形式为：

其中，Y表示农业总产量，L,K,S分别表示劳动、资本和土地的投入，α，β，γ分别表示劳动、资本和土地的粮食产出弹性，为将上式线性化，对等式两边进行取自然对数处理，得到：

在本文的具体研究中，Y为粮食产量（万t），代表农业总产量；L为乡村劳动力（万人），代表劳动投入量；K为第一产业固定资产投资（亿元），代表资本投入量；S为总播种面积（khm2），代表土地投入量；A为全要素生产率，代表技术水平。本文选取了江苏省2000～2019年的相关数据进行了研究，所有数据均来源于2001～2020年《江苏统计年鉴》和《江苏省国民经济和社会发展统计公报》。

由于第一产业固定资产投资所形成农业基础设施的过程具有连续性，投资周期往往跨越一个甚至多个年度。其作用的发挥具有一定的时滞效应，即不仅在当期对粮食产量产生影响，在未来的一段时间也将持续产生作用。因此，引入了分布滞后的思想，将第一产业固定资产投资的滞后项加入到模型中：

3.2 变量的平稳性检验

对于时间序列数据，首先要对新增的解释变量进行平稳性检验，检验结果见表5（对于LNK和LNG的检验结果见表1），结果显示被解释变量和解释变量有平稳和非平稳序列之分，故不能采用协整的情况。本文对LNS这个变量采取差分处理，则模型变成：

表5 时间序列LNL和LNS的ADF检验结果

3.3 滞后阶数的选择

在生产函数模型中引入第一产业固定资产投资滞后项存在阶数的合理选择问题。本文在综合前人经验的基础上，通过逐步增加第一产业固定资产投资的滞后阶数，同时观察调整R2、AIC、SC这3个值的变化，以调整R2增大、AIC和SC减小的原则，综合确定第一产业固定资产投资的滞后阶数。调整过程见表6，通过综合分析，选择较为合理的滞后阶数应该为一阶，具体模型如下：

表6 第一产业固定资产投资的滞后阶数调整过程

3.4 回归结果分析

运用Eviews11软件使用OLS方法进行回归，得到结果见表7。由表7可知，调整的R2=0.7262，粮食产量的72.62%可以由其他3个变量来解释，模型的拟合优度较高。但是劳动力的增加却造成了粮食减产的现象，原因可能在于近年乡村劳动力呈现逐渐下降趋势，但农业生产技术的提高弥补了这一投入要素的损失，土地增量即总播种面积的增加对粮食产量的影响不够显著，当期的资本投入量即第一产业固定资产投资对粮食产量有显著的正向影响，弹性系数为0.125809，当期第一产业固定资产每增加1%带来粮食产量0.1258%的增长，有一定的影响，但第一产业固定资产投资滞后一期的影响却为负值，说明本文模型的滞后项存在负效应。

表7模型的估计结果

3.5 异方差检验

对回归方程进行异方差检验，确定是否需要进行模型的异方差修正，结果见表8。检验结果显示Obs*R-squared的值达到了12.73875，P值达到了0.3883，接受怀特检验的原假设，即本文所建立的模型没有异方差。

表8 模型的异方差检验

4 结论及建议

上述结果说明，江苏省第一产业固定资产投资和粮食产量之间互为格兰杰原因，第一产业固定资产投资短期内对粮食产量的冲击较大，而粮食产量的变动对第一产业固定资产投资的较大冲击则持续若干期数，二者相互能解释对方一半的变化。第一产业固定资产投资在当期对粮食产量产生了一定的正向影响，弹性系数为0.125809，滞后项却存在微弱的负效应。

因此，本文提出以下政策建议：

持续进行第一产业固定资产投资并改善投资结构，提高投资的使用效率，使其向更有利于农业生产的方向调整，为粮食增产增收做出更大贡献。

注重第一产业固定资产全寿命周期的投资效果，把握投资时机和力度，使得这些投资持续发挥长远作用，并实现滞后期的正效益。