王 玉，王 健，刘国昊，王 悦，张 翼，王鹏程*

(1.塔里木大学经济与管理学院，新疆阿拉尔 843300；2.塔里木大学资产处，新疆阿拉尔 843300)

阿克苏地区位于新疆维吾尔自治区天山南麓、塔里木盆地北缘，地处南北疆交通要冲，是南疆重镇和交通枢纽，下辖库车、新和、沙雅、拜城、温宿、阿瓦提、乌什、柯坪8县和阿克苏市。全区气候炎热干燥，地势平坦水热资源充足，棉花、水稻、油料、水果等农作物具有资源禀赋的相对优势[1]。以阿克苏地区8县1市为研究对象，充分分析特色农业产业发展与县域经济增长之间的关系，进而构建三级评价指标体系[2]，结合赋权法测度对 2009—2018 年阿克苏地区统计年报数据，建立VAR模型[3-6]，采用脉冲响应和方差分解等方法对其开展实证研究，为充分协调发展阿克苏地区县域特色农业经济提供数据和研究参考。

1 指标体系构建及数据处理

1.1 构建指标体系依据阿克苏各县区特色农业产业发展的特点、关系、内涵等内容，采用三级评价指标体系进行合理评价，以此来研究阿克苏地区8县1市特色农业产业发展对县域经济的影响度的指标如表1所示。

表1 特色农业产业发展与县域经济增长关系三级评价指标体系

1.2 数据来源选取阿克苏地区粮食作物总产量、棉花作物总产量、油料作物总产量、甜菜总产量、水果总产量作为县域特色农业产业自身发展潜力的衡量指标；选取阿克苏地区年生产总值、社会消费品零售总额、公路运输客运量、城镇居民人均可支配收入和规模以上工业实现增加值作为县域经济增长的衡量指标，数据均来自《阿克苏统计年鉴》和阿克苏地区国民经济和社会发展统计公报，取样时段为 2009—2018年各地县的相关数据，具体见表2和表3。

表2 阿克苏地区主要农产品平均总产量

表3 阿克苏地区县域增长指标

1.3 数据处理

1.3.1数据指标无量纲化。分析阿克苏地区特色农业产业与县域经济增长之间的关系涉及的指标较多，为了消除各指标对评价结果的影响，用极值法对原始数据进行无量纲处理，使各指标间能够相互对比及计算。评价指标分为正向指标和逆向指标，正向指标越大越好，逆向指标越小越好[7-8]。

(1)正向指标

(1)

(2)逆向指标

(2)

式中，y为经过极值法处理后的数据；Xij为指标的原始值；Xmax、Xmin表示第i项指标原始数据的最大值和最小值。根据表1建立的指标体系，通过2009—2018年《阿克苏地区统计年鉴》搜集相关指标数值，并进行简单处理，得到表4和表5。

表4 阿克苏地区主要农产品平均产量无量纲化结果

表5 阿克苏地区县域经济增长指标无量纲化结果

1.3.2评价指标权重的确定。对阿克苏地区特色农业产业与县域经济增长进行综合评价时，由于各指标对整个评价体系影响不同，因此需要对各指标赋予权重。该研究采用标准差率法对各指标赋予权重，是通过各指标内部间变异信息量来确定指标权重。其主要步骤如下：

假如有m个评价指标，每个指标有n个评价样本。

(1)求各指标的均值和标准差。

(3)

(4)

(2)求各指标的变异系数。

(5)

其中i=1，2，...，m。

(3)求各指标的权重。

(6)

由上述公式可以得到各个评价指标的权重(表6)。

表6 各评价指标的权重

1.3.3综合得分。特色农业产业发展函数F(X)与县域经济增长函数G(Y)值分别表示阿克苏地区特色农业产业发展状况和阿克苏地区县域经济增长状况。具体公式如下：

(7)

(8)

式中，F(X)、G(Y)表示特色农业产业函数和县域经济增长函数；m、n为2个系统中指标的数量，Wi和Wj表示2个系统中各指标的权重；Xi和Xj分别表示2个系统中各指标经过无量纲化处理后的数值。

运用公式(7)、(8)计算得到X和Y的综合得分，如表7所示。

表7 X和Y综合得分结果

2 VAR模型的构建

VAR模型是SIMS在1980年提出的，把系统中的每一个内生变量作为系统中所有内生变量的滞后值函数来构造模型，将单变量自回归模型进行推广，建立了由多元时间序列变量组成的向量自回归模型。

2.1 VAR模型一般 VAR 模型如下：

Yt=A1Yt-1+…+ApYt-p+BXt+εt，t=1，2，…，T

式中，Yt为内生变量；Xt为外生变量；p为滞后阶数；T为样本个数；Yt-1，…，Yt-p为Yt的滞后期；A1，…，Ap为常数矩阵；B为待估系数矩阵；εt为随机扰动量[9]。

2.2 单位根检验要求采集的经济数据具有平稳性，如果数据不平稳，容易导致方程的伪回归。ADF法回归方程的形式如下：

式中，ΔYt为所研究的时间序列；α为常数项；Yt -1为时间趋势；ξt为随机误差项。m为滞后阶数；α，η，λ，βi为待估参数。

2.3 协整检验通过协整检验，可以判断模型设定是否合理，具体步骤如下：

第一步，用最小二乘法构建线性回归方程，即

Yt=C+αXt+ξt，ξt=Yt-(C+αXt)

第二步，检验残差序列ξt的平稳性。即统计量为

最大特征值统计量

λmax= -Tln(1-λi)，r=0，1，2，…，n-1

2.4 格兰杰因果检验格兰杰检验是用来分析变量之间因果的方法，即格兰杰因果关系检验。该方法为2003年诺贝尔经济学奖得主克莱夫·格兰杰所创，用于分析变量之间的因果关系。他给因果关系定义为“依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差”[10]。

2.5 方差分解简单来说，VAR模型的方差分解就是分析影响内生变量结构冲击的贡献度。例如，国民生产总值受到多种因素的影响，比如第一产业的发展、第二产业的发展、第三产业的发展以及科技进步的程度等，那么这4种因素对国民生产总值产生的影响大小，就可以用方差分解来分析，结果是用百分比来表示的。例如第一产业发展和第二产业发展的贡献值分别为10%和20%，表示在这个时间段，10%的国民生产总值是第一产业引起的，20%的国民生产总值的变动是第二产业引起的。

3 实证结果检验及分析

采用自相关性、单位根检验、格兰杰因果检验和方差分解等方法，在VAR模型的基础上，通过方差分解分析各经济变量的相互影响，进而研究经济阿克苏地区增长与特色农业产业发展之间存在的关系。并对阿克苏地区特色农业产业对农村经济增长的作用进行实证分析[11]。最后，针对研究结论，对阿克苏地区特色农业产业与县域经济增长之间的关系提出合理化建议。

3.1 自相关性自相关性是指随机误差项的各期望值之间存在着相关关系，特色农业产业发展与县域经济增长自相关图如图1所示。

图1 阿克苏地区特色农业产业与县域经济增长自相关图Fig.1 Autocorrelation between characteristic agricultural industries and county economic growth in Aksu Region

从图1可以看出，AC表示9期中各期的自相关系数，PAC表示各期的偏自相关系数，图中2列直方图分别表示自相关系数和偏自相关系数，其中虚线表示显著性水平为0.05的置信带，当第n期的偏自相关直方块超过虚线时，说明存在n阶自相关，但从图1可以看出，没有任何一期超过置信带，由此可知阿克苏地区特色农业产业发展与县域经济增长之间不存在自相关。因此，接受原假设，残差序列不存在序列相关性。

3.2 单位根检验采用单位根检验ADF检验法对阿克苏地区经济增长与特色农业产业发展各指标变量进行平稳性检验，检验结果见表8。

表8 变量单位根检验结果

由表8可知，变量X在经过一阶差分后，通过0.05显著性水平的平稳性检验，在经过二次差分后，通过0.01显著性水平的平稳性检验。变量Y在通过一阶差分后仍为不平稳数据，未通过稳定性检验，但经过二阶差分后，通过0.05显著性水平的检验。

为检验整个模型的稳定性，对单位的分布进行检验，结果见图2。图2显示，模型中所有的单位根均落在圆圈内，说明该模型稳定性较强。

图2 变量单位根分布Fig.2 Unit root distribution of variables

3.3 协整检验为了检验阿克苏地区特色农业产业与县域经济增长之间是否存在协整关系，对模型进行协整检验，结果见表9。

由表9可知，在0.05的显著性水平下拒绝原假设，即在95%的置信水平下拒绝了原假设，阿克苏地区特色农业产业发展潜力与县域经济增长之间至少存在一个长期协整关系。尽管由于受到其他因素的影响可能导致两者之间出现短期的失衡状态，但是在长期看来，它们会相互影响并进行不断的修正最终达到一个长期均衡的关系。

表9 协整检验结果

3.4 VAR最优滞后阶数为了更好地研究阿克苏地区特色农业产业发展潜力与县域经济增长之间的关系，在建立VAR模型时应该确定最佳的滞后阶数，根据 LogL、LR、FPE、AIC、SC 和 HQIC 等相关标准对模型的最优滞后阶数的确定，具体数值如表10所示。由表10可知，在滞后1阶时，LR、FPE、AIC、SC、HQ均出现了“*”，而在滞后2阶时没有一个指标出现“*”，这说明滞后1阶是优的滞后阶数，即VAR(1)。

3.5 模型的确定由表10可知，该模型中最优的滞后期数为1，在Eviews中通过建立VAR模型，然后通过最小二乘法对特色农业产业与县域经济增长进行回归后得到VAR(1)模型。

lnX=-0.240 8×lnX(-1)+ 0.769 8×lnY(-1)- 0.827 0

lnY=-0.124 7×lnX(-1)+ 0.707 6×lnY(-1)- 0.180 4

由上述VAR(1)模型可知，特色农业产业滞后一期对特色农业产业本身的发展潜力产生负向影响，县域经济增长状况滞后一期对特色农业产业发展潜力产生正向影响。特色农业产业滞后1期对当地县域经济增长状况产生负向影响，县域经济增长滞后1期对其本身的发展潜力产生正向影响。

表10 最优滞后阶数确定标准

3.6 格兰杰因果检验VAR模型建立以后，为了模型研究的可行性和研究结果的准确性，对阿克苏地区经济增长与特色农业产业发展各指标变量进行格兰杰因果关系检验，检验结果见表11。

表11 格兰杰检验结果

由表11可知，在0.05的显著性水平下，不能拒绝“lnY不是lnX引起的Granger原因”的原假设，即县域经济增长不是引起特色农业产业自身潜力变动的原因，在0.05的显著性水平下，拒绝“lnX不是lnY引起的Granger原因”的原假设，即特色农业产业发展潜力是县域经济增长引起来的。总而言之，特色农业产业发展潜力的增加，将会影响县域经济增长的状况，而且是正向影响。特色农业产业的发展不仅能够提供农副产品，也能促进县域经济的增长。

3.7 脉冲响应根据图3的脉冲响应图可知：

(1)特色农业产业发展潜力对自身的脉冲响应。在本期给特色农业产业一个负向冲击后，其对本身的影响在1～2期会大幅度下降，在2～4期又大幅度上升，在4～5期小幅度下降，而后又上升，在第2期达到最小值，这说明特色农业产业对自身的冲击反应具有波动性，但从长期来看，呈现出缓慢下降的趋势，最终趋近于平稳。

(2)特色农业产业发展潜力对县域经济增长的脉冲响应。当在本期给县域经济增长一个正向的脉冲时，其在1～3期有缓慢的增加，在3～4期呈现出缓慢的下降趋势，而后一直处于稳定的状态，虽然是一个正向的冲击，这表明，当地区特色农业发展潜力提高时，会在一定程度上促进县域经济的增长，但冲击不是很大。

图3 变量间脉冲响应Fig.3 Impulse responses among variables

(3)县域经济增长对特色农业产业发展潜力的脉冲响应。在本期给特色农业产业一个正向的冲击后，特色农业产业在1～3期内大幅增长在第3期达到最大值，在3～4期迅速下降，在第7期以后趋近于平稳。整体上对特色农业产业的发展有促进作用，这说明县域经济的增加会拉动特色农业产业的发展。

(4)县域经济增长对县域经济增长自身的脉冲响应。当某些外部因素的影响造成经济增长缓慢给经济增长一个负向冲击时，当地的经济也会被这个负面冲击影响，导致经济增长一直处于下降的状态，1～5期下降的较快，第5期之后趋于稳定的状态。

3.8 方差分解方差分解时通过阿克苏地区特色农业产业和县域经济增长的各指标变量中每一内生变量的冲击对内生变量变化(通常用方差来表示)的贡献度[12]，评价不同内生变量冲击的重要性。特色农业产业预测方差分解表和县域经济增长预测方差分解表，分别见表12和表13。

由表12可以看出，阿克苏地区经济增长与特色农业产业发展各指标变量自身的预测方差贡献度对特色农业产业发展影响很大，保持在87%左右，其对特色农业产业的贡献值达到12.94%。贡献度也是相当高。

表12 特色农业产业预测方差分解

由表13可以看出，阿克苏地区经济增长与特色农业产业发展指标变量对自身的冲击较大，第1期和第2期贡献率特别高，而到了第3期直接由第2期的99.86%下降到第3期的97.39%，一期下降了2百分点，下降幅度最大，说明敏感性较强。从第3期后，基本稳定在97.5%左右。而县域经济生产总值对特色农业产业的影响较为微弱，第2期增加较快，第2期后基本稳定在2.5%左右。

表13 县域经济增长的预测方差分解

4 结论

以阿克苏地区为研究区，构建以县域经济增长为因变量，特色农业产业自身发展潜力为自变量的评价体系，并在此基础上构建VAR模型。针对阿克苏特色农业产业对县域经济增长的作用进行实证分析，得出了相关研究结论：在阿克苏地区经济增长与特色农业产业发展各指标变量中，特色农业产业自身发展潜力对县域经济增长的一个标准差扰动的响应，一直保持正向响应，在第3年正向响应的程度达到最大。而后逐渐减弱，但整体产生的是正向响应。县域经济增长的波动从第1期起就受到自身波动的影响，始终呈现同方向的变动。总体上对本身产生负向影响。县域经济增长对特色农业产业自身发展潜力的冲击在第3期显现出来，冲击程度达到最大，此后呈现小幅度波动态势，并逐渐趋于稳定。县域经济增长对其自身的冲击一直是负向响应，第1～6期逐步下降，第7期以后趋向于稳定状态。分析结论表明，在阿克苏地区特色农业产业发展与县域经济增长之间存在较强的正向交互响应作用。