贺银娟

(江西科技学院协同创新中心，江西 南昌 330098)

1 问题提出

农业是百业之基。2021年11月，国务院印发《“十四五”推进农业农村现代化规划》通知，强调“‘三农’工作是全面建设社会主义现代化国家的重中之重。为贯彻落实《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，坚持农业农村优先发展，全面推进乡村振兴，加快农业农村现代化。”2022年2月，江西省人民政府印发《江西省“十四五”农业农村现代化规划》(以下简称《规划》)，《规划》从夯实农业生产基础、推进科技与机制创新等9个方面提出了具体措施。通过推进农业科技与机制创新，不断提升农业质量、效益和竞争力。强化现代农业科技支撑，打好种业翻身仗，增强农业装备研发与应用能力，创新现代农业经营机制。

江西省作为全国粮食主产区之一，其农业资源十分丰富。为了大力推进产业优质化、特色化、品牌化发展，加快推动从江西省农业大省向农业强省的迈进，研究通过搜集整理江西省2000—2020年有关农业生产效益、农业生产技术效率与农业科技创新效率的数据，结合相关学者的研究，构建指标体系，运用VAR模型研究江西省农业生产效益、农业生产技术效率及农业科技创新效率之间的关系，为提升江西省农业农村现代化水平和推动江西省农业高质量发展、推动产业融合发展提供理论支撑和政策建议。

2 研究方法与数据来源

2.1 研究方法：向量自回归模型

向量自回归模型，简称VAR模型，是一种常用的计量经济模型，美国经济学家Christopher Sims于1980年提出的[1]。VAR模型通常用于描述多变量时间序列之间的变动影响关系，其最大的优点就是建模不需要强的经济理论作为基础，仅需从数据出发即可建立模型，因此被广泛用来进行经济指标分析与预测。

向量自回归模型的数学表达式：

Yt=φ0+φ1Yt-1+φ2Yt-2+…+φpYt-p+BXt+εt

t=1，2，…，T

式中，Yt代表k维内生变量列向量；Yt-i，i=1，2，…，p为滞后的内生变量；Xt表示d维外生变量列向量，可以是常数变量、线性趋势项或者其他非随机变量；p是滞后阶数；T表示样本数目；φi即φ1，φ2，…，φp为k×k维的待估矩阵；B表示k×d维的待估矩阵；εt～N(0，∑)表示k维白噪声向量，Σ是εt的协方差矩阵，是一个k×k的正定矩阵。

2.2 指标选取和数据的来源

依据指标选取的综合性、客观性、可度量性及可获取性等特点，构建衡量江西省农业生产经济效益、农业生产技术效率及农业发展创新效率的指标体系，如表1所示。研究中所用数据来源于2000—2020年《江西省统计年鉴》《中国科技统计年鉴》。

2.2.1 农村生产经济效益(CE)

为保证研究的科学性，消除因计量单位带来的影响，选取指标采用熵权法赋权重，以各年综合评分来代表江西省农村生产经济效益，结果如表2所示。

表1 农业技术效率、农业科技创新与农业综合效益指标体系

2.2.2 农业生产技术效率(TE)

参考徐琼[2]、曹明霞等[3]、周妍宏[4]研究中所采用的数据包络分析法计算江西省农业生产技术效率。产出指标为江西省农业总产值；投入指标包括江西省农业机械总动力、农业实际机耕面积、农作物总播种面积、农作物化肥施用量及有效灌溉面积。

2.2.3 农业发展科技创新环境(IE)

在参考陈鸣等[5]、杨秀玉[6]、常文涛[7]、黄龙俊江[8]所选取的农业发展科技创新指标基础上，将江西省第一产业中农业商品产值与农村住户人均可支配收入作为江西省农业科技创新产出绩效指标；农业R&D人员全时当量、农业R&D经费内部支出、企事业单位专业技术人员农业技术人员、高校农业科学人力资源情况及高校本科层次农学毕业生指标作为江西省农业科技创新投入要素，同样采用数据包络分析进行效率测算，并以此作为衡量江西省农业科技创新效率的指标，其中，江西省农业R&D人员全时当量与农业R&D经费支出均采用全省R&D数据与农业总产值占地区总产值比重相乘换算所得。

3 实证分析过程

研究将农业生产经济效益(CE)作为因变量，自变量为农业生产技术效率(TE)和农业科技创新效率(IE)，运用向量自回归VAR模型探究2000—2020年三者间的相互影响，为不断提升江西省农业高质量发展提供参考。

3.1 变量时间序列的平稳性检验

一般来说，对于VAR模型的平稳性检验，通常选用ADF(Augmented Dickey-Fuller)检验。检验的显著性水平分别为1%、5%、10%，原假设为变量序列存在单位根。若P值>显著性水平，则认为不能决绝原假设，即该时间序列存在单位根，属于非平稳序列；若P值<显著性水平，则拒绝原假设，即该时间序列当中不存在单位根，其为平稳性序列，适合运用VAR模型分析[9]。检验结果如表2所示。

结果表明，原序列进行单位根检验后，显著性水平为1%、5%和10%的情况下，P值均大于所有显著性水平，不拒绝原假设，表明原序列均存在单位根，判定为非平稳序列；对变量序列做一阶差分处理，一阶差分序列检验结果P值<1%，此时拒绝原假设，即各序列均均不存在单位根，均为平稳序列。据此，可以建立VAR模型，且变量序列CE、TE和IE之间可能存在协整关系。

表2 时间序列的平稳性检验结果

3.2 VAR回归模型

通过ADF检验，发现变量CE、TE和IE的一阶差分序列均为平稳序列，满足建立VAR模型对于数据序列的平稳性要求。

利用Eviews软件确定VAR模型最佳滞后期，结果如表3所示。

根据VAR模型最佳滞后期的确定结果可知，当FPE、AIC、SC和HQ在滞后期为2的情况下值最小。因此，VAR模型确定的最佳滞后期为2。

进一步对VAR模型的稳定性进行单位圆检验，结果如图1所示。所有AR特征方程的特征根倒数的绝对值都小于1，且圆点均落在单位圆内，证明所构建的VAR模型是稳定的，可以进行脉冲响应和方差分解分析。

表3 VAR模型最佳滞后期的确定结果

3.3 脉冲响应分析

依据各组变量构建的VAR模型，运算得到变量脉冲响应函数，结果如图2所示。图中的实线表示两变量的脉冲响应函数结果，2条虚线表示该脉冲响应函数结果在2倍标准差范围之内的波动情况。如图2a所示，CE对自身在0.04个标准差时其脉冲响应为正，且在t=1时冲击达到最高点，之后的脉冲响应回落至基本收敛，之后又出现负冲击效应，但基本保持平稳且有收敛的倾向，这说明江西省前一年农业生产经济效益的发展水平对于下一年农业生产经济效益的作用为正向冲击，有助于下一年农业生产经济效益的提高，但随着时间的推移，之前其他年份的农业生经济效益水平对下年农业生产经济效益的刺激水平就逐步减弱，且有一定的负向影响。图2b表明，IE对CE的冲击影响在t=1时达到最高，t=2时冲击的负效应最高，之后负冲击稳定，同时冲击效应趋于收敛。这表明江西省农业科技创新效率的提升在t=0.5时能够有利促进江西省农业生产经济效益的提高，但农业科技创新效率的变化从短期来看，对农业生产经济效益的促进作用不显著。如图2c所示，在t=1时TE对CE的冲击基本为0，t=2时负向的冲击达到最大，之后长期维持负效应但趋势有收敛之势，同样表明农业生产经济效益的变化无法在短期内体现出农业生产技术效率的影响作用。如图2d所示，IE对CE的冲击影响为负，说明农业生产经济效益的变化对农业科技创新效率的提升有负影响，农业科技创新效率的变化从一定程度上扩大了农业生产规模，对农业生产短期经济效益带来负向冲击。如图2e所示，IE对自身的冲击在第1期时达到最高，第2期降至最低点，第3期后冲击效应明显减弱且趋于收敛。在图2f中，TE对IE的冲击效应在第1期时收敛，之后呈现负冲击，冲击效应逐渐减弱且趋于收敛，表明随着江西省农业生产技术效率的提升，农业科技创新的效果日渐凸显。图2g表明，在第1期时，CE对TE的冲击效应为正且趋于收敛。表明当农业生产经济效益增加时，农民从事农业生产的积极性会提高，加大农业投入，提高产出，因此农业生产技术效率也会得到提升。图2h表明，IE对TE产生正向的冲击效应且在第3期达到了最大，之后冲击效应上下小范围波动且趋于收敛。表明江西省农业科技创新水平对农业生产技术效率的提升既有短期正向冲击效应，又有长期的正向冲击效应。农业科技创新水平的不断提升，农民使用机器设备、灌溉技术等水平也得以提高，农业技术应用能力的推广和提升，既刺激了农村居民的生产积极性，使农业种植生产规模扩大，也能大大提升农业经营效率，提升江西省农民生产经济效益。且从长期来看，国家和地方政府对“三农”发展的不断鼓励和支持，也会不断推动农业科技创新上一新台阶。如图2i所示，TE对TE带来的是持续的、较为稳定的正向相应，在较小波动的情况下趋于收敛，表明前期农业生产技术效率的高低直接影响后续农民从事生产的积极性和主动性，体现持续性、稳定性的特点，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 VAR平稳性检验结果(Graph)形式

图2 VAR模型脉冲响应结果

3.4 方差分析

脉冲响应分析之后，基于VAR模型的方差分析能够研究分析出变量系统中每一组变量对不同内生变量变化所做出的贡献率，衡量这种变化的指标采用方差来说明，从而表明不同变量结构冲击贡献的大小[10]。基于CE、TE和IE构建的VAR模型中各内生变量方差贡献率如表4所示。图3a表示各变量结构对CE变化的贡献率。CE对自身的影响贡献率很大，在t=1时，CE的变化完全取决于其自身前一期的水平的贡献，之后逐年贡献率减弱。在t=2时才凸显出各自的贡献，且贡献率较低，IE对CE的冲击效应力为7.095%，IE对CE的冲击力在t=3时冲击效应增长幅度最大，贡献率提升了123.06%，之后贡献率稳步提升。而TE对CE变动的贡献率在t=2时仅有1.904%，充分表明江西省农业生产经济效益的提升从长期来看主要的贡献力量之一还是农业生产技术效率，有了农业技术创新技术的推进，农业生产技术效率稳步提升，合力推动农业生产经济效益的提升，进而提高农民收入水平和生活质量。图3b体现了各变量结构对TE变动的贡献率。其中，CE对TE变动的贡献率明显高于TE和IE，表明江西省农业生产经济效益对江西省农业生产技术效率的影响在第1期达到最大，之后的影响力逐渐减弱，但仍是江西省农业生产技术效率变动的主要影响因素。与此同时，江西省农业科技创新水平的高低也会对江西省农业生产技术效率产生影响，相对影响力较弱大，但随着时间推移，其影响力也在缓慢增强，第10期时江西省农业科技创新水平对农业生产技术效率变动的贡献率已经超过20%，体现科技创新对农业生产技术的远期效应。图3c表示CE、IE和TE对IE变动的贡献率。第1期时，TE对IE的变动没有展示明显的冲击影响；第1期时CE对IE变动的贡献率为2.53%；IE变动的主要贡献者是其自身，之后一期的水平对当期IE变动的贡献率达到了97.468%，表明江西省农业科技创新效率变动的核心贡献力量是自身，体现农业科技创新的延续性和发展性。第2期时，TE对IE变动的影响冲击作用凸显出来，贡献率从第1期的0增到了6.23%，远超CE对IE变动的贡献率，且随着时间的推移，影响冲击作用逐步加强；但CE对IE变动的贡献率此时较之前有小幅度的上升，到了第3期冲击力减弱，之后各时期缓慢增长。由此表明，从长期来看，江西省农业生产经济效益的变动对江西省农业科技创新效率的提升具有一定的冲击影响，相对弱于江西省农业生产技术效率对科技创新效率变动的冲击，江西省农业科技创新效率的变化更多是基于前期科技成果的基础上不断发展，但随着农业生产的规模化、机械化、职能化、产业融合性的发展，对科技创新具有明显的推动作用，充分体现了农业技术生产效率、农业科技创新效率和农业生产经济效益之间长期的互动影响、促进关系。

表4 各变量不同滞后期下的方差分解结果

图3 各变量不同滞后期下的方差分解结果

4 研究结论与对策建议

4.1 研究结论

研究通过VAR模型对2000—2020年江西省农业生产技术效率、科技创新效率、经济效益间实证分析，结果表明，从短期来看，江西省农业生产技术效率、科技创新效率与农业生产经济效益间的脉冲响应在不同的滞后期存在不同的冲击效应，冲击效应有正有负，短期内效果不明显。从方差分析的结果来看，研究结果的共同点在于，在3种变量结构中，每个变量对于自身变化的贡献率均是最大的，特别是短期内基本起到了决定性的冲击效果，相对江西省农业科技创新效率来说，江西省农业生产技术效率与其农业生产经济效益间的脉冲影响更大一些。从长期来看，其他变量的冲击影响力均在稳步上升，各变量结构对某一变量变动的贡献率处于稳定的状态。江西省农业科技创新水平能够推动江西省农业生产技术效率的不断提升，使农业发展适应规模化、信息化、智能化、融合化的健康持续发展需要，从而提高江西省农业生产的经济效益水平，使农民收入不断增加和生活水平稳步提升。与此同时，江西省农业生产技术效率的不断提高，又会对农业科技创新加大投入且提出更高的要求，以此带动农业生产效率的不断提升，进而提升农业生产经济效益。江西农业生产经济效益的提高又会反作用于农业科技创新及农业生产技术效率，加大农业科技创新的人力、物力和财力的投入，提高江西省农业科技创新的能力和水平，特别是高素质、高水平农业科技创新人才的培养和引进，从而提高江西省农业生产技术效率水平。

4.2 对策建议

政府应继续加强对农业发展所需人力和资金的投入和引进，培养新农民，不断提升农业生产技术效率，提高农民生产经济效益，进而提高农民的收入水平和生活水平。2020年，江西省农作物总播种面积占全国的3.37%，但农业总产值仅占全国农业总产值的2.36%，农业机械总动力占全国2.45%，耕地灌溉面积占全国2.95%，化肥施肥量占比2.07%，第一产业就业人员占全国的比例仅有0.61%。因此，政府应通过政策引导，加快培养新农民的步伐，通过技能培训和技术服务促进农民掌握新技术、新方法；通过线下指导和线上平台来培养农民的市场意识，以市场为导向发展新型农业。与此同时，农业发展的规模化、集约化发展也存在资金的短缺问题，政府需加强对农业基础设施、农业公共服务等方面的支持和调控，引导全社会信贷资金流向，引入国外农业资金，适度放开农村金融和信贷，开拓多种农村金融渠道，以多种方式来满足江西省农业生产发展对于资金的需要，推动农业机械化、现代化进程，从而提高农业生产技术效率，提升农民生产经济效益[11]。

持续推进农业科技创新，延伸农产品的精深加工，以创新提升农产品的附加值，大力发展农业生产性服务业，加强产业融合，推动农业高质量发展。科技发展的首要力量就是人，着力健全和加大农业科技人员和科研人才队伍的建设是江西省农业发展所需解决的重要问题之一；加大农业科技创新制度改革，不断健全农业科技创新激励机制[12]；加大农业生产技术的推广和应用，着力推动特色农业的规模化、机械化、智能化、融合化，不断提升江西省特色农产品的品质，稳步推进农业品牌建设，打造农产品不断迈向高质量、高水平，以此拓宽江西省农产品的销售渠道和网络[13]。

转变农业生产方式，推进农业绿色发展，大力发展农业生产性服务业，走现代农业高质量发展之路。传统的农业生产方式属于粗放型，且对化肥、农药等物品投入过多，现代农产品绿色、有机的发展要求，则需要减少化肥、农药、除草剂等化学物品的过量投入和使用，依托科学技术，构建消耗少、污染少的集约型、精细化的农业生产方式，打造产品安全、资源节约、绿色环保、品质优良的现代化农业[14]。同时，推动江西省农业与乡村工业、物流运输业、服务业等农业产业化服务的融合发展，借助互联网，不断推动产业的融合发展和农产品的销售。

加快培养农业与计算机、信息、人工智能等多学科融合的交叉性人才，发挥高校在人才培养、技术培训和宣传、服务地方经济等方面的重要作用，为智慧农业发展提供人才力量。《江西省“十四五”农业农村现代化规划》中也指出，要整合江西省省内涉农专业的中专、高职、高校等教育资源，加大涉农高校、涉农学科专业的建设力度，培养农业与信息技术、人工智能等学科不断融合的新型农业人才，做大做强一批农业职业技术院校，满足农业发展对于人才的需求。同时也通过整合教育资源、优化学科专业，推动涉农人才的培养和新型农民的教育培训。继续加强校企合作、校村合作，打造一批产教融合基地，推动农民的职业教育，农业技能培训以及农业技术推广，助力江西省农业产业的高质量发展。