減災工程與農業生產產出相關性探析

王紹玉，周長生

(1.哈爾濱工業大學經濟與管理學院，150001 哈爾濱;2.哈爾濱工業大學 建筑學院，150001 哈爾濱)

減災工程與農業生產產出相關性探析

王紹玉1，2，周長生1

(1.哈爾濱工業大學經濟與管理學院，150001 哈爾濱;2.哈爾濱工業大學 建筑學院，150001 哈爾濱)

為測量減災工程對農業生產產出的影響，用灰色關聯分析算法和計量模型方法，對農業生產系統中除澇、灌溉、堤防、水庫等指標數據進行了無量綱化處理，形成指標關聯度評估，同時在柯布-道格拉斯生產函數基礎上將各指標數據納入回歸分析中，完成了除澇等指標對農業生產產出影響的定量評價.實證研究表明:影響農業生產的減災工程作用從大到小的順序為:除澇面積、灌溉面積、堤防長度、鹽堿地改良面積、水庫容量、水土流失治理面積.擴大除澇面積、修建水庫、增加堤防長度增加了農業生產總值，其中除澇對增加農業產值的效用最大，自然災害阻礙了農業生產的發展，加大減災工程投入有利于增加農業生產產出.

減災工程;農業減災系統模型;計量模型;農業生產產出

我國農業生產從古至今一直遭受著自然災害的嚴重影響.據文獻［1-2］計算，1978～2006年，我國平均因自然災害造成的農作物受災面積達4 575萬hm2/a，受災面積約占農作物總播種面積的1/3.在各種自然災害中，對我國農業危害最大的是水旱災害，其造成的直接經濟損失占各類自然災害直接經濟總損失的60%左右［3］.因此，加強抵御水旱災害的工程措施建設對我國農業生產增收意義重大.

改革開放后，國家為加快農業發展實施了一系列制度調整，有效促進了我國農業快速發展，基本上解決了長期困擾農民的溫飽問題.著名經濟學家林毅夫教授［4］研究了這期間我國農業制度變革對農業生產產出的影響.結果表明，從生產隊體制向家庭聯產承包責任制的轉變，是1978～1984年我國農業產出增長的主要原因.此外，喬榛等［5］利用1978～2004年省際面板數據進行計量分析，結果與林毅夫的結論大體一致.

需要指出的是，在本文研究的時間段，即1997～2005年期間，我國農業制度變革處于相對穩定的框架內，除常規投入外，自然災害成為影響農業生產的重要因素.為此，學者們開始關注自然災害對農業生產產出的影響.如王占禮［6］研究了侵蝕使糧食減產的作用;梅廣清［7］探討了自然災害對區域農業產出的影響;彭克強［8］指出1978～2006年間旱災和澇災是我國最頻發且影響糧食生產最重要的兩大自然災害，但文獻［8］的研究方法是假定除旱澇災害之外，在其他各類影響因素不變的前提下，揭示糧食生產與旱澇災害之間存在的單一相關關系.而本文則是從多維視角探討水旱災害對農業產值的影響，進而探討加強抵御水旱災害的工程措施對農業產出的促進作用.

1 農業減災系統模型分析

為減少水旱災害對農業生產產出造成的影響，必須首先了解我國農業減災能力的狀況，而農業減災系統模型分析有助于解決這一問題.為此，本文參考了鄧聚龍［9］的灰色關聯分析.據文獻［10］分析及研究需要，本文選擇了堤防長度、灌溉面積、除澇面積、水庫容量、鹽堿耕地改良面積、水土流失治理面積這6項農業減災工程指標，表征抵御和治理水旱災害的能力.

1.1 確定分析序列

1.2 對變量序列數據進行標準化處理

選擇各列指標中最大值作為參考序列.一般而言，不同的評價指標往往具有不同的量綱和量綱單位，為了消除量綱和量綱單位不同所帶來的差別性，首先應將評價指標進行標準化處理.常用的方法有初值化、均值化和歸一化等.本研究采用初值法進行標準化處理，即

1.3 求差序列、最大值、最小值

1)差序列為

式中:i=1，2，3，…，m;k=1，2，3，…，n.根據式(1)計算差序列.

2)絕對差值中最大數和最小數為

3)數據標準化的結果確定為

1.4 計算灰色關聯系數

關聯度實質上是曲線間幾何形狀的差別程度.曲線間差值的大小，可作為關聯程度的衡量尺度.各比較數列與參考數列在各時刻的關聯度系數為

式中:ρ為分辨系數，在(0，1］內取值.根據灰色理論創始人鄧聚龍教授的研究ρ一般取0.5效果較好，所以本文研究令ρ=0.5，得關聯系數矩陣為

1.5 求指標關聯度對變量序列

雖求出比較數列與參考數列在各時刻的關聯度值，但數值較多，不便于比較.因此將各個時刻的關聯系數集中為一個平均值，作為比較，其關聯度為

計算得:r(1)=0.747;r(2)=0.784;r(3)=0.849;r(4)=0.681;r(5)=0.740;r(6)=0.547.

計算結果顯示，減災工程項目對增加農業生產產出的影響作用從大到小的排序是:除澇＞灌溉＞堤防長度＞鹽堿耕地改良面積＞水庫容量＞水土流失治理面積.

2 計量模型與計算結果

上述農業減災系統模型的分析結論表明了6項減災工程措施對農業生產作用的排序分析，但這些減災工程措施的每一項對農業產值的影響程度有多大，結論并沒有給出明確說明.為此，采用計量分析方法對這些指標作進一步分析不但能解決上述問題，而且可以對1997～2005年間農業常規投入、自然災害、抵御水旱災害對農業生產產出的影響做出全方位解析.

2.1 混合模型

如果一個面板數據模型定義為

式中:yit為被回歸變量(標量);α為截距項;Xit為k×1階回歸變量列向量(包括k個回歸量);β為k×1階回歸系數列向量;εit為誤差項(標量)，則稱此模型為混合模型.混合模型的特點是無論對任何個體和截面，回歸系數α和β都相同.以上模型寫成向量形式為

2.2 個體固定效應模型

模型回歸形式為

式中:yi為T×1維被解釋變量向量;xi為T×k維解釋變量矩陣;β為k×1維回歸系數列向量，i個個體成員方程間的截距項αi不同，用來說明個體影響，即反映模型中忽略的反映個體差異的變量的影響;隨機誤差項ui反映模型中忽略的隨個體成員和時間變化因素的影響.

個體固定效應模型假定個體成員上的個體影響可以由常數項的不同來說明，即在式(2)所表示的模型中，各個體成員方程中的截距項為αi跨截面變化的常數［11］.模型對應的向量形式為

其中

式中:yi，e，ui分別為T ×1維向量;xi為T × k維矩陣.并 且，E(ui)=0T×1，E(uiu'i)=IT，E(uiu'j)=0T×T(i≠ j).其中:i=1，2，…，N;IT為T×T維單位矩陣.利用普通最小二乘法可以得到參數αi和β的最優線性無偏估計為

對應的協方差矩陣為

方差σ2u對應的估計量為

2.3 隨機效應模型

模型回歸的形式為

式中:yit為被回歸變量(標量);xit為k×1階回歸變量列向量(包括k個回歸量);β為k×1階回歸系數列向量;zi為不隨時間而變的個體特征(即zit=zi，?t).擾動項由(ui+εit)兩部分構成，被稱為“復合擾動項”.隨機效應模型假設ui與解釋變量{xit，zi}均不相關，故OLS是一致的.然而擾動項由(ui+εit)組成，不是球型擾動項，因此OLS不是有效率的.假設不同個體之間的擾動項互不相關.由于ui的存在，同一個個體不同時期的擾動項之間存在自相關，如

顯然，同一個體不同時期的擾動項之間的自相關系ρ不隨時間距離(t-s)而改變，ρ越大，則復合擾動項(ui+εit)中個體效應的部分(ui)越重要.

同一個擾動項的協方差為

由式(3)可知，同一個體的擾動項具有相同的方差，但存在組內自相關.整個樣本擾動項的協方差陣為塊對角矩陣為

由于OLS是一致的，且其擾動項為(ui+εit)，故可以用OLS的殘差來估計(+).另一方面，FE也是一致的，且其擾動項為(εit-)，故可以用FE的殘差來估計.然后，就可以使用可行廣義最小二乘法來估計原模型，得到“隨機效應估計量”.

本文農業生產函數是建立在柯布-道格拉斯生產函數基礎上的，以土地(land)、化肥(fertilizer)、勞動(labor)、機械化水平(power)為4種常規投入，這4種常規投入和農業總產值以對數形式給出.這里農業總產值以1997年為基期，然后計算相應指數取得各年份實際農業總產值，作為衡量各地區農業總產出的經濟指標.土地表示土地播種面積、勞動表示農林牧漁業勞動力.農業資本投入計算比較復雜，由于在農業生產過程中，農業機械以及化肥投入作為主要的資本形式參與農業生產，因此可將農業機械以及化肥投入作為資本投入的替代形式，其中農業機械投入以機械動力來衡量，而化肥投入則以氮、磷、鉀以及復合肥的總量來體現.

此外，在函數中還包括另外5個變量，即受災面積(表征自然災害對農業生產的影響程度，在模型設定中以對數形式給出)、水庫容量(Reservoir capacity)、堤防長度(Levee length)、灌溉面積(Effective irrigation area)、除澇面積(Waterlogging prevention area)4個變量體現抵御水旱災害的工程措施對農業總產值的影響(這里沒有選擇鹽堿地改良面積作為抵御水旱災害的指標，是因為鹽堿地改良在全國各省不具有普遍性)，在模型設定中以線性形式給出.為避免水庫容量、堤防長度與有效灌溉面積、除澇面積多從共線性，本文沒有在回歸模型中同時控制這4個變量.

分別以混合模型、個體固定效應模型、隨機效應模型進行估計.“=”左側是農業生產總值的對數值，“=”右側是其余變量.對比個體固定效應模型和隨機效應模型用Hausman檢驗;對比混合模型和個體效應模型用F檢驗.

本研究采用的數據除特殊說明外，均來自國家統計局編的各年度《中國統計年鑒》、中國農業年鑒編輯委員會編的各年度《中國農業年鑒》以及由《中國水利年鑒》編纂委員會編的《中國水利年鑒》，還有水利部所提供的資料.為了提高計量經濟分析的準確性，增加樣本空間，本文還分別收集了除港、澳、臺及上海、西藏、青海、寧夏以外的省市自治區的省際面板數據，樣本共有27個省、自治區和直轄市.

在表1所示3種模型的基本估計結果中，(1)、(2)為混合模型估計結果，(3)、(4)為個體固定效應模型估計結果，(5)、(6)為隨機效應模型估計結果.總體上，6個回歸中變量的估計結果基本一致，F檢驗和Hausan檢驗結果顯示，選擇固定效應模型估計會更好一些.6個回歸變量中受災面積的系數分別在1%、5%、10%的顯著性水平下通過了檢驗;水庫容量、堤防長度、除澇面積也通過了顯著性檢驗.在(3)、(4)中抵御水旱災害進而影響農業產值的指標中，除澇對農業產值增加的影響作用最為顯著.

上述結果中，灌溉面積沒有通過顯著性檢驗，這可能是由我國特殊的灌溉構成決定的［12］.在我國南方，灌溉主要是為滿足植物生長的需要，而非抗災的需要;相反在我國中部和北部地區，灌溉則主要是為了抗旱，因此，灌溉在我國南、北方作用的差異造成了上述結果.

表1 3種模型基本估計結果

值得注意的是，上述估計結果中，與人們的常規認識相反，土地播種面積的增加不但沒有帶來農業總產值增加，反而降低了農業總產值，本文認為這一結果的原因可能是由于過度開墾山地、開墾湖區圍湖造田、毀林開荒造成的.在1997～2005年間，隨著我國人口的增長和經濟的發展，住房用地、基礎設施用地和商業用地劇增，在國家嚴格控制農用地政策的限制下，各地紛紛向山、林、湖區要耕地.結果，一方面過度開墾行為降低了這些地區和下游地區防澇、抗旱能力，以至當水旱災害來臨時造成更多的農業經濟損失.據統計，由于長江、黃河上中游地區毀林開荒，陡坡耕種，已使之成為世界上水土流失最嚴重的地區之一，每年流入長江、黃河的泥沙量達20多億噸，加劇了兩大流域中下游地區的水患災害，給農業生產造成巨大危害.另一方面過度開墾產生更大面積的水土流失、土地沙化.這期間，全國水土流失面積約360萬km2，占國土面積的37.5%;沙化土地面積已達174萬km2，占國土面積的18.2%.據全國土地資源調查資料，全國僅 25°以上有606 萬 hm2的坡耕地［13］.

農業資本中化肥和機械化水平與農業生產總值正相關，這一估計結果與文獻［4-5］結論一致，說明農業機械化水平普及范圍越廣、普及程度越高對農業總產值增加作用就越大.

此外，上述分析結果中農村勞動力與農業總產值負相關，本文認為這是由于中國農村勞動力過剩這一現狀造成的.一方面，農村過剩的勞動力影響農業機械化水平的提高，文中已經說明機械化水平與農業總產值正相關，因此勞動力過剩會間接降低農業總產值.另一方面，過剩的農村勞動力因無其他就業崗位，只能從事田間勞動獲得收入，進而不愿流轉自己手中的土地，這也會阻礙土地流轉和農業規模化經營，使各種生產要素無法處于優化動態組合之中，從而降低了農業生產效率并間接降低了農業總產值.

3 結論

1)農業減災系統模型中采用灰色關聯分析算法，對減災工程指標進行了無量鋼化處理，為后步計算和不同類別的指標的比較奠定了基礎.在此基礎上通過差序列和關聯系數計算，對減災工程進行了排序，這一結果為減災工程作用提供量化分析依據.

2)運用1997～2005年省際面板數據，采用計量經濟學模型分析水旱災害對農業生產產出的影響，并在柯布-道格拉斯生產函數基礎上，分別用混合估計、固定效應、隨機效應模型進行計算，通過F檢驗和Hausman檢驗對3種算法進行比較，使運算結果更加可靠.結果表明，自然災害對農業生產產出產生了巨大消極影響，而加強抵御包括水旱災害在內的各種自然災害的工程措施建設，是增加農業生產產出的重要措施.

3)農業減災模型和計量模型的分析結果均表明，應增加除澇面積.計量模型結果同時表明應減少易形成水土流失和沙漠化的耕地，轉移農村剩余勞動力.

［1］中華人民共和國國家統計局.中國統計年鑒(2007)［M］.北 京:中國統計出版社，2007.

［2］許飛瓊.農業災害經濟:周期波動與綜合治理［J］.經濟理論與經濟管理，2010，(8):74-79.

［3］中國新聞網.中國水旱災害占各類自然災害直接經濟總損失 60%［EB/OL］.［2008-11-11］.http://news.sina.com.cn/o/2008-11-11/100514712218s.shtml.

［4］林毅夫.制度、技術與中國農業發展［M］.北京:北京大學出版社，1994.

［5］喬榛，焦方義，李楠.中國農村經濟制度變遷與農業增長:對1978～2004年中國農業增長的實證分析［J］.經濟研究，2006，(7):73-82.

［6］王占禮.中國土壤侵蝕影響因素及其危害分析［J］.農業工程學報，2000，16(4):32-36.

［7］梅廣清，沈榮芳，張顯東.自然災害對區域產出的影響研究［J］.管理科學學報，1999，2(1):102-106.

［8］彭克強.旱澇災害視野下中國糧食安全戰略研究［J］.中國軟科學，2008，(12):6-17.

［9］鄧聚龍.灰色預測與灰色決策［M］.武漢:華中理工大學出版社，2002.

［10］葉正偉.江蘇旱澇災害對農業經濟的影響及承災系統分析［J］.江蘇農業科學，2006，(4):5-7.

［11］伍德里奇.橫截面與面板數據的經濟計量分析［M］.北京:中國人民大學出版社，2007.

［12］高占義.中國的灌溉發展及其作用［J］.水利經濟，2006，24(1):36-39.

［13］張鴻文.新時期退耕還林工程建設的總體思路［J］.林業經濟，2002，(3):18-22.

Analysis of the correlation between disaster reduction engineering and output of agricultural production

WANG Shao-yu1，2，ZHOU Chang-sheng1

(1.School of Economic and Management，Harbin Institute of Technology，150001 Harbin，China;2.School of Architecture，Harbin Institute of Technology，150001 Harbin，China)

To verify the impact of disaster reduction engineering on the agricultural output，we use the grey relational analysis algorithm and the measurement model to standardize many indicators in the agricultural production system，such as waterlogging control，irrigating，embankment and reservoir，and forming the assessment of the degree of the indicator association.At the same time，on the basis of the Cobb-Douglas production function，each indicator is included in the regression analysis，and the quantitative evaluation of waterlogging control and other indicators which affect the output of the agricultural production are completed.The empirical study has shown that the impact of the agricultural disaster reduction engineering on the agricultural production can be arranged from largest to smallest as waterlogging area，irrigating area，embankment length，salinization of arable land improvement area，reservoir capacity，and soil erosion control area;expanding the waterlogging control area，building the reservoir and increasing the length of the embankment can increase the total value of the agricultural output，and the waterlogging control has the greatest utility to increase agricultural output in these measures.The natural disaster hinders the development of agricultural production.And increasing the input of the disaster reduction engineering can be conducive to increase the output of agricultural production.

disaster reduction engineering;agricultural disaster reduction system model;measurement method;agricultural production output

X43

A

0367-6234(2012)07-0068-06

2011-07-04.

國家自然科學基金資助項目(70671033).

王紹玉(1956—)，男，教授，博士生導師.

周長生，zhchangsheng@126.com.

(編輯 張 紅)