技術進步、農業現代化與農業經濟增長
——甘肅例證

葛成莉，劉 偉

（1.蘭州財經大學 隴橋學院，甘肅 蘭州 730101；2.甘肅省高校區域循環經濟重點實驗室，甘肅 蘭州 730101）

一、引言

在全國脫貧攻堅、持續推進鄉村振興戰略大環境下，作為經濟欠發達地區的甘肅，緊扣糧食增產、農業增效、農民增收的主線，不斷深入開展農業供給側結構性改革，給已有的“弱質農業”注入發展新動能，2017 年相繼出臺的《甘肅省“十三五”農業與農村經濟發展規劃》、《甘肅省“十三五”西部大開發實施意見》等文件都強調要大力發展現代農業，因此，研究技術進步、農業現代化對甘肅農業經濟增長的影響具有重大的現實意義。

已有關于農業經濟增長的文獻主要聚焦于以下幾個方面：一是要素投入與農業經濟增長。向敬偉和李江風（2018）[1]認為，貧困山區耕地的利用轉型是是助力脫貧攻堅和區域協調發展的新途徑；張亦弛和代瑞熙（2018）[2]則強調農業經濟增長中農村基礎設施的重要性，他們研究發現農村水利、信息、衛生環境和交通等基礎設施顯著提高了農業經濟增長水平；宋淑麗和王新利（2017）[3]發現經濟新常態下，一些新型的生產要素對農業經濟增長的助推效應越來越大，比如農業機械化、土地規模化，高素質的農業從業人員等。二是結構調整、環境污染與農業經濟增長。王紅和王鄂湘（2017）[4]以湖南省2003—2012 的數據為樣本，農業產業結構優化顯著提升了農業經濟增長效率；楊建輝（2017）[5]的研究表明，農業化學化與農業經濟增長之間實現了從相對脫鉤到絕對脫鉤的轉變，提出應發展農業科技，加強低污染農業現代化建設的對策。三是政策性支農與農業經濟增長。張樂等（2016）[6]運用中國1996—2011 年的省級面板數據研究發現制度約束下的農村金融發展抑制了農村經濟發展；辛沖沖和陳志勇（2017）[7]對財政支農的效應做了分解，發現財政支農的活動效應對農業經濟增長貢獻最大，效率效應最小。也有學者從人力資本、科技投入等視角研究了農業經濟增長（POST note，2006；Garnett T.，et al，2013；Kolawole Ogundari，2014）[8-10]。

學界從不同視角對農業經濟增長進行了大量研究，為中國農業發展提供了寶貴的真知灼見和智力支持。但查閱已有文獻發現，研究視角雖較為多樣，但結合目前農業經濟發展新態勢，融技術進步和農業現代化為同一框架去研究對農業經濟增長影響效應的還較少，貧困地區農業經濟發展對我國實現全面小康具有重要意義，但已有的研究成果聚焦于此的不多。基于此，本文采用甘肅省14 個市州2004—2016 年的面板數據實證分析技術進步、農業現代化與農業經濟增長的關系。

二、變量選取和數據來源

（一）被解釋變量

文章的被解釋變量為農業經濟增長，仿照學術界通常的做法，采用人均農林牧漁業總產值（pagrva）來衡量，計算公式為：甘肅省各市州每年農林牧漁業總產值/ 各市州農村年末常住人口。

（二）解釋變量

本文關注技術進步和農業現代化水平對農業經濟增長的影響。關于技術進步，學界沒有標準的統計指標，針對甘肅省各地區，查閱已有統計資料和相關網站，發現能獲取的關于農業技術方面的數據較少，本文選擇人均專利申請量作為替代指標，計算公式為：甘肅省各市州年末申請的專利數/ 各市州年末總人數；對農業現代化衡量需要復雜的指標體系，農業現代化不同于傳統農業，其特點主要體現在農業生產、經營、產出、生態的現代化、農村社會現代化等（杜宇能等，2018）[11]，考慮數據的可得性，本文選用人均農業機械總動力和農村人均用電量來衡量，計算公式為：人均農業機械總動力=甘肅省各市州農業機械總動力/ 各市州農村年末常住人口、農村人均用電量=甘肅省各市州農村用電量/ 各市州農村年末常住人口。為了實證結論穩健性起見，本文還引入了人均耕地面積，人均受災面積，人均化肥施用量等和農業增長密切相關的指標作為控制變量，其計算公式和前文相似，不再贅述。

以上數據，除專利授權量來自甘肅省科學技術廳（甘肅省知識產權局）網站外，其余均來自于歷年《甘肅發展年鑒》《中國統計年鑒》《中國農業年鑒》。表1 報告了變量的描述性統計量。

表1 變量的描述性統計

三、回歸結果分析

經檢驗，被解釋變量和各解釋變量的水平值在四種不同的檢驗方法得出的結果類似，無法拒絕不平穩的原假設，經過一階差分的檢驗結果，所有變量都在1%的顯著性水平下，拒絕了非平穩的原假設，表明變量經一階差分后全部為平穩性數據，協整檢驗表明變量之間存在著穩定的協整關系。

混合回歸結果中農村用電量（lnelectric）的系數為負，且不顯著，而且受災面積（lndisaster）和農業經濟增長之間正相關，這顯然不符合實際。運用stata14.0 軟件進行F 檢驗，其原假設為模型為混合模型。檢驗結果顯示：F test that all ui=0：F（13，155）=64.11，Prob＞F=0.0000。在1%的顯著性水平下拒絕了原假設，LSDV 的檢驗也拒絕原假設，所以，模型存在有差異的個體效應，不能使用混合效應。確定模型為個體效應后，還需判斷是固定效應還是隨機效應，在此，采用豪斯曼檢驗。其原假設為H0：difference in coefficients not systematic，即模型應采用隨機效應。豪斯曼檢驗的 結果 為chi2（7）=（b-B）'[（V_b -V_B）^（-1）]（b-B）=23.08，Prob＞chi2=0.0017。豪斯曼統計量的值為23.08，在1%的顯著性水平下拒絕了原假設，因此，模型為固定效應下的面板模型。

由以上檢驗可知，模型形式為固定效應下的面板模型，表2 報告了該模型的回歸結果。

表2 固定效應面板模型回歸結果

從表2 初步的實證結果可知，核心解釋變量技術進步在1%的顯著性水平下，增加了甘肅各市州農林牧漁業總產值；在5%的顯著性水平下，機械化程度提高有助于甘肅農業經濟增長，農村用電量對甘肅農業增長也有顯著的正面效應；其他控制變量方面，在10%的顯著性水平下，耕地面積和化肥施用量和農業經濟增長正相關，農業受災面積降低了農業總產值。變量間是否存在動態效應，需做進一步檢驗。

四、進一步的解釋

由于核心解釋變量無法保證嚴格外生性，技術水平和農業現代化很可能受到其他控制變量的影響，內生性問題可能導致靜態面板模型實證結果有偏和非一致性，而系統GMM 估計能有效解決這些問題，因此，使用系統GMM 估計對模型變量間的關系做進一步分析。

為了控制滯后一期被解釋變量的影響，將滯后一期的人均農林牧漁業總產值（lnpagrva）作為解釋變量納入模型。考慮到各解釋變量特征，人均耕地面積和受災面積不受其他變量的影響，應作為外生變量，把滯后一期的農林牧漁業總產值、技術水平和農村用電量等作為內生變量。模型的估計結果如表3 所示。

表3 系統GMM 估計的回歸結果

首先對系統GMM 的適用性做檢驗，為了估計的一致性，系統GMM 估計的前提是隨機干擾項不存在自相關，Arellano-Bond 檢驗結果顯示，在1%的顯著性水平下，隨機擾動項的差分存在一階自相關，但不存在二階自相關，接受擾動項無自相關的原假設，可以使用系統GMM；由于本文使用了208 個工具變量，可能存在過度識別問題，需進行Sargan 檢驗，Sargan 檢驗的原假設為：“所有工具變量均有效”，檢驗結果表明，在1%的顯著性水平下，無法拒接原假設。進一步觀察Wald 統計量值為2 437.19，表明模型整體上回歸結果是顯著的。

觀察各變量回歸系數，被解釋變量的一階滯后項顯著正向影響了當期被解釋變量的值，表明農業增長本身存在共同的變化趨勢和慣性；各解釋變量符號和現實相符，除了受災面積為負向指標外，其余都是正向指標。和靜態固定效應下的實證結果相比，各變量穩健的標準誤差更小，表明模型精確程度進一步提高，核心解釋變量技術水平每提高1%，農業經濟增長率提高0.15%，驗證了文章第一個假說；機械化程度每提高1%，農業增長率提高0.04%，而另一個代表農業現代化指標的農村人均用電量每提高1%，農業增長率提高0.54%，驗證了文章第二個假說。機械化程度對甘肅農業經濟增長的整體影響效應較小的原因是甘肅地形地貌在不同市州差異較大（比如河西地區和河東地區），有些地區很難實現大規模機械化運作，控制變量的影響效應不再贅述。

五、結論及啟示

利用甘肅省14 個市州2004—2016 年的數據，分析了技術水平、農業現代化對農業經濟增長的影響。選用人均農林牧漁業總產值作為農業經濟增長的衡量指標，選取人均專利申請量作為技術水平的替代指標，用農村人均機械化總動力、農村人均用電量作為衡量農業現代化的替代指標，描述了各變量的數量特征和變化趨勢；運用固定效應靜態面板數據模型和動態系統GMM估計實證檢驗了變量之間的關系。研究結果表明：（1）技術水平顯著提升了農業經濟增長率；（2）農業現代化水平不同程度加快了農業經濟增長，相比而言，在甘肅省，農村用電量的增長效應高于農業機械化；（3）耕地面積、化肥施用量顯著正向于農業經濟增長，農村受災面積抑制農業經濟增長。

結合以上分析，得出以下啟示：第一，不斷提高農業技術水平，加大農業科技資源投入力度，加快農業科技成果轉化速度；第二，建立、完善農村各項基礎設施，切實保障農業生產穩定性和安全性；第三，轉變農業經濟發展模式，高投入、高污染、高排放的傳統農業生產模式已不合適宜，應以技術推動和創新驅動為著力點，不斷提升農業現代化發展水平。