農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展
——基于向量自回歸（VAR）模型的實(shí)證分析

黃龍俊江，劉玲玉，肖 慧，劉小進(jìn)

（1.廣東海洋大學(xué)管理學(xué)院，廣東湛江 524088；2.華南理工大學(xué)工商管理學(xué)院，廣東廣州 510641；3.江西農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，江西南昌 330045）

1 研究背景

農(nóng)業(yè)是我國(guó)經(jīng)濟(jì)發(fā)展的基石，也是關(guān)乎國(guó)計(jì)民生的重要產(chǎn)業(yè)。目前我國(guó)農(nóng)業(yè)發(fā)展存在過度施用農(nóng)藥、化肥以及生產(chǎn)效率低下等問題；大量農(nóng)村勞動(dòng)力外流導(dǎo)致農(nóng)業(yè)人工成本逐年增高，農(nóng)業(yè)發(fā)展面臨著新的困境。而農(nóng)業(yè)科技創(chuàng)新能改變傳統(tǒng)的農(nóng)業(yè)生產(chǎn)方式，促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)發(fā)展，推動(dòng)農(nóng)村實(shí)現(xiàn)鄉(xiāng)村振興。現(xiàn)今制約我國(guó)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的重要因素之一就是農(nóng)業(yè)科技投入長(zhǎng)期不足，農(nóng)業(yè)科技投入低導(dǎo)致農(nóng)業(yè)科技創(chuàng)新能力弱，進(jìn)而又對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)造成影響，所以當(dāng)前國(guó)際形勢(shì)下我國(guó)農(nóng)業(yè)經(jīng)濟(jì)的高質(zhì)量發(fā)展嚴(yán)重受阻，長(zhǎng)期以來我國(guó)依靠“化學(xué)農(nóng)業(yè)”來實(shí)現(xiàn)農(nóng)業(yè)增產(chǎn)不再能適應(yīng)當(dāng)前形勢(shì)下農(nóng)業(yè)發(fā)展的新要求。

黨的十八大以來，黨中央、國(guó)務(wù)院高度重視農(nóng)業(yè)科技的發(fā)展，各種農(nóng)業(yè)科技創(chuàng)新成果在農(nóng)業(yè)生產(chǎn)領(lǐng)域的廣泛應(yīng)用對(duì)農(nóng)村經(jīng)濟(jì)社會(huì)發(fā)展的全局性影響逐漸顯現(xiàn)。2017 年農(nóng)業(yè)部印發(fā)的《“十三五”農(nóng)業(yè)科技發(fā)展規(guī)劃》明確要求將科技創(chuàng)新能力大幅提升作為主要發(fā)展目標(biāo)之一。2020 年中央一號(hào)文件明確指出，應(yīng)當(dāng)強(qiáng)化科技支撐作用，要求加強(qiáng)農(nóng)業(yè)關(guān)鍵核心技術(shù)攻關(guān)，部署一批重大科技項(xiàng)目，搶占科技制高點(diǎn)，以及采取長(zhǎng)期穩(wěn)定的支持方式加強(qiáng)現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)。在農(nóng)業(yè)經(jīng)濟(jì)發(fā)展中發(fā)揮科技支撐作用的重要渠道在于強(qiáng)化農(nóng)業(yè)科技創(chuàng)新，科技創(chuàng)新有助于轉(zhuǎn)變農(nóng)業(yè)傳統(tǒng)發(fā)展模式，整體提升農(nóng)業(yè)現(xiàn)代化發(fā)展的質(zhì)量。

農(nóng)業(yè)科技投入是指一個(gè)國(guó)家或地區(qū)在一定時(shí)期內(nèi)每年用于農(nóng)業(yè)科技創(chuàng)新和科技成果轉(zhuǎn)化的總支出［1］。2009 年以來，我國(guó)每年農(nóng)業(yè)科技投入占科技總支出的比例始終維持在6.4%～7.4%之間，且還有不斷下降趨勢(shì)［1］，農(nóng)業(yè)科技投入不足是嚴(yán)重制約農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和農(nóng)民收入增長(zhǎng)的重要因素，而通過科技創(chuàng)新，促進(jìn)農(nóng)業(yè)發(fā)展由要素驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)轉(zhuǎn)變，是解決農(nóng)業(yè)發(fā)展動(dòng)力問題的可行出路。加大農(nóng)業(yè)科技創(chuàng)新的資金投入和農(nóng)業(yè)人力資本的有效利用，有利于快速實(shí)現(xiàn)我國(guó)農(nóng)業(yè)現(xiàn)代化，促進(jìn)農(nóng)業(yè)發(fā)展由提產(chǎn)向增質(zhì)轉(zhuǎn)變以及農(nóng)村一二三產(chǎn)業(yè)融合發(fā)展。

關(guān)于農(nóng)業(yè)科技創(chuàng)新，有眾多學(xué)者研究了農(nóng)業(yè)科研投入、農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的因果關(guān)系，并就農(nóng)業(yè)科研對(duì)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展貢獻(xiàn)不高的原因作出探討，但并未對(duì)農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率以及農(nóng)業(yè)經(jīng)濟(jì)發(fā)展三者的關(guān)系進(jìn)行深入探討。農(nóng)業(yè)科技創(chuàng)新是否會(huì)影響農(nóng)業(yè)技術(shù)效率呢？三者之間的關(guān)系如何，具體怎么互相影響?這些是值得深入探究的問題。江西省環(huán)鄱陽湖平原、贛撫平原，是我國(guó)的糧食主產(chǎn)區(qū)，在國(guó)家的糧食安全戰(zhàn)略中具有重要意義，同時(shí)江西省也是我國(guó)的農(nóng)業(yè)科技“洼地”，只有一所高等農(nóng)業(yè)院校作為農(nóng)業(yè)科技支撐，因此，以江西省為案例研究農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率以及農(nóng)業(yè)經(jīng)濟(jì)發(fā)展三者的關(guān)系，可以為國(guó)內(nèi)中西部等其他地區(qū)提供參考和借鑒。本研究基于2000—2019年江西省的相關(guān)時(shí)間序列數(shù)據(jù)，通過向量自回歸（VAR）模型研究江西省農(nóng)業(yè)科技創(chuàng)新水平、技術(shù)效率與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，以期促進(jìn)江西省農(nóng)業(yè)實(shí)現(xiàn)現(xiàn)代化水平提高和農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)。

2 文獻(xiàn)綜述

2.1 農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)

關(guān)于農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的因果關(guān)系，已有研究的觀點(diǎn)主要體現(xiàn)在以下幾方面：第一，農(nóng)業(yè)科技創(chuàng)新可以促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)非農(nóng)化和高級(jí)化，而區(qū)域間的產(chǎn)業(yè)結(jié)構(gòu)非農(nóng)化和高級(jí)化存在差異［2］。第二，農(nóng)業(yè)科研財(cái)政投入增長(zhǎng)促進(jìn)了農(nóng)業(yè)經(jīng)濟(jì)發(fā)展，農(nóng)業(yè)科研財(cái)政投入、科研成果對(duì)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展具有滯后的長(zhǎng)期正影響［3］；農(nóng)業(yè)科研財(cái)政投入與農(nóng)業(yè)科技創(chuàng)新績(jī)效之間存在長(zhǎng)期均衡關(guān)系，但農(nóng)業(yè)財(cái)政科技投入對(duì)提升農(nóng)業(yè)科技創(chuàng)新績(jī)效的短期影響更為顯著［4］。第三，農(nóng)業(yè)科技創(chuàng)新可以通過多種途徑，例如增品質(zhì)、調(diào)結(jié)構(gòu)和引領(lǐng)三產(chǎn)融合、發(fā)展適度規(guī)模經(jīng)營(yíng)、堅(jiān)持綠色可持續(xù)發(fā)展等舉措實(shí)現(xiàn)，從而促進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革［5］。事實(shí)上，已有學(xué)者通過2006—2010 年我國(guó)農(nóng)業(yè)科技成果轉(zhuǎn)化資金項(xiàng)目的績(jī)效狀況數(shù)據(jù)，證明我國(guó)科技進(jìn)步對(duì)農(nóng)業(yè)增長(zhǎng)的貢獻(xiàn)率已經(jīng)達(dá)到59.2%［6］。

2.2 我國(guó)農(nóng)業(yè)科技創(chuàng)新

黃季焜等［7］認(rèn)為相比于其他發(fā)達(dá)國(guó)家，我國(guó)總體的農(nóng)業(yè)科技水平還較低；但我國(guó)也引入了大量農(nóng)業(yè)科研資金和先進(jìn)裝備，學(xué)習(xí)借鑒了國(guó)外先進(jìn)的管理理念，提高了國(guó)內(nèi)農(nóng)業(yè)科研人員的素質(zhì)［8］。總體來看，我國(guó)涉農(nóng)企業(yè)科技創(chuàng)新有了長(zhǎng)足的發(fā)展，但仍表現(xiàn)出研究機(jī)構(gòu)數(shù)量相對(duì)不足、研究人員整體素質(zhì)不高以及資金投入不夠等方面問題［9］。我國(guó)農(nóng)業(yè)產(chǎn)業(yè)當(dāng)前發(fā)展不充分的現(xiàn)實(shí)問題，要從專項(xiàng)創(chuàng)新與特定創(chuàng)新、農(nóng)業(yè)科技創(chuàng)新體系、政府引導(dǎo)與市場(chǎng)機(jī)制聯(lián)合三方面解決，同時(shí)完善農(nóng)業(yè)科技創(chuàng)新機(jī)制［10］。

從地域比較視角來看，我國(guó)農(nóng)業(yè)科技創(chuàng)新的區(qū)域差距明顯，各省份農(nóng)業(yè)全要素生產(chǎn)率指數(shù)都大于1，呈增長(zhǎng)態(tài)勢(shì)，且東部地區(qū)的增長(zhǎng)速度高于西部地區(qū)、西部地區(qū)高于中部地區(qū)［11］。楊傳喜等［12］論證了2006—2017 年間東、西部地區(qū)農(nóng)業(yè)科技人力、財(cái)力資源扭曲程度較嚴(yán)重，農(nóng)業(yè)科技創(chuàng)新對(duì)緩解地區(qū)差異有一定的促進(jìn)作用。也有學(xué)者就單個(gè)省份的農(nóng)業(yè)科技創(chuàng)新作出評(píng)價(jià)，如陳振等［13］和曾夢(mèng)玲等［14］分別運(yùn)用數(shù)據(jù)包絡(luò)分析（DEA）模型和層次分析法(AHP)分析河南省農(nóng)業(yè)科技投入產(chǎn)出效率、湖北農(nóng)墾農(nóng)業(yè)現(xiàn)代化水平，發(fā)現(xiàn)存在農(nóng)業(yè)科技創(chuàng)新水平不高、要素投入存在不同程度冗余等問題，經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境之間的矛盾較為突出。

2.3 農(nóng)業(yè)技術(shù)效率與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)

農(nóng)業(yè)技術(shù)效率通常用農(nóng)業(yè)全要素生產(chǎn)率（total factor productivity，TFP）來衡量。葉璐等［15］指出，農(nóng)業(yè)全要素生產(chǎn)率是某一時(shí)期范圍內(nèi)的產(chǎn)出與土地、勞動(dòng)力、資本和其他物質(zhì)資料等投入成本的比值，即全部要素投入的平均產(chǎn)出。吳晨［16］實(shí)證研究了1985—2006 年廣東省農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)總體上呈上升趨勢(shì)，其中全要素生產(chǎn)率對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)率的貢獻(xiàn)率最大。但農(nóng)業(yè)技術(shù)效率的提升對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用力度隨著時(shí)間推移而存在異質(zhì)性，如羅浩軒［17］對(duì)1981—2013 年我國(guó)農(nóng)業(yè)全要素生產(chǎn)率的測(cè)算發(fā)現(xiàn)，2007 年以后農(nóng)業(yè)勞動(dòng)力和全要素增長(zhǎng)率進(jìn)入下降通道。農(nóng)業(yè)全要素生產(chǎn)率的提高在改變農(nóng)村貧困面貌、優(yōu)化農(nóng)業(yè)勞動(dòng)力資源配置、推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)上有一定的促進(jìn)作用［18］。提高農(nóng)業(yè)全要素生產(chǎn)率是實(shí)現(xiàn)中國(guó)農(nóng)業(yè)高質(zhì)量發(fā)展的重要路徑［19］。

農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)發(fā)展的影響是全方位的，提高農(nóng)業(yè)科技創(chuàng)新水平也將進(jìn)一步推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)的增長(zhǎng)與變革。目前這一問題已然受到廣泛關(guān)注，學(xué)界普遍認(rèn)為提高農(nóng)業(yè)科技創(chuàng)新在現(xiàn)代農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)中的作用具有較大的重要性和必要性，但應(yīng)當(dāng)認(rèn)識(shí)到，圍繞農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)技術(shù)效率、農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)三者關(guān)系的相關(guān)研究仍然十分有限。本研究將以江西省為例進(jìn)行實(shí)證分析，將《中國(guó)科技統(tǒng)計(jì)年鑒》中農(nóng)業(yè)科技人員數(shù)量和農(nóng)業(yè)科技財(cái)政支出兩項(xiàng)數(shù)值利用熵值法得到農(nóng)業(yè)科技創(chuàng)新指標(biāo)，納入到農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)研究框架，明確農(nóng)業(yè)科技創(chuàng)新在農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)中的作用機(jī)制，為促進(jìn)江西省農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與產(chǎn)業(yè)經(jīng)濟(jì)協(xié)調(diào)發(fā)展提供理論支撐與政策建議；同時(shí)利用格蘭杰因果檢驗(yàn)和VAR 模型考慮農(nóng)業(yè)科技創(chuàng)新、技術(shù)效率對(duì)農(nóng)業(yè)經(jīng)濟(jì)的因果關(guān)系和長(zhǎng)期均衡關(guān)系。

3 研究方法

3.1 數(shù)據(jù)來源與指標(biāo)選取

3.1.1 農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平

參考申紅芳等［20］、呂屹云等［1］的研究，采用農(nóng)林牧副漁業(yè)總產(chǎn)值來表示農(nóng)業(yè)總產(chǎn)值。相關(guān)數(shù)據(jù)來自2000—2019 年《江西統(tǒng)計(jì)年鑒》中的農(nóng)林牧副漁業(yè)總產(chǎn)值，考慮到價(jià)格因素對(duì)農(nóng)林牧副漁總產(chǎn)值的影響，統(tǒng)一換算為2000 年的農(nóng)林牧副漁總產(chǎn)值。

3.1.2 農(nóng)業(yè)科技創(chuàng)新水平

參照楊秀玉［21］、陳鳴等［22］的研究方法，采用財(cái)政支出中科技三項(xiàng)支出衡量區(qū)域農(nóng)業(yè)科技創(chuàng)新能力。在已有研究中，農(nóng)業(yè)科技創(chuàng)新投入能力指標(biāo)通常包括國(guó)有經(jīng)濟(jì)企事業(yè)單位農(nóng)業(yè)技術(shù)人員，農(nóng)業(yè)科技投入的測(cè)量常用農(nóng)業(yè)科研機(jī)構(gòu)經(jīng)費(fèi)支出表示，本研究參照常文濤［23］的研究采用農(nóng)業(yè)科技創(chuàng)新人力資本指標(biāo)，以及劉敦虎等［24］的研究采用農(nóng)業(yè)科技機(jī)構(gòu)經(jīng)費(fèi)投入、科研人員數(shù)量等指標(biāo)來衡量。所使用的數(shù)據(jù)來源于2000—2019 年《中國(guó)科技統(tǒng)計(jì)年鑒》中江西省的企事業(yè)單位專業(yè)技術(shù)人員中農(nóng)業(yè)技術(shù)人員和農(nóng)林牧漁業(yè)專業(yè)技術(shù)人員數(shù)量、高等學(xué)校科技人力資源中的農(nóng)業(yè)學(xué)科人數(shù)、政府部門所屬科技機(jī)構(gòu)中的農(nóng)業(yè)行業(yè)科技經(jīng)費(fèi)支出，以及政府部門農(nóng)業(yè)學(xué)科科技經(jīng)費(fèi)支出等數(shù)據(jù)。使用熵值法來測(cè)量農(nóng)業(yè)科技創(chuàng)新水平，以保證研究的客觀性與科學(xué)性。

3.1.3 農(nóng)業(yè)技術(shù)效率

參照曹明霞等［25］研究中使用的DEA 方法來計(jì)算江西省農(nóng)業(yè)技術(shù)效率，將江西省的農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)作物播種面積、有效灌溉面積、化肥施用量以及從事農(nóng)業(yè)人口當(dāng)作投入指標(biāo)，將農(nóng)林牧副漁業(yè)總產(chǎn)值當(dāng)作產(chǎn)出指標(biāo)。數(shù)據(jù)來源于2000—2019 年《江西統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)統(tǒng)計(jì)年鑒》中江西省農(nóng)業(yè)發(fā)展相關(guān)數(shù)據(jù)。

3.2 計(jì)量模型的構(gòu)建

VAR 模型通過把系統(tǒng)中每一個(gè)內(nèi)生變量作為所有內(nèi)生變量的滯后值函數(shù)來構(gòu)造模型，可以在一定程度上解決傳統(tǒng)結(jié)構(gòu)化模型中潛在的聯(lián)立性偏誤問題［26］。模型的因變量是農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平（LNGDP），自變量為農(nóng)業(yè)科技創(chuàng)新水平（LNRD）和農(nóng)業(yè)技術(shù)效率（LNCRS）。借助最大似然估計(jì)法進(jìn)行協(xié)整分析，并通過短期向量誤差修正探索農(nóng)業(yè)科技創(chuàng)新、技術(shù)效率與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的長(zhǎng)期均衡關(guān)系［26］。VAR模型的一般形式為：

4 實(shí)證檢驗(yàn)與結(jié)果分析

4.1 數(shù)據(jù)平穩(wěn)性檢驗(yàn)

在對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行分析時(shí)，多個(gè)有趨勢(shì)的時(shí)間序列之間的回歸常常會(huì)因?yàn)殚g接和時(shí)間相關(guān)而導(dǎo)致原本不存在的回歸關(guān)系，發(fā)生偽回歸使估計(jì)和檢驗(yàn)的統(tǒng)計(jì)量產(chǎn)生偏誤。為了排除這種可能，對(duì)經(jīng)過對(duì)數(shù)化后的時(shí)間序列進(jìn)行ADF 檢驗(yàn)（augmented Dickey-Fuller test），如表1 所示。結(jié)果顯示，所有序列的ADF 檢驗(yàn)在1%的顯著性水平下都不能拒絕原假設(shè)，說明本研究的樣本變量全部是非平穩(wěn)的，但其一階差分在相同置信水平下都是平穩(wěn)序列，因此所有變量均為一階單整序列，互相之間為同階單整關(guān)系。

表1 變量的單位根檢驗(yàn)

4.2 模型滯后期選擇

在樣本變量的VAR 模型滯后期選擇中，以AIC、HQIC、SBIC 值為標(biāo)準(zhǔn)判斷最佳滯后期數(shù)。如表2 所示，當(dāng)滯后階段為2 的時(shí)候，AIC、SBIC，HQIC 具有10%的顯著性水平，且對(duì)數(shù)似然值最大，可知最佳滯后長(zhǎng)度是2 期。

表2 變量向量自回歸模型的最佳滯后期選擇

4.3 向量自回歸結(jié)果

以2 階為滯后階數(shù)構(gòu)建樣本變量的VAR(2)向量自回歸模型回歸結(jié)果如表3 所示。由表3 可知：（1）農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展變量在滯后2 期時(shí)對(duì)當(dāng)期分別具有5%、10%和10%顯著性水平上的正向影響，三者均具有自我提升能力。（2）農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)技術(shù)效率、農(nóng)業(yè)經(jīng)濟(jì)發(fā)展均存在促進(jìn)作用，在滯后2 期時(shí)分別對(duì)二者在10%、5%的顯著性水平上存在正向促進(jìn)作用，但對(duì)應(yīng)的系數(shù)偏低，表明當(dāng)前農(nóng)業(yè)科技創(chuàng)新水平較低，對(duì)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的促進(jìn)效果較小；農(nóng)業(yè)技術(shù)效率在滯后1 期時(shí)對(duì)農(nóng)業(yè)科技創(chuàng)新具有1%的顯著性水平上的正向影響。

表3 變量向量自回歸模型的回歸估計(jì)

4.4 平穩(wěn)性檢驗(yàn)

VAR 模型只有在滿足穩(wěn)定性前提下才能進(jìn)行脈沖響應(yīng)函數(shù)分析和方差分析。使用Stata16 對(duì)VAR模型進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果為全部根的值都在圓圈內(nèi)，表明本研究構(gòu)建的VAR 模型較為穩(wěn)定。

4.5 格蘭杰因果檢驗(yàn)

格蘭杰因果檢驗(yàn)為區(qū)分變量是內(nèi)生變量或者是外生變量。對(duì)上述VAR(2)模型進(jìn)行格蘭杰因果檢驗(yàn)，結(jié)果如表4 所示：在滯后階段為2 時(shí)，排除變量LNRD 的伴隨概率為0.035（小于0.05），則拒絕原假設(shè)，表明方程組可以全部接受LNRD 的滯后變量，即在滯后2 期和顯著性水平為5%的情況下，LNRD是LNCRS 的原因，說明農(nóng)業(yè)科技創(chuàng)新投入的增長(zhǎng)推動(dòng)著農(nóng)業(yè)技術(shù)效率的進(jìn)步，農(nóng)業(yè)研發(fā)投入的增長(zhǎng)能夠有效促進(jìn)農(nóng)業(yè)先進(jìn)技術(shù)的創(chuàng)新和應(yīng)用，在市場(chǎng)環(huán)境相對(duì)穩(wěn)定條件下將必然提升傳統(tǒng)農(nóng)業(yè)技術(shù)的使用效率。同理可推得，在顯著性水平為10%的條件下，LNRD 是LNGDP 的原因，即在滯后2 期的情況下，農(nóng)業(yè)科技創(chuàng)新投入的增長(zhǎng)推動(dòng)著農(nóng)業(yè)生產(chǎn)總值的增長(zhǎng)，說明在資源環(huán)境和市場(chǎng)環(huán)境沒有根本變化的前提條件下，農(nóng)業(yè)研發(fā)投入的增長(zhǎng)能夠通過促使農(nóng)業(yè)技術(shù)創(chuàng)新帶動(dòng)農(nóng)業(yè)生產(chǎn)效率提升，從而實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)總值的大幅度增加；而在5%的顯著性水平下，LNCRS 是LNRD 的原因，說明農(nóng)業(yè)技術(shù)的進(jìn)步也會(huì)推動(dòng)農(nóng)業(yè)科技創(chuàng)新的投入，按相互作用原理，農(nóng)業(yè)技術(shù)的不斷進(jìn)步會(huì)觸發(fā)農(nóng)業(yè)科技人員的創(chuàng)新原動(dòng)力，引領(lǐng)國(guó)家和社會(huì)增大農(nóng)業(yè)科技創(chuàng)新的投入力度。

表4 變量向量自回歸模型的格蘭杰因果檢驗(yàn)

表4（續(xù)）

4.6 脈沖響應(yīng)函數(shù)

VAR 模型是非結(jié)構(gòu)化模型，不分析單變量的變化對(duì)另一變量的單獨(dú)影響，而是研究誤差項(xiàng)的變化對(duì)系統(tǒng)的整體影響，這種方法為脈沖響應(yīng)函數(shù)分析方法。樣本變量的VAR 模型脈沖響應(yīng)函數(shù)分布結(jié)果如圖1所示，其中實(shí)線表示脈沖響應(yīng)函數(shù)，在虛線范圍內(nèi)表示脈沖響應(yīng)函數(shù)在兩倍標(biāo)準(zhǔn)差范圍內(nèi)的變化。

如圖1(i)所示，LNCRS 對(duì)自身在0.2 個(gè)標(biāo)準(zhǔn)差時(shí)正向沖擊到達(dá)最高點(diǎn)，此后便震動(dòng)下降趨于收斂。如圖1(f)所示，LNGDP 對(duì)LNCRS 在0.5 個(gè)標(biāo)準(zhǔn)差時(shí)正向沖擊帶來LNCRS 所有滯后期的正效應(yīng)，從t=0時(shí)直線上升直至t=0.5 時(shí)達(dá)到最高點(diǎn)，之后震蕩下降并趨于收斂。如圖1(c)所示，LNRD 對(duì)LNCRS 的沖擊在t=1 時(shí)為最低點(diǎn)，之后繼續(xù)上升，在t=2 時(shí)正效達(dá)到最大，發(fā)生較小波動(dòng)并逐漸趨于內(nèi)斂，原因是農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)技術(shù)效率的提升產(chǎn)生長(zhǎng)期的正向影響，以長(zhǎng)期視角來看，農(nóng)業(yè)科技的不斷創(chuàng)新能夠激發(fā)農(nóng)業(yè)生產(chǎn)巨大的發(fā)展空間和潛力，尤其是直接作用于通過農(nóng)業(yè)技術(shù)應(yīng)用與擴(kuò)散從而實(shí)現(xiàn)農(nóng)業(yè)技術(shù)的生產(chǎn)和經(jīng)營(yíng)效率雙提高，即農(nóng)業(yè)科技創(chuàng)新水平越高，農(nóng)業(yè)技術(shù)的生產(chǎn)效率提高越明顯，同時(shí)經(jīng)營(yíng)效率也會(huì)同步顯著提高；但從短期視角來看，由于農(nóng)業(yè)技術(shù)從研發(fā)到推廣存在農(nóng)業(yè)技術(shù)應(yīng)用“最后一公里”問題，造成農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)技術(shù)效率在短時(shí)間內(nèi)很難有成效，影響方向不確定。

如圖1(a)所示，LNGDP 對(duì)自身在1 個(gè)標(biāo)準(zhǔn)差時(shí)的負(fù)向沖擊帶來所有滯后期的正效應(yīng)，在t=1 的時(shí)候達(dá)到最低點(diǎn)，此后保持平穩(wěn)并趨于收斂。如圖1(g)所示，LNCRS 對(duì)LNGDP 在1 個(gè)標(biāo)準(zhǔn)差時(shí)的正向沖擊帶來正向效應(yīng)，并在t=1 的時(shí)候達(dá)到最高點(diǎn)，此后逐年下降，在t=6 的時(shí)候趨于平穩(wěn)并趨于收斂，原因在于當(dāng)前農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)總產(chǎn)值的推動(dòng)作用有限。如圖1(d)所示，LNRD 對(duì)LNGDP 的沖擊在t=6 時(shí)達(dá)到最高點(diǎn)，并一直保持正向沖擊趨向收斂，原因在于農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)生產(chǎn)總值保持正向促進(jìn)作用，但增長(zhǎng)過程較為緩慢，從長(zhǎng)期視角來看，農(nóng)業(yè)科技創(chuàng)新能夠有效促進(jìn)農(nóng)業(yè)先進(jìn)技術(shù)的研發(fā)與應(yīng)用，從而大幅度提升農(nóng)業(yè)生產(chǎn)與經(jīng)營(yíng)的效率，最終實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)總值的明顯增加，其作用方向是正向的；但從短期視角來看，由于受市場(chǎng)需求誘導(dǎo)的市場(chǎng)價(jià)格和氣候條件等內(nèi)外因素多重的影響，加之農(nóng)業(yè)先進(jìn)技術(shù)應(yīng)用的時(shí)滯效應(yīng)，可能對(duì)農(nóng)業(yè)生產(chǎn)總值的影響方向難以固定化評(píng)判。

如圖1(e)所示，LNRD 對(duì)自身在1.5 個(gè)標(biāo)準(zhǔn)差時(shí)帶來負(fù)向沖擊，在t=1.5 時(shí)最低，之后直線上升并一直保持正向效應(yīng)，在t=4的時(shí)候波動(dòng)變小并趨于收斂。如圖1(h)所示，LNCRS 對(duì)LNRD 在3 個(gè)標(biāo)準(zhǔn)差時(shí)的負(fù)向沖擊達(dá)到最低點(diǎn)，帶來負(fù)向效應(yīng)，且長(zhǎng)期都是負(fù)效應(yīng)但趨勢(shì)內(nèi)斂，原因在于技術(shù)進(jìn)步的短期發(fā)展對(duì)農(nóng)業(yè)科技創(chuàng)新投入無顯著作用。如圖1(b)所示，LNGDP 對(duì)LNRD 一直保持較為平穩(wěn)的正向沖擊，在1 個(gè)標(biāo)準(zhǔn)差后均保持正向效應(yīng)并趨于收斂，可能的原因在于農(nóng)業(yè)生產(chǎn)總值的平穩(wěn)增長(zhǎng)有利于保持農(nóng)業(yè)科技創(chuàng)新的平穩(wěn)投入，這是由于農(nóng)業(yè)先進(jìn)技術(shù)應(yīng)用與擴(kuò)散已經(jīng)進(jìn)入平穩(wěn)期，能夠有效發(fā)揮農(nóng)業(yè)先進(jìn)技術(shù)的作用，持續(xù)穩(wěn)定促進(jìn)農(nóng)業(yè)生產(chǎn)總值的增加，從長(zhǎng)期來看，這會(huì)激發(fā)農(nóng)業(yè)研發(fā)者新一輪的農(nóng)業(yè)科技創(chuàng)新浪潮，直接促成國(guó)家和社會(huì)保持甚至大幅增強(qiáng)對(duì)農(nóng)業(yè)科技創(chuàng)新的投入力度。

圖1 變量向量自回歸模型的脈沖響應(yīng)函數(shù)分布

4.7 方差分解

與脈沖響應(yīng)函數(shù)研究誤差項(xiàng)對(duì)各變量的影響不同，方差分解是研究模型中內(nèi)生變量變化形成的原因。樣本變量VAR 模型中各內(nèi)生變量變動(dòng)的貢獻(xiàn)率的方差分解如表5 所示，其中：

表5 變量向量自回歸模型的方差分解

LNGDP 對(duì)其自身的貢獻(xiàn)率很大，從t=0 至t=2顯著上升，從t=2 至t=3 有輕微下降的趨勢(shì)，但從t=3 之后維持在較穩(wěn)定的水平。LNCRS 對(duì)LNGDP 的短期貢獻(xiàn)率較為平穩(wěn)，在t=4 時(shí)達(dá)到最大，之后維持不變。基于農(nóng)業(yè)技術(shù)應(yīng)用的“S”型曲線路徑，即農(nóng)業(yè)技術(shù)效率的發(fā)揮會(huì)經(jīng)歷一個(gè)技術(shù)應(yīng)用的邊際成本逐步從大于到等于再到小于其邊際效率三階段的變化過程，也即當(dāng)評(píng)估或確定農(nóng)業(yè)技術(shù)應(yīng)用的邊際成本小于其邊際效率時(shí)，生產(chǎn)者才會(huì)真正應(yīng)用此技術(shù)。LNRD 對(duì)LNGDP 的短期貢獻(xiàn)較為平穩(wěn)，在t=3 時(shí)達(dá)到最大值，之后維持在較穩(wěn)定的水平。從長(zhǎng)期來看，LNCRS 和LNRD 對(duì)LNGDP 都有貢獻(xiàn)，但LNGDP 對(duì)自身的貢獻(xiàn)超過對(duì)LNCRS 和 LNRD 的貢獻(xiàn)。

LNCRS 對(duì)自身的貢獻(xiàn)率很大，在t=2 的時(shí)候上升到最高點(diǎn)，從t=2之后貢獻(xiàn)率一直保持平穩(wěn)的狀態(tài)。LNGDP 和LNRD 對(duì)LNCRS 的貢獻(xiàn)率都很小，從t=0開始保持輕微上升趨勢(shì)。LNRD 對(duì)自身的貢獻(xiàn)在t=3的時(shí)候達(dá)到最高值，在t=0 到t=3 的時(shí)候是緩慢上升的過程，從t=3 開始維持在不變的水平。LNGDP 對(duì)LNRD 的貢獻(xiàn)在t=1 時(shí)達(dá)到最高值，之后迅速下降，在t=3 之后下降趨勢(shì)變緩，維持在較穩(wěn)定的水平。LNCRS 對(duì)LNRD 的貢獻(xiàn)在t=3 時(shí)達(dá)到最高值，在t=3之后上升趨勢(shì)變緩，長(zhǎng)期維持較為穩(wěn)定的水平。

5 結(jié)論與啟示

5.1 結(jié)論

本研究對(duì)2000—2019 年江西省農(nóng)業(yè)的科技創(chuàng)新、技術(shù)效率和經(jīng)濟(jì)發(fā)展的實(shí)證分析表明，農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)進(jìn)步與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展三者之間的關(guān)系較為復(fù)雜，在不同的滯后期相互之間影響不一，不能簡(jiǎn)單地總結(jié)為單一的正、負(fù)效應(yīng)；各變量都會(huì)對(duì)各自后續(xù)發(fā)展帶來影響，如農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的相互效果是正向的，而農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的相互作用結(jié)果復(fù)雜，在不同時(shí)期的作用和方向不一致，原因可能是三者之間的作用機(jī)制復(fù)雜，并非完全單向影響；各變量對(duì)自身貢獻(xiàn)率最大，且短期內(nèi)貢獻(xiàn)率波動(dòng)較大，長(zhǎng)期內(nèi)趨于穩(wěn)定狀態(tài)，相對(duì)于農(nóng)業(yè)技術(shù)進(jìn)步，農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)率較大，因此通過方差分析更能解釋三者之間的相互促進(jìn)力度，但三者促進(jìn)力度之間的差異也很大。研究得出以下結(jié)論：

農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)技術(shù)效率與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)之間存在長(zhǎng)期穩(wěn)定均衡的關(guān)系，但農(nóng)業(yè)科技創(chuàng)新投入對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的短期影響更為顯著。從長(zhǎng)期來看，農(nóng)業(yè)科技創(chuàng)新持續(xù)推進(jìn)能夠通過農(nóng)業(yè)先進(jìn)技術(shù)的應(yīng)用與擴(kuò)散來實(shí)現(xiàn)農(nóng)業(yè)技術(shù)生產(chǎn)和經(jīng)營(yíng)效率的明顯提升，最終促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)的持續(xù)健康發(fā)展，同時(shí)農(nóng)業(yè)技術(shù)效率的不斷提高有效提供了農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的強(qiáng)勁動(dòng)力，最終也會(huì)反作用于農(nóng)業(yè)科技創(chuàng)新的技術(shù)投入，甚至是增強(qiáng)型的技術(shù)投入；但從短期來看，由于市場(chǎng)條件和氣候條件等綜合因素影響，農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)技術(shù)效率的影響方向不穩(wěn)定，對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)更是方向不明確。農(nóng)業(yè)科技創(chuàng)新和農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的影響在長(zhǎng)期內(nèi)持續(xù)提升，但在短期內(nèi)沒有發(fā)生改變，因此必須要長(zhǎng)期穩(wěn)定地增加農(nóng)業(yè)科技創(chuàng)新的資金投入，提高農(nóng)業(yè)科技創(chuàng)新能力，培養(yǎng)高素質(zhì)農(nóng)業(yè)科技創(chuàng)新人才，提高農(nóng)業(yè)技術(shù)生產(chǎn)率。

5.2 對(duì)策建議

（1）提升農(nóng)業(yè)科技創(chuàng)新的長(zhǎng)期效應(yīng)。實(shí)證分析結(jié)果顯示，短期內(nèi)農(nóng)業(yè)科技創(chuàng)新對(duì)提升農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的能力較強(qiáng)，但在長(zhǎng)期內(nèi)沒有發(fā)生有效作用，這表明農(nóng)業(yè)科技創(chuàng)新對(duì)促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的整體能力有待提高，因此，農(nóng)業(yè)科技創(chuàng)新能力要不斷加強(qiáng)，進(jìn)而實(shí)現(xiàn)農(nóng)業(yè)科技創(chuàng)新對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期效應(yīng)，從而實(shí)現(xiàn)農(nóng)業(yè)科技創(chuàng)新投入效應(yīng)最大化。

（2）發(fā)揮農(nóng)業(yè)科技創(chuàng)新經(jīng)費(fèi)投入的規(guī)模效應(yīng)。實(shí)證分析結(jié)果顯示，農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)時(shí)難以發(fā)揮規(guī)模效應(yīng)的原因之一在于農(nóng)業(yè)科技創(chuàng)新經(jīng)費(fèi)投入總體規(guī)模偏小，因此今后要積極提升農(nóng)業(yè)科技創(chuàng)新經(jīng)費(fèi)投入在學(xué)科經(jīng)費(fèi)投入中的比重。