鄉(xiāng)村振興背景下安徽省農(nóng)業(yè)投入產(chǎn)出效應(yīng)分析

佘曉玉 郭 進

（1.安徽工商職業(yè)學(xué)院經(jīng)濟貿(mào)易學(xué)院 安徽合肥 231131；2.南京師范大學(xué)商學(xué)院 江蘇南京 210046）

黨的十九大提出了鄉(xiāng)村振興戰(zhàn)略，安徽省作為農(nóng)業(yè)大省一直致力于農(nóng)業(yè)農(nóng)村現(xiàn)代化進程的推進。《中共安徽省委安徽省人民政府關(guān)于全面推進鄉(xiāng)村振興 加快農(nóng)業(yè)農(nóng)村現(xiàn)代化的實施意見》強調(diào)，“舉全省之力全面推進鄉(xiāng)村振興，加快農(nóng)業(yè)農(nóng)村現(xiàn)代化，努力實現(xiàn)農(nóng)業(yè)強、農(nóng)村美、農(nóng)民富”。這一目標的確立使得安徽省農(nóng)業(yè)發(fā)展步入了新臺階。在農(nóng)業(yè)發(fā)展過程中，一個較為現(xiàn)實的問題擺在眼前，即安徽省農(nóng)業(yè)投入產(chǎn)出效應(yīng)究竟如何？通過分析安徽省農(nóng)業(yè)投入與產(chǎn)出，可以發(fā)現(xiàn)影響農(nóng)業(yè)發(fā)展的關(guān)鍵因素，這對安徽省農(nóng)業(yè)農(nóng)村現(xiàn)代化進程具有重要意義。

一、安徽省農(nóng)業(yè)投入及產(chǎn)出狀況分析

（一）安徽省農(nóng)業(yè)投入狀況分析。

1.投入指標選取。影響農(nóng)業(yè)生產(chǎn)的因素有很多。結(jié)合數(shù)據(jù)的可獲得性及完整性，綜合考慮各因素的經(jīng)濟意義，選取農(nóng)作物總播種面積（千公頃）、鄉(xiāng)村從業(yè)人員數(shù)（萬人）、農(nóng)業(yè)機械總動力（萬千瓦）、農(nóng)村用電量（億千瓦時）、農(nóng)用化肥施用量（萬噸）、農(nóng)藥使用量（萬噸）及有效灌溉面積（千公頃）等7個投入指標。

2.投入狀況分析。農(nóng)作物總播種面積的距平值在2006年以前一直為負。2006至2019年為正距平，有增有減，其中2018年距平值最低，僅為13.79千公頃。農(nóng)用化肥施用量和農(nóng)藥使用量在2007年以前一直低于平均值。2015年以來，農(nóng)用化肥施用量距平值逐漸下降，2019年為負距平，比平均值低了2.72萬噸。2014年以來，農(nóng)藥使用量距平值不斷下降，2018和2019年數(shù)值為負，均低于平均值。究其原因，2007年前的負距平多與資金投入不足有關(guān)，如農(nóng)作物總播種面積、農(nóng)用化肥施用量和農(nóng)藥使用量隨著資金投入的增多，較平均值差額不斷減小。近幾年的距平值下降或負距平則與農(nóng)業(yè)政策息息相關(guān)。尤其是黨的十九大以來鄉(xiāng)村振興戰(zhàn)略的提出。2018年安徽省在全省農(nóng)業(yè)農(nóng)村經(jīng)濟工作要點中強調(diào)要“減少無效供給，增加有效供給，大力發(fā)展綠色、優(yōu)質(zhì)和特色農(nóng)產(chǎn)品”，嚴格控制農(nóng)藥、化肥的使用量。

表1 1998——2019年安徽省農(nóng)業(yè)投入指標距平值計算結(jié)果

2006年前鄉(xiāng)村從業(yè)人員數(shù)為負距平，后為正距平且距平值逐年增加，2012年以來距平值不斷下降。原因在于農(nóng)村剩余勞動力在逐步向城市轉(zhuǎn)移。隨著新農(nóng)村建設(shè)的推進，不少農(nóng)村家庭將田地承包給專人經(jīng)營，選擇進城務(wù)工。農(nóng)業(yè)機械總動力、農(nóng)村用電量和有效灌溉面積負距平值在逐年減少（接近平均值），正距平值在逐年增加（高于平均值）。這三種投入指標距平值的變動反映了安徽省在農(nóng)業(yè)投入方向的重視。

（二）安徽省農(nóng)業(yè)產(chǎn)出狀況分析。

1.產(chǎn)出指標選取。衡量農(nóng)業(yè)產(chǎn)出狀況的指標也較多，如農(nóng)產(chǎn)品總產(chǎn)量、單位面積產(chǎn)出等。但數(shù)據(jù)在收集和處理過程中不夠全面，如在統(tǒng)計農(nóng)產(chǎn)品產(chǎn)量時，由于衡量標準不一，僅能統(tǒng)計主要農(nóng)產(chǎn)品的產(chǎn)量，而非全部。因此在反映農(nóng)業(yè)產(chǎn)出的指標中，選取較為全面的農(nóng)林牧漁業(yè)總產(chǎn)值（億元）及農(nóng)村居民可支配收入（元）這兩個指標。

2.產(chǎn)出狀況分析。農(nóng)林牧漁業(yè)總產(chǎn)值在2010年以前距平值為負，此后為正距平，且逐年增加，表明安徽省農(nóng)林牧漁業(yè)總產(chǎn)值穩(wěn)步增長。農(nóng)村居民可支配收入距平值在2011年以前為負，此后為正距平，距平值逐年增加，且增幅較大。2019年農(nóng)林牧漁業(yè)總產(chǎn)值和農(nóng)村居民可支配收入同時達到最高值。其中農(nóng)林牧漁業(yè)總產(chǎn)值較1998年翻了兩番，是平均值的1.89倍；農(nóng)村居民可支配收入較1998年翻了三番，是平均值的2.54倍。結(jié)合這兩個指標的距平值來看，安徽省在農(nóng)業(yè)產(chǎn)出方面波動較為明顯，且均為正向波動。

表2 1998——2019年安徽省農(nóng)業(yè)產(chǎn)出指標距平值計算結(jié)果

二、安徽省農(nóng)業(yè)投入產(chǎn)出效應(yīng)分析

從現(xiàn)有研究來看，采用C-D生產(chǎn)函數(shù)分析投入與產(chǎn)出關(guān)系較為普遍，如汪瑜等（2020）研究民航運輸業(yè)投入產(chǎn)出關(guān)系時選用了C-D生產(chǎn)函數(shù)，[1](P95)黃晨（2020）研究甘肅省鄉(xiāng)村振興效應(yīng)時也運用了C-D生產(chǎn)函數(shù)。[2](P21)為了分析安徽省農(nóng)業(yè)投入與產(chǎn)出之間的效應(yīng)，選用C-D生產(chǎn)函數(shù)構(gòu)建模型進行實證研究。基本公式如下：

Y=AKαLβ

其中，Y為產(chǎn)出，K為資本投入，L為勞動投入。α為資本投入的產(chǎn)出彈性，β為勞動投入的產(chǎn)出彈性，A為技術(shù)進步率。

（一）模型構(gòu)建。為了便于運算，對C-D生產(chǎn)函數(shù)基本公式兩邊取自然對數(shù)得到如下公式：

lnY=lnA+αlnK+βlnL

在對農(nóng)業(yè)的投入產(chǎn)出狀況分析時選擇了7個投入指標和2個產(chǎn)出指標。結(jié)合上述公式構(gòu)建多元回歸方程如下：

lnY=β0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+β6lnX6+β7lnX7+μ其中Y為被解釋變量，X1、X2、X3、X4、X5、X6、X7為解釋變量。在選擇產(chǎn)出指標Y時，考慮7個投入指標與農(nóng)林牧漁業(yè)總產(chǎn)值關(guān)系相對更密切，因此回歸方程中Y代表農(nóng)林牧漁業(yè)總產(chǎn)值。解釋變量中X1代表農(nóng)作物總播種面積，X2代表鄉(xiāng)村從業(yè)人員數(shù)，X3代表農(nóng)業(yè)機械總動力，X4代表農(nóng)村用電量，X5代表農(nóng)用化肥施用量，X6代表農(nóng)藥使用量，X7代表有效灌溉面積。β0是常數(shù)項，表現(xiàn)為回歸方程的截距。β1、β2、β3、β4、β5、β6、β7分別為各解釋變量的待估參數(shù)，μ為隨機擾動項。

（二）實證分析。Y及X1至X7各解釋變量的數(shù)據(jù)均來源于1999—2020年安徽統(tǒng)計年鑒。運用Eviews10.0軟件進行回歸分析，得到如圖1所示的回歸結(jié)果。

圖1 OLS估計結(jié)果

觀察圖1中擬合優(yōu)度為0.9955，調(diào)整后的擬合優(yōu)度也達到0.9932，F(xiàn)統(tǒng)計量高度顯著（P值幾乎為0），說明（對數(shù)）X1至X7等解釋變量解釋了大約99.55%的（對數(shù)）Y的變動，據(jù)此可判斷解釋變量與被解釋變量間線性關(guān)系顯著。

然而一個較為重要的問題擺在面前，即某些解釋變量的估計參數(shù)的t值不顯著。盡管方程整體線性回歸擬合較好，但lnX1、lnX3、lnX5、lnX7變量的各參數(shù)t值并不顯著，對應(yīng)p值均在臨界值10%以上，無法拒絕零假設(shè)。同時lnX1和lnX7變量系數(shù)的符號與經(jīng)濟意義明顯相悖。經(jīng)濟理論與實踐表明，農(nóng)作物總播種面積和有效灌溉面積越多，農(nóng)林牧漁業(yè)總產(chǎn)值也越高，解釋變量與被解釋變量之間表現(xiàn)為正相關(guān)。然而回歸結(jié)果中l(wèi)nX1和lnX7變量系數(shù)β1和β7均小于0，表明解釋變量與被解釋變量之間為負相關(guān)。綜合考慮后，懷疑該模型某些變量間存在多重共線性。

1.多重共線性檢驗。對7個解釋變量的自然對數(shù)進行多重共線性檢驗，結(jié)果如圖2所示。觀察數(shù)值，解釋變量之間的相關(guān)系數(shù)都很高。lnX1和lnX6之間的相關(guān)系數(shù)約為0.93；lnX2和lnX5之間的相關(guān)系數(shù)約為0.94；lnX3和lnX4之間的相關(guān)系數(shù)約為0.99；lnX4和lnX7之間的相關(guān)系數(shù)約為0.92，等等。盡管相關(guān)系數(shù)很高，但并不表明需求函數(shù)中一定存在著共線性。

圖2 多重共線性檢驗結(jié)果

緊接著對每個解釋變量與其他剩余解釋變量進行回歸，回歸結(jié)果如表3所示。表中所有回歸的擬合優(yōu)度值都超過了0.91，F(xiàn)統(tǒng)計量均顯著，表明構(gòu)建的原回歸方程中的每個解釋變量都與其他解釋變量高度共線。

表3 輔助回歸結(jié)果一覽

2.回歸方程的修正。考慮到原回歸方程的多重共線性，運用OLS方法逐一求（對數(shù)）Y與各個（對數(shù)）解釋變量的回歸。結(jié)合經(jīng)濟意義和統(tǒng)計檢驗選出擬合效果最好的一元線性回歸方程，再逐步添加剩余解釋變量，得到如圖3所示的OLS估計結(jié)果。觀察圖3中擬合優(yōu)度為0.9874，調(diào)整后的擬合優(yōu)度也達到0.9853，F(xiàn)統(tǒng)計量高度顯著（P值幾乎為0），說明（對數(shù)）X1、X2及X3等解釋變量解釋了大約98.74%的（對數(shù)）Y的變動，據(jù)此可判斷解釋變量與被解釋變量間線性關(guān)系顯著。

圖3 修正后的OLS估計結(jié)果

觀察各解釋變量的系數(shù)值都是高度統(tǒng)計顯著的，因為計算出的p值很小，均在臨界值1%以下，因此拒絕零假設(shè)，即各解釋變量的系數(shù)顯著不為零。回歸結(jié)果表明，農(nóng)林牧漁業(yè)總產(chǎn)值與農(nóng)作物總播種面積正相關(guān)，與鄉(xiāng)村從業(yè)人員數(shù)負相關(guān)，與農(nóng)業(yè)機械總動力正相關(guān)。根據(jù)經(jīng)濟理論，在其他條件相對不變的情況下，農(nóng)作物總播種面積增加，農(nóng)業(yè)產(chǎn)值會增加，二者呈正相關(guān)；農(nóng)業(yè)機械的使用會提高生產(chǎn)效率，增加農(nóng)業(yè)產(chǎn)值，因此隨著農(nóng)業(yè)機械總動力的增加，農(nóng)業(yè)產(chǎn)值也會增加，二者呈正相關(guān)。

圖4為（對數(shù)）Y與（對數(shù)）X2的OLS估計結(jié)果。即單獨考慮鄉(xiāng)村從業(yè)人員數(shù)對農(nóng)林牧漁業(yè)總產(chǎn)值的影響，二者呈正相關(guān)。早期農(nóng)業(yè)發(fā)展因資本投入有限，農(nóng)業(yè)產(chǎn)出過多依靠勞動力這一要素。如糧食，從整地、播種、除草、灌溉、收割、干燥到篩選等都要依靠勞動力，因而農(nóng)業(yè)產(chǎn)出與勞動力正相關(guān)。隨著經(jīng)濟發(fā)展、政策傾斜、科技進步、人才涌出，政府對農(nóng)業(yè)資源投入比加大、智慧農(nóng)業(yè)推廣率提升，勞動力對農(nóng)業(yè)產(chǎn)出影響下降。如糧食生產(chǎn)的各個環(huán)節(jié)都可使用機械代替人力，這是農(nóng)業(yè)農(nóng)村現(xiàn)代化進程中的一個重要特征，即勞動力節(jié)約，表現(xiàn)為農(nóng)業(yè)發(fā)展過程中勞動力剩余。因此在圖3多元回歸結(jié)果中，鄉(xiāng)村從業(yè)人員數(shù)與農(nóng)林牧漁業(yè)總產(chǎn)值為負相關(guān)具有一定的理論意義。

圖4 一元回歸估計結(jié)果

3.異方差檢驗。雖然研究結(jié)果表明異方差問題多存在于截面數(shù)據(jù)而非時間序列數(shù)據(jù)，但是考慮到回歸結(jié)果的有效性，仍然對修正后的回歸方程進行異方差檢驗，結(jié)果如圖5所示。觀察計算的χ2值的p值為0.6038，顯然不能拒絕零假設(shè)，該回歸方程不存在異方差。

圖5 White異方差檢驗結(jié)果

4.自相關(guān)檢驗。時間序列數(shù)據(jù)通常會有自相關(guān)問題。觀察圖3，估計結(jié)果中Durbin-Watson d統(tǒng)計量值約為1.892。觀察值個數(shù)n為22，解釋變量個數(shù)k為3，在5%顯著性水平下，查詢D-W表可得下限臨界值dL=1.053，上限臨界值dU=1.664。d值與臨界值之間的關(guān)系為dU

三、研究結(jié)論與政策建議

對1998—2019年安徽省農(nóng)業(yè)投入產(chǎn)出進行實證分析，得出以下結(jié)論：安徽省農(nóng)業(yè)產(chǎn)出受播種面積、勞動力及機械化投入影響，對應(yīng)經(jīng)濟理論中土地、勞動、資本三要素。首先，土地與農(nóng)業(yè)產(chǎn)出呈正相關(guān)。安徽省土地面積約14萬平方公里，其中耕地約有8800余萬畝，林地有5600萬畝。2019年農(nóng)作物總播種面積8781.96千公頃，約為13172.94萬畝，接近耕地與林地面積的總和。作為影響農(nóng)業(yè)產(chǎn)出的三要素之一，土地資源的增加較為有限。其次，勞動與農(nóng)業(yè)產(chǎn)出呈負相關(guān)。第七次全國人口普查結(jié)果顯示，安徽省人口總量約6100萬。在農(nóng)業(yè)科技應(yīng)用較廣的情況下，2019年鄉(xiāng)村從業(yè)人員數(shù)達2900多萬，而在農(nóng)業(yè)科技落后的1998年這一數(shù)據(jù)為2700多萬，農(nóng)村剩余勞動力亟需轉(zhuǎn)移。最后，資本與農(nóng)業(yè)產(chǎn)出呈正相關(guān)。資本投入提高了機械化水平，進而提升了農(nóng)業(yè)的生產(chǎn)效率。基于上述研究結(jié)論，對安徽省農(nóng)業(yè)生產(chǎn)發(fā)展提出以下政策建議：

第一，標準化生產(chǎn)促可持續(xù)發(fā)展。在現(xiàn)有土地資源下，由于連續(xù)使用土地、過多施用化肥、農(nóng)藥等導(dǎo)致土壤肥力不斷下降。一些落后地區(qū)，“靠天收”種植方式出現(xiàn)的減產(chǎn)、病蟲害等問題得不到解決。農(nóng)業(yè)機械推廣率各地不一，農(nóng)業(yè)標準化生產(chǎn)尤為重要。目前安徽省已啟動高標準農(nóng)田示范區(qū)建設(shè)，致力于“探索一條可持續(xù)、可復(fù)制、可推廣的高標準農(nóng)田示范區(qū)建設(shè)助力現(xiàn)代農(nóng)業(yè)發(fā)展路徑”。示范區(qū)建成后，可作為農(nóng)業(yè)生產(chǎn)標準逐步向全省范圍內(nèi)復(fù)制推廣。

第二，智能化管理促新人才發(fā)展。安徽省天長市國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)園，水稻種植基本實現(xiàn)了智能化管理。[3](P1)打開手機軟件，即可查看稻田里的水溫，土壤里的養(yǎng)分含量。這需要農(nóng)業(yè)科技人才的支持。早期受經(jīng)濟發(fā)展水平影響，對農(nóng)業(yè)人才的培養(yǎng)不夠重視。隨著農(nóng)業(yè)現(xiàn)代化進程推進，新型農(nóng)業(yè)人才作為一種復(fù)合型人才備受重視，相較學(xué)科專家更為緊缺。安徽省農(nóng)村勞動力剩余現(xiàn)狀與新型農(nóng)業(yè)人才緊缺并不矛盾，反而為農(nóng)業(yè)發(fā)展指明了出路——培養(yǎng)新型農(nóng)業(yè)人才，推廣智能化管理，以更為科學(xué)、更有效率的方式支持農(nóng)業(yè)發(fā)展。

第三，機械化推廣促“農(nóng)貸、融”發(fā)展。隨著新農(nóng)村建設(shè)的推進，大批農(nóng)村勞動力進城務(wù)工，原有農(nóng)田基本都承包給他人，這為農(nóng)業(yè)規(guī)模化經(jīng)營提供了條件，也對農(nóng)業(yè)機械產(chǎn)生較大的需求。在部分地區(qū)，水稻種植基本實現(xiàn)了全程機械化：種子精選機、插秧機、農(nóng)用噴藥無人機、收割機、烘干機等設(shè)備一應(yīng)俱全。考慮到農(nóng)戶資金不足，政府應(yīng)加大農(nóng)業(yè)貸款支持力度，簡化辦理手續(xù)，解決農(nóng)戶“貸款難”的問題。同時為農(nóng)戶牽線搭橋，鼓勵農(nóng)產(chǎn)品加工企業(yè)、食品生產(chǎn)企業(yè)等以融資或其他方式與農(nóng)戶攜手實現(xiàn)“產(chǎn)、收、銷”一體化。