贵州省农业产值与农民收入关系的实证分析
来源:用户上传
作者:梁颖 蔡承智
摘 要：农民增收是农业、农村发展的集中表现和基础，农业产值与农民收入之间有着内在联系。基于1978—2015年贵州省种植业、林业、牧业、渔业、农业服务业产值及农民人均年收入统计值，运用Eviews7.2软件进行了变量间相互关系的全面分析。结果显示：一是“时间序列”的ADF单位根检验表明，种植业、林业、牧业、渔业产值及农民人均年收入，同为一阶单整序列，农业服务业产值由于统计值仅始于2004年，数据量不足，未通过一阶差分“平稳性检验”，故将其对农民增收的贡献归入最终回归方程的常数项;二是变量间“协整检验”表明，种植业、林业、牧业、渔业产值与农民人均年收入间存在协整关系;三是变量间Granger因果检验表明，种植业、林业、牧业、渔业产值与农民人均年收入间存在部分因果关系;四是介于变量间关系的部分Granger因果检验未达显著水平，故引入“残差”项，以种植业、林业、牧业及渔业产值为解释变量、农民收入为被解释变量，进行“误差修正”模型估计分析，得出种植业、林业、牧业及渔业产值对农民收入的贡献权重（回归方程系数）分别为0.30、0.09、0.38和0.32，即贵州农民增收主要依靠牧业、渔业和种植业的发展。
关键词：贵州;农业产值;农民收入;协整检验;因果检验;回归分析
中图分类号：F327 文献标志码：A 文章编号：1673-291X（2020）09-0037-06
一、相关背景介绍
贵州是全国最贫困的省份之一，农业在贵州经济社会发展中扮演着相对重要的角色。以2015年为例，贵州省GDP为10 502.56亿元，其中一、二、三产业分别占15.62%、39.49%和44.89%，而全国一、二、三产业分别占8.99%、40.53%和50.48%。贵州第一产业（以农业为主）产值占GDP比值高于全国水平足以说明农业在贵州经济社会发展中的显著而重要的地位。本文在对贵州省农业产值与农民收入关系进行变量“时间序列”平稳性分析、协整检验及Granger因果检验基础上，对农业产值影响农民增收的程度进行回归方程估计，以判断农业中种植业、林业、牧业、渔业和农业服务业对农民增收的贡献大小，从而为地方政府制定相关扶贫、促进农民增收政策提供决策参考。
二、农业产值与农民收入之间的关系
农业由种植业、林业、牧业、渔业和农业服务业构成，组分之间存在互作关系。农民收入主要（直接或间接）来源于农业产值的增长，而且它们之间表现为线性关系。所以，可对农业（组分）产值与农民收入之间的关系进行“协整”分析及格兰因果检验，可对农业产值影响农民收入的大小进行回归方程估计。以下将基于1978—2015年（现有统计数据）贵州省农业（组分）产值及农村居民人均可支配收入（以下简称“农民收入”）依次进行变量的“时间序列”平稳性检验、协整检验、Granger因果检验及回归方程估计分析。
（一）变量“时间序列”平稳性分析
种植业、林业、牧业、渔业及农业服务业产值分别记为CR、FO、AN、FI和SE，“农民收入”记为IN。为消除异方差，对变量取对数，分别记为lnCR、lnFO、lnAN、lnFI、lnSE和lnIN，变量ADF单位根检验结果（见下页表1所示）。
表1显示，t统计量高于所有水平（1%、5%和10%）临界值，表明贵州省1978—2015年农业（组分）产值（亿元）及农民收入（元/人）的对数值“序列”非平稳。为此，进行一阶差分，分别记为DlnCR、DlnFO、DlnAN、DlnFI、DlnSE和DlnIN，再进行ADF单位根检验（见下页表2）。
表2显示，除“农业服务业”外，其余变量的t统计量低于所有水平（1%、5%和10%）临界值，表明贵州省种植业、林业、牧业及渔业产值和农民收入对数值一阶差分“序列”平稳，同为一阶单整序列，表明它们之间存在长期均衡关系。“农业服务业”未通过“平稳性”检验是因为样本数量不足（统计数据始于2004年），为此将其对“农民收入”的贡献归入（最后回归方程的）“常数项”。
（二）变量间关系的协整检验
同为一阶单整的不同“序列”变量，如果理论上存在相互作用，则可对其进行变量间关系的协整检验，进一步从定量上认识它们之间的互作关系。农业（组分）产值与农民收入之间的相互联系表现为：农业（组分）产值的提高促进农民收入的增长，农民增收致富是农业发展的集中表现;反过来，农民脱贫致富、农村发展，又为农业的发展奠定基础、创造条件，从而助推农业（组分）产值的增加。
从表3可以看出，协整回归方程的R平方（决定系数）为0.991919、P值（F-统计量）为0.000000，模型拟合优度较高，表明变量间存在协整关系。为此，进一步对模型残差进行单位根检验（见表4）。
表4显示，t统计量低于所有水平（1%、5%和10%）临界值，表明贵州省农业（其中的种植业、林业、牧业和服务业）产值与农民收入关系协整回归方程的残差序列平稳。P值为0.0018，小于0.05，达到显著水平。为此，进行变量间Granger因果检验。
（三）变量间关系的Granger因果检验
协整检验只表明变量间是否存在相互作用，变量间存在相互作用的情况下，要判断它们之间的因果关系，需进行变量间的Granger因果检验。贵州省种植业、林业、牧业和渔业产值与农民收入之间的Granger因果检验（如表5所示）。
从表5可知，“农民收入”是“种植业”的Granger原因（0.01显著水平），“农民收入”是“牧业”的Granger原因（0.01显著水平），“林业”是“种植业”的Granger原因（0.05显著水平），“牧业”是“种植业”的Granger原因（0.10显著水平），“林业”是“牧业”的Granger原因（0.05显著水平）。“农民收入”是农业（如种植业、牧业）产值的Granger原因，意味着任何农业生产活动都需要农民具备一定的经济基础，都需要相應生产资料投入，但农民增收致富后并不一定投资于农业生产，有可能用于其他消费（如旅游）或投资于农业以外的经济活动。因此，本研究不以“农民收入”作为解释变量、农业（组分）产值作为被解释变量进行回归方程估计分析，也不对农业（组分）产值之间的相互作用做进一步的分析（它们之间存在部分Granger因果关系）。农业（组分）产值对“农民收入”的影响，虽然Granger因果检验未达到（0.10以上）显著水平，但它们对农民增收的促进作用是客观存在的，造成“未达显著水平”的原因可能是统计数据的“数量”（不足）和“质量”（与实际值之间的误差）。 （四）农业产值对农民收入影响的回归分析
由于农业（组分）产值对“农民收入”的影响的Granger因果检验未达到显著水平，故不能将农业（中的种植业、林业、牧业和渔业）产值作为农民收入的影响因子直接进行回归方程估计，而需引入“残差”修正项，即进行“误差修正”回归模型估计。贵州省种植业、林业、牧业、渔业对农民收入影响的（误差修正）回归模型估计结果（如下页表6所示）。
从表6可知，最后的回歸方程的R平方（决定系数）为0.998564、P值（F-统计量）为0.000000、DW值为2.040451（接近2.0），模型拟合优度较高;除“林业”对“农民收入”的影响达“显著”水平（P值为0.0576）外，“种植业”“牧业”和“渔业”均达“极显著”水平（P值均低于0.01），“常数项”和“残差项”也达“极显著”水平，表明回归方程的信度较高;“种植业”“林业”“牧业”和“渔业”对“农民收入”的贡献率（回归方程系数）分别为0.30、0.09、0.38和0.32，均为正值，表明均为促进作用，符合常理。也就是说，贵州省农业发展对农民增收的贡献中，牧业贡献最大、林业贡献最小，渔业和种植业介于之间。
三、结语
本研究表明，贵州农业（组分）产值的提高对农民增收的贡献大小依次为牧业、渔业、种植业和林业。农业服务业产值由于统计数据不足，未通过“序列”的平稳性检验，没有作为解释变量之一考虑，但农业服务业产值对农民收入的作用是不言而喻的。也就是说，在这种情况下，种植业、林业、牧业和渔业分别在一定程度上“瓜分”了农业服务业对农民收入的贡献，农业服务业的发展对农民增收的促进作用表现为“隐性”。
参考文献：
[1] 蔡承智，张瑞德.贵州农民增收的主要影响因素实证分析[J].贵州财经学院学报，2010，（3）：104-109.
[2] 陈良，高建浩，王彬，等.贵州农业产业化经营现状、存在问题与对策建议[J].贵州农业科学，2014，（2）：248-252.
[3] 黄承伟，叶韬，赖力.扶贫模式创新——精准扶贫：理论研究与贵州实践[J].贵州社会科学，2016，（10）：4-11.
[4] 谭同学.参与式理论祛魅、文化自觉与精准扶贫——基于贵州山区县的调查[J].北方民族大学学报：哲学社会科学版，2017，（1）：22-28.
[5] 周品戈.农村金融规模、农业产值和农民收入相关性分析——基于省域视角并以湖南省为例[J].湖南农业大学学报，2015，（2）：29-33.
Abstract：The increase of farmer’s income is the base and intensive show of agricultural and rural development，as there exists inner interaction between agricultural production value and farmer’s income.In this paper，based on the production values of cropping，forestry，animal husbandry，fishery and sideline and farmer’s annual income from 1978 to 2015 in Guizhou province，Software E-views 7.2 is used for comprehensively analyzing the relations between these variables.The results show as follows：1.due to insufficient number of its statistical figures starting only from 2004，the stationary test of ‘time series’of the variables indicates the sideline one is not stationary and then its contribution to farmer’s increase is included in the constant of regression equation，while the farmer’s income and the production values of cropping，forestry，animal husbandry and fishery are all belonging to the 1st-differentiated integration series;2.the co-integration test indicates the farmer’s income and the the production values of cropping，forestry，animal husbandry and fishery are con-integrated each other;3.the Granger causality test indicates there are some causalities between these variables in a way;4.in view of that some Granger causality tests do not reach significant level，the residual is introduced to estimate error-corrected regression equation through the production values of cropping，forestry，animal husbandry and fishery leading to the increase of farmer’s income，which educes that their contribution weights（the coefficient of regression equation） are 0.30，0.09，0.38 and 0.32 respectively，or the farmer’s income increase in Guizhou province mainly depends on the development of animal husbandry，fishery，cropping and forestry，orderly.
Key words：Guizhou;agricultural production value;farmer’s income;co-integration test;causality test;regression analysis
[责任编辑 刘娇娇]
转载注明来源:https://www.xzbu.com/2/view-15203954.htm
