农业技术运用及经济增长关系

导语：农业技术运用及经济增长关系一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、引言

我国已进入加快改造传统农业、走中国特色农业现代化道路的关键时刻。科技进步对农业增长的贡献率从“一五”时期的19•9%,提高到目前的51%,已成为推动农业农村经济发展的决定性力量。然而,现阶段我国农业科技成果应用水平仍然不高,农业科技成果转化率仅有30%-40%,远低于发达国家65%-85%的水平,很多成果不能转变为现实生产力(孙政才,2009)[1]。这说明,与新时期农业发展面临的形势和承担的任务相比,我国农业科技进步贡献率仍然偏低;与亿万农民迫切的科技需求相比,农业科技服务供给能力仍然不足;与走中国特色农业现代化道路的要求相比,农业科技支撑能力仍然不强;与世界发达国家相比,农业科技整体水平的差距仍然较大(张宪法,2009)[2-4]。究其根源,主要是由于我国农户农业技术的需求和政府及科研、推广机构农业技术的供给之间在对接上存在较大差距,以至造成农业技术应用率偏低,导致农业技术应用时存在有效需求不足和有效供给不足的双重矛盾。因此,对当前我国农业技术需求和应用的主体———农户农业技术应用行为的研究就显得尤为迫切和重要。进入新世纪以来,我国农民收入保持了年均6%以上的增长速度,但这一增长与城镇居民收入提高速度相比还有很大的差距(韩俊,2009)[5],因此,农民收入增长问题仍是当前我国农业和农村经济发展中最突出的问题之一。由于农民收入增长问题对中国经济和社会发展的意义特别重要而受到党和政府的高度重视,国内学者对此也作了许多有益和深入的探讨和研究。虽然农民收入增长问题的研究表现出明显的多元化特征,但是,大多研究者都得出基本一致的结论,即改革开放30多年来,农民收入来源多元化、市场化和非农化的基本格局已经形成,农民非农收入的增长是主要的推动力量,这是农村经济进入新阶段后农民收入增长格局的新变化,是市场经济发展和结构调整的必然结果(黄季焜,2000;张晓山,2002;温铁军,2002;盛来运,2005;姜长云,2008等)[6-10]。因此,现阶段对我国农民收入增长问题的研究具有十分重大的战略意义,尤其是对农民非农收入增长的研究显得更有突出的现实价值。对于农业技术应用问题的研究一直是学术界关注和讨论的热点问题,国内外研究者围绕农户是否应用、为何应用、应用制约、应用程度、应用效果等基本经济主题进行了广泛而深入的研究。

其中,对于农业技术应用与农户收入之间关系的研究相当丰富,主要围绕农户收入是农业技术应用重要的影响因素展开理论与实证分析。如国外研究者普遍认为,农户收入是其应用农业新技术的资金保障(Blasé,1960;Feder,1980;Ervin和Ervin,1982;Herath和Takeya,2003)[11-13]。Thir-tle等(2003)通过对南非部分区域棉花新技术的应用实证分析得出,非农收入与技术应用存在显著正相关,能够成为技术应用的重要资金支持。Smale等(2001)利用汇款(remittances)作为农户收入的衡量指标,研究指出,农户汇款的数额直接影响到其农业技术应用的决策,这与之前的研究是基本相似的(Gerhar,t1975;Rochin和Wit,t1975;Demir,1976;Perrin,1976)[14]。国内学者研究也进行了大量卓有成效的研究,所得出的共同结论是,农户收入水平或其富裕程度是影响农户农业技术应用的主要因素。如袁飞等(1993)以浙江省乐清县为例分析认为,高收入的农民在技术选择上愿意选择节约劳动力的新技术[15]。宋军等(1998)研究发现,农户的富裕程度会影响农户的技术选择行为,富裕农户往往会选择优质技术和小型技术[16]。廖西元等(2006)按水稻生产环节对16个省5228个农户采用水稻机械化生产技术应用情况调查与分析表明,农户人均收入影响稻农采用机械化生产技术[17]。李海明(2007)分析我国7省28县420农户对不同类型农业技术的需求,表明农户家庭经济实力是影响农户技术服务需求的主要因素[18]。然而,上述国内外研究中存在一个共同问题,即大都是围绕农户收入影响农业技术应用这一分析路径考查两者关系,而反之,从农业技术应用影响农户收入增长这一分析路径探讨两者关系的研究相对缺乏。虽然农业技术应用促进农户收入增长是一个传统的经济学命题,但是,基于农业发展新阶段的特点,此经济命题有了新的内含,尤其是其传导机制发生了重要的新变化。因此,探讨现阶段农业技术应用对农户收入增长的影响及其传导机制更具有重大的理论价值和现实意义。

本文旨在利用实证分析方法研究现阶段农业技术应用对农户收入增长的影响,并给出更为精确的估计。文中将采用中部农业大省江西11村939个固定跟踪观察农户2003-2007年的面板数据(paneldata),构建个体和时间双向固定效应模型(entityandtmiefixedeffectsregressionmod-el)[19],其中,个体固定效应模型用于消除解释变量之外的自然环境、资源条件、村庄文化等不可观测的个体差异对农户收入的影响;时间固定效应模型采用年度时间变量控制宏观经济政策、农产品市场环境等因素对农户收入的影响。同时,通过引入反映农业技术应用状况的虚拟变量用于考查农业技术应用对农户收入增长的平均影响和动态效应,其中,动态效应主要是分析不同年份农业技术应用的影响和变化趋势以反映农业技术应用的时间效应。进而,本文还利用个体和时间双向固定效应模型分析农业技术应用对农户非农收入增长的影响,以验证农户通过农业技术应用节省时间和精力,促进其更好地从事非农就业以提高非农收入水平,从而促进农户家庭总收入增长这一间接传导新机制的存在和有效。选择江西农户作为本文的研究对象,主要基于两方面的考虑:第一,江西是中部地区典型的农业大省,也是种植水稻的主产区之一,该省的农业技术应用与农户收入增长问题越来越引起国内外学者们的关注。究其原因,主要在于经历了30年的以市场导向为主线的农村经济体制改革,江西农村社会经济发生了历史性的变化,但是,农业目前仍处于先进的生产手段与落后的生产手段并存、机械化作业与人畜力作业并存、现代适用技术与传统耕作方式并存的格局。与此同时,随着农村产业开始向多元化方向发展,外出务工经济已经成为江西农村经济发展的重要支柱,成为农民收入增长的主要渠道。因此,研究江西农户农业技术应用促进其收入增长,尤其是促进其非农收入增长问题,不仅是江西农村经济发展的重大战略问题,更是反映我国粮食主产区农村经济发展极其重要的典型案例。第二,笔者来自江西,且一直从事江西农业和农村经济发展相关问题的研究,对江西农业和农村具有较为深刻的认识,与江西相关政府调查和决策部门也有良好的合作研究基础,拥有江西省2003-2007年连续5年11个固定跟踪观察村、近1000个固定跟踪观察农户生产、生活情况的面板数据资料。因此,通过对江西省农业技术应用影响农民收入增长的实证研究,可以更加精确地估计和验证农业技术应用对农民收入增长的影响程度,从而为政府相关部门进一步完善农业技术推广服务和促进农民增收提供有益的决策参考。

二、数据来源和变量选取

本文采用的数据来自国家农村固定跟踪观察系统①,此系统是1986年正式确立的,在全国各地均设有观察点[20]。跟踪观察系统以村为单元,对村域中的农户实行抽样调查,以村域中的农户为个体,对其进行跟踪观察。数据库主要包括农户特征、土地和固定资产、家庭生产经营、家庭收支和家庭消费等方面的详细资料。此系统中涉及江西省的共有13个观察村(本文所用数据缺失2个村),覆盖江西省所有地级市,具体包括兴国县的回龙村,上高县的下林村,九江县的明闸村,崇仁县的桃里村,南昌县的甫下村,余江县的兰田村,新余市的湾里村,浮梁县的柏林村,上饶县的桥下村,泰和县的龙洲村,萍乡市安源区等,总计约1000个农户样本。

江西,在经济发展上,属于中国的欠发达地区,在粮食生产上,则属于主产区,是国家的粮食主要供给地区。该省大多数农户都是兼业户,即既从事农业生产,又从事工业、商业等非农生产活动,选择江西农户为研究对象分析农业技术应用和农户收入增长问题,具有较强代表性。另外,本文所用数据时间跨度是2003-2007年,这个时间跨度正是我国农业技术应用和农民收入增长的关键时期,恰好可以反映出农业技术应用和农民收入增长之间的现实关系[21]。基于数据整理过程中产生的误差考虑,笔者对出现异常值的样本予以了剔除,同时,考虑到个别年份少数农户会出现数据缺失,笔者经过筛选,最终组成一个包括939个农户、共4603个有效样本的面板数据,因此,所获得的面板数据是非平衡数据。研究农业技术应用对农户收入增长的影响及其动态效果,首先需要衡量农户农业技术应用具体的时点和时期,但已有研究指出,农户应用农业技术存在自我选择性(self-selection,JorgeFer-nandez-Cornejo等,2002)[22],即农户应用农业技术的时机和程度具有较强主观性,无法准确推知所观察各村农户农业技术应用的具体时间和程度,因此,笔者以“是否受过农业技术教育或培训”虚拟变量为中间变量来近似反映农户农业技术应用状况,即如果农户受过农业技术教育或培训,则认为其具有应用农业技术较强的可能性和可行性,而其动态效果则通过不同年份农业技术教育或培训后所形成的影响差异来衡量。其次,农业技术应用对农户收入增长动态影响的研究,所采用数据的可比性是一个关键问题,笔者所采用的是来自全国农村固定观察点连续跟踪调查的数据,自2003年修改与完善以来,这套数据的统计口径是保持一致的,各年间的数据也具有可比性(文中所有价值量的数据均依2000年不变价指数进行了转换)。再则,全国固定跟踪观察系统以村为单元,对村域中的农户实行抽样调查并进行跟踪观察,加之,江西省农户在应用农业技术的具体时间上是相对独立的,因此,利用这套数据资料进行计量分析能够避免选择性偏差问题。

一般而论,影响农户收入增长的因素包含国家宏观经济环境、自然环境和农户个体差异等众多方面,为了分析农业技术应用对农户收入增长的影响,需要对其它影响农户收入增长的因素加以控制。对于其中可观测的部分,结合江西农户水稻生产的特点,笔者选取了反映农户生产经营特征的一组解释变量,包括农户年末经营耕地面积、年末拥有生产性固定资产原值、种稻投工量、购买化肥金额、购买农药金额、家庭经营主业、交通通讯支出(此变量考查其对农户非农就业决策的影响)等。而因变量则选取农户家庭经营收入和外出打工收入(所选取的变量主要统计特征见表1)。而对于其中不可观测的部分,笔者通过采用农户个体和时间双向固定效应的方式控制,即采用个体固定效应模型来控制自然环境、资源条件、村庄文化等不可观测个体差异对农户收入增长的影响;采用年度固定效应模型来控制不同年度的宏观经济环境、农产品市场环境等因素对农户收入增长的影响,同时把2003年未受过农业技术教育或培训的农户作为参照组,研究2003-2007年间农业技术应用对农户收入增长的影响[23-24]。

三、计量模型和实证结果

面板数据(paneldata)也称时间序列截面数据(tmieseriesandcrosssectiondata)或混合数据(pooldata),它是指在一定时间跨度内对相同的个体每年进行重复测量得到的数据,它允许各横截面之间存在一定的相关性。由于本文采用的是江西11村固定跟踪观察农户2003-2007年面板数据,因此,笔者将构建个体与时期固定效应模型(entityandtmiefixedeffectsregressionmodel),并通过STATA10.0统计分析软件进行估计。个体与时期固定效应模型(entityandtmiefixedeffectsregressionmode,lHsiaoCheng,2002)的基本表达式为:yit=C+αi+βitxit+γt+εiti=1,…,N;t=1,…,T(1)其中yit表示被解释变量,xit表示解释变量,i表示横截面数据,t表示时间序列数据,βit为解释变量的回归系数;截距项为C+αi+γt,其中C为常数项,αi度量个体效应差异,γt度量时间效应差异,且截距项αi随个体i变化,且γt也随时间变化;随机误差项εit代表模型中被忽略的随横截面和时间而变化的因素的影响。为了分析农业技术应用对农户收入增长的平均影响,笔者构建个体和年份双向固定效应模型,具体如下:LnYit=αi+βitXit+θAdopit+γt+εiti=1,…,N;t=1,…,T(2)其中Yit是反映第i个农户第t年收入的因变量(i=1,2,…,939;t=2003,2004,…,2007),笔者在计量分析中采用了家庭经营收入;αi是农户i的固定效应;Xit是一组反映农户生产经营特征的解释变量,βit为Xit的回归系数;Adopit是反映农业技术应用状况的虚拟变量(以是否受过农业技术教育或培训表示,即当年受过农业技术教育或培训为“1”,否则为“0”);γt为年份t的固定效应;εit表示随机误差项;笔者所关心的是Adopit的系数θ,它度量了农业技术应用对农户收入增长的平均影响[25]。

本模型选取的解释变量有农户年末经营耕地面积、年末拥有生产性固定资产原值、种稻投工量、购买化肥金额和购买农药金额等。其选取依据在于,农户经营耕地面积与其农业收入增长往往存在正相关关系,即耕地面积越大,其农业收入增长越高;基于规模经济效应考虑,农户拥有生产性固定资产与其收入增长也呈现正相关关系,即固定资产越大的农户往往其收入增长越快;现阶段种稻收入虽然不是江西稻农经营收入的主要来源,但仍然占其总收入的一定份额,因此,种稻投工量对江西农户收入增长也是正向的影响;而对于化肥和农药的支出费用则与农户收入呈负相关关系(具体说明见表2)。

传统观点认为,农业技术的应用能够提高农业技术生产效率,从而增加农户收入,这是直接的传导机制。然而,笔者认为,随着市场经济和现代农业的发展,农业技术应用对农户收入增长影响的传导机制发生了重要变化,已由原来的直接传导机制转变为现在的间接传导机制,此间接传导机制即是农业技术应用能够节省农业劳动时间和精力,便于农户从事非农就业从而增加其非农收入,最终增加其家庭总收入。因此,本模型中选取的因变量是农户家庭经营收入,主要分析农业技术应用对农户收入的平均影响程度(模型的估计结果见表3),而后文实证模型解释时,选取的因变量则是农户外出打工收入,主要分析农业技术应用对农户外出打工收入的平均影响程度(模型的估计结果见表4)。基于表3中的估计结果可以得出,农业技术应用对农户家庭经营收入的平均影响是正向的,且影响显著,即在其它条件不变的条件下,农业技术应用能够促进农户收入平均增长6•5%②。这与JorgeFernandez-Cornejo(2007)[26]的研究结论是一致的,他研究得出,耕地保护技术应用对农户家庭经营收入增长的弹性系数是0•46,抗虫害技术应用对农户家庭经营收入增长的弹性系数是0•97,影响尤为显著。需要指出的是,本模型估计出的弹性值与其估计出的弹性值存在差异,原因在于其选取了具体技术应用作为研究对象,而且选取了具体技术应用的概率来衡量农业技术应用状况。如前所述,结合实际考虑,运用农业技术应用提高农业效率以增加农户农业收入,从而促进农户家庭总收入增长这一直接传导机制已经很难解释本模型的估计结果。然而,农户通过应用农业新技术以节省劳动时间和精力,更好地促进非农就业以提高其非农收入,从而促进农户家庭总收入增长这一间接传导新机制却能够解释上述实证结果(本文将在第四部分进一步验证此判断)。

与此同时,表3中的估计结果还表明,除农业技术应用变量之外的其他解释变量的估计结果与笔者预期的情况基本保持一致。经营耕地面积与农户收入增长之间是正相关关系,即在其它条件不变的情况下,它能够促进农户收入平均增长6•3%,与农业技术应用的影响程度十分相似;生产性固定资产对农户家庭经营收入的影响也是正向的,但其影响程度相对较小,即平均影响为0•2%;种稻投工量对农户家庭经营收入也是正面的影响,且其影响度也很小,即平均影响为0•4%;而购买化肥和农药的支出费用虽然没有与笔者预期的负相关关系相一致,但其估计系数均为零,表明购买化肥和农药的支出费用很可能已经不是现阶段影响农户家庭经营收入的主要因素。为了保证计量模型运行的正确性,笔者进行了相关统计检验,即F检验值为8•07,表明构建个体和年份双向固定效应模型是成立的;LM检验值为61•96,表明构建个体和年份双向随机效应模型也是成立的;而Hausman检验值为160•46,表明构建个体和年份双向固定效应模型比个体和年份双向随机效应模型更合理、有效。

为了考察农业技术应用对农户收入增长的动态影响,笔者将农业技术应用虚拟变量拆分为一组农户受过农业技术教育或培训的年份虚拟变量,即Adop-1(2003年农户受过农业技术教育或培训);Adop-2(2004年农户受过农业技术教育或培训);Adop-3(2005年农户受过农业技术教育或培训);Adop-4(2006年农户受过农业技术教育或培训);Adop-5(2007年农户受过农业技术教育或培训)。如果农户2003年受过农业技术教育或培训,则Adop-1为1,而Adop-2;Adop-3;Adop-4;Adop-5均为0,依此类推[27]。将此组年份虚拟变量加入个体和年份双向固定效应模型中,可得:LnYit=αi+βitXit+θ1(Adop-1)it+θ2(Adop-2)it+θ3(Adop-3)it+θ4(Adop-4)it+θ5(Adop-5)it+γt+εiti=1,…,N;t=1,…,T(3)其中θI(I=1,2,3,4,5)考察农业技术应用对农户收入增长动态的平均影响。通过模型(3)的估计可得出农业技术应用对农户家庭经营收入增长的动态影响程度,也能够验证农业技术应用对农户经营收入增长影响的持久性。模型(3)的估计结果见表3。从表3中可以看出,所选解释变量与模型(2)是相同的,且显著性水平与模型(2)保持一致,解释变量的估计结果也与模型(2)的估计结果基本吻合,而Adop-1;Adop-2;Adop-3;Adop-4;Adop-5前面的系数则反映了农业技术应用对农户经营收入增长动态的平均影响。具体而言,在受过农业技术教育或培训后的前两年,农业技术应用对农户家庭经营收入的影响是负值,其弹性系数分别为-0•026和-0•037,而从随后的第三年开始,农业技术应用对农户家庭经营收入的影响转为正值,且逐步增强,其弹性系数分别为0•033、0•037和0•057。这表明,农业技术应用对农户家庭经营收入增长的影响既有短期的,更有中长期的,即短期内对农户收入增长呈现负面影响,但从总体趋势而言,对农户收入增长的影响却是正向的。本模型的F检验植和Hausman检验值分别为8•52和36•15,说明构建个体和年份双向固定效应模型对农业技术应用动态影响进行分析是更合理且有效的。

四、农业技术应用促进收入增长的实证解释

从上述研究结论可知,无论是农业技术应用对农户家庭经营收入增长的平均影响,还是农业技术应用对农户家庭经营收入增长的动态影响,都呈现出较高的显著性,且影响的总体趋势是正向的。若深入探究此问题的经济学解释,即农业技术应用对农户收入增长的影响究竟是通过传统的直接传导机制实现的,还是通过新的间接传导机制实现的[28-29]?笔者更倾向于后者,为此,仍然运用同样的计量方法来验证[30]。

如前所述,新的间接传导机制是指农户通过应用农业新技术以节省劳动时间和精力,更好地从事非农就业以提高其非农收入,从而促进其家庭总收入的增长。因此,笔者仍然借鉴模型(2)和模型(3)的方式,构建个体和年份双向固定效应模型分析农业技术应用对农户非农收入增长的影响。但是,此时选取的因变量是农户外出打工收入,同时选取年末经营耕地面积、家庭经营主业和交通通讯支出等为解释变量。其选取依据在于,经营耕地面积与农户外出打工收入增长往往呈现负相关关系,即耕地面积越大越会制约农户外出打工,尤其是水稻生产领域,此种负相关关系体现地更为明显;家庭经营主业则直接决定了农户外出打工的收入水平,其与农户外出打工收入增长是正相关关系;而交通通迅支出通常是农户外出打工决策时需要考虑的重要因素,且其与农户外出打工收入的增长往往是负相关关系。其它变量的设定、解释与模型(2)、模型(3)保持一致,笔者所关心的仍然是Adopit的系数和(Adop-i)it的系数θi,只是此时它衡量地分别是农业技术应用对农户外出打工收入增长的平均影响和动态影响(此模型的估计结果见表4)。

从表4可知,正如笔者所预期的一样,农业技术应用对农户外出打工收入增长具有重大的影响,农业技术的应用能够促进农户外出打工收入平均增长9%。这表明,农业技术应用对农户收入增长的影响有极大可能是通过促进农户非农收入增长这一新的间接传导机制实现的。这与JorgeFernan-dez-Cornejo(2007)的研究结论也是一致的,他研究指出,耕地保护技术应用对农户非农收入增长的弹性系数是0•98,抗虫害技术应用对农户非农收入增长的弹性系数是1•59,影响尤为显著③。

基于动态视角分析,在农业技术应用的初期,其影响尤为明显,如受过农业技术教育或培训后前两年的影响弹性系数分别高达为0•110和0•174。然而,从总体趋势分析,农业技术应用对农户外出打工收入的影响则是由强变弱的,如受过农业技术教育或培训后第三、第四和第五年的弹性系数分别为0•047、0•078和0•001。这可能预示着农户需要更先进的农业新技术,即新一轮更先进农业新技术应用的开始。本模型中其他解释变量的估计结果与笔者的预期也是基本一致的,只是交通通迅支出的影响估计系数为零,这可能在于其已经不是影响现阶段农户外出打工收入的主要因素。本模型的F检验值和Hausman检验值也都较为显著,说明本模型构建也是合理而有效的。因此,本模型估计结果能够说明,农业技术应用通过促进农户非农收入增长最终促进农户家庭总收入增长这一新的间接传导机制是客观存在的,且作用尤为显著。

五、主要结论

本文利用江西11村固定跟踪观察农户连续5年的面板数据,构建个体和年份双向固定效应模型,并运用此模型分析农业技术应用对农户收入增长的平均影响和动态效应。实证结果表明,在控制了自然特征、社会经济特征和农户个体特征等变量后,农业技术应用对农户收入增长具有显著的正效应。一方面,农业技术应用能够促进农户家庭经营收入平均增长6•5%,虽然应用过程中可能会负面影响农户收入增长,但从总体趋势考虑,农业技术应用最终会促进农户家庭经营收入增长。另一方面,农业技术应用之所以能够促进农户家庭经营收入增长,主要是因为农业技术应用能够节省劳动时间和精力,使农户能够更好地从事非农就业以提高其非农收入,从而促进其家庭总收入的增长。实证解释充分验证了这一间接传导新机制的存在,即农业技术应用促进农户外出打工收入平均增长9%,影响尤为显著。

综上所述,农业技术应用能够有效地促进农户收入增长,且影响是长久的,同时,现阶段其传导机制主要是通过节省劳动时间和精力,促进农户非农就业以提高其非农收入这个间接方式来实现。这一研究结论的得出,给政府农业科研与推广相关部门政策决策提供了一个有益的政策信号,即现阶段农户对省时省力农业技术的需求尤为迫切。究其经济学的根源,即是随着市场经济的深入发展,我国农户家庭经营决策已经不仅仅是考虑单纯的农业生产规模经济问题,更重要的是应该综合考虑从事农业生产与非农就业二者一体化决策的范围经济问题。这与JorgeFernandez-Cornejo(2007)对农户范围经济效应的实证研究结论是一致的,其研究表明,农户既从事玉米、大豆等农业生产又从事服务、营销等非农就业的范围经济效应平均为0•24,即相比单独从事农业生产或非农就业,农户能够平均节省24%的家庭成本。