农村金融支持对农业技术效率影响实证分析.docVIP

农村金融支持对农业技术效率影响实证分析 　　摘 要：采用超越对数型生产函数的随机前沿模型，基于我国东部11个省份2000―2010年的面板数据，应用随机前沿分析模型实证考察了我国东部各省农业技术效率水平及农村金融支持对其影响。研究表明：我国东部地区的农业技术增长主要靠资本以及劳动力拉动，但是劳动力的增加其对农业技术增长的边际影响逐步减少。农村合作机构对中国农业技术效率的提高有着明显的促进作用，但是政策性金融支持以及农业银行对农业技术效率的作用不显著。 　　关键词：政策性金融；农业技术效率；随机前沿分析 　　中图分类号：F832.4；F323.3 文献标志码：A 文章编号：1673-291X（2015）11-0190-02 　　引言 　　进入21世纪，从2004年至今，中央一号文件已连续10年关注“三农”问题，可见农业在我国国民经济体系中拥有举足轻重的地位。从历史发展进程来看，农业的发展水平直接决定国民经济的发展。 　　农业是国民经济和社会发展的基础。改革开放30多年来，中国农业发展取得了举世瞩目的成就，为国民经济的迅速发展提供了有力的支持，不仅解决了13 亿人民的温饱问题，并且在总体上达到了小康并逐渐迈向更高的水平。虽然我国粮食连续9年实现增产，但是与农业强国的目标还有一定的距离。由于我国人口较多，各项农业资源的人均水平较低。研究我国农业的技术效率问题，有利于从经济增长的质量方面全面考察我国农业的整体竞争能力，探索转型期农业现代化发展模式；对于优化农业经济结构、统筹城乡经济协调发展、全面建设小康社会，具有重要的理论价值和现实意义。 　　一、文献综述 　　农业经济的稳定持续的增长，是社会健康发展的前提。而农业持续稳定的增值要依靠两个方面，一个是生产要素的增加，另一个是生产效率的提升。由于自然资源以及经济资源的有限性，导致我国农业的发展不可能单纯依赖资源的扩张，而是应该主要依靠不断提升生产效率。学者们用不同的方法、从不同的角度研究农业发展效率，对农业效率的问题进行评价。 　　利用Malmquist生产率指数分析研究我国各年度农业效率水平。黄勇（2013）运用Malmquist指数方法，考察了2004―2009年湖北省农业全要素生产率的变动趋势，通过Malmquist指数的分解，分析了湖北省农业全要素生产率增长的内在动力[1]。基于DEA模型对我国各地区农业效率进行分析研究。王文刚、李汝资、王芳（2012）利用DEA方法和Malmquist生产率指数模型方法对吉林省2001―2009年农地要素资源的投入生产效率及其变化特征进行了深入的研究[2]。李思（2012）运用数据包络分析的BC2模型对农业效率进行测评，以四川省为样本，计算得出21个地区农业效率[3]。张海波、刘颖（2012）采用随机前沿分析（SFA）方法，考虑了随机因素对我国农业生产活动的影响，具体测算了我国1980―2009年各地区的农业全要素生产率（TFP）[4]。秦臻、倪艳（2012）采用基于随机前沿模型的参数法，利用中国1978―2008年的省级行政区的面板数据，从历史演化和区际差异两个角度对农业全要素生产率（TFP）进行了实证研究[5]。现如今，大多数的文献都是对我国整体或者说区域的农业效率水平进行评价，对农业效率的影响因素分析的较少。对我国整体及区域的整体农业效率水平进行评价十分必要，但是对其影响因素的分析更为有现实意义。在影响农业效率的许多因素当中，金融支持的作用十分重要。本文在总结了相关文献的基础上，采用随机前沿模型分析金融支持对我国东部地区农业技术效率的影响状况。 　　二、模型选取及数据来源 　　根据SFA模型的基本原理，运用超越对数生产函数，在我国东部11个省份2001―2010年面板数据的基础上，对农业技术技术效率及农村金融支持对其影响进行测算。具体研究模型如下： 　　在（1）式中，i为各省份的排列序号；t为时间序号，i=1，2，…11；t=1，2，…9；yit表示第i个省份在第t时期的农业生产总值（单位：万元）；Kit表示i省t期的农业机械总动力（单位：万千瓦）；Lit表示i省t期的农业从业人员数量（单位：万元）；β为待估计参数，β1表示资本产出弹性，β2表示劳动产出弹性，vit为i省t期生产过程的随机误差，它表示测量误差、经济波动以及各种不可控制的随机因素；uit为i省在t期生产过程的效率项，服从半正态分布，非负随机变量，且和相互独立。 　　本文选取的样本数据为我国东部的11个省，时间段为2000―2010年。其中各地区农业总产值、农业从业人员、农业机械总动力的指标数据来源于每年度的《中国统计年鉴》和《中国农业年鉴》，每个地区的农发行的贷款余额、农业银行农业贷款余额以及农村信用社贷款余额来源于《中国农业发展银行统计年鉴》《