农业科技投入与农业经济的关联性研究.docVIP

农业科技投入与农业经济的关联性研究 科技是第一生产力，这个原则在农业方面非常适用，自改革开放以来，随着国家对农业的大力投入，以及农业机械、农业生产技术等不断发展，我国的农业水平得到了显著提升；同时，在农业科技投入与农业经济增长之间形成了一种良性互动的关系，即科技投入越大，产出越大，经济增长越快，而经济的进一步增长，又反作用于技术研发，形成了一种动态化的关联性，极大地促进了我国农业的快速发展。以下针对农业科技投入与农业经济增长的动态关联性展开具体说明。 一、概述 从世界范围来看，在20世纪50年代末，美国的索络就提出了柯布-道格拉斯函数在劳动质量、资本类型确定的情况下，对资源配置、知识进步要素对于经济增长的推动；80年代中后期已经进入到对其决定性的分析。在我国，2008年由杨灿等人利用索罗斯模型、投入产出系数法，对我国广东地区的科技进步与经济增长贡献率进行了分析，效果较好。目前，世界范围内的400项左右的农业科技投入，带动了世界农业的极大发展，且投入后的回报率高达49%之多。 二、实证分析 1.基本情况说明 静态实证分析，是目前应用较多的理论模式。根据我国农业自改革开放以来的发展情况来看，动态性的关联性分析才最为重要；原因在于我国属于发展中国家，虽然经济位列世界第二，但实际拉动经济过热的因素主要是国有企业与房地产等行业，所以，整体来讲财力有限，尤其是体现在农业科技投入方面的已经出现了南方投入多、北方投入少的局面。另外，农业投入本身属于周期长、回报慢、回报率低、风险较高的行业，因此，这些特征往往导致了农业自身在科技、资金方面的吸引力的不足。但整体来看，我国的农业发展一直处于一种正向的发展趋之中。本次研究中以向量自回归模型为准进行分析，基础是我国农业科技投入与农业经济增长相关数据，通过脉冲响应函数，分析农业科技投入与农业经济增长之间的相关性（时间确定为1986-2011年，原因是2011年后，房地产行业极速发展，热钱最多，所以，这方面的实证研究意义不大，将时间确定在以上范围）。首先，构建动态模型，即以数据统计性质为基础，通过相关时间序列系统预测、随机扰动对变量系统的动态影响，从而实现二者间的动态关联性分析。其次，本次以农业科技投入、农业GDP两种数据作为代表性指标，具体数据是由《中国统计年鉴》（1986-2001中国农业科技投入数据）、《全国农业计资料汇编》（2001-2011中国农业科技投入数据）采集而来。 2.实证分析 首先，在身量自回归模型中，按照变量的平稳性要求、白噪声序列向量假设要求，本次研究通过协整检验农业科技投入变量序列、农业GDP变量序列水平值、一阶差分值、SC准则，实现了对滞后阶数的确定。检验结果表明，通过序列LASTT、△LASTT、LAGDP、△LAGDP检验后发现ADF临界值分别为-3.6795、-3.5806、-2.9719、-2.9719；所以，结论是非平稳、平稳、非平稳、平稳。检验结果表明，我国农业科技投入变量序列、农业GDP变量序列均属于非平稳序列；然而，在一阶差分完成后，单位根消失，成为平稳序列。其次，在协整检验与误差修正模型方面，本次研究通过对序列单整检验进一步分析了作为一阶单整序列的LASTT、LAGDP，结果满足条件。因此，通过EG两步法对其进行了进一步的分析，具体是通过最小二乘法对二序列进行长期线性均衡关系估计，得到关系式如下：LAGDPt=6.8937+0.6823LASTTt（78.2789）（32.9513）R2=0.9749F=1085.79然后，不规则根据单位根检验，即：△et=-0.2216et-1+0.4049△et-1(-2.3105)(2.3346)结果表明，残差项无单位根，且属于平稳系列，所以，可以由此得到农业科技投入中的资源配置效率要素对我国农业经济增长的推动及影响；即得到△LAGDPt中的R2值、F值、D.W.值：0.2695、5.9285、2.1410。根据模型得到的影响系数为0.0488，因此，当投入变动为1%，那么增长变动就为0.0488%，因而长期影响较大，而短期影响较小。 三、结论与建议 通过以上分析可以看出，非平稳序列是我国农业科技投入变量序列、农业GDP变量序列的基本特征，但也存在着二者之间的长期稳定性的协整关系，即动态相关性；在本次研究中，由于样本选取与之前的朱希刚、王桂所进行的研究比较，农业科技贡献率显著偏低，分析其中的差异原因发现，主要是数据存在差异，本次研究主要是采用新时期的最新数据，所以，误差得到了修正；经济增长弹性与其影响系数相比也显著较高，证明了长期影响的有效性。因此，建议如下。首先，在农业科技投入方面，要注重整体的战略部署，做好长期投资的