小议城镇化与粮食发展的关联.docVIP

小议城镇化与粮食发展的关联 本文 1、变量、数据的分析和说明工业化、城镇化进程大大提高全社会的生产效率，使社会财富的积累更加迅速，人均GDP得以大幅提升，居民需求也日益多样化，消费能力也不断增强，整个社会的就业结构也发生明显变化。同时工业与农业之间的关联性也不断增加，工业化、城镇化对粮食生产的影响也越来越呈现复杂化。工业化进程一方面促进了农业机械、化肥农药的大规模应用，以及更多的新的技术和知识的推广应用，城镇化能推动土地、劳动力的集中，有利于规模化经营，提高了农业生产率，对粮食生产产生正的影响；另一方面工业化进程也提供大量高报酬的工作岗位，工业化、城镇化都需要占用大量耕地和水资源等，这将导致粮食生产的物质资本和人力资本投入减少，从这个角度来看工业化对粮食生产又有负面影响。同时，随着工业化、城镇化进程的加速，人们收入和消费能力也在提升，这将导致人们对粮食的需求增加，进一步刺激粮食供给的增加；另外随着收入的增加，人们消费需求更趋向于多样性，粮食在食物消费中的比重可能会下降。总的来说工业化、城镇化对粮食生产的影响可能是复杂的。根据以上的分析，本文选取粮食总产量（FOOD）作为被解释变量，将代表工业化发展水平的指标：人均GDP（用PGDP表示）、第二产业产值占GDP的比重（用RGDP表示）、第二产业就业占总就业的比重（用RJOB表示），以及表示城镇化水平的指标：人口城镇化率（RU），作为解释变量，来研究河南省工业化、城镇化对粮食生产的影响。其中人口城镇化率=地区城镇人口/地区总人口*100%。相关数据均来源于1978-2011年的《河南统计年鉴》。为平滑时间序列数据的波动性，首先对各变量数据自然对数形式（LGDP、LRGDP、LRJOB、LRU、LFOOD）。2、ADF单位根检验如果一个时间序列的均值或自协方差函数随时间而改变，那么这个序列就是非平稳时间序列。对非平稳时间序列进行OLS运算容易产生“伪回归”。为识别变量是否为平稳序列，先对变量进行单位根检验。检验结果如下表：表1ADF检验结果说明：DLFOOD是LFOOD的一阶差分，其余类同；（C,T,L）表示检验模型含有截距项、趋势项、滞后阶数为L；*表示5%显著水平临界值，**表示1%显著水平下临界值。从表1可以看出，5个变量一阶差分后的时间序列都是平稳的，具有相同的单整阶数，满足进行协整检验的条件。3、协整检验当几个序列为同阶单整时，序列之间可能存在某种平稳的线性组合，这种线性组合反应变量间的长期稳定关系,我们称这种关系为协整关系。根据上述分析，工业化、城镇化、粮食生产的各个变量间就存在着这样的关系。Johansen协整检验的结果如下：表2协整检验的结果（迹检验）注：以上结果采用eviews6.0计算得到Atmost表示最多的可能有几种协整关系，*表示在5%的可信度下。从表2可以看出,变量LFOOD和LGDP、LRGDP、LJOB、LUR5个变量之间至少存在两个长期稳定的协整关系。4、VAR模型和脉冲响应分析以上的分析表明变量之间在结构上存在长期稳定的关系,为进一步分析整个系统对各变量的单位变化扰动的反应，需要使用脉冲响应函数来分析。脉冲响应函数可以用来追踪VAR系统中变量对各种脉冲响应的时间路径。建立VAR模型，使用脉冲响应函数可以分析各变量对一个脉冲扰动的长期反应,研究各变量间的关系。基于脉冲响应函数式,可以得到粮食生产对人均GDP、GDP结构、就业结构、城镇化率等变量冲击的动态响应路径。通常采用图形展示各变量对冲击的响应行为，如图1所示。从图中可以看出：（1）lgdp一个标准差的扰动对lfood一直有正的效应。尽管在第1期没有显现出来,但从此以后,逐渐呈上升的趋势,虽然尽管在第4期下降并接近零,在随后的几期中影响都持续上升，基本在整个冲击响应时段中对粮食生产有着正的效应，在所有变量中正效应最大。其经济意义为，人均GDP所代表的工业化水平的增长于粮食生产有着持续明显的正效应。（2）lfood对于LRGDP一个标准差的扰动的反应比较复杂。第1期中反应为零，在2期对粮食生产有着短暂的正的效应，在3-4期表现为负的效应，在随后表现为持续减弱的正的效应。其经济内涵为：第二产业产值占GDP比重的增加，在短期内会促进粮食增长；但中期内，对粮食生产有负效应，可能由于过度重视第二产业，对第一产业的投入不够；在此后的时期内对粮食生产有一定的正效应，但效用逐渐趋减弱。（3）LRJOB对lfood一个标准差的扰动的影响整体上是负的。lfood对当期lrjob一个单位的冲击反应曲线大致呈W型。lfood在当期反应为零，在2-5期的反应都为负，在5-6期有微弱的正效应，在6期以后表现为持续的负效应。这说明第二产业就业人数的比重的增加，对粮食生产是有负的影响的。原因可能为，第二产业