[西北農(nóng)林科技大學(xué) 楊凌 712100]

財(cái)政支農(nóng)、農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的貢獻(xiàn)
——基于多變量VAR模型

□楊峰[西北農(nóng)林科技大學(xué) 楊凌 712100]

根據(jù)我國(guó)1981～2009年的歷史數(shù)據(jù)，運(yùn)用VAR模型對(duì)我國(guó)財(cái)政支農(nóng)、農(nóng)業(yè)貸款、農(nóng)業(yè)投資與農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的關(guān)系進(jìn)行實(shí)證分析，結(jié)果表明，農(nóng)業(yè)貸款不是農(nóng)業(yè)GDP的Granger原因，而財(cái)政支農(nóng)、農(nóng)業(yè)投資是農(nóng)業(yè)GDP的Granger原因。財(cái)政支農(nóng)、農(nóng)業(yè)投資與農(nóng)業(yè)GDP之間存在著長(zhǎng)期交互關(guān)系。經(jīng)過脈沖響應(yīng)和方差分解顯示：財(cái)政支農(nóng)增長(zhǎng)率和農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的平均貢獻(xiàn)率分別為4%和5%左右，具有滯后性和持續(xù)性，并依據(jù)以上結(jié)論提出相應(yīng)的政策建議。

財(cái)政支農(nóng)；農(nóng)業(yè)貸款；農(nóng)業(yè)投資；VAR模型

由于農(nóng)業(yè)在國(guó)民經(jīng)濟(jì)中的基礎(chǔ)性地位，世界各國(guó)普遍使用財(cái)政政策和貨幣政策促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展，其政策目標(biāo)主要是穩(wěn)定農(nóng)業(yè)生產(chǎn)、保證糧食安全、保護(hù)生態(tài)環(huán)境、增加農(nóng)民收入等，主要形式包括財(cái)政支農(nóng)、農(nóng)業(yè)貸款、農(nóng)業(yè)投資等。隨著我國(guó)經(jīng)濟(jì)總量的增長(zhǎng)，農(nóng)業(yè)資金投入總量也在逐年增加。理論上，財(cái)政支農(nóng)、農(nóng)業(yè)貸款和農(nóng)業(yè)投資對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)具有重要作用，但他們拉動(dòng)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的內(nèi)在機(jī)制和動(dòng)態(tài)過程有待實(shí)證分析。本文通過建立VAR模型分析財(cái)政支農(nóng)、農(nóng)業(yè)貸款和農(nóng)業(yè)投資對(duì)我國(guó)農(nóng)業(yè)GDP的貢獻(xiàn)，并運(yùn)用脈沖響應(yīng)和方差分解考察他們對(duì)我國(guó)農(nóng)業(yè)GDP的動(dòng)態(tài)影響。

一、文獻(xiàn)綜述

熊吉峰利用1999～2002年的統(tǒng)計(jì)數(shù)據(jù)分析得出，相對(duì)于勞動(dòng)力、生產(chǎn)費(fèi)用，農(nóng)業(yè)總產(chǎn)值對(duì)財(cái)政支農(nóng)的彈性系數(shù)為正[1]。魏朗對(duì)我國(guó)各省1999～2003年農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的數(shù)據(jù)進(jìn)行實(shí)證分析，提出地方財(cái)政支農(nóng)確實(shí)有利于農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)，與其他要素相比，財(cái)政支農(nóng)的平均貢獻(xiàn)率占重要地位[2]。孫紅霞運(yùn)用時(shí)間序列協(xié)整分析后發(fā)現(xiàn)，財(cái)政支農(nóng)投入與農(nóng)業(yè)增加值存在穩(wěn)定比例關(guān)系[3]。劉宏杰基于財(cái)政支農(nóng)的歷史數(shù)據(jù)，運(yùn)用VAR模型和Granger因果關(guān)系檢驗(yàn)研究財(cái)政支農(nóng)對(duì)農(nóng)業(yè)經(jīng)濟(jì)的帶動(dòng)作用，結(jié)果表明，財(cái)政支農(nóng)明顯促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展[4]。Townsend、Robert M提出，農(nóng)業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)使農(nóng)業(yè)信貸支持下降，政府支持的農(nóng)業(yè)信貸在加大農(nóng)業(yè)貸款的同時(shí)也導(dǎo)致其效率低下[5]。周小斌、李秉龍運(yùn)用1978～2001年我國(guó)農(nóng)業(yè)貸款的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，結(jié)果表明，農(nóng)業(yè)貸款對(duì)農(nóng)業(yè)產(chǎn)出的績(jī)效為正[6]。姚耀軍、和丕禪運(yùn)用誤差修正模型對(duì)我國(guó)農(nóng)業(yè)GDP與農(nóng)業(yè)貸款歷史數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)果表明，無論長(zhǎng)期還是短期，增加農(nóng)業(yè)信貸投入對(duì)加快我國(guó)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)有重要作用[7]。Jensen通過實(shí)證分析認(rèn)為：發(fā)展中國(guó)家政府主導(dǎo)的農(nóng)村金融體系在促進(jìn)農(nóng)業(yè)投資方面缺乏效率[8]。朱喜、李子奈通過VEC協(xié)整分析，提出在由政府主導(dǎo)的指令性信貸模式下，在短期內(nèi)農(nóng)業(yè)貸款沒能有效地促進(jìn)農(nóng)村投資的增加[9]。蔡高明的研究表明，財(cái)政性農(nóng)業(yè)投資與農(nóng)業(yè)發(fā)展有顯著的正相關(guān)性[10]。

綜合以上研究結(jié)果，財(cái)政支農(nóng)、農(nóng)業(yè)貸款和農(nóng)業(yè)投資三者之間存在著或強(qiáng)或弱的相關(guān)性，他們共同作用于農(nóng)業(yè)經(jīng)濟(jì)發(fā)展（通常用農(nóng)業(yè)GDP衡量），部分學(xué)者還通過單方程計(jì)量方法得出財(cái)政支農(nóng)與農(nóng)業(yè)GDP、農(nóng)業(yè)投資與農(nóng)業(yè)GDP的協(xié)整關(guān)系。

傳統(tǒng)的單方程和聯(lián)立方程模型方法是以既有的經(jīng)濟(jì)理論為基礎(chǔ)描述變量之間的關(guān)系。這些方法通常不足以對(duì)變量之間的動(dòng)態(tài)聯(lián)系給予較嚴(yán)密的說明。農(nóng)業(yè)GDP、財(cái)政支農(nóng)、農(nóng)業(yè)貸款和農(nóng)業(yè)投資是一個(gè)經(jīng)濟(jì)系統(tǒng)，各變量之間存在著相互影響、相互作用的交互關(guān)系。而現(xiàn)有的研究主要集中于建立單方程計(jì)量模型進(jìn)行實(shí)證分析，回歸結(jié)果只能簡(jiǎn)單地解釋財(cái)政支農(nóng)、農(nóng)業(yè)貸款和農(nóng)業(yè)投資等變量對(duì)農(nóng)業(yè)GDP的靜態(tài)單向影響，不能反映這些變量之間的動(dòng)態(tài)相互作用；聯(lián)立方程方法則依賴于結(jié)構(gòu)模型的設(shè)定，使得對(duì)這些變量的估計(jì)和推斷變得更加復(fù)雜。

已獲得廣泛認(rèn)同的VAR模型可以解決這些問題。VAR模型使用所有當(dāng)期變量對(duì)所有變量的若干滯后項(xiàng)進(jìn)行回歸，并且回避了結(jié)構(gòu)模型設(shè)定，因而在精確估計(jì)和檢驗(yàn)農(nóng)業(yè)GDP系統(tǒng)模型、考察系統(tǒng)內(nèi)部變量之間的動(dòng)態(tài)關(guān)系時(shí)，VAR模型是較好的方法。

本文利用相關(guān)歷史數(shù)據(jù)，運(yùn)用多變量VAR模型，考察我國(guó)財(cái)政支農(nóng)、農(nóng)業(yè)貸款、農(nóng)業(yè)投資對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期交互關(guān)系，在此基礎(chǔ)上分析他們對(duì)農(nóng)業(yè)GDP的貢獻(xiàn)。

二、基本模型

VAR模型是一種非結(jié)構(gòu)化的方程模型，常用于分析相互聯(lián)系的時(shí)間序列系統(tǒng)及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)沖擊，從而解釋各種經(jīng)濟(jì)沖擊對(duì)經(jīng)濟(jì)變量形成的影響。VAR方法把系統(tǒng)的每一個(gè)內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量滯后值的函數(shù)來構(gòu)造模型，更易于了解變量沖擊對(duì)系統(tǒng)的影響。p階VAR模型表達(dá)式是：

即：

其中，Yt是k維內(nèi)生變量向量，Xt是d維外生變量向量，p是滯后階數(shù)，T是樣本個(gè)數(shù)。k×k維矩陣A1，A2，…，Ap以及k×d維矩陣B是要被估計(jì)的系數(shù)矩陣。εt是k維擾動(dòng)向量[11]。實(shí)證過程中運(yùn)用二階VAR模型，分析軟件使用Eviews 6.0。

三、數(shù)據(jù)及分析過程

（一）數(shù)據(jù)來源及變量設(shè)計(jì)

本文運(yùn)用Granger因果關(guān)系檢驗(yàn)以及基于向量自回歸（VAR）模型脈沖響應(yīng)函數(shù)方法驗(yàn)證財(cái)政支農(nóng)、農(nóng)業(yè)貸款和農(nóng)業(yè)投資對(duì)促進(jìn)農(nóng)業(yè)GDP增長(zhǎng)的影響。研究所采用的相關(guān)數(shù)據(jù)來自中國(guó)統(tǒng)計(jì)年鑒、中國(guó)農(nóng)村統(tǒng)計(jì)年鑒、中國(guó)金融年鑒1981～2009年的時(shí)間序列數(shù)據(jù)。農(nóng)業(yè)GDP序列、財(cái)政支農(nóng)序列、農(nóng)業(yè)貸款序列分別根據(jù)當(dāng)年價(jià)按農(nóng)業(yè)GDP指數(shù)（1978年=100）、農(nóng)村居民消費(fèi)價(jià)格指數(shù)（1978年=100）、農(nóng)業(yè)生產(chǎn)資料價(jià)格指數(shù)（1978年=100）平減；農(nóng)業(yè)投資序列采用當(dāng)年價(jià)農(nóng)村固定資產(chǎn)投資數(shù)據(jù)按農(nóng)業(yè)生產(chǎn)資料價(jià)格指數(shù)（1978年=100）平減。上述變量數(shù)據(jù)處理剔除了物價(jià)因素的影響。分別用A、F、L、I表示平減后不變價(jià)農(nóng)業(yè)GDP、財(cái)政支農(nóng)、農(nóng)業(yè)貸款、農(nóng)業(yè)投資，如圖1所示，4個(gè)序列都有明顯的增長(zhǎng)趨勢(shì)。

圖1 不變價(jià)農(nóng)業(yè)GDP、財(cái)政支農(nóng)、農(nóng)業(yè)貸款、農(nóng)業(yè)投資變化曲線

（二）平穩(wěn)性檢驗(yàn)

平穩(wěn)序列的數(shù)字特征不隨時(shí)間的變化而變化，時(shí)間序列在各個(gè)時(shí)間點(diǎn)上的隨機(jī)性服從一定的概率分布；而非平穩(wěn)時(shí)間序列在各個(gè)時(shí)間點(diǎn)上的隨機(jī)規(guī)律是不同的，難以通過序列既有的信息掌握時(shí)間序列整體上的隨機(jī)性。因此需進(jìn)行變量的平穩(wěn)性檢驗(yàn)。對(duì)各變量先采用變量的對(duì)數(shù)來處理，以消除異方差的影響。分別用LNA、LNF、LNL、LNI表示不變價(jià)農(nóng)業(yè)GDP、財(cái)政支農(nóng)、農(nóng)業(yè)貸款、農(nóng)業(yè)投資等數(shù)據(jù)取對(duì)數(shù)后的數(shù)值。

變量平穩(wěn)性采用ADF檢驗(yàn)，檢驗(yàn)過程中用AIC準(zhǔn)則確定滯后階數(shù)，以消除殘差的序列相關(guān)性，然后對(duì)各變量進(jìn)行單位根檢驗(yàn)以考察變量的平穩(wěn)性。通過檢驗(yàn)得知：LNA、LNI為平穩(wěn)變量；LNF、LNL為非平穩(wěn)變量。采用差分法處理非平穩(wěn)變量，分別取LNF、LNL的一階差分DLNF、DLNL，再進(jìn)行ADF單位根檢驗(yàn)發(fā)現(xiàn)，DLNF、DLNL在相應(yīng)的顯著水平下平穩(wěn)，他們分別代表財(cái)政支農(nóng)增長(zhǎng)率和農(nóng)業(yè)貸款增長(zhǎng)率，結(jié)果如表1所示。

（三）Granger因果檢驗(yàn)

將通過平穩(wěn)性檢驗(yàn)的解釋變量DLNF、DLNL、LNI分別與被解釋變量LNA進(jìn)行Granger因果檢驗(yàn)，結(jié)果如表2所示。

表1 ADF檢驗(yàn)結(jié)果

表2 Granger因果檢驗(yàn)結(jié)果

在最優(yōu)滯后期時(shí)LNA與DLNF之間存在單向因果關(guān)系，LNA與DLNL之間不存在明顯的雙向因果關(guān)系，LNA與LNI之間存在雙向因果關(guān)系，因此DLNL不是LNA的Granger原因。而在1%的顯著水平下，LNA是DLNF的Granger原因，LNA是LNI的Granger原因，說明在一定程度上財(cái)政支農(nóng)變量、農(nóng)業(yè)投資變量可被農(nóng)業(yè)GDP變量解釋；在5%的顯著水平下，LNI是LNA的Granger原因，說明農(nóng)業(yè)GDP與農(nóng)業(yè)投資相關(guān)。

（四）VAR模型分析

由于各個(gè)變量之間存在著相互影響，僅從單一模型分析很難準(zhǔn)確地描述其全部效應(yīng)，因此需要從系統(tǒng)的角度出發(fā)建立VAR模型，以便進(jìn)行長(zhǎng)期脈沖響應(yīng)分析和方差分解，描述被解釋變量的暫時(shí)沖擊對(duì)解釋變量的影響。

根據(jù)Granger檢驗(yàn)的結(jié)果，由于DLNL與LNA相互之間不存在Granger原因，故VAR模型剔除DLNL變量；DLNF與LNA存在單向因果關(guān)系，根據(jù)當(dāng)代計(jì)量理論，存在單向因果關(guān)系的變量也可以進(jìn)入VAR模型；LNI與LNA存在雙向因果關(guān)系，可進(jìn)入VAR模型。故VAR模型中引入LNA、DLNF、LNI三個(gè)變量進(jìn)行分析。

在建立VAR模型之前需要確定滯后階數(shù)，綜合考慮樣本容量和模型的準(zhǔn)確性，運(yùn)用LR、FPE、AIC、SC、HQ等5個(gè)評(píng)價(jià)指標(biāo)確定滯后期，最終選擇最優(yōu)滯后期為2，結(jié)果如表3。

據(jù)此建立二階無約束VAR模型如下所示：

表3 VAR模型滯后期評(píng)價(jià)指標(biāo)

表4 VAR模型分析結(jié)果

表4中每個(gè)單元格內(nèi)第一行數(shù)字是VAR模型回歸系數(shù)，第二行圓括號(hào)里的數(shù)字是回歸系數(shù)估計(jì)量的標(biāo)準(zhǔn)差，第三行方括號(hào)里的數(shù)字是回歸系數(shù)估計(jì)量的t統(tǒng)計(jì)量的值。VAR模型通過了各項(xiàng)檢驗(yàn)。

由于脈沖響應(yīng)要求VAR模型必須是平穩(wěn)的，所以對(duì)模型進(jìn)行平穩(wěn)性檢驗(yàn)。經(jīng)檢驗(yàn)，模型的全部特征根在單位圓曲線以內(nèi)，如圖2所示，該VAR模型是平穩(wěn)系統(tǒng)。

圖2 VAR模型全部特征根位置圖

（五）脈沖響應(yīng)與方差分解

在VAR模型回歸方程的基礎(chǔ)上，可以運(yùn)用脈沖響應(yīng)函數(shù)考察我國(guó)財(cái)政支農(nóng)和農(nóng)業(yè)投資通過怎樣的路徑影響農(nóng)業(yè)GDP。圖3和圖4分別是財(cái)政支農(nóng)對(duì)農(nóng)業(yè)GDP的脈沖響應(yīng)函數(shù)曲線、農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的脈沖響應(yīng)函數(shù)曲線，刻畫了財(cái)政支農(nóng)、農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的動(dòng)態(tài)影響軌跡。橫軸代表響應(yīng)函數(shù)的追蹤期（單位：年）；縱軸代表變量的響應(yīng)程度。圖中的實(shí)線為響應(yīng)函數(shù)的計(jì)算值，虛線為響應(yīng)函數(shù)值正負(fù)兩倍標(biāo)準(zhǔn)差偏離帶。

圖3 財(cái)政支農(nóng)對(duì)農(nóng)業(yè)GDP的脈沖響應(yīng)函數(shù)曲線

由圖3可知，在本期給財(cái)政支農(nóng)增長(zhǎng)率一個(gè)正向沖擊后，當(dāng)期會(huì)對(duì)農(nóng)業(yè)GDP產(chǎn)生正的影響，進(jìn)入第2期前后則變成負(fù)的影響，到第3期重新轉(zhuǎn)為正的影響，但影響力較小。經(jīng)過前4期小幅波動(dòng)，在第5期以后保持平穩(wěn)。這表明財(cái)政支農(nóng)增長(zhǎng)率受到某一外部沖擊后，給農(nóng)業(yè)GDP帶來同向的沖擊，這一沖擊具有一定的促進(jìn)作用并逐漸趨于穩(wěn)定，但幅度不大。原因可能在于財(cái)政支農(nóng)中用于農(nóng)林、水利、氣象等部門事業(yè)單位的人員機(jī)構(gòu)經(jīng)費(fèi)占較大比重，隨著農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展日益擠占用于支援農(nóng)村生產(chǎn)的支出；另一方面由于這些部門運(yùn)行效率較低，抑制了財(cái)政支農(nóng)的正面作用，因而對(duì)農(nóng)業(yè)生產(chǎn)的綜合效果并不太大。

圖4 農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的脈沖響應(yīng)函數(shù)曲線

與此相對(duì)應(yīng)，根據(jù)圖4，在本期給農(nóng)業(yè)投資一個(gè)正向沖擊后，農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的一個(gè)標(biāo)準(zhǔn)差擾動(dòng)形成持續(xù)正向響應(yīng)，拉動(dòng)作用積極和持久，并且幅度較大，趨于平穩(wěn)?？赡茉蛟谟冢恨r(nóng)業(yè)投資中用于基本建設(shè)投資占了一定比重，而與農(nóng)業(yè)生產(chǎn)直接相關(guān)的投資只是農(nóng)業(yè)投資的一部分。農(nóng)業(yè)基本建設(shè)的巨大社會(huì)效益和經(jīng)濟(jì)效益在較長(zhǎng)時(shí)期才能反映出來，所以農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP始終保持較大的積極作用。以上分析進(jìn)一步支持了VAR回歸結(jié)果，表明農(nóng)業(yè)GDP增長(zhǎng)與財(cái)政支農(nóng)、農(nóng)業(yè)投資之間存在密切的長(zhǎng)期關(guān)系。

上述脈沖響應(yīng)函數(shù)描述了財(cái)政支農(nóng)和農(nóng)業(yè)投資的沖擊給農(nóng)業(yè)GDP帶來的影響，進(jìn)而可利用方差分解分析財(cái)政支農(nóng)和農(nóng)業(yè)投資的沖擊對(duì)農(nóng)業(yè)GDP變化（用方差度量）的貢獻(xiàn)度，以定量得出財(cái)政支農(nóng)和農(nóng)業(yè)投資隨機(jī)擾動(dòng)的相對(duì)重要信息。在方差分解過程中采用Cholesky正交化處理，去除殘差項(xiàng)彼此之間的相關(guān)和序列相關(guān)，分析各變量對(duì)農(nóng)業(yè)GDP的解釋。

表5 農(nóng)業(yè)GDP方差分解

根據(jù)表5數(shù)據(jù)，在1～4年內(nèi)，財(cái)政支農(nóng)增長(zhǎng)率對(duì)農(nóng)業(yè)GDP的貢獻(xiàn)率具有波動(dòng)性，第5年以后，該貢獻(xiàn)率穩(wěn)步增加，財(cái)政支農(nóng)持續(xù)增長(zhǎng)的作用開始加強(qiáng)，從第7年開始該貢獻(xiàn)率穩(wěn)定在4%左右，具有長(zhǎng)期性。在1～3年內(nèi)，農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的貢獻(xiàn)率較小，這與農(nóng)業(yè)投資建設(shè)期較長(zhǎng)、發(fā)揮效益較緩慢的特點(diǎn)一致；在4～6年內(nèi)，該貢獻(xiàn)率迅速增加，并達(dá)到最大值，農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP拉動(dòng)作用比較強(qiáng)勁，反映出我國(guó)農(nóng)業(yè)投資的經(jīng)濟(jì)效益總體上3年后顯現(xiàn)；第7年以后，該貢獻(xiàn)率保持平穩(wěn)，維持在5%左右，體現(xiàn)出農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的長(zhǎng)期支撐作用。方差分解結(jié)果顯示財(cái)政支農(nóng)和農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的作用具有滯后性和持續(xù)性。

四、政策建議

經(jīng)過以上實(shí)證分析可知：從長(zhǎng)期看，我國(guó)財(cái)政支農(nóng)和農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP的增長(zhǎng)均具有正向效應(yīng)。相對(duì)于財(cái)政支農(nóng)而言農(nóng)業(yè)投資對(duì)農(nóng)業(yè)GDP增長(zhǎng)的促進(jìn)作用更直接，而財(cái)政支農(nóng)的持續(xù)增長(zhǎng)則有利于緩解當(dāng)前農(nóng)業(yè)投資不足的困境。

（一）優(yōu)化財(cái)政支農(nóng)投入結(jié)構(gòu)

分析表明，財(cái)政支農(nóng)對(duì)農(nóng)業(yè)GDP的促進(jìn)作用具有一定程度的不確定性，但財(cái)政支農(nóng)的持續(xù)增長(zhǎng)對(duì)農(nóng)業(yè)GDP的貢獻(xiàn)具有穩(wěn)定性。說明我國(guó)財(cái)政支農(nóng)投入的集約化程度較低，運(yùn)行效率低下，主要依靠不斷追加投入規(guī)模來實(shí)現(xiàn)農(nóng)業(yè)GDP增長(zhǎng)。當(dāng)前我國(guó)已開始進(jìn)入工業(yè)反哺農(nóng)業(yè)、城市帶動(dòng)鄉(xiāng)村的發(fā)展階段，欲充分發(fā)揮財(cái)政支農(nóng)的功效，需抓住有利時(shí)機(jī)，通過健全財(cái)政支農(nóng)制度、強(qiáng)化財(cái)政支農(nóng)政策逐步完善現(xiàn)有的農(nóng)村金融體系，確保財(cái)政支農(nóng)投入增長(zhǎng)速度不低于經(jīng)常性財(cái)政支出增長(zhǎng)速度，進(jìn)而在投入總量增加的前提下優(yōu)化財(cái)政支農(nóng)的投入結(jié)構(gòu)，優(yōu)化財(cái)政支農(nóng)資金配置，以推進(jìn)農(nóng)業(yè)GDP增長(zhǎng)方式的轉(zhuǎn)變[12]。

（二）加大農(nóng)業(yè)投資力度

根據(jù)分析結(jié)果，農(nóng)業(yè)投資在農(nóng)業(yè)GDP增長(zhǎng)方面具有基礎(chǔ)作用，對(duì)農(nóng)業(yè)GDP的貢獻(xiàn)更具長(zhǎng)期性，但它見效慢、周期長(zhǎng)，只有長(zhǎng)期、穩(wěn)定、足量的農(nóng)業(yè)投資才能達(dá)到顯著的拉動(dòng)作用。對(duì)此，一方面政府需根據(jù)當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展水平和金融服務(wù)需求，釋放市場(chǎng)信號(hào)，充分調(diào)動(dòng)農(nóng)戶和企業(yè)積極性，鼓勵(lì)和吸引民間農(nóng)業(yè)投資，通過制度創(chuàng)新逐步形成以政府投入為主體、民間投資為重要來源的多元化農(nóng)業(yè)投融資機(jī)制[13]。另一方面，農(nóng)業(yè)投資重點(diǎn)應(yīng)是完善農(nóng)業(yè)生產(chǎn)基礎(chǔ)設(shè)施，增強(qiáng)農(nóng)業(yè)生產(chǎn)抵御自然風(fēng)險(xiǎn)的能力，促進(jìn)農(nóng)業(yè)技術(shù)進(jìn)步，降低農(nóng)業(yè)生產(chǎn)成本，從而增強(qiáng)我國(guó)農(nóng)業(yè)GDP的發(fā)展后勁。

（三）強(qiáng)化對(duì)財(cái)政支農(nóng)和農(nóng)業(yè)投資的管理

我國(guó)財(cái)政支農(nóng)和農(nóng)業(yè)投資的主體是各級(jí)政府，在追求更多政績(jī)的驅(qū)動(dòng)下，地方政府傾向于將農(nóng)業(yè)財(cái)政支農(nóng)和農(nóng)業(yè)投資轉(zhuǎn)向非農(nóng)生產(chǎn)領(lǐng)域，而已投入農(nóng)業(yè)生產(chǎn)領(lǐng)域的資金也容易被擠占和挪用，結(jié)果大大降低了財(cái)政支農(nóng)和農(nóng)業(yè)投資的實(shí)際效果。對(duì)此，在組織管理上，應(yīng)調(diào)整優(yōu)化農(nóng)業(yè)和涉農(nóng)部門內(nèi)部組織結(jié)構(gòu)，提高工作效率，精簡(jiǎn)合并部分機(jī)構(gòu)，降低各項(xiàng)事業(yè)費(fèi)比重，避免擠占和挪用農(nóng)業(yè)資金；在項(xiàng)目管理上，應(yīng)建立一套全面、系統(tǒng)的運(yùn)行監(jiān)督機(jī)制管控財(cái)政支農(nóng)和農(nóng)業(yè)投資的審批，監(jiān)管各種支付的預(yù)算、使用、驗(yàn)收和評(píng)估，以更好地促進(jìn)農(nóng)業(yè)GDP的增長(zhǎng)。

[1]熊吉峰.財(cái)政支農(nóng)績(jī)效的數(shù)量分析[J].統(tǒng)計(jì)與決策,2006, (2): 81-82.

[2]魏朗.財(cái)政支農(nóng)支出對(duì)西部農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)[J].財(cái)經(jīng)科學(xué), 2006, (4): 111-118.

[3]孫紅霞.財(cái)政支農(nóng)支出總量與最優(yōu)支出規(guī)模的實(shí)證分析[J].農(nóng)村財(cái)政與財(cái)務(wù), 2008, (5): 16-19.

[4]劉宏杰.中國(guó)財(cái)政支農(nóng)支出對(duì)第一產(chǎn)業(yè)增加值的影響研究: 1952～2006[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào)(社科版), 2008, (3):41-48.

[5]TOWNSEND R M, YARON J.The credit riskcontingency system of an Asian Development Bank[J].Economic Perspectives, 2001, 25(3): 31-48.

[6]周小斌, 李秉龍.中國(guó)農(nóng)業(yè)信貸對(duì)農(nóng)業(yè)產(chǎn)出績(jī)效的實(shí)證分析[J].中國(guó)農(nóng)村經(jīng)濟(jì), 2003, (6): 32-36.

[7]姚耀軍, 和丕禪.中國(guó)農(nóng)業(yè)信貸與農(nóng)業(yè)GDP(1978～2001): 一個(gè)協(xié)整分析[J].上海經(jīng)濟(jì)研究, 2004,(8): 3-9.

[8]JENSEN F E.The farm credit system as a governmentsponsored enterprise[J].Review of Agricultural Economics，2000, 22 (2): 326-335.

[9]朱喜, 李子奈.改革以來我國(guó)農(nóng)村信貸的效率分析[J].管理世界, 2006, (7): 68-76.

[10]蔡高明.財(cái)政支農(nóng)效應(yīng)實(shí)證分析[J].經(jīng)濟(jì)研究導(dǎo)刊,2009, (9): 135-136.

[11]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模: EViews應(yīng)用及實(shí)例[M].北京: 清華大學(xué)出版社, 2006: 249-250.

[12]文峰.我國(guó)財(cái)政農(nóng)業(yè)投入: 績(jī)效、原因、對(duì)策——農(nóng)戶經(jīng)濟(jì)行為理論視角的分析[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào), 2009,(5): 39-42.

[13]溫濤, 董文杰.財(cái)政金融支農(nóng)政策的總體效應(yīng)與時(shí)空差異——基于中國(guó)省際面板數(shù)據(jù)的研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2011, (1): 24-33.

Contributions of the Public Financial Support and Agriculture Investment to the Agriculture’s GDP—Based on VAR Model

YANG Feng
(Northwest Agriculture & Forestry University Yangling 712100 China)

Based on Granger causality tests of multivariable VAR model, influence of financial development to agricultural economic growth of China is investigated using sample datum from 1981 to 2009.The results indicate that the cause for the agriculture’s GDP Granger is not the agricultural loan, but the public financial support to agriculture and the agriculture investment.At the same time, the results of impulse response function and variance decomposition show that the average contribution rates of the public financial support and the agriculture investment to the agriculture’s GDP are 4% and 5%, respectively.

public financial support to agriculture; agricultural loan; agriculture investment; VAR model

F323.9

A

1008-8105(2012)041-0059-05

2011?05?04

國(guó)家自然科學(xué)基金面上項(xiàng)目“西部農(nóng)村金融市場(chǎng)開放度、市場(chǎng)效率與功能提升政策體系研究”（71073126）；2010年度西北農(nóng)林科技大學(xué)人文社科專項(xiàng)“西部農(nóng)村信貸供給與需求均衡研究”的階段性成果.

楊峰（1974?）男，西北農(nóng)林科技大學(xué)經(jīng)濟(jì)管理學(xué)院教師.

編輯 何 婧