◇桂林理工大學(xué)商學(xué)院 周子元 楊傳喜 樊海微 潘 羽

研究了農(nóng)業(yè)物質(zhì)資源投入，農(nóng)業(yè)科技資源投入和農(nóng)業(yè)規(guī)模化經(jīng)營對廣西農(nóng)業(yè)勞動生產(chǎn)率的影響。通過回歸分析發(fā)現(xiàn)，農(nóng)業(yè)科技資源投入雖然對廣西農(nóng)業(yè)勞動生產(chǎn)率沒有直接的提升作用，但通過對物質(zhì)資源投入的質(zhì)量改善，起到了間接提升的作用。對1996年到2018年的實際數(shù)據(jù)測算發(fā)現(xiàn)，對廣西農(nóng)業(yè)勞動生產(chǎn)率的提升貢獻大小依次是農(nóng)業(yè)規(guī)?；?jīng)營、農(nóng)業(yè)物質(zhì)資源投入、農(nóng)業(yè)科技資源投入。

在經(jīng)濟學(xué)理論中，科技是一種獨特的生產(chǎn)性資源，科技資源的投入雖然不一定對生產(chǎn)效率產(chǎn)生直接作用，但可能與物質(zhì)資源產(chǎn)生交互作用，通過提高物資性生產(chǎn)資源的質(zhì)量來提高產(chǎn)出效率。筆者擬通過帶調(diào)節(jié)效應(yīng)的回歸分析來檢驗農(nóng)業(yè)科技資源投入對廣西農(nóng)業(yè)勞動生產(chǎn)率的影響，以此厘清農(nóng)業(yè)科技資源對廣西農(nóng)業(yè)經(jīng)濟發(fā)展的作用機制，為將來的發(fā)展路徑選擇提供參考借鑒。

1 理論分析框架

參考相關(guān)研究的常見做法，筆者以農(nóng)業(yè)勞動生產(chǎn)率為被解釋變量。根據(jù)速水佑次郎（2003）對日本農(nóng)業(yè)經(jīng)濟發(fā)展的研究，農(nóng)業(yè)機械化和農(nóng)地流轉(zhuǎn)對日本農(nóng)業(yè)勞動生產(chǎn)率的提高起到了重要作用，前者節(jié)約了農(nóng)業(yè)勞動力，后者擴大了農(nóng)業(yè)經(jīng)營的規(guī)模，獲得了規(guī)模經(jīng)濟的效應(yīng)。對照我國和廣西農(nóng)業(yè)發(fā)展的實際，一方面農(nóng)機總動力在逐年提高，另一方面農(nóng)村土地承包經(jīng)營權(quán)流轉(zhuǎn)得到持續(xù)推進，2005年農(nóng)業(yè)部頒布了《農(nóng)村土地承包經(jīng)營權(quán)流轉(zhuǎn)管理辦法》2014年中共中央辦公廳、國務(wù)院辦公廳印發(fā)了《關(guān)于引導(dǎo)農(nóng)村土地經(jīng)營權(quán)有序流轉(zhuǎn)發(fā)展農(nóng)業(yè)適度規(guī)模經(jīng)營的意見》，廣西區(qū)政府也出臺了配套的管理辦法和實施辦法，這些文件為農(nóng)業(yè)規(guī)?；?jīng)營提供了政策依據(jù)和激勵措施，起到了鼓勵農(nóng)業(yè)規(guī)?；?jīng)營的實際效果。結(jié)合對前述現(xiàn)實的觀察，筆者在速水佑次郎（2003）的分析框架中增加了農(nóng)業(yè)科技資源投入因素，形成一個三因素的分析框架，研究農(nóng)業(yè)物質(zhì)資源投入，農(nóng)業(yè)科技資源投入和農(nóng)業(yè)規(guī)?；?jīng)營對廣西農(nóng)業(yè)勞動生產(chǎn)率的影響。

表1中的Z2和Y是價值量指標(biāo)，其他指標(biāo)都是物量指標(biāo)，用當(dāng)年價計算的價值量指標(biāo)的大小受到物價水平變化的影響，所以應(yīng)當(dāng)先轉(zhuǎn)換成不變價計算的指標(biāo)，然后再和物量指標(biāo)一起做分析，以避免因為指標(biāo)中混雜了物價變化而可能導(dǎo)致錯誤的統(tǒng)計分析結(jié)果。筆者根據(jù)廣西統(tǒng)計年鑒的物價指數(shù)數(shù)據(jù)，把當(dāng)年價計算的原始數(shù)據(jù)轉(zhuǎn)化為按1996年不變價計算。

表1 理論概念及其測量指標(biāo)

2 指標(biāo)數(shù)據(jù)的描述統(tǒng)計和預(yù)處理

表1中，Z1和Z2的數(shù)據(jù)來自歷年《全國農(nóng)業(yè)科技統(tǒng)計資料匯編》，時期為1996年到2018年；計算其它指標(biāo)所需的原始數(shù)據(jù)來自中國國家統(tǒng)計局的國家統(tǒng)計數(shù)據(jù)庫，以及歷年《廣西統(tǒng)計年鑒》，為何Z1，Z2匹配，數(shù)據(jù)時期也取1996年到2018年。筆者采用Eviews9.0軟件對數(shù)據(jù)進行分析，各指標(biāo)的描述統(tǒng)計見表2，指標(biāo)間的相關(guān)系數(shù)表見表3。

表2 指標(biāo)的描述統(tǒng)計表

表3 變量間的相關(guān)系數(shù)表

根據(jù)表2的最后一行數(shù)值，2018年與1996年相比，變化最大的是Z2指標(biāo)，2018年的數(shù)值是1996年的6.88倍，這一指標(biāo)的離散系數(shù)達到0.61，也是所有指標(biāo)中變化最大的。變化次大的是Y指標(biāo)，2018年的數(shù)值是1996年的4.95倍，說明廣西的農(nóng)業(yè)勞動生產(chǎn)率得到了很大幅度的提高。X1指標(biāo)的變化也比較大，2018年的數(shù)值是1996年的3.29倍，說明廣西的農(nóng)業(yè)機械化水平有了長足的進步。Z1和EC指標(biāo)變化較小，2018年的數(shù)值是1996年的1.43和1.48倍，說明在此期間增長較為緩慢，相應(yīng)的離散系數(shù)也很小，分別為0.10和0.12。

從表3看到，所有5個影響因素的指標(biāo)和Y都有較高程度的正相關(guān)，因此這些影響因素指標(biāo)都是正向指標(biāo)。但X1和X2的相關(guān)系數(shù)高達0.96，Z1和Z2的相關(guān)系數(shù)達到0.88，所以可能存在嚴重的多重共線性，經(jīng)筆者做回歸發(fā)現(xiàn)，讓X1和X2同時進入回歸模型，或讓Z1和Z2同時進入回歸模型，都會得到不合理的估計結(jié)果，所以確實存在嚴重的多重共線性，應(yīng)當(dāng)先處理多重共線性，然后再做回歸。為了不丟失變量的信息，筆者考慮用X1和X2以加權(quán)的方式計算生成一個測量農(nóng)業(yè)物質(zhì)資源投入的綜合指標(biāo)，記為WX；對Z1和Z2也進行類似的處理，生成測量農(nóng)業(yè)科技資源投入的綜合指標(biāo)，記為WZ。對于測量農(nóng)業(yè)規(guī)模經(jīng)濟的指標(biāo)EC，由于它和其他幾個解釋變量的相關(guān)系數(shù)不大，在初步回歸中也沒有引起嚴重共線性，所以不需要進行處理。

筆者用熵權(quán)法來對X1和X2指標(biāo)，以及Z1和Z2指標(biāo)的信息進行綜合。使用熵權(quán)法的基本步驟是：①對指標(biāo)觀測值進行極差標(biāo)準(zhǔn)化。本文的指標(biāo)都是正向指標(biāo)，所以按標(biāo)準(zhǔn)化值=（觀測值-最小值）/(最大值-最小值)計算；②對同一個指標(biāo)，用各年的標(biāo)準(zhǔn)化值計算該指標(biāo)的信息熵；③加總各指標(biāo)的信息熵，以此為基礎(chǔ)計算各指標(biāo)的權(quán)重，信息熵大的指標(biāo)被賦予小的權(quán)重；④用指標(biāo)權(quán)重乘以各指標(biāo)的標(biāo)準(zhǔn)化值然后再相加，得到各年的綜合指標(biāo)值。筆者經(jīng)計算得到，指標(biāo)X1的權(quán)重為0.589，指標(biāo)X2的權(quán)重為0.411；指標(biāo)Z1的權(quán)重為0.389，指標(biāo)Z2的權(quán)重為0.611.所以，綜合指標(biāo)的算法如下：

從圖1看到，在1998年之前，廣西農(nóng)業(yè)科技資源投入高于農(nóng)業(yè)物質(zhì)資源投入，此后物質(zhì)資源投入增長迅速，很快超過科技資源投入，二者在2006年以后維持了很大的差距。自2016年之后，農(nóng)業(yè)科技資源投入加速增長，農(nóng)業(yè)物資資源投入增速放緩，二者間的差距才縮小了。

圖1 綜合指標(biāo)WX和WZ的時序圖

3 回歸分析結(jié)果

筆者使用的是時間序列數(shù)據(jù)，所以進行回歸分析前需要對序列的平穩(wěn)性進行檢驗，在Eviews中采用ADF檢驗發(fā)現(xiàn)，Y和WX，WZ，EC序列都是一階單整序列，所以有必要進行是否存在協(xié)整關(guān)系的檢驗。筆者采用Johansen的協(xié)整檢驗，5種檢驗?zāi)Ｐ鸵还矆蟾媪?0個檢驗結(jié)論，在5%的水平下都認為至少存在1個協(xié)整關(guān)系。所以判斷序列雖然不平穩(wěn)，但存在（1，1）階協(xié)整關(guān)系，所以變量間偽回歸的可能性較低。

表4中的WX*WZ代表交互項，模型1的回歸不包括交互項，模型2的回歸包括了交互項。筆者對兩個模型都進行了異方差檢驗和自相關(guān)檢驗，檢驗結(jié)果表明不存在異方差性和自相關(guān)性，因此表中報告的t值是正確的，可以用來判斷變量是否顯著。從模型1的P值來看，在常用的5%的顯著性水平下，WZ不顯著，說明農(nóng)業(yè)科技資源投入對廣西的農(nóng)業(yè)勞動生產(chǎn)率沒有顯著的影響，WX和EC顯著，說明物質(zhì)資源投入和規(guī)模化經(jīng)營對廣西的農(nóng)業(yè)勞動生產(chǎn)率有顯著的正向影響。在模型2中，WX和EC的系數(shù)估計值比模型1中有所降低，但符號和顯著性并未改變；WZ的系數(shù)為負數(shù)，但并不顯著。需要關(guān)注的是，模型2中包含的交互項WX*WZ是顯著的，回歸系數(shù)為0.85，說明WZ有顯著的調(diào)節(jié)效應(yīng)：在WX的數(shù)值保持不變的情況下，WZ的數(shù)值每增加0.1，就會使得WX對Y的作用增加0.085?？傊?，模型1和模型2的回歸結(jié)果驗證了筆者在本文開頭提出的假設(shè)：雖然農(nóng)業(yè)科技資源投入對廣西的農(nóng)業(yè)勞動生產(chǎn)率沒有直接拉動作用，但是會通過提升投入的物質(zhì)資源的質(zhì)量，對農(nóng)業(yè)勞動生產(chǎn)率起到提升作用。

表4 回歸結(jié)果表

將模型2中不顯著的WZ去掉，只保留顯著的變量，重新做回歸得到模型3，結(jié)果如下

下面根據(jù)模型3分解Y值的變化。2018年與1996年相比，Y的數(shù)值實際變化量是1.556，EC的數(shù)值實際變化量是0.182，乘上模型3中的系數(shù)3.97，得出EC拉動Y值增加了0.722，對Y值變化的貢獻率為46.4%。WX的數(shù)值實際變化量為0.971，乘上0.50的系數(shù)，得出WX拉動Y值增加了0.486，對Y值變化的貢獻率為31.2%。WZ*WX的數(shù)值實際變化量是0.972，乘上0.42的系數(shù)，得出WZ拉動Y值增加了0.408，對Y值變化的貢獻率為26.2%。由此可見，從1996年到2018年，對廣西農(nóng)業(yè)勞動生產(chǎn)率增長貢獻最大的是農(nóng)業(yè)規(guī)?；?jīng)營，其次是農(nóng)業(yè)物質(zhì)資源的投入，再次是農(nóng)業(yè)科技資源對農(nóng)業(yè)物質(zhì)投入的質(zhì)量提升。

4 結(jié)論和建議

研究發(fā)現(xiàn)，農(nóng)業(yè)科技資源投入對廣西農(nóng)業(yè)勞動生產(chǎn)率沒有直接的提升作用，但通過對物質(zhì)資源投入的質(zhì)量改善，起到了間接提升的作用。從1996到2018年的實際數(shù)據(jù)來看，農(nóng)業(yè)規(guī)?；?jīng)營對廣西農(nóng)業(yè)勞動生產(chǎn)率的提升貢獻最大，其次是物質(zhì)資源投入的貢獻，然后是科技資源對投入的物質(zhì)資源的質(zhì)量改善的貢獻。從三種因素發(fā)展的趨勢來看，物資資源投入增長已經(jīng)放緩，因此不能成為繼續(xù)拉動農(nóng)業(yè)生產(chǎn)率提升的主要手段。農(nóng)業(yè)科技資源因為基礎(chǔ)較為薄弱，提升空間比較大，未來可期成為重要的增效手段。自2014年以來，在鼓勵農(nóng)村土地經(jīng)營權(quán)有序流轉(zhuǎn)的各種政策推動下，廣西農(nóng)業(yè)的規(guī)?；?jīng)營發(fā)展勢頭迅猛，未來應(yīng)當(dāng)保持此良好的發(fā)展態(tài)勢，可為農(nóng)業(yè)生產(chǎn)率提升做出重要貢獻。