财政支农与中国农业产出及增长的关系分析
内容提要:本文在运用格兰杰因果检验法验证财政支农支出增长和农业产出增长之间关系的基础上,运用生产函数测定财政支农各类支出的边际产出效应,试图分析出财政支农政策中各项政策对农业产出以及增长的具体影响程度。我们得出的结论是:农业公共产品投入不足极大地制约着中国农业可持续增长的潜力;为最大限度地提高财政支农资源的配置效率,必须大幅度增加农业科技投入,适度增加农业基础设施投入,压缩农业事业费支出,并在政策层面上进一步改革和完善财政支农政策的制定和执行机制。
关键词:财政支农政策 农业增长 格兰杰因果检验 因果与结构分析
一、背景与资料
农业是世界各国都重视的产业，各国对农业的支持主要体现在财政支农政策上。财政支农政策的积极作用主要表现在两个方面:其一,财政支农政策是国家调控农业生产进而影响农民收入的一个基本工具;其二,财政支持能有效地解决促进农业增长所必需的众多公共产品的外部性问题并具有规模经济的优势。巨额的财政投入对发达国家的农业生产已起到了明显的支持作用。在美国、加拿大、英国、澳大利亚等农业发达国家中,政府对农业提供的财政支持相当于农业本身GDP的25%以上,日本、以色列等国农业财政支出相当于农业GDP的45%～95%。即使像印度这样的发展中国家,国家财政支农支出也相当于农业GDP的10%。
在中国这样一个农民收入不高、私人农业投资有限的发展中国家,财政支农政策对促进农业增长具有更为特别的意义:它不仅构成农业投入的主要来源,而且对一些公共农业基础建设来说,甚至是唯一的来源。
新中国成立后,中国政府通过积极的财政支持,在农田水利基本建设、水土保持、农业科研及技术推广等方面进行了大量的投资,为提高农业生产力、增加农产品有效供给打下了良好的物质基础。但是,不可否认,改革以来尽管中国财政支农总量有所提高,但相对份额却在呈现下降态势,“农业投入特别是农业公共物品投入不足,是制约我国农业发展的重要因素”。随着中国综合国力的逐步增强,政府财政支农的力度将会进一步加大。但是,财政预算具有刚性,可以预见，在未来一个相当长的时期内,财政支农支出总量的增长将十分有限。在这样的背景下,优化财政支农结构就显得尤为重要。
理论界对此问题多集中于定性研究，很少有定量研究，或者有定量也是在假定财政支农政策对农业经济增长存在高度正效应的前提下进行而很少对这一假定进行科学的验证。鉴于此，我们首先运用格兰杰因果检验在确定财政支农政策对农业增长有因果联系的基础上，设定模型，利用Cobb-douglas生产函数测定财政支农各类支出的边际产出效应,据以明确财政支农支出结构调整的方向和目标，并通过一系列检验得出我们的结论，强化我们研究的意义。
二、财政支农政策与中国农业增长:因果分析
我们通过所查找的资料及一些研究表明：中国财政支农支出波动与农业特别是粮食生产波动明显同步的。但是这种存在并不足以说明财政支农支出增长是推动中国农业产出增长的因素，因为存在下列几种可能:
一、财政支农支出增长推动农业产出增长;
二、农业产出增长推动财政支农支出增长;
三、财政支农支出增长与农业产出增长之间不存在相关关系,但存在另一因素同时影响两者。
但似乎在这三种情况下,都存在着财政支农支出增长与农业产出增长之间同方向变化的关系。我们在本部分运用格兰杰因果检验法对财政支农支出增长与农业产出增长之间的相关关系进行界定。
首先我们做以下假设：
原假设Ｈ0:财政支农支出总量增长不是农业产出增长的原因;
原假设Ｈ1:农业产出增长不是财政支农支出总量增长的原因。
我们运用格兰杰因果检验，过程如下：
格兰杰因果检验
Pairwise Granger Causality Tests
Date: 01/03/05 Time: 19:57
Sample: 1985 2002
Lags: 1
Null Hypothesis: Obs F-Statistic Probability
W does not Granger Cause Y 17 0.77946 0.39221
Y does not Granger Cause W 3.19304 0.09562
Pairwise Granger Causality Tests
Date: 01/03/05 Time: 19:59
Sample: 1985 2002
Lags: 2
Null Hypothesis: Obs F-Statistic Probability
W does not Granger Cause Y 16 0.72810 0.50471
Y does not Granger Cause W 1.68686 0.22963
Pairwise Granger Causality Tests
Date: 01/03/05 Time: 19:59
Sample: 1985 2002
Lags: 3
Null Hypothesis: Obs F-Statistic Probability
W does not Granger Cause Y 15 0.12990 0.93962
Y does not Granger Cause W 3.52962 0.06827
Pairwise Granger Causality Tests
Date: 01/03/05 Time: 20:00
Sample: 1985 2002
Lags: 4
Null Hypothesis: Obs F-Statistic Probability
W does not Granger Cause Y 14 0.05883 0.99156
Y does not Granger Cause W 28.0170 0.00128
对上述结果总结如下：
滞后长度
m=n Granger
因果性 F值
P值
结论
1
Z Y 0.77946 0.39221 拒绝
Y Z 3.19304 0.09562 拒绝
2
Z Y 0.72810 0.50471 拒绝
Y Z 1.68686 0.22963 拒绝
3
Z Y 0.12990 0.93962 拒绝
Y Z 3.52962 0.06827 不拒绝
4
Z Y 0.05883 0.99156 拒绝
Y Z 28.0170 0.00128 不拒绝
由上面的结论我们可以发现除了三、四阶滞后的F-统计值较大外，其余均偏小，我们可以拒绝Ｈ0、H1，由此可以看出：财政支农支出增长与农业产出增长之间存在着互为因果的关系:财政支农支出增长推动了农业产出的增长,农业产出的持续增长又进一步推动了政府增加财政支农的力度。但是，我们在本文主要做的是财政支农支出政策与中国农业增长的关系与结构分析，只作单一方面的分析和研究，因此我们在这里认为财政支农支出总量增长是农业产出增长的原因。
三、财政支农政策与中国农业增长: 模型检验与结构分析
由于我们研究的是财政支农与农业增长的结构分析，是一种投入产出的关系，因此我们引入Cobb-Douglas生产函数.
(一)变量的选择
我们通过查找资料数据及一些研究，表明：农业科研公共投资对各种作物的单位面积产量具有明显的正效应；农业产值增长与公共教育投入、公共基础设施投入、公共科研投入、农牧户自身投资之间也有关系。
就农业投入而言,可将农业投入品分为私人投入品和公共投入品两类。前者投入量由农户决定,后者投入量由政府财政支农支出决定。
（1）在私人投入中,现阶段土地投入既面临着土地资源总量的刚性约束,又缺乏有效的土地流转机制,土地投入基本上是一常量;在一定的生产技术条件下,各地、各主要作物单位土地面积上劳动力使用量基本上也是一个定量。因此,在进行计量分析时没有将土地和劳动力这两项要素作为解释变量。化肥、种子、机械动力等投入品具有一定的互补性或替代性,将各项物质投入作为解释变量纳入生产函数会带来严重的多重共线性问题。基于农户可支配收入的增长会导致农户农业投资增加的考虑,本文选择农村居民家庭人均纯收入作为解释变量。由于本期对农业的私人投入是以上一期的收入为基础的。因此，我们以农村居民家庭人均纯收入（）作为私人投入解释变量。
（2）农业公共投入主要由农业基本建设支出、农业科技三项费用、支援农村生产支出和农村水利气象等部门的事业费这三部分构成。
①农业基本建设支出()主要用于公路建设、农业水利设施等的建设以及农业综合开发。农业基本设施可以有效地降低自然环境给农业生产带来的风险和不确定性,改进投入与产出的质量,降低农户的生产成本,增加农业产出。
②农业科技三项费用()投资形成的农业科研成果可降低农业生产成本,增加农业产出,从而也反映了农业科技技术进步。
③支援农村生产支出和农村水利气象等部门的事业费()中,支援农村生产支出主要通过转移支付补贴农户,降低其生产成本,调动农民农业生产的积极性,增加农业产出;农业事业费支撑农业事业单位的运转,并通过农业事业单位提供的各项服务,扩大农户生产及交易的规模,减少农户生产成本和交易成本,增加农业产出。
(二)模型设定
通过以上的分析，并对Cobb-Douglas生产函数中变量进行技术处理之后，设定多元回归模型如下：
（三) 模型估计
将相关数据输入Eviews,进行回归结果如下:
Dependent Variable: LY
Method: Least Squares
Date: 01/03/05 Time: 21:00
Sample(adjusted): 1985 2002
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 22.73741 2.629257 8.647845 0.0000
LP0 1.087118 0.149635 7.265135 0.0000
LZ1 0.083165 0.117750 0.706288 0.4925
LZ2 -0.626766 0.138525 -4.524577 0.0006
LZ3 0.334062 0.134560 2.482632 0.0275
R-squared 0.993017 Mean dependent var 27.81793
Adjusted R-squared 0.990869 S.D. dependent var 0.726053
S.E. of regression 0.069380 Akaike info criterion -2.268308
Sum squared resid 0.062576 Schwarz criterion -2.020982
Log likelihood 25.41477 F-statistic 462.1854
Durbin-Watson stat 2.465837 Prob(F-statistic) 0.000000
由上表我们得到了我们模型回归的结果，如下：
Se（2.629257) (0.149635) (0.117750) (0.138525) (0.134560)
T= 8.647845 7.265135 0.706288 -4.524577 2.482632
R-squared=0.993017 Adjusted R-squared=0.990869
F=462.1854 Durbin-Watson stat=2.465837
S.E. of regression=0.069380
Ⅰ、多重共线性检验：
我们采用了简单相关系数矩阵法来检验我们的模型中的多重共线性：
Correlation Matrix（表一）
P0 Z1 Z2 Z3
P0 1.000000 0.923217 0.948339 0.954615
Z1 0.923217 1.000000 0.985448 0.913400
Z2 0.948339 0.985448 1.000000 0.928958
Z3 0.954615 0.913400 0.928958 1.000000
从（表一）可以看出，模型解释变量间存在多重共线性，但是在运用中我们注意到在计算任意两个解释变量之间的简单相关系数实际隐含着其他变量变化的影响，所以我们认为上面的的矩阵系数表中的数字并不一定是真实相关程度的反映。
我们也试图通过用逐步回归法来对我们的模型进行修正，但也并不能的更良好的结果，表明我们的模型已经是较优的了。
Ⅱ、异方差检验：
我们采用了ARCH Test来检验我们的模型中的异方差性：
通过Eviews作了ARCH Test的滞后一阶、二阶、三阶的结果分析出滞后二阶的效果最好，其结果如下：
ARCH Test
ARCH Test:
F-statistic 1.011905 Probability 0.390446
Obs*R-squared 2.155310 Probability 0.340393
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/03/05 Time: 21:33
Sample(adjusted): 1987 2002
Included observations: 16 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.005353 0.001583 3.382168 0.0049
RESID^2(-1) -0.283202 0.279529 -1.013141 0.3295
RESID^2(-2) -0.319872 0.272934 -1.171973 0.2622
R-squared 0.134707 Mean dependent var 0.003446
Adjusted R-squared 0.001585 S.D. dependent var 0.003364
S.E. of regression 0.003361 Akaike info criterion -8.385743
Sum squared resid 0.000147 Schwarz criterion -8.240883
Log likelihood 70.08595 F-statistic 1.011905
Durbin-Watson stat 1.994269 Prob(F-statistic) 0.390446
从输出的辅助回归函数中得R2 ，计算（n-p）*R2 =(16-2)* 0.134707=1.885898, 查分布表，给定=0.05，自由度为P=2,得临界值=5.99147>1.885898, 所以接受H0 ，表明我们的模型中不存在异方差性。
Ⅲ、自相关检验：
由于我们的模型中含有内生滞后解释变量，即不满足D-W检验假设条件的第三个假设，因此我们不能采用D-W检验。所以我们采用图示法。
由上面的异方差检验中的结果知道模型滞后二阶的检验效果最好，因此我们取 e（残差序列）的滞后阶数为2。我们所作的结果如下：
图示法
由上图可以直观地看出我们的模型中显然不存在自相关性。
从统计检验看, R-squared=0.993017 Adjusted R-squared=0.990869，回归方程具有较好的解释能力。大多数回归系数都在95%水平下大于临界值,这表明,单个变量显著。从图示法中可以看出，模型不存在序列自相关。LP0、LZ3值为正且显著,表明农户私人投入、支援农村生产支出和农村水利气象等部门的事业费对农业产出增长有积极的作用。LZ1值不显著,且LZ2为负，表明农业基本建设支出和农业科技三项费用并未有效地降低农户的生产成本。对这个现象的可能解释是,在当前的财政运作体系下,作为转移支付的生产性支出很难真正补贴给农民,并且伴随县乡财政压力的日益凸现,县乡政府往往减少农业基本建设支出，甚至挪用支农费用，迫使农业技术推广站、农机管理服务站、水利站等农业事业单位提供有偿服务，以减轻其财政压力，致使农户获得农业公共产品的成本不降反升。
研究结果表明,中国财政支农支出项目中边际产出效应高低的次序为:科技三项费用最高, 生产性支出和事业费次之,基本建设支出最差;而现行财政支农支出比重由高到低的序列为: 支援农村生产支出和农村水利气象等部门的事业费比重最高,基本建设支出比重次之,科技三项费比重最低。现行财政支农支出结构出现了较大的偏差。
四、简要分析及政策建议
中国财政支农支出结构偏差导致财政支农资源配置的低效率,而财政支农支出结构偏差又与现行的财政支农政策制定与执行机制有关。因此,要优化财政支农支出结构,避免政策失灵,就必须进一步改革和完善财政支农政策体系。
实施积极的财政支农政策以供给农业增长所必需的公共产品是中国政府的理性选择。然而,以纠正市场失灵为目标的政府行为同样面临着外部性、交易费用、信息不对称等问题。经济学告诉我们，政府干预并不一定导致帕累托改善。中国财政支农政策能否实现社会资源最优配置的预期目标,不仅取决于其目标制定过程中能否准确地将农民对公共产品的消费需求集合为“社会”需求,而且取决于财政支农政策能否被准确到位地贯彻执行。
就财政支农政策的制定过程而言,财政支农政策目标决策过程具有明显的自上而下的组织安排特征。在财政支农政策制定的过程中。一方面,作为财政支农政策主要受益者的农民,因其人数众多而陷入“集体行动的困境”之中,难以形成对决策层产生较大压力的游说团体,被排除在政策目标决策程序之外;另一方面,制定财政支农政策的决策者缺乏相应的农民对农业公共产品偏好的信息。财政支农政策制定过程的这一特质往往使政府所确定的财政支农支出结构偏离社会的需求结构,导致政策失灵。
就财政支农政策的执行过程而言，由于政府的决策层和行政执行系统有不同的行为方式,两者在动机、压力、利益导向等方面均有较大差异,因此,制定出来的政策不一定能被有效地执行。
1994年实施的分税制,重新确定了财政支出、收入的责任划分,财力纵向上移和事权相对下移打破了原有的匹配关系,中央财政集中了相当大的财政收入却没有承担对等的公共服务职能,农业公共产品主要由地方政府尤其是面临着财政缺口的县乡政府提供。
在现行的政治体制和行政提拔体制下,对地方政府业绩的考核主要采用经济增长速度等指标。由于农业比较利益偏低,地方政府更偏好于将财政资源投向非农产业和城镇。尽管说中央政府可以采用奖励、惩罚等选择性激励措施,但具有信息优势的地方政府在与中央政府的博弈中占据着主导地位,因而有可能削减或挪用财政支农支出,其财政支农支出行动常常表现为:更偏好于投资见效快、易出政绩的项目,而不是期限长、具有战略意义的项目;热衷于提供看得见、摸得着的“硬性”公共产品,而不愿提供农业技术推广等“软性”公共产品。这一状况必然导致财政支农支出结构不合理
财政支农政策对中国农业增长至关重要。中国农业公共产品投入不足极大地制约了中国农业可持续增长的潜力。在中国财政支农资源极为有限的条件下,大幅度增加农业科技投入,适度增加农业基础设施投入,压缩农业事业费支出,可提高财政支农资源的配置效率,这应成为今后调整财政支农支出结构的方向和目标;而要优化财政支农支出结构,又必须进一步改革和完善财政支农政策体系,以避免政府财政支农政策失灵。
五、问题的解答与我们的不足
1.我们由于不太懂协整概念和平稳性检验方法，在对我们的时间序列数据检验时出现的问题没有给予足够的修正或注意。
2.还有我们在做的过程中可能会有一些问题没有考虑到或没有考虑周全，比如解释变量的不足。在此问题上如我们没有加进农村救济费这一变量，是因为这部分在我国存在很大的政策因素，很多的在农村基层逛了一圈又回到了城镇，而且我们认为救济费不能看作是对农业的资助，而不能把它当作一项长期的支出。还有人提出我们模型中没有包含上述因素的执行力度，我们认为这是模型外的非考虑变量，因而不予考虑。
3.针对某些同学提出我们的模型中没体现技术进步，事实上我们模型中是考虑了的，如我们模型中的农业基本建设支出、农业科技三项费用、支援农村生产支出和农村水利气象等部门的事业费这三部分都直接体现了技术进步。
参考文献
1.安广实:《我国财政对农业投入的问题及对策思考》,《中国农村经济》1999年第9期。
2.张元红:《财政政策与中国农业的周期性波动》,《中国农村观察》2000年第4期。
3.朱晶:《农业公共投资、竞争力与粮食安全》,《经济研究》2003年第1期。
4.钱克明:《中国“绿箱政策”的支持结构与效率》,《农业经济问题》2003年第1期。
5.李秉龙等:《中国贫困地区县乡财政不平衡对农村公共物品供给影响程度研究》,《中国农村观察》2003年第1期。
6.朱钢等:《聚焦中国农村财政———格局、机理与政策选择》,山西经济出版社,2000年。
数据来源：《中国统计年鉴》 《中国财政年鉴》 网博国家馆
国家财政用于农业的支出 单位:亿元
年份 合计 占财政支出总计的% 支援农村生产支出和农林水利气象等部门的事业费 农业基本建设支出 农业科技三项费用 农村救济费 其他
1950 2.74 4.03 1.99 0.75
1951 4.19 3.43 3.67 0.52
1952 9.04 5.25 2.69 3.84 1.25 1.26
1953 13.07 5.96 4.22 5.77 1.43 1.65
1954 15.79 6.47 6.26 4.87 3.74 0.92
1955 17.01 6.47 7.84 5.71 2.27 1.19
1956 29.14 9.76 9.85 13.63 3.10 2.56
1957 24.57 8.30 9.06 10.93 3.07 1.51
1958 43.28 10.81 8.76 30.26 1.50 2.76
1959 58.24 10.72 22.06 29.91 2.70 3.57
1960 90.52 14.06 33.73 45.43 5.47 5.89
1961 54.79 15.39 30.92 12.35 7.35 4.17
1962 36.82 12.49 17.88 8.67 5.22 5.05
1963 54.98 16.56 21.57 18.48 0.81 6.96 7.16
1964 66.98 17.01 20.74 26.17 1.00 13.55 5.52
1965 55.02 11.96 17.33 23.51 1.05 7.37 5.76
1966 54.14 10.07 18.86 23.70 1.28 5.20 5.10
1967 45.64 10.38 15.94 22.08 0.30 4.14 3.18
1968 33.24 9.29 12.66 12.23 2.79 5.56
1969 48.03 9.13 14.87 17.92 3.58 11.66
1970 49.40 7.61 15.91 22.52 3.14 7.83
1971 60.75 8.30 19.65 33.27 0.05 3.14 4.64
1972 65.13 8.50 25.10 31.47 0.07 4.10 4.39
1973 85.17 10.53 35.49 37.48 0.08 5.08 7.04
1974 91.21 11.54 38.23 36.97 0.13 4.01 11.87
1975 98.96 12.06 42.53 35.56 0.10 7.42 13.35
1976 110.49 13.71 46.01 39.91 0.78 10.48 13.31
1977 108.12 12.82 50.68 35.98 0.93 8.40 12.13
1978 150.66 13.43 76.95 51.14 1.06 6.88 14.63
1979 174.33 13.60 90.11 62.41 1.52 9.80 10.49
1980 149.95 12.20 82.12 48.59 1.31 7.26 10.67
1981 110.21 9.68 73.68 24.15 1.18 9.08 2.12
1982 120.49 9.80 79.88 28.81 1.13 8.60 2.07
1983 132.87 9.43 86.66 34.25 1.81 9.38 0.77
1984 141.29 8.31 95.93 33.63 2.18 9.55
1985 153.62 7.66 101.04 37.73 1.95 12.90
1986 184.20 8.35 124.30 43.87 2.70 13.33
1987 195.72 8.65 134.16 46.81 2.28 12.47
1988 214.07 8.59 158.74 39.67 2.39 13.27
1989 265.94 9.42 197.12 50.64 2.48 15.70
1990 307.84 9.98 221.76 66.71 3.11 16.26
1991 347.57 10.26 243.55 75.49 2.93 25.60
1992 376.02 10.05 269.04 85.00 3.00 18.98
1993 440.45 9.49 323.42 95.00 3.00 19.03
1994 532.98 9.20 399.70 107.00 3.00 23.28
1995 574.93 8.43 430.22 110.00 3.00 31.71
1996 700.43 8.82 510.07 141.51 4.94 43.91
1997 766.39 8.30 560.77 159.78 5.48 40.36
1998 1154.76 10.69 626.02 460.70 9.14 58.90
1999 677.46 357.00 9.13 42.17
2000 766.89 414.46 9.78
2001 917.96 480.81 10.28
2002 1102.70 423.80 9.88
年份 农村居民家庭人均纯收入 城镇居民家庭人均可支配收入
金额(元) 指数(78=100) 金额(元) 指数(78=100)
2003 2622.2 551 8472.2 515
2002 2475.6 528 7702.8 472
2001 2366.4 503.8 6859.6 416.3
2000 2253.4 483.5 6280 383.7
1999 2210.3 473.5 5854 360.6
1998 2162 456.2 5425.1 329.9
1997 2090.1 437 5160.3 312
1996 1926.1 418.2 4838.9 301.6
1995 1577.7 383.7 4283 290.3
1994 1221 364.4 3496.2 276.8
1993 921.6 346.9 2577.4 255.1
1992 784 336.2 2026.6 232.9
1991 708.6 317.4 1700.6 212.4
1990 686.3 311.2 1510.2 198.1
1989 601.5 306 1373.9 183
1988 544.9 310.7 1180.2 182.3
1987 462.6 292 1002.1 186.8
1986 423.8 277.6 900.9 182.7
1985 397.6 268.9 739.1 160.4
