基于VAR模型的廣東農(nóng)民收入影響因素研究

張建武 張?zhí)@容 李楠

摘? ?要：農(nóng)民收入增長是三農(nóng)問題的核心。目前廣東農(nóng)民增收處于瓶頸狀態(tài)，找到影響農(nóng)民增收的關(guān)鍵因素具有重要的現(xiàn)實(shí)意義。本文基于1992-2017年廣東省時(shí)間序列數(shù)據(jù)，運(yùn)用因子分析法篩選出影響廣東農(nóng)民增收的三個(gè)公共因子，并構(gòu)建VAR模型對(duì)三個(gè)因子如何影響農(nóng)民收入進(jìn)行具體分析。發(fā)現(xiàn)農(nóng)業(yè)發(fā)展內(nèi)部因子長期內(nèi)對(duì)廣東農(nóng)民收入具有較大的正向影響，但影響力逐漸減弱，農(nóng)業(yè)發(fā)展外部因子短期內(nèi)對(duì)農(nóng)民收入具有正向影響，農(nóng)業(yè)發(fā)展科技因子短期內(nèi)對(duì)農(nóng)民收入的促進(jìn)作用非常明顯，但這種正向效應(yīng)會(huì)不斷減弱。本文建議，為促進(jìn)廣東農(nóng)民增收，應(yīng)該加大政府對(duì)農(nóng)業(yè)的投資，積極引進(jìn)人才，并創(chuàng)新農(nóng)業(yè)發(fā)展模式以適應(yīng)農(nóng)業(yè)科技變革。

關(guān)鍵詞：農(nóng)民增收;影響因素;因子分析;VAR模型

中圖分類號(hào)：F323.8 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1008-2697（2020）02-0004-07

農(nóng)民增收問題是推進(jìn)“扶貧”工作的重中之重。改革開放以來，廣東省農(nóng)民人均可支配收入從1978年的193.25元增長到2017年的15779.74元，約為1978年的81.65倍，年均增長率達(dá)到12.18%。但在2000年后，廣東農(nóng)民人均可支配收入增速放緩，2000-2017年均增長率僅為8.59%，小于城鎮(zhèn)居民可支配收入年均增長率8.75%，城鄉(xiāng)收入差距的絕對(duì)數(shù)也在擴(kuò)大，由2000年的6107.1元，擴(kuò)大到2017年的25195.4元，并且城鎮(zhèn)居民人均可支配收入基數(shù)較大，增長比較明顯，而農(nóng)民薄弱的增收基礎(chǔ)使得城鄉(xiāng)差距越來越大，由此引發(fā)了收入不平等等社會(huì)問題。因而找到制約農(nóng)民增收的影響因素并提出相應(yīng)的解決對(duì)策顯得十分必要，具有重要的理論和現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

首先，關(guān)于影響農(nóng)民收入增長因素的研究，郭燕支和劉旭（2011）提出了影響農(nóng)民收入的七個(gè)重要指標(biāo)，發(fā)現(xiàn)非農(nóng)產(chǎn)業(yè)勞動(dòng)力、農(nóng)業(yè)用電量、農(nóng)村固定資產(chǎn)投資以及有效灌溉面積等影響因素與農(nóng)民收入之間具有比較密切的關(guān)系，其中農(nóng)業(yè)用電量是影響農(nóng)民收入的第一相關(guān)關(guān)系變量。穆紅梅（2016）以福建地區(qū)為例，研究認(rèn)為城鎮(zhèn)化、文化素質(zhì)等人力資本因素的提升是農(nóng)民人均純收入增加的最重要的驅(qū)動(dòng)力，同時(shí)固定資產(chǎn)投資、三產(chǎn)占比以及農(nóng)業(yè)內(nèi)部的結(jié)構(gòu)也在不同程度上影響了當(dāng)?shù)氐霓r(nóng)民收入。康江江等（2017）發(fā)現(xiàn)在中國集中特困地區(qū)，自然環(huán)境對(duì)農(nóng)民增收的制約作用較強(qiáng)，耕地?cái)?shù)量、糧食

生產(chǎn)率、城鎮(zhèn)化水平以及固定資產(chǎn)投資均會(huì)對(duì)農(nóng)民收入產(chǎn)生較為顯著的正向作用，但包括生育狀況在內(nèi)的人力資本以及交通因子對(duì)農(nóng)民收入的影響效應(yīng)并不顯著。

其次，不少學(xué)者探究了農(nóng)業(yè)政策對(duì)農(nóng)民收入的影響。Brian C Briggeman（2007）認(rèn)為政府增加對(duì)農(nóng)業(yè)的補(bǔ)貼不僅可以顯著提高農(nóng)場收益，而且能夠吸引到更多勞動(dòng)力在農(nóng)村就業(yè)，降低原有勞動(dòng)力離開農(nóng)村的可能性，整體上提高了農(nóng)業(yè)收入。相對(duì)于農(nóng)業(yè)收入，非農(nóng)業(yè)收入的增加對(duì)農(nóng)民收入的拉動(dòng)效果可能更為顯著，因此政府應(yīng)通過增加農(nóng)業(yè)轉(zhuǎn)移性支出增加農(nóng)民的工資性收入，并提供更多的非農(nóng)就業(yè)機(jī)會(huì)，保證農(nóng)民的非農(nóng)業(yè)收入（Lu Qian，2006）。也有學(xué)者對(duì)政府農(nóng)業(yè)補(bǔ)貼可以提升農(nóng)民收入持不同觀點(diǎn)。方桂堂（2014）以北京昌平農(nóng)村地區(qū)的農(nóng)民增收問題為例，通過分析實(shí)例數(shù)據(jù)發(fā)現(xiàn)，財(cái)政投入力度、轉(zhuǎn)移就業(yè)等方面存在的制度和政策的扭曲導(dǎo)致了農(nóng)村地區(qū)農(nóng)民收入結(jié)構(gòu)不合理。

在人力資本層面，辛嶺、王艷華（2007）的研究顯示，農(nóng)民受教育水平是農(nóng)民收入變動(dòng)的格蘭杰原因，二者之間存在著長期且穩(wěn)定的均衡關(guān)系。Iddo，Ayal和Zvi（2006）通過對(duì)格魯吉亞的微觀研究，發(fā)現(xiàn)農(nóng)民受教育程度越高，非農(nóng)收入增長越明顯，尤其是高等教育對(duì)非農(nóng)收入具有很高的正向作用。Kashiwa Chiba（2013）則通過建立一所農(nóng)民的田間學(xué)校來對(duì)部分農(nóng)民進(jìn)行培訓(xùn)，結(jié)果發(fā)現(xiàn)參與了農(nóng)民田間學(xué)校培訓(xùn)的農(nóng)戶的基本素質(zhì)得到提升，進(jìn)而大大提高了農(nóng)業(yè)的生產(chǎn)效率和農(nóng)戶的農(nóng)業(yè)收入。

除了政策和資本等因素外，自然條件和農(nóng)業(yè)發(fā)展模式也是農(nóng)民收入問題的研究熱點(diǎn)，如Robert（2007）在美國和巴西的農(nóng)村地區(qū)進(jìn)行研究，發(fā)現(xiàn)無論在發(fā)達(dá)國家還是發(fā)展中國家，自然條件都會(huì)對(duì)農(nóng)民收入產(chǎn)生極大影響，其主要影響的是農(nóng)業(yè)生產(chǎn)率，進(jìn)而導(dǎo)致農(nóng)村的人均收入受到影響。從實(shí)際情況來看，對(duì)比那些農(nóng)業(yè)支持度高、農(nóng)業(yè)種植氣候相對(duì)較好的地區(qū)，氣候條件不佳的地區(qū)的農(nóng)民的收入較少，農(nóng)村貧困人口也更多。Huiqing Liu（2014）通過構(gòu)建結(jié)構(gòu)方程模型對(duì)農(nóng)業(yè)的發(fā)展模式進(jìn)行了深入研究，發(fā)現(xiàn)發(fā)展生態(tài)旅游、規(guī)劃可持續(xù)農(nóng)業(yè)等創(chuàng)新農(nóng)業(yè)發(fā)展模式對(duì)農(nóng)業(yè)綜合價(jià)值以及促進(jìn)農(nóng)民收入增加有正向影響。

通過對(duì)文獻(xiàn)的回顧可以發(fā)現(xiàn)，多數(shù)的研究考慮將政府扶持、土地制度、人力資本、生產(chǎn)資源以及生產(chǎn)模式等因素納入影響農(nóng)民收入因素的范疇，對(duì)于影響農(nóng)民增收的因素的大范圍基本判定是統(tǒng)一的。但是許多學(xué)者側(cè)重于從某一角度出發(fā)，研究某一方面因素對(duì)于農(nóng)民收入的影響，即使綜合篩選了各項(xiàng)指標(biāo)，也缺乏各指標(biāo)之間的橫向?qū)Ρ群椭鞔沃?，?dǎo)致學(xué)者們?cè)谀骋灰蛩氐木唧w影響效應(yīng)方面存在分歧，得出相悖結(jié)論，而對(duì)廣東地區(qū)的農(nóng)民增收問題的研究也比較少。本文將結(jié)合廣東農(nóng)村實(shí)際情況，綜合考慮各方面因素，從多角度出發(fā)選取指標(biāo)，并區(qū)分出各指標(biāo)之間的主次關(guān)系，從而深入分析影響廣東地區(qū)農(nóng)民增收的具體因素。

二、研究設(shè)計(jì)

（一）模型構(gòu)建

在農(nóng)業(yè)生產(chǎn)中，農(nóng)民收入受多種因素共同影響，各因素間不可避免會(huì)出現(xiàn)多重共線性。因子分析則利用降維的思想，把存在共線性且關(guān)系錯(cuò)綜復(fù)雜的變量轉(zhuǎn)變?yōu)閹讉€(gè)公共因子，形成幾類假想變量，且假想變量間相互獨(dú)立。

設(shè)有n個(gè)樣本，每個(gè)樣本觀測k個(gè)變量，且這k個(gè)變量間存在較強(qiáng)相關(guān)性，則因子分析的一般模型為：

X=AF+ε

其中，（1） X=（X1，X2，…，Xk）'為標(biāo)準(zhǔn)化后的變量，此時(shí)xi（i=1，2，…，k）均值E（xi）=0，標(biāo)準(zhǔn)差σ=1。（2）F=（F1，F(xiàn)2，…，F(xiàn)m）'（m≤k）為公因子向量，是不可觀測的m維列向量，向量均值E（F）=0，協(xié)方差矩陣cov（F）=Im。（3）A=（aij）k×m為因子載荷矩陣，aij絕對(duì)值越大，因子載荷越大，即Fj對(duì)Xi載荷越大。（4）ε=（ε1，ε2，…，εk）'是特殊因子向量，是不被前m個(gè)公共因子包含的部分，E（ε）=0，cov（ε）=Φ=diag（Φ1，Φ2，…，Φk），且cov（Fi，εj）=0（i≠j），即公共因子與特殊因子間也是相互獨(dú)立的。

在運(yùn)用因子分析得到互相獨(dú)立的時(shí)間序列變量 Fi（i=1，2，…，m）之后，設(shè)定如下VAR模型對(duì)被解釋變量農(nóng)民收入FY進(jìn)行回歸，模型中j為滯后期數(shù)：■

（二）指標(biāo)選取與計(jì)算方法

基于現(xiàn)有的研究成果，本文將從以下五個(gè)方面選取可能對(duì)農(nóng)民收入造成影響的指標(biāo)。

（1）生產(chǎn)因素。一方面，農(nóng)業(yè)產(chǎn)值很大程度上受到有效灌溉面積以及年降雨量等自然因素的影響，從而正向影響農(nóng)民收入。另一方面，農(nóng)業(yè)機(jī)械總動(dòng)力和農(nóng)產(chǎn)品生產(chǎn)價(jià)格指數(shù)從非自然條件的角度反映了農(nóng)業(yè)生產(chǎn)情況。農(nóng)業(yè)機(jī)械總動(dòng)力越大，一定程度上說明農(nóng)業(yè)機(jī)械化水平越高，機(jī)械化水平的上升能夠大幅提高農(nóng)業(yè)生產(chǎn)效率與農(nóng)產(chǎn)品產(chǎn)出量，而農(nóng)產(chǎn)品生產(chǎn)價(jià)格與市場情況相關(guān)，可以從銷售渠道上增加農(nóng)民收入。從理論上看，這兩個(gè)指標(biāo)均應(yīng)與農(nóng)民人均收入呈現(xiàn)正向關(guān)系。

（2）產(chǎn)業(yè)結(jié)構(gòu)因素。根據(jù)配第-克拉克定律，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)將會(huì)使得產(chǎn)業(yè)發(fā)展的重心由第一逐步向第二、三產(chǎn)業(yè)轉(zhuǎn)移，隨之而來的是勞動(dòng)力在產(chǎn)業(yè)間的不斷變遷，第一產(chǎn)業(yè)釋放出大量勞動(dòng)力向其他產(chǎn)業(yè)轉(zhuǎn)移，拓展了農(nóng)民的就業(yè)渠道，優(yōu)化了農(nóng)村勞動(dòng)力的收入結(jié)構(gòu)，從而提高其收入水平。因此，從理論角度來看，第一產(chǎn)業(yè)增加值占農(nóng)村GDP的比例越低，農(nóng)民的收入就越高。

（3）人力資本因素。人力狀況主要從鄉(xiāng)鎮(zhèn)人口中具有勞動(dòng)能力的人數(shù)占比以及農(nóng)村勞動(dòng)者受到教育及其質(zhì)量情況來衡量。鄉(xiāng)鎮(zhèn)人口中農(nóng)村勞動(dòng)力越多越多，農(nóng)業(yè)資源競爭越激烈，農(nóng)民人均收入越低。勞動(dòng)者受到教育程度越高，生產(chǎn)效率與產(chǎn)出水平越高，勞動(dòng)成本越低，農(nóng)村勞動(dòng)力人均收入將越高。

（4）科技因素?？萍歼M(jìn)步因素是除土地資源、勞動(dòng)力資源以及投資影響之外的主要增加農(nóng)民收入的因素，農(nóng)業(yè)科技的進(jìn)步和發(fā)展會(huì)對(duì)農(nóng)民收入產(chǎn)生正向影響，因此本文計(jì)算了廣東農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率，通過該指標(biāo)來衡量農(nóng)業(yè)科技因素對(duì)農(nóng)民收入的影響。

（5）投資因素。資本的投入是影響生產(chǎn)的一大重要因素，本文選取農(nóng)戶固定資產(chǎn)投資、政府撥款支持農(nóng)業(yè)科研和技術(shù)經(jīng)費(fèi)總額以及農(nóng)業(yè)實(shí)際利用外資額三個(gè)指標(biāo)來衡量廣東地區(qū)農(nóng)業(yè)的整體投資情況和政府干預(yù)力度。這些指標(biāo)數(shù)值越大，則表明相應(yīng)投入的資本要素越多，其理論上應(yīng)與農(nóng)民收入呈正向關(guān)系。

（6）對(duì)外貿(mào)易因素。廣東省農(nóng)產(chǎn)品貿(mào)易的發(fā)展情況在我國農(nóng)產(chǎn)品進(jìn)出口貿(mào)易中占據(jù)主要地位，進(jìn)出口總額位于全國前列。農(nóng)產(chǎn)品對(duì)外貿(mào)易的發(fā)展是從需求側(cè)層面來推進(jìn)農(nóng)業(yè)的發(fā)展，影響農(nóng)業(yè)產(chǎn)值以及農(nóng)民收入，因而本文選取了廣東農(nóng)產(chǎn)品凈出口作為一個(gè)指標(biāo)。根據(jù)GDP=C+I+G+NE，凈出口與收入呈正相關(guān)關(guān)系。

以上選取的十二個(gè)變量具有既反映農(nóng)業(yè)生產(chǎn)環(huán)節(jié)內(nèi)容也反映商品流通環(huán)節(jié)內(nèi)容、既含有微觀經(jīng)濟(jì)變量也含有宏觀經(jīng)濟(jì)變量的特點(diǎn)，其包含內(nèi)容廣泛，因此可以借助于它對(duì)廣東農(nóng)民收入增長及其影響因素進(jìn)行多角度分析。各項(xiàng)指標(biāo)的具體內(nèi)容與計(jì)算方法如表1所示。

（三）數(shù)據(jù)來源與處理

本研究所涉及的數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》（1985-2018）、《廣東統(tǒng)計(jì)年鑒》（1990-2018）、《廣東

農(nóng)村統(tǒng)計(jì)年鑒》（1993-2018）以及廣東統(tǒng)計(jì)信息網(wǎng)公布的統(tǒng)計(jì)報(bào)告、Wind資訊等網(wǎng)絡(luò)資源?？紤]到數(shù)據(jù)可得性和分析的合理性，本文選取時(shí)間跨度為1992-2017年，經(jīng)過相關(guān)計(jì)算并進(jìn)行技術(shù)處理后，得出原始的指標(biāo)數(shù)據(jù)②。其中農(nóng)產(chǎn)品生產(chǎn)價(jià)格指數(shù)、農(nóng)戶固定資產(chǎn)投資、農(nóng)業(yè)科研技術(shù)開發(fā)政府撥款、實(shí)際利用外資以及凈出口均以1994年為基期剔除價(jià)格因素。因子分析前，對(duì)實(shí)證數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理以消除量綱影響，標(biāo)準(zhǔn)化公式為：。

三、實(shí)證分析與討論

為了橫向?qū)Ρ扔绊憦V東農(nóng)民收入的各個(gè)因素，并且分清各個(gè)因素之間的主次關(guān)系，本文運(yùn)用因子分析方法對(duì)影響因子進(jìn)行降維，提煉出公共影響因子并得到公共影響因子的時(shí)間序列。然后用ADF單位根檢驗(yàn)法檢驗(yàn)該時(shí)間序列的平穩(wěn)性，若序列是非平穩(wěn)的，則運(yùn)用差分處理使之變?yōu)閱握蛄?。得到同階單整序列后判斷序列是否協(xié)整，確定廣東農(nóng)民收入增長與公共影響因子之間是否存在長期均衡關(guān)系，若存在，則構(gòu)建VAR模型，通過脈沖響應(yīng)和方差分解對(duì)影響農(nóng)民收入的因素進(jìn)行具體分析。

（一）因子分析

1. 檢驗(yàn)

在實(shí)證分析前，需要判斷樣本是否適合進(jìn)行因子分析。一般認(rèn)為樣本的KMO值越接近1越適合，而當(dāng)KMO值小于0.5時(shí)則不適合，Bartlett球形檢驗(yàn)中的卡方統(tǒng)計(jì)量越大，變量間的相關(guān)性越強(qiáng)，并且其p值小于0.05時(shí)更加適合做因子分析。本文的分析結(jié)果顯示，樣本KMO值為0.755，Bartlett球形檢驗(yàn)中的卡方統(tǒng)計(jì)量為496.956且其p值為0.000，說明樣本比較適合進(jìn)行因子分析。

2. 主成分分析

本文綜合考量主成分分析的特征值和碎石圖，對(duì)樣本指標(biāo)設(shè)定三個(gè)公共因子，得到分析結(jié)果如表2所示。第一主成分特征值為7.67，貢獻(xiàn)率為63.88%;第二主成分特征值為1.68，貢獻(xiàn)率為14.03%;第三主成分特征值為0.83，貢獻(xiàn)率為6.92%。并且三個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到了84.83%，說明三個(gè)主成分能夠表達(dá)原來12個(gè)指標(biāo)樣本中84.83%的信息，接近85%水平，原樣本信息損失較少。

為了更好的解釋和命名提取出的三個(gè)主成分，本文采用正交旋轉(zhuǎn)法對(duì)因子載荷矩陣進(jìn)行旋轉(zhuǎn)，結(jié)果見表3?？梢钥闯觯谝恢鞒煞衷赬9、X3、X4、X12、X10、X6、X7、X5、X2指標(biāo)上具有較大的載荷，這些指標(biāo)主要反映出農(nóng)業(yè)發(fā)展的投資、人力、價(jià)格、外貿(mào)等內(nèi)部因素情況;第二主成分在X11、X1指標(biāo)上具有較大的載荷值，這些指標(biāo)反映了農(nóng)業(yè)發(fā)展的外部因素情況;而第三主成分在X8指標(biāo)上載荷值較大，反映了農(nóng)業(yè)科技情況。依據(jù)因子載荷量大的指標(biāo)進(jìn)行主成分命名的原則，可以將第一主成分命名為農(nóng)業(yè)發(fā)展外部因子，第二主成分命名為農(nóng)業(yè)發(fā)展內(nèi)部因子，第三主成分命名為農(nóng)業(yè)發(fā)展科技因子。進(jìn)一步地，計(jì)算得到三個(gè)主成分中每個(gè)指標(biāo)的系數(shù)，

如表4。

此時(shí)主成分1、主成分2 和主成分3與原始變量的關(guān)系線性表達(dá)式為：

F1 = 0.0306ZX1+ 0.2732ZX2+0.3541ZX3+ 0.3439ZX4-0.3121ZX5+0.3363ZX6

+0.3205ZX7-0.0709ZX8+0.3576ZX9+0.3412ZX10+0.0353ZX11-0.3419ZX12

F2

為得到三個(gè)主成分因子的時(shí)間序列，將1992-2017年間12個(gè)影響因素標(biāo)準(zhǔn)化后的數(shù)據(jù)代入上述3個(gè)表達(dá)式中，結(jié)果如表5。

（二）VAR模型分析

為了更好地探討因子分析提煉出的農(nóng)業(yè)發(fā)展內(nèi)部、農(nóng)業(yè)發(fā)展外部以及農(nóng)業(yè)發(fā)展科技三個(gè)公共因子對(duì)農(nóng)民收入的影響，本文采用向量自回歸模型（VAR）進(jìn)行深入分析。被解釋變量選取1992-2017年間廣東農(nóng)村居民人均可支配收入時(shí)間序列FY③，解釋變量為前文計(jì)算得到的影響因子時(shí)間序列F1、F2、F3。

1. 平穩(wěn)性檢驗(yàn)

本文采用ADF單位根檢驗(yàn)序列平穩(wěn)性，用Eviews9.0軟件實(shí)現(xiàn)，結(jié)果如表6所示。在5%的顯著性水平下，F(xiàn)1、F2、F3以及FY時(shí)間序列都是非平穩(wěn)的，而四個(gè)變量一階差分后的序列都是平穩(wěn)的，即四個(gè)變量都是I （1）變量，滿足協(xié)整檢驗(yàn)的條件。

2. Johanson協(xié)整檢驗(yàn)

沒有協(xié)整關(guān)系的單整變量的回歸仍然是偽回歸，當(dāng)有兩個(gè)及以上的解釋變量時(shí)一般采用Johanson系統(tǒng)協(xié)整檢驗(yàn)，運(yùn)用Eviews9.0軟件實(shí)現(xiàn)。結(jié)果發(fā)現(xiàn)跡統(tǒng)計(jì)量為67.14， 統(tǒng)計(jì)量為32.06，均大于在5%顯著水平下的臨界值54.08和28.59，說明F1、F2、F3和FY四個(gè)變量存在協(xié)整關(guān)系，即農(nóng)民可支配收入FY與F1、F2以及F3三個(gè)公共因子之間具有長期均衡關(guān)系，此時(shí)建立的回歸方程不是偽回歸，滿足建立向量誤差修正（VEC）模型的條件。

3. VEC模型的估計(jì)

由于變量為具有協(xié)整關(guān)系的非平穩(wěn)時(shí)間序列，本文選擇構(gòu)建VEC模型來進(jìn)一步探討變量的長期均衡和短期波動(dòng)的關(guān)系。采用OLS法估計(jì)誤差修正項(xiàng) 的系數(shù)，通過Eviews9.0軟件實(shí)現(xiàn)，得到誤差修正模型如下：

其中，誤差修正項(xiàng)

上述VEC模型中，差分后解釋變量的系數(shù)反映了短期內(nèi)，各解釋變量的波動(dòng)對(duì)被解釋變量的影響，即農(nóng)業(yè)發(fā)展內(nèi)部因子和農(nóng)業(yè)發(fā)展科技因子的短期波動(dòng)對(duì)廣東農(nóng)民人均可支配收入有負(fù)向影響，而農(nóng)業(yè)發(fā)展外部因子的短期變動(dòng)則對(duì)其有正向影響。誤差修正項(xiàng)系數(shù)為負(fù)，表明該模型符合反向調(diào)整機(jī)制，且當(dāng)短期波動(dòng)偏離長期均衡時(shí)，將以0.2250的調(diào)整力度將非均衡狀態(tài)拉回到均衡狀態(tài)。

4. 脈沖響應(yīng)函數(shù)

為了更好地衡量隨機(jī)干擾項(xiàng)一個(gè)單位的沖擊對(duì)目標(biāo)項(xiàng)當(dāng)期值或者未來值的影響，本文使用脈沖響應(yīng)函數(shù)進(jìn)行分析。但在對(duì)模型的隨機(jī)誤差項(xiàng)施加沖擊前，需要確定模型的穩(wěn)定性。當(dāng)最優(yōu)滯后階數(shù)為1時(shí)，AIC和SC信息準(zhǔn)則最小，且AR根圖顯示為圖1，此時(shí)模型所有根模的倒數(shù)都小于1，模型穩(wěn)定。進(jìn)一步地，構(gòu)建變量間的VAR模型進(jìn)行一般沖擊，探討提煉出的三個(gè)公共影響因素隨機(jī)擾動(dòng)對(duì)農(nóng)民收入的動(dòng)態(tài)影響，結(jié)果如圖2。

圖2顯示的結(jié)果說明：①廣東農(nóng)村居民人均可支配收入對(duì)由農(nóng)業(yè)發(fā)展內(nèi)部因子產(chǎn)生的沖擊一直呈現(xiàn)正效應(yīng)，滯后6期時(shí)達(dá)到頂峰，但隨著滯后期的延長，正效應(yīng)逐漸下降，趨于零水平;②農(nóng)業(yè)生產(chǎn)發(fā)展外部因子的沖擊會(huì)在短期內(nèi)對(duì)廣東農(nóng)村居民人均可支配收入產(chǎn)生正向效應(yīng)并在滯后2期達(dá)到頂點(diǎn)，滯后4期結(jié)束，正效應(yīng)轉(zhuǎn)為負(fù)效應(yīng)，廣東農(nóng)村人均

可支配收入情況出現(xiàn)惡化，但負(fù)效應(yīng)逐漸趨于零，變得越來越不明顯;③農(nóng)業(yè)科技因子的沖擊對(duì)廣東農(nóng)民可支配收入一直呈正向效應(yīng)，在最初的滯后2期內(nèi)效應(yīng)明顯，迅速拉動(dòng)了廣東農(nóng)民人均可支配收入增長，在滯后4期時(shí)正向效應(yīng)逐漸下降，于滯后8期開始趨于平穩(wěn)，最后也逐漸收斂于零。

5. 方差分解

圖5給出了農(nóng)業(yè)發(fā)展內(nèi)部因子、農(nóng)業(yè)發(fā)展外部因子以及農(nóng)業(yè)發(fā)展科技因子對(duì)廣東農(nóng)民人均可支配收入的方差分解圖?？梢钥闯?，F(xiàn)Y自身的貢獻(xiàn)率隨著滯后期的延長逐漸下降，且前期下降速度很快，在4期內(nèi)迅速降到40%以下，滯后16期時(shí)降到10%以下;F1的貢獻(xiàn)率呈現(xiàn)出增加的趨勢，但增加速度略有不同，開始2期內(nèi)較為緩慢，2至4期內(nèi)上升速度加快，在滯后10期時(shí)開始趨于平穩(wěn)，逐漸穩(wěn)定在20%左右;F2的貢獻(xiàn)率前期平穩(wěn)上升，滯后6期時(shí)達(dá)到頂峰，后逐漸穩(wěn)定在18%左右;F3與F2在最初4期內(nèi)趨勢相似，在滯后4期時(shí)達(dá)到第一個(gè)頂峰，但上升速度明顯更快，在滯后5期時(shí)達(dá)到40%水平，并有繼續(xù)上升的趨勢。

四、結(jié)論與對(duì)策建議

本文主要結(jié)論為：1. 1992-2017年間廣東農(nóng)民人均可支配收入受多個(gè)因素影響，這些高度相關(guān)的因素可以提煉為農(nóng)業(yè)發(fā)展內(nèi)部因子、農(nóng)業(yè)發(fā)展外部因子和農(nóng)業(yè)發(fā)展科技因子三個(gè)公共影響因子。2. 廣東農(nóng)民人均可支配收入與這三個(gè)公共影響因子之間存在著長期均衡關(guān)系：（1） 農(nóng)業(yè)發(fā)展內(nèi)部因子對(duì)廣東農(nóng)民人均可支配收入具有持續(xù)且較明顯的正向影響，但隨著時(shí)間的推移，正向影響力逐漸減弱;（2） 農(nóng)業(yè)發(fā)展外部因子在對(duì)農(nóng)民人均可支配收入產(chǎn)生短暫的正向沖擊后，出現(xiàn)負(fù)效應(yīng)，逐漸抑制農(nóng)民收入的增長，但影響力也隨著時(shí)間推移而減弱;（3） 農(nóng)業(yè)發(fā)展科技因子在前期對(duì)農(nóng)民收入的正向效應(yīng)非常明顯，短期內(nèi)可以迅速拉動(dòng)農(nóng)民收入增長，但同樣隨著時(shí)間的推移，影響力逐漸減弱，并趨向于穩(wěn)定在一定的水平。這可能是因?yàn)榭萍嫉陌l(fā)展在短時(shí)間內(nèi)可以迅速引起農(nóng)業(yè)生產(chǎn)方式的變革，但農(nóng)村地區(qū)在短期內(nèi)無法構(gòu)建起科學(xué)的經(jīng)營模式，沒有使農(nóng)業(yè)科技成果順利的轉(zhuǎn)變?yōu)槌志玫霓r(nóng)業(yè)生產(chǎn)實(shí)際力，導(dǎo)致科技效應(yīng)隨著時(shí)間而減弱;（4） 三個(gè)公共影響因子對(duì)農(nóng)民收入增長的貢獻(xiàn)率都比較明顯，農(nóng)業(yè)發(fā)展內(nèi)、外部因子的貢獻(xiàn)率相差不大，對(duì)農(nóng)民收入影響的趨勢也相似，而農(nóng)業(yè)發(fā)展科技因子對(duì)農(nóng)民收入增長具有的作用顯著大于農(nóng)業(yè)發(fā)展內(nèi)、外部因子。總的來說，各公共影響因子可以通過反向修復(fù)機(jī)制達(dá)到長期均衡。

基于以上研究結(jié)論，本文對(duì)如何促進(jìn)廣東農(nóng)民增加收入提出如下對(duì)策建議：

第一，加大政府對(duì)農(nóng)業(yè)的投資力度。政府對(duì)農(nóng)業(yè)的投資對(duì)農(nóng)民收入增長在短期內(nèi)會(huì)產(chǎn)生強(qiáng)大的拉動(dòng)作用，并間接促進(jìn)人力資本的提升和科技的發(fā)展，所以可以從加大對(duì)農(nóng)村地區(qū)生產(chǎn)設(shè)備、教育以及科技方面的投資入手，促進(jìn)農(nóng)民增收。

第二，鼓勵(lì)科技創(chuàng)新，引進(jìn)人才。農(nóng)業(yè)科技發(fā)展對(duì)農(nóng)民收入的拉動(dòng)作用是持久的，而科技的本質(zhì)是人才，將科技創(chuàng)新和人才引進(jìn)策略貫穿到農(nóng)業(yè)生產(chǎn)的各個(gè)階段，有助于提高農(nóng)業(yè)產(chǎn)業(yè)的綜合效益，進(jìn)而促進(jìn)農(nóng)民增收。

第三，創(chuàng)新農(nóng)業(yè)發(fā)展模式?？萍嫉膭?chuàng)新要落到實(shí)處，就必須有相應(yīng)的制度“土壤”提供營養(yǎng)，創(chuàng)新農(nóng)業(yè)發(fā)展模式有助于將農(nóng)業(yè)科技成果轉(zhuǎn)化為實(shí)際的持久農(nóng)業(yè)生產(chǎn)力，消化科技創(chuàng)新對(duì)傳統(tǒng)農(nóng)業(yè)的沖擊，擴(kuò)大農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)民增收的正向效應(yīng)。

參考文獻(xiàn)：

[1] Brian C Briggeman， Allan W Gray， et al. A New U.S. Farm Household Typology： Implications for Agricultural Policy[ J ]. Review of Agricultural Economics， 2007（04）：765-782.

[2] Huiqing Liu. Increased Farmer Income Evidenced by a New Multifunctional Actor Network in China[ J ]. Agronomy for Sustainable Development ， 2014（34）： 515-523.

[3] Iddo Kan， Ayal Kimhi， Zvi Lerman. Farm Output， Non-farm Income and Commercialization in Rural Georgia[ J ]. Journal of Agricultural and Development Economic， 2006（03）：276-286.

[4] Kashiwa. Chiba. Impact of Farmer Field Schools on Agricultural Income and Skills[ J ]. Journal of International ，2013（25）：362-381.

[5] LU Qian. Farmer Income Differential in Regions[ J ]. Chinese Geographical Science， 2006 （03）：199-202.

[6] Robert. Mendelsohn. Climate and Rural Income[ J ]. Climatic Change， 2007，81（01）：101-118.

[7] 方桂堂.農(nóng)民增收的多維路徑及當(dāng)下選擇：北京個(gè)案[ J ].三農(nóng)新解，2014（03）：96-104.

[8] 郭燕枝，劉旭.基于格蘭杰因果檢驗(yàn)和典型相關(guān)的農(nóng)民收入影響因素研究[ J ].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011（10）：92-97.

[9] 康江江，寧越敏，等.中國集中連片特困地區(qū)農(nóng)民收入的時(shí)空演變及影響因素[ J ].中國人口·資源與環(huán)境，2017，27（11）：86-94.

[10] 穆紅梅.論農(nóng)民收入及其影響因素——以福建省為例[ J ].人口與發(fā)展， 2016，22，125（02）：66-73.

[11] 辛嶺，王艷華.農(nóng)民受教育水平與農(nóng)民收入關(guān)系的實(shí)證研究[ J ].中國農(nóng)村經(jīng)濟(jì)，2007（01）：93-100.

（責(zé)任編輯：李韻婷）