鞏固扶貧成果對河南農(nóng)民持續(xù)增收的影響因素研究

摘要：在后扶貧時代，促進河南農(nóng)民收入持續(xù)較快增收，對推進鞏固脫貧攻堅成果同鄉(xiāng)村振興有效銜接具有重要的現(xiàn)實意義。文章基于2001-2020年河南省經(jīng)濟數(shù)據(jù)，利用因子分析法提取公因子，并構建結構VAR模型對其進行實證分析。檢驗結果表明：農(nóng)民人力資本水平和城市化的長期增收效應顯著，且前者的作用效果高于后者；在短期內(nèi)，農(nóng)村產(chǎn)業(yè)結構改革與農(nóng)產(chǎn)品貿(mào)易市場化程度的提升對河南農(nóng)民持續(xù)增收具有顯著的促進效應；對農(nóng)業(yè)生產(chǎn)進行的科技投資和農(nóng)業(yè)信息化持續(xù)建設而獲得的長期增收效益大于其創(chuàng)造的短期增收效益。

關鍵詞：后扶貧時期；農(nóng)民增收；因子分析；結構VAR模型

農(nóng)村發(fā)展不足主要體現(xiàn)在農(nóng)民收入增長緩慢，對保障脫貧攻堅成果并實現(xiàn)共同富裕，提高農(nóng)民收入至關重要。2019年和2022年中央一號文件均強調(diào)“農(nóng)民增收”問題，顯示了國家的高度重視。河南省作為農(nóng)業(yè)大省，鄉(xiāng)村人口眾多，研究農(nóng)民增收的影響因素對于推動鄉(xiāng)村振興和鞏固脫貧成果具有重要意義。

一、變量數(shù)據(jù)

（一）變量界定

2021年，河南省農(nóng)村居民人均可支配收入為17533元，增長8.8%。隨著城鎮(zhèn)化推進，農(nóng)村人力資本潛力不斷釋放，農(nóng)業(yè)現(xiàn)代化、市場化和信息化轉(zhuǎn)型為產(chǎn)業(yè)結構優(yōu)化提供了支持。物流和信息流系統(tǒng)的發(fā)展拓寬了貧困群體的增收渠道，提升了就業(yè)穩(wěn)定性，助力持續(xù)創(chuàng)收?；诿撠毠缘某晒ψ龇ǎ梃b張建武等（2020）、郭慧萍（2018）、何茜（2020）、鄒一楠（2021）等學者的研究方法，本研究確定了影響河南省農(nóng)民人均收入的15個指標，指標界定和說明如表1所示：

（二）數(shù)據(jù)描述分析

對2001-2020年數(shù)據(jù)分析表明，河南省農(nóng)民純收入及增長速率低于全國平均水平，且與全國收入差距逐漸擴大。具體結果見圖1所示。

（三）研究假設

本研究基于脫貧攻堅取得的成果和數(shù)據(jù)描述性分析現(xiàn)狀，根據(jù)張建武等（2020）、郭慧萍（2018）、何茜（2020）等學者的結論，為了排除不顯著的因素，確定后扶貧時期河南農(nóng)民持續(xù)增收影響因素，提出以下假設：

H1：農(nóng)民人力資本水平和城市化的長期增收效應顯著，且前者的作用效應更大。

H2：農(nóng)產(chǎn)品的技術研發(fā)投資和農(nóng)業(yè)信息化的建設創(chuàng)造的長期增收效益相比于短期效益更為顯著。

二、實證結果分析

（一）因子分析

因子分析法通過將多個觀測變量簡化為少數(shù)未觀測的潛在因子，深入剖析變量之間的關聯(lián)性和結構模式。其核心目的是通過提取少數(shù)因子來解釋原始變量之間的共變性，從而幫助研究者揭示數(shù)據(jù)背后的隱藏結構并簡化數(shù)據(jù)集的分析過程。因子分析的主要步驟包括因子提取和因子旋轉(zhuǎn)。因子提取用于確定所需的因子數(shù)量，并將原始變量分配到這些因子中；因子旋轉(zhuǎn)則幫助提高解釋性因子的可理解性，使其更符合研究的理論背景。這種方法在心理學、教育、社會科學等領域應用廣泛，常用于分析復雜的數(shù)據(jù)結構，如隱含的構念、人格特征、消費者偏好等，能夠為進一步的實證分析提供有價值的見解。假設有p個變量因素影響農(nóng)民的收入，依次為X1，X2，…Xp，這p個隨機變量構建隨機向量X＝（X1，X2，…Xp）′，如果指標之間存在較強的相關性，則基準因子模型見式（1）所示：

在（2）式中，F(xiàn)1，F(xiàn)2，…Fm構建了公共因子，即p個變量所隱含的共同原因；ε1，ε2，…εp構建了特殊因子，表示每個變量所隱含的各自的特殊原因，εi只與第i個變量Zi產(chǎn)生關聯(lián)，第i個變量Zi在第j個因子Fj上所構成的因子載荷用lij進行表示，其構建的矩陣用L進行表示，則式（1）的矩陣形式可以用式（2）進行表示：

（1）確定因子的數(shù)目。由于原始指標數(shù)據(jù)的量綱無統(tǒng)一標準和固定計量單位，需要對其影響作有效化解?；跇颖局鞒煞值挠嬎氵^程的需要，先將樣本數(shù)據(jù)進行規(guī)范化和標準化統(tǒng)一具有必要性。以便于下一步的統(tǒng)計計算，常用的計算方法如（3）式所示：

在上式中，隨機解釋變量Xi的期望與方差分別用μi、σii表示，原始隨機變量個數(shù)用p表示。滿足如下條件：E（Zi）＝0，var（Zi）＝1，可將處理后的變量進行標準化。通常利用Kaiser-Guttman規(guī)則即“特征值大于1”的判別方法，對因子數(shù)目進行確定和判斷。本研究根據(jù)“特征根大于1”規(guī)則，利用主成分分析法，確定因子數(shù)目m=5。

（2）因子分析結果。因子數(shù)目m=5作為本研究的基礎前提，本研究對表1中15個變量提取公共因子。為得到更顯著的因子模式，本研究采取正交因子旋轉(zhuǎn)方法，因子旋轉(zhuǎn)的終止基于總方差變動微小為標準，因子分析旋轉(zhuǎn)后的統(tǒng)計計算結果如表2所示。

根據(jù)表2的因子載荷，研究通過因子分析對變量進行降維并構建SVAR模型，得出六個關鍵因子：城市化、人力資本、產(chǎn)業(yè)結構、投資、貿(mào)易和信息化。其中，城市化在因子F1上具有最高載荷，被定義為人力資本因子。農(nóng)民收入在多個公因子上的載荷分別為0.94、0.93、0.92等，顯示出各因子對收入的影響程度，尤其是農(nóng)業(yè)科技投資和信息化因子的解釋力較強。最終，通過對因子得分序列的降維，簡化數(shù)據(jù)并構建了實證分析模型SVAR。

（二）SVAR模型分析

SVAR模型中的變量當期相關關系通常隱藏在誤差項中，無法直接通過模型SVAR設定得出。通過假設變量個數(shù)為k，構建公式分析其關系并進行統(tǒng)計分析見式（4）：

其中C0、Γi、ut的含義見《計量經(jīng)濟分析方法與建?！?。實證檢驗的主要步驟如下：

1. 平穩(wěn)性檢驗。本研究采用ADF檢驗方法，對模型中所涉及的時間序列平穩(wěn)性進行判斷，如表3所示展示了具體的計算結果：

2. Johansen協(xié)整檢驗。表3檢驗結果表明，變量對數(shù)序列的1階差分為平穩(wěn)序列。對這7個I（1）序列進行Johansen協(xié)整關系檢驗可知， 7個序列之間存在協(xié)整關系，具體見表4：

3. SVAR模型的估計。在實際應用中Blanchard和Quah于1989年提出，對結構模型系數(shù)矩陣施加約束構成了長期約束的前提條件，本研究所采用的實證分析研究方法基于長期約束條件進行，計算結果如表5所示：

根據(jù)表6可知，樣本期內(nèi)SVAR模型的回歸結果如下：

4. 脈沖響應分析。為了揭示各自變量對因變量所造成的影響和沖擊，本研究分析河南省農(nóng)民純收入受到各個解釋變量變動對其造成的影響，AR根分布見圖2所示。

圖2中AR根的分布表明了SVAR模型具有穩(wěn)定性，在評估河南省農(nóng)民純收入對于各個解釋變量的動態(tài)影響時，我們可以采用脈沖響應分析的方法來捕捉和反映這些沖擊效果，具體如圖3-8所示。

圖3至圖6的結果顯示，河南農(nóng)民人均純收入受到城市化、農(nóng)民人力資本、農(nóng)村產(chǎn)業(yè)結構和農(nóng)業(yè)科技投入等因素的影響，呈現(xiàn)出正效應、負效應及趨于零的變化。觀察結果證實了研究中提出的假設H1和H2，表明這些因素對收入的長期和短期效應需通過方差分解進一步驗證。

5. 方差分解。方差分解結果顯示，河南農(nóng)民人均純收入的構成要素包括自身貢獻率和其他因素的貢獻率。自身貢獻率呈現(xiàn)出先下降后增加并最終穩(wěn)定的趨勢；城市化貢獻率穩(wěn)定在10%以下，第2期達到峰值；農(nóng)民人力資本的貢獻率逐漸超過城市化；農(nóng)村產(chǎn)業(yè)結構貢獻率穩(wěn)定在5%左右，到第4期達到最高值；農(nóng)業(yè)科技和對外貿(mào)易貢獻率在3%-4%之間，在特定時期有所波動。

最后，圖9的觀察結果對于之前提出的假設H2作出了進一步的驗證。在自身貢獻率以及其他因素貢獻率的多重作用效應下，河南農(nóng)民人均純收入隨時間變化所呈現(xiàn)的趨勢觀察結果可知，對之前的研究假設H2進行了進一步的驗證。

三、結論與建議

（一）研究結論

1. 城市化和農(nóng)民人力資本水平對農(nóng)民收入增長具有顯著作用。研究表明，在1%置信水平上，這兩者對河南農(nóng)民收入的長期增長有顯著促進效果，尤其是農(nóng)民人力資本的作用大于城市化，表明提高農(nóng)民的教育和技能對收入的影響更持久。

2. 農(nóng)村產(chǎn)業(yè)結構調(diào)整和農(nóng)產(chǎn)品貿(mào)易對農(nóng)民收入的正向效應顯著，且影響持續(xù)時間較長。盡管其效應略低于城市化和人力資本，但能夠為農(nóng)民收入提供長期的穩(wěn)定支撐，符合因子分析結果。

3. 農(nóng)業(yè)生產(chǎn)科技投資和信息化水平對農(nóng)民收入增長的影響顯著，尤其是科技投資貢獻更大。從長期看，這兩者的作用均超過其帶來的短期增收效益，顯示出持續(xù)的科技和信息化投入對提升農(nóng)民收入的重要性。

（二）對策建議

1. 加快促進資源向農(nóng)村傾斜，保障農(nóng)民收入增長。在鄉(xiāng)村振興中，加大縣域資金和土地等資源的投入，培育農(nóng)業(yè)技術人才，提升農(nóng)民就業(yè)率，確保農(nóng)民工資性收入的持續(xù)增長。

2. 優(yōu)化調(diào)整農(nóng)業(yè)生產(chǎn)結構。通過推進農(nóng)業(yè)現(xiàn)代化和信息化，提升農(nóng)業(yè)生產(chǎn)效益，促進農(nóng)產(chǎn)品附加值的提升，推動特色產(chǎn)業(yè)集群建設，實現(xiàn)農(nóng)村產(chǎn)業(yè)轉(zhuǎn)型。

3. 深化農(nóng)村土地制度改革，促進農(nóng)民家庭的財產(chǎn)性收入。改革土地產(chǎn)權制度，完善征地補償機制，確保農(nóng)民更多地參與土地增值收益分配，并通過政策支持失地農(nóng)民再就業(yè)和創(chuàng)業(yè)，增加財產(chǎn)性收入。

參考文獻：

[1]高鐵梅.計量經(jīng)濟分析方法與建模[M].北京：清華大學出版社，2009.

[2]李子奈，潘文卿.計量經(jīng)濟學（第四版）[M].北京：高等教育出版社，2015.

[3]林海明，杜子芳.主成分分析綜合評價應該注意的問題[J].統(tǒng)計研究，2013，30（08）：25-31.

[4]姜長云.科學理解推進鄉(xiāng)村振興的重大戰(zhàn)略導向[J].管理世界，2018，34（04）：17-24.

[5]劉合光.鄉(xiāng)村振興戰(zhàn)略的關鍵點、發(fā)展路徑與風險規(guī)避[J].新疆師范大學學報（哲學社會科學版），2018，39（03）：25-33.

[6]張建武，張?zhí)@容，李楠.基于VAR模型的廣東農(nóng)民收入影響因素研究[J].南方農(nóng)村，2020，36（02）：4-10+22.

[7]郭慧萍.河南省農(nóng)民增收的影響因素與增加農(nóng)民收入的對策[J].河南工業(yè)大學學報（社會科學版），2018，14（06）：1-9.

[8]何茜.中國城鄉(xiāng)居民收入差距來源的結構分解[J].統(tǒng)計與決策，2020，36（20）：76-79.

[9]常文濤.我國城鎮(zhèn)化與城鄉(xiāng)居民收入差距關系實證分析[J].信陽師范學院學報（哲學社會科學版），2016，36（01）：47-51.

[10] 常文濤，杜賓彬.基于鄉(xiāng)村振興的“后扶貧時代”農(nóng)民增收影響因素分析[J].統(tǒng)計與決策，2022，38（08）：27-31.

（作者單位：武漢科技大學馬克思主義學院）