VAR模型的安徽省农村人口流动与粮食产量的关系研究

中图分类号:C939文献标识码:A文章编号:0439-8114(2017)12-2395-06

DOI:10。14088/j。cnki。issn0439-8114。2017。12。048

Researcho论文网ntheRelationshipbetweenRuralPopulationFloatandGrainYieldInAnhuiBasedonVARModel

DUHui-yan,WANGXu,ZHANGYan,ZHANGZhong

(CollegeofPublicAdministration,HohaiUniversity,Nanjing210098,China)

Abstract:Basedonthetimeseriesdataoftotalgrainyield,floatingpopulationrateandurbanizationlevelinAnhuiprovinceduring1993-2014,aVARmodelwasconstructedtoanalyzetheinfluenceofruralpopulationfloatongrainyield。Theresultsshowedthat,intheshortterm,thefloatingpopulationratehadagoodeffectongrainyield,mainlyduetothelesspressureofthepopulation-landcontradictionandincreasedmarginalbenefitoflandfromthemassivefloatingpopulation。However,theurbanizationlevelhadnosignificanteffectongrainyield。Inaddition,thegrainsownarea,ruralelectricitypowerconsumptionandchemicalfertilizershadpromotioneffectongrainyieldintheshortterm。Basedonthis,suggestionstoprotectarableland,toimprovethepermanentprotectionareaofbasicgoodfarmlandandtoacceleratethedevelopmentofagriculturalmodernizationwereputforward。

Keywords:ruralpopulationfloat;grainyield;VARmodel;Anhuiprovince

农村劳动力流动与农业发展稳定以及农产品产量持续增长问题对于发展中国家农业发展来说是始终不可回避的现实问题[1]。随着中国经济的迅猛发展,工业化率不断提升,大规模的人口流动成为必然[2]。人口流动是指人口在地区间所做的各种各样短期的。重复的或周期性的运动。根据人口流动的空间,可将其划分为县内的。省内的。省际的以及城乡之间的人口流动等类型。在当前城镇化。市场化的背景下,农村人口流动成为人口流?拥闹髁?军。中国农村劳动力流动具有两种重要形式:一是农村人口加速迁移,表现在农村人口由农村向城镇转移;二是农村劳动力的非农就业,包括农村劳动力外出务工[1]。另外,随着改革开放不断深化,国内省际劳动力流动不断增加,从全国范围来看,农村劳动力的跨区域流动占省际人口迁移的80百分号以上[3]。以农村人口流动为代表的城乡间和省际间的人口流动对粮食生产构成威胁。中国城镇化。工业化和市场化的浪潮使数以亿计的农村劳动力外流,不少地区粮食播种面积减少,粮食生产出现弱质化。兼业化现象[4]。鉴于中国强大的人口基数,粮食安全问题是一个关系民生的大问题[5]。当前,安徽正处于城镇化加速发展时期,安徽也是重要的劳务输出大省,而作为全国重要的粮食生产基地,为保证粮食安全,须对农村人口流动和粮食产量之间的关系进行研究,从而促进农业发展。粮食增产和农民增收。

2安徽农村人口流动和粮食生产现状

自改革开放以来,尤其是近10年以来,中国农村劳动力流动步伐显著加快[1]。由于安徽农村人口流动相关数据缺失,本研究从安徽流动人口整体状况和城镇化率来探究安徽农村人口流动变化趋势。安徽省际间流动人口从1993年121万上升到2014年1053万,净增加932万人,年均增长率为10。85百分号;流动人口占全省总人口比例从2。06百分号增加到15。00百分号。另一方面,安徽城镇化率发展较快,从1993年18。48百分号上升到2014年49。15百分号,年均增长4。77百分号;在城镇生活工作的人口总量从1089。76万人上升到2989。79万人,净增加约1900万人。1993-2014年安徽人口流动。城镇化率和粮食总产量情况见图1。由图1可以看出,安徽省际间流动人口虽一直保持增长势头,但增长速度比较平缓,且略有反复;而城镇化率自1998年开始,一直保持着较强的增长势头,呈现出不断发展的态势。

安徽作为全国重要的粮食生产基地,全省粮食总产量自1993年来整体保持相对平稳的增长趋势。从1993年2305。2万t增加到2014年3415。8万t,净增加1110。6万t,年均增加43。57万t。虽然安徽粮食总产量整体呈现不断增产的情况,但从图1可以看出,粮食产量并不稳定,在1997-2006年10年间,安徽粮食总产量极不稳定,表现出不断起伏的特点,甚至在2003年达到2214。8万t的历史最低值。

3计量模型构建与分析

3。1数据来源与处理

本研究选取1993-2014年安徽省粮食总产量(GY,万t)。流动人口比例(FPR,百分号)。城镇化率(UR,百分号)。粮食播种面积(SA,千hm2)。农村用电量(REPC,万kwh)。农用化肥施用量(CF,t)等指标的时间序列数据,其中粮食总产量为因变量,其余变量为自变量。所有数据均来自安徽省统计年鉴,用统计分析软件Eviews7。0对数据进行分析。同时为减少数据的大幅波动及消除可能潜在的异方差对数据模型估计的影响,首先对粮食总产量。粮食播种面积。农村用电量。农用化肥施用量取自然对数,得到新的序列LnGY。LnSA。LnREPC。LnCF。

3。2变量说明

流动人口比例(FPR):用地区内流向省外半年以上总人数与地区户籍人口总数的比值来表达。该指标能够说明当地人口向省外流动的程度和广度。随着流动人口规模的扩大和流动人口占比的提高,越来越多的农村劳动力从事非农产业,农业兼业化。弱质化。老龄化。高龄化现象日趋严重。

城镇化率(UR):用地区城镇人口总数与地区常住人口总数的比值来表达。该指标能够说明当地农村人口向城镇流动的程度和广度以及城镇人口的数量规模。随着城镇化的推进,流向城镇的农村人口日益增加,成为农村人口流动的主体。

粮食播种面积(SA):指实际播种粮食的面积。凡是实际种植粮食的面积,不管种植在耕地上还是种植在非耕地上,均包括在粮食种植面积中。粮食生产最终来源于土地,因此粮食播种面积是影响粮食产量的根本性因素。

农村用电量(REPC):电力是一种现代化的能源。农村用电量的多少,标志着农村的生产率和农民的生活率。在农业生产上,用电力替代人。畜力乃至煤炭。柴油。汽油等,可以使生产力得到进一步的解放和提高。

农用化肥施用量(CF):指本年内实际用于农业生产的化肥数量,包括氮肥。磷肥。钾肥和复合肥。化肥施用量按照折纯量计算。化肥是粮食生产的必需品,对粮食产量的稳定和提升具有不可替代的作用。

3。3实证检验和结果分析

3。3。1单位根检验时间序列数据的平稳性是进行VAR模型分析的前提,在非平稳的情形下应用VAR模型可能会产生伪回归,使得估计结果与实际情形严重偏离。因此,在进行实证分析前,运用ADF检验方法对数据的平稳性进行检验。

由表1可知,在所有被检验的变量中,对数化处理后的LnCF(农用化肥施用量)和LnSA(?Z食播种面积)仅在10百分号的显著水平下可以拒绝有单位根的原假设,而在1百分号和5百分号的显著水平下无法拒绝原假设。另外FPR(流动人口比例)。UR(城镇化率)。LnREPC(对数化后的农村用电量)。LnGY(对数化后的粮食产量)4个变量无论在何种显著水平下,均不能拒绝其存在单位根的原假设。因此,时间序列数据FPR。UR。LnREPC。LnGY在1百分号。5百分号和10百分号显著水平下存在单位根,为非平稳序列;LnCF和LnSA在1百分号和5百分号显著水平下存在单位根,为非平稳序列。而各变量的一阶差分序列经ADF检验,在各个显著水平下均是平稳的,即序列FPR。UR。LnREPC。LnCF。LnSA。LnGY均是单整序列。

3。3。2VAR模型的构建VAR模型是一种非结构化的模型,即变量间的关系并不依靠经济理论作为基础,它采用多方程联立形式,将内生变量对模型中全部内生变量的滞后期进行回归。VAR模型一般形式为:

Yt=A1Yt-1+A2Yt-2+???+APYt-p+B0Xt+???+BrXt-r+?着t

t=1,2,??,n(1)

式中,Yt是k维内生变量向量,Yt-i(i=1,2,…,p)是滞后内生变量向量,Xt-i(i=0,1,…,r)是d维外生变量向量或滞后外生变量向量,P。r分别是内生变量和外生变量的滞后阶数。At是k×k维系数矩阵,Bi是k×d维系数矩阵,?着t是由k维随机误差项构成的向量。

序列FPR。UR。LnREPC。LnCF。LnSA。LnGY通过了平稳性检验,但是在构建VAR模型之前仍需要确定滞后阶数,因为选择最佳滞后期是确定VAR模型结构的重要前提。运用Eviews7。0,依据AIC和SC最小原则,对序列FPR。UR。LnREPC。LnCF。LnSA。LnGY的滞后阶数进行判断,确定最佳滞后期为2,因此建立VAR(2)模型。

运用Eviews7。0,构建VAR模型自回归向量方程如下:

LnGY=-1。0161LnGY(-1)-0。1545LnGY(-2)+1。9093LnSA(-1)-0。7985LnSA(-2)-0。0408LnCF(-1)-0。5444LnCF(-2)+0。5186LnREPC(-1)+0。0868Ln

REPC(-2)+0。3670FPR(-1)-0。4374FPR(-2)-0。0020UR(-1)+0。0083UR(-2)+8。1097(2)由式(2)可知,前1期的粮食产量对当期粮食产量的影响为负,前2期的粮食产量对当期粮食产量的影响仍为负,表明粮食产量的基础率对粮食产量的影响较大,并且影响逐渐明显。粮食播种面积在滞后1期对粮食产量的影响为正,在滞后2期为负,且系数之和为正值,表明粮食播种面积对粮食产量的影响在减弱。农用化肥施用量在滞后1期对粮食产量的影响为负,在滞后2期为负,且影响逐渐减弱。农村用电量在滞后1期对粮食产量的影响为正,在滞后2期为正,说明农村用电量和粮食产量呈现正相关关系。流动人口比例在滞后1期对粮食产量的影响为正,在滞后2期为负,系数和为负,表明流动人口比例和粮食产量之间在短期内可能有正相关关系。城镇化率在滞后1期对粮食产量的影响为负,滞后2期为正,系数和为正,表明城镇化率和粮食产量在短期内可能是负相关,但长期看二者可能存在正相关关系。

3。3。3脉冲响应分析VAR模型的不足在于模型难以解释计量结果的经济含义,这要依赖于脉冲响应函数对有关模型的解释。脉冲响应函数刻画了在误差项加一个标准差大小的冲击对内生变量的当期值和未来值带来的影响。与VAR模型的系数相比,脉冲响应函数可以较好地反映序列之间的动态关系。已建立的VAR模型,进一步分析人口流动和粮食产量之间的动态响应。

运用脉冲响应函数分析的前提是VAR模型具有稳定性。因此运用Eviews7。0对建立的VAR(2)模型进行检验,见图2。由图2可知,该模型的所有特征根均小于1,位于单位圆之内,表明模型稳定,可以进行脉冲响应函数分析。图3是脉冲响应曲线图,模型冲击作用的滞后期设定为20期。

1)粮食播种面积对粮食产量的响应情况。从图3a可以看出,粮食产量对粮食播种面积一个标准差新息的冲击在第1期产生较大强度的正响应,且达到最大值,2～4期正响应开始下降趋近于0,5～15期出现负响应,16～20期出现正响应且在缓慢上升。这一现象说明在耕地资源有限的情况下,增加播种面积虽然可以实现粮食短期内增产;从中期来看,扩大粮食播种面积对粮食产量影响并不明显;长期来看,粮食播种面积必须有一定的保证,才能确保粮食总产量增加。

2)农用化肥施用量对粮食产量的响应情况。从图3b可以看出,农用化肥施用量给粮食产量新息一定的冲击,粮食产量在第2期做出最高的正响应,到第3期迅速下降为负响应,随后在3～13期间不断在正向影响和负向影响间波动,在14～20期呈现负响应。短期来看,农用化肥施用量对粮食产量有促进作用,但从长期看,化肥施用量的增长对粮食产量的影响不确定。

3)农村用电量对粮食产量的响应情况。从图3c可以看出,粮食产量对农村用电量一个标准差新息的冲击在第1期产生较大强度的正响应,在第3期达到最大程度的正响应,在4～9期粮食产量对农村用电量在正响应和负响应间波动,在10～20期表现出负响应。这一现象说明农村用电量对粮食产量的影响,从短期看以促进作用为主,从长期看则对粮食产量产生一定的消极影响。

4)流动人口比例对粮食产量的响应情况。从图3d可以看出,流动人口比例给粮食产量新息一定的冲击后,粮食产量在第1期立即做出最大的正响应,随后在2～3期,正响应缓慢下降,在4～9期呈现负响应和正响应交替出现的情形,第10期往后趋于稳定。总体看,人口流动对粮食产量有促进作用,减少了人地矛盾,有利于土地集中经营,提升土地的边际效益。

5)城镇化率对粮食产量的响应情况。从图3e可以看出,城镇化率在给粮食产量新息一定的冲击后,粮食产量在第1期做出负响应,随后在第2期立即做出较强正响应,第3期仍为正响应,在4～9期正负响应交替出现,第10期往后趋于平稳。

3。3。4方差分解脉冲响应分析函数刻画的是一个变量的冲击对另一个变量的影响情况,而方差分解则将VAR模型的一个变量的方差分解到其他变量上,进而计算出其对各变量变化的贡献度。检验LnGY作为因变量的方差分解见表1。

从方差分解表看出,LnGY在第1期只有自身对预测方差有贡献,在第2期迅速下降到53。29百分号,随后整体保持下降趋势,大约在第11期左右,LnGY分解结果基本稳定。LnSA对LnGY有一定贡献度,在2～5期保持在23百分号以上,大?s在第11期左右分解结果基本稳定。LnCF对LnGY有一定贡献度,大约在第14期左右分解结果基本稳定。LnREPC对LnGY的贡献度从第2期的15。81百分号上升到第9期的22。60百分号,随后基本保持稳定。FPR对LnGY的贡献度从第3期的4。71百分号迅速上升到第4期的18。02百分号,随后大约在第7期左右分解结构保持基本稳定。UR对LnGY的贡献度很低,始终未达到0。50百分号。

4结论与建议

4。1主要结论

综合上文分析,可以得出以下结论:从短期来看,流动人口比例增加对粮食产量产生促进作用,主要是因为农村人口流动的增加有利于减缓人地矛盾,在很大程度上促进土地规模化经营,提升土地的边际效益;另外可能是因为在一定程度上改变农业兼业化的现状,对农业技术。新品种的推广都有促进作用。但是城镇化率对粮食产量的促进作用不明显,说明在当前城镇化加速发展的背景下,城镇化的推进是以占用耕地为代价的,这对提升粮食产量具有明显的抑制作用。虽然城镇化水平的提高意味着对农业有更多资本。技术的投入,但是这种促进作用可能被耕地面积减少抵消,导致城镇化对提升粮食产量的作用不明显。另外,粮食播种面积。农村用电量和农用化肥施用量在短期内对粮食产量具有推进作用。

4。2政策建议

为保障安徽粮食产量的稳定,特提出以下建议:第一,加大保护耕地的力度,建立并完善基本良田永久保护区。耕地面积的稳定是保障粮食增产的重要前提,安徽省应贯彻最严格的耕地保护政策,加大保护耕地力度。在此基础上,建立完善基本良田永久保护区,保障粮食基地的永续生产,进而保障粮食供给。第二,推进农业现代化,提升农业生产科技含量。流动人口的增加对粮食生产有促进作用,说明土地集中经营。农业生产机械。技术等投入对保障粮食生产有重要作用。农业现代化是农业发展的必由之路,现代农业技术。手段的运用则是服务粮食生产的利器。

VAR模型的安徽省农村人口流动与粮食产量的关系研究