论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　4.基于VAR模型的脉冲响应函数分析。由于VAR模型具有良好而独特的动态结构性质，可以用于解释各种经济冲击对经济变量形成的影响，因而本文进一步利用脉冲响应函数来识别农业GDP变量或农业科技投入变量的一个随机扰动是如何通过模型来影响其他变量，进而最终反馈到自身上来的。本文基于ADF检验结果中的平稳性序列而构建VAR模型，通过对比分析确定建立VAR(2)模型。基于VAR(2)模型而形成的脉冲响应函数曲线，横坐标表示脉冲响应函数的追踪期，设定为10年；纵坐标表示一个变量对另一个变量的响应程度，图中的实线表示响应函数的计算值，虚线围成的区域代表两倍标准差的置信带。
　　这里主要考察LAGDP对LASTT的响应情况和响应路径以及LASTT对LAGDP的响应情况和响应路径。首先来看农业科技投入对农业GDP的响应情况和响应路径。农业科技投入对于农业GDP一个标准新息的扰动的响应，一开始影响不大，且是正向响应，但此后9年多，一直为负向响应,而且前6年的负响应呈现缓慢加剧之势,而从第7年开始负响应趋于稳定。这说明，在短期内农业GDP的增长对于农业科技投入具有正向影响作用，但此后的影响都是负向的。农业科技投入对于农业GDP具有持续的正向影响作用，虽然在极短的时间内难以发觉这种正向影响，但从相对较长的时间段来看,这种比较稳定的正向影响的持续时间较长，说明农业科技投入对农业GDP的正向拉动影响不仅在短期内客观存在，而且在长期内更为显著和稳定。
　　三、基本结论与对策建议
　　协整检验结果表明，尽管我国农业科技投入变量序列和农业GDP变量序列都是非平稳序列，但两者之间存在某种长期稳定的协整关系。对我国农业科技投入和农业GDP之间的回归分析结果表明，两者具有显著的相关性:农业科技投入对农业经济增长的弹性高达0.6823,论证了农业科技投入与农业GDP之间存在唯一的协整关系。本文分析得出的农业科技投入对经济增长的弹性数据，与DenisonE.F.(1974)计算的美国1929—1969年农业技术进步贡献率（30.9%)、朱希刚（1997)计算的“九五”期间（1996—2000年）农业科技贡献率(42.11%)、王桂荣(2003)计算的20世纪90年代种植业科技贡献率（38.4%)相比，明显偏高。笔者认为，造成这一差异的主要原因可能与样本数据选取时期有关:农业科技投入具有累积效应,投入时间越长、投入绩效越显著。上述学者所采用的数据较早，而本文所采用的是1986—2011年的最新数据。进一步的误差修正模型分析得出，农业科技投入对农业经济增长的影响系数为0.0488,与回归分析中得出的我国农业科技投入对农业经济增长的弹性高达0.6823相比，农业科技投入对农业经济增长的短期影响明显要小于其长期影响。格兰杰因果关系检验结果表明，我国农业科技投入是农业经济增长的格兰杰原因，而农业经济增长也会对农业科技投入产生影响,两者之间存在双向影响的格兰杰因果关系。基于VAR模型的脉冲响应函数分析表明，农业科技投入对于农业GDP具有持续的正向影响作用，虽然在极短的时间内难以发觉这种正向影响,但从相对较长的时间段来看，这种比较稳定的正向影响的持续时间较长，说明农业科技投入对农业GDP的正向拉动影响不仅在短期内客观存在，而且在长期内更为显著和稳定。显而易见，这一结论支持了协整检验和格兰杰因果关系检验的实证结果，说明我国农业GDP增长与农业科技投入之间存在紧密的长期关系,但在短期内农业科技投入对于农业GDP增长的作用不大，这可能意味着短期内农业科技资源配置效率低下，限制了农业科技投入对农业GDP增长作用的充分发挥。即使从长期来看，农业GDP的增长也是边际递减的，说明单方面增加农业科技投入，对农业经济增长的促进作用是有限的。优化农业科技资源配置，比片面增加农业科技投入具有更加重要的意义。
　　农业科技投入对农业经济增长的短期影响明显要小于其长期影响，还可能与我国农业科技投入结构和农业科技投资属性有关:我国农业科技投入由政府主导，投向侧重于基础研究领域。同时，农业经济发展特征决定了农业科技投入的短期回报率不高，农业科技投资回收期长。因此，政府对农业科技的投资要着眼于长远利益，在基础研究和应用研究中合理配置资源，更多地承担基础研究的任务，并引导企业和民间资金积极参与农业科技活动，企业和民间资金主要进入回收周期较短、投资回报率较高的应用研究领域，以弥补政府公共投资的不足。