贵州省农业经济增长的实证分析——基于静态与动态计量模型-论文网

首先要从生产函数模型球的要素的产出弹性，然后计算产出和各种要素的平均增长速度，最后利用增长方程计算技术进步速度。增长速度方程方法中，把x1，x4，x5，x8，x9，x10的投入以外的所有因素全部归于技术进步之中。

：技术进步速度；、、、、、、均为平均增长率。、、、、、均为各要素投入弹性系数。

可求得=0.0154。

B、技术进步对贵州省农业经济增长贡献的测度

技术进步对农业经济增长的贡献为：

贵州省1978～2008年农业经济增长的科技进步贡献率为26.35%。这表明，农业经济增长的26.5%可以用科技进步来解释。由上表可知，各要素投入弹性系数之和小于1，这说明，当各变量同时增加1%时，农业总产值将增加小于1%，说明在技术条件不变的前提下，农业经济增长表现为规模效益递减的趋势。

（3）农业产业结构变化对农业总产值的影响

分析农业产业结构变动对农业经济增长的影响，采用以农林牧渔总产值为因变量，以资本投入（ZBTR）为主要控制自变量（由（1）分析可知），NY、LY、MY、YY分别为农业、林业、牧业、渔业占总产值比重。有下表3可知，农业结构变动对农业经济增长具有显著的影响作用。其中，林业的结构变动对农业经济增长的作用最显著，其次是牧业、农业、渔业。

表3农业产业结构变动模型估计结果

3.2贵州省农业经济增长影响因素的动态计量分析

对农业经济增长的分析，除了静态分析以外，有必要对农业经济增长进行动态分析。因为有些因素对农业经济增长的影响不是当期就能产生作用的，必须经济若干年才能起到显著作用，也即农业经济增长的影响因素存在滞后性。

对农业经济增长的影响有一定时间滞后的变量主要有制度变迁、人力资本投资、农村金融发展、物流发展水平及农村信息化。因为这些因素对农业经济增长的影响会有一定的时间滞后，因此在建立模型的过程中应该包含滞后的解释变量，即建立分布滞后模型。由于几何（考伊克）分布滞后模型假定滞后变量的诸系数按几何级数递减，从而存在一定的应用限制性，一个更加一般的模型是阿尔蒙提出的多项式分布滞后模型（PolynomialDistributionLagModel，PDL）。

多项式分布滞后模型需要确定两个因素：滞后项数k，多项式次数m。其中，滞后项数可以根据AIC准则和SC准则来确定，即选择使得AIC和SC最小的滞后项数k。而多项式次数一般可以选择二次或者三次。

（1）制度变迁的PDL模型分析

图1序列y与序列x10的交叉相关系数图

上图1所示的是序列y与序列x10最大滞后长度为16的交叉相关系数图。图的左边两列显示了序列y与序列x10的滞后（lag）交叉相关系数图和先行（lead）交叉相关系数图。由于本文需要考察的是序列y与序列x10的滞后交叉相关，因此只需要观察左边的交叉相关图。

图1的左边第一列显示出序列y与序列x10的滞后交叉相关系数基本上呈指数衰减，滞后长度越大，两者的相关系数越小。图的右边，lag列给出了序列y与序列x10各阶滞后的交叉相关系数，可以看到：序列y与序列x10的0阶、1阶、2阶、3阶、4阶、5阶滞后的相关系数分别为0.8854、0.8136、0.7378、0.6624、0.5811、0.5180；大于6阶的滞后，这两个序列的交叉相关系数小于0.5。因此，根据序列y与序列x10滞后交叉相关系数的分析，分布滞后模型的最大滞后长度应该小于6。为了比较分析，建立滞后长度k分别为2、3、4、5的分布滞后模型。表4为无约束限制的分布滞后模型估计结果。从所估计模型的、AIC准则及SC准则这些值可以判断，模型滞后长度为2且多项式次数为2的模型优于其他模型。

表4多个无约束限制的制度变迁分布滞后模型估计结果

对滞后长度为2且多项式次数为2的模型进行修正，最后得到的结果如下图2所示：

图2制度变迁的PDL模型估计结果

图2所示的输出结果的上半部分中的PDL01、PDL02分别代表式（5.3.4）中的、。由于多项式次数为2，且加入近端约束，因此除了常数项外共有2个系数估计值。PDL01与PDL02的系数估计值在5%的检验水平是显著的，而且F统计量=968.1408，其相应的概率值P为0，从而可以拒绝“整体上诸PDL变量对y没有影响”的原假设，再则=0.9857，非常接近1，说明模型总体模拟效果非常好。

图2的下半部分，LagDistributionofx10列绘出了分布滞后变量x10的诸系数的分布图，其图形大致是二次抛物线形状。

 2/4   首页 上一页 1 2 3 4 下一页 尾页