農(nóng)村經(jīng)濟增長和反貧困探析范文

本站小編為你精心準備了農(nóng)村經(jīng)濟增長和反貧困探析參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

一、經(jīng)濟增長與扶貧

在過去二十年里,大部分發(fā)展中國家在扶貧方面成效不大,中國則是一個例外[1]。中國的貧困人口由1978年的2•6億減少到1997年的0•5億。①在短短的20年內(nèi)就取得了如此巨大的扶貧成就在世界史上還屬首次,應(yīng)該說這也是20世紀人類發(fā)展中的一個巨大成就。一系列政策與制度改革以及農(nóng)村的公共投資都對上述成就起了至關(guān)重要的作用。有關(guān)中國農(nóng)業(yè)增長和農(nóng)村扶貧的著述頗多。但是極少有人把扶貧與公共投資結(jié)合起來研究。②我們認為,如果沒有幾十年的公共投資積累,七十年代末以來的經(jīng)濟改革對經(jīng)濟增長和扶貧的作用將會大打折扣。改革前,受種種政策和制度的制約,公共投資的效用未能充分釋放出來。改革消除了這些阻礙,公共投資在促進經(jīng)濟增長以及緩解貧困方面的巨大作用才得以發(fā)揮。本研究的主要目的是建立一個系統(tǒng)的分析框架,在此框架下通過控制制度和政策以及其他因素的影響,分析各種公共投資對經(jīng)濟增長和扶貧的影響。利用過去幾十年的省級數(shù)據(jù),我們運用計量經(jīng)濟方法進行了分析,運用計量經(jīng)濟模型測算每增加一個單位的公共投資的經(jīng)濟回報率及扶貧效果。此模型可以判斷各種公共投資影響經(jīng)濟增長和貧困的途徑。

例如,政府對道路和教育的投資不僅可以通過農(nóng)業(yè)增產(chǎn),還可以通過增加非農(nóng)就業(yè)機會來緩解農(nóng)村貧困。所有這些分析有助于政府采取更有效的扶貧戰(zhàn)略。此外,這個模型可以分地區(qū)測算公共投資對增長及扶貧的效果。這些研究結(jié)果有助于政府提高其有限資源的利用效率以達到預(yù)期的政策目標。本文的結(jié)構(gòu)如下:第二部分回顧中國農(nóng)村在過去幾十年里增長及貧困的演變過程。第三部分描述政府在科研、教育和基礎(chǔ)設(shè)施建設(shè)等方面的投資情況,這些投資對于增長和扶貧具有長期影響。第四部分建立公共投資對貧困影響的分析框架。第五部分描述數(shù)據(jù)、估計方法及結(jié)果。第六部分總結(jié)本報告及其政策含義。

二、經(jīng)濟增長及貧困

在過去二十年里,大部分發(fā)展中國家在扶貧方面成效不大,中國則是一個例外[1]。中國的貧困人口由1978年的2•6億減少到1997年的0•5億。在短短的20年內(nèi)就取得了如此巨大的扶貧成就在世界史上還屬首次,應(yīng)該說這也是20世紀人類發(fā)展中的一個巨大成就。一系列政策與制度改革以及農(nóng)村的公共投資都對上述成就起了至關(guān)重要的作用。改革之前中國農(nóng)村的人均收入水平很低。1978年,農(nóng)民人均年收入只有220元左右,相當于150美元(表1)。③1949年到1978年這29年里,人均收入只增加了95%,年均增長2•3%。中國是世界上最貧窮的國家之一。農(nóng)村有很多人每天還在生存線上掙扎。1978年,中國農(nóng)村的貧困人口為2•6億,占農(nóng)村總?cè)丝诘?3%。這些貧困人群得不到足夠的食物,收入很低,難以維持健康和高生產(chǎn)力的生活。1978年農(nóng)村改革以來,這種情況大有改觀。農(nóng)村人均收入由1978年的220元增加到了1984年的522元,年均增長率15%(表1)。農(nóng)業(yè)收入的快速增長一方面來自生產(chǎn)率的提高,另一方面來自農(nóng)產(chǎn)品價格的提高。④收入的普遍增加使得貧困人口的數(shù)量減少過半,貧困發(fā)生率相應(yīng)地減少了一半以上。到1984年,農(nóng)村人口的貧困發(fā)生率僅為11%。由于土地在家庭之間是平均分配的,使得大部分農(nóng)民都可以得益,從而按照基尼系數(shù)計算的收入差異增加的幅度很小。在改革的第二階段(1985-89年),農(nóng)民收入繼續(xù)增加,但增加速度有所減慢,年均增長率不到3%(表1)。

這主要是由于改革以后農(nóng)業(yè)生產(chǎn)停滯不前造成的。到1984年底,農(nóng)業(yè)快速增長對農(nóng)村扶貧的作用基本上已經(jīng)“耗盡”。在此期間,農(nóng)村收入分配越來越不平等,基尼系數(shù)由0•264上升到0•301[2]。收入分配惡化主要是由于增收的性質(zhì)發(fā)生了變化,增收主要來源于非農(nóng)就業(yè)的機會增加,但是各地區(qū)農(nóng)村的非農(nóng)就業(yè)機會的差異極大[3]。由于糧食的實際價格水平停滯不前而投入品價格不斷上漲,農(nóng)民增收只能依靠提高農(nóng)業(yè)生產(chǎn)與流通的效率和增加非農(nóng)就業(yè)。⑤盡管貧困人群有可能增加現(xiàn)入品的用量,但是由于農(nóng)業(yè)生產(chǎn)條件惡劣,所以總體上增加現(xiàn)入的收益依然很低。隨著農(nóng)村人口總收入中非農(nóng)業(yè)收入所占的比例越來越大,地區(qū)間非農(nóng)業(yè)收入的差異對收入分配惡化的影響越來越大。非農(nóng)部門的發(fā)展主要集中在沿海地區(qū),而沿海地區(qū)人均收入水平高,貧困發(fā)生率比其他地區(qū)低得多。西部和邊疆地區(qū)農(nóng)村貧困人口最集中,這些地區(qū)的發(fā)展遠遠落后于沿海地區(qū)。由此一來,全國貧困人口的數(shù)量從1984年的8900萬增加到1989年的1•03億,五年當中凈增長1400萬(表1)。一直到1990年農(nóng)村貧困人口數(shù)量才開始再次減少,從1989年的1•03億減少到1997年的5000萬,年均脫貧率9%,比同期的收入增加率快(年均增加5%)。表明除了收入增長以外,還有一些因素促進了貧困的減少。1995年,政府決定到2000年徹底消除農(nóng)村貧困。為了實現(xiàn)這一目標,政府采取了一系列的政策措施,投入了大量的財力物力。農(nóng)村人口的收入水平還不及城鎮(zhèn)人口的一半。1978年,農(nóng)村居民的人均收入只有城鎮(zhèn)居民的42%(表1)。1979-1984年農(nóng)村改革的成功使得這個比例在1984年上升到了59%。但是1997年又下降到40%,這主要是由于城鎮(zhèn)的收入增長較快,而農(nóng)村收入增長乏力?？梢娯毨г谥袊饕憩F(xiàn)為農(nóng)村現(xiàn)象,城鎮(zhèn)貧困人口從絕對量上看相對較少,盡管最近幾年城鎮(zhèn)居民的收入分配有惡化的趨勢[4,5,6]。但是無論從規(guī)模還是從嚴重程度上講,城鎮(zhèn)貧困都不能與農(nóng)村貧困相比。

三、公共資本和投資

本節(jié)回顧技術(shù)、教育和基礎(chǔ)設(shè)施的發(fā)展以及政府在這些方面的投資情況。從圖1可以看出,1997年農(nóng)村教育支出占政府全部農(nóng)村支出的41%。灌溉支出其次,占23%。本文所討論的灌溉支出指的是直接與灌溉有關(guān)的支出,不包括城市供水、航海和水力發(fā)電。農(nóng)村基礎(chǔ)設(shè)施投資占政府全部農(nóng)村支出的33%,其中14%為農(nóng)村電力,10%為農(nóng)村道路,9%為農(nóng)村通訊。農(nóng)業(yè)科研投資只占很少一部分,為2•2%。農(nóng)業(yè)科研過去四十年中國的農(nóng)業(yè)科研體系迅速發(fā)展壯大,目前已成為世界上最龐大的公有科研體系之一。到20世紀90年代初(有比較數(shù)據(jù)可查的最近年份),中國的農(nóng)業(yè)的科研支出占發(fā)展中國家農(nóng)業(yè)科研總支出的35%,占發(fā)展中國家農(nóng)業(yè)科研人員總數(shù)的40%。然而,中國農(nóng)業(yè)研究體系在過去幾十年里幾番起落。1949年建國之初,中國對農(nóng)業(yè)研究投資極少,但隨后迅速增加,并一直持續(xù)到1960年(圖1)。受1959-61年饑荒和1966-76年的影響,20世紀60年代農(nóng)業(yè)投資增長相對較少。但70年代農(nóng)業(yè)投資穩(wěn)步增加。到80年代增長放慢,整個80年代只增長23%。90年代農(nóng)業(yè)科研支出又開始增加,這主要是因為政府想依靠科技發(fā)展糧食生產(chǎn)。灌溉在公共投資方面,1949年之后,政府投資重點首先放在灌溉上。1953年,政府灌溉投資1•77億元,比農(nóng)業(yè)科研經(jīng)費多10倍(圖1)。灌溉投資持續(xù)增長到1966年。在時期,政府很容易就可以動員大量的農(nóng)村勞動力來投身大型項目。

由于此期灌溉投資的增加,新增灌溉面積1億公頃。但是1976-1995年期間灌溉投資增加非常少。實際上1976-1989年期間,對灌溉的投資減少了。1989年的灌溉投資水平只有1976年的44%,此期中國農(nóng)業(yè)生產(chǎn)的灌溉面積并沒有增加。由于1994/95糧食歉收,國家進口了大量糧食,并在1996-97年大力增加灌溉投資。由于工業(yè)用水和居民用水與農(nóng)業(yè)爭水,進一步增加灌溉面積會有一定難度。所以,灌溉投資的回報率今后很可能會下降。教育四十年以前,中國國民的平均受教育水平處在世界最低之列。到1956年,一半以上的適齡兒童沒有機會上學(xué)。(1958-1961)和(1966-1976)對中國社會(尤其對教育)是個重大的災(zāi)難。中教育設(shè)施受到極大破壞,學(xué)校停課,學(xué)生的學(xué)習(xí)受到了很大影響。1978年以來,中國實施了“九年制義務(wù)教育”制度,要求所有適齡兒童必須完成小學(xué)和初中教育。1986年,國家正式頒布了《九年制義務(wù)教育法》。

2000年,中國農(nóng)村適齡兒童的入學(xué)率上升到98%,小學(xué)升初中的升學(xué)率達到85%[7]。通過這一系列措施,勞動力的素質(zhì)大幅提高,農(nóng)村勞動力的文盲率由1985年28%下降到1997年的10%。農(nóng)村人力資本的改善有助于農(nóng)民采用現(xiàn)代農(nóng)業(yè)技術(shù),增加到鄉(xiāng)鎮(zhèn)企業(yè)以及城鎮(zhèn)工業(yè)部門就業(yè)的機會。盡管中國教育事業(yè)成就顯著,但國家對教育的投資還遠遠不夠。從支出來看,國家對教育的支出只相當于GDP總量的2•6%,低于大部分發(fā)展中國家(孟加拉、印度尼西亞和緬甸除外)。另外政府在農(nóng)村教育方面所作的努力地區(qū)之間差距很大。官方統(tǒng)計資料表明農(nóng)村勞動力文盲率存在巨大的地區(qū)差異(中國農(nóng)業(yè)統(tǒng)計年鑒,2001)。西部地區(qū)不僅文盲率高,脫盲速度也最慢。即便在同一個省甚至是同一個縣內(nèi)部差距也很大。官方統(tǒng)計資料顯示,世界銀行在云南、貴州和廣西所實施的一個項目中,35個縣的鄉(xiāng)鎮(zhèn)被分成兩組,結(jié)果發(fā)現(xiàn)較貧困那一組的入學(xué)率比全國同齡兒童的平均入學(xué)率低至少10個百分點[8]。農(nóng)戶調(diào)查資料發(fā)現(xiàn)村一級的差異更大。1994年國家統(tǒng)計局對上述35個貧困縣的最貧困鄉(xiāng)鎮(zhèn)的600戶的調(diào)查發(fā)現(xiàn),6到12歲的兒童入學(xué)率僅為55%。官方統(tǒng)計資料還顯示這些縣人口的平均識字率僅為35%[8]。

基礎(chǔ)設(shè)施中國的多山地形嚴重制約了道路發(fā)展。1953年,道路總長度只有13•7萬公里左右,道路密度大約為每千平方公里14公里,遠遠低于同期印度的道路密度。此外,1953-1976年期間,政府在道路建設(shè)方面的投資增加非常少。盡管如此,道路長度仍在緩慢增加。從1985年開始,政府加大了對道路的投資力度,特別是沿海地區(qū)聯(lián)接工業(yè)中心的高速道路。農(nóng)村道路質(zhì)量通常偏低,長度大約為道路總長度的70%。與道路建設(shè)不同的是,中國農(nóng)村在過去的幾十年中最杰出的成就之一就是農(nóng)村的通電工程。有了電,村莊生活發(fā)生了深刻的變化:電力照明延長了人們生產(chǎn)和社會活動的時間;廣播和電視豐富了村民的娛樂和文化生活;電動機械提高了生產(chǎn)力,改善了工作條件。更重要的是,電增強了人們對社會進步和未來美好生活的期望。在過去的幾十年,中國的投資構(gòu)成中電力投資優(yōu)先于道路投資(圖1)。電力投資增加了90倍。農(nóng)村用電量從1953年的幾乎為零增加到1997年1980億千瓦小時,其中以七、八十年代增長最快。1996年通電的村占97%,通電農(nóng)戶的比例超過95%,遠遠高于同期印度的水平。1980年以前,政府農(nóng)村通訊投資的增長速度非常緩慢(圖1)。通訊投資從1•66億元增加到1980年的7•38億元。通訊的大規(guī)模發(fā)展還是最近幾年的事情,農(nóng)村電話從1992年340萬門增加到1997年的1780萬門。這是公共投資和私人投資共同作用的結(jié)果。1989-96年期間,僅通訊公共投資就增加了10倍。

四、分析框架和模型

本研究建立了一個聯(lián)立方程模型來估計政府投資對生產(chǎn)和貧困產(chǎn)生的多途徑影響。聯(lián)立方程方法至少有兩方面的優(yōu)點。第一,一些決定貧困的因素,如收入、生產(chǎn)或生產(chǎn)率增長、價格、工資和非農(nóng)就業(yè)與貧困產(chǎn)生于同一個經(jīng)濟過程。換言之,這些變量是內(nèi)生變量。忽略內(nèi)生性,對扶貧效果的估計結(jié)果就會有偏差。第二,某些特定的經(jīng)濟變量會通過各種渠道對貧困產(chǎn)生影響。例如,改善農(nóng)村基礎(chǔ)設(shè)施不僅可以通過促進農(nóng)業(yè)生產(chǎn)增長來緩解農(nóng)村貧困,還可以通過提高工資和增加非農(nóng)就業(yè)機會影響農(nóng)村貧困。單方程估計法很難分析上述影響。方程(1)到(11)是聯(lián)立方程模型的表達式。各變量的定義請參見表2。方程(1)表示農(nóng)村貧困決定方程(P)。⑥這些因素包括,農(nóng)業(yè)勞動力的平均生產(chǎn)率(AGDPPC),非農(nóng)就業(yè)(NAGEMPLY),農(nóng)村非農(nóng)就業(yè)日工資率(WAGE),農(nóng)業(yè)國內(nèi)貿(mào)易條件(TT),農(nóng)村人口增長(APOP),以及政府扶貧貸款支出的三年移動平均值(PLOAN)。引入農(nóng)業(yè)勞動力的平均生產(chǎn)率主要是反映由于農(nóng)業(yè)生產(chǎn)的增長對扶貧的作用。農(nóng)業(yè)收入在農(nóng)戶總收入中仍占很大比例。即使是在1997年,這一比例仍高達64%。在欠發(fā)達地區(qū),這一比例甚至更高(通常在90%以上)。(1)P=f(AGDPPC,WAGE,NAGEMPLY,TT,APOP-1,PLOAN)(2)AGDPPC=f(LANDPC,AKPC,RDE,RDE-1,…,RDE-i,IR,SCHY,ROADS,ELECT,RTR)(3)NAGDPPC=f(NAKPC,SCHY,ROADS,ELECT,RTR)(4)WAGE=f(ROADS,SCHY,RTR,ELECT,APOP-1,AGDPPC-1,UGDP-1)(5)NAGEMPLY=f(ROADS,SCHY,ELECT,RTR,AGDPPC-1,UGDP-1)(6)IR=f(IRE,IRE-1,…,IRE-j,)(7)ROADS=f(ROADE,ROADE-1,…,ROADE-k)(8)SCHY=f(EDE,EDE-1,…,EDE-m)(9)RTR=f(RTRE,RTRE-1,…,RTRE-l)(10)ELECT=f(PWRE,PWRE-1,…,PWRE-n)(11)TT=f(AGDPPC,AGDPPCn)非農(nóng)就業(yè)收入是中國農(nóng)村居民僅次于農(nóng)業(yè)生產(chǎn)收入的重要收入來源。

工資水平和非農(nóng)業(yè)勞動力人數(shù)是反映非農(nóng)收入變量很好的替代變量。另外,這兩個變量還可以分別對非農(nóng)部門工資變化和就業(yè)人數(shù)變化對農(nóng)村扶貧的影響進行分析,這樣可能對于今后的扶貧工作更具重要政策含義。如果提高農(nóng)村工資率比增加農(nóng)村非農(nóng)就業(yè)的扶貧效果更顯著,那么政府的資源就應(yīng)該用于提高農(nóng)村就業(yè)的工資水平,反之應(yīng)該用在增加非農(nóng)就業(yè)機會。貿(mào)易條件變量主要用來考察農(nóng)產(chǎn)品價格相對于非農(nóng)產(chǎn)品價格的變化對農(nóng)村貧困的影響。如果貧困人口是農(nóng)產(chǎn)品凈買者,農(nóng)產(chǎn)品價格上漲會使他們受損。但是如果是農(nóng)產(chǎn)品凈賣出者,農(nóng)產(chǎn)品提價則使他們受益。然而從長期角度來看,農(nóng)產(chǎn)品價格的上升會導(dǎo)致政府和農(nóng)戶增加農(nóng)業(yè)生產(chǎn)投資,使供給曲線外移。人口的增長同樣會影響到農(nóng)村貧困,因為如果人口增長的速度超過農(nóng)村就業(yè)的增長速度,農(nóng)村貧困人口肯定會增加。對于像中國這樣資源貧乏、人口眾多的國家,這一點就尤為重要。政府扶貧貸款支出一直是政府扶貧的一個主要政策工具。以1996年為例,扶貧貸款支出占政府全部扶貧支出的82%。由于這些扶貧資金要經(jīng)過一段時間才能起到緩解貧困的作用,所以回歸分析中采用了過去三年的移動平均值。對于農(nóng)業(yè)生產(chǎn)率函數(shù)方程(方程2),因變量是勞動生產(chǎn)率,自變量包括每個勞動力所擁有的土地和資本(LANDPC和AKPC)等傳統(tǒng)投入;以及技術(shù)、基礎(chǔ)設(shè)施和教育這些有助于提高農(nóng)業(yè)勞動生產(chǎn)率,推動供給曲線外移的變量;當期以及滯后的政府農(nóng)業(yè)科研推廣投資(RDE,RDE-1,…,RDE-i);種植面積灌溉率(IR);農(nóng)村人口平均受教育年限(SCHY);道路密度(ROADS);人均農(nóng)業(yè)用電量(ELECT);以及農(nóng)村人口每千人所擁有的電話數(shù)量(RTR)。

在非農(nóng)業(yè)生產(chǎn)率函數(shù)方程(方程3)中,因變量是用非農(nóng)業(yè)(或鄉(xiāng)鎮(zhèn)企業(yè))GDP表示的勞動生產(chǎn)率(NAGDPPC),人均資本(NAKPC)、基礎(chǔ)設(shè)施以及勞動力的受教育年限是自變量。方程(4)和(5)是農(nóng)村非農(nóng)部門的工資和就業(yè)決定方程。這些方程是勞動力市場均衡條件下供給和需求方程的簡化形式。勞動力和工資是勞動生產(chǎn)率的函數(shù)。勞動生產(chǎn)率反過來是資本/勞動比率以及導(dǎo)致生產(chǎn)曲線外移的一些因素的函數(shù),如改善基礎(chǔ)設(shè)施和教育。因此,最終的勞動力和工資函數(shù)中包括資本/勞動比率和生產(chǎn)曲線外移因素等變量。但是,我們將資本/勞動比率引入模型后,系數(shù)估計的結(jié)果在統(tǒng)計上并不顯著,所以又去掉了這個變量。之所以不顯著,可能是因為缺乏信貸資源或者是資本市場不發(fā)達,鄉(xiāng)鎮(zhèn)企業(yè)很難籌集到資金來發(fā)展生產(chǎn)。模型中還加入了城市部門的增長率(UGDP-1)來控制城市的增長對農(nóng)村工資和非農(nóng)就業(yè)的影響。方程(6)—(10)用來反映各種投資的存量水平與政府歷年支出之間的關(guān)系。方程(6)反映種植面積灌溉率與政府歷年灌溉支出之間的關(guān)系(IRE,IRE-1,…,IRE-j);方程(7)反映道路密度與政府歷年對鄉(xiāng)村道路的投資(ROADE,ROADE-1,…,ROADE-k)之間的關(guān)系;方程(8)反映農(nóng)村人口平均受教育年限與政府歷年教育投資(EDU,EDU-1,…,EDU-m)之間的關(guān)系;方程(9)反映農(nóng)村電話數(shù)量與政府通訊支出(RTRE,RTRE-1,…,RTRE-l)之間的關(guān)系;方程(10)反映了農(nóng)村用電量(ELECT)與政府電力支出之間的關(guān)系(RWRE,RWRE-1,…,RWRE-n);方程(11)反映了農(nóng)產(chǎn)品貿(mào)易條件。省級以及國家級農(nóng)業(yè)生產(chǎn)率(AGDPPCn)的增長增加了農(nóng)產(chǎn)品供給,農(nóng)產(chǎn)品價格下降。把全國農(nóng)業(yè)生產(chǎn)率的增長率引入模型可以避免過于高估各省政府支出的扶貧效果,因為其他省份生產(chǎn)的增長也會通過全國市場的作用使糧食價格下降。最初我們在方程中引入一些需求變量,如人口和收入增長率,但是這些變量并不顯著,所以從方程中去掉了。制度變遷和政策改革對于農(nóng)村農(nóng)業(yè)部門和非農(nóng)業(yè)部門生產(chǎn)的增長以及農(nóng)村扶貧的貢獻高都很大。與以前的研究[9]不一樣,本研究的目的不在于量化這些因素的影響。但是,忽略這些因素會導(dǎo)致估計上的偏差,為此我們在所有的方程中加入了年份虛變量,以反映某一年的制度和政策變化對農(nóng)業(yè)和非農(nóng)業(yè)生產(chǎn)增長以及扶貧的影響。模型中還引入地區(qū)虛變量以控制每個地區(qū)固有的其它社會經(jīng)濟條件對貧困的影響。

五、數(shù)據(jù)、模型估計和結(jié)果

本節(jié)討論估計方法以及模型結(jié)果,并介紹各地區(qū)各種政府投資的邊際回報率的計算方法。模型估計聯(lián)立系統(tǒng)內(nèi)所有方程均采用雙對數(shù)形式。如果采用更為靈活的方程形式,如超越對數(shù)或是二次方程,對系數(shù)估計的限制要少一些,但是由于一些交叉變量之間存在多重共線性,許多系數(shù)都不顯著。對于聯(lián)立系統(tǒng)方程,我們采用完全信息最大似然法進行估計。由于只有7年的分省貧困數(shù)據(jù):1985-89,1991和1996年,所以采用兩步法對聯(lián)立系統(tǒng)方程進行估計。第一步,用1970-1997年的分省數(shù)據(jù)估計除貧困方程之外的所有方程。然后,利用估計的系數(shù)預(yù)測各省AGDPPC,WAGE和NAGEMPLY,以及TT的值。第二步,用1985-89,1991和1996年的貧困數(shù)據(jù)以及各省的因變量的預(yù)測值估計貧困方程。兩步法的優(yōu)點在于,在估計非貧困方程時充分利用了現(xiàn)有的所有數(shù)據(jù),從而可以增加估計結(jié)果的可靠程度,同時也避免了貧困方程中自變量的內(nèi)生性問題。政府在農(nóng)業(yè)科研、道路、教育、電力、通訊以及灌溉方面的投資有很長的滯延期,一旦發(fā)生作用,將對農(nóng)業(yè)生產(chǎn)產(chǎn)生長期的影響。在生產(chǎn)函數(shù)或生產(chǎn)率函數(shù)中引入公共投資變量的一個棘手的問題就是:如何選擇合理的滯后分布。

以往的研究大多數(shù)采用存量變量(用政府歷年在某方面的公共投資(如科研)的加權(quán)平均值)。而就權(quán)重以及滯后的年限的長短目前還頗有爭議。由于政府公共投資的滯后分布及長度往往未知,所以我們在分析中選用了一個較為自由的滯延期結(jié)構(gòu)。具體是這樣的,將政府歷年的各種公共投資如科研、灌溉、道路、電力和教育分別引入生產(chǎn)率、技術(shù)、基礎(chǔ)設(shè)施以及教育方程中,然后再用統(tǒng)計分析工具檢驗和確定每種公共投資的合理滯延期長度。有很多方法可以用來確定適宜的滯延期長度。一些經(jīng)濟學(xué)家[10]常常選用調(diào)整R2和“Akaike信息準則”(AIC)。本報告利用調(diào)整R2來確定滯延期。由于聯(lián)立系統(tǒng)方程估計得到的R2不能提供準確的擬合信息,我們選用單方程的調(diào)整R2。當R2最大化時的滯延期長度就是最佳的長度。AIC準則也與此類似,方程的擬合程度好,但是減少了自由度。利用調(diào)整R2確定科研、灌溉、教育、電力以及道路投資的滯延期長度分別為17、14、16、12和17年。有關(guān)滯延期分布的另一個問題是,自變量(如:生產(chǎn)率方程中的RDE,RDE-1,RDE-2,…和RDE-i)往往高度相關(guān),結(jié)果系數(shù)在統(tǒng)計上不顯著。有許多方法可以解決這一問題。最常用的方法是“多項式滯延期分布”或“PDLs”。在多項式滯延期分布中,要求所有的系數(shù)服從次數(shù)為d的多項式分布。本報告中將d定為2,采用2次PDLs。這樣我們只需要估計3個而不是i+1個滯延分布系數(shù)。有關(guān)滯延期分布的詳盡的討論,請參閱Davidson和MacKinnon[11]。滯延期長度確定以后,就可以利用PDLs方法以及每一種投資的最佳滯延期長度進行估計聯(lián)立系統(tǒng)方程。估計結(jié)果表3是聯(lián)立系統(tǒng)方程的估計結(jié)果。大部分系數(shù)在10%的置信水平顯著。由于使用的是雙對數(shù)函數(shù),所以系數(shù)就是所在方程中的彈性。貧困方程(1)估計結(jié)果與以往的一些研究結(jié)果是一致的。提高農(nóng)業(yè)生產(chǎn)率、提高非農(nóng)工資水平、增加非農(nóng)就業(yè)機會均對扶貧具有顯著的促進作用。貿(mào)易條件變量的系數(shù)為負值且顯著,說明提高農(nóng)產(chǎn)品價格對農(nóng)村貧困人口有利?？梢赃@樣解釋,中國大多數(shù)貧困農(nóng)戶是糧食的凈出售者,農(nóng)產(chǎn)品價格升高,貧困農(nóng)民的收入也會隨之增加。人口增長變量與貧困正相關(guān),但其系數(shù)在統(tǒng)計上并不顯著。政府的扶貧貸款支出有助于緩解農(nóng)村貧困,但這個變量的系數(shù)也不顯著。農(nóng)業(yè)勞動生產(chǎn)率方程(2)估計結(jié)果顯示,改善農(nóng)業(yè)科研與推廣、道路、灌溉以及教育狀況對農(nóng)業(yè)增長有顯著的促進作用。但電力變量的系數(shù)并不顯著。這里報告的農(nóng)業(yè)科研推廣的系數(shù)是根據(jù)PDLs分布計算的過去17年的系數(shù)之和。

顯著性檢驗指對PDLs三個系數(shù)的聯(lián)合t檢驗。方程(3)的估計結(jié)果顯示,改善道路、教育和農(nóng)村通訊均促進了農(nóng)村非農(nóng)部門的發(fā)展。與農(nóng)業(yè)生產(chǎn)率方程(2)相似,電力變量的系數(shù)為正,但不顯著。方程(4)的估計結(jié)果顯示,農(nóng)村非農(nóng)工資水平主要是由政府對道路、教育以及電訊的投資水平?jīng)Q定的。在估計該方程有一個重要發(fā)現(xiàn),農(nóng)業(yè)勞動生產(chǎn)率對非農(nóng)就業(yè)的工資水平有顯著影響,而城市的增長對農(nóng)村工資水平的影響不顯著。這可能表明對于城鄉(xiāng)之間的勞動力流動仍然存在或明或暗的限制。方程(5)的估計結(jié)果顯示,改善農(nóng)村道路、電訊、電力以及教育均會促進農(nóng)村非農(nóng)就業(yè)的增加。提高農(nóng)業(yè)生產(chǎn)率對農(nóng)村非農(nóng)就業(yè)的發(fā)展有顯著的促進作用。與工資方程不同的是,城市部門的發(fā)展對農(nóng)村非農(nóng)就業(yè)水平有顯著影響。方程(6)—(10)的估計結(jié)果顯示,政府對灌溉、道路、教育、農(nóng)村通訊以及電力的投資顯著地促進了灌溉、道路、農(nóng)村教育、通訊的改善,農(nóng)村用電量也顯著增加。這些變量的系數(shù)都達到了統(tǒng)計顯著水平。最后,貿(mào)易條件方程(11)的估計結(jié)果進一步證實,提高全國和各省的農(nóng)業(yè)生產(chǎn)率對農(nóng)產(chǎn)品價格有一種向下的壓力,使農(nóng)業(yè)的貿(mào)易條件惡化。

公共投資的效果利用方程(1)—(11)和表3所示的估計結(jié)果,可以推導(dǎo)出各種公共投資對增長和扶貧的邊際回報率(參考附錄2)。我們分三個地區(qū)⑦計算了各種公共投資的邊際回報率。公共投資對農(nóng)業(yè)和非農(nóng)業(yè)生產(chǎn)農(nóng)村扶貧的邊際回報率。扶貧效果用每一個單位的公共投資所帶來的收益(元)或脫貧的人數(shù)表示。例如,灌溉投資的回報率用每增加一個單位的灌溉投資所帶來的產(chǎn)值的增加或者是脫貧的人數(shù)表示。⑧測算邊際回報率有利于比較各種公共投資在不同地區(qū)對經(jīng)濟增長和扶貧作用的相對差異,為政府確定今后公共投資的優(yōu)先序,進一步發(fā)展生產(chǎn)和緩解貧困提供實證依據(jù)。在提高農(nóng)業(yè)GDP和非農(nóng)業(yè)GDP的同時,所有促進生產(chǎn)的公共投資都有助于扶貧。但是就增產(chǎn)的幅度和緩解貧困的程度因公共投資的種類和地區(qū)變動很大。從全國來看,教育公共投資的扶貧效果最大。同時,教育對農(nóng)業(yè)GDP的回報率在各種公共投資之間排名第二,對非農(nóng)GDP和農(nóng)村總GDP的回報率排名第三。因此,增加對教育的投資絕對是一個“雙贏”策略。每增加1萬元的教育投資,就可使9個人脫貧,比科研投資的扶貧效果高出30%。農(nóng)業(yè)科研開發(fā)投資的扶貧效果居第二位,而對農(nóng)業(yè)GDP和農(nóng)村總體GDP回報率最大。可見農(nóng)業(yè)科研投資也是一項比較有利的投資。政府農(nóng)村基礎(chǔ)設(shè)施建設(shè)投資的扶貧效果很顯著,這主要是通過增加農(nóng)業(yè)和非農(nóng)業(yè)生產(chǎn)來實現(xiàn)的。

道路投資的扶貧效果在三種基礎(chǔ)設(shè)施建設(shè)變量中最大。每增加1萬元的道路投資可脫貧3•2人,僅次于教育和科研投資,扶貧效果位居第三位。從增長效果來看,每增加1元道路投資可以增加農(nóng)村GDP8•83元,比農(nóng)業(yè)科研投資的增長效果略小。道路投資對農(nóng)業(yè)GDP和非農(nóng)業(yè)GDP回報率都很高,其中對非農(nóng)GDP的回報率最高,每增加1元道路投資可以增加非農(nóng)業(yè)產(chǎn)值6•71元,比對教育投資高出35%。對農(nóng)業(yè)GDP的回報率,道路投資居第三位,僅次于科研投資和教育投資。盡管電力投資對農(nóng)業(yè)GDP和非農(nóng)業(yè)GDP的投資回報率都比較低,但扶貧效果卻居第四位。每增加1萬元電力投資可以脫貧2•3人。這是因為通不通電對增加非農(nóng)就業(yè)至關(guān)重要(表4)。農(nóng)村電話投資對農(nóng)業(yè)GDP和非農(nóng)業(yè)GDP的回報率都很可觀,農(nóng)村電話的扶貧效果與電力投資接近。從全國來看,灌溉投資的扶貧效果相對較小,雖然灌溉投資的經(jīng)濟回報率為正且高于電力投資。這是因為灌溉投資只能通過提高農(nóng)業(yè)生產(chǎn)率來影響扶貧。與常理相違背的是,研究發(fā)現(xiàn)政府扶貧貸款的扶貧效果很小而且不顯著。實際上,政府扶貧貸款的扶貧效果在我們所分析的各種政府投資當中是最小的。每增加1萬元扶貧貸款投資,只能脫貧1人,其扶貧效果只相當于教育的13%,科研投資的15%,農(nóng)村基礎(chǔ)設(shè)施建設(shè)的50%,比灌溉投資還小。公共投資對GDP和扶貧方面的回報率在地區(qū)之間差距很大。從扶貧效果來看,各種公共投資在西部地區(qū)的回報率最高。例如,每增加1萬元農(nóng)業(yè)科研、教育、道路、電話或電力投資分別能夠脫貧的人數(shù)分別是33、29、11、9和6人,分別是各種公共投資全國平均扶貧效果的4•8、3•3、3•2、3•9和2•8倍。灌溉投資在西部地區(qū)每增加1萬元灌溉投資可以脫貧4人,比全國平均水平高3倍。從對農(nóng)業(yè)增長的回報率看,農(nóng)業(yè)科研投資在西部地區(qū)的回報率最高,灌溉投資在沿海地區(qū)的回報率最高。對于教育和農(nóng)村基礎(chǔ)設(shè)施(道路、電力和通訊)投資,在中部地區(qū)回報率最高。另一方面,大部分公共投資對非農(nóng)GDP的回報率在沿海地區(qū)和中部地區(qū)最高。

六、結(jié)論

本研究利用1970-97年的省級數(shù)據(jù),用聯(lián)立系統(tǒng)模型估計并測算了各種公共投資對農(nóng)業(yè)村經(jīng)濟增長以及農(nóng)村扶貧的影響。研究結(jié)果顯示,政府在促進生產(chǎn)方面的支出,如農(nóng)業(yè)科研、灌溉、農(nóng)村教育和基礎(chǔ)設(shè)施建設(shè)(包括道路、電力和通訊)等均對提高農(nóng)業(yè)生產(chǎn)率以及農(nóng)村扶貧起到了推動作用。但是各種公共投資在不同地區(qū)對生產(chǎn)率的邊際影響存在很大差異。教育投資的扶貧效果最顯著,同時對農(nóng)業(yè)、非農(nóng)業(yè)以及對整個農(nóng)村經(jīng)濟增長的回報率也很高。政府的農(nóng)業(yè)科研推廣投資使農(nóng)業(yè)生產(chǎn)大大改善。事實上,農(nóng)業(yè)科研推廣投資對于農(nóng)業(yè)生產(chǎn)以及整個農(nóng)村經(jīng)濟增長的貢獻是最大的。中國是一個大國,為了滿足人民群眾日益增長的需要,農(nóng)業(yè)增長依然具有重大意義。通過“溢出”效應(yīng),農(nóng)業(yè)生產(chǎn)增長還使農(nóng)村貧困人口受益。農(nóng)業(yè)科研投資的扶貧效果僅次于教育投資。政府對農(nóng)村通訊、電力和道路的投資同樣對農(nóng)村扶貧有較大影響。這些基礎(chǔ)設(shè)施投資的扶貧效果主要是提高增加非農(nóng)就業(yè)機會和提高農(nóng)村工資率。值得一提的是,道路投資對非農(nóng)GDP增長的回報率最高,對整個農(nóng)村經(jīng)濟的回報率僅次于農(nóng)業(yè)科研投資。灌溉投資對農(nóng)業(yè)生產(chǎn)增長的影響不明顯,扶貧效果更小(即便考慮到“溢出效應(yīng)”)。這與Fan,Hazell和Thorat(1999)在印度的研究結(jié)果是一致的。另一個令人吃驚的結(jié)果是政府的扶貧貸款的扶貧效果最小,對提高生產(chǎn)率也沒有明顯的作用。這一發(fā)現(xiàn)與Fan,Hazell,和Thorat(1999)的發(fā)現(xiàn)也是一致的。在西部地區(qū)增加公共投資對扶貧和縮小地區(qū)差距作用最大,因為西部地區(qū)是目前中國貧困人口最集中的地區(qū)。教育、農(nóng)業(yè)科研和道路投資的回報率在西部地區(qū)最高。然而在中部地區(qū),大部分公共投資的經(jīng)濟回報都比在西部地區(qū)高。值得慶幸的是,西部地區(qū)的扶貧效果與中部地區(qū)的增產(chǎn)效果沖突很小。本研究結(jié)果對政府確定其今后投資的優(yōu)先序具有重要的政策含義。本研究發(fā)現(xiàn)各種公共投資的經(jīng)濟增長效果、扶貧效果和縮小地區(qū)差距的效果有很大差異,重新合理配置政府資源還是有很大的潛力可挖。基于本研究的結(jié)果,現(xiàn)提出以下的政策建議供有關(guān)部門參考:

1•政府應(yīng)繼續(xù)加大對農(nóng)村的投資力度。1997年,農(nóng)村投資僅占政府總支出的19%,相比之下,農(nóng)村人口占全國總?cè)丝诘?9%,農(nóng)村部門(農(nóng)業(yè)和鄉(xiāng)鎮(zhèn)企業(yè))GDP占全國GDP的50%。政府的農(nóng)村支出僅占農(nóng)村GDP的5%,而對整個國民經(jīng)濟來講相應(yīng)的比例為11%。中國幾十年來一直實行向城市和工業(yè)部門傾斜的政策,結(jié)果導(dǎo)致城鄉(xiāng)之間的收入差距很大,而且這種差距還在繼續(xù)擴大。一切不利于農(nóng)村的政策只會使城鄉(xiāng)差距進一步擴大,必須改革這類政策。

2•增加農(nóng)業(yè)科研投資勢在必行。農(nóng)業(yè)科研支出僅占農(nóng)業(yè)GDP的0•3%。遠遠低于發(fā)達國家水平(2%),甚至低于大多數(shù)發(fā)展中國家水平(0•5%)。許多研究(包括本研究)表明,農(nóng)業(yè)科研投資不僅經(jīng)濟回報高,對農(nóng)村貧困和縮小地區(qū)差距的也具有重要作用。最近的一些研究還表明,農(nóng)業(yè)科研投資可以通過降低糧食價格[6]緩解城市貧困。要是沒有農(nóng)業(yè)科研,中國的城市貧困要比現(xiàn)在嚴重得多。最后,增加農(nóng)業(yè)科研投資是確保中國長期糧食安全的最有效途徑[12]。綜上所述,增加農(nóng)業(yè)科研投資對國家來講是一個“三贏”(經(jīng)濟增長、緩解貧困與地區(qū)差距、糧食安全)發(fā)展戰(zhàn)略。

3•同時政府應(yīng)該加大對農(nóng)村教育的投資力度,雖然目前農(nóng)村教育投資是政府農(nóng)村支出最大的一塊。改善教育有利于農(nóng)民采用農(nóng)業(yè)科研的技術(shù)成果,從而促進農(nóng)業(yè)增長。更為重要的是,教育可以提高農(nóng)民的技能,促使到鄉(xiāng)鎮(zhèn)企業(yè)或城市部門就業(yè)。本研究表明,每增加一個單位農(nóng)村教育投資的扶貧效果最大。因此,繼續(xù)增加農(nóng)村教育投資,尤其是增加西部欠發(fā)達地區(qū)的農(nóng)村教育投資,是促進農(nóng)業(yè)增長、增加農(nóng)村非農(nóng)業(yè)、緩解農(nóng)村貧困和縮小地區(qū)差距的最有效措施。

4•政府應(yīng)該高度重視農(nóng)村基礎(chǔ)設(shè)施投資。與農(nóng)村教育相似,農(nóng)村基礎(chǔ)設(shè)施建設(shè)投資對農(nóng)村扶貧和縮小地區(qū)差距的作用主要通過增加非農(nóng)就業(yè)和促進農(nóng)業(yè)生產(chǎn)增長得以實現(xiàn)。在各種農(nóng)村基礎(chǔ)設(shè)施投資中,尤其應(yīng)該重視對農(nóng)村道路的投資,因為道路投資對扶貧、縮小地區(qū)差距和促進增長的作用最大。

5•中國在過去進行了大量的灌溉投資,建成了大規(guī)模的灌溉設(shè)施,目前耕地灌溉率相當高,所以進一步增加灌溉投資的邊際回報率可能會越來越小,今后的灌溉投資應(yīng)該著眼于提高現(xiàn)有公共灌溉系統(tǒng)的使用效率上。

6•政府扶貧貸款的扶貧效果作用很小,表明扶貧貸款的瞄準工作有待改進。許多研究表明很大一部分扶貧資金都流到了非貧困地區(qū)和非貧困戶,農(nóng)村的許多貧困人口根本沒有從扶貧貸款中受益。扶貧資金時常被挪用,有時被用于支付地方政府的管理費用而不是用來扶貧。國家已經(jīng)意識到了問題的嚴重性,但扶貧貸款在瞄準上需要改進,或者干脆把這部分資源投資到農(nóng)村教育和基礎(chǔ)設(shè)施上面,從而促進長期增長,立足長遠解決農(nóng)村貧困問題。

7•各種公共投資在西部地區(qū)對農(nóng)村扶貧和縮小地區(qū)差距回報率最高,這一研究結(jié)果與國家的西部大開發(fā)戰(zhàn)略是一致的。國家尤其應(yīng)該重視對西部地區(qū)農(nóng)業(yè)科研、教育、農(nóng)村基礎(chǔ)設(shè)施建設(shè)的投資。考慮到中國目前的財政體系,并且西部地區(qū)稅基很小,所以沿海富裕地區(qū)向西部地區(qū)實行財政轉(zhuǎn)移,促進西部開發(fā)很有必要。