河南省农村公共物品投资的经济增长效应研究

《河南省农村公共物品投资的经济增长效应研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、河南省农村公共物品投资的经济增长效应研宄摘要：本文运用面板数据模型分析了河南省农村公共物品固定资产投资对农村经济增长的影响。固定效应模型表明，农村公共物品固定资产投资是造成地区间农业总产值差异的因素；随机效应模型表明，农村公共物品固定资产投资也是造成同一地区不同年份农业总产值变化的因素即农村公共物品固定资产投资促进了农村经济增长。最后分析了河南省当前农村公共物品供给存在的问题及解决对关键词：农村公共物品；固定资产投资；经济增长效应；面板数据模型、引言河南省作为农业大省，农村经济发展问题显得尤为重要。统计数据显示，截至XX年底，河南省乡村总人口达到万人，占河南省总人口的％，占全国农村总人口的°%

2、。XX年河南省农民人均纯收入仅为元，在全国排第19位，较全国平均水平低元。因此，迫切需要积极探索促进河南省农村经济增长、增加农民收入、变农业大省为农业强省的途径和政策。大量的研究表明，农村公共物品投资对农村经济的发展有着重要的作用，一项对58个国家农村基础设施投资与农业发展关系的研宄表明(Binswanger,1989),农村基础设施投资与农业总产值的增长呈正相关关系：水利灌溉设施增长1%时，粮食总产量增长°%;公路修建增长1%时，粮食总产量增长％,农村的公路密度每增长1°%时，粮食总产量将增长°%;成年人的识字率上涨1°%时，粮食总产量增长°%。樊胜根等(XX)的研宄表明，政府用于促进农村生

3、产方面的投资不仅促进了农业生产增长，同时还促进了农村扶贫，缩小了地区差距，但投资收益因投资的地区不同而有很大差异。不同地区农村公共物品投资对农村经济发展的作用大小是不同的，因此本文以河南省农村公共物品投资对农村经济增长的影响为研宄对象，确定农村公共物品投资对农村经济增长的贡献，为政策的实施提供理论依据。二、模型设计及变量的说明由于数据的限制，官方公布的各地市用于农村公共物品投资的数据年度不长，本文为保证样本的数量，采用面板数据模型(paneldatamodel)进行分析。面板数据模型十卜是指对不同时刻的横截面个体作连续观测所得到的多维时间序列数据，并对这些样本数据进行建模。与单纯的横:面或时间

4、序列相比，面板数据模型的优点表现在，提供了更大的样本点以改善参数估计的有效性以及更深入地分析问题。从时间序列看，可以描述不同个体随时间变化的规律；从横截面数据看，又能描述某个时点各个个体的状态及个体间的差异。一般来说，农村公共物品按用途可划分为生产性和非生产性两大类（楚永生，XX）。农村生产性公共物品主要包括农村水利基础设施、水土流失及土地沙化治理、农村道路和公共性运输工具、部分大中型农用机械设备、病虫害防治、农业技术推广、农业信息平台建设等；农村非生产性公共物品包括基础教育、文化娱乐设施、电网、自来水设施、卫星接收设施、邮电通讯设施、医疗卫生设施、社会福利、行政服务、治安等。因此农村公共物品

5、供给可直接作用于农业生产，提高农业产量，增加农民收入，还可以通过改善农民生活环境，提高农民基本素质，为农民提供信息、交通通讯等便利的生产条件，对农业经济的长期增长产生间接影响。根据《河南农村统计年鉴》，农村固定资产投资按投资方向可分为农林牧渔业、采矿业、制造业、电力煤气及水的生产供应、建筑业、交通运输仓储和邮电业、信息传输计算机服务和软件业、批发和零售业、住宿和餐饮业、金融业、房地产业、租赁和商务服务业、科学研宄技术服务和地质勘探业、水利环境和公共设施管理业、居民服务和其他服务业、教育卫生社会保障和社会福利业、文化体育娱乐业、公共管理和社会组织等，本文将扣除了农林牧渔业、采矿业、制造业、建筑业

6、、信息传输计算机服务和软件业、批发和零售业、住宿和餐饮业、金融业、房地产业、租赁和商务服务业、居民服务和其他服务业的投资看作是公共资本投资（李桢业等，XX）。因此，根据柯布一道格拉斯（Cobb-Douglas）生产函数，影响农村经济增长的计量模型可设计如下：LnYit=00+02LnLit+33LnGit+uit其中：下标it表示第i个城市（即代表河南省18个地级市）农村在第t年（2000—XX）的项目；Y代表农业总产值，单位为亿元；30为常数；P2代表劳动的产出弹性；L为农业从业人员，单位为万人；P3代表资本的产出弹性;G为公共物品部门的固定资产投资存量（1999年为基期），单位为亿元；u为

7、随机扰动项。为了消除数据中可能存在的异方差问题，本文在计量检验时，分别对上述数据进行自然对数变换。以上数据均来自《河南统计年鉴》（20⑻一H）和《河南农村统计年鉴》（2000_XX）。在运用面板数据分析时，主要考虑两种模型，即固定效应模型（fixed-effectsmodeIs）和随机效应模型（random-effectsmodels）。不同的模型变量回归系数的影响因素也不同，一般来说，因为面板数