【贵州与各市州财政支农对渔业和农林牧渔服务业发展影响的实证探析16000字（论文）】

贵州与各市州财政支农对渔业和农林牧渔服务业发展影响的实证分析TOC\o"1-2"\h\u5978摘要 1290171、引言 2315141.1研究背景 2265051.2相关文献梳理及述评 3210792、相关概念界定与理论基础 7230522.1相关概念的界定 785162.2理论基础 7195933、研究方法、指标选取及数据来源 8133443.1研究方法 8155063.3数据来源 9131253.2指标选取 9302104、贵州财政支农对渔业和农林牧渔服务业发展影响的现状分析 9298204.1贵州省与各市州财政支农现状分析 10131634.2.贵州省与各市州渔业和农林牧渔服务业现状分析 11236074.3贵州省财政支农与渔业和农林牧渔服务业相关关系分析 14130525、贵州与各市州财政支农对渔业和农林牧渔服务业发展影响的实证分析 16300495.1贵州财政支农对渔业发展影响的实证分析 16275225.2贵州各市州财政支农对渔业产值影响的实证分析 18237785.3贵州各市州财政支农对农林牧渔服务业影响的实证分析 21108586、结论与对策建议 24179306.1研究结论 24273836.2对策建议 25摘要随着贵州财政支农比重增加，促进渔业和农林牧渔服务业稳定增长。利用贵州省及各市州农林水事务支出、渔业产值、农林牧渔服务业产值三者年度数据采用描述性统计分析法、实证分析法分析贵州及各市州财政支农对渔业和农林牧渔服务业发展的影响。结果表明：（1）贵州与各市州农林水事务支出增加，渔业产值与农林牧渔服务业产值呈正相关且存在差异。（2）贵州及各市州农林水事务支出对渔业总产值和农林牧渔服务业总产值均有正向影响且存在明显差异。其中，遵义市和铜仁市财政支农规模对渔业及农林牧渔服务业产值之间正向影响、相关性最为明显，黔南州最小。基于上述结论提出了加大财政支农资金规模、合理分配渔业和农林牧渔服务业资金投入比例、增加对渔业产业资金的投入以及完善渔业兽医基础设施建设对策建议。关键词：贵州省；财政支农；渔业；农林牧渔服务业；相关性；面板数据模型1、引言研究背景近年以来，贵州省渔业和农林牧渔服务业需要更多的外力支持，尤其在资金、渔业生产安全监管，技术服务等方面，农林水事务支出方面的财政支出就是资金方面对农业中渔业和农林牧渔服务业的大力支出。贵州省财政支农对农林水事务经济增长具有很大的推动作用，但在财政支出中存在一些不足，导致渔业产业和农林牧渔服务业产业提升速度过慢。另外，随着财政支农规模不断提高，财政支农对渔业和农林牧渔服务业发展是否能够产生直接影响及产生的影响是否得到重视。我省渔业发展相对薄弱，2016年，我省渔业增加值43.8亿元，居全国第19位，占全省农业结构的2.3%，远低于全国平均的10.6%。我省既不沿海，也没有大江大湖，渔业经济发展水平相对较薄弱。然而，我省渔业产业结构和品种结构不断提升，2017年，全省内陆养殖面积达52.77万亩，是1978年的三倍。其次，逐步淘汰传统渔业养殖方式，积极推广大水面健康养殖、冷水养殖和观赏鱼养殖方式，不断创新渔业养殖模式，最后，积极工作，开展大鲵，中华鲟等驯养，对渔业品种结构进行不断优化。2018年5月，我省全面推进“零网箱·生态鱼”渔业发展，其作为贵州省推进农村产业革命的12个产业之一，在贵州省设立生态渔业专项班，开展生态渔业试点研究工作，逐步建立贵州省生态鱼养殖体系，形成以“贵水黔鱼”为依托，以其他区域特色品牌为补充的公共品牌，构建和推进“一主多辅”贵州生态鱼品牌体系。从2020年开始，贵州省、市、县生态渔业专业班合作，一手抓疫情防控，一手抓渔业生产，努力扩大全省生态渔业的范围，提高生态渔业的质量和效益。渔业的发展将加快绿色水产养殖发展的空间格局、产业结构和生产方式的建设，大力发展优质、特色、绿色、生态的水产品，不断改善全省水产品供应，继续改善水产养殖生态环境，增加人民收入，扶贫济困。贵州省是农业大省，其冬无严寒、夏无酷暑、雨热同季、温暖湿润的气候和丰富的地下水资源为贵州省发展渔业提供了得天独厚的养殖条件。而农林牧渔服务业的发展对渔业的发展也是至关重要的，因此贵州省财政支农对渔业和农林牧渔服务业的支持尤为重要。贵州省的渔业逐步与国家接轨，渔业已经不是以前的模式了，大多数市级渔业和农林牧渔服务业朝着多元化、多层次化发展。贵州省很多市级地区渔业和农林牧渔服务业还存在很多抑制其发展的影响因素，加上目前我省的渔业和农林牧渔服务业的收益率低，风险还高。基于此情况，我省财政支农对农业（渔业和农林牧渔服务业）支出政策也是有限的，它不能很好的完善渔业和农林牧渔服务业。除此之外，贵州省财政涉农支出规模不断扩大，可以看出贵州省对农业的重视。涉农财政支出对渔业和农林牧渔服务业的发展是否能有直接的影响备受关注。现阶段我国对财政支农主要在管理制度和整体绩效两个领域，反而在财政支农对渔业和农林牧渔服务业发展影响方面研究相对较少，并且我国财政支农更集中在全国层面上，更别说针对某个省或某个领域财政支农具体情况的研究分析。本文对贵州省财政支农的现状进行简单的分析。丰富了财政支农对不同农业种类的研究，拓展了财政支农理论的应用范围。基于目前情况，本人利用文献综述法与实证分析法分析贵州省涉农财政支出对渔业和农林牧渔服务业发展影响并给予一些浅显的结论与建议。1.2相关文献梳理及述评1.2.1相关文献综述通过财政支农对渔业和农林牧渔服务业的发展影响的文献相关梳理主要集中在三个方面：一是财政支农调整了农业结构，推动了农业发展。二是渔业产业类型、农林牧渔服务业产业类型以及渔业和农林牧渔服务业可持续发展研究。三是渔业和农林牧渔服务业发展现状及对策研究。（1）财政支农调整了农业结构，推动了农业发展。邓卫平在财政支农促进农业现代化的机理及实证研究中指出财政支农可以有效的吸收农业技术发明成果，而农业发展新品种的培养，农业生产新技术的普遍应用，大大的提高了农业生产作用的范围，所以将农业科技成果大量的应用到农业现代化生产中，可以推进农业的发展[1]。为支持农业发展，董文杰在财政支农政策对城乡一体化发展的效应研究中指出各地立足于本地的区位优势、生产经验、市场主导等因素，发展比较优势的产业，合理布局，提高市场竞争力，增加产业附加值，增加农民收入[2]。袁波在财政支农专项资金政策绩效研究-基于浙江省的调研中对财政支农对水稻种植的影响进行了调研，对浙江省三个县（市）12个行政村，344农户，28个水稻进行规模化生产种植或服务社会组织（种粮大户、家庭农场、合作社）的调研分析。结果表明水稻生产过程中的专项补贴在合作社、家庭农场与种粮大户中的影响力较大。他们可以获取包括农资综合、种粮大户、良种、集中育秧、机插、统防统治、政策保险、农机购置补贴８项专项政策补贴[3]。杨馥瑞利用回归分析法和指标分析法对贵州财政支农资金配置效益进行实证分析，发现财政支农资金能够在一定程度上促进贵州农业和农村社会经济的发展。但是贵州财政支农资金进行配置的经济效益有滞后性的特点，不管是当期还是延期，它对农民增收的弹性系数都相对较小，资金投入的总量与结构配置效益水平都很低，贵州财政支农资金配置效益有很大的发展空间[4]。李秋运用客观赋权的主成分分析方法利用2000-2014年辽宁省各指标的时间序列统计值，运用Statal2.0分别从供给、收入、民生和生态环境四方面进行指标的筛选与优化，对各产出指标与投入指标进行相关性分析，结果表明财政支农资金总额与各类产出指标之间存在着正向相关关系，也就是说辽宁省在农产品供给、农民收入及农业GDP、农村民生和生态环境方面取得成绩与财政支农密不可分；也可以理解为，对农业进行财政支持可以促进农业发展[5]。Fan和Pardey(1997)通过对数据的实证分析发现，1965-1993年的农业科技投入直接影响了农业产出的增长，可以得出财政支农政策对经济增长有一定的推动作用[6]；LiyangZou(2010)在农业财政支持绩效审计评价指标体系建设中建立了财政支农效率评价指标，该指标指出农业财政投资可以提高劳动生产率和土地生产率，改善农业生产条件[7]；WilliamJ.Brown(2013)通过对发展中国家和发达国家的财政支农状况研究，得出大多数发展中国家没有财政资源投资于农业部门的公共产品，农业技术的进步导致了农业使用劳动力减少，导致农村失业，因此，各国进行农业经济活动必须适应该国或地区的条件，农业的增长不应该导致部门失业率过高[8]。（2）渔业产业类型、农林牧渔服务业产业类型以及渔业和农林牧渔服务业可持续发展研究。嘉兴市农推办调研组以嘉兴市为例，对嘉兴市农业服务经营现状进行了底册资料的查看，发现嘉兴市农业服务正常经营的有80%以上，但是部分数据难以把握，业态界定比较困难，摸底工作难度也比较大[9]。陈志君（2014）采用DEA方法对我国沿海小型渔业捕捞能力、技术效率、规模效率和生产力利用进行实证分析，研究表明我国现有的渔业设备（渔船、渔具）没有得到充分利用，渔船投入与渔民数量需要进行控制和管理，需要增加渔业产出，改变渔业发展方式，以发展养殖为重点，抑制渔业资源的衰退，提高市场规模经济效率[10]。Cinemre等(2006)利用DEA模型研究了来自黑海地区50个县的空间数据，对黑海鳟鱼场的成本效率和技术效率进行了研究，研究表明，样本鳟鱼场的容量利用率比土耳其的鳟鱼场要低一些，而学校教育和效率存在正相关关系[11]。郝志斌，杨荣芳等在贵州大水面生态渔业中指出，贵州提出以“零网箱•生态鱼”为目标，把绿色发展贯穿于水产养殖生产的全过程，以渔控草、以渔净水，促进渔业高效、优质、高产均衡发展[12]。农林牧渔服务业包括种植业服务、林业服务、畜牧业服务和渔业服务等在内的生产性服务活动[13]。实施生态渔业是推进渔业产业结构调整的重要内容。实施生态渔业,既有社会环境效益、生态效益,又有经济管理效益。但是，未来社会需要水产养殖业采用“生态健康养殖模式”生产绿色食品,这对水产养殖水处理提出了更高的要求[14]。目前，全市已有7个品种的冷水性和亚冷水性鱼类养殖取得成功，逐步在全市适宜发展区域活动开展市场规模养殖。市政府发布了《关于加快发展现代生态畜牧业的意见》，制定了《安顺市现代生态畜牧业“十二五”规划》、《安顺市渔业发展规划（2011-2020）》，大力鼓励和支持特色渔业发展，我市特色渔业呈现出了快速发展、健康发展、规模发展的良好趋势[15]。市级财政每年拿出200-300万元用于渔业产业项目发展、标准化示范场奖励等扶持，并整合精准扶贫资金用于特色水产发展，对特色渔业的发展具有很好的促进作用。在良好政策的鼓励下，全市掀起了发展特色渔业的热潮，从2013年冬天到2014年春天，新开垦翻新了7000多亩鱼塘，2016年，江口县被列为全省唯一冷水鱼裂变县，2017年被列为贵州省冷水鱼“一县一业”重点县[16]。（3）渔业和农林牧渔服务业发展现状及对策研究。随着改革开放进程的加快国家对渔业的发展制定了一系列的方针政策，积极扶持渔业的重点户、专业户，多渠道、多层次发展水产事业，产业结构得到调整，水产机构逐步建立健全，网箱养鱼、池塘养鱼、稻田养鱼等高产技术大面积推广，渔业生产方式呈现持续、快速经济发展变化趋势[17]。张俊提出了促进现代渔业发展的政策措施，多渠道筹集资金，让现代渔业更快的发展，严格把握好渔业的安全，健全渔业管理服务经济体系，确保水产品的质量安全。农业对农林牧渔发展的带动力最强，对服务业最弱，服务业对农林牧渔业发展的促进作用有限[18]。近20年来，我国发展农林牧渔业工作人员在逐年减少，最近10年，我国农林牧渔业从业管理人员逐步呈现老龄化的趋势，农林牧渔服务业从业人员受教育水平偏低，刘菊香、朱曦指出应当加快农学高等教育规模发展，调整本科、专科招生比例，出台相关的优惠政策，大力扶持农学高等教育发展[19]。孙桂英和王静对2014年上半年承德市农林牧渔业生产形势进行了分析，从行业贡献来看，由高到低依次为农业、林业、牧业、农林牧渔服务业、渔业。林业发展步伐加快，渔业生产逐步向好。他们提出要突出产业化，充分发挥合作组织辐射作用，加大金融信贷支持力度。要积极发展农村合作金融,解决合作经济组织在发展中遇到的资金短缺问题，尤其是政府的财政扶持、信贷和税收优惠、生产资料供应和产品销售的支持[20]。海南的农业、林业、畜牧业、渔业产品和服务业严重依赖生产性服务业,广东省和海南省农林牧渔及相关制造业生产过程中的中间投入服务消费水平较低，在一定程度上制约了农林牧渔及相关制造业产业结构的优化升级。两省农林牧渔及相关制造业传统文化行业发展特征比较明显，他们提出因地制宜调整优化产业结构，构建特色高效产业体系的建议。王崇红，陈冬生等通过产值增长贡献率预测模型分析了农业结构调整对山东省农业经济增长的影响，并对二者进行回归分析，研究证明：2003-2017年山东省种植业比重逐年下降，林牧行业变化不大，而渔业和农林牧渔服务业比重逐年上升，在山东省农业发展过程中，具有最强推动力的产业是种植业，其次是畜牧业和渔业，林业和农林牧渔服务业的推动力相对较弱[21]。1.2.2文献述评通过上述文献梳理可看出国内外财政支农是基于全国层面，大多数是关于渔业及农林牧渔服务业结构调整发展现状、存在问题及渔业和农林牧渔服务业类型、渔业养殖方面的研究。财政方面资金没有具体到农林水事务支出相关事务支出。其次，主要集中在两个方面，一是渔业政策与特色产品的研究方面，二是渔业产业和农林牧渔服务业对农业经济发展方面。针对某个省份或区域性通过建立计量模型检验财政支对渔业和农林牧渔服务业的发展影响的总体研究相对偏少。现有研究对财政支农规模最优值仅局限在“十二五”规划之前，虽然近年来我国渔业总体养殖规模呈扩大的趋势，但水资源利用过度环境污染严重等问题普遍存在，社会经济效益与生态效益处于失衡的局面。渔业开发商关注的焦点是捕捞量的最大化，对渔业生产质量的关注程度明显不够，高密度、高产模式虽能短期获得丰富的效益，但严重制约了渔业的可持续发展。农林牧渔服务业也没有得到高度的重视，这使得农业的其他产品的发展进度缓慢。因此，当地渔业、农林牧渔服务业的生态效益平衡问题是一个待解决的大问题，在坚持国家提出的保护政策下，健康绿色，可持续发展的渔业满足现代人的物质需求，而农林牧渔服务业发展的提升符合时代发展的需要。基于已有的财政支农对渔业和农林牧渔发展影响从现状、实证等方面对贵州省财政支农对渔业和农林牧渔服务业的影响，得出结论并提出相关性建议。相关概念界定与理论基础2.1相关概念的界定（1）财政支农财政支农是指国家运用财政资金对农业、农村、农民进行帮扶，是国家运用再分配的手段对社会产品进行配置，是解决三农问题的主要途径，财政支农一是用于我们国家政策扶持的农业项目和农村建设项目，包括中国农业企业和农业事业单位的城乡一体化建设、事业费、科技三项费用等。二是对促进农业发展资金的投放，包括对小农水利和水土保持的补助、转移支付、促进农村农业技术和植物的补贴、农村草场和牲畜保护补贴、农村造林和森林保护补贴、农村水产养殖补贴等。（2）渔业和农林牧渔服务业渔业的英文名称是fishery，其他名称是水产业。定义1：渔业是人类利用水域中生物的物质转化功能，通过捕捞、养殖和加工，以取得水产品的社会产业部门。定义2：渔业是从事鱼类及其他捕捞、养殖或加工生产的领域。渔业是指利用水域以取得具有经济价值的鱼类或其他水生动植物的生产部门。包括采捕水生动植物资源的水产捕捞业和养殖水生动植物的水产养殖业两个部分。渔业生产以各种水域为基地，以具有再生性的水产经济动植物资源为对象，具有明显的区域性和季节性，初级产品具鲜活、易变腐和商品性的特点。农林牧渔服务业是指为农业、林业、牧业、渔业服务的行业。大类就是经营农药、化肥、农机、饲料、种子以及技术支持等服务。2.2理论基础本文的理论基础是“财政支农理论”，蔡锦涛在《金融发展、财政支农与减贫效应研究》中提出该理论主要集中在三个方面。（1）财政农业投资理论，传统经济农业存在均衡的原因包括农民取得收入的动机以及对收入的偏好不会发生改变和农民在某一时间段内技术水平无变化。（2）农业发展阶段理论，一是技术水平停滞落后的传统阶段，；二是资本投入较少且技术稳定进步的低资本技术农业阶段；三是资本投入集中且技术水平高速发展的高资本技术农业阶段。（3）现代公共财政理论，财政支出不仅有对农业科技和基础设施构建的投入还有对社会基本保障和农村的文明水平给予支持，农村发展过程中出现的信息不对称会造成市场失灵以及搭便车等情况发生，对农村公共项目产生负面影响。所以提升财政资金的利用效率能促进农村经济快速发展[22]。“财政支农理论”的发展主要经历了两个阶段。第一阶段是在20世纪80年代初，许多学者认为，工业一直是实现经济增长的基础部门，农民不仅受到传统的束缚，而且天生比非农业人口落后。他们认为在农业上投入资金，引进新农业要素收效甚微。第二阶段是在20世纪80年代后期，中国政府认识到农业在我国社会主义封建中的重要性，把增加对农业投资作为财政支出的重点之一，中央强调制止对农民的不合理摊派，减轻农民的额外负担。“十五大”以来，农业被放到了经济管理工作的首位，财政支出方面逐步向公共财政方向调整，在一定程度上促进了农业财政政策的转变。以工促农，以城带乡的制度框架，促进了农业和农村的发展。政府对农业的投入在不同程度上突出了农业领域对财政支农资金的需求的增加，为了保证财政农业支出的合理增长，除了进一步加大财政投入（外延的措施）以外，效益和效率损失问题的解决，可以在总量不变的情况下，填补农业领域对财政支农资金的需求，实现相对规模的扩大。因此，财政在农业投资规模上的增加，能增加农产品的收入，促进经济增长。这一理论同样适用于渔业和农林牧渔服务业。财政投资规模在渔业和农林牧渔服务业上的增加，能使其朝着多元化的方向发展，在本文中贵州省财政支农作为农业投资的主要经济来源，在农林水事务支出对渔业和农林牧渔服务业资金方面的投资，财政支农对渔业产值和农林牧渔服务业产值也具有明显的促进作用。本文以该理论为支撑点，阐述了贵州财政支农对渔业和农林牧渔服务业发展的影响。3、研究方法、指标选取及数据来源3.1研究方法（1）描述性统计分析法。对省级和各市州农林水事务支出、渔业产值增加值和农林牧渔服务业产值增加值三大指标现状分别进行描述性统计分析。（2）回归分析。选取农林水事务支出、渔业产值和农林牧渔服务业产值三个指标数据，实证分析贵州财政支农对渔业和农林牧渔服务业发展的影响。该方法简介如下：Y=β0+β1X+μ（1）其中：（1）中Y是被解释变量，X是解释变量，β0、β1是待估参数，μ是随机干扰项。（3）面板数据模型。运用该方法，选取农林水支出、渔业产值增加值、农林牧渔服务业产值增加值三个指标数据，实证分析贵州各市州财政支农对渔业和农林牧渔服务业发展的影响。面板数据模型如下：Yi,t=C+aXi,t+μ （2）其中：（2）中Yi,t是观察个体i在t时间的被解释变量指标，Xi,t是观察个体i在t年内与被解释变量指标相关的其他各项指标，μ是随机干扰项（未知干扰因素、数据、模型误差），C是回归常数项。3.3数据来源本文贵州省农林水事务支出、渔业产值和农林牧渔服务业产值数据来源贵州省统计局《贵州统计年鉴》（2006-2016），贵州省各市州农林水事务支出，渔业增加值，农林牧渔服务业增加值的数据来源于贵州省统计局《贵州统计年鉴》（2006-2019）。3.2指标选取（1）财政支农指标的选取。财政支农指标体系中选取农林水事务支出（X）主要是依据邓卫平[1]、董文杰[2]、袁波[3]、杨馥瑞[4]等人的研究。本文在借鉴前人的研究财政支农对农业发展指标体系基础上，结合贵州省财政支农发展情况。故在财政支农指标中选取农林水事务支出为被解释变量。（2）渔业和农林牧渔服务业指标选取。因为各市州没有找到渔业和农林牧渔服务业总产值，所以就用渔业和农林牧渔服务业增加值代替了总产值。渔业和农林牧渔服务业指标体系主要选取渔业增加值（Y1）、农林牧渔服务业增加值（Y2）。本文在借鉴李秋[5]、陈志君[10]、刘菊香[19]等研究渔业和农林牧渔服务业发展现状及对策研究指标基础上，结合贵州省渔业和农林牧渔服务业发展影响情况。故本文选取渔业增加值、农林牧渔服务业增加值为解释变量。4、贵州财政支农对渔业和农林牧渔服务业发展影响的现状分析4.1贵州省与各市州财政支农现状分析4.1.1贵州省财政支农现状分析由图4-1可知，政府有关部门对农林水事务支出逐年增加。其中，2019年农林水事务支出达到最高，2017年财政支农资金对农林水事务支出相对降低。2006年到2008年了92.94亿元，2008年到2017年提高了490.34亿元，农业对资金的需求的很大，回报率相对缓慢；政府将财政支农的资金转移到其他回报率大的项目，以获取更高的利润回报。图4-12006-2019年贵州农林水事务支出趋势图（单位：亿元）4.1.2贵州省各市州财政支农现状分析由图4-2可知，各市州农林水事务支出7年内稳定增长存在明显差异。遵义市财政支农资金对农林水事务支出扶持最大，安顺市最小；毕节市、铜仁市与3个州农林水支出逐年稳定增长。2013年贵阳市和六盘水市农林水支出方面相等；经过7年时间贵阳市在财政支农方面资金力度相对减少。贵阳，贵州省会城市，是贵州政治、经济、文化、科技、交通枢纽中心；优势不在农业方面上。省政府利用各市州自身地理，加大在农业方面资金的投资促进各市州经济发展。图4-22013-2019年贵州各市州农林水事务支出趋势图（单位：亿元）4.2.贵州省与各市州渔业和农林牧渔服务业现状分析4.2.1贵州省渔业产值和农林牧渔服务业产值现状分析由图4-3可知，省级渔业产值逐年增加。2007年到2011年渔业产值相对平稳，2011年到2016年则是迅速增加，2011-2016年渔业总产值增加了54.92亿元。财政支农政策下，促进了贵州省渔业产值到提高。图4-32006-2016年贵州渔业产值趋势图（单位：亿元）由图4-4可知，省级农林牧渔服务业产值逐年增加。2007-2015年农林牧渔服务业产值相对平稳，而2006-2007年和2015-2016年农林牧渔服务业产值增加比较多，但从总体上看来，农林牧渔服务业产值增加比较缓慢。图4-42006-2016年贵州农林牧渔服务业产值趋势图（单位：亿元）由图4-5可知，各市州农林牧渔服务业产值存在明显差异，遵义市农林牧渔服务业产值增加值最高，六盘水市农林牧渔服务业产值增加值最低，各市州渔业产值的增加值到了2018-2019年甚至有减少到趋势，而且即使有增加都是增加缓慢。4.2.2贵州各市州渔业产值和农林牧渔服务业产值现状分析图4-52013-2019年各市州渔业产值增加值趋势图（单位：亿元）由图4-6可知，遵义市和毕节市农林牧渔服务业产值的增加值增长比较快，铜仁市，黔西南州，黔南州，黔东南州都是逐年增长，安顺市增长得最慢，贵阳市2013-2014年增长比较慢，2014-2019年也增长得比较快。图4-62013-2019年各市州农林牧渔服务业产值增加值趋势图（单位：亿元）4.3贵州省财政支农与渔业和农林牧渔服务业相关关系分析4.3.1贵州省财政支农与渔业和农林牧渔服务业产值相关关系分析由表4-1可知，贵州农林水事务支出与渔业总产值存在正相关且具有促进作用。两者之间的相关系数值为0.963。即政府有关部门加大财政支农资金力度，渔业产业有一定的提高。表4-1贵州省财政支农与渔业总产值相关性检验相关关系农林水事务支出X渔业总产值Y1农林水事务支出X1.0000.963渔业总产值Y10.9631.000资料来源：均来自国家统计局《贵州统计年鉴》（2006-2016）中数据处理所得。由表4-2可知，贵州农林水事务支出与农林牧渔服务业产值呈正相关且具有相互促进作用。两者之间的相关系数为0.952。即农林水事务支出与农林牧渔服务业产值相关性强。表4-2贵州省财政支农与农林牧渔服务业总产值相关性检验相关关系农林水事务支出X肉类总产值Y1农林水事务支出X1.0000.952农林牧渔服务业总产值Y10.9521.000资料来源：均来自国家统计局《贵州统计年鉴》（2006-2016）中数据处理所得。4.3.2贵州各市州财政支农与渔业产值相关关系分析贵阳市、遵义市、安顺市、六盘水、毕节市、黔东南州、黔西南州均呈负相关。铜仁市和黔南州呈正相关，但相关性不是很强。表4-3贵州各市州渔业相关性检验相关关系GYLPSZYASGY1.0000.282-0.280-0.549LPS0.2821.0000.7400.501ZY-0.2800.7401.0000.792AS-0.5490.5010.7921.000BJ-0.2940.6160.9180.678TR0.7600.6900.3450.034QXN0.7010.4360.277-0.276QDN0.5080.5390.011-0.169QN0.4020.6790.3360.050BJTRQXNQDNQNGY-0.2940.7600.7010.5080.402LPS0.6160.6900.4360.5390.679ZY0.9180.3450.2770.0110.336AS0.6780.034-0.276-0.1690.050BJ1.0000.3480.263-0.2300.050TR0.3481.0000.7710.2790.367QXN0.2630.7711.0000.3090.482QDN-0.2300.2790.3091.0000.919QN0.0500.3670.4820.9191.000注：eq\o\ac(○,1)GY表示贵阳市；LPS表示六盘水市；ZY表示遵义市；AS表示安顺市；BJ表示毕节市；TR表示铜仁市；QXN黔西南州；QDN表示黔东南州；QN表示黔南州。eq\o\ac(○,2)资料来源：均来自贵州省统计局《贵 州统计年鉴》（2013-2019）中数据处理所得。4.3.3贵州各市州财政支农与农林牧渔服务业相关关系由表4-4可知，各市州财政支农的农林牧渔服务业相关性存在明显差异。各市州都呈正相关，贵阳市、黔东南州、黔南州相关性相对弱一些，六盘水、遵义市、安顺市、毕节市、铜仁市、黔西南州相关性强。表4-4贵州各市州农林牧渔服务业相关性检验相关关系GYLPSZYASGY1.0000.8840.8590.866LPS0.8841.0000.9370.925ZY0.8590.9371.0000.998AS0.8660.9250.9981.000BJ0.9980.8840.8700.879TR0.8430.9440.9840.982QXN0.9880.9150.9180.923QDN0.7450.8630.9720.970QN0.7820.8660.9770.981BJTRQXNQDNQNGY0.9980.8430.9880.7450.782LPS0.8840.9440.9150.8630.866ZY0.8700.9840.9180.9720.977AS0.8790.9820.9230.9700.981BJ1.0000.8490.9920.7660.801TR0.8491.0000.8940.9330.961QXN0.9920.8941.0000.8270.861QDN0.7660.9330.8271.0000.973QN0.8010.9610.8610.9731.000注：eq\o\ac(○,1)GY表示贵阳市；LPS表示六盘水市；ZY表示遵义市；AS表示安顺市；BJ表示毕节市；TR表示铜仁市；QXN黔西南州；QDN表示黔东南州；QN表示黔南州。eq\o\ac(○,2)资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。5、贵州与各市州财政支农对渔业和农林牧渔服务业发展影响的实证分析5.1贵州财政支农对渔业发展影响的实证分析5.1.1指标平稳性分析采用ADF法分别对选取的贵州农林水支出（X）、渔业总产值（Y1）、农林牧渔服务业总产值（Y2）进行平稳性检验分析。由表5-5可知，三个指标ADF值分别是5.480、1.139、0.834，对应的P值分别为0.999、0.918、0.873，表明上述三个指标呈非平稳序列，其中，由各变量一阶差分和二阶差分结果可知，X,Y1的ADF统计值分别为-7.108、-4.968，对应的P值为0.05、0.024。而Y2经二阶差分的ADF值为-1.252，P值为0.176的非平稳序列，这是因为数据相对而言比较少，才出现了差分不平稳的情况。表5-5ADF检验结果指标t值P值平稳性LnX5.480

0.999非平稳DlnX0.421

0.779非平稳DlnX,2-7.1080.005平稳LnY11.139

0.918非平稳DLnY1-4.968

0.024平稳LnY20.8340.873非平稳DLnY20.8340.873非平稳DLnY2，2-1.2520.176非平稳资料来源：均来自国家统计局《贵州统计年鉴》（2006-2017）中数据处理所得。5.1.2贵州财政支农对渔业产值的影响实证分析从表5-6的回归结果可以看出，变量农林水支出在5%的水平显著其回归结果很好；根据2006年至2016年数据农林水支出呈现正相关。其中，由调整后可决定系数是0.7664可知变量之间拟合度相对较好。贵州农林水支出t统计量为5.8157，P值为0.0003.小于0.01，表明其在5%的显著水平下，渔业总产值与农林水支出为正相关关系。即农林水支出提高1%时，渔业总产值就会上升0.771%。这一结论与王崇红[21]的相符，即农业产业结构的调整，在惠农政策下拿出一定的资金支持农业（农林水支出），我省的渔业产值会有一定的提高。因此，在未来贵州省农林水支出与渔业产值相辅相成，两者有密不可分的联系。表5-6回归结果变量 系数值标准差t值P值.

常数项（C）-1.13080.7299-1.54910.1558农林水事务支出0.77100.13255.81570.0003R20.7898

调整R20.7664F统计量33.8225

P值0.0002DW值0.5614资料来源：均来自国家统计局《贵州统计年鉴》（2006-2016）中数据处理所得。5.1.3贵州财政支农对农林牧渔服务业产值的影响实证分析贵州省农林水事务支出和农林牧渔服务业产值回归见表5-7，由下表5-7可知，变量农林水支出在1%的水平下显著其回归的结果较好。根据2006-2016年数据农林水支出与农林牧渔服务业产值呈正相关，可决系数为0.813即农林牧渔服务业产量与农林水事务支出的拟合优度很好。其中，农林水支出的t统计量为6.258，P值为0，小于0.01，表明其在1%的显著性水平下，农林牧渔服务业总产值与农林水支出呈现正相关关系。即在农林水支出上升1%时，农林牧渔服务业产值则提高0.469%。可以得出这个结论邓卫平[1]、王崇红[21]的相一致。即在贵州省财政支农中进一步优化支出方式与结构，加上省政府对农业发展的重视；农林牧渔服务业也是逐步上升。结合表5-6和表5-7可以得出贵州省从财政支出中拿出一部分资金支持农林水产业；渔业产值和农林牧渔服务业产值均有一定的上升空间。近而可知省政府对农业经济支持有相应的促进作用。表5-7回归分析结果变量 系数值标准差t值P值.

常数项（C）1.5600.4123.7840.004农林水事务支出（X）0.4690.0756.2580.000R20.813

调整R20.792F统计量39.167

P值0.000DW值0.643资料来源：均来自国家统计局《贵州统计年鉴》（2006-2016）中数据处理所得。5.2贵州各市州财政支农对渔业产值影响的实证分析5.2.1各指标的平稳性检验采用ADF法对选取的贵州各市州渔业产值进行平稳性检验分析见表5-8。由下表5-8可知，ADF法统计值为14.020；对应P值是0.728；表明渔业产值之间呈非平稳状态。其中，一阶差分序列结果可知：ADF法统计值为50.128，对应P值为0。表明渔业产值经过一阶差分后在1%显著水平下平稳。即I（1）序列贵州各市州渔业产值存在平稳趋势。表5-8检验结果指标指标t值

P值平稳性Y114.020

0.728非平稳DY150.1280.000平稳资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得5.2.2无个体影响的不变系数模型结果及分析无个体影响的不变系数模型结果见表5-10。由下表5-10结果可知，回归系数显著不为0；调整后的Ȓ2为0.201；自由度为N-2=61，该模型拟合优度偏弱。结合回归的结果可看出农林水支出在5%的显著水平下，贵州各市州农林水支出与渔业产值呈现正相关。即各市州农林水支出每提升1个百分点，各市州渔业产值则提高0.107个百分点。此结论与郝志斌[12]等研究的结论一致。即贵州政府出台的惠农政策是有作用的，各市州的财政支农与渔业产值相辅相成共同进退。表5-10无个体影响的不变系数模型估计结果 变量 系数值标准差t值P值.

常数项（C）-0.1641.303-0.1260.9000农林水事务支出（X）0.1070.0264.0740.0001R20.214

调整R20.201F统计量16.600

P值0.000残差平方和S3550.574DW值0.340资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。上述解释了无个体影响不变系数的结果，因此本部分主要运用豪斯曼统计量W检验样本数据是采用个体随机影响回归模型还是个体固定影响回归模型。其中WilliamH.Greene于1997年提出检验方法，它最早由豪斯曼（Hausman，1978）提出的一种检验方法，称为豪斯曼检验。结合上述描述和表5-5豪斯曼检验的结果可知，W=3.882，对应的概率P值为0.049；通过查表可知X20.05（1）=3.841即W>3.841说明检验的结果拒绝H0，2013-2019年贵州各市州农林水支出与渔业产值之间的影响则需建立个体固定影响模型。近一步说明农林水支出与渔业产值之间存在相关性。边际支出倾向为0.001；随着各市州农林水支出情况不同，各市州级渔业产值也会存在显著性差异相对较大。表5-11豪斯曼检验结果测试汇总统计值自由度P值

横截面随机3.88210.049农林水事务支出（X）固定系数0.001P0.000解释变量个数1分布方差的差0.000032资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。5.2.3固定影响变截距回归模型结果及分析本文应用Eviews8.0得出以下固定影响变截距回归模型结果。由表5-12可知，该模型调整系数Ȓ2为0.820，自由度为N-2=61；说明该模型的拟合优度较好。贵州省各市州农林水支出与渔业产值呈现正相关关系。即各市州农林水支出每上升1个百分点，渔业产值则上升0.001个百分点。各市州边际农林水事务支出的渔业产值倾向相同，各市州自发渔业产值存在明显差异。其中，贵阳市、六盘水市、毕节市相对较低，遵义市、铜仁市最高。此结论与袁波[3]观点一致。贵州各市州的地理条件、气候以及财政政策力度等因素存在一定差异，导致渔业产值没有得到相应的提高。2019年以来，铜仁市累计开展稻田渔业信息技术企业培训与服务理论指导1000余人次，印发了《铜仁市稻田建设工程设计与改造指导教师意见》，大力培育新型生产经营管理主体，稻田渔业得到快速健康发展，遵义引进低碳循环节水型工程养鱼的生态养殖方式，使得渔业得到较快的发展。表5-12固定影响变截距模型估计结果 变量 系数值标准差t值P值

常数项4.8581.0374.6860.000农林水事务支出（X）0.0010.0210.0580.954固定影响(交叉)GY--C-3.566LPS--C-4.560ZY--C5.070AS--C-0.138BJ--C-3.011TR--C3.017QXN--C1.673QDN--C1.952QN--C-0.437R20.845

调整R20.820F统计量32.454

P值0.000残差平方和S2107.571DW值1.642注：eq\o\ac(○,1)GY表示贵阳市；LPS表示六盘水市；ZY表示遵义市；AS表示安顺市；BJ表示毕节市；TR表示铜仁市；QXN黔西南州；QDN表示黔东南州；QN表示黔南州。eq\o\ac(○,2)资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。5.2.4固定影响变系数模型估计结果及分析针对混合估计模型变系数或者变截距的选择，本文需要近一步通过协方差分析检验。依据检验原理本文数据操作用Eviews8.0可以得出3个模型的残差平方和分别是：S1=82.991；S2=107.571；S3=550.574；通过计算可得出F2=15.85；F1=1.67。在5%显著水平下，查出F分布表的临界值为：F0.05（16，45）=1.87；F0.05（8，45）=2.15；F2>1.87与F1<2.15可知结论为拒绝H2，接受H1,即用变系数模型拟合样本。由表5-13可知，回归系数显著不为0，F统计量为19.693，调整后的可决系数为0.837近一步说明了该模型的拟合优度好。表5-13上半部分第一行常数项C=5.025为贵州省各市州的平均自发渔业产值情况。表5-13中部数据是各市州自发渔业产值对平均自发渔业产值的偏离情况，近一步可看出贵州省各市州之间的渔业产值的差异情况；平均自发渔业产值与各个市级自发渔业产值对平均自发渔业产值的偏离之和为贵州省各市州自发的渔业产值。估计结果也可看出各市州渔业产值存在明显差异。各市州中最高的是黔西南州，最低是安顺市。安顺市因缺乏专业水产养殖人员的指导，再加上水产养殖科技投入少，养殖管理技术和养殖水平参差不齐，特别是新品种的推广和应用能力不够，缺少拉动渔业产业不断发展的主导品种，尚未形成规模效益；表5-13固定影响变系数模型估计结果 变量 系数值标准差t值P值

常数项5.0251.1824.2520.000GY--XGY-0.0560.103-0.5400.592LPS--XLPS0.0070.1160.0610.952ZY--XZY0.0700.0421.6850.099AS--XAS0.2840.1402.0360.048BJ--XBJ0.0190.0440.4190.677TR--XTR-0.0010.075-0.0150.988QXN--XQXN-0.1960.096-2.0450.047QDN--XQDN-0.0530.043-1.2410.221QN--XQN-0.0250.063-0.3960.694固定影响(交叉)GY--C-1.516LPS--C-4.922ZY--C0.142AS--C-8.542BJ--C-4.151TR--C2.967QXN--C10.439QDN--C4.864QN--C0.719R20.882

调整R20.837F统计量19.693

P值0.000残差平方和S182.991DW值2.099注：eq\o\ac(○,1)GY表示贵阳市；LPS表示六盘水市；ZY表示遵义市；AS表示安顺市；BJ表示毕节市；TR表示铜仁市；QXN黔西南州；QDN表示黔东南州；QN表示黔南州。eq\o\ac(○,2)资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。5.3贵州各市州财政支农对农林牧渔服务业影响的实证分析5.3.1各指标的平稳性检验采用ADF法对选取的贵州各市州农林牧渔服务业产值进行平稳性检验。由表5-9可知，ADF法统计值为1.655；对应P值是

1.000；表明农林牧渔服务业产值之间呈非平稳状态。其中，一阶差分序列结果可知：ADF法统计值为32.329，对应P值为0.020。表明农林牧渔服务业产值经过一阶差分后在5%显著水平下平稳。即I（1）序列贵州各个市农林牧渔服务业产值存在平稳趋势。表5-9单位根检验结果指标t值

P值平稳性Y21.655

1.000非平稳DY232.2920.020平稳资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。5.3.2无个体影响的不变系数模型结果及分析无个体影响的不变系数模型结果见表5-14。由下表5-14可知，回归系数显著不为0，调整后的可决系数为0.502，自由度N-2=61，该模型的拟合优度很好。农林水支出在1%显著水平下，贵州省各市州农林水支出与农林牧渔服务业总产值呈正相关，即各市州农林水支出每提升一个百分点，其对应的农林牧渔服务业总产值增加0.308。此结论与王崇红[21]的观点一致。其中，贵州省财政支农中拿出大部分资金来支持农林水事务，结合贵州各市州地理环境发展农林牧渔服务业。表5-14无个体影响的不变系数模型估计结果 变量 系数值标准差t值P值

常数项-5.621.922-2.9190.005农林水事务支出（X）0.3080.0397.9700.000R20.510

调整R20.502F统计量63.517

P值0.000残差平方和S31198.053DW值0.505资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。5.3.3固定影响变截距回归模型结果及分析上文对于豪斯曼检验方法已做出解释，因此这里不再对其进行阐述。由表5-15检验结果可知，W=2.983，对应的概率为0.084；通过查表可知X20.01（1）=2.706即W>2.706说明检验结果拒绝H0，即2013-2019年贵州省各市州农林水事务支出与农林牧渔服务业总产值之间的影响效果需建立个体固定影响回归模型。近一步说明农林水事务支出与农林牧渔服务业总产值呈正相关性，边际农林水事务支出倾向为0.424。其中，随着贵州各市州的财政支出不同，加上贵州特殊地理环境、气候、降雨量差异，其农林牧渔服务业总产值也存在差异性。表5-15豪斯曼检验结果测试汇总统计值自由度P值横截面随机2.98310.084农林水事务支出固定系数0.424P0.084解释变量个数1分布方差的差0.000714资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。由表5-16可知，农林水事务支出在1%显著水平下，各市州农林水事务支出与农林牧渔服务业总产值呈现正相关。即各市州农林水事务支出提高1个百分点，农林牧渔服务业总产值则增加0.424。虽然各市州边际农林水事务支出的农林牧渔服务业总产值倾向相同，但各市州自发农林牧渔服务业存在明显差异。其中，毕节市最高，黔东南州最低。此结论与吴文娟[18]观点一致。2012年以来，毕节市紧紧围绕“特色农业产业大发展，农业结构调整大提升、农业产业化大跨越”的总目标不断优化农业产业，积极有效促进渔业和农林牧渔服务业特色产业的发展，全市乡土鱼类的保护、开发利用居全省前列。表5-16固定影响变截距回归模型估计结果 变量 系数值标准差t值P值

常数项-11.1822.524-4.4300.000农林水事务支出（X）0.4240.0528.1340.000固定影响(交叉)GY--C1.967LPS--C2.692ZY--C-4.229AS--C2.884BJ--C5.028TR--C-0.144QXN--C0.469QDN--C-5.970QN--C-2.697R20.739

调整R20.695F统计量16.689

P值0.000残差平方和S2637.851DW值1.199注：eq\o\ac(○,1)GY表示贵阳市；LPS表示六盘水市；ZY表示遵义市；AS表示安顺市；BJ表示毕节市；TR表示铜仁市；QXN黔西南州；QDN表示黔东南州；QN表示黔南州。eq\o\ac(○,2)资料来源：均来自贵州省统计局《贵州统计年鉴》（2013-2019）中数据处理所得。5.3.4固定影响变系数模型估计结果及分析混合估计模型变系数或者变截距的选择，本文需要近一步通过协方差分析检验。上文已做详细阐述。因此本文数据操作运用Eviews8.0可以得出3个残差平方和分别是S1=486.09；S2=637.851；S3=1198.053；通过计算可知F2=4.119；F1=1.756。在5%显著水平下，查出F分布表的临界值为：F0.05（16，45）=1.87；F0.05（8，45）=2.15；F2>1.87与F1<2.15可知结论为拒绝H2，接受H1,即用变系数模型拟合样本。由表5-17可知，回归系数显著不为0，F统计量为11.182，调整后的可决系数为0.736即该模型的拟合优度好。表5-17上半部分第一行常数项C为-11.970为贵州省各市州的平均