2.3 实证分析

本部分检验过程均采用Eviews8.0软件。

2.3.1 农业产业化水平的测算

根据设定的变量和搜集的数据，计算出1992—2015年农业产业化起步、成长和成熟三阶段的判别值以及农业产业化水平（如表2.1所示）。由此可以看出，1992—1998年F1＞F2，说明农业产业化处于起步阶段，但两者之间的差距越来越小。从1999年开始，F2开始大于F1，说明产业化进入成长阶段，农业产业化水平AL也随时间推移而有逐年增大的趋势，特别是在2015年AL接近于1，可以判断农业产业化即将进入第三阶段的成熟期。

2.3.2 股权融资与农业产业化的均衡关系

（1）变量的平稳性检验

为避免伪回归出现，在进行计量分析前，需要对各变量的时间序列进行平稳性检验，这里采用ADF单位根检验方法。为了确定单位根检验的回归方程，先对各变量绘制时序图。图2.1显示各变量均是具有连续增长趋势的序列，ADF单位根检验回归方程应当含有截距项和趋势项。下面来检验各变量的平稳性。

εt＝λWεt+vt

表2.2显示各变量的原序列都是非平稳的，而其一阶差分序列在1%的显著性水平下都是平稳的，因此判断均为一阶单整。

（2）VAR模型最佳滞后期的选择

表2.3显示，除LogL这个评价指标外，其余指标均明确最佳滞后阶段为2阶，所以本章建立VAR（2）模型。

（3）VAR模型平稳性检验

用AR单位根图表法检验VAR（2）模型的平稳性。图2.2显示AR特征多项式所有根的倒数均位于单位圆内（小于1），说明VAR模型满足稳定性条件。

（4）协整检验

由于VAR是无约束的，而协整是有约束的，它对滞后期和检验形式非常敏感，而且协整检验的最优滞后一般为VAR的最优滞后减去1，因此在明确VAR模型稳定后再进行协整检验。Johansen协整检验适用于多变量，它是一种以VAR模型为基础的检验回归系数的方法。本章采用Johansen检验对股票融资与农业产业化协整关系进行判断，以探究两者之间的长期均衡关系。

表2.4的迹统计量显示，在5%的显著性水平上，拒绝“至多存在一个协整方程”的零假设，而接受“至多存在两个协整方程”的零假设，说明AL、SIZE、EFF、STR之间存在长期均衡关系。对该协整向量正规化后，就得到如下的标准化协整方程（括号内为参数估计值的唯一的渐进标准误差）：

对式（2－1）的分析如下：

第一，股权融资规模（SIZE）的扩大对农业产业化水平的提升有正向促进作用。因为农业产业化相关企业靠天吃饭的现实使得融资难一直是行业顽疾，所以上市发行股票这条最便捷的融资渠道有利于实现农业产业化的跨越式发展。该结论是对当前国家所倡导的“积极推动涉农企业对接多层次资本市场，在资本市场上支持农业发展”的政策的有力支持。

第二，股权融资效率（EFF）的提高对农业产业化水平的发展也有正向促进作用。因为融资效率的提升有助于股权募集资金投向农用机械、工具、农用建设项目等固定资产，所以能够有效地促进主导农业产业发展，推进农业产业化进程。但从系数上看，效率带来的正向促进作用比规模带来的正向促进作用要弱许多，这是由于农业投资环境的吸引力不够。当前我国绝大多数农业产业化相关企业规模偏小、内源融资极为有限，经营规模效应低导致股权融资普遍处于非效率状态。

第三，股权融资结构（STR）和农业产业化呈反向关系，表明股权融资相较于信贷资金所占比例越大，反而不利于农业产业化的提升。其原因在于，部分农业产业化相关企业打着“农”字招牌获得优惠的政策支持，却背离招股承诺，热衷于非农扩张，募集资金不是用于主营业务和增加农业产业化升级的基础投入，而是将存量或增量资金投向非农业产业，变更募集资金投向，背农现象普遍。募集资金变更的主要原因在于农业行业利润微薄，同时受自然、社会等多重风险的影响，所以农业产业化相关企业试图通过多元化经营来提高经营业绩，以背农经营的其他行业间的盈亏互补来抵御以农业为主业的风险。粗略统计，有70%～80%的上市农业产业化相关企业进行过非农化经营，非农化涉及的行业主要有房地产业、生物制药业、金融业、仓储运输业等。募集资金变更的现实毫无疑问导致上市农业产业化相关企业投资分散，不利于农业产业化的推进。

（5）因果检验

协整检验表征的是变量之间在平稳性的基础上所存在的长期稳定关系，而格兰杰因是检验描述的是变量之间的短期因果关系。但这里的因果关系不是指经济理论上的因果关系，而是检验统计上的时间先后顺序，即预测上的前后关系。为说明股权融资的前期变化能否有效地解释农业产业化水平的变化，从统计上考察两者在时间上是否存在先导和滞后的关系，接下来进行Granger因果检验，结果如表2.5所示。

表2.5显示，AL对于SIZE、EFF、STR的n×n统计量的概率值分别为0.0435、0.0536、0.0000，说明变量SIZE、EFF、STR是AL的Granger原因，内生变量AL对应的方程里需要包含三个变量。同时，从AL相对于SIZE、EFF、STR的联合检验分析，ρ统计量的概率值为0.0000，表示SIZE、EFF、STR的滞后项对于AL是联合显著的，说明股权融资的蓬勃发展对于农业产业化的提升是直接和显著的，而且只有股权融资规模、效率和结构并重发展才能有力地促进我国农业产业化水平的发展。该结论和上面协整检验的结果相吻合。另外，SIZE、EFF、STR对于AL的个体因素均不显著，即AL都不是SIZE、EFF、STR的Granger原因，说明农业产业化发展并不会对股权融资起到有益的带动作用。以上分析表明，当前股权融资与农业产业化发展之间并不存在双向互动，农业产业化对股权融资的影响尚处于萌芽阶段。这与我国的现实相吻合。当前给农业产业化提供资金支持的仍是信贷融资。

2.3.3 基于脉冲响应函数的动态影响分析

上述分析仅得到股权融资对农业产业化影响的长短期均衡关系，但该关系的动态表现并未反映出来。为刻画随机扰动项一个单位标准差脉冲（标准差新息）对于VAR模型中所有内生变量现在以及将来取值大小所带来的影响强度和持续时间，分析VAR模型的动态特征，就用脉冲响应函数探究每个内生变量应对模型中其他内生变量扰动所做出的反应。这里用合成图和不计算法进行分析，均设定25年的追踪期，脉冲响应如图2.3所示（横轴表示冲击作用的滞后期数，纵轴表示对冲击的响应程度）。

图2.3（1）是各变量受随机扰动项冲击对农业产业化水平的动态影响。具体分析如下：

第一，AL对SIZE标准差扰动的初始响应也为零，在第2期有微弱的负响应后迅速于第3期达到正向最大值0.009，即股权融资规模变动在第3期对农业产业化的冲击影响力是最强的。虽然随时间的推移这种影响逐渐减弱，但在第7期又重新达到最大值0.009，直至第18期稳定趋于零。这说明股权融资规模的增大能够给农业产业化带来正向影响，但该影响是在第2期后才出现的，存在滞后性，并且影响持续至第18期。

第二，AL对EFF一个标准差新息的冲击在第1期呈现零响应，第2期开始下降呈现负响应，直到第3期达到负向最小值响应值，随后在第4～6期呈正负交替出现的波动态势，于第7期开始重新出现正响应并猛烈上升，直至第12期达到最大值0.011后逐渐收敛，并于第24期趋于零。这说明股权融资效率的提升开始给农业产业化的推进带来负向影响，但却是比较短暂的，从长期来看是会有正向影响的，并且持续到第24期才基本终止。这可能是因为股权融资资金转化为农业产业化项目建设固定资产（如技术改造、仓储等农用设施建设和生产、加工基地建设）需要一定的周期，而当投资完成后将会持续加快农业产业化进程。

第三，AL对STR在初始期的响应仍为零，在第2期为正响应后在第3期快速下降至零，并一直呈负响应，并于第8期达到最小值－0.016，随后负响应逐渐回升并于第19期趋于零。这说明股权融资结构的变动仅在第3期前能够给农业产业化带来正向影响，从长期来看是有抑制作用的，并且影响持续至第19期。这种负向冲击无疑是和上市农业产业化相关企业募集资金投向从农业项目变更至其他项目紧密相关。从上述描述可以看出，农村股权融资规模的扩大绝对能够促进农业产业化水平的提升，特别是配合效率的增加更加能够对农业产业化水平的发展产生正向稳定的冲击，但一味大力发展股权融资而不解决募集资金背农的问题反而不利于农业产业化的推进。因此，只有富有规模、具有效率、结构合适、合理投向的股权融资，才能真正对农业产业化产生积极的影响，但这些影响表现出一定的滞后性。

图2.3的（2）（3）（4）中SIZE、EFF、STR对AL新息冲击响应非常类似，开始都有最大的正向响应，随后持续下降，并呈现时正时负的复杂状况，但均以正向冲击为主，并都在第21期趋于零。以上反映出农业产业化的推动对于农村股权融资规模、效率和结构的影响可能会产生正向影响，但效应微弱而且难以分辨。这和我国农业产业化相关企业在资本市场中所占份额过小有关。