论文部分内容阅读
[摘要]文章利用2010-2017年中国31个省（自治区、直辖市）的面板数据，运用Malmquist指数法测度农业全要素生产率（TFP），分析“互联网+农业”对农业全要素生产率的影响。研究发现：（1）“互联网+农业”对农业TFP有显著的促进作用，即“互联网+农业”每上升1个百分点，农业全要素生产率将提高0.014%。（2）“互联网+农业”对中国不同地区农业TFP的影响有明显差异性，对东部地区、中部地区的作用显著，但对西部地区却没有实质性影响。（3）“互联网+农业”对技术效率变化具有显著的促进作用，对技术进步变化的作用不明显，说明样本期内，中国农业生产力的提升主要来源于农业生产内部技术效率的提升。据此提出加快建设普惠互联网，加强互联网技术在农业产业上的应用等对策建议。
[关键词]全要素生产率;互联网+;Malmquist指数法;技术效率
[中图分类号]F323
[文献标识码]A
[文章编号]1008-0694（2020）05-0083-12
一、引言
2015年，《国务院关于积极推进“互联网+”行动的指导意见>（国发[2015]40号）发布，“互联网+”概念首次出现在公众的视野中。同年，十二届全国人大三次会议上，李克强总理提出“互联网+”行动计划。2016年，中央一号文件强调要“大力推进‘互联网+’现代农业，应用物联网、云计算、大数据、移动互联等现代信息技术，推动农业全产业链改造升级”，“互联网+”农业正式以国家层面战略形式出现。国务院及相关部委也密集出台了《农业部关于推进农业农村大数据发展的实施意见》（农市发[2015]6号）、《关于推进农村一二三产业融合发展的指导意见》（国办发[2015]93号）、《“互联网+”现代农业三年行动实施方案》、《关于进一步促进农产品加工业发展的意见》（国办发[2016]93号）等“互联网+农业”相关政策。2019年中央一号文件再次强调，“实施数字乡村战略，深入推进互联网+农业，推进重要农产品全产业链大数据建设，实施互联网+农产品出村进城工程”。
在强有力的政策推动下，“互联网+农业”引起了明显的市场共鸣，以农产品电子商务为例，阿里零售平台2019年的农产品销售完成额度大约为2000亿元，同比增长超过了30%（数据来源于《2020阿里农产品电商报告》）。然而，尽管在“互联网+”推力下，中国农业产值增速却仍然逐年趋缓，反映出中国农业发展仍然面临着诸多问题，如较低的流通效率、低水平的标准化和品牌化等问题。因此，研究“互联网+农业”对农业全要素生产率的影响及其作用机制，具有较强的现实意义和必要性。基于以上分析，本文立足2010-2017年中国农业全要素生产率的基本情况，对“互联网+农业”水平进行量化，探究“互联网+农业”对中国农业全要素生产率的影响。具体来看，一方面，通过全要素生产率的指数分解来讨论作用机制，分析“互联网+农业”如何通过影响农业技术水平、农业技术效率来作用于农业全要素生产率，又如何通过影响农业纯技术效率和规模效率来影响农业技术效率;另一方面，从不同地区的角度讨论“互联网+农业”对中国农业全要素生产率的影响水平，结合不同地区农业生产特点分析“互联网+农业”的影响异质性。
二、文献回顾
根据“互联网+”的定义引申可知，“互联网+农业”是指互联网信息技术与农业的有机结合。国内关于“互联网+农业”对经济的影响主要集中在对理论机制的研究上，相关实证研究较少。现有研究显示，“互联网+农业”是信息生产力直接作用于农业产业链全过程的产物，农资电商、农村互联网金融以及农业信息化三大领域是其发展的主要方向。直接研究“互联网+农业”对农业经济影响的相关文献主要从路径分析的角度展开，第一，关于信息化对生产率影响方面的文献颇为丰富，一方面，在“索洛悖论”现象下，部分研究认为信息化对生产率没有显著联系。另一方面，农业信息化将农业传感器技术、精细农作技术、机器人技术等先进科技引入到农业的生产和监控中，促进获取农业信息流通。除了对技术水平的促进作用，互联网和农业的结合还有利于人力资本积累，促进农产品销售能力提高，对农业全要素生产率具有促进作用。农业信息化对农业全要素生产率的非线性作用方面，认为只有农村人力资本水平提高到一定程度，农业信息化对农业全要素生产率的增长效应才能够被有效释放。第二，农业电子商务方面，已有文献主要关注其发展形势、发展模式与案例、消费者意愿及偏好等。认为农资电商扩大了传统流通渠道，增加农村创业、就业的机会，推动传统产业进行转型升级，促进农村地区实现就地城镇化。第三，农村互联网金融方面，认为农村互联网金融对农业生产的促进作用，主要是因为农村金融发展水平的提高能够更好地开展新型农业经营主体贷款等一系列惠农支付业务，有利于完善农村基础设施，为农业经济发展提供良好的外部环境，即对市场流通和农村基础设施建设有正面促进作用。
关于“互联网+”与全要素生产率的相关研究，许多学者已经进行了一定程度的探讨。如有学者就从互联网的技术、平台、思维和网络效应4个维度出发，在全国层面上，发现互联网对中国的技术进步的作用是正向的，而对中国的技术效率作用是反向的。沈悦和郭品（2015）认为在技术溢出效应作用下，互联网金融提高了我国商业银行的全要素生产率，且对不同类型商业银行的影响程度也不同。肖利平（2018）发现“互联网+”在技术效率驱动机制下，有助于提高我国装备制造业全要素生产率。从信息平台角度，施炳展（2016）认为互联网的优势在于它降低了交易成本、扩大了交易规模、优化了资源配置水平。
综上，目前关于“互联网+”的相关研究已经取得了丰富的研究成果，但缺乏“互联网+农业”与农业经济发展的实证研究，缺乏将“互联网+”与农业全要素生产率联系在一起的研究。本文探讨了“互联网+农业”对我国农业全要素生产率的影响及其作用机制，并试图根据区域的划分对该问题做出更具有普适性的讨论。进一步看，本文主要有以下两点创新：一是首次将“互联网+农业”进行量化，考虑到互联网资源的跨时空性和非排他性，加之与农业的结合，用法人单位平均网站占有量来衡量“互联网+农业”水平，为“互联网+农业”的影响及影响机制实证研究提供一种新的衡量方法。二是已有对“互联网+农业”与农业产业的直接研究文献，通常只涉及理论研究，本文在这些理论分析的基础上，对两者的关系进行了实证分析，在丰富相關实证研究的基础上，以期为相关政策制定提供参考。 三、数据与变量
1.数据来源
本文使用中国31个省（自治区、直辖市）2010-2017年分区域面板数据来进行实证分析。若无特殊说明，各变量数据均来自相关年份的《中国农业统计年鉴》《中国统计年鉴》。
2.估计方法与变量选择
（1）被解释变量为农业全要素生产率（TFP），同时对该变量采取对数形式，以此来衡量农业TFP及其构成的变化程度。根据研究的需要，采取非参数法的Malmquist指数法对其进行测度，首先将农业TFP分解为技术进步变化指数（TP）和技术效率变化指数（TE），进而将技术效率变化指数分解为纯技术效率变化指数（PE）和规模效率变化指数（SE）。其后，运用DEP2.0软件对数据进行计算，产出变量为农、林、牧、渔业总产值;投入变量包括劳动投入、土地投入以及资本投入。沿用已有文献中的常见做法，劳动投入用农、林、牧、渔业城镇单位就业人员和农村人口数量的加总进行衡量，土地投入用农作物总播种面积衡量，资本投入用农业机械总动力、农用化肥使用量（折纯量）进行度量。
运用上述方法，得到2010-2017年中国农业全要素生产率及其构成（详见表1），在样本期内，中国农业全要素生产率总体呈现增长趋势，年均增速约8.3个百分点，这说明中国农业生产力得到了较大水平的提升。但是，在不同时间阶段呈现出明显的波动性特征。在2010-2011年增长较快，是研究样本期内的最高水平;在2012年后，增长速度开始逐步放缓，虽然在2016年又出现了增长速度加快的现象，但在2017年又回归了增长放缓的趋势，且在该年中国农业全要素生产率仅有1.2%。从增长源泉看，技术进步指数、技术效率变化指数年均增速分别为0.1%、8.2%;纯技术效率变化指数和规模效率变化指数年均增速分别为0.5%和-0.4%。这说明总体上来看，中国农业全要素生产率的增长主要依靠技术效率的改善而非技术进步。
表2为分地区2010-2017年农业全要素生产率及其分解构成，可以看出2010年到2017年8年间，中国农业全要素生产率及其分解构成的增长速度在不同地区中存在明显差异。总体来看，中国各省（自治区、直辖市）的农业TFP都呈现增长趋势，忽略各地区差异得到的农业全要素生产率、技术规模变化指数、技术水平变化指数等与全国层面的回归结果大体一致，可以进一步佐证全国层面的研究结论。（2）解释变量是“互联网+农业”水平。“互联网+农业”的本质在于将互联网资源应用到农业的生产、销售各个领域，实现产业的结合，以及行业的数据化、数字化。因此，本文选取法人单位平均网站占有量来度量“互联网+农业”水平，反映地区农业互联网资源丰富水平，在缺乏统一估算体系的背景下作为其替代指标。（3）控制变量。由于影响中国农业全要素生产率的因素有很多，在实证分析中如果不控制这些因素可能会造成遗漏变量偏误，从而损害回归结果的一致性。因此，本文根据现有的对农业全要素生产率影响因素研究，将市场化水平（MK）、劳动力资源（WO）、地区农业产值占比（OT）作为控制变量。究其原因，劳动力资源即农村人力资本可以通过影响技术效率直接影响TFP，由于农业生产中过多的劳动力投入可能对农业生产技术水平提升和技术效率改善产生反向的效果，因此有必要控制劳动力资源（WO）。地区农业经济相对地位对其农业全要素生产率具有重要影响，而农业市场化程度对该地区农业全要素生产率也有明显影响，因此有必要控制地区农业产值占比（OT）、市场化水平（MK）。沿用已有文献中的常见做法，本文用地方财政营业税占地方财政税收总收入比重来衡量市场化水平（MK），用农林牧渔业城镇单位就业人员占年末常住人口比重来衡量劳动力资源（WO），用农、林、牧、渔业增加值占地区生产总值比重来度量地区农业产值占比（OT），表3给出了相关变量的描述性统计结果。
此外，由于本文所采用的数据是经济社会发展数据，具有一定的趋势性，在对其进行ADF单位根检验后，发现各变量都是一阶单整数列，故而本文回归分析中的数据都是差分处理后的数据。
四、实证分析
1.固定效应模型基准回归结果
本文借鉴Jeanneney和Hua（2006）、张军和金煜（2005）等学者对全要素生产率的相关实证研究文献，构建面板数据固定效应模型，具体回归方程如下：
其中，i代表各省（自治区、直辖市），t代表不同的年份，α0表示常数项，InTFP和InINT分别表示被解释变量和解释变量。InX表示一系列控制变量，包括市场化水平（MK）、人力资源（WO）、地区农业产值占比（OT）。u为随机误差项，服从正态分布。prince表示省际固定效应，用于剔除短时间内不随时间变化的因素的影响。
基准回归结果如表4所示，“互联网+农业”（INT）每上升1个百分点，农业全要素生产率将提高0.014%，且在1%的水平上显著。这个说明“互联网+农业”的推广能够显著提升农业全要素生产率（TFP）。同时，市场化水平（MK）每提升1个百分点，农业全要素生产率下降0.031%，但未通过显著性检验。地区农业产值占比（OT）每提高1个百分点，农业全要素生产率提高0.122%，且在5%的水平上显著。以上两个控制变量可以显示农业的地区特征，说明地区农村劳动力资源的增多、农业产值占比提高，对农业全要素生产率有正面促进效果。劳动力资源（WO）每提高1个百分点，农业全要素生产率提高0.51%，且在1%的水平上显著，因而人力资本是实现农业高质量发展的一个重要内在推动力。
2.影响机制分析
为了进一步探究“互联网+农业”对农业全要素生产率促进作用的影响机制，本文还分别用技术进步变化指数（TP）、技术效率变化指数（TE）作为因变量对固定效应模型重新进行回归，得到的结果为表5第（1）、（2）列。进而用纯技术效率变化指数（PE）和规模效率变化指数（SE）作为因变量对固定效应模型重新進行回归，得到的结果为表5第（3）、（4）列。 对比第（1）、（2）列，本文认为“互联网+农业”对农业全要素生产率的促进作用主要由对技术效率变化的影响导致。具体来说，“互联网+农业”（INT）每上升1个百分点，技术进步变化指数（TP）下降0.007%，但未通过显著性检验。“互联网+农业”（INT）每上升1个百分点，技术效率变化指数（TE）增加0.014%，且在1%的显著性水平下通过了显著性检验，说明“互联网+农业”对农业全要素生产率的提升属于技术效率驱动型。结合市场化水平（MK）、劳动力资源（WO）、地区农业产值占比（OT）来说，技术进步变化指数（TP）对市场化水平（MK）、劳动力资源（WO）的估计参数值分别是0.018、-0.032，但均未通过显著性检验;技术进步变化指数（TP）对地区农业产值占比（OT）的估计参数值是0.122，且在5%的显著性水平下通过显著性检验。技术效率变化指数（TE）对市场化水平（MK）、劳动力资源（WO）的参数估计值分别是-0.062、0.591，且在1%的显著水平下通过显著性检验。技术效率变化指数（TE）对地区农业产值占比（OT）的参数估计值是0.093，在5%显著水平下通过显著性检验。
可以看出，劳动力资源（WO）、农业市场化水平（MK）对农业全要素生产率的影响均属于技术效率驱动型，而非技术进步驱动型;而地区农业产值占比（OT）对农业全要素生产率的促进作用属于技术进步驱动型。
对比第（3）、（4）列，本文认为“互联网+农业”对农业技术效率变化的影响主要由对纯技术效率的促进作用导致。具体来说，“互联网+農业”（INT）每上升1个百分点，纯技术效率变化指数（PE）增加0.005%，且在5%的显著性水平下通过显著性检验。“互联网+农业”（INT）每上升1个百分点，规模效率变化指数（SE）降低0.012%，且在1%的显著性水平下通过了显著性检验。也就是说，“互联网+农业”对纯技术效率有正面促进作用，而对规模效率变化却具有负面抑制作用。因此，本文认为“互联网+农业”对农业全要素生产率的提升属于技术效率驱动型。结合市场化水平（MK）、劳动力资源（WO）、地区农业产值占比（OT）来说，市场化水平（MK）对规模效率变化指数（SE）和纯技术效率变化指数（PE）分别具有促进和抑制作用，地区农业产值占比（OT）对纯技术效率变化指数（PE）具有显著的正面促进作用，而劳动力资源（WO）对纯技术效率变化和规模效率变化的影响都不显著。本文对“互联网+农业”对农业纯技术效率具有正向影响的解释是：“互联网+农业”下的信息生产力在农业产业链全过程中发挥作用，互联网切入农资市场，可以改善农产品的消费市场。同时，“互联网+农业”有利于提高决策效率、减少交易成本，进而优化农业资源配置。而“互联网+农业”对规模效率变化的负面抑制作用的一种解释是：基于互联网平台的交叉网络外部性，平台另一端用户数量的多少很大程度影响了用户对该平台的评价，这种用户集聚效应，同时使平台垄断的可能性提高。
五、稳健性检验和异质性分析
1.稳健性检验
本文分别对测量误差、遗漏变量、逆向因果引起的内生性问题进行稳健性检验。第一，针对测量误差，本文采用Malmquist指数法测量被解释变量，数据全部来自国家统计局的权威数据，在一定程度上可以弱化测量误差。第二，针对遗漏变量，本文在固定效应模型中加入了市场化水平、劳动力资源、地区农业产值占比作为控制变量，在一定程度上弱化了遗漏变量带来的内生性问题。第三，针对逆向因果，逆向因果所导致的内生性问题是本文所要解决的一个重要问题，主要通过滞后项作为关键解释变量进行回归和应用工具变量法考察由逆向因果引起的内生性问题。
本文用InINT的滞后项（LlnINT）作为自变量，在固定效应模型下重新进行回归。表6为回归结果，可以看出以滞后项作为自变量，仍然存在与基准回归时相似的结论，即关键解释变量对农业全要素生产率有正面促进作用，这个作用主要由关键解释变量对技术效率变化指数的正面促进作用导致。
本文还采取了工具变量法对由逆向因果引起的内生性问题进行考察。参考已有较为通用的研究成果，本文选取互联网+水平对数形式（lnINT）的滞后项作为工具变量，为了检验工具变量是否具有弱工具变量问题，本文用两阶段最小二乘法，表7报告了回归结果。第一阶段即对以下方程进行回归：
结果显示工具变量与内生变量存在显著的相关性，不存在弱相关性问题。进而在第二阶段本文对以下方程进行回归：
第二阶段回归结果与基准回归的结果相符，“互联网+农业”水平对农业全要素生产率具有显著的正面促进作用，该相关系数在绝对值上小于基准回归估计结果，说明潜在的内生性问题倾向于高估“互联网+农业”的作用。具体而言，“互联网+农业”水平每上升1个百分点，农业全要素生产率会提高0.009%。而在作用机制方面，第二阶段回归结果表明“互联网+农业”水平对农业技术效率变化指数具有显著正面促进作用，对技术水平变化指数具有负面抑制作用，这也与基准回归结果相符，农业技术效率变化指数作为因变量的相关系数在绝对值上减小，说明潜在的内生性问题倾向于高估“互联网+农业”对农业技术效率变化的作用。具体而言，“互联网+农业”水平每上升1个百分点，农业技术效率变化指数会提高0.005%，农业技术水平变化指数会降低0.005%，“互联网+农业”对技术效率的提高作用弥补了对技术水平的降低作用，进而在总体上表现为对农业全要素生产率有正面促进作用。
2.异质性分析
在异质性分析方面，为了验证“互联网+农业”对农业全要素生产率的影响是否具有地区差异，本文首先将中国31个省（自治区、直辖市）中浙江等11个地区作为东部地区，四川等12个地区作为西部地区，山西等8个地区作为中部地区，对“互联网+农业”对农业的全要素生产率影响的地区性差异做进一步研究。
表8、表9分别为三个分区域采用固定效应模型进行基准回归和机制分析的回归结果。东部地区“互联网+农业”对农业全要素生产率的作用在5%显著性水平下显著，弹性为0.02;中部地区“互联网+农业”对农业全要素生产率的作用弹性系数为0.018，且在10%置信区间内显著，而西部地区这一弹性为0.007，但不显著。因此在机制分析中，仅对作用显著的东部地区和中部地区样本进行分析，结果显示东部地区“互联网+农业”对农业技术效率和农业纯技术效率变化都存在显著促进作用，“互联网+农业”水平每上升1个百分点，二者分别会提高0.027%和0.007%。与上述结果相符，说明在东部地区“互联网+农业”对农业全要素生产率的促进作用属于技术效率驱动型。而中部地区的影响机制结果显示“互联网+农业”对全要素生产率的分指数的作用不显著。因此，本文不对中部地区的“互联网+农业”作用机制进行详细分析。综上，“互联网+农业”对农业全要素生产率的影响具有明显的地区差异，其作用效果在东部地区最为明显，其次是在中部地区，而在西部地区“互联网+农业”对农业全要素生产率没有实质性的影响。
六、结论
本文利用2010-2017年中国31个省（自治区、直辖市）的面板数据，运用Malmquist指数法，测度2010-2017年中国农业全要素生产率，从不同的角度分析了“互联网+农业”对农业全要素生产率的影响，具体得到如下研究结论：第一，在样本期间内，“互联网+农业”能够显著提高中国农业全要素生产率，即“互联网+农业”每上升1个百分点，农业全要素生产率将提高0.014%。第二，“互联网+农业”对农业全要素生产率的影响在中国各个地区有明显的地区异质性，对东部地区、中部地区的作用显著，对西部地区没有实质性影响，但从长期来看这种正面促进作用在不同区域之间具有趋同性。第三，“互联网+农业”对农业全要素生产率的驱动力主要来自对技术效率变化的促进作用，规模效应对技术规模具有抑制作用，纯技术效应对技术规模具有明显的正面驱动作用。本文的结论在一定程度上可以说明，农业是“信息技术投资发挥巨大作用”的行业。
本文的发现较具有政策含义：“互联网+农业”对中国各地区农业全要素生产率的促进作用主要体现在技术效率上，其中对东部地区的促进作用最为明显。因此有必要加快建设普惠互联网，尤其是要加快西部地区的互联网基础设施建设，在全国各地区普及“互联网+农业”，运用互联网技术对农产品产业链环节进行改造和整合，进一步减少交易中间环节，提高农业产业链效率;同时，为缓解和逆转“互联网+农业”对技术水平变化、规模效率的负面作用，应该加强互联网技术在农业产业上的应用，持续推动农业的规模化经营。
（责任编辑 肖华堂）
[关键词]全要素生产率;互联网+;Malmquist指数法;技术效率
[中图分类号]F323
[文献标识码]A
[文章编号]1008-0694（2020）05-0083-12
一、引言
2015年，《国务院关于积极推进“互联网+”行动的指导意见>（国发[2015]40号）发布，“互联网+”概念首次出现在公众的视野中。同年，十二届全国人大三次会议上，李克强总理提出“互联网+”行动计划。2016年，中央一号文件强调要“大力推进‘互联网+’现代农业，应用物联网、云计算、大数据、移动互联等现代信息技术，推动农业全产业链改造升级”，“互联网+”农业正式以国家层面战略形式出现。国务院及相关部委也密集出台了《农业部关于推进农业农村大数据发展的实施意见》（农市发[2015]6号）、《关于推进农村一二三产业融合发展的指导意见》（国办发[2015]93号）、《“互联网+”现代农业三年行动实施方案》、《关于进一步促进农产品加工业发展的意见》（国办发[2016]93号）等“互联网+农业”相关政策。2019年中央一号文件再次强调，“实施数字乡村战略，深入推进互联网+农业，推进重要农产品全产业链大数据建设，实施互联网+农产品出村进城工程”。
在强有力的政策推动下，“互联网+农业”引起了明显的市场共鸣，以农产品电子商务为例，阿里零售平台2019年的农产品销售完成额度大约为2000亿元，同比增长超过了30%（数据来源于《2020阿里农产品电商报告》）。然而，尽管在“互联网+”推力下，中国农业产值增速却仍然逐年趋缓，反映出中国农业发展仍然面临着诸多问题，如较低的流通效率、低水平的标准化和品牌化等问题。因此，研究“互联网+农业”对农业全要素生产率的影响及其作用机制，具有较强的现实意义和必要性。基于以上分析，本文立足2010-2017年中国农业全要素生产率的基本情况，对“互联网+农业”水平进行量化，探究“互联网+农业”对中国农业全要素生产率的影响。具体来看，一方面，通过全要素生产率的指数分解来讨论作用机制，分析“互联网+农业”如何通过影响农业技术水平、农业技术效率来作用于农业全要素生产率，又如何通过影响农业纯技术效率和规模效率来影响农业技术效率;另一方面，从不同地区的角度讨论“互联网+农业”对中国农业全要素生产率的影响水平，结合不同地区农业生产特点分析“互联网+农业”的影响异质性。
二、文献回顾
根据“互联网+”的定义引申可知，“互联网+农业”是指互联网信息技术与农业的有机结合。国内关于“互联网+农业”对经济的影响主要集中在对理论机制的研究上，相关实证研究较少。现有研究显示，“互联网+农业”是信息生产力直接作用于农业产业链全过程的产物，农资电商、农村互联网金融以及农业信息化三大领域是其发展的主要方向。直接研究“互联网+农业”对农业经济影响的相关文献主要从路径分析的角度展开，第一，关于信息化对生产率影响方面的文献颇为丰富，一方面，在“索洛悖论”现象下，部分研究认为信息化对生产率没有显著联系。另一方面，农业信息化将农业传感器技术、精细农作技术、机器人技术等先进科技引入到农业的生产和监控中，促进获取农业信息流通。除了对技术水平的促进作用，互联网和农业的结合还有利于人力资本积累，促进农产品销售能力提高，对农业全要素生产率具有促进作用。农业信息化对农业全要素生产率的非线性作用方面，认为只有农村人力资本水平提高到一定程度，农业信息化对农业全要素生产率的增长效应才能够被有效释放。第二，农业电子商务方面，已有文献主要关注其发展形势、发展模式与案例、消费者意愿及偏好等。认为农资电商扩大了传统流通渠道，增加农村创业、就业的机会，推动传统产业进行转型升级，促进农村地区实现就地城镇化。第三，农村互联网金融方面，认为农村互联网金融对农业生产的促进作用，主要是因为农村金融发展水平的提高能够更好地开展新型农业经营主体贷款等一系列惠农支付业务，有利于完善农村基础设施，为农业经济发展提供良好的外部环境，即对市场流通和农村基础设施建设有正面促进作用。
关于“互联网+”与全要素生产率的相关研究，许多学者已经进行了一定程度的探讨。如有学者就从互联网的技术、平台、思维和网络效应4个维度出发，在全国层面上，发现互联网对中国的技术进步的作用是正向的，而对中国的技术效率作用是反向的。沈悦和郭品（2015）认为在技术溢出效应作用下，互联网金融提高了我国商业银行的全要素生产率，且对不同类型商业银行的影响程度也不同。肖利平（2018）发现“互联网+”在技术效率驱动机制下，有助于提高我国装备制造业全要素生产率。从信息平台角度，施炳展（2016）认为互联网的优势在于它降低了交易成本、扩大了交易规模、优化了资源配置水平。
综上，目前关于“互联网+”的相关研究已经取得了丰富的研究成果，但缺乏“互联网+农业”与农业经济发展的实证研究，缺乏将“互联网+”与农业全要素生产率联系在一起的研究。本文探讨了“互联网+农业”对我国农业全要素生产率的影响及其作用机制，并试图根据区域的划分对该问题做出更具有普适性的讨论。进一步看，本文主要有以下两点创新：一是首次将“互联网+农业”进行量化，考虑到互联网资源的跨时空性和非排他性，加之与农业的结合，用法人单位平均网站占有量来衡量“互联网+农业”水平，为“互联网+农业”的影响及影响机制实证研究提供一种新的衡量方法。二是已有对“互联网+农业”与农业产业的直接研究文献，通常只涉及理论研究，本文在这些理论分析的基础上，对两者的关系进行了实证分析，在丰富相關实证研究的基础上，以期为相关政策制定提供参考。 三、数据与变量
1.数据来源
本文使用中国31个省（自治区、直辖市）2010-2017年分区域面板数据来进行实证分析。若无特殊说明，各变量数据均来自相关年份的《中国农业统计年鉴》《中国统计年鉴》。
2.估计方法与变量选择
（1）被解释变量为农业全要素生产率（TFP），同时对该变量采取对数形式，以此来衡量农业TFP及其构成的变化程度。根据研究的需要，采取非参数法的Malmquist指数法对其进行测度，首先将农业TFP分解为技术进步变化指数（TP）和技术效率变化指数（TE），进而将技术效率变化指数分解为纯技术效率变化指数（PE）和规模效率变化指数（SE）。其后，运用DEP2.0软件对数据进行计算，产出变量为农、林、牧、渔业总产值;投入变量包括劳动投入、土地投入以及资本投入。沿用已有文献中的常见做法，劳动投入用农、林、牧、渔业城镇单位就业人员和农村人口数量的加总进行衡量，土地投入用农作物总播种面积衡量，资本投入用农业机械总动力、农用化肥使用量（折纯量）进行度量。
运用上述方法，得到2010-2017年中国农业全要素生产率及其构成（详见表1），在样本期内，中国农业全要素生产率总体呈现增长趋势，年均增速约8.3个百分点，这说明中国农业生产力得到了较大水平的提升。但是，在不同时间阶段呈现出明显的波动性特征。在2010-2011年增长较快，是研究样本期内的最高水平;在2012年后，增长速度开始逐步放缓，虽然在2016年又出现了增长速度加快的现象，但在2017年又回归了增长放缓的趋势，且在该年中国农业全要素生产率仅有1.2%。从增长源泉看，技术进步指数、技术效率变化指数年均增速分别为0.1%、8.2%;纯技术效率变化指数和规模效率变化指数年均增速分别为0.5%和-0.4%。这说明总体上来看，中国农业全要素生产率的增长主要依靠技术效率的改善而非技术进步。
表2为分地区2010-2017年农业全要素生产率及其分解构成，可以看出2010年到2017年8年间，中国农业全要素生产率及其分解构成的增长速度在不同地区中存在明显差异。总体来看，中国各省（自治区、直辖市）的农业TFP都呈现增长趋势，忽略各地区差异得到的农业全要素生产率、技术规模变化指数、技术水平变化指数等与全国层面的回归结果大体一致，可以进一步佐证全国层面的研究结论。（2）解释变量是“互联网+农业”水平。“互联网+农业”的本质在于将互联网资源应用到农业的生产、销售各个领域，实现产业的结合，以及行业的数据化、数字化。因此，本文选取法人单位平均网站占有量来度量“互联网+农业”水平，反映地区农业互联网资源丰富水平，在缺乏统一估算体系的背景下作为其替代指标。（3）控制变量。由于影响中国农业全要素生产率的因素有很多，在实证分析中如果不控制这些因素可能会造成遗漏变量偏误，从而损害回归结果的一致性。因此，本文根据现有的对农业全要素生产率影响因素研究，将市场化水平（MK）、劳动力资源（WO）、地区农业产值占比（OT）作为控制变量。究其原因，劳动力资源即农村人力资本可以通过影响技术效率直接影响TFP，由于农业生产中过多的劳动力投入可能对农业生产技术水平提升和技术效率改善产生反向的效果，因此有必要控制劳动力资源（WO）。地区农业经济相对地位对其农业全要素生产率具有重要影响，而农业市场化程度对该地区农业全要素生产率也有明显影响，因此有必要控制地区农业产值占比（OT）、市场化水平（MK）。沿用已有文献中的常见做法，本文用地方财政营业税占地方财政税收总收入比重来衡量市场化水平（MK），用农林牧渔业城镇单位就业人员占年末常住人口比重来衡量劳动力资源（WO），用农、林、牧、渔业增加值占地区生产总值比重来度量地区农业产值占比（OT），表3给出了相关变量的描述性统计结果。
此外，由于本文所采用的数据是经济社会发展数据，具有一定的趋势性，在对其进行ADF单位根检验后，发现各变量都是一阶单整数列，故而本文回归分析中的数据都是差分处理后的数据。
四、实证分析
1.固定效应模型基准回归结果
本文借鉴Jeanneney和Hua（2006）、张军和金煜（2005）等学者对全要素生产率的相关实证研究文献，构建面板数据固定效应模型，具体回归方程如下：
其中，i代表各省（自治区、直辖市），t代表不同的年份，α0表示常数项，InTFP和InINT分别表示被解释变量和解释变量。InX表示一系列控制变量，包括市场化水平（MK）、人力资源（WO）、地区农业产值占比（OT）。u为随机误差项，服从正态分布。prince表示省际固定效应，用于剔除短时间内不随时间变化的因素的影响。
基准回归结果如表4所示，“互联网+农业”（INT）每上升1个百分点，农业全要素生产率将提高0.014%，且在1%的水平上显著。这个说明“互联网+农业”的推广能够显著提升农业全要素生产率（TFP）。同时，市场化水平（MK）每提升1个百分点，农业全要素生产率下降0.031%，但未通过显著性检验。地区农业产值占比（OT）每提高1个百分点，农业全要素生产率提高0.122%，且在5%的水平上显著。以上两个控制变量可以显示农业的地区特征，说明地区农村劳动力资源的增多、农业产值占比提高，对农业全要素生产率有正面促进效果。劳动力资源（WO）每提高1个百分点，农业全要素生产率提高0.51%，且在1%的水平上显著，因而人力资本是实现农业高质量发展的一个重要内在推动力。
2.影响机制分析
为了进一步探究“互联网+农业”对农业全要素生产率促进作用的影响机制，本文还分别用技术进步变化指数（TP）、技术效率变化指数（TE）作为因变量对固定效应模型重新进行回归，得到的结果为表5第（1）、（2）列。进而用纯技术效率变化指数（PE）和规模效率变化指数（SE）作为因变量对固定效应模型重新進行回归，得到的结果为表5第（3）、（4）列。 对比第（1）、（2）列，本文认为“互联网+农业”对农业全要素生产率的促进作用主要由对技术效率变化的影响导致。具体来说，“互联网+农业”（INT）每上升1个百分点，技术进步变化指数（TP）下降0.007%，但未通过显著性检验。“互联网+农业”（INT）每上升1个百分点，技术效率变化指数（TE）增加0.014%，且在1%的显著性水平下通过了显著性检验，说明“互联网+农业”对农业全要素生产率的提升属于技术效率驱动型。结合市场化水平（MK）、劳动力资源（WO）、地区农业产值占比（OT）来说，技术进步变化指数（TP）对市场化水平（MK）、劳动力资源（WO）的估计参数值分别是0.018、-0.032，但均未通过显著性检验;技术进步变化指数（TP）对地区农业产值占比（OT）的估计参数值是0.122，且在5%的显著性水平下通过显著性检验。技术效率变化指数（TE）对市场化水平（MK）、劳动力资源（WO）的参数估计值分别是-0.062、0.591，且在1%的显著水平下通过显著性检验。技术效率变化指数（TE）对地区农业产值占比（OT）的参数估计值是0.093，在5%显著水平下通过显著性检验。
可以看出，劳动力资源（WO）、农业市场化水平（MK）对农业全要素生产率的影响均属于技术效率驱动型，而非技术进步驱动型;而地区农业产值占比（OT）对农业全要素生产率的促进作用属于技术进步驱动型。
对比第（3）、（4）列，本文认为“互联网+农业”对农业技术效率变化的影响主要由对纯技术效率的促进作用导致。具体来说，“互联网+農业”（INT）每上升1个百分点，纯技术效率变化指数（PE）增加0.005%，且在5%的显著性水平下通过显著性检验。“互联网+农业”（INT）每上升1个百分点，规模效率变化指数（SE）降低0.012%，且在1%的显著性水平下通过了显著性检验。也就是说，“互联网+农业”对纯技术效率有正面促进作用，而对规模效率变化却具有负面抑制作用。因此，本文认为“互联网+农业”对农业全要素生产率的提升属于技术效率驱动型。结合市场化水平（MK）、劳动力资源（WO）、地区农业产值占比（OT）来说，市场化水平（MK）对规模效率变化指数（SE）和纯技术效率变化指数（PE）分别具有促进和抑制作用，地区农业产值占比（OT）对纯技术效率变化指数（PE）具有显著的正面促进作用，而劳动力资源（WO）对纯技术效率变化和规模效率变化的影响都不显著。本文对“互联网+农业”对农业纯技术效率具有正向影响的解释是：“互联网+农业”下的信息生产力在农业产业链全过程中发挥作用，互联网切入农资市场，可以改善农产品的消费市场。同时，“互联网+农业”有利于提高决策效率、减少交易成本，进而优化农业资源配置。而“互联网+农业”对规模效率变化的负面抑制作用的一种解释是：基于互联网平台的交叉网络外部性，平台另一端用户数量的多少很大程度影响了用户对该平台的评价，这种用户集聚效应，同时使平台垄断的可能性提高。
五、稳健性检验和异质性分析
1.稳健性检验
本文分别对测量误差、遗漏变量、逆向因果引起的内生性问题进行稳健性检验。第一，针对测量误差，本文采用Malmquist指数法测量被解释变量，数据全部来自国家统计局的权威数据，在一定程度上可以弱化测量误差。第二，针对遗漏变量，本文在固定效应模型中加入了市场化水平、劳动力资源、地区农业产值占比作为控制变量，在一定程度上弱化了遗漏变量带来的内生性问题。第三，针对逆向因果，逆向因果所导致的内生性问题是本文所要解决的一个重要问题，主要通过滞后项作为关键解释变量进行回归和应用工具变量法考察由逆向因果引起的内生性问题。
本文用InINT的滞后项（LlnINT）作为自变量，在固定效应模型下重新进行回归。表6为回归结果，可以看出以滞后项作为自变量，仍然存在与基准回归时相似的结论，即关键解释变量对农业全要素生产率有正面促进作用，这个作用主要由关键解释变量对技术效率变化指数的正面促进作用导致。
本文还采取了工具变量法对由逆向因果引起的内生性问题进行考察。参考已有较为通用的研究成果，本文选取互联网+水平对数形式（lnINT）的滞后项作为工具变量，为了检验工具变量是否具有弱工具变量问题，本文用两阶段最小二乘法，表7报告了回归结果。第一阶段即对以下方程进行回归：
结果显示工具变量与内生变量存在显著的相关性，不存在弱相关性问题。进而在第二阶段本文对以下方程进行回归：
第二阶段回归结果与基准回归的结果相符，“互联网+农业”水平对农业全要素生产率具有显著的正面促进作用，该相关系数在绝对值上小于基准回归估计结果，说明潜在的内生性问题倾向于高估“互联网+农业”的作用。具体而言，“互联网+农业”水平每上升1个百分点，农业全要素生产率会提高0.009%。而在作用机制方面，第二阶段回归结果表明“互联网+农业”水平对农业技术效率变化指数具有显著正面促进作用，对技术水平变化指数具有负面抑制作用，这也与基准回归结果相符，农业技术效率变化指数作为因变量的相关系数在绝对值上减小，说明潜在的内生性问题倾向于高估“互联网+农业”对农业技术效率变化的作用。具体而言，“互联网+农业”水平每上升1个百分点，农业技术效率变化指数会提高0.005%，农业技术水平变化指数会降低0.005%，“互联网+农业”对技术效率的提高作用弥补了对技术水平的降低作用，进而在总体上表现为对农业全要素生产率有正面促进作用。
2.异质性分析
在异质性分析方面，为了验证“互联网+农业”对农业全要素生产率的影响是否具有地区差异，本文首先将中国31个省（自治区、直辖市）中浙江等11个地区作为东部地区，四川等12个地区作为西部地区，山西等8个地区作为中部地区，对“互联网+农业”对农业的全要素生产率影响的地区性差异做进一步研究。
表8、表9分别为三个分区域采用固定效应模型进行基准回归和机制分析的回归结果。东部地区“互联网+农业”对农业全要素生产率的作用在5%显著性水平下显著，弹性为0.02;中部地区“互联网+农业”对农业全要素生产率的作用弹性系数为0.018，且在10%置信区间内显著，而西部地区这一弹性为0.007，但不显著。因此在机制分析中，仅对作用显著的东部地区和中部地区样本进行分析，结果显示东部地区“互联网+农业”对农业技术效率和农业纯技术效率变化都存在显著促进作用，“互联网+农业”水平每上升1个百分点，二者分别会提高0.027%和0.007%。与上述结果相符，说明在东部地区“互联网+农业”对农业全要素生产率的促进作用属于技术效率驱动型。而中部地区的影响机制结果显示“互联网+农业”对全要素生产率的分指数的作用不显著。因此，本文不对中部地区的“互联网+农业”作用机制进行详细分析。综上，“互联网+农业”对农业全要素生产率的影响具有明显的地区差异，其作用效果在东部地区最为明显，其次是在中部地区，而在西部地区“互联网+农业”对农业全要素生产率没有实质性的影响。
六、结论
本文利用2010-2017年中国31个省（自治区、直辖市）的面板数据，运用Malmquist指数法，测度2010-2017年中国农业全要素生产率，从不同的角度分析了“互联网+农业”对农业全要素生产率的影响，具体得到如下研究结论：第一，在样本期间内，“互联网+农业”能够显著提高中国农业全要素生产率，即“互联网+农业”每上升1个百分点，农业全要素生产率将提高0.014%。第二，“互联网+农业”对农业全要素生产率的影响在中国各个地区有明显的地区异质性，对东部地区、中部地区的作用显著，对西部地区没有实质性影响，但从长期来看这种正面促进作用在不同区域之间具有趋同性。第三，“互联网+农业”对农业全要素生产率的驱动力主要来自对技术效率变化的促进作用，规模效应对技术规模具有抑制作用，纯技术效应对技术规模具有明显的正面驱动作用。本文的结论在一定程度上可以说明，农业是“信息技术投资发挥巨大作用”的行业。
本文的发现较具有政策含义：“互联网+农业”对中国各地区农业全要素生产率的促进作用主要体现在技术效率上，其中对东部地区的促进作用最为明显。因此有必要加快建设普惠互联网，尤其是要加快西部地区的互联网基础设施建设，在全国各地区普及“互联网+农业”，运用互联网技术对农产品产业链环节进行改造和整合，进一步减少交易中间环节，提高农业产业链效率;同时，为缓解和逆转“互联网+农业”对技术水平变化、规模效率的负面作用，应该加强互联网技术在农业产业上的应用，持续推动农业的规模化经营。
（责任编辑 肖华堂）