农业信息化对农业全要素生产率的影响

刘 帅

（北京大学 中国农业政策研究中心，北京 100871）

一、引言

中国农业全要素生产率对农业产出的贡献达到60%，在保障中国粮食安全中具有重要作用[1]。研究表明，农业全要素生产率的增长主要来源于技术进步[2]，技术进步是农产品生产力增长的主要驱动力[3]。党的十九大报告明确提出要“提高全要素生产率”，具体到农业领域，则应提高农业全要素生产率，推进农业现代化。

随着信息技术在中国的迅猛发展，信息技术在农村农业领域得到广泛应用，农业信息化水平也不断提高。中国政府一直非常重视农业信息化建设。脱贫攻坚胜利后，“三农”工作重心全面转向乡村振兴，这同时也是新时代“三农”工作的总抓手。农业信息化正是乡村振兴的一个重要方向。十九大报告指出：推动新型工业化、信息化、城镇化、农业现代化同步发展。《乡村振兴战略规划（2018－2022年）》中明确提出，要提升农业信息化水平，夯实乡村信息化基础，实施数字乡村战略。在《数字乡村发展战略纲要》中明确提出，将数字乡村作为数字中国建设的重要方面，加快信息化发展，以此带动农业农村现代化。

然而，信息化能否提升农业全要素生产率尚存在争议。最早的质疑来自诺贝尔经济学奖获得者、著名经济学家罗伯特·索洛[4]，他观察到“计算机随处可见但并没有体现在生产率统计上”，这就是著名的“索罗生产率悖论”，这里的生产率就是“全要素生产率”[5]。“索洛生产率悖论”一经提出，就引起了学术界广泛讨论，至今仍是学术界研究的一个热点。当代著名经济学家Acemoglu等[6]用美国制造业数据进行了实证研究，发现IT确实促进了生产率，但也造成了工人失业，已经被认为消失了的“索洛生产率悖论”又回来了。Krishnan等[7]也提出质疑，认为“索洛生产率悖论”现象在近几年又出现了。在大数据、人工智能等信息通信技术的前沿应用领域，“索洛生产率悖论”持续引发学者研究与讨论[8]。

在农业领域，农业信息化能否提升农业全要素生产率尚未得到充分研究和讨论。基于上述政策和学术背景，本文将实证研究信息化对农业全要素生产率的影响，考察“索洛生产率悖论”在中国农业领域是否存在。在乡村振兴的大背景下，研究农业全要素生产率问题，对于促进农业转型升级、实现农业高质量发展具有重大现实意义。从农业信息化视角切入，有助于了解信息化对农业生产的作用，为农业信息化、数字农业／乡村建设提供制定调整政策的依据。从学术价值上，本文将“索洛生产率悖论”的讨论延伸到农业领域，具有一定的学术边际贡献。

二、文献综述

多数学者对“索洛生产率悖论”所反映的客观事实不予否认，并进行了实证检验[9－10]。国内学者对“索洛生产率悖论”也进行了研究和讨论。较早的研究主要以介绍这一悖论、对其进行理论阐释为主，以综述性文章居多。石建勋和吴平[11]认为20世纪90年代以来，“索洛生产率悖论”基本消失，但信息通信技术与生产率之间的关系研究是相当复杂的，需要进一步细化研究。近些年，随着中国互联网技术的发展和应用，“索洛生产率悖论”仍是学者们研究的一个热点问题，对这一问题的研究也不断深入。魏琪瑛[12]基于13个国家的面板数据，对比了发达国家和发展中国家信息技术对经济绩效的影响，发现宏观层面上信息技术的作用没有完全发挥，中国不存在或已摆脱“生产率悖论”。蔡跃洲和张钧南[13]认为信息技术对中国经济增长具有替代效应和渗透效应，特别在1990年之后，信息技术对经济的贡献呈现上升趋势。

具体到农业领域，信息技术作为一种通用技术，对农业的渗透也越来越明显。关于信息技术在农业领域的相关研究，国外起步较早，研究也相对丰富。早在21世纪初，就有学者通过印度的实践案例发现信息技术能够提高农业生产率[14]。也有国际文献关注到了中国的情况。Zhu等[15]研究发现农户使用互联网技术能够提高苹果的生产效率。Zhang等[16]总结了中国利用信息技术进行农业信息传播的7种模型，认为农业信息服务能够提高农业生产率，同时也能增加农民收入等。在国内研究方面，虽然梅方权[17]较早地从政策规划层面提出要通过农业信息化带动农业现代化，但信息技术与农业相关的研究展开较晚，且文献数量较少。

通过对现有相关文献的梳理，可知已有研究为本研究奠定了良好的基础，但仍有改进空间，特别是国内信息化对农业全要素生产率的影响的研究，还明显不足。农业领域“生产率悖论”有待进一步检验和深入研究。“索洛生产率悖论”已在学界进行了广泛讨论，但在农业领域，关于“生产率悖论”讨论还比较少，已有的零散研究多以欠发达国家为研究对象，且可能由于发展阶段的原因，多数研究在农业领域未发现“生产率悖论”，因此这一悖论尚未在农业领域得到充分认识和研究。针对中国的情况，农业领域“生产率悖论”研究较少，对于信息化影响农业全要素生产率的测度、机制等问题还缺乏比较深入的研究。

三、模型与数据

（一）模型

为了考察信息化对农业全要素生产率的影响，本文构建如下面板数据模型：

其中，i表示地区，t表示年份。Yit为本研究的核心被解释变量农业全要素生产率，即地区i在t年份的农业全要素生产率。intit为核心解释变量地区信息化水平。Xit表示一系列控制变量。μi和νt分别表示地区固定效应和时间固定效应。εit为随机扰动项。

（二）变量选取

1.被解释变量。农业全要素生产率是本文的被解释变量，因此准确测度农业全要素生产率是本文的重点和难点。农业全要素生产率一直是农业经济和发展经济领域的研究热点，国内外学者对该问题进行了大量研究和探索。农业全要素生产率有多种测算方法，测算的指标体系不同学者之间也有差异。令人遗憾的是，由于指标体系和方法多样，得出的结论并不一致。本文在测算指标体系上，提出了一个更为完善的指标体系（见表1）。该指标体系充分考虑了数据可获得性、一致性、连贯性等因素，尽可能更为全面地包括了现有研究中关于农业生产的所有要素。

表1 农业全要素生产率测算指标体系

本研究的投入指标包括劳动、土地等，涵盖了现有研究中不同指标体系所包括的投入指标，同时还包含了多数研究忽略的能源和资本两类投入指标。在指标数据上，个别指标因没有细化到狭义农业（即种植业）层次，我们采用相应的总量乘以狭义农业在生产总值中的占比来衡量。期望产出是农业总产值。非期望产出有农业碳排放和农业面源污染两类。对于农业碳排放，现有研究多从化肥、农药等使用量中进行推算，容易造成对碳排放的低估。本文借鉴Shan等[18－19]的研究方法和结论，采用IPCC分部门排放核算方法计算了农业部门的碳排放数据。由于狭义农业面源污染主要来源于化肥，因此本文通过化肥核算农业面源污染中的总氮和总磷[20]。总氮的核算方式为农业氮肥和复合肥中含氮量之和乘以氮肥流失率；总磷的核算方式为农业磷肥和复合肥中含磷量之和乘以磷肥流失率。复合肥中的含氮（磷）量参考陈同斌和陈世庆[21]的研究，均为15%。氮肥流失率和磷肥流失率则因地区差异而有所不同，具体数值参考赖斯芸[22]的研究结论。

在测算方法上，本文采用考虑非期望产出的SBM模型，该方法是一种成熟的测算方法，已得到国内外学者广泛应用认可。该模型如式（2）所示。

在实际测算中，还应考虑规模报酬问题。设

U和L分别为规模报酬的上下限。当两者都为1时，表明模型是可变规模报酬；当L＝0，U＝1模型是规模报酬递减的；当L＝1，U＝∞时模型是规模报酬递增的。该文选择更为一般的规模报酬（General Returns to Scale），此时L＝ 0.8，U＝ 1.2。

对于期望产出和非期望产出，两者的比例也是本模型应该考虑的问题。研究表明，不同比例下计算结果的大小和趋势基本相同[23]。因此我们选择更为一般的1：1比例。

综上，本文选择基于一般规模报酬的考虑非期望产出的SBM模型，其中期望产出与非期望产出比例为1：1。

2.解释变量。农业信息化水平是本文的核心解释变量。现有研究在具体指标选取上还存在差异和不足，如李欠男和李谷成[24]用互联网普及率作为解释变量，但互联网普及率是整个地区的普及率，不能准确代表农村的情况。再如韩海彬[25]用农村电话、电视（黑白）、彩电、投递线路衡量农村信息化水平。这些指标已过时，早在2009年我国农村家庭每百户彩电拥有量就超过100，为108.94，而黑白电视已降至个位数，无法正确衡量农村信息化程度。基于以上考虑，本文采用农村宽带接入户数衡量农业信息化水平。宽带接入是互联网发展的主要指标之一，且本指标是单独针对农村地区，能够较好地反映农业信息化水平。

3.控制变量。控制变量主要包括其他可能影响农业全要素生产率的因素，主要包括：①城镇化水平（urban），用非农人口占总人口的比重衡量；②农村人力资本（edu），用各地区6岁以上人口平均受教育年限衡量，具体计算方法为：不同受教育程度的人口比重乘以相应教育程度受教育年限。其中，未上过学、小学、初中、高中（中职）、大专以上的受教育年限分别为0年、6年、9年、12年和16年；③农业种植结构（str），用粮食作物播种面积占农作物总播种面积的比值衡量；④财政支农力度（fin），用地方财政农林水支出占地方财政一般支出的比例衡量。

考虑到以上数据的可获得性、连贯性等因素，本文的研究区间为2011－2017年，研究地区包括中国内地的30个省级行政区（因数据缺失，不包括西藏）。以上数据均来自历年各类《统计年鉴》及国家统计局网站等，数据描述性统计如表2所示。

表2 描述性统计

四、实证分析

（一）基准回归结果

面板数据模型通常采用随机效应和固定效应两种回归方法，hausman检验表明本文应采用固定效应模型。在回归中，为了避免共线性问题，我们采取逐步回归法，即逐一引入控制变量，这样可以同时检验回归结果的稳健性。

表3展示了基准回归结果。从整体结果看出，随着控制变量逐渐引入，核心解释变量的结果稳健，控制变量时结果也表现稳健，同时R2也逐步增大，表明本文的回归模型设定恰当，结果可信度高。在不包括任何控制变量的情况下，农业信息化对农业全要素生产率的影响在1%水平上显著，具有明显的促进作用，系数为0.027，即农业信息化水平每提高1个单位，农业全要素生产率提高0.027个单位。在加入控制变量后，显著性仍保持在1%水平，且系数增加到0.045左右，这表明信息化在其他各影响因素的共同作用下，其作用更加突出。由此可以推断，在研究区间内，“索洛生产率悖论”在我国农业领域并不存在。

表3 基准回归结果

在控制变量方面，城镇化率对农业全要素生产率具有显著的抑制作用，这可能与城镇化所处的发展阶段有关。一方面城镇化对农业全要素生产率具有一定的门槛效应，同时城镇化与农业全要素生产率之间存在“U”型关系[26]。农村人力资本水平对农业全要素生产率具有显著的提升作用，这表明提升农村劳动力受教育水平、提高劳动者素质对提高农业生产效率非常重要。农业种植结构对农业全要素生产率具有一定的影响，但从显著性上来说并不明显。财政支农力度对农业全要素生产率的影响是不显著的负向作用，这与郭艳芹和张业[27]的研究结论一致，可以认为财政支农力度还不足以发挥应有的正向效应。

（二）地区异质性

中国东西跨度大，地区差异明显，因此有必要对农业信息化的作用进行地区异质性分析。由于东北地区只有3个省，所以我们将全国分为东、中、西三大经济区①按照国家统计局划分标准，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省（市）；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省（市、自治区）。。分地区回归结果如表4所示，列（1）（2）（3）分别为东部、中部和西部地区农业信息化对农业全要素生产率的影响估计结果，我们仍采用固定效应回归模型。结果表明，在东部和中部地区，农业信息化对农业全要素生产率具有显著的促进作用。与全国的整体情况相比，东部地区的系数高于全国整体水平，而中部地区则低于全国整体水平。而在西部地区，农业信息化对农业全要素生产率具有抑制作用，但显著性和系数大小均低于全国整体水平。这表明，信息技术在不同地区发挥的作用方向和大小均表现出了差异，农业信息化对农业全要素生产率的促进作用从东向西逐渐减弱，在西部退化为负作用。信息化的促进作用受到地区异质性的影响。

表4 分地区回归结果

在控制变量方面，部分变量也表现出了地区异质性。在东部和中部地区，各控制变量均保持了与全国整体水平相同的作用方向，但在显著性方面存在差异。西部地区表现略有不同，其中城镇化率对农业全要素生产率具有促进作用，通过10%显著水平检验；农村人力资本与东部、中部地区及全国整体保持一致，对农业全要素生产率具有促进作用；而农业种植结构、财政支农力度作用都不明显。

（三）内生性讨论

在基准回归中可能存在若干导致内生性问题的来源，一是遗漏变量问题，现实中可能还存在其他影响农业全要素生产率的因素，没有全部纳入模型中；二是测量误差，虽然本文采用的数据均来自权威出处，但由于不同年鉴可能存在统计口径、标准等方面的差异，从而不可避免地存在测量误差问题；三是互为因果。以上都可能影响回归的准确性。本文采取两种常用的方法缓解内生性问题。一是用解释变量的滞后项作为新解释变量。由于上一期的农业信息化水平发生时间早于当期，因此将能够较大程度缓解互为因果的问题。二是用解释变量的滞后一期作为工具变量。解释变量的滞后项作为工具变量满足“相关性”和“外生性”的要求。滞后项与当期具有一定的时间连续性，所以满足相关性要求。同时由于发生的时期不变，解释变量的滞后项与当期的被解释变量（包括误差项）不相关。表5展示了上述两种方法的回归结果。列（1）为用滞后项作为解释变量的结果，结果显示滞后一期的农业信息化水平对当期的农业全要素生产率仍具有显著的促进作用。各控制变量的回归结果与基准结果保持一致。列（2）为工具变量的回归结果，其中第一阶段回归结果的F值为132.36，弱工具变量也通过了相应检验，符合工具变量的要求。结果可以看出，在缓解了内生性后，结果仍支持原结论。

表5 内生性讨论回归结果

五、结论与对策

本文将“索洛生产率悖论”的讨论延伸到农业领域，利用2011－2017年中国省际面板数据，通过建立面板数据模型，实证分析了农业信息化对农业全要素生产率的影响。本文建立了一个更为完善的农业全要素生产率测算指标体系，运用考虑非期望产出的SBM模型对农业全要素生产率进行了测算。本文在基准回归的基础上，进一步进行了地区异质性分析和内生性问题讨论。本文的主要结论有：农业信息化能够促进农业全要素生产率提升，从而证明了在本文的研究区间内，我国农业领域不存在“索洛生产率悖论”；然而这种促进作用也呈现地区异质性，表现为从东向西促进作用依次递减，在西部表现为抑制作用；在控制变量方面，城镇化对农业全要素生产率具有抑制作用，农村人力资本具有显著的促进作用，但同时控制变量的作用也具有地区异质性；本文的基准研究结果在缓解了内生性问题后仍然成立。

本文具有明显的政策内涵，根据本文研究结论，提出如下政策建议：

第一，大力发展农村数字经济，促进农村农业信息化转型。农业信息化为提高农业全要素生产率提供了一条重要路径。当前正值数字经济蓬勃发展、新一代信息技术变革的关键时期，也恰逢我国全面推进乡村振兴的重点战略机遇期。应把数字乡村作为乡村振兴战略方向的内在要求，推进农业农村信息化。一是要加快农村信息基础设施建设，大幅提升乡村网络设施水平，推动农村地区水利、公路、电力、冷链物流、农业生产加工等基础设施的数字化、智能化转型，防止产生或扩大城乡“数字鸿沟”。二是推进农业数字化转型。加快推广云计算、大数据、物联网、人工智能在农业生产经营管理中的运用，促进新一代信息技术与种植业、种业、畜牧业、渔业、农产品加工业全面深度融合应用。三是推动互联网与特色农业深度融合，发展创意农业、认养农业、观光农业、都市农业等新业态。

第二，优先发展农村教育事业，提高农村人力资本水平和劳动者素质。农村人力资本对农业全要素生产率具有重要的推动作用，应高度重视农村教育问题。推动县域内城乡教育一体化，实现县域校际资源均衡配置，坚持推行“免费义务教育”等优惠政策，逐渐普及高中教育，大力发展适合农村农业的职业教育，提升农村教育质量。除了以上传统的教育手段外，应积极发展“互联网＋教育”，推进乡村学校基础设施信息化建设，深入推动乡村教育信息化，推动城市优质教育资源与乡村中小学对接，帮助乡村学校开足开好开齐国家课程。

第三，因地制宜，坚持特色。农业信息化对农业全要素生产率的作用不是一成不变的，是具有地区异质性的，因此应根据地区的实际情况推进农业信息化。因地制宜发展“互联网＋”特色主导产业，根据当地经济社会发展的客观条件差异化发展数字农业、智慧旅游业、智慧产业园区等。分类推进数字乡村建设，引导集聚提升类村庄、城郊融合类村庄、特色保护类村庄、搬迁撤并类村庄根据存在具体形态和发展情况，挖掘相应的信息需求。