Page 79 - 《华中农业大学学报（社会科学版）》2020年第4期

７
华中农业大学学报( 社会科学版) ( 总 １４８ 期)
４
３． 核算结果与分析
表 １ 给出了 ２００２ — ２０１６ 年我国农业全要素生产率的增长情况.由表 １ 可知, 考察期内我国农业
全要素生产率年均增长 ２．２０％ , 其中农业技术进步、 农业技术效率分别年均增长 ４．５７％ 、 －２．２６％ .
这说明我国农业全要素生产率增长主要依赖农业技术进步的贡献, 与李谷成等 [ ２ ] 、 尹朝静等 [ ３１ ] 的研
究结论一致.
表 １ ２００２ — ２０１６ 年我国农业全要素生产率增长与分解
年份 TFP TC EC 年份 TFP TC EC

２００２ — ２００３ １．０２２４ １．１１４２ ０．９１７６ ２０１０ — ２０１１ １．０４３９ １．０４９７ ０．９９４５
２００３ — ２００４ １．０２８６ １．００２１ １．０２６４ ２０１１ — ２０１２ １．０１３６ ０．９９４３ １．０１９４
２００４ — ２００５ ０．９９４３ ０．９７６２ １．０１８６ ２０１２ — ２０１３ １．０３９０ １．２３９０ ０．８３８６
２００５ — ２００６ ０．９９６７ １．０２１６ ０．９７５６ ２０１３ — ２０１４ １．０３４０ １．１０４０ ０．９３６６
２００６ — ２００７ １．０２７５ １．１６１３ ０．８８４８ ２０１４ — ２０１５ １．０３２９ １．０５６７ ０．９７７５
２００７ — ２００８ １．０３２４ ０．９４２５ １．０９５４ ２０１５ — ２０１６ １．０５０３ １．０３３６ １．０１６１
平均
２００８ — ２００９ ０．９９０５ １．０９７４ ０．９０２６ １．０２２０ １．０４５７ ０．９７７４
２００９ — ２０１０ １．００４５ ０．８９６３ １．１２０８
注: 表中“ 平均” 为各年份的几何平均数.
三、 模型构建与数据来源

１． 模型构建
为了考察互联网发展对农业全要素生产率增长的影响, 构建如下面板模型:
( ３ )
Y it＝ β ０＋ β １ internet it＋∑ β i X it＋ μ i＋ε it
式( ３ ) 中, i 表示地区, t 表示年份, Y it 表示被解释变量, 在后文的实证分析中分别为农业全要素生
产率( TFP )、 农业技术进步( TC ) 和农业技术效率( EC ), 需要说明的是, 农业全要素生产率、 农业技
术进步 和 农 业 技 术 效 率 是 以 上 年 为 １ 的 环 比 指 数, 本 文 将 其 转 化 为 以 ２００２ 年 为 １ 的 累 积 值;
internet it 为核心解释变量, X it 表示控制变量, 表示不可观测的省份固定效应, ε it 为随机扰动项.
μ i
２． 变量选取
( １ ) 核心解释变量.本文核心解释变量为互联网发展水平.借鉴中国互联网信息中心( CNNIC )
以及程名望等 [ ３２ ] 、 汪东芳等 [ １５ ] 的研究, 以互联网普及率来衡量互联网发展水平, 即用互联网使用人
数占总人口数的比值来表示.
( ２ ) 控制变量.根据已有研究, 选择以下控制变量: ① 农业结构调整系数( struc ): 借鉴李谷成
等 [ ３３ ] 的研究, 采用粮食作物播种面积占农作物总播种面积的比重来表示; ② 受灾率( disa ): 借鉴杜江
等 [ ２９ ] 的研究, 采用受灾面积占农作物总播种面积的比重来表示; ③ 财政支持( inan ): 借鉴肖锐等 [ ３４ ]
f
的研究, 采用财政支农支出占总财政支出的比重来表示; ④ 农村人力资本( edu ): 借鉴韩海彬等 [ ３５ ] 的
研究, 采用农村劳动力平均受教育年限来表示, 具体做法为各地区农村劳动力不同受教育程度的人口
比重乘以对应的受教育年限, 其中, 文盲与半文盲、 小学、 初中、 高中和中专、 大专及以上对应的教育年
限分别为 ０ 年、 ６ 年、 ９ 年、 １２ 年和 １５．５ 年; ⑤ 城镇化水平( urban ): 采用非农人口占总人口的比重来
表示.
３． 数据来源
本文以中国大陆 ３１ 个省份 的面板数据进行实证研究.鉴于国家 ２００２ 年才开始公布互联网省
①
份数据, 因此本文研究时间段为 ２００２ — ２０１６ 年.农林牧渔总产值、 农业总产值、 农作物播种面积、 粮
食作物播种面积、 第一产业从业人员、 农业机械总动力、 化肥施用量、 互联网使用人数、 乡村人口以及

① 考虑到数据可获性, 本文分析并未包括中国香港、 澳门和台湾地区, 这仅限于一种学术处理.