Page 80 - 《华中农业大学学报（社会科学版）》2020年第4期
P. 80
第 ４ 期 李欠男 等: 互联网发展对农业全要素生产率增长的影响 ７ ５
总人口等数据来源于« 中国农村统计年鉴»( ２００３ — ２０１７ 年) 和« 中国统计年鉴»( ２００３ — ２０１７ 年).各
变量的描述性统计分析如表 ２ 所示.
表 ２ 变量的描述性统计 N＝４６５
四、 实证分析
变量名称 平均值 标准差 最小值 最大值
TFP １．１４２５ ０．１４５２ ０．６１２６ １．９８８６
１． 基本估计结果 TC １．３４１８ ０．１４１３ ０．７１４６ ２．６０９５
首先从全国层面上考察互联网发展对农业全要素 EC ０．８７６７ ０．１８３０ ０．２６８５ １．１６８７
internet ０．２８１９ ０．１９７２ ０．０１１２ ０．７７７７
生产率增长的影响, 估计结果见表 ３ .运用 Stata１５．０
struc ０．６５１８ ０．１２２１ ０．３２８１ ０．９５７０
软件, 分别对混合回归模型、 随机效应模型和固定效应
disa ０．２３９８ ０．１４７８ ０．００２６ ０．９３５９
模型进行检验. F 检验中 P 值为 ０．００００ , 说明固定效 f inan ０．０９６４ ０．０３４１ ０．０２１３ ０．１８９７
edu ８．０４７０ １．１３６２ ２．５１２２ １０．５８８５
应模型优于混合回归模型; LM 检验中 P 值为 ０．００００ ,
urban ０．４９４４ ０．１５３９ ０．１７８８ ０．９１１９
表明随机效应模型优于混合回归模型; Hausman 检验
中 P 值为 ０．０１７３ , 表明固定效应模型优于随机效应模型.因此, 本文采用固定效应模型.
由表 ３ 可知, 列( ５ ) 是未加入控制变量的情况下, 互联网发展对农业全要素生产率增长的影响, 其
估计系数为 ０．５８４７ .列( ６ ) 是在控制了其他因素的情况下, 互联网发展对农业全要素生产率增长的
影响, 其估计系数为 ０．４０２４ .可见, 无论是否加入控制变量, 互联网发展的估计系数均为正值, 且在
５％ 以上的水平上显著.这表明, 互联网发展对农业全要素生产率增长具有显著的促进作用, 假说 １
得以验证.同时, 该研究结论为“ 生产率悖论” 增加了一个新的解释, 即索洛未能预见到当今世界上的
计算机可以相互连接从而构成一个地区或一个国家甚至全世界的互联网, 其可以与经济体中的其他
产业融合, 从而对生产率产生促进作用.
控制变量方面, 受灾率对农业全要素生产率增长具有显著的负向影响, 与李谷成等 [ ３３ ] 的研究结
论一致, 表明农业生产受自然灾害的影响, 这与农业本身的产业特性有关.城镇化对农业全要素生产
率增长具有显著的正向影响, 与武宵旭等 [ ３６ ] 的研究结论一致, 说明城镇化可以改善农业劳动力在城
乡之间的配置, 促进农业全要素生产率的提升.农村人力资本阻碍了农业全要素生产率的提升, 但未
通过显著性检验, 表明受教育程度高的农村劳动力更倾向于选择非农产业, 造成农业优质劳动力流
失, 从而对农业全要素生产率增长产生了负向影响.农业结构调整的系数不显著, 表明农业结构调整
力度不大, 对生产率增长的“ 结构红利” 不明显.财政支农的系数也不显著, 表明目前财政政策仍存在
“ 工业偏向”, 不利于农业增长和资源的保护.
表 ３ 互联网发展对农业全要素生产率增长的估计结果( 全国) N＝４６５
变量 OLS ( １ ) OLS ( ２ ) RE ( ３ ) RE ( ４ ) FE ( ５ ) FE ( ６ )
０．５２５０ ∗∗∗ ０．４９４８ ∗∗∗ ０．５８１９ ∗∗∗ ０．４０３２ ∗∗ ０．５８４７ ∗∗∗ ０．４０２４ ∗∗
internet
( ０．０４８５ ) ( ０．０７２３ ) ( ０．０８８１ ) ( ０．１６０３ ) ( ０．０８７８ ) ( ０．１８６０ )
∗∗∗
０．３４３１ ０．１３９４ ０．００６０
struc — — —
( ０．０６５７ ) ( ０．２０８７ ) ( ０．２６８１ )
— ０．１０１６ ∗ — ０．１３４５ ∗∗∗ — ０．１３０８ ∗∗∗
disa — — —
( ０．０５４６ ) ( ０．０４７１ ) ( ０．０４３７ )
∗∗
０．４０８５ ０．０９８５ — ０．１１９８
f inan — — —
( ０．３１６１ ) ( ０．６２６７ ) ( ０．４８５２ )
０．０３２３ ∗∗∗ — ０．０４０２ — ０．０５５８
edu — — —
( ０．０１０８ ) ( ０．０２８２ ) ( ０．０４９６ )
∗∗∗ ∗∗ ∗
— ０．１１０７ ０．５６９３ ０．７３０１
urban — — —
( ０．０８００ ) ( ０．２４８８ ) ( ０．３７５９ )
常数项 ０．９９４５ ∗∗∗ ０．５５９０ ∗∗∗ ０．９７８５ ∗∗∗ １．００２９ ∗∗∗ ０．９７７７ ∗∗∗ １．１５６２ ∗∗∗
( ０．０１０３ ) ( ０．０９９０ ) ( ０．０１１４ ) ( ０．２４３３ ) ( ０．０２４８ ) ( ０．３９７７ )
R ２ ０．２６５５ ０．３３２２ ０．４９９５ ０．５５０８ ０．４９９５ ０．５５４２
注: ∗∗∗ 、 ∗∗ 和 ∗ 分别表示在 １％ 、 ５％ 和 １０％ 的水平上显著, 括号内数值为稳健标准误.下表同.
