Page 48 - 《华中农业大学学报（社会科学版）》2024年第1期

42 华中农业大学学报（社会科学版） （总169 期）

其中，下标 i 代表省份， t 代表时间， n 代表了每一阶段包含的年份总数。Q it 为农业产值。参照
Deng等 的研究，本文假定灌溉设施投资的投资回报具有3期滞后的特征，利用式（11）计算了不同阶
[36]
段各省的平均内部收益率r i。
ˉ
n ∂ln(TFP it ) Q i 1
∑ - -- ----- ω i t = 1 ( )
11
∂ IRRI it )
t = 3 IRRI i (1 + r i
∂ln(TFP it )
式（11）中， 为式（8）的估计系数 δ p，表征了在某一阶段有效灌溉面积增加一个百分点
∂ IRRI it
- -- -----
ˉ
对于种植业全要素生产率提升作用。Q i 和 IRRI i 为先前计算的省 i 在该阶段农业总产值和新增一单
位有效灌溉面积所需的灌溉基础设施投资额的平均值。ω i 是使用梯形法得出的滞后结构的权重，权
重相加为1（关于权重的详细讨论见Jin等 与Deng等 ）。
[35]
[36]
2.变量构建
在回归分析中，本文经过整理构建了1980−2018年来自中国27个省和自治区的平衡面板数据。
被解释变量：种植业全要素生产率。由于灌溉基础设施对农业的影响主要作用于种植业，为准
确衡量灌溉基础设施的影响，本文将主要关注种植业全要素生产率。基于省级层面种植业与畜牧业
可分割假设以及多投入-多产出视角下利润最大化假设，本文测算各区域历年的种植业全要素生产
率情况。在产出维度，本文整理了各省份每年 47 种农作物的分项产出数据，并采用 Fisher 指数使用
价格份额作为权重进行加总。在投入维度，本文整理了种植作物的中间投入、资本投入、土地投入和
劳动力投入4类数据，同样采用Fisher指数使用相应的价格份额作为权重对分项投入数据进行加总。
在具体测算过程中，本文首先应用式（12）和式（13）分别计算了 t年各省（自治区）第 i种农作物的
t
t
t
t
产出y i 与投入x i 数据，并将其加总为当年种植业的总产出Y 与总投入X ：
t t
Y = ∑ ( )
y i
12
i
t
X = ∑ t ( )
x i
13
i
t
最后，本文利用式（14）计算了t年各地区全要素生产率指数TFP ：
Y t
t ( )
TFP = t 14
X
本文使用的解释变量为 1980-2018年各地区有效灌溉面积占比。有效灌溉面积占比（即灌溉面
积与耕地面积之比）是反映我国农村基础设施建设水平的一个重要指标 [5,33] ，本文以此作为衡量灌溉
基础设施规模的代理变量。
控制变量。农业全要素生产率的变动本质上反映了资源配置的变动 ，本文构建了资本劳动比、
[21]
资本土地比、种植畜牧业产值比和财政支农占财政总支出比四类控制变量反映地区投入特征的具体
情况。其中，资本劳动比为 1980-2018 年省级层面农业资本与劳动力投入的比值，资本土地比为资
本价值与耕地价值之间的比值，上述两类变量衡量了各省每年农业生产要素的投入特点。种植畜牧
业产值比为各地种植业与畜牧业产值之比。财政支农占财政总支出比采用财政农林水事务支出除
以财政总支出，一般而言，财政支农支出反映了政府对提高农业生产效率的资金支持力度 ，其与地
[37]
区种植业全要素生产率正相关。农村人力资本是促进农业发展的重要因素，对地区技术进步与效率
提升起到推动作用 ，本文整理了二元经济强度与农村人力资本水平两类变量来表征不同省份的农
[14]
业劳动力特征。其中，二元经济强度为历年各省第一产业 GDP 占比与就业占比之差。参照以往文
献，本文以平均受教育年限衡量农村人力资本水平状况 [38⁃40] 。地区的自然条件是影响农业产出效率
的重要维度，在地区自然条件维度，本文选取了平均地表气温和平均降水量两个变量。
3.描述性统计
各变量描述性统计见表 1。在全要素生产率方面，本文使用的样本中全要素生产率均值约为
1.72，39 年间各省份全要素生产率变动范围为 0.14~7.14。在解释变量方面，样本中平均有 43.14%