農村基礎設施對農業全要素生產率的影響研究

鄧曉蘭 鄢偉波

(西安交通大學 經濟與金融學院，陜西 西安 710061)

一、引言及文獻回顧

破解“三農”問題，保障國家糧食安全，推動農業現代化與新型城鎮化的互促共進，關鍵在于發展農村經濟，提高農業生產率，增加農民收入。在“三農”問題突出、國家糧食安全受到威脅的背景下，2004年以來中央一號文件連續14年聚焦“三農”，實施工業“反哺”農業、城市支持農村、加大農村改革力度和農業現代化建設、提高農業綜合生產力、強化科技創新驅動、補足農村農業短板等一系列強農惠農措施，糧食產量實現“十二連增”，農民收入增長“十三連快”，農村農業發展不斷邁上新臺階。但也積累出新的問題：農產品供求結構失衡、要素配置不合理、資源環境壓力大、農民收入的穩定增長缺乏持續的動力，農業面臨轉型升級和農業供給側結構性改革的壓力(翁鳴，2017)。

針對我國農業發展新階段出現的上述問題，在制度紅利得到充分釋放、環境壓力加劇、勞動力不斷向城市轉移、過度依賴投入的粗放增長方式不可持續的情況下(Huang et al.,1996;Jin et al.,2002)，學者們將目光投向在世界范圍內被證明具有重要作用的農業全要素生產率，認為提升農業全要素生產率是我國農業經濟增長的主要動力和可持續發展的必由之路 (Cao et al.,2013;Ma et al.,2013)，并從制度變遷、農業研發和推廣投入、人力資本等視角對我國農業全要素生產率的來源及其變化進行了解釋(Fan et al.,1997;Lin,1992;Jin et al.,2002)，但從基礎設施的角度研究農業全要素生產率的影響因素的文章并不多見。結合農村和農業生產的特點，農村經濟基礎設施可分為灌溉和公共水設施、道路設施、通訊和信息服務和土壤保護等；農村社會基礎設施則主要包含農業研發和推廣、教育和衛生(金戈,2012)。總的來說，農村經濟基礎設施能降低生產成本、提升勞動和資本的生產率(Jain et al.,2009)；社會基礎設施具有提升人力資本水平的作用，從而提高農戶對新技術的使用意愿和強度，同時可以增加技術利用過程中的效率(Ma et al.，2013)。在道路、電力、信息和灌溉等經濟基礎設施發展滯后，教育、醫療等社會基礎設施落后，農民文化水平低、健康得不到保障的農村地區，農業科技的傳播路徑阻塞、利用效率低，即使研發出或引進高效的農業機械設備和先進的農業生產經營管理模式*按Huffman et al.(2006)的研究，農業技術具體可以分為生物效率、機械、病蟲害防護、水土保持和農業生產管理方法。，也可能在與當地基礎設施相適應的過程中出現“水土不服”，從而阻礙農業全要素生產率的提高。自Aschauer(1989)開創性的實證工作以來，基礎設施作為“間接性資本”和“社會先行資本”，既能通過直接投資促進經濟增長，又存在溢出效應，在工業行業已被廣泛證實。但除了少數針對印度(Fan et al.,2000)、希臘(Mamatzakis,2003)和菲律賓(Teruel et al.,2005)的研究外，基礎設施對農業領域全要素生產率的作用常常被忽視，研究樣本時空范圍比較廣的是Bravo et al.(2004)利用38個國家1961—1997年的數據研究了農村基礎設施對農業全要素生產率的影響，研究表明農村電力和教育基礎設施能顯著提升農業全要素生產率，而道路和金融基礎設施卻具有抑制作用。針對我國農村基礎設施溢出效應的研究更加屈指可數：Jin et al.(2002)的研究中灌溉基礎設施顯著降低了水稻、小麥和玉米三大細分農產品的全要素生產率；但Chen et al.(2008)的研究表明灌溉和電力基礎設施均能顯著提升農業全要素生產率；李谷成等(2015)卻得出公路、灌溉和電力基礎設施對農業全要素生產率的作用分別為正向、負向和無影響的結論。

為什么對于我國農業基礎設施溢出效應的研究結論大相徑庭？本文基于被解釋變量、解釋變量和研究方法提出三點原因：一是學者通過研究基礎設施是否對全要素生產率產生正向作用來判斷基礎設施的外部性是否存在(Hulten et al.,2006;劉生龍 等,2010)，但由于數據、年份和方法的選取不同，作為被解釋變量的農業全要素生產率的測算結果本身存在巨大的差異(Tian et al.,2012)；二是解釋變量通常只考慮到電力和灌溉等部分經濟基礎設施，并僅僅將其作為控制變量，忽略了其他基礎設施的影響及基礎設施對全要素生產率的共同作用，導致估計結果存在誤偏；三是未能很好地解決內生性問題。基于此，本文利用DEA-Malmquist指數測算1988—2014年我國農業全要素生產率，并利用分階段的波動規律和數值范圍對測算結果進行評價。在此基礎上，選擇不同類別的經濟和社會基礎設施來研究其對全要素生產率的影響，通過動態面板GMM方法來緩解模型的內生性問題，嘗試更全面解釋農業全要素生產率的來源，以期補足現有文獻存在的不足。農業全要素生產率的提升有利于擺脫農業發展瓶頸，促進農業從要素驅動的傳統農業向技術驅動的現代農業轉型。研究農業基礎設施對農業全要素生產率的影響，無論對推動新型城鎮化和農業現代化的互促共進、助力農業供給側改革的進程，還是對調整農村基礎設施的投資方向、提升農村基礎設施的投資效率，都是一種有益的探索。

二、我國農業全要素生產率的測算：1988—2014

全要素生產率衡量的是產出增長率超過可核算要素投入增長率的部分，對我國農業全要素生產率的測量方法包括增長核算法(索羅余值法)、指數法(T?rnqvist-Theil指數)、數據包絡分析(DEA)和隨機生產前沿函數法(SFA)(周端明，2009；趙文 等，2011；匡遠鳳，2012)。21世紀以來，DEA和SFA被廣泛應用于農業全要素生產率的測算，其中又以DEA方法居多。非參數的DEA方法由于不必設定生產函數的形式，且對變量的價格信息沒有要求，因而更加具有靈活性；而基于參數的SFA方法能分離出其他方法不可避免的測量誤差，在參數設定合理的情況下測算結果更加可靠。關于二者詳細的對比可參見Headey et al.(2010)、Tian et al.(2012)。本文采用DEA-Malmquist指數法來測算我國農業全要素生產率。

(一)DEA-Malmquist指數法

根據F?re et al.(1994)的研究成果，對于t和t+1時期的兩組投入產出變量(xt,yt)和(xt+1,yt+1)，引入基于產出和基于投入的距離函數：

(1)

(2)

式(1)和(2)分別表示決策單元i在t時刻的實際生產點向最大產出點或最小投入點壓縮的比例，其中φ和ψ是相應的參數。在時期t和t+1的技術條件下，Malmquist指數可分別表示為:

(3)

(4)

式(3)和(4)的幾何平均數即為t到t+1時期i的Malmquist指數，通過分解可得到技術效率(EFFI)和技術進步(TECH)：

(5)

(二)數據來源與測算結果

本文測算1988—2014年中國大陸30個省(直轄市、自治區)的農業全要素生產率，1997年后重慶的數據歸并到四川省。產出變量為以1988年為不變價格的農林牧漁總產值，勞動投入采用年末農林牧漁從業人員，土地投入采用農作物播種面積，化肥投入采用年度農用化肥施用量折純量，機械投入采用農業機械總動力，數據來源于歷年的《中國統計年鑒》、《中國農村統計年鑒》和國家統計局網站。利用MaxDEA軟件，測算出基于投入的全要素生產率及其分解指標如表1所示。

表1 1988—2014我國各省區農業Malmquist生產率指數及其構成

(續表1)

MALM1988—19951996—20032004—20141988—2014TECH1998—19951996—20032004—20141988—2014EFFI1998—19951996—20032004—20141988—2014貴州1.04470.94261.06181.01911.07791.01761.08801.06310.98030.92630.97590.9586云南1.06400.95591.01801.01041.05651.01731.08511.05621.00450.93960.93820.9567西藏1.07360.95750.99621.00421.07360.95751.06901.03461.00001.00000.93190.9706陜西1.05780.94751.08181.03231.08081.03001.07721.06340.98640.91981.00420.9707甘肅1.04730.95281.04101.01471.06911.01261.08271.05700.98700.94090.96150.9599青海1.08511.00671.04711.04441.07110.99841.07221.04861.00831.00830.97660.9960寧夏1.05900.96361.01791.01161.07011.03571.07001.05930.99340.93040.95140.9550新疆1.03380.97401.02241.01031.10021.01051.09241.06860.96110.96390.93590.9454全國1.06710.97821.04781.03091.08451.02441.07691.06250.98390.95490.97300.9703

注：MALM為Malmquist生產率指數，即農業全要素生產率；TECH和EFFI分別表示技術進步和技術效率指數。表中指數為相應時間區間內的幾何平均數。限于篇幅只報告部分年份，感興趣的讀者可向作者索要所有數據。

本文的測算結果顯示：總體上，1988—2014年我國農業全要素生產率年均增長3.1%，其中技術進步率年均增長6.2%，但技術效率年均增長-3.0%，我國農業全要素生產率進步依賴技術進步、受到技術效率阻礙的結論與大多數文獻一致(Chen et al.,2008;Ma et al.,2013)，數值范圍與Tian et al.(2012)對150個關于我國農業全要素生產率測算的研究進行的薈萃分析(Meta-Analysis)所得到的結果一致*Tian et al.(2013)的薈萃分析表明，1978年以來我國加總的全要素生產率增長為2%，農業行業比總體高出1.1%，相加即為3.1%。。在波動上，1988—1995年、1996—2003年和2004—2014年三個階段無論是農業全要素生產率，還是技術進步與技術效率，均呈現U型的趨勢，與這三個時期的農業經濟特征是一致的(肖衛 等，2013)。農業全要素生產率進步指數分別為1.0671、0.9782和1.0478，技術進步指數分別為1.0565、1.0173和1.0851，技術效率指數分別為0.9839、0.9549和0.9730，與Zhou et al.(2013)的測算結果相似。

三、實證模型、變量選擇及數據來源

(一)實證模型

參考Hulten et al.(2006)、劉生龍等(2010)，本文構建如下計量方程：

Ln(TFPi,t)=α+βLn(TFPi,t-1)+γIi,t+φControlsi,t+μi+εi,t

(6)

其中，被解釋變量是TFP的對數，解釋變量包括基礎設施I和其他影響TFP的控制變量Controls，μi為個體效應，εi,t為經典隨機擾動項。

(二)變量選擇與數據來源

本文研究農村基礎設施對農業全要素生產率的影響，被解釋變量為累積形式*令1988年農業全要素生產率為1，然后將各年之前的全要素生產率指數相乘，得到當年累積形式的全要素生產率。的農業全要素生產率的對數。結合農村和農業生產的特點，駱永民(2012)將經濟基礎設施和社會基礎設施進一步歸納為水電氣環保基礎設施、道路信息類基礎設施、科教服務類基礎設施和福利保障類基礎設施四大類。本文的解釋變量和控制變量囊括了上述四類基礎設施，均采用實物存量指標作為代理變量，解釋變量的具體說明如下：

1.核心解釋變量

基礎設施主要通過存量發揮作用，目前學者們主要采用貨幣和實物兩類指標進行衡量，其中貨幣指標通過永續盤存法來測算，但結果受期初存量的測定和折舊率的選取影響較大，測算結果往往存在較大差異。本文直接采用實物指標作為基礎設施存量的代理變量，也避免了通過政府投資支出進行測算所忽視的公共產品私人提供問題。本文的道路、灌溉和農電基礎設施的代理變量選取與Zhang et al.(2004)是一致的。

道路基礎設施(Road)。用農村公路的密度表示。根據數據的可得性，具體做法是計算各省區的農村公路長度，再除以省域面積得到密度。在公路長度的計算中，歷年《中國農村統計年鑒》統計了各省區的等級公路和等外公路，等級公路又分為高速公路和一二三四級公路。根據2006年第二次農業普查的結果，全國有二級公路通過的鄉鎮不足50%，本文傾向選擇農村更具有可得性的道路基礎設施，因此用等級公路扣除高速、一等和二等公路的長度，再加上等外公路來表示農村公路長度。同時，這樣處理也過濾掉了道路基礎設施可能存在的空間效應。由于長度忽略了不同公路功能的異質性，且就里程而言，高速公路和一等公路的長度之和相對于其他公路長度可以忽略不計，因此，若認為所有公路均有助于農業生產和提升，而采用所有公路長度來表示農村公路，忽視公路功能異質性，得出的政策內涵會過于寬泛。

灌溉基礎設施(Irri)。參考《農田水利條例》(國務院令〔2016〕669號)，灌溉基礎設施是指為防治農田旱、澇、漬和鹽堿災害，改善農業生產條件，采取的灌溉、排水等工程措施和其他相關措施，用有效灌溉面積與農作物播種面積的比值表示。

農村電力基礎設施(Elec)。按照《國務院辦公廳關于創新農村基礎設施投融資體制機制的指導意見》(國辦發〔2017〕17號)，農村電力基礎設施通常指農村電網，本文用農村人均用電量來反映農村電網的密集程度和質量，度量農電基礎設施。

醫療基礎設施(Medi)。基于數據的可獲得性，用農村人均衛生院床位張數表示，在穩健性檢驗中用農村人均擁有的醫療從業人員代替。

2.控制變量

本文的控制變量(Controls)包括：(1)人力資本存量(Educ)。人力資本的提高能改善技術的使用效率，本文以平均受教育年限來衡量各地區的人力資本，實際上，人力資本一定程度上也能反映教育基礎設施。(2)機械化程度(Mach)。機械化程度的提高有利于新農作物品種的采用和農業技術效率的提升，用年末人均擁有的機械動力表示。(3)規模效應(Scal)。一定程度上生產規模的提高產生的規模效應有利于農業全要素生產率的提高，用人均播種面積表示。(4)農作物結構比率(Stru)。用于控制資源的配置對農業全要素生產率的影響，用糧食播種面積與農作物播種面積的比值來衡量。(5)農村人均生產總值(GDP)。用人均產出表示，控制收入效應和替代效應對農業全要素生產率的影響。(6)最后，本文在模型中加入了年份虛擬變量Dummy1996。在1996—2003年取1，其他年份取0，考察工業化和城鎮化快速推進的過程中制度變遷對農業全要素生產率的階段性影響，Dummy1996的符號應顯著為負(肖衛 等，2013)。

3.數據來源與描述性統計

表2 變量的描述性統計

人力資本存量用加權平均受教育年限表示，不識字或識字很少、小學、初中、高中、中專、大專及以上分別賦值0、6、9、12、13和14年。醫療基礎設施為各地區鄉鎮衛生院床位張數，北京和上海2006年的這部分數據為零，用《中國衛生年鑒》各年中“基層醫療衛生機構：社區衛生服務中心”中的床位張數補齊。涉及到價格的變量均轉換成1988年的不變價格，由于統計數據只報告了2005年以后的省級農村常駐人口，之前的年份報告的是戶籍人口，考慮我國人口的流動性，人均變量用總量除以農林牧漁從業人員。除全要素生產率及其分解指標來源于本文的測算外，其他數據若不作說明，均來源于歷年《中國統計年鑒》《中國農村統計年鑒》，變量的描述性統計如表2所示。

四、實證分析

(一)可能遇到的計量經濟問題

對于實證模型(8)的估計，除對解釋變量取對數來消除異方差的影響外，需要討論可能存在的重要解釋變量遺漏和解釋變量的內生性問題。

1.重要解釋變量的遺漏

圖1 農業研發滯后的時間權重

注：橫軸表示時間，縱軸表示權重。農業R&D投入存在2年的孕育期，約7年的成長期間發揮的作用不斷增加，接著是5年的成熟期，之后逐漸衰退，滯后期高達35年之久。

不得不提的是，與農業全要素生產率聯系最直接的基礎設施是農業研發和推廣，農業研發擴大了可采用技術的集合，農業推廣體系則將可使用技術的信息傳遞給農民，而其他基礎設施則影響農民采用技術的意愿、速度和效率，三者分別在農業技術的產生、傳播和應用環節發生作用(Jin et al.,2002)。出于如下考量，本文將農業研發和推廣這一解釋變量歸于影響全要素增長率變遷的外生因素：第一，農業研發的不確定性。相比于工業行業，除市場風險外，農業還受到較大的自然環境影響，加大了研發過程的不確定。第二，農業研發的周期。農業研發周期必然植根于農業生產周期，通常比工業行業更加漫長。根據Huffman et al.(2006)的研究結論，農業R&D從投入到實際發揮作用存在如圖1所示的“梯形”時間權重，通常在經過一個簡短的孕育期后逐漸發揮實際作用，之后達到穩定值，最后隨時間逐漸衰減，滯后期甚至能達到35年之久。因此，在農業研發數據可得性的限制下，將在工業領域廣泛應用的永續盤存法用于測算農業科技基礎設施存量，包含著R&D投入當年即發揮作用的假設，測量結果必然存在嚴重的系統誤差。一些學者的做法是通過不同的滯后期來表示R&D的投入流量與實際發生作用的時滯(Chen et al.,2008)，或采用多項式分布滯后期(Polynomial distributed lags, PDLs)作為R&D的時滯權重(Zhang et al.,2015)，這樣做忽略了發生作用的往往是R&D存量，且足夠的滯后期的選取對數據量具有較高的要求。R&D的計算對滯后期的選取敏感，且容易產生系統誤差。因此，本文舍棄了這一變量，主要研究除研發和推廣外的基礎設施在技術的使用意愿和使用效率方面對農業全要素生產率的影響，并盡可能選擇一些適當的控制變量來降低遺漏變量的影響。同時，關于制度因素對農業全要素生產率的影響也做了類似處理。

2.解釋變量的內生性問題

基礎設施能促進全要素生產率的提高，全要素生產率的提高也可以反作用于基礎設施，二者可能存在雙向因果關系，且模型的解釋變量包含了被解釋變量的滯后項(Ln TFPi,t-1)。由于動態面板模型中被解釋變量的滯后項(Ln TFPi,t-1)與個體效應(μi)相關，因此存在內生解釋變量問題，本文采用廣義矩估計(GMM)的方法進行估計來緩解模型的內生性問題。

(二)實證結果及分析

廣義矩估計(GMM)可分為差分GMM和系統GMM，二者都屬于工具變量法，能緩解模型存在的內生性問題。由于本文的時間跨度為27年，使用系統GMM會由于工具變量數遠遠大于組的數量而出現嚴重的工具變量過度識別問題導致工具變量無效，因而使用差分GMM對模型進行估計。

表3給出了模型的估計結果，末尾三行為差分GMM有效性檢驗的P值，AR(1)和AR(2)滿足差分方程中隨機擾動項一階序列相關、二階序列不相關的假定，Sargan統計量不拒絕工具變量有效性的原假設，說明差分GMM估計方法較好地解決了模型的內生性問題和估計的有效性問題。模型(1)—(5)研究農村基礎設施對農業全要素生產率的影響，模型(6)和(7)進行穩健性檢驗，模型(8)和(9)研究農村基礎設施對農業全要素生產率影響的作用機理與傳導路徑，L.Depvar表示相應被解釋變量的一階滯后項。模型(2)—(5)中各變量的系數相比模型(1)未發生顯著的改變，本文結合模型(1)、(8)、(9)的估計對回歸結果做如下解釋：

農村灌溉基礎設施投資能改善農業生產條件，使得對灌溉具有特定需求的新農作物品種具有更廣泛的地域適用性，因而在跨越基礎設施限制的障礙過程中擴大了可使用技術的集合，有利于農業科技成果的轉化和區域間農業技術的推廣，促進了農業技術進步；同時，農村灌溉基礎設施減少了旱澇等自然災害對農業生產的影響，提升了農業技術使用過程中的效率。模型(1)、(8)、(9)三個模型中灌溉基礎設施(Ln Irri)的系數都顯著為正，印證了灌溉基礎設施同時促進技術進步和技術效率，從而提升農業全要素生產率。農村道路基礎設施的改善有利于降低種子、化肥等農業生產資料的運輸成本，農業機械的正常運作、農產品收割、運輸和交易等各個農業生產交換環節，都離不開道路基礎設施。道路基礎設施能有效降低農業生產要素的流動成本、提升農業機械運作效率和農產品的市場化程度，通過農業技術效率的路徑來影響農業全要素生產率。模型(1)和(9)中農村道路基礎設施(Ln Road)的系數顯著為正，與預期相符。農村電力基礎設施(Ln Elec)可以保障農業生產過程中機械設備的投入和正常運作、灌溉設施的有效運轉，完善的農電設施能有效降低農業機械運轉過程中的損耗，提升農民生產生活效率。三個模型中電力基礎設施的系數都顯著為正，說明電力基礎設施能通過技術進步和技術效率的路徑影響農業全要素生產率。我國農村灌溉、電力和道路基礎設施對農業全要素生產率均具有顯著的溢出效應，這與Fan et al.(2000)、Mamatzakis(2003)和Teruel et al.(2005)對其他國家農村基礎設施的外部性檢驗結果是一致的。模型(1)和(8)中農村醫療基礎設施(Ln Medi)的系數顯著為正，醫療基礎設施能保障勞動者身體素質，提升風險規避的農業勞動者采用具有風險的新技術的意愿，擴展技術前沿面。農村醫療基礎設施通過技術進步的路徑來影響農業全要素生產率。

進一步地，通過比較不同基礎設施對全要素生產率影響的“影子彈性”*本文的實證模型中系數在形式上具有彈性的意義，但自Aschauer(1989)的實證工作以來，基礎設施的彈性廣泛采用超越對數函數進行測算，因此本文采用“影子彈性”來表述。，灌溉基礎設施對全要素生產率的溢出效應最明顯(0.198)，其次為醫療基礎設施(0.126)，遠遠高于電力和道路基礎設施(0.016和0.030)。這源于灌溉基礎設施是純粹的農業基礎設施，幾乎完全用于農業生產過程，而道路、醫療和電力基礎設施屬于農村基礎設施的范疇，除作用于農業生產外，還對農村其他非農活動產生作用。我國自1998年下半年開始投入大量資金進行農村電網改造，2003年以來又不斷加大對農村公路的建設力度，道路和電力基礎設施建設取得了巨大的進步。但首個關于水利的綜合性政策文件《關于加快水利改革發展的決定》直到2011年才出現，2011年我國農業灌溉用地占農業用地總量的百分比為10.49%，而同期印度和日本的比例分別為35.4%和34.5%*數據來源于世界銀行數據庫：http://data.worldbank.org/。。此外，醫療等社會基礎設施一直是我國農村的短板，雖然有所改進，但由于歷史欠賬太多、資金投入不足等原因，總體上仍比較薄弱，離城鄉發展一體化存在很大的差距。相比于道路和電力基礎設施，灌溉和醫療基礎設施對農業全要素生產率的溢出效應更加明顯，基礎設施投資方向的轉變對農業全要素生產率的提升具有重要意義。

在控制變量方面，理論上人力資本存量(Ln Educ)越高，越有可能接受新技術，但模型中人力資本存量對農業全要素生產率具有明顯的抑制作用，這一發現與Ma et al.(2013)的研究是一致的。這一反常現象源于農村人力資本沒有轉化為農業人力資本，隨著受教育水平的提高，農民的非農就業機會增加，農村人力資本流向現代產業部門，未能促進農業全要素生產率的提高；機械化(Ln Mach)和種植規模(Ln Scal)能通過技術效率的路徑影響農業全要素生產率，這與前文的假設一致，土地流轉及新型農業經營主體的出現打破了我國傳統小農經營的格局，適度的規模化生產伴隨著機械化水平的提升對農業全要素生產率具有重要作用；農業種植結構(Ln Stru)的改善*用糧食播種面積與總作物播種面積的比值衡量農業種植結構。模型(1)中農業種植結構的系數顯著為負，說明在保障糧食安全的前提下減少糧食種植比例有利于農業全要素生產率的提升。有利于提升農業全要素生產率，說明在整體層面，糧食種植面積占農作物播種面積越大，越不利于資源配置的優化，種植業的結構調整能提升農業全要素生產率；人均生產總值(Ln GDP)對農業全要素生產率的影響表現為具有凈替代效應，這與人力資本存量的流動方向是一致的，農業產值的增加雖然有利于追加再生產過程中的技術投入，有利于技術進步，但卻未能同時優化要素投入；啞變量Dummy1996顯著為負，與本文的預期一致，說明相比于其他年份，1996—2003年間我國工業化和城鎮化快速推進過程中的制度變遷不利于農業全要素生產率的提升。

表3 農村基礎設施外部性的差分GMM估計結果

注：括號中的數值是標準誤，*、**和***分別表示10%、5%和1%的顯著性水平；模型(6)和(7)分別對道路和醫療基礎設施進行了變量代換，由于模型和估計方法的原因，觀測值相比描述性統計減少了2年的樣本。

(三)穩健性檢驗

由于本文使用實物基礎設施存量作為代理變量，因而可能由于選取的代理變量具有偶然性而使結果出現較大誤偏。基于數據的可獲得性，本文通過改變道路基礎設施和醫療基礎設施的代理變量對模型進行了穩健性檢驗。在模型(6)中，本文在之前的道路基礎設施代理變量上加上了二等公路，即用二三四等公路和等外公路密度(萬公里/萬平方公里)的對數表示農村道路基礎設施存量，其影子彈性從0.030增大到0.040，即更多的道路基礎設施導致其外部性系數變大。與其他基礎設施的系數相比，這一變化不改變各個基礎設施系數之間的比較關系，對本文的結論不產生影響，同時模型的有效性、各個變量的顯著性和系數幾乎沒有發生變化，可以認為本文的道路基礎設施的代理變量選擇是合理的。同時，在模型(7)中，本文改用萬人均醫療工作者數目(人/萬人)的對數作為醫療基礎設施存量的代理變量，各個變量的系數依然穩定，說明本文對醫療基礎設施的代理變量選擇不具有偶然性。

五、結論與啟示

本文利用DEA-Malmquist測算了我國各省區1988—2014年農業全要素生產率，結果顯示我國農業全要素生產率年均增長3.1%，農業全要素生產率的增長主要來自于技術進步，而技術效率具有削弱作用，三個指標在三個時間段內呈現出U型的波動特征。在此基礎上，通過動態面板GMM方法檢驗了農村道路、灌溉、電力和醫療基礎設施對我國農業全要素生產率的外部性，得到如下結論：第一，四類農村基礎設施都對農業全要素生產率具有正外部性，總的來說灌溉基礎設施對農業全要素生產率的提升作用最明顯，其次為醫療基礎設施，高于道路和電力基礎設施；第二，從影響機理與傳導路徑來看，灌溉和電力基礎設施既能通過技術進步也能通過技術效率提升農業全要素生產率，道路基礎設施通過技術效率提升農業全要素生產率，而醫療基礎設施通過技術進步提升農業全要素生產率；第三，農業機械化程度、種植規模的提高和種植結構的調整能提升農業全要素生產率，而農村人力資本的提高、農業人均增加值的提升和1996—2003年間的制度變遷對農業全要素生產率表現為明顯的凈替代效應，具有負外部性。

本文的研究結論具有如下政策啟示：(1)將農村基礎設施投資向灌溉和社會性基礎設施傾斜，既能改善投資效率，也更有利于農業全要素生產率的提升。道路、灌溉、電力和醫療等基礎設施對農業全要素生產率均具有明顯的提升作用。21世紀以來，我國開始大規模開展農村基礎設施建設，農村道路和電力基礎設施取得了長足的發展，但灌溉基礎設施建設滯后，在與印度和日本的對比中處于嚴重劣勢。醫療等社會基礎設施一直以來是農村的短板，由于歷史欠賬太多，農村社會基礎設施的建設一直處于“啟而不動”的狀態。因此，調整農村基礎設施投資結構，補齊農村基礎設施短板，兼顧基礎設施的投資效率與溢出效應，是促進農業經濟增長與農業發展方式轉變良性互動的有利舉措，也是農業供給側改革調結構、補短板的應有之義。(2)農村人力資本水平和農業增加值對農業全要素生產率表現出凈替代效應，與普遍認為農村人力資本能提高農民工資性收入形成反差的是，農村人力資本未能有效提升農業全要素生產率，這源于農村人力資本沒有轉化為農業人力資本，相比于非工資性收入，農村人力資本提升增加了農民的非農就業機會，對農民工資性收入的作用更大(駱永民 等，2014)。為此需要提升農業附加值，建立健全農村人力資本支持農業現代化的路徑與機制，使農村人力資本關于農業全要素生產率與農民收入的矛盾得到調和。(3)我國農業供給側改革應重視農業種植規模的擴大、機械化水平的提升和種植結構的調整。具體操作上應逐步完善土地所有權、承包權和經營權“三權分置”，探索制度改革的紅利，鼓勵新型農業經營主體的發展，適度擴大農業經營規模，并利用土地流轉和規模化經營的契機，破解傳統小農經濟土地細碎化對農業機械化的掣肘，提升農業機械化水平，促進農業全要素生產率的提升，引領現代農業加快發展；同時，在保障糧食安全的前提下，優化產品產業結構，基本形成與市場需求相適應、與資源稟賦相匹配的現代農業生產結構和區域布局。

參考文獻：

金戈. 2012. 中國基礎設施資本存量估算[J]. 經濟研究(4)：4-14，100.

匡遠鳳. 2012. 技術效率、技術進步、要素積累與中國農業經濟增長：基于SFA的經驗分析[J]. 數量經濟技術經濟研究(1)：3-18.

李谷成，尹朝靜，吳清華. 2015. 農村基礎設施建設與農業全要素生產率[J]. 中南財經政法大學學報(1)：141-147.

劉生龍，胡鞍鋼. 2010. 基礎設施的外部性在中國的檢驗:1988—2007[J]. 經濟研究(3)：4-15.

駱永民，樊麗明. 2012. 中國農村基礎設施增收效應的空間特征：基于空間相關性和空間異質性的實證研究[J]. 管理世界(5)：71-87.

駱永民，樊麗明. 2014. 中國農村人力資本增收效應的空間特征[J]. 管理世界(9)：58-76.

翁鳴. 2017. 中國農業轉型升級與現代農業發展：新常態下農業轉型升級研討會綜述[J]. 中國農村經濟(4):88-95.

肖衛,肖琳子. 2013. 二元經濟中的農業技術進步、糧食增產與農民增收：來自2001—2010年中國省級面板數據的經驗證據[J]. 中國農村經濟(6):4-13，47.

趙文，程杰. 2011. 中國農業全要素生產率的重新考察：對基礎數據的修正和兩種方法的比較[J]. 中國農村經濟(10)：4-15，35.

周端明. 2009. 技術進步、技術效率與中國農業生產率增長：基于DEA的實證分析[J]. 數量經濟技術經濟研究(12)：70-82.

ASCHAUER D A. 1989. Is public expenditure productive [J]. Journal of Monetary Economics, 23(2):177-200.

BRAVO-ORTEGA C, LEDERMAN D. 2004. Agricultural productivity and its determinants: revisiting international experiences [J]. Estudios De Economia, 31(2):133-163.

CAO K H, BIRCHENALL J A. 2013. Agricultural productivity, structural change, and economic growth in post-reform China [J]. Journal of Development Economics, 104(3):165-180.

CHEN P C, YU M M, Chang C C, et al. 2008. Total factor productivity growth in China′s agricultural sector [J]. China Economic Review, 19(4):580-593.

FAN S, HAZELL P, THORAT S K. 2000. Impact of public expenditure on poverty in rural India [J]. Economic and Political Weekly, 35(40):3581-3588.

FAN S, PARDEY P G. 1997. Research, productivity, and output growth in Chinese agriculture [J]. Journal of development Economics, 53(1):115-137.

HEADEY D, ALAUDDIN M, RAO D S P. 2010. Explaining agricultural productivity growth: an international perspective [J]. Agricultural Economics, 41(1):1-14.

HUANG J K, ROZELLE S. 1996. Technological change: rediscovery of the engine of productivity growth in China′s rural economy [J]. Journal of Development Economics, 49(5):337-369.

HUFFMAN W E, EVENSON R E. 2006. Do formula or competitive grant funds have greater impacts on state agricultural productivity [J]. American Journal of Agricultural Economics, 88(4):783-798.

HULTEN C R, BENNATHAN E, SRINIVASAN S. 2006. Infrastructure, externalities, and economic development: a study of the Indian manufacturing industry [J]. The World Bank Economic Review, 20(2):291-308.

JAIN R, ARORA A, RAJU S S. 2009. A novel adoption index of selected agricultural technologies: linkages with infrastructure and productivity [J]. Agricultural Economics Research Review, 22(1):109-120.

JIN S, HUANG J, HU R, et al. 2002. The creation and spread of technology and total factor productivity in China′s agriculture [J]. American Journal of Agricultural Economics, 84(4):916-930.

LIN J Y. 1992. Rural reforms and agricultural growth in China [J]. The American Economic Review, 82(1):34-51.

MA S, FENG H. 2013. Will the decline of efficiency in China′s agriculture come to an end? An analysis based on opening and convergence [J]. China Economic Review, 27(c):179-190.

MAMATZAKIS E C. 2003. Public infrastructure and productivity growth in Greek agriculture [J]. Agricultural Economics, 29(2):169-180.

TERUEL R G, KURODA Y. 2005. Public infrastructure and productivity growth in Philippine agriculture, 1974—2000 [J]. Journal of Asian Economics, 16(3):555-576.

TIAN X, YU X. 2012. The Enigmas of TFP in China: a meta-analysis [J]. China Economic Review, 23(2):396-414.

ZHANG X, FAN S. 2004. Public investment and regional inequality in rural China [J]. Agricultural Economics, 30(2):89-100.

ZHOU L I, ZHANG H P. 2013. Productivity growth in China′s agriculture during 1985—2010 [J]. Journal of Integrative Agriculture, 12(10):1896-1904.