農村互聯網發展對中國玉米全要素生產率的影響

王 博，張永強，b,*，宮思羽，董權瑤，付小釗

(東北農業大學a.經濟管理學院；b.現代農業發展研究中心，黑龍江 哈爾濱 150030)

玉米是我國的主糧之一。相較于稻谷和小麥，玉米具備更強的工業屬性，是生產工業酒精和畜牧飼料的主要原料。確保玉米高效生產，有利于踐行“谷物基本自給、口糧絕對安全”的國家戰略方針，有助于構建糧食安全保障體系。但據黃季焜[1]預測，到2025年和2035年，國內玉米的需求總量將超出國內產量2 000多萬t(自給率92%)和5 600萬t(自給率82%)。究其原因，在于我國居民食物消費持續提檔升級，肉蛋奶的需求不斷增加，加上玉米生物發酵技術的不斷創新，致使具備多元功能的谷物玉米難以滿足多元需求。特別是在全球單邊主義、保護主義抬頭和疫情沖擊的多重風險下，單純依靠進口貿易補充玉米產能缺口，并不能確保國家口糧的絕對安全。在此背景下，中國的玉米自給率該如何保障？在綠色生產轉型勢在必行的條件下，土地、化肥、農藥等傳統要素的過度投入能否繼續扛住提高玉米全要素生產率的大旗？尋找可持續性發展的新要素投入已經成為玉米全要素生產率提升的重要話題。

隨著國家“互聯網+”戰略的不斷實施，互聯網已經迅速普及到農村生產、生活的各個領域，“互聯網+農業”已經成為提升農業生產力的重要推動力[2]?；ヂ摼W作為新型的公共基礎設施，對提升玉米生產效率的作用主要體現于農機智能化耕作、生產數據精細化管理，以及天基系統物聯網化操控等方面。當前，在玉米生產強國——美國，互聯網已貫穿于玉米生產的各個環節。自然環境與玉米生長的大數據實時監控，全機械化智能耕作的衛星系統操控，以及農田灌溉、農藥噴灑的全自動化過程等智能化生產環節，促使美國玉米產能全球領先[3]。雖然我國玉米的智能化生產技術與美國相比還有較大的差距，但我國玉米的生產模式正由于互聯網的介入而發生著結構性的變革，無人農場生產模式的試點已經出現[4-5]。標準化、智能化、信息化的玉米生產模式有望破解我國玉米生產面臨的勞動力結構劣化、生產成本較高、優良品種匱乏、市場價格波動幅度大等難題；但是，如何準確把握互聯網發展與玉米全要素生產率的關系，從而利用好互聯網技術，構建互聯網化的生產和管理體系，真正實現玉米生產各個環節的效能提升，帶動我國玉米全要素生產率提高，還值得深入探討。

1 文獻綜述

有關玉米生產效率的研究長期以來都是我國農業領域的熱點話題。梳理國內學者對玉米生產效率的研究，大致可將其分為3個方面：一是對全國玉米整體生產效率的測算。因研究方法不同、年限不同，此類研究得出的結果不盡相同，但都認為技術進步在促進玉米全要素生產率提升中發揮重要作用[6-8]。二是對玉米生產效率時空差異的測算。學者運用不同方法測算我國不同生態區域玉米生產效率的空間差異發現：北方春播玉米區、黃淮海平原夏播玉米區的生產效率較高；西北灌溉玉米區的生產效率具備后發之勢，但仍需加強基礎建設；西南山地玉米區受地形和氣候的限制，生產效率處于較低水平[9-10]。三是對玉米生產效率影響因素的研究。研究發現，農民受教育水平[11]、玉米播種面積[12]、財政支農補貼[13]、城鎮化[14]、自然災害[15]、農業機械化[16]等因素都對玉米生產效率有顯著影響。此外，也有學者從玉米供需[17]、玉米與畜牧養殖的結合模式[18]等方面研究玉米的生產效率。

關于互聯網發展對玉米生產效率影響的學術研究目前尚存在一些不足，已有的研究集中在互聯網對大農業全要素生產率的影響上。如朱秋博等[19]研究發現，信息化發展對農業全要素生產率具有促進作用，這種作用主要來源于農業技術效率的提高；而李欠男等[20]的研究認為，是農業技術進步對全要素生產率起到了促進作用，技術效率反而起到了抑制作用。此外，還有學者發現，互聯網對農業生產效率的作用受到城鎮化[21]、農戶生產決策[22]、農村人口老齡化[23]等因素的影響?？偟膩砜矗P于互聯網發展對我國農業生產影響的研究尚未形成一致性的理論成果。

通過文獻梳理發現，國內關于互聯網深入農業領域全要素生產率研究的理論基礎尚不充足?；诖耍疚臄M在以下方面進行研究：(1)將農村互聯網發展作為核心解釋變量，探索農村互聯網發展對玉米全要素生產率的影響及其作用機理；(2)創新性地采用聯立方程組模型，解決農村互聯網發展與玉米全要素生產率之間的內生性問題；(3)分區域探討農村互聯網發展對不同生態類型玉米產區的估計結果，以期揭示不同產區受農村互聯網發展影響的差異性。

2 理論機制分析

全要素生產率增長主要依靠技術進步和要素配置2方面[24]?；ヂ摼W的優勢在于能快速傳遞新信息和新知識，并精確地滲透到農業生產的各個環節[25]，增強信息的傳播效應，進而帶動技術進步和要素的優化配置，最終促進全要素生產率的提高。以下主要從技術進步、要素配置2方面探討互聯網對全要素生產率的影響路徑及其內在機理。

2.1 技術進步

首先，在信息獲取方面，互聯網的發展有助于玉米生產主體及時獲取前沿科技信息，加速“新農人”的蛻化，拓展農業人力資本存量，進而為農業科技發展提供人才支撐。其次，在思維轉變方面，依托互聯網技術能夠大力推進數字化進步、智能化進步，打破生產主體陳舊的生產認知，有助于先進技術的應用。再次，在硬件設施完善方面，互聯網發展還會為農業生產主體帶來全新的生產基礎設施、信息交互平臺，催生出新的農業經濟發展模式。最后，在服務供給方面，互聯網的發展有利于整合生產、銷售、推廣等農業社會化服務。在互聯網不斷滲透農村發展的背景下，生產主體可享受技術進步帶來的生產紅利，從而促進全要素生產率提升。

2.2 要素配置

互聯網發展暢通了生產環節的信息交互，可有效打破信息不對稱性造成的資源錯配。首先，互聯網作為現代要素易于與傳統要素融合，可憑借其強大的數據處理能力優化農業要素配置方式，逐步達成帕累托最優[26]。其次，互聯網通過及時傳遞信息，可有效削弱經銷商對于生產資料價格的議價權，有利于降低農業生產成本的投入[27]。再次，互聯網金融服務拓寬了生產主體享受資本紅利的路徑，極大地改善了農業生產的資金周轉問題，有利于提高資本配置效率[28]。最后，互聯網的發展可通過降低土地流轉的信息不對稱性促進供需雙方的合作，使之達成雙方的收益平衡，提高土地配置效率。綜上，互聯網能夠優化土地、資本、勞動力等要素配置，改變技術效率，從而促進全要素生產率提高。

3 玉米全要素生產率測算與分析

3.1 研究方法

目前，學者測算全要素生產率的常用方法主要有隨機前沿分析(SFA)的參數法和數據包絡分析(DEA)的非參數方法。相較于SFA，DEA的優勢在于：(1)無需設定生產函數形式，適用于處理多投入、多產出的決策單元結構，投入產出變量的權重由數學規劃模型根據數據產生，無需量綱統一化處理[29]；(2)全要素生產率指數可以分解為技術進步變化指數和技術效率變化指數，可以避免技術進步與技術效率的相互掩蓋，結果更加準確[30]；(3)該方法不受相關價格信息的干擾，避免了價格數據不易獲取的困難[31]。

基于此，本文借鑒Fare等[32]構建的DEA-Malmquist方法測算我國17個玉米主產省(區)——黑龍江、吉林、遼寧、內蒙古、寧夏、山西、河北、山東、河南、江蘇、安徽、四川、云南、貴州、陜西、甘肅、新疆的全要素生產率。DEA-Malmquist方法利用2個時期的幾何平均值測算全要素生產率指數，能夠保證多決策單元(DMU)測算下結果的相對有效性，其計算公式如下：

(1)

全要素生產率指數是技術效率指數與技術進步指數的乘積。其中，技術效率體現為生產主體的最大產出能力，是生產主體對技術效用程度最前沿面的衡量；技術進步表現為生產最前沿面的提升，是隨著技術的演變，生產效率展現出的變化。

在規模報酬不變的情況下，式(1)可推導為

(2)

式(2)中的全要素生產率主要由技術進步和技術效率體現。但在實際當中，規模報酬是變化的，因此可將式(2)進一步推導為

(3)

由式(3)可知，技術效率可進一步分解為純技術效率和規模效率，其中：純技術效率是指在規模效率不變條件下生產技術水平達到的最大技術效率，其值小于1，說明資源投入的轉換效率未達最大化；規模效率測算的是規模變化后不同生產前沿的間距，其值小于1，說明資源投入未達最大規模。

3.2 指標選取與數據來源

指標選取主要借鑒江松穎等[11]的研究，并加入燃料動力費(機械燃油費用)、固定資產折舊作為玉米生產單位面積的機械化投入[33]。簡單地說，投入指標包括土地投入、勞動力投入、機械投入和生產資料投入；產出指標為玉米產量(單位為104t)。其中：土地投入選用播種面積(單位為104畝，1畝≈667 m2)表征；勞動力投入包括勞作時間(單位為109工作日)和人力資本(以農村勞動力人口的平均受教育年限代表，單位為a)；機械投入借鑒鄭旭媛等[33]的研究，以機械作業費用、排灌費用、機械燃油費用和固定資產折舊費用的2/3與各省(區)播種面積的乘積表征(109元)；生產資料投入以種子數量(104t)、化肥數量(104t)和農藥(109元)與各省(區)播種面積的乘積表征。

用我國17個玉米主產省(區)的面板數據進行實證研究。鑒于我國于2003年才開始公布互聯網發展的省級數據，因此本文的研究時段選為2004—2019年。數據主要來源于《全國農產品成本收益資料匯編》《中國統計年鑒》《中國農村統計年鑒》《中國人口統計年鑒》，以及中國互聯網信息中心發布的《中國互聯網網絡發展狀況統計報告》。

3.3 核算結果與分析

本文使用DEAP 2.1軟件對上述數據進行處理，經測算，全國17個玉米主產省(區)2004—2019年的玉米全要素生產率年均增長0.2%(表1)，其中，技術進步年均增長0.3%，而技術效率保持不變。這說明我國玉米全要素生產率雖逐年提高，但增速緩慢，且主要依靠技術進步，屬于單軌驅動型增長。這一結果與其他學者采用不同要素投入的測算結果方向大體一致[7-8]。

表1 2004—2019年我國玉米全要素生產率及其分解

4 模型構建與變量選擇

4.1 模型選擇與變量設置

如上所述，農村互聯網發展水平與玉米全要素生產率之間存在著相互促進的關系。互聯網作為新型的公共基礎設施，具有公共屬性，不具備嚴格的外生性，若采用單一方程可能無法準確地估計其對玉米全要素生產率的影響，且方程產生的內生性問題也不易解決。將農村互聯網發展水平與玉米全要素生產率都當作內生變量則可以解決相關的內生性問題，也可以較為科學地得出二者的估計結果。為此，特引入聯立方程組模型進行分析。構建模型如下：

(4)

(5)

式(4)、(5)中，i代表省(區)(i=1，2，3，…，17)；t代表年份(t=1，2，3，…，16，分別對應于2004—2019年)；εit和λit為隨機誤差項，且服從獨立同分布；α0、γ0為常數項系數；α1、αj、γ1、γj為相應項的系數。

式(4)中：核心解釋變量Iit為農村互聯網發展水平(ninter)，借鑒以往的研究，采用各省(區)農村互聯網使用人數占各省(區)總人口數的比例來表示[34]。被解釋變量Tit包括玉米全要素生產率(TFP)、技術進步(TC)和技術效率(EC)，其中，TFP、TC、EC的值均已轉化為以2004年為1的累積值。X作為一組控制變量，根據已有的理論和文獻參考，主要包括以下指標：(1)受災率(dis)，采用受災面積占農作物總播種面積的比重來表示；(2)城鎮化率(urban)，以城鎮常住人口數和總人口的比值來衡量；(3)農業結構調整(struc)，采用玉米播種面積占農作物總播種面積的比重來表示；(4)工業化率(indus)，用各省(區)第二產業增加值占地區生產總值的比重表示；(5)農村人口老齡化率(nage)，用各省(區)65歲以上人口數占該省(區)總人口數的比重表示。

式(5)是用于測算玉米全要素生產率對農村互聯網發展水平影響的方程。農村“新基建”離不開政府的財政支持，政策紅利對推進農村互聯網普及具有重要的作用。同時，完善的交通基礎設施能夠有效地突破先進技術傳播的壁壘，降低要素投入的流動成本，進而促進農村互聯網的發展?；诖?，式(5)中的控制變量Y包括：(1)財政支持(finan)，用政府農林水財政支出占總財政支出的比重衡量財政支持力度；(2)農業基礎設施(nj)，用單位國土面積公路里程的對數值表示。

將上述各變量的描述性統計分析整理于表2。

表2 變量的描述性統計

測算各變量的方差膨脹因子(VIF)，值在1.4～4.1，平均值為2.24，說明解釋變量的選擇合理。

4.2 總體性估計結果與分析

聯立方程組的2個方程[式(4)、(5)]均呈現過度識別問題。二階段最小二乘法(2sls)可以有效緩解方程存在的內生性問題和擾動項相關性的問題，本文在2sls的基礎上結合似不相關回歸方法(SUR)做三階段最小二乘法(3sls)來估計結果，以期結果更加精確。同時運用2sls、3sls和迭代式3sls進行估計，結果顯示：3sls的結果更顯著，與迭代式3sls的估計系數更接近，且擬合優度更高。囿于篇幅，下文只展示3sls估計結果(表3，模型中的地區效應均已進行控制)。

表3 總樣本的回歸結果

農村互聯網發展對我國玉米全要素生產率的影響系數為0.481 1，且通過1%水平的顯著性檢驗，說明農村互聯網發展能夠顯著地提升玉米全要素生產率。這可能是因為，將農村互聯網植入到玉米生產中，可有效減緩土地、化肥、農藥、資本等傳統要素的過度投入，發揮數字本能，重構要素間的組合，從而提升生產效率。受災率對玉米全要素生產率的影響系數在10%水平上顯著為負，表明玉米生產受自然災害的負向影響，這與農業本身的產業特性有關。城鎮化率對玉米全要素生產率的影響系數在10%水平上顯著為正，說明疏通城鄉間的要素通道，縮小城鄉間信息逆差，有利于先進技術的傳播與應用，對于提高玉米全要素生產率具有積極作用。農村人口老齡化率對玉米全要素生產率的影響在10%水平上顯著為正。雖然當前我國農業生產中面臨著老齡化務農的挑戰[23]，但老齡人口通過滿意度、感知有用性和感知有趣性會增強其使用互聯網的意圖[35]。借鑒日本、美國等發達國家的經驗可發現，其農村人口老齡化的程度甚至高于我國，但是借助互聯網技術、農業自動化生產技術代替勞動力，老齡農戶轉變為可用勞動力，從而提升了玉米的全要素生產率。工業化率對玉米全要素生產率的影響在5%水平上顯著為負。結合我國國情不難發現，我國玉米的工業化進程存在著產業鏈條短、高精深的發酵產業能力匱乏等短板。同時，由于我國玉米價格偏高，小麥、高粱、大麥和水稻等飼料原料替代品不斷沖擊玉米的飼料市場需求，最終導致工業產業化的福利并不能賦能到玉米產業上。農業結構調整對玉米全要素生產率的影響在5%水平上顯著為正。這說明，農業產業結構優化促進了玉米全要素生產率的增長。特別是我國玉米種植結構正經歷著市場化改革，以市場供需為導向的籽粒玉米、鮮食玉米的種植結構動態平衡，有利于玉米生產效率的提升。

玉米全要素生產率對農村互聯網發展水平的影響在1%水平上顯著為正，表明玉米全要素生產率的提高會進一步促進農村互聯網的發展。這也說明玉米全要素生產率與農村互聯網發展之間存在著內生性問題，構建聯立方程模型具有合理性。財政支持對農村互聯網發展水平的影響在1%水平上顯著為正，說明農村互聯網的發展離不開財政的大力支持，網絡基礎設施建設的扎實推進有力促進了互聯網在我國農村地區的普及。農業基礎設施對農村互聯網發展水平的影響同樣在1%水平上顯著為正，說明完備的交通基礎設施有利于農村互聯網的快速發展。

進一步討論農村互聯網發展促進玉米全要素生產率增長的作用機理。農村互聯網發展水平對技術效率、技術進步的估計系數分別為0.408 6、0.492 2，且都通過1%水平的顯著性檢驗，表明農村互聯網的發展同時促進了技術效率、技術進步的增長。技術效率、技術進步對農村互聯網發展水平的影響同樣均在1%水平上顯著為正，說明農村互聯網發展與技術效率、技術進步具有相互促進的關系，且方程選擇合理。由此可見，農村互聯網發展實現了技術效率、技術進步協同改善作用下的“雙驅動”型催動。目前，我國玉米生產中已融入了互聯網因素，如高標準玉米農田的綜合管理信息系統可以通過實時的玉米生產數據收集，促使生產要素配置結構持續優化；移動物聯網應用下的玉米病害識別技術改變了玉米生產“看天吃飯”的依存狀態，技術進步帶來技術效率提升，促使玉米生產的各個環節匹配得更加緊密，帶動生產效率大幅提高。

4.3 區域差異分析

為進一步分析農村互聯網發展對玉米全要素生產率影響的區域差異，根據仇煥廣等[36]的研究，將我國玉米種植區按照自然地理條件劃分為北方春播玉米區(黑龍江、吉林、遼寧、內蒙古、寧夏、山西)、黃淮海平原夏播玉米區(河北、山東、河南、江蘇、安徽)、西南山地玉米區(四川、云南、貴州)和西北灌溉玉米區(陜西、甘肅、新疆)4個生態類型區進行研究。各生態類型區樣本同樣采用3sls模型進行回歸，且控制變量均已在模型中進行控制(表4)。

表4 區域樣本的回歸結果

農村互聯網發展水平對北方春播玉米區、黃淮海平原夏播玉米區、西南山地玉米區和西北灌溉玉米區玉米全要素生產率的影響都在1%水平上顯著為正，表明農村互聯網的發展同時促進了全國不同生態類型區玉米全要素生產率的提高，與全國整體的估計結果是契合的。農村互聯網發展水平對技術效率、技術進步的影響也都在1%水平上顯著為正，說明農村互聯網發展在不同生態類型區都是依靠雙重驅動力催動了玉米生產效率的提高，其驅動程度從高到低依次為北方春播玉米區>黃淮海平原夏播玉米區>西北灌溉玉米區>西南山地玉米區。也就是說，農村互聯網發展對北方春播玉米區的催動作用最強。分區域可知，農村互聯網發展對北方春播玉米區、黃淮海平原夏播玉米區玉米全要素生產率的估計系數高于全國平均水平。這可能是因為，北方春播玉米區、黃淮海平原夏播玉米區具有良好的區位優勢，規?；a程度高，具備現代化農業機械發展的基礎，易發揮大農業在數字化上的優勢，且國有大農場的聚集體現出的組織優勢使得互聯網技術與玉米生產的耦合度更高，數字化農田發展的基礎設施充足，天地空一體的檢測技術已經萌芽，其整體發展水平領先于全國平均水平。農村互聯網發展水平對西北灌溉玉米區玉米全要素生產率影響的估計系數低于全國平均水平。這可能是因為，西北灌溉玉米區的規?；a占比較小，且互聯網普及程度相對滯后。但是，新疆、甘肅布局著我國玉米的良種基地，且地廣物博，資源稟賦優勢明顯，隨著當地耕地面積擴大、現代農業機械化水平提升，其發展的“后發優勢”明顯?；ヂ摼W發展水平對西南山地玉米區玉米全要素生產率影響的估計系數遠低于全國平均水平。這可能是因為，其天然的地勢劣勢導致大型機械化技術和適應于大型農田的數字化技術難以在當地推廣，無法發揮互聯網在大規模農業生產上的優勢。但其技術效率表現高于全國平均水平。這可能主要得益于當地相對小規?；纳a模式易于靈活調整，可以依托互聯網對要素結構進行實時優化，通過及時掌握氣象預測、災害信息，以及生產資料的價格等信息，從而依靠優化要素配置驅動玉米全要素生產率增長。

4.4 穩健性檢驗與內生性討論

為驗證本文研究結果的穩健性：(1)采用全國互聯網普及率替代本文所采用的農村地區互聯網普及率作為互聯網發展系數，重新估計以上所有模型，檢驗結果(囿于篇幅，具體數據未給出)顯示，不論是總體方程結果還是區域差異性結果，回歸結果的顯著性和符號均未發生改變，且回歸系數變化不大，說明模型的穩健性較強；(2)區域差異性結果顯示，回歸結果的顯著性和符號沒有發生改變，說明模型的穩健性較強。以上2種方法的結果均證明本文估計結果具有可靠性。

一方面，考慮到玉米全要素生產率與農村互聯網發展間的相互聯系(農村互聯網發展對玉米全要素生產率具有提質增效的作用，反過來，玉米全要素生產率的提升也會促進農村互聯網的推廣)，另一方面，考慮到農村互聯網發展對玉米全要素生產率的影響除了受宏觀的經濟因素影響外，也會受農戶采納行為偏好等因素的影響，單一方程的模型設定可能存在遺漏變量；因此，本文構建聯立方程組進行檢驗，而沒有采用單一方程。而且，運用3sls的處理面板在一定程度上也可以緩解內生性對估計結果的影響。與此同時，本文借鑒郭家堂等[30]的方法選用農村互聯網發展滯后一期作為工具變量進行驗證，結果顯示，核心解釋變量的估計結果與之前大體一致(限于篇幅，數據未給出)，說明本研究的結果不受內生性問題影響。

5 結論與啟示

本研究首先采用DEA-mamlquist指數測算了2004—2019年我國17個玉米主產省(區)的全要素生產率，然后采用聯立方程組模型實證檢驗了農村互聯網發展對玉米全要素生產率的影響，并將玉米全要素生產率分解為技術效率、技術進步兩條路徑解釋其作用機理。主要結論如下：(1)2004—2019年玉米全要素生產率年均增長0.2%，主要依靠農業技術進步的單軌驅動模式；(2)農村互聯網的發展顯著提升了玉米全要素生產率，主要依靠技術效率、技術進步協同改善的雙重驅動；(3)分區域來看，農村互聯網發展都促進了玉米全要素生產率的提高，其驅動程度從高到低依次為北方春播玉米區>黃淮海平原夏播玉米區>西北灌溉玉米區>西南山地玉米區。

基于此，本文提出如下建議。第一，進一步提高農村互聯網的配套基礎設施。一方面，要加強農村互聯網的硬性基礎設施建設，普及農村區域千兆網絡建設，在玉米優勢產區優先引入5G技術、遙感衛星、移動物聯網等天基基礎，用以建設玉米生產的大數據中心，推動數字化農田建設，高度耦合新一代信息技術與玉米現代化生產模式；另一方面，要完善互聯網的配套服務體系，優先農村區域的“提速降費”政策紅利，真正實現互聯網作為公共基礎設施的功能。此外，將工業端集獲取、監測、反饋等先進功能于一體的大數據平臺系統植入農業生產當中，以激發農業發展的“后發之勢”。第二，發揮互聯網“連接經濟”的優勢。其一，政府優先農村互聯網金融投入，著力解決因生產資本不足造成的生產力滯后問題；其二，建設互聯網政務平臺，利用高效率、高精度、快速度的方式使玉米生產主體掌握前沿政策信息、技術信息，破解信息不對稱帶來的要素錯配矛盾；其三，加強互聯網技術對農業技術服務的培訓作用，依靠互聯網技術的智能化優勢，減輕玉米生產的體力約束和信息約束，將經驗式生產轉為數據式生產，促使要素結構不斷升級，利用技術紅利代替人口紅利解決農村勞動力老齡化問題。第三，應用多元化互聯網技術，促進不同生態類型區玉米生產效率的提升。在北方春播玉米區、黃淮海平原夏播玉米區優先發展天地空一體檢測技術、大數據田間采集技術、多維度智能評價模型技術，促進大農業數字技術的應用；在西北灌溉玉米區，借助其良種基地的優勢，大力發展數字化智能育種平臺，深挖基因組學、蛋白組學、表型組學等數據，建立資源基因數據庫和表型數據庫，針對不同生態類型區制定玉米的定向目標性狀優化育種方案，加快“經驗育種”向“精確育種”轉變；在西南山地玉米區，優先設立互聯網信息平臺，匯集良種信息、氣象信息、技術生產信息等，發揮傳統要素間最優匹配的潛力，提高生產效率。