信息化对农户粮食全要素生产率的影响

Impact of informatization on total factor productivity of grain farmers: Based on information gap and farming capabilities

摘要

为揭示信息化在提高农户粮食全要素生产率中的具体作用，采用2004—2022年国家发展改革委农产品成本收益数据，结合2023年13个夏粮主产省（市、自治区）农户的信息化补充调查，实证检验了信息化对粮食全要素生产率的影响效果及内在机制。研究发现：信息化能够明显提高粮食全要素生产率，且信息化对青壮年劳动力的影响更为明显；信息化能够显著提高农户的耕作能力，但同时也会扩大农户间耕作能力的差距；信息化对劳动和土地生产率有正向提升效果，且能够有效促进农户增收。因此，应进一步深化农业领域信息化发展，着力提升信息化水平，并重点关注中老年农户信息鉴别能力的培养，进一步扩大信息化对粮食全要素生产率的贡献。

Abstract

To uncover the specific role of informatization in enhancing the grain total factor productivity （TFP） of farmers， this study uses data on agricultural product cost-benefit data published by the National Development and Reform Commission （2004-2022） and the supplementary informatization survey data of grain farmers in 13 major summer grain-producing provinces （municipalities， districts） in 2023 to empirically examine the impact of informatization on grain TFP. The findings reveal that informatization significantly enhances grain TFP. The effect is more pronounced among young and middle-aged laborers. While informatization significantly improves farmers' cultivation abilities， it also widens the capability gap among farmers. Additionally， informatization positively affects labor and land productivity， and effectively boosts farmers’ income. Therefore， further advancement of informatization in agriculture with a focus on enhancing informatization levels and developing the information discernment skills of older farmers to maximize the contribution of informatization to grain TFP is essential.

关键词

信息化 / 粮食全要素生产率 / 信息鸿沟 / 耕作能力

Key words

informatization / grain total factor productivity / information gap / farming capability

洪范八政，食为政首。保障粮食安全始终是国计民生的头等大事。近年来我国粮食生产能力快速提升，粮食产量屡创新高，2022年全国粮食总产量已突破6.87亿t，粮食生产实现“十九连丰”。但值得注意的是，我国粮食增产主要依靠化肥、农药等传统要素的大量投入，全要素生产率的贡献度较低。根据Sheng等^［1］的测算，改革后农业生产中资本的投入增速远高于产量和全要素生产率。虽然在粮食紧缺时期，增加要素投入对保障粮食安全做出了突出贡献，但在环境资源瓶颈约束加大、粮食生产由数量安全向质量安全转型、数字化信息化蓬勃发展的新历史时期，要素拉上型增长已无法满足现阶段农业发展的需要。习近平总书记在党的二十大报告中强调，高质量发展是全面建设社会主义现代化国家的首要任务，要着力提高全要素生产率。提高粮食全要素生产率已成为让“中国碗”装满“中国粮”的最有力手段。

为提高粮食全要素生产率，我国开展了《关于加快推进农业科技创新持续增强农产品供给保障能力的若干意见》 《关于进一步加强农业知识产权工作的意见》 《农业“火花技术”发现、评估与培育实施办法》等一系列科技创新行动，并通过建立国家现代农业产业科技创新中心、国家农业科技创新联盟等平台，加快成果应用转化。但目前小农户仍是我国农业生产的主体，第三次全国农业普查数据显示，我国小农户规模为2.3亿，从业人员占农业从业人员的90%，经营面积占总耕地面积的70%，可以预见，在今后较长时期内，小农户仍是我国农业生产的核心主体，提升小农户的生产力才能提升我国农业的生产力。在“大国小农”的基本国情下，由政府为主导推动小农户与现代农业有机衔接的行动方案在践行中存在较多困难，农户基于固有的生产经验往往不愿意做出任何改变，即便能够明显提高产能、增加收益的生产方式也需要较长时间推广才能得到有效普及^［2-3］。

信息化的高速发展为打破这一壁垒提供了潜在路径。近年来我国农户的信息化水平快速提升，农业农村部数据显示，截至2021年11月底，我国现有行政村已全面实现“村村通宽带”，全国行政村通光纤和4G比例均超过98%，农村与城市已实现“同网同速”，光纤平均下载速率超过100 Mb/s。信息化的快速发展打破了信息传递的距离限制，便于农户获取各类农业信息。一方面，手机、互联网为农户提供了便捷的交流渠道，据调查，2022年样本农户中88.18%会通过线上与他人交流种植经验，与线下交流相比，线上交流种植经验的比例接近30%；另一方面，我国近年开办的益农信息社、农业农村部信息网等平台，会邀请各类农技专家开展培训教学，农户可以线上参与培训，从而解决生产过程中遇到的实际问题。此外，近年许多行政村内部建有“微信群”，不仅会在平时用来通知村内事务，也会通报防虫、防灾等信息，降低农户受灾风险。总体来看，信息化已在方方面面影响农户的粮食生产。

本研究拟采用2004—2022年国家发展改革委农产品成本收益数据，结合2023年13个夏粮主产省（市、自治区）的农户信息化补充调查，实证检验信息化对粮食全要素生产率的影响效果及内在机制，以期为揭示信息化在提高农户粮食全要素生产率中的具体作用提供经验借鉴。

1　文献梳理与理论分析

1.1　信息化的相关研究

早在1963年，日本学者Umesao^［4］在《论信息产业》中首次提出信息化概念，并认为“信息化是通讯现代化、计算机化和行为合理化的总称”。虽然在后续研究中，学者们对信息化的界定存在一些分歧，例如：Abramson^［5］将网络、电脑、通讯等各类新媒体发展均视为信息化，McLean^［6］则将信息化简单归纳为信息通讯技术的发展，Van Dijk^［7］虽然一定程度上拓展了信息化概念的边界，认为信息化应当包括邮政业务、电子邮件、视频会议、线上会议、即时投票、线上采访、电子传真、联机数据库和互动电视等技术的发展。但较为显见的是，早期学者对信息化的界定主要聚焦于信息传输方式的变革，而随着计算机、互联网等技术的广泛应用和普及，更多学者从不同视角对信息化进行界定。Porat等^［8］从经济结构角度出发，将信息产业视为与传统生产截然不同的全新行业，在这一行业中，经济活动的中心已经从制造物品转移到处理信息和符号，信息化则从信息产业的发展中得到体现。但信息化与工业化的发展是交叉融合、密不可分的，将信息产业与工农业产业割裂的界定方法往往难以准确识别和划分^［9-10］。Milacic^［11］认为，信息化不仅包括原有的通讯属性，还应包括促使传统工农业向自动化迈进中计算机、机器人等新型信息技术的应用过程。

聚焦个体的信息化发展，已有研究大致可分为3个方面。首先是信息工具的接入，拥有信息工具是使用这些工具的前提，因此这也是个体信息化发展的最初级阶段。例如：朱秋博等^［12］采用农户是否有手机信号和是否接入互联网等指标评估农户的信息化水平，李星光等^［13］则采用手机话费和上网费反映农户信息化。其次是信息工具的应用，对于不同农户群体，信息工具接入并不意味着农户一定能用、会用这些设备。因此，谭燕芝等^［14］在模型中引入了互联网的接入时长，而许竹青等^［15］则采用是否使用某个具体软件分析农户的信息工具应用。最后是信息工具应用效果的差别^［16］，然而，由于农户对于信息工具应用效果的评估通常具有极强主观性，因此这通常被视作实证模型的被解释变量。

1.2　农户全要素生产率的相关研究

纵观西方经济学的发展历程，探寻经济增长的动力源泉始终是经济学家关注的重点话题。在经济学发展初期，学者们侧重于研究劳动、资本等可见要素投入对经济增长的重要作用，例如：Smith^［17］提出，增加劳动者数量可以促进经济增长；Ricardo^［18］认为，资本积累对经济增长具有重要贡献。但由于经济增长并非完全取决于要素投入量的增加，还受到技术、管理、知识、文化等诸多其他因素的影响，而后者的作用可能更为重要。为此，Solow^［19］将产出的增长划分为要素投入量增长的贡献和剔除要素投入后的剩余2个部分，并将剔除要素投入的剩余定义为全要素生产率的增长率，因此，通过该方法测得的全要素生产率又被称作索洛余值。

全要素生产率是反映生产效率、衡量经济发展质量的重要指标^［20］。自Solow^［19］开创性地提出全要素生产率概念以来，全要素生产率的核算方法不断丰富完善，不同方法在具体问题上的适用性也存在差异。Solow^［19］更关注全要素生产率在不同年份间的变化，因此其测算的生产率实质上是全要素生产率的增长率，虽然可以采用赋值法设定基期的全要素生产率绝对值（通常将基期所有样本赋值为1），并据此测算各年全要素生产率的实值。但给基期赋值的方法假定所有样本在初始状态下的生产率相同，当样本量偏大时，这一假定条件不可避免地造成估计结果的差距拉大，因此更适用于宏观层面的分析。虽然此后大量学者改进生产率的计算方法，通过随机前沿法^［21］、Malmquist指数法^［22］等测算全要素生产率，但都不可避免地遭遇这一问题。因此在具体实践中，部分学者放弃对全要素生产率值的具体测算，通过全要素生产率的增长率反映经济发展的情况^［23-24］，但这一处理方法将会丧失一期样本且无法得到全要素生产率的具体取值。为应对这一问题，部分学者从生产函数着手直接估算全要素生产率^［25-26］。但由于模型潜在的内生性问题，可能导致估计结果的偏误。在企业层面，已有研究普遍认为劳动投入存在一定粘性，而企业的资本投入往往受到其生产效率的影响，存在互为因果的内生性问题^［27-28］，即生产率高的企业更有意愿增加其资本投入量，而生产率低的企业则更倾向于削减资本投入。因此部分学者提出了OP和LP等估计方法，解决模型中潜在的内生性问题。在农业生产中资本投入对生产率和农户收益的影响效果是有限的，生产率较高的农户缺乏动力进一步扩大资本投入以获取更高产出，资本投入的内生性偏弱。而由于遗漏了劳动和土地质量信息，在具体测算上，部分学者通过在模型中加入地区、时间等固定效应来缓解遗漏变量可能导致的内生性问题^{［20，29］}。

1.3　信息化对农户全要素生产率的影响

根据Solow^［19］的界定，全要素生产率指剔除传统要素投入外其他因素对产出的贡献。这就造成了影响全要素生产率的因素是极为多样的，任何不影响投入但会对产出带来影响的因素均可以视为全要素生产率的影响因素。在已有研究中，诸多学者认为外部环境^［30-31］、要素配置^［32-33］、技术采纳^［34-35］等是影响全要素生产率的核心因素，并据此开展研究，取得了一系列有价值的研究成果。但值得注意的是，已有研究通常假定信息是完全且对称的，在发展中国家的农业生产中，囿于农户缺乏可信的信息获取渠道，他们在进行农业生产决策时往往是“盲目的”，农户仅能依靠自己过往的农业生产经验、附近其他农户的成功案例等进行生产。例如：去年小麦销售价格好今年就扩种小麦，同村某个农户用的化肥产量高今年就也用相同品牌的化肥。这就导致农户在技术采纳、要素配置等方面容易产生“非理性”行为。Conley & Udry^［36］在研究中发现，诸多农户没有选择明显有利可图的生产技术。而信息化能够给农户提供及时有效的各类农业信息，对打破信息不对称，提高粮食全要素生产率具有重要作用。

第一，信息化加快了新型技术的普及。新型技术难以快速推广是制约我国农业发展的重要因素。在调研中我们发现，许多农户在购买农资时并不了解其质量，仅能根据价格选取最便宜的农资品牌。而信息化的发展给农户提供了更多新型技术的相关信息，部分消除了技术采纳带来的不确定性风险^［37］。农户能够通过比较采纳的成本和收益理性判断是否购买这项技术或服务，提高了农户对新型技术的采纳程度^［38］。第二，信息化降低了交易成本。信息化对交易成本的影响较为直接，农户可以通过移动手机、互联网等新型信息通讯工具购买农资或服务，相较于传统方式而言，线上沟通减少了面对面洽谈次数，从而降低与交易者见面所需的时间和交通成本^［39］。第三，信息化拓展了农户获取信息的渠道。在缺乏信息通讯工具时，社会学习是农户的一种传统且有效的获取信息方式^［40-41］，但随着信息通讯技术的发展，农户的交流半径空前扩大。特别是我国近年开办了益农信息社、农业农村部信息网等平台，会邀请各类农技专家开展培训教学，农户可以线上参与培训，提高了农户的生产力水平。因此，本研究认为信息化能够有效提高粮食全要素生产率。

然而，由于信息鸿沟的存在，虽然同时接入互联网、使用移动手机，应用能力的差异也会导致信息化对不同农户产生差异化的影响^［15］。特别是对老年人而言，较低的信息工具应用能力可能导致他们即使拥有移动手机，也不会用于检索生产经营所需的信息。因此，对于不同年龄阶段的农户来说，信息化对粮食全要素生产率的影响可能存在差异，对于青壮年农户而言，他们更能享受信息化发展的红利，并据此提高全要素生产率，但对老年农户来说，由于信息工具应用能力弱，信息化难以提高他们的生产率水平。

2　数据来源与模型构建

2.1　数据来源

本研究采用国家发展改革委农产品成本收益数据库底层农户数据开展研究。其中，投入产出、户主年龄、户主性别数据来自其基础数据库，信息化相关数据来自2023年国家发展改革委农产品成本收益调查网络对13个夏粮主产省农户开展的补充调查。在样本选择上，首先根据各省（自治区）夏粮播种面积和产量，选定河南、山东、安徽、江苏、河北、湖北、陕西、四川、新疆、云南、甘肃、贵州、山西等13省（自治区）开展调查，调查选取的13个夏粮主产省涵盖了从华北到西南、西北的不同气候带，同时覆盖了谷物单产较高的新疆、江苏、山东等省份和较低的陕西、山西、甘肃等省份，能够较为全面的反映中国粮食的生产格局。在样本点选择上，在该网络覆盖的调研点按照粮食生产水平每省（自治区）选择15个县（甘肃、贵州等地县域数量略少于15），每个县选择2个村，每个村选择5个农户，总计获取180余县1 846份农户样本，通过与农产品成本收益数据库的底层农户数据相匹配，最终得到2004—2022年粮食种植户样本共计9 162份。

为获取农户信息化水平的历史数据，本研究在调研中采用追溯性调查的方法，考虑在实践中鲜有农户在开始使用某项信息工具后弃用的情形，调查问卷主要针对农户开始使用某项工具或软件的年份展开。具体调查指标包括：家庭购买并开始使用移动手机的时间、家庭开始上网的时间、家庭开始使用社交软件的时间、家庭开始使用移动支付的时间、家庭开始使用直播平台的时间，此外，调查还加入了农户开始从事农业生产的时间、哪些年份接受了农业生产培训等指标。

2.2　农户信息化指标构建

信息化通常被视为信息工具的推广、普及和应用的过程^［42-43］。农户层面的信息化存在一定的递进关系，例如：农户必须先使用手机才能访问手机软件，农户需要先安装支付软件才能进行移动支付等。因此，本研究将与农业生产相关的信息化归纳为农户信息工具的接入和相关软件的应用，其中，信息工具接入包括使用移动手机和互联网的年限，软件应用则包括社交软件、移动支付和直播平台的使用年限。对上述指标进行标准化处理后，采用熵值法进行拟合，指标权重见表1。根据熵值法测算结果，随着信息工具应用深度的加强，指标权重也随之增高。

2.3　粮食全要素生产率的测度

为缓解模型中存在的内生性问题，借鉴王璐等^［20］、Adamopoulos等^［33］的处理方法，采用规模报酬不变的柯布-道格拉斯（Cobb-Douglas）生产函数，并通过加入农户和时间的虚拟变量，对劳动力和耕地质量进行控制。由于我国农业生产中雇工和土地流转比例较低，因此农户个体效应能够一定程度地吸收劳动力和耕地特征，缓解模型的潜在的内生性问题。本研究首先采用固定效应模型估计生产函数中各类要素的产出弹性。

\begin{array}{l}\mathrm{l}\mathrm{n}{y}_{it}=A+\alpha \mathrm{l}\mathrm{n}{l}_{it}+\beta \mathrm{l}\mathrm{n}{m}_{it}+\\ \gamma \mathrm{l}\mathrm{n}{k}_{it}+{\eta }_i+{\theta }_t+{\epsilon }_{it}\end{array}（1）

式中：y_{it}、l_{it}、m_{it}和k_{it}分别对应农户i第t年的作物产出和劳动、土地、资本3种投入，{\eta }_i、{\theta }_t和{\epsilon }_{it}分别对应个体效应、时间效应和残差项。具体来说，产出为粮食作物产值，劳动时间采用总劳动天数表示，资本为生产过程中物质与资本投入费用的总和，土地投入通过播种面积反映。为剔除价格因素干扰，以2004年为基期，采用种植业生产价格指数对产值和资本投入数据进行平减。\alpha、\beta和\gamma即为所求的劳动、土地和资本产出弹性。根据规模报酬不变假定，借鉴李谷成等^［44］、朱喜等^［45］学者的处理方法，对要素产出弹性进行标准化处理。要素产出弹性估计结果见表2。

测得各类要素的产出弹性后，通过生产函数式（2），测算出每个农户每期的粮食全要素生产率。本研究还借鉴Cao等^［46］、Jin等^［47］对我国粮食作物的要素产出弹性的测算结果，重新计算了粮食全要素生产率，并进行稳健性检验，以保证测算结果的准确性。

y_{it}=\mathrm{T}\mathrm{F}{\mathrm{P}}_{it}\times l_{it}^{\alpha }{m}_{it}^{\beta }{k}_{it}^{\gamma }\alpha +\beta +\gamma =\mathrm{1}（2）

2.4　实证模型及变量描述

为检验农户信息化水平对农户粮食全要素生产率的影响，本研究构建了固定效应模型进行实证分析。由于全要素生产率同时受年龄、教育、劳动经验等因素影响，因此在估计模型中还加入了上述控制变量。

\begin{array}{c}\mathrm{l}\mathrm{n}\mathrm{T}\mathrm{F}{\mathrm{P}}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}\mathrm{l}\mathrm{n}{I}_{it}+{\beta }_{\mathrm{2}}{\mathit{X}}_{it}+\\ {\eta }_j+{\theta }_t+{\epsilon }_{it}\end{array}（3）

式中：\mathrm{l}\mathrm{n}\mathrm{T}\mathrm{F}{\mathrm{P}}_{it}为农户粮食全要素生产率的对数；\mathrm{l}\mathrm{n}{I}_{it}为农户信息化水平的对数；{\mathit{X}}_{it}为一组控制变量，包括农户年龄的对数\mathrm{l}\mathrm{n}\mathrm{A}\mathrm{g}\mathrm{e}，受教育年限的对数\mathrm{l}\mathrm{n}\mathrm{E}\mathrm{d}\mathrm{u}，从事农业时长的对数\mathrm{l}\mathrm{n}\mathrm{E}\mathrm{x}\mathrm{p}，接受农业培训次数的对数\mathrm{l}\mathrm{n}\mathrm{T}\mathrm{r}以及农户性别\mathrm{G}\mathrm{e}\mathrm{n}\mathrm{d}\mathrm{e}\mathrm{r}。此外，为控制地区和时变因素的影响，本研究控制了县域效应{\eta }_j和时间效应{\theta }_t，{\epsilon }_{it}为模型残差项。

由于数据可得性限制，本研究模型设计可能存在遗漏变量的内生性问题。例如，模型可能遗漏了农户外出务工变量。外出务工能够有效提高农户信息化水平，但同时可能导致农户缺乏时间进行田间管理，因此遗漏该变量可能导致估计结果存在偏误。本研究采用工具变量法解决这一问题。在工具变量的选择上，信息传输计算机服务和软件业从业人员比例反映了当地信息化的发展程度，从业人员较多地区能够给农户提供的服务更为完善，信息产品也更加丰富，因此这些地区的农户通常具有较高的信息工具应用能力，满足“相关性”条件。而信息传输计算机服务和软件业主要包括电信、广播电视和卫星传输服务、互联网和相关服务以及软件和信息技术服务业三大类，这些行业的从业者并不从事农业相关项目，且在调查期间数字技术在我国粮食生产中的应用仍较为有限^［48］。因此，这些行业的从业人员比例与我国农业行业发展间不存在直接因果联系，无法对粮食生产带来直接影响，仅能通过提高农户信息化水平间接改善农户的粮食生产，满足“外生性”条件。此外，本研究还将通过不可识别检验和弱工具变量检验验证工具变量的可靠性。

表3为变量定义与描述性统计。可知，在2004—2022年，样本农户平均年龄为51.590岁，反映出农户年龄普遍偏高，且随着农村剩余劳动力的转移，农业老龄化程度也在逐年增高；户主平均受教育年限为10.015年，反映出农户受教育程度偏低；农户平均从事农业生产的时间为24.858年，反映出中国农业劳动力世代为农的特点，特别是在过去的几十年中，随着城镇经济的高速发展，农业劳动力不断向城镇转移，而返乡务农的劳动力数量则相对较少，农户往往依靠祖辈的生产经验进行生产经营；虽然中国大力开展新型职业农民培训，但农户平均接受农业培训次数仅为0.602次，接受的农业培训较少；户主性别则以男性为主，男性户主占总样本的88.9%。值得说明的是，农产品成本收益数据库底层农户不仅包括大量小农户，也覆盖规模经营户、合作社、家庭农场等新型经营主体，因此从统计结果上看，与以小农为主的调查存在一定差异。

3　结果与分析

3.1　基准回归

为验证信息化对农户粮食全要素生产率的影响，本研究对式（3）进行估计，结果见表4，模型（1）和（2）分别为控制时间和地区的固定效应模型结果，模型（3）为同时控制时间和地区的双向固定效应估计结果。研究发现，信息化对农户粮食全要素生产率的影响在1%显著性水平下显著，说明信息化能够明显提高农户粮食全要素生产率。具体来看，信息化水平每提高1%，农户粮食全要素生产率将提升11.2%。

此外，农业培训和农户性别对粮食全要素生产率的影响均通过了显著性检验，说明农业培训是提高粮食全要素生产率的重要手段，且相对而言男性在耕作上存在性别优势。值得说明的是，目前学者们普遍认为农户能够在生产过程中积累经验、形成更为熟练的生产技能，因此生产经验对提高粮食全要素生产率具有重要作用^［49-50］。但本研究估计结果显示，农业生产经验对粮食全要素生产率呈现出负向相关关系，这一结果与已有研究存在较大分歧。可能的原因是，在过去的数十年中，中国农业高速发展，农业生产方式不断变革，这造成了部分农户的传统生产经验与现代化的农业生产经营方式难以有效匹配，抑制了粮食全要素生产率的提高。与此同时，近年我国积极培育新型经营主体，鼓励农民工、大中专毕业生、退伍军人、科技人员等返乡^［51］，这些优质劳动力具有较好文化素养和身体素质，是我国粮食生产能力提升的重要来源。由于返乡农户并不具备丰富的生产经验，因此在估计结果中呈现出生产经验与粮食全要素生产率的反向关系。

为进一步了解信息化对粮食全要素生产率的影响，本研究将信息化指标拆分为移动手机使用年限的对数\mathrm{l}\mathrm{n}\mathrm{P}\mathrm{h}\mathrm{o}\mathrm{n}\mathrm{e}、互联网使用年限的对数\mathrm{l}\mathrm{n}\mathrm{I}\mathrm{n}\mathrm{t}\mathrm{e}\mathrm{r}、社交软件使用年限的对数\mathrm{l}\mathrm{n}\mathrm{S}\mathrm{o}\mathrm{c}\mathrm{i}\mathrm{a}\mathrm{l}、移动支付使用年限的对数\mathrm{l}\mathrm{n}\mathrm{I}\mathrm{n}\mathrm{t}\mathrm{e}\mathrm{r}\mathrm{P}\mathrm{a}\mathrm{y}和直播平台使用年限的对数\mathrm{l}\mathrm{n}\mathrm{L}\mathrm{i}\mathrm{v}\mathrm{e}\mathrm{S}\mathrm{t}\mathrm{r}，同时加入模型并进行重新估计（模型（4））。估计结果显示，移动支付和直播平台的使用时间均会对粮食全要素生产率产生正向影响，但使用移动手机、接入互联网和使用社交软件对粮食全要素生产率的影响结果不显著。一方面，发展中国家中信息很少是对称或无成本的，这使得农户在应用新技术时存在较大阻碍^［42］，信息工具的普及应用对化解信息不对称具有重要作用，因此提高了粮食全要素生产率；另一方面，信息工具的应用可能比接入更为重要，由于信息鸿沟的存在，部分农户可能难以利用信息工具获取所需信息^［52］，因而相较于用户接入，软件应用对粮食全要素生产率的影响更大。

3.2　基于年龄差异的分析

年龄是信息对不同群体产生差异化影响的重要原因^［53］。与青壮年劳动力相比，年龄偏大的农户一方面由于信息搜寻和鉴别能力较弱更难获取所需的生产经营信息，另一方面其原有的知识结构也促使他们即便能够获取信息也难以由此改变行为^［54］。为探究信息对不同年龄阶段农户粮食全要素生产率的影响，本研究按年龄将样本农户划分为60岁以下和60岁及以上2组分别进行回归分析，估计结果见表5。可以看出，对于不同年龄阶段的农户来说，信息化对粮食全要素生产率的影响存在差异。对青壮年劳动力而言，他们更容易借助信息工具捕获所需信息，并由此提高生产能力；但对于老年农户，由于信息工具应用能力弱，即便已经拥有手机、接入网络，他们依然难以借此提高其生产力水平^［55］。

3.3　内生性检验

考虑模型潜在的内生性问题，本研究采用工具变量法进行模型校准。采用信息传输计算机服务和软件业从业人员比例（IFW）作为信息化的工具变量，对模型进行检验（表6）。第一阶段回归结果显示，本研究选取的工具变量与内生变量均在1%的显著性水平下正向显著，说明工具变量与内生变量存在明显的相关性，且影响方向与预期一致。从经济学角度看，表明工具变量对内生变量具有较强解释力。第二阶段检验结果表明，在考虑内生性条件下，信息化依然能够提高全要素生产率。此外，不可识别检验中P值均为0.000小于0.010，在1%水平上显著拒绝工具变量识别不足的原假设，说明工具变量与解释变量高度相关；弱工具变量检验中，Cragg-Donald Wald F统计量均大于Stock-Yogo弱识别检验在10%水平上的临界值，表明不存在弱工具变量问题。综合上述模型结果，说明本研究选取的工具变量具有合理性，且为基准模型的结论提供了有效佐证。

3.4　稳健性检验

本研究通过更换模型被解释变量、核心解释变量以及估计样本的方法进行稳健性检验（表7）。首先，为避免生产函数中弹性估计偏误，借鉴Adamopoulos等^［33］的处理方法，采用Cao等^［46］、Jin等^［47］学者对中国粮食作物要素产出弹性的估算，将劳动弹性、土地弹性、资本弹性分别设定为0.46、0.36、0.18，重新测算农户的粮食全要素生产率水平，估计结果见模型（1）；其次，为避免熵值法权重对模型结果的影响，在对信息化的各个二级指标进行标准化处理后，对各指标求均值进行拟合，并采用拟合后的新信息化指标lnI\_n进行回归，估计结果见模型（2）；最后，由于调查样本不断更替，2010年以前的农户样本在本次调研中比重较低，同时调研农户大部分均在2010年以后购置移动手机和接通互联网，因此剔除2010年以前的农户样本重新进行估计，估计结果见模型（3）。研究发现，在采用上述3种策略进行检验的条件下，信息化对农户粮食全要素生产率的影响均通过了显著性检验，说明模型估计结果是较为稳健的。

4　进一步分析

4.1　农户耕作能力

耕作能力是影响农户产出的重要因素。在生产实践中，即便各类基础资源相似的农户，不同的耕作能力也会导致他们的种植收益存在差异^［56-57］。高耕作能力意味着农户能够使用同样的生产资源获取更高的种植收益，这种能力不仅包括选择恰当的播种时间、粮食品种、农资品牌，也包括掌握生产技能、采纳先进技术、借鉴管理经验等。与农作物生长的自然属性不同，耕作能力既不受气候因素影响，也不会因为地区差异改变，是农户的内在属性^［58］。为测度农户耕作能力，本研究借鉴Adamopoulos等^［33］的方法，从\mathrm{T}\mathrm{F}{\mathrm{P}}_{it}中提取农户个体效应作为农户的耕作能力。首先，本研究构建了固定效应模型，通过剔除自然灾害（通过受灾率D{R}_{it}反映）、气候因素（包括降水量Pr{e}_{it}和气温Te{m}_{it}）、潜在测量误差（{\epsilon }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}），提取出农户效应{\mu }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}。

\mathrm{l}\mathrm{n}\mathrm{T}\mathrm{F}{\mathrm{P}}_{it}=\mathrm{D}{\mathrm{R}}_{it}+\mathrm{P}\mathrm{r}{\mathrm{e}}_{it}+\mathrm{T}\mathrm{e}{\mathrm{m}}_{it}+{\mu }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}+{\epsilon }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}（4）

{\mu }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}={\mu }_i^{\mathrm{T}\mathrm{F}\mathrm{P}}\times {\mu }_t^{\mathrm{T}\mathrm{F}\mathrm{P}}（5）

式中：{\mu }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}为农户效应；{\epsilon }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}为模型残差，包括了其他的外生冲击。与Alvarez等^［58］、Adamopoulos等^［33］的设定不同，本研究认为耕作能力并非农户天生的固有属性，而是会随时间发生改变。Foster等^［59］曾在研究中指出，农户可以通过干中学和从他人处学习提升其生产能力。不仅如此，再教育带来的知识提升以及年龄增长带来的体力下降也会导致耕作能力发生变化。因此，本研究并未对时间效应予以剔除。值得注意的是，在式（4）中加入县域固定效应将导致模型共线，因此农户效应中实则包括了地区因素。因此，本研究通过剔除个体效应中的地区因素获取农户的耕作能力：

{\mu }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}={\mu }_j^{\mathrm{T}\mathrm{F}\mathrm{P}}+{\xi }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}（6）

通过对县域虚拟变量{\mu }_j^{\mathrm{T}\mathrm{F}\mathrm{P}}进行回归，提取残差项{\xi }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}作为农户耕作能力（s）的对数，即{\xi }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}=\mathrm{l}\mathrm{n}s。在本研究中，对于耕作能力的界定是较为广义的，即农户个体因素带来的产能增长均被视作农户具有较强的耕作能力。而此时{\xi }_{it}^{\mathrm{T}\mathrm{F}\mathrm{P}}已剔除了自然条件、区域因素、测量误差等因素的干扰，能够较好地反映农户个体因素对粮食产能的影响，因此可以作为耕作能力的合理代理变量。但值得说明的是，由于缺乏每个农户家庭土地质量的具体信息，本研究仅能采用剔除区域效应的方法将不同县域土地质量差异予以剔除，县域内部的耕地质量差异被包括在了耕作能力之中。然而在县域内部，耕地质量对产能的影响是较为有限的，且耕作能力较强的农户有能力通过测土配方等方法部分改善土壤质量，因此县域内部耕地质量差异不会对农户耕作能力测度的影响是相对有限的。为验证信息化对农户耕作能力（lnS）及农户耕作能力差异（通过农户个体耕作能力与全县所有农户耕作能力均值的差距反映，lnS_G）的影响，本研究分别采用固定效应模型进行回归（表8），结果显示，信息化对提高农户耕作能力具有重要影响，信息化水平每提高1%，农户耕作能力将提升3.8%。同时，信息化扩大了农户间耕作能力的差距，信息化水平每提高1%，农户间耕作能力的差距将扩大3.3%。信息化水平增加了农户获取信息的渠道，促使他们能够选择更好的农资、农技，并能够选择更加合适的时间播种、植保、收获，提高了他们的耕作能力。与此同时，信息工具应用能力的差异会导致仅有部分农户能够借助信息工具提高他们的耕作水平。在调研中我们发现，部分农户会通过微信群、朋友圈、公众号等渠道获取农资、天气、价格等信息，但也存在一些农户仅通过手机进行娱乐，并不会搜寻农业生产经营的相关信息。这导致了虽然诸多农业信息免费公开面向所有农户，但在具体实践中，仅有部分群体能够从中受益。长期来看，这一情况将为农业发展带来结构性影响。一方面，在家庭承包制下，农户间耕作能力的拉大将导致更为严重的要素配置扭曲问题^［26］，即耕作能力较低的农户占有较多土地，影响农业整体生产能力的提升。另一方面，过大的耕作能力差距可能导致弱势农户种植收入增长的停滞甚至下降，扩大农村内部的贫富差距，同时带来小农挤出、贫困加剧、阶层固化等一系列社会性问题。

4.2　单要素生产率

虽然在测算粮食全要素生产率时，本研究假定技术进步是希克斯中性的，但实际上对于不同要素而言，技术进步的速率可能是不同的，通常技术进步会趋向于提高相对稀缺要素的产出水平^［60］。为验证信息化对不同类型要素生产率的影响效果，我们分别测算了劳动、土地和资本的生产率，并进行回归分析（表9）。结果显示，信息化对劳动生产率和土地生产率有正向提升效果，但对资本生产率的影响未通过显著性检验。一方面，农户信息化水平的上升加快了农业剩余劳动力的转移，有效提高了农户的耕作能力，促使劳动生产率增加；另一方面，农户信息化水平的提高也使得土地流转市场更加完善，同时加快各类农业生产技术的普及应用，提高了土地生产率。值得说明的是，虽然信息水平更高的农户通常拥有更强议价能力^［61］，使得他们在购买农资、服务等方面存在优势。但与此同时，信息化水平高的农户可能在生产中投入更多资本，例如选用更多环节的农业社会化服务。这些投入虽然能够有效降低农业生产中的劳动投入，提高劳动生产率，但对资本生产率的提升效果却是较为有限的。我们也在调研中发现，部分信息化水平较高的农户会在线上购买生产资料和农业服务，但由于市场监管存在不足，农资质量无法达标、服务质量不及预期等问题时有发生，影响了资本生产率的提升，因此估计结果未能通过显著性检验。

4.3　粮食种植收益

相较于生产效率，农户更为关注种粮成本收益的变化。已有研究指出，由于存在信息不对称等原因，诸多农户没有选择明显有利可图的生产技术，造成种植收益的损失^［36］。而信息化水平的提高拓宽了农户获取信息的渠道，增加了农户获取信息的来源，对改善信息不对称具有重要作用，因此，本研究分别测算了农户的种粮总收入（y）、总成本（c）、总利润（p）以及每公顷的种粮收入（\overline{y}）、成本（\overline{c}）、利润（\overline{p}），并分别进行回归，以验证信息化对粮食种植收益的影响，估计结果见表（10）。从农户家庭整体来看，信息化虽然同时提高了种植成本和收入，但对收入的影响效果更加明显，且信息化对农户种植利润的影响通过了显著性检验，说明信息化能够有效促进农户增收。信息化对单位面积粮食种植收入及利润的影响与家庭整体相同，信息化有效提高了农户的种植收入和利润，但信息化并不会造成单位面积粮食种植成本的上升。

首先，信息化能够提供给农户更多农业生产经营的相关信息，提高农户的产出水平，提高粮食销售价格，增加农户销售收入；其次，虽然理论上来说信息化能够拓宽农户购买农资的渠道，降低生产经营成本^［13］，但在具体生产实践中，信息化对农户增加新型技术投入、拓展社会化服务环境等方面的影响可能更加突出，因此从实证结果来看，信息化不仅无法降低生产成本，还可能导致生产成本的增加；最后，虽然信息化同时提高了农户销售收入和生产成本，但综合来看，信息化对收入的提升效果高于生产成本的上升，由于农业生产的季节性特点，农户需要预判投入的潜在收益，而信息化程度更高的农户更有能力选择合适的生产经营方式，即便这种方式可能会增加农业生产成本，因此从结果来看，信息化能够带来农户种植利润的提高。

5　结论与建议

基于2004—2022年国家发展改革委农产品成本收益数据，结合2023年夏粮主产区农户补充调查，本研究实证检验了信息化对农户粮食全要素生产率的影响。研究结果显示：第一，信息化能够明显提高粮食全要素生产率，而相较于用户接入，软件应用对农户耕作能力的影响更大；第二，由于信息鸿沟的存在，信息化对青壮年劳动力粮食全要素生产率的提升效果更强；第三，信息化能够显著提高农户的耕作能力，但同时也会扩大农户间耕作能力的差距；第四，信息化对劳动生产率和土地生产率有正向提升效果，但对资本生产率的影响未通过显著性检验；第五，信息化虽然提高了农户生产成本，但对收入的影响效果更加明显，且能有效促进农户增收。

综合上述研究结果，本研究提出以下政策建议：第一，进一步深化农业领域信息化发展，加快各类智能农业技术的研发和应用，在土壤监测、农田灌溉、适深精播等方面探索应用各类新型信息工具。例如：通过信息工具监测土壤含水量进行自动灌溉，依靠土壤墒情数据选择播种深度等。同时建立健全信息化市场平台，建立完善的线上农资交易网络，加快各类新型农资的普及，节约农户的时间和经济成本。第二，农业领域信息化发展的重点应当由用户接入向信息工具应用转变，应积极开展各类益农软件的用户宣传，加快农户移动手机、互联网等信息化工具从“能用”到“会用”转变，同时积极开展各类职业农民培训，增强农户耕作能力，并鼓励各类新型经营主体给小农户传递先进生产技术和管理方法，缩小农户差距。第三，应充分关注农户特别是中老年农户的信息鉴别能力培养，避免农户错误听信不适应其生产实际的各类信息，影响农户种粮产出和收入。此外，还应加强不良信息监管、严控线上交易农资质量，促进信息化在农业领域发挥更充分的作用。

参考文献

[1] Sheng Y， Tian X， Qiao W， Peng C. Measuring agricultural total factor productivity in China： Pattern and drivers over the period of 1978‐2016［J］. Australian Journal of Agricultural and Resource Economics， 2020，64（1）：82-103

[2] 孔祥智. 农业供给侧结构性改革的基本内涵与政策建议［J］. 改革， 2016（2）：104-115

[3] Kong X Z. The basic connotation and policy suggestions on the structural reform of agricultural supply side［J］. Reform， 2016（2）：104-115 （in Chinese）

[4] 郑旭媛， 王芳， 应瑞瑶. 农户禀赋约束、技术属性与农业技术选择偏向：基于不完全要素市场条件下的农户技术采用分析框架［J］. 中国农村经济， 2018（3）：105-122

[5] Zheng X Y， Wang F， Ying R Y. Farmers’endowment constraints， technical properties and agricultural technology selection preferences： An analytical framework of farmers’ technology adoption under an incomplete factor market ［J］. Chinese Rural Economy， 2018（3）：105-122 （in Chinese）

[6] Umesao T. Information industry theory： Dawn of the coming era of the ectodermal industry［J］. Hoso Asahi， 1963，1（1961）：4-17

[7] Abramson J B. The Electronic Commonwealth： The Impact of New Technologies on Democratic Politics ［M］. New York：Basic Books， Incorporated， 1988

[8] McLean I. Democracy and New Technology［M］. Cambridge： Polity Press， 1989

[9] Van Dijk J A. De Netwerkmaatschappij， Sociale Aspecten van Nieuwe Media ［M］. Houten： Bohn Stafleu Van Loghum， 1991

[10] Porat M U. The Information Economy［M］. Washington： Office of Telecommunications， Department of Commerce， 1977

[11] Ricci A. Measuring information society： Dynamics of European data on usage of information and communication technologies in Europe since 1995［J］. Telematics and Informatics， 2000，17（1/2）：141-167

[12] Webster F. What information society［J］. The Information Society， 1994，10（1）：1-23

[13] Milacic V R. Computer-based informatization of manufacturing engineering activities［J］. International Journal of Production Research， 1982，20（3）：369-408

[14] 朱秋博， 白军飞， 彭超， 朱晨. 信息化提升了农业生产率吗［J］. 中国农村经济， 2019（4）：22-40

[15] Zhu Q B， Bai J F， Ying R Y， Zhu C. Do information communication technologies improve agricultural productivity［J］. Chinese Rural Economy， 2019（4）：22-40 （in Chinese）

[16] 李星光， 霍学喜. 信息化、农地流转与农业经营收入［J］. 重庆大学学报：社会科学版， 2023，29（3）：77-91

[17] Li X G， Huo X X. Informatization， farmland transfer and agricultural income［J］. Journal of Chongqing University： Social Science Edition， 2023，29（3）：77-91 （in Chinese）

[18] 谭燕芝， 李云仲， 胡万俊. 数字鸿沟还是信息红利：信息化对城乡收入回报率的差异研究［J］. 现代经济探讨， 2017（10）：88-95

[19] Tan Y Z， Li Y Z， Hu W J. Digital divide or information dividend： A study on the differential impact of informatization on urban-rural income returns ［J］. Modern Economic Research， 2017（10）：88-95 （in Chinese）

[20] 许竹青， 郑风田， 陈洁. “数字鸿沟”还是“信息红利”：信息的有效供给与农民的销售价格：一个微观角度的实证研究［J］. 经济学（季刊）， 2013，12（4）：1513-1536

[21] Xu Z Q， Zheng F T， Chen J. Digital divided or digital provided： The effective supply of information and the farm-gate price： An empirical study from micro-level ［J］. China Economic Quarterly， 2013，12（4）：1513-1536 （in Chinese）

[22] van Deursen A J A M， van der Zeeuw A， de Boer P， Jansen G， van Rompay T. Digital inequalities in the internet of things： Differences in attitudes， material access， skills， and usage ［J］. Information， Communication & Society， 2021，24（2）：258-276

[23] Smith A. An Inquiry into the Nature and Causes of the Wealth of Nations： Volume One ［M］. London： W Strahan and T Cadell， 1776

[24] Ricardo D. The Principles of Political Economy and Taxation［M］. London： John Murray， 1817

[25] Solow R M. A contribution to the theory of economic growth［J］. The Quarterly Journal of Economics， 1956，70（1）：65

[26] 王璐， 杨汝岱， 吴比. 中国农户农业生产全要素生产率研究［J］. 管理世界， 2020，36（12）：77-90

[27] Wang L， Yang R D， Wu B. a study on total factor productivity of agricultural production of rural households in China［J］. Journal of Management World， 2020，36（12）：77-90 （in Chinese）

[28] Kumbhakar S C， Lovell C A K. Stochastic Frontier Analysis［M］. Cambridge： Cambridge University Press， 2000

[29] Coelli T J， Rao D S P. Total factor productivity growth in agriculture： A Malmquist index analysis of 93 countries， 1980-2000 ［J］. Agricultural Economics， 2005，32（S1）：115-134

[30] 魏佳朔， 高鸣. 农业劳动力老龄化如何影响小麦全要素生产率增长［J］. 中国农村经济， 2023（2）：109-128

[31] Wei J S， Gao M. How does the aging of agricultural labor force affect the growth of total factor productivity of wheat［J］. Chinese Rural Economy， 2023（2）：109-128 （in Chinese）

[32] 全炯振. 中国农业全要素生产率增长的实证分析：1978—2007年：基于随机前沿分析（SFA）方法［J］. 中国农村经济， 2009（9）：36-47

[33] Quan J Z. An empirical analysis of total factor productivity growth in Chinese agriculture： 1978-2007： Based on the stochastic frontier analysis （SFA） method ［J］. Chinese Rural Economy， 2009（9）：36-47 （in Chinese）

[34] Adamopoulos T， Restuccia D. Land reform and productivity： A quantitative analysis with micro data［J］. American Economic Journal： Macroeconomics， 2020，12（3）：1-39

[35] Zhang X， Hu L， Yu X. Farmland leasing， misallocation reduction， and agricultural total factor productivity： Insights from rice production in China ［J］. Food Policy， 2023，119. DOI： 10.1016/j.foodpol.2023.102518

[36] Levinsohn J， Petrin A. Estimating production functions using inputs to control for unobservables［J］. Review of Economic Studies， 2003，70（2）：317-341

[37] Ackerberg D A， Caves K， Frazer G. Identification properties of recent production function estimators［J］. Econometrica， 2015，83（6）：2411-2451

[38] 盖庆恩， 朱喜， 程名望， 史清华. 土地资源配置不当与劳动生产率［J］. 经济研究， 2017，52（5）：117-130

[39] Gai Q E， Zhu X， Cheng M W， Shi Q H. Land misallocation and aggregate labor productivity ［J］. Economic Research Journal， 2017，52（5）：117-130 （in Chinese）

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

[41] Fan S. Effects of technological change and institutional reform on production growth in Chinese agriculture［J］. American Journal of Agricultural Economics， 1991，73（2）：266-275

[42] Chen C， Restuccia D， Santaeulalia-Llopis R. Land misallocation and productivity［J］. American Economic Journal： Macroeconomics， 2023，15（2）：441-465

[43] Adamopoulos T， Brandt L， Leight J， Restuccia D. Misallocation， selection， and productivity： A quantitative analysis with panel data from China ［J］. Econometrica， 2022，90（3）：1261-1282

[44] 薛超， 史雪阳， 周宏. 农业机械化对种植业全要素生产率提升的影响路径研究［J］. 农业技术经济， 2020（10）：87-102

[45] Xue C， Shi X Y， Zhou H. Influence path of agricultural mechanization on total factor productivity growth in planting industry［J］. Journal of Agrotechnical Economics， 2020（10）：87-102 （in Chinese）

[46] 张丽， 李容. 农机作业服务是否影响粮食全要素生产率：基于农业分工的调节效应［J］. 农业技术经济， 2021（9）：50-67

[47] Zhang L， Li R. Does the agricultural machinery service affect the total factor productivity of grain： Regulation effect based on agricultural division of labor［J］. Journal of Agrotechnical Economics， 2021（9）：50-67 （in Chinese）

[48] Conley T G， Udry C R. Learning about a new technology： Pineapple in Ghana［J］. American Economic Review， 2010，100（1）：35-69

[49] Chavas J P， Nauges C. Uncertainty， learning， and technology adoption in agriculture ［J］. Applied Economic Perspectives and Policy， 2020，42（1）：42-53

[50] Dzanku F M， Osei R D， Nkegbe P K， Osei-Akoto I. Information delivery channels and agricultural technology uptake： Experimental evidence from Ghana［J］. European Review of Agricultural Economics， 2022，49（1）：82-120

[51] Jensen R， Miller N H. Market integration， demand， and the growth of firms： Evidence from a natural experiment in India ［J］. American Economic Review， 2018，108（12）：3583-3625

[52] BenYishay A， Mobarak A M. Social learning and incentives for experimentation and communication［J］. The Review of Economic Studies， 2019，86（3）：976-1009

[53] Munshi K. Social learning in a heterogeneous population： technology diffusion in the Indian Green Revolution［J］. Journal of Development Economics， 2004，73（1）：185-213

[54] Aker J C. Dial “A” for agriculture： A review of information and communication technologies for agricultural extension in developing countries ［J］. Agricultural Economics， 2011，42（6）：631-647

[55] Chou Y， Hao-Chun Chuang H， Shao B B M. The impacts of information technology on total factor productivity： A look at externalities and innovations［J］. International Journal of Production Economics， 2014，158：290-299

[56] 李谷成， 冯中朝， 范丽霞. 小农户真的更加具有效率吗：来自湖北省的经验证据［J］. 经济学（季刊）， 2010，9（1）：95-124

[57] Li G C， Feng Z C， Fan L X. Is the small sized rural household more efficient： The empirical evidence from Hubei Province［J］. China Economic Quarterly， 2010，9（1）：95-124 （in Chinese）

[58] 朱喜， 史清华， 盖庆恩. 要素配置扭曲与农业全要素生产率［J］. 经济研究， 2011，46（5）：86-98

[59] Zhu X， Shi Q H， Gai Q E. Misallocation and TFP in rural China［J］. Economic Research Journal， 2011，46（5）：86-98 （in Chinese）

[60] Cao K H， Birchenall J A. Agricultural productivity， structural change， and economic growth in post-reform China ［J］. Journal of Development Economics， 2013，104：165-180

[61] Jin S， Huang J， Hu R， Rozelle S. The creation and spread of technology and total factor productivity in China’s agriculture ［J］. American Journal of Agricultural Economics， 2002，84（4）：916-930

[62] 黄季焜， 苏岚岚， 王悦. 数字技术促进农业农村发展：机遇、挑战和推进思路［J］. 中国农村经济， 2024（1）：21-40

[63] Huang J K， Su L L， Wang Y. Digital technologies facilitate agricultural and rural development： opportunities， challenges， and future directions ［J］. Chinese Rural Economy， 2024（1）：21-40 （in Chinese）

[64] Arrow K J. The economic implications of learning by doing［J］. The Review of Economic Studies， 1962，29（3）：155

[65] Yang S， Shumway C R. Knowledge accumulation in US agriculture： Research and learning by doing［J］. Journal of Productivity Analysis， 2020，54（2-3）：87-105

[66] 苏振锋. 构建现代农业经营体系须处理好八大关系［J］. 经济纵横， 2017（7）：74-80

[67] Su Z F. Handling eight relationships for the construction of modern agricultural management system［J］. Economic Review Journal， 2017（7）：74-80 （in Chinese）

[68] van Deursen A J， van Dijk J A. The first-level digital divide shifts from inequalities in physical access to inequalities in material access［J］. New Media & Society， 2019，21（2）：354-375

[69] Ragnedda M， Ruiu M L， Addeo F. Measuring digital capital： An empirical investigation［J］. New Media & Society， 2020，22（5）：793-816

[70] Rosenberg S， Margerum R D. Landowner motivations for watershed restoration： lessons from five watersheds［J］. Journal of Environmental Planning and Management， 2008，51（4）：477-496

[71] Reisig M D， Holtfreter K. Shopping fraud victimization among the elderly［J］. Journal of Financial Crime， 2013，20（3）：324-337

[72] Nix J S. Aspects of farm profitability： An outmoded concept： Presidential address ［J］. Journal of Agricultural Economics， 1990，41（3）：265-291

[73] Papadopoulos A. Measuring the effect of management on production： A two-tier stochastic frontier approach ［J］. Empirical Economics， 2021，60（6）：3011-3041

[74] Alvarez A， Arias C. Diseconomies of size with fixed managerial ability［J］. American Journal of Agricultural Economics， 2003，85（1）：134-142

[75] Foster A D， Rosenzweig M R. Learning by doing and learning from others： Human capital and technical change in agriculture［J］. Journal of Political Economy， 1995，103（6）：1176-1209

[76] Gong B. Agricultural reforms and production in China： Changes in provincial production function and productivity in 1978–2015 ［J］. Journal of Development Economics， 2018，132：18-31

[77] Shively G， Thapa G. Markets， Transportation infrastructure， and food prices in Nepal ［J］. American Journal of Agricultural Economics， 2017，99（3）：660-682

基金资助

国家自然科学基金面上项目(72273139)