农村基础设施对农业全要素生产率的影响研究

邓晓兰 鄢伟波

(西安交通大学 经济与金融学院，陕西 西安 710061)

一、引言及文献回顾

破解“三农”问题，保障国家粮食安全，推动农业现代化与新型城镇化的互促共进，关键在于发展农村经济，提高农业生产率，增加农民收入。在“三农”问题突出、国家粮食安全受到威胁的背景下，2004年以来中央一号文件连续14年聚焦“三农”，实施工业“反哺”农业、城市支持农村、加大农村改革力度和农业现代化建设、提高农业综合生产力、强化科技创新驱动、补足农村农业短板等一系列强农惠农措施，粮食产量实现“十二连增”，农民收入增长“十三连快”，农村农业发展不断迈上新台阶。但也积累出新的问题：农产品供求结构失衡、要素配置不合理、资源环境压力大、农民收入的稳定增长缺乏持续的动力，农业面临转型升级和农业供给侧结构性改革的压力(翁鸣，2017)。

针对我国农业发展新阶段出现的上述问题，在制度红利得到充分释放、环境压力加剧、劳动力不断向城市转移、过度依赖投入的粗放增长方式不可持续的情况下(Huang et al.,1996;Jin et al.,2002)，学者们将目光投向在世界范围内被证明具有重要作用的农业全要素生产率，认为提升农业全要素生产率是我国农业经济增长的主要动力和可持续发展的必由之路 (Cao et al.,2013;Ma et al.,2013)，并从制度变迁、农业研发和推广投入、人力资本等视角对我国农业全要素生产率的来源及其变化进行了解释(Fan et al.,1997;Lin,1992;Jin et al.,2002)，但从基础设施的角度研究农业全要素生产率的影响因素的文章并不多见。结合农村和农业生产的特点，农村经济基础设施可分为灌溉和公共水设施、道路设施、通讯和信息服务和土壤保护等；农村社会基础设施则主要包含农业研发和推广、教育和卫生(金戈,2012)。总的来说，农村经济基础设施能降低生产成本、提升劳动和资本的生产率(Jain et al.,2009)；社会基础设施具有提升人力资本水平的作用，从而提高农户对新技术的使用意愿和强度，同时可以增加技术利用过程中的效率(Ma et al.，2013)。在道路、电力、信息和灌溉等经济基础设施发展滞后，教育、医疗等社会基础设施落后，农民文化水平低、健康得不到保障的农村地区，农业科技的传播路径阻塞、利用效率低，即使研发出或引进高效的农业机械设备和先进的农业生产经营管理模式*按Huffman et al.(2006)的研究，农业技术具体可以分为生物效率、机械、病虫害防护、水土保持和农业生产管理方法。，也可能在与当地基础设施相适应的过程中出现“水土不服”，从而阻碍农业全要素生产率的提高。自Aschauer(1989)开创性的实证工作以来，基础设施作为“间接性资本”和“社会先行资本”，既能通过直接投资促进经济增长，又存在溢出效应，在工业行业已被广泛证实。但除了少数针对印度(Fan et al.,2000)、希腊(Mamatzakis,2003)和菲律宾(Teruel et al.,2005)的研究外，基础设施对农业领域全要素生产率的作用常常被忽视，研究样本时空范围比较广的是Bravo et al.(2004)利用38个国家1961—1997年的数据研究了农村基础设施对农业全要素生产率的影响，研究表明农村电力和教育基础设施能显著提升农业全要素生产率，而道路和金融基础设施却具有抑制作用。针对我国农村基础设施溢出效应的研究更加屈指可数：Jin et al.(2002)的研究中灌溉基础设施显著降低了水稻、小麦和玉米三大细分农产品的全要素生产率；但Chen et al.(2008)的研究表明灌溉和电力基础设施均能显著提升农业全要素生产率；李谷成等(2015)却得出公路、灌溉和电力基础设施对农业全要素生产率的作用分别为正向、负向和无影响的结论。

为什么对于我国农业基础设施溢出效应的研究结论大相径庭？本文基于被解释变量、解释变量和研究方法提出三点原因：一是学者通过研究基础设施是否对全要素生产率产生正向作用来判断基础设施的外部性是否存在(Hulten et al.,2006;刘生龙 等,2010)，但由于数据、年份和方法的选取不同，作为被解释变量的农业全要素生产率的测算结果本身存在巨大的差异(Tian et al.,2012)；二是解释变量通常只考虑到电力和灌溉等部分经济基础设施，并仅仅将其作为控制变量，忽略了其他基础设施的影响及基础设施对全要素生产率的共同作用，导致估计结果存在误偏；三是未能很好地解决内生性问题。基于此，本文利用DEA-Malmquist指数测算1988—2014年我国农业全要素生产率，并利用分阶段的波动规律和数值范围对测算结果进行评价。在此基础上，选择不同类别的经济和社会基础设施来研究其对全要素生产率的影响，通过动态面板GMM方法来缓解模型的内生性问题，尝试更全面解释农业全要素生产率的来源，以期补足现有文献存在的不足。农业全要素生产率的提升有利于摆脱农业发展瓶颈，促进农业从要素驱动的传统农业向技术驱动的现代农业转型。研究农业基础设施对农业全要素生产率的影响，无论对推动新型城镇化和农业现代化的互促共进、助力农业供给侧改革的进程，还是对调整农村基础设施的投资方向、提升农村基础设施的投资效率，都是一种有益的探索。

二、我国农业全要素生产率的测算：1988—2014

全要素生产率衡量的是产出增长率超过可核算要素投入增长率的部分，对我国农业全要素生产率的测量方法包括增长核算法(索罗余值法)、指数法(Törnqvist-Theil指数)、数据包络分析(DEA)和随机生产前沿函数法(SFA)(周端明，2009；赵文 等，2011；匡远凤，2012)。21世纪以来，DEA和SFA被广泛应用于农业全要素生产率的测算，其中又以DEA方法居多。非参数的DEA方法由于不必设定生产函数的形式，且对变量的价格信息没有要求，因而更加具有灵活性；而基于参数的SFA方法能分离出其他方法不可避免的测量误差，在参数设定合理的情况下测算结果更加可靠。关于二者详细的对比可参见Headey et al.(2010)、Tian et al.(2012)。本文采用DEA-Malmquist指数法来测算我国农业全要素生产率。

(一)DEA-Malmquist指数法

根据Färe et al.(1994)的研究成果，对于t和t+1时期的两组投入产出变量(xt,yt)和(xt+1,yt+1)，引入基于产出和基于投入的距离函数：

(1)

(2)

式(1)和(2)分别表示决策单元i在t时刻的实际生产点向最大产出点或最小投入点压缩的比例，其中φ和ψ是相应的参数。在时期t和t+1的技术条件下，Malmquist指数可分别表示为:

(3)

(4)

式(3)和(4)的几何平均数即为t到t+1时期i的Malmquist指数，通过分解可得到技术效率(EFFI)和技术进步(TECH)：

(5)

(二)数据来源与测算结果

本文测算1988—2014年中国大陆30个省(直辖市、自治区)的农业全要素生产率，1997年后重庆的数据归并到四川省。产出变量为以1988年为不变价格的农林牧渔总产值，劳动投入采用年末农林牧渔从业人员，土地投入采用农作物播种面积，化肥投入采用年度农用化肥施用量折纯量，机械投入采用农业机械总动力，数据来源于历年的《中国统计年鉴》、《中国农村统计年鉴》和国家统计局网站。利用MaxDEA软件，测算出基于投入的全要素生产率及其分解指标如表1所示。

表1 1988—2014我国各省区农业Malmquist生产率指数及其构成

(续表1)

MALM1988—19951996—20032004—20141988—2014TECH1998—19951996—20032004—20141988—2014EFFI1998—19951996—20032004—20141988—2014贵州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陕西1.05780.94751.08181.03231.08081.03001.07721.06340.98640.91981.00420.9707甘肃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宁夏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全国1.06710.97821.04781.03091.08451.02441.07691.06250.98390.95490.97300.9703

注：MALM为Malmquist生产率指数，即农业全要素生产率；TECH和EFFI分别表示技术进步和技术效率指数。表中指数为相应时间区间内的几何平均数。限于篇幅只报告部分年份，感兴趣的读者可向作者索要所有数据。

本文的测算结果显示：总体上，1988—2014年我国农业全要素生产率年均增长3.1%，其中技术进步率年均增长6.2%，但技术效率年均增长-3.0%，我国农业全要素生产率进步依赖技术进步、受到技术效率阻碍的结论与大多数文献一致(Chen et al.,2008;Ma et al.,2013)，数值范围与Tian et al.(2012)对150个关于我国农业全要素生产率测算的研究进行的荟萃分析(Meta-Analysis)所得到的结果一致*Tian et al.(2013)的荟萃分析表明，1978年以来我国加总的全要素生产率增长为2%，农业行业比总体高出1.1%，相加即为3.1%。。在波动上，1988—1995年、1996—2003年和2004—2014年三个阶段无论是农业全要素生产率，还是技术进步与技术效率，均呈现U型的趋势，与这三个时期的农业经济特征是一致的(肖卫 等，2013)。农业全要素生产率进步指数分别为1.0671、0.9782和1.0478，技术进步指数分别为1.0565、1.0173和1.0851，技术效率指数分别为0.9839、0.9549和0.9730，与Zhou et al.(2013)的测算结果相似。

三、实证模型、变量选择及数据来源

(一)实证模型

参考Hulten et al.(2006)、刘生龙等(2010)，本文构建如下计量方程：

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

(6)

其中，被解释变量是TFP的对数，解释变量包括基础设施I和其他影响TFP的控制变量Controls，μi为个体效应，εi,t为经典随机扰动项。

(二)变量选择与数据来源

本文研究农村基础设施对农业全要素生产率的影响，被解释变量为累积形式*令1988年农业全要素生产率为1，然后将各年之前的全要素生产率指数相乘，得到当年累积形式的全要素生产率。的农业全要素生产率的对数。结合农村和农业生产的特点，骆永民(2012)将经济基础设施和社会基础设施进一步归纳为水电气环保基础设施、道路信息类基础设施、科教服务类基础设施和福利保障类基础设施四大类。本文的解释变量和控制变量囊括了上述四类基础设施，均采用实物存量指标作为代理变量，解释变量的具体说明如下：

1.核心解释变量

基础设施主要通过存量发挥作用，目前学者们主要采用货币和实物两类指标进行衡量，其中货币指标通过永续盘存法来测算，但结果受期初存量的测定和折旧率的选取影响较大，测算结果往往存在较大差异。本文直接采用实物指标作为基础设施存量的代理变量，也避免了通过政府投资支出进行测算所忽视的公共产品私人提供问题。本文的道路、灌溉和农电基础设施的代理变量选取与Zhang et al.(2004)是一致的。

道路基础设施(Road)。用农村公路的密度表示。根据数据的可得性，具体做法是计算各省区的农村公路长度，再除以省域面积得到密度。在公路长度的计算中，历年《中国农村统计年鉴》统计了各省区的等级公路和等外公路，等级公路又分为高速公路和一二三四级公路。根据2006年第二次农业普查的结果，全国有二级公路通过的乡镇不足50%，本文倾向选择农村更具有可得性的道路基础设施，因此用等级公路扣除高速、一等和二等公路的长度，再加上等外公路来表示农村公路长度。同时，这样处理也过滤掉了道路基础设施可能存在的空间效应。由于长度忽略了不同公路功能的异质性，且就里程而言，高速公路和一等公路的长度之和相对于其他公路长度可以忽略不计，因此，若认为所有公路均有助于农业生产和提升，而采用所有公路长度来表示农村公路，忽视公路功能异质性，得出的政策内涵会过于宽泛。

灌溉基础设施(Irri)。参考《农田水利条例》(国务院令〔2016〕669号)，灌溉基础设施是指为防治农田旱、涝、渍和盐碱灾害，改善农业生产条件，采取的灌溉、排水等工程措施和其他相关措施，用有效灌溉面积与农作物播种面积的比值表示。

农村电力基础设施(Elec)。按照《国务院办公厅关于创新农村基础设施投融资体制机制的指导意见》(国办发〔2017〕17号)，农村电力基础设施通常指农村电网，本文用农村人均用电量来反映农村电网的密集程度和质量，度量农电基础设施。

医疗基础设施(Medi)。基于数据的可获得性，用农村人均卫生院床位张数表示，在稳健性检验中用农村人均拥有的医疗从业人员代替。

2.控制变量

本文的控制变量(Controls)包括：(1)人力资本存量(Educ)。人力资本的提高能改善技术的使用效率，本文以平均受教育年限来衡量各地区的人力资本，实际上，人力资本一定程度上也能反映教育基础设施。(2)机械化程度(Mach)。机械化程度的提高有利于新农作物品种的采用和农业技术效率的提升，用年末人均拥有的机械动力表示。(3)规模效应(Scal)。一定程度上生产规模的提高产生的规模效应有利于农业全要素生产率的提高，用人均播种面积表示。(4)农作物结构比率(Stru)。用于控制资源的配置对农业全要素生产率的影响，用粮食播种面积与农作物播种面积的比值来衡量。(5)农村人均生产总值(GDP)。用人均产出表示，控制收入效应和替代效应对农业全要素生产率的影响。(6)最后，本文在模型中加入了年份虚拟变量Dummy1996。在1996—2003年取1，其他年份取0，考察工业化和城镇化快速推进的过程中制度变迁对农业全要素生产率的阶段性影响，Dummy1996的符号应显著为负(肖卫 等，2013)。

3.数据来源与描述性统计

表2 变量的描述性统计

人力资本存量用加权平均受教育年限表示，不识字或识字很少、小学、初中、高中、中专、大专及以上分别赋值0、6、9、12、13和14年。医疗基础设施为各地区乡镇卫生院床位张数，北京和上海2006年的这部分数据为零，用《中国卫生年鉴》各年中“基层医疗卫生机构：社区卫生服务中心”中的床位张数补齐。涉及到价格的变量均转换成1988年的不变价格，由于统计数据只报告了2005年以后的省级农村常驻人口，之前的年份报告的是户籍人口，考虑我国人口的流动性，人均变量用总量除以农林牧渔从业人员。除全要素生产率及其分解指标来源于本文的测算外，其他数据若不作说明，均来源于历年《中国统计年鉴》《中国农村统计年鉴》，变量的描述性统计如表2所示。

四、实证分析

(一)可能遇到的计量经济问题

对于实证模型(8)的估计，除对解释变量取对数来消除异方差的影响外，需要讨论可能存在的重要解释变量遗漏和解释变量的内生性问题。

1.重要解释变量的遗漏

图1 农业研发滞后的时间权重

注：横轴表示时间，纵轴表示权重。农业R&D投入存在2年的孕育期，约7年的成长期间发挥的作用不断增加，接着是5年的成熟期，之后逐渐衰退，滞后期高达35年之久。

不得不提的是，与农业全要素生产率联系最直接的基础设施是农业研发和推广，农业研发扩大了可采用技术的集合，农业推广体系则将可使用技术的信息传递给农民，而其他基础设施则影响农民采用技术的意愿、速度和效率，三者分别在农业技术的产生、传播和应用环节发生作用(Jin et al.,2002)。出于如下考量，本文将农业研发和推广这一解释变量归于影响全要素增长率变迁的外生因素：第一，农业研发的不确定性。相比于工业行业，除市场风险外，农业还受到较大的自然环境影响，加大了研发过程的不确定。第二，农业研发的周期。农业研发周期必然植根于农业生产周期，通常比工业行业更加漫长。根据Huffman et al.(2006)的研究结论，农业R&D从投入到实际发挥作用存在如图1所示的“梯形”时间权重，通常在经过一个简短的孕育期后逐渐发挥实际作用，之后达到稳定值，最后随时间逐渐衰减，滞后期甚至能达到35年之久。因此，在农业研发数据可得性的限制下，将在工业领域广泛应用的永续盘存法用于测算农业科技基础设施存量，包含着R&D投入当年即发挥作用的假设，测量结果必然存在严重的系统误差。一些学者的做法是通过不同的滞后期来表示R&D的投入流量与实际发生作用的时滞(Chen et al.,2008)，或采用多项式分布滞后期(Polynomial distributed lags, PDLs)作为R&D的时滞权重(Zhang et al.,2015)，这样做忽略了发生作用的往往是R&D存量，且足够的滞后期的选取对数据量具有较高的要求。R&D的计算对滞后期的选取敏感，且容易产生系统误差。因此，本文舍弃了这一变量，主要研究除研发和推广外的基础设施在技术的使用意愿和使用效率方面对农业全要素生产率的影响，并尽可能选择一些适当的控制变量来降低遗漏变量的影响。同时，关于制度因素对农业全要素生产率的影响也做了类似处理。

2.解释变量的内生性问题

基础设施能促进全要素生产率的提高，全要素生产率的提高也可以反作用于基础设施，二者可能存在双向因果关系，且模型的解释变量包含了被解释变量的滞后项(Ln TFPi,t-1)。由于动态面板模型中被解释变量的滞后项(Ln TFPi,t-1)与个体效应(μi)相关，因此存在内生解释变量问题，本文采用广义矩估计(GMM)的方法进行估计来缓解模型的内生性问题。

(二)实证结果及分析

广义矩估计(GMM)可分为差分GMM和系统GMM，二者都属于工具变量法，能缓解模型存在的内生性问题。由于本文的时间跨度为27年，使用系统GMM会由于工具变量数远远大于组的数量而出现严重的工具变量过度识别问题导致工具变量无效，因而使用差分GMM对模型进行估计。

表3给出了模型的估计结果，末尾三行为差分GMM有效性检验的P值，AR(1)和AR(2)满足差分方程中随机扰动项一阶序列相关、二阶序列不相关的假定，Sargan统计量不拒绝工具变量有效性的原假设，说明差分GMM估计方法较好地解决了模型的内生性问题和估计的有效性问题。模型(1)—(5)研究农村基础设施对农业全要素生产率的影响，模型(6)和(7)进行稳健性检验，模型(8)和(9)研究农村基础设施对农业全要素生产率影响的作用机理与传导路径，L.Depvar表示相应被解释变量的一阶滞后项。模型(2)—(5)中各变量的系数相比模型(1)未发生显著的改变，本文结合模型(1)、(8)、(9)的估计对回归结果做如下解释：

农村灌溉基础设施投资能改善农业生产条件，使得对灌溉具有特定需求的新农作物品种具有更广泛的地域适用性，因而在跨越基础设施限制的障碍过程中扩大了可使用技术的集合，有利于农业科技成果的转化和区域间农业技术的推广，促进了农业技术进步；同时，农村灌溉基础设施减少了旱涝等自然灾害对农业生产的影响，提升了农业技术使用过程中的效率。模型(1)、(8)、(9)三个模型中灌溉基础设施(Ln Irri)的系数都显著为正，印证了灌溉基础设施同时促进技术进步和技术效率，从而提升农业全要素生产率。农村道路基础设施的改善有利于降低种子、化肥等农业生产资料的运输成本，农业机械的正常运作、农产品收割、运输和交易等各个农业生产交换环节，都离不开道路基础设施。道路基础设施能有效降低农业生产要素的流动成本、提升农业机械运作效率和农产品的市场化程度，通过农业技术效率的路径来影响农业全要素生产率。模型(1)和(9)中农村道路基础设施(Ln Road)的系数显著为正，与预期相符。农村电力基础设施(Ln Elec)可以保障农业生产过程中机械设备的投入和正常运作、灌溉设施的有效运转，完善的农电设施能有效降低农业机械运转过程中的损耗，提升农民生产生活效率。三个模型中电力基础设施的系数都显著为正，说明电力基础设施能通过技术进步和技术效率的路径影响农业全要素生产率。我国农村灌溉、电力和道路基础设施对农业全要素生产率均具有显著的溢出效应，这与Fan et al.(2000)、Mamatzakis(2003)和Teruel et al.(2005)对其他国家农村基础设施的外部性检验结果是一致的。模型(1)和(8)中农村医疗基础设施(Ln Medi)的系数显著为正，医疗基础设施能保障劳动者身体素质，提升风险规避的农业劳动者采用具有风险的新技术的意愿，扩展技术前沿面。农村医疗基础设施通过技术进步的路径来影响农业全要素生产率。

进一步地，通过比较不同基础设施对全要素生产率影响的“影子弹性”*本文的实证模型中系数在形式上具有弹性的意义，但自Aschauer(1989)的实证工作以来，基础设施的弹性广泛采用超越对数函数进行测算，因此本文采用“影子弹性”来表述。，灌溉基础设施对全要素生产率的溢出效应最明显(0.198)，其次为医疗基础设施(0.126)，远远高于电力和道路基础设施(0.016和0.030)。这源于灌溉基础设施是纯粹的农业基础设施，几乎完全用于农业生产过程，而道路、医疗和电力基础设施属于农村基础设施的范畴，除作用于农业生产外，还对农村其他非农活动产生作用。我国自1998年下半年开始投入大量资金进行农村电网改造，2003年以来又不断加大对农村公路的建设力度，道路和电力基础设施建设取得了巨大的进步。但首个关于水利的综合性政策文件《关于加快水利改革发展的决定》直到2011年才出现，2011年我国农业灌溉用地占农业用地总量的百分比为10.49%，而同期印度和日本的比例分别为35.4%和34.5%*数据来源于世界银行数据库：http://data.worldbank.org/。。此外，医疗等社会基础设施一直是我国农村的短板，虽然有所改进，但由于历史欠账太多、资金投入不足等原因，总体上仍比较薄弱，离城乡发展一体化存在很大的差距。相比于道路和电力基础设施，灌溉和医疗基础设施对农业全要素生产率的溢出效应更加明显，基础设施投资方向的转变对农业全要素生产率的提升具有重要意义。

在控制变量方面，理论上人力资本存量(Ln Educ)越高，越有可能接受新技术，但模型中人力资本存量对农业全要素生产率具有明显的抑制作用，这一发现与Ma et al.(2013)的研究是一致的。这一反常现象源于农村人力资本没有转化为农业人力资本，随着受教育水平的提高，农民的非农就业机会增加，农村人力资本流向现代产业部门，未能促进农业全要素生产率的提高；机械化(Ln Mach)和种植规模(Ln Scal)能通过技术效率的路径影响农业全要素生产率，这与前文的假设一致，土地流转及新型农业经营主体的出现打破了我国传统小农经营的格局，适度的规模化生产伴随着机械化水平的提升对农业全要素生产率具有重要作用；农业种植结构(Ln Stru)的改善*用粮食播种面积与总作物播种面积的比值衡量农业种植结构。模型(1)中农业种植结构的系数显著为负，说明在保障粮食安全的前提下减少粮食种植比例有利于农业全要素生产率的提升。有利于提升农业全要素生产率，说明在整体层面，粮食种植面积占农作物播种面积越大，越不利于资源配置的优化，种植业的结构调整能提升农业全要素生产率；人均生产总值(Ln GDP)对农业全要素生产率的影响表现为具有净替代效应，这与人力资本存量的流动方向是一致的，农业产值的增加虽然有利于追加再生产过程中的技术投入，有利于技术进步，但却未能同时优化要素投入；哑变量Dummy1996显著为负，与本文的预期一致，说明相比于其他年份，1996—2003年间我国工业化和城镇化快速推进过程中的制度变迁不利于农业全要素生产率的提升。

表3 农村基础设施外部性的差分GMM估计结果

注：括号中的数值是标准误，*、**和***分别表示10%、5%和1%的显著性水平；模型(6)和(7)分别对道路和医疗基础设施进行了变量代换，由于模型和估计方法的原因，观测值相比描述性统计减少了2年的样本。

(三)稳健性检验

由于本文使用实物基础设施存量作为代理变量，因而可能由于选取的代理变量具有偶然性而使结果出现较大误偏。基于数据的可获得性，本文通过改变道路基础设施和医疗基础设施的代理变量对模型进行了稳健性检验。在模型(6)中，本文在之前的道路基础设施代理变量上加上了二等公路，即用二三四等公路和等外公路密度(万公里/万平方公里)的对数表示农村道路基础设施存量，其影子弹性从0.030增大到0.040，即更多的道路基础设施导致其外部性系数变大。与其他基础设施的系数相比，这一变化不改变各个基础设施系数之间的比较关系，对本文的结论不产生影响，同时模型的有效性、各个变量的显著性和系数几乎没有发生变化，可以认为本文的道路基础设施的代理变量选择是合理的。同时，在模型(7)中，本文改用万人均医疗工作者数目(人/万人)的对数作为医疗基础设施存量的代理变量，各个变量的系数依然稳定，说明本文对医疗基础设施的代理变量选择不具有偶然性。

五、结论与启示

本文利用DEA-Malmquist测算了我国各省区1988—2014年农业全要素生产率，结果显示我国农业全要素生产率年均增长3.1%，农业全要素生产率的增长主要来自于技术进步，而技术效率具有削弱作用，三个指标在三个时间段内呈现出U型的波动特征。在此基础上，通过动态面板GMM方法检验了农村道路、灌溉、电力和医疗基础设施对我国农业全要素生产率的外部性，得到如下结论：第一，四类农村基础设施都对农业全要素生产率具有正外部性，总的来说灌溉基础设施对农业全要素生产率的提升作用最明显，其次为医疗基础设施，高于道路和电力基础设施；第二，从影响机理与传导路径来看，灌溉和电力基础设施既能通过技术进步也能通过技术效率提升农业全要素生产率，道路基础设施通过技术效率提升农业全要素生产率，而医疗基础设施通过技术进步提升农业全要素生产率；第三，农业机械化程度、种植规模的提高和种植结构的调整能提升农业全要素生产率，而农村人力资本的提高、农业人均增加值的提升和1996—2003年间的制度变迁对农业全要素生产率表现为明显的净替代效应，具有负外部性。

本文的研究结论具有如下政策启示：(1)将农村基础设施投资向灌溉和社会性基础设施倾斜，既能改善投资效率，也更有利于农业全要素生产率的提升。道路、灌溉、电力和医疗等基础设施对农业全要素生产率均具有明显的提升作用。21世纪以来，我国开始大规模开展农村基础设施建设，农村道路和电力基础设施取得了长足的发展，但灌溉基础设施建设滞后，在与印度和日本的对比中处于严重劣势。医疗等社会基础设施一直以来是农村的短板，由于历史欠账太多，农村社会基础设施的建设一直处于“启而不动”的状态。因此，调整农村基础设施投资结构，补齐农村基础设施短板，兼顾基础设施的投资效率与溢出效应，是促进农业经济增长与农业发展方式转变良性互动的有利举措，也是农业供给侧改革调结构、补短板的应有之义。(2)农村人力资本水平和农业增加值对农业全要素生产率表现出净替代效应，与普遍认为农村人力资本能提高农民工资性收入形成反差的是，农村人力资本未能有效提升农业全要素生产率，这源于农村人力资本没有转化为农业人力资本，相比于非工资性收入，农村人力资本提升增加了农民的非农就业机会，对农民工资性收入的作用更大(骆永民 等，2014)。为此需要提升农业附加值，建立健全农村人力资本支持农业现代化的路径与机制，使农村人力资本关于农业全要素生产率与农民收入的矛盾得到调和。(3)我国农业供给侧改革应重视农业种植规模的扩大、机械化水平的提升和种植结构的调整。具体操作上应逐步完善土地所有权、承包权和经营权“三权分置”，探索制度改革的红利，鼓励新型农业经营主体的发展，适度扩大农业经营规模，并利用土地流转和规模化经营的契机，破解传统小农经济土地细碎化对农业机械化的掣肘，提升农业机械化水平，促进农业全要素生产率的提升，引领现代农业加快发展；同时，在保障粮食安全的前提下，优化产品产业结构，基本形成与市场需求相适应、与资源禀赋相匹配的现代农业生产结构和区域布局。

参考文献：

金戈. 2012. 中国基础设施资本存量估算[J]. 经济研究(4)：4-14，100.

匡远凤. 2012. 技术效率、技术进步、要素积累与中国农业经济增长：基于SFA的经验分析[J]. 数量经济技术经济研究(1)：3-18.

李谷成，尹朝静，吴清华. 2015. 农村基础设施建设与农业全要素生产率[J]. 中南财经政法大学学报(1)：141-147.

刘生龙，胡鞍钢. 2010. 基础设施的外部性在中国的检验:1988—2007[J]. 经济研究(3)：4-15.

骆永民，樊丽明. 2012. 中国农村基础设施增收效应的空间特征：基于空间相关性和空间异质性的实证研究[J]. 管理世界(5)：71-87.

骆永民，樊丽明. 2014. 中国农村人力资本增收效应的空间特征[J]. 管理世界(9)：58-76.

翁鸣. 2017. 中国农业转型升级与现代农业发展：新常态下农业转型升级研讨会综述[J]. 中国农村经济(4):88-95.

肖卫,肖琳子. 2013. 二元经济中的农业技术进步、粮食增产与农民增收：来自2001—2010年中国省级面板数据的经验证据[J]. 中国农村经济(6):4-13，47.

赵文，程杰. 2011. 中国农业全要素生产率的重新考察：对基础数据的修正和两种方法的比较[J]. 中国农村经济(10)：4-15，35.

周端明. 2009. 技术进步、技术效率与中国农业生产率增长：基于DEA的实证分析[J]. 数量经济技术经济研究(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.