互联网技术发展对我国农业经济结构影响实证分析

来源：核心期刊咨询网时间：2021-09-10 09:4712

摘要：摘要：【目的】研究互联网技術发展与我国农业经济结构变化间的关系，为优化农业经济结构及实现我国农业高质量协调发展提供理论依据。【方法】基于20012018年我国30个省份(不含西藏及港澳台地区)的面板数据，将农业经济结构细分为狭义农业经济结构和广义农业

　　摘要：【目的】研究互联网技術发展与我国农业经济结构变化间的关系，为优化农业经济结构及实现我国农业高质量协调发展提供理论依据。【方法】基于2001—2018年我国30个省份(不含西藏及港澳台地区)的面板数据，将农业经济结构细分为狭义农业经济结构和广义农业经济结构，以互联网普及率指标表示互联网技术发展构建面板回归模型，探究互联网技术发展与我国农业经济结构变化的关系，并分析其对我国农业经济结构变化的影响。【结果】截至2018年底，我国30个省份互联网普及率为56.37%，是2001年的14倍，但互联网普及率存在不均衡现象，在沿海发达地区普及率最高的省份为78.00%，而西部地区普及率最高的省份不到50.00%。林业、牧业、渔业产值占农业总产值的比例为47.63%，是2001年的2.5倍，农业经济结构得到优化。相对于狭义农业经济结构，互联网普及率提高1%，经济作物种植比例提高0.33%，而移动互联网普及率提高1.00%，经济作物种植比例提高约0.60%;相对于广义农业经济结构，互联网普及率提高1%，林业、牧业、渔业产值所占比例提高0.04%，而移动互联网普及率提高1%，林业、牧业、渔业产值所占比例比例约提高0.10%。对农业经济结构影响而言，互联网普及率与物流水平适配性呈递增规律，且适配性对狭义农业经济结构的影响更明显。另外，财政支农对经济作物种植的影响是负向，表明财政支农政策在保障粮食作物种植方面起到积极作用;同时从事农业种植的人力资本平均受教育水平仍然偏低。【建议】积极推动互联网技术与农业发展的深度融合，为农业生产和经济结构调整提供精准服务;加强农村基础设施建设，提高农村物流能力与互联网技术间的适配性;提高互联网技术在农业生产销售等环节应用中的人力资本投入。

　　关键词： 农业经济结构;互联网技术;技术进步;互联网普及率;物流水平;适配性

　　引言

　　【研究意义】现阶段我国农业发展已告别供给不足的初级阶段，农业发展面临的主要问题是如何优化农业经济结构，实现高质高效的农业发展水平。随着互联网技术的发展及其在广大农业农村中的推广应用，“互联网+”农业模式正不断涌现，这将促进农业经济繁荣和农产品结构的多元化，有利于农业经济结构优化调整。因此，研究互联网技术发展与农业经济结构变化关系及其影响，将改变人们对仅依赖传统农业技术变革达到优化调整农业经济结构的目的，对繁荣农村经济、优化农业结构、实现乡村振兴具有重要意義。【前人研究进展】速水佑次郎和弗农·拉坦(2000)强调技术变迁是发掘农业增长潜力和突破农业资源瓶颈最重要的解释变量。技术进步在促进我国农业经济增长方面发挥了重要作用(黄季焜，2010)，但现有文献大多聚焦于农业技术进步与农业经济增长的数量方面。黄振华(2008)分析了农业全要素生产率和技术进步率对我国农业发展的影响;刘辉(2009)、杭帆和郭剑雄(2016)分析了技术进步与农业可持续增长的关系。针对农业经济结构调整的研究也主要聚焦于种植业(狭义农业)结构调整。关于劳动力流失引起种植业结构变迁(Brauw，2010;Gonzalez-Velosa，2011;钟甫宁等，2016)，其研究结果表明农村劳动力流失会促使农户调整要素投入结构和种植结构，但在是否促进经济作物或非经济作物种植增加方面尚未取得一致的研究结论(叶初升和马玉婷，2020);要素价格变化会引起种植业结构变迁(杨进等，2016;郑旭媛和徐志刚，2017)，研究发现农村劳动力价格上涨对粮食作物种植比例有显著负向影响，而对经济作物的种植比例有显著正向影响;在农地流转引起种植业结构变迁方面(罗必良等，2018;钱龙等，2018)，相关研究表明，与大规模农地转入户相比，小规模农地转入户倾向于非粮化生产，农户土地转入(转出)行为能有效提升(降低)粮食种植比例。【本研究切入点】已有文献大多是研究农业本身的技术进步与农业经济结构变化间关系，很少涉及互联网技术发展应用与农业经济结构变化的研究。【拟解决的关键问题】基于2001—2018年我国30个省份(不含西藏及港澳台地区)的互联网技术普及率和农业经济结构相关数据，分别以非粮食作物种植占总种植业比例(表示狭义农业经济结构变化)及林业、渔业和牧业产值占农业总产值比例(表示广义农业经济结构变化)作为因变量，以互联网技术普及率(表示互联网技术发展)为自变量，构建面板数据回归模型，探究互联网技术发展对我国农业经济结构的影响及其与物流水平适配性，以期为优化农业经济结构和推动农业高质量发展提供参考。

　　1 数据来源与模型构建

　　1. 1 数据来源及变量选择

　　本研究使用全国30个省份面板数据进行实证研究，所有数据来源于《中国统计年鉴》(2002—2019)，经整理和加工，得到相关数据的描述性统计(表1)。从表1可看出：(1)2001—2018年我国非粮食作物种植面积占总种植业面积比例的均值为0.3502，但省份间差异性较明显，新疆、上海、海南、青海和浙江的非粮食作物种植面积占比的均值较大，其中新疆、海南和青海由于地形地理特征的原因比较适合种植经济作物，上海和浙江属于经济发达地区。(2)林业、渔业、牧业产值占农业总产值比例的均值为0.4763，约为1978年(0.20)的2.5倍(郭晓蓓，2019)，农业产业结构得到了优化。其中，北京、辽宁、福建、青海和海南2001—2018年林业、渔业、牧业产值占农业总产值比例均值排在前5位，除北京外，辽宁、福建和海南的渔业产业发达，青海的牧业具有天然优势。因此，地形地理特征在广义的农业经济结构领域也具有决定性影响。(3)2001—2018年我国的互联网普及率均值为0.3015，最大值为0.7800，在2018年全国的均值为0.5637，是2001年均值0.0359的14.0倍，但互联网普及存在不均衡现象，在沿海发达地区普及率最高的省份为0.7800，而西部地区普及率最高的省份为0.4936。

　　1. 2 模型构建

　　在模型设计时，分别以非粮食作物种植占总种植业比例及林业、渔业、牧业占农业总产值比例为因变量，以互联网技术普及率(表示互联网技术发展)为自变量，人力资本、道路交通、财政支农为控制变量。对自变量、因变量和控制变量分别采用比值或百分比的形式进行数据处理，模型设计如下：

　　式中，ZYit表示i省份在t年的非粮食作物种植占种植业比例，数据采集的是耕种面积;NYit表示i省份在t年的林业、渔业和牧业产值占农业总产值比例，数据采集的是各产业产值;NETit表示i省份在t年的互联网技术发展情况，以互联网普及率表示;ETUit、RODit、FINit是控制变量，分别表示人力资本、道路交通、财政支农;α是常数项，β1…β4和ρ1…ρ4是变量系数，εit和δit是残差项。相关变量的计算如下：(1)人力资本，借鉴谢童伟等(2011)、姚洋和崔静远(2015)对平均受教育年限的计算方法，再以各省份劳动力的平均受教育年限变化率来衡量人力资本。受教育年限的计算公式：受教育年限=小学生人数比重×6+初中人数比重×9+高中人数比重×12+大学人数比重×16，各年级学生数比重=该年级受教育学生数/6岁以上总人口数。(2)道路交通是各省份单位面积公路里程，公路里程包含高速公路、等级公路和等外公路里程。(3)财政支农是各省份财政支农支出，用居民价格指数进行平减。由于统计年鉴统计目录的变化，其中2001—2007年是财政支农支出，2008—2018年是财政支农林水的支出。(4)互联网普及率指各省份互联网用户数占各省份总人口数，反映一个地区互联网技术发展及应用程度。另外，在研究互联网技术发展与物流水平适配性时，采用互联网技术普及率与道路交通指标的交互项(2个指标的乘积)表示二者的适配性。

　　推荐阅读：互联网背景下商业银行客户服务模式路径研究

转载请注明来自：http://www.qikan2017.com/lunwen/jgu/21058.html