我国农业信息化贡献率测算方法实证研究

刘利永，李道亮

(1.北京市科学技术情报研究所，北京 100032；2.中国农业大学信息与电气工程学院，北京 100083)

从当今全球社会的发展来看，信息化是大趋势，也是推动社会各方面变革的重要力量。自20世纪80年代以来，信息化发展程度已成为衡量一个国家或地区现代化水平和综合国力的重要指标。在步入信息社会的今天，信息技术在农业领域中得到广泛应用和发展，彻底改变了传统农业在生产、经营、管理和技术服务等方面的操作方式，在新农村建设中发挥着越来越重要的作用。信息化已成为农业现代化的核心内容，是促进农村繁荣和农业经济发展的强劲动力。然而，我国农村点多面广、市场发育很不成熟，各地农村的环境、条件和农民素质千差万别，大规模的信息化投资也未必能带来良好收益，同时还普遍存在重复建设、恶性竞争、资源与设备利用效率低下等问题。在这种情况下，用一套切实可行的办法来监测农业信息化的投入回报率就显得尤为重要，由此提出了“农业信息化贡献率”的概念。

然而，农业信息化本身是一个复杂的系统工程，有很多的影响因素，导致农业信息化对经济增长的贡献量很难直接测算。因此，需要一套切实可行的方法间接测算农业信息化贡献率。笔者研究了农业信息化测算方法，首先采用层次分析法构建了适合我国国情的农业信息化水平评价指标体系，并运用综合指数法测算出2007—2016年各年度的农业信息化水平指数。在此基础上，运用经济增长理论构建了加入信息化要素的C-D生产函数，通过回归分析研究了农业信息化与农业经济增长之间的相关关系，计算出近年来我国农业信息化对农业经济增长的贡献率。

1 农业信息化发展水平指数的测算

1.1农业信息化发展水平评价指标体系构建指标体系的建立是进行农业信息化指数测算的关键。根据我国农业信息化的特点、信息经济的测度理论及相关专家意见，在充分考虑指标体系的建立原则的基础上，结合权威统计年鉴和报告的信息化统计指标，从农业信息化发展环境、农业信息化基础设施、农业信息资源建设、农业信息化人才、农业信息化技术应用5个方面选取了具体的评价指标[2-3]，运用层次分析法可将指标体系划分为目标层、准则层、方案层3个层次，层次划分及各层要素分配如图1所示。

1.2基于层次分析法的指标权重计算在专家咨询的基础上，采用层次分析法确定评价指标权重，指标权重的分配结果如表1所示。

1.3我国农业信息化发展水平指数的计算通过查阅《中国统计年鉴》《中国农村统计年鉴》《中国互联网报告》《中国信息年鉴》等权威年鉴和报告的信息化统计指标，获得了2007—2016年所有二级指标的统计数据，结合各二级指标和一级指标的权重分配情况，最后计算出2007—2016年农业信息化发展水平一级指标指数，分别为农业信息化发展环境指数D、农业信息化基础设施指数F、农业信息资源建设指数R、农业信息化人才指数H、农业信息化技术应用指数T和农业信息化水平总指数I，如表2所示。

图1 农业信息化发展水平评价指标层次结构Fig.1 The hierachieal structure of agricultural informationization development level evaluation index

Table1Theweightallocationofagriculturalinformationizationindexsystem

一级指标First⁃orderindex一级指标权重Weightoffirst⁃orderindex二级指标Second⁃orderindex二级指标权重Weightofsecond⁃orderindexC10．088P10．507P20．178P30．315C20．311P40．122P50．118P60．197P70．181P80．382C30．207P90．154P100．161P110．427P120．257C40．110P130．312P140．322P150．365C50．284P160．323P170．397P180．280

表22007—2016年农业信息化发展水平一级指标

Table2Thefirst-orderindexofagriculturalinformationizationdevelopmentlevelduring2007-2016

年份YearDFRHTI20071．001．001．001．001．001．0020081．051．651．170．982．201．5820091．152．501．690．885．242．8120101．263．741．760．919．514．4420111．345．581．861．0115．106．6420121．469．052．181．0735．9413．7220131．6014．513．301．1463．9923．6420141．7324．015．601．20103．9338．4320151．8337．866．381．26141．7753．6620162．0155．336．361．81183．8085．96

2 农业信息化贡献率测算模型的构建

C-D 生产函数是Charles Cobb与Paul Dauglas在哈罗德-多马模型的资本产出比及资本储蓄率不变的假设基础上加以突破，用简单的形式对生产投入与产出的关系进行了分析。C-D生产函数的最初形式为Y=AKαLβ，式中Y、K、L分别代表农业总产品的产量、农业资本的投入量和农业劳动力的投入量，α、β分别代表产出的资本弹性和劳动力弹性，A代表除资本、劳动力以外影响农业经济增长的其他因素[4-5]。

在一般的生产中，可以简单地将投入分为资金与劳动力。为了测算农业信息化对农业经济增长的贡献，根据Paul M.Romer提出的新经济增长理论，对C-D生产函数进行修正。Paul 认为，社会总产品产量并非仅由资本与劳动2个因素决定，科技进步也应作为第三要素加入到C-D生产函数中[6-7]。在当今的信息经济时代，信息要素已成为促进科技进步的最主要来源，因此可以用信息要素近似替代科技进步作为决定经济增长的第三因素。综上所述，将C-D生产函数修改为：Y=AKαLβIγ，式中I代表农业信息化水平指数，γ代表产出的信息化水平弹性，A代表除资本、劳动力、信息化以外影响农业经济增长的其他因素。

两边取对数：ln(Y)=ln(A)+αln(K)+βln(L)+γln(I)。

令Y′=ln(Y)、A′=ln(A)、K′=ln(K)、L′=ln(L)、I=ln(I)，代入上式中，得出新的线性回归模型：Y′=A+αK′+βL′+γI′。

通过查阅《中国统计年鉴》和《中国农村统计年鉴》，获得2007—2016年农林牧渔生产总值(Y)、农村全社会固定资产投资(K)和农林牧渔从业人数(L)。为了保证数据的一致性，必须将2007—2016 年价格因素的影响剔除[8]。剔除价格因素的影响后的结果如表3所示。

表3剔除价格因素后的我国农业经济增长数据

Table3ThedataofagriculturaleconomicgrowthinChinaafterremovingthepricefactor

年份YearY亿元K亿元L万人200715781．307212．3036399200816603．417995．1136640200917107．979544．9136204201020431．9710842．1434830201121937．3813463．0933442201223684．7316383．7431941201327160．3419114．0530731201431645．2622121．3029923201535331．9031432．7928890201639125．1035416．0227931

对表2和表3中农业信息化发展水平总指数I、剔除价格因素后的农林牧渔业总产值Y、剔除价格因素后的农村全社会固定资产投资总额K、第一产业就业人口L分别取对数，得到新的线性回归模型所需的数据(表4)。

表4取对数后的我国农业信息化贡献率测算的模型数据

Table4Thedataofcalculationmodelofagriculturalinformationization’scontributionrateinChinaaftertakingthelogarithm

年份YearY′K′L′I′20079．678．8810．500．0020089．728．9910．510．4620099．759．1610．501．0320109．929．2910．461．49201110．009．5110．421．89201210．079．7010．372．62201310．219．8610．333．16201410．3610．0010．313．65201510．4710．3610．273．98201610．5710．4710．244．45

运用 SPSS 19.0统计软件，采用Enter 法对表4中数据Y′、K′、L′、I′进行线性回归分析，回归分析结果如表5所示。

表5 总指数模型回归结果

从表5总指数模型回归的结果来看，R2检验为0.990，表明所选样本与总体的拟合优度较好；F检验为195.549，表明整个模型的线性程度很好；T检验结果表明模型中各自变量对经济增长的解释度较高；常数项、B、L和I分别以 99%、90%、99%和99%的概率通过检验。回归结果表明，模型整体上能够通过检验，且具有良好的模拟效果。因此，我国农业信息化总指数对农业经济增长的影响模型为：Y′=22.428+0.450K′-1.437L′+0.021I′。

上式又可变形转换为：Y=e22.428K0.450L-1.437I0.021。从产出弹性来看，在农业信息化总指数模型的回归结果中，农村全社会固定资产投资总额K′、第一产业就业人口L′和农业信息化指数I′的产出弹性分别为0.263、-1.437和0.021，根据产出弹性所代表的经济意义，农业信息化发展水平每提高1%，我国农业经济就会相应增长0.021%。

3 我国农业信息化贡献率测算结果

根据上述测算数据，得出2007—2016年我国农业信息化发展水平指数的增长情况。根据指数增长情况以及指数增长与农业经济增长之间的关系，可以测算出近十年来农业信息化对农业经济增长的贡献率。农业信息化对农业经济增长的贡献量、农业经济实际增长率和农业信息化贡献率的变化情况如图2所示。

从图2可以看出，从2007—2016年农业信息化对农业经济增长的贡献量来看，农业信息化对农业经济增长始终有平稳的贡献，2015年贡献量最低(0.83%)，2012年贡献量最高(2.24%)，说明农业信息化为农业经济增长提供了稳定且强劲的动力。从2007—2016年农业信息化贡献率的测算情况来看，由于农业信息化贡献率是农业信息化对农业经济增长的贡献量与农业经济总增长速度的比值，在农业信息化对农业经济增长的贡献量相对平稳的情况下，农业经济总增长速度就成为决定农业信息化贡献率的主要因素。2007—2016年农业信息化贡献率波动很大，2014年最低(3.27%)，2009年最高(32.08%)；2014年和2009年农业经济的实际增长率分别为17.73%和5.11%。由此可见，农业信息化贡献率波动很大，农业信息化贡献率与农业经济的增长率直接相关。农业经济增长率越大，农业信息化贡献率反而越小。

4 小结与展望

笔者研究了农业信息化贡献率的测算方法，首先根据信息化测度理论和经济增长理论，运用系统分析的思路，采用层次分析法构建了适合我国国情的农业信息化水平评价指标体系；运用综合指数法测算出2007—2016年各年度的农业信息化水平指数；在此基础上，运用经济增长理论建立了C-D生产函数，并将信息化指数要素加入其中；分析了农业信息化与农业经济增长之间的关系，为农业信息化贡献率的测算提供了一个科学可行的方法。

图2 2007—2016年农业信息化贡献率的变化Fig.2 The changes of agricultural informationization’s contribution rate during 2007-2016

随着农业信息化发展的不断加速，其发展水平的评价指标也将产生较大变化，在今后的研究中需要建立农业信息化发展指数的动态调整与监测机制，从而有效判断农业信息化的新技术、新模式和新机制对农业经济增长的影响。

[1] 赵启然.信息化对我国农业经济增长贡献实证分析[D].保定：河北农业大学，2006.

[2] 信丽媛，宋治文，贾宝红，等.浅析天津农业信息化测评指标体系的构建[J].中国农学通报，2008，24(8)：465-468.

[3] 白万平.新农村信息化建设效果评价指标体系研究[J].安徽农业科学，2008，36(31)：13910-13912.

[4] 范华，于风程，卢丽娜.我国农业信息化水平测度(2000-2004)[J].中国信息界，2007(9)：34-38.

[5] 郭再欣.新制度经济学的理论体系及方法论研究[J].中国-东盟博览，2012(12)：15-16.

[6] JONSCHER C.Information resources and economic productivity [J]．Information economics and policy，1983，1(1)：13-35．

[7] GILL G，YOUNG K，PASTORE D，et al.Economy wide and industry-level impact of information technology[J].Information technology，1997(4)：67-79.

[8] 刘峰峰.基于数据包络分析方法(DEA)的农业信息化贡献实证分析[J].农业图书情报学刊，2011，23(2)：9-15.