互联网应用、劳动力要素配置与农户劳动生产率——一个新结构经济学的分析视角

周凤 赵燕 邓格致

(1.广州大学 经济与统计学院，广东 广州 510006；
2.香港科技大学 公共政策研究院，中国 香港 999077)

随着农村待转移劳动力的减少，农户劳动生产率提高的途径将逐渐依赖于农业生产技术和组织结构的创新。约瑟夫·熊彼特强调经济结构的创新是一个打破旧有市场均衡、破坏旧有经济结构的过程。观察发现，小农式经济结构与经营模式难以实现农业内部分工与专业化生产。而“互联网+农业”既能“破坏”传统小农式的生产经营体系，又能通过引入互联网技术，一方面促进研发合作，引领农业技术进步；
另一方面作为信息平台降低交易成本，推进要素合理配置，优化生产结构，进而创造出 “规模农业”“电商农业”“精细农业”和“特色农业”等具有现代含义的农业生产方式，并在相当程度上成为小农户退出传统农业部门的重要催化剂。基于此，本文将探究互联网技术及其应用(以下简称互联网应用)在农村部门的“生产率效应”及其生产率效应得以发挥的 “传导”机制。

以互联网为代表的信息与通信技术(Information and Communication Technology，ICT)在世界范围内快速普及，学术界从生产率提升视角对互联网应用的研究逐渐增多。早期，Strassmann和Paul(1990)[1]调查292个企业后发现，企业在互联网领域的投资与投资回报率(ROI)之间的关系难以证实，该现象后被学术界称之为“索洛悖论”(1)又称“生产率悖论”。由1987年获得诺贝尔经济学奖的经济学家罗伯特·索洛(Robert Solow)提出，意指虽然企业在IT方面投资巨大，但从生产率角度收效甚微。。到20世纪90年代中期，相关文献才相继证实互联网与信息产业的生产率效应确实存在[2-6]。索洛也在2000年承认“索洛悖论”已经得以化解，足见，即使在发达国家，互联网发展也可能面临 “索洛悖论”[7]。

国内学术界已有为数不少的文献相继在ICT服务业的产出弹性[8]、ICT资本的替代效应和渗透效应[9]、信息化指数[10]、全要素生产率改进和人机协作等不同层面证实了互联网应用对中国经济增长的溢出效应[11-13]。但少有研究关注农业农村部门，也未注意到把互联网技术应用到农业农村部门的特殊性，已有研究表明互联网应用引发的消费效应在城乡间存在显著差异[14]，农户所得收入回报远低于城市居民[15]，个体和城乡收入差距均呈扩大趋势[16-19]。与此同时，也有学者从劳动要素投入[20]、人力资本回报率[21]、产出增长和全要素生产率等不同方面证实了信息技术应用在ICT资本密集型部门和非ICT资本密集型部门间的潜在结构性差异，即信息技术对生产效率的间接影响在ICT资本密集型部门占主导地位，而在非ICT资本密集型部门只属次要地位[22-23]。与城市部门相比，农村部门显然属于非ICT资本密集型部门，因此，互联网应用不仅在农村部门和城市部门间的生产率效应是存在结构性差异的，在农村部门内部，该效应的直接影响和间接影响也是结构性的，鉴于此，本文从新结构经济学视角出发，重点考察互联网应用对农村部门的结构性影响，以此回应农村部门是否已经化解“索洛悖论”的疑问。

江小涓(2017)[24]、程名望等(2020)[25]研究发现互联网应用会通过劳动力资源配置间接影响中国劳动生产率水平。事实上，互联网应用背后所产生的数据要素和数字技术等具有不同于传统要素的特殊性，其所带来的不只有促进效应，还有挤出效应[26-27]，这一点在农村尤为突出。虽然朱秋博等(2019)[28]注意到了互联网应用的生产率效应受劳动力资源配置的限制，李士梅和尹希文(2017)[29]甚至发现信息化对农业全要素生产率的影响并不显著，韩海彬和张莉(2015)[30]通过对2002-2010年面板数据的研究也表明，农业信息化对农业全要素生产率的影响随着农村人力资本水平的差异呈非线性效应。但尚未有研究针对农村部门互联网应用在劳动力要素方向上的偏向性技术变化给出与其生产率效应一致的一般性解释。

本文的贡献主要体现在如下两个方面：其一，本文从直接和间接两个层面考察互联网应用对农户的效率决定，从而更深刻地剖析了互联网对农户劳动生产率影响路径与作用机制的结构性差异；
其二，本文通过探讨互联网应用对农村部门就业岗位的影响进而识别“互联网的创造性破坏”，是对该机制实证含义的检验，也是对互联网技术在劳动力要素方向上偏向性技术变化的具体研究，更是对刘易斯分析范式做出的符合“经验事实”的科学拓展。本文认为，创造性破坏是一种机制，即互联网应用将逐步改变旧的、传统的农业生产方式并不断地通过组织创新和重组各要素之间的配置结构而创设出新的现代的农业生产方式，这一问题的关键就在于如何识别“创造性破坏”的“创造”与“破坏”两个变量并赋予其实际的理论含义、实证含义与政策含义。此类结构性的双重效应会改变农业农村的要素禀赋结构尤其是农村劳动力的质量和分布[31]，进而提高农户劳动生产率。揭示此结构性影响并对其展开系统性的机制分析，是本文的关键所在。

Neeraj等(2009)[32]认为互联网技术要素与传统生产要素有一个明显的不同，即其既可以作为要素本身直接影响生产效率，也可以通过改变其他要素及其配置关系来对生产效率产生间接影响。

图1 互联网应用对农户劳动生产率的作用路径

如图1所示，本文依据Neeraj等(2009)[32]的研究将互联网技术本身对农户劳动生产率的作用定义为直接影响，将互联网技术通过影响劳动力要素和其他要素进而对农户劳动生产率产生的作用定义为间接影响。已有研究表明当前在农业农村部门互联网应用对劳动力就业[33-34]、消费升级[35]、产业流动等都有不同程度的显著影响[36]，但能否通过这一路径影响农户劳动生产率尚未深入研究。当然，本文探讨互联网应用通过劳动力要素的间接效应，并不代表互联网应用仅通过劳动力要素产生间接效应，事实上，本文未涉及到的其他影响效应在许多学者那里往往通过全要素生产率的分析而得到相应阐释[32]。限于本文的研究主题，本文不展开对此类问题的讨论。

(一)基准模型设定

ICT资本要素投入的效率取决于两个重要组成部分，即耦合于ICT资本要素投入的部分和未耦合于ICT资本要素投入的部分[26]，从未耦合要素到耦合要素状态转变的过程，也就是ICT资本增强型技术进步对劳动力要素呈现偏向性特征的过程。本文借鉴Han等(2011)[37]和Neeraj等(2009)[32]的理论框架，将基准生产函数设定为Cobb-Douglas函数形式，具体形式如下

Y=ALβTπZφ

(1)

其中，Z为ICT资本要素投入(2)根据OECD的定义，ICT在产业层面主要对应于以通信技术(如互联网)获取、传播和演示数据信息的行业的总称。具体于本文研究，ICT资本即指在农村部门的互联网等电子信息技术等方面的资本投入，非ICT资本即指除此之外的在农村部门的资本投入。，L为劳动力要素投入，T为除ICT资本和劳动力之外的其他要素投入(3)其他要素仅代表本文中未尽考虑到的互联网应用对除劳动力要素以外的要素的偏向性。虽然该要素设定并不完全反映实际情况，但无损于本研究的基本逻辑，具体于土地和资本等要素的间接作用，作者将在其他后续研究中加以完成。，Y为农户总产出，A为包括所有要素在内的要素中性技术进步，β、π、φ分别为劳动力、其他要素和ICT资本要素投入的产出弹性，从式(1)可以看出，ICT资本对产出有两方面的影响，一是直接影响，即作为要素投入与劳动力、其他要素等一同促进产出增长；
二是间接影响，也就是由A刻画的间接溢出效应，但是其反映的是全要素生产率的中性技术进步，包含却不能解释ICT资本对其他要素的增强效应。

(二)直接与间接效应的分离

为了直观体现由ICT资本所带来的对其他要素的偏向性技术变化，有效分离ICT资本对农户生产率的间接影响，本文借鉴Neeraj等(2009)[32]考察IT资本对非IT资本的增广、Heathfield和Wibe(1987)[38]考察技术进步随时间的变化以及Mefford(1986)[39]考察技术对资本的增广效应时设定的乘法可分离的指数形式，定义了由ICT资本对劳动力和其他要素的增量函数LZ、TZ，具体如下

LZ=Lτ(Z)

(2)

TZ=Tυ(Z)

(3)

其中，函数τ(Z)和υ(Z)表示基于ICT资本相对边际产出定义的要素偏向性技术变化，随ICT资本投入的增大而增大，即τ′(Z)>0，υ′(Z)>0，假定τ(0)=υ(0)=1，即当没有ICT资本投入时，不会对劳动力和其他要素产生影响，因此设定为LZ、TZ这种形式，其实并不失一般性。将其代入到基准的Cobb-Douglas函数形式中，加以修正，最终可得到增广之后的Cobb-Douglas 函数形式如下

(4)

为了更精确的刻画ICT资本的间接效应，本文将劳动力和其他要素的函数形式具体设定为

LZ=Lτ(Z)=Leμz

(5)

TZ=Tυ(Z)=Teρz

(6)

将式(5)(6)代入式(4)，即可得增广函数形式的具体表达如下

(7)

为了证明式(7)的确有效分离了ICT资本通过其他要素对农业生产率的间接影响，本文分别对式(1)和式(7)求各要素对ICT资本要素的交叉偏导数，可得

(8)

(9)

对上述两式进行比较后，可以发现当ICT资本对其他要素偏向性变化比例的值为零，也就是μ=ρ=G=0时，式(8)与式(9)相等，也就是说，经过本文对ICT资本间接效应的刻画，得到的增广函数，的确弥补了原基准生产函数对ICT资本生产率效应测量中可能存在的偏误。此外，可以发现若农户基于式(1)而非增广之后的式(7)来决定ICT资本投资水平时，前者将导致投资不足。原因即在于增广之后的模型(式(7))中，ICT资本的边际收益包括劳动力要素和其他要素相对于ICT资本的增广变化率(5)假设该变化率为正，且农户是投入产出市场中的价格接受者，各要素投入均表现为边际收益递减。。这也说明了本文增广函数设定及其对间接效应分离的科学性与必要性。

综上，并结合前文，得到以下两个命题。

H1互联网应用作为技术本身直接推动了农户劳动生产率的提升，农村部门已在相当程度上化解了“索洛悖论”。

H2互联网应用通过对劳动力要素的偏向性技术变化间接促进农户劳动生产率的提高。

上述两个命题清晰地显示了互联网技术及其应用对劳动生产率的影响是结构性的，本文定义此类影响为“结构性影响”，从而在效应上也就体现为直接效应和间接效应。

(三)对Lτ(Z)的进一步解读

接下来，本文一方面,在理论逻辑上分析互联网应用在创造性破坏作用下对农业生产方式的实际影响，另一方面，将对Lτ(Z)在该过程中的具体含义进行阐析，以此作为对理论模型的补充说明。

马克思政治经济学认为，新技术的创新与应用是促进生产力发展的根本因素，生产力决定生产关系。农业作为国民经济发展的基础部门，其与互联网技术相结合形成的生产经营过程自然与该原理相吻合。也就是说，互联网作为一种互联互通的网络通讯技术，通过改变劳动力自身的技能、劳动资料及其劳动对象，改变了劳动力和生产资料的结合方式，以此推动了农业生产方式的变革[41]。具体而言，本文认为互联网技术将在如下几个方面对农业劳动力和农业生产经营活动产生实质影响：其一，互联网应用可以优化农业生产的全过程管理，借助互联网技术，可以实现对劳动力、农机运行等全过程、全视域的实时监控，减少生产过程的监督成本；
其二，可以节省农业生产的经营成本和销售成本，传统农业生产方式中，生产(农户)与消费(消费者)之间存在着包括投机者、代理商等在内的诸多中介环节，互联网应用于具体的农业生产经营的全过程后，农业生产者(农户、龙头企业和合作社等)可以借助“互联网+”或“互联网电商平台”而与消费者实现精准对接；
其三，互联网应用可以改善委托代理中的信息偏在问题，既可以减少农业生产前的逆向选择，也可显著降低生产经营过程中的道德风险；
其四，互联网应用有效地提高了龙头企业与农户的缔约效率，使农户间的合作水平大大提高；
其五，互联网应用可以优化要素配置。对促进传统农户的生产转型、提高土地流转精准度和改善农户信贷可得性等都具有直接和间接的双重的结构性作用。

因此，创造性破坏其实就是互联网应用通过推动农业生产方式变革进而提高农户劳动生产率的一种机制，与这种机制相对应的是对劳动力迁移方式、聚合模式和人力资本水平等不同层面的新要求，进而表现为对劳动力就业岗位的创造性破坏效应。创造效应即为农业生产方式的变革衍生了对高人力资本水平、掌握信息化技术的劳动力需求，使农业劳动力的分布与结构发生了质的变化。破坏效应即为一方面,互联网技术改变组织结构，提高了农业生产的资本有机构成，因而使一部分农业劳动力成为农业生产过程中的“相对剩余者”；
另一方面，互联网应用通过对劳动力的人力资本水平提升效应[33,42]、信息渠道扩张效应和社会网络多元效应[43]，使传统农业劳动力自主向现代农业部门或非农部门转移，也因此，农村劳动力的质量在互联网的“创造性破坏机制”诱致出来的间接效应的作用下逐步提高，满足了现代农业部门和现代非农部门对人力资本的基本要求。基于刘易斯的劳动力无限供给模型可知，劳动力从较低生产率的传统农业转向较高生产率的现代农业或非农业部门，这个过程将优化劳动力和其他生产要素的配置效率，间接地提高农户劳动生产率 ，这是一个“帕累托效率”的改进过程。基于此，本文得到如下命题。

H3互联网应用对劳动力要素的优化配置是结构性的，表现为推动农业生产方式变革的创造性破坏机制，意即对劳动力就业岗位的创造效应和破坏效应。

正是基于上述分析，本文的研究是新结构经济学视角的，关键的原因在于，互联网的应用在相当程度上改变了禀赋结构，进而改变(改进)了要素的配置方式，产生了对劳动生产率影响的直接和间接效应。

按照理论模型的基本结论，结合对Lτ(Z)的进一步释义，基本可以确定互联网应用自身对劳动生产率发挥直接效应的同时，对劳动力要素也有明显的偏向性技术变化。然而，由理论推演所得到的符合经济逻辑的结论是否能严格的拟合经验事实，还需要进一步的实证检验。接下来，本文将基于可得数据，通过实证分析，进一步验证互联网应用对农户劳动生产率的影响及其作用机制。

(一)数据来源

本文所用数据来自中国综合社会调查(CGSS)最新公布的2017年数据。选择该数据主要基于以下两方面考虑：一是该数据由中国人民大学联合全国各地的学术机构共同执行，是中国第一个全国性、综合性的大型社会调查项目，对于探讨现实社会议题具有重要参考价值；
二是该年份数据的A和C模块都包含居民使用互联网的相关问题，是当前国内罕见的、具有全国代表性的个体互联网使用数据，可以为本研究提供高度契合的相关数据。

(二)变量设置与说明

基于前述逻辑推演，本文得到诸个具有实证性和可检验含义的分析变量，本节将在此基础上结合可得数据，把这些分析变量转换成实证分析中的核心变量和控制变量。借鉴相关文献[25,44]，确定变量如下。

1.农户劳动生产率

由于农户可能同时进行农业生产与非农业生产，农业生产总产值并不能代表农户的总产出，为此，本文借鉴冒佩华等(2015)的研究，用包含农业经营收入和非农务工收入的总收入衡量家庭总产出水平，并用其与家庭劳动力数量比值的对数来刻画农户劳动生产率[45]。

2.互联网应用

本文将使用互联网的农户赋值为1，否则赋值为0。

3.劳动力回流

本文将曾经从事非农工作，当前回家务农的劳动力，视为现代农业所创造新就业岗位的吸引作用，以此表示互联网应用在农村部门对就业岗位的创造效应。

4.劳动力迁出

传统农业生产方式的式微导致部分小农经营主体从传统农业部门退出，本文将农村劳动力从农业到非农业的就业结构转移作为互联网应用在农村部门的破坏效应。

5.其他控制变量。除上述核心变量外，本文控制变量主要刻画劳动力的个体特征、其所属的家庭特征和地区特征三类。个体特征主要包括劳动力的健康状况、受教育程度、政治面貌、性别年龄、婚姻状况和民族。其中，健康状况从很不健康到很健康划分为五个等级，依次赋值1-5；
受教育程度则从未接受教育、扫盲班、小学、初中、职业高中、普通高中、中专、技校、大学专科(成人、正规教育)、本科(成人、正规教育)到研究生，依次赋值1-13；
政治面貌若为中共党员取值为1，否则为0；
女性取值为0，男性为1；
年龄按实际调查年份计算；
婚姻状况若未婚为0，已婚(包括再婚)为1；
少数民族为0，汉族为1；
家庭特征由家庭的经济水平刻画，从1-5对远低于平均水平、低于平均水平、平均水平、高于平均水平到远高于平均水平依次赋值；
地区特征变量根据所属省份设置虚拟变量。表1报告了本文所考察变量的描述性统计。

表1 回归变量的描述性统计

(三)模型设定

结合本文研究，借鉴相关文献[46]设定基准实证模型如下

LE=α0+β0Inte+γX+ε0

(10)

Labori=σ0+β1Inte+δX+ε1

(11)

LE=η0+β2Inte+β3Labor+θX+ε2

(12)

上述三个方程中，LE为本文的因变量，表示样本中农户的劳动生产率；
Labori为本文的中介变量，即互联网应用对劳动力要素的偏向性技术变化，i=1,2,分别表示互联网应用在农村部门的创造效应和破坏效应；
Inte是核心解释变量，表示互联网应用；
X为影响农户劳动生产率和创造破坏作用的控制变量。α为截距，ε表示随机扰动项，β0、β1、β2、β3分别为待估计系数。

借鉴冒佩华等(2015)[45]相关文献，本文建立如下实证模型Ⅰ

LEi=ω0+α1·Intei+α2·labor+γXi+ρDi+νi

(13)

其中，Intei表示农户是否接通互联网的二元随机变量，Intei=1表示该农户接通了互联网，否则Intei=0。LE1i表示实际观测到的农户上网后的劳动生产率，LE0i表示农户未上网情况下的劳动生产率，Di为地区固定效应。又考虑到不同农户之间可能存在异质性，遂对模型Ⅰ进一步扩展，构造模型Ⅱ如下

(14)

(15)

此外，为了分析互联网应用对农村部门的创造性破坏作用，本文基于式(11)构建劳动力就业的Logit模型

Pr(labor=1)=Φ(μ0+κ·Intei+δXi+λDi+εi)

(16)

其中，在考察创造效应和破坏效应时，labor分别代表其各自的含义。待估系数α1表示互联网对农村劳动力要素配置的边际效应。

(一)互联网应用对农户劳动生产率的影响

表2为互联网应用对农户劳动生产率影响的回归结果，其中，前4列回归结果得自农村样本。可以发现，加入控制变量后互联网应用对农户劳动生产率的影响同列(1)的单变量回归一样，两者均在1%的统计水平上显著。表中的列(3)是模型Ⅱ的回归结果，列(4)为模型Ⅲ的估计结果。综合来看，从列(3)(4)可以看出，进一步考虑家庭异质性和可能存在的非线性关系后，互联网应用的估计系数依然显著为正，且在考虑非线性关系后，得到了由模型Ⅰ和模型Ⅱ所得估计系数的中间值，即互联网应用的普及每提高10%，农户劳动生产率将提高2.92个百分点，这说明在农村部门，互联网应用的确在提高农户劳动生产率方面发挥了较为显著的影响，“索洛悖论”已经得以化解(6)需要补充说明的是，本研究结论仅代表我国农村部门互联网应用的生产率效应已经化解“索洛悖论”，并不代表其未曾经历“索洛悖论”。。

表2 互联网应用对家庭劳动生产率的影响

与此同时，从控制变量的回归结果看，基本也符合预期。个体和家庭特征中，健康状况和受教育水平的系数均显著为正，表明较好的身体健康水平和较高的学历均可以显著促进家庭的劳动生产率。也就是说，在互联网背景下，即使是从事农业，不管传统农业还是现代农业，与其他因素相比较，人力资本水平对于提高农户劳动生产率都是更为重要的影响因素，这也从侧面表明了现代农业对高素质人才的迫切需求。

(二)互联网应用对农户劳动生产率的影响机制

上述研究表明了互联网应用在农村领域的确可以提高其农户劳动生产率，但对该生产率效应的发挥机制尚未探讨。基于此，本节进一步探研互联网应用在农村部门的创造性破坏效应是否存在及其究竟在互联网生产率效应中发挥什么作用。为此，本文根据前述模型设定，检验互联网应用对农户劳动生产率可能存在的作用机制。

本文通过Logit模型分别估计了对互联网应用在农村部门的创造效应和破坏效应，并通过多项Logit模型对结果进行了稳健性检验(7)限于篇幅，未将稳健性检验结果予以展示，备索。。从Logit模型可以看出，互联网应用所表现出的创造效应结果为负，且在1%的统计水平上显著，表明当前互联网应用在农村部门尚未创造足够多的就业岗位对回流劳动力产生显著的吸引作用，当前农业生产方式的变革尚未发展到足以吸引大量劳动力回流。这也表明要进一步推动农村部门的农业现代化水平，提升对劳动力回流的吸引。从控制变量来看，健康状况和受教育水平回归系数也显著为负，即已经外出的劳动力，其健康状况越好，受教育水平越高的情况下，回流到农村部门务农的概率越低。这也在一定程度上解释了为什么当前互联网应用的创造效应仍然为负。

从表3列(2)结果可以看出，互联网在农村部门表现出了显著的破坏效应，这意味着在控制其他变量不变的情况下，互联网应用在农村部门的确导致了传统农业的式微、小农经营主体的退出和就业岗位的消亡。具体来看，互联网应用可以使农村劳动力就业岗位从农业转至非农工作的概率提高13.50%。再从其他控制变量来看，劳动力的健康状况和受教育水平均可稳健显著的提高其非农就业的概率，但系数仅为0.03、0.02，也就是说，控制其他因素，劳动力的健康状况和受教育水平提高一个等级，可以使劳动力非农就业的概率提高2.2-3个百分点，与互联网应用的边际效应相比较小，可能的原因在于互联网应用造成传统农业式微的同时，也会补充提高劳动力本身的人力资本和社会资本，进而赋予了低人力资本水平的劳动力与高素质劳动力一样的向高生产率部门转移的机会。最终表现为受教育水平相对较低的边际效应，当然，这一结果也进一步证明了互联网应用在农村部门所发挥的创造性破坏作用。

本文分别将创造效应和破坏效应纳入方程，依照模型Ⅰ-Ⅲ对方程(12)进行估计，限于篇幅，本文仅在列(3)(4)展示了回归结果更为稳健的模型Ⅲ的估计结果。可以看出，加入互联网应用对就业岗位的创造效应和破坏效应之后，互联网应用对劳动生产率的回归系数仍然显著为正，表明互联网应用通过直接效应促进了农户劳动生产率的提高。具体观察创造效应和破坏效应的系数，可以发现，两者均在1%的统计水平上显著，但是前者为正向促进，后者则相反，这意味着当前互联网应用更多是通过对就业岗位的“破坏效应”促进农户劳动生产率的提高。但进一步将表3的回归结果与表2对比，会发现农村部门互联网应用的回归系数从0.29分别下降到了0.25、0.16，表明互联网应用的创造效应和破坏效应均间接影响了互联网应用的生产率效应。至此，可以确定，互联网应用的确推动了农业生产方式的变革。尽管互联网技术已经在更大范围内应用在农业农村部门，但仍未全面覆盖在农业生产经营的全部环节，因之可以推断，农业农村部门化解“索洛悖论”的途径更多的是通过劳动力不断地从传统农业部门向现代农业部门转移而实现的。这也与刘易斯劳动力无限供给模型的结论相一致，即劳动力从农村部门向城市部门的转移，将有效提高农村部门的劳动生产率[48]，至此，前述命题得到论证。

表3 互联网应用在农村部门的创造效应

(三)稳健性检验

1.内生性检验

由于前述模型均需要满足条件期望独立假定(CMI)，也就是说需要保证，在控制了相关的控制变量后，农户对互联网应用的选择与农户劳动生产率是无关的。但在本文中，农户是否拥有互联网可能属于非随机的“自选择行为”。这就需要在实证中排除可能存在的“自选择”问题。本文借鉴冒佩华等(2015)[45]的处理方法，在平均处理效应的分析框架下，尝试用倾向得分匹配方法(PSM)来克服“自选择”问题。

运用倾向得分匹配得到稳健估计的前提是各协变量经过匹配之后得到的处理组和控制组两组样本之间不存在系统性差异。本文分别用k阶近邻匹配、半径匹配和核匹配(8)k阶近邻匹配中k=3，半径匹配中卡尺ε≤0.25σpscore=0.06，并用不同参数做了稳健性检验。三种匹配方法进行检验，发现匹配后大多数t检验的结果均不显著，表明接受了处理组与控制组无系统性差异的原假设(9)限于篇幅，此处未报告平衡性检验结果，备索。。表4即为本文经过K阶近邻匹配、半径匹配和核匹配之后得到的估计结果。可以发现三种匹配方法得到的估计值均在1%的统计水平上显著，且由不同匹配方法得到的估计值符号一致，大小相当，与前文基准回归结果基本保持一致，这表明，即使考虑了内生性问题，即使通过不同的匹配方法进行估计，前述回归结果仍然稳健。

表4 倾向得分匹配的估计结果

2.异质性分析

前文实证结果表明，互联网应用可显著促进农户劳动生产率的提高，直观上来讲，该生产率效应是否与互联网应用参与者多属高劳动生产率家庭有关，仍需进一步分析。也就是说，如果条件分布不是对称分布的话，则前述模型的条件期望很难反应整个条件分布的全貌。基于此，本文借鉴程名望等(2015)[49]的处理方法，通过分位数回归方法考察互联网应用在不同劳动生产率家庭中的具体影响，这使本文对条件分布有更全面的认识。

本文选取0.10、0.25、0.50、0.75、0.90等五个分位点为代表进行对比分析，以区分农户劳动生产率的不同水平，回归结果如表8所示。列(1)是前述回归模型中的均值回归，后面列(2)-(6)分别对应不同分位点的回归结果。可以看出，互联网应用对不同分位点的农户劳动生产率都有显著正向影响，表明互联网应用对不同劳动生产率水平农户的促进作用都是显著的。且对比列(2)-(6)结果可以发现，互联网应用对农户劳动生产率的条件分布的高分位点部分的影响小于其对低分位点部分的影响，也就是说，推动互联网应用，对于本身高劳动生产率的家庭影响相对较小，而最受益的是劳动生产率较低的家庭，这也体现了推动农村部门互联网应用的必要性。进一步比较列(1)与列(4)回归结果，可以看出前述回归模型所得结果与中位数回归的结果最为接近，表明前述实证结果并没有受到农户劳动生产率水平高低的影响，进而验证了结果的稳健性。

表5 互联网应用对农户劳动生产率的异质性影响

上述回归分析仅是五个分位点上的结果，虽然可以很好的代表不同的劳动生产率水平，但并不能全面体现解释变量在全部分位点上的边际贡献情况。基于此，本文在图2中展示了诸解释变量在全分位点上的边际贡献变化情况。其中，横轴表示分位数，纵轴代表各变量的分位数回归系数，即对农户劳动生产率的边际贡献率，最小和最大分位数取值5和95，增量为2.50，直实线表示OLS回归系数，虚线表示置信带，弯曲的实线为分位回归系数，阴影为其置信带(10)由于系数估计值的标准误在两端变大了，因此在条件分布的两端置信区间通常变得更宽了。。从图2可以看出，随着分位数的增加，前文(表2)分析中显著的各变量图形起伏明显，表明各变量在各分位上的估计系数变化明显。具体看互联网应用的回归系数，可以发现互联网应用对较低劳动生产率的影响大于对较高劳动生产率的影响，总体而言，互联网应用显著促进农户劳动生产率的提高，从而验证了本文实证结果的稳健性。

图2 全分位回归系数及变化

表6 中介效应检验结果

3.中介效应检验

本节将通过Sobel检验方法和自举法(Bootstrap)对中介变量的中介效应进行检验。从Sobel检验的结果来看，P值小于0.05，互联网应用的破坏效应所产生的间接影响在其总效应中占比为14.53%。进一步用Bootstrap检验法对中介效应进行稳健性检验。可以看出，由Bootstrap得到的间接效应的置信区间为[0.03-0.07]，不包含0，说明中介效应成立，因而进一步证明了前文分析的稳健性。同样通过Sobel和Bootstrap方法对互联网应用的中介作用进行检验。从表中可以看出，这一结果也进一步佐证了本文的推断与结论，即互联网应用通过其对农村部门的创造性破坏作用间接影响了互联网的生产率效应，只是当前互联网应用的创造效应尚未对回流劳动力产生显著的吸引作用，其对农村部门的创造性破坏机制，仅通过农村劳动力向城市部门转出这一单一方向来实现要素配置的优化目标，这也反映了当前农业现代化水平还有很大的提升空间。有必要借助互联网创造效应，提高农产品供求匹配的精准性，优化农业生产经营方式，从而进一步提高农户劳动生产率水平。

随着中国农村互联网应用普及率的不断提高，其对农户劳动生产率的影响越来越引起多方关注。基于此，本文着眼于农村部门，从新结构经济学的分析视角出发，重点考察互联网应用的结构性影响，通过对互联网应用生产率效应直接影响和间接影响的分离，以及采用中介效应模型、Logit模型和分位数回归等方法对互联网创造性破坏机制的实证分析，得到主要结论如下：第一，互联网应用在中国农村部门通过直接和间接影响两个路径化解了“索洛悖论”；
第二，互联网应用通过对就业岗位的创造性破坏机制对农户劳动生产率产生了间接影响，但与ICT资本密集型部门不同，在农村部门互联网应用对农户劳动生产率的间接影响仅属次要地位，表明互联网应用在农村部门的间接效应仍需进一步挖掘；
第三，与破坏效应相比，互联网的创造效应当前在农村部门并不明显，表明当前中国农村的现代农业发展仍有较大空间，回流劳动力施展空间仍然有限，同时也彰显了互联网应用在农村部门生产率效应的潜力。也就是说本文研究发现不仅直接效应和间接效应是结构性的，而且创造效应和破坏效应也是结构性的，此类结构性的变化会对农业农村的禀赋结构产生影响，尤其会通过提升和改变劳动力的质量与分布对农户劳动生产率产生实质影响。因此，需要进一步推动互联网等信息技术在农村部门的深入应用，这对于提高农户劳动生产率，防止被城市淘汰劳动力的内卷化，优化劳动力市场都具有重要意义。

本文的研究结论对我国提高农户劳动生产率的路径选择具有明确的政策启示：其一，提高农户对互联网应用于农业生产的认知水平，继续发挥互联网应用对农户劳动生产率的直接作用。应该通过入户宣传，强化技术推广人员与农户、村干部的联系，引导农户农业生产从传统农业生产向现代农业生产方式转变，实现由点及面的“互联网+农业”。其二，依照劳动力实际需求，完善技术培训内容，制定针对回流劳动力的帮扶政策。互联网应用通过劳动力要素对农户劳动生产率的间接影响，当前在农村部门并不占主导地位，还有较大的空间可以发挥，因此在推动互联网应用的过程中，尤其要关注其对劳动力要素的影响，充分发挥(从城镇)回流(农村的)劳动力的人力资本，继续推动互联网应用直接效应的同时也要加强对互联网应用间接效应的挖掘。其三，鼓励支持专业大户、家庭农场、合作社和农业企业等现代农业组织的发展，为应对互联网应用的创造性破坏机制做好充分准备。互联网应用创造出的新岗位与破坏的旧岗位在数量和质量上的不对等，是当前劳动力市场中亟需解决的关键问题。地方政府应为农村部门破坏效应所淘汰的劳动力提供就业岗位，这是适应科技浪潮，推动数字经济健康发展的重要突破口。其四，加大农村互联网应用的基础设施投资，扩大农村网络覆盖范围。与城市部门相比，农村部门当前仍部分存在信息孤岛现象，应加强对农村部门的ICT资本投资，着力解决互联网应用“最后一公里”的问题。

猜你喜欢劳动生产率劳动力要素2020年河南新增农村劳动力转移就业45.81万人今日农业(2021年1期)2021-03-19广东：实现贫困劳动力未就业动态清零今日农业(2020年24期)2020-12-15掌握这6点要素，让肥水更高效当代水产(2020年4期)2020-06-16中国劳动生产率及其区域差异的时空演变*区域经济评论(2019年6期)2019-11-19应该重视提高我国服务业劳动生产率中国发展观察(2018年11期)2018-06-21观赏植物的色彩要素在家居设计中的应用现代园艺(2017年22期)2018-01-19论美术中“七大要素”的辩证关系河北书画研究(2017年1期)2017-08-22中国劳动生产率增速远超世界平均水平人力资源(2016年10期)2016-11-30中国劳动生产率仅为美国的7.4%中国经济周刊(2016年38期)2016-09-29也谈做人的要素山东青年(2016年2期)2016-02-28

推荐访问:互联网 劳动生产率 农户