尹朝静

(华中农业大学 a.经济管理学院; b.湖北农村发展研究中心， 湖北 武汉 430070)



科研投入、人力资本与农业全要素生产率

尹朝静

(华中农业大学 a.经济管理学院; b.湖北农村发展研究中心， 湖北 武汉 430070)

采用中国1997—2012年的省际面板数据，在运用永续盘存法测算出农业科技存量，同时考虑农村劳动力流动对农村人力资本影响的基础上，采用固定效应模型实证检验了农业科研投入和农业人力资本对农业全要素生产率的影响。研究发现，农业科研投入能够显著促进农业全要素生产率的提高，而农业人力资本对农业全要素生产率的促进作用并不显著。另外，城市化进程和农业贸易条件对农业全要素生产率具有显著的促进作用，而农业外商直接投资、农业结构调整和受灾率显著降低了农业全要素生产率。

农业科研投入； 农业人力资本； 农业全要素生产率； 农业FDI； 农业结构

一、引言

自改革开放以来，中国经济获得高速发展，其成就和速度堪称世界经济增长史上的奇迹。而这一时期，农业也取得了突出成就，为工业化作出了巨大贡献*通常认为农业对经济发展有4种形式的贡献，即产品贡献、要素贡献、市场贡献和外汇贡献。，农业在经济发展过程中的基础作用得到充分发挥。然而，一些经济学家认为中国经济的快速增长主要依靠要素累积而非技术进步推动，并且这种“粗放型”的生产方式在农业领域同样明显[1-3]。新经济增长理论认为科技投入和人力投资是提高全要素生产率(Total Factor Productivity，TFP)的两大增长动力，并能带动经济的持续增长。近年来，中央一号文件也多次强调“加快推进现代农业建设，不断提高农业综合生产能力，必须尽快转到依靠科技进步和提高劳动者素质上来”。可见，加大农业科研投入、提高农村人力资本对于实现农业经济可持续发展具有重要意义。

当前，学术界关于科研投入的研究主要包括科研投资效率、产出弹性的测算以及科研投入对生产率的影响等方面[4-8]。不难发现，由于研究对象、研究方法的不同，关于科研投资对生产率影响的研究并未得到一致的结论，也表明进一步探讨农业科研投入对农业生产率的影响具有重要的现实意义。

同工业领域相比，农业领域中关于科研投入的研究则比较少，主要原因是受到数据可获取性的制约。早期的研究集中在分析农业科研投入的效率，继而提出优化区域间资源配置效率的建议[9-11]。然而，前期的研究通常采用流量指标，忽略了科研知识的积累和折旧。有学者逐渐考虑科研知识的特点，开始估算农业科技存量，并重点考察农业科研投入对农业生产的贡献。例如，李强和刘冬梅[12]采用面板数据估算了全国各省农业科技存量，并测算出农业科研投入的产出弹性估计值为0.05～0.07。另外，肖小勇、李秋萍[13]在测算分省农业科技资本存量的基础上，纳入空间因素分析农业科技对农业生产的影响，结果表明农业科技存量对农业生产的贡献率达到11.46%。而Alston和Andersen等[14]在纠正计算回报率方法的基础上，测算出美国农业科研投资回报率为9%～10%，这一测算结果与一般研究结果相比偏小。

在关于农村人力资本的研究中，Benhabib和Spiegel[15]对人力资本如何促进全要素生产率提高的理论机制进行了详细的阐述，但实证分析层面，针对农村人力资本与农业全要素生产率关系的研究并不多。李谷成、韩海彬等[16-17]学者们实证检验了农村人力资本对农业生产率的作用，但他们的研究未得出一致结论。值得注意的是，这些研究并未考虑农村劳动力转移对农村人力资本造成的影响。不考虑农村劳动力流动，实际上会夸大农业劳动力人力资本的作用，这也可能是造成相关研究结论并不一致的原因。

总的来看，上述文献对于丰富农业全要素生产率研究体系，并对其展开进一步研究具有重要价值，但这些研究仍存在不足。已有探讨农业科研投入与农业全要素生产率关系的研究仍比较少，且研究农业全要素生产率影响因素时通常将农业科研投入和农业人力资本人为地分开。基于此，本文采用1997—2012年省级面板数据，使用永续盘存法估算农业科研存量，并考虑了农村劳动力流动对农村人力资本的影响，从而将农业科研投入和农业人力资本引入统一的分析框架，通过固定效应模型实证检验农业科研投入和农业人力资本对农业全要素生产率的影响，以期能为制定提高农业技术水平、转变农业经济增长方式的政策提供参考依据。

二、农业科研投入、人力资本与农业全要素生产率的测算

(一)模型构建

本文首先通过建立一个类似C-D生产函数的知识产出函数，测量农业科研投入对农业TFP变动的作用，其中农业TFP为产出变量。

(1)

(1)式中，TFPit表示省份i在t时期的农业全要素生产率，ARDit表示农业科研投入，Xit，n表示影响农业TFP的其他因素，n=1，2，…，p分别对应除农业科研投入之外的其他p种因素。对(1)式取自然对数，可以得出：

(2)

新经济增长理论将R&D投资和人力资本内生化，认为增加R&D投入或者强化对教育和学习的投资都能促进技术进步，可以推动经济增长。因此，我们将农业科研投入和农业人力资本同时纳入知识生产函数模型，从而得到式(3)：

(3)

式(3)中AHit表示省份i在t时期的农业人力资本投入，用来衡量农村教育和学习投资对农业全要素生产率的影响。

农业全要素生产率受到多因素综合影响，包括外商直接投资、城市化、农业结构调整以及受灾率等[18]。此外，李谷成[19]的研究认为中国农业经济增长深受制度变迁的影响。考虑到制度因素很难量化以及数据的可获取性，根据已有研究，本文选取农业财政支出和农业贸易条件衡量制度变迁的作用。将这些农业TFP的影响因素作为控制变量，形成最终的计量模型：

lnTFPit=β0+β1lnARDit+β2lnAHit+β3lnFDIit+β4lnAFit+β5lnURit+β6lnPRit+β7lnASit+β8lnDRit+fi+εit

(4)

其中，ARDit表示农业科研投入，AHit表示农村人力资本投入，FDIit表示外商农业直接投资额，AFit表示农业财政支出，URit表示城市化率，PRit表示农业贸易条件，ASit表示农业结构调整系数，DRit表示受灾率;fi表示非观测的个体固定效应，εit表示随机误差项。

(二)农业全要素生产率的测算

本文采用经典的DEA-Malmquist指数方法测算出各地区农业全要素生产率增长、技术效率变化和技术进步。与随机前沿函数方法相比，DEA-Malmquist生产率指数方法无需设定生产函数，从而可以有效避免因误设函数导致的偏误。由此，本文假设农业生产是规模报酬不变的，并采用投入导向型的DEA模型，通过DEAP2.1软件测算出Malmquist生产率指数及其分解部分。需要说明的是，使用DEA测算的农业全要素生产率指数是以上年为100的环比变动指数，论文将其转化为1996年为100的累积增长指数作为实证模型的被解释变量。

本文在核算农业全要素生产率时采用的投入产出变量具体为：农业产出变量采用1997年不变价的农业生产总值，单位亿元；投入变量包括劳动、土地、化肥等要素投入。劳动投入指农林牧渔业从业人员数，单位万人；土地投入为农作物总播种面积，单位千公顷；农业机械投入为农业机械总动力，单位万千瓦；化肥投入指实际用于农业生产的化肥折纯量，单位万吨；灌溉投入为每年实际的有效灌溉面积，单位千公顷。最终形成1997—2012年省级面板数据，所用数据源自《中国统计年鉴》《中国农业年鉴》等官方统计年鉴资料。

(三)核心解释变量及数据来源

1.农业科研投入存量

农业科研投入对农业生产的作用具有滞后效应，不能简单地以流量数据来衡量，而存量指标更能刻画出知识的累积和折旧。参考对农业科研投入存量估计的相关研究，本文使用永续盘存法(PerpetualInventoryMethod，PIM)对农业科研存量进行估算，将过去农业科研支出累积形成的存量累加成农业科技存量：

(5)

Rt=Et-1+(1-δ)Rt-1

(6)

由公式(6)可知，计算农业科研存量要处理4个问题：(1)确定农业科研支出数额。现有公开统计资料没有分省农业科研支出的数据，本文通过调整分地区科研支出获取。分地区的科研支出数据主要来源于《全国科技经费投入统计公报》(1998—2013)，缺失1997年的数据通过《中国科技统计年鉴》补齐。具体借鉴李强[12]的做法，使用调整系数，通过将全国农业科研支出*《中国科技统计年鉴》并未公布2008年后的全国农业科研支出，2009—2012年的全国农业科研支出采用灰色系统进行预测，模型预测值和实际值偏差极小，其后验差检验数C=0.12小于0.35，表明模型精度为优。与科研总支出的占比和各地农业产值在地区生产总值的占比进行加权，将全国农业科研支出占科研总支出比例和各地区农业总产值占地区生产总值比例的权重均设为0.5，从而确定分省农业科研支出。(2)计算农业科研支出价格平减指数。借鉴李强[12]的做法，用消费者价格指数及固定资产投资价格指数的加权组合作为农业科研价格平减指数，并将权重分别设为0.5，进而得到以1997年指数为100的不变价格指数。(3)确定农业科研资本折旧率。已有文献对农业知识存量折旧率的讨论十分有限，论文根据Coe和Helpman[21]及吴延兵[5]的研究，将农业科研资本折旧率设定为15%。(4)确定基期农业科研投资的知识存量。本文借鉴Coe等[21]的做法估算基期农业科研投资知识存量：R0=E0/(g+15%)，其中，15%为折旧率，g表示农业科研支出和农业科技存量的平均增长率。参照肖小勇等[13]的数据处理方法，g使用1997—2012年农业科研支出的算术平均增长率替代。

2.人力资本测算

农村人力资本的累积是农村教育、培训、医疗保健以及劳动力流动等多种因素综合作用的结果，直接度量难度很大，往往需要找一些代理变量来近似地表征。传统的做法采用农村劳动力受教育年龄来度量农村人力资本，而未考虑农村劳动力大量转移到非农产业的实际情况，但事实上农业存在人力资本流失的现象。转移到非农产业的农村劳动力很可能没有参与或较少的参与农业生产，将农村劳动力等同于农业劳动力，就不能真正反映农业生产的实际人力资本投入状况。因此，只有测算出农业生产所使用的真实人力资本水平，才能准确地判断农村人力资本对农业生产率的影响。本文借鉴刘宁[22]的做法，测算出各地区从事农业生产劳动力的人力资本水平。通过以下公式计算农业劳动力的人力资本：

(7)

其中，Pai=(Pri×Lr-Pti×Lt)/La×100

(8)

式中Ha代表农业劳动力的人力资本，Hi表示接受某阶段教育的年限，Lr、La、Lt依次为农村劳动力、已转移劳动力、农业劳动力数量，Pri、Pai、Pti依次为农村、农业及转移劳动力中某类受教育者的比重。

具体做法按照刘宁对农业人力资本的估算方法进行测算，数据来自于《中国农村统计年鉴》，缺失数据通过必要的推算补齐[22]。较高的农业人力资本能提高劳动者使用物质资本的效率，有助于推动新知识、新技术的发展和传播，进而提高农业全要素生产率。然而，伴随着中国城市化和工业化进程，农村大量劳动力转移到城市和非农产业，从而导致农村总体的农业劳动力人力资本累积减少。因此，农业人力资本与农业TFP增长之间的关系有待进一步检验。

(四)控制变量及数据来源

(1)外商直接投资(FDI)。由于缺乏与外商农业直接投资额相关的统计数据，实证分析中对数据进行了相关处理。具体的做法是用以美元表示的各省外国直接投资额作为基础指标，首先按历年汇率将其换算为以人民币计价的FDI。接着，将其乘上各省份农林牧渔业总产值在国民生产总值的比重，便得到各省的农业FDI，再利用1997年为基期的农林牧渔业总产值指数对其进行平减，从而得到各省份农业实际的外商直接投资额。农业领域中外商直接投资的增加能带来更多先进的农业技术和产品，带动本国农业的模仿和学习能力，从而有可能促进农业技术进步和农业发展。

(2)农业财政支出(AF)。采用政府对农业的财政支出额表示，衡量某地区政府对农业生产的支持力度。政府加大对农业的财政支出，有助于农业生产条件的改善，对农村经济发展有着重要意义。

(3)城市化(UR)。采用各省城镇人口占各省总人口的比重表示。一方面，城市化导致农村劳动力和人口的转移，农业耕地减少；另一方面，城市化却能促进农业产业化和现代化。

(4)农业贸易条件(PR)。采用1997年不变价的农产品收购价格指数与农业生产资料价格指数之比表示。从而，综合考察农产品提价等价格改革以及农业投入品价格变动对农民所产生的激励效果，这是衡量“剪刀差”的理想指标。

(5)农业结构调整(AS)。使用粮食作物播种面积与农作物总播种面积比值表示，用来刻画各省农业种植结构是否朝着比较优势方向发展。值得注意的是，此处的农业为狭义概念上的小农业，专指种植业。农业内部种植业结构的不断调整，将会对农业全要素生产率造成影响。

(6)受灾率(DR)。采用受灾面积占农作物播种面积的比重表示，农业对气候变化十分敏感，并且农业生产的产出效果也深受自然灾害的影响。

通过对比词库研究发现，日语IT新词中外来语改造词所占的比例并不高，仅占4.8%。这一结果与IT新词基本采取了音译吸收有直接关联，说明绝大多数日语IT新词在遵循原词词义的基础上，通过音译的形式被引进到本国语言中并被迅速加以运用。这一现象与明治时期引入西方各种学术概念时的情形有所不同，当时学术用语中曾出现了大量的外来语改造词(王鸣2006:86)。由此可见，日语在IT新词的吸收上，表现得更为直接和高效。

(五)描述性分析

考虑到西藏特殊的资源条件及统计数据的不完整，本文没有包括西藏，最终论文所使用的数据为1997—2012年中国大陆30个省(市、区)的平衡面板数据*考虑到数据可得性及研究意义等，本文实证分析中没有中国台湾、香港和澳门地区，这仅限于学术处理。。表1报告了主要变量的统计特征。通过对标准差、最大值及最小值之间的比较可以发现，不同省份之间各个解释变量具有较大差距，表现出显著的区域差异性。各省区农业全要素生产率和农业技术进步的均值较为接近，而效率变化的均值同农业全要素生产率的均值存在一定差距，一定程度上说明农业全要素生产率增长更多受农业技术进步的影响，而并非技术效率的改善。此外，方差、最大值与最小值统计同样表明各省区在农业全要素生产率、农业技术进步及效率变化上具有明显的差距。

表1 变量统计特征

为了与计量模型保持一致，同时消除异方差，本文对所有变量取自然对数。另外，为了避免“伪回归”，确保结果的有效性，本文采用LLC方法对所有变量进行了单位根检验。表2为各变量的单位根检验结果，所有变量都在1%水平上显著，表明面板数据在整体上是平稳的。此外，计算各解释变量的“方差膨胀因子”(Variance Inflation Factor，VIF)，取值区间为[1.18，2.43]，最大的VIF为2.43远小于10，所以不存在多重共线性。

最后，通过图1直观描绘了农业科研投入和农业人力资本与农业全要素生产率之间关系的二维散点图以及各自的回归拟合趋势线。由图1可知，农业科研投入与农业全要素生产率之间存在较明显的正相关关系，而农业人力资本与农业全要素生产率的关系并不明确。通过图1初步推测出农业科研投入、农业人力资本与农业全要素生产率的关系，但更有意义的结果必须通过更加严谨的计量分析才能得出。接下来，本文将以30个省(市区)1997—2012年的面板数据为样本，实证检验农业科研投入和农业人力资本对农业全要素生产率及其分解的影响，并探讨其背后的作用机制。

表2 单位根检验

图1 农业科研投入、农业人力资本与农业全要素生产率的关系

三、农业科研投入和人力资本对农业全要素生产率的影响

(一)影响分析

考虑到农业财政支出(AF)、城镇化(UR)、农业结构调整(AS)在现实中存在相关性，在实证过程中论文剔除农业财政支出(AF)对农业全要素生产率的影响。本文以式(4)为基本实证模型，使用Stata13.0软件分别采用混合最小二乘法(Pooled Least Square，PLS)、固定效应(Fixed Effect，FE)和基于广义二乘估计(GLS)的随机效应(Random Effect，RE)模型得出我国30个省际样本数据的面板回归结果，见表3。由表3可知，F检验的P值为0.0000，故拒绝原假设，说明个体效应十分显著，FE模型更优于混合回归。另外， Breusch-Pagan LM检验结果表明RE优于混合回归，因而拒绝混合回归。最后，通过Hausman检验判断采取固定效应还是随机效应模型，P值为0.0013，表明拒绝原假设，应该选择固定效应模型，而非随机效应模型。

因此，本文最终采用固定效应模型的回归结果。由表3可知，农业科研投入对农业全要素生产率的弹性系数为0.1761，且通过1%水平上的显著性水平检验，表明农业科研投入对农业全要素生产率具有显著的促进作用，这与图1中所显示的关系趋势相符。

表3 农业科研投入、农村人力资本对农业全要素生产率影响的回归结果

注：圆括号内数值为回归系数的标准误，方括号内数值为相应检验统计量的P值;***、**和*分别表示在1%、5%和10%的显著性水平; FE和RE分别表示固定效应和随机效应;F检验的零假设是个体效应不显著，Breusch-Pagan LM检验的零假设是误差项独立同分布，若拒绝零假设则说明存在随机效应，Hausman检验的零假设是FE和RE的估计系数没有系统性差异。

农业人力资本对农业全要素生产率弹性系数为0.0949，表明农业人力资本对农业全要素生产率具有正向影响，但其并未通过在1%水平上的显著性检验。主要的原因在于伴随城市化、工业化进程，大量农村剩余劳动力转移到非农产业，这部分农村劳动力在城市就业能获取比在农村务农更高的收入。而这部分能在城市获取就业机会的农民往往具有更高的受教育程度，且以青壮年居多。农村劳动力不断向非农产业转移，导致农业人力资本不断流失，影响了农业全要素生产率的提高。

另外，控制变量中城市化进程和农业贸易条件对农业全要素生产率都具有正向的影响，并且都通过了1%水平上的显著性检验。城市化进程显著提高了农业全要素生产率，表明城市化进程加快有利于提高农业全要素生产率。农业贸易条件对农业全要素生产率具有促进作用，表明农业贸易条件的逐渐改善有助于农业全要素生产率的提高。另一方面，农业外商直接投资、农业结构调整系数和受灾率对农业全要素生产率均呈显著的负向影响。其中，农业外商直接投资显著抑制了农业全要素生产率。这一结论与孟令杰等[23]的研究结论比较一致。主要的原因在于农业外商直接投资较国内农业投资具有资本、技术、规模等方面的优势，在对我国农业进行投资时，通常不会选择“绿地”投资，而是更倾向参与对现有农业资源的竞争。这导致投资农业生产的内资逐渐减少，加之我国政府对外商投资还有优惠政策，诸多条件均不利于提高农业生产率。农业结构调整显著抑制了农业全要素生产率，可能原因是我国农业种植结构并未按照比较优势来调整，这或许与中央政府优先确保粮食安全的国家战略密切相关。受灾率同样抑制了农业全要素生产率。

(二)稳健性检验

为了保证本文实证结果的稳健性，排除异常样本点对结论的影响，本文通过以下方法找出异常样本：首先，计算样本期内各省市农业科研投入和农业人力资本的均值以及两个变量的10%和90%分位数值；然后，将样本中农业科研投入(农业人力资本)的均值低于农业科研投入(农业人力资本)10%分位数值和高于90%分位数值的省区剔除，得到25个*被剔除掉的异常样本点包括北京、海南、四川、青海以及宁夏5个省市。省市样本，并对其进行回归(见表3)。结果表明，回归方程中核心解释变量的系数、符号及显著性水平并未明显变化，因而模型回归结果是比较稳健的。

四、转变农业生产方式的路径选择

本文使用1997—2012年省际面板数据，在估算全国各省农业科技存量的基础上，考虑农村劳动力流动对农业人力资本的影响，进而将农业科研投入和农业人力资本因素纳入统一分析框架，对农业科研投入、农业人力资本和农业全要素生产率进行实证分析。研究发现：(1)农业科研投入显著提高了农业全要素生产率，而农业人力资本对农业全要素生产率促进作用并不显著；(2)城市化进程和农业贸易条件对农业全要素生产率都具有正向的影响，而农业外商直接投资、农业结构调整系数和受灾率均显著抑制了农业全要素生产率。

研究结论具有明显的政策含义，即提高农业全要素生产率，转变农业生产方式可从加大农业科研投入和提高农业人力资本两方面着手。在增加农业科研投入方面，不仅要发挥政府在农业科研投入中的主导作用，同时要营造优越的农业科研投资环境，鼓励社会、私人资本进入农业科研领域，努力提高农业的科技含量。在提高农业人力资本方面，政府应该大力培育新型职业农民，重点鼓励和支持大学生尤其是农业院校毕业的大学生从事农业生产，培育新型职业农民，造就高素质的新型农业生产经营者队伍。同时，可以通过培育农业新型经营主体的方式，提高劳动力、土地、资本等要素的综合效率，达到促进农业稳定发展的目的。

[1]郑京海，胡鞍钢，ARNE BIGSTEN. 中国的经济增长能否持续？——一个生产率视角[J]. 经济学(季刊)，2008，7(3):777-808.

[2]毛其淋，盛斌. 对外经济开放、区域市场整合与全要素生产率[J]. 经济学(季刊)，2011，11(1):181-209.

[3]刘燕妮，任保平，高鹏. 中国农业发展方式的评价[J]. 经济理论与经济管理，2012(3):100-107.

[4]吴延兵. 中国地区工业知识生产效率测算[J]. 财经研究，2008(10):4-14.

[5]吴延兵. 中国工业R&D产出弹性测算[J]. 经济学(季刊)，2008，7(3):869-890.

[6]张海洋.R&D两面性、外资活动与中国工业生产率增长[J]. 经济研究，2005(5):107-117.

[7]李小平，朱钟棣. 国际贸易、R&D溢出和生产率增长[J]. 经济研究，2006(2):31-43.

[8]NADIRI M I, KIM S. International R&D spillovers, trade and productivity in major OECD countries[R]. National Bureau of Economic Research, 1996.

[9]张玉梅，游良志，刘凤伟. 中国农业科研投资区域分配及其经济效率研究[J]. 中国科技论坛，2009(6):115-119.

[10]李锐，李子奈. 我国农业科研投资效率的研究[J]. 管理科学学报，2007，10(4):81-89.

[11]周宁，陈超. 中国农业科研投资效率的区域研究[J]. 农业技术经济，2009(2):26-30.

[12]李强，刘冬梅. 我国农业科研投入对农业增长的贡献研究——基于1995—2007年省级面板数据的实证分析[J]. 中国软科学，2011(7):42-49.

[13]肖小勇，李秋萍. 农业生产：科技存量与空间溢出——基于1986—2010年空间面板数据的分析[J]. 中国经济问题，2014(1):43-50.

[14]ALSTON J M, ANDERSEN M A, JAMES J S. The economic returns to US public agricultural research[J].American Journal of Agricultural Economics, 2011, 93(5): 1257-1277.

[15]BENHABIB J, SPIEGEL M M. The role of human capital in economic development evidence from aggregate cross-country data[J]. Journal of Monetary Economics, 1999, 34(2): 143-173.

[16]李谷成. 基于转型视角的中国农业生产率研究[D]. 武汉：华中农业大学经济管理学院，2008.

[17]韩海彬，赵丽芬，张莉. 异质型人力资本对农业环境全要素生产率的影响——基于中国农村面板数据的实证研究[J]. 中央财经大学学报，2014(5):105-112.

[18]邓宗兵. 中国农业全要素生产率增长及影响因素研究[D]. 重庆：西南大学经济管理学院，2010.

[19]李谷成. 中国农村经济制度变迁、农业生产绩效与动态演进——基于1978—2005年省际面板数据的DEA实证[J]. 制度经济学研究，2009(3):20-54.

[20]STONE. Evolution and diffusion of agricultural technology in China[M]. Washington D. C.: Smithsonian Institute Press, 1990.

[21]COE D T, HELPMAN E. International R&D spillovers[J]. European Economic Review, 1995, 39(5): 859- 887.

[22]刘宁. 农村人力资本流失的区域农业增长效应研究——基于13个粮食主产省区的面板数据[J]. 人口与经济，2014(4):23-32.

[23]孟令杰，李新华. FDI对我国农业全要素生产率的影响研究[J]. 农业经济与管理，2014，23(1):12-20.

Agricultural R&D, Human Capital and Agricultural Total Factor Productivity

YIN Chao-jing

(a.EconomicsandManagementCollege;b.CenterforHubeiRuralDevelopment,HuazhongAgriculturalUniversity,Wuhan430070,China)

This paper uses Chinese provincial panel data from years 1997 to 2012, employing the perpetual inventory method(PIM) to estimate an agricultural R&D. Considering the impact of rural labor migration on rural human capital and adopting the fixed effect model(FE) to test the effect on agricultural total factor productivity (TFP) of agricultural R&D and agriculture human capital empirically. The results show that agricultural R&D investment has a significant positive impact on agricultural TFP, agriculture human capital has a positive impact on agricultural TFP, but not significant. Besides, urbanization and terms of agricultural trade have significant positive impact on agricultural TFP, while foreign direct investment, structure adjustment and disaster ratio in agriculture have negative impact on agricultural TFP.

agricultural R&D; agriculture human capital; agricultural TFP; agricultural FDI; agricultural structure

2016-12-15

10.7671/j.issn.1672-0202.2017.03.003

国家自然科学基金(71273103,71473100)；国家自然科学基金国际合作项目(71461010701)；教育部人文社会科学研究青年项目(12YJC790036)；国家万人计划中组部青年拔尖人才支持计划项目(2015-48-2-50)

尹朝静(1989—)，男，四川内江人，华中农业大学经济管理学院博士研究生，主要研究方向为农业技术经济。E-mail:yinchaojing@163.com

F323.5

A

1672-0202(2017)03-0027-09