《表4 评价指标权重值：贸易成本、农业生产率与中国农产品进口》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《贸易成本、农业生产率与中国农产品进口》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:***、**和*分别表示在1%、5%和10%的置信水平上显著，（）中数字为稳健标准误，[]内数字为P值，Wald Test of Exogeneity检验模型是否存在内生性。

本文模型可能存在反向因果，即我国农产品进口比例可能影响双边贸易成本和贸易伙伴的生产率，以及遗漏变量的问题，进而造成回归估计结果的不一致。为了缓解内生性问题的影响，本文采用IV-Tobit （Instrumental Variable Tobit）方法对模型重新进行估计。为了有效识别贸易成本和农业生产率对我国农产品进口的影响，本文使用地理距离和专利申请数量作为工具变量进一步分析，其中地理距离数据来自CEPII数据库，专利申请数量来自世界知识产权组织（WIPO）。对于贸易成本而言，工具变量需满足与贸易成本相关，同时对我国农产品进口的影响仅通过贸易成本起作用。贸易成本是指除生产成本之外，消费者为获得商品所支付的所有成本，包含运输成本、信息成本、边境成本和语言成本等（Anderson and van Wincoop，2004）。地理距离主要反映运输成本的高低，并通过贸易成本影响双边贸易，距离越远，运输成本越高，贸易成本越大。对于农业生产率而言，影响生产率的因素众多，且主要依靠资本、土地和劳动力等要素投入来提高生产率的方式已然不可持续，宏观知识资本是国家创新发展的重要支撑，亦是提高全要素生产率的核心要素（程惠芳和陈超，2017）[49]。参考程惠芳和陈超（2017）的做法，本文采用各国（地区）专利申请数量作为宏观知识资本的代理变量，专利申请数量越多，表明一国的科研技术水平相对更高，进而能有效促进全要素生产率的提升。估计IV-Tobit有两种方法，分别是最大似然估计（MLE）和两步法。尽管MLE最有效率，但如果模型存在多个内生解释变量的情况，在数值计算时可能不易收敛。因此，本文使用的是Newey和West （1987）[50]提出的两步法进行IV-Tobit回归。回归结果详见表4。