【文献分享】数字高速公路与农业绿色生产率——来自中国县域面板数据的证据

摘要

农业绿色转型是农业可持续与环境友好发展的核心要求。尽管中国数字化进程快速推进，但关于数字基础设施建设如何影响农业绿色转型的实证证据仍较为有限。本文基于2014—2021年中国1535个县域面板数据，检验数字基础设施建设对农业绿色转型的推动作用。研究采用超效率SBM–GML模型测算农业绿色全要素生产率（AGTFP），并与OpenCelliD基站数据进行匹配；通过双向固定效应模型、份额移动工具变量法与双重机器学习方法，识别数字基础设施对农业绿色生产的影响。结果显示：数字基础设施水平每提升1%，农业绿色全要素生产率提升0.023个单位。机制分析表明，该提升主要通过绿色技术进步、本地创业创新与区域协同创新三条路径实现。异质性分析发现：数字基础设施对农业绿色全要素生产率的正向作用在西部地区显著、非粮食主产区更突出、内陆地区显著、沿海地区不显著。研究证实，扩大数字基础设施建设可加速农业绿色转型，为农业可持续发展政策制定提供实践依据。

研究背景

从全球视角来看，农业是保障粮食安全与农村生计的根本，但当代农业食品系统对生态环境构成巨大压力，贡献了全球1/4—1/3人为温室气体排放，还带来土地占用、淡水消耗及富营养化污染等问题。为此，联合国2030年可持续发展议程倡导韧性低碳农业，各国均推动农业向绿色、高效方向转型。聚焦中国实际，作为农业大国，中国为保障粮食安全长期依赖高投入农业生产模式，化肥农药过量施用等做法虽提升产量，却引发“绿色赤字”扩大、水体污染等环境问题，统筹粮食安全与环境可持续发展成为中国农业发展的重要课题。从研究现状来看，现有少量研究关联数字化与农业绿色绩效，但存在明显缺口：相关证据分散、聚焦单一领域，未覆盖农业绿色全要素生产率的广泛效应；多采用宽泛数字化指标，未明确数字基础设施的核心作用，相关研究仍显薄弱，亟需系统探究。

研究贡献

第一，突破常用“宽带中国”试点政策代理数字基础设施的做法，基于OpenCelliD数据库构建更直接的测度指标，更精准捕捉县域数字基础设施实际发展水平。第二，将数字基础设施的研究视角从一般经济与生产率效应，拓展至农业绿色转型领域，重点关注其对农业绿色全要素生产率的影响。第三，采用较前沿的份额移动工具变量法，缓解潜在内生性问题。

研究结果

1.基准回归结果

表2报告数字基础设施对农业绿色全要素生产率影响的估计结果。列（1）（2）为混合OLS估计，列（1）未纳入控制变量，列（2）纳入控制变量；列（3）（4）为双向固定效应模型结果，列（3）未加控制变量，列（4）加入全部控制变量。无论是否控制变量，数字基础设施发展对农业绿色全要素生产率的影响均在5%水平上显著为正，即数字基础设施建设显著促进农业绿色全要素生产率提升。结果表明，数字基础设施通过提升信息可得性、优化资源配置、推动技术采纳，增强农业生产效率、助力绿色转型。数字基础设施降低农业生产中的信息不对称与交易成本，使农户更精准配置资源、提升投入产出效率；同时，数字技术广泛应用加速绿色生产技术扩散与应用，推动农业向可持续生产方式转型。因此，数字基础设施建设成为提升农业绿色全要素生产率的关键驱动力。

2.内生性检验

工具变量有效性检验显示，第一阶段F统计量分别为77.23和20.91，均显著超过10的常规临界值，表明不存在弱工具变量问题。此外，两个工具变量均在1%显著性水平通过识别不足检验，进一步证实识别效力。这些结果表明所选工具变量能有效识别数字基础设施对农业绿色全要素生产率的因果效应。表2列（2）和（4）报告了工具变量两阶段最小二乘回归结果。系数仍显著为正，表明考虑潜在内生性偏差后，数字基础设施建设对农业绿色转型的影响依然稳健。

      3.稳健性检验

（1）双重机器学习

本研究采用双重去偏机器学习方法，控制高维变量带来的潜在偏差，评估数字基础设施发展的影响。步骤包括三部分：（1）构建部分线性模型；（2）构建辅助回归，缓解小样本估计带来的“正则化偏差”；（3）采用10折交叉验证。表4展示了基于双重机器学习的估计结果。表中列（1）、（2）、（3）分别为采用岭回归、套索回归、加入控制变量二次项的岭回归所得结果。

（2）替代测度方法

为进一步验证研究结论稳健性，本研究采用DDF-GML和SBM-GML方法重新测度农业绿色全要素生产率，替换回归分析中原因变量。表4列（4）和（5）结果显示，数字经济系数仍在1%水平上显著为正，证实回归结果对所采用的测度方法不敏感。

（3）剔除直辖市样本

为进一步评估回归结果稳健性，通过剔除直辖市样本开展稳健性检验。鉴于北京、上海、天津、重庆等城市数字基础设施水平显著高于一般地级市或县，其纳入可能引入极端值和估计潜在偏差。剔除这些直辖市样本可检验结果对极端区域样本的敏感性。如表4列（6）所示，数字经济变量系数仍显著为正，显著性水平保持稳定。该结果表明，数字基础设施对农业绿色转型正向影响的结论并非由极端区域样本驱动，结果稳健。

（4）变量缩尾处理

为确保结果不受极端异常值驱动，对自变量和因变量均进行1%水平双侧缩尾处理。表4列（7）报告的回归结果显示，估计系数仍在1%水平上显著为正，证实基准结论稳健。

4.异质性分析

（1）区域异质性

本研究首先按传统地理区划将样本分为东部（11省）、中部（8省）、西部（12省）地区。回归结果见表5列（1）、（2）、（3）。数字基础设施发展对西部地区农业绿色转型在5%水平上有显著正向影响，而在东部和中部地区影响不显著。

（2）粮食主产区与非主产区异质性

本研究还将样本分为粮食主产区（13省）和非粮食主产区（18省）。回归结果见表5列（4）和（5）。在粮食主产区，数字基础设施对农业绿色转型无显著影响，而在非粮食主产区，影响在1%水平上显著为正。

（3）沿海与内陆异质性

为进一步检验区域差异，将样本分为沿海和内陆地区。辽宁、天津、河北、山东、江苏、上海、浙江、福建、广东、广西、海南等省份的县归为沿海样本，其余省份为内陆样本。回归结果见表5列（6）和（7）。显然，数字基础设施在5%显著性水平上显著提升内陆地区农业绿色全要素生产率，而在沿海地区影响统计上不显著。

5.机制分析

基准回归和稳健性检验证实数字基础设施发展显著推动农业绿色转型。本节检验该效应发挥作用的两种潜在机制。

采用公式（2）估计回归结果，见表6，得出以下结论：首先，数字基础设施对绿色技术效率的系数在5%水平上显著为正（列2），表明数字基础设施有效提升区域绿色技术效率。这说明数字基础设施促进信息和数据顺畅流动，为农业生产者提供有价值信息，优化生产投入配置，进而提升农业绿色技术效率。进一步分析显示，纯技术效率变化（PEC）系数显著，而规模效率变化（SEC）系数不显著（列3和4），意味着数字基础设施主要影响纯技术效率而非规模效率。换言之，绿色技术绩效提升主要由地方层面更好的技术采用和运营优化驱动，而非生产规模变化。

其次，数字基础设施对绿色技术进步的系数统计上不显著（列1），表明数字基础设施发展尚未有效推动农业绿色技术进步。合理的解释是，数字基础设施对技术进步的影响可能存在时滞。尽管数字基础设施能快速提升信息可及性、生产协同和资源配置，但绿色技术进步通常依赖研发投入、技术扩散、设备升级、制度支持等长期过程。此外，数字基础设施主要创造赋能条件，而非直接产生创新成果。在缺乏农业数字人才、有效推广服务、农户新技术采纳能力等充足配套支持的情况下，其对绿色技术进步的短期贡献可能有限。因此，现有证据表明，现阶段数字基础设施更多贡献于效率提升而非前沿技术进步。

最后，数字基础设施对创业创新和协同创新的系数均在1%水平上显著为正（列5和6），表明数字基础设施大幅推动区域创新活动。该发现表明，数字连接改善不仅降低信息获取成本、提升数字服务可及性、降低行政和运营壁垒，进而鼓励新企业进入本地市场；还加速技术扩散、强化知识溢出、改善绿色技术采用条件，为协同创新创造更有利环境。

研究结论

在资源环境约束日益趋紧的背景下，推动生产要素高效集约利用、加速农业绿色转型成为中国农业绿色转型的迫切重要任务。本研究通过提升农业绿色全要素生产率，探究数字基础设施建设能否以及通过何种机制促进农业绿色转型。利用2014-2021年中国1535个县的面板数据，基于超效率SBM-GML模型构建农业绿色全要素生产率，与OpenCelliD基站数据匹配测度县级数字基础设施，采用双向固定效应模型估计数字基础设施发展对农业绿色生产的影响，检验内在机制和区域异质性。实证分析得出三个主要结论：第一，数字基础设施发展显著提升农业绿色全要素生产率，表明更好的连接和数据环境与更绿色的农业生产相关。第二，影响呈现清晰的空间和结构异质性：数字基础设施对农业绿色转型的正向影响在西部显著，中部、东部不显著；在非粮食主产区比粮食主产区更明显，在内陆地区比沿海地区更明显。第三，机制分析表明，数字基础设施主要通过加速绿色技术进步、激发地方创业创新、强化区域协同创新推动农业绿色转型，进而提升农业部门生产效率和创新能力。