佳文荐读144|【中国农业资源与区划2024被引TOP1】农业数字化转型对绿色增长的影响

该文假说2认为，农业数字化转型通过绿色技术创新、农业规模化经营和农业种植结构调整促进农业绿色增长。为了检验该作用机制，建立中介效应模型，该模型由以下估计方程构成为:

式 （2） 反映了农业数字化转型对中介变量绿色技术创新、农业规模化经营和农业种植结构调整的影响式 （3） 则反映了农业数字化转型与中介变量同时对农业绿色增长的影响。

我国的农村电子商务和数字普惠金融的发展不是一蹴而就的，并且各地区经济发展水平、产业结构、政府政策等存在较大差异，使得各地区农村电子商务和数字普惠金融发展水平也存在明显差异，对农业绿色增长的影响可能具有非线性效应。选取以“淘宝村”为典型模型的农村电子商务和数字普惠金融作为门槛变量，分别用淘宝村数量和数字普惠金融指数来衡量。门槛模型设定为：

2.2 变量构造　

2.2.1 被解释变量

该文被解释变量是农业绿色增长，用农业绿色全要素生产率 （AGTFP）来衡量，取对数处理。评价农业绿色发展的成效应综合考虑环境效益和经济效益，考虑到农业绿色全要素生产率能够同时涵盖环境效益和经济效益两个方面，故该文选择农业绿色全要素生产率作为评价中国农业绿色增长的指标。参考Shen 等，该文选择采用非径向、非角度的 SBM 距离函数下的 GML 指数 （以 2012 年为基期） 对 2013—2019年我国省级农业绿色全要素生产率测算。具体测算方法公式为：

考虑到前文所测算的AGTFP为环比指数，即本年度的农业绿色全要素生产率相较于上一年度的变化情况，因此，该文将农业绿色全要素生产率变换为定基指数，以体现农业绿色全要素生产率的累积性变动趋势。即令2012年的AGTFP为1，2013年的AGTFP实际值为当年度的AGTFP与2012年AGTFP的乘积，以此类推。该文使用以下公式计算AGTFP的累积值。

具体投入产出如下。

①期望产出。第一产业产值和农业碳吸收量。农业本身是一个兼具碳吸收和碳排放双重属性的产业，它一边生产CO2，但同时种植的农作物又能吸收CO₂。这个特征往往被忽略。基于此，该文侧重计算了农业碳吸收量，将其作为期望产出的一种，这个思路更加符合碳达峰和碳中和的现实背景。

②非期望产出。参考丁宝根等[24]的方法，农业非期望产出主要体现为化肥、农药、农膜、柴油、翻耕、灌溉等六大因素所导致的农业碳排放，因此该文引用农业碳排放作为非期望产出。

其核算如式（7）所示，式（7）中 E为农业碳排放总量，Ｅi为第 i个碳源的碳排放量，δi为第 i个碳源的碳排放系数。

③农业投入。该文的农业投入包含劳动、土地、农用机械、化肥、农药、农膜、灌溉分别用第一产业从业人数、播种面积、农业机械总动力、农用化肥施用量、农药使用量、塑料薄膜使用量、有效灌溉面积来衡量。

为了从动态和空间两个角度反映农业绿色全要素生产率的变化，该文使用 ARCGIS10.2得到图 2，以2013年和2019年为例。两者比较发现，一是AGTFP增速总体上呈上升趋势。二是AGTFP存在明显的地区差异，中西部地区 AGTFP相对较高，而东部地区 AGTFP相对较低。可能的原因是西部地区 （如贵州省、四川省） 的农业生产发展相对落后，在引进东、中部的先进绿色生产技术后，生产效率呈现出快速发展状态。中部地区 （如湖南省、湖北省） 主要是产粮大省，农业生产者在进行规模化经营后，会不断采用先进的生产技术来降低生产成本，从而导致投入的集约化使用，进而使得污染物排放量的减少，提高了农业绿色全要素生产率。

2.2.2 核心解释变量

该文的核心解释变量为农业数字化转型，参考 Jiang等的方法，用数字农业来衡量。该文主要从数字农业基础设施 （Dig_infr）、数字农业产业化水平 （Dig_indu） 和数字农业主体素质 （Dig_enti） 三方面来衡量数字农业的发展水平。数字农业基础设施以农村互联网普及率指代。该文利用农村互联网宽带接入用户与该地区农村人口数之比来衡量农村互联网普及率，反映了中国数字农村项目的主要成果和农业数字化转型的基本状况。

数字农业产业化水平表现为“淘宝村”的数量，根据阿里研究院的认定标准，淘宝村必须满足以下三个条件：一是营业地以行政村为单位；二是电子商务年销售额1000万元及以上；三是网商规模其中村内活跃网店数量达到100家，或活跃网店数量达到当地户数的 10%。从这个意义上说，数字农业产业化水平能够充分反映该地区农村电商集聚发展水平。此外，该文以农村居民人均交通通信消费支出占农村居民人均消费支出的比重来衡量数字农业主体素质。一般来说比例越高，说明农业主体掌握和处理数字信息的能力越强，农业主体面临的“数字鸿沟”问题也就越少。

在此基础上，该文将利用熵值法对数字农业整体水平的测度分为4个步骤。

第一步，将数据标准化。为消除各指标维度差异对评价结果的影响，需要通过式 （8） 对各指标进行标准化，其中Xij为指标j在i年的值，X_min为指标j的最小值，X_max为指标j的最大值。

第二步，计算指标 j 在 i 年的占比，具体如式（9） 所示。

第三步，计算信息熵 （e_j ）和信息熵冗余度 （d_j）。 具体计算公式如式 （10）（11） 所示，其中定义y_ij=0，则e_j=0。k为常数，k =1/ lnm，m表示年份。

基于熵值法，计算得到的中国25个省域的数字农业结构指标权重如表 1所示。可以看出，在样本区间内，数字农业产业化水平权重最大，平均值为0.452。此外，数字农业基础设施以平均0.358排名第二。数字农业主体素质则以平均0.189排名第三。相比之下，数字农业产业化水平明显高于数字农业基础设施和数字农业主体素质，这与现实相符。这是因为数字农业产业化水平是用淘宝村的数量来衡量的，淘宝村在创造就业机会、农村转型等方面表现出了突出的经济价值。

为了从动态和空间两个角度反映数字农业的变化，我们使用 ArcGIS10.2得到图3，以2013年和2019年为例。两者比较发现，数字农业发展水平总体上呈上升趋势且存在明显的地区差异。东部沿海地区数字农业发展水平较高，而中西部地区数字农业发展水平较低。这与江苏、浙江、山东和广东等东部地区更加重视数字经济发展，加强数字基础设施建设，推进数字产业化和产业数字化的举措密切相关。此外，值得注意的是，2019年中西部地区的数字农业发展水平提升幅度相对较大，这离不开政府的政策倾向和资金投入。

2.2.3 控制变量

为了减少因忽略变量而造成的估计误差，该文采用5个控制变量[25-29]，即受教育水平 （Edu）、城市化水平 （Urb）、财政支农力度 （Gov）、环境规制 （Environ） 和资源消耗 （Elect_per），分别用平均受教育年限、城镇人口占总人口比重、农林水事务支出占财政支出比重、环境规制综合指数和农村每万人用电量来衡量。

2.2.4 机制变量

绿色技术创新 （Patent_per）。参考Wang等的方法，该文用人均绿色专利申请数量指代。

农业规模化经营 （Scale）。参考王丽纳等的方法，该文用农村地区每万人拥有农业专业合作社数量指代。

农业种植结构 （lnstru）。参考Liu等的方法，该文用粮食播种面积占农作物总播种面积的比重指代。

2.3 数据描述　

该文使用中国2013—2019年25个省域的面板数据，由于时间范围内其他省份未出现淘宝村以及受数字农业指标测算的限制，该文仅使用25个省域的数据。受教育水平、城市化水平、农村用电量、财政支农力度、环境规制等数据来自历年《中国统计年鉴》和《中国农村统计年鉴》；淘宝村数据来自阿里研究院《2020中国淘宝村研究报告》；专利数据来自国家知识产权局；农民专业合作社数据来源于各地区市场主体发展报告、工商行政管理局和《中国农村经营管理统计年报》；数字普惠金融数据来源于北京大学数字普惠研究中心编制的《数字普惠金融指数 （2011—2020）》；农村宽带接入户数和专利数据个别年份缺失数据采用线性插值法予以补齐处理。该文的描述性统计如表2所示。

表4报告了数字农业分维度指标与农业绿色全要素生产率的回归结果。数字农业基础设施水平和产业化水平对农业绿色全要素生产率有显著的正向影响，且在1%统计意义上显著。可能的原因是，一方面近年来政府加大农村基础设施建设，“宽带乡村”试点政策成效显著，使得农户共享区域内的数字基础设施，有利于降低农业生产成本，提高农业生产效率，进而促进农业绿色增长；另一方面以淘宝村为代表的农村电子商务缓解了农民信息不对称，降低了交易成本，避免农户盲目生产。淘宝村的集聚，通过知识传播推广绿色生产技术，促进农产品品牌建设和标准化经营，提高农业资源利用效率，进而促进农业绿色增长。数字农业主体素质对农业绿色全要素生产率具有负向影响且不显著。可能的原因是中国偏远山区的农民由于信息、交通等方面的梗阻，交通通信消费支出水平不高，难以有效进入市场获得收入，从而面临较大的数字鸿沟，抑制了农业绿色增长。

3.2 内生性和稳健性检验　

该文参考 Shen 等的研究，以1984 年固定邮局数量 （lnpost） 和滞后一期的数字农业 （l.lndig_agri）作为工具变量来解决相互因果关系或遗漏变量引起的内生问题。在早期社会，信息的传递和沟通主要通过邮局来实现。因此，邮局的数量可以用来描述当地的通信发展水平，满足相关要求。并且1984年的历史数据不能影响当前的农业绿色增长，符合排他性要求。由于 1984 年固定邮局数量是截面数据，该文将其与历年互联网宽带接入户数的交乘项作为最终的工具变量。同理滞后一期的数字农业与当期数字农业密切相关，且不受当期农业绿色增长的影响，因此滞后一期的数字农业满足了工具变量的外生性。

首先，表5 第（1）（2）列报告了采用1984年邮局数量和数字农业滞后一期作为工具变量的估计结果，发现第一阶段系数显著为正，且Ｆ统计值为 64.94 （大于 10），这表明模型不存在弱工具变量问题。Sargan 值为2.85 在 10% 统计意义上显著，这表明不存在过度识别检验的问题。第 （2） 列结果显示，在排除遗漏变量导致的内生性问题后，数字农业对农业绿色全要素生产率具有显著的正向影响，且在1%统计意义上显著。

缩尾处理省份聚类分析。为进一步得出可靠的结论，对回归模型涉及的主要变量,在5% 的水平上进行缩尾处理，回归结果如表5第 （3） 列所示。与基准回归相比，数字农业的回归系数值、符号方向和显著性水平均没有发生明显变化，进而证实了实证结果的稳健性。

替换被解释变量。该文用不含碳排放的SBM_GML 指数重新测算各地农业绿色全要素生产率以替代被解释变量进行重新回归。回归结果如表 5 第 （4） 列所示，数字农业的回归系数值、符号方向和显著性水平均没有发生明显变化，进而证实了实证结果的稳健性。

3.3 机制检验

由表6可知，在机制Ⅰ“农业数字化转型→绿色技术创新→农业绿色增长”中，存在中介效应，所占比例为 21.91%，这与理论预期相一致。可能的原因是数字农业的发展对新型农业经营主体存在知识溢出效应，通过传播绿色生产技术，提高绿色农产品的生产质量，抑制了农业碳排放的产生；同时提高了农业生产经营者的综合素质，有助于其生态环保意识的养成，进而促进农业绿色增长。

在机制Ⅱ“农业数字化转型→农业规模化经营→农业绿色增长”中，存在中介效应，所占比例为40.09%，这与理论预期相一致。可能的原因是一方面，数字农业促进了农业规模化经营，克服了土地分散的经营弊端，有利于实现规模经济效益；同时数字农业使得资源要素合理配置，减少农业粗放型投入，降低对环境的污染程度，进而促进农业绿色增长。

在机制Ⅲ“农业数字化转型→农业种植结构调整→农业绿色增长”中，存在中介效应，所占比例为15.18%，这与理论预期相一致。可能的原因是近年来我国不断优化农业种植结构，大力生产优质粮食作物，降低了化学农资投入，提高了农作物固碳作用，促进农业增产导向向增质导向转变，进而提高了农业绿色全要素生产率。

3.4 异质性检验　

地理位置异质性。考虑到不同地理位置对农业绿色增长产生不同的影响。为此,该文划分样本为内陆地区和沿海地区两个大类分别对农业绿色全要素生产率进行分样本回归,具体结果如表 7列（1）和列（2）所示。其中列 （1） 为沿海地区的回归结果，列 （2） 为内陆地区的回归结果。从结果可以发现,相较于内陆地区,沿海地区的数字农业对农业绿色全要素生产率正向影响更大。可能的原因是，东部沿海地区绿色经济发展水平相对较高，在城市化和收入增长的背景下，人们对环境质量提出更高要求，通过消费偏好影响环境规制和企业生产行为，并且沿海地区更容易引进清洁生产技术，通过农业产业示范效应，显著促进了农业绿色增长。

生产结构异质性。鉴于不同的农业种植结构会导致不同的环境效应，进而对农业绿色全要素生产率产生不同的影响。因此，该文根据 2003年财政部的划分，将样本分为粮食主产区和非粮食主产区两类，对农业绿色全要素生产率进行样本回归。具体结果如表7列 （3） 和列 （4） 所示，其中列 （3） 为粮食主产区的回归结果，列 （4） 为非粮食主产区的回归结果。从结果可以发现，相较于粮食主产区,非粮食主产区的数字农业对农业绿色全要素生产率正向影响更大。造成该结果的原因可能是，一方面粮食主产区“趋粮化”现象明显,数字农业通过绿色技术创新、农业规模化经营和调整农业种植结构对农业绿色全要素生产率提升空间有限；另一方面非粮食主产区农地较为分散、生态环境较差、政策扶持力度较小，后发优势明显，该区域发展数字农业更有利于农业经营者提高农业生产效益，对农业绿色全要素生产率的推动作用也更为明显。

3.5 门槛效应检验　

在进行门槛回归之前，识别农业数字化转型对农业绿色增长的影响是否存在门槛效应。该文对单一门槛、双重门槛和三重门槛模型进行估计，并使用Bootstrap方法反复抽样300次以模拟F统计量的渐近分布和临界值。该文用取对数处理后的淘宝村数量和数字普惠金融指数作为门槛变量，从表 8可以看出数字农业显著通过单门槛检验。表 7第（5） 和（6） 列显示了门槛回归结果。结合表 9可以看出，在淘宝村数量小于或等于 1.609 时，数字农业对农业绿色全要素生产率有负向影响，且不显著；当淘宝村数量大于1.609 时，数字农业对农业绿色全要素生产率具有正向影响，且在1%统计意义上显著。同理当数字普惠金融小于或等于 9.224时，数字农业对农业绿色全要素生产率有负向影响，且不显著；当数字普惠金融大于 9.224时，数字农业对农业绿色全要素生产率具有正向影响，且在 5%统计意义上显著。这说明随着淘宝村和数字普惠金融的阈值区间的提高，农业数字化转型对农业绿色增长的影响呈现出先缩小后扩大“正Ｕ型”关系。

上述过程验证了门槛效应。图4绘制了单门槛模型相关的似然比函数。图4清楚地显示了门槛值估计的构建过程。在此基础上，进一步检查门槛值估计是否等于其实际值。从图4中可以看出，估计的门槛值水平与实际的门槛值水平非常接近。