數字農業促進農業強國建設的作用機制與推進路徑
——基于農業強省建設視角的實證檢驗

姚 文

(西南大學 商貿學院,重慶 402460)

一、問題提出

中國是農業大國,2022年中國糧食總產量達到6.87億噸,連續7年超過6.5億噸,肉、蛋、菜、果、魚等農產品產量長期高居世界榜首,堪稱世界第一農業大國。但中國還不是農業強國,2022年第一產業就業人數1.77億人,平均每個農民只能養活7.98個中國人,與農業強國荷蘭平均每個農民可以養活13.68個荷蘭人的先進水平相去甚遠,而且面臨高達1 378億美元的農產品貿易逆差。同時,中國農業還面臨嚴重的環境污染,鎘等重金屬污染成為重要的土地污染源,四等及以下耕地面積占比高達68.76%[1]。2017年中國農業源化學需氧量1 067.13萬噸、氨氮排放量21.62萬噸、總氮排放量141.49萬噸、總磷排放量21.20萬噸,分別達到全國水污染物排放總量的49.77%、22.44%、46.52%和67.22%[2]。2018年《中共中央 國務院關于實施鄉村振興戰略的意見》和《鄉村振興戰略規劃(2018—2022年)》均明確提出,要“加快實現由農業大國向農業強國轉變”。2018年9月,習近平總書記在第十九屆中共中央政治局第八次集體學習時也特別強調,要“實現農業大國向農業強國跨越”。黨的二十大報告提出“加快建設農業強國”,擺脫農業大而不強的局面是中國當前乃至今后相當長一段時間“三農”工作的重要任務。2022年1月,中央網信辦、農業農村部等十部委聯合印發《數字鄉村發展行動計劃(2022—2025年)》,提出加快推進數字鄉村建設,充分發揮信息化對鄉村振興的驅動引領作用,整體帶動和提升農業農村現代化發展。黨的二十大提出建設數字中國,2022年“中央一號文件”提出深入實施“數商興農”和“互聯網+”農產品出村進城工程,鼓勵發展農產品電商直采、定制生產等模式,建設農副產品直播電商基地。數字農業能否推動農業強國建設?數字農業推動農業強國建設的作用機制是怎樣的?政府應該怎么支持數字農業發展,進而實現農業強國建設目標?這些都是重大且迫切需要解決的理論和現實問題。

本文將對以上問題展開研究,首先通過文獻回顧,簡要介紹學界對農業強國概念、特征及評價指標、實現路徑的研究,為本文研究奠定理論基礎;然后從理論上闡述數字農業對農業強國建設目標實現的影響及其作用機制、財政支農對數字農業發展的影響,為建立計量模型提供理論依據;進而介紹計量模型、研究方法、變量選擇及數據來源,基于2013—2021年省域面板數據實證分析數字農業對農業強國建設目標實現的影響及其作用機制、財政支農對數字農業發展的影響,并進行穩健性、異質性檢驗;最后給出研究結論與政策建議,為政府制定發展數字農業促進農業強國建設的政策提供理論依據。本研究旨在豐富和發展農業強國建設理論,并為制定農業強國建設相關政策提供決策參考。

二、文獻回顧

近年來,學術界就中國建設農業強國問題展開了深入研究。

(一)農業強國的內涵

魏后凱、崔凱認為,農業強國是基于國際比較的多維動態概念,若一國農業整體或優勢部門的現代化水平位居世界前列,并能引領世界農業發展,即可稱為農業強國[3]。黃祖輝、傅琳琳提出,農業強國的基本內涵是“農業強、農村美、農民富”[4]。高強、周麗提出,建設農業強國的戰略內涵主要是依靠自身力量解決中國人民吃飯問題,對內改變農業在國民經濟中的短板地位,對外彰顯中國農產品在國際市場中的競爭優勢,實現農業高質量發展、農業農村現代化、農民農村共同富裕[5]。姜長云等認為,通過先進的農業科技和生產方式以及強有力的支持保護政策,實現極高的農業勞動產出效率、土地產出效率及資源配置效率,并最終表現出強大的農產品產出能力、供給能力,在全球農業格局中有充分的產品競爭力和強大的貿易話語權,構成對農業強國最凝練的表達[6]。從學者們對農業強國內涵的研究來看,農業強國應具備五個要素:一是強大的供給保障能力,能以自給或貿易方式滿足國民對糧食及重要農產品的需求;二是強大的國際競爭力,在農產品貿易中保持貿易順差;三是強大的科技創新能力,強大的供給保障能力建立在科技進步而不是大量消耗土地、勞動等傳統生產要素的基礎上;四是強大的可持續發展能力,本國農業發展具有可持續性,不是靠破壞環境等短期行為而出現的“曇花一現”;五是資源利用率高,即本國農業發展模式是節約資源的集約型發展模式,能高效利用土地、勞動、水以及化肥、農藥、農膜、柴油、電力等資源。筆者認為,農業強國就是以強大的供給保障能力、科技創新能力、可持續發展能力和國際競爭力為支撐,采用集約型發展模式,在全球農產品生產與供給中具有重大影響力的國家。

(二)農業強國的特征及評價指標

學者們根據自己對農業強國特征的認識來設計評價指標體系。魏后凱、崔凱等將農業強國的共性特征概括為“四強一高”,即農業供給保障能力強、農業科技創新能力強、農業可持續發展能力強、農業競爭力強和農業發展水平高,主張從農業供給保障能力、科技創新能力、可持續發展能力、競爭能力四個方面來評價農業強國建設程度[7]。黃祖輝、傅琳琳則把農業強國的關鍵性指標概括為“五高一低”,即農業科技進步貢獻率高、農產品商品率高、土地產出率高、勞動生產率高、資源利用率高和農業勞動力比重低,主張從農業科技進步貢獻率、農產品商品率、土地產出率、勞動生產率、資源利用率、農業勞動力比重來評價農業強國建設程度[4]。此外,唐仁健認為供給保障安全可靠、科技創新自立自強、設施裝備配套完善、產業鏈條健全高端、資源利用集約高效、國際競爭優勢明顯是農業強國的基本特征[8],許竹青則認為農業科技高水平創新、產業鏈條健全高端是農業強國的突出標志[9]。筆者認為,應從產業強國的視角看待農業強國的特征,農業強國地位是農業生產技術(包括種業)研發、農業生產、農產品加工、流通與消費等環節以及涉農領域配套等多方面造就的,農業強國評價指標體系的構建應妥善處理指標之間的邊界和邏輯,指標的選擇應具備可操作性,以發揮對農業強國建設實踐的導向作用。

(三)農業強國的實現路徑

學者們主要從體系、政策支持與創新、產業融合以及發展模式轉變等方面探討了農業強國的實現路徑。

1.加強體系建設。要建立和完善農業強國支撐體系,建立現代農業三大體系和雙層經營體系,發展新型農業集體經濟,統籌土地規模經營和服務規模經營,加快形成具有中國特色的農業適度規模經營體系[4,7,10],建構政府、市場、行業組織“三位一體”的農業統一大市場體系[4]。

2.強化政策支持和科技創新。巴西從農業大國轉變為農業強國是由國家驅動的創新和相關政策推動的[11],中國應創新農業補貼和保障手段,明確科技、人才等方面的扶持重點,以建設農業強省、農業強市、農業強縣為主抓手,提升農業發展內生能力,增強農業發展韌性[7],實施科教興國帶動農業強國戰略,藏糧于民、于地、于技, 培育重要農產品供給保障能力和農業創新力、競爭力、可持續發展能力,筑牢糧食和重要農產品安全穩定供給底線[4,6-7,10]。

3.促進產業融合。應推進農業現代化與工業化、城鎮化、信息化協調發展,增強農業產業鏈、供應鏈的韌性和穩定性[4,10]。

4.推動農業綠色發展。應堅持人與自然和諧共生,實現農業生產綠色轉型[10]。

上述研究從不同角度對農業強國建設進行了較為深入的探討,為本文研究提供了重要的理論來源和參考借鑒,但現有研究尚未涉及省域層面。中國幅員遼闊,地域差異大,各地資源稟賦和農業發展程度不盡相同,需因地制宜才能把建設農業強省、農業強市、農業強縣落到實處。此外,從研究方法來看,現有研究大多采用思辨式定性研究,鮮有定量分析農業強國建設目標實現的影響因素及其作用機制的實證研究文獻。本文基于現有文獻進一步厘清農業強國的內涵,構建省域農業強國建設目標實現程度評價指標體系,然后利用2013—2021年中國省域面板數據,實證分析數字農業對農業強國建設目標實現的影響因素及其作用機制,以及財政支農對數字農業發展的影響,為政府制定農業強國建設政策提供決策依據。

三、理論分析與研究假設

數字農業是以數據作為關鍵生產要素,通過有效應用大數據、物聯網、云計算、區塊鏈等數字技術,實現農業生產、流通、消費等環節的數字化,推動傳統農業向現代農業轉型的一系列經濟活動。

(一)數字農業促進農業強國非線性發展

1.基于交易成本理論的分析

云計算和大型數據庫有助于精準農業的發展[12]。數字技術廣泛、深入滲透到農產品的生產、消費等全產業鏈各環節,降低了農產品生產者和消費者的信息搜尋成本,緩解甚至消除了農產品生產與消費之間的信息不完全、不對稱,從生產和消費兩個方面推動著農業發展。數字農業加快了先進農業生產技術的推廣普及,為農民采用節約資源、環境友好的生產資料和技術提供了可能,促進了農業科技進步。數字農業使用通信、信息和空間分析技術使農業生產者能夠有計劃地檢測和管理農業生產運營的全過程[13],減少了浪費,降低了農業生產經營成本,提高了市場競爭力。在俄羅斯,農業企業采用數字商業模式可以提高通信效率和勞動生產率,降低企業的交易成本,進而影響俄羅斯食品的競爭力[14]。在農工綜合體中使用數字技術不僅會增加生產和出口量,還會提高產品的競爭力[15]。同時,數字農業作為數字經濟與農業深度融合的一種新型農業發展模式,對提高農業效率、提升農產品品質、降低商業市場和政府服務的交易成本、減少信息不對稱以及實現農業高質量發展具有重要作用[16]。合理利用信息技術可以使農工綜合體的效率幾乎翻一番[15]。在農業領域,數字工具可以通過積極影響獲取信息的能力以及聯結農民和購買者來克服空間障礙,從而改善進入商業市場的機會[17]。通過互聯網,生產者能夠方便地獲取消費者對農產品的品質及數量需求,消費者能夠低成本地追溯到農產品生長發育各環節所處的環境條件及相應的要素投入[13,18-19],以判斷該產品是否符合自己的要求。由于信息傳播的廣泛性、迅速性和低成本性,農產品生產、加工過程中的任何不法行為(比如違規添加、使用禁用農藥、過量使用限用農藥和添加劑等)極易被曝光,為同行和消費者所知曉,從而為公眾、輿論有效監督創造了條件。這將迫使生產者按照消費者的需求生產健康、環保的綠色農產品,實現農產品有效供給。此外,數字技術嵌入農業要素配置體系可以實現資源利用綠色化[20]。發達國家發展綠色農業的經驗表明,在使用數字信息技術和管理模式的基礎上通過減少化肥、農藥的施用以及化石能源的消耗,可以促進農業綠色發展[21],提高農業的資源利用率。發展中國家農業發展的經驗也表明,數字農業可以減少化肥、農藥以及水資源的消耗,節約勞動,實現農業的綠色發展轉型[22],促進農業可持續發展。從資源配置的角度看,數字技術通過減少勞動力和資本的錯配,顯著促進了農業的可持續發展[23]。

2.基于擠出效應理論和創新補償效應理論的分析

數字農業是數字技術滲透到農業生產經營活動中,與農業生產經營相融合的產物。數字技術與農業生產經營的融合不僅需要時間,而且是有成本的。數字經濟對實體經濟的影響是一種相互協同、相互作用的演化進程,當數字經濟發展與實體經濟相融合的水平較低時,將負向影響實體經濟[24]。因此,盡管數字農業可以促進農業強國建設,但發展數字農業尤其是數字農業基礎設施建設、農產品全產業鏈數據的采集與分析等方面需要投入大量資源,在資源緊約束條件下,將產生“擠出效應”——用于發展數字農業的投入將擠占用于農業其他領域的投入,從而發展數字農業將抑制農業強國建設。與此同時,數字農業發展降低了農業生產技術研發和轉化、農產品生產與消費的交易成本,實現了先進農業生產技術的開發與需求、綠色農產品生產與消費的有效對接,推動農業科技進步和綠色農產品生產,將產生“創新補償效應”,增加農產品有效供給,進而促進農業強國建設。當“擠出效應”占主導地位時,數字農業對農業強國建設的影響表現為抑制作用;當“創新補償效應”占主導地位時,數字農業對農業強國建設的影響表現為促進作用。此外,數據具有“不可分性”或“粘連性”,在其投入再生產過程時需要“整體性”投入,達到一定數量才具有存在的意義和價值,即通過數據量變實現效率質變[25]。因此,在數字農業發展的起步階段,數字農業對農業強國建設目標的實現具有抑制作用;在發展到一定規模后,數字農業對農業強國建設目標的實現具有促進作用。鑒于此,本文提出如下假說:

H1 數字農業對農業強國建設目標的實現具有U型非線性影響。

(二)數字農業影響農業強國建設目標實現的機制

1.以新型農業經營主體為中介

近年來,以農民專業合作社為代表的新型農業經營主體能以其較大的生產經營規模攤薄采用現代數字技術的成本,這為新型農業經營主體采用現代信息技術、數字技術改善農產品質量、品牌運營與農產品營銷提供了可能,進而提高了新型農業經營主體的運營績效。因此,數字農業促進了農業規?；洜I[26],進而推動了新型農業經營主體的發展。同時,相對于普通農戶,新型農業經營主體在大規模生產、商業運營和技術創新方面具有顯著的比較優勢,這可能會促使它們共同采用環境友好、資源節約型的生產運營模式[27-29],推動了農業綠色發展,有利于農業強國建設目標的實現?？傊?現代數字技術融入農業為新型農業經營主體生產綠色農產品創造了條件,新型農業經營主體生產綠色農產品則將促進中國農業強國建設目標的實現。因此,數字農業影響農業強國建設存在以下作用機制:數字農業促進了新型農業經營主體的發展,新型農業經營主體的發展推動了農業強國建設(為了便于表述,下文以“數字農業→新型農業經營主體→農業強國建設”表示)。鑒于此,本文提出如下假說:

H2 數字農業對新型農業經營主體發展具有顯著的正向影響。

H3 新型農業經營主體發展對農業強國建設目標實現具有顯著的正向影響。

2.以農業綠色產業發展為中介

數字技術降低了綠色農產品生產技術的推廣普及成本,加速了綠色農產品市場需求信息的傳播和擴散,方便了公眾對綠色農產品生產的監督,降低甚至消除了綠色農產品消費市場“劣幣驅逐良幣”的可能,為綠色農產品的大規模生產創造了條件,促進了重要農產品的有效供給。有研究表明,數字技術的使用除了對農民的低碳生產行為有直接影響外,還通過影響農民的風險認知間接影響農民的低碳生產行為[30]。農業綠色產業發展提高了中國農業生產中綠色生產的比重,推動了中國農業綠色發展轉型[31],有利于農業強國建設目標的實現。因此,數字農業影響農業強國建設存在以下作用機制:數字農業促進了農業綠色產業發展,農業綠色產業發展推動了農業強國建設(為了便于表述,下文以“數字農業→農業綠色產業發展→農業強國建設”表示)。同時,考慮到“擠出效應”和“創新補償效應”的存在,本文提出如下假說:

H4 數字農業對農業綠色產業發展具有顯著的U型非線性影響。

H5 農業綠色產業發展對農業強國建設目標實現具有顯著的正向影響。

(三)財政支農支持數字農業

數據的開放共享和高滲透性使生產要素能夠壓縮時空距離,在不同平臺和區域之間完全流動,數字經濟具有顯著的空間溢出效應[32]。農業具有天然的弱質性,農業投資具有投資需求量大、周期長、見效慢的特點。當前,農業經營主體仍以農民家庭超小規模經營為主,新型農業經營主體總體上規模小、實力弱,無力對農業特別是對外部性明顯、公益屬性強的數字農業進行大規模投資。這在客觀上要求政府進行投資,并以公共產品和公共服務的形式提供給農業生產者。事實上,地方財政對農業的支持可以促進信息、技術和人才在當地的集聚[33],這在一定程度上彌補了市場機制造成的數字農業資源投入的不足,有利于數字農業發展。因此,地方政府對農業的財政支持力度將影響當地數字農業的發展水平。鑒于此,本文提出如下假說:

H6 財政支農對數字農業發展具有顯著的正向影響。

綜上所述,數字農業促進農業強國建設的作用機制與推進路徑如圖1所示。

圖1 數字農業促進農業強國建設的作用機制與推進路徑示意圖

四、變量選擇、研究方法與模型設定

(一)變量選擇

⒈農業強國評價指標體系

本文參考魏后凱和崔凱[7]、許竹青[9]等學者的研究成果,結合中國省域農業經濟發展實際以及數據的可得性,設計省域農業強國發展目標實現程度的評價指標體系,如表1所示。

表1 省域農業強國建設目標實現程度的指數評價指標體系

供給保障能力。表征關鍵指標是人均農林牧漁業增加值(按常住居民人口數量平均的農林牧漁業增加值),是從價值尺度來描述供給保障能力。人均農林牧漁業增加值越高,意味著當地第一產業產出的農產品越多,越能自給或通過貿易方式滿足本地居民對糧食或其他重要農產品的需求。

市場競爭力。表征關鍵指標包括:(1)勞動生產率(按第一產業就業人口數量平均的農林牧漁業增加值)。勞動生產率越高,單位價值農產品耗費的勞動就越少,農產品市場競爭力就越強。(2)土地生產率(按耕地面積平均的農林牧漁業增加值)。土地生產率越高,單位價值農產品耗費的土地就越少,農產品市場競爭力就越強。(3)農產品顯示性比較優勢指數。農產品顯示性比較優勢指數越高,農產品國際市場競爭力就越強。(4)人均耕地面積(按第一產業就業人口數量平均的耕地面積)。人均耕地面積表征配置給每個農業勞動者自然資源的數量,配置給每個農業勞動者的自然資源越多,越有可能實現農業規?；洜I,農產品市場競爭力就越強[34]。(5)產業鏈條健全高端程度(農產品加工業主營業務收入/農林牧漁業增加值),表征農產品產值增值程度。農產品產值增值程度越高,農產品市場競爭力就越強。(6)農業產業高級化程度(農林牧漁業服務業增加值/農林牧漁業增加值)。農林牧漁業服務業增加值是農業生產經營服務所創造的價值,農林牧漁業增加值中農林牧漁業服務業增加值占比高,意味著農村產業結構升級提升了農村經濟的韌性[35],增加了農民的收入[36]。農產品顯示性比較優勢指數(RCA)計算公式如式(1)所示:

(1)

其中,Xi表示某地區農產品出口值,Xt表示某地區商品出口總值;Wi表示世界農產品出口值,Wt表示世界商品出口總值。

科技創新能力。表征關鍵指標包括:(1)農業科技進步貢獻率。(2)農業機械化水平(單位主要農作物播種面積農用機械總動力)。機械化程度越高,意味著現代科技技術裝備農業的程度越高。(3)專利申請量(每萬常住居民專利申請量)。專利申請量越高,說明創新活動越活躍。

本文在進行農業科技進步貢獻率的測算時,借鑒陶群山等[37]的測量方法,采用農業生產函數來測度各省農業科技進步率。

(2)

其中,y為各地區農林牧漁業增加值(億元),x1為耕地面積(千公頃),x2為第一產業就業人數(萬人),x3為農用機械總動力(萬千瓦),x4為農業化肥施用折純量(萬噸),A為農業科技進步指標,β表示投入要素的產出彈性,即βi表示在其他要素投入量不變的情況下,第i種投入要素投入量增加1%時,產出將增加βi%。

對式(2)兩邊取自然對數,得式(3):

lny=lnA+β1lnx1+β2lnx2+β3lnx3+β4lnx4+ε

(3)

基于2013—2021年省級面板數據,采用雙向固定效應模型估計出回歸系數β1、β2、β3、β4,然后將各地區對應年份的農林牧漁業增加值、耕地面積、第一產業就業人數、農用機械總動力、農業化肥施用折純量代入式(3),得到對應的農業科技進步指標,如式(4)所示:

Ait=elnyit-β1lnx1it-β2lnx2it-β3lnx3it-β4lnx4it

(4)

可持續發展能力。表征關鍵指標包括:(1)農田有效灌溉面積占比(有效灌溉面積/耕地面積)。農田有效灌溉面積占比越高,農業生產的抗旱能力越強。(2)成災面積占比(成災面積/農作物總播種面積)。成災面積占比越高,農業生產抗災減災能力越弱。(3)森林覆蓋率。森林覆蓋率越高,說明生態環境越好,農業可持續發展能力越強。(4)單位面積綠色食品標識產品數量(綠色食品標識產品數量/農作物總播種面積)。(5)單位面積綠色食品有效用標企業數(綠色食品有效用標企業數量/農作物總播種面積)。單位面積綠色食品標識產品數量、單位面積綠色食品有效用標企業數量越多,農業綠色發展程度越高,農業可持續發展能力越強。

資源利用率。表征關鍵指標包括:單位面積化肥施用強度(農用化肥施用折純量/農作物總播種面積)、單位面積農藥施用強度(農藥使用量/農作物總播種面積)、單位播種面積農膜使用強度(農用塑料薄膜使用量/農作物總播種面積)、單位農業產值用水量(農業用水量/農林牧漁業增加值)、單位農業產值用電量(農業用電量/農林牧漁業增加值)、單位農業產值柴油消耗量(農用柴油使用量/農林牧漁業增加值)、單位農業產值勞動消耗量(第一產業就業人數/農林牧漁業增加值)、單位農業產值土地消耗量(耕地面積/農林牧漁業增加值)。單位面積化肥施用強度、農藥施用強度、農膜使用強度越低,單位農業產值用水量、用電量、柴油消耗量、勞動消耗量、土地消耗量越小,說明資源利用越高效。

2.數字農業發展程度測算指標體系

本文借鑒Jiang等[32]的方法,同時考慮農產品和農業生產資料交易的特殊性和相關數據的可得性,從基礎設施、信息化發展、互聯網發展和數字交易發展四個維度構建數字農業發展程度評價指標體系,具體如表2所示。

表2 數字農業發展程度評價指標體系

3.地方財政支農

地方財政支農是指地方政府一般財政預算支出中用于農林水事務的支出?？紤]到地區間農業規模的差異性,本文用平均分攤在每個農業勞動力上的勞均地方財政支農支出來衡量地方財政對農業的支持力度。

4.農業綠色產業

農業綠色產業是指以生產綠色農產品(包含無公害農產品和有機農產品等)為目標,采用產業化經營模式的農業?？紤]到各地農業規模各異,本文采用中國綠色食品發展中心發布的各省(市、自治區)單位面積綠色食品標識產品數量(個/千公頃)作為當地農業綠色產業發展水平的代理變量。

5.新型農業經營主體

農民專業合作社的成員既有普通農戶,又有家庭農場,還有企業成員和其他成員[39],是包容性很強的一種新型農業經營組織。截至2021年11月底,全國依法登記的農民專業合作社達到221.9萬家,普通農戶成員達5 737萬余戶,占全國農戶總量的33.04%,(2)農戶總數=農村居民人口數/農村家庭平均人口規模,農村居民人口數、農村家庭平均人口規模數分別來自2022年《中國統計年鑒》和《中國人口統計年鑒》。其中縣級及以上示范社達16.8萬家,是農業適度規模經營的主要形式,是鄉村振興、農業強國建設的主體力量?？紤]到各地農業規模參差不齊,本文以每萬農業就業人員擁有的農民專業合作社的家數(PCOOP)作為當地新型農業經營主體的代理變量。

6.控制變量

考慮到中國農業強國建設目標實現的實際情況,本文選擇以下變量為控制變量。

農業產業集聚。農業產業集聚可以產生規模經濟效應、規模外部性效應和行業外部性效應,進而對農業綠色發展效率產生影響[40],在一定范圍內有助于農業強國建設。本文采用區位熵來測算農業產業集聚程度,即用某省(市、自治區)農業產值與全國農業產值之比除以該省(市、自治區)生產總值與全國生產總值之比所得的商來表示。

城市居民恩格爾系數。恩格爾系數反映一個國家或地區居民生活富裕程度,居民生活越富裕,對農產品品質的要求越高,倒逼農產品生產者提高農產品品質,增強農產品市場競爭力,提高農產品有效供給能力?？紤]到中國城市化進程已經進入中期階段(2021年中國城市化率達到64.72%),農產品商品化程度高,本文采用城市居民恩格爾系數(城市居民食品煙酒消費支出在消費支出中的占比)作為居民生活富裕程度的代理變量。

每萬農業就業人員擁有的農民專業合作社家數。農民專業合作社是最具有包容性的新型農業經營組織,是農業適度規模經營的主要形式。農民專業合作社的發展壯大意味著農業生產逐步擺脫小農經濟模式,能夠更好地發揮規模經營的優勢,攤薄先進農業生產技術引進、推廣和普及成本,提高與農業產業鏈上下游交易主體的談判地位,實現農產品品牌化經營,有利于農產品有效供給和農業科技進步以及市場競爭力的提高。

環境規制強度。在環境規制下,農業經營者必須遵守相關環境法規要求,并支付高昂的環境保護成本,這有利于促進當地和鄰近地區的農業綠色發展[32]。根據“強波特假說”,環境監管強度越高,越有利于遏制農業碳排放[41];但如果環境監管重處理、輕預防,忽視環境友好型農業生產技術的研發與推廣普及,那么即使抑制了農業污染排放,也會限制甚至妨礙農業生產經營正常進行,不利于農產品有效供給。因此,盡管環境規制對農業強國建設目標實現的影響方向有待檢驗,但毋庸置疑會產生影響。本文采用工業污染治理投資完成額與第二產業增加值之比作為環境規制強度的代理變量。

農業綠色產業。農業綠色產業具有生態環保、可持續性強的特征,農業綠色產業發展可以為消費者提供綠色、健康的高品質農產品,有利于提高農產品有效供給能力。

(二)數據來源

本文所使用的數據,除另有說明外,均來源于國家統計局網站和各省(市、自治區)統計局網站以及2014—2022年《中國農村統計年鑒》《中國人口統計年鑒》《中國科技統計年鑒》《中國環境統計年鑒》《中國農村經營管理年報》《中國農村合作經濟統計年報》。綠色食品有效用標企業(三年有效)數據來自2014—2022年《中國綠色食品年報》;世界農產品出口值和商品出口值數據來自世界貿易組織數據庫。上述數據均采用各地區以2010年為基期的消費物價定基指數進行去通貨膨脹處理。

(三)研究方法

在多指標綜合評價中,相比主成分法等權重確定方法,熵值法更適合對多個時間段不同研究對象進行評價。因此,本文首先基于熵值法計算各二級指標動態權重,對各二級指標進行加權,得出各一級指標;然后基于等值權重法對各一級指標進行加權,得出不同地區不同年份數字農業發展水平綜合指數。具體計算步驟如下。

第一步,對各原始指標進行標準化處理。采用極差法對各原始指標Xij進行去量綱化和同向化處理,使數據大小保持在[0,1]區間。本研究采用線性去量綱法,具體方法為:

(5)

(6)

式(5) (6)中,aij表示第i個一級指標中的第j個二級指標的原始值;Xij表示第i個一級指標中的第j個二級指標的標準化值。

第二步,為了避免去量綱化處理時出現零值的情況,當Xij=0時本文令Xij=0.000 01,對數據進行歸一化處理:

(7)

式中,m為評價年度。

第三步,計算指標Xij的熵值系數ej和差異系數dj:

(8)

dj=1-ej

(9)

可見,熵值ej越小,指標間的差異系數dj越大,該指標就越重要。

第四步,進一步求得指標的Xij權重,n為指標個數:

(10)

第五步,求得第i個一級指標的發展評價綜合得分:

(11)

第六步,在求得第i個一級指標的發展評價綜合得分的基礎上,采用等值權重法,得到不同地區不同年份數字農業發展水平綜合指數以及農業強國建設目標實現綜合指數。

(四)模型設定

⒈基準模型

本文被解釋變量為農業強國建設目標實現綜合指數(APDI),核心解釋變量為數字農業(DA),控制變量為農業產業集聚(AIA)、城市居民恩格爾系數(ENGU)、每萬農業就業人員擁有的農民專業合作社家數(PCOOP)、環境規制強度(ER)和農業綠色產業(DAGI)?？紤]到數字農業對農業強國建設目標實現的影響有可能是非線性的,本文基于2013—2021年中國30個省(市、自治區)(3)鑒于數據可得性和可比性,本文樣本省份剔除了西藏、香港、澳門和臺灣。的面板數據建立如式(12)所示的計量分析模型,來分析數字農業對農業強國建設目標實現的影響(為了避免可能的異方差,本文對每萬農業就業人員擁有的農民專業合作社家數作取自然對數處理):

(12)

式(12)中,下標i和t分別代表省份和年份,vi代表各省份不可觀測的個體固定效應,εi,t代表隨機干擾項,服從正態分布,且vi和εi,t不相關。

由式(12)對數字農業(DA)求一階偏導得到數字農業對農業強國建設目標實現的邊際影響,如式(13)所示:

(13)

若β2>0,數字農業對農業強國建設目標實現具有U型非線性影響。若式(13)>0,數字農業對農業強國建設目標實現具有正向影響,反之則具有負向影響。

2.數字農業促進農業強國建設的機制檢驗

(1)“數字農業→新型農業經營主體→農業強國建設目標實現”的機制檢驗

為了避免遺漏變量引起的估計偏差,本文選擇數字農業(DA)、農業產業集聚(AIA)、城市居民恩格爾系數(ENGU)作為控制變量來估計新型農業經營主體發展對農業強國建設目標實現的影響,選擇交通便利(TRAF,每平方公里國土公路里程)、城市居民恩格爾系數(ENGU)、勞均農用機械總動力(TPTAM,按第一產業就業人口平均的農用機械總動力)作為控制變量來估計數字農業對新型農業經營主體發展的影響,構建如式(14)和式(15)所示的數字農業促進新型農業經營主體發展推動農業強國建設目標實現的作用機制檢驗模型(為了避免可能的異方差,本文對農業強國建設目標實現、新型農業經營主體、交通便利指標作了取自然對數處理;考慮到數字農業對新型農業經營主體可能存在的非線性影響,本文引入了數字農業的二次項):

(14)

lnPCOOPi,t=β0+β1DAi,t+β2lnTRAFi,t+β3ENGUi,t+β4lnTPTAMi,t+νi+εi,t

(15)

如果α1、β1均顯著地大于0,則說明存在數字農業促進新型農業經營主體發展進而推動農業強國建設目標實現的作用機制。

(2)“數字農業→農業綠色產業→農業強國建設目標實現”的機制檢驗

為了避免遺漏變量引起的估計偏差,本文選擇數字農業(DA)、農業產業集聚(AIA)、城市居民恩格爾系數(ENGU)、環境規制強度(ER)、農村居民受教育程度(EDUR,根據農村居民接受不同類型教育的占比測算:農村居民受教育程度=未上過學占比×0+小學占比×6+初中占比×9+高中占比×12+大專及以上占比×16)作為控制變量來估計農業綠色產業發展對農業強國建設目標實現的影響,選擇交通便利(TRAF)、城市居民恩格爾系數(ENGU)、農業產業集聚(AIA)作為控制變量來估計數字農業對農業綠色產業發展的影響,構建如式(16)和式(17)所示的數字農業促進農業綠色產業發展助力農業強國建設目標實現的作用機制檢驗模型(考慮到數字農業對農業綠色發展、農業強國建設目標實現可能存在的非線性影響,本文引入了數字農業的二次項;同時,為了避免可能的異方差,本文對農業綠色產業、交通便利、農村居民受教育程度、農業強國建設目標實現等指標作了取自然對數處理):

(16)

(17)

如果α1、β2均顯著地大于0,則說明存在數字農業促進農業綠色產業發展進而助力農業強國建設目標實現的作用機制。

3.財政支農對數字農業發展的影響檢驗

為了避免遺漏解釋變量偏差,本文選擇農業產業集聚(AIA)、R&D經費內部支出占地區生產總值的比重(RD)、農村居民受教育程度(EDUR)作為控制變量?？紤]到可能存在的異方差,本文對按第一產業就業人口平均的地方財政一般預算中用于農業的支出(LFE)、農村居民受教育程度(EDUR)進行了對數化處理。在此基礎上構建了如式(18)所示的財政支農影響數字農業的檢驗模型:

DAi,t=β0+β1lnLFEi,t+β2AIAi,t+β3RDi,t+β4lnEDURi,t+νi+εi,t

(18)

五、實證結果分析

(一)基準回歸

常用的面板數據模型有混合模型(POLS)、固定效應模型(FE)和隨機效應模型(RE)。如表3所示,LM檢驗不拒絕使用混合回歸模型的原假設,F檢驗在5%的顯著性水平上拒絕了使用混合回歸模型的原假設,由此可見,應該使用固定效應模型進行最優估計。由表3可知,數字農業發展水平及其二次項的估計系數均通過了1%的顯著性水平檢驗,且二次項的估計系數大于0,表明從全國總體情況來看,數字農業對農業強國建設具有顯著的U型非線性影響,假說H1得到支持。數字農業對農業強國建設邊際影響的估計結果如表4所示(4)限于篇幅,本文只列出邊際影響>0的省份及其年份,其他省份的估計結果備索。。由表4可知,從2015年起北京市數字農業對農業強國建設產生了顯著的正向影響;從2019年起浙江省、上海市、廣東省數字農業對農業強國建設產生了顯著的正向影響;2021年福建省、江蘇省數字農業也對農業強國建設產生了顯著的正向影響,而且這種影響隨著時間的推移逐漸增大。其他省份數字農業對農業強國建設的影響仍然是負向影響?？赡艿脑蚴?作為一種新的要素,數字對國民經濟發展的推動作用日益彰顯,政府越來越重視發展數字經濟,數字賦能農業成為中國推動農業現代化轉型的重要推手,數字農業成為中國“新基建”的重要組成部分;但由于農業比較效益低下,流入農業的資源總量有限,發展數字農業的投入擠占了其他建設農業強國的投入,致使在短期內數字農業發展對農業強國建設的影響表現為負面影響。同時,數字農業具有典型的平臺經濟效應特征:數字農業平臺上用戶越多,可供農產品生產者和消費者獲取的數據就越多,農產品生產者和消費者就越有可能獲得更有價值的信息,更科學地作出農產品生產與消費決策。這會吸引更多的用戶,產生更多的數據,有助于進一步提高農產品生產與消費決策的精準性,如此形成良性循環,進而形成基于用戶的規模經濟或范圍經濟效應。隨著數據的不斷積累,農民獲得信息、知識和技術的邊際成本不斷下降,有效產出將不斷增加。也就是說,隨著數字技術逐步滲透到農業生產與消費領域,推動環境友好型農業生產與消費技術的研究開發與推廣普及,數字農業對農業強國建設的積極作用逐漸顯現,數字農業對農業強國建設的影響漸趨正向,并且這種正向影響將隨著數字農業的發展不斷增強。

表3 模型估計結果

表4 數字農業對農業強國建設邊際影響的估計結果(部分)

(二)內生性問題

內生性問題通常由測量誤差、遺漏重要解釋變量和互為因果關系引起。本文基于政府統計部門公布的權威數據進行計量分析,可以較好地避免測量誤差問題;在計量分析模型中引入若干控制變量可以較好地避免遺漏重要解釋變量問題,但仍可能存在互為因果關系引起的內生性問題。農業強國建設是政府農業政策所追求的重要目標,而數字農業有助于推動農業強國建設,所以政府有可能致力于發展數字農業來推動農業強國建設,也就是說政府對農業強國建設目標的追求以及農業強國建設目標的實現有可能反過來影響數字農業的發展(如果通過發展數字農業來促進農業強國建設行之有效,政府有可能加大對數字農業發展的支持力度以促成農業強國建設目標的進一步實現),即數字農業與農業強國建設互為因果。鑒于此,本文采用工具變量法和系統GMM估計來克服可能存在的內生性問題。

1.工具變量法

當模型中內生變量與誤差項相關而產生內生性時,常用的解決思路是根據相關理論分析與數據探索,尋找一個與解釋變量相關但與隨機誤差項不相關的代理變量,即工具變量[42]。通常人們對信息的獲取、識別乃至基于信任而采取行動需要一定的時間,因此數字農業建設對農業強國建設目標實現的影響在時間上可能具有滯后性,當前的數字農業發展可能對以后的農業強國建設目標實現產生影響,但當期農業強國建設目標實現不會影響以前的數字農業發展。農村郵遞投遞線路、人均包裹量、快遞營業網點數在一定程度上反映了數字農業的發展,但農業強國建設不會影響農村郵遞投遞線路、人均包裹量、快遞營業網點數,滿足了工具變量的外生性要求。本文借鑒胡德龍、石滿珍[43]的做法,選取數字農業發展的滯后二期項、農村郵遞投遞線路(取對數)、人均包裹量、2012年快遞營業網點數等作為當期數字農業發展的工具變量,運用面板工具變量法控制內生性問題。由于2012年快遞營業網點數是一個截面數據,不能直接用作面板工具變量,本文借鑒Nunn和Qian[44]的做法,用時間變量t(2013年t=1,2014年t=2,以此類推)與之相乘得到面板數據。由表3可知,內生性檢驗在5%的顯著性水平上拒絕了“不存在內生性”的原假設;Sargan檢驗不拒絕“所有的工具變量都是外生的”原假設;第一階段估計對應的F值(3.47)<10,弱工具變量檢驗Cragg-Donald Wald F統計量大于Stock-Yogo weak ID testcritical values中15%偏誤的臨界值(9.93),說明面板工具變量法(2SLS)所選擇的工具變量是弱工具變量。因此,本文進一步采用對弱工具變量不敏感的有限信息最大似然估計法(LIML)來克服模型存在的內生性,估計結果如表3所示。

2.系統GMM估計

系統GMM不僅可以在部分存在遺漏變量、測量誤差等內生性來源的情形下得到一致估計,還可以提高估計效率[45]。本文引入被解釋變量的滯后一階項作為解釋變量,構造動態面板數據模型,采用系統GMM估計方法進行估計。如表3所示,AR2的P值大于0.1,表明擾動項雖然存在一階自相關,但不拒絕“不存在二階序列自相關”的原假設,可以使用系統GMM。Sargan過度識別檢驗的P值大于0.1,表明工具變量選擇有效,可以較好地消除內生性問題。

由表3可知,在工具變量法、LIML模型、系統GMM的估計中,數字農業的二次項估計系數均顯著大于0?？梢?在消除了內生性問題后數字農業對農業強國建設目標實現的非線性遞增影響仍然存在。

(三)穩健性檢驗

為了確?；貧w結果的穩健性,本文采用三種方法進行穩健性檢驗。

1.變更樣本量(Model1)

考慮到中國的直轄市享有更大的政策傾斜和自主決策權,數字農業的發展情況與其他省份可能存在較大差異,為了使樣本更具可比性、保證檢驗結論的穩健性,參考相關研究[46-48],本文剔除直轄市樣本后再進行固定效應估計,估計結果如表5所示。

表5 穩健性檢驗估計結果

2.面板分位數模型(Model2)

一般情況下,回歸模型是均值回歸,考察的是解釋變量x對被解釋變量y的條件期望E(y|x)的影響,但條件期望較難反映條件分布全貌[49]。分位數回歸刻畫了在不同分位數下y對x進行回歸,其結果能夠得到x對整個條件分布的影響[50]。另外,分位數回歸使用殘差絕對值的加權平均作為最小化的目標函數,估計結果不易受極端值影響,更加穩健[51]。因此,本文采用面板分位數模型,選擇25%、50%和75%三個分位點進行估計,估計結果如表5所示。

3.雙向固定效應模型(Model3)

前文的分析沒有考慮時間和個體效應,為了確保估計結果的穩健性,本文采用雙向固定效應模型來考察時間效應和個體效應,估計結果如表5所示(估計結果時間效應如表6所示、估計結果個體效應如表7所示)。

表6 雙固定效應模型時間效應估計結果

表7 雙固定效應模型個體效應估計結果

穩健性檢驗結果表明,在變更樣本量、變更估計方法或模型后,數字農業發展水平及其二次項估計系數的數值、符號方向和顯著性水平均沒有發生明顯變化,說明回歸結果是穩健的。

(四)異質性檢驗

不同地區因資源稟賦和經濟社會發展階段不同,數字農業、農業強國建設目標實現程度以及數字農業對農業強國建設目標實現程度的影響可能存在差異,須對此作進一步檢驗。借鑒國家統計局的劃分方法,本文將所涉及的30個省(市、自治區)劃分為東部、中部和西部地區,(5)東部地區包括遼寧省、北京市、天津市、河北省、山東省、江蘇省、上海市、浙江省、福建省、廣東省和海南省11個省(市);中部地區包括吉林省、黑龍江省、安徽省、江西省、河南省、湖北省、湖南省、山西省8個省;西部地區包括陜西省、四川省、云南省、貴州省、廣西壯族自治區、甘肅省、青海省、寧夏回族自治區、新疆維吾爾自治區、內蒙古自治區、重慶市11個省(市、自治區)。分別采用固定效應模型進行檢驗,檢驗結果如表8所示。

表8 異質性檢驗估計結果

由表8可知,數字農業二次項的回歸系數在東部地區顯著為正,在中部地區、西部地區卻不顯著。這說明總體上數字農業對農業強國建設具有顯著的U型非線性影響,但對不同地區的促進作用有明顯差異:對東部地區的促進作用顯著,對中部地區和西部地區的促進作用不顯著?？赡艿脑蚴?相對于中部地區和西部地區,東部地區經濟社會發展水平較高,資本和高科技人才豐富,數字技術發達,綠色生產和消費能力較強,發展數字農業的紅利能夠更加充分地釋放[32];中部地區、西部地區經濟社會發展水平較低,綠色生產和消費能力較弱,阻礙了數字技術與農業的融合,導致數字農業發展水平低(本文測算表明,2021年東部地區數字農業發展指數平均水平為0.351 4,中部地區和西部地區分別為0.204 7、0.224 2),對農業強國建設的正向影響還沒有充分顯現出來。

(五)數字農業促進農業強國建設目標實現的機制檢驗

1.“數字農業→新型農業經營主體→農業強國建設目標實現”的機制檢驗

本文以30個省(市、自治區)2013—2021年度數據為樣本,基于式(14)、式(15)估計數字農業對新型農業經營主體發展的影響以及新型農業經營主體發展對農業強國建設目標實現的影響,估計結果如表9所示。

表9 “數字農業→新型農業經營主體→農業強國建設目標實現”機制檢驗估計結果

表9表明,F檢驗和LM檢驗均拒絕使用混合回歸模型的原假設,穩健的hausman檢驗表明應該使用固定效應模型進行估計。在數字農業影響新型農業經營主體發展的回歸模型中,數字農業的偏回歸系數顯著大于0,表明數字農業對新型農業經營主體發展具有顯著的促進作用,假說H2得到支持;在新型農業經營主體發展影響農業強國建設目標實現的回歸模型中,新型農業經營主體的偏回歸系數顯著大于0,表明新型農業經營主體發展對農業強國建設目標實現具有顯著的促進作用,假說H3得到支持。因此,數字農業推動新型農業經營主體發展進而促進農業強國建設目標實現的作用機制是存在的。

2.“數字農業→農業綠色產業→農業強國建設目標實現”的機制檢驗

本文以30個省(市、自治區)2013—2021年度數據為樣本,基于式(16)、式(17)估計數字農業對農業綠色產業發展的影響以及農業綠色產業發展對農業強國建設目標實現的影響,估計結果如表10所示。

表10 數字農業→農業綠色產業→農業強國建設目標實現機制檢驗估計結果

表10表明,在數字農業對農業綠色產業發展的影響檢驗模型中,F檢驗和LM檢驗均拒絕使用混合回歸模型的原假設,穩健的hausman檢驗表明應該使用固定效應模型進行估計。數字農業二次項的偏回歸系數顯著大于0,表明數字農業對農業綠色產業發展具有U型非線性影響,假說H4得到支持。在農業綠色產業發展影響農業強國建設目標實現的檢驗模型中,F檢驗和LM檢驗均拒絕使用混合回歸模型的原假設,穩健的hausman檢驗表明應該使用隨機效應模型進行估計。農業綠色產業發展的偏回歸系數顯著大于0,表明農業綠色產業發展對農業強國建設目標實現具有顯著的促進作用,假說H5得到支持。因此,數字農業推動農業綠色產業發展進而促進農業強國建設目標實現的作用機制是存在的。

(六)財政支農助力數字農業發展的檢驗

以30個省(市、自治區)2013—2021年度數據為樣本,基于式(18)估計財政支農對數字農業發展的影響,估計結果如表11所示。

表11 財政支農對數字農業發展的影響估計結果

表11表明,F檢驗和LM檢驗均拒絕使用混合回歸模型的原假設,穩健的hausman檢驗表明應該使用固定效應模型進行估計。由表11可知,財政支農通過了1%的顯著性水平檢驗,且估計系數大于0,表明財政支農對數字農業的發展有顯著的正向影響,假說H6得到支持。

六、研究結論與政策建議

建設農業強國是中國農業現代化建設和鄉村振興的重要戰略任務,發展數字農業是數字中國和數字鄉村建設的重要組成部分。本文基于2013—2021年省域面板數據,實證檢驗了數字農業對農業強國建設目標實現的影響及其作用機制,以及財政支農對數字農業發展的影響。研究結果表明,數字農業對農業強國建設目標實現具有U型非線性影響。除了直接影響農業強國建設目標實現外,數字農業還通過促進新型農業經營主體和農業綠色產業發展間接推動農業強國建設目標實現。財政支農對數字農業發展具有顯著的正向影響?；谝陨辖Y論,本文提出四點政策建議。

第一,大力發展數字農業。把發展數字農業作為數字鄉村建設的重要內容,尤其是要把農業全產業鏈基礎數據采集等基礎性工作納入“新基建”,加強涉農網站建設,圍繞農民在農業生產經營和農產品銷售中的“急、難、愁、盼”問題開發數字產品,積極開展數字農業信息服務,并以公共服務的方式為農產品生產經營者生產經營決策、農產品消費者消費決策提供咨詢服務,提高農業信息化水平。同時,要著力提高農民數字素養,培育農民數字經濟意識,尤其是通過訪問正規、權威的農業技術服務網站、農產品供求信息發布網站獲取農產品生產、銷售信息的意識以及通過網絡平臺銷售農產品的意識。此外,數字農業對農業強國建設目標實現的促進作用不能立竿見影,本文實證研究表明,除了東部少數幾個省(市)外,全國大多數省(市、自治區)目前數字農業對農業強國建設目標實現的影響仍然是負向的,但這種影響會隨著數字農業發展逐漸減弱,最終轉變為正向影響。因此,要以戰略眼光看待數字農業發展,要持續投入,久久為功。

第二,因地制宜建立科學合理的數字農業投入機制。除了繼續加強數字農業基礎設施建設、提高農業信息化水平外,在東部數字農業促進農業強國建設目標實現的作用已經彰顯的省(市),應逐步引入市場機制,鼓勵企業為農業生產經營和農產品銷售提供信息咨詢服務,作為政府涉農公共服務的重要補充,充分發揮市場機制在資源優化配置中的基礎性作用,促進數字農業高質量發展。中西部地區數字農業發展水平還比較低,數字農業對農業強國建設目標實現的促進作用還沒有充分彰顯,單靠市場機制難以為數字農業配置足夠資源,需要政府以財政補貼的方式補償數字農業發展的資源缺口,抵消擠出效應造成的消極影響。

第三,加大中央財政專項支持數字農業發展力度。當前,中國數字農業尤其是中西部地區數字農業還處于起步階段,且中西部地區經濟社會發展相對滯后,財力薄弱,無力為數字農業提供足額支持,因而除了當地政府應竭力克服自身財政困難為本地數字農業建設提供財政支持外,還需要中央政府以專項投入的方式予以配套補貼,為中西部地區數字農業發展提供必要的啟動資金。

第四,發展數字農業要以發展農民專業合作社等新型農業經營主體和農業綠色產業為抓手。要充分重視農民專業合作社等新型農業經營主體在先進農業生產技術推廣普及、綠色農產品營銷中的作用,充分發揮農業綠色產業基地在重要優質農產品有效供給中的主力軍作用,引導農民專業合作社等新型農業經營主體發展農業綠色產業,加大農民專業合作社等新型農業經營主體以及農業綠色產業基地農產品生產、經營過程中數據的采集、披露力度,為全社會農產品生產與消費提供可靠的信息保障,以信息為媒介,加快農業科研領域的新成果、新的經營方式的推廣普及,形成農業新質生產力。(本文屬于西南大學商貿學院數字經濟與共同富裕創新團隊系列研究成果。)