農業數字化轉型提升勞動生產率了嗎？*

金 通 朱保香 吳 旻

一、 問題的提出

近年來，數字經濟深刻改變了人類生產生活方式，數字革命全面滲透了各個產業領域，產業數字化轉型成為數字經濟的核心。2021年我國產業數字化占GDP比重為32.5%，占數字經濟比重約為81.7%①。其中農業數字化轉型是我國現代農業發展的重要戰略。我國《鄉村振興戰略規劃(2018—2022年)》《數字鄉村發展戰略綱要》《數字農業農村發展規劃(2019—2025年)》等政策強調，要深入推進“互聯網+農業”，加快解放和發展數字化生產力，推動農業農村現代化發展。

隨著數字經濟逐漸成為經濟增長的新引擎與新動能，數字經濟的“生產率之謎”“信息技術生產率悖論”等相關學術研究再次引起關注。宏觀層面研究表明，數字經濟存在數量增長效應、高效率增長效應、高質量創新增長效應[1]，不同國家和地區的數字投資帶來的生產率效應可能有所不同。微觀層面研究則認為，企業不存在“生產率悖論”，數字技術產生的替代效應、滲透效應、互補效應、協同效應[2]，賦能企業創造商業價值，提升企業生產率。中觀層面研究發現，不同產業數字化轉型的生產率效應存在顯著差異。《第四次工業革命對供應鏈的影響》白皮書指出，數字化變革將使制造業企業成本降低17.6%，營收增加22.6%，使物流服務業成本降低34.2%，營收增加33.6%。然而，農業不同于制造業與服務業，數字技術能否真正提升農業生產率？農業數字化轉型的生產率效應主要體現在哪些層面，其內在機理與作用渠道如何？這些問題需要進一步深入研究。

鑒于勞動生產率是衡量農業生產率和農業現代化的核心指標[3]，本文選擇從勞動生產率視角研究農業數字化轉型的生產率效應。依據世界銀行公布的數據顯示，我國2016年勞均農業增加值僅為美國的6.36%、英國的10.84%、韓國的28.34%、日本的23.51%②，我國與發達國家之間的農業勞動生產率差距較大。而且，我國農業面臨的勞動力老齡化、土地碎片化、經營小型化、種源“卡脖子”等現實壓力日趨嚴重，農業數字化轉型是農業現代化發展的必然選擇。

二、 文獻綜述

勞動生產率特指單位時期內勞動創造的產出與勞動消耗量的比值，其中，產出通常有產量與產值兩種衡量指標，而供給效率與需求價值分別影響產量與產值。本文旨在探索農業數字化轉型的勞動生產率效應，因此著重從農業數字化轉型與供給效率、農業數字化轉型與需求價值兩個方面對已有文獻進行回顧與述評。

(一) 農業數字化轉型與供給效率

多數研究從企業與產業等兩個層面證實數字化轉型有助于提升供給效率。在企業層面，企業數字化轉型主要在創新研發、智能生產、數字運營等方面提升企業效率。Agrawal等的研究發現，人工智能技術大大提高識別效率，加快找出最有價值的組合，促進研發效率的提升[4]149-174。而且，數字技術改變了企業的戰略管理、需求預測、產品設計、庫存與定價管理、財務管理、供應鏈管理等關鍵決策，數字賦能企業提升運營效率[5]。在產業層面，產業數字化轉型驅動提升產業效率。產業數字化轉型是傳統產業利用數字技術對業務進行升級，以此提升生產效率與產業效率，推動產業跨境融合，重構產業組織的競爭模式[6]。在制造業，利用互聯網、人工智能等信息技術，能夠降低生產成本、減少資源錯配以及促進研發創新等提升制造業生產率[7]。

在農業領域，現有發達國家經驗與我國典型案例表明數字化轉型可能會提升供給效率。美國數字農業技術已與農業生產的產前、產中、產后形成緊密銜接，應用范疇覆蓋從作物生長的微觀監測到宏觀農業經濟分析，服務農民提升生產效率[8]。汪旭輝等基于網易味央的案例研究提出，數字技術可實現對每頭生豬的豬種培育、身體狀況、三餐營養、豬舍環境、成長心情、音樂歌單、起居排泄等全生長周期管理，智能化養豬模式大力提升育種、養殖、防疫、加工、銷售等農業全過程的生產效率[9]。

(二) 農業數字化轉型與需求價值

本文相關的數字化轉型與需求價值文獻主要集中于兩個方面：其一是數字化轉型幫助企業更好地滿足消費者需求價值。消費者作為數字經濟的價值需求方，能夠主動參與生產活動，影響價值供給的方式，同時數字技術便利生產企業更好地把握消費者需求價值[10]。基于“涉入理論”(Involvement Theory)，企業可以更好地了解客戶需求，進行精準推薦。其二是數字化轉型幫助產需雙方實現價值共創。胡海波、盧海濤基于仁和集團的案例研究顯示，數字化通過結構與資源賦能企業商業生態系統，實現企業、消費者、電子商務提供商和分銷商、醫藥企業等利益相關者的價值共創[11]。

相關研究認為農業數字化轉型有助于企業實現價值提升。對于農戶而言，在數字技術的支持下，通過特色農產品電商、鄉村旅游直播、網上農博等數字活動，可滿足以前被忽略或難以滿足的“長尾需求”，實現“小農戶”與“大市場”的有效供需匹配[12]。對于區域農產品品牌而言，數字化轉型有助于實現提升品牌價值。如“麗水山耕”品牌的農產品線上展示平臺，借助數字平臺打通產、展、銷、供、用等全產業鏈，實現農產品的品牌溢價30%以上。對于農業企業而言，數字化轉型創新提升企業的價值共創能力。先正達集團基于MAP平臺整合上游的基礎研發和下游的商業化主體，共同打造價值共創的產業生態。

總體上，基于企業和產業層面的研究表明，農業數字化轉型可以從供給與需求兩端影響農業勞動生產率。但是，基于我國農業勞動生產率的研究還發現，農業結構、人地比率、土地流轉、勞動力流轉、農業科技、城市化、戶籍制度、轉移支付收入等因素均可能會影響農業勞動生產率[13]。因此，我國農業數字化轉型的生產率效應究竟如何，是否有利于提升土地-勞動比率、土地生產率和產值轉化率[14]，有效提高農業勞動生產率，值得進一步研究。

與此同時，關于數字化轉型與勞動生產率的現有研究大多集中于制造業，對于農業企業的微觀層面研究較少涉及。而且，農業數字化轉型相關文獻，多數采用理論與案例研究，理論與實證相結合的深入研究相對偏少。農業勞動生產率研究則大多側重于農業供給側的效率研究，相對忽視農業需求側的價值研究。本文旨在從供給側與需求側兩端探索農業數字化轉型帶來的勞動生產率提升效應，深入研究農業數字化轉型對勞動生產率的實際效應以及作用機制，同時提供我國農業企業層面的微觀證據。

三、 微觀機制與理論模型

(一) 微觀機制

隨著數字技術與農業的深度融合，消費者在市場中的影響逐漸增強，生產者與消費者之間的交互溝通愈加重要，農產品的供需匹配更加精準。參照已有文獻，本文提出農業數字化轉型對勞動生產率具有的雙重效應，即供給側的效率提升效應與需求側的價值提升效應，既實現高速度增長又實現高質量發展。

1.供給側的效率提升效應

數字技術不僅具有典型的替代性、滲透性、創造性、協同性等技術——經濟特征，而且在具備更低的復制成本、交易成本、驗證成本、追蹤成本、運輸成本的數據要素驅動下，能夠促進生產數量的增長與生產效率的提升。具體而言，農業數字化轉型的供給側的效率提升效應主要表現在以下三個方面(如圖1)：

圖1 農業數字化轉型對勞動生產率的效率提升效應

其一是數據資本節約農業勞動力，提升土地-勞動比率。隨著農業物聯網、智慧農機等數字技術在農業的推廣應用，數字農業將逐漸替代更多的低技能勞動力，“機器換人”的步伐將明顯加快。例如浙江一鳴食品股份有限公司在牧場內精準匹配每份草料，在生產車間內數字管控每滴牛奶，在配送過程精準核算每次要貨，整個1000多平方米的生產車間里只有4名工作人員③。

其二是智能生產升級農業投入產出效率，提高土地產出率。數字化決策、數控化工業設備、智能化生產工藝以及網絡化生產流程，提升了生產的智能化與精準化程度，提高了企業生產能力，帶來企業投入產出效率的改進[15]。

其三是數字化降低企業生產成本，降低資本勞動比。數字經濟存在明顯的規模經濟性與低邊際成本，基于大數據生產的數字產品或服務，起初投入較高的一次性固定成本，但是生產后的變動成本接近于零，甚至是零邊際成本。而且，隨著企業數據管理能力的提升，資產回報率將持續提升，資本積累的增加將更有效地緩解勞動力成本上升壓力[16]。

2. 需求側的價值提升效應

在數字商業生態系統中，消費者借助ABCD等數字技術深度參與生產過程，在供求關系中，消費者的價值逐漸占據主導地位，如何提高消費者的使用價值，更好地滿足消費者的差異化價值需求，理應成為數字廠商關注的重點[10]。對于消費者而言，對于數字產品或服務的需求更加個性化、差異化與社會化，甚至希望獲得私人定制化服務。對于廠商而言，短渠道深度連接消費者，精準把握消費者需求，柔性供給多元化數字產品和服務，將幫助企業實現對消費者的差異化定價與最大化的用戶價值。一般來說，農業數字化轉型的需求側的價值提升效應主要體現在以下三個方面(如圖2)：

圖2 農業數字化轉型對勞動生產率的價值提升效應

其一是精準匹配供需雙方，提升產值轉化率。數字經濟“小前臺+大平臺”的典型模式，打破時間、地域、距離、季節等壁壘，匯聚分散全國各地乃至世界范圍的農產品供求信息，以大數據、算法、物聯網等數字技術，幫助農業生產者與消費者高效地搜尋與匹配到對方，以更低的交易成本實現農產品產銷一體，提高農產品的產值轉化率。

其二是定制化服務消費者，提升品牌溢價率。隨著農業生產者獲取關鍵要素能力的提升，農業生產者更加準確地把握不同消費者的價值需求，一方面憑借可視化、動態化、全程可溯源的農業全生命周期管理，降低農產品交易的信息不對稱程度，更好地獲取消費者的信任；另一方面，農業生產者整合農業數字資源，及時滿足消費者的差異化使用價值與時空價值，為客戶提供定制化的完美體驗式服務，憑借“優質優價”獲取更高的品牌溢價率，提升企業的消費者黏性與無形資產。

其三是擴大需求網絡效應，提升企業市場價值。數字經濟需求側具有顯著的網絡效應，當更多人消費某一商品時，一個消費者額外消費一個商品會獲得更高的價值。隨著更多的農業數據與用戶數據的積累，農業企業不僅可以為消費者提供遞增的服務價值，還可以基于廣泛的產銷共同體與產業融合創新，共同創造更多的新價值、新業態與新模式，以更強的市場反響能力持續發現新的業務增長點，提高企業的市場價值。

(二) 理論模型

勞動生產率是產出與勞動投入的比值，產出既可以用實物意義的產量來表示，也可以用價值意義的產值(或收入)來衡量。

1. 實物意義的農業勞動生產率

如果以Q、L和A分別表示農業總產量、農業勞動力和土地數量，則實物意義的勞動生產率可分解為土地-勞動比率(A/L)和土地生產率(Q/A)，即：

(1)

上式表示農業勞動生產率主要由土地、勞動力與產量三個因素共同決定，假如勞動力人數不變，則擴大土地規模以及提高農業總產量是提高農業勞動生產率的主要途徑。

如對(1)式兩邊取自然對數，(1)式轉化為：

(2)

農業數字化轉型在效率提升效應的作用下，以更少的農業勞動力生產出了更多的農業產量，即L變小的同時Q變大。現在假設土地A不變化，L變化為(L-ΔL)，Q變化為(Q+ΔQ)，ΔL和ΔQ均為正數，則(2)式變化為：

(3)

將(3)-(2)可得：

(4)

2. 價值意義的農業勞動生產率

在市場經濟中，經營者更加關注以農產品為“橋梁”的價值收益，價值意義的勞動生產率更具有實踐應用價值。如果以A、L、Q、Y分別表示土地、勞動力、產量以及產值，則農業勞動生產率可分解為土地-勞動比率(A/L)、土地生產率(Q/A)以及農產品的產值轉化率(Y/Q)的三者組合，即農業勞動生產率表述為：

(5)

如果以P表示價格，產值Y則可表示為：

Y=P×Q

(6)

農業勞動生產率相應變化為：

(7)

若對(7)式兩邊取自然對數，可得出農業勞動生產率的對數表達式為：

(6)

假定y=Y/L，農業數字化轉型前的農業勞動生產率為y1，轉型之后的農業勞動生產率為y2，則相應的農業勞動生產率為：

lny1=lnP1+lnQ1-lnL1

(9)

lny2=lnP2+lnQ2-lnL2

(10)

考慮到農業數字化轉型的效率提升效應和價值提升效應，給農業企業帶來的節約勞動力、增加產量以及提高價格(需求側的品牌溢價)的綜合作用，農業數字化轉型前后的勞動力L、產量Q和價格P的變化可分別表示為：

L2=L1-ΔL

(11)

Q2=Q1+ΔQ

(12)

P2=P1+ΔP

(13)

其中，假定勞動力的變化量ΔL、產量的變化量ΔQ以及價格的變化量ΔP均為大于零的正數。則農業數字化轉型前后的勞動生產率變化，即(10)-(9)可轉換成：

lny2-lny1=(lnP2+lnQ2-lnL2)-(lnP1+lnQ1-lnL1)

=(lnP2-lnP1)+(lnQ2-lnQ1)+(lnL1-lnL2)

(14)

現將(11)(12)和(13)相應代入(14)中：

(15)

(16)

在此假定農業勞動生產率y1和y2均為正數，則(16)式等價于：

y2>y1

(17)

這就說明農業數字化轉型后的勞動生產率高于轉型之前的勞動生產率。如果參照(5)式的農業勞動生產率分析，在假定土地規模沒有變化的情況下，農業數字化轉型的效率提升效應有助于提高土地-勞動比率和土地產出率，價值提升效應有助于提高產值轉化率，農業數字化轉型將有利于促進農業勞動生產率的提高。在現實情況中，隨著數字化轉型的加快，為最大化地發揮數字農業的供給側和需求側規模經濟效應，農業企業傾向于獲取更多的土地面積，進一步迭代提升生產效率與企業價值，農業數字化轉型對勞動生產率的促進效應可能會更加明顯。

四、 研究設計

(一) 數據來源

本文以2013—2019年滬深A股農業上市公司數據為研究樣本，涉及的勞動生產率和控制變量等原始數據主要來自國泰安數據庫(CSMAR)，個別變量數據來自上市公司年報。為提高實證回歸質量，剔除了企業營業收入、固定資產、企業價值、員工人數等關鍵變量缺失的觀測值，剔除了ST、*ST、PT及終止上市的農業企業，僅保留至少連續五年不存在缺失的樣本。

(二) 變量設定

1. 被解釋變量

依據農業上市公司數據可得性，本文參考現有文獻的做法，在基礎回歸部分采用營業收入/員工人數的自然對數來度量勞動生產率(LP)。在穩健性測試部分，則采用人均增加值的自然對數來度量勞動生產率，其中增加值由職工薪酬、應繳稅費、折舊與營業利潤這四部分加總計算所得。

2. 核心解釋變量

農業數字化轉型(DLTN)：本文借鑒陳劍[5]、劉飛[17]等的做法，依據農業數字化轉型主要采用的“ABCD”技術以及應用場景的分類，將農業數字化轉型分解為數字基礎設施與數字經營管理兩類一級指標，其中數字基礎設施由數字硬件、數字軟件以及數字基地這三個二級指標共同構成，數字經營管理則由數字生產、數字管理、數字營銷與數字物流四個二級指標組成。考慮到數據化轉型相關特征信息采集的可行性與科學性，本文借鑒現有文獻的通常做法，選擇從農業上市公司年報中涉及“數字化轉型”的詞頻統計角度來刻畫轉型程度。在實際操作中，本文借助Python爬蟲功能歸集整理滬深兩市相關農業上市公司的年度報告，通過Java PDF box庫提取所有文本內容，匹配同數字化轉型有關的關鍵詞詞頻測度，并在此基礎上將相應詞頻統計與農業上市公司進行匹配和分類匯總，形成農業數字化轉型相關的初始指標。在以對數化方式糾正這類數據的“右偏性”特征之后，本文采用主成分分析法計算出核心解釋變量的數值。農業數字化轉型指標體系詳細情況見表1。

表1 農業數字化轉型指標體系

在進一步深入分析農業數字化轉型對勞動生產率的作用機制時，本文依據上文的分析，企業數字化轉型需要一次性固定投入，故采用人均資本(AKL)指標來驗證農業數字化轉型在供給側的效率提升效應。考慮到需求側的價值提升效應可能產生品牌溢價的效果，將有助于提升企業的無形資產，而且數據資產本質上也是一種無形資產，所以本文采用無形資產(INT)來驗證農業數字化轉型帶給勞動生產率需求側的實際作用機制。

3. 控制變量

本文控制了一系列可能影響勞動生產率的企業層面因素，包括資產回報率(ROA，稅后凈利潤/總資產)、企業年齡(Age，企業成立年齡的自然對數)、企業家學歷(Education，依據不同學歷層次分別賦值)、政府補助(Subsidy，政府補助的自然對數)以及國有持股比例(Statehold)。變量的詳細數據結構參見表2，變量的描述性統計結果參見表3。

表2 變量的定義

表3 變量的描述性統計結果

4. 模型設定

為研究農業數字化轉型對勞動生產率的影響及其作用機制，本文設定如下模型分別加以檢驗：

LP=β0+β1DLTN+∑φControlk+∑γIndividual+∑μYear+ε

(18)

Mediator=θ0+θ1DLTN+∑φControlk+∑γIndividual+∑μYear+τ

(19)

LP=φ0+φ1DLTN+φ2Mediator+∑φControlk+∑γIndividual+∑μYear+δ

(20)

其中，勞動生產率(LP)為被解釋變量；數字化轉型(DLTN)是核心解釋變量，也表示農業數字化轉型直接給勞動生產率帶來的數量增長效應；中介變量(Mediator)包括人均資本量和無形資產兩個變量，采用中介效應模型識別農業數字化轉型的效率提升效應和價值提升效應。Individual和Year表示企業的個體和年度固定效應，分別控制個體層面的非時變因素和年份層面的沖擊影響；ε、τ和δ為隨機誤差項。本文采用第(18)式檢驗農業數字化轉型對勞動生產率的總體影響，用第(19)式和第(20)式對其作用機制進行驗證。

五、 實證結果分析

(一) 基準回歸

表4報告的是“農業數字化轉型——勞動生產率”的基準分析結果。列(1)僅控制個體和時間效應，結果顯示，農業數字化轉型指標(DLTN)的系數為0.0284，且通過10%水平下的顯著性檢驗。列(2)則進一步納入控制變量集，相應的農業數字化轉型指標的回歸系數有所增加(系數為0.0377)，且通過5%水平的顯著性檢驗。這說明納入控制變量后，農業數字化轉型對勞動生產率的直接效應進一步凸顯，農業數字化轉型強度越高，越有助于提升勞動生產率，二者呈現出顯著的正向相關關系。本文認為，農業數字化轉型加快數據資本對勞動力與資本等要素的替代，顯著增加農業總產量。與此同時，農業數字化轉型加強生產者與消費者的互動，以數字技術為橋梁提高農產品的供需匹配度與品牌溢價率，幫助企業更好地實現自身價值的持續提升。

表4 基準回歸：農業數字化轉型對勞動生產率的直接效應

控制變量的估計結果表明，資產回報率(ROA)對勞動生產率有正向的促進作用，資產回報率越高，勞動生產率也越高。而國有持股比例(Statehold)則與勞動生產率顯著負相關，這說明國有持股比例高的農業企業，農業的基礎性作用以及社會責任等因素會降低其對勞動生產率的優先考慮。

(二) 作用機制檢驗

1. 農業數字化轉型對企業的經濟影響

農業數字化轉型是企業為了適應數字經濟發展需求而采取的重要嘗試，通過工具、業務、管理、商業模式等數字化轉型舉措，期望進一步提升企業的經營績效。如若農業數字化轉型無益于企業績效的提升，那么企業一次性投入巨大的數字化轉型成本，就無法通過后期的規模經濟效應與網絡效應等實現預期的投資回報，企業數字化轉型的動力與信心將會有所動搖。

基于此，本文選擇企業的銷售額、人均資本、無形資產以及企業市值四個經濟指標進行檢驗，從有形的收益以及無形的價值兩個層面共同探索農業數字化轉型對企業的經濟影響。其中，銷售額指標采用銷售額的對數值，人均資本則使用人均固定資產的自然對數，通過這兩項指標嘗試驗證農業數字化轉型是否真正實現“低投入、高產出”的經濟收益。無形資產指標則采用無形資產的對數值，企業價值以經典的托賓Q為代理變量，這兩項指標主要估算農業數字化轉型對企業的商譽及未來的價值影響。

表5的檢驗結果表明，農業數字化轉型有助于提高農業企業的銷售額(Sale)，數字化銷售促進企業進一步提高產值轉化率。進一步的研究發現，農業企業數字化轉型增強數據資本的替代效應，不僅節約農業勞動力，還降低人均資本(資本勞動比，AKL)。由此說明，農業數字化轉型確實可能存在“低成本、高收益”的預期回報。而且，農業數字化轉型有助于促進企業提升無形資產(INT)以及企業市值(Value)，有效實現生產者與消費者的共同價值創造。農業數字化轉型存在的潛在“名利雙收”效應，將進一步激勵農業企業加快轉型升級的步伐。

表5 農業數字化轉型對企業的經濟影響

2. 供給側的效率提升效應

在表6中，數字化轉型對人均資本(AKL)的回歸系數為-0.0229且在10%水平上顯著，參見列(1)，意味著農業數字化轉型對人均資本有明顯抑制作用，以更低的勞動力與資本成本實現了更高的銷售收入。而且，列(2)報告了人均資本對勞動生產率的中介效應結果，農業數字化轉型的系數(0.0362)和人均資本的系數(0.358)均為正值，且分別在5%和1%水平上顯著。這意味著農業數字化轉型在人均資本的中介作用下發生對勞動生產率的效率提升效應。

表6 農業數字化轉型對勞動生產率的效率提升效應

(續表)

本文認為，農業數字化轉型在供給側的要素替代效應與規模經濟效應，誘發企業改變生產要素和成本結構，數據賦能勞動力與資本要素提升資源利用效率，實現提高產量與節約勞動的雙重效果，從勞動生產率(Y/L)的分母與分子兩端體現數字化轉型的效率提升效應。

3. 需求側的價值提升效應

由表7的回歸結果可知，農業數字化轉型與無形資產的系數為0.036 7，且在1%水平上顯著。這意味著農業數字化轉型的加快，數據資本的深化，將對企業的品牌、商譽等無形資產(INT)形成顯著的提升效果，參見列(1)。數字經濟的規模效應與網絡效應，將有利于農業企業提升品牌影響力。列(2)報告了無形資產對農業數字化轉型的生產率中介效應，農業數字化轉型的系數雖然略微下降，但依然在5%水平上顯著。此結果表明，農業數字化轉型在無形資產的中介作用下，仍然產生對農業勞動生產率的正面促進作用，由此有效驗證了農業數字化轉型的價值增長效應。

表7 農業數字化轉型對勞動生產率的價值提升效應

(續表)

(三) 穩健性檢驗

Erik Brynjolfsson[18]23-57等指出，人工智能生產率悖論的一種解釋是ICT資產作為一種通用性技術，其生產率效應可能存在時滯。為進一步提升核心結論的說服力，本部分對核心解釋變量采用農業數字化轉型滯后一期作為替代變量，延長時間窗口。表(8)的回歸結果顯示，農業數字化轉型的滯后一期系數為0.0284，且在10%水平上顯著，這意味著數字化轉型對企業的勞動生產率確實存在時滯。而且，雖然滯后一期的數字化轉型的回歸系數與顯著性水平均有所下降，但回歸結果并未改變本文的主要實證結論。

表8 穩健性檢驗：農業數字化轉型滯后一期檢驗

在前文的分析中，本文采用營業收入/員工人數的計算方式來衡量勞動生產率。本部分參考已有文獻的做法，選擇用銷售額/員工人數來替換被解釋變量勞動生產率。表9的數據顯示，在變更被解釋變量的計算口徑后，農業數字化轉型與勞動生產率的系數(0.110)依然顯著，這表明本文的研究結論依然穩健。

表9 穩健性檢驗：勞動生產率更換計算口徑

(四) 異質性分析

企業的屬性特征差異使得企業在數字化轉型決策時，往往具有不同的反應策略。有鑒于農業的基礎性作用，我國對農業企業的財政支持較為重視。表10的數據顯示，農業數字化轉型對非國有企業的勞動生產率效應顯著(系數為0.037 7)，而對國有企業數字化轉型影響并不明顯。可能的解釋是國有企業憑借其在農業產業鏈中的優勢地位，本身更易獲得財政資金與金融資本的支持，企業自身的盈利能力相對較高，在傳統路徑依賴下，對于數字化轉型的內生需求并不強烈，尤其是在我國數字化轉型的成本較高且收益不確定的情形下，國有企業的改革決策相對比較謹慎。

表10 基于產權性質的異質性分析

(續表)

六、 結論與政策建議

本文基于農業上市公司的年報數據，將農業數字化轉型與勞動生產率結合起來，從農業供給側與需求側兩個方向，分別研究農業數字化轉型的生產率效應及其作用機制，得出如下結論：

一是農業數字化轉型在供給側存在勞動生產率的效率提升效應，由于數據資本的要素替代效應、全面滲透效應以及規模經濟效應，幫助農業企業以更低的成本獲得更高的產量，通過節約勞動力與提高農業產量的雙重效果促進勞動生產率提升。

二是農業數字化轉型在需求側存在勞動生產率的價值提升效應，數字平臺幫助企業實現精準供需匹配、定制化服務以及需求網絡效應，實現企業的用戶價值與市場價值的雙增長，以需求拉動有形產值與無形價值的雙提升強化勞動生產率效應。

三是農業數字化轉型對企業的銷售額、資本勞動比、無形資產以及企業市值等經濟指標存在顯著影響。在進一步的異質性分析中發現，非國有農業企業的數字化轉型的生產率效應相對更強。

基于上述研究發現，本文從企業和政府兩個維度提出如下政策建議，以期更好地發揮農業數字化轉型在推動農業現代化發展中的重要作用：

第一，農業企業在實施數字化轉型時，要充分利用各種農業數據資源，以數據資本有效整合勞動力與資本、技術等要素資本，以數字平臺驅動企業科學決策，以數字產品優化農產品生產效率，從生產、業務、管理與模式等全流程實現全面轉型，構建生產、加工、流通與銷售等全過程的數字化鏈條，引導農業實現生產數字化、管理智能化與運營規模化，最終實現現代農業的高效率增長。

第二，農業企業在需求側要更好地滿足消費者的使用價值，要堅持以消費者的需求價值為導向，以更加精準匹配的差異化供給、敏捷貼心的定制化服務、互利互惠的動態化價值，實現更高的銷售盈余與品牌溢價。農業企業要主動建立生產者與消費者的產銷共同體，積極打造網絡協同的數字產業生態，持續優化價值共創商業生態系統，全產業鏈協同推動農業實現可持續高質量發展。

第三，政府在鼓勵農業產業數字化轉型時，要引導企業合理平衡農業數字化轉型的成本與收益，支持農業龍頭企業打造各類行業數字平臺，帶動中小企業共享數字效益。為緩解農業企業的融資約束，政府要注重加大對非國有農業企業的財政支持力度，以更加精準的政府補助驅動農業企業實現更為顯著的數字化轉型效應，以市場化方式激勵企業自主加快農業數字化轉型。

注釋：

① 中國信息通信研究院: 《中國數字經濟發展報告(2022年)》，中國信息通信研究院網站，http://www.caict.ac.cn/kxyj/qwfb/bps/202207/t20220708_405627.htm.

② 數據來源：wdi.worldbank.org/table/3.3.

③ 數據來源：https://zj.zjol.com.cn/news.html?id=1641319.