鄉村數字化對農業綠色全要素生產率的影響

金紹榮 任贊杰

2020年9月，我國首次提出“力爭2030年前實現碳達峰，2060年前實現碳中和”的目標。在過去較長一段時間內，農業溫室氣體排放總量約占我國碳排放總量的17%，其中農業化學制品尤其是化肥、農藥占據了農業溫室氣體排放量的主要份額［1］。減少農業碳排放、推動農業綠色發展是貫徹落實“雙碳”戰略的重要舉措。提高農業綠色全要素生產率是實現農業綠色發展的必由之路，學術界分別研究了農業產業結構變化［2］、環境政策規制［3］、新型城鎮化［4］、綠色技術采納［5］等因素對農業綠色全要素生產率的影響，極大地豐富了農業綠色全要素生產率的研究內容，拓展了農業綠色全要素生產率的提升路徑。

近年來，鑒于數字技術在優化農業資源配置、賦能農村產業轉型升級、提高農產品產銷匹配效率、提升農業經營效益等方面具有顯著的優勢［6］，我國大力推進鄉村數字化建設，以期通過提高鄉村數字化水平，推動農業綠色發展。2022年中央“一號文件”從基礎設施、人才培育、應用場景、項目設計、政策設計、投入保障等方面對數字鄉村建設作出系統謀劃；2022年5月印發的《鄉村建設行動實施方案》進一步細化了數字技術與鄉村生產生活融合的路徑。農業農村部發布的《2021全國縣域農業農村信息化發展水平評價報告》顯示，2020年全國縣域農業農村信息化發展總體水平為37.9%。具體到農業生產領域，全國農業生產信息化水平為22.5%。可以預見，“十四五”時期我國鄉村數字化發展勢頭將會更加強勁［7］，各項智慧技術在農業農村各領域將得到廣泛應用［8］，尤其是物聯網、區塊鏈、云計算等技術的日益成熟與廣泛應用，將對農業綠色發展產生革命性影響［9］。因此，研究鄉村數字化對農業綠色全要素生產率的影響及其作用機制，有利于抓住鄉村數字化機遇，優化生產要素配置，轉變農業生產方式，推動農業綠色發展。

數字鄉村的建設與數字技術的應用都離不開優質的人力資本。但受農業生產規模小、利潤低、風險高等因素的影響，我國廣大農村青年離農化傾向明顯［10］，導致我國鄉村人力資本水平較低。從農戶的受教育年限來看，《中國人口和就業統計年鑒2021》顯示，農林牧漁業中高中及以上學歷的從業者僅占7.2%，遠低于其他行業；從國際橫向比較來看，我國農業從業人員中擁有大專及以上學歷者僅占1%，僅相當于法國的7.0%、德國的5.1%、英國的4.7%以及美國的3.5%［11］。因此，在全面推進鄉村振興和大力開展數字鄉村建設的進程中，研究不同人力資本水平下鄉村數字化對農業綠色全要素生產率影響的演變規律，具有重要的理論價值和現實意義。

一、相關文獻綜述

分析農業綠色發展，應考慮化肥、農藥、機械等傳統投入要素所帶來的碳排放問題，即在傳統農業全要素生產率的理論基礎上納入環境資源約束，因此，本文以農業綠色全要素生產率作為衡量農業綠色發展的核心指標［12］。在農業高質量發展的新階段，精準測算農業綠色全要素生產率，是學術界研究農業綠色發展水平的首要任務。當前，測算農業綠色全要素生產率的方法主要有隨機前沿分析法（SFA）和數據包絡分析法（DEA）。與SFA相比，DEA不僅可以同時處理具有多輸入指標和多輸出指標的決策單元，而且不需要設定具體的生產函數，從而得到更為廣泛的應用［13］。嚴先鋒等通過建立超效率SBM-NS-Overall模型，刻畫了我國2001—2014年農業綠色發展演變歷程［14］；王兵、曾志奇、杜敏哲基于碳排放約束和產區異質性，運用共同前沿下的SBM模型與Luenberger生產率指數，測算了1993—2017年我國29個省份的農業綠色全要素生產率［15］。在利用DEA測量農業綠色全要素生產率的基礎之上，學者們進一步研究了農產品國際貿易［16］、農村金融發展［17］、環境規制［3］等因素對農業綠色全要素生產率的影響。

隨著農村地區互聯網、智能手機的普及，農業信息化和鄉村數字化逐漸引起學術界的關注。農業信息化的內涵包括農民生活消費信息化、農業基礎設施信息化、農業科學技術信息化、農業經營管理信息化、農業資源環境監測信息化等內容［18］，其重點強調信息的收集與傳遞［19］。 鄉村數字化是農業信息化的進一步延伸，是指依托數字經濟的發展，以現代信息網絡為載體，以云計算、人工智能、區塊鏈等技術為抓手，通過算法和算力，推動農業現代化與鄉村社會高質量發展的一種過程和發展狀態［20］，其重點在于數據的加工與處理。隨著網絡化、信息化在農業農村經濟社會發展中的持續推進，以及農民現代信息技能的普遍提高，數字化成為未來鄉村高質量發展的必經階段。當前學術界有關數字化對農業全要素生產率的影響研究已全面展開。在微觀層面上，朱秋博等基于2004—2016年全國農村固定觀察點的農戶數據，認為信息化發展顯著提升了農戶的農業全要素生產率，并指出信息化主要通過提高技術效率，進而提升農業全要素生產率［21］。在宏觀層面上，韓海彬和張莉利用2002—2010年我國省級面板數據，得出農業信息化對農業全要素生產率增長的影響存在顯著的雙重門檻效應，即隨著人力資本水平的提高，農業信息化對農業全要素生產率的影響會逐漸增強［22］；張永真利用2001—2015年我國省級面板數據，同樣得到了農業信息化有利于提升農業全要素生產率的結論，并強調在不同區域農業信息化對農業全要素生產率的提升路徑存在差異［23］；高楊和牛子恒基于2003—2015年我國省級面板數據，利用空間計量方法，提出農業信息化對農業全要素生產率的提升效應既包含直接效應，又包含空間溢出效應［24］；劉帥基于2011—2017年省級面板數據，同樣得出農業信息化能夠促進農業全要素生產率提升，并且該作用呈現由東向西依次遞減的區域特征［25］。

綜上可知，學術界已對鄉村數字化的初級階段（信息化）展開了豐富研究，這為本文提供了有益借鑒。隨著數字化的快速發展，這些研究呈現以下不足：一是現有研究所用數據年份較為陳舊。近年來，鄉村數字化推進力度加大，數據更新加快，需要實時動態、全面掌握最新資訊，以便精準分析數字化賦能農業綠色發展的內在機制與區域差異。二是現有研究較少考慮人力資本水平對鄉村數字化效應發揮的影響。為此，本文利用2011—2020年我國省級面板數據，更細致地研究了鄉村數字化對農業綠色全要素生產率的影響及其作用機制，拓展了該領域的研究邊界；同時，本文將鄉村人力資本水平納入鄉村數字化對農業綠色全要素生產率影響的分析框架，有利于科學研判未來鄉村人力資本水平變化條件下鄉村數字化對農業綠色全要素生產率影響的演變趨勢。

二、理論分析與研究假說

（一）鄉村數字化與農業綠色全要素生產率

研發、推廣、應用“經濟可用、生態可行”的農業技術是農業綠色發展的基礎。據此，速水佑次郎提出了著名的誘致性技術變遷理論。該理論認為，生產要素的相對價格和可供選擇的技術決定了農業經營主體配置土地、資本、勞動和技術等生產要素的方式。當要素價格變動時，農業經營主體會選擇更為廉價的要素以及適應新要素配比的技術進行生產經營［26-27］。近年來，土地、勞動力等傳統農業生產要素的價格逐年攀升，而農業技術、農業服務等現代要素的價格有所下降，此趨勢有利于農戶采用技術和服務替代傳統要素。特別是，隨著我國鄉村數字基礎設施不斷完善，數字的采集、傳輸、處理能力明顯增強，這為農戶利用數字化技術提高經營決策效率、優化生產要素配置以及采納綠色生產技術、降低農業碳排放提供了有效途徑。因此，鄉村數字化是農戶破解農業生產小規模、粗放式、分散化難題的重要舉措，是實現“種植有大腦、生長有智慧、銷售有溯源”目標的重要依托，是提高農業綠色全要素生產率、實現農業綠色發展的歷史性機遇。

農業綠色全要素生產率可以進一步分解為技術進步和技術效率。因此，本文分別從技術進步和技術效率的角度，探討鄉村數字化對農業綠色全要素生產率的影響及其作用機制（見圖1）。

圖1 鄉村數字化對農業綠色全要素生產率的影響機制

從技術進步的角度來看，首先，鄉村數字化建設便于涉農企業、科研單位收集、整理、分析農業生產各環節數據，增強農業科技研發的針對性。這既有助于提高農業設備的工作效率，降低運行中的油料消耗，減少農業機械碳排放；又有利于改善化肥品質，提高化肥有效成分與土壤缺失元素的互補性，推動化肥減量；還有利于增強農藥的高效性、低毒性與低殘留等特性，降低農藥施用頻率與劑量，最終降低農業碳排放。其次，鄉村數字化以互聯互通的方式，構建起“農業院校+科研院所+地方政府+農戶”的農業科技傳播鏈條，形成農業技術推廣生態，支撐農業科技精準高效地傳導到千家萬戶，增強農戶對綠色生產技術的認知。最后，數字技術有助于快速聯結技術開發者與廣大農戶，以共享平臺和“科技小院”等形式，增強農業技術指導的精準度，降低農戶學習、掌握綠色生產技術的時間成本［28］。同時，鄉村數字化也便于消費者依托大數據平臺，實時監督農產品的綠色生產、清潔倉儲、安全運輸等環節，增強農戶采納綠色技術的外部推力。綜上可知，鄉村數字化通過推動技術進步來提高農業綠色全要素生產率。

從技術效率的角度來看，首先，鄉村數字化有助于打破農業信息壁壘，加快生產經驗、操作技術、政策補貼、市場需求等信息在鄉村的傳播，有利于農戶及時調整農業生產結構，合理配置土地、資本、勞動力等生產要素，減少要素扭曲造成的生產損耗，降低農業生產碳排放，提高綠色生產效率［18］。其次，鄉村數字化能夠依托其在信息處理上的優勢，降低交易雙方的信息搜尋成本，提高農產品交易效率。農產品具有生產地域性、供給季節性、存儲易腐性等特征，其供需匹配難，運輸損耗高，交易成本高。數字技術因其強大的算力，可提高農產品匹配率，減少損耗和滯銷，降低農業碳排放。最后，鄉村數字化有利于拓寬農戶視野和社交網絡，幫助農戶跨區域、跨行業尋找就業機會，促進鄉村勞動力向非農部門轉移，進而助推土地流轉，催生新型經營主體，加快農業適度規模化和高效集約化經營，提升技術效率。綜上可知，鄉村數字化通過提升技術效率來提高農業綠色全要素生產率。基于此，本文提出如下假說：

H1：鄉村數字化有助于提升農業綠色全要素生產率；

H1a：鄉村數字化通過提高技術進步來提升農業綠色全要素生產率；

H1b：鄉村數字化通過提高技術效率來提升農業綠色全要素生產率。

（二）鄉村數字化、人力資本水平與農業綠色全要素生產率

鄉村數字化能否有效提高農業綠色全要素生產率，有賴于農業經營者的數字素養與應用能力。當人力資本水平較低時，農戶的數字意識薄弱、數字能力不足，難以發揮數字技術在消除農產品信息壁壘、降低農業生產成本等方面的優勢；另一方面，人力資本水平較低意味著農戶收集、甄別、整合市場信息的能力較差，數字技術帶來的海量信息既會增強農戶生產決策風險、加劇農戶的資源錯配程度，又會放大農業生產中的自然風險與市場風險，降低農戶收入水平，抑制農戶采納綠色技術，阻礙農業綠色全要素生產率提升。當人力資本水平較高時，農戶既可以根據市場信號，及時規避農業生產中的風險；又可以準確掌控農作物生產規律，減少農藥、化肥施用量，提高農產品品質，提升農產品附加值；還可以利用電商、直播等數字化方式，緩解農產品市場的信息不對稱，拓寬綠色農產品的銷路，減少農產品銷售環節的損耗，降低碳排放。由此可見，人力資本水平較高，有利于充分發揮數字技術推動技術進步和提高技術效率的優勢，從而提升農業綠色全要素生產率，推動農業綠色發展。基于此，本文提出如下假說：

H2：鄉村人力資本水平提升，有利于增強鄉村數字化對農業綠色全要素生產率的影響。

三、農業綠色全要素生產率與鄉村數字化的測算

（一）農業綠色全要素生產率的測算

1.指標選取與數據來源

借鑒劉亦文等的研究成果［13］，本文將農業機械總動力、農作物播種面積、農用化肥施用折純量、灌溉總面積、農業就業人數作為投入指標，以農業總產值為期望產出指標，以農業碳排放總量為非期望產出指標。其中，農業就業人數=地區第一產業就業人數×（農業總產值/農林牧漁總產值）；農業機械總動力=農用機械總動力-畜牧業機械總動力-漁業機械總動力。農業碳排放總量的估計方法為：以化肥、農藥、地膜、柴油、農作物播種面積、農業灌溉作為碳排放源，選用農業化肥使用折純量、農藥施用量、地膜使用量、農用柴油用量、農作物總播種面積、農業有效灌溉面積等指標進行測度。碳排放總量E=∑Ei=∑Tiδi，其中Ei為上述碳排放源的投入量，δi為碳排放系數。其中化肥的碳排放系數為0.8956kg·kg-1，農藥的碳排放系數為4.9341kg·kg-1，以上兩個數據來源于美國橡樹嶺國家實驗室的相關研究；農膜的碳排放系數為5.18kg·kg-1，該數據來源于南京農業大學農業資源與生態環境研究所的相關研究；農業柴油使用量=農用柴油總量×（農業機械總動力/農用機械總動力），柴油的碳排放系數為0.5927kg·kg-1，該數據參考IPCC聯合國氣候變化政府間專家委員會的相關研究；農業播種的碳排放系數為312.6kg·km-2，該數據來源于中國農業大學生物與技術學院的相關研究；農業灌溉的碳排放系數為20.476 kg·hm-2，該數據參考王寶義的研究［1］。數據來源為：第一產業就業人數來源于國泰安數據庫；農業總產值與農林牧漁總產值、農作物播種總面積、農用機械總動力、農用化肥折純施用量、農用柴油施用量以及農業灌溉面積等數據均來源于《中國農村統計年鑒》；畜牧業機械總動力與漁業機械總動力等數據來源于《中國農業機械工業年鑒》。由于西藏數據缺失嚴重，故本文在研究中將其剔除；同時，由于北京、天津、重慶、上海等直轄市的城鄉數據難以區分，因此未納入研究范圍。此外，由于數據的獲得性問題，本文排除了臺灣省、香港特別行政區和澳門特別行政區，最終本文的研究范圍為26個省份。

2.農業綠色全要素生產率的測算與結果分析

在現有相關文獻中，對效率的測算主要采用DEA-Malmquist指數方法。為解決不同時期農業綠色全要素生產率的可比性問題，本文選用規模報酬可變的、考慮非期望產出的全局超效率EBM模型。基于上述投入產出指標和測算方法，本文以2010年數據為基期，借助MAXDEA軟件測算2011—2020年我國農業綠色全要素生產率，結果如表1（下頁）所示。由測算結果可知，樣本期內，全國層面的農業綠色全要素生產率均大于1。這表明，2011年以來，我國農業綠色全要素生產率持續提升，為我國農業綠色發展提供了強勁動力。

表1 農業綠色全要素生產率的測度結果

本文將全國層面的農業綠色全要素生產率分解為技術進步和技術效率，進一步分析農業綠色全要素生產率的演變趨勢。由圖2可知，樣本期內的技術進步高于1，而技術效率略低于1。這表明過去10年，農業領域的技術進步是我國農業綠色全要素生產率持續提升的主要動力。可能的原因是，農業生產周期長、條件差、利潤薄，導致大量高素質鄉村青年勞動力離開農業農村、進城務工，這降低了農業生產要素的配置效率，阻礙了現有農業綠色技術的效力發揮，不利于農業技術效率的提升。與此相對的是，在研發投入、農機補貼、大戶扶持等一系列政策的支持下，土壤配方肥的研發速度、新型農藥的推廣速度、新式雜交作物的普及速度明顯加快，加之各類型農業機械設備迭代升級，推動了農業綠色生產技術進步。

圖2 2011—2020年農業綠色全要素生產率的分解情況

（二）鄉村數字化的測算

1.指標選取與測算方法

梳理相關文獻可以發現，學術界關于鄉村信息化指標體系的研究較為成熟，而關于數字化指標體系的研究尚待完善。鄉村信息化強調信息的傳遞與接收，其指標體系多由電話機、黑白電視、彩色電視、農村郵件投遞線路等傳統信息要件構成，而鄉村數字化側重于信息獲取的便捷和應用的精準，是信息化的進階。為此，本文參考王艾敏［29］、王定祥和冉希美［30］等構建包含鄉村居民家庭平均每百戶移動電話數、電腦擁有量、農村互聯網寬帶接入戶數等現代化信息要件的指標體系，采用熵值法，計算出2011—2020年各省份的鄉村數字化發展指數，以此衡量鄉村數字化發展水平。其合理性在于，電腦、移動電話和互聯網寬帶等通信設備是實現鄉村數字化的物質載體，同時這些通信設備的數量可以反映當地的數字基礎設施水平、數字資源和數字技術的利用程度，因而能夠較為全面地反映當地數字化水平。鄉村居民家庭平均每百戶移動電話數、電腦擁有量、農村互聯網寬帶接入戶數等數據均來自國泰安數據庫。由于農村互聯網寬帶接入戶數的數據始于2011年，我國大力推進鄉村數字化建設也在此開始，因而鄉村數字化的樣本期為2011—2020年。鄉村數字化水平的具體測算步驟如下：

第一步，對原始指標作標準化處理：

式中，Xijt為 i省份 t年（i=1，2，…，m；m 為省份個數）第 j個指標（j=1，2，…，n；n 為指標數）標準化之后的數值，xjt為原始指標，max（xjt）為所有年份中第j個指標的最大值，min（xjt）為最小值。

第二步，計算t年i省份第j個指標的比重Sijt：

第三步，計算t年第j個指標的熵值Ejt：

第四步，計算t年第j個指標的權重Wjt：

第五步，計算鄉村數字化發展水平：

2.鄉村數字化的測算與結果分析

根據上文介紹的指標體系、方法，測算我國2011—2020年鄉村數字化水平，具體結果如表2（下頁）所示。從全國層面來看，我國鄉村數字化水平呈現上升趨勢，年均增長率約為11%。分區域來看，鄉村數字化水平由高到低依次為東部、中部、東北和西部地區。值得注意的是，一方面，2017年以來，與全國、東部、中部和西部地區的持續提升不同，東北地區的鄉村數字化水平呈停滯甚至下降趨勢；另一方面，東部、中部和西部地區的鄉村數字化差距略微擴大。因此，在鄉村全面振興的高質量發展新階段，要著重提升東北地區和西部地區的數字化水平，增強鄉村數字化的區域協調性。分省份來看，江蘇、廣東和浙江的數字化水平較高，而新疆、內蒙古和海南等地的數字化水平較低、主要原因是鄉村數字化水平的提升，既依賴于鄉村信息化基礎設施建設水平，又依賴于鄉村居民人均可支配收入及數字化素養。江蘇、浙江等省份財政預算充裕，為鄉村數字技術基礎設施建設提供了雄厚資金支持，且這些地區經濟發展速度較快、教育資源豐富、農戶人力資本水平較高，為農戶采納、利用數字化技術等奠定了堅實基礎。

表2 我國鄉村數字化水平的測度結果

四、數據來源、模型設定與變量說明

（一）模型設定

1.基準計量模型

為檢驗假說H1，建構如下模型：

在式（6）中，i為省份，t為年份；GTFPit表示各省份農業綠色全要素生產率，DIit表示鄉村數字化發展水平，Controlit表示控制變量，α表示截距項，εit表示隨機誤差項。

在以上指標測算的基礎上，為研究鄉村數字化對農業綠色全要素生產率的影響路徑，根據前文的機理分析，本文分別研究鄉村數字化對技術效率（Effch）和技術進步（Tech）的影響。模型設定與式（6）類似，這里不再列出。

2.鄉村人力資本水平的門檻計量模型

為了檢驗假說H2，本文在式（6）的基礎上，參考Hansen（1999）的建模思路，構建如下面板門檻計量模型：

式（7）中，Humanit表示鄉村人力資本水平，在模型中設定為門檻變量；γ表示具體門檻值；I（·）為指示函數。其余變量符號與式（6）保持一致。

（二）變量說明

第一，被解釋變量：農業綠色全要素生產率。如前文所述，該值越大，表明農業綠色發展水平越高。

第二，核心解釋變量：鄉村數字化。如前文所述，該值越大，表明鄉村數字化水平越高。

第三，門檻變量：鄉村人力資本水平。本文采用鄉村人均受教育年限代表鄉村人力資本水平，借鑒葉初升和馬玉婷的計算方法［31］，設定小學、初中、高中或中專、大專以上教育程度的平均受教育年限分別為6年、9年、12年和16年，人力資本水平 Humanit=prim×6+midd×9+high×12+univer×16。

第四，控制變量。為克服遺漏變量造成的影響，本文選取城鎮化率、財政支農支出、鄉村道路水平、鄉村電力水平、農業結構、災害影響、農業保障水平、水土流失治理等指標作為控制變量。變量定義及說明如表3所示。

表3 變量定義

（三）數據來源與樣本描述

本文基于我國26個省份2011—2020年的樣本數據展開。其中，城鎮化率、財政支農支出、鄉村道路水平相關數據來自《中國統計年鑒》；鄉村電力水平、農業結構、災害影響、水土流失治理相關數據來自《中國農村統計年鑒》；農業保障水平相關數據來自《中國保險年鑒》；城鎮居民人均互聯網使用率相關數據來自國泰安數據庫。以上數據的描述性統計如表4（下頁）所示。

表4 描述性統計

五、實證結果分析

（一）基準回歸

根據LM檢驗、F檢驗及Huasman檢驗的結果，本文采用固定效應模型。表5列（1）為單變量回歸，列（2）—（4）中逐步放入控制變量。對比列（1）—（4）的回歸結果可知，隨著逐步納入控制變量，鄉村數字化的系數大小與顯著性水平均未發生較大變化，這部分表明鄉村數字化對農業綠色全要素生產率的影響較為穩健。列（4）為本文基準回歸結果，該模型的擬合優度為0.870，說明模型整體的擬合優度較高。由列（4）可知，鄉村數字化系數為正，且在1%的置信水平上顯著。這表明，鄉村數字化水平的提升有助于提高農業生產要素配置效率，推動農業現代化轉型，促進綠色生產技術普及，減少農藥、化肥施用量，最終降低農業碳排放，即鄉村數字化能顯著提升農業綠色全要素生產率。假說H1得到證實。

表5 基準回歸結果

（二）內生性檢驗

本文加入控制變量，試圖緩解遺漏變量帶來的內生性問題，同時采用固定效應模型解決由不隨時間變化且不可觀測變量所導致的內生性問題，但仍可能存在雙向因果導致的內生性問題。為此，本文采取滯后核心解釋變量和工具變量法來緩解內生性問題。回歸結果如表6所示。

1.滯后核心解釋變量

本文將核心解釋變量滯后一期，然后檢驗其對農業綠色全要素生產率的影響，檢驗結果見表6中的列（1）。由列（1）可知，滯后一期的鄉村數字化對農業綠色全要素生產率的回歸系數為正，且在1%水平上顯著。這表明滯后核心解釋變量后，鄉村數字化依然顯著提升了農業綠色全要素生產率。

2.工具變量法

本文選取城鎮居民人均互聯網使用率和鄉村數字化的滯后兩期作為鄉村數字化的工具變量，利用兩階段最小二乘法（2SLS）重新檢驗鄉村數字化對農業綠色全要素生產率的影響。就城鎮居民人均互聯網使用率而言，從相關性來看，城鎮居民人均互聯網使用率能較大程度地體現該省份在數字基礎設施建設方面的投入水平，同時也展現了該省份在數字人才儲備、數字技術應用等方面的實力，這是提高鄉村數字化水平的基礎，滿足相關性要求。同時，城鎮居民人均互聯網使用率與農業綠色全要素生產率的關聯較弱，滿足外生性要求，因而城鎮居民人均互聯網使用率是良好的工具變量。就鄉村數字化的滯后兩期而言，前期的數字化建設為當前數字化的發展速度、深度、廣度奠定了堅實的基礎，滿足相關性要求；而前兩期的數字化建設對當下農業綠色全要素生產率的影響微弱，滿足外生性要求，即鄉村數字化的滯后兩期也是良好的工具變量。

表6中的列（2）和列（3）是基于工具變量法的兩階段最小二乘法（IV-2SLS）的估計結果。由列（2）可知，在第一階段中，城鎮居民人均互聯網使用率和鄉村數字化的滯后兩期均對鄉村數字化具有正向影響，且通過了1%的顯著性檢驗，滿足相關性要求；從不可識別檢驗來看，列（3）的KP-LM統計量為54.759，在1%的水平上拒絕了工具變量不可識別的原假設；從弱工具變量檢驗來看，Cragg-Donald Wald F檢驗統計量為89.282，明顯大于Stock-Yogo弱工具變量識別檢驗在10%顯著水平上的臨界值19.93，因而不存在弱工具變量問題；從過度識別檢驗來看，Hansen J統計量的p值為0.952，接受了工具變量外生的原假設。上述檢驗表明，本文選取的工具變量較為合理。由列（3）可知，運用兩階段最小二乘法緩解內生性問題后，鄉村數字化對農業綠色全要素生產率的影響仍然為正，且在1%的置信水平上顯著，與基準回歸中鄉村數字化的系數和顯著性保持一致。這表明，控制內生性問題后，本文的研究結論依舊成立。

表6 內生性檢驗

（三）穩健性檢驗

在基準回歸中，本文采用逐步回歸法，發現鄉村數字化的系數與顯著性均無明顯變化，一定程度上反映了本文研究結論的穩健性。為進一步驗證研究結論的穩健性，本文采用更換模型、縮短樣本期以及縮尾回歸等方式進行穩健性檢驗，具體結果如表7所示。

首先，本文將固定效應模型替換為隨機效應模型，具體結果見表 7列（1）。對比基準回歸結果可知，采用隨機效應模型后，鄉村數字化對農業綠色全要素生產率的影響依然穩健。其次，2020年發生的新冠疫情對經濟社會各領域產生了重大影響，為排除疫情帶來的影響，本文將樣本期調整為2011—2019年，重新估計鄉村數字化對農業綠色全要素生產率的影響，具體結果見表7列（2）。對比基準回歸結果可知，排除新冠疫情影響后，鄉村數字化對農業綠色全要素生產率的影響依然穩健。最后，為減少異常值對本文結論的影響，這里對核心解釋變量進行前后2.5%的縮尾處理，具體結果見表7列（3）。對比基準回歸結果可知，縮尾處理后，鄉村數字化對農業綠色全要素生產率的影響依然穩健。

表7 穩健性檢驗

（四）影響機制檢驗

本文將農業綠色全要素生產率分解為技術效率和技術進步，研究鄉村數字化對農業綠色全要素生產率的影響機制，回歸結果如表8（下頁）所示。由表8列（1）可知，鄉村數字化對技術效率的影響為正，但不顯著。這表明鄉村數字化對優化農業要素配置、降低農產品交易成本、提高農業生產效率等影響較小。可能的原因是，我國鄉村地區廣大農戶的現代農業技術素養普遍偏低，現代化農業交易市場不健全，征信制度尚不完善，要素市場不確定性大，土地流轉、農業托管等交易成本高，農戶利用數字技術提高資源配置效率和規模效率的能力不強，導致鄉村數字化對技術效率的提升作用不明顯。由表8列（2）可知，鄉村數字化對技術進步的影響為正，且在5%的置信水平上顯著。這表明鄉村數字化有助于提高綠色技術研發、推廣速度，促使農戶采納綠色生產技術，提高農業綠色全要素生產率。因此，鄉村數字化通過推動技術進步提高了農業綠色全要素生產率。即假說H1a得到證實，假說H1b未得到證實。

表8 機制檢驗

（五）異質性檢驗

受地勢地形、歷史文化、經濟結構等影響，我國經濟格局呈現明顯的區域差異。為此，本文研究了不同區域鄉村數字化對農業綠色全要素生產率的異質性影響，回歸結果如表9所示。由回歸結果可知，在東部地區，鄉村數字化對農業綠色全要素生產率的回歸系數為正，且在5%的置信水平上顯著。而在中部、西部與東北地區，鄉村數字化對農業綠色全要素生產率的影響不顯著。可能的原因是：與中西部及東北地區相比，東部地區的優勢包括：高校林立，信息技術研發實力強，農戶人力資本水平高；經濟發達，鄉村數字基礎設施較為完善；地理條件優越，數字技術的應用空間廣闊。這些優勢都有利于發揮數字技術惠農功能，降低農業交易成本，推動農業技術進步。因此，在東部地區，鄉村數字化對農業綠色全要素生產率推動效果明顯。

表9 異質性檢驗

六、拓展性分析

鄉村數字化作用的發揮不僅依賴于機械設備和基礎設施等硬件，而且依賴于人的認知能力和數字素養等軟件。為檢驗不同鄉村人力資本水平下鄉村數字化對農業綠色全要素生產率的影響效果，本文根據式（7）檢驗鄉村人力資本水平的門檻效應。具體來說，先確定門檻的數量，隨后計算出門檻值的系數及置信區間。對于每一個門檻檢驗，本文都重復500次，表10（下頁）為門檻效應檢驗結果。由門檻效應檢驗獲得的F值和P值可知，鄉村人力資本水平通過了雙門檻的顯著性檢驗，沒有通過三重門檻的顯著性檢驗。這表明鄉村人力資本水平的門檻數量為兩個。

表10 門檻效應檢驗結果

為確定具體的門檻值，本文利用最小殘差平方和估計鄉村人力資本水平的具體門檻值，結果如表11所示。具體門檻值為：第一門檻估計值為7.513；第二門檻值為9.170。是因為人力資本水平較低時農戶鑒別、使用數字信息的能力較弱，良莠不齊的海量信息干擾了農戶的經營決策效率，降低了農戶收入水平，阻礙了農戶采納綠色技術，以致鄉村數字化不利于農業綠色全要素生產率的提升。當鄉村人力資本水平跨過第一門檻值且小于第二門檻值時，鄉村數字化對農業綠色全要素生產率的影響為正，且在1%的水平上顯著。這表明，人力資本水平較高時鄉村數字化促進了農業綠色全要素生產率的增長。當鄉村人力資本水平高于第二門檻值時，鄉村數字化對農業綠色全要素生產率的估計系數提高到0.027，并在1%的水平上顯著。這表明，隨著人力資本水平的進一步提升，鄉村數字化對農

表11 門檻值估計結果

表12為鄉村數字化門檻回歸模型的估計結果。雙重門檻模型根據鄉村人力資本水平的高低，將整個樣本劃分為三個區間：當鄉村人力資本水平低于第一門檻值時，鄉村數字化對農業綠色全要素生產率增長影響的估計系數為負值，且在1%的水平上顯著。這說明，在該區間，鄉村數字化不利于農業綠色全要素生產率增長。這可能業綠色全要素生產率的影響逐漸提升。原因可能是：隨著鄉村人力資本水平的提高，農戶應用數字技術的能力持續增強，這既有利于提升數字化賦能現代農業生產的深度、廣度，又有利于推進農業的精細化管理，降低農藥、化肥、地膜等過度投入，提高農業生產效率，還有利于農戶高效對接農產品加工、物流、倉儲等企業，降低生產流通環節的農產品損耗，最終提升農業綠色全要素生產率。可見，鄉村數字化能否有效促進農業綠色全要素生產率增長，與鄉村人力資本水平高低有密切關系，提升鄉村人力資本水平有助于增強鄉村數字化對農業綠色全要素生產率的影響。由此，假說H2得到證實。

表12 門檻模型參數估計結果

七、研究結論與政策建議

鄉村數字化與農業綠色化是我國全面推進鄉村振興的必然要求，系統分析二者的邏輯關聯，對于提高農業綠色全要素生產率具有重要意義。本文基于2011—2020年數據，首先利用EBM模型，測度了中國農業綠色全要素生產率；其次借助固定效應模型，研究了鄉村數字化對農業綠色全要素生產率的影響；最后利用面板門檻模型，檢驗了鄉村人力資本在鄉村數字化中發揮的門檻效應。通過實證分析和檢驗，得到了如下結論：第一，2011—2020年我國農業綠色全要素生產率顯著提升。第二，鄉村數字化顯著提升了農業綠色全要素生產率。從異質性分析來看，東部地區的鄉村數字化對農業綠色全要素生產率的促進作用最強；從機制分析來看，鄉村數字化主要是通過推動技術進步提升農業綠色全要素生產率。第三，鄉村數字化對農業綠色全要素生產率的促進作用存在人力資本的門檻效應，即鄉村人力資本水平越高，越有助于鄉村數字化提升農業綠色全要素生產率。基于上述研究結論，提出如下政策建議：

第一，推動數字鄉村建設，優化基礎設施配置。一是在縣域經濟發展政策的指引下，以新基建為契機，大力提升鄉村通信網絡質量和5G覆蓋水平，為農戶采納物聯網、云計算等技術，開展智慧化的農業生產與經營工作提供技術支撐；二是打通農業供應鏈、生產鏈、消費鏈、服務鏈、價值鏈、創新鏈，打造集成生產、經營、加工、銷售、反饋等多環節的數字化運營平臺，推進數實融合，精準對接消費群體，快速匹配消費需求；三是加快農業數據存儲與整理，優化數據算法與算力，賦能農業綠色品質管理，增強農產品的田間管理可視化，實現來源可追溯、綠色品質可控，推動農業高質量綠色轉型。

第二，搭建區域協作機制，共享鄉村數字化經驗。一是建立中央統籌、區域協調的數字鄉村建設協作體系，鼓勵西部省份利用國家新基建、東數西算、新時代西部大開發等政策紅利，吸引東部地區的資本、人才參與西部鄉村數字化建設；二是推進跨區域的數字鄉村建設經驗專題分享，加大西部鄉村數字化知識教育，深化數字化農業認知，提升西部鄉村數字化技術推廣水平；三是借鑒東部地區依托數字技術開展精準施肥、病蟲害聯合防治、耕地保護等經驗，整合中西部的農情和市情，構建適宜山地農業的數字化經營管理轉型方略，提高西部地區農業生產管理的智慧化、生態化水平。

第三，培育鄉村數字人才，賦能農業綠色發展。一是建立以縣域為中心的農業數字技術培訓體系，提高農戶綠色農業意識與生產水平；二是加大推進碳匯農業政策獎勵，提升農業綠色技術效益，提升農戶參與綠色生產生活的動力，減少農業農村碳排放；三是針對鄉村人口老齡化問題，大力開展智慧助老、科技惠老等專項行動，以田間學校、場壩會議、網絡教育為載體，定期舉辦適老的數字化培訓，彌補務農老年群體的數字鴻溝，幫助其享受數字化紅利，助推傳統農業綠色轉型。Reform