數字化轉型能提升農業(yè)企業(yè)全要素生產率嗎？

摘"" 要：基于2007—2020年我國A股上市農業(yè)企業(yè)的微觀數據，實證分析數字化轉型對農業(yè)企業(yè)全要素生產率的影響及其機制。研究表明，數字化轉型有利于提升農業(yè)企業(yè)的全要素生產率。機制檢驗表明，數字化轉型通過提高資金利用率、降低超額雇員率、增大研發(fā)投入來提高農業(yè)企業(yè)全要素生產率。調節(jié)效應檢驗表明，營商環(huán)境不確定性、行業(yè)競爭強度加劇將削減數字化轉型對農業(yè)企業(yè)全要素生產率的提升效果。異質性檢驗表明，數字化轉型對小規(guī)模農業(yè)企業(yè)、處于成長期和成熟期的農業(yè)企業(yè)、國有農業(yè)企業(yè)、兩職分離的農業(yè)企業(yè)全要素生產率的提升作用更為顯著。為此，政府等治理主體應完善數字基礎設施，營造良好營商環(huán)境和市場競爭秩序，優(yōu)化農業(yè)企業(yè)數字化轉型的外部環(huán)境；同時農業(yè)企業(yè)也要根據自身發(fā)展實際，科學配置資金、技術、勞動力等資源，選擇適宜的數字化轉型路徑。

關鍵詞：農業(yè)企業(yè)；數字化轉型；企業(yè)全要素生產率；資源編排理論

中圖分類號：F304"" 文獻標識碼：A"" 文章編號：1003-7543（2024）02-0131-18

農業(yè)企業(yè)是促進我國農業(yè)現代化的重要微觀主體［1］。近年來，中央高度重視農業(yè)企業(yè)的高質量發(fā)展。2018年印發(fā)的《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022年）》提出，要不斷壯大農林產業(yè)化龍頭企業(yè)，鼓勵建立現代企業(yè)制度，推動企業(yè)高質量發(fā)展；2021年，農業(yè)農村部印發(fā)《農業(yè)農村部關于促進農業(yè)產業(yè)化龍頭企業(yè)做大做強的意見》，指出農業(yè)企業(yè)是打造農業(yè)全產業(yè)鏈、構建現代鄉(xiāng)村產業(yè)體系的中堅力量；2022年中央“一號文件”指出，要以農業(yè)企業(yè)推動鄉(xiāng)村一二三產業(yè)融合發(fā)展；2023年中央“一號文件”指出，要以農業(yè)企業(yè)為主體，做大做強農產品深精加工、流通等產業(yè)，助力鄉(xiāng)村產業(yè)振興。同時，在稅收政策上，國家給予農業(yè)企業(yè)免征、減半征收企業(yè)所得稅等優(yōu)惠；在產業(yè)政策上，幫扶農業(yè)企業(yè)科技研發(fā)與裝備改造升級。在國家多維頂層設計的引領下，截至2022年，全國縣級以上農業(yè)產業(yè)化龍頭企業(yè)達9萬余家，其中國家級重點龍頭企業(yè)1 959家，初步形成推動農業(yè)產業(yè)轉型升級的雁陣。

然而，與發(fā)達國家同類企業(yè)和國內其他企業(yè)相比，我國農業(yè)企業(yè)依然面臨經營績效低、核心競爭力較弱、帶動能力不足等問題［2］，其主要原因在于農業(yè)企業(yè)的全要素生產率（Total Factor Productivity，簡稱TFP）普遍偏低［3］。在我國經濟由主要依靠要素投入量擴張拉動轉向主要依靠全要素生產率提高帶動的大背景下［4］，如何提高企業(yè)全要素生產率是農業(yè)企業(yè)發(fā)展壯大和建設農業(yè)強國的必答題。

在數字經濟蓬勃發(fā)展的當下，數字化轉型為農業(yè)企業(yè)全要素生產率的提高帶來了新機遇。數字化轉型是企業(yè)使用數字技術從根本上改變企業(yè)戰(zhàn)略決策、業(yè)務流程、公司治理、產品生產和客戶服務等工作方式以達到資源高效精準配置的過程，其目的在于幫助企業(yè)創(chuàng)造和獲取更多價值［5］。近年來，大數據、云平臺、人工智能、區(qū)塊鏈、物聯(lián)網等新一代“智慧”技術逐步完善，在數字鄉(xiāng)村戰(zhàn)略的推動下，這些技術大規(guī)模應用于農業(yè)生產，為農業(yè)企業(yè)依托數字化轉型激活其內外部要素奠定了堅實基礎［6］。然而，從查閱的現有文獻來看，當前學術界的研究對象主要為制造業(yè)和服務業(yè)企業(yè)，較少關注農業(yè)企業(yè)的數字化轉型對其全要素生產率的影響。農業(yè)企業(yè)的經營管理具有較多獨特性，例如，生產對象的生物性特征及業(yè)務的季節(jié)性特征，意味著其經營活動受到自然風險和市場風險的雙重影響；同時，農業(yè)企業(yè)發(fā)展關乎百姓飲食安全和國家糧食安全，不能簡單借用工業(yè)企業(yè)和服務業(yè)企業(yè)的數字化轉型經驗與研究結論。鑒于此，本文根據資源編排理論，分析數字化轉型對農業(yè)企業(yè)全要素生產率的影響機理；同時基于中國A股上市農業(yè)企業(yè)的微觀數據，實證檢驗數字化轉型對其全要素生產率的影響及其作用機制，并進一步探討不同營商環(huán)境、行業(yè)競爭強度、企業(yè)規(guī)模、企業(yè)生命周期、企業(yè)所有權、企業(yè)治理水平等條件下數字化轉型對農業(yè)企業(yè)全要素生產率影響的異質性。本研究有助于農業(yè)企業(yè)充分認識數字化轉型的本質，抓住轉型機遇，增強自身資源編排能力，更好地服務鄉(xiāng)村振興戰(zhàn)略。

與已有研究相比，本文可能的邊際貢獻為：第一，本文依據資源編排理論，構建數字化轉型對農業(yè)企業(yè)全要素生產率影響的分析框架，拓展了數字時代資源編排理論的研究邊界。第二，本文聚焦農業(yè)企業(yè)微觀主體，結合理論分析與實證檢驗，探討了數字化轉型對農業(yè)企業(yè)全要素生產率的影響及其機理，豐富了學術界對農業(yè)企業(yè)數字化轉型的認知。第三，本文分析了數字化轉型對不同營商環(huán)境、行業(yè)競爭程度、企業(yè)規(guī)模、生命周期、所有權和治理水平的農業(yè)企業(yè)全要素生產率的影響差異，為農業(yè)企業(yè)精準制定數字化轉型方案提供了理論指導。

一、理論分析與研究假說

（一）資源編排理論與數字化轉型

資源編排理論整合了資源管理和資產編排的概念框架，有效解釋了管理者如何整合、捆綁和利用資源，形成關鍵能力，從而獲得企業(yè)競爭優(yōu)勢［7］。該理論強調資源與能力的有機整合、靜態(tài)資源與動態(tài)能力的協(xié)同，強調資源編排能力在“資源—能力—價值創(chuàng)造”轉化中的重要作用，主張整合資源比擁有資源更重要［8］。很多農業(yè)企業(yè)的全要素生產率較低，根本原因在于沒有將水土氣等自然資源與勞動力、資金、技術等生產要素進行科學編排，導致生產要素難以轉化為企業(yè)發(fā)展優(yōu)勢，從而無法對接和滿足市場多元需求以形成自身核心競爭力。在數字化時代，數據成為重要的生產要素，數字技術也是企業(yè)資源編排的重要手段。如何有效利用數字技術高效編排資源以提高全要素生產率，是當前農業(yè)企業(yè)數字化轉型研究中不可忽視的內容。

數字技術的成熟與應用為資源編排理論提供了新的應用場景。數字經濟的發(fā)展極大降低了經濟活動中的搜索成本、復制成本、運輸成本、跟蹤成本、驗證成本［9］。數字時代的資源編排規(guī)律與傳統(tǒng)規(guī)律存在明顯差異［10］。當前，各行各業(yè)都在搶抓數字化轉型機遇，以數字化賦能組織變革，提升用戶體驗，降低經營成本，推動模式創(chuàng)新，提高全要素生產率［11］，構建企業(yè)競爭優(yōu)勢。農業(yè)企業(yè)不同于一般企業(yè)，其數字化轉型具有行業(yè)特色，當前學術界尚未深入分析數字化轉型如何提升其資源編排能力以提高全要素生產率。基于此，本文分別從資源編排過程與要素投入的視角，探尋數字化轉型推動農業(yè)企業(yè)全要素生產率提升的內在機理，為農業(yè)企業(yè)抓住數字化轉型機遇、提升資源編排能力以提高其全要素生產率提供參考。

（二）數字化轉型與農業(yè)企業(yè)全要素生產率

數字化是數字時代企業(yè)資源編排的有效手段。數字化轉型有助于提高管理者識別外部機遇、規(guī)避外部風險的能力［12］，有助于促進農業(yè)企業(yè)與上下游企業(yè)的協(xié)作，降低交易成本［13］，從而提高農業(yè)企業(yè)整合資金、勞動力、技術等生產要素資源并創(chuàng)造價值的資源編排能力［14］，最終提升農業(yè)企業(yè)全要素生產率。具體而言，從資源要素構建的角度來講，數字化轉型能有效賦能農業(yè)企業(yè)全時段多場景全要素聯(lián)結，精準地動態(tài)化監(jiān)測產品生產和物流配送，做到生產要素隨需隨時供給，降低企業(yè)庫存，提升資源配置效率；從資源配置能力的角度來講，數字化轉型能推動農業(yè)企業(yè)組織變革，加快企業(yè)扁平化，增強管理者的協(xié)調和部門間協(xié)同，提升企業(yè)運營與管理水平，進而提高全要素生產率；從資源流動與信息鏈接的角度來講，數字化轉型能增強企業(yè)的外部敏感性，多鏈路幫助企業(yè)識別市場需求、自然風險和價格波動，做好要素的優(yōu)化布局和供應鏈的風險管理，突破企業(yè)內部管理系統(tǒng)、自然資源監(jiān)測系統(tǒng)、市場調節(jié)系統(tǒng)間的阻礙，達成內外資源的自由流動與共享，及時剝離過時、錯配、誤配的資源，提高各要素的邊際報酬，從而提高農業(yè)企業(yè)全要素生產率。因此，數字化轉型提升農業(yè)企業(yè)全要素生產率的過程，就是數字技術促進農業(yè)企業(yè)資源編排能力提升的過程。數字化轉型在提高資源編排、組合和轉化效率的同時，也在農業(yè)企業(yè)全要素生產率提升過程中起到關鍵作用。基于此，本文提出如下假說：

H1：數字化轉型有利于提高農業(yè)企業(yè)的全要素生產率。

（三）數字化轉型影響農業(yè)企業(yè)全要素生產率的機理

為深入分析數字化轉型與農業(yè)企業(yè)全要素生產率之間的邏輯關聯(lián)，探究數字化轉型影響農業(yè)企業(yè)全要素生產率的路徑，本文從資金、勞動和技術等基本投入要素入手，詳細分析資金利用率、超額雇員率和研發(fā)投入水平等在數字化轉型與農業(yè)企業(yè)全要素生產率之間的機制作用。

1.數字化轉型、資金利用率與農業(yè)企業(yè)全要素生產率

近年來，我國消費水平普遍提高，大眾對農產品的需求趨于多元化，疊加其他不可控因素的影響，導致農產品需求市場變化較快；同時，農產品的需求彈性較小，且農產品本身大多具有鮮活性、區(qū)域性、季節(jié)性、分散性等特征，這就要求農業(yè)企業(yè)管理者在進行經營決策時，綜合考慮自然環(huán)境、市場環(huán)境對農產品市場的影響，這極大地增加了農業(yè)企業(yè)投融資的決策難度［15］。另外，農業(yè)企業(yè)的資產特點是前期投入多、固定資產比重高、回報周期長，這無疑降低了農業(yè)企業(yè)資金的周轉速度，從而影響了農業(yè)企業(yè)的資金利用率［16］，進一步降低了農業(yè)企業(yè)的全要素生產率。通過數字化轉型，農業(yè)企業(yè)可以及時抓取消費者痕跡，讀懂消費者偏好，精準客戶畫像，科學預測消費趨勢；可以動態(tài)化監(jiān)測外部環(huán)境變化，提高農業(yè)企業(yè)資源編排能力，提升資源利用效率；可以高效收集企業(yè)內部各業(yè)務節(jié)點信息，實時掌握生產運營狀況，優(yōu)化運營流程，降低企業(yè)經營成本，緩解農業(yè)企業(yè)的融資約束［17］；并且數字化轉型可以通過賦能農業(yè)企業(yè)精準決策，優(yōu)化投融資整體布局，提高農業(yè)企業(yè)有限資金的產出效率［18］，進而提升農業(yè)企業(yè)的全要素生產率。基于此，本文提出如下假說：

H2：數字化轉型通過提高資金利用率來提升農業(yè)企業(yè)的全要素生產率。

2.數字化轉型、超額雇員率與農業(yè)企業(yè)全要素生產率

數字化轉型賦能農業(yè)企業(yè)組織變革主要表現在降低其超額雇員率上。一方面，數字化促使農業(yè)企業(yè)結構扁平化和部門精簡化，推動組織結構整體優(yōu)化，促使企業(yè)精簡部分崗位、調整部門職能，通過裁減冗余、合并辦公等方式，縮小員工規(guī)模，降低人工成本，提高企業(yè)運營效率；另一方面，數字化轉型有利于企業(yè)內部產生“鯰魚效應”，通過機器替代低水平重復勞動，增強崗位競爭壓力，促使員工自覺學習新知識和新技能，不斷迭代崗位勝任力，促進自我常態(tài)化賦能，提高工作主觀能動性，這有利于農業(yè)企業(yè)整體人力資本水平提升，發(fā)揮人才作為第一資源的效應，撬動其他要素配置，提升農業(yè)企業(yè)資源編排能力，進而促進其全要素生產率提升［19］。基于此，本文提出如下假說：

H3：數字化轉型通過降低超額雇員率來提升農業(yè)企業(yè)的全要素生產率。

3.數字化轉型、研發(fā)投入與農業(yè)企業(yè)全要素生產率

一方面，數字化轉型有利于農業(yè)企業(yè)精準識別消費市場變化趨勢和技術迭代方向［20］，調整研發(fā)方向和投入結構，研發(fā)出符合當前市場需求的核心技術，以此變革生產方式、更新生產設備、擴大生產規(guī)模，發(fā)揮規(guī)模經濟優(yōu)勢，提高農業(yè)企業(yè)全要素生產率。另一方面，數字化轉型有利于農業(yè)企業(yè)充分識別自身資源稟賦優(yōu)勢，編排戰(zhàn)略核心資源，整合有限財力和人力，專攻技術難點和痛點，走出一條“專精特新”研發(fā)之路，這不僅有利于降低企業(yè)研發(fā)風險、提高研發(fā)產出，而且有利于提升自主創(chuàng)新能力［21］，提高農業(yè)企業(yè)的專利數量和創(chuàng)新質量［22］，增強企業(yè)核心競爭能力，進而提升其全要素生產率。已有研究成果表明，有研發(fā)投入的企業(yè)，其全要素生產率比無研發(fā)投入的企業(yè)高出21.5%［23］。基于此，本文提出如下假說：

H4：數字化轉型通過增大研發(fā)投入來提升農業(yè)企業(yè)的全要素生產率。

二、研究設計

（一）數據說明

考慮到2007年我國實施新的會計準則，本文使用2007—2020年我國A股中農業(yè)上市企業(yè)的公開數據。按照《上市公司行業(yè)分類指引（2012年修訂）》的分類規(guī)則，本文中的上市農業(yè)企業(yè)樣本滿足以下條件之一：上市公司農業(yè)類業(yè)務主營收入比重大于50%；當上市公司屬于多元化經營時，沒有一類業(yè)務收入比重大于50%，農業(yè)類業(yè)務主營收入在所有業(yè)務中最高，且占到公司總營業(yè)收入的 30%以上。刪除不滿足所述條件的“年份—企業(yè)”樣本，最終獲得14年，211家農業(yè)企業(yè)，1 864個樣本數據。這些數據來自國泰安數據庫。遵循已有文獻慣例，本文對數據作如下處理：剔除ST、*ST和期間退市的樣本，刪除有關數據缺失的樣本。除此之外，為了排除極端值的影響，本文對連續(xù)變量進行前后1%的縮尾處理。

（二）模型設定

為檢驗數字化轉型對農業(yè)企業(yè)全要素生產率的影響，設定如下計量模型：

TFPit=α0+α1Digitalit+γControlsit+∑Industry+∑Year+ε（1）

其中，TFPit為被解釋變量，表示農業(yè)企業(yè)i在t年的全要素生產率，該值越大，表明農業(yè)企業(yè)的全要素生產率越高；Digitalit為核心解釋變量，表示農業(yè)企業(yè)i在t年的數字化轉型水平，如果數字化轉型水平Digitalit的回歸系數α1顯著為正，則意味著數字化轉型可以提升農業(yè)企業(yè)的全要素生產率。Controlsit為農業(yè)企業(yè)i在t年的各項控制變量。同時，本文還控制了行業(yè)固定效應Industry和年份固定效應Year，以控制不同類型農業(yè)企業(yè)的行業(yè)差異和時間趨勢所帶來的影響。ε為誤差項。

為進一步探討數字化轉型對農業(yè)企業(yè)全要素生產率的影響機制，構建如下計量模型：

其中，Mit為農業(yè)企業(yè)i在t年的中介變量，分別為資金利用率、超額雇員率、研發(fā)投入。如果數字化轉型可以提高農業(yè)企業(yè)的資金利用率、加大其研發(fā)投入，則β1顯著為正；如果數字化轉型可以降低農業(yè)企業(yè)的超額雇員率，則β1顯著為負。

為進一步探討不同營商環(huán)境、不同行業(yè)競爭強度的調節(jié)效應，構建如下調節(jié)效應模型：

其中，Modit為農業(yè)企業(yè)i在t年的調節(jié)變量，分別為營商環(huán)境和行業(yè)競爭強度。如果？字1顯著為正，且？字3顯著為正，則意味著調節(jié)變量增強了數字化轉型對農業(yè)企業(yè)全要素生產率的提升效果；如果？字1顯著為正，且？字3顯著為負，則意味著調節(jié)變量降低了數字化轉型對農業(yè)企業(yè)全要素生產率的提升效果；如果？字1不顯著或者？字3不顯著，則表明調節(jié)效應不存在。

（三）變量選取

1.被解釋變量

農業(yè)企業(yè)全要素生產率。本文使用Levinsohn和Petrin的測算方法（以下簡稱LP法）估計農業(yè)企業(yè)全要素生產率。參考James amp; Amil的研究方法［24］，本文構造柯布—道格拉斯生產函數測算農業(yè)企業(yè)全要素生產率，計算方法如下：

其中，Y為上市農業(yè)企業(yè)營業(yè)收入；K為上市農業(yè)企業(yè)固定資產凈值；L為上市農業(yè)企業(yè)職工人數；M為中間投入，利用上市農業(yè)企業(yè)購買商品、接受勞務支付的現金測度［25］。參考劉莉亞等的研究［26］，營業(yè)收入采用企業(yè)所在地區(qū)出廠價格指數平減，固定資產凈額采用固定資產投資價格指數平減。其中，下標i表示上市農業(yè)企業(yè)，j表示行業(yè)，t表示年度，計算出殘差測度企業(yè)全要素生產率，記為TFPit。在穩(wěn)健性檢驗中，本文對利用ACF方法和伍德里奇方法計算的農業(yè)企業(yè)全要素生產率進行穩(wěn)健性檢驗。

2.核心解釋變量

數字化轉型。當前，如何有效衡量企業(yè)的數字化轉型水平，學術界尚未有定論。考慮到企業(yè)年報是企業(yè)組織架構、經營績效、戰(zhàn)略決策與未來規(guī)劃的整體體現，本文參考吳非等的處理方法［27］，將農業(yè)企業(yè)年報中有關數字化轉型關鍵詞出現次數逐年累加并取對數，作為衡量農業(yè)企業(yè)數字化轉型的代理變量。其中，測量邏輯、測量方法、關鍵詞詞群等均與吳非等［27］保持一致。同時，在穩(wěn)健性檢驗中，本文參考張永珅等［28］的研究，采用無形資產中數字資產占總資產的百分比（取對數）衡量農業(yè)企業(yè)的數字化轉型程度，以期提高結論的可靠性。

3.機制變量

為深入分析數字化轉型對農業(yè)企業(yè)全要素生產率的影響機理，本文分別從農業(yè)企業(yè)的資金利用率、超額雇員率和研發(fā)投入三個方面展開討論。其中，本文用成本費用利潤率來衡量農業(yè)企業(yè)的資金利用率［29］；參考相關研究［30］，超額雇員率的計算方式為：超額雇員率=（企業(yè)員工人數-企業(yè)銷售收入×企業(yè)所處行業(yè)的平均員工數/企業(yè)所處行業(yè)的平均銷售收入）/企業(yè)員工人數；研發(fā)投入則為研發(fā)費用占營業(yè)收入的比例。

4.調節(jié)變量

行業(yè)競爭強度，采用1減去赫芬達爾指數的差值來度量，該值越大，表明行業(yè)競爭強度越高；營商環(huán)境不確定性，參考申慧慧等的思路［31］，測算各企業(yè)經行業(yè)調整后的環(huán)境不確定性，用以衡量農業(yè)企業(yè)的營商環(huán)境不確定性，該值越大，表明營商環(huán)境的不確定性越高。

5.控制變量

為緩解遺漏變量所導致的內生性問題，參考相關研究思路［32］，本文選取企業(yè)年齡、企業(yè)所有權、股權集中度、董事會規(guī)模、獨立董事占比、兩職合一、企業(yè)規(guī)模、企業(yè)流動性、資產負債率、總資產凈利潤率、當地發(fā)展水平、第一產業(yè)占比、第二產業(yè)占比等作為控制變量（見表1）。

三、實證檢驗結果與分析

（一）基準回歸

為避免數據出現共線性，在正式檢驗前需要進行多重共線性檢驗。檢驗結果表明，該計量方程式的最大方差膨脹因子（VIF）為4.84，遠小于10，因而本文所選指標不存在多重共線性問題。

本文根據模型（1）檢驗數字化轉型對農業(yè)企業(yè)全要素生產率的影響。在回歸中，逐步放入控制變量，檢驗數字化轉型對農業(yè)企業(yè)全要素生產率的影響，具體結果見表2（下頁）。列（1）中僅控制了年份固定效應和行業(yè)固定效應，列（2）—（4）中逐步放入控制變量。其中，列（4）為本文的基準回歸結果。由列（4）可知，放入全部控制變量后，數字化轉型的系數為0.045，在1%水平下顯著。這表明，數字化轉型會顯著提高農業(yè)企業(yè)的全要素生產率。由此，本文的假說H1得到部分驗證。

（二）穩(wěn)健性檢驗

1.替換模型及變量

考慮到企業(yè)全要素生產率是一個受限被解釋變量，為避免估計方法可能給研究結果帶來的偏誤，本文利用Tobit模型重新進行估計，結果見表3列（1）。列（1）中Tobit模型的邊際效應估計結果為正，在1%水平下顯著，與基準回歸一致，說明變換研究模型以后，依然得到了數字化轉型提高農業(yè)企業(yè)全要素生產率的結論。

除此之外，本文還采取了更換核心解釋變量和被解釋變量的方式來檢驗研究結論的穩(wěn)健性。在列（2）中，本文替換核心解釋變量，采用“無形資產中數字資產占總資產的百分比（取對數）”衡量農業(yè)企業(yè)的數字化轉型程度。從結果中可知，數字化轉型的系數和顯著性與基準回歸結果保持一致。同時，在列（3）和列（4）中，本文分別使用Ackerberg-Caves-Frazer（ACF）修正法和伍德里奇（Wooldridge）方法替換LP方法，測算農業(yè)企業(yè)全要素生產率。結果表明，更換農業(yè)企業(yè)全要素生產率的測算方法后，研究結論依然穩(wěn)健，假說H1仍然成立，即數字化轉型有利于提高農業(yè)企業(yè)全要素生產率。

2.改變樣本量

數字化轉型和農業(yè)企業(yè)全要素生產率均與重大金融沖擊有較大關聯(lián)，譬如，重大不利金融事件沖擊會影響農業(yè)的資金鏈、供應鏈、價值鏈，進而對農業(yè)企業(yè)全要素生產率造成影響。為避免國際金融危機（2008年）對結論的干擾，本文借鑒唐松等的研究［33］，刪除了2009年和2010年的農業(yè)企業(yè)樣本，也截取了2011—2014年的樣本，以便同時排除國際金融危機和中國股災（2015年）的影響。回歸結果分別見表4（下頁）列（1）和列（2），數字化轉型與農業(yè)企業(yè)全要素生產率之間的回歸系數均在1%的水平下顯著，說明排除國際金融危機和中國股災的影響后，數字化轉型依然有利于提高農業(yè)企業(yè)全要素生產率。

在我國行政管理體系中，直轄市與一般省份在土地政策、金融政策、稅收政策等方面存在較大差異，這些差異會干擾本文的研究結論。為此，本文在剔除直轄市樣本后，按照模型（1）檢驗數字化轉型對農業(yè)企業(yè)全要素生產率的影響。具體結果見表4中的列（3），數字化轉型與農業(yè)企業(yè)全要素生產率之間的回歸系數在1%水平下顯著，說明剔除直轄市樣本后，數字化轉型依然有利于提高農業(yè)企業(yè)全要素生產率。

此外，2019年末爆發(fā)新冠疫情，其后國民經濟社會的正常運行受到較大影響。同樣地，農業(yè)企業(yè)的經營活動也受到新冠疫情的沖擊。為排除新冠疫情對研究結論的影響，本文剔除2020年的數據，具體結果見表4中的列（4）。由列（4）的結果可知，數字化轉型與農業(yè)企業(yè)全要素生產率之間的回歸系數在1%水平下顯著，說明排除2020年的新冠疫情影響后，數字化轉型依然有利于提高農業(yè)企業(yè)全要素生產率。

（三）調整時間窗口

為有效分析數字化轉型對農業(yè)企業(yè)全要素生產率的長期影響，本文延長了考察窗口，具體結果見表5（下頁）。在列（1）—（3）中，本文將數字化轉型進行了滯后1—3期處理；在列（4）—（6）中，本文將全要素生產率進行了前置1—3期處理，以便進行交叉比對。檢驗結果顯示，數字化轉型的回歸系數均為正值且都在1%水平下顯著。這意味著，在較長的時間序列內，數字化轉型對農業(yè)企業(yè)全要素生產率的促進具有疊加作用，且能持續(xù)推動農業(yè)企業(yè)全要素生產率的提升。這也進一步證實了數字化轉型有利于提升農業(yè)企業(yè)全要素生產率的結論。

（四）內生性檢驗

前文一系列穩(wěn)健性檢驗的結果表明，本文研究結論是穩(wěn)健的，但本文結論可能存在互為因果引致的內生性問題，即全要素生產率較高的農業(yè)企業(yè)，更有資源編排能力推動數字化轉型。為此，本文利用兩階段最小二乘法（2SLS）分析數字化轉型對農業(yè)企業(yè)全要素生產率的影響。

本文將“同年同一城市內農業(yè)企業(yè)數字化轉型水平”與“同年同一行業(yè)內農業(yè)企業(yè)數字化轉型水平”作為農業(yè)企業(yè)數字化轉型的工具變量。在相關性上，由于地理上的臨近效應，同一城市內各農業(yè)企業(yè)生產經營所需的地理氣候、文化習俗、基礎設施、公共服務等外部環(huán)境具有高度相似性，因而較高的數字化水平表明該城市的數字基礎設施較為完善，數字化政策執(zhí)行較有力，從而有利于該地區(qū)農業(yè)企業(yè)的數字化轉型。同理，同一行業(yè)內農業(yè)企業(yè)組織架構、生產工藝、供應鏈網絡等方面具有相似性，該行業(yè)數字化轉型的方案、經驗可以向行業(yè)內的企業(yè)“溢出”，有利于行業(yè)內企業(yè)的數字化轉型。因此，這兩個工具變量滿足相關性要求。在外生性上，農業(yè)企業(yè)全要素生產率的提高依賴于其數字化轉型程度。盡管外部環(huán)境可為農業(yè)企業(yè)的數字化轉型提供政策支持與社會支撐，但其只能通過影響該企業(yè)的數字化轉型來影響全要素生產率。因此，這兩個工具變量滿足外生性要求。綜上可見，本文選取的工具變量是合理的。其中，“同年同一城市內農業(yè)企業(yè)數字化轉型水平”為某年度同一城市內農業(yè)企業(yè)數字化轉型水平的均值，“同年同一行業(yè)內農業(yè)企業(yè)數字化轉型水平”為某年度同一行業(yè)內農業(yè)企業(yè)數字化轉型水平的均值。

表6列（1）和列（2）展示了工具變量的回歸結果。由第一階段回歸結果可知，工具變量與數字化轉型程度在1%的水平上顯著正相關，而且不可識別檢驗統(tǒng)計量的p值小于0.01，表明工具變量滿足相關性條件；第一階段F檢驗值為1 375.215，大于Cragg-Donald統(tǒng)計量的臨界值，拒絕了弱工具變量的原假設。Sargan統(tǒng)計量的p值為0.203，表明接受了這兩個工具變量外生性的原假設。以上檢驗同樣表明，本文的工具變量選取是合理的。列（2）匯報了第二階段的回歸結果，結果顯示，數字化轉型對農業(yè)企業(yè)全要素生產率的回歸系數為0.061，在1%的水平下顯著。對比列（2）與基準回歸結果可知，采取工具變量法后，本文的研究結論依舊成立，即數字化轉型能提高農業(yè)企業(yè)的全要素生產率。

四、進一步探討

（一）機制檢驗

前文分析表明，數字化轉型能夠顯著提高農業(yè)企業(yè)的全要素生產率。為進一步探究數字化轉型對農業(yè)企業(yè)全要素生產率的影響機制，根據資源編排理論，本文從資金利用率、超額雇員率、研發(fā)投入三個維度予以考察。具體結果如表7所示。

1.提高資金利用率的路徑

為檢驗數字化轉型通過提高農業(yè)企業(yè)的資金利用率來提高其全要素生產率的作用機制，本文使用成本費用利潤率作為資金利用率的代理變量，按照模型（2）展開檢驗。具體結果見表7列（1）。由回歸結果可知，數字化轉型的系數為0.016，在1%的水平下顯著，這表明數字化轉型顯著提高了農業(yè)企業(yè)的成本費用利潤率，意味著數字化轉型有助于提高農業(yè)企業(yè)的資金利用率，進而提高農業(yè)企業(yè)的全要素生產率。本文所提假說H2得到驗證。

2.降低超額雇員率的路徑

為檢驗數字化轉型通過降低農業(yè)企業(yè)的超額雇員率來提高其全要素生產率的作用機制，本文同樣按照模型（2）展開檢驗，具體結果見表7列（2）。由回歸結果可知，數字化轉型的系數為-0.069，在1%水平下顯著，這表明數字化轉型有助于降低農業(yè)企業(yè)的超額雇員率。這說明通過數字化轉型，農業(yè)企業(yè)可根據經營情況，合理控制員工規(guī)模，降低企業(yè)經營成本，提高勞動力的邊際產出，提升企業(yè)經營績效。本文所提出的假說H3得到驗證。

3.加大研發(fā)投入的路徑

為檢驗數字化轉型通過加大農業(yè)企業(yè)的研發(fā)投入以提高其全要素生產率的作用機制，本文以“研發(fā)費用占營業(yè)收入比例”衡量企業(yè)的研發(fā)投入，同樣按照模型（2）展開檢驗，具體結果見表7列（3）。由回歸結果可知，數字化轉型系數為0.095，在5%水平下顯著。這表明數字化轉型提高了農業(yè)企業(yè)的研發(fā)投入，加快了科技研發(fā)速度，推動了科技成果產出，有利于農業(yè)企業(yè)全要素生產率的提升。本文所提出的假說H4得到驗證。

（二）調節(jié)效應分析

市場環(huán)境和行業(yè)結構是農業(yè)企業(yè)經營所面對的重要外部資源，本文按照模型（3）檢驗在不同營商環(huán)境不確定性和行業(yè)競爭強度背景下數字化轉型對農業(yè)企業(yè)全要素生產率影響的差異。農業(yè)企業(yè)所在地的營商環(huán)境、所處行業(yè)的競爭程度等屬于外生變量，不受企業(yè)自身數字化轉型影響，是較為理想的調節(jié)變量，具體結果見表8。

1.營商環(huán)境不確定性的調節(jié)效應

表8列（1）展示了營商環(huán)境不確定性對農業(yè)企業(yè)數字化轉型影響其全要素生產率的調節(jié)效應。列（1）中數字化轉型的系數為0.058，在1%水平下顯著；數字化轉型與環(huán)境不確定性的交互項系數為-0.017，在10%水平下顯著。這表明，企業(yè)營商環(huán)境的不確定性將削弱數字化轉型對農業(yè)企業(yè)全要素生產率的提升作用。可能的原因是，營商環(huán)境是農業(yè)企業(yè)生產經營活動中必須關注的重要因素，營商環(huán)境不確定性增強會加劇信息傳遞失真，降低農業(yè)企業(yè)與行業(yè)的協(xié)同性，提高交易成本。加之農產品需求彈性小，農產品市場供需難以均衡，也將削弱數字化轉型對農業(yè)企業(yè)資金、勞動力、技術等要素的編排能力；同時，營商環(huán)境不確定性會加劇農業(yè)企業(yè)管理決策的非理性，增大風險控制難度，弱化數字化轉型對農業(yè)企業(yè)生產要素的配置能力，最終降低農業(yè)企業(yè)的全要素生產率。

2.行業(yè)競爭強度的調節(jié)效應

表8列（2）展示了行業(yè)競爭程度對農業(yè)企業(yè)數字化轉型影響其全要素生產率的調節(jié)效應。由結果可知，數字化轉型的系數為0.046，在1%水平下顯著；行業(yè)競爭強度與數字化轉型的交互項系數為-0.201，在1%水平下顯著。這意味著，行業(yè)競爭強度上升將削弱數字化轉型對企業(yè)全要素生產率的提升作用。可能的原因是，行業(yè)競爭強度體現了企業(yè)爭奪有限資源的激烈程度。較高的行業(yè)競爭強度容易導致行業(yè)內部的掠奪效應［34］，增加農業(yè)企業(yè)購買資源的成本，提高資源編排的難度，不利于企業(yè)通過數字化轉型來優(yōu)化資源配置；同時，行業(yè)的激烈競爭將削弱農業(yè)企業(yè)與供應商的議價能力，增大產品營銷成本，降低農業(yè)企業(yè)總體效益，進而會降低農業(yè)企業(yè)的全要素生產率。

（三）異質性分析

基于制造業(yè)的研究結論表明，數字化轉型對企業(yè)全要素生產率的影響具有異質性。對于每一個具體的農業(yè)企業(yè)而言，唯有充分考慮企業(yè)自身特征和發(fā)展水平來推進數字化轉型，才能有效發(fā)揮數字化轉型對其全要素生產率的提升作用。為此，本文進一步討論不同企業(yè)規(guī)模、企業(yè)生命周期、企業(yè)所有權、企業(yè)治理水平下數字化轉型對農業(yè)企業(yè)全要素生產率的影響。

1.企業(yè)規(guī)模的異質性

表9展示了不同規(guī)模農業(yè)企業(yè)數字化轉型對其全要素生產率的影響。參考已有研究［35］，本文以企業(yè)規(guī)模的“行業(yè)—年度”中位數為臨界點將樣本分為小規(guī)模農業(yè)企業(yè)和大規(guī)模農業(yè)企業(yè)，而后進行分組回歸。由表9的回歸結果可知，相較于大規(guī)模農業(yè)企業(yè)，數字化轉型對小規(guī)模農業(yè)企業(yè)全要素生產率的促進作用更顯著。

可能的原因是，對于小規(guī)模農業(yè)企業(yè)而言，由于其自身規(guī)模小，內部層級較少，決策過程相對簡單，面對市場的不確定性，想在激烈競爭中保持相對優(yōu)勢，只能尋求數字化的技術手段支持，精準識別市場機遇，找到垂直細分領域，集中優(yōu)勢力量，靈活高效編排資源，加速提升全要素生產率。對于大規(guī)模農業(yè)企業(yè)而言，企業(yè)內部流程趨于穩(wěn)定，管理者的路徑依賴較為嚴重，企業(yè)內部資源變動較少，人員結構相對穩(wěn)定，價值創(chuàng)造與分配的模式也趨于成熟，在相對舒適的環(huán)境下，各主體不太傾向于進行大規(guī)模變革。因此，相較于小規(guī)模農業(yè)企業(yè)，數字化轉型對其全要生產率的促進作用較小。

2.企業(yè)生命周期的異質性

表10（下頁）展示了不同生命周期農業(yè)企業(yè)數字化轉型對其全要素生產率的影響。本文參考相關研究［36］，采用綜合得分判別法分析企業(yè)生命周期，具體按公司年齡、銷售收入增長率、存留收益率、資本支出率四個指標排序打分，并計算綜合得分；然后根據得分由大到小排序，得分最低的1/4為衰退期企業(yè)，中間1/2為成熟期企業(yè)，得分最高的1/4為成長期企業(yè)，而后進行分組回歸。由表10的回歸結果可知，對于成長期和成熟期的農業(yè)企業(yè)，數字化轉型有助于提高其企業(yè)全要素生產率，但衰退期的企業(yè)數字化轉型系數為正，沒有通過顯著性檢驗。

可能的原因是，數字化轉型會系統(tǒng)化改變原有的組織結構、工作方式、運營模式，打破原有資源基礎，提高資源編排能力。成長期企業(yè)和成熟期企業(yè)組織韌性較足，經歷數字化轉型的陣痛后，能夠優(yōu)化自身架構，拓展組織邊界，增強企業(yè)與行業(yè)、外部環(huán)境的信息交流，提升環(huán)境敏感性和適應性，便于企業(yè)根據市場變化，高效精準地編排資源，生產出有競爭優(yōu)勢的產品，極大提高農業(yè)企業(yè)的全要素生產率。而處于衰退期的企業(yè)，其組織韌性相對不足，資源編排能力弱化，難以及時應對數字化轉型對自身發(fā)展造成的沖擊。

3.企業(yè)所有權的異質性

表11展示了不同所有權農業(yè)企業(yè)數字化轉型對其全要素生產率的影響。本文按企業(yè)所有權將樣本分為國有農業(yè)企業(yè)和非國有農業(yè)企業(yè)，而后進行分組回歸。由表11的回歸結果可知，對于國有農業(yè)企業(yè)，數字化轉型有助于提高其全要素生產率，但非國有農業(yè)企業(yè)數字化轉型系數為正，沒有通過顯著性檢驗。

可能的原因是，國有農業(yè)企業(yè)存在“所有者缺位”、代理鏈長、信息傳遞效率低［37］等問題，導致其委托—代理問題復雜，資源配置效率較低［38］，通過數字化轉型，農業(yè)企業(yè)能降低信息不對稱，優(yōu)化自身架構，提高資源編排能力，改善經營狀況，極大提高全要素生產率。而非國有農業(yè)企業(yè)的管理體系與決策機制更具靈活性，能快速適應市場變化，及時調整經營方略，創(chuàng)新管理與生產流程，生產效率相對較高，加之非國有農業(yè)企業(yè)資源有限、財力不足，限制了數字化轉型進程，導致數字化轉型對其全要素生產率的促進作用不顯著。

4.企業(yè)治理水平的異質性

表12展示了不同治理水平企業(yè)數字化轉型對其全要素生產率的影響。本文參考已有研究［39］，引入“董事長與總經理是否職務合一（兩職合一時為1，其他為0）”作為公司治理狀態(tài)的代理變量。由表12的回歸結果可知，對于兩職分離的農業(yè)企業(yè)，數字化轉型有助于提高其全要素生產率，但兩職合一的農業(yè)企業(yè)數字化轉型系數為負，沒有通過顯著性檢驗。

可能的原因是，在兩職分離的農業(yè)企業(yè)中，總經理和董事長各司其職，形成有效的監(jiān)督機制，數字化轉型能夠提高信息透明度，加強董事會對管理層的監(jiān)督，防范其自利行為，從而提高企業(yè)內部協(xié)同效率，提升資源編排能力，對全要素生產率產生促進作用。而兩職合一的農業(yè)企業(yè)決策制定權和控制權未分離，決策制定受個人主觀臆斷影響，易陷于“信息繭房”，數字化轉型的戰(zhàn)略價值易被忽視，導致其改善信息透明度、加強內部監(jiān)督、優(yōu)化運營流程等效果有限，從而對全要素生產率沒有產生顯著影響。

五、結論與政策建議

本文利用2007—2020年我國A股上市農業(yè)企業(yè)的微觀數據，實證檢驗了數字化轉型對農業(yè)企業(yè)全要素生產率的影響，并基于要素投入的視角探討了資金、勞動、研發(fā)投入的作用路徑。在此基礎上，探討了營商環(huán)境不確定性和行業(yè)競爭強度的調節(jié)效應，并進一步分析了不同規(guī)模、不同生命周期、不同所有權、不同治理水平的農業(yè)企業(yè)數字化轉型對其全要素生產率的異質性影響。研究表明：第一，數字化轉型提高了農業(yè)企業(yè)全要素生產率，且經過一系列穩(wěn)健性檢驗和內生性檢驗后，此結論依然成立。第二，數字化轉型主要通過提升資金利用率、降低超額雇員率、加大研發(fā)投入等作用路徑，提升農業(yè)企業(yè)全要素生產率。第三，營商環(huán)境不確定性的加劇和行業(yè)競爭強度的增大降低了數字化轉型對農業(yè)企業(yè)全要素生產率的提升作用。第四，就規(guī)模異質性而言，相較于大規(guī)模農業(yè)企業(yè)，數字化轉型對小規(guī)模農業(yè)企業(yè)全要素生產率的提升效果更明顯；就生命周期異質性而言，成長期和成熟期的農業(yè)企業(yè)數字化轉型明顯提高了其全要素生產率；就所有權異質性而言，國有農業(yè)企業(yè)數字化轉型明顯提升了其全要素生產率；就治理水平異質性而言，兩職分離的農業(yè)企業(yè)數字化轉型明顯提高了其全要素生產率。

基于上述研究結論，提出如下政策建議：

第一，完善數字基礎設施，優(yōu)化農業(yè)企業(yè)數字化轉型外部環(huán)境。一是全面落實《數字中國建設整體布局規(guī)劃》和《數字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》要求，完善5G、物聯(lián)網、數據儲存與算力中心等新型基礎設施，拓展農業(yè)管理、運營、銷售等數字化應用場景，為農業(yè)企業(yè)數字化轉型提供技術支撐。二是積極打造農業(yè)產業(yè)全產業(yè)鏈的數字化服務平臺，連通上下游產業(yè)和企業(yè)，形成以農業(yè)園區(qū)、龍頭企業(yè)等為引擎，供應商、合作伙伴等為推力，技術研發(fā)、產業(yè)政策等為支撐的數字化轉型生態(tài)系統(tǒng)，全面支撐農業(yè)企業(yè)數字化轉型。三是加強數字社會建設，提高全社會尤其是農業(yè)從業(yè)者的數字化認知，幫助農民群體跨越數字鴻溝，聚合多元力量釋放數字紅利，營造有利于農業(yè)企業(yè)數字化轉型的社會氛圍。

第二，把準農業(yè)企業(yè)發(fā)展態(tài)勢，精準高效有序推進數字化轉型。一是要善于抓住數字化轉型機遇，有效利用數字技術科學研判營商環(huán)境穩(wěn)定性和行業(yè)競爭程度，通過算力找準數字化轉型窗口期。二是要立足農業(yè)企業(yè)現實需求，加強數字底座建設，做大做強農業(yè)企業(yè)數據中臺和后臺，優(yōu)化算力算法，在保障數據安全可靠的前提下，提升企業(yè)數字技術與經營業(yè)務的一體化協(xié)同能力。三是要結合自身發(fā)展戰(zhàn)略、發(fā)展規(guī)模和生命周期，評估現存問題，聚焦重點難點，制定合理的數字化轉型方案，有規(guī)劃、有秩序地推進數字化轉型，確保其充分發(fā)揮對農業(yè)企業(yè)資源編排效率的促進作用。

第三，強化數字技術高效應用，提升農業(yè)企業(yè)資源編排能力和全要素生產率。一是要加強制度設計，鼓勵農業(yè)企業(yè)利用數字技術挖掘并整合資金、人力、技術等資源，多途徑提升資源編排能力。二是要整合數字技術和智能手段，暢通線上線下渠道，打造多鏈路多場景數字化管理生態(tài)，增強企業(yè)感知營商環(huán)境、市場變化、行業(yè)動態(tài)的敏捷性，著力優(yōu)化資源編排，持續(xù)凝聚競爭優(yōu)勢，最大限度提升全要素生產率。三是要推進行業(yè)內數字化轉型科學治理，健全數據使用制度，規(guī)范數據交易秩序，提高農業(yè)企業(yè)數字化轉型自治自律能力，增強其數字化資源編排效力。

參考文獻

［1］李靜，陳亞坤．農業(yè)公司化是農業(yè)現代化必由之路［J］．中國農村經濟，2022（8）：52-69．

［2］張延龍，王明哲，錢靜斐，等．中國農業(yè)產業(yè)化龍頭企業(yè)發(fā)展特點、問題及發(fā)展思路［J］．農業(yè)經濟問題，2021（8）：135-144．

［3］劉乃郗，韓一軍，王萍萍．FDI是否提高了中國農業(yè)企業(yè)全要素生產率？——來自99 801家農業(yè)企業(yè)面板數據的證據［J］．中國農村經濟，2018（4）：90-105．

［4］范欣，劉偉．全要素生產率再審視——基于政治經濟學視角［J］．中國社會科學，2023（6）：4-24．

［5］裴璇，劉宇，王穩(wěn)華．企業(yè)數字化轉型：驅動因素、經濟效應與策略選擇［J］．改革，2023（5）：124-137．

［6］易加斌，李霄，楊小平，等．創(chuàng)新生態(tài)系統(tǒng)理論視角下的農業(yè)數字化轉型：驅動因素、戰(zhàn)略框架與實施路徑［J］．農業(yè)經濟問題，2021（7）：101-116．

［7］SIRMON D G， HITT M A， IRELAND R D， et al. Resource orchestration to create competitive advantage［J］. Journal of Management， 2011， 37（5）： 1390-1412.

［8］張青，華志兵．資源編排理論及其研究進展述評［J］．經濟管理，2020（9）：193-208．

［9］GOLDFARB A， TUCKER C. Digital economics［J］. Journal of Economic Literature， 2019， 57（1）： 3-43.

［10］馬鴻佳，王亞婧，蘇中鋒．數字化轉型背景下中小制造企業(yè)如何編排資源利用數字機會？——基于資源編排理論的fsQCA研究［J/OL］．南開管理評論，https：//kns.cnki.net/kcms/detail/12.1288.F.20221001.1540.006.html.

［11］劉艷霞．數字經濟賦能企業(yè)高質量發(fā)展——基于企業(yè)全要素生產率的經驗證據［J］．改革，2022（9）：35-53．

［12］方明月，聶輝華，阮睿，等．企業(yè)數字化轉型與經濟政策不確定性感知［J］．金融研究，2023（2）：21-39．

［13］杜勇，曹磊，譚暢．平臺化如何助力制造企業(yè)跨越轉型升級的數字鴻溝？——基于宗申集團的探索性案例研究［J］．管理世界，2022（6）：117-139．

［14］DENICOLAI S， MAGNANI G， VIDAL J A. Competitive renaissance through digital transformation［J］. European Management Journal， 2022， 40（5）： 653-655.

［15］蔣輝，茍凱歌，王杉杉．疫情下農業(yè)企業(yè)供需動蕩性及其傳導機制研究［J］．北京航空航天大學學報（社會科學版），2022（6）：134-145．

［16］REMENOVA K， JANKELOVA N. Decision-making style of agribusiness managers［J］. Agricultural Economics， 2019， 65（7）： 322-330.

［17］郭金花，郭檬楠，郭淑芬．數字基礎設施建設如何影響企業(yè)全要素生產率？——基于“寬帶中國”戰(zhàn)略的準自然實驗［J］．證券市場導報，2021（6）：13-23．

［18］胡媛媛，陳守明，仇方君．企業(yè)數字化戰(zhàn)略導向、市場競爭力與組織韌性［J］．中國軟科學，2021（S1）：214-225．

［19］吳永求，毛琴，蒲艷萍．勞動力成本異質性、要素替代及企業(yè)績效［J］．重慶大學學報（社會科學版），2019（6）：24-35．

［20］AMIN-CHAUDHRY A， YOUNG S， AFSHARI L. Sustainability motivations and challenges in the Australian agribusiness［J］. Journal of Cleaner Production， 2022， 361： 132229.

［21］謝謙，郭楊．數字技術、創(chuàng)新要素結構優(yōu)化與企業(yè)全要素生產率［J］．北京師范大學學報（社會科學版），2022（6）：134-144．

［22］趙樹寬，范雪媛，王瀧，等．企業(yè)數字化轉型與全要素生產率——基于創(chuàng)新績效的中介效應［J］．科技管理研究，2022（17）：130-141．

［23］孫曉華，王昀．Ramp;D投資與企業(yè)生產率——基于中國工業(yè)企業(yè)微觀數據的PSM分析［J］．科研管理，2014（11）：92-99．

［24］JAMES L， AMIL P. Estimating production functions using inputs to control for unobservables［J］. The Review of Economic Studies， 2003， 70（2）.

［25］錢雪松，康瑾，唐英倫，等．產業(yè)政策、資本配置效率與企業(yè)全要素生產率——基于中國2009年十大產業(yè)振興規(guī)劃自然實驗的經驗研究［J］．中國工業(yè)經濟，2018（8）：42-59．

［26］劉莉亞，金正軒，何彥林，等．生產效率驅動的并購——基于中國上市公司微觀層面數據的實證研究［J］．經濟學（季刊），2018（4）：1329-1360．

［27］吳非，胡慧芷，林慧妍，等．企業(yè)數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］．管理世界，2021（7）：130-144．

［28］張永珅，李小波，邢銘強．企業(yè)數字化轉型與審計定價［J］．審計研究，2021（3）：62-71．

［29］梁樹廣，張芃芃，臧文嘉．制造業(yè)創(chuàng)新鏈產業(yè)鏈資金鏈的耦合協(xié)調度與耦合路徑研究［J］．調研世界，2023（1）：53-60．

［30］廖冠民，沈紅波．國有企業(yè)的政策性負擔：動因、后果及治理［J］．中國工業(yè)經濟，2014（6）：96-108．

［31］申慧慧，于鵬，吳聯(lián)生．國有股權、環(huán)境不確定性與投資效率［J］．經濟研究，2012（7）：113-126．

［32］任勝鋼，鄭晶晶，劉東華，等．排污權交易機制是否提高了企業(yè)全要素生產率——來自中國上市公司的證據［J］．中國工業(yè)經濟，2019（5）：5-23．

［33］唐松，伍旭川，祝佳．數字金融與企業(yè)技術創(chuàng)新——結構特征、機制識別與金融監(jiān)管下的效應差異［J］．管理世界，2020（5）：52-66．

［34］楊興全，尹興強．行業(yè)集中度、企業(yè)競爭地位與現金持有競爭效應［J］．經濟科學，2015（6）：78-91．

［35］李思飛，李鑫，王賽，等．家族企業(yè)代際傳承與數字化轉型：激勵還是抑制？［J］．管理世界，2023（6）：171-191．

［36］梁上坤，張宇，王彥超．內部薪酬差距與公司價值——基于生命周期理論的新探索［J］．金融研究，2019（4）：188-206．

［37］李曉慶，李萌菡．國企混改、高管薪酬激勵與全要素生產率［J］．技術經濟，2022（9）：36-49．

［38］張?zhí)烊A，張少華．偏向性政策、資源配置與國有企業(yè)效率［J］．經濟研究，2016（2）：126-139．

［39］陳海強，陳陽，丁逸非，等．股東網絡“太關聯(lián)”是否加劇崩盤風險？——基于A股市場的經驗證據［J］．經濟學（季刊），2023（3）：1070-1087．

Can Digital Transformation Improve the Total Factor Productivity of Agribusiness？

JIN Shao-rong" TANG Shi-yu" REN Zan-jie

Abstract： Based on the micro data of China's A-share listed agribusiness from 2007 to 2020， this paper empirically analyzes the impact of digital transformation on total factor productivity of agribusiness and its mechanism. The research shows that digital transformation is conducive to improving the total factor productivity of agribusiness. The mechanism test shows that digital transformation can improve the total factor productivity of agribusiness by improving the utilization rate of funds， reducing the excess employment rate and increasing Ramp;D investment. The adjustment test shows that the uncertainty of business environment and the intensification of industry competition will reduce the effect of digital transformation on the promotion of total factor productivity of agribusiness. The scale heterogeneity test shows that digital transformation has a more significant effect on the improvement of total factor productivity of small-scale agribusiness， agribusiness in the growth and maturity stages， state-owned agribusiness， and agribusiness with two separate positions. Therefore， this paper argues that the government and other subjects should improve the construction of digital infrastructure， create a good business environment and market competition order， and optimize the external environment of digital transformation of agribusiness. At the same time， agribusiness should scientifically arrange capital， technology， labor and other resources according to their own development facts， and choose the appropriate path of digital transformation.

Key words： agribusiness; digital transformation; enterprise total factor productivity; resource orchestration theory

基金項目：國家社會科學基金項目“老年人力資源開發(fā)賦能鄉(xiāng)村振興的路徑與政策研究”（21BRK014）。

作者簡介：金紹榮，西南大學經濟管理學院副教授；唐詩語，西南大學經濟管理學院研究生；任贊杰（通信作者），中國農業(yè)大學經濟管理學院博士研究生。