數字經濟與農業全要素生產率：技術進步和要素流動的視角

摘 要 在持續提高農業創新力、競爭力和全要素生產率的背景下，利用2011-2019年中國273個地級市面板數據，實證檢驗了數字經濟對農業全要素生產率的影響。研究結論如下：第一，數字經濟發展能夠顯著提升農業全要素生產率；第二，技術進步和要素流動是數字經濟影響農業全要素生產率的作用機制，具體包括農業技術進步、農業勞動力轉移、農用耕地流轉與農業資本深化；第三，數字經濟作用存在異質性，其對我國西部地區農業全要素生產率提升作用不顯著，且由于糧食主產區的萎縮與限制政策，數字經濟帶來的農業勞動力轉移與農業資本深化效應會受到抑制?；诖?，文章認為政府應當推動農業基礎設施數字化、助力降低數字技術使用門檻、以數字賦能農業科技創新與應用、健全農地流轉管理體制，強化糧食主產區農業支持政策等。

關鍵詞 數字經濟；技術進步；要素流動；農業全要素生產率

中圖分類號：F49；F323 文獻標識碼：A 文章編號：1008-3456（2025）02-0015-13

DOI編碼：10.13300/j.cnki.hnwkxb.2025.02.002

基金項目：國家社會科學基金項目“成渝地區雙城經濟圈城鄉融合發展研究”（20BJL088）；四川省哲學社會科學基金項目“川渝高竹新區協同共建成效評價及優化策略研究”（SCJJ24ND084）。

黨的二十大提出要“加快建設現代化經濟體系，著力提高全要素生產率”。全要素生產率是反映生產體系內部生產效率、衡量經濟高質量發展的重要指標[1]。習近平總書記指出，新質生產力是以全要素生產率的大幅提升為核心標志的先進生產力質態。黨的二十屆三中全會進一步強調：“促進各類先進生產要素向發展新質生產力集聚，大幅提升全要素生產率?！币酝P于全要素生產率的研究多集中于制造業，近年來學術界持續提升對農業全要素生產率的關注[2]。我國高度重視如何提升農業全要素生產率，在中共中央國務院印發的《鄉村振興戰略規劃（2018-2022年）》中強調要“持續提高農業創新力、競爭力和全要素生產率。”農業全要素生產率本質上反映農業生產體系內部協調程度及各要素投入效率，推動其提升，不僅是保障我國糧食安全的重要舉措，更是提升農業發展質量、促進農業現代化的重要動力，亦是我國農業領域新質生產力的核心標志[3]。

隨著大數據平臺、人工智能等數字技術在農業部門的應用，我國農業發展迎來了新機遇。數字經濟發展為農業全要素生產率提升注入了新動能。推動數字經濟和實體經濟融合發展，推動農業等產業數字化，利用互聯網新技術對傳統產業進行全方位、全鏈條的改造，提高全要素生產率。近年來，伴隨數字技術在我國農村地區的不斷普及，數字經濟逐步成為農業經濟發展的重要驅動力之一。根據農業農村部發布的《數字農業農村發展規劃（2019-2025）》顯示，我國農業數字經濟預期年均增長率為10%，農業數字經濟占農業增加值比重預計從2018年的7.3%增長至2025年的15%?，F有研究認為，數字經濟發展能夠提升人力資本水平、促進數字金融發展，為我國現代農業高質量增長帶來新機遇[4]；能夠增加農業相關信息對于農戶的可得性，降低農戶的信息搜集成本[5]；農民借助于數字渠道更快獲得農業新技術與知識，加上農戶的經驗積累，能夠獲得更多農業產出。因此，研究數字經濟發展與我國農業全要素生產率關系具有重要的現實意義。

目前已有關于數字經濟與農業農村問題的研究主要集中在：數字經濟發展如何改善農民生活水平、提升農民幸福感[6]、縮小城鄉發展差距[7]、帶動鄉村產業發展、促進鄉村振興[8]、賦能農業農村現代化[9]。在空間尺度上，現有研究多集中于省級層面的數據分析，路徑探索則多聚焦人力資本提升及技術創新等方面[10]，關注要素流動角度的研究相對較少。在農業全要素生產率的研究上，現有文章多集中于農業全要素生產率的測度與時空分析[11]、相關因素對于農業全要素生產率的影響等[12]，其中后者關于數字經濟的研究多關注數字金融領域，缺乏數字經濟影響農業全要素生產率的定量分析。

數字經濟不僅包括數字金融，還包括數字基礎設施、數字創新等方面。同時，全要素生產率的提升不僅依靠技術進步，還可以通過生產要素的流動組合來實現。因此，本文擬從技術進步和要素流動視角，探究數字經濟與農業全要素生產率之間的關系，以期探究如何通過數字經濟發展驅動我國實現農業現代化發展。

現有關于數字經濟與農業農村問題的研究大多關注人力資本提升與技術創新等作用路徑，鮮有研究關注到要素流動的視角，實證研究又多以省級層面數據為支撐。本文的邊際貢獻在于：第一，從技術進步與要素流動視角，聚焦農業技術進步與勞動力（農業勞動力）、土地（農用耕地）、資本（農業資本）三要素，補充了數字經濟影響農業全要素生產率的作用機制研究；第二，以城市層面數據為支撐，實證檢驗數字經濟對農業全要素生產率的影響及機制，并對這種影響的區域間差異化表現進行分析，細化了異質性影響的研究。

一、理論機制與研究假說

數字經濟不僅催生了大量新興產業，同時也改造提升了傳統產業。我國農業生產長期以來依靠“高投入-高產出”的粗放型增長方式，加上城鄉要素雙向流動存在制度性障礙，導致農業全要素生產率的提升受到制約[13]。但隨著數字經濟與農業的融合，數字經濟憑借其數據處理、信息傳輸以及資源要素配置等方面的天然優勢，正在逐漸改造提升傳統農業生產模式，對農業全要素生產率產生影響。因此，本文基于生產要素理論，剖析數字經濟對農業全要素生產率的影響機理，提出理論機制與研究假說，具體如下：

1.數字經濟對農業全要素生產率的影響機理

數字經濟憑借其強滲透性、非排他性、高流動性、高創新性等特點，能夠從多個方面促進農業全要素生產率提升，主要通過降低農業生產投入、提升農業產出兩個維度來實現，具體作用對象包括農業技術、農業勞動力、農用耕地、農業資本、交易成本和農業產品價值轉化[14-15]。第一，數字經濟能夠推動農業技術創新與擴散。數字經濟的發展能夠擴大知識空間溢出范圍并降低知識搜索成本，借助數字技術、數據要素等推動農業技術創新的同時，通過數字平臺促進農業技術在農村地區的普及與應用，提升農業全要素生產率。第二，數字經濟能夠推動農業勞動力的人力資本與配置效率提升。數字經濟發展打破了傳統受教育模式與知識壁壘，在提升農業勞動力人力資本的同時，通過數字平臺推動農業勞動力流動，提高配置效率，提升農業全要素生產率。第三，數字經濟推動農用耕地利用效率提升。數字技術在農業的應用，打破了傳統的農業生產模式，通過科學種植、監測，最大化提升耕地利用效率。同時，數字普惠金融的發展緩解了農用耕地流轉的資金約束，進一步提升農用耕地利用效率。第四，數字經濟推動農業資本深化與流動。數字經濟發展優化了農業生產投入與產出，為農業資本深化提供可能，同時，數字普惠金融為農業資本深化提供資金支持，數字技術與數字機械在農業的應用又推動了農業資本深化。借助數字平臺，農用機械等農用資本能夠實現跨區流動，最大限度提升其利用效率。第五，降低交易成本，推動農產品價值轉化。數字經濟發展可以促進技術、信息、物質等要素匹配共享[16]，降低交易成本，推動農產品電子商務平臺與供應鏈管理的創新，減少農產品銷售中間環節，提升農產品流通效率與可追溯性。例如，農戶通過數字化平臺購買種子、化肥以及與農機生產商直接對接，獲取更低的原料、機械購買價格，降低交易成本[17]。同時，數字經濟能夠促進農產品價值轉化。具體借助擴大交易范圍、提升成交量以及提升單位產品價值來實現。數字經濟可以有效地連通網絡與物流，從而提升產品知名度，極大拓寬農產品的出售渠道[18]，亦可以通過簡化交易流程，部分農產品可以形成品牌效應從而提升單位產品價值。農民借助于數字化平臺直接對接上游農產品收購方，甚至直接對接消費者，以獲得更高的農產品銷售價格，推動農產品價值轉化。通過降低成本提高產值綜合提升農業全要素生產率。綜上，本文提出假說H1。

H1：數字經濟發展可以顯著提升農業全要素生產率。

2.基于技術進步與要素流動視角的機制分析

（1）數字經濟發展助推農業技術進步。第一，數字經濟發展幫助農業生產者利用數據驅動農業管理，利用數字技術強大的數據收集、存儲以及分析功能，為農業提供更多精細化管理與決策的可能。農業生產者借助先進技術，例如傳感器、遙感技術、智能設備等，監測農作物生長狀態，實現精確施肥、灌溉以及農藥使用等。農業科技的互聯不斷優化農業生產過程，實現單位投入的產出最大化[19]，提高農業全要素生產率；第二，數字經濟為農業科技創新提供更多機遇與可能。農業科技部門借助于數字技術與云計算功能，加速科技創新與促進科研成果互惠共享，促進農業科技進步與技術擴散，提高農業全要素生產率。

（2）數字經濟發展帶動農業勞動力轉移。第一，數字經濟可以通過促進技術進步、產業轉型升級以及產業間深度融合等方式提升第二、第三產業回報率[20]，吸引農業勞動力轉移；第二，數字經濟可以使得信息更加透明化，弱化信息壁壘[12]，從而降低就業摩擦、提升就業匹配成功率，降低農業勞動力轉移成本。第三，數字經濟發展可以使信息傳播范圍變大、壁壘降低，農業勞動力可以獲得人力資本積累，提升其對現代生產方式變革的接受度[21]，增加農業勞動力向非農產業轉移的個人競爭力。因此，數字經濟發展可以促進農業勞動力在產業維度及空間維度轉移，產業維度轉移即數字經濟發展吸引農業勞動力從第一產業流向第二、三產業，空間維度轉移即數字經濟發展吸引農業勞動力從農村流向城市。農業勞動力轉移可能通過溢出效應、干中學等方式促進農業全要素生產率長效提升[22]。

（3）數字經濟發展加速農用耕地流轉。伴隨數字經濟發展、農業勞動力人力資本提升，單位面積農用耕地需投入的農業勞動力降低，農業勞動力獲得進一步解放，對于個體農戶（農業經營規模較小）來說，從事農業帶來的收入小于耕地流轉收入與從事非農產業收入之和，因此農用耕地流轉加速。農用耕地集中到農業技能水平更高的“種田大戶”或者農業公司手中，耕地拋荒現象減少、單位面積產出水平提升。農用耕地要素投入是影響農業全要素生產率的核心因素之一[23]。

（4）數字經濟發展推動農業資本深化。第一，伴隨數字經濟發展，數字普惠金融為“種田大戶”與農業公司提供農業資本深化的資金支持，例如優惠貸款等；第二，數字化平臺為其提供農業生產有效信息，例如優良品種選擇、種植技術與數字化機械使用方法等；第三，數字化技術與數字機械逐步應用于農業生產環節，推進機械化等農業資本深化，優化農業生產結構。機械化等農業資本深化程度的提高能夠提升農業全要素生產率[24]。綜上，本文提出假說H2。

H2：數字經濟可以通過帶動農業技術進步、吸引農業勞動力在產業維度及空間維度轉移、促進農用耕地流轉、推進農業資本深化進而提升農業全要素生產率。

二、數據樣本與研究設計

1.模型構建

2.變量選取

（1）被解釋變量。選取農業全要素生產率作為被解釋變量。農業全要素生產率本質上反映農業生產體系內部協調程度及各要素投入效率，現關于農業全要素生產率的測度方式多樣，主流的方法主要有數據包絡分析（DEA）與隨機前沿分析（SFA）等。本文采用DEA-Malmquist指數方法進行測量，因為其能夠適應投入-產出的面板數據，能夠構造多個生產前沿，符合現實，并且不需設定生產函數與假設條件，對于同類型單位具有可比性。參考李谷成[26]的研究，選取第一產業產值作為產出變量，選取勞動力（一產從業人員數）、土地（農作物播種面積）、機械（農用機械動力）、化肥（化肥施用量）、水資源（有效灌溉面積）作為投入變量。產出變量與投入變量均做了取對數處理。

采用DEA-Malmquist指數方法測量出的是農業全要素生產率相對于上一年的變化率即農業全要素生產率變化率（tfpch），并且可以進一步分解為技術效率變化率（effch）與技術進步變化率（tech），其中技術效率變化率又可以分解為純技術效率變化率（pech）與規模效率變化率（sech）。參考邱斌等[27]的研究，將樣本中所有城市2010年的農業全要素生產率（TFP）、技術效率（EFF）、技術進步（TE）、純技術效率（PE）與規模效率（SE）設為1（即以2010年為基期），依次累積相乘得到樣本中2011-2019年的農業全要素生產率、技術效率、技術進步、純技術效率與規模效率指數。技術效率（EFF）變動代表生產率變化中不歸結于要素投入變動或技術進步（TE）的部分，技術進步（TE）數值增加表示技術改進或創新帶來的生產效率提高，純技術效率（PE）進步歸因于生產要素利用效率提升且不考慮技術進步的貢獻，規模效率（SE）變化代表經濟體因為規模的變動帶來的效率變化。

（2）核心解釋變量。核心解釋變量為數字經濟，數字經濟指標體系參考趙濤等[28]的研究，并結合國家統計局以及中國信息通信研究院對于數字經濟的定義，從數字基礎設施、數字產業化、產業數字化、數字創新與政府關注度五個方面構建數字經濟指標體系。數字基礎設施的指標包括移動電話用戶年末數與互聯網寬帶接入用戶數；數字產業化的指標包括計算機服務和軟件業從業人員數與電信業務收入；用中國數字普惠金融指數衡量產業數字化；以該城市當年申請的數字經濟相關實用型專利數量衡量數字創新；另外加入政府工作報告中數字經濟相關詞頻衡量政府關注度。本文將采用熵值法進行綜合估計，在得到每個指標的權重基礎上，根據各自權重分別乘以該指標標準化后的值進行加總，最終得到數字經濟綜合指標值。

（3）控制變量?？刂谱兞繀⒖继平ㄜ姷萚22]的研究，并加入可能影響農業全要素生產率的因素。在宏觀層面，分別從經濟結構、政府行為與資產規模角度選取控制變量，經濟結構方面選擇第三產業增加值與第二產業增加值的比控制產業結構（ind）的影響；政府行為方面選擇地方財政預算內支出取對數控制政府財政支出（gov）的影響，選擇財政支出中農林水務支出取對數控制農業財政支出（agr）的影響；資產規模方面選擇固定資產投資總額取對數控制投資水平（inv）的影響。在微觀層面，從消費和儲蓄的角度，控制可能會影響農業全要素生產率的因素，選擇社會消費品零售總額取對數控制消費水平（con）的影響，選擇年末金融機構存款余額取對數控制儲蓄水平（dep）的影響。

（4）機制變量。根據上文所述機理，本文選取的代理變量共計5個：①農業技術進步，采用技術進步（TE）與農業科技創新（M1）兩個指標共同衡量，由于數據可得性原因，采用農業科技專利數（省級數據）乘以該市科技財政支出占全省該年科技財政支出比例再總體取對數衡量農業科技創新；②農業勞動力轉移（M2），由于非農業人口指標統計時不受戶口及地域限制，更能直觀體現非農人口人數變動，因此采用非農業人口數與人口自然增長率的比并取對數進行衡量，數值上升則表明農業勞動力向非農業轉移；③農用耕地流轉（M3），由于數據可得性原因，本文采取家庭承包耕地流轉面積（省級數據）乘以該市第一產業從業人員數占全省該年一產從業人員數的比例再總體取對數進行衡量；④農業資本深化（M4），采用農用機械總動力與糧食播種面積之比取對數進行衡量。主要變量及描述性統計見表1。

3.數據來源

由于數字經濟指標體系中“北京大學數字普惠金融指數”數據時間起點為2011年[29]，所以本文農業全要素生產率測算的基期選擇為2010年，另考慮到數據的真實性，數據樣本區間選取2011-2019年；剔除直轄市及部分數據缺失嚴重的地級市（不含港澳臺地區），最終選取我國273個地級市構造面板數據。數據均來自EPS數據庫、CSMAR數據庫、《中國城市統計年鑒》以及地方各市官方網站。部分缺失值采用線性插補法進行適當增補。

三、數字經濟影響農業全要素生產率的實證檢驗結果

1.基準回歸

基準回歸結果如下表2，核心解釋變量均為數字經濟指數（Dige）并且均控制了時間、個體固定效應。第（1）（2）列被解釋變量為農業全要素生產率（TFP），第（2）列為第（1）列基礎上加入控制變量的回歸結果。由第（1）列可見，加入控制變量前核心解釋變量的回歸系數為正并且在1%的統計水平上顯著，這說明數字經濟發展可以顯著提升農業全要素生產率。但考慮到所在地區產業結構、財政支出、投資水平等因素均有可能影響到農業生產，本文加入控制變量進行回歸，結果見表2第（2）列，加入控制變量后核心解釋變量系數為0.227，數值變化較小并通過了5%的顯著性檢驗。經濟學意義上，在其他條件保持不變的情況下，數字經濟指數（Dige）每提高1個單位值，農業全要素生產率提高0.227個單位值。這一結果進一步證實了數字經濟可以顯著提升農業全要素生產率，即驗證了本文所提出的假說H1。這一結論亦與現實情況一致，根據中國信息通信研究院歷年發布的《中國數字經濟發展白皮書》，我國農業數字經濟滲透率從2016年的6.2%增長至2019年的8.2%，數字經濟正在通過與農業融合推動我國農業發展。

為進一步探索數字經濟發展提升農業全要素生產率的深層原因，利用DEA方法將農業全要素生產率（TFP）分解為技術進步（TE）與技術效率（EFF），并進一步將技術效率分解為純技術效率（PE）與規模效率（SE）。表2第（3）列中，被解釋變量為技術進步（TE），核心解釋變量回歸系數為0.398，且在1%統計水平上顯著，第（4）列被解釋變量為技術效率（EFF），核心解釋變量回歸系數為-0.169，且通過了10%的顯著性檢驗?？梢?，數字經濟發展主要通過帶動技術進步進而帶動農業全要素生產率提升。第（5）列純技術效率（PE）的核心解釋變量回歸結果不顯著，第（6）列規模效率（SE）的核心解釋變量回歸系數為-0.210，且通過了5%的顯著性檢驗。因此，數字經濟發展導致技術效率（EFF）下降的原因在于數字經濟降低了農業生產的規模效率（SE）。

綜上，數字經濟發展可以顯著提升農業全要素生產率，假說H1得證，并且技術進步是其推動農業全要素生產率提升的主要途徑。值得注意的是，數字經濟發展會顯著降低農業生產的規模效率，原因可能有以下幾點：第一，“數字鴻溝”問題。由于存在數字鴻溝，數字技術的應用需要農業從業人員具備相應的技術適應能力以及數字素養，包括引入數字技術所需要的投資成本與技術門檻，而當前我國農業仍處于小農生產階段，生產成本高且附加值低[30]，部分農業生產者無法有效利用數字技術整合資源。加上數字設備購入的高昂花費以及數字技術應用存在困難，導致其失去規模化生產的機會，規模效率下降。第二，規模不經濟。對于大規模農業生產者來說，數字經濟發展為其提供了擴大規模的可能，但由于數字技術在農業生產全過程中的應用還存在缺口和不成熟，規模的盲目擴張反而會導致其遠離規模效率最優點，并且由于大規模農業生產者的擴張，小規模農業生產者面臨被市場邊緣化的風險，降低整體規模效率。第三，數字經濟的“長尾效應”。在數字經濟中，由于互聯網的存在，市場上的商品和服務可以更加細分和個性化，導致農業生產須更加精細化與個性化，不利于市場形成規模效應，從而制約了規模效率[31]。

2.機制檢驗

本文基于生產要素理論，聚焦于農業技術進步、農業勞動力轉移、農用耕地流轉與農業資本深化四個方面，探索數字經濟影響農業全要素生產率的作用機制，采用固定效應面板模型對前文提出的機制進行檢驗，驗證假說H2?；貧w結果如表3。

（1）數字經濟、農業技術進步與農業全要素生產率。表3第（1）列與表2第（2）（3）列結果共同說明了農業技術進步是數字經濟發展促進農業全要素生產率提升的機制之一。表3第（1）列被解釋變量是農業科技創新，核心解釋變量數字經濟發展水平（Dige）的回歸系數為3.117并在1%統計水平上顯著，驗證了數字經濟發展能夠促進農業科技創新。結合表2第（2）（3）列的回歸結果，數字經濟發展通過推動技術創新與農業科技創新綜合推進農業技術進步，進而提升農業全要素生產率。綜上，本文認為農業技術進步是數字經濟發展提升農業全要素生產率的機制之一。

（2）數字經濟、農業勞動力轉移與農業全要素生產率。表3第（2）列與表2第（2）列結果說明了數字經濟可以促進農業勞動力轉移，進而提升農業全要素生產率。表3第（2）列中被解釋變量為農業勞動力轉移，核心解釋變量回歸系數為0.180，在10%的統計水平上顯著，驗證了數字經濟發展能夠促進農業勞動力轉移。綜上，本文認為農業勞動力轉移是數字經濟發展提升農業全要素生產率的機制之一。

（3）數字經濟、農用耕地流轉與農業全要素生產率。由表3第（3）列與表2第（2）列，可以得出結論：數字經濟通過促進農用耕地流轉提升農業全要素生產率。表3第（3）列中被解釋變量為農用耕地流轉，核心解釋變量的回歸系數在1%的統計水平上顯著為正，驗證了數字經濟發展能夠促進農用耕地流轉。綜上，農用耕地流轉是數字經濟發展提升農業全要素生產率的機制之一。

（4）數字經濟、農業資本深化與農業全要素生產率。表3第（4）列中被解釋變量為農業資本深化，核心解釋變量的回歸系數在1%的統計水平上顯著為正，驗證了數字經濟發展能夠促進農業資本深化。結合表2的第（2）列，可知數字經濟發展所提供的包括數字普惠金融、農業智能化數字化以及實用型數字技術在農業方面的應用，促進了農業機械化等農業資本深化。綜上，本文認為農業資本深化是數字經濟發展提升農業全要素生產率的機制之一。

綜上，數字經濟可以通過推動農業技術進步、吸引農業勞動力在產業維度及空間維度轉移、推動農用耕地流轉與農業資本深化進而提升農業全要素生產率。驗證了假說H2。

3.穩健性檢驗

（1）替換被解釋變量。對于前文構建的農業全要素生產率指標體系中，去掉化肥與水資源后，計算指標（TFP_3）對被解釋變量進行替換?，F有研究中，部分學者認為化肥與水資源屬于中間產品，因此不納入農業全要素生產率的核算指標內，本文考慮此種農業全要素生產率指標體系構建方式并加入穩健性檢驗。結果如表4第（1）列所展示，核心解釋變量回歸系數為正且在5%統計水平上顯著，證明了回歸結果的穩健性。

（2）替換核心解釋變量?；鶞驶貧w中采用熵值法確定核心解釋變量各指標的權重，此處采用主成分分析法提取三個公共因子，累計方差貢獻率為85.7%，且KMO值為0.779，Bartlett球形檢驗值為12536.515（P<0.001），滿足數據分析要求，構建數字經濟發展水平指標，替換核心解釋變量進行穩健性檢驗?；貧w結果如表4第（2）列，主成分分析法計算的數字經濟發展水平指數（Dige_pca）回歸系數在5%統計水平上顯著為正，表明基準回歸結論不受數字經濟發展水平指標測度方法影響。

（3）更換回歸模型?？紤]到不同回歸模型可能導致回歸結果的不同，采用OLS模型替換基準回歸模型進行穩健性檢驗。結果如表4第（3）列所示，核心解釋變量回歸系數在5%統計水平上顯著為正，證明了回歸結果的穩健性。

（4）剔除海南與西藏樣本。由于海南的地理位置與西藏樣本數據質量的特殊性，考慮到數據原因可能帶來的偏誤，剔除海南與西藏樣本后進行檢驗。結果如表4第（4）列所示，核心解釋變量回歸系數在5%統計水平上顯著為正，證明了回歸結果的穩健性。

式（3）中，DID為該年是否被列為“寬帶中國”試點對象，是則取1，否則取0，其余符號含義與式（1）（2）相同。

回歸結果見表4第（5）列，結果表明，“寬帶中國”試點政策對于農業全要素生產率在10%的統計水平上具有顯著的正向影響，表明基準回歸中研究結論是穩健的。

另外，在進行回歸之前，對模型的平行趨勢假設進行了驗證，將樣本城市設為試點城市前的第三期作為基期，由表5可知，在“寬帶中國”政策試點設立之前，其對于農業全要素生產率的影響趨勢較為平緩且不顯著，設立之后第三年開始，影響逐漸增大并且顯著，可知平行趨勢假設成立，即通過了平行趨勢檢驗。但該政策對于農業產生的影響可能存在一定的滯后性。圖1刻畫了90%置信區間平行趨勢檢驗的估計結果。

（6）工具變量法?？紤]到模型設定中可能存在因遺漏變量、反向因果等產生的內生性問題，本文選擇工具變量法進行估計。參考黃群惠等[32]的研究，選取1984年城市層面每百人固定電話數作為數字經濟的工具變量，一方面，互聯網的普及最初是依托于傳統電信基礎設施，滿足相關性要求；另一方面，固定電話這一工具的使用率隨著電信行業的發展也逐步淡化，滿足排他性。另外，引入滯后一期數字經濟指標與1984年每百人固定電話數構造交互項，作為數字經濟指標的工具變量（IV）。

估計結果見表6，第一階段回歸中工具變量IV的回歸系數與第二階段回歸中核心解釋變量Dige的回歸系數均為正并在1%統計水平上顯著，同時Durbin檢驗和Wu-Hausman F檢驗均表明模型存在內生性問題，且弱工具變量檢驗通過。綜合表明，在利用工具變量緩解內生性問題后，核心解釋變量Dige的回歸系數仍在1%統計水平上顯著為正，證明了研究結論的穩健。

4.異質性分析

本文按地理區域劃分以及是否為糧食主產區兩種劃分方式進行異質性分析，結果如表7。

（1）按地理區域劃分。根據國家統計局的劃分標準，將總體樣本劃分為東中部地區和西部地區以考察數字經濟對農業全要素生產率的異質性影響。原因在于：第一，東中部地區和西部地區在數字化程度上存在明顯差異，尤其是基礎設施建設、數字技術應用方面，數字經濟與農業生產的融合程度可能會存在差異；第二，我國不同地區之間的自然條件差異明顯，東中部地區地勢較為平坦，氣候整體溫暖濕潤、水資源相對豐富，適合農業生產規模化，而西部地區地形多山、氣候條件復雜，自然條件會限制當地農業發展。因此，數字經濟對于農業全要素生產率的提升作用可能在西部地區表現不佳。實證回歸結果如表7第（1）（2）列所示，被解釋變量均為農業全要素生產率，核心解釋變量均為數字經濟發展水平。表7第（1）列東中部地區核心解釋變量系數為正且在5%的統計水平上顯著，然而，表7第（2）列西部地區核心解釋變量回歸系數未通過10%的顯著性檢驗，原因可能在于西北干旱地區和西南喀斯特地貌區數字基礎設施建設難度高、機械化難度高、農用耕地預期收益低，農村較為落后、勞動力流失情況嚴重且耕地拋荒問題嚴重，造成耕地流轉率不高。東中部地區以平原地區為主，耕地機械化難度低，自然條件也更適宜農業發展，農業預期收益較高，種植大戶（或農業公司等）也更愿意付出更高的租金租用耕地，耕地利用率高、流轉數目大，更有利于數字技術等在農業生產環節的大規模高效應用。同時，已有研究發現，經濟欠發達地區耕地流轉行為萎縮，因為農戶對于土地的依賴性更強[33]。

（2）按是否為糧食主產區劃分。中國根據不同省份的自然條件劃分了不同的糧食功能區，對于糧食主產區出臺相關限制政策以及補貼政策，形成了功能區之間農業種植結構的差異，這種差異與限制政策會直接影響到農業生產，并且會影響到數字經濟與傳統農業的融合過程，因此根據《國家糧食安全中長期規劃綱要（2008-2020）》的劃分標準，將總體樣本劃分為糧食主產區與非糧食主產區以考察數字經濟對農業全要素生產率的異質性影響。實證結果見表7第（3）（4）列，被解釋變量均為農業全要素生產率，核心解釋變量均為數字經濟發展水平。第（4）列核心解釋變量回歸系數為0.559，且在1%統計水平上顯著，表明數字經濟發展會顯著提升非糧食主產區農業全要素生產率；但第（3）列核心解釋變量回歸系數為-0.397，且通過了1%統計水平上的顯著性檢驗，表明數字經濟發展對于糧食主產區農業全要素生產率具有顯著的負向作用。為探索其中原因，本文進行進一步分析。

四、進一步分析：糧食主產區數字經濟對農業全要素生產率的影響

為進一步探索糧食主產區數字經濟發展對農業全要素生產率呈現負向作用的內在原因，此處將農業全要素生產率（TFP）拆解為技術效率（EFF）與技術進步（TE），并進一步將技術效率（EFF）分解為純技術效率（PE）與規模效率（SE），分別將這五個變量作為被解釋變量加入回歸中，所得結果見表8。由表8（1）-（5）列核心解釋變量回歸結果知，糧食主產區數字經濟發展會顯著降低農業全要素生產率，降低規模效率，雖促進技術進步，但顯著性與回歸系數較小。可見，在糧食主產區，數字經濟發展對農業全要素生產率呈顯著負向作用的主要原因在于技術貢獻度不足與規模效率降低。糧食主產區數字經濟發展會顯著降低農業生產規模效率的原因可能在于：受到“糧食大省、經濟弱省、財政窮省”影響，糧食主產區土地流轉率整體低于非主產區，農業生產的規?；c產業化程度仍然處于較低水平，因此會降低農業生產的規模效率[34]。另外，由于糧食主產區多為“財政窮省”以及一系列非農開發的限制政策，導致技術進步對于農業全要素生產率提升的貢獻度較低，整體表現為糧食主產區數字經濟發展對于農業全要素生產率具有負向影響；對于非糧食主產區，尤其是東部沿海地區，數字經濟發展水平高，農業科技研發投入大，在二、三產業帶動下，技術進步作用更加明顯[35]，即數字經濟發展顯著提升農業全要素生產率。

表9展示了糧食主產區數字經濟發展對于農業科技創新以及要素流動的影響。由表9第（1）列與表8第（3）列的結合可知，糧食主產區數字經濟發展對于農業科技創新的促進作用是顯著的，但是對技術進步（TE）影響的顯著性較差一些。此顯著性差異的原因可能在于糧食主產區數字經濟發展帶來的農業科技創新在該地農業生產環節的推廣不足，即相關農業科技創新并沒有及時使用以及推廣。由表9的（2）（4）列可見，糧食主產區數字經濟發展對于農業勞動力轉移以及農業資本深化的影響并不顯著。造成以上差異以及回歸結果不顯著的原因可能在于我國糧食主產區出現的萎縮態勢。已有學者注意到此問題，認為糧食主產區萎縮的根本原因在于糧食種植收益低，對于地方政府的財政收入貢獻小，地方政府對于糧食種植重視度不高[36]。另外，由于中國對于糧食主產區實施一系列政策來限制非農開發、保護農田資源及農業生態環境，這一系列限制會在一定程度上抑制要素的自由流動[37]。綜合表9的第（3）列與表8的第（5）列可知，糧食主產區數字經濟發展促進農用耕地流轉，但卻并未提升農業生產的規模效率，反而呈現出規模效率下降的現象。出現此現象的原因除前文所提及的“數字鴻溝”、規模不經濟、數字經濟的“長尾效應”之外，還包括套取農業補貼現象。為保障糧食安全，糧食主產區一直是各類農業補貼的重點對象，但由于相關監管不完善，套取農業補貼現象嚴重，調查顯示，大量“非糧化”“非農化”以及“空殼”涉農企業通過承包流轉土地套取農業補貼[38]。

因此，對于糧食主產區來說，由于地方政府重視度不高，糧食主產區出現萎縮，數字經濟發展帶來的農業科技創新可能存在使用以及推廣不足的問題，加上相關限制非農開發的政策，要素流動受到抑制，數字經濟發展對于農業勞動力轉移與農業資本深化的影響并不顯著，并且由于套取農業補貼現象嚴重、“數字鴻溝”等問題，數字經濟發展雖推動農用耕地流轉，但整體仍呈現出降低農業生產規模效率的現象。

五、結論與建議

本文從技術進步和要素流動視角，探尋數字經濟與農業全要素生產率的關系。利用2011-2019年中國273個地級市的面板數據，實證檢驗了數字經濟對農業全要素生產率的影響及作用機制。

研究發現：第一，數字經濟發展能夠顯著提升農業全要素生產率，農業技術進步是其中主要原因，作用機制包括農業科技創新與應用、農業勞動力在產業及空間維度轉移、農用耕地流轉與農業資本深化。但同時，數字經濟發展會顯著降低農業生產的規模效率。第二，在我國西部地區，數字經濟發展對于農業全要素生產率的促進作用不顯著，原因可能在于西北干旱地區和西南喀斯特地貌區機械化難度高，兩地農用耕地預期收益低，勞動力流失與耕地拋荒問題嚴重，農用耕地流轉率不高；數字經濟發展會顯著提升非糧食主產區農業全要素生產率，卻對糧食主產區的農業全要素生產率存在負向影響。進一步地，這種負向影響的原因在于技術貢獻度不足與規模效率降低。對于糧食主產區來說，由于糧食種植對于政府財政收入貢獻小，政府對于糧食種植重視度不高，糧食主產區出現萎縮，數字經濟發展帶來的農業科技創新使用及推廣不足，加上糧食主產區一系列限制政策，抑制要素流動，造成數字經濟發展帶來的農業資本深化與農業勞動力轉移效應受到抑制，且由于“數字鴻溝”、規模不經濟、數字經濟的“長尾效應”及套取農業補貼現象嚴重等問題，數字經濟發展雖推動農用耕地流轉，但整體仍呈現出降低農業生產規模效率的現象。

綜上，本文的政策建議是：第一，推動農村基礎設施數字化，降低數字技術、信息、工具使用壁壘。應加快農村寬帶、通信基站等信息網絡建設，推進農村道路、物流等基礎設施數字化，推動農業生產、銷售等環節數字化、智能化。搭建農業信息交流平臺，降低農民信息使用成本，包括但不限于農業知識技能傳播、信息共享、農業技術幫扶等，降低數字普惠金融產品使用門檻，不斷縮小“數字鴻溝”。第二，以數字賦能農業科技創新與應用。借助于大數據、人工智能等推進農業科技創新，借助數字平臺，將創新成果切實用于農業發展。第三，健全農用耕地流轉管理體制，鼓勵農用機械跨區作業。借助于大數據、數字平臺等，加強對于政策實施的監管，精準識別、打擊“非糧化”“非農化”以及“空殼”涉農企業利用體制機制漏洞套取農業補貼，使農業補貼真正惠及于農業生產者，同時鼓勵農用機械跨區作業，提升生產要素利用效率。第四，因地制宜發展農業數字經濟。充分認識我國不同地區農業發展優劣勢，實施非均衡化發展策略。對于自然條件適宜農業發展且勞動力流失嚴重的地區，推進農業規模化、機械化，加大農業基礎設施投入；對于不適宜大規模機械化種植的地區，因地制宜發展特色農業，提升農產品附加值，打開特色農產品銷售渠道，切實增加農戶收入。強化糧食主產區農業支持政策，完善考核制度，調動地方政府推動農業生產的積極性。

參 考 文 獻

[1]王璐，楊汝岱，吳比.中國農戶農業生產全要素生產率研究[J].管理世界，2020（12）：77-93.

[2]許慶，賈杰斐，周天舒.農機購置補貼如何影響農業全要素生產率？[J].財經研究，2023（6）：109-123.

[3]姜長云.農業新質生產力：內涵特征、發展重點、面臨制約和政策建議[J].南京農業大學學報（社會科學版），2024（3）：1-17.

[4]夏顯力，陳哲，張慧利，等.農業高質量發展：數字賦能與實現路徑[J].中國農村經濟，2019（12）：2-15.

[5]朱秋博，白軍飛，彭超，等.信息化提升了農業生產率嗎？[J].中國農村經濟，2019（4）：22-40.

[6]彭艷玲，周紅利，蘇嵐嵐.數字經濟參與增進了農民社會階層認同嗎？——基于寧、渝、川三省份調查數據的實證[J].中國農村經濟，2022（10）：59-81.

[7]龔勤林，宋明蔚，賀培科，等.數字經濟、流動空間與城鄉收入差距[J].上海經濟研究，2023（6）：95-108.

[8]張旺，白永秀.數字經濟與鄉村振興耦合的理論構建、實證分析及優化路徑[J].中國軟科學，2022（1）：132-146.

[9]梁琳.數字經濟促進農業現代化發展路徑研究[J].經濟縱橫，2022（9）：113-120.

[10]李媛，阮連杰.數字經濟賦能中國式農業農村現代化：理論邏輯與經驗證據[J].經濟問題，2023（8）：25-32.

[11]劉亦文，歐陽瑩，蔡宏宇.中國農業綠色全要素生產率測度及時空演化特征研究[J].數量經濟技術經濟研究，2021（5）：39-56.

[12]朱秋博，白軍飛，彭超，等.信息化提升了農業生產率嗎？[J].中國農村經濟，2019（4）：22-40.

[13]吳海霞，郝含濤，葛巖.糧食主產區政策對農業環境全要素生產率的效應評估[J].資源科學，2022（2）：334-349.

[14]田野，劉勤，黃進.數字經濟賦能鄉村產業振興的作用機理——基于湖北省秭歸縣三個典型鄉鎮的案例分析[J].農業經濟問題，2023（12）：36-46.

[15]李欠男，李谷成.互聯網發展對農業全要素生產率增長的影響[J].華中農業大學學報（社會科學版），2020（4）：71-78，177.

[16]荊文君，孫寶文.數字經濟促進經濟高質量發展：一個理論分析框架[J].經濟學家，2019（2）：66-73.

[17]陳一明.數字經濟與鄉村產業融合發展的機制創新[J].農業經濟問題，2021（12）：81-91.

[18] BAJARI P，NEKIPELOV D，RYAN S P，et al.Machine learning methods for demand estimation[J].American economic review，2015，105（5）：481-485.

[19]許憲春，任雪，常子豪.大數據與綠色發展[J].中國工業經濟，2019（4）：5-22.

[20]楊倜龍，郭克莎.數字經濟對制造業發展的影響探析[J].經濟學家，2023（9）：55-65.

[21]王菲，孫淑惠，劉天軍.數字經濟發展推進了農業生產方式變革嗎——來自黃河流域地級市的證據[J].中國農村經濟，2023（9）：122-143.

[22]唐建軍，龔教偉，宋清華.數字普惠金融與農業全要素生產率——基于要素流動與技術擴散的視角[J].中國農村經濟，2022（7）：81-102.

[23]尹朝靜，李谷成，范麗霞，等.氣候變化、科技存量與農業生產率增長[J].中國農村經濟，2016（5）：16-28.

[24]鄧曉蘭，鄢偉波.農村基礎設施對農業全要素生產率的影響研究[J].財貿研究，2018（4）：36-45.

[25]江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[26]李谷成.技術效率、技術進步與中國農業生產率增長[J].經濟評論，2009（1）：60-68.

[27]邱斌，楊帥，辛培江.FDI技術溢出渠道與中國制造業生產率增長研究：基于面板數據的分析[J].世界經濟，2008（8）：20-31.

[28]趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J].管理世界，2020（10）：65-76.

[29]郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020（4）：1401-1418.

[30]張維剛，歐陽建勇.鄉村振興視閾下農業高質量發展的財政支持政策選擇[J].江西社會科學，2021（2）：72-84.

[31]鄭國強，萬孟澤.數字經濟的生產率增長效應：紅利還是鴻溝[J].當代財經，2023（12）：3-16.

[32]黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗[J].中國工業經濟，2019（8）：5-23.

[33]史清華，賈生華.農戶家庭農地要素流動趨勢及其根源比較[J].管理世界，2002（1）：71-77，92-153.

[34]吳海霞，郝含濤，葛巖.糧食主產區政策對農業環境全要素生產率的效應評估[J].資源科學，2022（2）：334-349.

[35]李航飛.基于數據包絡分析的我國農業生產效率區域差異分析[J].科技管理研究，2020（1）：59-66.

[36]魏后凱，賈小玲.中國糧食主產區萎縮態勢及其福利損失[J].中共中央黨校（國家行政學院）學報，2023（5）：65-79.

[37]余亮亮，蔡銀鶯.國土空間規劃管制與區域經濟協調發展研究——一個分析框架[J].自然資源學報，2017（8）：1445-1456.

[38]馮小.農民專業合作社制度異化的鄉土邏輯——以“合作社包裝下鄉資本”為例[J].中國農村觀察，2014（2）：2-8，17，92.

Digital Economy and Agricultural Total Factor Productivity：

——From the Perspective of Technological Progress and Factor Flow

GONG Qinlin，QIAO Tao，LENG Yuting

Abstract In the context of continuously improving agricultural innovation，competitiveness，and to- tal factor productivity，the research empirically tests the impact of digital economy on agricultural total factor productivity using panel data from 273 prefecture-level cities in China from 2011 to 2019.The re- search findings are as follows：Firstly，the development of digital economy can significantly improve the agricultural total factor productivity；Secondly，technological progress and factor flow are the mechanisms through which the digital economy influences the agricultural total factor productivity，specifically via ag- ricultural technological progress，agricultural labor transfer， agricultural land circulation，and agricultural capital deepening；Thirdly，there is heterogeneity in the role of the digital economy.Its impact on agricul- tural total factor productivity in the western region of China is not significant.Moreover，due to the shrink- age of major grain production areas and restrictive policies，the transfer of agricultural labor and the deep- ening effect of agricultural capital brought about by the digital economy are suppressed. Accordingly，poli- cymakers should prioritize the digitization of agricultural infrastructure，lowering barriers to digital tech- nology adoption，empowering agricultural technology innovation and application with digitalization，im- proving the management system of agricultural land transfer，and strengthening agricultural support poli- cies in major grain producing areas.

Key words digital economy； technological progress； factor flow； agricultural total factor produc- tivity

（責任編輯：王 薇）