.![]()
数字化赋能农业绿色发展——基于共建“一带一路”国家的考察
文章刊发：石荣，唐艺婧，杨国涛.数字化赋能农业绿色发展：基于共建“一带一路”国家的考察[J]. 世界农业, 2024(5):13-27.粮食安全是建设农业强国的头等大事，夯实粮食安全根基、保障农业安全是确保国家发展安全的首要前提。“一带一路”倡议是连接世界经济高质量发展、构建人类命运共同体的关键纽带，为实现地区粮食安全稳定、促进就业和解决贫困问题做出了卓越贡献。2021年9月，习近平总书记在出席第七十六届联合国大会一般性辩论时提出，将粮食安全、气候变化和绿色发展、数字经济、互联互通等列入八大重点合作领域。研究如何让“一带一路”国家进一步享受到数字化发展带来的红利，在互联互通中建设新时代数字丝绸之路，对提高全球农业生产韧性、保障全球粮食生产安全、降低全球贫困人口、共建人类命运共同体都具有十分重要的意义。2022年，中国农业农村部印发《“十四五”农业农村国际合作规划》，指出要“围绕服务国家总体外交大局和农业农村发展事业，加快构建新型农业对外合作伙伴关系，高质量推进‘一带一路’农业农村合作”，还要“深化农业科技合作”。农业合作与民生息息相关，向来是“一带一路”重点合作领域。根据中国农业农村部国际合作司公布的数据，截至2021年，中国已向70多个国家和地区派出2 000多名农业专家和技术人员，向多个国家推广示范1 500多项农业技术，带动项目平均增产40％~70％。共建“一带一路”国家贯穿亚非欧大陆，包含广大发展中国家和西方发达国家，国家发展层次的多样性给中国与之农业合作提供了多样化道路，使得合作呈现“由点到面”“由浅入深”的阶梯形特征，从技术交流到贸易投资，再到政策协同，“一带一路”农业合作为提高全球粮食安全水平提供了“中国智慧”和“中国方案”。然而，农业劳动力减少与气候环境问题交织，维护世界粮食安全遭遇挑战。究其原因，第一，城市化进程加快推进，伴随着城市化建设不断挤占农业用地空间与大规模农村人口向城市聚集。联合国粮农组织（FAO）预测数据显示：2021—2050年世界农村人口所占比重将持续降低，预计到2050年时将下降至31.76％。从事农业工作的人口不断减少，对粮食的需求却在不断增加，粮食增产压力和农业劳动力减少阻力交织。第二，全球极端气候事件不断发生，全球气候变暖给世界敲响警钟。农业作为非常依赖自然气候的行业，异常气候事件频发向农业安全足量生产提出严峻挑战。第三，从《京都协议书》到《巴黎协定》，以国际约束的形式限制国家碳排放，旨在敦促各国减少温室气体排放、减少对化石燃料的依赖，为国家经济增长与碳排放脱钩、推进绿色可持续发展提出了要求，同时让各国加强合作与交流，来共同应对气候变化带来的全球性挑战。根据Boulding提出的宇宙飞船理论，面对人口持续增多但资源不断减少的严峻现实，经济发展应从“消耗型”转为“生态型”。因此，研究如何提高农业绿色全要素生产率是推动一国发展方式由消耗主导型转为生态主导型，农业发展方式从注重数量扩张转向注重质量提升和资源可持续利用的应有之义，具有充分的时代必要性和现实紧迫性。数字化发展获得了绝大多数国家的战略性、倾向性支持。从国家安全角度来说，数字化转型能够提高国家抵御风险的能力和韧性。从产业发展角度来说，数字化转型系统性革新了全产业全链条发展动力：一是通过优化资源配置、提高创新能力来提高实体经济全要素生产率；二是通过提高金融普惠性、扩大金融服务规模来提高金融服务水平；三是通过数字技术赋能传统农业，提高农作物生产智能化、精细化、规模化水平来提高农业可持续发展能力。除了重视本国数字化发展，数字化转型的国际合作也是寻求国与国之间扩大商品和服务贸易、对外和外商投资及社会和文化交流的必然趋势。早在1981年，Cohen就表达了面对各国之间经济发展水平、国际分工层次的差异，发展中国家能够承接发达国家的产业结构转移带来的发展红利及借鉴其成功发展经验，来发掘本国经济增长新动力的观点。跨国公司在东道国的业务扩展所带来的技术转移和先进经营模式引进也具有引领效应和溢出效应，从而实现东道国经济高质量增长。数字经济依托互联网的快速发展，相关生产要素天然具有流动性、共享性等特征。数字化对农业的赋能，可以通过提高产品可追溯性和质量保证、拓展农产品的数字营销渠道和购买渠道等，提升农产品的附加值；机器人取代劳动力的规模化生产倾向能够降低农业生产边际成本；大数据信息化管理模式可以提高农作物从播种到采摘一系列农业全周期过程的自动化、智能化、精细化水平。数字技术的快速发展让各国进入工业4.0发展轨道，相对应的是，以物联网、大数据、人工智能、云计算、遥感等数字技术为载体的农业4.0发展模式同样方兴未艾，有大量证据表明数字化转型显著提高了农业活动的效率。学者构建一国数字化发展水平通常采用综合指数法，一是因为鉴于官方数据披露情况参差不齐，衡量数字化发展的指标存在数据缺失和滞后问题；二是因为数字经济体系包含的框架太大，很难用单一指标衡量其发展现状，其外溢价值更是难以通过数据来估计；三是因为对于国家主体而言，国家禀赋和地区特色让单一指标的可解释力受到质疑。数字化发展是时代热点和学术界热议话题，却因为指标体系的构建和测度存在指标偏倚和数据滞后问题，使研究结论缺乏信服力。而关于农业绿色全要素生产率的测算方法，基于包含非期望产出的数据包络分析（DEA）已经被广泛应用于绿色全要素生产率的计算当中，其优点在于作为一种非参数方法，不用对投入和产出之间的关系进行预先假设，每个决策单元可以自由选择投入和产出的任何组合，以使其相对效率最大化。然而，传统DEA的Malmquist指数无法计算包含非期望产出的全要素生产率，Chung等提出的Malmquist-Luenberger（ML）指数提供了解决方案。进一步地，为了避免潜在的线性规划无解和ML指数在不同年份不具有可比性的问题，一些学者采用全局ML指数来测算包含碳排放的农业全要素生产率。上述方法均是径向DEA模型，当存在冗余值时可能会导致测算结果不准确。更进一步地，考虑了指标松弛变量的非径向SBM模型被应用于测算农业绿色全要素生产率。但是以上模型仍然存在一个问题，即当部分决策单元完全有效时，无法对其做出区分和排序。为了规避这个问题，Tone提出了基于修正松弛变量的Super-SBM模型，并且已有学者用该模型测算农业绿色全要素生产率。已有文献构建农业绿色全要素生产率指标的主要区别在于投入要素、期望和非期望产出要素指标选择的不同，以及模型设定上的区别，导致结果也有很大差异。现有文献奠定了本文的研究基础，但研究视角多集中于国内，且数字化发展和农业绿色全要素生产率指标构建方法存在很大差别。本文基于数字丝绸之路视角，从数字基础设施、数字贸易、数字人才、数字金融四个层面构造数字化发展水平指标，利用Super-SBM模型测算农业绿色全要素生产率；考虑到与中国双边贸易密切程度差异，分析了数字化发展影响农业绿色全要素生产率的异质性；从扩大规模化生产和提高劳动力素质两个方面探讨数字化发展影响农业绿色全要素生产率的渠道，揭开数字化发展影响农业绿色全要素生产率的“面纱”；从政府治理能力视角研究了制度质量对数字化发展影响农业绿色全要素生产率的调节作用，为政府布局数字化发展来提高农业绿色生产提供了新的实证经验。图1为数字化发展影响农业绿色全要素生产率的理论机制。![]()
2.1 数字化发展影响农业绿色全要素生产率的直接效应
第一，数字赋能效应。数字技术具有强渗透性特征，能够很好与农业生产过程相融合。例如，在生产阶段动态监测播种、耕地、气候信息，实现智能播种、施肥、灌溉、收成，提高农作物产量，降低农作物发生病害的概率；在加工物流阶段将加工和物流信息线上化，可精确监测加工流程、控制物流成本，区块链、物联网和无线射频识别（RFID）等技术的使用还能做到每个环节可溯源、可监督，实现食品供应链每个环节的透明监测和记录，满足消费者安全、绿色消费需求。数字技术对农业生产过程的渗透和融入促进了智慧农业的发展：一是数字化技术和服务降低了农产品碳足迹，二是数字化监管促进了农产品生产规范，三是数字农业数据库的建立提高了作物生产调控能力和土地可持续利用价值。进一步地，数字技术赋能形成规模效应，提高了农业生产效率。例如，农业机器人的使用能够提高农作物采摘率和合格率，同时提高环境效益；传感器等物联网设备的应用为农民播种和收成提供精细化管理方案，并利用互联网资源共享农业经营信息，实现农业数据的数字化管理。同时，效益的提高还能摊薄前期数字化投入成本，减少化肥、农药等污染土壤和空气的化学品使用量，降低农业碳排放，进而提高农业绿色全要素生产率。
第二，价值共创效应。数字化能够为农业生产提供信息价值，提高农业生产效率。农业生产过程中的原始数据同样具有广泛利用价值。一是能为农业科研和创新提供宝贵一手资料。通过分析农业数据，可以发现农业生产中的技术瓶颈。农业科研机构和企业可以利用数据来研发新的农业技术、品种改良和农业管理方法，推动农业科技创新朝着增强“减碳增汇型农业技术”的方向发展，实现减碳增汇双效益，加快绿色科技成果落地和转化，实现农业可持续发展。二是促进农业保险的发展。农业数据可以用于评估农作物的风险暴露程度、预测产量和估计损失，通过分析历史和实时的农业数据，保险公司可以更准确地评估农业风险，并提供相应的保险产品。农民以数据为依据选择适合的保险方案，减少因自然灾害、气候变化等原因造成的损失风险，还可以鼓励农民使用更环保的生物农药，更新绿色生产技术，提高生产效率，达到减少化学品投入以保护环境的目的，促进绿色农业的发展。第三，市场激活效应。一是数字化发展盘活了市场要素，优化了资本要素配置。数字化转型能够降低信息不对称，在一定程度上纠正生产要素配置不均衡问题。二是数字化转型促进了农业数字基础设施建设。互联网农业数据共享的前提是网络基础设施的搭建，数字基础设施完善与否在很大程度上影响农业数字化发展进程。卫星遥感、无人机成像系统、物联网传感系统和机器人等数字基础设施被应用在农业生产中，实现精准施肥、精准灌溉，能够极大地降低农业生产的非必要投入；建立绿色农业生态循环系统还能降低农业碳排放，提高农业可持续性。三是数字化转型改善了农业营商环境。数字化转型改变了传统经营模式，电子商务的蓬勃发展拓宽了农产品销售渠道、降低中介和流通成本，能够促进农民增收。营商环境的改善能够创造更多农业投资机会，为农业发展提供更多资金支持，进而促进农业科技创新和技术进步，激励农业发展从传统生产模式转向绿色、可持续的生产方式，最终提高农业绿色全要素生产率。基于以上分析，提出本文假说H1：数字化发展能够提高农业绿色全要素生产率。2.2 数字化发展影响农业绿色全要素生产率的间接效应
2.2.1 数字化发展、规模化生产与农业绿色全要素生产率
第一，数字基础设施建设带来数据集成和分析能力的提升，帮助农业从业者收集、整合和分析如土壤、气象、作物生长条件等的大量农业数据，并根据这些数据制定更有效的生产计划，这有助于优化资源配置，提高生产效率，实现规模化生产。第二，数字技术创新带来了如无人机、智能农机、智能灌溉系统等大量先进自动化和智能化设备的创造及新一代农业机械设备的改进，可以提高劳动效率、作业质量和工作精度，降低生产成本，适应大规模农业生产的需求。第三，数字化发展提高了农业数据的共享和农业合作的可能性，通过共享数据和经验，可以集中资源、技术和市场，促进农业规模化经营和产业协同发展。第四，数字化发展还促进了农村电子商务的普及，增加了农民非农就业比例，进而降低土地转让成本，促进土地流转，提高农业规模化生产水平。规模化生产一是提高了农业要素投入集约化程度，二是降低了农业机械设备使用的边际成本，三是提高了农业生产过程的标准化水平，进而提高农业生产的规模经济效益。一方面，集约化、规模化生产的农民合作社、家庭农场和农业企业更具有绿色生产的动机。一是因为这些群体更加需要国家政策和资金支持，对国家绿色发展大政策背景具有更强的执行力度；二是因为采用绿色技术含量更高的新技术、新设备尽管会在短期增加成本，但从长期来看，规模化生产会让绿色技术的边际成本更低，大企业的资金实力相比小农生产更为雄厚，从而能够在绿色生产模式下，提高农业绿色全要素生产率。另一方面，规模化生产提高了农业绿色生产的单位效益。绿色低碳投入品的使用、化肥利用效率的提升、绿色生态循环系统的建立、绿色低碳种植技术的推广等都依赖于提高绿色技术的使用范围和绿色产品的市场占有率。规模化生产水平越高，绿色生产的单位效益越高。基于以上分析，提出本文假说H2a：数字化发展通过扩大规模化生产来提高农业绿色全要素生产率。
2.2.2 数字化发展、劳动力素质与农业绿色全要素生产率
数字化发展提高了农业领域劳动力素质。数字技术的普及让传统劳动密集型农耕模式转变为机器和电力密集型生产模式，传统小农生产模式的简单劳动转变为充分利用数字技术的复杂劳动，增加了农业领域高技术人才需求，改善了农业人力资本结构。数字化发展一是为劳动力提供了更多的教育与培训机会，以此掌握农业新技能和新知识；二是提供了更多协作和沟通的工具，如在线协作平台、视频会议工具等，提高了跨地域、跨团队合作能力，进而提升农业数字化水平；三是吸引了高技术人才进入农业领域发挥才能，通过技术创新解决农业问题，改善农业生产方式。三者共同提高了农业劳动力素质。已有文献表明，农民参加技术培训、增加信息获取能够促进农民绿色生产行为，通过教育和培训获得农业生产管理、农业技术和环境保护等方面的知识和技能，进而采取绿色生产实践，减少环境污染和资源浪费，提高农业生产的可持续性；劳动力素质的改善还可以提高农业生产决策和绿色技术应用的有效性，数据驱动的生产决策可以帮助农业工作者更好地了解农田状况、气象变化、作物生长情况，并根据数据分析结果制定绿色生产策略，减少潜在二氧化碳排放量，提高农业绿色全要素生产率。基于以上分析，提出本文假说H2b：数字化发展通过提高劳动力素质来提高农业绿色全要素生产率。
2.2.3 数字化发展、政府治理能力与农业绿色全要素生产率
政府治理能力对农业绿色全要素生产率的主要作用体现在以下两个方面：第一，更加高效地推动数字基础设施建设。政府通过更加有效地推进无人机、智能农机、智能灌溉系统等先进自动化和智能化设备在农业中的使用，能够加强数字赋能效应、价值共创效应和市场激活效应，为农业绿色数字化转型提供支持。第二，更加有效地配置要素资源。政府治理能力提升主要体现在政府对资源配置的直接干预减少、市场环境的优化、法律制度的完善及公共服务供给的增加，这既可以在一定程度上破除阻碍要素自主有序流动的体制机制障碍，又可以更加有效地推动高标准要素市场体系建设，进而有利于优化资本、劳动力和技术等要素配置，提高要素配置效率，推动农业绿色全要素生产率提高。基于以上分析，提出本文假说H2c：政府治理能力可以强化数字化发展对农业绿色全要素生产率的促进作用。
3.1 数据来源
基于数据可得性原则，本文的研究范围为2010—2021年55个共建“一带一路”国家，共660个研究样本。测算数字化发展水平和农业绿色全要素生产率的数据主要来自世界银行（WB）数据库、国家货币基金组织（IMF）数据库和联合国粮农组织（FAO）数据库，其余控制变量、渠道变量和调节变量数据来自国泰安金融（CSMAR）数据库和联合国教科文组织（UNESCO）数据库。3.2 变量定义
被解释变量。选择共建“一带一路”国家农业绿色全要素生产率作为被解释变量。其中，投入指标包括劳动投入、土地投入、资本投入和能源投入，产出指标包括期望产出和非期望产出，具体指标定义见表1。
![]()
本文采用考虑非期望产出的Super-SBM模型测算2010—2021年共建“一带一路”国家农业绿色全要素生产率。Super-SBM模型包括目标效率值ρ、投入x、期望产出yg、非期望产出yb、投入松弛S-、期望产出松弛Sg和非期望产出松弛Sb。m、s1和s2分别为投入指标数、期望产出指标数和非期望产出指标数，X为投入矩阵，Yg为期望产出矩阵，Yb为非期望产出矩阵，λ为权重向量。具体形式见式（1）。![]()
核心解释变量。本文参考前人研究，通过构建综合指标建立了数字化发展水平评价体系，以4个基本要素为一级指标，包括数字基础设施、数字贸易、数字人才和数字金融。其中，数字基础设施包括互联网普及率、数字设备和网络安全3个二级指标，数字贸易包括数字服务贸易和数字产品贸易2个二级指标，数字人才包括创新人才、创新产出和知识产权3个二级指标，数字金融包括数字金融服务可获得性1个二级指标，并且根据以往研究和数据可得性选取了15个三级指标，以实现对数字化发展水平的全面测度，具体指标如表2所示。![]()
![]()
本文使用熵值法构建数字化发展水平的评价体系，以避免其他权重方法的主观性，并对部分缺失数据使用插值法进行补充。根据上文所述指标体系对2010—2021年55个共建“一带一路”国家的数字化发展水平进行了测度（表3）。数字贸易数字服务贸易数字产品贸易通信、计算机等占服务进口的百分比WB0.014通信、计算机等占服务出口的百分比WB0.014高科技出口占制成品出口的百分比WB0.228数字人才创新人才创新产出知识产权教育支出占国民总收入的百分比WB0.009科技期刊文章发文量WB0.100专利申请量WB0.103知识产权使用费WB0.215数字金融数字金融服务可获得性每十万人ATM机数量WB0.031每十万成人商业银行分支机构数量WB0.029每千名成人借记卡数量IMF0.024注：本表第5列“权重”是经作者利用熵值法计算共建“一带一路”国家数字化发展水平所得。本文使用熵值法构建数字化发展水平的评价体系，以避免其他权重方法的主观性，并对部分缺失数据使用插值法进行补充。根据上文所述指标体系对2010—2021年55个共建“一带一路”国家的数字化发展水平进行了测度（表3）。控制变量。参考魏梦升等和Liu等的研究，农业绿色全要素生产率在不同农业发展条件和国内国际市场环境下具有明显异质性，因此本文考虑农业发展条件、市场环境、政府农业支出等对农业绿色全要素生产率的影响。本文选择农业经济发展水平、人均地区生产总值、市场开放水平、粮食自主性、城市化水平、政府农业支持程度6个可能影响农业绿色全要素生产率的控制变量。第一，农业经济发展水平。采用农业生产总值与农业从业人员的比值取对数来表示。第二，人均地区生产总值。采用按购买力平价计算的人均国内生产总值来表示，折算到2017年不变价并取对数。第三，市场开放水平。采用农业原料进口占商品进口的百分比来表示。第四，粮食自主性。采用谷物进口依存度的3年平均值作为代理变量，谷物进口依存度表示国内谷物粮食供应中有多少来自进口，有多少来自本国生产。计算公式为（谷物进口-谷物出口）/（谷物产量+谷物进口-谷物出口）×100。负值表示该国是谷物净出口国。因此，对该数据取负值，值越大，表示粮食自主性越高。第五，城市化水平。采用人口超过100万的城市群占总人口的百分比来表示。第六，政府农业支持程度。采用农业占政府支出的百分比来表示。渠道变量。规模化生产的代理变量为农村人口人均耕地面积（公顷/人），农村总人口和耕地面积数据均来源于联合国粮及农组织（FAO）数据库。劳动力素质的代理变量为教育入学率，即中等教育入学人数占该国总人口的比率，数据来源于联合国教科文组织（UNESCO）数据库。调节变量。本文使用全球治理指数（Worldwide Governance Indicators，WGI）来衡量制度质量，包括政治稳定、政府效率、腐败控制、监管质量、法治水平、话语权和问责6个指标，对这6个指标进行平均加权求和，数值越大表明制度质量越好。数据来源于世界银行（WB）数据库。3.3 模型构建
为检验共建“一带一路”国家数字化发展对该国农业绿色全要素生产率的影响，本文构建了考虑年份和国家固定效应的双向固定效应模型检验本文理论分析中的假说H1：AGTFPit为t年i国家农业绿色全要素生产率；DDit为t年i国家的数字化发展水平；Xit为一系列国家层面的影响农业绿色全要素生产率的控制变量；本文还加入国家固定效应μi和年份固定效应νt来降低不可观测因素的影响，α是控制变量的系数，α0是常数项，εit是随机扰动项。标准误均聚类到国家层面。本文主要关注系数α1，表示数字化发展影响农业绿色全要素生产率的净效应。前述理论分析认为扩大规模化生产和提高劳动力素质是数字化发展影响农业绿色全要素生产率的两条渠道，因此本文参考裴建锁等的研究，通过以下计量模型进行渠道检验来验证假说H2a和H2b：其中，channelit为渠道变量，分别表示规模化生产和劳动力素质，η0是常数项，η1是机制检验关注的系数（数字化发展对渠道变量的影响），η是控制变量的系数。其他变量定义同式（2）。在分析调节效应时，本文讨论了政府治理能力对数字化发展影响农业绿色全要素生产率的调节作用。为此构建包含数字化发展与调节变量交乘项的模型来验证假说H2c：![]()
其中，Mit为调节变量，表示政府治理能力。本文主要关注交乘项系数β2，即政府治理能力是否对数字化发展影响农业绿色全要素生产率具有调节作用。β0是常数项，β是控制变量的系数，β1和β3分别表示在政府治理能力调节下，数字化发展和政府治理能力分别对绿色全要素生产率的影响。其他变量定义同式（2）。4.1 基准回归分析
表4汇报了本文的核心结论，实证分析了数字化发展水平对农业绿色全要素生产率的影响。表4的列（1）~列（4）分别报告了不加入控制变量、加入控制变量但不控制固定效应、只控制年份固定效应、只控制国家固定效应情况下数字化发展水平对农业绿色全要素生产率的回归结果，列（5）报告了同时控制国家和年份固定效应的面板双向固定效应模型回归结果。结果显示，无论是否加入其他控制变量及是否控制固定效应，数字化发展水平的系数为正且在1％水平上显著，表明数字化发展能够显著提升农业绿色全要素生产率，支持了假说H1。控制变量回归结果显示，农业经济发展水平对农业绿色全要素生产率的影响在1％的水平下显著为正，说明农业从业人员人均创造的农业生产总值越高，越有利于农业绿色全要素生产率提高。人均地区生产总值对农业绿色全要素生产率的影响在10％的水平上显著为负，这可能说明随着经济的发展，生产资源从农业领域转移至其他部门，导致农业被边缘化，从而降低农业绿色全要素生产率。该结果与Jiang等的研究结论基本一致。
![]()
4.2 内生性处理
工具变量法。在实证检验中可能出现遗漏变量和反向因果等内生性问题，对于前者的解决办法是尽可能寻找控制变量来剥离数字化发展影响农业绿色全要素生产率的净效应，并引入国家和年份固定效应；对于后者的解决办法是寻找合适的工具变量，采用两阶段最小二乘法来解决。参考杨仁发和郑媛媛的研究，本文的第一个工具变量是各国1990年每百人固定电话数量与各国互联网普及率的乘积。数字化发展依托现代通信技术的发展，而通信技术的发展由固定电话普及开始，历史上固定电话数高的国家，数字化发展水平也较高，但历史上的固定电话数量难以对现在的农业绿色全要素生产率产生影响，满足工具变量的相关性与排他性。本文的第二个工具变量借鉴董艳等。
第一阶段回归结果如表5列（1）、列（3）所示。2个工具变量与数字化发展水平均具有高度正相关性，其F值均大于10，满足工具变量法的基本前提假设。第二阶段估计结果如表5列（2）、列（4）所示。在不可识别检验中，Kleibergen-Paap rk的LM统计量P值均为0.000，显著拒绝原假设；在工具变量弱识别检验中，Kleibergen-Paap rk的Wald F统计量大于StockYogo弱识别检验10％水平上的临界值。总体而言，以上检验说明了选取前述两个指标作为数字化发展水平工具变量的合理性。两个工具变量的回归结果都表明数字化发展对农业绿色全要素生产率表现为促进作用，与基准回归一致，本文核心结论在借助工具变量法考虑内生性问题后依然稳健。 组内差分法。为避免一部分不随时间变动的遗漏变量带来的内生性问题造成估计结果的不准确，采用差分变换能够有效剔除这类遗漏变量。表5列（5）汇报了组内差分法的回归结果，结果表明数字化发展对农业绿色全要素生产率的影响显著为正，本文的核心结论在借助组内差分法考虑内生性问题后依然成立。![]()
4.3 稳健性检验
替换数字经济测算方法。本文采用主成分分析法重新构建共建“一带一路”国家数字化发展水平指标。该方法作为一种多元统计分析方法，利用降维的思想，根据数据自身特征确定权重，将多个变量转化为少数几个综合变量，不仅可以避免主观随机因素的干扰，还可以消除各变量在量纲化和数量级上的差别，克服单一变量信息缺失的问题，简化复杂的统计数据。表6列（1）汇报了用主成分分析法测算数字化发展水平后使用双向固定效应模型回归的结果，数字化发展水平的系数在5％的水平下显著为正。替换农业绿色全要素生产率测算方法。Zhou等正式提出的非径向方向距离函数（Nonradial Directional Distance Function，NDDF）可以解决冗余变量存在情况下的效率测算偏误问题。该方法放松了期望产出与非期望产出必须同等比例增加和减少的限制。表6列（2）汇报了采用NDDF测算农业绿色全要素生产率后使用双向固定效应模型回归的结果，结果表明数字化发展水平的系数在5％的水平下显著为正。 Tobit模型。由于NDDF计算的效率值为不大于1的受限因变量，可能在1处存在右侧归并现象，本文进一步构建Tobit模型解决这一问题，进行稳健性检验。表6列（3）、列（4）汇报了将采用NDDF测算农业绿色全要素生产率后使用Tobit模型回归的结果。其中，列（3）没有加入控制变量，列（4）加入控制变量，结果表明数字化发展水平的系数均在1％的水平下显著为正。使用Tobit模型的LR检验及Wald检验均通过显著性检验，说明模型拟合效果很好，Tobit回归模型的使用是合理的。回归结果表明无论是替换解释变量还是被解释变量的测算方式，或是更换回归模型的结果都显著表明数字化发展促进了农业绿色全要素生产率提高，说明本文核心结论具有较强稳健性。![]()
4.4 渠道检验
上述实证结果表明数字化发展直接提高了本国的农业绿色全要素生产率。在本节将探索揭开数字化赋能农业绿色全要素生产率的“黑箱”，进一步从外部成本和内生动力两个角度来探讨数字化发展究竟是如何赋能农业绿色全要素生产率提高的。前文分析了数字化发展可能会通过扩大规模化生产水平和提高劳动力素质两种途径影响农业绿色全要素生产率，为验证这种影响渠道是否存在，本文通过式（3）中的计量模型来检验以上两种影响渠道。表7列（1）汇报了数字化发展对规模化生产的估计结果，结果表明数字化发展对规模化生产的系数为正，且在5％水平上显著，这一结果验证了假说H2a。数字化发展提高了数据集成和分析能力、实现了资源优化配置、加强了农业合作机会，以此来扩大生产规模，提高农业要素集约化程度、降低农机设备边际成本、改进绿色生产模式，进而促进农业绿色全要素生产率提高。表7列（2）汇报了数字化发展对劳动力素质的估计结果，结果表明数字化发展对劳动力素质的系数为正，且在10％水平上显著，这一结果验证了H2b的假设。数字化发展提供了更多教育和培训机会、充分利用了线上协作工具、吸引了农业高技术人才，以此提高劳动力素质，进而掌握更多绿色生产知识和技能，来提高农业绿色全要素生产率。![]()
4.5 异质性分析
与中国贸易往来。中国处于数字化发展的前沿地位。中国自建设“一带一路”以来，一直致力于农业国际合作，旨在消除贫困，实现人类命运共同体。从“一带一路五通”角度来看，得到以下结论。第一，存在数字化发展溢出效应。交通、能源等设施互通为农业数字设施建设、技术交流提供了重要基础。随之，干中学效应表明生产和物质资本积累过程中会引起劳动生产率提高和技术外溢，即农业绿色发展技术共享、农业绿色生产率的提高会由中国向共建“一带一路”国家扩散。第二，农业对外投资也为东道国产业链供应链升级、农业对外合作试验区建设提供有力资金支持。国家间的贸易往来通常能够体现两国双边关系，为经济文化交流提供多样渠道。与中国贸易往来更加密切，就能为两国的经济文化交流开辟更多渠道，其中就包括农业技术、人才、专利等的交流。因此，本文进一步研究共建“一带一路”国家与中国贸易往来密切程度是否会对该国数字化赋能效应的发挥产生差异化影响。以每年样本国家贸易额的平均数为标准，超过平均数为贸易额较高组，表明与中国贸易往来密切，赋值为1；未超过平均数为贸易额较低组，赋值为0。表8展示了回归结果。结果表明，无论是进出口总额、从中国进口或是对中国出口，与中国贸易往来密切国家的数字化发展对其农业绿色全要素生产率的影响系数均更高，且费舍尔组间系数差异检验的P值分别为0.039、0.027、0.040，即各组系数间的差异性在5%的水平上显著。说明与中国贸易往来更加密切的国家数字化发展的数字赋能效应更大。![]()
4.6 调节效应检验
制度质量反映了本国政府的治理能力，较优的制度环境能够保证社会稳定发展，进而影响数字化发展对农业赋能效应的发挥。用数字化发展与制度质量交乘项的系数估计值来反映制度质量的调节作用。如果系数显著为正，说明制度质量强化了数字化发展对农业绿色全要素生产率的促进作用；如果系数显著为负，说明制度质量抑制了数字化发展对农业绿色全要素生产率的促进作用。结果如表9所示。回归结果表明，制度质量对数字化发展的调节效应在5％水平下显著为正，表明随着制度质量的提高，数字化发展能够显著提高农业绿色全要素生产率。制度质量高的国家能够更好推动数字基础设施建设、优化市场资源配置，还可以为企业提供良好营商环境，带来普惠性政策，为数字化发展赋能农业绿色全要素生产率提供有效支持。![]()
![]()
本文基于2010—2021年55个共建“一带一路”国家的面板数据，运用双向固定效应模型实证检验了数字化发展对农业绿色全要素生产率的影响与作用机制。主要研究结论如下：第一，基准回归结果表明，共建“一带一路”国家数字化发展对农业绿色全要素生产率存在显著提高作用，这一结论在使用工具变量法和替换核心变量后结果依然稳健；第二，渠道检验结果表明，数字化发展主要通过扩大规模化生产和提高劳动力素质来提高农业绿色全要素生产率；第三，异质性分析表明，与中国双边贸易密切程度较高的共建“一带一路”国家，相比与中国双边贸易密切程度较低的共建“一带一路”国家，其数字化发展对农业的数字赋能效应更显著；第四，调节效应分析表明，政府治理能力提高有助于强化数字化发展对农业绿色全要素生产率的促进作用。
本文提出政策建议如下。第一，中国应基于共建“一带一路”国家资源禀赋和发展差异来开展差异化、动态化数字农业交流和合作，对于数字化发展水平较低和农业绿色全要素生产率较低的国家，帮助其建设数字基础设施，加强农业技术人才合作与交流，提高农业生产率，减少贫困人口。第二，积极改善农村地区的数字基础设施，确保稳定的互联网接入，以便农民能够使用数字技术进行信息获取、电子商务及销售农产品等活动。支持农业科技创新，鼓励农民和农业企业采用如远程监测、智能传感器、精准化农业管理系统等数字技术，提高耕作技术、农作物种植效率。第三，加强农民和农业从业人员的数字化技能培训，提高其在数字农业管理和技术应用方面的能力。积极推广数字化教育资源，为农民提供在线农业知识和培训课程，帮助其适应数字化农业发展的需求。第四，推进政府数据管理和开放，加强对数字化发展和绿色农业生产的监管和政策引导。（注：受公众号排版限制，文中图表、参考文献等有删减。）
