数字乡村对农业绿色全要素生产率的影响及其作用机制

杜建军 章友德 刘博敏 董若涵

摘要 近年来，推进数字乡村建设已经成为中国的一项重要国家战略。然而，目前鲜有文献涉及数字乡村建设与农业绿色全要素生产率关系的考察。基于此，运用2019年1 740个县级行政单位样本，采用工具变量模型和中介效应模型等考察了数字乡村对农业绿色全要素生产率的影响及其作用机制，研究发现：① 数字乡村促进了农业绿色全要素生产率的提高，并且经过工具变量检验等一系列稳健性检验后，该结论仍然成立。② 数字乡村主要通过两个途径影响农业绿色全要素生产率，一是数字乡村通过推动农业经营主体规模经营促进农业绿色全要素生产率提高，其中对于GML和ML指數度量的农业绿色全要素生产率，规模经营度的中介效应占总效应的比例分别为1. 80%和3. 70%；二是数字乡村通过推动农业信息化发展促进农业绿色全要素生产率提高，其中对于GML和ML指数度量的农业绿色全要素生产率，农业信息化的中介效应占总效应的比例分别为1. 70%和1. 40%。③ 异质性分析发现，在农业规模经营地区数字乡村对农业绿色全要素生产率有显著的促进作用，但在非规模经营地区没有显著影响。在东部地区和中部地区数字乡村对农业绿色全要素生产率有显著促进作用，但在西部地区没有显著影响。这意味着，需要继续推进数字乡村建设与完善；重点支持农业规模经营，促进农业技术进步和农业内部产业结构优化；稳步推进农业信息化发展，助推农业生产要素和资源优化、集成配置；实施非均衡发展策略，各地因地制宜地完善数字乡村设施，充分挖掘提高农业绿色全要素生产率的潜力。

关键词 数字乡村；农业绿色全要素生产率；农业规模经营；农业信息化；工具变量模型

中图分类号 F323. 9 文献标志码 A 文章编号 1002-2104（2023）02-0165-11 DOI：10. 12062/cpre. 20221013

新一代信息技术在全世界范围内，不断催生新模式、新技术和新产品，促使创新空前活跃，推动全球产业形态与经济格局深度变革。在此背景下，《中共中央、国务院关于实施乡村振兴战略的意见》和《数字乡村发展战略纲要》均提出加快农业农村信息化发展，大力提升农业农村数字化水平，以此推进农业绿色生产方式转型，推动中国农业绿色、可持续与高质量发展。因此，推进数字乡村建设已经成为新时代中国的一项重要国家战略。截至2020年11月，全国行政村通宽带比例达98%，农村宽带接入用户数达到1. 39亿户，比上年同期增长 8%［1］。同时，通过运用数字技术重构农业价值链和产业链，重组各类农业生产要素而形成的农业生产+电商、乡村生态+平台、数字农业工厂、数字乡村建设创新中心和农业信息平台等各类数字乡村设施纷纷兴起。那么，数字乡村的发展对中国农业绿色与高质量发展有何影响？基于此，该研究考察了数字乡村对农业绿色全要素生产率的影响，期望为评价数字乡村建设对农业绿色转型和高质量发展的影响提供新视角与经验依据。

1 文献综述

数字经济是通过数字基础设施、数据要素和数字技术叠加、扩散、渗透，对传统行业形成叠加效应、扩散效应和渗透效应，以此提高传统行业资源配置效率，降低生产成本［2］。数字经济与农业农村经济融合发展能有效缓解传统农业的信息不对称，优化要素合理配置，实现规模经济效应，降低交易成本等［3］，是推动传统农业转型为现代农业的全新动能与引擎。在此背景下，探究数字乡村与农业农村转型发展的关系，已经成为学术界较为关注的问题。目前学术界在以下方面的观点较为一致：一是数字经济通过提供平台技术，提高农业生产效率，转变农业增长方式，影响农业发展模式［4-7］。二是数字乡村将数字技术作为提高农业经济效益的最大变量和农业产业发展的新型生产力［1］，发挥数字技术对资源配置的优化和集成作用，对传统农业产生创造性破坏和颠覆性创新［8］，从而构建集约、高效与绿色的现代农业产业。三是数字技术对资源、产业和农业主体产生强大外溢效应和赋能作用［9］，因此数字乡村有助于优化要素配置、降低交易成本和缓解市场信息不对称［10］，从而优化农村劳动力结构，提高农业科技含量，转变农业生产方式［8］，激发农业内生发展动力，对农业现代化产生倍增效应。四是数字技术可以降低农民获取商品和市场信息的成本［11］，提升农民对接市场的能力，提高农村人力资本水平，推动农业产业转型升级［12］。

以缓解传统农业信息不对称，提高资源配置效率，带动农业全产业链增值，助推农业数字化和绿色转型为目标的数字乡村建设，可能导致中国农业生产要素的重新配置。目前，中国农业传统生产要素的潜能已经释放殆尽，且环境、资源和能源等约束日紧。因此，中国农业亟须由生产要素驱动的粗放式增长转型为绿色全要素生产率驱动的绿色增长［13］。因此，促进农业绿色全要素生产率提高成为破解中国农业增长困局，推动中国农业绿色、高质量发展的重要途径。目前学术界对农业绿色全要素生产率的关注越来越多，现有文献大多针对农业绿色全要素生产率的测算及其时空演变进行诸多的探索研究［14-16］，并且提出测算农业绿色全要素生产率应把非期望产出碳排放和面源污染等环境因素考虑在内［17-19］。

但目前针对农业绿色全要素生产率提升路径的考察并不丰富，更鲜有文献涉及数字乡村与农业绿色全要素生产率关系的研究。那么数字乡村对农业绿色全要素生产率有何影响？需要结合经验数据做进一步验证。为此，拟利用2019年全国1 740个县级行政单位样本数据，考察数字乡村对农业绿色全要素生产率的影响作用。

2 理论机制与研究假说

《数字乡村发展战略纲要》指出，数字乡村是伴随网络化、信息化和数字化在农业农村经济社会发展中的应用，以及农民现代信息技能的提高而内生的农业农村现代化发展和转型进程。其内涵是依托数字经济的发展，以现代信息技术为推动力，以现代信息网络为载体，重构乡村经济发展的一种手段和过程，也是农业信息化的进一步延伸。其主要特征是利用数字经济理念，依靠信息技术创新驱动农业农村发展效率变革、动力变革和质量变革，从而推动乡村精准化、智能化和绿色化，促进农业全面升级和农村全面进步［20］。以下将全面阐释数字乡村对中国农业绿色全要素生产率影响的理论机制与路径。

2. 1 农业规模经营的中介作用

2. 1. 1 数字乡村推动了农业规模经营

从土地转出方看，农村电商的发展增加了农户非农就业，从而降低转让土地的机会成本，提高了土地使用权转让概率［21］。因此，如果农户从非农就业中获得的收入高于其从事农业生产经营收入，则农户就会选择流转土地并将更多的劳动力投入到非农部门［22］。所以，数字乡村的发展能够促进土地流转，实现农业规模经营。

对土地流转双方来说，一方面，数字乡村信息平台的使用可以打破时间与距离屏障，为农地流转双方提供可靠和丰富的流转信息［23］，增加流转双方信息的积累，促进土地流转效率的提高。另一方面，如果单个农户缺乏充分和及时有效的信息获取渠道，需要独立完成流转信息搜集、合约谈判及签订等过程，每个过程都需要成本费用，特别是当流转土地面积较小时，成本费用占比相对较大。而数字乡村信息平台的使用，可以使农户获取准确和高效的土地供求信息，从而减少土地流转的交易费用［24］。总之，农业生产经营主体可以依托数字乡村信息平台增加土地流转，提高土地配置效率，推进土地规模化生产经营，满足农业发展的规模化需求。因此数字乡村可以推动农业经营主体规模化经营。

2. 1. 2 农业规模经营促进了绿色全要素生产率

采用农业规模经营的农民合作社、家庭农场和专业大户更有实力、更有意愿通过数字信息技术获取并采用农业新技术，从而对农业技术进步产生促增效应。在新古典增长模型中，技术进步是全要素生产率增长的主要原因。因此，农业技术进步促进了农业全要素生产率的提高［25］。同时，采用规模经营的农民合作社、家庭农场和专业大户也更有意愿与能力采用绿色新技术替代成本较高的柴油、化肥及农药等农业生产要素和资源，促进了农业碳减排。因此，技术进步是推动农业碳减排的重要动力［26］。总之，数字乡村对传统农业产生强大的赋能作用和外溢效应［9］，促进了农业绿色全要素生产率的提高。

农业规模经营主体的生产规模较大，其利用数字乡村信息平台提供的及时、准确、连续的农产品价格和销售等市场信息，可以调整、优化农业产业结构，促使分工更加细化，生产更加专业化。其一，优化农业产业结构，导致产品附加值高及技术密集的农业部门持续发展，通过外部性溢出到农业其他部门，促进了农业其他部门的技术进步，提高了农业全要素生产率。其二，随着农业分工细化和生产专业化，专业化、规模化大户有意愿与__能力越来越多地采用清洁、精细化的农业生产设备代替传统高排放、高污染的农业生产设备，从而促进了新一轮农业绿色技术代替传统的农业技术［27］，减少了农业碳排放和农业面源污染。总之，农业规模经营导致农业产业结构优化、分工细化和生产专业化，促进了农业全要素产率提高和农业碳减排，对农业绿色全要素生产率产生促增效应。

2. 2 农业信息化的中介作用

数字乡村建设能够驱动农业信息化的发展，进而影响了农业绿色全要素生产率。从生产端看，数字乡村促进了传统农业与现代信息技术相结合，拓展了传统农业的生产边界。从销售端看，通过建立农产品全产业链大数据中心，促使农业全产业链与数字技术深度融合，推动农业全产业链信息化升级改造［28］。另外，在市场中数字乡村建设带来开放的网络平台信息，更加有效地促使农业各环节衔接，同时，也能更好地缓解农业生产中信息不对称问题［29］。因此，数字乡村建设驱动了农业信息化的发展。

而农业信息化能够优化农业资源和生产要素配置，推动农业资源和生产要素利用效率的提高。其一，农业信息技术作为一种特殊的资源要素，通过渗透到农业生产的各个环节，可以总体协调和有序组织农业系统中的土地、劳动和资本等资源要素，优化、集成农业资源和要素配置，从而对传统农业产生颠覆性创新［8］，推动传统农业技术进步。而在Solow［30］提出的增长模型中，将全要素生产率的提升归因于广义技术进步。因此，农业信息化通过促进农业技术进步，对农业全要素生产率的提高产生了较为显著的正向影响［31］。其二，信息网络技术与传统农业的深度融合，使得农业生产经营者能够通过网络信息平台精准、动态掌控农业数据信息，进而采用高效滴灌、精准用药、合理施肥等精细化手段进行科学种植，并合理、精准掌控农业生产要素和资源投入，实现农业的精准管控，从而提高农业效率，并节约了农业生产要素和资源投入，减少了农业碳排放和农业面源污染［32-33］。总之，农业信息化推動了农业生产要素和资源的优化、集成配置，促进了农业绿色全要素生产率的提高。

总之，数字乡村将现代数字技术融合于农业产业的全要素、全产业链，真正实现农业全产业链数字化升级改造，从而全面推动中国农业绿色全要素生产率提高，实现农业绿色、高质量发展。因此，通过以上分析可以得出以下研究假说。

假说1：数字乡村促进了农业绿色全要素生产率的提高。

假说2：数字乡村通过以下作用机制促进了农业绿色全要素生产率的提高。一方面推动了农业经营主体规模经营，促进农业技术进步和农业内部产业结构优化，从而有利于农业绿色全要素生产率的提高。另一方面推动农业信息化发展，从而促进了农业绿色全要素生产率的提高。

3 研究设计、模型与数据

3. 1 研究设计

3. 1. 1 农业绿色全要素生产率测算指标体系构建

农业绿色全要素生产率是指在考察农业绿色发展绩效时，将环境要素纳入农业生产率的测算中［34］。参考郭海红等［16］的方法，为体现指标权重差异，采用熵权法为各指标赋权，以此构建农业绿色全要素生产率测算指标体系，见表1。其中，在赖斯芸等［35］清单法确定的中国农业面源污染主要来自农田化肥、畜禽养殖、农田固体废弃物和农村生活等方面的基础上，结合《第一次全国污染源普查农业面源污染源污染系数手册》中代表性地貌地区的面源污染系数，测算得到农业面源污染。同时，借鉴程琳琳等［36］的方法测算得到农业碳排放量。

其中：被解释变量AGTFPd表示县域d 的农业绿色全要素生产率，采用GML 指数和ML 指数度量；Xd为其他相关控制变量；α0至α2是待估系数，ηd是随机扰动项。

主要解释变量digitalrurald表示县域d 的数字乡村指数，采用北京大学新农村发展研究院和阿里研究院联合发布的县域数字乡村指数数据库中的2019年各县域数字乡村指数度量。 ①该指数以县域为基本单元，基于社会发展对数字乡村建设的需求，综合考虑数字化发展的广度和深度，兼顾数据的可获取性和指标选取的代表性。强调包括电信设备和计算机软硬件等在内的乡村数字基础设施是数字乡村运行和发展的基础，是数字乡村建设的重要支撑；乡村经济数字化将乡村实体经济与数字技术相融合，形成智能化和便捷化的各类乡村经济形态，同时优化组合乡村各类生产要素，形成各类乡村经济发展的新模式，是驱动乡村经济高质量和可持续发展的新动能，是数字乡村的核心；乡村治理数字化为乡村居民处理日常事务、获取社会信息提供便利，提高了乡村基层治理能力，是推进乡村治理手段现代化的重要途径，也是推进乡村数字化转型全面实现的重要保障；乡村生活数字化通过重构乡村各类要素，为乡村居民提供个性化数字生活需求服务、强化了民生保障与服务［1］，是建设数字乡村的根本宗旨。因此，该指数主要从乡村数字基础设施指数（digitbuild）、乡村经济数字化指数（ruraldigit）、乡村治理数字化指数（digitmage）和乡村生活数字化指数（livedigit）等4个方面构建县域数字乡村指数指标体系。②通过邀请农业信息化、农业经济管理和农村电商等领域的专家对指标体系进行权重赋值，并基于数据可得性，构建了县域数字乡村指标体系，对2019年县域的数字乡村发展现状进行全面评估。

另外，根据理论机制和研究假说并参考相关文献，该研究对控制变量（Xd）做出如下选择：①农业技术（tech），农业科技投入能够促进农业全要素生产率提高，因此引入模型并以各地区机收面积度量。②农业产业结构（struct），用粮食产量与棉花、肉类和油料产量的比值度量。③农业单位面积总产值（agdp），用农业总产值比耕地面积度量。④农业机械投入（tmach），以各地区农业机械总动力度量。⑤土地投入（land），以各地区耕地面积度量。⑥劳动力投入（labor），以各地区农林牧渔从业人员人数度量。⑦财政支农数量（finance），采用各地区财政支农支出数量度量。⑧农业用电投入（electricity），电力是农业生产的主要动力来源，能够促进各类农业生产要素的利用效率。因此引入模型并以各地区农业实际用电数量度量。

3. 2. 2 作用机制检验

依据研究假说，为检验数字乡村对农业绿色全要素生产率的间接效应，参照杜建军等［39］及刘璇等［40］的方法构建以下中介效应模型。

其中，式（4）为总效应方程式。

式（5）为中介效应方程，检验中介变量的作用，metad是中介变量，包括农业规模经营度（scale），参考徐灏龙等［41］的研究，采用农林牧渔从业人员人均耕地面积度量农业规模经营度。农业信息化（ainformation），目前移动智能手机在中国基本普及，绝大多数农村居民主要依靠智能手机获取农村农业相关信息，因此采用农村移动手机用户数度量农业信息化。运用县域农村人口占总人口的比重乘以县域的移动手机用户总数，近似得出农村移动手机用户数。Yd为控制变量，包括农业平均单位面积总产值（agdp）、农业机械投入（tmach）、土地投入（land）、劳动力投入（labor）、财政支农数量（finance）和农业用电投入（electricity）。

依據理论机制分析，式（6）在总效应方程基础上引入了metad作为中介变量。

3. 3 数据来源与数据分析

3. 3. 1 数据来源与描述性统计

数据来自各省统计年鉴、中国统计年鉴、中国城市统计年鉴及北京大学新农村发展研究院和阿里研究院联合发布的“县域数字乡村指数数据库”等。由于无法获得计算县级层面农业绿色全要素生产率所需数据，因此，参照刘子兰等［42］的方法，先计算出2019年中国30个省级（考虑到数据可获得性，未涉及西藏及香港、澳门、台湾）层面的农业绿色全要素生产率，再梳理出2019年1 740个县级行政单位的数字乡村指数和相关指标数据，然后将省级层面的农业绿色全要素生产率数据以省份为单位匹配到各省份的县级层面样本数据中，最终梳理出2019年1 740个县级层面（不包含市辖区、特区）的样本数据，其中农业绿色全要素生产率为省级层面，省内各县域的农业绿色全要素生产率相同。另外，参照韩海彬等［31］及马国群等［43］的方法，将计算出的AGTFP 环比指数转换为定基指数，即设2000年的AGTFP 为1，用2001年的环比AGTFP指数与2000年的AGTFP 相乘，得出2001年的AGTFP 实际值，以此类推，得出样本2019年度的实际AGTFP。在表2中对变量进行了描述性统计。

3. 3. 2 农业绿色全要素生产率的变化特征

从表3可以看出，2019年全国农业绿色全要素生产率的定基GML 指数均值为1. 231；分省份看，山西的农业绿色全要素生产率的定基GML 指数最高，江西最低；从地域看，东部地区（不包括北京、上海和天津）的农业绿色全要素生产率的定基GML 指数平均值为1. 365；中部地区的农业绿色全要素生产率的定基GML 指数平均值为1. 246；西部地区的农业绿色全要素生产率的定基GML 指数平均值为1. 099。因此，东部地区的农业绿色全要素生产率的定基GML 指数最高，中部地区次之，西部地区最低。因篇幅原因，未报告ML 指数。

3. 3. 3 数字乡村的变化特征

从表4可以看出，全国1 740个县域行政单位的数字乡村指数平均值为52. 923。其中县域数字乡村指数处于高水平（≥80）的比例为 1. 839%，均值为83. 724；处于较高水平（≥60～80）的比例为 26. 437%，均值为66. 270；中等水平（≥40～60）的比例为 58. 908%，均值为50. 122；较低水平（≥20～40）的比例为 12. 414%，均值为34. 343；低水平阶段（<20）的比例为 0. 402%，均值为18. 501。可以看出，全国大多数县域行政单位的数字乡村指数仍处于中等水平。

4 假说检验及结果讨论

4. 1 基准模型回归结果

分别运用全样本数据和剔除缺失数据及昆山等6个经济特别发达的县级市样本进行回归，以检验回归结果的稳健性。对于全样本数据的缺失样本，参照郭海红等［13］的方法采用线性插值方法进行填充。在表5中，被解释变量为度量农业绿色全要素生产率的GML 指数和ML 指数，主要解释变量为数字乡村指数（digitalrural）。表5中，digitalrural 的估计系数均显著为正，这表明数字乡村的发展显著促进了农业绿色全要素生产率的提高。数字乡村建设能够诱导土地流转，实现规模经营。而规模经营主体更有实力和意愿通过数字技术获取并采用农业新技术，从而促进农业技术进步；另外还可以利用数字乡村信息平台提供的市场信息调整、优化农业产业结构，促使分工更加细化，生产更加专业化，有利于农业绿色全要素生产率的提高。同时，数字乡村建设还可以推动农业资源和要素配置的优化和集成，从而推动传统农业技术进步。此外农业生产者还能够通过数字乡村提供的网络信息平台完成智能灌溉和精准施肥等农业精准管控，从而节约了生产要素和资源投入，减少了农业碳排放和面源污染。因此，数字乡村促进了农业绿色全要素生产率提高，假说1得到验证。

4. 2 作用机制：中介效应检验

由理论机制分析可知，一方面数字乡村诱致了农业经营主体规模经营，从而促进了农业绿色全要素生产率提高；另一方面数字乡村的发展驱动了农业信息化，从而促进了农业绿色全要素生产率的提高。以下将运用中介效应模型检验规模经营和农业信息化的中介作用。

农业规模经营作用机制的核心逻辑是，数字乡村降低转让土地的机会成本，同时农业生产经营主体可以依托乡村数字信息平台增加土地流转，推进土地规模化经营，进而促使农业绿色全要素生产率提高。其中，农业规模经营充当了关键的传导作用。基于此逻辑，进一步检验农业规模经营的中介作用机制。参照温忠麟等［44］对中介效应模型的检验流程。逐步对表6的估计结果进行分析：首先进行第一步检验，总效应方程估计结果表明数字乡村对农业绿色全要素生产率的总效应显著为正。然后进行第二步检验，农业规模经营度（scale）的中介效应估计结果表明数字乡村对规模经营度的影响显著为正。再进行第三步检验，加入中介变量后的总效应方程估计结果显示，规模经营度对农业绿色全要素生产率的影响显著为正，这表明间接效应显著；数字乡村对农业绿色全要素生产率的总效应也显著为正，这表明直接效应也显著。最后进行第四步检验，系数0. 022×0. 031与系数0. 025符号相同，系数0. 022×0. 046与系数0. 026符号相同，因此属于部分中介效应。再计算中介效应占总效应的比例，0. 022×0. 031÷0. 037=0. 018显示中介效应占总效应的比例为1. 80%；0. 022×0. 046÷0. 027=0. 037显示中介效应占总效应的比例为3. 70%。因此数字乡村通过中介变量规模经营度显著地提高了农业绿色全要素生产率，其中规模经营度的中介效应占总效应的比例为1. 80%（被解释变量为GML）和3. 70%（被解释变量为ML）。

农业信息化作用机制的逻辑是，数字乡村驱动了农业信息化发展，进而优化资源和要素配置，推动农业资源和要素利用效率的提高，从而提高了农业绿色全要素生产率。其中农业信息化充当了关键作用。基于此逻辑，进一步检验农业信息化的作用机制。表6中农业信息化（informat）的中介效应估计结果表明数字乡村对农业信息化的影响显著为正。加入中介变量后的总效应方程估计结果显示，农业信息化对农业绿色全要素生产率的影响显著为正，表明间接效应显著；同时直接效应也显著。最后进行第四步检验，系数0. 016×0. 039与系数0. 025符号相同，系数0. 016×0. 024與系数0. 026符号相同，因此属于部分中介效应。再计算中介效应占总效应的比例，0. 016×0. 039÷0. 037=0. 017显示中介效应占总效应的比例为1. 70%；0. 016×0. 024÷0. 027=0. 014显示中介效应占总效应的比例为1. 40%。因此，数字乡村通过农业信息化显著地提高了农业绿色全要素生产率，其中农业信息化的中介效应占总效应的比例为1. 70%（被解释变量为GML）和1. 40%（被解释变量为ML）。

5 稳健性检验

5. 1 工具变量检验

由于数据限制造成的遗漏变量问题及反向因果关系可能导致模型具有内生性问题。内生性可能会导致OLS估计的数字乡村的真实效果发生偏误。构建以下工具变量模型，运用两阶段最小二乘法（2SLS）估计。

其中：式（7）为一阶段估计方程，工具变量phone 表示各县域2004年每千户拥有的固定电话数量。式（8）为二阶段估计方程，各变量含义与式（3）相同。

借鉴黄群慧等［45］的研究，选择各县域2004年每千户拥有的固定电话数量作为县域数字乡村指数的工具变量。历史上中国互联网接入技术基本上是从电话线拨号接入（PSTN）开始的，因此历史上固定电话普及率高的地区也会导致互联网普及率较高，因此，2004年每千户拥有的固定电话数量与数字乡村指数密切相关。另外，随着经济社会的发展，固定电话对农业经济的影响日益渐微，因此2004年每千户拥有的固定电话数量对现在的农业绿色全要素生产率产生影响微乎其微，满足工具变量的要求。因此，2004年每千户拥有的固定电话数量是一个可以接受的工具变量。

工具变量模型2SLS回归结果见表7。F 值检验显示模型不存在弱工具变量问题。digitalrural 对农业绿色全要素生产率的回归系数均显著为正，但估计系数都大于表5中对应的估计系数，可见内生性问题低估了数字乡村促进农业绿色全要素生产率提高的效应。也验证了表5回归结果的稳健性。

5. 2 更换工具变量检验

再选用除本省外全国其他省份数字经济指数的平均值作为数字乡村指数的工具变量。各县域的数字乡村发展离不开周边省份数字经济基础设施的支持，同时各省份数字经济的发展也会产生溢出效应，促进周边省份的数字乡村的发展，因此，除本省外全国其他省份数字经济指数的平均值显然与各县域数字乡村发展水平密切相关。另外除本省外全国其他省份数字经济发展指数，不直接影响本省各县域的农业绿色全要素生产率。因此，除本省外全国其他省份的数字经济发展指数的平均值也是一个可以接受的工具变量。

工具变量模型回归结果见表8。F 值检验显示模型不存在弱工具变量问题。digitalrural 对农业绿色全要素生产率的回归系数均显著为正。这也验证了表5回归结果的稳健性。

5. 3 自助法（Bootstrap）抽样估计

由于样本数量较少，因此，再运用自助法（Bootstrap）进行稳健性检验。Bootstrap法能够反复地对样本进行重新抽样获得参数的置信区间，以此判断回归结果的显著性，因此能较好地处理小样本数据。表9报告了Bootstrap方法估计结果，digitalrural 对农业绿色全要素生产率的回归系数均显著为正，估计系数与表5中对应的估计系数方向相同。这验证了回归结果的稳健性。

5. 4 以其他指标度量农业绿色全要素生产率检验

农业绿色全要素生产率的期望产出既包括农林牧渔总产值，也包括农业碳吸收，因此，再重新测算包含11种主要农作物农业碳吸收的农业绿色全要素生产率的GML指数，并估计模型（3）。另外，参考相关文献，采用超效率全局SBM方法重新测算农业绿色全要素生产率［25，46］，并估计模型（3）。

在表10中digitalrural 的估计系数均显著为正，因此，数字乡村对农业绿色全要素生产率（SBM）与包含农业碳吸收的农业绿色全要素生产率（GML）的回歸结果依然稳健。

6 异质性分析

6. 1 农业规模经营和非规模经营地区异质性检验

在农业规模经营和非规模经营地区，数字乡村对农业绿色全要素生产率的影响可能存在差异。进一步考察在农业规模经营和非规模经营地区，数字乡村对农业绿色全要素生产率的异质性影响。当县域的农业规模经营度大于该年度样本中所有县域的农业规模经营度中位数时，设定为规模经营，否则为非规模经营。规模经营县域共有867个样本，非规模经营县域共有873个样本。

在表11的农业规模经营地区中，digitalrural 对农业绿色全要素生产率的估计系数都显著为正，表明在农业规模经营地区，数字乡村对农业绿色全要素生产率有显著的促进作用。在非农业规模经营地区中，digitalrural 对农业绿色全要素生产率的估计系数都不显著，显示在农业非规模经营地区，数字乡村对农业绿色全要素生产率没有显著的影响。原因可能是，在农业规模经营地区，农业生产经营者一般规模更大，经营实力更强，也能更好地掌握管理技能和知识，因此，农业生产经营者更倾向于采用农业新技术和高效管理模式以充分提升其规模经济，这提高了化学品等农业资源的使用效率，降低了化学品等农业资源的使用强度，从而减少了农业碳排放，有利于农业绿色全要素生产率的提高。此外，由于农业基础设施等具有不可分性，经营规模较小不利于资源的优化配置，会导致资源利用效率较低，从而阻碍农业绿色全要素生产率提高。

6. 2 东中西部地区异质性检验

在东部、中部和西部地区，数字乡村对农业绿色全要素生产率的影响可能存在差异，进一步分别考察其数字乡村对农业绿色全要素生产率的不同影响。东部地区包括河北、江苏、山东、浙江、福建、广东和海南等7个省份，共包括419个县级行政区样本；中部地区包括山西、河南、辽宁、安徽、湖南、黑龙江、吉林、湖北和江西9个省份，共包括612个县级行政区样本；西部地区包括重庆、青海、甘肃、陕西、宁夏、广西、贵州、内蒙古、四川、新疆和云南11个省份，共包括709个县级行政区样本。

在表12中：东部和中部地区的回归结果显示，数字乡村（digitalrural）对农业绿色全要素生产率的估计系数都显著为正，表明在东部和中部地区，数字乡村对农业绿色全要素生产率有显著的促进作用。西部地区的数字乡村（digitalrural）对农业绿色全要素生产率的估计系数不显著，显示在西部地区数字乡村对农业绿色全要素生产率没有显著影响。这可能是因为：一是在东部和中部地区，县域经济发展水平高，科技发达，且大部分土地资源较为丰富，其农业数字化、信息化和规模化经营程度一般较高，能够推动农业技术进步，还可以实现农业精准管控减少碳排放，从而有利于农业绿色全要素生产率提高。二是西部地区大部分县域经济和科技欠发达，山地较多导致土地资源较为贫瘠，同时其农业数字化、信息化和规模化经营程度一般较低，因此，不利于农业绿色全要素生产率的提高。

7 结论与启示

该研究首先深入探讨了数字乡村对农业绿色全要素生产率的影响，提出数字乡村促进农业绿色全要素生产率提高的研究假说。然后运用2019年1 740个县级行政单位样本，采用工具变量模型和中介效应模型等方法对研究假说进行验证。研究发现：①数字乡村促进了农业绿色全要素生产率的提高，该结论在控制内生性后仍然稳健。②数字乡村促使农业绿色全要素生产率提高，其作用机制可以从两个角度解释，一是数字乡村促进了农业经营主体规模经营，带来农业技术进步和农业内部产业结构优化、分工细化和生产专业化，从而促进了农业绿色全要素生产率提高；二是数字乡村推动了农业信息化发展，从而促进了农业绿色全要素生产率提高。③进一步讨论发现，在农业规模经营地区，数字乡村对农业绿色全要素生产率有显著的促进作用；但在非规模经营地区，数字乡村对农业绿色全要素生产率的影响不显著。在东部地区和中部地区数字乡村对农业绿色全要素生产率有显著的促进作用，但在西部地区数字乡村对农业绿色全要素生产率的影响不显著。

基于以上研究，提出以下政策启示：第一，目前，中国农业长期依赖生产要素和资源驱动增长，已经不可持续。而数字乡村建设能够促进农业绿色全要素生产率的提高。因此，需要继续从数字基础设施、乡村经济数字化、乡村治理数字化和乡村生活数字化等方面推进数字乡村建设与完善，以此助推中国农业绿色、高质量转型发展。第二，应继续完善数字乡村设施，重点支持农业信息化和规模化经营，推进农业技术进步和农业产业结构优化，充分挖掘农业绿色全要素生产率的提高潜力。第三，中国地域广阔，因此需要充分认识到在农业规模经营地区和非规模经营地区，以及东、中、西部地区，数字乡村建设和农业绿色全要素生产率存在差异，实施非均衡发展策略，因地制宜地推进数字乡村建设，重点继续完善农业规模经营地区和东部及中部地区的数字乡村设施，持续促进其农业绿色全要素生产率的提高，以此推动中国农业绿色、高质量发展。

需要特别说明的是，因为数据限制，该研究主要运用了截面数据和OLS及2SLS等方法研究数字乡村对农业绿色全要素生产率的影响。后续研究仍需持续收集多维数据，选用面板数据和多种方法持续深入探讨数字乡村对农业绿色全要素生产率的影响，更加准确地分析数字乡村对促进农业绿色和高质量发展的作用机制。

参考文献

［1］ 沈费伟，叶温馨. 数字乡村建设：实现高质量乡村振兴的策略选择［J］. 南京农业大学学报（社会科学版），2021，21（5）：41-53.

［2］ 张旺，白永秀. 数字经济与乡村振兴耦合的理论构建、实证分析及优化路径［J］. 中国软科学，2022（1） ： 132-146.

［3］ 温涛，陈一明. 数字经济与农业农村经济融合发展：实践模式、现实障碍与突破路径［J］. 农业经济问题，2020（7）：118-129.

［4］ BRODY S D ， CARRASCO V ， HIGHFIELD W E . Measuring theadoption of local sprawl： reduction planning policies in Florida［J］.Journal of planning education and research， 2006， 25（3）：294-310.

［5］ CAMARINHA?MATOS L M， AFSARMANESH H， GALEANO N，et al. Collaborative networked organizations： concepts and practicein manufacturing enterprises［J］. Computers and industrial engineering，2009， 57（1）：46-60.

［6］ CAMARINHA?MATOS L M ， BOUCHER X ， AFSARMANESHH， et al. Collaborative networks for a sustainable world［J］. IFIPadvances in information and communication technology， 2012，336：783.

［7］ ATTOUR A，BARBAROUX P. The role of knowledge processes in abusiness ecosystems lifecycle［J］. Journal of the knowledge economy，2021，12（1）：238-255.

［8］ 曾亿武，宋逸香，林夏珍，等. 中国数字乡村建设若干问题刍议［J］. 中国农村经济，2021（4）： 21-35.

［9］ 殷浩栋，霍鹏，汪三贵. 农业农村数字化转型：现实表征、影响机理与推进策略［J］. 改革，2020（12）：48-56.

［10］ 陈一明. 数字经济与乡村产业融合发展的机制创新［J］. 农业经济问题，2021（12）：81-91．

［11］ GEORGE N M， PARIDA V， LAHTI T， et al. A systematic literaturereview of entrepreneurial opportunity recognition： insights oninfluencing factors［J］. International entrepreneurship and managementjournal， 2016，12（2）：309-350.

［12］ SONG Z Y， WANG C， BERGMANN L. Chinas prefectural digitaldivide： spatial analysis and multivariate determinants of ICTdiffusion［J］. International journal of information management，2020， 52（6）： 992-1010.

［13］ 郭海红，刘新民. 中国农业绿色全要素生产率的时空分异及收敛性［J］. 数量经济技术经济研究，2021（10）：65-84.

［14］ XU X，HUANG X，HUANG J，et al. Spatial?temporal characteristicsof agriculture green total factor productivity in China，1998-2016：based on more sophisticated calculations of carbon emissions［J］. International journal of environmental research and publichealth，2019，16（20）： 2-16.

［15］ 葛鹏飞，王颂吉，黄秀路. 中国农业绿色全要素生产率测算［J］. 中国人口·资源与环境，2018（5）：66-74.

［16］ 郭海红，刘新民. 中国农业绿色全要素生产率时空演变［J］. 中国管理科学，2020（9）：66-75.

［17］ BALL V E，F?RE R，GROSSKOPF S，et al. Productivity of the USagricultural sector［C］//New developments in productivity analysis.Chicago：University of Chicago Press，2001：541-586.

［18］ NANERE M，FRASER I，QUAZI A，et al. Environmentally adjustedproductivity measurement：an Australian case study［J］. Journalof environmental management，2007，85（2）：350-362.

［19］ SHEN Z Y，BOUSSEMART J P，LELEU H. Aggregate green productivitygrowth in OECDs countries［J］. International journal ofproduction economics，2017，189：30-39.

［20］ 王胜，余娜，付锐. 数字乡村建设：作用机理、现实挑战与实施策略［J］. 改革，2021（4）：45-59.

［21］ 张景娜，张雪凯. 互联网使用对农地转出决策的影响及机制研究：来自CFPS的微观证据［J］. 中国农村经济，2020（3）：57-77.

［22］ 冒佩华，徐骥. 农地制度、土地经营权流转与农民收入增长［J］. 管理世界，2015（5）：63-74，88.

［23］ 周洋，华语音. 互联网与农村家庭创业：基于CFPS数据的实证分析［J］. 农业技术经济，2017（5）：111-119.

［24］ 刘子涵，辛贤，吕之望. 互联网农业信息获取促进了农户土地流转吗［J］. 农业技术经济，2021（2）：100-111.

［25］ 陈芳，杨梅君. 农产品国际贸易对中国农业绿色全要素生产率的影响［J］. 华南农业大学学报（社会科学版），2021（5）：94-104.

［26］ ISMAEL M， SROUJI F， BOUTABBA M A. Agricultural technologiesand carbon emissions： evidence from Jordanian economy［J］.Environmental science and pollution research，2018，25（11）：10867-10877.

［27］ 金芳，金荣学. 农业产业结构变迁对绿色全要素生产率增长的空间效应分析［J］. 华中农业大学学报（社会科学版），2020（1）：124-134，168.

［28］ 聂召英，王伊欢. 链接与断裂：小农户与互联网市场衔接机制研究［J］. 农业经济问题，2021，42（1）：132-143.

［29］ TAPSCOTT D， WILLIAMS A D. Wikinomics： how mass collabortionchanges everything［M］. New York： Portfolio，2007.

［30］ SOLOW R M. Technical change and the aggregate production function［J］. The review of economics and statistics，1957，39（3）：312-320.

［31］ 韓海彬，张莉. 农业信息化对农业全要素生产率增长的门槛效应分析［J］. 中国农村经济，2015（8）：11-21.

［32］ 唐文浩. 数字技术驱动农业农村高质量发展：理论阐释与实践路径［J］. 南京农业大学（社会科学版），2022（2）：1-9.

［33］ PEREIRA J， TAVALAEI M M， OZALP H. Blockchain?basedplatforms： decentralized infrastructures and its boundary conditions［J］. Technological forecasting and social change， 2019，146：94-102.

［34］ REINHARD S， LOVELL C， THIJSSEN G. Econometric estimationof technical and environmental efficiency： an application toDutch dairy farms［J］. American journal of agricultural economics，1999，81（1）：44-60.

［35］ 赖斯芸，杜鹏飞，陈吉宁. 基于单元分析的非点源污染调查评估方法［J］. 清华大学学报（自然科学版），2004（9）：1184-1187.

［36］ 程琳琳，张俊飚，田云，等. 中国省域农业碳生产率的空间分异特征及依赖效应［J］. 资源科学，2016（2）：276-289.

［37］ F?RE R，GROSSKOPF S，NORRIS M，et al. Productivity growth，technical progress，and efficiency change in industrialized countries［J］. The American economic review，1994，84（1）：66-83.

［38］ OH D H. A global Malmquist?Luenberger productivity index［J］.Journal of productivity analysis，2010，34（3）：183-197.

［39］ 杜建军，谢家平，刘博敏. 中国农业产业集聚与农业劳动生产率：基于275 个城市数据的经验研究［J］. 财经研究，2020，46（6）：49-63.

［40］ 刘璇，许恒周，张苗. 土地出让市场化的碳排放效应及传导机制：基于产业结构中介视角［J］. 中国人口·资源与环境，2022，32（6）：12-21.

［41］ 徐灏龙，陆铭. 求解中国农业困局：国际视野中的农业规模经营与农业竞争力［J］. 学术月刊，2021（6）：58-71.

［42］ 刘子兰，刘辉，杨汝岱. 最低工资制度对企业社会保险参保积极性的影响：基于中国工业企业数据库的分析［J］. 经济学（季刊），2020，19（4）：1267-1290.

［43］ 馬国群，谭砚文. 环境规制对农业绿色全要素生产率的影响研究：基于面板门槛模型的分析［J］. 农业技术经济，2021（5）：77-92.

［44］ 温忠麟，叶宝娟. 中介效应分析：方法和模型发展［J］. 心理科学进展，2014（7）：731-745.

［45］ 黄群慧，余泳泽，张松林．互联网发展与制造业生产率提升：内在机制与中国经验［J］. 中国工业经济，2019（8）：5-23.

［46］ TONE K. Dealing with undesirable outputs in DEA： a Slacks?Based Measure（SBM） approach［R］. GRIPS， 2003.