数字技术是否提高了农户的市场参与度

胡雅淇 林海 马骥

摘 要：本文基于全国11省调研1693个农户所获取的3299个有效样本，采用倾向得分匹配的方法研究了以互联网为代表的数字技术的使用对农产品销量和销售价格的作用，分析数字技术对农产品销售绩效的影响机制及效应。研究发现，互联网的使用对农户农产品的销售价格具有显著的提升作用，对于农产品的销售数量有积极的促进作用，即互联网使用可以通过提高价格和促进销量两条路径提高农户在农产品销售环节获得的效益，进而提高农户的市场参与度。政府应当充分发挥有为作用，不断消除数字技术助农的软硬基础设施约束，加快农产品主产区和欠发达地区数字基础设施建设，积极促进小农户和大市场的有效对接；依托于互联网等数字技术，着力培育农业市场信息服务新模式；提高农户的数字技术应用素养，加深数字技术在农业农村领域的应用程度。

关键词：数字技术；农产品销售；市场参与度；倾向得分匹配

中图分类号：F3252  文献标识码：A  文章编号：1001-148X（2023）04-0094-09

收稿日期：2022-10-20

作者简介：胡雅淇（1991-），女，山东烟台人，博士后，研究方向：农业经济、数字经济；林海（1976-），本文通讯作者，男，辽宁营口人，副教授，博士生导师，研究方向：农业技术经济、农产品贸易；马骥（1974-），男，甘肃庆阳人，教授，博士生导师，研究方向：农业经济理论与政策。

基金项目： 国家重点研发计划，项目编号：2016YFD0201303；中德国际合作项目，项目编号：DFG GRK2366；中国人民大学中国扶贫研究院“扶贫研究博士论文奖学金”；中国农业大学2115人才工程。

一、引 言

农产品的销售环节作为流通体系的重要组成部分，直接关系到农户的农业收益，解析制约农户市场参与程度的因素，对于促进小农户与大市场的有效衔接、提高农民农业收入和福祉具有重要的现实意义。虽然农业市场化不断推进，但是受传统农业经营模式的影响，农户在信息不对称的农产品销售中仍然处于劣势地位，销售需求与交易市场的不匹配往往造成农产品流通过程中较高的腐损率［1-2］。数字技术的引入被视为突破信息壁垒、缓解产销对接矛盾、促进农户市场参与的有效手段，随着我国“互联网+农业”发展模式的不断深化、数字乡村振兴战略的持续布局，数字技术的使用与农产品销售绩效间关系的研究引发了学术界的关注。

国内外大多数研究认为以互联网为代表的数字技术能够增强生产者与消费者间的信息沟通［3］，將买卖双方直接衔接起来，提升农户获得的农产品价格。“信息红利”的支持者认为数字技术的普及会显著增加农产品市场销量、提高农产品销售价格并改善农民福利［4-6］。关于互联网等数字技术对农户市场参与度影响的研究主要包括两方面：一是对农户议价能力的影响，二是对农户销售渠道的影响。第一方面，鉴于畅通及时的信息对于农产品定价有着重要影响，而互联网会缓解信息不对称问题［3］，有效降低农户的市场搜寻成本和交易成本［7］，从而提升农户在农产品流通过程中的议价能力，降低不同农产品市场的价格离散程度［4，8］，通过改变小农户获得的农产品价格，增加农业收益、提升农业绩效［9］。第二方面，难于获取市场信息及进入市场的高成本［10］是农民市场参与程度低的一个主要原因，而互联网会降低农户进入市场的信息壁垒，增加农户销售的新渠道，进而提升农户市场参与程度。在发展中国家，农业供应链存在的大规模信息不对称问题是导致整个链条低效的重要原因，由于小农户在农产品供应链以及收入增长上处于劣势地位且经营规模较小、呈现碎片化，因此在所有交易上都面临较高的信息成本，加上市场价格和技术信息缺乏、市场各利益主体联系松散、投入产出市场扭曲及信贷约束等问题，小农户在进入市场过程中面临重重困难，这种生产特性以及供应链碎片化的特点加剧了农户对互联网数字技术的期望。

诸多研究表明，数字技术能够通过缓解信息不对称问题，有效降低经济体中各利益主体之间的协作成本，进而提高农产品的流通效率，改善农户的市场参与度［11-12］。利用手机能够增加市场信息的获取，减少市场价格的离散程度［4］，增加农户通过私人资源而获取的信息［8］，提升农户的议价能力和农产品利润［13］，帮助农户获得较高的生鲜农产品销售价格［14］，促使农户从农场管理决策过程中的新机遇里获益［15］，消除中间商的价格压榨和信息不对称所带来的市场约束，使小农户获得较高的农产品出售价格［16］。然而也有不少研究表明数字技术的使用对农民参与市场获得的价格、农作物增值等销售绩效没有显著影响，虽然手机等数字技术的使用一定程度上能够增加农户间的信息传递、增强农户获取信息的能力以及增进农户种植的多样性等，但农户在出售农产品时依然处于被动接受价格的地位，农产品的销售价格并未得到提高，农户也并未获得更高的实际购买价格［17-18］  。根据已有研究，一方面，近年来国内外学者对数字技术的研究逐渐增多，但是关于数字技术对农产品国内贸易影响的文献并不多，比如Bogan［19］研究了互联网技术对股票市场参与度的影响，但属于非农市场；Couture et al［20］研究了电商扩张对农村家庭消费、收入、零售价格的影响，但没有涉及对农产品交易的影响；Kaila and Tarp［21］分析了互联网对农业生产的影响，但没有涉及互联网对农产品销售端交易的影响。另一方面，关于数字技术与农户市场参与度关系的研究结论并未得到统一，其原因可能在于不同经济体处于不同的发展阶段，数字技术因各经济体的要素禀赋结构、宏观制度结构不同起到的作用有所差异。

当前相关研究以国外证据为主，国内研究多以单一农产品为研究对象，本研究的边际贡献在于：（1）利用2019年中国11省的调研微观数据，以农户种植的所有农产品为研究对象分析了数字技术对农产品国内贸易的影响；（2）从农产品销量和销售价格两个维度系统考察了当前阶段数字技术对中国农户市场参与度的影响。在数字乡村战略持续布局的背景下，本研究既能丰富数字技术在农业领域应用研究的维度，又可为农业信息化和“互联网+农业”的持续推进提供政策依据，在全面推进乡村振兴方面具有一定的现实意义。

二、研究假设

基于搜寻成本理论，数字技术的发展与应用既可以通过降低农户获取信息的成本［5］，提高农产品的销售价格，又可以增加其采纳主体发掘潜在客户的渠道，扩大市场份额以及开发新市场。

1信息搜寻与农产品销售价格

假设农户处在某一特定区域市场i内（i），且该区域存在市场分割情况，不同的市场对应不同的价格（在［pi，pI］间变动）；农户不能够完全掌握市场价格，在了解一个新市场价格时，需要额外支付一次信息成本c。农户已经搜寻到的市场数量为n，除去固定成本后，最优净价格为pn，农户再次搜寻一个新市场，最优净价格为pn+1。此时，若pn+1>pn，则农户盈利，若pn+10。如果农户盈利，则此次搜寻获利为u（pn+1）-u（pn）；如果农民亏损，则此次搜寻获利为u（pn）-u（pn）=0。因此农民在区域i的市场上第n+1次搜寻的边际期望利润函数为：

Bi（pn）=∫pnpiu（pn）-u（pn）fi（p）dp+∫pIpnu（p）-u（pn）fi（p）dp=∫pIpnu（p）-u（pn）fi（p）dp（1）

其中，p为农户搜寻到销售价格，f（p）为价格p的概率密度，F（p）为累计密度函数，（pn，pI］是农户的获利区间。结合边际信息成本，农户搜寻的边际利润函数为：

mi（pn）≡Bi（pn）-c（2）

对农户而言，如果边际利益小于0，即mi（pn）0，则农户不会进行新的市场搜寻；反之，农户将会继续搜寻，直至寻找到使边际净利润高于保留价格ri所带来的边际净利润的销售价格。即有：

m（ri）=Bi（ri）-c=0（3）

将公式（1）代入（3），求全微分：

dmi=miridri+micdc={u′（ri）［Fi（ri）-1］}dri-1dc=0

→dridc=1u′（ri）［Fi（ri）-1］（4）

因为u′（ri）>0， Fi（ri）<=1，所以dridc<0，这意味着信息搜寻成本降低，农户的保留价格将提高。因而，数字技术的使用一旦有助于降低农户的搜寻成本，农户获得的保留价格就会得以提高，即农户的销售价格就会提升。

2流通成本与农产品销售数量

在传统的农产品市场上，农户将农产品出售给中间商，其获得的出售价格假定为p0，单位流通成本为c，农产品市场价格为pm，市场需求量为Q，则有：

pm=p0+c（5）

若假定流通环节的数量为I，随着环节数量的增多，则流通成本则不断增加，因而c是I的递增函数，可以表示成：

c=c（I），c（I）/I>0（6）

综合（5）和（6）则有：

pm=p（I），p（I）/I>0（7）

对于需求曲线，我们知道：Q（p）/p<0，鉴于（7）因而我们可以推出：

Q/I<0（8）

根据（8）式可以看出，数字技术能够减少流通环节、降低流通成本，从而提高农产品的市场需求量。

此外，数字技术还可以通过以下两点增加农产品销量：一是有助于消费者获得更多的农产品特征信息或者销售信息，从而成为新增的消费群体；二是有助于实现生产者和消费者之间一对一的直接互动，可以帮助生产者根据消费者的需求生产更符合消费者偏好产品的同时，也能通过认同、信任和粘性的形成，提升消费者的回购率，进而增加销量。

根据上述理论分析，本文提出如下假设：

H1：数字技术可以通过提升农产品销售价格提高农户的市场参与度。

H2：数字技术可以通过促进农产品销售数量提高农户的市场参与度。

三、数据来源及研究方法

（一）数据来源

本研究数据来源于2019年全国科学施肥调研项目，项目受农业农村部种植业司委托，由中國农业大学国家农业绿色发展研究院承担实施，该项目对黑龙江、吉林、河北、河南、山东、陕西、甘肃、安徽、江苏、湖南、广西等11省的粮食种植户进行了调研，调研采取分层抽样与随机抽样相结合的方法，首先在全国随机选取11个农业大省，然后依据种植面积将各县市排序，每省随机选取4个县市；再依据农户人均收入将乡镇排序，每县市随机选取3个乡镇，再按照同样原则，每个乡镇选取2个村，每个村选取8-9个农户，最终收回问卷2081份。

调研对每个农户种植的农产品的种类、销量以及销售价格进行了统计，基于不同种类的农产品具有不同的投入产出函数，本研究将同一个农户不同种类的农产品视为独立的研究样本。结合本研究的目的和使用变量，经过对数据进行清理，剔除不同表格之间的代码偏差、重要数据遗漏以及异常值等样本，最终有效样本为3299个（涉及1693个农户），农户及样本的具体分布如表1所示。

（二）研究方法

1.模型说明

为分析互联网使用对农产品销售环节市场参与度的影响，即互联网对于农产品销售价格和销售数量的影响，本研究的计量模型设定为：

yi=α+βIi+γXi+μi（9）

其中yi为第i个农户的农产品销售价格或农产品销售数量，Ii为核心解释变量，即农户是否使用互联网，Xi代表个体特征变量和家庭特征变量，具体包括户主的性别、年龄、教育程度以及农业经营的多样化程度、是否加入合作社、耕种面积、新技术接受能力、新技术学习能力、所在区域等；β表示使用互联网对农产品销售价格或销售数量的影响效应，β是目标待估参数，μi是随机误差项。

基于计量模型的设定，采用OLS的方法对模型进行全样本回归，并使用“OLS+稳健标准误”的方法处理回归中存在的异方差问题，以保证异方差情况下参数估计的正常进行。同时，在对全部变量进行基准回归的基础上，采用倾向得分匹配的方法，来缓解可能存在的自选择偏差和内生性问题，以保证回归结果的稳健性。

2.倾向得分匹配法

由于现实中农户一旦使用互联网，我们观察到的就是使用互联网之后的农产品销售情况，而无法观察到该农户如果不使用互联网时对应的农产品销售情况，由此采用倾向得分的方法构造反事实。我们在没有使用互联网的家庭中，找到与使用互联网家庭相似的对照组，通过处理组（使用互联网）和控制组（未使用互联网）形成的反事实，计算平均处理效应，进而判断互联网使用的影响效应。多元线性回归的无偏估计依赖于Y与函数形式的正确设定，否则就会产生函数形式错误设定（FFM）问题，导致有偏估计，因此与多元线性回归相比，倾向得分匹配可以通过减少对函数形式设定的依赖，缓解FFM问题。通过倾向得分匹配计算平均处理效应的步骤如下：

第一步：选择协变量。选择变量必须既影响农户的互联网使用行为，又影响农户农产品的销售行为，要尽可能地将影响结果变量（y）和处理变量（I）的相关变量包括进来，协变量的选择无论是不恰当还是遗漏太多，可忽略性假设就很难满足，从而引起偏差。基于数据的可得性以及相关研究基础，本文选择户主的性别、年龄、教育程度以及农业经营的多样化程度、是否加入合作社、耕种面积、新技术接受能力、新技术学习能力、所在区域作为匹配变量。第二步：使用Logit模型，估计倾向得分，进行倾向得分匹配。根据影响农户互联网使用的特征变量，计算每个样本的倾向得分，基于此将未使用互联网的农户和使用互联网的农户进行匹配，形成对照组。值得注意的是，要进行“数据平衡”的检验，即考察所有协变量的“标准化偏差”，如果标准化偏差不超过10%，我们就认为匹配结果较好地平衡了数据，即匹配之后处理组均值和控制组均值是比较接近的。第三步：基于匹配后的样本计算平均处理效应。使用者的平均处理效应（ATT）估计量可以表示为：

ATT︿=1N1∑i：Ii=1（yi-y︿0i）（10）

其中，N1=∑iIi代表使用互联网的农户数，而∑i：Ii=1表示对使用互联网的农户进行加总。yi表示使用互联网的家庭使用互联网后的农产品销售价格或数量，y︿0i表示使用互联网的家庭如果没有使用互联网时的农产品销售价格或数量。yi是可观测的结果，而y︿0i是反事实结果。

倾向得分匹配的方法有多种，在实际匹配的过程中，究竟应使用哪种具体方法和参数，未有文献明确指出。在本研究中，我们采用k近邻匹配、卡尺内近邻匹配、半径匹配和核匹配等常用方法由于局部线性回归匹配、样条匹配和马氏匹配之后的数据平衡性较差，因此本研究未采用该三种方法的结果；近邻匹配采用1：5，卡尺匹配范围未001，核匹配采用Stata默认核函数和带宽。来进行具体匹配，比较匹配结果，以保证匹配结果的稳健性。

3.两阶段最小二乘法

采用倾向得分匹配的方法估计互联网对销量和销售价格的影响，虽然能够解决可观测的选择性偏差问题，但更为一般的内生性问题仍然存在，从而影响估计量的准确性：一是自选择问题。互联网使用是由农户个体特征、农业生产特征、家庭组织特征、创新能力特征以及村庄所在区域等因素决定的，而这些特征也是影响农产品销售的重要因素，鉴于农户使用互联网等数字技术本身就是农户根据自身禀赋条件做出的选择，其采纳行为并不是随机行为或随机分配的结果，因而该研究存在明显的自选择问题，这会造成估计的自选择偏差；二是遗漏变量，虽然根据数据条件，本研究已经尽量涉及农户特征、家庭特征、村庄特征等控制變量，但除此之外，市场参与度涉及的农产品销售价格与数量还可能受到一些不可观测变量的影响；三是互为因果。互联网使用在农村的快速发展能够促进农产品电商发展和农业技术的创新，进而提高农户的市场参与度，而市场参与度的提高必然也会进一步提高农户使用互联网的积极性，这种双向因果关系有可能会导致互联网使用与随机扰动项相关，致使实证结果产生偏差。因此，本研究在OLS+稳健标准误以及倾向得分匹配法的基础上，采用工具变量法来缓解自选择、双向因果等部分内生性问题。下面的方程通过2SLS估计建立了互联网使用与农产品销售价格及农产品销售数量的关系。

第一阶段： Ii=α0+α1IVi+α′2′Xi+εi（11）

第二阶段： Yi=β0+β1Ii︿+β′2Xi+εi（12）

其中Yi是农户i的市场参与度代理指标（农产品销售价格或农产品销售数量）；Ii是农户i的互联网使用变量。控制变量Xi（包括年龄、性别、户主受教育年限等），εi是误差项。参数中，β0为常数项，β1度量的是互联网对农户参与度的影响，β′2为控制变量的系数向量，IVi 代表工具变量。

为进行两阶段最小二乘法的估计，需要选择合适的工具变量（IV），本文选取“家庭年度估计消费支出”“电子商务采纳意愿”以及通过样本计算的“省级互联网的使用率”作为工具变量的备选项进行检验，然后依据过度识别检验、工具变量与内生变量相关性检验、冗余检验等检验方法，针对不同的因变量（农产品销售价格、农产品销售数量）确定合理有效的工具变量。从直观逻辑及理论上，家庭年度消费支出越高、电子商务采纳意愿越强烈以及省级层面互联网使用程度越高，农户使用互联网的概率就会越大，但这三个变量通常不会直接影响农户农产品的销售绩效，满足有效工具变量必备的相关性和外生性条件。在稳健性检验部分的内生性问题环节，会进一步通过实证的方法检验工具变量的外生性以及与互联网变量的相关性条件，以确定工具变量使用的合理性与有效性。

（三）变量设置及描述性统计

（1）被解释变量。模型的被解释变量为农产品销售数量和销售价格。

（2）解释变量和控制变量。解释变量为农户是否接入互联网。关于控制变量的选取，本文参照已有研究，在模型中引入反映户主个体特征的性别、年龄、教育，反映家庭特征的耕种面积、经营多样化、是否加入合作社、新技术接受能力和新技术学习能力以及反映村庄特征的区域变量作为控制变量。具体变量情况如表2所示。

（3）描述性统计。从互联网指标来看，样本的互联网使用率为47%（见表3）已经处于较高水平，户主以男性为主、年龄均值在57岁左右，受教育程度年限平均值为8年，耕地面积差异较大，经营多样化水平相对较低，Berry指数均值为044，只有18%的样本加入了合作社；总体上农户的新技术接受能力以及学习能力都较强，如果推荐一项新技术，6287%的农户都会选择尝试一下，而当农户面对一项新技术的时候，9385%的农户都会采取主动的态度向其他人请教。从样本的区域分布来看，东部、中部、西部、东北的样本量分别为1015、1095、756、433，所占比重分别为3077%、3319%、2292%、1313%。

（4）互联网使用与未使用者对比。将样本按照农户使用互联网和未使用互联网分成两组，对销售数量和销售价格进行对比（如表4所示）。互联网使用的样本量为1555，互联网未使用的样本量为1777，可以看出，互联网使用农户的销售价格均值和销售数量的均值水平均高于未使用互联网农户的销售价格均值和销售数量均值。

四、互联网对销售环节的影响

（一）互联网作用的OLS结果

表5（1）、（2）列分别给出了互联网使用对农产品销售价格和销售数量的OLS回归结果。回归结果显示，互联网使用对农产品销售价格和销售数量均有显著的正向作用。（1）列中回归系数为0144表示与未使用互联网的情况相比，使用互联网可以提升的农产品销售价格为每公斤0144元；（2）列中的回归系数为2197表示与未使用互联网的情况相比，使用互联网可以促进的农产品销量为2197吨。

（二）倾向得分匹配的质量与结果

从互联网使用倾向得分的Logit估计结果及PSM的共同支撑区域限于篇幅，相关回归结果未做报告，如有需要可向作者索取。可以看出，本研究涉及的协变量对农户的互联网使用行为有显著影响，其中户主年龄显著负向影响农户使用互联网数字技术，户主教育程度、耕种面积、新技术学习能力显著正向影响农户使用互联网数字技术，户主性别、经营多样化程度、是否加入合作社、新技术接受能力对农户使用互联网数字技术不显著，相比于东部地区，中部地区和东北地区的农户使用互联网数字技术更显著、西部地区的农户使用互联网数字技术不显著；同时，大部分样本都在共同取值范围内（on support），只有少部分不在共同取值范围内（off support），匹配損失的样本量较少。

在用PSM估计处理效应之前，必须要进行平衡性检验，以规避处理组和控制组变量之间的系统性差别，从而保证PSM的估计质量。根据平衡性检验结果限于篇幅，相关回归结果未做报告，如有需要可向作者索取。：LR chi2 似然比检验匹配前在1%水平上显著被拒绝，而匹配后都未被拒绝；匹配后，Pseudo R2的值趋向零、标准偏差均值显著下降，标准偏差中位数明显变小；匹配后的B值均小于20%。此外，根据表6，对比匹配前的结果，大多数变量的标准化偏差均大幅缩小，匹配后大多数变量的标准化偏差（% bias）小于10%，只有半径匹配中的经营多样化的偏差为104，理论上可以接受。平衡性检验和标准化偏差的结果都证明了倾向得分匹配方法符合其实现的原则，能够保障PSM估计结果的有效性和合理性。

（三）互联网作用的处理效应结果

表7给出了互联网数字技术使用对农户收入的处理效应估计结果。从农产品销售价格来看，通过k近邻匹配法计算出的平均处理效应为0161，该值在5%的水平上显著。使用卡尺内近邻匹配法、半径匹配法和核匹配法得到平均处理效应依次是0163、0159、0107，且分别在5%、5%、10%的水平上显著。从农产品销售数量来看，使用k近邻匹配法、卡尺内近邻匹配法、半径匹配法和核匹配法得到平均处理效应分别是2117、2080、2054、2396，且均在1%的水平上显著。无论是从销售价格还是销售数量的结果可以看出，以上四种匹配方法的平均处理效应值以及显著性水平类似，一定程度上反映出匹配结果的稳定性。

计算四种匹配方法平均处理效应的均值，可以得出互联网对销售价格的处理效应平均值为0147，对销售数量的处理效应的平均值为2162，而对比的OLS估计结果依次为0144、2197，可以看出销售价格的处理效应结果高于OLS结果，销售数量的处理效应结果低于OLS结果（大多数匹配法的结果也与此结论保持一致），说明不考虑选择性偏差的回归结果，略低估了互联网对销售价格的影响效应，略高估了对销售数量的影响效应。根据处理效应的平均值和OLS回归结果，使用互联网的农户，农产品销售价格比未使用互联网的农户价格高出14%左右，农产品销售数量高出2100千克左右。

綜上，互联网数字技术对农产品销售价格具有提升效应，对农产品销售数量具有促进作用，即互联网可以通过提升价格和促进销量两条路径提高农户在农产品市场上的参与程度，实证结论验证了假设H1和假设H2。

（四）稳健性检验

1.产品异质性问题

由于本研究将同一个农户不同种类的农产品视为独立的研究样本，未考虑产品不同可能带来回归结果的偏差问题，结合现实数据条件，进一步将产品分为粮食作物（包括小麦、玉米、水稻等三大类作物）与非粮食作物来控制产品的固定效应，通过倾向得分匹配的新结果与前文结果进行对比，以检验表7的结果是否稳健。

控制产品固定效应的PSM结果如表8所示。通过结果的比较可以看出，表8的结果与表7的结果保持一致，即回归结果是稳健的，表明模型即使没有控制产品的固定效应，也并未影响到回归模型的科学性和合理性。

2.内生性问题

本文选取“家庭年度估计消费支出”“电子商务采纳意愿”“省级互联网使用频率”作为工具变量进行检验（家庭年度估计消费总支出是指减去家庭年度礼金的支出金额，单位为万元；电子商务采纳意愿是指农户希望通过网络销售农产品强烈程度的有序变量，1=强烈希望，2=比较希望，3=一般，4=不太想，5=完全不想；省级互联网使用频率=省级样本使用互联网的农户数量/省级样本的农户数量），在剔除“家庭年度估计消费支出”和“电子商务采纳意愿”两个变量的缺失值之后，有效样本总量为2633个。然后依次将销售价格和销售数量作为因变量，通过过度识别检验、工具变量与内生变量关系检验、冗余检验来为因变量不同的回归模型分别确定两个有效的工具变量，最终将“家庭年度估计消费支出”和“电子商务采纳意愿”作为销售价格回归方程的工具变量，“家庭年度估计消费支出”和“省级互联网使用频率”作为销售数量回归方程的工具变量，工具变量的有效性检验如表9所示。分别以销售价格和销售数量为因变量，进行 “OLS+稳健标准误”以及工具变量的回归结果显示（如表10所示），在进一步缓解内生性以后，互联网使用对农产品销售价格和销售数量的提升作用得以放大，这表明互联网使用对农户互联网销售绩效的正向作用是显著的，即互联网的使用可以通过提高农产品的销售价格和农产品的销售数量增强农户的市场参与度。

五、研究结论及政策建议

本文利用2019年全国11省3299个微观样本数据，采用“OLS+稳健标准误”的回归方法及倾向得分匹配方法（PSM）分析了数字技术使用对农产品销售价格和销售数量的影响效应，研究发现：数字技术的使用对农产品销售价格和销售数量有显著的促进作用，表明在当前阶段，数字技术对中国农户的农产品销售绩效有积极的正向作用，即数字技术能够通过提升农产品销售价格以及促进农产品销售数量提高农户的市场参与度，具体包括：第一，数字技术具有较强的价格提升效应。数字技术使用能够显著影响农产品价格，数字技术的使用有利于改变传统农产品流通环节多，价格节节攀升等问题，从而有效降低农民市场参与成本，进而增加农产品出售价格。第二，数字技术具有销售市场拓宽效应。数字技术的发展对农户拓展市场参与范围的影响显著，数字技术是促进农产品连接不同市场的有力工具，借助其使用，农户会跨越更多的市场壁垒，接触更多的农产品销售渠道，从而有效提高农业经营的获益水平。

基于上述结论，提出以下三点建议：

一是加快农产品主产区和欠发达地区的数字技术设施建设。鉴于互联网使用能够显著增加农户的市场参与度，促进产销对接，政府可以通过增加农业主产区数字技术设施的投资，积极促进小农户和大市场的有效对接；可以通过改变贫困地区农产品市场信息阻塞的困境，消除农村贫困地区的数字鸿沟等问题，提升农民福祉［22］。借助基础设施的建设，促进数字技术的升级，降低数字技术的获取成本及使用成本，稳步推进移动网络、宽带网络等基础设备的提质增效。

二是积极依托于数字技术获取农业市场信息服务。考虑到数字技术使用能够提升价格、促进农产品的销售数量，从而提高农业收益，农户应积极利用数字技术获取农业市场信息。不断提升农户独立使用农业市场信息服务资源的能力，充分发挥微信、支付宝等现代数字应用软件普及率高的优势，在线下交易的同时，提高线上农产品交易市场在农村地区的渗透率，积极拓展农产品交易市场参与范围，提高数字技术的使用率。

三是通过培训宣传提高农户的数字技术应用素养。考虑到农户对数字技术的使用受到教育程度及新技术学习能力等因素的影响，农户的数字技术应用素养的提升对加深数字技术在农业农村领域的应用程度至关重要，因此可考虑通过针对性的培训等方式进行宣传引导，提高农户在数字技术使用方面的能力。

参考文献：

［1］ 杨向阳，胡迪，张为付，等.农户蔬菜销售方式选择及优化策略［J］.农业经济问题，2017，38（1）：91-99，112.

［2］ 陈宏伟，穆月英.社会网络、交易成本与农户市场参与行为［J］.经济经纬，2020，37（5）：45-53.

［3］ Zapata S.D.，Isengildina-Massa O.， Carpio C.E.， et al. Does E-Commerce Help Farmers Markets？ Measuring the Impact of Market Maker［J］．Journal of Food Distribution Research， 2016，47（2）： 1-18.

［4］ Jensen R. The Digital Provide： Information （Technology）， Market Performance， and Welfare in the South Indian Fisheries Sector［J］. Quarterly Journal of Economics， 2007，122（3）：879-924.

［5］ 许竹青，郑风田，陈洁.“数字鸿沟”还是“信息红利”？信息的有效供给与农民的销售价格—一个微观角度的实证研究［J］．经济学季刊，2013，7（12）：1513-1536.

［6］ Shimamoto D.， Yamada H.， Gummert M. Mobile Phones and Market Information： Evidence from Rural Cambodia［J］. Food Policy，2015，57：135-141.

［7］ Hennessy T.， Lpple D.， Moran B. The Digital Divide in Farming： a Problem of Access or Engagement？［J］ Applied Economic Perspectives Policy， 2016，38（3）：474-491.

［8］ Aker J.C. Information from Markets Near and Far： Mobile Phones and Agricultural Markets in Niger［J］. American Economic Journal： Applied Economics， 2010，2（3）：46-59.

［9］ Chang H.， Just D.R. Internet Access and Farm Household Income-Empirical Evidence Using a Semi-parametric Assessment in Taiwan［J］. Journal of Agricultural Economics，2009，60（2）：348-366.

［10］Muto M.， Yamano T. The Impact of Mobile Phone Coverage Expansion on Market Participation： Panel Data Evidence from Uganda［J］. World Development， 2009，37（12）：1887-1896.

［11］Fan Q.， Garcia VBS. Information Access and Smallholder Farmers Market Participation in Peru［J］. Journal of Agricultural Economics，2018，69（2）：476-494.

［12］胡雅淇，林海.“互联网+”赋能小农户对接大市场的作用机制及效果［J］.现代经济探讨，2020，468（12）：110-117.

［13］Svensson J.， Yanagizawa D. Getting Prices Right： The Impact of the Market Information Service in Uganda［J］. Journal of the European Economic Association， 2009， 7（2-3）： 435-445.

［14］侯建昀，霍学喜.信息化能促進农户的市场参与吗？——来自中国苹果主产区的微观证据［J］.财经研究，2017，43（1）：134-144.

［15］Fecke W.， Danne M.， Musshoff O. E-commerce in agriculture-The Case of Crop Protection Product Purchases in a Discrete Choice Experiment［J］. Computers and Electronics in Agriculture， 2018，151：126-135.

［16］Zeng， Y.， Jia F.， Wan L.， et al. Guo. E-commerce in Agri-food Sector： A Systematic Literature Review［J］. International Food & Agribusiness Management Review，2017，20（4）：439-459.

［17］Fafchamps M.， Minten B. Impact of SMS-based Agricultural Information on Indian Farmers［J］. World Bank Economic Review， 2011，26（3）：383-414.

［18］Aker J. C.， Ksoll C. Can Mobile Phones Improve Agricultural Outcomes？ Evidence from a Randomized Experiment in Niger［J］. Food Policy， 2016，60：44-51.

［19］Bogan V. Stock Market Participation and the Internet［J］. Journal of Financial and Quantitative Analysis， 2008，43（2）：191-212.

［20］Couture V.， Faber B.， Gu Y.， et al. Connecting the Countryside via E-Commerce： Evidence from China［J］. American Economic Review： Insights， 2021，3（1）：35-50.

［21］Kaila H.， Tarp F. Can the Internet Improve Agricultural production？ Evidence from Viet Nam［J］．Agricultural Economics，2019，50：675-691.

［22］曾博.资本下乡：工商资本投资农业纵向协作研究［M］．北京：经济管理出版社，2022.

Does Digital Technology Improve Farmers Market Participation

—— Evidence from1693 Farming Households of 11 Provinces in China

HU Ya-qi1，LIN Hai2，MA Ji2

（1.Peking University，a.Institute of New Structural Economics，b.National School of Development，

Beijing 100871，China;2.College of Economics and Management，China Agricultural University，

Beijing 100083，China）

Abstract： Based on 3299 valid samples obtained from the survey of 1693 farming households in 11 provinces， this paper studies the effect of digital technology represented by the Internet on the sales volume and price of agricultural products by exploiting the method of propensity score matching （PSM）， in order to analyze the influence mechanism and effect of digital technology on the sales performance of agricultural products. The study found that the use of the Internet can significantly improve the sales price of farmers agricultural products and actively promote the sales quantity of agricultural products， which means the use of the Internet can improve the benefits of farmers in the sales of agricultural products through two ways including increasing the price and promoting the sales volume. The government should give full play to its promising role and constantly eliminate the soft and hard infrastructure constraints of digital technology to promote agriculture. Government should accelerate the construction of digital infrastructure in major agricultural producing areas and underdeveloped areas， to actively promote the effective connection between small farmers and large markets; The Internet and other digital technologies should be relied on to cultivate a new model of agricultural market information service; Government should improve farmers application literacy of digital technology and deepen the application of digital technology in agriculture and rural areas.

Key words：digital technology; agricultural products sales; market participation; PSM

（責任编辑：赵春江）