疫情冲击下产业链延伸模式对于农民增收韧性的影响研究

贺志骏

摘要：在新冠疫情沖击的背景下，研究如何保障农民增收韧性对于实现乡村振兴和共同富裕的目标具有重要意义。文章利用2016—2022年的市级面板数据，在综合测算产业链延伸指数的基础上，采用双重差分模型实证研究了疫情背景下产业链延伸模式对于农民增收的作用机制。结果表明：（1）疫情冲击下产业链延伸模式对农民收入具有正向提升作用，相较于未采用该模式的地区，采用该模式的地区农民收入提升约12%。（2）异质性检验发现，疫情冲击下产业链延伸模式对农民收入的影响存在区域差异性，其中北方林区和南方林区的增收效果更为显著。（3）疫情背景下产业链延伸程度对农民收入的影响存在城镇化率的单门槛效应，当城镇化水平超过门槛值50.12%时，产业链延伸程度对农民增收的正向效应会加强。（4）在机制检验方面，疫情冲击下产业链延伸模式通过提升农业劳动生产率来保障农民增收韧性，农业劳动生产率在其中发挥了部分中介效应。文章创新性地完善了产业链延伸模式的概念，丰富了产业链延伸对于脱贫的作用机理，为深入探讨外生冲击与农民收入的相互关系提供了新视角。基于研究结论与讨论，提出加强农业产业链延伸、因地制宜制定发展策略、提高地区城镇化水平以及全面提升劳动生产率等政策启示。

关键词：新冠疫情；产业链延伸模式；农民收入；双重差分模型

中图分类号：F323.8文献标识码：A文章编号：1673-338X（2024）1-005-27

基金项目：南京农业大学大学生创新创业训练计划项目“疫情常态化下农业产业链延伸模式对于农民增收的影响机制研究”（202216XX405）。

Research on the impact of industrial chain extension mode on farmers income increase resilience under COVID-19 epidemic shock

HE Zhijun

（College of Economics and Management， Nanjing Agricultural University， Nanjing 210095）

Abstract：In the context of COVID-19 epidemic shock， it is of great significance to study how to ensure farmers income increase resilience for realizing the goal of rural revitalization and common prosperity. Based on the municipal panel data from 2016-2022 and the comprehensive measurement of industrial chain extension index， this paper empirically studied the mechanism of industrial chain extension model on farmers income increase under the background of COVID-19 epidemic. The results showed that：（1）The industrial chain extension model had a positive effect on farmers income under the epidemic shock. Compared with the regions that had not adopted this model， farmers income in the regions that adopted this model increased by about 12%.（2）Heterogeneity test showed that the impact of the industrial chain extension mode on farmers income was different among regions， and the income-increasing effect in the northern forest region and the southern forest region was more significant.（3）In the context of the epidemic， the impact of industrial chain extension on farmers income had a single threshold effect of urbanization rate. When the urbanization level exceeded the threshold valueof 50.12%， the positive effect of industrial chain extension on farmers income increase would be strengthened.（4）In terms of mechanism testing， under the epidemic shock， the extension model of the industrial chain ensured the resilience of farmers income by improving agricultural labor productivity， which played a partial mediating effect. This paper innovatively improved the concept of industrial chain extension mode， enriched the mechanism of industrial chain extension on poverty alleviation， and provided a new perspective for in-depth discussion on the relationship between external shocks and farmers income. Based on the research conclusions and discussions， this paper proposed policy implications such as strengthening the extension of agricultural industrial chain， forming development strategies according to local conditions， improving regional urbanization levels， and comprehensively promoting the labor productivity.

Keywords：COVID-19 epidemic；industrial chain extension mode；farmers income；difference-in-differences model

1引言

2020年初，随着新冠疫情的暴发，我国的公共卫生安全面临着严峻挑战，经济发展面临着巨大危机。其中，农民增收作为实现乡村振兴和人民共同富裕的重点难点，受到疫情的冲击最直接、最突出（程国强等，2020）。这是因为疫情冲击使得家庭农场、合作社等新型农业经营主体的要素流动受到限制，进而导致供给不足、组织内部资金链断裂，作为利益相关者之一的农民面临着增收障碍。同时，疫情也造成了严重的交通封闭，外出务工受到较大影响，制约了农民的工资性收入增长（姜长云等，2021）。尽管目前我国已进入后疫情时代，但疫情对经济社会产生的影响依旧会对农业产业的稳定性与农民收入的均衡增长造成较大影响。因此，如何缓解疫情冲击对农业生产带来的负面效应，从而保障农民增收韧性十分关键。农民收入增长根本上要靠产业支撑，产业链是农业产业化发展的典型特征，延伸产业链是完善农民增收长效机制的主要路径（涂圣伟，2023）。研究疫情背景下产业链延伸与农民收入之间的作用关系将有助于破解农民增收难题，对实现乡村振兴以及共同富裕的目标具有重要的理论与现实意义。因此，本文提出如下研究问题：面对新冠疫情这一外生冲击，产业链延伸模式能否稳固农民增收基础、防范疫情减收风险？疫情冲击下产业链延伸模式对农民收入的影响是否存在区域异质性？疫情背景下产业链延伸程度与农民收入之间是否存在非线性关系及门槛效应？疫情冲击下产业链延伸模式保障农民增收韧性的传导机制究竟如何？

基于以上问题，本文以全国14个省份的56个地级市作为研究对象，一是对产业链延伸模式的概念进行界定，进而从理论层面分析该模式与农民收入之间的作用关系；二是将新冠疫情作为准自然实验，利用双重差分（Difference-in-Differences， DID）模型得出疫情冲击下产业链延伸模式对农民收入的作用方向及效果；三是从不同林区的角度出发，探讨疫情冲击下产业链延伸模式对农民增收效果的区域异质性；四是将城镇化率作为门槛变量，利用门限回归模型得出疫情背景下产业链延伸程度与农民收入之间的非线性关系；五是利用逐步回归方程分析农业劳动生产率在疫情背景下产业链延伸模式影响农民增收过程中的中介效应。同时基于研究结果提出政策启示，为保障农民在外生冲击下的增收韧性提供实证参考。

与已有文献相比，本文可能的边际贡献在于：一是在理论层面，结合我国农业产业的发展现状及其增收效果，创新性地完善了产业链延伸模式的发展概念，弥补了以往文献对产业链延伸系统性研究的不足；二是在方法层面，将新冠疫情冲击作为准自然实验，采用DID模型对大量随机样本进行分析，利用反事实经验证实疫情冲击下产业链延伸模式对保障农民增收韧性的实际效果；三是在政策层面，基于全国范围内的随机面板数据展开一系列的实证研究，有利于深化对农业产业链支持政策的理解，同时为实现各个地区的产业链延伸提供相应的政策启示。

2文献回顾与评述

新冠疫情冲击为农业生产经营的整个链条和各个领域带来显著影响，从而会对农业生产和主要农产品供给造成较为严重的后果（蒋和平等，2020）。一方面，疫情背景下农产品销售和农业投资呈下降趋势，农业生产成本提高、经营风险增加（魏后凯等，2020）；另一方面，疫情对于供应链底端劳动密集型产业的冲击更为强烈，因此外出农民工面临更大的就业压力和失业风险（Gupta et al.， 2022）。此外，已有部分学者针对疫情对农民收入的影响展开了相关研究，叶兴庆（2020）、汪小亚等（2020）一致认为，疫情对农业生产经营和外出务工就业的影响最终会反映到农村居民收入的变动上，且外出务工的农户面临更大的减收风险；芦千文等（2020）通过全国抽样问卷调查发现，相对于小农户，新型农业经营主体在疫情背景下更容易发生盈亏失衡；Chirwa等（2021）通过对南非林业部門的调查发现，新冠疫情使得当地木材价格以及供需状况发生波动，同时也对环境与生态旅游部门造成附加影响，进而损害当地林户的经济利益。

面对如此严峻的外部环境，如何有效降低疫情冲击风险、促进农业增产增收仍然是我国农业现代化发展的重要难题。产业链延伸作为农业产业融合中的重要一环，能够增强中国农业的经济韧性，因此具备应对外生冲击的重要潜力（Zhou et al.， 2023）。针对农业产业链延伸的研究主要集中在三个方面：一是农业产业链延伸的概念界定。农业产业链延伸本质上是将农业生产环节的不同主体联结起来，形成农产品生产、加工、销售等一体化完整链条的农业经营机制（肖卫东等，2019）。张辽等（2024）从风险的角度出发，认为农业产业链延伸是围绕农业生产环节组建农业合作社，通过组建专业化、集约化和信息化的产业集群，从而形成共担风险的利益共同体的过程。二是农业产业链延伸的实现路径。部分学者认为，农业产业链延伸具有多种具体形式，培育多元化融合主体并建立完善的利益联结机制是实现农业产业链延伸的内生动力（姜长云，2015；王乐君等，2017）。另外，有学者强调外部支持的重要性，认为围绕创新管理体制、健全农地制度等方面构建完善的政策支持体系是实现农业产业链延伸的重要保障（李俊岭，2009；陈学云等，2018；傅琳琳等，2022）。三是农业产业链延伸对农民收入的影响。农业产业链延伸能够提高全要素生产率并实现规模效益来增加农产品的附加值，从而使农民的收入得以增加（Hacklin et al.， 2010；叶奕茂，2019）。Kim等（2015）通过实证研究进一步发现，在订单农业等模式下农业产业链延伸能够使农民收入提升约80%。

此外，已有少数文献发现，农业产业链延伸不仅仅能提升农民收入水平，还能保障农民在应对疫情冲击时的增收韧性。“韧性”这一概念最早起源于生态学，延伸到经济学领域则是指一个国家、地区或个体面对冲击的预测、准备、应对和恢复的能力（张振等，2021）。梅李军（2021）认为，打造从田间到餐桌的全产业链条是实现风险防范与风险化解的关键，疫情冲击下更需要利用农业产业链延伸与产业协同来保障农民增收的良性循环。Vos等（2021）通过实证研究表明，疫情背景下农业企业可以通过联合农户等利益相关者来促进信息、技术、金融等要素的充分流动，从而以高效率的方式减少农民的贫困风险。Arora等（2023）通过对当地乳制品产业的调查发现，疫情暴发期间奶农可以通过产品精深加工来发展迎合消费者需求的本地化价值链，约有50%的奶农收入从该产业链的纵向延伸中获益。

综上所述，已有文献为本文的研究奠定了理论与实证基础，具有一定的参考借鉴意义，但仍存在部分局限性。一是在研究对象上，以往研究大多只将产业链延伸作为农业产业融合中的一个维度进行分析，而未对产业链延伸的具体维度与机制进行阐述。二是在研究视角上，关于产业链延伸与农民收入的研究较多，但鲜有文献从疫情冲击的角度探讨产业链延伸与农民增收韧性之间的相互关系。三是在研究方法上，现有研究大多局限于理论与政策层面，很少从实证层面阐释疫情冲击下产业链延伸对于农民增收韧性的影响机理。基于此，本文在已有文献的基础上提出并完善了产业链延伸模式的概念，同时借助新冠疫情这一外生冲击事件，采用准自然实验法分析疫情冲击下产业链延伸模式对农民增收韧性的作用机理，能够进一步补充和深化相关研究成果。

3理论分析框架与研究方法

为深入探究疫情冲击下产业链延伸模式对农民收入的影响机制，本文基于相关研究理论与成果，从宏观背景、模式定义以及具体作用机理的角度构建理论分析框架，进而提出相应的研究假设；同时，依据理论分析框架选取合适的研究方法与计量模型开展实证研究。

3.1理论分析框架

基于文献回顾与相关理论，本文从不同角度出发探讨疫情背景下产业链延伸模式与农民收入及其韧性之间的作用关系，进而提出研究假设。

3.1.1新冠疫情对农业产业链及农民收入的冲击作用

新冠疫情的暴发在一定程度上威胁了农业产业链的稳定性，造成上游供给端与下游需求端的断链现象（赵蓉蓉等，2022）。一方面，我国农业产业链连贯性与协同效应弱等问题严重制约了其应对风险的能力，疫情背景下交通和人员流动的受阻很有可能导致农产品供给滞后，进而带来间接性经济成本（蓝庆新，2021）；另一方面，疫情期间由于居家防疫造成的劳动力短缺以及消费者对病毒的恐慌心理，农产品在最终的销售环节严重受阻，致使其供给与需求之间出现失衡现象（肖荣荣等，2021）。此外，由于产业链具有传导性以及外部性的特征，因此疫情冲击下某一个产业链节点出现衔接困难都有可能影响整个产业链的生产秩序，同时这种连锁反应还将通过不同的产业链条进行传递，从而造成整个外部市场的不稳定性（刘威等，2020）。

产业链稳定是农业产业化发展和农民持续增收的关键，疫情冲击下农业产业链的波动势必也会影响到农民收入及其韧性。考虑到农民的收入结构，经营性收入和工资性收入在农民总收入中的占比较高，更容易受到疫情冲击的影响（李少星等，2020）。在农民的经营性收入方面，新冠疫情导致农资供给受阻，进而降低了农业产业链的产出效率，同时大多数农产品缺乏精深加工，农业产出的附加价值较低，农民损失惨重。而且，疫情冲击导致信息、技术等资源流通不畅，进而影响到农业多功能性的发挥，减少了农民多渠道收入来源并削弱其增收韧性（袁立新等，2020）。在农民的工资性收入方面，疫情冲击所带来的延期复工使得农民的有效工作时间大幅缩短，农民务工收入难以得到保障，从而很容易出现因工致贫的现象。此外，疫情背景下农产品加工业以及运输业等产业很可能出现长期停工，这将在一定程度上产生规模性失业，减少了农民的就业机会。同时，由于农民的劳动力供给弹性接近于零，意味着农民务工的机会成本较低（徐慧馨等，2020），因此，外出就业机会的减少很有可能切断农民的收入路径，抑制了农民增收的稳定性与可持续性。

3.1.2产业链延伸模式及其纾困路径

在以往研究中，产业链延伸往往被定义为基于纵向视角的产销一体化，并在此基础上获得农产品的价值增值（郑甘甜等，2022）。但这样的定义有着片面化的缺陷，因为在生产组织较为单一的情况下，农业的生产、加工、销售等环节很难获得高效持续的融合，同时现代农业的发展更需要考虑金融、科技和第三产业等因素的作用（刘佳等，2023）。在此基础上，本文提出并完善相应的产业链延伸模式，同时构建该模式缓解疫情冲击、保障农民增收韧性的理论框架。

产业链延伸模式是以农户、合作社、龙头企业等组织架构为基础，实现农业产业链纵向延伸与横向延伸的农业产业体系。产业链延伸模式结构框架如图1所示，在纵向延伸方面，农户依托合作社的农资供给和社会化服务进行农业生产，龙头企业负责农产品深加工和运销环节，从而实现真正意义上的产销一体化，完成农产品从田间到餐桌、从初级产品到终端消费的无缝对接。在横向延伸方面，合作社为产业链的各个环节提供信息流通和金融服务供給，农户借助龙头企业平台可以获取新型农业技术资源、开拓休闲农业项目，从而实现一二三产业的叠加，提升农业产业化水平和综合效益。

由理论分析可知，疫情冲击会对农业产业链的稳定性造成影响，进而导致产业链延伸程度不足。具体而言，新冠疫情弱化了产业链结构之间的适配性，导致产前、产中、产后各个环节出现利益分配不均的问题，不利于农产品的精深加工和一体化营销，抑制了产业链的纵向延伸。此外，疫情冲击下信息、金融、技术等资源要素存在严重的信息不对称，而个体经营者很难对其进行整合重组，因此农业产业链在拓展产业范围和丰富产业功能方面存在缺陷，产业链横向延伸明显受阻。本文将着重阐述疫情冲击下产业链延伸模式实现产业链纵向和横向延伸的作用机理，从而揭示其保障农民增收韧性的内在逻辑。

从纵向延伸的角度来说，疫情背景下产业链延伸模式保障农民增收韧性的作用机理体现在四个方面。一是该模式能减少由疫情带来的过剩交易成本，从而降低疫情冲击的市场风险。交易费用的存在使得资源交换效率下降（卢现祥，2003），疫情的暴发使得各个营销主体在搜集相关信息的时候将耗费更多的成本，而产业链延伸模式采用的是一体化经营模式，能够通过促进交易信息的充分流通从而保障农业经营收入。二是产业链延伸模式能促进农民适度规模经营，从而降低疫情冲击的市场风险。在传统的经营模式下，疫情冲击所带来的供给萎缩和价格波动产生了巨大的市场风险，而在产业链延伸模式下，随着合作社和龙头企业等新型农业经营主体的介入，农户具备了扩大生产规模的资源和基础，从而可以通过适度规模经营和降低单位成本来应对风险。三是产业链延伸模式能有效化解农村剩余劳动力，从而降低疫情冲击的自然风险。疫情背景下，劳动力市场的供需萎靡，农民的工资性收入增长受阻。而产业链延伸模式将农产品的供给环节拉长，在减少农户外出就业机会成本的同时也能使农户获得与自身技能相匹配的就业机会，从而大大减少了农户的摩擦性失业。四是产业链延伸模式能通过建立利益联结机制来降低疫情冲击的自然风险。疫情冲击所带来的信息不对称使得个体农户在利益保障中处于劣势地位，而在产业链延伸模式下，农户通过与合作社、龙头企业等主体之间建立规制结构来对契约关系进行适应性调整（韩洪云等，2018），从而更有可能通过稳定的长期合作关系来保障自身的工资性收入。

从横向延伸的角度来说，疫情背景下产业链延伸模式通过三个维度来保障农民增收韧性。一是产业链延伸模式能提升农民素质和技术采纳意愿，从而降低疫情冲击的技术风险。在疫情背景下，国家财政出现大额赤字，相关的农业技术研发存在瓶颈，同时原本的农技人员流动受阻，农业技术培训活动难以展开，农户的技术采纳意愿普遍较低。而在产业链延伸模式下，龙头企业能够利用自身的品牌信誉、资源平台等为农户提供定制化的培训和辅导服务，同时相应的利益联结机制更能提升农户抵御技术风险的能力。二是产业链延伸模式能实现农业多功能性的新业态发展，从而降低疫情冲击的自然风险。在疫情冲击的背景下，由于交通封闭而产生的本地资源过度利用会加剧当地环境的恶化，传统的休闲农业模式也会因为疫情因素而产生收益大幅下跌的现象。而在产业链延伸模式下，休闲农业升级成为线上的云观光生态游，同时原本的农业产业融入了互联网等新型产业，通过不断盘活农村固定资产来实现农民经营性收入的增长。三是产业链延伸模式能实现要素融合发展，优化非农就业结构，从而降低疫情冲击的自然风险。由于农村基层组织结构较为分散，难以将有限的资金集中用于用工信息的搜集上，同时传统的农民就业信息渠道多为外出务工人员回乡探亲的方式，而在疫情背景下该渠道会严重受阻。产业链延伸模式则通过信息、金融等要素的融合来打破这一困境，一方面利用金融服务供给扩大信息搜集的资金支持范畴，另一方面农户通过合作社获得多样的就业信息，从而有效保障农民的工资性收入。

综上所述，产业链延伸模式能够从纵向和横向两个维度有效应对疫情冲击带来的自然风险、市场风险和技术风险，进而保障农民收入的稳定性。疫情冲击下产业链延伸模式保障农民增收韧性的机理分析如图2所示。据此，提出假设H1。

H1：疫情背景下，相较于未采用产业链延伸模式的地区，采用产业链延伸模式的地区农民增收效果更为显著，更能有效保障农民增收韧性。

3.1.3疫情冲击下产业链延伸模式对农民收入的异质性影响

考虑到不同地区在资源禀赋、产业结构、人才引进等方面存在差异性，疫情背景下产业链延伸模式对农民收入可能会产生区域异质性影响。林业是整个农林牧渔产业中的关键一环，随着林区发展改革的不断深化，不同林区的全要素生产率出现阶梯型差异，这必然会影响到产业链延伸模式及其带动效果。根据《中国林业发展报告》以及相关研究，我国林区可以被划分为东北林区、北方林区、南方林区和西南林区4大林区（薛龙飞等，2016），本文主要关注不同林区对应的产业链延伸模式及其增收效果的差异。

针对不同林区而言，其自然资源禀赋本身存在一定的差异性，这在一定程度上会影响到农业生产的要素投入以及产出（李明等，2023）。在产业链的纵向延伸方面，受到政策扶持以及人才引进的影响，占据比较优势的林区更容易整合相关产业资源，着力于农产品的精深加工以及绿色农产品的开发，因此能够具备较长的农业产业链条（李尔彬等，2011）。同时，不同林区的发展模式与经营体制也决定了利益联合机制存在的可能性，进而影响到整个产业链纵向延伸的带动作用。在产业链的横向延伸方面，经济发展状况是影响地区科技研发投入的关键因素，经济高质量发展的林区更有可能具备高端农业技术与人才，实现从林业产业发展向全产业发展的跨越（申姝婧等，2021）。此外，不同林区农业多功能性业态的发展也存在一定的差异性。对经济林区而言，其土地多用于开展生产性经营，对于休闲农业的开发相对不足，在疫情冲击下对农民增收的带动作用相对有限；而对观赏林区而言，其休闲产业发展相对成熟，能够在更深层次上实现一二三产业的有效融合，进而促进各要素的充分流动并拓展农民的收入渠道。因此，不同林区在产业链延伸的方式与程度上存在一定的差异性，疫情冲击下通過产业链延伸模式带动农民增收的效果也会受到区域异质性的影响。据此，提出假设H2。

H2：疫情冲击下产业链延伸模式保障农民增收韧性的效果存在区域异质性。

3.1.4疫情冲击下产业链延伸程度与农民收入之间的门槛效应分析

在中国农业现代化转型过程中，基础设施建设与要素配置是制约农业产业化发展和农民增收的关键因素。新型城镇化是农业产业集聚的空间载体，可以通过人口红利与产业集聚效应来不断完善当地的基础设施建设（陈喜等，2023），同时也能通过要素集约化利用来优化要素投入和产出之间的匹配度（郭海红等，2019）。因此，城镇化可以通过基础设施建设与要素再配置效应来改善产业链延伸程度影响农民收入的约束条件，对产业链延伸模式保障农民增收韧性起着关键作用。

然而，疫情前后城镇化在产业链延伸程度与农民收入之间的作用机制可能存在差异性。一方面，疫情前对低城镇化地区的基础设施建设持续加强，同时不同区域之间存在交通、水利等设施的共建共享。而在疫情后由于政府的大额财政赤字，对基础设施建设投资大幅削弱，同时不同地区之间为相对独立的个体，城镇化率较高的地区能够继续为产业链延伸提供基础设施保障，而城镇化率较低的地区则面临着生产成本与生产效率难以兼顾的困境，势必会影响到产业链延伸程度的增收效应。另一方面，疫情前产业链延伸能够发挥规模效应与扩散效应，能够促进信息、技术在不同城镇化率地区的充分流动，因此产业链延伸程度会对农民收入产生整体性的作用效果。而在疫情暴发之后，由于政策限制与交通受阻等因素使产业链延伸难以实现要素资源的融通共享，高城镇化地区更加倾向于发挥产业集聚效应，从而实现区域内的农民增收（孟立慧，2023），而低城镇化地区则只能通过技术创新来实现要素生产率的提高，这在短期内很难发挥产业链延伸程度的作用效果。此外，疫情前人员的自由流动使得不同地区的农民面临着较为平等的就业机会，而疫情后各个地区处于较为封闭的状态，高城镇化地区能够为农村剩余劳动力提供更加充足的就业机会（鲁钊阳等，2023），从而有效保障了产业链延伸的人员供给，并实现农民收入的稳步提升。

综上，疫情背景下產业链延伸程度与农民收入之间存在着非线性关系，在不同的城镇化水平下，产业链延伸程度对农民收入的作用效果也会有所不同。因此，疫情冲击下产业链延伸程度对农民收入的影响存在地区城镇化率的门槛特征。据此，提出假设H3。

H3：由于地区城镇化水平的差异，疫情冲击下产业链延伸程度对农民收入的影响存在门槛效应。

3.1.5疫情冲击下产业链延伸模式保障农民增收韧性的影响机制分析

疫情冲击下产业链延伸模式对农民收入具有明显的促增效应，并且该效应呈现一定的阶段化特征。本文将从农业劳动生产率的角度出发对其影响机制进行深入分析，以探究疫情冲击下产业链延伸模式保障农民增收韧性的共同路径。

一般来说，农业劳动生产率的提高体现着传统农业向现代农业转型的特征，提高农业劳动生产率能通过扩大农业现代化优势来缩小城乡收入差距（汪小平，2007；刘志文，2013）。因此，本文将疫情冲击下产业链延伸模式促进农民增收的影响机制聚焦于农业劳动生产率上。一方面，疫情冲击下产业链延伸模式能通过减少交易成本、发挥规模经济优势来降低农业生产成本、提高农民生产的积极性，新型技术的引进和农业多功能性新业态的发展能充分利用多种生产要素来扩大农业产出，因此农业生产总值会不断扩大；另一方面，疫情冲击下产业链延伸模式也为农民提供了非农就业机会，剩余劳动力供给的扩大和要素融合发展为实现农业劳动力向非农部门的转移提供了基础和条件，利益联合机制更加固了农户兼业或从事非农行业的稳定性，因此农业就业人员会实现稳态缩减。伴随着农业产值的上升和农业从业人员的减少，疫情冲击下产业链延伸模式会不断提升农业劳动生产率。

有关农业劳动生产率的提升如何促进农民增收已有众多研究，本文将引入Beveridge曲线来说明这一问题。Beveridge曲线是英国经济学家William Beveridge在1994年率先用于反映劳动力市场中失业率（U）和岗位空缺率（V）反方向变动关系的曲线。农业劳动生产率提升后农业部门与非农部门的UV曲线如图3所示，农业劳动生产率的提高通常伴随着农业从业人员的缩减，此时农业部门对应的岗位空缺率下降、失业率上升，均衡状态由A点转移到B点，但较高的农业生产率可以实现农产品总量增长的结构优化，提高农业商品化程度，保障农产品价格稳中有升（薛国琴，2018），因此对农业部门来说，农民的人均经营性收入将会得到有效提升。根据托达罗模型理论，当非农部门的工资预期超过农业部门时，那些由于农业劳动生产率提高而失业的劳动力便会不断转移到非农部门，而非农部门也有足够能力提供相应的就业机会，此时非农部门对应的失业率下降。当农村剩余劳动力的转移满足了非农部门的劳动力要素需求时，非农部门的产出和规模将有所扩大，此时便会产生新的岗位和劳动力需求，随着岗位空缺率的上升，非农部门的失业率将会进一步下降。因此，在经历多次循环后，非农部门的就业效应相较于农业部门的失业效应有所溢出，其均衡状态将由C点转移到D点，此时被农业部门挤出的农民会获得持续性的工资性收入增长。综上，疫情冲击下产业链延伸模式能够通过提升农业劳动生产率来增加农民的经营性收入和工资性收入，该模式在促进农民增收的过程中存在相应的中介效应。据此，提出假设H4。

H4：疫情冲击下产业链延伸模式能够有效提升农业劳动生产率，进而保障农民增收韧性。

3.2研究方法

根据上述理论分析，本文将新冠疫情作为准自然实验干预（Bai et al.， 2016）来评估疫情冲击下产业链延伸模式对农民收入的作用效果。一是利用平行趋势检验判断目标地区与非目标地区在疫情冲击前的差异，为合理的模型选择提供依据；二是运用DID检验理论分析框架，其优势在于能够消除组间不随时变的差异，从而更合理地评估产业链延伸模式的作用效果（李红莉等，2022）；三是利用似不相关模型进一步检验不同地区在疫情冲击前后的增收效果差异，从而弥补DID模型的溢出效应和组内差异等固有局限；四是考虑到疫情冲击下产业链延伸与农民收入之间的非线性关系，采用门槛效应模型探究其作用机理，从而能够对实证研究结论进行进一步延伸；五是采用中介效应模型检验农业劳动生产率在产业链延伸模式与农民收入之间的中介作用，既能填补上述实证模型有关影响机制的空缺，也能从政策层面为推进产业脱贫与农民持续增收提供借鉴经验。

3.2.1平行趋势检验模型

利用准自然实验法进行反事实研究具有重要的前提假设，即实验组和对照组在受到外生冲击前具有共同的变化趋势。参考Li等（2016）的研究，本文采用事件研究法检验疫情前实验组与对照组的平行趋势，回归方程如式（1）所示。

3.2.2 DID模型

在经过平行趋势检验后，参考罗长远等（2020）对新冠疫情和在线教育的研究，本文选取DID模型作为准自然实验的基本方法。DID模型能够从两个维度来评估疫情冲击下产业链延伸模式对农民收入的影响，其中第一重差分来自不同地区是否采用产业链延伸模式的差异，第二重差分来自疫情前后的时间差异，具体的模型设定如式（2）所示。

3.2.3似不相关检验模型

由于DID模型存在溢出效应、组内差异等固有缺陷，因此本文引入似不相关模型进行分组回归检验，从而进一步判断实验组和对照组地区在疫情前后的增收效果是否有显著变化，具体的模型设定形式如式（3）和（4）所示。

3.2.4门槛效应检验模型

由理论分析可知，疫情冲击下产业链延伸程度对于农民收入的影响可能存在城镇化率的门槛效应。借鉴陆扬等（2023）的研究，本文以地区城镇化率作为门槛变量，利用非线性面板门槛模型对疫情冲击下产业链延伸程度与农民收入之间的非线性关系开展深入研究，模型设定形式如式（5）所示。

4数据来源与描述性统计

本文在构建实证模型的基础上，进一步对数据来源、样本地区分组以及变量选取进行解释说明，并对相关变量进行初步的描述性统计分析，为后续的实证检验提供参考依据。

4.1数据来源

基于数据的可获得性和研究质量，本文首先剔除北京、上海等经济高度发达地区以及西藏、新疆等偏远落后地区，之后采取多阶段随机抽样的方法，在全国范围内随机抽取14个省份的56个地级市作为地区样本，进而构建相关地区2016—2022年的平衡面板数据。各变量数据主要来源于历年《中国农村统计年鉴》《中国城市统计年鉴》《中国休闲农业年鉴》以及各省市的统计年鉴与公报，对于部分缺失数据则采用移动平均值、均值插补和线性插补等方法进行补齐。此外，在实证分析中为弱化极端值的潜在影响，本文对连续型变量进行了1%和99%的缩尾处理。

4.2样本地区分组

为进一步确定实验组与对照组地区，参照朱兆珍等（2018）的研究，本文通过选取典型指标构建产业链延伸程度综合指数，以此作为实验分组的依据。从已有文献可知，学术界对于产业链延伸的研究成果众多，但尚未形成统一的评价指标体系。鉴于此，通过结合以往研究成果与对产业链延伸模式的定义，本文构建了产业链延伸程度（Extent of Industrial Chain Extension， EICE）綜合评价体系。产业链纵向延伸指标包括农产品加工业产值与农林牧渔总产值之比、龙头企业带动农户数以及第一产业增加值占GDP增值比重，产业链横向延伸指标包括地区涉农贷款余额、农业科技投入占农林牧渔总产值比重以及休闲农业年营业收入。因此，本文所构建的评价体系综合考量了产业链的纵向和横向延伸，能够更加全面地反映产业链延伸模式的本质内涵，从而为后文验证理论假设提供可靠依据。在得到综合评价指标的基础上，本文对样本地区的原始数据进行归一化处理，之后选择熵值法对构建的指标体系赋予权重。产业链延伸程度的综合评价指标体系及权重如表1所示。

根据表1计算得出56个地级市2016—2022年的平均产业链延伸程度，限于篇幅本文将不再展示各个地区的具体数值。根据所得整体结果，各个地区的平均产业链延伸程度存在较为明显的断层差异，且断层两侧地区的组内差异较小，故本文采用K均值聚类方法对样本地区进行分组。由于准自然实验要求区分实验组与对照组，因此令分组数K=2，将平均产业链延伸程度较高的地区聚类为实验组，反之则聚类为对照组。其中，实验组一共包括24个样本地区，其平均产业链延伸程度处于0.31～0.75之间，视为采用产业链延伸模式；对照组一共包括32个样本地区，其平均产业链延伸程度处于0.07～0.30之间，视为未采用产业链延伸模式。综上所述，在满足随机抽样原则的基础上，本文所选取的实验组与对照组之间存在较大的组别差异，采用聚类方法得到的样本分组结果较为合理，能够满足准自然实验的设计原则与逻辑要求。

4.3变量选取

本文旨在探究疫情冲击下产业链延伸模式对农民增收韧性的影响及其作用机制。参考相关研究，对相关变量的衡量指标进行说明，并纳入回归模型。

（1）被解释变量。为度量农民实际收入水平，本文借鉴王丽英等（2021）的做法，选取2016—2022年样本地区农村居民人均可支配收入的对数值作为被解释变量，可以反映农民经过初次分配和再分配后的实际收入。同时考虑到价格因素的影响，本文以2016年为基期，利用CPI指数对农村居民人均可支配收入进行消胀处理。

（2）核心解释变量。DID模型中的交互项是核心变量，也是解决内生性问题的关键（龚燕玲等，2023）。本文选取交互项Treatit×Periodit作为核心解释变量，其中Treatit表示是否采用产业链延伸模式的虚拟变量，若地区采用产业链延伸模式，则赋值为1，反之赋值为0；Periodit表示是否受到疫情冲击的虚拟变量，参照Albuquerque等（2020）的研究，在2020年及之后取值为1，反之则取值为0。

（3）门槛变量。已有众多学者的研究表明，城镇化在农业产业升级与农业产业链延伸中发挥着重要作用（王飞等，2016；龚锐等，2020），较高的城镇化水平能通过优化要素配置与强化基础设施来保障产业链的持续延伸，从而提升农业生产效率与农民增收效果（李艳琦，2023）。因此，本文选取地区城镇化率作为产业链延伸程度影响农民收入的门槛变量，将地区城镇人口与总人口之比作为该变量的衡量指标。

（4）中介变量。基于产业链理论，疫情冲击下产业链延伸模式能够在有限的空间内实现价值和信息的交换与共享，从而促进广义的农业技术进步（李晓龙，2021）。同时，技术进步通常伴随着农业劳动生产率的提高，较高的农业劳动生产率又能通过提升农业产业价值以促进农民收入增长（张宽等，2017）。因此，参考王刚毅等（2023）的做法，本文将农业劳动生产率作为中介变量，选取地区第一产业增加值（万元）与第一产业就业人数之比作为该变量的衡量指标。

（5）控制变量。由于农民收入水平还会受到经济发展程度、地方资源禀赋等多方面因素的影响（张林等，2020），本文在参考相关文献的基础上，选取经济发展水平、地区金融发展程度、农村人力资本水平、财政支农水平、农业机械化水平、农业保险比率以及林地资源作为控制变量对模型进行修正（李研等，2021；周旺妮等，2022），从而能够在一定程度上削弱模型的内生性问题并保障估计结果的准确性。

4.4描述性统计

相关变量定义及描述性统计结果如表2所示。

由表2可知，2016—2022年样本地区的整体农民收入水平较高，但内部差异性较大，存在较为严重的地区农民贫富差距大的现象。在门槛变量方面，地区城镇化率的均值为61.20%，这与2022年国民经济和社会发展统计公报中的全国常住人口城镇化率（65.22%）相当，进一步验证了样本选择的严谨性与代表性。在中介变量方面，样本地区单位农业劳动力贡献的农业增加值为3476元，说明整体而言样本地区的农业劳动生产率较高，符合中国的实际情况。在控制变量方面，样本地区经济与金融发展程度较低，人均受教育年限同样处于较低水准，不同地区的财政支农水平、农业机械化水平、农业保险比率以及林地资源呈现较大差异，两极分化严重。

5经验性结果

基于理论分析与模型设定，本文针对疫情冲击下产业链延伸模式与农民收入之间的作用关系进行实证研究。一是对数据进行平行趋势检验、固定效应检验以及多重共线性检验；二是利用DID模型进行基准回归分析，并对结果进行稳健性检验；三是剖析疫情冲击下产业链延伸模式对农民收入的异质性影响；四是构建门槛效应模型检验不同城镇化水平下产业链延伸程度的增收效果；五是利用中介效应模型探究疫情冲击下产业链延伸模式对农民收入的影响机制。

5.1平行趋势检验

利用DID模型进行反事实研究具有重要的前提假设，即实验组和对照组在受到外生冲击前具有共同的變化趋势。因此，本文选取相应年份进行平行趋势检验，同时为避免多重共线性的影响，删除疫情暴发的前一年，估计结果如图4所示。

由图4可知，在受到疫情冲击之前，α1的90%估计值置信区间全都包含零值，代表不能拒绝零假设，即疫情冲击前实验组与对照组地区的农民收入水平基本保持一致；疫情暴发当年的估计结果并不显著，这可能是因为政策的制定实施与生产方式的转变需要一定的时间，产业链延伸模式在促进农民增收方面存在一定的滞后效应；而在受到疫情冲击后，α1显著拒绝了零假设，实验组地区在疫情后的增收效应逐渐显现并呈现上升的趋势。因此，实验组与对照组地区的农民收入水平并不存在显著的事前趋势差异，平行趋势假设得以验证。

5.2固定效应与多重共线性检验

在开展回归分析之前，还需对模型固定效应以及变量之间的多重共线性问题进行检验，从而确保回归结果的准确性。首先，采用Hausman检验确定模型固定效应的合理性，结果显示，检验P值小于0.0010，表明应当在模型中加入固定效应。其次，通过计算模型中各变量的方差膨胀因子来确定是否存在多重共线性问题，结果显示变量方差膨胀因子均小于5，其中最小值为1.2417，最大值为4.1536，因此各变量之间不存在多重共线性问题。

5.3基准回归结果

为避免假设检验中的异方差、多重假设等问题，本文采用不同的标准误差估计方法来对模型进行校正，以防止回归结果有偏。在此基础上根据式（2）中的DID模型进行基准数据回归，结果如表3所示。

由表3可知，无论在何种标准误估计方法下，相较于未采用产业链延伸模式的地区，采用该模式的地区在疫情后的农民收入都得到了显著提升，平均而言农民收入上升幅度约为12%。此外，可以发现，无论是否加入控制变量，双重差分交互项的系数总在1%的显著性水平上显著，因此疫情冲击下实验组与对照组地区的农民收入差异较为稳健。

同时由前文可知，本文依据产业链延伸程度综合评价体系进行地区分组，该体系中包含了产业链纵向延伸和横向延伸的具体形式，与理论分析中的影响机制相对应。因此由实证结果可知，相较于对照组地区，疫情冲击下实验组地区在纵向延伸上更有可能通过减少交易成本、适度规模经营、扩大劳动力供给以及建立利益联合机制来降低自然风险和市场风险，在横向延伸上更可能通过提升技术采纳意愿、实现农业多功能性以及要素融合发展来降低技术风险以及自然风险，从而得以保障农民的主要收入来源。综上所述，产业链延伸模式能够从不同维度有效降低疫情冲击风险，对保障农民增收韧性具有显著性效果，研究假设H1得以初步验证。

5.4稳健性检验

为进一步证明实证结果的科学性与可靠性，本文利用PSM-DID回归估计、安慰剂检验以及似不相关检验对基准回归结果进行稳健性分析，从而为后文的深入研究提供相应的科学依据。

5.4.1 PSM-DID回归估计

由于不同地区是否采用产业链延伸模式可能会受到其他不可观测因素的影响，导致实验组的选取并非是一个随机选择的过程，因此可能会产生样本自选择偏差并造成回归估计的内生性。参照白俊红等（2022）的思路，本文采用倾向得分匹配（Propensity Score Matching， PSM）方法进行检验，将控制变量作为样本的识别特征分别进行邻近匹配、半径匹配以及核匹配，并对匹配后的样本重新进行DID估计，所得回归结果如表4所示。

由表4可知，在采用不同匹配方法消除样本自选择带来的内生性问题后，双重差分交互项的系数仍然为正且在1%的显著性水平上显著。因此，疫情冲击下产业链延伸模式确实能对农民收入产生正向提升作用，基准回归结果具有较强的稳健性。

5.4.2安慰剂检验

本文采用随机设定实验组的方法进行安慰剂检验，从而判断非观测遗漏变量是否会对估计值产生有偏影响。参照Lu（2022）的研究，本文从56个地区样本中随机抽取部分地区作为“伪实验组”，对式（2）中的DID模型进行重新估计，以验证是否能够得到相同的反事实结果。在此基础上，采用核密度估计（Kernel Density Estimate， KDE）方法重复500次上述的随机过程，安慰剂检验结果如图5所示。

由于“伪实验组”是随机生成的，因此从理论上来说不会对被解释变量造成显著影响，交互项系数的估计值预期为0。从图5中可以看出，所有交互项系数的估计值近似服从均值为0的正態分布，而本文所进行的准自然实验中实际交互项系数在该分布中明显属于异常值。这表明估计结果没有明显的遗漏变量偏误，使用DID模型得到的基准回归结果具有较强的稳健性。

5.4.3似不相关检验

由于DID模型存在溢出效应、组内差异等局限性，因此本文重新构建分组回归模型进一步对比分析实验组和对照组的增收效果，以便对DID模型的结果进行补充和验证。

首先，本文采用普通最小二乘（Ordinary Least Square， OLS）估计法分别对式（3）和式（4）的模型进行估计，组内回归结果与组间差异比较如表5所示。由表5可知，疫情前后实验组地区的产业链延伸程度对农民收入的影响都在1%的显著性水平上显著，且产业链延伸程度的边际效应从1.2925上升为1.6822，增幅约为30%；对照组地区的情况与之类似，但产业链延伸程度对农民收入的边际效应略显不足，从4.1423上升至4.6982，增幅约为13%。

其次，为进一步比较实验组和对照组的增收效果在统计学上的差异，本文采用似不相关回归（Seemingly Unrelated Regressions， SUR）分别对实验组和对照组进行验证。由表5可知，实验组地区中产业链延伸程度对农民收入的影响在疫情前后的差异具有1%的显著性水平，这说明整体较高的产业链延伸程度能够有效抵御疫情冲击风险；而对照组地区中产业链延伸程度对农民收入的影响在疫情前后并未产生统计学意义上的差异，因此整体较低的产业链延伸程度并不能对农民收入产生实质性的影响，农民增收韧性相对不足。

利用可视化图形可以更加直观地说明以上结论，图6与图7分别展示实验组地区与对照组地区疫情前后趋势变化散点图。如图6所示，实验组地区中产业链延伸程度对农民收入的影响在疫情前后产生了分化，疫情之后拟合线的斜率明显增大，这证实了实验组地区在促进农民增收方面的实质性作用。如图7所示，对照组地区中产业链延伸程度与农民收入的关系趋势在疫情前后基本保持一致，同时相对于实验组而言，对照组在疫情前后的拟合线斜率并未发生明显变化，这说明对照组地区在面对疫情冲击时未能明显促进农民增收，农民收入变化保持相对稳定的水平。因此，产业链延伸模式在应对疫情冲击风险、扩大农民增收效应方面具有相对优势，更能在疫情背景下有效保障农民增收韧性，假设H1得以进一步验证。

5.5异质性分析

由理论分析部分可知，疫情冲击下产业链延伸模式促进农民增收的效果存在区域异质性。参照刘亚等（2023）的做法，本文将地区样本分为四大林区（东北林区、北方林区、西南林区、南方林区）进行分组回归，考察在不同的区域条件下产业链延伸模式保障农民增收韧性的差异。分区域异质性回归结果如表6所示。

由表6可知，疫情冲击下北方林区和南方林区的产业链延伸模式对农民收入的影响在1%的显著性水平上显著，东北林区相应系数的显著性水平为5%，而西南林区则未表现出相应系数的显著性。因此，相较于东北林区与西南林区，北方林区和南方林区在疫情冲击下更能够发挥产业链延伸模式的增收效应，这表明疫情背景下产业链延伸模式对于农民收入的影响具有一定的区域异质性，假设H2得以验证。究其原因：东北林区以及西南林区是我国重要的粮食生产基地，农业政策导向偏向于基础农产品的生产和加工，对农业产业链延伸的投入相对不足，同时由于该地区自然资源破坏严重，农户在疫情冲击下仍面临着较大的风险挑战，产业链延伸模式带动农民持续增收的作用有限；而对北方林区和南方林区而言，其经济发展状况较好，区位优势能够实现一二三产业的深度融合，进而能在疫情冲击下从多维度保障农民的持续增收。此外，受到教育资源以及技术扩散等因素的影响，该地区农业生产主体的综合素质水平更高，在面对疫情冲击风险时更能有效进行分工协作，从而能在更大程度上发挥产业链延伸模式的增收效应。

5.6基于城镇化率的门槛效应分析

由前文理论分析可知，疫情冲击下产业链延伸程度对农民收入的影响可能存在城镇化率的门槛效应。本文利用门槛模型从实证层面对该假设进行进一步验证，首先采用Bootstrap方法对疫情前后城镇化率的门槛数量识别检验，如表7所示。从表7中可以发现，疫情之前城镇化率变量皆未通过门槛数量检验，说明疫情前产业链延伸程度对农民收入的影响并不存在城镇化率的门槛效应；而疫情之后城镇化率变量只通过了单门槛数量检验，说明疫情后产业链延伸程度对农民收入的影响仅存在单门槛效应，且对应门槛值为50.12%。在此基础上，本文采用似然比（Likelihood Ratio， LR）检验方法对上述的门槛存在情况进行进一步验证，疫情前后所对应的检验结果分别如图8和图9所示。

从图8和图9可以发现，疫情前存在多个门槛变量的点估计值，且同时存在多个置信区间，因此可以判断疫情前不存在相应的门槛效应；而疫情后只存在一个点估计值与对应的置信区间，因此疫情后存在城镇化率的单门槛效应。为进一步判断疫情冲击下产业链延伸程度与农民收入之间的非线性关系，本文采用门限回归方法来比较不同城镇化水平下产业链延伸程度对农民收入的影响差异。城镇化率门槛效应回归结果如表8所示。

由表8结果可知，无论城镇化率URBit是否高于门槛值，产业链延伸程度对农民收入的影响总是在1%的显著性水平上显著。当URBit低于门槛值时，保持其他条件不变的情况下产业链延伸程度每上升1个单位，农民收入将提高52.00%；而当URBit高于门槛值时，产业链延伸程度对农民收入的边际效应上升至0.7459，即保持其他条件不变的情况下产业链延伸程度每上升1个单位，农民收入将提高74.59%。综上，疫情冲击下产业链延伸程度与农民收入之间存在显著的非线性关系，在一定的城镇化水平下，产业链延伸程度对农民收入的边际效应能够得到提升。因此，疫情冲击下产业链延伸程度对农民收入的影响具有城镇化率的门槛效应，假设H3得以验证。

5.7基于农业劳动生产率的中介效应分析

基于前文理论分析可知，疫情冲击下产业链延伸模式能够有效提升农业劳动生产率，而农业劳动生产率的提高又能通过扩大农业商品化程度和实现劳动力转移来提升农民的经营性收入和工资性收入。为进一步验证该影响机制，本文以农业劳动生产率作为中介变量构建逐步回归方程，结果如表9所示。

表9中，列（1）与列（2）的总效应回归结果表明交互项系数在1%的显著性水平上显著，即疫情冲击下产业链延伸模式对农民收入具有正向促进作用。列（3）与列（4）中的交互项系数同样在1%的显著性水平上显著，表明疫情背景下产业链延伸模式对农业劳动生产率具有正向直接效应。列（5）与列（6）将交互项与中介变量同时纳入回归方程，结果显示中介变量的回归系数依然在1%的显著性水平上显著为正，因此农业劳动生产率产生了间接效应，验证了疫情背景下产业链延伸模式保障农民增收韧性的作用机制。

此外，由于列（5）和列（6）中的交互项系数同样显著为正，因此在产业链延伸模式保障农民增收韧性的过程中，农业劳动生产率实际上发挥了部分中介效应。进一步计算农业劳动生产率的中介效应值，可以得到该中介效应=0.0382×0.8899≈0.0340，因此，农业劳动生产率发挥的部分中介效应占比=0.0340÷0.1059≈0.3211。综上，疫情背景下农业劳动生产率在产业链延伸模式对农民增收的促进效应中充当了传导渠道，发挥了部分中介效应。因此，假设H4得以验证。

6研究结论、讨论与政策启示

新冠疫情抑制了农业产业的稳定性与农民增收的持续性，在此背景下，产业链延伸模式成为破除疫情冲击风险、提升农民增收韌性的关键驱动力。本文以疫情冲击作为准自然实验，基于2016—2022年的市级面板数据，实证检验了疫情冲击下产业链延伸模式对农民收入及其韧性的影响机制。在此基础上，得出研究结论并展开进一步讨论，从而提出相应的政策启示。

6.1研究结论

利用新冠疫情的准自然实验，本文从疫情冲击的视角探讨了产业链延伸模式与农民增收韧性之间的相互关系，得出4点研究结论。

（1）在疫情冲击下，产业链延伸模式能够通过纵向延伸与横向延伸降低疫情冲击带来的自然风险、市场风险以及技术风险，从而使得农民收入稳中有升。实证结果同样表明，疫情背景下产业链延伸模式具有明显的增收效应，平均而言其增收幅度约为12%，因此产业链延伸模式在抵御疫情冲击风险、保障农民增收韧性方面具有重要作用。

（2）疫情冲击下产业链延伸模式对农民收入的作用效果存在一定的区域异质性。不同林区的自然资源禀赋以及政策支持等因素会影响产业链延伸模式对农民收入的作用效果，相较于东北林区以及西南林区，疫情冲击下北方林区和南方林区更能够发挥产业链延伸模式的增收效应。

（3）门槛效应分析表明，疫情冲击下产业链延伸程度与农民收入之间存在明显的非线性关系，其主要表现为两者之间具有城镇化率的门槛效应。当地区城镇化率超过门槛值50.12%时，产业链延伸程度的增收效应会进一步扩大。

（4）影响机制分析发现，疫情冲击下产业链延伸模式能通过有效提升农业劳动生产率来保障农民增收韧性，农业劳动生产率在其中发挥了部分中介效应，该中介效应占比为32.11%。

6.2讨论

本文探究了疫情冲击下产业链延伸模式对农民增收韧性的影响，与以往研究不同的是，本文将新冠疫情作为一项准自然实验，在构建产业链延伸程度综合指标体系的基础上，针对疫情冲击下产业链延伸模式影响农民收入的具体作用机理进行分析，得出的部分结论与以往研究成果一致，同时也进行了一定的创新和拓展。

（1）通过DID估计以及稳健性检验，本文发现疫情冲击下产业链延伸模式对农民收入具有显著的正向提升作用，这与何嗣江（2007）、叶奕茂（2019）的研究结论基本一致。在纵向延伸上，产业链延伸模式能够减少交易成本并实现适度规模经营（周妮笛等，2016），同时也能通过扩大劳动力供给与形成利益联合机制来降低疫情冲击的自然风险（肖婧文等，2020）。在横向延伸上，以往研究多从实现农业多功能新业态以及要素融合发展的角度出发进行分析（黄晓军等，2015），本文在此基础上进行了拓展，考虑到横向延伸对农民技术采纳意愿的影响，完善了产业链延伸模式降低疫情冲击风险的作用机理。

（2）通过区域异质性分析，本文发现疫情冲击下产业链延伸模式的增收效应在北方林区和南方林区更为显著，这与王丽纳等（2019）、周旺妮等（2022）的研究结论类似，但在造成这种区域差异的原因上存在分歧。王丽纳等（2019）强调农村金融发展水平和经济发展程度所发挥的协同作用使得不同地区的农民收入水平存在差异性，而周旺妮等（2022）认为基础设施以及生态环境的脆弱性可能会降低西部地区的抗风险能力，从而减少产业链延伸的增收效果。与以往研究不同的是，本文从林区异质性的角度出发，认为疫情背景下自然资源禀赋、林区经营体制以及农业多功能新业态是影响产业链延伸程度以及农民增收效果的关键因素，为不同林区采取差异化措施以促进产业链延伸提供理论依据。

（3）通过门槛效应分析，本文发现疫情冲击下产业链延伸程度与农民收入之间存在非线性关系，这是一项创新之处。一是得出疫情冲击下产业链延伸模式对农民收入的影响存在城镇化率的单门槛效应，这区别于以往研究中城镇化率的双门槛效应（柴富成等，2015；孙文婷等，2022），可能的原因是本文所选取的研究对象及样本地区与相关研究存在差异。二是得出较高的城镇化率能够提高产业链延伸程度对农民收入的边际效应，这与段龙龙等（2022）认为逆城镇化能够改善产业链延伸效果的研究结论相反。实际上，逆城镇化是城镇化高度发展的特殊形式，但现阶段我国大部分地区仍然通过新型城镇化来加强基础设施建设与要素再配置，从而改善产业链延伸程度影响农民收入的约束条件（郭海红等，2019；陈喜等，2023），因此本文能够更好地从现实层面揭示疫情冲击下产业链延伸程度与农民收入之间的非线性关系。

（4）通过中介效应分析，本文发现疫情冲击下产业链延伸模式通过提升农业劳动生产率来保障农民增收韧性，这与汪小平（2007）、刘志文（2013）的研究结论相符。一方面，疫情背景下产业链延伸能够通过优化资源配置和引进先进技术来扩大农业产出（张宽等，2017），同时产业链延伸也是实现农村富余劳动力转移的关键因素（李菁，2023），这有利于推动产值转化并有效提升农业劳动生产率；另一方面，农业劳动生产率的提升是农业现代化的本质体现，能够通过农业生产结构优化来增加农业经济效益并缩小城乡收入差距（刘志文，2013），进而持续保障农民增收韧性。基于该影响机制，本文为进一步提升产业链延伸的增收效应提供了新的视角，即克服片面追求模式建设的局限性，加快推进模式建设向提升生产效率进行转变，以保障农民持续增收。

本文仍存在不足之处，需要进一步研究分析。一是受到研究条件的限制，主要采用随机抽样的方法抽取部分地级市样本进行分析，这可能在一定程度上影响研究结论的普适性，后续可以通过扩大样本容量或采用省级面板数据进行研究来弥补这一缺陷；二是将新冠疫情作为准自然实验进行研究，但目前疫情冲击带来的风险正不断弱化，因此从长期视角探究在其他外生冲击背景下产业链延伸模式保障农民增收韧性的效果将是进一步研究的重点。

6.3政策启示

在后疫情时代下，我国农业产业仍然会受到其他突发公共卫生事件的冲击，对社会经济的稳定性及农民持续增收造成了负面影响，在此背景下深入探究产业链延伸模式的增收效应对实现农业农村的现代化发展具有重要意义。本文基于研究结论与讨论，提出四个方面的政策启示。

第一，加強农业产业链延伸，降低外部冲击风险。一方面，产业链上下游各个经济主体之间需要建立起长期紧密的合作关系，通过利益联合机制来实现产业链的多维度延伸，从而有效降低疫情等外部冲击风险；另一方面，政府等部门需要建立并完善农业产业链应急管理体系，在遭遇突发公共卫生事件时需要通过农业保险以及应急农业补贴来保障产业链延伸的可持续性，进而弱化外部冲击的影响程度并促进农民稳定增收。

第二，注重区域性差异，形成因地制宜的发展策略。各个地区的农业产业模式需要与整体发展目标和趋势保持一致，特别是在疫情等外部冲击频发时期，更要利用差异化发展策略来保持宏观经济稳定和周期性增长。以林区为例，北方林区和南方林区需要深度延伸林业产业链条，通过产业集聚发挥资本与技术扩散效应，从而推动区域经济的融合发展；东北林区和西南林区需要重点打造林下经济产业，通过人才引进与技术创新来促进产业链的横向延伸，在此基础上进一步拓宽林户增收渠道，从而形成应对突发公共卫生风险的有力屏障。

第三，提高地区城镇化水平，转变产业发展方式。一方面，政府需要大力推进新型城镇化进程，通过加强基础设施建设与推动要素合理配置来进行逆向调节，从而进一步扩大产业链延伸的增收效应并有效提升农户应对突发公共卫生事件的能力；另一方面，产业经营主体需要利用城镇化优势转变自身发展方式。以林户为例，其可以利用城镇化平台打破技术和融资约束，加快从粗放型经营模式向特色化林业产业模式转变，从而拓宽突发疫情风险的分散与转移渠道，实现“小林户”与“大市场”之间的有效衔接。

第四，全面提升劳动生产率，促进农业高质量发展。在推动乡村振兴的发展过程中，农户面临突发公共卫生事件等多重外部压力，需要通过加强农业生产效率来疏通产业链延伸促进农民增收的路径机制，从而保障农业的高质量发展。各地区要不断加强农业科技创新并提升产值转化率，同时完善利益分配机制和沟通信任机制，进而提高农民参与产业链延伸获得的增值收益。政府部门要针对产业链延伸模式建立后续的追踪监督机制，通过发挥激励与约束作用来推动模式建设向效率提升的转变，这有利于强化产业链应对外生冲击的抵抗力与创新力，从而保障我国农业现代化发展与社会经济的稳定持续运行。

参考文献

白俊红，张艺璇，卞元超.创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J].中国工业经济， 2022（6）：61-78.

柴富成，程豹，谭周令.新疆地区农业现代化进程中的门槛效应分析[J].江苏农业科学， 2015， 43（10）：523-525.

陈喜，陆建珍，王凯，等.农旅融合对农业劳动生产率影响的实证检验——以全国休闲农业与乡村旅游示范县为例[J].中国农业资源与区划， 2023， 44 （5）：155-163.

陈学云，程长明.乡村振兴战略的三产融合路径：逻辑必然与实证判定[J].农业经济问题， 2018， 39（11）：91-100.

程国强，朱满德. 2020年农民增收：新冠肺炎疫情的影响与应对建议[J].农业经济问题， 2020（4）：4-12.

段龙龙，叶子荣.“逆城镇化”推动中国城乡融合发展的逻辑关联与实现路径[J].当代经济研究， 2022（3）：88-97.

傅琳琳，黄祖辉，朋文欢.农村产业融合经营主体“互利共生”的机理与推进路径[J].南京农业大学学报（社会科学版）， 2022， 22 （6）：69-77.

龚锐，谢黎，王亚飞.农业高质量发展与新型城镇化的互动机理及实证检验[J].改革， 2020（7）：145-159.

龚燕玲，张应良.“趋粮化”抑或“非粮化”：高标准农田建设的政策效应[J].江西财经大学学报， 2023（6）：68-83.

郭海红，张在旭.新型城镇化对农业绿色全要素生产率的门槛效应[J].湖南师范大学社会科学学报， 2019， 48 （2）：55-63.

韩洪云，李寒凝.契约经济学：起源、演进及其本土化发展[J].浙江大学学报（人文社会科学版）， 2018， 48（2）：55-71.

何嗣江，滕添.订单农业风险管理与农民专业合作经济组织创新[J].浙江社会科学， 2007（6）：46-51.

黄晓军，黄馨，李同昇，等.都市农业规划研究——以西安秦岭北麓都市农业示范区为例[J].西北大学学报（自然科学版）， 2015， 45（3）：489-493.

姜长云.推进农村一二三产业融合发展新题应有新解法[J].中国发展观察， 2015（2）：18-22.

姜长云，李俊茹，王一杰，等.近年来我国农民收入增长的特点、问题与未来选择[J].南京农业大学学报（社会科学版）， 2021， 21（3）：1-21.

蒋和平，杨东群，郭超然.新冠肺炎疫情对我国农业发展的影响与应对举措[J].改革， 2020 （3）：5-13.

蓝庆新，汪春雨，郑学党.双循环格局下我国产业链供应链稳定性和竞争力的现实与对策研究[J].云南师范大学学报（哲学社会科学版）， 2021， 53（1）：132-145.

李尔彬，柏晓东，孙延华.林业资源型城市经济转型策略选择——以伊春市为例[J].林业资源管理， 2011（5）：9-14， 19.

李红莉，张俊飚，童庆蒙.增产是否增收？——基于粮食主产区设立的准自然实验研究[J].华中农业大学学报（社会科学版）， 2022（1）：105-115.

李菁.西部地区农业产业集聚对农民收入的影响——基于地区工业化水平的调节效应[J].经济经纬， 2023， 40（2）：45-54.

李俊岭.我国多功能农业发展研究——基于产业融合的研究[J].农业经济问题， 2009（3）：4-7， 110.

李明，王卫.基于飞地经济视角的区域经济高质量发展机理与路径[J].经济纵横， 2023（6）：90-98.

李少星，高杨，黄少安.新冠肺炎疫情对脆弱群体收入及全面小康目标的影响测算：以山东省为例[J].山東大学学报（哲学社会科学版）， 2020（5）：12-23.

李晓龙.农村产业融合对农业全要素生产率的效应检验与机制分析[J].江苏农业科学， 2021， 49（22）：20-26.

李研，张大红.社会资本对林农获取林业碳汇项目权益的影响[J].农村经济， 2021（7）：68-78.

李艳琦.农村三产融合、生产性服务业集聚与农业产业链供应链现代化[J].中国流通经济， 2023， 37（3）：48-60.

刘佳，毕鑫.共享经济下农业产业链的内容要素与功能实现[J].农业经济， 2023（3）：15-17.

刘威，马恒运.突发公共卫生事件对中国食物供给及农业发展的冲击及应对[J].重庆社会科学， 2020 （5）：32-42.

刘亚，黄安胜.森林碳汇环境库兹涅茨曲线特征及其影响因素分析[J].世界林业研究， 2023， 36（2）：132-137.

刘志文.农业现代化与城乡收入差距：内在逻辑与实证分析[J].财经科学， 2013（7）：99-109.

卢现祥.西方新制度经济学[M].北京：中国发展出版社， 2003.

芦千文，崔红志，刘佳.新冠肺炎疫情对农村居民收入的影响、原因与构建农村居民持续增收机制的建议[J].农业经济问题， 2020（8）：12-23.

鲁钊阳，杜雨潼.数字普惠金融发展促进乡村振兴的实证研究[J].金融理论与实践， 2023（3）：47-56.

陆扬，王育宝.绿色低碳发展、环境规制与企业绿色创新——基于中介效应与门槛效应的实证分析[J].大连理工大学学报（社会科学版）， 2023， 44（4）：15-26.

罗长远，司春晓.在线教育会拉大不同家庭条件学生的差距吗？——以新冠肺炎疫情为准自然实验[J].财经研究， 2020， 46（11）：4-18.

梅李军.夯实国民经济循环的农业基础[J].中国金融， 2021（16）：61-62.

孟立慧.乡村振兴与新型城镇化协同发展的现实挑战与路径选择——基于国际经验视角[J].西南金融， 2023（4）：71-82.

申姝婧，杜明慧.代际转移背景下国有林区人才流失影响因素分析——以伊春林区为例[J].中国市场， 2021（3）：92-94.

孙文婷，刘志彪.数字经济、城镇化和农民增收——基于长江经济带的实证检验[J].经济问题探索， 2022（3）：1-14.

涂圣伟.面向共同富裕的农民增收长效机制构建[J].改革， 2023（4）：14-25.

汪小平.中国农业劳动生产率增长的特点与路径分析[J].数量经济技术经济研究， 2007（4）：14-25， 64.

汪小亚，杨庆祥.疫情对三农的冲击与金融对策[J].中国金融， 2020 （7）：31-33.

王飞，何丽丽.湖北省新型城镇化条件下农民收入增长研究[J].中国农业资源与区划， 2016， 37（2）：119-123.

王刚毅，柏凌雪.中国农村三产融合对农民收入的影响研究——基于中介效应视角[J].农业经济与管理， 2023（4）：48-64.

王乐君，寇广增.促进农村一二三产业融合发展的若干思考[J].农业经济问题， 2017， 38（6）：82-88.

王丽纳，李玉山.农村一二三产业融合发展对农民收入的影响及其区域异质性分析[J].改革， 2019（12）：104-114.

王丽英，丁姝羽，刘后平.农村产业融合与农民收入增长——基于空间效应与门槛效应的实证研究[J].浙江农业学报， 2021， 33（4）：761-776.

魏后凯，芦千文.新冠肺炎疫情对“三农”的影响及对策研究[J].经济纵横， 2020 （5）：36-45.

肖婧文，冯梦黎.农村产业融合嬗变：利益联结与生产要素的互动和共演[J].财经科学， 2020（9）：64-78.

肖荣荣，任大鹏，乐章.疫情冲击下的农业规模经营：风险应对能力与改进路径[J].农业经济与管理， 2021（1）：30-37.

肖卫东，杜志雄.农村一二三产业融合：内涵要解、发展现状与未来思路[J].西北农林科技大学学报（社会科学版）， 2019， 19（6）：120-129.

徐慧馨，生吉萍.疫情对中国农业与农村经济的影响及对策[J].农业展望， 2020， 16（5）：96-100.

薛国琴.我国农业劳动生产率提高：效应与调适——基于UV曲线移动的视角[J].浙江社会科学， 2018（3）：151-155， 150， 161.

薛龙飞，罗小锋，吴贤荣.中国四大林区固碳效率：測算、驱动因素及收敛性[J].自然资源学报， 2016， 31（8）：1351-1363.

叶兴庆，程郁，周群力，等.新冠肺炎疫情对2020年农业农村发展的影响评估与应对建议[J].农业经济问题， 2020（3）：4-10.

叶奕茂.农业产业链拓展对农户脱贫致富的影响[J].中国商论， 2019（15）：210-211.

袁立新，苏永玲.浅议新冠肺炎疫情对休闲农业的影响及对策[J].农业经济， 2020（10）：34.

张宽，邓鑫，沈倩岭，等.农业技术进步、农村劳动力转移与农民收入——基于农业劳动生产率的分组PVAR模型分析[J].农业技术经济， 2017（6）：28-41.

张辽，刘成飞.数字普惠金融如何赋能乡村产业振兴[J].贵州财经大学学报， 2024（1）：41-51.

张林，温涛，刘渊博.农村产业融合发展与农民收入增长：理论机理与实证判定[J].西南大学学报（社会科学版）， 2020， 46（5）：42-56， 191-192.

张振，赵儒煜.区域经济韧性的理论探讨[J].经济体制改革， 2021 （3）：47-52.

赵蓉蓉，陈秋华，江慧.农业产业链稳定性博弈分析——以疫情影响下陆河县青梅产业链为例[J].西安电子科技大学学报（社会科学版）， 2022， 32（4）：31-42.

郑甘甜，陈胜.农村产业融合发展：成效、困境与对策思路[J].农业经济， 2022（6）：9-11.

周妮笛，李明贤，伍格致，等.基于产业集群视角的小微企业融资新模式[J].经济地理， 2016， 36（2）：138-142， 158.

周旺妮，张榆琴，李学坤.农村产业融合对农民收入的空间效应分析[J].统计与决策， 2022， 38（19）：61-64.

朱莹，黄轲.财政“省直管县”改革与地方政府财政违规——基于财政治理和审计治理的实证研究[J].当代财经， 2022 （2）：41-53.

朱兆珍，毛宪钧，张家婷.商业模式评价指标体系及指数构建——基于财务管理视角[J].东南大学学报（哲学社会科学版）， 2018， 20（2）：70-80， 147.

Arora K， Kumar S， Adhale P， et al. Addressing the impact of COVID-19 on dairy value chains：evidence from Punjab， India [J]. Current Science， 2023， 124（5）：570-577.

Albuquerque R， Koskinen Y， Yang S， et al. Resiliency of environmental and social stocks：An analysis of the exogenous COVID-19 market crash [J]. The Review of Corporate Finance Studies， 2020， 9（3）：593-621.

Bai Y， Jia R X. Elite recruitment and political stability：The impact of the abolition of Chinas civil service exam [J]. Econometrica， 2016， 84（2）：677？733.

Chirwa P W， Kamwi J M， Kabia G， et al. The impacts of COVID-19 on the sustainable management of the forestry sector in South‐ern Africa [J]. International Forestry Review， 2021， 23（3）：298-308.

Gupta V， Santosh K C， Arora R， et al. Socioeconomic impact due to COVID-19： An empirical assessment [J]. Information Processing& Management， 2022， 59（2）：102810.

Hacklin F， Marxt C， Fahrni F. Evolutionary Perspective on Convergence：Inducing a Stage Model of Inter-industry Innovation [J]. International Journal of Technology Management， 2010， 49（1/2/3）：220-249.

Kim N， Lee H. Dynamic patterns of industry convergence： Evidence from a large amount of unstructured data [J]. Research Policy， 2015， 44（9）：1734-1748.

Lu J. Green merger and acquisition and export expansion： Evidence from Chinas polluting enterprises [J]. Sustainable Production and Consumption， 2022， 30：204-217.

Li P， Lu Y， Wang J. Does fattening government improve economic performance？ Evidence from China [J]. Journal of Development Economics， 2016， 123（11）：18-37.

Vos R， Cattaneo A. Poverty reduction through the development of inclusive food value chains [J]. Journal of Integrative Agriculture， 2021， 20（4）：964-978.

Zhou J， Chen H P， Bai Q Y. Can the Integration of Rural Industries Help Strengthen Chinas Agricultural Economic Resilience？ [J]. Agriculture-Basel， 2023， 13（9）：1813.

（責任编辑康燕）