智慧供应链建设对农业生态效率的影响

摘 要：以农业生态效率为研究对象，利用面板Tobit回归、SEM检验与空间杜宾检验等方法对智慧供应链建设影响农业生态效率的机制进行实证分析。结果表明：智慧供应链发展能够直接提升我国农业生态效率，并通过提升农业生产现代化水平与规模化水平进一步改善农业生态效率。空间效应检验表明，智慧供应链不仅能够提升本地农业生态效率，同时对周边地区农业生态效率起协同促进作用。基于上述结论，应进一步推动供应链智慧化建设，带动本地和相关地区农业生态效率升级，加快实现农业绿色低碳发展。

关键词：智慧供应链；农业生态效率；低碳农业；面板Tobit模型

中图分类号：F252；F323 文献标志码：A 文章编号：1673-9272（2024）03-0048-11

基金项目：国家社科基金项目（22BJY036）。

智慧供应链在涉农领域的应用主要集中在农产品产销适配、流通、仓储等环节，其通过有效整合物流、信息流与资金流来降低物流成本，实现全周期生态治理与产出增值，对于农产品现代流通体系建设和农业生态效率提升具有重要作用。2022年财政部、商务部发布《关于支持加快农产品供应链体系建设 进一步促进冷链物流发展的通知》，要求推进农产品物流改造升级，加快绿色、高效、低碳流通设施建设。随着农业供给侧结构性改革的稳步推进和农业产业结构的升级，智慧供应链在农业领域的应用愈发受到各界的关注。智慧供应链从供给侧视角为农业生产提供了有力的技术支持，协调企业适应经济系统的宏观波动和市场需求变化，显著提升了农业生产、运输与销售等过程中各环节的质量与效率。

关于农业生态效率的研究文献主要聚焦于以下两个方面：一是对农业生态效率的测度。较多学者采用DEA及其拓展模型对农业生产与环境影响之间的平衡性进行评估[1-4]，部分学者采用随机前沿法[5-6]、能值分析法[7]和比值法[8]等方法对农业生态效率进行测算。二是对农业生态效率影响因素的研究。学者们认为城镇化、农旅融合、劳动力转移等因素[9-11]能够有效提升农业生态效率。由此可见，现有文献大多关注传统农业生产要素对生态效率的影响，而未考虑大数据背景下智慧供应链发展在推动农业绿色低碳转型和提升生态效率中所发挥的重要作用。关于智慧供应链的文献主要侧重于对智慧供应链的测度与应用。在智慧供应链的测度方面，学者们主要从智能信息处理效率[12]、行业绩效[13]角度，通过熵值法、因子分析法等构建指标进行分析和评价；在智慧供应链的应用方面，学者们认为智慧供应链可以实现农业信息治理效率提升和管理流程优化[14]，并在采购定价、仓储物流、流程监管和协同一体化方面优化供给侧企业效益[15]。随着智慧供应链建设的持续推进，学者们虽然关注了智慧供应链在农产品生产消费领域带来的绩效提升优势，但对生态效率提升作用的研究尚有不足。

综上所述，现有文献主要研究智慧供应链技术升级及其对农业管理流程的优化，这为分析智慧供应链与农业生态效率的关系提供了可靠借鉴。然而，目前鲜有文献直接研究智慧供应链赋能农业生态效率提升的理论机制和作用路径。基于此，本研究的边际贡献表现在：第一，将智慧供应链和农业生态效率纳入统一研究框架，深入挖掘传统供应链数字化升级参与农业生态效率提升的有效路径，为培育发展供应链技术升级、拓宽农业绿色生态发展渠道提供了有力的政策依据；第二，采用2008—2021年我国30个省市的相关数据，通过面板Tobit模型与SEM模型对智慧供应链赋能农业生态效率提升的作用路径展开分析，在一定程度上克服了传统回归模型存在的偏误，提高结论的可信度与说服力；第三，采用空间杜宾模型，探究智慧供应链与农业生态效率间存在的空间溢出效应，为区域间智慧供应链协同发展提供了研究基础。

一、理论分析与研究假设

（一）智慧供应链对农业生态效率的直接影响

智慧供应链作为传统供应链与现代信息技术的结合，从产业前段、产业中段和产业后段三个环节实现农业绿色生产与减排固碳。在产业前段，以传统供应链为依托的数字技术带来了新型信息传播平台与门户信息网站，极大程度打破了农户信息壁垒，降低信息获取不对称性，改善农户信息困境。通过精准匹配农产品供求信息与价格信息[16]。智慧供应链伴生的大数据平台能够增强农产品市场交易的匹配性与对称性，进而降低农户生产“数字鸿沟”[17]，减少农户在信息搜寻、选种采购环节的成本损耗，实现农业资源投入节约化。同时，随着我国对于绿色消费行为的政策措施推动[18]，绿色消费行为由个体开始向群体普及，社会扩散效应使得消费者整体消费模式绿色化转变，带动市场需求向符合绿色低碳生产工艺的高质量农产品发生转变，进而倒逼农产品生产向绿色产品、绿色生产转变，实现产业前段绿色化生态化升级。

在产业中端，智慧供应链在农业领域的应用推动传统农业劳动者与传统农业生产资料的智慧化升级。对于农业劳动者而言，数据要素在生产端的嵌入使农民能够便捷通过互联网供应链平台接触并了解农业供应链中游供应商与下游企业、消费者的消费偏好，并据此调整生产计划；同时，借助物联网、大数据等技术，农户能够实时获取气象、环境、土地、土壤、作物等生产过程数据，对种植环境、土壤肥力、气象水质等数据进行监控[19]，实现“看数生产”。对于农业生产资料而言，智慧供应链链条的延伸拓宽了农民互联网平台采购渠道，推进高效率低能耗农机和低毒环保型农肥农药等绿色高级农业生产资料在农村生产的普及，有效提升农业生产效率与低碳环保水平，实现产业中段农业生态效率提升。

在产业后端，智慧供应链的作用主要体现在精准对接以降低物流能源消耗。农产品从生产端到消费端包含生产、集散、加工与零售等多环节，其中部分农产品采摘后需采用真空预冷或冰温预冷技术进行冷却，在运输途中采用温控运输，在抵达运输目的地后，终端商户仍需采用商品冷柜继续对农产品实施保鲜[20]。农产品从产出到消费过程的运输全链条均需确保低温环境以保证其质量与新鲜度。智慧供应链通过在农业各环节全端嵌入信息服务与大数据平台，实现农业领域最新政府政策与新闻的普及与不同农产品需求数据的汇总，进而帮助交易环节的中间商掌握市场价格信息与地方政策异同，实现商品精准配送，降低盲目输送带来的农产品堆放与冷链物流能源过量消耗，从而有效提升农业生态效率。基于以上分析，本研究提出假设H1。

H1：智慧供应链的发展能够显著提升农业生态效率。

（二）智慧供应链对农业生态效率的间接影响

智慧供应链对农业生态效率的间接影响主要体现在生产高级化和生产规模化两方面。从生产高级化角度来看，智慧供应链将拓宽高效环保新型农机等生产设备下乡渠道，提高农业生产作业效率，并有效降低传统低效高能耗农机应用以减少农业碳排放，通过农业生产高级化提升农业生态效率。一方面，智慧供应链深度融合数字技术，依托智能化信息网络平台实现传统供应链内部信息网络升级，打通信息流传输壁垒，实时更新农民区域化需求，协助农民了解新型农用生产设备价格水平与物流时效，畅通供需双方信息交互渠道；另一方面，智慧供应链应用智能化集成系统强化物流网络提升农机产品物流效率[21]，推广绿色农机，从生产、采购、物流、销售环节降低新型农用生产设备成本[22]刺激农民需求，实现农用生产设备更新，降低农业生产化石能源消耗。基于以上分析，本研究提出假设H2a。

H2a：智慧供应链通过提高生产高级化程度来提升农业生态效率。

从生产规模化角度来看，智慧供应链将通过畅通农产品销售渠道，精准匹配市场供求，提升农产品销售绩效推进农业生产规模化，进而通过规模效应减少化肥农药用量以促进农业生态效率提高。具体而言，智慧供应链的构建遵循互联性、系统性、精准性与完整性原则[23]，通过供应链智能化信息传递，引导农户依据消费者需求实现农作物苗种精准采购，提高土地资源利用效率，结合智慧物流实现农产品高效、精准营销，降低运输时耗规避产品腐烂变质风险，提高农产品销售效益以促进农业生产规模扩大。而农业规模化在化肥农药减量增效方面作用明显，生产主体更倾向于采用机械施肥替代人工施肥[24]，标准化机械作业的高精细度使化肥农药使用的施用量与精准性得以把控，降低农药、化肥施用损耗和流失率、提高利用效率，提升农业生态效率。基于以上分析，本研究提出假设H2b。

H2b：智慧供应链通过提高生产规模化程度来提升农业生态效率。

二、模型构建与变量说明

（一）模型构建

1. 面板Tobit模型

（二）变量说明

1. 被解释变量

本研究采用Super-SBM模型对被解释变量农业生态效率进行测度。Super-SBM模型结合SuperDEA模型和SBM模型的优势，能够有效实现效率测算过程中非期望产出的度量，以及决策单元的横向比较。同时，Super-SBM模型克服了传统SBM模型无法测度全部DMU效率值的缺点，解决了投入与产出的松弛现象和排序的并列问题。参考吴其玥等[26]的研究，设定如下模型：

首先构建。将非期望产出纳入超效率SBM模型中得到生产可能性集合：

2. 核心解释变量

核心解释变量为智慧供应链，参考李波等[31]的研究，本研究构建供应链基础、供应链协同和供应链创新3个二级指标和20个三级指标，并采用熵值法进行测算。具体指标选取如表2所示。

3. 中介变量

根据前文分析，智慧供应链能够通过提升农业生产高级化和生产规模化两条路径实现农业生态效率提升。因此，本研究以生产高级化（PA）和生产规模化（PS）作为中介变量，进一步考察智慧供应链对农业生态效率的间接影响。其中，生产高级化采用机械总动力来衡量，生产规模化采用农业总播种面积来衡量。

4. 控制变量

农业经济发展水平（Agdp），采用农林牧渔业总产值与农村人口的比值来衡量；农业种植结构（Stru），采用粮食作物种植面积与农作物总种植面积的比值来衡量；金融支农水平（Fin），采用金融机构年涉农贷款余额来衡量；受灾率（Dis），采用受灾面积与农作物总种植面积之比来衡量；城镇化率（Urb），采用城镇人口与总人口比值衡量来。

考虑到数据的可得性与完整性，本研究选取我国30个省份（不含西藏、香港、澳门和台湾）2008—2021年间的数据作为样本。数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国农业年鉴》《中国电子信息产业统计年鉴》《中国交通统计年鉴》及各省市统计年鉴。个别缺失值采用插值法补齐。变量的描述性统计如表3所示。

三、实证结果与分析

（一）农业生态效率与智慧供应链的时空演变

1. 农业生态效率

从整体来看，我国农业生态效率呈现较为明显的空间差异特征，呈现东高西低、南高北低状分布。从具体年份来看，2009年只有四川、贵州及邻近区域和东北地区农业生态效率较高。2013年和2017年，江苏、山东等地农业生态效率跃升至较高水平，中部地区农业生态效率也普遍提高。2021年，除个别省份外，我国基本达到较高的农业生态效率发展水平。

农业生产效率发展水平差异的主要原因如下：第一，自然禀赋条件为农业生态效率提升奠定坚实基础。东部地区，特别是沿海省份，得益于温暖湿润的气候、丰富的水资源和肥沃的土壤，农业发展条件优良。西部地区多高原和山地，气候干燥、降水稀少，限制了农业生态效率的提升。第二，地理交通差异对农业生态效率产生显著影响。东部地区凭借优越的地理位置和交通条件，能够便捷地获取国内外市场信息和资源，促进了农业生产的现代化和高效化。而中西部地区，虽然拥有丰富的农业资源，但受限于交通不便、信息闭塞等因素，农业生产方式相对传统，因此农业生态效率提升较慢。第三，政策导向与制度支持是推动农业生态效率提升的重要因素。在农业绿色生态政策执行过程中，东部地区和部分中部省份经济基础较好、政府执行力强，能够更快地响应政策号召，推动农业绿色发展。相比之下，一些经济欠发达地区由于财力有限、政策执行力不足等原因，在农业绿色发展方面进展较慢。

2. 智慧供应链

本研究以2009、2013、2017、2021年30个样本省份智慧供应链发展水平为Z值，X、Y轴分别指向正东、正北方向，利用ArcGIS 10.8绘制如下智慧供应链空间趋势变化图（图1）。2009—2021年我国智慧供应链发展水平在纬向（X轴）呈现自西向东持续上升趋势，在径向（Y轴）呈倒“U”型特征，这可能是因为东、中部地区多平原，地势平坦利于跨域物流发展，加之基础设施建设完善，在资金与技术方面具备较大优势，因此在国家数字经济发展政策扶持下智慧供应链发展迅速；而西部、北部地区由于地理环境与经济发展水平等限制因素的存在，智慧供应链发展水平尚有不足。

智慧供应链发展水平差异形成的主要原因如下：第一，地理环境是塑造智慧供应链发展格局的首要因素。我国东部和中部地区，尤其是沿海地区，地势相对平坦，河网密布，为物流运输提供了极为便利的条件，使得供应链各环节之间的衔接更为紧密和高效。西部和北部地区由于地理环境的复杂性和多样性，给物流运输带来了诸多挑战，限制了智慧供应链的发展。第二，基础设施建设是智慧供应链发展的坚实后盾。东部和中部地区在交通、通信、仓储等基础设施方面投入巨大，形成了覆盖广泛、功能完善的现代化物流网络。而西部和北部地区在基础设施建设方面相对滞后，与东中部地区相比存在一定差距。第三，经济发展水平是智慧供应链发展的主要驱动力。东部和中部地区经济总量大、产业结构优化、市场需求旺盛。这种经济优势为智慧供应链的发展提供了广阔的市场空间和强劲的需求动力。西部和北部地区的经济发展水平相对较低，市场需求相对不足，使得智慧供应链的发展受到了一定的限制。

（二）智慧供应链对农业生态效率的影响分析

1. 面板Tobit回归分析

首先，本研究对变量进行自相关检验。检验结果显示VIF值均小于10，变量间无显著相关性。回归结果如表4所示，列（1）至列（6）为逐步加入控制变量的回归结果。综合来看，智慧供应链的回归系数在加入控制变量前后均显著为正。根据列（6），智慧供应链的回归系数为0.586且在1%的水平上显著，这表明智慧供应链发展水平每上升1个单位，会使农业生态效率提高0.586个单位。即智慧供应链的发展能够显著提升农业生态效率。因此，H1成立。从控制变量来看，农业经济发展水平、农业种植结构和金融支农水平分别在1%、5%和1%的水平上显著为正，这表明农业经济发展水平的提高、农业产业种植结构中粮食作物比重的上升和金融支农水平的提高均能够提升农业生态效率。受灾率和城镇化水平的回归系数为负但不显著，不足以说明其对农业生态效率的影响。

2. 中介效应检验

为进一步探究智慧供应链在提升农业生态效率中的作用机制，本研究以生产高级化和规模化水平作为中介变量，采用SEM方法进行中介检验，结果见表5。根据SEM的基准回归原理，生产高级化与生产规模化的拟合模型检验系数均显著为正且通过路径系数检验，且存在部分中介作用，可以进一步进行Sobel检验并判断中介效应类型，检验结果见表6。根据表6，生产高级化与生产规模化的路径效应检验均通过Delta检验、Sobel检验与Monte Carlo检验，且检验结果均显示存在间接效应。同时，根据SEM计量结果，在智慧供应链提升农业生态效率的影响路径中生产高级化占比15.7%，生产规模化占比21.7%，进一步验证了生产高级化与生产规模化在智慧供应链提升农业生态效率影响路径中的重要作用。因此，H2a与H2b均成立。

（三）空间效应检验

1. 空间效应模型选取

为进一步探究智慧供应链的空间关联性，本研究采用地理距离矩阵，通过Moran′s I检验各省农业生态效率在空间上是否存在自相关性，检验结果如表7所示。可见除个别年份，农业生态效率的莫兰指数均为正且P值通过显著性检验。这表明农业生态效率存在正向空间效应，应进一步采用空间计量模型考察其空间溢出效应。

2. 空间溢出效应检验

为选择合适的空间计量模型，本研究进行LM检验与LR检验，检验结果表明LM检验结果在1%水平上显著，表明模型中存在空间滞后项与空间误差项。LR检验结果在1%水平上显著，因此本研究采用空间杜宾模型进行检验并对影响效应进行分解，结果如表8所示，列（1）至（3）分别为SDM、SEM与SAR回归结果。根据Log-likelihood项值对比，SDM的对数似然函数值显著高于其他空间计量模型，再次表明选择空间杜宾模型作为最终分析模型是合理的。由列（1）可知，在直接影响、间接影响方面，智慧供应链对农业生态效率的影响系数均显著为正，这表明智慧供应链的发展能够有效提升本省份农业生态效率，且周边地区智慧供应链的发展会带动本地区农业生态效率提高。在总效应方面，智慧供应链系数显著为正，进一步验证智慧供应链对周边地区农业生态效率存在正向空间溢出效应。从区域协同作用视角来看，智慧供应链的发展促进了区域间的信息共享与资源流动，使得农业生产不再局限于单一省份，而是形成跨区域协同，提升了整体农业生态效率；从技术扩散效应视角来看，先进的信息技术和管理模式通过智慧供应链在周边地区快速传播，带动了这些地区农业生产的绿色转型和效率提升，形成正向空间溢出；从市场联动机制视角来看，智慧供应链强化了农产品市场的联动性，周边地区农业生态效率的提升会扩大市场需求，反过来又激励本地区农业生态效率的进一步提升，形成良性循环。

（四）稳健性检验

本研究采用替换被解释变量、剔除异常值以及采用滞后项三种方法进行稳健性检验，结果如表9所示。

第一，替换被解释变量。参考丁宝根等[34]的研究，选取农业碳排放额的对数（LnCar）替换原有被解释变量进行稳健性检验。结果如表9列（1）所示，智慧供应链的回归系数显著为负，表明智慧供应链的发展可以有效降低农业碳排放，检验结论与前文一致。第二，剔除异常值。本研究通过对样本进行1%与99%的缩尾处理，以剔除可能存在的异常值影响。结果如表9列（2）所示，缩尾处理后的检验结果与前文一致。第三，采用滞后项。为避免内生性问题，本研究采用智慧供应链的滞后项对农业生态效率进行回归，以降低变量间互为因果可能性对实证研究的影响，结果如表9列（3）所示，滞后一阶的智慧供应链（L.Sup）对农业生态效率的影响仍显著为正。上述检验结果表明本研究的究结论是稳健的。

（五）异质性检验

为检验不同地区智慧供应链对农业生态效率影响的异质性，根据国家统计局对中国地理区位的划分，本研究将30个样本省份分为东部地区、中部地区、西部地区及东北地区，通过面板Tobit模型进行异质性检验（表10）。根据列（1）与列（3），东部地区回归系数显著为正，西部地区的回归系数为正但并不显著。这可能是因为东部地区数字基础设施建设较为完善，智慧供应链发展相对于其他地区具备更为优良的条件支持，因此其对农业生态效率的提升作用更为显著。而西部地区虽然具备较高的农业发展环境支持，但供应链的数字化程度相对较低，无法在短期内对农业生态效率产生正向促进作用。中部、东北部地区则可能因为地理环境、产业结构等原因，智慧供应链对农业生态效率的影响并不显著。

四、结论与建议

本研究基于2008—2021年中国30省份的样本数据研究了智慧供应链提升农业生态效率的理论机制与影响路径，采用面板Tobit模型、结构方程模型与空间杜宾模型进行实证检验。研究表明：第一，智慧供应链建设水平能够直接提升农业生态效率；第二，智慧供应链发展能够通过提高农业生产高级化与规模化水平来进一步改善农业生态效率；第三，智慧供应链对农业生态效率的影响存在显著的空间溢出效应，智慧供应链对本地及周边地区智慧供应链发展水平均能发挥正向促进作用。

基于上述研究结论，本研究提出如下政策建议：

第一，继续加快农产品智慧供应链建设。智慧农业供应链体系的核心在于发展农产品数字化、绿色低碳运输，旨在通过全链条、快速化的物流模式，打造一个水陆空无缝衔接、便捷高效、配送精准的多元联运网络，为农产品的快速流通与保鲜提供坚实支撑。通过数字要素深度融合传统供应链体系，有助于释放智慧物流对农业产销信息平台的整合疏导功能，发挥数据资源在农产品流通体系建设中的决策参考作用，减少流通环节资源损耗，促进符合绿色低碳生产工艺的高质量农产品更快更便捷进入市场。同时，为了实现农产品运输的绿色化转型，需深入探索并应用低碳排放的运输工具和技术，如电动或氢能驱动的货车、船舶以及无人机等，减少化石燃料的依赖，降低运输过程中的碳排放量，并推广使用可降解或易于回收的包装材料，构建从田间到餐桌的绿色包装体系。此外，优化运输路线规划，利用大数据和人工智能技术，实现车辆调度与货物装载的最优化，减少空驶率和等待时间，进一步提升运输效率。

第二，持续推进生产高级化和生产规模化。加大绿色生态为导向的农业补贴力度并出台税收减免政策引导高新农机等生产设施下乡，强化农业科技和装备支撑，因地制宜推进农业生产规模有序扩大，发挥农业生产高级化和规模化对生态效率的促进作用。要促进产业融合发展，以绿色为导向，推动农业与食品加工业、生产服务业和信息技术融合发展，建设一批绿色农业产业园区、产业强镇、产业集群，带动农村一、二、三产业绿色升级。推进要素集聚，统筹产地、销区和园区布局，引导资本、科技、人才、土地等要素向农产品主产区、中心乡镇和物流节点、重点专业村聚集，促进产业格局由分散向集中、发展方式由粗放向集约、产业链条由单一向复合转变。推进企业集中，促进农产品加工与企业对接，引导大型农业企业重心下沉，向农产品加工园区集中，再造流通体系，降低交易成本，促进生产与加工、产品与市场、企业与农户协调发展。

第三，建设绿色智慧供应链示范引领区。这一战略旨在充分发挥智慧供应链在优化资源配置、提升农业生态效率方面的独特优势，引领区域农业向更加绿色、智能、可持续的方向发展。发挥绿色智慧供应链对区域农业生态效率的协同引领作用，健全冷链农产品设施网络，以高水平智慧供应链建设试点向邻近地区和省份辐射，从而促进区域农产品供应链一体化协同绿色发展。要着力健全冷链农产品设施网络，引入先进的信息技术与管理模式，确保农产品从田间到餐桌的全链条保鲜与安全，有效减少损耗，提升农产品价值。在此基础上，以高水平智慧供应链建设试点为核心，积极探索创新模式与成功经验，并逐步向邻近地区和省份辐射推广。在不断提升整个区域的农产品供应链管理水平的同时，坚持促进不同区域间农产品信息的互联互通，实现资源的高效整合与共享。通过加强跨区域合作与协同，共同推动区域农产品供应链的一体化进程，构建绿色、低碳、循环的发展模式，为农业可持续发展注入新的活力与动力。

第四，构建农业低碳循环发展新模式。推进企业循环式生产模式与产业循环式的组合，加速培育一个深度融合、资源高效利用的绿色低碳循环产业体系。加快生态循环农业的发展，促进农业废弃物向资源化、产业化、高值化转变，同时发展林业循环经济，构建种养循环体系，树立生态农场典范。农业园区的低碳循环转型亦不容忽视，我们推动现代农业产业园区及产业集群实施循环化改造，打造一批循环经济示范园区与基地，完善园区内循环农业产业链，实现资源高效循环利用、废弃物安全集中处理及污染排放减量，构建起集种植、养殖、加工、销售于一体，融合农林牧渔，联动一、二、三产业的现代复合型循环经济体系。此外，促进绿色农产品消费亦是关键一环。我们不断完善绿色农产品标准体系，强化绿色食品、有机农产品及地理标志产品的认证管理，推广农产品追溯体系，提升市场信任度。

参考文献：

[1] ANGULO-MEZA L， GONZáLEZ-ARAYA M， IRIARTE A， et al. A multiobjective DEA model to assess the eco-efficiency of agricultural practices within the CF+DEA method[J]. Computers and Electronics in Agriculture， 2019，161：151-161.

[2] 林伯强，谭睿鹏.中国经济集聚与绿色经济效率[J].经济研究，2019，54（2）：119-132.

[3] 吕娜，朱立志.中国农业环境技术效率与绿色全要素生产率增长研究[J].农业技术经济，2019（4）：95-103.

[4] 孟祥海，周海川，杜丽永，等.中国农业环境技术效率与绿色全要素生产率增长变迁：基于种养结合视角的再考察[J].农业经济问题，2019，40（6）：9-22.

[5] 王力，韩亚丽.中国棉花全要素生产率增长的实证分析：基于随机前沿分析法[J].农业技术经济，2016（11）：95-105.

[6] 宋浩楠，栾敬东，张士云，等.土地细碎化、多样化种植与农业生产技术效率：基于随机前沿生产函数和中介效应模型的实证研究[J].农业技术经济，2021（2）：18-29.

[7] LIU X L， GUO P B， GUO S F. Assessing the eco-efficiency of a circular economy system in China′s coal mining areas： emergy and data envelopment analysis[J]. Journal of Cleaner Production， 2019，206：1101-1109.

[8] HUPPES G， ISHIKAWA M. A framework for quantified eco-efficiency analysis[J]. Journal of Industrial Ecology， 2005，9（4）：25-41.

[9] 尚杰，吉雪强，陈玺名.中国城镇化对农业生态效率的影响：基于中国13个粮食主产区2009—2018年面板数据[J].中国生态农业学报（中英文），2020，28（8）：1265-1276.

[10] 张东玲，倪妮，焦宇新.低碳试点政策对农业绿色全要素生产率的影响：基于长三角地区的实证检验[J].中南林业科技大学学报（社会科学版），2022，16（05）：79-89.

[11] 侯孟阳，姚顺波.中国农村劳动力转移对农业生态效率影响的空间溢出效应与门槛特征[J].资源科学，2018，40（12）：2475-2486.

[12] 郑培，万炜.基于智能信息处理的供应链绩效评价方法[J].财经理论与实践，2011，32（5）：119-124.

[13] 李玉凤，邢淋淋.智慧供应链绩效评价指标体系构建[J].统计与决策，2017，33（3）：183-185.

[14] 薛楠，姜溪.基于互联网+的京津冀一体化农产品智慧供应链构建[J].中国流通经济，2015，29（7）： 82-87.

[15] 马彦华 路红艳.智慧供应链推进供给侧结构性改革：以京东商城为例[J].企业经济，2018，37（6）：188-192.

[16] 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.

[17] 黄晓慧，聂凤英.数字化驱动农户农业绿色低碳转型的机制研究[J].西北农林科技大学学报（社会科学版），2023，23（1）：30-37.

[18] 吕剑平，乔宇佳.甘肃省农业碳排放时空演变及影响因素研究[J].中南林业科技大学学报（社会科学版），2023，17（05）：52-64.

[19] 张坤，陈皓天，方威.零售商多元理性下的农产品供应链社会责任决策研究[J].中南林业科技大学学报（社会科学版），2023，17（1）：78-89.

[20] 张鹏，周恩毅.农产品冷链物流供应链质量评价体系构建及实证[J].统计与决策，2022，38（11）：179-182.

[21] 宋华，于亢亢，陈金亮.不同情境下的服务供应链运作模式：资源和环境共同驱动的B2B多案例研究[J].管理世界，2013（2）：156-168.

[22] 周才云.大数据分析法打造智慧供应链[J].中国自动识别技术，2019（2）：56-58.

[23] 王霜，于辉.智慧供应链：从生态构建到路径跃迁[J].华东经济管理，2023，37（8）：1-11.

[24] 刘宇荧，李后建，林斌，等.水稻种植技术培训对农户化肥施用量的影响：基于70个县的控制方程模型实证分析[J].农业技术经济， 2022（10）：114-131.

[25] IACOBUCCI D， SALDANHA N， DENG X Y. A meditation on mediation： evidence that structural equations models perform better than regressions[J]. Journal of Consumer Psychology， 2007，17（2）：139-153.

[26] 吴其玥，吴兆丹，瞿思雨，等.基于Super-SBM模型的几内亚湾农业生态效率及其影响因素分析[J].世界农业，2022（11）：47-59.

[27] 王宝义，张卫国.中国农业生态效率测度及时空差异研究[J].中国人口·资源与环境，2016，26（6）：11-19.

[28] 崔许锋，王雨菲，张光宏.面向低碳发展的农业生态效率测度与时空演变分析：基于SBM-ESDA模型[J].农业经济问题，2022，43（9）： 47-61.

[29] 曹俊文，曾康.低碳视角下长江经济带农业生态效率及影响因素研究[J].生态经济，2019（8）：115-119，127.

[30] 陈菁泉，信猛，马晓君，等.中国农业生态效率测度与驱动因素[J].中国环境科学，2020，40（7）：3216-3227.

[31] 李波，韩飞燕，陈圣，等.基于综合评价方法的智慧供应链发展路径研究：以我国发达地区六个省市为例[J]. 华东经济管理，2022， 36（2）：66-74.

[32] 曹俐，范黎明，雷岁江.财政分权、环境规制与农业生态效率[J].统计与决策，2021，37（19）：138-143.

[33] 丁宝根，赵玉，邓俊红.中国种植业碳排放的测度、脱钩特征及驱动因素研究[J].中国农业资源与区划，2022，43（5）：1-11.

[本文编校：文凤鸣]

Impact of Smart Supply Chain Construction on Agricultural Ecological Efficiency

ZHANG Jifeng， YANG Zirui

（School of Business， Jiangsu Ocean University， Lianyungang 222000， Jiangsu， China）

Abstract： Taking the agricultural ecological efficiency as the research object， this paper conducts empirical research using methods such as panel Tobit regression， SEM test， and spatial Durbin test to examine the impact mechanism and pathway of smart supply chain construction on agricultural ecological efficiency. Results have shown that the development of smart supply chains can significantly improve China′s agricultural ecological efficiency directly. The smart supply chain improves agricultural ecological efficiency by enhancing the level of modernization and large-scale utilization in agricultural production. The spatial effect test shows that smart supply chains can not only improve local agricultural ecological efficiency， but also have a synergistic promoting effect on the agricultural ecological efficiency of surrounding areas. Based on the above conclusions， it proposes to improve the level of smart supply chain construction， driving relevant regions to upgrade their agricultural ecological efficiency and accelerating the realization of green lowcarbon agricultural.

Keywords： smart supply chain； agricultural ecological efficiency； low carbon agriculture； panel Tobit model