翟力紅，王江鑫

（1.首都經(jīng)濟貿(mào)易大學(xué)，北京 100070；2.河北經(jīng)貿(mào)大學(xué)，河北 石家莊 050000）

0 引言

在1994年出版的《數(shù)字經(jīng)濟》一書中，Don Tapscott詳細闡述了這種新經(jīng)濟形態(tài)，用大量實證闡述了數(shù)字化應(yīng)用給社會帶來的重大影響［1］。此后國內(nèi)外數(shù)字經(jīng)濟的內(nèi)涵出現(xiàn)了不同的變化，其內(nèi)涵囊括的信息逐漸全面。丁志帆等人將其理解為以數(shù)字化信息作為生產(chǎn)要素，將信息技術(shù)應(yīng)用到傳統(tǒng)產(chǎn)業(yè)以實現(xiàn)配置效率提升和結(jié)構(gòu)優(yōu)化的一種新經(jīng)濟活動［2］。然而量化數(shù)字經(jīng)濟對于經(jīng)濟社會的影響，通常是通過數(shù)字經(jīng)濟發(fā)展水平的測度、數(shù)字經(jīng)濟發(fā)展指數(shù)的測算以及選取合適的代理變量來進行。劉傳輝從數(shù)字基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)基礎(chǔ)、人力資源支撐等方面出發(fā)，將其定義為一級指標，并根據(jù)實際情況進行二級指標構(gòu)建，之后采用熵權(quán)法構(gòu)建了綜合的數(shù)字經(jīng)濟發(fā)展水平綜合測度體系，結(jié)果表明城市群之間的數(shù)字經(jīng)濟差異明顯，呈現(xiàn)出了一定的波動性［3］。

全要素生產(chǎn)率本質(zhì)上指總產(chǎn)出量占所有的生產(chǎn)要素投入量的比例情況，此外還可以將其分解為技術(shù)進步和綜合效率影響，馮海發(fā)于1990年首次通過測度農(nóng)業(yè)的全要素生產(chǎn)率來評價經(jīng)濟效率［4］。在此基礎(chǔ)之上，有學(xué)者采用數(shù)據(jù)包絡(luò)分析法（DEA）來進行測算。王霞云等人將產(chǎn)出指標定為第一產(chǎn)業(yè)（農(nóng)、林、牧、漁業(yè)）總產(chǎn)值，并選取了以農(nóng)作物播種總面積、農(nóng)業(yè)機械總動力為代表的6個投入要素，采用DEA模型測算農(nóng)業(yè)全要素生產(chǎn)率［5］。此外李展等通過一個全新的視角，即從KLEMSTFP出發(fā)測度中國農(nóng)業(yè)在1980-2016年的變化情況［6］。張帆等通過分析其空間網(wǎng)絡(luò)聯(lián)動性發(fā)現(xiàn)，地理鄰接關(guān)系對其有促進作用，但農(nóng)業(yè)結(jié)構(gòu)調(diào)整卻對全要素生產(chǎn)率有反向影響［7］。

當前有諸多學(xué)者對于數(shù)字經(jīng)濟發(fā)展水平進行了較為科學(xué)的指標體系構(gòu)建與測算，并且利用合適的方法計算了農(nóng)業(yè)的全要素生產(chǎn)率，對其影響因素進行了進一步深化分析，但很少研究量化數(shù)字經(jīng)濟水平對農(nóng)業(yè)全要素生產(chǎn)率的影響，當前更多的是二者之間關(guān)系的理論化研究，缺少實證分析。本文立足于中國農(nóng)業(yè)數(shù)字經(jīng)濟發(fā)展水平現(xiàn)狀，根據(jù)農(nóng)業(yè)實時特點構(gòu)建指標體系，并采用DEA-Malmquist指數(shù)模型綜合測算農(nóng)業(yè)全要素生產(chǎn)率，主要基于內(nèi)地31個省份2014-2019的年面板數(shù)據(jù)，構(gòu)建模型對數(shù)字經(jīng)濟發(fā)展水平和農(nóng)業(yè)全要素生產(chǎn)率之間的關(guān)系做出量化分析，以期在數(shù)字化大背景下為農(nóng)業(yè)的高質(zhì)量發(fā)展提供政策建議。

1 指標體系的構(gòu)建和測度分析

1.1 數(shù)字經(jīng)濟發(fā)展水平

1.1.1 指標體系的構(gòu)建原則及指標解釋

借鑒中國社會科學(xué)院農(nóng)村發(fā)展研究所和北京農(nóng)業(yè)信息技術(shù)研究中心發(fā)布的《鄉(xiāng)村數(shù)字經(jīng)濟指標體系構(gòu)建》以及《中國數(shù)字鄉(xiāng)村發(fā)展報告（2020年）》等相關(guān)文獻，結(jié)合農(nóng)業(yè)發(fā)展的范圍需求、大環(huán)境要求以及實時特點，從投入與產(chǎn)出的視角選取了數(shù)字基礎(chǔ)設(shè)施水平、數(shù)字產(chǎn)業(yè)發(fā)展基礎(chǔ)、農(nóng)業(yè)數(shù)字化效益三個維度構(gòu)建指標體系，如表1所示。

表1 數(shù)字經(jīng)濟發(fā)展水平指標體系

1.1.2 熵權(quán)法

本文通過對主客觀賦權(quán)法的優(yōu)缺點對比及其具體方法的對比分析，結(jié)合數(shù)據(jù)之間的內(nèi)在統(tǒng)計規(guī)律，采用熵權(quán)法，幾乎不受主觀因素影響地得出較為客觀的指標權(quán)重。由于本文涉及的指標體系均是正向指標，因此無需做非負化處理，結(jié)合實際的農(nóng)業(yè)農(nóng)村數(shù)字化特點，采用熵權(quán)法計算數(shù)字經(jīng)濟發(fā)展水平。

1.1.3 測度結(jié)果分析

采用熵權(quán)法確定權(quán)重后，各指標測算結(jié)果以及各個省份年度數(shù)據(jù)測算結(jié)果與年度排名如表2所示。

表2 31個省份2015-2019年的數(shù)字經(jīng)濟發(fā)展水平的測度結(jié)果（續(xù)表）

表2 31個省份2015-2019年的數(shù)字經(jīng)濟發(fā)展水平的測度結(jié)果

由表2可知，各個省份的數(shù)字經(jīng)濟發(fā)展水平均呈現(xiàn)出了上升的趨勢，其中北京、上海、浙江等地的發(fā)展趨勢明顯，表明其數(shù)字經(jīng)濟發(fā)展水平較高，河北、內(nèi)蒙古等地的數(shù)字經(jīng)濟保持相對平緩的速度，且在全國的排名也出現(xiàn)了小幅度的波動，海南、寧夏、青海等地區(qū)的數(shù)字經(jīng)濟發(fā)展水平逐年遞增，但進步不太明顯；此外，從橫向看，河北、浙江、福建、廣東、四川等地的數(shù)字經(jīng)濟發(fā)展水平相對較高，并且在全國處于較為領(lǐng)先的位置，表明這些地區(qū)農(nóng)業(yè)相關(guān)的數(shù)字化投入以及數(shù)字化效益等方面效果顯著，因此充分發(fā)揮數(shù)字經(jīng)濟發(fā)展水平的優(yōu)勢對于地區(qū)經(jīng)濟發(fā)展具有重要的意義。

1.2 農(nóng)業(yè)全要素生產(chǎn)率

1.2.1 方法及理論的介紹

Malmquist指數(shù)是一種基于生產(chǎn)前沿發(fā)展起來的測量農(nóng)業(yè)全要素生產(chǎn)率的有效方法，現(xiàn)今已經(jīng)應(yīng)用到各個行業(yè)的生產(chǎn)率測算中，由于它主要是通過計算數(shù)據(jù)包絡(luò)分析（DEA）來實現(xiàn)，因此也常被稱為DEA-Malmquist指數(shù)法。該方法不需要任何假設(shè)，只要提供必要的對象和指標便可進行求解。

借鑒文獻［8］對于Malmquist指數(shù)的定義，其具體表達見公式（1），表3對其中變量進行了說明。

表3 DEA-Malmquist指數(shù)測算變量說明

1.2.2 指標體系的構(gòu)建

根據(jù)上述測算方法的介紹，采用DEA-Malmquist指數(shù)法從投入與產(chǎn)出的視角來測算內(nèi)地31個省份2015-2019年的農(nóng)業(yè)全要素生產(chǎn)率。本文基于已有的研究成果和數(shù)據(jù)的可獲得性，將產(chǎn)出變量定為農(nóng)林牧漁業(yè)的總產(chǎn)值，將投入要素定為農(nóng)林牧漁業(yè)以及相關(guān)行業(yè)服務(wù)的從業(yè)人員、農(nóng)作物的播種面積、農(nóng)業(yè)機械總動力、有效化肥施用量以及農(nóng)業(yè)耕地灌溉面積，該部分投入一定程度上囊括了勞動、資本等生產(chǎn)要素的投入，并使得投入更加全面和具體，如表4所示。由于DEA分析的投入產(chǎn)出有無量綱的特點，所以不需要對單位進行調(diào)整，具體的投入產(chǎn)出變量選取如表4所示。

表4 農(nóng)業(yè)全要素指標體系構(gòu)建

1.2.3 測算結(jié)果分析

運用DEAP2.1軟件對31個省份2014-2019年間的數(shù)據(jù)進行TFP的整體測算，并采用投入型與規(guī)模報酬不變作為基礎(chǔ)條件，測算出農(nóng)業(yè)全要素增長率，再將2014年作為基期類推進行連乘［9］，得到2015-2019年的TFP，具體結(jié)果如表5所示。

表5 31個省份2015-2019年的TFP數(shù)據(jù)

根據(jù)表5結(jié)果可知，從時間維度上來看，農(nóng)業(yè)全要素生產(chǎn)率均呈現(xiàn)出了一定幅度的上升趨勢，且最近幾年都突破了1，實現(xiàn)了各投入要素資源配置效率、利用效率等的提升，技術(shù)進步明顯，相對于2015年的數(shù)據(jù)，2019年的整體增速也愈發(fā)明顯；從省份看，全國31個省份盡管都呈現(xiàn)出了進步的趨勢，但各省份農(nóng)業(yè)全要素生產(chǎn)率增速不一?；?019年的數(shù)據(jù)做了一個三梯隊劃分，其中黑龍江、江西、湖南、重慶等8個省份的農(nóng)業(yè)全要素生產(chǎn)率處在第一梯隊，具有很高的水平，北京、天津、山西等15個省份在第二梯隊，河北、內(nèi)蒙古、上海等8個省份在第三梯隊。

1.3 數(shù)據(jù)來源

綜合指標體系的構(gòu)建數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》、阿里研究院、國家統(tǒng)計局以及各省市的統(tǒng)計年鑒等，選取31個省份2014-2019年的數(shù)據(jù)（測算結(jié)果為2015-2019年）。個別缺失的數(shù)據(jù)用其臨近年份的數(shù)值來代替。

2 數(shù)字經(jīng)濟對農(nóng)業(yè)全要素生產(chǎn)率的影響分析

2.1 變量選取與數(shù)據(jù)說明

為分析數(shù)字經(jīng)濟發(fā)展水平對農(nóng)業(yè)全要素生產(chǎn)率的影響，本文選擇了回歸模型作為分析方法，模型中的分析變量如下。

被解釋變量：農(nóng)業(yè)的全要素生產(chǎn)率。該變量數(shù)據(jù)是基于31個省份2014-2019年的投入產(chǎn)出要素，采用DEA-Malmquist指數(shù)法進行測度的結(jié)果，同時，為進行穩(wěn)健性測試，本文選用索洛余值法測算的農(nóng)業(yè)全要素生產(chǎn)率作為被解釋變量的替換變量，用tfp3來表示。

核心解釋變量：數(shù)字經(jīng)濟發(fā)展水平。該變量的測算是基于數(shù)字基礎(chǔ)設(shè)施水平、數(shù)字產(chǎn)業(yè)發(fā)展基礎(chǔ)、農(nóng)業(yè)數(shù)字化效益等方面進行的綜合評價。

控制變量：根據(jù)農(nóng)業(yè)發(fā)展特點選取除數(shù)字經(jīng)濟發(fā)展水平外的一部分能夠?qū)Ρ唤忉屪兞慨a(chǎn)生影響的變量。

（1）農(nóng)村經(jīng)濟發(fā)展水平。本文主要用人均GDP來衡量該變量。

（2）自然災(zāi)害。本文用31個省份的受災(zāi)面積占農(nóng)作物播種總面積表示某一地區(qū)農(nóng)業(yè)環(huán)境的惡化程度。

（3）工業(yè)化程度。本文通過非農(nóng)GDP與地區(qū)GDP的比重來表示地區(qū)的工業(yè)化發(fā)展水平。

（4）財政支農(nóng)力度。財政支農(nóng)力度主要是通過財政中農(nóng)業(yè)農(nóng)民支出占一般預(yù)算支出的比例來衡量。

（5）農(nóng)業(yè)結(jié)構(gòu)調(diào)整。本文主要通過糧食作物播種面積與農(nóng)作物播種面積的比例來衡量農(nóng)業(yè)的結(jié)構(gòu)調(diào)整。

2.2 模型構(gòu)建

構(gòu)建回歸模型如式（2）：

其中，被解釋變量：i表示省份，t表示年份，TFPit表示農(nóng)業(yè)全要素生產(chǎn)率；核心解釋變量：digitalit表示數(shù)字經(jīng)濟發(fā)展水平；Xit表示一系列控制變量，包括經(jīng)濟發(fā)展水平ecoit、自然災(zāi)害ndisait、工業(yè)化程度indusdegit、財政支農(nóng)力度supagriit、農(nóng)業(yè)結(jié)構(gòu)調(diào)整strucait；μi表示個體固定效應(yīng)，可以解決不隨時間變化而隨省份而異的不可觀測因素帶來的問題；νt表示時間固定效應(yīng)，能夠解決不隨省份變化而隨年度變化的不可觀測因素帶來的問題；εit表示隨機擾動項。

2.3 實證結(jié)果分析

針對上述模型，使用stata12分別擬合了混合回歸、個體固定效應(yīng)、同時控制了個體和時間效應(yīng)的雙向固定效應(yīng)、隨機效應(yīng)模型，擬合的具體結(jié)果依次在表6的（1）-（4）列。

從表6的回歸結(jié)果可以看到，四個模型的核心解釋變量ln(digital)的系數(shù)都為正，且都通過了顯著性檢驗。對模型進行豪斯曼檢驗，檢驗結(jié)果顯示chi2(7)=48.08，P=0.000，拒絕使用隨機效應(yīng)模型的原假設(shè)，應(yīng)使用固定效應(yīng)模型。擬合優(yōu)度方面，雙向固定效應(yīng)模型的擬合優(yōu)度要更好，達到了0.7324，同時考慮到數(shù)字經(jīng)濟對農(nóng)業(yè)的促進作用可能存在著不隨個體而隨時間變化的遺漏變量或不可觀測因素，本文最終選擇了更為合適的雙向固定效應(yīng)模型。因此，以下將使用表6列（3）的雙向固定效應(yīng)模型的估計結(jié)果進行分析。

表6 數(shù)字經(jīng)濟發(fā)展水平與全要素生產(chǎn)率的回歸結(jié)果

雙向固定效應(yīng)模型估計結(jié)果顯示，ln(digital)的估計系數(shù)為0.1737，表明數(shù)字經(jīng)濟的發(fā)展對農(nóng)業(yè)全要素生產(chǎn)率的提高有促進作用，且具體表現(xiàn)在數(shù)字經(jīng)濟發(fā)展水平每提高1%，農(nóng)業(yè)全要素生產(chǎn)率提高0.1737%。

在控制變量方面，經(jīng)濟發(fā)展水平的系數(shù)、自然災(zāi)害的系數(shù)沒有通過顯著性檢驗，說明地區(qū)經(jīng)濟發(fā)展水平與自然災(zāi)害對農(nóng)業(yè)發(fā)展沒有實質(zhì)性影響；工業(yè)化程度的系數(shù)為負，且通過顯著性檢驗，說明地區(qū)的工業(yè)化程度對該地區(qū)的農(nóng)業(yè)發(fā)展有著抑制作用；財政支農(nóng)力度的系數(shù)為正，且通過顯著性檢驗，說明政府財政支持有助于農(nóng)業(yè)發(fā)展；農(nóng)業(yè)結(jié)構(gòu)調(diào)整的系數(shù)沒有通過顯著性檢驗，說明其對農(nóng)業(yè)發(fā)展沒有實質(zhì)性的影響。

2.4 估計結(jié)果的穩(wěn)健性檢驗

為了估計的可靠性，選用了工具變量回歸法和替換被解釋變量兩種方法進行估計結(jié)果的穩(wěn)健性檢驗。

（1）工具變量回歸法

考慮到數(shù)字經(jīng)濟發(fā)展水平與全要素生產(chǎn)率之間可能存在的內(nèi)生性問題，因此選擇滯后一期的數(shù)字經(jīng)濟發(fā)展水平作為工具變量，采用兩階段最小二乘法（2SLS）重新估計模型，估計結(jié)果如表7所示。

表7 2SLS的估計結(jié)果

第一階段的回歸結(jié)果表明，解釋變量與工具變量有顯著的正相關(guān)關(guān)系，R2為0.9872，說明滯后一期的數(shù)字經(jīng)濟發(fā)展水平作為工具變量是合適的。第二階段的回歸結(jié)果表明，數(shù)字經(jīng)濟發(fā)展水平與全要素生產(chǎn)率顯著正相關(guān)，表明雙向固定效應(yīng)模型的估計結(jié)果具有穩(wěn)健性。

（2）替換被解釋變量

用索羅余值法測算的全要素生產(chǎn)率（tfp3）替換被解釋變量，利用原回歸模型進行參數(shù)估計，回歸結(jié)果如表8所示。數(shù)字經(jīng)濟發(fā)展水平的系數(shù)為正，且通過了顯著性檢驗，說明數(shù)字經(jīng)濟發(fā)展水平對農(nóng)業(yè)發(fā)展仍有促進作用，因此該回歸模型具有穩(wěn)健性。

表8 穩(wěn)健性檢驗

3 結(jié)論與建議

3.1 結(jié)論

從農(nóng)業(yè)農(nóng)村角度來看，數(shù)字經(jīng)濟發(fā)展水平相對來說并沒有發(fā)揮優(yōu)勢，這很大程度上取決于地區(qū)的主導(dǎo)產(chǎn)業(yè)、政府關(guān)聯(lián)度以及數(shù)字化農(nóng)業(yè)人才引入等。突出表現(xiàn)為西南地區(qū)的顯著正向推動作用，西南地區(qū)主要包括云南、貴州、四川等地，該地區(qū)的農(nóng)業(yè)數(shù)字經(jīng)濟發(fā)展水平在全國屬于中間水平，農(nóng)業(yè)全要素生產(chǎn)率更多地處在第一梯隊，該地區(qū)在數(shù)字基礎(chǔ)設(shè)施和數(shù)字化產(chǎn)業(yè)的交易等方面表現(xiàn)出一定的突出性，且很大程度上作用在農(nóng)業(yè)全要素生產(chǎn)率的提高上，說明數(shù)字經(jīng)濟對于推動農(nóng)業(yè)全要素生產(chǎn)率具有強大的賦能效果和潛力，但華北地區(qū)呈現(xiàn)出一定的負向作用，北京、河北、天津等地更注重制造業(yè)、工業(yè)等，數(shù)字經(jīng)濟的提升速度低于農(nóng)業(yè)全要素生產(chǎn)率的提升。東北地區(qū)、華北地區(qū)農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟基礎(chǔ)設(shè)施、產(chǎn)業(yè)發(fā)展以及數(shù)字化農(nóng)業(yè)交易在推動農(nóng)業(yè)全要素生產(chǎn)率方面稍落后于西南地區(qū)，仍保有很大的提升空間，因此需要更好地實現(xiàn)農(nóng)業(yè)的數(shù)字化，將新的技術(shù)應(yīng)用在農(nóng)業(yè)生產(chǎn)中，發(fā)揮現(xiàn)代化的優(yōu)勢。

3.2 政策建議

持續(xù)加快數(shù)字基礎(chǔ)設(shè)施的穩(wěn)健保障，充分發(fā)揮數(shù)字經(jīng)濟優(yōu)勢。農(nóng)業(yè)數(shù)字化基地建設(shè)、農(nóng)產(chǎn)品的數(shù)字化交易等變量具有較高的權(quán)重，因此要不斷地加快數(shù)字化基礎(chǔ)設(shè)施建設(shè)，加快發(fā)展5G網(wǎng)絡(luò)，應(yīng)用物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、大數(shù)據(jù)等信息技術(shù)到農(nóng)業(yè)種植、農(nóng)業(yè)生產(chǎn)中，借助數(shù)字基礎(chǔ)設(shè)施的加持來加強農(nóng)業(yè)生產(chǎn)、流通、銷售各環(huán)節(jié)的數(shù)據(jù)信息的采集、分析，促進農(nóng)業(yè)數(shù)字化發(fā)展，實現(xiàn)傳統(tǒng)農(nóng)業(yè)轉(zhuǎn)型升級。

加大數(shù)字農(nóng)業(yè)人才培養(yǎng)，多因素助力農(nóng)業(yè)現(xiàn)代化進步。著力培養(yǎng)數(shù)字農(nóng)業(yè)領(lǐng)域?qū)I(yè)人才，當前具備農(nóng)業(yè)產(chǎn)業(yè)和信息技術(shù)應(yīng)用的復(fù)合型專業(yè)人才還比較緊缺，且受到工作環(huán)境以及薪酬等問題的制約，因此政府需要制定相應(yīng)的優(yōu)惠政策，鼓勵大學(xué)生加入到基層農(nóng)業(yè)的發(fā)展建設(shè)中，彌補農(nóng)村數(shù)字化人才缺口。

深化工業(yè)支持，發(fā)揮潛在力量助力農(nóng)業(yè)發(fā)展。數(shù)字經(jīng)濟對現(xiàn)代農(nóng)業(yè)的發(fā)展有積極的促進作用，而工業(yè)化程度對農(nóng)業(yè)全要素生產(chǎn)率卻起著抑制作用，要助力工業(yè)與現(xiàn)代農(nóng)業(yè)協(xié)調(diào)發(fā)展，地區(qū)工業(yè)的發(fā)展有助于為農(nóng)業(yè)提供工業(yè)技術(shù)和工業(yè)產(chǎn)品，如農(nóng)用設(shè)施、農(nóng)用機械、化肥等，實現(xiàn)農(nóng)業(yè)的現(xiàn)代化。因此應(yīng)當發(fā)揮出工業(yè)對農(nóng)業(yè)的促進作用，并避免在發(fā)展工業(yè)的同時，造成土地資源緊張、環(huán)境惡化等問題，抑制農(nóng)業(yè)的發(fā)展，促進協(xié)調(diào)發(fā)展，此外需要在不同區(qū)域?qū)嵭芯哂胁町惢膽?zhàn)略。