王善高

（南京郵電大學(xué) 管理學(xué)院，南京 210003）

0 引言

改革開(kāi)放以來(lái)，中國(guó)農(nóng)業(yè)發(fā)展取得了舉世矚目的成就，但環(huán)境污染、水資源稀缺、耕地基礎(chǔ)地力下降等問(wèn)題也日益凸顯，嚴(yán)重制約了中國(guó)農(nóng)業(yè)的可持續(xù)發(fā)展[1]。要想破解上述難題，實(shí)現(xiàn)可持續(xù)發(fā)展，中國(guó)農(nóng)業(yè)就必須走高質(zhì)量發(fā)展之路。近年來(lái)，隨著新一代信息技術(shù)的發(fā)展，融合數(shù)據(jù)資源和信息通信技術(shù)的數(shù)字經(jīng)濟(jì)應(yīng)運(yùn)而生[2]。作為經(jīng)濟(jì)發(fā)展的新動(dòng)力，數(shù)字經(jīng)濟(jì)能否促進(jìn)中國(guó)農(nóng)業(yè)高質(zhì)量發(fā)展呢？解答該問(wèn)題對(duì)中國(guó)農(nóng)業(yè)加快實(shí)現(xiàn)可持續(xù)發(fā)展具有重要意義。

關(guān)于數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響，現(xiàn)有文獻(xiàn)進(jìn)行了一定的探討，但還存在以下不足：第一，對(duì)數(shù)字經(jīng)濟(jì)發(fā)展水平的測(cè)度存在較大的隨意性。盡管目前已有機(jī)構(gòu)對(duì)數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行了測(cè)度，但測(cè)度結(jié)果尚未完全對(duì)外公開(kāi)，學(xué)者們主要還是自行搜集數(shù)據(jù)進(jìn)行測(cè)度。然而，學(xué)者們大多采用單一指標(biāo)進(jìn)行測(cè)度[3]，綜合性上有所欠缺。雖然有一部分學(xué)者開(kāi)始構(gòu)建指標(biāo)體系進(jìn)行測(cè)度，但構(gòu)建的指標(biāo)體系涵蓋面不足[4]，缺乏全面性。第二，大多數(shù)文獻(xiàn)采用參數(shù)模型考察數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響。參數(shù)模型在設(shè)置上存在較大的主觀性，而數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)高質(zhì)量發(fā)展之間的關(guān)系較為復(fù)雜，采用參數(shù)模型進(jìn)行研究很容易誤設(shè)模型的函數(shù)形式。第三，忽視了數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)高質(zhì)量發(fā)展的路徑。數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)高質(zhì)量發(fā)展的表現(xiàn)形式是數(shù)字化的知識(shí)和信息不斷融入農(nóng)業(yè)生產(chǎn)中，這會(huì)產(chǎn)生兩種影響：一是數(shù)字化的知識(shí)和信息有助于提升農(nóng)業(yè)經(jīng)營(yíng)主體的經(jīng)營(yíng)管理能力，表現(xiàn)為農(nóng)業(yè)生產(chǎn)技術(shù)效率的提高；二是數(shù)字化的知識(shí)和信息與農(nóng)業(yè)生產(chǎn)融合，衍生出新技術(shù)、新動(dòng)能，表現(xiàn)為農(nóng)業(yè)生產(chǎn)技術(shù)水平的提升。然而，鮮有學(xué)者基于效率和技術(shù)視角探討數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的作用路徑。

鑒于此，本文以2011—2020 年中國(guó)31 個(gè)省份的數(shù)據(jù)為研究樣本，首先，運(yùn)用熵值法測(cè)度數(shù)字經(jīng)濟(jì)發(fā)展水平；然后，運(yùn)用半?yún)?shù)面板數(shù)據(jù)模型考察數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響及其異質(zhì)性；最后，基于中介效應(yīng)模型分析數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)高質(zhì)量發(fā)展的作用路徑。

1 研究設(shè)計(jì)

1.1 數(shù)字經(jīng)濟(jì)發(fā)展水平測(cè)度

本文根據(jù)數(shù)字經(jīng)濟(jì)的內(nèi)涵，參照工業(yè)和信息化部、賽迪顧問(wèn)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)研究中心、中國(guó)信息通信研究院等權(quán)威機(jī)構(gòu)發(fā)布的數(shù)字經(jīng)濟(jì)指標(biāo)，并借鑒王軍等（2021）[4]、盛斌和劉宇英（2022）[5]的分析思路，從數(shù)字經(jīng)濟(jì)發(fā)展基礎(chǔ)、數(shù)字經(jīng)濟(jì)發(fā)展環(huán)境、數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化4個(gè)維度，選取10個(gè)一級(jí)指標(biāo)、27個(gè)二級(jí)指標(biāo)來(lái)測(cè)度數(shù)字經(jīng)濟(jì)發(fā)展水平，見(jiàn)下頁(yè)表1。

表1 數(shù)字經(jīng)濟(jì)發(fā)展水平測(cè)度指標(biāo)體系

本文采用熵值法確定指標(biāo)權(quán)重，并通過(guò)加權(quán)求和計(jì)算數(shù)字經(jīng)濟(jì)發(fā)展水平。具體步驟如下：

第一步：對(duì)變量進(jìn)行標(biāo)準(zhǔn)化處理，以消除量綱和計(jì)量單位的影響。正向指標(biāo)的標(biāo)準(zhǔn)化公式為=(xij-minxj)/(maxxj-minxj)，負(fù)向指標(biāo)的標(biāo)準(zhǔn)化公式為=(maxxj-xij)/(maxxj-minxj)。其中，為標(biāo)準(zhǔn)化后的指標(biāo)值，minxj為第j項(xiàng)指標(biāo)在所有年份中的最小值，maxxj為第j項(xiàng)指標(biāo)在所有年份中的最大值。

第二步：確定指標(biāo)權(quán)重。首先，計(jì)算第i年第j項(xiàng)指標(biāo)所占的比重wij，公式為；其次，計(jì)算指標(biāo)的信息熵ej，公式為，其中，m為評(píng)價(jià)年份；然后，計(jì)算信息熵冗余度dj，公式為dj=1-ej；最后，計(jì)算指標(biāo)權(quán)重ξj，公式為

1.2 模型構(gòu)建

1.2.1 半?yún)?shù)面板數(shù)據(jù)模型

半?yún)?shù)回歸不預(yù)設(shè)函數(shù)形式未知的變量，僅將部分函數(shù)形式已知的變量參數(shù)化。為研究數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響，本文設(shè)置半?yún)?shù)面板數(shù)據(jù)模型如下：

其中，i和t分別表示省份和年份，quality為農(nóng)業(yè)高質(zhì)量發(fā)展，f(·) 代表函數(shù)關(guān)系并未明確的非參數(shù)估計(jì)，digital為數(shù)字經(jīng)濟(jì)，G為控制變量，α為省份固定效應(yīng)，θ為時(shí)間固定效應(yīng)，μ為隨機(jī)擾動(dòng)項(xiàng)，γ為待估參數(shù)。需要說(shuō)明的是，早在2002年，Baltagi和Li（2002）[6]就提出用差分方法估計(jì)半?yún)?shù)面板數(shù)據(jù)模型，但由于求解過(guò)程比較復(fù)雜，相關(guān)研究一直停留在理論層面。那慕爾大學(xué)的Libois 和Verardi（2013）[7]于2013 年聯(lián)合開(kāi)發(fā)出了半?yún)?shù)面板數(shù)據(jù)模型的Stata估計(jì)指令xtsemipar，可在Stata軟件中直接下載使用。

1.2.2 中介效應(yīng)模型

本文借鑒溫忠麟和葉寶娟（2014）[8]的研究，采用中介效應(yīng)模型探究數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)高質(zhì)量發(fā)展的作用路徑。具體模型如下：

其中，i、t、quality、digital、G、α、θ的含義與式（1）中一致；medium為中介變量，包括農(nóng)業(yè)生產(chǎn)技術(shù)效率（eff）和農(nóng)業(yè)生產(chǎn)技術(shù)水平（tec）；μ1it、μ2it、μ3it為各個(gè)模型的隨機(jī)擾動(dòng)項(xiàng)。

1.3 變量說(shuō)明

1.3.1 被解釋變量：農(nóng)業(yè)高質(zhì)量發(fā)展（quality）

大量研究指出，全要素生產(chǎn)率的提高是高質(zhì)量發(fā)展的一個(gè)重要表征。因此，本文將全要素生產(chǎn)率作為高質(zhì)量發(fā)展的代理指標(biāo)。然而，傳統(tǒng)的全要素生產(chǎn)率僅考慮了期望產(chǎn)出，忽視了非期望產(chǎn)出（污染物），這種做法會(huì)導(dǎo)致測(cè)算出的全要素生產(chǎn)率偏高。為克服傳統(tǒng)全要素生產(chǎn)率的不足，本文將包含非期望產(chǎn)出的綠色全要素生產(chǎn)率[9,10]作為高質(zhì)量發(fā)展的代理指標(biāo)。

本文采用DEA 方法來(lái)測(cè)算農(nóng)業(yè)綠色全要素生產(chǎn)率。具體而言，基于DEA方法，將投入、期望產(chǎn)出、非期望產(chǎn)出納入同一個(gè)核算框架，運(yùn)用非徑向、非角度松弛方向性距離函數(shù)構(gòu)造考慮非期望產(chǎn)出的Malmquist-Luenberger生產(chǎn)率指數(shù)（簡(jiǎn)稱(chēng)ML生產(chǎn)率指數(shù)），ML生產(chǎn)率指數(shù)是綠色全要素生產(chǎn)率的環(huán)比變化值，能夠反映綠色全要素生產(chǎn)率的變化。

結(jié)合農(nóng)業(yè)生產(chǎn)實(shí)際，選取如下指標(biāo)測(cè)度農(nóng)業(yè)綠色全要素生產(chǎn)率：（1）期望產(chǎn)出：用農(nóng)林牧漁業(yè)總產(chǎn)值表示，并以2011 年為基期，用地區(qū)生產(chǎn)總值指數(shù)進(jìn)行平減。（2）非期望產(chǎn)出：用農(nóng)業(yè)污染物排放總量表示。（3）投入指標(biāo)：①土地投入：用農(nóng)作物播種面積表示。②勞動(dòng)投入：用鄉(xiāng)村農(nóng)林牧漁業(yè)從業(yè)人員數(shù)表示。③化肥投入：用農(nóng)用化肥施用折純量表示。④機(jī)械投入：用農(nóng)業(yè)機(jī)械總動(dòng)力表示?；谏鲜鲋笜?biāo)，利用Stata 16 軟件中的gtfpch 指令即可計(jì)算出農(nóng)業(yè)綠色全要素生產(chǎn)率。

1.3.2 核心解釋變量：數(shù)字經(jīng)濟(jì)（digital）

基于表1 中的指標(biāo)，按照對(duì)變量進(jìn)行標(biāo)準(zhǔn)化處理、用熵值法確定指標(biāo)權(quán)重、計(jì)算綜合得分等步驟，即可測(cè)算出各省份的數(shù)字經(jīng)濟(jì)發(fā)展水平。上述計(jì)算過(guò)程均可通過(guò)Stata 16軟件編寫(xiě)操作指令實(shí)現(xiàn)。

1.3.3 中介變量：農(nóng)業(yè)生產(chǎn)技術(shù)效率（eff）和農(nóng)業(yè)生產(chǎn)技術(shù)水平（tec）

參照大多數(shù)學(xué)者的思路，采用包含非期望產(chǎn)出的SBM模型來(lái)測(cè)度農(nóng)業(yè)生產(chǎn)技術(shù)效率（eff）和農(nóng)業(yè)生產(chǎn)技術(shù)水平（tec）。Stata 16 軟件中的gtfpch 指令可以直接估計(jì)包含非期望產(chǎn)出的SBM 模型，因此，基于農(nóng)業(yè)生產(chǎn)的投入、期望產(chǎn)出、非期望產(chǎn)出指標(biāo)，利用gtfpch指令測(cè)算即可。

1.3.4 控制變量

借鑒劉艷（2021）[11]、陳昭等（2022）[3]的研究，控制變量選取如下：（1）農(nóng)業(yè)勞動(dòng)力受教育程度（edu）：用農(nóng)業(yè)勞動(dòng)力的受教育年限表示。（2）地區(qū)資源稟賦（res）：用各地區(qū)水資源總量的對(duì)數(shù)作為地區(qū)資源稟賦的代理變量。（3）地方政府財(cái)政支農(nóng)力度（sup）：用地方財(cái)政農(nóng)林水事務(wù)支出占地方財(cái)政一般預(yù)算支出的比重表示。（4）對(duì)外開(kāi)放程度（ope）：用外商直接投資占地區(qū)生產(chǎn)總值的比重表示。（5）城鎮(zhèn)化水平（urb）：用城鎮(zhèn)人口占年末常住人口的比重表示。最后，還在模型中加入了省份固定效應(yīng)和年份固定效應(yīng)。

1.4 數(shù)據(jù)來(lái)源及數(shù)據(jù)處理

本文以2011—2020年中國(guó)31個(gè)省份（不含港澳臺(tái)）的數(shù)據(jù)作為研究樣本進(jìn)行分析。相關(guān)數(shù)據(jù)主要來(lái)源于國(guó)家統(tǒng)計(jì)局官網(wǎng)、工業(yè)和信息化部官網(wǎng)、《中國(guó)電子信息產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》、北京大學(xué)數(shù)字金融研究中心課題組發(fā)布的《北京大學(xué)數(shù)字普惠金融指數(shù)》以及第二次全國(guó)污染源普查領(lǐng)導(dǎo)小組公布的《農(nóng)業(yè)污染源產(chǎn)排污系數(shù)手冊(cè)》。

需要說(shuō)明的是：第一，對(duì)于部分缺失的數(shù)據(jù)，采用插值法或外推法進(jìn)行填補(bǔ)。第二，對(duì)于部分涉及金額的變量，以2011 年為基期，用地區(qū)生產(chǎn)總值指數(shù)進(jìn)行平減處理。第三，《農(nóng)業(yè)污染源產(chǎn)排污系數(shù)手冊(cè)》公布的排污系數(shù)包括種植業(yè)氮磷排放系數(shù)、畜禽養(yǎng)殖業(yè)排污系數(shù)、水產(chǎn)養(yǎng)殖業(yè)排污系數(shù)3類(lèi)，本文在計(jì)算出種植業(yè)、畜禽養(yǎng)殖業(yè)、水產(chǎn)養(yǎng)殖業(yè)污染物排放量的基礎(chǔ)上，將3類(lèi)污染物排放量加總折算為一個(gè)指標(biāo)，統(tǒng)稱(chēng)為農(nóng)業(yè)污染物排放量。

2 實(shí)證分析

2.1 數(shù)字經(jīng)濟(jì)發(fā)展水平測(cè)度結(jié)果分析

2.1.1 時(shí)間維度

圖1 為2011—2020 年中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展水平折線圖。由圖1可知，2011—2020年中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展水平由0.088增長(zhǎng)至0.246，年均增長(zhǎng)率為12.1%，呈現(xiàn)明顯的增長(zhǎng)趨勢(shì)。出現(xiàn)這種現(xiàn)象的原因可能有：（1）進(jìn)入信息時(shí)代以后，新興技術(shù)如雨后春筍般不斷涌現(xiàn)，而數(shù)字經(jīng)濟(jì)是以數(shù)據(jù)資源為關(guān)鍵要素、以現(xiàn)代信息網(wǎng)絡(luò)為主要載體的新經(jīng)濟(jì)形態(tài)，新興技術(shù)的發(fā)展必然會(huì)推動(dòng)數(shù)字經(jīng)濟(jì)的發(fā)展。（2）中國(guó)政府出臺(tái)了一系列與數(shù)字經(jīng)濟(jì)發(fā)展相關(guān)的政策，如《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》等，在政府的推動(dòng)下，數(shù)字經(jīng)濟(jì)得到了快速發(fā)展。

圖1 2011—2020年中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展水平折線圖

2.1.2 空間維度

圖2為中國(guó)31個(gè)省份數(shù)字經(jīng)濟(jì)發(fā)展水平（2011—2020年的均值）的柱狀圖。由圖2 可知：（1）廣東、江蘇、北京、山東、浙江、上海、四川、福建、河南、湖北、河北、遼寧這12個(gè)省份的數(shù)字經(jīng)濟(jì)發(fā)展水平均高于0.16（全國(guó)平均水平），這些省份大多位于東部地區(qū)，數(shù)字經(jīng)濟(jì)發(fā)展處于領(lǐng)先地位。（2）湖南、安徽、陜西、廣西、重慶、云南、江西、黑龍江、山西、貴州、內(nèi)蒙古、天津、吉林這13個(gè)省份的數(shù)字經(jīng)濟(jì)發(fā)展水平雖然均低于0.16，但均高于0.08（全國(guó)平均水平的一半），數(shù)字經(jīng)濟(jì)發(fā)展相對(duì)緩慢，動(dòng)力稍顯不足。（3）新疆、甘肅、西藏、海南、青海、寧夏這6 個(gè)省份的數(shù)字經(jīng)濟(jì)發(fā)展水平均低于0.08，這些省份大多位于西部地區(qū)，數(shù)字經(jīng)濟(jì)發(fā)展尚未步入正軌。

圖2 中國(guó)31個(gè)省份數(shù)字經(jīng)濟(jì)發(fā)展水平（2011—2020年的均值）

2.2 數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響

圖3 和表2 展示了半?yún)?shù)面板數(shù)據(jù)模型的回歸結(jié)果。其中，圖3是核心解釋變量的回歸結(jié)果，表2是控制變量的回歸結(jié)果。

圖3 數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)高質(zhì)量發(fā)展的關(guān)系

表2 數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)高質(zhì)量發(fā)展的參數(shù)估計(jì)結(jié)果

由圖3 可知，隨著數(shù)字經(jīng)濟(jì)發(fā)展水平的上升，平滑曲線呈現(xiàn)先上升后下降的“倒U”型變化趨勢(shì)，說(shuō)明數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)高質(zhì)量發(fā)展之間存在“倒U”型關(guān)系。周少甫和陳亞輝（2022）[12]、梁小甜和文宗瑜（2022）[13]在分析數(shù)字經(jīng)濟(jì)對(duì)服務(wù)業(yè)、制造業(yè)等行業(yè)高質(zhì)量發(fā)展的影響時(shí)，也得出了類(lèi)似的結(jié)論。從拐點(diǎn)（用逼近法求得拐點(diǎn)為0.60）來(lái)看，當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平低于0.60時(shí)，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有正向影響；當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平高于0.60 時(shí)，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有負(fù)向影響。出現(xiàn)這種現(xiàn)象的原因可能是，在數(shù)字經(jīng)濟(jì)發(fā)展初期，數(shù)字化的知識(shí)和信息可以不斷融入農(nóng)業(yè)生產(chǎn)中，提升農(nóng)業(yè)生產(chǎn)的數(shù)字化水平，這在一定程度上會(huì)促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展；然而，當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展到一定階段的時(shí)候，可能會(huì)擠出農(nóng)業(yè)勞動(dòng)者（大量研究指出，具有重復(fù)性的“程序性工種”更容易被數(shù)字技術(shù)所取代，而農(nóng)業(yè)勞動(dòng)者所從事的職業(yè)往往是“程序性工種”），農(nóng)業(yè)勞動(dòng)者是農(nóng)業(yè)高質(zhì)量發(fā)展的主體力量，隨著農(nóng)業(yè)勞動(dòng)者被擠出，農(nóng)業(yè)高質(zhì)量發(fā)展水平會(huì)出現(xiàn)下降。

由表2可知，在控制變量中，地區(qū)資源稟賦、地方政府財(cái)政支農(nóng)力度、對(duì)外開(kāi)放程度對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展均有顯著影響。具體而言：（1）地區(qū)資源稟賦的系數(shù)在10%的水平上顯著為正，說(shuō)明地區(qū)資源稟賦對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有正向影響。這可能是因?yàn)檗r(nóng)業(yè)資源越豐富的地區(qū)越容易發(fā)揮農(nóng)業(yè)的比較優(yōu)勢(shì)，這在一定程度上會(huì)推動(dòng)區(qū)域農(nóng)業(yè)走上高質(zhì)量發(fā)展的道路。（2）地方政府財(cái)政支農(nóng)力度的系數(shù)在1%的水平上顯著為正，說(shuō)明地方政府財(cái)政支農(nóng)力度對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有正向影響。這可能是因?yàn)榈胤秸?cái)政支農(nóng)力度越大，政府投入農(nóng)業(yè)的財(cái)政資金就越多，這在一定程度上會(huì)提高農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)水平，推動(dòng)農(nóng)業(yè)高質(zhì)量發(fā)展。（3）對(duì)外開(kāi)放程度的系數(shù)在1%的水平上顯著為負(fù)，說(shuō)明對(duì)外開(kāi)放程度對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有負(fù)向影響。這可能是因?yàn)閷?duì)外開(kāi)放程度越高的地區(qū)，進(jìn)口農(nóng)產(chǎn)品的可能性越大，而這在一定程度上會(huì)對(duì)國(guó)內(nèi)農(nóng)業(yè)生產(chǎn)形成沖擊，從而對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展產(chǎn)生負(fù)向影響。

2.3 穩(wěn)健性討論

2.3.1 多重共線性問(wèn)題

考慮到變量間可能存在的多重共線性問(wèn)題，本文利用方差膨脹系數(shù)（VIF）進(jìn)行了多重共線性檢驗(yàn)。VIF 越大，表示多重共線性問(wèn)題越嚴(yán)重。通常以10 為分界點(diǎn)，當(dāng)VIF＜10 時(shí)，認(rèn)為不存在多重共線性問(wèn)題；反之，則存在多重共線性問(wèn)題。表3 匯報(bào)了各變量的方差膨脹系數(shù)。由表3 可知，核心解釋變量和控制變量的VIF 均小于10，說(shuō)明各變量之間不存在多重共線性問(wèn)題，這在一定程度上排除了本文選取的控制變量既會(huì)影響核心解釋變量又會(huì)影響被解釋變量的可能性。

表3 各變量的方差膨脹系數(shù)

2.3.2 內(nèi)生性問(wèn)題

從理論上看，本文可能存在內(nèi)生性問(wèn)題，因?yàn)閿?shù)字經(jīng)濟(jì)和農(nóng)業(yè)高質(zhì)量發(fā)展可能同時(shí)受到某些不可觀測(cè)因素的影響，而這些不可觀測(cè)的因素又無(wú)法納入模型中。為了克服可能存在的內(nèi)生性問(wèn)題，本文采用工具變量法進(jìn)行穩(wěn)健性檢驗(yàn)。借鑒劉心怡等（2022）[14]、何瓊和曲立（2022）[15]的研究，選擇數(shù)字經(jīng)濟(jì)的二階滯后項(xiàng)作為工具變量。工具變量的不可識(shí)別檢驗(yàn)結(jié)果（Chi2=107.833，P=0.0000）顯示，顯著拒絕原假設(shè)，而且弱工具變量檢驗(yàn)的F值（249.696）也大于10，說(shuō)明本文選擇的工具變量通過(guò)了不可識(shí)別檢驗(yàn)和弱工具變量檢驗(yàn)。從表4的回歸結(jié)果來(lái)看，第一階段數(shù)字經(jīng)濟(jì)二階滯后項(xiàng)的系數(shù)在1%的水平上顯著為正，第二階段數(shù)字經(jīng)濟(jì)的系數(shù)也在1%的水平上顯著為正，說(shuō)明在消除了可能存在的內(nèi)生性問(wèn)題以后，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展依然具有顯著影響，這意味著本文的實(shí)證結(jié)果具有一定的穩(wěn)健性。

表4 數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響（內(nèi)生性檢驗(yàn)）

2.4 異質(zhì)性分析

2.4.1 區(qū)域異質(zhì)性

中國(guó)幅員遼闊，各地區(qū)的資源稟賦存在較大差異，因此數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響可能也存在區(qū)域差異。鑒于此，本文按照國(guó)家統(tǒng)計(jì)局的劃分標(biāo)準(zhǔn)，將31個(gè)省份劃分為東、中、西三大地區(qū)，以考察不同地區(qū)數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的異質(zhì)性影響，結(jié)果見(jiàn)圖4 和下頁(yè)表5。其中，圖4是核心解釋變量的回歸結(jié)果，表5是控制變量的回歸結(jié)果。

圖4 區(qū)域異質(zhì)性檢驗(yàn)的結(jié)果

表5 異質(zhì)性分析結(jié)果

由圖4可知，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響存在明顯的區(qū)域異質(zhì)性。具體而言：（1）在東部地區(qū)，數(shù)字經(jīng)濟(jì)能顯著促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展，但隨著數(shù)字經(jīng)濟(jì)發(fā)展水平的提升，這種促進(jìn)效應(yīng)逐漸變?nèi)?。?）在中部地區(qū)，數(shù)字經(jīng)濟(jì)也能促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展，但受數(shù)字經(jīng)濟(jì)發(fā)展水平的限制，這種促進(jìn)效應(yīng)尚未完全顯現(xiàn)出來(lái)。（3）在西部地區(qū)，數(shù)字經(jīng)濟(jì)會(huì)顯著抑制農(nóng)業(yè)高質(zhì)量發(fā)展，這可能是因?yàn)槲鞑康貐^(qū)深處內(nèi)陸，數(shù)字經(jīng)濟(jì)發(fā)展所需的基礎(chǔ)設(shè)施相對(duì)薄弱，數(shù)字經(jīng)濟(jì)發(fā)展尚未步入正軌。

由表5可知，在區(qū)域異質(zhì)性回歸中，地區(qū)資源稟賦、地方政府財(cái)政支農(nóng)力度、對(duì)外開(kāi)放程度對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有顯著影響。需要注意的是，地區(qū)資源稟賦的系數(shù)在東部和中部地區(qū)顯著為正，在西部地區(qū)為負(fù)但不顯著，這可能是因?yàn)楸疚牡牡貐^(qū)資源稟賦是用水資源總量的對(duì)數(shù)衡量的，而西部地區(qū)水資源相對(duì)匱乏，所以水資源總量對(duì)西部地區(qū)農(nóng)業(yè)高質(zhì)量發(fā)展的影響不明顯。

2.4.2 時(shí)間異質(zhì)性

考慮到數(shù)字經(jīng)濟(jì)發(fā)展水平和農(nóng)業(yè)高質(zhì)量發(fā)展水平均是動(dòng)態(tài)變化的，因此數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響也可能存在時(shí)間上的差異。按照均等劃分的思路，將樣本期劃分為2011—2015 年和2016—2020 年兩個(gè)時(shí)間段，以考察不同時(shí)間段內(nèi)數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響，結(jié)果見(jiàn)圖5和表5。其中，圖5是核心解釋變量的回歸結(jié)果，表5是控制變量的回歸結(jié)果。

圖5 時(shí)間異質(zhì)性檢驗(yàn)的結(jié)果

由圖5可知，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響存在明顯的時(shí)間異質(zhì)性。具體而言：（1）2011—2015 年，數(shù)字經(jīng)濟(jì)會(huì)顯著促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展，這可能是因?yàn)閿?shù)字經(jīng)濟(jì)還處于發(fā)展初期，數(shù)字化的知識(shí)和信息可以不斷融入農(nóng)業(yè)生產(chǎn)中，為農(nóng)業(yè)生產(chǎn)注入新動(dòng)能，所以數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有顯著的正向影響。（2）2016—2020 年，數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)高質(zhì)量發(fā)展之間存在“倒U”型的非線性關(guān)系，這一階段數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響開(kāi)始出現(xiàn)拐點(diǎn)，這可能是因?yàn)閿?shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)勞動(dòng)者形成了“擠出效應(yīng)”，進(jìn)而阻礙了農(nóng)業(yè)高質(zhì)量發(fā)展。

由表5可知，在時(shí)間異質(zhì)性回歸中，地區(qū)資源稟賦、地方政府財(cái)政支農(nóng)力度、對(duì)外開(kāi)放程度對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有顯著影響。需要注意的是，無(wú)論是2011—2015 年，還是2016—2020 年，地方政府財(cái)政支農(nóng)力度的系數(shù)都顯著為正，說(shuō)明無(wú)論在哪個(gè)時(shí)間段內(nèi)，地方政府財(cái)政支農(nóng)力度都對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有顯著的促進(jìn)作用。

2.5 作用路徑探討

中介效應(yīng)檢驗(yàn)的結(jié)果見(jiàn)表6。其中，列（1）至列（3）是將農(nóng)業(yè)生產(chǎn)技術(shù)效率作為中介變量的估計(jì)結(jié)果，列（4）至列（6）是將農(nóng)業(yè)生產(chǎn)技術(shù)水平作為中介變量的估計(jì)結(jié)果。

表6 中介效應(yīng)檢驗(yàn)結(jié)果

由表6 可知：列（1）表明數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有顯著的正向影響；列（2）表明數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)生產(chǎn)技術(shù)效率有顯著的正向影響；列（3）表明數(shù)字經(jīng)濟(jì)和農(nóng)業(yè)生產(chǎn)技術(shù)效率均對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有顯著的正向影響，而且與列（1）相比，數(shù)字經(jīng)濟(jì)的系數(shù)變小了（0.022＜0.046）。由此可見(jiàn)，農(nóng)業(yè)生產(chǎn)技術(shù)效率是數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)高質(zhì)量發(fā)展的傳導(dǎo)路徑?？赡艿脑蚴牵?dāng)數(shù)字化的知識(shí)和信息與農(nóng)業(yè)生產(chǎn)融合時(shí)，很容易形成一系列的數(shù)據(jù)資源，這些數(shù)據(jù)資源能為農(nóng)業(yè)生產(chǎn)主體提供指導(dǎo)，進(jìn)行精細(xì)化的生產(chǎn)管理，這在一定程度上會(huì)提升農(nóng)業(yè)生產(chǎn)技術(shù)效率，并進(jìn)一步促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展。

由表6 可知：列（4）表明數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有顯著的正向影響；列（5）表明數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)生產(chǎn)技術(shù)水平的影響不顯著；列（6）表明數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展有顯著的正向影響，但農(nóng)業(yè)生產(chǎn)技術(shù)水平對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響不顯著。由此可見(jiàn)，農(nóng)業(yè)生產(chǎn)技術(shù)水平不是數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)高質(zhì)量發(fā)展的傳導(dǎo)路徑。可能的原因是，技術(shù)創(chuàng)新是一個(gè)漫長(zhǎng)的過(guò)程，需要經(jīng)歷研發(fā)、試驗(yàn)、推廣等多個(gè)環(huán)節(jié)，因此數(shù)字化的知識(shí)和信息與農(nóng)業(yè)生產(chǎn)融合并衍生出新的農(nóng)業(yè)生產(chǎn)技術(shù)也需要漫長(zhǎng)的時(shí)間，而我國(guó)數(shù)字農(nóng)業(yè)的發(fā)展還處于早期階段，很難衍生出具有突破性的農(nóng)業(yè)生產(chǎn)技術(shù)，所以農(nóng)業(yè)生產(chǎn)技術(shù)水平在數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)高質(zhì)量發(fā)展中的傳導(dǎo)作用尚未顯現(xiàn)出來(lái)。

3 結(jié)論

本文以2011—2020年中國(guó)31個(gè)省份的數(shù)據(jù)為研究樣本，采用半?yún)?shù)面板數(shù)據(jù)模型、中介效應(yīng)模型實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響效應(yīng)及其作用路徑，結(jié)論如下：（1）2011—2020 年，中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展水平呈逐年遞增趨勢(shì)，但存在明顯的地區(qū)差異，具體表現(xiàn)為從東部地區(qū)向中部和西部地區(qū)漸次降低。（2）數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)高質(zhì)量發(fā)展之間存在“倒U”型關(guān)系，當(dāng)且僅當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平為0.60時(shí)，數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響達(dá)到最大。（3）在區(qū)域上，數(shù)字經(jīng)濟(jì)對(duì)東部地區(qū)和中部地區(qū)農(nóng)業(yè)高質(zhì)量發(fā)展有正向影響，對(duì)西部地區(qū)農(nóng)業(yè)高質(zhì)量發(fā)展有負(fù)向影響。在時(shí)間上，2015 年及以前數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展僅有正向影響，2015 年以后數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響存在拐點(diǎn)，二者之間存在“倒U”型的非線性關(guān)系。（4）數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)高質(zhì)量發(fā)展的影響主要是通過(guò)農(nóng)業(yè)生產(chǎn)技術(shù)效率傳導(dǎo)的，農(nóng)業(yè)生產(chǎn)技術(shù)水平在數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)高質(zhì)量發(fā)展中的傳導(dǎo)作用尚未顯現(xiàn)出來(lái)。