从天气依赖到数字赋能:数字经济在增强农业产业韧性中的作用

《Frontiers in Sustainable Food Systems》:From weather reliance to digital empowerment: the role of the digital economy in enhancing agricultural industry resilience

【字体: 大 中 小 】 时间:2026年06月02日 来源:Frontiers in Sustainable Food Systems 3.1

编辑推荐:

  摘要:引言:传统农业高度依赖气候条件,其产出对气候变异性尤为敏感。气候变化带来的不确定性对农业产业韧性(agricultural industry resilience, AIR)构成持续挑战。在此背景下,数字经济的发展正推动从气候依赖型生产向数字赋能型农业的

  
摘要:引言:传统农业高度依赖气候条件,其产出对气候变异性尤为敏感。气候变化带来的不确定性对农业产业韧性(agricultural industry resilience, AIR)构成持续挑战。在此背景下,数字经济的发展正推动从气候依赖型生产向数字赋能型农业的转变。方法:本研究使用2011–2022年中国30个省份的面板数据,实证检验了数字经济对AIR的影响。结果:结果表明,数字经济显著增强了AIR,并呈现出明显的非线性关系:随着数字经济发展水平的提高,其边际赋能效应逐渐减弱,这与技术扩散的典型模式一致。机制分析显示,数字经济通过三条主要路径强化AIR:促进农业技术创新、加速数字化转型以及提升生产效率。异质性分析进一步表明,数字经济的赋能效应在非粮食主产区、农业现代化水平较低地区以及人口老龄化程度较高地区更为显著。这凸显了数字发展在解决传统农业结构短板和缓解资源约束方面的作用。讨论:本研究为数字技术与农业韧性之间的复杂非线性关系提供了经验证据,为政策制定者实施有针对性的数字战略提供了理论见解和实践指导。
解读文章:

**研究背景与问题**

在全球气候变化加剧、生态退化及经济不确定性上升的背景下,农业系统的可持续性已成为实现联合国可持续发展目标的关键议题。传统农业高度依赖气候条件,其产出对气候变异性敏感,而气候变化的不确定性对农业产业韧性(agricultural industry resilience, AIR)构成持续挑战。AIR是衡量农业系统在复杂不确定环境下抵御冲击、维持核心功能并实现结构适应与恢复的关键指标,涵盖稳定承载能力、适应性恢复能力和创新支持能力三个维度。然而,现有研究在测量体系上存在指标选取分散、理论整合不足的问题,缺乏统一的分析框架;在机制分析上多集中于经验关系检验,对技术创新、信息反馈和资源配置等内在传导路径的系统整合不足;在方法上多基于线性框架,忽视阶段特征、非线性关系及异质性。因此,系统评估数字经济对农业系统韧性的影响路径与边界条件十分必要。

**研究内容与结论**

本研究从AIR视角评估农业系统可持续性,使用2011–2022年中国30个省份的面板数据,系统分析了数字经济对AIR的影响及其内在机制。研究发现:数字经济显著增强AIR,且存在非线性阈值特征(假设H1);机制分析表明,数字经济通过促进农业技术创新、推动农业数字化转型和提升农业生产效率三条路径强化AIR(假设H2);异质性分析显示,数字经济在非粮食主产区、农业现代化水平较低地区及人口老龄化程度较高地区的赋能效应更显著。研究发表在《Frontiers in Sustainable Food Systems》。

**关键技术方法简介**

研究人员使用以下主要技术方法:(1)面板数据回归模型(OLS、固定效应FE、系统GMM)估计数字经济对AIR的直接效应;(2)面板阈值回归模型(Bruce, 1999)以数字经济自身为阈值变量,检验非线性效应;(3)中介效应模型(Baron & Kenny, 1986; MacKinnon et al., 2007),以农业技术创新(ATI)、农业数字化转型(ADT)和农业生产效率(APE)为中介变量;(4)异质性分析采用分组回归,基于粮食主产区划分、农业现代化水平中位数分组、人口老龄化程度中位数分组。样本来源为2011–2022年中国30个省份(不含西藏、港澳台)的面板数据,数据源自《中国统计年鉴》《中国农村统计年鉴》等官方统计及北京大学数字金融研究中心。

**研究结果**

**5.1 数字经济对农业经济韧性的影响**

**5.1.1 直接回归**:通过OLS、FE和SYS-GMM估计,数字经济系数均为正且显著(p?
**5.1.2 阈值效应检验**:以数字经济自身为阈值变量,单阈值检验显著(F=39.71, p=0.017),阈值为0.380。当数字经济≤0.380时,边际效应为0.299(p<0.01);>0.380时为0.226(p<0.01),呈“初期高回报–后期递减”模式,验证了H1。

**5.2 传导机制检验结果**:中介效应回归显示,数字经济对农业技术创新(ATI)、农业数字化转型(ADT)和农业生产效率(APE)均有显著正向影响(p<0.01),且这些中介变量对AIR有显著正向效应(p<0.01)。三条路径“数字经济→ATI/ADT/APE→AIR”均成立,验证了H2。

**5.3 稳健性与内生性检验**:通过替换数字经济测量方法(PCA)、替换AIR测量方法(PCA和等权重),结果保持稳健。采用1984年省级固定电话普及率作为工具变量进行两阶段最小二乘回归,第一阶段强相关(F=18.428),第二阶段数字经济系数仍显著(p<0.01),排除反向因果和遗漏变量偏误。

**5.4 异质性分析**:分组回归显示,数字经济在非粮食主产区(系数0.503)略高于主产区(0.490);在低农业现代化地区(0.538)高于高现代化地区(0.421);在人口老龄化程度高地区(0.568)高于低老龄化地区(0.417)。表明数字经济在结构薄弱和资源约束强的地区赋能效果更突出。

**讨论与结论**

**讨论部分总结**:研究揭示了数字经济对AIR的非线性影响特征,即先快后慢的边际递减模式,符合技术扩散规律。机制分析阐明了技术创新、数字化转型和效率提升三条内在路径,强调了技术进步在维持系统稳定和长期可持续中的基础作用。异质性分析指出了数字化的“及时支撑”作用,有助于解决传统农业结构短板并缓解资源约束。政策启示包括:在技术层面加大智能传感、精准作业和农业人工智能的投入;帮助小农户克服数字障碍;建立清晰的农业数据产权和利益共享机制。实施应因地制宜、分阶段推进:基础设施薄弱地区优先部署物联终端和5G网络,并提供老年农民的数字技能培训;数字经济已超过阈值的地区应转向质量提升,如建立数字农业创新中心。

**研究结论翻译**:在全球不确定性加剧以及农业面临气候变化和市场波动等多重压力的背景下,提升农业系统的可持续性已成为一项关键挑战。本研究利用2011–2022年中国30个省份的面板数据,从农业产业韧性(AIR)的视角系统分析了数字经济对农业系统可持续性的赋能效应。结果表明,数字经济对AIR具有显著正向影响,且该效应呈现明显的非线性特征:超过数字经济发展阈值后,边际效应递减,遵循“初期快速增长–逐渐下降”的动态模式。中介分析进一步表明,农业技术创新、农业数字化转型和农业生产效率均为数字经济增强AIR的渠道,凸显了技术进步在维持系统稳定和长期可持续中的基础作用。异质性分析揭示,数字经济对AIR的促进作用在非粮食主产区、农业现代化水平较低地区以及人口老龄化程度较高地区尤为显著,强调了数字化在解决传统农业结构短板和缓解资源约束方面的“及时支撑”作用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号