《Sustainability》:Climate Risk Inhibits Agricultural Technology Innovation: Evidence from Chinese Cities
编辑推荐:
理解气候风险如何阻碍农业技术创新及其潜在机制,对于促进高质量农业发展至关重要。利用中国223个地级市2005年至2023年的面板数据集,本研究采用带有城市和年份固定效应的固定效应面板OLS(Ordinary Least Squares,普通最小二乘法)估计量,
理解气候风险如何阻碍农业技术创新及其潜在机制,对于促进高质量农业发展至关重要。利用中国223个地级市2005年至2023年的面板数据集,本研究采用带有城市和年份固定效应的固定效应面板OLS(Ordinary Least Squares,普通最小二乘法)估计量,系统考察了气候风险对农业技术创新的影响。研究结果表明,气候风险显著抑制了农业技术创新,基准系数为-1.462,在1%水平上统计显著。在解决内生性问题并应用双重机器学习(Double Machine Learning, DML)后,这些结果依然稳健。异质性分析显示,这种抑制效应在平原地区、主产粮区以及数字经济发达地区较弱。机制上,气候风险通过减少资本供给和抑制市场需求来压制农业技术创新。此外,物流能力、知识积累和人力资本流动可以缓解这一负面影响。进一步分析表明,气候风险也对创新质量、协同合作和绿色转型产生负面影响,但其程度小于对整体创新水平的影响。在绿色创新内部,气候风险对生态增益型创新的抑制效应强于对污染减排型创新的抑制效应。
在全球气候系统加速变化的背景下,极端天气事件频发已成为威胁农业安全与稳定的系统性风险。据2025年FAO报告,21世纪以来气候相关灾害已导致全球46亿吨谷物、28亿吨果蔬、9亿吨肉蛋奶的产量损失,其中亚洲占全球农业损失的47%。单纯依靠传统要素投入难以支撑农业发展,技术进步成为提升农业生产效率的核心路径。然而,农业创新活动具有研发周期长、沉没成本高的特点,极易受外部环境波动影响。极端气候事件不仅直接破坏创新基础设施,还加剧农业经营主体和科研机构的流动性压力,间接导致核心人力资本流失,形成恶性循环。现有研究主要聚焦企业层面的总体创新,缺乏将气候风险与农业技术创新置于统一框架的系统考察,且对作用机制的关注不足。为此,研究人员利用中国223个地级市2005-2023年的面板数据,系统探究了气候风险对农业技术创新的影响及其机制,论文发表在《Sustainability》。
本研究主要采用了以下关键技术方法:1)固定效应面板OLS(普通最小二乘法)估计量,通过控制城市和年份固定效应缓解遗漏变量偏差;2)双重机器学习(DML),运用Lasso、弹性网络(Elastic Net)、支持向量机(SVM)和岭回归(Ridge)等算法进行非参数拟合与样本分割正交化,克服线性函数形式误设和高维变量混杂问题;3)中介效应模型,采用逐步回归和Bootstrap方法(500次随机抽样)检验中介路径;4)调节效应模型,引入交互项检验调节作用。数据来源方面,农业专利数据来自中国国家知识产权局(CNIPA)公开的超过4000万条专利记录,通过IPC(国际专利分类)分类号A01和C05筛选出40余万条农业发明专利申请,并按申请人所在地聚合至地级市;气候风险强度基于美国国家海洋和大气管理局(NOAA)824个气象站的历史数据(1973-1992年为基准)计算极端温度、极端降水、极端干旱天数占比并标准化平均得到;其他控制变量数据来自《中国城市统计年鉴》和CSMAR数据库,最终形成2005-2023年223个地级市的平衡面板。
研究结果:
**4.1 基准回归结果**:通过固定效应面板OLS回归,在不加入控制变量时,气候风险对农业技术创新的负向影响在1%水平显著;加入控制变量后,气候风险的系数为-1.462,仍在1%水平显著,表明气候风险显著抑制农业技术创新,支持假设H1。进一步以实用新型专利和两类专利总和作为被解释变量,负向影响均显著,且对发明专利的抑制强于实用新型专利。
**4.2 内生性检验**:通过引入城市初始禀赋与时间趋势的交互项、城市虚拟变量与时间变量的交互项来控制遗漏变量,结果依然显著;通过将气候风险分为低、中、高三分组,发现系数的负向程度随风险强度增加而单调增强,表明测量误差不影响结论。
**4.3 安慰剂检验**:随机打乱气候风险水平进行500次置换,伪估计系数大多分布在0附近且p值大于0.1,真实系数-1.462位于左尾,证实结果稳健。
**4.4 稳健性检验**:通过改变样本期(剔除疫情年份)、改变聚类层级(城市级改省级)、剔除异常值(缩尾处理)、替换被解释变量(用授权专利数,气候风险滞后两期)以及使用双重机器学习(Lasso、Elastic Net、SVM、Ridge等不同算法和样本分割比例),气候风险的负向影响均显著,基准结论稳健。
**4.5 异质性检验**:**4.5.1 地形异质性**:将城市分为山地和平原,发现山地地区气候风险的抑制效应更强,可能是因为山地生态系统脆弱、灾后恢复困难。**4.5.2 农业功能区异质性**:主产粮区的抑制效应弱于非主产粮区,因为主产粮区创新资源集聚、政策支持强。**4.5.3 数字经济发展异质性**:基于“宽带中国”试点政策划分,试点地区(数字经济发达)的抑制效应较弱,因为数字技术可模拟研发、强化监测预警。
**5.2 中介效应检验**:从供给侧看,气候风险显著减少政府创新资本供给(地方财政科技支出占比),进而抑制农业技术创新,Bootstrap检验95%置信区间不包含0,中介效应约占总效应的12.2%。从需求侧看,气候风险显著减少市场创新需求(农村居民人均生活消费支出),进而抑制创新,中介效应约占总效应的3.2%,两个渠道共解释约15.4%的总效应。
**5.3 调节效应检验**:物流能力(邮政业务量)、知识积累(公共图书馆藏书量)、人力资本流动(铁路客运量与GDP之比)均能显著缓解气候风险对农业技术创新的抑制效应,交互项系数显著为正。
**6. 进一步分析**:创新质量维度(专利被引次数)受气候风险显著抑制,但弱于总体创新,因为高质量创新具有路径依赖和沉没成本缓冲。协同合作维度(产学研合作专利)受显著抑制但弱于总体,因合作基于长期关系。绿色创新维度(绿色发明专利)受显著抑制但弱于总体,因绿色创新符合政策导向且具有内生适应属性。进一步将绿色创新分解为生态增益型(IPC代码C05F、A01G 23/00、A01H、A01G 25/00、A01N 63/00、A01N 65/00)和污染减排型(IPC代码A01N 25/00-61/00、A01N 3/00),通过看似不相关回归(SUR)进行系数相等性检验,发现气候风险对生态增益型创新的抑制显著强于对污染减排型的抑制(卡方统计量5.97,p=0.0146),因为污染减排型创新短期见效快、受政策驱动,而生态增益型更依赖财政补贴。
总结讨论:本研究基于2005-2023年中国223个地级市的面板数据,利用国家知识产权局专利信息和NOAA气象站数据,系统考察了气候风险对农业技术创新的影响。研究结论如下:第一,气候风险显著抑制农业技术创新,该结论经安慰剂检验、双重机器学习等稳健性检验后依然成立,完美支持实物期权理论的预测。第二,异质性分析表明,在平原地区、主产粮区和数字经济发达地区,抑制效应较弱。第三,机制检验表明,气候风险通过减少政府创新资本供给和抑制市场创新需求两个渠道阻碍农业技术创新;物流能力、知识积累和人力资本流动可缓解这一阻碍。第四,进一步分析内部结构发现,气候风险对创新质量、协同合作和绿色创新的抑制弱于对总体创新的抑制;在绿色创新内部,对生态增益型创新的抑制强于对污染减排型创新。这些发现为制定差异化的气候适应与农业创新政策提供了精确的实证基础。基于此,论文提出了建立风险缓解与研发保障机制、加强供需协调与要素支持、优化创新结构引导与分类支持等政策建议。