数字乡村建设对体育产业发展的影响研究：基于市场化要素配置的调节作用与农村消费升级的中介机制

本研究通过构建固定效应模型、调节效应模型和中介效应模型，系统考察了数字乡村建设（DCC）对体育产业发展（SIC）的促进作用及其内在机制。结果表明，DCC通过提升农村消费升级（RCU）和优化市场化要素配置（MFA）显著推动体育产业发展，且存在明显的区域异质性（东部地区效应显著，中西部地区效应不显著）。研究为利用数字战略促进城乡体育产业高质量均衡发展提供了重要的理论与实证依据。

　　

引言

在当前“数字中国”与“乡村振兴”战略协同推进的背景下，数字乡村建设（DCC）已成为体育产业发展的新机遇。作为农村振兴战略的关键组成部分，DCC通过应用大数据、人工智能（AI）和物联网（IoT）等先进信息技术，显著提升了农村信息化水平和智能化基础设施，并对产业结构优化、社会治理创新以及城乡融合产生了深远影响。体育产业作为现代服务业的重要组成部分，在刺激经济增长、提升公共健康水平以及增强社会文化活力方面具有不可替代的作用。近年来，随着乡村振兴战略的深入实施，DCC进程不断加快，同时体育产业也通过与数字技术的深度融合，为农村经济发展注入了新动能。具体而言，数字基础设施的完善显著改善了农村公共体育服务，提高了农村居民参与体育活动的便利性和可及性。此外，数字技术还促进了体育产业与农村旅游、老年康养等其他产业的融合发展，从而拓展了体育消费市场。在此背景下，深入解析DCC对体育产业发展的影响及其内在机制，具有重要的理论价值与实践意义。

文献综述

数字乡村的概念首次出现在《乡村振兴战略规划（2018-2022年）》中。作为中国国家乡村振兴战略的关键组成部分，DCC旨在通过应用先进信息技术推动农业农村现代化，促进城乡融合发展。近年来，学者们从多重视角探讨了DCC的内涵与外延。从农业视角看，现有研究主要集中在高质量农业发展、绿色转型以及农村共同富裕等主题。有学者认为，DCC是推动农村经济高质量发展、促进农村产业深度融合的重要策略。实证分析表明，DCC通过降低能源消耗、减少污染排放以及提升农业生产率，显著促进了绿色农业发展。同时，DCC也被视为实现农村共同富裕的重要途径，信息技术赋能能够优化农业生产模式、提高农民收入、缩小城乡发展差距。从更广阔的视角看，学者们考察了DCC对城乡融合以及县域经济发展的影响。研究发现，DCC显著促进了高质量的城乡融合，其中市场化要素配置（MFA）发挥了关键调节作用。另有研究指出，在“数字中国”的宏大框架下，DCC改变了县域经济的技术进步偏向，呈现出资本密集型发展趋势和资本偏向度加深的特征。

体育产业作为现代服务经济的重要组成部分，对促进经济增长、提升公共健康以及丰富社会文化生活具有重要意义。近年来，随着国家支持体育产业政策的实施，学术界对其发展的研究日益增多，积累了丰富的理论与实证成果。在理论层面，研究探讨了体育产业发展的基础框架、功能机制以及优化路径。有学者强调制度基础设施是体育产业有效运行的基础框架，认为顶层设计对于建立相互促进的制度体系至关重要。要素供给和市场需求被识别为体育产业高质量发展的双重内生动力。另有研究认为，体育产业高质量发展的本质在于体育项目部门的扩张、内容创新以及对传统发展约束的突破。在实证层面，学者们研究了产业协同与结构转型等相关主题。随着体育产业向融合化、智能化方向发展，出现了新的业态。例如，数字经济与体育产业的融合表现出强劲且不断增强的耦合协调度，从脆弱水平演变为稳健水平。同时，人工智能赋能的体育发展也面临着数字鸿沟、核心关键技术掌握有限以及高层次人才不足等挑战。

作为乡村振兴战略的重要组成部分，DCC利用信息技术通过加强数字基础设施和促进农业数字化转型来刺激农村发展。在此背景下，体育产业通过培育农村户外运动、民间体育赛事和休闲项目，促进农村产业结构升级，从而将生态资源转化为特色地方产业。一方面，关于DCC与体育领域融合的研究仍然有限。有研究通过分析其内在机制，证明DCC显著促进了农村体育旅游的发展，并识别出包括信息化基础设施建设和数字服务提升在内的七个关键机制。类似地，有学者认为整体治理理论与提供农村全民健身公共服务的价值逻辑相吻合。另一方面，在乡村振兴与体育产业融合领域，研究人员已经发现了多种有价值的见解。有学者提出，为解决当前农村体育产业面临的挑战，应注重生态转型、资源结构创新和增强韧性以实现高质量发展。另有研究发现，体育产业与乡村振兴的耦合协调水平存在显著的正向空间相关性，表现出明显的空间集聚特征。然而，关于DCC与体育融合的学术研究仍存在显著空白。本研究旨在探索DCC影响体育产业发展的机制，这将提供重要的学术价值。

理论分析与研究假设

数字乡村建设对体育产业发展的影响

作为中国乡村振兴战略的关键组成部分，DCC的核心目标是通过数字技术的融合，驱动农业、文化、教育、医疗等领域的现代化转型。近年来，中国政府出台了一系列支持政策以促进DCC，并鼓励应用数字技术升级农村产业。在此背景下，体育产业作为农村经济发展的重要推动力和提升居民生活质量的重要贡献者，受到了DCC的显著影响。具体而言，DCC提升了农村体育基础设施的信息化水平。物联网、大数据和人工智能等技术实现了农村体育设施的智能化管理，从而提高了其使用率。在线预订、智能监控和数字化运营系统优化了体育资源配置，减少了场馆闲置，强化了农村公共体育服务能力。此外，数字技术促进了农村体育产业的市场化发展。电子商务和短视频平台的出现为农村体育旅游、培训项目和赛事举办创造了新的营销和推广渠道。通过“互联网+体育”的融合，包括传统民族体育、户外探险以及“村BA”、“村超”等 grassroots 赛事在内的农村项目得以突破地理限制，吸引广泛的消费群体，从而拓展了农村体育旅游和赛事市场，延长了体育产业的价值链。

Moreover, DCC has transformed the sports consumption behavior of rural residents. The prevalence of smart devices has facilitated convenient access to fitness content, while services such as remote coaching and online classes have increased sports participation. These changes have not only stimulated rural demand for sports consumption but also prompted the sports industry to optimize its supply structure to meet the diverse and personalized market needs. Based on the above analysis, the following research hypothesis is proposed:

H1: DCC exerts a significant positive impact on the development of the sports industry.

市场化要素配置的调节作用

数字技术通过重塑要素流通路径和重新定义价值创造模式，显著提高了资本、技术、劳动力等关键生产要素的配置效率，并有助于克服要素市场中时间、空间和信息不对称的传统壁垒。首先，在DCC背景下，大数据、遥感和区块链等技术应用于土地信息管理系统，提高了农村体育基础设施的科学规划与利用水平，缓解了土地闲置和低效问题，优化了土地资源配置结构，盘活了农村体育发展的土地市场。其次，农村体育产业历史上存在融资渠道有限、资本回报周期长的问题。数字金融的出现通过拓展资金来源提供了解决方案。渐进式的数字工具——如普惠金融、众筹模式以及基于大数据的区块链风险控制机制——为农村体育产业提供了更多的社会资本，提高了资本配置效率，降低了投资风险，从而促进了其市场化发展。第三，DCC也促进了体育产业内部人力资源的优化配置。在远程教育、在线培训平台等数字工具的支持下，农村居民能够获得更专业的指导，从而提升了农村体育产业从业人员的整体技能水平。此外，数字就业平台的建立有助于克服地理障碍，使专业体育人才能精准对接农村需求，从而优化人力资源结构，激发产业竞争力。基于以上分析，提出以下假设：

H2: MFA exerts a positive moderating effect on the relationship between DCC and the development of the sports industry.

农村消费升级的中介作用

DCC不仅是乡村振兴的战略路径，也是农村消费升级（RCU）的关键催化剂。它通过加强数字基础设施、改善信息流、提高居民收入水平，有效刺激消费需求，促进农村体育产业的扩张与升级。一方面，信息通信技术的进步缩小了城乡数字鸿沟。因此，农村的生产和生活方式因信息基础设施的完善、要素配置的优化以及农产品流通渠道的拓展而发生了显著改变。这进而提高了农民的数字素养和消费能力，刺激了农村内需，并重塑了农村消费结构——从生存型消费转向发展型和享受型消费。这些变化为RCU提供了强有力的技术和制度支持。另一方面，RCU伴随着健康意识的增强和居民生活方式的转变，导致对体育消费的需求日益增长、多样化且呈现多层次特点。农村地区对健身、休闲和娱乐服务不断增长的需求推动了体育产业的扩张，丰富了其产品和服务供给。在城乡融合的背景下，这一趋势促进了体育资源向基层社区延伸，并加速了体育产业空间布局、服务模式和价值链的优化。因此，RCU已成为促进区域经济协调发展和提升国民体质的关键驱动因素。基于以上分析，提出以下假设：

H3: DCC indirectly fosters the development of the sports industry through RCU.

研究设计

变量选择

被解释变量为体育产业（SIC）。体育产业是以体育活动为核心的综合部门，涵盖赛事、服务、制造、基础设施等多个领域。为量化体育产业发展水平，本研究借鉴已有的评价指标体系，从规模、结构和效率三个维度进行评估。产业规模指体育产业的总体量和总产出，选取了六个二级指标。产业结构代表体育产业内部各部门的比例和分布，反映了其内部构成和发展趋势，采用四个二级指标衡量。产业效率指在有限资源下最大化产出和价值的资源配置有效性，采用四个二级指标。数据在模型构建前进行了标准化处理。随后采用熵值法和综合评价模型测量体育产业发展水平，得出指标的客观权重。具体步骤包括指标归一化、计算指标比重、计算信息熵、计算差异系数、计算权重，最终计算体育产业发展综合指数。

核心解释变量为数字乡村建设（DCC），指利用大数据、互联网、人工智能等现代信息技术，通过弥合城乡数字鸿沟、增强数字基础设施、服务和产业来驱动乡村振兴的系统性发展战略。本研究采用已有的测量框架，从数字资本投入、数字信息基础设施、数字服务水平、数字产业发展四个维度评估DCC，所有指标均使用熵值法赋予适当权重以确保客观评价。

调节变量为市场化要素配置（MFA），代表资本、劳动力和技术通过市场机制进行配置的过程，使生产要素能够高效流向边际生产率最高的领域。它增强了资源优化，刺激了经济活力，支持了产业高质量发展，并反映了从直接政府干预向制度调控和环境建设的转变。本研究采用已有的MFA测量方法，涵盖劳动力市场配置、资本市场配置和技术市场配置三个维度，并使用熵值法为这些指标赋予权重。

中介变量为农村消费升级（RCU），反映了农村居民消费行为随着收入水平提高和生活质量改善而发生的转变。随着农村居民可支配收入的增加，其消费模式从满足基本生活需求转向购买发展型、享受型和健康相关的商品与服务。参照已有研究，采用农村居民人均消费支出作为RCU的代理指标。

为确保更准确地评估DCC与体育产业发展的关系，引入了五个可能影响体育产业发展的控制变量：政府干预（Gov），以一般公共预算收入与一般公共预算支出的比值表示；金融发展水平（Fin），以区域金融机构存贷款总额与地区生产总值（GDP）的比值衡量；农村居民投资能力（Fic），以农村居民人均固定资产投资衡量；农村公路治理水平（Roa），计算公式为（（总公路里程 - 高速公路里程 - 一级公路里程）/ 省域面积）× 100；教育水平（Edu），以每十万人高中学生数衡量。

数据来源方面，考虑到部分省份体育产业发展较晚且数据不全，大多数省级行政区仅在2015年后才开始公布官方统计数据。为确保数据的真实性、科学性和质量控制，本研究选取了中国21个省级行政区（北京、天津、河北、山西、内蒙古、辽宁、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、重庆、四川、贵州、云南）2015年至2023年的面板数据进行分析。数据集包含189个样本，缺失值通过插值法处理。数据来源于各省体育局、国家统计局、国家体育总局官网、中国统计年鉴、中国农村统计年鉴、中国淘宝村研究报告、中国研究数据服务平台（CNRDS）。农村电子商务活动使用省级指标衡量，数字普惠金融指数来源于北京大学数字普惠金融指数。

实证模型构建

为验证H1，构建了模型1来考察数字乡村建设（DCC）对体育产业（Sic_it）发展的影响。该模型还纳入了各种选定的控制变量，如政府干预（Gov_it）、金融发展水平（Fin_it）、农户投资能力（Fic_it）、农村公路治理程度（Roa_it）和教育水平（Edu_it）。这些变量的回归系数也一并引入，记为 {α_j}⁶_j=1。如果H1成立，则DCC的回归系数（α₁）预期显著大于0，表明对Sic的促进作用大于0。这证实了DCC促进了体育产业的发展。此外，Year_t代表固定时间效应，City_i代表固定区域效应。这些变量用于控制不可观测的时间和区域因素对体育产业发展的共同冲击，ε是随机误差项。因此，Sic_it的计算公式为：

Sic_it = α₀ + α₁DCC_it + α₂Gov_it + α₃Fin_it + α₄Fic_it + α₅Roa_it + α₆Edu_it + Year_t + City_i + ε (7)

随后，构建了模型2来检验FMA对DCC与体育产业关系的调节作用。该模型突出了DCC与FMA的交互作用（DCC_it × FMA_it）对体育产业的影响。因此，Sic_it的计算公式为：

Sic_it = β₀ + β₁DCC_it + β₂DCC_it × FMA_it + β₃FMA_it + β_jcontrol_it + Year_t + City_i + ε (8)

为考察农村消费升级（RCU）在DCC与体育产业发展关系中的中介作用，构建了模型3，得到以下方程：

Sic_it = θ₀ + θ₁DCC_it + θ_jcontrol_it + Year_t + City_i + ε (9)

RCU_it = θ₀ + θ₁DCC_it + θ_jcontrol_it + Year_t + City_i + ε (10)

Sic_it = θ₀ + θ₁DCC_it + θ₂RCU_it + θ_jcontrol_it + Year_t + City_i + ε (11)

实证结果分析

描述性统计

首先进行了描述性统计分析，以阐明各变量的变异特征，更全面地了解样本的发展模式。为减轻实证回归中潜在的异方差性，对以下变量进行了自然对数变换：金融发展、农村居民投资能力、农村公路治理水平、教育水平和RCU。结果显示，DCC的均值和标准差分别为0.1122和0.0963，而体育产业的均值和标准差分别为0.1182和0.0943。这些值表明变异性相对较低，且样本分布集中。对其他变量的标准差、最大值和最小值的后续分析显示，不同省份在金融发展、农村投资能力和公路治理水平方面存在显著差异。经济政策、地理覆盖范围和资源禀赋方面的区域差异可能解释了这些差异。

数字乡村建设与体育产业发展的基准回归分析

为考虑个体区域和时间固定效应，采用了面板双向固定效应模型（方程7），以体育产业增长作为因变量，DCC作为关键自变量。政府干预、金融发展、农村居民投资能力、公路治理水平和教育水平作为控制变量纳入。回归结果如表4所示。模型Sic（1）展示了不含控制变量的基准回归。模型Sic（2）包含了控制变量但未包含固定效应，而模型Sic（3）则同时包含了控制变量以及区域和时间固定效应。在所有三个模型中，数字乡村建设（DCC）的回归系数分别为0.3359、0.3791和0.3129，均为正值且在1%的水平上统计显著。这表明数字乡村建设显著促进了体育产业的发展。

表4中的回归结果表明，数字基础设施的增强为连接农村体育资源提供了必要基础。在线平台和社交媒体的普及降低了推广成本，拓宽了农村体育品牌的市场准入，提高了农村居民体育消费的可及性和参与度。同时，数字治理工具辅助了规划和绩效评估，使政府能够基于实时数据调整政策。这进一步提高了投资效率，并通过“互联网+体育+旅游”和“电子商务+农村体育装备”等举措促进了跨部门融合。这种以体育赛事为核心的多维融合，驱动了休闲、娱乐、旅游等相关产业的协同发展。

然而，关于DCC与中国体育产业增长之间联系的研究仍然匮乏。国际文献表明，数字经济通过提高资源配置效率和减少信息不对称，在促进城市体育产业规模扩张和服务多元化方面发挥着重要作用。本研究进一步表明，这种机制在农村背景下也可能起作用。特别是在国家战略强调协同推进“数字乡村”和“全民健身”的背景下，数字化对农村体育产业的催化作用具有更高的政策相关性和实践意义。

关于控制变量，模型Sic（2）和Sic（3）提供了以下见解：政府干预呈现负系数，分别为-0.0479和-0.1031。虽然在不包含固定效应时不显著，但在包含固定效应后，系数在10%的水平上变得显著，表明跨区域和时间的结构性差异凸显了政府干预的负面影响。金融发展显示出正系数，分别为0.0275和0.0411，均在1%的水平上显著，表明金融进步支持了优化的资本配置、多元化的融资并降低了成本，从而促进了体育产业的投资和创新。农村居民的投资能力也具有显著的正向影响，表明资本增加支持了基础设施发展，刺激了本地体育消费，从而激发了体育产业链的协同增长。然而，公路治理和教育水平在此分析中未表现出统计显著效应，暗示其影响可能有限或被该经济结构内更主导的因素所掩盖。

内生性检验

在评估DCC对体育产业发展的影响时，存在两个潜在的内生性来源。第一个是遗漏变量偏差，即不可观测因素（如地方政策倡议或区域文化属性）可能同时影响数字基础设施的发展和体育产业的增长，导致回归估计有偏。第二个是反向因果关系问题：数字技术促进了体育赛事的传播和互动性，从而促进了体育产业的发展。反过来，体育产业的发展可能进一步推动农村建设中数字技术的创新和应用。这种动态的双向关系使得建立明确的因果顺序变得复杂，反映了技术创新与产业发展之间相互强化的反馈循环。

为解决此内生性问题，本研究使用数字乡村建设（DCC-IV）的一期滞后值作为工具变量。两阶段最小二乘法（2SLS）回归结果如表5所示。在第一阶段，F统计量为74.19，表明工具变量对内生回归变量具有很强的解释力。此外，Cragg-Donald Wald F统计量超过了10% Stock-Yogo临界阈值16.38，证实了不存在弱工具变量问题。在第二阶段，估计系数仍为正值且在1%的水平上统计显著，与基准模型结果一致。这些发现验证了研究结论的稳健性，并肯定了数字乡村建设对体育产业发展的显著正向影响。

其稳健性检验方面，首先进行了异常值处理。为确保基准回归结果的稳健性并最小化异常值的影响，对每个变量的数据值进行了前后1%的缩尾处理。经过此调整后，将调整后的变量重新代入回归模型进行验证。结果如表6模型Sic（5）所示，数字乡村建设的系数在1%的水平上仍然统计显著。这证实了对体育产业发展的估计正向影响是稳健的。

其次，排除了直辖市。考虑到直辖市（北京、天津、上海、重庆）在经济结构、政策环境和数据特征方面与其他省级单位存在显著差异，其纳入可能会扭曲回归结果。因此，排除了这四个直辖市，并重新估计了模型。结果如表5模型Sic（6）所示，表明数字乡村建设对体育产业的赋能效应仍然统计显著。这进一步支持了基准结论的可靠性和普适性。

第三，替换了解释变量。为避免数字乡村评价指标体系构建带来的偏差，本研究遵循已有研究的方法，在稳健性检验中使用农村居民每百户移动电话拥有量（Mp）作为数字乡村建设的代理变量。具体结果如表6第（7）列所示。回归系数为0.7753，且在1%的水平上显著，表明实证结果是稳健的。

机制分析

调节效应分析考察了一个关系中两个变量之间的联系强度或方向在不同条件下是否改变，从而增加模型的解释力。具体而言，检验了要素市场化配置是否调节了DCC对体育产业发展的影响。这是使用方程8进行的，主要关注DCC与要素市场化配置交互项的系数。如表7所示，交互项在10%的水平上保持显著为正，表明要素市场化产生了正向调节效应。这证明MFA增强了DCC对体育产业发展的正向影响。

具体而言，MFA增强了土地、劳动力、资本等市场资源的流动性和配置，从而提高了资源配置效率。这为数字技术在农村地区的融合奠定了坚实的制度和经济基础。此外，市场化改革提高了体育产业对DCC要求的适应性和响应能力。要素高效市场也有助于降低系统性交易成本，激励私人资本参与农村体育部门，并支持体育产品供给结构和服务质量的升级。因此，MFA不仅加强了DCC的经济基础，也促进了体育产业的高质量发展。

中介效应分析研究自变量如何通过中介变量间接影响因变量的机制，从而加深对变量间内部关系的理解。本研究使用三阶段回归分析检验了RCU在DCC与体育产业发展关系中的中介作用，如方程9-11所述。如表8所示，模型Sic（9）和Sic（10）中DCC的回归系数，以及模型Rc（1）和Sic（10）中RCU的回归系数，均显示出显著的正值。这表明DCC不仅对RCU而且对体育产业发展均产生显著正向影响。此外，在纳入中介变量后，DCC的回归系数从Sic（9）中的0.3129下降到Sic（10）中的0.2959，暗示存在部分中介效应。这证实了DCC部分地通过RCU的路径促进了体育产业的发展。

具体而言，数字技术在农村地区的深度融合改善了信息获取，逐渐重塑了消费态度，并显著提高了农村居民的体育消费意识。因此，农村居民将其生存型消费模式转变为发展型和享受型消费模式。此外，数字技术提高了体育产品和服务的可及性和便利性，拓宽了体育产业的市场范围，并强化了RCU在驱动和支持体育产业增长中的作用。因此，DCC间接促进了体育产业的高质量发展。

结构方程模型分析

本研究利用Smart PLS软件进行PLS-SEM建模，能够构建反映性和形成性测量模型。此外，PLS-SEM可以构建结合两种方法的混合模型，便于改进验证。如表9所示，R2系数反映了外生潜变量对内生潜变量的综合影响。本研究中，内生变量农村消费升级的R2值为0.235，表明模型较弱，而体育产业的R2值为0.800，表明模型较强。此外，Q2用于评估模型的预测相关性。本研究中体育产业的Q2值为0.576，表明模型表现出强大的预测能力。最后，使用标准化均方根残差（SRMR）评估模型拟合度，估计模型的SRMR值为0.036，满足模型拟合要求。

研究假设检验方面，本研究测量了内部模型中所有潜变量的方差膨胀因子（VIF）。研究模型中所有潜变量间的VIF值范围在1.153到3.175之间（见表10），表明不存在共同方法偏差。其次，?2表示效应大小，用于评估省略的构念是否对内生构念产生实质性影响。在本研究中，外生变量（数字乡村建设、要素市场化配置及其交互项）对内生变量（农村消费升级和体育产业）的?2值均超过0.15（见表10），表明这些外生变量对相应的内生变量具有中等以上的解释效应，达到了实质性影响的阈值。这表明每个外生变量对其各自的内生变量均产生有意义的影响，不应从模型中排除。

总之，本研究使用PLS-SEM分析了数字乡村建设、农村消费升级和要素市场化配置影响体育产业发展的机制，同时控制了政府干预、金融发展水平、农村居民投资能力、农村公路治理水平和教育水平。最终模型图如图2所示。结果表明，所有结构路径均统计显著，且模型表现出稳健性。数字乡村建设对体育产业产生显著正向影响（β = 0.563