数字技术赋能农业产业链韧性：安徽省地级市证据与相对粮食产量的门槛效应

《Current Oncology》：Analysis of the Impact of Digital Technology on the Resilience of Anhui’s Agricultural Industry Chain: Threshold Effect of Relative Grain Yield

　　

提升农业产业链对频繁外部冲击及交织农业生产风险之韧性，对保障国家粮食安全和农业可持续发展至关重要。研究人员以中国粮食主产区安徽省16个地级市为研究样本，构建了两个复合代理指标；即，基于官方汇总统计数据（而非直接观测的冲击—响应结果）构建的农业产业链韧性指数，以及刻画广义乡村数字发展而非纯农业特定数字采用的指数。基于2015—2024年平衡面板数据，研究人员采用双向固定效应（two-way fixed-effect）、中介效应（mediation-effect）和面板门槛（panel-threshold）模型，考察以相对粮食产量为条件的关联、中介机制、区域异质性和门槛特征。实证结果表明，乡村导向数字发展指数与研究人员的复合农业产业链韧性代理指标显著且稳健正相关。尽管农业TFP（total factor productivity，全要素生产率）在此相关关系中呈现统计上可检测的部分中介模式，但该间接渠道的经济量级极小。因此，该发现表明一种潜在理论传输路径，而非为因果机制提供确定性经验证据。促进效应呈现明显区域异质性，皖北最强，皖中次之，皖南系数为正但不显著。此外，识别出相对粮食产量的单门槛效应；即，当粮食产量低于门槛时，乡村导向数字发展与韧性代理之间的正相关不能在统计上被检测；只有当农业粮食产量提高后，数字相关乡村发展才释放其韧性赋能红利。研究人员指出，两个复合指数均受与地方农业经济规模和广义乡村数字条件相关的测量约束；这些局限在文中进一步讨论。该研究为主要粮食生产省实施差异化数字农业政策提供经验相关证据。

研究背景与问题：农业产业链涵盖生产、加工、流通、消费等相互关联环节，外部冲击会沿链条快速传导。近年全球气候异常与外贸政策波动加剧农业产业链固有脆弱性。原文称安徽省2025年粮食总产83.86 billion jin，农业同时面临旱涝、病虫害等自然灾害及农业生产资料和农产品价格剧烈波动等风险，强化产业链抗冲击、恢复和转型升级能力成为紧迫任务。国家层面相继部署数字经济、智慧农业和数字乡村政策，安徽省亦出台数字乡村发展行动方案（2022—2025）及农业农村现代化“十四五”规划，推进农村宽带、电商和农业物联网。原文报告安徽省农村宽带渗透率由24.2%升至38.7%，农村电商交易额由CNY 8.7 billion增至150 billion。既有研究在农业产业链韧性测度、数字技术农业应用及韧性提升机制方面已有积累，但仍存在中介机制实证检验不足、粮食产量门槛视角较少、省内细分区域异质性比较不足等缺口。该研究据此考察乡村导向数字发展与农业产业链韧性代理指标之间的关联、农业TFP（total factor productivity，全要素生产率）的中介模式、区域异质性及以粮食产量效率指数为条件的门槛效应，为差异化数字农业政策提供经验相关证据。

研究人员以安徽省16个地级市2015—2024年平衡面板（160个观测）为样本，构建农业产业链韧性（指产业链在冲击下维持功能、恢复运行并实现转型的能力）和乡村导向数字发展两个复合代理指数，采用计量模型检验二者关联，并得出数字发展代理与韧性代理显著正相关、TFP仅呈统计可检测但经济量级很小的部分中介、区域异质性明显及单门槛效应存在等结论。其意义在于为主要粮食生产省实施差异化数字农业政策提供相关经验证据，同时强调复合代理指标和观察性数据下因果解释的边界。

关键技术方法概括（≤250字）：样本队列为安徽省16个地级市2015—2024年平衡面板（160个观测），主要数据来自官方统计资料，个别缺失以线性插值补齐。研究人员采用熵权法（entropy weight method）分别构建农业产业链韧性（抵抗、恢复、转型三维）与乡村导向数字发展复合代理指数；以DEA–Malmquist（data envelopment analysis–Malmquist）指数测算农业TFP；以2015年为基期（=100）构建粮食产量效率指数作为门槛变量。计量上使用双向固定效应（two-way fixed effects）、中介效应（mediation-effect）和Hansen面板门槛（panel threshold）模型，Bootstrap 500次检验门槛，标准误按地级市聚类。

研究结果：
5.1 相关分析与多重共线性检验：相关分析显示数字技术指数与农业产业链韧性相关系数为0.721，在10%水平显著；多重共线性检验平均VIF（variance inflation factor，方差膨胀因子）为2.819，各变量VIF均小于10，表明不存在严重多重共线性，可进入回归分析。
5.2 面板模型选择检验：Hausman检验得χ²(5)=30.125，p=0.0023<0.01，拒绝随机效应原假设，后续采用控制城市与年份固定效应的双向固定效应模型。
5.3 基准回归结果：未加控制变量时数字技术系数为0.141，在5%水平显著；加入控制变量后系数升至0.341，仍在5%水平显著，支持核心统计发现。控制变量中金融发展、交通基础设施、财政支出规模和农业就业比均未通过显著性检验，交通基础设施系数接近零。
5.4 中介效应回归：数字技术对农业TFP的系数为0.8307，在5%水平显著；引入TFP后其系数为0.0081（p<0.1）。Bootstrap 500次正式中介检验显示间接效应为0.0067，偏差校正95%置信区间为[0.0022,0.0118]，不含零；直接效应0.3150，总效应0.3217，中介渠道仅占总效应2.08%。因此，TFP部分中介在统计上成立但经济量级很小，只能视为潜在理论传输路径而非已证明因果机制。
5.5 稳健性检验：按2015—2019与2020—2024分时段回归，数字技术系数分别为0.543（1%水平显著）和0.612（5%水平显著）；剔除省会合肥后系数为0.420，在5%水平显著，方向与基准一致，核心结论稳健。
5.6 异质性分析：（1）基于粮食生产水平的异质性分析：按粮食产量效率指数中位数分组，高粮食生产组数字技术系数为1.461（p<0.01），低粮食生产组为0.479（p<0.01），SUEST（seemingly unrelated estimation）检验p=0.038，表明农业生产基础较强地区数字技术赋能效应更明显。（2）区域异质性：皖北系数1.712（p<0.01）最高，皖中0.518（p<0.01）居中，皖南0.716但标准误0.605、p>0.1不显著；原文提示分组后城市聚类数分别降至6、4、6，子组推断需谨慎。该经验模式与H3一致。
5.7 农业粮食产量的门槛效应：以粮食产量效率指数为门槛变量，单门槛效应在5%水平显著（F=29.13，p=0.026），双门槛和三门槛不显著；估计门槛值τ=103.21，95%置信区间[103.06,104.31]。当yield_it≤103.21时，数字发展代理系数为0.398且不显著（p=0.176）；当yield_it>103.21时，系数升至0.865并在1%水平显著。Wald检验H₀: β₁=β₂得χ²=4.72，p=0.030，拒绝两区间系数相等。该门槛值表示相对各市2015年基线粮食产出增长3.21%；原文强调该指数为事后结果指标，门槛结果应解释为非线性统计关联而非严格因果门槛。

讨论部分总结：6.3进一步讨论指出，正相关发现与Zheng J-L一致，乡村导向数字发展可能通过降低信息摩擦、优化资源配置和催生农业新业态增强系统韧性；但既有证据多来自国家或省级样本，该研究记录了省内梯度异质性，提示统一数字农业政策未必同等适用于省内各子区域。TFP部分中介呼应Zheng J-L的理论机制，门槛效应补充Peng D-Y的非线性洞察；同时强调中介结果来自观察性面板，不能确立因果顺序。6.4局限包括反向因果、两个复合代理指标的测量约束、16个城市聚类数少及皖中子组仅4个聚类导致统计功效有限；未来可扩展至县级面板，采用DID（difference-in-differences，双重差分）、IV（instrumental variable，工具变量）等识别策略，并使用微观农户调查、灾害损失统计和农业特定数字采用指标，区分不同数字工具类别的异质影响。

研究结论（翻译）：第一，乡村导向复合数字发展指数与农业产业链韧性复合代理指数在安徽地级市间呈显著且稳健正相关；控制城市和时间固定效应后，数字指数回归系数为0.341，在5%水平显著，稳健性检验支持该正相关。需注意韧性代理由官方汇总统计构建并与地方农业规模相关，数字指数反映广义乡村数字发展能力而非仅农业生产内部数字采用。第二，农业TFP在乡村导向数字发展代理与韧性代理的相关关系中呈统计可检测的部分中介模式；经农业TFP的间接路径仅占总关联幅度2.08%，实质经济贡献极有限；数字发展代理对农业TFP系数为0.8307，引入TFP后数字发展代理直接统计关联与TFP统计系数均仍可区分于零；该统计模式与“数字相关发展投入→农业TFP改善→农业产业链韧性复合代理提高”的理论概念链一致，但鉴于反向因果风险和地级复合代理测量约束，只能提供理论线索，不能视为已证明因果传输机制，大部分正关联通过其他直接统计关联渠道运行。第三，乡村导向数字发展代理与农业产业链韧性复合代理的统计关联在安徽省内呈显著区域异质性；分组回归显示正关联幅度皖北最突出，皖中次之，皖南系数为正但统计不显著；梯度差异反映农业资源禀赋、数字转型基础和产业结构差异；皖北依赖传统农业大区规模优势显示较大边际统计相关，皖中受农业占整体产业结构比例较低约束，皖南因生态农业和农旅导向产业体系在当前代理测量框架下未显示统计意义相关。第四，上述关联以粮食产量效率指数为条件呈显著单门槛效应；估计门槛值为103.21，即相对各市2015年基线粮食产出增长3.21%；当指数低于或等于该门槛时，数字发展代理系数为0.398且不显著；跨过门槛后系数升至0.865，在1%水平显著；该指数为事后结果指标，非内在粮食产能或冲击风险暴露的直接测度；强正统计关联仅在达到该相对粮食产出增长的市—年观测中出现；该门槛模式基于汇总代理指数，应解释为非线性统计关联而非农业特定数字投资的严格因果门槛。