《Frontiers in Sustainable Food Systems》：Perceived regional economic benefits of smart agriculture: a dynamic capability and leadership perspective on AI adoption
编辑推荐：
引言： 企业和区域日益在农业中采纳人工智能（AI），然而AI采纳转化为更广泛经济结果的机制仍未得到充分探索。本研究借鉴动态能力理论，考察AI采纳与变革型领导如何通过智慧农业与感知区域经济效益相关联，同时探究劳动力数字技能的调节作用。
方法： 研究在中国开展了一
引言： 企业和区域日益在农业中采纳人工智能（AI），然而AI采纳转化为更广泛经济结果的机制仍未得到充分探索。本研究借鉴动态能力理论，考察AI采纳与变革型领导如何通过智慧农业与感知区域经济效益相关联，同时探究劳动力数字技能的调节作用。
方法： 研究在中国开展了一项为期八个月的时滞调查，收集了来自农业及涉农食品组织中452名受访者的数据。研究人员采用偏最小二乘结构方程模型（PLS-SEM）和必要条件分析（NCA）检验所提出的关系。
结果： 研究发现，AI采纳与变革型领导与智慧农业及感知区域经济效益呈正相关。智慧农业在AI采纳、变革型领导与感知区域经济效益之间起部分中介作用。此外，劳动力数字技能显著强化了AI采纳与智慧农业之间的关系。必要性分析识别出AI采纳与变革型领导是实现更高水平感知区域经济效益的关键瓶颈条件。
讨论： 本研究通过将智慧农业概念化为一种组织性数字农业能力，并将技术采纳、变革型领导与劳动力数字技能整合进统一的理论框架，推进了农业数字化文献。研究结果为寻求加强智慧农业转型并促进中国感知区域经济效益的农业组织和政策制定者提供了实践启示。
论文解读
一、研究背景与问题提出
过去十年间，数字技术与可持续发展需求的交汇推动了农业领域的深刻变革。人工智能（AI）作为核心变革力量，使数据驱动决策、精准农业和资源优化成为可能，由此催生了智慧农业这一提升生产力、效率与环境可持续性的技术赋能体系。然而，AI在农业中的实施与成功应用并非均衡分布，尤其在基础设施、制度支持和人力资本存在差异的地区之间。现有文献多强调AI采纳的技术与经济优势，却往往将技术视为外部变革驱动力，较少关注有效实施所需的组织与管理条件，这限制了对数字技术如何转化为实质性农业变革以及农业从业者如何感知区域经济收益的理解。
与此同时，变革型领导在促进创新、变革和灵活组织条件方面的重要性已被广泛认可，但现有研究较少将领导力与数字化转型（如AI赋能农业）直接关联。更为关键的是，文献对智慧农业本身的界定存在局限：多数研究将其视为采纳数字技术的直接结果，而非组织性或系统性能力。基于动态能力理论，智慧农业更应被理解为一种介于技术投入与经济产出之间的动态能力。此外，AI采纳转化为智慧农业的过程在不同情境下并非一致，数字技能作为有效利用数字技术的关键人力资本条件，其在农业数字化转型中的调节作用尚未得到充分的实证检验，尤其在中国这一技术准备度和人力资本区域差异显著的经济体中。
二、研究设计与核心结论
针对上述研究缺口，研究人员在中国河南、山东、江苏和四川四个农业大省开展了一项为期约八个月（2025年5月至12月）的两阶段时滞调查。第一阶段收集AI采纳、变革型领导和数字技能数据，第二阶段追踪收集智慧农业与感知区域经济效益数据。研究采用目的性抽样，最终获得452份有效匹配问卷，受访者涵盖农业企业主、高级管理者、农场经理、运营经理、农业技术/数字化专员及技术/行政人员等。研究将智慧农业概念化为组织性数字农业能力，构建了整合技术、管理与人力资本维度的统一研究框架，并采用偏最小二乘结构方程模型（PLS-SEM）与必要条件分析（NCA）相结合的互补分析策略。
研究得出以下核心结论：AI采纳和变革型领导均与智慧农业及感知区域经济效益正相关；智慧农业在AI采纳、变革型领导与感知区域经济效益之间起部分中介作用；数字技能显著正向调节AI采纳与智慧农业之间的关系。NCA进一步识别出AI采纳和变革型领导是实现更高水平感知区域经济效益的关键瓶颈条件。该研究的意义在于：将动态能力理论延伸至涉农食品领域，整合了技术与管理的双重视角，提供了智慧农业作为中介能力的个体层面调查证据，并通过数字技能的调节作用凸显了人力资本在技术赋能中的重要性。
三、关键技术方法
本研究主要采用了以下关键技术方法：一是两阶段时滞调查设计，在约八个月内分两波收集数据，以缓解共同方法偏差并改善时序推断；二是偏最小二乘结构方程模型（PLS-SEM），用于同时检验测量模型与结构模型，涵盖直接效应、中介效应和调节效应；三是必要条件分析（NCA），用于识别实现较高水平结果所必需的瓶颈条件；四是重要性-绩效图分析（IPMA），用于评估各构念对目标变量的相对重要性与绩效水平；五是Harman单因素检验和完整共线性评估（内外VIF），用于检验共同方法偏差。样本来源为河南省（120人）、山东省（110人）、江苏省（112人）和四川省（110人）共452名农业及涉农食品组织从业者。
四、研究结果
测量模型评估： 所有指标外部载荷均超过0.70阈值（范围0.812–0.941），Cronbach's alpha值介于0.920–0.939，组合信度rho_a（0.922–0.947）与rho_c（0.938–0.952）均高于0.70，平均方差提取值（AVE）介于0.715–0.869，均超过0.50。异质-单质比率（HTMT）值介于0.228–0.508，低于0.85保守阈值，表明各构念具有良好的信度、收敛效度与判别效度。
R方与模型拟合： 模型解释了感知区域经济效益24.1%的方差和智慧农业34.3%的方差。SRMR值（饱和模型0.047，估计模型0.049）低于0.08推荐值，NFI为0.861，表明模型拟合良好。
效应量： 数字技能对智慧农业具有中等效应量（f2=0.190），其余直接效应均为小效应量，其中AI采纳→感知区域经济效益的效应量最大（f2=0.090），交互项DS×AIA→智慧农业效应量最小（f2=0.018）。
共同方法偏差与完整共线性： 外部VIF值介于2.465–4.728（低于5.0），内部VIF值介于1.134–1.645（低于3.3），Harman单因素检验第一因子解释37.162%总方差（低于50%），表明不存在严重的多重共线性或共同方法偏差。
结构模型评估： 所有假设路径均正向且统计显著。AI采纳对感知区域经济效益的直接关联最强（β=0.307, t=5.291, p<0.001），AI采纳对智慧农业（β=0.176, t=3.058, p=0.002）、变革型领导对感知区域经济效益（β=0.169, t=2.773, p=0.006）和智慧农业（β=0.166, t=4.853, p<0.001）、智慧农业对感知区域经济效益（β=0.140, t=3.515, p<0.001）均呈显著正相关。中介分析显示，AI采纳通过智慧农业对感知区域经济效益的间接效应显著（β=0.025, t=2.361, p=0.018），变革型领导通过智慧农业的间接效应亦显著（β=0.023, t=2.718, p=0.007），支持部分中介机制。数字技能与AI采纳的交互项对智慧农业预测显著（β=0.125, t=2.297, p=0.022），支持调节假设。
PLS预测： 感知区域经济效益和智慧农业的Q2预测值分别为0.224和0.323，RMSE和MAE分别为0.886和0.712，表明模型具有良好的样本外预测相关性。
必要条件分析： 置换检验显示变革型领导（d=0.081, p=0.011）和AI采纳（d=0.064, p=0.029）对感知区域经济效益具有统计显著的必然性效应，而数字技能（d=0.065, p=0.878）和智慧农业（d=0.025, p=0.098）未达显著。瓶颈表显示，变革型领导在20百分位、AI采纳在60百分位、智慧农业在80百分位、数字技能在90百分位成为阈值条件。
五、讨论与结论总结
讨论部分指出，AI采纳与变革型领导均与智慧农业及感知区域经济效益正相关，智慧农业部分传导了二者的关联，数字技能则强化了AI采纳与智慧农业的关系。理论意义在于将动态能力理论延伸至涉农食品情境，将智慧农业定位为组织性数字农业能力，并整合技术、领导力、组织能力与数字技能于统一框架。实践启示包括：支持AI基础设施与实验推广、发展变革型领导力、注重技术整合而非单纯采纳、加强数字技能培训等。
研究结论为：AI采纳与变革型领导与感知区域经济效益正相关，智慧农业作为中介性组织数字农业能力发挥作用，数字技能调节AI采纳与智慧农业的关系。研究结果提示，受访者对农业数字化更广泛经济收益的感知与技术、领导力、组织能力和人力技能的协同配置相关。由于分析基于个体受访者层面，结果不应被解释为这些因素导致实际区域经济效益。未来需结合组织数据与区域经济指标开展多层次研究，以检验这些感知层面的关系是否对应实现层面的区域结果。
