AI采纳、AgriTech与气候变异性对巴基斯坦农业出口绩效的作用

《Cogent Food & Agriculture》：Role of AI adoption, AgriTech, and climate variability on agricultural export performance of Pakistan

　　

实现巴基斯坦1000亿美元出口目标需要对其农业部门进行根本性转型，而该部门仍受限于低生产率、有限的技术扩散以及在全球价值链中整合不足。本研究考察人工智能（AI）采纳与AgriTech基础设施与巴基斯坦农业出口绩效之间的长期与短期关系，并评估气候变异性如何塑造这些关系。研究使用2003年至2024年的年度时间序列数据，构建了一个将AI采纳、AgriTech基础设施、气候变异性、创新能力、全球需求、汇率波动和制度质量与农业出口绩效联系起来的综合分析框架。实证分析采用自回归分布滞后（ARDL）边界检验方法以区分长期关系与短期动态，并使用完全修正普通最小二乘法（FMOLS）和动态普通最小二乘法（DOLS）作为稳健性检验。结果表明，AI采纳、AgriTech基础设施和气候变异性是农业出口的三个核心技术—环境相关因素：AI采纳指数每增加一个单位，农业出口约提高20%；AgriTech基础设施每增加一个可比单位，出口约提高18%；相反，气候变异性每增加一个单位，出口约下降13%。

**研究背景与问题**：巴基斯坦农业贡献了2024—25财年23.5%的GDP并吸纳超过37%的劳动力，食品类出口在2024财年达73.7亿美元，但生产率增长缓慢且不均衡、技术扩散有限、出口高度集中于少数产品并暴露于气候风险之中。既有文献多聚焦于大型新兴经济体或BRICS跨国面板，AI在农业中的研究主要集中于生产率、资源效率和可持续性结果，对出口绩效及国际市场整合的考察相对不足；关于数字技术、气候变异性和制度质量如何交互影响农业出口绩效的实证研究尤为有限，南亚地区尤甚。此外，以往研究多将AI采纳视为单一技术投入，而未考虑AI转化为生产、质量、物流和市场决策的技术管道。研究人员旨在填补上述空白，分析2003—2024年巴基斯坦AI采纳、AgriTech基础设施与农业出口绩效之间的长期关系及短期动态，并纳入环境、宏观经济和制度因素。该研究的意义在于：其一，是发展中国家背景下少有的AI与农业出口绩效的宏观层面时间序列分析；其二，超越AI采纳本身，纳入AgriTech基础设施并分析技术能力与更广泛经济、环境和制度条件的交互；其三，提供国别证据以说明在气候脆弱性高、制度约束和宏观经济不稳定的条件下数字农业转型能否助力出口扩张；其四，为技术进步的出口效应及其与气候风险和制度质量的交互提供政策相关证据。

**关键技术方法**：研究采用2003—2024年巴基斯坦年度时间序列数据（数据来源于WDI、WGI和UNCTAD等）。运用主成分分析（PCA）构建AI采纳指数（涵盖宽带订阅、ICT与AI相关FDI流入、数字服务出口及数字整合指标）和AgriTech基础设施指数（涵盖拖拉机密度、农业信贷投放、遥感/卫星影像使用、农业资本形成和农业机械存量），均取第一主成分。采用增广Dickey–Fuller（ADF）和Phillips–Perron（PP）单位根检验评估序列性质，运用ARDL边界检验判断协整关系，并重参数化为误差修正模型（ECM）区分短期动态；以FMOLS和DOLS进行稳健性检验，辅以CUSUM和CUSUMSQ稳定性检验、Chow断点检验及Toda–Yamamoto因果检验。

**研究结果**：

*单位根检验*：各变量呈现混合整合阶数，无序列超过一阶单整；农业出口、AI采纳、AgriTech基础设施和制度质量在一阶差分后平稳，研发投入、气候变异性和汇率波动在水平上平稳，满足ARDL边界检验的整合阶数要求，且不存在I(2)变量。

*长期结果*：AI采纳指数、AgriTech基础设施、全球需求指数、研发投入和制度质量对农业出口具有正向长期效应，气候变异性和汇率波动呈负向关系。AI采纳和AgriTech基础设施每增加一个单位，长期农业出口分别约提高20.2%和17.7%；气候变异性每增加一个标准差，出口约下降13.2%；研发投入在5%水平上显著为正，制度质量亦在5%水平上显著为正。研究人员指出巴基斯坦研发投入占农业GDP的0.21%—0.89%，低于亚太地区约0.4%的平均水平及至少1%的政策基准，意味着本研究所识别的出口收益可能低估了更大幅度研发投入可带来的收益。

*短期结果*：误差修正项（ECT）为负且显著（?0.63），表明约63.0%的短期冲击失衡在一個周期内得到修正，隐含调整时间约为1.59个周期；AI采纳和农业基础设施改善在短期对出口绩效具有正向效应，气候变异性具有负向短期影响，汇率波动短期影响为负，研发投入短期不显著。

*诊断与稳定性检验*：诊断检验支持模型 adequacy；FMOLS和DOLS估计的系数符号和显著性水平与ARDL估计一致，为长期关系方向提供跨方法支持。

*稳健性检验*：替代滞后结构、替代因变量（农业出口占总出口份额、农业出口增长率）下估计结果符号相似、量级可比；将气候变量分解为温度变异性、降雨变异性和基于NDVI的植被胁迫，各分量均呈负号，与总气候变异性结果一致；将AI采纳指数分解为数字基础设施、制度支持和技术能力三个子成分，三者均呈现相似的统计关系，表明该关系具有广泛基础而非局限于单一渠道。

*结构断点检验*：CUSUM统计量（0.52）低于临界值1.36，CUSUMSQ图无边界穿越，支持参数稳定性；Chow检验在2015年（F(8,6)=1.30，p=0.38）和2020年（F(3,16)=0.37，p=0.78）不显著，但在2008年显著（F(3,16)=6.29，p=0.01）。

*因果检验*：Toda–Yamamoto成对Granger因果检验显示，AI采纳与农业出口、AgriTech基础设施与农业出口之间均未在常规显著性水平上拒绝无短期Granger因果的原假设。

**讨论与结论**：讨论部分指出，AI采纳对农业出口的正向显著长期影响是最突出结论之一，凸显AI驱动工具在提升生产率、减少运营低效和增强出口能力方面的价值，且与数字技术通过降低交易成本和信息不对称、改善协调并促进全球价值链整合来提升全球市场参与的文献一致；在农业活动分散、以小农为主的巴基斯坦，AI采纳似可成为生产率的均衡器。AgriTech基础设施系数亦为正且显著，表明AI实施与农业物质或数字资本资产相结合时最为适宜，农业出口不仅是需求侧现象，也存在显著的供给侧约束。气候变异性与农业出口的负向显著关系表明技术进步不足以保护农业部门免受环境冲击，稻米、水果和棉花等作物对气候更为敏感，AI和AgriTech带来的潜在出口收益可能被上升的气候风险所削弱。汇率波动的负向关系表明技术政策需辅以足够可预测的宏观经济环境；全球需求的正向影响表明巴基斯坦农业出口对全球市场敏感，国内技术升级需要更积极的贸易外交和市场多元化。制度质量的正面显著系数表明改善治理有助于提高政策可信度、降低监管不确定性、改善机构间协调并促进政府、生产者、金融机构和出口企业之间的合作。负向显著的ECT（?0.63）证明存在有意义的向长期均衡调整的机制，短期估计亦表明技术因素可较快改善农业出口绩效；短期与长期的区分对政策设计具有重要意义。研究结论部分指出：本研究考察了2003—2024年巴基斯坦AI采纳、AgriTech基础设施与农业出口绩效之间的短期和长期关系，ARDL框架下纳入了研发投入、气候变异性、汇率波动、全球需求和制度质量；研究结果提供了AI采纳和AgriTech基础设施与农业出口在长期和短期均呈正向关系的证据，凸显数字转型和农业现代化在强化巴基斯坦出口导向型农业生产中的潜在重要性；技术进步不应脱离更广泛的农业创新体系来考虑，研发投入和制度质量与农业出口绩效正相关，表明知识生产、技术适配、有效政策实施和支持性制度是重要互补因素；相反，气候变异性和汇率波动与农业出口绩效呈负向关系，表明当气候相关风险和宏观经济不确定性未得到解决时，技术和基础设施的改善可能效果有限。政策启示方面，研究人员建议巴基斯坦农业出口政策应从仅关注价格竞争力和传统要素积累转向更全面的技术与制度改进路径，促进AI在农业中的扩散、加强AgriTech基础设施和能力建设、协调AgriTech机构并开发应对气候相关风险和数字能力的技术；技术升级须与制度和宏观经济改革同步推进，更好的治理、更强的监管确定性、农业融资、更好的推广服务和贸易便利化可增强技术投资的效果，而更好的宏观经济稳定性可降低出口导向型生产者和企业的不确定性；应特别关注小农和农村生产者，通过增强其获取数字技术、农业信息、融资、推广和气候适应工具的机会使技术转型更具包容性。研究局限性包括：仅有22个年度观测值对应七个解释变量及其动态项，自由度约束带来过拟合和不稳定推断的风险，尽管采用短滞后长度和FMOLS、DOLS交叉验证降低了但未消除该担忧；总体层面时间序列数据可能掩盖地区、作物、生产者和企业之间在技术采纳和出口绩效上的显著异质性；AI采纳指数部分反映一般数字准备度，因部分农业特定指标并非所有年份均可获得，应将其理解为技术和数字能力的一般指标而非真正面向农业的AI采纳指标；短期方向性发现不应被解释为短期因果关系的证据，Toda–Yamamoto因果检验未识别出统计显著的Granger因果关系，短期系数应理解为估计ARDL框架内的条件动态关联而非确定性因果效应；总体农业出口指标无法识别作物特定的气候敏感性。未来研究应采用更长时间序列以及区域或企业层面面板数据、作物特定出口指标和企业或农场层面的技术采纳指标，并结合可复现的农业特定AI和AgriTech指标，以更强的基础识别异质性效应并检验数字转型影响农业出口绩效的机制，此类拓展亦可使未来研究通过交互项明确考察制度调节作用，并更清晰地区分技术、气候和宏观经济渠道。