南非农业企业的创新异质性与韧性路径

《Agricultural Systems》：Innovation heterogeneity and resilience pathways in South African Agri-businesses

　　

背景：南非农业企业部门的结构性僵化与资源限制造成了不平等的创新路径，将技术进步集中于主导企业，并扩大了大规模与小规模运营之间的差距。这些动态引发了对一个对粮食安全与经济发展至关重要的部门的韧性及公平增长的担忧。目标：本研究旨在调查南非农业企业部门内创新与韧性路径的异质性，重点关注结构性因素如何影响企业的创新行为与绩效。方法：研究人员使用通过人类科学研究委员会（Human Sciences Research Council）的农业企业创新调查（Agricultural Business Innovation Survey，2019–2021）收集的532家企业的二手数据，采用贝叶斯结构方程模型（Bayesian Structural Equation Modelling，Bayesian SEM）检验结构-行为-绩效关系，运用降维技术识别创新聚类，并通过网络分析评估部门内的连通性与脆弱性。结果与结论：研究结果揭示了显著的创新异质性，聚类因企业规模和战略方向而异。网络分析揭示了一种以大型企业为中心的枢纽-辐条结构，该结构虽然高效，但表现出较低模块化与传递性，使其易受系统性冲击的影响。贝叶斯结构方程模型（Bayesian SEM）表明结构性僵化与创新行为之间呈负相关，而行为与绩效之间呈正相关，提示结构性约束抑制了创新，而积极行为提升了营业额。尽管就业稳定且营业额上升，创新采用仍集中于流程改进与土壤肥力优先事项，并受到水资源短缺、资金有限及限制性政策等障碍的制约。因此，该部门体现了固化的传统实践与由结构性僵化塑造的新兴利基创新之间的二元性。意义：这些见解强调了需要有针对性的系统级干预措施，以解决结构性僵化、增强创新能力并提升南非农业企业部门的韧性。政策努力应与农业与农产品加工总体规划（Agriculture and Agro-processing Master Plan）保持一致，重点关注扩大和维护水利基础设施、为包括人工智能应用在内的数字与气候智能技术提供财政激励，以及培育协作平台以促进跨企业规模的包容性创新与韧性。此类措施将有助于降低网络脆弱性、拓宽高附加值创新活动的参与面，并支持构建更具包容性、竞争力和适应性的农业食品系统。

**论文解读文章**

**1. 研究背景与现存问题**

南非农业企业部门在推动经济增长与粮食安全方面扮演核心角色，但其创新体系面临显著的结构性僵化与资源约束。现有研究表明，该部门的创新活动集中于大型企业，技术进步呈现不均衡分布，加剧了大规模运营与小规模运营之间的差距。尽管政府通过《科学、技术与创新（STI）农业路线图》等举措促进了精准农业、数字监测及人工智能应用，但高采用成本、有限技术支持、社会文化阻力、资源限制及碎片化政策执行等障碍持续存在。特别是，数字鸿沟进一步阻碍了小型企业的广泛采用，导致生产力、韧性与可持续性受损。然而，现有研究缺乏对农业企业创新结构、行为与绩效（Structure-Conduct-Performance，SCP）关系的整体性实证整合分析，也未能充分揭示创新异质性如何与协作网络结构共同塑造部门韧性。因此，开展这项研究旨在系统性地剖析创新异质性的表现形式、韧性路径的差异以及协作在网络中的调节作用，为针对性的政策干预提供实证基础。

**2. 研究目的与主要结论**

研究人员通过分析南非农业企业创新调查（2019–2021）中532家企业的二手数据，采用贝叶斯结构方程模型（Bayesian SEM）、降维技术（t-SNE、PCA、UMAP）及社交网络分析，全面考察了结构-行为-绩效（SCP）关系、创新聚类特征及网络结构属性。研究得出以下关键结论：创新异质性显著，聚类因企业规模与战略方向而异；网络分析揭示了以大型企业为中心的枢纽-辐条结构，该结构虽高效但模块化与传递性极低，易受系统性冲击；贝叶斯结构方程模型（Bayesian SEM）证实结构性僵化（如企业规模、部门归属）与创新行为呈负相关（β=?1.24），而创新行为与绩效（营业额）呈正相关（β=0.43）。该研究对理解农业企业部门韧性具有重要理论意义，明确了结构性因素与协作网络如何共同影响创新结果，并为《农业与农产品加工总体规划》等政策框架提供了实证支撑。该论文发表在《Agricultural Systems》期刊。

**3. 主要关键技术方法（250字内）**

为开展研究，研究人员运用以下关键技术方法：（1）使用降维技术（t-分布随机邻域嵌入t-SNE、主成分分析PCA、统一流形逼近与投影UMAP）从高维创新指标中识别潜在结构，并通过K-means聚类（k=2–10）及轮廓系数、调整兰德指数验证聚类稳定性；（2）构建无向协作网络，基于调查中创新合作伙伴响应，计算度中心性、介数中心性、模块化（Louvain聚类）、传递性及直径等网络指标，并使用Fruchterman-Reingold布局可视化；（3）采用贝叶斯结构方程模型（Bayesian SEM）拟合结构（企业规模、部门、集团归属）、行为（新产品、业务流程、人工智能引入）与绩效（2019–2021年营业额）间的因果路径，通过马尔可夫链蒙特卡洛（MCMC）抽样（burn-in=1000，samples=5000）进行参数估计，并使用R-hat（<1.1）、后验预测p值及有效样本量（>1000）进行诊断。样本来自人类科学研究委员会（Human Sciences Research Council）的2019–2021年农业企业创新调查。

**4. 研究结果**

**4.1 描述性结果**
通过描述性统计分析发现，65%的受访者认为水资源与资金对支持或促进创新高度重要，而同一因素（如水资源44%、资金43%、政策与气候38%）也被视为主要障碍。桑基图显示，支持性创新生态系统与产品创新及主动战略（技术开发、未来规划）强相关，进而促进创新成功与业务增长（营业额增长、就业稳定）。在2019–2021年间，平均就业人数保持稳定（无统计学显著变化），但营业额从约1.969亿南非兰特增至2.354亿南非兰特。创新采用方面，业务流程改进最广泛（65.8%），物流创新最低（38.4%），气候相关方法与信息处理采用中等。土壤肥力（35%）、产出增加（35%）、改良品种（31%）及水资源保护（30%）被列为产品与工艺创新的关键驱动因素。2021年数据显示企业规模与营业额相关性增强（r=0.373），但企业存续时间与营业额关联减弱。

**4.2 降维与聚类**
通过主成分分析（PCA）、统一流形逼近与投影（UMAP）及t-分布随机邻域嵌入（t-SNE）降维后，研究人员鉴定出具有统计学显著差异的聚类（Kruskal-Wallis检验p=0.0014）。轮廓系数为0.577（k=4），调整兰德指数为0.924（k=6），表明聚类稳定。聚类结果揭示了一种二元性：主流企业遵循传统实践形成紧密聚类，而其他分散聚类反映新兴利基策略（如数字农业、再生实践），其创新模式异质性更高。大小规模企业在创新特征上表现出强相似性，提示共同的操作模式与约束（如水资源短缺）。

**4.3 网络分析**
协作网络分析显示极高连通性但极低模块化（0.0017）与零传递性，表明网络缺乏子群落，关系主要为双边（dyadic）而非三边聚类。网络直径为2，密度为0.406，所有节点构成单一连通分量。大型企业表现出极高程度中心性与介数中心性，成为信息与资源流动的枢纽，而小型企业呈边缘化，节点中心性低。这种枢纽-辐条结构虽高效，但因缺乏冗余（无闭合三角关系）而脆弱：若核心枢纽失效，外围节点面临市场与资源获取风险。

**4.4 贝叶斯结构方程模型（Bayesian SEM）**
贝叶斯结构方程模型（Bayesian SEM）拟合结构-行为-绩效（SCP）关系，潜变量载荷显示：结构由企业规模（0.26）、部门（0.24）和集团归属（?0.3）定义；行为由新产品引入（0.37）、业务流程改进（0.58）及人工智能应用（0.3）定义；绩效由2019年与2021年营业额（载荷均接近1）定义。回归路径证实：结构→行为路径呈负向（β=?1.24，标准?0.86），提示更正式化或大型的企业可能创新行为较低；行为→绩效路径正向（β=0.43，标准0.16），表明创新行为积极驱动绩效提升。模型诊断显示收敛（R-hat≈1，有效样本量>500）与可接受拟合（后验预测p值PPP=0.126）。

**5. 讨论与结论**

**讨论部分总结**：研究人员在讨论中整合了上述结果，指出水资源、资金、政策与气候因素的双重角色（既促进又阻碍创新），反映了资源禀赋与制度环境的复杂性。支持性生态系统与主动创新行为及增长绩效的强关联，支持了资源基础观（resource-based view）。就业稳定与营业额增长暗示了吸收性韧性（absorptive resilience），而业务流程改进与气候相关创新的选择性采用体现了适应性韧性（adaptive resilience），但高级创新（如物流升级、数字解决方案）的低采用率与脆弱的协作网络表明转化性韧性（transformative capacity）薄弱。企业规模与绩效的正相关性及存续时间的不显著性，呼应了结构刚性抑制创新的文献。网络分析的低模块化与传递性提示需要政策干预以促进三边合作关系（如合作社、创新集群）与数字平台（如KHULA）以增加网络冗余与模块化。贝叶斯结构方程模型（Bayesian SEM）的负向结构-行为路径解释了大型企业的官僚惯性，正向行为-绩效路径则强调了创新驱动竞争力的作用。总体而言，该部门呈现传统实践与利基创新并存的二元性，受结构性刚性与全球竞争压力共同塑造。

**研究结论翻译**：本研究在概念与实证上为农业创新学术作出了贡献，展示了结构性因素、创新行为与协作网络如何共同塑造部门韧性。通过整合运用贝叶斯结构方程模型（Bayesian SEM）、网络分析与高维分析，研究提供了新颖证据，补充并扩展了现有创新系统与结构-行为-绩效（SCP）研究。研究揭示了一个具有韧性但创新不均衡的格局：营业额增长且就业稳定，但创新采用集中于流程改进与土壤肥力优先事项；水资源短缺、资金与政策约束限制了更广泛的采用。高级分析揭示了异质性创新聚类，经与规模相关的显著结构差异验证。网络分析显示以大型企业主导的枢纽-辐条结构，高效但脆弱；贝叶斯结构方程模型（Bayesian SEM）证实结构负向影响行为，而创新行为正向驱动绩效。总体而言，该部门体现了固化的传统实践与利基创新并存的二元性，由结构性刚性与全球竞争压力共同塑造。研究结果指向三个对政策与部门转型尤为关键的机制：第一，结构性条件与创新行为之间的负关联揭示了结构刚性如何抑制探索性或适应性创新，需要政策工具以降低合规负担、促进组织敏捷性并增强创新能力；第二，协作网络的显著中心化体现了效率-脆弱性权衡，需要增加网络冗余、强化三边合作关系并多样化协作结构以构建部门韧性；第三，创新仍集中于增量流程改进，高级数字技术或物流创新采用有限，表明企业面临能力约束与结构性障碍，抑制了更具转化性的路径。为加速可持续增长，政策干预应聚焦于系统性障碍：投资水利基础设施、为人工智能等技术提供财政激励、建立包容性平台（符合农业与农产品加工总体规划），并利用创新枢纽与数字平台（如KHULA）增强中小企业权能、对抗结构惯性。企业层面应向气候智能型与数据驱动策略多元化，大型企业应培育双边伙伴关系以扩散创新。未来研究应采用纵向与多水平模型验证结构-行为-绩效（SCP）路径，并将社交网络分析与机器学习结合以进行预测性分析，确保南非农业企业部门在气候与市场波动中保持竞争力、公平性与韧性。