《Agribusiness》：Impact of Digital Ability and Rice Technology Adoption on Rice Farming Performance in Benin
编辑推荐：
本研究针对贝宁小农户，结合LSMS与GPS空间匹配数据，探讨数字能力与水稻技术（RiceAdvice、SRI、Smart Valley）采纳对收入、产量及化肥使用的影响。研究发现，二者单独作用可提升绩效，但组合效应因技能与工具不匹配而呈负向，为农业数字化政策提供了新证据。
在撒哈拉以南非洲，水稻是重要的口粮和战略作物，但单产远低于全球平均水平。过去二十年间，尽管非洲水稻中心（Africa Rice）推广了NERICA改良品种、水稻强化栽培体系（SRI）、智能河谷（Smart Valley）等农艺技术，以及RiceAdvice等数字决策工具，但产量的增长更多依赖土地扩张而非单产提升。贝宁等国的水稻单产仍徘徊在4.8 t/ha左右，技术采纳率低是主要瓶颈。
传统研究多将低采纳率归因于户主年龄、农场规模、资产持有等社会经济因素，但本文提出了一个新视角：数字能力（Digital Ability）。随着数字农业工具涌入传统农耕系统，小农户的数字素养不足已成为比技术本身更棘手的“最后一公里”问题。数字能力不仅关乎是否“拥有”手机，更关乎能否“有效使用”工具获取信息、评估风险并优化决策。本研究旨在揭示数字能力如何既作为技术采纳的门槛，又作为技术效益的调节器，影响最终的种植绩效。
研究方法概述
研究巧妙整合了贝宁生活水平测量研究（LSMS）的223户稻农数据与全国水稻技术采纳普查数据，通过GPS坐标进行空间匹配，构建了36个枚举区域（EA）集群。利用结构方程模型（SEM）构建了涵盖数字接入、数字技能、数字金融技能的“数字能力”潜变量，并采用加权工具变量（IV）估计，以移动信号塔密度作为数字能力的工具变量，识别其对收入、单产和化肥使用的因果效应。
研究结果与发现
数字能力与采纳的“单赢”与“双输”
单独效应显著：模型结果显示，在控制其他因素后，数字能力的提升能显著增加稻农收入、单产和化肥使用量。同样，采纳RiceAdvice、SRI等技术的农户，其绩效也优于未采纳者。这表明“有技术”或“有技能”本身都是有益的。
组合效应意外：然而，当高数字能力与高技术采纳在同一个体上叠加时，效应并非强强联合，反而出现了负面效果。研究认为，这并非技术无效，而是因为现有的数字工具（如App、平台）未能有效适配农户的实际技能水平。高技能农户在复杂界面中可能遭遇信息过载或操作失误，导致技术潜力无法释放。这揭示了“技术供给”与“技能吸收”之间的错配。
空间溢出与基础设施门槛
通过GPS匹配发现，技术采纳具有明显的空间聚集性。居住在采纳者密集区域（EA集群）的农户，即使个人未直接采纳，也能通过邻里学习获得一定的绩效提升。此外，移动网络覆盖（信号塔密度）是数字能力发挥作用的基础门槛。在网络覆盖差的地区，即便农户有较高的潜在数字技能，也无法转化为实际的信息获取能力。
结论与政策启示
贝宁的案例表明，农业数字化并非“发手机+推App”那么简单。数字能力是技术回报的关键调节变量。政策制定者需从“技术驱动”转向“技能驱动”：
- 1.
分层培训：针对不同数字素养的农户，设计差异化的培训内容，避免“一刀切”的数字推广。
- 2.
工具适老化/适农化：简化数字工具的操作流程，降低使用门槛，确保技术能被真正“用起来”。
- 3.
基建先行：在推广数字农业前，优先改善农村地区的网络基础设施，确保数字能力有发挥的舞台。
这项研究发表于《Agribusiness》，其价值在于打破了“技术即效益”的线性思维，为全球南方国家的农业数字化转型提供了重要的纠偏证据。
