数字技能与知识作为赋能要素：理解农户采纳农业绿色生产技术(Agricultural Green Production Technologies, AGPTs)的行为机制

《Journal of Innovation & Knowledge》：Digital skills and knowledge as enablers: understanding farmers’ adoption of agricultural green production technologies

　　

摘要：农业绿色生产技术(Agricultural Green Production Technologies, AGPTs)对推进可持续耕作实践、减排固碳及缓解非点源污染具有重要影响。研究人员基于中国土地经济调查(China Land Economic Survey, CLES, 2020–2022)数据，采用有序Probit(Ordered Probit)模型考察数字技能(Digital Skills, DS)对农户采纳农业绿色生产实践的影响。结果表明：数字素养提升使不采纳概率降低4.48%，同时使采纳四类绿色技术的概率提高0.64%。其次，分析证实缓解信贷约束(credit constraints)、采纳农业社会化服务(agricultural socialized services uptake)及强化绿色生产认知(green production awareness)是数字技能发挥作用的核心中介路径；本研究理论贡献在于系统阐明上述中介路径，丰富了创新采纳文献中农业情境下行为驱动因素的认知。第三，数字技能的影响存在农户异质性——对风险容忍度高、时间偏好低(low time preference)、经营规模大及较年轻农户作用更强。研究结果为人力资本促进农业绿色技术创新采纳提供了微观实证与理论支撑，并为通过优化高龄农民数字技能培训、扩大绿色生产技术示范点、完善农村金融市场及推广环境友好型农机应用等政策举措以提升农村数字技能提供了可操作启示。

论文解读：《Journal of Innovation》

【研究背景与意义】

现有文献多关注数字终端可及性与"是否使用互联网"，忽视数字技能(Digital Skills, DS)差异对农户采纳农业绿色生产技术(Agricultural Green Production Technologies, AGPTs)的异质影响。农业绿色转型的关键瓶颈在于农户采纳意愿与能力偏低，绿色技术具初始投入高、技术要求强、回报周期长等特征，且农户常面临资本有限、技术壁垒及风险承受能力弱等约束。数字化可通过信息完备性、决策科学化及打破时空限制重塑农业生产要素配置，但其红利获取依赖农户数字素养。既有研究未系统揭示DS通过何种微观机制促进AGPTs采纳，亦较少将产前—产中—产后全链条绿色技术纳入统一分析框架。本研究以刺激—机体—反应(Stimulus–Organism–Response, SOR)模型为理论基础，基于江苏CLES面板数据，实证检验DS对农户AGPTs的影响、作用机制及异质性，填补"软技能"赋能农业绿色转型的机制空白。

【主要研究方法】

研究人员使用2020–2022年中国土地经济调查(China Land Economic Survey, CLES)数据，覆盖江苏省13个地级市、26个县、52个村共3372个有效农户观测值。因变量为农户采纳五种AGPTs（测土配方施肥技术 Soil Testing and Formulated Fertilization Technology, STFT；有机肥替代技术 Organic Fertilizer Technology, OFT；高效低毒低残留农药技术 High-efficiency Low-toxicity Low-residue Pesticide Technology, HLLT；农业废弃物资源化利用技术 Agricultural Waste Recycling Technology, AWRT；秸秆还田技术 Straw Return Technology, SRT）的数量（0–4级有序分类）。核心自变量DS为农户掌握数字学习技能、数字生活技能、数字金融技能三项之加总（0–3）。中介变量含农业生产贷款额（缓解信贷约束）、购买农业社会化服务项数、是否参加农技培训（绿色生产认知）。控制户主、家庭、地块及村庄层面特征，并控制年份与城市固定效应。基准回归采用Ordered Probit模型；内生性处理采用同县其他农户DS均值作工具变量(Instrumental Variable, IV)进行IV-2SLS与IV-Oprobit估计；采用倾向得分匹配(Propensity Score Matching, PSM)检验样本选择偏差；稳健性检验通过项目反应理论(Item Response Theory, IRT)重测DS、更换Poisson与Ordered Logit模型、删减样本及遗漏变量敏感性分析完成；机制检验按中介效应逐步回归进行；异质性按风险偏好、时间偏好、经营规模（以10亩≈0.67公顷为界）及年龄（60岁为界）分组；互补性检验采用多元Probit(Multivariate Probit, Mvprobit)模型。

【研究结果】

基线回归结果(Baseline regression result)

Ordered Probit回归显示DS对农户AGPTs采纳强度在1%水平上显著正向影响。边际效应表明DS每提升1个单位，不采纳概率显著降低4.48%，采纳2项、3项、4项绿色技术的概率分别显著提高1.52%、2.44%及0.64%，验证假设H1——DS促进农户AGPTs采纳。

内生性检验(Endogeneity test)

以同县其他农户平均DS为IV，通过Kleibergen-Paap rk Wald F及LM检验排除弱工具与识别不足问题，IV-2SLS与IV-Oprobit结果仍显示DS显著促进AGPTs；近似零(LTZ)与置信区间并集(UCI)检验支持IV近似外生性。PSM四种匹配方式下处理组平均处理效应(Average Treatment Effect on the Treated, ATT)均显著为正，确认基准结论不受自选择偏误干扰。

稳健性检验(Robustness tests)

采用IRT重测DS、改用Poisson与Ordered Logit模型、保留仅种粮农户样本及剔除65岁以上农户样本后，DS系数仍显著为正且边际效应与基线相近；遗漏变量敏感性分析表明即便存在未观测混杂因子（影响力达基准控制变量1–3倍），结论仍稳健。

异质性分析(Heterogeneity analysis)

按决策偏好与资源禀赋分组回归发现：①风险偏好（risk-tolerant）农户DS边际促进作用更强（采纳4项技术概率提升1.25% vs 风险厌恶者0.50%）；②低时间偏好（重视长期收益）农户DS效应更显著；③大规模（≥10亩）经营农户DS促进效应强于小规模农户；④60岁以下较年轻农户DS效应显著高于年长农户，反映技能偏向型技术进步(Skill-biased Technical Change)特征。

机制分析(Mechanism analysis)

三步法中介检验结果显示：DS显著提升农业生产贷款获取额（p<0.01），验证H2——DS缓解信贷约束从而促进AGPTs；DS显著提高农业社会化服务购买项数（p<0.05），验证H3——DS促进外包服务采纳从而推动AGPTs；DS显著提高户主参与农技培训概率（p<0.01），验证H4——DS增强绿色生产认知从而促进AGPTs。三条路径共同构成DS赋能绿色生产的中介机制。

进一步分析(Further analysis)

DS对STFT、HLLT、AWRT及SRT采纳均有显著正向影响，对OFT影响在本样本中不显著。Mvprobit显示多数绿色技术间存在显著互补关系（尤以AWRT与HLLT的ρ=0.6662、SRT与HLLT的ρ=0.6934、SRT与AWRT的ρ=0.5135为著）。引入DS基尼系数与DS交互项系数显著为正，表明DS分布越不均，高技能农户边际回报越高，存在马太效应(Matthew Effect)——数字鸿沟可能加剧AGPTs采纳不平等。

【讨论与结论翻译】

研究人员得出结论：基于CLES(2020–2022)数据与Ordered Probit及中介效应模型实证分析表明，数字技能(Digital Skills, DS)显著促进农户采纳农业绿色生产技术(Agricultural Green Production Technologies, AGPTs)。DS每提升1个单位，农户不采纳及仅采纳1项技术的概率分别显著降低4.48%与0.12%，而采纳2项、3项及4项技术的概率分别升高1.52%、2.44%与0.64%；该结论在处理内生性、样本选择偏误及多种敏感性检验后依然稳健。异质性分析显示DS对风险容忍度高、时间偏好低、大规模经营及较年轻农户的边际效应更明显。机制上，DS通过缓解农业生产信贷约束、促进农业社会化服务外包及提升绿色生产认知三条路径正向影响技术采纳。进一步分析表明除有机肥替代技术(Organic Fertilizer Technology, OFT)外，DS显著促进测土配方施肥技术(STFT)、高效低毒低残留农药技术(HLLT)、农业废弃物资源化利用技术(AWRT)及秸秆还田技术(SRT)之采纳；但数字鸿沟可能加剧AGPTs采纳不平等，存在优势者获益更多的马太效应(Matthew Effect)；且农业废弃物资源化利用技术与高效低毒低残留农药技术、秸秆还田技术与高效低毒低残留农药技术、秸秆还田技术与农业废弃物资源化利用技术间呈显著互补关系。