《Frontiers in Sustainable Food Systems》:How do new agricultural business entities affect high-quality agricultural development? The mediating role of agricultural technological progress
编辑推荐:
目的:培育新型农业经营主体(NABE)是克服传统农业瓶颈、促进农业现代化转型的核心途径。方法:基于中国2014—2023年省级面板数据,研究人员采用熵权-TOPSIS法测算农业高质量发展(HAD)水平,并进一步分析其时空演变格局。此外,通过构建基准回归模型、中
目的:培育新型农业经营主体(NABE)是克服传统农业瓶颈、促进农业现代化转型的核心途径。方法:基于中国2014—2023年省级面板数据,研究人员采用熵权-TOPSIS法测算农业高质量发展(HAD)水平,并进一步分析其时空演变格局。此外,通过构建基准回归模型、中介效应模型和调节效应模型,研究人员全面考察了NABE对HAD的影响。结果与讨论:结果如下:(1)NABE显著促进HAD,且长期效应明显强于短期效应。(2)这种赋能效应呈现明显的异质性特征:对家庭农场、非主产区和中部地区的促进作用更为显著。(3)农业技术进步(ATP)在NABE促进HAD的过程中发挥部分中介作用。(4)农村人力资本水平和农业补贴强度均显著增强NABE的促进作用,且后者的边际贡献相对更大。研究人员系统考察了NABE赋能HAD的异质性特征、中介传导渠道和调节效应。基于研究结果,本文提出针对性措施:建立长期培育机制、采取分阶段技术扶持政策、实施差异化支持方案、强化外部支撑环境。这为进一步完善主体培育政策、推进HAD提供了实证基础和政策启示。
**论文解读:新型农业经营主体对农业高质量发展的影响机制研究**
**一、研究背景与问题提出**
全球农业面临多重挑战,包括粮食安全、温室气体(GHG)排放加剧气候危机等。中国农业经营主体结构已从传统小农户主导演变为新型农业经营主体(NABE)与多种主体并存格局。NABE作为规模化经营和社会化服务的主要载体,被寄望于突破传统农业瓶颈,推动农业高质量发展(HAD)。然而,NABE能否有效驱动HAD?其内在机制(如农业技术进步(ATP)的中介作用)及外部条件(如农业补贴强度(ASI)和农村人力资本水平(RHCL)的调节作用)尚需系统检验。该研究旨在填补现有文献缺乏整体性分析框架的空白,为完善主体培育政策提供实证依据,论文发表在《Frontiers in Sustainable Food Systems》。
**二、关键技术方法**
研究人员基于中国30个省份(不含港澳台藏)2014—2023年面板数据,样本来源包括中国统计年鉴、农村统计年鉴、科技统计年鉴及CSMAR、CCAD数据库。主要方法为:(1)**熵权-TOPSIS法**:用于测算HAD和ATP综合指数,通过信息熵客观赋权,避免主观偏差。(2)**基准回归模型**:采用双向固定效应模型,控制个体和时间效应,分析NABE对HAD的平均影响。(3)**中介效应模型**:结合逐步回归法和Bootstrap(重复抽样1000次)检验ATP在NABE与HAD之间的中介路径。(4)**调节效应模型**:通过交互项分析ASI和RHCL对NABE赋能效应的调节作用。
**三、研究结果**
**3.1 分析HAD的时空演变特征**
通过熵权-TOPSIS法测算并绘制时空图,发现2014—2023年中国HAD总体呈上升趋势,东部地区领先,中部追赶,西部较低,空间格局从“东高西低”逐步演变为“橄榄型”结构。2017年后东部和中部增速加快,西部增速放缓,政策驱动(如乡村振兴战略、数字乡村建设)是重要成因。
**3.2 基准回归结果分析**
基于双向固定效应回归,NABE的增量(NABEI)和存量(NABES)均显著促进HAD(系数分别为0.174和0.253,p<0.01),且长期效应(存量)强于短期效应(增量),验证假设H1。控制变量显示,经济发展水平、产业结构升级、金融发展水平正向促进,城市化水平负向影响(因区域差异)。
**3.3 内生性检验**
为缓解反向因果,采用滞后一期变量(L.NABEI和L.NABES)回归,结果仍显著正向。进一步以NABES的两期滞后(L2.NABES)作为工具变量进行2SLS估计,通过不可识别检验(LM统计量32.814)和弱工具变量检验(Wald F统计量328.637),第二阶段系数显著为正(0.278),表明结论稳健。
**3.4 中介效应分析**
逐步回归结果显示,NABES显著促进ATP(系数0.213),且ATP显著促进HAD(系数0.200)。加入中介变量后,NABES系数从0.253降至0.211,表明ATP发挥部分中介作用。Bootstrap检验间接效应置信区间不包含0,中介效应占比16.996%,验证假设H2。
**3.5 调节效应分析**
NABEI与ASI的交互项(NABEI×ASI)和NABES与ASI的交互项(NABES×ASI)均显著正向(系数1.088和1.206),表明ASI增强NABE的促进作用,且边际贡献较大。NABES与RHCL的交互项(NABES×RHCL)显著正向(0.108),但NABEI与RHCL交互项不显著,说明RHCL仅对存量的赋能效应有显著调节,对增量效应尚未释放,验证假设H3和H4。
**3.6 异质性分析**
不同类型NABE:家庭农场增量与存量均显著促进HAD,且存量效应更强;专业农民合作社增量显著但存量不显著,呈现“短期有效、长期乏力”;农业龙头企业增量不显著,存量在中央区显著负向(因加工层次低、价值链短)。功能分区:非主产区(系数0.480和0.564)效果强于主产区(0.147和0.451),因主产区受粮食安全约束,产业结构调整空间有限。地理区域:中部地区促进效应最强(0.332和0.695),西部次之(0.219和0.276),东部不显著,因东部农业已进入依赖资本和技术阶段,NABE数量扩张效应边际递减。
**四、讨论与结论**
**讨论部分总结**:研究存在局限,公开数据缺乏NABE的微观信息(如经营规模、带动农户数),仅用数量作为代理变量,未能反映综合发展水平。与现有文献相比,本研究构建了包含生产、产业、经营、绿色四维的HAD评价体系,并区分存量与增量效应,深化了机制分析。未来研究应追踪微观数据库,构建多维评价体系,并探索数字农业、智慧农业与NABE的关联。
**研究结论翻译**:本研究构建了HAD综合评价体系,利用2014—2023年中国省级面板数据,采用双向固定效应、中介效应和调节效应模型,系统考察了NABE对HAD的影响,区分了短期与长期效应,揭示了ATP的中介作用,并验证了RHCL和ASI的正向调节作用。具体结论如下:2014—2023年,中国HAD水平保持稳步上升,东部最高、西部最低,呈现“东高西低”的阶梯空间格局,多数省份十年间发生显著跃迁。NABE对HAD具有显著正向影响,长期效应强于短期效应,该结论经过多重稳健性检验仍然成立。机制分析表明,NABES通过推动农业技术进步间接促进HAD,ATP的中介效应需要一定时间才能显现。异质性分析显示:在功能分区上,NABE的促进作用在非主产区更为突出;在组织类型上,家庭农场驱动效应最强且具有明显的时间滞后累积特征,专业农民合作社仅产生短期促进效应,而农业龙头企业表现出显著抑制作用;在区域层面,NABE在中央区影响最强,西部次之,东部最弱。关于调节效应,农村人力资本水平和农业补贴强度均显著放大NABE的促进作用,其中农业补贴强度的边际贡献相对更大。