贸易政策不确定性对农业企业价值链韧性的影响研究

《Frontiers in Sustainable Food Systems》：A study on the impact of trade policy uncertainty on the resilience of agricultural enterprise value chains

　　

摘要：引言：贸易政策不确定性对提升农业企业价值链韧性构成重大挑战。理解这种不确定性如何影响价值链韧性，对于在日益动荡的全球贸易环境中制定有效的政策应对措施至关重要。方法：利用2007年至2016年中国农业上市公司的面板数据，本研究采用双机器学习方法进行实证分析，系统考察贸易政策不确定性对农业企业价值链韧性的影响。结果：研究表明，贸易政策不确定性显著降低了这些价值链的韧性。负面效应在国有企业、融资能力弱、数字化水平低、政府补贴少以及碳强度高的企业中更为明显。讨论与结论：机制分析揭示，贸易政策不确定性通过抑制企业创新和加剧信息不对称来削弱全球价值链韧性。这些发现为科学提升中国农业企业在全球价值链中的韧性提供了宝贵见解，并为当前复杂多变贸易环境下的政策制定提供了理论基础和实践指导。

**论文解读文章**

**研究背景与研究问题**

当前全球经济增长动力不足，单边主义和保护主义加剧，多边贸易体系面临障碍。在此背景下，贸易政策不确定性（Trade Policy Uncertainty, TPU）急剧上升，给全球农业贸易和供应链安全带来新的风险与挑战。农业因其生产周期长、产品易腐烂、高度依赖及时交付等固有脆弱性，对政策变化尤为敏感。TPU不仅影响贸易利益，还直接冲击全球粮食安全。中国作为全球最大的农产品贸易国之一，其农业供应链的稳定性不仅关乎自身粮食安全，还通过全球贸易网络影响国际市场供给格局。然而，中国产业和供应链普遍处于国际分工体系的中低端，其稳定性和韧性有待提升。TPU的加剧对出口供应链的稳定性与安全性构成前所未有的威胁：一方面，逆全球化与政策不确定性推动全球生产网络重构，加剧供应链碎片化与区域风险传导；另一方面，各国频繁调整贸易政策工具（如加征关税、反倾销调查、出口管制清单等），加剧了全球农产品市场的不稳定性。当TPU上升时，价值链中的微观主体——农业企业首当其冲，创新活动受到抑制，信息不对称加剧，进而削弱价值链韧性。因此，分析TPU对农业企业价值链韧性的影响机制、测度效应，并有效提升中国农业企业价值链韧性，具有重要的理论与现实意义。

**研究内容与结论**

研究人员利用2007年至2016年间中国农业上市公司的面板数据，采用双机器学习（Double Machine Learning, DML）方法进行实证分析，系统考察了TPU对农业企业全球价值链韧性（Global Value Chain Resilience, gvcsr）的影响。研究发现：TPU显著降低了农业企业价值链韧性，且该负面效应在国有企业、融资能力弱、数字化水平低、政府补贴少以及碳强度高的企业中更为明显。机制分析表明，TPU通过抑制企业创新（包括研发投入、创新能力、创新效率）和加剧信息不对称来削弱价值链韧性。该研究为科学提升中国农业企业在全球价值链中的韧性提供了理论依据，并为当前复杂贸易环境下的政策制定提供了实践指导。论文发表于《Frontiers in Sustainable Food Systems》。

**关键技术方法**

本研究采用双机器学习（DML）模型，以克服传统参数回归对函数形式假设的依赖，并利用支持向量机（Support Vector Machine, SVM）算法进行基准回归。样本来源包括：UIBE全球价值链（GVC）数据库、中国海关数据库、国泰安（CSMAR）数据库以及东方财富网的上市公司年报文本数据。研究期间为2007年至2016年，最终得到541个农业上市企业观测值。所有连续变量在1%水平上进行缩尾处理。

**研究结果**

**4.1 基准回归**
通过DML模型估计，在控制了企业固定效应和年份固定效应后，核心解释变量TPU₂₀（年内关键词间隔不超过20字符）的系数显著为正，表明TPU越大，企业全球价值链韧性越差（即gvcsr残差绝对值越大，韧性越弱）。

**4.2 稳健性检验**
（1）更换机器学习算法为线性支持向量机，并调整样本分割比例（四折、六折、八折交叉验证），结果仍显著为正。（2）替换解释变量：采用不同关键词间隔（15、30、45字符）重新构建TPU指标，回归系数均显著为正。（3）其他稳健性检验：加入省份-年份和行业-年份交互固定效应、采用2.5%和5%缩尾处理、加入夜间灯光数据作为区域控制变量，结果依然稳健。（4）内生性检验：将TPU滞后一期和二期作为工具变量，回归结果仍显著为正，表明不存在严重反向因果问题。

**4.3 异质性分析**
（1）按融资能力（流动比率中位数）分组：TPU显著降低融资能力弱企业的价值链韧性，对融资能力强企业无显著影响；交互项系数显著为正，表明融资能力提升可缓解TPU的负面效应。（2）按企业性质分组：TPU显著抑制国有企业的价值链韧性，对非国有企业无显著影响；交互项系数显著为正，表明国有企业韧性受TPU冲击更大。（3）按数字化水平分组（基于年报文本关键词频率及CSMAR数字化指数）：TPU仅显著降低低数字化水平企业的价值链韧性，对高数字化企业无显著影响；交互项系数显著为正，表明数字化水平起缓冲作用，支持假设4。（4）按政府补贴强度分组：TPU显著降低低补贴水平企业的价值链韧性，对高补贴企业无显著影响；交互项系数显著为正，表明政府补贴可缓解TPU的负面冲击。（5）按碳强度（碳排放/营收）分组：TPU显著降低高碳强度企业的价值链韧性，对低碳企业无显著影响；交互项系数显著为正，表明碳强度越高，TPU对韧性的削弱作用越强。

**4.4 机制检验**
采用“两步法”机制分析。第一步：检验TPU对中介变量的影响。（1）创新抑制效应：TPU₂₀显著降低企业的研发投入（ln(R&D投入+1)）、创新能力（ln(实用新型+外观设计专利申请数+1)）和创新效率（单位研发投入的专利申请数），系数均显著为负。（2）信息不对称加剧效应：TPU₂₀显著提高基于主成分分析提取的信息不对称指标（ASY1、ASY2），系数均显著为正。第二步：结合已有文献结论（创新提升韧性、信息不对称降低韧性），验证了TPU通过抑制创新和加剧信息不对称来削弱价值链韧性的机制，支持假设2和假设3。

**讨论与结论**

总结讨论部分：本研究基于2007-2016年中国农业上市公司数据，实证检验了TPU对农业企业全球价值链韧性的影响。结果表明，TPU显著削弱了韧性，机制在于抑制企业创新能力和加剧信息不对称。异质性分析显示，负面效应在国有企业、融资能力弱、数字化水平低、政府补贴少、碳强度高的企业中更为突出。中国作为全球主要农产品贸易国，其农业企业在TPU冲击下的脆弱性模式对其他深度融入全球价值链的新兴经济体具有重要参考价值。研究结论的普遍性在于：创新投资不可逆性及信息不对称对价值链韧性的影响是各经济体企业面临的共同挑战；中国案例的典型性对越南、巴西、印度等主要农产品出口国具有借鉴意义。同时，中国政府对农业的补贴政策有效缓解了TPU冲击，为有农业干预传统的发展中国家提供了直接参考。对于发达国家，研究揭示了市场机制应对TPU的局限性，提醒政策制定者关注企业创新激励与信息成本问题。

翻译研究结论部分：本文利用2007年至2016年农业上市公司的数据，实证检验了贸易政策不确定性对农业企业全球价值链韧性的影响。研究结果表明，贸易政策不确定性显著削弱了农业企业在全球价值链中的韧性。机制分析表明，贸易政策不确定性通过降低企业创新能力和加剧信息不对称，对农业企业全球价值链韧性产生不利影响。此外，异质性分析显示，贸易政策不确定性对韧性的负面效应在国有企业、融资能力弱、数字化水平低以及获得政府补贴较少的企业中更为显著。