《Frontiers in Sustainable Food Systems》：Beyond digital access: how does digital information complement agricultural production services to promote green technology adoption? Micro-evidence from Jiangxi Province, China
编辑推荐：
在农业绿色转型的背景下，数字信息能否超越信息提供功能，通过与农业生产服务的互补性促进小农户采纳绿色技术，是一个重要的理论与实践问题。本研究利用中国江西省1040户水稻种植户的调查数据，构建了数字信息、农业生产服务及核心绿色技术采纳数量的指标，采用泊松伪极大似然
在农业绿色转型的背景下，数字信息能否超越信息提供功能，通过与农业生产服务的互补性促进小农户采纳绿色技术，是一个重要的理论与实践问题。本研究利用中国江西省1040户水稻种植户的调查数据，构建了数字信息、农业生产服务及核心绿色技术采纳数量的指标，采用泊松伪极大似然（PPML）模型估计其单独效应与交互效应，并辅以边际效应分析、超模性检验、稳健性检验、内生性分析、机制检验及异质性分析。研究结果表明：（1）数字信息与农业生产服务均显著促进核心绿色技术的采纳。在完整模型中，其系数分别为0.329和0.330，交互项系数为0.702，且在5%水平上显著。（2）进一步检验证实，农业生产服务的边际效应随数字信息水平的提高而增强，平均交叉偏效应显著为正，且在“高数字信息—高生产服务”情境下预测采纳数量最高。超模性差值为0.132，为互补性提供了进一步证据。（3）主要发现在更换被解释变量、模型设定、样本调整以及使用双重机器学习、工具变量和熵平衡等方法后依然稳健。（4）机制分析表明，互补性通过缓解劳动力约束和提高农户绿色政策认知来促进绿色技术采纳。（5）组内估计进一步表明，该效应在拥有农业机械、所在村庄交通条件较好以及水稻种植面积较大的农户中更为显著。总体而言，数字信息并非简单替代农业生产服务，而是强化其向实际绿色技术采纳的转化。这些发现支持数字信息平台与农业服务体系之间的更紧密整合。
超越数字接入：数字信息与农业生产服务的互补性如何推动小农户绿色技术采纳——基于中国江西省的实证解读
一、研究背景与问题提出
农业绿色转型是实现农业高质量发展、协同粮食安全与生态安全的关键路径。小农户是粮食生产和农业供给的重要主体，但其绿色技术采纳水平仍然有限，主要受制于资源禀赋不足、信息获取不畅、技术学习成本高以及风险感知强烈等约束。水稻绿色生产技术包括测土配方施肥、有机肥施用、生物农药使用、稻渔综合种养和秸秆还田等，这些技术有助于减少化肥和农药使用、促进生态循环并提高资源利用效率，但同时也涉及特定的技术要求、操作流程和配套服务。如何降低小农户采纳这些技术的门槛，是农业绿色转型中重要的现实问题。
近年来，数字技术扩张和农业社会化服务发展为缓解上述约束提供了新途径。互联网、智能手机和数字平台拓宽了农户获取生产信息、技术知识和市场信息的渠道，降低了信息搜索成本和对新技术理解的不确定性。农业生产服务作为农业社会化服务的重要组成部分，通过生产托管、机械作业、绿色投入品指导和病虫害防治等方式，将专业支持嵌入小农户的生产过程，有助于缓解单个家庭面临的劳动力短缺、机械不足和高实施成本等问题。然而，既有研究通常将数字信息和农业生产服务视为相互独立的决定因素，较少关注二者在促进绿色技术采纳方面是否存在互补关系。大量文献仍聚焦于数字可及性，如农户是否有互联网接入或是否使用智能手机，而对接入后获取的信息能否转化为生产决策和实际行为关注不足。数字接入是信息获取的前提，但不足以促成绿色技术采纳；缺乏技术服务和操作支持，数字信息可能停留在认知层面；缺乏识别和评估服务内容的能力，农业生产服务也可能仅等同于常规的作业外包。
在此背景下，本研究超越传统的“数字接入”视角，将分析焦点转向数字信息与农业生产服务之间的互补性，回答三个问题：数字信息能否超越信息提供功能，通过与农业生产服务的互补性促进小农户绿色技术采纳？这种互补性通过何种机制发挥作用？在不同生产条件和资源禀赋的农户中，该效应是否存在差异？
二、研究设计与方法
本研究使用2023年在中国江西省开展的稻农专项调查数据。江西省是中国重要的水稻产区，其不同区域在地形、经营规模、数字化水平和农业社会化服务发展程度上存在差异，为考察稻农绿色技术采纳提供了合适的实证场景。调查覆盖江西省全部11个地级市的39个县，采用分层方法选择调查点，随后在选定村庄中对水稻种植户进行面对面访谈。共收集问卷1058份，剔除核心变量信息严重缺失的观测值后，最终获得1040个有效样本，有效应答率为98.30%。
在方法上，研究以农户采纳核心绿色技术数量为被解释变量，该变量为包含零值的非负计数变量，故采用泊松伪极大似然（PPML）估计作为基准模型。核心解释变量包括数字信息水平、农业生产服务水平及其交互项。数字信息水平由数字接入、数字应用使用广度和数字交易经验三个维度等权平均构建；农业生产服务水平根据整地、播种、育秧、移栽、灌溉、施肥、施药和收获八个生产环节中使用外部专业服务的环节数占比衡量。由于PPML为非线性模型，交互项系数不能直接解释为交叉偏效应，研究进一步采用平均边际效应、平均交叉偏效应和超模性检验来识别互补性。机制检验采用中介效应模型，内生性处理采用工具变量法（PPML-2SRI）、熵平衡和敏感性分析，稳健性检验包括更换被解释变量、采用替代估计方法、调整样本和使用双重机器学习（DML-GBDT）等。
三、研究结果
基准回归结果。 在逐步加入个体特征、家庭特征和农业资源与经营特征控制变量后，数字信息和农业生产服务的系数始终在1%水平上显著为正。完整模型中，数字信息和农业生产服务的系数分别为0.329和0.330，交互项系数为0.702，在5%水平上显著，为互补性提供了初步证据。
互补性检验。 将数字信息设定在25%、50%和75%分位数时，农业生产服务的平均边际效应分别为0.330（不显著）、0.774（1%水平显著）和0.875（1%水平显著）。平均交叉偏效应为1.367，在5%水平上显著，且所有个体交叉偏效应均为正。在四种情境下，低数字信息—低生产服务情境的预测采纳数量为1.491，高数字信息—高生产服务情境下最高，为1.842。超模性差值为0.132，在5%水平上显著，表明联合提升数字信息和农业生产服务带来的采纳增加超过分别提升二者之和，证实了正向互补性。
稳健性检验。 更换被解释变量为深度采纳并使用Logit模型、采用有序Logit和OLS模型、剔除新型经营主体仅保留普通农户、使用DML-GBDT以及改用主成分分析（PCA）构建数字信息指数后，数字信息、农业生产服务及其交互项的系数均保持为正，交互项至少在10%水平上显著，表明基准结果稳健。
内生性讨论。 工具变量估计中，控制函数残差的联合显著性检验p值为0.036，拒绝联合外生性假设。修正后数字信息、农业生产服务和交互项的系数分别为0.548、0.864和1.364，分别至少在10%、1%和5%水平上显著。熵平衡后最大绝对标准化均值差从平衡前的0.369降至约零，加权PPML模型中交互项系数为0.622，在10%水平上显著。敏感性分析表明，未观测混杂因素需要解释交互项和结果变量至少6.77%的残差变异才能将点估计降至零，但仅需0.87%的稳健性值即可使系数在5%水平上不再显著。因此，研究发现应主要解释为正向关联和机制一致性的相对稳健证据，而非严格的因果估计。
机制检验。 交互项在劳动力约束方程中的系数为?0.408，在1%水平上显著，表明互补性与更低的家庭劳动力机会成本相关。将劳动力约束纳入采纳模型后，其系数为?0.152，在5%水平上显著，Bootstrap间接效应为0.062，95%置信区间为[0.009, 0.139]，排除零。交互项在绿色政策认知方程中的系数为1.405，在5%水平上显著，表明互补性与更高的绿色政策认知相关。将政策认知纳入采纳模型后，其系数为0.081，在1%水平上显著，Bootstrap间接效应为0.114，95%置信区间为[0.021, 0.242]，排除零。两条机制路径均得到验证。
异质性分析。 组内估计表明，互补性对绿色技术采纳的促进作用在拥有农业机械、所在村庄交通条件较好以及水稻种植面积较大的农户中更为显著。
四、结论与讨论
本研究基于江西省1040户水稻种植户的微观调查数据，实证考察了数字信息与农业生产服务对绿色技术采纳的互补性影响。研究结论如下：第一，数字信息和农业生产服务均显著促进核心绿色技术的采纳；第二，二者之间存在显著的正向互补关系，农业生产服务的边际效应随数字信息水平提高而增强，联合提升二者带来的采纳增加超过分别提升之和；第三，互补性通过缓解劳动力约束和提高绿色政策认知两条机制促进绿色技术采纳；第四，互补性效应在拥有农业机械、交通条件较好和种植面积较大的农户中更为突出。
本研究的理论贡献在于：超越了对互联网接入和数字工具使用的传统关注，考察数字信息能否与农业生产服务结合并转化为实际的绿色生产实践，拓展了数字化影响小农户绿色技术采纳的分析框架；认识到PPML模型中交互项系数不能直接代表互补性，综合运用平均边际效应、平均交叉偏效应和超模性检验从多个角度识别二者关系；考察了劳动力约束和绿色政策认知作为潜在机制，并研究了关系在不同生产条件下的变化，为数字信息和农业生产服务共同支持小农户绿色转型的渠道和边界条件提供了证据。
研究的政策含义在于：数字信息并非简单替代农业生产服务，而是强化其向实际绿色技术采纳的转化。研究结果支持数字信息平台与农业服务体系之间更紧密的整合。该论文发表于《Frontiers in Sustainable Food Systems》。
