数据开放与超算中心政策协同对农业产业链韧性的影响研究

《Frontiers in Sustainable Food Systems》：Policy coordination of public data openness and supercomputing center for agricultural chain resilience

　　

强化农业供应链韧性对于保障粮食安全与推动农业高质量发展至关重要，尤其是在气候极端事件、市场波动及地缘政治不确定性等外部冲击日益加剧的背景下。尽管公共数据开放与超算基础设施被视为数字化转型的关键支柱，其协同部署如何增强农业韧性在理论上尚不成熟，实证研究亦相对匮乏。本研究利用2011—2024年中国31个省级面板数据，将公共数据平台与超算中心的渐进式落地作为准自然实验，构建协同双重差分（synergistic difference-in-differences, DID）模型以识别其协同政策效应。因果识别进一步通过事件研究平行趋势检验、安慰剂模拟、倾向得分匹配（propensity score matching, PSM-DID）及双重/去偏机器学习（double/debiased machine learning, DDML）加以强化。基准估计表明，公共数据开放与超算基础设施之间的政策协同显著提升了农业供应链韧性，且该效应在多种设定下保持稳健并具有经济显著性。机制分析揭示政策协同增强韧性的两条主要传导渠道：（i）产业结构合理化，及（ii）农业电气化提升。具体而言，政策协同（1）降低农业与相关产业间的信息壁垒，（2）促进要素跨部门优化配置，（3）加速高耗电精准农业技术的采纳。异质性分析显示，中西部地区的政策效应（系数约0.089）显著高于东部地区（系数约0.036），体现出“技术补偿效应”，即数字基础设施可弥合传统区域差距。政策效应在粮食主产区与主销区均保持稳健正向，表明其具有广泛适用性。通过解构数据要素与计算能力之间的互补性与时序动态，本研究突破了数字经济研究的传统“黑箱”处理方式，为协调部署数字公共产品以保障现代粮食体系提供了关键政策洞见。

论文解读：数据开放与超算中心政策协同对农业产业链韧性的影响研究

一、研究背景与问题提出

农业供应链韧性是保障国家粮食安全、推动农业高质量发展的基石。近年来，气候极端事件、地缘政治动荡与大宗商品市场波动等外部冲击频发，对农业生产系统构成严峻威胁。中国“十五五”规划明确将“增强供应链韧性和安全”列为战略优先事项，2026年中央一号文件进一步强调构建主动型农业安全保障体系。传统韧性建设手段（如财政补贴、农业保险、战略粮食储备）主要作用于冲击后的补偿阶段，在实时信息捕获、多阶段协同调度与前瞻性风险评估方面存在明显短板。公共数据开放与算力基础设施建设作为新质生产力的两大支柱，为突破上述瓶颈提供了新型政策工具组合。然而，农业领域存在结构性矛盾：一方面，农业公共数据开放有限，部门间信息孤岛持续存在；另一方面，部分地区算力建设滞后，海量数据陷入“可见不可算”状态。这一矛盾揭示了一个基本事实：数据开放与算力基础设施并非相互独立的政策工具，而是具有功能互补性和时序依赖性的耦合关系。已有研究多将数字经济视为无差异的总体或采用互联网普及率等单一代理指标，未能厘清数据要素供给与算力工具支撑的独立及交互效应；数据—算力协同研究集中于制造业与智慧城市，农业的独特特征（生产周期长、经营主体分散）使得跨部门结论的直接适用存在疑问；现有实证多采用传统面板回归，对内生性问题的处理不足；政策效应在不同区域和粮食功能区间的差异及传导渠道的系统性因果证据仍较匮乏。

二、研究内容与核心结论

研究人员利用2011—2024年中国31个省级面板数据，将公共数据开放平台上线与超算中心运营作为准自然实验，构建协同双重差分模型系统检验政策协同对农业供应链韧性的因果效应、传导机制与异质性影响。研究发现：政策协同显著提升农业供应链韧性，基准估计系数为0.044，约占因变量均值的22.2%，经济意义显著；机制分析表明，政策协同通过促进产业结构合理化（降低Theil指数）和提升农业电气化水平（增加农村用电量）两条渠道增强韧性；异质性分析显示，中西部地区的政策效应（系数约0.089）显著高于东部地区（系数约0.036），体现“技术补偿效应”，且政策效应在粮食主产区和主销区均保持稳健正向。该研究在理论上突破数字经济效应的“黑箱”处理，构建“数据输入→算力处理→精准决策”的解释框架；在方法上利用政策采纳的时空非对称性构建协同DID并辅以DDML缓解内生性偏误；在实践上为差异化算力基础设施配置提供经验依据。

三、关键技术方法

研究人员采用的主要方法包括：（1）协同双重差分模型，利用各省进入“双重政策覆盖”状态的时点差异进行因果识别；（2）事件研究法进行平行趋势检验；（3）安慰剂检验（随机抽取16省构建伪处理组，重复500次）；（4）倾向得分匹配DID（以2015年控制变量为协变量进行Logit回归，1:3最近邻匹配）；（5）双重/去偏机器学习（DDML），采用随机森林、LASSO回归和弹性网三种算法；（6）两阶段中介效应检验法（Jiang, 2022），规避传统逐步回归的后处理偏误；（7）替代赋权方法敏感性分析（CRITIC法、熵权TOPSIS法）。样本为31个省级行政区的面板数据，主要来源于国家统计局、中国统计年鉴、中国农村统计年鉴等官方统计资料。

四、研究结果

4.1 基准回归结果

表3报告了基准回归估计。列（1）仅含时间与个体固定效应，DID系数为0.151，在1%水平显著；列（2）加入控制变量但不含固定效应，系数为0.099，在1%水平显著；列（3）同时纳入控制变量与双向固定效应，DID系数为0.044，仍在1%水平显著。系数从0.151递减至0.044但始终保持显著为正，表明剥离区域非时变异质性与可观测经济因素后，政策协同效应依然稳健，且非简单系数加总，而是产生超出独立效应的协同增量，验证了假设H1。

4.2 平行趋势检验

事件研究法结果显示，政策实施前各期系数在置信区间内总体不显著，无显著单调漂移，支持处理组与对照组政策前演化轨迹的可比性；政策前系数的联合检验无法拒绝原假设，表明实施前组间不存在系统性差异，平行趋势假设成立。

4.3 稳健性检验

安慰剂检验显示，随机分配的伪政策系数集中于零附近，真实政策系数位于核密度分布右尾，绝大多数估计系数统计不显著，排除不可观测因素干扰。PSM-DID匹配后DID系数为0.025，在1%水平显著。剔除直辖市样本后系数为0.043，在1%水平显著。滞后因变量回归系数为0.047，在1%水平显著。DDML三种算法（随机森林、LASSO、弹性网）的估计系数为0.036—0.047，均在1%水平显著，与基准结果高度一致。替代赋权方法（CRITIC法、熵权TOPSIS法）重新合成韧性指数后，DID系数为0.041—0.046，均在1%水平显著，结论不依赖特定权重选择。

4.4 机制分析

采用两阶段中介检验法，方程（3）检验政策协同对产业结构合理化指数（Theil指数）的影响，方程（4）检验对农村用电量对数的影响。若β?显著为负，则政策协同促进产业结构合理化；若γ?显著为正，则政策协同提升农业电气化水平。结合理论分析与既有文献关于结构合理化对韧性的正向效应，验证了假设H2和H3。

4.5 异质性分析

政策效应呈现东—中—西梯度模式：中西部地区系数约0.089，东部地区约0.036，中西部效应显著更强，体现“技术补偿效应”。粮食主产区与主销区政策效应均保持稳健正向，表明政策具有广泛适用性，验证了假设H4。

五、讨论与结论

讨论部分指出，政策协同效应的释放不仅取决于数据与算力的供给水平，还受地方数字治理能力与农业经营规模两个情境调节变量的影响。前者决定数据要素能否有效“激活”并转化为可执行的产业决策；后者决定算力赋能是否具备规模经济的技术采纳条件。东部地区数字政府建设起步早、数字治理能力普遍优于中西部，但农业信息化基础较好、韧性基线较高，数据—算力协同的边际改善空间相对有限；中西部地区尽管治理能力相对薄弱，但数据从“无”到“有”的跨越可能产生更强的边际驱动效应。在粮食主产区，经营规模较大，智能决策技术的固定成本可被充分摊薄，形成“更多数据→更精准模型→更高收益→更多数据”的正向数据飞轮效应；主销区经营规模较小，韧性提升更多依赖流通环节的市场响应与供应链协调能力。

研究结论部分翻译如下：本研究利用2011—2024年中国31个省级面板数据，将公共数据平台与超算中心的渐进式落地作为准自然实验，构建协同DID模型系统考察政策协同对农业供应链韧性的因果效应、传导机制与异质性影响。基准估计表明，政策协同显著提升农业供应链韧性，效应在多种设定下保持稳健并具有经济显著性。机制分析揭示两条主要传导渠道：产业结构合理化与农业电气化提升。异质性分析显示，中西部地区的政策效应显著高于东部地区，体现“技术补偿效应”；政策效应在粮食主产区与主销区均保持稳健正向。通过解构数据要素与计算能力之间的互补性与时序动态，本研究突破了数字经济研究的“黑箱”处理方式，为协调部署数字公共产品以保障现代粮食体系提供了关键政策洞见。