数字经济对农业绿色全要素生产率的影响——基于经济政策不确定性的调节效应研究.pdf

西部金融 2023年第7期数字经济对农业绿色全要素生产率的影响基于经济政策不确定性的调节效应研究马羽花林桐（四川农业大学，四川成都611130）摘要：文章分别采用熵值法和SBM超效率模型测算了中国30个省份20112019年的数字经济和农业绿色全要素生产率，以此来考察数字经济对农业绿色全要素生产率的影响，并进一步探讨了经济政策不确定性的调节效应。研究发现：第一，数字经济对农业绿色全要素生产率的提高具有显著的促进作用；第二，经济政策不确定性在数字经济与农业绿色全要素生产率之间存在负向调节效应；第三，异质性分析表明，数字经济对农业绿色全要素生产率的影响和经济政策不确定性的调节效应具有明显的区域异质性。在经过内生性处理、考虑到极值干扰和剔除直辖市一系列稳健性检验后，研究结论依然成立。关键词：数字经济；农业绿色全要素生产率；经济政策不确定性；调节效应中图分类号：F832.5文献标志码：A文章编号：1674-0017-2023（7）-0038-10一、引言与文献综述从茹毛饮血的远古时代到现代文明，农业一直都扮演着不可或缺的角色，作为人类的衣食之源以及生存之本，农业养活并发展了我国10多亿人口，已成为我国经济发展的重要支柱之一。自改革开放以来，我国农业产值不断上升，农业总产值从1978年的0.11万亿增长到2022年的8.44万亿元，增长了111.7倍，农业发展取得了辉煌的成就。新古典经济理论认为人均产出的增长须向依靠技术进步和生产率提高转变。而农业全要素生产率的提高便是促进农业发展的有效途径，但农业全要素生产率过于注重技术和生产率的提高，忽视了农业的环境与资源问题（杨骞等，2019）。在农业的种植过程中，伴随着化肥、农药、薄膜等生产资料的过度投入以及农业经济主体环保意识的缺乏而对农业进行过度性开发，农业面临着资源过度消耗、环境污染加剧、生态环境恶化和要素禀赋趋紧等一系列严峻问题。2016年，中央一号文件强调要以新发展理念破解现阶段面临的“三农”难题，深化农业供给侧结构性改革；2017年，提出要通过体制机制创新促进农业绿色发展；2019年，进一步强调需提升绿色发展水平，充分发挥绿色发展在乡村振兴中的示范和引领作用。自“十四五”新时期对高质量发展的要求，中国农业生产已经从传统的对“量”的需求转变为对“质”的提升，而农业绿色全要素生产率则同时兼顾了环境和经济利益，是破解农业绿色发展和实现农业可持续发展的必由之路。但由于各个地区的资源禀赋和种植结构有较大的差异，资源与环境的紧箍咒越绷越紧，农业绿色全要素生产率的提升也面临着巨大的挑战。随着新一代信息技术的崛起，互联网、物联网、区块链等不断渗透到经济社会的各个领域中。数字经济发展速度快、影响深、辐射范围广，在助推经济质量、动力、效率变革等方面发挥了积极作用。十八大以来，国家高度重视数字农业和农村的建设，故此 数字乡村发展战略纲要、数字农业农村发展规划（2019收稿日期：2023-06作者简介：马羽花（1999-），女，四川九龙人，硕士研究生，现就读于四川农业大学经济学院。林桐（1989-），女，四川成都人，博士，讲师，硕士生导师，现供职于四川农业大学经济学院。基金项目：国家社会科学基金青年项目“混频数据下政策不确定性的非对称效应及作用机制研究”(编号：19CTJ007)。注：本文为作者观点，文责自负数字经济38西部金融 2023年第7期2025年）、关于抓好“三农”领域重点工作确保如期实现全面小康的意见 等文件相继出台，以此推动数字经济与农业农村融合，加快数字技术向农业农村方向渗透，以数字经济带动农业生产效率的提升。那么数字经济是否会对农业绿色全要素生产率产生影响？并且在当前，面对严峻复杂的国际国内经济形势以及急需转型的经济结构，政策变化会较大。作为外部环境因素，经济政策不确定性是否会对数字经济与农业绿色全要素生产率产生调节作用？从现有文献来看，对数字经济、农业绿色全要素生产率以及经济政策不确定性的调节效应的研究主要集中在以下两个方面：一是针对数字经济与农业绿色全要素生产率的研究。大部分学者主要聚焦于数字经济对经济增长（左鹏飞和陈静，2021）、高质量发展（葛和平和吴福象，2021；徐晓慧，2022；闵路路和许正中，2022）、对外贸易（姚战琪，2021；2022）、以及居民消费水平（刘导波和张思麒，2022；钟若愚和曾洁华，2022）的影响，其中普遍认为数字经济对各经济变量存在显著的正向影响，少部分学者认为数字经济对城乡收入差距存在“倒U型”关系（陈文和吴赢，2021），对环境污染存在负相关关系（邓荣荣和张翱祥，2022）。另外，还有一些学者针对农业绿色全要素生产率的测算进行了丰富的研究。主要采用以下几类方法进行测算：分别是DEA-Malmquist数据包络分析法（Coelli Tim J et al，2005）、SFA随机前沿分析法（Moutinho V et al，2018；展进涛和徐钰娇，2019；任天驰等，2021）以及SBM法（葛鹏飞等，2018；郭永奇和侯林岐，2020）进行测算。而鲜有学者将数字经济与农业绿色全要素生产率相结合起来，只有部分学者研究了数字经济对绿色全要素生产率（周晓辉等，2021）和农业绿色发展（樊胜岳等，2021）的影响，认为数字经济主要依靠数字技术创新来提高绿色全要素生产率和以数字基础设施与数字产业化提升农业绿色发展水平。二是关于经济政策不确定性的调节效应的研究。一些学者认为经济政策不确定性对制造业（王丽纳等，2020）以及服务业（陈启斐和吴金龙，2020）的全要素生产率具有抑制作用。还有的学者发现经济政策不确定性作为调节变量会负向调节现代产业体系和经济可持续发展之间的关系（范合君和何思锦，2021）；削弱数字金融包容对实体经济的支持（He G&Shen L，2021）。综合以上文献来看，学者对数字经济与农业绿色全要素生产率的研究相对较少。此外，以经济政策不确定性作为调节变量的研究也较少。为此，基于以上研究的不足，本文将尝试从以下方面推进相关研究：其一，构建数字经济的指标体系，分别采用熵值法和SBM超效率模型，对20112019年中国30个省份的数字经济与农业绿色全要素生产率进行测算；其二，从理论和实证两个维度考察数字经济对农业绿色全要素生产率的影响；其三，从一个新的视角出发，引入经济政策不确定性作为调节变量，分析经济政策不确定性在数字经济与农业绿色全要素生产率之间的调节作用与区域间的异质性。二、研究假设（一）数字经济与农业绿色全要素生产率数字经济即在数字技术的驱动下，产业结构得到优化升级、生产效率持续提高，从而带动经济社会的网络化、智能化水平上升。故此，数字经济对农业绿色全要素生产率的影响可分为以下三个方面：（1）降低信息获取成本和拓宽社会交往渠道（李晓钟和李俊雨，2022）。近年来，我国数字经济规模逐渐扩大，占GDP比重持续上升。数字经济不断渗透到农业农村的生产和生活当中，以互联网、宽带、5G等为代表的新型数字基础设施缩小了城乡数字鸿沟，降低了信息的获取成本；除此之外，以淘宝、抖音、京东等为代表的电商平台更是拓宽了农户的社交渠道，农户可以以更低的成本维持社会网络关系，为农业全要素生产率的提高奠定了基础。（2）提高农业生产技术。技术的改进对农业生产率的提高至关重要。数字经济作为新模式、新业态的典范，以数字创新推动科技创新，提升了农业机械化水平；并且数字经济发展为农业提供了专业的高素质技术人才，从而提升了农业的生产技术水平，促进了农业科学化生产，为农业绿色全要素生产率提供了源源不断的动力。（3）降低环境污染，减少资源浪费。一方面数字经济摒弃传统的大水漫灌方法，运用“水肥一体化”技术对农业实施精准灌溉和施肥，既节省了劳动力成本又提升了肥料的利用率，还降低了环境污染；另一方面数字经济在农业的转型升级当中催生出一批批如“京东数科”的智能绿色新业态，以此减少污染物的排放，对环境进行精密检测，打造数字农业生态圈，走可持续的绿色农业发展道路。基于以上分析，本文提出假设H1：数字经济对农业绿色全要素生产率的提高具有显著的促进作用。（二）经济政策不确定性在数字经济与农业绿色全要素生产率之间的调节作用经济政策不确定性即经济主体无法提前预测出政府发布的各项经济政策，从而产生的不确定性。一方面，随着经济政策不确定性的加剧，外部环境的波动性也会上升，为了规避风险，各部门将减少投资和研发数字经济39西部金融 2023年第7期（Bhattacharya U et al，2017），数字农业的发展将陷入停滞状态，损害数字经济对农业绿色全要素生产率的促进作用。另一方面，经济政策不确定性增加，管理者的自我服务动机增加，更倾向于寻找配置回报丰厚的投资，减少创新的投入（韩亮亮等，2019）。而农业的周期长，不可逆性强，受自然灾害影响大，管理者便会自然而然减少对农业的创新，忽视数字经济的建设和农业绿色全要素生产率的提升。基于上述分析，本文提出研究假设H2：经济政策不确定性在数字经济与农业绿色全要素生产率之间存在负向调节效应。本文建立的理论模型如图1所示：图1理论模型三、研究设计（一）模型构建根据以上理论假设，本文构建以下实证模型：greenit=0+1digitalit+controlit+i+t+it（1）greenit=0+1digitalit+2epuit+3epuit digitalit+concrolit+i+t+it（2）其中，i和t分别表示省份和年份。green代表农业绿色全要素生产率。digital代表数字经济。epu代表经济政策不确定性。control代表一系列控制变量。eit代表误差项。li、t分别表示省份和年份固定效应。0表示常数项，1、2、3、为待估参数。式（1）用来检验假设H1，若1系数显著为正，表明数字经济可以显著促进农业绿色全要素生产率的提升，假设H1成立。式（2）用来检验假设H2，若3系数显著为负，表明经济政策不确定性会对数字经济与农业绿色全要素生产率产生负向调节作用，假设H2成立。（二）变量说明1.被解释变量关于农业绿色全要素生产率（green）的测量，借鉴以往学者的研究构建出green的投入产出指标体系（徐永慧和尹朝静，2021），并采用非期望产出的SBM模型(王兵等，2020)，对农业绿色全要素生产率进行测算。假定农业生产系统中以DMU表示决策单元，每个省级地区的DMU使用K种投入X=(x1,x2,.,xk)Rk，Q种期望产出Y=(y1,y2,.,yq)Rq，W种非期望产出Z=(z1,z2,.,zw)Rw，并且假定X0，Y0，Z0。则所构造的生产可能性边界为：P(x)=(x,y,z):x可以产生(y,z)|x X,y Z,z Z,0，进而构造出包含非期望产出的 SBM模型：*=min1-1Kk=1KSxkXik1+1Q+W(q=1QSyqYtq+w=1WSzwZiw)（3）s.t.i=1Imtixti,k-Sxk=yti,k,k=1,2,.k;i=1Imtiyti,q-Syq=yti,q,q=1,2,.q;i=1Imtizti,w-Szw=yti,w,w=1,2,.w;i=1Imti=1,mti 0,Sxk 0,Syq 0,Szw 0,i=1,2,.I（4）数字经济40西部金融 2023年第7期其中，Sxk，Syq，Szw分别表示投入、期望产出和非期望产出，mti为各个DMU的权重指标。*为目标函数，取值范围为0,1，当*=1时，DMU有效；而当0*1时，DMU无效，存在效率损失，需要调整投入或者产出来达到有效值。农业绿色全要素生产率的具体投入产出指标详见表1所示。表1投入产出变量指标说明一级指标投入指标期望产出指标非期望产出指标二级指标劳动力投入土地投入机械投入灌溉投入化肥投入薄膜投入农药投入农业生产总产值农业碳吸收农业碳排放指标说明第一产业人数（万人）农业播种面积（千公顷）农业机械总动力（万千瓦）有效灌溉面积（千公顷）农用化肥施用量（万吨）塑料薄膜使用量（万吨）农药使用量（万吨）农林牧渔总产值（亿元）农业生产碳汇量（万吨）农业碳排放总量（万吨）2.解释变量本文的解释变量为数字经济（digital），参照何维达等（2022）的做法，从数字基础设施、数字产业化、数字创新三个方面选取了相关指标，构建了包含3个一级指标、14个二级指标的数字经济指标体系（如表2所示）。并采用熵值法进行计算，具体测算过程如下：第一，假设分别有f年，m个省份，n项测评指标。Xij为第l年第i个省份第j项指标的值。第二，由于数字经济的各个指标量纲不同，故需对此进行极差标准法无量纲化处理：正向指标：Zij=Xij-XminXmax-Xmin（5）负向指标：Zij=Xmax-XijXmax-Xmin（6）其中Xmax、Xmin为不同指标的最大值和最小值。第三，指标的归一化处理：Pij=Zij=1ni=1mZij（7）第四，计算数字经济各指标的熵值：Ej=-k=1ni=1mPijlnPij，其中k=1n f m（8）第五，计算数字经济各项指标熵值的冗余度：Rj=1-Ej（9）第六，计算数字经济各项指标的权重：Wj=Djj=1nRj（10）第七，计算各年份各省份的数字经济指数：C i=Pij Wj（11）表2数字经济指标体系数字基础设施电话普及率部/百人+一级指标二级指标单位正逆向数字经济41西部金融 2023年第7期数字产业化数字创新长途光缆线路长度互联网宽带接入用户互联网宽带接入端口移动电话交换机容量互联网域名数电信业务总量货物周转量快递业务量快递业务收入R&D经费内部支出R&D人员全时当量专利申请受理数技术市场技术输出地域(合同金额)万公里万户万个万户万个亿元亿吨公里万元万件万元人/年件万元+一级指标二级指标单位正逆向3.调节变量本文选取的调节变量为经济政策不确定性指数（epu）。采用Davis等（2019）根据 大陆报纸 构建的经济政策不确定性数据，由于此数据为月度数据，所以用算术平均法计算出年度数据。进一步为了保持各数据量纲的一致，在算术平均值的基础上再除以100。4.控制变量农业绿色全要素生产率会受到除数字经济外多因素的影响，为了降低实证的研究偏误，本文选取农业结构水平、经济增长、农业受灾程度、劳动力平均受教育年限、城市化水平、工业化水平作为控制变量。农业结构水平（struc）以第一产业的增加值占地区生产总值之比来衡量。经济增长（gdp）以各地人均GDP来衡量。农业受灾程度（disa）以农业受灾面积与农作物总播种面积之比来衡量。劳动力平均受教育年限用edu表示，计算公式为edu=(a16+b12+c9+d6)/e，其中a、b、c、d、e分别表示大专以上、高中、初中、小学学历的人数以及6岁以上总人口数。城市化水平（urban）以城镇常住人口占总人口比例来衡量。工业化水平（level）以工业增加值与地区生产总值之比来衡量。（三）数据来源与描述性统计囿于数据的可获得性，本文选取的数据为中国30个省份（不包括西藏和港澳台）20112019年的数据。各变量的数据来源于国家统计局，历年 中国统计年鉴 中国农村统计年鉴 中国科技统计年鉴 中国环境统计年鉴 和各省份统计年鉴，其中经济政策不确定性数据来源于网站http:/ 2023年第7期1.数字经济对农业绿色全要素生产率的影响本文采用Stata16.0进行回归分析，根据Hausman检验结果，采用固定效应回归。表4报告了全样本的回归结果。表中第（1）列为数字经济对农业绿色全要素生产率的单变量回归，回归系数在1%水平上显著为正。在第（2）列中，添加控制变量后，数字经济的估计系数变小，但依然显著为正。第（2）列中数字经济的回归系数为0.400，即在其他控制变量不变的情况下，数字经济每提高一个单位，农业绿色全要素生产率提高0.4个单位，由此可以看出数字经济对农业绿色全要素生产率具有较强的直接推动作用，从而验证了假设H1。为了控制可能存在的异方差、自相关和截面相关，第（3）列采用Drisc/Kraay进行固定效应回归，结果发现数字经济对农业绿色全要素生产率的回归系数没有发生变化且在1%水平上显著为正，表明了数字经济推动了农业绿色全要素生产率的提高。就控制变量而言，除了农业受灾程度对农业绿色全要素生产率产生负向影响外，其余控制变量都对农业绿色全要素生产率的影响显著为正，原因可能在于：农业容易受到自然灾害的影响，农业受灾程度上升时，农作物出现减产，为了应对抗灾，农业生产也会暂时陷入停滞状态，阻碍农业绿色全要素生产率的提高。2.经济政策不确定性对数字经济与农业绿色全要素生产率的调节效应经济政策不确定性在数字经济与农业绿色全要素生产率之间的调节效应的回归结果如表4中第（4）列所示。可以看出digitalepu的系数为-0.036，并在1%的水平上显著，表明了经济政策不确定性会负向调节数字经济对农业绿色全要素生产率的影响，经济政策不确定性会阻碍数字经济对农业绿色全要素生产率的促进作用，假设H2得到验证。表4全样本回归结果变量digitalepudigitalepustrucgdpdisaeduurbanlevel常数项R-sq样本量(1)FE0.538*(0.054)0.708*(0.008)0.295270(2)FE0.400*(0.070)2.783*(0.380)0.013*(0.005)-0.082*(0.033)0.030(0.021)1.622*(0.190)0.893*(0.163)-1.122*(0.253)0.570270(3)FE-D/Kraay0.400*(0.044)2.783*(0.276)0.013*(0.004)-0.082*(0.025)0.030*(0.014)1.622*(0.197)0.893*(0.125)-1.122*(0.261)0.570270(4)FE-D/Kraay0.387*(0.057)0.044*(0.005)-0.036*(0.006)3.094*(0.277)0.010*(0.001)-0.068*(0.021)0.018(0.011)1.063*(0.150)0.816*(0.123)-0.747*(0.097)0.662270注：*、*、*分别表示在1%、5%、10%水平上显著，（）内为标准误。数字经济43西部金融 2023年第7期（二）异质性分析区域间的发展模式和发展力度都有着各自的特征，为了考察数字经济对农业绿色全要素生产率的影响以及epu在二者之间的调节效应是否存在显著差异。故此，本文分别对东、中、西部三大区域进行回归分析，回归结果如表5所示。1.东部地区表5中第（1）列和第（2）列为东部地区的回归结果。第（1）列显示，数字经济的系数在1%水平下显著为正，数字经济对农业绿色全要素生产率具有提升作用，假设H1在该地区得到验证。进一步在第（2）列中引入digital与epu的交互项，结果显示系数显著为负，epu对数字经济与农业绿色全要素生产率具有负向调节作用，假设H2在该地区得到验证。2.中部地区表5中第（3）列和第（4）列为中部地区的估计结果。第（3）列显示，数字经济对农业绿色全要素生产率具有显著的提升作用，假设H1在中部地区得到验证。进一步在第（4）列引入digital与epu的交互项，结果显示系数为负，但不显著，假设H2在该地区未得到验证。3.西部地区表5中第（5）列和第（6）列为西部地区的估计结果。第（5）列显示，数字经济的系数同样在1%水平下显著为正，假设H1在该地区也得到验证。进一步在第（6）列中引入digital与epu的交互项，与中部地区一样，交互项系数为负，但不显著，假设H2在该地区也未得到验证。综上，数字经济对农业绿色全要素生产率的提高均具有显著的促进作用，且该影响效应为西部地区影响最大，中部地区次之，东部地区影响最小。这可能是因为中西部地区作为传统产业的承接地，农业在产业结构中的占比远高于东部地区。第一产业所占比重越大，数字经济对其深度渗透的作用就越明显（陈小辉等，2020），则数字经济对农业绿色全要素的提升作用也会越大。除此之外，中西部各省份纷纷出台了数字经济专项政策，正在加快推进数字基础设施，移动互联网的增长速度甚至远超东部地区，数字经济的发展潜力巨大。而epu对数字经济与农业绿色全要素生产率的调节作用在东部地区显著，在中部和西部地区不显著，可能的原因是，对应到数字经济对农业绿色全要素生产率的影响中西部地区都大于东部地区，证明了数字经济对农业绿色全要素的提升作用超过了epu在二者之间的调节作用，数字经济的提升作用更大。表5异质性分析变量digitalepudigitalepustrucgdpdisaeduurban东部地区(1)0.270*(0.076)4.274*(1.008)0.015*(0.004)-0.046*(0.017)-0.002(0.025)1.578*(0.249)(2)0.290*(0.088)0.053*(0.006)-0.042*(0.009)5.474*(1.217)0.011*(0.002)-0.029*(0.013)-0.024(0.016)1.281*(0.161)中部地区(3)0.730*(0.176)1.178*(0.334)-0.025*(0.012)-0.056(0.061)0.049(0.041)1.252*(0.295)(4)0.516*(0.256)0.049*(0.013)-0.100(0.070)0.864*(0.206)-0.011(0.011)-0.120(0.069)0.051(0.034)0.205(0.311)西部地区(5)0.942*(0.152)4.355*(0.626)0.030*(0.014)-0.142*(0.058)0.007(0.033)1.551*(0.276)(6)1.134*(0.365)0.052*(0.010)-0.105(0.078)5.185*(0.694)0.019*(0.009)-0.106*(0.048)0.021(0.023)0.719(0.409)数字经济44西部金融 2023年第7期level常数项R-sq样本量-0.066(0.387)-0.660*(0.306)0.652108-0.037(0.278)-0.402*(0.167)0.7661080.771*(0.234)-0.758(0.589)0.439810.385*(0.071)-0.111(0.221)0.590811.201*(0.234)-1.104*(0.279)0.708810.807*(0.228)-0.833*(0.298)0.76981注：*、*、*分别表示在1%、5%、10%水平上显著，（）内为标准误。（三）稳健性检验为了验证回归结果的稳健性，本文从三个方面进行检验。第一是进行内生性的处理；第二是减少极值的干扰；第三是剔除直辖市的影响。1.内生性处理考虑到遗漏变量等问题会导致内生性，本文使用工具变量法来进一步识别各变量间的关系。借鉴韩璐等（2021）的做法，采用历史数据，以1999年各省份的邮局数与上一年互联网宽带接入端口数的交互项作为工具变量，这样既不会对当期的农业绿色全要素生产率产生影响，也与数字经济具有相关性，满足了外生性和相关性的条件。表6中第（1）列和第（2）列为工具变量的回归结果。从表中可以看出：K-P rk LM统计量的P值均为0，且Cragg-Donald Wald F 统计量的值都大于10%的临界值，表明工具变量与内生变量的相关性很强，工具变量有效。核心解释变量（digital）系数在1%水平上显著为正，交互项的系数在5%水平上显著为负。与上文的回归结果一致，本文的核心结论依然成立。2.减少极值干扰考虑到因变量极端值对回归结果的影响，采用缩尾处理法，将因变量在1%水平上缩尾后再进行回归。回归结果如表6中第（3）列和第（4）列所示：系数依然在1%水平上显著，证明了本文回归结果的稳健性。3.剔除直辖市考虑到每个直辖市的数字经济发展条件可能与其他省市具有较大的差异性，故此采用剔除直辖市的方法来进一步考察研究结论的可靠性。表6中第（5）列和第（6）列的回归结果表明在剔除了直辖市后，数字经济对农业绿色全要素生产率依然具有显著影响；经济政策不确定也仍然对二者具有负向调节作用，再次验证了本文的结论是稳健性可靠的。表6稳健性检验变量digitalepudigitalepustrucgdpdisaeduurban（1）工具变量法0.523*(0.127)2.913*(0.485)0.009(0.007)-0.079*(0.033)0.028(0.024)1.723*（2）1.278*(0.439)0.062*(0.011)-0.204*(0.083)3.662*(0.568)0.004(0.007)-0.049(0.035)2.83e-05(0.023)1.149*（3）极值干扰0.402*(0.045)2.726*(0.279)0.013*(0.007)-0.082*(0.024)0.030*(0.014)1.596*（4）0.393*(0.059)0.045*(0.005)-0.038*(0.006)3.043*(0.284)0.010*(0.001)-0.067*(0.020)0.018(0.011)1.029*（5）剔除直辖市0.433*(0.0374)2.514*(0.193)0.008*(0.004)-0.088*(0.027)0.002(0.010)1.711*（6）0.475*(0.057)0.041*(0.004)-0.050*(0.010)2.845*(0.193)0.009*(0.003)-0.071*(0.024)0.005(0.010)1.009*数字经济45西部金融 2023年第7期level常数项K-P rk LM统计量C-D Wald F统计量R-sq样本量(0.263)0.998*(0.228)19.5030.000213.4790.565270(0.240)1.130*(0.249)20.6970.00042.9130.592270(0.203)0.900*(0.129)-1.105*(0.269)0.566270(0.140)0.823*(0.128)-0.725*(0.099)0.662270(0.248)0.924*(0.113)-0.851*(0.177)0.554234(0.089)0.777*(0.069)-0.552*(0.097)0.630234注：*、*、*分别表示在1%、5%、10%水平上显著，（）内为标准误，内为检验统计量P值。五、结论与建议本文基于20112019年中国30个省份的面板数据，分别采用熵值法和SBM法测算了数字经济和农业绿色全要素生产率的指数，并且进一步引入经济政策不确定性作为调节变量，从理论推导和实证检验两个层面考察了数字经济对农业绿色全要素生产率的影响，检验了经济政策不确定性在数字经济与农业绿色全要素生产率之间的调节效应。研究结果表明：第一，数字经济对农业绿色全要素生产率具有显著的正向影响效应，除农业受灾程度对农业绿色全要素生产率产生负向影响外，其余控制变量都对农业绿色全要素生产率的影响显著为正；第二，经济政策不确定性对数字经济与农业绿色全要素生产率存在负向调节效应；第三，异质性分析表明，数字经济对农业绿色全要素生产率的影响效应是西部地区最大，中部地区次之，东部地区最小，经济政策不确定性对数字经济与农业绿色全要素生产率的负向调节作用在东部地区显著，在中部和西部地区不显著。在经过内生性处理、考虑到极值干扰和剔除直辖市一系列稳健性检验后，研究结论依然稳健可靠。基于上述的研究发现，本文提出以下建议：第一，继续加大对新型数字基础设施、数字技术的研发和投入，并加快培养数字人才。夯实好以大数据中心、5G等为代表的新型数字基础设施的建设。通过顶层设计制定科学的规划和战略体系，以数字技术推动农业“绿色化”发展，对农业实施“精准化监控”，提升农业绿色全要素生产率。与各大高校、科研院所合作，培养与农业有关方面的数字技术人才，同时加强对农村本土人才队伍的建设，拓宽数字经济教育的培训渠道，造就数字技术高素质人才队伍。第二，政府在制定和发布经济政策时应该有远见，减少政策的更新频率，尽量保持经济政策的稳定性。相关部门须稳定经济发展，减少在复杂的局势下经济政策不确定性带来的不利影响。即使是在高度不确定性的情况下，政府也不能动摇对环境保护和节能减排的决心，为农业发展营造良好的环境，指导农民利用数字经济技术完成农业的种植和生产，提高农业绿色全要素生产率。第三，采取“因地制宜、分类施策”的办法。根据各个地区发展条件的差异实施不同的政策，以确保政策的科学合理性，从而缩小东中西部的差距，缓解发展不平衡的问题。参考文献 1 陈启斐，吴金龙.经济政策不确定性、OFDI和服务业全要素生产率来自中国服务业微观企业的证据J.世界经济文汇，2020,(04)：82101.2 陈文，吴赢.数字经济发展、数字鸿沟与城乡居民收入差距J.南方经济，2021,(11)：117.3 陈小辉，张红伟，吴永超.数字经济如何影响产业结构水平？J.证券市场导报，2020,(07)：2029.4 邓荣荣，张翱祥.中国城市数字经济发展对环境污染的影响及机理研究J.南方经济，2022,(02)：1837.5 樊胜岳，李耀龙等.数字化水平对农业绿色发展影响的实证研究基于中国30个省份的面板数据J.世界农业，2021,(12)：416.6 范合君，何思锦.现代产业体系与经济可持续发展基于经济政策不确定性与政府人才数量的调节作用J.中国流通经济，2021，35(12)：1627.7 葛和平，吴福象.数字经济赋能经济高质量发展：理论机制与经验证据J.南京社会科学，2021,(01)：2433.8 葛鹏飞，王颂吉，黄秀路.中国农业绿色全要素生产率测算J.中国人口 资源与环境，2018，28(05)：6674.9 郭永奇，侯林岐.中国粮食主产区粮食农业绿色全要素生产率测度及影响因素研究J.科技管理研究，2020，40(19)：数字经济46西部金融 2023年第7期223229.10韩亮亮，佟钧营，马东山.经济政策不确定性与创新产出来自21个国家和地区的经验证据J.工业技术经济，2019，38(01)：1118.11韩璐，陈松，梁玲玲.数字经济、创新环境与城市创新能力J.科研管理，2021，42(04)：3545.12何维达，温家隆，张满银.数字经济发展对中国绿色生态效率的影响研究基于双向固定效应模型J.经济问题，2022(01)：18+30.13李晓钟，李俊雨.数字经济发展对城乡收入差距的影响研究J.农业技术经济，2022,(02)：7793.14刘导波，张思麒.数字经济赋能居民消费：理论机制与微观证据J.消费经济，2022，38(01)：7282.15闵路路，许正中.数字经济、创新绩效与经济高质量发展基于中国城市的经验证据J.统计与决策，2022，38(03)：1115.16任天驰，张洪振，杨汭华.农业保险保障水平如何影响农业生产效率：基于鄂、赣、川、滇四省调查数据J.中国人口 资源与环境，2021，31(07)：161170.17王兵，曾志奇，杜敏哲.中国农业绿色全要素生产率的要素贡献及产区差异基于Meta-SBM-Luenberger生产率指数分析J.产经评论，2020，11(06)：6987.18王丽纳，李敬，李玉山.经济政策不确定性与制造业全要素生产率提升基于中国各省级党报数据的分析J.财政研究，2020(09)：6579.19徐晓慧.数字经济与经济高质量发展：基于产业结构升级视角的实证J.统计与决策，2022，38(01)：9599.20徐永慧，尹朝静.环境规制下中国农业绿色全要素生产率的测算J.统计与决策，2021，37(18)：5054.21杨骞，王珏等.中国农业绿色全要素生产率的空间分异及其驱动因素J.数量经济技术经济研究，2019，36(10)：2137.22姚战琪.数字经济对我国对外贸易竞争力的影响研究J.财经问题研究：113.2021-11-08.23姚战琪.数字经济对中国对外贸易竞争力的多重影响J.财经问题研究，2022,(01)：110119.24展进涛，徐钰娇.环境规制、农业绿色生产率与粮食安全J.中国人口 资源与环境，2019，29(03)：167176.25钟若愚，曾洁华.数字经济对居民消费的影响研究基于空间杜宾模型的实证分析J.经济问题探索，2022,(03)：3143.26周晓辉，刘莹莹，彭留英.数字经济发展与绿色全要素生产率提高J.上海经济研究，2021,(12)：5163.27左鹏飞，陈静.高质量发展视角下的数字经济与经济增长J.财经问题研究，2021,(09)：1927.28Bhattacharya U，Hsu P H et al.What affects innovation more：policy or policy uncertainty？J.Journal of Financial andQuantitative Analysis，2017，52(5)：18691901.29Coelli Tim J，Rao D S P.Total factor productivity growth in agriculture：a Malmquist index analysis of 93 countries，19802000J.Agricultural Economics，2005，32：115134.30Davis S J，Liu D，Sheng X S.Economic policy uncertainty in China since 1949：The view from mainland newspapersC/Fourth Annual IMF-Atlanta Fed Research Workshop on China s Economy Atlanta.2019，19.31He G，Shen L.Whether Digital Financial Inclusion Can Improve Capital Misallocation or Not：A Study Based on the Moderating Effect of Economic Policy UncertaintyJ.Discrete Dynamics in Nature and Society，2021，2021.32Moutinho V，Robaina M，Macedo P.Economic-environmental efficiency of European agriculturea generalized maximumentropy approachJ.Agricultural Economics，2018，64(10)：423435.责任编辑、校对：任倩数字经济47