產業(yè)協(xié)同集聚、數字經濟與農業(yè)全要素生產率

2022-07-25 06:19:32林青寧毛世平

中國農業(yè)大學學報 2022年8期

林青寧毛世平

(中國農業(yè)科學院農業(yè)經濟與發(fā)展研究所，北京 100081)

農業(yè)作為我國國民經濟的基礎產業(yè)，提高我國農業(yè)全要素生產率是轉變發(fā)展動能，實現農業(yè)創(chuàng)新驅動的重要途徑。當前，農業(yè)科技創(chuàng)新、基礎設施建設、經營規(guī)模等內部因素以及制度安排、氣候變化、非農就業(yè)等外部因素均被證實是影響農業(yè)全要素生產率的重要因素。然而，伴隨農業(yè)發(fā)展進入新階段，農業(yè)與二三產業(yè)的聯系愈加密切，數字經濟賦能經濟增長的作用逐漸顯現。因此，在協(xié)同發(fā)展與數字經濟戰(zhàn)略背景下，研究產業(yè)協(xié)同集聚與數字經濟對農業(yè)全要素生產率的影響，對提升農業(yè)全要素生產率、推進農業(yè)高質量發(fā)展具有一定的現實意義。

產業(yè)協(xié)同集聚的研究最早由Ellison等開始，認為產業(yè)協(xié)同集聚是不同產業(yè)間呈現出相互依賴、相互關聯的空間集聚現象。此后的研究多認為馬歇爾外部性(MAR外部性)、雅格布斯外部性(Jacobs外部性)、累積效應等是產業(yè)協(xié)同集聚發(fā)揮作用的主要原因。圍繞上述理論，學者就產業(yè)協(xié)同集聚對全要素生產率的影響開展了系列研究，并主要形成了3種觀點。一是促進論；這類研究認為產業(yè)協(xié)同集聚能夠實現規(guī)模效應、強化知識溢出，從而顯著促進了全要素生產率水平。包括產業(yè)協(xié)同集聚對全要素生產率影響的元分析、產業(yè)協(xié)同集聚對日本不同產業(yè)全要素生產率的影響以及制造業(yè)與生產性服務業(yè)協(xié)同集聚對我國城市全要素生產率的影響。二是無效論與抑制論；這一論點認為產業(yè)協(xié)同集聚存在擁擠效應與擠出效應，從而導致無效率；如Ke認為產業(yè)協(xié)同集聚會對城市產生一定的擁擠效應，從而不利于全要素生產率提高。此外，相關研究還有制造業(yè)與生產性服務業(yè)協(xié)同集聚對長江經濟帶上游區(qū)域全要素生產率以及對高行政等級城市全要素生產率的影響。三是產業(yè)協(xié)同集聚對全要素生產率的影響是非線性的，兩者之間存在門檻效應、“U”型或倒“U”型關系。數字經濟的研究最先從Tapscott開始，認為數字是融合機器、知識與智慧的載體，能夠帶來經濟發(fā)展并推動社會進步。此后的研究普遍認為數字經濟通過優(yōu)化資源配置方式、降低交易成本等措施賦能經濟發(fā)展。近年來伴隨數字經濟發(fā)展，數字經濟對全要素生產率影響的實證研究開始增多。部分學者肯定了數字經濟對省份全要素生產率、產業(yè)全要素生產率以及綠色全要素生產率的積極作用。當然也有學者認為數字經濟存在生產率悖論，存在滯后效應、錯配效應，從而影響全要素生產率。然而，在農業(yè)領域，數字經濟對農業(yè)全要素生產率的研究還處于起步階段，僅是以數字經濟的某個方面為切入點(如互聯網)展開對農業(yè)全要素生產率的研究。

已有研究為本研究提供了相關理論與支撐，但仍存在完善的空間，為此本研究擬從以下幾個方面進行拓展與補充：1)現有關于農業(yè)全要素生產率的研究主要從農業(yè)科技創(chuàng)新、基礎設施建設、經營規(guī)模等內部因素以及制度安排、氣候變化、非農就業(yè)等外部因素角度入手。在協(xié)同發(fā)展戰(zhàn)略背景下，本研究試圖回答農業(yè)與二三產業(yè)協(xié)同集聚是否有助于農業(yè)全要素生產率提高，一定程度上拓寬了農業(yè)全要素生產率研究的理論意義與實踐價值。2)既有關于產業(yè)協(xié)同集聚的研究，多是探究制造業(yè)與生產性服務業(yè)協(xié)同集聚的經濟效應，對于農業(yè)產業(yè)的研究還不夠系統(tǒng)。因此，在農業(yè)與其他產業(yè)的聯系愈加密切的背景下，本研究將產業(yè)協(xié)同集聚的研究拓展到農業(yè)領域，探究了農業(yè)與二三產業(yè)協(xié)同集聚對農業(yè)全要素生產率的影響，一定程度上是對現有多關注制造業(yè)與生產性服務業(yè)協(xié)同集聚經濟效應研究的補充。3)黨的十九大以來數字經濟已逐漸成為我國經濟增長與產業(yè)轉型升級的新動能，但關于數字經濟對全要素生產率的研究未達成一致結論，同時農業(yè)領域關于數字經濟發(fā)展經濟效應的研究還十分有限，與之相關的也是以數字經濟的某個方面為切入點(如互聯網)展開對農業(yè)全要素生產率的研究。本研究從農業(yè)數字經濟整體規(guī)模入手，更為全面地刻畫了數字經濟對農業(yè)全要素生產率的影響。4)已有研究對產業(yè)協(xié)同集聚經濟效應影響機制進行了探究，但在新發(fā)展階段，數字經濟蓬勃發(fā)展，具有弱化組織邊界、降低信息不對稱等作用，因此數字經濟在相互依賴、相互關聯的產業(yè)協(xié)同集聚中的作用機制有待進一步思考。

基于此，本研究將產業(yè)協(xié)同集聚與數字經濟納入到農業(yè)全要素生產率分析框架中，在使用SBM-GML指數對2013—2019年我國各省農業(yè)全要素生產率測算的基礎上，使用系統(tǒng)GMM模型實證檢驗農業(yè)與二三產業(yè)協(xié)同集聚、數字經濟對農業(yè)全要素生產率的影響，并探究數字經濟在農業(yè)與二三產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響中的調節(jié)效應。不僅回答了在協(xié)同創(chuàng)新以及數字經濟高速發(fā)展背景下，產業(yè)協(xié)同集聚與數字經濟能否成為提高農業(yè)全要素生產率的新動能；也為新發(fā)展階段政府制定農業(yè)全要素生產率提升策略提供依據。

1 理論分析與研究假說

1.1 產業(yè)協(xié)同集聚對農業(yè)全要素生產率的影響

產業(yè)協(xié)同集聚是不同產業(yè)間呈現出相互依賴、相互關聯的空間集聚現象。主要通過合作效應、規(guī)模效應、知識溢出效應以及價值俘獲效應來影響農業(yè)全要素生產率。1)合作效應。農業(yè)與二三產業(yè)的協(xié)同集聚強化了產業(yè)間的耦合互動關系，能夠通過網絡連結獲取二三產業(yè)供應鏈信息、運營模式、金融資本等方面的支持。同時，耦合互動關系還有助于強化二三產業(yè)對農業(yè)的技術咨詢、技術服務強度，提高農業(yè)全要素生產率。此外，農業(yè)與二三產業(yè)協(xié)同集聚的合作效應還能“倒逼”農業(yè)發(fā)展，從而促使農業(yè)生產不斷優(yōu)化。2)規(guī)模效應。農業(yè)與二三產業(yè)的協(xié)同集聚能夠形成聯動效果，使農業(yè)生產發(fā)展需要的供應服務、信息服務等不斷嵌入到農業(yè)生產流程，從而降低農業(yè)生產的成本；此外，農業(yè)與二三產業(yè)的協(xié)同集聚強化了二三產業(yè)與農業(yè)融合的嵌入水平與交叉方式，產業(yè)間要素集聚程度與流動速度不斷加大，從而有助于實現農業(yè)生產的規(guī)模效應。3)知識溢出效應。農業(yè)與二三產業(yè)的協(xié)同集聚有助于形成知識傳輸網絡，因此農業(yè)接觸到二三產業(yè)知識技術的速度更快、成本更低，從而強化了顯性知識的溢出效果。此外，知識還具有內隱性，因此空間上集聚的大量知識技術難以被有效傳播，而農業(yè)與二三產業(yè)的協(xié)同集聚還加強了產業(yè)間勞動力的交流與學習，從而增強了隱性知識的溢出。綜上，農業(yè)與二三產業(yè)協(xié)同集聚強化了知識溢出的效果，從而有助于技術進步與農業(yè)全要素生產率提升。4)價值俘獲效應。二三產業(yè)為農業(yè)生產提供了有力的智力支持，可以將自身高素質的智力資本、規(guī)范化的商業(yè)模式以及專業(yè)化的服務流程不斷向第一產業(yè)嵌入，從而引導農業(yè)生產過程不斷向高附加值延伸，提高農業(yè)生產價值鏈水平。同時，農業(yè)與二三產業(yè)協(xié)同集聚提高了農業(yè)上下游產業(yè)鏈的黏性，并衍生多種農業(yè)新業(yè)態(tài)(如智慧農業(yè)、訂單農業(yè)、農業(yè)電商、觀光農業(yè)等)，從而增強了農業(yè)價值鏈的競爭力，俘獲更多利潤價值。基于以上分析，提出研究假說H1：

H1：農業(yè)與二三產業(yè)協(xié)同集聚有助于農業(yè)全要素生產率的提高。

1.2 數字經濟對農業(yè)全要素生產率的影響

數字經濟具有自我迭代、無限收斂以及邊際成本無限趨于零的特點，主要通過以下幾個方面影響農業(yè)全要素生產率。1)數字經濟有助于實現農業(yè)生產的規(guī)模經濟，從而提高全要素生產率。農業(yè)生產面臨農藥、化肥等固定成本以及管護成本、輔助生產成本等交易成本，前者屬不可避免的沉沒成本，而后者則可以通過數字經濟范式加以降低。此外，數字經濟實現了技術、信息、物質等要素的平臺化，有助于農業(yè)生產者更便捷地獲取生產活動中所需要的相關要素乃至合作者，從而降低了相關交易成本，形成規(guī)模經濟。2)數字經濟有助于優(yōu)化農業(yè)生產流程，從而提高農業(yè)全要素生產率。①產前階段，農業(yè)生產面臨融資約束、市場參與度不高等問題，數字經濟的發(fā)展可以使農業(yè)生產更精準地把握市場的差異化需求，從而緩解農業(yè)生產與市場需求的信息不對稱。同時，數字經濟還能強化農業(yè)與金融機構的信任，從而更容易獲得金融機構的融資支持等。②產中階段，數字經濟發(fā)展(如遙感技術等)實現了農業(yè)生產中養(yǎng)分、氣候變化、市場波動等重要數據的持續(xù)監(jiān)控、實時獲取，同時大數據技術可以實時對監(jiān)控的數據進行分析，模擬最優(yōu)的生產流程，實現精準作業(yè)與效率最優(yōu)化。此外，數字經濟發(fā)展還能實現農業(yè)知識技術、農業(yè)研發(fā)人員、農業(yè)生產過程的物聯，服務農民生產決策。③產后階段，農業(yè)生產面臨的問題在于交易過程的人為機會成本以及交易范圍的地理局限。而區(qū)塊鏈中智慧合約、加密技術與數據存儲技術可以實現交易過程的自動化，避免人為的機會成本；同時物聯網能有效銜接物理空間與網絡空間，拓寬了農產品的交易空間。3)數字經濟有助于實現技術進步，從而提高農業(yè)全要素生產率。熊彼特的創(chuàng)新理論提出創(chuàng)新就是要實現生產要素的重新排列組合，數字經濟為生產函數帶來了新的生產要素，這樣生產函數由傳統(tǒng)的

=AF(

)轉變?yōu)?p>Y

=AF(

)，信息要素與原有資本要素的耦合與重新排列，從而帶來技術進步。基于以上分析，提出研究假說H2：

H2：數字經濟有助于農業(yè)全要素生產率的提高。

1.3 數字經濟的調節(jié)效應

本研究認為數字經濟在產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響中發(fā)揮正向調節(jié)作用，主要原因包括：①農業(yè)與二三產業(yè)協(xié)同集聚的第一個突出表現為產業(yè)間耦合互動，形成合作網絡；此時，數字經濟能夠基于默克爾樹(Merkle樹)等多種算法，能夠迅速、準確地調動農業(yè)與二三產業(yè)合作網絡中的相關資源，并檢索未知的市場與可能的合作者，提高了信息的流轉速度。此外，數字經濟通過不可篡改、可溯源的分布式記賬手段，可以為農業(yè)與二三產業(yè)合作網絡增添加密性、有限訪問性、數字簽驗證等特征，提高了合作網絡的穩(wěn)定性。②農業(yè)與二三產業(yè)協(xié)同集聚的第二個突出表現為外部性特征；此時，數字經濟可以通過構建產業(yè)間合作背書機制，降低農業(yè)搜尋、復制二三產業(yè)知識技術，核實二三產業(yè)合作伙伴合法性，追蹤二三產業(yè)外部知識技術的成本，提高合作各方的嵌入程度與資源拼湊速度。③農業(yè)與二三產業(yè)協(xié)同集聚的第三個突出表現為二三產業(yè)在農業(yè)中的內嵌化；此時，數字經濟中的區(qū)塊鏈技術作為一種去中心化的分布式記賬方式，加強了農業(yè)與二三產業(yè)的聯系與互動，降低了雙方之間的信息不對稱，加強了雙方之間的信任，農業(yè)從而更容易獲得二三產業(yè)的支持。基于以上分析，提出研究假說H3：

H3：數字經濟在農業(yè)與二三產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響中發(fā)揮正向調節(jié)作用。

基于上述分析，本研究構建理論分析框架如下：

圖1 理論分析框架Fig.1 Theoretical analysis framework

2 模型構建與實證分析

2.1 數據來源和變量設置

本研究數據來源于《中國農村統(tǒng)計年鑒》、《中國統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》、各省統(tǒng)計年鑒以及《中國數字經濟發(fā)展白皮書》。其中測算農業(yè)全要素生產率指數的投入產出指標數據來源于《中國農村統(tǒng)計年鑒》、《中國統(tǒng)計年鑒》以及各省的統(tǒng)計年鑒，數字經濟數據來源于《中國數字經濟發(fā)展白皮書》，產業(yè)協(xié)同集聚數據來源于《中國城市統(tǒng)計年鑒》以及各省統(tǒng)計年鑒。數據類型為2013—2019年的省級面板數據。

1)因變量。本研究的因變量為農業(yè)全要素生產率(TFP)，借鑒已有研究，使用SBM-GML指數對2013—2019年我國各省農業(yè)全要素生產率測算，相對于ML指數，SBM-GML指數解決了非徑向距離與非循環(huán)性的問題，測算結果更為準確。SBM模型與GML指數定義如下：

①SBM模型：

假定決策單元(DMU)的個數為

，每個決策單元使用的投入數量為

，產出的數量為s，這樣對于決策單元，產出導向可變規(guī)模報酬下的SBM模型如下：
s.t.

Xλ

≤

Yλ

≥0

(1)

式中：

為效率值；

為權重向量；為產出的松弛變量。

②GML指數：

GTEC,+1×GTC,+1

(2)

式中：為Global生產可能性集合；GTE與GTEC分別為農業(yè)技術效率與農業(yè)技術效率變動情況，GTC為農業(yè)技術進步。本研究使用2013—2019年我國31個省份的農業(yè)投入產出數據(統(tǒng)計數據未含港、澳、臺地區(qū))對農業(yè)全要素生產率指數及其分解項進行測算，由于本研究傾向于計算農林牧漁業(yè)中農業(yè)的全要素生產率指數，故借鑒已有研究，本研究的投入產出指標選取如下：①產出指標：農業(yè)生產總值(萬元)，并使用CPI指數進行平減處理，數據來源于歷年《中國農村統(tǒng)計年鑒》；②投入指標：第一產業(yè)從業(yè)人員(萬人)，數據來源于各省的統(tǒng)計年鑒，其中由于遼寧與西藏2019年的數據還未公布，因此使用插值法進行估算；此外投入指標還包括農作物播種面積(萬hm)、農用化肥施用量(萬t)、農業(yè)機械總動力(萬kW)以及農業(yè)用水總量(萬m)，數據來源于歷年《中國農村統(tǒng)計年鑒》。本研究使用MAXDEA 7.0軟件對農業(yè)全要素生產率指數及其分解項進行測算。此外，本研究還將使用MI指數對農業(yè)全要素生產率進行測算，以進行穩(wěn)健性檢驗。

2)自變量。本研究的自變量包括產業(yè)協(xié)同集聚與數字經濟，其中：

①產業(yè)協(xié)同集聚指數。Ellison等最早對產業(yè)協(xié)同集聚進行了測算，其核心思想是“標靶模型”，在此基礎上，后續(xù)諸多研究進行了改進與發(fā)展，本研究借鑒王靜田等的方法，測算農業(yè)與第二產業(yè)協(xié)同集聚指數、農業(yè)與第三產業(yè)協(xié)同集聚指數，具體如下：

(3)

式中：coag為

產業(yè)與

產業(yè)的協(xié)同集聚指數；

為

省份

產業(yè)的區(qū)位熵；

為

省份

產業(yè)的區(qū)位熵。若coag值越大，則說明在

省份，

產業(yè)之間的相關依賴、相互關聯程度越強，協(xié)同集聚水平越高，反之亦然。

②數字經濟。農業(yè)產業(yè)數字經濟規(guī)模(digital)，來源于《中國數字經濟發(fā)展白皮書》對各省農業(yè)產業(yè)數字經濟規(guī)模的測算，相關核算已得到學術界廣泛應用。

(3)控制變量。借鑒已有研究，本研究的控制變量包括：①農業(yè)種植業(yè)結構(aps)；以糧食播種面積與農作物播種面積的比值表征。②自然環(huán)境(aenvir)；以受災面積與農作物播種面積比值表征。③財政支農(afs)；以農業(yè)獲得的財政支出與財政總支出的比值表征。④農機密度(amd)；以農業(yè)機械總動力與農作物播種面積的比值表征。⑤收入分配結構(indis)；以農村居民人均可支配收入與城鎮(zhèn)居民人均可支配收入的比值表征。

上述各變量描述性分析見表1。總體來看，近年來我國農業(yè)全要素生產率總體呈現遞增趨勢。一二產業(yè)協(xié)同集聚的均值為2.800，略小于一三產業(yè)協(xié)同集聚程度的均值(2.802)，說明當前我國農業(yè)與第三產業(yè)的集聚程度更強；此外，全國31個省區(qū)市一二產業(yè)協(xié)同集聚程度總體呈現下降趨勢，而一三產業(yè)協(xié)同集聚程度總體上是上升的。同時，表2匯報了各變量的相關系數。

表1 各變量描述性分析
Table 1 Descriptive analysis of each variable

變量 Variable 均值Mean標準差Standard deviation最小值Minimum最大值Maximum農業(yè)TFP指數Agricultural total factor productivity index1.0460.0680.7811.258技術效率Technical efficiency1.0030.0450.8141.162技術進步Technical progress1.0430.0520.8601.259數字經濟Digital economy552.215598.4154.6703 896.230一二產業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries2.8000.8570.6475.911一三產業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary industries2.8020.7121.4366.932收入分配結構Income distribution structure2.6310.1992.2882.940農業(yè)種植業(yè)結構Agricultural planting industry structure0.6500.1420.3570.971自然環(huán)境Natural environment0.1360.1140.0000.618農機密度Agricultural machinery density0.6900.3590.3302.463財政支農Financial support for agriculture0.1180.0350.0410.203

表2 各變量相關系數
Table 2 Correlation coefficient of each variable

變量 Variable 農業(yè)TFP指數Agriculturaltotalfactorproductivity數字經濟Digitaleconomy一二產業(yè)協(xié)同集聚Collabo-rativeclusteringof primaryandsecondaryindustries一三產業(yè)協(xié)同集聚Collabo-rativeclusteringof primaryandtertiaryindustries收入分配結構Incomedistri-butionstructure農業(yè)種植業(yè)結構Agricul-turalplantingindustrystructure自然環(huán)境Naturalenviron-ment農機密度Agricul-turalmachi-nerydensity財政支農Financialsupportforagricul-ture農業(yè)TFP指數Agricultural total factorproductivity index1數字經濟Digital economy 0.1821一二產業(yè)協(xié)同集聚Collaborative cluste-ring of primary and secondary industries 0.247-0.2641一三產業(yè)協(xié)同集聚Collaborative cluste-ring of primary and tertiary industries 0.266-0.249 0.3551收入分配結構Income distributionstructure 0.233-0.319 0.059 0.0291農業(yè)種植業(yè)結構Agricultural plantingindustry structure-0.152-0.099 0.245 0.112-0.3851自然環(huán)境Natural environment 0.025-0.248 0.164 0.117 0.006 0.1561農機密度Agricultural machin-ery density 0.134 0.011-0.173-0.116 0.025 0.050-0.1531財政支農Financial support for agriculture 0.250-0.531 0.435 0.482 0.349 0.144 0.298-0.0011

2.2 模型構建

由于產業(yè)協(xié)同集聚指數的計算使用了第一產業(yè)從業(yè)人員數，但遼寧與西藏2019年的數據使用了插值法，因此可能會導致因測量誤差而導致的內生性問題，因此為解決這一內生性問題以及可能因遺漏變量導致的內生性問題，在實證檢驗產業(yè)協(xié)同集聚、數字經濟對農業(yè)全要素生產率的影響時，本研究選擇系統(tǒng)GMM模型。分別構建以下模型：

(4)

(5)

(6)

TFP=π+πdigital+πaicoag+

(7)

TFP=π+πdigital+πascoag+

(8)

上述模型中，TFP為農業(yè)全要素生產率；aicoag與ascoag分別為一二產業(yè)協(xié)同集聚程度和一三產業(yè)協(xié)同集聚程度；digital為數字經濟發(fā)展；

、

分別為時間固定效應、個體固定效應以及隨機擾動項。其中模型(4)與(5)分別用來檢驗一二產業(yè)協(xié)同集聚、一三產業(yè)協(xié)同集聚對農業(yè)全要素生產率的影響；模型(6)用來檢驗數字經濟對農業(yè)全要素生產率的影響；模型(7)和(8)用來檢驗數字經濟在產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響中的調節(jié)作用。

2.3 實證結果分析

在使用GMM模型回歸前，由于數字經濟值偏大，在實證檢驗時將數字經濟除以100，同時使用穩(wěn)健的標準誤，以避免可能的異方差等問題。此外，為避免實證結果出現“偽回歸”，使用HT檢驗對主要變量進行單位根檢驗，結果強烈拒絕了面板包含單位根的原假設，說明面板為平穩(wěn)過程(表3)。

表3 主要變量單位根檢驗
Table 3 Unit root test of main variables

變量 Variable HT檢驗 HT testZ值 Z valueP值 P value結論Conclusion農業(yè)全要素生產率指數Agricultural total factor productivity index-8.2800.000平穩(wěn) Smooth一二產業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries-6.1780.000平穩(wěn) Smooth一三產業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary industries-7.2790.000平穩(wěn) Smooth數字經濟 Digital economy-13.8880.000平穩(wěn) Smooth

在此基礎上，使用系統(tǒng)GMM模型對模型(4)～(8)進行實證檢驗，AR(2)未通過顯著性檢驗，說明不能拒絕不存在二階序列相關的原假設，故使用系統(tǒng)GMM模型是合理的。Hansen test的結果未通過顯著性水平檢驗，說明不能拒絕所有工具變量都有效的原假設，故模型設置與工具變量選取是合理的。具體的回歸結果如下：

第一，①從模型(1)和(2)的回歸結果可以看出，農業(yè)與第二產業(yè)協(xié)同集聚、農業(yè)與第三產業(yè)協(xié)同集聚的系數分別為0.062與0.068，分別通過了5%與1%顯著性水平檢驗，說明農業(yè)與第二產業(yè)協(xié)同集聚、農業(yè)與第三產業(yè)協(xié)同集聚均有助于農業(yè)全要素生產率的提高，驗證了研究假說H1，即農業(yè)與二三產業(yè)協(xié)同集聚有助于農業(yè)全要素生產率的提高。這一結論證明了現有關于產業(yè)協(xié)同集聚具有馬歇爾外部性(MAR外部性)與雅各布斯外部性(Jacobs外部性)的特征，從而正向影響經濟增長、創(chuàng)新能力等的研究，并從農業(yè)產業(yè)實踐的角度進行了補充。②此外，從顯著性水平與回歸系數可以看出，現階段農業(yè)與第三產業(yè)協(xié)同集聚對農業(yè)全要素生產率的促進作用要優(yōu)于農業(yè)與第二產業(yè)協(xié)同集聚的促進作用。主要的原因可能在于當前我國農業(yè)企業(yè)實力普遍不強，深度嵌入農業(yè)生產并形成一體化農業(yè)平臺的能力還有待完善，此外農業(yè)議價能力較弱，收益多被第二產業(yè)攝取；而一三產業(yè)協(xié)同集聚在近年來不斷衍生了冷鏈物流、電商農業(yè)、智慧農業(yè)等一三產業(yè)融合的新業(yè)態(tài)；等等原因造成了一三產業(yè)協(xié)同集聚對農業(yè)全要素生產率的促進作用要高于一二產業(yè)協(xié)同集聚的促進作用。

第二，從模型(3)的回歸結果可以看出，數字經濟對農業(yè)全要素生產率影響的系數為0.009，通過了10%顯著性水平檢驗，說明數字經濟顯著提升了我國農業(yè)全要素生產率，驗證了研究假說H2，即數字經濟有助于農業(yè)全要素生產率的提高。當前關于數字經濟與農業(yè)全要素生產率的研究還不夠系統(tǒng)，已有的研究主要是以數字經濟的某個方面為切入點展開對農業(yè)全要素生產率的研究，但互聯網普及及移動電話擁有量等指標更多的是反映了數字產業(yè)化的范疇，然而數字經濟還包括數字產業(yè)化中的大數據應用、云計算以及數字化治理等諸多方面，因此本研究更為全面地刻畫了數字經濟對農業(yè)全要素生產率的影響。

第三，從模型(4)和(5)的回歸結果可以看出，數字經濟與一二產業(yè)協(xié)同集聚交互項以及數字經濟與一三產業(yè)協(xié)同集聚交互項的系數均為正(系數分別為0.016、0.028)，且分別通過了10%與5%顯著性水平檢驗，說明數字經濟在一二產業(yè)協(xié)同集聚、一三產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響中發(fā)揮顯著的正向調節(jié)作用，驗證了研究假說H3，說明數字經濟具備的自我迭代、無限收斂以及邊際成本無限趨于零等特點，能夠強化農業(yè)與二三產業(yè)合作的穩(wěn)定性與效率、提高產業(yè)間嵌入程度與資源拼湊速度、降低產業(yè)間信息不對稱，從而提高農業(yè)全要素生產率。

第四，在基準回歸的基礎上，進行地區(qū)異質性檢驗，根據2019年各地區(qū)的平均總產值，西部地區(qū)與東北地區(qū)各省平均總產值較為接近，東部地區(qū)與中部地區(qū)各省平均總產值較為接近，因此設置地區(qū)虛擬變量(東部地區(qū)、中部地區(qū)=0，西部地區(qū)、東北地區(qū)=1)。從表5的地區(qū)異質性回歸結果看：①西部地區(qū)與東北地區(qū)一二產業(yè)協(xié)同集聚、一三產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響的系數分別為0.014與0.018，分別通過了10%與5%顯著性水平檢驗；這說明，相對東中部地區(qū)，農業(yè)與二三產業(yè)協(xié)同集聚對西部地區(qū)和東北地區(qū)農業(yè)全要素生產率的促進作用更為明顯。可能的原因在于，當前東中部地區(qū)農業(yè)與二三產業(yè)協(xié)同集聚水平已經較好，因此西部地區(qū)與東北地區(qū)農業(yè)與二三產業(yè)協(xié)同集聚的邊際效應更高。②西部地區(qū)與東北地區(qū)數字經濟對農業(yè)全要素生產率影響的系數為-0.005，通過了10%顯著性水平檢驗；這說明相對西部地區(qū)和東北地區(qū)，數字經濟對東中部地區(qū)農業(yè)全要素生產率的影響更為顯著。可能的原因在于，數字經濟作為一種新興范式，存在一定的前期投入與不確定性，一定的經濟發(fā)展水平是農業(yè)數字化轉型的戰(zhàn)略基礎與前置因素。

表4 實證回歸結果
Table 4 Empirical regression results

變量 Variable 模型(1)Model (1)模型(2)Model (2)模型(3)Model (3)模型(4)Model (4)模型(5)Model (5)TFP(滯后一期)L.TFP-0.261**(-2.08)-0.253**(-2.00)-0.540***(-4.58)-0.493**(-1.96)-0.571*(-1.86)一二產業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries0.062***(3.02)-0.009(-0.18)一三產業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary in-dustries0.068***(2.87)-0.054(-0.74)數字經濟Digital economy0.009*(1.82)-0.049(-1.45)-0.0881(-1.46)一二產業(yè)協(xié)同集聚×數字經濟Collaborative clustering of primary and secondary industries×Digital economy0.016*(1.80)一三產業(yè)協(xié)同集聚×數字經濟Collaborative clustering of primary and tertiary in-dustries×Digital economy0.028**(2.06)收入分配結構Income distribution structure0.081(0.63)0.167(1.50)0.331*(1.79)-0.011(-0.03)0.332(1.12)農業(yè)種植業(yè)結構Agricultural planting industry structure-0.179(-1.02)-0.027(-0.16)-0.033(-0.18)-0.449(-1.57)-0.255(-1.02)自然環(huán)境Natural environment-0.469*(-1.90)0.068(0.79)0.149*(1.71)0.045(0.40)0.054(0.56)農機密度Agricultural machinery density0.083**(2.22)0.058*(1.66)0.096(1.38)0.191**(2.18)0.102(0.77)財政支農Financial support for agriculture0.034(0.06)-0.221(-0.47)1.172*(1.68)-0.904(-0.53)-1.787(-1.39)常數項 Constant1.199***(2.60)0.715(1.55)0.573(0.89)2.462**(2.52)1.681(1.22)AR(2)檢驗-P值AR (2) test-P value0.2090.5820.4700.1660.826Hansen檢驗-P值Hansen test-P value0.3870.9030.1140.4310.588

注：*，**，***分別表示通過了10%，5%，1%顯著性水平檢驗；括號內為值。下同。
Note: *, ** and *** indicate that they have passed the 10%, 5%, and 1% significance level test respectively. value is in parentheses. The same below.

表5 地區(qū)異質性檢驗
Table 5 Regional heterogeneity test

變量 Variable 一二產業(yè)協(xié)同集聚地區(qū)異質性Regionalheterogeneityof the collaborativeclustering ofprimary andsecondary industries一三產業(yè)協(xié)同集聚地區(qū)異質性Regionalheterogeneityof the collaborativeclustering ofprimary andtertiary industries數字經濟地區(qū)異質性Regionalheterogeneityof the digitaleconomyTFP(滯后一期)L.TFP-0.353***(-11.47)-0.519***(-11.50)-0.299***(-21.93)一二產業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries0.068***(7.22)一三產業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary industries0.026**(1.98)數字經濟Digital economy0.001(1.32)一二產業(yè)協(xié)同集聚×地區(qū)(地區(qū)=1)Collaborative clustering of primary and secondary industries×region (Region=1)0.014*(1.66)一三產業(yè)協(xié)同集聚×地區(qū)(地區(qū)=1)Collaborative clustering of primary and tertiary industries×region (Region=1)0.018**(2.00)數字經濟×地區(qū)(地區(qū)=1)Digital economy×region (Region=1)-0.005*(-1.91)控制變量 Control variable已控制 Controlled已控制 Controlled已控制 Controlled常數項 Constant1.417***1.695***1.229***AR(2)檢驗-P值AR (2) test-P value0.1650.2650.129Hansen檢驗-P值 Hansen test-P value0.2220.1000.981

2.4 穩(wěn)健性檢驗

在實證結果的基礎上，本研究首先使用替換因變量的方法進行穩(wěn)健性檢驗，回歸結果見表6。穩(wěn)健性結果與實證結果所得出的結論基本一致，驗證了實證結果的穩(wěn)健性。

表6 穩(wěn)健性檢驗結果
Table 6 Robustness test results

變量 Variable 模型(1)Model (1)模型(2)Model (2)模型(3)Model (3)模型(4)Model (4)模型(5)Model (5)TFP(滯后一期)L.TFP-0.271**(-3.70)-0.326***(-3.16)-0.242***(-20.38)-0.257***(-15.29)-0.256***(-34.40)一二產業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries0.044**(1.99)0.010(0.40)一三產業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary in-dustries0.046*(1.66)-0.144***(-3.85)數字經濟Digital economy0.019***(2.62)0.001(0.02)-0.089***(-4.30)一二產業(yè)協(xié)同集聚×數字經濟Collaborative clustering of primary and secondary industries×Digital economy0.006*(1.64)一三產業(yè)協(xié)同集聚×數字經濟Collaborative clustering of primary and tertiary in-dustries×Digital economy0.036***(4.83)控制變量 Control variable已控制Controlled已控制Controlled已控制Controlled已控制Controlled已控制Controlled常數項 Constant1.046***(4.01)0.869***(2.63)0.757***(3.11)0.806***(3.29)1.257***(5.83)AR(2)檢驗-P值AR (2) test-P value0.4050.1680.1780.1660.826Hansen檢驗-P值Hansen test-P value0.6310.9850.8140.4310.588

其次，本研究還通過選取地區(qū)協(xié)同環(huán)境作為產業(yè)協(xié)同集聚的工具變量進行內生性檢驗，選取依據為產業(yè)協(xié)同集聚是產業(yè)間相互關聯與依賴的現象，當一個地區(qū)的協(xié)同環(huán)境更好時，產業(yè)間協(xié)同集聚的可能性越大，且協(xié)同環(huán)境并不會直接影響農業(yè)全要素生產率。為此，借鑒張慧等的方法，采用“省份名稱+協(xié)同”為關鍵詞在百度上搜索的獨立網站數量表征地區(qū)協(xié)同環(huán)境。在選取好工具變量后，使用面板工具變量GMM方法進行實證檢驗，結果表明，一二產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響的系數為0.063，通過了5%顯著性水平檢驗；一三產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響的系數為0.167，通過了10%顯著性水平檢驗。這一結果表明，在控制內生性后，實證分析結果依然穩(wěn)健。

最后，本研究還對產業(yè)協(xié)同集聚進行變量替換，以檢驗實證結果的穩(wěn)健性。在實證分析中，農業(yè)與二三產業(yè)協(xié)同集聚的測算方法參考了王靜田等的方法，即使用各省三產從業(yè)人員數計算各省份不同產業(yè)的區(qū)位熵與產業(yè)協(xié)同集聚指數。在穩(wěn)健性檢驗中，本研究使用各省三產產值計算各省份不同產業(yè)的區(qū)位熵與產業(yè)協(xié)同集聚指數，在此基礎上，使用系統(tǒng)GMM方法進行穩(wěn)健性檢驗，結果顯示，一二產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響的系數為0.051，通過了10%顯著性水平檢驗；一三產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響的系數為0.090，通過了1%顯著性水平檢驗。這一結論驗證了實證結果的穩(wěn)健性。

3 結論與建議

新發(fā)展階段，農業(yè)與二三產業(yè)的聯系愈加密切，數字經濟逐漸成長為我國經濟發(fā)展的新動能。為此，本研究基于產業(yè)協(xié)同集聚與數字經濟的視角，探究了農業(yè)與二三產業(yè)協(xié)同集聚、數字經濟對我國農業(yè)全要素生產率的影響與機制。結果發(fā)現，近年來我國農業(yè)全要素生產率總體呈現遞增趨勢。一二產業(yè)協(xié)同集聚程度總體呈現下降趨勢，而一三產業(yè)協(xié)同集聚程度總體上是上升的，且一二產業(yè)協(xié)同集聚程度小于一三產業(yè)協(xié)同集聚程度。回歸結果顯示：農業(yè)與第二產業(yè)協(xié)同集聚、農業(yè)與第三產業(yè)協(xié)同集聚均有助于我國農業(yè)全要素生產率的提升，且從顯著性水平與回歸系數可以看出，現階段農業(yè)與第三產業(yè)協(xié)同集聚對農業(yè)全要素生產率的促進作用要優(yōu)于農業(yè)與第二產業(yè)協(xié)同集聚的促進作用。數字經濟不僅顯著提高了我國農業(yè)全要素生產率，還在一二產業(yè)協(xié)同集聚、一三產業(yè)協(xié)同集聚對農業(yè)全要素生產率影響中發(fā)揮顯著的正向調節(jié)作用。

基于此，從以下方面提出農業(yè)全要素生產率提高的建議。首先，加強農業(yè)與二三產業(yè)的交流協(xié)作。實證結果顯示農業(yè)與二三產業(yè)協(xié)同集聚均顯著提高了農業(yè)全要素生產率，因此應加強農業(yè)與二三產業(yè)的交流協(xié)作，政府可通過農業(yè)技術示范園區(qū)、農業(yè)現代產業(yè)園等協(xié)同集聚區(qū)的建立，引導二三產業(yè)深度嵌入到農業(yè)生產的全過程。其次，優(yōu)化第二產業(yè)，強化第三產業(yè)。研究結果顯示當前一三產業(yè)協(xié)同集聚對農業(yè)全要素生產率提高的促進作用要優(yōu)于一二產業(yè)協(xié)同集聚。因此，應重點發(fā)展第三產業(yè)，根據農業(yè)與第三產業(yè)相互關聯的可能性，有針對性地選取部分第三產業(yè)進行重點培育，以盡可能地創(chuàng)造一三產業(yè)融合新業(yè)態(tài)。同時還要優(yōu)化第二產業(yè)，尤其是要加大對農業(yè)企業(yè)的資金支持與政策引導，強化農業(yè)企業(yè)的主體地位，從而為農業(yè)發(fā)展提供全產業(yè)鏈服務。第三，強化數字經濟建設。要充分發(fā)揮數字經濟在實現規(guī)模經濟、優(yōu)化農業(yè)生產流程以及緩解產業(yè)合作中面臨的信息不對稱與正外部性問題中的積極作用，進一步轉變農業(yè)生產方式，由傳統(tǒng)的要素投入或“要素投入+科技”發(fā)展方式向依靠“要素投入+科技+數字經濟”驅動型發(fā)展方式轉變，釋放數字經濟潛能，逐步培養(yǎng)數字經濟成為農業(yè)經濟發(fā)展新的增長極。