數字經濟對糧食生產效率的影響

楊慧文 季張含昱 馮天易

楊慧文，季張含昱，馮天易. 數字經濟對糧食生產效率的影響［J］. 湖北農業科學，2024，63（3）：163-170．

摘要：從數字基礎設施、數字產業、數字人才3個維度設計數字經濟測度指標體系，利用投影尋蹤技術進行降維處理，測算數字經濟發展水平及各維度發展水平，然后通過構建SBM-DEA模型測算糧食生產效率，最后利用固定效應模型實證分析“十三五”期間數字經濟對糧食生產效率的影響。結果表明，促進數字經濟發展的主導因素具有省際差異和地域特色，相較于廣東數字產業集群優勢顯著，北京則更多依賴數字人才資源。數字經濟對提高糧食生產效率具有正向作用，但影響能力較低。分維度看，相較于數字產業，數字人才和數字基礎設施對糧食生產效率的提高作用更顯著。因此，各地應因地制宜、動態平衡推動數字經濟協調發展，增進數字化要素與農業生產要素協同銜接，精準高效釋放數字經濟推動糧食生產和農業轉型的活力。

關鍵詞：數字經濟； 糧食生產效率； 投影尋蹤； SBM-DEA； 影響效應

中圖分類號：F326.11? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2024）03-0163-08

DOI：10.14088/j.cnki.issn0439-8114.2024.03.025 開放科學（資源服務）標識碼（OSID）：

信息技術日益融入經濟社會發展的各個領域，呈發展速度快、輻射范圍廣和影響程度深的特點［1］。以信息技術為基礎的數字經濟不僅能推動制造業高級化轉型，且能為探索農業現代化提供新路徑。受新冠疫情的影響，發展中國家的糧食安全問題遭受到最大沖擊［2］。作為糧食進口需求量最大的發展中國家，提高糧食生產能力、強化糧食供應穩定性對中國糧食安全具有關鍵作用。2018年中央一號文件提出實施數字鄉村戰略的初步構想［3］，此后一系列相關政策出臺落地。在此背景下，科學測算數字經濟發展水平及糧食生產效率，探究數字經濟對糧食生產效率的影響，不僅利于提高糧食產能、維護國家糧食安全，而且對加快數字化發展、建設數字中國具有重要意義。

目前，專門探討數字經濟賦能糧食生產的研究尚不多見，但與之相關的研究較為豐富。在數字經濟發展水平測算方面，許憲春等［4］、韓兆安等［5］、鮮祖德等［6］通過分行業求值加總法測算中國數字經濟規模；王開科等［7］集中在數字化核心經濟活動范圍內分部門測度數字經濟發展水平和效率系數；楊慧梅等［8］基于數字產業化與產業數字化兩維度，以主成分分析法構建數字經濟發展水平測算體系；王軍等［9］基于熵值法測度數字經濟發展水平綜合指數并分析其時空特征；趙新偉等［10］綜合運用 BCC-DEA與超效率SBM模型、Dagum 基尼系數、Epanechnikov核函數和絕對[β]收斂模型分解測算中美兩國數字經濟產業效率。在數字經濟賦能農業等傳統行業發展方面，夏顯力等［11］在分析產業、生產和經營體系基礎上構建市場需求與數字技術協同促進農業高質量發展分析框架；李春發等［12］基于產業鏈視角分析數字經濟驅動制造業轉型升級的作用機理；錢海章等［13］在數據經濟背景下分析數字金融產業發展狀況及對經濟增長的影響；于李娜等［14］探究數字經濟發展對一國紡織服裝產業在全球價值鏈中分工位置的影響；田野等［15］基于城鄉融合發展的中介效應分析數字經濟對鄉村產業振興的影響。在探究糧食生產效率影響因素方面，彭超等［16］評估農業機械化對農戶“加總”糧食生產技術效率的作用效果；魏佳朔等［17］基于逆概率加權分析無償轉入土地對糧食生產效率的作用機理。Tobit回歸模型被廣泛應用于該領域的研究，如張長征等［18］研究農田水利基礎設施投資缺口對糧食生產效率損失的影響；王金偉等［19］構建耦合協調模型分析旅游業發展水平對中國糧食生產效率的影響機制。

綜上，學者就數字經濟、糧食生產效率等相關領域已開展廣泛的理論和實踐探索，為數字經濟對糧食生產效率的影響研究提供有益借鑒，但仍存在不足，一是數字經濟發展水平測算的多維指標降維處理技術有待改進，二是以量化方式開展數字經濟對糧食生產效率影響的研究尚不多見?；诖?，本研究在合理測算2016—2020年中國30個省（市、自治區）（不含港、澳、臺、藏）數字經濟發展水平和糧食生產效率的基礎上，實證檢驗二者的影響關系，其一，基于投影尋蹤模型從數字基礎設施、數字產業、數字人才3個維度測算數字經濟發展水平，補充現有研究的不足；其二，將數字經濟與糧食生產效率納入同一個研究框架，厘清數字經濟對糧食生產效率的影響，以提高糧食生產效率。

1 研究方法

1.1 基于投影尋蹤技術的數字經濟發展水平測算模型

投影尋蹤技術是分析處理非線性、非正態、高維數據的常用統計方法［20］。數字經濟指數測算過程本質上是多維數據的降維過程。該技術的基本思想是將高維數據映射在低維子平面內，形成反映高維數據特征的一維投影向量，在保持數據結構特征不變的前提下實現有效降維［21］。

設初始指標矩陣為[Xt=（xijt）m×n]，利用求和歸一化方法轉化為規范化矩陣[Yt=（yijt）m×n]，其中，[xijt]、[yijt]分別表示第t年i省（市、自治區）j指標在歸一化前后的值。對于?。ㄊ?、自治區）i，將規劃第t年的數據[yijt（j=1，2，…，n）]以投影方向[？t=a1t，a2t，…，ant]綜合成投影值[Zit]，使其滿足：

[Zit=j=1najtyijt] （1）

基于此構建投影目標函數如下：

[Qmax（ajt）=1m-1i=1mZit-Zit2×i1=1mi2=1m（Rt-rt（i1，i2））×f（Rt-rt（i1，i2））=SZit×DZit]

[s.t. j=1n（ajt）2=1? （t=1，2，…，q）-1≤ajt≤1] （2）

對投影數據而言，[SZit]指類間距離，可以反映數據的離散程度；[DZit]指局部密度；[Zit]為投影序列[Zit（i=1，2，…，n）]的均值；[rt（i1，i2）]為一維投影值的間隔距離；[Rt]為局部密度的窗口半徑，取值方案應盡可能使局部密集，本模型取值[0.1SZit]；[f（t）]為單位階躍函數，當[t<0]時，[f（t）=0]，當[t≥0]時，[f（t）=1]。

利用遺傳算法求解出投影序列[Zit（i=1，2，…，n）]，將序列[Zit（i=1，2，…，n）]進行歸一化處理即得到各個?。ㄊ小⒆灾螀^）的數字經濟發展水平指數[Eit（i=1，2，…，n）]，同理也可求得數字基礎設施分指數、數字產業分指數和數字人才分指數，分別記為[EIFit（i=1，2，…，n）]、[EDIit（i=1，2，…，n）]和[EDTit（i=1，2，…，n）]。

1.2 基于SBM-DEA的糧食生產效率測算模型

傳統DEA模型是假設投入與產出等比例變化的徑向測度，對無效率的測量沒有包含松弛變量。Tone［22］基于此提出了非徑向的SBM-DEA模型，不僅解決該問題，而且基于現實情況引入了非期望產出，大大提高了模型的實際應用價值。

假設在糧食生產系統中存在決策單元DMUi（[i=1，2，…，n]），每個DMU的生產規模報酬可變且均經歷時間段T（[t=1，2，…，T]）。每個DMU均有[k]種投入指標、[r1]種期望產出指標及[r2]種非期望產出指標，決策單元DMUo在第t年的糧食生產效率測算值（θot）為：

[θot=min1+1kj=1ks-jtxojt1-1k+r1m=1r1s+mtyomt+l=1r2sbltbolts.t.i=1，i≠onλitxijt-s-jt≤xojti=1，i≠onλityimt-s+mt≥yomti=1，i≠onλitbilt-sblt≤bolt1-1r1+r2m=1r1s+mtyomt+l=1r2sbltbolt>0λit，s-jt，s+mt，sblt≥0] （3）

式中，[xojt]、[yomt]、[bolt]分別為DMUo在第t年的第j種投入、第m種產出和第l種非期望產出；[s-jt]、[s+mt]、[sblt]表示相應指標的松弛變量；[λit]表示權重，滿足[i=1nλit=1]。當[θot=1]時，表明DMUo在第t年有效，即滿足[s-jt=0]、[s+mt=0]和[sblt=0]；當[0<θot<1]時，表明DMUo在第t年是無效率的，可根據改進方向消除相應的松弛變量，進而使無效率的DMU達到效率前沿。

1.3 固定效應模型

探究數字經濟發展水平指數對糧食生產效率的影響，需充分把握數據的時間性、空間性雙重特征，因此構建固定效應模型予以論證。該模型的一般形式如下。

[Yit=β0+j=1jβjixjit+μit] （4）

式中，[Yit]表示第[t]年[i]?。ㄊ?、自治區）的糧食生產效率；[xjit]表示第[t]年[i]省（市、自治區）第[j]個解釋變量的數值；[β0]表示待估參數；[βji]（[j=1，2，…，j]）表示[i]?。ㄊ?、自治區）第[j]個解釋變量待估計的參數；[μit]表示隨機誤差。

從數字經濟發展水平對糧食生產效率（FPE）的整體性影響角度構建固定效應模型。解釋變量為數字經濟發展水平指數（INT），控制變量選用農村物流建設水平（LC）、地方研發支持水平（RD）、農業經濟發展水平（AD），模型構建如下。

[FPEit=β0+β1INT1it+β2LC2it+β3RD3it+β4AD4it+μit]? ? ? （5）

式中，[βi]為第i個變量對糧食生產效率的影響系數，其值可以體現各變量對糧食生產效率的影響方向和影響程度。

為更深入探究數字經濟發展水平內部因素對糧食生產效率的影響，將數字經濟發展水平指數（INT）分為數字基礎設施分指數（IF）、數字產業分指數（DI）和數字人才分指數（DT）3個維度，在控制變量不變的基礎上以分指數作為解釋變量構建模型，如下。

[FPE*it=β0+β1IF1it+β2DI2it+β3DT3it+β4LC4it+β5RD5it+β6AD6it+μit]? ? （6）

2 數據來源及指標選取

2.1 數據來源

以2016—2020年中國30個?。ㄊ?、自治區）（不含港、澳、臺、藏）為研究對象，探討數字經濟發展對糧食生產效率的影響。數字經濟相關指標的原始數據來源于《中國統計年鑒》和《中國第三產業統計年鑒》等；糧食生產效率測算指標和控制變量的原始數據來源于《中國統計年鑒》《中國農村統計年鑒》等。

2.2 指標選取

借鑒萬曉榆等［23］、劉強等［24］、余珊等［1］的數字經濟測度指標體系設計思路，從數字基礎設施分指數、數字產業分指數和數字人才分指數3個維度構建數字經濟發展水平測度指標體系，如表1所示。

參考羅光強等［25］和楊騫等［26］的指標體系設計思路，構建適用于SBM-DEA模型的糧食生產效率測度的投入產出指標體系。其中，投入指標包括3個維度，分別為以農業機械總動力作為表征指標的資本投入水平，以第一產業就業人員表征勞動力投入水平，以農業用水量、農作物播種面積、農用化肥施用量表征資源投入水平；產出指標分為期望產出與非期望產出，期望產出為農業產能水平，以農業增加值表征，非期望產出為污染物排放水平，以農業COD排放量表征。

選用農村物流建設水平、地方研發支持水平、農業經濟發展水平作為控制變量。其中，以農村投遞路程表征農村物流建設水平，以地方研發經費/地方總產值表征地方研發支持水平，以地方農業總產值/地方總產值表征農業經濟發展水平。各變量及統計性描述結果如表2所示。

3 結果與分析

3.1 數字經濟發展水平指數的測算

設[t=1]表示2016年，將2020年規格化矩陣[Y5]代入式（2）求得｛0.189 0，0.442 2，0.137 7，0.641 6，0.345 8，0.176 5，0.273 5，0.335 4，0.011 2｝，對應[Qmax=555.728 0]。將[？5]、[Y5]代入式（1）計算得到[Zi5]（[i=1，2，3，…，30]），將[Zi5]歸一化處理后得到各?。ㄊ?、自治區）2020年的數字經濟發展水平指數（INT），同理可計算2020年數字基礎設施分指數（IF）、數字產業分指數（DI）和數字人才分指數（DT）的測算值，以及2016—2019年的INT、IF、DI、DT的測算值。表3為選取的2016年、2018年和2020年各指數的測算結果。

由表3可以看出，各?。ㄊ?、自治區）數字經濟發展水平的主要影響因素具有明顯的省際差異和地域特色。2016年北京INT為1.63、IF為0.47、DI為1.64、DT為4.17，說明北京數字經濟發展主要是由于北京作為經濟文化中心，高等院校林立，數字經濟相關行業蓬勃發展，數字人才和數字型儲備人才眾多。但由于北京面積相對狹小，人口數量較少，數字基礎設施雖然完善但總量較少。2016年廣東INT為3.21、IF為2.33、DI為4.49、DT為2.81，說明廣東的數字經濟發展水平主要受數字產業的影響，廣東省作為改革開放的試驗田，數字產業化增加值常年位居全國首位，數字產業縱深發展帶動數字基礎設施建設和數字人才流入，形成三方相互支撐的數字經濟發展格局。2016年貴州INT為0.56、IF為0.78、DI為0.47、DT為0.44，說明貴州的INT主要受數字基礎設施建設影響，而DI、DT均低于INT，表明貴州數字產業和數字人才是數字經濟發展的短板。省際異質性充分體現?。ㄊ小⒆灾螀^）之間基礎設施、經濟結構、人才儲備方面的差異，為補齊短板、發揮長處提供思路，有利于進一步推動數字經濟高質量發展。

3.2 糧食生產效率測算

為研究中國糧食生產效率的整體特點和省際特征，將投入產出指標數據代入式（3），測算結果如表4所示。由表4可知，中國糧食生產效率總體處于較高水平，但具有明顯省際差異。河北、山西、吉林、湖南、廣西、甘肅、寧夏的糧食生產效率呈波動上升趨勢，內蒙古、安徽和江西的糧食生產效率呈波動下降趨勢，但是波動幅度不大。糧食生產效率高的?。ㄊ小⒆灾螀^）多集中于東部沿海地區和西南地區，北京、遼寧、四川等20個省（市、自治區）的糧食生產效率在2016—2020年均處于效率前沿面上。由于“十三五”規劃對現代化農業生產體系建設提出了節約資源、限制化肥農藥使用量的新要求，2016—2020年糧食生產處于關鍵轉型時期，須從原本高效生產轉向高效、高質生產并存。在新要求影響下，60%以上的?。ㄊ?、自治區）在保持糧食生產效率為1.000的前提下進行農業現代化轉型，其余?。ㄊ小⒆灾螀^）也在探索適合本地的農業現代化道路，其糧食生產效率的波動是可控范圍內的良性波動。

由圖1可知，中國糧食生產效率和數字經濟發展水平在一定程度上具有一致性，尤其體現在東部沿海地區。由于數字經濟、鄉村振興戰略不斷推進，農業數字化轉型、農村產業融合發展顯著加強。對于數字經濟發展水平較高的?。ㄊ小⒆灾螀^），易產生數字經濟倒逼農業轉型現象。《2022年廣東數字經濟工作要點》指出，發展數字農業要圍繞“三個創建、八個培育”實施數字農業農村發展行動計劃。新推出的《北京加快推進數字農業農村發展行動計劃（2022—2025年）》把基礎設施、鄉村產業、鄉村治理、鄉村服務、農業技術的數字化建設作為重點。智慧農業、數字農業已成為農業高質量發展的重要途徑。在全球氣候變暖、水土資源惡化背景下，數字農業發展較慢的省（市、自治區）若仍僅依靠土地、氣候、人力等傳統資源，農業發展將會受到一定沖擊。

3.3 數字經濟對糧食生產效率的影響

對初始數值不光滑的指標取對數，預處理后的指標在10%和5%的水平下通過單位根檢驗和協整檢驗，在1%的水平下通過LM檢驗和Hausman檢驗。由固定效應模型（5）擬合結果（表5）可知，數字經濟發展水平指數每增長1%，糧食生產效率提高0.016 2%，說明數字經濟發展水平指數對糧食生產效率存在正向影響，但影響系數較小，提高幅度并不顯著。究其原因，一方面，“十三五”規劃期間，數字經濟發展著力點多集中于工業互聯、數字基礎設施建設和智慧城市建設等，對智慧農業的賦能作用發揮處于剛起步狀態；另一方面，中國20個?。ㄊ小⒆灾螀^）的糧食生產效率已經達到效率前沿，對數字經濟的影響能力具有一定的削弱作用。

由固定效應模型（6）擬合結果（表6）可知，數字人才分指數、數字基礎設施分指數對糧食生產效率的影響較為明顯。具體來說，DT每增長1%，糧食生產效率提高0.096 3%；IF每增長1%，糧食生產效率提高0.087 2%。數字人才是發揮數字經濟優勢、實現強農富農的重要力量?！笆濉逼陂g，中國高度重視數字人才隊伍培養及建設，厚植鄉村數字型人才，共繪鄉村振興美麗畫卷。據農業農村部數據統計，截至“十三五”時期末，返鄉入鄉創業人員達1 010萬人，推動傳統農業向現代農業、數字農業的加速轉變。2016年中央一號文件明確提出，要加快農村基礎設施建設。農業基礎設施已成為提高農業生產質量與效率的重要因素，對提高糧食生產效率有著舉足輕重的影響［27］。數字基礎設施的普及應用是數字經濟發展的基礎和前提［28］。信息技術的加速普及、智慧物流等數字基礎設施的持續完善，能吸引更多數字型返鄉創業人才，有利于推動農業轉型升級，建設數字農業、智慧農業，提高糧食生產效率。DI每增長1%，糧食生產效率提高0.011 5%，遠低于DT、IF的影響強度?？赡茉蚴窃诮洕哔|量發展要求下，“十三五”期間數字產業更多服務于制造業轉型升級和智慧城市建設，對傳統農業轉型的探索較為薄弱。

在控制變量中，RD的影響強度遠大于LC和AD，RD每增長1%，糧食生產效率在模型（5）情況下提高5.181 6%，在模型（6）情況下提高4.062 9%，均說明地方研發支持水平對糧食生產效率的提高效果顯著。高產農作物新品種研發有利于提高單位糧食產量；新式農機的研發與應用有助于提高糧食機械化作業水平和糧食生產效率。廣西加大農機研發力度，建設全程機械化示范基地，使糧食生產效率由2019年的0.500顯著提升至2020年的0.667。

4 小結與建議

4.1 小結

在分析現有文獻不足之處的基礎上，從數字基礎設施、數字產業、數字人才3個維度，基于投影尋蹤技術測算數字經濟發展水平，并構建SBM-DEA模型重新測算糧食生產效率，基于2016—2020年中國省（市、自治區）面板數據，通過固定效應模型實證分析數字經濟對糧食生產效率的影響，主要結果如下。

1）“十三五”期間，中國糧食生產效率總體處于較高水平，且具有明顯的省際異質性。2016—2020年，在構建現代農業三大體系的新要求下，中國糧食生產效率均值由0.813波動提升至0.821。受氣候條件、資源稟賦、技術水平和經濟發展等因素限制，省（市、自治區）糧食生產效率存在顯著差異。山西、甘肅和內蒙古等10個省（自治區）的糧食生產效率較低；北京、遼寧、江蘇和四川等20個?。ㄊ?、自治區）已達到糧食生產效率前沿。糧食生產逐步從較低效率向高效率、高質量并存轉變。

2）不同省（市、自治區）數字經濟發展水平的主導因素具有顯著差異。2016年，貴州INT為0.56，主要受數字基礎設施建設影響，其數字產業發展和數字人才培養方面存在短板；北京INT為1.63，主要由于高校林立且數字產業發展較好，數字人才培養、應用和儲備水平高，因而人才成為數字經濟發展的主動力；廣東INT為3.21，主要原因是數字產業蓬勃發展促進數字基礎設施建設和數字人才流入，形成三方支撐的數字發展格局，數字經濟發展水平領先。

3）數字經濟對糧食生產效率的影響能力相對具有整體低顯著性和局部高顯著性。INT對糧食生產效率的整體影響系數為0.016 2。究其原因，“十三五”時期數字經濟發展集中于工業互聯、智慧城市建設等，對智慧農業的賦能作用發揮處于起步狀態。IF、DT對糧食生產效率的影響系數為0.087 2、0.096 3。數字基礎設施建設能吸引數字型返鄉創業人才。數字人才是促進數字經濟與農業經濟融合發展、提高糧食生產效率的新型核心競爭力和戰略性資源。

4.2 建議

為更快更好實現農業數字化、現代化，應進一步提高數字經濟對農業轉型的賦能效果，并提出以下建議。

1）強化認識，明晰數字經濟在提高糧食生產效率中的作用。研究表明，數字經濟能促進糧食生產效率的提高，因此政府應加強頂層設計和戰略規劃落實，從制度保障、資金保障、人才保障和法律保障等多角度全方位鼓勵數字經濟和農業經濟融合發展。鄉村企業、農戶應充分利用“互聯網+農業”模式，推動建立完善的農業互聯網跨界融合機制，打破地域性壁壘，實現農業跨越式發展，提高糧食生產效率，促進農業數字化、農業現代化。

2）因地制宜，基于地域特色動態平衡地發展數字經濟。在數字經濟發展中，數字基礎設施是前提條件，數字人才是戰略資源和重要力量，數字產業是重要體現和發展平臺。各地應精準定位，動態平衡地處理數字基礎設施、數字人才和數字產業之間的關系，走數字經濟協調發展道路。例如廣西可依靠擴大數字基礎設施建設吸收投資、吸引人才，有序接收周邊較發達地區的數字經濟產能轉移，科學推進數字經濟持續發展。

3）揚長避短，精準高效地以數字化賦能農業轉型。鑒于數字經濟對糧食生產效率影響的省際差異性，各地應實施基于當地優勢的數字經濟和農業發展融合措施，通過將科技、資本和人才等專業化要素有主次地引入農業，著力增進數字化要素與農業生產要素協同銜接。將數字經濟發展理念嫁接到傳統農業，尋找數字經濟與農業發展的平衡關鍵點。基于數字經濟高效匹配、精準鏈接和效率提升功能以精準高效的方式推動農業數字化轉型。

參考文獻：

［1］ 余 姍， 樊秀峰， 蔣皓文.數字經濟發展對碳生產率提升的影響研究［J］.統計與信息論壇， 2022， 37（7）：26-35.

［2］ 程國強， 朱滿德.新冠肺炎疫情沖擊糧食安全：趨勢，影響與應對［J］.中國農村經濟， 2020（5）：13-20.

［3］ 中共中央 國務院關于實施鄉村振興戰略的意見［EB/OL］.（2018-02-04）［2022-08-01］. http：//www.gov.cn/zhengce/2018-02/04/content_5263807.htm.

［4］ 許憲春，張美慧.中國數字經濟規模測算研究——基于國際比較的視角［J］.中國工業經濟，2020（5）：23-41.

［5］ 韓兆安，趙景峰，吳海珍.中國省際數字經濟規模測算、非均衡性與地區差異研究［J］.數量經濟技術經濟研究，2021，38（8）：164-181.

［6］ 鮮祖德，王天琪.中國數字經濟核心產業規模測算與預測［J］.統計研究，2022，39（1）：4-14.

［7］ 王開科，吳國兵，章貴軍.數字經濟發展改善了生產效率嗎［J］.經濟學家，2020（10）：24-34.

［8］ 楊慧梅，江 璐.數字經濟、空間效應與全要素生產率［J］.統計研究，2021，38（4）：3-15.

［9］ 王 軍，朱 杰，羅 茜.中國數字經濟發展水平及演變測度［J］.數量經濟技術經濟研究，2021，38（7）：26-42.

［10］ 趙新偉，王 琦.中美兩國數字經濟效率測算、動因及演進［J］.科學學研究，2022，40（8）：1413-1423.

［11］ 夏顯力，陳 哲，張慧利，等.農業高質量發展：數字賦能與實現路徑［J］.中國農村經濟，2019（12）：2-15.

［12］ 李春發，李冬冬，周 馳.數字經濟驅動制造業轉型升級的作用機理——基于產業鏈視角的分析［J］.商業研究，2020（2）：73-82.

［13］ 錢海章，陶云清，曹松威，等.中國數字金融發展與經濟增長的理論與實證［J］.數量經濟技術經濟研究，2020，37（6）：26-46.

［14］ 于李娜，隋曉靜.數字經濟對紡織服裝業全球價值鏈分工地位影響研究［J］.產業經濟評論（山東大學），2021，20（1）：19-46.

［15］ 田 野，葉依婷，黃 進，等.數字經濟驅動鄉村產業振興的內在機理及實證檢驗——基于城鄉融合發展的中介效應［J］.農業經濟問題，2022（10）：84-96.

［16］ 彭 超，張 琛.農業機械化對農戶糧食生產效率的影響［J］.華南農業大學學報（社會科學版），2020，19（5）：93-102.

［17］ 魏佳朔，高 鳴，宋洪遠.無償轉入土地對糧食生產效率的影響：福利還是負擔？［J］.華中農業大學學報（社會科學版），2021（3）：83-92，187.

［18］ 張長征，李嘉雯，孫 杰.農田水利基礎設施投資缺口對糧食生產效率損失的影響［J］.資源科學，2022，44（1）：169-180.

［19］ 王金偉，孫 潔，雷 婷，等.中國糧食生產效率與旅游發展的耦合機制及時空分異［J］.自然資源學報，2022，37（10）：2651-2671.

［20］ 樓文高.基于群智能最優化算法的投影尋蹤理論：新進展、應用及軟件［M］.上海：復旦大學出版社，2021.

［21］ 郭 燕，顧志榮，祁 梅，等.基于投影尋蹤模型的不同產地鎖陽藥材多指標綜合質量評價［J］.中國野生植物資源，2022，41（8）：14-21.

［22］ TONE K. A slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2001， 130（3）： 498-509.

［23］ 萬曉榆， 羅焱卿.數字經濟發展水平測度及其對全要素生產率的影響效應［J］.改革， 2022（1）：101-118.

［24］ 劉 強， 馬彥瑞， 徐生霞.數字經濟發展是否提高了中國綠色經濟效率？［J］.中國人口·資源與環境， 2022， 32（3）：72-85.

［25］ 羅光強， 譚 芳.糧食生產效率的區域差異及其政策效應的異質性［J］.農林經濟管理學報，2020， 19（1）：34-43.

［26］ 楊 騫， 司祥慧， 王 玨.減排增匯目標下中國糧食生產效率的測度及分布動態演進［J］.自然資源學報. 2022， 37（3）：600-615.

［27］ 張志新，李 成，白海洋.農業基礎設施對糧食生產效率的影響［J］. 華東經濟管理，2022，36（10）：100-109.

［28］ 丁志帆.數字經濟驅動經濟高質量發展的機制研究：一個理論分析框架［J］.現代經濟探討，2020（1）：85-92.

收稿日期：2022-12-30

基金項目：國家自然科學基金青年項目（41701610）；中央高?；究蒲袠I務費項目（B210202157）

作者簡介：楊慧文（2001-），女，山東臨沂人，在讀本科生，研究方向為資源經濟，（電話）15216523506（電子信箱）2063810120@hhu.edu.cn。