林青寧 毛世平

(中國農(nóng)業(yè)科學(xué)院 農(nóng)業(yè)經(jīng)濟(jì)與發(fā)展研究所，北京 100081)

農(nóng)業(yè)作為我國國民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，提高我國農(nóng)業(yè)全要素生產(chǎn)率是轉(zhuǎn)變發(fā)展動能，實(shí)現(xiàn)農(nóng)業(yè)創(chuàng)新驅(qū)動的重要途徑。當(dāng)前，農(nóng)業(yè)科技創(chuàng)新、基礎(chǔ)設(shè)施建設(shè)、經(jīng)營規(guī)模等內(nèi)部因素以及制度安排、氣候變化、非農(nóng)就業(yè)等外部因素均被證實(shí)是影響農(nóng)業(yè)全要素生產(chǎn)率的重要因素。然而，伴隨農(nóng)業(yè)發(fā)展進(jìn)入新階段，農(nóng)業(yè)與二三產(chǎn)業(yè)的聯(lián)系愈加密切，數(shù)字經(jīng)濟(jì)賦能經(jīng)濟(jì)增長的作用逐漸顯現(xiàn)。因此，在協(xié)同發(fā)展與數(shù)字經(jīng)濟(jì)戰(zhàn)略背景下，研究產(chǎn)業(yè)協(xié)同集聚與數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率的影響，對提升農(nóng)業(yè)全要素生產(chǎn)率、推進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展具有一定的現(xiàn)實(shí)意義。

產(chǎn)業(yè)協(xié)同集聚的研究最早由Ellison等開始，認(rèn)為產(chǎn)業(yè)協(xié)同集聚是不同產(chǎn)業(yè)間呈現(xiàn)出相互依賴、相互關(guān)聯(lián)的空間集聚現(xiàn)象。此后的研究多認(rèn)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(yīng)等是產(chǎn)業(yè)協(xié)同集聚發(fā)揮作用的主要原因。圍繞上述理論，學(xué)者就產(chǎn)業(yè)協(xié)同集聚對全要素生產(chǎn)率的影響開展了系列研究，并主要形成了3種觀點(diǎn)。一是促進(jìn)論；這類研究認(rèn)為產(chǎn)業(yè)協(xié)同集聚能夠?qū)崿F(xiàn)規(guī)模效應(yīng)、強(qiáng)化知識溢出，從而顯著促進(jìn)了全要素生產(chǎn)率水平。包括產(chǎn)業(yè)協(xié)同集聚對全要素生產(chǎn)率影響的元分析、產(chǎn)業(yè)協(xié)同集聚對日本不同產(chǎn)業(yè)全要素生產(chǎn)率的影響以及制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚對我國城市全要素生產(chǎn)率的影響。二是無效論與抑制論；這一論點(diǎn)認(rèn)為產(chǎn)業(yè)協(xié)同集聚存在擁擠效應(yīng)與擠出效應(yīng)，從而導(dǎo)致無效率；如Ke認(rèn)為產(chǎn)業(yè)協(xié)同集聚會對城市產(chǎn)生一定的擁擠效應(yīng)，從而不利于全要素生產(chǎn)率提高。此外，相關(guān)研究還有制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚對長江經(jīng)濟(jì)帶上游區(qū)域全要素生產(chǎn)率以及對高行政等級城市全要素生產(chǎn)率的影響。三是產(chǎn)業(yè)協(xié)同集聚對全要素生產(chǎn)率的影響是非線性的，兩者之間存在門檻效應(yīng)、“U”型或倒“U”型關(guān)系。數(shù)字經(jīng)濟(jì)的研究最先從Tapscott開始，認(rèn)為數(shù)字是融合機(jī)器、知識與智慧的載體，能夠帶來經(jīng)濟(jì)發(fā)展并推動社會進(jìn)步。此后的研究普遍認(rèn)為數(shù)字經(jīng)濟(jì)通過優(yōu)化資源配置方式、降低交易成本等措施賦能經(jīng)濟(jì)發(fā)展。近年來伴隨數(shù)字經(jīng)濟(jì)發(fā)展，數(shù)字經(jīng)濟(jì)對全要素生產(chǎn)率影響的實(shí)證研究開始增多。部分學(xué)者肯定了數(shù)字經(jīng)濟(jì)對省份全要素生產(chǎn)率、產(chǎn)業(yè)全要素生產(chǎn)率以及綠色全要素生產(chǎn)率的積極作用。當(dāng)然也有學(xué)者認(rèn)為數(shù)字經(jīng)濟(jì)存在生產(chǎn)率悖論，存在滯后效應(yīng)、錯配效應(yīng)，從而影響全要素生產(chǎn)率。然而，在農(nóng)業(yè)領(lǐng)域，數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率的研究還處于起步階段，僅是以數(shù)字經(jīng)濟(jì)的某個方面為切入點(diǎn)(如互聯(lián)網(wǎng))展開對農(nóng)業(yè)全要素生產(chǎn)率的研究。

已有研究為本研究提供了相關(guān)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(jìn)行拓展與補(bǔ)充：1)現(xiàn)有關(guān)于農(nóng)業(yè)全要素生產(chǎn)率的研究主要從農(nóng)業(yè)科技創(chuàng)新、基礎(chǔ)設(shè)施建設(shè)、經(jīng)營規(guī)模等內(nèi)部因素以及制度安排、氣候變化、非農(nóng)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(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚是否有助于農(nóng)業(yè)全要素生產(chǎn)率提高，一定程度上拓寬了農(nóng)業(yè)全要素生產(chǎn)率研究的理論意義與實(shí)踐價(jià)值。2)既有關(guān)于產(chǎn)業(yè)協(xié)同集聚的研究，多是探究制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚的經(jīng)濟(jì)效應(yīng)，對于農(nóng)業(yè)產(chǎn)業(yè)的研究還不夠系統(tǒng)。因此，在農(nóng)業(yè)與其他產(chǎn)業(yè)的聯(lián)系愈加密切的背景下，本研究將產(chǎn)業(yè)協(xié)同集聚的研究拓展到農(nóng)業(yè)領(lǐng)域，探究了農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率的影響，一定程度上是對現(xiàn)有多關(guān)注制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚經(jīng)濟(jì)效應(yīng)研究的補(bǔ)充。3)黨的十九大以來數(shù)字經(jīng)濟(jì)已逐漸成為我國經(jīng)濟(jì)增長與產(chǎn)業(yè)轉(zhuǎn)型升級的新動能，但關(guān)于數(shù)字經(jīng)濟(jì)對全要素生產(chǎn)率的研究未達(dá)成一致結(jié)論，同時農(nóng)業(yè)領(lǐng)域關(guān)于數(shù)字經(jīng)濟(jì)發(fā)展經(jīng)濟(jì)效應(yīng)的研究還十分有限，與之相關(guān)的也是以數(shù)字經(jīng)濟(jì)的某個方面為切入點(diǎn)(如互聯(lián)網(wǎng))展開對農(nóng)業(yè)全要素生產(chǎn)率的研究。本研究從農(nóng)業(yè)數(shù)字經(jīng)濟(jì)整體規(guī)模入手，更為全面地刻畫了數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率的影響。4)已有研究對產(chǎn)業(yè)協(xié)同集聚經(jīng)濟(jì)效應(yīng)影響機(jī)制進(jìn)行了探究，但在新發(fā)展階段，數(shù)字經(jīng)濟(jì)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(shù)字經(jīng)濟(jì)在相互依賴、相互關(guān)聯(lián)的產(chǎn)業(yè)協(xié)同集聚中的作用機(jī)制有待進(jìn)一步思考。

基于此，本研究將產(chǎn)業(yè)協(xié)同集聚與數(shù)字經(jīng)濟(jì)納入到農(nóng)業(yè)全要素生產(chǎn)率分析框架中，在使用SBM-GML指數(shù)對2013—2019年我國各省農(nóng)業(yè)全要素生產(chǎn)率測算的基礎(chǔ)上，使用系統(tǒng)GMM模型實(shí)證檢驗(yàn)農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚、數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率的影響，并探究數(shù)字經(jīng)濟(jì)在農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響中的調(diào)節(jié)效應(yīng)。不僅回答了在協(xié)同創(chuàng)新以及數(shù)字經(jīng)濟(jì)高速發(fā)展背景下，產(chǎn)業(yè)協(xié)同集聚與數(shù)字經(jīng)濟(jì)能否成為提高農(nóng)業(yè)全要素生產(chǎn)率的新動能；也為新發(fā)展階段政府制定農(nóng)業(yè)全要素生產(chǎn)率提升策略提供依據(jù)。

1 理論分析與研究假說

1.1 產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率的影響

產(chǎn)業(yè)協(xié)同集聚是不同產(chǎn)業(yè)間呈現(xiàn)出相互依賴、相互關(guān)聯(lián)的空間集聚現(xiàn)象。主要通過合作效應(yīng)、規(guī)模效應(yīng)、知識溢出效應(yīng)以及價(jià)值俘獲效應(yīng)來影響農(nóng)業(yè)全要素生產(chǎn)率。1)合作效應(yīng)。農(nóng)業(yè)與二三產(chǎn)業(yè)的協(xié)同集聚強(qiáng)化了產(chǎn)業(yè)間的耦合互動關(guān)系，能夠通過網(wǎng)絡(luò)連結(jié)獲取二三產(chǎn)業(yè)供應(yīng)鏈信息、運(yùn)營模式、金融資本等方面的支持。同時，耦合互動關(guān)系還有助于強(qiáng)化二三產(chǎn)業(yè)對農(nóng)業(yè)的技術(shù)咨詢、技術(shù)服務(wù)強(qiáng)度，提高農(nóng)業(yè)全要素生產(chǎn)率。此外，農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚的合作效應(yīng)還能“倒逼”農(nóng)業(yè)發(fā)展，從而促使農(nóng)業(yè)生產(chǎn)不斷優(yōu)化。2)規(guī)模效應(yīng)。農(nóng)業(yè)與二三產(chǎn)業(yè)的協(xié)同集聚能夠形成聯(lián)動效果，使農(nóng)業(yè)生產(chǎn)發(fā)展需要的供應(yīng)服務(wù)、信息服務(wù)等不斷嵌入到農(nóng)業(yè)生產(chǎn)流程，從而降低農(nóng)業(yè)生產(chǎn)的成本；此外，農(nóng)業(yè)與二三產(chǎn)業(yè)的協(xié)同集聚強(qiáng)化了二三產(chǎn)業(yè)與農(nóng)業(yè)融合的嵌入水平與交叉方式，產(chǎn)業(yè)間要素集聚程度與流動速度不斷加大，從而有助于實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的規(guī)模效應(yīng)。3)知識溢出效應(yīng)。農(nóng)業(yè)與二三產(chǎn)業(yè)的協(xié)同集聚有助于形成知識傳輸網(wǎng)絡(luò)，因此農(nóng)業(yè)接觸到二三產(chǎn)業(yè)知識技術(shù)的速度更快、成本更低，從而強(qiáng)化了顯性知識的溢出效果。此外，知識還具有內(nèi)隱性，因此空間上集聚的大量知識技術(shù)難以被有效傳播，而農(nóng)業(yè)與二三產(chǎn)業(yè)的協(xié)同集聚還加強(qiáng)了產(chǎn)業(yè)間勞動力的交流與學(xué)習(xí)，從而增強(qiáng)了隱性知識的溢出。綜上，農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚強(qiáng)化了知識溢出的效果，從而有助于技術(shù)進(jìn)步與農(nóng)業(yè)全要素生產(chǎn)率提升。4)價(jià)值俘獲效應(yīng)。二三產(chǎn)業(yè)為農(nóng)業(yè)生產(chǎn)提供了有力的智力支持，可以將自身高素質(zhì)的智力資本、規(guī)范化的商業(yè)模式以及專業(yè)化的服務(wù)流程不斷向第一產(chǎn)業(yè)嵌入，從而引導(dǎo)農(nóng)業(yè)生產(chǎn)過程不斷向高附加值延伸，提高農(nóng)業(yè)生產(chǎn)價(jià)值鏈水平。同時，農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚提高了農(nóng)業(yè)上下游產(chǎn)業(yè)鏈的黏性，并衍生多種農(nóng)業(yè)新業(yè)態(tài)(如智慧農(nóng)業(yè)、訂單農(nóng)業(yè)、農(nóng)業(yè)電商、觀光農(nóng)業(yè)等)，從而增強(qiáng)了農(nóng)業(yè)價(jià)值鏈的競爭力，俘獲更多利潤價(jià)值?；谝陨戏治?，提出研究假說H1：

H1：農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚有助于農(nóng)業(yè)全要素生產(chǎn)率的提高。

1.2 數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率的影響

數(shù)字經(jīng)濟(jì)具有自我迭代、無限收斂以及邊際成本無限趨于零的特點(diǎn)，主要通過以下幾個方面影響農(nóng)業(yè)全要素生產(chǎn)率。1)數(shù)字經(jīng)濟(jì)有助于實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的規(guī)模經(jīng)濟(jì)，從而提高全要素生產(chǎn)率。農(nóng)業(yè)生產(chǎn)面臨農(nóng)藥、化肥等固定成本以及管護(hù)成本、輔助生產(chǎn)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(shù)字經(jīng)濟(jì)范式加以降低。此外，數(shù)字經(jīng)濟(jì)實(shí)現(xiàn)了技術(shù)、信息、物質(zhì)等要素的平臺化，有助于農(nóng)業(yè)生產(chǎn)者更便捷地獲取生產(chǎn)活動中所需要的相關(guān)要素乃至合作者，從而降低了相關(guān)交易成本，形成規(guī)模經(jīng)濟(jì)。2)數(shù)字經(jīng)濟(jì)有助于優(yōu)化農(nóng)業(yè)生產(chǎn)流程，從而提高農(nóng)業(yè)全要素生產(chǎn)率。①產(chǎn)前階段，農(nóng)業(yè)生產(chǎn)面臨融資約束、市場參與度不高等問題，數(shù)字經(jīng)濟(jì)的發(fā)展可以使農(nóng)業(yè)生產(chǎn)更精準(zhǔn)地把握市場的差異化需求，從而緩解農(nóng)業(yè)生產(chǎn)與市場需求的信息不對稱。同時，數(shù)字經(jīng)濟(jì)還能強(qiáng)化農(nóng)業(yè)與金融機(jī)構(gòu)的信任，從而更容易獲得金融機(jī)構(gòu)的融資支持等。②產(chǎn)中階段，數(shù)字經(jīng)濟(jì)發(fā)展(如遙感技術(shù)等)實(shí)現(xiàn)了農(nóng)業(yè)生產(chǎn)中養(yǎng)分、氣候變化、市場波動等重要數(shù)據(jù)的持續(xù)監(jiān)控、實(shí)時獲取，同時大數(shù)據(jù)技術(shù)可以實(shí)時對監(jiān)控的數(shù)據(jù)進(jìn)行分析，模擬最優(yōu)的生產(chǎn)流程，實(shí)現(xiàn)精準(zhǔn)作業(yè)與效率最優(yōu)化。此外，數(shù)字經(jīng)濟(jì)發(fā)展還能實(shí)現(xiàn)農(nóng)業(yè)知識技術(shù)、農(nóng)業(yè)研發(fā)人員、農(nóng)業(yè)生產(chǎn)過程的物聯(lián)，服務(wù)農(nóng)民生產(chǎn)決策。③產(chǎn)后階段，農(nóng)業(yè)生產(chǎn)面臨的問題在于交易過程的人為機(jī)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(shù)與數(shù)據(jù)存儲技術(shù)可以實(shí)現(xiàn)交易過程的自動化，避免人為的機(jī)會成本；同時物聯(lián)網(wǎng)能有效銜接物理空間與網(wǎng)絡(luò)空間，拓寬了農(nóng)產(chǎn)品的交易空間。3)數(shù)字經(jīng)濟(jì)有助于實(shí)現(xiàn)技術(shù)進(jìn)步，從而提高農(nóng)業(yè)全要素生產(chǎn)率。熊彼特的創(chuàng)新理論提出創(chuàng)新就是要實(shí)現(xiàn)生產(chǎn)要素的重新排列組合，數(shù)字經(jīng)濟(jì)為生產(chǎn)函數(shù)帶來了新的生產(chǎn)要素，這樣生產(chǎn)函數(shù)由傳統(tǒng)的

Y

=AF(

L

,

K

)轉(zhuǎn)變?yōu)?p>Y

=AF(

D

,

L

,

K

)，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(shù)進(jìn)步?；谝陨戏治?，提出研究假說H2：

H2：數(shù)字經(jīng)濟(jì)有助于農(nóng)業(yè)全要素生產(chǎn)率的提高。

1.3 數(shù)字經(jīng)濟(jì)的調(diào)節(jié)效應(yīng)

本研究認(rèn)為數(shù)字經(jīng)濟(jì)在產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響中發(fā)揮正向調(diào)節(jié)作用，主要原因包括：①農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚的第一個突出表現(xiàn)為產(chǎn)業(yè)間耦合互動，形成合作網(wǎng)絡(luò)；此時，數(shù)字經(jīng)濟(jì)能夠基于默克爾樹(Merkle樹)等多種算法，能夠迅速、準(zhǔn)確地調(diào)動農(nóng)業(yè)與二三產(chǎn)業(yè)合作網(wǎng)絡(luò)中的相關(guān)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(zhuǎn)速度。此外，數(shù)字經(jīng)濟(jì)通過不可篡改、可溯源的分布式記賬手段，可以為農(nóng)業(yè)與二三產(chǎn)業(yè)合作網(wǎng)絡(luò)增添加密性、有限訪問性、數(shù)字簽驗(yàn)證等特征，提高了合作網(wǎng)絡(luò)的穩(wěn)定性。②農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚的第二個突出表現(xiàn)為外部性特征；此時，數(shù)字經(jīng)濟(jì)可以通過構(gòu)建產(chǎn)業(yè)間合作背書機(jī)制，降低農(nóng)業(yè)搜尋、復(fù)制二三產(chǎn)業(yè)知識技術(shù)，核實(shí)二三產(chǎn)業(yè)合作伙伴合法性，追蹤二三產(chǎn)業(yè)外部知識技術(shù)的成本，提高合作各方的嵌入程度與資源拼湊速度。③農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚的第三個突出表現(xiàn)為二三產(chǎn)業(yè)在農(nóng)業(yè)中的內(nèi)嵌化；此時，數(shù)字經(jīng)濟(jì)中的區(qū)塊鏈技術(shù)作為一種去中心化的分布式記賬方式，加強(qiáng)了農(nóng)業(yè)與二三產(chǎn)業(yè)的聯(lián)系與互動，降低了雙方之間的信息不對稱，加強(qiáng)了雙方之間的信任，農(nóng)業(yè)從而更容易獲得二三產(chǎn)業(yè)的支持?；谝陨戏治觯岢鲅芯考僬fH3：

H3：數(shù)字經(jīng)濟(jì)在農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響中發(fā)揮正向調(diào)節(jié)作用。

基于上述分析，本研究構(gòu)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(gòu)建與實(shí)證分析

2.1 數(shù)據(jù)來源和變量設(shè)置

本研究數(shù)據(jù)來源于《中國農(nóng)村統(tǒng)計(jì)年鑒》、《中國統(tǒng)計(jì)年鑒》、《中國城市統(tǒng)計(jì)年鑒》、各省統(tǒng)計(jì)年鑒以及《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》。其中測算農(nóng)業(yè)全要素生產(chǎn)率指數(shù)的投入產(chǎn)出指標(biāo)數(shù)據(jù)來源于《中國農(nóng)村統(tǒng)計(jì)年鑒》、《中國統(tǒng)計(jì)年鑒》以及各省的統(tǒng)計(jì)年鑒，數(shù)字經(jīng)濟(jì)數(shù)據(jù)來源于《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》，產(chǎn)業(yè)協(xié)同集聚數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒》以及各省統(tǒng)計(jì)年鑒。數(shù)據(jù)類型為2013—2019年的省級面板數(shù)據(jù)。

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

①SBM模型：

假定決策單元(DMU)的個數(shù)為

n

，每個決策單元使用的投入數(shù)量為

m

，產(chǎn)出的數(shù)量為s，這樣對于決策單元，產(chǎn)出導(dǎo)向可變規(guī)模報(bào)酬下的SBM模型如下：
s.t.

Xλ

≤

X

Yλ

-

s

=

y

λ

,

s

≥0

(1)

式中：

ρ

為效率值；

λ

為權(quán)重向量；為產(chǎn)出的松弛變量。

②GML指數(shù)：

GTEC,+1×GTC,+1

(2)

式中：為Global生產(chǎn)可能性集合；GTE與GTEC分別為農(nóng)業(yè)技術(shù)效率與農(nóng)業(yè)技術(shù)效率變動情況，GTC為農(nóng)業(yè)技術(shù)進(jìn)步。本研究使用2013—2019年我國31個省份的農(nóng)業(yè)投入產(chǎn)出數(shù)據(jù)(統(tǒng)計(jì)數(shù)據(jù)未含港、澳、臺地區(qū))對農(nóng)業(yè)全要素生產(chǎn)率指數(shù)及其分解項(xiàng)進(jìn)行測算，由于本研究傾向于計(jì)算農(nóng)林牧漁業(yè)中農(nóng)業(yè)的全要素生產(chǎn)率指數(shù)，故借鑒已有研究，本研究的投入產(chǎn)出指標(biāo)選取如下：①產(chǎn)出指標(biāo)：農(nóng)業(yè)生產(chǎn)總值(萬元)，并使用CPI指數(shù)進(jìn)行平減處理，數(shù)據(jù)來源于歷年《中國農(nóng)村統(tǒng)計(jì)年鑒》；②投入指標(biāo)：第一產(chǎn)業(yè)從業(yè)人員(萬人)，數(shù)據(jù)來源于各省的統(tǒng)計(jì)年鑒，其中由于遼寧與西藏2019年的數(shù)據(jù)還未公布，因此使用插值法進(jìn)行估算；此外投入指標(biāo)還包括農(nóng)作物播種面積(萬hm)、農(nóng)用化肥施用量(萬t)、農(nóng)業(yè)機(jī)械總動力(萬kW)以及農(nóng)業(yè)用水總量(萬m)，數(shù)據(jù)來源于歷年《中國農(nóng)村統(tǒng)計(jì)年鑒》。本研究使用MAXDEA 7.0軟件對農(nóng)業(yè)全要素生產(chǎn)率指數(shù)及其分解項(xiàng)進(jìn)行測算。此外，本研究還將使用MI指數(shù)對農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行測算，以進(jìn)行穩(wěn)健性檢驗(yàn)。

2)自變量。本研究的自變量包括產(chǎn)業(yè)協(xié)同集聚與數(shù)字經(jīng)濟(jì)，其中：

①產(chǎn)業(yè)協(xié)同集聚指數(shù)。Ellison等最早對產(chǎn)業(yè)協(xié)同集聚進(jìn)行了測算，其核心思想是“標(biāo)靶模型”，在此基礎(chǔ)上，后續(xù)諸多研究進(jìn)行了改進(jìn)與發(fā)展，本研究借鑒王靜田等的方法，測算農(nóng)業(yè)與第二產(chǎn)業(yè)協(xié)同集聚指數(shù)、農(nóng)業(yè)與第三產(chǎn)業(yè)協(xié)同集聚指數(shù)，具體如下：

(3)

式中：coag為

i

產(chǎn)業(yè)與

j

產(chǎn)業(yè)的協(xié)同集聚指數(shù)；

L

為

r

省份

i

產(chǎn)業(yè)的區(qū)位熵；

L

為

r

省份

j

產(chǎn)業(yè)的區(qū)位熵。若coag值越大，則說明在

r

省份，

ij

產(chǎn)業(yè)之間的相關(guān)依賴、相互關(guān)聯(lián)程度越強(qiáng)，協(xié)同集聚水平越高，反之亦然。

②數(shù)字經(jīng)濟(jì)。農(nóng)業(yè)產(chǎn)業(yè)數(shù)字經(jīng)濟(jì)規(guī)模(digital)，來源于《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》對各省農(nóng)業(yè)產(chǎn)業(yè)數(shù)字經(jīng)濟(jì)規(guī)模的測算，相關(guān)核算已得到學(xué)術(shù)界廣泛應(yīng)用。

(3)控制變量。借鑒已有研究，本研究的控制變量包括：①農(nóng)業(yè)種植業(yè)結(jié)構(gòu)(aps)；以糧食播種面積與農(nóng)作物播種面積的比值表征。②自然環(huán)境(aenvir)；以受災(zāi)面積與農(nóng)作物播種面積比值表征。③財(cái)政支農(nóng)(afs)；以農(nóng)業(yè)獲得的財(cái)政支出與財(cái)政總支出的比值表征。④農(nóng)機(jī)密度(amd)；以農(nóng)業(yè)機(jī)械總動力與農(nóng)作物播種面積的比值表征。⑤收入分配結(jié)構(gòu)(indis)；以農(nóng)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?？傮w來看，近年來我國農(nóng)業(yè)全要素生產(chǎn)率總體呈現(xiàn)遞增趨勢。一二產(chǎn)業(yè)協(xié)同集聚的均值為2.800，略小于一三產(chǎn)業(yè)協(xié)同集聚程度的均值(2.802)，說明當(dāng)前我國農(nóng)業(yè)與第三產(chǎn)業(yè)的集聚程度更強(qiáng)；此外，全國31個省區(qū)市一二產(chǎn)業(yè)協(xié)同集聚程度總體呈現(xiàn)下降趨勢，而一三產(chǎn)業(yè)協(xié)同集聚程度總體上是上升的。同時，表2匯報(bào)了各變量的相關(guān)系數(shù)。

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

變量 Variable 均值Mean標(biāo)準(zhǔn)差Standard deviation最小值Minimum最大值Maximum農(nóng)業(yè)TFP指數(shù)Agricultural total factor productivity index1.0460.0680.7811.258技術(shù)效率Technical efficiency1.0030.0450.8141.162技術(shù)進(jìn)步Technical progress1.0430.0520.8601.259數(shù)字經(jīng)濟(jì)Digital economy552.215598.4154.6703 896.230一二產(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries2.8000.8570.6475.911一三產(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary industries2.8020.7121.4366.932收入分配結(jié)構(gòu)Income distribution structure2.6310.1992.2882.940農(nóng)業(yè)種植業(yè)結(jié)構(gòu)Agricultural planting industry structure0.6500.1420.3570.971自然環(huán)境Natural environment0.1360.1140.0000.618農(nóng)機(jī)密度Agricultural machinery density0.6900.3590.3302.463財(cái)政支農(nóng)Financial support for agriculture0.1180.0350.0410.203

表2 各變量相關(guān)系數(shù)
Table 2 Correlation coefficient of each variable

變量 Variable 農(nóng)業(yè)TFP指數(shù)Agriculturaltotalfactorproductivity數(shù)字經(jīng)濟(jì)Digitaleconomy一二產(chǎn)業(yè)協(xié)同集聚Collabo-rativeclusteringof primaryandsecondaryindustries一三產(chǎn)業(yè)協(xié)同集聚Collabo-rativeclusteringof primaryandtertiaryindustries收入分配結(jié)構(gòu)Incomedistri-butionstructure農(nóng)業(yè)種植業(yè)結(jié)構(gòu)Agricul-turalplantingindustrystructure自然環(huán)境Naturalenviron-ment農(nóng)機(jī)密度Agricul-turalmachi-nerydensity財(cái)政支農(nóng)Financialsupportforagricul-ture農(nóng)業(yè)TFP指數(shù)Agricultural total factorproductivity index1數(shù)字經(jīng)濟(jì)Digital economy 0.1821一二產(chǎn)業(yè)協(xié)同集聚Collaborative cluste-ring of primary and secondary industries 0.247-0.2641一三產(chǎn)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(jié)構(gòu)Income distributionstructure 0.233-0.319 0.059 0.0291農(nóng)業(yè)種植業(yè)結(jié)構(gòu)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(nóng)機(jī)密度Agricultural machin-ery density 0.134 0.011-0.173-0.116 0.025 0.050-0.1531財(cái)政支農(nóng)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(gòu)建

由于產(chǎn)業(yè)協(xié)同集聚指數(shù)的計(jì)算使用了第一產(chǎn)業(yè)從業(yè)人員數(shù)，但遼寧與西藏2019年的數(shù)據(jù)使用了插值法，因此可能會導(dǎo)致因測量誤差而導(dǎo)致的內(nèi)生性問題，因此為解決這一內(nèi)生性問題以及可能因遺漏變量導(dǎo)致的內(nèi)生性問題，在實(shí)證檢驗(yàn)產(chǎn)業(yè)協(xié)同集聚、數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率的影響時，本研究選擇系統(tǒng)GMM模型。分別構(gòu)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(nóng)業(yè)全要素生產(chǎn)率；aicoag與ascoag分別為一二產(chǎn)業(yè)協(xié)同集聚程度和一三產(chǎn)業(yè)協(xié)同集聚程度；digital為數(shù)字經(jīng)濟(jì)發(fā)展；

φ

、

μ

、

ε

分別為時間固定效應(yīng)、個體固定效應(yīng)以及隨機(jī)擾動項(xiàng)。其中模型(4)與(5)分別用來檢驗(yàn)一二產(chǎn)業(yè)協(xié)同集聚、一三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率的影響；模型(6)用來檢驗(yàn)數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率的影響；模型(7)和(8)用來檢驗(yàn)數(shù)字經(jīng)濟(jì)在產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響中的調(diào)節(jié)作用。

2.3 實(shí)證結(jié)果分析

在使用GMM模型回歸前，由于數(shù)字經(jīng)濟(jì)值偏大，在實(shí)證檢驗(yàn)時將數(shù)字經(jīng)濟(jì)除以100，同時使用穩(wěn)健的標(biāo)準(zhǔn)誤，以避免可能的異方差等問題。此外，為避免實(shí)證結(jié)果出現(xiàn)“偽回歸”，使用HT檢驗(yàn)對主要變量進(jìn)行單位根檢驗(yàn)，結(jié)果強(qiáng)烈拒絕了面板包含單位根的原假設(shè)，說明面板為平穩(wěn)過程(表3)。

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

變量 Variable HT檢驗(yàn) HT testZ值 Z valueP值 P value結(jié)論Conclusion農(nóng)業(yè)全要素生產(chǎn)率指數(shù)Agricultural total factor productivity index-8.2800.000平穩(wěn) Smooth一二產(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries-6.1780.000平穩(wěn) Smooth一三產(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary industries-7.2790.000平穩(wěn) Smooth數(shù)字經(jīng)濟(jì) Digital economy-13.8880.000平穩(wěn) Smooth

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

第一，①從模型(1)和(2)的回歸結(jié)果可以看出，農(nóng)業(yè)與第二產(chǎn)業(yè)協(xié)同集聚、農(nóng)業(yè)與第三產(chǎn)業(yè)協(xié)同集聚的系數(shù)分別為0.062與0.068，分別通過了5%與1%顯著性水平檢驗(yàn)，說明農(nóng)業(yè)與第二產(chǎn)業(yè)協(xié)同集聚、農(nóng)業(yè)與第三產(chǎn)業(yè)協(xié)同集聚均有助于農(nóng)業(yè)全要素生產(chǎn)率的提高，驗(yàn)證了研究假說H1，即農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚有助于農(nóng)業(yè)全要素生產(chǎn)率的提高。這一結(jié)論證明了現(xiàn)有關(guān)于產(chǎn)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(jīng)濟(jì)增長、創(chuàng)新能力等的研究，并從農(nóng)業(yè)產(chǎn)業(yè)實(shí)踐的角度進(jìn)行了補(bǔ)充。②此外，從顯著性水平與回歸系數(shù)可以看出，現(xiàn)階段農(nóng)業(yè)與第三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率的促進(jìn)作用要優(yōu)于農(nóng)業(yè)與第二產(chǎn)業(yè)協(xié)同集聚的促進(jìn)作用。主要的原因可能在于當(dāng)前我國農(nóng)業(yè)企業(yè)實(shí)力普遍不強(qiáng)，深度嵌入農(nóng)業(yè)生產(chǎn)并形成一體化農(nóng)業(yè)平臺的能力還有待完善，此外農(nóng)業(yè)議價(jià)能力較弱，收益多被第二產(chǎn)業(yè)攝?。欢蝗a(chǎn)業(yè)協(xié)同集聚在近年來不斷衍生了冷鏈物流、電商農(nóng)業(yè)、智慧農(nóng)業(yè)等一三產(chǎn)業(yè)融合的新業(yè)態(tài)；等等原因造成了一三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率的促進(jìn)作用要高于一二產(chǎn)業(yè)協(xié)同集聚的促進(jìn)作用。

第二，從模型(3)的回歸結(jié)果可以看出，數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率影響的系數(shù)為0.009，通過了10%顯著性水平檢驗(yàn)，說明數(shù)字經(jīng)濟(jì)顯著提升了我國農(nóng)業(yè)全要素生產(chǎn)率，驗(yàn)證了研究假說H2，即數(shù)字經(jīng)濟(jì)有助于農(nóng)業(yè)全要素生產(chǎn)率的提高。當(dāng)前關(guān)于數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)全要素生產(chǎn)率的研究還不夠系統(tǒng)，已有的研究主要是以數(shù)字經(jīng)濟(jì)的某個方面為切入點(diǎn)展開對農(nóng)業(yè)全要素生產(chǎn)率的研究，但互聯(lián)網(wǎng)普及及移動電話擁有量等指標(biāo)更多的是反映了數(shù)字產(chǎn)業(yè)化的范疇，然而數(shù)字經(jīng)濟(jì)還包括數(shù)字產(chǎn)業(yè)化中的大數(shù)據(jù)應(yīng)用、云計(jì)算以及數(shù)字化治理等諸多方面，因此本研究更為全面地刻畫了數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率的影響。

第三，從模型(4)和(5)的回歸結(jié)果可以看出，數(shù)字經(jīng)濟(jì)與一二產(chǎn)業(yè)協(xié)同集聚交互項(xiàng)以及數(shù)字經(jīng)濟(jì)與一三產(chǎn)業(yè)協(xié)同集聚交互項(xiàng)的系數(shù)均為正(系數(shù)分別為0.016、0.028)，且分別通過了10%與5%顯著性水平檢驗(yàn)，說明數(shù)字經(jīng)濟(jì)在一二產(chǎn)業(yè)協(xié)同集聚、一三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響中發(fā)揮顯著的正向調(diào)節(jié)作用，驗(yàn)證了研究假說H3，說明數(shù)字經(jīng)濟(jì)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(diǎn)，能夠強(qiáng)化農(nóng)業(yè)與二三產(chǎn)業(yè)合作的穩(wěn)定性與效率、提高產(chǎn)業(yè)間嵌入程度與資源拼湊速度、降低產(chǎn)業(yè)間信息不對稱，從而提高農(nóng)業(yè)全要素生產(chǎn)率。

第四，在基準(zhǔn)回歸的基礎(chǔ)上，進(jìn)行地區(qū)異質(zhì)性檢驗(yàn)，根據(jù)2019年各地區(qū)的平均總產(chǎn)值，西部地區(qū)與東北地區(qū)各省平均總產(chǎn)值較為接近，東部地區(qū)與中部地區(qū)各省平均總產(chǎn)值較為接近，因此設(shè)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(zhì)性回歸結(jié)果看：①西部地區(qū)與東北地區(qū)一二產(chǎn)業(yè)協(xié)同集聚、一三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響的系數(shù)分別為0.014與0.018，分別通過了10%與5%顯著性水平檢驗(yàn)；這說明，相對東中部地區(qū)，農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚對西部地區(qū)和東北地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的促進(jìn)作用更為明顯?？赡艿脑蛟谟冢?dāng)前東中部地區(qū)農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚水平已經(jīng)較好，因此西部地區(qū)與東北地區(qū)農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚的邊際效應(yīng)更高。②西部地區(qū)與東北地區(qū)數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)全要素生產(chǎn)率影響的系數(shù)為-0.005，通過了10%顯著性水平檢驗(yàn)；這說明相對西部地區(qū)和東北地區(qū)，數(shù)字經(jīng)濟(jì)對東中部地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的影響更為顯著。可能的原因在于，數(shù)字經(jīng)濟(jì)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(jīng)濟(jì)發(fā)展水平是農(nóng)業(yè)數(shù)字化轉(zhuǎn)型的戰(zhàn)略基礎(chǔ)與前置因素。

表4 實(shí)證回歸結(jié)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(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries0.062***(3.02)-0.009(-0.18)一三產(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary in-dustries0.068***(2.87)-0.054(-0.74)數(shù)字經(jīng)濟(jì)Digital economy0.009*(1.82)-0.049(-1.45)-0.0881(-1.46)一二產(chǎn)業(yè)協(xié)同集聚×數(shù)字經(jīng)濟(jì)Collaborative clustering of primary and secondary industries×Digital economy0.016*(1.80)一三產(chǎn)業(yè)協(xié)同集聚×數(shù)字經(jīng)濟(jì)Collaborative clustering of primary and tertiary in-dustries×Digital economy0.028**(2.06)收入分配結(jié)構(gòu)Income distribution structure0.081(0.63)0.167(1.50)0.331*(1.79)-0.011(-0.03)0.332(1.12)農(nóng)業(yè)種植業(yè)結(jié)構(gòu)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(nóng)機(jī)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(cái)政支農(nóng)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(shù)項(xiàng) Constant1.199***(2.60)0.715(1.55)0.573(0.89)2.462**(2.52)1.681(1.22)AR(2)檢驗(yàn)-P值A(chǔ)R (2) test-P value0.2090.5820.4700.1660.826Hansen檢驗(yàn)-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(yàn)；括號內(nèi)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(zhì)性檢驗(yàn)
Table 5 Regional heterogeneity test

變量 Variable 一二產(chǎn)業(yè)協(xié)同集聚地區(qū)異質(zhì)性Regionalheterogeneityof the collaborativeclustering ofprimary andsecondary industries一三產(chǎn)業(yè)協(xié)同集聚地區(qū)異質(zhì)性Regionalheterogeneityof the collaborativeclustering ofprimary andtertiary industries數(shù)字經(jīng)濟(jì)地區(qū)異質(zhì)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(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries0.068***(7.22)一三產(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary industries0.026**(1.98)數(shù)字經(jīng)濟(jì)Digital economy0.001(1.32)一二產(chǎn)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(chǎn)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(shù)字經(jīng)濟(jì)×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(shù)項(xiàng) Constant1.417***1.695***1.229***AR(2)檢驗(yàn)-P值A(chǔ)R (2) test-P value0.1650.2650.129Hansen檢驗(yàn)-P值 Hansen test-P value0.2220.1000.981

2.4 穩(wěn)健性檢驗(yàn)

在實(shí)證結(jié)果的基礎(chǔ)上，本研究首先使用替換因變量的方法進(jìn)行穩(wěn)健性檢驗(yàn)，回歸結(jié)果見表6。穩(wěn)健性結(jié)果與實(shí)證結(jié)果所得出的結(jié)論基本一致，驗(yàn)證了實(shí)證結(jié)果的穩(wěn)健性。

表6 穩(wěn)健性檢驗(yàn)結(jié)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(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and secondary industries0.044**(1.99)0.010(0.40)一三產(chǎn)業(yè)協(xié)同集聚Collaborative clustering of primary and tertiary in-dustries0.046*(1.66)-0.144***(-3.85)數(shù)字經(jīng)濟(jì)Digital economy0.019***(2.62)0.001(0.02)-0.089***(-4.30)一二產(chǎn)業(yè)協(xié)同集聚×數(shù)字經(jīng)濟(jì)Collaborative clustering of primary and secondary industries×Digital economy0.006*(1.64)一三產(chǎn)業(yè)協(xié)同集聚×數(shù)字經(jīng)濟(jì)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(shù)項(xiàng) Constant1.046***(4.01)0.869***(2.63)0.757***(3.11)0.806***(3.29)1.257***(5.83)AR(2)檢驗(yàn)-P值A(chǔ)R (2) test-P value0.4050.1680.1780.1660.826Hansen檢驗(yàn)-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(chǎn)業(yè)協(xié)同集聚的工具變量進(jìn)行內(nèi)生性檢驗(yàn)，選取依據(jù)為產(chǎn)業(yè)協(xié)同集聚是產(chǎn)業(yè)間相互關(guān)聯(lián)與依賴的現(xiàn)象，當(dāng)一個地區(qū)的協(xié)同環(huán)境更好時，產(chǎn)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(nóng)業(yè)全要素生產(chǎn)率。為此，借鑒張慧等的方法，采用“省份名稱+協(xié)同”為關(guān)鍵詞在百度上搜索的獨(dú)立網(wǎng)站數(shù)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(jìn)行實(shí)證檢驗(yàn)，結(jié)果表明，一二產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響的系數(shù)為0.063，通過了5%顯著性水平檢驗(yàn)；一三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響的系數(shù)為0.167，通過了10%顯著性水平檢驗(yàn)。這一結(jié)果表明，在控制內(nèi)生性后，實(shí)證分析結(jié)果依然穩(wěn)健。

最后，本研究還對產(chǎn)業(yè)協(xié)同集聚進(jìn)行變量替換，以檢驗(yàn)實(shí)證結(jié)果的穩(wěn)健性。在實(shí)證分析中，農(nóng)業(yè)與二三產(chǎn)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(chǎn)從業(yè)人員數(shù)計(jì)算各省份不同產(chǎn)業(yè)的區(qū)位熵與產(chǎn)業(yè)協(xié)同集聚指數(shù)。在穩(wěn)健性檢驗(yàn)中，本研究使用各省三產(chǎn)產(chǎn)值計(jì)算各省份不同產(chǎn)業(yè)的區(qū)位熵與產(chǎn)業(yè)協(xié)同集聚指數(shù)，在此基礎(chǔ)上，使用系統(tǒng)GMM方法進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果顯示，一二產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響的系數(shù)為0.051，通過了10%顯著性水平檢驗(yàn)；一三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響的系數(shù)為0.090，通過了1%顯著性水平檢驗(yàn)。這一結(jié)論驗(yàn)證了實(shí)證結(jié)果的穩(wěn)健性。

3 結(jié)論與建議

新發(fā)展階段，農(nóng)業(yè)與二三產(chǎn)業(yè)的聯(lián)系愈加密切，數(shù)字經(jīng)濟(jì)逐漸成長為我國經(jīng)濟(jì)發(fā)展的新動能。為此，本研究基于產(chǎn)業(yè)協(xié)同集聚與數(shù)字經(jīng)濟(jì)的視角，探究了農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚、數(shù)字經(jīng)濟(jì)對我國農(nóng)業(yè)全要素生產(chǎn)率的影響與機(jī)制。結(jié)果發(fā)現(xiàn)，近年來我國農(nóng)業(yè)全要素生產(chǎn)率總體呈現(xiàn)遞增趨勢。一二產(chǎn)業(yè)協(xié)同集聚程度總體呈現(xiàn)下降趨勢，而一三產(chǎn)業(yè)協(xié)同集聚程度總體上是上升的，且一二產(chǎn)業(yè)協(xié)同集聚程度小于一三產(chǎn)業(yè)協(xié)同集聚程度?；貧w結(jié)果顯示：農(nóng)業(yè)與第二產(chǎn)業(yè)協(xié)同集聚、農(nóng)業(yè)與第三產(chǎn)業(yè)協(xié)同集聚均有助于我國農(nóng)業(yè)全要素生產(chǎn)率的提升，且從顯著性水平與回歸系數(shù)可以看出，現(xiàn)階段農(nóng)業(yè)與第三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率的促進(jìn)作用要優(yōu)于農(nóng)業(yè)與第二產(chǎn)業(yè)協(xié)同集聚的促進(jìn)作用。數(shù)字經(jīng)濟(jì)不僅顯著提高了我國農(nóng)業(yè)全要素生產(chǎn)率，還在一二產(chǎn)業(yè)協(xié)同集聚、一三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率影響中發(fā)揮顯著的正向調(diào)節(jié)作用。

基于此，從以下方面提出農(nóng)業(yè)全要素生產(chǎn)率提高的建議。首先，加強(qiáng)農(nóng)業(yè)與二三產(chǎn)業(yè)的交流協(xié)作。實(shí)證結(jié)果顯示農(nóng)業(yè)與二三產(chǎn)業(yè)協(xié)同集聚均顯著提高了農(nóng)業(yè)全要素生產(chǎn)率，因此應(yīng)加強(qiáng)農(nóng)業(yè)與二三產(chǎn)業(yè)的交流協(xié)作，政府可通過農(nóng)業(yè)技術(shù)示范園區(qū)、農(nóng)業(yè)現(xiàn)代產(chǎn)業(yè)園等協(xié)同集聚區(qū)的建立，引導(dǎo)二三產(chǎn)業(yè)深度嵌入到農(nóng)業(yè)生產(chǎn)的全過程。其次，優(yōu)化第二產(chǎn)業(yè)，強(qiáng)化第三產(chǎn)業(yè)。研究結(jié)果顯示當(dāng)前一三產(chǎn)業(yè)協(xié)同集聚對農(nóng)業(yè)全要素生產(chǎn)率提高的促進(jìn)作用要優(yōu)于一二產(chǎn)業(yè)協(xié)同集聚。因此，應(yīng)重點(diǎn)發(fā)展第三產(chǎn)業(yè)，根據(jù)農(nóng)業(yè)與第三產(chǎn)業(yè)相互關(guān)聯(lián)的可能性，有針對性地選取部分第三產(chǎn)業(yè)進(jìn)行重點(diǎn)培育，以盡可能地創(chuàng)造一三產(chǎn)業(yè)融合新業(yè)態(tài)。同時還要優(yōu)化第二產(chǎn)業(yè)，尤其是要加大對農(nóng)業(yè)企業(yè)的資金支持與政策引導(dǎo)，強(qiáng)化農(nóng)業(yè)企業(yè)的主體地位，從而為農(nóng)業(yè)發(fā)展提供全產(chǎn)業(yè)鏈服務(wù)。第三，強(qiáng)化數(shù)字經(jīng)濟(jì)建設(shè)。要充分發(fā)揮數(shù)字經(jīng)濟(jì)在實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)、優(yōu)化農(nóng)業(yè)生產(chǎn)流程以及緩解產(chǎn)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(jìn)一步轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)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(shù)字經(jīng)濟(jì)”驅(qū)動型發(fā)展方式轉(zhuǎn)變，釋放數(shù)字經(jīng)濟(jì)潛能，逐步培養(yǎng)數(shù)字經(jīng)濟(jì)成為農(nóng)業(yè)經(jīng)濟(jì)發(fā)展新的增長極。