1. 引言
随着我国经历着大规模数字变革,以云计算、人工智能、区块链,5G通信、电子商务、移动支付为代表的数字基建加快部署建设,大量数据作为生产要素参与分配,数字生产力逐步形成,数字经济快速成为当前最活跃的领域。在这一大背景下,我国政府高度重视数字经济对农业的赋能作用,先后发布《“十四五”数字经济发展规划》《“十四五”全国农业农村信息化发展规划》等文件,指出要统筹推进智慧农业和数字乡村建设,提升农业生产、加工、销售、物流等各环节数字化水平,全面推进农业全产业链数字化转型。2023年2月13日,《中共中央国务院关于做好2023年全面推进乡村振兴重点工作的意见》1指出,要全面推进乡村振兴,加快农业农村现代化。但我国农业发展仍面临生产技术含量较低、生产效率低下,资源利用率低、产品附加值较低等问题。2022年我国农产品贸易额达2468亿美元,出口额仅为706亿美元,且从2017年开始,贸易逆差开始大幅增长,到2021年底,贸易逆差已经达到1354.6亿美元,同比增长42.94%。2022年我国已是世界上最大的农产品贸易逆差国。
2022年7月,中国信息通信研究院发布了《中国数字经济发展报告(2022)》2指出数字技术在农业生产经营活动渗透率不断提升,2020年全国农业生产信息化水平为22.5%;电商平台有效助力乡村振兴,2021年全国农产品网络零售额达4221亿元,同比增长2.8%。这表明数字技术与农业生产流通等各个环节的融合为农产品出口贸易带来机遇,基于此,本文研究数字经济与传统农业经济的融合能否有效助力我国农产品出口贸易?二者之间影响是否存在异质性?分析和回答上述问题对于增强我国农产品出口竞争力有重要意义。
2. 文献综述
与本文内容关联的研究有三类,一类是关于数字经济对农业发展效应的研究。文丰安,李娜[1]指出,数字信息技术通过带动产业融合解决农村产业链条延伸不充分问题;陈洁梅,林曾[2]研究发现,通过数字基础设施建设,可以提高农业产业链资源利用率,具体可以通过搭建涉农监测平台、构建农业大数据基础数据资源体系与技术服务体系推动农业供应链现代化;张佳,王超齐[3]提出数字经济在农业生产、销售环节的积极运用,促进农业产业升级及农民增收,推动农业产业持续性发展,从而实现农业产业价值再创造;明宪玲[4]表明,农业数字化能够实现渠道关系创新、渠道参与主体创新、流通技术手段创新等,有效降低农产品流通费用,加快农产品流通现代化进程。
一类是关于数字经济对出口贸易效应的研究。范鑫[5]构建异质性随机前沿引力模型,发现数字经济能够减少贸易阻力,提高贸易效率;李凯杰,司宇,董丹丹[6]提出数字经济通过提高创新能力与生产能力影响出口贸易韧性,具体表现为数字经济的信息技术优势通过提高创新能力提高资源配置效率,摆脱外部冲击强化出口韧性,数字化信息优势加深产业链融合度,提高生产能力,丰富出口品类增强出口韧性;党文娟,杨韵[7]指出数字经济以生产高效率与创新性的特点提升地区技术水平,改善地区产业结构,对出口技术复杂度产生正向影响,促进出口贸易质量。
一类是关于数字经济对农产品出口贸易效应的研究。黄成亮[8]提出在数字经济背景下,数字技术与生产设备结合可以提高生产质量推动贸易结构优化、数字化平台能够推动农产品品牌出海拓宽贸易渠道、优化农产品国际物流体系建设及加强贸易人才培养,以此实现农业贸易高质量发展;徐玉梅,刘爽[9]认为数字技术有效推动我国传统农业生产方式转型升级、拓宽农产品销售渠道、促进农业经济发展;马兆良,郭梦旭[10]认为数字经济扩大农产品出口规模、提高农产品出口技术复杂度,并且提出农村人力资本水平差异极大,数字经济对农产品出口贸易的影响效果可能会因此存在一定差异。也有学者从跨境电商等数字经济的早期形态对农产品出口贸易的影响进行分析。唐忠,李晶[11]指出跨境电商不同于传统贸易形式,通过降低出口贸易距离障碍和语言文化障碍,减少农产品出口贸易成本,显著促进农产品出口贸易发展;李田华[12]研究发现,跨境电商能够简化农产品出口贸易流程、降低农产品出口物流成本、避开出口贸易壁垒等,为国内外农产品贸易提供高质量发展平台,有效扩大贸易规模。
3. 理论分析与研究假设
3.1. 数字经济对农产品出口贸易的影响
迟明园,石雅楠[13]提出数字经济与各产业跨界融合,使产业的生产、流转、销售等环节得到优化,产业效率不断提高。因此,本文从生产、流通、销售环节分析数字经济对农产品出口贸易的影响机制。
在农产品生产环节,数字化信息作为新的生产要素,转变传统农业生产模式走向数字农业发展模式。如通过遥感技术、地理信息系统等数字信息技术及时获取关注地区的土壤水源特征、物种生物特性及气候天气等信息,从而实现智能化育种;在收割机、播种机等农业机械上配备农药喷洒装置或化肥施用装置,控制农药化肥的施用量,实现农业生产精准作业;人工智能算法整合全国范围的农业生产和产品库存等数据,预测农作物产出状况与市场需求,缓解生产周期性问题;数字普惠金融为中小农户提供便捷农业生产融资,创新金融服务模式,实现金融风险共担。
在农产品出口流通环节,数字技术实现贸易谈判、合同签订、出口报关、检验检疫、单证审核等贸易流程线上化,降低贸易时间成本;数字贸易电商平台削减中间商佣金、审查进出口商经营资质,降低出口贸易成本;智慧冷链物流体系保证国际运输中易腐农产品不易变质、不易损耗,提高出口农产品质量。智慧物流体系能够精准追踪货物运输,供需双方实时掌握货物轨迹,提高合作沟通效率。
在农产品出口销售环节,大数据技术精准挖掘、分析农产品销售数据,农户及农产品生产企业可以了解市场需求,升级改造产品形象,构建精准营销模式。电商平台的出现为各类农产品企业提供了出口贸易机会,各类企业都可以在平台上发布农产品信息进行公平竞争。农产品生产企业可以利用数字化销售平台和电商平台,搭建自己的线上销售渠道,实现更大规模的销售。基于以上分析,提出假设H1。
H1:数字经济对我国农产品出口贸易发展存在显著直接正向影响。
3.2. 数字经济对农产品出口贸易的异质性影响
郑小碧,伍佳慧[14]指出长江经济带下游地区的数字经济发展对经济高质量发展的推动作用要强于上游、中游地区。其下、中、上游的省市大致能与我国东、中、西三大区域对应;李旭静,雷娜[15]基于空间溢出效应视角证明数字经济通过调整就业结构与提高劳动生产率助力乡村振兴,并针对东部、中西部进行空间溢出效应分析,认为东部地区数字经济对农村振兴的驱动效应更加明显;王善高[16]提出数字经济对农业高质量发展的影响存在区域和时间上的异质性,整体表现为从东部地区向中部和西部地区逐次降低。
我国东部地区以浙江省为例,其“产业数字化”与“数字产业化”高度融合,数字经济高速发展,浙江杭州拥有阿里巴巴、网易等大型互联网公司,为其数字经济发展提供了强大的技术支持与数字建设环境;中国中部地区的数字发展水平落后于东部地区,其数字红利未能很好激发出来;西部地区以陕西省为例,其数字技术研发、应用创新等方面与发达地区存在较大差距,数字化转型进程相对较慢,未来其数字经济发展潜力巨大。由此可见,我国各地区数字经济发展水平可能存在较大差异。基于以上分析,提出假设H2。
H2:数字经济对不同地域农产品出口贸易产生的影响存在异质性。
4. 研究设计
4.1. 模型构建
为验证假说H1与H2,构建如下计量方程,见公式(1):
(1)
其中i代表各个省、市、自治区,t代表相应年份,lnEXPit为被解释变量,代表出口额。DEIit为核心解释变量,代表数字经济发展指数,OPENit、GOVit、lnGDPit、lnPEOPLEit、lnPOWERit为控制变量,分别代表对外开放程度、政府干预程度、地区生产总值、地区总人口、农业机械总动力。regi表示对省份的固定效应,yeart表示对年份的固定效应,μit的为随机误差序列。β1、β2、β3、β4、β5、β6为各个解释变量的系数,具体的变量解释见后文。
4.2. 变量测度
4.2.1. 被解释变量
农产品出口额(EXP):本文用农产品出口总额代表各地区农产品出口规模,能够在一定程度上反映该地区农产品出口贸易发展水平。
4.2.2. 核心解释变量
数字经济发展指数(DEI):是衡量各地区数字经济发展水平的主要指标,具体测算过程如下:
第一步,建立数字经济评价指标体系。本文结合现有研究文献,考虑数据可获得性,从数字基础设施、数字创新能力、数字产业化、企业数字化四个维度建立数字经济发展指标体系。具体指标构建见表1。
第二步,通过使用熵值法计算各地区实际的数字经济发展综合指数。汇总如表2。
4.2.3. 控制变量
参考已有研究文献,本文选取如下5个控制变量。汇总如表3。
Table 1. System of digital economic indicators
表1. 数字经济指标体系
一级指标 |
二级指标 |
单位 |
指标属性 |
数字基础设施 |
互联网宽带接入用户数 |
万户 |
正向 |
|
互联网宽带接入端口个数 |
万个 |
正向 |
|
移动电话普及率 |
部/百人 |
正向 |
|
互联网域名个数 |
万个 |
正向 |
数字创新能力 |
规模以上工业企业R & D经费支出 |
万元 |
正向 |
|
技术合同成交总额 |
万元 |
正向 |
|
国内专利申请授权量 |
件 |
正向 |
|
规模以上工业企业R & D人员折合全时当量 |
人年 |
正向 |
数字基础产业 |
电子商务销售额 |
亿元 |
正向 |
|
快递业务收入 |
万元 |
正向 |
|
软件业务收入占GDP比重 |
—— |
正向 |
|
电信业务总量 |
亿元 |
正向 |
企业数字应用 |
每百家企业拥有网站数 |
个 |
正向 |
|
企业每百人使用计算机个数 |
台 |
正向 |
|
电子商务交易活动企业数比重 |
% |
正向 |
|
涉及电子商务交易活动企业数 |
个 |
正向 |
Table 2. Regional digital economic development index
表2.各地区数字经济发展指数
年份 省份 |
2013 |
2014 |
2015 |
2016 |
2018 |
2019 |
2020 |
2021 |
2022 |
北京 |
0.197 |
0.236 |
0.277 |
0.308 |
0.342 |
0.379 |
0.399 |
0.436 |
0.482 |
天津 |
0.066 |
0.078 |
0.092 |
0.096 |
0.101 |
0.117 |
0.133 |
0.139 |
0.146 |
河北 |
0.067 |
0.080 |
0.098 |
0.119 |
0.149 |
0.174 |
0.195 |
0.188 |
0.194 |
山西 |
0.038 |
0.047 |
0.055 |
0.062 |
0.085 |
0.089 |
0.101 |
0.095 |
0.100 |
内蒙古 |
0.037 |
0.043 |
0.050 |
0.059 |
0.071 |
0.077 |
0.085 |
0.083 |
0.087 |
辽宁 |
0.078 |
0.089 |
0.101 |
0.109 |
0.126 |
0.140 |
0.150 |
0.143 |
0.153 |
吉林 |
0.035 |
0.044 |
0.049 |
0.058 |
0.073 |
0.081 |
0.089 |
0.080 |
0.080 |
黑龙江 |
0.044 |
0.054 |
0.058 |
0.062 |
0.074 |
0.084 |
0.096 |
0.089 |
0.093 |
上海 |
0.143 |
0.177 |
0.204 |
0.227 |
0.249 |
0.280 |
0.307 |
0.340 |
0.382 |
江苏 |
0.226 |
0.251 |
0.298 |
0.312 |
0.375 |
0.425 |
0.477 |
0.491 |
0.523 |
浙江 |
0.198 |
0.216 |
0.269 |
0.300 |
0.340 |
0.384 |
0.421 |
0.422 |
0.443 |
安徽 |
0.065 |
0.084 |
0.111 |
0.123 |
0.159 |
0.192 |
0.212 |
0.220 |
0.238 |
福建 |
0.096 |
0.111 |
0.137 |
0.175 |
0.225 |
0.237 |
0.219 |
0.232 |
0.236 |
江西 |
0.035 |
0.045 |
0.068 |
0.069 |
0.104 |
0.130 |
0.144 |
0.138 |
0.144 |
山东 |
0.183 |
0.189 |
0.209 |
0.241 |
0.304 |
0.309 |
0.355 |
0.392 |
0.428 |
河南 |
0.075 |
0.091 |
0.117 |
0.135 |
0.184 |
0.212 |
0.234 |
0.215 |
0.226 |
湖北 |
0.075 |
0.091 |
0.121 |
0.135 |
0.162 |
0.191 |
0.209 |
0.210 |
0.231 |
湖南 |
0.061 |
0.075 |
0.091 |
0.113 |
0.145 |
0.176 |
0.198 |
0.191 |
0.211 |
广东 |
0.294 |
0.323 |
0.378 |
0.416 |
0.549 |
0.637 |
0.698 |
0.712 |
0.764 |
广西 |
0.036 |
0.047 |
0.050 |
0.063 |
0.089 |
0.114 |
0.130 |
0.127 |
0.126 |
海南 |
0.044 |
0.057 |
0.066 |
0.072 |
0.077 |
0.083 |
0.078 |
0.075 |
0.074 |
重庆 |
0.049 |
0.064 |
0.079 |
0.096 |
0.124 |
0.136 |
0.150 |
0.149 |
0.166 |
四川 |
0.076 |
0.096 |
0.128 |
0.154 |
0.204 |
0.235 |
0.259 |
0.243 |
0.253 |
贵州 |
0.030 |
0.040 |
0.050 |
0.063 |
0.085 |
0.105 |
0.114 |
0.115 |
0.119 |
云南 |
0.036 |
0.048 |
0.062 |
0.073 |
0.093 |
0.113 |
0.125 |
0.108 |
0.109 |
陕西 |
0.061 |
0.075 |
0.091 |
0.109 |
0.135 |
0.157 |
0.172 |
0.173 |
0.176 |
甘肃 |
0.026 |
0.033 |
0.044 |
0.052 |
0.064 |
0.073 |
0.082 |
0.077 |
0.077 |
青海 |
0.025 |
0.029 |
0.037 |
0.043 |
0.052 |
0.054 |
0.057 |
0.061 |
0.061 |
宁夏 |
0.028 |
0.036 |
0.042 |
0.048 |
0.056 |
0.054 |
0.058 |
0.059 |
0.059 |
新疆 |
0.031 |
0.036 |
0.042 |
0.046 |
0.057 |
0.066 |
0.074 |
0.072 |
0.074 |
Table 3. Selection of control variables
表3. 控制变量选取
指标 |
计算方法 |
数据来源 |
对外开放水平(OPEN) |
用进出口总额与地区生产总值的比值来衡量 |
中国统计年鉴 |
政府干预程度(GOV) |
采用地方财政一般预算收入占地区生产总值的比重表示 |
国家统计局 |
地区经济发展水平(GDP) |
各地区生产总值 |
国家统计局 |
地区总人口(PEOPLE) |
用各地区年末常住人口数量来衡量,反映市场大小与劳动力数量 |
中国统计年鉴 |
农业机械总动力(POWER) |
各地区农业机械总动力 |
中国统计年鉴 |
4.3. 数据说明
由于西藏地区数据缺失较多,本文剔除西藏自治区选择中国30个省2013~2022年的面板数据,研究数字经济对中国农产品出口贸易的影响以及区域之间的差异性。为了深入研究数字经济对农产品出口贸易的影响作用是否存在区域异质性,本文根据国家统计局官网将中国地区划分为东部、中部和西部地区:东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区则包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。变量描述性统计见表4。
5. 实证结果分析
5.1. 回归结果分析
本文根据Hausman检验结果选择固定效应模型,并控制时间固定效应与个体固定效应。基准回归结果见表5。
Table 4. Descriptive statistics
表4. 描述性统计
VARIABLES |
N |
mean |
sd |
min |
max |
id |
300 |
15.50 |
8.670 |
1 |
30 |
region |
300 |
2 |
0.858 |
1 |
3 |
year |
300 |
2018 |
2.877 |
2013 |
2022 |
lnEXP |
300 |
4.314 |
1.384 |
0.139 |
7.248 |
DEI |
300 |
0.153 |
0.126 |
0.0248 |
0.764 |
lnGDP |
300 |
9.947 |
0.881 |
7.446 |
11.77 |
OPEN |
300 |
0.259 |
0.257 |
0.00763 |
1.257 |
lnPEOPLE |
300 |
8.213 |
0.741 |
6.347 |
9.448 |
GOV |
300 |
0.113 |
0.0323 |
0.0584 |
0.245 |
lnPOWER |
300 |
7.693 |
1.137 |
4.543 |
9.499 |
Table 5. Regression results of the bidirectional fixed effects model
表5. 双向固定效应模型回归结果
VARIABLES |
模型(1) lnEXP |
模型(2) lnEXP |
模型(3) lnEXP |
模型(4) lnEXP |
模型(5) lnEXP |
模型(6) lnEXP |
DEI |
0.730*** |
0.585** |
0.806*** |
1.153*** |
1.055*** |
1.004*** |
|
(0.269) |
(0.288) |
(0.309) |
(0.324) |
(0.320) |
(0.329) |
lnGDP |
|
0.650*** |
0.621*** |
1.204*** |
1.212*** |
1.250*** |
|
|
(0.207) |
(0.207) |
(0.272) |
(0.273) |
(0.274) |
OPEN |
|
|
0.463** |
0.452** |
0.416** |
0.478** |
|
|
|
(0.200) |
(0.187) |
(0.193) |
(0.194) |
lnPEOPLE |
|
|
|
−2.217*** |
−2.290*** |
−2.393*** |
|
|
|
|
(0.613) |
(0.618) |
(0.635) |
GOV |
|
|
|
|
1.086 |
1.100 |
|
|
|
|
|
(1.013) |
(1.008) |
lnPOWER |
|
|
|
|
|
−0.171** |
|
|
|
|
|
|
(0.080) |
_cons |
4.202*** |
−2.238 |
−2.107 |
10.248*** |
10.677*** |
12.444*** |
|
(0.041) |
(2.041) |
(2.033) |
(3.625) |
(3.744) |
(3.945) |
N |
300.000 |
300.000 |
300.000 |
300.000 |
300.000 |
300.000 |
r2 |
0.983 |
0.984 |
0.984 |
0.985 |
0.985 |
0.985 |
id |
Yes |
Yes |
Yes |
Yes |
Yes |
Yes |
year |
Yes |
Yes |
Yes |
Yes |
Yes |
Yes |
注:Standard errors in parentheses。*p < 0.1,**p < 0.05,***p < 0.01。
由表5可知,模型逐步添加控制变量,数字经济(DEI)对农产品出口规模(EXP)的回归系数持续显著为正,并通过1%的显著性检验,表明数字经济可以扩大农产品出口规模,假设H1成立。数字经济发展水平每增加1个百分点,农产品出口额增加1.004个百分点。控制变量中,地区经济发展水平、对外开放水平的回归结果均为正向显著,二者均促进我国农产品出口贸易发展;本文采用地方财政一般预算收入占地区生产总值的比重表示政府干预程度,但地方财政收入不完全用于农业发展且政府过度干预甚至会给农产品出口带来压力,因此政府干预程度对农产品出口贸易作用不显著;地区总人口回归结果为负向显著,人口增加意味着就业人数增加,但近几年城镇化率不断提高,就业人员聚集在城市,导致从事第一产业的人数减少,不利于农产品出口贸易发展;农业机械总动力的回归结果为负向显著,其原因可能是近年来我国农业机械总动力水平逐渐下降,农业总产值也随之下降,从而减少了农产品出口规模,抑制了农产品出口贸易发展。
5.2. 稳健性分析
5.2.1. 更换衡量指标
为验证回归结果可靠性,本文参考已有文献,选取数字金融普惠指数这一指标加入数字经济测度体系测算地区数字经济发展指数。数字普惠金融指数由北京大学数字金融中心编制。回归结果见表6。
Table 6. Digital economy replacement test results
表6. 数字经济替换检验结果
VARIABLES |
模型(1) lnEXP |
模型(2) lnEXP |
模型(3) lnEXP |
模型(4) lnEXP |
模型(5) lnEXP |
模型(6) lnEXP |
DEI |
0.750*** |
0.598** |
0.823** |
1.176*** |
1.076*** |
1.021*** |
|
(0.276) |
(0.296) |
(0.318) |
(0.333) |
(0.328) |
(0.338) |
lnGDP |
|
0.648*** |
0.619*** |
1.200*** |
1.208*** |
1.246*** |
|
|
(0.207) |
(0.207) |
(0.272) |
(0.273) |
(0.274) |
OPEN |
|
|
0.462** |
0.451** |
0.415** |
0.475** |
|
|
|
(0.200) |
(0.187) |
(0.193) |
(0.194) |
lnPEOPLE |
|
|
|
−2.213*** |
−2.287*** |
−2.388*** |
|
|
|
|
(0.613) |
(0.618) |
(0.635) |
GOV |
|
|
|
|
1.092 |
1.108 |
|
|
|
|
|
(1.012) |
(1.007) |
lnPOWER |
|
|
|
|
|
−0.170** |
|
|
|
|
|
|
(0.080) |
_cons |
4.191*** |
−2.231 |
−2.098 |
10.242*** |
10.674*** |
12.418*** |
|
(0.045) |
(2.042) |
(2.035) |
(3.628) |
(3.746) |
(3.944) |
N |
300.000 |
300.000 |
300.000 |
300.000 |
300.000 |
300.000 |
r2 |
0.983 |
0.984 |
0.984 |
0.985 |
0.985 |
0.985 |
id |
Yes |
Yes |
Yes |
Yes |
Yes |
Yes |
year |
Yes |
Yes |
Yes |
Yes |
Yes |
Yes |
注:Standard errors in parentheses。*p < 0.1,**p < 0.05,***p < 0.01。
5.2.2. 内生性分析
本文研究数字经济发展水平对农产品出口贸易的影响,但在全球农产品出口模式的大环境下,数字经济发展水平也可能倒逼农产品出口贸易,解释变量与被解释变量之间可能互为因果关系。基于此,本文通过滞后一期数字经济发展水平作为工具变量,并运用面板2SLS最小二乘法进行回归。表7显示内生性检验的回归结果,从表中可以看出,农产品出口额的系数显著为正,验证了研究结论的稳健性。
Table 7. Endogeneity testing
表7. 内生性检验
VARIABLES |
(1) DEI |
(2) lnEXP |
L.DEI |
0.9997*** |
|
|
(0.0301) |
|
DEI |
|
0.9266*** |
|
|
(0.3547) |
lnGDP |
−0.0214 |
1.1769*** |
|
(0.0132) |
(0.2666) |
OPEN |
−0.0008 |
0.3342 |
|
(0.0191) |
(0.2415) |
lnPEOPLE |
0.0459 |
−2.2214*** |
|
(0.0336) |
(0.6338) |
GOV |
−0.0555 |
1.6348 |
|
(0.0452) |
(1.0422) |
lnPOWER |
−0.0024 |
−0.1725** |
|
(0.0043) |
(0.0822) |
_cons |
−0.0827 |
9.1788*** |
|
(0.1839) |
(3.4657) |
province |
YES |
YES |
year |
YES |
YES |
N |
270.0000 |
270.0000 |
r2 |
0.9952 |
0.9867 |
注:Standard errors in parentheses。*p < 0.1,**p < 0.05,***p < 0.01。
5.3. 异质性检验
表8分地区回归结果来看,东部、中部地区回归系数为正,西部地区回归系数为负,表明东部、中部地区的数字经济发展水平对农产品出口贸易的促进作用远大于西部地区,因此假设H2成立。
总的来看,东部地区农产品的生产和出口一直居于全国前列,这主要得益于其数字基础设施建设、劳动人口红利、土地资源等多方面因素,特别是浙江、江苏、广东三个省份,拥有发达的制造业与电子商务行业,在电子信息、软件开发等数字经济领域实力居于上游。因此数字经济对其自身农产品出口贸易的促进作用较明显。中部地区以河南为例,土地资源较丰富,但其数字经济发展水平较东部地区有些
Table 8. Regression results of samples
表8. 分样本回归结果
VARIABLES |
东部 lnEXP |
中部 lnEXP |
西部 lnEXP |
DEI |
1.047*** |
4.906** |
−4.327** |
|
(0.273) |
(2.238) |
(1.958) |
lnGDP |
0.983*** |
0.884** |
2.444*** |
|
(0.318) |
(0.390) |
(0.895) |
OPEN |
0.177 |
2.059* |
1.845 |
|
(0.215) |
(1.107) |
(1.278) |
lnPEOPLE |
−1.616** |
−4.041** |
−3.651* |
|
(0.789) |
(1.940) |
(1.870) |
GOV |
0.202 |
4.640* |
5.228 |
|
(0.663) |
(2.600) |
(5.144) |
lnPOWER |
−0.128 |
−0.312** |
0.263 |
|
(0.104) |
(0.142) |
(0.343) |
_cons |
9.140** |
30.876** |
6.819 |
|
(4.548) |
(14.656) |
(15.539) |
N |
110.000 |
80.000 |
110.000 |
r2 |
0.995 |
0.985 |
0.969 |
注:Standard errors in parentheses。*p < 0.1,**p < 0.05,***p < 0.01。
落后,因此符合回归结果。对于西部地区而言,自然资源禀赋、技术创新等在农业的生产上都没有东部和中部有利,同时地区本身的经济发展限制了数字经济建设,所以西部地区数字经济对农产品出口贸易的影响更多是抑制作用。
6. 结论与政策建议
本文从生产、流通、销售三个环节分析了数字经济促进农产品出口贸易发展的机制,并利用2013~2022年的省级面板数据对数字经济促进农产品出口的效应、异质性进行了实证检验。主要结论如下:(1) 我国省级单位农产品出口与数字经济发展水平高度相关,数字经济可以显著促进农产品出口,在考虑了内生性后,结论依然成立。(2) 数字经济对农产品出口的影响具有区域异质性,对东部地区的促进作用最强,中部地区次之。由于样本数据局限性以及西部地区数字经济较不发达,导致数字经济对西部地区农产品出口呈负向作用。
基于上述结论,提出政策建议:第一,加快推进数字乡村建设,加大投资力度,完善数字基础设施,包括网络覆盖、信息技术设施、数字化平台等,以实现农业数字化生产,农产品线上销售,提高农业产业的生产效率和贸易水平,提升农民收入和农村发展水平。第二,发挥数字经济普惠共享的作用,将东部地区的数字技术、数字贸易人才、农业数字化发展模式与经验引入中部、西部地区,从而助推地区数字贸易跨越式发展。与此同时,各地区要因地制宜发展数字贸易。以西部地区为例,加强丘陵山区小型农业机械设备研发制造,缓解地理环境和气候条件对西部地区农业发展的制约,充分发挥数字技术对农产品出口的赋能作用。第三,培养贸易专业人才。从社会需要出发,注意数字农业人才的数量不足,重视农业贸易人才队伍建设,建立完善的人才培养机制,加强对数字农业创新人才的培养。以培养机制为例,高等院校、科研机构与企业应当开展密切合作,支持企业与高校和培训机构开展合作,不定期对员工进行业务培训,通过邀请授课、委培等多种方式有重点地培养一批实用性、专业型人才。与此同时,各地区可以加强农民数字素养与技能培训,培养数字经济驱动下的新型职业农民。第四,发挥政府引领作用,首先,政府部门要积极与相关专家与农业上下游企业进行合作,进行前瞻性研究和顶层设计,制定数字农业发展规划和战略,明确数字技术在农业产业中的应用方向和重点领域。其次,积极出台配套政策,支持数字农业发展。通过财政、税收、金融、土地利用等方面的政策支持,为数字农业企业和项目提供资金、税收优惠、土地支持等方面的扶持。最后,政府需要建立健全的数字农业监管体系,保障数字农业的安全、质量和可持续发展。
NOTES
1中共中央国务院关于做好2023年全面推进乡村振兴重点工作的意见。
2《中国数字经济发展报告(2022)》。