Impact of joining cooperatives on green production of family farms: an empirical analysis based on 422 provincial demonstration family farms
-
摘要: 绿色生产是农业可持续发展的必由之路, 家庭农场作为现代农业的关键主体, 探索其绿色生产的有效方式具有重要理论价值和现实意义。本文基于山东省422家省级示范家庭农场的调研数据, 运用排序选择模型和解释结构模型, 实证分析家庭农场加入合作社对其绿色生产的影响。研究发现: 1)加入合作社可以显著促进家庭农场绿色生产, 且对节水灌溉、施用有机肥、水肥一体化的促进作用更明显。2)不同农场加入合作社后的绿色生产行为存在明显差异, 作为领办人的农场要优于作为普通社员的农场, 加入合作社对粮食、蔬菜类农场影响显著, 对中等规模(10~20人)农场影响显著。3)家庭农场的经营类型、劳动力数量、产品质量认证、原产地追溯、绿色生产认知和意愿均对其绿色生产行为产生影响。4)解释结构模型发现, 加入合作社作为深层根源因素直接影响家庭农场绿色生产认知, 并进而影响绿色生产意愿, 最终促成绿色生产行为。为此, 应鼓励并支持家庭农场加入合作社, 重视农场间的异质性, 通过合作社的培训与监督促进农场绿色生产。Abstract: Green production is the inevitable course to develop agriculture sustainably. To explore the effective methods of green production, the key area of modern agriculture, for family farms is of considerable theoretical value and practical significance. This study empirically analyzed the influence of family farms joining cooperatives on green production and its mechanism using the ranking selection and explanatory structure models based on the investigation data of 422 provincial demonstration family farms in Shandong Province. 1) Quantitative analysis showed that the proportion of green production of family farms joining cooperatives was evidently higher than that of farms not joining cooperatives. 2) From heterogeneity analysis, the proportion of green production by cooperative leaders’ farms was higher than that of farms with ordinary members. Joining cooperatives was significant for the green production of grain and vegetable family farms but not for fruit and livestock breeding farms. Joining the cooperative had a significant impact on the green production of medium-sized (10–20 people) farms but had no significant impact on the behavior of small-scale (less than 10 persons) and large-scale (more than 20 persons) farms. 3) After the family farm joined the cooperative, the three green production behaviors with the highest adoption rates were applying organic fertilizer (74.35%), water-saving irrigation (68.17%), and subsoiling (65.80%). In contrast, the three green production behaviors with the lowest adoption rates were ecological treatment of livestock and poultry breeding waste (26.84%), recycling pesticide waste (41.81%), and integration of water and fertilizer. 4) The regression equation results showed that family farms significantly increased the possibility of green production by joining cooperatives. Under the control of other variables, joining the cooperative had a significant positive impact on the green production of family farms at the 1% level, with an impact coefficient of 0.554, and the promotion of water-saving irrigation, application of organic fertilizer, and integration of water and fertilizer were more prominent. After considering other control variables, family farm management type, labor force, product quality certification, traceability of origin, and awareness and willingness toward green production all influenced green production. 5) From the explanatory structure model analysis, seven significant influencing factors played independent roles and were also interrelated, forming a complete chain of influencing factors for family farms to participate in green production. Joining the cooperative as a deep-rooted factor directly affected the origin traceability and product quality certification of family farm products and affected the green production of family farms from the source along the positive conduction relationship of “family farm green production cognition → green production willingness →green production behavior”. Therefore, we should encourage and support family farms to join cooperatives, focus on the heterogeneity between farms, and promote green production on farms through the training and supervision of cooperatives.
-
2023年, 我国粮食产量连续九年稳定在6.5亿t以上, 粮食综合产能不断提升, 大国粮仓根基稳步夯实。在追求粮食产量增加的同时, 农业资源环境受到了外源性污染和内源性污染的双重压力。如何提升粮食生态效率、降低农业资源消耗和增加绿色产品供给, 成为学界关注的重要议题。粮食生态效率是一个融合了粮食生产效率和生态环保理念的重要概念, 它既要确保粮食产量稳定增加, 也要兼顾生态环境保护和资源利用的可持续性[1]。提高粮食生态效率, 意味着在相同的资源投入下, 能够获得更多粮食产出, 或者通过优化生产方式和技术创新, 减少资源投入同时保持粮食产量稳定。《“十四五”全国农业绿色发展规划》指出: “加强农业面源污染治理, 推进农业农村减排固碳, 改善农村生态环境, 让良好生态成为乡村振兴的支撑点”。在此背景下, 数字经济作为新一轮科技革命与产业变革过程中孕育而生的新经济形态, 能够通过技术进步赋能粮食产业绿色转型升级, 为粮食产业高质量发展筑牢生态屏障[2]。因此, 厘清数字经济与粮食生态效率之间的关系显得尤为重要。
目前, 粮食生态效率的研究主要集中在测算边界、测算方法和影响因素等方面。在测算边界研究方面, 大部分学者对于粮食生产投入要素和期望产出的界定内容大体相同, 其中投入指标主要包括土地、劳动力、机械和化肥等生产要素, 期望产出主要为粮食产量[3]。部分学者对于非期望产出的界定存在差异, 主要集中在碳排放和面源污染源两方面, 亦或兼而有之[4-5]。在测算方法研究方面, 早期学者主要采用随机前沿分析法(SFA)、数据包络分析法(DEA)等进行测度[6]。随机前沿分析法(SFA)只能处理单一产出问题, 难以考虑生态影响[7]; 数据包络分析法(DEA)没有考虑松弛变量对效率值的影响, 评价结果可能不准确或有偏差[8]。为克服上述缺陷, Tone[9]提出非径向、非角度的非期望产出SBM模型, 将负外部性产出纳入模型, 有效解决了投入产出的松弛问题, 并逐渐成为测度生态效率的主流方法。在粮食生态效率影响因素研究方面, 有学者认为城镇化水平[1]、农地流转[10]和财政支农[11]等因素对粮食生态效率具有显著影响。
关于数字经济对生态效率的影响效应研究主要聚焦于数字经济对流域生态效率[12]、工业生态效率[13]和农业生态效率等方面的影响。与本研究相近的文献探究了数字经济对农业生态效率的正向影响, 发现数字经济通过促进土地流转[10], 优化人力资本[14]和创新生产技术[15]等方式, 提高农业生态效率水平。然而, 农业包括种植业、林业、畜牧业和渔业等多个部门, 不同部门生态效率存在较大差异。现有文献为本研究提供了坚实基础, 但也存在进一步拓展的空间: 1)现有研究较多为城镇化、农地流转和财政支农等对粮食生态效率的影响, 未涉及数字经济这一关键变量; 2)部分现有研究分析了数字经济对农业生态效率的影响, 而对农业的某个具体部门, 尤其是对粮食生态效率的影响缺乏深入分析。上述研究的缺失, 使得数字经济对粮食生态效率的作用效果和传导机制尚不清楚, 难以科学解释二者之间的相关关系。
据此, 本文基于2013—2021年13个粮食主产区的面板数据, 分别构建数字经济与粮食生态效率的综合评价指标体系, 实证检验数字经济对粮食生态效率的直接效应、中介效应和门槛效应, 以期为我国粮食生产绿色转型升级提供借鉴思路, 为政府有关部门提高粮食生态效率提供决策参考。
1. 理论分析与研究假设
1.1 数字经济对粮食生态效率的直接效应
数字经济的高技术性和高融合性, 促进了粮食生态效率提高。按照诱致性技术变迁理论, 生产资源要素的相对价格和可选技术是农业生产经营者选择何种资源配置的关键动因[16]。1)技术扩散效应。通过运用物联网、人工智能等现代信息技术, 实现对农田、农机和农资等生产要素的智慧化管理和优化配置, 提高种植面积、单产水平和品质水平等指标, 持续发挥“数字经济+粮食生产”的“蒲公英效应”。2)资源优化效应。数字经济基于电子商务数据, 精准识别消费者对粮食种类、品质和数量的需求, 合理调整种植结构和安排化肥、农药、水资源等生产要素使用量, 提高资源利用效率。3)环境改善效应。数字经济依托新型数字技术在粮食生产“耕、种、管、收”环节, 注入数字、信息、知识等大量现代生产要素, 实现粮食生产精准管控, 及时对粮食生产过程中可能造成的环境污染和其他突发自然灾害事件进行预测, 降低粮食生产过程中的生态污染, 提高粮食生态效率。基于此, 提出以下假设:
H1: 数字经济能够提高粮食生态效率。
1.2 数字经济对粮食生态效率的影响机理
1.2.1 农地经营规模的中介作用
农地经营规模在数字经济对粮食生态效率影响的过程中可能发挥着重要的中介作用。规模经济理论认为, 适度的农地经营规模有利于农业生产经营者合理使用生产资源, 达到规模效应的目的[17]。该理论不仅适用于分析经济效应, 同样适用于分析生态效应。
具体来说, 一方面数字经济加快了农地流转速度。1)数字经济推动农村电商的兴起, 促进农村快递、包装、仓储等电商细分产业链发展, 增加农业生产经营者非农就业和自主创业的机会, 扩大其收入。2)数字经济突破地域限制, 促进农村劳动力向城镇转移, 农村土地资源要素开始由碎片化逐渐向规模化重组[18]。3)数字普惠金融通过提高粮食生产者金融服务的可得性, 降低金融交易成本等方式, 推动农地规模化经营。
另一方面, 农地经营规模增加有利于粮食生态效率提高。1)规模化粮食生产有利于将分散的种植地集中起来, 实现集中化、连片化和专业化生产, 并以市场需求为导向, 合理优化柴油、农药、化肥等生产要素结构, 实现生产要素集约化投入, 降低粮食生产成本; 2)规模化粮食生产有助于农业机械化水平的提高, 且规模经营主体更倾向于采用绿色和精细化的粮食生产设备代替传统高排放和高污染的粮食生产设备, 进而促进新一轮粮食绿色生产技术改革, 降低碳排放和面源污染源水平, 提高粮食生态效率[19]。基于此, 提出以下假设:
H2: 数字经济通过增加农地经营规模间接提高粮食生态效率。
1.2.2 农业社会化服务的中介作用
在小农户与现代农业接轨的背景下, 农业社会化服务在数字经济对粮食生态效率影响的过程中发挥着重要的中介作用。农业踏车理论认为[20], 新技术可以降低生产成本, 农户在社会化服务中发挥“干中学”效应, 并带动后来者进行技术采纳, 逐渐实现新技术普及, 如此往复的新技术引进, 有效推动了粮食生态效率提高。
具体来说, 一方面数字经济能够提高农业社会化服务。1)数字经济能够依托数字化、智能化与机械化为主的现代化手段, 为农业社会化服务组织赋能, 实现对粮食生产过程、生产环境和服务质量等环节的精准监测, 保障粮食数量和质量安全。2)数字经济作为一种新型经济形态, 推动传统农业与现代产业深入融合。数字建设带来开放的网络平台信息, 使信息传播不再具有时空局限性, 更加有效地促进了粮食产业各环节衔接, 缓解了产业链的信息不对称问题。
另一方面, 农业社会化服务能够促进粮食生态效率提高。1)农业社会化服务组织能够优化农业生产要素配置, 并通过提供新农技、新品种、农业保险等服务, 缓解农业生产过程中的资源约束, 提高粮食生态效率[21]。2)农业社会化服务组织向农业生产经营者提供配方施肥、科学用药和机械燃油等指导与培训, 弥补小农户人力资本不足的短板, 在提高粮食生态效率的前提下兼顾粮食质量[22]。基于此, 提出以下假设:
H3: 数字经济通过提高农业社会化服务间接提高粮食生态效率。
1.3 数字经济对粮食生态效率的门槛效应
已有研究表明, 数字经济具有“梅特卡夫定律” “摩尔定律”以及“规模报酬递增”的特点, 认为数字经济对粮食生态效率的影响可能存在非线性的特征[18]。此外, 现有学者认为财政支农力度能够显著促进粮食生态效率提升[23], 但也有学者持相反观点, 认为二者之间存在负相关关系[24], 还有学者认为财政支农力度对粮食生态效率影响存在门槛效应[25]。从理论上看, 当财政支农力度较低时, 各地乡村数字基础设施建设和信息平台发展不完善, 数字经济应用广度和深度有限, 对粮食生态效率的影响作用较小; 当财政支农力度较高时, 数字化基础设施逐渐完善, 促使传统粮食生产方式改变, 促进先进农业绿色技术推广应用, 进而降低农药、化肥和农膜等农资使用量, 加快农业绿色转型, 提高了粮食生态效率。因此, 数字经济对粮食生态效率的作用可能会受财政支农力度的影响, 二者之间可能存在门槛效应, 即不同财政支农力度下, 数字经济对粮食生态效率的影响具有非线性特征。基于此, 提出以下假设:
H4: 财政支农力度在数字经济对粮食生态效率的影响中发挥着门槛效应。
据此, 构建数字经济对粮食生态效率的理论分析框架(图1)。
![]()
图 1 数字经济对粮食生态效率的影响路径图Figure 1. Map of the impact of digital economy on grain eco-efficiency2. 研究方法
2.1 模型设计
2.1.1 粮食生态效率模型构建
借鉴王帅等[1]相关研究, 采用包含非期望产出的超效率SBM模型对粮食生态效率指标进行测算, 实现了非合意产出下对粮食生态效率的评价。其中, 效率测算模型如下:
$$ E=\mathrm{m}\mathrm{i}\mathrm{n}\dfrac{1+\dfrac{1}{m}{\displaystyle\sum }_{i=1}^{m}\dfrac{{s}_{i}^{x}}{{x}_{ik}}}{1-\dfrac{1}{{c}_{1}+{c}_{2}}\left[{\displaystyle\sum }_{\alpha =1}^{{c}_{1}}\dfrac{{s}_{\alpha }^{y}}{{y}_{\alpha k}}+{\displaystyle\sum }_{\beta =1}^{{c}_{2}}\dfrac{{s}_{\beta }^{b}}{{b}_{\beta k}}\right]} $$ (1) 效率测算模型系列约束条件的集合如下所示:
$$\left. \begin{gathered} {x}_{ik}\geqslant \sum _{j=1,j\ne k}^{n}{x}_{ij}{\gamma }_{j}-{s}_{i}^{x}\\ {y}_{\alpha k}\leqslant \sum _{j=1,j\ne k}^{n}{y}_{\alpha j}{\gamma }_{j}+{s}_{\alpha}^{y} \\ {b}_{\beta k}\geqslant \sum _{j=1,j\ne k}^{n}{b}_{\beta j}{\gamma }_{j}-{s}_{\beta }^{b} \\ 1-\dfrac{1}{{c}_{1}+{c}_{2}}\left[\sum _{\alpha =1}^{{c}_{1}}\dfrac{{s}_{\alpha }^{y}}{{y}_{\alpha k}}+\sum _{\beta =1}^{{c}_{2}}\dfrac{{s}_{\beta }^{b}}{{b}_{\beta k}}\right] > 0\\ {\gamma }_{j} > 0,j = 1,\mathrm{ }2,\cdots, n,j \ne k;{s}_{i}^{\mathrm{x}} \geqslant 0,\; i = 1,\mathrm{ }2,\cdots, m ;\\ {s}_{a}^{y}\geqslant 0,\alpha =1,\mathrm{ }2,\cdots, {c}_{1};{s}_{\beta }^{b}\geqslant 0, \; \beta =1,\mathrm{ }2,\cdots ,{c}_{2} \end{gathered}\right\} $$ (2) 式中: E为粮食生态效率值; m、c1和c2分别表示决策单元DUM中的投入要素、期望产出和非期望产出; i为第i个投入指标;
$ \alpha $ 、$ \beta $ 分别为第$ \alpha $ 、$ \beta $ 个期望和非期望产出指标;$ {S}_{i}^{x} $ 、$ {S}_{\alpha }^{y} $ 和$ {S}_{\beta }^{b} $ 分别为投入、期望和非期望产出的松弛变量; n表示决策单元数, n=13;$ {x}_{ik} $ 、$ {y}_{\alpha k} $ 和bβk分别为投入矩阵、期望产出矩阵和非期望产出矩阵的元素; k为当前效率计算的第k个决策单元; j为第j个决策单元; xij、$ {y}_{\alpha j} $ 和bβj分别为第j个决策单元第i个投入指标、期望产出$ \alpha $ 和非期望产出$ \beta $ 的数值;$ \gamma $ 为权重。2.1.2 基准回归模型
$$ {\mathrm{G}\mathrm{E}\mathrm{E}}_{it}={\alpha }_{0}+{\alpha }_{1}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}+{\alpha }_{2}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\mu }_{i}+{\varepsilon }_{i} $$ (3) 式中:
$ {\mathrm{G}\mathrm{E}\mathrm{E}}_{it}\mathrm{和}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it} $ 分别为地区i在时间t的粮食生态效率水平和数字经济发展水平,$ {\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it} $ 为一系列的控制变量, α0为截距项, α1为核心解释变量的估计参数, α2为控制变量的估计参数,$ {\mu }_{i} $ 为地区i不随时间变化的个体固定效应,$ {\varepsilon }_{i} $ 为随机扰动项。2.1.3 中介效应模型
为了探究数字经济对粮食生态效率的影响机理,在模型(3)的基础上, 构建中介效应模型如下:
$$ {\mathrm{M}\mathrm{E}\mathrm{C}\mathrm{H}}_{it}={\beta }_{0}+{\beta }_{1}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}+{\beta }_{i}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\mu }_{i}+{\sigma }_{i} $$ (4) $$ {\mathrm{G}\mathrm{E}\mathrm{E}}_{it}={\varphi }_{0}+{\varphi }_{1}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}+{\varphi }_{2}{\mathrm{M}\mathrm{E}\mathrm{C}\mathrm{H}}_{it}+{\varphi }_{i}{\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it}+{\mu }_{i}+{\delta }_{i} $$ (5) 式中:
$ {\mathrm{M}\mathrm{E}\mathrm{C}\mathrm{H}}_{it} $ 为中介变量, 表示农地经营规模和农业社会化服务;${\beta }_{0} $ 和${\varphi }_{0} $ 为截距项;${\beta }_{1} $ 和${\varphi }_{1} $ 为核心解释变量的估计参数;${\varphi }_{2} $ 为中介变量的估计参数;${\beta }_{i} $ 和${\varphi }_{i} $ 为控制变量的估计参数;$ {\sigma }_{i} $ 和$ {\delta }_{i} $ 为随机扰动项。根据中介检验原理, 在
$ {\alpha }_{1} $ 、$ {\beta }_{1} $ 和$ {\varphi }_{2} $ 系数均显著的情形下, 若$ {\varphi }_{1} $ 不显著, 表示存在完全中介效应, 数字经济只能通过中介变量对粮食生态效率产生影响; 若$ {\varphi }_{1} $ 显著, 但相对于$ {\alpha }_{1} $ 有所下降, 说明存在部分中介效应, 数字经济既会直接影响粮食生态效率, 又会通过中介变量影响粮食生态效率。若$ {\alpha }_{1} $ 和$ {\beta }_{1} $ 均不显著, 则需要通过Bootstrap法进行检验。2.2 变量选择
2.2.1 被解释变量
粮食生态效率的测算兼顾了粮食生产过程中所产生的资源消耗、经济效益及生态损耗。借鉴王帅等[1]研究, 选取粮食总产量作为期望产出指标, 粮食面源污染源和粮食碳排放作为非期望产出指标, 投入指标包括劳动力、土地、机械动力、化肥、农药、农膜、灌溉和柴油使用量(表1)。其中, 非期望产出中粮食面污染源指标主要由化肥、农药和农膜的使用量分别乘以面源污染系数求和得到, 其系数分别为50%、75%和10%; 粮食碳排放指标主要由化肥、农药、农膜、灌溉和柴油使用量分别乘以碳排放系数求和得到, 其系数分别为4.9341 kg·kg−1、0.8956 kg·kg−1、0.5927 kg·kg−1、20.476 kg·hm−2和5.18 kg·kg−1。
表 1 粮食生态效率测算指标体系Table 1. Measuring index system of grain eco-efficiency指标体系
Index system具体指标
Specific index变量解释
Variable interpretation单位
Unit属性
Attribute投入指标
Input index劳动力投入 Labor input 第一产业从业人员数量×β Number of employees in the primary industry×β ×104 persons − 土地投入 Land input 粮食播种总面积 Total sown area of grain ×103 hm2 − 机械动力投入 Mechanical power input 机械总动力×β Total power of machinery×β 104 kW − 化肥投入 Fertilizer input 化肥折纯量×β Amount of pure fertilizer×β ×104 t − 农药投入 Pesticide input 农药施用量×β Pesticide application rate×β ×104 t − 农膜投入 Agricultural film input 农膜使用量×β Agricultural film usage×β ×104 t − 灌溉投入 Irrigation input 有效灌溉面积×β Effective irrigated area×β ×103 hm2 − 柴油使用量 Diesel usage 农用柴油×β Agricultural diesel oil×β ×104 t − 产出指标
Output index期望产出 Expected output 粮食总产量 Grain output ×104 t + 非期望产出 Unexpected output 粮食面污染源 Non-point pollution from grain production ×104 t − 粮食碳排放 Carbon emissions ×104 t − β=粮食播种面积/农作物播种面积。β=grain sown area / crop sown area. 2.2.2 核心解释变量
数字经济以数字资源和数字技术为关键要素, 推动农业生产技术和生产方式转型升级, 为实现乡村振兴战略提供强劲动能。借鉴黄庆华等[26]和苏锦旗等[27]研究, 从数字产业化和产业数字化两个维度构建数字经济指标体系。采用“互联网从业人员” “电信业务通信能力” “互联网普及率” “软件技术服务水平” 4个指标衡量数字产业化; 采用“数字乡村” “工业互联网” “数字物流” “数字零售” “数字金融” 5个指标衡量产业数字化。运用熵权法对数字经济指标体系进行测算, 具体见表2。
表 2 数字经济相关指标选择与解释Table 2. Related indicators selection and interpretation of digital economy维度
Dimensionality具体指标
Specific index变量解释
Variable interpretation权重
Weight单位
Unit属性
Attribute数字产业化
Digital industrialization互联网从业人员
Internet practitioner信息传输、计算机服务和软件从业人员占城镇单位从业人员比重
Proportion of information transmission, computer services and software employees to total employees in urban unit0.039 % ＋ 电信业务通信能力
Telecommunications service communication capability电信业务总量
Total telecommunications business0.173 ×108 ¥ ＋ 互联网普及率
Internet penetration每百万人互联网接入数
Internet access per million people0.223 Units·
(106 persons)−1＋ 软件技术服务水平
Software technical service level软件业务收入
Software business revenue0.080 ×108 ¥ ＋ 产业数字化
Industrial digitization数字乡村
Digital village农村宽带用户
Rural wide access user0.118 ×104 households ＋ 工业互联网
Industrial Internet光缆线路长度
Cable length0.064 km ＋ 数字物流
Digital logistics快递业务收入
Express business revenue0.145 ×108 ¥ ＋ 数字零售
Digital retail电子商务销售额
E-commerce sale0.054 ×108 ¥ ＋ 数字金融
Digital finance普惠金融指数
Financial inclusion index0.105 — ＋ 2.2.3 中介变量
选取的中介变量为农地经营规模和农业社会化服务。借鉴王帅等[1]的研究, 农地经营规模指标采用粮食播种面积与种粮劳动人数比值进行衡量。借鉴王磊等[22]的研究, 农业社会化服务指标采用各省农林牧渔服务业产值与农作物总播种面积的比值进行衡量。
2.2.4 控制变量
为了减少因忽略变量而产生的误差, 借鉴已有研究, 选取如下控制变量。1)财政支农力度[28]: 农林牧渔支出/财政总支出; 2)农业受灾率[28]: 粮食受灾面积/农作物播种总面积; 3)种植结构[29]: 粮食播种面积/农作物播种面积; 4)人力资本[28]: 平均受教育年限; 5)农业机械化水平[28]: 农业机械总动力/农作物播种面积; 6)粮食产值: (粮食播种面积/农作物播种面积)×农业生产总值; 7)交通状况[30]: 各地区公路里程数。
2.3 数据来源与描述性统计
在充分考虑数据可得性和连续性的基础上, 以我国13个粮食主产区2013—2021年数据为研究样本, 并借鉴张玉周等[30]对农业生产布局的划分, 将13个粮食主产区划分为北方(山东、河南、河北、内蒙古、黑龙江、吉林和辽宁)和南方(安徽、湖北、湖南、江苏、江西和四川)两大区域。数据主要来自于《中国统计年鉴》《中国农村统计年鉴》以及北京大学发布的数字普惠金融指数。
2.3.1 粮食生态效率描述性统计
在研究期间, 粮食生态效率总体呈先降后升的趋势, 大致可以划分为3个阶段(表3): 第一阶段为快速下降期(2013—2015年), 粮食生态效率由2013年的0.699下降到2015年的0.556; 第二阶段为迅速增长期(2016—2019年), 粮食生态效率快速提高到2019年的0.814; 第三阶段为缓慢提升期(2020年以后), 粮食生态效率逐步提升, 2021年达最高(0.865)。粮食生态效率存在明显的空间差异。粮食生态效率均值为0.721, 粮食生态效率值最低的河北省约为0.260, 粮食生态效率值最高的江西省高达1.050, 这表明不同主产区粮食生态效率存在较大差距。进一步分析发现, 北方地区粮食生态效率较南方地区提升更快: 北方地区的粮食生态效率由2013年的0.688快速增加到0.859, 提升24.9%; 而南方地区的粮食生态效率由2013年的0.711增加到0.873, 提升了22.8%。
表 3 2013—2021年不同区域粮食生态效率变化趋势Table 3. Change trend of grain eco-efficiency in different regions from 2013 to 2021区域
Region快速下降期
Rapid decline period迅速增长期
Rapid increase period缓慢提升期
Slow increase period2013 2014 2015 2016 2017 2018 2019 2020 2021 北方
North0.688 0.656 0.498 0.581 0.733 0.690 0.792 0.819 0.859 南方
South0.711 0.717 0.623 0.620 0.702 0.741 0.839 0.896 0.873 13个粮食主产区
13 major grain-producing areas0.699 0.684 0.556 0.577 0.718 0.713 0.814 0.855 0.865 2.3.2 其余变量描述性统计
在样本期内(表4), 数字经济均值为0.225, 最小值为0.020, 最大值为0.910, 说明不同地区数字经济水平存在明显差异。中介变量农地经营规模均值为10.496, 最小值为5.040, 最大值为29.200; 农业社会化服务水平均值为0.624, 最小值为0.310, 最大值为1.140, 表明不同地区农地经营规模和农业社会化服务水平也存在较大差异。
表 4 数字经济对粮食生态效率影响相关变量描述性统计分析Table 4. Descriptive statistical analysis of variables related to the impact of digital economy on grain eco-efficiency变量分类
Variable classification变量名称
Variable name均值
Mean value方差
Variance最小值
Minimum value最大值
Maximum value被解释变量
Explained variable粮食生态效率
Grain eco-efficiency0.721 0.264 0.260 1.050 解释变量
Explanatory variable数字经济
Digital economy0.225 0.181 0.020 0.910 数字产业化
Digital industrialization0.105 0.093 0.020 0.490 产业数字化
Industrial digitization0.120 0.094 0.002 0.461 中介变量
Intermediate variable农地经营规模
Agricultural land management scale10.496 5.227 5.040 29.200 农业社会化服务
Agricultural socialization service0.624 0.226 0.310 1.140 控制变量
Control variable财政支农力度
Intensity of fiscal support for agriculture0.120 0.026 0.070 0.190 农业受灾率
Agricultural disaster rate0.127 0.094 0.010 0.460 人力资本
Human capital10.362 0.466 9.410 11.820 农业机械化水平
Level of agricultural mechanization0.559 0.199 0.250 1.060 粮食产值
Grain output value0.885 0.571 0.290 3.690 种植结构
Planting structure0.724 0.153 0.300 0.970 交通状况
Traffic condition20.696 6.594 9.420 39.890 3. 实证结果分析
3.1 基准回归结果
在检验数字经济对粮食生态效率基准效应之前, 分别对模型进行随机效应和固定效应检验。其中Hausman检验结果P值为0.0083, 该结果拒绝了原假设, 表明固定效应具有更好的拟合优度, 因此采用固定效应回归结果进行后续分析。
由表5可知, 无论是否加入控制变量, 数字经济对粮食生态效率的影响均在1%显著水平上为正, 数字经济每增加1个单位, 粮食生态效率提高0.524个单位。数字技术为粮食产业提供了新的发展模式和创新机会, 如促进农村电商、农业金融科技等发展, 有助于推动粮食产业高质量发展。同时, 通过数字技术应用, 能够高效监控农药、化肥和农膜等易造成环境污染的要素投入水平, 实现科学种植, 有效避免其使用过量造成的污染。因此, 数字经济能够促进粮食生态效率提高, 假设H1得到验证。
表 5 数字经济对粮食生态效率影响的基准回归结果Table 5. Baseline regression results of the impact of digital economy on grain eco-efficiency变量
Variable随机效应
Random effect固定效应
Fixed effect数字经济 Digital economy 0.571*** (5.290) 0.397** (2.120) 0.642*** (5.920) 0.524*** (2.760) 常数项 Constant term 0.592*** (8.780) 2.060 (1.28) 0.576*** (21.040) 3.464** (2.030) 控制变量 Control variable No Yes No Yes 地区效应 Regional effect 无控制 Uncontrolled 已控制 Controlled 无控制 Uncontrolled 已控制 Controlled R2 0.254 0.373 0.254 0.401 **和***分别表示在5%和1%水平下显著; 括号内数字为t值。** and *** represent significance at the levels of 5% and 1%, respectively; the numbers in parentheses are t values. 3.2 稳健性检验
为了保证研究结论准确性, 本文进行了稳定性检验。1)调整样本区间。参考路雯晶等[31]的方法, 为避免2020年疫情的初次爆发对粮食生态效率可能造成的影响, 此处剔除了2020年及以后的数据, 对样本重新进行回归。2)剔除异常值估计。为减少异常值对基准回归结果带来的误差, 对被解释变量和解释变量进行1%缩尾处理后重新估计。3)滞后解释变量。参考朱喜安等[32]研究方法, 为解决内生性问题, 此处将数字经济滞后一期进行分析。由表6可知, 数字经济对粮食生态效率的影响与回归结果保持一致, 正向显著效应基本稳健。
表 6 数字经济对粮食生态效率影响的稳健性检验结果Table 6. Robustness test results of the impact of digital economy on grain eco-efficiency变量
Variable调整样本区间
Adjust sample interval剔除异常值估计
Eliminate outlier estimation滞后解释变量
Delayed explanatory variable数字经济 Digital economy 0.496*** (3.530) 0.702** (2.600) 0.600*** (4.800) 0.583*** (2.970) 0.731*** (6.380) 0.503** (2.450) 常数项 Constant term 0.588** (19.970) 0.624 (0.450) 0.581*** (20.240) 4.001** (2.300) 0.568*** (20.610) 3.891** (2.250) 控制变量 Control variable No Yes No Yes No Yes 地区效应 Regional effect 已控制 Controlled 已控制 Controlled 已控制 Controlled R2 0.139 0.312 0.204 0.414 0.311 0.462 **和***分别表示在5%和1%水平下显著; 括号内数字为t值。** and *** represent significance at the levels of 5% and 1%, respectively; the numbers in parentheses are t values. 3.3 异质性检验
本文在前文研究基础上, 进一步分维度、分地区和分效率水平进行了回归分析, 估计结果见表7。
表 7 数字经济对粮食生态效率影响的异质性检验结果Table 7. Heterogeneity test results of the impact of digital economy on grain eco-efficiency变量
Variable分维度异质性
Dimensional heterogeneity分区域异质性
Sub regional heterogeneity分效率水平异质性
Heterogeneity of different efficiency level数字产业化
Digital industrialization产业数字化
Industrial digitization北方
North China南方
South China低效率
Low efficiency高效率
High efficiency数字经济 Digital economy 0.893*** (2.900) 0.859** (2.110) 1.043** (2.800) 0.273 (0.830) 0.583*** (8.170) 0.393 (0.860) 常数项 Constant term 3.174* (1.910) 3.275* (1.840) 1.102 (0.440) 3.007 (1.500) 0.171 (0.040) −1.023 (−0.490) 控制变量 Control variable Yes Yes Yes 地区效应 Regional effect 已控制 Controlled 已控制 Controlled 已控制 Controlled R2 0.406 0.382 0.580 0.529 0.609 0.351 *、**和***分别表示在10%、5%和1%水平下显著; 括号内数字为t值。*, ** and *** represent significance at the levels of 10%, 5% and 1%, respectively; the numbers in parentheses are t values. 3.3.1 分维度异质性
数字经济对粮食生态效率的促进作用本质上是数字产业化和产业数字化均衡作用的结果, 此处从数字经济的不同维度研究其对粮食生态效率的具体影响。表7表明, 数字产业化和产业数字化对粮食生态效率均呈显著正相关, 且回归系数分别为0.893和0.859, 即数字产业化水平对粮食生态效率的促进作用更为显著, 产业数字化的促进作用次之。可能的原因是, 我国大部分农村地区处于数字化转型阶段, 数字化与农业基础产业融合有限, 对先进的数字技术接受和应用能力较弱, 造成产业数字化对粮食生态效率的影响相对较小。
3.3.2 分区域异质性
考虑到不同地理位置对粮食生态效率的影响, 对13个粮食主产区按照南北两个区域重新进行样本回归(表7)。结果表明, 北方地区数字经济对粮食生态效率的回归系数为1.043, 在5%水平下显著正相关, 而南方地区的回归系数为0.273, 但不显著。可能原因是, 南方地区数字经济起步较早、发展水平相对较高, 数字化对粮食生态效率的红利提前得到充分释放, 导致数字经济对粮食生态效率的影响并不显著。相对地, 北方地区的数字经济水平相对较低, 且大多为传统的农业大省, 农户数字素养水平相对较低, 因此绿色数字技术的普及和应用对粮食生态效率的提高具有较强的边际效应。
3.3.3 分效率水平异质性
参考杨慧梅等[33]的研究成果, 借助于中位数对各省份粮食生态效率进行分组。若某个省份粮食生态效率值大于相应年份的中位数水平, 则为高效率地区; 否则, 划分为低效率地区。表7估计结果显示, 无论是高粮食生态效率地区还是低粮食生态效率地区, 数字经济均具有正向的促进作用, 影响系数分别为0.393和0.583, 但是仅低粮食生态效率地区的回归系数通过了1%水平的显著性检验, 这表明数字经济对低粮食生态效率地区的影响更为显著。上述结果与之前分区域异质性的结论保持一致, 即南方地区的粮食生态效率相对较高, 而北方地区粮食生态效率相对较低, 数字经济在低粮食生态效率地区能够发挥更大的提升作用。
3.4 影响机制检验
在数字经济对粮食生态效率具有正相关影响的基础上, 运用中介效应模型, 对农地经营规模和农业社会化服务的传导作用进行检验, 回归结果见表8。
表 8 数字经济对粮食生态效率影响的机制检验结果Table 8. Mechanism test results of the impact of digital economy on grain eco-efficiency变量 Variable 机制I Mechanism I 机制Ⅱ Mechanism Ⅱ 农地经营规模
Agricultural land management scale粮食生态效率
Grain eco-efficiency农业社会化服务
Agricultural socialization service粮食生态效率
Grain eco-efficiency数字经济 Digital economy 0.464*** (3.040) 0.276** (2.230) 0.479*** (8.070) 0.398* (1.890) 农地经营规模
Agricultural land management scale0.395** (2.030) 农业社会化服务
Agricultural socialization service0.593** (2.130) 常数项 Constant term 1.804 (1.310) 2.966* (1.750) 0.115 (0.190) 2.826 (1.700) 控制变量 Control variable Yes Yes 地区效应 Regional effect 已控制 Controlled 已控制 Controlled R2 0.705 0.431 0.763 0.412 *、**和***分别表示在10%、5%和1%水平下显著; 括号内数字为t值。*, ** and *** represent significance at the levels of 10%, 5% and 1%, respectively; the numbers in parentheses are t values. 3.4.1 农地经营规模机制
表8表明数字经济对农地经营规模具有显著的正向作用, 对粮食生态效率在5%水平下正相关, 回归系数为0.276, 小于基准回归系数的绝对值(0.524)。由此表明, 农地经营规模发挥了部分中介效应, 从而验证数字经济能够通过扩大农地经营规模达到提高粮食生态效率的目的。可见, 数字经济推动了农业生产机械化, 降低了生产成本, 加速了土地流转, 克服了土地分散的经营弊端, 进而实现农业生产的规模化。因此, 扩大农地经营规模是数字经济推动粮食生态效率提高的重要渠道。
3.4.2 农业社会化服务机制
表8表明数字经济对农业社会化服务具有显著促进作用, 对粮食生态效率在10%水平上显著正相关, 回归系数为0.398, 小于基准回归系数的绝对值(0.524)。由此表明, 农业社会化服务在数字经济对粮食生态效率影响过程中起到了部分中介作用, 与研究预期保持一致。可见, 数字经济促进了农业社会化服务的提升, 有利于先进绿色生产技术的获取、传播与应用, 进而提高了农药、化肥和机械等生产资源的利用率, 从源头上提高粮食生态效率[19]。因此, 提升农业社会化服务也是数字经济推动粮食生态效率提高的重要渠道。
表8中介效应检验结果表明, 农地经营规模机制和农业社会化服务机制是数字经济推动粮食生态效率提高的中介变量, 假设H2和H3得到验证。
3.5 财政支农力度的门槛效应
基于前述的理论分析可知, 当财政支农力度处于不同水平时, 数字经济对粮食生态效率的影响不同, 二者可能存在非线性关系。为了验证这一非线性关系, 采用面板门槛模型分析数字经济对粮食生态效率的影响是否受到财政支农力度的约束, 其模型如下:
$$ \begin{split} &\qquad {\mathrm{G}\mathrm{E}\mathrm{E}}_{it}={\alpha }_{1}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}\times I\left(\mathrm{F}\mathrm{I}\mathrm{S}\leqslant {\lambda }_{1}\right)+{\alpha }_{2}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}\times I\\ & \left({\lambda }_{1} < \mathrm{F}\mathrm{I}\mathrm{S}\leqslant {\lambda }_{2}\right)+{\alpha }_{3}{\mathrm{D}\mathrm{I}\mathrm{G}}_{it}\times I\left(\mathrm{F}\mathrm{I}\mathrm{S} > {\lambda }_{3}\right)+{\mu }_{i}+{\varepsilon }_{i} \end{split}$$ (6) 式中: FIS为门槛变量, 表示财政支农力度;
$ \lambda \mathrm{为} $ 待估算的门槛值; I(·)为指示性函数, 若符合括号内的条件, I(·)=1, 否则I(·)=0。为验证门槛效应的存在性, 采用自助法(Bootstrap)对门槛变量进行500次反复抽样得到F值和P值。结果表明, 财政支农力度作为门槛变量, 分别在5%和10%水平下通过了单一门槛和双重门槛检验, 但未通过三重门槛检验, 即数字经济对粮食生态效率的影响存在双重门槛效应(表9)。
表 9 数字经济对粮食生态效率影响的门槛检验结果Table 9. Threshold test results of the impact of digital economy on grain eco-efficiency门槛变量
Threshold variable门槛性质
Threshold propertyF值
F valueP值
P value1%临界值
1% critical value5%临界值
5% critical value10%临界值
10% critical value财政支农力度
Intensity of fiscal
support for agriculture单一门槛 Single threshold 17.170 0.022 11.416 13.920 23.183 双重门槛 Double threshold 8.560 0.082 7.919 10.335 15.751 三重门槛 Triple threshold 1.200 0.856 10.856 15.251 26.463 在确定门槛值后, 进一步进行估计, 回归结果见表10。结果表明, 不同财政支农力度水平下, 数字经济对粮食生态效率的影响存在差异, 但均在1%水平上显著相关。具体来说, 当财政支农力度处于较低水平(FIS≤0.08)、两门槛之间(0.08<FIS≤0.14)和较高水平(FIS>0.14) 3个不同阶段时, 数字经济对粮食生态效率的影响系数分别为0.697、0.796和0.920, 整体呈现显著正向且边际效应递增的非线性特征, 即财政支农力度在数字经济对粮食生态效率影响过程中发挥了门槛效应, 假设H4得到验证。
表 10 数字经济对粮食生态效率影响的门槛回归结果Table 10. Threshold regression results of the impact of digital economy on grain eco-efficiency变量 Variable 回归系数 Regression coefficient DIG (FIS≤0.08) 0.697*** (3.130) DIG (0.08<FIS≤0.14) 0.796*** (4.100) DIG (FIS>0.14) 0.920*** (2.650) 常数项 Constant term 4.461** (2.530) 控制变量 Control variable Yes 地区效应 Regional effect 已控制 Controlled R2 0.451 DIG: 数字经济; FIS: 财政支农力度; **和***分别表示在5%和1%水平下显著; 括号内数字为t值。DIG: digital economy; FIS: intensity of fiscal support for agriculture; ** and *** represent significance at the levels of 5% and 1%, respectively; the numbers in parentheses are t values. 4. 结论与建议
4.1 结论
基于2013—2021年我国13个粮食主产区的面板数据, 实证检验了数字经济对粮食生态效率的影响, 主要研究结论如下。1)数字经济能够显著促进粮食生态效率提升, 且在调整样本区间、剔除异常值估计和滞后解释变量等稳健性检验后结论依然成立。2)数字经济对粮食生态效率的影响因维度、区域和粮食生态效率水平的不同而存在显著性差异。其中: 数字产业化对于粮食生态效率的促进作用大于产业数字化, 北方地区和低粮食生态效率地区的促进作用更为显著。3)数字经济能够通过农地经营规模和农业社会化服务两个中介变量, 间接推动粮食生态效率提高。4)数字经济对粮食生态效率的促进作用存在财政支农力度的门槛效应, 且边际效应递增, 即财政支农力度越高, 越有助于数字经济提升粮食生态效率。
4.2 建议及展望
基于上述结论, 提出以下政策建议。1)完善农村新型数字基础设施建设, 充分发挥数字经济对粮食生态效率的积极影响。首先, 提高农村千兆光网、5G网络和移动物联网等基建设施在农村的覆盖率, 提高农业信息服务的能力和质量; 其次, 积极搭建“互联网+农业”数据观测平台, 对粮食生产环节进行精准监控并及时给出调整建议, 提升生产要素的利用效率; 最后, 引导开发适农信息平台, 采用专家在线问答方式为农户提供生产过程中的技术指导, 甚至可以通过远程操作解决一些疑难杂症[34]。2)因地制宜制定数字经济与粮食生态效率的协同推进策略。数字经济对粮食生态效率影响的区域异质性研究结果显示, 北方地区数字经济对粮食生态效率的影响显著为正。因此, 对于北方地区, 应加大对数字农业的投入, 通过应用物联网、大数据和人工智能等先进数字技术, 实现农田管理、作物生长监测和农机作业等的智能化和精准化, 实现水、肥、药等资源的优化配置和高效利用, 降低农业生产成本, 提高资源利用效率。相比之下, 对于数字经济发展水平相对较高的南方地区, 可以选取典型区域开展数字农业示范项目, 通过成功案例的推广和复制, 带动更多地区和农户参与到数字农业发展中来。3)提高农地经营规模和农业社会化服务水平。中介效应的估计结果显示, 农地经营规模和农业社会化服务是关键的中介变量。对此, 一方面引导农户签订权责明确的农地流转契约, 提供良好、稳定的外部环境; 增加规模经营主体财政奖补和税收减免力度, 并鼓励金融机构为其提供融资担保服务[35]; 通过技能培训、劳务对接、转移输出等帮扶措施, 解决农户非农就业问题, 提高农地流转意愿。另一方面, 强化农业社会化服务组织队伍建设, 推动数智化技术与社会化服务深度融合; 鼓励先进农机设备的应用推广, 促进社会化服务提档升级; 加大农业社会化服务质量的监管和考核力度, 为推动粮食绿色生产提供制度保障[21]。4)优化财政支农结构, 突出绿色政策的引导方向。由于财政支农力度是关键的门槛变量, 政府应加快构建以绿色生态为导向的农业补贴制度, 加大生态农业的财政补贴力度, 如增加购买节能减排、高质高效农机设备的资金补贴, 或提供有机肥、生物农药等实物补贴, 提高农户进行绿色生产的积极性, 推动粮食生产方式转型升级[23]。
展望后续研究: 1)扩大研究范围。一方面, 扩大空间研究范围, 将研究对象由13个粮食主产区数据扩大到全国所有省份(自治区、直辖市)数据, 或者采用市级或县级的更为丰富的研究样本。另一方面, 扩大时间区间, 将研究年限增加到20年以上, 以便掌握数字经济对粮食生态效率的影响趋势变化。2)增加机制变量。本文尚未涉及的农户数字素养、农业技术创新等因素, 在数字经济对粮食生态效率影响过程中可能会起到一定的中介作用, 但限于篇幅, 本文未对其进行研究, 未来工作可以对其进行进一步探讨。3)替换研究方法。可以进一步采用空间面板计量模型, 分析数字经济在空间维度上对粮食生态效率的直接和间接影响, 丰富该领域的相关研究。
-
![]()
图 1 家庭农场加入合作社与其绿色生产关系图
Figure 1. Relationship between family farms joining cooperatives and their green production
![]()
图 2 家庭农场参与绿色生产影响因素间的逻辑关系
M表示行要素直接或间接影响列要素, N表示列要素直接或间接影响行要素。
Figure 2. Logical relationship among influencing factors of family farm participation in green production
M means the line elements directly or indirectly impact column elements, N means the column elements directly or indirectly impact line elements.
![]()
图 3 家庭农场参与绿色生产影响因素间的骨干矩阵
Figure 3. Backbone matrix of influencing factors of family farm participation in green production
![]()
图 4 家庭农场参与绿色生产的影响因素的解释结构模型
Figure 4. Explanatory structural model of influencing factors of family farm participation in green production
表 1 数据来源区域及家庭农场数量分布
Table 1 Data source areas and quantity distribution of family farms
地区
Region数量
Amount地区
Region数量
Amount地区
Region数量
Amount地区
Region数量
Amount济南市 Jinan 43 泰安市 Tai’an 21 东营市 Dongying 21 德州市 Dezhou 34 青岛市 Qingdao 52 威海市 Weihai 14 烟台市 Yantai 19 聊城市 Liaocheng 17 淄博市 Zibo 18 日照市 Rizhao 15 潍坊市 Weifang 44 滨州市 Binzhou 21 枣庄市 Zaozhuang 19 临沂市 Linyi 44 济宁市 Jining 23 菏泽市 Heze 16 
下载: 导出CSV
表 2 家庭农场样本的基本特征
Table 2 Basic characteristics of the sampled family farms
农场主特征
Farmer characteristics分类
Type数量
Households number比例
Ratio
(%)农场基础特征
Basic characteristics
of farm分类
Type数量
Households number比例
Ratio
(%)性别
Gender男 Male 333 79.10 农场经营年限
Farm operating years (a)<5 21 4.99 女 Female 88 20.90 5~7 240 57.01 年龄
Age≤30 6 1.43 8~10 156 37.05 31~40 52 12.35 >10 4 1.00 41~50 144 34.20 农场土地经营面积
Farm land area (hm2)≤6.67 57 13.54 51~60 185 43.94 6.67~13.33 107 25.42 ≥60 34 8.08 13.33~33.33 165 39.19 教育程度
Education小学及以下
Primary school and below7 1.66 33.33~66.70 59 14.01 初中
Junior school108 25.65 ≥66.70 33 7.84 高中或中专
High school or technical secondary school188 44.66 农业劳动力数量
Agricultural labor force (persons)≤5 140 33.25 大专或高职
College or higher vocational education90 21.38 6~10 153 36.34 大学及以上
University and above28 6.65 11~20 87 20.67 >20 41 9.74
下载: 导出CSV
表 3 家庭农场绿色生产相关变量定义及数据特征
Table 3 Definition and data characteristics of variables related to green production in family farms
变量类型
Variable type变量名
Variable name定义及赋值
Definition and assignment平均值 Mean 标准差
Standard deviation参与合作社
Participating in a cooperative未参与合作社
Not participating in a cooperative被解释变量
Explained
variable绿色生产
Green production (Y)采纳绿色生产行为累计加总值
Cumulative total value of green production behavior5.672 5.000 2.278 核心解释
变量
Core explanatory variable是否加入合作社
Whether to join a cooperative (X1)否=0, 是=1
No=0; yes=11.000 0 0.457 控制变量
Control variables性别
Gender (X2)女=0, 男=1
Female=0, male=10.769 0.806 0.407 年龄
Age (X3)负责人实际年龄
Actual age of person in charge48.902 49.435 8.894 受教育程度
Education level (X4)负责人的受教育程度: 小学及以下=1, 初中=2, 高中或中专=3,
大专或高职=4, 大学及以上=5
Education level of person in charge: primary school or below=1; junior high school=2; high school or technical secondary school=3; junior college or vocational college=4; college or above=53.000 3.097 0.895 经营类型
Type of business (X5)粮食=1, 蔬菜=2, 水果=3, 畜禽养殖=4, 其他=5
Grain=1, vegetable=2, fruit=3, livestock and poultry
breeding=4, others=52.392 2.723 1.330 农场经营年限
Years of farm operation (X6)实际注册年限
Actual years of registration6.740 6.980 1.323 农场土地面积
Farm land area (hm2) (X7)实际面积数: 对数处理
Actual area: logarithmic processing2.480 2.369 0.433 农场劳动力数量
Number of farm labor (X8)实际人数
Actual labor number (persons)10.734 10.665 11.593 产品销售质检
Product sales quality inspection (X9)农产品销售过程是否有质检: 否=0, 是=1
Whether there is quality inspection in the sales process of agricultural products: no=0; yes=10.821 0.794 0.396 产品原产地追溯
Product origin tracing (X10)农场产品是否能实现原产地可追溯: 否=0, 是=1
Whether farm products is traceable for origin: no=0, yes=10.780 0.661 0.454 产品质量认证
Product quality certification (X11)农场农产品是否“三品一标”: 否=0, 是=1
Farm produce whether “three products a standard”: no=0, yes=10.561 0.520 0.499 绿色生产认知
Green production cognition (X12)是否参加过绿色生产方面的培训: 否=0, 是=1
Have you participated in green production training? no=0, yes=10.572 0.456 0.501 绿色生产意愿
Green production intention (X13)绿色生产技术的采纳意愿: 非常不愿意=1, 不愿意=2,
一般=3, 愿意=4, 非常愿意=5
Willingness to adopt green production technology: very reluctant=1, not willing=2, generally=3, willing=4, very willing=54.387 4.407 0.699 绿色产品认可度
Green product recognition (X14)您认为目前绿色农产品销售难易程度如何:
非常难=1, 比较难=2, 一般=3, 比较容易=4, 非常容易=5
How difficult do you think it is to sell green agricultural products at present: very difficult=1, relatively difficult=2, generally=3, relatively easy=4, very easy=53.202 3.250 0.952
下载: 导出CSV
表 4 加入合作社对家庭农场绿色生产的影响定量分析
Table 4 Quantitative analysis of the influence of joining cooperatives on green production of family farms
绿色生产行为类别
Green production behavior category总体(421家)
Overall (421 farms)加入合作社(125家) Join cooperatives (125 farms) 未加入合作社(296家)
Not join cooperatives (296 farms)总体
Overall领办人(82家)
Leader (82 farms)普通社员(43家)
Ordinary members (43 farms)深松耕作
Deep loosening cultivation277(65.80%) 81(64.80%) 57(69.51%) 24(55.81%) 196(66.26%) 秸秆还田
Straw returned276(65.56%) 77(61.60%) 54(65.85%) 23(53.49%) 199(67.23%) 测土配方施肥
Soil testing formula fertilization230(54.63%) 80(64.00%) 51(62.20%) 29(67.44%) 150(50.68%) 节水灌溉(喷灌、滴灌等)
Water-saving irrigation
(sprinkler irrigation, drip irrigation, etc.)287(68.17%) 101(80.80%) 66(80.49%) 35(81.40%) 186(62.84%) 病虫害绿色防控
Green prevention and control of diseases
and insect pests256(60.81%) 85(68.00%) 57(69.51%) 28(65.12%) 171(57.77%) 施用有机肥
Application of organic fertilizer313(74.35%) 104(83.20%) 67(81.71%) 37(86.05%) 209(70.61%) 水肥一体化
Water and fertilizer integration199(47.27%) 72(57.60%) 46(56.10%) 26(60.47%) 127(42.91%) 回收农药包装废弃物
Recycling pesticide packaging waste176(41.81%) 61(48.80%) 43(52.44%) 18(41.86%) 115(38.85%) 畜禽养殖废弃物生态处理
Ecological treatment of livestock and poultry breeding waste113(26.84%) 34(27.20%) 26(31.71%) 8(18.60%) 79(26.69%) 1)表中参与合作社的家庭农场+未参与合作社的家庭农场=全样本; 作为合作社普通社员的家庭农场+作为合作社领办人的家庭农场=参与合作社的家庭农场。2)表中括号内数据为采纳绿色生产的家庭农场数量与所在列家庭农场数量的比值。1) Family farms participating in cooperatives + family farms not participating in cooperatives in the table = full sample; family farms as ordinary members of cooperatives + family farms as cooperative leaders = family farms participating in cooperatives. 2) The data in brackets in the table are the ratio of the number of family farms adopting green production to the number of family farms in the column.
下载: 导出CSV
表 5 加入合作社对家庭农场绿色生产影响的排序回归结果
Table 5 Sorting regression results of the influence of joining cooperatives on green production of family farms
模型
ModelLogit模型 Logit model Probit模型 Probit model 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是否加入合作社
Whether to join a cooperative (X1)0.554***(0.186) 0.352*(0.189) 0.368**(0.188) 0.229**(0.108) 0.242**(0.111) 性别
Gender (X2)0.233(0.218) 0.223(0.218) 0.086(0.125) 年龄
Age (X3)0.002(0.010) 0.002(0.010) 0.000(0.006) 受教育程度
Education level (X4)−0.057(0.106) −0.059(0.106) −0.036(0.060) 经营类型
Type of business (X5)−0.235***(0.071) −0.252***(0.067) −0.234***(0.071) −0.130***(0.041) 农场经营年限
Years of farm operation (X6)−0.102(0.070) −0.100(0.070) −0.048(0.038) 农场土地面积
Farm land area (X7)0.364(0.235) 0.351(0. 236) 0.277**(0.128) 农场劳动力数量
Number of farm labor (X8)0.015**(0.008) 0.019**(0.008) 0.015***(0.008) 0.009**(0.005) 产品销售质检
Product sales quality inspection (X9)0.313(0.228) 0.318(0.229) 0.192(0.134) 产品原产地追溯
Product origin tracing (X10)0.335*(0.198) 0.382**(0.194) 0.337*(0.198) 0.168(0.115) 产品质量认证
Product quality certification (X11)0.330*(0.190) 0.338**(0.185) 0.334*(0.190) 0.167(0.111) 绿色生产认知
Green production cognition (X12)0.752***(0.185) 0.756***(0.183) 0.746***(0.185) 0.441***(0.108) 绿色生产意愿
Green production intention (X13)0.582***(0.132) 0.539***(0.129) 0.587***(0.132) 0.306***(0.075) 绿色产品认可度
Green product recognition (X14)−0.078(0.095) −0.076(0.095) −0.046(0.054) 准R2 Quasi-R2 0.0052 0.0524 0.0481 0.0529 0.0522 *、**和***分别表示在10%、5%和1%水平显著。括号内数字为标准差。*, ** and *** respectively represent significant at the statistical level of 10%, 5% and 1%. Date in brackets are standard deviation.
下载: 导出CSV
表 6 加入合作社对家庭农场不同绿色生产行为的回归分析
Table 6 Regression analysis of joining cooperatives on different green production behaviors of family farms
深松
耕作
Deep loosening
cultivation秸秆
还田
Straw
returned测土配方
施肥
Soil testing formula fertilization节水灌溉
Water saving irrigation病虫害
绿色防控
Green prevention and control of diseases and
insect pests施用有机肥
Application of organic fertilizer水肥一体化
Water and fertilizer integration回收农药
包装废弃物
Recycling pesticide packaging waste畜禽养殖废弃物生态处理
Ecological treatment of livestock and poultry breeding waste加入合作社
Join a cooperative−0.063
(0.224)−0.246
(0.222)0.548**
(0.220)0.912***
(0.257)0.440**
(0.225)0.723***
(0.271)0.592***
(0.216)0.406*
(0.215)0.026
(0.240)其他变量
Other variables控制
Control控制
Control控制
Control控制
Control控制
Control控制
Control控制
Control控制
Control控制
Control常数项
Constant term0.672***
(0.123)0.719***
(0.124)0.027
(0.116)0.525***
(0.120)0.313***
(0.118)0.876***
(0.128)−0.286**
(0.117)−0.454***
(0.119)−1.010
(0.131)准R2
Quasi-R20.0001 0.0023 0.0110 0.0263 0.0070 0.0161 0.0131 0.0062 0.0000 *、**和***分别表示在10%、5%和1%水平显著。括号内数字为标准差。*, ** and *** respectively represent significant at the statistical level of 10%, 5% and 1%. Date in brackets are standard deviation.
下载: 导出CSV
表 7 不同特征的家庭农场加入合作社对绿色生产行为的回归分析
Table 7 Regression analysis on green production behavior of family farms with different characteristics joining cooperatives
作物类型
Crop type粮食
Grain蔬菜
Vegetables水果
Fruit畜禽养殖
Livestock and poultry breeding其他
Other加入合作社
Join a cooperative0.902**(0.355) 0.756**(0.391) ~0.105(0.349) 0.370(0.600) 0.309(0.654) 其他解释变量
Other explanatory variables控制
Control控制
Control控制
Control控制
Control控制
Control准R2
Quasi R20.0143 0.0104 0.0002 0.0015 0.0010 劳动力数量
Labor force numbers (person)<5 6~10 10~20 >20 加入合作社
Join a cooperative0.229(0.320) 0.440(0.313) 1.337***(0.432) 0.323(0.556) 其他解释变量
Other explanatory variables控制
Control控制
Control控制
Control控制
Control准R2
Quasi-R20.0009 0.0031 0.0263 0.0020
下载: 导出CSV
-
[1] 张林秀, 白云丽, 孙明星, 等. 从系统科学视角探讨农业生产绿色转型[J]. 农业经济问题, 2021, 42(10): 42−50 ZHANG L X, BAI Y L, SUN M X, et al. Views on agricultural green production from the perspective of system science[J]. Issues in Agricultural Economy, 2021, 42(10): 42−50
[2] 庄天慧, 刘成, 张海霞. 农业补贴抑制了农药施用行为吗?[J]. 农村经济, 2021(7): 120−128 ZHUANG T H, LIU C, ZHANG H X. Do agricultural subsidies inhibit behaviors of pesticide application?[J]. Rural Economy, 2021(7): 120−128
[3] 张红丽, 李洁艳, 史丹丹. 环境规制、生态认知对农户有机肥采纳行为影响研究[J]. 中国农业资源与区划, 2021, 42(11): 42−50 ZHANG H L, LI J Y, SHI D D. Research on the influence of environmental regulation and ecological cognition on farmers’ organic fertilizer adoption behavior[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(11): 42−50
[4] 王若男, 韩旭东, 崔梦怡, 等. 农户绿色生产技术采纳的增收效应: 基于质量经济学视角[J]. 农业现代化研究, 2021, 42(3): 462−473 WANG R N, HAN X D, CUI M Y, et al. The income-increasing effect of adopting green technologies by farmers: from the perspective of quality economics[J]. Research of Agricultural Modernization, 2021, 42(3): 462−473
[5] 王志刚, 于滨铜. 农业产业化联合体概念内涵、组织边界与增效机制: 安徽案例举证[J]. 中国农村经济, 2019(2): 60−80 WANG Z G, YU B T. The conceptual connotation, organizational boundary and synergistic mechanism of agricultural industrialization union: evidence from Anhui Province[J]. Chinese Rural Economy, 2019(2): 60−80
[6] 张笑寒, 汤晓倩. 农业产业化联合体参与主体的绿色生产行为研究−基于政府激励视角[J]. 农林经济管理学报, 2021, 20(2): 187−198 doi: 10.16195/j.cnki.cn36-1328/f.2021.02.20 ZHANG X H, TANG X Q. Green production behavior of participants in agricultural industrialization consortium: from the perspective of government incentive[J]. Journal of Agro-Forestry Economics and Management, 2021, 20(2): 187−198 doi: 10.16195/j.cnki.cn36-1328/f.2021.02.20
[7] 来晓东, 杜志雄, 郜亮亮. 加入合作社对粮食类家庭农场收入影响的实证分析−基于全国644家粮食类家庭农场面板数据[J]. 南京农业大学学报(社会科学版), 2021, 21(1): 143−154 LAI X D, DU Z X, GAO L L. An empirical analysis of the impact of joining cooperatives on farm income of grain family farms: based on panel data of 644 grain family farms in China[J]. Journal of Nanjing Agricultural University (Social Sciences Edition), 2021, 21(1): 143−154
[8] 陈文标. 家庭农场兴起背景下的农民专业合作社转型升级[J]. 农村经济, 2014(2): 113−116 CHEN W B. Transformation and upgrading of farmers’ professional cooperatives under the background of the rise of family farms[J]. Rural Economy, 2014(2): 113−116
[9] 王勇. 家庭农场和农民专业合作社的合作关系问题研究[J]. 中国农村观察, 2014(2): 39−48, 93 WANG Y. Research on co-operational relationships of family farms and farmer specialized cooperatives[J]. China Rural Survey, 2014(2): 39−48, 93
[10] 田云, 张俊飚, 何可, 等. 农户农业低碳生产行为及其影响因素分析−以化肥施用和农药使用为例[J]. 中国农村观察, 2015(4): 61−70 TIAN Y, ZHANG J B, HE K, et al. Analysis of farmers’ low-carbon production behavior and its influencing factors— Taking the application of chemical fertilizer and pesticide as examples[J]. China Rural Survey, 2015(4): 61−70
[11] 夏雯雯, 杜志雄, 郜亮亮. 家庭农场经营者应用绿色生产技术的影响因素研究−基于三省452个家庭农场的调研数据[J]. 经济纵横, 2019(6): 101−108 XIA W W, DU Z X, GAO L L. Research on the factors affecting the application of green production technology by family farm operators — Based on survey data of 452 family farms in three provinces[J]. Economic Review Journal, 2019(6): 101−108
[12] 蔡荣, 汪紫钰, 钱龙, 等. 加入合作社促进了家庭农场选择环境友好型生产方式吗? −以化肥、农药减量施用为例[J]. 中国农村观察, 2019(1): 51−65 CAI R, WANG Z Y, QIAN L, et al. Do cooperatives promote family farms to choose environmental-friendly production practices? An empirical analysis of fertilizers and pesticides reduction[J]. China Rural Survey, 2019(1): 51−65
[13] 焦翔, 王思博, 乔玉辉. 生态农场绿色发展影响因素研究−基于119个生态农场的调研数据[J]. 经济纵横, 2021(10): 104−113 JIAO X, WANG S B, QIAO Y H. A study on influencing factors of green development of ecological farm — Based on the survey data of 119 ecological farms[J]. Economic Review Journal, 2021(10): 104−113
[14] 王春来. 发展家庭农场的三个关键问题探讨[J]. 农业经济问题, 2014, 35(1): 43−48 doi: 10.13246/j.cnki.iae.2014.01.006 WANG C L. Discussion on three key issues of developing family farms[J]. Issues in Agricultural Economy, 2014, 35(1): 43−48 doi: 10.13246/j.cnki.iae.2014.01.006
[15] 段海霞, 易朝辉, 苏晓华. 创业拼凑、商业模式创新与家庭农场创业绩效关系−基于湖南省的典型案例分析[J]. 中国农村观察, 2021(6): 26−46 DUAN H X, YI Z H, SU X H. The relationship between entrepreneurial bricolage, business model innovation and entrepreneurial performance of family farms: an analysis based on typical cases in Hunan Province[J]. China Rural Survey, 2021(6): 26−46
[16] 沈琼, 李家家. 地权稳定促进了家庭农场的农地保护性投资吗−基于620户家庭农场的实证分析[J]. 甘肃行政学院学报, 2020(6): 111−123, 128 SHEN Q, LI J J. Does tenure security promote the protective investment in farmland of family farms — Empirical analysis based on 620 family farms[J]. Journal of Gansu Administration Institute, 2020(6): 111−123, 128
[17] 刘帅, 沈兴兴, 朱守银. 农业产业化经营组织制度演进下的农户绿色生产行为研究[J]. 农村经济, 2020(11): 37−44 LIU S, SHEN X X, ZHU S Y. Research on farmers’ green production behavior under the evolution of agricultural industrialization organization system[J]. Rural Economy, 2020(11): 37−44
[18] 郭晓鸣, 廖祖君. 公司领办型合作社的形成机理与制度特征−以四川省邛崃市金利猪业合作社为例[J]. 中国农村观察, 2010(5): 48−55, 84 GUO X M, LIAO Z J. Formation mechanism and institutional characteristics of company-led cooperatives — taking Jinli Pig Industry Cooperative in Qionglai, Sichuan Province as an example[J]. China Rural Survey, 2010(5): 48−55, 84
[19] 李晓静, 陈哲, 夏显力. 参与电商对猕猴桃种植户绿色生产转型的影响[J]. 西北农林科技大学学报(社会科学版), 2021, 21(4): 150−160 LI X J, CHEN Z, XIA X L. The impact of participating in E-commerce on the transformation of kiwifruit growers’ green production[J]. Journal of Northwest A& F University (Social Science Edition), 2021, 21(4): 150−160
[20] 王定祥, 谭进鹏. 论现代农业特征与新型农业经营体系构建[J]. 农村经济, 2015(9): 23−28 WANG D X, TAN J P. On the characteristics of modern agriculture and the construction of new agricultural management system[J]. Rural Economy, 2015(9): 23−28
[21] 张社梅, 陈锐, 罗娅. 公证嵌入下农业高质量发展的路径探讨−基于新型农业生产经营主体微观视角[J]. 农业经济问题, 2020, 41(6): 66−74 ZHANG S M, CHEN R, LUO Y. A study on the path of high-quality development of agriculture embedded in notarizationbased on the micro perspective of the new agricultural producers[J]. Issues in Agricultural Economy, 2020, 41(6): 66−74
[22] 赵晓颖, 郑军, 张明月. 流转地经营权稳定性对家庭农场耕地保护行为的影响−以增施有机肥及测土配方施肥为例[J]. 中国农业资源与区划, 2022, 43(8): 31−42 ZHAO X Y, ZHENG J, ZHANG M Y. The influence of transferred land tenure security on family farms’ cultivated land protection behaviors— Taking the application of organic fertilizer and formula fertilization as examples[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2022, 43(8): 31−42
[23] 曹裕, 陶兰, 吴堪. 信息不对称下订单农业合约设计[J]. 财经理论与实践, 2021, 42(4): 97−103 CAO Y, TAO L, WU K. Contract design for contract farming under information asymmetry[J]. The Theory and Practice of Finance and Economics, 2021, 42(4): 97−103
[24] 李昊, 李世平, 南灵. 农药施用技术培训减少农药过量施用了吗?[J]. 中国农村经济, 2017(10): 80−96 LI H, LI S P, NAN L. Can technical training reduce pesticide overuse?[J]. Chinese Rural Economy, 2017(10): 80−96
[25] HUETH B, LIGON E. Producer price risk and quality measurement[J]. American Journal of Agricultural Economics, 1999, 81(3): 512−524 doi: 10.2307/1244011
[26] 刘威, 马恒运. 包容性视域下农业产业化联合体共生关系的实证分析[J]. 农村经济, 2020(11): 95−103 LIU W, MA H Y. An empirical analysis of the symbiosis of agricultural industrialization consortium from the perspective of inclusiveness[J]. Rural Economy, 2020(11): 95−103
[27] 钟真, 蒋维扬, 赵泽瑾. 农业产业化联合体的主要形式与运行机制−基于三个典型案例的研究[J]. 学习与探索, 2021(2): 91−101, 176, 2 doi: 10.3969/j.issn.1002-462X.2021.02.014 ZHONG Z, JIANG W Y, ZHAO Z J. Main forms and operating mechanisms of agro-industrial alliance — Based on research on three typical cases[J]. Study & Exploration, 2021(2): 91−101, 176, 2 doi: 10.3969/j.issn.1002-462X.2021.02.014
[28] 程玲娟, 邹伟. 契约稳定性能否提升家庭农场耕地质量保护行为? −基于空间计量分析[J]. 西南大学学报(社会科学版), 2022, 48(2): 107−119 CHENG L J, ZOU W. Can contract stability improve farmland quality protection behaviors on family farms?— Based on spatial econometric analysis[J]. Journal of Southwest University (Social Sciences Edition), 2022, 48(2): 107−119
[29] 赵昶, 孔祥智, 仇焕广. 农业经营规模扩大有助于化肥减量吗−基于全国1274个家庭农场的计量分析[J]. 农业技术经济, 2021(4): 110−121 ZHAO C, KONG X Z, QIU H G. Does the expansion of farm size contribute to the reduction of chemical fertilizers?— Empirical analysis based on 1274 family farms in China[J]. Journal of Agrotechnical Economics, 2021(4): 110−121
[30] 郭田雨, 周宏. 家庭农场对绿色生产的影响−以江苏省三市水稻种植户为例[J]. 科技管理研究, 2022, 42(8): 216−222 doi: 10.3969/j.issn.1000-7695.2022.8.028 GUO T Y, ZHOU H. Impact of family farms on green production: taking rice growers in three cities of Jiangsu Province as an example[J]. Science and Technology Management Research, 2022, 42(8): 216−222 doi: 10.3969/j.issn.1000-7695.2022.8.028
[31] 杨晨遥, 庄天慧. 认知视角下家庭农场亲环境生产行为意愿形成机制研究−来自四川的微观经验证据[J]. 经济体制改革, 2022(4): 80−87 YANG C Y, ZHUANG T H. Study on the mechanism of willingness formation of pro-environmental production behavior in family farms from a cognitive perspective— Micro-level empirical evidence from Sichuan[J]. Reform of Economic System, 2022(4): 80−87
[32] CHENG J C H, MONROE M C. Connection to nature[J]. Environment and Behavior, 2012, 44(1): 31−49 doi: 10.1177/0013916510385082
[33] 闫阿倩, 罗小锋, 黄炎忠. 社会化服务对农户农药减量行为的影响研究[J]. 干旱区资源与环境, 2021, 35(10): 91−97 doi: 10.13448/j.cnki.jalre.2021.274 YAN A Q, LUO X F, HUANG Y Z. Influence of socialized services on farmers’ pesticide reduction behavior[J]. Journal of Arid Land Resources and Environment, 2021, 35(10): 91−97 doi: 10.13448/j.cnki.jalre.2021.274
-
期刊类型引用(11)
1. 刘佳，曹基武，彭翠英，王靖涵，王旭军. 土壤化学性质对七叶一枝花产量和品质的影响. 中国野生植物资源. 2025(01): 14-22 . 
百度学术
2. 刘佳，曹基武，彭翠英，王靖涵，梁军生，廖德志，王旭军. 土壤酚酸类物质对七叶一枝花农艺性状的影响. 湖南林业科技. 2024(02): 10-15+24 . 百度学术
3. 陆奇丰，骆文华. 极小种群广西火桐幼苗对干旱复水的生理响应. 西南林业大学学报(自然科学). 2024(04): 8-16 . 百度学术
4. 冯敬华，陈邦清，陈显，曾百林，田风雷，王功芳，余长蓉，曹荣军，张永翠，李道新. 七叶一枝花人工丰产栽培技术研究. 绿色科技. 2024(13): 70-74+78 . 百度学术
5. 刘守赞，蒋玲苔，张韵，顾依雯，韩敏琪，李姗，王红珍，白岩. 蓝、紫单色光处理对三叶青生理及总黄酮含量时空变化的影响. 中国生态农业学报(中英文). 2023(06): 885-894 . 本站查看
6. 周水灯，孙健，江建铭，邵将炜，邓惠敏，邵清松，王志安. 不同生育期施肥对浙贝母产量和品质的影响. 浙江农林大学学报. 2023(04): 756-764 . 百度学术
7. 陆奇丰，骆文华. 不同遮阴环境对广西火桐幼苗生长及生理生化的影响. 西部林业科学. 2023(04): 70-76+82 . 百度学术
8. 米琪，赵艳丽，李文春，普伟，陆尤，徐萍，于梦雯，陈佳，郑国伟. 云南重楼与球药隔重楼皂苷含量差异及光合特性研究. 时珍国医国药. 2023(12): 2937-2941 . 百度学术
9. 陈思，阎凯，何永美，湛方栋，祖艳群，李元，陈建军，李博. 遮阴对伴矿景天Cd、Pb、Zn累积特征的影响. 中国生态农业学报(中英文). 2022(03): 409-418 . 本站查看
10. 李坤，毛纯，刘军，吴芳兰，杨梅. LED光质对走马胎生长和生理及活性成分含量的影响. 西北植物学报. 2022(05): 819-828 . 百度学术
11. 许涛，郝心悦，于远航，庄心情，武淑娟，张怡. “药光互补”模式下中草药种植研究概述. 低碳世界. 2022(11): 169-171 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 428
- HTML全文浏览量: 141
- PDF下载量: 53
- 被引次数: 15
