数字经济、气候适应与农业韧性：来自中国地级市的实证证据

本文研究了数字经济是否能够缓解气候物理风险对农业韧性（Agricultural Resilience, AR）的不利影响。研究人员利用2007年至2023年中国274个地级市的面板数据，通过在双向固定效应（Two-way Fixed Effects）框架中引入城市数字经济指数（Urban Digital Economy Index, DEI）与气候物理风险指数（Climate Physical Risk Index, CPRI）的交互项来识别这一关系。研究结果表明，数字经济显著削弱了气候风险对农业韧性的负面影响，并且在多种设定下该发现均保持稳健。本文的贡献在于：将数字化、可测量的气候物理风险与农业韧性整合到一个实证框架中；采用基于第一产业增加值（Primary Industry Added Value）的扰动-响应测度方法；并提供了气候压力下数字发展的韧性价值的城市级证据。

研究背景与意义

农业作为国民经济的基础，高度依赖自然条件，因此对气候变率极为敏感。近年来，全球变暖加剧导致干旱、洪涝和气温极端事件频发，对农业生产力、粮食安全及农村经济稳定性构成了日益增长的威胁。在此背景下，数字经济凭借数据、平台和现代信息网络，正日益渗透农业和农村领域。通过大数据分析、实时监测、数字金融和网络化物流，数字经济能够减少信息不对称、缓解资源约束并提升灾害应对能力。然而，现有文献大多将气候风险和数字经济视为农业发展的独立决定因素，较少在统一的实证框架内探讨数字经济如何在具体的气候物理冲击下发挥韧性调节效应，也缺乏对微观传导路径及边界条件的深入量化分析。基于此，研究人员开展了此项研究，旨在明确数字经济是否以及如何系统性地增强气候压力下的农业韧性。该研究发表在《Frontiers in Sustainable Food Systems》，其结论对于理解数字技术在气候适应中的作用、优化农业气候治理策略具有重要的学术价值与政策含义。

主要关键技术方法

研究人员构建了中国274个地级市2007年至2023年的非平衡面板数据集。核心被解释变量农业经济韧性（Agricultural Economic Resilience, AER）采用第一产业增加值作为核心变量测度，以反映系统对扰动的响应与恢复能力。核心解释变量为城市数字经济指数（DEI，基于互联网普及率和数字普惠金融通过主成分分析构建）与气候物理风险指数（CPRI，基于极端低温、高温、降雨和干旱日数构建）的交互项。实证策略上，研究人员建立了双向固定效应基准模型，并进一步采用了倾向得分匹配（Propensity Score Matching, PSM）、双重机器学习（Dual Machine Learning）等方法进行稳健性检验；通过设置中介变量（如数字普惠金融、农业专利、电商交易额、物流基建、保险保费）检验传导机制；引入调节变量（城市蔓延指数USI、金融机构贷款余额lnloan）分析边界条件；并进行异质性分析（城市规模、资源禀赋、环境规制强度）及绿色经济效率（Green Economic Efficiency, GEE）的后果检验。

研究结果

5 实证结果与分析（Empirical results and analysis）

5.1 基准回归结果（Benchmark regression results）

研究人员在控制城市和年份固定效应后进行了基准回归。结果显示，核心交互项（DEI与CPRI的交互项）系数显著为正（不加入控制变量时为0.422，加入后为0.465），支持了数字经济缓解气候风险负面影响的假设。气候风险指数（CPRI）的主效应显著为负，符合理论预期；数字经济指数（DEI）的主效应显著为负，研究人员将其解释为数字经济发展初期可能存在的“要素虹吸效应”。边际效应分析表明，随着DEI提升，气候风险对农业韧性的负向边际影响逐渐减弱并最终转为正向，证实了数字经济具备“缓冲”和“韧性增强”的功能。

5.2 稳健性检验（Robustness test）

研究人员通过多种方法验证结果的可靠性：

(1) 倾向得分匹配（PSM）：使用核密度匹配后，交互项系数为0.597且显著，排除了样本选择偏差的干扰。

(2) 双重机器学习（Dual Machine Learning）：控制高维特征后，交互项系数为0.220且显著。

(3) 其他检验：包括引入省-年联合固定效应、将聚类层级提升至省级、剔除2019-2021年新冠疫情样本等，交互项系数均保持显著为正，证实基准结论稳健。

6 机制、调节与异质性（Mechanisms, moderation, and heterogeneity）

6.1 机制检验（Mechanism tests）

研究人员识别出数字经济增强农业韧性的五条核心路径：

• •
  融资便利（Financing Facilitation）：数字普惠金融（DFI）降低了信贷门槛，提升了灾后流动性支持。
• •
  技术赋能（Technological Empowerment）：农业专利申请（lnAgriPat）增多体现了数字技术加速了农业技术创新与采纳。
• •
  市场扩张（Market Expansion）：数字贸易（digtrd）与电商交易额（lnEcom）帮助在局部灾害下重新配置供需。
• •
  基础设施支持（Infrastructure Support）：互联网用户（lninternet）与公路货运量（road_freight）保障了信息与物资流动。
• •
  风险对冲（Risk Hedging）：农业保险保费收入（lnInsur）借助数字技术提升了定损与赔付效率，降低了收入波动。

6.2 调节效应检验（Moderation tests）

研究人员发现两个关键的边界条件：

• •
  城市蔓延（Urban Sprawl Index, USI）具有负向调节作用（交互项为-2.088），空间碎片化提高了数字基建延伸成本并弱化了协同。
• •
  金融信贷支持（lnloan）具有正向调节作用（交互项为0.079），充足的信贷为技术采纳与灾后恢复提供了资金保障。

6.3 异质性分析（Heterogeneity analysis）

• •
  城市规模：在大城市（常住人口超100万）中交互项显著为正（0.484），而在中小城市不显著，存在“城市规模阈值”效应。
• •
  资源禀赋：在非资源型城市中交互项显著为正（0.476），在资源型城市中不显著，资源依赖可能导致路径锁定与投资挤出。
• •
  环境规制：在重点环境保护城市中交互项显著为正（0.565），非重点城市不显著，严格的环境约束倒逼了绿色数字转型。

7 绿色经济后果（Green economic consequences）

研究人员进一步检验了农业韧性增强的广义经济后果，发现核心交互项对城市绿色经济效率（GEE）的提升作用显著为正（0.011），表明数字经济的韧性效应有助于实现更清洁、更协调的发展。

讨论与结论

讨论部分指出，尽管论文概念上界定了农业韧性的三个维度（抵抗力、恢复力与适应性转型），但基于第一产业增加值的城市级敏感性指标更直接地反映了中短期抵抗与恢复能力；适应性转型作为更长周期的韧性维度，需结合结构性变迁等更深证据来度量。结论部分总结认为：数字经济能够削弱气候物理风险对农业韧性的不利影响，这一“韧性效应”通过金融、技术、市场、基建和风险对冲机制发挥作用，并受到城市空间结构与金融深度的调节；数字化对气候韧性的贡献需要嵌入互补的资源、基建与治理条件中。政策上，强化农业数字韧性不仅需要投资农村数字基建，还需统筹金融、物流、保险与环境治理，并将数字农业政策纳入更广泛的气候治理与绿色发展框架中。