How Can Computing Power Infrastructure Development Enhance Entrepreneurial Vitality in New Agricultural Business Models
-
摘要: 算力作为数字时代农业新质生产力的核心要素，已成为推动传统农业数字化转型的战略性基础设施。基于2012—2023年中国278个地级市面板数据，以国家超级计算中心建设为准自然实验，运用多期双重差分模型，实证检验算力基础设施建设对农业新业态创业活跃度的影响及其作用机制。研究发现：相对于非试点地区，国家超级计算中心建设显著推动了试点地区农业新业态创业活跃度的提升，且政策实施后的长期效应呈持续递增态势；算力基础设施建设通过促进农业大数据应用、提高农业劳动生产率、缓解农业资源错配以及推动农业科技创新等路径提升农业新业态创业活跃度，且对农业新业态创业的促进效应在政府营商环境优越、新型农业经营主体发展成熟、数字普惠金融指数较高以及政府数字关注度较强的地区表现更为显著。研究结论为政府科学布局算力资源、因地制宜构建农业新业态创业支持体系提供了经验证据。Abstract: As a core element of new quality productive forces in agriculture in the digital era, computing power has become a strategic infrastructure for promoting the digital transformation of traditional agriculture. Based on panel data from 278 prefecture-level cities in China from 2012 to 2023, and taking the "National Supercomputing Center Construction" as a quasi-natural experiment, this study empirically evaluates the impact and mechanism of computing power infrastructure construction on the entrepreneurial activity of new agricultural business forms using a multi-period difference-in-differences model. The research finds that the construction of national supercomputing centers significantly promoted the increase in entrepreneurial activity of new agricultural business forms in pilot areas compared to non-pilot areas, and the long-term effect after policy implementation shows a continuously increasing trend. Computing power infrastructure development enhances the entrepreneurial activity of new agricultural business forms through pathways such as promoting the application of agricultural big data, improving agricultural labor productivity, alleviating agricultural resource misallocation, and promoting agricultural technological innovation. Furthermore, the promoting effect on entrepreneurial activity of new agricultural business forms is more significant in regions with a superior government business environment, mature development of new agricultural business entities, a higher Digital Inclusive Finance Index, and strong government digital attention. The research conclusions provide empirical evidence for the government to scientifically allocate computing power resources and construct entrepreneurial support systems for new agricultural business forms according to local conditions.
-
表 1 变量定义及描述性统计
变量分类 变量名称 变量测度 均值 标准差 最小值 最大值 被解释变量 农业新业态创业活跃度 农业新业态新设企业数量(千家) 0.097 0.225 0.024 3.205 解释变量 算力基础设施建设 国家超算中心投入运营状态 0.026 0.159 0.000 1.000 控制变量 金融发展水平 金融机构各项贷款余额/地区生产总值 1.140 0.629 0.356 3.629 气候极端风险 极端低温日数、极端高温日数、极端降雨日数和极端干旱日数的年均值 34.175 11.284 0.000 132.240 农业资源禀赋 人均占有耕地面积(亩) 1.407 1.436 0.000 12.000 交通基础设施水平 境内公路总里程与市域面积之比(km/km2) 4.511 57.801 0.000 1 042.846 城市化进程 城镇常住人口/年末总人口 0.732 0.361 0.171 0.967 人力资本投资 教育支出与城市地区生产总值之比 0.039 0.031 0.008 0.503 财政支出水平 地方财政一般预算支出与地区生产总值之比 0.229 0.189 0.059 2.414 机制变量 农业大数据应用 运用Python网络爬虫技术和文本挖掘法构建 44.662 66.895 0.000 672.000 农业劳动生产率 农业增加值/第一产业就业人数(万元/人) 1.075 0.716 0.237 3.707 农业资源错配 根据郑宏运等(2019)的方法[26]计算得到 0.499 0.186 0.110 0.930 农业科技创新 地级市农业发明专利授权量(件) 32.495 65.677 0.000 374.000 
下载: 导出CSV
表 2 平衡性检验：处理组与对照组的特征对比
变量 处理组均值 对照组均值 差异 t值 P值 金融发展水平 0.857 0.879 -0.022 0.010 0.921 气候极端风险 33.424 38.033 -4.609 0.185 0.854 农业资源禀赋 0.838 7.145 -6.307 0.240 0.810 交通基础设施水平 1.607 4.739 -3.132 0.188 0.851 城市化进程 0.618 0.656 -0.038 0.385 0.701 人力资本投资 0.032 0.034 -0.002 0.112 0.911 财政支出水平 0.144 0.176 -0.032 0.284 0.777 注：处理组为最终获得超算中心的12个城市，对照组为其他266个城市。数据为各城市在政策启动前(2000—2008年)的均值，政策启动于2009年。
下载: 导出CSV
表 3 基准回归结果
变量 农业新业态创业活跃度 (1) (2) 算力基础设施建设 0.213*** 0.200*** (5.275) (4.936) 金融发展水平 0.030** (1.962) 气候极端风险 0.000 (0.176) 农业资源禀赋 0.035 (1.053) 交通基础设施水平 0.000 (1.119) 城市化进程 0.000 (1.604) 人力资本投资 1.029** (1.999) 政策支出水平 -0.208*** (-2.880) 常数项 0.092*** 0.011 (28.032) (0.203) 控制变量 否 是 城市固定效应 是 是 年份固定效应 是 是 样本量 3 336 3 336 Adj-R2 0.366 0.368 注：***、**和*分别表示在1%、5%和10%的显著性水平；括号内为t值。下表同。
下载: 导出CSV
表 4 Bacon分解结果
组别 估计系数 权重 异时处理组间比较 -0.041 0.013 总是处理组vs. 时变处理组 0.181 0.011 从未处理组vs. 时变处理组 0.200 0.964 总是处理组vs. 从未处理组 -5.637 0.000 组内变异 -0.855 0.012
下载: 导出CSV
表 6 PSM-DID和安慰剂检验
变量 PSM-DID 安慰剂检验 半径匹配 1∶1近邻匹配 农业新业态创业活跃度 (1) (2) (3) (4) 算力基础设施建设 0.200*** 0.168*** (4.938) (3.680) F(t+3) -0.036 (-1.207) F(t+4) 0.018 (0.558) 常数项 0.011 -0.098 14.257*** 14.255*** (0.197) (-0.713) (364.913) (364.878) 控制变量 是 是 是 是 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 3 336 170 3 336 3 336 Adj-R2 0.368 0.306 0.977 0.977
下载: 导出CSV
表 7 基于双重机器学习的再检验
变量 农业新业态创业活跃度 随机森林法 神经网络法 套索回归法 梯度提升法 (1) (2) (3) (4) 算力基础设施建设 0.223*** 0.055*** 0.158*** 0.208*** (4.250) (11.360) (3.998) (4.382) 常数项 -0.009** 0.099*** 0.000 -0.001 (-2.495) (8.169) (0.032) (-0.262) 控制变量一次项 是 是 是 是 控制变量二次项 是 是 是 是 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 3 336 3 336 3 336 3 336
下载: 导出CSV
表 8 其他稳健性检验
变量 农业新业态存续企业数占农业全行业企业总数的比重 每百人农业新业态企业数 删除直辖市样本 控制省份与年份交互固定效应 现代农业产业园建设 “东数西算”工程 控制前定变量的时间趋势 (1) (2) (3) (4) (5) (6) (7) 算力基础设施建设 0.059*** 0.032*** 0.202*** 0.173*** 0.206*** 0.188*** 0.213*** (4.315) (14.313) (4.981) (7.340) (5.108) (4.540) (5.275) 常数项 0.017 0.006** 0.010 0.103*** 0.019 0.014 0.092*** (0.952) (2.083) (0.180) (6.559) (0.352) (0.262) (28.032) 控制变量 是 是 是 是 是 是 是 城市固定效应 是 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 是 样本量 3 336 3 336 3 288 3 336 3 336 3 336 3 336 Adj-R2 0.275 0.389 0.370 0.240 9 0.377 0.368 0.366
下载: 导出CSV
表 9 工具变量法
变量 算力基础设施建设 农业新业态创业活跃度 (1) (2) 算力基础设施建设 1.932** (2.236) 工具变量 -0.162** (-1.993) 常数项 0.014 0.047** (0.874) (2.083) 控制变量 是 是 城市固定效应 是 是 年份固定效应 是 是 样本量 3 336 3 336
下载: 导出CSV
表 10 作用机制检验
变量 农业大数据应用 农业劳动生产率 农业资源错配 农业科技创新 (1) (2) (3) (4) 算力基础设施建设 0.467*** 0.301*** -0.065*** 124.417*** (2.600) (3.920) (-4.016) (18.41) 常数项 2.393*** 0.975*** 0.501*** 57.211*** (19.457) (33.064) (23.457) (12.378) 控制变量 是 是 是 是 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 3 336 3 336 3 336 3 336 Adj-R2 0.056 0.026 0.853 0.111
下载: 导出CSV
表 11 异质性分析：基于政府营商环境与新型农业经营主体
变量 营商环境优势区 营商环境劣势区 新型农业经营主体发展水平较高 新型农业经营主体发展水平较低 (1) (2) (3) (4) 算力基础设施建设 0.180** -0.044 0.254*** -0.550*** (2.506) (-1.261) (2.932) (-3.441) 常数项 0.058*** 1.259*** 0.045** 1.525*** (17.794) (384.041) (2.239) (46.860) 组间差异 0.224**(P < 0.05) 0.804***(P < 0.01) 控制变量 是 是 是 是 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 1 665 1 668 1 658 1 669 Adj-R2 0.322 0.389 0.351 0.149
下载: 导出CSV
表 12 异质性分析：基于数字普惠金融指数与政府数字关注度
变量 数字普惠金融指数较高 数字普惠金融指数较低 政府数字关注度较高 政府数字关注度较低 (1) (2) (3) (4) 算力基础设施建设 0.191*** 0.025*** 0.252*** 0.021 (5.279) (4.351) (4.052) (0.406) 常数项 0.169*** -0.052 -0.043 0.038*** (5.193) (-0.657) (-0.364) (2.693) 组间差异 0.166***(P < 0.01) 0.231***(P < 0.01) 控制变量 是 是 是 是 城市固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 1 665 1 667 1 649 1 636 Adj-R2 0.187 0.295 0.377 0.305
下载: 导出CSV
-
[1] 赵路犇, 林海. 数字乡村发展政策实施能否推动革命老区农业新业态创业活动[J]. 中国农村经济, 2024(7): 141-160. [2] 曾亿武, 李丽莉, 郭红东. 从传统农业到数字农业: 演进逻辑与实现路径[J]. 经济学家, 2024(8): 119-128. [3] 文雁兵, 周艳, 汪寿阳. 农业如何借"数智"提"新质"从传统走向现代?——基于青莲食品全产业链数字化平台的案例研究[J]. 管理世界, 2025, 41(7): 133-149. [4] 余东华. 算力: 数字经济时代的新质生产力[J]. 财贸研究, 2024, 35(7): 1-16. [5] 杨壮, 吴福象. 算力基础设施建设能破解"生产率悖论"吗——基于合作创新和劳动力技能结构的视角[J]. 经济学家, 2025(1): 56-65. [6] 戚凯, 杨悦怡. 人工智能时代的美国对华算力竞争[J]. 国际论坛, 2024, 26(3): 43-61. [7] 孙诗瑶, 石智雷. 新型基础设施建设对农户种植结构的影响分析[J]. 中国农村经济, 2024(9): 165-184. [8] 邱泽奇, 张樹沁, 刘世定, 等. 从数字鸿沟到红利差异——互联网资本的视角[J]. 中国社会科学, 2016(10): 93-115. [9] 韦施威, 潘爽, 高锡蓉, 等. 网络基础设施建设与创业活跃度——兼论城市间的扩散效应与虹吸效应[J]. 南方经济, 2025(7): 98-118. [10] 白俊红, 张艺璇, 卞元超. 创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J]. 中国工业经济, 2022(6): 61-78. [11] 徐占东, 郑玮, 蒋婷, 等. 创业积极结果框架对创业绩效的影响——基于创业即兴的中介和数字技术使用的调节[J]. 软科学, 2025, 39(11): 9-18. [12] 单标安, 任洪鋆, 毕清清, 等. 数字平台企业对包容性创业活动的影响——基于共生关系视角的案例研究[J]. 管理学报, 2024, 21(7): 949-959. [13] 曹慧, 舒全峰. 数字素养何以影响新型农业经营主体可持续创业决策——基于CMES数据的实证分析[J]. 西南大学学报(社会科学版), 2025, 51(1): 133-147. [14] 许诺, 毛聚, 毛新述, 等. 算力部署、数据跨域流动与企业全要素生产率——来自智算中心的证据[J]. 中国工业经济, 2025(4): 61-79. [15] 王华, 谭鑫语. 算力基础设施建设与企业数字化转型——来自数据中心建设的证据[J]. 统计研究, 2025, 42(12): 47-61. [16] 龚斌磊, 袁菱苒. 新质生产力视角下的农业全要素生产率: 理论、测度与实证[J]. 农业经济问题, 2024(4): 68-80. [17] 刘丹丹, 王新东, 陈一飞. 数字乡村建设能否推动涉农创业增长?——基于县域的经验证据[J]. 财贸研究, 2025, 36(5): 67-77. [18] 孟维福, 王艳丽, 张高明. 农村产业融合对农业经济韧性提升的影响与作用机制——基于国家农村产业融合发展示范园建设的研究[J]. 经济纵横, 2025(7): 76-89. [19] 张玉静, 涂圣伟. 数字普惠金融、农业要素配置效率与城乡居民收入差距——来自中国1572个县域的证据[J]. 南京农业大学学报(社会科学版), 2025, 25(1): 182-192. [20] 吴明朗, 李雪松, 甄广雯. 数字禀赋、农地流转权能与农民收入福利[J]. 管理评论, 2022, 34(10): 291-303. [21] 张林, 蒋李雯, 丁晓兰. 数字普惠金融发展能够缓解金融要素扭曲吗?[J]. 财经问题研究, 2025(4): 82-97. [22] 韩先锋, 肖坚, 朱承亮. 数字乡村政策实施能否激发村庄创业活力[J]. 中国农村经济, 2025(5): 102-123. [23] 薛永基, 杨晨钰婧, 张园圆. 从"一枝独秀"到"百花齐放": 农村创业扩散何以驱动农业产业集群发展[J]. 中国农村经济, 2025(3): 41-60. [24] Sabrina F, Sohail S, Farid F, et al. An interpretable artificial intelligence based smart agriculture system[J]. Computers, Materials and Continua, 2022, 72(2): 3777-3797. doi: 10.32604/cmc.2022.026363 [25] 刘同山, 刘婕. 适度规模经营促进了农业新质生产力形成吗?——基于"生产力—生产方式—劳动生产率"框架的实证分析[J]. 改革, 2024(10): 44-61. [26] 郑宏运, 李谷成, 周晓时. 要素错配与中国农业产出损失[J]. 南京农业大学学报(社会科学版), 2019, 19(5): 143-153. [27] 张益, 宋洪远. 科技创新对农业经济增长的外溢效应及其衰减边界——基于空间杜宾模型的分析[J]. 农村经济, 2022(5): 116-124. [28] Guo K, Ji Q, Zhang D. A dataset to measure global climate physical risk[J]. Data in Brief, 2024, 54: 110502. doi: 10.1016/j.dib.2024.110502 [29] Goodman-Bacon A. Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021, 225(2): 254-277. doi: 10.1016/j.jeconom.2021.03.014 [30] De Chaisemartin C, D Haultfoeuille X. Two-way fixed effects estimators with heterogeneous treatment effects[J]. American Economic Review, 2020, 110(9): 2964-2996. doi: 10.1257/aer.20181169 [31] Callaway B, Sant'Anna P H. Difference-in-differences with multiple time periods[J]. Journal of Econometrics, 2021, 225(2): 200-230. doi: 10.1016/j.jeconom.2020.12.001 [32] 陈博文, 杨福霞. 特色农业发展政策实施的县域经济增长效应——基于中国特色农产品优势区的评估[J]. 中国农村经济, 2024(10): 132-152. [33] 黄祖辉, 宋文豪, 叶春辉. 数字普惠金融对新型农业经营主体创立的影响与机理——来自中国1845个县域的经验证据[J]. 金融研究, 2023(4): 92-110. [34] 郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展: 指数编制与空间特征[J]. 经济学(季刊), 2020, 19(4): 1401-1418. [35] 刘毛桃, 方徐兵, 李光勤. 政府数字关注与企业数字创新——来自政府工作报告文本分析的证据[J]. 中国经济学, 2023, 3(7): 111-142. [36] 刘少杰. 数字乡村建设应优先培育新质生产者[J]. 济南大学学报(社会科学版), 2025, 35(1): 5-12. -
点击查看大图
图(4) / 表(12)
计量
- 文章访问数: 17
- HTML全文浏览量: 12
- PDF下载量: 1
- 被引次数: 0