数字乡村建设对西部县域粮食生产韧性的影响效应与机制检验

Influence effects and mechanism testing of digital rural construction on the grain production resilience of western county-level regions

摘要

为揭示数字乡村建设对西部县域粮食生产韧性的影响，基于2001—2023年西部1 041个县域的面板数据，以国家数字乡村试点政策为准自然实验，采用双重差分模型实证检验数字乡村建设对西部县域粮食生产韧性的影响效应及作用机制。研究发现：1）数字乡村建设显著提升西部县域粮食生产韧性，并在稳健性检验后依然成立。2）异质性分析表明，数字乡村建设对西部不同县域粮食生产韧性的影响程度存在差异，在山地丘陵县、非粮食主产区、西北地区以及高粮食生产韧性县域的促进作用更显著。3）从作用机制看，数字乡村建设可通过增加地方财政支持、提升设施农业使用率、促进劳动力转移提高西部县域粮食生产韧性。建议西部县域因地制宜推进数字乡村建设赋能粮食生产、促进财政收支与技术协同、突破设施农业应用瓶颈、推动劳动力非农转移。

Abstract

To explore the impact of digital rural construction on grain production resilience of western county-level regions， this research employs panel data from 1 041 counties in western China from 2001 to 2023. Using the national digital rural pilot policy as a quasi-natural experiment， a difference-in-differences （DID） model is applied to empirically examine the effects and underlying mechanisms of digital rural construction on grain production resilience. The findings are as follows： 1） Digital rural construction notably improves grain production resilience in western counties， and this conclusion remains valid after robustness tests. 2） Heterogeneity analysis indicates that the impact differs across counties. Improvements are particularly pronounced in mountainous or hilly counties， non-major grain-producing areas， northwest regions， and counties with higher initial resilience levels. 3） Mechanism test shows that digital rural construction enhances grain production resilience by increasing local fiscal support， raising the utilization rate of facility agriculture， and promoting rural labor transfer. It is suggested that western county-level regions promote digital rural construction tailored to local conditions to empower grain production， facilitate the synergy of fiscal revenue and expenditure with technology， break through the application bottleneck of facility agriculture， and promote the non-agricultural employment of labor force.

Graphical abstract

关键词

数字乡村建设 / 国家数字乡村试点政策 / 粮食生产韧性 / 双重差分模型 / 效应评估

Key words

digital rural construction / national digital rural pilot policy / grain production resilience / difference-in-differences model / effect evaluation

“民为国基，谷为民命”，粮食安全是农业农村现代化的本质要求。2025年中央一号文件聚焦“坚决把牢粮食安全主动权”，凸显粮食安全的基石地位。2024年我国粮食总产量首次突破1.4万亿斤（0.7万亿kg）大关^［1］，但高产量背后潜藏着多重风险。《2024年数字乡村发展工作要点》强调“强化粮食安全数字化支撑”，为保障粮食安全提供指引^［2］。数字技术与传统农业的深度融合正在重塑农业生产方式，数字乡村建设作为数字经济与农业农村现代化的融合体，推动生产方式数字化转型，稳定粮食生产预期，提升粮食生产韧性^［3］。由此，深入探讨国家数字乡村试点政策对粮食生产韧性的影响效应和作用机制，对保障国家粮食安全有重要意义。

“韧性”最早由国外生态学家Holling^［4］提出，指生态系统在遭受外部扰动后的自我修复能力。联合国粮食及农业组织（FAO）丰富了韧性理论，将其纳入粮食体系框架中^［5］。粮食生产作为粮食产业链的源头环节，逐渐成为学术界研究的热点，有学者将粮食生产韧性定义为粮食生产体系应对外部冲击的能力^［6］。当前，受全球气候变化、耕地资源紧张及农业劳动力流失等因素制约^［7］，亟需破解粮食生产体系脆弱性加剧的困境。粮食生产韧性的相关研究主要围绕测度、影响因素和作用路径展开。粮食生产韧性的测度有三类方法：第一类是指标体系法，基于其概念从抵抗力与恢复力2个方面构建指标体系^［8］，或依据其特征从缓冲能力、自组织能力和学习应用能力3个维度构建指标体系^［9］；第二类是关键变量法，通过对比实际产量与预期产量的关系计算粮食生产韧性^［10］；第三类是构建概率模型，采用动态概率模型计算粮食生产韧性^［11］，或采用动态分位数阈值计算粮食生产韧性^［12］。有研究指出政策实施^［13］、农业科技创新^［14］等因素会对粮食生产韧性产生影响，可通过优化资源配置^［13］、提高农业机械化程度^［11］等路径增强粮食生产韧性。

2019年《数字乡村发展战略纲要》将数字乡村建设定义为，基于农村数字化技术运用和农民信息技能提升，推动农业农村现代化的过程^［15］。在此过程中，数字乡村建设可在赋能农业高质量发展^［16］、保障粮食安全^［17］等方面发挥积极作用。数字乡村建设与粮食生产韧性的相关研究有两类：一类探究数字乡村建设与粮食体系韧性的关系，发现其可通过优化粮食产业体系等路径提高粮食体系韧性^［17］；另一类探究农业数字化与粮食生产韧性的关系，发现省际种植结构等因素可正向强化农业数字化与粮食生产韧性的匹配程度^［18］。生产作为粮食体系的源头环节，其韧性亦可能受到数字乡村建设的影响，且数字乡村建设可通过推进农业数字化提高粮食生产韧性。故数字乡村建设对粮食生产韧性有潜在积极影响，为本研究的开展提供指引。

西部地区涵盖黄土高原、山地丘陵等复杂地貌，是粮食生产生态敏感带及耐旱作物、特色农产品重要产区^［19］，对保障粮食多样性供给有重要作用。但由于自然灾害频发、基础设施落后、劳动力结构性流失等问题，其粮食安全面临着严峻挑战^［7］。县域是数字乡村建设政策落地的基本单元及生产资源配置、技术推广的关键层级^［20］，对政策的实施成效有重要影响。当前西部县域粮食生产呈现“小而散”的特征^［21］，一方面，复杂的地形地貌导致土地碎片化严重，智能设备适配难度大，传统技术难以直接应用；另一方面，西部县域的经营主体规模小、生产组织化程度低、劳动力数字素养低，对复杂技术接受度有限，数字技术难以推广落地。探究数字乡村建设与西部县域粮食生产韧性的关系，可弥补西部数字赋能粮食生产研究的不足，为制定区域差异化政策提供支撑。

现有学术积累为本研究提供了重要参考，但仍存在可拓展空间。一是以往研究多强调数字经济对粮食体系韧性的整体效应，较少以粮食生产为切入点，将数字乡村建设和粮食生产韧性置于统一框架，从源头环节探究粮食体系稳定性。二是以往研究多聚焦省域和市域，县域作为政策实施的基础单元，其影响尚未充分揭示。聚焦县域可精准把握政策落地效果。三是数字乡村建设对西部县域粮食生产韧性的作用机制尚不明晰，对其深入剖析可深化韧性理论认知、精准提升西部粮食安全保障能力。鉴于此，本研究以西部县域为研究对象，将数字乡村建设与粮食生产韧性纳入统一框架，运用双重差分模型探究数字乡村建设对西部县域粮食生产韧性的影响作用，旨在为提高西部粮食生产效率、筑牢粮食安全防线提供理论支撑。

1　政策背景与理论假设

1.1　政策背景

当前，数字乡村建设已成为驱动中国农业农村现代化的重要路径，其中政策的引导与支持是核心驱动力。自2018年中央一号文件提出数字乡村战略以来，各级地方政府围绕技术应用与产业升级，构建起多维协同的政策体系。该政策体系聚焦于生产，旨在激发数字技术效能促粮食增产；强化了技术赋能，提升防灾抗灾能力；拓展了数字化路径，为产业升级添动力。其的实施依托多项纲领文件（表1）。

1.2　理论分析及研究假设

1.2.1　数字乡村建设对西部县域粮食生产韧性的直接效应

数字乡村建设有助于西部县域克服粮食生产过程中面临的信息传递低效、技术普及程度低以及生产环节交易成本高等挑战（图1）。首先，依据信息不对称理论，信息缺失和滞后会导致资源配置失效并造成市场失灵^［22］。针对西部县域信息传递低效的问题，数字乡村建设可通过推进农业生产信息化改造、构建数据互通平台向农户传递信息，助力农户应对气候变化和市场波动，增强粮食生产体系应对外部冲击的反应能力。其次，依据新古典增长理论，技术进步是驱动长期经济增长的核心因素^［23］。为缓解西部县域技术普及程度低的问题，数字乡村建设可通过推广精准种植技术和优化粮食生产要素结构，提升粮食生产效率。最后，依据交易成本理论，技术手段与交易制度能够降低交易成本，尤其是信息搜寻与监督执行成本^［24］。针对西部县域粮食生产环节交易成本高的问题，数字乡村建设通过建立标准化的交易制度，重构农户与市场的连接模式，减少信息损耗与谈判成本，降低农户决策门槛，进而提升粮食生产体系应对灾害与市场扰动的抗风险能力。基于此，提出假说：

H1：数字乡村建设有助于提升西部县域粮食生产韧性。

1.2.2　地方财政支持的影响机制分析

数字乡村建设可通过收入支出的协同效应增加地方财政支持，提高粮食生产韧性。一方面，数字乡村建设通过拓宽西部县域财政收入渠道，为粮食生产提供资金保障。西部县域传统农业附加值低、税源单一，数字技术的引入催生了一批新型农业主体和涉农科技企业，其经营所产生的增值税、企业所得税被纳入了地方财政收入体系，拓宽了财政收入渠道，有效缓解西部县域财政增长乏力的困境。同时，财政收入的增加可加大涉农部门对节水农业、生态种植等项目的补贴力度，弥补西部县域粮食生产的劣势，精准提升粮食生产体系的抗干扰能力。另一方面，数字乡村建设可通过优化西部县域财政支出结构，为粮食生产提供资金支撑。地方政府对农业领域的资金使用情况进行动态监测，将预算优先投向数字农业平台、智慧农田等高回报领域，优化西部县域的财政支出结构^［25］。资金向涉农部门倾斜可加大农业保险保费补贴，提升农民参保积极性，在风险发生时通过保险补偿减少生产损失，弱化对粮食生产的直接冲击。此外，构建粮食市场价格监测预警体系使得各级政府能够实时精准监测价格波动，及时减轻价格风险对粮食生产的负面影响，增强粮食生产体系的抗风险能力与生产稳定性^［26］。基于此，提出假说：

H2：数字乡村建设通过增加地方财政支持提升西部县域粮食生产韧性。

1.2.3　设施农业使用的影响机制分析

数字乡村建设有助于深度破解设施农业在西部县域的应用瓶颈，提高设施农业的使用率，增强粮食生产韧性。设施农业是现代农业的重要生产模式，其用途涵盖蔬菜与瓜果的栽培种植，在粮食生产方面也发挥重要作用。推广设施农业使用可提高耕地单位面积的产出效能，增强对外部风险的抵御能力，从而提升西部县域粮食生产体系的稳定性^［27］。一方面，数字乡村建设可推进减损型设施农业设备落地，减少粮食生产损耗。借助数字化管理精准定位西部县域短板，推广减损型设施农业应用。在建设设施农业过程中，引入高效烘干与科学储粮体系，减少西部因自然条件在晾晒、储存环节的粮食损耗，稳定粮食产量预期。另一方面，数字乡村建设可通过在蔬果种植领域推广设施农业，提高耕地利用效率，保障粮食生产体系稳定。数字乡村建设引入了整合智能温控、病虫害预警等适配蔬果生长的设施农业设备，同时搭建一站式平台，提高蔬果种植领域设施农业的普及率。设施农业通过推广立体栽培等技术提高种植蔬果的耕地利用效率，为粮食生产腾地，有效缓解“粮菜争地”矛盾，突破西部县域的耕地资源限制，有效增强粮食生产体系的抗风险能力^［28］。基于此，提出假说：

H3：数字乡村建设通过提升设施农业使用率提升西部县域粮食生产韧性。

1.2.4　劳动力转移的影响机制分析

数字乡村建设通过优化西部县域人力资本配置和提高非农收入水平，提升粮食生产韧性。一方面，数字乡村建设可通过优化人力资本配置，强化粮食生产体系的抗风险能力^［8］。数字乡村建设催生的农村电商、智慧物流等新业态在西部县域创造了新兴岗位，推动粮食生产中的低效劳动力向高附加值产业转移。人力资本配置优化通过劳动力“减量”释放农业生产资源，使得原本分散在小农户手中的生产资源集中流向种粮大户、家庭农场等高效生产主体，推动生产向规模化、集约化转变，通过统一规划种植、使用先进设备等降低气候波动和市场变化对粮食生产造成的冲击。另一方面，数字乡村建设通过提升农户非农收入水平，优化粮食生产基础条件。数字乡村建设能够促进传统农户向非农岗位转移就业，进而提高非农收入水平，有效缓解农户从事粮食生产的流动性约束，并加大农户对生产改造的资金投入力度^［29］，为灌溉设施、引入精准管理技术等提供资金保障，改善生产条件，强化西部县域粮食生产韧性。基于此，提出假说：

H4：数字乡村建设通过促进劳动力转移提升西部县域粮食生产韧性。

2　数据来源、模型与变量

2.1　模型构建

2.1.1　双重差分模型

国家数字乡村试点政策作为数字乡村建设的代理变量，可反映其核心特征与政策导向。本研究将国家数字乡村试点政策的实施视为准自然实验，采用双重差分模型探究试点县与非试点县在政策实施前后的影响差异。具体模型如下：

\begin{array}{l}\mathrm{G}\mathrm{P}{\mathrm{R}}_{it}={\alpha }_{\mathrm{1}}+{\alpha }_{\mathrm{2}}\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i\times \mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t+\\ {\alpha }_{\mathrm{3}}\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}\end{array}（1）

式中：\mathrm{G}\mathrm{P}{\mathrm{R}}_{it}为t年份第i个县域的粮食生产韧性；\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i\times \mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t为核心解释变量；\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i为政策实施的地区虚拟变量；\mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t为政策实施的时间虚拟变量。\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}为控制变量，{\mu }_i为控制地区变量，{\lambda }_t为控制时间变量，{\epsilon }_{it}为扰动项，{\alpha }_{\mathrm{1}}为常数项，{\alpha }_{\mathrm{2}}为国家数字乡村试点政策实施的净效应，{\alpha }_{\mathrm{3}}为控制变量相应的系数。

2.1.2　中介效应模型

为识别数字乡村建设对西部县域粮食生产韧性的作用机制，本研究参考江艇^［30］的“两步法”构建中介效应模型。在基准模型（1）的基础上，围绕地方财政支持、设施农业使用、劳动力转移3个潜在传导机制构建中介效应模型，具体如下：

\begin{array}{l}\mathrm{L}\mathrm{F}{\mathrm{S}}_{it}={\beta }_{\mathrm{1}}+{\beta }_{\mathrm{2}}\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i\times \mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t+\\ {\beta }_{\mathrm{3}}\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}\end{array}（2）

\begin{array}{l}\mathrm{F}\mathrm{A}\mathrm{U}{\mathrm{R}}_{it}={\gamma }_{\mathrm{1}}+{\gamma }_{\mathrm{2}}\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i\times \mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t+\\ {\gamma }_{\mathrm{3}}\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}\end{array}（3）

\mathrm{L}{\mathrm{T}}_{it}={\eta }_{\mathrm{1}}+{\eta }_{\mathrm{2}}\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i\times \mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t+{\eta }_{\mathrm{3}}\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}（4）

式中：\mathrm{L}\mathrm{F}{\mathrm{S}}_{it}为地方财政支持，\mathrm{F}\mathrm{A}\mathrm{U}{\mathrm{R}}_{it}为设施农业使用率，\mathrm{L}{\mathrm{T}}_{it}为劳动力转移，其他变量设定与双重差分模型一致。

2.2　变量选取

2.2.1　被解释变量

本研究的被解释变量为粮食生产韧性。参考祝金欣等^［10］的研究，采用关键变量法计算粮食生产韧性，即比较实际粮食产量和预期粮食产量的差异程度，可直观反映县域粮食生产量的波动情况。具体公式如下：

\mathrm{G}\mathrm{P}{\mathrm{R}}_{it}=\frac{\frac{Q_{it}^c-Q_{i(t-\mathrm{1})}^c}{Q_{i(t-\mathrm{1})}^c}-\frac{Q_{it}^p-Q_{i(t-\mathrm{1})}^p}{Q_{i(t-\mathrm{1})}^p}}{|\frac{Q_{it}^p-Q_{i(t-\mathrm{1})}^p}{Q_{i(t-\mathrm{1})}^p}|}（5）

式中：\mathrm{G}\mathrm{P}{\mathrm{R}}_{it}为粮食生产韧性，Q_{it}^c为县域i在t年的粮食产量，Q_{it}^p为县域i所处省份在t年的粮食产量。\frac{Q_{it}^c-Q_{i(t-\mathrm{1})}^c}{Q_{i(t-\mathrm{1})}^c}为县域i在t年的实际粮食产量增长率，\frac{Q_{it}^p-Q_{i(t-\mathrm{1})}^p}{Q_{i(t-\mathrm{1})}^p}为县域i所处省份在t年的粮食产量增长率，即预期粮食产量增长率。

2.2.2　核心解释变量

本研究的核心解释变量为数字乡村建设，即地区虚拟变量\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i与时间虚拟变量\mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t的交互项(\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i\times \mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t)。研究样本选取西部12个省份1 041个县域，其中44个为国家数字乡村试点县域。将其作为实验组，赋值\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i=\mathrm{1}，否则为对照组，赋值\mathrm{t}\mathrm{r}\mathrm{e}\mathrm{a}{\mathrm{t}}_i=\mathrm{0}。2020年公布国家数字乡村试点名单，将2020年之前赋值\mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t=\mathrm{0}；当年及以后赋值\mathrm{p}\mathrm{o}\mathrm{s}{\mathrm{t}}_t=\mathrm{1}。

2.2.3　中介变量

本研究选取地方财政支持、设施农业使用率与劳动力转移作为中介变量，探究数字乡村建设对西部县域粮食生产韧性的作用机制。1）地方财政支持：采用地方财政一般预算支出与地区生产总值的比值表示，反映地方政府在生产活动中的资金支持力度^［31］。2）设施农业使用率：借鉴田红宇等^［32］对相对量数据的处理方法，使用设施农业占地面积与年末总人口的比值加1的对数值表示，反映设施农业的普及程度。3）劳动力转移：以乡村从业人员与农林牧渔业从业人员之差占乡村从业人员的比值表示，反映劳动力从传统农林牧渔业向乡村其他产业转移的程度^［33］。

2.2.4　控制变量

参考其他研究^{［10，17］}，选取综合反映粮食生产特征的控制变量：1）土地面积：以行政区域土地面积的对数值表示，反映土地资源禀赋情况。2）农村劳动力：以乡村从业人员数的对数值表示，反映劳动资源禀赋情况。3）农业产值：以农林牧渔业总产值的对数值表示，反映农业经济基础。4）产业结构升级：以第三产业增加值与第二产业增加值的比值表示，反映产业结构优化的程度。5）外资利用率：以实际利用外资额与年末总人口的比值表示，反映县域的开放水平。6）机械动力使用率：以农业机械总动力与农林牧渔业从业人员数的比值表示，反映机械动力使用情况。

2.3　数据来源

本研究样本覆盖2001—2023年西部12个省份1 041个县域。选取2001年为起始点是因为该年政府颁布首部现行有效的农业农村信息化政策《农业科技发展纲要（2001—2010年）》。核心解释变量数据来源于2020年公布的《国家数字乡村试点地区名单》，西部包括44个试点县域。因2024年公布第二批试点县域，未将其纳入研究范畴。其他变量数据来源于2002—2024年《中国县域统计年鉴》^［34］。剔除数据缺失严重的样本县，并采用插值法填补缺失数据，以确保数据连续性和可靠性^［10］。变量描述性统计见表2。

3　实证检验

3.1　基准回归结果

本研究采用双重差分模型验证数字乡村建设对西部县域粮食生产韧性的影响。表3结果显示，不论是否加入控制变量，数字乡村建设的系数均在5%的水平上显著为正，对西部县域粮食生产韧性产生正向影响。原因为：一是数字乡村建设突破西部县域的地理限制与信息壁垒，拓宽农民信息获取渠道和能力；二是数字乡村建设推动农业技术创新，弥补西部县域数字劣势，增强农业现代化水平；三是数字乡村建设降低西部县域在生产过程的交易成本，减少流程障碍，增强粮食生产抗风险能力。H1得到验证。

3.2　稳健性检验

3.2.1　事前趋势检验

使用双重差分模型的前提是实验组与对照组的样本在政策实施前发展趋势一致，且各方面具有相似特征^［35］。为满足一致性前提，本研究以2020年为基准年，将四期以前数据归并进行事前趋势检验。如图2所示，2020年前数字乡村建设对粮食生产韧性的回归系数不显著，这表明在政策实施前试点县域和非试点县域不存在显著区别，未拒绝事前趋势平行的假设。政策实施后回归系数在某些年份显著为正，且呈现明显上升趋势。表明在国家数字乡村试点政策实施后，西部县域粮食生产韧性有显著提升。该结果同时说明，国家数字乡村试点政策的效应具有一定的时滞性，原因为：一方面，西部县域需要时间完成数字农业硬件的建设与安装；另一方面，数字技术对粮食生产的改善需通过完整的生产周期体现，无法即时转化为粮食生产韧性提升。

3.2.2　替换被解释变量

为避免研究结论因单一测度方式而产生偏差，本研究更改衡量粮食生产韧性的方法进行稳健性检验。参考蒋辉^［36］从抵抗力和恢复力2个维度构建西部县域粮食生产韧性指标体系，如表4，并采用熵值法合成指数重新进行回归（表5）。

表5结果显示，不论是否加入控制变量，数字乡村建设的系数均在5%的水平上显著为正，说明衡量方式的改变不会对基准回归结论产生影响，再次验证H1的稳健性。

3.2.3　时间安慰剂检验

基准回归可能受2020年未观测到冲击的影响，为排除这种可能性，本研究进行时间安慰剂检验，将政策实施时间分别提前至2019年和2018年回归。如表6所示，虚构时间后数字乡村建设对西部县域粮食生产韧性的系数均不显著，表明西部县域粮食生产韧性提升与数字乡村建设的实际实施时间存在紧密关联。

3.2.4　PSM-DID检验

数字乡村试点县的选择可能存在偏差，基础条件好、数字潜力大的县更易入选，这可能导致实验组和对照组的可观测特征存在系统性差异，混淆政策效应估计。为减少样本选择性偏差并缓解内生性，本研究采用PSM-DID进行稳健性检验。PSM-DID常用的混合匹配法和逐期匹配法均存在缺陷，前者存在时间错配问题，后者可能导致控制组不稳定^［37］。故本研究基于全年数据，以控制变量为协变量，使用Logit模型估算倾向得分，分别采用最近邻1∶1的混合匹配法和逐期匹配法匹配样本进行回归。由表6可知，数字乡村建设的系数分别在5%和10%的水平上显著为正，在不同匹配方法下基准回归结果仍稳健。

3.2.5　调整样本量和时间区间

基准回归样本涵盖西部所有县域，为排除特殊样本干扰，本研究通过2种筛选策略分别进行稳健性检验，如表6所示。1）剔除经济发展水平显著高于普通县的直辖市下辖县域可使样本更贴近西部县域特征，回归结果显示数字乡村建设的系数在5%的水平上显著为正。2）2018年中央一号文件首次提出实施数字乡村发展战略，为反映数字乡村建设对西部县域粮食生产韧性的动态影响，将样本年限缩短至2018—2023年，回归结果显示，数字乡村建设的系数在10%的水平上显著为正。综上，基准回归结果不受特殊样本和特定时段干扰，在西部县域范围内普遍成立。

3.2.6　排除同期政策干扰

国家数字乡村试点政策实施期间，西部县域可能受其他同期政策干扰。电子商务进农村综合示范政策可能通过改变农产品流通模式影响粮食生产^［38］；国家重点生态功能区政策可能会产生环境约束作用于农业生产^［39］。故本研究分别引入两项政策的虚拟变量与时间的交互项进行回归，结果如表6所示，数字乡村建设系数均在5%的水平上显著为正，表明粮食生产韧性提升是因为国家数字乡村试点政策，而非其他同期政策的实施。

3.3　异质性分析

西部县域在地形条件、农业功能、地理区位以及粮食生产韧性基础有差异，数字乡村建设的赋能效果可能呈现区域异质性（表7）。仅比较子样本系数的显著性水平可能产生偏差，因此参考张晖等^［40］通过邹检验验证4组样本的组间系数差异，结果表明政策效果均有差异。基于此，本研究从4个维度开展异质性分析：

1）基于地形条件差异。为揭示西部不同地形条件约束下数字乡村建设的差异化表现，参考封志明等^［41］界定地形起伏度不高于0.5为平原县、高于0.5为山地丘陵县，进行异质性检验。由表7可知，数字乡村建设在5%的水平上显著提升山地丘陵县的粮食生产韧性，对平原县影响不显著。原因为：第一，西部山地丘陵县土壤、光照等条件差异较大，数字乡村建设引入精准农业技术可克服其地形限制，提升资源利用效率和粮食产出水平。第二，山地丘陵县农户居住分散、交通不便，信息不对称问题更为突出，数字平台可整合生产数据、市场信息，降低其信息搜索成本，增强粮食生产体系应对风险的能力。

2）基于农业功能差异。西部不同农业功能的县域在政策资源配置与路径选择存在差异，可能影响政策实施效果。根据《国家粮食安全中长期规划纲要（2008—2020年）》将样本划分为粮食主产区和非粮食主产区，进行异质性检验。由表7可知，数字乡村建设在5%的水平上显著提升非粮食主产区的粮食生产韧性，对粮食主产区影响不显著。原因为：第一，非粮食主产区粮食生产的政策投入相对不足，数字乡村建设带来的数据、技术和资金可填补其数字农业的空白，发挥补短板效应，为粮食生产提供物质和技术支撑。第二，非粮食主产区的农业功能多元，数字技术不仅能提升粮食产量，更能强化特色产业与粮食生产的互动关系，构建“以特促粮”的互济机制，提升非粮食主产区县域的粮食生产韧性。

3）基于地理区位差异。西南地区降水丰沛但多山地，西北地区干旱少雨但土地广袤，使数字乡村建设在技术推广和政策落地产生空间差异。参考李刚等^［42］按“秦岭-淮河”分界线将西部划分为西南与西北地区进行异质性检验。由表7可知，数字乡村建设在10%的水平上显著提升西北地区的粮食生产韧性，对西南地区影响不显著。原因在于：第一，西北地区土地广袤，适合规模化经营与生产，可降低技术应用的边际成本，支撑数字乡村建设的长期推进。第二，西北地区生产受水资源限制严重，数字技术能够精准破解其资源瓶颈，通过智能灌溉等技术缓解水资源约束，为粮食生产提供保障。

4）基于粮食生产韧性基础差异。以粮食生产韧性水平的中位数为界，将西部县域划分为低粮食生产韧性县域与高粮食生产韧性县域，进行异质性检验。由表7可知，数字乡村建设在10%的水平上显著提升高粮食生产韧性县域，对低粮食生产韧性县域影响不显著。原因是高粮食生产韧性县域生产体系更成熟、抗风险基础更好，对数字技术的承接能力更强。数字技术在此基础上优化生产决策，进一步强化粮食生产体系的抗风险与恢复能力。

3.4　机制检验

基于前述理论，本研究进一步探究地方财政支持、设施农业使用率、劳动力转移在数字乡村建设促进西部县域粮食生产韧性过程中的作用。由表8可知，数字乡村建设在5%的水平上显著提升地方财政支持，H2得证。原因是数字乡村建设可通过拓宽财政收入渠道和优化财政支出结构，增加地方财政的资金支持，为西部县域生产数字化提供资本支撑，增强粮食生产韧性。数字乡村建设在1%的水平上显著提升设施农业使用率，H3得证。原因是数字乡村建设可解决设施农业推广的难题，显著提高设施农业使用率，增强西部县域粮食生产韧性。数字乡村建设在1%的水平上显著提升农村劳动力转移，H4得证。原因是数字乡村建设可促进西部县域劳动力向非农领域转移，通过优化西部县域人力资本配置和提高农户非农收入，优化粮食生产条件。

4　结论与建议

当前西部县域面临耕地约束趋紧、农村劳动力外流等多重挑战，粮食生产体系抗风险能力弱化，增强粮食生产韧性可为保障西部粮食安全提供有力支撑。为此，本研究以数字乡村建设为切入点，基于西部1 041个县域的数据，采用双重差分模型，实证检验国家数字乡村试点政策对西部县域粮食生产韧性的影响效应和作用机制。研究结论如下：1）数字乡村建设对西部县域粮食生产韧性表现出显著促进效应，且通过多重稳健性检验，结论可靠。2）异质性分析显示，数字乡村建设对西部县域粮食生产韧性的影响因地形条件、农业功能、地理区位以及粮食生产韧性基础不同而存在显著差异，在山地丘陵县、非粮食主产区、西北地区与高粮食生产韧性地区提升效果显著。3）机制分析表明，数字乡村建设可通过增加地方财政支持、提高设施农业使用率、推动劳动力转移提升西部县域粮食生产韧性。

基于上述结论，提出以下建议：

1）因地制宜推进数字乡村建设，赋能粮食生产。第一，依据地形，在山地丘陵县推进精准农业技术建设，在平原县研发新技术刺激生产。第二，依据功能定位，在非粮食主产区推广数字技术赋能特色农业，在粮食主产区寻找新突破口强化生产优势。第三，依据区位，在西北强化规模化生产破除资源瓶颈，在西南采用适应地形分散特征的小规模技术。第四，依据韧性基础，在高韧性县域放大政策红利；在低韧性县域加大数字投入，改善生产条件。

2）促进财政收支与技术协同，加强财政支农力度。第一，通过建设农业大数据中心、数字服务平台等方式，吸引新型农业主体等入驻，缓解农业税源单一问题，夯实资金基础。第二，财政资金重点支持适配西部的数字化项目，设立数字农业专项基金、优先支持高标准农田数字化改造等，推动数字技术赋能粮食生产。

3）突破设施农业应用瓶颈，提高耕地利用效率。第一，推广智能烘干设备与科学储粮仓，实现仓储环境数字化管控，减少粮食生产损耗。第二，提高西部县域耕地利用效率，推广立体栽培模式，实现高效种植，提高粮食生产耕地空间利用率。

4）推动劳动力非农转移就业，优化生产条件。第一，引导劳动力向高附加值产业转移，推动高效生产主体进行规模化、集约化生产。第二，引导非农收益反哺农业，激励农户将新增收入用于生产条件改造，推动生产技术化转型。

参考文献

[1] 蓝红星，王婷昱.农业新质生产力赋能大国粮仓建设的现实路径与未来展望［J］.社会科学辑刊，2025（2）：130-140

[2] Lan H X， Wang T Y. Practical pathways and future prospects for empowering the construction of a major national granary through new quality productivity in agriculture［J］. Social Science Journal， 2025（2）：130-140 （in Chinese）

[3] 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

[4] Zeng Y W， Li L L， Guo H D. From traditional agriculture to digital agriculture： Evolution logic and realization path［J］. Economist， 2024（8）：119-128 （in Chinese）

[5] 孙久文，张翱.数字经济时代的数字乡村建设：意义、挑战与对策［J］.西北师大学报：社会科学版，2023，60（1）：127-134

[6] Sun J W， Zhang A. Digital rural construction in the era of digital economy： Significance， challenges and countermeasures ［J］. Journal of Northwest Normal University： Social Sciences， 2023， 60（1）： 127-134 （in Chinese）

[7] Holling C S. Resilience and stability of ecological systems［J］. Annual Review of Ecology and Systematics，1973，4：1-23

[8] Food and Agriculture Organization of the United Nations（FAO）. The state of food and agriculture 2021： Making agrifood systems more resilient to shocks and stresses［R］. Rome，2021

[9] Coopmans I， Bijttebier J， Marchand F， Mathijs E， Messely L， Rogge E， Sanders A， Wauters E. COVID-19 impacts on Flemish food supply chains and lessons for agri-food system resilience ［J］. Agricultural Systems， 2021，190：103136， DOI：10.1016/j.agsy.2021.103136

[10] 崔宁波，王斯曼，董晋.农村劳动力老龄化对粮食生产韧性的影响：基于倒逼视角的中介效应［J］.农业现代化研究，2025，46（2）：237-247

[11] Cui N B， Wang S M， Dong J. The impacts of rural labor aging on the resilience of food production： Mediating effects from the inversion perspective［J］. Research of Agricultural Modernization， 2025， 46（2）： 237-247 （in Chinese）

[12] 蔡林军，文春晖.劳动力转移对粮食生产韧性的影响研究：基于中国粮食主产区的实证［J］.中国农机化学报，2024，45（3）：313-321

[13] Cai L J， Wen CH. Study on the influence of labor transfer on the resilience of food production： Based on the evidence of major grain producing areas in China［J］. Chinese Journal of Agricultural Mechanization， 2024， 45（3）： 313-321 （in Chinese）

[14] Jacobi J， Mukhovi S， Llanque A， Augstburger H， Käser F， Pozo C， Peter M， Delgado J， Kiteme B， Rist S， Speranza C. Operationalizing food system resilience： An indicator-based assessment in agroindustrial， smallholder farming， and agroecological contexts in Bolivia and Kenya ［J］. Land Use Policy，2018，79：433-446

[15] 祝金欣，朱再清，张冰洁.农业产业园区建设能提升粮食生产韧性吗：基于国家现代农业示范区的准自然实验［J］.世界农业，2025（3）：119-131

[16] Zhu J X， Zhu Z Q， Zhang B J. Can agricultural industrial park construction enhance the resilience of the grain production： Based on the quasi-natural experiment of national modern agricultural demonstration zones ［J］. World Agriculture， 2025（3）： 119-131 （in Chinese）

[17] Xie Y， Yao R K， Wu H T， Li M D. Digital economy， factor allocation， and resilience of food production ［J］. Land， 2025，14，139

[18] Luo Y K， Liu S Y， Zhang Y， Zeng Y， Zhao D D. Digital pathways to resilience： Assessing the impact of digitalization on agricultural production resilience in China［J］. China Economic Review， 2025，90，102375. DOI： 10.1016/j.chieco.2025.102375

[19] 李少林，马里.国家现代农业示范区建设影响粮食生产韧性的作用机制及政策效应［J］.深圳大学学报：人文社会科学版， 2025，42（3）： 5-11

[20] Li S L， Ma L. The mechanism and policy effect of national modern agricultural demonstration zone construction on grain production resilience［J］. Journal of Shenzhen University： Humanities & Social Sciences， 2025，42（3）： 5-11 （in Chinese）

[21] 彭长生，黄兴宇，王澎，钟钰.农业科技创新对粮食生产韧性的影响［J］.科技导报，2024，42（16）：47-57

[22] Peng C S， Huang X Y， Wang P， Zhong Y. Study on the impact of agricultural science and technology innovation on the resilience of food production under the “double-cycle” development pattern ［J］. Science & Technology Review， 2024， 42（16）： 47-57 （in Chinese）

[23] 郝爱民，谭家银.数字乡村建设对我国粮食体系韧性的影响［J］.华南农业大学学报：社会科学版，2022，21（3）：10-24

[24] Hao A M， Tan J Y. Impact of digital rural construction on food system resilience［J］. Journal of South China Agricultural University： Social Science Edition， 2022， 21（3）： 10-24 （in Chinese）

[25] 吴婧，王影，刘春成，刘晓倩.数字乡村建设赋能农业高质量发展的实现机理与组态路径［J］.统计与决策，2025，41（5）：86-91

[26] Wu J， Wang Y， Liu C C， Liu X Q. The realization mechanism and configurational path of empowering high-quality agricultural development through digital rural construction［J］. Statistics & Decision， 2025， 41（5）： 86-91 （in Chinese）

[27] 朱杰，彭浩瀚，张志，王军，高远卓.数字乡村建设对粮食安全的影响研究：基于县域层面的实证分析［J］.中国软科学，2025（5）：79-91

[28] Zhu J， Peng H J， Zhang Z， Wang J， Gao Y Z. Study on the impact of digital rural development on food security： An empirical analysis at the county level［J］. China Soft Science， 2025（5）： 79-91 （in Chinese）

[29] 高瑞敏，周霞，周玉玺.粮食主产区农业数字化与粮食生产韧性时空耦合及影响因素［J］.山东农业大学学报：社会科学版，2024，26（4）：124-133 （in Chinese）

[30] Gao R M， Zhou X， Zhou Y X. The time-space coupling and the impacting factors of agricultural digitalization and grain production resilience in major grain-producing areas ［J］. Journal of Shandong Agricultural University： Social Science Edition， 2024， 26（4）： 124-133 （in Chinese）

[31] 方方，李裕瑞.西部地区乡村振兴难度评价及重点帮扶县识别［J］.经济地理，2022，42（4）：8-18

[32] Fang F， Li Y R. Assessing the difficulty of rural vitalization and identifying the key assistance counties in Western China ［J］. Economic Geography， 2022， 42（4）： 8-18 （in Chinese）

[33] 高雅，邬红梅.数字乡村建设对县域经济发展影响的实证检验［J］.统计与决策，2025，41（10）：102-107

[34] Gao Y， Wu H M. An empirical test on the impact of digital village construction on county-level economic development［J］. Statistics & Decision， 2025， 41（10）： 102-107 （in Chinese）

[35] 杨娜娜，程婧，刘光辉，臧日宏.生产要素视角下数字普惠金融对农业高质量发展的影响研究［J］.征信，2024，42（10）：64-73

[36] Yang N N， Cheng J， Liu G H， Zang R H. Research on the impact of digital inclusive finance on high-quality agricultural development from the perspective of production factors［J］. Credit Reference， 2024， 42（10）： 64-73 （in Chinese）

[37] 李健，赵乐欣，姚能志，白俊红.数字经济与企业创新迎合行为：信息缓解政策扭曲效应的实证研究［J］.数量经济技术经济研究，2024，41（7）：134-154

[38] Li J， Zhao L X， Yao N Z， Bai J H. Digital economy and firms’ innovation catering behavior： An Empirical study on information alleviating the distortion effects of policies ［J］. The Journal of Quantitative & Technical Economics， 2024， 41（7）： 134-154 （in Chinese）

[39] 方福前，田鸽，张勋.数字基础设施与代际收入向上流动性：基于“宽带中国”战略的准自然实验［J］.经济研究，2023，58（5）：79-97

[40] Fang F Q， Tian G， Zhang X. Digital infrastructure and the intergenerational income upward mobility： The quasi-natural experiment based on “Broadband China”［J］. Economic Research Journal， 2023， 58（5）： 79-97 （in Chinese）

[41] 师博.人工智能助推经济高质量发展的机理诠释［J］.改革，2020（1）：30-38

[42] Shi B. An explanation of the mechanism of AI promoting economic high-quality development［J］. Reform， 2020（1）： 30-38 （in Chinese）

[43] 徐旭初，杨威，吴彬.乡村数字经济赋能农业全要素生产率提升的多元路径：基于浙江省县级数据的组态分析［J］.中国农村经济，2024（10）：84-103

[44] Xu X C， Yang W， Wu B. Multiple pathways for rural digital economy empowering agricultural total factor productivity： A configuration analysis based on county-level data from Zhejiang Province ［J］. Chinese Rural Economy， 2024（10）： 84-103 （in Chinese）

[45] 刘佳，秦芳.高标准农田建设对粮食生产韧性的影响研究：基于高标准农田建设试点政策的准自然实验［J］.农业经济与管理，2024（6）：77-90

[46] Liu J， Qin F. Research on impact of high-standard farmland construction on grain production resilience： Based on quasi-natural experiment of high-standard farmland construction pilot policy ［J］. Agricultural Economics and Management， 2024（6）： 77-90 （in Chinese）

[47] 芦磊，李德鑫，崔晓海，刘洪义.设施农业在农业结构调整中的作用［J］.农机化研究，2009，31（12）：247-249

[48] Lu L， Li D X， Cui X H， Liu H Y. The function of the facility agriculture in the agricultural structure［J］. Journal of Agricultural Mechanization Research， 2009， 31（12）： 247-249 （in Chinese）

[49] 赵锦，杜彩兰.乡村振兴背景下农业机械化高质量发展的突出问题与因应之策［J］.农业经济，2024（11）：31-33

[50] Zhao J， Du C L. Key issues and countermeasures for high-quality development of agricultural mechanization in the context of rural revitalization［J］. Agricultural Economy， 2024（11）： 31-33 （in Chinese）

[51] 刘桂英，谢文军，陈跃灵，杨梦琦，张梦梅，周利平.农业机械化与农民收入：以经营规模与劳动力转移为调节变量［J］.中国农机化学报，2025，46（6）：271-279

[52] Liu G Y， Xie W J， Chen Y L， Yang M Q， Zhang M M， Zhou L P. Agricultural mechanization on farmers’ income： Using business scale and labor transfer as moderating variables ［J］. Chinese Journal of Agricultural Mechanization， 2025， 46（6）： 271-279 （in Chinese）

[53] 江艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）：100-120

[54] Jiang T. Mediating effects and moderating effects in causal inference［J］. China Industrial Economics， 2022（5）： 100-120 （in Chinese）

[55] 王妍霏，叶举，曹杰.数字金融提升粮食体系韧性的机理及效应研究［J］.经济经纬，2023，40（5）：48-60

[56] Wang Y F， Ye J， Cao J. Study on the mechanism and effect of digital finance improving the resilience of grain system［J］. Economic Survey， 2023， 40（5）： 48-60 （in Chinese）

[57] 田红宇，祝志勇.政府与市场耦合进程中的区域科技创新效率［J］.软科学，2019，33（10）：26-31

[58] Tian H Y， Zhu Z Y. The regional innovation efficiency in the coupling process of government and market［J］. Soft Science， 2019， 33（10）： 26-31 （in Chinese）

[59] 万璐，梁璐，任祎峻.数字乡村建设赋能特色经济林业增长的效应与机制：基于油茶产业省级面板数据的实证［J/OL］.农林经济管理学报，［--］. DOI：10.16195/j.cnki.cn36-1328/f.2025.04.55

[60] Wan L， Liang L， Ren Y J. Effects and mechanisms of digital rural development empowering characteristic economic forestry growth： An empirical study based on provincial panel data of camellia oleifera industry ［J/OL］. Journal of Agro-Forestry Economics and Management， DOI： 10.16195/j.cnki.cn36-1328/f.2025.04.55 （in Chinese）

[61] 国家统计局农村社会经济调查司.中国县域统计年鉴［M］. 北京：中国统计出版社， 2002—2024

[62] Department of Rural Socioeconomic Survey， National Bureau of Statistics of China. China County Statistical Yearbook［M］. Beijing： China Statistics Press， 2002-2024 （in Chinese）

[63] 徐佳，崔静波.低碳城市和企业绿色技术创新［J］.中国工业经济，2020（12）：178-196

[64] Xu J， Cui J B. Low-carbon cities and firms’ green technological innovation ［J］. China Industrial Economics， 2020（12）： 178-196 （in Chinese）

[65] 蒋辉，陈瑶，刘兆阳.中国粮食生产韧性的时空格局及其影响因素［J］.经济地理，2023，43（6）：126-134

[66] Jiang H， Chen Y， Liu Z Y. Spatiotemporal pattern and influencing factors of grain production resilience in China［J］. Economic Geography， 2023， 43（6）： 126-134 （in Chinese）

[67] 崔惠玉，王宝珠，徐颖.绿色金融创新、金融资源配置与企业污染减排［J］.中国工业经济，2023（10）：118-136

[68] Cui H Y， Wang B Z， Xu Y. Green financial innovation， financial resource allocation， and enterprise pollution reduction ［J］. China Industrial Economics， 2023（10）： 118-136 （in Chinese）

[69] 谢薇，陈琛，王立群.农村电子商务发展能缓解农业资源错配吗：基于电子商务进农村综合示范政策的准自然实验［J］.世界农业，2025（5）：95-106

[70] Xie W， Chen C， Wang L Q. Can the rural e-commerce alleviate the misallocation of agricultural resources： A quasi-natural experiment based on the comprehensive demonstration policy of e-commerce into rural areas ［J］. World Agriculture， 2025（5）： 95-106 （in Chinese）

[71] 昌敦虎，张泽阳，杨瑄，马中.生态环境空间管控、土地价格与绿色发展：基于国家重点生态功能区的准自然实验［J］.数量经济技术经济研究，2025，42（3）：69-90

[72] Chang D H， Zhang Z Y， Yang X， Ma Z. Ecological environmental space control， land transaction price and green development： A quasi-natural experiment based on national key ecological function areas ［J］. The Journal of Quantitative & Technical Economics， 2025， 42（3）： 69-90 （in Chinese）

[73] 张晖，朱婉婉，许玉韫，虞祎.绿色信贷真的会降低商业银行绩效吗［J］.金融经济学研究，2021，36（1）：94-107

[74] Zhang H， Zhu W W， Xu Y Y， Yu W. Will green credit really reduce the performance of commercial banks［J］. Journal of Financial Economics Research， 2021， 36（1）： 94-107 （in Chinese）

[75] 封志明，张丹，杨艳昭.中国分县地形起伏度及其与人口分布和经济发展的相关性［J］.吉林大学社会科学学报，2011，51（1）：146-151，160

[76] Feng Z M， Zhang D， Yang Y Z. Relief degree of land surface in China at county level based on GIS and its correlation between population density and economic development［J］. Jilin University Journal Social Sciences Edition， 2011， 51（1）： 146-151，160 （in Chinese）

[77] 李刚，王雨菲，颜廷武.数字化转型促进了乡村创新创业吗：基于“国家数字乡村试点”政策的准自然实验［J］. 经济学家，2024（12）：114-124

[78] Li G， Wang Y F， Yan T W. Does digital transformation promote rural innovation and entrepreneurship： A quasi-natural experiment based on the “national digital village pilot” policy ［J］. Economist， 2024（12）： 114-124 （in Chinese）

基金资助

国家自然科学基金面上项目(42171281)

国家自然科学基金：农业高质量发展专项项目(72442020)

陕西省博士后科研项目(2024BSHSDZZ013)