《Sustainability》:Sustainable Operations of Two-Sided Platforms Coupled with Hardware Products: Pricing and Government Subsidy Strategies
编辑推荐:
本研究基于中国陕西、贵州和四川三省10,057个猕猴桃种植户的微观调查数据,以农户对低碳农业技术(low-carbon agricultural technology)的初始采纳与持续采纳为被解释变量,基于农户数字能力(digital capability)构
本研究基于中国陕西、贵州和四川三省10,057个猕猴桃种植户的微观调查数据,以农户对低碳农业技术(low-carbon agricultural technology)的初始采纳与持续采纳为被解释变量,基于农户数字能力(digital capability)构建综合评价体系,涵盖数字接入(digital access)、数字获取(digital acquisition)、数字处理(digital processing)与数字共享(digital sharing)四个维度。研究采用Lasso回归(Lasso regression)、极端梯度提升(eXtreme Gradient Boosting,XGBoost)、随机森林(random forest,RF)及反向传播神经网络(back propagation neural network,BP神经网络)等多种实证模型,对比不同方法的拟合效果与预测性能。模型比较结果表明,随机森林模型在各种备选模型中具有最优拟合性能。该研究运用SHAP方法(SHapley Additive exPlanations)定量评估各变量的边际贡献,以识别核心影响因素并揭示潜在机制。实证结果发现,农户数字能力对低碳农业技术的初始采纳和持续采纳均具有显著正向促进效应,并表现明显维度异质性:数字接入与数字获取能力是农户技术初始行为的核心驱动因素,而数字处理与数字分享能力在促进低碳技术持续应用中发挥关键作用。此外,农户受教育程度、健康状况、家庭劳动规模与经济收入、合作社参与等特征变量成为影响农户不同阶段低碳技术采纳行为的重要特征变量。据此,研究提出低碳农业发展的针对性政策建议——在促进乡村数字建设、完善数字技能培训体系与数字化农业技术服务的基础上,加强农户动态跟踪调查,精准识别各主体所处技术采纳阶段并实施差异化配套政策,以巩固和评估农户低碳生产行为,推动低碳农业的长期可持续发展。
**论文解读**
《Sustainability》刊发的这项研究聚焦于低碳农业发展的微观实现机制。在全球面临气候环境持续变化与生态退化加剧的背景下,低碳发展已成为应对环境问题的必然选择;农业作为重要的温室气体排放源,在“碳达峰”与“碳中和”中承担重要作用。然而传统农业生产过度依赖化肥、农药等资源,造成产品负外部性。农户作为乡村基本生产决策主体,其接受低碳农业技术的行为是实现农业低碳转型的关键。现有研究多将技术采纳视为一次性静态事件,局限于初始采纳决策,遗漏了“继续采用”这一重要阶段,同时采用传统计量模型存在低估非线性复杂关系的局限。为弥合上述理论缺口,该项研究把农户数字能力与低碳技术“初始–持续”两阶段纳入同一分析框架,并对数字化基础设施、能力维度、区域差异及机制路径展开系统识别,为提升政策精准性提供科学证据。研究成果发表于《Sustainability》。
在方法上,研究人员基于中国陕西、贵州和四川三省核心猕猴桃产区10,057份穗农户的有效问卷数据,定义数字化接入、数字化获取、数字化处理和数字化分享四维的数字能力指标体系,采用因子分析测算权重;以有序Logit模型(ordered logistic model)为基准,同时引入Lasso回归、XGBoost、随机森林、反向传播神经网络(BP神经网络)进行多模型对比,基于5折交叉验证与训练/测试集(8:2)划分进行调参和预测评价;进一步采用SHAP方法解释特征贡献来源,并运用工具变量两阶段最小二乘法及一系列稳健性检验处理内生性问题。
研究结果部分的主要内容如下:
数据来源方面,研究覆盖四川、陕西、贵州三个代表性主产区,包含海拔、地形、气候差异明显的大规模平原、丘陵与高山栽培模式,通过分层随机抽样入户问卷获得有效农户样本10,057份,有效应答率91.4%5,218份。
数据相关性与基础回归方面,热图显示数字能力与低温农业技术两阶段采纳存在正向关联;有序Logit回归中,数字能力初始采纳回归系数为0.503,持续采纳系数为0.462,均达1%显著,显示数字能力对两阶段均具有助推作用。农户厂的火灾等中受教育程度、劳动力、交通条件与合作社参与发挥显著正向影响,而经营规模与土地质量则呈抑制效应。
稳健性与内生性方面,通过缩尾处理、替换核心解释变量测算方式、模型替换以及增加耕地坡度、补贴强度等控制变量,结论保持稳健;利用村庄互联网普及率作为工具变量估计,弱工具变量检验、DWH检验及Sargan检验均通过,端性墓葬得到有效控制。
异质性方面,数字接入能力对初始采纳促进作用更大,而数字处理与数字分享能力对持续采纳的影响更为突出;分区域看,四川省数字能力对两阶段的促进效应最大(系数0.12/0.16),其次为陕西省,贵州省对初始采纳的正效应高于持续阶段。
机制作用方面,数字能力通过通路路径技术认知水平、技术应用适应性和技术扩散效率分别促进农户初始与持续采纳,三种机制均通过显著检验,且技术认知阶段在促进初始采纳上的边际效果更强。
机器学习再分析方面,随机森林显著最优拟合性能;SHAP排序表明,数字综合、数字接入、数字分享、受教育年限、数字获取为初始采纳的核心因子;持续采纳核心因子则为受教育年限、整体数字能力、健康、数字接入与合作社参与。
**讨论与结论**:讨论部分指出,以往研究者未区分阶段边界及机制差异,本文通过动态两阶段分视角和机器学习可解释组合,充实了数字赋能绿色农业的认知理论,并揭示了不同阶段固有的非线性驱动逻辑。在推动决策转变方面,研究建议在技术初期加快乡村数字基础设施、信息综合平台提供与数字技能培训,后期强化农户人力资本和合作组织的支撑功能。结论明确提出,农户数字能力显著正向推动低碳农业技术初始与持续采纳,是农业绿色低碳转型的核心微观动力;初始继技术采纳更多受到数字类变量决定,而持续采纳则更依赖受教育程度、健康、数字接入及合作社等传统禀赋与组织服务因素。总体而言,该研究为数字能力影响农户低碳技术应用的持续性和阶段差异性提供了系统证据,并为绿色低碳农业的可持续政策设计提供了可操作的路径参考。