EN中文

自然资源学报 >

2025 , Vol. 40 >Issue 7: 1951 - 1968

DOI: https://doi.org/10.31497/zrzyxb.20250713

其他研究论文

数字技能对农户粮食生产主动适应性行为选择的影响

  • 刘新仪 ,
  • 赵凯 ,
  • 陈道雄
展开
  • 西北农林科技大学经济管理学院，杨凌 712100
赵凯（1971- ），男，宁夏固原人，博士，教授，博士生导师，研究方向为农业经济管理和土地经济。E-mail:

刘新仪（1997- ），女，山东诸城人，博士研究生，研究方向为农业经济管理。E-mail:

收稿日期: 2024-08-29

  修回日期: 2024-11-05

  网络出版日期: 2025-06-20

基金资助

中华人民共和国农业农村部课题(10200071)

陕西省2022年创新能力支撑计划项目(2022KRW20)

西北农林科技大学校级战略研究项目(2452024123)

收起

The effect of digital skills on farmers' choices of proactive adaptive behaviors in grain production

  • LIU Xin-yi ,
  • ZHAO Kai ,
  • CHEN Dao-xiong
Expand
  • College of Economics and Management, Northwest A&F University, Yangling 712100, Shaanxi, China

Received date: 2024-08-29

  Revised date: 2024-11-05

  Online published: 2025-06-20

Fold

摘要

研究数字技能对农户粮食生产主动适应性行为选择的影响对于保障国家粮食安全具有重要价值。利用黄河流域中上游地区调研数据，实证探究数字技能对农户粮食生产适应性行为选择的影响及作用机制。结果表明：（1）数字技能推动农户采取粮食生产主动适应性行为；（2）数字技能通过提高农户产业链参与水平和知识网络水平进而促进农户粮食生产主动适应性行为；（3）数字技能对规模农户、高文化水平农户和高收入农户粮食生产主动适应性行为的促进作用更大。数字技能对非粮食主产区农户、已建设高标准农田农户、村庄高集体经济收入农户粮食生产主动适应性行为的促进作用更大。提出综合运用多种平台资源和工具，全面提升农户数字技能等建议。

关键词： 农户粮食生产适应性行为; 数字技能; 社会—生态系统框架; 神经网络

本文引用格式

刘新仪 , 赵凯 , 陈道雄 . 数字技能对农户粮食生产主动适应性行为选择的影响[J]. 自然资源学报, 2025 , 40(7) : 1951 -1968 . DOI: 10.31497/zrzyxb.20250713

Abstract

The study of the impact of digital skills on the proactive adaptive behavior of farmers in grain production is of significance for ensuring national food security. This study utilizes survey data from the middle and upper reaches of the Yellow River Basin to empirically examine the impact of digital skills on farmers' adaptive behaviors in grain production and elucidate the underlying mechanisms. The analysis reveals three key findings: (1) Digital skills significantly encourage farmers to engage in proactive adaptive behaviors in grain production. (2) Digital skills enhance these behaviors by improving farmers' integration into industry chains and expanding their knowledge networks. (3) The influence of digital skills is more pronounced among large-scale farmers, those with higher levels of education and income, and those in non-grain production areas or villages with high collective economic income. Additionally, farmers who have developed high-standard farmland show a greater propensity to benefit from digital skills. Based on these findings, the paper proposes policy interventions to leverage platform resources and digital tools to further enhance farmers' digital competencies, thereby supporting sustainable agricultural practices and food security.

Key words： farmer's adaptive behavior in grain production; digital skills; socio-ecological framework; neural network

实现粮食生产稳定和粮农收入稳定，保障国家粮食安全，是治国理政的根本任务[1]。然而，农户粮食生产面临极端天气、耕地过度利用等多重风险，导致农户粮食生产产量和收入面临极大的不确定性，从而易引发粮食生产安全危机。对此，推动农户采取粮食生产适应性行为是促进农户灵活应对粮食生产风险的关键途径[2]。适应性行为是指行为主体在面对环境变化时为维持和改善系统功能而采取的自身调整行为[3]。农户粮食生产适应性行为分为被动适应行为和主动适应行为[4]。相较于被动适应行为，农户采取主动适应行为有利于落实可持续农田管理措施，形成粮食生产风险事前预防机制，减少农户风险损失，促进粮食生产系统长期稳定发展[5]。因此，探究如何促进农户粮食生产主动适应性行为选择成为研究粮食生产问题中不可或缺的重要一环，对于提高农户粮食生产绩效、保障国家粮食安全稳定具有重要现实意义。
当前已有少量学者指出适应性行为分为被动适应和主动适应，并分别阐释为事后应对和事前防范[4-9]，但鲜少研究针对主动适应性行为进行深入探究，大多仅对农户适应性行为进行探讨，主要集中于三个方面。（1）研究观点分析，主要分为两种：一是多数研究所关注的，针对研究主体在面对极端干旱天气等某一风险时表现出的应对和发展能力进行的特殊性适应性行为分析[3,8]；二是少量学者认为研究主体所面对的风险是复杂多变的，主张针对研究主体应对多变风险时可能表现出的应对和发展能力进行一般性适应性行为分析[9]。（2）概念方面。现有研究已从生计策略、农田管理、粮食生产等视角阐述了农户适应性行为的内涵，并衍化出生计策略适应性、农田管理适应性行为、粮食生产适应性管理等研究概念[7,10,11]，深化了农户适应性行为概念的研究价值。已有研究发现，农户粮食生产适应性行为选择是受耕作自然禀赋、社会禀赋、技术应用等不同维度影响的系统性问题[12]。但现有研究多以农户是否采纳适应性耕作技术等单维变量进行替代性分析[10]，鲜有学者基于系统性视角对其行为选择进行深入探讨，因此，农户粮食生产适应性行为问题在现有研究中尚未得到充分讨论[13]。（3）影响因素分析。已有研究指出，风险厌恶、社会关系、灾害感知强度、收入水平、政策风险等是影响农户采取适应性行为的重要因素[14-17]。也有少量学者关注到数字技术对农户适应性行为的影响[14]。随着数字技术的快速发展，数字知识和信息成为农业高质量发展的关键驱动力[18]。农户作为农业高质量发展的建设主体之一，农户数字技能是实现数字经济赋能农业高质量发展的关键因素[19]，而促进农户粮食生产主动适应性行为是推动农业高质量发展的重要方面[20]。因此，理论上，数字技能可能是提高农户粮食生产主动适应性行为的关键因素[21]，然而现有文献较少对此深入探究。现实中，高数字技能农户可能过分依赖数字信息和数字技术应对粮食生产风险，致使其在数据失真或技术故障时无法有效调整自身的风险应对能力和发展能力，从而不利于农户及时采取主动适应性行为。并且，由于受到农户文化资本禀赋、村庄经济发展等因素的制约，农户间存在数字鸿沟现象，致使数字技能对农户粮食生产主动适应性行为的影响可能存在异质性差异。因此，数字技能对农户粮食生产主动适应性行为的影响及作用机制有待于进一步分析和验证。
已有研究有助于深入理解数字技能对农户粮食生产主动适应性行为的影响，但尚有诸多不足之处。鉴于此，本文尝试从以下三个方面丰富现有研究：（1）研究观点。本文基于一般性观点[22,23]，从主动适应性行为视角将所研究的农户粮食生产适应性行为界定为，农户在面对粮食生产系统内外部日益复杂的风险时，为维持和改善粮食生产系统有效供给和生产稳定功能而主动采取的事前风险管理行为。（2）分析视角。基于社会—生态系统（SES）框架，从系统性视角综合分析影响农户粮食生产适应性行为的关键指标，在此基础上，通过聚类分析识别农户粮食生产主动适应性行为选择。（3）研究内容。基于2023年黄河流域调查数据，以农户玉米生产为例，提供数字技能对农户粮食生产主动适应性行为影响的微观实证证据，基于产业链参与和社交网络水平两条传导途径，构建数字技能影响农户粮食生产主动适应性行为的理论分析框架。并且，进一步尝试从村庄和农户层面构建两级特征分析框架，深入探究数字技能对农户粮食生产主动适应性行为的异质性影响，期望有助于推进农户农田系统适应性管理行为，推动农业高质量发展。

1 理论分析

1.1 社会—生态系统框架下农户粮食生产主动适应性行为选择的研究思路

随着人们对人与环境间相互作用认识的不断深入，对系统适应性管理的探索越来越需要将社会环境和自然环境视为重要因素纳入相关分析中[24]。对此，需要分析系统的嵌套属性及该系统的资源单元，探究嵌套管理系统制定的规则及被规则影响的行动[25]。Ostrom[26]提出的社会—生态系统框架提供了一个资源系统适应性管理的分析框架，使得研究者们能够更深入地研究复杂社会生态系统中的变量之间的作用关系，以及这些复杂的相互关系对资源系统适应性管理的影响。进一步地，Ostrom[26]将社会生态系统框架的第二层次分解为：资源子系统、资源单位子系统、行动者子系统和治理子系统，并在此基础上提出了社会生态系统中的子系统变量列表（表1）。
表1 社会—生态系统框架中的子系统变量列表

Table 1 List of subsystem variables in the socio-ecological system framework

资源系统（RS） 治理系统（GS）
RS1：部门（比如水、森林、牧场、渔场） GS1：政府组织
RS2：系统边界的清晰度 GS2：非政府组织
RS3：资源系统规模 GS3：网状结构
RS4：人工设施 GS4：产权制度
RS5：系统生产力 GS5：操作规则
RS6：系统平衡力 GS6：集体选择规则
RS7：系统动力的可预测性 GS7：宪法规则
RS8：系统可储存性 GS8：监督和批准过程
RS9：位置
资源单位（RU） 行动者（A）
RU1：资源单元移动性 A1：相关行动者数量
RU2：增长率或替代率 A2：行动者的社会经济属性
RU3：资源单位之间的相互作用 A3：资源利用历史和经验
RU4：经济价值 A4：行动者和资源的地理位置关系
RU5：规模 A5：行动者的领导力/企业家精神
RU6：可区分特征 A6：社会资本
RU7：时空分布特征 A7：思维方式
A8：对资源的依赖性
A9：使用的技术

注：资料来源于Ostrom[26]。

适应性行为是指行为主体为维持和改善系统基本特性和功能而采取的管理行为[27]。因此，农户粮食生产适应性行为的本质是农户粮食生产系统适应性管理问题。社会—生态系统框架是进行资源系统适应性管理分析的重要工具[28]，因而，社会—生态系统框架也是评估农户粮食生产适应性行为的重要工具。基于社会—生态系统框架，本文将农户粮食生产系统分解为资源子系统、行动者子系统和治理子系统，并从中选取影响农户粮食生产适应性行为选择的关键指标。其中，资源子系统指农户粮食生产涉及的自然资源单位的特征[24]，行动者子系统指粮食生产主体农户的特征[29]，治理子系统指系统内依据规则和政策对行动者子系统及资源子系统进行管理和整治的管理者的特征[23]。
进一步，本文基于关键指标，对农户粮食生产适应性行为选择进行聚类分析，以识别不同农户在面对粮食生产风险时的行为选择。适应性行为来源于韧性概念，由于韧性可以分为缓冲力、恢复力、变革力三种能力，即农户应对多变粮食生产风险时可能表现出的反应能力是有区别的，因此，农户应对粮食生产风险时的行为选择也是有差异的[22,23,27]。本文将农户应对粮食生产风险时的行为选择分为以缓冲力为主的行为选择、以恢复力为主的行为选择和以变革力为主的行为选择。其中，缓冲力指农户依据粮食生产系统的禀赋特征能够有效抵抗各种风险和冲击并维持系统稳定运行的能力；恢复力指农户在不改变粮食生产系统反馈机制的情况下，改变粮食生产过程中的投入、销售、管理等构成以应对冲击并维持粮食产出的能力；变革力指农户能够显著改变粮食生产系统的反馈机制以应对冲击并维持或提高粮食产出的能力。从以缓冲力为主到以恢复力为主再到以变革力为主反映出农户遭遇粮食生产风险时的行为决策从以被动适应为主的应对性行为到以主动适应为主的适应性行为的转变过程[6]。

1.2 数字技能对农户粮食生产主动适应性行为选择的直接影响分析

学习能力和重组能力是影响农户主动适应性行为选择的重要因素[6]。数字技术通过影响农户粮食生产时的学习能力和重组能力，提高农户主动适应性行为决策动机，进而推动农户采取粮食生产主动适应性行为[5]。具体而言：
首先，数字技能通过提高农户学习能力进而推动农户粮食生产主动适应性行为选择。学习能力指农户获取粮食生产知识和技能的能力[6]。数字技术作为农业现代化生产转型的重要手段，可以为农户提供学习生产管理技术的免费平台，缓解农户粮食生产管理技能不足问题，并且使农户接触无人机植保等新型粮食生产技术[18]，降低农户因农业劳动力老龄化等问题遭受生产风险的概率，提升粮食稳产增产的可能性，进而提高农户粮食生产积极性，促进农户及时调整行为以适应生产环境变化。并且，数字技能高的农户能够通过数字金融平台进行农业保险等事项的信息查询、申请和购买，因此其对农业保险的购买渠道、品种功能了解程度较高，购买多元农业保险的可能性更高，遭遇生产风险时的风险分散程度和恢复能力较高[20]，从而其风险管理能力和主动适应变化的能力较强，进而促进其粮食生产主动适应性行为选择。
其次，数字技能通过提高农户重组能力进而推动农户粮食生产主动适应性行为选择。重组能力指农户在面对粮食生产内外部环境变化时，对各种生产要素进行重新配置和优化调整的能力[30]。在数字经济背景下，数据信息是重要的生产要素[18]。数字技能高的农户数据信息搜寻能力较强，能够及时了解粮食生产的相关支持政策及措施，降低了村干部在政策推广时面临的阻力[31]，使得村干部能够加强对其耕地地块防灾建设的落实和监督程度，一定程度上可以降低高数字技能农户的生产建设投入成本，进而促使高数字技能农户主动参与防灾工程建设，积极采取粮食生产主动适应性行为。并且，数字技能高的农户网络信息传播能力较强，可以通过网络平台评价传播基层农技部门等组织的服务水平信息，并对其服务行为形成有效监督[32]。此时，基层农技部门等组织为提升治理成效和治理评价，倾向于通过加强入户交流、技术培训等方式提高农技推广力度，延伸服务辐射范围[33]，进而增强农户践行主动适应性管理行为的能力，提高农户粮食生产主动适应行为决策的可能性。基于此，提出假说H1：
H1：数字技能促进农户粮食生产主动适应性行为选择。

1.3 数字技能对农户粮食生产主动适应性行为选择的间接影响分析

首先，数字技能通过推动农户产业链参与进而促进农户粮食生产主动适应行为选择。依据产业链管理理论，整合产业链的各个环节，实现产业链中参与主体的协同与合作才能优化整个产业链的效率与效益，提高各环节风险应对的主动性和灵活性[5]。粮食生产环节是粮食产业链的基础和重要组成，因此，农户参与粮食产业链是推动其主动适应粮食生产风险的关键因素[20]。数字技术使用对于农户参与粮食产业链条具有渗透作用[34]，而数字技能的本质是农户数字技术使用能力，因此，数字技能通过促进农户粮食产业链参与进而提高其主动适应粮食生产风险的概率。参考现有研究[35]，从产业链横纵向延伸视角界定农户产业链参与。其中，农户横向产业链参与指农户与其他生产主体的互助合作；农户纵向产业链参与指农户基于产业链生产环节，参与生产环节的上下游环节。一方面，数字技能高的农户信息搜寻能力强，对于产业链发展模式的经济价值感知更强；同时，数字技能高的农户社交软件应用能力强，能够打破纵向产业链主体间的空间交流障碍，实现风险共担和资源高效利用，并且能够克服空间距离，及时低成本地解决与产业链中其他主体的矛盾和纠纷。另外，数字技能高的农户能够通过利用数字金融平台等方式筹集参与产业链等生产模式所需的资金，因而，数字技能高的农户融入产业链的可能性更大。另一方面，对于横向参与产业链的农户而言，其可以通过联合议价等方式，降低农资农技购买成本，实现风险信息等资源共享，增加粮食生产收益，进而提升其粮食生产风险防范积极性，推动其主动采取行动适应粮食生产风险。对于纵向参与产业链农户而言，其与粮食加工商、订单农业收购方等利益相关者的联结性提高。此时，农户粮食生产的脆弱性会通过产业链传导到中游和上游关联主体，影响产业链发展稳定[36]。因此，为保障粮食产业链有效运行和既得利益，产业链的关联者倾向于互联互通，对农户粮食生产进行风险应对指导，有利于实现专业化生产下的资源集聚和规模经济效应，有效促进粮食生产关系、生产秩序的恢复和重构，提升农户粮食生产系统的恢复和发展能力，推动农户粮食生产主动适应性行为决策。基于此，提出假说H2：
H2：数字技能通过推动农户粮食产业链参与进而促进农户粮食生产主动适应行为选择。
其次，数字技能通过提高农户社交网络水平进而促进农户粮食生产主动适应行为选择。农户农田系统适应性管理水平的提升得益于其从社交网络中获得的广泛信息[37]，而行动者间形成的社交网络水平是促进农户主动适应粮食生产风险的重要因素[5,22]。依据现有研究[38]，本文从网络规模和网络异质性两个维度反映农户社交网络水平。其中，网络规模指农户会与之交流粮食生产状况、防灾技术等适应性管理问题的交互关系的总量。网络异质性是指农户交流适应性管理问题的网络系统中其他网络成员间身份地位的差异程度。提升农户数字技能有助于其扩大社交网络规模，优化社交网络结构[39]，进而促进其粮食生产主动适应性行为。一方面，数字技能高的农户能够利用社交平台超越时间、地域限制，及时且多渠道地与其他网络用户交流生产和防灾经验，因此其社交网络规模较大，联结程度较高。而社交网络规模大、联结程度高的农户通过汲取其他行动者的风险防范经验，能够提高其粮食生产风险事前防范能力，推动其积极采取措施主动适应粮食生产风险。另一方面，数字技能高的农户能够广泛利用技术推广平台等途径向农技推广人员或其他合作者成员学习生产技能，扩大粮食生产信息交流群体的异质性，提高社交网络的达高性。而社交网络异质性使得农户可以低成本了解生产知识和多维度生产风险，提高对适应性管理经济效益的认知程度，进而提升农户主动应对粮食生产风险的底气和信心，促进农户粮食生产主动适应性行为决策。基于此，提出假说H3：
H3：数字技能通过提高农户知识网络水平进而促进农户粮食生产主动适应行为选择。

2 研究方法与数据来源

2.1 数据来源

黄河流域中上游地区既是中国农耕文明的发源地之一，也是中国最重要的农业生产区。由于地形复杂、旱涝突变等自然因素和人类不合理的开发利用等人为因素的影响，极端天气频发、生态问题严峻，严重制约着区域粮食生产安全。因此，推动黄河流域中上游地区农户粮食生产主动适应性行为选择对于保障国家粮食安全具有重要意义。本文使用数据源自2023年7-8月课题组在甘肃省、宁夏回族自治区、内蒙古自治区、山西省和河南省开展的入户调研。据国家统计局2022年统计数据显示，甘肃省、宁夏回族自治区、内蒙古自治区、山西省和河南省5个省（自治区）粮食作物受灾面积占全国粮食作物受灾面积的24.908%，粮食作物成灾面积占全国粮食作物成灾面积的27.139%。因此，本文以黄河流域中上游地区为研究区域具有一定的代表性。
研究区域大多位于干旱半干旱地区，其农户粮食种植以玉米为主，且畜牧业是干旱半干旱地区农户重要的收入来源。在调研地区，相较于其他粮食作物，玉米不仅是主要的粮食作物，还是重要的饲料来源，对农户收入和生计有显著影响。因此，研究如何促进调研区域农户的玉米生产风险主动适应性行为，有助于提高玉米生产稳定性，更符合调研区域农户粮食生产需求，使得研究具有更强的现实意义。综上，基于调研区域农户种植现状和生产需求，本文选择以玉米生产为例进行研究。调研采用分层抽样与随机抽样相结合的方法，累计发放和回收农户问卷2478份。剔除数据残缺问卷570份，剔除非农户206份，剔除玉米种植面积为0的问卷327份，得到有效农户问卷1375份。对所有变量进行1%和99%分位点上的缩尾处理，剔除异常值。

2.2 变量选取

（1）因变量
农户粮食生产适应性行为选择。首先，基于社会—生态系统框架，参考现有文献[12,27,40]，综合选取影响农户粮食生产适应性行为选择的关键指标。其次，将各项指标作为投入指标进行K-均值聚类分析，并将K-均值聚类分析的类别设置为三类，以对不同农户粮食生产适应性行为决策进行识别（表2）。通过对比各项指标在三个类别中的均值发现，人均耕地面积、耕地灌溉便利程度、田间道路通达程度、耕地质量等级、耕地细碎化程度、农业生产经验、邻里关系在第一类行为选择中的均值最大，这些指标反映农户资源禀赋特征，因此，将第一类行为选择定义为以缓冲力为主的行为选择。流入耕地面积、家庭农业劳动力占比、农户对耕地经营依赖程度、生产社会化服务程度在第二类行为选择中的均值最大，这些指标反映农户粮食生产投入，因此，将第二类行为选择定义为以恢复力为主的行为选择。农业种植保护性耕作技术采纳程度、农户获取气象灾害信息的途径、是否购买农业保险、与农技部门交流方便程度、当地农技部门是否有针对气象灾害应对措施的扶持对策、所在村庄信息公开透明度、村干部治理认可度在第三类行为选择中的均值最大，这些指标反映农户与其他主体互动的反馈机制，因此，将第三类行为选择定义为以变革力为主的行为选择。基于现有研究[5,6]，将以缓冲力为主的行为选择界定为粮食生产被动适应性行为，赋值为0；将以恢复力和变革力为主的行为选择界定为粮食生产主动适应性行为，赋值为1。
表2 社会—生态系统框架下农户粮食生产适应性行为选择识别

Table 2 Identification of adaptive behavioral choices for food production by farmers in the socio-ecological system framework

维度 来源 指标 含义 缓冲力
为主		 恢复力
为主		 变革力
为主		 总样本
均值
资
源
子
系
统		 RS3 人均耕地面积 耕地面积/农业劳动人口数/(亩/人) 0.130 0.100 0.114 0.115
RS4a 耕地灌溉便利程度 非常不便利=1；较不便利=2；一般=3；
较便利=4；非常便利=5		 0. 698 0.160 0.322 0.413
RS4b 田间道路通达程度 非常不通达=1；较不通达=2；一般=3；
较通达=4；非常通达=5		 0.725 0.594 0.709 0.669
RS5 耕地质量等级 非常差=1；较差=2；一般=3；较好=4；
非常好=5		 0.634 0.542 0.617 0.594
RU2 流入耕地面积 实际值/亩 0.062 0.246 0.224 0.165
RU6 耕地细碎化程度 经营地面积/地块总数/(亩/块) 0.003 0.002 0.001 0.002
行
动
者
子
系
统		 A1 家庭农业劳动力占比 农业劳动力人数/家庭总人数 0.417 0.581 0.425 0.487
A2 农业生产经验 务农时间/年 0.497 0.449 0.443 0.468
A6 邻里关系 农业生产时邻里互助程度 0.759 0.759 0.757 0.759
A8 耕地经营依赖程度 经营性收入/总收入 0.426 0.551 0.421 0.478
A9a 社会化服务程度 社会化服务环节 0.226 0.358 0.281 0.291
A9b 农业种植保护性耕作
技术采纳程度		 技术采纳数量（1=秸秆覆盖；2=免耕或少耕播种；3=深松；4=种子包衣或拌种处理；5=水肥一体化；6=物理或生物防治病虫害；7=秸秆粉碎还田；8=其他） 0.210 0.226 0.229 0.220
A9c 农户获取气象灾害
信息的途径		 途径数量（1=电视；2=网络；3=广播；4=邻居；5=亲友；6=农资店；7=合作社；8=农技部门；
9=村干部；10=其他）		 0.221 0.229 0.240 0.228
A9d 购买农业保险 保险费用标准/(元/亩) 0.833 0.828 0.838 0.832
治
理
子
系
统		 GS1 与基层农技部门交流
方便程度		 非常不方便=1；较不方便=2；一般=3；
较方便=4；非常方便=5		 0.351 0.362 0.503 0.382
GS2 当地农技部门是否有
针对气象灾害应对措
施的扶持对策		 是=1；否=0 0.000 0.000 1.000 0.171
GS5 村信息公开透明度 非常不透明=1；较不透明=2；一般=3；
较透明=4；非常透明=5		 0.228 0.281 0.332 0.293
GS8 村干部治理认可度 非常差=1；较差=2；一般=3；较好=4；
非常好=5		 0.686 0.702 0.718 0.698

注：1亩≈667 m2。

（2）核心自变量
数字技能。参考现有研究[41]，数字鸿沟与数字技能是互相依存的一对概念，他们的概念及维度具有天然的对应关系。当前农户数字鸿沟主要体现在二级数字鸿沟即数字技术使用方面[42,43]，因此，本文从农户数字技术使用方面衡量数字技能。借鉴现有研究[44]，从网络学习技能、网络商务技能、网络社交技能和网络娱乐技能4个维度构建数字技能指标评价体系，通过客观熵权法测算数字技能水平作为农户数字技能的代理变量，并将通过神经网络计算的数字技能熵权值和上述数字技能数量之和作为替代变量，进行稳健性检验（表3）。
表3 数字技能指标评价体系

Table 3 Digital skills indicator evaluation system

维度 变量题设及定义 均值 标准差 熵权值
网络学习技能 是否会使用数字技术进行学习教育等活动：1=是，0=否 0.454 0.498 0.251
网络商务技能 是否会使用数字技术开展产品交易等活动：1=是，0=否 0.160 0.366 0.251
网络社交技能 是否会使用数字技术开展聊天社交等活动：1=是，0=否 0.904 0.294 0.249
网络娱乐技能 是否会使用数字技术进行游戏娱乐等活动：1=是，0=否 0.871 0.335 0.249
（3）机制变量
借鉴现有研究[5]，选择产业链参与和知识网络水平作为机制变量。
（4）控制变量
参考已有研究[22]，从受访者特征、家庭特征和村庄特征三个维度选择控制变量，同时对省份虚拟变量进行控制。
（5）工具变量
为克服反向因果等内生性问题对实证结果的影响，本文采用工具变量法对实证结果进行检验。参考现有研究[45]，选取所在村庄历史上是否有邮电局作为数字技能的工具变量。理论如下：一方面，历史上邮电局的存在通常反映了村庄历史上的通信基础设施水平。若村庄存在邮电局，表明该村庄较早接入了通信网络，能够为互联网的使用和普及提供便利，对农户数字技能水平有正向影响，因此满足相关性假定。另一方面，村庄历史上是否有邮电局不会对当前农户粮食生产适应行为选择产生较大影响，因此满足外生性假定。各变量定义及描述性统计见表4。
表4 变量的描述性统计

Table 4 Descriptive statistics of variables

变量
分类		 变量名称 变量题设及定义 均值 标准差 最小值 最大值
因变量 农户粮食生产适应性行为选择 以缓冲力行为选择为主：1=是，0=否 0.418 0.493 0 1
以适应力行为选择为主：1=是，0=否 0.410 0.492 0 1
以变革力行为选择为主：1=是，0=否 0.171 0.171 0 1
以主动适应性行为选择为主：1=是，0=否 0.581 0.493 0 1
自变量 数字技能 通过客观熵权法测算 0.572 0.271 0 1
机制
变量		 产业链参与 横向产业链参与：是否参与粮食生产互助合作社 0.172 0.377 0 1
纵向产业链参与：是否参与农产品加工销售环节 0.190 0.392 0 1
知识网络水平 网络规模：可以询问粮食生产信息的人数/人 2.754 3.291 0 70
网络异质性：获取粮食生产信息的渠道数量/个 1.142 0.540 0 4
控制
变量		 受访者年龄 实际值 56.501 10.089 25 89
受访者教育年限 实际值/年 7.718 3.660 0 21
对农业保险了解程度 非常不了解=1；较不了解=2；一般=3；较了解=4；非常了解=5 2.898 1.136 1 5
对耕地污染认知程度 无污染=1；轻度污染=2；重度污染=3 1.640 0.700 1 3
家庭总收入 实际值取对数/元 10.941 0.933 7.696 15.424
粮食作物种植面积 实际值/亩 31.701 241.612 0.300 6200
农田是否遭受过各类自然灾害损失 否=0；是=1 0.712 0.452 0 1
亲友中几人是村干部 实际值/人 0.467 1.265 0 20
村庄科技人员数量 实际值/人 14.608 28.309 0 150
村庄地形 山地=1；丘陵=2；平原=3 2.144 0.878 1 3
村庄距乡镇距离 实际值/km 5.832 6.727 0 50
去年村集体经济产值 是实际值/万元 34.045 59.391 0 300
是否开展高标准农田建设 否=0；是=1 0.478 0.499 0 1
工具
变量		 所在村庄历史上是否有邮电局 1=是，0=否 0.170 0.376 0 1

2.3 模型设置

考虑到农户粮食生产适应性行为决策是二元虚拟变量，因此，基准模型采用二元Probit模型分析数字技能对农户粮食生产适应性行为决策的影响，模型设定如下：
P ( Y i = 1 | X i ) = θ ( α 0 X i + η i Z i + ξ i )
式中： Y i表示第 i个农户是否采取粮食生产主动适应性行为决策； X i表示第 i个农户数字技能水平； Z i表示控制变量； ξ i表示扰动项； α 0、 η i为模型的待估参数；θ为逻辑函数，表示Yi取值为1的条件概率。

3 结果分析

3.1 基准回归

在进行模型估计前，采用方差膨胀因子法对自变量进行多重共线性检验，VIF值均小于10，不存在共线性问题，然后通过Probit模型估计数字技能对农户粮食生产适应性行为选择的影响。由表5可知，数字技能降低农户以缓冲力为主的行为选择，提高农户以恢复力为主和以变革力为主的行为选择，并且推动农户进行主动适应性行为。这可能的原因是，一方面，当农户粮食生产适应性行为以缓冲力行为选择为主时，表明农户大多采取被动的事后风险应对措施，没有考虑实施粮食生产长期风险防范措施，此时，粮食生产收入占家庭收入的比例较低，家庭持续进行粮食生产的意愿较低。数字技能的提高拓宽了农户非农就业信息搜寻渠道，提高了农户非农就业技能学习能力，从而使得农户粮食生产收入占家庭收入的比例进一步降低，使得农户应对粮食生产风险的态度更加消极，进而降低了农户以缓冲力为主的行为选择。另一方面，当农户粮食生产适应性行为以恢复力和变革力行为选择为主时，表明农户在粮食生产时考虑到应用长期风险防范措施，此时，农户较为关注粮食生产的长期获益性。数字技能通过提高农户粮食生产时的学习能力和重组能力，改善要素投入结构，提高粮食生产获益的可能性，从而提高农户生产积极性，促进农户及时调整行为以适应生产环境变化，并且数字技能可以提高农户与其他利益相关者联结程度，优化农户粮食生产管理策略，进而提高其采取粮食生产主动适应性行为的可能性。
表5 基准回归结果

Table 5 Benchmark regression results

变量 缓冲力
行为选择		 恢复力
行为选择		 变革力
行为选择		 主动适应性
行为选择
数字技能 -0.472*** 0.272* 0.310* 0.271*
(0.155) (0.158) (0.175) (0.145)
受访者年龄 0.013*** -0.012*** -0.001 0.001
(0.004) (0.004) (0.049) (0.401)
受访者教育年限 0.014 -0.016 0.002 -0.022*
(0.012) (0.013) (0.014) (0.012)
对农业保险了解程度 -0.062* -0.059 0.166*** -0.050
(0.036) (0.037) (0.043) (0.034)
对耕地污染认知程度 0.101* -0.004 -0.142** 0.082
(0.059) (0.060) (0.070) (0.055)
家庭总收入 -0.102** 0.111** 0.029 -0.033
(0.046) (0.047) (0.055) (0.044)
粮食作物种植面积 0.007 0.007 -0.008* 0.008
(0.015) (0.015) (0.004) (0.017)
农田是否遭受过各类自然灾害损失 -0.298*** 0.370*** -0.020 -0.085
(0.098) (0.106) (0.116) (0.095)
是否有亲友是村干部 -0.057 -0.059 0.120*** -.149***
(0.035) (0.041) (0.037) (0.039)
村庄科技人员数量 0.004** -0.004** -0.001 0.006
(0.001) (0.001) (0.001) (0.014)
村庄地形 0.469*** -0.523*** 0.082 -0.084
(0.067) (0.068) (0.083) (0.064)
村庄距乡镇距离 -0.022*** 0.024*** -0.005 -0.002
(0.006) (0.006) (0.008) (0.005)
去年村集体经济产值 -0.008 -0.031 0.007 -0.003*
(0.065) (0.069) (0.007) (0.001)
是否开展高标准农田建设 0.215** -0.327*** 0.098 -0.092
(0.088) (0.0915) (0.106) (0.084)
常数项 4.430 -4.056 -5.901 0.763
(14.969) (16.616) (15.664) (0.822)
省级虚拟变量 已控制 已控制 已控制 已控制
R2 0.172 0.160 0.084 0.028
Prob>chi2 0.000 0.000 0.000 0.000

注：*、**和***依次表示在10%、5%和1%的水平上显著，括号内为标准误。下同。

3.2 内生性检验

首先，工具变量法。基于上文分析，本文存在反向因果问题，因此，通过IV-Probit模型和CMP模型对模型进行内生性检验。结果见表6。由IV-Probit模型结果可知，Wald检验结果表明模型中存在内生性问题，使用工具变量法是合理的。第一阶段回归结果中，工具变量与数字技能相关，且F统计量大于10，不存在弱工具变量问题。第二阶段结果中，数字技能促进农户粮食生产主动适应性行为。由CMP模型结果可知，atanhrho显著拒绝了数字技能为外生变量的原假设，即模型存在内生性问题，并且数字技能促进农户粮食生产主动适应性行为。但传统工具变量法无法识别个体异质性处理效应，影响检验结果。基于此，本文通过神经网络工具变量法进一步进行内生性检验。相较于传统工具变量法，神经网络工具变量法可以克服传统工具变量法无法识别个体异质性处理效应的问题，能够降低估计误差，具有更高的估计可信度。由神经网络工具变量法结果可知，数字技能促进农户粮食生产主动适应性行为，这与基准回归结果一致，表明基准回归结果具有稳健性。
表6 内生性检验

Table 6 Endogeneity test

变量 IV-Probit模型 CMP模型 神经网络工具变量法
数字技能 主动适应性行为 数字技能 主动适应性行为 数字技能 主动适应性行为
数字技能 1.754* 1.672** 1.007**
(0.918) (0.710) (0.07)
村庄历史上是否有邮电局 0.135*** 0.135*** 0.103**
(0.024) (0.024) (0.119)
常数项 0.537** -0.446 0.515*** 0.871***
(0.134) (0.856) (0.168) (0.264)
控制变量 已控制 已控制 已控制 已控制 已控制 已控制
一阶段F值 13.370
Wald检验 2.960
Prob>chi2 0.085
atanhrho -0.405* -0.404***
其次，内生转换模型。考虑到由于存在农户自身资本禀赋等因素影响农户数字技能和粮食生产适应性行为选择，因此模型存在自选择偏误问题。鉴于此，本文构建内生转换模型克服自选择偏误。在选择方程和结果方程联立结果估计中，Wald检验均在1%的水平上显著， l n σ 1和 l n σ 2均在1%的水平上显著不为零，表明存在自选择偏误问题，因而采用内生转换模型分析是合理的[46]。在联立结果估计的基础上，通过计算平均处理效应进一步估计数字技能对农户粮食生产主动适应性行为的影响。
表7报告了平均处理效应估计结果。根据参与者平均处理效应，高数字技能农户采取主动适应性行为的估计结果为0.584；在反事实假设下，其采取主动适应性行为的概率将会下降至0.327，存在明显的农户主动适应性行为选择下降现象。同理，未参与者平均处理效应表明，在反事实假设下，存在明显的农户主动适应性行为选择提升现象，这表明数字技能显著提高了农户粮食生产主动适应性行为选择的概率，这与基准回归结果一致，说明基准回归结果具有稳健性。
表7 平均处理效应

Table 7 Mean treatment effects

农户类别 高数字技能 低数字技能 ATT ATU
高数字技能 0.584 0.327 0.256***
(0.004) (0.006) (0.007)
低数字技能 0.817 0.590 0.226***
(0.003) (0.004) (0.005)

注：高于样本均值农户为高数字技能农户，低于样本均值农户为低数字技能农户。

最后，基于可观测因素评估不可观测因素。农户粮食生产主动适应性行为选择可能与村庄农耕文化等外部不可观测变量有关，因此模型可能存在遗漏变量问题。本文通过比较控制变量受限和不受限情况下数字技能的系数差异比例 ① ，基于可观测因素评估不可观测因素导致的遗漏变量问题对模型结果的影响 ② 。本文考虑了三组受限制的控制变量 ③ 。表8结果显示，三组系数差异比率在12.144~50.400之间，其均值远大于1，这意味着，如果不可观测遗漏变量对基准回归结果存在颠覆性影响，需要有比全部控制变量多得多的遗漏变量存在，然而这种可能性是微乎其微的。这一结果表明，即使存在遗漏变量，基准回归结果仍然是稳健的。
表8 基于可观测因素评估不可观测因素的自选择性偏误

Table 8 Self-selective bias for assessing unobservables based on observables

控制变量 受限控制变量
回归系数		 不受限控制变量
回归系数		 系数差异
比率
农户特征变量 0.109** 0.101* 12.144
(0.054) (0.054)
农户特征变量和家庭特征变量 0.097* 0.101* 31.500
(0.054) (0.054)
农户特征变量、家庭特征变量和村庄地理特征变量 0.098* 0.101* 50.400
(0.054) (0.054)

3.3 稳健性检验

进一步，通过更换因变量测算方式和更换样本对基准回归结果进行稳健性检验，结果见表9。首先，通过神经网络测算各维度权重分别为0.190、0.068、0.377、0.365后，重新计算农户数字技能水平进行稳健性检验。其次，通过累加上述数字技能数量测算数字技能水平作为农户数字技能的替代变量进行稳健性检验。最后，随机抽取80%的样本构成新样本进行稳健性检验。检验结果与基准回归结果基本一致，表明基准回归结果是稳健的。
表9 稳健性检验

Table 9 Robustness tests

变量 主动适应性行为
神经网络法测算 累加数量 新样本
数字技能 0.281* 0.062* 0.395**
(0.154) (0.036) (0.168)
常数项 0.610 0.764 0.983
(0.814) (0.798) (0.693)
控制变量 已控制 已控制 已控制
Pseudo R2 0.027 0.027 0.035
Prob>chi2 0.004 0.004 0.001

3.4 路径检验

依据理论分析，农户产业链参与和社交网络水平可能是数字技能影响农户粮食生产主动适应性行为选择的路径机制。对此，采用两步法分别对路径变量进行检验（表10）。同时，由于两个路径变量均为多维变量且多维变量间相互影响，为提高路径检验的稳健性，进一步采用KHB模型进行路径分析（表11）。
表10 两步法路径检验

Table 10 Two-step path test

变量 横向产业
链参与		 纵向产业
链参与		 社交网
络规模		 社交网络
异质性
数字技能 0.883** 0.349** 0.769** 0.384***
(0.173) (0.163) (0.381) (0.059)
常数项 -7.143 -4.941 4.996** 0.394
(8.947) (7.463) (2.167) (0.336)
控制变量 已控制 已控制 已控制 已控制
Pseudo R2 0.065 0.040 0.043 0.075
Prob>chi2 0.000 0.000 0.000 0.000
表11 KHB路径检验

Table 11 KHB path test

机制 总效应 直接效应值 中介效应值
数字技能—产业链参与—农户粮食生产主动适应性行为决策 0.290** 0.229** 0.060*
(0.147) (0.097) (0.035)
数字技能—知识网络水平—农户粮食生产主动适应性行为决策 0.101* 0.076* 0.024**
(0.055) (0.046) (0.011)
首先，对农户产业链参与进行路径机制检验。由实证结果可知，数字技能显著推动农户横向产业链参与和纵向产业链参与，并且KHB模型结果表明产业链参与在数字技能与农户粮食生产主动适应性行为间存在中介效应。这可能的原因是，数字技能高的农户信息搜寻能力强，对参与产业链的经济价值感知更强，因此数字技能高的农户进行产业链参与的可能性更高。而为保障粮食产业链有效运行和既得利益，产业链的关联者倾向于互联互通，对农户粮食生产进行风险应对指导，有利于实现农户专业化生产下的资源集聚和规模经济效应，从而提升农户粮食生产获益能力，促进农户主动采取行为适应粮食生产风险。
其次，对农户社交网络水平进行路径机制检验。由实证结果可知，数字技能显著推动农户社交网络规模和社交网络结构，并且KHB模型结果表明社交网络水平在数字技能与农户粮食生产主动适应性行为间存在中介效应。这可能的原因是，数字技能高的农户能够利用社交平台超越时间、地域限制，及时且多渠道地与其他网络用户进行交流生产和防灾经验，因此其社交网络规模较大，社交网络异质性较高。而社交网络规模大，社交网络异质性较高的农户能够汲取其他行动者的风险防范经验，从而提高其粮食生产遭遇风险时的应对能力和灾后发展能力，进而促进其主动采取措施适应粮食生产风险。

3.5 异质性分析

由上述分析可知，数字技能可以推动农户采取粮食生产主动适应性行为。但由于受到农户资本禀赋、村庄经济发展等因素的制约，农户间数字技能使用存在差异，致使数字技能对农户粮食生产主动适应性行为决策的影响存在异质性。基于此，为深化研究的现实价值，本文深入探究不同农户特征和不同村庄特征下，数字技能对农户粮食生产主动适应性行为的差异化影响。
首先是农户特征异质性分析。资源禀赋是影响农户决策的重要因素，而农户数字技能差异本质上是数字化背景下的农户新型资源禀赋差异。那么，这种新型资源禀赋对农户粮食生产主动适应性行为的影响是否因农户间传统资源禀赋差异而产生异质性?按照现有研究对传统资源禀赋的划分，将其分为经济资源禀赋、文化资源禀赋和社会资源禀赋 ④ ，分析农户传统资源禀赋影响下，数字技能对农户粮食生产主动适应性行为选择的异质性影响（表12）。
表12 数字技能对农户粮食生产主动适应性行为影响的农户异质性分析

Table 12 Heterogeneity analysis of the impact of digital skills on farmers' proactive adaptive behaviors in grain production

变量 经济资源禀赋异质性 文化资源禀赋异质性 社会资源禀赋异质性
低耕种面积组 高耕种面积组 低教育组 高教育组 低收入组 高收入组
数字技能 0.257* 1.534** 0.039 0.400** 0.198 0.500*
(0.152) (0.743) (0.238) (0.186) (0.175) (0.276)
控制变量 已控制 已控制 已控制 已控制 已控制 已控制
Pseudo R2 0.030 0.147 0.022 0.031 0.034 0.049
Prob>chi2 0.000 0.323 0.781 0.031 0.004 0.189
费舍尔检验 1.260*** 0.356* 0.426*
观测值/户 1263 112 584 791 950 425
本文使用粮食作物耕种面积表征农户经济资源禀赋。依据粮食作物耕种面积是否高于样本均值分为低耕种面积组（赋值为0）和高耕种面积组（赋值为1），进行分组回归（表12），结果显示，相较于低耕种面积农户，数字技能对高耕种面积农户粮食生产主动适应性行为的促进作用更大。使用农业决策者受教育水平表征农户文化资源禀赋。依据受教育年限是否高于样本均值分为低教育组（赋值为0）和高教育组（赋值为1），进行分组回归（表12），结果显示，相较于低教育组农户，数字技能对高教育组农户粮食生产主动适应性行为的促进作用更大。使用家庭收入水平表征农户社会资源禀赋。依据家庭收入水平是否高于样本均值分为低收入组（赋值1）和高收入组（赋值0），进行分组回归（表12），结果显示，相较于低收入组农户，数字技能对高收入组农户粮食生产主动适应性行为的促进作用更大。以上结果表明，农户传统资源禀赋差异是农户间数字鸿沟现象的重要诱因，导致农户间利用数字技术获益能力的差异。规模农户、高文化农户和高收入农户通常拥有更多的资源和资本，能够更容易获取和应用先进的数字技术，并通过数字技术预测和管理粮食生产风险，提高作物管理的效率和产量，进而推动农户采取粮食生产主动适应性行为。同时结果表明，数字技能也正向影响小农户、低文化农户和低收入农户的粮食生产主动适应性行为，应积极通过农业数字技能培训和农业数字技术支持，提高低资源禀赋农户粮食生产时的竞争力和适应力。
其次是村庄特征异质性分析（表13）。区域异质性分析表明，相较于粮食主产区，数字技能对促进非粮食主产区农户的粮食生产主动适应性行为的作用更大。可能是由于粮食主产区耕地地块平坦，耕地地力肥沃，田间道路等基础设施较为完备，农户综合生产能力较高，农户适应性管理基数较高。相较之下，非粮食主产区耕地地力较差，农业基础设施修建程度较差，农户适应性管理存在较大提升空间。因此，数字技能对非主产区农户粮食生产主动适应性行为的推动幅度较大。高标准农田建设异质性表明，相较于村庄未进行建设的农户，数字技能对于所在村庄已经建设高标准农田农户的粮食生产主动适应性行为的促进作用更大。村庄集体经济异质性表明，相较于低集体经济收入村庄的农户，数字技能对所在村庄高集体经济收入农户粮食生产主动适应性行为的促进作用更大。以上结果表明，政策扶持是影响数字技能对农户粮食生产主动适应性行为作用的重要因素，应加大非粮食主产区粮食生产基础设施建设，提高非粮食主产区农户粮食生产适应性管理支持力度。并且，建设高标准农田和发展村庄集体经济是提升农户粮食生产主动适应性行为的重要手段，应在综合考虑区域范围内经济社会条件等因素的基础上，积极推动高标准农田建设，大力发展村庄集体经济。
表13 数字技能对农户粮食生产适应性行为影响的村庄异质性分析

Table 13 Village heterogeneity analysis of the impact of digital skills on farmers' adaptive behaviors in food production

变量 区域异质性 高标准农田建设异质性 村庄集体经济异质性
非粮食主产区 粮食主产区 未进行建设 已进行建设 低集体经济收入 高集体经济收入
数字技能 0.283* 0.012 0.145 0.028* 0.620 0.088***
(0.166) (0.230) (0.192) (0.228) (0.017) (0.026)
控制变量 已控制 已控制 已控制 已控制 已控制 已控制
Pseudo R2 0.019 0.043 0.028 0.054 0.052 0.052
Prob>chi2 0.027 0.018 0.114 0.004 0.309 0.309
费舍尔检验 0.271* 0.131* 0.181*
观测值/户 933 442 717 658 1097 278

4 结论与建议

推动农户粮食生产主动适应性管理行为对于提高粮食供应能力、保障国家粮食安全具有重要现实意义。本文以2023年黄河流域中上游地区调研数据为基础，实证探讨数字技能对农户粮食生产适应性行为选择的影响及作用机制。研究结果表明：（1）数字技能提高农户粮食生产主动适应性行为选择，在控制内生性问题后，结论仍然成立。（2）数字技能通过提高农户产业链参与水平和农户社交网络水平促进农户粮食生产主动适应性行为选择。（3）农户传统禀赋异质性分析表明，数字技能对规模农户、高文化农户和高收入农户粮食生产主动适应性行为的促进作用更大，但数字技能也正向影响小农户、低文化农户和低收入农户的粮食生产主动适应性行为选择。（4）村庄异质性分析表明，数字技能对所在村庄为非粮食主产区农户、所在村庄已经建设高标准农田农户、高村庄集体经济收入农户粮食生产主动适应性行为的促进作用更大。
根据前文结论，本文研究建议主要有：（1）依据社会—生态系统理论，积极实施协同策略构建农户与其他农业生产主体、管理主体之间的有效互动与反馈机制，激励农户实施主动适应性管理行为。具体而言，积极推广耕地保护技术与防灾减灾技术，大力提升农户农业生产能力；优化信息传播渠道，确保农户能够及时获取灾害预警信息；保障落实农户对村级组织决策过程的监督权利，提高基层管理透明度和责任感。（2）综合运用多种平台资源和工具，全面提升农户数字技能。加强农户数字信息搜寻能力培训，提高农户关键农业信息获取能力；加快数据平台和信息共享系统等数字基础设施建设，提高农户数据分析和利用能力。（3）充分认识数字乡村战略在培育农户粮食生产适应性管理行为中的重要作用，提升农户粮食生产系统在面对风险时的应对能力。一方面，合理规划数字乡村建设，利用数字技术提高农户学习能力和重组能力，优化农户面对粮食生产风险时的反馈与响应机制。另一方面，加速构建以数字化为基础的粮食生产应急管理体系，推进粮食产业链数字化转型，发展多元化数字农业服务，同时加强线上线下知识网络整合，从而全面提升农户粮食生产风险应急能力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
方国柱, 祁春节, 贺钰. 保障粮食和重要农产品有效供给的理论逻辑与治理机制: 基于集体行动理论视角. 农业经济问题, 2022, (12): 82-94.

[FANG G, QI C J, HE Y. The theoretical logic and governance mechanism to guarantee the effective supply of grain and important agricultural products: Based on the theoretical perspective of collective action. Agricultural Economic Problems, 2022, (12): 82-94.]

[2]
沈金龙, 许航, 李佳芬, 等. 气候变化适应性行为对农户水贫困的影响. 资源科学, 2023, 45(7): 1410-1423.

DOI

[SHEN J L, XU H, LI J F, et al. The impact of climate change adaptive behavior on farmer water poverty. Resource Science, 2023, 45(7): 1410-1423.]

[3]
FAN Y, SHI X M, LI X P, FENG X. Livelihood resilience of vulnerable groups in the face of climate change: A systematic review and meta-analysis. Environmental Development, 2022, 44: 100777, Doi: 10.1016/j.envdev.2022.100777.

[4]
童庆蒙, 张露, 张俊飚. 家庭禀赋特征对农户气候变化适应性行为的影响研究. 软科学, 2018, 32(1): 136-139.

[TONG Q M, ZHANG L, ZHANG J B. The influence of household endowment characteristics on peasant household climate change adaptive behavior. Soft Science, 2018, 32(1): 136-139.]

[5]
FABRICIUS C, FOLKE G, CUNDILL, et al. Powerless spectators, coping actors, and adaptive co-managers: A synthesis of the role of communities in ecosystem management. Ecology and Society, 2007, 12(1): 29, Doi: 10.2751/175303707X207963.

[6]
YU R Y, CHENG J L, SU X Y, et al. Tourism smallholders' perceived risks, resilience, and response strategies in the upper reaches of the Yihe River, China. Ecological Indicators, 2023, 154: 110491, Doi: 10.1016/j.ecolind.2023.110491.

[7]
余露, 刘源. 自然资源系统治理的创新模式探索. 自然资源学报, 2023, 38(9): 2386-2402.

DOI

[YU L, LIU Y. Exploration of the innovative mode of natural resource system governance. Journal of Natural Resources, 2023, 38(9): 2386-2402.]

[8]
袁海红, 吕旖, 张时婧. 海岛养殖户台风灾害适应性行为及其影响因素分析. 自然资源学报, 2022, 37(4): 1089-1103.

DOI

[YUAN H H, LYU Y, ZHANG S J. The adaptive behavior of typhoon disaster in island farmers. Journal of Natural Resources, 2022, 37(4): 1089-1103.]

[9]
LIU L, HELEN R, ANOMA A. Building rural resilience through agri-food value chains and community interactions: A vegetable case study in Wuhan, China. Journal of Rural Studies, 2023, 101: 103047, Doi: 10.1016/j.jrurstud.2023.103047.

[10]
高天志, 陆迁. 风险管理可以提高农户生计策略适应性吗? 基于时间配置中介效应和收入水平调节效应的分析. 农业技术经济, 2021, (5): 48-62.

[GAO T Z, LU Q. Can risk management improve the adaptability of farmers' livelihood strategies? Based on the analysis of time allocation mediation effect and income level adjustment effect. Agricultural Technology and Economy, 2021, (5): 48-62.]

[11]
FRANK W, GEELS, FLORIAN K, et al. System transitions research and sustainable development: Challenges, progress, and prospects. PNAS, 2023, 124(2): 920-932.

[12]
祝锦霞, 潘艺, 张艳彬, 等. 种植类型变化对耕地系统韧性影响的关键阈值研究. 中国土地科学, 2022, 36(4): 49-58.

[ZHU J X, PAN Y, ZHANG Y B, et al. Key threshold study on the effect of planting type changes on the resilience of cultivated land systems. Land Science of China, 2022, 36(4): 49-58.]

[13]
张梦玲, 翁贞林, 高雪萍. 高标准农田建设、农业社会化服务对农药投入的影响研究:基于江西省605户稻农的调查数据. 中国土地科学, 2023, 37(9): 106-116.

[ZHANG M L, WENG Z L, GAO X P. Study on the influence of high-standard farmland construction and agricultural socialized service on pesticide input: Based on the survey data of 605 rice farmers in Jiangxi province. Land Science of China, 2023, 37(9): 106-116.]

[14]
李桦, 周志云, 廖浩玲. 数字金融对农户气候适应性行为的影响. 西北农林科技大学学报: 社会科学版, 2024, 24(2): 127-139.

[LI H, ZHOU Z Y, LIAO H L. The impact of digital finance on farmers' climate-adaptive behavior. Journal of Northwest A&F University: Social Science Edition, 2024, 24(2): 127-139.]

[15]
毛慧, 付咏, 彭澎, 等. 风险厌恶与农户气候适应性技术采用行为: 基于新疆植棉农户的实证分析. 中国农村观察, 2022, (1): 126-145.

[MAO H, FU Y, PENG P, et al. Risk aversion and farmer climate adaptation technology adoption behavior: An empirical analysis based on cotton planting farmers in Xinjiang. China Rural Observation, 2022, (1): 126-145.]

[16]
于滨铜, 王志刚. 关系治理、契约治理与农业产业生态系统演进. 管理世界, 2023, 39(5): 54-78.

[YU B T, WANG Z G. Relationship governance, contract governance and agricultural industry ecosystem evolution. Journal of Management World, 2023, 39(5): 54-78.]

[17]
庞洁, 陈洁, 白珊珊. 长江退捕渔民的生计风险与应对策略选择研究. 长江流域资源与环境, 2024, 33(3): 658-669.

[PANG J, CHEN J, BAI S S. Study on livelihood risk and coping selection of fishermen in the Yangtze River. Resources and Environment of the Yangtze River Basin, 2024, 33(3): 658-669.]

[18]
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展: 来自中国城市的经验证据. 管理世界, 2020, 36(10): 65-76.

[ZHAO T, ZHANG Z, LIANG S K. Digital economy, entrepreneurial activity and high-quality development: Is empirical evidence from Chinese cities. Journal of Management World, 2020, 36(10): 65-76.]

[19]
武小龙, 王涵. 农民数字素养: 框架体系、驱动效应及培育路径: 一个胜任素质理论的分析视角. 电子政务, 2023, (8): 105-119.

[WU X L, WANG H. Farmers' digital literacy: Framework system, driving effect and cultivation path: An analytical perspective of competency theory. E-government Affairs, 2023, (8): 105-119.]

[20]
郝爱民, 谭家银. 数字乡村建设对我国粮食体系韧性的影响. 华南农业大学学报: 社会科学版, 2022, 21(3): 10-24.

[HAO A M, TAN J Y. The influence of digital rural construction on the resilience of China's grain system. Journal of South China Agricultural University: Social Science Edition, 2022, 21(3): 10-24.]

[21]
ESTEVE V, ROSER M, MARTI R S, et al. Reviewing social-ecological resilience for agroforestry systems under climate change conditions. Science of the Total Environment, 2023, 869: 161763, Doi: 10.1016/j.scitotenv.2023.161763.

[22]
TANIA C C, ERNESTO A Z, JULIO D, et al. The contribution of strong and weak ties to resilience: The case of small-scale maize farming systems in Mexico. Agricultural Systems, 2023, 210: 103716, Doi: 10.1016/j.agsy.2023.103716.

[23]
DANIELE B, ALBERTO G, BARBARA S, et al. Implications of alternative farm management patterns to promote resilience in extensive sheep farming: A Spanish case study. Journal of Rural Studies, 2021, 86: 633-647.

[24]
REINETTE B, STEPHEN R, CARPENTER, et al. Turning back from the brink: Detecting an impending regime shift in time to avert it. PNAS, 2009, 106(3): 826-831.

DOI PMID

[25]
CARPENTER S, WALKER B, ANDERIES J M, et al. From metaphor to measurement: Resilience of what to what. Ecosystems, 2001, 4: 765-781.

[26]
OSTROM E. A general framework for analyzing sustainability of social-ecological systems. Science, 2009, 325: 419-422.

DOI PMID

[27]
MIRANDA P M. MEUWISSEN, PETER H, et al. A framework to assess the resilience of farming systems. Agricultural Systems, 2019, 176: 102656, Doi: 10.1016/j.agsy.2019.102656.

[28]
苏毅清, 秦明, 王亚华. 劳动力外流背景下土地流转对农村集体行动能力的影响: 基于社会生态系统(SES)框架的研究. 管理世界, 2020, 36(7): 185-198.

[SU Y Q, QIN M, WANG Y H. The impact of land transfer on rural collective mobility in the context of labor outflow: A study based on the social ecosystem (SES) framework. Journal of Manage World, 2020, 36(7): 185-198.]

[29]
刘润秋, 黄志兵, 曹骞. 基于乡村韧性视角的宅基地退出绩效评估研究: 以四川省广汉市三水镇为例. 中国土地科学, 2019, 33(2): 41-48.

[LIU R Q, HUANG Z B, CAO Q. Research on the performance evaluation of homestead withdrawal based on the perspective of rural resilience: Take Sanshui town, Guanghan city, Sichuan province as an example. Land Science of China, 2019, 33(2): 41-48.]

[30]
FOLKE S R, CARPENTER B, WALKER M, et al. Resilience thinking: Integrating resilience, adaptability and transformability. Ecology and Society, 2010, 4: 299-305

[31]
苏毅清, 黄巧媛, 臧良震. 土地托管如何影响农村集体行动? 来自全国461个村庄的实证研究. 经济与管理, 2023, 37(6): 13-21.

[SU Y Q, HUANG Q Y, ZANG L Z. How does land trusteeship affect rural collective action? Empirical study from 461 villages across the country. Economics and Management, 2023, 37(6): 13-21.]

[32]
胡卫卫, 辛璄怡, 于水. 技术赋权下的乡村公共能量场: 情景、风险与建构. 电子政务, 2019, (10): 117-124.

[HU W W, XIN J Y, YU S. Rural public energy field under technology empowerment: Scenario, risk and construction. E-government, 2019, (10): 117-124.]

[33]
苏岚岚, 彭艳玲. 农民数字素养、乡村精英身份与乡村数字治理参与. 农业技术经济, 2022, (1): 34-50.

[SU L L, PENG Y L. Farmer digital literacy, rural elite identity and participation in rural digital governance. Agricultural Technology and Economy, 2022, (1): 34-50.]

[34]
夏显力, 陈哲, 张慧利, 等. 农业高质量发展: 数字赋能与实现路径. 中国农村经济, 2019, (12): 2-15.

[XIA X L, CHEN Z, ZHANG H L, et al. High-quality agricultural development: Digital empowerment and realization path. Rural Economy in China, 2019, (12): 2-15.]

[35]
赵雪, 石宝峰, 盖庆恩, 等. 以融合促振兴: 新型农业经营主体参与产业融合的增收效应. 管理世界, 2023, 39(6): 86-100.

[ZHAO X, SHI B F, GAI Q E, et al. Promoting revitalization through integration: The income increase effect of new agricultural business entities participating in industrial integration. Journal of Management World, 2023, 39 (6): 86-100.]

[36]
刘丽伟, 高中理. 美国发展“智慧农业”促进农业产业链变革的做法及启示. 经济纵横, 2016, (12): 120-124.

[LIU L W, GAO Z L. The practice and enlightenment of developing "smart agriculture" in the United States to promote the reform of the agricultural industry chain. Economic Horizontal, 2016, (12): 120-124.]

[37]
BRUCE A, JACKSON C, LAMPRINOPOULOU C. Social networks and farming resilience. Outlook on Agriculture, 2021, 50(2): 196-205.

[38]
李艳, 陈卫平. 线上社会网络对农村网商经营绩效的影响: 机制与证据. 中国农村经济, 2023, (9): 165-184.

[LI Y, CHEN W P. Influence of online social network on the business performance of rural online business: Mechanism and evidence. Rural economy in China, 2023, (9): 165-184.]

[39]
李强, 孟如. 数字素养是乡村生活数字化转型的驱动力吗? 基于山东省1037位农村居民的调研数据. 西北农林科技大学学报: 社会科学版, 2024, 24(2): 140-150.

[LI Q, MENG R. Is digital literacy the driving force of the digital transformation of rural life? Based on the survey data of 1037 rural residents in Shandong province. Journal of Northwest A & F University: Social Science Edition, 2024, 24(2): 140-150.]

[40]
钱龙, 杨光, 钟钰. 有土斯有粮: 高标准农田建设提高了粮食单产吗?. 南京农业大学学报: 社会科学版, 2024, 24(1): 132-143.

[QIAN L, YANG G, ZHONG Y. Grain: Has the construction of high standard farmland increase grain yield per unit area?. Journal of Nanjing Agricultural University: Social Science Edition, 2024, 24(1): 132-143.]

[41]
王小华, 刘云, 宋檬. 数字能力与家庭风险金融资产配置. 中国农村经济, 2023, (11): 102-121.

[WANG X H, LIU Y, SONG M. Digital capabilities and household risk financial asset allocation. China's rural Economy, 2023, (11): 102-121.]

[42]
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. 中国社会科学, 2016, (10): 93-115.

[QIU Z Q, ZHANG S Q, LIU S D, et al. From the digital divide to dividend differences: An internet capital perspective. Social Sciences of China, 2016, (10): 93-115.]

[43]
陈梦根, 周元任. 数字不平等研究新进展. 经济学动态, 2022, (4): 123-139.

[CHEN M G, ZHOU Y R. New progress in the research of digital inequality. Economic Dynamics, 2022, (4): 123-139.]

[44]
姜扬, 郑怀宇. 数字技能与居民幸福感: 基于CFPS2018数据的研究. 人口学刊, 2023, 45(4): 57-69.

[JIANG Y, ZHENG H Y. Digital skills and residents' well-being-research based on CFPS2018 data. Journal of Demographic Studies, 2023, 45(4): 57-69.]

[45]
冯烽, 崔琳昊. 新发展格局下数字经济发展如何释放人才红利: 基于城市人力资本配置效率的分析. 经济问题探索, 2023, (10): 48-58.

[FENG F, CUI L H. How to release the talent dividend of digital economy development under the new development pattern: Analysis based on the efficiency of urban human capital allocation. Exploration of Economic Issues, 2023, (10): 48-58.]

[46]
LOKSHIN M, SAJAIA Z. Maximum likelihood estimation of endogenous switching regression models. The Stata Journal, 2004, 4(3): 282-289.

Options
文章导航

/

〈 〉