数字化背景下农产品批发业经营效率的变化
2021-01-19课题组
课题组
摘要：数字经济的发展，直接影响农产品批发业的经营效率，引领并倒逼行业高质量发展。从数字基础设施和数字技术应用两个维度构建数字化发展水平指标体系，使用主成分分析法测定数字化水平，建立以数字化水平为门槛变量、以SBM法测定的经营效率为被解释变量的面板门槛模型，使用全国2010—2018年的省级面板数据，检验数字化发展与经营效率之间的非线性关系。结果表明：数字化发展对农产品批发业经营效率的整体影响显著为正，但数字化发展的生产率效应只有在数字化水平达到一定程度时才能充分显现；数字化发展对经营效率的影响存在双重门槛效应，即在数字化水平较低时存在生产率悖论现象，数字化加速发展时会带动经营效率大幅提高，而数字化水平较高时促进经营效率提高的作用则减弱。进一步分解发现，数字化发展的生产率效应更多来自于数字基础设施，并且为正向影响由强转弱的单一门槛效应；数字技术应用未检验出显著影响，当前数字技术应用对农产品批发业的冲击有待后续观察。农产品批发业要抓住数字经济发展机遇，主动进行数字化变革，进一步完善数字基础设施，改变传统经营管理模式，面向数字经济进行转型升级。
关键词：数字经济；数字化水平；农产品批发业；经营效率；面板门槛模型
中图分类号：F724.1文献标识码：A文章编号：1007-8266（2021）06-0017-11
基金项目：湖南省哲学社会科学基金“新零售视阈下生鲜农产品供应链的整合与协调研究”（18YBA230）
以物联网、大数据、移动互联网及人工智能为核心的新型数字技术在各领域的融合和应用，带动产业链、供应链、营销模式和管理模式发生了深刻变革[ 1 ]，拓宽了现代商贸流通业交易活动的空间限制，催生出电子商务、社区团购、“新零售”等农产品流通新业态。同时，数字化发展浪潮也极大地冲击了传统流通渠道，其中农产品批发作为承载70%市场交易量的既有流通渠道，在其他新型流通渠道挤压下进行着艰难的现代化转型。在此数字化变革过程中，通过观察经营效率的变化，能更好地把握批发市场的演化规律，引导传统农产品批发业进行转型升级。
从时间维度来看，数字技术对产业发展的影响因时而异。早期学者认为数字技术对生产效率的提升作用存在不确定性，大量的数字技术资源投入没有显著提高生产率，存在“生产率悖论”现象[ 2-5 ]。之后，随着数字化水平的不断提高，研究发现数字技术对生产效率的提升具有显著促进作用。数字技术能够通过溢出效应降低供应链上下游企业的交易成本，缓解信息不对称，实现效率提升[ 6-7 ]，也能够激励技术创新、优化要素配置从而促进生产率增长[ 8-10 ]。
从农产品流通产业来说，数字化发展的影响也有两面性。一方面，随着数字化水平的提高，电子商务平台、“互联网+”平台等数字渠道快速发展，引发批发市场表现出集聚不经济，有从集聚发展转向扩散甚至瓦解的趋势[ 11 ]；另一方面，数字技术的应用对信息传播产生加速作用，能够通过信息共享机制实现农产品供应链动态一致[ 12 ]，提升批发市场的运行效率[ 13 ]，促进供给端与需求端的信息传递和需求释放[ 14 ]。
因此，在数字化发展的背景下，讨论传统行业的发展变化要更为细致，相应地，在分析影响农产品批发业效率变迁时，需要考虑数字化水平和类型的差异。
数字技术的发展为传统行业提供了新的契机，促进了生产方式、主导技术、组织结构的变革，带动产业进入更高的发展层次。然而，新技术对产业发展的影响并非简单的线性关系。新技术从诞生到逐步推广，其本身在不断地成熟和完善，而传统产业从被动应变到主动求变，也在连续不断地调整和适应，其间还伴随着两者相互匹配及协同发展。由此，数字技术在不同的发展阶段对产业发展的影响会表现出差异性。
首先，从农产品批发业的功能属性上判断，数字化发展促进经营效率提升是整体演进趋势。批发市场作为农产品流通的主要渠道，具有产品集散、沟通产销、价格调控、质量保障等功能[ 15 ]。这些功能的本质是要实现规模经济、削减交易成本、缓解信息不对称[ 12，16 ]，而数字技术的应用恰好可以擴大批发市场的商品交易范围，突破供销双方沟通的地理空间限制，产生更大的规模经济，还能协助完成批发业内部、行业之间的资源、信息整合，解决信息孤岛问题，提高资源配置效率[ 17 ]。
其次，从数字化扩散过程来看，批发业受到的影响存在阶段性。一是在数字化发展初期，农产品批发业处于数字化起步、经营组织模式传统的阶段，需要投入大量的数字化专业劳动力和数字化启动成本，可能存在“生产率悖论”现象[ 18 ]，数字化没能带来效率的提高。二是数字化加速发展之后，批发业采用数字化服务、应用数字技术，完善运营管理机制，创新销售模式，提高交易数量。该阶段数字技术产生的间接溢出效应扩大了生产可能性边界，使整个生产函数外生地移动，通过加快技术进步促进经营效率大幅提升。三是数字化发展到一定阶段后，批发业需要调整劳动力和资本等要素配置，淘汰一部分人员和资产，剥离或改组部分业务。数字化发展对农产品批发业经营的影响发生边际效应减少，带动效率提升的作用减弱。
再次，就数字化发展的内容而言，农产品批发业受到的影响存在差异性。数字化发展包含了数字产业化和产业数字化两个方面[ 19 ]，分别体现为数字技术的发展和数字应用服务的扩散。这对批发业来说，其一是5G网络、光纤通信等数字技术设施设备作为一种具有公共资本属性的基础设施[ 20 ]，既可以产生直接的资本效应，直接作为投入要素促进产出增长，提高生产效率[ 21-22 ]，也可以作为影响资本和劳动配置的要素促进批发业产出提高。其二是网络团购、直播销售等新兴数字应用服务的普及推广，对农产品批发业的影响可能较为负面。因为交易流通的数字化发展带来了更大的网络经济效应，个体的消费半径扩大，消费者的选择多样性在互联网平台上更能得到满足，更加倾向于网上购物，导致传统实体批发业的竞争环境发生改变，可能出现批发市场集聚不经济的情形，降低流通效率。
基于上述理论分析，本文提出如下研究假设：
H1：数字化发展对农产品批发业经营效率存在阶段性的不同作用。
H2：数字化基础设施和数字技术应用对批发业经营效率的影响存在差异。
（一）模型设计
1.基于非径向效率模型（SBM）的经营效率测度
在传统数据包络分析（DEA）模型基础之上，托恩（Tone）[ 23 ]提出了基于松弛变量的效率度量方法的SBM模型，该方法采用非径向投影估计效率，解决了径向模型对无效率的测量没有包含松弛变量的问题，对效率具有更强的分辨能力和更高的准确度，故本文选取SBM模型作为测度农产品批发业经营效率的方法。具体形式如下：
其中，ρ即为所求的批发业经营效率值。式（1）、式（2）分别表示实际投入比之最优投入存在投入冗余、实际产出比之最优产出存在产出不足的情况，其中λ表示DMU的线性组合系数，投入冗余量用S-表示，产出不足量用S+表示。根据最优解，当S-=S+=0时，ρ=1，DMU为SBM有效情况。在具体测算时，为了实现不同省份的SBM效率跨期比较，本文使用所有年份的所有DMU汇集成的总体作为参考集，采取全局参比方法对SBM模型进行测定。
2.基于门槛模型的非线性关系检验
为了测度数字化对农产品批发业经营效率的非线性作用，本文利用汉森（Hansen）[ 24 ]提出的门槛回归模型进行检验。该模型可根据观察变量的门槛值划分成不同的类别，且这个观察变量的门槛值和个数完全由样本数据内生决定。本文将数字化发展水平及其分解值作为门槛变量，用于探讨当门槛变量大于或小于特定值时数字化发展水平对经营效率的影响。模型具体设定如下：
在式（3）中，被解释变量Teit为SBM法测算出的农产品批发业经营效率，git表示门槛变量，γ表示待估计的门槛值，β为变量系数，核心解释变量Digitalit表示数字化水平，Hit代表一组对农产品批发经营效率增长产生影响的控制变量，包括地区经济发展水平、城镇化水平、交通基础设施、人力资本水平和产业结构升级。
（二）变量选择
1.被解释变量：农产品批发业经营效率
非参数方法估计效率，需要投入和产出指标包含多个变量。鉴于数据的可得性以及农产品批发业集中度较高的现实情况，选择各地区限额以上批发市场的统计数据来测算该行业的经营水平。首先，批发业经营的投入变量，考虑到批发业的特点，经营中需投入相应的劳动力、资本、土地。为此借鉴已有研究，将农产品批发市场从业人数作为劳动力变量[ 25 ]，采用批发市场资本存量作为资本投入指标[ 26 ]，把注册法人单位数作为土地投入的替代变量[ 27 ]。其次，产出指标考虑批发市场的交易经营特点，鉴于数据的可获得性，使用商品销售额和主营业务收入作为产出指标[ 28 ]，体现农产品批发业的运营水平和盈利状况。基于上述分析，投入产出指标体系参见表1。
2.门槛变量：数字化发展水平
由于目前农产品批发业数字化水平还没有公认的评价指标体系，本文借鉴韩海彬和张莉[ 17 ]、茶洪旺[ 29 ]的研究，考虑到数字化发展主要表现为数字基础设施水平和数字技术应用水平，故以二者为二级指标构建了指标体系，如表2所示。其一，数字基础设施水平指标，参考国家统计信息中心[ 30 ]和陳小磊[ 31 ]的相关研究，选取单位中国长途光纤传输线路的长度、人均移动电话互联网接入端口总数、人均移动电话交换机容量这三个指标。其二，数字技术应用水平评价，根据数字技术的通用技术属性，选择互联网普及率、人均信息消费额（指数）、移动电话普及率为二级指标[ 32 ]。
为了避免人为的主观性影响因素，更客观地衡量数字化发展水平，消除各个指标之间的相互影响[ 33，29 ]，采用主成分分析法对数字化水平评价指标权重进行测算，在对原始数据进行标准化、同趋化处理后，分别进行抽样适合性检验（KMO）和巴特利特球形度检验，再根据所求得的总方差解释表和因子成分矩阵确定各指标权重，并对权重进行归一化处理，用求出的各变量权重分别计算每个单位的数字化水平。
3.其他控制变量
（1）经济发展水平（Edl）。地区经济发展水平是流通行业发展的主要外部环境影响指标，经济水平的高低直接决定了生产流通消费整个体系运行的质量水平[ 34 ]，所以本文使用人均GDP来表示经济发展水平。
（2）产业结构升级（Indus）。本文利用付凌晖[ 35 ]所提出的产业结构高级化程度的衡量方法对各地区和省份的产业结构高级化程度的指数分别进行测算，并以测算得到的产业结构高级化程度指数代表产业结构升级。
（3）城镇化水平（Urban）。城镇化能够直接地对农业新技术在流通领域的生产与扩散发挥作用[ 36 ]，本文采用各省份城镇人口总数占该省份总人口的比值来衡量代表该地区的城镇化水平。
（4）交通基础设施（Trans）。在实体商品流通领域，商流经济活动仍在一定程度上受限于交通运输物流活动的规模半径[ 37 ]。本文使用各地区的公路里程数（千米）与地区总面积（平方千米）的比值来体现交通基础设施发展水平。
（5）人力资本水平（Human）。根据本文研究目的，使用劳动力平均受教育年限来衡量人力资本水平，将各地区劳动力平均受教育年限作为评价指标。
各指标详见表3。
（三）数据说明与描述
研究选取的时间段为2010—2018年，因为该时间段内统计数据较为完整，没有缺少年份和关键区域数据，且量纲统一。另外，由于西藏、台湾等5个省区存在数据异常及数据缺失的情况，该截面个体只包括剩余29个省份。数据均来源于对应年度的《中国贸易外经统计年鉴》《中国统计年鉴》和国家统计局。为了消除价格因素的影响，本文以2010年为基期，使用基期的GDP平减指数对各地区人均国内生产总值、限额以上农产品批发市场流动资产总计进行平减处理，使用基期的消费者价格指数将限额以上农产品批发市场商品销售额、限额以上农产品批发市场主营业务收入进行平减，采用固定资产投资指数对限额以上农产品批发市场固定资产总计进行平减。研究样本共计261个，主要变量的统计量描述如表4所示。批发业经营效率的样本均值为0.372，整体处于中下水平。其他指标情况详见表4。
（一）农产品批发业经营效率的测算结果
2010—2018年各省份农产品批发业经营效率的具体数值，如表5所示。在测算得到各省份农产品批发业经营效率的基础上，使用国家“七五计划”提出的划分方法将全国各省份划分为东、中、西三个区域，各区域的经营效率变化如表5所示。
各区域农产品批发业经营效率存在明显差异，东部地区与中、西部地区的经营效率差距有不断扩大的趋势。东部地区经营效率提升最快，从2010年0.368提升至2018年0.655，提升了78.0%，中部地区效率提升幅度仅为0.009，而西部地区经营效率反而下降了0.081。
（二）数字化水平的测算结果
采用主成分分析法求得的各项指标权重结果见表6。
根据表6测得的各指标权重对2010—2018年各省市区数字化水平进行计算，结果见表7。从中发现：
第一，区域数字化程度存在明显差异，东部数字化程度最高，西部次之，中部最低。东部地区各年份平均数字化水平指数为0.408，高于全国平均水平0.316，中部地区平均水平仅为0.254，西部地区为0.256，均低于全国平均水平。
第二，各地区数字化水平在迅速提升，且西部提升幅度最大。观察期内全国数字化水平均保持持续增长，东部地区数字化水平指数从0.284增长至0.524，中部地区从0.146增加至0.385，西部地区提升了近3倍，从0.135上升到0.376。
（三）两项指标的基本趋势
如圖1所示，全国各地区农产品批发业经营效率有一定波动，近年来保持持续增长趋势。同时期全国各地区数字化水平稳步提升，整体水平不断提高。随着数字化水平提升，二者相关性提高，变动趋势逐步一致。
（一）面板数据相关检验
1.单位根检验与协整性检验
为降低异方差的影响，对非比值变量取对数处理。为提高估计结果可靠性，本文使用面板数据LLC（LevinLin-Chu）单位根检验方法对农产品批发业经营效率以及各解释变量进行单位根检验，检验结果均否定各变量存在单位根的原假设，说明本文所使用的变量是平稳的，符合汉森门槛回归模型的数据平稳性要求。
进一步，为避免农产品批发业经营效率与数字化水平之间出现“伪回归”的现象，确定各变量之间具有长期稳定的均衡关系，分别采用靠（Kao）检验、佩德罗尼（Pedroni）检验两种方法进行协整检验，检验结果显示各变量均在1%的显著水平下拒绝原假设，存在协整关系，不会出现“伪回归”的情况，可以直接进行门槛效应分析。
2.门槛模型检验
门槛回归模型适用条件为面板固定效应模型，为了准确判断面板模型的类型，参考郭家堂等[ 13 ]的做法，分别采用辅助回归和过度识别检验的结果进行分析，结论均为显著拒绝原假设，即拒绝随机效应，故采用固定效应门槛模型进行回归。
本文进行门槛效应检验，判断是否存在门槛效应以及具体的门槛设定形式，再通过模型F统计量以及自举抽样法得到的P值来判断门槛个数，检验结果如表8所示。根据检验结果，数字化水平单一门槛和双重门槛分别通过10%和5%的显著性检验，但三重门槛效应未通过检验；数字基础设施水平（Infra）单一门槛通过5%显著性检验，双重、三重门槛效应未通过显著性检验；数字技术应用水平（Appl）的门槛效应检验未通过显著性检验。由表9可知，门槛值对应的置信区间较窄，故门槛值的识别效果较为准确[ 17 ]。
（二）主模型估计结果
在门槛值确定之后，进行非线性双重面板门槛估计，估计结果见表10。
首先对数字化双重门槛模型进行分析，双重门槛模型在5%的水平上显著，自举抽样法抽样得到的P值为0.032，验证了双重门槛效应的存在，能够说明数字化水平与农产品批发业经营效率之间存在非线性关系，揭示数字化水平影响农产品批发业经营效率提升的内在机理，故下文重点讨论双重门槛模型的估计结果。
数字化发展对农产品批发业经营效率存在双重门槛效应。根据双重门槛模型得到的两个门槛值，可以分别按照第一门槛值（0.107）和第二门槛值（0.126）将整个样本分成三个门槛区间，分别为数字化低水平（Digital≤0.107）、中水平（0.107
该估计结果说明假设H1成立，即数字化水平对农产品批发业经营效率存在正向的非线性作用。第一，从省份固定效应和省份时间交互效应模型来看，数字化发展对批发业有显著的正向影响，表明数字技术作为先进生产力的体现，能够带动传统批发业提升经营效率，向高质量方向发展。第二，在模型1划分的三个门槛区间中，影响的估计系数存在显著差别，存在明显的门槛效应。影响系数先由负转正，再由大变小，说明在数字化建设初期，由于数字基础设施水平较低，数字技术对生产率的提升作用没有得到充分发挥，存在一定“生产率悖论”现象；随后伴随数字化水平的大幅提升，在达到第一个门槛值之后，数字技术溢出效应能充分降低信息传播成本和交易成本，提高农产品批发业经济效益，生产率得到极大改进；随着数字化深入发展，进入第二个门槛之后，对经营效率的提升作用弹性有所下降，出现了边际效用递减。未来数字技术需要进一步与劳动力投入、组织结构升级和模式创新进行匹配协调，才能更好发挥作用。
（三）数字化内容分解的估计结果
为深入讨论数字化内涵作用的差异，对数字化水平进行分解（参见表11），分别讨论数字基础设施和数字技术应用的影响。
首先，分析数字基础设施单一门槛模型的结果。如表11所示，单一门槛模型得到的数字基础设施水平（Infra）门槛值为0.089，对应的两个门槛区间估计系数分别为6.919（Infra≤0.089）和1.014（Infra>0.089），且二者均通过1%的显著性检验，数字基础设施在两个阶段与经营效率均存在正相关关系。当跨越门槛值时，弹性系数降低，影响由强转弱，表明数字基础设施与经营效率之间存在非线性效应。其次，观察发现数字技术应用水平的估计系数为负值，且并未通过固定效应和门槛效应模型的显著性检验。
这一结果说明研究假设H2也成立，数字基础设施和数字技术应用产生的影响存在差异。农产品批发业经营效率的增长更多得益于数字基础设施的逐渐完善，数字基础设施所产生的直接资本效应和间接溢出效应能促进批发业产出提高、加快批发业技术进步，发挥提升经营效率的效应。而数字技术应用的推广，引发了激烈的渠道竞争，在一定程度上阻碍批发业经营效率。
（四）区域异质性分析
为了进一步探讨数字化发展影响的区域差异，由于西部省份的样本量不足，会导致回归系数有偏差，在此参考郭家堂等[ 13 ]的研究，将29个样本省份划分为东部和西部两个区域。东部地区包括北京、天津、河北、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、广东、海南；西部地区包括山西、内蒙古、河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、新疆。使用固定效应模型对划分后的样本进行回归，结果如表12所示。在对样本省份进行区域划分之后，数字化发展对批发业经营效率的作用得到了进一步验证，与前文整体回归所得出的结论基本一致。
（五）稳健性与内生性问题讨论
首先，对模型进行稳健性检验。本文考虑到经济发展质量較高的地区在数字技术运用上存在“先发优势”，参考韩海彬等[ 17 ]、贾铖等[ 38 ]和赵涛等[ 39 ]的做法，将门槛模型回归结果与面板固定效应模型回归结果进行对照，通过设定省份固定效应、省份与时间交互效应以缓解数字技术发展带来的宏观环境变化，由表10的省份固定效应模型和交互效应模型可知，无论是固定效应模型还是双重门槛模型，所得出的结论与前文基本一致，本文的估计结果较为稳健。
其次，考虑到内生性问题。第一，面对测度误差带来的内生性问题，使用《中国统计年鉴》《中国贸易外经统计年鉴》等权威数据，并且对原始数据进行了价格平减，尽可能降低了价格因素对测算结果的影响。第二，对遗漏变量这一问题，在估计过程中加入了经济发展水平、交通基础设施、人力资本水平和产业结构等控制变量，并同时采用固定效应模型进行估计，可以控制住个体异质性，即误差项中不随时间变动的遗漏变量。第三，处理互为因果带来的内生性问题，农产品批发业经营效率的提高主要反映农产品批发业的投入产出与生产前沿面之间的距离更接近，数字化水平（Digi？ tal）这一指标更多表现为宏观数字技术的变化，而非批发业内部的产业数字化水平，因此在二者的因果关系当中数字化水平为主因。
为了保证面板门槛回归估计量无偏，进一步对门槛变量Digital是否外生进行检验，参照已有文献对工具变量的设置[ 7，13 ]，本文使用数字化水平（Digital）的一阶、二阶滞后项作为工具变量进行估计，采用2SLS模型进行回归，再对结果进行内生性检验。估计结果见表13。
内生性回归结果得到的Digital系数与前文相差较大，但符号方向和显著性与前文相同，对工具变量的检验结果也支持了结果的合理性，主要包括对工具变量进行的不可识别、弱工具变量、过度识别检验，其中KP统计量的P值为0.000，在1%的可能性水平上显著拒绝工具变量识别不足的原假设；瓦尔德F统计量为2 698.596，显著大于临界值，认为不存在弱工具变量；汉森检验值为0.858，P值>0.1，所有的工具变量均为外生。进一步，对模型进行异方差情形的内生性检验（D-W-H检验），检验结果P值为0.922，即内生性不显著，因此本文所选用的门槛变量Digital是外生变量，门槛回归估计值无偏，前文得到的数字化水平对农产品批发业经营效率的双重门槛效应得到进一步验证。
（一）结论
本文以农产品批发业为研究对象，利用2010—2018年中国29个省级面板数据，使用SBM模型测算了农产品批发业经营效率，随后采用面板门槛模型实证检验数字化水平与农产品批发业经营效率之间的非线性关系。
第一，数字化发展对农产品批发业经营效率整体表现为正向影响，数字化水平提高1个单位能够显著带动经营效率提高1.003个单位，体现出数字化发展对经营效率有积极促进作用。但是，只有在数字化水平高于0.107时，数字化发展对效率才产生正向影响，说明数字技术的生产率效应只有在数字化发展到一定程度时才能充分显现。
第二，数字化水平对经营效率的影响存在双重门槛效应，门槛值分别为0.107和0.126。数字化发展低于0.107时，数字化对经营效率有负向影响，存在生产率悖论现象；在0.107到0.126水平区间时，数字化发展对经营效率产生显著的正向影响，并且弹性系数最高；进一步发展在较高水平时，即高于0.126后，数字化影响作用发生边际递减，弹性系数变小。
第三，数字化发展带动经营效率提高的生产率效应，更多来自于数字基础设施水平的提高。并且，数字基础设施对效率的提升作用也存在单一门槛效应，在两个阶段虽然都是显著正向影响，但大于门槛值0.089之后正向作用减弱。另外，数字技术应用水平未通过显著性检验和门槛效应检验，且模型中估计系数为负值，表明当前的数字技术应用可能对农产品批发业的经营效率产生了某些冲击，后续影响有待进一步观察。
（二）政策启示
第一，农产品批发业要抓住数字经济发展的机遇，全方位加大数字化投入。要在数字化发展的关键期，借助政府数字经济的支持政策，加大批發市场数字化建设的投入规模，推动农产品批发市场数字化转型。要充分发挥数字化发展的生产率效应，运用数字技术提高批发市场内部资源配置效率、扩大批发市场经济产出，从整体上优化批发市场各项功能。
第二，农产品批发业需要完善数字基础设施，优化行业经营效率。农产品批发业要有组织地申请和实施数字化基础设施工程项目，推动行业在硬件设施上提质升级，发挥出数字基础设施对生产率的带动作用，实现跨越式发展。特别是数字基础设施水平较低的中西部地区，更应继续增加数字基础设施建设投入，通过完善现代化数字设施，改善农产品批发业的经营绩效。
第三，农产品批发业需要主动进行数字化变革，改变传统经营管理模式，迎接数字时代挑战。数字化水平逐步提高之后，农产品批发业应调整数字基础设施的投入规模，注重提供资源整合服务。新阶段要注重批发市场管理运营水平提升、组织结构升级，建议搭建农产品批发市场数字化平台，统筹规划市场管理、电子结算、价格公布、信息公开等环节运营，积极拓展批发市场的线上交易渠道，大力促进线上线下相融合，满足购销商的个性化需求和“新零售”需求。
参考文献：
[1]程名望，张家平.互联网普及与城乡收入差距：理论与实证[J].中国农村经济，2019（2）：19-41.
[2]DEDRICK J，GURBAXANI V，KENNETH L.Information technology and economic performance[J].ACM computing surveys（CSUR），2003，35（1）：1-28.
[3]OLINER S D，SICHEL D E，TRIPLETT J E.Computers and output growth revisited：how big is the puzzle？[J].Brookings papers on economic activity，1994（2）：273-334.
[4]PIKETTY T，SAEZ E.Inequality in the long run[J].Science，2014，344（6 186）：838-843.
[5]WATANABE C，NAVEED K，ZHAO W.New paradigm of ICT productivity-increasing role of un-captured GDP and growing anger of consumers[J].Technology in society，2015（41）：21-44.
[6]韩先锋，惠宁，宋文飞.信息化能提高中国工业部门技术创新效率吗[J].中国工业经济，2014（12）：70-82.
[7]谢莉娟，陈锦然，王诗桪.ICT投资、互联网普及和全要素生产率[J].统计研究，2020，37（9）：56-67.
[8]KIJEK T，KIJEK A.Is innovation the key to solving the pro？ ductivity paradox？[J].Journal of innovation & knowledge，2019，4（4）：219-225.
[9]DEWAN S，KENNETH L K.Information technology and pro？ ductivityevidence from Country-Level Data[J].Management science，2000，46（4）.
[10]周法法，黄莹，郑义.互联网的经济增长效应及作用机制分析[J].数学的实践与认识，2020，50（19）：74-88.
[11]陈建青，任国良.农产品批发市场的发展演进：集聚、扩散与瓦解——兼论中国农产品批发贸易发展阶段[J].经济学家，2012（12）：74-84.
[12]刘天祥，曾维康.大型农产品综合批发市场与地区农产品产销稳定衔接关系探讨[J].商业经济研究，2020（14）：137-140.
[13]郭家堂，骆品亮.互联网对中国全要素生产率有促进作用吗？[J].管理世界，2016（10）：34-49.
[14]何小钢，华梦清.破解ICT生产率悖论之谜[J].产业经济评论，2020，19（1）：1-17.
[15]马增俊.中国农产品批发市场发展30年回顾及展望[J].中国流通经济，2015，29（5）：5-10.
[16]DONALDSON D，HORNBECK R.Railroads and American economic growth：a“market access”approach[J].The quar？ terly journal of economics，2016，131（2）：799-858.
[17]韩海彬，张莉.农业信息化对农业全要素生产率增长的门槛效应分析[J].中国农村经济，2015（8）：11-21.
[18]何小钢，王善骝.信息技术生产率悖论：理论演进与跨越路径[J].经济学家，2020（7）：42-52.
[19]中国信息通信研究院.中国数字经济发展白皮书（2020）[M].北京：中国信息通信研究院，2020：1.
[20]朱秋博，白軍飞，彭超，等.信息化提升了农业生产率吗？[J].中国农村经济，2019（4）：22-40.
[21]MITTAL N，NAULT B R.Research note-investments in in？ formation technology：indirect effects and information tech？ nology intensity[J].Information systems research，2009，20（1）.
[22]HAN K，CHANG Y B，HAHN J.Information technology spillover and productivity：the role of information technolo？ gy intensity and competition[J].Journal of management in？ formation systems，2011，28（1）：115-146.
[23]TONE K.A Slacks-based measure of Super-efficiency in data envelopment analysis[J].European journal of operation？al research，2002（143）：32-41.
[24]HANSEN B E.Threshold effects in non-dynamic panels：estimation，testing and inference[J].Journal of economet？ rics，1999，93（2）：345-368.
[25]李靓，穆月英.批发市场主导模式下不同渠道蔬菜流通效率的比较[J].中国流通经济，2017，31（4）：69-76.
[26]王仁祥，孔德树.中国农产品流通效率评价模型构建及其应用[J].辽宁大学学报（哲学社会科学版），2014，42（4）：64-73.
[27]曾寅初，程晓平.农产品批发市场财政扶持真的具有政策效果吗？[J].经济与管理研究，2015，36（5）：52-61.
[28]吴自爱，王剑程，王丽娟，等.欠发达地区农产品流通效率评价[J].统计与决策，2013（24）：47-49.
[29]茶洪旺，左鹏飞.中国区域信息化发展水平研究[J].财经科学，2016（9）：53-63.
[30]国家统计信息中心.中国各地区信息化水平测算与比较研究[J].统计研究，2001（2）：3-11.
[31]陈小磊，郑建明，万里鹏.信息化水平测度指标体系理论研究述评[J].图书情报知识，2006（5）：65-70.
[32]储伊力，储节旺.信息化与技术创新的关系研究[J].情报杂志，2016，35（7）：61-65，30.
[33]林海明，杜子芳.主成分分析综合评价应该注意的问题[J].统计研究，2013，30（8）：25-31.
[34]王春豪，袁菊.西部地区现代流通业效率测度及空间差异分析[J].工业技术经济，2019，38（12）：102-110.
[35]付凌暉.我国产业结构高级化与经济增长关系的实证研究[J].统计研究，2010，27（8）：79-81.
[36]刘维奇，韩媛媛.城乡非农就业结构、人口转移方式与城镇化水平的关系[J].统计与信息论坛，2014，29（8）：85-92.
[37]王晓东，王诗桪.中国商品流通效率及其影响因素测度[J].财贸经济，2016（5）：119-130，159.
[38]贾铖，夏春萍，陈鹏宇.农业信息资源配置对农产品电商绩效影响机制研究[J].农业现代化研究，2020，41（6）：1 020-1 030.
[39]赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展[J].管理世界，2020，36（10）：65-76.
责任编辑：林英泽
The Change of Operation Efficiency of Agricultural Product Wholesale Industry Under the Background of Digital Development
——the Empirical Test Based on Panel Threshold Model
Research Group
（Economic College，Hunan Agricultural University，Changsha 410128，Hunan，China）
Abstract：The development of the digital economy directly affects the operating efficiency of the agricultural product wholesale industry，leading and forcing the transformation and upgrading of this industry. In order to study the impact of digital development on the operating efficiency of this industry，the authors first construct a digital level indicator system from the two dimensions of digital infrastructure and digital technology application，and use principal component analysis to determine the digital level，and then establish the panel threshold model taking digital level as the threshold variable and the operating efficiency measured by the SBM method as the explained variable. And then the provincial panel data from 2010 to 2018 are used to test the nonlinear relationship between digital development and operating efficiency. The results show that：the overall impact of digital development on the operating efficiency is significantly positive，but the effect of digital development on productivity can only be fully demonstrated when digitalization has been developed to a certain level；the impact of digital development on operating efficiency has a dual threshold effect，that is，when the level of digitization is low，there is a productivity paradox phenomenon，the accelerated development stage of digitization will drive a substantial increase in operating efficiency，and when the level of digitization is high，the promoting effect will be weakened. Further decomposition finds that：the productivity effect of digital development comes more from digital infrastructure，and the positive impact will change to a single threshold effect，which will be strong first，and then weak；the application of digital technology has not been tested to have significant impact，and if current digital technology application has impact on the agricultural product wholesale industry is still uncertain. The agricultural product wholesale industry should seize the opportunity of digital economy development，take the initiative to carry out digital transformation，further improve the construction of digital infrastructure，change the traditional operation and management model，and transform and upgrade towards the digital economy.
Key words：digital economy；digital level；agricultural products wholesale industry；operation efficiency；panel threshold model
