| 120 | 0 | 133 |
| 下载次数 | 被引频次 | 阅读次数 |
采用双变量空间自相关模型和面板向量自回归模型实证分析2010—2022年黄河流域数据要素与农业全要素碳生产率的空间关联及互动效应。结果表明：(1)研究期内黄河流域数据要素发展水平总体上升，其中2020—2021年小幅下降，空间上呈现“下游高、中上游低”“东南部高、西北部低”的分布格局；农业全要素碳生产率小幅波动增长，整体自西向东递增。(2)二者存在显著空间关联，且由负相关转为正相关，局部集聚格局较零散。(3)二者互为Granger因果关系，存在促进与抑制并存的交互作用；方差分解结果显示，二者均主要受自身影响，但另一变量仍具有一定解释力。(4)异质性分析表明，区域经济发展水平会影响二者互动的强度和持续时间。研究结果可为释放数据要素价值、推动黄河流域农业绿色低碳发展提供经验证据。
Abstract：This paper employs the bivariate spatial autocorrelation model and the panel vector autoregression model to empirically examine the spatial correlation and interactive effects between data element development level and agricultural total factor carbon productivity(ATFCP) in the Yellow River Basin from 2010 to 2022.The main findings are as follows.(1) During the study period, the overall development level of data elements in the Yellow River Basin exhibited an upward trend, with a slight decline from 2020 to 2021,and demonstrated a spatial pattern of "higher in the lower reaches and southeastern areas, lower in the middle-upper reaches and northwestern areas".ATFCP showed modest fluctuations with a general increasing trend from west to east.(2) A significant spatial correlation existed between the two variables, and their relationship shifted from negative to positive over time, while the local agglomeration pattern remained relatively fragmented.(3) The two variables are mutually Granger-causal, with coexisting promoting and inhibiting effects.Variance decomposition results indicate that each variable is primarily driven by its own inertia, yet the other variable still possesses a non-negligible explanatory power.(4) Heterogeneity analysis reveals that regional economic development level affects both the intensity and duration of the interaction.This study enriches research on data elements and agricultural carbon productivity, and provides practical references for synergizing digitalization and green agricultural development in the region.
[1] 蔡跃洲，马文君.数据要素对高质量发展影响与数据流动制约[J].数量经济技术经济研究，2021,38(3):64-83.
[2] 李三希，李嘉琦，刘小鲁.数据要素市场高质量发展的内涵特征与推进路径[J].改革，2023(5):29-40.
[3] 潘宏亮，赵兰香，叶璐.我国数据要素发展水平的测度及时空演进研究[J].科学学研究，2025,43(1):205-216.
[4] Yan Yingchuan,Tu Yongqian,Zhu Gaofeng,et al.Regional knowledge protection,innovation level,and data element level[J].International Review of Economics & Finance,2025,100:104073.DOI:10.1016/j.iref.2025.104073.
[5] Qi Peipei,Sun Dandan,Xu Can,et al.Can data elements promote the high-quality development of China′s economy?[J].Sustainability,2023,15(9):7287.DOI:10.3390/su15097287.
[6] 尹西明，钱雅婷，武沛琦，等.数据要素向新质生产力转化的理论逻辑与典型实践路径研究[J].科学学与科学技术管理，2026,47(3):128-142.
[7] Jiang Jianglin.The multiplier effect of data elements empowering green economic development:a mechanism examination based on innovation-driven[J].Applied Economics,2025,57(60):1-16.
[8] 黄伟华，祁春节，黄炎忠，等.财政支农投入提升了农业碳生产率吗：基于种植结构与机械化水平的中介效应[J].长江流域资源与环境，2022,31(10):2318-2332.
[9] Li Ye,Chen Yiyan.Development of an SBM-ML model for the measurement of green total factor productivity:the case of pearl river delta urban agglomeration[J].Renewable and Sustainable Energy Reviews,2021,145:111131.DOI:10.1016/j.rser.2021.111131.
[10] Lu Feng,Meng Jixian,Cheng Baodong.How does improving agricultural mechanization affect the green development of agriculture?Evidence from China[J].Journal of Cleaner Production,2024,472:143298.DOI:10.1016/j.jclepro.2024.143298.
[11] Shi Rui,Yao Liuyang,Zhao Minjuan,et al.Low-carbon production performance of agricultural green technological innovation:from multiple innovation subject perspective[J].Environmental Impact Assessment Review,2024,105:107424.DOI:10.1016/j.eiar.2024.107424.
[12] 王定祥，彭政钦，李伶俐.中国数字经济与农业融合发展水平测度与评价[J].中国农村经济，2023(6):48-71.
[13] Khanna M,Atallah S S,Kar S,et al.Digital transformation for a sustainable agriculture in the United States:opportunities and challenges[J].Agricultural Economics,2022,53(6):924-937.
[14] 古川，苏湘仪，匡远配.数字经济政策对农业低碳生产效率的驱动效应与机制：基于国家大数据综合试验区试点政策的准自然实验[J].科技管理研究，2024,44(19):210-220.
[15] 梁继，苑春荟.数据生产要素的市场化配置研究[J].情报杂志，2022,41(4):173-180.
[16] 刘文革，贾卫萍.数据要素提升经济增长的理论机制与效应分析：基于新古典经济学与新结构经济学的对比分析[J].工业技术经济，2022,41(10):13-23.
[17] 张远新，张文羽.数字技术赋能中国式农业现代化的必然逻辑、现实难题及推进重点[J].西安财经大学学报，2025,38(1):14-23.
[18] 顾思怡，员荣平.基于CiteSpace的数据要素赋能新质生产力研究的可视化分析[J].燕山大学学报(哲学社会科学版),2026,27(2):80-88.
[19] 罗佳，张蛟蛟，李科.数字技术创新如何驱动制造业企业全要素生产率：来自上市公司专利数据的证据[J].财经研究，2023,49(2):95-109.
[20] 张伟，李艺润，王韶华.中国制造业新质生产力系统要素协同演化及其驱动因素研究[J].地理与地理信息科学，2026,42(3):132-141.
[21] 郭家堂.公共数据开放与中国绿色全要素生产率：数据要素的视角[J].经济研究，2025,60(2):56-72.
[22] 王振宇，周玉玺.中国粮食主产区碳排放效率与粮食增产协调发展研究[J].地理与地理信息科学，2024,40(4):102-108.
[23] 张思思，崔琪，马晓钰.数字要素赋能下有偏技术进步的节能减排效应[J].中国人口·资源与环境，2022,32(7):22-36.
[24] 罗玉波，朱晨曦，王春云.基于共同前沿理论的中国农业绿色全要素生产率测度及“追赶”效应解析[J].农林经济管理学报，2024,23(1):30-40.
[25] 欧阳日辉.数据基础设施保障数据安全及高效流通[J].人民论坛，2024(7):70-75.
[26] 聂昀秋，马晓君，郑佳宁.数据要素发展水平与经济增长：影响效应和机制分析[J].中国流通经济，2024,38(8):56-68.
[27] 范德成，肖文雪.数据要素配置与区域创新：赋能效果及作用路径[J].科技进步与对策，2023,40(20):30-41.
[28] 杜建军，章友德，刘博敏，等.数字乡村对农业绿色全要素生产率的影响及其作用机制[J].中国人口·资源与环境，2023,33(2):165-175.
[29] 王兆峰，林鲁雄，陈勤昌.中国旅游业数字化与绿色化时空耦合特征及互动响应关系[J].地理与地理信息科学，2025,41(4):129-141.
基本信息:
中图分类号:F49;F323;X322
引用信息:
[1]王韶华,李想,张伟.数据要素与农业全要素碳生产率的空间关联及互动效应——以黄河流域为例[J].地理与地理信息科学,2026,42(04):135-143.
基金信息:
河北省自然科学基金项目“京津冀制造业绿色韧性的时空分异与供需组态提升路径研究”(G2024203004);河北省自然科学基金项目“京津冀制造业数字化生产网络传导的降碳效应及协同减排策略”(G2024203029); 河北省燕赵黄金台聚才计划骨干人才项目(教育平台)(HJYB202533); 河北省社会科学发展研究重点课题“数字新基建赋能京津冀工业协同降碳韧性的多维机制研究”(HBSKFZ25ZD016)
2026-07-25
2026-07-25