Can rural e-commerce policies enhance the total factor productivity of agricultural enterprises? Causal inference based on dual machine learning models

方法

基于2010—2024年231家A股农业上市企业面板数据，构建双重机器学习模型做

发现

农村电商政策显著提升农业企业全要素生产率，机制为降低信息不对称、增加研发投入、优化人力资本结构。

机会点

可延伸研究电商政策对不同规模与区域农业企业的异质性影响，及数字生态配套的调节作用。

引言 农村电商政策作为数字经济的重要组成部分，正深刻重塑农业价值链与食品供应链，对提升粮食产业经济效率具有重要意义。方法 本文基于2010—2024年中国231家A股农业上市公司面板数据，以电子商务进农村综合示范政策为准自然实验，构建双重机器学习模型，系统考察农村电商政策（RECP）对农业企业全要素生产率（TFP）的影响及其作用机制。结果 研究发现：（1）RECP显著提升了农业企业TFP，在引入高维固定效应、替换机器学习算法及采用工具变量方法缓解潜在内生性后，结论依然稳健。（2）机制分析表明，RECP主要通过降低信息不对称、增加研发投入和优化人力资本结构促进农业企业TFP提升。（3）异质性分析显示，这一促进效应在成长期企业、融资约束较低企业、农产品加工企业及大型农业上市公司中更为显著。讨论 研究结论为理解数字经济赋能农业上市公司生产率提升的微观机制提供了新的经验证据，并为完善农业上市公司配套数字生态体系提供了政策启示。