EN中文

经济地理 >

2024 , Vol. 44 >Issue 11: 141 - 150

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.11.015

产业经济与创新发展

京津冀地区绿色农业创业生态系统的数字创新能力评价

  • 陈睿绮 ,
  • 李华晶 , ※
展开
  • 北京林业大学 经济管理学院，中国 北京 100083
※李华晶（1976—），女，博士，教授，研究方向为绿色创新与创业管理。E-mail：

陈睿绮（1999—），女，博士研究生，研究方向为绿色农业创新创业。E-mail：

收稿日期: 2024-03-25

  修回日期: 2024-10-12

  网络出版日期: 2024-12-18

基金资助

北京市社会科学基金重点项目(21GLA011)

国家自然科学基金项目(71972014)

收起

Evaluation of Digital Innovation Capability of Green Agricultural Entrepreneurial Ecosystems in Beijing-Tianjin-Hebei Region

  • CHEN Ruiqi ,
  • LI Huajing , ※
Expand
  • School of Economics and Management，Beijing Forestry University，Beijing 100083，China

Received date: 2024-03-25

  Revised date: 2024-10-12

  Online published: 2024-12-18

Fold

摘要

文章基于SOR理论模型，从要素刺激中识别前因条件，探究了京津冀地区绿色农业创业生态系统（GAEEs）数字创新能力的形成逻辑和影响因素；在此基础上，运用生态位适宜度模型和模糊集定性比较分析等方法对2015—2022年京津冀GAEEs的数字创新能力进行了评价与提升路径分析。结果表明：①技术条件、制度条件和市场条件刺激下的数字嵌入能力、数字融合能力及数字协同能力共同构成了京津冀GAEEs的数字创新能力。②京津冀GAEEs的数字创新发展总体水平较高且发展空间大，但发展不平衡现象显著，数字创新能力强的区域正在从高速发展向高质量发展模式转变。③通过影响京津冀GAEEs高数字创新生态位适宜度以提升数字创新能力的组态路径可归纳为数字技术—制度环境赋能型和市场驱动型。

关键词： 绿色农业; 创业生态系统; 数字创新能力; 生态位适宜度; 制度环境; 高质量发展; 京津冀地区

本文引用格式

陈睿绮 , 李华晶 . 京津冀地区绿色农业创业生态系统的数字创新能力评价[J]. 经济地理, 2024 , 44(11) : 141 -150 . DOI: 10.15957/j.cnki.jjdl.2024.11.015

Abstract

Based on the stimulus-organism-response (SOR for short) theory,this paper identifies the antecedent conditions from the elemental stimuli,explores the formation logic and influencing factors of digital innovation capability of green agricultural entrepreneurial ecosystems (GAEEs for short) in Beijing-Tianjin-Hebei region. it uses the niche suitability model and the fuzzy set qualitative comparative analysis method to evaluate and analyze the improvement pathways of the GAEEs' digital innovation capabilities in Beijing-Tianjin-Hebei region from 2015 to 2022. The results show that: 1) The digital embedding ability,digital integration ability,and digital collaborative ability,stimulated by technological conditions,institutional conditions,and market conditions,collectively constitute the digital innovation capacity of GAEEs. 2) The overall level of digital innovation development in Beijing-Tianjin-Hebei region is relatively high and there is great development potential,but the imbalance in development is obvious,and the regions with strong digital innovation capabilities are transitioning from high-speed development to a high-quality development model. 3) The configuration path for enhancing digital innovation capabilities through influencing the high digital innovation ecological niche suitability of GAEEs can be summarized as digital technology-institutional environment empowerment type and market-driven type. The conclusions of this article are helpful to clarify the direction of digital innovation capacity enhancement for GAEEs and provide policy suggestions for the efficient promotion of the Beijing-Tianjin-Hebei coordinated development strategy.

Key words： green agricultural; entrepreneurial ecosystems; digital innovation capability; niche suitability; institutional environment; high-quality development; Beijing-Tianjin-Hebei region

在农业强国建设和区域协调发展战略背景下，京津冀农业转型升级与创新发展亟待多措并举，充分发挥科技创新引领作用，重视区域农业协同发展，加强生态环境保护，以此推动京津冀农业实现高质量发展。党的二十届三中全会进一步强调了要深入实施创新驱动发展战略，强化创新在助力农业现代化建设中的核心作用[1]。因此，围绕中国式现代化核心要求，将农业资源优势转化为经济优势，是全面推进乡村振兴和农业现代化发展的时代命题[2]。而乡村振兴的关键在于产业兴旺，持续推动农业数字化绿色化协同发展是促进乡村产业发展的有效引擎和重要任务，同时也有助于深入挖掘数字农业与创新创业对乡村振兴的促进作用。以数字技术为代表的数字资源突破了价值创造的方向和速度局限，进一步促进了生态系统中价值共享网络的形成[3]。京津冀地区内数字创新资源密集、创新创业主体活跃、绿色农业科技发达，通过绿色农业创业企业、政府、高校及科研机构与其所处环境构成的绿色农业创业生态系统（Green Agricultural Entrepreneurial Ecosystems，以下简称GAEEs）具有区域典型性。此外，随着人工智能、大数据等新一代数字信息技术的发展，GAEEs逐渐形成了以数字化为主要特征的创新模式[4]。作为具有复杂关系网络和高度开放性的系统，GAEEs能够促进系统内优势资源互补和能力整合，进而推动京津冀地区农业经济的高质量发展。
数字创新作为一种新兴的创新模式，是数字化赋能并推动传统产业转型升级的核心[5]。在创业活动中，数字创新突破了时间和空间维度的局限，而GAEEs的构建和平台模式的产生使数字资源更能持续地创造价值[4]。随着数字创新逐渐成为创业行动主体的核心竞争优势，主体需要构建相应能力对数据、算法等数字资源进行创造性组合以实现数字创新。因此，数字化情境下动态能力的塑造不仅强调与技术相关的能力，还需要聚焦数字创新的扩散性等特征，从生态系统价值共创视角探究数字创新能力的提升逐渐成为研究关注点[6]。GAEEs的数字创新能力是实现农业经济增长和提高绿色农业创业主体竞争力的决定性因素，其强弱是衡量一个系统科技实力和高质量创新发展的重要尺度[7]。生态位作为生态学研究领域的核心概念，是指恰好被一个物种所占据的最终生存单位。类比自然生态位，创新生态位则是不同创新主体在生态系统中所占据的资源位，其强调了创新主体在特定时间和空间范围内对创新资源的利用情况以及所获得创新环境支撑情况的集合[8]。因此，创新生态位的引入为本文进行GAEEs的数字创新能力量化研究提供了基础。
综上，GAEEs作为由绿色农业与创业生态系统融合的复杂网络框架，对其数字创新能力的研究需从主体、环境、技术等要素进行多视角分析。因此，本文首先聚焦外部不确定性下GAEEs数字创新过程中的动态能力构建，识别技术条件、制度条件和市场条件要素刺激下的能力体现；其次运用生态位适宜度模型对京津冀地区GAEEs的数字创新能力展开综合评价；最后在综合评价基础上进行模糊集定性比较分析（fsQCA），探析提升京津冀GAEEs数字创新能力的组态路径。以期有助于加快绿色农业的数字化转型，为推动以数字生态为核心的创新实践提供理论指导。

1 研究综述

1.1 绿色农业创业生态系统

GAEEs是由绿色农业创业行动主体及其所处环境构成的有机整体，是绿色农业与创业生态系统融合的复杂网络框架，其通过充分利用网络中的内外部知识，实现系统资源优势互补，以提升创新效率。基于生态学理论，创业生态系统研究重点关注系统中制度、文化、网络、知识及服务体系等要素之间的作用关系，其中，网络为整个系统提供了信息流，使资源得到有效分配[9]。系统内部具有企业、政府机构、高校等多个生态群落，群落间存在共生关系，并与其外部的制度环境和市场环境高度依存[10]。而绿色农业是以经济、社会、生态环境的可持续发展为目标，实现农业生产中资源与环境的最优配置[11]。绿色农业研究主题聚焦其发展模式、评价发展水平和科技创新等方面，并逐渐从社会、经济、环境和资源等多维度与生态系统研究内容进行融合[12-14]。随着理论融合研究的不断深入，创业生态系统为绿色农业领域研究提供了新视角，即绿色农业作为主体微观层面可以嵌入于创业生态系统研究中[15]。
在中国情境下，GAEEs倾向于资源协同、流动和价值创造，而不是资源占有和价值获取[16]。GAEEs中参与主体对内外部资源的整合是系统实现价值共创并开展创业活动的基本需求。资源行动强调资源的开放性，鼓励参与主体之间围绕共同的价值主张对资源进行开发、共享和重新配置，在相互依存、相互竞争的网络中创造价值[17-18]。绿色农业创业主体为了实现内外部创业活动的有机融合，通过搭建农业创业平台、提出农业绿色发展价值主张、提供创业资源以吸引其他参与主体构建创业网络，进而形成可持续发展的GAEEs。同时，数字技术协调与资源汇聚优势能够有效降低网络中行动主体间的互动成本，在动态能力协同作用下，促进GAEEs的资源流动与价值共创。

1.2 数字创新能力

GAEEs的数字创新能力强调系统利用数字化资源以实现创新的能力。针对不同研究对象，相关研究从资源和网络视角对创新能力进行了评价、影响因素和时空演化等内容分析[19-21]。但在GAEEs新组织情境下，组织创新的核心资源发生了变化，如绿色农业创业主体社会资本的投入、生态系统内外部网络效应及数字化资源的联结互补等成为GAEEs价值创造的新来源[22]。与此同时，作为由不同社会与技术要素组成的新兴创新范式，数字创新将GAEEs不同层面的参与主体联系起来[23]，连接不同组织、技术和知识等要素，使得GAEEs呈现出创新要素数字化、主体关系生态化等特征[24]。然而，已有研究对数字创新能力的探讨主要关注数字技术的聚合性、连接性等基础条件属性，忽略了数字创新的收敛性、开放性和动态性等系统条件属性[25]。因此，需在技术、制度和市场条件下对GAEEs的数字创新能力结构进行探索。具体来看：①技术条件下，GAEEs的数字创新能力体现在数字嵌入方面。数字技术架构的可编辑性、可重新编程等特征使得组织能够快速改进或迭代数字基础设施，并与已有生产条件结合，响应变化以应对灵活、敏捷的外在需求[6]。绿色农业创业主体融入数字技术可以提升其数字创新能力，在数字创新浪潮中发挥主观能动性[26]。②制度条件下，GAEEs的数字创新能力体现在数字融合方面。自生长性使得数字创新产品或服务能够根据环境变化而自动升级，良好的数字化环境是数字创新的基础保障，可以加快GAEEs中数字创新价值的传递[25]。③市场条件下，GAEEs的数字创新能力体现在数字协同方面。生态系统中各参与者间的互动是数字创新能力形成的重要前因，即GAEEs是价值共享的场所，参与者可以通过网络互动产生新知识或新技术[27]。构建数字化的创新、创业生态价值体系，利用数字技术突破参与者与产业边界、消除技术壁垒，是数字协同创新关系塑造的重要手段[28]。

1.3 理论框架

通过对GAEEs及数字创新能力相关文献梳理，相较于企业的数字创新能力，GAEEs的数字创新能力更强调多维视角下主体间数字创新资源的互动和价值创造的能力。因此，GAEEs的数字创新更能体现数字技术与主体、环境的联动关系和价值传递过程[29]。本文遵循刺激—机体—反应（Stimulus-Organism-Response，SOR）理论模型构建GAEEs的数字创新行为过程机制。SOR理论强调环境刺激下的主体意识及主体行为关系，其中S指影响主体的外部因素，O指主体受因素影响后改变的状态，R指综合影响因素及主体状态改变后作出的行为反应。主体在受到刺激后存在响应刺激并改变其状态的中介过程，以作出内在和外在反应[30]。面对GAEEs的不确定性外部因素，数字创新是主体行为反应的结果之一，且数字创新是主体主动改变认知和内在结构、通过构建动态能力适应不确定性的行为反应，与SOR研究框架有较高的契合度。因此，本文基于SOR框架构建“要素刺激—动态能力—创新行为”的过程机制（图1），聚焦外部不确定刺激下京津冀GAEEs实现数字创新过程中的动态能力构建，以及不同条件对动态能力的影响。在此基础上，将GAEEs内部与外部因素置于同一理论框架下，分析数字创新能力的形成逻辑与影响因素，不仅有助于丰富GAEEs内外部环境的不确定性研究，还可以为京津冀地区GAEEs持续推进高质量数字创新提供理论依据与实践路径。
图1 基于“要素刺激—动态能力—创新行为”过程机制的理论框架

Fig.1 Theoretical framework based on the process mechanism of “factor stimulation-dynamic capacity-innovation behavior”

2 数据与方法

2.1 GAEEs指标体系的构建

回顾已有研究发现，学者们多从创新主体、创新资源和创新环境等方面对系统的创新水平进行评价；从数字嵌入、环境赋能和技术支持等方面对区域的创新能力进行评价。本文借鉴已有研究成果[26,28,31-32]，并遵循指标科学性、代表性和数据可获得性原则[33]，构建了GAEEs的数字创新能力评价指标体系（表1）。其中，包括GAEEs的数字嵌入能力、数字融合能力和数字协同能力3个维度，数字基础设施、人力资源、生产条件、经济环境、政策环境、生态环境、创新产出和现代农业发展水平8个二级指标及11个测量指标。
表1 GAEEs的数字创新能力评价指标体系及权重

Tab.1 Evaluation index system of digital innovation capability of GAEEs and their weight in Beijing-Tianjin-Hebei region

一级指标 二级指标 三级指标 指标权重
北京 天津 河北
数字嵌入能力 数字基础设施 每户互联网宽带接入端口数量X1（个/户） 0.0698 0.0631 0.1144
人力资源 农业科技人员活动数量X2（万人） 0.0702 0.1085 0.1089
生产条件 单位播种面积机械总动力X3（kW/hm2） 0.0712 0.1384 0.1063
数字融合能力 经济环境 R&D经费支出占GDP比例X4（%） 0.0889 0.0729 0.0803
数字经济规模X5（万亿元） 0.0862 0.0905 0.0583
技术市场交易额占GDP比例X6（%） 0.1048 0.1350 0.1095
政策环境 农林水支出占财政支出比例X7（%） 0.0843 0.0910 0.0490
生态环境 生态与农业气象试验业务站点个数X8（个） 0.0577 0.1180 0.1022
数字协同能力 创新产出 国内外涉农论文发表量比例X9（%） 0.0972 0.0457 0.0340
高校与R&D机构涉农专利申请授权比例X10（%） 0.0484 0.0948 0.0448
现代农业发展水平 农业科技进步贡献率X11（%） 0.2177 0.0421 0.1923
GAEEs的数字嵌入能力是衡量绿色农业创业主体数字化特点的能力，是数字创新能力的基础和源动力。数字技术的分层模块化架构体系使得数字创新过程离不开组织自身的数字化资源投入。因此，从技术条件看，农业数字基础设施建设、农业技术人才和农业生产基础条件等嵌入是GAEEs数字创新能力形成的前提条件。本文选取互联网接入端口数量、农业科技活动人员数和单位播种面积机械总动力对数字嵌入能力进行衡量。GAEEs的数字融合能力是衡量系统受经济环境、社会环境和生态环境等促进作用的能力，是实现农业经济与数字经济深度融合的关键。在制度条件下，传统的创新环境评价主要选取GDP总量、R&D经费内部支出额等指标，本文在此基础上，采用R&D经费支出占GDP比例、数字经济规模、技术市场交易额占GDP比例、农林水支出占财政支出比例和生态与农业气象试验业务站点个数指标对数字融合能力进行衡量。GAEEs的数字协同能力是衡量系统基于数字平台等技术，通过资源、数据共享等方式实现农业生产要素全面互联的能力。在市场条件下，GAEEs有利于整合资源要素，为新生产要素与传统生产要素的有机结合提供平台，从而带动区域持续开展数字创新活动，形成数字协同能力。因此，本文选取国内外涉农论文发表量比例、高校与R&D机构涉农专利申请授权比例和农业科技进步贡献率指标对数字协同能力进行衡量。

2.2 数据来源与处理

本文以省域为基本分析单位，选取2014—2023年京津冀3个省市的面板数据作为样本空间。原始数据均来源于京津冀地区统计年鉴、《中国农村统计年鉴》《中国区域创新能力评价报告》。其中，结合京津冀农业生产现状及农业统计实际情况，农业科技进步贡献率指标数据考虑总投入等于总产出条件，运用C-D生产函数模型进行测算。
本文使用固定弹性法对京津冀农业科技进步贡献率进行测算。该方法的测算结果使得各地区之间具有可对比性，有助于呈现京津冀现代农业发展水平的区域间差异。农业科技进步贡献率计算公式为：
η = 1 - α Δ K K - β Δ L L - γ Δ M M Δ Y / Y
式中： Y为农业总产值； K、 L、 M分别为物质费用、劳动力及耕地面积； Δ K 、 Δ L 、 Δ M分别为相应投入要素的变化量； α、 β、 γ分别为物质费用、劳动力、耕地面积的投入产出弹性。
参考学者运用农业生产模型回归系数得出的各要素弹性系数[31]，由于耕地面积变动幅度较小，在该测算方法下对计算结果的影响较小，因此，不对耕地产出弹性系数进行调整。假定被测地区的耕地产出弹性与全国相同，取固定值 γ=0.25，调整后得到公式：
α i = l n e - 1 + 1 n ∑ t = 1 n K t L t 1 n ∑ t = 1 n K t i L t i
式中： α为全国农业物质费用弹性； α i为被测地区 i的农业物质费用弹性； e为常数值； n表示测算时间段年数； K t、 L t分别代表全国第 t年的农业物耗值、劳动力数； K t i、 L t i分别代表地区 i第 t年的农业物质费用和农业劳动力人数。当 α≥0.65时，仍取0.65；当 α≤0.40时，仍取0.40。通过计算，京津冀农业物质费用投入产出弹性系数分别大于0.65、小于0.40、等于0.50，假定规模报酬不变即 α + β + γ=1，可得农业劳动力投入产出弹性分别为0.10、0.35、0.25。基于上述方法，计算出农业科技进步贡献率指标数据。

2.3 研究方法

2.3.1 数字创新能力评价指标权重测算

本文参考已有研究，使用熵值法来确定数字创新能力指标权重[26]。熵值法在确定权重系数的过程中避免了主观赋权的非客观性及偏差，能够较为客观地反映各个评价指标在综合评价指标体系中的重要性，在测度多指标评价体系时具有更高的可信度[34]。因此，为了排除指标类型和量纲差异带来的影响，本文对原始数据进行无量纲化处理后，计算得到各评价指标权重。

2.3.2 融合进化动量的生态位适宜度模型

本文通过构建融合进化动量的生态位适宜度模型来评价数字创新能力。生态位适宜度模型描述了物种现实生存环境与理想生存环境之间的贴近程度，以此衡量物种所处环境的匹配度。因此，基于指标权重测算结果，建立融合进化动量的数字创新生态位适宜度模型，其计算公式为：
S a i = ∑ j = 1 m W j m i n μ a i j + θ m a x μ a i j μ a i j + θ m a x μ a i j ( a = 1,2 , ⋯ , h ; i = 1,2 , ⋯ , n )
Q a i = ∑ j = 1 m μ a i j m ( a = 1,2 , ⋯ , h ; i = 1,2 , ⋯ , n ; j = 1,2 , ⋯ , m )
式中： W j为指标权重； θ为模型参数，通过令 S a i=0.5进行参数计算； μ a i j= X a i j ' - F j； X a i j '表示第 a个区域第 j个生态因子的现实生态位；Fj表示生态因子的最佳生态位； S a i表示 a地区GAEEs，第 i年的数字创新生态位适宜度， S a i值越大，说明 a地区在第 i年中GAEEs的数字创新现实生态位与最佳生态位之间的贴近程度越紧密，GAEEs内外部资源配置越合理，其数字创新能力就越强。在测度京津冀GAEEs生态位适宜度的基础上，运用式（4）探索数字创新进化空间，其中m为生态因子数量； Q a i表示 a地区GAEEs第 i年的数字创新进化动量， Q a i值越大，说明该地区GAEEs数字创新能力有更大的提升空间，其数字创新潜力更容易被激发。

2.3.3 QCA方法

本文在综合评价基础上，进一步从组态视角探究京津冀GAEEs数字创新能力提升的多元路径。基于定性比较分析法（QCA）对因果条件间的组态进行检验得出结果的分析范式，已广泛运用于复杂管理问题。提升数字创新能力不是由单一因素决定，而是多种因素、不同前因条件组合相互作用的结果。同时，数字嵌入能力、数字融合能力和数字协同能力之间可能存在高相关关系，fsQCA则不受多重共线性的影响。因此，本文将数字嵌入能力、数字融合能力和数字协同能力作为条件变量，数字创新生态位适宜度作为结果变量，运用fsQCA方法探析提升京津冀GAEEs数字创新能力的组态路径。

3 结果与分析

3.1 数字创新能力的评价指标权重分析

权重系数能够反映某一指标在评价体系中的重要程度。从一级指标看，在GAEEs中，绿色农业创业主体与创新资源是实现数字创新的关键要素。从二级指标看，绿色农业领域数字经济的发展对包括数字基础设施在内的农业信息化、智能化基础设施建设提出了高要求。而从三级指标看，进一步说明了GAEEs数字创新的产生需要依靠技术、信息等的扩散和积累。作为信息沟通的媒介，数字技术作用于京津冀绿色农业发展的信息搜集、整理、传输和储存全过程，加快了信息传递速度，打破了时间和空间限制。
基于数字创新能力的评价指标权重，绘制GAEEs数字创新能力集聚图（图2）。从数字创新能力构成要素雷达图中发现，生产条件、政策环境和现代农业发展水平等是京津冀GAEEs数字创新能力的短板要素。在数字经济驱动下，加强绿色农业技术研发投入、提升农业生产基础设施质量、加快科技兴农是农业现代化建设的必经之路，是实现GAEEs数字创新能力提升的重要举措。从数字创新能力对比图中发现，数字嵌入能力和数字协同能力在GAEEs的重要性显著，要加强与农业生产、生态、政策和经济环境等制度条件的相互作用与整合，运用数字技术增强京津冀GAEEs的数字创新成果产出。因此，GAEEs中各参与主体需要充分利用数字资源，发挥数字嵌入能力、数字融合能力和数字协同能力的整合优势，通过资源网络实现关系互动、价值创造及价值共享目标，从而提升京津冀GAEEs的数字创新能力。
图2 京津冀GAEEs数字创新能力集聚与对比

Fig.2 Agglomeration and comparison of digital innovation capacity of GAEEs in Beijing-Tianjin-Hebei region

3.2 数字创新能力的综合评价

进一步利用式（3）和式（4）计算得到2015—2022年京津冀GAEEs的数字创新生态位适宜度和进化动量，其发展趋势如图3所示。
图3 2015—2022年京津冀GAEEs数字创新生态位适宜度与进化动量发展趋势

Fig.3 Development trend of niche suitability and evolution momentum of digital innovation of GAEEs in Beijing-Tianjin-Hebei region from 2015 to 2022

从数字创新生态位适宜度看，京津冀GAEEs的数字创新能力处于发展阶段，但是发展不平衡现象显著，北京GAEEs数字创新生态位适宜度呈现逐年上升趋势，天津和河北GAEEs稳步上升但存在微小波动。在技术条件、制度条件和市场条件要素刺激下，GAEEs的数字嵌入、数字融合及数字协同能力强弱不同，整体数字创新能力存在差异，大量的数字创新人才、资源、环境集聚在农业、经济发达地区。例如，北京的GAEEs数字嵌入、数字融合和数字协同能力较强，整体数字创新能力较强。这是因为北京作为经济、交通、科技中心，占据了数字创新的巨大优势位置，同时拥有完备的政策和资金投入条件为其实现绿色农业现代化发展提供保障。此外，以高科技发源地中关村为首，经开区、怀柔科学城、平谷农业科技创新园等区域的发展为GAEEs提供了数字技术支持。依靠“双一流”综合类高校、农业科研院所和技术研发中心等，为GAEEs数字创新培养了大量的技术、管理等创新型人才，不断向天津和河北输送高水平农业从业人员、技术专利成果等创业资源和创新产出。
在绿色农业生产较缺乏，具有数字创新人才、资源、环境优势的区域内，GAEEs数字嵌入和数字融合能力较强，数字协同能力较弱，整体数字创新能力较弱。例如，天津为推进乡村振兴战略实施和现代都市型农业建设，积极开展智能农业专项行动计划，引进院士科研团队建设天津智能农业国际研究院，推进村级益农信息社建设，创造了良好的数字创新环境。在具有绿色农业生产优势，但数字创新人才、资源、环境缺乏的区域内，GAEEs数字嵌入能力较强，数字融合及数字协同能力较弱，整体数字创新能力较弱。例如，河北积极推进科技农业、绿色农业、品牌农业和质量农业，建立农业院士工作站、国家农业重点实验室，加强了GAEEs内的创新人才资源投入。2019年新增11家京津冀农业协同创新平台，建设81个农业创新驿站，农作物耕种收综合机械化率达80.61%，逐渐形成独特的数字创新优势。虽然整体数字创新水平正在不断加强，但仍然缺乏支撑数字创新活动所需的资源、环境、资金等投入，相关创新产出成果较少，区域间的GAEEs数字创新能力差距依然较大。
从数字创新进化动量看，研究期内京津冀GAEEs数字创新生态位适宜度与进化动量呈现一定的反向发展趋势。图3显示，2015—2022年北京的进化动量均值略低于0.5，天津和河北均在0.5以上，说明GAEEs整体的数字创新能力正在高速发展，数字创新能力具有大幅提高的态势。同时，GAEEs数字创新生态位适宜度数值较大的地区进化动量相对较小，也并不意味着样本区域内GAEEs数字创新在未来发展缓慢，而是即将由高速发展状态转为高质量发展状态。在GAEEs数字创新生态位适宜度数值小但进化动量相对较大的区域内，未来还需要依靠新兴数字产业的带动，通过数字技术与绿色农业的充分结合，发展农业数字经济，同时依靠国家政策倾向和支持，充分挖掘地区优势，营造更好的GAEEs数字创新氛围。
综上所述，京津冀GAEEs的数字创新能力强弱在区域上还存在较大差距。数字创新能力较强的区域，强调在稳固提升数字嵌入能力及数字融合能力资源投入的同时，更要加强数字协同能力的高质量资源产出。而数字创新能力较弱的区域，需要获取和吸收更多数字创新资源，在GAEEs内实现优势资源互补和流动，以此提升自身系统中数字嵌入、数字融合及数字协同能力，最终实现京津冀GAEEs数字创新能力更高阶段的发展和进步。

3.3 数字创新能力的条件组态分析

3.3.1 变量校准

在必要条件分析前，本文对前因条件和结果进行校准。现有数据校准方法分为直接赋值、直接校准以及间接校准法，其中相关研究多使用直接校准法进行分析。因此，本文采用直接校准法将样本数据的第95百分位数、中位数、第5百分位数设定为完全隶属、交叉点、完全不隶属的锚点[35]。具体校准结果见表2。
表2 变量校准结果

Tab.2 Calibration results of variables

类型 变量名称 校准
完全隶属 交叉点 完全不隶属
条件变量 数字嵌入能力 5.982 4.792 4.074
数字融合能力 15.008 10.869 3.895
数字协同能力 9.526 1.924 0.109
结果变量 数字创新生态位适宜度 0.883 0.785 0.707

3.3.2 必要条件分析

在组态分析前，本文运用fsQCA3.0软件检验是否存在单个条件变量为影响结果的必要条件。由表3可知，所有单个条件的一致性均低于阈值0.9，因而说明没有构成影响京津冀GAEEs数字创新生态位适宜度的必要条件，需进一步从组态视角分析前因条件对数字创新生态位适宜度的影响。
表3 必要条件分析

Tab.3 Analysis of necessary conditions

条件变量 高数字创新
生态位适宜度		 非高数字创新
生态位适宜度
一致性 覆盖度 一致性 覆盖度
数字嵌入能力 0.561 0.554 0.723 0.775
~数字嵌入能力 0.772 0.720 0.584 0.591
数字融合能力 0.651 0.642 0.574 0.614
~数字融合能力 0.609 0.568 0.665 0.675
数字协同能力 0.596 0.624 0.624 0.711
~数字协同能力 0.724 0.639 0.670 0.643

3.3.3 组态分析

本文的研究样本数量为小样本，故将案例频数值设为1，并参考杜运周等的研究成果[35]，将组态一致性阈值设为0.75，PRI阈值设为0.7。运用软件对数据进行分析，得到影响京津冀GAEEs数字创新生态位适宜度的相关组态（表4）。
表4 在fsQCA中具有高、低数字创新生态位适宜度的组态

Tab.4 Configurations for achieving high-level and low-level digital innovation capabilities in fsQCA

条件变量 高数字创新
生态位适宜度		 非高数字创新
生态位适宜度
H1 H2 H3 L1 L2 L3
数字嵌入能力 ● ○ ● ● ○ ○
数字融合能力 ● ● ○ ●
数字协同能力 ● ○ ○ ○
一致性 0.830 0.810 0.852 0.892 0.941 0.791
原始覆盖度 0.572 0.595 0.484 0.536 0.500 0.402
唯一覆盖度 0.054 0.047 0.157 0.071 0.024 0.072
总体一致性 0.827 0.835
总体覆盖度 0.548 0.508

注：●表示该前因条件存在；○表示该前因条件缺乏；空白表示该前因条件可存在也可不存在。

从表4可以看出，京津冀GAEEs高数字创新能力的驱动路径呈现多元化特征，产生高数字创新生态位适宜度的3种组态中，H1、H2和H3组态单个解和总体解的一致性水平均大于0.8，满足一致性水平不低于0.75的要求[35]，说明这3种组态均为京津冀GAEEs高数字创新生态位适宜度的充分条件组合。本文将产生高数字创新生态位适宜度组态分为2种类型，即“数字技术—制度环境赋能型”和“市场驱动型”。
①数字技术—制度环境赋能型。组态H1和H3表明数字嵌入能力和数字融合能力是核心条件，H3中的核心变量结合非高数字协同能力条件可以产生高数字创新生态位适宜度。这2种组态意味着相较于其他条件，在绿色农业创业主体的基础设施、人力资源等要素中嵌入数字技术，并和数字经济等制度环境有机融合，能对GAEEs数字创新生态位适宜度产生更显著作用，可以构成解释高数字创新能力产生的充分条件。在数字嵌入能力和数字融合能力的共同作用下，能够有效破除数字创新产出不足等市场条件带来的制约，数字协同能力对产生高数字创新生态位适宜度的作用并不必要。北京和天津的GAEEs是这一类型组态的典型案例，其数字技术的嵌入有效促进了系统内绿色农业创业主体的数字化转型；同时，制度环境的优势使得区域内数字创新资源集聚，二者联动对数字创新活动进行赋能，以提升GAEEs的数字创新能力。
②市场驱动型。组态H2表明数字协同能力是核心条件，结合非高数字嵌入能力可以产生高数字创新生态位适宜度。这类组态意味着相较于其他条件，绿色农业创业主体不依赖数字技术、基础设施等嵌入，直接通过吸收、获取和整合市场上已有的数字创新成果和资源，对GAEEs数字创新生态位适宜度产生影响，从而实现高数字创新能力。河北的GAEEs是这一类型组态的典型案例，其引进北京和天津的技术人才、数字创新成果等实现农业知识、资源的共享和补充，通过数字协同能力促进绿色农业创业主体识别市场动态，把握数字创新机会，实施精准的数字创新活动，驱动GAEEs数字创新效率，从而产生高数字创新生态位适宜度并提升数字创新能力。
进一步对导致京津冀GAEEs非高数字创新生态位适宜度的3种组态进行分析发现：①路径L1显示，仅拥有数字技术嵌入这一核心条件，同时缺乏与制度环境的融合将会导致非高数字创新生态位适宜度；②路径L2显示，缺乏数字技术嵌入和市场的协同会导致非高数字创新生态位适宜度；③路径L3显示，在数字技术嵌入和市场协同不足的情况下，即使与制度环境融合紧密，也可能导致非高数字创新生态位适宜度。因此，上述组态均不能构成京津冀GAEEs数字创新能力的提升路径。

3.3.4 稳健性检验

本文借鉴相关研究的做法，根据每个条件样本的最小值、中位数和最大值重新校准[35]，得到结果没有显著差异。同时，在案例频数阈值和原始一致性阈值不变的前提下，将PRI一致性阈值由0.70提高至0.75，结果表明上述组态结果具有稳健性。

4 结论与建议

4.1 研究结论

本文基于SOR理论探究了不确定性条件下京津冀GAEEs数字创新能力的形成逻辑与影响因素。首先，对京津冀GAEEs技术、制度和市场条件因素进行识别，构建数字创新能力评价指标体系。其次，以京津冀区域数据为样本，测算2015—2022年各地区的评价指标权重、数字创新生态位适宜度和进化动量，对数字创新能力进行综合评价和发展趋势分析。最后，运用fsQCA方法对京津冀GAEEs数字创新能力的提升路径进行组态分析。主要研究结论如下：
①从京津冀GAEEs数字创新能力的形成逻辑看，技术条件、制度条件及市场条件刺激下的数字嵌入能力、数字融合能力和数字协同能力共同构成了GAEEs的数字创新能力。首先，数字创新资源的可编辑性、可重新编程等特征为其嵌入于农业组织中提供了条件，使GAEEs形成了能够快速改进或迭代数字基础设施、与已有生产条件等相结合的数字嵌入能力，以应对灵活、敏捷的外在需求。其次，良好的数字化环境是数字创新的基础保障，为GAEEs提供互补性的创新资源，即数字融合能力加快了数字创新价值的传递。最后，以数字协同能力为核心的数字创新生态价值体系能够有效利用数字技术打破参与者与产业的边界、消除技术壁垒，能够推动系统化数字协同创新关系的发展。
②从京津冀GAEEs数字创新能力的动态特征看，GAEEs的数字创新具有较大发展空间，但发展不平衡现象显著，数字创新能力强的区域正实现高速发展向高质量发展模式转变。具体而言，虽然以数字基础设施为主要特征呈现出的数字嵌入能力在京津冀GAEEs的重要性显著，但该能力缺乏与农业生产、生态、政策和经济环境的相互作用与整合。为了更好地将数字基础转化为数字创新成果产出，GAEEs中各参与主体需要充分利用创新资源，发挥数字嵌入、数字融合和数字协同能力的整体优势，通过资源网络实现关系互动、价值创造及价值共享目标，提升系统的数字创新能力。
③从京津冀GAEEs数字创新能力的区域差异看，产生高数字创新生态位适宜度的路径为数字技术—制度环境赋能型和市场驱动型。在数字技术—制度环境赋能路径下，北京和天津GAEEs注重数字技术嵌入并与制度环境充分融合，通过赋能系统内数字创新资源集聚来产生高数字创新生态位适宜度以提升数字创新能力。在市场驱动路径下，河北GAEEs即使没有丰富的数字技术嵌入，也能通过吸收、获取和整合市场上或区域间已有的数字创新成果和资源来产生高数字创新生态位适宜度，从而推动系统数字创新能力得到提升。

4.2 政策建议

根据上述研究结论，本文结合京津冀代表性区域绿色农业协同发展和数字创新实践，就进一步提升GAEEs的数字创新能力提出以下建议：
①在企业视角下，要强化数字创新在农业新质生产力发展中的主导地位，加强以企业为核心的产学研深度融合。数字创新不仅能促进绿色农业创业主体的集聚和劳动者的全面发展，还能拓展和优化劳动对象的范围及劳动资料的升级。因此，绿色农业创业企业应积极提高数字创新意识，通过加大农业数字创新的研发投入、加强数字基础设施建设等方式，充分发挥数字创新生态网络优势，全面提升数字创新链整体效能。同时，高校、科研机构应积极培养农业数字创新型人才，鼓励高校和科研机构建立农业研发中心，发挥其在知识创新和原发性创新上的优势，促进农业创新资源的均衡、合理配置，形成京津冀GAEEs数字创新新路径和新方式。
②在政府视角下，要深化数字创新在农业经济体制、科技体制等改革中的重要作用，促进数字要素、绿色农业创业主体与创新环境共生的价值网络。京津冀GAEEs与创新环境之间有机融合、良性互动、协同共生，进一步推动了农业数字创新体系的构建，实现了农业经济的多维度发展。要素赋能下的数字创新环境既包括互联网、网络通信等数字基础硬件设施，也包括相关政策制度等软件设施。因此，需要完善科技成果转化奖励机制，提高农业科研人员的主动性和积极性；完善知识产权保护等领域的政策制度，规范数字创新行为，合理引导GAEEs的数字创新活动；通过打造数字政府以提高政府对京津冀GAEEs数字创新的市场监管、政策支持与成果保护。
③在管理视角下，要提升农业经济市场的数字创新活力，坚持市场在资源配置中的决定性地位，推进农业数字化平台建设和实现多主体间的价值共享。要通过数字平台搭建京津冀GAEEs与数字创新之间的桥梁，利用人工智能、大数据等现代数字技术赋能农业的资源数据共享，加强数字创新流程的集成与共享管理，包括农业电商交易平台、农业知识共享平台、农业数字技术服务平台和农业数字资源条件平台等建设。同时，要以农业科技创新服务平台为基础，建立统一的农业技术转移市场和科技成果转化平台，促进区域间创新成果的流动与共享。此外，区域间要相互借鉴先进的数字创新模式，通过提高数字创新产出效率以提升京津冀GAEEs的数字创新能力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
魏后凯, 崔凯, 芦千文, 等. 农业农村现代化:重点、难点与推进路径[J]. 中国农村经济, 2024, 40(5):2-20.

[2]
青平, 王敬斌, 蔡炜炜. 对农业强国建设中乡村产业振兴的几点思考[J]. 经济纵横, 2023, 40(9):21-28.

[3]
Acosta L A, Maharjan P, Peyriere H M, et al. Natural capital protection indicators:Measuring performance in achieving the Sustainable Development Goals for green growth transition[J]. Environmental and Sustainability Indicators, 2020,8:100069.

[4]
Yoo Y, Henfridsson O, Lyytinen K. Research commentary-The new organizing logic of digital innovation:An agenda for information systems research[J]. Information Systems Research, 2010, 21(4):724-735.

[5]
金建东, 徐旭初. 数字农业的实践逻辑、现实挑战与推进策略[J]. 农业现代化研究, 2022, 43(1):1-10.

[6]
刘洋, 应震洲, 应瑛. 数字创新能力:内涵结构与理论框架[J]. 科学学研究, 2021, 39(6):981-984,988.

[7]
王天东, 林晓玥, 刘天森. 企业数据向善、数字创新能力与价值创造[J]. 科研管理, 2023, 44(9):20-28.

[8]
Xie X, Liu X, Blanco C. Evaluating and forecasting the niche fitness of regional innovation ecosystems:A comparative evaluation of different optimized grey models[J]. Technological Forecasting & Social Change, 2023,191:122473.

[9]
Stam E. Entrepreneurial ecosystems and regional policy:A sympathetic critique[J]. European Planning Studies, 2015, 23(9):1759-1769.

[10]
蔡莉, 彭秀青, Satish Nambisan, 等. 创业生态系统研究回顾与展望[J]. 吉林大学社会科学学报, 2016, 56(1):5-16,187.

[11]
于法稳. 新时代农业绿色发展动因、核心及对策研究[J]. 中国农村经济, 2018, 34(5):19-34.

[12]
Li Z, Jin M, Cheng J. Economic growth of green agriculture and its influencing factors in China:Based on emergy theory and spatial econometric model[J]. Environment,Development and Sustainability, 2021, 23(10):15494-15512.

[13]
崔之珍, 李二玲, 刘晨光. 黄河流域绿色农业专业村的时空演变及机制[J]. 经济地理, 2021, 41(12):158-166.

DOI

[14]
Wang H, Cui H, Zhao Q. Effect of green technology innovation on green total factor productivity in China:Evidence from spatial durbin model analysis[J]. Journal of Cleaner Production, 2020,288:125624.

[15]
陈睿绮, 李华晶. 基于事件系统理论的绿色农业创业生态系统演化路径研究——以新希望集团为例[J]. 管理学报, 2022, 19(8):1103-1113.

[16]
Zahra S A. The resource-based view,resourcefulness,and resource management in startup firms:A proposed research agenda[J]. Journal of Management, 2021, 47(7):1841-1860.

[17]
Pera R, Occhiocupo N, Clarke J. Motives and resources for value co-creation in a multi-stakeholder ecosystem:A managerial perspective[J]. Journal of Business Research, 2016, 69(10):4033-4041.

[18]
陈睿绮, 李华晶. 创业生态系统绿色化与数字化协同演进研究——基于功能性状的案例分析[J]. 创新科技, 2021, 21(1):20-32.

[19]
许家伟, 张文怡, 肖忠意, 等. 中国上市公司的创新引领能力与辐射效应——以非上市公司为对象的视角[J]. 经济地理, 2021, 41(8):144-151.

DOI

[20]
李二玲, 崔之珍. 中国区域创新能力与经济发展水平的耦合协调分析[J]. 地理科学, 2018, 38(9):1412-1421.

DOI

[21]
刘灿, 廖婷, 谭力铭, 等. 湖南省农业科技园区创新发展能力多维评价研究[J]. 经济地理, 2024, 44(1):139-147.

DOI

[22]
魏江, 刘嘉玲, 刘洋. 新组织情境下创新战略理论新趋势和新问题[J]. 管理世界, 2021, 37(7):182-197,13.

[23]
Beliaeva T, Ferasso M, Kraus S, et al. Dynamics of digital entrepreneurship and the innovation ecosystem:A multilevel perspective[J]. International Journal of Entrepreneurial Behaviour & Research, 2020, 26(2):266-284.

[24]
Chae B. A General framework for studying the evolution of the digital innovation ecosystem:The case of big data[J]. International Journal of Information Management, 2019, 45(4):83-94.

[25]
罗兴武, 张皓, 刘洋, 等. 数字平台企业如何从事件中塑造数字创新能力——基于事件系统理论的钉钉成长案例研究[J]. 南开管理评论, 2023, 26(4):234-247.

[26]
徐君, 郭鑫, 蒋雨晨. 中国区域数字创新能力评价及空间相关性与分异性研究[J]. 软科学, 2022, 36(11):49-58.

[27]
Gregory R W, Henfridsson O, Kaganer E, et al. The role of artificial intelligence and data network effects for creating user value[J]. Academy of Management Review, 2020, 46(3):534-551.

[28]
廖民超, 蒋玉石, 金佳敏, 等. 创新生态系统下的企业数字创新能力——内涵重构与量表开发[J]. 软科学, 2023, 37(5):62-70.

[29]
Holmström J. Recombination in digital innovation:Challenges,opportunities,and the importance of a theoretical framework[J]. Information and Organization, 2018, 28(2):107-110.

[30]
侯珂, 李鑫浩, 阮添舜. 创新生态系统不确定性条件下后发企业何以实现颠覆性创新——基于SOR模型的动态能力中介作用[J]. 科技进步与对策, 2024, 41(8):44-54.

DOI

[31]
张彦红, 唐海春, 田晓琴. “十五”以来我国各地区农业科技进步贡献率差异性研究及启示[J]. 科学管理研究, 2020, 38(5):125-130.

[32]
Benitez J, Arenas A, Castillo A, et al. Impact of digital leadership capability on innovation performance:The role of platform digitization capability[J]. Information & Management, 2022, 59(2):103590.

[33]
史利江, 李永宁, 李前锦, 等. 资源型地区地级市绿色发展水平的时空演变及影响因素——以山西省为例[J]. 经济地理, 2024, 44(1):77-87,173.

DOI

[34]
刘雷, 喻忠磊, 徐晓红, 等. 城市创新能力与城市化水平的耦合协调分析——以山东省为例[J]. 经济地理, 2016, 36(6):59-66.

[35]
杜运周, 贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J]. 管理世界, 2017, 34(6):155-167.

Options
文章导航

/

〈 〉