An Empirical Study on the Empowerment of Digital Literacy in Coarse Cereals Production——Evidence from Oat and Buckwheat Growers

理性小农理论指出，农户追求经济利益最大化，其行为意愿的高低取决于行为是否符合合理性与最高效益的原则。已有研究表明成本和收益是影响农户种植意愿的重要因素，提高农业生产效率是增强种植意愿的关键^[8]。随着数字乡村建设的推进，数字技术嵌入已从缓解农业信息不对称、优化要素配置等多方面提高农业生产效率^{[11, 25]}，但也对农户的数字素养水平提出了更高的要求。农户数字素养的提升能否有效赋能杂粮生产，与农户杂粮生产积极性存在怎样的作用关系? 从农户数字素养的相关研究来看，在农户数字素养相对弱时，数字素养能缓解农业生产信息不对称问题，优化生产要素配置和交易匹配度，进而提高农业生产效率，赋能农户粮食生产^[12]；在农户具有一定数字素养后，数字技术带来的信息化能打破农村劳动力市场的信息不对称，让农民看到更多的就业机会，促进农民兼业和非农就业^[26]，抑制其从事农业生产活动的意愿。劳动力的供给不足造成农业全要素生产率下降，进一步抑制农户的粮食生产意愿^[27]。此外，一些关于农户杂粮种植意愿的相关研究，也为数字素养对农户杂粮种植意愿的非线性影响提供了试探性证据。文献[28-29]的研究表明，数字素养显著扩大了农户间的收入差距，由此激发的收入渴望对农户种植意愿呈现倒“U”形影响。文献[30-31]的研究发现，随着受教育水平的提高，农户更容易学习和掌握数字技能，对农户种植意愿呈现倒“U”形影响。基于此，提出假说(H1)。

(H1) 农户数字素养的提升与杂粮种植意愿呈现倒“U”形影响关系。

数字素养如何对农户杂粮种植产生影响? 根据新经济增长理论和农户行为理论，数字素养作为释放农业技术进步效果的驱动力，能提高农户信息获取能力、积累信息优势，推动农业生产方式的转变、提高生产效率，进而影响到农户杂粮生产意愿，且这一影响路径受到农户家庭社会资本和土地细碎化等资源禀赋的影响。具体逻辑如下：

第一，信息获取。数字素养的提升能帮助农户熟练使用数字工具，增加信息资本的积累，提升农户获取信息(包括知识技能信息、市场销售信息等)的数量和质量，提高个体发现经济机会的能力^[32]。当前农业生产格局是：杂粮生产分布在偏远且土地贫瘠的山区，多为小规模散户经营，由于市场波动较大和销售模式不完善，大部分农户种植杂粮用于改善家庭膳食结构或当地灵活零售；经济作物生产主要分布于地形平缓、土地肥沃的地区，多为规模化经营，对人力资本水平和技术要求相对更高^[33]。在农户数字素养相对弱时，数字素养的提升赋予农户更强的生产信息与市场信息获取能力，有益于优化农业生产和销售，但此时农户能力尚不足以打破地理环境和技术制约种植经济作物，杂粮种植意愿将随数字素养的提升而增强。当农户数字素养达到一定水平后，出于经济效益最大化的动机，农户对待杂粮生产的态度将发生改变。一方面，更强的信息获取能力赋予农户更多就业机会，促进兼业生产和劳动力非农转移，抑制农户杂粮种植积极性^[26]；另一方面，即使农业劳动力选择留在农村，具有信息优势的农户也更容易接受新兴技术，提升人力资本水平和技术适配性，突破经济作物种植的地理环境限制，选择种植经济作物^[10]。基于此，提出假说(H2)。

(H2) 信息获取在数字素养对农户杂粮种植意愿的倒“U”形影响中发挥非线性中介作用。

第二，生产效率。数字素养的提升能有效促进农户对数字技术的使用，对家庭生产要素配置有着重要影响^[23]。其一，数字素养赋能农户掌握数字农业技术，对农业生产实现更智能、更科学的管理。比如，使用物联网技术监测农业生产环境、利用大数据技术挖掘分析农业数据等，通过优化劳动、资本等生产要素的配置来提高生产效率。其二，赋能农户更强的社交沟通能力和数字平台利用能力，使农户及时、便捷地与交易对象协商争议问题，降低信息搜寻成本和交易成本。其三，赋能农户更强的数字金融平台使用能力，提高农户生产性资金借贷概率，降低信贷成本，缓解农业生产的资金约束。数字素养的提升虽然从多方面优化农业生产要素配置，可以提高农业生产效率和种植意愿。但当农户的数字素养达到一定水平后，他们对数字时代新兴职业需求的适应性更强，具备更多的非农就业机会，促进农户非农就业^[34]。劳动者的过度流出会抑制农业生产效率，进而降低农户的杂粮种植意愿^[27]。基于此，提出假说(H3)。

(H3) 生产效率在数字素养对农户杂粮种植意愿的倒“U”形影响中发挥非线性中介作用。

第三，社会资本。中国作为典型的关系社会，社会关系在农户的生产意愿和行为决策中发挥着重要作用。农户兼有“经济人”和“理性人”的双重身份，在生产活动中追求最大效益和最小风险。不同农户家庭的社会资本累积不同，数字素养对其杂粮种植意愿的边际影响存在差异。对数字素养较低的农户，由于自身能力约束，遇到真假难辨的网络信息时，不会贸然采纳用于生产决策，而是借助社会网络渠道对新的信息进行讨论^[35]。农户通过社会网络的信息，完成技术抉择，优化资源配置并提高生产效率，推动数字素养与杂粮种植的倒“U”形曲线拐点左移。但社会资本雄厚的农户通常是种植大户，根据边际效应递减规律，数字素养对杂粮种植意愿的激励效应将放缓，即倒“U”形曲线左侧趋于平缓。对于数字素养较高的农户来说，本身具备更强的信息获取能力、更高的技能水平，参与非农就业概率更大。但已经构建起强农村社会网络的高数字素养农户，他们更不愿意走出农业的“舒适圈”，会选择继续进行农业生产，这一定程度上削弱了对劳动力外流的抑制作用，对称轴右侧曲线也趋于平缓。基于此，提出假说(H4)。

(H4) 社会资本会负向调节数字素养与农户杂粮种植意愿的倒“U”形关系，使曲线拐点左移，曲线形态趋于平缓。

第四，土地细碎化程度。土地细碎化程度是农户生产活动能否实现规模经营的关键，也是影响农户生产效率的重要因素。随着土地细碎化程度的提高，数字素养对农户杂粮种植意愿的边际积极影响发生了一定变化。当农户数字素养相对低时，提高数字素养能有效赋能技术采纳，提升农业生产效率。但受到土地因素的局限，数字要素与土地要素之间的协同作用和协同要求较弱，这意味着数字素养带来的效率促进效应更快达到峰值，同时更容易打破数字农业的“生产率悖论”，强化效率促进效应^[36]。在作用曲线上，表现为倒“U”形曲线的拐点向左移动，曲线左侧更加陡峭。当农户具有一定数字素养时，随着土地细碎化程度的提高，由于无法通过规模效应提升生产收益，往往更偏向于采取多样化种植的模式^[37]。一方面，农户会依据作物价值和耕地质量来配置土地，质量较好的地块通常会用于经济效益更高的作物，这种多元化的种植结构会在一定程度上削弱杂粮种植在农户种植选择中的优先级；另一方面，多样化种植模式通过对时间的平滑作用有效降低田间管理难度、分散劳动强度，使得农户将更多的精力投入到非农业劳动中，进一步削弱了农户的种植意愿^[38]，使得数字素养与农户杂粮种植意愿的倒“U”形曲线右侧趋于陡峭，即随着土地细碎化程度的提高，数字素养对农户杂粮种植意愿的边际消极影响减弱。基于此，提出假说(H5)。

(H5) 土地细碎化会正向调节数字素养与农户杂粮种植意愿的倒“U”形关系，使曲线拐点左移，曲线形态趋于陡峭。

基于上述论证，构建数字素养赋能农户杂粮生产的理论框架如图 1所示。

本文数据来源于西北农林科技大学燕麦和荞麦产业研究课题组于2024年在陕、甘、晋3个省开展的实地调查。因为杂粮种植具有明显的区域局限性，本次调查选取陕西省、甘肃省和山西省3个盛产燕麦和荞麦的杂粮主产省，在28个乡镇、45个村，调查收集了农户2023年和2024年燕麦、荞麦种植相关信息。课题组在实地调查前做了问卷设计、专家讨论和预调查等充分的准备工作，同时调查使用二次抽样法：第一次采用非概率抽样，确定了榆林和庆阳两个重点调查地区，结合调查实际情况选取其他调研地区；第二次采用分层随机抽样，以确定每个调查点的具体调查对象。该抽样方式下，样本数据能更好地代表 3个省的情况。本次调查共计发放674份问卷，回收665份，剔除残缺值、异常值后，最终获得有效农户样本618份，有效率为91.7%。样本特征上，调研样本数字素养综合指数均值为0.191，反映出农业生产决策者的数字素养相对较低；2024年，家庭拥有土地平均面积为4.803 hm²，种植燕麦或荞麦的平均面积为1.566 hm²，平均家庭农业总收入11.787万元；69.42%的家庭生产燕麦粒、荞麦粒的同时，生产燕麦草和荞麦草，养殖牛羊。

1) 被解释变量：种植意愿。通过直接询问农户“未来是否愿意种植燕麦或荞麦”来测度农户种植意愿的强弱程度，题项设置“非常不愿意”“比较不愿意”“一般”“比较愿意”“非常愿意”5个递进等级，采用数字1~5依次编码，数字越大表示种植意愿越强。

2) 核心解释变量：数字素养。借鉴欧盟数字素养框架Dig-Comp 2.2的分类标准，并结合文献[39]的研究，将数字素养分为数字媒介素养、数字沟通素养、数字创新素养和数字金融素养4类，并采用熵值法构建综合数字素养指标。在问卷中设置“每天使用互联网的时间”“家里是否接入宽带”来测度数字媒介素养；设置“是否加入过农业生产交流群”来测度数字沟通素养；设置“是否通过互联网开展农业经营相关活动”来测度数字创新素养；设置“销售农产品或购买农资时是否使用移动支付”来测度数字金融素养。

3) 中介变量：信息获取、生产效率等。通过在问卷中设置“是否通过数字媒介获取农产品价格信息”“是否通过数字媒介获取农作物品种改良信息”“是否通过数字媒介获取农业政策相关信息”和“是否通过数字媒介获取贷款信息”4个问题，并采用熵值法构建信息获取综合指标进行衡量。采用CCR-DEA模型对农户种子、肥料、农膜、灌溉、人工、机械和杂粮种植收入等投入产出指标进行测算来衡量生产效率。

4) 调节变量：社会资本、土地细碎化等。社会资本借鉴文献[40]的研究，根据调查问卷中“对亲戚朋友信任程度”“手机联系人个数”“红白喜事帮忙人数”等21个相关变量，采用因子分析法从社会信任、社会声望(家庭面)、社会声望(乡村面)、社会网络(内部面)、社会网络(外部面)5个维度构建社会资本的综合评价指标。土地细碎化借鉴文献[41]，采用均地块数进行衡量。

5) 控制变量：参考文献[5, 8]等已有研究，选择以下可能影响农户种植意愿的因素作为控制变量，包括年龄、性别、受教育水平和种植年限等农业生产决策者的个体特征，劳动力人口、务农收入、土地规模、土地质量和机械拥有等家庭特征，以及前一期价格和补贴情况等外部环境因素，同时设置地区虚拟变量对不同地域特征进行了控制。

6) 工具变量：参考文献[39]，选取同村其他样本数字素养均值及其二次项作为工具变量。

7) 其他变量：种植选择行为。根据2024年农户选择种植面积最大的作物类别进行衡量，包括杂粮、主粮和经济作物，采用数字1~3依次编码。

表 1为变量说明及描述性统计。

1) 基准回归模型。本文核心解释变量“种植意愿”是有序多元变量，采用多元有序logit模型分析数字素养对农户杂粮种植意愿的影响，模型具体形式如下：

式中：P表示概率；i表示农户；W表示农户燕麦种植意愿；j表示意愿的取值范围为有序数集{1，2，3，4，5}，其赋值1-5表示种植意愿由弱到强；D表示数字素养；V表示可能影响农户燕麦种植意愿的其他控制变量；α₀为常数项；α₁、α₂和λ表示各变量的待估系数；ε表示随机误差项。

2) 中介效应模型。为验证信息获取和生产效率在数字素养对农户杂粮种植意愿的影响中的非线性中介作用，本文借鉴文献[42]的研究，设定如下模型：

式中：I表示信息获取，E表示生产效率；式(2)至式(4)用于检验信息获取在数字素养对杂粮种植意愿影响中的中介作用，式(2)、式(5)和式(6)用于检验生产效率在数字素养对杂粮种植意愿影响中的中介作用；β₀、γ₀、δ₀和θ₀为常数项；α_i(i=1，2)、β₁、γ_i(i=1，2，3，4)和θ_i(i=1，2，3)均为待估系数。

3) 调节效应模型。为验证社会资本和土地细碎化在数字素养对农户杂粮种植意愿的影响中的调节效应，本文构建如下模型：

式中：Z_i表示调节变量，即社会资本和土地细碎化；α_i(i=1，2，3，4)为待估系数，根据文献[43]的研究，判断倒“U”形关系的调节效应及其特征分为如下三步：首先，根据自变量二次项与调节变量交互项的系数α₅显著性来判断是否存在调节效应，若α₅显著则说明存在调节效应。其次，若α₁α₅-α₂α₄＜0，说明曲线拐点随调节变量的增强而向左移动；若α₁α₅-α₂α₄＞0，说明曲线拐点随调节变量的增强而向右移动。最后，若系数α₅显著为正，说明倒“U”形曲线随调节变量的增强趋于平缓；若系数α₅显著为负，则倒“U”形曲线随调节变量的增强趋于陡峭。

为更好地分析和估计数字素养对农户杂粮种植意愿的影响，逐步向模型中加入各类控制变量，基准回归结果如表 2所示。

仅加入核心解释变量一次项时，数字素养的系数为负且未通过显著性检验，表明数字素养与农户杂粮种植意愿可能不是线性关系。加入核心解释变量二次项后，二次项的系数在5%的水平下显著为负，一次项的系数在10%的水平下显著为正，可以初步得出数字素养对农户种植意愿的影响是非线性的结论，但尚未控制相关的影响因素。因此，逐步加入个体特征、家庭特征和外部环境因素等控制变量，以尽可能地解决因遗漏重要变量所导致的估计偏误。结果显示，在逐步加入各类控制变量后，实证结论依旧稳健。据此，以最后一列作为基准结果展开分析。数字素养一次项系数为2.822，二次项系数为3.742，且二者均在5%的水平下显著。

计算不同数字素养水平下的边际效应，绘制边际效应变化图(图 2)。根据图 2可以发现，低意愿类别(种植意愿为1，2)的边际效应呈现递增趋势，并由负转正；高意愿类别(种植意愿为4，5)的边际效应呈现递减趋势，并由正转负。这表明随着数字素养的提高，低种植意愿的概率先减少后增加，高种植意愿的概率先增加后减少。进一步计算拐点2.822/(2×3.742)≈0.377，其经济意义是当数字素养水平低于0.377时，数字素养水平提升会显著提高农户杂粮种植意愿；但当数字素养水平跨过0.377时，数字素养的提高会抑制农户杂粮种植意愿，两者呈现出倒“U”形关系。这与前述理论分析一致，在农户数字素养相对弱时，数字素养有效缓解了农业生产中的信息不对称问题，提升技术应用效率，优化农户生产配置行为；同时，信息化提高了农产品交易的匹配度，农户杂粮种植意愿得到激励。当农户具有一定数字素养时，数字技术引发的信息化打破农村劳动力市场的信息壁垒，农民借此获取更多就业机会，兼业与非农就业现象增加，直接降低了农户从事农业生产活动的意愿；农业劳动力的持续流出还会导致农业生产率下降，间接抑制农户杂粮种植意愿。假说(H1)得证。

1) 内生性检验。原模型虽不存在双向因果，但可能遗漏一些影响农户种植意愿并且难以观测的变量导致内生性问题。比如，种植年限虽然一定程度上反映了农户农业生产的经验与能力，但并不代表其种植杂粮的经验与能力，且“能力”很难通过指标进行精确度量。因此，为解决由于测量误差和遗漏解释变量这两种情况可能引发的内生性问题，参考文献[39]，本文选取同村其他农户数字素养平均值及其二次项作为工具变量进行检验。中国农村是以亲缘和地缘等关系为基础的差序格局，亲朋好友等身边人的认知、期望和行为深刻影响农户决策。具体来说，当同村其他农户数字素养较高时，在从众心理的作用下，农户会模仿和学习他人，提高自身数字技术应用能力，但同村其他农户的数字素养与受访农户的杂粮种植意愿没有直接的联系，这表明该工具变量满足相关性和外生性的要求。由表 3工具变量法检验结果可知，第一阶段工具变量IV1与IV2均在1%的水平下显著，并且在第二阶段的回归结果与基准回归一致。Kleibergen-Paap rk LM statistic下LM统计量(18.588)通过1%水平的显著性检验，Kleibergen-Paap Wald rk F statistic下的F值(17.505)大于所有显著性水平下的临界值。由此判断，模型通过不可识别检验和弱工具变量检验。在工具变量法控制内生性问题下，结论仍然是稳健的。

同时，农户的数字素养很大程度上取决于家庭禀赋和外部环境条件，但也受到农户自愿选择的影响，即可能存在选择偏差问题。为解决由样本选择偏差可能引起的内生性问题，本文引入文献[44]提出的广义倾向得分匹配法(GPSM)。一方面，GPSM拥有传统倾向得分匹配的特点，能够通过消除处理组与控制组在接受处理前的异质性所导致的测量误差，有效地解决研究中自选择偏差以及模型设定错误原因带来的内生性困扰；另一方面，GPSM能够突破传统PSM只能处理二元离散变量的局限性，能对处理变量为连续型变量的情况进行效应评估。具体实施步骤如下：首先，将整个样本按数字素养水平平均划分为4等份。其次，在经过平衡性检验的前提下，计算出数字素养概率广义倾向得分值。接着，构建回归模型

其中：T表示数字素养，S则表示广义倾向得分匹配值。使用logit估计结果变量“种植意愿”的条件期望。最后，将不同处理水平下的因果效应进行连接，得到数字素养与农户杂粮种植意愿的“剂量反应”函数关系，图 3a与图 3b分别显示了数字素养对农户杂粮种植意愿的剂量反应函数与处理效应函数曲线。由图 3可知，数字素养对农户杂粮种植意愿的边际效应递减，数字素养与农户杂粮种植意愿呈现倒“U”形关系，即在GPSM控制了相关内生性问题下，结论依旧稳健。

2) 稳健性检验。为检验原模型结论的可靠性，本文采用以下4种策略进行稳健性检验，结果如表 3所示：① Utest检验，有学者指出仅靠一次项及二次项系数判断倒“U”形关系缺乏说服力，本文采用Utest检验对倒“U”形关系进行进一步检验；②替换估计方法，采用probit模型对原模型进行稳健性检验；③改变核心解释变量，用农户日互联网使用时长来近似代表数字素养进行回归；④缩尾处理，为克服异常值对估计带来的偏差，本文采用99%的双边缩尾处理主要连续变量进行回归。

Utest检验结果显示，数字素养与农户杂粮种植意愿的临界拐点是0.377，有95%的置信水平落在[0.219，0.595]之间。曲线左侧斜率显著为正(2.822)，右侧斜率显著为负(-4.662)，故倒“U”形关系得到了进一步支持。此外，无论是更换估计方法，替换核心解释变量，还是进行缩尾处理，得到的结果与先前结论基本一致，结论稳健。

为考察数字素养对农户杂粮种植意愿的影响在不同组群中的异质性。本文考虑到受教育水平、家庭收入与数字素养的相关，种植规模与种植意愿的相关，将样本从农业第一决策者的受教育水平、家庭人均收入和种植规模3个方面进行分组回归，分组回归结果见表 4。

1) 受教育水平。将样本按农业第一决策者是否具有高中及以上学历，分为高受教育水平组和低受教育水平组。如表 4所示，低受教育水平组的数字素养及其二次项系数显著，高受教育水平组的数字素养系数不显著。这表明数字素养在低受教育水平组中与农户杂粮种植意愿呈现显著的倒“U”形关系，但对高受教育水平群体无显著影响。可能的解释是，低受教育水平群体数字素养水平较低，当其数字素养水平提高时将出现前述结论中的倒“U”形影响关系。高受教育水平群体，一方面在高期望收益和利益最大化的驱动下，不再愿意投身于经济收益偏低的农业生产中，选择种植高收益作物或非农就业；另一方面，杂粮作物由于受到地域限制而具有一定的地理传承性，年龄较大的农民会对其更加熟悉，受教育水平高的年轻人因对其不太了解而表现出种植积极性不高。样本数据显示，高受教育水平组的平均杂粮种植意愿为2.976，比低受教育水平组的杂粮种植意愿平均要低0.254个意愿等级。

2) 家庭人均收入。将样本按家庭人均收入分组，以样本中位数(19 020元)为分界点，分为高人均收入组和低人均收入组。如表 4所示，低家庭人均收入组数字素养一次项系数显著，二次项系数不显著，高家庭人均收入组的数字素养系数不显著。这表明在低人均收入组中数字素养显著提高了农户杂粮种植意愿，而在高人均收入组中数字素养的影响不显著。可能的原因是：低人均收入组群体数字素养水平较低，处在倒“U”形曲线拐点前，提升数字素养对杂粮种植意愿具有显著促进作用。进一步观察低人均收入组的数字素养水平分布情况，低于拐点(0.377)的样本量占了92.88%，支持了该解释。

3) 种植规模。根据农业农村部统计，全国经营耕地面积在3.33 hm²(50亩)以上的规模经营农户已超350万户^[45]，此外一些省份也将3.33 hm²作为培育家庭农场的规模标准^[46]，以3.33 hm²作为临界点，将样本分为规模经营农户和小农户。如表 4所示，小农户群体数字素养及其二次项系数显著，且二次项系数(5.977)远大于总样本的估计系数，规模经营农户群体的数字素养系数不显著。这表明数字素养与农户杂粮种植意愿在小农户群体中呈现显著的倒“U”形关系，较总样本曲线更加陡峭，但在规模经营农户群体中对数字素养的影响不显著。可能的解释是：规模农户既追求规模效益，更注重单位面积的产出收益，杂粮种植产量相对较低、价格提升空间有限，难以满足规模农户对高收益的期望。且规模农户更倾向于迎合大型市场需求，种植小麦、玉米等在市场上有稳定需求和成熟销售渠道的大宗粮食作物，对杂粮种植积极性不高。小农户因规模有限，销售风险相对较低，部分农户还将杂粮用于丰富家庭食物来源，在数字素养赋能效应的作用下更加愿意种植杂粮。但当小农户具备一定数字素养水平后，其生产经营更具灵活性，规模小、不依赖市场，退出成本低，当发现更具经济效益的其他生产活动时更易放开杂粮种植，抑制杂粮种植意愿。

前文揭示了数字素养对农户杂粮种植意愿的影响效应以及在不同组群中的异质性，为进一步探究数字素养影响农户杂粮种植意愿的作用路径，下面进行机制分析，验证信息获取能力、生产效率的中介作用和社会资本、土地细碎化的调节作用。

借鉴文献[47]对非线性中介效应的分析方法，实证检验信息获取和生产效率的中介作用，结果见表 5。

数字素养对信息获取的回归系数为2.461，且在5%的水平下显著为正，表明农户数字素养与信息获取呈正相关关系。数字素养提高增加了农户接触市场和农业生产等信息的概率，使得农户能更迅速、更准确地获取信息，缓解农业生产活动的信息不对称问题。信息获取及其二次项系数均在5%的水平下显著，数字素养及其二次项系数均在10%的水平下显著，且相较基准回归，数字素养系数均有一定程度的减小，表明信息获取在数字素养对农户杂粮种植意愿的影响中发挥非线性中介作用。将农业第一决策者的兼业情况(1表示是，0表示否)作为被解释变量，信息获取作为核心解释变量进行回归，信息获取的系数在5%的水平下显著为正，表明信息获取能力的提高促进了农户的非农就业。模型结论与理论分析相一致：当农户数字素养处于较低水平时，信息获取能力的提高降低了农户搜寻成本，优化了杂粮生产决策和市场销售渠道，由此带来的效益提升让农户更加乐意从事杂粮种植活动。当农户数字素养达到一定水平后，非农就业机会的增加，促进农户兼业生产和劳动力非农转移；不转移的农户也将调整种植结构，选择经济效益更高的作物，对杂粮种植表现出抑制作用。即信息获取发挥出非线性中介作用，假说(H2)得证。

数字素养及其二次项对生产效率的影响系数分别为0.261和-0.245，在1%的水平下显著，表明农户数字素养水平不断提升的过程中，生产效率呈现倒“U”形的变化态势。生产效率的系数在5%的水平下显著，数字素养及其二次项均在5%的水平下显著，且与基准回归相比，数字素养系数均有一定的减少，表明生产效率在数字素养对农户杂粮种植意愿的影响中发挥非线性中介作用。模型结论与理论分析相一致：在农户数字素养相对弱时，数字素养能从提高数字农业技术掌握水平、降低协商成本、缓解生产性资金借贷约束等多方面赋能杂粮生产，增强农户杂粮种植意愿。当农户具有一定数字素养后，更高的数字素养赋予农户更高的人力资本和职业适应性，促进农户非农就业；农村劳动力的跨产业流动，使农业生产因劳动供给不足导致生产效率下降，进一步降低农户杂粮种植的意愿。即生产效率发挥了非线性中介作用，假说(H3)得证。

此外，采用KHB方法对信息获取能力和生产效率的中介作用进行检验(表 6)。结果显示，信息获取的中介效应分析中的总效应、直接效应和间接效应均通过10%水平的显著性检验，生产效率的中介效应分析中的总效应、直接效应和间接效应均通过5%水平的显著性检验，进一步验证了信息获取和生产效率在数字素养与农户杂粮种植意愿倒“U”形关系中的非线性中介作用。

为了探究社会资本和土地细碎化的调节作用，本部分采用调节效应模型，揭示二者如何影响数字素养与农户杂粮种植意愿的关系，结果见表 7。

表 7结果显示，数字素养与社会资本交互项在1%的水平下显著为负(-11.958)，数字素养二次项与社会资本的交互项在1%的水平下显著为正(15.171)，且系数2.461×15.171-(-4.165)×(-11.958)=-12.469＜0，表明社会资本对倒“U”形曲线起负向调节作用，推动曲线拐点向左移，曲线形态更加平缓，如图 4a所示，验证了假说(H4)。在农户数字素养相对薄弱时，随着社会资本的增加，通过社会网络讨论新信息，能更加高效地利用信息，优化生产要素配置，提高生产效率，推动倒“U”形曲线拐点左移。社会资本越强的农户本身生产效率和种植意愿更高，又会削弱数字素养对农户杂粮种植意愿的激励效应，使“U”形曲线左侧更加平缓。当农户具有一定数字素养后，数字素养的提升可以巩固和发展社会资本，助力农户与社会资本共享信息，对于不想留在农村的农户来说数字素养的提升会使农户兼业和非农就业概率增加。对于已在农业领域构建强社会网络的农户，因不愿意失去原有的社会关系优势，选择继续从事农业活动，数字素养对杂粮种植意愿的抑制作用减弱，倒“U”形曲线右侧更加平缓。

表 7表明，数字素养与土地细碎化交互项在1%的水平下显著为正(16.147)，数字素养二次项与土地细碎化的交互项在1%的水平下显著为负(-30.129)，且系数3.335×(-30.129)-(-5.385)×16.147=-13.529＜0，表明土地细碎化对倒“U”形曲线起正向调节作用，推动曲线拐点向左移，曲线形态更加陡峭，如图 4b所示，验证了假说(H5)。在农户数字素养相对薄弱时，随着土地细碎化程度的提高，数字素养水平的提升带来的技术进步与信息优势可以显著提高农业生产效率。但由于土地条件的限制，数字要素与土地要素之间的协同作用和协同要求较弱，数字素养带来的效率促进效应更快达到峰值，也更容易打破数字农业的“生产率悖论”，强化效率促进效应，推动倒“U”形曲线的拐点向左移动，且曲线左侧更加陡峭。当农户具有一定数字素养后，土地连片程度越低，农户往往倾向于采用多样化种植模式，根据作物价值和耕地质量来分配土地资源，在杂粮种植效益普遍不高的情形下抑制杂粮种植意愿。同时，多样化种植模式有效降低了田间管理难度，分散了劳动强度，使得农户将更多的精力投入到非农业劳动中，进而强化对农户杂粮种植意愿的抑制作用，数字素养与农户杂粮种植意愿之间的倒“U”形曲线右侧亦趋于陡峭。

前文已经实证分析了数字素养对农户杂粮种植意愿的影响。考虑到个体的种植意愿是生产行为的心理表现与前奏，为探究该影响是否仅仅局限于心理层面，并且分析农户在杂粮、主粮和经济作物3类作物中的种植选择问题，本文选取提前一期(2024年)农户种植作物类别作为种植选择行为的核心指标(1表示杂粮，2表示主粮，3表示经济作物)。该指标通过询问农户“您家2024年种植面积最大的作物类别是哪一类?”得到。控制变量沿用前文，采用Mlogit模型分析数字素养对农户种植选择行为的影响，具体模型形式如下：

其中：P_i表示农户对不同作物种类i的选择意愿，C表示2024年农户种植作物类别，k₀为常数项，k₁和k₂为待估系数。

以选择种植经济作物为基准组，分类logit模型的结果见表 8。列(1)和列(2)为杂粮和经济作物的对比结果，列(3)和列(4)为主粮和经济作物的对比结果。第一列仅加入了数字素养的一次项，数字素养的系数不显著；列(2)加入数字素养二次项后，数字素养系数显著为正，数字素养二次项系数显著为负，这表明相较于种植经济作物，数字素养对农户杂粮种植行为呈现显著的倒U形影响。列(3)数字素养系数显著为负，列(4)数字素养系数显著为负，但二次项系数不显著，这说明随着数字素养的提升，农户更倾向选择种植经济作物而不是主粮作物。模型结果与理论分析相印证，数字素养的提高会给农户带来信息优势与生产效率提升，但在数字素养水平还相对弱时，受到资源与技术的约束并不会显著增加农户选择种植经济作物的概率，而会增加农户选择种植杂粮的概率。当农户数字素养达到了一定水平，具备了更高的人力资本水平和技术适配性后，更容易突破经济作物种植的地理环境限制，选择种植高经济效益的经济作物，抑制杂粮和粮食作物的种植行为。此外，上述结果也说明数字素养的影响不仅仅局限于心理层面，种植意愿的内生动力也会激发种植户采取实际行动实施种植选择。

本文基于陕、甘、晋3个省618名杂粮种植户的调研数据，探究了数字素养对农户杂粮种植意愿和种植行为的影响及作用机制，得出以下结论：①数字素养对农户杂粮种植意愿的影响呈现倒“U”形关系，这一结论在内生性检验和稳健性检验后依然成立。②异质性分析发现，数字素养对杂粮种植意愿的倒“U”形影响在不同的农户家庭存在显著差异，数字素养的提升对受教育水平低、家庭人均收入低、种植规模小的农户赋能效果更好。③机制分析表明，信息获取能力和生产效率均在数字素养对农户杂粮种植意愿的影响中发挥非线性中介作用；社会资本负向调节数字素养与农户杂粮种植意愿的倒“U”形关系，使曲线拐点左移，曲线形态趋于平缓；土地细碎化正向调节数字素养与农户杂粮种植意愿的倒“U”形关系，使曲线拐点左移，曲线形态趋于陡峭。④进一步分析表明，数字素养的赋能效果不仅体现在心理层面，对农户种植选择行为也有显著影响。

第一，大力开展数字素养培育工程，精准施策驱动杂粮生产。针对数字素养水平不同的农户，量身定制数字技术培育方案。对于数字素养相对薄弱的农户，聚焦于基础通用类型数字素养的培养，强化农户对农业数字技术的应用，如智能灌溉系统、土壤监测设备的操作，同时提高使用各种信息工具的能力，促进农业生产要素的优化配置和生产决策的准确性，提高农户杂粮种植的积极性。对于具有一定数字素养的农户，侧重对创新应用类型数字素养的培育，号召他们利用数字素养优势开创杂粮生产新兴模式。比如，利用电商平台、直播带货等新兴销售渠道，拓宽杂粮销售市场，减少中间环节，提高杂粮种植生产效益；同时，推动杂粮种植与乡村旅游、农事体验等产业融合，打造生态农业产业模式，拓宽杂粮种植户的收入渠道，提高农户参与杂粮种植的积极性和稳定性。

第二，多举措改善杂粮生产环境，巩固信息优势与效率红利。中国杂粮供给疲软的关键原因是，杂粮生产的比较效益低与农业劳动力流失严重。因此，从本质上改善杂粮生产环境，有助于缓解上述问题，提升杂粮市场竞争力，激发杂粮产业活力。一方面，树立与落实大食物观，倡导健康饮食理念，通过媒体报道、科普讲座等多种方式，提高消费者对杂粮的认知度和认可度，不断完善杂粮销售模式。另一方面，加大对杂粮种植的政策支持，比如依据杂粮种植规模给予杂粮种植户更多补贴倾斜，建立杂粮价格保护机制，启动托底收购，完善农业保险体系，稳定收入预期，减少杂粮种植户的后顾之忧。

第三，“三位一体”融合治理土地细碎化，优化土地格局推动杂粮生产。土地细碎化推动数字素养与杂粮种植意愿的倒“U”形曲线趋于平缓、拐点右移，这为缓解曲线右侧的抑制作用提供了演进策略与优化思路。加强土地细碎化治理，不仅可以有效缓解数字素养的抑制效应，同时也是贯彻《中华人民共和国乡村振兴促进法》规定的“地方各级人民政府应当推进农村土地整理和农用地科学安全利用”的应有之义。①不断强化土地承包经营权的清晰界定，完善土地流转市场，运用市场的“无形之手”，促进土地资源的有效配置。②土地整治与行政赋能土地流转双管齐下，充分调动政府这只“有形之手”的力量，强化土地平整与土地权属调整，运用村社集体统筹功能，解决土地集中利用问题。③充分发挥农户自组织机制的优势，多元化积极探索如“按户连片”“虚拟确权”“土地调整”等治理模式，遵循村民自治原则的核心，优化农村土地分布格局。此外，要有机融合三大治理机制，克服单个机制带来的过度强调个体产权、政府越位和受政策影响大等弊端，协同推进土地细碎化治理，为完善杂粮供给体系提供土地保障。