农产品流通数字化转型中小农户赋能效应研究
摘要:大数据、物联网、农产品电商平台、产地数字溯源系统等数字技术持续向农业流通环节渗透,数字化转型成为破解小农户对接大市场难题的重要路径,厘清数字化流通对小农户的赋能机制与实际效应,是推动农产品流通现代化的核心问题。本文以技术接受模型(TAM)为基础框架,引入数字素养、外部政策支持两个拓展变量,构建农产品流通数字化赋能小农户的理论模型。以参与数字化流通的小农户作为调研样本,通过实地问卷采集调研数据,运用SPSS26.0与AMOS24.0开展数据处理、信效度检验与假设检验。研究结果表明:数字素养正向影响小农户感知有用性、感知易用性;感知易用显著正向影响感知有用;感知有用、感知易用、政策支持均显著正向作用于数字化流通对小农户的赋能效应。
关键词:TAM模型;农产品流通;数字化转型;小农户赋能;结构方程
一、引言
“大智移云物”数字技术向乡村下沉,我国农业进入流通数字化变革新阶段。数字化重构了传统农产品流通链条,催生产地直播、线上预售、数字溯源、订单农业等新业态。农产品流通是连接田间生产与终端消费的关键环节,长期以来我国农业生产以小农户经营为主,分散经营、信息滞后、中间环节多、议价能力弱是制约小农户增收的突出痛点。数字流通平台的兴起,为小农户降低交易成本、拓宽销售渠道提供了新机遇。
2020年以来,国家持续出台政策推进农产品仓储保鲜冷链、农村电商基础设施建设,鼓励小农户依托数字化渠道开展农产品销售。数字化流通的核心价值,是依托平台数据打通生产端、流通端、消费端信息壁垒,提升小农户市场参与能力。但现实中,大量小农户受限于数字能力不足,难以充分享受数字化转型红利,数字技术的赋能效果存在明显分化。技术变革带来的流通模式重构,会直接影响小农户的经营收益、市场话语权,因此有必要实证检验数字化流通对小农户的赋能效应及其作用路径。
农产品数字化流通的应用场景不断丰富。根据农业农村部农村电商相关监测数据,2024年全国农产品网络零售额达到6300亿元,生鲜农产品线上流通规模持续扩张。数字化流通工具从早期简单线上店铺,逐步拓展到产地溯源、产销大数据预测、线上订单对接、冷链物流追踪等综合服务。农户使用终端也从电脑端转变为智能手机小程序、短视频直播等轻量化应用。数字流通不仅改变农产品交易方式,还重塑定价、品牌、产销匹配机制,直接影响小农户经营收益。
本文选取参与农产品数字化流通的小农户作为调研对象,以TAM技术接受模型为理论基础,构建结构方程模型,实证检验农产品流通数字化转型对小农户的赋能效应及其影响路径。研究结论有助于识别制约数字赋能落地的关键因素,为政府完善农村数字基建、平台优化面向小农户的数字化流通服务、推动小农户融入现代农产品流通体系提供经验依据。
二、文献综述
(一)农产品流通数字化与小农户赋能相关研究
随着数字基础设施向县域、乡村延伸,传统多层级农产品流通模式正在重构,数字赋能成为乡村经济研究热点。周锦等(2023)提出,数字流通平台能够降低信息不对称,减少多层中间商盘剥,提升小农户市场接入能力。数字化赋能包含资源赋能、能力赋能与收益赋能三个层面,数字技术可以帮助小农户获取市场需求信息、优化农产品定价、拓展销售渠道,提升经营收入。
但数字赋能并非自动实现,小农户自身条件构成重要约束。部分学者指出,小农户普遍存在数字素养偏低、操作能力不足、不信任线上交易等问题,会削弱数字化转型的赋能效果。数字流通平台想要实现对小农户的有效赋能,不仅需要硬件网络支撑,还需要配套培训、政策扶持等外部保障。数字化流通带来的市场机会,只有在农户能够接纳、使用数字工具的前提下,才能转化为实际经营收益。因此,需要从农户技术采纳视角,解析数字化流通赋能效应的形成机制。
(二)TAM模型及农户数字技术采纳相关研究
技术接受模型(Technology Acceptance Model,TAM)由Davis在1989年提出,最初用于解释用户对信息系统的采纳行为,感知有用性、感知易用性是模型两大核心变量,外部变量会作用于两个核心感知变量,最终影响用户的使用行为与价值获取[1]。TAM模型被广泛应用于农村电商、智慧农业、数字平台采纳等涉农研究领域。
现有大量文献将TAM拓展,研究农户数字技术采纳的影响因素: 在农村电商采纳领域,许应楠、刘忆(2019)结合TAM与计划行为理论,研究新型职业农民参与农村电商的驱动因素,认为基础设施、政府扶持、电商认知是重要外部变量[7]。张兰婷(2025)研究发现,数字素养会显著影响农户对数字农业技术的感知易用性,进而影响农户技术采纳行为与经营绩效[6]。
在农产品直播销售领域,李琪等(2023)基于TAM模型研究农户直播带货采纳意愿,证实感知有用、感知易用正向影响农户直播销售意愿,个体数字能力作为前因变量发挥作用。王孝璱(2022)针对合作社电商采纳的实证研究表明,感知风险、外部政策支持会调节农户数字化工具的采纳决策,直接影响数字化应用带来的经营改善效果[24]。
综上,TAM模型在农户数字技术采纳研究中得到广泛验证,已有研究证实可以引入数字素养、外部政策支持作为外部前因变量,拓展模型解释力。但现有文献较少将TAM框架用于数字化流通对小农户的赋能效应研究,大多只关注农户“采纳意愿”,忽略采纳之后带来的收益、能力提升等赋能结果。本文将赋能效应作为结果变量,拓展TAM模型,探究农产品流通数字化的赋能传导路径。
三、研究假设
(一)感知有用性
感知有用性指小农户认为使用农产品数字流通平台能够改善自身经营、提升收入、拓宽销路的主观判断。当农户感知数字化流通工具能够切实解决卖货难、定价难等问题时,数字化转型带来的赋能效果会更加显著。因此提出假设: H1:感知有用性正向影响农产品流通数字化对小农户的赋能效应。
(二)感知易用性
感知易用性代表小农户主观上认为数字流通平台操作简单、容易上手。如果农户认为数字流通工具操作门槛低,更容易感知数字化带来的价值。同时,若农户认为系统简单易操作,会进一步提升其感知有用程度。据此提出假设: H2a:感知易用性正向影响感知有用性。 H2b:感知易用性正向影响农产品流通数字化对小农户的赋能效应。
(三)政策支持
农村数字基建、电商培训、补贴扶持等外部政策支持,能够降低小农户使用数字流通平台的成本,增强农户参与数字化流通的信心,提升数字化转型带来的赋能效果。因此提出假设: H3:政策支持正向影响农产品流通数字化对小农户的赋能效应。
(四)数字素养
数字素养代表小农户使用智能手机、线上平台、查询市场数据等基础数字能力。数字素养更高的农户,更容易看懂平台操作流程,更容易发现数字流通带来的市场机遇。因此提出假设: H4a:数字素养显著正向影响小农户感知有用性。 H4b:数字素养显著正向影响小农户感知易用性。 H4c:数字素养直接正向影响数字化转型对小农户的赋能效应。
综上,构建农产品流通数字化转型中小农户赋能效应理论模型(图1)。
图1 农产品流通数字化转型中小农户赋能效应理论模型
四、研究设计与实证分析
(一)问卷设计与数据收集
量表参考国内外TAM经典量表,结合小农户参与农产品数字化流通场景进行本土化修改。问卷分为两大部分,第一部分是受访者基础信息,包含农户年龄、受教育年限、经营耕地面积、从事农业年限等。第二部分为潜变量测量题项,包含赋能效应、感知有用、感知易用、数字素养、政策支持五个变量。赋能效应设置3个题项,感知有用(PU)设置3个题项,感知易用(PEOU)设置4个题项,数字素养(DL)设置3个题项,政策支持(PS)设置3个题项。问卷采用李克特五级量表,1代表完全不同意,5代表完全同意。正式调研前开展预调研,回收56份预调研样本,检验信效度并修正题项表述,形成正式问卷,见表1。
表1 农产品流通数字化赋能小农户问卷量表
| 变量 | 题项编号 | 量表题项 |
|---|---|---|
| 赋能效应(EE) | EE1 | 数字化流通渠道帮助我拓宽农产品销售渠道 |
| EE2 | 数字化流通降低了我的农产品销售中间成本,提升收入 | |
| EE3 | 数字化流通提升了我获取市场信息、议价的能力 | |
| 感知有用(PU) | PU1 | 使用农产品数字流通平台对我的农产品销售有帮助 |
| PU2 | 数字流通平台可以帮我及时掌握市场价格信息 | |
| PU3 | 使用数字平台能够提高农产品销售效率 | |
| 感知易用(PEOU) | PEOU1 | 农产品数字流通平台的操作简单易懂 |
| PEOU2 | 我可以独立完成平台上架、订单处理操作 | |
| PEOU3 | 学习使用数字流通平台对我来说难度不高 | |
| PEOU4 | 整体来看,使用数字流通平台流程简便 | |
| 数字素养(DL) | DL1 | 我能够熟练使用智能手机、线上小程序 |
| DL2 | 我能够看懂网络上农产品市场行情信息 | |
| DL3 | 我愿意学习新的线上销售操作方法 | |
| 政策支持(PS) | PS1 | 当地政府提供电商、数字销售相关培训 |
| PS2 | 本地网络、冷链等数字流通基础设施完善 | |
| PS3 | 政府对农户线上售卖农产品有扶持政策 |
本次调研面向参与电商、产地数字化平台销售农产品的小农户,在山东、河南、安徽多地乡村实地发放问卷。累计回收问卷257份,剔除填写不全、前后逻辑矛盾的无效问卷21份,最终有效问卷236份。样本基础特征:男性农户132人,占比55.93%;女性农户104人,占比44.07%;初中及以下学历占62.29%,高中/中专28.81%,大专及以上8.90%。
(二)数据分析与模型验证
(1)信度和效度检验 信效度检验用来衡量问卷测量的稳定性与有效性,本文采用SPSS26.0、AMOS24.0进行分析。采用Cronbach's α系数检验信度。问卷整体Cronbach's α系数为0.902,各变量Cronbach's α系数均大于0.8,说明量表信度良好,见表2。
表2 组合信度与收敛效度
| Construct | Item | Factor loading | Cronbach's α | AVE | CR |
|---|---|---|---|---|---|
| 赋能效应 | EE1 | 0.731 | 0.814 | 0.582 | 0.808 |
| EE2 | 0.774 | ||||
| EE3 | 0.801 | ||||
| 感知有用 | PU1 | 0.847 | 0.846 | 0.653 | 0.849 |
| PU2 | 0.823 | ||||
| PU3 | 0.748 | ||||
| 感知易用 | PEOU1 | 0.664 | 0.821 | 0.537 | 0.823 |
| PEOU2 | 0.815 | ||||
| PEOU3 | 0.736 | ||||
| PEOU4 | 0.691 | ||||
| 数字素养 | DL1 | 0.757 | 0.834 | 0.631 | 0.837 |
| DL2 | 0.891 | ||||
| DL3 | 0.724 | ||||
| 政策支持 | PS1 | 0.886 | 0.861 | 0.684 | 0.866 |
| PS2 | 0.854 | ||||
| PS3 | 0.741 |
问卷整体KMO值为0.872,Bartlett球形检验显著性p=0.000,适合开展因子分析。验证性因子分析结果显示,各变量CR值介于0.8080.866,均大于0.7;AVE值介于0.5370.684,均大于0.5,量表收敛效度达标。
表3 判别效度分析
| DL | PS | PEOU | PU | EE | |
|---|---|---|---|---|---|
| DL | 0.794 | ||||
| PS | 0.456 | 0.827 | |||
| PEOU | 0.672 | 0.331 | 0.733 | ||
| PU | 0.327 | 0.173 | 0.476 | 0.808 | |
| EE | 0.534 | 0.415 | 0.628 | 0.457 | 0.763 |
| 注:表格中粗体数字为AVE平方根。 |
判别效度判断标准:各变量AVE平方根大于该变量与其他变量相关系数。由表3,变量间相关系数最大值0.672,小于AVE平方根最小值0.733,量表判别效度良好。
(2)模型拟合检验与路径假设检验 假设检验前,先对结构方程模型整体拟合效果检验,结果见表4。
表4 模型拟合度检验
| Model | CMIN | DF | CMIN/DF | RMR | GFI | IFI | TLI | CFI | RMSEA |
|---|---|---|---|---|---|---|---|---|---|
| Default model | 227.614 | 103 | 2.210 | 0.034 | 0.911 | 0.942 | 0.935 | 0.941 | 0.069 |
模型CMIN/DF=2.210,小于临界值3;GFI、IFI、TLI、CFI全部高于0.9;RMSEA=0.069,小于0.08,模型整体拟合效果理想。
图2 模型路径系数图
模型拟合达标后,使用AMOS24.0进行路径检验,各假设检验结果如表5。
表5 研究假设检验结果
| 研究假设 | 路径关系 | Std | Estimate | S.E. | C.R. | P | 假设验证结果 |
|---|---|---|---|---|---|---|---|
| H1 | EE <--- PU | 0.174 | 0.213 | 0.098 | 2.174 | 0.029 | 支持 |
| H2a | PU <--- PEOU | 0.472 | 0.376 | 0.091 | 4.132 | *** | 支持 |
| H2b | EE <--- PEOU | 0.407 | 0.391 | 0.108 | 3.620 | *** | 支持 |
| H3 | EE <--- PS | 0.191 | 0.174 | 0.071 | 2.452 | 0.014 | 支持 |
| H4a | PU <--- DL | 0.012 | 0.009 | 0.094 | 0.097 | 0.923 | 拒绝 |
| H4b | PEOU <--- DL | 0.674 | 0.702 | 0.088 | 7.977 | *** | 支持 |
| H4c | EE <--- DL | 0.121 | 0.118 | 0.109 | 1.083 | 0.279 | 拒绝 |
| 注:***表示p小于0.001。 |
五、结论
本文以参与数字化流通的小农户样本,基于拓展TAM模型,实证检验农产品流通数字化转型对小农户的赋能效应及其传导路径,得到如下结论: (一)感知有用性与感知易用性是数字化流通实现小农户赋能的核心要素。数字化流通平台只有真正帮助农户拓宽销路、降低交易成本,农户感知到实际价值,赋能效应才会显现。同时,感知易用显著正向影响感知有用,当小农户认为数字流通平台操作简单,更容易认可数字化工具的实用价值。因此,数字流通平台需要面向小农户简化操作界面,降低使用门槛,减少复杂填报流程,适配农户使用习惯。
(二)政策支持对数字化的小农户赋能效应存在显著正向作用。政府开展电商培训、完善农村网络、冷链物流等基础设施,配套扶持政策,能够有效改善外部环境,放大数字化流通的赋能效果。单纯依靠市场平台难以解决小农户数字化转型短板,需要持续完善县域农产品数字流通公共服务体系。
(三)小农户数字素养的作用体现为间接传导机制。数字素养显著提升农户感知易用性,但是数字素养无法直接作用于赋能效应,也不能显著提升感知有用性。数字素养高的农户更容易学会平台操作,但仅仅会操作,并不一定能够直接转化为增收、市场能力提升。小农户想要获得数字化红利,不仅需要基础数字操作能力,还需要市场认知、品牌运营等配套能力。这说明数字赋能不是简单教会农户使用手机,需要配套市场经营类培训。
本研究同样存在局限:样本集中在中部、华东区域,地域覆盖面有限,后续研究可以扩大调研区域,进一步开展不同经营规模、不同品类农户的异质性分析。
参考文献
[1]Davis F D.Perceived usefulness,perceived ease of use,and user acceptance of information technology[J].MIS quarterly,1989:319-340.
[2]张兰婷.数字技术采纳对小农户融入现代农业的影响研究[J].农业现代化研究,2025,46(02):245-254.
[3]许应楠,刘忆.乡村振兴下新型职业农民参与农村电子商务发展影响因素研究——基于TAM和TPB理论[J].江苏农业科学,2019,47(12):312-317.
[4]王孝璱.农民合作社电商采纳行为分析——基于整合的技术采纳模型[J].农业现代化研究,2022,43(1):118-127.
[5]周锦,张兵.数字平台赋能小农户融入农产品现代流通体系的机制研究[J].中国农村经济,2023(5):67-84.