中国农村基本公共服务供给水平时空分异及影响因素研究

周利平， 李 翔， 苏 红， 周祉艺

（1.江西农业大学 人文与公共管理学院， 江西 南昌 330045；2.华东交通大学 马克思主义学院， 江西 南昌 330013；3.江西经济管理干部学院， 江西 南昌 330088）

大力发展农村基本公共服务对于有序推进乡村振兴战略和巩固脱贫成果具有重要意义[1-2]，但农村基本公共服务供给无论在总量上还是在效率方面均低于城市，且供给“碎片化”问题突出[3]，已成为实施乡村振兴战略的短板和推进农业农村现代化的弱项。对此，党和政府先后出台了一系列优惠政策，加大了对农村基础公共服务的投入。2017、2019和2021年中央“一号文件”均指出要“提升农村基本公共服务水平”。《“十四五” 公共服务规划》进一步突出了农村基本公共服务供给的重要性。现有研究表明，加大农村基本公共服务供给力度不仅有利于提升农村居民幸福感[4]，增强农村居民的福利水平[5]，还有益于促进农村消费增长[6-7]，抑制农村贫困[8-10]，促进农业发展[11]。因此，本研究的核心问题是：中国农村基本公共服务供给水平如何？分布动态如何？区域差异如何演化？差异来源于哪些方面？差异演化受哪些因素影响？上述问题的研究不仅有助于增进对中国农村基本公共服务供给现状、分布格局以及动态演变规律的宏观认知，也可根据农村基本公共服务供给水平的地区差异、影响因素制定出差异化的区域发展政策，对于完善农村基本公共服务具有重要的理论与现实意义。

目前学界对基本公共服务的探索日渐完善，形成了大量研究成果，主要包括以下三个方面。第一，基本公共服务综合评价。省域尺度层面，李华和董艳玲[12]基于教育、基础设施、公共文化、医疗卫生、科学技术、公共安全、社保就业、环境保护8个维度的指标，测度了中国各省区市基本公共服务供给水平。陈聪[13]从基础设施、公共卫生、社会保障、基础教育、公共文化5个维度构建了农村公共品供给评价体系，并对中国31个省份的农村公共品供给水平进行了综合评价。城市尺度层面，王亚飞和廖顺宝[14]从基础教育服务、医疗服务、交通服务、生活设施服务、环境服务5个方面构建了评价指标体系，测算了河南省各地市基本公共服务的发展水平。张彦彦和胡善成[15]从公共文化教育、医疗卫生、社会保障、公共设施与生态保护5个方面构建了评价指标体系，测度了中国城市公共服务供给水平。第二，基本公共服务供给水平地区差异研究。区际层面，李继霞等[16]分析了中国农村基本公共服务供给质量的时空分布特征，研究发现区域差异显著。省域层面，任强[17]利用基尼系数对公共服务水平差异进行测度，发现中国省域公共服务水平的差异不断扩大。王洛忠和李帆[18]运用基尼系数衡量了中国基本公共文化服务地区差异。市域层面，窦思敏等[19]运用泰尔指数测量了中国东部沿海地区基本公共服务的差异。第三，基本公共服务供给影响因素研究。豆建民和刘欣[20]、杨晓军和陈浩[21]、辛冲冲和陈志勇[22]运用空间面板模型分别从经济发展水平、政府干预、财政自主能力、城镇化水平等方面探讨了其对基本公共服务的影响。

毫无疑问，已有研究对认识中国农村基本公共服务供给提供了较为深入的洞见，但在评价指标、研究对象、研究内容和研究方法上仍然存在进一步探讨的空间。一是在农村基本公共服务供给评价方面，现有文献在构建评价指标体系时往往忽视对信息通信类指标的考量，难以对农村基本公共服务供给水平进行准确度量和评价。事实上，自2013年中国提出“宽带中国”战略以来，信息通信服务的公共属性不断凸显，已成为公共服务评价体系中不可或缺的一个维度[23]。因此，在评价农村基本公共服务供给水平时，信息通信类指标应该有所考虑。二是在研究内容上，现有研究对基本公共服务供给的空间格局的观测仅关注区域差异的存在性，鲜有研究识别差异的来源，也没有很好地考察其影响因素。三是研究方法方面，现有文献常采用的泰尔指数、基尼系数、变异系数、熵值法等方法仅能考察研究对象的客观存在性及程度，难以科学地识别差异的来源。而Dagum基尼系数不仅能了解差异的来源，而且能探查由于样本数据交叉对总体差异产生的影响。此外，既有文献大多基于传统的面板数据模型识别基本公共服务供给水平的影响因素，然而这些传统模型忽视了基本公共服务供给的空间关联性，影响了对结果的判断。其实，地区间存在不同程度的空间相关性，因此在分析影响因素时纳入空间因素可使估计结果更为可信[24]。

基于上述分析，本研究首先结合农村基本公共服务的内涵，构建农村基本公共服务供给水平综合评价指标体系，利用熵权法对其真实水平进行评价；其次，基于Kernel密度估计和标准差椭圆技术揭示中国农村基本公共服务供给水平的空间格局演变特征；再次，运用Dagum基尼系数和方差分解分析农村基本公共服务供给的空间、结构差异及其差异来源；最后，使用空间计量模型考察农村基本公共服务供给水平的影响因素。相较于以往研究，本研究边际贡献可能有：第一，在指标构建上，考虑到信息通信的作用，将这类指标纳入中国农村基本公共服务供给水平评价指标体系；第二，在研究内容和方法上，从时空两个层面，运用Kernel密度估计和标准差椭圆技术揭示中国农村基本公共服务供给水平的演化规律，从地区差异和结构差异双重视角出发，采用Dagum基尼系数和方差分解法探究农村基本公共服务供给水平的差异及其来源；第三，在应用价值上，通过对中国31个省份农村基本公共服务供给水平的全方位、多角度的考察，不仅为提升中国农村基本公共服务供给程度和促进地区均衡发展提供理论依据与现实支撑，更为立足于基本公共服务推动农业农村高质量发展提供决策参考。

1 研究方法与数据来源

1.1 指标体系构建

考虑到相关数据的连续性与可得性，参考现有文献[34]，基于农村基本公共服务内涵，在借鉴现有研究成果[29,35]的同时根据信息通信对基本公共服务内涵的拓展，本研究构建了农村基本公共服务供给水平综合评价指标体系（见表1）。

表1 农村基本公共服务供给水平综合评价指标体系Table 1 Evaluation index system of rural basic public service supply level

1.2 研究方法

1.2.1 农村基本公共服务供给水平计算

由于农村基本公共服务供给水平综合评价指标体系中的各个指标量纲不同，为使各指标能够进行比较，使用极差法对各指标原始数据进行标准化处理。为了避免标准化数据为0导致熵值取对数无意义的情况，对标准化后数据进行平移处理，平移幅度为0.000 01。具体方法为

其中，i代表省份，j代表指标，λij值为对原始数据标准化后的结果。

指标权重在评价研究中发挥着至关重要的作用，对评价结果有重要且直接的影响。本研究采用熵权法确定指标权重，计算公式为

本研究采用加权求和法计算农村基本公共服务供给水平RPS，

1.2.2 核密度分析

核密度分析被广泛应用于空间非均衡分析。本研究使用高斯核函数测度农村基本公共服务供给水平的概率密度，并对其分布动态进行可视化描述。表达式为

1.2.3 标准差椭圆

标准差椭圆分析方法是一种可以精确揭示空间分布的扩散方向与离散程度等规律的空间统计方法，利用标准差椭圆的长、短半轴和分布重心来体现所研究对象的空间特征，本研究参照文献[27]进行标准差椭圆分析。

1.2.4 Dagum基尼系数

本研究参照文献[28]，采用Dagum基尼系数法测度中国中部、西部和东部地区农村基本公共服务水平的地区内差异和地区间差异，并对其进行深层次分析。

1.2.5 方差分解法农村基本公共服务供给水平结构差异的构成来源于信息通信、公共设施、公共教育、医疗卫生、社会保障、文化娱乐、环境保护7个维度，本研究参照文献[29]，运用方差分解法考察其结构差异成因。

1.2.6 空间计量模型

根据已有研究成果，从以下几个方面对农村基本公共服务供给水平影响因素进行分析：

（1）经济发展水平（EDL）采用地区生产总值表示，有研究发现地区经济发展水平可以促进基本公共服务水平的提高[36]。（2）财政自主能力（FA）

采用财政覆盖率衡量，以地区预算收入与地区预算支出的比值代表，有证据表明财政自主力越强的地区提高本地基本公共服务水平的能力越强。

（3）城镇化水平（UR）

以各地区城镇人口与地区总人口的比值代表城镇化率[37]，城镇化进程与基本公共服务的水平和规模相适应[38]。

（4）产业结构（IS）

以第三产业与第一、二产业增加值之比表示，高级化的产业结构通过降低交易成本、促进人力资本积累以及增加消费需求等方式提高公共服务水平[39]。

（5）数字金融普惠水平（IFI）

采用北京大学数字金融研究中心2021年公布的数字普惠金融指数代表，数字金融普惠水平关系着基本公共服务供给的资金及资金成本。良好的金融环境能够给公共服务供给提供强大的资金支持。

（6）交通发展水平（RD）

采用公路里程代表，较高的交通发展水平有助于提高公共服务设施的可达性，进而提高公共服务供给水平。

为检验农村基本公共服务供给水平影响因素及其空间溢出特征，使用Stata 14.0软件，以31省0-1邻接空间矩阵作为空间权重矩阵，并对矩阵进行标准化处理，使用Belotti等开发的xsmle命令，将农村基本公共服务供给水平设置为因变量，将经济发展水平、财政自主能力、城镇化水平、产业结构、数字金融普惠水平、交通发展水平等6个影响因素设置为自变量，分别得出影响因素对农村基本公共服务供给水平的空间误差模型、空间滞后模型、空间杜宾模型回归结果。

1.3 数据来源

本研究的相关数据取自2016—2020年《中国统计年鉴》《中国农村统计年鉴》《中国教育统计年鉴》《中国人口统计年鉴》《中国文化文物和旅游统计年鉴》《中国文化及相关产业统计年鉴》《中国卫生健康统计年鉴》，未包含香港、澳门、台湾的相关数据。对部分年份或地区的数据缺失问题,本研究通过手动汇总各省统计局门户网站、地方政府工作通报以及部分统计年鉴数据的方式补全,或采用插值补全。

2 结果与分析

2.1 中国农村基本公共服务供给水平空间格局

采用自然间断点分级法对2016和2020年中国各地区农村基本公共服务供给水平进行划分，包括无数据省份共分为5个等级，如图1所示。

图1 2016与2020年中国农村基本公共服务供给水平空间格局Figure 1 Spatial pattern of China’s rural basic public service supply in 2016 and 2020

2016—2020年各地农村基本公共服务供给水平均有显著提升，2020年农村基本公共服务供给水平均值为0.189，与2016年的0.149相比提高了27%，总体处于快速提升阶段。2016年，农村基本公共服务供给水平较高的省份有新疆、青海、甘肃、西藏、宁夏、上海、浙江、福建和北京，主要集中在中国东南沿海和西部地区，整体上形成了“两边高、中间低”的空间格局；22个省份属于农村基本公共服务供给水平较低地区，占全部省份的71%，广泛分布于中国东部和中部地区。2020年，农村基本公共服务供给水平较高省份的数量上升为25个，各省份农村基本公共服务供给水平都有不同程度的提高，空间分布呈现巨大变化，高值区域以西藏、北京、福建3地为辐射核心逐渐向周边蔓延，并形成了高值族群，农村基本公共服务供给水平集群增长趋势明显。

2.2 中国整体及三大区域农村基本公共服务供给水平的时空演变

2.2.1 农村基本公共服务供给水平时间演变

为考察农村基本公共服务供给水平绝对差异的动态特征，运用核密度法展示中国农村基本公共服务供给水平分布的位置、形态、延展性和极化等特征，具体见图2。

图2 中国整体及三大区域农村基本公共服务供给水平核密度图Figure 2 Nuclear density map of the supply level of basic public services in rural areas across China and three major regions

2.2.1.1 整体层面的Kernel核密度估计

整体层面的分布曲线中心表现为右移趋势，主峰在2016—2019年逐年增高，2020年回落，宽度增加，表明中国整体农村基本公共服务供给水平正在上升，地区间差异呈扩大趋势。分布曲线右拖尾并收敛，表明全国范围内供给水平两极差距逐渐缩小。从波峰变化来看，分布曲线经历了由双峰向多峰的转变，说明全国范围的农村基本公共服务供给水平正在经历由两极分化向多级分化的转变。

2.2.1.2 三大区域层面的Kernel核密度估计

从分布曲线位置看，三大区域的分布曲线均呈现右移趋势，说明三大区域的农村基本公共服务供给水平均有所提升。从曲线形态来看，东部地区的分布曲线主峰高度于2018年达最高点，宽度增加，表明东部地区农村基本公共服务供给水平绝对差异在2018年达到峰值后下降，总体呈现下降趋势；中部地区的主峰高度呈下降态势，宽度变大，说明中部地区的绝对差异下降，但离散程度增加；西部地区分布曲线主峰高度于2019年达到最高点后下降，宽度逐渐变大，表明西部地区的绝对差异呈现先上升后下降的趋势，各省份间绝对差异逐渐扩大。从分布延展性来看，东部和西部地区的分布曲线向右拖尾，而中部地区则没有，且东部与西部地区的分布延展性在研究期内呈现拓宽趋势，中部地区的分布曲线延展性则在研究期内先收敛再拓宽，说明东、西部地区农村基本公共服务供给水平较高省份与较低省份存在差距且差距在不断扩大，而中部地区农村基本公共服务供给水平较高省份与较低省份在研究期内的差距存在波动，先缩小后扩大，总体上呈现小幅度扩大态势。从波峰变化来看，东部和西部地区分布曲线在研究期内均由“一主一侧”双峰向“一主多侧”多峰演变，表明东部和西部地区农村基本公共服务供给水平存在由两极分化向多级分化演变的趋势；中部地区分布曲线在研究期内由双峰向单峰演变，表明中部地区的内部差异正在下降。

2.2.2 农村基本公共服务供给水平空间演变

本研究利用标准差椭圆，以农村基本公共服务供给水平为权重，计算2016—2020年中国各省区市农村基本公共服务供给水平的分布重心，分析其空间演变情况。如表2所示，2016—2020年中国各省区市农村基本公共服务供给水平的分布重心经度变化范围为109°28′04.6"E—110°08′56.1"E，纬度变化范围为33°27′25.9"N—33°40′43.6"N。从分布范围来看，2016—2020年农村基本公共服务供给水平空间分布范围在波动中呈现扩大的趋势；从方位角变化来看，农村基本公共服务供给水平的方位角由 2016年的83.14°增加到2020年的83.31°；从分布重心来看，研究期内有明显的分布重心移动，2016—2020年农村基本公共服务供给水平标准差椭圆分布重心先向西南方向移动5.93 km，再向西南方向移动30.05 km，随后向东北方向移动7.19 km，最后向西北方向移动43.19 km。

表2 中国农村基本公共服务标准差椭圆相关参数Table 2 Relevant parameters of standard deviation ellipse of basic public services in rural China

标准差椭圆的轴长反映农村基本公共服务供给水平空间上的分布范围，长轴、短轴的分布则可以反映其离散程度，从表2可以看出，2016—2020年中国农村基本公共服务供给水平的标准差椭圆长半轴和短半轴均呈波动增加态势，表明农村基本公共服务供给水平标准差椭圆在“西南—东北”和“东南—西北”方向上有轻微扩散现象，

2.3 中国农村基本公共服务供给水平的空间差异及结构差异

2.3.1 空间差异及其来源

使用Dagum基尼系数对中国农村基本公共服务供给水平的总体差异、地区内差异、地区间差异及超变密度进行测度，揭示地区差异的大小及其主要来源，结果如图3所示。

图3 农村基本公共服务供给水平Dagum基尼系数Figure 3 Dagum Gini coefficient of rural basic public service supply level

2.3.1.1 总体差异

研究期内，农村基本公共服务供给水平的基尼系数为0.131 6∼0.149 1，2016—2017 年呈下降趋势，由0.133 9下降至0.131 6，下降幅度为1.72%；2018年微弱上升至0.131 7；2019年下降至0.128 3，降幅为2.58%；2020 年逆势上扬，上升为0.149 1，增幅为16.21%。总体来看，2020 年基尼系数比2016 年上升了11.35%，总体差异正在扩大。

2.3.1.2 地区内差异

东部地区的地区内差异呈波动上升趋势，基尼系数整体上升了0.001 7；2016—2019年呈平稳下降趋势，基尼系数由0.088 0下降至0.079 9，降幅为9.20%；2020年基尼系数上升至0.089 7，增幅达13.51%。中部地区的地区内差异也呈波动上升趋势，基尼系数总体上升了0.003 7；2016—2017 年基尼系数由0.041 3 上升至0.050 1，升幅为20.31%，为研究期内最高值；2018年下降至0.044 6，降幅为10.98%；而后经历小幅度上升后回落至2020年的0.045 0。西部地区的地区内差异呈“V”字型变化，其基尼系数于2017年落至研究期内最低点0.181 0，随后逐年上升，整体上升了0.027 1，增幅为14.29%。表明中国农村基本公共服务供给水平的空间非均衡性呈上升趋势。

2.3.1.3 地区间差异

从差异数值来看，东、西部和中、西部的地区间差异较大，其基尼系数分别为0.151 3∼0.187 7和0.150 5∼0.172 8，可见西部与其他地区的区域间差距较大，东、中部的地区间差异较小。从演变趋势来看，东、中部的地区间差异总体呈下降趋势，东、西部和中、西部的地区间差异总体呈上升态势。具体来看，东、中部的地区间差异表现为“先稳步下降，后触底上扬”的变化趋势，2016—2019年稳步下降，基尼系数从0.082 5下降至0.075 5。东、西部的地区间差异则表现为“稳步下降—小幅波动—触底回升”的变化趋势，2016—2017年稳步下降，基尼系数从0.154 7下降至0.152 6；2017—2019年小幅波动，但仍为下降趋势，基尼系数下降至0.151 3；2020年上升至0.187 7，增幅为24.05%。中、西部的地区间差异呈“W”字型变化，研究期内基尼系数由0.156 5上升至0.172 8，增幅为10.41%。综合来看，中国东、中部的地区间差异在逐渐减少，而东、西部和中、西部的地区间差异在逐渐增大。

2.3.1.4 差异来源及贡献

为揭示中国农村基本公共服务供给水平差异来源，本研究分别计算了地区内差异、地区间差异和超变密度的贡献率。总体上，地区内差异的贡献率在33%上下波动，说明地区内农村基本公共服务发展较为平稳。地区间差异贡献率与超变密度贡献率则呈现两种极端情况，且地区间差异的贡献率明显高于超变密度，说明农村基本公共服务供给水平的主要差异来源是地区间差异。

2.3.2 结构差异及其分解

图4反映了2016—2020年农村基本公共服务供给水平总体差异结构分解的动态情况。从整体来看，环境保护是农村基本公共服务供给水平结构差异的主要来源，而信息通信和社会保障造成的结构差异对其贡献较小。研究期内，各类要素差异贡献的变化态势有所不同。环境保护差异的贡献率由2016年的56.59%下降至2020 年的29.16%，虽然贡献率较高，但呈显著下降趋势。文化娱乐差异的贡献率同样呈显著下降趋势，由12.24%下降至7.58%。信息通信差异和社会保障差异一直保持较低水平的贡献率，并呈下降趋势，信息通信差异贡献率由0.28%下降至0.23%，社会保障差异贡献率由0.64%下降至0.29%。公共设施差异、公共教育差异和医疗卫生差异的贡献率则呈上升趋势，其中医疗卫生差异的贡献率上升幅度最大，上升27.60%；其次为公共设施差异，上升3.57%；公共教育差异贡献率上升1.32%。

图4 中国整体及三大地区农村基本公共服务供给水平结构差异分解Figure 4 Decomposition of the structural differences in the supply level of basic public services in rural areas across China and three major regions

分地区来看，东部地区的公共设施对结构差异的贡献率最高，而环境保护差异的贡献率最低。就变化趋势而言，公共设施、公共教育、环境保护对结构差异的贡献率均呈波动上升趋势，分别增长了17.33%、9.06%、8.10%。信息通信、医疗卫生、社会保障和文化娱乐差异的贡献率呈下降趋势，分别下降了2.02%、1.79%、7.94%和22.74%。此外，环境保护差异的贡献率在研究期内由负转正，说明其在部分年份对东部地区农村基本公共服务供给水平结构差异起抑制作用。中部地区结构差异主要来源于公共设施，其贡献率为37.74%。信息通信差异的贡献率最低，其贡献率为1.65%。从变化趋势看，信息通信差异、公共设施差异、公共教育差异、社会保障差异的贡献率均呈波动上升态势，分别增长了2.51%、10.74%、5.14%、0.78%。信息通信差异的贡献率虽有波动，但其在大部分年份对中部地区农村基本公共服务供给水平差异起抑制作用。医疗卫生、文化娱乐和环境保护对结构差异的贡献率均呈下降趋势，分别下降了5.27%、0.68%和13.21%。西部地区结构差异的主要来源是环境保护，其贡献率为49.22%。社会保障差异的贡献率最低，其贡献率为-0.52%，其在研究期内一直对西部地区农村基本公共服务供给水平结构差异起抑制作用。从变化趋势来看，信息通信、公共设施、公共教育、医疗卫生、社会保障对结构差异的贡献率均呈波动上升态势，分别增长了0.32%、3.24%、1.46%、30.54%、0.22%。文化娱乐差异和环境保护差异的贡献率呈下降态势，分别下降了1.84%和33.96%。可以看出，西部地区差异结构与整体非常接近，说明其对整体的差异结构影响较大。

2.4 中国农村基本公共服务供给水平影响因素

2.4.1 空间相关性检验

运用空间计量模型前必须检验研究对象的空间关联性。本研究采取Moran′sI指数考察中国农村基本公共服务供给水平是否存在空间相关性。如表3所示，2016—2020年农村基本公共服务供给水平的Moran′sI指数为0.246 ∼ 0.288，且P< 0.01，说明研究期内农村基本公共服务供给水平表现为显著的空间自相关。

表3 2016—2020年农村基本公共服务供给水平Moran′s I指数Table 3 Moran′s I index of rural basic public service supply level from 2016 to 2020

2.4.2 影响因素检验

将农村基本公共服务供给水平作为被解释变量，以经济发展水平、财政自主能力、城镇化水平、产业结构、数字金融普惠水平、交通发展水平为解释变量，进行空间计量模型估计。使用LM检验确定模型是否存在空间效应，LM（error）和LM（lag）的检验结果分别为6.937（P< 0.01）和5.066（P< 0.05），模型存在显著的空间效应。然后使用LR检验空间杜宾模型（SDM）是否会退化为空间滞后模型（SAR）或空间误差模型（SEM），统计结果显示，LR chi2(6)分别为10.99、11.43，均拒绝原假设（P< 0.1），即空间杜宾模型(SDM)不会退化为空间滞后模型(SAR)或空间误差模型（SEM）。结果表明，空间杜宾模型（SDM）为最优模型，本研究将基于空间杜宾模型（SDM）对农村基本公共服务供给水平的影响因素进行分析，并对其余模型进行稳健性检验，以作参考。

表4中，经济发展水平的系数为0.000（P< 0.01），而其空间滞后项系数未通过显著性检验，表明经济发展水平能显著提升农村基本公共服务供给水平，但对周围省份的农村基本公共服务供给水平没有显著影响；财政自主能力和城镇化水平的系数分别为-0.167（P< 0.01）和-0.335（P< 0.01），空间滞后项系数均未通过显著性检验，表明地区财政自主能力和城镇化水平会显著抑制农村基本公共服务供给水平的提高，不过不会影响周围省份的农村基本公共服务供给水平，这可能是因为地方财政自主能力的加强及城镇化水平的提高会促使地方政府加大对城镇基本公共服务的供给，而忽略对农村地区基本公共服务的完善；产业结构的系数未通过显著性检验，但其空间滞后项系数为-0.043（P< 0.1），说明农村依旧以农业生产为主，产业结构的优化还难以对农村基本公共服务供给水平产生影响，但会造成周边省份的农村基本公共服务供给水平下降；数字金融普惠水平的系数为-0.000（P< 0.05），其空间滞后项系数为0.000(P> 0.05)，表明数字金融普惠水平对农村基本公共服务供给水平具有显著的抑制效应，但数字金融普惠水平的上升会对周边省份形成正向溢出效应；交通发展水平系数为-0.003(P< 0.01)，且其空间滞后项系数为-0.001(P< 0.05)，说明交通发展水平会使农村基本公共服务供给水平显著下降，同时对邻近省份的农村基本公共服务供给水平造成负向空间溢出效应，这可能是因为较高的交通发展水平会使农村居民更容易直接获取城镇的基本公共服务，进而令地方政府忽视对农村基本公共服务的供给。

表4 影响因素运行结果Table 4 Operating results of influencing factors

3 结论与建议

本研究从农村基本公共服务供给水平的时空演变、空间差异、结构差异等多个方面详细分析了农村基本公共服务供给的现状，并得出制约其提升的主要影响因素。结论如下：

（1）2016—2020年，农村基本公共服务供给水平均明显上升；省域间绝对差异有扩大态势；农村基本公共服务供给水平较高省份和较低省份间的发展差距呈现缩小趋势；全国范围的农村基本公共服务供给水平正在经历由两极分化向多级分化的转变，而中部地区的内部差异呈下降趋势。农村基本公共服务供给水平分布标准差椭圆呈现向“西南—东北”和“东南—西北”方向扩散的趋势，分布重心呈现偏西向南的移动走势。

（2）农村基本公共服务供给能力空间差异表现为增长态势。东、中部农村基本公共服务供给水平的地区间差异在逐渐减少，而东、西部和中、西部的农村基本公共服务供给水平的地区间差异呈现上升趋势。在差异来源方面，农村基本公共服务供给水平空间差异主要来源于地区间差异。在结构差异来源方面，环境保护差异是中国农村基本公共服务供给水平总体差异的主要结构来源。东部地区的差异主要来源于公共设施差异、文化娱乐差异和公共教育差异；中部地区的公共设施问题最为突出；西部区域的环境保护差异对结构差异的影响最大。

（3）经济发展水平对农村基本公共服务供给水平有显著的正向影响，财政自主能力、城镇化水平、数字金融普惠水平和交通发展水平对农村基本公共服务供给水平有显著的负向影响，其中，数字金融普惠水平会显著促进周边地区的农村基本公共服务供给水平，交通发展水平则会有效抑制周边地区的农村基本公共服务供给水平，产业结构对农村基本公共服务供给水平的影响不显著。

为提高中国农村基本公共服务供给水平，推动农业农村高质量发展，在上述研究结论的基础上，本研究提出以下建议：

（1）重视农村基本公共服务供给水平的非均衡性问题。由农村基本公共服务供给水平的时间、空间演变可以看出其具有空间非均衡性特征，且各地农村基本公共服务供给水平的空间非均衡性将长期存在。因此需要各省份正视农村基本公共服务的短板，不断提高农村基本公共服务的供给水平。

（2）关注农村基本公共服务供给水平的差异问题。由于地区间差异是空间差异的主要来源，因此要重点加强东部与西部、中部与西部的区域间交流合作，做好地区间的资源配置。充分发挥农村基本公共服务供给水平较高地区的示范作用和空间溢出效应，带动周边地区农村基本公共服务供给水平的不断提高，推动农村基本公共服务的地区间共享。在结构差异上，环境保护是农村基本公共服务供给水平的主要结构差异来源，应该注重生态环境的保护，减少洪涝、干旱、沙尘暴等生态灾害，全面开展农村生态环境整治，推进村庄道路、厕所、医疗设施等建设，补齐农村基础设施短板，缩小农村基本公共服务总体差异。

（3）重视经济发展水平对农村基本公共服务供给的促进作用。充足的财力是各地农村基本公共服务供给的重要支撑，而经济发展水平决定了一个地区地方政府的财力。可加大对当地特色农业产业的扶持，将资源进一步向农业产业倾斜，推动形成省域间农业产业全产业链，实现农业产业经济良性发展，为农村基本公共服务供给提供经济支撑。