中国数字农业发展的区域差异、时空特征与驱动因素识别

周恩宇，赵浪

（1.贵州大学经济学院 贵阳 550025；2.贵州大学西部现代化研究院 贵阳 550025）

1 问题的提出

党的二十大报告提出要着力提高全要素生产率，推动经济实现质的有效提升和量的合理增长；数字经济作为一种新型经济形态通过优化资源配置路径提高全要素生产率，将为高质量发展提供新动能[1-2]。数字农业作为数字经济发展的一大主要内容，是提升农业生产效率的重要方向[3]，能够实现农业经济集约化发展，对经济实现质的提升和量的增长有重要贡献作用；且在“数字中国”建设助推下，数字农业能够打破原有粗放式发展模式，通过推动产业数字化转型，催生新产品、新模式和新业态，驱动经济高质量发展[4]。因此，科学评价我国数字农业发展水平，探索区域差异与空间分异以及驱动因素的识别，对于我国区域联动发展以及通过区域协调发展样板间打造促进经济高质量发展有重要现实意义。

数字农业作为建设“数字中国”的重要内容，在当下已然成为学术圈的一大研究热点。通过系统性梳理文献发现，相关研究主要聚焦于数字农业助推高质量发展[5]；数字农业驱动乡村振兴发展[6]；数字农业发展路径[7]；数字农业与数字普惠金融联动发展[8]；可以发现相关研究多为理论机制探讨；关于数字农业发展水平评价，肖艳等[9]从数字生产、科技创新、效益水平、产业多元融合、信息化发展5个方面构建数字农业发展评价指标，并以吉林省为例对其数字农业高质量发展水平进行测度；张鸿等[10]从数字农业发展环境、数字农业信息基础、数字农业人才资源、数字农业技术支持、数字农业绿色发展、数字农业产业效益6个方面对全国数字农业高质量发展水平进行测度，可以发现当下关于数字农业发展水平评价研究甚少，更多的是聚焦农业农村现代化[11]；数字乡村[12]；数字经济[13]的发展水平进行测算。在数字农业的驱动因素研究方面，当下并未有学者对其展开系统性探究，与之相关的多为农业现代化的驱动因子研究，有学者认为中国农业现代化水平受制于资源禀赋、宏观环境、资金投入、经济结构等[14]，有学者认为城镇化水平、科技水平、教育投入和经济发展水平能够显著正向影响农业现代化发展水平[15]，也有学者认为技术进步、城镇化、农作物种植结构、农产品对外开放度和经济发展水平对省域农业现代化水平起主导作用[16]。

既往相关学者的研究基础为本文指出研究方向，但仍具有进一步研究可能性。对于数字农业发展的影响因素多为定性研究，鲜有学者运用标准差椭圆与地理探测器模型对数字农业发展水平时空分布特征与驱动因素进行定量上探索。基于此，本文的边际贡献在于：基于当下对数字农业的内涵研究，提出本文对数字农业的理解，从数字农业基础设施、数字农业发展转型、数字农业产业化水平、农业数字化水平4个维度构建相对系统性评价指标体系，运用熵值法测算2015—2021年中国数字农业发展水平，并运用Dagum基尼系数、标准差椭圆揭示中国数字农业发展区域差异与时空动态演变特征，紧接着借助地理探测器模型进一步探索数字农业发展的驱动因子，为我国数字农业高质量发展政策制定提供科学依据。

2 数字农业内涵及指标体系构建

2.1 数字农业的内涵界定

关于数字农业的内涵研究，早在20世纪90年代美国提出“数字地球”的概念，数字农业也就是此概念的延展和具体应用[17]，此后，学者们在互联网技术、网络化与精细化管理、信息技术集约化等方面对数字农业的内涵展开了研究。高亮之[18]是国内较早对数字农业展开相关研究的学者，主要对数字农业的含义、数字农业与高新技术的关系以及数字农业对我国农业发展的影响展开阐述。曹宏鑫等[19]认为将农业生产过程全方位数字化是数字农业的重要内容,即在农业生产系统内,农业的生物、环境、技术和经济等过程的全面数字化。葛佳琨等[20]认为数字农业是在高新技术支持下的集约化、信息化的全新农业模式,将多种高新技术深度融合,进而在农业生产过程中,能够及时获取与农作物有关的各种信息,提高产品品质,进一步对生态环境进行保护。夏玉林等[21]从宏微观角度出发对数字农业进行内涵界定，宏观的数字农业指利用互联网信息技术赋能传统农业，使农业供应链实现智能化、机械化及物联网化发展，提升农业生产效率；微观的数字农业指将数字技术或数据作为农业新生产资料，使农业产业链实现可视化、数字化与智能化发展。马红梅等[22]认为数字农业是指对农业的各项生产要素进行网络化与精细化管理，实现农业生产过程的智能化。因此，结合学者们的观点，本文认为数字农业应以农村数字信息基础设施为依托，秉持绿色发展理念共促农业发展转型，最终实现数字农业产业化以及农业数字化发展，引领农业农村高质量发展。

2.2 指标体系构建

数字农业发展水平评价指标的构建应建立在以廓清内涵为前提、立足现实为落脚点[23]，依据数据的可获得性、全面性、系统性以及科学性为原则对数字农业发展水平评价指标进行遴选。因此，本文最终构建出包含4个维度19个变量数字农业发展水平评价指标体系，如表1所示。其中选取数字建设投入力度[24]、农村通邮率[25]、农村电脑普及率[23]、农村移动电话普及程度[26]、农村互联网普及率[27]、农村物流建设水平[16]、农业气象观测站数量[23]7个指标衡量数字农业基础设施水平；数字农业发展转型主要选取单位产值化肥使用量、单位产值农药使用量、单位产值塑料薄膜使用量[10]、有效灌溉率[16]、农业机械化水平[11]5个指标衡量；农村网络支付水平、农村邮政服务水平[28]、农业农村数字基地[12]、农民数字化服务消费水平[29]4个指标则主要衡量数字农业产业化水平；农业数字化水平的衡量由农产品数字化交易额[29]、农业生产投资额、农产品信息数字化程度3个指标构成[28]。

表1 数字农业发展水平指标体系Table 1 Indicator system for the level of development of digital agriculture

3 研究方法

3.1 熵值法

① 由于各项指标单位及属性不同，需对指标数据进行标准化处理，正向指标越大越好，负向指标越小越好:

其中Mij代表第i省份第j项指标的原始值，Mij为标准化后的结果。

②构建规范化矩阵P（式中n表示年份）

③计算第j项指标的熵值：

④计算信息熵冗余度：

⑤计算各项指标权重值（式中x为指标数量）：

⑥计算中国31省的数字农业发展水平指数：

3.2 Dagum基尼系数及分解法

由于中国各个区域的经济发展环境不同，致使各个区域的数字农业发展水平存在差异性，为了能够体现出各个区域的数字农业发展差异变化，本文运用Dagum基尼系数及分解法对中国数字农业发展水平的区域差异进行探索。

式中的G是总体基尼系数，其中n是省份个数，k是区域个数，而i、r表示区域内省份个数，nj(nh)是j(h)区域内省份个数，yji(yhr)表示j(h)区域内的省数字农业发展水平值，yˉ则表示我国数字农业发展水平均值。其中Gw表示j(h)区域内数字农业发展水平分布差异，Gnb表示j和h地区之间数字农业发展水平差距，Gt则表示各个地区之间数字农业发展水平交叉影响的剩余项；具体关系为G=Gnb+Gw+Gt，其计算方式如式（9）—（13）：

其中式（14）表示的是j、h区域之间数字农业发展水平的相对影响，式（15）中Djh表示j、h区域数字农业发展水平值的差距，即j、h地区中所有yji-yhr>0的样本值加总的加权平均数；式（16）中pjh则表示超变一阶距，即j、h地区中yhr-yji>0的样本值加总的数学期望。

3.3 标准差椭圆

标准差椭圆是借助ArcGIS通过重心坐标以及其他基本参数探索要素空间分布特征空间分析方法[30]，借此本文将运用标准差椭圆模型揭示我国数字农业发展的空间分异特征，具体计算公式如下：

式（17）—（20）中的G（x,y）为数字农业发展的重心坐标；n为省份个数；与分别为各研究对象区位到平均中心的坐标偏差；∂x和∂y分别为沿x轴和y轴的标准差；xi与yi为数字农业分布的空间区域；wi为权重；θ为椭圆方位角，表示椭圆正北方与长轴之间的夹角。

3.4 地理探测器

地理探测器打破了传统对于风险驱动因素的定性研究，定量检测驱动因素之间的交互作用，通过比较各子区域之间的方差大小，从而揭示背后的驱动机制；具体计算公式如下：

式中：L为驱动因素或被驱动因素分类，h=1,2, …,L；N为样本总量；Nh为第h层样本量：σ2为样本方差；σ2h为第h层样本方差。

4 数据来源

本文以中国的31个省份区域为样本，按照地理位置的划分将其划分为东、中、西部三大区域，样本区间范围在2015—2021年，样本数据来源于《中国统计年鉴》《中国农村统计年鉴》，需要特别阐明的是农业农村数字基地数据来自阿里研究院报告，农村网络支付水平利用北京大学数字普惠金融发展指数均值来衡量。

5 结果与分析

5.1 数字农业发展水平分析

2015—2021年中国数字农业发展水平测评结果如表2所示，就全国整体发展水平而言，整体呈现稳中求进的态势，从2015年的0.12增长至2021年的0.19，增长幅度58.33%，表明中国的数字农业发展水平势头强劲。就省际层面而言，得分最高的5个省份基本位于东部地区，分别是：浙江0.37、广东0.37、江苏0.28、山东0.24、河北0.22；而得分最低的后5个省份基本分布在西部，其中1个省份位于东部地区，分别是：宁夏0.06、海南0.07、重庆0.08、青海0.08、西藏0.09，表明东部地区间的两极分化现象严重，其中得分最高的浙江、广东是最低的宁夏的6.17倍；侧面反映出中国的数字农业发展水平存在显著区域差异以及省域数字鸿沟明显，中部地区数字农业发展水平高于中西部地区得益于区域资源禀赋以及区位优势。

表2 2015—2021年中国数字农业发展水平得分Table 2 China's digital agriculture development level score, 2015—2021

从区域发展水平来看，东部地区发展态势呈现强烈上升趋势；西部地区发展水平最低为0.10，最高为0.14，增幅达到40%；中部地区发展水平最低为0.12，最高为0.17，增幅达42%；东部地区发展水平最低为0.28，最高为0.14，增幅为100%，相比之下东中部地区的增长幅度均高于西部地区；其中东部地区的发展水平得分0.28分别是中部0.17、西部0.14的1.65倍、2倍，结合图1可以看出空间上呈现出“东高、中次、西低”的区域分布格局；各区域之间的发展水平差异以及分布格局特征再次印证中国数字农业发展存在明显区域异质性，足以证明弥合区域差异成为中国实现区域联动发展的迫切需要。

图1 中国各个区域数字农业发展水平演变趋势Figure 1 Trends in the evolution of the level of development of digital agriculture in various regions of China

5.2 数字农业发展水平的区域差异分析

由表3可知，全国总体基尼系数呈现逐步上升的趋势，从2015年的0.17上升至2021年的0.30，增幅为76.47%，表明我国数字农业发展水平总体差异不断扩大，差异性显著。从贡献率来看，在考察期间内，区域间的差异贡献度占据主导地位，介于43.24%～60.15%之间，年均值高达53.78%，分别是区域内与超变密度贡献度的1.91倍、2.97倍，表明区域间差异是造成总体差异的主要来源；区域内差异贡献度次之，年均值为28.12%，超变密度贡献度最低，仅为18.09%。从演变趋势来看（图2），区域内差异贡献度的演变波动较小，在考察期间内，其差异贡献度呈现波动下降的趋势；区域间差异贡献则呈现出“缓慢下降-缓慢上升”变化特征，其差异贡献度呈现波动上升的趋势。因此，要解决中国数字农业总体差异，缩小区域差异是其政策启示的着重点。

图2 中国数字农业发展水平差异来源及演变趋势Figure 2 Sources of differences in the level of development of digital agriculture in China and evolutionary trends

表3 2015—2021年中国数字农业发展水平基尼系数及分解Table 3 Gini coefficient and decomposition of China's digital agriculture development level, 2015—2021

5.3 数字农业发展水平的时空演变

通过标准差椭圆的计算与整理，得出我国数字农业标准差椭圆参数结果（表4）。根据重心坐标的迁移方向来看，我国数字农业发展重心整体呈现西北向东南移动，结合表4可以看出方位角整体变化幅度较小，这意味着重心迁移变化较稳定，且在2015—2020年，数字农业发展重心一直是西北向东南移动，这可能是因为东南区域有较好的基础设施与较成熟的数字技术，表现出强烈的技术资本虹吸效应，接着2020年后发展重心由西南方向东北方移动，但总体上重心在东南方向上的移动较为明显；其中标准差椭圆面积的不断缩小意味着我国数字农业发展离散性较小，集聚度不断提高；根据表4不难发现2019年前长半轴与短半轴出现不断缩小的趋势，但在2020年后长半轴出现上升趋势，而短半轴在2019年的基础上出现上升，2020年后又继续下降，这表明2019年之前数字农业发展的空间分布较为稳定，2020年之后数字农业的空间分布在南北方向上更加收敛，空间分布主要以东西方向为主。

表4 2015—2021年中国数字农业标准差椭圆参数Table 4 Standard deviation ellipse parameters for digital agriculture in China, 2015—2021

5.4 数字农业发展的驱动因素分析

本文在参考已有研究的基础上，通过借鉴孟晓等[15]、程美秀等[14]、辛岭等[16]、陈江涛等[31]学者的研究，最终选取地区经济发展水平（X1）、技术研发创新水平（X2）、农村人力资本水平（X3）、政府支农强度（X4）、城市化水平（X5）、城乡收入差距（X6）、产业结构升级（X7）、农村居民人均消费支出（X8）、农村劳动力转移（X9）作为数字农业发展的影响因素进行分析。在对数字农业的驱动因素进行探测前，需要将各个因素借助SPSS软件进行归类化处理，并将其代入Geodetector程序进行地理探测器分析，最终计算得出各影响因素对数字农业发展的解释程度（Q值），结果如表5所示。

表5 我国数字农业发展的单因素探测结果Table 5 Results of single-factor detection of digital agriculture development in China

通过分析数字农业发展驱动因子的解释力Q值可见，解释力Q值排名前三的是技术研发创新水平、地区经济发展水平、农村居民人均消费支出，且地区经济发展水平与技术研发创新水平的解释力均超过50%，表明数字农业发展水平显著受其影响；其中，技术研发创新因子的解释力度最强（Q=0.739），表明技术创新水平能够显著赋能数字农业发展，这是由于技术创新能够改变传统农业生产方式，在节约农业生产成本的基础上实现农业生产效率的提升，进而实现农业高质量发展；且随着“数字中国”战略的提出，数字技术不断渗入农业生产、运营、管理等各个环节，助推传统农业生产模式走向现代生产模式，对提升农业生产质量起着不可估量的作用。地区经济发展水平对数字农业发展的解释力为0.723 6，一定程度上表明地区经济发展水平也能显著影响数字农业发展，这是源于地区经济发展水平高的地区能够为数字农业发展提供优良的数字基础设施与成熟的数字技术，且能够提供高素质的数字人才为数字农业的发展注入源源不断的动力。而农村居民人均消费支出相较于前两个因子，其解释力较低（Q=0.341 2），但在所有驱动因子中，解释力强度却处于前三甲，这也是由于农村居民对一些数字信息产品的消费支出越大，一定程度上能够缩小农村居民的数字接入鸿沟，转而提升农村居民的数字素养，数字素养的提升显然对促进数字农业发展会起到一定的影响作用。

6 研究结论、讨论与政策启示

6.1 结论

从发展水平来看，中国数字农业发展水平整体偏低，年均值仅为0.15，但是随着时间的推移，整体发展水平在不断攀升，发展潜力比较大。具体地，发展水平上呈现出“东高、中次、西低”的区域分布格局，区域“马太效应”较为明显。

从区域差异来看，中国总体基尼系数增幅为76.47%，表明区域非均衡性问题突出；考察期间内，区域间的差异贡献度占据主导地位，年均值高达53.78%，表明区域间差异是造成总体差异的主要来源。

从时空特征来看，我国数字农业发展重心整体呈现由西北向东南移动的特征，东南地区拉动作用明显可能是受人力资本、技术创新的虹吸；标准差椭圆面积的缩小，意味着我国数字农业发展离散性小，空间分布上较为集聚。

从驱动因素来看，技术研发创新水平、地区经济发展水平与农村居民人均消费支出对数字农业发展产生显著影响，且影响力度高于其他影响因素。

6.2 讨论

本文通过对我国数字农业发展水平进行测度评价，最终得出我国数字农业发展水平整体偏低，但其发展态势逐年提升，发展水平上呈现“东高、中次、西低”的区域分布格局，这与刘战伟[32]、张鸿等[10]、李芳[33]的研究结论一致；就区域差异而言，本文与刘战伟[32]均认为区域间的差异是造成数字农业整体差异的主要来源，且东部地区与其他地区间的差异是中国数字农业协调发展的桎梏。纵然本文对数字农业发展的研究在整体结论上与以上学者得出相一致结论，但是在空间分布特征的探讨上，本文与相关学者不同的是在探讨时空特征方面，借助标准差椭圆对数字农业发展的时空迁移作出进一步研究，且与相关学者的研究最大不同之处在于，相关学者并未对数字农业发展的驱动因素作出探讨，因此本文在数字农业发展的影响因素识别这块作出了填补。但是本文依然存在以下不足：数字农业发展一定程度上提高农业生产效率，保障粮食安全，这也不得不考虑，我国数字农业与其他国家的发展差异，进而本文理应将我国数字农业发展与世界其他国家进行对比探析。

6.3 政策启示

通过对数字农业发展水平的区域差异、空间分异以及驱动因素的识别，本文将从以下几方面提出政策上的建议；首先，领跑型省份与落后型省份联合发展；根据中国数字农业发展水平的区域差异结论可知，区域间的差异是造成总体差异的主要来源，如何破除区域间的差异成为主攻任务。换言之区域间的协同发展水平应建立在区域间的长效带动机制，打造“抱团取暖”、资源互惠共享、以领跑型省份带动落后型省份的方式，长期实施一对一帮扶机制，这样利于数字资源互惠互补，充分发挥区域“短板效应”。其次，多方主体融入与数字素养联合培育；中国数字农业发展水平存在差异性特征主要是囿于数字鸿沟差异性较为明显，不管是在商品生产端、宣传营销端还是在应用端，在此过程中小农户的参与由于数字素养的迥异，会造成在接入鸿沟与知识鸿沟方面不同，因此小农数字素养的培育是破除中国数字农业发展弊病的途径之一。最后，数字资源与数字技术的联合下行；在分析中国数字农业发展驱动因子时不难发现数字基础设施与数字技术是数字农业发展水平提升的保障措施之一，因此，要大力推进农村在数字农业方面的基础设施建设，为小农户参与数字农业建设提供多样化数字平台，这就需要农村互联网、5G网络等数字基础设施的推广，充分发挥“新基建”与数字技术下村的作用。