鄭麗楠,劉林龍,許 寧

(1.云南大學(xué) 馬克思主義學(xué)院,云南 昆明 650500;2.中共云南省委黨校(云南行政學(xué)院),云南 昆明650504;3.河南師范大學(xué) 公共政策與社會管理創(chuàng)新研究中心,河南 新鄉(xiāng) 453000)

互聯(lián)網(wǎng)信息技術(shù)高速發(fā)展,數(shù)字經(jīng)濟(jì)已成為全球新一輪競爭的制高點(diǎn),成為產(chǎn)業(yè)轉(zhuǎn)型升級的重要推力,是實(shí)現(xiàn)“雙循環(huán)”新發(fā)展格局的內(nèi)在動力。隨著數(shù)字經(jīng)濟(jì)在我國的迅速推廣,農(nóng)業(yè)農(nóng)村發(fā)展也日益受到數(shù)字化的積極影響,正在加快尋找融合切入點(diǎn),加速融合進(jìn)程。《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃(2019—2025年)》提出“當(dāng)前及‘十四五’時(shí)期是推進(jìn)農(nóng)業(yè)農(nóng)村數(shù)字化的重要戰(zhàn)略機(jī)遇期,必須順應(yīng)時(shí)代趨勢、把握發(fā)展機(jī)遇”,這為我國農(nóng)業(yè)農(nóng)村向數(shù)字化發(fā)展指明了方向。

我國的農(nóng)業(yè)農(nóng)村發(fā)展和數(shù)字信息技術(shù)的結(jié)合還處于起步階段[1],但信息技術(shù)和信息化基礎(chǔ)設(shè)施已經(jīng)顯示出了對農(nóng)業(yè)全要素生產(chǎn)率的積極影響[2-4]。同時(shí)對農(nóng)村整體經(jīng)濟(jì)發(fā)展[5]、農(nóng)村居民就業(yè)[6]和收入水平[7]起到了促進(jìn)和提升作用。目前國內(nèi)學(xué)者也在重點(diǎn)關(guān)注農(nóng)村數(shù)字化規(guī)模測算[8]、數(shù)字鄉(xiāng)村治理[9]和提升我國農(nóng)業(yè)農(nóng)村數(shù)字化水平[10]等相關(guān)話題,并提出系列對策建議?，F(xiàn)有研究都表明數(shù)字化技術(shù)與農(nóng)業(yè)農(nóng)村的結(jié)合將有效促進(jìn)要素自由配置,推動農(nóng)業(yè)高質(zhì)量發(fā)展。我國是一個(gè)農(nóng)業(yè)大國,實(shí)現(xiàn)農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展需要科學(xué)地測度和客觀反映全國農(nóng)業(yè)農(nóng)村數(shù)字發(fā)展水平的現(xiàn)狀特征、區(qū)域差異和動態(tài)演進(jìn)過程,需要進(jìn)一步了解中國農(nóng)業(yè)農(nóng)村數(shù)字化水平的空間變化規(guī)律和對其產(chǎn)生影響的因素,在發(fā)現(xiàn)規(guī)律、總結(jié)規(guī)律的基礎(chǔ)上提出針對性對策建議,對于提高全國農(nóng)業(yè)農(nóng)村現(xiàn)代化水平具有重要的意義。

一、理論探討

(一)農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展相比于其他領(lǐng)域數(shù)字化發(fā)展的特殊性

首先,農(nóng)業(yè)發(fā)展對三次產(chǎn)業(yè)貢獻(xiàn)程度逐年降低,更多的資源和要素流向經(jīng)濟(jì)發(fā)展需求更迫切的城市地區(qū),匯集到工業(yè)、制造業(yè)和服務(wù)業(yè)中,廣大農(nóng)村地區(qū)生產(chǎn)設(shè)施與生活設(shè)施已落后于社會生產(chǎn)力的整體發(fā)展。數(shù)字化信息技術(shù)在農(nóng)業(yè)中的應(yīng)用情況需要被了解和重視。其次,雖然農(nóng)業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)度降低,但農(nóng)業(yè)發(fā)展關(guān)乎14億中國人口的生計(jì),農(nóng)村占有更廣闊的國土面積,農(nóng)村人口占比仍然較大。在數(shù)字化信息技術(shù)快速發(fā)展和普及的時(shí)代,只有農(nóng)業(yè)農(nóng)村數(shù)字化水平得到提升,才更能體現(xiàn)中國經(jīng)濟(jì)的高質(zhì)量發(fā)展和現(xiàn)代化發(fā)展。最后,農(nóng)業(yè)生產(chǎn)是社會生產(chǎn)力與自然生產(chǎn)力的有機(jī)結(jié)合,除了要提高農(nóng)業(yè)生產(chǎn)率,確保糧食安全外,還需要保證農(nóng)業(yè)生產(chǎn)的生態(tài)化。按照國土空間優(yōu)化格局,農(nóng)業(yè)空間和生態(tài)空間有較多重疊,利用數(shù)字化信息技術(shù)發(fā)展農(nóng)業(yè)生產(chǎn)、銷售,能夠有效降低農(nóng)業(yè)在生產(chǎn)和流通環(huán)節(jié)對環(huán)境的污染,可以說農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展具有十分特殊的意義。

(二)農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展影響因素的作用機(jī)理

熊彼特的創(chuàng)造性破壞理論認(rèn)為,創(chuàng)新會破壞原有生產(chǎn)結(jié)構(gòu),推動技術(shù)不斷進(jìn)步。目前實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展,更加離不開技術(shù)要素的支持。同時(shí),傳統(tǒng)的資本、勞動力等要素和資源的配置一直對經(jīng)濟(jì)發(fā)展產(chǎn)生著重要影響,厘清市場和政府的邊界也是理論界長期探索的問題。由此,擬從技術(shù)、市場和政府角度,探討其對農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展的影響。首先,技術(shù)因素可以包含技術(shù)創(chuàng)新環(huán)境、技術(shù)市場化程度和技術(shù)應(yīng)用程度3個(gè)方面,良好的技術(shù)創(chuàng)新環(huán)境是農(nóng)業(yè)數(shù)字化發(fā)展的土壤,同時(shí)還會影響周邊地區(qū)。先進(jìn)發(fā)明專利及時(shí)轉(zhuǎn)化為市場要素是推動農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展的前提,最終技術(shù)廣泛應(yīng)用,不斷創(chuàng)新生產(chǎn)模式和經(jīng)營管理理念,才能夠真正成為提高農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展水平的助力。在市場作用下,資源配置對區(qū)域間要素的流動會產(chǎn)生正向影響。政府的制度和政策支持將引導(dǎo)農(nóng)業(yè)發(fā)展和農(nóng)村生活增加對數(shù)字化技術(shù)的使用,不斷完善農(nóng)村基礎(chǔ)設(shè)施。市場機(jī)制和政府政策相互補(bǔ)充,共同作用,可以促進(jìn)效率提升、技術(shù)普及和管理優(yōu)化。在技術(shù)、市場和政府3方面作用下,要素自由流動,實(shí)現(xiàn)空間溢出和產(chǎn)業(yè)聯(lián)動,從而有效提升農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展水平。

二、研究方法與數(shù)據(jù)來源

(一)研究方法

1.農(nóng)業(yè)農(nóng)村數(shù)字化水平測算。參考現(xiàn)有研究成果[11],從3個(gè)方面測度中國農(nóng)業(yè)農(nóng)村數(shù)字化水平,如圖1所示。

圖1 農(nóng)業(yè)農(nóng)村數(shù)字化測算指標(biāo)體系

一是將農(nóng)業(yè)與農(nóng)村基礎(chǔ)設(shè)施用農(nóng)村互聯(lián)網(wǎng)普及率、農(nóng)村智能手機(jī)和計(jì)算機(jī)普及率、農(nóng)業(yè)氣象觀測站數(shù)量來表示。其中,農(nóng)村互聯(lián)網(wǎng)寬帶接入用戶占該地區(qū)農(nóng)村人口百分比表示農(nóng)村互聯(lián)網(wǎng)普及率。農(nóng)村居民每百戶年移動電話和計(jì)算機(jī)擁有量表示農(nóng)村智能手機(jī)和計(jì)算機(jī)普及率。農(nóng)業(yè)氣象觀測站表示農(nóng)業(yè)氣象觀測業(yè)務(wù)。二是將農(nóng)業(yè)數(shù)字化水平,使用農(nóng)業(yè)數(shù)字化規(guī)模和農(nóng)業(yè)生產(chǎn)投資2個(gè)指標(biāo)表示。具體參考已有做法[11],將農(nóng)業(yè)生產(chǎn)數(shù)字化程度用第一產(chǎn)業(yè)中的數(shù)字技術(shù)應(yīng)用規(guī)模占比來衡量。通過投入產(chǎn)出表,計(jì)算第一產(chǎn)業(yè)數(shù)字產(chǎn)品和服務(wù)中間投入在第一產(chǎn)業(yè)部門總投入中的比重為調(diào)整系數(shù),作為第一產(chǎn)業(yè)增加值的權(quán)重,計(jì)算數(shù)字化規(guī)模。2011—2014年調(diào)整系數(shù)通過2012年投入產(chǎn)出表計(jì)算而得,2015—2020年調(diào)整系數(shù)通過2017年投入產(chǎn)出表計(jì)算而得。三是農(nóng)村數(shù)字產(chǎn)業(yè)化水平。使用農(nóng)村網(wǎng)絡(luò)支付水平、農(nóng)村網(wǎng)絡(luò)技術(shù)應(yīng)用、農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展平臺、智能化產(chǎn)品消費(fèi)水平4個(gè)二級指標(biāo)表征。其中,采用北京大學(xué)數(shù)字普惠金融指標(biāo)數(shù)據(jù)中不同縣域指數(shù)均值來表示農(nóng)村數(shù)字金融普惠指數(shù),進(jìn)一步反應(yīng)農(nóng)村網(wǎng)絡(luò)支付水平。采用平均每一郵政電信營業(yè)網(wǎng)點(diǎn)服務(wù)人口數(shù)表示農(nóng)村網(wǎng)絡(luò)技術(shù)應(yīng)用使用情況。采用阿里研究院報(bào)告中不同省(區(qū)、市)淘寶村數(shù)量來表示農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展平臺使用情況。采用每百人照相機(jī)和洗衣機(jī)等智能消費(fèi)品擁有量表示智能化消費(fèi)水平情況。

進(jìn)一步,對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,具體方法為:

(1)

(2)

確定指標(biāo)占比:

(3)

計(jì)算熵值和變異系數(shù):

(4)

gij=1-eij

(5)

計(jì)算第j項(xiàng)指標(biāo)在綜合評價(jià)中的權(quán)重:

(6)

綜合指數(shù)為:

(7)

2.區(qū)域差異分析。測度相對差距的常用方法包括基尼系數(shù)、對數(shù)離差均值和泰爾指數(shù),3種指數(shù)分別為中等、低等、高等變化水平反映靈敏,因此采用上述3種方法來對比分析我國農(nóng)業(yè)農(nóng)村數(shù)字化水平的區(qū)域差異。具體計(jì)算公式如下:

(8)

(9)

(10)

3.核密度分析。核密度分析法是分析某一變量隨時(shí)間動態(tài)演進(jìn)的重要非參估計(jì)方法,通過構(gòu)建連續(xù)、光滑的密度曲線呈現(xiàn)隨機(jī)變量的具體形態(tài)。但由于其表達(dá)形式不一,借鑒已有處理方式[12],選用高斯核對農(nóng)業(yè)農(nóng)村數(shù)字化進(jìn)行分析,具體的表達(dá)式為:

(11)

上式中,k(x)為核函數(shù),x表示獨(dú)立同分布的觀測值。判斷標(biāo)準(zhǔn)為:密度曲線隨著時(shí)間推移向右移動表明水平上升,反之水平下降。波峰形態(tài)表現(xiàn)出“尖窄型”時(shí),表明峰值較高同時(shí)變動區(qū)間較小,代表區(qū)域差異的縮小。波峰形態(tài)表現(xiàn)出“寬扁型”時(shí),結(jié)論相反。當(dāng)出現(xiàn)多個(gè)峰值時(shí),表明隨機(jī)變量有多極化現(xiàn)象。

4.空間計(jì)量分析

(12)

(2)空間杜賓模型?；跁r(shí)空維度采用空間杜賓模型來研究中國農(nóng)業(yè)農(nóng)村數(shù)字化的影響因素。具體而言,以農(nóng)業(yè)農(nóng)村數(shù)字化為被解釋變量,以技術(shù)、市場和政府3方面的指標(biāo)為解釋變量,構(gòu)建空間杜賓模型,表達(dá)式如下:

(13)

式(13)中,i和j代表不同省份,t表示各個(gè)年份。W為空間權(quán)重矩陣,具體包括鄰接空間權(quán)重矩陣和地理距離空間權(quán)重矩陣。β、ρ、φ為各回歸系數(shù),μi和δt分別表示個(gè)體和時(shí)間固定效應(yīng),εit為隨機(jī)誤差項(xiàng)。

被解釋變量為農(nóng)業(yè)農(nóng)村數(shù)字化指數(shù),擬從農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施、農(nóng)業(yè)數(shù)字化水平、農(nóng)業(yè)數(shù)字產(chǎn)業(yè)化水平3個(gè)方面對我國及省域農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)進(jìn)行考察。

解釋變量Xit包括技術(shù)、市場和政府3個(gè)層面的因素。首先,技術(shù)層面的因素從技術(shù)創(chuàng)新能力、技術(shù)市場化能力和技術(shù)落地應(yīng)用水平3方面考慮,分別使用專利申請授權(quán)數(shù)(RD)、技術(shù)市場成交額(TMT)和互聯(lián)網(wǎng)寬帶接入端口數(shù)(LAP)3個(gè)指標(biāo)來表征。

其次,市場層面因素包括農(nóng)業(yè)發(fā)展水平和資源配置環(huán)境2個(gè)方面。具體來看,農(nóng)業(yè)發(fā)展水平(AGDP)使用人均農(nóng)業(yè)增加值作為指標(biāo),并基于第一產(chǎn)業(yè)從業(yè)人員計(jì)算人均農(nóng)業(yè)增加值。資源配置環(huán)境使用市場配置資源程度(MAFR)來表示,參考王小魯市場化指數(shù)構(gòu)建指標(biāo)體系,充分考慮數(shù)據(jù)的可得性,使用地方財(cái)政支出占GDP比重的剩余項(xiàng)計(jì)算得來[9]。

最后,政府層面因素用財(cái)政支農(nóng)力度(SFA)表示。由于用于農(nóng)業(yè)的各項(xiàng)支出發(fā)生變化會對基礎(chǔ)設(shè)施和農(nóng)業(yè)生產(chǎn)造成影響,進(jìn)而影響農(nóng)業(yè)農(nóng)村數(shù)字化水平。因此,將財(cái)政支農(nóng)力度作為解釋變量,具體計(jì)算方法為:財(cái)政支農(nóng)力度=農(nóng)林水務(wù)支出/財(cái)政總支出。

(二)數(shù)據(jù)來源與處理

測算農(nóng)業(yè)農(nóng)村數(shù)字化水平的數(shù)據(jù)和影響因素原始數(shù)據(jù)來源于EPS數(shù)據(jù)庫中的宏觀經(jīng)濟(jì)數(shù)據(jù)庫、區(qū)域經(jīng)濟(jì)數(shù)據(jù)庫、《中國統(tǒng)計(jì)年鑒》、阿里研究院報(bào)告以及北京大學(xué)數(shù)字普惠金融指標(biāo)數(shù)據(jù)中縣域數(shù)字惠普金融指標(biāo)。各變量的描述性統(tǒng)計(jì)如表1所示。

表1 變量的描述性統(tǒng)計(jì)(2011—2020年)

三、我國農(nóng)業(yè)農(nóng)村數(shù)字化水平特征分析

(一)農(nóng)業(yè)農(nóng)村數(shù)字化水平的時(shí)序特征

表2列示了2011—2020年我國30個(gè)省(區(qū)、市)農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)。由表2可知,2020年中國農(nóng)業(yè)農(nóng)村數(shù)字化水平較2011年有較大提升,平均年上升率超過12%。2011年中國農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)僅北京、浙江、福建、廣東4地大于0.1,到2020年,30省(區(qū)、市)農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)均得到較大提高。從整體來看,2011—2020年我國農(nóng)業(yè)農(nóng)村數(shù)字化水平呈上升態(tài)勢,但同時(shí)伴隨一定的年際波動,結(jié)合其演變特征可大致分為3個(gè)不同階段。

2011—2012年為第一階段。2011—2012年我國農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)較低,2012年有所提高,但變化不大,平均提高5.43%。這一階段我國農(nóng)業(yè)農(nóng)村數(shù)字化水平較低,但處于小幅提升階段。

2013—2015年為第二階段。2013—2015年我國農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)得到進(jìn)一步提高,從整體上看,雖然絕對指數(shù)不高,但提高幅度處于最高階段,2013年平均提高幅度達(dá)到20.27%,2015年達(dá)到25.54%。這一階段我國農(nóng)業(yè)農(nóng)村數(shù)字化水平較低,但處于大幅提升階段。

2016—2020年為第三階段。2016—2020年,中國農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)有較大提高,從整體上,提高速度低于第二階段,但絕對數(shù)值處于最高階段。2020年綜合指數(shù)超過0.25的省(區(qū)、市)數(shù)量達(dá)到7個(gè)。這一階段中國農(nóng)業(yè)農(nóng)村數(shù)字化水平較基期高,但提高速度較第二階段有所下降。

表2 我國30個(gè)省(區(qū)、市)農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)

由表2可以看出,2020年農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)高于0.2的有11地,依次為浙江、廣東、江蘇、河南、河北、福建、黑龍江、山東、安徽、甘肅和湖北,其中浙江農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)高于0.76,廣東和江蘇也在0.4以上。而北京、重慶、云南、內(nèi)蒙古、陜西、寧夏、天津、吉林和上海則依次排在倒數(shù)后10位,農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)均低于0.15。與2011年相比,2020年全部省(區(qū)、市)的農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)處于上升態(tài)勢,湖北和甘肅提高幅度大于3倍,寧夏、江西、廣西、山東、山西緊隨其后,提高幅度大于2倍。研究期內(nèi),中國各省(區(qū)、市)農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)呈上升態(tài)勢,但相對于2018年,2019年北京、山西、內(nèi)蒙古、吉林、上海出現(xiàn)下降趨勢。

(二)農(nóng)業(yè)農(nóng)村數(shù)字化水平的區(qū)域差異

表3更直觀地反映農(nóng)業(yè)農(nóng)村數(shù)字化水平的省際差異。可以看出,2011—2012年,我國農(nóng)業(yè)農(nóng)村數(shù)字化水平的省際差異小,2013年省際差異出現(xiàn)大幅下降,2014—2016年省際差異逐漸擴(kuò)大,2017年及以后各省(區(qū)、市)之間農(nóng)業(yè)農(nóng)村數(shù)字化差異快速擴(kuò)大?？赡艿脑蛟谟?017年以后,新一代數(shù)字化信息技術(shù),如云計(jì)算和大數(shù)據(jù)等迅速發(fā)展并向各地?cái)U(kuò)散,各地紛紛進(jìn)行學(xué)習(xí)和應(yīng)用,重視數(shù)字技術(shù)對產(chǎn)業(yè)轉(zhuǎn)型的作用,但由于各地經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)等方面存在差異,從客觀上造成了農(nóng)業(yè)農(nóng)村數(shù)字化水平的差距逐漸拉大。2020年各省(區(qū)、市)之間農(nóng)業(yè)農(nóng)村數(shù)字化差異呈現(xiàn)縮小趨勢。

表3 2011—2020年我國農(nóng)業(yè)農(nóng)村數(shù)字化水平的省際差異指數(shù)

從2011年和2020年八大經(jīng)濟(jì)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)可以看出(見表4),八大經(jīng)濟(jì)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平得到較大提升。其中,東部沿海綜合經(jīng)濟(jì)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平最高,提高速度也最快。上海農(nóng)業(yè)農(nóng)村數(shù)字化水平最低,但所占權(quán)重最低,而浙江綜合指數(shù)最高,同時(shí)所占權(quán)重高,從客觀上成為全國綜合指數(shù)最高的區(qū)域。其次是南部沿海經(jīng)濟(jì)區(qū),這一地區(qū)擁有較好的農(nóng)村數(shù)字化發(fā)展基礎(chǔ)。排名第三的是北部沿海綜合經(jīng)濟(jì)區(qū),這一地區(qū)2018年完成對黃河中游綜合經(jīng)濟(jì)區(qū)的超越,農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟(jì)發(fā)展速度較快。

總體來說,各地區(qū)農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟(jì)水平不斷提升,2017年,南部沿海經(jīng)濟(jì)區(qū)已經(jīng)排名第一,大西南綜合經(jīng)濟(jì)區(qū)、北部沿海綜合區(qū)和東部沿海綜合經(jīng)濟(jì)區(qū)發(fā)展水平相當(dāng),東北綜合經(jīng)濟(jì)區(qū)、大西北綜合經(jīng)濟(jì)區(qū)相對落后。2011年以來,黃河中游綜合經(jīng)濟(jì)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平一直較高,2015年以后雖發(fā)展速度有所減慢,但依然遠(yuǎn)遠(yuǎn)高于東北綜合經(jīng)濟(jì)區(qū)、長江中游綜合經(jīng)濟(jì)區(qū)、大西北綜合經(jīng)濟(jì)區(qū)和大西南綜合經(jīng)濟(jì)區(qū)。東北綜合經(jīng)濟(jì)區(qū)雖都是農(nóng)業(yè)大省,農(nóng)產(chǎn)品品質(zhì)高,但受經(jīng)濟(jì)發(fā)展影響,數(shù)字化水平一直緩慢提高。長江中游綜合經(jīng)濟(jì)區(qū)農(nóng)業(yè)發(fā)展以水稻種植和棉花生產(chǎn)為主,并逐漸發(fā)展成為相關(guān)農(nóng)產(chǎn)品的深加工基地,數(shù)字化發(fā)展的基礎(chǔ)好、潛力大。大西南、大西北綜合經(jīng)濟(jì)區(qū)同時(shí)受地理位置和經(jīng)濟(jì)發(fā)展水平的影響,農(nóng)業(yè)農(nóng)村數(shù)字化水平較低。

表4 我國八大經(jīng)濟(jì)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平

續(xù)表

四、我國農(nóng)業(yè)農(nóng)村數(shù)字化水平的動態(tài)演進(jìn)

對全國、糧食主產(chǎn)區(qū)、主銷區(qū)和產(chǎn)銷平衡區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平的動態(tài)演進(jìn)過程展開探討,結(jié)果如圖2所示。

(a)全國總體

(b)糧食主產(chǎn)區(qū)

(c)糧食主銷區(qū)

(d)糧食產(chǎn)銷平衡區(qū)

(一)全國農(nóng)業(yè)農(nóng)村數(shù)字化水平的動態(tài)演進(jìn)

圖2(a)整體上描繪了全國農(nóng)業(yè)農(nóng)村數(shù)字化水平在研究期內(nèi)的動態(tài)演變。整體上看,密度函數(shù)中心均自左向右偏移,并逐步由“尖窄型”變?yōu)椤氨鈱捫汀?2017年以后變化區(qū)間明顯變大。首先,2014年的曲線形態(tài)較2011年沒有大變化,但密度函數(shù)中心數(shù)值有所擴(kuò)大,且最大值稍有降低。表明該階段我國農(nóng)業(yè)農(nóng)村數(shù)字化水平有所提升且區(qū)域差距有所擴(kuò)大。其次,2017年的密度函數(shù)中心數(shù)值繼續(xù)擴(kuò)大,最大值繼續(xù)降低,變化區(qū)間也明顯變大。該階段農(nóng)業(yè)農(nóng)村數(shù)字化水平繼續(xù)上升,區(qū)域差距也繼續(xù)擴(kuò)大。再次,與2017年相比,2019年的密度函數(shù)中心小幅右移,峰值繼續(xù)降低,變化區(qū)間繼續(xù)擴(kuò)大?？梢?該階段農(nóng)業(yè)農(nóng)村數(shù)字化水平繼續(xù)上升,而且區(qū)域差距繼續(xù)擴(kuò)大。最后,與2011年相比,2020年的密度函數(shù)中心大幅右移,主峰峰值略有增大,變化區(qū)間有所擴(kuò)大。這表明,在研究期內(nèi)中國農(nóng)業(yè)農(nóng)村數(shù)字化水平明顯上升,區(qū)域差距大幅擴(kuò)大?？赡艿慕忉屖?隨著各地?cái)?shù)字經(jīng)濟(jì)的發(fā)展,各城市之間經(jīng)濟(jì)社會、數(shù)字化發(fā)展基礎(chǔ)存在差異,各地區(qū)發(fā)展進(jìn)度不同,從而客觀上加劇了農(nóng)業(yè)農(nóng)村數(shù)字化水平的地區(qū)差距。

(二)糧食主產(chǎn)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平的動態(tài)演進(jìn)

圖2(b)整體上描繪了糧食主產(chǎn)區(qū)的農(nóng)業(yè)農(nóng)村數(shù)字化水平在研究期內(nèi)的動態(tài)演變。整體上看,密度函數(shù)中心均自左向右偏移,并逐步由“尖窄型”變?yōu)椤氨鈱捫汀?2017年以后變化區(qū)間明顯變大,2020年變化區(qū)間遠(yuǎn)大于全國水平。首先,與2011年相比,2014年的曲線形態(tài)開始出現(xiàn)明顯變化,密度函數(shù)中心向右移動且峰值有所降低,變化區(qū)間有一定幅度的擴(kuò)大。表明該階段糧食主產(chǎn)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平有所提升且區(qū)域差距有所擴(kuò)大。其次,2017年的密度函數(shù)中心數(shù)值有小幅度擴(kuò)大,最大值稍有降低,變化區(qū)間明顯變大。該階段農(nóng)業(yè)農(nóng)村數(shù)字化水平繼續(xù)上升,區(qū)域差距也繼續(xù)擴(kuò)大。再次,與2017年相比,2020年的密度函數(shù)中心小幅右移,峰值繼續(xù)降低,變化區(qū)間大幅擴(kuò)大?？梢?該階段農(nóng)業(yè)農(nóng)村數(shù)字化水平繼續(xù)上升,而且區(qū)域差距繼續(xù)擴(kuò)大。最后,與2011年相比,2020年的密度函數(shù)中心大幅右移,變化區(qū)間大幅擴(kuò)大。這表明,在研究期內(nèi)糧食主產(chǎn)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平明顯上升,區(qū)域差距明顯擴(kuò)大。糧食主產(chǎn)區(qū)中的河北、江蘇、山東、河南等地農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)在全國都處于較高水平,但內(nèi)蒙古、吉林等地?cái)?shù)字化水平在全國處于最低層級,可見各地農(nóng)業(yè)農(nóng)村數(shù)字化水平的差距之大。

(三)糧食主銷區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平的動態(tài)演進(jìn)

圖2(c)整體上描繪了糧食主銷區(qū)的農(nóng)業(yè)農(nóng)村數(shù)字化水平在研究期內(nèi)的動態(tài)演變。整體上看,密度函數(shù)中心均自左向右偏移,并逐步由“尖窄型”變?yōu)椤氨鈱捫汀?2017年以后變化區(qū)間明顯變大,2020年變化區(qū)間遠(yuǎn)大于全國水平。首先,與2011年相比,2014年的曲線形態(tài)變化較小,密度函數(shù)中心向右移動且峰值有所提高,且區(qū)域差距有小幅擴(kuò)大。其次,與2014年相比,2017年的密度函數(shù)中心繼續(xù)右移,峰值降低,“扁寬型”曲線特征明顯。該階段農(nóng)業(yè)農(nóng)村數(shù)字化水平繼續(xù)上升,區(qū)域差距也繼續(xù)擴(kuò)大。再次,與2017年相比,2020年的密度函數(shù)中心繼續(xù)右移,峰值繼續(xù)降低,變化區(qū)間大幅擴(kuò)大,核密度曲線幾乎沒有明顯峰值?？梢?該階段農(nóng)業(yè)農(nóng)村數(shù)字化水平繼續(xù)上升,而且區(qū)域差距大幅擴(kuò)大。最后,與2011年相比,2020年的密度函數(shù)中心大幅右移,變化區(qū)間明顯擴(kuò)大,且擴(kuò)大幅度大于糧食主產(chǎn)區(qū)。這表明,在研究期內(nèi)糧食主產(chǎn)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平明顯上升,區(qū)域差距顯著擴(kuò)大。糧食主銷區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平之所以差距甚大,是因?yàn)樵搮^(qū)域中有數(shù)字化發(fā)展水平居全國首位的浙江,較高的北京,同時(shí)還有居于全國末位的上海、天津。

(四)糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平的動態(tài)演進(jìn)

圖2(d)整體上描繪了糧食產(chǎn)銷平衡區(qū)的農(nóng)業(yè)農(nóng)村數(shù)字化水平在研究期內(nèi)的動態(tài)演變。整體上看,密度函數(shù)中心均自左向右偏移,并逐步由“尖窄型”變?yōu)椤氨鈱捫汀?2017年以后變化區(qū)間明顯變大,2020年沒有明顯變化。首先,與2011年相比,2014年的曲線形態(tài)變化較小,密度函數(shù)中心向右移動且峰值有所降低,且區(qū)域差距有小幅擴(kuò)大。其次,與2014年相比,2017年的密度函數(shù)中心繼續(xù)右移,峰值降低,“扁寬型”曲線特征明顯,同時(shí)由單峰變?yōu)椤耙淮笠恍　彪p峰格局。該階段農(nóng)業(yè)農(nóng)村數(shù)字化水平繼續(xù)上升,區(qū)域差距也繼續(xù)擴(kuò)大。再次,與2017年相比,2020年的密度函數(shù)中心繼續(xù)右移,峰值和區(qū)間變化不大,雙峰特征不明顯?？梢?該階段農(nóng)業(yè)農(nóng)村數(shù)字化水平繼續(xù)上升,而且區(qū)域差距變化不大。最后,與2011年相比,2020年的密度函數(shù)中心大幅右移,變化區(qū)間明顯擴(kuò)大,且擴(kuò)大幅度大于糧食主產(chǎn)區(qū)。這表明,在研究期內(nèi)糧食產(chǎn)銷平衡區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平明顯上升,區(qū)域差距顯著擴(kuò)大。糧食產(chǎn)銷平衡區(qū)大多數(shù)省份位于西部地區(qū),各省份農(nóng)業(yè)資源稟賦較為接近,畜牧業(yè)占比大,數(shù)字化水平不高。西部大開發(fā)戰(zhàn)略的實(shí)施使各省份經(jīng)濟(jì)快速發(fā)展,促使各省份的農(nóng)業(yè)發(fā)展水平拉開差距,數(shù)字化差距也隨之?dāng)U大。

五、農(nóng)業(yè)農(nóng)村數(shù)字化水平的影響因素

(一)全局空間自相關(guān)檢驗(yàn)

在進(jìn)行農(nóng)業(yè)農(nóng)村數(shù)字化的影響因素分析之前,對農(nóng)業(yè)農(nóng)村數(shù)字化及各影響因素進(jìn)行全局空間自相關(guān)檢驗(yàn),結(jié)果如表5所示?？梢钥闯?農(nóng)業(yè)農(nóng)村數(shù)字化的莫蘭指數(shù)的集聚程度隨時(shí)間變化有所波動,但整體上都通過了顯著性檢驗(yàn),呈現(xiàn)出先上升后下降的態(tài)勢。揭示出我國農(nóng)業(yè)農(nóng)村數(shù)字化水平具有高值省份與高值省份在地理上相鄰或地理距離相近的空間分布特征。在農(nóng)業(yè)農(nóng)村數(shù)字化水平的影響因素中,市場配置資源程度通過了顯著性檢驗(yàn),且顯著程度最高,莫蘭指數(shù)最高。財(cái)政支農(nóng)力度通過了顯著性檢驗(yàn),且呈現(xiàn)出莫蘭指數(shù)逐年提高,集聚程度越來越顯著的趨勢。技術(shù)創(chuàng)新能力的集聚程度也通過顯著性檢驗(yàn),但其顯著性水平逐漸降低,莫蘭指數(shù)逐年下降,表明該指標(biāo)現(xiàn)在呈現(xiàn)空間集聚態(tài)勢,但有隨時(shí)間擴(kuò)散的可能性。技術(shù)市場化、技術(shù)應(yīng)用和農(nóng)業(yè)發(fā)展水平在前幾年有空間集聚趨勢,但隨時(shí)間推移不能通過顯著性檢驗(yàn),呈現(xiàn)擴(kuò)散態(tài)勢。整體上來看,以上影響因素呈現(xiàn)出差異化的空間自相關(guān)效應(yīng)。

表5 2011—2020年農(nóng)業(yè)農(nóng)村數(shù)字化和各影響因素的莫蘭指數(shù)及其顯著性水平

(二)農(nóng)業(yè)農(nóng)村數(shù)字化影響因素

首先,在進(jìn)行空間面板模型回歸之前,進(jìn)行各項(xiàng)前置檢驗(yàn)。各影響因素方差膨脹因子最大值為3.42,可忽略多重共線性問題。LM(err)和LM(lag)檢驗(yàn)結(jié)果(分別為χ2=68.794,P=0.000;χ2=45.568,P=0.000)表明模型中包含空間誤差和滯后效應(yīng),顯著拒絕了OLS回歸模型優(yōu)于空間誤差模型和空間滯后模型的原假設(shè)。LR(err)與LR(lag)的檢驗(yàn)結(jié)果(分別為χ2=23.95,P=0.000 5;χ2=16.88,P=0.009 7)均通過了顯著性檢驗(yàn)。以上檢驗(yàn)結(jié)果表明空間杜賓模型更適合本研究。同時(shí),Hausman檢驗(yàn)結(jié)果(χ2=37.89,P=0.000 3)在1%水平上顯著,可以在空間杜賓模型中加入固定效應(yīng)。由此,本部分采用空間杜賓模型,將2011—2020年我國30個(gè)省(區(qū)、市)農(nóng)業(yè)農(nóng)村數(shù)字化作為因變量,基于距離平方倒數(shù)權(quán)重矩陣(W1)與所選6個(gè)影響因素進(jìn)行回歸。同時(shí),選取距離倒數(shù)矩陣(W2)和鄰接權(quán)重矩陣(W3)替換距離平方倒數(shù)矩陣重復(fù)以上回歸過程,進(jìn)行穩(wěn)健性檢驗(yàn)?；貧w結(jié)果如表6所示。

表6 各因素對農(nóng)業(yè)農(nóng)村數(shù)字化影響的回歸結(jié)果

由以上回歸結(jié)果可知,在技術(shù)因素中,技術(shù)創(chuàng)新環(huán)境在1%的水平上通過顯著性檢驗(yàn),但回歸結(jié)果方向與預(yù)期相反。表明以專利授權(quán)數(shù)為指標(biāo)的技術(shù)創(chuàng)新環(huán)境對農(nóng)業(yè)農(nóng)村數(shù)字化產(chǎn)生顯著的負(fù)向影響。可能的解釋是,目前各地區(qū)專利授權(quán)以工業(yè)、制造業(yè)技術(shù)創(chuàng)新為主,專利數(shù)越高的省(區(qū)、市)工業(yè)和制造業(yè)越發(fā)達(dá),農(nóng)業(yè)及其數(shù)字化發(fā)展水平越低,兩者之間并不一定具有因果關(guān)系,但從數(shù)據(jù)顯示來看,我國確實(shí)存在這樣一種空間分布趨勢。技術(shù)市場化和技術(shù)落地應(yīng)用對農(nóng)業(yè)農(nóng)村數(shù)字化的影響均通過了顯著性檢驗(yàn),且表現(xiàn)為正影響。可能的解釋是,技術(shù)創(chuàng)新只有面向市場,被大眾接受、使用,才能真正實(shí)現(xiàn)技術(shù)推動經(jīng)濟(jì)發(fā)展。同時(shí)互聯(lián)網(wǎng)技術(shù)被農(nóng)村百姓廣泛使用,對于提升農(nóng)產(chǎn)品網(wǎng)絡(luò)銷售額、數(shù)字產(chǎn)業(yè)增加值都具有作用,從而促進(jìn)農(nóng)業(yè)農(nóng)村數(shù)字化水平。

在市場因素中,農(nóng)業(yè)發(fā)展水平對農(nóng)業(yè)農(nóng)村數(shù)字化的影響通過了顯著性檢驗(yàn),且為正向影響。可能的解釋是,隨著農(nóng)業(yè)自身發(fā)展水平的提高,農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)更加合理,生產(chǎn)管理模式不斷創(chuàng)新,銷售途徑不斷拓展,進(jìn)而有效促進(jìn)數(shù)字化技術(shù)的應(yīng)用和普及,顯示出對農(nóng)業(yè)農(nóng)村數(shù)字化水平的促進(jìn)作用。市場配置資源程度對農(nóng)業(yè)農(nóng)村數(shù)字化的影響通過了顯著性檢驗(yàn),但為負(fù)向影響?？赡艿慕忉屖?這與專利技術(shù)的影響類似,市場化程度越高的省(區(qū)、市),制造業(yè)、服務(wù)業(yè)發(fā)展水平可能越高,農(nóng)業(yè)發(fā)展水平較低,由此數(shù)據(jù)分析結(jié)果顯示兩者呈現(xiàn)相反的趨勢。

在政府因素中,財(cái)政支農(nóng)力度對農(nóng)業(yè)農(nóng)村數(shù)字化的作用方向?yàn)檎?即在其他條件不變的前提下,財(cái)政支農(nóng)力度越高,農(nóng)業(yè)農(nóng)村數(shù)字化水平越高。表明目前中國各地農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展更依賴政府政策支持而非市場自由發(fā)展。隨著財(cái)政對農(nóng)業(yè)農(nóng)村的支出越多,農(nóng)業(yè)機(jī)械以及灌概設(shè)備不斷更新?lián)Q代,基礎(chǔ)設(shè)施更趨于完善,科技水平不斷提高,對數(shù)字技術(shù)的需求更高,從而推動數(shù)字化水平的提高。

通過比較以上3個(gè)回歸結(jié)果可知,使用距離矩陣和鄰接矩陣進(jìn)行回歸時(shí),各個(gè)變量的作用方向與顯著性特征在大多數(shù)情況下表現(xiàn)一致?；貧w估計(jì)結(jié)果在整體上具有較強(qiáng)的穩(wěn)健性。

(三)各因素對農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展的空間溢出效應(yīng)

為了更為準(zhǔn)確地呈現(xiàn)各因素對農(nóng)業(yè)農(nóng)村數(shù)字化的作用機(jī)理與實(shí)際影響程度,參照現(xiàn)有研究[12],利用偏微分法對表6回歸的估計(jì)結(jié)果進(jìn)行無偏處理,進(jìn)而將其分解為直接效應(yīng)、間接效應(yīng)與總效應(yīng)。其中,直接效應(yīng)由2部分構(gòu)成:一是各因素對本地農(nóng)業(yè)農(nóng)村數(shù)字化的影響;二是本地農(nóng)業(yè)農(nóng)村數(shù)字化接受的反饋效應(yīng),即本地各因素對鄰近地區(qū)產(chǎn)生影響之后又反作用于本地農(nóng)業(yè)農(nóng)村數(shù)字化。間接效應(yīng)即為空間溢出效應(yīng),特指鄰近地區(qū)各因素對本地農(nóng)業(yè)農(nóng)村數(shù)字化的作用方向及影響程度。結(jié)果如表7所示。

表7 各因素對農(nóng)業(yè)農(nóng)村數(shù)字化影響的空間溢出效應(yīng)

由表7可知,在技術(shù)因素中,技術(shù)創(chuàng)新環(huán)境、技術(shù)市場化和技術(shù)落地應(yīng)用的直接效應(yīng)值分別為-0.160 3、0.035 2和0.297 6,且基本通過了顯著性檢驗(yàn)。并且3項(xiàng)指標(biāo)的直接效應(yīng)值較無偏處理前分別提高了0.013 8、0.031 9和0.045 9,表明本地技術(shù)創(chuàng)新環(huán)境、技術(shù)市場化和技術(shù)落地應(yīng)用在對鄰近地區(qū)產(chǎn)生影響后,由于存在反饋效應(yīng),自身農(nóng)業(yè)農(nóng)村數(shù)字化水平還會有所提高。技術(shù)創(chuàng)新環(huán)境和技術(shù)落地應(yīng)用的間接效應(yīng)值分別為0.237 7和0.598 0,分別在5%和1%水平下,通過了顯著性檢驗(yàn)。由此揭示,技術(shù)創(chuàng)新環(huán)境和技術(shù)落地應(yīng)用對農(nóng)業(yè)農(nóng)村數(shù)字化具有顯著的空間溢出效應(yīng),且二者間表現(xiàn)出正向關(guān)系。具體而言,鄰近地區(qū)技術(shù)創(chuàng)新環(huán)境和技術(shù)落地應(yīng)用水平提升會推動本地農(nóng)業(yè)農(nóng)村數(shù)字化水平提升;在市場因素中,農(nóng)業(yè)發(fā)展水平對農(nóng)業(yè)農(nóng)村數(shù)字化的影響存在直接效應(yīng),也存在空間溢出效應(yīng),且間接效應(yīng)超過直接效應(yīng)。市場配置資源程度對農(nóng)業(yè)農(nóng)村數(shù)字化的影響僅存在直接效應(yīng),間接效應(yīng)不明顯,且反饋效應(yīng)微乎其微;在政府因素中,財(cái)政支農(nóng)力度存在一定的直接效應(yīng)卻無明顯的空間溢出效應(yīng),同時(shí)表現(xiàn)出一定的反饋效應(yīng)(0.142 1)。

總體而言,上述較多影響因素對農(nóng)業(yè)農(nóng)村數(shù)字化產(chǎn)生有較強(qiáng)的空間溢出效應(yīng),且為促進(jìn)作用?？赡艿脑蚴?良好的技術(shù)創(chuàng)新環(huán)境和創(chuàng)新能力會產(chǎn)生知識溢出效應(yīng),同時(shí)帶動周邊地區(qū)學(xué)習(xí)和模仿,當(dāng)知識向外擴(kuò)散時(shí),會被運(yùn)用到各行各業(yè)。當(dāng)部分技術(shù)被運(yùn)用到農(nóng)業(yè)生產(chǎn)和經(jīng)濟(jì)管理上,同時(shí)伴隨著農(nóng)業(yè)生產(chǎn)效率的提高,農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)積極調(diào)整,農(nóng)業(yè)財(cái)政支持持續(xù)增加,由此帶來農(nóng)業(yè)發(fā)展水平的快速提高與對數(shù)字化技術(shù)的持續(xù)應(yīng)用,鄰近地區(qū)通過有效學(xué)習(xí)與充分吸收,逐步產(chǎn)生空間溢出效用,并由此產(chǎn)生正向反饋效應(yīng),進(jìn)而促使本地和鄰近地區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平提高。

六、研究結(jié)論與啟示

(一)研究結(jié)論

在對我國農(nóng)業(yè)農(nóng)村數(shù)字化水平進(jìn)行測算的基礎(chǔ)上,分析我國農(nóng)業(yè)農(nóng)村數(shù)字化的現(xiàn)狀特征,并圍繞其動態(tài)演進(jìn)趨勢、影響因素和空間溢出效應(yīng)展開探討,得出以下主要研究結(jié)論。

1.我國農(nóng)業(yè)農(nóng)村數(shù)字化水平呈上升態(tài)勢,但同時(shí)伴隨一定的年際波動,結(jié)合其演變特征可大致分為3個(gè)不同階段:我國農(nóng)業(yè)農(nóng)村數(shù)字化水平較低,但有小幅提升階段;我國農(nóng)業(yè)農(nóng)村數(shù)字化水平較低,但有大幅提升階段;我國農(nóng)業(yè)農(nóng)村數(shù)字化水平較基期高,但提高速度有所下降階段。

2.我國農(nóng)業(yè)農(nóng)村數(shù)字化水平的地區(qū)差異明顯。從經(jīng)濟(jì)區(qū)來看,東部沿海綜合經(jīng)濟(jì)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平最高,提高速度也最快。南部沿海經(jīng)濟(jì)區(qū)、北部沿海綜合經(jīng)濟(jì)區(qū)和黃河中游綜合經(jīng)濟(jì)區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平較高;從省際差異來看,以2020年為例,浙江農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)高于0.76,廣東和江蘇也在0.4以上。北京、重慶、云南、內(nèi)蒙古、陜西、寧夏、天津、吉林和上海農(nóng)業(yè)農(nóng)村數(shù)字化綜合指數(shù)均低于0.15。

3.全國以及糧食主產(chǎn)區(qū)、主銷區(qū)和產(chǎn)銷平衡區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平的動態(tài)演進(jìn)特征表現(xiàn)出了細(xì)微區(qū)別,但整體上類似?？疾炱趦?nèi)我國農(nóng)業(yè)農(nóng)村數(shù)字化水平整體上升趨勢明顯且省際差距有所擴(kuò)大,其原因可能歸結(jié)于各城市之間經(jīng)濟(jì)社會、數(shù)字化發(fā)展基礎(chǔ)存在差異,各地區(qū)發(fā)展進(jìn)度不同,從而客觀上加劇了農(nóng)業(yè)農(nóng)村數(shù)字化水平的地區(qū)差距。

4.農(nóng)業(yè)農(nóng)村數(shù)字化水平受技術(shù)、市場和政府3個(gè)層面因素的共同影響。在技術(shù)因素中,技術(shù)市場化和技術(shù)落地應(yīng)用對農(nóng)業(yè)農(nóng)村數(shù)字化的影響為正,技術(shù)創(chuàng)新環(huán)境反之。技術(shù)創(chuàng)新環(huán)境和技術(shù)落地應(yīng)用對農(nóng)業(yè)農(nóng)村數(shù)字化具有顯著的空間溢出效應(yīng);在市場因素中,農(nóng)業(yè)發(fā)展水平對農(nóng)業(yè)農(nóng)村數(shù)字化的影響為正,市場配置資源程度反之。農(nóng)業(yè)發(fā)展水平對農(nóng)業(yè)農(nóng)村數(shù)字化既存在直接效應(yīng),也存在空間溢出效應(yīng),且間接效應(yīng)超過直接效應(yīng)。市場配置資源程度僅存在直接效應(yīng),間接效應(yīng)不明顯,且反饋效應(yīng)較小;在政府因素中,財(cái)政支農(nóng)力度對農(nóng)業(yè)農(nóng)村數(shù)字化的作用方向?yàn)檎?且存在一定的直接效應(yīng)卻無明顯的空間溢出效應(yīng),同時(shí)表現(xiàn)出一定的反饋效應(yīng)。

(二)啟示

基于以上發(fā)現(xiàn),得到如下政策啟示:一是加快推進(jìn)技術(shù)創(chuàng)新成果的市場交易和推廣應(yīng)用,加快形成最新成果對農(nóng)業(yè)發(fā)展的積極作用。不斷提高農(nóng)業(yè)生產(chǎn)的技術(shù)應(yīng)用水平,推動農(nóng)業(yè)生產(chǎn)對數(shù)字化技術(shù)的需求和使用。二是加快推進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展,提高農(nóng)業(yè)生產(chǎn)效率,調(diào)整優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。在充分發(fā)揮市場配置資源的決定性作用下,進(jìn)一步提供必要的政策和財(cái)政支持,不斷優(yōu)化農(nóng)業(yè)生產(chǎn)基礎(chǔ)設(shè)施建設(shè),鼓勵各方積極使用先進(jìn)的數(shù)字化技術(shù),賦能農(nóng)業(yè)綠色高效發(fā)展。三是積極倡導(dǎo)互利共贏,以長遠(yuǎn)利益為重。提高農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展不是一個(gè)或幾個(gè)地區(qū)單獨(dú)可以完成的,知識存在一定的空間溢出效應(yīng)。共建地方之間的合作發(fā)展機(jī)制,引導(dǎo)省際農(nóng)業(yè)數(shù)字化互動發(fā)展,以推動本地和鄰近地區(qū)農(nóng)業(yè)農(nóng)村數(shù)字化水平的提高。