中國數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展水平的綜合評價

董曉芳，徐金良

（河北經(jīng)貿(mào)大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)學(xué)院 河北，石家莊 050061）

1 引言

數(shù)字農(nóng)業(yè)不但是數(shù)字經(jīng)濟的關(guān)鍵所在，而且是實現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化的重要途徑。2021年3月發(fā)布《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》，提出“加快數(shù)字化發(fā)展，建設(shè)數(shù)字中國”，促進(jìn)智慧農(nóng)業(yè)的發(fā)展，推進(jìn)農(nóng)村農(nóng)業(yè)生產(chǎn)與經(jīng)營的數(shù)字化改革。當(dāng)今農(nóng)業(yè)發(fā)展尚未實現(xiàn)機械一體化，仍然有很多私家農(nóng)戶耕種。土地回收也是未來的必然趨勢，實現(xiàn)機械現(xiàn)代化耕種，提升農(nóng)業(yè)產(chǎn)量收益，為實現(xiàn)數(shù)字農(nóng)業(yè)打下堅實基礎(chǔ)。毋庸置疑，數(shù)字農(nóng)業(yè)的高質(zhì)量發(fā)展為我國農(nóng)業(yè)農(nóng)村現(xiàn)代化奠定堅實的實踐基礎(chǔ)，必然是實現(xiàn)鄉(xiāng)村振興的至關(guān)重要的舉措。

基于我國數(shù)字農(nóng)業(yè)的發(fā)展水平不少學(xué)者從不同角度進(jìn)行了分析。張鴻、王浩然等[1]運用AHP-熵權(quán)法研究數(shù)字農(nóng)業(yè)的情況，結(jié)果表明數(shù)字農(nóng)業(yè)水平由高到低分別為東、中、西部地區(qū)。鐘文晶、羅必良等[2]提出數(shù)字農(nóng)業(yè)具有技術(shù)依賴性等特性，容易引發(fā)投資不足、數(shù)字鴻溝等問題，闡明我國數(shù)字農(nóng)業(yè)有必要借鑒國際經(jīng)驗，以實現(xiàn)包容性數(shù)字農(nóng)業(yè)轉(zhuǎn)型。呂小剛[3]提出在推動農(nóng)業(yè)建設(shè)、數(shù)字農(nóng)業(yè)技術(shù)創(chuàng)新和推進(jìn)“三農(nóng)等方面需提供信息支撐，為農(nóng)業(yè)高質(zhì)量提供新動能。劉海啟[4]認(rèn)為精準(zhǔn)農(nóng)業(yè)是向數(shù)字化轉(zhuǎn)型的核心，通過研究國內(nèi)外精準(zhǔn)農(nóng)業(yè)發(fā)展?fàn)顩r，提出將精準(zhǔn)農(nóng)業(yè)作為實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的根本途徑。劉如意等[5]認(rèn)為農(nóng)產(chǎn)品流通關(guān)鍵在于產(chǎn)品領(lǐng)域的區(qū)塊鏈的形成。陳詩[6]研究農(nóng)業(yè)信息與新媒體的關(guān)系，提出依靠新媒體來提升農(nóng)業(yè)生產(chǎn)的技術(shù)應(yīng)用。周濤[7]闡釋了數(shù)字農(nóng)業(yè)的內(nèi)容，提出數(shù)字農(nóng)業(yè)可對農(nóng)田進(jìn)行精準(zhǔn)、實時監(jiān)控，有效節(jié)省了人力與資金投入成本。

鑒于此，本文研究方向不同于上述學(xué)者，而是從因子分析和聚類分析的角度來剖析我國數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展水平。因子分析利用降維的思想，將多個相關(guān)性較強的變量融合成一個公因子，減少了變量個數(shù)，卻保留了原始變量的主要信息。聚類分析是按照相似性將分類對象劃分為不同類別，而不同類別又具有較大差異，分類后便于尋找對象間的關(guān)系。根據(jù)因子和聚類的特點，結(jié)合相關(guān)理論，構(gòu)建數(shù)字農(nóng)業(yè)的指標(biāo)體系，借此考量我國2019年數(shù)字農(nóng)業(yè)發(fā)展水平，提出改進(jìn)建議，從而為推動數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展，加速農(nóng)業(yè)農(nóng)村現(xiàn)代化進(jìn)程提供借鑒。

2 數(shù)據(jù)來源和指標(biāo)確定

由于2020年一部分指標(biāo)數(shù)據(jù)不完整，故選用2019年數(shù)據(jù)。為保證數(shù)據(jù)的連續(xù)性、真實性，本文所涉及的數(shù)據(jù)均來源于《2020年中國統(tǒng)計年鑒》、《2020年中國農(nóng)村統(tǒng)計年鑒》和工信數(shù)據(jù)等，據(jù)此對我國數(shù)字農(nóng)業(yè)發(fā)展水平進(jìn)行綜合評價。在數(shù)據(jù)處理中，對于某個指標(biāo)缺失的數(shù)據(jù)采用熱卡填充進(jìn)行補全。本文結(jié)果均由統(tǒng)計軟件SPSS25得出。

本文選取了一級指標(biāo)6個，二級指標(biāo)24個，如表1所示。

表1 數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展指標(biāo)體系

3 實證分析

3.1 中國數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展水平的因子分析

3.1.1 KMO和Bartlett球形檢驗對數(shù)據(jù)做KMO和Bartlett球形檢驗，以確定變量間的相關(guān)性，決定是否可以采用因子分析法。一般KMO值＞0.5時適合做因子分析。經(jīng)檢驗，KMO值為0.695，且Bartlett球形檢驗的P值為0，表明該數(shù)據(jù)適合做因子分析。

3.1.2 提取公因子運用主成分分析法對31個省的24個指標(biāo)提取公因子，依據(jù)特征值大于1的原則提取出了四個公因子，運用最大方差法對因子進(jìn)行旋轉(zhuǎn)，各成分的方差貢獻(xiàn)率分別是37.531%、26.567%、10.669%、8.887%，累計貢獻(xiàn)率為83.655%，即這四個公因子解釋了原始數(shù)據(jù)中83.655%的信息，結(jié)果較為合理，見表2。

表2 總方差解釋

3.1.3 公因子命名運用最大方差法得到因子載荷矩陣，可以看出各個公因子可由哪些變量進(jìn)行解釋。由旋轉(zhuǎn)后的成分矩陣（表3）可知：第一公因子包括X5、X8、X9、X11、X12、X13、X14、X15、X21、X22、X23、X24，命名為“產(chǎn)業(yè)效益人才技術(shù)”因子。第二公因子包括X1、X2、X4、X6、X10、X19、X20，命名為“產(chǎn)業(yè)投入”因子。第三公因子包括X3、X7，命名為“長途光纜”因子。第四公因子包括X16、X17、X18，命名為“綠色發(fā)展”因子。

表3 旋轉(zhuǎn)后的成分矩陣

3.1.4 得分與排名數(shù)字農(nóng)業(yè)發(fā)展水平由四個公因子來反映，以每個公因子的方差貢獻(xiàn)率進(jìn)行計算，得到數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展水平得分表達(dá)式：

運用SPSS軟件計算31個地區(qū)的各公因子得分、綜合得分，并進(jìn)行排名（表4）。綜合排名越靠前，說明該地區(qū)數(shù)字農(nóng)業(yè)發(fā)展水平越高。

結(jié)合表4的中國各省份得分及其排名，可以看出各地區(qū)面臨發(fā)展不平衡不充分的問題。只有廣東、江蘇、山東等13個地區(qū)綜合評價得分為正，表現(xiàn)較好，說明這些地區(qū)實現(xiàn)了數(shù)字農(nóng)業(yè)現(xiàn)代化。數(shù)字農(nóng)業(yè)發(fā)展水平最高的為廣東（1.637），其次是江蘇（1.265）、山東（0.996），這些地區(qū)在數(shù)字經(jīng)濟方面具有較大優(yōu)勢，尤其廣東，數(shù)字化經(jīng)濟發(fā)展水平在我國實力較強，借此可以帶動該地區(qū)農(nóng)業(yè)發(fā)展，在鄉(xiāng)村振興下，實現(xiàn)數(shù)字農(nóng)業(yè)現(xiàn)代化。西部地區(qū)的數(shù)字農(nóng)業(yè)水平尚處于劣勢，發(fā)展水平最低的為寧夏(-0.707)、青海(-0.745)、西藏(-0.792)，這些地區(qū)在信息化方面尚不完善，數(shù)字化產(chǎn)業(yè)相對落后，機械一體化尚未全面實現(xiàn)，導(dǎo)致數(shù)字經(jīng)濟水平在我國排名較低，表明其在數(shù)字經(jīng)濟、農(nóng)業(yè)現(xiàn)代化等方面仍需努力。

表4 31個省數(shù)字農(nóng)業(yè)發(fā)展水平得分及排名

3.2 中國數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展水平的聚類分析

根據(jù)上文31個省份在四個公因子得分，采用聚類分析法對我國數(shù)字農(nóng)業(yè)發(fā)展水平進(jìn)行分類，旨在分析各類地區(qū)的共性與異性。

運用SPSS軟件采用Ward聚類方法，選用平方歐式距離進(jìn)行聚類。從聚類結(jié)果來看，我國數(shù)字農(nóng)業(yè)發(fā)展水平可以劃分為五類。其中第一類包括浙江、廣東、四川3個省份，第二類包括江蘇、安徽、河北、河南、山東、湖北、湖南、黑龍江8個省份，第三類包括北京、上海2個省份，第四類包括福建、江西、遼寧、廣西、吉林、海南、云南、重慶、陜西、甘肅10個省份，第五類包括山西、天津、內(nèi)蒙古、寧夏、貴州、新疆、西藏、青海8個省份。

從表5看出，在第一公因子上，第一類平均值較高，說明北京、上海地區(qū)在產(chǎn)業(yè)效益人才技術(shù)方面比較發(fā)達(dá)；在第二公因子上，第二類平均值較高，說明江蘇、山東等地區(qū)在產(chǎn)業(yè)投入方面比重較大，也是發(fā)展數(shù)字農(nóng)業(yè)的前提；在第三公因子上，第一類平均值較高，說明浙江、廣東等地區(qū)在長途光纜投入較多，為發(fā)展網(wǎng)絡(luò)信息傳輸提供基礎(chǔ)；在第四公因子上，第四類平均值較高，說明遼寧、海南等地區(qū)在綠色發(fā)展上做的更為妥當(dāng)，農(nóng)藥、化肥投入量適當(dāng)，為我國綠色發(fā)展做出貢獻(xiàn)。從綜合平均值來看，第一類數(shù)字農(nóng)業(yè)發(fā)展水平較好，即浙江、廣東、四川，在產(chǎn)業(yè)、技術(shù)、信息、人才等方面的帶動下，提升了數(shù)字農(nóng)業(yè)的高質(zhì)量發(fā)展，整體水平較高。第五類地區(qū)數(shù)字農(nóng)業(yè)發(fā)展相對落后，其中大部分為西部地區(qū)，經(jīng)濟實體相對不發(fā)達(dá)，農(nóng)業(yè)數(shù)字化必然會落后于其他地區(qū)，數(shù)字農(nóng)業(yè)發(fā)展水平仍需進(jìn)一步做出努力。

表5 類均值

4 結(jié)論及建議

本文通過建立數(shù)字農(nóng)業(yè)的指標(biāo)體系，對我國數(shù)字農(nóng)業(yè)發(fā)展情況進(jìn)行綜合評價，通過因子分析和聚類分析的方法將24個指標(biāo)降維成四個公因子并將31個地區(qū)劃分為五類，分析了31個地區(qū)數(shù)字農(nóng)業(yè)發(fā)展的現(xiàn)狀以及不同類別之間的差異，主要的結(jié)論如下：廣東、江蘇、山東數(shù)字農(nóng)業(yè)發(fā)展水平較高，與其他省份存在顯著差異，西部地區(qū)在基礎(chǔ)設(shè)施、人才資源、技術(shù)支持、產(chǎn)業(yè)效益與全國平均水平相比仍存在較大差距。根據(jù)本文研究的成果，從二個方面給出提升數(shù)字農(nóng)業(yè)高質(zhì)量發(fā)展的相關(guān)建議。

4.1 增加政策與資金的投入，營造良好的發(fā)展環(huán)境

數(shù)字農(nóng)業(yè)的高質(zhì)量發(fā)展應(yīng)由數(shù)字技術(shù)的革新來提供支持，也需要政策投入和資金投入來支持。首先政策投入層面，政府完全主導(dǎo)，對數(shù)字農(nóng)業(yè)的政策進(jìn)行補充和改進(jìn)，進(jìn)而推動農(nóng)業(yè)數(shù)字化的轉(zhuǎn)型。其次資金投入層面，要更加注重財政支持。針對中西部對農(nóng)業(yè)數(shù)字化投資較低的省份，加大投資力度。

4.2 重點發(fā)展農(nóng)業(yè)數(shù)字技術(shù)產(chǎn)業(yè)，提高產(chǎn)業(yè)效率

一方面，加大農(nóng)業(yè)信息技術(shù)引進(jìn)力度，提升農(nóng)業(yè)數(shù)字產(chǎn)業(yè)效率。將最新的信息技術(shù)和農(nóng)機制造相結(jié)合，提高農(nóng)機設(shè)備水平和作業(yè)質(zhì)量。另一方面，在農(nóng)民、科研機構(gòu)以及政府等相關(guān)主體之間搭建信息交流與反饋的平臺，在農(nóng)業(yè)方面能及時實現(xiàn)多個主體間的信息共享。