數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的驅(qū)動(dòng)影響

翟力紅，王江鑫

（1.首都經(jīng)濟(jì)貿(mào)易大學(xué)，北京 100070；2.河北經(jīng)貿(mào)大學(xué)，河北 石家莊 050000）

0 引言

在1994年出版的《數(shù)字經(jīng)濟(jì)》一書中，Don Tapscott詳細(xì)闡述了這種新經(jīng)濟(jì)形態(tài)，用大量實(shí)證闡述了數(shù)字化應(yīng)用給社會(huì)帶來的重大影響［1］。此后國內(nèi)外數(shù)字經(jīng)濟(jì)的內(nèi)涵出現(xiàn)了不同的變化，其內(nèi)涵囊括的信息逐漸全面。丁志帆等人將其理解為以數(shù)字化信息作為生產(chǎn)要素，將信息技術(shù)應(yīng)用到傳統(tǒng)產(chǎn)業(yè)以實(shí)現(xiàn)配置效率提升和結(jié)構(gòu)優(yōu)化的一種新經(jīng)濟(jì)活動(dòng)［2］。然而量化數(shù)字經(jīng)濟(jì)對(duì)于經(jīng)濟(jì)社會(huì)的影響，通常是通過數(shù)字經(jīng)濟(jì)發(fā)展水平的測度、數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)的測算以及選取合適的代理變量來進(jìn)行。劉傳輝從數(shù)字基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)基礎(chǔ)、人力資源支撐等方面出發(fā)，將其定義為一級(jí)指標(biāo)，并根據(jù)實(shí)際情況進(jìn)行二級(jí)指標(biāo)構(gòu)建，之后采用熵權(quán)法構(gòu)建了綜合的數(shù)字經(jīng)濟(jì)發(fā)展水平綜合測度體系，結(jié)果表明城市群之間的數(shù)字經(jīng)濟(jì)差異明顯，呈現(xiàn)出了一定的波動(dòng)性［3］。

全要素生產(chǎn)率本質(zhì)上指總產(chǎn)出量占所有的生產(chǎn)要素投入量的比例情況，此外還可以將其分解為技術(shù)進(jìn)步和綜合效率影響，馮海發(fā)于1990年首次通過測度農(nóng)業(yè)的全要素生產(chǎn)率來評(píng)價(jià)經(jīng)濟(jì)效率［4］。在此基礎(chǔ)之上，有學(xué)者采用數(shù)據(jù)包絡(luò)分析法（DEA）來進(jìn)行測算。王霞云等人將產(chǎn)出指標(biāo)定為第一產(chǎn)業(yè)（農(nóng)、林、牧、漁業(yè)）總產(chǎn)值，并選取了以農(nóng)作物播種總面積、農(nóng)業(yè)機(jī)械總動(dòng)力為代表的6個(gè)投入要素，采用DEA模型測算農(nóng)業(yè)全要素生產(chǎn)率［5］。此外李展等通過一個(gè)全新的視角，即從KLEMSTFP出發(fā)測度中國農(nóng)業(yè)在1980-2016年的變化情況［6］。張帆等通過分析其空間網(wǎng)絡(luò)聯(lián)動(dòng)性發(fā)現(xiàn)，地理鄰接關(guān)系對(duì)其有促進(jìn)作用，但農(nóng)業(yè)結(jié)構(gòu)調(diào)整卻對(duì)全要素生產(chǎn)率有反向影響［7］。

當(dāng)前有諸多學(xué)者對(duì)于數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行了較為科學(xué)的指標(biāo)體系構(gòu)建與測算，并且利用合適的方法計(jì)算了農(nóng)業(yè)的全要素生產(chǎn)率，對(duì)其影響因素進(jìn)行了進(jìn)一步深化分析，但很少研究量化數(shù)字經(jīng)濟(jì)水平對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響，當(dāng)前更多的是二者之間關(guān)系的理論化研究，缺少實(shí)證分析。本文立足于中國農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展水平現(xiàn)狀，根據(jù)農(nóng)業(yè)實(shí)時(shí)特點(diǎn)構(gòu)建指標(biāo)體系，并采用DEA-Malmquist指數(shù)模型綜合測算農(nóng)業(yè)全要素生產(chǎn)率，主要基于內(nèi)地31個(gè)省份2014-2019的年面板數(shù)據(jù)，構(gòu)建模型對(duì)數(shù)字經(jīng)濟(jì)發(fā)展水平和農(nóng)業(yè)全要素生產(chǎn)率之間的關(guān)系做出量化分析，以期在數(shù)字化大背景下為農(nóng)業(yè)的高質(zhì)量發(fā)展提供政策建議。

1 指標(biāo)體系的構(gòu)建和測度分析

1.1 數(shù)字經(jīng)濟(jì)發(fā)展水平

1.1.1 指標(biāo)體系的構(gòu)建原則及指標(biāo)解釋

借鑒中國社會(huì)科學(xué)院農(nóng)村發(fā)展研究所和北京農(nóng)業(yè)信息技術(shù)研究中心發(fā)布的《鄉(xiāng)村數(shù)字經(jīng)濟(jì)指標(biāo)體系構(gòu)建》以及《中國數(shù)字鄉(xiāng)村發(fā)展報(bào)告（2020年）》等相關(guān)文獻(xiàn)，結(jié)合農(nóng)業(yè)發(fā)展的范圍需求、大環(huán)境要求以及實(shí)時(shí)特點(diǎn)，從投入與產(chǎn)出的視角選取了數(shù)字基礎(chǔ)設(shè)施水平、數(shù)字產(chǎn)業(yè)發(fā)展基礎(chǔ)、農(nóng)業(yè)數(shù)字化效益三個(gè)維度構(gòu)建指標(biāo)體系，如表1所示。

表1 數(shù)字經(jīng)濟(jì)發(fā)展水平指標(biāo)體系

1.1.2 熵權(quán)法

本文通過對(duì)主客觀賦權(quán)法的優(yōu)缺點(diǎn)對(duì)比及其具體方法的對(duì)比分析，結(jié)合數(shù)據(jù)之間的內(nèi)在統(tǒng)計(jì)規(guī)律，采用熵權(quán)法，幾乎不受主觀因素影響地得出較為客觀的指標(biāo)權(quán)重。由于本文涉及的指標(biāo)體系均是正向指標(biāo)，因此無需做非負(fù)化處理，結(jié)合實(shí)際的農(nóng)業(yè)農(nóng)村數(shù)字化特點(diǎn)，采用熵權(quán)法計(jì)算數(shù)字經(jīng)濟(jì)發(fā)展水平。

1.1.3 測度結(jié)果分析

采用熵權(quán)法確定權(quán)重后，各指標(biāo)測算結(jié)果以及各個(gè)省份年度數(shù)據(jù)測算結(jié)果與年度排名如表2所示。

表2 31個(gè)省份2015-2019年的數(shù)字經(jīng)濟(jì)發(fā)展水平的測度結(jié)果（續(xù)表）

表2 31個(gè)省份2015-2019年的數(shù)字經(jīng)濟(jì)發(fā)展水平的測度結(jié)果

由表2可知，各個(gè)省份的數(shù)字經(jīng)濟(jì)發(fā)展水平均呈現(xiàn)出了上升的趨勢，其中北京、上海、浙江等地的發(fā)展趨勢明顯，表明其數(shù)字經(jīng)濟(jì)發(fā)展水平較高，河北、內(nèi)蒙古等地的數(shù)字經(jīng)濟(jì)保持相對(duì)平緩的速度，且在全國的排名也出現(xiàn)了小幅度的波動(dòng)，海南、寧夏、青海等地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平逐年遞增，但進(jìn)步不太明顯；此外，從橫向看，河北、浙江、福建、廣東、四川等地的數(shù)字經(jīng)濟(jì)發(fā)展水平相對(duì)較高，并且在全國處于較為領(lǐng)先的位置，表明這些地區(qū)農(nóng)業(yè)相關(guān)的數(shù)字化投入以及數(shù)字化效益等方面效果顯著，因此充分發(fā)揮數(shù)字經(jīng)濟(jì)發(fā)展水平的優(yōu)勢對(duì)于地區(qū)經(jīng)濟(jì)發(fā)展具有重要的意義。

1.2 農(nóng)業(yè)全要素生產(chǎn)率

1.2.1 方法及理論的介紹

Malmquist指數(shù)是一種基于生產(chǎn)前沿發(fā)展起來的測量農(nóng)業(yè)全要素生產(chǎn)率的有效方法，現(xiàn)今已經(jīng)應(yīng)用到各個(gè)行業(yè)的生產(chǎn)率測算中，由于它主要是通過計(jì)算數(shù)據(jù)包絡(luò)分析（DEA）來實(shí)現(xiàn)，因此也常被稱為DEA-Malmquist指數(shù)法。該方法不需要任何假設(shè)，只要提供必要的對(duì)象和指標(biāo)便可進(jìn)行求解。

借鑒文獻(xiàn)［8］對(duì)于Malmquist指數(shù)的定義，其具體表達(dá)見公式（1），表3對(duì)其中變量進(jìn)行了說明。

表3 DEA-Malmquist指數(shù)測算變量說明

1.2.2 指標(biāo)體系的構(gòu)建

根據(jù)上述測算方法的介紹，采用DEA-Malmquist指數(shù)法從投入與產(chǎn)出的視角來測算內(nèi)地31個(gè)省份2015-2019年的農(nóng)業(yè)全要素生產(chǎn)率。本文基于已有的研究成果和數(shù)據(jù)的可獲得性，將產(chǎn)出變量定為農(nóng)林牧漁業(yè)的總產(chǎn)值，將投入要素定為農(nóng)林牧漁業(yè)以及相關(guān)行業(yè)服務(wù)的從業(yè)人員、農(nóng)作物的播種面積、農(nóng)業(yè)機(jī)械總動(dòng)力、有效化肥施用量以及農(nóng)業(yè)耕地灌溉面積，該部分投入一定程度上囊括了勞動(dòng)、資本等生產(chǎn)要素的投入，并使得投入更加全面和具體，如表4所示。由于DEA分析的投入產(chǎn)出有無量綱的特點(diǎn)，所以不需要對(duì)單位進(jìn)行調(diào)整，具體的投入產(chǎn)出變量選取如表4所示。

表4 農(nóng)業(yè)全要素指標(biāo)體系構(gòu)建

1.2.3 測算結(jié)果分析

運(yùn)用DEAP2.1軟件對(duì)31個(gè)省份2014-2019年間的數(shù)據(jù)進(jìn)行TFP的整體測算，并采用投入型與規(guī)模報(bào)酬不變作為基礎(chǔ)條件，測算出農(nóng)業(yè)全要素增長率，再將2014年作為基期類推進(jìn)行連乘［9］，得到2015-2019年的TFP，具體結(jié)果如表5所示。

表5 31個(gè)省份2015-2019年的TFP數(shù)據(jù)

根據(jù)表5結(jié)果可知，從時(shí)間維度上來看，農(nóng)業(yè)全要素生產(chǎn)率均呈現(xiàn)出了一定幅度的上升趨勢，且最近幾年都突破了1，實(shí)現(xiàn)了各投入要素資源配置效率、利用效率等的提升，技術(shù)進(jìn)步明顯，相對(duì)于2015年的數(shù)據(jù)，2019年的整體增速也愈發(fā)明顯；從省份看，全國31個(gè)省份盡管都呈現(xiàn)出了進(jìn)步的趨勢，但各省份農(nóng)業(yè)全要素生產(chǎn)率增速不一。基于2019年的數(shù)據(jù)做了一個(gè)三梯隊(duì)劃分，其中黑龍江、江西、湖南、重慶等8個(gè)省份的農(nóng)業(yè)全要素生產(chǎn)率處在第一梯隊(duì)，具有很高的水平，北京、天津、山西等15個(gè)省份在第二梯隊(duì)，河北、內(nèi)蒙古、上海等8個(gè)省份在第三梯隊(duì)。

1.3 數(shù)據(jù)來源

綜合指標(biāo)體系的構(gòu)建數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》、阿里研究院、國家統(tǒng)計(jì)局以及各省市的統(tǒng)計(jì)年鑒等，選取31個(gè)省份2014-2019年的數(shù)據(jù)（測算結(jié)果為2015-2019年）。個(gè)別缺失的數(shù)據(jù)用其臨近年份的數(shù)值來代替。

2 數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響分析

2.1 變量選取與數(shù)據(jù)說明

為分析數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響，本文選擇了回歸模型作為分析方法，模型中的分析變量如下。

被解釋變量：農(nóng)業(yè)的全要素生產(chǎn)率。該變量數(shù)據(jù)是基于31個(gè)省份2014-2019年的投入產(chǎn)出要素，采用DEA-Malmquist指數(shù)法進(jìn)行測度的結(jié)果，同時(shí)，為進(jìn)行穩(wěn)健性測試，本文選用索洛余值法測算的農(nóng)業(yè)全要素生產(chǎn)率作為被解釋變量的替換變量，用tfp3來表示。

核心解釋變量：數(shù)字經(jīng)濟(jì)發(fā)展水平。該變量的測算是基于數(shù)字基礎(chǔ)設(shè)施水平、數(shù)字產(chǎn)業(yè)發(fā)展基礎(chǔ)、農(nóng)業(yè)數(shù)字化效益等方面進(jìn)行的綜合評(píng)價(jià)。

控制變量：根據(jù)農(nóng)業(yè)發(fā)展特點(diǎn)選取除數(shù)字經(jīng)濟(jì)發(fā)展水平外的一部分能夠?qū)Ρ唤忉屪兞慨a(chǎn)生影響的變量。

（1）農(nóng)村經(jīng)濟(jì)發(fā)展水平。本文主要用人均GDP來衡量該變量。

（2）自然災(zāi)害。本文用31個(gè)省份的受災(zāi)面積占農(nóng)作物播種總面積表示某一地區(qū)農(nóng)業(yè)環(huán)境的惡化程度。

（3）工業(yè)化程度。本文通過非農(nóng)GDP與地區(qū)GDP的比重來表示地區(qū)的工業(yè)化發(fā)展水平。

（4）財(cái)政支農(nóng)力度。財(cái)政支農(nóng)力度主要是通過財(cái)政中農(nóng)業(yè)農(nóng)民支出占一般預(yù)算支出的比例來衡量。

（5）農(nóng)業(yè)結(jié)構(gòu)調(diào)整。本文主要通過糧食作物播種面積與農(nóng)作物播種面積的比例來衡量農(nóng)業(yè)的結(jié)構(gòu)調(diào)整。

2.2 模型構(gòu)建

構(gòu)建回歸模型如式（2）：

其中，被解釋變量：i表示省份，t表示年份，TFPit表示農(nóng)業(yè)全要素生產(chǎn)率；核心解釋變量：digitalit表示數(shù)字經(jīng)濟(jì)發(fā)展水平；Xit表示一系列控制變量，包括經(jīng)濟(jì)發(fā)展水平ecoit、自然災(zāi)害ndisait、工業(yè)化程度indusdegit、財(cái)政支農(nóng)力度supagriit、農(nóng)業(yè)結(jié)構(gòu)調(diào)整strucait；μi表示個(gè)體固定效應(yīng)，可以解決不隨時(shí)間變化而隨省份而異的不可觀測因素帶來的問題；νt表示時(shí)間固定效應(yīng)，能夠解決不隨省份變化而隨年度變化的不可觀測因素帶來的問題；εit表示隨機(jī)擾動(dòng)項(xiàng)。

2.3 實(shí)證結(jié)果分析

針對(duì)上述模型，使用stata12分別擬合了混合回歸、個(gè)體固定效應(yīng)、同時(shí)控制了個(gè)體和時(shí)間效應(yīng)的雙向固定效應(yīng)、隨機(jī)效應(yīng)模型，擬合的具體結(jié)果依次在表6的（1）-（4）列。

從表6的回歸結(jié)果可以看到，四個(gè)模型的核心解釋變量ln(digital)的系數(shù)都為正，且都通過了顯著性檢驗(yàn)。對(duì)模型進(jìn)行豪斯曼檢驗(yàn)，檢驗(yàn)結(jié)果顯示chi2(7)=48.08，P=0.000，拒絕使用隨機(jī)效應(yīng)模型的原假設(shè)，應(yīng)使用固定效應(yīng)模型。擬合優(yōu)度方面，雙向固定效應(yīng)模型的擬合優(yōu)度要更好，達(dá)到了0.7324，同時(shí)考慮到數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)的促進(jìn)作用可能存在著不隨個(gè)體而隨時(shí)間變化的遺漏變量或不可觀測因素，本文最終選擇了更為合適的雙向固定效應(yīng)模型。因此，以下將使用表6列（3）的雙向固定效應(yīng)模型的估計(jì)結(jié)果進(jìn)行分析。

表6 數(shù)字經(jīng)濟(jì)發(fā)展水平與全要素生產(chǎn)率的回歸結(jié)果

雙向固定效應(yīng)模型估計(jì)結(jié)果顯示，ln(digital)的估計(jì)系數(shù)為0.1737，表明數(shù)字經(jīng)濟(jì)的發(fā)展對(duì)農(nóng)業(yè)全要素生產(chǎn)率的提高有促進(jìn)作用，且具體表現(xiàn)在數(shù)字經(jīng)濟(jì)發(fā)展水平每提高1%，農(nóng)業(yè)全要素生產(chǎn)率提高0.1737%。

在控制變量方面，經(jīng)濟(jì)發(fā)展水平的系數(shù)、自然災(zāi)害的系數(shù)沒有通過顯著性檢驗(yàn)，說明地區(qū)經(jīng)濟(jì)發(fā)展水平與自然災(zāi)害對(duì)農(nóng)業(yè)發(fā)展沒有實(shí)質(zhì)性影響；工業(yè)化程度的系數(shù)為負(fù)，且通過顯著性檢驗(yàn)，說明地區(qū)的工業(yè)化程度對(duì)該地區(qū)的農(nóng)業(yè)發(fā)展有著抑制作用；財(cái)政支農(nóng)力度的系數(shù)為正，且通過顯著性檢驗(yàn)，說明政府財(cái)政支持有助于農(nóng)業(yè)發(fā)展；農(nóng)業(yè)結(jié)構(gòu)調(diào)整的系數(shù)沒有通過顯著性檢驗(yàn)，說明其對(duì)農(nóng)業(yè)發(fā)展沒有實(shí)質(zhì)性的影響。

2.4 估計(jì)結(jié)果的穩(wěn)健性檢驗(yàn)

為了估計(jì)的可靠性，選用了工具變量回歸法和替換被解釋變量兩種方法進(jìn)行估計(jì)結(jié)果的穩(wěn)健性檢驗(yàn)。

（1）工具變量回歸法

考慮到數(shù)字經(jīng)濟(jì)發(fā)展水平與全要素生產(chǎn)率之間可能存在的內(nèi)生性問題，因此選擇滯后一期的數(shù)字經(jīng)濟(jì)發(fā)展水平作為工具變量，采用兩階段最小二乘法（2SLS）重新估計(jì)模型，估計(jì)結(jié)果如表7所示。

表7 2SLS的估計(jì)結(jié)果

第一階段的回歸結(jié)果表明，解釋變量與工具變量有顯著的正相關(guān)關(guān)系，R2為0.9872，說明滯后一期的數(shù)字經(jīng)濟(jì)發(fā)展水平作為工具變量是合適的。第二階段的回歸結(jié)果表明，數(shù)字經(jīng)濟(jì)發(fā)展水平與全要素生產(chǎn)率顯著正相關(guān)，表明雙向固定效應(yīng)模型的估計(jì)結(jié)果具有穩(wěn)健性。

（2）替換被解釋變量

用索羅余值法測算的全要素生產(chǎn)率（tfp3）替換被解釋變量，利用原回歸模型進(jìn)行參數(shù)估計(jì)，回歸結(jié)果如表8所示。數(shù)字經(jīng)濟(jì)發(fā)展水平的系數(shù)為正，且通過了顯著性檢驗(yàn)，說明數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)發(fā)展仍有促進(jìn)作用，因此該回歸模型具有穩(wěn)健性。

表8 穩(wěn)健性檢驗(yàn)

3 結(jié)論與建議

3.1 結(jié)論

從農(nóng)業(yè)農(nóng)村角度來看，數(shù)字經(jīng)濟(jì)發(fā)展水平相對(duì)來說并沒有發(fā)揮優(yōu)勢，這很大程度上取決于地區(qū)的主導(dǎo)產(chǎn)業(yè)、政府關(guān)聯(lián)度以及數(shù)字化農(nóng)業(yè)人才引入等。突出表現(xiàn)為西南地區(qū)的顯著正向推動(dòng)作用，西南地區(qū)主要包括云南、貴州、四川等地，該地區(qū)的農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展水平在全國屬于中間水平，農(nóng)業(yè)全要素生產(chǎn)率更多地處在第一梯隊(duì)，該地區(qū)在數(shù)字基礎(chǔ)設(shè)施和數(shù)字化產(chǎn)業(yè)的交易等方面表現(xiàn)出一定的突出性，且很大程度上作用在農(nóng)業(yè)全要素生產(chǎn)率的提高上，說明數(shù)字經(jīng)濟(jì)對(duì)于推動(dòng)農(nóng)業(yè)全要素生產(chǎn)率具有強(qiáng)大的賦能效果和潛力，但華北地區(qū)呈現(xiàn)出一定的負(fù)向作用，北京、河北、天津等地更注重制造業(yè)、工業(yè)等，數(shù)字經(jīng)濟(jì)的提升速度低于農(nóng)業(yè)全要素生產(chǎn)率的提升。東北地區(qū)、華北地區(qū)農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施、產(chǎn)業(yè)發(fā)展以及數(shù)字化農(nóng)業(yè)交易在推動(dòng)農(nóng)業(yè)全要素生產(chǎn)率方面稍落后于西南地區(qū)，仍保有很大的提升空間，因此需要更好地實(shí)現(xiàn)農(nóng)業(yè)的數(shù)字化，將新的技術(shù)應(yīng)用在農(nóng)業(yè)生產(chǎn)中，發(fā)揮現(xiàn)代化的優(yōu)勢。

3.2 政策建議

持續(xù)加快數(shù)字基礎(chǔ)設(shè)施的穩(wěn)健保障，充分發(fā)揮數(shù)字經(jīng)濟(jì)優(yōu)勢。農(nóng)業(yè)數(shù)字化基地建設(shè)、農(nóng)產(chǎn)品的數(shù)字化交易等變量具有較高的權(quán)重，因此要不斷地加快數(shù)字化基礎(chǔ)設(shè)施建設(shè)，加快發(fā)展5G網(wǎng)絡(luò)，應(yīng)用物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、大數(shù)據(jù)等信息技術(shù)到農(nóng)業(yè)種植、農(nóng)業(yè)生產(chǎn)中，借助數(shù)字基礎(chǔ)設(shè)施的加持來加強(qiáng)農(nóng)業(yè)生產(chǎn)、流通、銷售各環(huán)節(jié)的數(shù)據(jù)信息的采集、分析，促進(jìn)農(nóng)業(yè)數(shù)字化發(fā)展，實(shí)現(xiàn)傳統(tǒng)農(nóng)業(yè)轉(zhuǎn)型升級(jí)。

加大數(shù)字農(nóng)業(yè)人才培養(yǎng)，多因素助力農(nóng)業(yè)現(xiàn)代化進(jìn)步。著力培養(yǎng)數(shù)字農(nóng)業(yè)領(lǐng)域?qū)I(yè)人才，當(dāng)前具備農(nóng)業(yè)產(chǎn)業(yè)和信息技術(shù)應(yīng)用的復(fù)合型專業(yè)人才還比較緊缺，且受到工作環(huán)境以及薪酬等問題的制約，因此政府需要制定相應(yīng)的優(yōu)惠政策，鼓勵(lì)大學(xué)生加入到基層農(nóng)業(yè)的發(fā)展建設(shè)中，彌補(bǔ)農(nóng)村數(shù)字化人才缺口。

深化工業(yè)支持，發(fā)揮潛在力量助力農(nóng)業(yè)發(fā)展。數(shù)字經(jīng)濟(jì)對(duì)現(xiàn)代農(nóng)業(yè)的發(fā)展有積極的促進(jìn)作用，而工業(yè)化程度對(duì)農(nóng)業(yè)全要素生產(chǎn)率卻起著抑制作用，要助力工業(yè)與現(xiàn)代農(nóng)業(yè)協(xié)調(diào)發(fā)展，地區(qū)工業(yè)的發(fā)展有助于為農(nóng)業(yè)提供工業(yè)技術(shù)和工業(yè)產(chǎn)品，如農(nóng)用設(shè)施、農(nóng)用機(jī)械、化肥等，實(shí)現(xiàn)農(nóng)業(yè)的現(xiàn)代化。因此應(yīng)當(dāng)發(fā)揮出工業(yè)對(duì)農(nóng)業(yè)的促進(jìn)作用，并避免在發(fā)展工業(yè)的同時(shí)，造成土地資源緊張、環(huán)境惡化等問題，抑制農(nóng)業(yè)的發(fā)展，促進(jìn)協(xié)調(diào)發(fā)展，此外需要在不同區(qū)域?qū)嵭芯哂胁町惢膽?zhàn)略。