數字經濟背景下農業高質量發展水平評價研究

陳紅川，劉 紅，黃小軍，劉春貞

（廣州大學管理學院，廣東 廣州 510006）

【研究意義】高質量發展成為現代化國家建設的必由之路。而農業是立國之本，承擔著糧食安全、勞動就業、環境保護、社會穩定的重任，農業高質量發展是經濟高質量發展的基礎和關鍵［1］。目前我國正在加快農業高質量發展，推動農業現代化建設。改革開放以來，我國農業取得許多舉世矚目的成就，但仍存在資源消耗大、環境污染等問題［2］，實現高質量發展是當前農業的重要任務。而準確評估我國農業高質量發展水平，分析其發展過程中所面臨的問題，有助于推動農業健康發展。【前人研究進展】農業高質量發展是基于我國經濟發展階段由高速發展轉向高質量發展而提出來的。國外類似的研究主要是分析如何促進農業可持續發展［3-4］、如何發展智慧農業［5-6］、評價分析農業經濟競爭力和綠色競爭力［7］等。而國內關于農業高質量發展的研究主要包含農業高質量發展內涵［8-9］和發展路徑［10］探討，都市農業發展［11］和農業現代化［12］研究，數字經濟［13-14］、數字技術［15-16］、數字普惠金融［17-18］、創新［19-20］等影響農業高質量發展的內在機制，以及農業高質量發展評價［18-19,21-33］等。具體來看，農業高質量發展水平評價研究取得不少進展。研究表明，我國農業高質量發展水平整體有上升趨勢，但各地區發展水平差異較大［21-28］。一些學者在對部分地區農業高質量發展水平評價的基礎上提出發展策略［29-31］。在這些研究中，評價方法多采用熵值法等［21-23,25-26］，而評價指標體系各異。例如，一些學者從“增量、提質、提效”角度構建評價指標體系［18-19］，另一些學者基于“創新、協調、綠色、開放、共享”的新發展理念構建評價指標體系［21-24］。總的來說，在現有農業高質量發展水平的研究中，評價指標有重合也有差異，沒有統一。

【本研究切入點】一些學者開展農業高質量發展研究已取得不少成果，但農業高質量發展水平評價指標體系并未達成一致，還有進一步研究的空間。目前較多研究以新發展理念的5 個維度為一級指標構建評價體系，對于某些可以衡量農業高質量發展水平的因素卻未納入評價指標體系。而數字經濟逐漸成為驅動經濟發展的新動能，在農業高質量發展的過程中發揮重要作用，故在評價農業高質量發展水平時，應將農業數字經濟發展情況考慮其中。因此本文認為農業高質量發展應以新發展理念為要求，以數字經濟為動能，最終實現農業現代化的目標，故結合農業高質量發展內涵、新發展理念構建評價指標體系，對農業高質量發展水平進行評價，以期豐富農業高質量發展研究。【擬解決的關鍵問題】本文以我國27 個省市為研究對象，運用面板數據熵值法評估2016—2020 年我國農業高質量發展水平，同時運用莫蘭指數分析我國農業高質量發展水平的空間聚集特征，在此基礎上提出針對性建議，以促進我國農業高質量發展，為制定農業高質量發展政策提供參考。

1 研究方法與數據來源

1.1 面板數據熵值法

熵值法是一種客觀賦權法，常用于多指標的綜合評價研究。其原理是以指標數據大小為依據確定權重，權重越大對評價體系的影響力越大，相比其他方法，可消除主觀人為的干擾，使測度結果更加科學合理［34］。以往的熵值法只能處理截面數據，不同的年份之間無法比較，因此本文參考前人研究成果［36］，進一步改進面板數據熵值法，具體步驟如下：

（1）指標選取和標準化處理。設有r個年份，n個省市，m個指標，則xijk表示第i年第j個省市第k個指標的值。由于不同的指標具有不同的量綱和單位，因此需要進行標準化處理，消除量綱影響，其中正向指標越大越優，負向指標越小越好。

式中，xmink、xmaxk分別表示第k個指標在r個年份n個省市中的最小值與最大值。指標標準化處理后，x'ijk的取值范圍為［0,1］，其含義為xijk在r個年份n個省市中的相對大小。

（2）計算指標的比重。首先對x'ijk加上一個極小的正偏移量，避免x'ijk為0，然后再計算yijk。

（3）計算第k項指標的熵值：

（4）計算第k項指標的信息效用值：

（5）計算第k項指標的權重：

（6）計算各省市每年的綜合得分：

1.2 莫蘭指數

首先采用全局莫蘭指數（Global Moran’s I）［37］分析我國農業高質量發展水平空間集聚狀況。

式中，S2為樣本方差，wij為空間權重矩陣的（i，j）元素（用來度量區域i與區域j之間的距離），而為所有空間權重之和。莫蘭指數的取值一般介于-1～1 之間，大于0 表示正自相關，即高值與高值相鄰、低值與低值相鄰；小于0 表示負自相關，即高值與低值相鄰［37］。

然后采用局部莫蘭指數（Local Moran’s I）［37］分析我國農業高質量發展水平空間集聚特征及其演變特征。

1.3 數據來源

以我國31 個省（區、市）為研究對象，樣本區間為2016—2020 年，原始數據來源于《中國統計年鑒》《中國農村統計年鑒》和EPS 數據庫等。由于北京、天津、上海、西藏4 個省（區、市）在園林綠化建設投入（v17）、水土流失治理面積（v22）、每千農業人口村衛生室人員（v31）、燃氣普及率（v34）的數據缺失較多，基于數據的可獲得性，本文最終剔除這4 個省（區、市）。此外，對于寧夏2016 年農村有線廣播電視指標的缺失數據，采用插值法進行補齊（表1）。

表1 農業高質量發展水平評價指標體系Table 1 Evaluation index system of high-quality agricultural development level

2 農業高質量發展水平評價與時空演變分析

2.1 農業高質量發展水平評價

2.1.1 指標構建 近年來，數字經濟發展迅速，逐漸成為促進經濟高質量發展的新動能，對我國農業高質量發展具有重要作用。農業與互聯網、物聯網產業融合成為發展趨勢，推進云計算、物聯網、移動互聯網等在農業生產方面的應用有助于實現農業現代化［38］，而農業信息化可以有效提高農業全要素生產效率，達到提質增效的作用［39］，因此數字經濟在農業生產方面得到廣泛應用。數字經濟能有效促進農業高質量發展［14］，穩定農業生產，弱化城鄉二元結構，促進農業產銷結合，使農業生產更加精準、農產品銷售更加便捷［40］，因此應將數字經濟發展水平納入農業高質量發展水平評價指標體系中。本文結合新發展理念以及鄉村振興的總體要求，參考前人的研究成果［18-19,30-31,33-35］，構建包含4 個一級指標、9個二級指標、34 個三級指標的評價體系（表1）。

（1）農業數字經濟發展水平。本文從機械化與電氣化水平、農村數字基礎設施、數字技術支持能力3 個方面來衡量農業數字經濟發展水平。機械化與電氣化水平在一定程度上可以反映數字農業發展情況或農村信息化程度，意味著農業生產水平和生產效率提升，能有效降低生產成本，實現農業增量提速，為高質量發展提供基礎；而數字基礎設施建設是農業實現數字化轉型的重要支撐，良好的數字基礎設施為農村提供更好的物流基礎、溝通渠道、信息獲取渠道等，以此減少交易成本、交易時間，為農業高質量發展提供更多可利用資源；同時，技術支持是數字農業高質量發展的動力，能反映與農業數字技術相關產業的發展情況。因此，本文選取農業機械化程度、農村電氣化程度、已通郵的行政村比重、農村投遞路線長度、農村每周平均投遞次數、農村有線廣播電視入戶率、農村寬帶接入用戶、光纜線路長度、移動電話交換機容量、移動電話普及率、電信業務總量、信息技術服務收入、信息化建設企業數、信息化建設企業使用計算機數、信息化建設企業擁有網站數共15 個三級指標來衡量農業數字經濟發展水平。

（2）農業綠色發展水平。綠色發展是基于新發展理念對農業生產提出的新要求，主要體現在降低農業生產對環境的污染、減少農業化學物質使用和對資源的高效利用。減少農業生產對環境的污染，是對農業生態的保護，有利于促進農業可持續發展；降低對農藥、化肥的使用，可以促進農產品向更安全、更高品質方向發展，實現人民對美好生活的追求；而對資源的高效利用是實現農業可持續發展的關鍵，也是實現高效農業的重要手段。通過對資源的高效利用，改變傳統農業資源消耗大、浪費多的情況，使農業轉向低投入、高產出的發展道路。可見，農業綠色發展是農業高質量發展的關鍵因素，因此選取園林綠化建設投入、森林覆蓋率、農藥施用強度、農用薄膜使用強度、農用柴油使用強度、化肥施用強度、水土流失治理面積、新增節水灌溉面積、單位播種面積農業用水量共9 個三級指標來衡量農業綠色發展水平。

（3）農業高效產出水平。農業高效產出是農業實現高質量發展的重要前提，只有在保證數量供給的基礎上，才能實現高質量產出。農業高效產出意味著農業改變傳統高投入、低產出的現狀，表明農業勞動力水平提升，因此選取第一產業經濟地位、農業產出效益、糧食供給能力、農業勞動生產率、農村勞動力培訓師資共5 個三級指標來衡量農業高效產出水平。

（4）農民生活水平。農民生活水平提升是留住農村勞動力的重要前提，農業發展的最終目標是實現農民生活富裕，因此農民生活水平既是農業高質量發展的保障也是成果體現。而農民生活水平的提升，最明顯的體現就是在城鄉收入差距方面。農民收入水平不斷提高，能夠增強農民的幸福感、安穩感以及對農業發展的信心。同時農村醫療是農民生活質量的保障，而農村居民最低生活保障人數、農村居民教育文化娛樂支出、燃氣普及率在一定程度上反映農民生活質量的提升。因此選取城鄉居民收入水平對比、每千農業人口村衛生室人員、農村居民最低生活保障人數、農村居民人均教育文化娛樂支出、燃氣普及率共5 個三級指標來衡量農民生活水平。

2.1.2 農業高質量發展水平評價 本文采用面板數據熵值法，基于我國27 個省（區、市）2016—2020 年面板數據，分析指標權重和綜合指標得分。如表2 所示，農業數字經濟發展水平維度有15 個三級指標（v1～v15），該維度權重合計為0.54；農業綠色發展水平維度有9 個三級指標（v16～v24），該維度權重合計為 0.19；農業高效產出水平維度有5 個三級指標（v25～v29），該維度權重合計為 0.18；農民生活水平維度有5 個三級指標（v30～v34），該維度權重合計為0.09。

表2 農業高質量發展水平評價指標權重Table 2 Weight of evaluation index of high-quality agricultural development level

2016—2020 年農業高質量發展水平綜合得分如表3 所示，全國整體發展水平在考察期內呈現小幅增長態勢，2016 年綜合得分為0.23，2020 年為0.26，年均值為0.25，增幅為0.03，年均增速為1.74%。從區域發展得分來看，東、中、西部及東北地區存在明顯的區域特征，農業高質量發展水平得分依次為0.38、0.24、0.19、0.24，其中，東部地區農業高質量發展水平始終高于全國平均水平，中部地區與全國平均水平基本持平，而西部、東北地區則低于全國平均水平，在空間上呈現“東部高、中部次之、東北和西部低”的分布格局。根據2016—2020 年我國農業高質量發展綜合得分均值為0.25，可將27 個樣本省（區、市）分為高于全國平均水平地區、等于或低于全國平均水平地區兩大類，其中農業高質量發展綜合得分均值高于全國平均水平的地區，按得分由高到低依次為江蘇（0.53）、廣東（0.51）、浙江（0.44）、山東（0.41）、河北（0.35）、河南（0.31）、福建（0.30）、四川（0.29）、湖南（0.26）；而得分等于或低于全國平均水平的地區，按得分由高到低依次為安徽（0.25）、湖北（0.25）、內蒙古（0.24）、陜西（0.24）、遼寧（0.22）、黑龍江（0.22）、江西（0.21）、廣西（0.21）、山西（0.21）、海南（0.19）、云南（0.19）、新疆（0.19）、重慶（0.18）、貴州（0.16）、吉林（0.16）、甘肅（0.14）、青海（0.11）、寧夏（0.10）。在得分高于全國平均水平的9 個省（區、市）中，東部地區有6 個，中部地區有2 個，西部有1 個，而且排名前5 位的省（區、市）都屬于東部地區。東部地區7 個省（區、市）中，海南得分為0.19，低于全國平均水平，廣東農業高質量發展綜合得分為0.51，居第2 位，與排在第1 位的江蘇綜合得分（0.53）差距不大。進一步分析可知，東部地區發展水平綜合得分依次達到中部、西部及東北地區的1.52倍、2 倍、1.58 倍，表明四大地區間農業高質量發展水平差異顯著。

2020 年農業高質量發展水平綜合得分全國均值為0.26，27 個省（區、市）中有10 個綜合得分高于全國平均水平，按得分高低依次為廣東（0.60）、江蘇（0.58）、浙江（0.48）、山東（0.44）、河北（0.33）、河南（0.33）、福建（0.32）、四川（0.32）、安徽（0.27）、湖北（0.27），有17個綜合得分等于或低于全國平均水平，按得分高低依次為湖南（0.26）、陜西（0.26）、江西（0.24）、廣西（0.24）、云南（0.21）、遼寧（0.20）、海南（0.19）、重慶（0.19）、山西（0.18）、內蒙古（0.18）、貴州（0.18）、黑龍江（0.18）、吉林（0.17）、新疆（0.16）、甘肅（0.15）、寧夏（0.11）、青海（0.10）。

2.1.3 各維度發展水平評價 2016—2020 年我國農業數字經濟發展水平、農業綠色發展水平、農業高效產出水平、農民生活水平維度得分情況分別見表4、表5、表6、表7。整體來看，4個維度的得分有升有降，其中，農業數字經濟發展水平與農民生活水平在4 個維度中增幅相對領先，而農業高效產出水平在這5 年間增幅為0、增長速度為-4.08%。從年均值看，農業數字經濟發展水平（0.12）領先，農業綠色發展水平（0.06）次之，農業高效產出水平（0.04）和農民生活水平（0.04）居后；分區域看，農業數字經濟發展水平、農業綠色發展水平、農業高效產出水平、農民生活水平年均增速最高的地區依次為西部（6.15%）、中部（0.95%）、東部（-1.18%）、西部（5.24%），增速最低的地區依次為東北（1.29%）、東北（-1.96%）、西部（-5.95%）、東部（2.00%）。西部地區的追趕效應主要體現在農業數字經濟發展水平與農民生活水平提升兩個方面，但需加速推進農業高效產出水平，而東北地區則應在農業數字經濟發展水平和農業綠色發展水平方面加快步伐。值得注意的是，僅有東部地區的4 個維度得分不低于全國平均水平，這與整體發展趨勢基本一致，這也表明4 個維度發展水平普遍較低且區域差異顯著。下面著重分析2016—2020 年我國27 個省（區、市）各維度發展水平得分情況。

表4 2016—2020 年我國27 個省農業數字經濟發展水平得分Table 4 Scores of agricultural digital economy development level in 27 provinces of China from 2016 to 2020

表5 2016—2020 年我國27 個省農業綠色發展水平得分Table 5 Scores of agricultural green development level in 27 provinces of China from 2016 to 2020

表6 2016—2020 年我國27 個省農業高效產出水平得分Table 6 Scores of agricultural efficient output level in 27 provinces of China from 2016 to 2020

（1）農業數字經濟發展水平得分。如表4所示，廣東、江蘇、浙江、山東農業數字經濟發展水平得分居前4 位，均值分別為0.37、0.36、0.30、0.22，且廣東年均增速為5.29%，也居第1位；2020 年農業數字經濟發展水平得分全國均值為0.14，有8 個省得分高于當年全國平均水平，按得分高低依次為廣東（0.45）、江蘇（0.42）、浙江（0.34）、山東（0.24）、四川（0.19）、河北（0.17）、福建（0.17）、河南（0.16）。

（2）農業綠色發展水平得分。如表5 所示，山東農業綠色發展水平得分均值0.09、排第1，河北、江蘇、浙江和四川等8 個省份均值都為0.07、并列第2；2020 年農業綠色發展水平得分全國均值為0.06，有6 個省得分高于當年全國平均水平，按得分高低依次為山東（0.10）、浙江（0.07）、江西（0.07）、河南（0.07）、四川（0.07）、云南（0.07）。

（3）農業高效產出水平得分。如表6 所示，黑龍江農業高效產出水平得分均值0.08、排第1，河南和新疆均值都為0.07、并列第2，湖南均值0.06、排第3，但這4 個省（區）年均增速都為負；2020 年農業高效產出水平得分全國均值為0.03，僅有6 個省高于當年全國平均水平，按得分高低依次為河南（0.06）、河北（0.05）、福建（0.04）、山東（0.04）、廣東（0.04）、海南（0.04）。

（4）農民生活水平得分。如表7 所示，江蘇農民生活水平得分均值0.07、排第1，福建、山東、海南3 省均值都是0.06、并列第2，河北、浙江和廣東均值0.05、并列第3，但河北年均增速為7.82%、排第1；2020 年農民生活水平得分全國均值為0.04，有8 個省（區）高于當年全國平均水平的，按得分高低依次為江蘇（0.08）、河北（0.06）、福建（0.06）、山東（0.06）、海南（0.06）、浙江（0.05）、廣東（0.05）、廣西（0.05）。

2.2 農業高質量發展水平時空演變分析

空間自相關可理解為位置相近的區域具有相似的變量取值，如果高值與高值聚集在一起，低值與低值聚集在一起，則為“正空間自相關”；反之，如果高值與低值相鄰，則為“負空間自相關”［37］。為進一步探究農業高質量發展水平的空間分布特征，本文參考前人研究成果［28,34,37］，采用衡量空間相關性的常用方法莫蘭指數進行分析。

利用Stata15 統計軟件中的spatgsa 命令，得到如表8 所示的統計結果，在27 個省市的鄰接空間權重矩陣下的全局莫蘭指數為正值，且在1%的統計水平下顯著，表明我國農業高質量發展水平存在顯著的空間正相關。從時間維度看，我國農業高質量發展水平的空間相關性有所減弱，整體上呈現震蕩向下的趨勢。

表8 全局莫蘭指數Table 8 Global Moran’s index

莫蘭指數可視為觀測值與其空間滯后值的相關系數，如果將觀測值與其空間滯后值畫成散點圖，則稱為莫蘭散點圖（Moran scatterplot）。在莫蘭散點圖中，第一、三象限表示區域內點之間是正相關關系，第一象限表示高—高（H-H）聚集即本區域與周圍區域同為較高水平，第三象限表示低—低（L-L）聚集即本區域與周圍區域同為較低水平；第二、四象限內的點表示本區域與周圍區域呈負相關關系［28］，第二象限為低—高（L-H）聚集表示本區域水平較低而周圍區域水平較高，第四象限正好相反，為高—低（H-L）聚集，即本區域水平較高而周圍區域水平較低。為直觀分析我國農業高質量發展水平的空間聚集特征，繪制初期2016 年和末期2020 年的莫蘭散點圖。由圖1 可知，多數省市落在第一、三象限，即H-H、L-L 聚集區，其中，H-H 聚集區內以東部地區為主，如江蘇、山東、浙江、福建、河北、河南、安徽等，匯聚為我國農業高質量發展“高效圈”；L-L 聚集區中多數為西部及東北地區，如寧夏、甘肅、青海、吉林、重慶、內蒙古、新疆等，形成我國農業高質量發展“滯后區”。這充分表明我國27 個省市的農業高質量發展水平空間聚集特征顯著，同樣也意味著區域間兩極分化現象突出。通過進一步對比分析2016、2020 年莫蘭散點圖演進趨勢，可發現我國農業高質量發展水平的空間聚集特征具有較強的穩定性，考察期內僅有9 省市發生躍遷：河北由第一象限處向第一四象限交界處躍遷，山西由第二象限躍遷至二、三象限交界處，江西、廣西由第二象限躍遷至一、二象限交界處，陜西由第三象限躍遷至三、四象限交界處，湖北由第三、四象限交界處躍遷至第四象限，遼寧從第四象限躍遷至第三象限，湖南由四象限躍遷至第一象限，黑龍江由第四象限躍遷至第三象限。我國多數省市處于低水平聚集區并長期未變動，再次印證我國農業高質量發展水平普遍較低。

圖1 2016、2020 年莫蘭散點圖Fig.1 Moran scatterplot in 2016 and 2020

3 結論與建議

本文以我國27 個省市為研究對象，構建包含農業數字經濟發展水平、農業綠色發展水平、農業高效產出水平、農民生活水平4 個維度的指標體系，評價農業高質量發展水平。結論如下：

（1）運用面板數據熵值法對各個指標權重進行分析，發現農業數字經濟發展水平維度權重為0.54，農業綠色發展水平維度權重為0.19，農業高效產出水平維度權重為0.18，農民生活水平維度權重為0.09。因此農業數字經濟水平和農業綠色發展水平這兩個維度對于農業高質量發展水平評價占主導地位。

（2）分析2016—2020 年我國27 個省市農業高質量發展水平綜合得分，發現全國整體發展水平普遍較低，年均值僅為0.25，在考察期內呈現小幅增長態勢。但整體呈現“東高西低”的發展態勢，東、中、西部和華北四大地區間農業高質量發展水平差異顯著。

（3）2020 年農業高質量發展水平綜合得分全國均值為0.26，高于年均值0.25，其中，農業數字經濟發展水平得分全國均值為0.14，高于年均值0.12；農業綠色發展水平得分全國均值為0.06，與年均值0.06 持平；農業高效產出水平得分全國均值為0.03，低于年均值0.04；農民生活水平得分全國均值為0.04，與年均值0.04 持平。

（4）運用莫蘭指數對我國農業高質量發展水平時空演變特征進行分析，發現我國農業高質量發展水平存在顯著的空間正相關，且從時間維度看，空間相關性有所減弱，同時我國多數省市處于低水平聚集區并長期未變動。

根據研究結論，提出以下建議：

（1）倡導綠色農業，改善農村居住環境。首先，普及生態保護意識，增強農業從業者對綠色發展的認同感，推行綠色發展理念；減少對化肥、農藥、薄膜等農業化學品使用，增加對農業廢棄物利用，守住耕地紅線，提高耕地復種率，進而實現提質增效。其次，充分利用數字化技術，實現農業現代化，減少農業耗水、耗電等，以改變農業耗能高的現狀。再次，加強環境污染管制以及農產品品質監管。最后，加快改善農村居住環境，加快推進農村旱廁改造，提高農村廁所普及率，增加農村園林綠化建設投入，提高農民生活水平。

（2）促進農業數字經濟發展，提高農業產出水平。首先，政府為農業數字經濟發展提供政策支持，牽頭推動數字農業基礎設施建設，為數字農業發展提供保障，如搭建農業氣象站、農業生產監控分析系統、市場信息共享平臺等。其次，加大對農業數字技術開發，讓研究者扎根于農業生產一線，真正解決農業技術難題。最后，加強對農業生產者的技術培訓，讓數字技術在農業生產中得到真正運用，使智慧農業成為現實，尤其是對產出效率低的西部地區，更應加強農業教育培訓，向其輸送更多的現代化人才，以改變其低效產出現狀，從而提高農業高效產出水平。

（3）加強農業創新，提升產業競爭力。首先，為農業技術創新提供足夠的資金保障，加大對農業科研機構的研發投入，建立農業創新融資渠道，鼓勵金融機構加大對農業技術創新項目的投資。其次，加強農村教育，強化農業技術培訓，鼓勵培養農業創新人才，為農業創新提供人力資源。最后，創建農業創新合作渠道，引領形成產學研的創新機制，打破區域限制，建立農業創新合作社，強化地區之間的合作，實現創新成果共享，縮減地區差異。

（4）改變產業模式，重視農民生活質量。首先，將傳統農業與旅游業結合，打造特色休閑農業產業模式；與人工智能相結合，打造智慧農業產業模式。目前越來越多的城市居民選擇返鄉度假，因此可以結合消費者喜好，打造農業觀光園、特色農業產業園、休閑農業體驗園等，以新型農業模式帶動農村經濟發展。其次，加強農村文化、教育、衛生、養老等基礎設施以及數字化設施建設，倡導文化藝術進農村等，以此豐富農民生活，留住農村勞動力。

（5）加強區域協助，實現共同發展。經濟發達的東部地區數字經濟發展水平較高，可以發揮優勢，向其他地區輸出技術、人才，協助其實現農業數字化轉型，同時積極打造示范區，供其他地區學習經驗。對于西部地區，則要在政策上對其傾斜，大力支持其引進技術、人才。區域之間可以建立合作中心，在因地制宜的基礎上，相互促進發展。