我國農業農村數字化水平基本現狀、動態演進及空間溢出

鄭麗楠,劉林龍,許 寧

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

互聯網信息技術高速發展,數字經濟已成為全球新一輪競爭的制高點,成為產業轉型升級的重要推力,是實現“雙循環”新發展格局的內在動力。隨著數字經濟在我國的迅速推廣,農業農村發展也日益受到數字化的積極影響,正在加快尋找融合切入點,加速融合進程。《數字農業農村發展規劃(2019—2025年)》提出“當前及‘十四五’時期是推進農業農村數字化的重要戰略機遇期,必須順應時代趨勢、把握發展機遇”,這為我國農業農村向數字化發展指明了方向。

我國的農業農村發展和數字信息技術的結合還處于起步階段[1],但信息技術和信息化基礎設施已經顯示出了對農業全要素生產率的積極影響[2-4]。同時對農村整體經濟發展[5]、農村居民就業[6]和收入水平[7]起到了促進和提升作用。目前國內學者也在重點關注農村數字化規模測算[8]、數字鄉村治理[9]和提升我國農業農村數字化水平[10]等相關話題,并提出系列對策建議。現有研究都表明數字化技術與農業農村的結合將有效促進要素自由配置,推動農業高質量發展。我國是一個農業大國,實現農業農村數字化發展需要科學地測度和客觀反映全國農業農村數字發展水平的現狀特征、區域差異和動態演進過程,需要進一步了解中國農業農村數字化水平的空間變化規律和對其產生影響的因素,在發現規律、總結規律的基礎上提出針對性對策建議,對于提高全國農業農村現代化水平具有重要的意義。

一、理論探討

(一)農業農村數字化發展相比于其他領域數字化發展的特殊性

首先,農業發展對三次產業貢獻程度逐年降低,更多的資源和要素流向經濟發展需求更迫切的城市地區,匯集到工業、制造業和服務業中,廣大農村地區生產設施與生活設施已落后于社會生產力的整體發展。數字化信息技術在農業中的應用情況需要被了解和重視。其次,雖然農業對經濟增長的貢獻度降低,但農業發展關乎14億中國人口的生計,農村占有更廣闊的國土面積,農村人口占比仍然較大。在數字化信息技術快速發展和普及的時代,只有農業農村數字化水平得到提升,才更能體現中國經濟的高質量發展和現代化發展。最后,農業生產是社會生產力與自然生產力的有機結合,除了要提高農業生產率,確保糧食安全外,還需要保證農業生產的生態化。按照國土空間優化格局,農業空間和生態空間有較多重疊,利用數字化信息技術發展農業生產、銷售,能夠有效降低農業在生產和流通環節對環境的污染,可以說農業農村數字化發展具有十分特殊的意義。

(二)農業農村數字化發展影響因素的作用機理

熊彼特的創造性破壞理論認為,創新會破壞原有生產結構,推動技術不斷進步。目前實現經濟高質量發展,更加離不開技術要素的支持。同時,傳統的資本、勞動力等要素和資源的配置一直對經濟發展產生著重要影響,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、市場和政府角度,探討其對農業農村數字化發展的影響。首先,技術因素可以包含技術創新環境、技術市場化程度和技術應用程度3個方面,良好的技術創新環境是農業數字化發展的土壤,同時還會影響周邊地區。先進發明專利及時轉化為市場要素是推動農業農村數字化發展的前提,最終技術廣泛應用,不斷創新生產模式和經營管理理念,才能夠真正成為提高農業農村數字化發展水平的助力。在市場作用下,資源配置對區域間要素的流動會產生正向影響。政府的制度和政策支持將引導農業發展和農村生活增加對數字化技術的使用,不斷完善農村基礎設施。市場機制和政府政策相互補充,共同作用,可以促進效率提升、技術普及和管理優化。在技術、市場和政府3方面作用下,要素自由流動,實現空間溢出和產業聯動,從而有效提升農業農村數字化發展水平。

二、研究方法與數據來源

(一)研究方法

1.農業農村數字化水平測算。參考現有研究成果[11],從3個方面測度中國農業農村數字化水平,如圖1所示。

圖1 農業農村數字化測算指標體系

一是將農業與農村基礎設施用農村互聯網普及率、農村智能手機和計算機普及率、農業氣象觀測站數量來表示。其中,農村互聯網寬帶接入用戶占該地區農村人口百分比表示農村互聯網普及率。農村居民每百戶年移動電話和計算機擁有量表示農村智能手機和計算機普及率。農業氣象觀測站表示農業氣象觀測業務。二是將農業數字化水平,使用農業數字化規模和農業生產投資2個指標表示。具體參考已有做法[11],將農業生產數字化程度用第一產業中的數字技術應用規模占比來衡量。通過投入產出表,計算第一產業數字產品和服務中間投入在第一產業部門總投入中的比重為調整系數,作為第一產業增加值的權重,計算數字化規模。2011—2014年調整系數通過2012年投入產出表計算而得,2015—2020年調整系數通過2017年投入產出表計算而得。三是農村數字產業化水平。使用農村網絡支付水平、農村網絡技術應用、農業農村數字化發展平臺、智能化產品消費水平4個二級指標表征。其中,采用北京大學數字普惠金融指標數據中不同縣域指數均值來表示農村數字金融普惠指數,進一步反應農村網絡支付水平。采用平均每一郵政電信營業網點服務人口數表示農村網絡技術應用使用情況。采用阿里研究院報告中不同省(區、市)淘寶村數量來表示農業農村數字化發展平臺使用情況。采用每百人照相機和洗衣機等智能消費品擁有量表示智能化消費水平情況。

進一步,對數據進行標準化處理,具體方法為:

(1)

(2)

確定指標占比:

(3)

計算熵值和變異系數:

(4)

gij=1-eij

(5)

計算第j項指標在綜合評價中的權重:

(6)

綜合指數為:

(7)

2.區域差異分析。測度相對差距的常用方法包括基尼系數、對數離差均值和泰爾指數,3種指數分別為中等、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業農村數字化水平的區域差異。具體計算公式如下:

(8)

(9)

(10)

3.核密度分析。核密度分析法是分析某一變量隨時間動態演進的重要非參估計方法,通過構建連續、光滑的密度曲線呈現隨機變量的具體形態。但由于其表達形式不一,借鑒已有處理方式[12],選用高斯核對農業農村數字化進行分析,具體的表達式為:

(11)

上式中,k(x)為核函數,x表示獨立同分布的觀測值。判斷標準為:密度曲線隨著時間推移向右移動表明水平上升,反之水平下降。波峰形態表現出“尖窄型”時,表明峰值較高同時變動區間較小,代表區域差異的縮小。波峰形態表現出“寬扁型”時,結論相反。當出現多個峰值時,表明隨機變量有多極化現象。

4.空間計量分析

(12)

(2)空間杜賓模型。基于時空維度采用空間杜賓模型來研究中國農業農村數字化的影響因素。具體而言,以農業農村數字化為被解釋變量,以技術、市場和政府3方面的指標為解釋變量,構建空間杜賓模型,表達式如下:

(13)

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

被解釋變量為農業農村數字化指數,擬從農業農村數字經濟基礎設施、農業數字化水平、農業數字產業化水平3個方面對我國及省域農業農村數字化綜合指數進行考察。

解釋變量Xit包括技術、市場和政府3個層面的因素。首先,技術層面的因素從技術創新能力、技術市場化能力和技術落地應用水平3方面考慮,分別使用專利申請授權數(RD)、技術市場成交額(TMT)和互聯網寬帶接入端口數(LAP)3個指標來表征。

其次,市場層面因素包括農業發展水平和資源配置環境2個方面。具體來看,農業發展水平(AGDP)使用人均農業增加值作為指標,并基于第一產業從業人員計算人均農業增加值。資源配置環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構建指標體系,充分考慮數據的可得性,使用地方財政支出占GDP比重的剩余項計算得來[9]。

最后,政府層面因素用財政支農力度(SFA)表示。由于用于農業的各項支出發生變化會對基礎設施和農業生產造成影響,進而影響農業農村數字化水平。因此,將財政支農力度作為解釋變量,具體計算方法為:財政支農力度=農林水務支出/財政總支出。

(二)數據來源與處理

測算農業農村數字化水平的數據和影響因素原始數據來源于EPS數據庫中的宏觀經濟數據庫、區域經濟數據庫、《中國統計年鑒》、阿里研究院報告以及北京大學數字普惠金融指標數據中縣域數字惠普金融指標。各變量的描述性統計如表1所示。

表1 變量的描述性統計(2011—2020年)

三、我國農業農村數字化水平特征分析

(一)農業農村數字化水平的時序特征

表2列示了2011—2020年我國30個省(區、市)農業農村數字化綜合指數。由表2可知,2020年中國農業農村數字化水平較2011年有較大提升,平均年上升率超過12%。2011年中國農業農村數字化綜合指數僅北京、浙江、福建、廣東4地大于0.1,到2020年,30省(區、市)農業農村數字化綜合指數均得到較大提高。從整體來看,2011—2020年我國農業農村數字化水平呈上升態勢,但同時伴隨一定的年際波動,結合其演變特征可大致分為3個不同階段。

2011—2012年為第一階段。2011—2012年我國農業農村數字化綜合指數較低,2012年有所提高,但變化不大,平均提高5.43%。這一階段我國農業農村數字化水平較低,但處于小幅提升階段。

2013—2015年為第二階段。2013—2015年我國農業農村數字化綜合指數得到進一步提高,從整體上看,雖然絕對指數不高,但提高幅度處于最高階段,2013年平均提高幅度達到20.27%,2015年達到25.54%。這一階段我國農業農村數字化水平較低,但處于大幅提升階段。

2016—2020年為第三階段。2016—2020年,中國農業農村數字化綜合指數有較大提高,從整體上,提高速度低于第二階段,但絕對數值處于最高階段。2020年綜合指數超過0.25的省(區、市)數量達到7個。這一階段中國農業農村數字化水平較基期高,但提高速度較第二階段有所下降。

表2 我國30個省(區、市)農業農村數字化綜合指數

由表2可以看出,2020年農業農村數字化綜合指數高于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,其中浙江農業農村數字化綜合指數高于0.76,廣東和江蘇也在0.4以上。而北京、重慶、云南、內蒙古、陜西、寧夏、天津、吉林和上海則依次排在倒數后10位,農業農村數字化綜合指數均低于0.15。與2011年相比,2020年全部省(區、市)的農業農村數字化綜合指數處于上升態勢,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,中國各省(區、市)農業農村數字化綜合指數呈上升態勢,但相對于2018年,2019年北京、山西、內蒙古、吉林、上海出現下降趨勢。

(二)農業農村數字化水平的區域差異

表3更直觀地反映農業農村數字化水平的省際差異。可以看出,2011—2012年,我國農業農村數字化水平的省際差異小,2013年省際差異出現大幅下降,2014—2016年省際差異逐漸擴大,2017年及以后各省(區、市)之間農業農村數字化差異快速擴大。可能的原因在于2017年以后,新一代數字化信息技術,如云計算和大數據等迅速發展并向各地擴散,各地紛紛進行學習和應用,重視數字技術對產業轉型的作用,但由于各地經濟發展水平和產業結構等方面存在差異,從客觀上造成了農業農村數字化水平的差距逐漸拉大。2020年各省(區、市)之間農業農村數字化差異呈現縮小趨勢。

表3 2011—2020年我國農業農村數字化水平的省際差異指數

從2011年和2020年八大經濟區農業農村數字化綜合指數可以看出(見表4),八大經濟區農業農村數字化水平得到較大提升。其中,東部沿海綜合經濟區農業農村數字化水平最高,提高速度也最快。上海農業農村數字化水平最低,但所占權重最低,而浙江綜合指數最高,同時所占權重高,從客觀上成為全國綜合指數最高的區域。其次是南部沿海經濟區,這一地區擁有較好的農村數字化發展基礎。排名第三的是北部沿海綜合經濟區,這一地區2018年完成對黃河中游綜合經濟區的超越,農業農村數字經濟發展速度較快。

總體來說,各地區農業農村數字經濟水平不斷提升,2017年,南部沿海經濟區已經排名第一,大西南綜合經濟區、北部沿海綜合區和東部沿海綜合經濟區發展水平相當,東北綜合經濟區、大西北綜合經濟區相對落后。2011年以來,黃河中游綜合經濟區農業農村數字化水平一直較高,2015年以后雖發展速度有所減慢,但依然遠遠高于東北綜合經濟區、長江中游綜合經濟區、大西北綜合經濟區和大西南綜合經濟區。東北綜合經濟區雖都是農業大省,農產品品質高,但受經濟發展影響,數字化水平一直緩慢提高。長江中游綜合經濟區農業發展以水稻種植和棉花生產為主,并逐漸發展成為相關農產品的深加工基地,數字化發展的基礎好、潛力大。大西南、大西北綜合經濟區同時受地理位置和經濟發展水平的影響,農業農村數字化水平較低。

表4 我國八大經濟區農業農村數字化水平

續表

四、我國農業農村數字化水平的動態演進

對全國、糧食主產區、主銷區和產銷平衡區農業農村數字化水平的動態演進過程展開探討,結果如圖2所示。

(a)全國總體

(b)糧食主產區

(c)糧食主銷區

(d)糧食產銷平衡區

(一)全國農業農村數字化水平的動態演進

圖2(a)整體上描繪了全國農業農村數字化水平在研究期內的動態演變。整體上看,密度函數中心均自左向右偏移,并逐步由“尖窄型”變為“扁寬型”,2017年以后變化區間明顯變大。首先,2014年的曲線形態較2011年沒有大變化,但密度函數中心數值有所擴大,且最大值稍有降低。表明該階段我國農業農村數字化水平有所提升且區域差距有所擴大。其次,2017年的密度函數中心數值繼續擴大,最大值繼續降低,變化區間也明顯變大。該階段農業農村數字化水平繼續上升,區域差距也繼續擴大。再次,與2017年相比,2019年的密度函數中心小幅右移,峰值繼續降低,變化區間繼續擴大。可見,該階段農業農村數字化水平繼續上升,而且區域差距繼續擴大。最后,與2011年相比,2020年的密度函數中心大幅右移,主峰峰值略有增大,變化區間有所擴大。這表明,在研究期內中國農業農村數字化水平明顯上升,區域差距大幅擴大。可能的解釋是,隨著各地數字經濟的發展,各城市之間經濟社會、數字化發展基礎存在差異,各地區發展進度不同,從而客觀上加劇了農業農村數字化水平的地區差距。

(二)糧食主產區農業農村數字化水平的動態演進

圖2(b)整體上描繪了糧食主產區的農業農村數字化水平在研究期內的動態演變。整體上看,密度函數中心均自左向右偏移,并逐步由“尖窄型”變為“扁寬型”,2017年以后變化區間明顯變大,2020年變化區間遠大于全國水平。首先,與2011年相比,2014年的曲線形態開始出現明顯變化,密度函數中心向右移動且峰值有所降低,變化區間有一定幅度的擴大。表明該階段糧食主產區農業農村數字化水平有所提升且區域差距有所擴大。其次,2017年的密度函數中心數值有小幅度擴大,最大值稍有降低,變化區間明顯變大。該階段農業農村數字化水平繼續上升,區域差距也繼續擴大。再次,與2017年相比,2020年的密度函數中心小幅右移,峰值繼續降低,變化區間大幅擴大。可見,該階段農業農村數字化水平繼續上升,而且區域差距繼續擴大。最后,與2011年相比,2020年的密度函數中心大幅右移,變化區間大幅擴大。這表明,在研究期內糧食主產區農業農村數字化水平明顯上升,區域差距明顯擴大。糧食主產區中的河北、江蘇、山東、河南等地農業農村數字化綜合指數在全國都處于較高水平,但內蒙古、吉林等地數字化水平在全國處于最低層級,可見各地農業農村數字化水平的差距之大。

(三)糧食主銷區農業農村數字化水平的動態演進

圖2(c)整體上描繪了糧食主銷區的農業農村數字化水平在研究期內的動態演變。整體上看,密度函數中心均自左向右偏移,并逐步由“尖窄型”變為“扁寬型”,2017年以后變化區間明顯變大,2020年變化區間遠大于全國水平。首先,與2011年相比,2014年的曲線形態變化較小,密度函數中心向右移動且峰值有所提高,且區域差距有小幅擴大。其次,與2014年相比,2017年的密度函數中心繼續右移,峰值降低,“扁寬型”曲線特征明顯。該階段農業農村數字化水平繼續上升,區域差距也繼續擴大。再次,與2017年相比,2020年的密度函數中心繼續右移,峰值繼續降低,變化區間大幅擴大,核密度曲線幾乎沒有明顯峰值。可見,該階段農業農村數字化水平繼續上升,而且區域差距大幅擴大。最后,與2011年相比,2020年的密度函數中心大幅右移,變化區間明顯擴大,且擴大幅度大于糧食主產區。這表明,在研究期內糧食主產區農業農村數字化水平明顯上升,區域差距顯著擴大。糧食主銷區農業農村數字化水平之所以差距甚大,是因為該區域中有數字化發展水平居全國首位的浙江,較高的北京,同時還有居于全國末位的上海、天津。

(四)糧食產銷平衡區農業農村數字化水平的動態演進

圖2(d)整體上描繪了糧食產銷平衡區的農業農村數字化水平在研究期內的動態演變。整體上看,密度函數中心均自左向右偏移,并逐步由“尖窄型”變為“扁寬型”,2017年以后變化區間明顯變大,2020年沒有明顯變化。首先,與2011年相比,2014年的曲線形態變化較小,密度函數中心向右移動且峰值有所降低,且區域差距有小幅擴大。其次,與2014年相比,2017年的密度函數中心繼續右移,峰值降低,“扁寬型”曲線特征明顯,同時由單峰變為“一大一小”雙峰格局。該階段農業農村數字化水平繼續上升,區域差距也繼續擴大。再次,與2017年相比,2020年的密度函數中心繼續右移,峰值和區間變化不大,雙峰特征不明顯。可見,該階段農業農村數字化水平繼續上升,而且區域差距變化不大。最后,與2011年相比,2020年的密度函數中心大幅右移,變化區間明顯擴大,且擴大幅度大于糧食主產區。這表明,在研究期內糧食產銷平衡區農業農村數字化水平明顯上升,區域差距顯著擴大。糧食產銷平衡區大多數省份位于西部地區,各省份農業資源稟賦較為接近,畜牧業占比大,數字化水平不高。西部大開發戰略的實施使各省份經濟快速發展,促使各省份的農業發展水平拉開差距,數字化差距也隨之擴大。

五、農業農村數字化水平的影響因素

(一)全局空間自相關檢驗

在進行農業農村數字化的影響因素分析之前,對農業農村數字化及各影響因素進行全局空間自相關檢驗,結果如表5所示。可以看出,農業農村數字化的莫蘭指數的集聚程度隨時間變化有所波動,但整體上都通過了顯著性檢驗,呈現出先上升后下降的態勢。揭示出我國農業農村數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。在農業農村數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,且顯著程度最高,莫蘭指數最高。財政支農力度通過了顯著性檢驗,且呈現出莫蘭指數逐年提高,集聚程度越來越顯著的趨勢。技術創新能力的集聚程度也通過顯著性檢驗,但其顯著性水平逐漸降低,莫蘭指數逐年下降,表明該指標現在呈現空間集聚態勢,但有隨時間擴散的可能性。技術市場化、技術應用和農業發展水平在前幾年有空間集聚趨勢,但隨時間推移不能通過顯著性檢驗,呈現擴散態勢。整體上來看,以上影響因素呈現出差異化的空間自相關效應。

表5 2011—2020年農業農村數字化和各影響因素的莫蘭指數及其顯著性水平

(二)農業農村數字化影響因素

首先,在進行空間面板模型回歸之前,進行各項前置檢驗。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)檢驗結果(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,顯著拒絕了OLS回歸模型優于空間誤差模型和空間滯后模型的原假設。LR(err)與LR(lag)的檢驗結果(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。以上檢驗結果表明空間杜賓模型更適合本研究。同時,Hausman檢驗結果(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。由此,本部分采用空間杜賓模型,將2011—2020年我國30個省(區、市)農業農村數字化作為因變量,基于距離平方倒數權重矩陣(W1)與所選6個影響因素進行回歸。同時,選取距離倒數矩陣(W2)和鄰接權重矩陣(W3)替換距離平方倒數矩陣重復以上回歸過程,進行穩健性檢驗。回歸結果如表6所示。

表6 各因素對農業農村數字化影響的回歸結果

由以上回歸結果可知,在技術因素中,技術創新環境在1%的水平上通過顯著性檢驗,但回歸結果方向與預期相反。表明以專利授權數為指標的技術創新環境對農業農村數字化產生顯著的負向影響。可能的解釋是,目前各地區專利授權以工業、制造業技術創新為主,專利數越高的省(區、市)工業和制造業越發達,農業及其數字化發展水平越低,兩者之間并不一定具有因果關系,但從數據顯示來看,我國確實存在這樣一種空間分布趨勢。技術市場化和技術落地應用對農業農村數字化的影響均通過了顯著性檢驗,且表現為正影響。可能的解釋是,技術創新只有面向市場,被大眾接受、使用,才能真正實現技術推動經濟發展。同時互聯網技術被農村百姓廣泛使用,對于提升農產品網絡銷售額、數字產業增加值都具有作用,從而促進農業農村數字化水平。

在市場因素中,農業發展水平對農業農村數字化的影響通過了顯著性檢驗,且為正向影響。可能的解釋是,隨著農業自身發展水平的提高,農業產業結構更加合理,生產管理模式不斷創新,銷售途徑不斷拓展,進而有效促進數字化技術的應用和普及,顯示出對農業農村數字化水平的促進作用。市場配置資源程度對農業農村數字化的影響通過了顯著性檢驗,但為負向影響。可能的解釋是,這與專利技術的影響類似,市場化程度越高的省(區、市),制造業、服務業發展水平可能越高,農業發展水平較低,由此數據分析結果顯示兩者呈現相反的趨勢。

在政府因素中,財政支農力度對農業農村數字化的作用方向為正,即在其他條件不變的前提下,財政支農力度越高,農業農村數字化水平越高。表明目前中國各地農業農村數字化發展更依賴政府政策支持而非市場自由發展。隨著財政對農業農村的支出越多,農業機械以及灌概設備不斷更新換代,基礎設施更趨于完善,科技水平不斷提高,對數字技術的需求更高,從而推動數字化水平的提高。

通過比較以上3個回歸結果可知,使用距離矩陣和鄰接矩陣進行回歸時,各個變量的作用方向與顯著性特征在大多數情況下表現一致。回歸估計結果在整體上具有較強的穩健性。

(三)各因素對農業農村數字化發展的空間溢出效應

為了更為準確地呈現各因素對農業農村數字化的作用機理與實際影響程度,參照現有研究[12],利用偏微分法對表6回歸的估計結果進行無偏處理,進而將其分解為直接效應、間接效應與總效應。其中,直接效應由2部分構成:一是各因素對本地農業農村數字化的影響;二是本地農業農村數字化接受的反饋效應,即本地各因素對鄰近地區產生影響之后又反作用于本地農業農村數字化。間接效應即為空間溢出效應,特指鄰近地區各因素對本地農業農村數字化的作用方向及影響程度。結果如表7所示。

表7 各因素對農業農村數字化影響的空間溢出效應

由表7可知,在技術因素中,技術創新環境、技術市場化和技術落地應用的直接效應值分別為-0.160 3、0.035 2和0.297 6,且基本通過了顯著性檢驗。并且3項指標的直接效應值較無偏處理前分別提高了0.013 8、0.031 9和0.045 9,表明本地技術創新環境、技術市場化和技術落地應用在對鄰近地區產生影響后,由于存在反饋效應,自身農業農村數字化水平還會有所提高。技術創新環境和技術落地應用的間接效應值分別為0.237 7和0.598 0,分別在5%和1%水平下,通過了顯著性檢驗。由此揭示,技術創新環境和技術落地應用對農業農村數字化具有顯著的空間溢出效應,且二者間表現出正向關系。具體而言,鄰近地區技術創新環境和技術落地應用水平提升會推動本地農業農村數字化水平提升;在市場因素中,農業發展水平對農業農村數字化的影響存在直接效應,也存在空間溢出效應,且間接效應超過直接效應。市場配置資源程度對農業農村數字化的影響僅存在直接效應,間接效應不明顯,且反饋效應微乎其微;在政府因素中,財政支農力度存在一定的直接效應卻無明顯的空間溢出效應,同時表現出一定的反饋效應(0.142 1)。

總體而言,上述較多影響因素對農業農村數字化產生有較強的空間溢出效應,且為促進作用。可能的原因是:良好的技術創新環境和創新能力會產生知識溢出效應,同時帶動周邊地區學習和模仿,當知識向外擴散時,會被運用到各行各業。當部分技術被運用到農業生產和經濟管理上,同時伴隨著農業生產效率的提高,農業產業結構積極調整,農業財政支持持續增加,由此帶來農業發展水平的快速提高與對數字化技術的持續應用,鄰近地區通過有效學習與充分吸收,逐步產生空間溢出效用,并由此產生正向反饋效應,進而促使本地和鄰近地區農業農村數字化水平提高。

六、研究結論與啟示

(一)研究結論

在對我國農業農村數字化水平進行測算的基礎上,分析我國農業農村數字化的現狀特征,并圍繞其動態演進趨勢、影響因素和空間溢出效應展開探討,得出以下主要研究結論。

1.我國農業農村數字化水平呈上升態勢,但同時伴隨一定的年際波動,結合其演變特征可大致分為3個不同階段:我國農業農村數字化水平較低,但有小幅提升階段;我國農業農村數字化水平較低,但有大幅提升階段;我國農業農村數字化水平較基期高,但提高速度有所下降階段。

2.我國農業農村數字化水平的地區差異明顯。從經濟區來看,東部沿海綜合經濟區農業農村數字化水平最高,提高速度也最快。南部沿海經濟區、北部沿海綜合經濟區和黃河中游綜合經濟區農業農村數字化水平較高;從省際差異來看,以2020年為例,浙江農業農村數字化綜合指數高于0.76,廣東和江蘇也在0.4以上。北京、重慶、云南、內蒙古、陜西、寧夏、天津、吉林和上海農業農村數字化綜合指數均低于0.15。

3.全國以及糧食主產區、主銷區和產銷平衡區農業農村數字化水平的動態演進特征表現出了細微區別,但整體上類似。考察期內我國農業農村數字化水平整體上升趨勢明顯且省際差距有所擴大,其原因可能歸結于各城市之間經濟社會、數字化發展基礎存在差異,各地區發展進度不同,從而客觀上加劇了農業農村數字化水平的地區差距。

4.農業農村數字化水平受技術、市場和政府3個層面因素的共同影響。在技術因素中,技術市場化和技術落地應用對農業農村數字化的影響為正,技術創新環境反之。技術創新環境和技術落地應用對農業農村數字化具有顯著的空間溢出效應;在市場因素中,農業發展水平對農業農村數字化的影響為正,市場配置資源程度反之。農業發展水平對農業農村數字化既存在直接效應,也存在空間溢出效應,且間接效應超過直接效應。市場配置資源程度僅存在直接效應,間接效應不明顯,且反饋效應較小;在政府因素中,財政支農力度對農業農村數字化的作用方向為正,且存在一定的直接效應卻無明顯的空間溢出效應,同時表現出一定的反饋效應。

(二)啟示

基于以上發現,得到如下政策啟示:一是加快推進技術創新成果的市場交易和推廣應用,加快形成最新成果對農業發展的積極作用。不斷提高農業生產的技術應用水平,推動農業生產對數字化技術的需求和使用。二是加快推進農業高質量發展,提高農業生產效率,調整優化農業產業結構。在充分發揮市場配置資源的決定性作用下,進一步提供必要的政策和財政支持,不斷優化農業生產基礎設施建設,鼓勵各方積極使用先進的數字化技術,賦能農業綠色高效發展。三是積極倡導互利共贏,以長遠利益為重。提高農業農村數字化發展不是一個或幾個地區單獨可以完成的,知識存在一定的空間溢出效應。共建地方之間的合作發展機制,引導省際農業數字化互動發展,以推動本地和鄰近地區農業農村數字化水平的提高。