廣東省數字鄉(xiāng)村發(fā)展水平時空演變及驅動因素

關鍵詞：數字鄉(xiāng)村；發(fā)展水平；時空演變；驅動因素；廣東省中圖分類號：F323.3 文獻標識碼：A文章編號：0439-8114（2025）07-0230-09DOI：10.14088/j.cnki.issn0439-8114.2025.07.039開放科學（資源服務）標識碼（OSID）：口

Spatiotemporal evolution and driving factors of digital village development in Guangdong Province

TANGWei，BAOWulantuoya

（ColegeofEconomicsandManagement（Collegeofoopratives），QingdaoAgiculturalUniversity，Qingdao609，Shandong，in）

Abstract：The2Oprefecture-levelcities inGuangdong Province（excluding Shenzhen City）from2013to2022 weretakenas thesearchobjects.Anevaluationindexsystemfordigitalvllagedevelopmentcoveringfivekeydimensions wasconstructed.Theentropyweighted TOPSIS method wasadopted to measure thedevelopment levels.The Kernel density estimation method，Moran's I index， andtheGeoDetectormodel wereutilized tosystematicallanalyzethespatiotemporalevolutioncharacteristicsanddrivingfactorsIt wasshownthattheoveralldevelopmentlevelofdigitalvillgesinGuangdongProvincehadbeencontinuouslyrising.However，significantregionaldisparitiesexisted，withthePearlRiverDeltaregiontakingtheleadandtheeastern，western，andnorthernregionsof Guangdongfacinga“digitaldivide\".Tedevelopentlevelofdigitalvilgesdemostratedstablespatialaglomeratiocracteristics.“High-high”clusters were mainlyconcentratedinthePearlRiverDeltaregion，andthere werecities withstructural“eapfrogging\".Thedriving mechanismofdigitalvillagedevelopmentshowedatrendoftransformationfromexogenousdriverssuchasgovernmentsupporttondogenousdriverssuchasinnovationinpuandagriculturallevel.Finally，targetedcountermeasuresandsuggestios were putforward regarding regional diferences，policylinkage，and innovation-drivendevelopmentin Guangdong Province.

Keywords：digital village；development level;spatiotemporal evolution；driving factors；Guangdong Province

中共二十大報告指出，全面建設社會主義現代化國家，最艱巨最繁重的任務仍然在農村。當下，鄉(xiāng)村面臨日益衰落、基礎設施不完善、產業(yè)結構單一以及人口流失等嚴峻問題，當務之急是尋找激發(fā)鄉(xiāng)村內生發(fā)展活力的新動能[1]。數字經濟是一種以數字化為生產力，以數字技術為核心，代表當前現代科學技術發(fā)展趨向的全新經濟形態(tài)[2]，對鄉(xiāng)村振興而言，既是新動能，又是新引擎。數字經濟與鄉(xiāng)村振興的對接融合是時代發(fā)展必然趨勢，數字鄉(xiāng)村建設能夠整體帶動和提升農業(yè)農村現代化發(fā)展，為鄉(xiāng)村經濟社會發(fā)展提供強大動力。

關于數字鄉(xiāng)村建設的學術成果主要從理論研究與實證研究兩方面展開。在理論研究方面，主要涉及數字鄉(xiāng)村的內涵、發(fā)展現狀、實踐困境、治理路徑以及國際經驗與啟示等內容[2-6]。在實證研究方面，一是基于具體視角實證檢驗數字鄉(xiāng)村對鄉(xiāng)村振興的影響，學者們探討了數字鄉(xiāng)村建設對產業(yè)興旺、城鄉(xiāng)融合發(fā)展、農村居民收入差距等方面[7-9]的影響，普遍認同數字鄉(xiāng)村建設對鄉(xiāng)村振興具有重要推動作用；二是開展對數字鄉(xiāng)村發(fā)展指標體系、評價方法、區(qū)域差異等方面的研究。

在指標體系方面，國內關于數字鄉(xiāng)村建設的評價指標體系標準尚未統(tǒng)一，崔凱等\"基于鄉(xiāng)村數字經濟內涵，提出數字鄉(xiāng)村指標體系應從環(huán)境、投入、效益和服務4個方面構建；許敬輝等在鄉(xiāng)村振興背景下，從數字信息基礎、數字產業(yè)發(fā)展、數字科技農業(yè)、數字生活服務、綠色生態(tài)鄉(xiāng)村和鄉(xiāng)村生活質量6個方面構建數字鄉(xiāng)村評價指標體系；朱紅根等基于投人產出的經濟角度，從數字資金投入、數字產業(yè)發(fā)展、數字信息基礎、數字服務水平4個維度構建中國數字鄉(xiāng)村發(fā)展指標體系；劉傳明等[2]利用北京大學新農村發(fā)展研究院編制的縣域數字鄉(xiāng)村指數衡量數字鄉(xiāng)村發(fā)展水平。在評價方法方面，馮朝睿等[13]采用層次分析法，徐振華等[4]、許敬輝等[]分別采用熵權法和因子分析法，張鴻等[15]則采用層次分析法與熵權法相結合的組合賦權法測度數字鄉(xiāng)村發(fā)展水平。在區(qū)域差異方面，劉傳明等[16]、劉慶[1]分別運用Dagum基尼系數及其分解方法和泰爾指數及其分解方法分析數字鄉(xiāng)村發(fā)展的區(qū)域差異；曾永明等[18]研究發(fā)現，中國數字鄉(xiāng)村建設水平區(qū)域差異明顯，呈現由“東部沿海地區(qū)向內陸地區(qū)”遞減的“階梯式\"空間分異格局。

總體來看，上述關于數字鄉(xiāng)村建設方面的研究較為豐富，但由于中國數字鄉(xiāng)村發(fā)展起步較晚，尚未出臺數字鄉(xiāng)村評價方面的國家標準，一些實證研究也是基于全國視角，未考慮地域經濟和環(huán)境差異，仍需結合區(qū)域實際系統(tǒng)地探究數字鄉(xiāng)村建設的影響機理與推進策略。廣東省作為中國數字經濟大省，2022年數字經濟占地區(qū)生產總值比重高達 49.7% ，數字經濟規(guī)模達6.41萬億元，占全國數字經濟規(guī)模比重達 12.8% ，總量連續(xù)6年居全國首位。作為中國數字經濟發(fā)展的前沿陣地，廣東省數字鄉(xiāng)村發(fā)展情況對于國家和其他省份具有較強的參考意義。因此，本研究基于2013—2022年廣東省除深圳市外的20個地級市的面板數據，采用熵權TOPSIS法系統(tǒng)性地分析全省數字鄉(xiāng)村發(fā)展水平，應用Kernel密度估計法、Moran'sI指數和地理探測器模型進一步分析其時空演變特征和關鍵驅動因素，以期為推動廣東省數字鄉(xiāng)村高質量發(fā)展提供理論依據和決策參考，同時也為其他省份建設數字鄉(xiāng)村提供借鑒，在一定程度上豐富中國關于數字鄉(xiāng)村發(fā)展相關領域的研究。

1 研究設計

1.1 評價指標體系構建

廣東省大力實施數字鄉(xiāng)村發(fā)展戰(zhàn)略，積極推進數字技術與農業(yè)農村深度融合，《廣東省貫徹落實lt;數字鄉(xiāng)村發(fā)展戰(zhàn)略綱要gt;的實施意見》《廣東數字農業(yè)農村發(fā)展行動計劃（2020—2025）》以及《廣東省貫徹落實lt;數字鄉(xiāng)村發(fā)展行動計劃（2022一2025） ∣gt; 實施方案》等一系列政策加碼和戰(zhàn)略提速，意味著廣東省數字鄉(xiāng)村建設發(fā)展進人了新階段。本研究綜合參考廣東省相關政策文件和已有研究成果[1，14，15，17]，遵循科學性、系統(tǒng)性等指標構建原則，兼顧指標的時效性和數據的可獲得性，從鄉(xiāng)村數字信息基礎、鄉(xiāng)村產業(yè)數字化、鄉(xiāng)村治理數字化、鄉(xiāng)村服務數字化、鄉(xiāng)村文化數字化5個維度構建廣東省數字鄉(xiāng)村發(fā)展水平評價指標體系（表1）。

1.2 數據來源

廣東省深圳市已實現全面城鎮(zhèn)化，因此本研究對象為廣東省除深圳市外的20個地級市及四大區(qū)域，其中珠三角地區(qū)包括廣州、佛山、東莞、惠州、珠海、江門、中山、肇慶8個地級市；粵東地區(qū)包括汕頭、揭陽、汕尾、潮州4個地級市；粵西地區(qū)包括茂名、湛江、陽江3個地級市；粵北地區(qū)包括清遠、韶關、梅州、河源、云浮5個地級市。上述指標體系中，數字農業(yè)企業(yè)規(guī)模的數據來自企研·社科大數據平臺數據庫；數字金融發(fā)展水平來自北京大學數字普惠金融指數；基層網格化治理水平、“三務”網上公開比率、“雪亮工程\"覆蓋率、政務服務事項網上可辦率、教育培訓服務水平、縣級融媒體中心建設情況來自廣東省及各地級市關于數字經濟與數字鄉(xiāng)村的官方文件、公告及報道等;其余指標數據均來自《廣東農村統(tǒng)計年鑒》廣東及各地級市統(tǒng)計年鑒、廣東及各地級市國民經濟與社會發(fā)展統(tǒng)計公報。樣本期為2013一2022年，部分年份的缺失數據采用插值法或根據年份間增長率近似計算補齊。

1.3 研究方法

1.3.1熵權TOPSIS法熵權TOPSIS模型實質是對傳統(tǒng)TOPSIS評價法的改進，傳統(tǒng)TOPSIS評價法的核心思想是通過定義決策問題的最優(yōu)解和最劣解之間的距離，最后計算各個方案與理想解的相對貼近度，進行方案的優(yōu)劣排序。主要計算步驟如下。

表1廣東省數字鄉(xiāng)村發(fā)展水平評價指標體系

1）對原始數據進行標準化處理。為了消除單位量綱不同帶來的影響，對正向指標和負向指標分別采用式（1）和式（2）進行標準化處理，其中， x_ij 為第 i 個樣本的第 j 次評價指標的原始值， x_ij^′ 為標準值。

2）構造規(guī)范化矩陣 （p_ij） ，其元素為式（3），其中m 為指標對應的樣本總數。

3）計算第 j 項指標的信息 （h_j），n 為指標總數。

.，n）

4）計算第 j 項指標的權重 （w_j） 。

5）構建加權決策矩陣 （V） 。

V=w_j×x_ij^′

6）確定指標的正、負理想解。令 V⁺ 表示所有方案中最好的方案，稱為正理想解； V^- 表示最不理想的方案，稱為負理想解。

V⁺={maxV_ij∣i=1，2，…，m}

V^-={minV_ij|i=1，2，…，m}

7）計算歐式距離。設各個評價地區(qū)向量到正、負理想解的距離分別是 D⁺ 和 D^- 。

8）計算貼近度 （C_j） 。貼近度表示評價對象與正理想解即最優(yōu)方案的接近程度，貼近度 C_j 越大，表明評價對象越接近正理想方案，同時遠離負理想方案，因此，可以根據 C_j 的大小判斷數字鄉(xiāng)村發(fā)展水平的高低。

1.3.2Kernel密度估計法Kernel密度估計是一種利用連續(xù)密度函數曲線對隨機變量分布形態(tài)進行描述的非參數方法，通過從Kernel密度曲線的分布形態(tài)、位置、延展性等特征展開分析，能夠清晰直觀地展現數字鄉(xiāng)村發(fā)展水平的動態(tài)演進過程。假定 f（x）

是數字鄉(xiāng)村發(fā)展水平 x 的密度函數，計算式如下。

式中， n 為觀測值的個數； x_i 為觀測值； 為觀測值的均值； K（?） 表示核密度函數； h 為帶寬，帶寬越小，估計精度愈高。本研究采用高斯核函數進行估計。

1.3.3Moran's I 指數為進一步探究數字鄉(xiāng)村發(fā)展水平的空間分布特征，本研究采用衡量空間相關性的常用方法——Moran's I 指數來展開分析。首先利用全局Moran's I 指數式（14）考察是否存在空間集聚現象，若存在集聚現象，使用局部Moran's I 指數式（15）詳細考察空間集聚的演變特征

式中， w_ij 為空間權重矩陣的元素； n 表示區(qū)域總數； y_i 為區(qū)域 i 的綜合得分； 為所有區(qū)域的平均得分。

1.3.4地理探測器模型地理探測器是探測某種地理屬性與其解釋因子之間關系的空間分析模型，被廣泛應用于自然和經濟社會現象的驅動因素研究[19]。本研究采用地理探測器中的因子探測方法，其核心思想是探測各驅動因素在多大程度上解釋了數字鄉(xiāng)村的空間分異，表達式如下。

式中， h=1，…，L ，為被解釋變量數字鄉(xiāng)村發(fā)展水平Y或者驅動因子 X 的分層，即分類或分區(qū)； N_?h 和N 分別為層 h 和全區(qū)的單元數； σ_h² 和 σ² 分別是層 h 和全區(qū)被解釋變量數字鄉(xiāng)村發(fā)展水平 Y 的方差； q 的值域為 [0，1]，q 越大，表明該因子對數字鄉(xiāng)村發(fā)展的驅動作用越大。

2 結果與分析

2.1廣東省數字鄉(xiāng)村發(fā)展水平測度分析

應用熵權TOPSIS法，對廣東省除深圳市外的20個地級市及四大區(qū)域（珠三角地區(qū)、粵東地區(qū)、粵西地區(qū)、粵北地區(qū)）開展2013—2022年數字鄉(xiāng)村發(fā)展水平測度，各地級市測度結果及發(fā)展水平綜合排名如表2所示。

表2廣東省數字鄉(xiāng)村發(fā)展水平測度值及綜合排名

參考相關研究2得到廣東省數字鄉(xiāng)村發(fā)展水平評分標準，并對各地級市數字鄉(xiāng)村發(fā)展水平進行一般、良好、優(yōu)秀3級分類（表3）。

2.1.1整體發(fā)展水平從整體來看，廣東省數字鄉(xiāng)村發(fā)展水平持續(xù)上升，發(fā)展態(tài)勢良好，均值從2013年的0.368上升到2022年的0.618，年均增長率為5.929% 。與此同時，通過對比廣東省各地級市數字鄉(xiāng)村發(fā)展水平，發(fā)現各地區(qū)存在明顯區(qū)域差異性，以2013一2022年均值計，超過全省數字鄉(xiāng)村發(fā)展均值（0.497的地級市共有10個，分別是廣州、東莞、佛山、江門、肇慶、惠州、汕頭、揭陽、茂名、梅州；珠三角地區(qū)及粵東地區(qū)、粵西地區(qū)、粵北地區(qū)城市占比分別為 60%，20%，10%，10% ，超過 50% 集中于珠三角地區(qū)。此外，2022年數字鄉(xiāng)村發(fā)展水平得分最高的廣州市（0.929）和最低的云浮市（0.365），前者是后者的2.55倍，表明廣東省數字鄉(xiāng)村發(fā)展存在明顯空間集聚及數字鴻溝。

在增速方面，2013—2022年超過全省年均增長率（ 5.925% ）的地區(qū)有10個，領跑行列前5的地級市依次為韶關（ 9.256% ）、汕尾（ 8.069% ）、珠海中 7.923% 、中山 7.009% 、河源 （6.597% ）;其中非珠三角地區(qū)占比達 60% （3個），展現出較強“追趕效應”，這與廣東省深入實施粵東、粵西、粵北地區(qū)振興發(fā)展戰(zhàn)略賦能，及地區(qū)本身高度重視數字鄉(xiāng)村發(fā)展主動作為密切相關。

表3廣東省數字鄉(xiāng)村發(fā)展水平評分標準及分類結果

2.1.2區(qū)域發(fā)展水平從發(fā)展增速來看，珠三角地區(qū)及粵東、粵西、粵北地區(qū)數字鄉(xiāng)村發(fā)展水平的演變趨勢基本保持一致（圖1），均呈逐年上升態(tài)勢，年均增長率分別為 5.836%.6.096%.5.804%.6.608% 。從發(fā)展得分看，珠三角地區(qū)及粵東、粵西、粵北地區(qū)存在明顯的區(qū)域差異，對應的區(qū)域水平得分分別為0.566，0.470，0.475，0.422 分。其中，珠三角地區(qū)數字鄉(xiāng)村發(fā)展水平始終高于全省平均水平（0.497分），而粵東、粵西、粵北地區(qū)則始終低于全省均值。珠三角地區(qū)發(fā)展水平得分分別為粵東地區(qū)的1.20倍、粵西地區(qū)的1.19倍、粵北地區(qū)的1.34倍，區(qū)域差異明顯。未來廣東省需在戰(zhàn)略導向下進一步彌合數字鄉(xiāng)村發(fā)展的區(qū)域差距，統(tǒng)籌推進數字鄉(xiāng)村協(xié)調發(fā)展。

圖1廣東省及四大行政區(qū)數字鄉(xiāng)村發(fā)展水平演變趨勢

2.2廣東省數字鄉(xiāng)村發(fā)展水平時序演變規(guī)律分析

為了直觀呈現廣東省各地級市不同時間段內的數字鄉(xiāng)村發(fā)展水平，通過Kernel密度三維圖刻畫2013一2022年廣東省及四大區(qū)域的數字鄉(xiāng)村發(fā)展水平動態(tài)時序演變趨勢

2.2.1全省整體層面 2013—2022年廣東省數字鄉(xiāng)村發(fā)展水平的時序演變特征如圖2所示。從主峰中心點位置看，隨年份遞增逐步右移，表明樣本期內廣東省數字鄉(xiāng)村發(fā)展水平逐年提高；從主峰分布形狀看，峰高隨時間推移逐步降低，峰寬逐步變大，表明廣東省數字鄉(xiāng)村發(fā)展水平差異性仍較明顯；從分布的延展性看，始終保持單峰形態(tài)，說明廣東省數字鄉(xiāng)村發(fā)展水平整體上正趨向于一致發(fā)展。

圖2廣東省數字鄉(xiāng)村發(fā)展水平動態(tài)時序演變趨勢

2.2.2不同區(qū)域層面廣東省四大區(qū)域數字鄉(xiāng)村發(fā)展水平的動態(tài)時序演變特征如圖3所示。從主峰中心點位置看，隨年份遞增，四大區(qū)域主峰中心點均呈持續(xù)右移趨勢，說明樣本期內各區(qū)域數字鄉(xiāng)村發(fā)展水平均保持逐年提升趨勢。從主峰分布形狀看，珠明粵東地區(qū)數字鄉(xiāng)村發(fā)展水平仍存在明顯的差異；粵北地區(qū)主峰形態(tài)總體由高而尖演化為扁而寬，說明粵北地區(qū)數字鄉(xiāng)村發(fā)展水平分化特征加劇。從分布延展性看，珠三角地區(qū)表現出明顯拖尾延展特征，這反映區(qū)域內存在數字鄉(xiāng)村發(fā)展水平較低（如珠海）與較高（如廣州）的地級市分化現象，珠三角地區(qū)、粵西地區(qū)由雙峰逐漸演化為單峰，粵東、粵北地區(qū)始終保持單峰形態(tài)，說明各區(qū)域數字鄉(xiāng)村發(fā)展水平整體上正趨向于一致發(fā)展。

2.3廣東省數字鄉(xiāng)村發(fā)展水平空間演變趨勢分析

為進一步驗證廣東省各地級市數字鄉(xiāng)村發(fā)展水平的空間相關性及集聚特征，采用全局和局部Mo-ran'sI指數分析數字鄉(xiāng)村發(fā)展水平的空間演變趨勢。

2.3.1全域空間相關性分析為從整體上準確反映2013一2022年廣東省各地級市數字鄉(xiāng)村發(fā)展水平的空間相關性，采用基于市域空間鄰接權重矩陣的全局Moran'sI指數測算方法。結果（表4）表明，在市域空間鄰接權重矩陣下，全局Moran'sI均大于0，P 均小于0.05，表明廣東省數字鄉(xiāng)村發(fā)展水平存在顯著正向空間相關性。進一步觀察發(fā)現，數字鄉(xiāng)村發(fā)展水平的Moran'sI由2013年的0.3456下降到2022年的0.2735，整體呈波動下降趨勢，反映空間協(xié)同發(fā)展強度呈弱化趨勢。數字鄉(xiāng)村的協(xié)同發(fā)展水平逐漸下降，區(qū)域之間的聯(lián)系強度逐漸減弱，這與廣東省落實簡政放權政策、增強區(qū)域發(fā)展自由度、激發(fā)內生動能密切相關，從而推動鄉(xiāng)村振興取得新進展。

表4廣東省數字鄉(xiāng)村發(fā)展水平全局Moran'sI指數

2.3.2局域空間相關性分析基于市域空間鄰接權重矩陣，采用局部Moran'sI指數進一步探索廣東省數字鄉(xiāng)村發(fā)展水平各地級市間的空間集聚特征。結果（圖4）表明，高-高聚集區(qū)以珠三角地區(qū)城市為主（如廣州、東莞、佛山、惠州等），形成廣東省數字鄉(xiāng)村發(fā)展的“高效圈”；低-低聚集區(qū)則集中于粵東西北地區(qū)，汕尾、潮州、陽江、河源、云浮等長期處于低-低聚集狀態(tài)，構成數字鄉(xiāng)村發(fā)展“滯后區(qū)”。這充分表明，廣東省數字鄉(xiāng)村發(fā)展水平存在明顯空間集聚特征。結合圖4中2013年、2017年和2022年局部Moran'sI指數散點圖可以發(fā)現，廣東省數字鄉(xiāng)村發(fā)展水平的空間集聚特征多數年份保持穩(wěn)定，僅4個地級市發(fā)生顯著“象限躍遷”，具體而言，中山市從第二象限躍遷至第一象限，江門市從第四象限躍遷至第一象限，珠海市從第三象限躍遷至第二象限，韶關市從第三象限躍遷至第四象限。此類象限轉移反映區(qū)域發(fā)展動能的動態(tài)調整。

圖4不同階段Moran'sI指數分布情況

2.4廣東省數字鄉(xiāng)村發(fā)展水平驅動因素分析

2.4.1 驅動因素選取 數字鄉(xiāng)村是網絡化、信息化與數字化深度融合賦能農業(yè)農村的產物[21]，涉及政治與制度、基礎設施與經濟、人力資本與文化、產業(yè)與技術等多個層面。本研究選取10個指標（表5）作為廣東省數字鄉(xiāng)村發(fā)展水平的驅動因素。

在政治與制度層面，政府支持 （X_I） ：數字鄉(xiāng)村建設面廣、跨度長，需長期、大量資金投人保障[3]。在基礎設施與經濟層面，自然條件 （X₂） 、路網密度（X₃） ：自然條件和交通基礎設施是制約鄉(xiāng)村發(fā)展的關鍵核心因素，產業(yè)數字化、生活數字化推進仍受其顯著制約[22；數字網絡基礎設施 （X₄） ：互聯(lián)網和數字技術普及是數字鄉(xiāng)村發(fā)展的關鍵，是數字鄉(xiāng)村發(fā)展的底層支撐[23]；人均收入 （X₅） ：數字服務或產品與農民收人水平適配性不足，易導致鄉(xiāng)村數字消費市場有效需求不足，不利于數字技術全面推廣擴散[24]。在人力資本與文化層面，人口密度 （X₆） ：人口密集區(qū)域需求可驅動數字基礎設施建設，同步帶動教育、醫(yī)療等公共服務數字化升級[18]；受教育水平 （X₇） ：數字技術知識與素養(yǎng)決定了村民參與數字鄉(xiāng)村建設的能力，區(qū)域儲備的人力資本在很大程度上決定當地未來發(fā)展空間與進程[25]。在產業(yè)與技術層面，農業(yè)水平 ：農業(yè)發(fā)展水平較高地區(qū)對農業(yè)技術落地承接力更強，農民對現代信息技術應用需求更迫切[2]；農業(yè)現代化 （X_g） ：現代農業(yè)發(fā)展過程中，以技術賦能為核心表征的農業(yè)現代化，可改造傳統(tǒng)農業(yè)生產模式，引領農業(yè)生產效率提升[26]；農村創(chuàng)新投入 （X_IO） ：數字鄉(xiāng)村建設依托人工智能、大數據、云計算等技術，地區(qū)科技創(chuàng)新投入越高，信息技術與數字化產品服務供給越充足，越能為數字鄉(xiāng)村建設注入動能[27]。

上述驅動因素中，地形起伏度高程數據來自中國研究數據服務平臺數據庫，路網密度數據來自中國科學院資源環(huán)境科學數據中心，其余驅動因素數據均源于廣東省及各地級市統(tǒng)計年鑒、廣東省及各地級市國民經濟與社會發(fā)展統(tǒng)計公報。數據獲取路徑清晰，可保障研究可靠性。

2.4.2驅動因素分析在進行地理探測器分析前，需先對數據開展離散化預處理，利用SPSS軟件開展K-均值聚類迭代分類（聚類數為4），將離散化數據通過地理探測器GeoDetector軟件實現因子探測分析（表6）。不同時期廣東省數字鄉(xiāng)村發(fā)展水平受各驅動因子共同作用，2013年、2017年和2022年驅動因子 （q） 呈階段性差異：2013年 q 解釋力最強的3個驅動因子分別是政府支持（0.872）、人口密度（0.625）和人均收入（0.496）；2017年 q 解釋力最強的3個驅動因子為數字網絡基礎設施（0.728）、農業(yè)創(chuàng)新投入（0.671）和政府支持（0.658）；2022年驅動力最強的因子為農業(yè)創(chuàng)新投人（0.856），其次為數字網絡基礎設施（0.827）和農業(yè)水平（0.718）。

表5廣東省數字鄉(xiāng)村發(fā)展水平驅動因素指標

表62013年、2017年和2022年各時期各驅動因子作用強度探測

注：q的 P 均為0.000，通過 5% 水平上的顯著性檢驗

2013年政府支持、人口密度和人均收入因子具有較高解釋力，可能因彼時正處于廣東省數字鄉(xiāng)村建設起步階段，發(fā)展依賴外生動力。政府支持政策在建設前期起到關鍵作用，尤其在資金投入、基礎設施建設與技術推廣方面，廣東省通過設立專項資金、制定優(yōu)惠政策，鼓勵企業(yè)與社會資本參與數字鄉(xiāng)村建設，推動網絡覆蓋與智能設備普及，為數字化建設奠定基礎；基于人口密度差異布局，在人口密集地區(qū)優(yōu)先發(fā)展電商、遠程醫(yī)療服務，提升居民生活數字化質量；針對人均收入問題，鼓勵現代農業(yè)、鄉(xiāng)村旅游發(fā)展，推動農民參與電商增收，通過補貼降低低收入群體數字參與門檻，全面提升鄉(xiāng)村數字化水平。

2017年數字網絡基礎設施、農村創(chuàng)新投入等因子驅動貢獻逐步提升，政府支持等因子驅動貢獻遂步下降，反映在數字鄉(xiāng)村建設進程加快下，發(fā)展動力逐漸從外生主導轉向內生驅動。在數字網絡基礎設施方面，廣東省加大農村寬帶、5G網絡投資，保障網絡覆蓋與服務質量，搭建數字服務平臺，打通農民信息獲取通道。在農村創(chuàng)新投人方面，加大物聯(lián)網、人工智能技術投入與推廣，賦能農業(yè)生產效率提升；支持電商平臺、科技園區(qū)發(fā)展，通過數字技能培訓增強農民科技應用能力，支撐農村經濟可持續(xù)發(fā)展；推動地方政府與高校、科研機構協(xié)同，加速技術成果轉化應用，激活鄉(xiāng)村數字經濟發(fā)展活力。

2022年農村創(chuàng)新投入、數字網絡基礎設施和農業(yè)水平因子解釋貢獻居首，表明鄉(xiāng)村自主創(chuàng)新能力與發(fā)展?jié)摿Τ蔀楹诵尿寗恿Γ瑪底粥l(xiāng)村發(fā)展已實現從外生驅動向內生驅動的轉型。地方政府通過政策引導與資金支持，激發(fā)鄉(xiāng)村自主創(chuàng)新活力，鄉(xiāng)村居民、企業(yè)主動探索適配自身需求的數字化解決方案，依托完善的網絡基礎設施，推動智能農業(yè)、數字服務協(xié)同發(fā)展，構建鄉(xiāng)村數字化生態(tài)，提升內生發(fā)展能力，形成可持續(xù)的數字經濟生態(tài)。

進一步從不同層面分析，政治與制度、人力資本與文化層面驅動因子解釋貢獻呈遞減趨勢，基礎設施與經濟、產業(yè)與技術層面驅動因子解釋貢獻呈遞增趨勢。這反映在廣東省數字鄉(xiāng)村建設進程加快下，政治與制度層面的政策邊際效應逐步遞減，其對建設進程的直接推動作用已弱于初期；且單一依賴人力資本與文化層面驅動，難以滿足建設深層次需求。而基礎設施與經濟層面持續(xù)完善升級（高速寬帶、智能終端在農村普及），為數字鄉(xiāng)村建設筑牢物質基礎；同時產業(yè)與技術層面，大數據、人工智能、物聯(lián)網等新興技術深度融人農業(yè)生產、農村電商、鄉(xiāng)村旅游等領域，催生新產業(yè)、新業(yè)態(tài)和新模式，成為數字鄉(xiāng)村建設的核心動能。

3 小結與建議

3.1 小結

綜合參考廣東省相關政策文件和已有研究成果，科學構建數字鄉(xiāng)村發(fā)展水平評價指標體系，采用熵權T0PSIS法對2013—2022年廣東省數字鄉(xiāng)村發(fā)展水平進行測度分析，應用Kernel密度估計法、Mo-ran'sI指數和地理探測器模型進一步分析廣東省數字鄉(xiāng)村發(fā)展的時空演變特征和關鍵驅動因素，研究結論如下。

1）從發(fā)展水平看，2013—2022年廣東省數字鄉(xiāng)村發(fā)展水平持續(xù)上升，發(fā)展態(tài)勢良好，同時各地區(qū)存在著明顯的區(qū)域差異性，空間上呈珠三角地區(qū) gt; 粵西地區(qū) gt; 粵東地區(qū) gt; 粵北地區(qū)的分布格局，增速上表現出粵北地區(qū)、粵東地區(qū)、珠三角地區(qū)、粵西地區(qū)依次遞減的分異特征。

2）從時空演變看，2013—2022年的Kernel密度曲線表明廣東省數字鄉(xiāng)村發(fā)展水平逐年提高，但數字鄉(xiāng)村發(fā)展水平的差異性還比較明顯，同時數字鄉(xiāng)村發(fā)展水平整體上正趨向于一致發(fā)展；Moran's1指數顯示區(qū)域間呈現明顯且穩(wěn)定的空間相關性，高-高聚集區(qū)以珠三角地區(qū)城市為主，低-低聚集區(qū)多數為粵東西北地區(qū)，僅有4個地級市發(fā)生躍遷。

3）從驅動因素看，地理探測器的因子探測分析顯示，政府支持對2013年廣東省數字鄉(xiāng)村發(fā)展水平的解釋力最強，數字網絡基礎設施、農村創(chuàng)新投入分別對2017年、2022年數字鄉(xiāng)村發(fā)展水平的解釋力最強，隨著數字鄉(xiāng)村建設進程的加快，數字鄉(xiāng)村的發(fā)展逐漸從外生動力轉變?yōu)閮壬鷦恿Γl(xiāng)村自身的創(chuàng)新能力和發(fā)展?jié)摿χ饾u成為主要驅動力。

3.2 建議

基于以上結論，結合廣東省省情和區(qū)域特征，提出以下建議。

1）重視廣東省數字鄉(xiāng)村發(fā)展過程中的區(qū)域差距問題，立足實際因地制宜優(yōu)化數字鄉(xiāng)村發(fā)展政策。珠三角地區(qū)經濟發(fā)達、科技資源豐富，應聚焦數字農業(yè)科技創(chuàng)新，大力發(fā)展農業(yè)智能化生產、農產品電商等新業(yè)態(tài)；粵東地區(qū)水果、茶葉等特色農產品資源豐富，應借助數字技術對傳統(tǒng)農業(yè)進行改造升級，實現農產品生產、加工、銷售等環(huán)節(jié)的數字化；粵西地區(qū)作為廣東省農業(yè)主產區(qū)，應通過數字技術推動農業(yè)規(guī)模化、標準化生產；粵北地區(qū)作為廣東省生態(tài)屏障區(qū)，應利用數字技術加強生態(tài)環(huán)境監(jiān)測和保護，完善智慧旅游服務設施，推動生態(tài)旅游、鄉(xiāng)村旅游數字化發(fā)展。

2）構建廣東省數字鄉(xiāng)村發(fā)展協(xié)同聯(lián)動機制，充分發(fā)揮數字鄉(xiāng)村“高效圈\"的溢出效應，加強對數字鄉(xiāng)村“躍遷市\(zhòng)"的政策效能評估。推動廣州、東莞、佛山、惠州等數字鄉(xiāng)村“高效圈\"核心區(qū)域與周邊地區(qū)在數字基礎設施建設、數字技術應用、人才交流等方面深度合作，實現資源共享與優(yōu)勢互補，促使先進經驗與成果快速擴散。對于中山、江門、珠海、韶關等數字鄉(xiāng)村“躍遷市”，要制定明確且貼合實際的數字鄉(xiāng)村發(fā)展政策效能評估體系，定期評估政策執(zhí)行效果，依據評估結果及時調整優(yōu)化政策，最終實現廣東省數字鄉(xiāng)村整體水平的提升。

3）強化廣東省數字鄉(xiāng)村創(chuàng)新驅動能力，加快鄉(xiāng)村數字化轉型進程。一方面，加強數字鄉(xiāng)村建設過程中所需的關鍵性技術研發(fā)，加大研究投人力度，提高科技創(chuàng)新的供給能力；另一方面，提高科技成果的轉化能力，增強數字產品的適應性，增加有效技術供給。同時，開展全省農村數字化轉型試點，加強關鍵數字技術在農村場景中的集成應用，探索不同資源稟賦和發(fā)展基礎的農村數字化轉型路徑，形成具有可操作性、可復制性的經驗做法，不斷推動鄉(xiāng)村振興取得新進展。

參考文獻：

[1]朱紅根，陳暉.中國數字鄉(xiāng)村發(fā)展的水平測度、時空演變及推進路徑[J].農業(yè)經濟問題，2023（3）：21-33.

[2]文豐安.中國式現代化進程中數字鄉(xiāng)村建設的高質量發(fā)展—現實問題、價值闡釋與對策建議[J].中國流通經濟，2024，38（1）：12-21.

[3]王勝，余娜，付銳.數字鄉(xiāng)村建設：作用機理、現實挑戰(zhàn)與實施策略[J].改革，2021（4）：45-59.

[4]文豐安.數字鄉(xiāng)村建設：重要性、實踐困境與治理路徑[J].貴州社會科學，2022（4）：147-153.

[5]孫久文，張翱.數字經濟時代的數字鄉(xiāng)村建設：意義、挑戰(zhàn)與對策［J].西北師大學報（社會科學版），2023，60（1）：127-134.

[6]高峰，王劍.數字鄉(xiāng)村建設的國際經驗及啟示[J].江蘇農業(yè)科學，2021，49（23）：1-8.

[7]李本慶，周清香，岳宏志.數字鄉(xiāng)村建設對產業(yè)興旺影響的實證檢驗[J].統(tǒng)計與決策，2022，38（17）：5-10

[8］林育妙，程秋旺，許安心.數字鄉(xiāng)村建設對城鄉(xiāng)融合發(fā)展的影響研究——基于2012—2020年省份面板數據的實證[J].中共福建省委黨校（福建行政學院）學報，2023（4）：101-111.

[9]尹含，孫伯馳.數字鄉(xiāng)村建設對農村居民收入差距的影響研究［J].林業(yè)經濟，2023，45（7）：40-59.

[10]崔凱，馮獻.數字鄉(xiāng)村建設視角下鄉(xiāng)村數字經濟指標體系設計研究[J].農業(yè)現代化研究，2020，41（6）：899-909.

[11]許敬輝，王乃琦，郭富林.數字鄉(xiāng)村發(fā)展水平評價指標體系構建與實證[J].統(tǒng)計與決策，2023，39（2）：73-77.

[12]劉傳明，王睿，邵明吉.中國縣域數字鄉(xiāng)村發(fā)展的空間格局及驅動因素研究[J].熱帶地理，2024，44（1）：79-91.

[13]馮朝睿，徐宏宇.數字鄉(xiāng)村建設評價指標體系構建及其實踐效用[J].云南師范大學學報（哲學社會科學版），2023，55（4）：109-120.

[14］徐振華，李相敏.中國數字鄉(xiāng)村的空間關聯(lián)網絡及其影響因素研究[J].山東社會科學，2023（8）：153-162.

[15]張鴻，王璐.西部地區(qū)數字鄉(xiāng)村發(fā)展水平測度及推進路徑[J].華東經濟管理，2023，37（11）：70-78.

[16]劉傳明，馬青山，孫淑惠.中國數字鄉(xiāng)村發(fā)展的區(qū)域差異及動態(tài)演進[J].區(qū)域經濟評論，2023（5）：26-35.

[17]劉慶.數字鄉(xiāng)村發(fā)展水平指標體系構建與實證研究——以河南省2014—2021年18個地級市面板數據為例[J].西南農業(yè)學報，2023，36（4）：885-896.

[18]曾永明，鐘子康.中國數字鄉(xiāng)村建設的區(qū)域差異及其歸因分析[J].熱帶地理，2025，45（1）：29-36.

[19]張若琰，劉衛(wèi)東，宋周鶯.基于地理探測器的中國國家級開發(fā)區(qū)時空演化過程及其驅動力研究［J].自然資源學報，2021，36（10）：2672-2683.

[20]劉慶.數字鄉(xiāng)村發(fā)展水平測度及時空演變特征研究——以河南省為例[J].統(tǒng)計與決策，2023，39（9）：85-90.

[21]孫淑惠，陳曉楠.中國數字鄉(xiāng)村發(fā)展的地區(qū)差距測度、結構分解與影響因素識別[J].統(tǒng)計與決策，2024，40（10）：69-74.

[22]賀小榮，嚴伊凡.縣域數字鄉(xiāng)村水平分異特征、影響因素與分區(qū)優(yōu)化[J].地理與地理信息科學，2024，40（3）：88-95

[23]LIXJ，CHANDELRBS，XIAXL.Analysisonregional differenc-esand spatial convergence of digital village development level：Theoryand evidence fromChina[J].Agriculture，2022，12（2）：164.

[24]丁建軍，萬航.中國數字鄉(xiāng)村發(fā)展的空間特征及其農戶增收效應——基于縣域數字鄉(xiāng)村指數與CHFS的實證分析[J].自然資源學報，2023，38（8）：2041-2058.

[25]蘇嵐嵐，張航宇，彭艷玲.農民數字素養(yǎng)驅動數字鄉(xiāng)村發(fā)展的機理研究[J].電子政務，2021（10）：42-56.

[26]劉璐，辛嶺，朱鐵輝.我國農業(yè)農村現代化水平的時空特征及障礙因子研究[J].中國農業(yè)資源與區(qū)劃，2023，44（6）：135-147.

[27]申紅衛(wèi)，程鈺，寧敏.基于空間杜賓模型的數字鄉(xiāng)村建設水平測度及影響因素探究[J].江西農業(yè)學報，2024，36（7）：127-134.

（責任編輯 丁艷紅）