数字经济背景下农业高质量发展水平评价研究

陈红川，刘 红，黄小军，刘春贞

（广州大学管理学院，广东 广州 510006）

【研究意义】高质量发展成为现代化国家建设的必由之路。而农业是立国之本，承担着粮食安全、劳动就业、环境保护、社会稳定的重任，农业高质量发展是经济高质量发展的基础和关键［1］。目前我国正在加快农业高质量发展，推动农业现代化建设。改革开放以来，我国农业取得许多举世瞩目的成就，但仍存在资源消耗大、环境污染等问题［2］，实现高质量发展是当前农业的重要任务。而准确评估我国农业高质量发展水平，分析其发展过程中所面临的问题，有助于推动农业健康发展。【前人研究进展】农业高质量发展是基于我国经济发展阶段由高速发展转向高质量发展而提出来的。国外类似的研究主要是分析如何促进农业可持续发展［3-4］、如何发展智慧农业［5-6］、评价分析农业经济竞争力和绿色竞争力［7］等。而国内关于农业高质量发展的研究主要包含农业高质量发展内涵［8-9］和发展路径［10］探讨，都市农业发展［11］和农业现代化［12］研究，数字经济［13-14］、数字技术［15-16］、数字普惠金融［17-18］、创新［19-20］等影响农业高质量发展的内在机制，以及农业高质量发展评价［18-19,21-33］等。具体来看，农业高质量发展水平评价研究取得不少进展。研究表明，我国农业高质量发展水平整体有上升趋势，但各地区发展水平差异较大［21-28］。一些学者在对部分地区农业高质量发展水平评价的基础上提出发展策略［29-31］。在这些研究中，评价方法多采用熵值法等［21-23,25-26］，而评价指标体系各异。例如，一些学者从“增量、提质、提效”角度构建评价指标体系［18-19］，另一些学者基于“创新、协调、绿色、开放、共享”的新发展理念构建评价指标体系［21-24］。总的来说，在现有农业高质量发展水平的研究中，评价指标有重合也有差异，没有统一。

【本研究切入点】一些学者开展农业高质量发展研究已取得不少成果，但农业高质量发展水平评价指标体系并未达成一致，还有进一步研究的空间。目前较多研究以新发展理念的5 个维度为一级指标构建评价体系，对于某些可以衡量农业高质量发展水平的因素却未纳入评价指标体系。而数字经济逐渐成为驱动经济发展的新动能，在农业高质量发展的过程中发挥重要作用，故在评价农业高质量发展水平时，应将农业数字经济发展情况考虑其中。因此本文认为农业高质量发展应以新发展理念为要求，以数字经济为动能，最终实现农业现代化的目标，故结合农业高质量发展内涵、新发展理念构建评价指标体系，对农业高质量发展水平进行评价，以期丰富农业高质量发展研究。【拟解决的关键问题】本文以我国27 个省市为研究对象，运用面板数据熵值法评估2016—2020 年我国农业高质量发展水平，同时运用莫兰指数分析我国农业高质量发展水平的空间聚集特征，在此基础上提出针对性建议，以促进我国农业高质量发展，为制定农业高质量发展政策提供参考。

1 研究方法与数据来源

1.1 面板数据熵值法

熵值法是一种客观赋权法，常用于多指标的综合评价研究。其原理是以指标数据大小为依据确定权重，权重越大对评价体系的影响力越大，相比其他方法，可消除主观人为的干扰，使测度结果更加科学合理［34］。以往的熵值法只能处理截面数据，不同的年份之间无法比较，因此本文参考前人研究成果［36］，进一步改进面板数据熵值法，具体步骤如下：

（1）指标选取和标准化处理。设有r个年份，n个省市，m个指标，则xijk表示第i年第j个省市第k个指标的值。由于不同的指标具有不同的量纲和单位，因此需要进行标准化处理，消除量纲影响，其中正向指标越大越优，负向指标越小越好。

式中，xmink、xmaxk分别表示第k个指标在r个年份n个省市中的最小值与最大值。指标标准化处理后，x'ijk的取值范围为［0,1］，其含义为xijk在r个年份n个省市中的相对大小。

（2）计算指标的比重。首先对x'ijk加上一个极小的正偏移量，避免x'ijk为0，然后再计算yijk。

（3）计算第k项指标的熵值：

（4）计算第k项指标的信息效用值：

（5）计算第k项指标的权重：

（6）计算各省市每年的综合得分：

1.2 莫兰指数

首先采用全局莫兰指数（Global Moran’s I）［37］分析我国农业高质量发展水平空间集聚状况。

式中，S2为样本方差，wij为空间权重矩阵的（i，j）元素（用来度量区域i与区域j之间的距离），而为所有空间权重之和。莫兰指数的取值一般介于-1～1 之间，大于0 表示正自相关，即高值与高值相邻、低值与低值相邻；小于0 表示负自相关，即高值与低值相邻［37］。

然后采用局部莫兰指数（Local Moran’s I）［37］分析我国农业高质量发展水平空间集聚特征及其演变特征。

1.3 数据来源

以我国31 个省（区、市）为研究对象，样本区间为2016—2020 年，原始数据来源于《中国统计年鉴》《中国农村统计年鉴》和EPS 数据库等。由于北京、天津、上海、西藏4 个省（区、市）在园林绿化建设投入（v17）、水土流失治理面积（v22）、每千农业人口村卫生室人员（v31）、燃气普及率（v34）的数据缺失较多，基于数据的可获得性，本文最终剔除这4 个省（区、市）。此外，对于宁夏2016 年农村有线广播电视指标的缺失数据，采用插值法进行补齐（表1）。

表1 农业高质量发展水平评价指标体系Table 1 Evaluation index system of high-quality agricultural development level

2 农业高质量发展水平评价与时空演变分析

2.1 农业高质量发展水平评价

2.1.1 指标构建 近年来，数字经济发展迅速，逐渐成为促进经济高质量发展的新动能，对我国农业高质量发展具有重要作用。农业与互联网、物联网产业融合成为发展趋势，推进云计算、物联网、移动互联网等在农业生产方面的应用有助于实现农业现代化［38］，而农业信息化可以有效提高农业全要素生产效率，达到提质增效的作用［39］，因此数字经济在农业生产方面得到广泛应用。数字经济能有效促进农业高质量发展［14］，稳定农业生产，弱化城乡二元结构，促进农业产销结合，使农业生产更加精准、农产品销售更加便捷［40］，因此应将数字经济发展水平纳入农业高质量发展水平评价指标体系中。本文结合新发展理念以及乡村振兴的总体要求，参考前人的研究成果［18-19,30-31,33-35］，构建包含4 个一级指标、9个二级指标、34 个三级指标的评价体系（表1）。

（1）农业数字经济发展水平。本文从机械化与电气化水平、农村数字基础设施、数字技术支持能力3 个方面来衡量农业数字经济发展水平。机械化与电气化水平在一定程度上可以反映数字农业发展情况或农村信息化程度，意味着农业生产水平和生产效率提升，能有效降低生产成本，实现农业增量提速，为高质量发展提供基础；而数字基础设施建设是农业实现数字化转型的重要支撑，良好的数字基础设施为农村提供更好的物流基础、沟通渠道、信息获取渠道等，以此减少交易成本、交易时间，为农业高质量发展提供更多可利用资源；同时，技术支持是数字农业高质量发展的动力，能反映与农业数字技术相关产业的发展情况。因此，本文选取农业机械化程度、农村电气化程度、已通邮的行政村比重、农村投递路线长度、农村每周平均投递次数、农村有线广播电视入户率、农村宽带接入用户、光缆线路长度、移动电话交换机容量、移动电话普及率、电信业务总量、信息技术服务收入、信息化建设企业数、信息化建设企业使用计算机数、信息化建设企业拥有网站数共15 个三级指标来衡量农业数字经济发展水平。

（2）农业绿色发展水平。绿色发展是基于新发展理念对农业生产提出的新要求，主要体现在降低农业生产对环境的污染、减少农业化学物质使用和对资源的高效利用。减少农业生产对环境的污染，是对农业生态的保护，有利于促进农业可持续发展；降低对农药、化肥的使用，可以促进农产品向更安全、更高品质方向发展，实现人民对美好生活的追求；而对资源的高效利用是实现农业可持续发展的关键，也是实现高效农业的重要手段。通过对资源的高效利用，改变传统农业资源消耗大、浪费多的情况，使农业转向低投入、高产出的发展道路。可见，农业绿色发展是农业高质量发展的关键因素，因此选取园林绿化建设投入、森林覆盖率、农药施用强度、农用薄膜使用强度、农用柴油使用强度、化肥施用强度、水土流失治理面积、新增节水灌溉面积、单位播种面积农业用水量共9 个三级指标来衡量农业绿色发展水平。

（3）农业高效产出水平。农业高效产出是农业实现高质量发展的重要前提，只有在保证数量供给的基础上，才能实现高质量产出。农业高效产出意味着农业改变传统高投入、低产出的现状，表明农业劳动力水平提升，因此选取第一产业经济地位、农业产出效益、粮食供给能力、农业劳动生产率、农村劳动力培训师资共5 个三级指标来衡量农业高效产出水平。

（4）农民生活水平。农民生活水平提升是留住农村劳动力的重要前提，农业发展的最终目标是实现农民生活富裕，因此农民生活水平既是农业高质量发展的保障也是成果体现。而农民生活水平的提升，最明显的体现就是在城乡收入差距方面。农民收入水平不断提高，能够增强农民的幸福感、安稳感以及对农业发展的信心。同时农村医疗是农民生活质量的保障，而农村居民最低生活保障人数、农村居民教育文化娱乐支出、燃气普及率在一定程度上反映农民生活质量的提升。因此选取城乡居民收入水平对比、每千农业人口村卫生室人员、农村居民最低生活保障人数、农村居民人均教育文化娱乐支出、燃气普及率共5 个三级指标来衡量农民生活水平。

2.1.2 农业高质量发展水平评价 本文采用面板数据熵值法，基于我国27 个省（区、市）2016—2020 年面板数据，分析指标权重和综合指标得分。如表2 所示，农业数字经济发展水平维度有15 个三级指标（v1～v15），该维度权重合计为0.54；农业绿色发展水平维度有9 个三级指标（v16～v24），该维度权重合计为 0.19；农业高效产出水平维度有5 个三级指标（v25～v29），该维度权重合计为 0.18；农民生活水平维度有5 个三级指标（v30～v34），该维度权重合计为0.09。

表2 农业高质量发展水平评价指标权重Table 2 Weight of evaluation index of high-quality agricultural development level

2016—2020 年农业高质量发展水平综合得分如表3 所示，全国整体发展水平在考察期内呈现小幅增长态势，2016 年综合得分为0.23，2020 年为0.26，年均值为0.25，增幅为0.03，年均增速为1.74%。从区域发展得分来看，东、中、西部及东北地区存在明显的区域特征，农业高质量发展水平得分依次为0.38、0.24、0.19、0.24，其中，东部地区农业高质量发展水平始终高于全国平均水平，中部地区与全国平均水平基本持平，而西部、东北地区则低于全国平均水平，在空间上呈现“东部高、中部次之、东北和西部低”的分布格局。根据2016—2020 年我国农业高质量发展综合得分均值为0.25，可将27 个样本省（区、市）分为高于全国平均水平地区、等于或低于全国平均水平地区两大类，其中农业高质量发展综合得分均值高于全国平均水平的地区，按得分由高到低依次为江苏（0.53）、广东（0.51）、浙江（0.44）、山东（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国平均水平的地区，按得分由高到低依次为安徽（0.25）、湖北（0.25）、内蒙古（0.24）、陕西（0.24）、辽宁（0.22）、黑龙江（0.22）、江西（0.21）、广西（0.21）、山西（0.21）、海南（0.19）、云南（0.19）、新疆（0.19）、重庆（0.18）、贵州（0.16）、吉林（0.16）、甘肃（0.14）、青海（0.11）、宁夏（0.10）。在得分高于全国平均水平的9 个省（区、市）中，东部地区有6 个，中部地区有2 个，西部有1 个，而且排名前5 位的省（区、市）都属于东部地区。东部地区7 个省（区、市）中，海南得分为0.19，低于全国平均水平，广东农业高质量发展综合得分为0.51，居第2 位，与排在第1 位的江苏综合得分（0.53）差距不大。进一步分析可知，东部地区发展水平综合得分依次达到中部、西部及东北地区的1.52倍、2 倍、1.58 倍，表明四大地区间农业高质量发展水平差异显著。

2020 年农业高质量发展水平综合得分全国均值为0.26，27 个省（区、市）中有10 个综合得分高于全国平均水平，按得分高低依次为广东（0.60）、江苏（0.58）、浙江（0.48）、山东（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个综合得分等于或低于全国平均水平，按得分高低依次为湖南（0.26）、陕西（0.26）、江西（0.24）、广西（0.24）、云南（0.21）、辽宁（0.20）、海南（0.19）、重庆（0.19）、山西（0.18）、内蒙古（0.18）、贵州（0.18）、黑龙江（0.18）、吉林（0.17）、新疆（0.16）、甘肃（0.15）、宁夏（0.11）、青海（0.10）。

2.1.3 各维度发展水平评价 2016—2020 年我国农业数字经济发展水平、农业绿色发展水平、农业高效产出水平、农民生活水平维度得分情况分别见表4、表5、表6、表7。整体来看，4个维度的得分有升有降，其中，农业数字经济发展水平与农民生活水平在4 个维度中增幅相对领先，而农业高效产出水平在这5 年间增幅为0、增长速度为-4.08%。从年均值看，农业数字经济发展水平（0.12）领先，农业绿色发展水平（0.06）次之，农业高效产出水平（0.04）和农民生活水平（0.04）居后；分区域看，农业数字经济发展水平、农业绿色发展水平、农业高效产出水平、农民生活水平年均增速最高的地区依次为西部（6.15%）、中部（0.95%）、东部（-1.18%）、西部（5.24%），增速最低的地区依次为东北（1.29%）、东北（-1.96%）、西部（-5.95%）、东部（2.00%）。西部地区的追赶效应主要体现在农业数字经济发展水平与农民生活水平提升两个方面，但需加速推进农业高效产出水平，而东北地区则应在农业数字经济发展水平和农业绿色发展水平方面加快步伐。值得注意的是，仅有东部地区的4 个维度得分不低于全国平均水平，这与整体发展趋势基本一致，这也表明4 个维度发展水平普遍较低且区域差异显著。下面着重分析2016—2020 年我国27 个省（区、市）各维度发展水平得分情况。

表4 2016—2020 年我国27 个省农业数字经济发展水平得分Table 4 Scores of agricultural digital economy development level in 27 provinces of China from 2016 to 2020

表5 2016—2020 年我国27 个省农业绿色发展水平得分Table 5 Scores of agricultural green development level in 27 provinces of China from 2016 to 2020

表6 2016—2020 年我国27 个省农业高效产出水平得分Table 6 Scores of agricultural efficient output level in 27 provinces of China from 2016 to 2020

（1）农业数字经济发展水平得分。如表4所示，广东、江苏、浙江、山东农业数字经济发展水平得分居前4 位，均值分别为0.37、0.36、0.30、0.22，且广东年均增速为5.29%，也居第1位；2020 年农业数字经济发展水平得分全国均值为0.14，有8 个省得分高于当年全国平均水平，按得分高低依次为广东（0.45）、江苏（0.42）、浙江（0.34）、山东（0.24）、四川（0.19）、河北（0.17）、福建（0.17）、河南（0.16）。

（2）农业绿色发展水平得分。如表5 所示，山东农业绿色发展水平得分均值0.09、排第1，河北、江苏、浙江和四川等8 个省份均值都为0.07、并列第2；2020 年农业绿色发展水平得分全国均值为0.06，有6 个省得分高于当年全国平均水平，按得分高低依次为山东（0.10）、浙江（0.07）、江西（0.07）、河南（0.07）、四川（0.07）、云南（0.07）。

（3）农业高效产出水平得分。如表6 所示，黑龙江农业高效产出水平得分均值0.08、排第1，河南和新疆均值都为0.07、并列第2，湖南均值0.06、排第3，但这4 个省（区）年均增速都为负；2020 年农业高效产出水平得分全国均值为0.03，仅有6 个省高于当年全国平均水平，按得分高低依次为河南（0.06）、河北（0.05）、福建（0.04）、山东（0.04）、广东（0.04）、海南（0.04）。

（4）农民生活水平得分。如表7 所示，江苏农民生活水平得分均值0.07、排第1，福建、山东、海南3 省均值都是0.06、并列第2，河北、浙江和广东均值0.05、并列第3，但河北年均增速为7.82%、排第1；2020 年农民生活水平得分全国均值为0.04，有8 个省（区）高于当年全国平均水平的，按得分高低依次为江苏（0.08）、河北（0.06）、福建（0.06）、山东（0.06）、海南（0.06）、浙江（0.05）、广东（0.05）、广西（0.05）。

2.2 农业高质量发展水平时空演变分析

空间自相关可理解为位置相近的区域具有相似的变量取值，如果高值与高值聚集在一起，低值与低值聚集在一起，则为“正空间自相关”；反之，如果高值与低值相邻，则为“负空间自相关”［37］。为进一步探究农业高质量发展水平的空间分布特征，本文参考前人研究成果［28,34,37］，采用衡量空间相关性的常用方法莫兰指数进行分析。

利用Stata15 统计软件中的spatgsa 命令，得到如表8 所示的统计结果，在27 个省市的邻接空间权重矩阵下的全局莫兰指数为正值，且在1%的统计水平下显著，表明我国农业高质量发展水平存在显著的空间正相关。从时间维度看，我国农业高质量发展水平的空间相关性有所减弱，整体上呈现震荡向下的趋势。

表8 全局莫兰指数Table 8 Global Moran’s index

莫兰指数可视为观测值与其空间滞后值的相关系数，如果将观测值与其空间滞后值画成散点图，则称为莫兰散点图（Moran scatterplot）。在莫兰散点图中，第一、三象限表示区域内点之间是正相关关系，第一象限表示高—高（H-H）聚集即本区域与周围区域同为较高水平，第三象限表示低—低（L-L）聚集即本区域与周围区域同为较低水平；第二、四象限内的点表示本区域与周围区域呈负相关关系［28］，第二象限为低—高（L-H）聚集表示本区域水平较低而周围区域水平较高，第四象限正好相反，为高—低（H-L）聚集，即本区域水平较高而周围区域水平较低。为直观分析我国农业高质量发展水平的空间聚集特征，绘制初期2016 年和末期2020 年的莫兰散点图。由图1 可知，多数省市落在第一、三象限，即H-H、L-L 聚集区，其中，H-H 聚集区内以东部地区为主，如江苏、山东、浙江、福建、河北、河南、安徽等，汇聚为我国农业高质量发展“高效圈”；L-L 聚集区中多数为西部及东北地区，如宁夏、甘肃、青海、吉林、重庆、内蒙古、新疆等，形成我国农业高质量发展“滞后区”。这充分表明我国27 个省市的农业高质量发展水平空间聚集特征显著，同样也意味着区域间两极分化现象突出。通过进一步对比分析2016、2020 年莫兰散点图演进趋势，可发现我国农业高质量发展水平的空间聚集特征具有较强的稳定性，考察期内仅有9 省市发生跃迁：河北由第一象限处向第一四象限交界处跃迁，山西由第二象限跃迁至二、三象限交界处，江西、广西由第二象限跃迁至一、二象限交界处，陕西由第三象限跃迁至三、四象限交界处，湖北由第三、四象限交界处跃迁至第四象限，辽宁从第四象限跃迁至第三象限，湖南由四象限跃迁至第一象限，黑龙江由第四象限跃迁至第三象限。我国多数省市处于低水平聚集区并长期未变动，再次印证我国农业高质量发展水平普遍较低。

图1 2016、2020 年莫兰散点图Fig.1 Moran scatterplot in 2016 and 2020

3 结论与建议

本文以我国27 个省市为研究对象，构建包含农业数字经济发展水平、农业绿色发展水平、农业高效产出水平、农民生活水平4 个维度的指标体系，评价农业高质量发展水平。结论如下：

（1）运用面板数据熵值法对各个指标权重进行分析，发现农业数字经济发展水平维度权重为0.54，农业绿色发展水平维度权重为0.19，农业高效产出水平维度权重为0.18，农民生活水平维度权重为0.09。因此农业数字经济水平和农业绿色发展水平这两个维度对于农业高质量发展水平评价占主导地位。

（2）分析2016—2020 年我国27 个省市农业高质量发展水平综合得分，发现全国整体发展水平普遍较低，年均值仅为0.25，在考察期内呈现小幅增长态势。但整体呈现“东高西低”的发展态势，东、中、西部和华北四大地区间农业高质量发展水平差异显著。

（3）2020 年农业高质量发展水平综合得分全国均值为0.26，高于年均值0.25，其中，农业数字经济发展水平得分全国均值为0.14，高于年均值0.12；农业绿色发展水平得分全国均值为0.06，与年均值0.06 持平；农业高效产出水平得分全国均值为0.03，低于年均值0.04；农民生活水平得分全国均值为0.04，与年均值0.04 持平。

（4）运用莫兰指数对我国农业高质量发展水平时空演变特征进行分析，发现我国农业高质量发展水平存在显著的空间正相关，且从时间维度看，空间相关性有所减弱，同时我国多数省市处于低水平聚集区并长期未变动。

根据研究结论，提出以下建议：

（1）倡导绿色农业，改善农村居住环境。首先，普及生态保护意识，增强农业从业者对绿色发展的认同感，推行绿色发展理念；减少对化肥、农药、薄膜等农业化学品使用，增加对农业废弃物利用，守住耕地红线，提高耕地复种率，进而实现提质增效。其次，充分利用数字化技术，实现农业现代化，减少农业耗水、耗电等，以改变农业耗能高的现状。再次，加强环境污染管制以及农产品品质监管。最后，加快改善农村居住环境，加快推进农村旱厕改造，提高农村厕所普及率，增加农村园林绿化建设投入，提高农民生活水平。

（2）促进农业数字经济发展，提高农业产出水平。首先，政府为农业数字经济发展提供政策支持，牵头推动数字农业基础设施建设，为数字农业发展提供保障，如搭建农业气象站、农业生产监控分析系统、市场信息共享平台等。其次，加大对农业数字技术开发，让研究者扎根于农业生产一线，真正解决农业技术难题。最后，加强对农业生产者的技术培训，让数字技术在农业生产中得到真正运用，使智慧农业成为现实，尤其是对产出效率低的西部地区，更应加强农业教育培训，向其输送更多的现代化人才，以改变其低效产出现状，从而提高农业高效产出水平。

（3）加强农业创新，提升产业竞争力。首先，为农业技术创新提供足够的资金保障，加大对农业科研机构的研发投入，建立农业创新融资渠道，鼓励金融机构加大对农业技术创新项目的投资。其次，加强农村教育，强化农业技术培训，鼓励培养农业创新人才，为农业创新提供人力资源。最后，创建农业创新合作渠道，引领形成产学研的创新机制，打破区域限制，建立农业创新合作社，强化地区之间的合作，实现创新成果共享，缩减地区差异。

（4）改变产业模式，重视农民生活质量。首先，将传统农业与旅游业结合，打造特色休闲农业产业模式；与人工智能相结合，打造智慧农业产业模式。目前越来越多的城市居民选择返乡度假，因此可以结合消费者喜好，打造农业观光园、特色农业产业园、休闲农业体验园等，以新型农业模式带动农村经济发展。其次，加强农村文化、教育、卫生、养老等基础设施以及数字化设施建设，倡导文化艺术进农村等，以此丰富农民生活，留住农村劳动力。

（5）加强区域协助，实现共同发展。经济发达的东部地区数字经济发展水平较高，可以发挥优势，向其他地区输出技术、人才，协助其实现农业数字化转型，同时积极打造示范区，供其他地区学习经验。对于西部地区，则要在政策上对其倾斜，大力支持其引进技术、人才。区域之间可以建立合作中心，在因地制宜的基础上，相互促进发展。