中國數字農業高質量發展水平的綜合評價

董曉芳，徐金良

（河北經貿大學數學與統計學學院 河北，石家莊 050061）

1 引言

數字農業不但是數字經濟的關鍵所在，而且是實現農業農村現代化的重要途徑。2021年3月發布《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》，提出“加快數字化發展，建設數字中國”，促進智慧農業的發展，推進農村農業生產與經營的數字化改革。當今農業發展尚未實現機械一體化，仍然有很多私家農戶耕種。土地回收也是未來的必然趨勢，實現機械現代化耕種，提升農業產量收益，為實現數字農業打下堅實基礎。毋庸置疑，數字農業的高質量發展為我國農業農村現代化奠定堅實的實踐基礎，必然是實現鄉村振興的至關重要的舉措。

基于我國數字農業的發展水平不少學者從不同角度進行了分析。張鴻、王浩然等[1]運用AHP-熵權法研究數字農業的情況，結果表明數字農業水平由高到低分別為東、中、西部地區。鐘文晶、羅必良等[2]提出數字農業具有技術依賴性等特性，容易引發投資不足、數字鴻溝等問題，闡明我國數字農業有必要借鑒國際經驗，以實現包容性數字農業轉型。呂小剛[3]提出在推動農業建設、數字農業技術創新和推進“三農等方面需提供信息支撐，為農業高質量提供新動能。劉海啟[4]認為精準農業是向數字化轉型的核心，通過研究國內外精準農業發展狀況，提出將精準農業作為實現農業可持續發展的根本途徑。劉如意等[5]認為農產品流通關鍵在于產品領域的區塊鏈的形成。陳詩[6]研究農業信息與新媒體的關系，提出依靠新媒體來提升農業生產的技術應用。周濤[7]闡釋了數字農業的內容，提出數字農業可對農田進行精準、實時監控，有效節省了人力與資金投入成本。

鑒于此，本文研究方向不同于上述學者，而是從因子分析和聚類分析的角度來剖析我國數字農業高質量發展水平。因子分析利用降維的思想，將多個相關性較強的變量融合成一個公因子，減少了變量個數，卻保留了原始變量的主要信息。聚類分析是按照相似性將分類對象劃分為不同類別，而不同類別又具有較大差異，分類后便于尋找對象間的關系。根據因子和聚類的特點，結合相關理論，構建數字農業的指標體系，借此考量我國2019年數字農業發展水平，提出改進建議，從而為推動數字農業高質量發展，加速農業農村現代化進程提供借鑒。

2 數據來源和指標確定

由于2020年一部分指標數據不完整，故選用2019年數據。為保證數據的連續性、真實性，本文所涉及的數據均來源于《2020年中國統計年鑒》、《2020年中國農村統計年鑒》和工信數據等，據此對我國數字農業發展水平進行綜合評價。在數據處理中，對于某個指標缺失的數據采用熱卡填充進行補全。本文結果均由統計軟件SPSS25得出。

本文選取了一級指標6個，二級指標24個，如表1所示。

表1 數字農業高質量發展指標體系

3 實證分析

3.1 中國數字農業高質量發展水平的因子分析

3.1.1 KMO和Bartlett球形檢驗對數據做KMO和Bartlett球形檢驗，以確定變量間的相關性，決定是否可以采用因子分析法。一般KMO值＞0.5時適合做因子分析。經檢驗，KMO值為0.695，且Bartlett球形檢驗的P值為0，表明該數據適合做因子分析。

3.1.2 提取公因子運用主成分分析法對31個省的24個指標提取公因子，依據特征值大于1的原則提取出了四個公因子，運用最大方差法對因子進行旋轉，各成分的方差貢獻率分別是37.531%、26.567%、10.669%、8.887%，累計貢獻率為83.655%，即這四個公因子解釋了原始數據中83.655%的信息，結果較為合理，見表2。

表2 總方差解釋

3.1.3 公因子命名運用最大方差法得到因子載荷矩陣，可以看出各個公因子可由哪些變量進行解釋。由旋轉后的成分矩陣（表3）可知：第一公因子包括X5、X8、X9、X11、X12、X13、X14、X15、X21、X22、X23、X24，命名為“產業效益人才技術”因子。第二公因子包括X1、X2、X4、X6、X10、X19、X20，命名為“產業投入”因子。第三公因子包括X3、X7，命名為“長途光纜”因子。第四公因子包括X16、X17、X18，命名為“綠色發展”因子。

表3 旋轉后的成分矩陣

3.1.4 得分與排名數字農業發展水平由四個公因子來反映，以每個公因子的方差貢獻率進行計算，得到數字農業高質量發展水平得分表達式：

運用SPSS軟件計算31個地區的各公因子得分、綜合得分，并進行排名（表4）。綜合排名越靠前，說明該地區數字農業發展水平越高。

結合表4的中國各省份得分及其排名，可以看出各地區面臨發展不平衡不充分的問題。只有廣東、江蘇、山東等13個地區綜合評價得分為正，表現較好，說明這些地區實現了數字農業現代化。數字農業發展水平最高的為廣東（1.637），其次是江蘇（1.265）、山東（0.996），這些地區在數字經濟方面具有較大優勢，尤其廣東，數字化經濟發展水平在我國實力較強，借此可以帶動該地區農業發展，在鄉村振興下，實現數字農業現代化。西部地區的數字農業水平尚處于劣勢，發展水平最低的為寧夏(-0.707)、青海(-0.745)、西藏(-0.792)，這些地區在信息化方面尚不完善，數字化產業相對落后，機械一體化尚未全面實現，導致數字經濟水平在我國排名較低，表明其在數字經濟、農業現代化等方面仍需努力。

表4 31個省數字農業發展水平得分及排名

3.2 中國數字農業高質量發展水平的聚類分析

根據上文31個省份在四個公因子得分，采用聚類分析法對我國數字農業發展水平進行分類，旨在分析各類地區的共性與異性。

運用SPSS軟件采用Ward聚類方法，選用平方歐式距離進行聚類。從聚類結果來看，我國數字農業發展水平可以劃分為五類。其中第一類包括浙江、廣東、四川3個省份，第二類包括江蘇、安徽、河北、河南、山東、湖北、湖南、黑龍江8個省份，第三類包括北京、上海2個省份，第四類包括福建、江西、遼寧、廣西、吉林、海南、云南、重慶、陜西、甘肅10個省份，第五類包括山西、天津、內蒙古、寧夏、貴州、新疆、西藏、青海8個省份。

從表5看出，在第一公因子上，第一類平均值較高，說明北京、上海地區在產業效益人才技術方面比較發達；在第二公因子上，第二類平均值較高，說明江蘇、山東等地區在產業投入方面比重較大，也是發展數字農業的前提；在第三公因子上，第一類平均值較高，說明浙江、廣東等地區在長途光纜投入較多，為發展網絡信息傳輸提供基礎；在第四公因子上，第四類平均值較高，說明遼寧、海南等地區在綠色發展上做的更為妥當，農藥、化肥投入量適當，為我國綠色發展做出貢獻。從綜合平均值來看，第一類數字農業發展水平較好，即浙江、廣東、四川，在產業、技術、信息、人才等方面的帶動下，提升了數字農業的高質量發展，整體水平較高。第五類地區數字農業發展相對落后，其中大部分為西部地區，經濟實體相對不發達，農業數字化必然會落后于其他地區，數字農業發展水平仍需進一步做出努力。

表5 類均值

4 結論及建議

本文通過建立數字農業的指標體系，對我國數字農業發展情況進行綜合評價，通過因子分析和聚類分析的方法將24個指標降維成四個公因子并將31個地區劃分為五類，分析了31個地區數字農業發展的現狀以及不同類別之間的差異，主要的結論如下：廣東、江蘇、山東數字農業發展水平較高，與其他省份存在顯著差異，西部地區在基礎設施、人才資源、技術支持、產業效益與全國平均水平相比仍存在較大差距。根據本文研究的成果，從二個方面給出提升數字農業高質量發展的相關建議。

4.1 增加政策與資金的投入，營造良好的發展環境

數字農業的高質量發展應由數字技術的革新來提供支持，也需要政策投入和資金投入來支持。首先政策投入層面，政府完全主導，對數字農業的政策進行補充和改進，進而推動農業數字化的轉型。其次資金投入層面，要更加注重財政支持。針對中西部對農業數字化投資較低的省份，加大投資力度。

4.2 重點發展農業數字技術產業，提高產業效率

一方面，加大農業信息技術引進力度，提升農業數字產業效率。將最新的信息技術和農機制造相結合，提高農機設備水平和作業質量。另一方面，在農民、科研機構以及政府等相關主體之間搭建信息交流與反饋的平臺，在農業方面能及時實現多個主體間的信息共享。