農業數字化發展水平測度及時空特征分析

摘要：本文在梳理數字賦能主要理論機制的基礎上，使用Ghosh模型在投入產出框架下提出測度農業數字化發展水平的指標與方法，并使用EGRAS法編制5部門省級數字經濟時間序列投入產出表，對2002—2020年我國31省（市、自治區）農業數字化發展水平進行實際測度，并運用核密度估計、Dagum基尼系數分解等方法分析了農業數字化發展的時空特征。研究發現，我國農業數字化發展水平總體呈逐年上升態勢，與第二、第三產業間的差距進一步縮小。但與此同時，農業數字化發展的不穩定增長極和低水平陷阱并存，且區域分化和區域集聚態勢明顯，普惠性仍然偏弱。基于上述發現，本文就提高農業數字化發展水平提出了相關政策建議。

關鍵詞：農業數字化發展；數字賦能；Ghosh模型；核密度估計；Dagum基尼系數分解

中圖分類號：F321? ? ? ? 文獻標識碼：A? ? ? ? 文章編號：1007-0753（2023）06-0059-14

收稿日期：2023-04-08

作者簡介：高一銘，博士，講師，湘潭大學商學院，研究方向為數字經濟、國民經濟核算等。

基金項目：湖南省社科基金青年項目“數字經濟時代湖南經濟高質量發展多維實時統計監測研究”（19YBQ097）；湖南省教育廳科學研究青年項目“復雜網絡視域下區域金融風險多維測度與監測預警研究”（21B0107）。

一、引言

（一）選題背景與意義

近年來，我國數字經濟發展方興未艾，數字經濟日益成為推動經濟社會發展和產業結構轉型升級的重要力量。隨著數字經濟融入經濟社會發展各領域和全過程，基于數字化轉型和數字技術在各行業滲透應用所形成的“平臺經濟”“共享經濟”等數字經濟的具體形態發展迅速，與之對應的新產業、新業態和新商業模式層出不窮，數字經濟正深刻改變我國經濟結構和人民生活習慣。我國高度重視數字經濟發展，2015年就將大數據戰略上升為國家戰略，并先后提出“推動互聯網、大數據、人工智能和實體經濟深度融合”“建設數字中國，加快數字化發展”，黨的二十大報告則進一步強調了“加快發展數字經濟，促進數字經濟和實體經濟深度融合”等要求。

在農業農村領域，隨著我國歷史性地解決了絕對貧困和區域性整體貧困問題，“三農”工作的重心也由集中資源支持脫貧攻堅向全面推進鄉村振興轉移。而實現農業數字化轉型是鄉村振興的重要基礎和重大任務，2019年《數字鄉村發展戰略綱要》指出將發展數字經濟作為提高農業生產效率的重要措施，黨的二十大報告則進一步明確“加快建設農業強國”“實現農業現代化”等總體目標。

數字技術是一種使能技術（Enabling Tech-nology）和通用目的技術（General Purpose Techno-logy，GPT）。由于數字賦能效應的存在，隨著其在農業農村領域的滲透擴散和廣泛運用，數字技術必將在農業數字化發展中發揮作用。那么，我國農業數字化發展水平究竟如何？不同時間和區域農業數字化發展水平的動態特征又如何？這是本文試圖回答的問題。

數字賦能效應是提升農業數字化發展水平的關鍵。本文在梳理數字賦能的主要理論機制的基礎上，綜合使用各省統計局公布的官方投入產出表以及經濟普查和統計核算數據，編制5部門省級數字經濟時間序列投入產出表，測度了2002—2020年的農業數字化發展水平，并分析其時空變化特征。本文研究有助于明晰數字賦能農業發展的內在邏輯，測度數字化發展效果，識別農業數字化轉型過程中的現實障礙，提高數字技術賦能農業發展的靶向性，進一步釋放數字紅利，具有較強的理論意義和現實價值。

（二）文獻綜述

現有文獻中，與本文研究相關的議題主要集中于數字經濟的統計測度、農業數字化發展內涵及數字化水平測度以及數字賦能的經濟效應分析等方面。

1.數字經濟的統計測度

一是數字經濟規模直接測度。主要的做法是利用數字產業化規模衡量，通過加總數字經濟相關行業增加值得到（向書堅和吳文君，2019；許憲春和張美慧，2020）；也有部分文獻將基于增長核算賬戶框架（KLEMS）測算的產業數字化規模一并納入數字經濟增加值（中國信息通信研究院，2020；彭剛和趙樂新，2020）；而張紅霞（2022）則基于數字部門產品和數字化產品兩部分定義了數字產業化和產業數字化，并從最終產品的角度測度了數字經濟規模。二是對數字經濟發展水平進行間接測度。即在難以直接核算數字經濟增加值時，通過一些數字經濟發展表征指標（例如互聯網普及率、相關產業規模、營業收入和交易數據、數字基礎設施數量、相關企業進入退出情況等）構建各類數字經濟指數（Digital Economy Index，DEI），間接測度數字經濟發展（毛豐付和張帆，2021；潘為華等，2021；王軍等，2021）。

2.農業數字化發展內涵及數字化水平測度

農業數字化發展主要體現為數字化生產要素推動農業生產的動力轉換以及生產效率和質量的提升（李本慶和岳宏志，2022）；農村數字化基礎設施通過消除信息不對稱，提升農業投入產出結構的協調化和農業生產組織結構的網絡化水平（曾博，2023）等。對于產業數字化水平的測度，現有文獻主要從數字化投入、數字化能力、數字化應用、數字基礎設施等方面構建指標體系（劉釩和余明月，2021；林妍，2023），但具體涉及農業數字化發展水平測度的文獻還不多見，趙鵬善（2022）從農業數字化發展環境、農業數字化基礎設施、農業數字產業化和農業數字化科技支持等4個方面進行測度。

3.數字賦能的經濟效應

數字技術在被賦能行業的產出增加、產出效率提升、資源配置和產業結構改善以及創新發展等方面發揮了重要作用（王開科等，2020；熊勵和蔡雪蓮，2020；李研，2021；李宗顯和楊千帆，2021；楊慧梅和江璐，2021；張焱，2021）。但與此同時，由于區域要素稟賦差異或者行業投入產出結構的差異，數字經濟自身發展不平衡不充分，或者由于數字要素在不同行業中滲透擴散率的不同，數字經濟發展也在一定程度上導致了數字鴻溝和數字排斥等現象（劉軍等，2020；韓兆安等，2021；李怡和柯杰升，2021；張家平等，2021）。而在農業領域，數字經濟通過農業發展規模、發展效率和發展效益三條路徑推動農業高質量發展，且這一效應存在顯著的區域異質性（陳毅輝和洪碧云，2022）。研究表明，移動通信、移動支付等數字技術在改善農產品市場透明度（Aker，2010；Tadesse和Bahiigwa，2015），提高農業產量（Ogutu等，2014）以及構建有效農產品物流（Jack和Suri，2014）等方面發揮了重要的作用。

現有文獻中關于數字經濟規模核算、產業數字化水平測度以及數字賦能經濟效應統計測度的研究已經較為充分，這為本文的研究提供了充分的理論和方法基礎，但靶向到農業數字化發展水平測度領域的相關研究仍以理論探索為主，關于實際測度的文獻仍不多見。相關測度指標主要以數字化要素投入水平或數字經濟發展水平的表征指標為主，其內在邏輯是較高的農村數字化投入或者較高的農村數字化基礎設施水平一定對應著較高的農業數字化水平，忽略了農業對相關數字產品和服務的利用效率。而且，現有研究較少考慮數字賦能的時間動態性、產業異質性和區域差異性，而這些問題對補齊農業數字化發展不平衡不充分的短板，縮小農業和其他產業間數字化發展水平的差距至關重要。

二、數字賦能農業發展的內在邏輯與農業數字化發展水平的測度方法

（一）數字賦能的理論內涵

數字技術的廣泛運用和滲透擴散，會對經濟社會帶來全方位的影響，即“數字賦能”，其影響路徑包括：

一是數字技術自身的更新換代。根據摩爾定律，與傳統產業相比，信息與通信技術（Information and Communications Technology，ICT）產業具有更高的創新頻率，ICT部門必須持續進行技術投入和技術更新，以提高自身競爭力，這在客觀上擴大了數字技術的自身規模，提高了生產效率。同時，由于ICT產品的大規模生產攤薄了研發成本，使得企業規模報酬遞增成為可能，由此ICT產業能夠持續高速增長，其規模也不斷擴大，效率不斷提高。這部分賦能效應體現為數字經濟自身的內生增長效應，即“自我賦能”部分。

二是數字技術對其他行業的滲透和應用。隨著數字產品價格下降以及數字技術的日趨成熟，數字要素作為新的生產要素被大規模應用，對傳統要素產生替代效應，不僅從需求端拉動數字經濟自身規模迅速擴大，而且加速驅動了傳統產業升級的過程，使其生產過程、組織形式、交易方式和產品形態等都發生了較大變化，助力其他行業實現數字化轉型發展。這包括兩方面的內容：一是傳統行業依賴數字要素或數字技術形成新的數字化產品或服務，例如互聯網零售業相對于傳統批發零售業；二是數字技術對傳統產業現有生產要素的優化改造，雖然沒有形成新的數字產品和服務，但有效提升了傳統產業的要素配置水平和產出效率，例如智慧農業相對于傳統的農業。上述三類數字賦能機制可以總結為圖1。

具體到農業領域，由于農業部門無法直接產出數字化產品或服務，數字經濟主要基于上述第三類賦能機制，即提升農業數字化水平，進而實現農業生產要素配置的優化和效率提升，帶動農業部門產出水平和效率的提高，最終實現農業高質量發展。具體途徑包括：通過農業生產要素數字化和生產過程智能化，實現農產品生產模式創新，降低各類農業生產主體的信息不對稱；提升農業生產能力，降低農業生產成本，進而大幅提升農業生產效率；通過在農產品經營流通領域嵌入數字技術，實現高效經營決策和智慧涉農流通，形成農業產業新業態等（趙成偉和許竹青，2021；楊建利等，2021；唐文浩，2022）。

（二）投入產出框架下農業數字化發展水平的測度方法

投入產出表定量刻畫了不同國民經濟行業之間的產品和服務被其他行業使用的情況，對于分析數字經濟對其他行業的賦能效應具有天然優勢，本文在投入產出框架下測度農業數字化發展水平。不同文獻對數字經濟范圍的界定不一致，造成了不同口徑下相關測算結果存在巨大差異（劉宇等，2021），因此首先需要明晰數字經濟測度范圍?，F有文獻中比較有代表性的包括：中國信息通信研究院（2020）將數字經濟分為數字產業化和產業數字化兩部分；許憲春和張美慧（2020）將數字經濟分為數字化賦權基礎設施、數字化媒體、數字化交易和數字經濟交易產品四個部分；國家統計局（2021）將數字經濟分為數字產品制造業、數字產品服務業、數字技術應用業、數字要素驅動業和數字化效率提升業五類，其中前四類為數字經濟核心產業。在上述分類中，數字經濟核心產業與數字產業化，數字化效率提升業與產業數字化兩組概念的內涵基本一致，而從增加值核算的角度來看，產業數字化并不形成新的數字產品和服務，不宜直接納入數字經濟規模，而作為數字經濟的賦能效應去測度更為合適。鑒于此，本文的數字經濟口徑與中國信通院的數字產業化以及國家統計局的數字經濟核心產業的內涵一致。若進一步將數字經濟劃分為數字制造業和數字服務業，則國民經濟活動可以用如表1所示的5部門投入產出表（Input Output Table，IOT）加以刻畫。

數字賦能水平的高低體現為數字產品或服務等數字要素在生產過程中發揮作用的大小，即通過消耗數字產品或服務實現增加值（或最終產品）的多少。在上述投入產出數據結構下，測度農業數字化發展水平實際上可以轉化為求解農業增加值（或最終產品）中，有多少是使用數字產品或服務得到的。根據投入產出Ghosh模型，定義上標A、N、D分別代表農業部門（行業代碼1）、非農非數字經濟部門（行業代碼2、3），數字經濟部門（行業代碼4、5），則可以將行平衡關系寫成式（1）的分塊矩陣形式：

其中GO和TVA分別代表總產出列向量和增加值行向量，B為直接分配系數矩陣，其代表性元素bij = Mij /TIi，i=1，…，5；j=1，…， 5，代表行業i的總產出中，供行業j使用的比例，Δ代表相關變量的變化量。

本文主要關心行業增加值而非總產出的變化，因此在式（1）的基礎上乘以各行業的增加值率，具體如式（2）所示：

其中G = （I - B）-1為Ghosh逆矩陣，y為增加值率⑤向量，代表元素yi = TVAi / TIi為行業i的增加值TVAi占其總投入TIi的比例，ΔY代表當各行業增加值（即初始投入）變化ΔTVA的數量時，由各部門生產過程中對其他部門初始投入的依賴關系，最終引致的各行業增加值變化向量。

若令行向量ΔTVA = [0，0→，TVAD]，即僅考慮數字經濟初始投入的邊際影響，則ΔY代表各行業增加值中依賴于數字產品和服務最初投入的部分，即該行業的數字化程度，也即數字賦能水平。其中行向量ΔY的第一個元素為農業數字化增加值，代表農業增加值中依賴于數字投入的部分，即農業數字化發展水平的高低。

但是根據張紅霞（2022）的論述，若直接使用式（2）則存在對數字化產品和數字部門產品重復計算的問題，這種重復計算夸大了數字經濟的最終產品規模，且夸大部分的數字經濟規模也會隨著數字賦能效應傳導至對農業數字化增加值的測度中，進而高估農業數字化發展水平。因此在計算數字化水平時需要加以剔除，將式（2）進一步修正為：

其中修正的直接分配系數矩陣B～中，若其行列所對應的行業均為數字經濟行業，則相應元素賦0，否則與原始直接分配矩陣B的對應元素相同，即“屏蔽”數字經濟產業的內部關聯，只考慮數字經濟對其他行業的外溢效應。

進一步將各產業的數字化增加值占比d作為該產業數字化發展水平的測度，如式（4）所示，向量d的第一個元素d1代表了農業數字化發展水平。

三、數據基礎與測度結果

（一）數字經濟投入產出表的估計

由于統計部門僅發布逢2、7結尾年份的省級投入產出表，在本文觀察期內僅能獲取2002、2007、2012、2017四年的數據⑥，因此需要從省級42部門的投入產出表中剝離和歸并數字經濟核心產業（含數字制造業和數字服務業）投入產出數據，利用現有統計數據在非編表年份估計投入產出表，最終得到表1所示的分省時間序列數字經濟投入產出表。具體步驟如下：

第一步，在編表年份將省級42部門的IOT進行部門合并，得到包括農業，其他第二產業，數字制造業，其他第三產業，信息傳輸、軟件和信息技術服務業，批發零售業，文化體育娛樂業的7部門投入產出表。

第二步，根據上文對數字經濟范圍的界定，在省級42部門投入產出數據的條件下，將通信設備、計算機和其他電子設備制造業作為數字制造業的實際測度；將信息傳輸、軟件和信息技術服務業，互聯網批發零售業，廣播電影電視錄音制作業的加總作為數字服務業的實際測度⑦。參考許憲春和張美慧（2020）的做法，將數字經濟子行業營業收入占其所屬父行業營業收入⑧的比例定義為數字經濟調整系數，并按該系數對7部門投入產出表中對應父行業進行比例拆分，將其中屬于數字經濟核心產業的部分剝離并納入數字服務業，非數字部分則歸并到其他第三產業，將7部門表剝離歸并到5部門。

第三步，非編表年份IOT估計。這包括兩部分：第一部分是獲取非編表年份IOT的行列控制數。其中，農業總產出和增加值可以直接獲取。對于第二產業，增加值可以直接獲取，總產出使用工業銷售產值和建筑業總產值加總得到。由于需要獲取數字制造業的總產值和增加值，本文參照許憲春和張美慧（2020）的做法，將行業增加值（或總產出）結構系數分別定義為行業增加值（或總產出）與其父行業增加值（或總產出）的比例，在編表年直接計算數字制造業的增加值（或總產出）系數，并進一步假定該系數平滑變化，通過線性插值或趨勢外推到非編表年，將數字制造業的總產出和增加值與其他第二產業分離。對于第三產業，由于無法直接獲得總產出數據，參考高敏雪等（2007）的做法，首先定義行業增加值率為行業增加值TVAj與行業總產出TIj（即總投入，GOj=TIj）的比值，在編表年份計算增加值率，并假定其平滑變動，使用線性插值或趨勢外推到非編表年，根據增加值數據，反推出非編表年的總產出。然后使用行業增加值（總產出）系數，將第三產業拆分成其他第三產業，信息傳輸、軟件和信息技術服務業，批發零售業，文化體育娛樂業四部分，再根據第二步中數字經濟調整系數做數字經濟行業歸并調整。最后將各部門總產出（總投入，GOj=TIj）和增加值（TVAj）相減得到各部門中間投入（TIIj）。

第二部分是使用何志強和劉蘭娟（2018）提出的EGRAS法編制投入產出延長表。EGRAS法假定存在經濟慣性且短時間內不會出現顛覆式技術進步，從而可以在同時滿足投入產出結構調整差異最小和投入產出行列約束下，把投入產出表由基年調整到目標年，達到編制延長表的目的，如式（5）所示。其中上標“0”代表基年，與對應調整系數c相乘得到目標年數值，共有5×8=40個目標年數值需要估計：5×5=25個中間投入（使用）矩陣（Mij），5×3=15個最終使用矩陣（Fij）。約束條件中，第1行為中間使用+最終使用-流入=總產出；第2行為中間投入=總投入-增加值；第3行為各行業產品的最終消費和資本形成加總與支出法GDP中對應元素的恒等關系（j=6為最終消費TC，j=7為資本形成GCF， j=8為凈出口NEX）。選定恰當的基年⑨求解式（5），則可得到與表2結構一致的5部門數字經濟投入產出表。

第四步，口徑調整。由于投入產出表與核算指標之間（例如投入產出表增加值TVA與地區生產總值GDP）有口徑差異，還需要通過占比形式將各類指標調整一致。例如式（6）計算得到與核算指標口徑一致的地區數字經濟核心產業名義增加值GDP（d）。

（二）農業數字化發展水平的測度結果

根據式（5）和相關基礎核算數據，可以估計得到2002—2020年31?。ㄊ小⒆灾螀^）共581張⑩數字經濟時間序列5部門投入產出表。出于穩健性檢驗的考慮，將上述估計的IOT中各省數字經濟增加值簡單加總可以得到全國數字經濟增加值，如圖2所示。我國2002—2020年數字經濟名義增加值從0.59萬億元增長到7.60萬億元，占GDP比重從4.89%上升到7.51%，與“十四五”規劃綱要中2020年數字經濟核心產業占比7.8%的官方數據十分接近。圖2同時報告了其他代表性文獻中數字經濟名義增加值占比的測算結果，其中許憲春和張美慧（2020）、蔡躍洲和牛新星（2021）使用全國數據測算，韓兆安等（2021）基于省級數據測算并進行地區加總。比較可知與本文結果差異不大，這表明本文投入產出表測算方法和結果具有穩健性。

根據上述省級數字經濟時間序列IOT和式（3）、式（4），可以計算出歷年各省農業數字化增加值規模以及占比，作為農業數字化發展水平的測度。為了進一步比較數字化水平的行業差異，本文還計算了其他各行業數字化增加值及占比，歷年結果如圖3和圖4和所示?；谏鲜鰷y度結果，可以發現：

第一，農業數字化增加值規模持續擴大，數字要素在農業領域的滲透融合程度不斷提高。如圖3所示，農業數字化增加值從2002年的151.41億元增長到2020年的325.92億元，年均增速4.35%，快于同期農業自身增加值增速0.17個百分點。數字制造業和數字服務業對農業數字化發展各自貢獻率在40%—60%波動，但2013年以后數字服務業對農業數字化的貢獻率呈持續上升態勢。

第二，農業數字化發展水平總體呈上升趨勢，但數字化發展水平相對較低。如圖3所示，農業數字化增加值占農業總增加值的比例從2002年的0.68%上升到2020年的0.74%，但與第二、第三產業的數字化發展水平相比（圖4），相對偏低，這與麥肯錫相關研究的結論是類似的。其中2013年之前呈波動發展態勢，2015年以后，隨著數字經濟自身規模的擴大，以及數字中國、數字鄉村發展等國家級戰略的相繼提出和開展，農業數字化發展水平上升較快。

第三，數字化轉型具有較強的產業異質性，農業數字化水平要低于其他產業，但趕超趨勢明顯。如圖4所示，第二、第三產業的數字化水平明顯高于農業，2002年第三產業數字化水平最高，第二產業次之，農業最低，而2019年第二產業數字化水平首次超過第三產業；農業數字化水平較快，其與第二、第三產業數字化水平的最大差異從2002年時的1.46個百分點縮小到2020年時的0.82個百分點，三次產業間數字化水平差異逐步縮小，呈現出向三、二、一產業逐次逆向滲透態勢，這與數字經濟自身發展規律是一致的。

四、農業數字化發展水平時空特征分析

（一）農業數字化發展水平的時間演進分析

使用式（7）的核密度方法估計歷年各省份農業數字化發展水平的概率密度，其中K（·）為高斯核函數，h（opt）為最優窗寬，使用“拇指法則”確定，IQR為四分位距，σxt為第t年樣本的標準差。

歷年核密度曲線及上下四分位點和中位數變化如圖5所示?？梢园l現：

第一，在分布形態上，歷年概率密度函數都呈明顯的右偏態分布，除少數省份農業數字化發展水平較高外，大多數省份的農業數字化發展水平在低位徘徊，發展不平衡不充分特征明顯。

第二，在離散程度上，歷年農業數字化發展水平的區域差異呈現出先縮小后持續擴大態勢，體現為歷年概率密度函數的高峰先變得陡峭再逐步平坦，以及上下四分位點及中位數三條分位線先匯集再背離，與此同時，概率密度曲線右拖尾更長，表明農業數字化發展水平的地區差異逐步拉大，部分地區率先實現了更高的農業數字化水平。

第三，在發展趨勢上，2013年前農業數字化發展水平以波動為主，2013年后農業數字化發展水平提高較快，且主要得益于高水平地區農業數字化水平的進一步提升，而其他地區農業數字化發展水平提升相對緩慢。

為了進一步分析農業數字化發展水平提升的持續性，使用式（8）的二元核密度方法，估計第t年和t+k年農業數字化水平的聯合分布。其中Kx，y）為二元高斯核函數，各維度的最優窗寬h（opt）依然使用式（7）中的“拇指法則”確定。

令k=1，…， 4，繪制出第t年和t+k年農業數字化水平的聯合分布，并繪制等高線圖（見圖6），為直觀比較數字化水平隨時間變化的情況，圖6還繪制了對角線y=x，處于對角線上方的概率密度代表k年后農業數字化發展水平上升的可能性。

從圖6可以看出，當時間跨度較短時，由于經濟發展的慣性，農業數字化發展水平短期內不會發生較大變化，維持在原來水平附近的可能性較大。即k =1、2時，大部分概率密度都集中在直線y=x附近。而當時間跨度進一步延長，概率密度的分布進一步分散，特別是基年農業數字化發展水平已經較高的地區，其數字化水平出現分化的可能性較大，體現為k =3、4時，等高線圖上出現了遠離對角線y=x的“孤島”。這表明農業數字化水平進一步提高的可持續性不強，存在下降和反復的可能性。與此同時，無論時間跨度如何，圖6原點附近都存在較大概率密度，意味著較低數字化水平的地區，繼續維持低數字化水平的概率依然較大，難以出現跨域式增長，即存在“低數字化水平陷阱”。

進一步地，將不同地區農業數字化發展水平按照33%和66%分位點z1=0.004 58和z2=0.008 77分為高中低（R3，R2，R1）三個區制，使用式（9）計算不同初始數字化水平和時間跨度下地區農業數字化發展水平上升的條件概率P（xt+k＞xt|xt∈Ri）和不分區制時的無條件概率P（xt+k＞xt）。

其中f（x， y）為式（8）估計的核密度函數，令z0 = -∞，z3 = +∞，取k =1，…， 5；分為短期、中期和長期三類時間間隔，計算結果如表2所示。

表2中，隨著時間間隔的延長，農業數字化發展水平持續上升的概率總體呈下降態勢，可持續性較低。分區制來看，隨著時間間隔擴大，基年數字化水平處于中高區制的地區更難以維持農業數字化發展水平的持續提升，提升概率迅速下降至低于50%，表明這些地區尚未形成穩定的農業數字化發展機制和路徑，數字化轉型的持續性較差；而低區制地區數字化水平盡管上升幅度較小，但持續上升的可能性較大，不同時間間隔下數字化水平繼續上升概率均在70%左右。

上述分析表明，從時間演進來看，2013年以來我國農業數字化發展水平總體呈上升態勢，但區域間分化進一步拉大，部分地區率先實現較高的農業數字化水平，但數字化水平持續上升的穩定性相對較弱，表明農業數字化轉型依然處于探索期，尚未完全形成成熟穩定的發展機制；大多數區域的農業數字化發展水平依然長期低位徘徊，數字化轉型步伐相對緩慢。

（二）農業數字化發展水平的空間特征分析

分三大地帶看，如圖7所示，東中西三大地區間農業數字化發展水平呈梯次下降態勢。其中東部地區農業數字化發展水平最高，2015年之后呈持續上升態勢，與中西部之間的差距持續擴大；2010年前中西部地區農業數字化發展水平差異不大，之后中西部地區之間距離逐步拉開；而西部地區農業數字化發展水平以波動為主，上升幅度有限。

使用Dagum（1997）的基尼系數分解方法進一步分析農業數字化發展水平的區域差異。式（10）中，Gii為組內基尼系數，Gjh為區域jh之間的組間基尼系數，G為總基尼系數G，組內基尼系數和組間基尼系數經過加權后得到組內差距Gw和總組間差距Gb+Gt，滿足G=Gw+Gb+Gt。

總組間差距包括凈組間差距Gb和組間數據重疊造成的超變密度Gt兩部分，可基于式（10）進一步分解得到。

相關計算結果如圖8和表3所示。從圖8可以看出，總的來看，農業數字化發展水平的區域差異呈波動上升態勢。其中三大地帶的組內差距貢獻率約在15%左右，而組間差異在2015年后上升較快，貢獻率已經超過60%。超變密度在10%左右波動。

進一步區分差距來源來看，如表3所示，組內基尼系數差距呈現擴大—縮小—再擴大的演變趨勢，其中東部地區內部差異貢獻了組內差距的絕大部分，而中部和西部地區內部差異較小。區域間差異中，東西差距和東中差距貢獻了組間差異的絕大部分。其中，東西差距貢獻率長期在50%左右波動，顯示出東部地區領先其他地區尤其是西部地區較大距離，農業數字化發展水平的區域差異較為突出。

本文使用莫蘭指數（Moran's I）分析農業數字化水平的空間相依性特征，通過計算某地區的經濟指標與鄰接地區該指標的加權平均值之間的線性相關性來檢驗經濟指標是否出現空間集群現象。莫蘭指數使用式（12）計算，其中x為原始指標，z為中心化后的指標，w為空間權重，n為區域個數，S0為所有空間權重之和。

為方便趨勢比較，除農業數字化水平外，本文同時計算了區域數字經濟增加值、區域農業增加值和區域經濟增加值的莫蘭指數，作為各自的空間相依性測度，如圖9所示?；趫D9可以發現：

第一，農業數字化水平的莫蘭指數為正，表明其存在一定的空間聚集性，因此農業數字化發展水平在空間層面存在“高高”和“低低”兩類聚集傾向，且伴隨著數字經濟自身空間相依性的不斷增強，這一聚集趨勢呈加劇態勢。

第二，數字經濟增加值的莫蘭指數明顯低于區域經濟增加值的莫蘭指數，表明數字經濟發展的空間聚集效應相對較弱，在一定程度上打破了傳統經濟發展的區域分割和空間局限性，有助于縮小區域經濟差異。但2012年以來數字經濟的空間聚集效應持續增強，區域“數字鴻溝”有所擴大，客觀上也加劇了農業數字化水平和區域經濟發展的空間極化。

第三，農業數字化水平的空間聚集程度既依賴于區域數字經濟發展程度，又取決于本地農業發展的區位特征，其空間聚集程度介于數字經濟和農業自身之間，2014年前主要呈水平波動，而2014年后區域“數字鴻溝”擴大導致農業數字化的空間聚集程度隨之提高，并于2016年超過區域農業的空間聚集水平，造成農業發展區域差異的擴大。

上述分析表明，從空間特征看，我國農業數字化發展水平的空間差異以區域間差異為主，又以中西部與東部之間的差異最為突出，農業數字化發展水平在東中西三大地帶間呈梯次下降態勢；農業數字化水平的空間聚集效應自2014年以來上升較快，存在一定空間極化現象，普惠性偏弱。

五、結論與政策建議

本文通過估計2002—2020年各省5部門數字經濟投入產出表，在投入產出Ghosh模型框架下，使用農業數字化增加值及占比作為農業數字化發展水平的實際測度，并使用核密度估計、Dagum基尼系數分解、莫蘭指數等分析了農業數字化發展水平的時空特征，主要結論包括：

第一，數字要素對農業領域的滲透融合程度不斷增強，農業數字化增加值規模和占比等指標總體呈上升態勢，尤其是2015年后這種滲透融合趨勢更為凸顯，但相對于第二、第三產業，農業的數字化水平還處于較低位置。

第二，農業數字化發展的不平衡不充分特征明顯，體現為省級農業數字化增加值占比呈現明顯的右偏態分布；且高農業數字化水平地區發展較快，但數字化水平持續增長概率偏低，發展過程可能存在反復，難以形成穩定的數字化增長極；與此同時農業數字化處于中低水平的地區雖然數字化水平持續增長概率較高，但增長較慢，長期處于低數字化水平陷阱。

第三，農業數字化發展水平呈現明顯的區域分化和區域集聚態勢，其中區域分化水平總體上升，東部地區內部差異和東西、東中差異貢獻了區域差異的絕大部分。由于區域“數字鴻溝”擴大，區域聚集水平在2015年后上升較快，農業數字化發展存在一定極化現象，普惠性仍然偏弱。

基于上述結論，本文提出如下政策建議：

第一，農業生產過程相對第二、第三產業來說產業鏈條相對復雜，點多面廣，而農村地區基礎設施建設相對滯后，電力、互聯網等基礎設施覆蓋面相對較小。應加強農村數字基礎設施建設，包括提升網絡覆蓋和帶寬，推廣5G網絡應用，改善農村通信設施等。

第二，制定智慧農業整體規劃和實施方案，探索建立農業數字化發展長效機制，推動數字化農業轉型升級。包括綜合運用財政、稅收、金融政策支持推廣數字創新技術，鼓勵數字技術企業和人才進入農業領域，加強物聯網監測、智能化作業等數字技術在農業生產、銷售和管理中的應用，提高生產效率和質量。

第三，增強農業產業鏈上下游數字化協同，提升數字經濟與農業產業鏈融合層次，增加數字賦能渠道。加強數字化農業在農村旅游、生態保護、農村電商等領域的應用，支持物流倉儲等農業產業鏈條的數字化建設，建立健全農業數據平臺，為農業產業鏈的生產和經營決策提供科學依據。

第四，各地區應依托自身區位優勢，在擴大數字要素在農業中的覆蓋范圍和挖掘其使用深度的同時，還應該制定統一的行業標準和規范，建立信息共享機制，加強區域間數字農業交流合作，推動資源共享與借力，改善數字農業領域的區域競合關系，縮小我國農業數字化水平的區域差異。

注釋：

① 表1中的平衡關系：①中間使用+最終使用-進口-國內省外流入=總產出（TIUi+TFUi-IMi-IFi=GOi）；②中間投入+增加值=總投入（TIIj+TVAj=TIj）；③總投入=總產出（TIi=GOi）；④中間投入=中間使用（TIU=TII）。其中平衡關系①②③在行業和加總層面都成立，④僅在加總層面成立。

② 原始的省級IOT中，進出口部分詳細分列為出口（EX）、國內省外流出（OF）、進口（IM）和國內省外流入（IF）四部分，簡便起見，本文將其合并為凈出口（NEX=EX+OF-IM-IF）口徑。

③ 表中的其他第二產業和其他第三產業分別指除數字制造業和數字服務業后，二三產業的其他非數字產業部分。

④ 本文僅需使用IOT的第一、第二象限數據，因此表1沒有列出IOT第三象限（產業增加值結構）具體內容。

⑤ 嚴格來說，這里的y和ΔY分別定義為最終使用率和最終產品變化向量更為合適，但由于部分省份和年份農業的最終使用（TFU）為負數（即本省農產品的中間消耗大于總產出，存在農產品的省外凈流入或者凈進口），導致最終使用率也為負數。為了避免這種情況，這里采用增加值率和增加值變化量進行計算。

⑥ 也有少數省份公布了2005、2010和2015年的42部門投入產出延長表數據，在編制這些省份時間序列IOT時也作為基年表使用。

⑦ 《國民經濟行業分類》（GB/T 4754）先后于1994、2002、2011、2017和2019年進行了修訂，不同年份投入產出表中的行業名稱略有區別。

⑧ 2004、2008、2013和2018年營業收入數據分別來自各省歷次《經濟普查年鑒》，其他年份使用線性插值法或者根據《中國第三產業統計年鑒》中的全國層面的營業收入數據進行趨勢外推估計得到。

⑨估計投入產出延長表時，根據靠近原則，2000—2001、2003—2004以2002為基年，2005—2006、2008—2009以2007為基年，2010—2011、2013—2014以2012為基年，2015—2016、2018—2020以2017為基年。

⑩ 西藏自治區僅公布2012和2017年投入產出表，故本文僅估計其2010—2020年的數字經濟時序IOT，缺失2000—2009年部分。其他省份均計算了全部2002—2020年的數字經濟時序IOT。

為了保持口徑一致，僅根據該文獻中數字產業化增加值部分計算數字經濟增加值占比。

全國的農業數字化增加值規模通過各省加總，并調整為2002年不變價；全國各行業數字化發展水平為各省的該行業數字化增加值占該行業增加值比例的平均值。

麥肯錫全球研究院從數字資產、數字資產的使用和勞動力三個維度25個指標構建行業數字化指數，測度我國22個行業的數字化水平，發現我國農業的數字化水平較低。

由于早期數據內在不一致性較大（如國民經濟行業分類的歷次變化，投入產出表編制方法從《中國國民經濟核算體系（2002）》切換為《中國國民經濟核算體系（2016）》等），早期數據的估計標準誤較大（體現為較寬的置信區間），部分年份數據存在較大波動，而上升趨勢不太明顯。

這里的第二、第三產業剔除了數字制造業和數字服務業。

本文的東部地區包括13個省份：京、津、冀、滬、蘇、浙、閩、魯、粵、瓊、遼、吉、黑；中部地區包括6個省份：晉、皖、贛、豫、鄂、湘；西部地區包括12個省份：蒙、桂、渝、川、貴、云、藏、陜、甘、青、寧、新。

參考文獻：

[1]向書堅，吳文君.中國數字經濟衛星賬戶框架設計研究[J].統計研究， 2019， 36（10）：3-16.

[2]許憲春，張美慧.中國數字經濟規模測算研究——基于國際比較的視角[J].中國工業經濟， 2020（05）： 23-41.

[3]中國信息通信研究院.中國數字經濟發展白皮書（2020）[DB/OL]，2021.http：//www.caict.ac.cn/kxyj/qwfb/bps/202104/P020210424737615413306.pdf.

[4]彭剛，趙樂新.中國數字經濟總量測算問題研究——兼論數字經濟與我國經濟增長動能轉換[J].統計學報， 2020， 1（03）：1-13.

[5]張紅霞.生產網絡視角下中國數字經濟規模及其結構——基于時序投入產出表的實證研究[J].中國人民大學學報，2022，36（03）：76-91.

[6]毛豐付，張帆.中國地區數字經濟的演變：1994—2018[J].數量經濟技術經濟研究，2021，38（07）：3-25.

[7]潘為華，賀正楚，潘紅玉.中國數字經濟發展的時空演化和分布動態[J].中國軟科學，2021（10）：137-147.

[8]王軍，朱杰，羅茜.中國數字經濟發展水平及演變測度[J]. 數量經濟技術經濟研究，2021，38（07）：26-42.

[9]李本慶，岳宏志.數字經濟賦能農業高質量發展：理論邏輯與實證檢驗[J].江西財經大學學報，2022，144（06）：95-107.

[10]曾博.農業數字化轉型的理論邏輯、推進路徑與現實挑戰[J].黑龍江社會科學，2023（01）：44-48.

[11]劉釩，余明月.長江經濟帶數字產業化與產業數字? 化的耦合協調分析[J].長江流域資源與環境，2021，? 30（07）：1 527-1 537.

[12]林妍.產業數字化與綠色技術創新耦合協調測度與分析[J].中國流通經濟，2023，37（02）：68-78.

[12]趙鵬善.農業數字化發展對城鄉收入差距影響的研究[D].沈陽：遼寧大學，2022.

[14]王開科，吳國兵，章貴軍.數字經濟發展改善了生產效率嗎？ [J].經濟學家，2020（10）：24-34.

[15]熊勵，蔡雪蓮.數字經濟對區域創新能力提升的影響效應——基于長三角城市群的實證研究[J].華東經濟管理，2020，34（12）：1-8.

[16]李研.中國數字經濟產出效率的地區差異及動態演變[J].數量經濟技術經濟研究，2021，38（02）：60-77.

[17]李宗顯，楊千帆.數字經濟如何影響中國經濟高質量發展[J].現代經濟探討，2021（07）：10-19.

[18]楊慧梅，江璐.數字經濟、空間效應與全要素生產率[J].統計研究，2021，38（04）：3-15.

[20] 張焱.數字經濟、溢出效應與全要素生產率提升[J].貴州社會科學，2021（03）：139-145.

[21]劉軍，楊淵鋆，張三峰.中國數字經濟測度與驅動因素研究[J].上海經濟研究，2020，32（06）：81-96.

[22]韓兆安，趙景峰，吳海珍.中國省際數字經濟規模測算、非均衡性與地區差異研究[J].數量經濟技術經濟研究，2021，38（08）：164-180+F0003.

[23]李怡，柯杰升.三級數字鴻溝：農村數字經濟的收入增長和收入分配效應[J].農業技術經濟，2021（08）：119-132.

[24] 張家平，程名望，龔小梅.中國城鄉數字鴻溝特征及影響因素研究[J].統計與信息論壇，2021，36（12）：92-102.

[25]陳毅輝，洪碧云.數字經濟對農業高質量發展的影響研究[J].技術經濟與管理研究，2022（02）：105-109.

[26]AKER J C.Information from markets near and far：Mobile phones and agricultural markets in Niger[J].American Economic Journal：Applied Economics，2010，2（03）：46-59.

[27] TADESSE G，BAHIIGWA G.Mobile phones and farmers' marketing decisions in Ethiopia[J].World Development，2015，68：296-307.

[28] OGUTU S O，OKELLO J J，OTIENO D J.Impact of information and communication technology-based market information services on smallholder farm input use and productivity：The case of Kenya[J].World Development，2014，64：311-321.

[29] JACK W，SURI T.Risk sharing and transactions costs：? Evidence from Kenya's mobile money revolution[J].American Economic Review，2014，104（01）：183-223.

[30]趙成偉，許竹青.高質量發展視閾下數字鄉村建設的機理、問題與策略[J].求是學刊，2021，48（05）：44-52.

[31]楊建利，鄭文凌，邢嬌陽等.數字技術賦能農業高質量發展[J].上海經濟研究，2021，394（07）：81-90+104.

[32]唐文浩.數字技術驅動農業農村高質量發展：理論闡釋與實踐路徑[J].南京農業大學學報（社會科學版），2022，22（02）：1-9.

[33]劉宇，孫啟明，謝智勇.中國數字經濟規模測算問題探討——基于兩種測算思路的分析[J].北方論叢，2021（05）：54-59.

[34]國家統計局.數字經濟及其核心產業統計分類（2021）（國家統計局令第33號）[DB/OL].WWW.stats.gov.cn/sj/tjbz/gjtjbz/202302/t20230213_1902784.html.

[35]高敏雪，李靜萍，許健.國民經濟核算原理與中國實踐（第二版）[M]. 北京：中國人民大學出版社，2007.113-121.

[36]何志強，劉蘭娟.GRAS方法的改進及對比研究——基于社會核算矩陣調平和投入產出表更新[J].數量經濟技術經濟研究，2018，35（11）：142-1603.

[37]蔡躍洲，牛新星.中國數字經濟增加值規模測算及結構分析[J].中國社會科學，2021（11）：4-30.

[38]DAGUM C.A new approach to the decomposition of the Gini income inequality ratio[J].Empirical Economics，1997，22（04）：515-531.

（責任編輯：唐詩柔）

Measurement of the Level of Agricultural Digitalization Development

and Analysis of Spatio-temporal Characteristics： Based on

Provincial Time-series Input-output Tables

Gao Yiming

（School of Business， Xiangtan university）

Abstract： Based on combing the main theoretical mechanisms of digital enablement， this paper proposes indicators and methods to measure the level of agricultural digitalization development using the Ghosh model under the input-output framework. The EGRAS method is used to compile the five-sector provincial digital economy time-series input-output tables. The actual measurement of the level of agricultural digitalization development in 31 provinces of China from 2002 to 2020 and analysis of the spatio-temporal characteristics of agricultural digitalization development using kernel density estimation， Dagum Gini coefficient decomposition and other methods.The study found that： The overall level of agricultural digitalization development in China showed an upward trend year by year， and the gap between the secondary and tertiary industries further narrowed. However， at the same time， unstable growth poles and low-level traps coexist in the development of agricultural digitalization， and regional differentiation and regional agglomeration trends are obvious， and inclusiveness is still weak. Based on the above findings， this paper proposes relevant policy recommendations to improve the level of agricultural digitalization development.

Keywords： Agricultural digitalization development; Digital enablement; Ghosh model; Kernel density estimation; Dagum Gini coefficient decomposition