中国数字农业高质量发展水平的综合评价

董晓芳，徐金良

（河北经贸大学数学与统计学学院 河北，石家庄 050061）

1 引言

数字农业不但是数字经济的关键所在，而且是实现农业农村现代化的重要途径。2021年3月发布《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，提出“加快数字化发展，建设数字中国”，促进智慧农业的发展，推进农村农业生产与经营的数字化改革。当今农业发展尚未实现机械一体化，仍然有很多私家农户耕种。土地回收也是未来的必然趋势，实现机械现代化耕种，提升农业产量收益，为实现数字农业打下坚实基础。毋庸置疑，数字农业的高质量发展为我国农业农村现代化奠定坚实的实践基础，必然是实现乡村振兴的至关重要的举措。

基于我国数字农业的发展水平不少学者从不同角度进行了分析。张鸿、王浩然等[1]运用AHP-熵权法研究数字农业的情况，结果表明数字农业水平由高到低分别为东、中、西部地区。钟文晶、罗必良等[2]提出数字农业具有技术依赖性等特性，容易引发投资不足、数字鸿沟等问题，阐明我国数字农业有必要借鉴国际经验，以实现包容性数字农业转型。吕小刚[3]提出在推动农业建设、数字农业技术创新和推进“三农等方面需提供信息支撑，为农业高质量提供新动能。刘海启[4]认为精准农业是向数字化转型的核心，通过研究国内外精准农业发展状况，提出将精准农业作为实现农业可持续发展的根本途径。刘如意等[5]认为农产品流通关键在于产品领域的区块链的形成。陈诗[6]研究农业信息与新媒体的关系，提出依靠新媒体来提升农业生产的技术应用。周涛[7]阐释了数字农业的内容，提出数字农业可对农田进行精准、实时监控，有效节省了人力与资金投入成本。

鉴于此，本文研究方向不同于上述学者，而是从因子分析和聚类分析的角度来剖析我国数字农业高质量发展水平。因子分析利用降维的思想，将多个相关性较强的变量融合成一个公因子，减少了变量个数，却保留了原始变量的主要信息。聚类分析是按照相似性将分类对象划分为不同类别，而不同类别又具有较大差异，分类后便于寻找对象间的关系。根据因子和聚类的特点，结合相关理论，构建数字农业的指标体系，借此考量我国2019年数字农业发展水平，提出改进建议，从而为推动数字农业高质量发展，加速农业农村现代化进程提供借鉴。

2 数据来源和指标确定

由于2020年一部分指标数据不完整，故选用2019年数据。为保证数据的连续性、真实性，本文所涉及的数据均来源于《2020年中国统计年鉴》、《2020年中国农村统计年鉴》和工信数据等，据此对我国数字农业发展水平进行综合评价。在数据处理中，对于某个指标缺失的数据采用热卡填充进行补全。本文结果均由统计软件SPSS25得出。

本文选取了一级指标6个，二级指标24个，如表1所示。

表1 数字农业高质量发展指标体系

3 实证分析

3.1 中国数字农业高质量发展水平的因子分析

3.1.1 KMO和Bartlett球形检验对数据做KMO和Bartlett球形检验，以确定变量间的相关性，决定是否可以采用因子分析法。一般KMO值＞0.5时适合做因子分析。经检验，KMO值为0.695，且Bartlett球形检验的P值为0，表明该数据适合做因子分析。

3.1.2 提取公因子运用主成分分析法对31个省的24个指标提取公因子，依据特征值大于1的原则提取出了四个公因子，运用最大方差法对因子进行旋转，各成分的方差贡献率分别是37.531%、26.567%、10.669%、8.887%，累计贡献率为83.655%，即这四个公因子解释了原始数据中83.655%的信息，结果较为合理，见表2。

表2 总方差解释

3.1.3 公因子命名运用最大方差法得到因子载荷矩阵，可以看出各个公因子可由哪些变量进行解释。由旋转后的成分矩阵（表3）可知：第一公因子包括X5、X8、X9、X11、X12、X13、X14、X15、X21、X22、X23、X24，命名为“产业效益人才技术”因子。第二公因子包括X1、X2、X4、X6、X10、X19、X20，命名为“产业投入”因子。第三公因子包括X3、X7，命名为“长途光缆”因子。第四公因子包括X16、X17、X18，命名为“绿色发展”因子。

表3 旋转后的成分矩阵

3.1.4 得分与排名数字农业发展水平由四个公因子来反映，以每个公因子的方差贡献率进行计算，得到数字农业高质量发展水平得分表达式：

运用SPSS软件计算31个地区的各公因子得分、综合得分，并进行排名（表4）。综合排名越靠前，说明该地区数字农业发展水平越高。

结合表4的中国各省份得分及其排名，可以看出各地区面临发展不平衡不充分的问题。只有广东、江苏、山东等13个地区综合评价得分为正，表现较好，说明这些地区实现了数字农业现代化。数字农业发展水平最高的为广东（1.637），其次是江苏（1.265）、山东（0.996），这些地区在数字经济方面具有较大优势，尤其广东，数字化经济发展水平在我国实力较强，借此可以带动该地区农业发展，在乡村振兴下，实现数字农业现代化。西部地区的数字农业水平尚处于劣势，发展水平最低的为宁夏(-0.707)、青海(-0.745)、西藏(-0.792)，这些地区在信息化方面尚不完善，数字化产业相对落后，机械一体化尚未全面实现，导致数字经济水平在我国排名较低，表明其在数字经济、农业现代化等方面仍需努力。

表4 31个省数字农业发展水平得分及排名

3.2 中国数字农业高质量发展水平的聚类分析

根据上文31个省份在四个公因子得分，采用聚类分析法对我国数字农业发展水平进行分类，旨在分析各类地区的共性与异性。

运用SPSS软件采用Ward聚类方法，选用平方欧式距离进行聚类。从聚类结果来看，我国数字农业发展水平可以划分为五类。其中第一类包括浙江、广东、四川3个省份，第二类包括江苏、安徽、河北、河南、山东、湖北、湖南、黑龙江8个省份，第三类包括北京、上海2个省份，第四类包括福建、江西、辽宁、广西、吉林、海南、云南、重庆、陕西、甘肃10个省份，第五类包括山西、天津、内蒙古、宁夏、贵州、新疆、西藏、青海8个省份。

从表5看出，在第一公因子上，第一类平均值较高，说明北京、上海地区在产业效益人才技术方面比较发达；在第二公因子上，第二类平均值较高，说明江苏、山东等地区在产业投入方面比重较大，也是发展数字农业的前提；在第三公因子上，第一类平均值较高，说明浙江、广东等地区在长途光缆投入较多，为发展网络信息传输提供基础；在第四公因子上，第四类平均值较高，说明辽宁、海南等地区在绿色发展上做的更为妥当，农药、化肥投入量适当，为我国绿色发展做出贡献。从综合平均值来看，第一类数字农业发展水平较好，即浙江、广东、四川，在产业、技术、信息、人才等方面的带动下，提升了数字农业的高质量发展，整体水平较高。第五类地区数字农业发展相对落后，其中大部分为西部地区，经济实体相对不发达，农业数字化必然会落后于其他地区，数字农业发展水平仍需进一步做出努力。

表5 类均值

4 结论及建议

本文通过建立数字农业的指标体系，对我国数字农业发展情况进行综合评价，通过因子分析和聚类分析的方法将24个指标降维成四个公因子并将31个地区划分为五类，分析了31个地区数字农业发展的现状以及不同类别之间的差异，主要的结论如下：广东、江苏、山东数字农业发展水平较高，与其他省份存在显著差异，西部地区在基础设施、人才资源、技术支持、产业效益与全国平均水平相比仍存在较大差距。根据本文研究的成果，从二个方面给出提升数字农业高质量发展的相关建议。

4.1 增加政策与资金的投入，营造良好的发展环境

数字农业的高质量发展应由数字技术的革新来提供支持，也需要政策投入和资金投入来支持。首先政策投入层面，政府完全主导，对数字农业的政策进行补充和改进，进而推动农业数字化的转型。其次资金投入层面，要更加注重财政支持。针对中西部对农业数字化投资较低的省份，加大投资力度。

4.2 重点发展农业数字技术产业，提高产业效率

一方面，加大农业信息技术引进力度，提升农业数字产业效率。将最新的信息技术和农机制造相结合，提高农机设备水平和作业质量。另一方面，在农民、科研机构以及政府等相关主体之间搭建信息交流与反馈的平台，在农业方面能及时实现多个主体间的信息共享。