贵州省农业与数字经济耦合协调研究

梁 帅 ，朱加兰

（贵州财经大学大数据应用与经济学院，贵州 贵阳 550025）

0 引言

2021 年，我国数字经济规模为45.5 万亿元，占GDP 的比重高达39.8%，数字经济发展一跃成为经济高质量发展的关键核心力量，也为传统农业的数字化转型创造了有利条件。现有研究普遍认同数字经济与农业的融合发展具有重大意义。夏显力等[1]提出，利用数字技术智能管控农业生产过程，在促进农业经营决策便捷化的同时可以减轻资源禀赋对农业发展的约束作用，从而促进农业综合生产力的提升。温涛等[2]提出，数字经济通过创新金融服务模式来促进农业升级，进而实现农业跨越式增长。但程大为等[3]认为，由于区域差距和数字鸿沟存在，我国当前阶段农业与数字经济不仅融合速度较为缓慢，而且融合程度并不高。

贵州省作为全国第一批大数据实验室试点发展地，数字经济增速连续七年位列全国第一，但是由于地理区位的影响，农业发展存在先天缺陷。在此基础上，从实证出发来探讨贵州省农业和数字经济协调融合发展的状况是有意义的。

1 指标选取与模型构建

1.1 数据指标选取

以我国农业发展内涵为指导，综合参考专家学者高芸等[4]和肖红波等[5]的研究成果，将农业系统划分为农业投入、农业产出和农业可持续发展三个子系统，具体选取有效灌溉面积、农用化肥施用量和农林牧渔业总产值等7 个指标。参考刘军等[6]的数字经济指数测度，从数字经济基础设施、数字经济应用和数字经济产出三个方面选取长途光缆长度、移动电话交换密度和互联网宽带端口密度等共计12 个指标来综合反映数字经济发展情况。

1.2 数据处理

本文在数据处理上采用的是常规的熵值法，即在对二级指标进行客观赋权的基础上，由二级指标直接相加得到一级指标的权重。具体测算步骤如下。

1.2.1 数据标准化处理

由于处于不同数量级别之间的数据指标差异较大，不具备可比性，经过标准化可将数据转化为无量纲的数据指标，消除由于量纲带来的评价误差，进而对不同数据指标进行综合评价分析。本文采用极值标准化方法，具体运算公式为如下。

1）正向指标：

2）负向指标：

式中，X ij表示第i（i=1,2,3,…,n）项（行）的数据指标和第j（j=1,2,3,…,n）年（列）的原始数据值；X*ij表示标准化处理过后的数据指标值；minXij和maxXij分别表示j年（列）的数据最小值与最大值。

1.2.2 数据平移处理

极值标准化过程中会出现X*ij=0 的情况，保留X*ij=0 会使得后续的计算结果失去有效性，因此对各项数据均加上0.001 处理。

1.3 指标权重计算

数据指标的比重计算，第i项（行）指标在第j年（列）的比重Pij为：数据指标的熵值计算，第i项指标的熵值Ei为：

式中，K=-{1/ln(n)}，n为年数；0≤Ei≤1。数据指标冗余度Di计算公式为：

权重结果Wi计算公式为：

1.4 综合评价指数计算

本文采用指标与权重加权求和的方法来求解综合评价指数：

1.5 耦合度与耦合协调度计算

耦合度是物理学中的术语，容量耦合与容量耦合系数模型，用来分析两个或两个以上系统之间的相互作用和互动关系。但单独的耦合度模型只能观察耦合程度，却不能对系统间的协调发展程度做出反应。因此，在耦合度基础上进一步延伸出协调度分析，建立耦合协调度模型，不仅可以观察耦合度，也可以分析协调度。

1.5.1 耦合度计算

假设存在变量Vi（i=1,2,3,…,m）和Vj（j=1,2,3,…,n）表示系统i和系统j，则可对多个系统之间的耦合度和协调度模型做如下描述[7]：

式中，C表示耦合度，且有0≤C≤1，当C值越靠近1时，代表不同系统之间要素耦合度越好；当C值越靠近0 时，则表示不同系统之间要素耦合关系越弱，缺乏交互影响，系统之间出现无序性状态。本文只有两个系统，则耦合度函数可表示为：

从而由上式可知，数字经济产业系统与农业系统的耦合度函数为：

式中，t代表年份，S(1,t)代表农业系统，S(2,t)代表数字经济系统，根据公式（8）可得出综合评价指数具体数值。

1.5.2 耦合协调度计算

在已知系统之间的耦合度的基础上，可以清晰地观察到系统之间的耦合强度大小，但是并没有反映系统的整体协调度，故而在耦合度之后引入协调度，构造耦合协调度模型。则农业系统与数字经济产业系统的耦合协调度函数可表示为：

式中，T为贵州省农业系统与数字经济系统的综合评价指数，α、β为待定系数，表示两个系统的相对重要程度，一般认为两个系统都是一样重要的，故有α=β=0.5。

1.6 耦合协调度区间等级划分

参考周德田等[8]的研究将耦合协调度区间[0,1]划分为十等分，每个连续的等分之间对应着不同的耦合协调度等级，通过不同等级划分可清晰地观察出农业系统与数字经济系统之间的耦合协调发展具体情况，划分详情如表1 所示。

表1 耦合协调度及协调类型

2 实证结果分析

2.1 评价指标权重

根据各个公式的推导，代入具体数值计算可知，农业系统与数字经济系统的评价指标的各个权重分别如表2 所示。

表2 贵州省农业与数字经济评价指标权重

2.2 综合评价指标分析

2.2.1 农业系统分析

农业系统综合评分越接近数值1，则可以认为农业内部协调发展越好。贵州省农业与数字经济耦合协调关系如表3 所示，通过表3 可知，农业系统综合评分在2013—2017 年处于不断上升阶段，且在2017年达到最高评分0.712。原因在于十八大以来，贵州始终把促进农业发展摆在突出位置，深入推进农村地区产业革命，全力助推农业现代化建设，促进农业高质量发展，提升农业竞争力，全省农业经济总量不断攀升，在全国农业经济大盘中比重明显提升。但在2018 年和2019 年，综合评分有所回落，原因在于2018 年全球经济发展明显乏力，在国内经济下行压力较大的背景下，贵州省受宏观经济运行影响，农业发展呈现出放缓趋势。

表3 贵州省农业与数字经济耦合协调关系

2.2.2 数字经济系统分析

通过对表3 的分析可得，数字经济系统的综合评分从2013 年的0.114 不断上升到2019 年的0.833。以2016 年为分界线，2016 年之前，数字经济系统综合得分较低，原因在于数字经济基础设施建设较为落后且不完善，数字应用较少，数字红利多是被数字鸿沟所替代。但是在2016 年之后，数字经济综合评分不断提升，甚至在2019 年取得0.833 的高分，原因在于2016 年贵州先行试点，统筹推进综合试验区建设与大数据战略行动，在助推全省经济增长、加快政务数据共享开放、助力民生应用和政府治理、数据中心建设、大数据体制机制创新等方面不断创造佳绩，数字经济增加值占GDP 的比重不断增大，全省数字经济增速连续7 年位居全国第一，数字经济发展抢得了先机、孕育了新机。

2.2.3 耦合度及耦合协调度分析

根据农业系统综合评价指数S(1,t)和数字经济系统综合评价指数S(2,t)，按照公式（11）和（12），可分别得到各自的耦合度C(t)与耦合协调度D(t)，具体数据详情如表3 所示。

从耦合度来看，2013—2019 年贵州省农业系统与数字经济系统的耦合度均达到0.95以上，均是高度耦合的，即贵州省农业系统与数字经济系统存在良好的联合发展态势。从耦合协调度来看，总体上，农业系统与数字经济系统的耦合协调度基本保持不断上升趋势。具体分析来看，2013—2015 年，耦合协调等级由低度失调先转变为勉强协调再转变为低度协调，耦合协调类型均为数字经济滞后，原因在于2016 年之前，数字经济存在基础设施不完善、数字应用少、数字产出低等问题，发展相对落后，数字经济与农业之间联合发展动力不足。2016—2017 年，耦合协调等级进一步提升为中度协调，耦合协调类型依旧为数字经济滞后，原因在于贵州省数字经济在2016 年进一步得到发展，“互联网+农业”的发展模式深化了数字赋能农业发展的态势，数字经济与农业的进一步融合发展得到加强。2018 年耦合协调等级仍旧为中度协调，但耦合发展类型转变为农业滞后，原因在于数字经济发展势头强劲，助推数字经济与农业的进一步融合发展。2019 年，耦合协调等级提升了一个等级变为高度协调，耦合发展类型仍旧处于农业滞后，原因在于贵州大力发展大数据推动乡村经济发展，助力农民收入增加，助推农业企业数字化转型发展，两产业相互融合发展的带动效果愈发明显[9-10]。

3 结论与建议

通过对时间序列数据的实证分析和对贵州省农业与数字经济2013—2019 年的耦合度和协调度模型的研究分析，可得出以下几个主要结论：1）综合来看，贵州省农业与数字经济的耦合协调等级在2019年已经达到高度协调，但农业发展明显滞后，要实现农业与数字经济协调融合发展需要付出更进一步的努力。2）就耦合度而言，2013—2019 年耦合度得分均在0.95 以上，处于较高耦合水平。3）就耦合协调度而言，耦合发展类型由数字经济滞后到2018 年开始转变为农业滞后；耦合协调等级经历从低度失调到高度协调的变化，即总体趋势是一直向着更高的耦合协调度迈进。基于以上研究结论，本文提出以下几点建议：

1）发挥政府宏观政策引导作用[11]。出台资金支持政策，鼓励和引导社会资本流入到农业和数字经济的融合发展中去，既可解决农业企业融资难问题，又可通过投资创业行为创造新型就业岗位，解决农业劳动力过剩问题。出台农业与数字经济协同发展支持政策，确保农业与数字经济协调发展的可持续性。

2）加强基础设施建设[12-13]。基础设施是数字经济赋能农业发展的前提和重要条件，完善基础设施建设，使农村地区获取数字服务更便利，消除地理差异导致的障碍；增强数据优势和数字平台优势，打破信息壁垒，搭建数字平台来提升市场化率。

3）培养专业人才，促进科研创新[14]。人才是产业发展的核心竞争力，一方面要与当地学校联合培养专业的农业型人才、数字经济型人才和集合两者的复合型人才；另一方面要促进产学研合作，联合高科技企业、高校以及研究院培养创新型研发人才，突破关键核心技术限制，促进经济高质量发展。