梁 帥 ,朱加蘭
(貴州財經(jīng)大學(xué)大數(shù)據(jù)應(yīng)用與經(jīng)濟學(xué)院,貴州 貴陽 550025)
2021 年,我國數(shù)字經(jīng)濟規(guī)模為45.5 萬億元,占GDP 的比重高達39.8%,數(shù)字經(jīng)濟發(fā)展一躍成為經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵核心力量,也為傳統(tǒng)農(nóng)業(yè)的數(shù)字化轉(zhuǎn)型創(chuàng)造了有利條件。現(xiàn)有研究普遍認同數(shù)字經(jīng)濟與農(nóng)業(yè)的融合發(fā)展具有重大意義。夏顯力等[1]提出,利用數(shù)字技術(shù)智能管控農(nóng)業(yè)生產(chǎn)過程,在促進農(nóng)業(yè)經(jīng)營決策便捷化的同時可以減輕資源稟賦對農(nóng)業(yè)發(fā)展的約束作用,從而促進農(nóng)業(yè)綜合生產(chǎn)力的提升。溫濤等[2]提出,數(shù)字經(jīng)濟通過創(chuàng)新金融服務(wù)模式來促進農(nóng)業(yè)升級,進而實現(xiàn)農(nóng)業(yè)跨越式增長。但程大為等[3]認為,由于區(qū)域差距和數(shù)字鴻溝存在,我國當前階段農(nóng)業(yè)與數(shù)字經(jīng)濟不僅融合速度較為緩慢,而且融合程度并不高。
貴州省作為全國第一批大數(shù)據(jù)實驗室試點發(fā)展地,數(shù)字經(jīng)濟增速連續(xù)七年位列全國第一,但是由于地理區(qū)位的影響,農(nóng)業(yè)發(fā)展存在先天缺陷。在此基礎(chǔ)上,從實證出發(fā)來探討貴州省農(nóng)業(yè)和數(shù)字經(jīng)濟協(xié)調(diào)融合發(fā)展的狀況是有意義的。
以我國農(nóng)業(yè)發(fā)展內(nèi)涵為指導(dǎo),綜合參考專家學(xué)者高蕓等[4]和肖紅波等[5]的研究成果,將農(nóng)業(yè)系統(tǒng)劃分為農(nóng)業(yè)投入、農(nóng)業(yè)產(chǎn)出和農(nóng)業(yè)可持續(xù)發(fā)展三個子系統(tǒng),具體選取有效灌溉面積、農(nóng)用化肥施用量和農(nóng)林牧漁業(yè)總產(chǎn)值等7 個指標。參考劉軍等[6]的數(shù)字經(jīng)濟指數(shù)測度,從數(shù)字經(jīng)濟基礎(chǔ)設(shè)施、數(shù)字經(jīng)濟應(yīng)用和數(shù)字經(jīng)濟產(chǎn)出三個方面選取長途光纜長度、移動電話交換密度和互聯(lián)網(wǎng)寬帶端口密度等共計12 個指標來綜合反映數(shù)字經(jīng)濟發(fā)展情況。
本文在數(shù)據(jù)處理上采用的是常規(guī)的熵值法,即在對二級指標進行客觀賦權(quán)的基礎(chǔ)上,由二級指標直接相加得到一級指標的權(quán)重。具體測算步驟如下。
1.2.1 數(shù)據(jù)標準化處理
由于處于不同數(shù)量級別之間的數(shù)據(jù)指標差異較大,不具備可比性,經(jīng)過標準化可將數(shù)據(jù)轉(zhuǎn)化為無量綱的數(shù)據(jù)指標,消除由于量綱帶來的評價誤差,進而對不同數(shù)據(jù)指標進行綜合評價分析。本文采用極值標準化方法,具體運算公式為如下。
1)正向指標:
2)負向指標:
式中,X ij表示第i(i=1,2,3,…,n)項(行)的數(shù)據(jù)指標和第j(j=1,2,3,…,n)年(列)的原始數(shù)據(jù)值;X*ij表示標準化處理過后的數(shù)據(jù)指標值;minXij和maxXij分別表示j年(列)的數(shù)據(jù)最小值與最大值。
1.2.2 數(shù)據(jù)平移處理
極值標準化過程中會出現(xiàn)X*ij=0 的情況,保留X*ij=0 會使得后續(xù)的計算結(jié)果失去有效性,因此對各項數(shù)據(jù)均加上0.001 處理。
數(shù)據(jù)指標的比重計算,第i項(行)指標在第j年(列)的比重Pij為:數(shù)據(jù)指標的熵值計算,第i項指標的熵值Ei為:
式中,K=-{1/ln(n)},n為年數(shù);0≤Ei≤1。數(shù)據(jù)指標冗余度Di計算公式為:
權(quán)重結(jié)果Wi計算公式為:
本文采用指標與權(quán)重加權(quán)求和的方法來求解綜合評價指數(shù):
耦合度是物理學(xué)中的術(shù)語,容量耦合與容量耦合系數(shù)模型,用來分析兩個或兩個以上系統(tǒng)之間的相互作用和互動關(guān)系。但單獨的耦合度模型只能觀察耦合程度,卻不能對系統(tǒng)間的協(xié)調(diào)發(fā)展程度做出反應(yīng)。因此,在耦合度基礎(chǔ)上進一步延伸出協(xié)調(diào)度分析,建立耦合協(xié)調(diào)度模型,不僅可以觀察耦合度,也可以分析協(xié)調(diào)度。
1.5.1 耦合度計算
假設(shè)存在變量Vi(i=1,2,3,…,m)和Vj(j=1,2,3,…,n)表示系統(tǒng)i和系統(tǒng)j,則可對多個系統(tǒng)之間的耦合度和協(xié)調(diào)度模型做如下描述[7]:
式中,C表示耦合度,且有0≤C≤1,當C值越靠近1時,代表不同系統(tǒng)之間要素耦合度越好;當C值越靠近0 時,則表示不同系統(tǒng)之間要素耦合關(guān)系越弱,缺乏交互影響,系統(tǒng)之間出現(xiàn)無序性狀態(tài)。本文只有兩個系統(tǒng),則耦合度函數(shù)可表示為:
從而由上式可知,數(shù)字經(jīng)濟產(chǎn)業(yè)系統(tǒng)與農(nóng)業(yè)系統(tǒng)的耦合度函數(shù)為:
式中,t代表年份,S(1,t)代表農(nóng)業(yè)系統(tǒng),S(2,t)代表數(shù)字經(jīng)濟系統(tǒng),根據(jù)公式(8)可得出綜合評價指數(shù)具體數(shù)值。
1.5.2 耦合協(xié)調(diào)度計算
在已知系統(tǒng)之間的耦合度的基礎(chǔ)上,可以清晰地觀察到系統(tǒng)之間的耦合強度大小,但是并沒有反映系統(tǒng)的整體協(xié)調(diào)度,故而在耦合度之后引入?yún)f(xié)調(diào)度,構(gòu)造耦合協(xié)調(diào)度模型。則農(nóng)業(yè)系統(tǒng)與數(shù)字經(jīng)濟產(chǎn)業(yè)系統(tǒng)的耦合協(xié)調(diào)度函數(shù)可表示為:
式中,T為貴州省農(nóng)業(yè)系統(tǒng)與數(shù)字經(jīng)濟系統(tǒng)的綜合評價指數(shù),α、β為待定系數(shù),表示兩個系統(tǒng)的相對重要程度,一般認為兩個系統(tǒng)都是一樣重要的,故有α=β=0.5。
參考周德田等[8]的研究將耦合協(xié)調(diào)度區(qū)間[0,1]劃分為十等分,每個連續(xù)的等分之間對應(yīng)著不同的耦合協(xié)調(diào)度等級,通過不同等級劃分可清晰地觀察出農(nóng)業(yè)系統(tǒng)與數(shù)字經(jīng)濟系統(tǒng)之間的耦合協(xié)調(diào)發(fā)展具體情況,劃分詳情如表1 所示。
表1 耦合協(xié)調(diào)度及協(xié)調(diào)類型
根據(jù)各個公式的推導(dǎo),代入具體數(shù)值計算可知,農(nóng)業(yè)系統(tǒng)與數(shù)字經(jīng)濟系統(tǒng)的評價指標的各個權(quán)重分別如表2 所示。
表2 貴州省農(nóng)業(yè)與數(shù)字經(jīng)濟評價指標權(quán)重
2.2.1 農(nóng)業(yè)系統(tǒng)分析
農(nóng)業(yè)系統(tǒng)綜合評分越接近數(shù)值1,則可以認為農(nóng)業(yè)內(nèi)部協(xié)調(diào)發(fā)展越好。貴州省農(nóng)業(yè)與數(shù)字經(jīng)濟耦合協(xié)調(diào)關(guān)系如表3 所示,通過表3 可知,農(nóng)業(yè)系統(tǒng)綜合評分在2013—2017 年處于不斷上升階段,且在2017年達到最高評分0.712。原因在于十八大以來,貴州始終把促進農(nóng)業(yè)發(fā)展擺在突出位置,深入推進農(nóng)村地區(qū)產(chǎn)業(yè)革命,全力助推農(nóng)業(yè)現(xiàn)代化建設(shè),促進農(nóng)業(yè)高質(zhì)量發(fā)展,提升農(nóng)業(yè)競爭力,全省農(nóng)業(yè)經(jīng)濟總量不斷攀升,在全國農(nóng)業(yè)經(jīng)濟大盤中比重明顯提升。但在2018 年和2019 年,綜合評分有所回落,原因在于2018 年全球經(jīng)濟發(fā)展明顯乏力,在國內(nèi)經(jīng)濟下行壓力較大的背景下,貴州省受宏觀經(jīng)濟運行影響,農(nóng)業(yè)發(fā)展呈現(xiàn)出放緩趨勢。
表3 貴州省農(nóng)業(yè)與數(shù)字經(jīng)濟耦合協(xié)調(diào)關(guān)系
2.2.2 數(shù)字經(jīng)濟系統(tǒng)分析
通過對表3 的分析可得,數(shù)字經(jīng)濟系統(tǒng)的綜合評分從2013 年的0.114 不斷上升到2019 年的0.833。以2016 年為分界線,2016 年之前,數(shù)字經(jīng)濟系統(tǒng)綜合得分較低,原因在于數(shù)字經(jīng)濟基礎(chǔ)設(shè)施建設(shè)較為落后且不完善,數(shù)字應(yīng)用較少,數(shù)字紅利多是被數(shù)字鴻溝所替代。但是在2016 年之后,數(shù)字經(jīng)濟綜合評分不斷提升,甚至在2019 年取得0.833 的高分,原因在于2016 年貴州先行試點,統(tǒng)籌推進綜合試驗區(qū)建設(shè)與大數(shù)據(jù)戰(zhàn)略行動,在助推全省經(jīng)濟增長、加快政務(wù)數(shù)據(jù)共享開放、助力民生應(yīng)用和政府治理、數(shù)據(jù)中心建設(shè)、大數(shù)據(jù)體制機制創(chuàng)新等方面不斷創(chuàng)造佳績,數(shù)字經(jīng)濟增加值占GDP 的比重不斷增大,全省數(shù)字經(jīng)濟增速連續(xù)7 年位居全國第一,數(shù)字經(jīng)濟發(fā)展搶得了先機、孕育了新機。
2.2.3 耦合度及耦合協(xié)調(diào)度分析
根據(jù)農(nóng)業(yè)系統(tǒng)綜合評價指數(shù)S(1,t)和數(shù)字經(jīng)濟系統(tǒng)綜合評價指數(shù)S(2,t),按照公式(11)和(12),可分別得到各自的耦合度C(t)與耦合協(xié)調(diào)度D(t),具體數(shù)據(jù)詳情如表3 所示。
從耦合度來看,2013—2019 年貴州省農(nóng)業(yè)系統(tǒng)與數(shù)字經(jīng)濟系統(tǒng)的耦合度均達到0.95以上,均是高度耦合的,即貴州省農(nóng)業(yè)系統(tǒng)與數(shù)字經(jīng)濟系統(tǒng)存在良好的聯(lián)合發(fā)展態(tài)勢。從耦合協(xié)調(diào)度來看,總體上,農(nóng)業(yè)系統(tǒng)與數(shù)字經(jīng)濟系統(tǒng)的耦合協(xié)調(diào)度基本保持不斷上升趨勢。具體分析來看,2013—2015 年,耦合協(xié)調(diào)等級由低度失調(diào)先轉(zhuǎn)變?yōu)槊銖妳f(xié)調(diào)再轉(zhuǎn)變?yōu)榈投葏f(xié)調(diào),耦合協(xié)調(diào)類型均為數(shù)字經(jīng)濟滯后,原因在于2016 年之前,數(shù)字經(jīng)濟存在基礎(chǔ)設(shè)施不完善、數(shù)字應(yīng)用少、數(shù)字產(chǎn)出低等問題,發(fā)展相對落后,數(shù)字經(jīng)濟與農(nóng)業(yè)之間聯(lián)合發(fā)展動力不足。2016—2017 年,耦合協(xié)調(diào)等級進一步提升為中度協(xié)調(diào),耦合協(xié)調(diào)類型依舊為數(shù)字經(jīng)濟滯后,原因在于貴州省數(shù)字經(jīng)濟在2016 年進一步得到發(fā)展,“互聯(lián)網(wǎng)+農(nóng)業(yè)”的發(fā)展模式深化了數(shù)字賦能農(nóng)業(yè)發(fā)展的態(tài)勢,數(shù)字經(jīng)濟與農(nóng)業(yè)的進一步融合發(fā)展得到加強。2018 年耦合協(xié)調(diào)等級仍舊為中度協(xié)調(diào),但耦合發(fā)展類型轉(zhuǎn)變?yōu)檗r(nóng)業(yè)滯后,原因在于數(shù)字經(jīng)濟發(fā)展勢頭強勁,助推數(shù)字經(jīng)濟與農(nóng)業(yè)的進一步融合發(fā)展。2019 年,耦合協(xié)調(diào)等級提升了一個等級變?yōu)楦叨葏f(xié)調(diào),耦合發(fā)展類型仍舊處于農(nóng)業(yè)滯后,原因在于貴州大力發(fā)展大數(shù)據(jù)推動鄉(xiāng)村經(jīng)濟發(fā)展,助力農(nóng)民收入增加,助推農(nóng)業(yè)企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展,兩產(chǎn)業(yè)相互融合發(fā)展的帶動效果愈發(fā)明顯[9-10]。
通過對時間序列數(shù)據(jù)的實證分析和對貴州省農(nóng)業(yè)與數(shù)字經(jīng)濟2013—2019 年的耦合度和協(xié)調(diào)度模型的研究分析,可得出以下幾個主要結(jié)論:1)綜合來看,貴州省農(nóng)業(yè)與數(shù)字經(jīng)濟的耦合協(xié)調(diào)等級在2019年已經(jīng)達到高度協(xié)調(diào),但農(nóng)業(yè)發(fā)展明顯滯后,要實現(xiàn)農(nóng)業(yè)與數(shù)字經(jīng)濟協(xié)調(diào)融合發(fā)展需要付出更進一步的努力。2)就耦合度而言,2013—2019 年耦合度得分均在0.95 以上,處于較高耦合水平。3)就耦合協(xié)調(diào)度而言,耦合發(fā)展類型由數(shù)字經(jīng)濟滯后到2018 年開始轉(zhuǎn)變?yōu)檗r(nóng)業(yè)滯后;耦合協(xié)調(diào)等級經(jīng)歷從低度失調(diào)到高度協(xié)調(diào)的變化,即總體趨勢是一直向著更高的耦合協(xié)調(diào)度邁進。基于以上研究結(jié)論,本文提出以下幾點建議:
1)發(fā)揮政府宏觀政策引導(dǎo)作用[11]。出臺資金支持政策,鼓勵和引導(dǎo)社會資本流入到農(nóng)業(yè)和數(shù)字經(jīng)濟的融合發(fā)展中去,既可解決農(nóng)業(yè)企業(yè)融資難問題,又可通過投資創(chuàng)業(yè)行為創(chuàng)造新型就業(yè)崗位,解決農(nóng)業(yè)勞動力過剩問題。出臺農(nóng)業(yè)與數(shù)字經(jīng)濟協(xié)同發(fā)展支持政策,確保農(nóng)業(yè)與數(shù)字經(jīng)濟協(xié)調(diào)發(fā)展的可持續(xù)性。
2)加強基礎(chǔ)設(shè)施建設(shè)[12-13]。基礎(chǔ)設(shè)施是數(shù)字經(jīng)濟賦能農(nóng)業(yè)發(fā)展的前提和重要條件,完善基礎(chǔ)設(shè)施建設(shè),使農(nóng)村地區(qū)獲取數(shù)字服務(wù)更便利,消除地理差異導(dǎo)致的障礙;增強數(shù)據(jù)優(yōu)勢和數(shù)字平臺優(yōu)勢,打破信息壁壘,搭建數(shù)字平臺來提升市場化率。
3)培養(yǎng)專業(yè)人才,促進科研創(chuàng)新[14]。人才是產(chǎn)業(yè)發(fā)展的核心競爭力,一方面要與當?shù)貙W(xué)校聯(lián)合培養(yǎng)專業(yè)的農(nóng)業(yè)型人才、數(shù)字經(jīng)濟型人才和集合兩者的復(fù)合型人才;另一方面要促進產(chǎn)學(xué)研合作,聯(lián)合高科技企業(yè)、高校以及研究院培養(yǎng)創(chuàng)新型研發(fā)人才,突破關(guān)鍵核心技術(shù)限制,促進經(jīng)濟高質(zhì)量發(fā)展。