聶偉，戴天城，范誠峰，蔣劍軍

（銅陵學(xué)院數(shù)學(xué)與計算機學(xué)院，安徽銅陵 244061)

0 引言

隨著我國數(shù)字經(jīng)濟的快速增長，推動數(shù)字鄉(xiāng)村建設(shè)已成為鄉(xiāng)村振興以及農(nóng)業(yè)現(xiàn)代化發(fā)展的戰(zhàn)略重點以及優(yōu)先發(fā)展方向。2022年4月中央網(wǎng)信辦等部門聯(lián)合印發(fā)《2022年數(shù)字鄉(xiāng)村發(fā)展工作要點》，推動著我國農(nóng)業(yè)邁向數(shù)字化、信息化以及網(wǎng)絡(luò)化發(fā)展的新時代。

我國農(nóng)業(yè)發(fā)展經(jīng)歷了農(nóng)業(yè)時代、工業(yè)時代，正在邁入數(shù)字時代。從生產(chǎn)要素看，三個時代的區(qū)別是：農(nóng)業(yè)時代主要受限于“勞動力”和“農(nóng)耕土地”；工業(yè)時代則受制于“資本”和“核心技術(shù)”；數(shù)字時代數(shù)據(jù)成為“21世紀(jì)的新型能源”。

圖1 農(nóng)業(yè)生產(chǎn)要素進程圖

因此，近年來農(nóng)業(yè)數(shù)字化水平發(fā)展成為研究熱點，主要有三個方向：1)農(nóng)業(yè)數(shù)字化的影響。楊果[1]分析出我國農(nóng)業(yè)正處于應(yīng)對綜合成本上升等相關(guān)因素影響的關(guān)鍵時期，且影響因素主要有提速、解放和發(fā)展農(nóng)業(yè)生產(chǎn)力等三方面；劉雷[2]發(fā)現(xiàn)流通產(chǎn)業(yè)、流通渠道和流通基礎(chǔ)設(shè)施三個細(xì)分維度的數(shù)字化水平，能賦能我國農(nóng)業(yè)現(xiàn)代化建設(shè)；2)農(nóng)業(yè)數(shù)字化發(fā)展路徑引導(dǎo)。李建軍等[3]認(rèn)為我國應(yīng)加強智慧農(nóng)業(yè)創(chuàng)新實踐的基礎(chǔ)設(shè)施以及關(guān)鍵核心技術(shù)創(chuàng)新，以促使智慧農(nóng)業(yè)真正成為農(nóng)業(yè)現(xiàn)代化的新引擎；尹燕瀛等[4]基于農(nóng)業(yè)數(shù)字化發(fā)展取得的主要成效，提出了加大數(shù)字基礎(chǔ)設(shè)施建設(shè)力度、補齊數(shù)據(jù)共享體系管理短板、著力提升農(nóng)村農(nóng)民數(shù)字化素養(yǎng)水平的發(fā)展路徑，實現(xiàn)農(nóng)業(yè)的現(xiàn)代化；3)為農(nóng)業(yè)建設(shè)建言獻(xiàn)策。樊祥成[5]為推動農(nóng)業(yè)數(shù)字化相關(guān)研究創(chuàng)建了“三農(nóng)”研究學(xué)術(shù)交流平臺，集中展示“三農(nóng)”領(lǐng)域的重要研究成果，帶動“三農(nóng)”研究的熱潮。

上述文獻(xiàn)關(guān)于農(nóng)業(yè)數(shù)字化的研究主要是基于某些方向，難以對農(nóng)業(yè)數(shù)字化的影響進行深度挖掘。本文提出一種農(nóng)業(yè)數(shù)字化發(fā)展研究方案，利用自1985年至2020年全國內(nèi)地31個省級行政單位的“三農(nóng)”面板數(shù)據(jù)，運用主成分分析法提取214個影響因素的主成分，建立對應(yīng)分析模型，宏觀地分析內(nèi)地31個省域農(nóng)業(yè)發(fā)展水平與主成分之間的對應(yīng)關(guān)系，借此對省域農(nóng)業(yè)數(shù)字化發(fā)展路徑提出建議。

1 數(shù)據(jù)與研究路線

1.1 數(shù)據(jù)

本文主要對內(nèi)地31 個省級行政單位的農(nóng)村數(shù)字化水平進行研究，為此從國家統(tǒng)計局[6]及百度百科等權(quán)威的數(shù)據(jù)網(wǎng)站搜集了自1985至2020年間31個省級行政單位的農(nóng)業(yè)數(shù)字化水平及相關(guān)214 個影響因素[7-10]的面板數(shù)據(jù)，預(yù)處理后的數(shù)據(jù)已上傳百度網(wǎng)盤。

1.2 研究路線

本文主要研究內(nèi)地省域農(nóng)業(yè)數(shù)字化發(fā)展水平，研究路線是：設(shè)定主題→影響因素設(shè)計→數(shù)據(jù)采集→主成分分析→對應(yīng)分析→結(jié)論與建議。研究路線框圖如圖2所示：

圖2 研究流程圖

2 省域農(nóng)業(yè)數(shù)字化水平實證研究

2.1 主成分分析

本文以省域鄉(xiāng)村數(shù)字化發(fā)展水平為被解釋變量，影響因素有214個，維度過大，不利于因果關(guān)系分析，應(yīng)用主成分分析[11-13]進行降維。

2.1.1 主成分的貢獻(xiàn)

利用Python計算出主成分的貢獻(xiàn)值、貢獻(xiàn)率及累計貢獻(xiàn)率，結(jié)果見表1：

表1 主成分的貢獻(xiàn)

2.1.2 提取主成分

由表1，以累計貢獻(xiàn)率0.9提取了24個主成分，主成分與原始變量的關(guān)系如式(1)所示：

2.1.3 主成分得分

31個省級行政單位在24個主成分上的得分見表2：

表2 各省級行政單位在24個主成分上的得分

2.2 對應(yīng)分析

本文以表2 構(gòu)建31 個省域與24 個主成分之間的對應(yīng)關(guān)系。表2可視為“主成分”和“省域”兩個屬性變量的列聯(lián)表，主成分的取值為Zi,i=1,2,...,24，省域取值為“安徽、...、重慶”。

2.2.1 模型慣量及X2（卡方）分解檢驗

總X2統(tǒng)計量是檢驗省域和主成分這兩個屬性變量是否相關(guān)的統(tǒng)計量。表3 表明，總X2統(tǒng)計量為19902.96323，該值度量了行點（省）和列點（主成分）之間是否互不相關(guān)性，按總X2統(tǒng)計量的分解結(jié)果可知，前11 維可解釋行點和列點之間互不相關(guān)性的85.14%，足以證明行點和列點之間的獨立性。

表3 檢驗變量值

2.2.2 地區(qū)農(nóng)業(yè)數(shù)字化發(fā)展水平相似性分析

計算表2 對應(yīng)的行輪廓和列輪廓，并可視化地對應(yīng)分析散布圖：

從圖3可直觀看出，31個省域在各主成分上的發(fā)展?fàn)顩r及存在的差異，可將省域和主成分對應(yīng)起來分為四類，并由相應(yīng)的主成分來描述。

圖3 對應(yīng)分析散布圖

第一類，有5個省份：山東、河南、河北、黑龍江、遼寧。這5 個省份的農(nóng)村數(shù)字化發(fā)展水平由主成分Z5,Z12,Z16,Z17,Z21,Z24描述。這6 個主成分主要提取的是X28（衛(wèi)生院個數(shù)，信息提取率41.75%)、X76（成災(zāi)面積/洪澇災(zāi)面積，信息提取率39.56%)、X71（受災(zāi)面積/洪澇災(zāi)面積，信息提取率38.02%)的信息，即這5省在衛(wèi)生醫(yī)療以及洪澇災(zāi)害等方面數(shù)字化水平有超38%的相似性。

第二類，有11個省級行政單位：新疆、內(nèi)蒙古、吉林、陜西、山西、甘肅、寧夏、上海、天津、青海、西藏。這11個省級行政單位的農(nóng)村數(shù)字化發(fā)展水平由主成分Z3,Z6,Z7,Z10,Z11,Z13,Z14,Z18,Z20,Z23描述。這10 個主成分主要提取的是X37（農(nóng)墾系統(tǒng)國有農(nóng)場/耕地面積，信息提取率76.49%)、X39（農(nóng)墾系統(tǒng)國有農(nóng)場/大中型拖拉機，信息提取率73.27%)的信息，即這11 個省級行政單位在農(nóng)墾系統(tǒng)國有農(nóng)場的耕地面積及大中型機械等方面數(shù)字化建設(shè)水平高度相似（相似性超73%)。

第三類，有6 個省份：安徽、江蘇、湖北、湖南、四川、廣東。這6個省份的農(nóng)村數(shù)字化發(fā)展水平由主成分Z1,Z15,Z19描述。這3個主成分主要提取的是X18（農(nóng)用化肥施用量，信息提取率82.58%) 、X188（肉類總產(chǎn)量/豬牛羊肉產(chǎn)量，信息提取率78.47%)的信息，即這6個省份在農(nóng)用化肥及豬牛羊肉等肉類總產(chǎn)量方面數(shù)字化建設(shè)水平高度相似（相似性超78%)。

第四類，有9個省級行政單位：北京、云南、江西、廣西、浙江、福建、貴州、重慶、海南。這9個省級行政單位的農(nóng)村數(shù)字化發(fā)展水平由主成分Z2,Z4,Z8,Z9,Z22描述。這5個主成分主要提取的是X198（水產(chǎn)品產(chǎn)量，信息提取率95.84%)、X166（糧食單位面積產(chǎn)量，信息提取率93.42%) 、X91等（農(nóng)林牧漁業(yè)，平均信息提取率92.10%)的信息，即這9 個省級行政單位在水產(chǎn)品產(chǎn)量、糧食產(chǎn)量、農(nóng)林牧漁業(yè)等方面數(shù)字化建設(shè)水平具有一致性（相似性超92%)。

3 結(jié)論與建議

3.1 結(jié)論

當(dāng)前正處于推進數(shù)字中國建設(shè)的關(guān)鍵時期，農(nóng)業(yè)數(shù)字化發(fā)展水平影響因素研究對我國數(shù)字農(nóng)村建設(shè)有著極其重要的現(xiàn)實意義。本文使用主成分分析法與對應(yīng)分析法將內(nèi)地31個省級行政單位與24個融合特征分為以下四類。

第一類包括5個省份：山東、河南、河北、黑龍江、遼寧。這5個省份在衛(wèi)生醫(yī)療以及洪澇災(zāi)害等方面數(shù)字化建設(shè)水平有相似性，相似性超38%。

第二類包括11個省級行政單位：新疆、內(nèi)蒙古、吉林、陜西、山西、甘肅、寧夏、上海、天津、青海、西藏。這11個省級行政單位在農(nóng)墾系統(tǒng)國有農(nóng)場的耕地面積及大中型機械等方面數(shù)字化建設(shè)水平高度相似，相似性超73%。

第三類包括6個省份：安徽、江蘇、湖北、湖南、四川、廣東。這6個省份在農(nóng)用化肥及豬牛羊肉等肉類總產(chǎn)量方面數(shù)字化建設(shè)水平高度相似，相似性超78%。

第四類包括9個省級行政單位：北京、云南、江西、廣西、浙江、福建、貴州、重慶、海南。這9個省級行政單位在水產(chǎn)品產(chǎn)量、糧食產(chǎn)量、農(nóng)林牧漁業(yè)等方面數(shù)字化建設(shè)水平具有一致性，相似性超92%。

內(nèi)地31 個省級行政單位農(nóng)業(yè)數(shù)字化發(fā)展水平的這個分類特征對引導(dǎo)數(shù)字農(nóng)村建設(shè)有現(xiàn)實的指導(dǎo)意義。

3.2 政策建議

本文通過主成分分析和對應(yīng)分析將內(nèi)地31 個省級行政單位按農(nóng)業(yè)數(shù)字化發(fā)展水平影響因素分為四類，很明顯四類的農(nóng)業(yè)特色鮮明。本文基于這一實證分析結(jié)果，在數(shù)字中國建設(shè)全國一盤棋的大局下提出如下發(fā)展路徑建議，見表4。

表4 各類區(qū)域發(fā)展路徑建議

本文提出的發(fā)展路徑建議，本質(zhì)上是區(qū)域的特色發(fā)展建議，“發(fā)展特長、發(fā)揮優(yōu)勢”是數(shù)字鄉(xiāng)村建設(shè)的長效機制。