李寶新 張 華

河北經(jīng)貿(mào)大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，河北 石家莊 050062

0 引言

目前，較多學(xué)者從不同方面對(duì)我國(guó)數(shù)字鄉(xiāng)村發(fā)展水平進(jìn)行了評(píng)價(jià)。馬曉妮［1］構(gòu)建了包含鄉(xiāng)村數(shù)字基礎(chǔ)設(shè)施、鄉(xiāng)村數(shù)字經(jīng)濟(jì)、鄉(xiāng)村數(shù)字生活、鄉(xiāng)村數(shù)字生態(tài)和鄉(xiāng)村數(shù)字治理5 項(xiàng)一級(jí)指標(biāo)的數(shù)字鄉(xiāng)村發(fā)展水平評(píng)價(jià)指標(biāo)體系，利用主成分分析法和熵值法，對(duì)我國(guó)31 個(gè)?。ㄗ灾螀^(qū)、直轄市）的數(shù)字鄉(xiāng)村發(fā)展水平進(jìn)行時(shí)空評(píng)價(jià)。其研究結(jié)果表明：我國(guó)數(shù)字鄉(xiāng)村發(fā)展水平在時(shí)間上呈明顯增長(zhǎng)態(tài)勢(shì)，數(shù)字化和信息化推動(dòng)數(shù)字鄉(xiāng)村發(fā)展取得顯著成效；空間上呈現(xiàn)“東部＞中部＞東北＞西部”的狀態(tài)。許敬輝等［2］從數(shù)字信息基礎(chǔ)、數(shù)字產(chǎn)業(yè)發(fā)展、數(shù)字科技農(nóng)業(yè)、數(shù)字生活服務(wù)、綠色生態(tài)鄉(xiāng)村、鄉(xiāng)村生活質(zhì)量6 個(gè)維度選取了24 項(xiàng)指標(biāo)，構(gòu)建了數(shù)字鄉(xiāng)村發(fā)展水平評(píng)價(jià)指標(biāo)體系，運(yùn)用因子分析法對(duì)我國(guó)31 個(gè)?。ㄗ灾螀^(qū)、直轄市）的數(shù)字鄉(xiāng)村發(fā)展綜合水平進(jìn)行了測(cè)算。其通過研究得出，我國(guó)數(shù)字鄉(xiāng)村發(fā)展水平一般，且存在空間異質(zhì)性。劉慶［3］基于2014—2021 年河南省18 個(gè)地市面板數(shù)據(jù)，從鄉(xiāng)村數(shù)字信息基礎(chǔ)、鄉(xiāng)村數(shù)字經(jīng)濟(jì)新業(yè)態(tài)、農(nóng)業(yè)數(shù)字化轉(zhuǎn)型、鄉(xiāng)村生活數(shù)字化4 個(gè)維度選取20 個(gè)指標(biāo)，構(gòu)建數(shù)字鄉(xiāng)村發(fā)展水平評(píng)價(jià)指標(biāo)體系，綜合運(yùn)用熵權(quán)法、逼近理想解排序法、Kernel 密度估計(jì)、泰爾指數(shù)等研究方法測(cè)度河南省數(shù)字鄉(xiāng)村發(fā)展水平。賀玉棟［4］從整體發(fā)展環(huán)境、信息基礎(chǔ)設(shè)施、政務(wù)治理環(huán)境、信息服務(wù)環(huán)境、物流應(yīng)用環(huán)境、農(nóng)業(yè)生產(chǎn)現(xiàn)代化水平6 個(gè)維度構(gòu)建了數(shù)字鄉(xiāng)村發(fā)展水平評(píng)價(jià)指標(biāo)體系，利用熵值法對(duì)河北省11 個(gè)地級(jí)市的數(shù)字鄉(xiāng)村發(fā)展水平進(jìn)行綜合評(píng)價(jià)。

筆者基于已有學(xué)者的研究，考慮數(shù)據(jù)的可獲得性，構(gòu)建更加科學(xué)的評(píng)價(jià)指標(biāo)體系，對(duì)我國(guó)2021 年省域數(shù)字鄉(xiāng)村發(fā)展水平進(jìn)行評(píng)價(jià)，助力鄉(xiāng)村振興。

1 數(shù)字鄉(xiāng)村發(fā)展水平評(píng)價(jià)指標(biāo)體系的構(gòu)建和數(shù)據(jù)來源

1.1 評(píng)價(jià)指標(biāo)體系的構(gòu)建

筆者從數(shù)字惠民、鄉(xiāng)村數(shù)字基礎(chǔ)建設(shè)、智慧農(nóng)業(yè)建設(shè)3 個(gè)維度選取14 個(gè)指標(biāo)，構(gòu)建數(shù)字鄉(xiāng)村發(fā)展水平評(píng)價(jià)指標(biāo)體系，衡量我國(guó)2021 年省域數(shù)字鄉(xiāng)村發(fā)展水平，指標(biāo)體系見表1。

表1 數(shù)字鄉(xiāng)村發(fā)展水平評(píng)價(jià)指標(biāo)體系

1.2 數(shù)據(jù)來源及處理

筆者選取2021 年的數(shù)據(jù)為樣本。數(shù)據(jù)來源于2022 年的《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》。數(shù)據(jù)真實(shí)有效，針對(duì)某些指標(biāo)數(shù)據(jù)的缺失，采用插值法予以補(bǔ)充。

2 實(shí)證分析

2.1 因子分析

因子分析是通過降維的思想將原始變量濃縮成幾個(gè)少數(shù)變量來代表原始變量的大部分信息。目的是簡(jiǎn)化研究系統(tǒng)，使研究過程更加高效，同時(shí)保證研究的科學(xué)性。

2.1.1 主成分適應(yīng)性檢驗(yàn)

筆者利用KMO（Kaiser-Meyer-Olkin）檢驗(yàn)和巴特萊特（Bartlett）球性檢驗(yàn)進(jìn)行主成分適應(yīng)性檢驗(yàn)。KMO值的取值范圍為0～1，一般認(rèn)為KMO值在0.6 以上即可進(jìn)行因子分析。經(jīng)檢驗(yàn)，此次KMO值為0.71，且Bartlett 球形檢驗(yàn)的顯著性水平為0（小于0.05），說明適合進(jìn)行因子分析。

2.1.2 因子提取

筆者采用主成分分析法提取公因子，并利用最大正交旋轉(zhuǎn)得出旋轉(zhuǎn)后的因子載荷矩陣，結(jié)果如表2 所示。由表2可知，有3個(gè)公因子的特征根超過1，且3個(gè)公因子的累計(jì)方差貢獻(xiàn)率為86.817%，說明這3個(gè)公因子涵蓋原始分析項(xiàng)的86.817%的信息，因此確定公因子數(shù)為3個(gè)。

2.1.3 因子旋轉(zhuǎn)

通過對(duì)旋轉(zhuǎn)前后的成分矩陣進(jìn)行比較發(fā)現(xiàn)，在旋轉(zhuǎn)后的成分矩陣中對(duì)公因子的解釋更加便捷，因此采用方差擴(kuò)大因子法進(jìn)行旋轉(zhuǎn)，對(duì)原始分析項(xiàng)進(jìn)行濃縮，濃縮為3個(gè)公因子，結(jié)果如表3所示。

表3 旋轉(zhuǎn)后的成分矩陣

在公因子F1中，X21、X22、X23、X24、X25、X26這6 項(xiàng)指標(biāo)的因子載荷較高。這些指標(biāo)主要與農(nóng)村居民生活有關(guān)，因此主因子F1可命名為農(nóng)民生活質(zhì)量因子。

在公因子F2中，X31、X32、X33、X34這4 項(xiàng)指標(biāo)的因子載荷值較高。這些指標(biāo)主要與鄉(xiāng)村數(shù)字基礎(chǔ)設(shè)施有關(guān)，因此主因子F2可以命名為數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施因子。

在公因子F3中，X11、X12、X13、X14這4 項(xiàng)指標(biāo)的因子載荷值較高。這些變量與農(nóng)業(yè)相關(guān)，因此主因子F3可以命名為數(shù)字農(nóng)業(yè)技術(shù)因子。

2.1.4 因子得分與排名

根據(jù)3 個(gè)公因子的方差貢獻(xiàn)率，得到F1、F2、F3和綜合得分F的表達(dá)式為

筆者根據(jù)公式（1）至公式（4）計(jì)算我國(guó)31 個(gè)?。ㄗ灾螀^(qū)、直轄市）的數(shù)字鄉(xiāng)村發(fā)展水平綜合得分，結(jié)果如表4所示。

表4 各省（自治區(qū)、直轄市）數(shù)字鄉(xiāng)村發(fā)展水平得分及排名

由表4 可知，各?。ㄗ灾螀^(qū)、直轄市）數(shù)字鄉(xiāng)村發(fā)展存在不均衡和不充分的問題。數(shù)字鄉(xiāng)村發(fā)展水平得分較高的有山東省、河南省、江蘇省、廣東省等地，得分較低的有青海省、西藏自治區(qū)等地。數(shù)字鄉(xiāng)村正向發(fā)展的有14 個(gè)?。ㄗ灾螀^(qū)、直轄市），多分布于東部和中部地區(qū)。這些地區(qū)經(jīng)濟(jì)條件較好，具有較大的數(shù)字鄉(xiāng)村建設(shè)優(yōu)勢(shì)。數(shù)字鄉(xiāng)村發(fā)展水平較低的?。ㄗ灾螀^(qū)、直轄市）多位于我國(guó)西部地區(qū)，這主要是因?yàn)槲鞑康貐^(qū)經(jīng)濟(jì)相對(duì)落后，數(shù)字化基礎(chǔ)設(shè)施不完善。

在數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施方面，東部地區(qū)得分顯著高于其他地區(qū)，西部地區(qū)得分最低；在數(shù)字農(nóng)業(yè)技術(shù)方面，得分較高有廣東省、浙江省、四川省、江蘇??；在農(nóng)民生活方面，除黑龍江省、河南省、山東省得分較為理想外，其他地區(qū)數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施建設(shè)仍存在較大進(jìn)步空間。

2.2 聚類分析

筆者利用系統(tǒng)聚類方法，將我國(guó)31 個(gè)?。ㄗ灾螀^(qū)、直轄市）的數(shù)字鄉(xiāng)村發(fā)展水平分為5 類。其中，北京市、上海市、天津市屬于第一類；山東省、河南省、湖北省、湖南省、安徽省、河北省、江蘇省、四川省8 個(gè)省份屬于第二類；海南省、青海省、寧夏回族自治區(qū)、貴州省、云南省、甘肅省、江西省、陜西省、山西省、遼寧省、重慶市、廣西壯族自治區(qū)、福建省、西藏自治區(qū)、內(nèi)蒙古自治區(qū)、吉林省、新疆維吾爾自治區(qū)17 個(gè)?。ㄗ灾螀^(qū)、直轄市）屬于第三類；黑龍江省屬于第四類；浙江省、廣東省2 個(gè)省份屬于第五類。5 類地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平得分如表5所示。

表5 5類地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平得分

由表5 可知，第一類地區(qū)數(shù)字農(nóng)業(yè)技術(shù)這一因子的得分較高，表明該類地區(qū)在農(nóng)業(yè)技術(shù)投入上較高，農(nóng)業(yè)機(jī)械化水平較高；第二類地區(qū)為我國(guó)農(nóng)業(yè)發(fā)展的主要地區(qū)，該地區(qū)整體數(shù)字鄉(xiāng)村發(fā)展水平較高；第三類地區(qū)各項(xiàng)得分均不高，因此應(yīng)作為國(guó)家重點(diǎn)扶持對(duì)象；第四類地區(qū)數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施這一因子的得分最高，說明該類地區(qū)在信息基礎(chǔ)設(shè)施建設(shè)上投入較高；第五類地區(qū)農(nóng)民生活質(zhì)量這一因子的得分最高，且明顯高于其他地區(qū)，說明該類地區(qū)教育資源、醫(yī)療資源充分，農(nóng)民生活有保障，能帶動(dòng)鄉(xiāng)村數(shù)字化發(fā)展。

3 政策建議

從整體上來看，我國(guó)各?。ㄗ灾螀^(qū)、直轄市）數(shù)字鄉(xiāng)村發(fā)展水平存在不均衡的狀態(tài)，呈現(xiàn)“東部-中部-東北地區(qū)-西部”逐次遞減的狀態(tài)；山東省、河南省、江蘇省數(shù)字鄉(xiāng)村發(fā)展水平較高，與其他地區(qū)存在顯著差異，尤其是西部地區(qū)仍需要進(jìn)一步扶持。針對(duì)上述研究成果，筆者提出以下數(shù)字鄉(xiāng)村發(fā)展建議。

3.1 強(qiáng)化數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施建設(shè)

信息基礎(chǔ)設(shè)施建設(shè)是數(shù)字鄉(xiāng)村發(fā)展的基礎(chǔ)。因此，各省（自治區(qū)、直轄市）應(yīng)擴(kuò)大農(nóng)村地區(qū)寬帶網(wǎng)絡(luò)覆蓋范圍，提高行政村通寬帶、通光纖比例，提高互聯(lián)網(wǎng)普及率，逐步推進(jìn)5G網(wǎng)絡(luò)建設(shè)［5］。

3.2 加快農(nóng)業(yè)數(shù)字化轉(zhuǎn)型

各?。ㄗ灾螀^(qū)、直轄市）應(yīng)加大農(nóng)業(yè)科技投入力度，促進(jìn)農(nóng)業(yè)數(shù)字技術(shù)產(chǎn)業(yè)發(fā)展，將新一代信息技術(shù)與農(nóng)業(yè)裝備制造有機(jī)融合，提高農(nóng)業(yè)裝備水平和農(nóng)機(jī)作業(yè)質(zhì)效。同時(shí)，大力發(fā)展綠色農(nóng)業(yè)、智慧農(nóng)業(yè)，改進(jìn)農(nóng)業(yè)灌溉技術(shù)，大力推廣節(jié)水節(jié)能裝備，擴(kuò)大農(nóng)業(yè)有效灌溉面積，實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展。