孫一凡，杜改鳳，李軍成，姜 林，王洋洋

（1.湖南人文科技學院，a.商學院；b.數(shù)學與金融學院，湖南 婁底 417000；2.遼寧大學經(jīng)濟學院，沈陽 110036）

隨著城鄉(xiāng)經(jīng)濟發(fā)展差距的日益擴大，鄉(xiāng)村振興成為中國全面建設社會主義現(xiàn)代化國家的重要戰(zhàn)略目標［1］。同時，數(shù)字經(jīng)濟技術(shù)的應用也為加速中國農(nóng)村現(xiàn)代化提供了新的契機［2］。但中國各地區(qū)農(nóng)村數(shù)字經(jīng)濟和鄉(xiāng)村振興的發(fā)展情況存在差異，兩個系統(tǒng)之間的協(xié)同發(fā)展問題也受到廣泛關注。為加深對農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的認識，研究人員運用理論分析、實證研究以及案例分析等方法對二者進行了研究，主要集中在3 個方面。其一，關于農(nóng)村數(shù)字經(jīng)濟發(fā)展水平的綜合評價。崔凱等［3］從數(shù)字鄉(xiāng)村建設視角出發(fā)，構(gòu)建了包含數(shù)字環(huán)境、數(shù)字投入、數(shù)字效益、數(shù)字服務及配套4 個一級指標及其下屬的16個二級指標的鄉(xiāng)村數(shù)字經(jīng)濟指標體系。慕娟等［4］從投入產(chǎn)出角度，構(gòu)建了包含農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟基礎設施建設、農(nóng)業(yè)數(shù)字化水平、農(nóng)村產(chǎn)業(yè)數(shù)字化發(fā)展水平3 個一級指標及其下屬的11 個二級指標的農(nóng)村數(shù)字經(jīng)濟指標體系，并通過研究發(fā)現(xiàn)數(shù)字經(jīng)濟與農(nóng)業(yè)農(nóng)村經(jīng)濟交融能促進農(nóng)業(yè)現(xiàn)代化水平提高，有助于提高效率降低成本。其二，關于鄉(xiāng)村振興發(fā)展水平的綜合評價。張挺等［5］從鄉(xiāng)村振興的五位一體角度出發(fā)，選取15 個三級指標和44 個四級指標，運用熵權(quán)法構(gòu)建鄉(xiāng)村振興評價指標體系；沈劍波等［6］采用頻數(shù)分析法結(jié)合德爾菲法、實地調(diào)研等方式針對鄉(xiāng)村振興的五位一體構(gòu)建鄉(xiāng)村振興發(fā)展水平評價指標體系。其三，關于農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興關系的研究。何雷華等［7］指出數(shù)字經(jīng)濟對鄉(xiāng)村振興有顯著驅(qū)動作用，同時數(shù)字經(jīng)濟對鄉(xiāng)村振興存在空間溢出效應，有助于促進鄰近地區(qū)鄉(xiāng)村發(fā)展；孫文婷等［8］在測度長江經(jīng)濟帶數(shù)字經(jīng)濟水平的基礎上，實證分析了數(shù)字經(jīng)濟影響農(nóng)民增收的基本傳導機制和異質(zhì)性傳導機制，并發(fā)現(xiàn)數(shù)字經(jīng)濟能顯著促進農(nóng)民增收；陳毅輝等［9］指出數(shù)字經(jīng)濟顯著推動了農(nóng)業(yè)高質(zhì)量發(fā)展，從作用機制看，數(shù)字經(jīng)濟通過提高農(nóng)業(yè)發(fā)展規(guī)模、發(fā)展效率和發(fā)展效益3 條路徑推動農(nóng)業(yè)高質(zhì)量發(fā)展；田鴿等［10］探討了數(shù)字經(jīng)濟推動農(nóng)村勞動力非農(nóng)就業(yè)的內(nèi)在機制，發(fā)現(xiàn)數(shù)字經(jīng)濟能夠顯著促進非農(nóng)就業(yè)，并以消費互聯(lián)網(wǎng)的發(fā)展帶動了農(nóng)村低技能勞動力向低技能偏向的數(shù)字化非農(nóng)行業(yè)流動。

上述研究的開展為梳理農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的關系提供了理論參考，但在定量研究方法上有所不足。缺少以農(nóng)村數(shù)字經(jīng)濟為主體與鄉(xiāng)村振興的耦合協(xié)調(diào)研究，且鮮有文獻分析兩者耦合協(xié)調(diào)的空間集聚關系，未能從實證角度證明這一點?；诖?，本研究通過2010—2020 年31 省（市、自治區(qū)）面板數(shù)據(jù)，利用熵值法構(gòu)建綜合評價模型，并建立耦合協(xié)調(diào)度模型劃分各指標的耦合協(xié)調(diào)度等級，同時運用空間自相關分析方法對各省（市、自治區(qū)）的空間集聚模式進行了相應的梳理，為推動中國鄉(xiāng)村發(fā)展，實現(xiàn)數(shù)字鄉(xiāng)村的目標提供參考與借鑒。

1 研究方法與數(shù)據(jù)來源

1.1 指標體系構(gòu)建

農(nóng)村數(shù)字經(jīng)濟的發(fā)展可以增強農(nóng)村數(shù)字基礎建設、促進農(nóng)村產(chǎn)業(yè)數(shù)字化升級、提高數(shù)字產(chǎn)業(yè)化規(guī)模等；而鄉(xiāng)村振興則包括了農(nóng)村產(chǎn)業(yè)、生態(tài)、文化、社會等多個方面的發(fā)展。因此評價農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的發(fā)展水平需要建立全面的評價指標體系，反映其多元性與復雜性，既要客觀反映出各省（市、自治區(qū)）農(nóng)村的真實面貌，又要考慮到數(shù)據(jù)的可得性。參考已有研究成果，建立農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興綜合評價體系如表1 所示。評價指標中正向指標的數(shù)值越大越好，負向指標的數(shù)值越小越好［11］。

表1 農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興綜合評價指標體系

1.2 數(shù)據(jù)來源

研究盡可能采用已公布的統(tǒng)計年鑒權(quán)威數(shù)據(jù)，因數(shù)據(jù)可得性的原因，選取的31 ?。ㄊ?、自治區(qū)）數(shù)據(jù)不包括香港、澳門和臺灣地區(qū)數(shù)據(jù)，部分缺失數(shù)據(jù)通過插值法填補缺失值［12，13］。其中，數(shù)字經(jīng)濟子系統(tǒng)2010—2020 年指標X1、X2、X3、X7的數(shù)據(jù)來源于2011—2021 年《中國統(tǒng)計年鑒》；指標X4的數(shù)據(jù)來源于阿里研究院；指標X5的數(shù)據(jù)來源于《2011—2021北京大學數(shù)字普惠金融指數(shù)（PKU-DFIIC）》［14］；指標X6的數(shù)據(jù)來源于國家統(tǒng)計局。鄉(xiāng)村振興子系統(tǒng)中2010—2020 年指標Y1、Y2、Y3、Y8、Y9的數(shù)據(jù)來源于2011—2021 年《中國統(tǒng)計年鑒》；Y4、Y5、Y6、Y7、Y10的數(shù)據(jù)來源于2011—2021 年《中國農(nóng)村統(tǒng)計年鑒》，Y11的數(shù)據(jù)來源于國家統(tǒng)計局；Y12、Y13、Y14來源于2011—2021 年《中國縣域統(tǒng)計年鑒（鄉(xiāng)鎮(zhèn)卷）》，Y15的數(shù)據(jù)參考尹海潔等［15］的恩格爾系數(shù)計算方法進行計算。

1.3 研究方法

1.3.1 熵值法 熵值法是一種客觀的賦權(quán)方法，熵權(quán)越大代表該指標所持有的有效信息越多，其影響程度就越大［16］。熵值法能夠客觀真實地反映隱含在指標數(shù)據(jù)中的信息，利用其計算評價指標權(quán)重，可為綜合評價提供依據(jù)。由于含有負向指標，因此需要對正向指標和負向指標進行標準化處理。熵值法中運用到了取對數(shù)，為避免取對數(shù)的目標值出現(xiàn)0的情況，需要對數(shù)據(jù)進行標準化處理并進行非負平移［17］。

首先，對數(shù)據(jù)進行標準化處理，計算式如下。

式中，i=1，2，…，m；j=1，2，…，n；Zij是第i年第j個指標的值，Zij′是Zij標準化的結(jié)果，max(Zij)是指標Zij的最大值，min(Zij)是指標Zij的最小值。

其次，計算各指標在各樣本中的比重dij。

然后，計算第j個指標信息熵ej。

再計算第j個指標權(quán)重ψj。

最后，計算各子系統(tǒng)第i年的發(fā)展指數(shù)，f（x）和g（y）分別為農(nóng)村數(shù)字經(jīng)濟子系統(tǒng)和鄉(xiāng)村振興子系統(tǒng)發(fā)展指數(shù)。

1.3.2 耦合協(xié)調(diào)度模型 耦合協(xié)調(diào)度表征子系統(tǒng)相互作用影響的程度，耦合作用和協(xié)調(diào)程度決定了耦合系統(tǒng)演化發(fā)展狀況［18］。本研究構(gòu)建的農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的耦合協(xié)調(diào)度模型如下。

1.3.3 空間自相關分析 通過空間自相關分析可以探究事物之間的某種屬性在不同地區(qū)之間的空間依賴性和異質(zhì)性，并分析事物間包含地理因素的相關關系［20］?？臻g自相關分為全局自相關與局部自相關，全局是從整體出發(fā)探究空間集聚現(xiàn)象，局部則是從部分出發(fā)探究相鄰地區(qū)之間集聚的現(xiàn)象?？臻g自相關性分析常用的判斷指標與統(tǒng)計量是莫蘭指數(shù)（Moran’sI），其常見的取值范圍為［-1，1］，當Moran’sI為0 時，地區(qū)間屬性相關關系呈隨機分布，地區(qū)間無顯著差異；當Moran’sI大于0 時，地區(qū)間的屬性關系在空間上呈正相關聯(lián)系，地區(qū)間存在顯著差異，表現(xiàn)為集聚；當Moran’sI小于0 時，地區(qū)間呈顯著差異，趨于離散［21］。當Moran’sI的正態(tài)統(tǒng)計量Z大于或等于正態(tài)分布函數(shù)在0.01 水平下的臨界值1.96，且P≤0.05 時，即在95%的置信度下統(tǒng)計顯著有效。

本研究運用空間自相關探究了農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興兩系統(tǒng)耦合協(xié)調(diào)度在空間中的分布特征與差異。使用GeoDa 軟件中的鄰接空間權(quán)重矩陣，類型為Queen 鄰接。通過分析空間自相關揭示農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興兩系統(tǒng)的耦合協(xié)調(diào)度的空間相關效應及空間集聚模式。

2 結(jié)果與分析

2.1 綜合評價指數(shù)分析

將無量綱化后的數(shù)據(jù)帶入式（1）至式（6），求解出各?。ㄊ?、自治區(qū)）的農(nóng)村數(shù)字經(jīng)濟發(fā)展指數(shù)與鄉(xiāng)村振興發(fā)展指數(shù)。為直觀展示兩個子系統(tǒng)之間的動態(tài)發(fā)展變化規(guī)律，繪制2010—2020 年農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興發(fā)展指數(shù)變化趨勢，如圖1 所示。

圖1 2010—2020 年農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興發(fā)展指數(shù)變化趨勢

就全國整體發(fā)展而言，農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的發(fā)展指數(shù)呈現(xiàn)出較為相似的波動規(guī)律。農(nóng)村數(shù)字經(jīng)濟在2010 年與鄉(xiāng)村振興有較大差距，但隨著時間發(fā)展逐步縮小，2012 年農(nóng)村數(shù)字經(jīng)濟開始進入快速發(fā)展期，并且在2014 年達到峰值，與鄉(xiāng)村振興呈現(xiàn)相似的波動規(guī)律。這說明農(nóng)村數(shù)字經(jīng)濟初期并不能較大地影響鄉(xiāng)村振興，但在演化發(fā)展過程中，農(nóng)村數(shù)字經(jīng)濟的影響作用逐漸提高，兩者的耦合協(xié)調(diào)程度整體提升。同時，2010—2014 年，農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興也呈現(xiàn)出不同的發(fā)展速度，表明鄉(xiāng)村振興在一定程度上處于穩(wěn)定發(fā)展期，農(nóng)村數(shù)字經(jīng)濟則處于快速發(fā)展期，兩者所處的發(fā)展時期有所不同。

為橫向比較各?。ㄊ?、自治區(qū)）的發(fā)展程度，對各省（市、自治區(qū)）農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興2010—2020 年的發(fā)展指數(shù)求平均值并繪制雷達圖，如圖2所示。就局部發(fā)展而言，地區(qū)之間差異較大，在不同區(qū)域呈現(xiàn)不同的發(fā)展趨勢。浙江、廣東、內(nèi)蒙古、福建等地區(qū)的農(nóng)村數(shù)字經(jīng)濟均值高于鄉(xiāng)村振興均值，其他地區(qū)鄉(xiāng)村振興均值普遍高于農(nóng)村數(shù)字經(jīng)濟均值。北京、天津、江蘇、福建等東部地區(qū)省市農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興演化趨勢較為接近，但新疆、寧夏、甘肅、陜西、青海等西北地區(qū)五省則呈現(xiàn)鄉(xiāng)村振興遙遙領先農(nóng)村數(shù)字經(jīng)濟的現(xiàn)象，表明農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興發(fā)展不同步，在不同地區(qū)受到不同發(fā)展速度的制約，這是地方發(fā)展基礎條件不同的原因造成的。

圖2 2010—2020 年各?。ㄊ小⒆灾螀^(qū)）農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興平均發(fā)展指數(shù)

2.2 耦合協(xié)調(diào)程度及類型分析

通過代入農(nóng)村數(shù)字經(jīng)濟和鄉(xiāng)村振興相關指標數(shù)據(jù)，運用式（7）耦合協(xié)調(diào)度模型計算得到兩系統(tǒng)的耦合度、耦合協(xié)調(diào)度，對中國農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的協(xié)調(diào)發(fā)展特征進行相應分析，然后再結(jié)合表2 評級標準進行分組評級，使用2010—2020 年耦合度與耦合協(xié)調(diào)度的平均值進行劃分，結(jié)果如表3 所示。

由表3 可知，從耦合度整體來看，多數(shù)省份耦合度均在0.90 上下徘徊，說明中國的農(nóng)村數(shù)字經(jīng)濟和鄉(xiāng)村振興有著相互緊密影響的關系。一方面鄉(xiāng)村振興的發(fā)展創(chuàng)造了農(nóng)村數(shù)字經(jīng)濟發(fā)展所需的基礎設施條件；另一方面，中國農(nóng)村數(shù)字經(jīng)濟的發(fā)展能夠驅(qū)動鄉(xiāng)村振興高質(zhì)高效發(fā)展，客觀上促使了二者的相互作用和協(xié)調(diào)發(fā)展。從耦合協(xié)調(diào)度的角度分析，全國耦合協(xié)調(diào)度均值為0.45，大多數(shù)省（市、自治區(qū)）的耦合協(xié)調(diào)度只有其耦合度的一半，說明農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的發(fā)展水平表現(xiàn)出發(fā)展不同速，其協(xié)調(diào)等級處于中低水平，各?。ㄊ?、自治區(qū)）的耦合協(xié)調(diào)等級分為以下3 種類型。

第一類為初級協(xié)調(diào)。農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的耦合協(xié)調(diào)度大于0.6，認為協(xié)調(diào)發(fā)展程度良好。浙江、江蘇、山東在2010—2020 年均值分別為0.68、0.62、0.60，代表該地區(qū)兩系統(tǒng)的協(xié)調(diào)發(fā)展程度較優(yōu)，其發(fā)展農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興均衡性強，二者協(xié)調(diào)發(fā)展程度較好，存在正向促進關系。

第二類為勉強協(xié)調(diào)與瀕臨失調(diào)。勉強協(xié)調(diào)與瀕臨失調(diào)表明地區(qū)兩系統(tǒng)已達到協(xié)調(diào)臨界點，但是在各年份的協(xié)調(diào)發(fā)展中仍處于上下波動，尚未實現(xiàn)穩(wěn)定協(xié)調(diào)，在地區(qū)農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的耦合發(fā)展中存在進步空間。在勉強協(xié)調(diào)發(fā)展階段的地區(qū)有北京（0.58）、廣東（0.58）、福建（0.55）、內(nèi)蒙古（0.55）、上海（0.50）；在瀕臨失調(diào)發(fā)展階段的地區(qū)有河北（0.48）、河南（0.47）、湖北（0.47）、四川（0.46）、天津（0.45）、遼寧（0.44）、湖南（0.44）、江西（0.43）、陜西（0.43）、山西（0.41）、安徽（0.41）、黑龍江（0.40）。

第三類為輕度失調(diào)。兩系統(tǒng)之間的耦合協(xié)調(diào)發(fā)展程度處于較低水平，系統(tǒng)之間的相互正向促進作用不足，呈現(xiàn)一方過快或過慢帶給另一方的制約現(xiàn)象。在輕度失調(diào)發(fā)展階段的地區(qū)有吉林（0.39）、海南（0.39）、廣西（0.38）、重慶（0.38）、貴州（0.37）、云南（0.37）、西藏（0.31）、甘肅（0.33）、青海（0.30）、寧夏（0.33）、新疆（0.39）。

通過對不同地區(qū)農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度分類后發(fā)現(xiàn)，兩系統(tǒng)耦合協(xié)調(diào)關系在大多數(shù)地區(qū)始終存在，不同年份、不同地區(qū)的耦合協(xié)調(diào)發(fā)展程度卻存在著一定的差異，但并未出現(xiàn)輕度失調(diào)以下的情況。一方面，表現(xiàn)出中國農(nóng)村發(fā)展中共同富裕理念的貫徹；另一方面，說明二者由于發(fā)展速度不同所帶來的不協(xié)調(diào)問題凸顯，中國31 ?。ㄊ?、自治區(qū)）在農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興發(fā)展模式上都有不同的側(cè)重點，各地區(qū)發(fā)展農(nóng)村數(shù)字經(jīng)濟的基礎條件不同，導致耦合協(xié)調(diào)發(fā)展程度不均衡。

2.3 耦合協(xié)調(diào)度的空間分析

使用GeoDa 軟件對31 省（市、自治區(qū)）農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的耦合協(xié)調(diào)度進行空間自相關分析，其空間權(quán)重矩陣定義為Queen 鄰接矩陣，并通過權(quán)重設置將廣東與海南設為鄰接關系，通過計算得到農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度的全局Moran’sI，具體如表4 所示。

表4 農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度的Moran’s I檢驗

由表4 可知，2010—2020 年全局自相關的標準統(tǒng)計量的Moran’sI均為正值，其中2010 年、2012 年Moran’sI分別為0.062、0.115，未通過顯著性水平檢驗，而其他年份Moran’sI均通過置信度顯著性水平檢驗，表明農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度存在顯著的空間自相關性。同時，2015—2020 年全局Moran’sI顯著增長，Z≥2.58、P≤0.01，其伴隨概率P均為0.001，表明2015—2020 年兩系統(tǒng)耦合協(xié)調(diào)度的莫蘭指數(shù)在1%的水平上顯著為正，兩系統(tǒng)在空間上的分布具有正相關性，呈現(xiàn)出增強的空間集聚效應。

根據(jù)全局自相關分析莫蘭指數(shù)繪制2011 年、2015 年、2020 年的Moran 散點圖，可將2010—2020年農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的耦合協(xié)調(diào)度的空間分布在4 個象限中，兩系統(tǒng)耦合協(xié)調(diào)度的集聚表現(xiàn)為高-高（H-H）集聚區(qū)域、低-高（L-H）集聚區(qū)域、低-低（L-L）集聚區(qū)域、高-低（H-L）集聚區(qū)域，具體如圖3 所示。

圖3 農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度的Moran 散點圖

鑒于Moran 散點圖不能分析各地區(qū)局部相關類型及其集聚區(qū)是否具有統(tǒng)計意義的顯著性，通過LISA 集聚圖進行進一步分析，得到2011 年、2015 年、2020 年的LISA 集聚類型，如表5 所示。

表5 農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度空間自相關LISA 集聚類型

由圖3 與表5 可知，中國農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度的H-H 集聚區(qū)域與L-L 集聚區(qū)域在發(fā)展過程中保持擴張態(tài)勢。2011 年H-H 集聚區(qū)域僅有江蘇與上海，到2020 年區(qū)域擴展為山東、江蘇、福建、浙江、江西、上海，華東六省一市中僅安徽處于低-高集聚區(qū)域。H-H 集聚區(qū)域總占比由2011 年的6.5%上升至2020 年的19.4%，在東南沿海地域空間上呈現(xiàn)團塊狀，這類省市鄉(xiāng)村振興水平普遍較高，為發(fā)展農(nóng)村數(shù)字經(jīng)濟打下了良好基礎，形成了區(qū)域間的帶動發(fā)展，帶動周邊地區(qū)形成高值的聚集。2011—2015 年L-L 集聚區(qū)域有新疆、西藏、青海、云南，到2020 年為新疆、西藏、青海、寧夏、內(nèi)蒙古、甘肅，地域空間主要分布在中國西北與西南地區(qū)，這類省市農(nóng)村數(shù)字經(jīng)濟受自身發(fā)展基礎制約導致發(fā)展不充分，兩系統(tǒng)協(xié)調(diào)發(fā)展水平較低，對周邊地區(qū)帶動作用有限。處于H-L 集聚區(qū)域的僅有四川，在2011年、2015 年、2022 年均處于該模式，四川與西北地區(qū)的陜西、甘肅、青海為鄰，其農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的綜合發(fā)展水平較高，但未能對周邊區(qū)域起到拉動作用，并呈現(xiàn)與L-H 集聚區(qū)域安徽相反的馬太效應表現(xiàn)?？傮w而言，中國農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)發(fā)展長期存在顯著差異，H-H 集聚區(qū)域與L-L 集聚區(qū)域都處于擴張態(tài)勢，依靠空間區(qū)位優(yōu)勢逐步拉開差距，西北地區(qū)、西南地區(qū)與華北地區(qū)、華東地區(qū)形成兩極化發(fā)展趨勢，優(yōu)勢地區(qū)暫未完全發(fā)揮出對全國整體協(xié)同發(fā)展的強勁促進作用。

3 結(jié)論與建議

本研究以全國31 個省（市、自治區(qū)）為研究單位，構(gòu)建評價指標體系，借助熵值法對農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興發(fā)展水平進行了測算與分析。在此基礎上，運用耦合協(xié)調(diào)度模型實現(xiàn)對2010—2020 年中國農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興發(fā)展水平耦合度及耦合協(xié)調(diào)度的分析，并對農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度的空間相關性進行了探索與分析，對各?。ㄊ小⒆灾螀^(qū)）的空間集聚模式進行了梳理，從全國層面分析了農(nóng)村數(shù)字經(jīng)濟和鄉(xiāng)村振興的空間耦合協(xié)調(diào)集聚效應，結(jié)論如下。

1）鄉(xiāng)村振興的發(fā)展指數(shù)總體上呈緩慢發(fā)展趨勢，2010—2014 年鄉(xiāng)村振興發(fā)展水平持續(xù)滯后，但隨著農(nóng)村數(shù)字經(jīng)濟發(fā)展水平快速上升，帶動兩系統(tǒng)協(xié)同發(fā)展勢頭強勁，二者發(fā)展水平在2014 年達到高值。2015—2020 年進入平穩(wěn)發(fā)展期后，鄉(xiāng)村振興發(fā)展水平呈現(xiàn)后勁不足，農(nóng)村數(shù)字經(jīng)濟則表現(xiàn)出強勁動力，鄉(xiāng)村振興發(fā)展水平增長速度也逐漸落后于農(nóng)村數(shù)字經(jīng)濟。其中，多數(shù)省份鄉(xiāng)村振興發(fā)展指數(shù)均值高于鄉(xiāng)村振興，僅有浙江、廣東、內(nèi)蒙古、福建等地區(qū)的農(nóng)村數(shù)字經(jīng)濟均值高于鄉(xiāng)村振興均值，農(nóng)村數(shù)字經(jīng)濟具有較大的進步空間。

2）中國農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興在發(fā)展中存在耦合協(xié)調(diào)關系，二者耦合協(xié)調(diào)度水平處于中低協(xié)調(diào)水平。浙江、江蘇、山東實現(xiàn)了初級協(xié)調(diào)，處于勉強協(xié)調(diào)和瀕臨失調(diào)的地區(qū)較多，但各地區(qū)間農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興耦合協(xié)調(diào)度總體呈平穩(wěn)上升趨勢，并隨著時間的推移，各地區(qū)兩系統(tǒng)協(xié)調(diào)程度得到明顯改善。

3）中國農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的耦合協(xié)調(diào)度呈顯著的空間正相關性，其集聚效應主要表現(xiàn)為高-高集聚區(qū)域與低-低集聚區(qū)域。高-高集聚區(qū)域主要集中在華東與華北地區(qū)，而低-低集聚區(qū)域則主要集中于西北與西南地區(qū)，區(qū)域間相互影響作用明顯，在空間上呈兩極化發(fā)展趨勢。

為進一步發(fā)展農(nóng)村數(shù)字經(jīng)濟，提高可持續(xù)發(fā)展能力，從而實現(xiàn)鄉(xiāng)村振興，提出如下發(fā)展建議。

1）政府應加強財政投入，提升L-L 集聚地區(qū)鄉(xiāng)村信息基礎設施建設水平。加大對滯后地區(qū)的財政投入，推進農(nóng)村數(shù)字基礎設施建設，將通信基站、管道、桿線、機房等全面納入鄉(xiāng)村建設規(guī)劃。同時，應加快農(nóng)村地區(qū)接入寬帶網(wǎng)絡、數(shù)字交易平臺、農(nóng)村電商物流配送等，并規(guī)劃設計農(nóng)業(yè)農(nóng)村大數(shù)據(jù)云平臺，以提供更好的基礎條件。還應加強對鄉(xiāng)村地區(qū)農(nóng)民的數(shù)字技能培訓，并提供相應的教育和培訓課程，以提高農(nóng)民對數(shù)字技術(shù)和電商經(jīng)營的理解和掌握能力。政府可以積極發(fā)展鄉(xiāng)村數(shù)字新業(yè)態(tài)，以促進鄉(xiāng)村產(chǎn)業(yè)興旺、居民生活富裕。

2）促進數(shù)字經(jīng)濟與傳統(tǒng)農(nóng)業(yè)產(chǎn)業(yè)的合作與智能化升級，旨在通過促進數(shù)字產(chǎn)業(yè)與傳統(tǒng)產(chǎn)業(yè)的協(xié)同發(fā)展，推動數(shù)字產(chǎn)業(yè)與農(nóng)業(yè)產(chǎn)業(yè)的融合，從而實現(xiàn)智慧農(nóng)業(yè)的升級和鄉(xiāng)村振興的數(shù)字化深度融合。為此可以實施以下行動：推動智慧農(nóng)業(yè)升級賦能行動，促進農(nóng)業(yè)與信息技術(shù)的融合；推動智慧綠色鄉(xiāng)村建設行動，促進鄉(xiāng)村發(fā)展與環(huán)境可持續(xù)性的協(xié)調(diào)；推動信息技術(shù)惠農(nóng)便民行動，提高信息技術(shù)在農(nóng)村地區(qū)的普及和應用；推動鄉(xiāng)村數(shù)字治理提升行動，提升鄉(xiāng)村治理水平和數(shù)字化程度。通過這些行動的實施，數(shù)字經(jīng)濟和傳統(tǒng)農(nóng)業(yè)產(chǎn)業(yè)將得以更好地合作和發(fā)展，從而促進數(shù)字經(jīng)濟與鄉(xiāng)村振興的深度融合。

3）為促進H-L 和L-H 集聚地區(qū)的協(xié)調(diào)發(fā)展，需要制定有針對性和有效性的政策。政府應根據(jù)不同地區(qū)的情況和需求，制定更具針對性和有效性的政策來推動區(qū)域差異化發(fā)展，并加強對滯后地區(qū)的支持和引領。同時，需要采取富鄰措施，促進先進地區(qū)幫助滯后地區(qū)縮小差距。在全國層面上，旨在實現(xiàn)城鄉(xiāng)公共服務數(shù)字化和均等化，確保公共服務在城鄉(xiāng)之間得到平等的數(shù)字化覆蓋。此外，還應建立跨地區(qū)和跨部門的協(xié)調(diào)發(fā)展機制，以實現(xiàn)區(qū)域間共同服務高質(zhì)量農(nóng)村數(shù)字經(jīng)濟建設的協(xié)調(diào)和合作，推動農(nóng)村數(shù)字經(jīng)濟與鄉(xiāng)村振興的協(xié)同發(fā)展。通過這些措施，可以加強H-L 和L-H 集聚地區(qū)的發(fā)展協(xié)調(diào)性，促進更加均衡的農(nóng)村經(jīng)濟增長與現(xiàn)代化發(fā)展。