數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展耦合協(xié)調(diào)評價

周里 張書寧 吉曉芹 袁帥 梁麗麗

摘要：農(nóng)業(yè)高質(zhì)量發(fā)展是全面推進鄉(xiāng)村振興、建設農(nóng)業(yè)強國的必由之路，而數(shù)字金融是促進農(nóng)業(yè)高質(zhì)量發(fā)展的重要動力。為探究我國數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展之間的協(xié)調(diào)效應，利用2011—2020年我國31個省（自治區(qū)、直轄市）的面板數(shù)據(jù)，基于新發(fā)展理念，從“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”五個維度構(gòu)建農(nóng)業(yè)高質(zhì)量發(fā)展指標體系，運用熵值法測算全國農(nóng)業(yè)高質(zhì)量發(fā)展綜合水平，再引入耦合協(xié)調(diào)實證模型，以測度數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展之間的耦合關聯(lián)度和耦合協(xié)調(diào)度。實證結(jié)果顯示：（1）在研究期內(nèi)，我國農(nóng)業(yè)高質(zhì)量發(fā)展水平呈現(xiàn)穩(wěn)步上升趨勢，但是整體農(nóng)業(yè)高質(zhì)量發(fā)展水平較低。（2）數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的時空分布趨勢一致，總體呈現(xiàn)“聚焦-相對聚焦-相對均衡”態(tài)勢。（3）大部分地區(qū)數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展處于耦合關聯(lián)度極高的平穩(wěn)狀態(tài)。（4）兩系統(tǒng)間的耦合協(xié)調(diào)度呈現(xiàn)穩(wěn)步上升的態(tài)勢，東部地區(qū)的耦合協(xié)調(diào)度在全國始終最高，西部地區(qū)的耦合協(xié)調(diào)度始終落后，中部地區(qū)耦合協(xié)調(diào)度與全國平均水平最接近。研究認為，為充分發(fā)揮數(shù)字金融對農(nóng)業(yè)高質(zhì)量發(fā)展的推動作用，建議做好數(shù)字金融服務農(nóng)業(yè)高質(zhì)量發(fā)展的頂層設計；聚焦“三農(nóng)”領域，推動數(shù)字金融發(fā)展模式創(chuàng)新；推動數(shù)字金融和農(nóng)業(yè)高質(zhì)量發(fā)展的區(qū)域協(xié)調(diào)。

關鍵詞：數(shù)字金融；農(nóng)業(yè)高質(zhì)量發(fā)展；耦合協(xié)調(diào)；評價指標體系

中圖分類號：F323文獻標志碼：A

文章編號：1002-1302（2023）16-0247-08

收稿日期：2023-04-21

基金項目：江蘇省農(nóng)業(yè)農(nóng)村廳鄉(xiāng)村振興軟科學研究課題（編號：22ASS077）。

作者簡介：周 里（1989—），女，江蘇宿遷人，碩士，講師，從事農(nóng)村金融研究。E-mail：zxlyds@163.com。

通信作者：張書寧，碩士研究生，主要從事工商管理和文化產(chǎn)業(yè)研究。E-mail：shuningzhangcn@outlook.com。

黨的二十大報告指出，高質(zhì)量發(fā)展是全面建設社會主義現(xiàn)代化國家的首要任務。農(nóng)業(yè)是基礎性產(chǎn)業(yè)，在推動經(jīng)濟社會高質(zhì)量發(fā)展進程中，農(nóng)業(yè)高質(zhì)量發(fā)展不可或缺。而數(shù)字金融是我國金融發(fā)展歷程中的重大舉措，通過金融科技技術(shù)的應用，能有效擴大農(nóng)業(yè)資金供給，優(yōu)化資源配置，降低金融服務門檻，打破農(nóng)業(yè)經(jīng)營者的融資約束，改善農(nóng)業(yè)企業(yè)的融資環(huán)境，為農(nóng)業(yè)生產(chǎn)群體提供了更高效的融資渠道。因此，數(shù)字金融能有效推動農(nóng)業(yè)高質(zhì)量發(fā)展。由此可見，深入探究數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展之間的關系具有重要的現(xiàn)實意義。

在現(xiàn)有的研究成果中，探討數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展之間關系的專項研究不多，但與之相關的研究頗豐，主要集中在3個方面。一是關于數(shù)字金融的經(jīng)濟效應研究。牛麗娟認為數(shù)字金融顯著促進了經(jīng)濟高質(zhì)量發(fā)展，緩解融資約束、提升創(chuàng)新能力和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)是數(shù)字金融作用于經(jīng)濟高質(zhì)量發(fā)展的重要傳導機制^［1］。段雯瑾認為數(shù)字金融應用可以顯著提升農(nóng)村居民家庭的消費規(guī)模，從而創(chuàng)造顯著的消費擴容效應^［2］。王小華等研究表明數(shù)字金融的使用能夠明顯提升農(nóng)村居民家庭消費水平^［3］。二是關于農(nóng)業(yè)高質(zhì)量發(fā)展的研究，主要集中在農(nóng)業(yè)高質(zhì)量綜合水平評價方面。劉忠宇等通過構(gòu)建農(nóng)業(yè)高質(zhì)量發(fā)展評價指標對我國農(nóng)業(yè)高質(zhì)量發(fā)展水平進行綜合評價，發(fā)現(xiàn)我國農(nóng)業(yè)高質(zhì)量發(fā)展存在明顯的地區(qū)差異^［4］。郭郡郡等測算農(nóng)業(yè)全要素生產(chǎn)率指標，并以其代表城市農(nóng)業(yè)高質(zhì)量發(fā)展水平，結(jié)果顯示城市農(nóng)業(yè)高質(zhì)量發(fā)展水平有明顯的“非均衡特征”^［5］。尹朝靜等運用縱橫向拉開檔次法對我國農(nóng)業(yè)高質(zhì)量發(fā)展水平進行測評，發(fā)現(xiàn)我國各地區(qū)農(nóng)業(yè)高質(zhì)量發(fā)展水平逐漸提高，但存在兩極分化和空間不平衡現(xiàn)象^［6］。三是關于數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展關系的研究。王小華等認為數(shù)字技術(shù)的運用為金融服務農(nóng)業(yè)高質(zhì)量發(fā)展提供了機遇，但是當前仍然面臨著諸多問題^［7］。張合林等認為我國數(shù)字金融發(fā)展對農(nóng)業(yè)高質(zhì)量發(fā)展水平有影響，兩者呈正相關關系^［8］。王森等研究發(fā)現(xiàn)數(shù)字金融能有效推動農(nóng)業(yè)高質(zhì)量發(fā)展進程，但前者對后者的影響存在雙重門檻^［9］。

綜合來看，國內(nèi)外學者對數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展進行了一定研究，但現(xiàn)有文獻多注重考察數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的單向研究，相對缺乏探究兩者耦合協(xié)調(diào)關系的雙向研究。有鑒于此，通過構(gòu)建農(nóng)業(yè)高質(zhì)量發(fā)展指標體系，對我國31個?。▍^(qū)、市）的農(nóng)業(yè)高質(zhì)量發(fā)展水平進行綜合評價，并結(jié)合北京大學數(shù)字金融研究中心所測算的數(shù)字金融發(fā)展指數(shù)，構(gòu)建耦合協(xié)調(diào)模型，測度我國數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展之間的耦合關聯(lián)度及耦合協(xié)調(diào)度，以探究二者之間的協(xié)同效應，并進行基于耦合協(xié)調(diào)結(jié)果分析的對策討論。

1 研究設計

1.1 農(nóng)業(yè)高質(zhì)量發(fā)展評價體系構(gòu)建

農(nóng)業(yè)高質(zhì)量發(fā)展本質(zhì)內(nèi)涵是以“滿足人民日益增長的美好生活需要”為根本目的，以質(zhì)量和效益為價值取向，以“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”五大發(fā)展理念為基本遵循^［10］。基于農(nóng)業(yè)高質(zhì)量發(fā)展內(nèi)涵及多數(shù)學者的做法^［5-6］，選取5個一級指標、10個二級指標、19個三級指標構(gòu)建農(nóng)業(yè)高質(zhì)量發(fā)展綜合評價指標體系（表1）。

1.2 農(nóng)業(yè)高質(zhì)量發(fā)展綜合水平評價模型

為確保各指標權(quán)重賦值更為客觀，采用熵值法確定指標權(quán)重。

第1步，進行數(shù)據(jù)標準化處理。采用離差標準化方法對所有指標的原始數(shù)據(jù)進行標準化處理，在標準化公式的基礎上加0.000 1來避免出現(xiàn)零值。假設有k個省份，n個年份，j個指標，則x_ikj為第i年省份k的第j個指標值。正向指標數(shù)據(jù)由公式（1）進行標準化處理，負向指標數(shù)據(jù)由公式（2）進行標準化處理。

正向指標標準化：

負向指標標準化：

式中：x_ikj′為標準化處理以后的指標數(shù)據(jù)；x_ikj為原始數(shù)據(jù)；x_min代表該指標的最小值；x_max代表該指標的最大值。

第2步，確定指標權(quán)重：

第3步，計算第j個指標的熵值：

E_j=-r∑_i∑_kY_ikjln（Y_ikj），r=ln（in）。（4）

第4步，計算第j個指標的差異系數(shù)：

G_j=1-E_j。（5）

第5步，計算各指標的權(quán)重：

第6步，計算各省份農(nóng)業(yè)高質(zhì)量發(fā)展水平綜合得分：

AG=∑_jW_jx_ikj′。（7）

1.3 耦合協(xié)調(diào)度模型

數(shù)字金融的發(fā)展可進一步推動農(nóng)業(yè)高質(zhì)量發(fā)展，但由于不同地區(qū)的地理位置、資源環(huán)境等多種因素不同，使得數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的步調(diào)不一致。將數(shù)字金融和農(nóng)業(yè)高質(zhì)量發(fā)展作為2個系統(tǒng)，采用耦合協(xié)調(diào)度來探討兩者的關系。為測度數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展2個系統(tǒng)之間的相互作用強度，構(gòu)建以下耦合關聯(lián)度模型：

其中，U₁和U₂分別代表數(shù)字金融發(fā)展水平和農(nóng)業(yè)高質(zhì)量發(fā)展水平；C表示耦合度，區(qū)間值為 ［0，1］，數(shù)值越大，說明數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的耦合關聯(lián)度越高，2個系統(tǒng)發(fā)展越協(xié)調(diào)。借鑒前人學者觀點^［11］，將耦合關聯(lián)度劃分為4個層次（表2）。

數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展是2個結(jié)構(gòu)復雜、內(nèi)容豐富的系統(tǒng)，僅用耦合關聯(lián)度不能很好地反映兩者間的協(xié)同效應程度，有時可能存在2個系統(tǒng)間耦合關聯(lián)度與耦合協(xié)調(diào)度不統(tǒng)一的情況。因此，需要進一步分析2個系統(tǒng)的協(xié)調(diào)度，引入耦合協(xié)調(diào)度模型：

其中，T代表數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的綜合協(xié)調(diào)指數(shù)；α和β分別表示兩者的協(xié)調(diào)效應權(quán)重，均取值0.5。D代表數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的耦合協(xié)調(diào)度，值在［0，1］區(qū)間，值越大，表明二者的耦合協(xié)調(diào)度越高。參照文獻［12］，將耦合協(xié)調(diào)度劃分為7個階段（表3）。

1.4 數(shù)據(jù)來源

基于數(shù)據(jù)的科學性、可獲得性，選擇2011—2020年中國31個省（區(qū)、市）的面板數(shù)據(jù)進行實證分析。根據(jù)國家統(tǒng)計部門和其他研究人員的劃分方法，將我國劃分為東部、中部、西部地區(qū)?？紤]數(shù)據(jù)的可獲得性，本研究將港澳臺地區(qū)數(shù)據(jù)剔除。所選取的中國農(nóng)業(yè)高質(zhì)量發(fā)展綜合水平評價指標體系數(shù)據(jù)來源于《中國農(nóng)村統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國教育經(jīng)費統(tǒng)計年鑒》《中國科技年鑒》以及中華人民共和國商務部官網(wǎng)。各個省份的數(shù)字金融發(fā)展水平選擇北京大學數(shù)字金融研究中心的2011—2020年省級數(shù)字普惠金融指數(shù)來衡量。

2 結(jié)果與分析

2.1 農(nóng)業(yè)高質(zhì)量發(fā)展水平綜合評價及時空分布

根據(jù)前文的評價指標體系和數(shù)據(jù)處理方法可以得到各地區(qū)農(nóng)業(yè)高質(zhì)量發(fā)展水平測算值（表4）。

從農(nóng)業(yè)高質(zhì)量發(fā)展水平測算值來看，2011—2020年各?。▍^(qū)、市）農(nóng)業(yè)高質(zhì)量發(fā)展水平測算值在 0.114～0.587之間，全國的農(nóng)業(yè)高質(zhì)量發(fā)展水平測度均值在0.292～0.332之間，總體呈現(xiàn)穩(wěn)步上升趨勢，但是整體農(nóng)業(yè)高質(zhì)量發(fā)展水平較低。在研究期內(nèi)，我國農(nóng)業(yè)高質(zhì)量發(fā)展總體平穩(wěn)，10年間的波動幅度不大，2017年之后開始小幅度攀升，數(shù)據(jù)分析結(jié)果和實踐基本一致。山東、四川、河南、河北和廣東的農(nóng)業(yè)高質(zhì)量發(fā)展水平在全國處于領先地位，10年間測度均值都在0.398以上，屬于農(nóng)業(yè)高質(zhì)量發(fā)展水平地區(qū)；農(nóng)業(yè)高質(zhì)量發(fā)展水平較為落后的省份為新疆、甘肅、西藏、青海和寧夏，10年間測度均值都在0.229以下，屬于農(nóng)業(yè)低質(zhì)量發(fā)展水平地區(qū)，遠低于全國農(nóng)業(yè)高質(zhì)量發(fā)展平均水平。農(nóng)業(yè)高質(zhì)量發(fā)展水平省份與它們的資源利用、生態(tài)環(huán)境有著密切聯(lián)系，這些地區(qū)的資源總量豐富，并且能夠加速農(nóng)業(yè)轉(zhuǎn)型、加快發(fā)展方式轉(zhuǎn)變，不斷優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，堅持人才科技投入，不斷提高產(chǎn)業(yè)效益和生產(chǎn)效率。農(nóng)業(yè)低質(zhì)量發(fā)展水平省份的制約因素各不相同，有的省份自身的資源環(huán)境制約了農(nóng)業(yè)高質(zhì)量發(fā)展，個別省份雖然資源豐富，但是受限于生產(chǎn)效率弱、技術(shù)創(chuàng)新不足等因素。

根據(jù)表4的測算結(jié)果，運用ArcGIS空間地理分析軟件，分別選取2011、2015和2020年農(nóng)業(yè)高質(zhì)量發(fā)展水平測度值，繪制矢量地圖（圖1）。

從時空分布狀態(tài)看，2011年農(nóng)業(yè)高質(zhì)量發(fā)展水平的省份有4個：山東、河南、四川和河北；農(nóng)業(yè)中高質(zhì)量發(fā)展水平的省份有8個，除了湖南、廣西和云南，其余都是東部地區(qū)；農(nóng)業(yè)中等質(zhì)量發(fā)展水平的省份有6個，除了北京和陜西，其余都屬于中部地區(qū)；農(nóng)業(yè)低質(zhì)量發(fā)展水平的省份有13個，除了吉林、海南、天津、上海和山西，其余都屬于西部地區(qū)?？梢姡?011年中國高質(zhì)量發(fā)展的空間分布呈現(xiàn)“聚焦”狀態(tài)，農(nóng)業(yè)高及中高質(zhì)量發(fā)展水平的省份主要聚集在東部地區(qū)，農(nóng)業(yè)低質(zhì)量發(fā)展水平的省份大部分聚集在西部。到了2015年，農(nóng)業(yè)高質(zhì)量發(fā)展水平的省份有4個，分別是山東、四川、河南和湖北；農(nóng)業(yè)中高質(zhì)量發(fā)展水平的省份增加到10個，其中一半是屬于東部地區(qū)；農(nóng)業(yè)中等質(zhì)量發(fā)展水平的省份有7個，大部分屬于中部和東部地區(qū)；農(nóng)業(yè)低質(zhì)量發(fā)展水平的省份有10個，除了天津、山西、上海，其余都是屬于西部地區(qū)。可見，2015年中國高質(zhì)量發(fā)展的空間分布呈現(xiàn)“相對聚焦”狀態(tài)；2020年，農(nóng)業(yè)高質(zhì)量發(fā)展水平的省份有2個：山東和四川；農(nóng)業(yè)中高質(zhì)量發(fā)展水平省份有10個，大部分屬于東部和中部地區(qū)；農(nóng)業(yè)中等質(zhì)量發(fā)展水平的省份增加到13個，各省份相對均衡的分布在東、中、西部3個地區(qū)；農(nóng)業(yè)低質(zhì)量發(fā)展水平的省份減少到6個，除了山西，其余都在西部地區(qū)?？梢?，2020年，中國農(nóng)業(yè)高質(zhì)量發(fā)展的空間分布呈現(xiàn)“相對均衡”狀態(tài)；綜上，2011—2020年，中國農(nóng)業(yè)高質(zhì)量發(fā)展綜合水平不斷提高，基本呈現(xiàn)“聚焦-相對聚焦-相對均衡”的時空分布態(tài)勢（圖1）。

2.2 數(shù)字金融指數(shù)時空分布

根據(jù)北京大學數(shù)字金融研究中心的省級數(shù)字金融指數(shù)測度結(jié)果，可以發(fā)現(xiàn)，2011—2020年間，全國數(shù)字金融發(fā)展水平實現(xiàn)了快速增長，2011年各省份的數(shù)字金融指數(shù)均值為40.00，到2015年增長到220.01，2020年進一步增長到341.22。由此可見，在研究期內(nèi)，我國數(shù)字金融發(fā)展水平實現(xiàn)了跨越式提高。運用ArcGIS空間地理分析軟件，分別選取2011、2015和2020年數(shù)字金融指數(shù)，繪制矢量地圖（圖2）。

從時空分布狀態(tài)（圖2）看，2011年，各省份之間的數(shù)字金融水平差距較大，高水平數(shù)字金融省份有7個，全部集中在東部地區(qū)；中高水平數(shù)字金融省份有7個，除了湖北，其余都屬于東部和西部地區(qū)；中等水平數(shù)字金融省份有10個，大部分屬于中部和西部地區(qū)，低水平數(shù)字金融省份有7個，除了吉林，其他都在西部地區(qū)?？梢?，2011年中國數(shù)字金融的空間分布呈現(xiàn)“聚焦”狀態(tài)，高水平數(shù)字金融的省份全部聚焦在東部地區(qū)，低水平數(shù)字金融的省份主要聚焦在西部地區(qū)；2015年高水平數(shù)字金融省份有3個，均在東部地區(qū)；中高水平數(shù)字金融省份有7個，除了湖北，都屬于東部地區(qū)；中等水平數(shù)字金融省份有11個，除了山東，都屬于中部和西部地區(qū)；低水平數(shù)字金融省份有10個，大部分屬于中部和西部地區(qū)?？梢?，2015年中國數(shù)字金融的空間分布呈現(xiàn)“相對聚焦”狀態(tài)；2020年高水平數(shù)字金融省份有6個，均在東部地區(qū)；中高水平數(shù)字金融省份有9個，中等水平數(shù)字金融省份有7個，這兩個層級的省份相對均衡的分布在東、中、西3個地區(qū)；低水平數(shù)字金融省份有9個，除了吉林和黑龍江省，其余都屬于西部地區(qū)?？梢姡?020年中國數(shù)字金融的空間分布呈現(xiàn)“相對均衡”狀態(tài)。綜上，2011—2020年，東、中、西部地區(qū)之間數(shù)字金融發(fā)展差距逐漸縮小，時空分布上基本呈現(xiàn)“聚焦-相對聚焦-相對均衡”的狀態(tài)，與中國農(nóng)業(yè)高質(zhì)量發(fā)展時空分布趨勢基本一致，東部地區(qū)的數(shù)字金融和農(nóng)業(yè)高質(zhì)量發(fā)展綜合水平均領先于中部和西部地區(qū)。

2.3 數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的耦合協(xié)調(diào)分析

2.3.1 耦合關聯(lián)度 從整體情況看，除了2011年以外，其他年份全國數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的耦合關聯(lián)度均值都在0.905及以上，均達到了耦合關聯(lián)度極高階段（表5）。數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的耦合關聯(lián)度在2012—2016年基本維持不變，尤其是東部地區(qū)和中部地區(qū)基本維持在0.959～0.996之間；在2016年以后，雖然全區(qū)域的數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展耦合關聯(lián)度呈現(xiàn)下降趨勢，但是東部地區(qū)和中部地區(qū)仍能保持在0.900以上，西部地區(qū)也維持在0.883～0.909之間。這說明，近10年來，數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展之間聯(lián)系緊密，2個系統(tǒng)能夠相互促進發(fā)展。

2.3.2 耦合協(xié)調(diào)度 從整體看（圖3），研究期內(nèi)全國數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的耦合協(xié)調(diào)度呈現(xiàn)平穩(wěn)上升的態(tài)勢，并呈現(xiàn)出東部>中部>西部的空間布局。在2012—2014年期間，全國數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的耦合協(xié)調(diào)度均值在0.502～0.594之間徘徊，達到中度協(xié)調(diào)；在2015年之后，全國數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的耦合協(xié)調(diào)度均值都在0.626以上，實現(xiàn)了2個系統(tǒng)的高度協(xié)調(diào)（表6、表7）。這說明我國31個省（區(qū)、市）在數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展之間的耦合度普遍較高，兩者能夠較好的協(xié)調(diào)發(fā)展。

從不同地區(qū)情況看（表7），3個地區(qū)的耦合協(xié)調(diào)度整體均表現(xiàn)出逐年增長的態(tài)勢。在研究期內(nèi)，耦合協(xié)調(diào)度從大到小排序依次是東部、中部和西部。耦合協(xié)調(diào)度均值位列前5位的省份分別是山東、廣東、浙江、福建和北京，均位處東部地區(qū)；耦合協(xié)調(diào)度均值排名末5位的省份分別是新疆、甘肅、西藏、寧夏和青海。

東部地區(qū)協(xié)調(diào)度在全國一直處于領先水平，除了2011年是基本協(xié)調(diào)、2012年是中度協(xié)調(diào)，2013—2020年都是處于高度協(xié)調(diào)階段。其中，山東省的耦合協(xié)調(diào)度均值在全國排名第一，說明山東省數(shù)字金融與農(nóng)業(yè)高質(zhì)量2個系統(tǒng)的綜合水平均較高，且能夠相互協(xié)調(diào)共同發(fā)展。山東的金融資本雄厚，鼓勵金融創(chuàng)新，數(shù)字金融產(chǎn)品較豐富，為農(nóng)業(yè)高質(zhì)量發(fā)展奠定了良好基礎。江浙滬等長三角地區(qū)的協(xié)調(diào)度同樣處于領先地位。這是源于長三角城市群采取多項政策措施鼓勵數(shù)字金融發(fā)展，為農(nóng)業(yè)產(chǎn)業(yè)提供豐富的融資渠道，推動了當?shù)剞r(nóng)業(yè)高質(zhì)量發(fā)展。

中部地區(qū)協(xié)調(diào)度最接近于全國水平，2011年瀕臨失調(diào)，2012年基本協(xié)調(diào)，2013年和2014年是中度協(xié)調(diào)，2015年在0.624～0.716之間波動，跨越到高度協(xié)調(diào)階段。其中，河南的協(xié)調(diào)度高于全國平均水平，在全國排名第七。2013年及以后，河南的耦合協(xié)調(diào)度在0.607～0.764之間波動，達到高度協(xié)調(diào)狀態(tài)，在中部地區(qū)協(xié)調(diào)度最高。這歸于河南省政府采取了多樣有效的政策措施，例如，營造良好的金融監(jiān)管環(huán)境、打造公平競爭的金融市場環(huán)境、加快銀行和保險等金融機構(gòu)數(shù)字化轉(zhuǎn)型，強化對農(nóng)業(yè)企業(yè)及農(nóng)業(yè)經(jīng)營者的金融支持，為農(nóng)業(yè)發(fā)展注入了資金源泉。

西部地區(qū)的協(xié)調(diào)度明顯低于全國水平，但是自2017年以后，在0.617～0.667之間波動，也實現(xiàn)了高度協(xié)調(diào)。西部地區(qū)經(jīng)濟發(fā)展相對較慢，金融體系不夠完善，數(shù)字金融發(fā)展平均水平較低。但是，位于西部地區(qū)的四川省協(xié)調(diào)度卻比較高，一直處于上升趨勢，且高于全國平均水平。近年來，四川省不斷完善多維度政策支撐體系，聚焦金融科技，充分發(fā)揮金融科技的賦能作用，加快推動金融機構(gòu)數(shù)字化轉(zhuǎn)型，提升金融業(yè)整體競爭力，將四川打造成具有全國影響力的數(shù)字金融高地，為農(nóng)業(yè)高質(zhì)量發(fā)展提供了強有力支撐。

3 結(jié)論與建議

本研究對2011—2020年我國31個?。▍^(qū)、市）數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展水平及時空耦合關系進行了探討，主要結(jié)論如下：（1）我國農(nóng)業(yè)高質(zhì)量發(fā)展水平呈現(xiàn)穩(wěn)步上升趨勢，但是整體農(nóng)業(yè)高質(zhì)量發(fā)展水平較低。（2）數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的時空分布趨勢一致，總體上呈“聚焦-相對聚焦-相對均衡”態(tài)勢。（3）我國大部分?。▍^(qū)、市）的數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展耦合關聯(lián)度在0.900以上，處于耦合關聯(lián)度極高的平穩(wěn)狀態(tài)。（4）數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展耦合協(xié)調(diào)度呈現(xiàn)穩(wěn)步上升的態(tài)勢，絕大多數(shù)省份處于中度協(xié)調(diào)和高度協(xié)調(diào)狀態(tài)，東部地區(qū)的耦合協(xié)調(diào)度在全國始終最高，西部地區(qū)的耦合協(xié)調(diào)度始終落后，中部地區(qū)耦合協(xié)調(diào)度與全國平均水平最接近。

通過以上實證分析結(jié)果，為充分發(fā)揮數(shù)字金融對我國農(nóng)業(yè)高質(zhì)量發(fā)展的推動作用，提出以下建議：

（1）做好數(shù)字金融服務農(nóng)業(yè)高質(zhì)量發(fā)展的頂層設計。各地區(qū)需要結(jié)合自身的資源稟賦和地方特色，并根據(jù)農(nóng)業(yè)高質(zhì)量發(fā)展程度，創(chuàng)建科學合理的發(fā)展框架、目標、步驟，有序推進農(nóng)業(yè)高質(zhì)量發(fā)展。同時，根據(jù)各階段農(nóng)業(yè)高質(zhì)量發(fā)展標準，考慮各地經(jīng)濟條件、金融基礎設施建設以及金融服務需求等因素，合理制定農(nóng)村數(shù)字金融發(fā)展規(guī)劃，以確保為農(nóng)業(yè)高質(zhì)量發(fā)展作出貢獻。

（2）聚焦“三農(nóng)”領域，推動數(shù)字金融發(fā)展模式創(chuàng)新。一方面，推動數(shù)字金融企業(yè)和農(nóng)村金融機構(gòu)合作，將金融科技技術(shù)運用于農(nóng)村金融業(yè)務數(shù)字化改造，擴大農(nóng)村地區(qū)數(shù)字金融服務的廣度和深度。另一方面，促進數(shù)字金融與農(nóng)業(yè)發(fā)展充分融合。搭建農(nóng)業(yè)信貸、農(nóng)業(yè)保險為一體的數(shù)字金融平臺，形成線上+線下融合發(fā)展的農(nóng)業(yè)數(shù)字金融體系，充分利用數(shù)字技術(shù)解決農(nóng)戶與數(shù)字融資平臺的信息不對稱問題，打破農(nóng)戶融資約束，降低涉農(nóng)融資成本，從而有效推進農(nóng)業(yè)高質(zhì)量發(fā)展進程。

（3）推動數(shù)字金融和農(nóng)業(yè)高質(zhì)量發(fā)展的區(qū)域協(xié)調(diào)。一方面，加強落后地區(qū)農(nóng)村數(shù)字硬件基礎設施建設，擴大網(wǎng)絡覆蓋面，縮小區(qū)域間的數(shù)字鴻溝。另一方面，加強各區(qū)域之間的交流合作，特別是西部地區(qū)，需要借鑒東部和中部地區(qū)數(shù)字金融與農(nóng)業(yè)高質(zhì)量發(fā)展的成功經(jīng)驗，探索符合本地區(qū)特色的發(fā)展模式。

參考文獻：

［1］牛麗娟. 數(shù)字金融與經(jīng)濟高質(zhì)量發(fā)展：理論分析與實證檢驗［J］. 西南民族大學學報（人文社會科學版），2023，44（1）：125-138.

［2］段雯瑾. 數(shù)字金融對農(nóng)村消費的擴容效應及異質(zhì)性分析［J］. 商業(yè)經(jīng)濟研究，2022（24）：57-60.

［3］王小華，馬小珂，何 茜. 數(shù)字金融使用促進農(nóng)村消費內(nèi)需動力全面釋放了嗎？［J］. 中國農(nóng)村經(jīng)濟，2022（11）：21-39.

［4］劉忠宇，熱孜燕·瓦卡斯. 中國農(nóng)業(yè)高質(zhì)量發(fā)展的地區(qū)差異及分布動態(tài)演進［J］. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021，38（6）：28-44.

［5］郭郡郡，劉玉萍. 中國農(nóng)業(yè)高質(zhì)量發(fā)展的時空差異與動態(tài)演進［J］. 生態(tài)經(jīng)濟，2022，38（10）：102-110.

［6］尹朝靜，高 雪，楊 坤. 中國農(nóng)業(yè)高質(zhì)量發(fā)展的區(qū)域差異與動態(tài)演進［J］. 西南大學學報（自然科學版），2022，44（12）：87-100.

［7］王小華，張 瑩，胡大成. 數(shù)字金融賦能農(nóng)業(yè)農(nóng)村高質(zhì)量發(fā)展：典型案例、現(xiàn)實困境及機制創(chuàng)新研究［J］. 江南大學學報（人文社會科學版），2021，20（3）：18-32.

［8］張合林，王顏顏. 數(shù)字普惠金融與農(nóng)業(yè)高質(zhì)量發(fā)展水平的收斂性研究［J］. 金融理論與實踐，2021（1）：9-18.

［9］王 森，陳宇斌. 數(shù)字普惠金融如何推動農(nóng)業(yè)高質(zhì)量發(fā)展？——兼論中介與門檻作用機制［J］. 管理學刊，2022，35（3）：72-87.

［10］王興國，曲海燕. 科技創(chuàng)新推動農(nóng)業(yè)高質(zhì)量發(fā)展的思路與建議［J］. 學習與探索，2020（11）：120-127.

［11］劉耀彬，宋學鋒. 城市化與生態(tài)環(huán)境耦合模式及判別［J］. 地理科學，2005（4）：26-32.

［12］王 琦，湯放華. 洞庭湖區(qū)生態(tài)-經(jīng)濟-社會系統(tǒng)耦合協(xié)調(diào)發(fā)展的時空分異［J］. 經(jīng)濟地理，2015，35（12）：161-167，202.