EN中文

Tropical Geography >

2025 , Vol. 45 >Issue 1: 52 - 65

DOI: https://doi.org/10.13284/j.cnki.rddl.003833

Regional Differences of Digital Rural Construction in China and Driving Factors

  • Yongming Zeng ,
  • Zikang Zhong
Expand
  • School of Economics, Jiangxi University of Finance and Economics, Nanchang 330013, China

Received date: 2022-12-14

  Revised date: 2023-06-15

  Online published: 2025-01-20

Fold

Abstract

The digital rural strategy emerged in the context of the high integration of digital economy and rural revitalization, and is an important starting point for effectively promoting rural revitalization and common prosperity. Exploring the development and evolution trend of digital rural construction at the county level and its driving factors helps clarify the advantages and disadvantages of digital rural development in different regions, formulate targeted development measures tailored to local conditions, and realize the "equal improvement on quantity and quality" of digital rural construction." This study was based on the China County-level Digital Rural Index from 2019 to 2020, and it used spatial panel models and spatiot-emporal geographic weighted regression models to explore the regional differences and driving factors of county-level digital rural construction. The following results were obtained: 1) There are significant regional differences in the level of digital rural construction, showing a decreasing "ladder like" spatial differentiation pattern from the eastern coastal areas to the inland areas.2) The construction of digital rural areas has obvious spatial agglomeration characteristics. Specifically, it is manifested as "high concentration" in parts of the eastern and central regions, and "low concentration" in the western and northeastern regions. In addition, the four sub-dimensional indexes—rural digital infrastructure, rural economic digitalization, rural governance digitalization, and rural life digitalization—show evident spatial differentiation characteristics, with the "Hu Huanyong Line" as the boundary. 3) Regarding mechanism, the spatial panel model was used to verify that government functions, economic foundations, digital foundations, and human capital were important driving factors for the construction of county-level digital rural areas. Combined with the advantages of Geographically and Temporally Weighted Regression model for local parameter estimation, this study verified that different driving factors had significant spatial heterogeneity effects on the construction of digital rural areas in different county-level units. Based on the above-stated conclusions, this study began with the commonalities and characteristics of county-level digital rural construction and proposed that while improving the overall level of digital rural construction, each county-level unit should combine its own advantages and weaknesses, targeting their respective factor endowments and key driving factors, and collaborate to accurately facilitate rural digitization. This study explored the spatiotemporal differentiation characteristics and driving factors of China's digital rural construction at the county level. It has the advantages of reaching the grassroots level and being more detailed and comprehensive compared with provincial scale and municipal scale, which has certain supplementary value to existing research. Moreover, based on the spatial perspective, this study systematically considered the potential spatial heterogeneity characteristics of digital rural construction and used the spatial panel and spatiotemporal geographical weighted regression models to identify the driving factors of digital rural construction, which can help understand the internal driving forces of China's current county digital transformation.

Key words： rural digitalization; county-level; digital rural index; spatial panel model; Geographically and Temporally Weighted Regression model; China

Cite this article

Yongming Zeng , Zikang Zhong . Regional Differences of Digital Rural Construction in China and Driving Factors[J]. Tropical Geography, 2025 , 45(1) : 52 -65 . DOI: 10.13284/j.cnki.rddl.003833

党的“二十大”报告明确指出要加快发展数字经济，推进建设数字中国。2022年1月，国家乡村振兴局联合多部门印发的《数字乡村发展行动计划（2022—2025年）》也明确指出：数字乡村建设是乡村振兴的关键战略方向，也是打造数字中国的必然选择（中华人民共和国互联网信息办公室，2022）。作为乡村振兴战略的新动力和新引擎，数字乡村建设和乡村振兴两者互为耦合、互相赋能（温涛 等，2020）。自2018年《中共中央、国务院关于实施乡村振兴战略的意见》提出实施“数字乡村战略”后，中央一号文件已连续多年聚焦数字乡村建设（中共中央 国务院，2018）。在中央与地方政府的高度重视下，数字技术加速与乡村经济、生活、治理等多领域融合，数字乡村建设呈现良好的发展态势，并取得初步成效。但囿于乡村数字化发展时间较晚，发展程度不足，数字乡村建设仍面临诸多挑战，如各领域发展不充分、区域发展不协调、体制机制不健全等，不可避免地导致“数字乡村发展鸿沟”问题（彭继增 等，2019）。因此，如何在扩大数字乡村发展成效的同时，缩小地区之间的数字乡村发展差距，助力均衡发展与共同富裕，是当前数字乡村建设亟需解决的重要问题之一（黄季焜，2022）。
数字经济助力乡村振兴是时代发展的必然趋势，二者耦合发展相得益彰（张旺 等，2022）。目前已有丰富的文献对两者的关系进行了系统研究，主要可分为2个方面：一是数字经济赋能乡村振兴的理论分析。数字经济是乡村振兴战略深度实施的重要突破口，数字经济依托数字技术、数字产品服务与数字化思维融入农业生产、农民生活与农村政务，为农村产业振兴、人才振兴、组织振兴、文化振兴、生态振兴提供新动力（沈费伟 等，2020；杨忍，2021；陈国军 等，2022）。二是数字经济赋能乡村振兴的实证分析。首先，数字经济通过重塑农业生产要素配置与组织分工、降低交易成本、创新金融服务模式，多方位促进农业生产模式改进、生产效率提高，加快农业农村现代化进程（陈鑫鑫 等，2022；罗志伟 等，2022）。其次，作为数字经济的核心生产力，数据要素通过与人力资本相匹配，提高农民的生产技术水平，促进农民创收创业（秦芳 等，2022）。另外，数字技术使乡村治理突破时空区隔，缩短权利距离，实现跨域式的乡村治理，塑造数字化乡村治理模式（王敏 等，2022；辛宇 等，2022）。
数字乡村战略在数字经济与乡村振兴高度融合的情境下应运而生，旨在利用数字化、信息化技术最大程度激活农业、农村与农民的发展潜力（付政，2022）。但囿于数字乡村战略提出时间较短，目前学界关于数字乡村的研究处于萌芽阶段。现有文献大多数集中在数字乡村建设的内在机理、现实困境与优化路径等理论分析层面（夏显力 等，2019；曾亿武 等，2021），仅有少数文献将数字乡村纳入实证分析框架（Li et al., 2022；朱红根 等，2022），但这些文献又局限于空间均质性与独立性假设基础上的实证模型，忽略了数字乡村建设的空间依赖性与异质性特征。由于中国地理空间单元区位条件的复杂多样，数字乡村建设水平区域差异明显、“数字乡村发展鸿沟”问题严峻（陈梦根 等，2022）。
鉴于此，本文拟从空间异质性视角出发，基于2019—2020年中国县域数字乡村指数，探究中国数字乡村建设的区域差异及其驱动因素，尝试厘清中国数字乡村建设的最新发展态势，明晰数字乡村发展的内在机理与空间异质性，从而因地制宜地提出针对性发展措施，以期对促进数字乡村建设质的稳步提升与量的合理增长提供参考。

1 方法与数据

1.1　空间面板计量模型

通过探索性空间数据分析（ESDA）验证数字乡村建设存在空间相关性与空间异质性，在此基础上，利用2019—2020年数字乡村指数构建空间面板计量模型，将数字乡村建设的空间特性纳入分析框架，具体模型为：
1）空间自回归模型（Spatial Autoregressive Model，简称SAR）。该模型假定因变量存在空间相关性，即因变量存在内生交互效应。其模型为（Robert, 1987）：
D V i t = ρ W D V + ∑ 1 j β j X i t + u i + ε i t
式中： D V i t为 t年 i县的数字乡村指数，数字乡村指数越大，说明 i县的乡村数字化发展程度越高； W为空间权重矩阵； ρ为空间自回归系数； β j为自变量回归系数； X i t表示解释变量； u i为个体效应； ε i t随机扰动项。
2）空间杜宾模型（Spatial Durbin Model，简称SDM）。SDM模型在SAR模型的基础上加入了空间滞后变量，同时将因变量与扰动项的空间相关性纳入分析，理论上能得到更稳健的估计结果。其模型为（黎翠梅 等，2021）：
D V i t = ρ W D V + ∑ 1 j β j X i t + ∑ 1 j θ j W X i t + u i + ε i t
式中： θ j为自变量滞后项的回归系数，其他参数同上。
3）时空地理加权回归模型（Geographically and Temporally Weighted Regression Model，简称GTWR）。SAR与SDM模型可以在全局上对变量进行参数估计，但无法考察局部层面变量回归系数的空间异质性，而GTWR模型扩展了传统空间计量模型回归框架，纳入局部参数估计，有效地弥补了对局部层面变量回归系数的空间异质性分析。同时，比标准GWR模型更优的是，GTWR模型在加权矩阵中增加了时间信息，以捕获空间和时间的异质性。其模型为（Fotheringham et al., 2015）：
D V i = γ ( μ i + φ i + t i ) + ∑ k γ k ( μ i + φ i + t i ) X i k + ε i
式中： D V i为 i县的数字乡村指数； ( μ i + φ i + t i )为i县的时空坐标， μ i、 φ i和 t i分别是 i县的经度、维度和时间； γ ( μ i + φ i + t i )为i县的截距； X i k代表i县的第k个变量； γ k ( μ i + φ i + t i )是i县的第k个回归系数； ε i是随机误差项。

1.2　变量选取与数据来源

本文根据北京大学新农村发展研究院联合阿里研究院发布的县域数字乡村指数（DV）衡量县域数字乡村建设水平，2019—2020年县域数字乡村指数均来源于北京大学新农村发展研究院县域数字乡村指数数据库（北京大学新农村发展研究院，2022）。该数据以县域作为基本单元，聚焦数字技术与乡村发展融合的实际，首次从乡村数字基础设施、乡村经济数字化、乡村治理数字化、乡村生活数字化4个维度架构了更加契合中国“三农”实际的县域数字乡村指标体系。在此基础上，兼顾消费者与生产者层面，综合采用宏观统计数据、阿里巴巴业务平台数据、相关网站汇总数据等较为全面的数据来源，对县域数字乡村指数进行实证测度，是目前县域数字乡村建设水平测度中最为权威性与代表性的数据之一 1。为保持数据的连续可比性，最终选取中国1 804个县域单元作为研究对象。
在驱动因素指标选取方面，《数字乡村发展战略纲要》（中共中央办公厅 国务院办公厅，2019）明确指出，数字乡村建设本质上是数字化、网络化、信息化技术与乡村经济社会发展的高度融合与应用，以及借助农民数字技能水平提高而内生的现代化发展与转型过程。它是一项复杂的系统工程，受多种因素的共同影响。首先，各级政府需要明确数字乡村建设的重要战略地位，深刻认识到数字乡村建设对乡村振兴的重要作用，充分发挥其组织领导与政策支撑作用；其次，需要大力发展县域经济，提高生产与消费能力，为数字乡村建设提供良好的经济支撑；同时，加快补齐乡村数字基础设施短板，夯实县域数字化发展基础，有效实现数字技术嵌入乡村发展；最后，坚持“以人为本”，加强数字乡村建设行动主体的数字素养与参与度，激活内生发展动力。总的来说，政府职能、经济基础、数字基础以及人力资本是影响数字乡村建设的重要条件，四者之间关联紧密，互为支撑，共同作用于数字乡村建设（图1）。
图1 数字乡村建设驱动机制理论分析框架

Fig.1 Theoretical analysis framework for the driving mechanism of digital rural construction

具体地，数字乡村建设是乡村振兴的重要部分，又是推动乡村振兴的重要抓手，而乡村振兴作为国家动员机制下的重大战略，自然离不开政府政策的大力支持与引导（周飞舟，2021）。中央一号文件连续多年聚焦数字乡村建设，以及各种战略纲要、工作计划与工作要点都不断地凸显政府职能在数字乡村建设中的重要作用。政府可以通过统筹开展数字乡村试点工作，积累有益的建设经验；同时，发挥财政资金与政府投资的引领作用，撬动金融与社会资本投入数字乡村建设。另外，政府还可以通过政策调控、公共物品供给等手段弥补数字鸿沟、缓解资源错配等市场失灵现象，兼顾数字乡村建设的效率与公平（王定祥 等，2023）。
数字乡村建设是农村经济发展到一定阶段的产物，即数字乡村建设与地区经济基础息息相关，地区经济基础的发展程度决定其数字乡村建设的能力（王彬燕 等，2018）。克鲁格曼等提出的新经济地理学理论强调，地区经济基础与规模将会影响各类生产要素的集聚，经济基础较好的地区往往有更大规模的产业集聚、要素集聚，形成“集聚效应”或“规模效应”（Krugman, 1991）。地区经济基础是导致“数字发展鸿沟”的关键因素之一。在数字乡村建设过程中，经济条件较好的地区往往拥有更强的数字基础设施建设能力，以及更大规模的物质资本与人力资本，这些优势条件会转化为促进其数字乡村建设水平提升的重要动力来源。
数字基础设施是实现数字技术介入乡村的重要载体，具有本底性与支撑性作用（杨忍 等，2023）。数字技术是数字乡村建设的核心要件，只有乡村数字基础设施不断完善，大数据、物联网、人工智能等数字技术才能有效嵌入乡村经济、生活、治理等多个方面，实现数字乡村建设的快速发展。理论上，数字基础设施对数字乡村建设具有直接效应与间接效应（Lars-Hendrik and Leonard, 2001）。一方面，根据新古典经济增长模型可知，作为资本投入的一种物质形态，数字基础设施投入的增加可以有效促进数字乡村建设规模扩大，对乡村数字经济发展及数字化转型有直接贡献。另一方面，作为信息传递载体，数字基础设施的使用没有排他性，数字基础设施不仅可以提高本地数字乡村建设水平，对邻地也有明显的间接效应。
“人”是数字乡村建设的行动主体，是建设者也是实践者。乡村数字化发展与转型过程离不开“人口人才”等人力资本提供的发展动力，人力资本规模越大，数字乡村建设水平越高（余运江 等，2023）。内生经济增长理论认为，人力资本作为一种优于物质资本的生产要素，可以通过知识溢出、学习激励、技术创新以及技术外延等方式实现整体生产效率的提升（Romer, 1990）。在数字化背景下，数字技术与人力资本相匹配，可以促进农村居民数字素养的提升，更充分地激活农村人力资本的创新发展潜能，有效地促进数字技术赋能乡村建设效率的提升。
综上，从政府职能、经济基础、数字基础、人力资本4个维度探究数字乡村建设的驱动机制，指标选取如表1所示。此外，为消除不同变量之间的量纲问题，对所选变量进行对数化处理。本文所选驱动因素指标均来源于2019—2020年《中国县域统计年鉴》（国家统计局农村社会经济调查司，2020—2021）。
表1 变量选取及说明

Table 1 Variable selection and explanation

类型 变量 简称 含义 单位
因变量 数字乡村指数 DV 数字乡村指数 —
政府职能 财政支出 Fiscal 财政一般预算支出总额 元
经济基础 经济发展水平 GDP 人均GDP 元
产业结构 Industrial 第三产业增加值/GDP %
消费水平 Consumption 社会消费品零售总额/GDP %
数字基础 移动电话普及率 Mp 每百万户移动电话用户数 户
互联网普及率 Internet 每百万户宽带接入用户数 户
人力资本 人口规模 Population 总人口数/行政区域土地面积 人/km2
人才规模 Education 中等职业教育学校在校学生数/总人口数 %

2 数字乡村建设水平区域差异

2.1　数字乡村建设水平空间分布格局

根据等分法将数字乡村指数由低水平到高水平划分成5个等级，以此绘制2020年县域数字乡村指数的空间分布 2，反映数字乡村建设水平的空间分布差异（图2）。
图2 2020年数字乡村建设空间分布格局

注：该图基于国家测绘地理信息局标准地图[审图号：GS（2020）4619号] 绘制，底图无修改；下图同。

Fig.2 Spatial distribution pattern of digital rural construction in 2020

图2显示，2020年数字乡村建设水平呈现“东部沿海地区向内陆地区”递减的“阶梯式”空间分布格局。东部地区借助得天独厚的区位条件和较好的经济发展基础，形成良好的数字经济发展条件，数字乡村建设高水平县集聚于该地区，其中，浙江、江苏、山东稳居全国数字乡村建设水平前五，数字乡村百强县更是高度集中在东部地区。中部地区数字乡村建设水平呈交错分布态势，江西、安徽、河南数字乡村建设水平位于全国前列。东北与西部地区受限于自身经济发展条件与区位条件，数字乡村建设水平落后于东部与中部地区，尤其是东北地区中的黑龙江省、西部地区中的青海、西藏、内蒙古3省区常年居于全国数字乡村建设水平倒数行列。
数字乡村指数包含乡村数字基础设施、乡村经济数字化、乡村治理数字化、乡村生活数字化4个分维度，为进一步体现县域数字乡村建设水平的空间分布差异，对这4个分指数的空间分布特征进行可视化分析（图3）。整体上，4个分指数呈现较为明显的空间分异特征，东部地区处于较高水平，中部地区次之，西部与东北地区较为落后。具体地，乡村数字基础设施指数相较于其他3个指数，发展较为充分，这归功于“宽带中国”“乡村4G”等前期工作的有益铺垫；乡村经济数字化指数、乡村治理数字化指数与乡村生活化数字指数有明显的集聚特征和空间异质性特征，呈现以“胡焕庸线”为界明显的空间分异格局，水平较高地区主要集聚于东部发达地区，水平较低地区主要分布在西部与东北部等经济落后地区。由于数字乡村建设的实施时间较短，发展并不充分，乡村数字经济、治理与生活建设整体发展水平较低，多数地区还处于中等水平以下，有较大的发展空间。
图3 2020年数字乡村指数四大分指数空间分布格局

Fig.3 Spatial distribution pattern of four sub indexes of digital rural index in 2020

2.2　数字乡村建设水平空间集聚特征

综上，县域数字乡村建设水平区域差距较大，存在明显的空间分异特征，这种空间分异特征表现为“高”数字乡村建设水平地区集聚或“低”数字乡村建设水平地区集聚，形成区域“数字乡村不平等”现象。为验证上述观点，采用全局Moran's I指数进行检验，并采用LISA集聚确定各区域集聚类型与特征。
全局Moran's I指数检验结果显示，2020年中国数字乡村指数的全局Moran's I指数为0.704，且通过1%水平的显著性检验，说明中国数字乡村建设具有显著的空间集聚特征。在此基础上，进一步利用LISA集聚图确定数字乡村建设的集聚类型与特征。
如图4所示，数字乡村建设的空间集聚与分异特征主要表现为东部与中部部分地区“高高集聚”，西部与东北部地区“低低集聚”。具体地，东部大部分地区与中部安徽、江西、河南等少数地区为数字乡村建设的“高高集聚”区，这些地区数字乡村建设水平较高，地区间乡村数字化发展具有正向的相互带动作用，形成显著的“空间溢出效应”。而西部与东北部地区为数字乡村建设的“低低集聚”区，这些地区经济基础较为薄弱，乡村数字化发展程度较为落后，区域内部难以形成有效的相互帮扶，导致整体数字乡村建设水平较低。在数字乡村建设过程中容易出现两极分化严重的“数字乡村不平等”格局，具有明显的空间分异特征，后续分析需进一步考虑数字乡村建设的空间效应。
图4 2020年数字乡村建设空间集聚特征

Fig.4 Spatial agglomeration characteristics of digital rural construction in 2020

3 数字乡村建设水平驱动因素

3.1　基于面板OLS的基准回归分析

如表2所示，首先，通过建立面板OLS模型，以数字乡村指数为因变量，从政府职能、经济基础、数字基础、人力资本4个维度选取8个指标（见表1）作为自变量，探究县域数字乡村建设水平的驱动机制。但并不是所有选取变量都对数字乡村建设水平有显著影响，利用逐步回归分析筛选出财政支出、经济发展水平、产业结构、移动电话普及率、互联网普及率、人口规模6个显著相关变量（表2）。其次，对所筛选变量进行方差膨胀因子检验（VIF）发现，各变量VIF检验值都＜10，表明模型不存在多重共线性问题。最后，通过聚类稳健标准差检验（CR）显示各变量的回归系数与标准误基本保持稳定，且均通过10%水平上的显著性检验，有效避免了序列相关及异方差问题对估计结果影响，验证了逐步回归所筛选变量结果的稳健性。由此，得到6个与数字乡村建设具有显著正向影响的驱动因素，且6个驱动因素对数字乡村建设的影响均符合预期。
表2 面板OLS模型估计结果

Table 2 Estimation results of panel OLS Model

变量 逐步回归 VIF CR
Fiscal 0.679***（17.99） 2.94 0.679***（16.09）
GDP 0.167***（6.35） 1.57 0.167***（5.96）
Industrial 0.712***（10.22） 1.21 0.712***（9.88）
Mp 0.106***3.85） 2.39 0.106***（3.42）
Internet 0.081**（2.97） 2.76 0.081**（2.55）
Population 0.457***（27.53） 2.94 0.457***（23.95）
Con 0.679***（17.99） 0.679***（16.09）
R² 0.558 6 0.559 3
N 3 608 3 608

注： * P＜0.10；** P＜0.05；*** P＜0.0.1；括号内为z值。

3.2　基于SAR、SDM模型的空间效应分析

综上可知，数字乡村建设存在明显的空间特性，但面板OLS回归是建立在空间独立性和均质性上，未能将数字乡村建设的空间相关性和异质性纳入分析，因此，利用能反映空间特性的SAR和SDM模型，探究数字乡村建设的驱动因素，结果见表3。
表3 空间SAR与SDM模型估计结果

Table 3 Estimation results of spatial SAR and SDM Models

变量 SAR SDM GS2SLS
Fiscal 0.104***（12.07） 0.074***（7.57） 0.113***（11.74）
GDP 0.041***（6.83） 0.075***（12.94） 0.045***（6.65）
Industrial 0.105***（6.53） 0.102***（6.57） 0.095***（5.24）
Mp 0.017**（3.25） 0.011*（1.86） 0.014*（2.07）
Internet 0.022***（3.33） 0.007（0.89） 0.033***（4.31）
Population 0.083***（21.20） 0.088***（14.23） 0.098***（21.54）
Con 2.135***（27.69） 2.320***（31.75） 2.576***（29.03）
W*Fiscal -0.075***（-6.17）
W*GDP -0.137***（-21.70）
W*Population -0.063***（-8.65）
rho 0.231***（21.63） 0.522***（35.52）
R² 0.617 8 0.602 2 0.626 9
N 3 608 3 608 3 608

注： * P＜0.10；** P＜0.05；*** P＜0.0.1；括号内为z值。

SAR模型的Hausman检验结果接受原假设，故选择空间随机效应模型，模型估计结果显示，财政支出、经济发展水平、产业结构、移动电话普及率、互联网普及率、人口规模等6个变量都通过5%水平以上的显著性检验，回归系数均＞0，表明这6个变量均对数字乡村建设有显著的正向促进作用，各变量水平的提升会相应带动数字乡村建设的发展。但由于SAR模型忽略了空间滞后项的影响，且SDM模型同时将被解释变量和扰动项的空间相关性纳入考察，理论上能得到更稳健的估计结果，因此，采用SDM模型弥补SAR模型的不足。
SDM模型的LR检验通过5%水平的显著性检验，故拒绝原假设，说明SDM模型不会退化为SAR模型，验证SDM模型的稳健性。SDM模型通过Hausman检验也选择了空间随机效应模型，具体结果如表3所示。
政府职能维度，财政支出的回归系数为正，且通过1%水平的显著性检验，表明财政支出对数字乡村建设有促进作用。借助政策红利促进数字化转型发展是县域数字乡村建设的重要途径，随着数字经济建设的普及推广，县级政府对数字化转型发展的重视程度日益提高，“数字化”“数字经济”等词汇在政府工作报告中提及的次数大幅提升，各地区县级政府通过积极出台数字化发展规划，成立数字化发展专项基金，在数字基础设施建设、传统产业数字化转型、数字治理等方面取得较大进展，有效加快了县域数字化发展。
经济基础维度，经济发展水平、产业结构的回归系数均为正，且均通过1%水平的显著性检验，表明经济发展水平、产业结构等经济基础对数字乡村建设具有正向影响。经济发展水平越高、产业结构越合理，越有利于地区数字乡村建设发展。近年来，随着乡村振兴战略的持续推进，农村经济发展水平快速提升，逐渐向高质量发展过渡，这势必对农村传统发展模式带来冲击，数字化转型将成为农村实现高质量发展的不二选择。农村经济条件的进步也为开展数字乡村建设提供更有力的支撑。同时，数字乡村建设与乡村经济的各个产业都存在密切联系，第三产业更是在乡村经济数字化转型过程中有举足轻重的地位，如以电子商务行业为代表的数字经济产业在乡村发展规模越大，则越有利于数字乡村建设。
数字基础维度，移动电话普及率、互联网普及率的回归系数均显著为正，表明移动电话与互联网普及率等数字基础设施水平越高，地区数字乡村建设水平会越高。数字化基础设施是数字乡村建设的先决条件，数字乡村的发展离不开数字化、网络化、信息化的应用。中国乡村数字基础设施建设成效显著，《中国数字乡村发展报告（2022年）》（中华人民共和国农业农村部信息中心，2023）指出2022年农村地区互联网普及率高达58.8%，已有5G基站80余万个，实现全国“村村通宽带”“县县通5G”的伟大壮举，数字基础设施建设水平不断提高对农村居民接触数字技术、融入数字生活，对农村地区发展数字经济，提高数字治理能力起重要作用。
人力资本维度，人口规模的回归系数为正，且通过1%水平的显著性检验，表明地区人口规模对数字乡村建设有显著的正向影响。乡村振兴，关键在人，农村人口规模对数字乡村建设的影响不可忽视，人口规模越大，意味着将有更加充足的人力资源投入数字乡村建设。当前，农村劳动力“回流”是中国劳动力流动呈现的新趋势，大量劳动力尤其是农村外出劳动力由东部沿海地区向中西部地区分散回流，有效缓解农村地区人力资源匮乏、农村“空心化”等问题，伴随而来的资金、技术也为乡村数字化发展注入新鲜血液。
在空间滞后项方面，SDM模型的空间滞后项系数（rho）为正，且通过1%水平的显著性检验，说明本地数字乡村建设水平提高，对邻地数字乡村建设起积极促进作用，具有“空间溢出效应”。财政支出与人口规模空间滞后项的回归系数显著为负，对周边地区数字乡村建设有显著的负向影响，体现这2个变量的“虹吸效应”，本地财政支出越多、人口规模越大，邻地的财政支出份额与人口规模会相对减少，对邻地数字乡村建设产生不利影响。经济发展水平表征地区经济基础，地区经济基础差异是导致“数字发展鸿沟”的关键因素之一，本地产业结构越合理，地区经济基础条件越好，越容易扩大与邻地数字乡村建设的差距。而其余变量均未通过显著性检验，说明其余变量产生的数字乡村发展效应具有“本地化”特征，对邻地产生的溢出效应较为微弱。
上述空间计量回归分析忽略了数字乡村建设与其驱动因素可能存在的互为因果问题或因所选驱动因素较少、存在遗漏变量问题而产生的内生性，从而导致模型估计结果可能存在偏误。对此，本文采用Kelejian和Prucha（2010）提出的广义空间两阶段最小二乘法（GS2SLS），重新对模型进行参数估计。GS2SLS可以在不引入外部工具变量的前提下，通过选取全部自变量的空间滞后项作为工具变量，对模型进行更加稳健的参数估计，以削弱内生性问题对估计结果造成的偏误（邵帅 等，2019），结果如表3所示。可以发现，在考虑内生性问题后，各驱动因素对数字乡村建设的影响方向和显著性水平与前文分析一致，验证了本文回归结果的稳健性。

3.3　基于GTWR模型的空间异质性分析

为弥补SAR与SDM模型对于局部层面数字乡村建设驱动因素空间异质性分析的缺失，采用GTWR模型，纳入县域单元具有唯一性的地理位置与时间维度，计算每个县域单元对应的回归系数，在充分考虑时间与空间的非平稳性下，探究县域数字乡村建设驱动因素的空间异质性，结果见表4。
表4 GTWR模型估计结果

Table 4 Estimation results of GTWR Model

变量 回归系数区间 平均值 标准差 P值
Fiscal [-0.027, 0.313] 0.183 0.056 0.000
GDP [-0.137, 8.955] 1.396 1.770 0.000
Industrial [-0.220, 0.300] 0.069 0.098 0.000
Mp [-1.325, 9.986] 0.749 1.629 0.000
Internet [-3.212, 1.750] 0.130 0.689 0.000
Population [-0.007, 1.735] 0.493 0.229 0.000
Bandwidth 0.114
R² 0.703 0
Adjusted R² 0.702 6
从拟合优度看，R²与矫正后的R²均高于0.65，表明GTWR模型能较好地测度县域数字乡村建设驱动因素的空间异质性。从回归系数结果看，财政支出、经济发展水平、产业结构、移动电话普及率、互联网普及率、人口规模等6个变量均通过1%水平的显著性检验，且回归系数的平均值均＞0，说明所筛选的6个关键因素对绝大多数县域单元的数字乡村建设水平均存在显著的正向影响。但各变量的回归系数区间存在较大差异，说明不同变量对于县域数字乡村建设水平的影响程度不同。因此，利用GTWR模型可以测算时间维度上每个县域单元对应回归系数的优势，将不同变量对于县域数字乡村建设水平的异质性影响进行可视化分析。限于篇幅，将2019—2020年各县域对应的回归系数作均值处理，根据等分法将其由低水平到高水平划分成5个等级，如图5所示。
从财政支出回归系数的空间分布看，财政支出对浙江、福建等东部沿海县域以及西藏、青海等西部内陆县域数字乡村建设影响较强。浙江、福建等东部沿海县域依靠地理区位及经济条件优势，较早开始接触与运用数字技术，为数字乡村建设打下了良好基础，拥有较多的数字化转型发展先进县与示范县，是政府重点关注与培养的县域数字化转型要地，得到政府财政的大力支持，如长兴县、桐乡市等县域在浙江省数字经济“一号工程”建设的大力支持下，有效加快其数字化发展进程；西藏、青海等西部内陆县域由于财政实力较为薄弱，可用于数字乡村建设的财政支出相对较少，而数字乡村建设是一个复杂的系统工程，前期需要大量的资金投入，较少的财政支持导致其数字基础设施薄弱，数字化发展进程较慢。但在区域均衡发展战略的引领下，西部内陆县域得到更多的国家政策支持与财政转移性收入，大幅提升其数字乡村建设能力。
从经济发展水平回归系数的空间分布看，经济发展水平对数字乡村建设的影响力由西北、西南地区向东南地区递减，影响水平较高县域主要分布在新疆、西藏、贵州、云南等地区。经济发展水平代表一个县域单元的经济实力，也在一定程度上表征数字乡村的建设能力，往往经济发展水平越好的县域，数字乡村建设水平越高。新疆、西藏、贵州、云南等经济发展水平较为落后的县域想要加速数字乡村建设进程，必须着力提升经济实力，为县域数字化转型提供更坚实的经济支撑；从产业结构回归系数的空间分布看，产业结构对数字乡村建设影响力较强的县域主要集中在云南、新疆、辽宁等以农业生产为主、农业产值占比较大的地区，这些县域单元第三产业占比较小，发展还不充分，产业结构优化对其数字乡村建设有更显著的促进作用。
从移动电话普及率与互联网普及率回归系数的空间分布看，二者有较为相似的特征，影响等级呈现西北地区向东南地区递减的态势，影响力较强的地区主要分布在新疆、西藏、青海等西北内陆县域。移动电话与互联网作为数字信息流动的基础媒介和载体，在“宽带中国”“乡村4G”等数字基础设施普及政策推广下，在全国范围内已得到基本普及，但新疆、西藏等西北内陆县域由于地广人稀、海拔较高且经济发展较为落后，网络化与信息化数字基础设施建设成本较高、难度较大，普及程度相对较低。因此，提高这些县域的移动电话普及率与互联网普及率对数字乡村建设的发展有较强影响。
图5 GTWR模型回归系数空间分布

Fig.5 Spatial distribution of regression coefficients of GTWR model

从人口规模回归系数的空间分布看，人口规模对数字乡村建设影响力较强的县域主要分布在西部与东北部等内陆地区，如西藏西南部、内蒙古东部、东北大部分地区，这意味着人口规模的扩大对这些县域单元数字乡村建设水平的提升有较大促进作用。西部与东北部地区由于深居内陆，经济发展水平较为落后，相对劣势的地理区位条件与经济条件导致人口大量外流，缺乏数字乡村建设的行动主体。促进人口回流、扩大人口规模，更有利于激活这些地区数字乡村建设乃至乡村振兴的内生动力。
总的来说，财政支出、经济发展水平、产业结构、移动电话普及率、互联网普及率、人口规模6个变量对于不同县域单元的数字乡村建设具有明显的异质性影响，各县域单元需结合自身的优势与短板，针对各自要素禀赋和关键驱动因子，协同精准推进乡村数字化进程。

4 结论与讨论

本文基于空间异质性视角，对县域数字乡村建设的区域差异进行了探究，进一步利用SAR和SDM模型验证县域数字乡村建设存在的空间特性及其驱动因素，并通过GTWR模型探讨数字乡村建设驱动因素的空间异质性，研究发现：
1）数字乡村建设水平区域差异明显，呈现出由“东部沿海地区向内陆地区”递减的“阶梯式”空间分异格局。东部地区借助得天独厚的区位条件和较好的经济发展基础，形成良好的数字经济发展条件，数字乡村建设高水平县集聚于该地区；中部地区数字乡村建设水平呈交错分布态势；东北与西部地区受限于自身经济发展条件与区位条件，数字乡村建设水平落后于东部与中部地区。
2）数字乡村建设存在明显的空间集聚特征，具体表现为东部与中部部分地区“高高集聚”，西部与东北部地区“低低集聚”。数字乡村指数的4个分维度指标在空间上也呈现一定的地理分异格局，其中乡村数字基础设施指数发展水平高于其他指数，发展较为充分；乡村经济数字化指数、乡村治理数字化指数与乡村生活化数字指数具有明显的空间集聚与异质性特征，表现为以“胡焕庸线”为界东南高、西北低的空间分异格局。
3）利用逐步回归从政府职能、经济基础、数字基础、人力资本4个维度筛选出财政支出、经济发展水平、产业结构、移动电话普及率、互联网普及率、人口规模等6个与数字乡村建设显著相关变量，进一步通过能识别空间效应的SAR和SDM模型论证了这6个关键因子对数字乡村建设的显著正向促进作用，发现数字乡村建设存在明显的“空间溢出效应”。在考虑内生性问题的基础上，利用GS2SLS模型验证了回归结果的稳健性。
4）利用GTWR模型可以进行局部参数估计的优势，发现不同因素对县域数字乡村建设具有空间异质性影响，其中财政支出对浙江、福建等东部沿海县域以及西藏、青海等西部内陆县域数字乡村建设影响较强；经济发展水平对数字乡村建设的影响强度由西北、西南地区向东南地区递减；产业结构对以农业生产为主、农业产值占比较大的县域影响较强；移动电话普及率、互联网普及率与人口规模对新疆、西藏等西北内陆县域影响较强。各县域单元应结合自身优势与短板，针对各自要素禀赋和关键驱动因子，协同精准推进乡村数字化进程。
根据本研究结论，得到一些政策启示：首先，精准把握县域数字乡村建设的关键要素，抓住数字乡村建设的发展共性，整体推进数字乡村建设进程。如整体提升县域经济发展水平，缩小地区经济差距；注重县域教育事业发展，提高农民现代化信息技能；完善数字化基础设施建设，提高数字乡村建设效率等。其次，立足县域发展的实际需要，把握县域数字乡村建设的特性，坚持突出特色和补足短板并重的原则，因地制宜地制定差异化发展措施。如新疆、西藏等西部内陆县域需加大数字基础设施的普及力度，扩宽数字技术的传播载体，有效实现数字技术嵌入乡村发展与转型；云南、东北等县域则需加快促进人口回流，扩充数字乡村建设行动主体，激活内生发展动力等。最后，数字乡村建设是一项庞大的系统工程，需要政府提供大力支持和正确引导。一方面，需完善县域数字乡村建设的顶层设计，加大县域数字乡村发展的支持力度，提高县域数字乡村建设的广度与深度；另一方面，要采取更公平的区域发展措施，鼓励引导数字乡村建设先进地区与落后地区交流合作，发挥数字乡村建设的带动辐射效应，缩小区域数字乡村发展鸿沟。
县域单元作为数字乡村建设的基础单元，从县域尺度出发能较好地反映数字乡村建设的发展状况与时空分异特征，相较于省级或地级市单元来说，更具突出性与代表性。与已有研究相比，本文可能存在的边际贡献在于：第一，探究县域尺度下中国数字乡村建设的区域差异及其驱动因素，具有直达基层、更加细致全面的优势，对现有研究具有一定的补充价值。第二，基于空间视角系统考虑数字乡村建设潜在的空间异质性特征，弥补现有文献对数字乡村建设空间效应探讨的不足，采用空间面板模型与时空地理加权回归模型识别数字乡村建设的驱动因素，对认识当前中国县域数字化转型的内在驱动机理具有一定启示意义。此外，本文仍存在一些不足：1）受限于中国县域数字乡村指数数据公布年份较短且2018年与2019、2020年指数衡量指标发生变化，影响了指数的连续性和可比较性，本文仅探讨了数字乡村建设的区域差异，若未来数据公布年份进一步延长，可深入探究数字乡村建设的时空变化特征；2）尽管利用GS2SLS在不引入外部工具变量的前提下，通过选取全部自变量的空间滞后项作为工具变量，考虑了空间计量模型的内生性问题，但采取的工具变量并非专门针对所选6个驱动因素与数字乡村建设之间存在的互为因果问题，未来可选取1984年每百万人邮局数、距离杭州距离等专门的外部工具变量进一步控制内生性问题。

1 具体指标体系可见：北京大学新农村发展研究院. https://www.ccap.pku.edu.cn/nrdi/xmycg/yjxm/index.htm。另需要说明的是，该数据库实际上发布了2018—2020年3年的指数，但2018年的测算指标体系与2019、2020年略有不同，所测算的指数不便于直接比较，为此本文删除2018年数据，仅用2019—2020年数据进行分析。

2 2019年县域数字乡村指数的空间分布特征与2020年相似，限于篇幅，不做展示。如有需要，可向作者索取。另外，本文原欲做时空动态分析，但限于2019―2020两年数据过短，难以在长时间序列上做分析，为此本文仅作空间差异分析。

曾永明：提出研究思路，修订研究方案，修改论文，课题基金支持；

钟子康：数据收集、处理，论文撰写与修改。

References

Publishing order | Descend order by publishing year | Descend order by cited within
北京大学新农村发展研究院. 2022. 县域数字乡村数据库. （2022-05-16）[2022-07-21]. [New Rural Development Research Institute of Peking University. 2022. County Digital Rural Database. (2022-05-16) [2022-07-21]. https://www.ccap.pku.edu.cn.

陈国军，王国恩. 2022. “盒马村”的“流空间”透视：数字农业经济驱动下的农业农村现代化发展重构. 农业经济问题，（1）：88-107.

Chen Guojun and Wang Guo'en. 2022. The Perspective of "Flow Space" of "Hema Village": The Reconstruction of Agricultural and Rural Modernization Driven by Digital Agriculture Economy. Agricultural Economic Issues, (1): 88-107.

陈鑫鑫，段博. 2022. 数字经济缩小了城乡差距吗？——基于中介效应模型的实证检验. 世界地理研究，31（2）：280-291.

Chen Xinxin and Duan Bo. 2022. Has the Digital Economy Narrowed the Urban-Rural Gap: An Empirical Test Based on the Mesomeric Effect Model. World Geographic Research, 31 (2): 280-291.

陈梦根，周元任. 2022. 数字不平等研究新进展. 经济学动态，（4）：123-139.

Chen Menggen and Zhou Yuanren. 2022. New Progress in Research on Digital Inequality. Economic Dynamics, (4): 123-139.

付政. 2022. 网络时代数字经济对农村发展模式的影响研究. 农业技术经济，（7）：145.

Fu Zheng. 2022. Research on the Impact of Digital Economy on Rural Development Models in the Internet Era. Agricultural Technology Economy, (7): 145.

Fotheringham S A, Crespo R, and Yao J. 2015. Geographical and Temporal Weighted Regression (GTWR). Geographical Analysis, 47(4): 431-452.

国家统计局农村社会经济调查司. 2020—2021. 中国县域统计年鉴（县市卷）. 北京：国家统计出版社.

Rural Social and Economic Survey Department of the National Bureau of Statistics. 2020-2021. China Statistical Yearbook (County-Level). Beijing: China Statistical Press.

黄季焜. 2022. 加快农村经济转型，促进农民增收和实现共同富裕. 农业经济问题，（7）：4-15.

Huang Jikun. 2022. We Will Accelerate the Transformation of the Rural Economy, Increase Farmers' Income and Achieve Common Prosperity. Agricultural Economic Issues, (7): 4-15.

Kelejian H H and Prucha I R. 2010. Specification and Estimation of Spatial Autoregressive Models with Autoregressive and Heteroskedastic Disturbances. Journal of Econometrics, 157(1): 53-67.

Krugman P. 1991. Increasing Returns and Economic Geography. Journal of Political Economy, 99(3): 483-499.

Li Xiaojing, Singh C R B, and Xia Xianli. 2022. Analysis on Regional Differences and Spatial Convergence of Digital Village Development Level: Theory and Evidence From China. Agriculture, 12(2): 164.

Lars-Hendrik R and Leonard W. 2001. Telecommunications Infrastructure and Economic Development: A Simultaneous Approach. The American Economic Review, 91(4): 909-923.

罗志伟，何慧妍，王敏. 2022. 乡村振兴背景下的数字化农业空间构建与实践——以广东省紫金县茶产业为例. 热带地理，42（8）：1324-1334.

Luo Zhiwei, He Huiyan, and Wang Min. 2022. The Construction and Practice of Digital Agricultural Space in the Context of Rural Revitalization: Taking the Tea Industry in Zijin County, Guangdong Province as an Example. Tropical Geography, 42 (8): 1324-1334.

黎翠梅，周莹. 2021. 数字普惠金融对农村消费的影响研究——基于空间计量模型. 经济地理，41（12）：177-186.

Li Cuimei and Zhou Ying. 2021. Research on the Impact of Digital Inclusive Finance on Rural Consumption: Based on Spatial Econometric Models. Economic Geography, 41(12): 177-186.

彭继增，陶旭辉，徐丽. 2019. 我国数字化贫困地理集聚特征及时空演化机制. 经济地理，39（2）：169-179.

Peng Jizeng, Tao Xuhui, and Xu Li. 2019. Geographical Agglomeration Characteristics and Spatiotemporal Evolution Mechanism of Digital Poverty in China. Economic Geography, 39 (2): 169-179.

秦芳，王剑程，胥芹. 2022. 数字经济如何促进农户增收?——来自农村电商发展的证据. 经济学（季刊），22（2）：591-612.

Qin Fang, Wang Jiancheng, and Xu Qin. 2022. How Does the Digital Economy Promote Farmers' Income Growth Evidence from the Development of Rural E-Commerce. China Economic Quarterly, 22 (2): 591-612.

Robert H. 1987. Income Diffusion and Spatial Econometric Models. Geographical Analysis, 19(1): 57-68.

Romer P M. 1990. Endogenous Technological Change. Journal of Political Economy, 98(5): 71-102.

沈费伟，袁欢. 2020. 大数据时代的数字乡村治理：实践逻辑与优化策略. 农业经济问题，（10）：80-88.

Shen Feiwei and Yuan Huan. 2020. Digital Rural Governance in the Era of Big Data: Practical Logic and Optimization Strategies. Agricultural Economic Issues, (10): 80-88.

邵帅，李欣，曹建华. 2019. 中国的城市化推进与雾霾治理. 经济研究，54（2）：148-165.

Shao Shuai, Li Xin, and Cao Jianhua. 2019. China's Urbanization Promotion and Haze Control. Economic Research, 54 (2): 148-165.

温涛，陈一明. 2020. 数字经济与农业农村经济融合发展：实践模式、现实障碍与突破路径. 农业经济问题，（7）：118-129.

Wen Tao and Chen Yiming. 2020. Integrated Development of Digital Economy and Agricultural and Rural Economy: Practice Mode, Practical Obstacles and Breakthrough Path. Agricultural Economic Issues, (7): 118-129.

王敏，罗志伟，方彦圳. 2022. 面向数字技术的乡村社会文化地理研究. 地理科学进展，41（3）：499-509.

Wang Min, Luo Zhiwei, and Fang Yanzhen. 2022. Research on Rural Socio-Cultural Geography Oriented towards Digital Technology. Progress in Geography, 41 (3): 499-509.

夏显力，陈哲，张慧利，赵敏娟. 2019. 农业高质量发展：数字赋能与实现路径. 中国农村经济，（12）：2-15.

Xia Xianli, Chen Zhe, Zhang Huili, and Zhao Minjuan. 2019. High Quality Agricultural Development: Digital Empowerment and Implementation Path. China Rural Economy, (12): 2-15.

王定祥，胡建，李伶俐. 2023. 数字经济发展：逻辑解构与机制构建. 中国软科学，（4）：43-53.

Wang Dingxiang, Hu Jian, and Li Lingli. 2023. The Development of Digital Economy: Logical Deconstruction and Mechanism Construction. China Soft Science, (4): 43-53.

王彬燕，田俊峰，程利莎. 2018. 中国数字经济空间分异及影响因素. 地理科学，38（6）：859-868.

Wang Binyan, Tian Junfeng, and Cheng Lisha. 2018. Spatial Differentiation and Influencing Factors of China's Digital Economy. Geographic Sciences, 38 (6): 859-868.

辛宇，林耿，林元城. 2022. 数字技术力量下的乡村重构. 地理科学进展，41（7）：1300-1311.

Xin Yu, Lin Geng, and Lin Yuancheng. 2022. Rural Reconstruction under the Power of Digital Technology. Progress in Geography, 41 (7): 1300-1311.

杨忍. 2021. 珠三角地区典型淘宝村重构过程及其内在逻辑机制. 地理学报，76（12）：3076-3089.

Yang Ren. 2021. The Reconstruction Process and Internal Logical Mechanism of Typical Taobao Villages in the Pearl River Delta Region. Journal of Geography, 76 (12): 3076-3089.

杨忍，林元城. 2023. 论乡村数字化与乡村空间转型. 地理学报，78（2）：456-473.

Yang Ren and Lin Yuancheng. 2023. On Rural Digitalization and Rural Spatial Transformation. Journal of Geography, 78 (2): 456-473.

余运江，杨力，任会明. 2023. 中国城市数字经济空间格局演化与驱动因素. 地理科学，43（3）：466-475.

Yu Yunjiang, Yang Li, and Ren Huiming. 2023. The Evolution and Driving Factors of the Spatial Pattern of China's Urban Digital Economy. Geographic Science, 43 (3): 466-475.

张旺，白永秀. 2022. 数字经济与乡村振兴耦合的理论构建、实证分析及优化路径. 中国软科学，（1）：132-146.

Zhang Wang and Bai Yongxiu. 2022. Theoretical Construction, Empirical Analysis, and Optimization Path of the Coupling between Digital Economy and Rural Revitalization. Chinese Soft Science, (1): 132-146.

中华人民共和国互联网信息办公室. 2022. 数字乡村发展行动计划（2022—2025年）. （2022-01-25）[2023-12-21]. [Internet Information Office of the People's Republic of China. 2022. Action Plan for Digital Rural Development (2022-2025). (2022-01-25) [2022-09-01].http://www.cac.gov.cn/2022-01/25/c_1644713315749608.htm.

中共中央，国务院. 2018. 中共中央 国务院关于实施乡村振兴战略的意见. （2018-02-04）[2022-09-01]. [The Communist Party of China Central Committee and the State Council of the People's Republic of China. 2018. Opinions of the Central Committee of the Communist Party of China and the State Council on Implementing the Rural Revitalization Strategy. (2018-01-02) [2022-09-01]. https://www.gov.cn/zhengce/2018-02/04/content_5263807.htm.

曾亿武，宋逸香，林夏珍，傅昌銮. 2021. 中国数字乡村建设若干问题刍议. 中国农村经济，（4）：21-35.

Zeng Yiwu, Song Yixiang, Lin Xiazhen, and Fu Changluan. 2021. Discussion on Several Issues in the Construction of Digital Countryside in China. China Rural Economy, (4): 21-35.

朱红根，陈晖. 2022. 中国数字乡村发展的水平测度、时空演变及推进路径. 农业经济问题，（3）：21-33.

Zhu Honggen and Chen Hui. 2022. The Level Measurement, Spatiotemporal Evolution, and Promotion Path of Digital Rural Development in China. Agricultural Economic Issues, (3): 21-33.

中共中央办公厅，国务院办公厅. 2019. 数字乡村发展战略纲要. （2019-05-16）[2023-12-21]. [The General Office of the Communist Party of China Central Committee and the General Office of the State Council of the People's Republic of China. 2019. Outline of Digital Rural Development Strategy. (2019-05-16) [2023-12-21]. https://www.gov.cn/gongbao/content/2019/content_5395476.htm.

周飞舟. 2021. 从脱贫攻坚到乡村振兴：迈向“家国一体”的国家与农民关系. 社会学研究，36（6）：1-22.

Zhou Feizhou. 2021. From Poverty Alleviation to Rural Revitalization: Towards a "Family Country Integration" Relationship between the State and Farmers. Sociological Research, 36 (6): 1-22.

中华人民共和国农业农村部信息中心. 2023. 中国数字乡村发展报告（2022年）. （2023-03-01）[2023-12-24]. [Information Center of the Ministry of Agriculture and Rural Affairs of the People's Republic of China. 2023. China Digital Rural Development Report (2022). (2023-03-01) [2023-12-24]. https://www.moa.gov.cn/xw/zwdt/202303/t20230301_6421963.htm.

Options
Outlines

/

〈 〉