主成分分析(PCA)是一种数学算法，其中观察值由几个相互关联的定量因变量描述，它的目标是从表中提取重要信息，将其表示为一组称为主成分的新正交变量，并将观察值和变量的相似性模式显示为图中的点 [17] 。它通过降低数据的维度，把多指标转化为少数几个综合指标(主成分)，每个主成分都是原始变量的线性组合，且每个主成分互不相关。已有诸多文献运用熵值-TOPSIS法、熵权法、时序加权平均算子法及空间统计分析法等测算农业发展水平，而本文在构建数字经济嵌入农业发展评价指标体系的基础上运用主成分分析法进行科学测度，即将其20个分项指标综合为一个指标，并将该综合指标称为数字经济嵌入农业发展指数。这样处理整合数据可以在损失较少数据信息的基础上把多个指标转化为几个有代表性的综合指标，且综合指标的解释能力大于单项指标的解释能力。

数字经济嵌入农业发展是一个动态的系统性过程，如何精准刻画农业数字化水平至关重要，已有研究主要将数字经济与农业发展作为两个核心变量，分别构建指标体系，如薛选登等从抵抗风险能力、适应调节能力、转型创新能力三个维度构建农业发展韧性指标体系，以数字经济基础设施、数字经济应用水平、数字经济发展潜力和数字经济发展环境四个方面构建数字经济指标体系 [18] 。本文在前人研究的基础上进行融合提炼，从投资数字化、生产数字化、经营数字化、流通数字化、生活数字化五个维度构建了数字经济嵌入农业发展评价指标体系(见 表1 )，并采用主成分分析法合成得到长江经济带11个省份农业数字化水平(Di)。

面板数据指的是在一段内跟踪同一组个体的数据。本文运用面板数据可以解决遗漏变量问题，提供更多个体动态行为的信息，且因为样本容量较大，可以提高估计的精确度。为了研究数字经济嵌入农业发展对城乡均衡收入的影响，本文参考陈强、Lin S、Beck等学者的研究建立三个面板模型 [19] - [21] 。式子(1)为混合回归模型，即像处理截面数据那样进行OLS回归，基本假设为不存在个体和时间不可观测因素。式子(2)为固定效应模型，而固定效应模型分为个体固定效应模型和时间固定效应模型。个体固定效应模型解决了不随时间而变但随个体而异的遗漏变量问题，时间固定效应模型则解决了不随个体而变但随时间而变的遗漏变量问题。式子(3)为随机效应模型，它将固定效应模型的回归系数看作随机变量，基本假设为 ${\mu }_i$解释变量均不相关。

${\text{Ei}}_{it}=\alpha +{\beta }_1{\text{Di}}_{it}+{\beta }_2{\text{Ur}}_{it}+{\beta }_3{\text{Eco}}_{it}+{\beta }_4{\text{Gov}}_{it}+{\beta }_5{\text{Edu}}_{it}+{\beta }_6{\text{Ind}}_{it}+{\beta }_7{\text{Fin}}_{it}+{\beta }_8{\text{Open}}_{it}+{\epsilon }_{it}$(1)

${\text{Ei}}_{it}=\alpha +\beta {\text{Di}}_{it}+\delta X_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}$(2)

${\text{Ei}}_{it}=\alpha +\beta {\text{Di}}_{it}+\delta X_{it}+{\mu }_i+{\epsilon }_{it}$(3)

式(1)中i和t分别表示省份和年份； ${\text{Ei}}_{it}$为省份i第t年的城乡均衡收入水平； ${\text{Di}}_{it}$为省份i第t年的数字经济嵌入农业发展水平；省际层面控制变量包括城镇化水平(Ur)、经济发展水平(Eco)、财政支出(Gov)、人均受教育水平(Edu)、工业化水平(Ind)、金融活跃度(Fin)、对外开放水平(Open)； ${\epsilon }_{it}$为随机扰动项。若 ${\beta }_1$系数显著为正则数字经济嵌入农业发展助推了城乡均衡收入，反之，则抑制了城乡均衡收入。式(2)中 $X_{it}$表示一系列控制变量； ${\mu }_i$表示地区固定效应； ${\lambda }_t$表示年份固定效应。本文分别采用混合效应模型、双向固定效应模型、随机效应模型对数字经济嵌入农业发展对城乡均衡收入发展的影响进行回归分析。

本文以数字经济嵌入农业发展为解释变量，城乡均衡收入水平为被解释变量，其中被解释变量通过城乡均衡收入 = 农村居民人均可支配收入/城镇居民人均可支配收入来表示。参考以往研究文献，选取以下一系列控制变量：① 城镇化水平(Urban)，控制地区城镇化率，采用城镇人口与地区人口之比衡量。② 经济发展水平(Eco)，通过人均GDP来反映各省经济发展状况。③ 财政支出(gov)，控制财政投入对收入分配的影响，以地方财政支出中的农业支出项目与GDP的比值作为政府财政支出水平的代理变量。④ 人均受教育水平(edu)，控制地区人口素质，计算公式如下：人口平均受教育年限 = 小学人口比重 × 6 + 初中人口比重 × 9 + 高中及中专人口比重 × 12 + 大专及大专以上人口比重 × 16。⑤ 工业化水平(Ind)，采用第二产业增加值占GDP的比重衡量。⑥ 金融活跃度(Fin)，通过金融增加值占GDP比重来衡量金融发展水平。⑦ 对外开放水平(Open)，通过外资注册投资额占GDP比重来表示市场的开放程度 [15] [22] 。

本文选取的研究样本为2011~2021年中国长江经济带11个省(市)的面板数据，数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国工业统计年鉴》《中国环境统计年鉴》和各省统计年鉴，少量缺失数据采用线性插值法或ARIMA进行填补。 表2 为主要变量的描述性统计结果。

数字经济嵌入农业发展水平呈现明显的空间分异特征，本文运用ArcGIS软件对研究期内中国长江经济带11个省(市) 2011年、2014年、2017年和2021年这四年的数字经济嵌入农业发展结果进行空间

可视化处理(见 图1 )。从时间上来看，农业数字化发展水平整体上呈上升趋势，其中截止2021年发展水平最高的省份为江苏，增速最快的为贵州。从空间上来看，下游长三角地区发展水平最高，这可能与其优越的地理位置、强有力的政策支持与雄厚的经济基础有关。近年来，长三角区域协同创新指数年均增长速度达到9.47%，浓厚的科技创新氛围使得农村地区数字化进程的推进更加顺利。其次是中游城市群，由于存在资源错配、城市之间的空间相互作用较弱、经济联系不够紧密等问题，使得城乡发展差异较大，区域之间发展不平衡 [23] 。

上游成渝经济区农业数字化水平相较于长江经济带其他两个区域稍显落后。现有行政管辖区划形成地域分割和行业垄断比较严重，不利于跨省级经济区协调发展，因此资源与要素流动存在障碍，城乡经济循环堵塞，亟需打造高水平的科技人才队伍，进而更好地推动农村产业向数字化、精细化方向转型升级。中国整体农业数字化发展情况向好，但想要实现区域协调发展仍任重道远 [24] 。

本文基于先前运用的城乡均衡收入水平计算公式测算出的指数，并选择2011年和2021年这两个时间节点进行对比研究(如 图2 )。从整体上来看，中国长江经济带平均城乡收入水平从样本初期的0.38上升到0.43，年平均增幅高达13.26%，表明中国城乡居民收入差距在持续缩小。从发展趋势上来看，2011—2021年长江经济带城乡均衡收入水平均呈快速上升趋势，其中增速最快的为云南，其次为贵州。从空间差异上进行比较，2011年仅有浙江等地区城乡收入较为均衡，到了2021年，均衡地区的范围进一步扩大到了江苏、湖北等地区，而云南、贵州等长江经济带上游地区虽然发展水平较快，但是因为经济落后、自然条件恶劣等不利条件，这些省份城乡收入差距较大。研究期限内，11个省(市)城乡均衡收入水平存在“下游 > 中游 > 上游”的空间分布规律，上游地区因为地理位置优越、经济发达、政策支持等因素诞生了许多中心城市和城市群，聚集了许多高精尖产业，从而能够聚集更多的人口与生产要素，对周边地区产生了辐射效应，带动其他地区发展，提高居民收入水平。但同时，数字经济的发展也会使部分地区在短期内出现数字鸿沟，加速经济落后、通信基础设施不完善的地区的虹吸效应。综合来看，虽然随着农业数字化的发展，我国长江经济带各个省(市)之间的差距不断缩小，但是仍然存在极大的城乡收入不平衡现象，区域差距明显，以长三角城市群为“高地”的空间格局短期内仍难以改变。

本文分别用随机效应模型、固定效应模型、混合效应模型进行回归分析，选择结果较好的模型(见 表3 )探究数字经济嵌入农业发展对城乡均衡收入水平的影响，发现Di的回归系数无明显变化，且在1%的水平上都显著为正，表明数字经济嵌入农业发展总体上能够有效助推长江经济带城乡均衡收入。其中，第(3)列为控制地区固定效应的结果，第(4)列进一步控制了年度固定效应。根据双因素固定效应模型，从经济意义上来看，农业数字化每增加1%，会使城乡均衡收入发展程度平均增加3%，原因可能有三点。一是数字经济嵌入农业发展使得农村地区5G、物联网、人工智能、大数据、智慧气象等基础设施更加完善，有效推进了数字技术与农业的深度融合。同时乡村旅游、智慧农业的兴起吸引一大批企业家、大学生、农民工返乡，有利于打破城乡壁垒，促进居民与生产要素在城乡的双向流动，从而为畅通国内大循环、缩小城乡收入差距打下了坚实的基础。二是“互联网+”与农业产业融合提高“产前、产中、产后”三大环节的效率与精准性。三是数字经济为传统农业赋能，推动乡村产业数字化转型，最终实现农民共同富裕。乡村数字化显著提高了地区农业发展韧性水平，使农业产业链供应链更加完善、更加稳定，而这有利于保障农民利益，稳定并逐步提高农民收入 [25] 。

从控制变量上来看，城镇化水平(Ur)与城乡均衡收入水平在1%显著性水平上正相关。2018年党的十八大首次提出“新型城镇化”这一概念，有助于中国走以城带乡的道路，进而提高农民收入，缩小城乡收入不平衡的鸿沟。经济发展水平(Eco)说明经济较为发达的地区存在着正向的溢出效应，有利于“先富带后富、先富帮后富”的良性机制。国家一直以来高度重视农业发展，2022年我国农林水支出一般公共预算为22,499.76亿元，相较于2021年同比增长2.1%。农业财政支出(gov)有助于改善农业生产条件、提升农业生产效率、促进农业技术进步，提高农村就业水平进而缩小城乡收入差距 [26] 。人均受教育水平(edu)对城乡均衡收入显著为负可能是因为经济和科技更为发达的城市对高素质人才产生了虹吸效应，导致农业优质劳动力流失 [27] 。工业化水平(Ind)的提高有助于发展城乡要素双向流动的新型农村集体经济，形成以工补农、工农互促的新型工农城乡关系。金融活跃度(Fin)、对外开放水平(Open)越高，农村经营环境越好，城乡收入越均衡，但其在统计上不显著。

注：^*、^**、^***分别代表估计量在10%、5%、1%的水平下的显著情况，括号内为回归系数的t或z值。

为了进一步探究数字经济嵌入农业发展与城乡均衡收入水平的影响机制，本文在数字经济嵌入农业发展评价指标体系分别选取农村网络投资数量及规模、农业生产电气化程度、企业参加电子商务活跃度、农村消费品零售水平、农民交通通讯支出水平用来代表投资数字化、生产数字化、经营数字化、流通数字化、生活数字化，分别用Di₁、Di₂、Di₃、Di₄、Di₅表示，并进行回归分析。

由 表4 可知，投资、生产、流通、生活数字化对长江经济带城乡均衡收入的影响均较为显著，除了经营数字化外，其他四个侧面均能有效促进城乡均衡收入。目前一些农村地区经济基础薄弱，经营主体弱小分散，信用体系建设落后，较低的受教育程度和落后的数字基础设施使得数字农业在推广过程中出现了排斥现象 [26] [27] 。农村企业不愿意或者没有能力参加电子商务，而城市较好的经济与数字环境为城市企业积极参加电子商务提供沃壤，这也加剧了城乡收入差距。这可能是导致经营数字化阻碍城乡均衡收入的重要原因之一。鉴于此，政府加大对农村网络投资的力度有助于改善落后的基础设施，吸引人才、资金等向农村流动，进而带动农村经济发展。此外，政府要强化顶层设计，精准帮扶农村搭建数字化共享平台，打破区域和城乡的限制以更好地整合数据资源，实现以城带乡，促进投资数字化、生产数字化、经营数字化、流通数字化和生活数字化五者之间的融合发展，不断缩小城乡收入差距，最终实现共同富裕。

注：^*、^**、^***分别代表估计量在10%、5%、1%的水平下的显著情况，括号内为回归系数的t或z值。

数字经济嵌入农业发展对城乡均衡收入水平的影响可能存在时滞，本文考虑农业数字化政策的长期效应，考察滞后1至2年的影响效果。 表5 中列(1)和列(2)的回归结果显示，滞后一期、两期变量的回归系数均显著为正，表明数字经济嵌入农业发展对城乡均衡收入水平具有显著持续的促进作用，且促进作用逐渐增强。本文采用面板双向固定效应模型进行基准回归，在一定程度上降低了遗漏变量造成的内生性问题；此外，在解释变量(Di)和被解释变量(Ei)的指标选取上，进行了主观避让，降低了双向因果产生的内生性问题。

前文被解释变量城乡均衡收入水平用农村居民人均可支配收入与城镇居民人均可支配收入的比值来表示，考虑到目前中国经济存在着居民消费率偏低的痛点问题，二十大报告也提出要增强消费对经济发展的基础性作用，扩大内需。本文更换计算方法，使城乡均衡收入通过农村居民消费支出与城镇居民消费支出水平的比值来进行衡量。 表5 中列(3)的回归系数在1%的系数上仍然显著为正且相较于更换被解释变量之前更加显著，说明农业数字化发展可以拓宽农民收入渠道，从而提高农民的购买能力和消费意愿，刺激农村消费，持续释放城乡消费潜力，最终促进城乡消费支出均衡。以上结果均证实了基准回归结果的稳定性。

注：^*、^**、^***分别代表估计量在10%、5%、1%的水平下的显著情况，括号内为回归系数的t或z值。

前文从全国层面研究了数字经济嵌入农业发展对长江经济带城乡均衡收入的影响。考虑到本文选取的是省际面板数据，不同区域的开发政策、经济状况、资源禀赋和生态环境差异较大，农业数字化对不同区域城乡经济带均衡收入水平的影响可能存在异质性。鉴于此，本文将长江经济带全样本划分为上游成渝经济区、中游城市群、下游长三角地区共三个子样本分别进行回归分析，对可能存在的异质性进行深入分析，这对于辨识影响区域差异的关键要素，更好地推动长江经济带城乡的区域协同发展具有重要意义。 表6 为区域异质性检验结果。根据结果可知，上游成渝经济区、中游城市群和下游长三角地区数字经济嵌入农业发展对城乡均衡收入水平提升具有促进作用并且呈递减趋势，但是下游长三角地区的促进作用不显著。成渝地区双城经济圈农业发达，其中四川省在2022年第一产业的增加值为5964.3亿元，在全国各省中排名第2。随着农业数字化的不断发展和国家政策的扶持，成渝地区不断推动物联网、智能控制与卫星定位等在农机作业中的应用，使传统农业得以转型升级，农民生活水平大大提高。而下游长三角地区城乡发展差异较大，展现出圈层式的空间分异格局二元性人口互流矛盾，农业数字化对城乡均衡收入的影响不明显 [28] 。区域异质性检验结果可知数字经济嵌入农业发展对各个区域城乡收入水平的影响效果不同，虽然整体上都会促进收入均衡，但是并不都显著。城市与乡村是一个互促互进的有机整体，要使数字经济助推农业发展，破除城乡二元结构和城乡收入水平不均衡的困境，实现上游成渝经济区、中游城市群和下游长三角地区城乡协同发展。

注：^*、^**、^***分别代表估计量在10%、5%、1%的水平下的显著情况，括号内为回归系数的t或z值。