縣域數(shù)字鄉(xiāng)村發(fā)展對農(nóng)村人口外流的影響

摘要：基于2021年廣西100個縣區(qū)數(shù)據(jù)測算了人口外流率，運用空間自相關方法分析了縣域農(nóng)村人口外流類型的空間集聚與分異，并通過構建空間滯后模型和空間誤差模型考查數(shù)字鄉(xiāng)村發(fā)展對縣域農(nóng)村人口外流的空間溢出效應.結果顯示：廣西絕大部分縣域人口處于凈流出狀態(tài)，只有雁山區(qū)和龍圩區(qū)處于人口凈流入狀態(tài)；人口外流類型在空間分布上存在一定集聚特征，其中，桂東北的部分縣域呈現(xiàn)低-低集聚，桂東南的部分縣域呈現(xiàn)高-高集聚特征；數(shù)字鄉(xiāng)村發(fā)展能有效抑制縣域農(nóng)村人口外流，縣域農(nóng)村人口外流不僅受本縣數(shù)字鄉(xiāng)村發(fā)展的影響，還受到其他縣域數(shù)字鄉(xiāng)村空間溢出效應的影響；數(shù)字鄉(xiāng)村對市轄區(qū)與縣域農(nóng)村人口外流的影響具有異質(zhì)性.未來，廣西應著力發(fā)展縣域數(shù)字經(jīng)濟，進一步挖掘縣域吸收農(nóng)村勞動力的潛力，提高縣域農(nóng)村居民收入，抑制人口外流.

關鍵詞：數(shù)字鄉(xiāng)村；人口外流；空間分析；溢出效應

中圖分類號：F 304.6""" 文獻標志碼：A""" 文章編號：1001-988Ⅹ（2024）04-0088-09

The impact of digital rural development on rural population outflow

—As an example of Guangxi Province

WEI Jing-nan1，WU Liu-fen2

（1.College of Economic and Management，Guangxi University of Science and Technology，Liuzhou 545006，Guangxi，China；

2.School of Finance and Public Management，Guangxi University of Finance and Economics，Nanning 530003，Guangxi，China）

Abstract：It has been calculated the rate of outflow based on the population data of 100 counties in Guangxi Province in 2021，analyzed the spatial agglomeration and differentiation of the rural population outflow types in county areas by using spatial autocorrelation，and examined the spatial spillover effect of digital village on rural population outflow in county areas by constructing spatial lag model and spatial error model from the perspective of digitization in.The results show that most of the county population is in a state of net outflow in Guangxi Province，and the types of rural population outflow have certain clustering characteristics in spatial distribution.Some counties in the

northeast of Guangxi Province show low-low agglomeration among them，and high-high agglomeration

with some counties in the southeast.The development of digital rural can restrain the rural population outflow in counties effectively.The rural population outflow in county areas is not only affected by the digitization of the county，but also affected by the spatial spillover effect of the digitization of other counties.The study also finds that the impact of digitization on the rural population outflow in municipal districts and counties is heterogeneous.In the future，the digital economy in counties should be develop in Guangxi Province，excavate the potential of rural labor in counties even further，increase rural incomes in counties.

Key words：digital village;population outflow;spatial analysis;spillover effect

數(shù)字鄉(xiāng)村是基于現(xiàn)代數(shù)字技術，以推動農(nóng)業(yè)、農(nóng)村與農(nóng)民深度融合，逐步實現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化的發(fā)展戰(zhàn)略［1］.在數(shù)字鄉(xiāng)村發(fā)展背景下，廣西農(nóng)村人口呈一定程度外流.長期以來，受地理環(huán)境、城鄉(xiāng)二元結構發(fā)展不均衡等因素的影響，人口由鄉(xiāng)村向城市、由經(jīng)濟欠發(fā)達地區(qū)向經(jīng)濟發(fā)達地區(qū)轉移成為必然［2］.根據(jù)國家統(tǒng)計局廣西調(diào)查隊數(shù)據(jù)顯示：2022年，全區(qū)農(nóng)民工總量為1 314萬人，其中，外出農(nóng)民工（離開本鄉(xiāng)鎮(zhèn)）888萬人，占比高達67.57%.大規(guī)模的農(nóng)村人口外流，尤其是青壯年勞動力外流導致農(nóng)村勞動力老齡化凸顯，進而加劇了農(nóng)村空心化，拉大了城鄉(xiāng)發(fā)展差距，給鄉(xiāng)村可持續(xù)發(fā)展帶來巨大挑戰(zhàn)［3］.

近年來，在移動互聯(lián)網(wǎng)、人工智能及云計算技術的滲透下，數(shù)字鄉(xiāng)村建設成效顯著，鄉(xiāng)村數(shù)字化進程加快，從而促進人口在地理空間上的流動.借助手機APP等各類數(shù)字技術平臺，農(nóng)村人口流動更為頻繁［4］.具體來看，數(shù)字鄉(xiāng)村與人口流動的相關研究主要集中在數(shù)字經(jīng)濟某一方面（如數(shù)字普惠金融［5］、農(nóng)村電商［6］、互聯(lián)網(wǎng)［7］等）對人口流動的影響和數(shù)字技術融入鄉(xiāng)村治理問題［8］.數(shù)字金融發(fā)展通過提供就業(yè)機會和較高的預期收入吸引勞動力流入，農(nóng)村電商發(fā)展推動了農(nóng)民工城鄉(xiāng)流動，電商發(fā)展主要通過縮小城鄉(xiāng)居民收入來促進農(nóng)民工返鄉(xiāng)就業(yè)創(chuàng)業(yè).此外，農(nóng)村互聯(lián)網(wǎng)發(fā)展拉近了村民與外出務工人員的情感交流，進而提高了農(nóng)村人口外流意愿.

整體來看，當前關于農(nóng)村人口外流的相關研究已取得豐碩的成果，但缺乏數(shù)字鄉(xiāng)村與農(nóng)村人口外流的理論研究，迫切需要更多的關注.因此，本文將數(shù)字鄉(xiāng)村引入農(nóng)村人口外流模型，利用“七普”人口數(shù)據(jù)剖析廣西縣域農(nóng)村人口外流的空間分異特征，并采用空間計量模型分析縣域數(shù)字鄉(xiāng)村發(fā)展對農(nóng)村人口外流的影響，為廣西制定人口流動政策提供參考.本文的主要貢獻有兩點：一是基于數(shù)字鄉(xiāng)村發(fā)展背景，探究縣域數(shù)字鄉(xiāng)村發(fā)展對農(nóng)村人口外流的影響；二是采用空間計量經(jīng)濟模型實證研究其空間溢出效應，進一步厘清數(shù)字技術驅(qū)動農(nóng)村人口外流的機制，為國內(nèi)其他地區(qū)解決農(nóng)村人口流動問題提供經(jīng)驗借鑒.

1 研究假說

農(nóng)村人口外流及空間分布受多種因素的共同作用，一般包括自然地理環(huán)境［9］、經(jīng)濟社會發(fā)展［10］及戶籍制度改革［11］等.推拉理論認為：農(nóng)村人口主要往工資水平更高的發(fā)達地區(qū)流動，即農(nóng)村人口呈現(xiàn)外流趨勢［12］.數(shù)字經(jīng)濟的發(fā)展促使社會顛覆性變革，在數(shù)字鄉(xiāng)村的引領下，農(nóng)村人口流動規(guī)模更為龐大且頻繁，勢必影響農(nóng)村勞動力供需關系.國內(nèi)外學者對數(shù)字經(jīng)濟如何影響勞動力流動問題進行了各種研究，大多數(shù)集中在數(shù)字經(jīng)濟對勞動力的空間配置問題［13］.近年來，在數(shù)字經(jīng)濟的驅(qū)動下，勞動力跨區(qū)域流動變得更加復雜，就業(yè)多元化更為明顯，很多勞動力實現(xiàn)靈活就業(yè)，提升了勞動力就業(yè)層次［14］.隨著數(shù)字經(jīng)濟的發(fā)展，城市對農(nóng)村人口的吸引力不斷增大，留城市定居的意愿更為強烈［15］.此外，數(shù)字經(jīng)濟有利于提升農(nóng)村流動人口就業(yè)質(zhì)量與增加工資收入，并使得社會保障及福利待遇得到保證［16］.數(shù)字經(jīng)濟還能引導生產(chǎn)要素跨區(qū)域合理配置，促進勞動力流動［17］.由此，本文提出以下假設：

H1：數(shù)字技術解決了人們信息搜尋的不對稱問題，促進了農(nóng)村人口外流.

隨著社會進入數(shù)字技術時代，人們獲取信息的渠道更為多元化，靈活就業(yè)與線上就業(yè)成為新趨勢.借助移動互聯(lián)網(wǎng)技術，可以實時了解外界信息，且信息搜尋成本非常低，極大地刺激了農(nóng)村人口外流的欲望，同時數(shù)字化還整合了各類就業(yè)信息，提高了勞動力要素的配置效率［18］.農(nóng)村居民利用移動互聯(lián)網(wǎng)了解外界動態(tài)信息，降低了信息的不對稱問題，農(nóng)村人口外流成為必然.在外農(nóng)民工通過在線視頻可以實現(xiàn)與家人實時溝通，數(shù)字技術拉近了時空距離，促進了農(nóng)村人口跨區(qū)域流動.此外，數(shù)字技術具有外部性，一個地區(qū)數(shù)字經(jīng)濟的發(fā)展會對相鄰甚至更遠的區(qū)域產(chǎn)生空間溢出效應，由此，本文提出第二個假設.

H2：數(shù)字鄉(xiāng)村對農(nóng)村人口外流具有空間溢出效應.

地理學第一定律認為，任何事物都不是孤立存在的，具有一定相關性.當某個區(qū)域農(nóng)民外出獲得比當?shù)馗叩氖杖霑r，通過朋友圈或者抖音等在線平臺讓其他區(qū)域的農(nóng)民也能在最短時間內(nèi)獲取信息，那么，相鄰區(qū)域的農(nóng)民也可能選擇外出就業(yè)，從而形成“滾雪球效應”，帶動更多的農(nóng)村人口外流.一方面，數(shù)字鄉(xiāng)村發(fā)展打破了相對封閉的村落與外界的聯(lián)系，村落之間消除了地理隔閡，導致信息傳播速度加快，影響范圍更廣；另一方面，人們獲取的信息會首先影響鄰近地理單元，即存在顯著的空間溢出效應.

2 研究區(qū)域概況、數(shù)據(jù)來源和研究方法

2.1 研究區(qū)域概況

本研究選取廣西壯族自治區(qū)（下文簡稱廣西）作為研究區(qū).廣西地處我國西南邊陲，地跨東經(jīng)104°28′～112°04′，北緯20°54′～26°23′之間，行政區(qū)域土地面積23.76萬km2.截至2020年7月，廣西下轄14個地級市，50個縣，12個自治縣，9個縣級市，40個市轄區(qū).廣西東連廣東省，南臨北部灣并與海南省隔海相望，西與云南省毗鄰，東北接湖南省，西北靠貴州省，西南與越南社會主義共和國接壤，地處中國地勢第二臺階中的云貴高原東南邊緣，兩廣丘陵西部，總的地勢是西北高、東南低，呈西北向東南傾斜狀，主要分布有山地、丘陵、臺地、平原等類型地貌，分別占全區(qū)陸地面積的62.1%，14.5%，9.1%和14.3%.

隨著中國東盟自由貿(mào)易區(qū)和泛珠三角區(qū)域合作的不斷深入，以及新型工業(yè)化及城鎮(zhèn)化步伐加快，廣西人口流動也隨之發(fā)生變化，大規(guī)模的鄉(xiāng)村勞動力離開農(nóng)村，轉移到區(qū)內(nèi)外的城鎮(zhèn)就業(yè)，其中，廣東省成為廣西農(nóng)村人口外流的第一大省，南寧、柳州等區(qū)內(nèi)中心城市成為農(nóng)村人口主要流入地.此外，廣西具有山地、丘陵、平原等多種地貌，區(qū)域經(jīng)濟異質(zhì)性明顯，各市縣經(jīng)濟發(fā)展水平差異巨大，區(qū)域經(jīng)濟發(fā)展和農(nóng)村人口流動具有自身獨特的特征，具有一定代表性.

2.2 數(shù)據(jù)來源說明

本文使用的矢量地圖源于國家基礎地理信息中心，時間節(jié)點為2010年.農(nóng)村常住人口和戶籍人口數(shù)據(jù)來自《廣西統(tǒng)計年鑒》（2022）和廣西第七次全國人口普查資料；社會經(jīng)濟數(shù)據(jù)源于廣西統(tǒng)計局及各市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報；縣域數(shù)字鄉(xiāng)村指標數(shù)據(jù)來自阿里云和北京大學新農(nóng)村發(fā)展研究院聯(lián)合發(fā)布的《縣域數(shù)字鄉(xiāng)村指數(shù)研究報告（2020）》，其數(shù)據(jù)指標的科學性和權威性可靠.根據(jù)本文研究內(nèi)容的需要，剔除了無鄉(xiāng)村戶籍人口和鄉(xiāng)村常住人口的區(qū)縣，針對部分數(shù)據(jù)缺失的區(qū)縣，采用相鄰年份補齊.

2.3 研究方法

1）農(nóng)村人口外流測度.

人口流動是社會經(jīng)濟發(fā)展過程中的必然現(xiàn)象，指人口在不同地區(qū)之間進行的各種短期的、重復的或周期性的運動.從這一概念出發(fā)，人口外流是人口流入和流出引起的人口變動狀況，可從規(guī)模和水平兩個方面來度量，前者指基于實際流動統(tǒng)計的人口外流規(guī)模，后者指基于外流規(guī)模測度的人口外流程度.農(nóng)村人口外流率（Outflow Rate of Rural Population，ORRP）［20］計算公式為

ORRP=PHP-RRPRHP×100%，（1）

其中RHP 和 RRP 分別表示農(nóng)村戶籍人口和農(nóng)村常住人口，其中前者指在公安戶籍管理部門登記了鄉(xiāng)村常住戶口的人，后者指實際經(jīng)常居住在鄉(xiāng)村半年以上的人口.根據(jù)人口外流的程度，將縣域農(nóng)村人口外流劃分為凈流入型、流動平衡型、凈流出Ⅰ型和凈流出Ⅱ型4種類型.

2）空間自相關.

地理學第一定律認為，不同的地理單元在空間上并不孤立，而是相互聯(lián)系，同時在相互作用的過程中呈現(xiàn)出空間集聚與分異特征.空間集聚指具有某一屬性的地理事物在空間上呈現(xiàn)一定的集聚特征；

空間分異指具有特定的地理事物在空間分布上呈現(xiàn)異質(zhì)性.本研究分別選取Moran指數(shù)和局部Moran指數(shù)剖析廣西農(nóng)村人口外流的空間集聚和分異特征［19］.

全局空間自相關由Moran于1950年首次提出，用于識別地理單元之間是否存在相似性，最常見的統(tǒng)計量是Moran指數(shù)I，該指數(shù)取值為［-1，+1］.若指數(shù)大于0時，說明各空間單元存在正相關，并且指數(shù)越接近于1其正相關性越強；若指數(shù)小于0時，說明存在負相關，并且指數(shù)越接近于-1其負相關性越強；當指數(shù)為零時，說明觀測值呈獨立隨機分布，全局空間不相關.Moran指數(shù)I定義為

I=∑ni=1∑nj=1wij（xi-）（xj-）

S2∑ni=1∑nj=1wij，（2）

其中，n是研究區(qū)域的地理單元總數(shù)，wij為空間權重，取值分別為1或0，表示兩個單元之間相鄰和不相鄰，xi和xj分別是單元i和單元j的屬性；S2表示觀測值均值的偏差，為屬性平均值.全局Moran指數(shù)I一般通過標準化Z值進行檢驗［20］.

局部空間自相關用于識別屬性相似聚集區(qū)的空間分布位置，使用局部莫蘭指數(shù)表示.局部空間自相關莫蘭指數(shù)Ii定義為

Ii=（xi-）S2∑nj=1wij（xj-），（3）

其中，Ii為局部空間自相關指數(shù)，（xi-）為觀測值方差，S2為屬性方差，為屬性平均值，wij為空間權重.當Ii取值為正時，表示空間單元i呈高集聚或低集聚；當Ii取值為負時，表示空間單元i呈高低集聚或低高集聚.

3）空間計量模型.

由于傳統(tǒng)的計量經(jīng)濟模型忽略了地理單元的空間依賴性，因此，本文采用空間計量模型探究廣西縣域農(nóng)村人口外流的影響因素［21］.常用的空間計量模型包括空間滯后模型（Spatial Lag Model，SLM）和空間誤差模型（Spatial Error Model，SEM）.SLM的因變量不僅與自身的自變量有關，還受到相鄰空間自變量的影響，即存在空間溢出效應.SLM的一般表達式為

y=αWy+Xβ+ε，（4）

其中y為因變量，α為待估計空間自回歸系數(shù)，表現(xiàn)為空間對象相互作用關系，若α通過顯著性檢驗，則說明各單元之間存在空間效應；W為n×n階的空間權重矩陣，W為模型自變量，β為自變量待估計系數(shù)，ε為隨機誤差項.

SEM主要探討模型中的空間相關誤差項的顯著性問題，通過不同地理單元的空間協(xié)方差來反映誤差的顯著性，其一般表達式為

y=Xβ+ε，

ε=ρWε+ω，（5）

其中y為因變量，X為模型自變量，β為自變量待估計系數(shù)，ε為隨機誤差項，ρ為待估計誤差項空間滯后系數(shù)，ω為隨機誤差項的擾動項.

2.4 變量選取說明

1）被解釋變量.

本文被解釋變量為廣西縣域農(nóng)村人口外流率.

2）核心解釋變量.

關于數(shù)字鄉(xiāng)村測度方法，學術界主要分為單一指標法和綜合指標法［22，23］.單一指標法測度數(shù)字鄉(xiāng)村主要采用農(nóng)村居民手機普及率，但該指標不能全面反映數(shù)字鄉(xiāng)村與農(nóng)業(yè)農(nóng)村融合發(fā)展；而綜合指標法測度數(shù)字鄉(xiāng)村雖然能從多維度構建數(shù)字鄉(xiāng)村指標體系，但存在各指標的科學性不高等.因此，本文擬采用北京大學聯(lián)合阿里云共同發(fā)布的縣域數(shù)字鄉(xiāng)村指數(shù)作為核心解釋變量.該指數(shù)由數(shù)字基礎設施指數(shù)、鄉(xiāng)村經(jīng)濟數(shù)字化指數(shù)、鄉(xiāng)村治理數(shù)字化指數(shù)、鄉(xiāng)村生活數(shù)字化指數(shù)4個維度構成，經(jīng)過專家綜合打分對各分指標賦權重后計算所得.由于該指數(shù)并未涵蓋所有區(qū)縣，具體來看，廣西缺失的區(qū)縣包括：青秀區(qū)、城中區(qū)、魚峰區(qū)、柳南區(qū)、柳北區(qū)、疊彩區(qū)、象山區(qū)、七星區(qū)、萬秀區(qū)、長洲區(qū)這10個區(qū)，因此，本研究樣本為剔除10個區(qū)的剩余區(qū)縣.

3）控制變量.

農(nóng)村人口外流的影響因素主要有三個方面，分別為自然地理環(huán)境、社會經(jīng)濟發(fā)展和人口管制政策［24］.農(nóng)村人口由經(jīng)濟欠發(fā)達地區(qū)往經(jīng)濟發(fā)達地區(qū)流動，通常經(jīng)濟發(fā)展水平越高對農(nóng)村人口流入的吸引力也越大.從農(nóng)村生產(chǎn)條件來看，農(nóng)地經(jīng)營規(guī)模是影響農(nóng)村人口外流的重要因素，人地矛盾緊張加速了農(nóng)村人口外流；農(nóng)村公共服務設施方面，隨著農(nóng)村交通基礎設施建設不斷完善，加快了農(nóng)村人口外流速度；隨著縣域經(jīng)濟發(fā)展壯大及城鎮(zhèn)化水平不斷提高，縣域內(nèi)提供的非農(nóng)就業(yè)崗位增加，導致縣域第一產(chǎn)業(yè)就業(yè)人員比重下降.本文的控制變量包括：人均耕地面積反映農(nóng)業(yè)生產(chǎn)條件，行政區(qū)路網(wǎng)密度反映農(nóng)村交通基礎設施，城鎮(zhèn)化率和第一產(chǎn)業(yè)就業(yè)人員占比衡量縣域經(jīng)濟發(fā)展水平.

4）中介變量.

在數(shù)字經(jīng)濟的驅(qū)動下，農(nóng)民網(wǎng)購、帶貨直播等新業(yè)態(tài)蓬勃發(fā)展，城鄉(xiāng)居民收入來源多樣化有助于增加農(nóng)村居民收入.因此，本文選取縣域農(nóng)民人均純收入作為中介變量，探究農(nóng)村居民收入對不同縣域農(nóng)村人口外流的中介效應.

3 研究結果

3.1 描述性統(tǒng)計分析

本研究各變量的描述性統(tǒng)計結果見表2.根據(jù)表1農(nóng)村人口外流的類型劃分可知：廣西縣域農(nóng)村人口外流整體上處于凈流出狀態(tài).具體來看，廣西不同縣域的農(nóng)村人口外流差異很大，農(nóng)村人口外流率最大值達到57.81%，最小僅為-55.37%，這意味著廣西縣域農(nóng)村人口并非完全呈現(xiàn)外流，也有個別縣域呈現(xiàn)人口凈流入.從數(shù)字鄉(xiāng)村指數(shù)差異來看，不同縣域的鄉(xiāng)村數(shù)字水平差異較大，鄉(xiāng)村數(shù)字水平最高和最低分別為76.38和39.17.

3.2 廣西縣域農(nóng)村人口外流類型空間分布

借助GIS10.0軟件，得出廣西縣域農(nóng)村人口外流類型空間分布如圖1所示.除了數(shù)據(jù)缺失的10個市轄區(qū)以外，廣西只有2個縣區(qū)的農(nóng)村人口處于凈流入型，分別是雁山區(qū)和龍圩區(qū)，其他縣區(qū)農(nóng)村人口均呈現(xiàn)凈流出狀態(tài)，可見，廣西絕大部分縣域農(nóng)村人口處于凈流出特征.具體來看，在所有

凈流出類型中，凈流出Ⅱ型和凈流出Ⅰ型的縣區(qū)數(shù)量大致相當.

從空間分布來看，農(nóng)村人口凈流出Ⅱ型的縣區(qū)主要分布在桂西北和桂東南地區(qū)，凈流出Ⅰ型的縣區(qū)主要分布在南寧、柳州、桂林和梧州所轄縣區(qū)，此外，邊境地區(qū)和北部灣地區(qū)也呈一定分布格局.

3.3 廣西縣域農(nóng)村人口外流的空間相關分析

雖然通過圖1能直觀了解廣西縣域農(nóng)村人口外流類型的分布情況，但無法得知其在空間分布上是否呈現(xiàn)依賴性和異質(zhì)性，所以本研究采用探索性空間數(shù)據(jù)分析（Exploratory Spatial Data Analysis， ESDA）檢驗不同縣區(qū)農(nóng)村人口外流是否存在空間溢出效應，包括全局空間自相關及局部空間自相關［25］.

廣西縣域農(nóng)村人口外流類型在空間上可能存在正相關，Moran指數(shù)I=0.1987.經(jīng)過（Pseudo P-value）檢驗后，結果值為0.002，表明其存在空間正相關.由圖2所示：廣西縣域農(nóng)村人口外流呈現(xiàn)高-高聚集的縣區(qū)只有9個，說明廣西縣域農(nóng)村人口外流率高的縣區(qū)被周邊農(nóng)村人口外流率高縣區(qū)包圍特征不顯著；高-低聚集的縣區(qū)僅有1個，說明廣西縣域農(nóng)村人口外流率高的縣區(qū)被周邊農(nóng)村人口外流率低縣區(qū)包圍的情況很少；低-低聚集的縣區(qū)均為桂林市轄縣區(qū)，且在空間上呈現(xiàn)典型的聚集特征，即桂林農(nóng)村人口外流率低的縣區(qū)被周邊農(nóng)村人口外流率低的縣區(qū)包圍情況較為明顯.可見，廣西

縣域農(nóng)村人口外流類型分布在空間上存在一定的集聚特征，但只存在局部集聚現(xiàn)象.結合全局空間自相關和局部空間自相關檢驗結果來看，廣西縣域農(nóng)村人口外流類型在空間分布上呈現(xiàn)顯著正相關，且具有一定的集聚特征.

3.4 空間計量經(jīng)濟模型實證結果

基于距離空間權重，采用普通最小二乘（Ordinarg Least Squares，OLS）模型進行基準回歸，空間依賴性檢驗值的伴隨概率為0.000，強烈拒絕了“殘差不存在空間依賴性”的原假設，即OLS模型回歸后其殘差存在空間依賴性，應選擇空間計量模型.雖然明確模型存在空間效應，但無法判斷究竟采用空間滯后模型還是空間誤差模型，對此需要通過穩(wěn)健性的拉格朗日乘子檢驗.Robust LM（lag）和Robust LM（error）統(tǒng)計量的伴隨概率分別為0.937和0.364，顯然，在5%的顯著性水平下拒絕“不是空間滯后模型”的原假設，因而選擇空間滯后模型模型，回歸結果見表3.

由SLM模型回歸結果可知，數(shù)字鄉(xiāng)村發(fā)展對廣西縣域農(nóng)村人口外流產(chǎn)生顯著的負向影響.縣域數(shù)字鄉(xiāng)村發(fā)展水平越高，對抑制農(nóng)村人口外流的作用越明顯，即農(nóng)村人口外流率越低.數(shù)字鄉(xiāng)村水平越高的縣域，意味著農(nóng)民在當?shù)赜懈嗟木蜆I(yè)機會，在一定程度上減少了農(nóng)民工外出就業(yè).從各控制變量的影響系數(shù)來看，人均耕地面積對縣域農(nóng)村人口外流具有顯著的正向影響，農(nóng)地經(jīng)營規(guī)模越大，農(nóng)民外流率也越高.廣西不同縣域耕地面積及人口密度差異較大，雖然桂東南一帶耕地面積存量相對較多，但人口密度較大，導致人均耕地面積較少，農(nóng)村人口外流率也偏高.事實上，所在縣域與經(jīng)濟發(fā)達地區(qū)的距離對農(nóng)村人口外流有重要影響.桂東南在空間上更接近珠江三角洲地區(qū)，廣東尤其是珠江三角洲地區(qū)是廣西農(nóng)民工跨省務工的第一大目的地，因而對桂東地區(qū)農(nóng)村勞動力的吸引力更大.可見，縣域數(shù)字經(jīng)濟發(fā)展能有效抑制農(nóng)村人口外流.從空間溢出效應來看，雖然大部分縣區(qū)農(nóng)村人口外流受相鄰縣區(qū)的影響不顯著，但其依然存在空間依賴性，即數(shù)字鄉(xiāng)村不僅對本縣區(qū)農(nóng)村人口外流產(chǎn)生影響，同時還對相鄰的縣區(qū)產(chǎn)生溢出效應.此外，從各變量的影響系數(shù)看，除了第一產(chǎn)業(yè)就業(yè)人員占比的影響方向不同以外，OLS模型與SLM模型的實證結果沒有顯著差異.

3.5 中介效應分析

已有研究表明，數(shù)字經(jīng)濟發(fā)展促進了城鄉(xiāng)居民收入的增加.事實上，數(shù)字經(jīng)濟的發(fā)展的確提升了農(nóng)村居民收入［26］.接下來通過中介效應分析數(shù)字鄉(xiāng)村發(fā)展如何通過提高農(nóng)村居民收入來影響縣域農(nóng)村人口外流.第一步，將農(nóng)村居民收入作為被解釋變量，繼續(xù)采用數(shù)字鄉(xiāng)村指數(shù)作為解釋變量進行回歸；第二步，再以農(nóng)村居民收入和數(shù)字鄉(xiāng)村指數(shù)作為解釋變量，進行二次回歸［25］.

由表4可知：數(shù)字鄉(xiāng)村發(fā)展對促進農(nóng)村居民收入產(chǎn)生顯著影響.隨著數(shù)字經(jīng)濟的發(fā)展，農(nóng)村居民收入來源渠道多樣化，農(nóng)民可以通過數(shù)字技術手段獲取農(nóng)產(chǎn)品市場供求信息，利用網(wǎng)絡直播帶貨方式銷售農(nóng)產(chǎn)品，提高了農(nóng)民的經(jīng)營性收入.由于數(shù)字經(jīng)濟的發(fā)展，拉近了縣域與外界的聯(lián)系，農(nóng)民外出務工的渠道增多，就業(yè)形式更為靈活，從而提高了農(nóng)村居民收入.當把農(nóng)村居民收入和數(shù)字鄉(xiāng)村指數(shù)同時作為解釋變量進行回歸后，發(fā)現(xiàn)數(shù)字鄉(xiāng)村指數(shù)變量對農(nóng)村人口外流的影響仍然顯著，可見，數(shù)字鄉(xiāng)村發(fā)展對廣西縣域農(nóng)村人口外流具有顯著的負向影響.

3.6 穩(wěn)健性檢驗

數(shù)字鄉(xiāng)村發(fā)展對廣西縣域農(nóng)村人口外流產(chǎn)生顯著影響，但中介變量農(nóng)村居民收入對其影響并不顯著，為了檢驗模型的穩(wěn)健性，采用逐步增加控制變量法進行檢驗，結果見表5.

由表5可知，模型1在不加入控制變量的條件下，數(shù)字鄉(xiāng)村指數(shù)與縣域農(nóng)村人口外流呈顯著負相關性.當依次加入控制變量后，數(shù)字鄉(xiāng)村指數(shù)對縣域農(nóng)村人口外流的影響方向均顯示為負值，隨著加入更多的控制變量后，其影響顯著性總體不斷增強，并且在5%的顯著性水平下影響比較顯著.因此，本文實證結果具有穩(wěn)健性.

3.7 異質(zhì)性檢驗

雖然縣域與市轄區(qū)是同等級別的縣級單位，但是市轄區(qū)的社會經(jīng)濟發(fā)展水平整體上要高于縣域，因此，對當?shù)剞r(nóng)村人口外流的影響可能存在差異.將廣西縣域農(nóng)村人口外流分成兩組，分別為縣域組和市轄區(qū)組，依次檢驗數(shù)字鄉(xiāng)村對農(nóng)村人口外流的影響差異，探討不同行政類型的縣域農(nóng)村人口外流與數(shù)字鄉(xiāng)村的關系，檢驗結果見表6.

由表6可知，數(shù)字鄉(xiāng)村指數(shù)對廣西市轄區(qū)與縣域的農(nóng)村人口外流的影響不同.從縣域組的影響結果看，無論是否加入控制變量，數(shù)字鄉(xiāng)村指數(shù)對廣西縣域組的農(nóng)村人口外流均產(chǎn)生顯著的負向影響，

當加入控制變量后，其影響程度減弱，表明廣西縣域農(nóng)村人口外流不僅受到數(shù)字鄉(xiāng)村發(fā)展水平的影響，同時還受城鎮(zhèn)化的影響.從市轄區(qū)組的影響結果來看，無論是否加入控制變量，鄉(xiāng)村數(shù)字指數(shù)對廣西市轄區(qū)組的農(nóng)村人口外流的影響方向為負，但影響程度均不顯著.可見，數(shù)字鄉(xiāng)村發(fā)展對廣西市轄區(qū)與縣域的農(nóng)村人口外流的影響具有異質(zhì)性.

4 結論與討論

4.1 結論

本文通過空間自相關法分析廣西縣域農(nóng)村人口外流的空間分異與集聚特征，并構建空間計量經(jīng)濟模型實證研究數(shù)字鄉(xiāng)村對其影響，研究結果如下.

1）除了個別縣域外，廣西縣域農(nóng)村人口呈現(xiàn)凈流出狀態(tài)，其中，凈流出Ⅰ型和凈流出Ⅱ型的縣域數(shù)量基本相當.

2）廣西縣域農(nóng)村人口外流類型在空間分布上呈現(xiàn)顯著正相關，局部空間自相關檢驗結果表明，部分縣域人口外流類型存在一定程度的空間集聚現(xiàn)象，主要表現(xiàn)為低-低集聚和高-高集聚特征.

3）數(shù)字鄉(xiāng)村對廣西縣域農(nóng)村人口外流產(chǎn)生顯著的負向影響，即提高縣域數(shù)字化水平可以有效抑制農(nóng)村人口外流，并且具有空間溢出效應.中介效應檢驗結果表明，數(shù)字經(jīng)濟發(fā)展對提高農(nóng)村居民收入有顯著正向影響.此外，數(shù)字鄉(xiāng)村對廣西市轄區(qū)與縣域農(nóng)村人口外流的影響存在顯著差異.

4.2 討論

1）有序引導縣域農(nóng)村人口轉移至縣城.廣西大部分縣域農(nóng)村人口仍處于凈流出階段，意味著縣域整體經(jīng)濟帶動效應較弱，縣域吸納農(nóng)村剩余勞動力能力不足，縣域城鎮(zhèn)化水平依然較低.一方面，要加快縣域一二三產(chǎn)業(yè)融合發(fā)展，促進縣域特色產(chǎn)業(yè)形成規(guī)?；?jīng)營，強化縣域數(shù)字經(jīng)濟對區(qū)域經(jīng)濟增長的帶動作用；另一方面，提高縣域經(jīng)濟發(fā)展質(zhì)量，創(chuàng)造更多的就業(yè)崗位，實現(xiàn)農(nóng)村勞動力在家門口即能就業(yè).

2）大力發(fā)展鄉(xiāng)村電商經(jīng)濟，促進縣域農(nóng)民增收.數(shù)字經(jīng)濟推動了農(nóng)村電商發(fā)展，農(nóng)民通過采納數(shù)字技術，借助電商平臺進行帶貨直播，農(nóng)村居民收入明顯增加.此外，農(nóng)村電商還進一步撬動了農(nóng)村居民消費，有利于振興縣域消費市場，推動縣域?qū)崿F(xiàn)共同富裕.

3）完善縣域基礎設施，尤其是加快數(shù)字基礎設施建設.隨著5G技術的推廣普及，鄉(xiāng)村通信技術設施急需更新改造，要持續(xù)增加農(nóng)村數(shù)字產(chǎn)品的供給，不斷滿足居民對高質(zhì)量移動互聯(lián)網(wǎng)的需求，打造城鄉(xiāng)無障礙數(shù)據(jù)傳輸，提供高效、便捷的數(shù)字技術服務，促進縣域數(shù)字經(jīng)濟發(fā)展，加快縣域城鄉(xiāng)人口跨區(qū)域流動，推動城鄉(xiāng)經(jīng)濟融合發(fā)展.

參考文獻：

［1］ 殷浩棟，霍鵬，汪三貴.農(nóng)業(yè)農(nóng)村數(shù)字化轉型：現(xiàn)實表征、影響機理與推進策略［J］.改革，2020（12）：48.

［2］ 劉彥隨，嚴鑌，王艷飛.新時期中國城鄉(xiāng)發(fā)展的主要問題與轉型對策［J］.經(jīng)濟地理，2016，36（7）：1.

［3］ 劉彥隨.中國新時代城鄉(xiāng)融合與鄉(xiāng)村振興［J］.地理學報，2018，73（4）：637.

［4］ 丘斌，古晨光，王梓貝，等.數(shù)字經(jīng)濟、人口流動與經(jīng)濟高質(zhì)量發(fā)展［J］.統(tǒng)計與決策，2023，39（20）：17.

［5］ 馬述忠，胡增璽.數(shù)字金融是否影響勞動力流動？——基于中國流動人口的微觀視角［J］.經(jīng)濟學（季刊），2022，22（1）：303.

［6］ 易法敏，王修梅.數(shù)字時代農(nóng)民工的城鄉(xiāng)遷移［J］.華南農(nóng)業(yè)大學學報（社會科學版），2023，22（3）：32.

［7］ 何陽.村民自治中農(nóng)村流動人口的數(shù)字化參與［J］.西北農(nóng)林科技大學學報（社會科學版），2021，21（2）：43.

［8］ 邱澤奇，李由君，徐婉婷.數(shù)字化與鄉(xiāng)村治理結構變遷［J］.西安交通大學學報（社會科學版），2022，42（2）：74.

［9］ 徐志文，謝方.城鄉(xiāng)融合發(fā)展中的人口流動類型、動力機制及政策啟示［J］.齊齊哈爾大學學報（哲學社會科學版），2021，（12）：89.

［10］ 張坤.中國農(nóng)村人口流動的影響因素與實施對策——基于推拉理論的托達羅修正模型［J］.統(tǒng)計與信息論壇，2014，29（7）：22.

［11］ 劉軍輝，張古.戶籍制度改革對農(nóng)村勞動力流動影響模擬研究——基于新經(jīng)濟地理學視角［J］.財經(jīng)研究，2016，42（10）：80.

［12］ 常爾娜，韓建民.基于推拉理論河西民族地區(qū)人口流動原因分析［J］.熱帶農(nóng)業(yè)工程，2022，46（4）：92.

［13］ 周世軍，陳博文.數(shù)字經(jīng)濟是否影響勞動力空間配置？——基于中國流動人口的微觀證據(jù)［J］.云南財經(jīng)大學學報，2023，39（2）：96.

［14］ 劉修巖，王彩艷.城鄉(xiāng)人口流動如何促進鄉(xiāng)村振興？——基于中國縣級面板數(shù)據(jù)的實證研究［J］.浙江學刊，2023（1）：160.

［15］ 王金波，牟欣欣.數(shù)字經(jīng)濟對勞動力流動的影響：理論機制與實證檢驗［J］.經(jīng)濟論壇，2023（9）：39.

［16］ 彭麗娜，徐家鵬，姜志德，等.數(shù)字經(jīng)濟對農(nóng)村流動人口就業(yè)質(zhì)量的影響［J］.人口與發(fā)展，2023，29（4）：31.

［17］ 姚常成，沈凱玙.要素流動視角下數(shù)字經(jīng)濟與區(qū)域經(jīng)濟的包容性增長效應［J］.經(jīng)濟地理，2023，43（4）：10.

［18］ 田艷平，向雪風.數(shù)字經(jīng)濟發(fā)展與勞動者就業(yè)質(zhì)量提升［J］.西北人口，2023，44（3）：65.

［19］ 鄭群明，周聰聰.中國省域森林公園旅游接待人數(shù)空間分異研究——基于空間自相關分析方法［J］.中南林業(yè)科技大學學報（社會科學版），2020，14（6）：96.

［20］ 楊顯明，宋欣怡，加壯壯.青海省縣域城鎮(zhèn)化質(zhì)量測度及時空演變分析［J］.西北師范大學學報（自然科學版），2023，59（3）：100.

［21］ 李嘯虎，施湛湛，王立明，等.網(wǎng)絡旅游信息流對國內(nèi)旅游流影響的空間效應——基于中國省域空間面板計量模型的研究［J］.西北師范大學學報（自然科學版），2022，58（5）：119.

［22］ 汪亞楠，王海成.數(shù)字鄉(xiāng)村對農(nóng)村居民網(wǎng)購的影響效應［J］.中國流通經(jīng)濟，2021，35（7）： 9.

［23］ 齊文浩，李明杰，李景波.數(shù)字鄉(xiāng)村賦能與農(nóng)民收入增長：作用機理與實證檢驗——基于農(nóng)民創(chuàng)業(yè)活躍度的調(diào)節(jié)效應研究［J］.東南大學學報（哲學社會科學版），2021，23（2）：116.

［24］ 郭遠智，周揚，劉彥隨.中國農(nóng)村人口外流的時空演化及其驅(qū)動機制［J］.地理科學，2020，40（1）：50.

［25］ 許鋒.基于Moran指數(shù)和譜圖論的空間自相關測度方法優(yōu)化［J］.城市發(fā)展研究，2021，28（12）：92.

［26］ BARON R M，KENNY D A.The moderator-mediator variable distinction in social psychological research：con-ceptual，strategic，and statistical considerations［J］.J Pers Soc Psychol，1986，51（6）：1173.

［27］ 王帥龍，孫培蕾.數(shù)字經(jīng)濟、勞動力流動與城鄉(xiāng)收入差距［J］.哈爾濱商業(yè)大學學報（社會科學版），2023（5）：108.

（責任編輯 馬宇鴻）