基于FAHP的數字農業發展水平評價指標體系構建

鄭 謙 趙超群 張夢瑤

(安徽科技學院管理學院,安徽 蚌埠 233000)

數字經濟時代,新一代信息技術正在逐漸滲透進入社會生產生活的各個領域,深刻地改變經濟增長方式和產業結構。在農業領域,數字技術與農業生產方式的深度融合,成為了傳統農業轉型升級重要途徑。國家的《數字鄉村發展戰略綱要》《數字農業農村發展規劃( 2019—2025 年) 》等一系列規劃政策的出臺,引領了數字農業的發展方向。數字農業是利用物聯網、云計算、大數據等現代先進的信息技術,收集農產品生產、銷售等過程中實時數據,并通過數據建模分析,建立農產品全產業鏈數據系統,以實現農業運營效率提升、環境改善、效益增加等目的的綜合農業生產模式。[1]數字農業引導農業生產實現信息化決策、高效化生產和差異化服務,轉變農業生產運營方式。目前,國內學者關于數字農業發展的量化研究方興未艾,大多集中在數字農業技術領域、理論內涵、發展模式等方面。[2]但在數字農業發展水平的定量化發展研究方面缺乏系統性。數字農業涉及到科技、市場、經濟等多個維度,其發展水平的評價存在交互性和復雜性。[3]為了更好地評價復雜情境下數字農業發展水平,促進數字農業的發展,亟待定量化構建多層次多維度的數字農業發展水平評價指標體系。

一、國內外數字農業研究現狀

國外發達國家的數字農業已達到較高水平,學術領域的研究主要側重兩個方面。一是探索數字農業相關技術的研發工作的影響因素與機制,如探討不同的創新思維對數字農業研發工作的影響,[4]或者不同參與者在農業創新活動中的角色。[5]二是對數字農業技術推廣的影響因素,以及主要應用模式進行分析,認為數字農業技術推廣中互動關系、價值共創、認知價值、貨幣價值和環境價值等因素影響到農場主的技術采納行為。[6]三是分析數字農業對社會經濟生活帶來的影響。[7]

國內學者在數字農業方面的研究主要集中以下幾個方面。一是圍繞數字農業相關技術進行研發活動,如針對小麥、水稻、玉米等農作物生長過程的信息采集,GIS,遙感技術研究等,建立數字農業生產模型。[8]二是探討數字農業的內涵、發展意義和發展模式,做概念性的界定和發展路徑設計。[1]三是對發展數字農業存在的障礙進行剖析,分析存在的主要問題并提出對策建議。[9]四是從定量化的角度構建農業信息化發展水平的測量指標體系,并進行區域間差異的測度。[10, 11]

以往的研究大多著眼于理論內涵、發展現狀及技術應用層面的分析,缺乏對數字農業發展水平的系統分析。數字農業不僅涉及到技術應用,還涉及到社會、經濟、資源等其他多個方面,數字農業的發展需要綜合考慮多種因素,并結合不同地區發展的異質性特點進行差異化重點建設。因此,在促進數字農業的發展進程中,有必要深入分析并評價地區數字農業的發展水平和階段,以進一步區分和指導不同地區的數字農業發展重點方向。本研究擬采用文獻分析構建評價指標體系,并采用模糊層次分析法進行指標賦權,以安徽省為例進行實證分析。研究結果對于促進數字農業發展水平的科學評價指標體系構建,以及科學指導安徽數字農業重點建設方向具有重要意義,研究結論可供相關政府部門參考借鑒。

二、數字農業發展水平評價指標體系構建

考慮指標體系的完整性和數字農業發展水平評價指標體系設計需求，指標選取遵循科學性與可行性、全面性與時效性、數據可比性與可獲得性的原則。

(一)指標選取依據

指標的選擇要有一定的科學依據，要遵循真實性、準確性和客觀性。構建數字農業發展水平評價指標體系是一項復雜的系統工程。根據指標選取的原則，在搜集大量相關文獻資料以及結合《國家信息化指標構成方案》作為參考和借鑒的基礎上，以數字農業發展的本質為核心，根據我國數字農業的發展特點及相關專家意見，確定了評價指標體系，如表1所示。

表1 數字農業發展水平評價指標體系

(二)指標選擇與說明

1.數字農業發展環境

國家對數字農業的扶持能有效提高數字農業發展水平。基于劉利永、李道亮在我國農業信息化水平指數測度中的研究成果，選用農村居民人均純收入、農業支出占財政支出的比重、地方財政農林水事務投資作為評價數字農業發展環境的指標。[12]

2.數字農業發展基礎設施建設

數字農業的發展離不開互聯網，網絡的發展水平制約數字農業的發展水平。基于李道亮在我國農業信息化水平指數測度研究中的成果，選取農村每百戶計算機擁有量、農村互聯網普及率及開通互聯網行政村的比重作為評價數字農業基礎設施建設的指標。[12]

3.數字農業資源建設

與數字農業生產相關的所有資源都是數字農業發展的后備力量，基于王欣和李萍萍在我國北方地區農業信息化水平評價中的研究成果，選用農民技術培訓學校的數量、農業科技成果登記數量、農業數據庫的數量作為評價數字農業資源建設的指標。[13]

4.數字農業人才建設

懂得技術、信息、管理的復合型農業人才在數字農業發展中起到關鍵支撐作用，學歷教育以及培訓密集程度是數字農業人才培養的重要途經。基于王欣和李萍萍對我國北方地區農業信息化水平評價研究，以及林海英等對農業信息化水平與農業經濟增長關系研究成果，選用農村中專以上學歷的人數比例、農民技術培訓學校畢業人數、每百萬農村勞動力擁有農業技術人員的數量[13, 14]作為評價數字農業人才建設的指標。

5.數字農業技術應用

技術應用能夠直觀體現數字農業的發展價值。基于李瑾和郭美榮對農業物聯網發展評價指標體系設計研究，[15]以及王欣和李萍萍對我國北方地區農業信息化水平評價的研究成果，[13]故選取農產品電子商務交易額、農業科技成果應用率、土地產出率3個指標用來評價數字農業技術應用的效果。

三、基于FAHP的數字農業發展水平評價模型構建

模糊層次分析法(FAHP)是基于層次分析法與模糊理論建立的評價指標及其權重確定的，定性與定量相結合的系統分析方法，被廣泛用于評價模型構建中，其主要評價過程如下。

(一)建立判斷矩陣

表2 重要性標度表

(二)求最大特征值及特征向量

判斷矩陣按列歸一化(式(1))，歸一化后按行相加(式(2))，列向量歸一化(式(3))，并求出A的最大特征值(式(4))。

(1)

(2)

(3)

(4)

(三)一致性檢驗

一致性指標為CI=(λmax-n)/(n-1),隨機一致性指標CR=CI/RI(RI見表3)。

表3 RI指標數據表

(四)確認權重

基于前文構建的指標體系，通過專家打分法來判斷指標的相對重要程度，從而建立判斷矩陣，得出指標的權重。文中，目標層A就是待評價的數字農業發展水平，而準則層B包括了B1、B2、B3、B4、B5，要素層Bij則分別是準則層所屬的要素。

λ=5.4413對應的特征向量為w=(w1,w2,w3,w4,w5)=(0.0136，0.0820，0.2481，0.4970，0.1317)，CI=0.1103，CR=0.0985<0.10，通過一致性檢驗，特征值可以作為準則層對目標層的權重。

要素層對準則層的判斷矩陣如下：

同理，可對要素層矩陣進行一致性檢驗，檢驗結果如下。B1的最大特征值λmax=3.0142，w1=(0.0785,0.3338,0.5907)，CI=0.0071,RI=0.58，CR=0.0136<0.10，B1通過一致性檢驗。B2的最大特征值λmax=4.0248，w2=(0.2041,0.3549,0.4110)，CI=0.0083,RI=0.90，CR=0.0093<0.10，B2通過一致性檢驗。B3的最大特征值λmax=3.0142，w3=(0.0807,0.6270,0.2923)，CI=0.0476,RI=0.58，CR=0.0915<0.10，B3通過一致性檢驗。B4的最大特征值λmax=3.0142，w4=(0.0755,0.5907,0.3338)，CI=0.0071,RI=0.58，CR=0.0136<0.10，B4通過一致性檢驗。B5的最大特征值λmax=3.0655，w4=(0.0738,0.6434,0.2828)，CI=0.0328,RI=0.58，CR=0.0630<0.10，B5通過一致性檢驗。判斷矩陣B的一致性指標CR均小于0.10，說明其具有良好的一致性并通過一致性檢驗。同時，可得到數字農業發展水平評價指標體系的指標權重，如表4所示。

表4 數字農業評價指標體系指標權重

(五)模糊綜合評價

模糊綜合評價法是一種基于模糊數學的綜合評價方法，模糊數學由美國自動控制專家L.A.Zedeh于1969年創立。基于前文構建的指標體系，運用模糊綜合評價法，構建數字農業發展水平模糊綜合評價指標體系。其評價方法如下：

1.確定因素集。若將影響評價對象的一級指標因素組成的集合記作U，則U={u1,u2,…,un}。將影響評價對象的二級指標因素組成的集合記作Ui，則Ui={ui1,ui2,…,uin}，i=1,2,…,n。

2.確定評語集。假設V為被評價對象所有可能出現的總體評價結果組成的集合，則V={v1,v2,…,vn}。采用“高、中、低”的三級標準對數字農業發展水平進行評價，可以得到數字農業的發展水平評價集V。

3.確定權重向量。設A=(a1,a2,…,am)為權重分配模糊矢量，ai表示i個因素的權重(ai>0,∑ai=1)。

4.單因素模糊評價，確立模糊關系矩陣。評價結果用模糊集合表示為Ri={ri1,ri2,…,rin}，歸一化處理：∑rij=1。最終得到綜合的模糊關系評價矩陣:

5.多指標綜合評價。將單因素評價矩陣分別和權重進行模糊替換，便可得模糊綜合評價模型：B=AοR(ο表示模糊算子的組合)。

四、實證分析

安徽省是個農業大省，主要糧食農作物產量居全國第4位，近年來，安徽省在鄉村振興戰略指引下，加大數字農業建設，提出“數字皖農”計劃方案，取得了良好的示范效應。因此，本文以安徽省為例，對安徽省數字農業發展水平進行評價，二級指標數據選取自《安徽省統計年鑒(2019)》《中國農村統計年鑒(2019)》《中國互聯網絡發展狀況統計報告(2019)》。

根據上文構建的評價指標及評價模型，結合安徽省數字農業的發展狀況，利用模糊層次分析方法對發展水平等級進行評價。基于前文確定的指標權重，采用專家打分法對數字農業的發展水平進行評價。依據李冬梅對發展水平評價等級的劃分，現將數字農業發展水平等級分為“高，中，低”3個層次，[11]相關專家根據安徽省數字農業發展概況對每個基礎指標分別打分，由此確定基礎指標的發展等級，通過模糊矩陣與指標權重模糊變換得到評價結果，即指標評價的隸屬度。

(一)二級指標的模糊綜合評價

二級指標的模糊綜合評價的專家評價結果如表5所示。

表5 專家評價表

根據表4和表5，計算二級評價指標的評價值。計算如下：

由表5可得，B1、B2、B3、B4、B5的模糊關系評價矩陣如下：

由表4可知：

w1=(0.0785,0.3338,0.5907)，則C1=w1R1=(0.4978,0.000,0.5022)；

w2=(0.2041,0.3549,0.4110)，則C2=w2R2=(0.2690,0.4960,0.2350)；

w3=(0.0807,0.6270,0.2923)，則C3=w3R3=(0.5151,0.000,0.4848)；

w4=(0.0755,0.5907,0.3338)，則C4=w4R4=(0.3081,0.3527,0.3392)；

w5=(0.0738,0.6434,0.2828)，則C5=w5R5=(0.3480,0.3350,0.3170)。

各矩陣的最大隸屬度與評價等級均如表5所示。

(二)確定綜合評價結果

由表4的一級指標權重可知：w=(0.0136,0.082,0.2481,0.4970,0.1371)，綜合求解得：C=wR=(0.2070，0.5596,0.2334)。由C的值可知：“高”的隸屬度為0.2070，“中”的隸屬度為0.5596，“低”的隸屬度為0.2334。由于0.2070<0.2334<0.5596，根據最大隸屬度原則，則隸屬度為0.5596，安徽省數字農業發展水平評價結果為“中”。

(三)對安徽省數字農業發展的建議

對于安徽省來說，要提高數字農業發展水平應從權重較大和評價較低的指標入手，考慮采取相應措施。從評價情況來看，安徽省發展數字農業的重點工作應聚焦于數字農業技術應用和數字農業人才隊伍建設。市場需求是引導技術創新和生產發展的關鍵要素，在省內創建數字農業的示范項目，加大技術推廣力度，提升數字農業技術推廣水平，對于倒逼數字農業技術研發，促進數字農業上游產業鏈整合具有重要意義。此外，數字農業所需要的人才隊伍龐大，要求兼具農業、信息、生產管理等多種知識技能，加大數字農業人才的培養，提升專項培訓具有十分重要的意義。

其次，從評價等級結果來看，數字農業發展環境指標是安徽省數字農業發展的短板和主要制約因素。數字農業的建設和運維的投入巨大，需要重點增加農民收入和財政支出，尤其是加大光纖、寬帶、5G等農村信息基礎設施投入。

五、研究結論與展望

本研究利用模糊層次分析法,構建了數字農業發展水平評價指標體系,并以安徽省為例對其數字農業發展進行實證分析。結果反映農林水事務支出占財政支出的比重、農村互聯網普及率、農民技術培訓學校的數量、農民技術培訓學校畢業人數、科技成果應用率5個指標權重較大,最終得出其發展水平等級為“中”。對于安徽省來說,想要提高數字農業發展水平,應該從權重較大的指標考慮來采取相應的措施：加強政策導向,加大財政支出力度；加快農村互聯網建設,夯實數字農業發展基礎；成立數字農業技術團隊,加強農民技術培訓；加強素質教育,提高數字農業發展內生動力；加大科技研發力度,提高農業科技成果轉化率。因此,該指標體系具有一定的參考價值和合理性,可為數字農業發展水平評價研究提供一定參考,對于農業信息化的發展方向與科學評價具有重要的意義。

本研究建立的數字農業發展模型主要基于存量數據的現狀評價,對于數字農業來說,增長趨勢和發展速度也是非常重要的參考指標。因此,在進一步的研究中,可引入動態評價方法,從發展趨勢和速度層面進行更全面的綜合評價。