基于Delphi-Fuzzy丘陵地區農機服務質量評價體系研究

譚杰 隨順濤 高新 蔣輝霞 李光輝 蔣金巧

摘要：科學客觀地評價農機服務質量能促進農業機械化良性發展，采用五要素和五維度理論為基礎，提出基于德爾菲法和模糊綜合評價法相結合的數學模型（Delphi-Fuzzy）構建丘陵地區農機服務質量評價體系；遴選丘陵地區農機服務質量評價指標共計17項，配合層次分析法（AHP）修正Delphi模型，并利用SPSS和MATLAB軟件求解模型，得到綜合評價值為0.3718；再根據最大隸屬度原則，得到該企業的農機服務質量評定為“優秀”等級，同時“一般”和“差”評價等級的評價值為0.2368，占比23.68%，說明具有一定的改進空間。根據賦值法對排名靠后的5項指標（ZB4、ZB7、ZB8、ZB12、ZB15）確定改進方向，后期需繼續優化農機結構，降低零部件磨損程度，增強人員專業程度、提供個性化服務，增強優惠保障力度、提高售后服務質量，創新售后維修手段、優化流程等。

關鍵詞：丘陵地區；農機服務質量；評價體系；Delphi-Fuzzy模型；層次分析法

中圖分類號：F325.2： S23-0

文獻標識碼：A

文章編號：20955553 （2023） 12025508

Research on evaluation system of agricultural machinery service quality in hilly and

mountainous areas based on Delphi-Fuzzy

Tan Jie， Sui Shuntao， Gao Xin， Jiang Huixia， Li Guanghui， Jiang Jinqiao

（Sichuan Research & Design Institute of Agricultural Machinery， Chengdu， 610066， China）

Abstract：

Scientific and objective evaluation of agricultural machinery service quality can promote the sound development of agricultural mechanization. Based on the theory of five elements and five dimensions， a mathematical model （Delphi-Fuzzy） based on the combination of Delphi method and fuzzy comprehensive evaluation method is proposed to construct the agricultural machinery service quality evaluation system in hilly and mountainous areas. A total of 17 evaluation indexes of agricultural machinery service quality in hilly and mountainous areas were selected， Delphi model was modified with analytic Hierarchy process （AHP）， and SPSS and MATLAB software were used to solve the model， and the comprehensive evaluation value was 0.371 8. According to the principle of maximum membership degree， the quality of agricultural machinery service of the enterprise was rated as “excellent”， while the evaluation value of “general” and “poor” evaluation grades was 0.2368， accounting for 23.68%， indicating that there was a certain room for improvement. According to the assignment method， the improvement direction is determined for the five indicators （ZB4， ZB7， ZB8， ZB12， ZB15）， which need to continue to optimize the structure of agricultural machinery， reduce the degree of wear of parts， enhance the professional degree of personnel， provide personalized services， enhance the preferential protection， improve the quality of after-sales service， innovate after-sales maintenance means， optimize the process， and so on.

Keywords：

hilly and mountainous areas; quality of agricultural machinery services; evaluation system; Delphi-Fuzzy model; analytic hierarchy process

0 引言

中國共產黨第二十次全國代表大會提出，全面推進鄉村振興，全面建設社會主義現代化國家，最艱巨最繁重的任務仍然在農村；堅持農業農村優先發展，堅持城鄉融合發展，暢通城鄉要素流動；加快建設農業強國，扎實推動鄉村產業、人才、文化、生態、組織振興。我國具有地形多樣、地貌復雜的特點，丘陵和山地占國土面積的近70%［1］，我國丘陵地區農業生產存在“無機可用，無好機用”的現實問題［2］。丘陵地區農業機械化發展勢在必行，加快提高科技自立自強能力具有重要意義，因此需要不斷推進農機的高質量發展。

相關學者對該領域展開研究，Ariken等［3］通過構建城市化與生態環境綜合評價模型，提出中國絲綢之路經濟帶沿線省份城市化進程較快，需在城市化發展與生態環境保護之間采取積極行動。Wang等［4］采用層次分析法（AHP）評估農機樣品和設計，使得所設計的農機更符合用戶實際需求。Osuch等［5］通過模糊方法（Fuzzy）對面臨農機服務設施選擇的農民進行研究，了解他們的偏好并提出策略，該研究內容可以被農場所有者和服務公司用來規劃他們的發展方向。Hafezalkotob等［6］提出全乘比例分析多目標優化方法（Multimoora）和多屬性決策方法（WASPAS）來評估農機，滿足發展和改善農業領域的經濟條件。Hu等［7］基于網絡分析法（ANP）和平衡計分卡（BSC）模型構建農機維護網絡，有助于管理者理解農機提供商選擇過程中各因素之間的復雜關系，確定和更改供貨商。Wang等［8］基于混合熵（Hybrid Entropy）和理想點法（TOPSIS Method）對可持續農業發展的農業推廣服務進行評估和分析，從環境、社會、經濟和農業推廣服務的維度構建出24項指標，同時以蘇州市農業農村局提供的數據進行實證研究，得出在3個地區中吳江區的評價結果最高，即農業可持續發展水平最高。張照等［9］基于熵權法（Entropy Weight Method）建立綜合評價指標體系，對我國5大牧區內蒙古、西藏、新疆、青海、甘肅的草原生態安全和畜牧業發展做出定量的綜合評價。Yang等［10］首次提出以農機拆卸過程中的碳排放量最小為優化目標，綜合考慮工作站、拆卸成本、拆卸時間和平順性為目標建立果蠅優化算法模型（MDFOA），并結合模糊層次分析法（Fuzzy AHP）以玉米收割機為例得出最佳解，以上研究為農機的發展奠定了基礎。

農機作為組織競爭的優勢源泉和資源，對于農業的發展極其重要，構建全面的農機服務質量評價體系，對于促進農機不斷發展具有非常的必要性和重要性。然而農機的服務質量評價體系的構建是一件相對復雜的工作，涉及到評價目標、內容、方法及檢驗等多個層次。翟勇［11］認為構建評價體系需要不斷的改進評判框架與評價思路，只有不斷調整與完善評價方法，才能達到較好的評價效果。Zeithaml等［12］總結之前10年的研究，提出鏈接感知服務質量與購買意愿之間的關系，提供構建連貫性的服務質量體系的概念框架；四川省是典型的丘陵農區，表現出割裂和破碎的形態特征，多發育形成孤立的山丘和崗地［13］，對于機械化耕作的難度較大，服務質量需要進一步提升［14］。如何科學客觀地評價農機服務質量，不斷受到各個企業的重視，構建丘陵地區農機服務質量評價體系已成為重要的研究課題。

本文以五要素和五維度理論為基礎，提出基于德爾菲法和模糊綜合評價法相結合的數學模型（Delphi-Fuzzy）構建丘陵地區農機服務質量評價體系，并以某企業為例進行實證研究，為提升農機服務質量水平提供思路。

1 構建服務質量評價指標

1.1 五要素理論

服務質量要素屬于抽象難以量化的概念，根據行業不同所選擇的服務質量要素理論也不同。本文綜合分析后，確定“五要素理論”作為服務質量評定的理論基礎，該理論是Zeithaml等［1516］通過大量調查和研究提煉得出的。五要素理論能夠全面概況農機的各方面，是具有代表性服務質量要素理論。五要素理論的具體含義可歸納概括為：（1）技術水平：產品的技術質量水平，對客戶的關心和幫助；（2）便利可靠：服務時間上的及時性和可靠性，如生產、發貨等；（3）服務環境：對購買場所和銷售員的視覺感受和心里滿意程度；（4）服務承諾：對客戶的承諾和信用，保障客戶的權益；（5）服務責任：為客戶提供后續服務，對客戶的負責程度。

1.2 五維度理論

五維度理論是根據Parasuraman等［1718］提出的十維度理論縮減而來，十維度理論包括可靠性、溝通性、安全性、理解能力、有形性、反應性、接近力、可信賴性、勝任力和禮貌性；由于十維度理論內部存在重復現象，從而縮減歸納成五維度理論，五維度理論主要用于幫助管理者深入分析企業現狀，提升企業的服務質量水平。五維度理論概括為：（1）可靠性：產品性能可靠、售后保障、企業誠信度等；（2）響應性：服務的方便、快捷程度、交付速度等；（3）保證性：服務承諾保障、工作人員專業水平、態度尊重客戶等；（4）移情性：全面周到、身心舒暢、個性化的高質量服務；（5）有形性：企業整體環境、硬件設施、工作人員形象等有形部分。

1.3 構建原則

農機服務質量指標的遴選需要遵循一定的原則，這樣構建出來的指標才能更加完整的代替客戶的意愿和符合農機市場，本文結合五項原則遴選指標［8］。構建原則可歸納概括為：（1）重要性：從客戶角度認為重要和能夠切實表達客戶需求；（2）可量化：偏向易于計算和統計的量化指標；（3）獨立性：各個指標之間彼此獨立；（4）邏輯性：避免重疊交叉具有層次性；（5）全面性：指標能夠全面反映出農機涉及的各個方面。

1.4 遴選指標

遴選的指標滿足ISO9004標準中服務質量體現以客戶為導向，涵蓋領導管理職責，產品質量管理的結構等系統概念［19］。本文總結Hafezalkotob［6］、Wang［8］等的研究成果，提出從五維度理論出發，依據五要素理論、指標構建原則，構建更加全面、系統的農機服務質量評價指標，共計17項，如表1所示。

2 服務質量評價模型

2.1 德爾菲法

2.1 德爾菲法（Delphi）

德爾菲法（Delphi）也稱專家調查法［2021］，是實際操作中常用的方法，大致歸納為5個步驟：（1）設計專家調查問卷：設計調查問卷時可采用Likert的5點量表計分［22］，設置5個評價等級為調查問卷的選項，評價等級具體為非常優秀、優秀、良好、一般、差，共計5項；（2）向特定人群發放調查問卷；（3）檢查和回收問卷：若檢查不合格可重新發放問卷，若干輪后停止；（4）配合賦值法將調查結果轉化為數據表達：依據百分制對各個評價等級進行量化賦值，從而得到各個評價等級分值的對應表，將評價等級分別賦值對應為100、80、60、40、20，共計5個數值；（5）統計調查問卷的數據。

2.2 層次分析法

層次分析法（AHP）是美國運籌學家匹茲堡大學教授提出的一種系統分析方法［4， 23］。通過將復雜的決策問題分解為不同的層次分析結構后科學客觀的得到各個指標的權重，能夠檢驗思維標準的一致性，將定性的多個指標概念定量化，從而解決傳統主觀方法確定權重的缺陷，對復雜的現實問題進行決策分析。

層次分析法的求解大致分為5個步驟：（1）建立層次分析結構；（2）構造判斷矩陣；（3）計算權向量得到指標權重；（4）一致性檢驗；（5）判斷矩陣是否通過一致性檢驗：若未通過則需要重新構造判斷矩陣，若通過則得到指標權重。

2.3 模糊綜合評價法

模糊綜合評價法（Fuzzy），基本思想是利用模糊線性變換原理和最大隸屬度原則，考慮與被評價事物相關的各個因素，做出合理綜合評價。文章以二級模糊綜合評價模型為例來分析模糊綜合評價的建模過程，模糊綜合評價法的求解大致分為5個步驟：（1）構建因素集；（2）構建評價集；（3）一級模糊綜合評價；（4）計算模糊綜合評價集；（5）二級模糊綜合評價。

3 實證研究

3.1 構建德爾菲法（Delphi）模型

以丘陵地區某企業的農機為例進行實證研究，通過權威領域專家對設計的調查問卷進行選擇，再利用賦值法，將Delphi模型用數值進行量化，通過匯總計算得到各項指標評價分，如圖1和圖2所示。

3.2 構建層次分析法（AHP）模型

3.2.1 建立層次分析結構

AHP將各因素按照不同的屬性從上到下分為目標層、準則層、方案層，同一層的諸因素對上一層因素有影響同時又支配下一層因素。本文以丘陵地區農機服務質量這個總指標作為目標層，一級指標作為準則層，二級指標作為方案層。

3.2.2 構建判斷矩陣

層次分析法采用相對尺度即1～9級標度法，將指標進行兩兩相互比較，可表示為一個雙向的坐標軸，從而確定出各個指標的重要程度。評價指標判斷矩陣的標度及含義，如圖3所示。

層次分析法構建判斷矩陣的目的是衡量出各個指標之間的重要程度，構造判斷矩陣的公式如式（1）、式（2）所示。

式中：

Cij——評價指標；

P——一級指標判斷矩陣；

Qm——二級指標判斷矩陣，m=1～5。

結合相關公式配合1～9級標度法，構造判斷矩陣。

3.2.3 計算權向量

計算判斷矩陣的權重有和法、特征根法和冪法等，本文采用的是和法。如果判斷矩陣一致性可以接受，那么求出判斷矩陣的最大特征值以及其對應的特征向量，對求出的權向量進行歸一化即可得到權重。

式中：

ω——權向量；

ω———權重。

根據構造的判斷矩陣，且一致性檢驗通過后，通過數學軟件計算得到結果如下。

3.2.4 一致性檢驗

一致性檢驗有助于檢查判斷矩陣內部的一致性，計算的一致性指標通常分為3中情況：（1）若一致性指標等于零，則判斷矩陣具有完全的一致性；（2）若一致性指標接近零，則判斷矩陣有滿意的一致性；（3）若一致性指標越大，則判斷矩陣的不一致性約嚴重。AHP模型進行一致性檢驗，公式如式（5）～式（7）所示。

式中：

CI——一致性指標；

CR——一致性率；

RI——一致性指標修正值，如表2所示；

λmax——最大特征值；

n——階數。

3.2.5 檢查是否通過一致性檢驗

AHP要求一致性率在容許范圍，當CR＜0.1時表示判斷矩陣可接受［4， 24］，認為通過了一致性檢驗，否則需要進行重新修訂，通過MATLAB軟件計算得到一致性檢驗結果，如表3所示。

3.3 修正Delphi模型

AHP模型對比Delphi模型更加科學客觀，文章利用AHP模型的計算結果修正和檢驗Delphi模型，保證了模型內部的一致性，從而科學客觀地得到評價結果，并利用賦值法計算專家評價分和指標權重，計算公式如式（8）～式（13）所示。

式中：

A——一級指標的權重分配；

Ai——二級指標的權重分配；

αi——第z位專家對第i項指標的權重；

αijz——第z位專家對第i個子集中第j項指標的權重；

k——專家人數總數。

結合數學軟件計算指標權重，并歸一化處理得到Delphi模型各項指標的權重，得到計算結果如圖4和圖5所示。

圖4和圖5是將Delphi模型的指標權重計算結果和AHP模型進行平均值計算，取平均值為Delphi模型的修正記過，即為最終的權重結果，用于Fuzzy模型的二級模糊綜合評價結果計算。由圖4可知，技術水平＞服務責任＞服務承諾＞便利可靠＞服務環境，技術水平的權重最高為0.377，服務環境的權重最低為0.064。這是由于顧客在選擇農機產品的過程中，更加趨向于技術水平高，服務責任強的企業，注重切實的解決農業中耕、種、防、收等的實際問題，服務環境也是顧客決策中不可或缺的影響因素，但是影響程度明顯弱于技術水平。

由圖5可知，農機操作便利、運行順暢的權重最高為0.526，農機結構是否布局合理的權重最低為0.1，兩者具有較大差距。各項指標權重的變化趨勢為ZB6＞ZB14＞ZB17＞ZB10＞ZB3＞ZB13＞ZB16＞ZB5＞ZB2＞ZB9＞ZB1＞ZB11＞ZB15＞ZB7＞ZB12＞ZB8＞ZB4，說明權重越高對于最終評價結果的影響程度越大，權重越高的指標可作為今后農機管理過程中的側重點和深入發展方向。

通過AHP模型修正補充Delphi模型后，將Delphi模型結果進行歸一化處理，得到的百分比堆積圖如圖6所示，該圖計算結果用于構建Fuzzy模型中的單因素評判矩陣。

3.4 構建模糊綜合評價法（Fuzzy）模型

3.4.1 構建因素集

Fuzzy模型的模糊綜合評價包含指標因素集U、評價集V和單指標（因素）評價3個要素，因素集是以影響評價對象的各種因素為元素所組成的一個普通集合，二級模糊綜合評價法構建的因素集可分為多個子集，如式（14）、式（15）所示。

式中：

U——因素集，本文U表示4個一級指標；

ui——子集，本文ui表示17個二級指標；

s——指標個數；

j——ui中的因素個數。

3.4.2 構建評價集

量化評價等級，參考評價等級分值對應表，將評語劃分等級。

V=v1，v2，…，vm（16）

式中：

V——評價集，本文V表示非常優秀、優秀、良好、一般、差5個等級對應的分值；

vm——子集；

m——評價等級個數。

3.4.3 一級模糊綜合評價

二級模糊綜合評價是在一級模糊綜合評價的基礎上進行的，需要先進行一級模糊綜合評價。完成一級模糊綜合評價，需要先確定綜合判斷矩陣，如式（17）所示。

式中：

Ri——單因素評判矩陣；

rijv——第i個子集中第j因素對應評價集vm評價情況的專家人數占比。

3.4.4 計算模糊綜合評價集

計算模糊綜合評價集后根據評價集的結果計算二級綜合評判矩陣，根據一級模糊綜合評價結果，得到綜合評判矩陣，計算公式如式（18）、式（19）所示。

式中：

Bi——模糊綜合評價集；

Ai——二級指標的權重分配；

Ri——單因素評判矩陣；

R——二級模糊綜合評判矩陣；

s——指標個數。

通過數學軟件計算結果如下。

3.4.5 二級模糊綜合評價

模糊綜合評價模型的算子根據不同情況，分為主因素突出型、均衡平均型、加權平均型等類型，農機的服務質量是多方面的，需要均衡兼顧所有指標，以及判斷出各個指標的權重。綜合分析，對A和R采用加權平均算子進行二級模糊綜合評價。

式中：

Bi——模糊綜合評價集；

A——一級指標的權重分配；

R——二級模糊綜合評判矩陣。

通過數學軟件計算公式得

B=max（0.31900.37180.07240.10440.1324）=0.3718

根據最大隸屬度原則，可得到二級模糊綜合評價的結果，對應評價集的非常優秀、優秀、良好、一般、差5個評語。即：最大的Cm值所對應的等級（評語）vm就是所要求的最佳評價結果。可知該企業的農機服務質量評定為“優秀”等級。

分析二級模糊綜合評價結果可知，該企業在“非常優秀”和“優秀”評價等級的占比為69.08%，“一般”評價等級的占比是7.24%，相對非常小；但是“一般”和“差”評價等級的占比為23.68%，說明該企業仍然存在不足之處，具有一定的改進空間。因此，可將專家評價分中靠后的5項指標（ZB4、ZB7、ZB8、ZB12、ZB15）進行改進，作為今后提升農機產品和企業整體實力的方向。

4 結論與建議

4.1 結論

1）首次采用五要素和五維度理論為基礎，依據指標構建原則，構建出17項評價指標，用于農機服務質量評價體系的構建，該指標能夠囊括農機的各方面情況，具有一定的代表性和指導價值。

2）運用德爾菲法和模糊綜合評價法相結合的數學模型（Delphi-Fuzzy）構建出農機服務質量評價體系，提出層次分析法（AHP）修正Delphi模型，使得各個指標的評價結果更加客觀，構建的評價體系更加完善。

3） 該評價體系切實可行，通過實證分析，配合SPSS和MATLAB軟件計算，得出該農機企業的綜合評價值為0.3718，根據最大隸屬度原則，得到該企業評價等級為“優秀”等級，該評價結果與實際情況相符。

4）根據評價結果中“一般”和“差”評價等級的占比為23.68%，說明存在一定改進空間，于是分析排名靠后指標，針對企業的薄弱環節，提出了改進建議；該評價體系可對企業服務質量進行監測，找到得分偏低的指標，如此循環改進，從而不斷提升農機服務質量，為今后農機的管理和優化提供思路。

4.2 建議

基于Delphi-Fuzzy丘陵地區農機服務質量評價體系的計算結果，對排名靠后5項的指標，分別提出改進意見，以期提高農機社會化服務水平，具體建議如下。

1）優化農機結構、提高產品實用性。針對現存農機產品進行結構優化設計，合理消耗庫存滿足市場需求；實現技術創新，合理配置農業機械設備，保證機器的合理利用，提高農機設備的整體性能；結構是否布局合理，也是能否避免農機設備出現故障的有效途徑，需要及時更新技術，攻克技術難關。

2）降低零部件磨損程度、延長農機壽命。一是提高質量。特別是針對易損件和磨損件，保障材料質量。二是注重保養。編制農機使用手冊，重視農機的日常維護保養工作，對牧民進行培訓，傳授知識。三是筑牢根基。從設計上保障農機的質量，設立耐久實驗以保障質量過關，嚴格把控出廠的質量檢驗關卡。

3）增強人員專業程度、提供個性化服務。隨著社會多元化發展，對于農機工作人員的專業程度要求不斷增加，逐漸趨向于個性化服務，故而需要主動開展以滿足用戶個性化需求為目的的全方位服務模式。一方面突出人才素質多方面提升。建立人才實訓基地，外聘專家，傳授機械操作知識，增強服務意識，達到要求后取證上崗。另一方面，構建個性化服務的規范和程序。通過相關的規范和程序標準，進一步強調服務的靈活性和技巧性，提高服務質量，創新服務技能并且涵蓋顧客體驗的全部環節，給顧客以舒適、順心的體驗感受。

4）增強優惠保障力度、提高售后服務質量。規范售后服務的價格標準，滿足牧民期望的以更加合理的價格獲得優質服務。出臺地方性的優惠政策，促進農機的推廣和提高售后服務質量。監督售后優惠政策的落實，保障顧客的售后服務權益，進一步提升顧客的滿意程度。

5）創新售后維修手段、優化流程并提高效率。農機的售后維修服務和技術服務質量都是評估農機發展的重要指標，一方面，技術過硬，加強售后服務人員的技能培訓，做到技能熟練，能夠為用戶提供優質服務。另一方面，流程簡便，采用OTO等模式，充分利用軟件功能，線上約定維修時間，線下安排人員檢修；將不同的問題進行分類，維修自己擅長的領域，由專人進行維修進而提高效率。

參 考 文 獻

［1］ Wang Y， Yang F， Pan G， et al. Design and testing of a small remote-control hillside tractor ［J］. Transactions of the ASABE， 2014， 57（2）： 363-370.

［2］ Sun J， Meng C， Zhang Y， et al. Design and physical model experiment of an attitude adjustment device for a crawler tractor in hilly and mountainous regions ［J］. Information Processing in Agriculture， 2020， 7（3）： 466-478.

［3］ Ariken M， Zhang F， weng Chan N. Coupling coordination analysis and spatio-temporal heterogeneity between urbanization and eco-environment along the silk road economic belt in China ［J］. Ecological Indicators， 2021， 121： 107014.

［4］ Wang J， Zhang J. Research on innovative design and evaluation of agricultural machinery products ［J］. Mathematical Problems in Engineering， 2019， 2019： 1-18.

［5］ Osuch A， Osuch E， Rybacki P， et al. A decision support method for choosing an agricultural machinery service workshop based on fuzzy logic ［J］. Agriculture， 2020， 10（3）： 76.

［6］ Hafezalkotob A， Hami-Dindar A， Rabie N， et al. A decision support system for agricultural machines and equipment selection： A case study on olive harvester machines ［J］. Computers and Electronics in Agriculture， 2018， 148： 207-216.

［7］ Hu Y， Xiao S， Wen J， et al. An ANP-multi-criteria-based methodology to construct maintenance networks for agricultural machinery cluster in a balanced scorecard context ［J］. Computers and Electronics in Agriculture， 2019， 158： 1-10.

［8］ Wang Z， Wang J， Zhang G， et al. Evaluation of agricultural extension service for sustainable agricultural development using a hybrid entropy and TOPSIS method ［J］. Sustainability， 2021， 13（1）： 347.

［9］ 張照， 郭健. 草原生態與畜牧業發展的系統耦合模型分析——以1994—2011年內蒙古牧區為例［J］. 河北經貿大學學報（綜合版）， 2015， 15（3）： 96-100.

Zhang Zhao， Guo Jian. System coupling model analysis of the grassland ecosystem and animal husbandry development ［J］. Journal of Hebei University of Economics and Business （Comprehensive Edition）， 2015， 15（3）： 96-100.

［10］ Yang Y， Yuan G， Zhuang Q， et al. Multi-objective low-carbon disassembly line balancing for agricultural machinery using MDFOA and fuzzy AHP ［J］. Journal of Cleaner Production， 2019， 233： 1465-1474.

［11］ 翟勇. 中國生態農業理論與模式研究［D］. 咸陽： 西北農林科技大學， 2006.

Zhai Yong. Study on theory and model of Chinese ecological agriculture ［D］. Xianyang： Northwest A & F University， 2006.

［12］ Zeithaml V A. Service quality， profitability， and the economic worth of customers： What we know and what we need to learn ［J］. Journal of the Academy of Marketing Science， 2000， 28： 67-85.

［13］ 牛成強， 宋月鵬， 李釗， 等. 丘陵山區水果田間輸運機械適用性評價研究［J］. 中國農機化學報， 2020， 41（11）： 89-94.

Niu Chengqiang， Song Yuepeng， Li Zhao， et al. Study on applicability evaluation of fruit field transportation machinery in hilly mountain area ［J］. Journal of Chinese Agricultural Mechanization， 2020， 41（11）： 89-94.

［14］ 廖敏， 楊建國， 胡紅， 等. 新形勢下四川省農業機械化發展對策研究［J］. 中國農機化學報， 2020， 41（12）： 183-188.

Liao Min， Yang Jianguo， Hu Hong，et al. Countermeasure against development of agricultural mechanization in Sichuan Province under new situation ［J］. Journal of Chinese Agricultural Mechanization， 2020， 41（12）：183-188.

［15］ Zeithaml V A， Berry L L， Parasuraman A. The nature and determinants of customer expectations of service ［J］. Journal of the Academy of Marketing Science， 1993， 21： 1-12.

［16］ 陳學軍. 服務質量和企業形象關系的實證研究［J］. 人類工效學， 2001， 7（1）： 33-35.

Chen Xuejun. Study of relationship between corporation identification and service quality ［J］. Chinese Ergonomics， 2001， 7（1）： 33-35.

［17］ Parasuraman A， Zeithaml V A， Berry L L. A conceptual model of service quality and its implications for future research ［J］. Journal of Marketing， 1985， 49（4）： 41-50.

［18］ Parasuraman A， Berry L L， Zeithaml V A. More on improving service quality measurement ［J］. Journal of Retailing， 1993， 69（1）： 140-147.

［19］ Chan Y K， Neailey K， Ip W H. ISO 9004-2 quality management system‐the way to world‐class service ［J］. Managing Service Quality： An International Journal， 1998， 8（6）： 395-401.

［20］ 劉泳倫， 霍國慶， 鹿盟. 臺灣休閑農業企業核心競爭力評價指標體系研究［J］. 數學的實踐與認識， 2011（9）： 34-48.

Liu Yonglun， Huo Guoqing， Lu Meng. Research on the system of assessment indicators of core competence for leisure agriculture enterprise of Taiwan ［J］. Mathematics in Practice and Theory， 2011（9）：34-48.

［21］ Shah S A A， Solangi Y A， Ikram M. Analysis of barriers to the adoption of cleaner energy technologies in pakistan using modified delphi and fuzzy analytical hierarchy process ［J］. Journal of Cleaner Production， 2019， 235： 1037-1050.

［22］ 何秋潔， 何太碧， 王意東. 機動車輛保險理賠服務質量評價體系構建與實證研究［J］. 《西南民族大學學報》（人文社會科學版）， 2019（8）： 127-136.

［23］ Amini S， Rohani A， Aghkhani M H， et al. Assessment of land suitability and agricultural production sustainability using a combined approach （Fuzzy-AHP-GIS）： A case study of Mazandaran province， Iran ［J］. Information Processing in Agriculture， 2020， 7（3）： 384-402.

［24］ Durczak K， Ekielski A， Kozowski R， et al. A computer system supporting agricultural machinery and farm tractor purchase decisions ［J］. Heliyon， 2020， 6（10）.