基于AHP-PCA模型的數字鄉村建設評價方法研究

中圖分類號：F327；F49文獻標志碼：A

文章編號：1673-6737（2025）05-0024-05

Evaluation Method for Digital Rural Construction Based on the AHP-PCA Model REN Xin-lu，LIU Yi （School of Management， Guangzhou Huashang College，Guangzhou 5113oo，China）

Abstract：Withtherapiddevelopmentofdigitaltechnology，digitalruralconstructionhas becomeakeyapproachto promoting ruralrevitalization.However，currntevaluationsystemsoftensufferfromunreasonable weightalocationand limitedadaptability.Toaddressthisisue，thisstudyintegratestheAnalyticHierarchyProcessandPrincipalComponents Analysistodevelopanevaluationmodeltailoredtothespecificneedsofdigitalruralconstructioninmajorrice-producing areasinnorthern China.Themodeldemonstratesstrong stability，with minimalimpactfromchangesinthecoordination coeficient.Inpracticalaplication，vilagesguidedbythismodelshowedsignificantimprovements：theaveragescoresof smart agricultural production and digital rural governance increased by 27% ，riceyield per mu rose by 9.9%，the proportion of high-quality rice grew by 56.3% ，and brand premium rates improved by 91.9% .This study provides a scientificevaluationapproachfordigitalruraldevelopmentinnorthernrice-producingregionsandplaysavitalrolein advancing the digital transformation of the rice industry.

Key Words： AHP;PCA； Northern rice-producing region; Digital rural construction

隨著現代數字技術的快速發展，數字鄉村建設已成為推動鄉村振興的重要方式，特別是在北方水稻主產區，數字化轉型不僅有助于提升農業生產效率，還能優化資源配置，改善農民的生活品質[-3]。然而，當前數字鄉村建設評價體系普遍存在指標選取、權重分配不合理的問題，不能準確地反映北方水稻種區數字鄉村建設的真實水平[4-5]。近年來，層次分析法（Analytic Hierarchy數字基礎設施1網絡Process，AHP作為一種定性與定量相結合的系統分析方法，能夠將復雜決策問題分解為多層次結構，被廣泛應用于各類評價研究中。但由于其僅依賴專家經驗判斷指標權重，容易受專家個人偏好的影響。另一方面，主成分分析法（PrincipalComponents Analysis，PCA）是一種基于數據的客觀分析方法，能夠降低指標間的相關性，提取主要影響因素。但缺點是缺乏對指標重要性的先驗判斷，且對原始數據質量要求較高。為克服上述方法的不足，研究創新性地將AHP與PCA結合，構建適合北方水稻種植區特點的數字鄉村建設評價模型。該模型首先通過AHP構建評價指標體系并確定初始權重，再引人PCA對數據進行降維與優化，提取主要成分以修正權重值，從而實現專家主觀判斷與數據客觀分析的融合。研究旨在提供一種科學合理的評價方法，為推動北方水稻主產區的數字鄉村建設提供決策支持，促進水稻產業數字化轉型和農村信息化建設。

1面向數字鄉村建設的AHP-PCA評價模型

1.1 AHP與PCA的融合設計

AHP是一種多準則決策方法，能夠將復雜問題分解為層次結構，系統性地處理指標間的關系。在數字鄉村建設的評價中，AHP可以考慮北方水稻種植區的特殊性，如水田灌溉管理、抗寒育秧技術等數字化應用場景，構建符合區域特點的評價體系8-9]。AHP確定各指標的相對重要性的方法是構建判斷矩陣并求解，表現形式如式（1）所示

式（1）中， a_ij 表示指標 i 對于指標 j 的重要程度， W₁^AHP 表示第 i 個指標在AHP評價體系中的相對權重。在北方水稻種植區，AHP會賦予智能灌溉系統更高的重要性，因為水分管理是北方水稻生長的關鍵影響條件。然而，雖然AHP在結構建模方面有優勢，但其過度依賴專家主觀判斷，會基于個人經驗高估水稻品種數字化管理的重要性，低估農戶數字素養對技術應用效果的影響[II-2]。因此，為了增強評價體系的客觀性，研究引人PCA對AHP的結果進行優化。PCA通過降維分析提取數據主要信息，實現思路如圖1所示。

圖1PCA工作機制原理圖

由圖1可以看出，原始數據在高維空間的分布較為分散，而PCA能識別出數據的主要變化方向，將數據投影在這兩個主成分構成的二維平面上，使數據結構更加清晰。在數字鄉村評價中，PCA能夠有效提取北方水稻種植區的評價指標中的關鍵信息，客觀地反映各指標間的內在關聯，為評價體系提供基礎數據[13-14]。基于此，研究利用PCA計算各指標的信息貢獻，得到基于數據的客觀權重，計算方式如式（2）所示。

式（②中， λ_j 為第 j 個主成分的特征值， l_ij 為指標 i 在第 j 個主成分中的荷載系數， k 為選取的主成分數量。PCA能夠發現數據中隱含的結構，在北方水稻產區中，智能水溫監測系統與產量提升之間存在相關性，這種相關性通常無法被專家經驗注意到[。為充分結合AHP的系統性與PCA的客觀性，研究通過調和系數將權重進行加權融合，過程如式（3）所示。

式（3中， W_i 表示融合后 i 指標的權重。 α 為調和系數，取值范圍為 [0，1] 。最后，研究對結果進行歸一化處理，得到綜合權重向量，如式（4）所示。

這種融合設計吸收了水稻專家對數字技術在不同生產環節重要性的判斷，又通過數據分析客觀發現了各指標對數字鄉村建設的實際貢獻，從而提高了評價結果的科學性和實用性。通過AHP-PCA評價方法，研究能夠充分考慮區域特點，更合理地平衡這兩方面的評價依據。

1.2基于AHP-PCA的評價模型構建

基于融合的AHP-PCA評價方法，研究進一步構建適合北方水稻種植區的數字鄉村建設評價模型。研究首先考慮北方水稻種植區的氣候特點、生產模式和區域差異，選取具有代表性的指標，從四個維度設計評價指標體系[6-17]。評價指標體系內容如圖2所示。

由圖2可以看到，研究構建的數字鄉村評價指標體系是一個多層次的框架，涵蓋了四個主要維度的16項具體指標。主要涵蓋數字基礎建設、智慧農業生產、數字公共服務、鄉村數字治理四個維度8。這些指標涵蓋了北方水稻種植區數字鄉村建設的各個方面，將水稻生產特點與數字技術應用充分結合。該體系的表現形式如式（5）所示。

X={X₁，X₂，X₃，X₄}

式（5）中， X₁，X₂，X₃，X₄ 為四個一級指標。為了進行評估，研究首先收集每個指標的相關數據，對于定量指標通過統計年鑒、政府工作報告和實地調研獲取。對于定性指標則采用專家評分和問卷調查的方式[19-21]。在收集并對基礎數據進行標準化處理后，研究將指標值與AHP-PCA獲得的綜合權重相結合，計算各評價對象的綜合得分，公式如式（6）所示。

式（6）中， S_i 為第 i 個評價對象的綜合得分， w_j 為第 j 個指標的綜合權重，得分越高表明數字鄉村建設水平越高。為了更好地分析數字鄉村建設不同維度中的發展狀況，研究還提出計算各一級指標的分項得分，該得分可以揭示數字鄉村建設的不平衡性，例如可能存在數字基礎設施較好但智慧農業生產應用不足等情況22。同時計算各指標對綜合得分的貢獻率，確定各指標對數字鄉村建設的影響程度，發現哪些因素在數字鄉村建設中發揮更重要的作用，為后續優化建設路徑提供依據23]。最后，針對北方水稻種植區的特殊性，模型還進行敏感性分析，檢驗不同指標權重變化對評價結果的影響，計算過程如式（7）所示。

式（7）中， ΔS_i 為綜合得分的變化量， Δw_j 為指標權重的變化量。通過敏感性分析，可以檢驗評價結果的穩健性，并識別對評價結果影響最大的關鍵指標[24]。根據以上過程，研究構建的基于AHP-PCA的數字鄉村建設評價模型工作流程如圖3所示。

AHP權重計算一 中 尼四 ★評價指標體系 十 融合與歸一化 綜合權重向量數據標準化提取主成分計算貢獻度PCA權重計算D H 書敏感性分析 差距分析 綜合得分 分項得分指標貢獻度輸出政策建議評價結果分析 評價結果計算

圖3中，AHP-PCA模型在構建評價指標體系后，同時通過AHP與PCA得出專家經驗導向權重和數據驅動權重，后將其進行融合與歸一化，得到綜合權重向量。隨后基于綜合權重計算出各評價對象的綜合得分、分項得分和指標貢獻率，再通過評價結果分析環節進行相關性分析和差距分析，最終輸出針對北方水稻種植區的數字鄉村建設政策建議。

2數字鄉村建設評價模型的應用驗證

2.1 AHP-PCA模型穩定性驗證

為驗證AHP-PCA模型在北方水稻種植區數字鄉村建設評價中的穩定性及適用性，研究選取了黑龍江省綏化市五個典型水稻主產縣作為研究對象，命名為A-E。研究收集了2024年各縣在16項二級指標上的原始數據，采用德爾菲法組織10位數字農業與鄉村振興領域的專家進行評分，取平均值作為最終結果。為了檢驗AHP-PCA對調和系數變化的敏感性，研究設置了不同的調和系數值，計算各評價對象的綜合得分，結果如圖4所示。

從圖4（a）可以看出，隨著調和系數從0.1增加到0.9，五個縣區的綜合評價得分雖然有波動，但整體變化較小。同時，五個縣區之間的相對排名始終保持不變，進一步說明該評價方法的穩定性和可靠性。由圖4（b）可以看到，各縣的變異系數均低于0.02，說明綜合評價結果對調和系數變化不敏感，尤其是B縣和C縣的變異系數分別為0.009和0.010，表明這兩個縣區的評價結果受調和系數影響更小，也證明了該方法的穩定性較強。

2.2數字鄉村建設的實用性驗證

為驗證AHP-PCA在指導數字鄉村建設實踐中的應用價值，研究選取了黑龍江省綏化市內兩個具有相似自然條件和經濟基礎的水稻種植村作為研究對象，命名為Z村和X村。研究于2023年12月至2024年12月開展為期一年的實證研究，使用AHP-PCA對兩村數字鄉村建設情況進行評估，為Z村制定并實施了有針對性的數字鄉村建設方案，X村就按照常規方式推進數字鄉村建設工作。實驗期間兩村在四個評價維度下的評分變化如圖5所示。

從圖5可以看出，Z村在四個維度上的提升均明顯高于X村，特別在智慧農業生產和鄉村數字治理兩個維度，評分分別從開始的0.514和0.352上升到0.651和0.452，上升幅度平均達到27% ，這說明針對性建設措施有持續的積極效果。X村也有提升，但幅度較小，而且各維度發展較為均衡，沒有明顯突破。這種差異表明，AHP-PCA評價方法能夠有效識別數字鄉村建設中的關鍵環節，制定精準有效的建設方案。為評估數字鄉村建設對水稻產業經濟效益的影響，研究對比了兩村的水稻生產經濟指標變化情況，結果如圖6所示。綜合圖6可以看出，經過一年的針對性數字鄉村建設，Z村水稻生產的經濟效益顯著提升。產量從536.2kg/667m² 增加到 589.5kg/667m² ，漲幅達9.9% ，高于Z村的 2.5% 。同時，Z村水稻的利潤最終達到1298.2元 1667m² ，高品質米比例從37.5% 提升至 58.6% ，增幅達 56.3% ，品牌溢價率也提升了 91.9% ，這些結果反映了數字技術在提升水稻質量和品牌價值方面的積極作用。另外，Z村的勞動生產率每日從 0.22hm² 提高到0.32hm² ，說明數字技術能夠減輕農戶的勞動強度，提高生產效率。相比之下，X村各項指標提升幅度較小，漲幅最高的品牌溢價率也僅從 13.1% 增長到15.2% 。以上結果說明，AHP-PCA評價方法能夠科學客觀地評估數字鄉村建設水平，在指導北方水稻種植區的數字鄉村建設實踐中具有實用價值。

圖6水稻生產經濟指標變化結果

3結論

針對北方水稻主產區數字鄉村建設評價體系中存在的評價不準確的問題，研究構建了基于AHP-PCA評價方法的數字鄉村建設評價模型。該模型包含數字基礎建設、智慧農業生產、數字公共服務和鄉村數字治理四個維度的16項評價指標，通過調和系數將專家經驗與數據分析進行融合，實現經驗知識與實證數據的結合。模型穩定性驗證表明，在調和系數從0.1到0.9的變化范圍內，實驗中的五個縣區相對排名保持一致，且各縣的變異系數均低于0.02，表明評價結果對調和系數變化不敏感。在鄉村建設的實際應用實驗中，使用AHP-PCA模型進行建設指導的Z村的智慧農業生產評分從0.514提升至0.651，數字治理評分從0.352增至0.452。同時水稻生產經濟指標也得到明顯改善，畝產量增長 9.9% ，高品質米比例提升至 58.6% ，勞動生產率從 0.22hm² 每日提高到0.32hm² 每日。這些結果充分證明了AHP-PCA模型在指導北方水稻種植區數字鄉村建設實踐中的實用價值。盡管研究取得了一些成果，但沒有分析季節性氣候變化對數字農業技術應用效果的影響，且樣本區域有限、時間跨度較短。未來研究將注重多維度動態評價機制，增強評價模型對復雜農業生產環境的適應能力，為構建高效、可持續的北方水稻區數字鄉村發展體系提供理論支撐。

參考文獻：

[1]杜蓉，柳思維，馮佑帥.數字鄉村發展對農村居民消費的影響機制實證研究[J].經濟地理，2024，44（4）：190-200.

[2]胡蕾，巫強，姚雨秀.數字鄉村建設對農村家庭增收的作用機制：基于縣域數字鄉村指數與中國家庭追蹤調查的匹配數據[J].云南財經大學學報，2024，40（3）：82-96.

[3]張威威，杜歡政，陸莎.數字要素賦能鄉村生態振興的困境與對策研究[J].環境科學與管理，2024，49（10）：169-174.

[4]扎令孜，丁尸夏，臭彬，寺.數子鄉村建設賦能鄉村廣業振興的效應與作用機制[J].西南農業學報，2024，37（9）：1925-1936.

[5] 田璞玉，萬忠，王建軍，等.廣東省農業農村現代化評價指標體系構建與評估[J].科技管理研究，2023，43（10）：66-72.

[6]李正凱，王趙明，齊亞楠，等.基于改良層次分析法的環境影響評價模型在公路綠色施工中的應用研究[J].環境科學與管理，2024，49（6）：185-189.

[7] 涂鑫鑫，李偉夫，陳洪，等.基于主成分分析法的城中村居民社會脆弱性評估：以武漢市洪山區為例[J.長江流域資源與環境，2023， 32（2）：284-296.

[8]劉海，鄧竹清，曾理文，等.南北種：南方雜交粘稻東北種植的設想及育種實踐[J].雜交水稻，2025，40（1）：1-4.

[9]李國景，楊亞東，劉洋，等.縣域水稻生產區域差異與增產效應[J].中國農業大學學報，2024，29（10）：60-71.

[10] 劉清圣，王瑩，陳麗紅，等.洱海流域稻田水分管理模式研究[J].江西農業學報，2023，35（11）：121-127.

[11]歐陽逸云，蘇漳文，李春輝，等.基于模糊邏輯和網絡層次分析法的森林火險區劃[J].應用生態學報，2024，35（2）：354-362.

[12]蘭小夢，潘杰，趙莉.健康示范縣評價指標體系構建--基于德爾菲和層次分析法[J].中國衛生政策研究，2024，17（6）：27-32.

[13] 鄭澳月，費金娜，陳永清，等.應用奇異值分解（SVD）-主成分分析（PCA）組合模型定量圈定與評價騰沖地塊錫鎢和鉛鋅多金屬找礦靶區[J].地學前緣，2025，32（1）：283-301.

[14] 李冬，劉子源，曾非同，等.基于非參數估計與滑動窗口改進的主成分分析方法研究[J].電測與儀表，2024，61（11）：107-115.

[15]王忍，黃璜，陳燦，等.不同生態種養模式對雙季稻土壤養分及水稻產量的影響[J].雜交水稻，2024，39（3）：127-132.

[16]孟佳瑞.基于水稻產業發展的鄉村振興模式探索與實踐[J].北方水稻，2025，55（2）：87-89.

[17]陳潔菡，郎富平，陳添珍，等.情感導向下的鄉村旅游景觀評價指標體系構建與空間設計策略[J.西南林業大學學報，2024，8（12）：51-57.

[18]許潤達，張建平，葛揚.中國鄉村振興水平的指標構建，測度評價及時空演變[J].規劃師，2024，40（8）：43-49.

[19]馬瑞英，趙蕊，翟勇，等.基于鄉村振興戰略分析水稻田園文化旅游的開發路徑[J].北方水稻，2025，55（1）：103-105.

[20] 崔佳倩.鄉村振興背景下水稻種植產業發展存在的問題與對策研究[J].北方水稻，2024，54（2）：64-66.

[21]郭映彤.基于鄉村振興的水稻種植綠色生產技術發展對策研究[J].北方水稻，2024，54（4）：91-93.

[22] 胡衛衛，盧玥寧.數字鄉村治理共同體的生成機理與運作邏輯研究：基于\"中國大棚第一村\"數字鄉村建設的實證考察[J]公共管理學報，2023，20（1）：133-143.

[23] 王振華，江金啟.數字鄉村建設賦能縣域經濟高質量發展研究：基于技術進步偏向視角[J].經濟經緯，2024，41（4）：29-43.

[24] 陳謙，楊格，王尚長，等.基于關聯性分析的模型更新混合試驗參數敏感性分析方法[J]．地震工程與工程振動，2025，45（2）：192-202.