我國農業經濟發展現狀的評價模型分析

趙超烽

摘 要：我國現正處于經濟結構調整和改革的重要階段，在社會經濟發展的進程中，農業作為基礎產業，其地位至關重要，農業的整體穩定和健康可持續發展是社會經濟的發展的重要保障。本文主要采用折衷型模糊決策方法來對我國農業經濟發展現狀進行分析，以我國31個省市自治區農業經濟發展為對象，選取耕地灌溉面積（千公頃）、化肥施用量（萬噸）、人均耕地面積（總資源）（公頃/人）、人均農業產值（萬元/人）、農用機械總動力（萬千瓦）、人均糧食產量（公斤/人）、農村居民人均可支配收入（元）這7個屬性指標，根據離散系數法賦權并得到各省市自治區的綜合得分，據此區分各省市自治區的農業發展狀況并評價。

關鍵詞：折衷型模糊決策模型；離散系數；農業發展

一、問題背景闡述

在2015年，全球經濟依舊是處于緩慢復蘇的狀態，整體環境處于復雜嚴峻的形式。而在國內，除了面對錯綜復雜的國際形勢外，還承受著巨大的經濟下滑壓力，整體經濟結構的調整和改革正處于重要階段，主動適應引領新常態，經濟保持了總體平穩的發展態勢。

其中，農業是我國經濟的基礎產業，在經濟結構中有著重要的地位，它的發展狀況也是直接影響著我國整體的經濟趨勢，是社會經濟發展中的堅實后盾。農業部市場預警專家委員會發布《中國農業展望報告（2015-2024）》，對未來十年我國農業的發展進行了一系列預測，提出了未來十年穩中有漲的態勢。

但是目前我國人口居多，農業發展直接關系到每一個人的切身利益，在現今人均耕地資源不足、各地區省份由于氣候地貌等因素使得發展不平衡等諸多問題下，總體性的分析各個省份自治區的農業經濟發展現狀，有利于結合當地的農業自然資源發展開發，構建現代農業產業體系，使得農業發展在“新常態”經濟格局下能夠持續穩定、協調地發展，對社會、國家的經濟具有重要的現實意義。

二、相關概念和基本原理

折衷型模糊決策模型的應用是現代科學不確定性決策的一個重要的組成部分，它已經成功的在人工智能、自動控制、氣象預測等諸多方面得到廣泛應用。從不同角度來分析眾多的決策問題，可以從中找出其共通點，將這些問題劃分成各種具有不同特征的種類。其中可以從某一問題是否具有明確的決策環境、決策者可以明確區分其所處的環境狀況，就能夠將這些相同特征的決策問題劃分成確定性決策問題與不確定性決策問題兩種情況。其中，不確定性問題在現實條件下則更為常見，它是指在決策中的幾個備選方案是不明確的，也可以說是在這幾個可行的方案中的現實價值或者是獲得的概率是未知的。而對于不確定性決策問題，現今主要研究模糊決策模型。

Hwang在對多屬性決策問題進行分析中，通過引入理想解和負理想解來對方案進行選擇，開創了模糊決策方法的先河[1]。之后又有眾多的教授學者加以完善，能夠解決模糊的、難以量化的問題，能夠有效的解決諸多不確定性決策問題，對于在指標上的分界處，能夠有效地解決由于上下界分界處的突變而導致的較大誤差，更加吻合實施情況的表達。經過了將近60多年的發展，已然是現今研究的熱點之一，并將之應用于諸多領域、學科之中。

其中折衷型模糊決策方法是從大數據資料中，先對數據矩陣進行規范化處理，區分正指標和負指標，對于規范化后的矩陣進行加權處理，假設正指標屬性中的數值極大值為其模糊正理想解，而數值極小值為模糊負理想解，而負指標屬性的正負理想解則相反，分別得出其模糊正、負理想解，由加權歐氏距離來計算每種情況下與模糊正、負理想解的距離，最后計算綜合評價值的大小來確定最佳的方案，其值越大則為最優[2]。其基本思路就是挑選出的最終結果與其選定的正理想解距離越小，而對于選定負理想解的距離越大。

結合模糊方法理論來評價農業領域的文獻較少，本文采用的折衷型模糊決策對我國農業經濟發展的分析正處于現在的研究熱點中，在過去的研究中，多采用層次分析法、因子分析法與主成分分析法等計量經濟學的方法[3]，本文采用的模糊數學方法在以往研究中涉及較少，可以完善和豐富對我國農業發展的方法和評價模型。

三、評價模型的應用

（一）指標選取的原則

在對我國農業經濟發展分析上，需構建生產能力指標體系，所選取的指標應遵循以下幾個原則：

1、全面性原則。在對農業發展分析時的指標要求能夠涉及農業的各個方面，能夠全面地反映其真實情況。

2、科學性原則。主要表現在所選取的指標合理有效，能夠很好的反映被解釋的單位，都有明確有效的計算方法和公式。

3、可操作原則。相關指標的選取應該盡量符合現實情況，能夠通過一定方式尋找到，盡量選擇非專業性的表達，能夠量化表示或者是賦權表示其所表達的含義，并且與其他指標的關系。建立模型具有可操作性、實用性和可行性。

4、可比性原則。所選取的指標應采用現代統計理論表達，使得相同的指標所表達的含義能夠適用于相同情況。

（二）指標的選取及權重設計

本文旨在分析我國農業經濟發展現狀，從自然資源、人力條件、機械動力等諸多因素考慮，并結合了眾多文獻中相關指標進行嚴格篩選后，從中抉擇了7個指標屬性：耕地灌溉面積（千公頃）、化肥施用量（萬噸）、人均耕地面積（總資源）（公頃/人）、人均農業產值（萬元/人）、農用機械總動力（萬千瓦）、人均糧食產量（公斤/人）、農村居民人均可支配收入（元）（具體數值取自2015年中國統計年鑒[4]）。

在對指標設計的權重上，有主觀賦權和客觀賦權這兩種常見的方法。主觀賦權主要是由相關人員的主觀評判來確定相應的權數，相對于眾多賦權方法來說是一種較為簡便、操作性較強的方法，但是所要獲得比較權威的權重比則又需要根據多位專家評分取平均；客觀賦權是利用實際的指標數據依據一定的內在規律，產生其相應的指標權數，從客觀角度對選定的眾多指標數據設置某一定值數值，這種客觀賦權的方法能夠充分的利用指標數據所提供的信息，具有操作性和科學性[5]。

本文主要采用離散系數法，對上述指標進行賦權。離散系數法主要是根據各個指標的標準差與均值的比得到各個指標的離散系數，最后將離散系數進行歸一化得到各個指標的權重大小。離散系數越大，就說明指標數據越活躍，其所占到的權重越大。離散系數法能客觀的給予權重值，排除了因專家主觀評價賦值的影響，并能有效地結合數據，使得原本相對獨立的指標數據能有機的結合在一起，避免了信息使用者因采用不同的指標而得出不同甚至相反的評價結果。在數據收集的過程中，有些指標中的數據值具有滯后效應，在發展的過程中短期內效果不顯著，這在實證分析中存在著一定的誤差，在本文中暫且忽略不計。

（三）模型構建

1、先對數據矩陣進行規范化處理。在農業的經濟發展狀況中的單項指標變量有的是以公頃/人為單位的，有的則是以萬元/人或者是萬千瓦等為單位，變量的取值范圍相差較大，為了使分析結果的標準無誤，應先消除不同量綱的影響，對指標進行標準化處理。再者，在上述選取的7個指標中，化肥施用量與農用機械總動力2個指標屬于逆指標，剩余的5個指標都為正指標。

2、對于規范化后的矩陣進行加權處理。先采用離散系數法來確定各項指標的權重值。先分別求出每一項指標的均值和標準差，再由每一項指標的均值和標準差的比值來求出離散系數，最后經過各個離散系數的整合，得到耕地灌溉面積、化肥施用量、人均耕地面積（總資源）、人均農業產值、農用機械總動力、人均糧食產量、農村居民人均可支配收入這7項指標權重依次為19%、7%、17%、12%、8%、19%和18%。

3、將每一項指標的權重與規范化后的矩陣相乘，加權后得到加權模糊矩陣數據，并得出其模糊正、負理想解。

4、分別計算各屬性數值與上述模糊正理想解的距離和與模糊負理想解的距離以及其綜合評價值。最后再根據綜合評價的數值大小進行排名，依次是：黑龍江（0.7023）、內蒙古（0.5657）、新疆（05135）、河南（0.5060）、山東（0.5054）、江蘇（0.4864）、吉林（0.4701）、河北（0.4464）、安徽（0.4400）、湖北（0.3864）、浙江（0.3638）、湖南（0.3631）、上海（0.3576）、遼寧（03131）、四川（0.3086）、北京（0.3083）、天津（0.3057）、寧夏（0.2774）、江西（0.2750）、福建（0.2599）、廣東（0.2592）、云南（0.2382）、廣西（0.2367）、海南（0.2353）、陜西（02326）、重慶（0.2250）、甘肅（0.2246）、山西（0.2129）、貴州（0.1806）、青海（0.0989）、西藏（0.0906）。

（四）模型分析

由分析出來的結果可以大致得出我國31個省市自治區的農業經濟發展現狀：

1、在用離散系數法求得權重，離散系數法是由各指標屬性的平均數和標準差的比值求得，反映了各個數據的離散程度的高低。同一數據之間的極差越大，說明這個屬性的活躍情況最大，那么這個屬性所占的權重就越大。由指標權重分析情況可以看出，耕地灌溉面積、人均耕地面積（總資源）、人均糧食產量和農村居民人均可支配收入這4項指標所占有的比重較大，都占到17%以上，這些指標對農業發展的影響程度較大。而化肥施用量和農用機械總動力這2項指標所占有的比重較小，僅為7%左右，其影響程度較小。

2、極差可以反映出發展現狀最優和最差兩種極端情況的差異程度，標準差可以反映在擁有相同均值的情況下的離散程度，標準差越大，那么各個省份間發展的離散程度也就越大。我國31個省市自治區農業指標評價值相似度之間的差距極值較大，31個省市自治區的綜合隸屬度的極差為0.6117，排名最高的省份約為最低省份的7.75倍，這也說明各省市農業發展狀況參差不齊，差距較大。

3、各個省份的整體發展現狀也是不平衡的，最后綜合評價值的均值為0.3351，有13個省份位于均值之上。

四、結論與建議

綜合上述省市自治區的綜合評價數值大小，并結合各個省市自治區的地理位置和區域特色等，簡要的將31個省市自治區劃分為4個等級：

（一）農業核心區

綜合評價數值大于0.5的地區。黑龍江、內蒙古、新疆、河南、山東5個省份有較高的評價值，5省市均位于北方，其占地面積也居于全國前幾個省市，在耕地面積權重較大的情況下，其結果也是最優的。在其農業質量、科技投入和物質投入都有較好的表現，農業生產效率高。這些省份需以龐大的城市消費市場作為其農業發展的依托，成分發揮農業優勢，提高農業產量，促進農業的高效發展。

（二）農業優勢發展區

綜合評價數值居于0.3-0.5之間。有江蘇、吉林、河北、安徽、湖北、浙江、湖南、上海、遼寧、四川、北京、天津這12個省份農業實力相當，各個地區各有特色和優勢，需充分結合地區的自然條件，因地制宜，大力發展特色農業，共同構建現代化農業體系。

（三）農業綜合發展區

綜合評價數值居于0.2-0.3之間。有寧夏、江西、福建、廣東、云南、廣西、海南、陜西、重慶、甘肅、山西11個省市自治區。這些地區處于農業發展的中等水平，不同省份都有在一定程度上不同的農業發展限制因素，諸如水資源、氣候變化、耕地地形等自然條件因素和政策條件因素，在一定層面上影響其農業的發展。

（四）農業生態發展區

綜合評價數值在0.2之下。僅有3個省份。這3各省份均處于中西部，其地形相對復雜，農田水利設施基礎等發展農業條件狀況相對來說較差，這些地區應當主要突出該地的資源優勢，一方面通過提高林地質量，提高森林覆蓋率和治山保水工程來強化其生態功能，同時發展林業特種產品促進農業和經濟的發展；在退坡耕地還林的同時，加強基本農田建設。

（作者單位：浙江財經大學）

參考文獻：

[1] Hwang C.L.Multiple Attribute Decision Making[M].Springer-Verlag，Berlin，1981.

[2] 徐澤水.不確定多屬性決策方法及應用[M].北京：清華大學出版社，2004.

[3] 丁慧媛.沿海地區適度規?，F代農業主要約束體制評判——基于主成分分析法的研究[J].山西財經大學學報，2013，（3）：56-71.

[4] 中國國家統計局.中國統計年鑒[M].北京：中國統計出版社，2015.

[5] 譚斌，毛軍.幾種客觀賦權的企業競爭能力綜合評價方法應用實例[J].統計教育，2006，（2）：39-43.