趙超烽

摘 要：我國(guó)現(xiàn)正處于經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和改革的重要階段，在社會(huì)經(jīng)濟(jì)發(fā)展的進(jìn)程中，農(nóng)業(yè)作為基礎(chǔ)產(chǎn)業(yè)，其地位至關(guān)重要，農(nóng)業(yè)的整體穩(wěn)定和健康可持續(xù)發(fā)展是社會(huì)經(jīng)濟(jì)的發(fā)展的重要保障。本文主要采用折衷型模糊決策方法來對(duì)我國(guó)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展現(xiàn)狀進(jìn)行分析，以我國(guó)31個(gè)省市自治區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展為對(duì)象，選取耕地灌溉面積（千公頃）、化肥施用量（萬(wàn)噸）、人均耕地面積（總資源）（公頃/人）、人均農(nóng)業(yè)產(chǎn)值（萬(wàn)元/人）、農(nóng)用機(jī)械總動(dòng)力（萬(wàn)千瓦）、人均糧食產(chǎn)量（公斤/人）、農(nóng)村居民人均可支配收入（元）這7個(gè)屬性指標(biāo)，根據(jù)離散系數(shù)法賦權(quán)并得到各省市自治區(qū)的綜合得分，據(jù)此區(qū)分各省市自治區(qū)的農(nóng)業(yè)發(fā)展?fàn)顩r并評(píng)價(jià)。

關(guān)鍵詞：折衷型模糊決策模型；離散系數(shù)；農(nóng)業(yè)發(fā)展

一、問題背景闡述

在2015年，全球經(jīng)濟(jì)依舊是處于緩慢復(fù)蘇的狀態(tài)，整體環(huán)境處于復(fù)雜嚴(yán)峻的形式。而在國(guó)內(nèi)，除了面對(duì)錯(cuò)綜復(fù)雜的國(guó)際形勢(shì)外，還承受著巨大的經(jīng)濟(jì)下滑壓力，整體經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整和改革正處于重要階段，主動(dòng)適應(yīng)引領(lǐng)新常態(tài)，經(jīng)濟(jì)保持了總體平穩(wěn)的發(fā)展態(tài)勢(shì)。

其中，農(nóng)業(yè)是我國(guó)經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，在經(jīng)濟(jì)結(jié)構(gòu)中有著重要的地位，它的發(fā)展?fàn)顩r也是直接影響著我國(guó)整體的經(jīng)濟(jì)趨勢(shì)，是社會(huì)經(jīng)濟(jì)發(fā)展中的堅(jiān)實(shí)后盾。農(nóng)業(yè)部市場(chǎng)預(yù)警專家委員會(huì)發(fā)布《中國(guó)農(nóng)業(yè)展望報(bào)告（2015-2024）》，對(duì)未來十年我國(guó)農(nóng)業(yè)的發(fā)展進(jìn)行了一系列預(yù)測(cè)，提出了未來十年穩(wěn)中有漲的態(tài)勢(shì)。

但是目前我國(guó)人口居多，農(nóng)業(yè)發(fā)展直接關(guān)系到每一個(gè)人的切身利益，在現(xiàn)今人均耕地資源不足、各地區(qū)省份由于氣候地貌等因素使得發(fā)展不平衡等諸多問題下，總體性的分析各個(gè)省份自治區(qū)的農(nóng)業(yè)經(jīng)濟(jì)發(fā)展現(xiàn)狀，有利于結(jié)合當(dāng)?shù)氐霓r(nóng)業(yè)自然資源發(fā)展開發(fā)，構(gòu)建現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)體系，使得農(nóng)業(yè)發(fā)展在“新常態(tài)”經(jīng)濟(jì)格局下能夠持續(xù)穩(wěn)定、協(xié)調(diào)地發(fā)展，對(duì)社會(huì)、國(guó)家的經(jīng)濟(jì)具有重要的現(xiàn)實(shí)意義。

二、相關(guān)概念和基本原理

折衷型模糊決策模型的應(yīng)用是現(xiàn)代科學(xué)不確定性決策的一個(gè)重要的組成部分，它已經(jīng)成功的在人工智能、自動(dòng)控制、氣象預(yù)測(cè)等諸多方面得到廣泛應(yīng)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(diǎn)，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(huán)境、決策者可以明確區(qū)分其所處的環(huán)境狀況，就能夠?qū)⑦@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(xiàn)實(shí)條件下則更為常見，它是指在決策中的幾個(gè)備選方案是不明確的，也可以說是在這幾個(gè)可行的方案中的現(xiàn)實(shí)價(jià)值或者是獲得的概率是未知的。而對(duì)于不確定性決策問題，現(xiàn)今主要研究模糊決策模型。

Hwang在對(duì)多屬性決策問題進(jìn)行分析中，通過引入理想解和負(fù)理想解來對(duì)方案進(jìn)行選擇，開創(chuàng)了模糊決策方法的先河[1]。之后又有眾多的教授學(xué)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(duì)于在指標(biāo)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(dǎo)致的較大誤差，更加吻合實(shí)施情況的表達(dá)。經(jīng)過了將近60多年的發(fā)展，已然是現(xiàn)今研究的熱點(diǎn)之一，并將之應(yīng)用于諸多領(lǐng)域、學(xué)科之中。

其中折衷型模糊決策方法是從大數(shù)據(jù)資料中，先對(duì)數(shù)據(jù)矩陣進(jìn)行規(guī)范化處理，區(qū)分正指標(biāo)和負(fù)指標(biāo)，對(duì)于規(guī)范化后的矩陣進(jìn)行加權(quán)處理，假設(shè)正指標(biāo)屬性中的數(shù)值極大值為其模糊正理想解，而數(shù)值極小值為模糊負(fù)理想解，而負(fù)指標(biāo)屬性的正負(fù)理想解則相反，分別得出其模糊正、負(fù)理想解，由加權(quán)歐氏距離來計(jì)算每種情況下與模糊正、負(fù)理想解的距離，最后計(jì)算綜合評(píng)價(jià)值的大小來確定最佳的方案，其值越大則為最優(yōu)[2]。其基本思路就是挑選出的最終結(jié)果與其選定的正理想解距離越小，而對(duì)于選定負(fù)理想解的距離越大。

結(jié)合模糊方法理論來評(píng)價(jià)農(nóng)業(yè)領(lǐng)域的文獻(xiàn)較少，本文采用的折衷型模糊決策對(duì)我國(guó)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的分析正處于現(xiàn)在的研究熱點(diǎn)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(jì)量經(jīng)濟(jì)學(xué)的方法[3]，本文采用的模糊數(shù)學(xué)方法在以往研究中涉及較少，可以完善和豐富對(duì)我國(guó)農(nóng)業(yè)發(fā)展的方法和評(píng)價(jià)模型。

三、評(píng)價(jià)模型的應(yīng)用

（一）指標(biāo)選取的原則

在對(duì)我國(guó)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展分析上，需構(gòu)建生產(chǎn)能力指標(biāo)體系，所選取的指標(biāo)應(yīng)遵循以下幾個(gè)原則：

1、全面性原則。在對(duì)農(nóng)業(yè)發(fā)展分析時(shí)的指標(biāo)要求能夠涉及農(nóng)業(yè)的各個(gè)方面，能夠全面地反映其真實(shí)情況。

2、科學(xué)性原則。主要表現(xiàn)在所選取的指標(biāo)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(jì)算方法和公式。

3、可操作原則。相關(guān)指標(biāo)的選取應(yīng)該盡量符合現(xiàn)實(shí)情況，能夠通過一定方式尋找到，盡量選擇非專業(yè)性的表達(dá)，能夠量化表示或者是賦權(quán)表示其所表達(dá)的含義，并且與其他指標(biāo)的關(guān)系。建立模型具有可操作性、實(shí)用性和可行性。

4、可比性原則。所選取的指標(biāo)應(yīng)采用現(xiàn)代統(tǒng)計(jì)理論表達(dá)，使得相同的指標(biāo)所表達(dá)的含義能夠適用于相同情況。

（二）指標(biāo)的選取及權(quán)重設(shè)計(jì)

本文旨在分析我國(guó)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展現(xiàn)狀，從自然資源、人力條件、機(jī)械動(dòng)力等諸多因素考慮，并結(jié)合了眾多文獻(xiàn)中相關(guān)指標(biāo)進(jìn)行嚴(yán)格篩選后，從中抉擇了7個(gè)指標(biāo)屬性：耕地灌溉面積（千公頃）、化肥施用量（萬(wàn)噸）、人均耕地面積（總資源）（公頃/人）、人均農(nóng)業(yè)產(chǎn)值（萬(wàn)元/人）、農(nóng)用機(jī)械總動(dòng)力（萬(wàn)千瓦）、人均糧食產(chǎn)量（公斤/人）、農(nóng)村居民人均可支配收入（元）（具體數(shù)值取自2015年中國(guó)統(tǒng)計(jì)年鑒[4]）。

在對(duì)指標(biāo)設(shè)計(jì)的權(quán)重上，有主觀賦權(quán)和客觀賦權(quán)這兩種常見的方法。主觀賦權(quán)主要是由相關(guān)人員的主觀評(píng)判來確定相應(yīng)的權(quán)數(shù)，相對(duì)于眾多賦權(quán)方法來說是一種較為簡(jiǎn)便、操作性較強(qiáng)的方法，但是所要獲得比較權(quán)威的權(quán)重比則又需要根據(jù)多位專家評(píng)分取平均；客觀賦權(quán)是利用實(shí)際的指標(biāo)數(shù)據(jù)依據(jù)一定的內(nèi)在規(guī)律，產(chǎn)生其相應(yīng)的指標(biāo)權(quán)數(shù)，從客觀角度對(duì)選定的眾多指標(biāo)數(shù)據(jù)設(shè)置某一定值數(shù)值，這種客觀賦權(quán)的方法能夠充分的利用指標(biāo)數(shù)據(jù)所提供的信息，具有操作性和科學(xué)性[5]。

本文主要采用離散系數(shù)法，對(duì)上述指標(biāo)進(jìn)行賦權(quán)。離散系數(shù)法主要是根據(jù)各個(gè)指標(biāo)的標(biāo)準(zhǔn)差與均值的比得到各個(gè)指標(biāo)的離散系數(shù)，最后將離散系數(shù)進(jìn)行歸一化得到各個(gè)指標(biāo)的權(quán)重大小。離散系數(shù)越大，就說明指標(biāo)數(shù)據(jù)越活躍，其所占到的權(quán)重越大。離散系數(shù)法能客觀的給予權(quán)重值，排除了因?qū)＜抑饔^評(píng)價(jià)賦值的影響，并能有效地結(jié)合數(shù)據(jù)，使得原本相對(duì)獨(dú)立的指標(biāo)數(shù)據(jù)能有機(jī)的結(jié)合在一起，避免了信息使用者因采用不同的指標(biāo)而得出不同甚至相反的評(píng)價(jià)結(jié)果。在數(shù)據(jù)收集的過程中，有些指標(biāo)中的數(shù)據(jù)值具有滯后效應(yīng)，在發(fā)展的過程中短期內(nèi)效果不顯著，這在實(shí)證分析中存在著一定的誤差，在本文中暫且忽略不計(jì)。

（三）模型構(gòu)建

1、先對(duì)數(shù)據(jù)矩陣進(jìn)行規(guī)范化處理。在農(nóng)業(yè)的經(jīng)濟(jì)發(fā)展?fàn)顩r中的單項(xiàng)指標(biāo)變量有的是以公頃/人為單位的，有的則是以萬(wàn)元/人或者是萬(wàn)千瓦等為單位，變量的取值范圍相差較大，為了使分析結(jié)果的標(biāo)準(zhǔn)無誤，應(yīng)先消除不同量綱的影響，對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。再者，在上述選取的7個(gè)指標(biāo)中，化肥施用量與農(nóng)用機(jī)械總動(dòng)力2個(gè)指標(biāo)屬于逆指標(biāo)，剩余的5個(gè)指標(biāo)都為正指標(biāo)。

2、對(duì)于規(guī)范化后的矩陣進(jìn)行加權(quán)處理。先采用離散系數(shù)法來確定各項(xiàng)指標(biāo)的權(quán)重值。先分別求出每一項(xiàng)指標(biāo)的均值和標(biāo)準(zhǔn)差，再由每一項(xiàng)指標(biāo)的均值和標(biāo)準(zhǔn)差的比值來求出離散系數(shù)，最后經(jīng)過各個(gè)離散系數(shù)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(nóng)業(yè)產(chǎn)值、農(nóng)用機(jī)械總動(dòng)力、人均糧食產(chǎn)量、農(nóng)村居民人均可支配收入這7項(xiàng)指標(biāo)權(quán)重依次為19%、7%、17%、12%、8%、19%和18%。

3、將每一項(xiàng)指標(biāo)的權(quán)重與規(guī)范化后的矩陣相乘，加權(quán)后得到加權(quán)模糊矩陣數(shù)據(jù)，并得出其模糊正、負(fù)理想解。

4、分別計(jì)算各屬性數(shù)值與上述模糊正理想解的距離和與模糊負(fù)理想解的距離以及其綜合評(píng)價(jià)值。最后再根據(jù)綜合評(píng)價(jià)的數(shù)值大小進(jìn)行排名，依次是：黑龍江（0.7023）、內(nèi)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(jié)果可以大致得出我國(guó)31個(gè)省市自治區(qū)的農(nóng)業(yè)經(jīng)濟(jì)發(fā)展現(xiàn)狀：

1、在用離散系數(shù)法求得權(quán)重，離散系數(shù)法是由各指標(biāo)屬性的平均數(shù)和標(biāo)準(zhǔn)差的比值求得，反映了各個(gè)數(shù)據(jù)的離散程度的高低。同一數(shù)據(jù)之間的極差越大，說明這個(gè)屬性的活躍情況最大，那么這個(gè)屬性所占的權(quán)重就越大。由指標(biāo)權(quán)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(chǎn)量和農(nóng)村居民人均可支配收入這4項(xiàng)指標(biāo)所占有的比重較大，都占到17%以上，這些指標(biāo)對(duì)農(nóng)業(yè)發(fā)展的影響程度較大。而化肥施用量和農(nóng)用機(jī)械總動(dòng)力這2項(xiàng)指標(biāo)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(fā)展現(xiàn)狀最優(yōu)和最差兩種極端情況的差異程度，標(biāo)準(zhǔn)差可以反映在擁有相同均值的情況下的離散程度，標(biāo)準(zhǔn)差越大，那么各個(gè)省份間發(fā)展的離散程度也就越大。我國(guó)31個(gè)省市自治區(qū)農(nóng)業(yè)指標(biāo)評(píng)價(jià)值相似度之間的差距極值較大，31個(gè)省市自治區(qū)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(nóng)業(yè)發(fā)展?fàn)顩r參差不齊，差距較大。

3、各個(gè)省份的整體發(fā)展現(xiàn)狀也是不平衡的，最后綜合評(píng)價(jià)值的均值為0.3351，有13個(gè)省份位于均值之上。

四、結(jié)論與建議

綜合上述省市自治區(qū)的綜合評(píng)價(jià)數(shù)值大小，并結(jié)合各個(gè)省市自治區(qū)的地理位置和區(qū)域特色等，簡(jiǎn)要的將31個(gè)省市自治區(qū)劃分為4個(gè)等級(jí)：

（一）農(nóng)業(yè)核心區(qū)

綜合評(píng)價(jià)數(shù)值大于0.5的地區(qū)。黑龍江、內(nèi)蒙古、新疆、河南、山東5個(gè)省份有較高的評(píng)價(jià)值，5省市均位于北方，其占地面積也居于全國(guó)前幾個(gè)省市，在耕地面積權(quán)重較大的情況下，其結(jié)果也是最優(yōu)的。在其農(nóng)業(yè)質(zhì)量、科技投入和物質(zhì)投入都有較好的表現(xiàn)，農(nóng)業(yè)生產(chǎn)效率高。這些省份需以龐大的城市消費(fèi)市場(chǎng)作為其農(nóng)業(yè)發(fā)展的依托，成分發(fā)揮農(nóng)業(yè)優(yōu)勢(shì)，提高農(nóng)業(yè)產(chǎn)量，促進(jìn)農(nóng)業(yè)的高效發(fā)展。

（二）農(nóng)業(yè)優(yōu)勢(shì)發(fā)展區(qū)

綜合評(píng)價(jià)數(shù)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(gè)省份農(nóng)業(yè)實(shí)力相當(dāng)，各個(gè)地區(qū)各有特色和優(yōu)勢(shì)，需充分結(jié)合地區(qū)的自然條件，因地制宜，大力發(fā)展特色農(nóng)業(yè)，共同構(gòu)建現(xiàn)代化農(nóng)業(yè)體系。

（三）農(nóng)業(yè)綜合發(fā)展區(qū)

綜合評(píng)價(jià)數(shù)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(gè)省市自治區(qū)。這些地區(qū)處于農(nóng)業(yè)發(fā)展的中等水平，不同省份都有在一定程度上不同的農(nóng)業(yè)發(fā)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(nóng)業(yè)的發(fā)展。

（四）農(nóng)業(yè)生態(tài)發(fā)展區(qū)

綜合評(píng)價(jià)數(shù)值在0.2之下。僅有3個(gè)省份。這3各省份均處于中西部，其地形相對(duì)復(fù)雜，農(nóng)田水利設(shè)施基礎(chǔ)等發(fā)展農(nóng)業(yè)條件狀況相對(duì)來說較差，這些地區(qū)應(yīng)當(dāng)主要突出該地的資源優(yōu)勢(shì)，一方面通過提高林地質(zhì)量，提高森林覆蓋率和治山保水工程來強(qiáng)化其生態(tài)功能，同時(shí)發(fā)展林業(yè)特種產(chǎn)品促進(jìn)農(nóng)業(yè)和經(jīng)濟(jì)的發(fā)展；在退坡耕地還林的同時(shí)，加強(qiáng)基本農(nóng)田建設(shè)。

（作者單位：浙江財(cái)經(jīng)大學(xué)）

參考文獻(xiàn)：

[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(yīng)用[M].北京：清華大學(xué)出版社，2004.

[3] 丁慧媛.沿海地區(qū)適度規(guī)?，F(xiàn)代農(nóng)業(yè)主要約束體制評(píng)判——基于主成分分析法的研究[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2013，（3）：56-71.

[4] 中國(guó)國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒[M].北京：中國(guó)統(tǒng)計(jì)出版社，2015.

[5] 譚斌，毛軍.幾種客觀賦權(quán)的企業(yè)競(jìng)爭(zhēng)能力綜合評(píng)價(jià)方法應(yīng)用實(shí)例[J].統(tǒng)計(jì)教育，2006，（2）：39-43.