基于AHP-FCE的農(nóng)業(yè)種植生產(chǎn)基地征信評價模型

羅鈦龍，潘守慧，祝清震,4，王志彬，王開義*

(1黑龍江八一農(nóng)墾大學(xué)電氣與信息學(xué)院，大慶 163319；2北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097；3國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097；4西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院，咸陽 712100)

中國統(tǒng)計局2017年公布的數(shù)據(jù)顯示，我國農(nóng)業(yè)生產(chǎn)基地數(shù)量眾多，但這些生產(chǎn)基地發(fā)展水平參差不齊，其中生產(chǎn)經(jīng)營管理不規(guī)范是較為突出的問題，在一定程度上會引發(fā)農(nóng)產(chǎn)品質(zhì)量安全問題，對人們的健康安全構(gòu)成潛在威脅[1-2]，同時也削弱了我國農(nóng)產(chǎn)品在國內(nèi)外市場上的競爭力[3-4]，以上問題已經(jīng)引起了廣大消費者和政府部門的重視。研究發(fā)現(xiàn)，對農(nóng)業(yè)生產(chǎn)基地進行征信評價，可為消費者提供公正、客觀的信息，優(yōu)化社會公眾的消費選擇[5-7]，同時也可為企業(yè)展示形象、提高競爭力、擴大市場份額提供支撐，有助于提升農(nóng)業(yè)生產(chǎn)基地的規(guī)范化管理水平和效益[8-9]，因此開展與農(nóng)業(yè)生產(chǎn)基地相關(guān)的征信評價系統(tǒng)的算法研究具有重要意義。

迄今為止，征信評價方法大致經(jīng)歷了比率分析、統(tǒng)計分析和人工智能3個發(fā)展階段。由于征信評價過程存在著模糊性，如信用數(shù)據(jù)的模糊性、信用等級邊界的模糊性等，一些基于模糊集合理論的評價方法被逐漸引入到征信評價中[10]。近年來，國內(nèi)外學(xué)者利用層次分析法(Analytic hierarchy process，AHP)[11]與模糊綜合評價法(Fuzzy comprehensive evaluation method，F(xiàn)CE)[12-14]進行征信評價的研究較多[15-20]，如Li等[21]利用多層次模糊云模型改進了STSMEs融資信用綜合評價方法；Oktay等[22]將模糊層次分析法用來作為抵押需求者可信度的評價模型，為銀行提供貸款前提供了標準決策；Joshua等[23]利用模糊層次分析法確定了多標準決策系統(tǒng)中信用評分模型的指標權(quán)重。目前，在國內(nèi)外學(xué)術(shù)界和產(chǎn)業(yè)界中，專門針對農(nóng)業(yè)生產(chǎn)基地征信評價的研究尚處于起步階段，相關(guān)文獻報道較少，針對農(nóng)業(yè)生產(chǎn)基地的征信評價主要依賴于農(nóng)業(yè)領(lǐng)域?qū)＜业慕?jīng)驗判斷，迫切需要構(gòu)建科學(xué)的面向農(nóng)業(yè)生產(chǎn)基地的征信評價模型。

為使評價結(jié)果更加科學(xué)合理，本研究根據(jù)AHP和FCE的自身特點，利用層次結(jié)構(gòu)和定性指標模糊判斷的優(yōu)勢，將AHP與FCE相結(jié)合并將其應(yīng)用于農(nóng)業(yè)種植生產(chǎn)基地的征信評價，構(gòu)建基于AHP-FCE的農(nóng)業(yè)種植基地征信評價模型，并對2017年度北京市農(nóng)業(yè)農(nóng)村信息化示范基地中的種植生產(chǎn)基地進行模型驗證與結(jié)果分析，以期達到通過模型評價的結(jié)果與通過農(nóng)業(yè)部示范基地標準規(guī)范評價的結(jié)果相吻合的目的，為農(nóng)業(yè)種植生產(chǎn)基地的征信評價提供理論依據(jù)與數(shù)據(jù)支持。

1 基于AHP-FCE的征信評價模型

本研究的AHP-FCE評價模型如圖1所示。首先利用AHP構(gòu)建農(nóng)業(yè)種植生產(chǎn)基地層次結(jié)構(gòu)模型并確定評價指標體系，然后定量描述模型中各層次的相對重要性，建立層次結(jié)構(gòu)模型，再通過數(shù)學(xué)方法確定各層次中各因素的權(quán)重，形成判斷矩陣，最后綜合計算各層次因素相對總目標的權(quán)重并進行一致性檢驗，作為模糊評價的依據(jù)。利用FCE進行模糊綜合評價，首先根據(jù)AHP得出的指標權(quán)重計算指標的模糊隸屬度，再計算綜合評分，通過建立評語等級、評分標準得出農(nóng)業(yè)種植生產(chǎn)基地的評價結(jié)果。

本研究在利用AHP對復(fù)雜決策問題進行深入分析的基礎(chǔ)上，利用較少的定量信息使決策的思維過程數(shù)學(xué)化的特點，為農(nóng)業(yè)種植生產(chǎn)基地制定一套簡便的決策方法，以達到讓原本只有專家才能夠評判的指標模型化，極大提高評價效率的目的。同時AHP以定量形式表達人們的主觀判斷，可以減少人為主觀因素帶來的弊端，可使評估結(jié)果更加可信。但是AHP所確定的指標中有部分指標的評價范圍是模糊不清的，無法做到量化，所以本研究采用FCE模糊數(shù)學(xué)思想，以隸屬度來描述模糊界限并降低模糊性，將不易定量表達的元素數(shù)量化，再對評價對象的利弊層次進行區(qū)分，比較評價結(jié)果與實際情況的差距。

1.1 基于AHP-FCE的指標權(quán)重確定方法

1.1.1 構(gòu)建評價指標體系

若要進行客觀公正評價，需對種植生產(chǎn)基地構(gòu)建征信評價指標體系，包括評價要素、評價指標、評價方法、評價標準、評價權(quán)重和評價等級，通常可利用AHP構(gòu)建一個由目標層、準則層、指標層組成的遞階層次模型(圖2)。一般情況下，確定評價標準與相關(guān)參數(shù)的基本原則是盡可能保持科學(xué)性、核心性、可操作性、動態(tài)性，并與通常慣例相符[24]，如一些評價標準可根據(jù)實際統(tǒng)計的平均水平，并結(jié)合國際慣例、地區(qū)差異、行業(yè)差距等來確定[25]。

1.1.2 構(gòu)造判斷矩陣

判斷矩陣表示相對于上一層次的某一指標與本層次有關(guān)指標之間相對重要性的比較。設(shè)有n個元素參與兩兩比較，則M=(aij)n x n稱為成對比較矩陣，如式(1)所示，aij>0，aii=1，aji=1aij，其中i，j=1，2，3，…，n，aij的值表示第i行要素與第j列要素的相對重要性，而當(dāng)?shù)趈列要素比第i行要素更為重要時，則采用表達式1aij，如得分為1表示兩個要素同等重要，得分為9表示與第j列要素相比，第i行要素極為重要，相關(guān)的詳細標準如表1所示。

(1)

表1 判斷矩陣中元素的相對價值標準

對M按列歸一化處理，如式(2)所示：

(2)

矩陣按行相加，得到矩陣的行向量δ=(ω1，…，ωi，…，ωn)T，其中ωi的計算公式如式(3)所示：

(3)

根據(jù)式(4)對向量δ=(ω1，ω2，ω3,…，ωn)T進行標準化處理，求得矩陣M的特征向量W=(ω1，ω2，ω3,…,ωn)T，即為該層各指標權(quán)重。

(4)

根據(jù)式(5)求得矩陣M的最大特征根λmax。

(5)

其中，(AW)i為矩陣M與W乘積向量的第i個元素。

1.1.3 一致性檢驗

一致性檢驗是為了確定上述矩陣的計算誤差，若通過一致性檢驗，則說明構(gòu)造的矩陣科學(xué)合理，計算結(jié)果較為準確，其檢驗具體詳細步驟為：(1)計算一致性指標(Consistence index)CI=(λmax-n)(n-1)，其中n為判斷矩陣的階數(shù)；(2)計算一致性比率(Consistence rate)CR=CIRI，CR<0.1時，一般認為判斷矩陣的一致性是可以接受的，否則，應(yīng)對判斷矩陣作適當(dāng)?shù)男拚?。其中，RI(Random index)為判斷矩陣的隨機一致性指標(表2)。

表2 n階判斷矩陣體的隨機一致性指標

1.1.4 計算指標相對總目標權(quán)重

在確定準則層判斷矩陣的一致性后，對指標層構(gòu)造判斷矩陣并作歸一化處理，同理利用步驟式(2)—式(5)可得到指標層各指標的權(quán)重，根據(jù)權(quán)重數(shù)值可求得指標層相對目標層的權(quán)重Wi。以指標層中指標i的權(quán)重W3i為例，其所屬準則層的指標權(quán)重為W2i，那么可得到指標i相對目標層的權(quán)重Wi=W2i×W3i，從而確定了指標體系內(nèi)所有指標相對總指標體系所占的權(quán)重。

1.2 基于FCE的模糊綜合評價方法

1.2.1 建立因素集

在基于AHP方法確定征信評價體系各指標權(quán)重的基礎(chǔ)上，采用FCE方法完成評價。首先建立準則層的因素集T={C1，C2，C3,…，Cn}，則指標層的因素集為C1={I101，I102，I103,…，I10i}，C2={I201，I202，I203,…，I20i}，……，Cn={In01，In02，In03,…，In0i}。

1.2.2 建立評語集

結(jié)合行業(yè)特點制定相應(yīng)的評級標準，并依照綜合評分按由低到高的順序依次劃分為n個等級，記為V=[V1，V2，V3,…，Vn]，同時邀請行業(yè)專家制定相應(yīng)的評語集參數(shù)v，記為v=[v1，v2，v3,…，vn]。

1.2.3 確定指標隸屬度

(6)

(7)

其中，r(Si)+表示正向指標隸屬度，r(Si)-表示負向指標隸屬度，Pi表示指標實際值，[Smin-Smax]表示依據(jù)行業(yè)標準確定的指標區(qū)間。

對于定性的指標，邀請有經(jīng)驗的相關(guān)從業(yè)人員根據(jù)評語集參數(shù)對各指標進行計分，從而確定定性指標的隸屬度。

1.2.4 建立模糊關(guān)系矩陣與綜合評價

首先對各項指標進行量化分析，然后對不同級別評語進行模糊化處理，得出指標層的單因素評價矩陣RC。將指標的權(quán)重與矩陣RC相乘進行合成運算，如式(8)所示。

B=WI×RC

(8)

根據(jù)式(8)可得到集合T中各子集的綜合評價矩陣。

R=(B1,B2,…,Bm)T

(9)

根據(jù)式(9)，結(jié)合求得的權(quán)重向量，得到準則層對于目標層的模糊綜合評價結(jié)果。

E=WCR=(e1,e2,…,en)

(10)

E是T的一個隸屬度的結(jié)果向量，而最終評價結(jié)果是E和V相乘得到的代數(shù)值。

Z=EV=(e1,e2,…,en)(v1,v2,…,vn)

(11)

2 應(yīng)用實例分析

為驗證模型的有效性，選取北京慧田蔬菜種植專業(yè)合作社為模型驗證對象，首先確定該農(nóng)業(yè)種植生產(chǎn)基地對應(yīng)的評價指標，通過AHP構(gòu)造判斷矩陣，計算得到每個指標的權(quán)重，根據(jù)權(quán)重向量對判斷矩陣進行一致性檢驗。利用FCE確定指標具體量化分值，最終得出綜合評分結(jié)果，并將評分結(jié)果與目前行業(yè)領(lǐng)域?qū)＜乙罁?jù)經(jīng)驗判斷出的結(jié)果進行對比，從而驗證該評價模型的可行性。

確定征信評價指標體系，應(yīng)制定具有良好激勵機制的信用信息征集制度。指標體系應(yīng)包含多層評價因子，同時可對大量農(nóng)業(yè)種植生產(chǎn)基地的數(shù)據(jù)進行統(tǒng)計特征的分析，以確定農(nóng)業(yè)種植生產(chǎn)基地所具有的特征，如信用好的農(nóng)業(yè)種植生產(chǎn)基地一般具有哪些特征，信用不好的農(nóng)業(yè)種植生產(chǎn)基地一般具有哪些特征。按照農(nóng)業(yè)種植生產(chǎn)基地征信評價指標之間的相互影響和隸屬關(guān)系，構(gòu)建層次結(jié)構(gòu)模型(圖3)。準則層由征信主體、生產(chǎn)經(jīng)營、監(jiān)督檢查、質(zhì)量檢測、風(fēng)險防控和公眾反饋6部分構(gòu)成，將準則層細化為具體的評價指標項，構(gòu)成指標層。對各層指標項計算權(quán)重、計算量化分數(shù)，最終得出農(nóng)業(yè)種植生產(chǎn)基地征信評價的結(jié)果。其中，準則層中各部分的選取依據(jù)如下。

(1)征信主體：以北京市農(nóng)委(以下都簡稱農(nóng)委)管理范圍內(nèi)的資格認證項目為準則，進行指標層的細化，如三品一標基地(無公害農(nóng)產(chǎn)品認證基地、綠色農(nóng)產(chǎn)品認證基地、有機農(nóng)產(chǎn)品認證基地、標準化生產(chǎn)基地、標準化種養(yǎng)殖基地的簡稱)評定標準，農(nóng)委項目完成情況等，挑選重點內(nèi)容納入到征信主體評價指標。

(2)生產(chǎn)經(jīng)營：以農(nóng)委監(jiān)督的農(nóng)業(yè)生產(chǎn)基地的上報信息為準則，按上報信息進行指標層細化，對上報頻次、上報信息質(zhì)量等內(nèi)容納入生產(chǎn)經(jīng)營評價指標。

(3)監(jiān)督檢查：以農(nóng)委監(jiān)管框架內(nèi)的執(zhí)法項目為準則，對監(jiān)督檢查進行指標層的細化，如日常巡檢及專項任務(wù)檢查結(jié)果，對執(zhí)法項目重要內(nèi)容納入監(jiān)督檢查評價指標。

(4)質(zhì)量檢測：以農(nóng)委管理的檢測機構(gòu)的檢測數(shù)據(jù)為準則，按檢測項目進行指標層的細化，對重要的檢測項目內(nèi)容納入質(zhì)量檢測評價指標。

(5)風(fēng)險防控：評價該農(nóng)業(yè)生產(chǎn)基地的風(fēng)險值，按照一般、較大、重大、特大來區(qū)分事故的情況并納入風(fēng)險防控評價指標。

(6)公眾反饋：針對公眾服務(wù)平臺、信用信息查詢、黑名單公示、公眾舉報投訴等形式的重要內(nèi)容納入公眾反饋評價指標。

為了清晰簡明地描述模型驗證過程，以北京慧田蔬菜種植專業(yè)合作社為例進行驗證。首先對農(nóng)業(yè)種植生產(chǎn)基地的準則層構(gòu)造判斷矩陣，并計算6項指標相對于目標層的權(quán)重(表3)。

通過歸一化處理得到矩陣M的最大特征值為6.235，矩陣M對應(yīng)的特征向量W=(0.328，0.328，0.164，0.060，0.060，0.060)T。準則層判斷矩陣的一致性檢驗處理結(jié)果如下。

準則層有6個指標，n=6，查表2得RI=1.24；一致性指標CI=(λmax-n)(n-1)=(6.235-6)(6-1)=0.047，從而可得：CR=CIRI=0.0471.24=0.038<0.1，一致性檢驗通過。

本準則層的6項指標權(quán)重為W=(WC1，WC2，WC3，WC4，WC5)T=(0.328，0.328，0.164，0.060，0.060，0.060)T。

表3 準則層判斷矩陣

同理上述過程，計算得出農(nóng)業(yè)種植生產(chǎn)基地指標層各指標的權(quán)重(表4)。

表4 農(nóng)業(yè)種植生產(chǎn)基地征信評價指標及其權(quán)重

結(jié)合農(nóng)業(yè)種植生產(chǎn)基地的特點制定相應(yīng)的評級標準，即依照農(nóng)業(yè)種植生產(chǎn)基地綜合評分的高低劃分為V=[V1，V2，V3，V4，V5]=[(0,30)，(30，60)，(60，70)，(70，90)，(90，100)]五個等級,分別代表極差、較差、一般、良好、極好。一般取評分的中值作為評級參數(shù)向量,即評級參數(shù)向量為v=[v1，v2，v3,v4，v5]=[15，45，65，80，95]，如表5所示。

利用式(6)、式(7)，計算指標層中定量指標的隸屬度并評級，如假設(shè)負向指標I601的隸屬度為0.67，則對應(yīng)的評級為V3，該等級的隸屬度為1，其余4個等級的隸屬度為0；邀請10名有經(jīng)驗的相關(guān)從業(yè)人員對指標層的定性指標進行評價，統(tǒng)計指標的評價等級頻數(shù)(表6)。

表5 農(nóng)業(yè)種植生產(chǎn)基地信用評級表

表6 評價等級頻數(shù)

根據(jù)表6可以得到模糊關(guān)系矩陣。

根據(jù)式(8)得到準則層的單因素評價結(jié)果：BC1=WI101—111·RC1=(0.0971,0.2253,0.1554,0.2757,0.2465)。

同理得到BC2…BC6，從而可得總模糊關(guān)系矩陣R。

進而可得綜合評價向量：E=WCR=(e1,e2,…,en)=(0.0318，0.1600，0.2164，0.2459，0.3459)，以及該農(nóng)業(yè)種植生產(chǎn)基地征信評價分數(shù)：Z=EV=(e1,e2,…,en)·(v1,v2,…,vn)=74.2755分，評價結(jié)果為良好，信用等級為V4，說明該農(nóng)業(yè)種植生產(chǎn)基地的信用較好。

以本研究模型驗證的農(nóng)業(yè)種植生產(chǎn)基地為例，對其評價結(jié)果進行分析。從準則層面來看，農(nóng)業(yè)種植生產(chǎn)基地的征信主體屬性在極好級別的隸屬度為0.2465，在良好級別的隸屬度為0.2757，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的征信主體屬性為良好級別，具備標準化基地、有機農(nóng)產(chǎn)品基地、綠色農(nóng)產(chǎn)品基地、無公害農(nóng)產(chǎn)品基地的認證資格，該結(jié)果符合2017年北京市農(nóng)業(yè)農(nóng)村信息化示范基地的評選標準；農(nóng)業(yè)種植生產(chǎn)基地的生產(chǎn)經(jīng)營屬性在極好級別的隸屬度為0.3516，在一般級別的隸屬度為0.3094，根據(jù)隸屬度最大原則，說明農(nóng)業(yè)種植生產(chǎn)基地的生產(chǎn)經(jīng)營屬性為極好級別，生產(chǎn)經(jīng)營的信息質(zhì)量較高，符合該單位的生產(chǎn)實際情況；農(nóng)業(yè)種植生產(chǎn)基地的監(jiān)督檢查屬性在極好級別的隸屬度為0.3703，在良好級別的隸屬度為0.2502，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的監(jiān)督檢查屬性在極好級別，在日常巡檢及專項任務(wù)檢查中成績突出；農(nóng)業(yè)種植生產(chǎn)基地的質(zhì)量檢測屬性在極好級別的隸屬度為0.2299，在良好級別的隸屬度為0.5354，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的質(zhì)量檢測屬性為良好級別；農(nóng)業(yè)種植生產(chǎn)基地的風(fēng)險防控屬性在極好級別的隸屬度為0.5450，在一般級別的隸屬度為0.2125，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的風(fēng)險防控屬性為極好級別，出現(xiàn)事故的頻率極低；農(nóng)業(yè)種植生產(chǎn)基地的公眾反饋屬性在極好級別的隸屬度為0.7062，在一般級別的隸屬度為0.1008，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的公眾反饋屬性為極好級別，在公眾心目中的地位較高，信用極好。

為驗證本模型評價結(jié)果的準確性和有效性，將本研究模型計算出的評價結(jié)果與農(nóng)業(yè)部示范基地標準規(guī)范評價的結(jié)果進行對比，發(fā)現(xiàn)結(jié)果趨于一致。

3 討論與結(jié)論

目前針對農(nóng)業(yè)種植生產(chǎn)基地領(lǐng)域的信用評價研究少見報道，與其相似的綜合評價多見于銀行信貸與物流領(lǐng)域。作者及其團隊通過對大量農(nóng)業(yè)種植生產(chǎn)基地數(shù)據(jù)的統(tǒng)計分析，總結(jié)出農(nóng)業(yè)種植生產(chǎn)基地的自身特點，確定了農(nóng)業(yè)種植生產(chǎn)基地在信用方面的特征，并構(gòu)建了農(nóng)業(yè)種植生產(chǎn)基地征信評價指標體系。在征信評價的過程中，利用AHP方法確定指標權(quán)重，其結(jié)果具有準確性、穩(wěn)定性與可解釋性。值得注意的是，征信評價指標體系越詳細，對農(nóng)業(yè)種植生產(chǎn)基地的信用評價越準確，但是可操作性必然降低，因此應(yīng)在保證可操作性的條件下盡量細分評價指標。利用FCE進行綜合評價，能夠?qū)⒛：吔缧缘膯栴}量化處理，如農(nóng)業(yè)種植生產(chǎn)基地的生產(chǎn)水平、投入品使用情況等問題，都能給予科學(xué)客觀的評價，最大限度地避開人為主觀因素，使評價結(jié)果更為準確可信。

本研究構(gòu)建的評價指標體系希望可以普遍適用于其他種類的農(nóng)業(yè)種植生產(chǎn)基地，但目前尚未對其他類型的農(nóng)業(yè)種植生產(chǎn)基地進行研究，作者將在接下來的研究中繼續(xù)該項工作。目前，本研究尚未對其他地區(qū)的農(nóng)業(yè)種植生產(chǎn)基地進行模型驗證，僅對北京地區(qū)部分農(nóng)業(yè)種植生產(chǎn)基地進行了驗證，所以該模型還需要不斷完善，并對其普遍適用性進行加強，以滿足對多種類農(nóng)業(yè)種植生產(chǎn)基地征信評價的需求。

由于征信指標體系中含有模糊因素的指標，如投入品質(zhì)量及使用情況、標準化基地抽檢、農(nóng)產(chǎn)品質(zhì)量追溯情況等，針對此問題，本研究首先利用AHP方法確定了各項指標的權(quán)重，然后利用FCE方法建立評語集，確定隸屬度，構(gòu)造模糊關(guān)系矩陣，對其進行量化計算，用嚴格的數(shù)學(xué)語言來表達和分析，最大限度地減少了人為主觀因素帶來的弊端，從而使農(nóng)業(yè)種植生產(chǎn)基地的征信評價結(jié)果更為可靠并取得更好的實際效果。

本研究在分析了農(nóng)業(yè)種植生產(chǎn)基地的特征、行業(yè)背景及標準的基礎(chǔ)上，構(gòu)建了以征信主體、生產(chǎn)經(jīng)營、監(jiān)督檢查、質(zhì)量檢測、風(fēng)險防控為準則，可適用于種植類型生產(chǎn)基地共計30余項具體指標的信用評價指標體系。該指標體系可為科學(xué)合理評價農(nóng)業(yè)種植生產(chǎn)基地的信用狀況提供支撐，其評價結(jié)果也可對農(nóng)業(yè)種植生產(chǎn)基地規(guī)范化管理、改造和決策提供借鑒和實踐基礎(chǔ)。