智曉慧,陳玉蘭,張倫寧
(新疆農業大學經濟與貿易學院,新疆 烏魯木齊 830052)
目前,國家不斷出臺優惠政策來支持我國智能農機項目的發展,同時,國內農機裝備產業面臨著升級轉型的巨大挑戰和機遇,如何順應新時代發展下的形勢及需求,以發展創新作為驅動力,快速響應市場及政府的相關需求并取得競爭優勢,成為目前我國農機制造企業所面臨的重要課題。
自動駕駛農機是精準農業的重要組成部分,具有廣泛的適用性,可應用于田間的多種作業形式,能有效避免重復作業,提高土地利用率及生產效率,減輕農民的作業強度,進而提高農作物種植質量,降低人工運行投入成本,提高農民收益[1]。
筆者通過構建項目效益評價模型,在研究效益評價指標問題時采用專家評審的方式,利用層次分析法來確定評價體系中各指標的權重。通過對農機制造項目效益評價方法的研究,為該農機項目找到一種具有行業針對性且符合農機制造行業特點的效益評價方法。
層次分析法,簡稱AHP(Analytic Hierarchy Process),是一種進行定性和定量分析的層次權重決策分析方法,由美國匹茲堡大學的T.L.Saaty教授于20世紀70年代提出,主要用于解決多目標、多層次、多因素的復雜問題,特別是難以定量描述的針對社會系統的分析。其基本原理是通過對與決策相關的元素進行層次分解,使各因素形成有序的遞階層次結構,由領域專家或者是權威決策者對選出的指標按照重要程度進行兩兩比較,對各層次之間的影響因素對比賦值,然后利用計算判斷矩陣的特征向量,確定下層指標對上層指標的貢獻程度或權重,并通過對比矩陣最終計算出權值,得到最基層指標對于總體目標的重要性權重排序,從而為決策者們提供判斷依據[2]。
層次分析法常應用于復雜的決策問題,可以較好地完成對復雜系統的評價,具有較強的實用性。筆者利用層次分析法,通過構建一套多層次的評價指標體系,完成對定性指標的定量化分析。先基于AHP對要素進行層次化分解,再綜合構建多層次的效益評價模型的基本思路,最終確定各層級指標的權重。
Yaahp(Yet Another AHP)軟件將層次分析法、建模與數學計算完美結合,擁有圖形可視化的層次模型繪制界面、可直接導出層次模型、使用文字描述刻度選取形式輸入判斷矩陣值、不一致判斷矩陣自動修正、便捷的模型編輯功能、殘缺不可接受判斷矩陣自動補全、靈敏度分析、直接生成Excel調查表、高效進行一致性調整等功能。在功能使用方面具有簡單快捷性,自動化計算、可視化操作且直觀方便,方便決策者更改層次模型,提高了數據計算能力及工作效率,該軟件已經被廣泛用于土地整理、項目風險評估、能源開發評價、醫療服務質量評價、工程方案決策、高校教學方法分析決策等方面[2]。
筆者嘗試運用此軟件構建自動駕駛農機項目應用的效益評價模型,從而為當前農機項目應用的效益水平評價提供科學依據。
通過閱讀文獻,對農業領域的綜合效益評價指標進行整理篩選之后,再對該農機領域的專家進行采訪,對匯總的指標進行二次篩選,并依據構建效益評價指標體系需具備的全面代表性、可比可得性以及簡潔性等特點,最終確定自動駕駛農機項目應用的效益評價體系中的各個指標,從經濟、社會、生態三個層面構建自動駕駛農機項目的效益評價指標體系,即:目標層——效益評價體系;準則層——經濟效益、社會效益和生態效益。每個準則層又包含各自的子準則層,共有9個子準則層,即:畝均產量增長率(%)、畝均成本降低率(%)、勞動力其他就業提高率(%)、農業機械化水平提高率(%)、管理風險降低率(%)、使用滿意度、土壤質量改善度、土壤保護力度、病蟲防治力度。從而構建出該農機項目應用的效益評價模型[1,3-4]。
層次結構模型具有多種形式,應根據需求對目標層進行分解,本文所采用的層次結構模型分為三層:目標層(效益評價)、準則層(經濟效益、社會效益、生態效益)及子準則層(9個指標)。將目標層、準則層和子準則層按照相互關系分為最高、中間、最低層,如此一來,在Yaahp軟件的“層次結構模型”界面中繪制出的自動駕駛農機項目應用的效益評價層次結構模型如圖1所示。

圖1 自動駕駛農機項目應用的效益評價層次結構模型圖
2.3.1 判斷矩陣
判斷矩陣指同上一層次某因素相比,本層次與其相關的各因素之間相比較而言的重要程度。通過“一致矩陣法”的使用,就全部的指標進行兩兩比較,采用相互尺度的方法,減小不同性質指標之間相互比較的難度,進而提高準確性。采用此種方法來確定各指標對總效益的權重,從而構造出判斷矩陣。在層次分析法中,采用矩陣判斷標度以使矩陣中各要素能夠定量顯示其重要程度。其中,矩陣判斷標度表如表1所示。
由相關業內專家采用成對比較法和1~9標度法,對同一層次兩兩指標之間的相對重要程度進行打分?;趯<覍τ谧詣玉{駛農機項目應用的效益各評價指標的重要性判斷,構造出各層對上一層每一因素的判斷矩陣,從而計算出權重系數(主要基于德爾菲法,對各指標要素的權重進行賦值)。
2.3.2 判斷矩陣的錄入
對相關專家調查問卷的數據進行嚴格的有效性分析,在Yaahp軟件的“判斷矩陣”界面中,可以將對應的層級關系和成對比較矩陣的比較數值輸入,即可自動計算出各準則層的權重。在此步驟中,如果人工手算或者使用Excel來計算權重值的話,計算步驟較為復雜煩瑣,本文在此不再贅述。
由于錄入矩陣的數量較多,下面只列兩張代表性的軟件截圖,如圖2、圖3所示。

圖2 指標層判斷矩陣

圖3 經濟效益判斷矩陣
將專家們對各效益評價指標的相對重要性的打分結果依次導入Yaahp軟件,完成對專家所打分數進行專家打分賦權,具體的判斷矩陣如表2~表5所示。

表2 綜合效益判斷矩陣A-B

表3 經濟效益判斷矩陣B1-C

表4 社會效益判斷矩陣B2-C

表5 生態效益判斷矩陣B3-C
層次單排序就是指根據判斷矩陣計算對于上一層某因素而言,本層次與之有聯系的因素的重要性次序的權值。用數學語言來講,就是對該矩陣的最大特征根及其所對應特征的向量進行求解,即就某一判斷矩陣A而言,計算滿足:

其中,λmax為判斷矩陣A的最大特征根;W為λmax所對應的正規化特征向量。
一致性指標計算:

計算一致性比率:

當CR<0.10時,表示該判斷矩陣A的一致性可以接受,否則的話,就需要對該判斷矩陣進行修正。
通過Yaahp軟件自動進行層次分析計算,在上述四個判斷矩陣中,分別對應的最大特征根λmax及—致性比率CR的值匯總成如表6所示。

表6 一致性檢驗匯總表
上述判斷矩陣的一致性校驗結果均小于0.1,故全部通過一致性檢驗,則總目標層的層次總排序符合要求,影響因素權重總排序和各因素的比較值也相對比較合理。
另外,上述四個判斷矩陣分別對應的歸一化特征向量W1=[0.637 0.258 3 0.104 7]T,W2=[0.454 5 0.454 5 0.090 9]T,W3=[0.730 6 0.188 4 0.081]T,W4=[0.242 6 0.669 4 0.087 9]T,因其均通過一致性檢驗,故特征向量W分別為目標層下的各準則層指標的權重值。
通過層次分析法和使用專家數據計算,最終得出群決策權重結果,將最終的效益評價體系中各個指標的權重值整理成表格,如表7所示。

表7 各指標權重表
由表7可以看出,在此項目效益評價方面,占主導地位的是經濟效益,其次為社會效益和生態效益,因此在自動駕駛農機項目應用的效益評價中,經濟效益指標是最重要的。在自動駕駛農機項目應用的效益評價設置的9個影響因素中,權重占比為前三名的分別是:畝均產量增長率、畝均成本降低率、勞動力其他就業提高率。由此得出,用AHP法得出的結論與專家意見基本一致。自動駕駛農機項目應用的效益評價權重條形圖如圖4所示。

圖4 自動駕駛農機項目應用的效益評價權重條形圖
前文中通過分析目標層與指標層之間的復雜關系,構建層次結構,對評價指標本身的相對重要性進行定量化處理,將問題簡單化,使用層次分析法并經過數學計算來計算確定各個效益評價指標可靠的權重值。相比傳統定權方法,本文所采用的定權結果更具有科學準確性。事實證明,評價結果與客觀情況相一致,進一步驗證了AHP法可適用于自動駕駛農機項目應用的效益評價,評價結果合理可信,為自動駕駛農機項目應用的效益評價提供了科學的依據。通過將該效益評價指標體系運用到自動駕駛農機項目,結合評價指標權重和實際指標數據對項目投入使用前及使用后的效益進行評價,根據評價結果得出該項目應用的綜合效益情況。
通過效益評價指標權重,結合實際統計的相關數據,對該項目的綜合效益進行評價。利用z-score方法標準化后的各指標數據,乘以各指標權重,計算得出該項目綜合效益得分[5],如表8所示。

表8 綜合效益評分表
綜合上述數據分析可知,正是因為自動駕駛農機具有獨特的優勢,所以此自動駕駛農機項目應用后綜合效益明顯提高。就影響自動駕駛農機項目應用效益水平的因素,從宏觀層面上看,主要是受經濟效益方面的影響;從微觀層面上看,同勞動力轉出及農民人均收入增長等方面更具有密切性。
本文在目前學術界相關研究的基礎之上,結合德爾菲法,選取了經濟效益、社會效益、生態效益三個目標層下共9個指標,評價自動駕駛農機項目應用的效益水平,建立了自動駕駛農機項目應用的效益評價模型。
本研究建立的效益評價指標體系具有一定的代表性,并且相關指標數據相對容易獲得,操作比較簡單。但因為指標數量較少,從評價的角度而言不夠全面,還有待后續的持續改進與完善??傮w而言,本次建立的項目效益評價指標體系在實踐中完全可以應用于自動駕駛農機項目應用的效益評價,也可應用于同類農機項目的效益評價。