基于組合賦權的安徽省農業機械化水平影響因素研究

丁擁軍

摘 要：利用文獻資料初步識別出影響安徽省農業機械化水平的10個因素，采用專家訪談對這些因素的重要度進行打分，根據專家意見得出6個影響安徽農機水平的重要因素。通過置信區間法得出這6個重要因素的主觀權重，同時利用熵值法計算出6個因素的客觀權重。然后將主觀權重與客觀權重通過最小相對熵法進行組合賦權，從而得出重要度排名前3位的核心因素分別為機械化知識水平、農戶收入水平和農業機械價格。并根據這3個核心因素提出安徽省農業機械化水平的提升對策，為今后安徽省農業機械化發展提供參考。

關鍵詞：農業機械;農業經濟;影響因素

中圖分類號 F323.3 文獻標識碼 A 文章編號 1007-7731（2022）04-0100-06

Abstract： In this paper， ten factors affecting the level of agricultural mechanization in Anhui province are preliminarily identified by using the literature， and the importance of these factors is scored by using expert interviews. Six important factors affecting the level of agricultural machinery in Anhui province are obtained according to expert opinions. The subjective weights of these six important factors are obtained by confidence interval method， and the objective weights of these six factors are obtained by entropy method. Then the subjective weight and objective weight are combined and weighted by the minimum relative entropy method， and it is concluded that the top three core factors of importance are mechanization knowledge level， farmer′s income level and agricultural machinery price. Finally， according to these three core factors， the countermeasures to improve the level of agricultural mechanization in Anhui province are proposed to provide reasonable suggestions for the development of agricultural mechanization in Anhui Province in the future.

Key words： Agricultural machinery; Agricultural economy; Influence factor

1 背景

自2004年以來，農業機械化服務在中國農村迅速發展，一些研究表明，這些服務顯著提高了農業生產率。人們不會預先預期勞動力短缺是機械化的驅動力，但不斷增加的農村向城市的移民和快速的經濟增長導致了農業高峰季節的勞動力短缺。此外，機械化減少了農業勞動力的繁重勞動，放松了旺季勞動力的約束，降低了生產成本，并可以節約至關重要的資源[1]。在國家政策和安徽省級政府的強力推動下，安徽省農業機械化水平得到了長足的進步和發展[2]。根據國家統計局數據，2005—2019年的19年期間，安徽省機械總動力由3983.83萬kW上升至6650.47萬kW，增長了將近1倍。

安徽作為農業大省，在目前從事農業的勞動力逐漸減少的情況下，如何發展農村經濟，不斷提升農業機械化水平成為了重要的研究課題。為此，本研究通過理論的梳理，將主觀與客觀因素相結合，以尋找影響農業機械化水平的核心要素。

2 識別初步因素

初步因素的選擇通過2個階段實現，包括文獻閱讀和訪談問卷。文獻閱讀是通過Scopus搜索引擎歸納以及中國知網歸納，搭建農業機械化影響因素初步因素列表;訪談問卷則是通過對專家進行深度訪談，進行因素的主觀重要度評判和因素的經驗性感知選擇。

2.1 文獻收集 文獻識別采用Scopus，因為該搜索引擎是最大的同行評議文獻摘要和引文數據庫。它擁有超過6000萬的期刊，超過11萬本書和700萬的會議記錄[3]。此外，Scopus搜索引擎已被用于許多類似的農業和農業經濟學科的文獻綜述研究。檢索包括以下關鍵詞：Agricultural Mechanization、Mechanization strategy、agricultural development、 agricultural economy。為進一步分析，檢索了包含這些關鍵詞的出版物的標題、摘要和關鍵詞。為了提高文章的準確性，進一步細化了研究主題領域為農業、社會科學、農業經濟、農業工程、工業經濟。中國知網作為中國最全面的科研出版物數據庫，收錄了包括中外文獻、碩博生論文、專利、書籍、標準等十幾種學術資源，收錄95%以上的中文學術資源，其文獻資源可基本覆蓋中文領域。檢索包括關鍵詞：農業、農業機械化、第一產業、農業發展、農村建設、農機化，并將研究領域細化同Scopus一樣為農業、社會科學、農業經濟、農業工程、工業經濟。將中英文文獻進行歸納整理，其中中文文獻5篇、英文文獻2篇，作為本次初步影響因素歸納的文獻資料。文獻初步識別因素見表1。

2.2 問卷調查 在通過文獻回顧得出農業機械化發展影響因素的初步識別關鍵因素列表2，為滿足該因素列表更符合安徽省農業機械化的實際情況，本研究將采用問卷調查的方法對因素列表進行修訂。

2.2.1 問卷目的 將驗證從文獻得到的初始農業機械化發展影響因素列表并補充在除理論外特有的關鍵因素，同時根據重要度打分確定各因素權重，為后續問卷設計和模型建立奠定基礎。

2.2.2 問卷對象 訪談對象選用立意抽樣法。立意抽樣法在定性研究中，可以使用相對較小的代表性較高的樣本[10]，其目的是增加理解的深度[11]。立意抽樣法用于選擇最有可能產生適當和有用信息的受訪者，是一種識別和選擇案例的方法，可以有效地使用有限的研究資源。鑒于識別和分析需要受訪者對安徽省農業機械化有全面清晰的認識從而收集政府、企業等各方在農業機械化的各類影響因素，提高研究結果的可靠性和通用性。

2.2.3 訪談問題 由于疫情原因，采用線上與線下訪談同時進行的方式，針對安徽省農業機械化影響因素進行半結構化訪談。受訪者根據自身經驗選擇已設計好的答案，方便結果統計與梳理。根據文獻綜述將初步識別的因素分類整理為表2，設計等級為5的區間答案以供受訪者填寫。封閉式問題設置如下：請閱讀表格，并將您認為各因素的重要性區間進行填寫;您認為存在上述問題提到的因素但表格中未提及，請于“其他”行進行填寫。

3 主觀權重確定

3.1 置信區間法 采用置信區間法（RIM）以對評估的權重引入可靠度與方差（中心方差和區間方差），為評估體系的準確性和可靠性提供參考與支撐。置信區間法具備靈活性，能夠反映從專家的角度主觀判斷到的各個因素的模糊重要性范圍。專家可以采用模糊的范圍以衡量，進行打分確定權重。如專家認為某一因素的重要度范圍為（0～2）而非1分這一確切數值。此外，專家不需要進行兩兩比較，可以直接分配每個屬性的等級范圍。

權系數方差表示受訪者意見的一致性。中心方差CV與區間方差IV越小，反映專家意見比較一致;反之，反映專家意見有較大分歧。

置信區間法（RIM）近年來被廣泛運用。盧兆明在對高層建筑火災風險進行評估時對權系數的可信情況引入可靠度與方差進行模糊評估[12]。因此，本文采用置信區間法（RIM）以完成對安徽省農業機械化水平評估因素的權重確定。

3.2 主觀權重結果 基于John提出本文使用置信區間法RIM的假設如下：（1）評分區間內的概率分布函數是呈線性分布;（2）專家之間無序無重要性先后，對不同專家的意見給予同等的重視。

運用RIM進行因素權重結果統計時，采用可靠度（Re）、中心方差（CV）、區間方差（IR）3個參數進行模型評價。根據盧兆明提出，在專家確定因素權重期間，當2個或2個以上因素的權系數接近甚至相同時，可靠度越高，相應來說重要度排序更可靠且重要;反之，可靠度越低則表明該因素的可信度越低，相對來說該因素需要慎重考慮。因而在權系數計算的同時給予可靠度使得權系數包含更豐富信息，為決策者提供除權系數以外的參考價值。同樣，針對權系數的方差而言，分為中心方差和區間方差。在權系數接近的同時二者的可靠度也很相似的情況下，采用方差以辨別各專家對于同一因素的意見分歧程度，以確定各專家意見的集中程度。當中心方差與區間方差越低時，表明在調查對象中存在較高水平的一致性，因而這一區間具有更高的集中性，相對來說該權系數更為可信。關于影響因素的平均特征區間等級和置信結果見表3。

從表3可以看出，8名專家對農業機械影響因素的權重打分均已完成。Yiu對成本估算員的性能評價進行了問卷調查，提出采用RIM時表明可靠性達到65%即為“可信”[13]。John在對標香港建筑項目時結合Yiu提出如果中心方差和區間方差的值分別低于0.65、2.10，客戶之間只存在輕微的意見不一致，也稱為“可信”[14]。因此，本文采用可靠度不低于65%、中心方差不高于0.65、區間方差不高于2.10作為權系數“可信“的臨界值。即為，Re≥0.65;CV≤0.65;IV≤2.10?！跋嚓P政策”雖然可靠度處于正常水平，但其中心方差高達0.68>0.65，表明各專家對于該因素的重要度意見非常不一致，因而得出的權系數無參考意義，該項因素權重并不可信。同理，“地形因素”的中心方差0.94>0.65，其因素權重也不可信。而“農產品價格”“進口機械的稅費”的權系數均小于0.1，表明專家看來這2項因素并不重要。因而最終篩選后影響因素共6個。歸一化權重后，各影響因素的主觀權重如表4所示。

4 客觀權重確定

4.1 數據無量綱處理 在數據統計中，數據的量綱不同會造成模型權重的失效，可能存在模型更偏重數值水平很高的數據而相對削弱了數值很小的因素數據這樣的情況發生。因而需要預先對數據進行無量綱化的處理，將不同特征的樣本調整為同一尺度下的標準數據。而在進行主客觀權重（置信區間法和熵值法）對數據進行無量綱標準化有助于可以構成更好的更合理的權重和分類。

4.1.1 無量綱化方法選擇 結合各種無量綱方法的歸納以及郭亞軍等、劉競妍等作出無量綱化方法性質總結[15-16]，結果如表5所示。

目前，無量綱標準化法無法同時滿足6個理想性質，但標準化處理、極值處理和功效性系數相對而言與6個理想性質更匹配。

根據朱喜安等[17]對于熵值法中無量綱化方法選擇的實證研究可知，極值標準化法與標準化平移法二者與熵值法的結合均相較于原熵值法更具結果合理性，因而在熵值法的無量綱化處理時，優先考慮這2種方法。

本研究采取標準化平移法即將原始數據標準化后平移一定幅度K（通常K取最小標準化后的數據絕對值），這種將z-score標準化與平移結合的綜合方法，一方面避免了z-score標準化帶來的負數無法滿足熵值法的數據大于0的要求;另一方面也避免了正負向無法判斷的情況。但因為當K取最小標準化后的數據絕對值時，可能會出現平移后數據為0的情況，因而本文中將取K為最小標準化后的數據絕對值+0.001以避免這類情況。

4.1.2 無量綱化數學表達 多元回歸分析中的數據無量綱化采用z-score標準化（zero-meannormalization），也是在采用SPSS進行因子分析時，系統默認的標準化方式。

4.2 客觀權重計算

4.2.1 熵值法 對于客觀賦權而言，常用的一種方法為熵值法。它是一種以客觀數據內在差異性而反映出來的權重關系，熵值法與其他方法結果差異不大但具有計算簡單、因素維度不變等優勢。因而本研究將采用熵值法以對多因素進行客觀賦權。

5 組合賦權

5.1 最小相對熵法 對于組合賦權一直有很多方法，其中最小相對信息熵是對一隨機變量的不同取值之間的過渡，他們的差值則代表取值概率函數的差別。若將綜合權重與主客觀權重分別看作隨機變量的不同概率分布，則二者的相對熵最小即概率分布越接近，此時主客觀權重分配最接近于真實的綜合權重。在實際權重分配中也有所應用。因而本研究也將采用最小相對熵法進行組合賦權。基于置信區間和熵值法所確立的主觀及客觀權重分別為[ηj]、[sj]，令組合賦權法得到的綜合權重為[ωj]，相對信息熵為[F]。

5.2 組合賦權結果 根據公式（13）及主客觀權重結果從而可以得到組合賦權后的綜合權重如表7所示。

對于評價安徽省農業機械化水平的因素重要性排名如表8所示。由表8可知，為提升安徽省農業機械化水平，需注意機械化知識水平、農戶收入水平、農業機械價格、農業勞動力、農作物播種面積和當地糧食產量。但根據綜合賦權排名可知，影響程度最高的為機械化知識水平、農戶收入水平和當地糧食產量。因而今后在提升安徽省農業機械化水平方面，需優先關注這3個方面。

6 提升安徽省農業機械化水平的對策建議

6.1 提升機械化知識水平 良好的機械化知識水平對于提升安徽省整體農業機械化水平具有一定的促進作用。這意味著整體農業機械操作及相關人員得到了有關農業機械的教育，可以從農機干部培訓、農業機械相關院校教學及農村普及度等方面進行著手。首先，需重視對于目前仍在職干部的培訓與繼續教育，從而提高工作技能和水平。政府部門的人員應以身作則，提升相關知識水平，起到模范帶頭作用，用專業的知識技能和扎實的知識水平為農戶提供服務和指導。其次，加強農業機械化相關高職、中專學校建設，通過系統化的技術學習與理論鞏固，用理論指導實踐，用實踐完善理論。同時，農業機械學校應根據人才結構和實際需求進行匹配設置專業，加強人才的綜合素質教育。再次，各省級以下學校要以農村為導向，開展適合農村發展的農業機械化知識推廣普及，提升農業機械操作及相關人員的實操能力和科學意識，培養農民轉變為農機專業人才，提高農業機械相關人員的專業水平和科技素養。

6.2 提高農戶收入水平 目前農業從業人員逐年減少，農戶收入水平在很大程度地影響著人員留鄉務農的意愿程度。當農戶收入水平穩定甚至較高時，人們將更愿意進行農業機械的學習，從而進一步促進農業機械化水平的提升。為實現土地區塊式管理經驗，農業生產全自動機械化，并加速轉型升級，要以點帶面，以村鎮為中心，主動引進能扶持手工業和農產品加工業的企業。既延長了農產品產業鏈，產品附加值得到提高;又可以吸引年齡大考農產品為生的小農戶加入，拓寬家庭收入來源，提高家庭收入收益。使年齡大的勞動者從純粹的耕種中剝離開來，加快土地流通。

6.3 把控農業機械價格 大中型農業機械價格相對于農民來說是一筆較高的支出，因而如何合理控制農業機械價格同時促進農民購買使用機械的積極性顯得尤為重要。首先，國家及地方均出臺了各項農機購置補貼的相關政策和指導意見。各地應認真履行中央及省級補貼政策要求，將補貼落到實處。同時，避免因政策補貼而盲目購機，相關管理和技術人員應正確指導農戶購買適合當地使用的農具，加強機械的實用性和針對性，將補貼落到實處。其次，應適當擴大農民購買部分重點大中型機械的額度，降低貸款利率，為農民購買大中型機械提供動力和支持。

參考文獻

[1]趙利.農業機械化發展水平、影響因素及作用研究綜述[J].農村經濟與科技，2020，31（11）：22-25.

[2]侯學鋒.安徽農機化發展影響因素與對策探討[J].湖南農機，2002（05）：11-12.

[3]Delbridge R，Lowe J，Oliver N.The process of benchmarking：A study from the automotive industry [J].International Journal of Operations and Production Management，1995，15（4）：50-62.

[4]Rasouli F，Sadighi H，Minaei S.Factors Affecting Agricultural Mechanization：A Case Study on Sunflower Seed Farms in Iran[J].Journal of Agricultural Science and Technology，2009，11（1）：39-48.

[5]Han Renting，Xuan Wang，Nan Geng，et.al. Investigation of the Contribution Rate of Agricultural Mechanization to Agricultural Production Using Cobb-douglas Model.Information Technology Journal，2013，12：1607-1613.

[6]陳旭.鄉村振興背景下吉林省農機需求影響因素與趨勢研究[D].吉林：吉林大學，2020.

[7]周廣浩.我國農業機械化發展影響因素分析[J].時代農機，2020，47（04）：25-26，28.

[8]林振宇，張朝飛，楊翔飛.耕地糧食生產效率測算及影響因素分析——以華北平原河南區域為例[J].測繪與空間地理信息，2021，44（07）：146-150.

[9]鐘靜.陜西省農業機械化發展影響因素分析[J].南方農機，2020，51（18）：20-21.

[10]Miles M B.Qualitative data analysis ：an expanded sourcebook [J].Sage，1994，60（100）：105-138.

[11]Lawrence A，Palinkas，Sarah M，et al.Purposeful Sampling for Qualitative Data Collection and Analysis in Mixed Method Implementation Research[J].Administration and policy in mental health，2015，42（5）：533-544.

[12]盧兆明，陸君安，胡永清，方正.高層建筑火災風險評估中一種具有置信度和方差的權系數[J].中國安全科學學報，2001（05）：14-16，1.

[13]Yiu C Y，Ho H K，Lo S M，et al.Performance Evaluation for Cost Estimators by Reliability Interval Method [J].Journal of Construction Engineering & Management，2005，131（1）：108-116.

[14]Yeung J F Y，Chan A P C，Chan D W M，et al.Developing a Benchmarking Model for Construction Projects in Hong Kong [J].Journal of Construction Engineering and Management，2013，139（6）：705-716.

[15]郭亞軍，易平濤.線性無量綱化方法的性質分析[J].統計研究，2008，025（002）：93-100.

[16]劉競妍，張可，王桂華.綜合評價中數據標準化方法比較研究[J].數字技術與應用，2018，036（006）：84-85.

[17]朱喜安，魏國棟.熵值法中無量綱化方法優良標準的探討[J].統計與決策，2015（2）：12-15.

（責編：張宏民）

3357500338231