基于投入-产出模型的智慧农业发展水平测算方法

尹 娟，郭 进，顾 娟

（1.金陵科技学院智能科学与控制工程学院 江苏，南京 211169；2.南京师范大学商学院 江苏，南京 210023）

1 引言

随着人类社会逐渐进入万物互联的智能化时代，世界各国的农业生产方式也正发生着深刻变革。智慧农业（），可以大体上概括当今农业生产方式变革的主要特征和基本趋势。广义上来讲，智慧农业是将智慧化的生产手段应用于农业生产而呈现出的经济形态。从狭义上来讲，智慧农业是以信息和知识为核心要素，通过信息技术、智能科技等与农业产业深度融合，实现农业信息感知、智能控制、精准投入、个性化服务的全新的农业生产方式。目前，智慧农业已经在农业生产的众多环节得到了深刻诠释。对于农业生产而言，智慧农业可以采集并调控农业生产现场的土壤成分、光照强度、温湿度、二氧化碳浓度等相关参数，通过视频全方位的监控农作物的生长状态和病虫害状况，同时做到精准灌溉、精准施肥，为农作物的生长营造最适宜的环境。此外，在农作物采收、物流运输和保存等环节中，智慧农业可以实现对农作物的机械化采收，并实现对农产品的全流程安全追溯。

智慧农业的发展具有非常重要的社会意义：首先，随着城市不断向农村地区蔓延，农村耕地面积不断缩小，以往的粗放式农业发展模式日益不可取，在既有的耕地面积上获得尽可能多的农产品依赖更加精细化的种植技术；其次，随着农村人口不断向城市迁移，农民的减少和耕地闲置的矛盾日益突出，以往的小农经济模式的生产效率较低，而规模化的农场主生产模式依赖现代化的生产设备予以辅助；最后，农业生产技术的进步让人们对于不同农作物的生长习性有了更加科学的认识和了解，各种物联网技术的发展和应用也为人们更加精准地干预农作物生长以扩大产出提供了可能，智慧农业发展的技术瓶颈正不断得到突破。

与智慧农业的蓬勃发展不相协调的是，关于智慧农业发展水平的测度和评价却面临很多障碍。传统的采用指标体系来评价地区智慧农业发展水平的方法也面临着指标筛选困难、数据缺失较多、权重的确定易受主观影响等诸多问题。基于上述背景，本文借鉴投入-产出模型，从智慧化生产资料在农业生产活动中的投入角度，提出了一套测算智慧农业发展水平的研究方法，并就该方法的可行性、科学性和操作步骤展开讨论。

2 文献综述

学术界关于智慧农业的研究大都沿着两条途径展开：一是关于具体的智慧农业生产技术或应用系统的设计与研发。这类研究常见于工程类的学科领域，一项项技术和应用场景的实现让智慧农业的抽象概念更加具体化，也是推动农业生产方式变革的根本力量。二是关于智慧农业发展与农业生产效率的评价研究。这类研究常见于社会学科的研究领域，以农业经济学最为集中。例如，王丽通过研究发现，智慧农业能够合理地配置生产资源，提高农业全产业链的生产效率，推动农业产业链改造升级。赵敏娟指出智慧农业对于推动我国农业高质量发展、突破当前农业发展瓶颈以及促进农业现代化建设具有独特优势和巨大潜力。唐浩和周一同样指出，智慧农业的发展可以带动农业与现代信息技术的加速融合，有利于提高我国农业生产力，进而加速我国的农业现代化进程。对于第二条路径上的研究来说，目前遇到的最大困难在于如何量化各地区的智慧农业发展水平。有的文献是将智慧农业与农业高质量发展联系起来，如辛岭和安晓宁，黄修杰等均构建了农业高质量发展评价指标体系，对我国农业高质量发展水平进行了测算和评价。也有部分文献抓住“智慧”这一关键字眼对智慧农业发展水平进行了直接评价，耿鹏鹏和杜文忠构建了智慧农业发展状态评价指标体系，并运用灰度关联分析法对其进行筛选，采用熵权TOPSIS 模型测算2008-2017 年广西智慧农业发展状态。张滨丽和卞兴超采用层次分析法，从经济效益、社会效益和生态效益3个层面构建了12个指标在内的龙江省智慧农业综合效益评估体系。然而，这类指标体系评价方法往往会遭遇指标覆盖不全、数据难以获取等多重障碍，这些障碍又反过来限制了指标体系评价方法的准确性、可行性及可被复制性。

本文认为对智慧农业发展水平进行量化之所以比较困难，主要有以下两方面原因：第一，如何准确定义智慧农业的内涵和外延，即界定清楚农业生产活动中哪些场景可以包含在智慧农业的范畴之内。鉴于智慧农业的具体形态非常丰富，因此若从外在形态上对智慧农业的生产场景进行分类统计，是一项几乎不可能完成的工作；第二，与对工业或服务业进行调研统计存在很大差异，这类企业往往具有比较完备的企业制度和数据沉淀，而农业的生产主体，即个体农民或法人农场，大都没有相关的制度体制和数据记录，因此对农业生产活动进行调研本身就很困难，而对人们认知并不统一的智慧农业进行调研则更加难以获得准确、口径统一且连续的数据样本。

基于指标体系评价方法存在的问题，本文尝试就如何量化智慧农业的发展水平提出一套合乎逻辑且测算方便的解决办法。本文的研究具有重要的理论意义：本文另辟蹊径，基于投入-产出表（），从智慧化生产要素在农业生产活动中的投入角度，而并不是从智慧农业的各种外在形态上，对科学测度智慧农业发展水平提出了一套兼具科学性和可行性的研究方法，在方法论上具有重要的理论意义。

3 测算方法

3.1 测算方法

一般来说，测算一个地区智慧农业发展水平的基本步骤，首先是根据智慧农业的表现形态，如精细化种植、全产业链溯源、农产品线上精准营销等，建立综合评价指标体系；其次，采用因子分析、专家打分等研究方法确定各项指标的权重；最后，收集各项指标的原始数据，计算得到一个综合得分作为智慧农业发展水平的代理变量。例如，耿鹏鹏和杜文忠（2020）基于农业实现“智慧”过程模型，从互联网运营状况、农业网络发展状况、农业科技创新能力、智慧农业发展环境、电商物流水平、农业可持续发展状况与智慧农业人才培养基础7 个方面建立智慧农业发展状态评价指标体系，运用灰色关联分析法对指标进行筛选。这种评估方法的优势在于比较直观，能够在指标的选取阶段就与智慧农业的特征联系起来。同时，也可以分具体的智慧农业类型，分项测算各地区智慧农业发展水平的优势与短板。当然，这种评估方法也存在两方面的缺陷，即智慧农业的内涵和外延难以界定，且数据源难以获取。在实际操作过程中，人们对于智慧农业到底包含哪些具体形态难以全面把握，对于某些存在争议的农业生产方式该不该纳入智慧农业的评价范畴也难以做出准确的判断，因此指标的选取本身就是一项复杂的工作。更重要的困难在于，囿于农业生产方式大多以家庭或小型合作社为基本单元，基本没有建立起现代企业管理制度，也就没有及时对生产数据进行记录和沉淀。现有部门机构、组织或个人关于三农问题展开的社会调查，也基本没有涉及、或未能比较全面地涉及智慧农业的调研。因此，数据源的缺失也进一步阻碍了该研究方法的实际运用。

鉴于综合评价指标体系测算智慧农业发展水平存在指标难以确定、数据源普遍缺失等问题，本文从智慧化生产要素在农业生产活动中的投入角度，提出另一种评估智慧农业发展水平的方法。不管智慧农业以什么样的具体形态呈现出来，从投入的角度来说，都是将机械设备、电气设备、光学设备、运输设备和其它相关联的制造业产品运用于农业生产的过程。因此，可以从国民经济各部门之间的投入-产出关联的角度，对各地区的智慧农业发展水平进行评估。这种评估方法的优势在于数据源的可得性良好，且避免了难以全面界定智慧农业具体形态的困难，正好弥补了采用综合评价指标体系测算智慧农业发展水平的困难。当然，该评估方法也存在如下困难：一是比较间接。例如，机械设备应用于农业生产，有一个更加贴切的表述是“农业机械化水平”，与智慧农业的联系并不是那么紧密。但该困难对评估过程造成的影响并不大。仍然以机械设备的投入为例，若仔细思考它与智慧农业的关系，就很容易得到“农业机械化也是智慧农业发展的一个方面”的观点；二是测算过程中要区分存量与流量的关系。机械设备、电气设备、光学设备、运输设备和其它相关联的制造业产品等生产资料与种子、化肥、农药、劳动力等生产要素存在本质的不同，即这些设备并不是一次生产活动就全部消耗掉的，它们具有固定资产的属性，其价值会慢慢释放到农业生产活动中。因此，需要借助固定资产盘存的方法对这些生产资料进行永续盘存。在永续盘存评估智慧农业发展水平的过程中，如式（1）所示，基期如何确定、存量的折旧率如何确定、流量的价格平减指数如何确定，是三个无法逾越、且需要谨慎对待的问题。

式（1）中，Smart_argriculture为地区时期的智慧农业发展水平，它等于(t-1)时期的智慧农业发展水平剔除折旧的部分，再加上采用价格指数平减后的当期智慧农业的投入水平Smart_input。其中，为折旧率，为价格平减指数。

3.2 投入-产出表

投入-产出表（）又称部门联系平衡表，由美国经济学家瓦西里·列昂惕夫提出并编制。投入产出表采用矩阵的形式，反映一定时期各部门间相互联系和平衡比例的关系。

为了阐述的方便，本文以世界投入-产出数据库（）提供的《世界投入-产出表（）》为例进行说明，其它投入-产出数据，如《中国投入-产出表》、《中国各省份投入-产出表》和《中国区域间投入-产出表》类似。世界投入产出数据库在2013 年和2016 年分两次发布了《世界投入-产出表（）》：第一次发布的数据覆盖1995-2011 年，并参照国际标准产业分类第三次修订（ISIC Rev.3）将国民经济划分为35个部门；第二次发布的数据覆盖2000-2014年，并参照国际标准产业分类第四次修订（ISIC Rev.4）将国民经济划分为56个部门。

式（2）中，为一国的投入产出表，矩阵中的元素a表示产业部门对产业部门产品的需求，也即产业部门的产出流向产业部门的量。a为产业部门j 的出口，a为产业部门的进口。于是，投入产出表的每一行反映的是某一产业部门产出的分配情况，而每一行反映的是某一产业部门要素的投入情况。

不同时期，投入产出表中各元素的值以及不同元素之间的比例刻画了该国的生产和分配状况。通过投入产出表，就可以对一国的经济结构、发展模式、生产效率、分配体系等做出科学的解析。

通常情况下，投入产出表的第一行（a…aa）和第一列（a…aa）展示了农业部门的产品分配情况和要素投入情况。假设a、a、a、a、a分别为生产机械设备、电器和光学设备、运输设备和提供信息化技术服务、科学研究与人才培养的五个部门。区别于其它部门的产品，由于这些设备和服务在农业领域的应用体现了农业生产方式的智能化，那么Smart_input=a+a+a+a+a就衡量了具体年份智慧化生产要素在农业部门的投入情况。值得注意的是，基于某一年的投入产出表所计算出的仅反映了该年农业部门新增的智慧化要素投入。此时，需要采用式（1）所示的盘存法进行运算，继而得到每一年的智慧农业发展水平。

3.3 智慧化要素投入与价格平减指数

如表1 所示，以国际标准产业分类第四次修订（ISIC Rev.4）为依据，将农业部门界定为农作物及动物生产、狩猎及相关服务活动（c1），林业与伐木（c2），渔业和水产养殖（c3）三个二级部门的总和。

本文从机械设备、电器和光学设备、运输设备、信息化技术服务、科学研究与人才培养五个方面来衡量智慧化要素的投入，并将获得这些智慧化要素的投入部门界定为机械设备制造（r19），机器设备的修理和安装（r23），计算机、电子、光学产品制造（r17），电气设备制造（r18），汽车、挂车和半挂车制造（r20），其他运输设备制造（r21），邮政及快递活动（r35），电信电讯（r39），计算机程序设计、咨询及相关活动、信息服务活动（r40），科学研究与开发（r47），教育（r52），数据来源于《世界投入-产出表（）》。考虑到通货膨胀等因素带来的价格波动，本文采用各经济体的GDP平减指数对2000-2014年的智慧化生产资料投入进行价格平减处理。GDP平减指数来源于世界银行数据库，本文经过变换将基准年份统一设定为1999年。

表1 农业部门、智慧化生产要素投入部门的界定与整合

3.4 基期的确定

在应用式（1）所示的永续盘存法进行测算的过程中，基期选择无疑是至关重要的。理论上，基期应当越早越能够提高测算结果的质量。但是，现实操作层面往往会受到数据可得性的制约。以《世界投入-产出表（）》为例，虽然可以追溯到的最早年份为1995年，但2000年之前的年份使用国际标准产业分类第三次修订（ISIC Rev.3）对国民经济部门进行划分，与之后使用的国际标准产业分类第四次修订（ISIC Rev.4）存在较大差异，进来造成了数据连续性的中断。

在确定基期之前，本文首先对智慧农业的发展历程进行了梳理：①在21世纪之前，智慧农业的发展更多地体现在农业机械化层面。当然，农业机械化也是智慧农业的一个方面，或者可以理解为智慧农业发展的初级阶段。②作为智慧农业发展的基础技术载体和重要体现形式——物联网技术，其概念最早于2005 年的信息社会世界峰会（）上，由国际电信联盟（）发布的《ITU 互联网报告2005：物联网》正式提出。

基于此，本文将基期设定为1999 年。该基期距离物联网技术的诞生和运用还有6年的缓冲期，仍处于智慧农业的初级形态——农业机械化阶段。因此，可以采用农业固定资产状况（不包含信息化技术服务、科学研究与人才培养）等可得指标来衡量基期智慧农业的发展水平，且不至于遗漏太多的有价值信息。

本文采用各国的资本形成总额乘以农业增加值占GDP的比重来衡量各国在基期1999年的农业固定资产状况。其中，资本形成总额数据来源于世界银行公开数据。关于资本形成总额，世界银行给出的定义是由新增固定资产支出加上库存的净变动值构成，具体项目包括土地改良，厂房、机器和设备的购置，建设公路、铁路以及学校、办公室、医院、私人住宅和工商业建筑等。尽管未纳入智慧农业的信息化技术服务、科学研究与人才培养等软要素投入，但正如本文已经指出的那样，在1999年智慧农业尚处于农业机械化阶段。遗憾的是，资本形成总额并未按产业部门进行细分，也即无法直接获得农业领域的资本形成总额。作为替代方案，本文以农业增加值占GDP的比重作为系数间接测算得到。

3.5 折旧率的确定

对于采用永续盘存法测算智慧农业发展水平而言，折旧率的设定是另一个需要谨慎对待之处。若将折旧率设置过高，则会人为压缩智慧农业发展起步较早的国家（如大多数发达经济体）的智慧农业发展水平；若将折旧率设置过低，又会反过来人为抑制智慧农业发展起步较晚但投入增长很快的国家（如像中国这样的发展中经济体）的智慧农业发展水平。

遗憾的是，在理论和实践层面，目前都没有关于智慧农业生产要素折旧率的统计和测算。基于此，本文以工业生产领域固定资产投资的折旧率为参考系，通过工作时长的比较，对智慧农业生产要素折旧率进行设定。具体的，以工业固定资产6.9%的折旧率为基准，考虑到工业生产一般是人员轮流上岗而机器不停歇，而农业生产大多只能在白天进行，且受到季节的约束，因此本文将智慧农业生产要素的折旧率设定为工业固定资产折旧率的1/3，即2.3%。

4 结论与展望

本文从智慧化生产资料在农业生产活动中的投入角度，基于投入-产出模型，提出了一套测算智慧农业发展水平的研究方法。智慧化生产资料在农业部门的投入主要体现在机械设备、电器和光学设备、运输设备、信息化技术服务、科学研究与人才培养五个方面。进一步地，从国民经济各部门之间的投入-产出关联的角度，可以采用机械设备制造，计算机、电子、光学产品制造等11 个部门的产出在农业生产部门中的投入来衡量。该方法规避了传统综合评价指标体系测算智慧农业发展水平存在指标难以确定、数据源普遍缺失等问题。当然，本文现阶段仅仅提出了一套解决办法，我们今后工作的一个方向是将该方法付诸于实践，从实践的角度证明这个方法的可行性及科学性。如可以基于世界投入产出数据库（）对该研究方法进行了实践操作，对包含中国在内的40个国家的智慧农业发展水平进行测度和分析。进一步地，将测算中国的智慧农业发展状况，探讨中国发展智慧农业所取得的成绩和存在的问题。