我国农业现代化发展水平评价方法研究

辛岭，郝汉

（中国农业科学院农业经济与发展研究所，北京 100081）

农业现代化一般指利用科学技术和现代管理理念来改造传统农业，创造新型的现代化农业生产体系，不断提高生产转化率、资源利用率，并最大可能的减少环境污染[1]。农业现代化理论最早由美国经济学家西奥多·舒尔茨在其出版于1964年的著作《改造传统农业》中提出，经过近六十年的发展，农业现代化的概念从关注如何提高生产效率、促进技术创新，逐渐转变为关注如何合理利用资源、实现农业可持续发展等方面[2-3]。我国对于农业现代化的研究先后经历了“农业机械现代化”“农业经营现代化”“农业科技现代化”和“农业系统现代化”的四个发展阶段，对农业现代化的认识不断深入。农业现代化发展水平评价是指通过建立评价模型或是确定评价标准，对某一地区在某个具体时间节点的农业发展状况进行定性或定量的判断，科学的评价对于深刻认识我国各地区农业现代化发展现状，推动农业供给侧结构性改革和建设具有中国特色的现代农业体系具有重要的意义。

随着农业现代化的内涵和目标变得更加多元，学界对农业现代化发展水平的评价也在不断的进行演进与优化，从传统的对农业生产效益水平进行评价，拓展到了对农业产业体系建设、农业支持保护水平、农业绿色发展水平等维度的评价[4]。对农业现代化发展水平评价方法应用和改良的研究成果不断涌现，如对全国各省份农业现代化发展水平的总体评价[5-6]，对某一特定省份进行的评价[7-8]以及对相关的农业机械化水平、信息化水平的评价等[9-10]。近年来，随着各种新的评价模型和人工智能学习技术的出现，又促进了原有评价方法的进一步完善。从单一属性、单一目标的静态评价，关注评价指标体系建立及各地区农业现代化发展水平的定量评 价[11]；逐渐发展为多种属性、多类目标的动态评价，关注农业现代化和工业现代化、科学技术现代化的协调发展，以及农业现代化与城乡融合的耦合关系等[12-13]，评价方法与覆盖内容逐渐复杂化和精细化。

在新的发展阶段，我国已经逐步形成新的城乡关系，有必要在准确、深刻的把握我国农业现代化发展内涵特征的基础之上，设置一套科学合理的、符合我国国情的评价指标体系，并确立与之相适应的评价方法。因此，本文应用文献分析法、归纳研究法和实证分析法等研究方法，深入分析现有的各种农业现代化发展水平评价方法理论依据的可靠性、评价过程的科学性和评价结果的准确性，探究各评价方法的差异及产生的原因，以此为科学的选择和应用评价方法，衡量我国各地区农业现代化的建设进程并开展相关研究奠定良好的基础。

1 农业现代化发展水平主要评价方法

1.1 评价方法介绍

一般来说，对农业现代化发展水平评价的基本思路是：从某地区自然资源和社会经济发展现状出发，遵循数据可获得性和代表性原则，选取评价指标并构建评价指标体系，通过选取评价模型进行定性或定量的判断[14]。目前，农业现代化发展水平评价的主要方法有四种。

1）重点参数比较法。该方法通过选取自然资源禀赋、政策、区位、文化和市场等农业现代化发展过程中的重点参数进行各地区之间的横向比较，或是与农业现代化水平较高的国家同期水平进行比较，找出目前发展存在的差距。如刘彦随等[15]对我 国东北地区的农业现代化水平进行综合评价，深入探究东北地区种植业、渔牧业相较于全国平均水平的比较优势，并针对东北地区的资源和生态禀赋提出了发展对策；刘世薇等[16]对黑龙江垦区在农业生 产、物质装备、经营管理、农业生活和农业环境保护 等五个方面和国际农业现代化水平差距的研究等。

2）多指标综合测度法。该方法来源于层次分析法，是目前学界应用最为广泛、评价结果最为认可的一种农业现代化发展水平的评价方法，现有成果中利用这种方法对于农业现代化发展水平的测度既有针对全国总体水平的研究，也有具体到某个省份或是县域的研究，研究视角非常广泛。多指标综合测度法主要通过构建评价指标体系，再根据各个指标之间的关系确定层次指标内容并对各个指标进行加权平均的处理，得到对一个地区农业现代化发展水平的综合指数。如刘衡等[17]从5个维度构建农业现代化发展评价指标体系，对我国农业现代化发展的时空特征和区域特征进行评价。

3）模型法。目前学界对农业现代化发展水平评价的模型主要有TOPSIS评价模型和DEA评价模型。TOPSIS评价模型的基本思路是通过对正向化、标准化的指标数据进行观察，找出相对的最优与最劣值，并计算各个样本之间的欧式距离。各个样本的相对接近程度越高，其最终值就越接近于1，表示该样本的得分最高，反映到评价中也就是农业现代化发展水平越高。DEA评价模型将所有决策单位的投入和产出项投影到几何空间中，得出每个决策单元的综合数量指标并进行排序。如田野等[18]从农业生产、经营和服务三个维度，利用超效率DEA模型对各省份农业现代化发展效率进行评价；刘云菲等[19]使用2011—2018年相关数据，利用TOPSIS评价模型对全国农垦农业现代化水平进行评价等。

4）BP神经网络评价法。该方法同样需要建立农业现代化发展水平评价指标体系，利用BP人工神经网络模拟神经网络的映射关系，进而寻找最优的权值适量，通过这样的方式对原有数据集合进行分类。BP神经网络评价法同时具备了专家打分法的准确性和客观评价的可靠性，被广泛应用于各种评价过程中。如赵红巍和吕杰[20]通过建立农业现代化进程程度的指标，并将其应用于BP人工神经网络，对辽宁省各地区的农业现代化发展现状进行综合评价；王肖芳[21]以河南省18个省辖市的数据指标为样本，构建BP神经网络模型进行模拟检验，依据综合模拟得分对各地市生态农业综合效益进行评价等。

1.2 评价方法的适用条件

就评价方法本身而言，不同评价方法的理论基础与评价过程都不同，因而适用的条件和对数据的要求也有所不同。农业现代化评价是用相对静态的标准来判断动态事物的发展水平，其中多指标综合测度法的适用范围最广，但不应苛求绝对有效的评价指标体系，而是应当根据实际情况进行调整[22]。

重点参数比较法适用于分析有明确标杆的评价对象，例如把一些已经公认实现了农业现代化的国家的某些指标作为评价标准，有利于找出我国农业现代化发展和国际先进水平的差距，学习和借鉴国际现代农业发展的成功经验。但由于我国的农业发展路径和模式与其他发达国家不具有完全的可比性，因而其评价结果很难做到科学严谨。

多指标综合测度法是目前公认的评价农业现代化水平最为合理，应用最为广泛的一种方法[23]。该方法在评价指标体系的构建上遵循全面性、重点性和代表性等原则，且在评价指标权重的确定上通常采用主观与客观打分相结合的方式，不易受到评价者个人主观偏见的影响。但其缺点在于计算量较大，计算步骤较为繁琐，容易出现计算误差。

TOPSIS模型评价法是一种多目标评价方法，其评价过程简单快捷，评价结果较为客观，因为它完全依赖于现有数据的分布情况，在进行样本数据内部排序、确定不同评价对象的差异性时效率非常高。但该方法要求具有一定数量的样本单位，且研究表面各评价指标之间如果存在非常强的相关性，可能会导致结果出现偏差[24-25]。

BP神经网络评价法可以较好的模仿专家评分的特点和偏好，同时又相对客观，适用于信息冗余度较低的评价对象[26]。但该方法的使用仍有一定的弊端，例如在拟合数据时，网络隐含层的层数和单元数需要多次试错才能确定，因此在应用的时候往往将BP神经网络评价法和主成分分析法结合起来，剔除掉多重共线性较强的指标，提高预测的精准度。

综合以上分析，几种主要评价方法的适用特点与适用范围见表1。

表1 不同评价方法的比较Table 1 Comparison of di§erent evaluation methods

2 农业现代化发展水平评价方法的应用与比较

2.1 农业现代化发展水平评价方法研究的基本思路

评价方法的选择是开展农业现代化发展水平评价工作的核心，也是衡量评价结果是否科学、合理的关键。客观评价一个地区的农业现代化发展水平，准确反映农业现代化的发展状况和现有基础，有利于找出与该地区自然资源禀赋和经济社会发展情况相适应的发展模式，寻找现代农业发展的突破口。在评价方法的选择上应考虑评价对象本身的特点、数据的代表性和可获得性[27-28]。根据经济学的理论，农业现代化是一个动态的转变过程，不仅仅是生产要素的引入或是技术的进步，而是通过对城乡关系和工农关系的调整，使农业成为更具竞争力的现代产业，实现生产要素的更优配置[29]。因而农业现代化发展水平评价方法应当从理论依据出发，把握现代农业发展规律，将目标设定与评价过程全面对接。评价指标体系的构建要遵循系统性、综合性、重点性、代表性和可比性的原则[30]。

评价方法选择的原则是，首先，对农业现代化发展水平的评价属于宏观评价，且考虑到评价对象为全国、省域或县域，涉及到的评价指标较多，评价过程不应过于复杂。其次，不同的行业专家对农业现代化的认识可能有不同的角度，单独采用主观评价法的方式可能会造成结果的可信度下降，因此，主客观结合的方法较为合理。再次，由于农业现代化是一个动态发展的过程，不同时期的评价指标构建往往存在一定的差异，因而不宜单独采用完全客观的评价方法[31]。最后，农业现代化评价的数据应主要来自于宏观经济公开数据，提高数据的可信度。

因此，本文对农业现代化发展水平评价方法的研究思路为：首先根据农业现代化发展的内涵确定评价指标体系，选择一定的标准化方法对评价指标原始数据进行处理。接着分别采用不同的评价方法进行农业现代化发展水平的总体评价，进而对评价指标的选择与指标体系的构建、指标权重的确定、数据的标准化和评价结果的准确性进行对比分析，探究这几种评价方法的内涵与性质、优缺点、适用条件和评价结果的差异性。最后对评价方法的应用和优化提出相应的建议。

2.2 农业现代化发展水平评价指标体系的建立

在农业现代化发展水平评价的过程中，评价指标体系的建立是最重要的环节，评价指标体系的层次设计，应全面涵盖农业现代化系统的各个组成结构及农业生产、经营的各个环节。构建时应遵循四条原则：一是引领性，即能够代表农业现代化的最新发展水平，既要符合国际惯例和公众认知，又要注重实现农业现代化的探索性和特色性；二是系统性，应充分考虑有关农业现代化的深刻内涵和我国乡村振兴的战略目标，以宏观理论为支撑，系统构建一级和二级指标体系；三是科学性，选取指标既要有理论基础和政策依据，又要兼顾不同区域资源禀赋、发展水平等实际情况差异；四是可操作性，选择指标要具有强代表性、针对性、延续性和可操作性，指标间既存在联系、互相印证，又彼此独立、避免交叉，确保评价简便易行、务求实效。

综合以上考虑，本研究确定了农业产业体系现代化、农业生产体系现代化、农业经营体系现代化和农业绿色发展4个系统层指标及22个具体指标（表2）。

表2 农业现代化评价指标体系Table 2 Evaluation index system of agricultural modernization

系统层中，产业体系体现现代农业生产力与生产关系的相互作用和有机融合程度，生产体系体现农业生产力的提升和农产品的有效供给水平，经营体系体现农业生产关系的完善程度，农业绿色发展体现农业生态治理效果和可持续发展水平，这四个方面互为补充、相互支撑。

指标数据的来源为《中国统计年鉴》《中国农村统计年鉴》《农村经营管理统计年报》等。考虑到数据的可获得性，本文使用2020年全国（不含港、澳、台地区）及30个省（市、自治区）的截面数据（由于西藏自治区较多数据不可获得，未纳入计算中）进行农业现代化发展水平评价。

2.3 数据标准化方法的比较

数据标准化的主要方法有标准分数法、极差化法、极大（小）值法、均值化法、向量归一法和功效系数法等[32-33]。不同的数据标准化方法的计算结果差异性较大，具体表现为评价指标的总量恒定性、单调不变性、差异比不变性、平移相关性等性质均产生较大变化，进而影响评价的结果。理想的标准化方法应完全减少各评价指标之间的数量级差异，同时尽量保留原有的指标内部差异信息[34]。

考虑到我国幅员辽阔，各地区的资源禀赋和社会经济发展情况差异较大，因此一般在对某个地区的农业现代化发展水平进行纵向评估时，可以采用标准分数法、均值化法等方法，以增强评估结果的稳定性和可比性。对于地区之间的横向比较，可以采用极差化法、向量归一法等方法，该类方法标准化之后的数据值在0~1之间，可以很好的克服由于某个评价指标值过大导致的结果失真。除上述方法外，还有学者采取功效系数法对评价指标值进行标准化，该方法需要人为设定平移指数、缩放指数、满意值和不容许值，在实际的操作中，由于满意值和不容许值不易确定，也有采取极大值和极小值代替的做法。

由于农业现代化是一个整体的目标，某个单项指标非常突出的情况很常见，但并不能够完全弥补其他评价指标存在的劣势，也就是说某些省份的部分指标达到甚至超过了农业现代化的标准，不代表其整体水平达到农业现代化。因此，基于对数据标准化方法的特点分析，且本研究采用的是2020年全国各省市区的截面数据，为克服由于某个评价指标值过大导致的评价结果偏差，本文选用极差化法对评价指标数据进行标准化处理，正向指标计算方法为：

式中：max(xj)和min(xj)分别为评价指标j各样本中最大值和最小值，xij为样本i的第j个指标。

2.4 评价指标权重确定方法的比较

评价指标权重确定方法包括主观方法和客观方法。主观方法有层次分析法、德尔菲法等，客观方法有平均赋权法、熵值法、因子分析法等。由于熵值法和德尔菲法在指标权重确定的方法中应用较多，且可以很好的反映出主观赋权方法和客观赋权方法的特性及差异，因此本文主要比较一下熵值法和德尔菲法的不同。采用表2的指标体系和数据进行应用后，分别采用熵值法和德尔菲法确定各评价指标的权重。熵值法的计算过程为：

第一步计算指标j在所有省份指标j加总值中所占的比例bij，即：

德尔菲法确定指标权重的过程为：本研究共征求了国内农业农村领域的16位知名专家和8位农业农村相关管理人员对权重的意见，通过分别给专家发送邮件的方式，各自独立的对各评价指标进行打分。经测算发现每一个判断矩阵的CR值均小于0.1，说明可以通过一致性检验，基于平均值计算得出指标的权重。熵值法和德尔菲法所得的权重结果见图1。

总体来看，德尔菲法所确定的权重相对比较平均，除个别值外，均分布于0.03~0.06之间（图1），这说明专家打分所确定的权重相对比较平均，不易于区分指标的重要性和差异性；而熵值法所确定的指标权重差别较大，反映出全国各个地区农业现代化发展水平不平衡对指标权重造成的影响较大。其中农作物耕种收综合机械化率（A7）、耕地适度经营规模（A13）、土地托管面积占比（A15）三个指标相较于其他指标权重较大，说明农业生产规模化和专业化是影响农业现代化发展水平的重要因素，农 业产业融合发展是推动农业现代化的有力支撑[35-36]；有效灌溉面积占比（A6）和农业防灾率（A16）两个指标相较于其他指标权重较小，原因可能是各省之间的差距并不算太大。

图1 指标权重确定差异Fig.1 Di§erence of index weight determination

熵值法和德尔菲法法对于农业经营与农业绿色发展指标的判断较为一致，如农业防灾率（A16）、农业劳动生产率（A17）、绿色农产品数量（A21）等；而对于农业产业与农业生产指标的权重判断存在一定差异，如休闲农业和乡村旅游总产值占比（A5）、有效灌溉面积占比（A6）、农作物耕种收综合机械化率（A7）等。

可以看出，使用客观方法（熵值法）虽然客观性较强，且较大的差异性更能够突出不同评价指标的重要程度，但由于仅根据数值本身的差异来判断指标的重要程度可能会忽视评价指标的实际意义，因此在实际的评价过程中应当结合主观方法（德尔菲法）对指标权重进行二次调整。

2.5 评价过程比较

在参考国内外农业现代化评价研究的基础上，根据发达国家的历程和农业发展的特点，可将农业现代化划分为起步发展阶段、转型跨越阶段、基本实现阶段和全面实现阶段（表3）。

表3 农业现代化阶段划分Table 3 Division of agricultural modernization stages

由于重点参数比较法的评价指标选取主观性较强，且由于我国农业现代化发展水平和实现路径与发达国家之间存在较大差异，使用该方法的不能够很好的体现我国各省市区的发展现状。因此本文分别采用多指标综合测度法、模型法和BP神将网络法三种方法来比较我国及各省市区2020年的农业现代化发展水平。

1）多指标综合测度法。本文参考胡志全等[23]的评价方法，基于层次分析法的理论，通过专家咨询建立农业现代化水平综合评价模型组测算模型，以加权求和的方式得到农业现代化各子系统的现代化指数。计算方法为：

式中：Zis为第i个省市区第s个子系统的现代化指数；wj为第j项的指标的权重，Yij为第i个省市区第j项指标的标准化值。ARMi为第i省市区农业现代化发展水平指数，m为农业现代化子系统数量。

2）模型法。本文参考何晓瑶[25]的做法，采取TOPSIS模型对我国各省市区2020年农业现代化发展水平进行评价。评价对象距离正理想解和负理想解之间的欧式距离，计算方法为：

式中：x（x）表示评价对象的正（负）理想解，即各指标中表现最优（劣）的样本值表示评价对象的指标值到理想解的正向（负向）欧式距离。

对计算相对贴进度并进行百分制处理，计算方法为：

式中：Ci为综合得分结果，越接近100则农业现代化发展水平相对越高。

3）BP神经网络法。考虑到BP神经模型法的特殊性质，本文借鉴吴爱忠等[37]的做法，在权重的确定上先用因子分析的方法对指标进行降维，再采用熵值法进行赋权，剔除掉多重共线性较强的指标，提高预测的精准度。将30个地区22个指标标准化的结果进行降维，得到的10个主因子分别命名为F1~F10，10个主因子共贡献91.58%。接着将主成分分析所得到的10个新的评价指标替代原有的22个指标，作为BP网络的输入向量。利用MATLAB 2018b构造神经网络，输入层和输出层的神经元个数分别为10个和1个，以样本数据中的18个作为训练样本，4个作为测试样本，4个作为验证样本，用New §函数来构造网络，用Train函数来训练，利用训练好的BP神经网络分别对30个省市区的农业现代化发展水平进行评价。

将以上三种方法所得的各省市区评价结果分别进行排序，得分越高则说明该地区的农业现代化发展水平越高。

3 农业现代化发展水平总体评价结果与分析

3.1 权重确定结果与分析

根据上述对权重确定方法的分析讨论，本研究采取熵值法确定初始权重，专家咨询法进行二次调整的方式来确定评价指标权重，最终确定的权重结果（表4）。

表4 评价指标权重确定结果Table 4 Evaluation index weight determination results

可以看出，该方式对于评价指标权重的确定行之有效，既保留了原始数据的差异性，能够较好的突出不同评价指标的重要程度，又进一步结合了评价指标的实际意义。如指标休闲农业和乡村旅游总产值占比（A5）调整前权重为0.095 2，该指标虽然是衡量农业产业结构调整的重要指标，代表着农业和旅游业的融合发展程度，但专家普遍认为该指标受不同地区居民消费习惯影响较大，因此调整后为0.065 9，虽略微减少但更加合理；而有效灌溉面积（A6）调整前权重为0.015 1，调整后为0.029 6；设施农业面积占比（A8）调整前的权重为0.033 2，调整后为0.043 0，权重值均有所增加，则说明参与打分的专家普遍更加看重农业是否具备现代化的生产体系，这也是出于推动农业向现代化生产方式转变的考量。

3.2 不同评价方法所得结果的差异

将上述三种学界常用的评价方法对全国及30个省市区的农业现代化发展水平的得分进行对比（图2）。

图2 评价结果对比图Fig.2 Comparison of evaluation results

结合对评价结果的对比可以看出，多指标综合测度法的评价结果最符合我国农业现代化发展的客观实际情况。该评价方法下全国总体的农业现代化指数为73.59，属于农业现代化的转型跨越阶段。北京、上海、江苏、浙江等直辖市和东部沿海地区农业现代化发展水平较高，其中北京和上海的评价分值已经接近全面实现阶段；西部地区农业现代化发展水平较低，其中云南和贵州两个省的评价分值小于60，属于农业现代化的起步发展阶段。根据层次指标测算结果，可以得到各评价对象得分差异的来源，进而明确目前需要着重解决的问题和未来发展的方向，提高了该评价方法的现实意义。但由于多指标综合测度法的评价结果是各指标加权平均得到的，通过抽象的差异性排序来反映农业现代化发展的一般水平，单从评价结果来看很难发现评价方法使用过程存在的问题。因此使用多指标综合测度法最好能够采取聚类分析等检验方法来对结果进行二次检验，提升评价结果的科学性和可靠性。

TOPSIS模型法的评价结果和多指标测度法相对比较接近，但个别样本出现较大偏差。这说明采用TOPSIS模型对农业现代化发展水平进行评价也不失为一种较为可靠的方法。该评价方法下全国总体的农业现代化指数为74.83，属于农业现代化的转型跨越阶段。个别省份的评价结果不太理想，具体表现为部分农业资源禀赋相似、社会经济发展程度接近的两个省份之间的评价结果差距异常大，如北京与上海、江苏与浙江的农业现代化指数差距都超过了12%。农业现代化发展是一个渐进的过程，且已有研究证明其具有显著的空间自相关性[38]，这说明TOPSIS模型用于农业现代化发展水平评价拟合程度不够优良。此外，距离度量参数的选择会对TOPSIS评价模型的稳健性产生显著的影响，这也在一定程度上限制了该评价方法使用的范围[39]。

BP神经网络评价法主要通过运行程序和训练样本来获取结果，操作比较简单，但评价结果和另外两种评价方式的差异较大。该评价方法下全国总体的农业现代化指数为78.42，属于农业现代化的基本实现阶段。学者们的理论估计和现实考量都认为北京、上海、浙江等省市目前已经基本实现农业现代化，在该方法的评价结果中却处于靠后的位置，得分均低于75分，这与客观实际情况不相符合。这是由于BP神经网络法要求各评价指标之间存在高度的相关性，如在做农业机械化发展水平评价时采用BP神经网络法可以得到较为理想的评价结果。但由于农业现代化评价涉及到农业生产、农业产业、农业经营和农村发展水平等多方面的指标，且评价指标之间具有相对独立性，因此不适宜采用该评价方法。

4 农业现代化发展水平评价结果分析——以多指标综合测度法为例

4.1 农业现代化发展的分类特征

利用多指标综合测度法的特性，根据表2所设计的我国农业现代化评价指标体系，分别计算各个子系统的得分情况，可以对全国及各个省市区农业现代化产业体系、生产体系、经营体系和绿色发展的实现程度进行判断，进一步明确不同地区的发展优势和短板。

计算结果可以看出，全国总体的农业现代化产业体系、经营体系得分较低，两个一级指标得分均低于70分（图3），这说明我国在农产品加工技术、装备运用和农产品精深加工转化等方面的总体水平还有待提升；土地适度规模经营水平较低，仍需继续大力发展土地的集中连片。生产体系的得分相对较高，说明我国的农业基础设施建设相对较为完善，农业科技驱动和现代化农业技术得到一定程度的普及，但仍存在进步空间。农业绿色发展得分最高，超过了80分，这说明我国的化肥、农药施用强度适度，畜禽粪污综合利用率较高，农业可持续发展程度较高。

图3 农业现代化发展的各子系统得分Fig.3 Score of each subsystem of agricultural modernization development

根据各个省市区的分类特征可以看出，从农业产业体系来看，天津、上海和北京分别排在前三位，其农产品加工业发展水平较高，农林牧渔服务业产值占比较大，部分已经达到全面现代化的发展水平。而贵州、四川、重庆和海南等西部欠发达地区，农产品加工率不足，尚处在“初制品”阶段，农产品网络销售量较低，农林牧渔服务业的绝对增量并不显著[40]。从农药生产体系来看，黑龙江、新疆、江苏和山东等地区农业基础设施建设完善，农业新装备、新技术应用水平高，生产体系的评价得分较高。而同样是海南、云南、重庆和贵州等西部山区，由于耕地细碎化程度高，且经营管理模式粗放，生产体系总体发展水平较为落后。从农业经营体系来看，上海、北京和黑龙江排在前三位，其中黑龙江的土地规模经营率超过了90%，带动了劳动生产率和土地产出率的提高，在全国居于领先地位。从农业绿色发展来看，上海、重庆和浙江等排在前列，这些地区每万公顷绿色农产品数量超过了7个，且畜禽粪污综合利用率均超过90%，在保障农产品安全、促进资源节约、保持环境友好等方面表现较为突出。

4.2 我国农业现代化的发展演变

上述分析可以看出，多指标综合测度法的评价结果相对于另外两种方法更为准确。为进一步验证该方法对于评价农业现代化发展水平的适用性，根据表2中的评价指标体系，本研究加入2000年、2005年、2010年和2015年各省市区的相关数据，再次进行评价（部分年度数据不可得，按照年均增长率均值和插值法进行估算）。结合前文对2020年的评价结果，综合分析我国各地区农业现代化近20年以来的发展演变情况，评价结果见表5。

表5 我国农业现代化的发展演变Table 5 Development and evolution of agricultural modernization

采用多指标综合测度法对多年度的农业现代化发展水平进行评价，从评价结果来看，各地区的农业现代化发展水平变化较为平稳，没有出现剧烈变动，比较符合实际状况。其中农业现代化发展水平率先达到基本实现阶段的地区集中在东部沿海和东北地区，包括北京、上海、天津、江苏、浙江和黑龙江；得益于区位优势，中部地区的农业现代化发展起步较早，但部分省份由于农作物种植结构、技术进步程度、经济发展水平等因素的制约，迟迟无法进入农业现代化的基本实现阶段，如湖北、湖南、安徽等；而农业现代化发展较慢的地区长期锁定在西南地区，包括云南、贵州、广西、重庆、四川和海南等。

总体来看，我国农业现代化的发展水平变化整体呈现东北高西南低的特点。主要原因是西部地区与中部、东部地区资源禀赋和区位优势有较大的差距，农业现代化发展存在一定阻力，但也有部分西部地区如重庆、海南和新疆等，借助国家政策优势加快补齐发展短板，较快的实现了农业现代化发展的转型跨越。

5 结论

本文在对相关文献梳理的基础上，对常用的几种农业现代化发展水平评价方法进行了应用与对比分析，研究表明，利用不同评价方法得到的评价结果存在一定差异，这种差异产生于评价方法本身不同的内涵和性质，也与数据的标准化处理和权重确定的方法有关。其中，多指标综合测度法虽然计算过程较为繁琐，容易出现人为误差，但对于农业现代化发展水平的评价仍然是最为准确和有效的方法。通过进一步分析评价指标体系内部各个子系统评价得分呈现的差异，可以明确目前需要着重解决的问题和未来发展的方向，使得多指标综合测度法的评价结果更加具有现实意义。

以多指标综合测度法为例，对全国及30个省市区2020年农业现代化的分类特征和2000—2020年农业现代化发展水平进行了测度。从评价结果来看，2020年农业现代化的生产体系和绿色发展水平较高，产业体系和经营体系有待加快发展。2000—2020年各地区的农业现代化发展水平呈平稳上升趋势。北京、上海等东部地区得分较高，已经接近全面实现农业现代化的水平，应进一步立足区位、资金、技术和资源的优势，提高农业资源利用率，走高效化、集约化和专业化的现代农业发展道路。中部地区处于转型跨越期，应积极引入新要素、开辟新模式、打造新业态，避免发展模式的同质化，全面激发农业现代化发展的活力。贵州、云南等西部地区的农业现代化发展较为滞后，应充分挖掘农业资源特色，结合休闲农业与乡村旅游产业，推动农业现代化的全面可持续发展。

本文仅对农业现代化发展评价的几种常用方法进行了比较研究，考虑到评价方法的可操作性与评价结果的可比性等因素，一些新出现的、但运用还不够成熟的评价方法没有纳入进讨论范围，还有待于丰富和完善。近年来学界越来越趋向于不同知识领域相互融合，采用两种或两种以上评价方法集成化的形式来对我国农业现代化发展水平进行评价。受篇幅限制本文没有对这类研究方法展开分析，有待于相关领域的学者开展进一步的研究。