基于灰度关联法的武威市农业信息化水平对农业效益的影响分析

刘文森 韩俊英 刘成忠

（甘肃农业大学信息科学技术学院 甘肃兰州 730070）

信息技术作为近年来快速发展的科学技术，在不同领域发挥了至关重要的影响，传统农业将在其影响下发生深刻变革。有效利用信息技术是提高农业生产力、加速农业转型升级、推动乡村振兴、提升农民收入和幸福感的重要手段，是推进农业现代化进程的必要途径，也是农业发展的必然趋势。然而，对于农业信息化水平的测度一直是农业信息化发展的难题，加之我国区域发展不平衡的现实国情［1］，区域内农业信息化水平衡量的难度尤甚。因此，在现有农业信息化水平评价体系的基础上对区域内农业信息化水平进行衡量，有助于探索区域内农业信息化发展的规律，对进一步科学推进区域内农业信息化的发展具有现实意义。本文以甘肃省武威市农业信息化水平为研究对象，采取灰度关联分析法（GRA）探讨农业信息化水平与农业生产效益的关系。GRA是根据两个系统的因素之间发展趋势的相似或相异程度作为衡量因素间关联程度的一种方法［2］。本文通过计算各农业信息化指标与农业生产值之间的关联度，直观有效的反映武威市各农业信息化指标的发展状况，旨在为进一步发展农业信息化提供科学的依据，为衡量区域内农业信息化水平提供新方法。

1 农业信息化水平评价指标体系的构建

1.1 农业信息化水平评价原则

人为评价是一个抽象的、不断拟合现实状况的复杂过程，需要通过确立评价标准、决定评价情景、设计评价手段以及利用评价结果等步骤。农业信息化水平评价的目的在于摸清农业信息化底数，为使得评价结果更具科学性、准确性，评价指标的表达结果要能被量化处理、便于进行比较。因此，农业信息化水平评价指标体系的构建需要满足导向性、科学性、典型性、可操作性等原则。

1.2 农业信息化水平评价指标体系的建立

在国内现有的农业信息化水平评价指标体系的研究中，诸多学者对于不同区域农业信息化水平的测度提出了不同的办法，如卢丽娜［3］在2007年构建了包括农业信息资源开发利用、农业信息基础设施建设、农业信息技术应用、农业信息产业、农业信息化人才等六大类21 个指标的农业信息化测度指标体系；刘世洪［4］等在2008 年针对我国农村经济发展的特点，建立了包括农村信息资源的开发利用、农村信息网络建设、农业信息技术应用、农业信息产业发展、农村信息人才、农村信息化外部环境等6 个大类要素25 个子类的指标体系；张霞［5］等在《河北省农业信息化发展水平的评价研究》中构建了该地区包含农业信息化基础设施指数、农业信息普及和应用指数、农业信息化人力资源指数、农业信息化主体环境指数4个一级指标，以及农村每百户拥有国际互联网用户数、农村人均邮政业务量等8个二级指标的农业信息化发展水平评价指标；刘利永等［6］在2013 年构建了包含农业信息化发展环境、基础设施、资源建设、人才和技术应用等5 个方面涉及18 个具体指标的农业信息化水平评价指标体系；刘玮等［7］构建了包括农业信息化服务资源、服务队伍、服务现状、基础设施以及信息化发展社会环境5个方面16 个具体指标的农业信息化水平评价指标体系。上述研究的指标设立整体上符合农业信息化六要素的要求以及农业信息化水平评价的原则，只是在形式上因为研究对象的区别体现出一定的差异性，某些指标的数据收集存在困难。本文参考袁晓庆［8］提出的指标筛选模型，该指标体系在只包含10 个指标的情况下，表达了85.3 %的信息，保证了指标的完备性和简洁性。结合武威市农业信息化发展现实情况，选取可测得且具有代表性的指标构建武威市农业信息化水平评价指标体系，如下图1所示。

图1 农业信息化水平评价指标层次结构图

2 基于灰色关联分析法的农业信息化评价分析

2.1 灰色关联分析法

灰色关联分析是一种对系统动态发展态势的量化比较分析方法［9］。主要用来分析系统中母因素与子因素关系的密切程度，从而判断引起该系统发展变化的主要因素和次要因素。灰色关联分析的核心是计算关联度，通过对于原始数据的处理，计算出关联系数，从而得到关联度。

2.1.1 数据预处理

由于不同指标数据之间各有不同的计量单位，存在量纲不同导致的不可比性，所以首先需要将指标进行无量纲化处理（初值化、均值化等），消除量纲影响后再进行接下来的分析。

2.1.2 计算关联系数

设经过数据处理后的参考数列为：

与参考数列作关联程度的p个数列（比较数列）为：

其中n为数列的长度，即数据的个数。

实质上关联度的几何意义是母序列（参考序列）与子序列（比较序列）曲线形状的相似程度，相似程度越高即曲线之间的差值越小，则二者的关联度越高；相反，曲线的相似程度越低则二者的关联度越小。

将第i个比较数列（i=1，2，…，p）各期的数值与参考数列对应期的差值的绝对值记为：

将n个Δ0i(t)中的最小数和最大数分别记为Δ0i(min)和Δ0i(max)。因为有p个比较数列，再将p个Δ0i(min) 中 的 最 小 值 记 为Δ(min)， 将p个Δ0i(max)中的最大值记为Δ(max)。故可以计算出第i个比较数列与参考数列在t时期的关联程度（即关联系数），如下式所示：

其中ρ为分辨系数，0＜ρ＜1。该系数由人为引入用以削弱Δ(max)过大而使关联系数失真的影响，从而提高关联系数之间的差异显著性。

2.1.3 求关联度

通过n个关联系数反映了每个数列的关联程度，因此，关联信息分散，不便于从整体上比较。所以，通常通过求平均值的方式对关联信息作集中处理。即通过母序列与子序列各时期关联系数的平均值来表示两者之间的关联程度，计算公式如下：

r0i即为第i个子序列与母序列的关联度，其中可以看出，关联度受参考数列和比较数列长度的影响。另外，原始数据无量纲化处理方法以及分辨系数选取对关联度也有影响，不过在同一个系统当中用同样的无量纲化方法和分辨系数作用于系统中的所有对象，则该影响即可消除。

2.1.4 排关联度

通过上述计算得出各比较数列与参考数列的关联度，按其大小进行排列即可得到关联序。其反映了比较数列对于同一个参考数列的层次关系，即比较数列所代表的系统子因素对于参考数列所代表的系统中的母因素的影响程度，可以通过其影响程度的“强烈”或“微弱”判断出该因素在引起系统的变化发展中占“主要”或“次要”地位。

2.2 武威农业信息化水平与农业增加值的灰色关联分析

根据信息生产力理论［10］，农业生产效益的增加与农业信息化水平的发展有必然的关系。其次，影响农业生产效益的因素是多维的，而且本文的研究对象农业信息化指标具备代表性。因此，该系统满足灰色系统部分性和非唯一性的特征，故灰色关联分析法是符合本文研究的可靠且理想的分析方法。

根据图1 中农业信息化水平评价体系中的10个基础指标，收集武威市2016～2020年的统计数据进行整理，见表1。

表1 2016～2020年武威市农业信息化原始数据

以武威市2016～2020 年农业增加值作为参考序列、10 个农业信息化水平评价具体指标作为比较数列（其中所有计算数值均精确至小数点后4 位）。

第一步，对武威市农业信息化原始数据作无量纲化处理，见表2。

表2 无量纲化处理数据

第二步，计算各比较数列同参考数列在同期的绝对差。当t=2016时，

再分别计算其余4年的各绝对差。全部结果如表3所示，其中最大值与最小值为：

表3 绝对差计算表

第三步，计算关联系数，取分辨系数ρ=0.5，则计算公式为：

同理，依次计算2017～2020年各关联系数，得到关联系数表，如表4所示。

表4 关联系数计算表

通过关联系数图可以更加直观看出各指标在不同年份的影响趋势变化情况，见图2。

图2 关联系数图

第四步，计算关联度。利用表4中的数据，分别计算每个比较数列对参考数列关联系数的平均值，即可得到该子序列对母序列的关联度。

第五步，排关联序，得到关联度结果，见表5。

表5 关联度结果表

由上表不难看出，各指标对于母序列的影响程度呈P1＞P6＞P9＞P10＞P8＞P3＞P7＞P4＞P5＞P2。说明就农业信息化水平对于农业生产效益的影响而言，武威市农业信息化水平的各指标中互联网覆盖率对于农业增长值的贡献最大，高于其他指标因素，基础设施建设在西部偏远地区仍然是发展农业信息化的关键因素。其次，农业电子商务水平的增加，也是助长农业生产效益的重要原因，这也从侧面反映出近年来武威市大力发展农业电子商务取得的成果。电信和其他信息服务业就业人员贡献度位于第三，该比例近年的提升也是信息化人才培养体系不断完善的结果。在效益指数层面，农村居民家庭平均每人纯收入的不断增高，对于农民家庭消费信息产品，满足信息需求提供了必要条件，同样也是农业生产效益增高倒逼农业信息化发展的良好趋势。剩余指标的关联度均低于0.65，反映出武威发展农业信息化的进程中存在不均衡的问题，下一步需要着力补齐发展中存在的短板。

另外，根据第七次全国人口普查公布的数据，武威市农村常住人口在2016～2020 年，由95.78万人锐减至77.34万人。在农村劳动人口普遍减少的境况之下，农业生产效益不减反增，也进一步说明了发展农业信息化打破了传统农业生产方式的局限性，武威市农业生产潜在产能正随着农业信息化进程被不断发掘。

3 结论

本文引用国内农业信息化水平评价研究的成果，结合客观现实，采用灰色关联分析法，揭示了武威市农业生产效益与农业信息化水平之间的潜在关系，通过农业生产效益的视角衡量武威市农业信息化发展水平，为进一步发展该区域农业信息化的对策提供了数据支撑，同时也为衡量区域内农业信息化发展水平提供了新思路、新方法。