張榮慶，王柯淇

（1.漢中職業(yè)技術(shù)學(xué)院，陜西 漢中 723002；2.陜西科技大學(xué)電子信息與人工智能學(xué)院，西安 710021）

“三農(nóng)”問(wèn)題是由農(nóng)業(yè)文明向工業(yè)文明轉(zhuǎn)變的必然產(chǎn)物，只有采取有效的措施去解決“三農(nóng)”問(wèn)題，才能更好地實(shí)現(xiàn)中華民族的偉大復(fù)興。解決“三農(nóng)”問(wèn)題的關(guān)鍵在于農(nóng)業(yè)科技的進(jìn)步與發(fā)展，通過(guò)大力發(fā)展農(nóng)業(yè)科技，實(shí)施農(nóng)業(yè)科技創(chuàng)新，將更多的農(nóng)業(yè)科技成果轉(zhuǎn)化應(yīng)用于具體的農(nóng)業(yè)生產(chǎn)實(shí)踐中，充分發(fā)揮農(nóng)業(yè)科技成果的重要作用。農(nóng)業(yè)科技成果的高效轉(zhuǎn)化是現(xiàn)代農(nóng)業(yè)發(fā)展的必然要求，同時(shí)也是在新的時(shí)代背景下實(shí)現(xiàn)農(nóng)村繁榮、農(nóng)業(yè)發(fā)展、農(nóng)民富裕的有效途徑［1］。從目前來(lái)看，發(fā)達(dá)國(guó)家的農(nóng)業(yè)科技成果轉(zhuǎn)化率已經(jīng)達(dá)到70%～80%，而中國(guó)的農(nóng)業(yè)科技成果轉(zhuǎn)化率不足40%，和發(fā)達(dá)國(guó)家之間還有較大的差距，許多先進(jìn)的農(nóng)業(yè)科技成果沒(méi)有得到及時(shí)、高效的轉(zhuǎn)化和推廣利用。陳湘東等［2］對(duì)農(nóng)業(yè)科技成果轉(zhuǎn)化過(guò)程中相關(guān)主體之間的博弈進(jìn)行分析，構(gòu)建了政府和科研機(jī)構(gòu)博弈的支付矩陣，指出政府相關(guān)部門必須建立完善的監(jiān)督機(jī)制，制定嚴(yán)厲的懲罰措施，加大不作為科技機(jī)構(gòu)的懲處力度，這樣才能起到有效提高農(nóng)業(yè)科技成果轉(zhuǎn)化率的目的。賈敬敦等［3］構(gòu)建了應(yīng)用開(kāi)發(fā)、軟科學(xué)、基礎(chǔ)研究3類農(nóng)業(yè)科技成果的評(píng)價(jià)指標(biāo)，指出農(nóng)業(yè)科技成果評(píng)價(jià)指標(biāo)體系不僅要和全面深化改革、市場(chǎng)發(fā)展新要求相匹配，還要以創(chuàng)新為主導(dǎo)，突出市場(chǎng)機(jī)制。張琳等［4］采用指標(biāo)分解法、層次分析法、極值法、綜合評(píng)價(jià)法構(gòu)建了中國(guó)農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)體系，指出要完善轉(zhuǎn)化資金的政策設(shè)置，明確轉(zhuǎn)化資金支持的領(lǐng)域定位等。本研究在已有研究的基礎(chǔ)上，對(duì)層次分析法進(jìn)行改進(jìn)并應(yīng)用于農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)中，從而達(dá)到提升農(nóng)業(yè)科技成果轉(zhuǎn)化率的目的。

1 農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)模型構(gòu)建

1.1 轉(zhuǎn)化資金績(jī)效評(píng)價(jià)指標(biāo)體系

政府的財(cái)政支出績(jī)效評(píng)價(jià)以經(jīng)濟(jì)（Economy）、效率（Efficiency）、效益（Effectiveness）為標(biāo)準(zhǔn)，即3E標(biāo)準(zhǔn)，但是經(jīng)濟(jì)、效率、效益在實(shí)際應(yīng)用中缺乏可操作性，需要結(jié)合實(shí)際來(lái)分解為一系列可以量化的評(píng)價(jià)指標(biāo)［5］。本研究構(gòu)建的農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)理論指標(biāo)體系如圖1所示。

圖1 農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)理論指標(biāo)體系

投入指標(biāo)是為了反映政府部門對(duì)農(nóng)業(yè)科技成果轉(zhuǎn)化資金中所投入的人力、物力以及財(cái)力，通過(guò)項(xiàng)目目標(biāo)、項(xiàng)目決策和資金分配來(lái)具體衡量。過(guò)程指標(biāo)是為了反映政府部門對(duì)整個(gè)轉(zhuǎn)化過(guò)程執(zhí)行情況的監(jiān)督，通過(guò)資金到位和組織實(shí)施來(lái)具體衡量。產(chǎn)出指標(biāo)是目標(biāo)期望完成的產(chǎn)品或服務(wù)，具體通過(guò)新產(chǎn)品開(kāi)發(fā)數(shù)量、開(kāi)發(fā)或推廣的新技術(shù)、新工藝、新設(shè)備、新材料，獲得的專利、軟件著作權(quán)、論文、報(bào)告、專著來(lái)具體衡量。效果指標(biāo)是和農(nóng)業(yè)科技成果轉(zhuǎn)化資金相關(guān)的目標(biāo)、預(yù)期結(jié)果實(shí)現(xiàn)情況，具體通過(guò)產(chǎn)品銷售收入、技術(shù)性收入、繳稅總額、增加就業(yè)人數(shù)、帶動(dòng)農(nóng)民人數(shù)、資源的合理利用、生態(tài)環(huán)境的改善來(lái)具體衡量。

1.2 改進(jìn)層次分析法

層次分析法由運(yùn)籌學(xué)家Saaty提出［6］，在復(fù)雜、多指標(biāo)綜合評(píng)價(jià)中具有十分廣泛的應(yīng)用。層次分析法將定量因素和定性因素進(jìn)行統(tǒng)一度量和評(píng)價(jià)，其具體流程如下。

1）構(gòu)造判斷矩陣。通過(guò)對(duì)復(fù)雜問(wèn)題評(píng)價(jià)指標(biāo)的兩兩比較來(lái)獲得判斷矩陣。在進(jìn)行兩兩指標(biāo)評(píng)價(jià)的過(guò)程中應(yīng)該邀請(qǐng)行業(yè)的專家，采用1～9比例標(biāo)度進(jìn)行附值，獲得相應(yīng)的權(quán)重。表1為1～9比例標(biāo)度。

表1 1～9比例標(biāo)度

2）一致性檢驗(yàn)。構(gòu)造判斷矩陣在采用層次分析法進(jìn)行問(wèn)題分析中具有至關(guān)重要的作用，判斷矩陣的一致性與否是進(jìn)行農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)的關(guān)鍵所在。矩陣一致性定義為：

式中，CI為一致性指標(biāo)參數(shù)，RI為平均隨機(jī)一致性指標(biāo)參數(shù)。

式中，λmax為判斷矩陣的最大特征值，n為判斷矩陣的階數(shù)。

平均隨機(jī)一致性指標(biāo)參數(shù)RI和判斷矩陣階數(shù)n之間的關(guān)系如表2所示［7］。采用CR對(duì)判斷矩陣的一致性進(jìn)行判斷，判斷矩陣的一致性越優(yōu)，CR的值越接近0。

表2 矩陣階數(shù)n的RI值

3）層次排序。設(shè)構(gòu)造的判斷矩陣為n階矩陣U，將矩陣U的列歸一化得到矩陣A，即：

對(duì)矩陣A的各行求和得到向量B，并對(duì)向量B進(jìn)行歸一化，得到向量W，此時(shí)向量W即為特征向量，具體計(jì)算公式為：

那么n階判斷矩陣U的最大特征值λmax為：

通過(guò)層次排序能夠獲得單一層次下一組元素對(duì)其上一層次元素排序的權(quán)向量。

采用層次分析法，其判斷矩陣的一致性指標(biāo)CR越接近0，則評(píng)價(jià)結(jié)果越有效；當(dāng)一致性指標(biāo)CR=0時(shí)，評(píng)價(jià)結(jié)果的性能最佳。但是在實(shí)際應(yīng)用過(guò)程中很難使得一致性指標(biāo)CR=0，常設(shè)置門限值為0.1，即當(dāng)一致性指標(biāo)CR≤0.1，則認(rèn)為判斷矩陣具有一致性［8］。基于此，本研究采用遺傳算法（Genetic algorithm，GA）對(duì)一致性檢驗(yàn)進(jìn)行優(yōu)化。

設(shè)ωk為單排序權(quán)值，若層次分析法的判斷矩陣A中各元素滿足aij=ωi/ωj，則判斷矩陣A具有完全一致性［9］，即：

式中，n為階數(shù)，ωk為各要素單排序權(quán)重。

對(duì)一致性檢驗(yàn)進(jìn)行優(yōu)化可以轉(zhuǎn)化為求函數(shù)的最小值問(wèn)題，即：

GA算法的基本運(yùn)算過(guò)程為初始化，計(jì)算個(gè)體適應(yīng)度，進(jìn)行選擇、交叉、變異運(yùn)算，終止條件判斷。從個(gè)體中選擇雙親去繁衍，個(gè)體被選中的概率為pi，即：

式中，F(xiàn)i為適應(yīng)度。

配對(duì)個(gè)體以交叉概率pc進(jìn)行基因交換，基因交換之后的2個(gè)配對(duì)個(gè)體會(huì)產(chǎn)生2個(gè)新的個(gè)體，交叉操作計(jì)算公式為：

對(duì)變異概率pv比較小的選擇第i個(gè)體的第j位置基因gij進(jìn)行變異操作，變異操作計(jì)算公式為：

式中，gk1,j為第k1個(gè)體在第j位置基因，gk2,j為第k2個(gè)體在第j位置基因，r為區(qū)間[0,1]上的隨機(jī)數(shù)，gmin為基因gij的最小值，gmax為基因gij的最大值，r、r1、r2為區(qū)間[0,1]上的隨機(jī)數(shù)，s為迭代次數(shù)，smax為迭代次數(shù)。

2 實(shí)例分析

采用GA算法對(duì)層次分析法的一致性檢驗(yàn)進(jìn)行優(yōu)化，得到改進(jìn)的層次分析法，將改進(jìn)的層次分析法應(yīng)用于農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)研究中。由行業(yè)專家結(jié)合工作經(jīng)驗(yàn)對(duì)農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效指標(biāo)進(jìn)行兩兩對(duì)比評(píng)分，獲得各層級(jí)的判斷矩陣，其中矩陣B為目標(biāo)層對(duì)準(zhǔn)則層的判斷矩陣，矩陣C為準(zhǔn)則層對(duì)指標(biāo)層的判斷矩陣，即：

分別計(jì)算判斷性矩陣的一致性指標(biāo)CR，并設(shè)置一致性指標(biāo)的門限值為0.1。對(duì)不滿足一致性要求的判斷矩陣B、C1、C3和C4采用GA智能優(yōu)化算法進(jìn)行優(yōu)化，表3為GA智能優(yōu)化算法的參數(shù)設(shè)置，表4為優(yōu)化前后判斷矩陣的一致性指標(biāo)情況。

表3 GA智能優(yōu)化算法參數(shù)設(shè)置

表4 判斷矩陣滿足一致性指標(biāo)情況

對(duì)層次進(jìn)行排序，獲得農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)的指標(biāo)體系和權(quán)重，結(jié)果如表5所示。由表5可知，一級(jí)指標(biāo)中轉(zhuǎn)化資金產(chǎn)出和轉(zhuǎn)化資金效果權(quán)重較高，均為0.40，轉(zhuǎn)化資金投入和轉(zhuǎn)化資金過(guò)程權(quán)重較低，均為0.10。通過(guò)總排序權(quán)重大小可知，提升農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效可以使得新品種、試驗(yàn)區(qū)增加，同時(shí)促進(jìn)農(nóng)民增收、帶動(dòng)社會(huì)就業(yè)。

表5 農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)指標(biāo)體系和權(quán)重

基于所構(gòu)建的農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)體系，對(duì)2015—2020年全國(guó)農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效進(jìn)行評(píng)價(jià)［10］，結(jié)果如圖2所示。由圖2可知，全國(guó)農(nóng)業(yè)科技成果轉(zhuǎn)化績(jī)效評(píng)價(jià)整體處于上升的趨勢(shì)，但是2017年之后上升的速度明顯放緩，同時(shí)整體的農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效水平并不高，還有很大的提升空間。

導(dǎo)致中國(guó)農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效水平不高的原因可能是農(nóng)業(yè)新品種、試驗(yàn)區(qū)建設(shè)比較緩慢，對(duì)當(dāng)?shù)氐慕?jīng)濟(jì)收入和促進(jìn)當(dāng)?shù)鼐蜆I(yè)方面發(fā)揮的作用不明顯，許多的科技成果只是停留在紙上，沒(méi)有很好地落實(shí)到實(shí)際中。只有持續(xù)增強(qiáng)農(nóng)業(yè)科技成果的實(shí)用性，使得農(nóng)業(yè)科技的發(fā)展服務(wù)于農(nóng)業(yè)，尤其是現(xiàn)代智慧農(nóng)業(yè)的發(fā)展，才能打破中國(guó)農(nóng)業(yè)科技成果轉(zhuǎn)化遇到的瓶頸。

基于所構(gòu)建的農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)體系，對(duì)2020年不同技術(shù)領(lǐng)域農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效進(jìn)行評(píng)價(jià)，結(jié)果如圖3所示。由圖3可知，種植業(yè)技術(shù)成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)最高，其次為農(nóng)產(chǎn)品加工，農(nóng)業(yè)信息技術(shù)成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)最低。

圖3 不同技術(shù)領(lǐng)域農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)

3 結(jié)論

農(nóng)業(yè)現(xiàn)代化發(fā)展離不開(kāi)科技的推動(dòng)，提升農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效是全面深化改革和市場(chǎng)經(jīng)濟(jì)發(fā)展的必然要求。本研究在傳統(tǒng)層次分析法的基礎(chǔ)上，采用遺傳算法對(duì)一致性檢驗(yàn)進(jìn)行優(yōu)化，構(gòu)建了基于改進(jìn)層次分析法的農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)模型。將構(gòu)建的模型應(yīng)用于2015—2020年全國(guó)農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)和不同技術(shù)領(lǐng)域農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)中，結(jié)果表明，當(dāng)前中國(guó)在農(nóng)業(yè)科技成果轉(zhuǎn)化方面遇到了瓶頸，同時(shí)種植業(yè)技術(shù)成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)最高。中國(guó)農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效整體水平不高，如何提升轉(zhuǎn)化資金績(jī)效是下一步研究的重點(diǎn)，特別是農(nóng)業(yè)信息技術(shù)、農(nóng)產(chǎn)品加工技術(shù)等農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效提升是重中之重。本研究對(duì)農(nóng)業(yè)科技成果轉(zhuǎn)化資金績(jī)效評(píng)價(jià)具有一定的參考價(jià)值。