丁擁軍

摘 要：利用文獻(xiàn)資料初步識(shí)別出影響安徽省農(nóng)業(yè)機(jī)械化水平的10個(gè)因素，采用專家訪談對(duì)這些因素的重要度進(jìn)行打分，根據(jù)專家意見(jiàn)得出6個(gè)影響安徽農(nóng)機(jī)水平的重要因素。通過(guò)置信區(qū)間法得出這6個(gè)重要因素的主觀權(quán)重，同時(shí)利用熵值法計(jì)算出6個(gè)因素的客觀權(quán)重。然后將主觀權(quán)重與客觀權(quán)重通過(guò)最小相對(duì)熵法進(jìn)行組合賦權(quán)，從而得出重要度排名前3位的核心因素分別為機(jī)械化知識(shí)水平、農(nóng)戶收入水平和農(nóng)業(yè)機(jī)械價(jià)格。并根據(jù)這3個(gè)核心因素提出安徽省農(nóng)業(yè)機(jī)械化水平的提升對(duì)策，為今后安徽省農(nóng)業(yè)機(jī)械化發(fā)展提供參考。

關(guān)鍵詞：農(nóng)業(yè)機(jī)械;農(nóng)業(yè)經(jīng)濟(jì);影響因素

中圖分類號(hào) F323.3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 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(lái)，農(nóng)業(yè)機(jī)械化服務(wù)在中國(guó)農(nóng)村迅速發(fā)展，一些研究表明，這些服務(wù)顯著提高了農(nóng)業(yè)生產(chǎn)率。人們不會(huì)預(yù)先預(yù)期勞動(dòng)力短缺是機(jī)械化的驅(qū)動(dòng)力，但不斷增加的農(nóng)村向城市的移民和快速的經(jīng)濟(jì)增長(zhǎng)導(dǎo)致了農(nóng)業(yè)高峰季節(jié)的勞動(dòng)力短缺。此外，機(jī)械化減少了農(nóng)業(yè)勞動(dòng)力的繁重勞動(dòng)，放松了旺季勞動(dòng)力的約束，降低了生產(chǎn)成本，并可以節(jié)約至關(guān)重要的資源[1]。在國(guó)家政策和安徽省級(jí)政府的強(qiáng)力推動(dòng)下，安徽省農(nóng)業(yè)機(jī)械化水平得到了長(zhǎng)足的進(jìn)步和發(fā)展[2]。根據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，2005—2019年的19年期間，安徽省機(jī)械總動(dòng)力由3983.83萬(wàn)kW上升至6650.47萬(wàn)kW，增長(zhǎng)了將近1倍。

安徽作為農(nóng)業(yè)大省，在目前從事農(nóng)業(yè)的勞動(dòng)力逐漸減少的情況下，如何發(fā)展農(nóng)村經(jīng)濟(jì)，不斷提升農(nóng)業(yè)機(jī)械化水平成為了重要的研究課題。為此，本研究通過(guò)理論的梳理，將主觀與客觀因素相結(jié)合，以尋找影響農(nóng)業(yè)機(jī)械化水平的核心要素。

2 識(shí)別初步因素

初步因素的選擇通過(guò)2個(gè)階段實(shí)現(xiàn)，包括文獻(xiàn)閱讀和訪談問(wèn)卷。文獻(xiàn)閱讀是通過(guò)Scopus搜索引擎歸納以及中國(guó)知網(wǎng)歸納，搭建農(nóng)業(yè)機(jī)械化影響因素初步因素列表;訪談問(wèn)卷則是通過(guò)對(duì)專家進(jìn)行深度訪談，進(jìn)行因素的主觀重要度評(píng)判和因素的經(jīng)驗(yàn)性感知選擇。

2.1 文獻(xiàn)收集 文獻(xiàn)識(shí)別采用Scopus，因?yàn)樵撍阉饕媸亲畲蟮耐性u(píng)議文獻(xiàn)摘要和引文數(shù)據(jù)庫(kù)。它擁有超過(guò)6000萬(wàn)的期刊，超過(guò)11萬(wàn)本書和700萬(wàn)的會(huì)議記錄[3]。此外，Scopus搜索引擎已被用于許多類似的農(nóng)業(yè)和農(nóng)業(yè)經(jīng)濟(jì)學(xué)科的文獻(xiàn)綜述研究。檢索包括以下關(guān)鍵詞：Agricultural Mechanization、Mechanization strategy、agricultural development、 agricultural economy。為進(jìn)一步分析，檢索了包含這些關(guān)鍵詞的出版物的標(biāo)題、摘要和關(guān)鍵詞。為了提高文章的準(zhǔn)確性，進(jìn)一步細(xì)化了研究主題領(lǐng)域?yàn)檗r(nóng)業(yè)、社會(huì)科學(xué)、農(nóng)業(yè)經(jīng)濟(jì)、農(nóng)業(yè)工程、工業(yè)經(jīng)濟(jì)。中國(guó)知網(wǎng)作為中國(guó)最全面的科研出版物數(shù)據(jù)庫(kù)，收錄了包括中外文獻(xiàn)、碩博生論文、專利、書籍、標(biāo)準(zhǔn)等十幾種學(xué)術(shù)資源，收錄95%以上的中文學(xué)術(shù)資源，其文獻(xiàn)資源可基本覆蓋中文領(lǐng)域。檢索包括關(guān)鍵詞：農(nóng)業(yè)、農(nóng)業(yè)機(jī)械化、第一產(chǎn)業(yè)、農(nóng)業(yè)發(fā)展、農(nóng)村建設(shè)、農(nóng)機(jī)化，并將研究領(lǐng)域細(xì)化同Scopus一樣為農(nóng)業(yè)、社會(huì)科學(xué)、農(nóng)業(yè)經(jīng)濟(jì)、農(nóng)業(yè)工程、工業(yè)經(jīng)濟(jì)。將中英文文獻(xiàn)進(jìn)行歸納整理，其中中文文獻(xiàn)5篇、英文文獻(xiàn)2篇，作為本次初步影響因素歸納的文獻(xiàn)資料。文獻(xiàn)初步識(shí)別因素見(jiàn)表1。

2.2 問(wèn)卷調(diào)查 在通過(guò)文獻(xiàn)回顧得出農(nóng)業(yè)機(jī)械化發(fā)展影響因素的初步識(shí)別關(guān)鍵因素列表2，為滿足該因素列表更符合安徽省農(nóng)業(yè)機(jī)械化的實(shí)際情況，本研究將采用問(wèn)卷調(diào)查的方法對(duì)因素列表進(jìn)行修訂。

2.2.1 問(wèn)卷目的 將驗(yàn)證從文獻(xiàn)得到的初始農(nóng)業(yè)機(jī)械化發(fā)展影響因素列表并補(bǔ)充在除理論外特有的關(guān)鍵因素，同時(shí)根據(jù)重要度打分確定各因素權(quán)重，為后續(xù)問(wèn)卷設(shè)計(jì)和模型建立奠定基礎(chǔ)。

2.2.2 問(wèn)卷對(duì)象 訪談對(duì)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(duì)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(chǎn)生適當(dāng)和有用信息的受訪者，是一種識(shí)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(shí)別和分析需要受訪者對(duì)安徽省農(nóng)業(yè)機(jī)械化有全面清晰的認(rèn)識(shí)從而收集政府、企業(yè)等各方在農(nóng)業(yè)機(jī)械化的各類影響因素，提高研究結(jié)果的可靠性和通用性。

2.2.3 訪談問(wèn)題 由于疫情原因，采用線上與線下訪談同時(shí)進(jìn)行的方式，針對(duì)安徽省農(nóng)業(yè)機(jī)械化影響因素進(jìn)行半結(jié)構(gòu)化訪談。受訪者根據(jù)自身經(jīng)驗(yàn)選擇已設(shè)計(jì)好的答案，方便結(jié)果統(tǒng)計(jì)與梳理。根據(jù)文獻(xiàn)綜述將初步識(shí)別的因素分類整理為表2，設(shè)計(jì)等級(jí)為5的區(qū)間答案以供受訪者填寫。封閉式問(wèn)題設(shè)置如下：請(qǐng)閱讀表格，并將您認(rèn)為各因素的重要性區(qū)間進(jìn)行填寫;您認(rèn)為存在上述問(wèn)題提到的因素但表格中未提及，請(qǐng)于“其他”行進(jìn)行填寫。

3 主觀權(quán)重確定

3.1 置信區(qū)間法 采用置信區(qū)間法（RIM）以對(duì)評(píng)估的權(quán)重引入可靠度與方差（中心方差和區(qū)間方差），為評(píng)估體系的準(zhǔn)確性和可靠性提供參考與支撐。置信區(qū)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(gè)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(jìn)行打分確定權(quán)重。如專家認(rèn)為某一因素的重要度范圍為（0～2）而非1分這一確切數(shù)值。此外，專家不需要進(jìn)行兩兩比較，可以直接分配每個(gè)屬性的等級(jí)范圍。

權(quán)系數(shù)方差表示受訪者意見(jiàn)的一致性。中心方差CV與區(qū)間方差I(lǐng)V越小，反映專家意見(jiàn)比較一致;反之，反映專家意見(jiàn)有較大分歧。

置信區(qū)間法（RIM）近年來(lái)被廣泛運(yùn)用。盧兆明在對(duì)高層建筑火災(zāi)風(fēng)險(xiǎn)進(jìn)行評(píng)估時(shí)對(duì)權(quán)系數(shù)的可信情況引入可靠度與方差進(jìn)行模糊評(píng)估[12]。因此，本文采用置信區(qū)間法（RIM）以完成對(duì)安徽省農(nóng)業(yè)機(jī)械化水平評(píng)估因素的權(quán)重確定。

3.2 主觀權(quán)重結(jié)果 基于John提出本文使用置信區(qū)間法RIM的假設(shè)如下：（1）評(píng)分區(qū)間內(nèi)的概率分布函數(shù)是呈線性分布;（2）專家之間無(wú)序無(wú)重要性先后，對(duì)不同專家的意見(jiàn)給予同等的重視。

運(yùn)用RIM進(jìn)行因素權(quán)重結(jié)果統(tǒng)計(jì)時(shí)，采用可靠度（Re）、中心方差（CV）、區(qū)間方差（IR）3個(gè)參數(shù)進(jìn)行模型評(píng)價(jià)。根據(jù)盧兆明提出，在專家確定因素權(quán)重期間，當(dāng)2個(gè)或2個(gè)以上因素的權(quán)系數(shù)接近甚至相同時(shí)，可靠度越高，相應(yīng)來(lái)說(shuō)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(duì)來(lái)說(shuō)該因素需要慎重考慮。因而在權(quán)系數(shù)計(jì)算的同時(shí)給予可靠度使得權(quán)系數(shù)包含更豐富信息，為決策者提供除權(quán)系數(shù)以外的參考價(jià)值。同樣，針對(duì)權(quán)系數(shù)的方差而言，分為中心方差和區(qū)間方差。在權(quán)系數(shù)接近的同時(shí)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(duì)于同一因素的意見(jiàn)分歧程度，以確定各專家意見(jiàn)的集中程度。當(dāng)中心方差與區(qū)間方差越低時(shí)，表明在調(diào)查對(duì)象中存在較高水平的一致性，因而這一區(qū)間具有更高的集中性，相對(duì)來(lái)說(shuō)該權(quán)系數(shù)更為可信。關(guān)于影響因素的平均特征區(qū)間等級(jí)和置信結(jié)果見(jiàn)表3。

從表3可以看出，8名專家對(duì)農(nóng)業(yè)機(jī)械影響因素的權(quán)重打分均已完成。Yiu對(duì)成本估算員的性能評(píng)價(jià)進(jìn)行了問(wèn)卷調(diào)查，提出采用RIM時(shí)表明可靠性達(dá)到65%即為“可信”[13]。John在對(duì)標(biāo)香港建筑項(xiàng)目時(shí)結(jié)合Yiu提出如果中心方差和區(qū)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(jiàn)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(qū)間方差不高于2.10作為權(quán)系數(shù)“可信“的臨界值。即為，Re≥0.65;CV≤0.65;IV≤2.10?！跋嚓P(guān)政策”雖然可靠度處于正常水平，但其中心方差高達(dá)0.68>0.65，表明各專家對(duì)于該因素的重要度意見(jiàn)非常不一致，因而得出的權(quán)系數(shù)無(wú)參考意義，該項(xiàng)因素權(quán)重并不可信。同理，“地形因素”的中心方差0.94>0.65，其因素權(quán)重也不可信。而“農(nóng)產(chǎn)品價(jià)格”“進(jìn)口機(jī)械的稅費(fèi)”的權(quán)系數(shù)均小于0.1，表明專家看來(lái)這2項(xiàng)因素并不重要。因而最終篩選后影響因素共6個(gè)。歸一化權(quán)重后，各影響因素的主觀權(quán)重如表4所示。

4 客觀權(quán)重確定

4.1 數(shù)據(jù)無(wú)量綱處理 在數(shù)據(jù)統(tǒng)計(jì)中，數(shù)據(jù)的量綱不同會(huì)造成模型權(quán)重的失效，可能存在模型更偏重?cái)?shù)值水平很高的數(shù)據(jù)而相對(duì)削弱了數(shù)值很小的因素?cái)?shù)據(jù)這樣的情況發(fā)生。因而需要預(yù)先對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化的處理，將不同特征的樣本調(diào)整為同一尺度下的標(biāo)準(zhǔn)數(shù)據(jù)。而在進(jìn)行主客觀權(quán)重（置信區(qū)間法和熵值法）對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱標(biāo)準(zhǔn)化有助于可以構(gòu)成更好的更合理的權(quán)重和分類。

4.1.1 無(wú)量綱化方法選擇 結(jié)合各種無(wú)量綱方法的歸納以及郭亞軍等、劉競(jìng)妍等作出無(wú)量綱化方法性質(zhì)總結(jié)[15-16]，結(jié)果如表5所示。

目前，無(wú)量綱標(biāo)準(zhǔn)化法無(wú)法同時(shí)滿足6個(gè)理想性質(zhì)，但標(biāo)準(zhǔn)化處理、極值處理和功效性系數(shù)相對(duì)而言與6個(gè)理想性質(zhì)更匹配。

根據(jù)朱喜安等[17]對(duì)于熵值法中無(wú)量綱化方法選擇的實(shí)證研究可知，極值標(biāo)準(zhǔn)化法與標(biāo)準(zhǔn)化平移法二者與熵值法的結(jié)合均相較于原熵值法更具結(jié)果合理性，因而在熵值法的無(wú)量綱化處理時(shí)，優(yōu)先考慮這2種方法。

本研究采取標(biāo)準(zhǔn)化平移法即將原始數(shù)據(jù)標(biāo)準(zhǔn)化后平移一定幅度K（通常K取最小標(biāo)準(zhǔn)化后的數(shù)據(jù)絕對(duì)值），這種將z-score標(biāo)準(zhǔn)化與平移結(jié)合的綜合方法，一方面避免了z-score標(biāo)準(zhǔn)化帶來(lái)的負(fù)數(shù)無(wú)法滿足熵值法的數(shù)據(jù)大于0的要求;另一方面也避免了正負(fù)向無(wú)法判斷的情況。但因?yàn)楫?dāng)K取最小標(biāo)準(zhǔn)化后的數(shù)據(jù)絕對(duì)值時(shí)，可能會(huì)出現(xiàn)平移后數(shù)據(jù)為0的情況，因而本文中將取K為最小標(biāo)準(zhǔn)化后的數(shù)據(jù)絕對(duì)值+0.001以避免這類情況。

4.1.2 無(wú)量綱化數(shù)學(xué)表達(dá) 多元回歸分析中的數(shù)據(jù)無(wú)量綱化采用z-score標(biāo)準(zhǔn)化（zero-meannormalization），也是在采用SPSS進(jìn)行因子分析時(shí)，系統(tǒng)默認(rèn)的標(biāo)準(zhǔn)化方式。

4.2 客觀權(quán)重計(jì)算

4.2.1 熵值法 對(duì)于客觀賦權(quán)而言，常用的一種方法為熵值法。它是一種以客觀數(shù)據(jù)內(nèi)在差異性而反映出來(lái)的權(quán)重關(guān)系，熵值法與其他方法結(jié)果差異不大但具有計(jì)算簡(jiǎn)單、因素維度不變等優(yōu)勢(shì)。因而本研究將采用熵值法以對(duì)多因素進(jìn)行客觀賦權(quán)。

5 組合賦權(quán)

5.1 最小相對(duì)熵法 對(duì)于組合賦權(quán)一直有很多方法，其中最小相對(duì)信息熵是對(duì)一隨機(jī)變量的不同取值之間的過(guò)渡，他們的差值則代表取值概率函數(shù)的差別。若將綜合權(quán)重與主客觀權(quán)重分別看作隨機(jī)變量的不同概率分布，則二者的相對(duì)熵最小即概率分布越接近，此時(shí)主客觀權(quán)重分配最接近于真實(shí)的綜合權(quán)重。在實(shí)際權(quán)重分配中也有所應(yīng)用。因而本研究也將采用最小相對(duì)熵法進(jìn)行組合賦權(quán)?；谥眯艆^(qū)間和熵值法所確立的主觀及客觀權(quán)重分別為[ηj]、[sj]，令組合賦權(quán)法得到的綜合權(quán)重為[ωj]，相對(duì)信息熵為[F]。

5.2 組合賦權(quán)結(jié)果 根據(jù)公式（13）及主客觀權(quán)重結(jié)果從而可以得到組合賦權(quán)后的綜合權(quán)重如表7所示。

對(duì)于評(píng)價(jià)安徽省農(nóng)業(yè)機(jī)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(nóng)業(yè)機(jī)械化水平，需注意機(jī)械化知識(shí)水平、農(nóng)戶收入水平、農(nóng)業(yè)機(jī)械價(jià)格、農(nóng)業(yè)勞動(dòng)力、農(nóng)作物播種面積和當(dāng)?shù)丶Z食產(chǎn)量。但根據(jù)綜合賦權(quán)排名可知，影響程度最高的為機(jī)械化知識(shí)水平、農(nóng)戶收入水平和當(dāng)?shù)丶Z食產(chǎn)量。因而今后在提升安徽省農(nóng)業(yè)機(jī)械化水平方面，需優(yōu)先關(guān)注這3個(gè)方面。

6 提升安徽省農(nóng)業(yè)機(jī)械化水平的對(duì)策建議

6.1 提升機(jī)械化知識(shí)水平 良好的機(jī)械化知識(shí)水平對(duì)于提升安徽省整體農(nóng)業(yè)機(jī)械化水平具有一定的促進(jìn)作用。這意味著整體農(nóng)業(yè)機(jī)械操作及相關(guān)人員得到了有關(guān)農(nóng)業(yè)機(jī)械的教育，可以從農(nóng)機(jī)干部培訓(xùn)、農(nóng)業(yè)機(jī)械相關(guān)院校教學(xué)及農(nóng)村普及度等方面進(jìn)行著手。首先，需重視對(duì)于目前仍在職干部的培訓(xùn)與繼續(xù)教育，從而提高工作技能和水平。政府部門的人員應(yīng)以身作則，提升相關(guān)知識(shí)水平，起到模范帶頭作用，用專業(yè)的知識(shí)技能和扎實(shí)的知識(shí)水平為農(nóng)戶提供服務(wù)和指導(dǎo)。其次，加強(qiáng)農(nóng)業(yè)機(jī)械化相關(guān)高職、中專學(xué)校建設(shè)，通過(guò)系統(tǒng)化的技術(shù)學(xué)習(xí)與理論鞏固，用理論指導(dǎo)實(shí)踐，用實(shí)踐完善理論。同時(shí)，農(nóng)業(yè)機(jī)械學(xué)校應(yīng)根據(jù)人才結(jié)構(gòu)和實(shí)際需求進(jìn)行匹配設(shè)置專業(yè)，加強(qiáng)人才的綜合素質(zhì)教育。再次，各省級(jí)以下學(xué)校要以農(nóng)村為導(dǎo)向，開(kāi)展適合農(nóng)村發(fā)展的農(nóng)業(yè)機(jī)械化知識(shí)推廣普及，提升農(nóng)業(yè)機(jī)械操作及相關(guān)人員的實(shí)操能力和科學(xué)意識(shí)，培養(yǎng)農(nóng)民轉(zhuǎn)變?yōu)檗r(nóng)機(jī)專業(yè)人才，提高農(nóng)業(yè)機(jī)械相關(guān)人員的專業(yè)水平和科技素養(yǎng)。

6.2 提高農(nóng)戶收入水平 目前農(nóng)業(yè)從業(yè)人員逐年減少，農(nóng)戶收入水平在很大程度地影響著人員留鄉(xiāng)務(wù)農(nóng)的意愿程度。當(dāng)農(nóng)戶收入水平穩(wěn)定甚至較高時(shí)，人們將更愿意進(jìn)行農(nóng)業(yè)機(jī)械的學(xué)習(xí)，從而進(jìn)一步促進(jìn)農(nóng)業(yè)機(jī)械化水平的提升。為實(shí)現(xiàn)土地區(qū)塊式管理經(jīng)驗(yàn)，農(nóng)業(yè)生產(chǎn)全自動(dòng)機(jī)械化，并加速轉(zhuǎn)型升級(jí)，要以點(diǎn)帶面，以村鎮(zhèn)為中心，主動(dòng)引進(jìn)能扶持手工業(yè)和農(nóng)產(chǎn)品加工業(yè)的企業(yè)。既延長(zhǎng)了農(nóng)產(chǎn)品產(chǎn)業(yè)鏈，產(chǎn)品附加值得到提高;又可以吸引年齡大考農(nóng)產(chǎn)品為生的小農(nóng)戶加入，拓寬家庭收入來(lái)源，提高家庭收入收益。使年齡大的勞動(dòng)者從純粹的耕種中剝離開(kāi)來(lái)，加快土地流通。

6.3 把控農(nóng)業(yè)機(jī)械價(jià)格 大中型農(nóng)業(yè)機(jī)械價(jià)格相對(duì)于農(nóng)民來(lái)說(shuō)是一筆較高的支出，因而如何合理控制農(nóng)業(yè)機(jī)械價(jià)格同時(shí)促進(jìn)農(nóng)民購(gòu)買使用機(jī)械的積極性顯得尤為重要。首先，國(guó)家及地方均出臺(tái)了各項(xiàng)農(nóng)機(jī)購(gòu)置補(bǔ)貼的相關(guān)政策和指導(dǎo)意見(jiàn)。各地應(yīng)認(rèn)真履行中央及省級(jí)補(bǔ)貼政策要求，將補(bǔ)貼落到實(shí)處。同時(shí)，避免因政策補(bǔ)貼而盲目購(gòu)機(jī)，相關(guān)管理和技術(shù)人員應(yīng)正確指導(dǎo)農(nóng)戶購(gòu)買適合當(dāng)?shù)厥褂玫霓r(nóng)具，加強(qiáng)機(jī)械的實(shí)用性和針對(duì)性，將補(bǔ)貼落到實(shí)處。其次，應(yīng)適當(dāng)擴(kuò)大農(nóng)民購(gòu)買部分重點(diǎn)大中型機(jī)械的額度，降低貸款利率，為農(nóng)民購(gòu)買大中型機(jī)械提供動(dòng)力和支持。

參考文獻(xiàn)

[1]趙利.農(nóng)業(yè)機(jī)械化發(fā)展水平、影響因素及作用研究綜述[J].農(nóng)村經(jīng)濟(jì)與科技，2020，31（11）：22-25.

[2]侯學(xué)鋒.安徽農(nóng)機(jī)化發(fā)展影響因素與對(duì)策探討[J].湖南農(nóng)機(jī)，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(xiāng)村振興背景下吉林省農(nóng)機(jī)需求影響因素與趨勢(shì)研究[D].吉林：吉林大學(xué)，2020.

[7]周廣浩.我國(guó)農(nóng)業(yè)機(jī)械化發(fā)展影響因素分析[J].時(shí)代農(nóng)機(jī)，2020，47（04）：25-26，28.

[8]林振宇，張朝飛，楊翔飛.耕地糧食生產(chǎn)效率測(cè)算及影響因素分析——以華北平原河南區(qū)域?yàn)槔齕J].測(cè)繪與空間地理信息，2021，44（07）：146-150.

[9]鐘靜.陜西省農(nóng)業(yè)機(jī)械化發(fā)展影響因素分析[J].南方農(nóng)機(jī)，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(zāi)風(fēng)險(xiǎn)評(píng)估中一種具有置信度和方差的權(quán)系數(shù)[J].中國(guó)安全科學(xué)學(xué)報(bào)，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(wú)量綱化方法的性質(zhì)分析[J].統(tǒng)計(jì)研究，2008，025（002）：93-100.

[16]劉競(jìng)妍，張可，王桂華.綜合評(píng)價(jià)中數(shù)據(jù)標(biāo)準(zhǔn)化方法比較研究[J].數(shù)字技術(shù)與應(yīng)用，2018，036（006）：84-85.

[17]朱喜安，魏國(guó)棟.熵值法中無(wú)量綱化方法優(yōu)良標(biāo)準(zhǔn)的探討[J].統(tǒng)計(jì)與決策，2015（2）：12-15.

（責(zé)編：張宏民）

3357500338231