謝林波 楊振宇 匡博麟

謝林波，楊振宇，匡博麟. 基于AHP-TOPSIS-耦合協(xié)調(diào)模型的農(nóng)業(yè)發(fā)展水平實證評估［J］. 湖北農(nóng)業(yè)科學(xué)，2024，63（3）：97-103．

摘要：近年來國內(nèi)新農(nóng)業(yè)發(fā)展格局體系發(fā)展迅速，為加快國內(nèi)農(nóng)業(yè)循環(huán)發(fā)展，以2012—2020年31個?。ㄗ灾螀^(qū)、直轄市）面板數(shù)據(jù)為基礎(chǔ)，通過層次分析法、熵權(quán)法、最優(yōu)解距離法、耦合協(xié)調(diào)模型對新農(nóng)業(yè)發(fā)展格局體系進行綜合評估，并且從時間和空間兩個維度進行分析。結(jié)果表明，2020年農(nóng)業(yè)發(fā)展水平較高的前三省份為山東、廣東、江蘇，人均GDP與農(nóng)業(yè)發(fā)展水平具有高度協(xié)調(diào)；西部地區(qū)的農(nóng)業(yè)發(fā)展水平相對中東地區(qū)還有待提高。

關(guān)鍵詞：新農(nóng)業(yè)發(fā)展格局體系；面板數(shù)據(jù)；AHP-TOPSIS模型；耦合協(xié)調(diào)模型

中圖分類號：F323? ? ? ? ?文獻標(biāo)識碼：A

文章編號：0439-8114（2024）03-0097-07

DOI：10.14088/j.cnki.issn0439-8114.2024.03.015 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

農(nóng)業(yè)國之根基，其發(fā)展與農(nóng)村發(fā)展息息相關(guān)。由中國農(nóng)業(yè)農(nóng)村現(xiàn)狀可知國內(nèi)農(nóng)業(yè)資源相對匱乏，土地分散程度較高，小農(nóng)家庭普遍，部分國民對農(nóng)業(yè)存在歧視觀念，中美貿(mào)易戰(zhàn)等一系列因素阻礙了中國農(nóng)業(yè)農(nóng)村發(fā)展進程［1］，使中國僅為農(nóng)業(yè)大國而非農(nóng)業(yè)強國，為此，深入剖析影響中國農(nóng)業(yè)發(fā)展的因素并對發(fā)展現(xiàn)狀進行評估很有必要。

隨著產(chǎn)業(yè)技術(shù)化變革的推進，農(nóng)業(yè)領(lǐng)域不斷更新迭代，相對傳統(tǒng)農(nóng)業(yè)而言，新農(nóng)業(yè)［2］的發(fā)展是通過結(jié)合當(dāng)代技術(shù)，利用數(shù)字化、智能化、系統(tǒng)化等生產(chǎn)資料作為高效工具，以地區(qū)資源特色為導(dǎo)向，資源優(yōu)化配置為方向，通過完整的產(chǎn)業(yè)鏈以及經(jīng)濟增效的循環(huán)體系來推動農(nóng)村居民生活品質(zhì)提升。

目前國內(nèi)研究農(nóng)業(yè)發(fā)展水平的方法主要有理論研究和模型研究兩類。理論研究方面?zhèn)戎刂腥A民族厚實悠久的農(nóng)耕文化來深入挖掘中國特色農(nóng)業(yè)發(fā)展?fàn)顩r。葉娟麗等［3］從中國鄉(xiāng)村治理問題出發(fā)闡述了社會化小農(nóng)、韌性小農(nóng)、后鄉(xiāng)土中國、祖賦人權(quán)等概念，徐勇等［4］就社會化小農(nóng)問題表明農(nóng)民是三農(nóng)問題最底層的鑰匙。模型研究方面著重于新穎的指標(biāo)評測模型來綜合多方因素評估農(nóng)業(yè)發(fā)展水平。劉玉杰等［5］基于2007—2018年30個?。ㄊ?、區(qū)）的農(nóng)業(yè)資源效率水平面板數(shù)據(jù)，利用核密度函數(shù)分析等3種模型進行時間、空間雙維度研究，表明農(nóng)業(yè)資源效率存在空間上的相關(guān)性，且地域差異特征明顯。安曉寧等［6］通過多目標(biāo)線性加權(quán)函數(shù)就農(nóng)業(yè)現(xiàn)代化時空分析、區(qū)域非均衡性來測算農(nóng)業(yè)現(xiàn)代化水平，表明2004—2017年全國農(nóng)業(yè)發(fā)展水平逐步提升，但不同地域發(fā)展存在差異，影響發(fā)展因素多樣。張志新等［7］采用分異性、集聚性、時空分析、TOPSIS-ESDA模型研究山東2010—2019年農(nóng)業(yè)的發(fā)展水平。閆昱升等［8］使用AHP-TOPSIS-POE模型對桂林四所高校校園景觀進行質(zhì)量評測，此方法同時避免主觀和單因素導(dǎo)致決策錯誤。

評價模型需要充分結(jié)合實際同時要具有科學(xué)性，但大部分學(xué)者選擇的部分指標(biāo)未能全面概括現(xiàn)代農(nóng)業(yè)發(fā)展水平，對新農(nóng)業(yè)發(fā)展格局體系建立還需進行大量研究［9］，因此，本研究依據(jù)前人研究成果，通過AHP-TOPSIS模型協(xié)同耦合協(xié)調(diào)模型繼續(xù)探討全國2012—2020年31個?。ㄗ灾螀^(qū)、直轄市）面板數(shù)據(jù)的信息。

1 研究對象與指標(biāo)的選取

本研究以科學(xué)、質(zhì)量、精確為基本原則進行指標(biāo)提煉，確立農(nóng)村科技發(fā)展、農(nóng)村資源發(fā)展、農(nóng)村產(chǎn)業(yè)協(xié)調(diào)發(fā)展、農(nóng)村居民生活發(fā)展4項為指標(biāo)層，選取指標(biāo)衡量方式共28項，利用2012—2020年31個?。ㄗ灾螀^(qū)、直轄市）農(nóng)業(yè)板塊數(shù)據(jù)進行分析。

其中各項指標(biāo)屬性為指標(biāo)對新農(nóng)業(yè)發(fā)展格局體系的作用，屬性為正即對體系發(fā)展有益，屬性為負即為阻礙作用，具體如表1所示。

本研究利用AHP-TOPSIS模型［10］從主觀和客觀角度對31個?。ㄗ灾螀^(qū)、直轄市）的綜合得分進行評估，并對結(jié)果進行排序分析。AHP模型由業(yè)內(nèi)專家綜合中國農(nóng)業(yè)現(xiàn)狀考慮得到4項指標(biāo)層權(quán)重。熵權(quán)法與TOPSIS模型從定量角度出發(fā)，可得28項定量指標(biāo)衡量方式層的各自權(quán)重，通過指標(biāo)層權(quán)重及指標(biāo)衡量方式層權(quán)重可得出31個?。ㄗ灾螀^(qū)、直轄市）的最終得分。最后將耦合協(xié)調(diào)模型以2020年31個?。ㄗ灾螀^(qū)、直轄市）的人均GDP數(shù)據(jù)原料同AHP-TOPSIS模型得到的綜合得分進行耦合評估，將各個子系統(tǒng)的實際情況進行檢驗分析。

步驟1：為消除各項指標(biāo)的屬性、量綱、數(shù)量級別不同產(chǎn)生的影響，對數(shù)據(jù)統(tǒng)一按照指標(biāo)正負效應(yīng)屬性處理得到標(biāo)準(zhǔn)化矩陣r。

[r=r11r12r21r22？r1n？r2n？？rm1rm2？？？rmn] （1）

步驟2：借助熵權(quán)法計算指標(biāo)衡量方式的各項權(quán)重，當(dāng)熵值越小時其熵權(quán)越大，對應(yīng)指標(biāo)含信息量大，即該指標(biāo)權(quán)重較大。

指標(biāo)衡量方式中第j個指標(biāo)對應(yīng)第i個省市區(qū)綜合評分比重為[pij]。其中，n為省（自治區(qū)、直轄市）的個數(shù)，m為指標(biāo)個數(shù)。

[pij=Yiji=1nYij， i=1，2，？，n， j=1，2，？，m] （2）

第j個指標(biāo)在31個省（自治區(qū)、直轄市）代表的熵值為[Ej]：

[Ej=-ln（n）-1i=1npijlnpij] （3）

式中，[Ej]代表第j個指標(biāo)在31個?。ㄗ灾螀^(qū)、直轄市）代表的熵值。[Fj]為對第j個指標(biāo)進行效益化處理，取F為效益熵，即F越大，所占權(quán)重比例越大。

[Fj=1-Ej] （4）

對效益熵歸一化處理，計算第j個方案占全部省（自治區(qū)、直轄市）的比重，得到各項指標(biāo)權(quán)重[w=（w1，w2，？，wn）]。

[wj=Fjj=1nFj? （j=1，2，？，m）] （5）

步驟3：最優(yōu)解距離法可計算出各?。ㄗ灾螀^(qū)、直轄市）對應(yīng)指標(biāo)衡量方式層的綜合得分，計算步驟如下：

1）利用歸一化的標(biāo)準(zhǔn)化矩陣乘權(quán)重[w]，建立信息矩陣V，其中[vij=rij×wj]。

正理想解為[v+，v+=[max（v：，1），max（v：，2），？，max（v：，m）]] （6）

負理想解為[v-，v-=[min（v：，1），min（v：，2），？，min（v：，m）]] （7）

2）利用歐式空間距離公式，計算信息熵內(nèi)的各?。ㄗ灾螀^(qū)、直轄市）與正負理想解距離。

[S+i=j=1m（vij-v+j）2? ? ? ? ? S-i=j=1m（vij-v-j）2] （8）

3）各?。ㄗ灾螀^(qū)、直轄市）與正理想解的相對接近度計算：

[C+i=S-iS+i+S-i] （9）

得到的結(jié)果即為各?。ㄗ灾螀^(qū)、直轄市）對應(yīng)指標(biāo)層的綜合得分[C=（C+1，C+2，？，C+n）]。

步驟4：層次分析法通過將決策關(guān)聯(lián)大的成分分解成目標(biāo)、準(zhǔn)則、方案等層次進行分析，帶有一定模糊量化性質(zhì)，通過采取專家對指標(biāo)進行打分方式計算，步驟如下：

1）構(gòu)建判斷矩陣A。

[A=i=14j=14aija11a12a21a22a13a14a23a24a31a32a41a42a33a34a43a44]

[a：，1] 代表農(nóng)村科技現(xiàn)代化得分，[a：，2]代表農(nóng)村資源現(xiàn)代化得分，[a：，3]代表農(nóng)村居民生活現(xiàn)代化得分，[a：，4]代表農(nóng)村產(chǎn)業(yè)協(xié)調(diào)現(xiàn)代化得分，[aij]代表要素i與要素j的相對重要性。

若不符合判斷矩陣的性質(zhì)：[aij=1aji]，則A為不一致陣，需要對其不一致的波動范圍加以界定。具體表現(xiàn)需依據(jù)一致性指標(biāo)CI同隨機一致性指標(biāo)RI之比的一致性比率CR，若[CR<0.1]則通過一致性檢驗。

[CI=λ-nn-1] （10）

[CR=CIRI] （11）

檢驗通過則可使用指標(biāo)層權(quán)重[w1]。

指標(biāo)層權(quán)重：[w1=（λ1，λ2，λ3，λ4）] （12）

2）計算31個?。ㄗ灾螀^(qū)、直轄市）新農(nóng)業(yè)格局體系綜合評分S。

[S=w1×C] （13）

步驟5：耦合協(xié)調(diào)模型是基于兩者或兩者以上系統(tǒng)或運動等形式在作用中產(chǎn)生的各種交互作用對系統(tǒng)產(chǎn)生影響［11］，本研究利用耦合協(xié)調(diào)模型將新農(nóng)業(yè)發(fā)展體系水平同人均GDP進行耦合，耦合度計算公式如下：

[Z=2u1？u2（u1+u2）212] （14）

Z表示二元系統(tǒng)耦合度，[u1]表示新農(nóng)業(yè)格局體系綜合評分對總系統(tǒng)做出的貢獻，[u2]表示人均GDP對總系統(tǒng)做出的貢獻。

[u1=i=1nbijuij? ? ? ? j=1tbij=1] （15）

式中，[ui]表示第i個子系統(tǒng)對總系統(tǒng)做出的貢獻，[uij]為第i個子系統(tǒng)中對應(yīng)第j個指標(biāo)極值歸一化處理，[bij]為第i個子系統(tǒng)占第j個指標(biāo)的權(quán)重，該權(quán)重通過熵權(quán)法方程（7）結(jié)果得出。

[T=au1+eu2]

[a+e=1]

[K=（Z？T）12] （16）

式中，a、e分別為新農(nóng)業(yè)格局體系綜合評分和人均GDP的權(quán)重，T為協(xié)調(diào)指數(shù)，K為耦合協(xié)調(diào)度。此方法的結(jié)合是從客觀角度出發(fā)綜合分析新農(nóng)產(chǎn)業(yè)與GDP的空間關(guān)聯(lián)。

2 全國新農(nóng)業(yè)發(fā)展水平實證分析

2.1 AHP法對指標(biāo)層進行權(quán)重計算

采取專家打分方法，得其判斷矩陣A：

[A=11/21/31/2211/213212211/21] （17）

[λmax=4.010 4]，[CI=0.003 4]，[CR=0.0037<0.1]，通過一致性檢驗，得到指標(biāo)層權(quán)重[w1=]（0.122 3，0.227 0，0.423 6，0.227 0），農(nóng)村居民生活發(fā)展權(quán)重占比最大，達0.423 6，表明農(nóng)村居民生活水準(zhǔn)是以人為本［12］，在新農(nóng)業(yè)發(fā)展格局體系中起著關(guān)鍵作用。第二、三為農(nóng)村資源發(fā)展與農(nóng)村產(chǎn)業(yè)協(xié)調(diào)發(fā)展，均為0.227 0，說明新農(nóng)業(yè)發(fā)展格局體系內(nèi)生態(tài)環(huán)境以及產(chǎn)業(yè)協(xié)調(diào)創(chuàng)新推動體系變革，為當(dāng)代農(nóng)業(yè)主流經(jīng)濟做出貢獻。第四為農(nóng)村科技發(fā)展，占比為0.122 3，表明農(nóng)村科技方面還需創(chuàng)新改進，肩負未來體系發(fā)展重擔(dān)［13］。

2.2 TOPSIS法計算得分

依據(jù)現(xiàn)有數(shù)據(jù)對指標(biāo)衡量方式進行優(yōu)劣解距離法，利用歐式空間距離計算正負理想解距離，得到31個?。ㄗ灾螀^(qū)、直轄市）各指標(biāo)衡量方式綜合得分C=（0.194 7，0.127 3，0.017 3，0.255 3，0.194 8，0.210 6，0.090 5，0.092 8，0.185 9，0.098 4，0.105 2，0.427 4，0.126 8，0.086 1，0.225 6，0.320 4，0.023 1，0.122 0，0.019 9，0.020 0，0.056 1，0.053 5，0.117 7，0.130 1，0.128 5，0.296 2，0.150 4，0.123 5），結(jié)合AHP所得指標(biāo)層權(quán)重，算出31個?。ㄗ灾螀^(qū)、直轄市）新農(nóng)業(yè)發(fā)展格局體系最終得分。

3 時空分析

3.1 新農(nóng)業(yè)發(fā)展體系的時間特征分析

將2012—2020年31個?。ㄗ灾螀^(qū)、直轄市）綜合得分作為整體得到9個數(shù)據(jù)，每一年綜合得分視為一個樣本，共9個樣本，通過這組數(shù)據(jù)進行新農(nóng)業(yè)發(fā)展格局的時空分析?；谡吡Χ纫约艾F(xiàn)有9年時間數(shù)據(jù)，對新農(nóng)業(yè)測度體系劃分3個階段進行分析，分別為2012年、2013—2015年和2016—2020年，如圖1和圖2所示。

第一階段：2012年綜合得分為6.75分。由于農(nóng)村問題還不突出，農(nóng)村生活發(fā)展?fàn)顩r為最佳，其他3項指標(biāo)均低。第二階段：2013—2015年，由圖2可知農(nóng)村發(fā)展情況穩(wěn)定，整體增幅為0.058分，期間農(nóng)村居民生活發(fā)展、農(nóng)村產(chǎn)業(yè)協(xié)調(diào)發(fā)展存在反向變動趨勢。在產(chǎn)業(yè)協(xié)調(diào)的發(fā)展和大量農(nóng)民工涌入城鎮(zhèn)導(dǎo)致農(nóng)村“空心化”的背景下，說明產(chǎn)業(yè)協(xié)調(diào)發(fā)展與農(nóng)村居民生活相互影響，且國家關(guān)于三農(nóng)系列政策出臺［14］，農(nóng)村科技發(fā)展和農(nóng)村資源發(fā)展均呈上升趨勢。第三階段：2016—2020年期間整體增幅達0.789分，年均增長0.158分，現(xiàn)代農(nóng)業(yè)發(fā)展迭代更新。隨著脫貧攻堅等戰(zhàn)略的實施，農(nóng)村整體居民生活發(fā)展呈現(xiàn)上升趨勢，共增加1.17%?；诠┙o側(cè)結(jié)構(gòu)性改革［15］背景下產(chǎn)業(yè)協(xié)調(diào)發(fā)展更是迅速，整體增幅達2.39%。農(nóng)村科技發(fā)展波動較大，2018年下跌幅度較大，同2017年相比大型農(nóng)業(yè)拖拉機數(shù)量減少2 480 907臺，但機械總動力上升。農(nóng)村資源發(fā)展緩慢上升，說明農(nóng)村資源作為物質(zhì)支撐在農(nóng)業(yè)發(fā)展中具有穩(wěn)定性、基礎(chǔ)性推動新農(nóng)業(yè)發(fā)展的作用。

2012—2020年現(xiàn)代化農(nóng)業(yè)農(nóng)村發(fā)展綜合水平逐步提升，以2012年為基期，2013—2020年均與2012年對比如表2所示。

從表2可知，農(nóng)村產(chǎn)業(yè)協(xié)調(diào)發(fā)展：2012—2020年期間，4項指標(biāo)均呈上升趨勢，農(nóng)村產(chǎn)業(yè)協(xié)調(diào)發(fā)展上升幅度最高，2020年達34.88%，為現(xiàn)代化農(nóng)業(yè)發(fā)展做出巨大貢獻。2012年全國現(xiàn)代種業(yè)發(fā)展規(guī)劃的頒發(fā)，引導(dǎo)中國農(nóng)林牧漁四大產(chǎn)業(yè)相繼研發(fā)新產(chǎn)品、開創(chuàng)新型產(chǎn)業(yè)結(jié)構(gòu)，2016年供給側(cè)結(jié)構(gòu)性改革調(diào)整的實施，農(nóng)林牧漁業(yè)快速發(fā)展，農(nóng)業(yè)逐漸與其他產(chǎn)業(yè)建立橋梁，且外貿(mào)發(fā)展良好。圖3顯示了農(nóng)業(yè)總產(chǎn)值發(fā)展情況，林業(yè)與漁業(yè)總產(chǎn)值緩增，畜牧業(yè)發(fā)展整體上升。

農(nóng)村居民生活發(fā)展：綜合水平第二，但2013—2015年呈降低趨勢，主要是城鎮(zhèn)化快速發(fā)展導(dǎo)致大量農(nóng)村勞動力流入城鎮(zhèn)，鄉(xiāng)村勞動人口缺失。通過系列政策頒發(fā)以及相應(yīng)戰(zhàn)略的實施，2020年增加至12.24%，農(nóng)村人民生活水平在改革中不斷提質(zhì)。

農(nóng)村資源發(fā)展：作為現(xiàn)代農(nóng)業(yè)的基石，2012—2020年9年內(nèi)農(nóng)村資源利用方式多元效率化，其內(nèi)推動力主要為糧食產(chǎn)量、農(nóng)村水電等資源，物質(zhì)基礎(chǔ)堅實，且中國糧食作物戰(zhàn)略的啟動，糧食質(zhì)量、數(shù)量穩(wěn)產(chǎn)穩(wěn)增。農(nóng)村資源發(fā)展年均增長達1.46%。

農(nóng)村科技發(fā)展：作為現(xiàn)代農(nóng)業(yè)發(fā)展體系的內(nèi)核，自2012年中國創(chuàng)新地發(fā)展現(xiàn)代都市農(nóng)業(yè)起，農(nóng)村科技因素得以重視。隨著企、農(nóng)合作，農(nóng)場逐步開啟規(guī)?；⒓夯顺?，以及“互聯(lián)網(wǎng)+”催生新型農(nóng)業(yè)生態(tài)的構(gòu)建等一系列發(fā)展舉措，加快了中國在農(nóng)業(yè)領(lǐng)域的科技發(fā)展。

3.2 省市區(qū)地區(qū)差異分析

表3為AHP-TOPSIS模型得到的2012年與2020年綜合評分以及排名。由表3知，在農(nóng)業(yè)水平方面，山東省得分最高，2020年為0.534 1。在排名波動方面，僅上海市年均排名波動超過5名，其余地區(qū)排名波動均在5名（含5名）以內(nèi)，全國各省（自治區(qū)、直轄市）新農(nóng)業(yè)農(nóng)村發(fā)展格局體系較為穩(wěn)定。

3.3 各?。ㄗ灾螀^(qū)、直轄市）發(fā)展?fàn)顩r分析

因為全國新農(nóng)業(yè)發(fā)展水平較為穩(wěn)定，故將2020年的綜合評價作為代表研究新發(fā)展格局狀況，以三大經(jīng)濟地區(qū)作為分組，以四分位數(shù)原則將31個?。ㄗ灾螀^(qū)、直轄市）的4項指標(biāo)層綜合得分進行如下分析。

3.3.1 農(nóng)村科技發(fā)展 江蘇、廣東、新疆、湖南、山東、江西、浙江和河南8省（自治區(qū)）農(nóng)業(yè)科技發(fā)展水平較高，天津、青海、北京、寧夏、西藏、海南等地區(qū)發(fā)展水平較低，其他省份科技發(fā)展水平中等偏上。東部地區(qū)，江蘇省科技發(fā)展最好，在三農(nóng)工作方面農(nóng)耕機械率達到80%，科技進步貢獻達70%，山東的機械總動力最多，天津省科技發(fā)展水平較低，其農(nóng)村用電量僅占全國的0.4%，農(nóng)用機械擁有量占比僅0.28%，說明機械化程度是影響天津農(nóng)業(yè)發(fā)展的主要原因。西部地區(qū)，新疆含有342家大型農(nóng)場，在生產(chǎn)兵團的建設(shè)下，農(nóng)耕規(guī)?；潭雀?。

3.3.2 農(nóng)村資源發(fā)展 黑龍江、新疆、云南、四川、內(nèi)蒙古、湖北、河南、廣東、湖南9?。ㄗ灾螀^(qū)）農(nóng)村資源水平較高，是中國農(nóng)業(yè)資源主要地區(qū)，北京、天津、上海、寧夏、海南、山西6?。ㄖ陛犑校┺r(nóng)業(yè)資源偏少。東部地區(qū)，天津市在現(xiàn)代資源衡量指標(biāo)體系中占比均低，說明農(nóng)村資源是天津市現(xiàn)代農(nóng)村發(fā)展較大的阻礙因素。中部地區(qū)，內(nèi)蒙古林地面積占全國的13.89%，耕地面積占全國的43.79%。西部地區(qū)，新疆有效灌溉面積4 893.35千hm2，具有富饒的農(nóng)業(yè)生產(chǎn)資料。中國地域資源主要供給為東部和西部地區(qū)。

3.3.3 農(nóng)村產(chǎn)業(yè)協(xié)調(diào)發(fā)展 山東、江蘇、廣東、湖北、福建、四川、安徽、湖南、河南9省產(chǎn)業(yè)協(xié)調(diào)化較高，青海、天津、寧夏、北京、西藏5?。ㄗ灾螀^(qū)、直轄市）產(chǎn)業(yè)協(xié)調(diào)化偏低。中東部地區(qū)農(nóng)業(yè)產(chǎn)業(yè)協(xié)調(diào)發(fā)展程度普遍較高，山東農(nóng)業(yè)產(chǎn)業(yè)化程度最高，達7.05%，其農(nóng)林牧漁產(chǎn)業(yè)總產(chǎn)值、農(nóng)作物播種面積等均為全國前列，青海農(nóng)業(yè)產(chǎn)業(yè)化程度最低，其農(nóng)業(yè)產(chǎn)業(yè)協(xié)調(diào)程度為0.89%。西部地區(qū)在資源較多的前提下農(nóng)業(yè)產(chǎn)業(yè)協(xié)調(diào)化程度仍然較低，原因為科技、人口等因素導(dǎo)致。

3.3.4 農(nóng)村居民生活發(fā)展 山東、廣東、河北、河南、四川、湖北、浙江7省農(nóng)村居民生活發(fā)展水平較高，青海、寧夏、西藏、甘肅、新疆、黑龍江6?。ㄗ灾螀^(qū)）農(nóng)村居民生活水平較低，中東部和中部地區(qū)的農(nóng)村居民生活水平較高，山東省農(nóng)村居民生活水平最高，達21%。大部分西部地區(qū)農(nóng)村居民生活水平較低，西藏自治區(qū)較低，為1.80%，且農(nóng)村人口僅為235萬，整體發(fā)展水平偏低，基于西部大開發(fā)戰(zhàn)略實施下，西藏農(nóng)村發(fā)展?fàn)顩r逐漸改善。

3.4 耦合協(xié)調(diào)化模型

通過耦合協(xié)調(diào)模型分析得中國農(nóng)業(yè)產(chǎn)業(yè)與人均GDP的協(xié)調(diào)狀況，如表4所示。山東省是中國農(nóng)業(yè)與經(jīng)濟發(fā)展協(xié)調(diào)最好的省份，可擔(dān)任中國新農(nóng)業(yè)格局發(fā)展的代表，其次為河北、浙江及安徽。協(xié)調(diào)等級為6～9的地區(qū)集中于東部和中部地區(qū)，為中國農(nóng)業(yè)與經(jīng)濟發(fā)展一體化利好區(qū)域，并且得出結(jié)果與AHP-TOPSIS評價模型所得發(fā)展水平的結(jié)果一致。

4 政策與建議

通過建立AHP-TOPSIS、耦合協(xié)調(diào)模型得到各?。ㄗ灾螀^(qū)、直轄市）新農(nóng)業(yè)發(fā)展格局水平的測度，得知中國農(nóng)村人均GDP與農(nóng)業(yè)發(fā)展水平協(xié)調(diào)程度高，故要切實以人文本，著重加強扶貧力度，提升農(nóng)村居民幸福感。在發(fā)展水平方面，山東等農(nóng)業(yè)領(lǐng)域有權(quán)威的地區(qū)需牽頭和推動全國各農(nóng)業(yè)機構(gòu)的聯(lián)絡(luò)，以綠色發(fā)展為目標(biāo)加速打造中國農(nóng)業(yè)發(fā)展示范區(qū)，提供借鑒等措施促進中國農(nóng)業(yè)發(fā)展。

在各地區(qū)的實證分析中，資源富饒的西部地區(qū)本身需重視鄉(xiāng)村資源、人口流動和環(huán)境發(fā)展，開展特色牧場農(nóng)業(yè)，打造特色品牌與農(nóng)業(yè)文化，并且加大力度結(jié)合科技因素推動農(nóng)機效率改革，加速產(chǎn)業(yè)融合，以達高產(chǎn)高收高質(zhì)目標(biāo)，外部要堅定西部大開發(fā)戰(zhàn)略，對西部地區(qū)農(nóng)村基建增加投資力度，改善西部地區(qū)人民生活質(zhì)量［16］。東部地區(qū)沿海城市各方面綜合實力均較為發(fā)達，要積極開展外貿(mào)活動，利用電商、傳媒等方式刺激農(nóng)業(yè)發(fā)展，以及通過“引進來，走出去”等一系列活動打造中國農(nóng)業(yè)品牌，激發(fā)全國內(nèi)需，推動國外需求，充分發(fā)揮本土地理、技術(shù)優(yōu)勢，創(chuàng)新搭建特色農(nóng)業(yè)試驗、觀光基地，搭建循環(huán)體系基地。中部地區(qū)應(yīng)著重承擔(dān)東西部地區(qū)的連接樞紐作用，為西部地區(qū)提供社會援助，為東部地區(qū)提供物質(zhì)基礎(chǔ)以優(yōu)化中國農(nóng)業(yè)整體循環(huán)，將復(fù)雜環(huán)節(jié)簡約化、高效化，將中國新農(nóng)業(yè)發(fā)展為一個繁茂的現(xiàn)代化生態(tài)農(nóng)業(yè)體系。

參考文獻：

［1］ 肖 露， 張榆琴， 李新然，等.欠發(fā)達地區(qū)農(nóng)業(yè)農(nóng)村現(xiàn)代化發(fā)展與阻礙因素分析——以云南省為例［J］.農(nóng)業(yè)現(xiàn)代化研究，2022， 43（5）：780-789.

［2］ 張俊霞， 張民偉，李 紅，等. 陜西西安新農(nóng)業(yè)發(fā)展路徑選擇［J］.中國國情國力， 2020（8）：63-67.

［3］ 葉娟麗， 徐 琴. 中國鄉(xiāng)村治理研究本土化概念考［J］.理論與改革， 2021（6）：33-50， 151-152.

［4］ 徐 勇， 鄧大才. 社會化小農(nóng)：解釋當(dāng)今農(nóng)戶的一種視角［J］.學(xué)術(shù)月刊， 2006（7）：5-13.

［5］ 劉玉杰， 耿獻輝. 中國農(nóng)業(yè)資源效率時空分異與驅(qū)動因素研究［J］.中南林業(yè)科技大學(xué)學(xué)報（社會科學(xué)版）， 2021， 15（5）：65-71.

［6］ 安曉寧，辛 嶺. 中國農(nóng)業(yè)現(xiàn)代化發(fā)展的時空特征與區(qū)域非均衡性［J］.資源科學(xué)， 2020， 42（9）：1801-1815.

［7］ 張志新， 孟 曉. 農(nóng)業(yè)現(xiàn)代化發(fā)展水平時空特征：分異性與集聚性——基于山東省2010—2019年數(shù)據(jù)分析［J］. 中國農(nóng)業(yè)資源與區(qū)劃，2022， 43（11）：202-214.

［8］ 閆昱升， 黃艷霞， 朱司甲，等.基于AHP-TOPSIS-POE模型的高校校園景觀質(zhì)量評價研究——以桂林市4所高校為例［J］.北京建筑大學(xué)學(xué)報， 2022， 38（3）：67-76.

［9］ 魏燕萍， 韓俊英， 尤 剛， 等. 基于AHP和模糊綜合評價的蘭州市休閑農(nóng)業(yè)發(fā)展評價與分析［J］.江蘇農(nóng)業(yè)學(xué)報， 2020， 36（1）：227-233.

［10］ 劉杰杰， 夏 瑋， 劉子杰，等. 基于熵權(quán)法-層次分析法的蒸汽吞吐評價指標(biāo)構(gòu)建［J］.節(jié)能， 2022， 41（3）：8-16.

［11］ 吳 凡. 鐵路貨運周轉(zhuǎn)量與GDP的耦合協(xié)調(diào)度分析［J］.現(xiàn)代商貿(mào)工業(yè)， 2022，43（13）：24-26.

［12］ 謝亦欣. 當(dāng)前農(nóng)村發(fā)展現(xiàn)狀調(diào)研報告［J］.中國市場，2018（10）：32-33.

［13］ 聚焦要害短板 加快推動農(nóng)業(yè)科技進步——農(nóng)業(yè)農(nóng)村部科技教育司負責(zé)人就《“十四五”全國農(nóng)業(yè)農(nóng)村科技發(fā)展規(guī)劃》答記者問［J］. 中國農(nóng)業(yè)綜合開發(fā)， 2022（1）：63-64.

［14］ 慕良澤，趙 勇.中國共產(chǎn)黨百年“三農(nóng)”政策的演進邏輯與調(diào)適趨向［J］.馬克思主義與現(xiàn)實，2021（6）：81-89， 196.

［15］ 王 勇.農(nóng)業(yè)供給側(cè)改革背景下調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)促進農(nóng)村生態(tài)文明建設(shè)路徑研究［J］.山西農(nóng)經(jīng)，2022（5）：33-35.

［16］ 章艷秋.產(chǎn)業(yè)結(jié)構(gòu)升級對西部地區(qū)農(nóng)村剩余勞動力轉(zhuǎn)移的影響研究——基于西部12省2000～2019年面板數(shù)據(jù)分析［J］.農(nóng)村經(jīng)濟，2022（7）：136-144.

收稿日期：2022-11-22

基金項目：湖南省教育廳優(yōu)秀青年科學(xué)研究項目“不確定性數(shù)據(jù)分析方法在農(nóng)地流轉(zhuǎn)綜合效益評價中的應(yīng)用研究”（20B303）

作者簡介：謝林波（2001-），男，湖南醴陵人，2020級在讀本科生，專業(yè)方向為統(tǒng)計學(xué)，（電話）15873305907（電子信息）xlbjyw@163.com。