农村信息化与农村经济发展效率耦合度分析——以甘肃省为例

石志恒，晋荣荣,慕宏杰

（1.兰州财经大学农林经济管理学院，甘肃兰州730020；2.兰州财经大学经济学院，甘肃兰州730020）

自20世纪90年代以来，我国农村信息化进程加快，特别是近十几年间信息化水平更是飞速提升。而日益加速的农村信息化的背后隐藏的却是高价信息化，信息化成本居高不下，所带来的农村经济发展、社会福利水平提升及合理的农村资源配置等农村信息化收益十分低迷，成为我国农村信息化的基本特征[1]。同时，与我国其他地区相比，西部偏远地区的农村信息化水平较为低下，大多数农村的信息化水平处于初期或中期阶段，这个阶段的信息化水平将在很大程度上决定该区域农村经济的发展。并且随着社会的进步，农村经济发展不再完全注重速度，对效率越来越重视。因此，农村信息化水平的提升能否提高农村经济发展效率，这是一个引人深思的问题。

国内也有一些学者对这一问题进行了研究。杨勃桠、李巧云等采用2000—2010年湖南省农业信息化指标与农业经济产出的相关数据，运用协整检验和格兰杰因果检验，证明了湖南省农业信息化水平与农村经济产出之间存在长期稳定的均衡关系以及双向的因果关系[2]。于聚然认为农业信息化已成为现代农业的标志和关键，随着农业信息技术服务功能的不断增强，农业信息化发展会明显促进农业持续发展，农业信息化会越来越成为农业生产活动的基本资源和发展动力[3]。黄志文选取湖北省农村信息化相关指标数据，对该省农村信息化发展因素做了主成分分析，并就农村信息化和农村经济发展进行了相关分析，得出二者为正相关关系的结论[4]。韩立越等借用国家信息化指标体系，运用层次分析法确定各农业信息要素的权重，构建农业信息水平的测度模型，并依据此模型，从定量的角度描述了海南农业信息化的发展水平及与农业经济增长的相关关系[5]。阮怀军、封文杰等通过实地考察和座谈的方式了解山东省农业信息化发展的现状和问题，并以调研获取的数据为依据进行定量研究，不仅从宏观角度上把握山东省农业信息化建设的实践与成效，而且有针对性地提出了农业信息化政策措施[6]。

总体来说，目前对农村信息化的研究以实证居多，理论探析较少，而这应是未来农村信息化的重点研究方向之一。对农村信息化与经济发展效率耦合关系的研究更少。因此，如何在对农村信息化水平进行测度的基础之上，研究其与农村经济发展效率的耦合关系，成为本文的基本出发点。伴随着“丝绸之路”政策的实施，我国对西部地区经济的发展越来越重视。因而，本文以甘肃省为研究区域，对2004—2015年的农村信息化与经济发展效率耦合关系进行实证研究，理清两者之间的内在规律，从而为其他区域的农村信息化和农村经济发展效率研究提供参照。

一、甘肃省农村信息化与农村经济发展效率测度

（一）甘肃省农村信息化水平测算

1.模型选取

本文采用层次分析法对研究区域农村信息化水平进行测算。层次分析法 (Analytic Hierarchy Process)简称AHP，由美国运筹学家托马斯·塞蒂(T.L.Saa-ty)提出，是指对象分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权重)和总排序，以作为目标(多指标)、多方案优化决策的系统方法，在地学研究中的应用十分广泛[7]，其具体步骤在此不作赘述。

2.指标体系构建

农村信息化水平综合指数的测算，主要是通过构建农村信息化水平评价指标体系来实现的。本文在遵循导向性原则、科学性原则、典型性原则和可操作性原则的基础上，结合大量相关文献梳理进行指标海选，构建了农村信息化水平评价指标体系的总体框架，主要包含农村信息化技术应用、农村信息化基础设备和农村信息化资源3个方面。其中，农村信息化技术应用方面包含农村广播电视节目综合人口覆盖率、农村电视节目综合人口覆盖率、农村有线广播电视入户率、农村投递线路总长度和农村邮局数这5个二级指标；农村信息化基础设备方面包括农村每百户拥有彩电数、农村每百户拥有固定电话数、农村每百户拥有移动电话数和农村每百户拥有计算机数这4个二级指标；农村信息化资源方面包含农业科技项目应用数、农业科学R&D经费支出、农业科学机构数和乡村从事信息传输计算机和软件业人数4个二级指标，具体如表1所示。

表1 甘肃省农村信息化水平评价指标体系

3.甘肃省农村信息化水平分析

运用层次分析法，通过专家小组讨论、评分确定权重[8-9]，如表2所示。分别计算出2005—2014年10个时间点甘肃省的农村信息化水平综合指数，如表3所示。

表2 农村信息化水平综合指数的权重测算

表3 2005—2014年甘肃省农村信息化水平综合指数

仔细观察各指标所占权重，我们可以发现：农业科技项目应用数、农业科学R&D经费支出和农业科学机构数所占权重最大，均为11.1%。由此，我们可以推断提高农村农业科学普及率是目前农村信息化发展的重要途径。而农村每百户拥有固定电话数和农村每百户拥有移动电话数所占权重较低，不足5%，主要原因是：对农户而言，电话仅仅是日常交流沟通的工具，而不是用其获取农业信息。

根据表3中的数据，利用Excel绘制出2005—2014年甘肃省农村信息化水平综合指数及增长率的具体变化情况，如图1所示。

图1 甘肃省农村信息化水平综合指数及增长率

从表3和图1中可以看出，2005—2014年甘肃省农村信息化水平主要呈现以下特征：①从甘肃省农村信息化水平综合指数来看，2005—2014年综合指数值逐年上升，表明甘肃省农村信息化水平逐年提高，这与政府增加对农村信息化的投资分不开。同时，2005年的综合指数值只有0.77左右，而2014年该数值已经上升到3.05，与10年前相比，甘肃省的农村信息化水平已经实现了巨大的飞跃。②从甘肃省农村信息化水平综合指数的增长率来看，2005—2014年农村信息化水平综合指数增长率有高有低，长期处于波动起伏状态，值得引起重视。农村信息化水平综合指数增长率并非一路高涨，说明甘肃省在农村信息化建设过程中仍然存在众多问题，尤其是2011年后增长率变动更加频繁，说明尽管甘肃省目前农村信息化水平有了较大的提升，但农村信息化建设仍然不够完善，农村信息化建设时刻不能松懈。

（二）甘肃省农村经济发展效率测算

1.模型选取

DEA(数据包络分析)是一种线性规划模型，是美国运筹学家 Charnes、Cooper、Rhodes以“相对效率”概念为基础，根据多指标投入和多指标产出对相同类型的决策单元进行相对有效性或效益评价的一种系统分析方法，称为 CCR模型。之后该模型得到了进一步发展，Banker、Charnes、Cooper假定规模收益是可变的，将CCR模型扩展为BCC模型[10]。

模型中假设有n个决策单元，每一年的农村经济发展状况都视为一个决策单元，j=1，2，3，…,n；xj、yj、θ分别表示第j年农村经济发展的投入、产出变量以及相对效率值，根据CCR模型，该线性规划为

其中，minθ为目标函数，s.t.代表限制性条件，λj为每一年的农村经济发展状况在某一指标上的权重变量，x0和y0分别代表决策单元的原始投入和产出值。CCR模型是在假设决策单元为固定规模收益(CRS)的情况下得到的，利用CCR模型计算得到的θ为决策单元的综合效率，综合效率包括技术效率和规模效率两部分。若在（1）式中加入约束条件∑λj=1，则变成了BCC模型：

2.指标体系构建

根据数据包络分析方法的要求，将甘肃省每一年的农村经济发展状况作为一个决策单元，来评价每一年的农村经济发展效率。同时鉴于指标选取的代表性、真实性、可获得性等原则，参考国内其他学者所建立的指标体系[11-12]，结合DEA分析对指标数量的限制等因素的综合考虑，最后从劳动力、资本和土地三个方面选取了如表4中的6个指标建立甘肃省农村经济发展效率评价指标体系。

表4 甘肃省农村经济发展效率评价指标体系

3.甘肃省农村经济发展效率分析

利用DEA模型，基于公式（1）、（2），借助DEAP-Version2.1计量软件，对甘肃省2005—2014年的农村经济发展规模报酬进行测算，最终得出各决策单元的效率，如表5所示。如果综合效率值为1，说明投入和产出水平实现效率化，即投入的数量正好产出当年的产出数量；如果规模效率为 1，纯技术效率小于 1，说明虽然实现了投入规模经济性，但尚未拥有最佳的技术水平；如果纯技术效率为1，规模效率小于1，说明即使拥有较好的技术进步水平，但并未实现规模经济。

根据数据包络分析的经济含义，如果评价单元处于生产前沿面，即DEA有效，则是实现了投入和产出的最优状态。从表5可以看出，2005、2006、2012、2013和2014年的综合效率、纯技术效率和规模效率均为1。其中，纯技术效率和规模效率为1，说明这些年份的技术和规模实现了有效性；综合效率为1，说明农村经济发展规模报酬不变，农村经济发展进程中投入产出得当，能够产出高效稳固的规模报酬，实现DEA有效。

处在非生产前沿面的是未能实现 DEA有效的评价单元。观察表5可得，2007、2008、2009、2010和2011年甘肃省农村经济发展均处于规模报酬递增状态，在这些年份，甘肃省农村经济发展并没有达到投入和产出的最优状态，均出现投入不足的迹象，增加投入水平成为这一时期提高农村经济发展效率的最佳途径。

表5 2005—2014年甘肃省农村经济发展效率

整体来看，甘肃省农村经济发展在2005、2006年实现了DEA有效，而在2007、2008、2009、2010和2011年未能实现DEA有效，在2012、2013和2014年又重新实现了DEA有效，之所以出现这种变化，主要是由当时的农村信息化水平和农业现代化水平决定的。在2005和2006年，甘肃省农村信息化水平和农业现代化水平较低，在当时的技术及其他环境约束下，农村经济发展实现了投入和产出的最佳状态；但随着时代的进步，甘肃省农村信息化水平和农业现代化水平有了很大的提高，农村经济发展对投入有了更高的要求，导致2007—2011年甘肃省农村经济发展投入不足；2012年后，甘肃省农村信息化和农业现代化发展速度放缓，同时，农村经济发展经历了几年的缓冲，投入慢慢增多，最终又重新实现了投入和产出的最优状态。

二、甘肃省农村信息化与农村经济发展效率耦合关系

（一）模型选择

耦合作为物理学概念，是指两个(或两个以上的)体系或运动形式通过各种相互作用而彼此影响的现象。类似地，可将农村信息化与农村经济发展效率两个系统通过各自的耦合元素产生相互作用彼此影响的现象，定义为农村信息化—经济发展效率耦合。为深入分析农村信息化和经济发展效率的耦合关系，借鉴相关文献与资料[13]，经过修改与分析，定义农村信息化和经济发展效率的耦合系数UC，具体计算方法为：

其中，UC为农村信息化和农村经济发展效率的耦合系数，UC取值在0～1之间，UC值越大，表明农村信息化和经济发展效率之间越协调，反之则相反；f（x）为农村信息化指数；g（y）为农村经济发展效率综合指数；k为调节系数，一般2≤k≤5，由于文章度量的由农村信息化和经济发展效率两个子系统构成的耦合度模型，故k值取2。

（二）结果分析

根据表4和表5数据，利用公式（3）计算出2005—2014年10个时间点甘肃省农村信息化水平与经济发展效率的耦合度，如表6所示。其值越大，说明农村信息化水平与经济发展效率之间越协调；反之则越不协调。

表6 2005—2014年甘肃省农村信息化与农村经济发展效率耦合度

观察表6可知，甘肃省2014年农村信息化与农村经济发展效率耦合度最低，为0.892；其次是2012年耦合度为0.899；其他年份的耦合度均在0.9以上。尽管甘肃省2005—2014年农村信息化与农村经济发展效率耦合度发生了少许下滑，但总体来看，耦合度仍然较高，说明2005—2014年甘肃省农村信息化与农村经济发展效率处于协调发展状态，农村信息化水平、农村经济发展效率对彼此产生了积极促进作用：提高农村经济发展效率可以促进农村信息化水平的发展，农村信息化水平的发展则可提升农村经济发展效率。

三、结论与讨论

（一）结论

首先，通过计算甘肃省农村信息化水平综合指数值，发现2005—2014年甘肃省农村信息化水平不断提升，与10年前相比，甘肃省目前的农村信息化水平实现了巨大的飞跃。尽管农村信息化水平不断提升，但观察甘肃省农村信息化水平综合指数的增长率，发现2005—2014年综合指数增长率有高有低，且2011年后增长率变动更加频繁，表明甘肃省农村信息化建设仍需进一步完善。

其次，运用DEA模型，对甘肃省农村经济发展效率进行计算，得知2005、2006、2012、2013和2014年的综合效率、纯技术效率和规模效率均为1，实现了投入和产出的最佳状态；而2007、2008、2009、2010和2011年由于投入不足未能实现DEA有效。

最后，分别把农村信息化水平与农村经济发展效率看作两个系统，对其耦合度进行分析研究，发现甘肃省2005—2014年农村信息化与农村经济发展效率耦合度较高，农村信息化与农村经济发展效率一直处于协调发展状态。

（二）讨论

甘肃省是目前我国的农村信息化和农村经济发展相对落后地区，研究其农村信息化水平与农村经济发展效率的耦合关系对其他区域的发展有着重要借鉴意义。根据本文研究，2005—2014年甘肃省农村信息化水平与农村经济发展效率耦合度较高，两者一直处于协调发展趋势，但别的区域是否亦是如此，尚有待于进一步研究。因此未来应继续加强农村信息化水平与农村经济发展效率耦合关系的实证研究。

本文选取10个时间点对甘肃省农村信息化水平与农村经济发展效率的耦合关系进行了实证研究，仅从宏观上反映了农村信息化水平与农村经济发展效率的耦合关系，每个时间段内的更小时间尺度上的变化情况，也有待深入讨论。

总之，目前对农村信息化水平与农村经济发展效率关系的研究较少，而本文仅就农村信息化水平与农村经济发展效率的耦合关系做了初步探讨，未来有必要对其机理进行进一步的理论探析。