种粮大户应对气象灾害适应性行为综合绩效评价——基于AHP-FCE模型

朱玲娟，柯今朝，李辉婕

（江西农业大学 人文与公共管理学院，江西 南昌 330045）

【研究意义】我国粮食生产结构中，水稻是播种面积最大、总产最多、单产最高的粮食品种[1]，主要产地为江西、湖南、湖北与安徽[2]，这些地区由于天然的区位优势，成为我国水稻生产的重点区域。江西省作为其中之一的水稻生产大省，却长期遭受着极端气象灾害，对我国粮食安全造成严重损害[3-4]。适应性政策被提出是应对气候变化的最佳选择[5]，但我国农户在抵御气象灾害等不利影响方面的适应能力相对落后，且存在地区差异[6]，如何提升农户适应行为能力是当前亟待解决的问题。【前人研究进展】农户作为应对气象灾害的主体[7]，其重要性不言而喻，但目前从农户视角探求提升农户适应行为的相关研究较少。了解当前农户适应行为现状能够知晓农户气象灾害适应行为存在的问题，进而进行调整与改善[8]，这就需要对农户适应行为进行绩效评价。【本研究切入点】近年来，随着农业现代化建设的进一步深化，农地逐渐形成规模化发展，种粮大户群体逐渐壮大[9]，这一群体往往拥有着较为优势的生产资源，具有极大的示范性和带动性，但其单一的收入结构使得遭受气象灾害影响相比于小农户要严重的多[10]。由此，本文将研究对象聚集于江西省种粮大户。【拟解决的关键问题】基于实地调查所获取的数据，利用层次分析法和模糊综合评价法建立针对江西种粮大户气象灾害适应行为的绩效评价体系，并从农户视角对种粮大户气象灾害适应行为绩效进行综合评价。这对提升农户应对气象灾害适应行为能力具有重要的实践意义。

1 农户适应行为绩效文献回顾

农户气象灾害适应行为是指农户通过已有或能够获取到的资源采取各类主观措施以抵御气候变化潜在风险，降低气象灾害所带来的损害[11]。目前学术界对农户气象灾害适应行为绩效有所研究，但并不广泛，故研究成果并不丰富。不同学者基于不同分析方法、不同测量指标等对绩效进行了评价。张兵等[12]基于对江苏省GEF项目区的调研，采用倍差法（DID）对农业适应气候变化措施的绩效进行分析和评估，研究将重心集中于水稻及小麦单产的变化情况，结果表明GEF项目中农业适应气候变化措施的绩效集中体现在粮食产量上；陈伟娜等[13]采用可持续生计框架的分析方法对锡林郭勒草原牧民对气象灾害的应对能力进行了评价，结果表明牧民自然资源较为丰富，但其经济资本积累不足，导致牧民抵御气候灾害的能力以及可持续能力较为脆弱；王亚茹等[14]采用模糊综合评价法对甘南高原农户适应气候变化的能力进行了评价，并利用多准则决策模型确定了最优气候变化适应策略，结果表明甘南高原农户适应气候变化能力较强；黄焕平等[15]基于成本效益分析方法进一步评估了3种种植方式在适应气候变化方面的经济效益与生态效益，结果表明水稻人工插秧与麦稻“两晚”相配合的种植模式是减缓和适应气候变化的较优选择，其经济效益与生态效益相比于其他种植模式更为优秀。Polsky等[16]和刘小茜等[17]基于“暴露-敏感性-适应能力”框架分别提出了VSD评价模型和脆弱性评价指标。而在测量指标的选择上，部分学者选择单从生产效益来探求气候变化对水稻产量的经济影响，结果表明气候变化对水稻[18]、玉米[19]产量为显著的负向影响；部分学者选择从经济效益和生态效应两方面对适应气候变化能力进行评价[15]，也有学者选择从生产效益、经济效益两方面对适应气候变化能力进行评价[13]，还有学者选择从生产效益、社会效益、环境效益进行评价[14]。综上所述，目前有关农户适应气象灾害能力绩效评价研究侧重点都有所不同，但基本上都偏侧重于生产效益，忽略了社会与环境绩效的重要性，同时，生产效益从某种程度上其实可以被表述为经济效益的一类，因为生产效益的提升往往意味着经济效益的提升[20]。由此，本文在现有适应能力评价相关研究的基础上，将适应能力绩效分为经济、社会、环境绩效三大类，此分类既涵盖了目前有关绩效评价的所有类别，还避免了经济绩效与生产绩效重叠部分对结果产生的影响。本文先是利用层次分析法（AHP）构建了种粮大户应对气象灾害适应能力综合绩效的评价体系，再利用模糊综合评价法（FCE）对其适应能力进行评价。

2 适应行为绩效评价指标体系的构建

2.1 建立原则

目标的衡量需要具体化的指标，种粮大户气象灾害适应行为综合绩效的评判必须通过具体的评价指标来实现，合理科学的指标对于评判结果有着至关重要的影响。在构建绩效的评价指标体系时，须遵守全面性、简便性、系统性和客观性等原则。基于综合绩效生成逻辑流的角度，本文从社会绩效、经济绩效、环境绩效等3个维度进行综合评判。

2.2 种粮大户适应性行为综合绩效评价指标体系的逻辑结构

本文在进行种粮大户应对气象灾害适应行为综合绩效的评判时，根据构建评价指标体系的原则，并依据现有关于综合绩效评价的研究成果，选取社会绩效、经济绩效和环境绩效3个维度，由于这3个维度都是不可直接评价的隐变量，因此需要将其分解成可直接用于评价和调查的多组指标。

种粮大户适应行为综合绩效评价指标体系是一个多指标、层次化结构，通过这种层次化结构可以将潜在问题显性化。根据种粮大户应对气象灾害适应行为综合绩效评价的具体情况，本文将指标体系分为以下3层次递阶结构，第一层次，“种粮大户应对气象灾害适应行为综合绩效”作为目标层，记作“A”，此为从整体上表征种粮大户适应行为的综合绩效；第二层次为准则层，它由社会绩效、经济绩效、环境绩效3部分构成，它们从3个不同的方面反映种粮大户适应行为的综合绩效，分别记作“B1，B2，B3”；第三层为指标层，根据准则层的具体特征，可将其分解为2～5个指标，展开为具体的三级指标，分别记作“Cij”。本文在确定具体的三级指标时，聘请了相关专家组成评价专家小组，采用头脑风暴法确定了10个指标。综上所述，种粮大户适应行为的综合绩效评价指标体系可以总结如表1所示。

表1 种粮大户适应行为综合绩效评价指标体系

3 数据来源、研究方法

3.1 数据来源

本文所用数据来自本课题组2020年对江西省7个市、21个县的种粮大户所做的随机抽样调查。共收回229份实际有效问卷。其中，抚州市59份，占比25.7%；吉安市27份，占比11.8%；景德镇市4份，占比1.7%；南昌市4份，占比1.7%；萍乡市69份，占比30.1%；上饶市57份，占比24.9%；宜春市9份，占比3.9%。

3.2 研究方法

本文采用AHP-FCE模型，对种粮大户气象灾害适应行为综合绩效进行评价。该模型多用于各类项目的绩效评价，通过层次分析法与模糊综合评价法的有效结合，解决因素多、指标难以定量化、数据获取困难等项目评价问题。AHP-FCE模型分析的基本步骤为：第一步，利用层次分析法确定农户适应策略行为评价指标集U，并确定各指标权重W；第二步，确定评价集；第三步，构建综合评价矩阵R；第四步，各级模糊指标的综合评判。

3.2.1基于层次分析法的种粮大户适应性行为综合绩效权重确定根据“1-9尺度”的标度理论，构造指标层和准则层的判断矩阵A：

式1中，aij为因素i与因素j相比的重要性标度，且aij=1/aji，aii=1，其中i=1,2,…,n。

（1）计算判断矩阵每行所有元素的几何平均值

得到ω=（ω1，ω2，…，ωn）T，即为各因素的组合权重。

（3）计算判断矩阵的最大特征值λmax

（4）计算判断矩阵的一致性指标

式6中λmax为最大特征根；n为判断矩阵的阶数；参照萨迪教授1980年对样本容量为500～1 000的平均随机一致性指标，本文所用RI值如表2所示。

表2 1～11阶判断矩阵的随机一致性指标

当CR≤0.1时，判断矩阵的一致性可以接受；当CR＞0.1时，应对判断矩阵作适当修正。

3.2.2基于模糊综合评价法的种粮大户适应性行为综合绩效评价（1）确定评判对象的因素集。本文将评判对象分为1个目标集（U），3个准则子集（U1,U2,U3），U1={U11,U12,U13}，其中U11为政府交流程度，U12为务农人数；U13为气象灾害关注度。以此类推设置其它指标层因素集。

（2）确定评语集

建立评语集V={v1,v2,v3,v4,v5}={很好，较好，一般，较差，很差}，其所对应的数值为（90～100，70～90，50～70，30～50，10～30）。

（3）构建模糊关系矩阵

对因素集U中某个单因素Ui（i=1,2，…，m）作单因素评价，从因素Ui确定该因素对评语集Ui（i=1,2,…,m）的隶属度，从而得出第i个因素Ui的单因素评价集：ri=（ri1,ri2,…,rim）。指标层的单因素评判矩阵R为：

其中，决定矩阵R行数的是指标的个数，决定矩阵列数的是评语等级数量，即m表示指标数，n表示评价等级，rij表示第i个指标作出了第j种评价尺度的数量占评价总数的百分比，一般将其归一化使之满足∑rij=1。

（4）建立评估指标权重集（A）

（5）确定评价结果集B

当因素权重A和模糊关系矩阵R已知时，通过R作模糊线性变化，把A变为评语集V上的模糊子集B，B即为评语集V上的模糊综合评价集，bj(j=1,2,…,n)为等级（评语）Vj对综合评价所得模糊评价集B的隶属度。

式（9）中，°表示M（·，⊕）算法①M（·，⊕）算法是合乘算子的一种，合乘算子指合成A与R所用的计算方法。在模糊评价中，共有五种算法，即M(∧，∨)、M(·，∨)、M(∧，⊕)、M(·，+)和M(·，⊕)。M(∧，∨)和M(·，∨)算法，也称为“主因素突出法”，即着眼考虑主因素，一般考虑单项指标时才考虑，因为在评价过程中可能出现丢失信息多且粗糙的情况。，此算法综合考虑了各指标的作用，具有丢信息少、失真度小和清晰度高优点。

（6）评判值确定

式（10）中，F为综合评价分值；为评价集的等级中值集的转置矩阵，采取等级中值集可避免因最大最小值产生的误差；B为模糊综合评价值。

4 种粮大户适应性行为综合绩效评价

4.1 确定评价指标权重

在已建立的项目绩效评价指标体系基础上，参考专家意见，依据1-9标度，确定各指标间的相对重要性，建立判断矩阵，应用yaahp软件求得判断矩阵的特征值、特征向量，并进行一致性检验，进而确定各评价指标的权重值。

4.1.1一级指标社会绩效B1、经济绩效B2、环境绩效B3相对于综合绩效A的权重获得过程（1）构建B1、B2、B3相对于A的相对重要程度判断矩阵A，如表3所示。

表3 综合绩效判断矩阵

4.1.2确定三级指标相对于二级指标的权重同理，可确定三级指标相对于二级指标的权重，结果如表4，表5，表6所示。其中表4判断矩阵的特征向量A1=（0.614 4，0.268 4，0.117 2），λmax=3.073 5，CI=0.037，RI=0.063 8<0.1；表5判断矩阵的特征向量A2=(0.276 0，0.447 7，0.040 0，0.083 8，0.152 6)，λmax=5.408 2，CI=0.102 1，RI=0.091 1<0.1；表6判断矩阵的特征向量A3=（0.750 0，0.250 0），λmax=2.000 0，CI=0.000，RI=0.000。

表4 社会绩效判断矩阵

表6 环境绩效判断矩阵

根据表4、表5、表6中各层级指标相对权重值，可得到项目评价各指标组合权重，具体数值如表7所示。

从表7的计算结果可以看出，种粮大户气象灾害适应行为综合绩效评价准则层的3个指标中，经济绩效这一指标的权重最大，其次是社会绩效，最后是环境绩效。在经济绩效下设的5个指标中，农业收入的权重最大，因此此指标应是影响种粮大户适应行为综合绩效的主要指标，其次是整年总收入，然后是经济成本与农用机械数量，最后是县级经济水平。在社会绩效下设的3个指标中，政府交流的权重最大，因此此指标应该是影响种粮大户适应行为综合绩效的主要指标，其次是务农人数，最后是气象灾害关注度。在环境绩效下设的2个指标中，化肥农药使用的权重最大，因此此指标应是影响种粮大户适应行为综合绩效的主要指标，其次是种植区离水源距离。

表7 种粮大户适应行为综合绩效评价指标权重

4.2 各级指标的模糊综合评价结果

本文邀请相关领域的5位专家按照评价集对因素集U中某个单因素评价指标进行评价，并对评价结果进行隶属度r计算（计算公式为：r=判断某指标属于评价集V中某一项的专家数/专家总数），建立模糊判断矩阵，详见表8。由于准则层各因素都由其决定的指标层的全部因素决定，因此准则层每一因素的单因素评价，应是其决定的指标层全部因素的多因素综合评价结果，同理，目标层则是其决定的准则层全部因素的多因素综合评价结果。评判过程及结果如下。

表8 种粮大户适应行为综合绩效评价指标体系权重及隶属度结果

4.2.1准则层的模糊综合评判集根据式（7）及表8可得到准则层的评价矩阵。

（1）对于社会绩效，其评价矩阵为：

对B1进行归一化处理得到B1′=(0.047 0，0.354 2，0.545 2，0.053 6，0.000 0)。可知，就社会绩效而言，绩效很好的隶属度为0.047 0，绩效较好的隶属度为0.354 2，绩效一般的隶属度为0.545 2，绩效较差的隶属度为0.053 6，绩效很差的隶属度为0。根据隶属度最大原则，从社会绩效B1来评价综合绩效为“一般”。

（2）对于经济绩效，其评价矩阵为：

对B2进行归一化处理得到B2′=（0.0000，0.2088，0.599 2，0.192 0，0.000 0）。可知，就经济绩效而言，绩效很好的隶属度为0，绩效较好的隶属度为0.208 8，绩效一般的隶属度为0.599 2，绩效较差的隶属度为0.192 0，绩效很差的隶属度为0。根据隶属度最大原则，从经济绩效B2来评价综合绩效为“一般”。

（3）对于环境绩效，其评价矩阵为：

对B3进行归一化处理得到B3′=（0.000 0，0.100 1，0.100 1，0.799 8，0.000 0）。可知，就环境绩效而言，绩效很好的隶属度为0，绩效较好的隶属度为0.100 1，绩效一般的隶属度为0.100 1，绩效较差的隶属度为0.799 8，绩效很差的隶属度为0。根据隶属度最大原则，从环境绩效B3来评价综合绩效为“较差”。

4.2.2目标层的模糊综合评判评价集求解出3个准则层的评价矩阵后，便可进行最高层次的综合评价，即算出种粮大户适应行为综合绩效的评价矩阵。种粮大户适应行为综合绩效的评价矩阵为：

对B进行归一化处理得到B′=（0.010 6，0.230 6，0.536 8，0.222 0，0.000 0）。可知，种粮大户适应行为综合绩效综合评价集的隶属度分别为0.010 6，0.230 6，0.536 8，0.222 0，0.000 0。

4.2.3综合绩效评判值确定F=VAT∗B=（0.010 6*95）+（0.230 6*80）+（0.536 8*60）+（0.222 0*40）+（0.000 0*15）=60.543 9根据式（10）可求出社会绩效得分为67.652 3分，经济绩效得分为60.333 7分，环境绩效得分为46.000 0分，综合绩效得分为60.543 9分，可隶属为一般。从百分比看，综合绩效很好占比1.06%，综合绩效较好占比23.06%，综合绩效一般占比53.68%，综合绩效较差占比22.2%，综合绩效很差占比0%。从综合得分看，种粮大户气象灾害适应行为综合绩效的评价应该为一般。

5 结论及建议

由以上绩效结果可知，农户适应行为能力综合绩效得分为60.543 9分，较为一般，属于“一般”水平，其指标重要性程度的排序为：B2>B1>B3。经济绩效最为重要，社会绩效次之，环境绩效也不容忽视。综上所述，对提升农户应对气象灾害适应行为能力提出如下建议：

（1）加强农业技术培训力度，提高农业生产效率，促进农业收入增加，提升经济绩效。政府应因地制宜进行因人而异的各种形式农业技术培训，丰富培训内容，提高培训质量，加强培训服务供给匹配度，切实满足农户对技术培训的需求。同时，避免形式化的技术培训，政府可适当改革现行的培训体制，以便农户从技术培训中获取能够带来实际效益的能力。（2）增强农户与各级政府之间的交流，减少信息壁垒，提升社会绩效，进而提升适应行为能力。政府应优化农户信息获取方式，从农户视角满足农户信息需求，政府可运用网络、微信等新媒体增加农户获取信息渠道，农户对相关政策或气象信息了解越深入，越有利于应对气象灾害，进而提升应对气象灾害适应行为能力。（3）推广绿色农业技术，减少化肥使用量，提高环境绩效。政府首先应加快健全绿色生产技术的宣传推广机制，可建立健全绿色生产技术的推广政策体系，为农户提供绿色技术采纳的良好环境，消除采纳绿色农业技术的障碍；其次为采取绿色农业技术农户提供政策补贴，并建立农业担保体系，吸引农户采纳绿色农业技术，减少农户风险顾虑；最后应完善绿色农业技术的增收效果，只有从农户利益角度出发，才能吸引农户主动采取绿色农业技术，从而减少化肥使用量，进而提高环境绩效。