基于改进层次分析法的农业科技成果转化资金绩效评价研究

张荣庆，王柯淇

（1.汉中职业技术学院，陕西 汉中 723002；2.陕西科技大学电子信息与人工智能学院，西安 710021）

“三农”问题是由农业文明向工业文明转变的必然产物，只有采取有效的措施去解决“三农”问题，才能更好地实现中华民族的伟大复兴。解决“三农”问题的关键在于农业科技的进步与发展，通过大力发展农业科技，实施农业科技创新，将更多的农业科技成果转化应用于具体的农业生产实践中，充分发挥农业科技成果的重要作用。农业科技成果的高效转化是现代农业发展的必然要求，同时也是在新的时代背景下实现农村繁荣、农业发展、农民富裕的有效途径［1］。从目前来看，发达国家的农业科技成果转化率已经达到70%～80%，而中国的农业科技成果转化率不足40%，和发达国家之间还有较大的差距，许多先进的农业科技成果没有得到及时、高效的转化和推广利用。陈湘东等［2］对农业科技成果转化过程中相关主体之间的博弈进行分析，构建了政府和科研机构博弈的支付矩阵，指出政府相关部门必须建立完善的监督机制，制定严厉的惩罚措施，加大不作为科技机构的惩处力度，这样才能起到有效提高农业科技成果转化率的目的。贾敬敦等［3］构建了应用开发、软科学、基础研究3类农业科技成果的评价指标，指出农业科技成果评价指标体系不仅要和全面深化改革、市场发展新要求相匹配，还要以创新为主导，突出市场机制。张琳等［4］采用指标分解法、层次分析法、极值法、综合评价法构建了中国农业科技成果转化资金绩效评价体系，指出要完善转化资金的政策设置，明确转化资金支持的领域定位等。本研究在已有研究的基础上，对层次分析法进行改进并应用于农业科技成果转化资金绩效评价中，从而达到提升农业科技成果转化率的目的。

1 农业科技成果转化资金绩效评价模型构建

1.1 转化资金绩效评价指标体系

政府的财政支出绩效评价以经济（Economy）、效率（Efficiency）、效益（Effectiveness）为标准，即3E标准，但是经济、效率、效益在实际应用中缺乏可操作性，需要结合实际来分解为一系列可以量化的评价指标［5］。本研究构建的农业科技成果转化资金绩效评价理论指标体系如图1所示。

图1 农业科技成果转化资金绩效评价理论指标体系

投入指标是为了反映政府部门对农业科技成果转化资金中所投入的人力、物力以及财力，通过项目目标、项目决策和资金分配来具体衡量。过程指标是为了反映政府部门对整个转化过程执行情况的监督，通过资金到位和组织实施来具体衡量。产出指标是目标期望完成的产品或服务，具体通过新产品开发数量、开发或推广的新技术、新工艺、新设备、新材料，获得的专利、软件著作权、论文、报告、专著来具体衡量。效果指标是和农业科技成果转化资金相关的目标、预期结果实现情况，具体通过产品销售收入、技术性收入、缴税总额、增加就业人数、带动农民人数、资源的合理利用、生态环境的改善来具体衡量。

1.2 改进层次分析法

层次分析法由运筹学家Saaty提出［6］，在复杂、多指标综合评价中具有十分广泛的应用。层次分析法将定量因素和定性因素进行统一度量和评价，其具体流程如下。

1）构造判断矩阵。通过对复杂问题评价指标的两两比较来获得判断矩阵。在进行两两指标评价的过程中应该邀请行业的专家，采用1～9比例标度进行附值，获得相应的权重。表1为1～9比例标度。

表1 1～9比例标度

2）一致性检验。构造判断矩阵在采用层次分析法进行问题分析中具有至关重要的作用，判断矩阵的一致性与否是进行农业科技成果转化资金绩效评价的关键所在。矩阵一致性定义为：

式中，CI为一致性指标参数，RI为平均随机一致性指标参数。

式中，λmax为判断矩阵的最大特征值，n为判断矩阵的阶数。

平均随机一致性指标参数RI和判断矩阵阶数n之间的关系如表2所示［7］。采用CR对判断矩阵的一致性进行判断，判断矩阵的一致性越优，CR的值越接近0。

表2 矩阵阶数n的RI值

3）层次排序。设构造的判断矩阵为n阶矩阵U，将矩阵U的列归一化得到矩阵A，即：

对矩阵A的各行求和得到向量B，并对向量B进行归一化，得到向量W，此时向量W即为特征向量，具体计算公式为：

那么n阶判断矩阵U的最大特征值λmax为：

通过层次排序能够获得单一层次下一组元素对其上一层次元素排序的权向量。

采用层次分析法，其判断矩阵的一致性指标CR越接近0，则评价结果越有效；当一致性指标CR=0时，评价结果的性能最佳。但是在实际应用过程中很难使得一致性指标CR=0，常设置门限值为0.1，即当一致性指标CR≤0.1，则认为判断矩阵具有一致性［8］。基于此，本研究采用遗传算法（Genetic algorithm，GA）对一致性检验进行优化。

设ωk为单排序权值，若层次分析法的判断矩阵A中各元素满足aij=ωi/ωj，则判断矩阵A具有完全一致性［9］，即：

式中，n为阶数，ωk为各要素单排序权重。

对一致性检验进行优化可以转化为求函数的最小值问题，即：

GA算法的基本运算过程为初始化，计算个体适应度，进行选择、交叉、变异运算，终止条件判断。从个体中选择双亲去繁衍，个体被选中的概率为pi，即：

式中，Fi为适应度。

配对个体以交叉概率pc进行基因交换，基因交换之后的2个配对个体会产生2个新的个体，交叉操作计算公式为：

对变异概率pv比较小的选择第i个体的第j位置基因gij进行变异操作，变异操作计算公式为：

式中，gk1,j为第k1个体在第j位置基因，gk2,j为第k2个体在第j位置基因，r为区间[0,1]上的随机数，gmin为基因gij的最小值，gmax为基因gij的最大值，r、r1、r2为区间[0,1]上的随机数，s为迭代次数，smax为迭代次数。

2 实例分析

采用GA算法对层次分析法的一致性检验进行优化，得到改进的层次分析法，将改进的层次分析法应用于农业科技成果转化资金绩效评价研究中。由行业专家结合工作经验对农业科技成果转化资金绩效指标进行两两对比评分，获得各层级的判断矩阵，其中矩阵B为目标层对准则层的判断矩阵，矩阵C为准则层对指标层的判断矩阵，即：

分别计算判断性矩阵的一致性指标CR，并设置一致性指标的门限值为0.1。对不满足一致性要求的判断矩阵B、C1、C3和C4采用GA智能优化算法进行优化，表3为GA智能优化算法的参数设置，表4为优化前后判断矩阵的一致性指标情况。

表3 GA智能优化算法参数设置

表4 判断矩阵满足一致性指标情况

对层次进行排序，获得农业科技成果转化资金绩效评价的指标体系和权重，结果如表5所示。由表5可知，一级指标中转化资金产出和转化资金效果权重较高，均为0.40，转化资金投入和转化资金过程权重较低，均为0.10。通过总排序权重大小可知，提升农业科技成果转化资金绩效可以使得新品种、试验区增加，同时促进农民增收、带动社会就业。

表5 农业科技成果转化资金绩效评价指标体系和权重

基于所构建的农业科技成果转化资金绩效评价体系，对2015—2020年全国农业科技成果转化资金绩效进行评价［10］，结果如图2所示。由图2可知，全国农业科技成果转化绩效评价整体处于上升的趋势，但是2017年之后上升的速度明显放缓，同时整体的农业科技成果转化资金绩效水平并不高，还有很大的提升空间。

导致中国农业科技成果转化资金绩效水平不高的原因可能是农业新品种、试验区建设比较缓慢，对当地的经济收入和促进当地就业方面发挥的作用不明显，许多的科技成果只是停留在纸上，没有很好地落实到实际中。只有持续增强农业科技成果的实用性，使得农业科技的发展服务于农业，尤其是现代智慧农业的发展，才能打破中国农业科技成果转化遇到的瓶颈。

基于所构建的农业科技成果转化资金绩效评价体系，对2020年不同技术领域农业科技成果转化资金绩效进行评价，结果如图3所示。由图3可知，种植业技术成果转化资金绩效评价最高，其次为农产品加工，农业信息技术成果转化资金绩效评价最低。

图3 不同技术领域农业科技成果转化资金绩效评价

3 结论

农业现代化发展离不开科技的推动，提升农业科技成果转化资金绩效是全面深化改革和市场经济发展的必然要求。本研究在传统层次分析法的基础上，采用遗传算法对一致性检验进行优化，构建了基于改进层次分析法的农业科技成果转化资金绩效评价模型。将构建的模型应用于2015—2020年全国农业科技成果转化资金绩效评价和不同技术领域农业科技成果转化资金绩效评价中，结果表明，当前中国在农业科技成果转化方面遇到了瓶颈，同时种植业技术成果转化资金绩效评价最高。中国农业科技成果转化资金绩效整体水平不高，如何提升转化资金绩效是下一步研究的重点，特别是农业信息技术、农产品加工技术等农业科技成果转化资金绩效提升是重中之重。本研究对农业科技成果转化资金绩效评价具有一定的参考价值。