绿色农房建造中村民参与度预测及提升路径

黄学明 刘慧 李乃龙 毛鹏

摘要：为了准确掌握村民在绿色农房建造中的参与度，引导政府有效推广绿色农房，以江苏省盐城市绿色农房试点地区村民为调查对象，借助MATLAB构建绿色农房建造中村民参与度BP神经网络预测模型，并模拟以政府为主导的政府支持力度、政府管理力度、政府角色定位和绿色农房建造成本4项措施对村民参与度的影响趋势。结果表明，预测模型能够有效实现村民参与度的预测。同时，当政府能力充足时，首先要加大政府对绿色农房的支持力度;当政府能力欠缺时，应当先确保绿色农房建造成本满足村民期望。以期帮助政府采取多元化的措施，引导村民自下而上地参与绿色农房建设，提升村民参与绿色农房建造的积极性，进而早日实现美丽乡村建设的战略目标。

关键词：绿色农房;村民参与度;参与度预测;提升措施

中图分类号： F299.27文献标志码： A

文章编号：1002-1302（2022）04-0232-08

收稿日期：2021-07-25

基金项目：江苏省高校哲学社会科学研究项目（编号：2019SJA0119）;国家自然科学基金（编号：72071115）。

作者简介：黄学明（1980—），男，安徽泾县人，硕士，高级工程师，主要从事工程管理研究。E-mail：37210389@qq.com。

通信作者：毛 鹏，博士，教授，主要从事工程项目管理研究。E-mail：maopeng@njfu.edu.cn。

随着城市化和农业现代化的发展，中国农村住房建设逐年增加。既有农村住房（简称“农房”）具有能耗高、能效低、能源资源浪费等特点，同时还普遍存在质量差、设计不足等缺点，易引起使用寿命短、新建或改造频繁、环境污染严重等问题[1-2]，因此改善农村住房成为实现乡村生态振兴亟须解决的问题。为了有效解决农村住房建设问题，原住房城乡建设部与工业和信息化部于2013年下发《关于开展绿色农房建设的通知》，要求在长三角、珠三角等地区建成一批绿色农房试点示范，加快推进“安全实用、节能减废、经济美观、健康舒适”的绿色农房建设[3]。而后相继出台多项推进农村绿色农房建设的政策文件，这意味着在我国农村地区推广建设绿色农房势在必行。然而，在绿色农房建设中如果没有基層政府的积极组织及引导，号召村民积极参与，而仅靠上层政府包揽事务，绿色农房建设很难真正落地推广[4]。因此，原住房和城乡建设部办公厅于2019年下发《住房和城乡建设部办公厅关于开展农村住房建设试点工作的通知》，要求充分尊重农民意愿，实施决策合谋、开发创建、建设共管、效果共评、成果共享的配套服务，确保村民熟悉和参与绿色农房设计建筑过程[5]。尽管如此，现阶段村民参与绿色农房建设仍以被动参与为主，大多数村民对绿色农村住房的需求并不强烈，对响应和参与绿色农房建造工作并不积极[6-7]。由此可见，掌握村民在绿色农房建造中的参与度，探究政府制定不同程度引导性的政策措施对村民参与度的影响，能确保政府在绿色农房建造过程中发挥引导作用，以农民为主体[8]，制定合适的政策措施，其中鼓励村民参与绿色农房建设必须面对和解决的问题，是有效推广绿色农房建造工作绕不开的难点。因此，本研究借助MATLAB软件构建绿色农房建造中村民参与度的BP神经网络预测模型，结合实际案例对预测模型准确性进行检验，并通过改变不同政府引导措施的重要程度，探究其对村民参与度的影响程度，再针对性给出提高村民参与度的建议和措施，以期为政府推广绿色农房建造提供理论与实践指导。

1 绿色农房建造中村民参与度影响因素

参与度分析是预测参与度的重要基础。影响参与度的因素有很多，如施佳璇在探讨村庄建设中村民参与情况时指出，不同类型村民群体的参与情况存在差异，同时阻碍村民参与村庄建设的因素大多数是村民个人观念以及薄弱的能力等内部因素[9]。樊舒舒从场域、惯习、资本3个维度，政府状态、居民状态、沟通方式、行为感知、居民生活状况、社区关系6个方面剖析老旧小区改造中居民参与度的影响因素[10]。Liu等指出性别、年龄、学历、工作状况、职业、居住时长、收入等个体因素对社区活动居民参与度具有显著影响[11]。为了使 BP 神经网络的结构能够准确反映影响村民参与度的综合因素，本研究先对近10年国内外相关文献进行检索，识别出37个影响村民参与度的因素，再通过对绿色农房建造相关专家进行访谈，进一步筛选24个绿色农房建造中村民参与度的影响因素，并借助布迪厄的实践理论，将24个影响因素分为3类：场域、资本和惯习。场域因素主要包括政府、经济文化等一切有形的物质和无形的规则，惯习因素则表现为村民的行为习惯和倾向，资本因素包含村民的经济资本、文化资本和社会资本（表1）。在此基础上，本研究借助SPSS软件进行差异性分析和相关分析后，剔除政策宣传力度和闲暇时间这2个对村民参与度无影响的因素，最终确定22个影响村民绿色农房建造参与度的因素。

2 研究方法与数据来源

2.1 BP神经网络概述

BP神经网络（back-propagation neural network）被称为反向传播神经网络，是某种无反馈的前馈网络，网络中的神经元是分层排列的。BP神经网络结构包括输入层（input）、输出层（output）和隐藏层（hidden）[12]。每一层神经元的输出都被传递到下一层，下一层神经元的输出被连接权重所增强、减弱或抑制。除输入层神经元外，隐藏层和输出层神经元的净输入是前一层神经元输出的加权和。每个神经元由其输入、激活函数和阈值决定[13]。BP神经网络的工作过程分为学习期和工作期2个部分，详见图1。

2.2 数据来源

为预测绿色农房建造中村民的参与度，通过发放问卷来获取数据。调查问卷共包括3个部分，第一部分是受访者个人基本信息，包括性别、年龄、学历、职业、家庭人口总数及人口年龄结构、居住时间、年净收入、住房类型等;第二部分是绿色农房建造中村民参与度的影响因素，最终以李克特五分量表法呈现;第三部分是绿色农房建造中村民参与度的相关问题，通过居民参与的维度来度量。由于江苏省盐城市自2018年便开始“十镇百村”农村社区绿色农房建造试点工作，因此本研究调查地点选在盐城市益林镇、陈洋镇、恒济镇和新坍镇，共回收问卷483份，回收率100%。

3 绿色农房建造中村民参与度预测

3.1 村民参与度的仿真模型构建

3.1.1 神经网络规模确定

有1个隐藏层的神经网络只要隐节点足够多，就可以以任意精度逼近一个非线性函数[14]。因此，本研究采用含有1个隐藏层的3层多输入单输出的BP神经网络建立村民参与度预测模型，输入变量为村民参与度的影响因素指标，输出变量为村民参与度，即输入层、输出层节点数分别为22、1个。隐藏层节点数参照经验公式（1）确定：

l=n+m+a。（1）

式中：n表示输入层节点数;m表示输出层节点数;a表示[1，10]之间可随机选择的整数。经计算，参与度模型的隐藏层节点数范围为[7，16]，通过试验确定村民参与度预测模型隐藏层节点数为10个。此外，本研究选择S型正切函数tansig作为隐藏层神经元的激励函数。

3.1.2 村民参与度预测模型训练

首先，将训练样本导入MATLAB 2016a中，利用mapminmax函数将数据进行归一化处理;其次，使用divideran函数将数据集随机划分为训练集、验证集和测试集，划分比例分别为70%、15%、15%;再次，利用newff函数建立反向传播的BP神经网络;最后，设置网络参数，分别设置BP神经网络学习速率、最大训练次数、最小优化梯度、动量因子为0.01、1 000、1×10-7、0.9。在完成以上工作后，选取trainlm函数对村民参与度预测模型进行训练，其对应的算法为Levenberg-Marquardt，进行仿真训练时调用sim函数。在多次训练后，本研究选择拟合优度为0.994 96的训练数据集，此时拟合优度逼近1，说明BP神经网络输出值与实测值接近，训练结果良好。BP神经网络结束训练后，将影响村民参与度的影响因素指标输入网络，再调用sim函数，即可实现对训练样本所在地村民的个体参与度和整体参与度的预测。

3.2 村民参与度预测模型仿真试验

本研究以调查所得的483份样本数据作为分析样本，以400份样本作为训练样本，其余83份作为试验样本，得到的结果如表2所示。

由表2可知，村民整体的实际参与度为4.58，村民整体的预测参与度为4.66，将BP神经网络模型预测出的村民参与度数值经过四舍五入后，得到村民的整体参与度为4.57，与村民整体的实际参与度相差0.01;从村民样本的个体来看，绝大多数样本调整后的参与度误差减小到0，13个样本调整后的误差为-1、1或2，BP神经网络仿真模型预测准确率为84.3%。可见，本研究建立的村民参与度BP神经网络预测模型可对绿色农房建造中村民整体或个体参与度进行有效预测。

4 绿色农房建造中村民参与度提升措施

由于村民的资本、惯习在短时间内无法改变，而场域中的政府支持力度、政府管理力度、政府角色定位和建造成本因素可根据政府意愿和建造技术进行短期调节，且乡村治理组织引导在村庄建设工作中十分重要[4]。因此，绿色农房建造中村民参与度提升措施将围绕这4个因素展开。

4.1 政府支持力度

83份样本对政府支持力度的看法见表3，实际上，认为政府支持力度由小到大的样本比例分别为4.82%、20.48%、42.17%、25.30%、7.23%，平均为3.10分。为进一步明晰绿色农房建造过程中政府支持力度对村民参与度的影响，本研究提出8种政府支持力度的假设情况[10]：假设情况4～1的调整方法为将样本中选择政府支持力度“1（很小）”的样本维持不变，其余样本按调低1档的方式重新赋值（表4），例如假设情况4就是在实际情况的基础上保持“1（很小）”样本打分不变，将实际情况“2（较小）”“3（一般）”“4（较大）”“5（很大）”对应村民样本对政府支持力度的打分分别调至“1（很小）”“2（较小）”“3（一般）”“4（较大）”。总的说来就是将村民对政府支持力度的打分不断调低，直至所有村民认为政府支持力度很小，此时政府对绿色农房建造的支持力度处于最不利状态;假设情况5～8的调整方法为将样本中选择政府支持力度“很大”的樣本维持不变，其余样本按调高1档的方式重新赋值（表4），直到所有村民认为政府支持力度很大，此时政府对绿色农房建造的支持力度达到理想状态。将假设情况1～8的数据分别输入到预测模型中，获得绿色农房建造中不同政府支持力度情况下村民参与度的变化趋势（图2）。

由图2可知，当政府支持力度下降时，村民参与度也随之下降。当政府支持力度从实际情况转变为假设情况4时，村民参与度下降了13.10%（从4.58下降至3.98），后持续下降，至假设情况1时，村民参与度降至最低（1.62），该情况与实际情况相比，村民参与度降低了2.96，降低率高达64.63%。当政府支持力度增强时，村民参与度随之上升。当政府支持力度从实际情况转变为假设情况5时，村民参与度从4.58上升到5.35，上升率达16.81%，随后村民参与度稳步上升，至假设情况8时，村民参与度达到最高（8.08），较实际情况增长了76.42%。由此可见，相较于下降趋势，增强政府对绿色农房建造的支持力度，村民的参与度上升趋势更加显著。因此，辖区政府应当在其能力范围内，尽可能采取更多的措施，使70%以上的村民感受到政府对绿色农房的支持力度（假设情况5及以上），从而真正参与到绿色农房建造中的各个环节，激发主人翁意识;若政府暂时无法采取更多有效措施，至少应维持现有对绿色农房的支持力度（即32%左右的村民感受到政府对绿色农房建造的支持力度较大），不可降低政府对绿色农房的支持力度，跌至假设情况4，即仅有7%左右的村民认为政府对绿色农房建造工作给予较大的支持。

4.2 政府管理力度

83份样本中政府管理的实际情况见表5，参照上述政府支持力度的分析方式，提出类似的8种政府管理力度的假设情况（表6），将假设情况数据输入到预测模型中，获得不同政府管理力度情况下村民参与度的变化趋势（图3）。从图3可知，随着政府对绿色农房建造项目的管理力度降低，村民的参与度也呈下降趋势。具体而言，当政府管理力度从实际情况转变为假设情况12时，村民参与度下降了3.28%，后下降程度陡增，尤其是当政府管理情况从实际情况转变为假设情况11时，村民的参与度从4.58变为3.05，下降率为33.41%，至假设情况9，村民参与度已下降至1.93。当政府管理力度增强时，村民参与度呈现先上升后下降的趋势。政府管理力度从实际情况转变为假设情况13时，村民参与度从4.58上升至5.79，上升率为26.42%，而后当政府管理从实际情况转变为假设情况14～16时，村民整体参与度反而下降，与实际参与度相差甚微。因此，辖区政府可以适当增加对绿色农房建造项目的管理力度，如派专人常驻施工现场进行监督，使得80%左右的村民感受到政府负责任地管理绿色农房建造项目，若政府没有过多的精力进行管理，至少维持现状，即45%的村民认为政府管理力度较大，不可放松、懈怠、疏于管理以致跌至假设情况12，甚至更糟的情况（即仅有4%不到的村民认为政府积极管理绿色农房建造项目）。此外，若政府管理的力度过大，包揽所有事务，会使得村民无法发挥自己的主体作用，最终导致物极必反的结果。因此，政府在管理绿色农房项目过程中，应充分考虑村民的主体作用，适当控制其管理力度，更多地发挥引导作用，将更多的财力、物力用于其他提升村民参与度的措施中。

4.3 政府角色定位

83份样本中政府角色定位的实际情况见表7，参照上述政府支持力度和政府管理力度的分析方式，提出类似的8种政府角色定位的假设情况（表8），将假设情况数据输入到预测模型中，获得不同政府角色定位情况下村民参与度的变化趋势（图4）。由图4可知，当辖区政府在绿色农房项目建设中扮演的角色未倾向于满足村民利益的程度加剧时，村民的参与度呈大幅度下降趋势。政府角色定位从实际情况转变为假设情况20时，村民的参与度急剧下降，下降率为32.97%，后下降幅度变缓，至假设情况17时，村民的参与度下降至最低（1.15），此时下降率为74.94%。当辖区政府在绿色农房项目建造中倾向于满足村民利益的程度提高时，村民的参与度也呈现上升趋势，政府角色定位从实际情况转变为假设情况21时，村民的参与度从4.58增加至5.43，上升率为18.56%，后上升趋势变缓，至假设情况24時，村民参与度达到最高（6.54），相较实际情况，上升率为42.79%。可见，当政府扮演的角色越倾向于满足村民的利益时，村民在绿色农房建造中的参与度的上升趋势较平缓，若越不倾向于满足村民的利益时，村民的参与度迅速下跌。因此，辖区政府可以适当代表村民的利益，做好他们向施工方和上级政府的传话筒，使得90%以上的村民对政府在绿色农房建造项目上扮演的角色感到满意，若政府在该项目上没有更多的话语权代表村民的利益，至少应维持现阶段的措施（即使得60%左右的村民感到政府的诚意，较满意政府在绿色农房建造项目上所扮演的角色），不可使之跌至假设情况20，即仅有13%左右的村民感受到政府切实关乎村民自身的利益。此外，相较于上升趋势，政府罔顾村民的利益，一味打造“面子工程”，使得村民参与度下降趋势更大，所以政府应当重视村民的切身利益，在绿色农房建造项目上贯彻全心全意为人民服务的宗旨。

4.4 绿色农房建造成本

绿色农房建造成本的实际情况如表9所示，一半以上的村民认为绿色农房建造成本较大。参照同样的假设方式，提出绿色农房建造成本的8种假设情况（表10），将8种假设情况分别输入BP神经网络中，获得不同绿色农房建造成本情况下村民参与度的变化情况（图5）。由图5可知，当绿色农房建造成本逐渐减小时，村民参与度先大幅度上升再下降。当绿色农房建造成本转变为假设情况28时，村民参与度迅速上升51.31%。当绿色农房建造成本转变为假设情况27时，村民参与度上升32.97%，与假设情况28相比，村民参与度下降0.84;而当绿色农房建造成本转变为假设情况25时，村民参与度急剧降低。假设情况25、26与实际情况的村民参与度相差较小。当绿色农房建造成本逐渐增大时，村民参与度呈下降趋势。绿色农房建造成本变为假设情况29时，村民参与度从4.58陡降到3.21，下降率为29.91%，随后下降趋势放缓，至假设情况32时，村民参与度降至最低（2.76），下降率为39.74%。

综上分析可知，绿色农房建造成本过高或过低，即村民认为绿色农房建设成本不高或过高，都不利于调动村民参与的积极性，建造成本过低，村民们会质疑绿色农房的建造质量，从而产生抵触心理，造成村民参与流于形式的局面;若绿色农房建造成本较高，即70%及以上的村民认为绿色农房成本过高，自己不足以负担绿色农房的建造成本，从而抵触这项改善村民居住环境的政策实施。所以，政府、设计单位、建设单位应通过适当的技术手段降低绿色农房的建造成本，控制约20%的村民认为绿色农房建造成本较高，这样村民参与度会显著性上升。同时，若政府有专项拨款，可以对参与建设或购买绿色农房的村民适当地进行财政补贴，变相地减少村民购房的负担，从而提高村民参与绿色农房建设的积极性。

综合政府支持力度、政府管理力度、政府角色定位和绿色农房建造成本等4项由政府主导的措施来看，当政府能力较强即人力、物力和财力较充足时，在保证以上4项措施的基本条件下，首先应该加强政府对绿色农房的支持力度，其次为政府角色定位和绿色农房建造成本，最后是政府管理力度。若政府资金、物资、人手短缺时，首先应该考虑绿色农房建造成本是否控制在合适的范围内，其次考虑政府角色定位是否合适，是否真正做到有利于民，再次应加强政府对绿色农房的支持力度，最后再考虑政府管理措施是否落实到位。

5 结论

绿色农房推广建造既可以实现农村建筑节能减排的目标，又可以兼顾满足农村居民对美好生活的向往。近年来，我国政府大力推广绿色农房，但是在推广过程中村民不配合、不理解等情况屡见不鲜，村民参与不足。本研究构建绿色农房建造中村民参与度预测模型，结合事实数据，进行仿真预测，结果表明预测的误差较小，能够有效地反映村民的参与度。在此基础上，模拟不同程度的政府支持力度、政府管理力度、政府角色定位和绿色农房建造成本对村民参与度的影响，进而提出针对性的对策和建议供政府部门参考，以期提高村民参与绿色农房建设的积极性，帮助政府推广绿色农房，打造美丽乡村。但是在构建村民参与度预测模型时，村民参与度影响因素的选取仅是一般意义上研究绿色农房建造中村民参与度的影响因素，尚未考虑不同地区的政策差异，具有一定的局限性。同时，本研究仅从政府角度出发分析单个可以短期调节的因素对村民参与度的影响变化，从而提出参与度的提升措施，在未来的研究中，可以探究多维度、多因素影响村民参与度的整体效应，从而应对不同情境下参与度的提升情况。

参考文献：

[1]盛 利. 鲁中地区绿色农房建设模式研究[D]. 济南：山东大学，2014：1-8.

[2]李博群. 绿色农房气候适应性和周边环境营建关键技术研究与应用[J]. 中国建材科技，2014，23（6）：54-55.

[3]中华人民共和国住房和城乡建设部，中华人民共和国工业和信息化部. 关于开展绿色农房建设的通知（建村[2013]190号）[EB/OL]. （2013-12-18）[2021-03-08]. http：//www.mohurd.gov.cn/wjfb/201312/t20131225_216676.html.

[4]唐国建，王辰光. 回归生活：农村环境整治中村民主体性参与的实现路径——以陕西Z镇5个村庄为例[J]. 南京工业大学学报（社会科学版），2019，18（2）：24-37，111.

[5]中华人民共和国住房和城乡建设部办公厅. 关于开展农村住房建设试点工作的通知（建办村[2019]11号）. （2019-02-02）. http：//www.mohurd.gov.cn/wjfb/201902/t20190203_239427.html.

[6]孟 迪. 绿色农房建设过程中的问题与思考[J]. 水利科技与经济，2016，22（3）：84-85.

[7]吴翔华，姜乃玉. 村民建设绿色农房意愿影响因素研究——以江苏省为例[J]. 建筑经济，2015，36（9）：104-108.

[8]陈兴宇. 弱化与重构：乡村振兴背景下农民参与乡村治理的主体性研究[J]. 安徽农业大学学报（社会科学版），2019，28（5）：1-6.

[9]施佳璇. 村庄建设的村民参与研究——以黎平县滚正村为例[D]. 广州：华南理工大学，2020：58-74.

[10]樊舒舒. 老旧小区改造中居民参与度的定量评价及仿真研究[D]. 南京：东南大学，2018：59-71.

[11]Liu Y Q，Wu F L，Liu Y，et al. Changing neighbourhood cohesion under the impact of urban redevelopment：A case study of Guangzhou，China[J]. Urban Geography，2017，38（2）：266-290.

[12]李 力，徐 勇. 基于BP神经网络的建筑能耗预测[J]. 电脑编程技巧与维护，2021（4）：10-12.

[13]孙宝磊，孙 暠，张朝能，等. 基于BP神经网络的大气污染物浓度预测[J]. 环境科学学报，2017，37（5）：1864-1871.

[14]安 慧，范历娟，吴海林，等. 基于BP神经网络的淮河流域水生态足迹分析与预测[J]. 长江流域资源与环境，2021，30（5）：1076-1087.

3286500338224