论文部分内容阅读
摘要：基于农业投入、产出视角，分别从纵向和横向层面入手，利用DEA模型对农业生产效率进行测算，采用投影分析和Malmquist指数对农业生产水平进行评价研究，以此测算农业生产效率，为实现农业现代化发展提供理论参考。研究发现，在纵向层面，整体农业生产效率较高，较多年份达到DEA有效，但仍有提升空间，动态观测表明，技术进步率较低，制约全要素生产率的提高;综合技术效率整体较高，但区域差距明显;总体来看，DEA无效的主要原因在于地区差异大、技术和规模效益没有充分发挥。为此，政府应实施全面性的农业生产现代化战略、差异性的农业生产区域化策略和统筹性的农业生产高效化策略。
关键词：大数据; 农业生产; 效率 DEA分析
0 引言
近年来，信息技术的发展相当迅速，大数据的发展推动了农业的发展，让农业在大数据时代焕发勃勃生机，使其成为互联网时代的蓝海。大数据时代各行各业都在经历变革并取得了一些可观成效。利用大数据技术对农产品的生产、销售等一系列环节进行分析、评价及预测是农业产销模式创新的重要驱动力，将数据科学作为农业生产销售的决策来源是农业变革的重要途径之一。
1 基于大数据技术生产效率新模式
大数据是当今科学技术发展下的信息产物，指在一定时间内通过全新高效的数据处理模式并具有更有效优化能力的，规模大和多样化的数据信息资产。大数据技术指通过新型手段对大数据的处理技术、存储技术及应用技术等，可以实现对海量数据的高速处理及信息价值挖掘。
2 大数据技术在农业生产中的应用
2.1天气预报
构建大数据天气平台，爬取气象站或气象网所监测的空气温度、风速风向、空气湿度、雨量等气象数据进行大数据技术综合分析。利用得到的结果给农业生产者实时反馈精准的天气状况，让农民提前采取措施，减少因为天气带来的农业损失。
2.2 作物选择与作物产量预测
收集各种农作物生长的气候条件和环境需求数据，实地考察当地土壤环境状况，对二氧化碳、土壤中的水分、环境的温度和湿度等环境要素进行大数据回归分析，进行农作物精准选择、农业多样化发展。记录农作物每个生长阶段的情况，利用大数据挖掘技术，对监测数据进行分析，根据各时期的生长情况分析预测农作物的产量。
3 数据操作模型
3.1 DEA模型
1978年美国运筹学家Charnes等提出一种数量分析法，即数据包络分析法（DEA），这一方法是用线性规划对所有决策单元DMU开展效率评价。其基本思路是：通过搜集各决策单元DMU的指标数据，计算得出DMU的综合技术效率值、纯技术效率值和规模效率值，从而准确测度决策单元DMU是否达到DEA有效。3项效率数值存在以下关系：综合技术效率（technologyefficiency）=纯技术效率（puretechnologyefficiency）×规模效率（scaleefficiency）。
3.2 研究假设
设总体决策单元DMU有n个，且包含多项投入和产出，其中投入指标有u种，产出指标有v种，第k个DMU的第m种投入数量用Xmk表示，第k个DMU的第s种产出数量用Ysk表示，Vm表示投入数据的权重值，Us表示产出数据的权重值。向量Xk表示决策单元DMU的投入值，Yk表示决策单元DMU的产出值，P和Q表示权重值向量。
定义第k个DMU的效率评价指数为
定义第k0个DMU综合效率的数学模型为136。通过观测以上参数的取值，便可测度第k0个DMU是否达到DEA有效。通过线性规划，如果能找到决策单位DMU的某种线性组合，要求其实际产出不高于第k0个DMU的实际产出，则意味着第k0个DMU达到DEA有效，反之，属DEA无效。
3.3 Malmquist指数
分析Malmquist指数是一种测量动态视角下决策单元全要素生产率的新型全方位效率考察模型，将生产效率解构为由技术与效率，相对于静态视角考察单因素的生产率而言，该模型更具全面性与科学性。
TFP指数可继续解构为从左至右的规模效率（SE）、纯技术效率（PTE）、技术进步率（TP）的乘积，TFP指数也可解释为综合技术效率（TE）和技术进步率（TP）的乘积。若在DEA模型下皆等于1，则意为实现DEA有效，反之无效;若在Malmquist指数分析中皆大于1，则证实决策单元的规模报酬与技术效率水平实现逐年增长，反之逐年下降。
4结语
为准确测度农业生产效率，本文将农业生产的效率评价体系分为农业生产投入与农业生产产出2个评价理念。在农业生产投入指标体系的选取中，择取三大投入指标，分别是农作物总播种面积（X1）、农业机械总动力（X2）和历年财政农业支出（X3），分别代表农业生产的基础投入、技术投入与资金投入。在农业生产产出指标体系的选取中，择取两大产出指标，分别是农林牧渔业总产值（Y1）、农村居民人均可支配收入（Y2），分别代表农业生产的直接产出和间接产出。转制度，竭力降低地區农业生产投入冗余额与产出不足额，推进资源高效利用，从而统筹农业生产。
参考文献
[1] 我国现代农业发展趋势及任务[J]. 国家发改委产业所课题组. 领导决策信息. 2017（05）.
[2]殷沛丽.现代农业发展趋势及困境研究[J].山西农经，2020（05）：83-84.
[3]黎明.“农业4.0”背景下我国精密农业发展趋势分析[J].南方农业，2017，11（22）：71-72.
[4]张昊.浅析我国农业发展趋势[J].农技服务，2016，33（06）：32.
基金项目：2020年安徽省教育厅关高等学校省级质量工程项目，课程思政项目“C语言程序设计”，（编号：2020szsfkc1004）.
2020年校级质量工程线下课程，“现代教育技术”，（编号：szxy2020xxkc07）.
2020年宿州学院专创融合重点课程建设项目，（编号：szxy2020zckc22）.
（宿州学院 安徽 宿州 234000）
关键词：大数据; 农业生产; 效率 DEA分析
0 引言
近年来，信息技术的发展相当迅速，大数据的发展推动了农业的发展，让农业在大数据时代焕发勃勃生机，使其成为互联网时代的蓝海。大数据时代各行各业都在经历变革并取得了一些可观成效。利用大数据技术对农产品的生产、销售等一系列环节进行分析、评价及预测是农业产销模式创新的重要驱动力，将数据科学作为农业生产销售的决策来源是农业变革的重要途径之一。
1 基于大数据技术生产效率新模式
大数据是当今科学技术发展下的信息产物，指在一定时间内通过全新高效的数据处理模式并具有更有效优化能力的，规模大和多样化的数据信息资产。大数据技术指通过新型手段对大数据的处理技术、存储技术及应用技术等，可以实现对海量数据的高速处理及信息价值挖掘。
2 大数据技术在农业生产中的应用
2.1天气预报
构建大数据天气平台，爬取气象站或气象网所监测的空气温度、风速风向、空气湿度、雨量等气象数据进行大数据技术综合分析。利用得到的结果给农业生产者实时反馈精准的天气状况，让农民提前采取措施，减少因为天气带来的农业损失。
2.2 作物选择与作物产量预测
收集各种农作物生长的气候条件和环境需求数据，实地考察当地土壤环境状况，对二氧化碳、土壤中的水分、环境的温度和湿度等环境要素进行大数据回归分析，进行农作物精准选择、农业多样化发展。记录农作物每个生长阶段的情况，利用大数据挖掘技术，对监测数据进行分析，根据各时期的生长情况分析预测农作物的产量。
3 数据操作模型
3.1 DEA模型
1978年美国运筹学家Charnes等提出一种数量分析法，即数据包络分析法（DEA），这一方法是用线性规划对所有决策单元DMU开展效率评价。其基本思路是：通过搜集各决策单元DMU的指标数据，计算得出DMU的综合技术效率值、纯技术效率值和规模效率值，从而准确测度决策单元DMU是否达到DEA有效。3项效率数值存在以下关系：综合技术效率（technologyefficiency）=纯技术效率（puretechnologyefficiency）×规模效率（scaleefficiency）。
3.2 研究假设
设总体决策单元DMU有n个，且包含多项投入和产出，其中投入指标有u种，产出指标有v种，第k个DMU的第m种投入数量用Xmk表示，第k个DMU的第s种产出数量用Ysk表示，Vm表示投入数据的权重值，Us表示产出数据的权重值。向量Xk表示决策单元DMU的投入值，Yk表示决策单元DMU的产出值，P和Q表示权重值向量。
定义第k个DMU的效率评价指数为
定义第k0个DMU综合效率的数学模型为136。通过观测以上参数的取值，便可测度第k0个DMU是否达到DEA有效。通过线性规划，如果能找到决策单位DMU的某种线性组合，要求其实际产出不高于第k0个DMU的实际产出，则意味着第k0个DMU达到DEA有效，反之，属DEA无效。
3.3 Malmquist指数
分析Malmquist指数是一种测量动态视角下决策单元全要素生产率的新型全方位效率考察模型，将生产效率解构为由技术与效率，相对于静态视角考察单因素的生产率而言，该模型更具全面性与科学性。
TFP指数可继续解构为从左至右的规模效率（SE）、纯技术效率（PTE）、技术进步率（TP）的乘积，TFP指数也可解释为综合技术效率（TE）和技术进步率（TP）的乘积。若在DEA模型下皆等于1，则意为实现DEA有效，反之无效;若在Malmquist指数分析中皆大于1，则证实决策单元的规模报酬与技术效率水平实现逐年增长，反之逐年下降。
4结语
为准确测度农业生产效率，本文将农业生产的效率评价体系分为农业生产投入与农业生产产出2个评价理念。在农业生产投入指标体系的选取中，择取三大投入指标，分别是农作物总播种面积（X1）、农业机械总动力（X2）和历年财政农业支出（X3），分别代表农业生产的基础投入、技术投入与资金投入。在农业生产产出指标体系的选取中，择取两大产出指标，分别是农林牧渔业总产值（Y1）、农村居民人均可支配收入（Y2），分别代表农业生产的直接产出和间接产出。转制度，竭力降低地區农业生产投入冗余额与产出不足额，推进资源高效利用，从而统筹农业生产。
参考文献
[1] 我国现代农业发展趋势及任务[J]. 国家发改委产业所课题组. 领导决策信息. 2017（05）.
[2]殷沛丽.现代农业发展趋势及困境研究[J].山西农经，2020（05）：83-84.
[3]黎明.“农业4.0”背景下我国精密农业发展趋势分析[J].南方农业，2017，11（22）：71-72.
[4]张昊.浅析我国农业发展趋势[J].农技服务，2016，33（06）：32.
基金项目：2020年安徽省教育厅关高等学校省级质量工程项目，课程思政项目“C语言程序设计”，（编号：2020szsfkc1004）.
2020年校级质量工程线下课程，“现代教育技术”，（编号：szxy2020xxkc07）.
2020年宿州学院专创融合重点课程建设项目，（编号：szxy2020zckc22）.
（宿州学院 安徽 宿州 234000）