基于熵值法的低碳农业发展水平测度及影响因素研究--以甘肃省为例

Fu Ying1,2，Lu Sinan3,Wu Yanhong
1,2
From the perspective of low-carbon economy and green development,this paper uses entropy method to select 20indicators from society,economy,emission reduction and ecology aspects,and reconstructs a comprehensive
evaluation system for low-carbon agriculture development,taking Gansu Province as a Dynamic evaluation research
sample.The research results show that the development level of low-carbon agriculture in Gansu Province in2005-2014is
generally on the rise,but the agricultural economic effects and ecological effects are slow to improve.Through the ridge
regression analysis of the total agricultural output value and the main input factors,it is found that agricultural plastic film,
pesticide application amount,agricultural machinery total power and agricultural diesel consumption are the main factors
affecting the development of low-carbon agriculture,but the application amount of agricultural chemical fertilizer has
been obtained.Effective control.The research shows that the evaluation index system constructed is correct and feasible.
On this basis,the countermeasures and suggestions for promoting the development of low-carbon agriculture were put
forward.
Low carbon agriculture,Entropy method,Horizontal measure,Influencing factor,Gansu Province 基于熵值法的低碳农业发展水平测度及影响因素研究——
—以甘肃省为例
付英1,2，吴艳红1,2，卢思南3
（1.甘肃省科学技术情报研究所，甘肃兰州730000；2.甘肃农业大学财经学院，甘肃兰州730070；
3.兰州财经大学，甘肃兰州730070）
摘要从低碳经济和绿色发展的角度出发，采用熵值法，从社会、经济、减排及生态方面选取20个指标，
重新构建低碳农业发展综合评价体系，以甘肃省为研究样本，进行动态评价研究。

研究结果显示，2005年—
2014年甘肃省低碳农业发展水平总体上呈现不断上升趋势，但是农业经济效应和生态效应提升缓慢。

通过
对农业总产值与主要投入要素进行岭回归分析，发现农用塑料薄膜、农药施用量、农业机械总动力和农用
柴油消耗量等是影响低碳农业发展的主要因素，但是农业化肥施用量已得到有效控制，研究表明所构建的
评价指标体系是正确、可行的。

在此基础上，提出了推进低碳农业发展的对策建议。

关键词低碳农业熵值法水平测度影响因素甘肃省
中图分类号F303.4文献标志码A doi:10.3969/j.issn.1673-887X.2018.06.030
收稿日期2018-06-02
作者简介付英（1987-），女，甘肃人，助理研究员，研究方
向：区域经济、农业经济、科技创新管理研究等。

项目基金中央引导地方科技发展专项“兰白试验区统计监测
评价平台建设”（YDZX2017200002793）。

通讯作者吴艳红，wyhong07@。

“十三五”是我国全面建成小康社会的决胜时期，也是经济社会转型发展、深化农村改革、建设现代农业、推进
“四化同步”、加快脱贫攻坚的关键阶段。

甘肃作为经济欠
发达地区的典型代表，农业资源短缺和生态环境脆弱并
存，农业面源污染日趋加重，生产力水平长期低而不稳，与
持续提高农业综合生产能力的要求不相适应。

如何在新常
态下弥补“四化同步”短板，如何增强农产品供给结构的适
应性和灵活性，如何在后追者中实现跨越式发展，如何加文章编号：1673-887X(2018)06-0068-05
·调查研究·
68
农业技术与装备AGRICULTURAL TECHNOLOGY&EQUIPMENT Vol.342No.06 JUN.2018
快推进农业现代化进程等，都是甘肃省破解农业发展面临的结构性矛盾和难题。

为有效破解这一系列难题，大力发展低碳农业是欠发达地区实现乡村振兴的根本途径，也是打造田园综合体和实现可持续发展的重要举措。

因此，本文运用熵值法对2005年—2014年甘肃省低碳农业发展水平进行综合评价，运用多元回归分析法探究其影响因素，以期为甘肃省及西部欠发达地区低碳农业发展提供参考借鉴。

1文献综述
随着低碳农业的发展，对区域低碳农业发展水平的量化评价或测算成为国内外一个重要研究课题。

目前，国内学者主要采用模型法、参数比较法和多指标综合测度法，测评低碳农业发展水平。

其中，多指标综合测度法由于测度过程规范、结果直观、经济意义明确、可操作性强而得到广泛应用，最为常见的多指标综合测度法包括灰色关联分析法、层次分析法、熵权法和综合指标体系法等。

其中，谢淑娟、王娜、陈瑾瑜、李练军等学者[1-5]从不同维度构建了低碳农业发展评价指标体系，采用层次分析法，对各区域低碳农业发展水平进行了预算和比较分析；钟婷婷、吴丽娟等学者[6-7]采用熵值法，探索研究了低碳农业发展水平评价指标体系和量化标准；孙轶男等学者[8]，采用DEA效率模型，进行黑龙江省域低碳农业综合评价研究。

但是，关于低碳农业的评价指标体系、测度标准与量化测算方法至今尚未形成统一。

关于低碳农业影响因素研究，黎孔清、陈儒、刘丽辉、高标等学者[9-13]，运用STIRPAT模型、GM（1，1）灰色模型等，分析不同区域的农业碳排放驱动因素及趋势预测。

鉴于农业碳排放研究的内容和视角较为广泛，在绿色发展理念下，其驱动因素和趋势预测还有待深入研究。

甘肃作为西部欠发达地区的缩影，依托农业资源优势，深入实施“乡村振兴”战略，深化农业供给侧结构性改革，探索以循环经济促进农村地区扶贫脱贫的新途径，建立绿色、低碳、循环、高效、可持续的农业产业体系、生产体系和经营体系，提高农业循环化发展水平势在必行。

因此，本文以甘肃省为研究样本，运用熵值法和多元回归分析法，综析低碳农业发展水平，揭示其影响因素，以期为甘肃及西部欠发达地区低碳农业发展提供参考借鉴。

2研究方法及数据来源
2.1指标体系设计
低碳农业具有多元化功能，是指以实现资源循环利用为目的，以减少碳排放、增加碳汇和建设低碳乡村为手段，通过加强基础设施建设、调整产业结构、发展农村可再生能源等农业生产和农民生活方式的转变，实现高效率、低能耗、低排放、高碳汇的农业。

为实现节约型、安全型、健康型和效益型并存的新型生产模式，本研究结合现代农业综合评价指标模型，在借鉴国内外学者研究成果的基础上，考虑到指标数据的持续可获得性和可比性，从农业社会发展、经济水平、资源利用及生态环境4个维度，设置了20个指标，构建甘肃省低碳农业发展水平评价指标体系（见图1）。

2.2方法选择
综析国内外研究成果，通常采用的综合评价方法主要有综合指数法、主成分分析法、AHP法、熵值法、数据包络分析法、模糊综合评价法、灰色系统法等，这些方法各具特色，各有利弊。

本文采用的熵值法也是综合评价过程中常用的方法之一，并在实践中能客观地评估某区域一定时期内低碳农业发展水平。

2.2.1单项指标处理
由于低碳农业发展水平评价指标体系中各项评价指标的量纲、正负及数量级差异较大，采用熵值法对2005年—2014年甘肃省和甘肃14个市州低碳农业发展水平进行评价时，为消除因量纲不同和数量级不同对评价结果的影响，对数据进行标准化处理。

Fig.1Evaluation index system
69
负向指标标准化处理采用如下的计算公式：
X j'j（X max-X jj）/（X max-X min）.（1）正向指标标准化处理采用如下的计算公式：
X j'j=（X jj-X min）/（X max-X min）.（2）2.2.3权重计算方法选择
关于确定指标权重的方法有很多，根据原始数据的来源不同，可将这些方法划分为三大类，主要有主观赋权法、客观赋权法、组合赋权法。

综合考虑其优劣势，本文运用客观赋权法中较常用的熵值法，所得权重的客观性强，且不增加决策者负担，很好地反映了属性值得离散程度，具有较强的数学理论依据。

其计算过程如下：
首先，计算第j项子指标下第i年份（地区）指标值的比重Y ij（0≤Y ij≤1），建立数据的比重矩阵Y={Y ij}m*n。

Y ij=X'ij/∑m i=1X'ij.（3）式中：i=1,2,...,m；
j=1.2,...,n；
m为评价年数或地区数，n为指标数量。

其次，计算第j项子指标的信息熵e j：
e j=-k∑m i=1（Y ij伊InY ij）；
k=1/Inm.（4）第三，计算指标X ij的效用系数d j：
d j=1-
e j.（5）
第四，计算第j项子指标的权重w j：
w j=d j/∑n j=1d j.（6）第五，同理计算第i项分类指标的权重Q i。

最后，再采用加权求和法计算各年度（地区）低碳农业发展水平综合评价得分Z：
Z=∑n j=1W j X'ij.（7）2.3数据来源
为使数据分析结果具有科学性、可比性和可行性，本研究统一数据来源和统计口径，数据主要来源于历年的《中国统计年鉴》《中国农村统计年鉴》《甘肃发展年鉴》等，还有部分数据来源于地方科技统计年鉴及相关统计部门网站。

此外，以货币计量的时间序列数据，均以1978年或1990年的不变价格表示，以便进行纵向比较。

3测评结果与分析
3.1计算权重
运用低碳农业发展水平测度评价体系的20个子指标数据，采用公式（1）~（6），经测算，得到分类指标QⅠ、QⅡ、
QⅢ、QⅣ的权重分别为0.2483、0.2470、0.2504和0.2543。

子指标X1~X5的权重分别为0.1493、0.3358、0.1709、0.2087、0.1352，子指标X5~X10的权重分别为0.2303、0.1663、0.1991、0.1991、0.2052，子指标X10~X15的权重分别为0.1789、0.1907、0.1963、0.2196、0.2144，子指标X15~X20的权重分别为0.2133、0.2190、0.3298、0.1196、0.1182。

3.2综合测评结果与分析
采用加权求和计算出低碳农业发展水平综合评价得分和4项分类指标评价值，绘制成趋势图（见图2），分别反映了2005年以来，甘肃低碳农业发展水平综合评价和4个分类指标评价结果的变化趋势。

3.2.1综合测评结果
从图1可以看出，2005年—2014年甘肃省低碳农业发展水平综合水平呈现逐年上升趋势，综合测度得分由2005年的0.0139稳步上升至2014年的1.000，年均增长60.87%。

期间可以划分为两个阶段：第Ⅰ阶段（2004年—2009年）为缓慢发展期，评价值稳定在［0.01，0.30］，第Ⅱ阶段（2010年—2014年）为快速增长期，评价值稳定在［0.40，1.00］，年均增长率达24.09%，2014年这评价得分趋于1，说明“十二五”期间，甘肃低碳农业发展成效显著。

1.0
0.8
0.6
0.4
0.2
0.0
（0.2）
综合评价得分
y=0.114x-0.2105
R2=0.9743
年份2005200620072008200920102011201220132014
图22005年—2014年甘肃省低碳农业发展水平综合测评得分
Fig.2Comprehensive evaluation score of low-carbon agriculture
development level from2005to2014
3.2.2分类指标测评结果
从分类指标评价结果来看，农业社会发展指标评价值呈现持续稳定增长态势。

由2005年的0.001分提高到2014年的0.9841，年均增长率达177.76％，这类指标对甘肃低碳农业发展整体提升具有较强的拉动作用，其主要贡献为土地生产率、农业劳动生产率和农民收入等农业经济指标的持续稳定增长，这与甘肃省全面推进农业供给侧结构性改革、加快推进现代农业进程有着十分密切的关系。

农业经济水平指标评价值呈波动变化态势，由2005年的0.1834分提高到2014年的0.08334分，年均增长率达18.33％，农业经济效应在缓慢提升。

资源有效利用指标评价值呈稳步上升态势，由2005年的0.0235分提高到
·调查研究·付英等：基于熵值法的低碳农业发展水平测度及影响因素研究——
—以甘肃省为例70
农业技术与装备AGRICULTURAL TECHNOLOGY&EQUIPMENT Vol.342No.06 JUN.2018
2014年的0.09118分，年均增长率达50.17％。

农业生态
环境指标评价值呈波动上升态势，由2005年的0.6491分提高到2014年的0.9604分，年均增长率达4.45％，农业生态效应在缓慢提升。

4影响因素分析
选取农业投入要素中的农业机械总动力（X1）、农业化肥施用量（X2）、农药施用量（X3）、农用塑料薄膜施用量（X4）、农用柴油消耗量（X5）作为自变量，选取农业总产值（X1）作为因变量，进行多元线性回归分析，找出对农业总产值β影响最为显著的因素。

建立多元线性回归
模型：
Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ε.（8）式中：β0——
—常数项，（i=1、2、3……n）为各影响因素的
回归系数值；
ε——
—服从标准正态分布的随机误差项。

通过SPSS20将论文所选取的指标进行多元线性预测，得到原回归模型为：
Y=-636.24+0.322X1+0.779X2-16.750X3+34.603X4+0.103X5.
（9）从表1可以看出，输出结果调整的R2=0.998，F值通过了5%显著性水平检验，可知模型整体拟合度良好。

表1影响因素的最小二乘估计结果
Tab.1The least squares estimation results of the influencing factors
模型平方和自由度均方F值P值
1回归1052725.1575210545.031541.384.000b 残差1944.5095388.902
总计1054669.66510
4.1多重共线性检验
表2自变量VIF检验结果
Tab.2Test results of independent variable VIF
变量名β标准误t值VIF
X10.3220.7710.4173030.853
X20.779 2.0050.38954.558
X3-16.7509.404-1.781 3.628
X434.60316.176 2.139108.956
X50.1030.9160.1123002.269
对模型进行多重共线性检验，通过观察下表中VIF （方差扩大因子），发现变量X1、X2、X4、X5的VIF值均远大于10，说明选取的变量数据中存在严重的多重共线性，使得普通最小二乘法估计参数的误差难以控制。

4.2岭回归分析
为解决上述5个变量的多重共线性问题，本文拟采用岭回归方法对所选取指标重新进行回归估计。

岭回归分析是对存在共线性的数据进行有偏估计的一种回归估计方法。

其实质是放弃最小二乘法估计的无偏性，模型的精度和信息量会有一定程度的降低，但是会获得更加符合经济学理论、可靠的回归系数。

在使用岭回归估计出来的回归系数的显著性明显高于最小二乘回归，但是回归方程的会略低于普通回归。

故在多元回归分析中，岭回归在实际问题的解决上有较大的实用价值。

当计量模型中的多个变量之间存在多重共线性即变量存在|X'X|≈0时，我们称之为变量之间的交互相关性；岭回归估计的定义为：给原估计模型β⌢=XY⌢增加一个正常
数矩阵K1，而使得β⌢（k）=（X‘X+K I）XY⌢［其中k为岭回归参数，取值范围为（0，1）］。

岭回归模型的构建以及结果分析如下：
根据上文选取的5个指标数据，利用岭回归估计方法分析农业总产值与各影响因素之间的函数关系：
Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ε.（10）其中，β0是常数项，βi是X i（i=1,2,3…）对应的偏回归系数，指的是当其他自变量不变时，自变量每增加一个单位而引起的因变量的变化量。

在对所选取的5个变量进行岭迹分析，得到K值为
0~0.02，回归模型趋于稳定。

因此，选取K=0.02时，其回
归估计的结果如下表所示：
表3影响因素岭的回归估计结果
Tab.3Regression estimation results of influencing factor ridge
lnXβT值P值
lnX10.215510.392e-16***
lnX20.0749 2.4180.01558*
lnX30.3141 2.8740.00406**
lnX40.31487.1618e-13***
lnX50.223710.0672e-16*** 4.3结果分析
通过上文对所选取指标数据的岭回归分析，计算得出了各种因素对农业总产值Y的影响，给予模型估计结果可以得出如下结论：
（1）农用塑料薄膜使用量和农药施用量是促进农业总产值增加的主要原因。

从实证结果来看，在农业生产过程
71
中，农药施用量和农用薄膜施用量对农业生产总值的弹性系数分别为0.3141和0.3148，且对农业总产值均表现出正向作用，表明在样本期内，增加农用薄膜和农药的施用量能够促进农业总产值的增长；一方面农用薄膜的使用，能够减少土壤中的水分的流失，这对于甘肃省干旱地区的农业生产活动的进行有着举足轻重的作用；而农药的施用量，并非总指杀虫剂一类的有公害药剂，更多的是代指保护农作物一类的无公害药物。

（2）农业机械总动力和农用柴油消耗量对农业总产值也有不同程度的促进作用，弹性系数分别为0.2155和0.2237；表明在样本期内增加农业机械和燃油的投入量有利于农业总产值的增加；不难发现农业机械总动力中有一大部分是由农用柴油消耗而提供的，二者在某种意义上来说是互补的作用，在机械的协助下，农业从业人员的工作效率得到了大幅度的提升，共同对农业总产值起到了促进作用。

（3）在所选取的5个变量中，农业化肥施用量对农业总产值的促进作用最小，弹性系数仅为0.0749，究其原因，农业化肥在增产的同时，会产生大量的CO2和CO，而且能耗极高，对化肥副作用的进一步认识和防范，导致化肥施用量在逐渐减少，依靠化肥提升农业总产值的边际效用越来越小，说明以化肥投入为主要贡献的农业生产方式正在逐渐改变，这也有利于实现低碳农业的绿色、高效、可持续发展。

5结论与启示
研究表明，甘肃省低碳农业发展水平总体上呈现不断上升趋势。

其中，农业社会发展指标和资源有效利用指标呈现出稳步上升的趋势，农业经济水平指标评价值呈波动变化态势，农业经济效应和生态效应在缓慢提升。

可见，农业资源与农业生态环境是甘肃省低碳农业发展的阻碍因素。

从岭回归分析来看，对低碳农业总产值影响最大的是农用塑料薄膜和农药施用量，其次是农业机械总动力和农用柴油消耗量，最后是农业化肥施用量。

因此，为进一步降低甘肃省农业碳排放量，实现低碳农业发展，应调整农业产业结构，降低农业能源消耗，推行绿色农业生产方式，推广旱作农业，推动农业资源综合利用。

此外，需要说明的是，低碳农业作为一种新型的发展模式，始于应对全球气候变化的大背景。

鉴于目前国内外没有统一的标准化考核体系，本研究建立的低碳农业发展评价指标体系也只是对低碳农业发展潜力的一种相对评估。

因此，在评价指标选择、权重确定、模型构建、方法检验等方面是否科学、合理与客观，仍有待今后进一步深入研究与完善。

参考文献
[1]谢淑娟,匡耀求,黄宁生,等.低碳农业评价指标体系的构建及对广
东的评价[J].生态环境学报,2013(06):916-923.
[2]王娜.河南省低碳农业发展水平及其评价[J].中国农业资源与区划,
2018,39(02):123-127.
[3]陈瑾瑜,张文秀.低碳农业发展的综合评价--以四川省为例[J].经
济问题,2015(02):101-104.
[4]李练军.基于AHP法的江西现代农业发展水平评价及比较分析
[J].安徽农业科学,2015,43(2):334-336.
[5]王亚伟,韩珂.河南省低碳农业系统评价研究[J].天津农业科学,
2015,21(3):50-53.
[6]钟婷婷,郑晶,廖福霖,等．省域低碳农业发展水平评价研究[J].福
建农林大学学报，2014(014),17(6):43-48.
[7]吴丽娟,于振伟.山东省低碳农业发展评价[J].安徽农业科学,
2013,41(36):14169-14170,14172.
[8]孙轶男,梁静溪.基于DEA效率模型的黑龙江省域低碳农业综合
评价研究[J].科技与管理,2017,19(06):39-45+72.
[9]刘丽辉，徐军.基于扩展的STIRPAT模型的广东农业碳排放影响
因素分析[J].科技管理研究，2016(6)：250-255．
[10]高标,房骄,李玉波.基于STIRPAT模型的区域农业碳排放影响
因素分析[J]．环境科学与技术，2016(10)：190-197．
[11]黎孔清,马豆豆,李义猛.基于STIRPAT模型的南京市农业碳排
放驱动因素分析及趋势预测[J].科技管理研究,2018(08):238-245.
[12]陈儒,姜志德,姚顺波.低碳农业联合生产的绩效评估及其影响因
素分析[J].华中农业大学学报(社会科学版),2018(03): 44-55+154-155.
[13]李波,梅倩.农业生产碳行为方式及其影响因素研究-基于湖北
省典型农村的农户调查[J].华中农业大学学报(社会科学版),2017
(06):51-58+150.
·调查研究·付英等：基于熵值法的低碳农业发展水平测度及影响因素研究——
—以甘肃省为例72。