FASOM神经网络农业技术水平差距分析.docxVIP

　　农业技术是促进农业综合生产力和竞争力的战略因素,是提高农业生产力和实现农民生活富裕的重要保证。 　　通过对我国省际农业技术水平差异的定量评价,不仅可以把握我国农业技术水平的空间格局及区域差异,还可以正确理解农业技术水平区域差异的内在机理及成因,从而为指导区域农业优化发展提供现实依据。 　　1农业技术水平及其评价方法11农业技术水平关于农业技术水平,广大学者从不同领域、不同角度进行了理论和实践探讨[1-3,5]。 　　陈天佑、王红伶等认为,农业技术水平存在广义和狭义之分,是农业内部各要素如固定资产、流动资金、劳动力投入的集中体现,但是区域自然条件、农业基建投资对区域农业技术水平也有一定的影响。 　　黄晓潮、程为国认为,农业技术水平是反映一个地区或者区域利用自然和社会条件创造财富能力的综合效应,是可以度量的。 　　徐慧娜认为,农业技术进步水平受各种因素的影响,但社会经济因素起主要作用。 　　王武科、李同升等认为,农业技术水平是地区农业发展的综合反映,集中体现在技术投入水平、基础水平、外部影响力、技术产出水平、技术效率水平5个方面。 　　综上所述,农业技术水平是区域农业发展的综合体现,是区域内外各要素共同作用的结果。 　　它既是一个时间的概念,又是一个动态变化的概念,并直接影响区域农业发展和农业综合生产能力。 　　12农业技术水平评价方法目前,国内关于农业技术水平测度的方法主要有以下几种①生产模型。 　　这类方法依据技术进步、技术水平提高与经济增长的关系,从生产模型出发,推导出广义技术水平的实用测度模型[2-3];②超函数技术模型。 　　这类方法运用描述超技术的超函数的概念,并把各个地区的技术与超技术作对比,具体反映各个地区与超技术的差距及各个地区之间的差距[4];③多指标综合评价模型。 　　这种方法主要采用主成分分析法、因子分析法、聚类分析法、综合指标体系法,对描述对象的多项指标、信息加以汇集,用数学方法处理后,从整体上评测区域的农业技术水平[1,5,6]。 　　从现有的研究来看,生产模型和超函数技术模型等的定量分析限于农业内部诸要素,而对影响农业技术水平的社会经济因素则缺乏严格的计量检验;多指标综合评价模型固然是一种较好的评价方法,但是其在评价区域农业技术水平时也存在一些问题,如需要行业专家对问题的各层权重赋值,因而不同程度地存在人为干扰。 　　此外,距离法得出的分类结果也有可能存在局部差异。 　　基于上述原因,本文引入-神经网络模型,其不仅很好地集成了因子分析法可对多指标进行简约化处理,消除原始数据信息冗余的特性,而且继承了自适应神经网络非线性、无教师自组织、自学习的特点,较好地避免了主观性和局部分类偏差。 　　2农业技术水平评价指标体系对农业技术水平评价指标体系,不同的学者从各自不同的研究视角进行了探讨[1-7]。 　　在已有研究的基础上,本文依据科学性、系统优化、通用性、实用性的原则,综合分析及取舍,选取农业技术投入水平、产出效率、产出水平、基础水平及外部整体支农环境5个方面来构建农业技术水平综合评价指标体系,见图1,且各个原始量化指标在同类评价体系中采用频度均达3次以上,使得该综合评价体系具有较好的典型性和代表性。 　　1农业技术投入水平。 　　农业技术水平的高低与区域农业技术的投入大小密切相关,是区域内外各农业生产要素投入的结果。 　　一般而言,农业技术的投入愈大,农业技术水平的增幅就越高。 　　这里用电力投入指数、非农固定资产投资指数、中高级劳动力指数来衡量。 　　2整体支农环境。 　　良好的支农环境是促进农业技术水平提高的有力保障,其集中体现在区域支农政策、农业投资等几个方面。 　　这里采用农业投资指数、农户投资指数、固定资产投资指数3个指标来刻画。 　　3产出效率。 　　农业产出效率是区域农业技术水平的重要体现。 　　通常,农业技术水平越高,各要素投入产出的效率就越高。 　　该指标通过机械化效率、土地产出效率、劳动力产出效率、柴油使用指数4个小指标来综合衡量。 　　4基础水平。 　　区域农业技术水平在某一时间段上是恒定的,但在时间序列上则是动态的。 　　它反映了过去一个时期区域农业的生产基础累积情况,也是体现农业技术水平的一个重要方面。 　　这里用农业劳动力指数和生产性固定资产拥有量来表示。 　　5产出水平。 　　农业产出水平是农业技术水平提高的最终体现,用于衡量农业技术的产出能力。 　　本文采用产量增幅指数来衡量区域农业产出水平。 　　3-神经网络模型的构建31-神经网络模型构建原理因子分析作为一种常用的多元统计分析方法,可以从众多可观测的变量中,概括和推论出少数不可观测的潜变量,目的在于用少量的因子去概括和解释大量的观测事实,并建立起