羅鈦龍，潘守慧，祝清震,4，王志彬，王開義*

(1黑龍江八一農(nóng)墾大學電氣與信息學院，大慶 163319；2北京農(nóng)業(yè)信息技術研究中心，北京 100097；3國家農(nóng)業(yè)信息化工程技術研究中心，北京 100097；4西北農(nóng)林科技大學機械與電子工程學院，咸陽 712100)

中國統(tǒng)計局2017年公布的數(shù)據(jù)顯示，我國農(nóng)業(yè)生產(chǎn)基地數(shù)量眾多，但這些生產(chǎn)基地發(fā)展水平參差不齊，其中生產(chǎn)經(jīng)營管理不規(guī)范是較為突出的問題，在一定程度上會引發(fā)農(nóng)產(chǎn)品質量安全問題，對人們的健康安全構成潛在威脅[1-2]，同時也削弱了我國農(nóng)產(chǎn)品在國內外市場上的競爭力[3-4]，以上問題已經(jīng)引起了廣大消費者和政府部門的重視。研究發(fā)現(xiàn)，對農(nóng)業(yè)生產(chǎn)基地進行征信評價，可為消費者提供公正、客觀的信息，優(yōu)化社會公眾的消費選擇[5-7]，同時也可為企業(yè)展示形象、提高競爭力、擴大市場份額提供支撐，有助于提升農(nóng)業(yè)生產(chǎn)基地的規(guī)范化管理水平和效益[8-9]，因此開展與農(nóng)業(yè)生產(chǎn)基地相關的征信評價系統(tǒng)的算法研究具有重要意義。

迄今為止，征信評價方法大致經(jīng)歷了比率分析、統(tǒng)計分析和人工智能3個發(fā)展階段。由于征信評價過程存在著模糊性，如信用數(shù)據(jù)的模糊性、信用等級邊界的模糊性等，一些基于模糊集合理論的評價方法被逐漸引入到征信評價中[10]。近年來，國內外學者利用層次分析法(Analytic hierarchy process，AHP)[11]與模糊綜合評價法(Fuzzy comprehensive evaluation method，F(xiàn)CE)[12-14]進行征信評價的研究較多[15-20]，如Li等[21]利用多層次模糊云模型改進了STSMEs融資信用綜合評價方法；Oktay等[22]將模糊層次分析法用來作為抵押需求者可信度的評價模型，為銀行提供貸款前提供了標準決策；Joshua等[23]利用模糊層次分析法確定了多標準決策系統(tǒng)中信用評分模型的指標權重。目前，在國內外學術界和產(chǎn)業(yè)界中，專門針對農(nóng)業(yè)生產(chǎn)基地征信評價的研究尚處于起步階段，相關文獻報道較少，針對農(nóng)業(yè)生產(chǎn)基地的征信評價主要依賴于農(nóng)業(yè)領域專家的經(jīng)驗判斷，迫切需要構建科學的面向農(nóng)業(yè)生產(chǎn)基地的征信評價模型。

為使評價結果更加科學合理，本研究根據(jù)AHP和FCE的自身特點，利用層次結構和定性指標模糊判斷的優(yōu)勢，將AHP與FCE相結合并將其應用于農(nóng)業(yè)種植生產(chǎn)基地的征信評價，構建基于AHP-FCE的農(nóng)業(yè)種植基地征信評價模型，并對2017年度北京市農(nóng)業(yè)農(nóng)村信息化示范基地中的種植生產(chǎn)基地進行模型驗證與結果分析，以期達到通過模型評價的結果與通過農(nóng)業(yè)部示范基地標準規(guī)范評價的結果相吻合的目的，為農(nóng)業(yè)種植生產(chǎn)基地的征信評價提供理論依據(jù)與數(shù)據(jù)支持。

1 基于AHP-FCE的征信評價模型

本研究的AHP-FCE評價模型如圖1所示。首先利用AHP構建農(nóng)業(yè)種植生產(chǎn)基地層次結構模型并確定評價指標體系，然后定量描述模型中各層次的相對重要性，建立層次結構模型，再通過數(shù)學方法確定各層次中各因素的權重，形成判斷矩陣，最后綜合計算各層次因素相對總目標的權重并進行一致性檢驗，作為模糊評價的依據(jù)。利用FCE進行模糊綜合評價，首先根據(jù)AHP得出的指標權重計算指標的模糊隸屬度，再計算綜合評分，通過建立評語等級、評分標準得出農(nóng)業(yè)種植生產(chǎn)基地的評價結果。

本研究在利用AHP對復雜決策問題進行深入分析的基礎上，利用較少的定量信息使決策的思維過程數(shù)學化的特點，為農(nóng)業(yè)種植生產(chǎn)基地制定一套簡便的決策方法，以達到讓原本只有專家才能夠評判的指標模型化，極大提高評價效率的目的。同時AHP以定量形式表達人們的主觀判斷，可以減少人為主觀因素帶來的弊端，可使評估結果更加可信。但是AHP所確定的指標中有部分指標的評價范圍是模糊不清的，無法做到量化，所以本研究采用FCE模糊數(shù)學思想，以隸屬度來描述模糊界限并降低模糊性，將不易定量表達的元素數(shù)量化，再對評價對象的利弊層次進行區(qū)分，比較評價結果與實際情況的差距。

1.1 基于AHP-FCE的指標權重確定方法

1.1.1 構建評價指標體系

若要進行客觀公正評價，需對種植生產(chǎn)基地構建征信評價指標體系，包括評價要素、評價指標、評價方法、評價標準、評價權重和評價等級，通?？衫肁HP構建一個由目標層、準則層、指標層組成的遞階層次模型(圖2)。一般情況下，確定評價標準與相關參數(shù)的基本原則是盡可能保持科學性、核心性、可操作性、動態(tài)性，并與通常慣例相符[24]，如一些評價標準可根據(jù)實際統(tǒng)計的平均水平，并結合國際慣例、地區(qū)差異、行業(yè)差距等來確定[25]。

1.1.2 構造判斷矩陣

判斷矩陣表示相對于上一層次的某一指標與本層次有關指標之間相對重要性的比較。設有n個元素參與兩兩比較，則M=(aij)n x n稱為成對比較矩陣，如式(1)所示，aij>0，aii=1，aji=1aij，其中i，j=1，2，3，…，n，aij的值表示第i行要素與第j列要素的相對重要性，而當?shù)趈列要素比第i行要素更為重要時，則采用表達式1aij，如得分為1表示兩個要素同等重要，得分為9表示與第j列要素相比，第i行要素極為重要，相關的詳細標準如表1所示。

(1)

表1 判斷矩陣中元素的相對價值標準

對M按列歸一化處理，如式(2)所示：

(2)

矩陣按行相加，得到矩陣的行向量δ=(ω1，…，ωi，…，ωn)T，其中ωi的計算公式如式(3)所示：

(3)

根據(jù)式(4)對向量δ=(ω1，ω2，ω3,…，ωn)T進行標準化處理，求得矩陣M的特征向量W=(ω1，ω2，ω3,…,ωn)T，即為該層各指標權重。

(4)

根據(jù)式(5)求得矩陣M的最大特征根λmax。

(5)

其中，(AW)i為矩陣M與W乘積向量的第i個元素。

1.1.3 一致性檢驗

一致性檢驗是為了確定上述矩陣的計算誤差，若通過一致性檢驗，則說明構造的矩陣科學合理，計算結果較為準確，其檢驗具體詳細步驟為：(1)計算一致性指標(Consistence index)CI=(λmax-n)(n-1)，其中n為判斷矩陣的階數(shù)；(2)計算一致性比率(Consistence rate)CR=CIRI，CR<0.1時，一般認為判斷矩陣的一致性是可以接受的，否則，應對判斷矩陣作適當?shù)男拚?。其中，RI(Random index)為判斷矩陣的隨機一致性指標(表2)。

表2 n階判斷矩陣體的隨機一致性指標

1.1.4 計算指標相對總目標權重

在確定準則層判斷矩陣的一致性后，對指標層構造判斷矩陣并作歸一化處理，同理利用步驟式(2)—式(5)可得到指標層各指標的權重，根據(jù)權重數(shù)值可求得指標層相對目標層的權重Wi。以指標層中指標i的權重W3i為例，其所屬準則層的指標權重為W2i，那么可得到指標i相對目標層的權重Wi=W2i×W3i，從而確定了指標體系內所有指標相對總指標體系所占的權重。

1.2 基于FCE的模糊綜合評價方法

1.2.1 建立因素集

在基于AHP方法確定征信評價體系各指標權重的基礎上，采用FCE方法完成評價。首先建立準則層的因素集T={C1，C2，C3,…，Cn}，則指標層的因素集為C1={I101，I102，I103,…，I10i}，C2={I201，I202，I203,…，I20i}，……，Cn={In01，In02，In03,…，In0i}。

1.2.2 建立評語集

結合行業(yè)特點制定相應的評級標準，并依照綜合評分按由低到高的順序依次劃分為n個等級，記為V=[V1，V2，V3,…，Vn]，同時邀請行業(yè)專家制定相應的評語集參數(shù)v，記為v=[v1，v2，v3,…，vn]。

1.2.3 確定指標隸屬度

(6)

(7)

其中，r(Si)+表示正向指標隸屬度，r(Si)-表示負向指標隸屬度，Pi表示指標實際值，[Smin-Smax]表示依據(jù)行業(yè)標準確定的指標區(qū)間。

對于定性的指標，邀請有經(jīng)驗的相關從業(yè)人員根據(jù)評語集參數(shù)對各指標進行計分，從而確定定性指標的隸屬度。

1.2.4 建立模糊關系矩陣與綜合評價

首先對各項指標進行量化分析，然后對不同級別評語進行模糊化處理，得出指標層的單因素評價矩陣RC。將指標的權重與矩陣RC相乘進行合成運算，如式(8)所示。

B=WI×RC

(8)

根據(jù)式(8)可得到集合T中各子集的綜合評價矩陣。

R=(B1,B2,…,Bm)T

(9)

根據(jù)式(9)，結合求得的權重向量，得到準則層對于目標層的模糊綜合評價結果。

E=WCR=(e1,e2,…,en)

(10)

E是T的一個隸屬度的結果向量，而最終評價結果是E和V相乘得到的代數(shù)值。

Z=EV=(e1,e2,…,en)(v1,v2,…,vn)

(11)

2 應用實例分析

為驗證模型的有效性，選取北京慧田蔬菜種植專業(yè)合作社為模型驗證對象，首先確定該農(nóng)業(yè)種植生產(chǎn)基地對應的評價指標，通過AHP構造判斷矩陣，計算得到每個指標的權重，根據(jù)權重向量對判斷矩陣進行一致性檢驗。利用FCE確定指標具體量化分值，最終得出綜合評分結果，并將評分結果與目前行業(yè)領域專家依據(jù)經(jīng)驗判斷出的結果進行對比，從而驗證該評價模型的可行性。

確定征信評價指標體系，應制定具有良好激勵機制的信用信息征集制度。指標體系應包含多層評價因子，同時可對大量農(nóng)業(yè)種植生產(chǎn)基地的數(shù)據(jù)進行統(tǒng)計特征的分析，以確定農(nóng)業(yè)種植生產(chǎn)基地所具有的特征，如信用好的農(nóng)業(yè)種植生產(chǎn)基地一般具有哪些特征，信用不好的農(nóng)業(yè)種植生產(chǎn)基地一般具有哪些特征。按照農(nóng)業(yè)種植生產(chǎn)基地征信評價指標之間的相互影響和隸屬關系，構建層次結構模型(圖3)。準則層由征信主體、生產(chǎn)經(jīng)營、監(jiān)督檢查、質量檢測、風險防控和公眾反饋6部分構成，將準則層細化為具體的評價指標項，構成指標層。對各層指標項計算權重、計算量化分數(shù)，最終得出農(nóng)業(yè)種植生產(chǎn)基地征信評價的結果。其中，準則層中各部分的選取依據(jù)如下。

(1)征信主體：以北京市農(nóng)委(以下都簡稱農(nóng)委)管理范圍內的資格認證項目為準則，進行指標層的細化，如三品一標基地(無公害農(nóng)產(chǎn)品認證基地、綠色農(nóng)產(chǎn)品認證基地、有機農(nóng)產(chǎn)品認證基地、標準化生產(chǎn)基地、標準化種養(yǎng)殖基地的簡稱)評定標準，農(nóng)委項目完成情況等，挑選重點內容納入到征信主體評價指標。

(2)生產(chǎn)經(jīng)營：以農(nóng)委監(jiān)督的農(nóng)業(yè)生產(chǎn)基地的上報信息為準則，按上報信息進行指標層細化，對上報頻次、上報信息質量等內容納入生產(chǎn)經(jīng)營評價指標。

(3)監(jiān)督檢查：以農(nóng)委監(jiān)管框架內的執(zhí)法項目為準則，對監(jiān)督檢查進行指標層的細化，如日常巡檢及專項任務檢查結果，對執(zhí)法項目重要內容納入監(jiān)督檢查評價指標。

(4)質量檢測：以農(nóng)委管理的檢測機構的檢測數(shù)據(jù)為準則，按檢測項目進行指標層的細化，對重要的檢測項目內容納入質量檢測評價指標。

(5)風險防控：評價該農(nóng)業(yè)生產(chǎn)基地的風險值，按照一般、較大、重大、特大來區(qū)分事故的情況并納入風險防控評價指標。

(6)公眾反饋：針對公眾服務平臺、信用信息查詢、黑名單公示、公眾舉報投訴等形式的重要內容納入公眾反饋評價指標。

為了清晰簡明地描述模型驗證過程，以北京慧田蔬菜種植專業(yè)合作社為例進行驗證。首先對農(nóng)業(yè)種植生產(chǎn)基地的準則層構造判斷矩陣，并計算6項指標相對于目標層的權重(表3)。

通過歸一化處理得到矩陣M的最大特征值為6.235，矩陣M對應的特征向量W=(0.328，0.328，0.164，0.060，0.060，0.060)T。準則層判斷矩陣的一致性檢驗處理結果如下。

準則層有6個指標，n=6，查表2得RI=1.24；一致性指標CI=(λmax-n)(n-1)=(6.235-6)(6-1)=0.047，從而可得：CR=CIRI=0.0471.24=0.038<0.1，一致性檢驗通過。

本準則層的6項指標權重為W=(WC1，WC2，WC3，WC4，WC5)T=(0.328，0.328，0.164，0.060，0.060，0.060)T。

表3 準則層判斷矩陣

同理上述過程，計算得出農(nóng)業(yè)種植生產(chǎn)基地指標層各指標的權重(表4)。

表4 農(nóng)業(yè)種植生產(chǎn)基地征信評價指標及其權重

結合農(nóng)業(yè)種植生產(chǎn)基地的特點制定相應的評級標準，即依照農(nóng)業(yè)種植生產(chǎn)基地綜合評分的高低劃分為V=[V1，V2，V3，V4，V5]=[(0,30)，(30，60)，(60，70)，(70，90)，(90，100)]五個等級,分別代表極差、較差、一般、良好、極好。一般取評分的中值作為評級參數(shù)向量,即評級參數(shù)向量為v=[v1，v2，v3,v4，v5]=[15，45，65，80，95]，如表5所示。

利用式(6)、式(7)，計算指標層中定量指標的隸屬度并評級，如假設負向指標I601的隸屬度為0.67，則對應的評級為V3，該等級的隸屬度為1，其余4個等級的隸屬度為0；邀請10名有經(jīng)驗的相關從業(yè)人員對指標層的定性指標進行評價，統(tǒng)計指標的評價等級頻數(shù)(表6)。

表5 農(nóng)業(yè)種植生產(chǎn)基地信用評級表

表6 評價等級頻數(shù)

根據(jù)表6可以得到模糊關系矩陣。

根據(jù)式(8)得到準則層的單因素評價結果：BC1=WI101—111·RC1=(0.0971,0.2253,0.1554,0.2757,0.2465)。

同理得到BC2…BC6，從而可得總模糊關系矩陣R。

進而可得綜合評價向量：E=WCR=(e1,e2,…,en)=(0.0318，0.1600，0.2164，0.2459，0.3459)，以及該農(nóng)業(yè)種植生產(chǎn)基地征信評價分數(shù)：Z=EV=(e1,e2,…,en)·(v1,v2,…,vn)=74.2755分，評價結果為良好，信用等級為V4，說明該農(nóng)業(yè)種植生產(chǎn)基地的信用較好。

以本研究模型驗證的農(nóng)業(yè)種植生產(chǎn)基地為例，對其評價結果進行分析。從準則層面來看，農(nóng)業(yè)種植生產(chǎn)基地的征信主體屬性在極好級別的隸屬度為0.2465，在良好級別的隸屬度為0.2757，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的征信主體屬性為良好級別，具備標準化基地、有機農(nóng)產(chǎn)品基地、綠色農(nóng)產(chǎn)品基地、無公害農(nóng)產(chǎn)品基地的認證資格，該結果符合2017年北京市農(nóng)業(yè)農(nóng)村信息化示范基地的評選標準；農(nóng)業(yè)種植生產(chǎn)基地的生產(chǎn)經(jīng)營屬性在極好級別的隸屬度為0.3516，在一般級別的隸屬度為0.3094，根據(jù)隸屬度最大原則，說明農(nóng)業(yè)種植生產(chǎn)基地的生產(chǎn)經(jīng)營屬性為極好級別，生產(chǎn)經(jīng)營的信息質量較高，符合該單位的生產(chǎn)實際情況；農(nóng)業(yè)種植生產(chǎn)基地的監(jiān)督檢查屬性在極好級別的隸屬度為0.3703，在良好級別的隸屬度為0.2502，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的監(jiān)督檢查屬性在極好級別，在日常巡檢及專項任務檢查中成績突出；農(nóng)業(yè)種植生產(chǎn)基地的質量檢測屬性在極好級別的隸屬度為0.2299，在良好級別的隸屬度為0.5354，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的質量檢測屬性為良好級別；農(nóng)業(yè)種植生產(chǎn)基地的風險防控屬性在極好級別的隸屬度為0.5450，在一般級別的隸屬度為0.2125，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的風險防控屬性為極好級別，出現(xiàn)事故的頻率極低；農(nóng)業(yè)種植生產(chǎn)基地的公眾反饋屬性在極好級別的隸屬度為0.7062，在一般級別的隸屬度為0.1008，根據(jù)最大隸屬度原則，說明農(nóng)業(yè)種植生產(chǎn)基地的公眾反饋屬性為極好級別，在公眾心目中的地位較高，信用極好。

為驗證本模型評價結果的準確性和有效性，將本研究模型計算出的評價結果與農(nóng)業(yè)部示范基地標準規(guī)范評價的結果進行對比，發(fā)現(xiàn)結果趨于一致。

3 討論與結論

目前針對農(nóng)業(yè)種植生產(chǎn)基地領域的信用評價研究少見報道，與其相似的綜合評價多見于銀行信貸與物流領域。作者及其團隊通過對大量農(nóng)業(yè)種植生產(chǎn)基地數(shù)據(jù)的統(tǒng)計分析，總結出農(nóng)業(yè)種植生產(chǎn)基地的自身特點，確定了農(nóng)業(yè)種植生產(chǎn)基地在信用方面的特征，并構建了農(nóng)業(yè)種植生產(chǎn)基地征信評價指標體系。在征信評價的過程中，利用AHP方法確定指標權重，其結果具有準確性、穩(wěn)定性與可解釋性。值得注意的是，征信評價指標體系越詳細，對農(nóng)業(yè)種植生產(chǎn)基地的信用評價越準確，但是可操作性必然降低，因此應在保證可操作性的條件下盡量細分評價指標。利用FCE進行綜合評價，能夠將模糊邊界性的問題量化處理，如農(nóng)業(yè)種植生產(chǎn)基地的生產(chǎn)水平、投入品使用情況等問題，都能給予科學客觀的評價，最大限度地避開人為主觀因素，使評價結果更為準確可信。

本研究構建的評價指標體系希望可以普遍適用于其他種類的農(nóng)業(yè)種植生產(chǎn)基地，但目前尚未對其他類型的農(nóng)業(yè)種植生產(chǎn)基地進行研究，作者將在接下來的研究中繼續(xù)該項工作。目前，本研究尚未對其他地區(qū)的農(nóng)業(yè)種植生產(chǎn)基地進行模型驗證，僅對北京地區(qū)部分農(nóng)業(yè)種植生產(chǎn)基地進行了驗證，所以該模型還需要不斷完善，并對其普遍適用性進行加強，以滿足對多種類農(nóng)業(yè)種植生產(chǎn)基地征信評價的需求。

由于征信指標體系中含有模糊因素的指標，如投入品質量及使用情況、標準化基地抽檢、農(nóng)產(chǎn)品質量追溯情況等，針對此問題，本研究首先利用AHP方法確定了各項指標的權重，然后利用FCE方法建立評語集，確定隸屬度，構造模糊關系矩陣，對其進行量化計算，用嚴格的數(shù)學語言來表達和分析，最大限度地減少了人為主觀因素帶來的弊端，從而使農(nóng)業(yè)種植生產(chǎn)基地的征信評價結果更為可靠并取得更好的實際效果。

本研究在分析了農(nóng)業(yè)種植生產(chǎn)基地的特征、行業(yè)背景及標準的基礎上，構建了以征信主體、生產(chǎn)經(jīng)營、監(jiān)督檢查、質量檢測、風險防控為準則，可適用于種植類型生產(chǎn)基地共計30余項具體指標的信用評價指標體系。該指標體系可為科學合理評價農(nóng)業(yè)種植生產(chǎn)基地的信用狀況提供支撐，其評價結果也可對農(nóng)業(yè)種植生產(chǎn)基地規(guī)范化管理、改造和決策提供借鑒和實踐基礎。