基于柯布-道格拉斯模型的我國“互聯網+”智慧農業發展水平分析與路徑建議

趙俊仙

(鄭州工商學院經濟管理學院，河南鄭州 451400)

伴隨世界范圍內互聯網技術的不斷發展，互聯網和新型技術不斷融合對推進國內農業發展有較好的導向意義?！盎ヂ摼W+”[1]作為帶動農業經濟的引擎，并逐步演化為智慧農業，即在“互聯網+”的基礎上，聯合大數據、云計算以及物聯網技術推進農業發展，以河南省為例已逐步形成智慧農業的雛形，在全省范圍內構建農業產品安全追溯體系、電子農業[2]貿易平臺、農業產品物流配送核心和信息服務公社。傳統農業種養需要農民依靠自身經驗和感覺推測氣象狀態，若預測不到位則常出現減產和減收狀況，嫁接“互聯網+”到農業領域，農民采用傳感器、機器人和智能終端對農業生產整體流程把控，可實現智能化，大規模農業生產，不但能增加農業收益，還可增大資源利用效率，解放農民勞動力。

采用柯布-道格拉斯模型研究我國“互聯網+”智慧農業發展，能夠反映農業生產總量和農業固有資本投入、流動資本投入和農業勞動力投入間的關系，具有經濟學意義，對指導“互聯網+”智慧農業具有一定的理論價值。

自古以來，民以食為天。國內外針對農業發展展開大量研究，國外針對農業發展的科學研究開展較早，并形成了幾大主要學說。美國農業科研者Azadeh等根據發展中國家在20世紀60年代的農業發展狀況，提出了農業發展路徑學說，并將傳統農業向農業現代化發展劃分為3個階段，即技術停滯期農業發展階段、勞動密集型農業發展階段和資本代替勞力農業發展階段[3]；Torra等則采用收益價格流學說闡明傳統農業滯后發展的狀況，并提出改變傳統農業發展路徑的關鍵在于引入新型生產要素[4]；Tipawan則將稀缺類資源引導技術與制度變革，作為分析一個國家的資源稟賦狀況對該國農業發展路徑影響的關鍵因素[5]。

佟彩等結合創新性、協調性、綠色、開放度和共享探究我國智慧農業發展路徑[6]；陸文靜則從農商品供應、資源利用、技術設備、信息化農商和經營模式幾個角度闡明改變農業發展路徑的方向[7]；楊繼瑞等則從規模、物聯網、自動化、機械程度、技術水平著手探究技術密集型下的“互聯網+”農業發展路徑[8]。

1 中國當前“互聯網+”農業發展現狀

1.1 我國當前“互聯網+”農業發展現狀

近年來，國內“互聯網+農業”迅速發展，以農產品電子商務為例，2016年國內農業網絡貿易超出1 600億元，占據全部農商品貿易總額的3.5%左右。國內涉農電子商務貿易系統超出3 500個，呈飛速增長的狀態。農產品電子商務僅是“互聯網+”的一個環節，“互聯網+”逐步在農產品物聯網、數據服務等方向也初見成效?！盎ヂ摼W+”正將國內農業向智慧農業轉變，并使得農產品生產更為規范，輸送日益便捷。

1.2 我國當前“互聯網+”農業發展存在的問題

由于“互聯網+”農業理念尚待完善，農業產業格局不夠科學，商業模式有待完備，使得我國智慧農業的全面推進還有一定距離[9]。具體而言，網絡基礎設備尚未普及到各家各戶，農村基礎數據裝備薄弱，并且距離分散，需要大量的人力和物力進行建設。此外，各區域農村間的差別明顯，邊遠區域甚至尚未普及電話，“互聯網+”農業差距較遠；農民勞動力文化層次不高，專業人才匱乏，很難及時消化新科技；農村的“互聯網+”發展很難得到足夠的資本支持，數據獲取、軟硬件建設較差對現代化農業產生影響。

科研工作者只有不斷研究尋找新的技術策略，推進農業網絡建設，以“互聯網+”導向生產和市場，調節農業產業布局，改變農業產業鏈尋求高的經濟效益，轉變農業生產者生活模式，探究智慧農業發展路徑。

2 柯布-道格拉斯模型下的“互聯網+”智慧農業發展模型設計

2.1 柯布-道格拉斯模型概述

柯布-道格拉斯模型是由美國數學分析家柯布與經濟學家道格拉斯研究投入和產出關聯后構建的生產型函數[10]，在生產函數中，融入了信息技術資源因子，表述生產進程中的產量和投入關聯，并能夠預測國家或區域工業產出，并對大型企業生產和發展進行預測。由于農業需要依賴投入獲取經濟效益，信息技術、成本和勞動力均為投入要素，因而可采用柯布-道格拉斯模型研究農業產出。

2.2 柯布-道格拉斯模型研究假定設置

2.2.1 參量與要素分析 傳統農業模式將耕種面積作為內生參量，并引入勞動力、資本、技術、監管?！盎ヂ摼W+”智慧農業和其他農業模式存在差別，將信息化水平作為內生衡量參量。

為獲取可靠的驗證模型，“互聯網+”智慧農業給出以下假定：(1)時間穩定性。該假定可消除柯布-道格拉斯模型中的內生參量和外生參量由于時間因子出現的異常變動。(2)信息化水平穩定性分析。假定在3～6年內某區域的農業信息化建設與服務水準穩定，忽略其改變。(3)忽略信息技術和監管水平帶來的變化，為便于研究智慧農業經濟總值，本研究采用柯布-道格拉斯模型常數項A表述，其中，a、b參量恒定。

柯布-道格拉斯數學模型如公式(1)：

P=ATaWb。

(1)

式中：P為整體產量；T為投入資本；W為勞動投入項；A(m，h)、a、b為模型參量，取值區間在0到1之間。由于柯布-道格拉斯生產模型是非線性的，求解基本思路為采用參量替換方法把非線性模型轉換為線性模型，并通過線性回歸策略獲取各個參量，對模型兩側求取對數，則公式(1)轉化為公式(2)：

lnP=lnA+a1lny+a2lny+…+anlny。

(2)

式中：y為要求取的未知量，本研究通過最小二乘方法獲取。

2.2.2 模型內生參量和外生參量確定 依據給定的經濟模型，結合資料和實際數據可判斷其內生參量[11]和外生參量[12]。(1)內生參量。P為農業生產總量(億元)；(2)外生參量。W為農業固有資本投入(億元)；W1設置為流動資本投入(億元)；T為農業勞動力投入(萬人)；m為農業信息化評分項；P、P1是增加管理和信息技術策略前后的農業經濟產值；h為監管水準分量；S、S1是中間參量。

公式(4)為公式(3)的全微分表達。

S=TaWb；

(3)

dlnS=aΔlnT+bΔlnW。

(4)

為便于分析監管和信息技術水平的作用，本研究將m和h在改變前后的T和W值設置為恒定的，令S=S1、v、v0、v1、v2、a、b作為模型參量。

2.2.3 模型的數學分析

P=A(m,h)TaWb；

(5)

dlnS=alnT+blnW；

(6)

v0+v1h+v2h=(dlnP1/dlnS1)/(dlnP/dlnS)；

(7)

PS=S1；

(8)

P1=ev0+v1h+v2mp；

(9)

P=ev0+v1h+v2mTaWb。

(10)

在不獲取h的狀況下，增大流動資本投入，則公式(10)能夠簡化成為公式(11)：

(11)

2.3 柯布-道格拉斯模型下的“互聯網+”智慧農業發展建模

柯布-道格拉斯模型下的“互聯網+”智慧農業發展模型設計 通過上文給出的農業生產因子，本研究給出“互聯網+”智慧農業發展的數學模型，如公式(12)：

lnP=o+o(1)ln(T)+o(2)ln(W)+o(3)ln(W1)+ε。

(12)

公式(12)給出發展“互聯網+”智慧農業的產出和投入之間的關聯，即農業生產總量和農業固有資本投入、流動資本投入、農業勞動力投入的關系?？赏ㄟ^該模型分析各元素對農業產出值彈性參量，公式中的o，o(1)、o(2)、o(3)為待估測參量。

3 “互聯網+”智慧農業發展模型參量設置和校驗

3.1 “互聯網+”智慧農業評判指標

從物聯網、信息化程度、物流水平、信息化收益設定評價“互聯網+”智慧農業的評價指標(表1)。

表1 “互聯網+”智慧農業評價指標體系

3.2 基于“互聯網+”智慧農業評判指標的省級數據

從表2可以看出，以國內不同省級單位為“互聯網+”智慧農業評判對象，并結合2016年各省統計年鑒，獲取到智慧農業數字化評判體系中的各組基本信息(部分信息需要通過計算)。

3.3 “互聯網+”智慧農業發展模型參量設置

通過各省“互聯網+”智慧農業評判信息分析，采用物聯網和信息化程度作為公式(12)中的農業固有資本投入參量指標，物流水平作為流動資本投入指標，信息化收益中的智慧農業帶動的從業比重作為農業勞動力投入指標，并用信息化收益中的農產品電子商務帶來的經濟產量作為農業生產總量指標。應用SPSS 18.0進行回歸分析，可將公式(12)轉換為公式(13)。

lnP=2.612 35+0.318 25ln(T)+0.098 76ln(W)+0.601 23ln(W1)+0.167 123h。

(13)

可將其進一步還原為：

P=e2.612 35+0.318 25hT0.096 73W0.601 23W10.167 123。

(14)

表2 我國各省“互聯網+”智慧農業評判信息

公式(14)反映了農業生產總量和農業固有資本投入、流動資本投入和農業勞動力投入間的關系。通過給出的數據可知，在0.05顯著性水平狀況下上述模型都可通過顯著性校驗，其擬合度結果都高于0.096。本研究得到的“互聯網+”智慧農業發展模型能夠滿足經濟學意義，對指導“互聯網+”智慧農業具有一定的理論價值。

3.4 “互聯網+”智慧農業發展模型參量校驗

3.4.1 KMO與Bartlett方法完成顯著性校驗 對智慧農業發展模型采用KMO與Bartlett方法完成顯著性校驗[13]，并通過SPSS 18.0完成數據處理，KMO的結果是0.762，Bartlett方法得到近似卡方結果為185.32，自由度為35.982，顯著性為0.215，校驗結果見表3。

表3 KMO與Bartlett校驗值

3.4.2 主成分分析法校驗 采用SPSS 18.0測算“互聯網+”智慧農業發展模型各個主成分的特征結果，方差貢獻度和累計貢獻度結果見表4。

3.4.3 成分陣列結果分析 選取SPSS 18.0分析“互聯網+”智慧農業發展模型評判指標的成分分析，分析結果見表5。

3.4.4 我國不同地區“互聯網+”智慧農業發展水平 全國各個省級單位的智慧農業發展水平見表6。評判結果表明，北京、天津、上海由于自身的文化和經濟發展優勢，使得“互聯網+”智慧農業躋身前列；東部發達省份“互聯網+”智慧農業均排名靠前；西部省份除去四川，重慶和陜西已初步建立規模之外，“互聯網+”智慧農業均很落后；中部各個省份的“互聯網+”智慧農業發展較為落后。

表4 “互聯網+”智慧農業發展模型各主成分特征結果

表5 “互聯網+”智慧農業發展模型評判指標的成分分析

表6 不同省(市、自治區)“互聯網+”智慧農業發展水平排名

4 推進“互聯網+”智慧農業發展路徑

4.1 結合“互聯網+”和大數據帶動農業生產各環節升級

物聯網在互聯網的基礎上將端點拓展到傳感器，控制裝置中完成數據獲取和通信并將人和物、物和物之間連接，完成遠程化和實時化控制。運用網絡技術與大數據理念構建物聯網智慧農業體系，并研發農產品質量追溯系統、環境數據和病蟲害感知檢測體系，采用物聯網隨時獲取農業生產各個板塊的數據，并綜合GIS策略、控制策略隨時監控土壤狀態。

4.2 結合“互聯網+”提升農業產業各環節智能化水準

及時研發和推廣智能化灌溉體系，增強農業基本設施的數字化，提升農田水利數字化水準，將農機、農業裝備、數據化技術結合，完成智能化作業，有效監測環境狀態，把控生產。針對畜牧行業、水產養殖類行業，設置智能化喂養體系，通過畜類、禽類的生長與喂食周期，對其投喂時間和量及時調整，構建具備感知、輸送、控制為核心的畜牧、家禽和水產類養殖模式，發展智慧農業。

4.3 推進農村電子商務發展

由于“互聯網+”和智慧農業的直接化表現是農產品電子商務，但農產品電子商務不可以將其功能簡明地設置為協助農民購置生產資源，售賣農產品，而是搭建以消費為核心的產業模式，不再僅是“農民生產多少賣多少，生產什么賣什么”，而是轉換為“客戶需要多少生產多少，客戶需要什么生產什么”的方式，應當具有供需型的網絡思維。

4.4 發展當代農業產業鏈

發展當代農業產業鏈、組建全產業鏈模式是發展當代農業的目標，網絡為整個農業產業提供了平臺，“互聯網+”和智慧農業不僅是網絡和農業對接，而且是農業和網絡的融合，能夠去除中間過程提升產業效率?！盎ヂ摼W+”和智慧農業能夠降低貿易資本，提升勞動效率，并優化資源設置?！盎ヂ摼W+”和智慧農業不僅是完成農產品的網絡貿易，更是對農業產業鏈完成創新，將網絡營銷的理念深入農業電子商務。

4.5 設置農商品質量追溯體系

結合網絡技術能夠完成農商品追溯，由于農業生產的各項環節中均存在污染，而搭建農商品質量追溯體系，保證網絡資源設置市場的準入機制，完成農商品從萌芽到籃子里的全面追溯。設置無線射頻識別在生產、制造、流通、貿易各個環節的運營，通過二維碼記錄各個環節，便于查詢農商品細節，如生產位置、環境狀態、收割時間、保存狀態、質檢數據，實現從運輸、銷售各個環境的精準定位，避免風險。

5 結論

“互聯網+”和新型技術結合能夠有效地推進現代農業生產和發展，并且具有較好的農村經濟導向作用。但當前智慧農業的發展還存在一定的問題，如產業模式不科學，商業形勢有待完善，部分農村的基礎設施和通信設備不到位。本研究采用柯布-道格拉斯模型研究我國“互聯網+”智慧農業發展，能夠反映農業生產總量和農業固有資本投入、流動資本投入和農業勞動力投入間的關系，具有經濟學意義，對指導“互聯網+”智慧農業具有一定的理論價值。

本研究首先對“互聯網+”智慧農業發展模型完成參量設置和校驗，從物聯網、信息化程度、物流水平、信息化收益設定評價“互聯網+”智慧農業的指標，采用物聯網和信息化程度作為模型中的農業固有資本投入參量指標，物流水平作為流動資本投入指標，信息化收益中的智慧農業帶動的從業比重作為農業勞動力投入指標，并用信息化收益中的農產品電子商務帶來的經濟產量作為農業生產總量指標?；凇盎ヂ摼W+”智慧農業評判指標的省級數據，結合2016年中國不同地區統計年鑒，獲取智慧農業數字化評判體系中的不同地區農業信息化基本信息。進而對不同地區農業信息化基本信息結合“互聯網+”智慧農業發展模型進行參量校驗，通過KMO與Bartlett方法完成顯著性校驗、主成分分析法校驗和成分陣列結果分析。研究結果論證了柯布-道格拉斯模型下的“互聯網+”智慧農業發展模型的準確性，并給出我國不同地區“互聯網+”智慧農業的發展水平。

[1]劉麗偉，高中理. “互聯網+”促進農業經濟發展方式轉變的路徑研究——基于農業產業鏈視角[J]. 世界農業，2015(12)：18-23.

[2]成 晨，丁 冬. “互聯網+農業電子商務”：現代農業信息化的發展路徑[J]. 情報科學，2016(11)：49-52，59.

[3]AzadehA，GhaderiSF，AnvariM，etal. An integrated decision

support system for performance assessment and optimization of decision-making units[J]. The International Journal of Advanced Manufacturing Technology，2013，66：1031-1045.

[4]Torra V，Narukawa Y. On hesitant fuzzy sets and decision[C]// IEEE International Conference on Fuzzy Systems，2009. Fuzz-Ieee. IEEE，2009：1378-1382.

[5]Tipawan Y. Influencing factors of student onsumer purchasing behaviors in cyberspace[D]. Chiangmai：Chiangmai University，2011：1098-1101.

[6]佟 彩，吳秋蘭，劉 琛，等. 基于3S技術的智慧農業研究進展[J]. 山東農業大學學報(自然科學版)，2015，46(6)：856-860.

[7]陸文靜. 論我國進出口貿易對國內通貨膨脹的影響[J]. 時代金融，2017(9)：7，9.

[8]楊繼瑞，薛 曉，汪 銳. “互聯網+現代農業”的經營思維與創新路徑[J]. 經濟縱橫，2016(1)：78-81.

[9]黃之玨. 發展“互聯網+農業”推動智慧農業、智慧農村建設[J]. 經濟論壇，2016(1)：86-87.

[10]秦德智，邵慧敏. 我國農業產業結構調整動因分析——基于擴展的柯布-道格拉斯生產函數[J]. 農村經濟，2016(5)：59-63.

[11]鄭季良，陳春燕，王 娟，等. 高耗能產業群循環經濟發展的多績效協同效應調控研究[J]. 中國管理科學，2015(增刊1)：794-800.

[12]李世杰，胡國柳，高 健. 轉軌期中國的產業集聚演化：理論回顧、研究進展及探索性思考[J]. 管理世界，2014(4)：165-170.

[13]徐 鵬，汪盧俊，嚴子淳. 帶有隨機趨勢項的二元選擇模型顯著性檢驗研究[J]. 應用概率統計，2016，32(3)：301-312.