1、收稿日期:2021 11 05基金项目:兰州财经大学丝绸之路经济研究院 2018 年度重点规划项目(JYYZ201801)作者简介:王丽欣(1998)，女，河南省原阳县人，兰州财经大学统计学院硕士研究生，主要从事经济统计、农业经济研究通信作者:牛胜强(1970)，男，甘肃省甘谷县人，兰州财经大学统计学院教授，硕士生导师，主要从事统计教学和“三农”及资源环境相关问题的理论研究甘肃省农业经济发展与供给侧结构性改革研究 基于灰色系统理论王丽欣，牛胜强(兰州财经大学 统计学院，甘肃 兰州 730020)摘要:以甘肃省为例，运用灰色关联方法剖析甘肃省农业总产值与内部各产业产值、农业生产条件的内在关系，选
2、取三种模型中误差平方和最小的 GM(1，1)模型预测甘肃省“十四五”时期农业总产值及各农业产业产值 结果表明，种植业和林业与甘肃省农业总产值的灰色关联度最高，农业服务业关联度最小;农业生产条件中对农业总产值影响最大的是农村用电量和有效灌溉面积，影响最小的是农用机械总动力 基于灰色关联分析与 GM(1，1)模型预测结果，提出积极深化农业供给侧结构性改革，补齐农业基础建设短板，培育、发展和壮大新型农业农村集体经济经营主体，延伸产业链等建议关键词:农业总产值;农业结构;供给侧结构性改革;灰色关联分析;GM(1，1)模型中图分类号:F327文献标识码:A文章编号:1673 1670(2023)02 0
3、086 080引言我国农业主要矛盾由总量不足转变为结构性矛盾，农业发展由增产导向转向提质导向 以供给侧为切入点，通过加快新旧动能转换、培育农村发展新动力及加快构建现代化农业产业体系等措施能有效推动农业农村高质量发展，农业规模、质量和效益持续提升 2021 年中央一号文件聚焦“全面推进乡村振兴加快农业农村现代化”，标志着“三农”工作重心发生历史性转移 甘肃省作为我国未来 15 年农业增长的高成长型地区之一，农业是其国民经济发展中不可或缺的组成部分，甘肃省农业农村发展正处于起步阶段，要想实现全省农业质量效益和竞争力的大幅度提升，就必须把农业供给侧结构性改革做细、做深，大力推进甘肃省农业现代化关于甘
4、肃省深化农业供给侧结构性改革，马永兴提出通过加强宣传教育、组织领导、培育特色产业、推进农业技术创新、发挥农业科技示范作用调整优化农业产业机构1;骆军强、唐增认为应大力发展畜牧业，因地制宜发展优势产业2;孔星、吕剑平结合内外部协同创新模式和各地区实际情况，提出构建特色农业协同创新的产业基础，培育新型农业经营主体，完善特色农业协同创新机制、科技创新机制等特色农业协同创新路径3;周祯莹等指出，甘肃省应以种植业为主，发挥草地农业优势4;高云虹、赵硕针对甘肃省不同区域提出调整农业结构促进农民增收的对策建议5 关于甘肃省农业经济发展、农业总产值的影响因素，张冰舟、谈存峰从甘肃省农业生产条件、财政投入及农业
5、产业结构调整与发展等方面分析农业经济可持续发展的影响因子6;王伟、杜永善发现农业生产技术的进步对西北农业经济增长贡献最大7;孙国军研究得出，影响张掖市农业经济发展的首要、次要因子分别为农机化水平、水利化水平8;邢彩萍、吴春荣得出，农业经济依然是甘肃省国民经济的支柱9;徐琴研究得出，甘肃省张掖地区牧业对农业经济影响最大，渔业影响最小10;乔蕻强等发现，甘肃省农业经济发展与耕地数量变化存在长期协整关系，耕地数量变化是农业经济发展的单向格兰杰原因11;朱立芸对甘肃省农村经济和农村信息化主要指标的灰色关联度进行优势分析，揭示两类指标的内在关系12;刘伟、葛成莉建立农业现代化指标体系得出，农业支撑条件水
6、平的高低直接决定农业产出水平13;焦琳惠、吕剑平第 38 卷第 2 期2023 年 4 月平顶山学院学报Journal of Pingdingshan UniversityVol 38 No 2Apr 2023得出，农业绿色发展与科技创新是甘肃省农业高质量发展的软肋，而人力资本和环境是限制其发展的主要因素14;李映强等从甘肃省社会、生活与经济三个要素构建了农业经济发展水平评价指标体系15;张博、曹子坚研究发现，中药材、蔬菜和畜牧等特色产业对农民增收的带动作用不断增强16;周彦莉等得出，农业生产投入、农业产出水平和生态环境是影响甘肃省农业农村现代化发展的主要障碍因素17 目前对于农业总产值及农业
7、各产业产值、农业总产值与农业生产条件的研究较少，对“十四五”时期农业及其内部产业产值预测的研究更少“十四五”是甘肃省农业转型升级的关键时期 基于此，对农业经济发展和农业生产条件进行灰色关联分析，运用 GM(1，1)模型预测甘肃省“十四五”期间农业产值，为甘肃省农业可持续发展提供理论依据1指标选取和研究方法1 1指标选取考虑到甘肃省农业经济发展现状、农业发展主要影响因素等，农业产出方面选取农业总产值、种植业产值、林业产值、牧业产值、渔业产值及农业服务业等指标，农业投入方面选取农用机械总动力、农村用电量、农用化肥折纯量和农膜使用量、有效灌溉面积等指标分别反映农业机械化、农业电气化、农业化学化、农业
8、水利化 研究时间为 20102019 年，数据均来源于 甘肃统计年鉴 1 2研究方法多种因素共同作用并决定抽象系统的发展态式，因素的主次、对系统发展的影响及作用的大小是系统分析中普遍关心的问题 1982 年邓聚龙教授创建了研究“贫信息”不确定系统的新方法 灰色系统理论，基本思想是依据序列曲线几何形状的相似程度判别各序列之间的关联紧密程度，曲线越相近关联度越大，反之就越小18 63 641 2 1灰色系统理论1)选取数据形成序列矩阵x1(1)x2(1)xn(1)x1(2)x2(2)xn(2)x1(m)x2(m)xn(m)(1)2)确立分析数列母序列(参考数列、母指标):描述系统行为特征的数据序列
9、，近似因变量 Y，记为 X0，X0(k)=x0(1)，x0(2)，x0(m)T，k=1，2，m子序列(比较数列、子指标):影响系统行为的因素组成的数据序列，近似自变量 X，记为 Xi，Xi(k)=xi(1)，xi(2)，xi(m)T，i=1，2，n3)数据的预处理对母序列和子序列进行初始化处理:xi(k)=xi(k)1mmk=1xi(k)i=1，2，n;k=1，2，m(2)初始化后的数据矩阵:(X0，X1，Xn)=x1(1)x2(1)xn(1)x1(2)x2(2)xn(2)x1(m)x2(m)xn(m)(3)估算两大序列对应元素差值的绝对值:x0(k)xi(k)k=1，m;i=1，n(4)进一
10、步得出两级最小差 a 和最大差 b，即a=minni=1minmk=1x0(k)xi(k);b=maxni=1maxmk=1x0(k)xi(k)(5)4)计算灰色关联系数:x0(k)，xi(k)=minix0(k)xi(k)+maxix0(k)xi(k)x0(k)xi(k)+maxix0(k)xi(k)k=1，2，m;i=1，2，n(6)式中，为分辨系数，一般取 0 55)灰色关联度:(x0，xi)=1mmk=1y x0(k)，xi(k)(7)比较序列间的灰色关联度，关联度值越大则影响程度越大1 2 2灰色预测模型(Grey Forecast Model)1)GM(1，1)模型原理设x(0)=
11、x(0)(1)，x(0)(2)，x(0)(n)是原始非负数据列，对其进行一次累加所得新数据列x(1):x(1)=x(1)(1)，x(1)(2)，x(1)(n)，其中x(1)(m)=mi=1x(1)(i)m=1，2，n令 z(1)是 x(1)的紧邻均值生成数列，即 z(1)=z(1)(2)，z(1)(3)，z(1)(n)，z(1)(m)=x(1)(m)+78第 2 期王丽欣，牛胜强:甘肃省农业经济发展与供给侧结构性改革研究(1 )x(1)(m 1)m=2，3，n;=0 5 可得GM(1，1)模型的基本形式为x(0)(k)+az(1)(k)=b k=2，3，n(8)式中，b 为灰色作用量，a 为发
12、展系数运用 OLS 原理引入矩阵进行估计可得到GM(1，1)模型的白化方程dx(1)(t)dt=ax(1)(t)+b(9)取初始值x(1)(t)t=1=x(0)(1)，求出白化方程对应的解为x(1)(t)=x(1)(1)baea(t1)+ba(10)由 x(1)(m)=mi=1x(1)(i)m=1，2，n 可得递推式x(0)(m+1)=x(1)(m+1)x(1)(m)=(1 ea)x(0)(1)baeamm=1，2，n 1(11)因此，灰色预测方程式可以写为x(1)(m)=x(0)(1)baea(m1)+bam=2，3，n(12)2)GM(1，1)模型的检验定义累加序列的级比(k)=x(1)(
13、k)x(1)(k 1)=x(0)(k)x(1)(k 1)+1k=2，3，n(13)且(k)a，b，区间长度 =b a 0 5定义原始序列的光滑比(k)=x(0)(k)x(1)(k 1)(14)式中，(k)(0，0 5)根据(k)和(k)的关系可得，累加序列 x(1)的级比为(k)(1，1 5)满足(k)和(k)的累加序列 x(1)具有准指数规律性方可进行灰色建模3)GM(1，1)模型的评价运用残差检验或级比偏差检验来检验 GM(1，1)模型对原始数据的拟合程度平均相对残差?r=1n 1nk=2r(k)，(15)平均级比偏差?=nk=2(k)(n 1)(16)若?r 0 2 或?0 2，则认为数
14、据拟合效果达到一般要求;若?r 0 1 或?0 1，则认为数据拟合效果很好1 2 3GM(1，1)模型拓展1)三种模型简介设原始数据列x(0)=x(0)(1)，x(0)(2)，x(0)(n)(17)用x(0)=x(0)(1)，x(0)(2)，x(0)(n)构建的 GM(1，1)模型称为全数据 GM(1，1);设所计算出的 x(0)(n+1)为最新信息，将 x(0)(n+1)代入x(0)，称 x(0)=x(0)(1)，x(0)(2)，x(0)(n)，x(0)(n+1)构造的模型为新信息 GM(1，1);代入x(0)(n+1)，去掉 x(0)(1)，称由 x(0)=x(0)(2)，x(0)(n)，
15、x(0)(n+1)构建的模型为新陈代谢GM(1，1)18 1562)三种模型对比结合全部数据建立的模型为全数据模型，即传统灰色预测模型，运用传统 GM(1，1)对数据进行预测，根据递推式x(0)(m+1)=x(1)(m+1)x(1)(m)=(1 ea)x(0)(1)baeam，m=1，2，n 1，(18)可求得x(n+1)、x(n+2)等多期预测数据 新信息 GM(1，1)模型是在传统模型的基础上根据原数据序列预测得到x(n+1)，以预测数据 x(0)(n+1)为切入点，将x(n+1)看作y(n+1)，根据新数据列 x(0)=x(0)(1)，x(0)(2)，x(0)(n)，x(0)(n+1)建
16、立新的 GM(1，1)模型进行第二次预测得x(n+2)每次都将预测结果代入原数据序列中，并根据新得到的数据序列建立新的 GM(1，1)模型进行下一步预测，如此循环直至灰色预测结束 新陈代谢 GM(1，1)模型是以新信息 GM(1，1)模型为基础，在原始数据序列中舍弃 x(0)(1)、代入x(n+1)，不断更新原始数据列且始终保持数据序列的个数为 n，因此也被称为等维灰数递补GM(1，1)模型 灰色预测模型的预测结果因原始数据长度和预测期数而异，系统中的干扰因素会随着数据序列或预测时间的变长而产生变动，对系统造成动态影响，从而导致模型预测精度、可信度下降 从传统灰色预测模型来看，新信息GM(1，1)模型在传统模型的基础上纳入预测值，而新陈代谢模型是在新信息模型的基础上，有效利用新预测信息并及时反映到预测模型中，这个88平顶山学院学报2023 年过程也是灰色预测模型不断修正的动态发展过程，预测结果精度、可信度及模型误差等都得到有效改善 从原理上看，新陈代谢模型是最好的选择，但并不能以偏概全，不是所有情况下新陈代谢模型预测结果都最精准 基于此，选取三种模型中预测误差最小的模型分别对农业及其内
