内容提要：针对湖北省农业科技创新现状，本文利用灰关联分析法筛选出符合湖北省农业科技创新能力评价的指标体系，基于层次分析法构建了湖北省农业科技创新能力评价模型。通过对湖北省2006-2011年的农业科技创新能力进行实证分析和综合评价，为政府相关部门制定农业科技创新相关政策提供依据，并为提高农业科技创新能力提出政策建议。

　　关键词：农业；科技创新；评价；湖北省

　　一、引言

　　国内外学者从不同角度对农业科技创新进行了研究，最早关于“创新”的研究始于经济学家约瑟夫·熊彼特对创新的定义，之后关于创新和农业科技创新的研究与探讨蓬勃发展。陈佳丽(2009)将农业科技创新定义为农业科技创新要素在一定区域内聚集、整合以及推动持续创新的基本能力，通过科学研究、技术创新、技术转移、科技成果转化等科技活动，以及农业科技发展政策的制订，支撑地区农业经济增长、提高农业整体竞争力，并实现经济社会的可持续发展。林伯德(2010)通过对农业科技创新流程和模型的研究，在前人研究的基础上提出了农业科技创新链包括研究开发阶段、示范阶段和推广产业化阶段3大链条环节以及贯穿于这些环节的科技创新环境。相广芳(2011)通过对农业科技创新体系的研究认为现代农业创新体系不同于传统的技术创新与农业科技创新，是由创新活动主体和创新环境两大类或者创新主体、创新资源、创新服务、创新环境4种要素组成的开放式体系。

　　张静(2011)根据我国实际情况，将农业科技创新能力划分为潜在能力、发展能力、产出能力和贡献能力4个方面，并采用因子分析法对农业科技创新能力和效率进行了评价研究。马丽华等(2011)采用层次分析法和模糊评价法对县域经济下农业科技创新能力进行了测评。总之，多数学者主要针对农业科技创新体系的建设进行分析研究，虽然有些学者利用评价指标体系对农业科技创新能力进行了评价，但采取的方法较为单一，忽略了各指标之间动态关联性。本文采用灰色关联法动态地分析各指标之间的内部关联性，对指标进行了有效筛选，同时结合层次分析法构建的模型和利用综合评分法对农业科技创新能力进行评价。通过灰关联分析、层次分析和综合评分构建了湖北省农业科技创新能力并进行了实证研究，并针对评价结果提出了建议。

　　二、指标体系的筛选

　　(一)初步指标的筛选

　　本文通过大量文献资料的研究以及湖北省农业的发展状况的分析，为使测评结果能客观准确全面地反映农业科技创新能力的实际现状及发展趋势，遵循了评价指标选取的系统性、科学性、可操作性、可比性、综合性以及互斥性等原则，课题组选取了53个影响农业科技创新能力的因素指标，随后筛选掉了在指标收集过程中数据不全面、不能连续分析以及难以量化的定性指标，最终得出21个相关指标。

　　(二)灰关联指标筛选

　　为使评价指标更具准确性及代表性，特运用灰色系统理论中的灰关联分析法对初步筛选后留下的21个指标再度筛选。灰关联分析法揭示了事物各因素间的动态关联的特征与程度，是根据因素之间发展的态势相似或相异程度去衡量因素间关联的程度。其筛选原则是参考序列与比较序列之间关联度的大小，越大则说明参考序列与比较序列关系越密切，应予以保留，越小则越相反。本文选取最能够代表农业科技创新能力和水平的因素X21农业总产值(亿元)作为参考序列(母因素)，其余20项指标因素作为比较序列(子因素)，对湖北省2006-2011年的数据进行分析。

　　通过Matlab数据处理和灰度关联分析法的相关公式得到各指标的关联度计算结果排序。

　　通过对灰关联分析计算所得出各指标相对于参考因素的关联度结果的比较，根据一般筛选原则，认为关联度低于0.8的指标与评价目标相关性较小，故删除了关联度大小低于0.8的3个指标，将剩余的17个指标加上参考因素指标作为农业科技创新能力评价模型的关键指标进行评价分析模型的构建。

　　三、评价模型建立

　　(一)构建层次模型

　　基于层次分析法的原理，本文在确定指标构建模型时，在考虑湖北省农业科技创新现状的基础上，遵循系统性和层次性相结合、概括性和全面性相结合等原则，通过大量文献资料查阅和专家咨询的方法，将农业科技创新能力分解为产出能力、转化能力、支撑能力和投入能力，并构建湖北省农业自主创新能力评价模型。

　　(二)构造判断矩阵

　　在模型构建后，也即确定了上下层的隶属关系，课题组采用专家意见法进行问卷调查方式，并使用1～9比例标度将定性的比较结果转化为定量的判断数据，使其能形成判断矩阵，通过Matlab计算出各指标的层次单排序。采用相同的方法，可以计算出4个二级指标的层次单排序结果。

　　(三)一致性检验

　　本文采用的是Matlab软件包直接生成最大特征值λmax，以及最大特征值对应的归一化特征向量，记为向量w=w1，w2，.(..，wn)T，即各指标的相对权重。计算结束后，要对结果进行一致性检验，判断构造矩阵的合理性，其过程如下:(1)计算一致性指标CI:CI=λmax－nn－1。(2)计算随机一致性比率CＲ:CＲ=CIＲI。当CＲ＜0.1时，构造的判断矩阵即可通过一致性检验。按照上述步骤，发现一级指标和二级指标均通过一致性检验。

　　(四)层次总排序

　　层次总排序是通过各指标相对于上级指标的权重计算出指标相对于总评价目标的相对权重，且必须通过一致性检验。根据计算结果CＲ＜0.1得知，该判断矩阵具有整体一致性。

　　四、实证研究及结果分析