農(nóng)業(yè)發(fā)展分析方法新探索

摘 要：聚類分析是一種應用性很強的統(tǒng)計方法，它是在未知樣品類別的情況下，根據(jù)樣品自身性質(zhì)上的親疏關系以及相似程度對樣品進行分類。應用聚類分析的方法并通過SAS軟件實現(xiàn)了對我國31?。ㄊ?、區(qū)）的農(nóng)業(yè)總產(chǎn)值進行歸類，較為科學地揭示了氣候條件和地理環(huán)境的差異對農(nóng)業(yè)生產(chǎn)與發(fā)展的制約作用，清晰地呈現(xiàn)了我國農(nóng)業(yè)總產(chǎn)值高低的區(qū)域性分布特點，從而為各地區(qū)制定農(nóng)業(yè)發(fā)展戰(zhàn)略提供一定的參考依據(jù)。

關鍵詞：聚類分析；農(nóng)業(yè)總產(chǎn)值；SAS軟件

中圖分類號 C81 文獻標識碼 A 文章編號 1007-7731（2013）15-21-02

1 問題的提出及分析

中國各地區(qū)由于氣候條件和地理環(huán)境的不同，在農(nóng)業(yè)生產(chǎn)和發(fā)展上存在很大的差異，表1[1]給出了2007年全國31個地區(qū)農(nóng)業(yè)各門類——農(nóng)林牧漁的總產(chǎn)值。

表1 2007年我國31個地區(qū)農(nóng)林牧漁總產(chǎn)值（億元）

[地區(qū)＼農(nóng)業(yè)總產(chǎn)值＼林業(yè)總產(chǎn)值＼牧業(yè)總產(chǎn)值＼漁業(yè)總產(chǎn)值＼北京＼115.5＼17.8 ＼122.4 ＼10.2＼天津＼117.6＼2.1＼76.9 ＼36.1＼河北＼1 639.1＼52.4＼1 147.0＼85.1＼…＼…＼…＼…＼…＼]

這是一個數(shù)據(jù)較為龐雜的表格，用描述性統(tǒng)計方法顯然過于繁瑣。我們嘗試著用系統(tǒng)聚類的方法進行歸類，這種方法通過定義距離來描述兩個樣品以及類別之間的親疏關系，然后根據(jù)某種準則來對樣品做出分類，所分類別由多到少。

2 問題的解決

2.1 數(shù)據(jù)的輸入

data GAV；

input area$ x1 x2 x3 x4 @@；

label area=“地區(qū)” x1=“農(nóng)業(yè)總產(chǎn)值” x2=“林業(yè)總產(chǎn)值” x3=“牧業(yè)總產(chǎn)值” x4=“漁業(yè)總產(chǎn)值”；

cards；

北京115.5 17.8 122.4 10.2

天津117.6 2.1 76.9 36.1

河北1 639.1 52.4 1 147.0 85.1

山西322.6 17.6 140.2 3.5

內(nèi)蒙古620.4 63.7 559.7 10.9

遼寧837.5 60.3 830.8 326.1

吉林641.5 48.8 635.3 18.8

黑龍江971.9 79.0 585.0 25.1

上海126.7 10.0 58.0 54.2

江蘇1 542.5 58.9 704.4 579.0

浙江735.9 95.5 367.6 369.9

安徽1 054.0 100.5 637.4 195.0

福建685.3 120.7 340.6 473.3

江西621.3 126.5 435.6 182.2

山東2 604.1 82.0 1 313.0 580.3

河南2 254.5 104.8 1 326.1 44.5

湖北1 152.1 41.9 686.2 310.8

湖南1 243.2 144.1 1 013.8 154.7

廣東1 328.7 73.4 775.6 541.9

廣西970.5 99.8 710.2 178.3

海南224.2 80.5 106.1 121.3

重慶401.5 25.9 264.5 18.4

四川131.6 87.2 1 827.1 85.8

貴州392.2 27.8 231.6 9.0

云南683.8 156.0 438.4 25.4

西藏39.5 2.7 34.9 0.1

陜西629.3 33.8 274.0 4.2

甘肅458.7 19.4 131.2 0.9

青海49.2 2.0 67.0 0.1

寧夏111.1 5.7 53.3 5.2

新疆767.0 20.9 231.5 7.0；

以上程序是SAS中實現(xiàn)數(shù)據(jù)輸入的必要步驟，它先定義了一個數(shù)據(jù)集GAV，然后定義了5個變量：地區(qū)以及農(nóng)、林、牧、漁的總產(chǎn)值。

2.2 執(zhí)行聚類的過程

proc cluster data=GAV method=ave outtree=ot standard pseudo ccc；

var x1-x4；

id area；

proc tree data=ot ；

run；

在第一個過程——cluster過程中，proc語句指出對數(shù)據(jù)集GAV進行系統(tǒng)聚類分析，method=ave outtree=ot分（下轉(zhuǎn)52頁）（上接21頁）別表示使用類平均法，將數(shù)據(jù)集輸出到ot中以便繪制譜系圖，standard pseudo分別表示聚類之前將數(shù)據(jù)進行標準化處理，輸出偽統(tǒng)計量、偽統(tǒng)計量，ccc表示輸出統(tǒng)計量、半偏統(tǒng)計量以及ccc統(tǒng)計量。

在第二個過程步——TREE過程[2]中，PROC語句支出根據(jù)數(shù)據(jù)集ot繪制聚類過程的譜系圖，若加上選項HORIZONTAL表示繪制的是橫向的譜系圖，這里默認為繪制縱向的譜系圖。

2.3 輸出結(jié)果分析 在SAS軟件中運行上述程序之后得到結(jié)果，以下進行結(jié)果分析：

圖1 系統(tǒng)聚類的過程

從圖1可以看出，系統(tǒng)聚類進行了30步，在每一步都是合并了兩類。在圖1顯示的第一列（NCL）顯示的是當前類的個數(shù)從表中可以看出來，第一步合并之后又30個類，最后一步只剩下一個類。因為用類平均法計算得到西藏和青海的距離最小，因此首先將二者合為一個類。從第5列到第10列顯示了當前這一步對應的各種統(tǒng)計量，最后一列則給出了兩個類在合并之前的平均距離。從譜系圖（圖2）中可以直觀地了解整個系統(tǒng)聚類的過程，并且可以清晰地看到對所有國家在不同水平下的分類，但是究竟該采用哪種分類、具體分為幾類，則需要分析相應的統(tǒng)計量。

圖2 系統(tǒng)聚類的譜系圖

圖1中統(tǒng)計量隨著分類個數(shù)的減少而減少，并且在由4類變成3類時減少較快（由0.638減少到0.238）。因此從統(tǒng)計量來看分成4類比較合適。

接下來分析半偏統(tǒng)計量，當NCL=3時半偏統(tǒng)計量最大（值為0.400 4），當NCL=1時半偏統(tǒng)計量次大（值為0.150 1），說明這兩步的合并效果都不好，應該采取上一步的分類。因此從半偏統(tǒng)計量來看分成4類或者2類較為合適。

再看偽統(tǒng)計量，發(fā)現(xiàn)當NCL=3時偽統(tǒng)計量最大（值為29.9），當NCL=14時偽統(tǒng)計量次大（值為26.3），當NCL=13時偽統(tǒng)計量（值為26.1），由此可以看出這3步的擬合效果并不好，應該采取其上一步的分類。于是，認為分為4類、13類、14類是比較合適的。

綜合上述幾個統(tǒng)計量反映的結(jié)果，可以得出結(jié)論，認為分成4類時比較合適的。

查看譜系圖可以清楚的知道，分為四類的結(jié)果是：第一類：北京、天津、上海、西藏、青海、寧夏、山西、甘肅、重慶、貴州、陜西、新疆、內(nèi)蒙古、吉林、黑龍江、海南。第二類：河北、河南、遼寧、湖北、江蘇、廣東、浙江、福建、安徽、廣西、江西、湖南、云南。第三類：四川。第四類：山東。

從分類的結(jié)果不難看出，第一類中，北京、上海、黑龍江、海南等地區(qū)因為重視工業(yè)或者地理環(huán)境的不適宜導致農(nóng)業(yè)各部門的總產(chǎn)值相對較低，因此歸為一類；河北、河南、云南、浙江等地區(qū)，總體來講自然環(huán)境稍好于第一類地區(qū)，總產(chǎn)值高一些，因此可以分為一類；四川地處中原，降雨較為豐富，總產(chǎn)值又好于前兩類；山東地區(qū)降雨量大，勞動力充足，氣候適宜，因此農(nóng)業(yè)各部門的總產(chǎn)值最高[3]。

3 結(jié)語

雖然科技方面的進步會對農(nóng)業(yè)產(chǎn)生很大的影響，但是良好的氣候條件和地理環(huán)境仍然有著自身的優(yōu)越性。本文采用系統(tǒng)聚類的方法對我國31個地區(qū)按照農(nóng)業(yè)總產(chǎn)值進行了分類，較為科學地揭示了氣候條件和地理環(huán)境的差異對農(nóng)業(yè)生產(chǎn)與發(fā)展的制約作用，清晰地呈現(xiàn)了我國農(nóng)業(yè)總產(chǎn)值高低的區(qū)域性分布特點，從而為各地區(qū)制定農(nóng)業(yè)發(fā)展戰(zhàn)略提供了一定的依據(jù)。

參考文獻

[1]王芳，陳勝可，馮國生，等.SAS統(tǒng)計分析與應用[M].北京：電子工業(yè)出版社，2011.

[2]胡良平，高輝.SAS統(tǒng)計分析教程[M].北京：電子出版社，2010.

[3]李慶東，李穎.證券投資分析方法新探索[J].現(xiàn)代情報，2005（11）：223-224.

（責編：張宏民）