我國農(nóng)業(yè)發(fā)展?fàn)顩r綜合分析

施靈萍 嚴(yán)麗玉

摘 要：本文選取15個(gè)指標(biāo)來探究我國農(nóng)業(yè)發(fā)展?fàn)顩r，通過星象圖初步分析我國農(nóng)業(yè)的發(fā)展特征。使用SPSS軟件對變量做面板數(shù)據(jù)的因子分析，對2018年的農(nóng)業(yè)指標(biāo)進(jìn)行word聚類分析，將我國31個(gè)省市農(nóng)業(yè)發(fā)展?fàn)顩r劃分成五類。根據(jù)農(nóng)業(yè)發(fā)展?fàn)顩r分析我國農(nóng)業(yè)現(xiàn)階段存在的問題，并提出建議，從而進(jìn)一步了解我國農(nóng)業(yè)的發(fā)展?fàn)顩r。

關(guān)鍵詞：農(nóng)業(yè);指標(biāo);因子分析;聚類分析

A Comprehensive Analysis of Chinas Agricultural Development

Shi Lingping1.2 Yan Liyu1

1.Xiamen Institute of technology FujianXiamen 361000;2.Fuqing SanShan Middle School FujianFuqing 350000

Abstract：In this text，15 indicators were selected to explore the status of agriculture development in China.The characteristics of agricultural development is preliminarily analyzed by thestar chart.Using SPSS software for doing factor analysis of panel data.The agricultural indicators in 2018 were analyzed by word cluster analysis，the agricultural development status of 31 provinces and cities in China was divided into five categories.According to the agricultural development situation，this paper analyzes the existing problems of China's agriculture at this stage，and puts forward suggestions，so as to have a further understanding of the development situation of China's agriculture.

Keywords：agricultural;index;factor analysis;cluster analysis

一、緒論

農(nóng)業(yè)作為我國三大產(chǎn)業(yè)的基礎(chǔ)產(chǎn)業(yè)，其重要性不言而喻?！笆濉本V要指出我國農(nóng)業(yè)發(fā)展的進(jìn)程是實(shí)現(xiàn)中國夢的基礎(chǔ)。中國是人口大國，農(nóng)業(yè)的發(fā)展?fàn)顩r與民生問題息息相關(guān)，了解我國農(nóng)業(yè)發(fā)展進(jìn)程，有利于促進(jìn)我國經(jīng)濟(jì)發(fā)展。本文對農(nóng)業(yè)的研究范圍是狹義的農(nóng)業(yè)。在國家統(tǒng)計(jì)局官網(wǎng)中搜集2014—2018年與農(nóng)業(yè)相關(guān)的地區(qū)分省份年度數(shù)據(jù)，通過多元統(tǒng)計(jì)方法說明我國農(nóng)業(yè)發(fā)展?fàn)顩r，并提出相關(guān)建議。

二、農(nóng)業(yè)指標(biāo)的選取分析

依據(jù)指標(biāo)選取原則，結(jié)合農(nóng)業(yè)發(fā)展的特征，從農(nóng)業(yè)生產(chǎn)、農(nóng)業(yè)科技、農(nóng)業(yè)社會發(fā)展水平中[1]選取了15個(gè)指標(biāo)作為研究變量，構(gòu)建指標(biāo)變量表如下：

三、數(shù)據(jù)預(yù)處理

（一）數(shù)據(jù)的描述性分析

通過對比2014—2018年各地區(qū)的星象圖[2]，發(fā)現(xiàn)各地區(qū)逐年的圖像無明顯變化，認(rèn)為我國各地區(qū)的農(nóng)業(yè)發(fā)展具有相對的穩(wěn)定性。但各地區(qū)圖像形狀大小存在較大的差異，可知我國各地區(qū)農(nóng)業(yè)發(fā)展不均衡。

（二）數(shù)據(jù)標(biāo)準(zhǔn)化處理

為深入了解我國農(nóng)業(yè)發(fā)展?fàn)顩r，對原變量數(shù)據(jù)進(jìn)行Z-score標(biāo)準(zhǔn)化，其公式[3]如下：

Zij=Xij-Xj-Sj

其中，Xij是第i個(gè)樣本的第j個(gè)變量的原始值，Zij是Xij標(biāo)準(zhǔn)化后的值，Xj-是第j個(gè)變量的均值，Sj是第j個(gè)變量的標(biāo)準(zhǔn)差。

四、因子分析

（一）KMO和Bartlett球度檢驗(yàn)

各指標(biāo)間存在較大的相關(guān)性時(shí)，因子分析才有科學(xué)意義。運(yùn)用SPSS軟件對2014—2018年的變量數(shù)據(jù)做KMO和Bartlett球度檢驗(yàn)，結(jié)果詳見下表：

檢驗(yàn)結(jié)果顯示，2014—2018年的KMO值均大于0.77，并且Bartlett球度檢驗(yàn)結(jié)果小于顯著性水平（α=0.5），說明對2014—2018年的指標(biāo)變量進(jìn)行因子分析具有一定的依據(jù)性。

（二）因子分析

1.模型建立

因子分析最主要的思想就是降維，通過研究變量間的相關(guān)性，把相關(guān)性較大的變量歸為一類，最終轉(zhuǎn)變?yōu)檩^少的因子，并且這些因子之間不存在線性關(guān)系。由此，建立R型因子分析模型[4]如下：

x1=a11F1+a12F2+…+a1mFm+ε1

x2=a21F1+a22F2+…+a2mFm+ε2

xp=ap1F1+ap2F2+…+apmFm+εp

Fi是公共因子，aij為因子載荷。因子載荷是第i個(gè)變量在第j個(gè)公共因子上的占比，能夠反映變量在公共因子上的依賴程度。

2.提取公共因子

根據(jù)特征值大于1的抽取原則[4]，對比主成分法與極大似然估計(jì)法提取的累計(jì)貢獻(xiàn)率，發(fā)現(xiàn)主成分法的累積貢獻(xiàn)率大于極大似然法的累計(jì)貢獻(xiàn)率，因此選擇主成分法計(jì)算因子載荷，提取的公因子數(shù)為3。

3.因子旋轉(zhuǎn)

為使各變量在各主因子上的載荷呈現(xiàn)出明顯的大小差異，需進(jìn)行因子旋轉(zhuǎn)。在多元統(tǒng)計(jì)分析中，最大方差正交旋轉(zhuǎn)法[10]是因子旋轉(zhuǎn)方法中使用最廣泛的。