基于主成分分析的我國主要農(nóng)產(chǎn)品產(chǎn)量研究

楊 倩

（貴州財經(jīng)大學(xué) 貴州貴陽 550025）

農(nóng)業(yè)是國民經(jīng)濟的基礎(chǔ)，國家經(jīng)濟發(fā)展與農(nóng)業(yè)有著千絲萬縷的聯(lián)系。農(nóng)業(yè)發(fā)展中不可或缺的一部分就是主要農(nóng)產(chǎn)品的產(chǎn)量，它能夠衡量一個地區(qū)或者國家在農(nóng)業(yè)發(fā)展方面水平的高低。近幾年，我國農(nóng)業(yè)發(fā)展迅猛，加速了主要農(nóng)產(chǎn)品的產(chǎn)量增加，主要農(nóng)產(chǎn)品產(chǎn)量成為農(nóng)業(yè)領(lǐng)域的熱點話題，引起了大量學(xué)者對其進行研究，常用的研究方法包括典型數(shù)據(jù)分析法、統(tǒng)計估算法、線性回歸分析法和假設(shè)檢驗等。牟婉春等采用主成分分析法，以甘肅省農(nóng)產(chǎn)品加工業(yè)的12個子行業(yè)為研究對象，截取2017年—2019年的相關(guān)統(tǒng)計數(shù)據(jù)，對其加工業(yè)的經(jīng)濟效益進行排序，研究結(jié)果表明，一共有4個優(yōu)勢產(chǎn)業(yè)，分別是農(nóng)副食品加工業(yè)，煙草制造業(yè)，酒、飲料和精茶制造業(yè)以及食品制造業(yè)，這4個產(chǎn)業(yè)都有著較強的競爭力[1]。張曼琳等運用協(xié)整分析方法，選擇新疆農(nóng)產(chǎn)品作為研究對象，以2001年—2015年《新疆統(tǒng)計年鑒》中新疆糧食、棉花的產(chǎn)量數(shù)據(jù)為基礎(chǔ)，在新疆農(nóng)產(chǎn)品產(chǎn)量和農(nóng)民純收入之間建立向量自回歸模型，并綜合運用脈沖響應(yīng)分析、方差分解分析以及單位根檢驗等研究方法，針對新疆糧食產(chǎn)量和棉花產(chǎn)量對新疆農(nóng)民純收入是否有影響、影響多大等問題進行實證分析，研究結(jié)果表明，新疆的糧食產(chǎn)量對農(nóng)民的純收入有著積極的促進作用，而棉花產(chǎn)量則具有相反的作用，會對農(nóng)民的純收入產(chǎn)生消極的影響[2]。張遠航構(gòu)建基于主成分分析方法的農(nóng)業(yè)供應(yīng)鏈信用風(fēng)險指標體系，可以幫助企業(yè)更準確地評估自己的信用風(fēng)險水平，完善經(jīng)營狀況，提高整體運營能力，促進企業(yè)資金流通與發(fā)展[3]。巫偉峰等采用主成分分析等方法分析并比較了廣東省各地市的糧食生產(chǎn)能力，結(jié)果表明，廣東省地級市糧食生產(chǎn)能力主成分得分最高的地區(qū)是粵西地區(qū)，得分最低的位于珠三角地區(qū)[4]。分析和研究我國主要農(nóng)產(chǎn)品產(chǎn)量，對于國家農(nóng)業(yè)生產(chǎn)投入以及農(nóng)作物種植都具有重要意義，有助于了解我國農(nóng)業(yè)發(fā)展不均衡和地區(qū)分布情況，及時采取一些應(yīng)對措施，基于研究結(jié)果可降低相關(guān)政策制定和實施的盲目性，使得農(nóng)業(yè)產(chǎn)量增量實現(xiàn)最大化，同時也有助于完善農(nóng)業(yè)發(fā)展的相關(guān)政策。本文選擇茶葉和果類作為研究對象，以2011年—2019年的產(chǎn)量數(shù)據(jù)為樣本，選取與農(nóng)產(chǎn)品產(chǎn)量相關(guān)的16個指標，采用主成分分析法對我國主要農(nóng)產(chǎn)品發(fā)展影響因素進行研究。

1 主成分分析方法

主成分分析方法是多元統(tǒng)計中常用于數(shù)據(jù)處理的方法，多被應(yīng)用于滿意度測評、區(qū)域經(jīng)濟發(fā)展評價、模式識別和企業(yè)經(jīng)濟效益綜合評價等領(lǐng)域。

首先，需要對原始數(shù)據(jù)進行標準化處理，防止不同量綱對分析結(jié)果產(chǎn)生影響。假設(shè)進行主成分分析的指標共有m個，即，共有n個評價對象，第i個評價對象的第j個指標的取值記作xij，將各指標值xij轉(zhuǎn)化成標準值其中和sj分別是第j個指標的樣本均值和樣本標準差。

其次，建立變量間的相關(guān)系數(shù)矩陣R。相關(guān)系數(shù)矩陣，這里rij是第i個指標與第j個指標的相關(guān)系數(shù)。

然后，計算相關(guān)系數(shù)矩陣R的特征值和特征向量。計算相關(guān)系數(shù)矩陣R的特征值，以及對應(yīng)的特征向量，其中，由特征向量組成m個新的指標向量：

2 實證分析

2.1 指標選取和數(shù)據(jù)來源

本文重點是比較分析農(nóng)業(yè)中各種水果和茶類的總產(chǎn)量。為保證數(shù)據(jù)的完整性，本研究所選取的數(shù)據(jù)來自《中國統(tǒng)計年鑒》，數(shù)據(jù)的時間區(qū)間為2011年—2019年。選取的指標分別是X1茶葉產(chǎn)量（萬t）、X2紅茶產(chǎn)量（萬t）、X3綠茶產(chǎn)量（萬t）、X4水果產(chǎn)量（萬t）、X5香蕉產(chǎn)量（萬t）、X6蘋果產(chǎn)量（萬t）、X7柑橘產(chǎn)量（萬t）、X8梨產(chǎn)量（萬t）、X9葡萄產(chǎn)量（萬t）、X10菠蘿產(chǎn)量（萬t）、X11紅棗產(chǎn)量（萬t）、X12柿子產(chǎn)量（萬t）、X13園林水果產(chǎn)量（萬t）、X14瓜果類產(chǎn)量（萬t）、X15西瓜產(chǎn)量（萬t）、X16甜瓜產(chǎn)量（萬t）。

2.2 主成分分析過程

本文使用SPSS軟件，將原始數(shù)據(jù)進行標準化（Z-score法）處理，得到新的數(shù)據(jù)。對新的數(shù)據(jù)進行主成分分析，結(jié)果如表1所示。

表1 提取的主成分特征根及總方差解釋

由表1可知，前兩個主成分的方差可以解釋全部方差的95.505%，說明進行主成分分析提取了兩個主成分，且這兩個主成分能夠反映原來16個指標信息的95.505%，因此，提取的主成分可以有效評估茶葉和果類產(chǎn)量，同時提取的兩個主成分分別命名為Y1和Y2。

2.2.1 計算主成分系數(shù)

通過對表1主成分分析模塊的運行結(jié)果進行分析，可以計算得到主成分分析的第i個主成分系數(shù)，結(jié)果如表2所示。

表2 主成分矩陣

根據(jù)表2，可以得到兩個主成分Y1和Y2的線性組合如下：

續(xù)表2 主成分矩陣

Y1=0.268X1+0.268X2+0.268X3+0.269X4+0.242X5+0.25 7X6+0.264X7+0.251X8+0.262X9+0.262X10+0.258X11+0.253X12+0.269X13+0.236X14-0.016X15+0.243X16

Y2=-0.043X1-0.016X2-0.024X3-0.002X4+0.016X5+0.063X6-0.092X7+0.233X8+0.127X9-0.166X10+0.121X11-0.137X12-0.039X13+0.356X14+0.787X15-0.324X16

由表2可知，在主成分Y1中，X1茶葉產(chǎn)量、X2紅茶產(chǎn)量、X3綠茶產(chǎn)量、X4水果產(chǎn)量、X7柑橘產(chǎn)量、X9葡萄產(chǎn)量、X10菠蘿產(chǎn)量以及X13園林水果產(chǎn)量的系數(shù)絕對值均大于其他變量的系數(shù)絕對值，因此，主成分Y1是以上8個產(chǎn)量指標的綜合反映。在主成分Y2中，X8梨產(chǎn)量、X9葡萄產(chǎn)量、X10菠蘿產(chǎn)量、X11紅棗產(chǎn)量、X12柿子產(chǎn)量、X14瓜果類產(chǎn)量、X15西瓜產(chǎn)量和X16甜瓜產(chǎn)量的系數(shù)均高于其他變量的系數(shù)，說明主成分Y2主要由這8個產(chǎn)量指標來綜合反映。

此外，水果產(chǎn)量（X4）和園林水果產(chǎn)量（X13）在第一主成分Y1中的權(quán)重最大，西瓜產(chǎn)量（X15）在第二主成分Y2中的權(quán)重最大，這3個指標與農(nóng)產(chǎn)品發(fā)展緊密相關(guān)，是農(nóng)產(chǎn)品發(fā)展水平的主要決定因素。隨著水果、園林水果和西瓜產(chǎn)量的增加，農(nóng)產(chǎn)品的生產(chǎn)能力得到了提升，從而加快了農(nóng)產(chǎn)品經(jīng)濟的發(fā)展。首先，水果、園林水果和西瓜產(chǎn)量的增加擴大了對外供應(yīng)量，滿足了國內(nèi)水果市場的需求，還可以出口到國外，增加了農(nóng)產(chǎn)品的收入。其次，農(nóng)產(chǎn)品產(chǎn)量的增加也帶動了其他產(chǎn)業(yè)的發(fā)展。水果的種植過程涉及搭建大棚、灌溉施肥、病蟲預(yù)防等多個農(nóng)業(yè)生產(chǎn)環(huán)節(jié)，出售時還需要進行加工和包裝。這些環(huán)節(jié)都需要農(nóng)業(yè)企業(yè)和農(nóng)業(yè)服務(wù)業(yè)的參與，從而帶動了其他相關(guān)產(chǎn)業(yè)的發(fā)展，比如農(nóng)產(chǎn)品加工包裝業(yè)、農(nóng)產(chǎn)品供應(yīng)業(yè)和農(nóng)具制造業(yè)等。因此，形成了完整的農(nóng)業(yè)產(chǎn)業(yè)鏈，推動了全國農(nóng)業(yè)的快速發(fā)展。

2.2.2 主成分得分和綜合得分

計算各主成分得分和綜合得分情況，結(jié)果如表3所示。

表3 主成分得分和綜合得分

表3是根據(jù)主成分線性回歸表達式計算的主成分得分，以及以各個主成分的方差貢獻率占兩個主成分總方差貢獻率的比率為權(quán)重計算的綜合得分情況。從表3來看，主成分Y1得分比較高的年份是2015年、2016年、2017年、2018年和2019年，說明這5年的茶葉、果類產(chǎn)量要比其余4年的產(chǎn)量增加得多。從整體的得分情況上分析，我國主要農(nóng)產(chǎn)品產(chǎn)量在逐年增加，說明我國現(xiàn)階段主要農(nóng)產(chǎn)品的種植能力在增強。

主成分Y2得分較高的年份是2013年、2014年、2015年和2017年，表明這4年的茶葉、果類的產(chǎn)量相比其余幾年是有一定優(yōu)勢的；而其余幾年的得分在主成分y2都出現(xiàn)了負數(shù)，反映出有一部分的產(chǎn)量收益效果沒有那么理想。

從綜合得分情況來看，2017年、2018年和2019年的綜合得分都大于1，比其余幾年高很多，說明這3年的茶葉、果類產(chǎn)量相比2011年—2016年增加得多，反映出從2017年開始，我國農(nóng)產(chǎn)品產(chǎn)量在不斷增加，且發(fā)展較為迅速。

3 結(jié)論

本文運用主成分分析法對我國2011年—2019年的農(nóng)產(chǎn)品產(chǎn)量的16個指標進行了主成分提取，并計算了相應(yīng)的主成分得分和綜合得分。研究發(fā)現(xiàn)，2011年—2019年的農(nóng)產(chǎn)品發(fā)展水平差異比較顯著，其中西瓜產(chǎn)量（X15）、水果產(chǎn)量（X4）和園林水果產(chǎn)量（X13）是直接影響農(nóng)產(chǎn)品發(fā)展的重要因素。從綜合得分情況來看，2019年的綜合產(chǎn)量效益最佳，其次是2018年，并且與2015年相比，2016年的綜合產(chǎn)量效益有所下降，最差的則是2011年。通過對每個主成分進行研究可知，農(nóng)產(chǎn)品產(chǎn)量差異的主要原因是不同農(nóng)作物生長所需的條件不同以及各地區(qū)經(jīng)濟發(fā)展不平衡。

為了解決農(nóng)產(chǎn)品發(fā)展水平不均衡的問題，建議各地區(qū)在推動農(nóng)產(chǎn)品發(fā)展過程中采取以下措施。首先，應(yīng)充分發(fā)揮各地區(qū)的土地資源優(yōu)勢，合理利用各地的資源以滿足不同農(nóng)作物生長的需求，從而提高農(nóng)產(chǎn)品產(chǎn)量。同時，通過拓展延伸農(nóng)產(chǎn)品加工鏈等途徑，提升農(nóng)產(chǎn)品的附加值和綜合利用率，進而提升農(nóng)產(chǎn)品的發(fā)展水平。其次，要加大農(nóng)業(yè)科技的投入，促進我國重要農(nóng)產(chǎn)品實現(xiàn)提質(zhì)增量。具體而言，需要確立農(nóng)業(yè)科技研發(fā)的方向，深入研究市場需求，并加強農(nóng)業(yè)基礎(chǔ)設(shè)施的建設(shè)，改善農(nóng)作物種植環(huán)境，加強病蟲害防治等，從而建立適應(yīng)我國農(nóng)產(chǎn)品發(fā)展要求的技術(shù)體系，推動我國農(nóng)產(chǎn)品的快速發(fā)展。