基于因子分析法的農業科技創新能力評價研究

呂陽 李成標

摘要：運用因子分析法，提取了影響中部六省農業科技創新能力的四個共同因子，并在此基礎上使用聚類分析法對中部六省農業科技創新能力的發展現狀進行了分類，分析結果與中部六省實際情況大致吻合。最后，得到中部六省農業科技創新能力的綜合排名，并給出了相應的建議。

關鍵詞：農業科技創新能力;中部六省;因子分析;聚類分析

中圖分類號：F224;F323.3 ? ? ? ?文獻標識碼：A ? ? ? ?文章編號：0439-8114（2015）23-6109-05

DOI：10.14088/j.cnki.issn0439-8114.2015.23.078

Study on Evaluation of Agricultural Scientific and Technological Innovation Capability Based on Factor Analysis：A Case Study on Six Provinces of Central China

LV Yang， LI Cheng-biao

（School of Management， Yangtze University， Jingzhou 434023， Hubei， China）

Abstract： The factor analysis was used to extract four common factors that affect the agricultural scientific and technological innovation capability of the six central provinces， based on which， the status quo of agricultural scientific and technological innovation capability was classified by using cluster analysis. The results are accorded with the actual situation of Six central provinces. Finally， the ranking of agricultural scientific and technological innovation ability of the six central provinces was obtained， and the corresponding recommendations were given.

Key words：agricultural scientific and technological innovation capability;the six provinces of central China;factor analysis;cluster analysis

現代農業的發展離不開科技創新，科技水平的高低從根本上決定了農業、農村發展的前景[1]。農業科技創新能力決定著區域的經濟發展態勢、農民生活水平的高低。從2004-2013年，中共中央連續出臺了10個“一號文件”均把農業科技創新作為重要的建設領域。2012年中央發布題為《關于加快推進農業科技創新持續增強農產品供給保障能力的若干意見》的一號文件中提出，農業科技是實現農業持續穩定發展的根本出路，是確保國家糧食安全的基礎支撐，是突破資源環境約束的必然之路，是加快現代農業建設的決定力量。中部六省作為中國主要農業產地，近年來農業取得了良好發展，增速較快。但是，中部六省在政策制度、地域、資源稟賦、環境等方面存在差異，因而六省在農業科技創新能力發展水平上仍存在顯著差異。因此，加快中部六省農業科技創新能力建設，對支撐地區農業經濟增長，提高農業整體競爭力，并實現經濟社會的可持續發展具有重要意義。

目前，對農業科技創新能力進行評價的相關研究有：陳麗佳[2]用多指標多層次綜合評價法對廣東省各市農業科技創新能力進行綜合評價，根據綜合評價值計算出各市綜合排名，進而將廣東省的農業科技創新能力劃分為4個層次以及創新層次;以柳卸林等為代表的中國科技發展戰略研究小組[3]對2000-2004年的中國各省的區域創新能力進行了評價;紀邵勤[4]系統全面地研究了中國農業科技創新體系的活動主體、相關要素以及運行機制，提出構建新時期中國農業科技創新體系的思路、原則、目標、結構設計、功能定位以及體制和運行機制創新等;魏康寧等[5]以安徽省為實例，用T0PSIS模型對其創新能力進行了簡單分析，并提出了相應建議;林伯德[6]提出以科技創新的鏈環—回路模型作為評價農業科技創新能力的依據，并基于該理論分析了其對農業科技創新能力評價的啟示，構建了農業科技創新能力評價模型;王林[7]論述了農業科技創新必須重視知識經濟的挑戰，以及知識經濟時代農業科技創新的主攻方向;馬利華等[8]以形成“目標-建設-評價-建設-目標”系統的科技建設指導理論和模式機制為出發點，以縣域農業科技創新能力及其指數定義為基礎，研究了縣域農業科技創新能力的構成體系;朱玉春等[9]運用多元統計學中的主成分分析和聚類分析的方法，分別對中國31個省份的農業科技創新能力進行了評價與比較;陳奇榕等[10]研究了農業科技創新水平評估原則、指標體系以及建立綜合評估模型與評估指數的計算方法步驟，同時進行了農業科技創新水平評價指標測算實證與分析。近年來，因子分析和聚類分析結合的應用較廣泛，但就現有文獻來看，因子分析和聚類分析在中部六省農業科技創新能力的評價上鮮見報道。本文將用因子分析法準確客觀地找到影響中部六省農業科技創新的共同因素，分析中部六省農業科技創新存在的差異以及導致差異的主要原因，為中部六省有針對性地制定農業發展政策提供理論依據。

1 ?評價指標體系的確定

構建科學合理的農業科技創新能力評價指標體系，是農業科技創新能力綜合評價的基礎和前提，也是做好農業科技創新能力評價的關鍵。但影響農業科技創新能力的因素多而復雜。本文在嚴格遵循設計指標體系科學性、可比性、綜合性、易操作性和代表性等原則下，查閱大量文獻，借鑒相關評價理論與方法，并結合中部六省實際狀況，從農業科技創新投入能力、農業科技創新支撐能力、農業科技創新產出能力以及農業科技創新可持續發展能力等4個方面建立了指標體系（表1）。

2 ?農業科技創新能力評價與結果分析

2.1 ?樣本數據來源

本研究的數據來源于中部六省2012年的統計年鑒，各項指標的具體數據如表2。

2.2 ?因子分析法的基本原理

因子分析法（Factor analysis）是以回歸方程的形式將變量表示成因子變量的線性組合，它根據研究變量內部之間的相互關系，以最小的信息缺失，把信息重疊的諸多關聯性較強的原始變量歸納為數量略少的幾個因子，即運用少數公因子來闡明關聯變量之間繁雜結構的多變量統計分析方法。因子分析法的目的是尋找變量的基本結構，簡化觀測系統，削減變量維數，用較少的變量來解釋問題。運用這種研究技術，可以方便地找出影響區域經濟發展的主要因素是哪些以及它們的權重。

2.3 ?因子分析的過程以及分析結果

本文的數據分析過程采用SPSS19.0統計軟件。

2.3.1 ?原有變量進行因子分析的可行性檢驗 ?由于數據量較大，首先借助SPSS統計軟件對數據進行標準化處理，計算得出相關系數矩陣。從結果可知，相關系數矩陣中大部分相關系數均大于0.3，且通過了KMO和Bartlett的球形度檢驗，因此用因子分析法對中部六省農業科技創新能力進行分析是合適的。

2.3.2 ?確定主因子變量 ?通過計算得到相關矩陣特征值和特征向量的總方差解釋表（表3）。根據主成分的選取原則，由于前4個特征值的累積貢獻率為96.556%，已經超過了85.000%，所以提取前4個主因子對中部六省農業科技創新能力進行綜合評價。

2.3.3 ?建立因子載荷矩陣 ?因子載荷值即成分得分系數，可體現主因子與原始指標體系之間的關聯程度。本文采用最大方差法對因子矩陣進行正交旋轉，經過5次迭代后收斂，得到總方差解釋表（表3），并且在經過具有Kaiser標準化的正交旋轉迭代后實現收斂，得到旋轉后的因子載荷矩陣（表4）。

結合表4可以重新定義4個主因子：

主因子F1包括：第一產業從業人數（X1）、農業機械總動力（X6）、農村用電量（X7）、第一產業固定投資（X8）、農業機耕面積（X9）、農田有效灌溉面積（X10）、農業總產值（X11）、地方財政科技撥款（X2），這些指標都與農業科技創新物質裝備與投入相關，因此F1代表農業科技創新基礎因子。

主因子F2包括：科技活動人員（X3）、R&D人員（X4）、R&D經費支出（X5）、農業受災面積（X17），這些指標基本與農業科技創新發展的科技投入相關，因此F2代表農業科技創新科技因子。

主因子F3包括：恩格爾系數（X15）、第一產業貢獻率（X12）、人均純收入（X13），這些指標與社會經濟效益以及人民生活質量有關，因此F3代表農業科技創新效益因子。

主因子F4包括：技術市場成交合同金額（X14）、森林覆蓋率（X16）、環境污染治理投資總額（X18），這些指標與農業可持續發展有關，因此F4代表農業科技創新可持續發展因子。

依據成分得分系數矩陣寫出綜合得分以及F1、F2、F3、F4主因子的因子得分：

綜合得分F=（39.792%F1+25.438%F2+20.929%F3+10.397%F4）/96.556%，

F1=0.098X1+0.092X2-0.061X3+…-0.164X17-0.130X18

F2=0.042X1+0.022X2+0.230X3+…+0.331X17+0.083X18

F3=0.002X1+0.133X2+0.020X3+…+0.010X17-0.184X18

F4=0.001X1+0.105X2+0.118X3+…-0.193X17+0.301X18

其中，Xi（i=1，2，…，18）為各省各指標數據的標準化數值。

通過綜合評價函數，得出中部六省各因子的綜合得分（表5）。

2.4 ?聚類分析

聚類分析（Cluster analysis）是對樣本（個體）以某種相似性為度量標準對指標或因子進行分類的一種多元統計分析方法。根據分類對象的不同，聚類分析分為R型和O型兩種。R型聚類分析用于指標聚類，Q型聚類分析沒有對度量數據之間的親疏程度給定分類的標準，也沒有硬性規定所有數據應該分成幾類，而是比較客觀地從數據自身出發進行分類。在因子分析的基礎上，本文采用R型聚類分析方法，即對變量進行分類處理，然后將標準化后的數據輸入到SPSS19.0統計軟件中，選擇歐式距離的平方法進行統計分析，最遠距離法為聚類方法，最后輸出聚類結果列表和聚類樹狀圖（表6和圖1）。

根據表6聚類后的結果，當分為4個集群時，可以把中部六省農業科技創新能力分為4類：

第1類：河南省。河南省以0.668的綜合得分獨占鰲頭，遠遠高于其他5個省份，屬于領先類層次，農業科技創新能力在中部六省中具有明顯優勢，這體現了其傳統的農業大省、人口大省以及新興的經濟大省和工業大省的地位。其中，河南省在農業科技創新基礎方面最為突出，位居首位，農業科技創新基礎指標的各項數據均名列前茅。但在農業科技創新效益、農業科技創新科技、農業科技創新可持續發展方面得分偏低，分別為-0.08，-0.43，-0.26，排名靠后，嚴重影響到了河南省的農業科技創新能力。