基于因子分析的糧食收購政策執(zhí)行效果評價

王楚楚+李林++萬晨潔++許琰

摘要依據(jù)現(xiàn)有研究，通過歸納分析影響糧食收購政策執(zhí)行效果的因素，構(gòu)建評價其執(zhí)行效果的模型.確定衡量糧食收購政策執(zhí)行效果的指標(biāo)因子，運用因子分析技術(shù)，對政策的執(zhí)行效果進(jìn)行分析，進(jìn)而得到因子綜合得分并用于對糧食收購政策執(zhí)行效果進(jìn)行評價.運用本文的因子綜合得分法對部分示例省份糧食收購政策的執(zhí)行效果進(jìn)行評價和分析，在此基礎(chǔ)上進(jìn)一步提出完善建議.

關(guān)鍵詞因子分析；糧食收購政策；執(zhí)行效果

中圖分類號O212.4文獻(xiàn)標(biāo)識碼A

1引言

糧食，不僅是維持人們?nèi)粘Ｉ畹谋匦枋称罚疫€是維護(hù)國家經(jīng)濟(jì)發(fā)展和政治穩(wěn)定的戰(zhàn)略物資，具有不可替代的特性.國家自2005年起開始對糧食主產(chǎn)區(qū)實行了糧食收購政策.在糧食集中上市期間，當(dāng)市場糧價低于最低收購價時，由國有糧食購銷企業(yè)按照最低收購價掛牌敞開收糧，調(diào)節(jié)市場供求關(guān)系，引導(dǎo)其他市場主體收購行為，實現(xiàn)支撐市場糧價、保護(hù)農(nóng)民收益的目的；當(dāng)市場糧價高于最低收購價時，則不啟動糧食收購政策.政策總體目的在于對市場糧價形成托底效應(yīng)，并通過穩(wěn)定糧價來保護(hù)農(nóng)民種糧收益[1].

糧食收購政策已經(jīng)成為了國家保護(hù)糧食生產(chǎn)的最為重要的舉措之一.但是不同時期在不同的省區(qū)，政策執(zhí)行的效果卻不盡相同.對于糧食收購政策的執(zhí)行效果的評價，蘭錄平[2，3]運用固定影響變截距模型，對糧食收購政策的執(zhí)行效果及影響進(jìn)行實證分析；作者還分析了政策在設(shè)計方面存在的缺陷，并從優(yōu)化政策設(shè)計、提高執(zhí)行效果、完善配套措施三個方面，對糧食收購政策提出完善建議.張建杰[4]以小麥為例對執(zhí)行省區(qū)與非執(zhí)行省區(qū)產(chǎn)出的糧食總量、結(jié)構(gòu)與效率進(jìn)行動態(tài)及靜態(tài)比較，表明小麥?zhǔn)召徴叩耐惺行?yīng)較為明顯.沈旭東[5]以江蘇東臺為例，闡述了糧食收購政策執(zhí)行的情況，分析了執(zhí)行糧食收購政策中存在的問題并提出了完善糧食收購政策的建議.徐欣[6]以小麥為例分析糧食收購政策的效果及執(zhí)行情況，并進(jìn)一步分析了政策執(zhí)行效果對各利益主體的影響.如何客觀評價糧食收購政策的執(zhí)行效果依然是一個亟待解決的問題.

將因子分析法運用于綜合評價方法，克服了傳統(tǒng)評價方法在處理指標(biāo)高度相關(guān)和權(quán)重設(shè)定上的缺陷，所構(gòu)造的因子得分模型適用于對評價對象的靜態(tài)比較[7].張原[8]以區(qū)域信用環(huán)境評價為研究對象，以構(gòu)建區(qū)域信用環(huán)境評價指標(biāo)體系為核心，運用因子分析法對區(qū)域信用環(huán)境進(jìn)行深入分析.本文構(gòu)建糧食收購政策執(zhí)行效果的評價模型，并用因子分析法對政策的執(zhí)行效果進(jìn)行評價.

2評價模型構(gòu)建

2.1評價指標(biāo)體系的構(gòu)建

現(xiàn)根據(jù)各因素對糧食收購政策執(zhí)行效果的影響，對評價糧食收購政策的影響因子進(jìn)行系統(tǒng)分析及整合.國家實行糧食收購政策的目的就在于保護(hù)農(nóng)民利益、促進(jìn)農(nóng)民種糧積極性以及保障糧食市場供應(yīng).人口平均的糧食產(chǎn)量及糧食種植面積越大說明農(nóng)民種糧積極性越高，則進(jìn)一步說明糧食收購政策的執(zhí)行效果越好.機(jī)械化水平（如：農(nóng)業(yè)機(jī)械總動力、大中型拖拉機(jī)、農(nóng)用排灌柴油機(jī)、拖拉機(jī)配套農(nóng)具）越高，說明農(nóng)民在糧食種植方面的投入越大，也說明政策的執(zhí)行發(fā)揮了效果，所以本文認(rèn)為也可以將機(jī)械化因素作為衡量政策執(zhí)行效果的評價因素.同時本文認(rèn)為第一產(chǎn)業(yè)生產(chǎn)總值以及農(nóng)村居民人均純收入的高低也會受到糧食收購政策執(zhí)行效果的影響，并且認(rèn)為其影響是積極的.綜上所述，本文以農(nóng)業(yè)產(chǎn)量、機(jī)械化和經(jīng)濟(jì)效益3個維度的相關(guān)指標(biāo)作為評價糧食收購政策執(zhí)行效果的因素.基于數(shù)據(jù)的可得性原則，為方便計算，結(jié)合已有指標(biāo)體系中的各指標(biāo)選取額度，篩選以后，本文從上文指出的幾個方面，構(gòu)建糧食收購政策執(zhí)行效果的評價指標(biāo)體系.（如表1所示）本文指標(biāo)體系中的相關(guān)數(shù)據(jù)均來源于《中國農(nóng)村統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》.2.2評價方法—因子分析法

根據(jù)本文所構(gòu)建的評價指標(biāo)體系，影響執(zhí)行效果的因素較多，為體現(xiàn)不同影響因素對政策執(zhí)行效果的影響程度，需要對每個影響因素的相關(guān)指標(biāo)進(jìn)行權(quán)重劃分，得到影響政策執(zhí)行效果的主要因素及其指標(biāo).為增強(qiáng)評價結(jié)果的客觀性，本文采用因子分析法對糧食收購政策的執(zhí)行效果進(jìn)行評價.

通過相關(guān)性分析結(jié)果可知指標(biāo)原始變量間存在著較強(qiáng)的相關(guān)性.所以評價指標(biāo)并不能直接用于對執(zhí)行效果進(jìn)行評價分析.

本文運用KMO和Bartlett球形度檢驗進(jìn)行因子分析的擬合檢驗，以確定數(shù)據(jù)是否適合進(jìn)行因子分析.KMO統(tǒng)計量用于探查觀測變量間的偏相關(guān)系數(shù)性.Bartlett球形度檢驗是一種檢驗變量之間相關(guān)程度的檢驗方法.進(jìn)行KMO檢驗的結(jié)果顯示KMO值為0.785，因此各變量間的相關(guān)程度無太大差異，數(shù)據(jù)適合做因子分析；Bartlett球形度檢驗的近似卡方為198.180，df為28，sig（球形檢驗的P值）為0.000.可見球形假設(shè)被拒絕，說明指標(biāo)間并非完全獨立，取值是有關(guān)系的，適合做因子分析.

本文采用主成分法計算提取公因子前、后各變量的共同度，包括各變量對應(yīng)的初始共同度和提取因子以后的再生共同度.根據(jù)初始解計算出的變量共同度，表示的是將所有變量都作為公共因子時的共同度，所以數(shù)值都為1.提取一定公共因子后每個原始變量的共同度數(shù)值也都接近于1，說明每個原始變量對提取出的所有公共因子的依賴程度較高，同時也說明提取的成分描述變量的效果讓人滿意.

表3所示為方差解釋表，顯示了主成分、初始特征值和方差貢獻(xiàn)等信息.該表中，成分表示因子序號；合計為特征值，其大小反映公因子的方差貢獻(xiàn)；方差的﹪為特征值占方差的百分?jǐn)?shù)；累計的﹪為特征值占方差百分?jǐn)?shù)的累加值.提取平方和載入列為根據(jù)特征值大于1的原則提取的1個因子的特征值、占方差百分?jǐn)?shù)及其累加值.由表可看出2個因子其解釋力就能達(dá)到99%以上，已經(jīng)包含了基本所有的信息，說明效果較為理想.

因子載荷矩陣是因子分析中最重要的部分，通過該表可以明晰的看出各變量的因子歸屬.本文運用主成份提取法和具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法，旋轉(zhuǎn)在 3 次迭代后收斂.進(jìn)行了因子旋轉(zhuǎn)后的表4更好地對主因子進(jìn)行解釋.表中給出了旋轉(zhuǎn)后因子（或成分）與原始變量的相關(guān)矩陣（按系數(shù)由大到小排列），可以看出經(jīng)過旋轉(zhuǎn)后相關(guān)系數(shù)已經(jīng)明顯地兩極分化了.第一個主成分與指標(biāo)變量

從因子得分矩陣及主成分得分表達(dá)公式可以得出：第一主成分主要包括農(nóng)村經(jīng)濟(jì)效益和農(nóng)業(yè)產(chǎn)業(yè)規(guī)模兩方面.且第一產(chǎn)業(yè)生產(chǎn)總值、農(nóng)村居民人均純收入和大中型拖拉機(jī)對第一主成分得分影響較大.第二主成分主要包括農(nóng)業(yè)機(jī)械化方面，且農(nóng)業(yè)排灌柴油機(jī)的使用量對第二主成分得分影響較大.

本文選取河北、山東、江蘇、黑龍江、湖南、四川、安徽7個省份2014年的數(shù)據(jù)，對這7個省份進(jìn)行糧食收購政策執(zhí)行效果的分析.分析結(jié)果如表6所示.根據(jù)表中F1得分、F2得分和F得分，可以得出安徽省的F得分最高，F(xiàn)2得分在示例省份中排名第一，而F1得分排名第二，說明安徽省可以從增加第一產(chǎn)業(yè)的投入和增加農(nóng)村居民純收入兩方面提高糧食收購方案的執(zhí)行效果.而河北省雖然F1得分排名第一，但是F得分卻排第五名，究其原因是F2得分較低，運用綜合得分法對其進(jìn)行分析，可得出河北省急需增加農(nóng)業(yè)機(jī)械化程度.四川省的F得分在示例省份中排名最后，F(xiàn)1得分也是排名最后，F(xiàn)2得分排名第三.說明四川省亟待提高糧食收購政策的執(zhí)行效果，并且可以從加大對本省第一產(chǎn)業(yè)的投入和增強(qiáng)農(nóng)業(yè)機(jī)械化程度這兩方面進(jìn)行改進(jìn).

參考文獻(xiàn)

[1]黃青青，胡亞光.基于農(nóng)戶視角的糧食最低收購價政策效應(yīng)研究——以江西為例[J].價格月刊，2016（8）：29-33.

[2]蘭錄平. 糧食最低收購價政策實施效應(yīng)的實證分析[J].山東農(nóng)業(yè)大學(xué)學(xué)報：社會科學(xué)版，2013（2）：45-49.

[3]蘭錄平. 我國糧食最低收購價政策的效應(yīng)和問題及完善建議[J].農(nóng)業(yè)現(xiàn)代化研究，2013（5）：3-7.

[4]張建杰. 對糧食最低收購價政策效果的評價[J].經(jīng)濟(jì)經(jīng)緯，2013（5）：19-24.

[5]沈旭東. 江蘇東臺：糧食最低收購價政策執(zhí)行情況、問題與建議[J].中國糧食經(jīng)濟(jì)， 2015（12）：55-57.

[6]徐欣， 陳潔， 張照新.小麥最低收購價政策執(zhí)行效果、存在問題與對策——對江蘇省的調(diào)研報告[J].中國糧食經(jīng)濟(jì)，2007（11）：15-19.

[7]游家興. 如何正確運用因子分析法進(jìn)行綜合評價[J]. 統(tǒng)計教育，2003（5）：10-11.

[8]張原，陳玉菲， 高革，等. 基于因子分析的陜