農業知識化發展程度影響因素研究
——基于主成分分析

劉海閱

(中國政法大學 北京 100091)

?

農業知識化發展程度影響因素研究
——基于主成分分析

劉海閱

(中國政法大學 北京 100091)

目前，中國農業知識化發展程度嚴重制約著農業從業人員人均收入，因此研究農業知識化程度的影響因素，從根本上采取措施促進專業人員收入提高，對于縮小行業從業人員收入差距至關重要，有利于整體經濟和諧穩定發展。本文通過列聯分析，研究各省市農業信息化水平與區域的關系，從全國范圍來看，東部農業信息化發展水平普遍較好，西部省份則發展相對落后。另選取每戶擁有電話機數量、農業科技投入占農業增加值比例、農村專業人員農村總就業人員比例、農業從業人員人均受教育年限四個指標，采用主成分分析法分析主要影響因素。最后，結合實際提出提高農業知識化程度的解決措施。

農業知識化;主成分分析法;列聯分析

一、各省份地域對農業知識化程度的影響——列聯分析

黨的十八大等國家重要會議中已經逐步將信息化、農業現代化作為中國特色社會主義發展道路。這對于推進我國農業信息化發展進入一個更高的臺階是一個非常有利的契機。是當下中國農業發展的不二之選，可以有效的提高農民收入。目前，我國農業知識化程度正在逐步完善。

首先，我們會考慮，全國各省市農業知識化的水平與哪些因素有關？是否受各省市所處的地域影響呢？據全國區域劃分，我國全部領土大致分為東、中、西部。其中東部省份包括京、津、冀、粵、蘇、遼、滬、魯、浙、閩、瓊；中部省份包括黑、晉、贛、吉、皖、湘、豫、鄂；西部省份包括渝、貴、新、陜、甘、桂、青、寧、蒙、川、云和藏。在這里我們將處于東部地區的省份賦值1，中部地區賦值2，西部地區賦值3。(由于兩個省份數據缺失，本文研究省份數據中，不包括重慶和西藏數據)

同時，我們先抽取數據指標知識指數，由于其為連續數據，而列聯分析只是研究定性數據之間關系的。所以，我們在spss中先將知識指數化分成不同區間，再將各個區間定義為分類數據，賦值V6表示知識指數區間，并制作出交叉制表。

作假設分析：H0：所處地域與農業知識化水平是獨立的；

H1：所處地域與農業知識化水平是不獨立的。

Spss做卡方檢驗?？ǚ綑z驗結果sig.=0，拒絕原假設。因此，在我國，農業信息化水平與地域區域之間不是相互獨立的，農業信息化水平是受各省份所處地域區域的影響的。處于不同地域區域的省份，其農業知識化水平是不同的。

二、農業知識化程度影響因素研究——主成分分析法

(一)主成分分析法的一般原理

農業知識化程度的評測涉及到高新技術、信息化水平、教育等多個指標，那么重點就是測量指標間的權重比例，這就需要采用主成分分析法來確定各指標的權重。主成分分析法就是在盡量減少數據信息丟失的情況下，對數據進行降維處理。多數情況下，同一個信息會由幾個不同的數據同時反映，由此，過多的變量增加了研究的復雜程度，同時同樣的信息由數個數據指標表示，也使得研究舉步維艱。而主成分分析法就是剔出那些表示了重復信息的數據，使得研究過程簡化。核心步驟是先求出若干個主成分變量F1、F2……Fm，再以每個主成分Fi相對應的方差貢獻率ai為權數構造新函數。

主成分分析法在最大程度的保留變量原本信息的情況下，通過線性變換將一組相關變量(相關的變量會帶來較強的多重共線性)轉成不相關的變量(良好特性)。在實際應用中由于各指標的單位差異，需先消除量綱的影響，將原始數據標準化，得到ZX1、ZX2、……、ZXp。

A=(aij)p╳m=(a1，a2，……，am)，Rai=λiai

式中：R為相關系數矩陣，λi、ai是相應的特征值和單位特征向量，λ1≥λ2≥……≥λp≥0。

(二)指標原始數據及其標準化

本文以中國各個省(市、自治區)為研究對象，從統計年鑒中收集農業知識化指數需要的基礎數據，其他部分數據經計算得到。

為方便研究表述，我們定義每戶擁有電話機(部)為X1，科技投入占農業增加值比例為X2，專業人員占總就業人員為X3，農業從業人員人均受教育年限(年)為X4，知識化指數為X5。

(1)

(三)影響因素的主成分分析

做5個分析變量數據X1、X2、X3、X4、X5標準化后的相關系數矩陣，從分析結果可以看出，X1與X5的相關系數高達0.846、X4與X5的相關系數高達0.927、X2與X3的相關系數高達0.772，表示他們之間都具有高度相關性。其他兩兩變量之間由于相關系數相對較小，因而其相關性不明顯。

根據特征值與1相比，得到主成分表，提取出兩個主成分F1、F2。根據成分矩陣表，比較各個變量的載荷大小，確定針對每個主成分中，對各自起主要作用的變量。根據成份得分系數矩陣表，得到因子得分系數。

即可確定主成分表達式：

F1=0.282X1+0.169X2+0.244X3+0.259X4+0.305X5

F2=-0.083X1+0.592X2+0.410X3-0.369X4-0.263X5

(2)

用主成分的貢獻率做權重，得到模型：F=0.61F1+0.27F2

(3)

將各省數據帶入式(2)、(3)得到得到各省農業信息化水平。

結果表明，北京、上海憑借其政治、經濟等優勢，農業知識化程度遙遙領先；東部地區中只有海南稍稍遜色于其他東部地區的發展，但是依然超過大部分中部地區以及全部的西部地區；中部各地區農業信息化水平雖然不及東部地區各省份擠進前10名，但是普遍居中，說明其農業科技發展已初具模型；西部地區的農業知識化程度便正如我們普遍認識到的那樣，與東部、中部地區的發展有很大的距離。

三、結論

通過主成分分析研究結果來看，東部省份農業知識化程度花開遍地，西部省份的農業知識化程度則要落后一個檔次，但陜西、寧夏等西部省份的農業知識化已經開始有模有樣，這種不同尋常規律的差異可能是極大需求帶來超速發展的影響結果。

針對我國的農業知識化發展，從政府的角度來說，應當將提高電子政務、金農工程在農業知識化建設中的廣泛應用；應投入更多的定向資金，用于農業知識化系統的后臺支撐平臺建設。從市場的角度來看，應建立并完善有關市場機制；加強資源管理，協調各市場主體關系，維持整個信息農業行業的活力與發展。

針對農業知識化程度較差地區，首先可以考慮從自身出發，加大科技投入，或提升從業人員人均受教育年限以提高從業人員的整體職業素質等等；亦可以從充分利用外部環境優勢出發，從農業知識化程度較高地區引進人才、資金、新技術等，雖然“拿來主義”不是改變問題的根本途徑，但是著實可以高效解決問題，快速全面促進全國各地區農業知識化程度的均衡發展。

[1]陳曉華.農業信息化概論[M].北京：中國農業出版社，2012.

[2]陳曉華.抓住機遇迎接挑戰扎實推進信息化與農業現代化全面融合[R]．2013.

[3]鄭紅維,李颙.中國農村信息服務體系綜合評價與發展戰略研究[M].北京:中國農業科學技術出版社,2010.

劉海閱(1993-)，女，漢族，黑龍江牡丹江人，碩士研究生，產業經濟學碩士，中國政法大學商學院，研究方向：產業經濟學。