宋啟紅 丁樺 余鈺華



摘要:本研究以青海省八個市州為樣本,運用因子分析對其農業發展水平作出綜合性評價。結果顯示這八個市州可分為三類,其中海南州和海西州為青海省農業發展水平最高的市州,其次為海東市和海北州,其余市州為最后一類,并且研究發現青海省各市州農業發展水平相差較大。
關鍵詞:農業發展;因子分析;青海省
中圖分類號:F320? ? 文獻標識碼:A
文章編號:1005-913X(2019)12-0049-02
一、青海省農業發展水平指標體系構建
根據構建指標體系所要求的客觀性、科學性、全面性、可比性等原則,選取以下七個參考指標:
X1:人均播種面積(平方米/人)
X2:人均耕地面積(平方米/人)
X3:人均糧食產量(千克/人)
X4:單位土地農機動力(瓦/平方米)
X5:單位土地化肥施用量(千克/平方米)
X6:全年鄉村平均人口數(萬人)
X7:人均農用運輸車輛(輛/人)
以上選取的七個指標中,除鄉村平均人口數外,都是采用了單位指標,這主要是考慮到青海省各市州的人口多少和土地面積的大小差異較大,而單位指標則降低了這種差異,增加了可比性。
二、基于因子分析的青海省農業發展水平
(一)模型構建
因子分析的數學模型為:X=AF+ε,其中,X=(X1,X2,…,Xp)為原始變量向量,A為公因子載荷矩陣,F=(F1,F2,…,Fk)為X的公共因子,ε為特殊因子。
(二)樣本選取及數據來源
研究對象為青海省的八個地市州。所有的數據均來源于《2016年青海統計年鑒》。
(三)數據分析過程
1.因子分析的適宜性檢驗
使用spss21.0進行探索性分析,沒有出現異常值,所有數據均為有效值,缺失值0個,可以進行數據的進一步分析與處理。
KMO檢驗和Bartletts球形檢驗顯示,KMO值為0.589,數據不太理想。但Bartlett球形檢驗統計量的觀測值為35.663,相伴概率P=0.004<0.05,結合相關系數矩陣的分析,說明數據適合做因子分析。
2.提取公因子
由表1可知,這兩個因子的特征值分別為4.019和1.300,均大于1,且累計方差貢獻率已達到75.988%,說明公因子的選取滿足要求。
3.公因子的命名
選用2個主因子對青海省的八個地區進行實證分析,并為其命名。
從第一個主因子F1中可以看出,X1、X2、X3占比均超過80%,是組成F1的主要指標,并且這幾類指標都是可以反映某地區農業基礎發展水平的,故可以將其命名為“農業基礎發展因子”。
從第二個主因子F2中可以看出,X5、X6、X7占比均超過80%,是構成F2的主要因子,這幾個指標都是可以反映有關農業后期投入方面信息的指標,故而可以將主因子F2命名為“農業后期發展因子”。
4.各市州的主因子得分及綜合得分
根據表3可以得出單因子得分函數為:
F1=0.363X1+0.336X2+0.196X3-0.161X4+0.090X5-0.198X6-0.063X7
F2=-0.235X1-0.156X2+0.134X3-0.103X4+0.245X5+0.590X6+0.377X7
在單因子得分的基礎上,進而得出綜合因子得分函數為:
F綜=(0.57410F1+0.18578F2)/0.75988
F1、F2及綜合因子得分值F綜,見表4。
從綜合得分可以明顯地看出,海南州位列第一,海西州、海北州、海東市分列二三四位。第一和第二之間的差距較小,第三和第四的差距也較小。同時,上述四個市州均大幅度領先于其他四個市州。由其中懸殊的差距可知,青海省各市州農業發展水平是非常不平衡,而黃南州、玉樹州和果洛州的綜合得分竟然為負數。
三、結論
研究結果表明青海省各地區農業發展的極度不均衡,根據綜合農業發展水平得分,排名二階梯的市州與排名第三階梯的市州的綜合得分相差巨大。針對本研究結果,建議青海省繼續保持現有的農業發展水平,積極推進青海省各地區農業的結構調整,尋求新的農業經濟增長點。首先,加強農業基礎設施建設。其次,大力發展區域特色農業。最后,加大科技投入,吸引優質農業人才到青海工作。
參考文獻:
[1] 青海省統計局.青海統計年鑒2016[M].北京:中國統計出版社,2017.
[2] 嚴 菁,張素梅.關于建立青海農業標準體系的思考[J].大眾標準化,2017(11).
[3] 金 蘭,任永麗.青海農業區及藏區中學生物教師教研現狀的調查及對策研究[J].青海師范大學學報:自然科學版,2017(1).
[4] 馮彩莉,張曉紅.中國共產黨認同:青海藏區社會變遷進程中的鄉村治理[J]. 青海社會科學,2017(6).
[5] 趙有武.淺談青海東部地區農業區域化品牌建設[J].農民致富之友,2017(16).
[6] 嚴 菁,張素梅.關于建立青海農業標準體系的思考[J].大眾標準化,2017(11).
[責任編輯:龐 林]