农业知识化发展程度影响因素研究——基于主成分分析

刘海阅

(中国政法大学 北京 100091)



农业知识化发展程度影响因素研究
——基于主成分分析

刘海阅

(中国政法大学 北京 100091)

目前，中国农业知识化发展程度严重制约着农业从业人员人均收入，因此研究农业知识化程度的影响因素，从根本上采取措施促进专业人员收入提高，对于缩小行业从业人员收入差距至关重要，有利于整体经济和谐稳定发展。本文通过列联分析，研究各省市农业信息化水平与区域的关系，从全国范围来看，东部农业信息化发展水平普遍较好，西部省份则发展相对落后。另选取每户拥有电话机数量、农业科技投入占农业增加值比例、农村专业人员农村总就业人员比例、农业从业人员人均受教育年限四个指标，采用主成分分析法分析主要影响因素。最后，结合实际提出提高农业知识化程度的解决措施。

农业知识化;主成分分析法;列联分析

一、各省份地域对农业知识化程度的影响——列联分析

党的十八大等国家重要会议中已经逐步将信息化、农业现代化作为中国特色社会主义发展道路。这对于推进我国农业信息化发展进入一个更高的台阶是一个非常有利的契机。是当下中国农业发展的不二之选，可以有效的提高农民收入。目前，我国农业知识化程度正在逐步完善。

首先，我们会考虑，全国各省市农业知识化的水平与哪些因素有关？是否受各省市所处的地域影响呢？据全国区域划分，我国全部领土大致分为东、中、西部。其中东部省份包括京、津、冀、粤、苏、辽、沪、鲁、浙、闽、琼；中部省份包括黑、晋、赣、吉、皖、湘、豫、鄂；西部省份包括渝、贵、新、陕、甘、桂、青、宁、蒙、川、云和藏。在这里我们将处于东部地区的省份赋值1，中部地区赋值2，西部地区赋值3。(由于两个省份数据缺失，本文研究省份数据中，不包括重庆和西藏数据)

同时，我们先抽取数据指标知识指数，由于其为连续数据，而列联分析只是研究定性数据之间关系的。所以，我们在spss中先将知识指数化分成不同区间，再将各个区间定义为分类数据，赋值V6表示知识指数区间，并制作出交叉制表。

作假设分析：H0：所处地域与农业知识化水平是独立的；

H1：所处地域与农业知识化水平是不独立的。

Spss做卡方检验。卡方检验结果sig.=0，拒绝原假设。因此，在我国，农业信息化水平与地域区域之间不是相互独立的，农业信息化水平是受各省份所处地域区域的影响的。处于不同地域区域的省份，其农业知识化水平是不同的。

二、农业知识化程度影响因素研究——主成分分析法

(一)主成分分析法的一般原理

农业知识化程度的评测涉及到高新技术、信息化水平、教育等多个指标，那么重点就是测量指标间的权重比例，这就需要采用主成分分析法来确定各指标的权重。主成分分析法就是在尽量减少数据信息丢失的情况下，对数据进行降维处理。多数情况下，同一个信息会由几个不同的数据同时反映，由此，过多的变量增加了研究的复杂程度，同时同样的信息由数个数据指标表示，也使得研究举步维艰。而主成分分析法就是剔出那些表示了重复信息的数据，使得研究过程简化。核心步骤是先求出若干个主成分变量F1、F2……Fm，再以每个主成分Fi相对应的方差贡献率ai为权数构造新函数。

主成分分析法在最大程度的保留变量原本信息的情况下，通过线性变换将一组相关变量(相关的变量会带来较强的多重共线性)转成不相关的变量(良好特性)。在实际应用中由于各指标的单位差异，需先消除量纲的影响，将原始数据标准化，得到ZX1、ZX2、……、ZXp。

A=(aij)p╳m=(a1，a2，……，am)，Rai=λiai

式中：R为相关系数矩阵，λi、ai是相应的特征值和单位特征向量，λ1≥λ2≥……≥λp≥0。

(二)指标原始数据及其标准化

本文以中国各个省(市、自治区)为研究对象，从统计年鉴中收集农业知识化指数需要的基础数据，其他部分数据经计算得到。

为方便研究表述，我们定义每户拥有电话机(部)为X1，科技投入占农业增加值比例为X2，专业人员占总就业人员为X3，农业从业人员人均受教育年限(年)为X4，知识化指数为X5。

(1)

(三)影响因素的主成分分析

做5个分析变量数据X1、X2、X3、X4、X5标准化后的相关系数矩阵，从分析结果可以看出，X1与X5的相关系数高达0.846、X4与X5的相关系数高达0.927、X2与X3的相关系数高达0.772，表示他们之间都具有高度相关性。其他两两变量之间由于相关系数相对较小，因而其相关性不明显。

根据特征值与1相比，得到主成分表，提取出两个主成分F1、F2。根据成分矩阵表，比较各个变量的载荷大小，确定针对每个主成分中，对各自起主要作用的变量。根据成份得分系数矩阵表，得到因子得分系数。

即可确定主成分表达式：

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

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

(2)

用主成分的贡献率做权重，得到模型：F=0.61F1+0.27F2

(3)

将各省数据带入式(2)、(3)得到得到各省农业信息化水平。

结果表明，北京、上海凭借其政治、经济等优势，农业知识化程度遥遥领先；东部地区中只有海南稍稍逊色于其他东部地区的发展，但是依然超过大部分中部地区以及全部的西部地区；中部各地区农业信息化水平虽然不及东部地区各省份挤进前10名，但是普遍居中，说明其农业科技发展已初具模型；西部地区的农业知识化程度便正如我们普遍认识到的那样，与东部、中部地区的发展有很大的距离。

三、结论

通过主成分分析研究结果来看，东部省份农业知识化程度花开遍地，西部省份的农业知识化程度则要落后一个档次，但陕西、宁夏等西部省份的农业知识化已经开始有模有样，这种不同寻常规律的差异可能是极大需求带来超速发展的影响结果。

针对我国的农业知识化发展，从政府的角度来说，应当将提高电子政务、金农工程在农业知识化建设中的广泛应用；应投入更多的定向资金，用于农业知识化系统的后台支撑平台建设。从市场的角度来看，应建立并完善有关市场机制；加强资源管理，协调各市场主体关系，维持整个信息农业行业的活力与发展。

针对农业知识化程度较差地区，首先可以考虑从自身出发，加大科技投入，或提升从业人员人均受教育年限以提高从业人员的整体职业素质等等；亦可以从充分利用外部环境优势出发，从农业知识化程度较高地区引进人才、资金、新技术等，虽然“拿来主义”不是改变问题的根本途径，但是着实可以高效解决问题，快速全面促进全国各地区农业知识化程度的均衡发展。

[1]陈晓华.农业信息化概论[M].北京：中国农业出版社，2012.

[2]陈晓华.抓住机遇迎接挑战扎实推进信息化与农业现代化全面融合[R]．2013.

[3]郑红维,李颙.中国农村信息服务体系综合评价与发展战略研究[M].北京:中国农业科学技术出版社,2010.

刘海阅(1993-)，女，汉族，黑龙江牡丹江人，硕士研究生，产业经济学硕士，中国政法大学商学院，研究方向：产业经济学。