APP下载

我国农业发展状况综合分析

2021-09-10施灵萍严丽玉

科技风 2021年25期
关键词:聚类分析因子分析指标

施灵萍 严丽玉

摘 要:本文选取15个指标来探究我国农业发展状况,通过星象图初步分析我国农业的发展特征。使用SPSS软件对变量做面板数据的因子分析,对2018年的农业指标进行word聚类分析,将我国31个省市农业发展状况划分成五类。根据农业发展状况分析我国农业现阶段存在的问题,并提出建议,从而进一步了解我国农业的发展状况。

关键词:农业;指标;因子分析;聚类分析

A Comprehensive Analysis of Chinas Agricultural Development

Shi Lingping1.2 Yan Liyu1

1.Xiamen Institute of technology FujianXiamen 361000;2.Fuqing SanShan Middle School FujianFuqing 350000

Abstract:In this text,15 indicators were selected to explore the status of agriculture development in China.The characteristics of agricultural development is preliminarily analyzed by thestar chart.Using SPSS software for doing factor analysis of panel data.The agricultural indicators in 2018 were analyzed by word cluster analysis,the agricultural development status of 31 provinces and cities in China was divided into five categories.According to the agricultural development situation,this paper analyzes the existing problems of China's agriculture at this stage,and puts forward suggestions,so as to have a further understanding of the development situation of China's agriculture.

Keywords:agricultural;index;factor analysis;cluster analysis

一、绪论

农业作为我国三大产业的基础产业,其重要性不言而喻。“十三五”纲要指出我国农业发展的进程是实现中国梦的基础。中国是人口大国,农业的发展状况与民生问题息息相关,了解我国农业发展进程,有利于促进我国经济发展。本文对农业的研究范围是狭义的农业。在国家统计局官网中搜集2014—2018年与农业相关的地区分省份年度数据,通过多元统计方法说明我国农业发展状况,并提出相关建议。

二、农业指标的选取分析

依据指标选取原则,结合农业发展的特征,从农业生产、农业科技、农业社会发展水平中[1]选取了15个指标作为研究变量,构建指标变量表如下:

三、数据预处理

(一)数据的描述性分析

通过对比2014—2018年各地区的星象图[2],发现各地区逐年的图像无明显变化,认为我国各地区的农业发展具有相对的稳定性。但各地区图像形状大小存在较大的差异,可知我国各地区农业发展不均衡。

(二)数据标准化处理

为深入了解我国农业发展状况,对原变量数据进行Z-score标准化,其公式[3]如下:

Zij=Xij-Xj-Sj

其中,Xij是第i个样本的第j个变量的原始值,Zij是Xij标准化后的值,Xj-是第j个变量的均值,Sj是第j个变量的标准差。

四、因子分析

(一)KMO和Bartlett球度检验

各指标间存在较大的相关性时,因子分析才有科学意义。运用SPSS软件对2014—2018年的变量数据做KMO和Bartlett球度检验,结果详见下表:

检验结果显示,2014—2018年的KMO值均大于0.77,并且Bartlett球度检验结果小于显著性水平(α=0.5),说明对2014—2018年的指标变量进行因子分析具有一定的依据性。

(二)因子分析

1.模型建立

因子分析最主要的思想就是降维,通过研究变量间的相关性,把相关性较大的变量归为一类,最终转变为较少的因子,并且这些因子之间不存在线性关系。由此,建立R型因子分析模型[4]如下:

x1=a11F1+a12F2+…+a1mFm+ε1

x2=a21F1+a22F2+…+a2mFm+ε2

xp=ap1F1+ap2F2+…+apmFm+εp

Fi是公共因子,aij为因子载荷。因子载荷是第i个变量在第j个公共因子上的占比,能够反映变量在公共因子上的依赖程度。

2.提取公共因子

根据特征值大于1的抽取原则[4],对比主成分法与极大似然估计法提取的累计贡献率,发现主成分法的累积贡献率大于极大似然法的累计贡献率,因此选择主成分法计算因子载荷,提取的公因子数为3。

3.因子旋轉

为使各变量在各主因子上的载荷呈现出明显的大小差异,需进行因子旋转。在多元统计分析中,最大方差正交旋转法[10]是因子旋转方法中使用最广泛的。

猜你喜欢

聚类分析因子分析指标
主要宏观经济指标及债券指标统计表
主要宏观经济指标及债券指标统计表
主要宏观经济指标及债券指标统计表
主要宏观经济指标及债券指标统计表
农村居民家庭人均生活消费支出分析
基于主导产业视角的战略性新兴产业识别以及实证研究
基于省会城市经济发展程度的实证分析
山东省县域经济发展评价研究
实证分析会计信息对股价的影响
基于聚类分析的互联网广告投放研究