基于主成分分析的黑龙江省农业经济影响因素研究

米梦瑶

（渤海大学经济学院 辽宁锦州 121007）

2020年12月28日，习近平总书记在中央农村工作会议上强调：“坚持把解决好‘三农’问题作为全党工作重中之重，举全党全社会之力推动乡村振兴，促进农业高质高效、乡村宜居宜业、农民富裕富足。”[1]农业经济的发展状况对我国国民经济有着重要的影响。

由于近年来国家财政的支持，我国农业经济呈现出良好的发展态势。据《中国统计年鉴（2021）》数据，2020年黑龙江省的农林牧渔业总产值占全国的4.67%，其是大豆、小麦、玉米等粮食作物以及甜菜、亚麻等经济作物的主要出产地。目前，黑龙江省的农业经济发展面临着农业科技投入不足、农业基础设施老化甚至不足等问题，制约了农业的发展。

基于此，本文在对黑龙江省农业经济影响因素进行深入了解的基础上，认为黑龙江省历年的农林牧渔业总产值是反映其农业经济发展状况的重要指标，因此将其作为被解释变量，采用Pearson相关性分析的方法，将生产投入、自然状况和技术水平这3个指标作为影响农业经济的重要指标，进而利用主成分分析法分析其对黑龙江省农业经济的具体影响。

1 文献综述

刘冰认为市场需求、资金投入、出口贸易、科学技术以及国家政策是影响我国农业经济增长的重要因素[2]；隋洁等将农林牧渔业总产值、劳动力及固定资产投资作为影响因素来研究2003年—2019年山东省农业经济[3]；张红彦等从技术进步、农业机械、劳动力、灌溉面积、播种面积、农药、薄膜以及化肥的使用量方面分析了其对2009年—2012年山东省农业经济的影响[4]。

沈永昌等选取了1980年—2012年农业的时间序列数据，并运用主成分回归分析的方法来研究我国农业长期经济增长和短期经济增长[5]；张红彦等结合了C-D生产函数以及横截面时间序列混合数据，然后利用岭回归和主成分回归的研究方法分析了2009年—2012年各影响要素对山东省农业经济增长的贡献[4]；Mohamed选取2008年—2019年的季度数据并运用规范协整回归（CCR），研究了部分农业经济变量对伊拉克农业国内生产总值的影响[6]。

上述学者以不同的研究变量为切入点，分析了农业经济的影响因素，研究数据的时间跨度较大，能从较长的时间内看出投入效果，并且采用不同的实证分析方法去探究问题。但目前对于黑龙江省农业经济的研究相比较少，且其他文献在数据年份方面未更新。因此，本研究在更新数据的基础上来研究黑龙江省农业经济的影响因素。

2 指标的选取与筛选

2.1 指标初步筛选及来源

在参考各类文献的基础上，本文从生产投入、自然状况和科技水平3个角度共选取了11个指标。数据均来自国家统计年鉴和黑龙江省统计年鉴。

生产投入包含农林牧渔业劳动力、农作物耕种面积、农林牧渔业固定资产投资以及国家在农林水利上的财政支出4个指标。

自然状况包括年降水量、受灾面积和除涝面积3个指标。因国家统计年鉴和黑龙江省统计年鉴均无法查询黑龙江省的年降水量，本文选取哈尔滨市的年降水量代表黑龙江省的年降水量。

科技水平包括了农业机械化水平、有效灌溉面积、农用化肥施用量（折纯量）及农业用电量4个指标。

2.2 Pearson相关系数

Pearson相关系数是用来衡量两个变量之间的线性相关性的，其值介于-1与1之间，可用于衡量国民收入与居民储蓄存款、身高和体重等变量间的线性关系。本文初步选取黑龙江省2005年—2020年的农林牧渔业总产值作为因变量，将黑龙江省2005年—2020年的农林牧渔业劳动力、农作物耕种面积、农林牧渔业固定资产投资、国家在农林水利上的财政支出、年降水量、受灾面积和除涝面积、农业机械化水平、有效灌溉面积、农用化肥施用量（折纯量）及农业用电量作为自变量。将所有变量的数据进行Z标准化后进行Pearson相关性分析，结果如表1所示。表1中，有9个指标与农林牧渔业总产值的相关系数绝对值大于0.7，说明了这9个指标与农林牧渔业总产值有很强的相关性，有助于研究分析。

表1 农业经济影响因素相关性检验表

3 主成分分析法

主成分分析（PCA）法是把原来多个变量划分为少数几个综合指标，从而消除指标数据之间的相关性问题的一种统计分析方法。从数学角度来看，这是一种降维处理技术。基于此种理念，本文采用PCA法对影响黑龙江省农业经济的因素进行降维，以使构建的函数降维，耦合不同种类因素，也使得所构建的体系更加符合实际情况。

3.1 效度分析

在对指标数据进行主成分分析之前，需要对原始数据进行KMO和Bartlett's检验。一般情况下，当KMO值超过0.6，则表示数据效度检验成功，就可以进行主成分分析。

由表2检验结果可知，原始数据的显著性概率值小于0.005，说明能够拒绝原假设。且表中的KMO值为0.753，大于0.6，进一步说明了指标数据能够进行主成分分析。

表2 KMO和Bartlett's球形检验结果

3.2 实证研究

基于之前Pearson相关性分析的结果，筛选过后选取9个指标作为影响因素指标。由表1初步构建的指标体系来看，这些数据之间存在很强的相关性。假若直接利用这9个指标进行农业经济影响因素的指标体系构建，这些数据之间会出现多重共线性的问题，不利于后续研究。

因此，为了消除这些数据之间的相关性和重复性的问题，本文选取主成分分析法对原有9个指标进行降维。

利用SPSS 25.0软件，在“数据视图”页面进行“分析—降维—因子”的步骤，将标准化后的9个指标放入“变量”框进行主成分分析，同时在“描述”选项中勾选“KMO和巴特利特球形度检验”（此步骤用于效度检验），结果如表3所示。

表3 主成分分析总方差解释

由表3结果可知，主成分中有一个最大的特征根，其值为7.833，且它的累积方差占到了总方差的87.032%，说明这9个指标可作为一个主成分进行后续分析。所以，在农业经济影响因素的指标体系构建时，本文将提取1个主成分，其成分矩阵如表4所示。

表4 成分矩阵系数表

续表4 成分矩阵系数表

4 结论

根据表4，在正向影响的众多因素中，对农业经济影响最大的指标为农业机械化水平，占据了主成分的99.7%。此结果的原因可能是，机械化水平代表了科技发展程度，科技越进步，机械化发展越快，代表着生产效率的提高。农业机械化发展大大提高了劳动力质量和产出效益，带动了农村经济社会的发展。

第二个对农业经济影响较大的指标为农业用电量，占据了主成分的99.6%。农业用电量对农业经济影响较大的原因可能是其与农业机械化水平有很大联系，随着农业机械化水平的不断提高，农业用电量也随之增大。

紧接着影响农业经济的指标依次为有效灌溉面积、除涝面积、国家在农林水利上的投入、农林牧渔业固定资产投资和农作物耕种面积，它们分别占据了主成分的98.8%、98.7%、98.4%、97.2%和87.9%。这些因素虽然没有农业机械化水平和农业用电量的影响大，但是它们占据主成分的比重也较高，说明其在农业经济的发展中也发挥了很大的作用。

在正向影响的指标中，影响最小的为农业化肥使用量，占据了主成分的80.9%。其原因主要为农作物的产量与化肥施用量存在着单向的因果关系，在其他条件不变的情况下，过少或者过多施用化肥都不利于农作物的产出。因此农业生产中，对化肥量的把控是十分重要的。

本次结果中唯一对于农业经济有负向影响的指标为农林牧渔业劳动力，它对主成分有-74.7%的影响。农林牧渔业劳动力对农业经济有负向影响的原因可能是劳动力人数的多少不代表农作物产量的多少。随着科技的不断发展，农业机械化水平不断提高，传统农业生产过程中的人工劳动不断被替代，越来越多的劳动力得到了解放，机械化在农业生产过程中得到普及，劳动力人数也就不断减少。

5 建议

基于黑龙江省农业的发展情况和本文的结论，提出以下建议：

（1）提高黑龙江省农业机械化水平[7]。

提高机械化水平是提高劳动生产效率的直接手段。因此，应提高各类农业器械的现代化程度，使之与智能网络联结更加紧密。现代化科技应用到农业中也体现了智能化的普及，拓宽了劳动者的视野。

（2）加大国家在农林水利上的财政投入。

经济来源也是制约农业经济发展的重要因素。加大资金投入力度，不论是购买机械还是其他农业事务的支出，都能使得农业发展有良好的资金基础，例如粮食生产补贴、农机购买与应用补贴及耕地保护等的补贴。《黑龙江省2021—2023年第一批农机购置补贴产品补贴额一览表（2022年修订）》中详细提出了不同种类器械的补贴价格。

（3）加强黑龙江省农田水利方面的建设。

完善农业的灌溉设备以及灌溉技术，以提高有效灌溉面积，充分利用水资源。做好洪水、干旱等灾害的应对和防护措施，缩小损害面积，降低损害程度。同时对黑龙江省黑土地的保护利用也应加以重视，稳步实施《黑龙江省黑土地保护利用条例》，防止其数量减少、质量下降和生态功能退化。确保粮食的绿色、有机和健康。

（4）调整黑龙江省农业结构部署。

在“优化存量资源配置，扩大优质增量供给”的基础上，通过改善农业结构，进一步促进农业经济的增长。农业种植养殖方面，黑龙江省应不断大力推进黑土地的粮食多样化种植，增加区域性、特色性的农业经济作物种类的种植，发展特色产业，防止单一化种植使得农业劳动力在面对不可抗因素时的抵御能力下降。