黑龙江省各地区农业经济发展水平综合评价实证研究.docVIP

黑龙江省各地区农业经济发展水平综合评价实证研究 　　摘 要：黑龙江是农业经济大省，但各地区农业经济发展水平存在显著差异。本文在构建农业经济发展水平评价指标体系的基础上，运用因子分析模型，对黑龙江省各地区农业经济发展水平进行综合评价。实证结果表明：各地区农业经济发展水平差距明显，各地区内部各种农业经济发展状况并不均衡，影响各地区农业经济发展水平的因素较多。 　　关键词：农业经济；综合评价；因子分析 　　中图分类号：F323 文献标识码：A 文章编号：1673-291X（2013）20-0041-03 　　引言 　　黑龙江是我国农业经济大省，黑龙江省的农业发展是为全国农产品需求提供了有力的保障。2011年黑龙江省粮食总产量和商品量均为全国第一，其中粮食总产达到557.05亿公斤，商品量达到446.6亿公斤，农产品进出口贸易额为30.5亿美元，农民人均纯收入达7590.7元。可以说，黑龙江省的农业发展水平在全国是属于前列的，但是黑龙江省内各地区的农业发展是否均取得了良好成果，黑龙江省的农业发展是否还存在问题，黑龙江省农业经济有没有进一步提供的可能。鉴于此，本文利用因子分析模型，对黑龙江省各地区的农业经济发展水平进行综合评价，对各地区农业发展状况给出科学的评估，希望为黑龙江农业经济进一步发展提供一定的支持。 　　一、评价模型原理 　　综合评价方法是人们考察分析事物的一种行之有效的方法，综合评价方法的科学化、现代化对促进社会发展和科技进步有着积极的意义。综合评价方法有很多种。一些新兴的学科方法如模糊综合评价、人工神经网络综合评价、灰色系统综合评价等等；还有一些管理科学类方法如数据包络分析、层次分析法等等；还有就是统计学方法如聚类分析、因子分析等等。每种方法都有其科学性和实用性，在对不同事物进行综合评价时，我们应当选取适当的方法，根据多数学者的研究，在对经济发展水平进行多指标综合评价时，因子分析法是一种行之有效的方法。 　　因子分析是通过研究多个变量间相关系数矩阵的内部之间关系，找出能综合所有变量的少数几个随机变量（即，因子），然后根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低。 　　各个因子间互无相关，所有变量都可以表示成共因子的线性组合。设有N个样本，P个指标，为随机向量，要寻找的共因子为，则模型 　　称为因子模型。矩阵称为因子载荷矩阵，为因子载荷，其实质是公因子和变量的相关系数。为特殊因子，代表公因子以外的影响因素，实际分析时忽略不计。 　　求出公因子后，利用回归估计的方法求出因子得分的数学模型，将各公因子表示成变量的线性形式，并进一步计算出因子得分，最后进行综合评价。 　　二、实证研究 　　（一）指标选择及样本数据来源 　　进行综合评价，确定评价的指标体系是基础。指标的选择好坏对分析对象有举足轻重的作用。利用因子分析方法选择的指标我们遵循以下的原则：适量性、独立性、代表性和可行性。针对以上原则，我们具体分析了地区农业经济发展中起到重要作用的指标，选择如下指标：农业总产值、农业增加值、农业机械总动力、农业从业人员、农村用电量、化肥施用量、水库库容量、除涝面积、农作物播种总面积、粮食作物播种面积、粮食产量、油料产量、蔬菜食用菌产量、瓜果产量、单位粮食产量、水果产量，共16项，具体详见表1。 　　选定的指标原始数据来源于2012年《黑龙江统计年鉴》和2012年《中国城市统计年鉴》中黑龙江省各地区的相关数据，并经过一定测算得出，表1给出了指标数据的描述性统计，由此我们可以看出，来源数据具有科学性和可测性。同时，为了表述方便，我们用X1～X16表示16个指标。 　　（二）实证分析 　　1.数据的无量纲化 　　评价指标是由多个指标构成，为了避免量纲和数量级的影响，必须对数据进行标准化处理，将它们都转化为无量纲数据。按以下公式进行处理。为节省篇幅，无量纲化处理数据不在文中列示。 　　2.KMO检验和球形Bartlett检验 　　KMO检验用于检查变量间的偏相关性，取值在0～1之间。实际分析中，KMO统计量在0.7以上时效果比较好。Bartlett球形检验是判断相关矩阵是否是单位矩阵。由表2我们可以看到，KMO值和Bartlett检验值效果均达到因子分析的要求。 　　3.确定解释因子 　　由相关系数矩阵R计算得到特征值、方差贡献率和累计贡献率，如表3所示，可知第一因子F1的方差占所有因子方差的54.305%，前三个因子的方差贡献率达到91.467% 80%，因此选前三个因子己经足够描述经济发展的总体水平。 　　4.因子得分 　　为了考察各地区的农业经济发展状况，并对其进行分析和综合评价，根据函数系数矩阵，采用回归方法求出因子得分函数。由系数矩阵将两个公因子表示为