农业机械化与区域农业可持续发展相关指标的聚类分析.docVIP

农业机械化与区域农业可持续发展相关指标的聚类分析 　　0 引言 　　农业机械化是指运用先进适用的农业机械装备农业,改善农业生产经营条件,不断提高农业的生产技术水平、经济效益和生态效益的过程,它是实现农业现代化的重要标志[1].2011 年农业机械总动力达9. 77 亿 kW,是 2002 年 1. 69 倍;全国农作物耕种收综合机械化水平达到 54. 8% ,比 2002 年增加 22. 5 个百分点,增幅相当于之前 35 年总和.当前,我国正处在由传统农业向现代农业转变的关键时期,我国农业机械化正处在加快发展、结构改善、质量提升、领域拓宽的重要阶段.针对我国农机化发展薄弱环节和后进领域,深入研究推进农业全程和全面机械化,是贯彻落实科学发展观的重要体现,是农业机械化发展的内在要求,是实现农业现代化的必然选择. 　　农业机械化与区域农业发展息息相关.农业机械化中,农机制造业属第二产业,农机作业服务属第三产业,其服务对象是第一产业,因此农业机械化横跨一、二、三产业,是连接工农、沟通城乡的重要纽带. 　　发展农业机械化有利于促进城乡要素平等交换和公共资源均衡配置,形成”以工促农、以城代乡、工农互惠、城乡一体”的新型工农、城乡关系,是工业化、信息化、城镇化和农业现代化同步发展的必然要求[2]. 　　因此,作为实现农业可持续发展的重要途径,农业机械化发展必须与农业可持续发展相协调,才能最有效地发挥农业机械生产力提升的优势,从而使农业机械化和农业可持续发展达到新的台阶. 　　1 文献综述 　　目前,对我国农业机械化发展评价的研究已经十分广泛,许多学者采用了多种统计分析方法来进行研究,如主成分分析法、层次分析法、灰关联分析法、聚类分析法、人工神经网络分析法、因子分析法和协调度模型分析法等. 　　楼文高等[3](2003) 提出了确定合理 BP 神经网络结构的原则,并给出了区分农业机械化发展水平不同程度的分界值;同时还得出与灰色概率评估模型相比,使用 BP 神经网络评价模型具有更好的客观性、通用性、实用性和容错性的结论.祝华军[4](2006)从系统动力学的角度,构建农业机械化与农业剩余劳动力转移的相关性模型.白冬艳[5](2006)采用用因子分析方法评价农业机械化发展水平,并认为因子分析法评价是以数据本身的相关性为依据,避免了其它方法人为赋权所产生的误差,因此在农业机械化的评价上能得到较好的研究成果.马翠萍等[6](2008)基于灰白化权函数进行聚类评估,把我国 13 个粮食主产区划分为 4 个农业机械化发展水平层次.王颜齐等[7](2008)在阐述了灰色关联分析基本原理的基础上,以1991 - 2005 年数据为样本,对黑龙江省农机化程度和粮食生产能力两组指标进行测算,得出了影响黑龙江省主要粮食作物生产能力的具体因素,为制定黑龙江省相关农业政策提供参考.李美娥等[8](2011)通过对农业机械化发展水平指标的分析,建立了影响因素的层次结构模型,并且用改进的 AHP 法对诸因素的重要性进行排序,按排序关系可近似确立优先发展的领域.李博等[9](2013)人采用多元统计中的主成分分析法对陕西省3 大区域10 个地市11 个指标组成的农业机械化水平进行差异评价.李泽华等[10](2013)应用改进的隶属度函数协调度模型和耦合协调度模型,对 1995 - 2010 年我国农业机械化与区域经济发展协调性的时空分布进行了分析,得出两系统发展不协调的主要原因是农业机械化的发展速度慢于经济的发展速度的结论. 　　纵观已有的文献,可以发现现有的研究有两个方面的不足: 　　对农业机械化发展研究的对象以单个区域或单个省份为主,缺乏对我国农业机械化发展状况的宏观把握;在对农业机械化发展状况的评价中,大量的研究只是就事论事,单纯地从各种农业机械化指标入手,运用统计分析方法对农业机械化发展进行评论,对农业机械化与其他系统的关系的研究较少[3,5 - 9].虽然也有学者探讨了农业机械化与其他系统的关系(如农业机械化与农业劳动力转移的关系、农业机械化与农村经济系统发展的关系等[4 - 10]),但目前各区域的农业机械化发展是否与区域农业可持续发展相协调,尚未见讨论.笔者认为,农业机械化作为农业现代化的重要标志,从宏观上把握农业机械化与农业可持续发展的关系显得尤为重要,既然国内缺乏对此问题的研究,那么本文所做的工作就显得十分有意义.为此,本文将定量分析与定性分析相结合,以多元统计分析中的聚类分析方法为主要分析方法,首先构建农业机械化发展程度和农业可持续发展程度的评价指标体系,然后在定量分析的基础上运用主成分分析法对存在较多二级指标的农业机械化发展指标进行降维和压缩,再应用聚类分析得出我国各区域农业机械化发展和各区域农业可持续发展的分类情况,最终完成对农业机械化和农业可持续