基于PLS四川省农业生产投入要素结构变化对产出影响研究.docVIP

基于PLS四川省农业生产投入要素结构变化对产出影响研究 　　[摘 要] 本文运用偏最小二乘回归方法对四川省农业生产投入要素结构进行了分析,得出除人员投入因素外其它生产要素都与农业产出成正相关,特别是机械能源和资金投入对农业产出具有显著影响,而土地因素影响较小。 　　[关键词] 农业生产 投入要素结构 偏最小二乘回归(Partial Least Square) 　　 　　四川省是我国的农业大省,2009农业总产值占GDP比重的26.07%,全省农民人均纯收入4462.1元,比上年增长8.3%,说明促进农业增长仍然是四川农民的促进增收的主要途径之一。但由于四川省土地状况除成都平原外多为丘陵和山地,人均耕地少,基础设施薄弱,自然灾害频发,虽然近年来政府对农业投入逐年加大,但产出效益并没有显著提高。因此不能仅仅依靠增加农业生产要素的投入,还要注重农业生产投入要素结构的优化。农业生产投入要素结构的变化对农业生产具有重要影响,有研究发现生产要素投入结构的变化是反映技术变动和发展方向的一个主要指标,土地密集型作物(如粮食)生产的资金(尤其是机械)对劳动的替代趋势极为显著,而劳动密集作物(如园艺作物)生产的劳动与资金很难替代。 　　一、研究方法 　　1.变量和数据处理 　　本文在有关农业投入结构和产出要素研究的基础上,结合四川省农业生产的实际情况,依据《四川统计年鉴》的有关数据,从产值与产量方面确定了农林牧渔总产值和单位面积农作物产量(包括粮食、油料、棉花、甘蔗、麻类)两个产出指标,从人员、物质和资金方面确定了农业从业人员、农作物播种面积、农业机械总动力、化肥施用量、农业生产用电和农业资金投入(包括财政支出中用于农业支出、金融机构农业贷款)六个投入指标进行分析,从数据的可获得性及研究的现实性和科学性出发,本文确定研究的时期为1990到2008共19年的数据,具体数据略。 　　2.自变量的共线性分析 　　从相关系数(表1)可以看出,变量间的相关性较高,直接运用普通最小二乘法建立以产出指标为因变量,投入指标为自变量的线性回归方程,可能存在多重共线性问题。这里直接建立回归方程,并计算变量膨胀因子(VIF: Variance Inflation),结果如表2。 　　 　　表1 指标相关系数 　　 x1 x2 x3 x4 x5 x6 y1 y2 　　x1 1 　　x2 0.6630 1 　　x3 0.7571 0.9254 1 　　x4 0.6341 0.9838 0.9568 1 　　x5 -0.6192 -0.9803 -0.9457 -0.9906 1 　　x6 0.5977 0.9891 0.8795 0.9587 -0.9593 1 　　y1 0.6788 0.9729 0.9034 0.9460 -0.9341 0.9705 1 　　y2 0.2671 0.6044 0.6535 0.6439 -0.6450 0.6172 0.5731 1 　　 　　 　　方程一的拟合优度R-Square还是不错的,但是两个方程中各变量的显著性均通不过检验,而且各变量的膨胀因子都大于10,最大的VIF(X2)达455.1936。从而得出,自变量存在着严重的共线性,不宜用普通最小二乘法进行分析。加上因变量为两个,所以本文选择偏最小二乘回归法对农业投入产出结构因素进行分析。 　　3.偏最小二乘回归法 　　偏最小二乘回归(Partial Least-Squares -regression,PLS)方法是S.Wold和C.Albano提出的一种新型的多元统计数据分析方法。该方法将多元线性回归分析、变量的主成分分析和变量间的典型相关分析有机结合起来,在一个算法下同时实现了回归建模、数据结构简化和两组变量间的相关分析,适宜处理样本容量小、自变量多、变量间存在严重多重相关性的统计问题。 　　其建模步骤包括:首先,采用主成分分析与典型相关分析的思想分别提取因变量和自变量的主成分,即偏最小二乘因子,这不仅保证了提取的成分尽可能多地保留原始变量的信息且保持相互独立,而且使自变量与因变量的相关性最大;然后,采用普通最小二乘法建立回归方程,因成分间已不存在多重共线性,此时采用普通最小二乘估计所得结果稳定性较好。由此可见,偏最小二乘回归集中了主成分分析、典型性相关分析及普通多元回归分析的优点。 　　二、研究结果 　　本文利用统计分析软件SAS中PLS过程来完成偏最小二乘回归,结果如下。 　　1.PLS成分 　　输出结果显示,自变量组提取的第k个成分可解释变差的百分比分别为81.7960%,14.8532%,2.88115%,0.3805%,0.0637%,0.0250。可解释因变量组 变差的百分比分别为57.3511%,