基于主成分分析农业产业化与金融支持相关性研究.docVIP

基于主成分分析农业产业化与金融支持相关性研究 　　【摘要】 农业产业化是发展现代农业的主要方式和根本出路。本文以西安市为例，在分析农业产业化发展水平影响因素的基础上，运用SPSS17.0软件和主成分分析法，计算西安市2000―2012年各年农业产业化发展水平的综合得分，揭示其发展的阶段特征，然后对农业产业化水平和金融支农水平作线性回归分析，得出二者存在较强的线性正相关关系，最后提出了增强西安农业产业化金融支持对策和建议。 　　【关键词】 农业产业化 主成分分析 金融支持 　　一、引言 　　十八大明确提出：“加快发展现代农业，增强农业综合生产能力，确保国家粮食安全和重要农产品有效供给。”发展现代农业客观上要求农业生产必须改变小规模生产和分散经营格局，通过实施农业产业化，可以有效推进农业增长方式的新转变。新时期，做好金融支持，扶持农业产业化，应当是我国农业发展的重要方向。 　　近年来，西安市委、市政府逐渐明确了农业在国民经济中的重要地位，积极调整农业产业结构，围绕农业“服务城市、富裕农民”的目标，继续扩大对农业的金融支持力度，并以发展农业产业化龙头企业为突破口，大力推进农业产业化的发展。本文通过对西安市农业产业化发展情况的实际调查和相关文献查阅，将从实证的角度来分析西安市农业产业化发展水平与金融支持之间的关系。 　　二、农业产业化水平评价 　　1、评价指标选取及说明 　　关于农业产业化水平评价指标的研究，诸如张国强、周洁红、徐冯璐等人分别就农业现代化水平、农业产业化经营规模、产业化经营结构、农业产业市场化、市场竞争力和产业化效益等指标进行了研究。程文兵在前者研究的基础上，从农业现代化程度、农业生产效率、农业市场化以及生产经营结构和规模等五个方面，采用截面数据进行实证研究。通过查阅相关的文献资料根据数据的可获得性和评价指标的代表性，我们进一步调整相关度量指标（见表1），然后基于时间序列数据进行实证分析，研究西安市农业产业化水平发展情况。结果显示，自2000年以来，西安市农业产业化水平逐渐提高。 　　2、数据来源及说明 　　进行农业产业化水平指标评估的数据来源于西安市历年统计年鉴，并经整理计算得到。需要说明的是，考虑到农业户口居民并非都从事农业生产活动，故本文研究时采用农业从业人口。统计年鉴中关于机械总动力数据包括农林牧渔及服务业，由于不能剔除林牧渔业的机械总动力，此处X1数值比理论上偏大，但其对实证结果影响有限，可以忽略。 　　3、实证分析 　　因子分析可将相关比较密切的几个变量归在同一类中，使每一类变量就成为一个因子，以较少的几个因子反映原始资料的大部分信息。鉴于农业产业化水平评价指标变量较多，本文利用因子分析法找出文中9个变量中隐藏的具有代表性的因子，将相同本质的变量归入一个因子，以此减少变量的数目。再利用SPSS17.0统计软件找出主因子时选用主成分分析法。 　　（1）因子分析前提条件检验。利用统计软件SPSS17.0，我们对以上指标数据进行因子分析的适用性前提条件验证。结果显示KMO值为0.792。当KMO值越大时，表示变量间的共同因素越多，越适合进行因子分析。据专家Kaiser（1974）的观点，当KMO的值小于0.5时，较不宜进行因子分析。另外，Bartletts球形检验的值为211.229，自由度36，达到显著。相伴概率远小于0.05，代表母群体的相关矩阵间有共同因素存在。综上，指标数据适合进行因子分析。 　　（2）确定主因子。利用主成分分析法，采用特征值大于1准则提取因子变量，得出各主成分所解释的原始变量方差（见表2）。由于前两个因子共同解释了原始变量92.603%的信息，故提取前两个因子作为主因子，使得原有信息仅少部分丢失同时又能够简化分析。前两个因子的特征根分别为7.248、1.086，其后的因子特征值均小于1，故舍去。 　　（3）解释因子变量。为了进一步确定主因子的解释能力，对提取的两个主因子建立原始因子载荷矩阵，用方差极大化法对因子旋转得旋转成分矩阵（见表3）。根据结果可知，主因子F1在X1―X8上的载荷值很大，这些变量是解释农业生产现代化水平、农业生产效率和经营规模的主要指标，因此F1是解释产业现代化的主因子。F2在X9上的载荷值很大，此变量是产业结构的主要指标，因此F2是解释产业结构优化的主因子。 　　三、农业产业化水平与金融支持关系检验 　　根据上述西安市农业产业化水平实证结果拟与金融支持之间进行线性回归拟合，认为西安市农业产业化水平（F）是金融支持（X）的一元线性函数，线性回归模型为：F=B0+B1X+U。其中B0、B1为待估参数，U为随机干扰项，X为西安市农民人均贷款余额，X=农业贷款总额/农业人口。 　　关于西安市农民人均贷款额（X），本文在考虑到数据的可获得