基于多元统计的农业产业化评价方法.docVIP

精品文档（可编辑） 值得下载 基于多元统计的农业产业化评价方法 摘 要：随着我国社会经济的飞速发展，农业发展引起了国家相关部门的高度重视。由于我国不同地区农业发展的情况不同，能够反映一个地区农业发展实际情况的指标也不尽相同。就目前各个地区所采用的农业产业化评价方法来看，大致都是通过专家打分法，先对各个单项指标打分，再用不同的权数进行组合以算出各地区的综合得分。这种方法虽然能够在一定程度上将该地区的农业发展情况反映出来，但却仍然存在一些不足之处，比如说理论依据不足，具有一定的局限性等。鉴于此，为了提高农业发展评价方法的科学性和合理性，本文主要从实际出发，利用多元统计分析方法对实际数据进行研究，以此来做到对某一地区农业发展情况的全面反映。 关键词：多元统计；农业产业化；评价方法 农业经济是我国当前社会经济发展的一个重要组成部分，对促进国家经济的可持续发展具有重要意义。了解当前各地区农业发展的实际情况，对日后农业经济发展战略的科学制定具有十分重要，这就要求相关部门要做好各地区农业产业化的评价工作，采用科学合理的评价方法，将各个地区的农业发展实际情况充分反映出来，进而为日后我国农业经济的可持续发展奠定坚实的基础。本文介绍了一个基于多元统计的农业产业化评价方法，通过对数据的有效处理和分析，来将某一地区的农业发展情况全面的反映出来。 1 数据的采集与处理 基于多元统计的农业产业化评价方法对数据的采集具有较高的要求，只有做好数据全面、充分的采集，才能够从根本上确保评价结果的准确性和针对性。为了更好的对基于多元统计的农业产业化评价方法进行分析，本文主要以某省份为例，利用多元统计评价方法探讨其范围内的农业产业化发展情况。在开展评价工作的时候，我们的首要任务是对数据进行采集，本次评价共选取数据类型13类，分别为该省市农村基层组织情况数据、农业机械总动力数据、乡镇过去力数据、农业现代化情况数据、农业机械拥有量数据、主要农作物的面积和产量数据、人均主要农产品产量数据、主要热带作物的面积和产量数据、水果与茶叶的面积和产量数据、集体企业主要财务指标数据、水产品产量数据、牲畜与家禽的饲养数据以及畜产品产量数据。在以上数据中，所涉及的变量有近100个，而该省份的县市数量却只有17个，这样一来，势必会在一定程度上导致相关阵的极大相关性，给主要成分的科学分析带来困难。所以，如果想要从根本上提高分析结果的准确性，就必须重视对变量的科学选取，基于多元统计的农业产业化评价方法在对变量进行选择的时候，主要按照以下几个步骤进行： （1）将有缺省值的变量删除 （2）针对两个或两个以上相关性较高的变量，只需选择一部分变量作为评价指标即可。比如说，在”主要农作物的面积和产量”这一类数据中，有关水稻的面积有早水稻面积和晚水稻面积两种，这个时候，评价人员要根据实际情况选择其中一种变量即可。而对于”农业机械总动力”和”农业机械拥有量”两个数据的变量选取，如果运输机械和农用载重汽车之间的相关系数达到0.097，则需要根据实际情况选取一个即可。 （3）如果在诸多变量中，有两个或两个以上变量所表示的实物存在一定程度上的类似，而且主成分分析的结果有很大的改进，那么我们在选取变量的时候，可以将这些变量合成一个变量。比如说，甘蔗、油料、花生以及橡胶等四种主要工业加工对象，可以将他们合为变量y1。但需要注意的是，合为一体的变量必须都具有一定的可加性。 （4）根据地区农业评价的根本需求，对原数据进行分组，分组的标准和形式可以根据不同需求来具体设定。对各组的变量进行筛选，并做好主成分分析，使得变量尽可能少，而主成分分析的结果尽可能好。 （5）将第四步中所取变量集中在一起，进行主成分分析，根据结果对所选变量进行调整。 2 数据结果与分析 做好数据的采集与处理之后，接下来的任务就是对数据的相关结果进行分析，分析的内容主要包括变量和主要成分分析，相关阵的特征值如附表所示： 第三个特征向量的累计贡献率达77.1%，能够比较全面的将最初的信息反映出来。通过附表中的相关数据，我们对变量主成分的分析如下： 第一主成分： Prin1=0.2072×6+0.2932×35+2004×26+0.1158×39+0.2047×36+0.2049×72+0.1841×78+0.1992×89+0.1882×82+0.1386×84+0.1476×85+0.2678y1+0.1858y2+0.1739y3 单独说明原始数据标准变异的59.996%。它的各个系数都是正的，而且分布相对来说比较均匀，反映各个地区的总体发展规模。 第二主成分： Prin2=-0.1118×6-0.1176×24-0.1568×28-0.1927