崔紅艷

(白城師范學(xué)院 地理科學(xué)學(xué)院，吉林 白城　137000)

?

吉林省農(nóng)業(yè)機(jī)械總動(dòng)力發(fā)展研究
—基于主成分分析

崔紅艷

(白城師范學(xué)院 地理科學(xué)學(xué)院，吉林 白城137000)

摘要：吉林省作為糧食大省，農(nóng)業(yè)機(jī)械化的發(fā)展對于實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化至關(guān)重要。為此，采用吉林省1994-2013年的相關(guān)數(shù)據(jù)，運(yùn)用主成分分析法，對吉林省農(nóng)業(yè)機(jī)械總動(dòng)力及其9個(gè)影響因素進(jìn)行相關(guān)研究，最終建立因變量ZY與自變量ZX1～ZX9的多元線性回歸模型。模型中，只有農(nóng)村恩格爾系數(shù)與農(nóng)業(yè)機(jī)械總動(dòng)力呈負(fù)相關(guān)，其余自變量均與農(nóng)業(yè)機(jī)械總動(dòng)力呈正相關(guān)。糧食單產(chǎn)的系數(shù)為0.207；農(nóng)民受教育程度的系數(shù)為0.276，相對較低；其余自變量的系數(shù)均在0.34～0.37之間，基本相差不大。最后，提出吉林省要繼續(xù)加強(qiáng)宏觀資本、微觀生產(chǎn)資料及科技管理要素的投入，大力培育新型職業(yè)農(nóng)民的建議，以適應(yīng)新時(shí)期農(nóng)機(jī)發(fā)展對人才與科技的需求。

關(guān)鍵詞：農(nóng)業(yè)機(jī)械總動(dòng)力；主成分分析；回歸分析；吉林省

0引言

吉林省作為糧食大省，農(nóng)業(yè)機(jī)械化從1995年開始進(jìn)入較快發(fā)展階段，到2013年底全省農(nóng)機(jī)總動(dòng)力達(dá)2 727萬kW，農(nóng)作物耕種收綜合機(jī)械化水平達(dá)73.6%，上升到全國第8位。但同發(fā)達(dá)國家相比，吉林省農(nóng)業(yè)機(jī)械發(fā)展水平還不高，仍然存在許多制約因素。因此，如何更好地分析農(nóng)業(yè)機(jī)械化的影響因素及預(yù)測農(nóng)業(yè)機(jī)械化發(fā)展水平，對于吉林省農(nóng)業(yè)機(jī)械化的發(fā)展至關(guān)重要。國內(nèi)外相關(guān)學(xué)者對農(nóng)業(yè)機(jī)械總動(dòng)力、東北農(nóng)業(yè)機(jī)械總動(dòng)力進(jìn)行了相關(guān)研究，采用定性和定量分析相結(jié)合的方法，得出了很多有益的結(jié)論。黃永寶、紀(jì)延光(2014)運(yùn)用主成分分析法對我國農(nóng)業(yè)機(jī)械總動(dòng)力進(jìn)行分析，并建立回歸模型[1]。劉佩軍(2007)對東北地區(qū)農(nóng)業(yè)機(jī)械化發(fā)展影響因素及綜合評價(jià)進(jìn)行研究[2]。張麗(2007)應(yīng)用層次分析法和逐步回歸方法，得出農(nóng)民受教育程度是吉林省農(nóng)業(yè)機(jī)械化發(fā)展的關(guān)鍵影響因素之一，并提出構(gòu)建中國式可持續(xù)農(nóng)機(jī)教育體系[3]。劉立丹(2013)對1996-2011年的吉林省40個(gè)市縣面板數(shù)據(jù)進(jìn)行實(shí)證分析，用雙隨機(jī)效應(yīng)模型分析得出吉林省農(nóng)業(yè)機(jī)械化的主要影響因素是政府對農(nóng)業(yè)的投入以及人均耕地規(guī)模[4]。何政道、何瑞銀(2010)對江蘇省農(nóng)業(yè)機(jī)械總動(dòng)力及其影響因素進(jìn)行了相關(guān)性分析分析，并用自相關(guān)時(shí)間序列回歸分析方法建立了模型[5]。代海濤(2014)運(yùn)用多元回歸方法測算了吉林省農(nóng)業(yè)機(jī)械化對農(nóng)業(yè)經(jīng)濟(jì)增長的貢獻(xiàn)度，并分析了農(nóng)業(yè)機(jī)械化制約因素和解決對策[6]。本文結(jié)合前人的研究，根據(jù)吉林省農(nóng)業(yè)機(jī)械化發(fā)展的特點(diǎn)，運(yùn)用主成分方法，分析農(nóng)業(yè)機(jī)械化發(fā)展的主要影響因素，并建立多元線性回歸模型，為吉林省農(nóng)業(yè)機(jī)械化發(fā)展提供一定參考。

1變量的選擇和數(shù)據(jù)的獲取

選擇農(nóng)業(yè)機(jī)械總動(dòng)力作為模型的因變量Y，代表吉林省農(nóng)業(yè)機(jī)械化的發(fā)展水平。結(jié)合吉林省目前的技術(shù)條件和社會(huì)經(jīng)濟(jì)水平，選擇農(nóng)林牧漁業(yè)中農(nóng)業(yè)總產(chǎn)值指數(shù)(以1949年為100)X1、人均耕地面積X2、糧食單位面積產(chǎn)量X3、農(nóng)村勞動(dòng)力轉(zhuǎn)移率X4、農(nóng)業(yè)固定資產(chǎn)投資X5、政府的農(nóng)業(yè)財(cái)政支出X6、農(nóng)民家庭年純收入(以1978年為100))X7、農(nóng)村居民家庭恩格爾系數(shù)X8、農(nóng)民受教育程度X9等9項(xiàng)指標(biāo)作為自變量。其中，人均耕地面積用耕地總面積與農(nóng)業(yè)人口比重來表示，農(nóng)村勞動(dòng)力轉(zhuǎn)移率用農(nóng)村勞動(dòng)力中非農(nóng)業(yè)勞動(dòng)力比重來表示，農(nóng)民受教育程度用農(nóng)村勞動(dòng)力中初中以上學(xué)歷比例來表示。

根據(jù)吉林省統(tǒng)計(jì)年鑒[7]、中國農(nóng)村統(tǒng)計(jì)年鑒的數(shù)據(jù)[8]，選擇吉林省1994-2013年的數(shù)據(jù)進(jìn)行分析。其中，農(nóng)業(yè)固定資產(chǎn)投資X5、政府的農(nóng)業(yè)財(cái)政支出X6為剔除價(jià)格因素后數(shù)據(jù)，2011、2012、2013年的吉林省農(nóng)村農(nóng)林牧漁勞動(dòng)力數(shù)據(jù)缺失，所以預(yù)測得到補(bǔ)充數(shù)據(jù)，具體原始數(shù)據(jù)如表1表示。

表1　吉林省農(nóng)業(yè)機(jī)械總動(dòng)力及影響因素的原始數(shù)據(jù)

2數(shù)據(jù)分析與處理

2.1相關(guān)性分析

運(yùn)用SPSS20.0軟件，根據(jù)表1數(shù)據(jù)進(jìn)行相關(guān)分析，得到各變量間的相關(guān)系數(shù)。因變量Y與自變量X1～X9的相關(guān)系數(shù)分別為：0.982、0.967、0.561、0.971、0.944、0.945、0.961、-0.922、0.685。其中，只有X8呈現(xiàn)明顯的負(fù)相關(guān)，變量X3、X9與Y之間的相關(guān)系數(shù)較低，分別為0.561和0.685；其它自變量與Y之間均呈現(xiàn)明顯的正相關(guān)，相關(guān)系數(shù)達(dá)到0.9以上。

2.2主成分分析

由于本文采用的是時(shí)間序列數(shù)據(jù)，不免會(huì)出現(xiàn)多重共線性、異方差和自相關(guān)的統(tǒng)計(jì)問題，不適合直接使用普通最小二乘法。為此，本文采用主成分分析法抽取因子，對9大經(jīng)濟(jì)指標(biāo)進(jìn)行降維處理，如表2所示。

表2　解釋的總方差

由表2可知：按照特征值累計(jì)貢獻(xiàn)率大于等于85%原則，抽取兩個(gè)因子作為主成分，共解釋了92. 84%以上的方差信息；第1主成分的方差是7.276，第2主成分的方差為1.079。主成分特征向量如表3所示。由表3可以看出：X1、X2、X4、X5、X6、X7、X8與第1主成分高度相關(guān)，負(fù)載率分別達(dá)到0.993、0.969、0.967、0.947、0.946、0.964、-0.914；X3、X9與第2主成分高度相關(guān)，負(fù)載率達(dá)到0.625和-0.637。因此，將農(nóng)業(yè)機(jī)械發(fā)展的相關(guān)變量歸納為資本支持因素、生產(chǎn)資料因素及科技管理因素三大類[1]。

表3　主成分特征向量

1)資本支持因素。農(nóng)業(yè)總產(chǎn)值指數(shù)、農(nóng)業(yè)固定資產(chǎn)投資及農(nóng)業(yè)財(cái)政支出是構(gòu)成第1主成分的重要因素，主要是宏觀影響。首先，農(nóng)業(yè)總產(chǎn)值指數(shù)代表農(nóng)業(yè)生產(chǎn)水平，而農(nóng)業(yè)生產(chǎn)水平是農(nóng)業(yè)機(jī)械化發(fā)展的重要基礎(chǔ)。其次，農(nóng)業(yè)固定資產(chǎn)投資和政府農(nóng)業(yè)財(cái)政支出是農(nóng)業(yè)機(jī)械化發(fā)展的有力保障。農(nóng)業(yè)固定資產(chǎn)投資、農(nóng)業(yè)財(cái)政支出數(shù)額越高，對農(nóng)業(yè)機(jī)械的購買支持力度越大，農(nóng)民購買農(nóng)機(jī)的積極性越高。

2)生產(chǎn)資料因素。人均耕地面積、農(nóng)村勞動(dòng)力轉(zhuǎn)移率、農(nóng)民家庭年均收入和農(nóng)村居民家庭恩格爾系數(shù)也是構(gòu)成第1主成分的重要因素，主要是微觀影響。首先，耕地經(jīng)營規(guī)模是農(nóng)業(yè)機(jī)械化的必要條件，也是農(nóng)業(yè)機(jī)械發(fā)展的前提。人均耕地面積越大，農(nóng)民對機(jī)械的需求越強(qiáng)烈，越有利于農(nóng)業(yè)機(jī)械化的推進(jìn)[5]。其次，農(nóng)村剩余勞動(dòng)力轉(zhuǎn)移是農(nóng)業(yè)機(jī)械化的基本前提。農(nóng)業(yè)機(jī)械化發(fā)展實(shí)際上是機(jī)械對人力和畜力的替代，也是資本對勞動(dòng)力的替代。只有當(dāng)勞動(dòng)力成為相對稀缺要素而資本成為相對富裕要素時(shí)，才會(huì)有效促進(jìn)農(nóng)業(yè)機(jī)械化的發(fā)展[2]。另外，農(nóng)民家庭年均收入是農(nóng)業(yè)機(jī)械化的資金基礎(chǔ)。農(nóng)業(yè)機(jī)械需要投入較大資金購買、使用和維護(hù)，因此農(nóng)民家庭年均收入決定了農(nóng)民是否有能力購買農(nóng)機(jī)。最后，農(nóng)村居民家庭恩格爾系數(shù)表示農(nóng)民消費(fèi)支出情況[5]，代表農(nóng)民的生活水平和消費(fèi)水平，也是影響農(nóng)業(yè)機(jī)械化的重要因素。生活和消費(fèi)水平越高，用于食品等消費(fèi)的支出比例越小，用于購買農(nóng)機(jī)的投資消費(fèi)支出就可能越多。

3)科技管理因素。糧食單產(chǎn)和農(nóng)民受教育程度是構(gòu)成第2主成分的因素，反映了現(xiàn)代農(nóng)業(yè)要素投入轉(zhuǎn)向高層次的科技與管理要素的趨勢。糧食單產(chǎn)是農(nóng)業(yè)機(jī)械化發(fā)展的重要因素，糧食生產(chǎn)水平的提高，與農(nóng)業(yè)科技水平密切相關(guān)；單產(chǎn)越高，農(nóng)戶對農(nóng)機(jī)的投入熱情也就越高，農(nóng)機(jī)使用率就可能越大；同時(shí)，農(nóng)業(yè)機(jī)械化也會(huì)促進(jìn)糧食生產(chǎn)水平的提高[5]。另外，農(nóng)民受教育程度是農(nóng)業(yè)機(jī)械化發(fā)展的科技文化基礎(chǔ)。農(nóng)民素質(zhì)高將有利于農(nóng)村剩余勞動(dòng)力轉(zhuǎn)移向二、三產(chǎn)業(yè)的轉(zhuǎn)移，也將有利促進(jìn)對農(nóng)機(jī)的需求與使用[3]。

2.3主成分特征向量

通過對兩大主成分和3類影響因素的經(jīng)濟(jì)意義解釋，明確了吉林省農(nóng)業(yè)機(jī)械化發(fā)展中的關(guān)鍵因素。設(shè)兩個(gè)主成分為Z1和Z2，運(yùn)用SPSS20.0進(jìn)行因子分析，得到因子載荷量，除以主成份特征值的算術(shù)平方根，計(jì)算出相應(yīng)的主成份特征向量(見表3)，并將主成分表示為各個(gè)變量的線性組合，則

(1)

2.4主成分得分

運(yùn)用SPSS20.0因子分析法得到因子得分，并乘以主成分特征值的算術(shù)平方根，計(jì)算出主成分Z1和主成分Z2得分，如表4所示。

表4　主成分得分

續(xù)表4

3模型建立與檢驗(yàn)

3.1模型建立

農(nóng)業(yè)機(jī)械總動(dòng)力Y的標(biāo)準(zhǔn)化數(shù)據(jù)ZY作為因變量，主成分Z1和Z2作為自變量，運(yùn)用SPSS20.0軟件建立二元線性回歸方程，具體回歸結(jié)果如表5所示。從表5可知：模型R方值為0.988，調(diào)整R方值為0.987，F(xiàn)值為721.81，容差和VIF值均為1，模型整體較優(yōu)。主成分Z1的回歸系數(shù)為0.994，對因變量Y的影響顯著；主成分Z2的回歸系數(shù)為-0.035，但是偏相關(guān)系數(shù)為-0.308，說明科技管理因素對農(nóng)業(yè)機(jī)械化也有一定的影響。主成分Z2的回歸系數(shù)為負(fù)，是由于各變量間相互影響的結(jié)果，則

ZY=0.994Z1-0.035Z2

將式(1)代入式(2)，得到因變量ZY與自變量ZX1～ZX9的多元回歸方程。由式(3)可知：只有農(nóng)村恩格爾系數(shù)與農(nóng)業(yè)機(jī)械總動(dòng)力呈負(fù)相關(guān)，其余因子均與農(nóng)業(yè)機(jī)械總動(dòng)力呈正相關(guān)。糧食單產(chǎn)的系數(shù)為0.207,農(nóng)民受教育程度的系數(shù)為0.276，相對較低，其余因子的變量系數(shù)均在0.34～0.37之間，基本相差不大。式(3)為

ZY=0.365ZX1+0.358ZX2+0.207ZX3+

0.362ZX4+0.341ZX5+0.343ZX6+(3)

0.348ZX7-0.349ZX8+0.276ZX9

表5　模型匯總

3.2模型檢驗(yàn)

為進(jìn)一步驗(yàn)證模型，運(yùn)用Eviews7.0軟件對殘差系列進(jìn)行ADF檢驗(yàn)(見表6)，ADF值為-6.349 284，小于1%水平下臨界值-3.831 511，證明殘差序列為白噪聲序列，模型較優(yōu)。

表6　殘差序列ADF檢驗(yàn)

4結(jié)論與建議

4.1結(jié)論

1)通過SPSS20.0主成分分析方法提取了影響吉林省農(nóng)業(yè)機(jī)械總動(dòng)力的2個(gè)主成分，并總結(jié)出3大影響因素—資本支持因素、生產(chǎn)資料因素與科技管理因素。其中，宏觀資本支持因素包括農(nóng)業(yè)總產(chǎn)值指數(shù)X1、農(nóng)業(yè)固定資產(chǎn)投資X5及農(nóng)業(yè)財(cái)政支出X6，微觀生產(chǎn)資料因素包括人均耕地面積X2、農(nóng)村勞動(dòng)力轉(zhuǎn)移率X4、農(nóng)民家庭年均收入X7及農(nóng)村居民家庭恩格爾系數(shù)X8，構(gòu)成第1主成分Z1；科技管理因素包括糧食單產(chǎn)X3和農(nóng)民受教育程度X9，構(gòu)成第2主成分Z2。

2)運(yùn)用SPSS20.0軟件進(jìn)行分析，首先用因子分析法得到因子載荷量，并計(jì)算得到主成分特征向量，建立主成分Z1、Z2和ZX1～ZX9的線性方程見式(1)。ZY作為因變量，Z1和Z2作為自變量，建立二元線性回歸方程，調(diào)整R2為0.987，并通過模型檢驗(yàn)，模型整體較優(yōu)。最后，將式(1)代入式(2)得到因變量ZY與自變量ZX1～ZX9的多元回歸方程，見式(3)。從式(3)中可以看出：只有農(nóng)村恩格爾系數(shù)與農(nóng)業(yè)機(jī)械總動(dòng)力呈負(fù)相關(guān)，其余自變量均與農(nóng)業(yè)機(jī)械總動(dòng)力呈正相關(guān)。自變量糧食單產(chǎn)的系數(shù)為0.207，農(nóng)民受教育程度的系數(shù)為0.276，相對較低；其余因子變量系數(shù)在0.34～0.37間，基本相差不大。

4.2建議

1)吉林省在發(fā)展農(nóng)業(yè)機(jī)械化過程中，首先要進(jìn)一步加強(qiáng)宏觀資本支持力度。這就需要繼續(xù)加強(qiáng)農(nóng)業(yè)基礎(chǔ)地位，大力發(fā)展現(xiàn)代農(nóng)業(yè)，為農(nóng)業(yè)機(jī)械化創(chuàng)造基礎(chǔ)條件；增加農(nóng)業(yè)資本投入，尤其是加大對農(nóng)業(yè)固定資產(chǎn)、農(nóng)業(yè)財(cái)政支出的投入，促進(jìn)現(xiàn)代農(nóng)業(yè)向資金密集型的轉(zhuǎn)型。

2)同時(shí)，要充分重視微觀農(nóng)業(yè)生產(chǎn)要素的投入。①吉林省要繼續(xù)通過土地入股、托管、包租等多種形式實(shí)現(xiàn)土地規(guī)模經(jīng)營和集約化生產(chǎn)，完善土地流轉(zhuǎn)制度改革[9]。②要促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整升級，帶動(dòng)農(nóng)村勞動(dòng)力向二三產(chǎn)業(yè)轉(zhuǎn)移；通過農(nóng)業(yè)產(chǎn)業(yè)化發(fā)展來增加農(nóng)民家庭人均收入，提升農(nóng)民生活水平與消費(fèi)水平，進(jìn)而促進(jìn)農(nóng)業(yè)機(jī)械化的發(fā)展。

3)另外，新時(shí)期科技管理因素對農(nóng)業(yè)機(jī)械化的發(fā)展至關(guān)重要，新型農(nóng)民素質(zhì)的提高將起關(guān)鍵性作用，發(fā)展現(xiàn)代化農(nóng)業(yè)、推進(jìn)農(nóng)業(yè)機(jī)械化、培育新型職業(yè)農(nóng)民是一個(gè)重要而緊迫的任務(wù)[10]。因此，建議吉林省充分發(fā)揮教育大省優(yōu)勢，加強(qiáng)對新型職業(yè)農(nóng)民的教育與培訓(xùn)，使之成為農(nóng)業(yè)機(jī)械化發(fā)展的強(qiáng)大推動(dòng)力。

參考文獻(xiàn)：

[1]黃永寶,紀(jì)延光.基于因子分析的我國農(nóng)業(yè)機(jī)械發(fā)展分析研究[J].中國農(nóng)業(yè)科技導(dǎo)報(bào),2014,16(4):95-101.

[2]劉佩軍.東北地區(qū)農(nóng)業(yè)機(jī)械化發(fā)展研究[D].長春:吉林大學(xué),2007.

[3]張麗.東北地區(qū)農(nóng)業(yè)機(jī)械化發(fā)展影響因素分析及對策研究[D].長春:吉林大學(xué),2007.

[4]劉立丹.吉林省農(nóng)業(yè)機(jī)械化發(fā)展研究[D].長春:吉林農(nóng)業(yè)大學(xué),2010.

[5]何政道,何瑞銀.農(nóng)業(yè)機(jī)械總動(dòng)力及其影響因素的時(shí)間序列分析-以江蘇省為例[J].中國農(nóng)機(jī)化,2010(1):20-24.

[6]代海濤.吉林省農(nóng)業(yè)機(jī)械化對農(nóng)業(yè)生產(chǎn)貢獻(xiàn)率及發(fā)展對策研究[J].中國農(nóng)機(jī)化,2014(6):300-303.

[7]吉林省統(tǒng)計(jì)局.吉林統(tǒng)計(jì)年鑒(1993-2013)[M].北京:中國統(tǒng)計(jì)出版社,1995-2014.

[8]國家統(tǒng)計(jì)局.中國農(nóng)村統(tǒng)計(jì)年鑒(1993-2013)[M].北京:中國統(tǒng)計(jì)出版社,1995-2014.

[9]馬江,張亞梅.吉林省農(nóng)業(yè)機(jī)械化影響因素與發(fā)展思路[J].吉林農(nóng)業(yè),2014(16):39.

[10]白人樸.對“十三五”我國農(nóng)業(yè)機(jī)械化發(fā)展的思考[J].農(nóng)村牧區(qū)機(jī)械化,2014(4):12.

[11]李嫣怡,劉榮,丁維岱.EViews統(tǒng)計(jì)分析與應(yīng)用[M].北京:電子工業(yè)出版社,2013.

Study on the Development of Total Power of Agricultural Machinery in Jilin Province—Based on Principal Component Analysis

Cui Hongyan

(Baicheng Normal College, College of Geographical Sciences, Baicheng 137000,China)

Abstract：As the food great province, it is very crucial to the development of agricultural mechanization in Jilin Province. This paper analyzes the total power of agricultural machinery and the influence factors by principal component analysis method using the relevant data of Jilin Province during 1994-2013. The multi linear regression model is established for variable ZY and independent variables by ZX1-ZX9. In the model, only the rural Engel coefficient and the total power of agricultural machinery is negatively correlated, the rest of the independent variables are positively correlated. The coefficient of per unit area yield of grain is 0.207, and the coefficient of farmers' education level is 0.276, relatively low. And the coefficients of the other independent variables have little difference between 0.34～0.37. Finally, it put forward to strengthen the elements of macro capital support, micro production and technology input in the future in Jilin Province. In addition, it need to strengthen the cultivation of new peasants occupation, to meet the demand for talent and technology of agricultural development in the new period.

Key words：total power of agricultural machinery; principal component analysis; regression analysis; Jilin Province

文章編號：1003-188X(2016)06-0093-05

中圖分類號：S210.6

文獻(xiàn)標(biāo)識碼：A

作者簡介：崔紅艷(1975-)，女，吉林白城人，副教授，碩士研究生，(E-mail)hongyancui@163.com。

基金項(xiàng)目：吉林省教育廳“十二五”社會(huì)科學(xué)研究重點(diǎn)項(xiàng)目(吉教科文合字[2013]第335號)

收稿日期：2015-06-01