基于因子分析的農(nóng)村經(jīng)濟(jì)發(fā)展水平評(píng)價(jià)研究

張幸

摘 要：通過(guò)對(duì)我國(guó)31個(gè)省市區(qū)（不含港澳臺(tái)）的農(nóng)村經(jīng)濟(jì)指標(biāo)數(shù)據(jù)進(jìn)行分析，建立農(nóng)村經(jīng)濟(jì)發(fā)展評(píng)價(jià)指標(biāo)體系。運(yùn)用因子分析法，結(jié)合分析結(jié)果，對(duì)我國(guó)農(nóng)村經(jīng)濟(jì)發(fā)展進(jìn)行分析與評(píng)價(jià)。

關(guān)鍵詞：農(nóng)村經(jīng)濟(jì)發(fā)展;指標(biāo)體系;因子分析法

文章編號(hào)：1004-7026（2019）24-0004-03 ? ? ? ? 中國(guó)圖書(shū)分類號(hào)：F127 ? ? ? ?文獻(xiàn)標(biāo)志碼：A

改革開(kāi)放以來(lái)，我國(guó)農(nóng)村經(jīng)濟(jì)發(fā)展取得了巨大成就，但農(nóng)業(yè)基礎(chǔ)仍然較為脆弱，“三農(nóng)”問(wèn)題沒(méi)有得到根本解決?！叭r(nóng)”問(wèn)題是關(guān)系到我國(guó)經(jīng)濟(jì)發(fā)展和現(xiàn)代化建設(shè)的重要問(wèn)題。

黨的十九大報(bào)告指出，要堅(jiān)持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展，加快推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化。隨著社會(huì)經(jīng)濟(jì)不斷發(fā)展，農(nóng)村經(jīng)濟(jì)發(fā)展進(jìn)入到了一個(gè)新階段，對(duì)農(nóng)村經(jīng)濟(jì)發(fā)展水平進(jìn)行評(píng)價(jià)顯得十分必要。

1 ?建立評(píng)價(jià)指標(biāo)體系

農(nóng)村經(jīng)濟(jì)發(fā)展受到各種因素影響，需要在綜合各方面影響的基礎(chǔ)上建立適當(dāng)?shù)闹笜?biāo)體系[1-3]。在文獻(xiàn)調(diào)查的基礎(chǔ)上，選取了我國(guó)31個(gè)省市區(qū)反應(yīng)農(nóng)村經(jīng)濟(jì)發(fā)展情況的12項(xiàng)指標(biāo)[4-9]，構(gòu)建了如下指標(biāo)體系：農(nóng)業(yè)總產(chǎn)值X1（億元）、耕地面積X2（千hm2）、農(nóng)作物總播種面積X3（千hm2）、有效灌溉面積X4（千hm2）、農(nóng)業(yè)機(jī)械總動(dòng)力X5（萬(wàn)kW）、農(nóng)用化肥施用折純量X6（萬(wàn)t）、農(nóng)林牧漁業(yè)全社會(huì)固定資產(chǎn)投資X7（億元）、農(nóng)村用電量X8（億kW·h）、農(nóng)村居民家庭人均純收入X9（元）、農(nóng)村居民家庭人均消費(fèi)支出X10（元）、農(nóng)村人均住房面積X11（m2）、水庫(kù)數(shù)X12（座）。

2 ?建立因子分析模型

2.1 ?因子分析法的基本原理

因子分析法是Spearman于1904年提出的，是將觀測(cè)的多個(gè)變量根據(jù)其相關(guān)性進(jìn)行分組，綜合為少數(shù)幾個(gè)主因子，在不損失或少損失信息的情況下降維來(lái)計(jì)算綜合評(píng)價(jià)值的一種方法。

當(dāng)因子載荷矩陣意義不夠明顯時(shí)，可以通過(guò)因子旋轉(zhuǎn)使因子意義更加突出，同時(shí)利用因子得分函數(shù)計(jì)算出各樣本得分，并予以評(píng)價(jià)和排序。因子分析模型的矩陣形式如下。

X=AF+？著 ? ? ? ? （1）

其中，X=（X1，X2，…，Xp）'，為原始指標(biāo);F=（F1，F(xiàn)2，…，F(xiàn)m）'，是對(duì)所有X都起作用的公共因子;A為因子載荷矩陣;？著是變量X特有的特殊因子。

2.2 ?數(shù)據(jù)分析過(guò)程

為了消除不同量綱的影響，通過(guò)軟件SPSS 19.0將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，并輸出數(shù)據(jù)的Bartlett和KMO檢驗(yàn)結(jié)果。Bartlett值為431.330，相應(yīng)的概率值為0.000<0.05，即相關(guān)矩陣與單位矩陣不同。KMO值為0.750，各變量之間的相關(guān)性強(qiáng)。Bartlett和KMO檢驗(yàn)表明，原有變量適合做因子分析。

根據(jù)標(biāo)準(zhǔn)化之后的數(shù)據(jù)建立指標(biāo)間的相關(guān)系數(shù)矩陣R，得到特征值和累計(jì)貢獻(xiàn)率，前3個(gè)特征值及其貢獻(xiàn)率見(jiàn)表1。前3個(gè)特征值的方差累計(jì)貢獻(xiàn)率已經(jīng)達(dá)到85.534%，說(shuō)明前3個(gè)公共因子所代表的信息量已經(jīng)能夠充分解釋原始數(shù)據(jù)信息，因而選擇前3個(gè)公共因子來(lái)反映我國(guó)農(nóng)村經(jīng)濟(jì)發(fā)展的水平。

因?yàn)槌跏家蜃虞d荷陣因子含義不夠明顯，所以采用最大方差法進(jìn)行正交旋轉(zhuǎn)變換，使一部分變量在某些因子上載荷較大，在其他因子上載荷較小。旋轉(zhuǎn)后的因子載荷陣如表2所示。

2.3 ?因子命名解釋

在第1個(gè)主因子上載荷較大的指標(biāo)有農(nóng)業(yè)總產(chǎn)值X1（億元）、耕地面積X2（千hm2）、農(nóng)作物總播種面積X3（千hm2）、有效灌溉面積X4（千hm2）、農(nóng)業(yè)機(jī)械總動(dòng)力X5（萬(wàn)kW）、農(nóng)用化肥施用折純量X6（萬(wàn)t）、農(nóng)林牧漁業(yè)全社會(huì)固定資產(chǎn)投資X7（億元），反映的是農(nóng)村經(jīng)濟(jì)綜合實(shí)力，可稱為綜合實(shí)力因子。

在第2個(gè)主因子上載荷較大的指標(biāo)有農(nóng)村用電量X8（億kW·h）、農(nóng)村居民家庭人均純收入X9（元）、農(nóng)村居民家庭人均消費(fèi)支出X10（元）、農(nóng)村人均住房面積X11（m2），反映的是農(nóng)村生活水平，可概括為農(nóng)村生活水平因子。

在第3個(gè)主因子上載荷較大的指標(biāo)為水庫(kù)數(shù)X12（座），反映的是農(nóng)村水利設(shè)施建設(shè)情況，可概括為水利設(shè)施因子。

2.4 ?各省市區(qū)綜合得分計(jì)算

31個(gè)省市區(qū)的3個(gè)主因子得分F1、F2、F3可由旋轉(zhuǎn)后的因子載荷矩陣和因子得分系數(shù)矩陣計(jì)算得到，它們分別從不同方面反映了各省市區(qū)農(nóng)村經(jīng)濟(jì)發(fā)展的水平，用3個(gè)主因子對(duì)應(yīng)的方差貢獻(xiàn)率為權(quán)數(shù)，可得到綜合得分計(jì)算公式如下。

F=0.606 2F1+0.275 4F2+0.108 4F3 ? ? ? ? （2）

根據(jù)公式（2），可以計(jì)算出綜合因子得分，并對(duì)31個(gè)省市區(qū)的農(nóng)村經(jīng)濟(jì)發(fā)展水平進(jìn)行排序，計(jì)算及排序結(jié)果如表3所示。

3 ?結(jié)果與分析

從綜合得分F來(lái)看，13個(gè)省市區(qū)總得分F>0，其他18個(gè)省市區(qū)得分均在0以下。全國(guó)各省市區(qū)農(nóng)村經(jīng)濟(jì)發(fā)展有著較大差異，得分最高的浙江省與得分最低的西藏自治區(qū)分值差距達(dá)2.6分。山東省、河南省作為中國(guó)農(nóng)業(yè)強(qiáng)省，得分遙遙領(lǐng)先于其他地區(qū)。青海省、西藏自治區(qū)得分在最后，其農(nóng)業(yè)生產(chǎn)面臨資源和自然環(huán)境的制約，最直觀的表現(xiàn)是耕地面積和有效灌溉面積等指標(biāo)排名都靠后。

從綜合實(shí)力因子F1來(lái)看，排名和按綜合得分F的排名變化很小。河南省、山東省依賴其突出的農(nóng)業(yè)總產(chǎn)值、耕地面積、農(nóng)作物總播種面積、有效灌溉面積等指標(biāo)，得分領(lǐng)先于其他省市區(qū)，而青海省、西藏自治區(qū)、上海市處在最后3位的名次。

從農(nóng)村生活水平因子F2來(lái)看，上海市、江蘇省、浙江省在這個(gè)因子得分上表現(xiàn)突出，甘肅省、西藏自治區(qū)則表現(xiàn)不佳。上海市在農(nóng)村居民家庭人均純收入、農(nóng)村居民家庭人均消費(fèi)支出、農(nóng)村人均住房面積上名列前茅，這與上海市經(jīng)濟(jì)中心的地位相呼應(yīng)。

從水利設(shè)施因子F3來(lái)看，湖南省、江西省和湖北省在水庫(kù)數(shù)指標(biāo)上排名靠前，而內(nèi)蒙古自治區(qū)和黑龍江省排名倒數(shù)，這與其自然稟賦有關(guān)[10]。以湖南省為例，湖南地處洞庭湖以南，省內(nèi)河網(wǎng)密布，水資源相對(duì)豐富，為水庫(kù)選址及建設(shè)提供了條件。

4 ?結(jié)論與建議

綜合因子分析結(jié)果可知，綜合實(shí)力因子解釋了總信息量的52.7%，說(shuō)明當(dāng)前我國(guó)農(nóng)村經(jīng)濟(jì)發(fā)展主要還是以自然資源為主。

總體上看，31個(gè)省市區(qū)的農(nóng)村經(jīng)濟(jì)發(fā)展水平較低且不均衡的現(xiàn)象較為嚴(yán)重。因此，如何使各省市區(qū)均衡發(fā)展，是我國(guó)農(nóng)村經(jīng)濟(jì)發(fā)展亟待解決的問(wèn)題。具體來(lái)說(shuō)，應(yīng)注意以下幾點(diǎn)。

首先，結(jié)合地區(qū)特色資源，發(fā)展特色農(nóng)業(yè)，實(shí)行農(nóng)業(yè)產(chǎn)業(yè)化，在保證糧食產(chǎn)量的基礎(chǔ)上，優(yōu)化產(chǎn)品結(jié)構(gòu)，提高農(nóng)業(yè)生產(chǎn)效率。

其次，實(shí)施鄉(xiāng)村振興戰(zhàn)略，按照產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富裕的總要求，建立健全城鄉(xiāng)融合發(fā)展體制機(jī)制和政策體系。

再次，深化農(nóng)村改革，發(fā)展現(xiàn)代農(nóng)業(yè)，促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展。構(gòu)建新型農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)體系，加快農(nóng)村集體產(chǎn)權(quán)制度改革，努力改善農(nóng)村金融服務(wù)，大力發(fā)展農(nóng)村專業(yè)合作組織，提高農(nóng)業(yè)競(jìng)爭(zhēng)力和農(nóng)村經(jīng)濟(jì)水平。

參考文獻(xiàn)：

[1]佟瑞，朱順泉.基于因子分析法的我國(guó)各省市社會(huì)經(jīng)濟(jì)發(fā)展水平評(píng)價(jià)研究[J].生產(chǎn)力研究，2005（9）：19-20.

[2]馮建中，何先平，鄧習(xí)軍.基于因子分析的湖北省農(nóng)村經(jīng)濟(jì)發(fā)展研究[J].安徽農(nóng)業(yè)科學(xué)，2012（2）：1136-1138.

[3]樓海淼，孫秋碧.基于因子分析的我國(guó)各省經(jīng)濟(jì)活力評(píng)價(jià)研究[J].福州大學(xué)學(xué)報(bào)，2005（3）：32-35.

[4]于曉紅.基于因子分析的區(qū)域農(nóng)村經(jīng)濟(jì)情況評(píng)價(jià)[J].農(nóng)業(yè)經(jīng)濟(jì)，2014（6）：96-97.

[5]楊婷婷，陳英鳳，樊華術(shù).基于因子分析的我國(guó)區(qū)域經(jīng)濟(jì)差異研究[J].創(chuàng)新科技，2018（10）：36-39.

[6]陸保一，明慶忠，陳輝.基于因子分析法的河南省區(qū)域經(jīng)濟(jì)發(fā)展時(shí)空差異研究[J].樂(lè)山師范學(xué)院學(xué)報(bào)，2018（4）：

75-83.

[7]劉秀麗，郭海珍，張勃，等.基于因子分析法的山西省區(qū)域經(jīng)濟(jì)發(fā)展水平評(píng)價(jià)[J].西北師范大學(xué)學(xué)報(bào)（自然科學(xué)

版），2018（2）：102-107，120.

[8]王洪富，李國(guó)良，龐蓉蓉，等.基于因子分析法的云南州市經(jīng)濟(jì)水平評(píng)價(jià)研究[J].價(jià)值工程，2018（6）：54-56.

[9]馬麗娜.基于因子分析的陜西各城市綜合經(jīng)濟(jì)實(shí)力分析[J].電腦知識(shí)與技術(shù)，2018（35）：256-258.

[10]國(guó)家統(tǒng)計(jì)局.湖北統(tǒng)計(jì)年鑒2017[M].北京：中國(guó)統(tǒng)計(jì)出版社，2018.