徐坤　馮娟　黎高　陸玉琴

摘要 以廣西農(nóng)墾24個(gè)農(nóng)場(chǎng)為樣本，選取第一產(chǎn)業(yè)生產(chǎn)總值、第二產(chǎn)業(yè)生產(chǎn)總值、第三產(chǎn)業(yè)生產(chǎn)總值、地區(qū)生產(chǎn)總值等16項(xiàng)指標(biāo)，利用廣西農(nóng)墾統(tǒng)計(jì)年報(bào)相關(guān)數(shù)據(jù)，構(gòu)建綜合發(fā)展水平評(píng)價(jià)體系，先采用因子分析的方法，對(duì)各農(nóng)場(chǎng)的綜合發(fā)展水平進(jìn)行排序，在此基礎(chǔ)上采用系統(tǒng)聚類法Ward 法，通過因子綜合得分對(duì)各地區(qū)進(jìn)行聚類，分成4類。并針對(duì)不同的類型對(duì)各類別做簡要分析，根據(jù)社會(huì)發(fā)展形勢(shì)、國家政策和地區(qū)特點(diǎn)提出建議。

關(guān)鍵詞 因子分析;聚類分析;綜合發(fā)展水平;評(píng)價(jià)

中圖分類號(hào) F061.3文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 0517-6611（2020）22-0246-05

doi：10.3969/j.issn.0517-6611.2020.22.065

Evaluation of the Comprehensive Development Level of Guangxi Agricultural Reclamation Farms Based on Factor Analysis and Cluster Analysis—Taking 24 Farms of Guangxi Agricultural Reclamation as Examples

XU Kun，F(xiàn)ENG Juan，LI Gao et al

（South Subtropic Agricultural Scientific Research Institute of Guangxi， Longzhou， Guangxi 532415）

Abstract 24 farms of Guangxi agricultural reclamation were taken as samples， 16 indicators such as total output value of the primary industry， total output value of secondary industry， total output value of tertiary industry， regional gross value of production were selected， using relevant data of Guangxi farming reclamation statistical annual report， an evaluation system for comprehensive development was established. Factor analysis was used to rank the comprehensive development level of each farm， on this basis， through the factor comprehensive score， the systematic cluster analysis （Ward method） was used to cluster each region， which was divided into four categories. It made a brief analysis of each category according to different types and also put forward suggestions according to social development situation， national policies and regional characteristics.

Key words Factor analysis;Cluster analysis;Comprehensive development level;Evaluation

作者簡介 徐坤（1988—），女，廣西陸川人，經(jīng)濟(jì)師，從事農(nóng)業(yè)經(jīng)濟(jì)管理、財(cái)務(wù)審計(jì)研究。*通信作者，經(jīng)濟(jì)師，從事農(nóng)業(yè)經(jīng)濟(jì)管理、財(cái)務(wù)審計(jì)研究。

收稿日期 2020-04-08

社會(huì)發(fā)展水平的高低是衡量一個(gè)地區(qū)綜合實(shí)力、文明程度和現(xiàn)代化的重要標(biāo)志[1]。為綜合反映廣西農(nóng)墾農(nóng)場(chǎng)經(jīng)濟(jì)社會(huì)的發(fā)展水平，筆者以廣西農(nóng)墾24個(gè)農(nóng)場(chǎng)為例，選取第一產(chǎn)業(yè)生產(chǎn)總值、第二產(chǎn)業(yè)生產(chǎn)總值、第三產(chǎn)業(yè)生產(chǎn)總值、地區(qū)生產(chǎn)總值等16 項(xiàng)指標(biāo)，對(duì)各農(nóng)場(chǎng)的社會(huì)發(fā)展水平通過因子分析、聚類分析法給出地區(qū)排名和聚類。

1 指標(biāo)選取、數(shù)據(jù)來源與研究方法

1.1 評(píng)價(jià)指標(biāo)體系構(gòu)建

地區(qū)綜合發(fā)展水平評(píng)價(jià)指標(biāo)體系，是度量一個(gè)地區(qū)綜合發(fā)展程度的工具。為了使評(píng)價(jià)結(jié)果全面、準(zhǔn)確、客觀地反映現(xiàn)實(shí)，在選取評(píng)價(jià)指標(biāo)時(shí)，需遵循系統(tǒng)性、典型性、獨(dú)立性、有效性、可比性、可操作性、導(dǎo)向性以及動(dòng)態(tài)性8條原則。影響綜合發(fā)展水平的因素有很多，為了科學(xué)合理地進(jìn)行評(píng)價(jià)，在遵循上述原則的基礎(chǔ)上，選取16項(xiàng)指標(biāo)構(gòu)建地區(qū)綜合發(fā)展水平的評(píng)價(jià)指標(biāo)體系：第一產(chǎn)業(yè)生產(chǎn)總值（A1）、第二產(chǎn)業(yè)生產(chǎn)總值（A2）、第三產(chǎn)業(yè)生產(chǎn)總值（A3）、地區(qū)生產(chǎn)總值（A4）、勞動(dòng)者報(bào)酬（A5）、人口總數(shù)（A6）、從業(yè)人員總數(shù)（A7）、工業(yè)社會(huì)從業(yè)人員人數(shù)總數(shù)（A8）、全社會(huì)人口純收入（A9）、經(jīng)營總收入（A10）、農(nóng)林牧漁業(yè)總產(chǎn)值（A11）、交通運(yùn)輸業(yè)全年?duì)I業(yè)總收（A12）入、批發(fā)和零售業(yè)全年銷售總額（A13）、住宿和餐飲業(yè)全年?duì)I業(yè)收入（A14）、居民服務(wù)業(yè)全年?duì)I業(yè)收入（A15）、招商引資到位資金（A16）。

1.2 數(shù)據(jù)來源

該研究數(shù)據(jù)主要來源于《2017年廣西農(nóng)墾統(tǒng)計(jì)年報(bào)資料匯編》。

1.3 研究方法

1.3.1

因子分析法。一般認(rèn)為因子分析是從Charles Spearman 1904年發(fā)表的文章《對(duì)智力測(cè)驗(yàn)得分進(jìn)行統(tǒng)計(jì)分析》開始的，它是一種對(duì)高維數(shù)據(jù)進(jìn)行降維處理的方法，通過研究眾多變量之間的內(nèi)部依賴關(guān)系，探求觀測(cè)數(shù)據(jù)中的基本結(jié)構(gòu)，并用少數(shù)幾個(gè)“抽象”的變量來表示其基本的數(shù)據(jù)結(jié)構(gòu)。這幾個(gè)抽象的變量被稱作“公因子”，能反映原來眾多變量的主要信息。原始的變量是可觀測(cè)的現(xiàn)在變量，而公因子一般是不可觀測(cè)的潛在變量。因子分析還可以對(duì)初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，使因子和原始變量之間的關(guān)系進(jìn)行重新分配，提取的主因子具有實(shí)際意義，用公共因子反映變量之間的相關(guān)關(guān)系，并對(duì)其做出比較簡單的解釋，揭示指標(biāo)間的內(nèi)部規(guī)律從而使結(jié)果更加客觀、合理。

1.3.2 聚類分析法。聚類分析又稱集群分析，是按“物以類聚”原則研究事物分類的一種多元統(tǒng)計(jì)分析方法。根據(jù)樣本的多指標(biāo)、多個(gè)觀察數(shù)據(jù)，定量地確定樣品、指標(biāo)之間存在的相似性或親疏關(guān)系，據(jù)此聯(lián)結(jié)這些樣品或指標(biāo)歸成大小類群。采用系統(tǒng)聚類法不需要給定分類的標(biāo)準(zhǔn)，也不需要給出所有數(shù)據(jù)分成幾類，而是比較客觀地從數(shù)據(jù)自身出發(fā)進(jìn)行分類[2-9]。

2 結(jié)果與分析

2.1 因子分析

2.1.1 原始數(shù)據(jù)的無量綱化處理。為了消除指標(biāo)之間量綱不一致和數(shù)量級(jí)差異大等現(xiàn)象，首先需要對(duì)評(píng)價(jià)指標(biāo)的原始數(shù)據(jù)進(jìn)行無量綱化處理[10-11]，公式如下：

Yij=Xij-jSj（1）

式中，Yij為標(biāo)準(zhǔn)化值;Xij表示第i個(gè)樣本第j個(gè)評(píng)價(jià)指標(biāo)的原始測(cè)定值;j表示第j個(gè)評(píng)價(jià)指標(biāo)的平均值;Sj表示第j個(gè)評(píng)價(jià)指標(biāo)的標(biāo)準(zhǔn)差（SD值）。結(jié)果如表1所示。

2.1.2

因子分析的適宜性檢驗(yàn)。應(yīng)用IBM SPSS Statistics 19軟件對(duì)無量綱標(biāo)準(zhǔn)化處理后的24個(gè)農(nóng)場(chǎng)的16個(gè)評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行指標(biāo)分析，即KMO檢驗(yàn)和Bartlett球度檢驗(yàn)[10-13]。檢驗(yàn)結(jié)果顯示，KMO值為0.705，根據(jù)統(tǒng)計(jì)學(xué)家Kaiser給出的KMO度量標(biāo)準(zhǔn)可知，原始變量適合進(jìn)行因子分析。Bartlett球度檢驗(yàn)得出的相伴概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球度檢驗(yàn)的零假設(shè)，認(rèn)為變量間存在較強(qiáng)的相關(guān)性，適合做因子分析。

2.1.3

公因子的選擇。應(yīng)用IBM SPSS Statistics 19軟件對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行因子分析，各主因子的特征值、累計(jì)貢獻(xiàn)率如表2所示。從表2可以看出，前3個(gè)因子變量的特征值均大于1，并且經(jīng)過最大方差旋轉(zhuǎn)后它們的方差貢獻(xiàn)率分別為50.047%、24.515%、12.029%，累計(jì)方差貢獻(xiàn)率已達(dá)到86.591%，即這3個(gè)公因子已經(jīng)反映了全部16項(xiàng)評(píng)價(jià)指標(biāo)的絕大部分信息，因此可以選取這3個(gè)因子作為廣西農(nóng)墾農(nóng)場(chǎng)綜合發(fā)展水平的綜合評(píng)價(jià)指標(biāo)。

為了更加突出主要公因子的作用，將因子進(jìn)行方差最大正交旋轉(zhuǎn)，得到旋轉(zhuǎn)后的公因子載荷矩陣如表3所示。

通過各因子旋轉(zhuǎn)后的載荷矩陣可以看出，具有較高載荷的因子變量分布在若干關(guān)鍵評(píng)價(jià)指標(biāo)上，說明它們之間有著明確的結(jié)構(gòu)關(guān)系。公因子所包含的指標(biāo)因子載荷若為正，表明該因子對(duì)公因子產(chǎn)生正向影響;因子載荷若為負(fù)，表明該因子對(duì)公因子產(chǎn)生負(fù)向影響。對(duì)比圖1、表4可直觀地解釋各性狀指標(biāo)對(duì)3個(gè)公因子的貢獻(xiàn)。第一公因子F1主要由A2（第二產(chǎn)業(yè)生產(chǎn)總值）、A3（第三產(chǎn)業(yè)生產(chǎn)總值）、A4（地區(qū)生產(chǎn)總值）、A10（經(jīng)營總收入）、A13（批發(fā)和零售業(yè)全年銷售總額）、A14（住宿和餐飲業(yè)全年?duì)I業(yè)收入）6個(gè)因子綜合作用的指標(biāo)，主要反映加工制造業(yè)和服務(wù)業(yè)方面的發(fā)展情況;第二公因子F2主要由A1（第一產(chǎn)業(yè)生產(chǎn)總值）、A11（農(nóng)林牧漁業(yè)總產(chǎn)值）2個(gè)因子綜合作用的指標(biāo)，主要反映農(nóng)、林、牧、漁業(yè)方面的發(fā)展情況;第三公因子F3主要由A16（招商引資到位資金）1個(gè)因子作用的指標(biāo)，主要反映招商引資方面的情況。

2.1.4

公因子得分及綜合發(fā)展水平的量化評(píng)價(jià)。旋轉(zhuǎn)后各公因子得分系數(shù)如表4所示，24個(gè)農(nóng)場(chǎng)各公因子的得分根據(jù)公式（2）進(jìn)行計(jì)算;24個(gè)農(nóng)場(chǎng)的綜合評(píng)價(jià)得分，根據(jù)3個(gè)公因子旋轉(zhuǎn)后的方差貢獻(xiàn)率及對(duì)應(yīng)的公因子得分計(jì)算，見公式（3）。結(jié)果如表5 所示。

F=Yn1×Zn1+Yn2×Zn2+…+Yn16×Zn16（2）

Fz=42.052×F1+23.907×F2+15.887×F381.846（3）

式中，F(xiàn)為公因子得分;Fz為綜合評(píng)價(jià)得分;Yn1，…，Yn16為第n個(gè)樣本的16個(gè)評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)化后的值;Zn1，…，Zn16為旋轉(zhuǎn)后16個(gè)評(píng)價(jià)指標(biāo)因子得分系數(shù)。

從上述綜合因子F的得分情況可以看出，各農(nóng)場(chǎng)綜合發(fā)展水平存在差異。從分類情況可以看出新興農(nóng)場(chǎng)的綜合發(fā)展水平較高，分類屬于良好等級(jí)。

從單個(gè)公共因子得分來看，新興農(nóng)場(chǎng)、明陽農(nóng)場(chǎng)、九曲灣農(nóng)場(chǎng)、金光農(nóng)場(chǎng)4 個(gè)農(nóng)場(chǎng)第一公因子（F1）得分較高，表明這4個(gè)農(nóng)場(chǎng)在加工制造業(yè)和服務(wù)業(yè)發(fā)展方面均處于前列。而華山農(nóng)場(chǎng)、沙塘農(nóng)場(chǎng)、良豐農(nóng)場(chǎng)、那梭農(nóng)場(chǎng)則得分較低，這些農(nóng)場(chǎng)在發(fā)展農(nóng)業(yè)生產(chǎn)的同時(shí)，還應(yīng)該注意農(nóng)副食品的加工及相關(guān)配套服務(wù)產(chǎn)業(yè)的發(fā)展;北部灣總場(chǎng)、金光農(nóng)場(chǎng)、良圻農(nóng)場(chǎng)、昌菱農(nóng)場(chǎng)、紅河農(nóng)場(chǎng)、東風(fēng)農(nóng)場(chǎng)6個(gè)農(nóng)場(chǎng)第二公因子（F2）得分較高，表明這6個(gè)農(nóng)場(chǎng)在農(nóng)、林、牧、漁業(yè)等農(nóng)業(yè)生產(chǎn)方面處于領(lǐng)先地位，而九曲灣農(nóng)場(chǎng)、大明山農(nóng)場(chǎng)則得分較低，這些農(nóng)場(chǎng)還應(yīng)該注意農(nóng)業(yè)生產(chǎn)的發(fā)展;九曲灣農(nóng)場(chǎng)、北部灣總場(chǎng)、良圻農(nóng)場(chǎng)3個(gè)農(nóng)場(chǎng)第三公因子（F3）得分較高，表明這3個(gè)農(nóng)場(chǎng)在招商引資方面處于領(lǐng)先地位，而源頭農(nóng)場(chǎng)、明陽農(nóng)場(chǎng)則得分較低，這些農(nóng)場(chǎng)還應(yīng)加大招商引資的力度。

2.2 基于聚類分析的各農(nóng)場(chǎng)綜合發(fā)展水平評(píng)價(jià)

在上述因子分析的基礎(chǔ)上，利用因子分析產(chǎn)生的新變量（因子綜合得分F值）進(jìn)行聚類分析，即采用以區(qū)間平方Euclidean 距離為度量標(biāo)準(zhǔn)，利用Ward法對(duì)24個(gè)農(nóng)場(chǎng)進(jìn)行聚類。據(jù)此，24個(gè)農(nóng)場(chǎng)可分為4類，如圖2所示，各類群評(píng)價(jià)指標(biāo)的平均值見表6。

從表6可以看出，第Ⅰ類群，即新興農(nóng)場(chǎng)，除第一產(chǎn)業(yè)生產(chǎn)總值、農(nóng)林牧漁業(yè)總產(chǎn)值、交通運(yùn)輸業(yè)全年?duì)I業(yè)總收入以及招商引資到位資金4個(gè)指標(biāo)外，其他指標(biāo)均領(lǐng)先于其他3個(gè)類群，綜合發(fā)展水平領(lǐng)先優(yōu)勢(shì)明顯，第Ⅱ類群剛好在第一產(chǎn)業(yè)生產(chǎn)總值、農(nóng)林牧漁業(yè)總產(chǎn)值、交通運(yùn)輸業(yè)全年?duì)I業(yè)總收入以及招商引資到位資金4個(gè)指標(biāo)領(lǐng)先于其他3個(gè)類群，第 Ⅲ 類群、第 Ⅳ 類群則無明顯領(lǐng)先優(yōu)勢(shì)，但第Ⅲ類群各評(píng)價(jià)指標(biāo)的平均值要明顯高于第Ⅳ類群。表明聚類分析對(duì)各個(gè)農(nóng)場(chǎng)的綜合發(fā)展水平進(jìn)行了較為準(zhǔn)確的分類，分類結(jié)果與現(xiàn)實(shí)相符，而因子分析綜合得分結(jié)果和聚類分析的結(jié)果也能夠基本保持一致，說明因子分析和聚類分析的結(jié)果能互相印證，分析結(jié)論可信。

3 結(jié)論與建議

該研究通過因子分析和聚類分析發(fā)現(xiàn)，綜合發(fā)展水平較高的農(nóng)場(chǎng)不多，絕大多數(shù)農(nóng)場(chǎng)的綜合發(fā)展水平偏低?，F(xiàn)就如何提高農(nóng)場(chǎng)的發(fā)展水平提出幾點(diǎn)建議。

（1）因地制宜，發(fā)揮自身優(yōu)勢(shì)，實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展3個(gè)經(jīng)濟(jì)帶齊頭并進(jìn)。綜合發(fā)展水平較好的農(nóng)場(chǎng)要利用原有的發(fā)展優(yōu)勢(shì)反哺發(fā)展劣勢(shì)和短板，各農(nóng)場(chǎng)之間還可以進(jìn)行優(yōu)勢(shì)互補(bǔ)，實(shí)現(xiàn)共同發(fā)展。

（2）產(chǎn)業(yè)優(yōu)化，結(jié)構(gòu)升級(jí)，尤其是第Ⅲ、Ⅳ類地區(qū)想要改變自身發(fā)展滯后的現(xiàn)狀，就要優(yōu)化自己的產(chǎn)業(yè)比例，加強(qiáng)第三產(chǎn)業(yè)發(fā)展力度，向發(fā)展較好的農(nóng)場(chǎng)學(xué)習(xí)，走可持續(xù)發(fā)展道路。在以經(jīng)濟(jì)發(fā)展為主要任務(wù)的同時(shí)，還應(yīng)顧及生態(tài)環(huán)境的建設(shè)。黨的十八大以來，生態(tài)建設(shè)這一政策導(dǎo)向?qū)⒂绊懳覈磥?～10 年的經(jīng)濟(jì)建設(shè)主題，也可以以此為契機(jī)鼓勵(lì)發(fā)展水平不高的農(nóng)場(chǎng)發(fā)展擴(kuò)大生態(tài)產(chǎn)業(yè)。

（3）廣西農(nóng)墾集團(tuán)要在集團(tuán)層面加大招商引資的力度，大力扶持發(fā)展相對(duì)落后的農(nóng)場(chǎng)，充分挖掘其自身地理、人文、環(huán)境等有利因素以實(shí)現(xiàn)全面發(fā)展。

參考文獻(xiàn)

[1] 陶文達(dá).發(fā)展經(jīng)濟(jì)學(xué)[M].北京：中國財(cái)政經(jīng)濟(jì)出版社，1988.

[2] 王學(xué)民.應(yīng)用多元統(tǒng)計(jì)分析[M].2版.上海：上海財(cái)經(jīng)大學(xué)出版社，2004.

[3] 余建英，何旭宏.數(shù)據(jù)統(tǒng)計(jì)分析與SPSS應(yīng)用[M].北京：人民郵電出版社，2003.

[4] 何曉群.多元統(tǒng)計(jì)分析[M].北京：中國人民大學(xué)出版社，2004.

[5] 杜強(qiáng)，賈麗艷.SPSS統(tǒng)計(jì)分析從入門到精通[M].北京：人民郵電出版社，2009.

[6] 薛毅，陳立萍.統(tǒng)計(jì)建模與R軟件[M].北京：清華大學(xué)出版社，2007.

[7] 李靜萍.多元統(tǒng)計(jì)分析——原理與基于SPSS的應(yīng)用[M].2版.北京：中國人民大學(xué)出版社，2015.

[8] 李靜萍，謝邦昌.多元統(tǒng)計(jì)分析方法與應(yīng)用[M].北京：中國人民大學(xué)出版社，2008.

[9] 袁志發(fā)，周靜芋.多元統(tǒng)計(jì)分析[M].北京：科學(xué)出版社，2002.

[10] 劉昊天.基于因子分析和聚類分析的全國各地區(qū)綜合發(fā)展分析[J].萍鄉(xiāng)學(xué)院學(xué)報(bào)，2018，35（3）：17-21.

[11] 杜相，張韻，楊丹.基于因子聚類分析的地區(qū)綜合發(fā)展水平評(píng)價(jià)研究[J].無錫商業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2014，14（5）：46-51.

[12] 羅秀秀.基于因子分析和聚類分析的全國各地區(qū)社會(huì)發(fā)展水平研究[J].齊齊哈爾工程學(xué)院學(xué)報(bào)，2015，9（4）：25-32.

[13] 周沖.基于因子分析法的皖北地區(qū)農(nóng)民增收分析[J].湖南人文科技學(xué)院學(xué)報(bào)，2018，35（4）：67-71.