謝林娜，韓京秀，何慧敏，文 革

（成都信息工程大學管理學院，四川 成都 610103）

四川省是農(nóng)業(yè)大省，盛產(chǎn)水稻、玉米、小麥、油菜、紅苕、兔肉等農(nóng)副產(chǎn)品，自古就被譽為“天府之國”，具備發(fā)展第一產(chǎn)業(yè)的良好條件。我國第一產(chǎn)業(yè)包括農(nóng)、林、漁、牧4大類，農(nóng)業(yè)占一半以上。多年來四川農(nóng)業(yè)總產(chǎn)值增長保持穩(wěn)定，為四川地區(qū)經(jīng)濟社會穩(wěn)步發(fā)展提供了有力的保障。本文以四川省農(nóng)業(yè)總產(chǎn)值增長影響因素為研宄對象，以2005—2019年6個影響農(nóng)業(yè)總產(chǎn)值的變量為基礎，通過數(shù)據(jù)清理和標準化處理，利用主成分分析法對這些數(shù)據(jù)進行降維處理，提取兩個相互獨立的公因子之后，進行回歸分析，得出預測模型的回歸方程并對方程的精度進行檢驗。

1 模型構建和變量選取

1.1 建立模型

由于地區(qū)不同，時期不同，影響農(nóng)業(yè)總產(chǎn)值的主要因素也不盡相同。劉妍提出延邊州農(nóng)業(yè)發(fā)展的主要影響因素為土地、資本、技術和制度[1]；高雯、羅敏認為化肥施用量和成災面積對我國“兩型”農(nóng)業(yè)的總產(chǎn)值有顯著影響[2]；肖會敏、朱向琳利用多元線性回歸分析，發(fā)現(xiàn)我國的農(nóng)業(yè)發(fā)展主要受人口總數(shù)、農(nóng)業(yè)機械總動力、財政支農(nóng)經(jīng)費和農(nóng)業(yè)化肥投入量的影響[3]。

四川省平原面積廣闊、日照充足、降水集中、土壤肥沃、人口眾多、農(nóng)業(yè)發(fā)達、經(jīng)濟總量穩(wěn)步增長。平原面積廣闊有利于機械化生產(chǎn)和擴大播種面積，農(nóng)業(yè)機械的使用及農(nóng)村水電建設會導致農(nóng)村用電量增加，日照、降水充足及土壤肥沃有利于農(nóng)業(yè)生產(chǎn)和提高人均地區(qū)生產(chǎn)總值?；兽r(nóng)藥在農(nóng)業(yè)生產(chǎn)中或多或少都會使用，因此選擇化肥施用量作為影響因子。四川省人口眾多，農(nóng)作物耕種主要依靠人力，因此將農(nóng)業(yè)人口作為影響因子。本文假設四川省農(nóng)業(yè)總產(chǎn)值要受到農(nóng)用機械總動力、化肥施用量、農(nóng)作物總播種面積、人均地區(qū)生產(chǎn)總值、農(nóng)業(yè)人口、農(nóng)村用電量這6個變量的影響。

探索一個因變量和多個自變量之間的相關關系通常使用多元線性回歸的方法。本文假設四川省農(nóng)業(yè)總產(chǎn)值與農(nóng)用機械總動力、化肥施用量、農(nóng)作物總播種面積、人均地區(qū)生產(chǎn)總值、農(nóng)業(yè)人口、農(nóng)村用電量這6個變量符合Y=Xβ＋ε的回歸模型。設農(nóng)業(yè)總產(chǎn)值為Y，影響因變量Y的自變量個數(shù)分別記作X1、X2、...X6，即設農(nóng)用機械總動力（萬kW）、化肥施用量（萬t）、農(nóng)作物總播種面積（1 000 hm2）、人均地區(qū)生產(chǎn)總值（元/人）、農(nóng)業(yè)人口（萬人）、農(nóng)村用電量（億kW·h）依次為X1、X2、X3、X4、X5、X6，ε～N（0，σ2）。多元線性模型是指這些變量對Y的影響是線性的，β0、β1、β2、...β6、σ2是與X1、X2、X3、X4、X5、X6無關的未知參數(shù)，即回歸模型中的常量。

1.2 數(shù)據(jù)來源

數(shù)據(jù)來源于四川省2005—2019年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報及《四川省統(tǒng)計年鑒（2005—2019）》。為了提高回歸模型的精度需對原始數(shù)據(jù)進行預處理，首先進行數(shù)據(jù)清理，由于本文數(shù)據(jù)均來自于國家統(tǒng)計局、四川統(tǒng)計局，無殘缺數(shù)據(jù)及重復數(shù)據(jù)，總共15個數(shù)據(jù)樣本量。之后進行標準化處理，為了消除數(shù)據(jù)之間的量綱影響使不同數(shù)據(jù)具有可比性，排除變量數(shù)據(jù)過大或過小對回歸模型造成影響，將除年份以外的變量統(tǒng)一類型為“數(shù)值”，小數(shù)位數(shù)為4位，所有的數(shù)據(jù)范圍達成一致。

2 數(shù)據(jù)分析

2.1 降維處理

通過降維可以保留原有數(shù)據(jù)的主要信息，也可以更直觀地觀察和分析變量，確保各變量之間是相互獨立的。本文所選6個變量對四川省農(nóng)業(yè)總產(chǎn)值影響的大小程度不同，降維的目的是在因子分析和主成分分析時可以用少數(shù)幾個因子來描述6個變量之間的關系，將聯(lián)系比較緊密的幾個變量歸為一個類別，一個類別就是一個公因子，以減少回歸模型的變量，提高數(shù)據(jù)處理效率，并找到對四川省農(nóng)業(yè)總產(chǎn)值影響偏大的變量。

2.1.1 KMO和Bartlett球形度檢驗 由于不是所有的變量指標都適合進行因子分析，因此需要進行KMO和Bartlett檢驗。一般來說，KMO的P值0.5以下便不宜做因子分析，0.5以上基本可接受。本文KMO值為0.669，大于0.5，KMO的P值通過檢驗；另外，Bartlett球形檢驗的sig值為0，小于0.05，認為各變量之間存在顯著相關性。綜上，所選擇的6個變量之間存在相關性，適合做因子分析（表1）。

表1 KMO和Bartlett檢驗

2.1.2 相關性分析 相關系數(shù)R的取值范圍為|R|≤1，R的絕對值越趨近于1，變量間的相關關系越強；反之，相關關系越弱。使用SPSS25.0對原有數(shù)據(jù)進行因子分析，從相關矩陣出發(fā)求解，得到相關關系矩陣。由表1可知，各變量之間存在強相關，意味著變量之間存在著多重共線性。從|R|來看，農(nóng)業(yè)機械總動力分別與人均地區(qū)生產(chǎn)總值、農(nóng)村用電量顯著相關，|R|分別為0.974、0.983，都趨近于1，為正相關關系，即當農(nóng)用機械總動力增加時，人均地區(qū)生產(chǎn)總值和農(nóng)村用電量也會增加，可以通過增加機械總動力來增加人均地區(qū)生產(chǎn)總值。同理可得，化肥施用量與農(nóng)業(yè)人口顯著相關，|R|=0.914，趨近于1，為負相關關系，即當化肥施用量增加時，農(nóng)業(yè)人口會減少，過多的化肥農(nóng)藥施用會造成土地和農(nóng)作物污染，此時會對常住居民身體造成影響，因此部分人口會向宜居的地區(qū)轉(zhuǎn)移，導致當?shù)剞r(nóng)業(yè)人口減少。人均地區(qū)生產(chǎn)總值分別與農(nóng)用機械總動力、農(nóng)村用電量顯著相關，|R|分別為0.974、0.997，都趨近于1，為正相關關系，即人均地區(qū)生產(chǎn)總值增加時，農(nóng)用機械總動力和農(nóng)村用電量也會增加。農(nóng)業(yè)人口和化肥施用量顯著相關，|R|=0.914，趨近于1，為負相關關系，即當農(nóng)業(yè)人口增加時，應減少化肥施用量。農(nóng)村用電量分別與人均地區(qū)生產(chǎn)總值、農(nóng)用機械總動力顯著相關，|R|分別為0.983、0.997，都趨近于1，為正相關關系。

2.1.3 總方差解釋 由于初始未經(jīng)旋轉(zhuǎn)的公共因子在載荷矩陣中不能突出代表變量，為使方差百分比更接近，要對載荷矩陣進行旋轉(zhuǎn)，得出新的總方差解釋。總方差解釋代表了每個公因子所解釋的方差及公因子的方差累積和，前兩個公因子對四川省農(nóng)業(yè)總產(chǎn)值的累積解釋方差為91.173，大于85%，特征值均大于1，那么提取前兩個公因子就能比較好的解釋原有6個變量所包含的信息，從而到降維的目的。

由圖1可知，特征值大于1的拐點出現(xiàn)在“2”處，說明影響四川省農(nóng)業(yè)總產(chǎn)值的主要公因子有2個。

圖1 碎石圖

2.1.4 因子旋轉(zhuǎn)分析 運用主成分法提取因子載荷，用最大方差法進行因子旋轉(zhuǎn)。公因子1在農(nóng)用機械總動力、農(nóng)作物播種面積、人均地區(qū)生產(chǎn)總值、農(nóng)村用電量上有較大的載荷，說明這4個變量可以歸為一類，它們存在較大的相關性。這4個變量從現(xiàn)實意義上來看主要反映了關于農(nóng)業(yè)總產(chǎn)值增長的技術利用和開發(fā)因素，所以本文將第1個公因子命名為“技術投入”；公因子2在農(nóng)作物化肥施用量、農(nóng)業(yè)人口上有較大的載荷，因此將這2個變量分為第二類，從經(jīng)濟意義上來講主要反映了農(nóng)業(yè)總產(chǎn)值增長的土地質(zhì)量狀況和開發(fā)利用狀況，所以本文將第2個公因子命名“農(nóng)業(yè)土地利用可持續(xù)性”（表2）。

表2 旋轉(zhuǎn)后的成分矩陣a

旋轉(zhuǎn)后成分矩陣只能反映6個原始變量分別和公因子間的相關關系（正相關或者負相關）及相關大小關系（表2），為了達到降維目的，就需要用2個公共因子代表原始變量，因此要計算出6個原始變量在2個主成分中的得分情況。通過表3可以提取出主成分1和主成分2具體的表達式：

表3 成分得分系數(shù)矩陣

由（1）式和（2）式可得出成分的綜合得分公式（3），即四川省農(nóng)業(yè)總產(chǎn)值影響因子模型：

農(nóng)用機械總動力在主成分1中得分絕對值比在主成分2中得分高，因此農(nóng)業(yè)機械總動力應歸屬于主成分1。同理可知，農(nóng)作物總播種面積、人均地區(qū)生產(chǎn)總值、農(nóng)村用電量也均屬于第一個因子，都呈正相關關系；農(nóng)作物化肥施用量以及農(nóng)業(yè)人口屬于第二個因子，農(nóng)作物化肥施用量與第二個因子呈正相關關系，農(nóng)業(yè)人口與第二個因子呈負相關關系。因此可將原來的6個變量綜合為2個因子，分別為技術因子和農(nóng)業(yè)土地能耗狀況，可以計算出每年分別針對兩個因子的成分得分，為回歸分析提供基礎。從表4可知2016、2018、2019年得分排名前三，分別為0.55、0.7、1.65。其中，第一個公因子得分前三的依次是1.179 8、1.284 9、0.337 22，即技術因子的投入和水平隨著時代的進步在一直發(fā)展和提高，粗放的技術在被淘汰；第二個公因子得分前三的依次是-0.368 6、-0.144 5、3.532 8，即農(nóng)業(yè)土地能耗狀況隨著時代的進步在改善，四川省也增強了土地的可持續(xù)使用能力、提高了土地的使用年限，因此機械化水平和規(guī)模化水平提高，土地質(zhì)量得到改善。

表4 2005—2019年的因子得分

2.2 多元回歸分析

經(jīng)過降維處理，設農(nóng)業(yè)總產(chǎn)值為Y，將前面因子分析所得主成分的F1與F2作為自變量，假設F1、F2符合回歸模型Y=Fβ＋ε，同樣ε～N（0，σ2），β0、β1、β2、σ2是與F1、F2無關的未知參數(shù)，即回歸模型中的常量。以此建立四川省農(nóng)業(yè)總產(chǎn)值與2個主要影響公因子之間的線性回歸方程為：

由表5可知，F(xiàn)檢驗參數(shù)結(jié)果顯著性為0，即P值小于0.05，說明2個公因子間存在顯著差異，F(xiàn)檢驗通過。

表5 F檢驗

由表6可知，常量項和2個因子的T值都大于2，P=0＜0.05，2個因子間存在顯著差異，T檢 驗 通過。可見上述2個因子都與四川省農(nóng)業(yè)總產(chǎn)值有顯著關系。

對回歸模型進行DW檢驗，調(diào)整前R2=0.960，調(diào)整后R2=0.953，接近1，說明模型擬合較好。殘差序列所見相關性DW=1.953，接近于2，說明殘差與變量相互獨立，殘差序列不相關，DW檢驗通過（表7）。

表7 模型摘要

對整體模型進行最后的共線性診斷，從表6可知2個公因子VIF的（容忍度）均為1，VIF值介于0～1，值越大則各維度無多重共線性。常量和因子1、因子2的特征根都為1，說明不存在多重共線性，從條件指數(shù)看，常量和因子1、因子2都小于10，則各維度不存在多重共線性（表8）。綜合來看，共線性診斷通過。

表6 系數(shù)

表8 共線性診斷

綜上所述，四川省農(nóng)業(yè)總產(chǎn)值回歸方程為：

2.3 結(jié)果分析

由上述模型可以看出，四川農(nóng)業(yè)總產(chǎn)值與技術投入和農(nóng)業(yè)土地利用可持續(xù)性成正比，其中技術投入與開發(fā)對四川農(nóng)業(yè)總產(chǎn)值的影響最大。在其他標準化因子不變的情況下，技術投入每提高1個單位，農(nóng)業(yè)總產(chǎn)值便增加1 021.094個單位；農(nóng)業(yè)土地可持續(xù)利用性每提高1個單位，農(nóng)業(yè)總產(chǎn)值增加550.667個單位。

綜合來說，農(nóng)業(yè)機械總動力、化肥施用量和農(nóng)業(yè)人口是影響四川農(nóng)業(yè)總產(chǎn)值增長最主要的影響因素，分別代表著技術因素和農(nóng)業(yè)土地利用可持續(xù)性，也就是說近14年來四川省農(nóng)業(yè)總產(chǎn)值增長的主導力量是技術和土地能耗狀況，繼續(xù)加大技術要素投入、改善農(nóng)業(yè)土地能耗和可持續(xù)開發(fā)狀況可有效促進農(nóng)業(yè)生產(chǎn)機械化，提高農(nóng)業(yè)土地使用效率，增加農(nóng)業(yè)土地使用壽命，從而提高農(nóng)業(yè)總產(chǎn)值，推動農(nóng)業(yè)發(fā)展。

3 對策

3.1 提高四川省農(nóng)業(yè)生產(chǎn)的機械化和規(guī)?；?/h3>

加速推進農(nóng)業(yè)現(xiàn)代化，提高農(nóng)業(yè)生產(chǎn)的機械化和標準化水平，加強對農(nóng)業(yè)生產(chǎn)技術的投資和研究，提高農(nóng)業(yè)發(fā)展的技術水平，從而提高現(xiàn)有耕地的產(chǎn)量。

首先，要引進購買或研究制造先進的農(nóng)業(yè)機械化生產(chǎn)工具，提高農(nóng)業(yè)工作者播種、施肥、除草除蟲及收割糧食作物的效率，解放農(nóng)業(yè)工作者的勞動力，使其能投入到技術及相關知識學習中去。其次，加強與高校的產(chǎn)學研合作，學習高校關于提高農(nóng)業(yè)總產(chǎn)值的最新理論研究成果及農(nóng)業(yè)企業(yè)研究的技術成果，同時可借鑒農(nóng)業(yè)機械化生產(chǎn)覆蓋范圍較大國家的農(nóng)業(yè)發(fā)展經(jīng)驗。

空心化嚴重的農(nóng)村可采取轉(zhuǎn)包、長期轉(zhuǎn)讓、租賃等形式將土地轉(zhuǎn)讓給農(nóng)業(yè)企業(yè)或農(nóng)業(yè)大戶，使土地承包權能在縣域范圍內(nèi)流動，實現(xiàn)農(nóng)業(yè)規(guī)模化經(jīng)營。

3.2 提高土地利用效率和耕地質(zhì)量

由相關性分析可知，化肥施用量與農(nóng)業(yè)人口為負相關關系，化肥施用量增加時農(nóng)業(yè)人口會減少。這是因為化肥農(nóng)藥的過多施用會造成對土地與農(nóng)作物的危害，并能通過灌溉或滲透污染水源，嚴重影響人們的身體健康，甚至致癌。因此，堅持發(fā)展綠色生態(tài)農(nóng)業(yè)，實現(xiàn)農(nóng)業(yè)用地可持續(xù)利用，禁止使用劇毒化肥農(nóng)藥，在保護現(xiàn)有耕地的基礎上進行土壤改良，培育和種植良種，使用新型化肥農(nóng)藥及環(huán)保高效農(nóng)藥。

鼓勵農(nóng)業(yè)工作者積極開墾荒地，增加現(xiàn)有可用耕地面積，對表現(xiàn)突出的勞動者給予表彰和物質(zhì)激勵。完善土地使用監(jiān)督機制，防止耕地面積減少，優(yōu)化耕地利用結(jié)構，在提高耕種效率的同時提高土地利用效率。加大對保護耕地的宣傳教育，使農(nóng)民樹立保護耕地的意識。

3.3 加快農(nóng)村人口城鎮(zhèn)化

本文模型中得出影響四川省農(nóng)業(yè)總產(chǎn)值的一個重要因素是農(nóng)業(yè)土地利用可持續(xù)性，農(nóng)業(yè)人口與農(nóng)業(yè)土地利用可持續(xù)性呈負相關關系，那么農(nóng)業(yè)人口越多，土地利用可持續(xù)性反而會下降。平穩(wěn)促進農(nóng)村人口向城鎮(zhèn)轉(zhuǎn)移，有利于解決人地矛盾，促進農(nóng)業(yè)穩(wěn)定發(fā)展。