李佳宣 ， 薛選登 ， 趙文婕

（河南科技大學經(jīng)濟學院，河南 洛陽 471000）

1 研究方法

在閱讀大量文獻后，本研究選取了7個變量作為影響因子對河南省的農(nóng)業(yè)總產(chǎn)值進行研究[1]。分別是X1人均地區(qū)生產(chǎn)總值、X2化肥施用量、X3有效灌溉面積、X4農(nóng)用機械總動力、X5農(nóng)業(yè)勞動力、X6農(nóng)作物總播種面積、X7農(nóng)村用電量。假設(shè)河南省農(nóng)業(yè)總產(chǎn)值為Y，7個變量對Y的影響是線性的，符合Y=Xβ+ε，ε～N（0,σ2）的回歸模型。β0、β1、β2、β3、β4、β5、β6、β7、σ2是與X1、X2、X3、X4、X5、X6、X7無關(guān)的未知參數(shù)，即回歸模型中的常量。本文指標數(shù)據(jù)均來源于歷年《河南統(tǒng)計年鑒》。

2 數(shù)據(jù)分析

2.1 因子分析

自變量不同，其對Y的影響程度也不同。在進行分析時，可以用少數(shù)因子描述多個變量之間的關(guān)系。為了簡便地計算和分析變量，需要做降維處理。用一個公因子代替相關(guān)性較高的幾個變量，不僅可以減少運算、提高效率，還能找到對較大的自變量[2]。

對數(shù)據(jù)進行信度和效度檢驗，運算得出KMO值為0.773，P值通過檢驗。Bartlett顯著性值為0，各變量之間存在著顯著相關(guān)性。因此，本文選擇的7個變量具有可行性。運用模型對原始數(shù)據(jù)進行測算，得到相關(guān)關(guān)系矩陣表（如表1所示），發(fā)現(xiàn)所選變量之間存在相關(guān)性和多重共線性。從碎石圖（如圖1所示）可以看出，拐點在“2”，說明有兩個公因子對河南省農(nóng)業(yè)的總產(chǎn)值影響較大。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，故對載荷矩陣進行旋轉(zhuǎn)，得出新的總方差解釋（如表2所示）。由表2可知，前兩個公因子包含93.838%的信息，因此提取前兩個公因子作為主成分，來代替7個原始變量[3]。

表1 相關(guān)性矩陣

表2 總方差解釋

圖1 碎石圖

表3為旋轉(zhuǎn)后的成分矩陣。由表3可知，農(nóng)用機械總動力、農(nóng)作物總播種面積、人均地區(qū)生產(chǎn)總值、有效灌溉面積、農(nóng)村用電量在公因子1上有較大的載荷，故將這5個變量歸為第一類，命名為 “科技投入”。此類變量主要反映了科技投入對于農(nóng)業(yè)總產(chǎn)值的影響。公因子2在化肥施用量、農(nóng)業(yè)勞動力上有較大的載荷，故將這2個變量歸為第二類，命名為“土地利用合理性”。

表3 旋轉(zhuǎn)后的成分矩陣a

旋轉(zhuǎn)后的成分矩陣只能反映7個原始變量分別與公因子1、公因子2之間的正負相關(guān)關(guān)系和相關(guān)大小關(guān)系。為達到降維的目的，就需要用2個公因子代表原始變量，因此要計算出7個原始變量在2個主成分中的得分情況[4]。表4為成分得分系數(shù)矩陣，通過表4可以計算出主成分F1和主成分F2的表達式：

表4 成分得分系數(shù)矩陣

由式（1）和式（2）可得出成分的綜合得分公式（3），即河南省農(nóng)業(yè)總產(chǎn)值影響因子模型：

由表4可知，人均地區(qū)生產(chǎn)總值在主成分1中得分的絕對值比在主成分2中高，將人均地區(qū)生產(chǎn)總值歸屬于主成分1。同理，有效灌溉面積、農(nóng)村用電量、農(nóng)業(yè)勞動力也屬于第1個因子。農(nóng)用機械總動力、化肥施用量和農(nóng)作物總播種面積屬于第2個因子。將原來的7個變量歸為兩個因子，計算出各變量分別對應(yīng)這兩個因子的成分得分，為后面的回歸分析奠定基礎(chǔ)。

表5為2006—2020年的因子得分。由表5可知，2018、2019、2020年的得分排名前三。即隨著農(nóng)業(yè)現(xiàn)代化發(fā)展，人們加大了科技因子的投入，不配套的設(shè)施和技術(shù)被逐步淘汰，土地利用合理狀況隨著時代的進步也在逐漸改善。近年來，河南省提高了土地資源的開發(fā)合理性，因此，農(nóng)業(yè)機械化效益和集約化水平顯著提高，正加速向可持續(xù)發(fā)展轉(zhuǎn)變[5]。

表5 2006—2020年的因子得分

2.2 多元回歸分析

經(jīng)過因子分析，設(shè)農(nóng)業(yè)總產(chǎn)值為Y，將因子分析得到的主成分F1和F2作為自變量。假設(shè)F1、F2符合回歸模型Y=Fβ+ε，ε～N（0,σ2）。其中，β0、β1、β2、σ2是與F1、F2無關(guān)的未知參數(shù)，即回歸模型中的常量，建立線性回歸方程：Y=β0+β1F1+β2F2+ε。

由模型運算可得，調(diào)整后的可決系數(shù)為0.979，說明模型對樣本數(shù)據(jù)的擬合較好。顯著性P=0.000，兩個公因子間存在顯著差異。由表6可知，VIF=0.216＜10，不存在共線性。常量項和兩個公因子的T值都大于2，說明兩個公因子都與河南省農(nóng)業(yè)總產(chǎn)值有顯著關(guān)系。殘差序列所見相關(guān)性為1.979，接近于2，說明殘差與變量相互獨立，殘差序列不相關(guān)，DW檢驗通過[6]。

表6 系數(shù)

綜上，得到河南省農(nóng)業(yè)總產(chǎn)值的回歸方程為：

2.3 結(jié)果分析

上述分析表明，農(nóng)業(yè)機械總功率、化肥施用量和農(nóng)業(yè)勞動力對河南省的農(nóng)業(yè)總產(chǎn)值有顯著影響。農(nóng)業(yè)總產(chǎn)值的多少與當年科技投入和土地利用的合理性呈正相關(guān)。在其他標準化因子不變的情況下，科技投入每提高1個單位，農(nóng)業(yè)總產(chǎn)值便增加919.606個單位；土地利用合理性每提高1個單位，農(nóng)業(yè)總產(chǎn)值增加616.086個單位。

由此可知，河南省農(nóng)業(yè)總產(chǎn)值增長的主要動力來自對農(nóng)業(yè)科技投入和土地利用的合理性。也就是說，加強農(nóng)業(yè)科技投入、提高農(nóng)業(yè)土地利用率，有利于提高農(nóng)業(yè)總產(chǎn)值。

3 建議

1）穩(wěn)定農(nóng)作物播種面積。當前，河南省的農(nóng)業(yè)勞動率呈逐年增加的態(tài)勢[7]。要加快農(nóng)業(yè)規(guī)模經(jīng)營，合理利用農(nóng)村現(xiàn)有耕地，實施高標準農(nóng)田建設(shè)，優(yōu)化農(nóng)村土地資源和復墾開發(fā)，穩(wěn)定農(nóng)作物播種面積。

2）改善農(nóng)業(yè)技術(shù)。河南省農(nóng)業(yè)發(fā)展要實現(xiàn)現(xiàn)代化和科技化，應(yīng)重視農(nóng)業(yè)新技術(shù)的介入和發(fā)展，強化科技農(nóng)業(yè)支撐，充分發(fā)揮第一生產(chǎn)力的作用。

3）完善農(nóng)業(yè)基礎(chǔ)設(shè)備。完備的基礎(chǔ)設(shè)施是拉動農(nóng)業(yè)總產(chǎn)值的強大動力，河南省應(yīng)加快發(fā)展智慧農(nóng)業(yè)和智能農(nóng)機裝備，加強機械化、科技化有效融合，推進生產(chǎn)設(shè)備現(xiàn)代化，全面提升農(nóng)業(yè)現(xiàn)代化機械水平[8]。

4）提升農(nóng)業(yè)綜合競爭力。應(yīng)全面梳理短板弱項，瞄準農(nóng)業(yè)農(nóng)村的建設(shè)目標，優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，引進農(nóng)業(yè)技術(shù)培訓，提高勞動力整體素質(zhì)，提升農(nóng)業(yè)科技水平，以適應(yīng)現(xiàn)代化農(nóng)業(yè)的需求。

5）發(fā)揮政府作用，鼓勵發(fā)展農(nóng)業(yè)服務(wù)組織。當?shù)卣畱?yīng)采取措施，扶持發(fā)展多種形式的農(nóng)業(yè)服務(wù)組織，并推進農(nóng)業(yè)服務(wù)組織社會化，完善農(nóng)業(yè)現(xiàn)代化信息網(wǎng)絡(luò)建設(shè)，優(yōu)化農(nóng)業(yè)公共服務(wù)體系[9-10]。