楊 倩

（貴州財(cái)經(jīng)大學(xué) 貴州貴陽(yáng) 550025）

農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)，國(guó)家經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)有著千絲萬(wàn)縷的聯(lián)系。農(nóng)業(yè)發(fā)展中不可或缺的一部分就是主要農(nóng)產(chǎn)品的產(chǎn)量，它能夠衡量一個(gè)地區(qū)或者國(guó)家在農(nóng)業(yè)發(fā)展方面水平的高低。近幾年，我國(guó)農(nóng)業(yè)發(fā)展迅猛，加速了主要農(nóng)產(chǎn)品的產(chǎn)量增加，主要農(nóng)產(chǎn)品產(chǎn)量成為農(nóng)業(yè)領(lǐng)域的熱點(diǎn)話題，引起了大量學(xué)者對(duì)其進(jìn)行研究，常用的研究方法包括典型數(shù)據(jù)分析法、統(tǒng)計(jì)估算法、線性回歸分析法和假設(shè)檢驗(yàn)等。牟婉春等采用主成分分析法，以甘肅省農(nóng)產(chǎn)品加工業(yè)的12個(gè)子行業(yè)為研究對(duì)象，截取2017年—2019年的相關(guān)統(tǒng)計(jì)數(shù)據(jù)，對(duì)其加工業(yè)的經(jīng)濟(jì)效益進(jìn)行排序，研究結(jié)果表明，一共有4個(gè)優(yōu)勢(shì)產(chǎn)業(yè)，分別是農(nóng)副食品加工業(yè)，煙草制造業(yè)，酒、飲料和精茶制造業(yè)以及食品制造業(yè)，這4個(gè)產(chǎn)業(yè)都有著較強(qiáng)的競(jìng)爭(zhēng)力[1]。張曼琳等運(yùn)用協(xié)整分析方法，選擇新疆農(nóng)產(chǎn)品作為研究對(duì)象，以2001年—2015年《新疆統(tǒng)計(jì)年鑒》中新疆糧食、棉花的產(chǎn)量數(shù)據(jù)為基礎(chǔ)，在新疆農(nóng)產(chǎn)品產(chǎn)量和農(nóng)民純收入之間建立向量自回歸模型，并綜合運(yùn)用脈沖響應(yīng)分析、方差分解分析以及單位根檢驗(yàn)等研究方法，針對(duì)新疆糧食產(chǎn)量和棉花產(chǎn)量對(duì)新疆農(nóng)民純收入是否有影響、影響多大等問(wèn)題進(jìn)行實(shí)證分析，研究結(jié)果表明，新疆的糧食產(chǎn)量對(duì)農(nóng)民的純收入有著積極的促進(jìn)作用，而棉花產(chǎn)量則具有相反的作用，會(huì)對(duì)農(nóng)民的純收入產(chǎn)生消極的影響[2]。張遠(yuǎn)航構(gòu)建基于主成分分析方法的農(nóng)業(yè)供應(yīng)鏈信用風(fēng)險(xiǎn)指標(biāo)體系，可以幫助企業(yè)更準(zhǔn)確地評(píng)估自己的信用風(fēng)險(xiǎn)水平，完善經(jīng)營(yíng)狀況，提高整體運(yùn)營(yíng)能力，促進(jìn)企業(yè)資金流通與發(fā)展[3]。巫偉峰等采用主成分分析等方法分析并比較了廣東省各地市的糧食生產(chǎn)能力，結(jié)果表明，廣東省地級(jí)市糧食生產(chǎn)能力主成分得分最高的地區(qū)是粵西地區(qū)，得分最低的位于珠三角地區(qū)[4]。分析和研究我國(guó)主要農(nóng)產(chǎn)品產(chǎn)量，對(duì)于國(guó)家農(nóng)業(yè)生產(chǎn)投入以及農(nóng)作物種植都具有重要意義，有助于了解我國(guó)農(nóng)業(yè)發(fā)展不均衡和地區(qū)分布情況，及時(shí)采取一些應(yīng)對(duì)措施，基于研究結(jié)果可降低相關(guān)政策制定和實(shí)施的盲目性，使得農(nóng)業(yè)產(chǎn)量增量實(shí)現(xiàn)最大化，同時(shí)也有助于完善農(nóng)業(yè)發(fā)展的相關(guān)政策。本文選擇茶葉和果類(lèi)作為研究對(duì)象，以2011年—2019年的產(chǎn)量數(shù)據(jù)為樣本，選取與農(nóng)產(chǎn)品產(chǎn)量相關(guān)的16個(gè)指標(biāo)，采用主成分分析法對(duì)我國(guó)主要農(nóng)產(chǎn)品發(fā)展影響因素進(jìn)行研究。

1 主成分分析方法

主成分分析方法是多元統(tǒng)計(jì)中常用于數(shù)據(jù)處理的方法，多被應(yīng)用于滿(mǎn)意度測(cè)評(píng)、區(qū)域經(jīng)濟(jì)發(fā)展評(píng)價(jià)、模式識(shí)別和企業(yè)經(jīng)濟(jì)效益綜合評(píng)價(jià)等領(lǐng)域。

首先，需要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，防止不同量綱對(duì)分析結(jié)果產(chǎn)生影響。假設(shè)進(jìn)行主成分分析的指標(biāo)共有m個(gè)，即，共有n個(gè)評(píng)價(jià)對(duì)象，第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)指標(biāo)的取值記作xij，將各指標(biāo)值xij轉(zhuǎn)化成標(biāo)準(zhǔn)值其中和sj分別是第j個(gè)指標(biāo)的樣本均值和樣本標(biāo)準(zhǔn)差。

其次，建立變量間的相關(guān)系數(shù)矩陣R。相關(guān)系數(shù)矩陣，這里rij是第i個(gè)指標(biāo)與第j個(gè)指標(biāo)的相關(guān)系數(shù)。

然后，計(jì)算相關(guān)系數(shù)矩陣R的特征值和特征向量。計(jì)算相關(guān)系數(shù)矩陣R的特征值，以及對(duì)應(yīng)的特征向量，其中，由特征向量組成m個(gè)新的指標(biāo)向量：

2 實(shí)證分析

2.1 指標(biāo)選取和數(shù)據(jù)來(lái)源

本文重點(diǎn)是比較分析農(nóng)業(yè)中各種水果和茶類(lèi)的總產(chǎn)量。為保證數(shù)據(jù)的完整性，本研究所選取的數(shù)據(jù)來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》，數(shù)據(jù)的時(shí)間區(qū)間為2011年—2019年。選取的指標(biāo)分別是X1茶葉產(chǎn)量（萬(wàn)t）、X2紅茶產(chǎn)量（萬(wàn)t）、X3綠茶產(chǎn)量（萬(wàn)t）、X4水果產(chǎn)量（萬(wàn)t）、X5香蕉產(chǎn)量（萬(wàn)t）、X6蘋(píng)果產(chǎn)量（萬(wàn)t）、X7柑橘產(chǎn)量（萬(wàn)t）、X8梨產(chǎn)量（萬(wàn)t）、X9葡萄產(chǎn)量（萬(wàn)t）、X10菠蘿產(chǎn)量（萬(wàn)t）、X11紅棗產(chǎn)量（萬(wàn)t）、X12柿子產(chǎn)量（萬(wàn)t）、X13園林水果產(chǎn)量（萬(wàn)t）、X14瓜果類(lèi)產(chǎn)量（萬(wàn)t）、X15西瓜產(chǎn)量（萬(wàn)t）、X16甜瓜產(chǎn)量（萬(wàn)t）。

2.2 主成分分析過(guò)程

本文使用SPSS軟件，將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化（Z-score法）處理，得到新的數(shù)據(jù)。對(duì)新的數(shù)據(jù)進(jìn)行主成分分析，結(jié)果如表1所示。

表1 提取的主成分特征根及總方差解釋

由表1可知，前兩個(gè)主成分的方差可以解釋全部方差的95.505%，說(shuō)明進(jìn)行主成分分析提取了兩個(gè)主成分，且這兩個(gè)主成分能夠反映原來(lái)16個(gè)指標(biāo)信息的95.505%，因此，提取的主成分可以有效評(píng)估茶葉和果類(lèi)產(chǎn)量，同時(shí)提取的兩個(gè)主成分分別命名為Y1和Y2。

2.2.1 計(jì)算主成分系數(shù)

通過(guò)對(duì)表1主成分分析模塊的運(yùn)行結(jié)果進(jìn)行分析，可以計(jì)算得到主成分分析的第i個(gè)主成分系數(shù)，結(jié)果如表2所示。

表2 主成分矩陣

根據(jù)表2，可以得到兩個(gè)主成分Y1和Y2的線性組合如下：

續(xù)表2 主成分矩陣

Y1=0.268X1+0.268X2+0.268X3+0.269X4+0.242X5+0.25 7X6+0.264X7+0.251X8+0.262X9+0.262X10+0.258X11+0.253X12+0.269X13+0.236X14-0.016X15+0.243X16

Y2=-0.043X1-0.016X2-0.024X3-0.002X4+0.016X5+0.063X6-0.092X7+0.233X8+0.127X9-0.166X10+0.121X11-0.137X12-0.039X13+0.356X14+0.787X15-0.324X16

由表2可知，在主成分Y1中，X1茶葉產(chǎn)量、X2紅茶產(chǎn)量、X3綠茶產(chǎn)量、X4水果產(chǎn)量、X7柑橘產(chǎn)量、X9葡萄產(chǎn)量、X10菠蘿產(chǎn)量以及X13園林水果產(chǎn)量的系數(shù)絕對(duì)值均大于其他變量的系數(shù)絕對(duì)值，因此，主成分Y1是以上8個(gè)產(chǎn)量指標(biāo)的綜合反映。在主成分Y2中，X8梨產(chǎn)量、X9葡萄產(chǎn)量、X10菠蘿產(chǎn)量、X11紅棗產(chǎn)量、X12柿子產(chǎn)量、X14瓜果類(lèi)產(chǎn)量、X15西瓜產(chǎn)量和X16甜瓜產(chǎn)量的系數(shù)均高于其他變量的系數(shù)，說(shuō)明主成分Y2主要由這8個(gè)產(chǎn)量指標(biāo)來(lái)綜合反映。

此外，水果產(chǎn)量（X4）和園林水果產(chǎn)量（X13）在第一主成分Y1中的權(quán)重最大，西瓜產(chǎn)量（X15）在第二主成分Y2中的權(quán)重最大，這3個(gè)指標(biāo)與農(nóng)產(chǎn)品發(fā)展緊密相關(guān)，是農(nóng)產(chǎn)品發(fā)展水平的主要決定因素。隨著水果、園林水果和西瓜產(chǎn)量的增加，農(nóng)產(chǎn)品的生產(chǎn)能力得到了提升，從而加快了農(nóng)產(chǎn)品經(jīng)濟(jì)的發(fā)展。首先，水果、園林水果和西瓜產(chǎn)量的增加擴(kuò)大了對(duì)外供應(yīng)量，滿(mǎn)足了國(guó)內(nèi)水果市場(chǎng)的需求，還可以出口到國(guó)外，增加了農(nóng)產(chǎn)品的收入。其次，農(nóng)產(chǎn)品產(chǎn)量的增加也帶動(dòng)了其他產(chǎn)業(yè)的發(fā)展。水果的種植過(guò)程涉及搭建大棚、灌溉施肥、病蟲(chóng)預(yù)防等多個(gè)農(nóng)業(yè)生產(chǎn)環(huán)節(jié)，出售時(shí)還需要進(jìn)行加工和包裝。這些環(huán)節(jié)都需要農(nóng)業(yè)企業(yè)和農(nóng)業(yè)服務(wù)業(yè)的參與，從而帶動(dòng)了其他相關(guān)產(chǎn)業(yè)的發(fā)展，比如農(nóng)產(chǎn)品加工包裝業(yè)、農(nóng)產(chǎn)品供應(yīng)業(yè)和農(nóng)具制造業(yè)等。因此，形成了完整的農(nóng)業(yè)產(chǎn)業(yè)鏈，推動(dòng)了全國(guó)農(nóng)業(yè)的快速發(fā)展。

2.2.2 主成分得分和綜合得分

計(jì)算各主成分得分和綜合得分情況，結(jié)果如表3所示。

表3 主成分得分和綜合得分

表3是根據(jù)主成分線性回歸表達(dá)式計(jì)算的主成分得分，以及以各個(gè)主成分的方差貢獻(xiàn)率占兩個(gè)主成分總方差貢獻(xiàn)率的比率為權(quán)重計(jì)算的綜合得分情況。從表3來(lái)看，主成分Y1得分比較高的年份是2015年、2016年、2017年、2018年和2019年，說(shuō)明這5年的茶葉、果類(lèi)產(chǎn)量要比其余4年的產(chǎn)量增加得多。從整體的得分情況上分析，我國(guó)主要農(nóng)產(chǎn)品產(chǎn)量在逐年增加，說(shuō)明我國(guó)現(xiàn)階段主要農(nóng)產(chǎn)品的種植能力在增強(qiáng)。

主成分Y2得分較高的年份是2013年、2014年、2015年和2017年，表明這4年的茶葉、果類(lèi)的產(chǎn)量相比其余幾年是有一定優(yōu)勢(shì)的；而其余幾年的得分在主成分y2都出現(xiàn)了負(fù)數(shù)，反映出有一部分的產(chǎn)量收益效果沒(méi)有那么理想。

從綜合得分情況來(lái)看，2017年、2018年和2019年的綜合得分都大于1，比其余幾年高很多，說(shuō)明這3年的茶葉、果類(lèi)產(chǎn)量相比2011年—2016年增加得多，反映出從2017年開(kāi)始，我國(guó)農(nóng)產(chǎn)品產(chǎn)量在不斷增加，且發(fā)展較為迅速。

3 結(jié)論

本文運(yùn)用主成分分析法對(duì)我國(guó)2011年—2019年的農(nóng)產(chǎn)品產(chǎn)量的16個(gè)指標(biāo)進(jìn)行了主成分提取，并計(jì)算了相應(yīng)的主成分得分和綜合得分。研究發(fā)現(xiàn)，2011年—2019年的農(nóng)產(chǎn)品發(fā)展水平差異比較顯著，其中西瓜產(chǎn)量（X15）、水果產(chǎn)量（X4）和園林水果產(chǎn)量（X13）是直接影響農(nóng)產(chǎn)品發(fā)展的重要因素。從綜合得分情況來(lái)看，2019年的綜合產(chǎn)量效益最佳，其次是2018年，并且與2015年相比，2016年的綜合產(chǎn)量效益有所下降，最差的則是2011年。通過(guò)對(duì)每個(gè)主成分進(jìn)行研究可知，農(nóng)產(chǎn)品產(chǎn)量差異的主要原因是不同農(nóng)作物生長(zhǎng)所需的條件不同以及各地區(qū)經(jīng)濟(jì)發(fā)展不平衡。

為了解決農(nóng)產(chǎn)品發(fā)展水平不均衡的問(wèn)題，建議各地區(qū)在推動(dòng)農(nóng)產(chǎn)品發(fā)展過(guò)程中采取以下措施。首先，應(yīng)充分發(fā)揮各地區(qū)的土地資源優(yōu)勢(shì)，合理利用各地的資源以滿(mǎn)足不同農(nóng)作物生長(zhǎng)的需求，從而提高農(nóng)產(chǎn)品產(chǎn)量。同時(shí)，通過(guò)拓展延伸農(nóng)產(chǎn)品加工鏈等途徑，提升農(nóng)產(chǎn)品的附加值和綜合利用率，進(jìn)而提升農(nóng)產(chǎn)品的發(fā)展水平。其次，要加大農(nóng)業(yè)科技的投入，促進(jìn)我國(guó)重要農(nóng)產(chǎn)品實(shí)現(xiàn)提質(zhì)增量。具體而言，需要確立農(nóng)業(yè)科技研發(fā)的方向，深入研究市場(chǎng)需求，并加強(qiáng)農(nóng)業(yè)基礎(chǔ)設(shè)施的建設(shè)，改善農(nóng)作物種植環(huán)境，加強(qiáng)病蟲(chóng)害防治等，從而建立適應(yīng)我國(guó)農(nóng)產(chǎn)品發(fā)展要求的技術(shù)體系，推動(dòng)我國(guó)農(nóng)產(chǎn)品的快速發(fā)展。