鄭中元

[提要] 本研究通過因子分析模型對(duì)兵團(tuán)農(nóng)業(yè)發(fā)展影響因子進(jìn)行探討。結(jié)果表明：在兵團(tuán)農(nóng)業(yè)生產(chǎn)方面，可變物資投入水平因子具有較高載荷，對(duì)兵團(tuán)農(nóng)業(yè)產(chǎn)出的影響力最大，其次是固定生產(chǎn)資料投入、勞動(dòng)力投入和人力資源投入;并且通過建立主成分得分回歸方程，從定量的水平明確各個(gè)因子影響程度的大小。為提升兵團(tuán)農(nóng)業(yè)生產(chǎn)力，要適當(dāng)加大可變物資投入水平的同時(shí)，適當(dāng)調(diào)整各個(gè)投入因子的組合比例，并通過提高資源利用效率進(jìn)行集約生產(chǎn)，從而起到縮減成本、擴(kuò)大產(chǎn)出、提高競(jìng)爭(zhēng)力的作用。

關(guān)鍵詞：兵團(tuán)農(nóng)業(yè);因子分析;主成分;建議

中圖分類號(hào)：F32 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2019年4月4日

近年來，兵團(tuán)農(nóng)業(yè)出現(xiàn)快速發(fā)展現(xiàn)象，糧食生產(chǎn)能力不斷提高，特色農(nóng)產(chǎn)品銷售業(yè)績(jī)突出。但是，兵團(tuán)由于特殊的體制等問題，仍然面臨農(nóng)業(yè)發(fā)展的瓶頸因子。因此，研究兵團(tuán)農(nóng)業(yè)發(fā)展的影響因子對(duì)提升兵團(tuán)農(nóng)業(yè)綜合生產(chǎn)能力和保障兵團(tuán)經(jīng)濟(jì)健康發(fā)展具有重大意義。

一、因子分析法原理

因子分析法是用于探討相關(guān)變量之間是否存在不能直接觀察、卻對(duì)可觀察變量起支配作用的分析方法。其原理是根據(jù)研究對(duì)象不同維度之間相關(guān)性大小對(duì)維度進(jìn)行分組，以視同組內(nèi)維度之間的相關(guān)性較強(qiáng)，不同組間維度之間的相關(guān)性較弱。每組維度代表一個(gè)公因子，以盡可能少的公因子來呈現(xiàn)原觀測(cè)變量所包含的信息。因子分析法因子模型為：

X=（X1，X2，…，Xp）是由P個(gè)指標(biāo)所構(gòu)成的P維隨機(jī)向量。（F1，F(xiàn)2，…，F(xiàn)m）被稱為公因子。ε=（ε1，ε2，…，εp）模型中代表殘差。在因子分析時(shí)，可通過旋轉(zhuǎn)的方式使得Xi與Fj中某些因子相關(guān)性更強(qiáng)，而與Fj中其他因子相關(guān)性更弱，以大幅提升因子的可解釋性。根據(jù)相關(guān)性較強(qiáng)的指標(biāo)給該因子賦予經(jīng)濟(jì)含義，用一定的方法可計(jì)算因子得分系數(shù)陣和主成分得分。由于這種方法在很大程度上降低了相關(guān)性，這為后續(xù)相應(yīng)的統(tǒng)計(jì)分析提供了較大便利。

二、農(nóng)業(yè)發(fā)展影響因子分析

（一）指標(biāo)選取。在對(duì)現(xiàn)有文獻(xiàn)資料分析總結(jié)的基礎(chǔ)上，本研究選取了影響兵團(tuán)農(nóng)業(yè)發(fā)展的七個(gè)主要因素：農(nóng)業(yè)機(jī)械總動(dòng)力（萬千瓦）（X1）、播種面積（萬畝）（X2）、農(nóng)業(yè)從業(yè)人員數(shù)目（萬人）（X3）、農(nóng)藥耗費(fèi)量（萬元）（X4）、肥料耗費(fèi)量（萬元）（X5）、農(nóng)業(yè)固定投資（萬元）（X6）和兵團(tuán)農(nóng)業(yè)技術(shù)人員數(shù)目（萬人）（X7）。并用兵團(tuán)農(nóng)業(yè)總產(chǎn)值（億元）（Y）作為衡量兵團(tuán)農(nóng)業(yè)發(fā)展程度的指標(biāo)。根據(jù)《兵團(tuán)統(tǒng)計(jì)年鑒》，我們搜集了2000～2012年新疆兵團(tuán)范圍內(nèi)的時(shí)間序列數(shù)據(jù)，并將相關(guān)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，并通過SPSS23.0進(jìn)行相應(yīng)的統(tǒng)計(jì)分析。（表1）

表1 影響兵團(tuán)農(nóng)業(yè)發(fā)展的主要因素指標(biāo)和農(nóng)業(yè)總產(chǎn)值一覽表

（二）因子分析法可行性研究。因子分析所隱含的假設(shè)是原觀測(cè)變量之間具有較強(qiáng)的相關(guān)性，這是因?yàn)槿绻嚓P(guān)性較低，則無法從中提取出較少的公因子用于解釋原觀測(cè)變量的共同特征，因此可以通過計(jì)算相關(guān)系數(shù)進(jìn)行一定的判定。同時(shí)，在進(jìn)行因子分析之前，我們需要進(jìn)行KMO和Bartlett球形檢驗(yàn)，只有當(dāng)KMO值大于0.6時(shí)才能做因子分析。采用KMO檢驗(yàn)結(jié)果見表3。通過計(jì)算表明，各個(gè)變量之間相關(guān)性較強(qiáng)，而且該組數(shù)據(jù)KMO值為0.709，這就說明既有數(shù)據(jù)適合做因子分析。接著，我們利用SPSS23.0進(jìn)行統(tǒng)計(jì)分析。（表2、表3）

表2 相關(guān)系數(shù)矩陣一覽表

表3 KMO 及Bartlett 球形度檢驗(yàn)結(jié)果一覽表

表4 旋轉(zhuǎn)后的因子載荷矩陣

表5 各主成分得分一覽表

（三）因子分析。由于在農(nóng)業(yè)生產(chǎn)中，農(nóng)業(yè)投入對(duì)于農(nóng)業(yè)生產(chǎn)以及農(nóng)業(yè)發(fā)展起到至關(guān)重要的作用，因此本文根據(jù)相應(yīng)的特征，對(duì)投入要素進(jìn)行一定的分類，首先是外界可變物資投入，例如肥料、農(nóng)藥等;其次是固定生產(chǎn)資料投入，例如土地等;然后是勞動(dòng)力的投入，在此方面又可以分為兩種：專業(yè)技術(shù)人員和一般從業(yè)人員。顯然兩者所受的教育水平以及生產(chǎn)效率都有一定的差別，所以可以分開計(jì)量，當(dāng)作兩種要素的投入。那么在因子分析中進(jìn)行成分抽取的時(shí)候我們?cè)O(shè)置為抽取四個(gè)成分，一方面可以盡量保留主要的解釋變量又可以明晰要素發(fā)揮的作用。然后進(jìn)行因子旋轉(zhuǎn)（最大方差旋轉(zhuǎn)）從而達(dá)到更好地對(duì)所選取的公共因子賦予合理的經(jīng)濟(jì)解釋的作用。（表4）

通過四個(gè)主成分的抽取，解釋力度達(dá)到了99.150%。幾乎保留了全部的信息。從旋轉(zhuǎn)后的因子載荷矩陣中可以看出，公因子1在農(nóng)業(yè)機(jī)械總動(dòng)力、肥料消耗量、農(nóng)藥消耗量以及農(nóng)業(yè)固定投資這四個(gè)指標(biāo)的載荷值相對(duì)較大。當(dāng)然從公因子包含項(xiàng)的特征可以歸納出四個(gè)指標(biāo)的共同性質(zhì)，因此可以將主成分1命名為可變物資投入（Y1）。公因子2在播種面積這一個(gè)指標(biāo)上的載荷值相對(duì)較大，所以可以單獨(dú)命名主成分2為固定生產(chǎn)資料投入（Y2）。公因子3在農(nóng)業(yè)從業(yè)人員數(shù)目這一方面的載荷值很大，所以可以命名主成分3為勞動(dòng)力投入（Y3）。公因子4在農(nóng)業(yè)技術(shù)人員數(shù)目這一指標(biāo)的載荷值很大，所以可以命名主成分4為人力資源投入（Y4）。

各主因子的方差貢獻(xiàn)率、方差累計(jì)貢獻(xiàn)率對(duì)于因子分析來說極其重要。方差貢獻(xiàn)率是用于度量某個(gè)因子占總分的比重。方差貢獻(xiàn)率越大，說明該公因子對(duì)原觀測(cè)變量的解釋率更大。在本研究中是指各因子對(duì)兵團(tuán)農(nóng)業(yè)發(fā)展或農(nóng)業(yè)產(chǎn)值的影響力。分析結(jié)果顯示，四個(gè)公共因子累計(jì)方差貢獻(xiàn)率達(dá)到99.15%，基本涵蓋了原先七個(gè)指標(biāo)的全部信息。旋轉(zhuǎn)后的各因子方差貢獻(xiàn)率分別為85.436%、8.195%、3.804%和1.714%。由此可見，第一個(gè)因子，即可變物資投入（Y1）因子對(duì)兵團(tuán)農(nóng)業(yè)的影響力最大，其余三個(gè)因子的影響力相對(duì)較弱。這就啟示我們，要提高兵團(tuán)農(nóng)業(yè)生產(chǎn)能力一方面要合理加大可變物資的投入水平，在另一方面也要協(xié)調(diào)好其他因素之間的關(guān)系，使生產(chǎn)達(dá)到規(guī)模效應(yīng)。

（四）主成分回歸。通過spss軟件將主成分得分與表示兵團(tuán)農(nóng)業(yè)發(fā)展?fàn)顟B(tài)的農(nóng)業(yè)產(chǎn)值進(jìn)行回歸分析?；貧w分析結(jié)果如表6所示。（表5、表6）

表6 主成分得分回歸結(jié)果一覽表

由顯著性水平以及t值可以看出，各個(gè)參數(shù)明顯可以通過顯著性檢驗(yàn)。分別用F1、F2、F3、F4表示四個(gè)主成分得分，則通過回歸以后的回歸方程為：

從回歸結(jié)果可以看出，R2達(dá)到了0.988，且調(diào)整后的可決系數(shù)也達(dá)到0.982，所以模型參數(shù)的擬合度很高，從DW值為1.915，說明模型不存在序列相關(guān)性。從模型來看，主成分1的影響力度較大，主成分1得分每增加一個(gè)單位，兵團(tuán)農(nóng)業(yè)產(chǎn)值就會(huì)增加135.663個(gè)單位，其次主成分2、主成分3、主成分4對(duì)于兵團(tuán)農(nóng)業(yè)發(fā)展的影響力度逐漸減弱。

三、結(jié)論及建議

基于統(tǒng)計(jì)分析結(jié)果，可以得出以下結(jié)論：（一）影響兵團(tuán)農(nóng)業(yè)發(fā)展的主要因子有四個(gè)，分別為可變物資投入水平、固定生產(chǎn)資料投入、勞動(dòng)力投入和人力資源投入，這四個(gè)因子對(duì)兵團(tuán)農(nóng)業(yè)發(fā)展貢獻(xiàn)率分別為85.436%、8.195%、3.804%和1.714%。顯然，第一個(gè)因子對(duì)兵團(tuán)農(nóng)業(yè)發(fā)展的影響力最大，其余三個(gè)因子的影響力相對(duì)較弱，總共才占比13.713%。（二）通過主成分分析可知，四個(gè)主成分對(duì)于兵團(tuán)農(nóng)業(yè)產(chǎn)值均具有顯著的正向影響效應(yīng)，該影響效應(yīng)值從大到小依次為可變物資投入水平、固定生產(chǎn)資料投入、勞動(dòng)力投入和人力資源投入。

基于上述結(jié)論，要提高兵團(tuán)農(nóng)業(yè)發(fā)展水平，須從主次分明、統(tǒng)分結(jié)合的三個(gè)方面入手：（一）當(dāng)下影響兵團(tuán)農(nóng)業(yè)發(fā)展的是可變物資投入量的多少，影響力度達(dá)到了85.436%。因此，在以后的農(nóng)業(yè)生產(chǎn)以及計(jì)劃投入預(yù)算中應(yīng)適當(dāng)放寬投入比例，合理增加投入數(shù)量。（二）對(duì)于主成分1以外的因子，應(yīng)在加大投入量的同時(shí)優(yōu)化各個(gè)投入因子間的組合比例，使各個(gè)因子間相互協(xié)調(diào)、配合，以達(dá)到最大功能的組合優(yōu)勢(shì)。（三）在協(xié)調(diào)各個(gè)因子的同時(shí)，也要加大各個(gè)成分利用效率。中國農(nóng)業(yè)屬于高投入高產(chǎn)出的粗放式經(jīng)營農(nóng)業(yè)。對(duì)于資源的集約利用程度不高，因此要改變資源利用方式，提高利用效率，對(duì)于增加兵團(tuán)農(nóng)業(yè)產(chǎn)出、縮減農(nóng)業(yè)生產(chǎn)成本，增加農(nóng)業(yè)競(jìng)爭(zhēng)力具有重要作用。

主要參考文獻(xiàn)：

[1]熊婷燕.主成分分析與R型因子分析的異同比較[J].統(tǒng)計(jì)與決策，2006（2）.

[2]梁子謙，李小軍.影響中國糧食生產(chǎn)的因子分析[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2006（11）.

[3]陳文成.基于因子分析的區(qū)域經(jīng)濟(jì)不平衡發(fā)展研究[J].數(shù)理統(tǒng)計(jì)與管理，2010.3.

[4]王雄軍，賴健清，魯艷紅，等.基于因子分析法研究太原市土壤重金屬污染的主要來源[J].生態(tài)環(huán)境，2008.17（2）.

[5]賈萬敬，何建敏.主成分分析和因子分析在評(píng)價(jià)區(qū)域經(jīng)濟(jì)發(fā)展水平中的應(yīng)用[J].現(xiàn)代管理科學(xué)，2007（9）.