農業機械化與區域農業可持續發展相關指標的聚類分析-藏刊網

0 引言

農業機械化是指運用先進適用的農業機械裝備農業,改善農業生產經營條件,不斷提高農業的生產技術水平、經濟效益和生態效益的過程,它是實現農業現代化的重要標志[1].2011 年農業機械總動力達9. 77 億 kW,是 2002 年 1. 69 倍;全國農作物耕種收綜合機械化水平達到 54. 8% ,比 2002 年增加 22. 5 個百分點,增幅相當于之前 35 年總和.當前,我國正處在由傳統農業向現代農業轉變的關鍵時期,我國農業機械化正處在加快發展、結構改善、質量提升、領域拓寬的重要階段.針對我國農機化發展薄弱環節和后進領域,深入研究推進農業全程和全面機械化,是貫徹落實科學發展觀的重要體現,是農業機械化發展的內在要求,是實現農業現代化的必然選擇.

農業機械化與區域農業發展息息相關.農業機械化中,農機制造業屬第二產業,農機作業服務屬第三產業,其服務對象是第一產業,因此農業機械化橫跨一、二、三產業,是連接工農、溝通城鄉的重要紐帶.

發展農業機械化有利于促進城鄉要素平等交換和公共資源均衡配置,形成"以工促農、以城代鄉、工農互惠、城鄉一體"的新型工農、城鄉關系,是工業化、信息化、城鎮化和農業現代化同步發展的必然要求[2].

因此,作為實現農業可持續發展的重要途徑,農業機械化發展必須與農業可持續發展相協調,才能最有效地發揮農業機械生產力提升的優勢,從而使農業機械化和農業可持續發展達到新的臺階.

1 文獻綜述

目前,對我國農業機械化發展評價的研究已經十分廣泛,許多學者采用了多種統計分析方法來進行研究,如主成分分析法、層次分析法、灰關聯分析法、聚類分析法、人工神經網絡分析法、因子分析法和協調度模型分析法等.

樓文高等[3]\\(2003\\) 提出了確定合理 BP 神經網絡結構的原則,并給出了區分農業機械化發展水平不同程度的分界值;同時還得出與灰色概率評估模型相比,使用 BP 神經網絡評價模型具有更好的客觀性、通用性、實用性和容錯性的結論.祝華軍[4]\\(2006\\)從系統動力學的角度,構建農業機械化與農業剩余勞動力轉移的相關性模型.白冬艷[5]\\(2006\\)采用用因子分析方法評價農業機械化發展水平,并認為因子分析法評價是以數據本身的相關性為依據,避免了其它方法人為賦權所產生的誤差,因此在農業機械化的評價上能得到較好的研究成果.馬翠萍等[6]\\(2008\\)基于灰白化權函數進行聚類評估,把我國 13 個糧食主產區劃分為 4 個農業機械化發展水平層次.王顏齊等[7]\\(2008\\)在闡述了灰色關聯分析基本原理的基礎上,以1991 - 2005 年數據為樣本,對黑龍江省農機化程度和糧食生產能力兩組指標進行測算,得出了影響黑龍江省主要糧食作物生產能力的具體因素,為制定黑龍江省相關農業政策提供參考.李美娥等[8]\\(2011\\)通過對農業機械化發展水平指標的分析,建立了影響因素的層次結構模型,并且用改進的 AHP 法對諸因素的重要性進行排序,按排序關系可近似確立優先發展的領域.李博等[9]\\(2013\\)人采用多元統計中的主成分分析法對陜西省3 大區域10 個地市11 個指標組成的農業機械化水平進行差異評價.李澤華等[10]\\(2013\\)應用改進的隸屬度函數協調度模型和耦合協調度模型,對 1995 - 2010 年我國農業機械化與區域經濟發展協調性的時空分布進行了分析,得出兩系統發展不協調的主要原因是農業機械化的發展速度慢于經濟的發展速度的結論.

縱觀已有的文獻,可以發現現有的研究有兩個方面的不足:

①對農業機械化發展研究的對象以單個區域或單個省份為主,缺乏對我國農業機械化發展狀況的宏觀把握;②在對農業機械化發展狀況的評價中,大量的研究只是就事論事,單純地從各種農業機械化指標入手,運用統計分析方法對農業機械化發展進行評論,對農業機械化與其他系統的關系的研究較少[3,5 - 9].雖然也有學者探討了農業機械化與其他系統的關系\\(如農業機械化與農業勞動力轉移的關系、農業機械化與農村經濟系統發展的關系等[4 - 10]\\),但目前各區域的農業機械化發展是否與區域農業可持續發展相協調,尚未見討論.筆者認為,農業機械化作為農業現代化的重要標志,從宏觀上把握農業機械化與農業可持續發展的關系顯得尤為重要,既然國內缺乏對此問題的研究,那么本文所做的工作就顯得十分有意義.為此,本文將定量分析與定性分析相結合,以多元統計分析中的聚類分析方法為主要分析方法,首先構建農業機械化發展程度和農業可持續發展程度的評價指標體系,然后在定量分析的基礎上運用主成分分析法對存在較多二級指標的農業機械化發展指標進行降維和壓縮,再應用聚類分析得出我國各區域農業機械化發展和各區域農業可持續發展的分類情況,最終完成對農業機械化和農業可持續發展的定性歸納和組合.研究成果對指導各區域農業機械化和農業生產協同發展具有參考價值.

2 分析方法

聚類分析法\\(Cluster Analysis\\)是研究"物以類聚"的一種現代統計分析方法,其目的是把分類對象按一定規則分成若干類,這些類不是事先給定的,而是根據數據的特征確定的.在同一類中,這些對象在某種意義上趨向于彼此相似,而在不同類中對象趨向于不相似.

聚類分析的基本原則是:將有較大相似性的對象歸為同一類,而將差異較大的個體歸入不同的類.為了將樣品聚類,需要研究樣品之間的關系.一種方法是將每一個樣品看作 p 維空間的一個點,并在空間定義距離,距離較近的點歸為一類,距離較遠的點應屬于不同的類.確定了距離后,就要進行分類.分類有許多種方法,最常用的方法是在樣品距離的基礎上定義類與類之間的距離:首先將 n 個樣品分成類,每個樣品自成一類;然后每次將具有最小距離的兩類合并,合并后重新計算類與類之間的距離;這個過程一直繼續到所有的樣品歸為一類為止,并把這個過程做成一張聚類圖,由聚類圖可方便地進行分類.因為聚類圖很像一張系統圖,所以這一類方法就叫作系統聚類法\\(Hierachical Clustering Method\\).

聚類分析方法的基本步驟:

1\\) 計算 n 個樣品兩兩間的距離{ dij},記作 D;2\\) 構造 n 個類,每個類只包含一個樣品;3\\) 合并距離最近的兩類為一新類;4\\)計算新類與當前各類的距離,若類個數為 1,轉到步驟 5\\),否則回到步驟 3\\);5\\)畫聚類圖;6\\)決定類的個數和類.

本文的數據分析過程就是按照上文所介紹的系統聚類分析方法[12]來進行,使用 R 語言統計軟件來完成這一分析.聚類分析的優點就是計算步驟簡單而直觀,結論形式簡明,能構造聚類分析圖,便于研究地進一步深入.

主成分分析是將多指標化為少數幾個綜合指標的一種統計分析方法,是由 Pearson\\(1901\\)提出、后來被 Hotelling\\(1933\\)發展起來的.主成分分析是通過降維技術把多個變量化為少數幾個主成分的方法,這些主成分保留原始變量的絕大部分信息,通常表示為原始變量的線性組合.通過主成分分析,可以從事物錯綜復雜的關系中找出一些主要成分,從而能有效利用大量統計數據進行定量分析,揭示變量之間的內在關系,得到一些對實物特征及其發展規律的深層次啟發,把研究工作引向深入.

主成分分析的計算步驟:

1\\)求指標相關矩陣的特征值和特征向量.

2\\)計算方差貢獻率與累積方差貢獻率,每個主成分的貢獻率代表了原數據總信息量的百分比.

3\\)確定主成分.設 C1,C2,…,Cp為 p 個主成分,其中前 m 個主成分包含的數據信息總量\\(即其累積方差貢獻率\\)不低于 80% 時,可取前 m 個主成分來反映原評價對象.

4\\) 用原指標的線性組合來計算各主成分得分.

以特征向量各為權,將各主成分表示為原指標的線性組合,而主成分的含義則由各線性組合中權數較大的指標的綜合意義來確定,則有

該式稱為主成分得分函數,由它來計算每個樣品的主成分得分.若取 m =2,則將每個樣品的 p 個變量代入上式即可算出每個樣品的主成分得分 C1和 C2,并將其在平面上做主成分得分的散點圖,進而對樣品進行分類或對原始數據進行更深入的研究.

5\\) 綜合得分與排名.以各主成分的方差 \\( 特征值\\)為權,將其加權和得到綜合得分,則有

其中,Wj是主成分的權重,利用總得分就可以得到得分名次[13].

3 數據選擇和指標體系的建立

反映農業機械化和農業可持續發展的指標有很多,學者們選取不同的指標構建評價指標體系.與以往的評價體系不同,以往不少學者構建農業機械化評價指標體系時將農業可持續發展的指標也混入其中\\(如駱健民等[11]在構建浙江省農業機械化發展水平評價指標體系時,就選取了農民年均純收入等跟農業可持續發展更密切的指標\\),因此本文在評價指標體系的改進之處在于對反映農業機械化和農業可持續發展的指標做了嚴格的區分.參照已有研究成果,構建了各區域農業機械化發展評價指標體系和各區域農業可持續發展評價指標體系,如表 1 和圖 1 所示.

本文的研究對象為我國 27 個省份區域\\(去除北京、天津、上海和重慶 4 個直轄市\\),所使用的數據全部都來源于 2012 年《中國統計年鑒》、《中國農村統計年鑒》和《中國農業機械工業年鑒》.

4 實證結果分析

鑒于農業機械化發展評價體系包含有大量的二級指標,如果直接使用二級指標進行聚類分析,會使得計算顯得復雜,因此對農業機械化發展評價指標先進行無量綱化處理,運用主成分分析法進行計算,得到農業機械化發展評價的二級指標的綜合得分,把綜合得分作為一級指標,在此基礎上進行進一步分析運算.各區域綜合得分如表 2 所示.根據各區域農業機械化發展評價綜合得分,可以作出聚類分析圖,結果如圖 2 所示.

由圖 2 可以看出:我國各區域農業機械化總體發展水平較為不平衡,呈金字塔分布,發展水平高的區域較少,而發展水平較低的區域較多.根據聚類情況,可以將我國各區域農業機械化發展程度分為 4 類區域,具體情況如下:第 1 類區域只有山東、黑龍江和河南 3 個區域,是我國農業機械化實現程度比較突出的區域.從各區域農業機械化發展評價綜合得分就可以看出它們的優勢.山東省作為農業機械化大省,在農業機械化經營收益情況、農業機械化投入情況和農業機械擁有量的排名都保持第 1,農業機械化作業情況也在第 3 的位置;黑龍江和河南的綜合得分也很高.第 2 類區域包含河北、江蘇、安徽、湖南、四川、江西、廣東、吉林、新疆、內蒙古和湖北,是我國農業機械化實現程度較好的區域,其工業比較發達,財政對該區域的農業機械化投入也很大,因此農業機械化發展較好.第 3 類區域包括遼寧、陜西、浙江、山西、廣西、福建、貴州、云南和甘肅,這類區域的農業機械化發展水平一般,主要是受自然條件的約束比較大.例如,在第 3 類區域中的浙江和福建等東部區域農業機械化發展水平較低,主要在于這類區域的自然環境不適宜大規模推廣農業機械化.第 4 類區域包括西藏、寧夏、海南和青海 4 個區域,農業機械化發展水平較低.

圖 3 是根據各區域農業可持續發展評價指標體系進行聚類分析得出的聚類圖.與圖 2 一樣,也可以將我國農業可持續發展按水平分為 4 類區域:第 1 類為黑龍江、山東和河南;第 2 類區域為江蘇、河北、安徽、四川、湖北、湖南、內蒙古、吉林和江西;第 3 類區域為浙江、福建、遼寧、廣東、新疆、廣西、云南、貴州、甘肅、山西和陜西;第 4 類區域包括西藏、寧夏、海南和青海.需要指出的是,與以往衡量農業發展單靠GDP 指標不同,本文所建立的農業可持續發展評價指標體系不僅能反映本區域農業發展的經濟情況,還能反映出該區域農業可持續發展能力與區域糧食安全狀況,因此得出的各區域農業可持續發展水平與以往的認識有很大不同.（圖3略）

以廣東省與黑龍江省為例\\(見表 3\\),一般認為廣東省的農業發展應該要強于黑龍江省的農業發展,畢竟廣東省是我國經濟發展規模最高的省份.如果單純從農業生產總值和農民人均純收入來看,廣東省要明顯高于黑龍江省很多.但這只是經濟指標,在反映農業可持續發展的自然條件和資源的指標上,如糧食作物播種面積和灌溉面積,黑龍江省分別是廣東省的大約 4 倍和 2 倍;在反映保障區域糧食安全的糧食作物產量和人均主要糧食占有量上,廣東省相差黑龍江省分別有大約 4 倍和 10 倍,差距更大了.因此,不僅從經濟指標出發,而且還要考慮到自然因素和糧食安全因素的話,黑龍江省的農業可持續發展就要優于廣東省了.（表3略）

5 結論

根據上述關于各區域農業機械化發展和農業可持續發展的聚類分析,將各區域按聚類結果進行分類和排列,如表 4 所示.根據其分類,分析各區域農業機械化發展和農業可持續發展的關系.

5. 1 雙突出型

山東、黑龍江和河南在農業機械化水平及農業可持續發展水平上都很突出,各項指標都處于全國前列,這類區域是我國農業機械化發展和農業可持續發展的先導區域.因此,其在提高本區域的農業機械化程度和提升本區域的農業可持續發展水平的同時,要積極做好對落后區域的幫扶工作,促進我國農業整體協調發展.

5. 2 雙優勢型

河北、江蘇、安徽、湖北、內蒙古、吉林、江西、四川和湖南在農業機械化發展和農業可持續發展上基本實現了協調發展,雖然已經去取得了不錯的成果,但是與發達國家的農業發展和山東等雙突出型區域相比,還是有不小的差距.下一步就應該不僅追求農業機械化發展和農業可持續發展的數量,還要追求發展的質量.以這類區域在農業機械化的深層次發展為例,雙優勢型區域應當以轉變農業機械化發展方式為主線,以調整優化農機裝備布局結構、主攻薄弱環節機械化、推廣先進適用農業機械化技術和裝備為重點,著力推進技術創新、組織創新和制度創新,著力促進農機、農藝、農業經營方式協調發展,著力加強農機社會化服務體系建設,著力提高農機工業創新能力和制造水平,落實完善政策,促進技術創新,培育發展主體,壯大人才隊伍,強化公共服務,進一步提高農機裝備水平、作業水平、科技水平、服務水平和安全水平,從而推動本區域農業機械化又好又快發展[1].

5. 3 不平衡型

根據表 4 的分類情況,有廣東和新疆的農業機械化發展和農業可持續發展有不平衡現象,廣東和新疆是農業機械化發展強于農業可持續發展.綜上所述,廣東雖然依靠本區域發達的工業和優越的經濟狀況使農業機械化水平和農業經濟產值保持在一個較高的水平,但是由于各種因素的制約下,廣東在農業發展的自然條件和糧食安全保障條件存在較大的問題.隨著經濟的飛速發展,外來人口的不斷增加,這些因素共同使得農業用地的不斷減少,人均糧食的占有量也不斷下降.因此,需要在保護農業用地不減少的基礎上,大力推廣農業機械化,提高糧食產量,進而提升廣東的農業可持續發展水平和增強廣東抵御糧食危機的能力,從而使廣東成為我國經濟強省和農業強省.

新疆的農業發展需要一個循序漸進的過程.新疆在農業機械化上擁有巨大優勢\\(新疆的農業機械化投入情況排名在全國第 3,2011 年財政對新疆在農業機械化的投入多達 178 531. 43 萬元,僅次于黑龍江省\\),但是新疆在農業可持續發展上受當地自然因素的影響較大.因此,新疆的農業可持續發展不能盲目地追求依靠提高開墾面積等貪快的方式,而是在科學發展觀的指導下對新疆的自然環境進行合理的改造\\(如加強農田基礎設施建設和農業水利建設\\),從而實現農業可持續發展.

5. 4 雙落后型

除了以上區域以外,其他區域在農業機械化發展和農業可持續發展上都處于全國平均水平及以下的程度.遼寧、陜西、浙江、山西、廣西、福建、貴州、云南和甘肅可以先在農業機械化發展上取得進展,如積極培育農機化發展主體、大力推動農機化科技進步、深入推進農機農藝融合、努力提升農機化公共服務能力,從而提升本區域的農業機械化水平,并在此基礎上提升本區域的農業可持續發展.因為農業機械化的根本目的就是為了提升農業可持續發展,并通過這種方式實現區域的農業現代化.

西藏、寧夏、海南和青海在采取上述措施的同時,更需要加強農業機械化人員的培養和農業機械化服務的提升,如進一步加強農機化人才隊伍建設及努力提升農機化公共服務能力.除此之外,不斷落實完善農機化發展扶持政策,通過政策傾斜,以滿足西部經濟欠發達區域的需求,從而促進農業可持續發展的提升.

參考文獻:

[1] 黃光群,韓魯佳,劉賢,等. 農業機械化工程集成技術評價體系的建立[J]. 農業工程學報,2012\\(16\\):74 -79.

[2] 宗錦耀作學習貫徹十八大精神輔導報告-認真學習貫徹十八大精神,努力推動農機化科學發展[R/OL]. \\(2012 -12 - 01\\) .

[3] 樓文高,王延政. 農業機械化發展水平的人工神經網絡評價模型[J]. 農業機械學報,2003\\(3\\):58 -61.

[4] 祝華軍. 農業機械化與農業勞動力轉移的協調性研究[J]. 農業現代化研究,2005\\(3\\):190 - 193.

[5] 白冬艷. 用因子分析法評價我國農業機械化發展水平[J]. 農機化研究,2006\\(9\\):1 -5.

[6] 馬翠萍,郭翔宇. 我國糧食主產區農業機械化水平灰聚類評估[J]. 農機化研究,2008\\(8\\):46 -48.

[7] 王顏齊,馬翠萍,郭翔宇. 農業機械化與糧食生產能力的多維灰關聯分析-以黑龍江省為例[J]. 農機化研究,2008\\(7\\):41 - 43.

[8] 李美娥,單士睿. 改進的 AHP 法在評價農業機械化發展水平中的應用[J]. 農機化研究,2011,33\\(5\\):56 -59.

[9] 李博,司漢武. 陜西三大區域農業機械化水平差異評價-基于主成分的分析[J]. 科技管理研究,2013\\(12\\):49 -52.

[10] 李澤華,馬旭,吳露露. 農業機械化與區域經濟發展的協調性評價[J]. 華南農業大學學報:社會科學版,2013\\(2\\) :1 - 10.