农业机械化论文

您当前的位置:学术堂 > 农学论文 > 农业机械化论文 >

农业机械化与区域农业可持续发展相关指标的聚类分析

来源:学术堂 作者:周老师
发布于:2014-11-04 共6804字
论文摘要

  0 引言

  农业机械化是指运用先进适用的农业机械装备农业,改善农业生产经营条件,不断提高农业的生产技术水平、经济效益和生态效益的过程,它是实现农业现代化的重要标志[1].2011 年农业机械总动力达9. 77 亿 kW,是 2002 年 1. 69 倍;全国农作物耕种收综合机械化水平达到 54. 8% ,比 2002 年增加 22. 5 个百分点,增幅相当于之前 35 年总和.当前,我国正处在由传统农业向现代农业转变的关键时期,我国农业机械化正处在加快发展、结构改善、质量提升、领域拓宽的重要阶段.针对我国农机化发展薄弱环节和后进领域,深入研究推进农业全程和全面机械化,是贯彻落实科学发展观的重要体现,是农业机械化发展的内在要求,是实现农业现代化的必然选择.

  农业机械化与区域农业发展息息相关.农业机械化中,农机制造业属第二产业,农机作业服务属第三产业,其服务对象是第一产业,因此农业机械化横跨一、二、三产业,是连接工农、沟通城乡的重要纽带.

  发展农业机械化有利于促进城乡要素平等交换和公共资源均衡配置,形成"以工促农、以城代乡、工农互惠、城乡一体"的新型工农、城乡关系,是工业化、信息化、城镇化和农业现代化同步发展的必然要求[2].

  因此,作为实现农业可持续发展的重要途径,农业机械化发展必须与农业可持续发展相协调,才能最有效地发挥农业机械生产力提升的优势,从而使农业机械化和农业可持续发展达到新的台阶.

  1 文献综述

  目前,对我国农业机械化发展评价的研究已经十分广泛,许多学者采用了多种统计分析方法来进行研究,如主成分分析法、层次分析法、灰关联分析法、聚类分析法、人工神经网络分析法、因子分析法和协调度模型分析法等.

  楼文高等[3](2003) 提出了确定合理 BP 神经网络结构的原则,并给出了区分农业机械化发展水平不同程度的分界值;同时还得出与灰色概率评估模型相比,使用 BP 神经网络评价模型具有更好的客观性、通用性、实用性和容错性的结论.祝华军[4](2006)从系统动力学的角度,构建农业机械化与农业剩余劳动力转移的相关性模型.白冬艳[5](2006)采用用因子分析方法评价农业机械化发展水平,并认为因子分析法评价是以数据本身的相关性为依据,避免了其它方法人为赋权所产生的误差,因此在农业机械化的评价上能得到较好的研究成果.马翠萍等[6](2008)基于灰白化权函数进行聚类评估,把我国 13 个粮食主产区划分为 4 个农业机械化发展水平层次.王颜齐等[7](2008)在阐述了灰色关联分析基本原理的基础上,以1991 - 2005 年数据为样本,对黑龙江省农机化程度和粮食生产能力两组指标进行测算,得出了影响黑龙江省主要粮食作物生产能力的具体因素,为制定黑龙江省相关农业政策提供参考.李美娥等[8](2011)通过对农业机械化发展水平指标的分析,建立了影响因素的层次结构模型,并且用改进的 AHP 法对诸因素的重要性进行排序,按排序关系可近似确立优先发展的领域.李博等[9](2013)人采用多元统计中的主成分分析法对陕西省3 大区域10 个地市11 个指标组成的农业机械化水平进行差异评价.李泽华等[10](2013)应用改进的隶属度函数协调度模型和耦合协调度模型,对 1995 - 2010 年我国农业机械化与区域经济发展协调性的时空分布进行了分析,得出两系统发展不协调的主要原因是农业机械化的发展速度慢于经济的发展速度的结论.

  纵观已有的文献,可以发现现有的研究有两个方面的不足:

  ①对农业机械化发展研究的对象以单个区域或单个省份为主,缺乏对我国农业机械化发展状况的宏观把握;②在对农业机械化发展状况的评价中,大量的研究只是就事论事,单纯地从各种农业机械化指标入手,运用统计分析方法对农业机械化发展进行评论,对农业机械化与其他系统的关系的研究较少[3,5 - 9].虽然也有学者探讨了农业机械化与其他系统的关系(如农业机械化与农业劳动力转移的关系、农业机械化与农村经济系统发展的关系等[4 - 10]),但目前各区域的农业机械化发展是否与区域农业可持续发展相协调,尚未见讨论.笔者认为,农业机械化作为农业现代化的重要标志,从宏观上把握农业机械化与农业可持续发展的关系显得尤为重要,既然国内缺乏对此问题的研究,那么本文所做的工作就显得十分有意义.为此,本文将定量分析与定性分析相结合,以多元统计分析中的聚类分析方法为主要分析方法,首先构建农业机械化发展程度和农业可持续发展程度的评价指标体系,然后在定量分析的基础上运用主成分分析法对存在较多二级指标的农业机械化发展指标进行降维和压缩,再应用聚类分析得出我国各区域农业机械化发展和各区域农业可持续发展的分类情况,最终完成对农业机械化和农业可持续发展的定性归纳和组合.研究成果对指导各区域农业机械化和农业生产协同发展具有参考价值.

  2 分析方法

  聚类分析法(Cluster Analysis)是研究"物以类聚"的一种现代统计分析方法,其目的是把分类对象按一定规则分成若干类,这些类不是事先给定的,而是根据数据的特征确定的.在同一类中,这些对象在某种意义上趋向于彼此相似,而在不同类中对象趋向于不相似.

  聚类分析的基本原则是:将有较大相似性的对象归为同一类,而将差异较大的个体归入不同的类.为了将样品聚类,需要研究样品之间的关系.一种方法是将每一个样品看作 p 维空间的一个点,并在空间定义距离,距离较近的点归为一类,距离较远的点应属于不同的类.确定了距离后,就要进行分类.分类有许多种方法,最常用的方法是在样品距离的基础上定义类与类之间的距离:首先将 n 个样品分成类,每个样品自成一类;然后每次将具有最小距离的两类合并,合并后重新计算类与类之间的距离;这个过程一直继续到所有的样品归为一类为止,并把这个过程做成一张聚类图,由聚类图可方便地进行分类.因为聚类图很像一张系统图,所以这一类方法就叫作系统聚类法(Hierachical Clustering Method).

  聚类分析方法的基本步骤:

  1) 计算 n 个样品两两间的距离{ dij},记作 D;2) 构造 n 个类,每个类只包含一个样品;3) 合并距离最近的两类为一新类;4)计算新类与当前各类的距离,若类个数为 1,转到步骤 5),否则回到步骤 3);5)画聚类图;6)决定类的个数和类.

  本文的数据分析过程就是按照上文所介绍的系统聚类分析方法[12]来进行,使用 R 语言统计软件来完成这一分析.聚类分析的优点就是计算步骤简单而直观,结论形式简明,能构造聚类分析图,便于研究地进一步深入.

  主成分分析是将多指标化为少数几个综合指标的一种统计分析方法,是由 Pearson(1901)提出、后来被 Hotelling(1933)发展起来的.主成分分析是通过降维技术把多个变量化为少数几个主成分的方法,这些主成分保留原始变量的绝大部分信息,通常表示为原始变量的线性组合.通过主成分分析,可以从事物错综复杂的关系中找出一些主要成分,从而能有效利用大量统计数据进行定量分析,揭示变量之间的内在关系,得到一些对实物特征及其发展规律的深层次启发,把研究工作引向深入.

  主成分分析的计算步骤:

  1)求指标相关矩阵的特征值和特征向量.

  2)计算方差贡献率与累积方差贡献率,每个主成分的贡献率代表了原数据总信息量的百分比.

  3)确定主成分.设 C1,C2,…,Cp为 p 个主成分,其中前 m 个主成分包含的数据信息总量(即其累积方差贡献率)不低于 80% 时,可取前 m 个主成分来反映原评价对象.

  4) 用原指标的线性组合来计算各主成分得分.

  以特征向量各为权,将各主成分表示为原指标的线性组合,而主成分的含义则由各线性组合中权数较大的指标的综合意义来确定,则有
论文摘要

  该式称为主成分得分函数,由它来计算每个样品的主成分得分.若取 m =2,则将每个样品的 p 个变量代入上式即可算出每个样品的主成分得分 C1和 C2,并将其在平面上做主成分得分的散点图,进而对样品进行分类或对原始数据进行更深入的研究.

  5) 综合得分与排名.以各主成分的方差 ( 特征值)为权,将其加权和得到综合得分,则有

论文摘要

  其中,Wj是主成分的权重,利用总得分就可以得到得分名次[13].

  3 数据选择和指标体系的建立

  反映农业机械化和农业可持续发展的指标有很多,学者们选取不同的指标构建评价指标体系.与以往的评价体系不同,以往不少学者构建农业机械化评价指标体系时将农业可持续发展的指标也混入其中(如骆健民等[11]在构建浙江省农业机械化发展水平评价指标体系时,就选取了农民年均纯收入等跟农业可持续发展更密切的指标),因此本文在评价指标体系的改进之处在于对反映农业机械化和农业可持续发展的指标做了严格的区分.参照已有研究成果,构建了各区域农业机械化发展评价指标体系和各区域农业可持续发展评价指标体系,如表 1 和图 1 所示.

论文摘要

  本文的研究对象为我国 27 个省份区域(去除北京、天津、上海和重庆 4 个直辖市),所使用的数据全部都来源于 2012 年《中国统计年鉴》、《中国农村统计年鉴》和《中国农业机械工业年鉴》.

  4 实证结果分析

  鉴于农业机械化发展评价体系包含有大量的二级指标,如果直接使用二级指标进行聚类分析,会使得计算显得复杂,因此对农业机械化发展评价指标先进行无量纲化处理,运用主成分分析法进行计算,得到农业机械化发展评价的二级指标的综合得分,把综合得分作为一级指标,在此基础上进行进一步分析运算.各区域综合得分如表 2 所示.根据各区域农业机械化发展评价综合得分,可以作出聚类分析图,结果如图 2 所示.

  由图 2 可以看出:我国各区域农业机械化总体发展水平较为不平衡,呈金字塔分布,发展水平高的区域较少,而发展水平较低的区域较多.根据聚类情况,可以将我国各区域农业机械化发展程度分为 4 类区域,具体情况如下:第 1 类区域只有山东、黑龙江和河南 3 个区域,是我国农业机械化实现程度比较突出的区域.从各区域农业机械化发展评价综合得分就可以看出它们的优势.山东省作为农业机械化大省,在农业机械化经营收益情况、农业机械化投入情况和农业机械拥有量的排名都保持第 1,农业机械化作业情况也在第 3 的位置;黑龙江和河南的综合得分也很高.第 2 类区域包含河北、江苏、安徽、湖南、四川、江西、广东、吉林、新疆、内蒙古和湖北,是我国农业机械化实现程度较好的区域,其工业比较发达,财政对该区域的农业机械化投入也很大,因此农业机械化发展较好.第 3 类区域包括辽宁、陕西、浙江、山西、广西、福建、贵州、云南和甘肃,这类区域的农业机械化发展水平一般,主要是受自然条件的约束比较大.例如,在第 3 类区域中的浙江和福建等东部区域农业机械化发展水平较低,主要在于这类区域的自然环境不适宜大规模推广农业机械化.第 4 类区域包括西藏、宁夏、海南和青海 4 个区域,农业机械化发展水平较低.

论文摘要

  图 3 是根据各区域农业可持续发展评价指标体系进行聚类分析得出的聚类图.与图 2 一样,也可以将我国农业可持续发展按水平分为 4 类区域:第 1 类为黑龙江、山东和河南;第 2 类区域为江苏、河北、安徽、四川、湖北、湖南、内蒙古、吉林和江西;第 3 类区域为浙江、福建、辽宁、广东、新疆、广西、云南、贵州、甘肃、山西和陕西;第 4 类区域包括西藏、宁夏、海南和青海.需要指出的是,与以往衡量农业发展单靠GDP 指标不同,本文所建立的农业可持续发展评价指标体系不仅能反映本区域农业发展的经济情况,还能反映出该区域农业可持续发展能力与区域粮食安全状况,因此得出的各区域农业可持续发展水平与以往的认识有很大不同.(图3略)

  以广东省与黑龙江省为例(见表 3),一般认为广东省的农业发展应该要强于黑龙江省的农业发展,毕竟广东省是我国经济发展规模最高的省份.如果单纯从农业生产总值和农民人均纯收入来看,广东省要明显高于黑龙江省很多.但这只是经济指标,在反映农业可持续发展的自然条件和资源的指标上,如粮食作物播种面积和灌溉面积,黑龙江省分别是广东省的大约 4 倍和 2 倍;在反映保障区域粮食安全的粮食作物产量和人均主要粮食占有量上,广东省相差黑龙江省分别有大约 4 倍和 10 倍,差距更大了.因此,不仅从经济指标出发,而且还要考虑到自然因素和粮食安全因素的话,黑龙江省的农业可持续发展就要优于广 东省了.(表3略)
论文摘要

论文摘要

  5 结论

  根据上述关于各区域农业机械化发展和农业可持续发展的聚类分析,将各区域按聚类结果进行分类和排列,如表 4 所示.根据其分类,分析各区域农业机械化发展和农业可持续发展的关系.
论文摘要

  5. 1 双突出型

  山东、黑龙江和河南在农业机械化水平及农业可持续发展水平上都很突出,各项指标都处于全国前列,这类区域是我国农业机械化发展和农业可持续发展的先导区域.因此,其在提高本区域的农业机械化程度和提升本区域的农业可持续发展水平的同时,要积极做好对落后区域的帮扶工作,促进我国农业整体协调发展.

  5. 2 双优势型

  河北、江苏、安徽、湖北、内蒙古、吉林、江西、四川和湖南在农业机械化发展和农业可持续发展上基本实现了协调发展,虽然已经去取得了不错的成果,但是与发达国家的农业发展和山东等双突出型区域相比,还是有不小的差距.下一步就应该不仅追求农业机械化发展和农业可持续发展的数量,还要追求发展的质量.以这类区域在农业机械化的深层次发展为例,双优势型区域应当以转变农业机械化发展方式为主线,以调整优化农机装备布局结构、主攻薄弱环节机械化、推广先进适用农业机械化技术和装备为重点,着力推进技术创新、组织创新和制度创新,着力促进农机、农艺、农业经营方式协调发展,着力加强农机社会化服务体系建设,着力提高农机工业创新能力和制造水平,落实完善政策,促进技术创新,培育发展主体,壮大人才队伍,强化公共服务,进一步提高农机装备水平、作业水平、科技水平、服务水平和安全水平,从而推动本区域农业机械化又好又快发展[1].

  5. 3 不平衡型

  根据表 4 的分类情况,有广东和新疆的农业机械化发展和农业可持续发展有不平衡现象,广东和新疆是农业机械化发展强于农业可持续发展.综上所述,广东虽然依靠本区域发达的工业和优越的经济状况使农业机械化水平和农业经济产值保持在一个较高的水平,但是由于各种因素的制约下,广东在农业发展的自然条件和粮食安全保障条件存在较大的问题.随着经济的飞速发展,外来人口的不断增加,这些因素共同使得农业用地的不断减少,人均粮食的占有量也不断下降.因此,需要在保护农业用地不减少的基础上,大力推广农业机械化,提高粮食产量,进而提升广东的农业可持续发展水平和增强广东抵御粮食危机的能力,从而使广东成为我国经济强省和农业强省.

  新疆的农业发展需要一个循序渐进的过程.新疆在农业机械化上拥有巨大优势(新疆的农业机械化投入情况排名在全国第 3,2011 年财政对新疆在农业机械化的投入多达 178 531. 43 万元,仅次于黑龙江省),但是新疆在农业可持续发展上受当地自然因素的影响较大.因此,新疆的农业可持续发展不能盲目地追求依靠提高开垦面积等贪快的方式,而是在科学发展观的指导下对新疆的自然环境进行合理的改造(如加强农田基础设施建设和农业水利建设),从而实现农业可持续发展.

  5. 4 双落后型

    除了以上区域以外,其他区域在农业机械化发展和农业可持续发展上都处于全国平均水平及以下的程度.辽宁、陕西、浙江、山西、广西、福建、贵州、云南和甘肃可以先在农业机械化发展上取得进展,如积极培育农机化发展主体、大力推动农机化科技进步、深入推进农机农艺融合、努力提升农机化公共服务能力,从而提升本区域的农业机械化水平,并在此基础上提升本区域的农业可持续发展.因为农业机械化的根本目的就是为了提升农业可持续发展,并通过这种方式实现区域的农业现代化.

  西藏、宁夏、海南和青海在采取上述措施的同时,更需要加强农业机械化人员的培养和农业机械化服务的提升,如进一步加强农机化人才队伍建设及努力提升农机化公共服务能力.除此之外,不断落实完善农机化发展扶持政策,通过政策倾斜,以满足西部经济欠发达区域的需求,从而促进农业可持续发展的提升.

  参考文献:

  [1] 黄光群,韩鲁佳,刘贤,等. 农业机械化工程集成技术评价体系的建立[J]. 农业工程学报,2012(16):74 -79.

  [2] 宗锦耀作学习贯彻十八大精神辅导报告-认真学习贯彻十八大精神,努力推动农机化科学发展[R/OL]. (2012 -12 - 01) .

  [3] 楼文高,王延政. 农业机械化发展水平的人工神经网络评价模型[J]. 农业机械学报,2003(3):58 -61.

  [4] 祝华军. 农业机械化与农业劳动力转移的协调性研究[J]. 农业现代化研究,2005(3):190 - 193.

  [5] 白冬艳. 用因子分析法评价我国农业机械化发展水平[J]. 农机化研究,2006(9):1 -5.

  [6] 马翠萍,郭翔宇. 我国粮食主产区农业机械化水平灰聚类评估[J]. 农机化研究,2008(8):46 -48.

  [7] 王颜齐,马翠萍,郭翔宇. 农业机械化与粮食生产能力的多维灰关联分析-以黑龙江省为例[J]. 农机化研究,2008(7):41 - 43.

  [8] 李美娥,单士睿. 改进的 AHP 法在评价农业机械化发展水平中的应用[J]. 农机化研究,2011,33(5):56 -59.

  [9] 李博,司汉武. 陕西三大区域农业机械化水平差异评价-基于主成分的分析[J]. 科技管理研究,2013(12):49 -52.

  [10] 李泽华,马旭,吴露露. 农业机械化与区域经济发展的协调性评价[J]. 华南农业大学学报:社会科学版,2013(2) :1 - 10.

  [11] 骆健民,郑文钟,何勇. 浙江省农业机械化发展水平评价[J]. 浙江大学学报:农业与生命科学版,2007(2):217 -221.

  [12] 王术. 基于聚类分析的城镇居民消费的时域差异分析[J]. 特区经济,2013(12) :218 - 219.

  [13] 王术. 我国农村居民人均消费支出的主成分分析[J]. 安徽农业科学,2013,29:11866 -11867,11877.

相关内容推荐
相关标签:聚类分析论文农业可持续发展论文
返回:农业机械化论文