论文部分内容阅读
摘要；农业作为一个独立的、重要的物质生产部门，在社会经济的发展中始终发挥着重要的作用。我国各个地区农业的发展状况不尽相同，本文采用主成分分析法和聚类分析法对我国不同年份不同地区的主要农业产品产量进行分析，得出了能够代表我国主要农业产品的指标和我国主要农产品的地区间分布，为大力发展我国农业产品提供参考依据。
关键词：主要农产品；地区分布；主成分分析；聚类分析
中图分类号：F407.7 文献标识码：A 文章编号：1001-828X（2014）08-0024-03
分析方法
主成分分析也称主分量分析，是利用降维的思想，在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法。主成分的经济意义由各线性组合中权数较大的几个特殊指标的综合意义来确定。聚类分析则是将个体或对象分类，使得同一类中的对象之间的相似性比与其他类的对象的相似性更强，这样可以使类间对象的同质性最大化和类与类间对象的异质性最大化。
对于我国主要农产品的研究，一方面使用我国主要农业产品产量的时间序列数据，对我国主要农业产品提取主成分，另一方面，使用我国某一时间的主要农业产品在各地区产量的横截面数据，将我国主要农业产品进行地区聚类。针对样本数据，用SPSS软件进行计算，得出系数相关矩阵、方差贡献率和累计贡献率、主成分系数矩阵、聚类结果、最终聚类中心表等相关表格，并根据SPSS软件的结果进行分析。
实证分析
2.1.确定样本及指标（数据来自中国统计年鉴2012年）
2.2. 进行统计分析
2.2.1 对我国主要年份人均主要农产品进行主成分分析
①系数相关矩阵：
从表中可以看出，各个变量之间都具有一定的相关关系，而且有些相关系数还比较大，所以很适合使用主成分分析。
②方差贡献率和累计贡献率
由表可知，只有前两个特征值大于1，所1）2SPSS只选择了前两个主成分。第一主成分的方差贡献率是67.382%，前两个主成分的方差占所有主成分方差的88.372%，即基本上保留了原来指标的信息，这样由6个指标转化为两个新指标，起到了降维的作用。
③主成分系数矩阵
主成分系数矩阵，可以说明主成分在各个变量上的载荷，从而得出主成分的表达式。并且在表达式中，各个变量已经不是原始变量而是标准化变量。由上表得到前2个主成分F1，F2的线性组合为：
F1=0.479粮食 0.680棉花 0.787油料 0.950猪牛羊肉 0.970水产品 0.942牛奶
F2=0.662粮食 0.566棉花-0.560油料-0.288猪牛羊肉-0.217水产品 0.237牛奶
在第一主成分中，猪牛羊肉、水产品、牛奶的系数远大于其他变量的系数，所以F1主要是猪牛羊肉、水产品、牛奶这3个指标的综合反映，同时，可以看出这三个单项指标在综因子F1中所占的比重相当，进而说明这三项指标用于考核主要农产品每一项都是必不可少的；在第二主成分中，前三个指标的系数比较大，可以看做是反映粮食、棉花、油料的综合指标。
2.2.2 对我国各地区按其主要农产品产量进行聚类分析
①聚类结果
从表中可以知道北京、天津、山西、上海、浙江、福建、海南、重庆、贵州、西藏、陕西、甘肃、青海、宁夏、新疆等省份属于第一类；内蒙古、辽宁、江西、湖北、湖南、广东、云南属于第二类；河北、安徽、山东、河南等省份属于第三类；吉林、黑龙江、江苏、四川等省份属于第四类。
②最终聚类中心
从表中可以看出，第一类地区粮食、油料、麻类、烟叶、蚕茧、水果产量都很低，棉花、甘蔗产量相对较高；第二类地区麻类产量很低，油料、烟叶、蚕茧、茶叶、水果产量较高，甘蔗产量非常高；第三类地区粮食、棉花、油料、水果产量很高，甘蔗、茶叶产量很低；第四类地区棉花、甘蔗产量很低，油料、烟叶、水果产量相对较低蚕茧、茶叶产量相对较高，粮食产量很高。
③每个聚类中的样本数
从表中可以知道，聚类一所包含的样本数最多，为15个；聚类三、四所包含的样本最少，为4个。
3.对分析结果进行说明
通过主成分分析后，选择了两个主成分，这两个主成分有着明显的经济意义。第一主成分的线性组合中，猪牛羊肉、水产品、牛奶的系数远大于其他变量的系数，所I～AFl主要是猪牛羊肉、水产品、牛奶这3个指标的综合反映，同时，可以看出这三个单项指标在综因子F1中所占的比重相当，进而说明这三项指标用于考核主要农产品每一项都是必不可少的；在第二主成分中，前三个指标的系数比较大，可以看做是反映粮食、棉花、油料的综合指标。用这两个综合因子来评价主要农业产品具有88.372%的可靠性。所以，使用两个指标就可以描述我国人均主要农业产品的产量，其中一个用来描述猪牛羊肉、水产品、牛奶这三个农产品，另一个指标主要用来描述粮食、棉花和油料。
通过以上聚类分析，得出了北京、天津、山西、上海、浙江、福建、海南、重庆、贵州、西藏、陕西、甘肃、青海、宁夏、新疆等省份粮食、油料、麻类、烟叶、蚕茧、水果产量都很低，棉花、甘蔗、茶叶产量相对较高；内蒙古、辽宁、江西、湖北、湖南、广东、云南麻类产量很低，油料、烟叶、蚕茧、茶叶、水果产量较高，甘蔗产量非常高；
河北、安徽、山东、河南等省份粮食、棉花、油料、水果产量很高，甘蔗、茶叶产量很低；吉林、黑龙江、江苏、四川等省份棉花、甘蔗产量很低，油料、烟叶、水果产量相对较低，蚕茧、茶叶产量相对较高，粮食产量很高。
经过以上研究，我们可以对我国主要农产品有一个比较全面的了解，在以后的政策制定以及开发市场等方面都可以做到统筹规划，有的放矢。比如某上市公司欲大量收购棉花，那就应该去河北、安徽、山东、河南等省份采购，而避免去那些产量低的省份去面对更加激烈的市场竞争。
参考文献：
[1]曹慧，翟雪玲，徐雪高，谭智心，张照新.我国主要农产品结构平衡研究[J].宏观经济研究，2013（06）.
[2]汪希成，徐芳.我國粮食生产的区域变化特征与政策建议[J].财经科学，2012（04）.
[3]曾靖.我国多角度粮食区域划分及粮食安全形势分析[J].湖北农业科学，2012（11）.
[4]王德章，周丹.我国重要农产品流通体系建设与管理创新[J].商场现代化，2013（Z1）.
[5]刘江，陈兴福，刘莎，杨文钰，杜刚，刘卫国.基于主成分聚类分析的川产麦冬种质资源质量综合评价研究[J].中国中药杂志，2010（05）.
[6]王晓蓉.基于主成分-聚类分析的山东省区域农业竞争力研究[J].中国农学通报，2013（32）.
[7]张洁瑾，吴豪，赵亮等.基于主成分和聚类分析区分牡丹皮药材的差异性[J].药学服务与研究，2013（06）.
[8]赵月玲，林玉玲，曹丽英等.基于主成分分析和聚类分析的土壤养分特性研究[J].华南农业大学学报，2013（04）.
[9]郭永田，张蕙杰，远铜.中国主要农产品生产与市场[H].中国农业科学技术出版社，2013.
关键词：主要农产品；地区分布；主成分分析；聚类分析
中图分类号：F407.7 文献标识码：A 文章编号：1001-828X（2014）08-0024-03
分析方法
主成分分析也称主分量分析，是利用降维的思想，在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法。主成分的经济意义由各线性组合中权数较大的几个特殊指标的综合意义来确定。聚类分析则是将个体或对象分类，使得同一类中的对象之间的相似性比与其他类的对象的相似性更强，这样可以使类间对象的同质性最大化和类与类间对象的异质性最大化。
对于我国主要农产品的研究，一方面使用我国主要农业产品产量的时间序列数据，对我国主要农业产品提取主成分，另一方面，使用我国某一时间的主要农业产品在各地区产量的横截面数据，将我国主要农业产品进行地区聚类。针对样本数据，用SPSS软件进行计算，得出系数相关矩阵、方差贡献率和累计贡献率、主成分系数矩阵、聚类结果、最终聚类中心表等相关表格，并根据SPSS软件的结果进行分析。
实证分析
2.1.确定样本及指标（数据来自中国统计年鉴2012年）
2.2. 进行统计分析
2.2.1 对我国主要年份人均主要农产品进行主成分分析
①系数相关矩阵：
从表中可以看出，各个变量之间都具有一定的相关关系，而且有些相关系数还比较大，所以很适合使用主成分分析。
②方差贡献率和累计贡献率
由表可知，只有前两个特征值大于1，所1）2SPSS只选择了前两个主成分。第一主成分的方差贡献率是67.382%，前两个主成分的方差占所有主成分方差的88.372%，即基本上保留了原来指标的信息，这样由6个指标转化为两个新指标，起到了降维的作用。
③主成分系数矩阵
主成分系数矩阵，可以说明主成分在各个变量上的载荷，从而得出主成分的表达式。并且在表达式中，各个变量已经不是原始变量而是标准化变量。由上表得到前2个主成分F1，F2的线性组合为：
F1=0.479粮食 0.680棉花 0.787油料 0.950猪牛羊肉 0.970水产品 0.942牛奶
F2=0.662粮食 0.566棉花-0.560油料-0.288猪牛羊肉-0.217水产品 0.237牛奶
在第一主成分中，猪牛羊肉、水产品、牛奶的系数远大于其他变量的系数，所以F1主要是猪牛羊肉、水产品、牛奶这3个指标的综合反映，同时，可以看出这三个单项指标在综因子F1中所占的比重相当，进而说明这三项指标用于考核主要农产品每一项都是必不可少的；在第二主成分中，前三个指标的系数比较大，可以看做是反映粮食、棉花、油料的综合指标。
2.2.2 对我国各地区按其主要农产品产量进行聚类分析
①聚类结果
从表中可以知道北京、天津、山西、上海、浙江、福建、海南、重庆、贵州、西藏、陕西、甘肃、青海、宁夏、新疆等省份属于第一类；内蒙古、辽宁、江西、湖北、湖南、广东、云南属于第二类；河北、安徽、山东、河南等省份属于第三类；吉林、黑龙江、江苏、四川等省份属于第四类。
②最终聚类中心
从表中可以看出，第一类地区粮食、油料、麻类、烟叶、蚕茧、水果产量都很低，棉花、甘蔗产量相对较高；第二类地区麻类产量很低，油料、烟叶、蚕茧、茶叶、水果产量较高，甘蔗产量非常高；第三类地区粮食、棉花、油料、水果产量很高，甘蔗、茶叶产量很低；第四类地区棉花、甘蔗产量很低，油料、烟叶、水果产量相对较低蚕茧、茶叶产量相对较高，粮食产量很高。
③每个聚类中的样本数
从表中可以知道，聚类一所包含的样本数最多，为15个；聚类三、四所包含的样本最少，为4个。
3.对分析结果进行说明
通过主成分分析后，选择了两个主成分，这两个主成分有着明显的经济意义。第一主成分的线性组合中，猪牛羊肉、水产品、牛奶的系数远大于其他变量的系数，所I～AFl主要是猪牛羊肉、水产品、牛奶这3个指标的综合反映，同时，可以看出这三个单项指标在综因子F1中所占的比重相当，进而说明这三项指标用于考核主要农产品每一项都是必不可少的；在第二主成分中，前三个指标的系数比较大，可以看做是反映粮食、棉花、油料的综合指标。用这两个综合因子来评价主要农业产品具有88.372%的可靠性。所以，使用两个指标就可以描述我国人均主要农业产品的产量，其中一个用来描述猪牛羊肉、水产品、牛奶这三个农产品，另一个指标主要用来描述粮食、棉花和油料。
通过以上聚类分析，得出了北京、天津、山西、上海、浙江、福建、海南、重庆、贵州、西藏、陕西、甘肃、青海、宁夏、新疆等省份粮食、油料、麻类、烟叶、蚕茧、水果产量都很低，棉花、甘蔗、茶叶产量相对较高；内蒙古、辽宁、江西、湖北、湖南、广东、云南麻类产量很低，油料、烟叶、蚕茧、茶叶、水果产量较高，甘蔗产量非常高；
河北、安徽、山东、河南等省份粮食、棉花、油料、水果产量很高，甘蔗、茶叶产量很低；吉林、黑龙江、江苏、四川等省份棉花、甘蔗产量很低，油料、烟叶、水果产量相对较低，蚕茧、茶叶产量相对较高，粮食产量很高。
经过以上研究，我们可以对我国主要农产品有一个比较全面的了解，在以后的政策制定以及开发市场等方面都可以做到统筹规划，有的放矢。比如某上市公司欲大量收购棉花，那就应该去河北、安徽、山东、河南等省份采购，而避免去那些产量低的省份去面对更加激烈的市场竞争。
参考文献：
[1]曹慧，翟雪玲，徐雪高，谭智心，张照新.我国主要农产品结构平衡研究[J].宏观经济研究，2013（06）.
[2]汪希成，徐芳.我國粮食生产的区域变化特征与政策建议[J].财经科学，2012（04）.
[3]曾靖.我国多角度粮食区域划分及粮食安全形势分析[J].湖北农业科学，2012（11）.
[4]王德章，周丹.我国重要农产品流通体系建设与管理创新[J].商场现代化，2013（Z1）.
[5]刘江，陈兴福，刘莎，杨文钰，杜刚，刘卫国.基于主成分聚类分析的川产麦冬种质资源质量综合评价研究[J].中国中药杂志，2010（05）.
[6]王晓蓉.基于主成分-聚类分析的山东省区域农业竞争力研究[J].中国农学通报，2013（32）.
[7]张洁瑾，吴豪，赵亮等.基于主成分和聚类分析区分牡丹皮药材的差异性[J].药学服务与研究，2013（06）.
[8]赵月玲，林玉玲，曹丽英等.基于主成分分析和聚类分析的土壤养分特性研究[J].华南农业大学学报，2013（04）.
[9]郭永田，张蕙杰，远铜.中国主要农产品生产与市场[H].中国农业科学技术出版社，2013.