农业产业化与江西省经济发展的关系研究

来源:用户上传      作者: 童　心

　　摘要：本文通过对江西省产业化和农产品物流两个维度的分析，收集相关数据用主成分分析法构造了江西省农业产业化指数，并通过该指数与江西省人均生产总值的时间序列数据进行一元线性回归分析，并结合江西省农产品物流水平及发展方向，考察研究两者与江西省经济发展的关系。
　　关键词：农产品；物流；农业产业化；江西经济发展
　　中图分类号：F252.5 文献标识码:A 文章编号:1005-6432(2008)41-0108-02
　　
　　一、江西农业产业化发展概述
　　
　　1.江西农产品物流的现状和对经济的推动作用
　　农产品物流是指围绕农、林、牧、渔产品生产过程及其相关农业生产资料供应、农产品销售过程中运输、储存、包装、装卸、搬运、流通加工、配送、信息处理等活动和与之有关的技术组织、管理活动。江西是农业大省，是全国重要的农副产品商品基地，地方特色产品种类丰富、产量较高、品质较好。在已列入国家统计制度的81个主要农产品目录中，江西有80%农产品产量排全国前15位。内陆水产、特种水产占全国的比重分别为7%和8%，均居全国前六位。江西茶叶生产具有纯天然的生态环境，江西还是全国苎麻重要产区。江西森林覆盖率高，山林资源非常丰富。蚕桑、苎麻、蔬菜、水果等也具有相当的竞争力。江西的农产品在国内外市场有相当的需求，出口商品结构中，农产品一直是大头，发展江西农产品物流有相当大的潜力。发展江西农产品物流是适应宏观经济环境变化的需要。现代物流对农业发展有着重要作用已成为共识。现代物流已经作为一种先进的组织方式和管理概念，被普遍认为是企业在降低物耗、提高劳动效率以外的“第三利润源泉”，其发展水平已成为衡量一个国家、地区，甚至一个行业现代化程度和综合竞争力的重要标志，并被认为是促进经济发展的“加速器”。江西农产品的主要销售区域――东南沿海地区成为江西周边省份激烈争夺的市场，安徽、湖南、湖北、四川等周边省份都是农业省份，都把东南沿海作为其农产品的主要目标市场。近年来，各省通过推进农业产业化经营，大力发展优质、高产、高效农业，使农产品的品种、规模和质量均有了较大程度的提高。江西农产品面临的来自国内外的竞争加剧，农产品物流的发展是取得竞争主动权的有力武器，对江西经济的发展有很大的推动作用。
　　2.江西省农业产业化现状及发展农业产业化的必要性
　　农业产业化是以市场为导向，以经济效益为中心，以主导产业、产品为重点，优化组合各种生产要素，实行区域化布局、专业化生产、规模化建设、系列化加工、社会化服务、企业化管理，形成种养加工、产供销、贸工农、农工商、农科教一体化经营体系，使农业走上自我发展、自我积累、自我约束、自我调节的良性发展轨道的现代化经营方式和产业组织形式。它的实质是对传统农业进行技术改造，推动农业科技进步的过程。
　　
　　二、农业产业化与江西经济发展关系的定量分析
　　
　　1.理论简述
　　要对农业产业化与江西的经济发展进行定量分析，首先就要找到能够衡量两者发展程度的指标，江西经济发展程度可以用人均生产总值来衡量，而农业产业化程度，介于目前国内尚没有衡量地区农业产业化程度的较权威指标体系，本文将采用主成分分析法创新性的构造出一个农业产业化指数来进行衡量。然后再建立江西人均生产总值和农业产业化指数之间的一元线性回归模型，分析两者之间的相关关系。
　　2.数据选取
　　基于前文对农业产业化含义的介绍，我们决定选取以下数据进行主成分分析，构造江西农业产业化指数：
　　(1)机械动力平均值X1，该数据体现了农业机械化程度，是专业化、规模化生产的代表性数据。
　　计算方法：X1=农业机械总动力/播种面积
　　(2)农业人口人均产值X2，该数据体现了农业人口人均的农业产值，它体现的是江西省的农业生产能力，一定程度上反映了农业产业化程度。
　　计算方法：X2=农林牧渔总产值/农业人口
　　(3)农产品商品化率X3,该数据体现了农业市场化，商品化程度的高低。
　　以上数据以及人均生产总值均可以在江西省统计年鉴中找到，我们可以通过1991―2006年间江西省统计年鉴的相关数据进行分析。
　　3.分析过程
　　(1)主成分分析
　　我们采用主成分分析法来计算农业产业化指数。通过数据可以计算出X1和X2，而X3和X4也已经直接给出。通过分析得到X1、X2、X3和X4相关技术矩阵如下：
　　
　　进一步计算主成分特征值及贡献率得到，前两个特征根的累计贡献率已达到98.29%，因此我们选取两个主成分，用原始数据的标准化数据的线性组合表示如下：
　　第1主成分：Z1=0.502331×X1+0.534995×X2+0.436252
　　×X3+0.520700×X4
　　第2主成分：Z2=－0.477113×X1+0.117053×X2+
　　0.804444×X3－0.333962×X4
　　上面主成分公式中的系数是用各主成分的因子载荷值除以其特征根的平方根算出的。综合得分：Z=0.8481×Z1+0.1348×Z2
　　上面综合得分公式中的系数是第1和第2个特征根的方差贡献率。
　　经计算得到1991年至2006年每年综合得分如下：本文将直接选取该综合得分作为农业产业化指数的值。
　　
　　(2)线性回归
　　接下来我们将以农业产业化指数为解释变量与江西省历年人均生产总值建立一元线性回归模型。
　　在一元线性回归模型中，自变量为一个，因变量为一个。自变量和因变量是一一对应关系，因此它俩之间的函数表达式为：Y=a+bX。
　　在式中，Y为因变量（即人均生产总值），X为自变量（即农业产业化指数），a和b为待定系数。通过SAS统计分析软件的运算得出以下结果：
　　
　　即得到因变量与自变量之间的线性关系为：
　　Y=－6479.50895+252.29458×X
　　从统计学的角度看，截距项和自变量的P值均小于0.001，R-Square=0.9759，所以我们认为该模型较好地反映了因变量与自变量之间的线性关系。
　　4.分析结果讨论
　　农业产业化指数与江西省人均生产总值之间的线性回归分析证明了随着江西省农业产业化程度的不断提高，江西省人均生产总值呈现出上涨的趋势。因此，要加大财政支农的力度，发挥政府在农业投资中的主导作用。要按照“扶强、扶优”的原则，培育壮大一批科技创新能力强、专业化程度高、企业规模大、带动能力强的农业产业化龙头企业。通过技术改造和新产品研发提高农产品的科技含量和商品化率，创优质农产品品牌，引导和促进农业生产走专业化和集中化发展的道路。
　　作者单位：南昌大学经济与管理学院
　　
　　参考文献：
　　[1]邓盛平，周励.实现优势聚集做强江西农业[J].调研世界,2003,(12):37-39.
　　[2]朱金伟.主成分分析法在经营效益评价中的作用[J].金融与经济报,2004,(7):145-147.
　　[3]崔向阳.中国工业化指数的计算[J].江苏统计应用研究,2003,(3):47-49.

转载注明来源:https://www.xzbu.com/2/view-382327.htm