基于因子分析法的新农村综合评价模型及实证分析

来源:用户上传      作者: 余志刚　郭翔宇

　　摘要:对社会主义新农村建设水平进行综合评价,首先要建立一个科学的评价指标体系｡对于建立的27项指标的评价指标体系,运用因子分析法构建数学模型,对2005年全国的新农村建设水平进行综合评价｡提出能综合反映新农村建设水平的五大主因素,并对其分别命名为农民生活水平因素､农业现代化因素､精神文明因素､农村改革因素､农村环境因素｡得出中国社会主义新农村建设水平不高､各地区发展不均衡､地区内部各因素发展不均衡的结论｡
　　关键词:社会主义新农村;评价指标体系;因子分析法;数学模型
　　中图分类号:F320 文献标志码:A 文章编号:1673-291X(2007)06-0039-02
　　
　　一、社会主义新农村评价指标的建立
　　
　　指标体系分为三个部分,27项指标｡一是新型农民指标,包括反映农民素质的农民受教育年限､农民专业技能培训时间､农民思想观念更新程度､农民经营管理水平四个指标;反映农民生活水平的农民人均纯收入和农民消费水平指标;反映农民组织化程度的农民加入合作组织比率和农民合作生产经营程度指标;反映农民实际就业程度的就业程度指标｡二是发达农业指标,包括反映农业现代化程度的农业物质装备程度指标､农业科学化水平指标､农业社会化水平指标;农业可持续化指标;农业产业化程度指标｡三是和谐农村指标,包括反映农村经济发展水平的农村经济增长率､经济结构优化程度､农业附加值比重三个指标;反映农村政治民主程度的农民对村政务公开满意率､重大村务决策事项村民参与率､村民对“两委”满意率三项指标;反映农村社会和谐程度的农村道路硬化率､农村社会保障程度､农村合作医疗覆盖面､农村文化事业发展水平四项指标;反映农村乡风文明程度的农村合法生育率和农村刑事犯罪发生率指标;还有反映农村环境美化程度的农村绿化程度指标｡
　　
　　二、社会主义新农村建设综合评价模型的建立
　　
　　运用因子分析法建立综合评价模型,具体来说,可以分为以下几个步骤:
　　1.选择因子变量,构建新农村建设待评原始指标体系矩阵｡
　　2.将各变量的原始数据值进行标准化变换,标准化处理可以消除指标量纲和数量级大小不同对因子分析的影响｡
　　3.计算各变量观察值之间的相关系数矩阵R｡相关系数矩阵可以反映样本与各个变量之间相关程度的大小｡
　　4.测算相关系数矩阵R的特征方程､特征向量矩阵与特征值及方差贡献率､累积贡献率｡
　　5.计算因子载荷｡
　　6.因子载荷矩阵的旋转｡
　　7.计算因子分数及分类｡
　　8.计算综合得分值､排序及判定核心竞争力｡
　　按照结果就可以分析各个省份新农村建设的状况,而且按照综合得分值的大小还可以对各个省份新农村建设的成果进行先后次序的排列,以比较各个省份新农村建设成效的大小｡
　　
　　三、对全国新农村建设的实证分析
　　
　　(一)实际中各项指标数据的搜集和处理
　　在研究中,笔者旨在建立一个对社会主义新农村建设的综合评价模型,要建立这么一个模型,需要搜集大量的数据,而且要求这些数据必须来源可靠､相互可比｡由于统计资料收集非常困难,并且有关的数据工作量很大,故本文只对所得到的系统2005年的相关资料作为一个横截面进行研究｡
　　统计指标按照作用趋向的不同,可以分为正向指标､逆向指标和适度指标三类｡正向指标指那些数值越大越好的统计指标,逆向指标则是数值越小越好的指标,而适度指标指数值既不能太大,也不能太小的指标(张崇甫等,1995)｡譬如,农民人均纯收入就是一个正向指标,而农村刑事犯罪发生率则是一个逆向指标｡对逆向指标一般需要首先转换成正向指标,进而进行无量纲化处理｡对逆向指标的正向化方法一般采用取倒数的方法,对其进行倒数的正向化处理｡
　　(二)综合分析及其结果
　　因素分析的主要步骤包括:抽取共同因子､旋转因子轴并对提出的因子进行解释､计算样本单位的因子得分(袁方､王汉生,2004)｡对于因子分析,我们可以借助统计分析软件SPSS11.5完成｡
　　进行因子分析,通常要进行取样适宜性检验,其统计量为KMO(Kaiser-Meyer-Olkin Measure of Sampling Adequacy)指标｡KMO值较小时,表明观测变量间的共同因素较少,不适合做因子分析｡通常对该指标值的优劣判断标准为该指标值在0.9 以上,非常好;0.8-0.9,好;0.7-0.8,一般;0.6-0.5,差;0.5以下,不能接受(Joseph .F,1995)｡通过分析,KMO的值为0.708,该值在0.7以上,属于一般水平,表明这27项指标数据适宜做因子分析｡
　　由于可观测因素变量的计量单位不同,需要对原始数据矩阵进行标准化(无量纲化)处理,并求出其相关系数矩阵,对相关系数矩阵计算其特征值､(旋转)贡献比例值和累计贡献比例值｡由分析结果可知,变量相关系数矩阵的5大特征值分别为40.357､17.676､11.909､7.412､5.983,其累计贡献率达到83.336,即它们可共同解释原始变量标准化方差的83%｡同时,因素共同度(Communalitie)在0.591-0.964之间,说明全体变量能较好地被5个主因素解释,选择的5个主因素的信息已能比较充分地反映和代表各个样本省(市)社会主义新农村建设的综合水平｡
　　进而计算得到由原始变量指标的线性组合构成的新的综合变量及5个主因素上的单项因素得分F1-F5｡为了求得一个能够综合反映各个新农村建设整体水平的综合分数?熏本文以5大主因素的贡献率为权数,定义社会主义新农村建设水平综合因素得分为ΣF=0.40357F1+0.17676F2+0.11909F3+0.07412F3+0.05983F4
　　从而获得31个省(市)社会主义新农村建设水平的综合得分｡因素得分的含义是,综合得分值越高,说明社会主义新农村建设的越好｡如果得分为正(大于0),意味着新农村建设水平在全国平均水平之上;得分为负(小于0),则表明在全国平均水平以下｡
　　由因素分析结果可以看出:
　　第1主因素在农民人均纯收入､农民消费水平､农民实际就业程度等指标上具有很大的载荷和解释能力,因此,我们将其定义农民生活水平因素｡
　　第2主因素在农民经营管理水平､农业科学化水平等指标上具有一定或较高的正载荷和相关性｡表明农业现代化水平对社会主义新农村建设水平的提高具有重要意义,我们把其定义为农业现代化因素｡
　　第3主因素在农民平均受教育年限､农民思想观念更新程度等指标上具有一定或较高的正载荷和相关性,我们把这一主因素定义为精神文明因素｡
　　第4主因素在农业产业化程度､农村经济结构优化程度等指标上具有较高的正载荷和相关性,因此,可定义第4主因素为农村改革因素｡
　　第5主因素在农村道路硬化率､农村绿化程度上具有较大的正载荷和相关性,我们将其定义为农村环境因素｡
　　综合分析结果显示:31个省(市)的社会主义新农村建设水平可以明显地划分为四种类型:发达型､较发达型､一般型和落后型｡第一种类型包括上海､北京､浙江､天津四省(市),其得分在0.5以上;第二种类型包括山东､江苏､福建､广东四个沿海省份还有东北三省,其得分介于0到0.5之间;第三种类型则主要是河北､山西､陕西为代表的中国中部地区的省份以及西北农业自然条件相对较好的・新疆维吾尔自治区;第四种类型主要集中在中国广大的西部和西南地区,多为自然资源､经济发展水平落后地区｡第三､四种类型得分都在0分以下｡
　　
　　四、结论
　　
　　本文在研究方法上,采用定量研究和定性分析有机结合的方法｡方法模型主要运用了最为先进和科学的社会学多元统计分析模型,即因子分析模型,弥补了简单的综合评分法等其他方法的不足,同时,克服了专家打分法带来的主观性｡从得到的研究结果来看,和实际的客观情况保持了很好的一致性,也符合经验的定性判断,这正好印证了因子分析和聚类分析的科学性和先进性｡
　　从本文分析得出的结论看,首先是总体水平不高,从因子分析的综合得分来看,有19个(超过60%)的省份水平处在全国平均水平以下｡这说明我国新农村建设还处在起步阶段,建设新农村是一个长期的､艰苦的过程｡其次,中国东西部新农村建设的差距过大,除了东部几个发达省(市)之外,广大中西部的省(市)都还处在“零度”以下,农业还很落后,农村还很穷,农民生活还非常艰苦｡最后,在同样水平的农村地区,新农村建设的各项指标发展也不均衡｡因此,对于新农村建设,我们就应该继续从政策､经济上对农村增加投入,并且要把握东西部差距､地区内部各因素差距,抓好薄弱环节,全面地推进新农村建设｡
　　
　　参考文献:
　　［1］ 陈孝新.几种综合评价方法的实证比较［J］.江西财经大学学报,2004(3).
　　［2］ 郭翔宇.社会主义新农村的内涵特征及实现路径［N］.黑龙江日报,2005-11-14.
　　［3］ 郭志刚.社会统计分析方法――SPSS 软件应用［M］.北京:中国人民大学出版社,1999.
　　［4］ 袁方?熏王汉生.社会研究方法教程［M］.北京:北京大学出版社,1997.
　　［5］ 中华人民共和国统计局编.中国统计年鉴2006［M］.北京:中国统计出版社,2006.
　　［6］ 中国农业年鉴,中国住户调查年鉴,中国农村统计年鉴［M］.中国农业出版社,2006.
　　［7］ Joseph,F. Hair,J.R. Multivariate Data Analysis With Readings. 4th Edith. Ptentice-Hall Internal. INC,1995.

转载注明来源:https://www.xzbu.com/2/view-404934.htm