陕西省农业现代化发展影响因素测定

秦 芳

（西安培华学院，陕西 西安 710125）

0 引言

农业现代化是指依靠经济发展和技术进步，利用科学管理模式，实现传统农业向现代农业的转变，即实现高产、优质、低耗农业产业体系，实现可持续发展的农业生态体系，实现科学管理的创新发展体系[1]。农业现代化关系着粮食安全、农民增收减贫、乡村振兴及城乡融合发展[2]。陕西省作为西北5 省的行政和经济发展中心，2022 年末，全省常住人口中农村人口占35.98%，第一产业占生产总值的比例为7.9%[3]。对陕西省农业现代化进行研究，把握影响其发展的核心因素，并提出相应的建议，不仅对于农民持续增收、巩固脱贫攻坚成果、促进城乡融合，还对推进西北5省及全国各省的农业现代化发展具有重要现实意义和参考价值。

农业现代化发展一直是研究人员关注和研究的重要议题。在国家层面上，相关研究可以分为3 类。第1 类是有关实现农业现代化路径的研究。从分析实现农业现代化的重要意义入手，探讨实现农业现代化所面临的困境，并提出完善现代农业基础设施、推进农业治理、拓展农业功能等方面的实现路径[4-6]。第2 类是从乡村振兴和农民增收视角研究农业现代化发展。将农业发展分为起步发展、初步发展、全面发展和深入推进等阶段，强调加强农业基础设施建设，推动绿色生态农业发展，优化产业链布局，注重乡村振兴、农民增收和城乡融合等方面的发展[7-9]。第3 类是综合评价我国农业现代化发展的研究，主要从农业投入水平、农业产出水平、农村社会发展水平、质量效益水平和农业可持续发展水平等方面构建指标体系，对我国农业现代化的发展水平进行综合评价，并提出相应的建议[10-13]。在区域层面上的研究主要集中在综合评价农业现代化的发展状况，吸取国内同类研究成果的基础上构建指标体系，对各省的区域性特征进行评价，并提出相应的对策和建议[14-16]。

对大量文献的梳理和研究发现，目前关于农业现代化的研究主要集中在对其综合评价和发展路径的探索，而对农业现代化发展影响因素的研究相对较少。本研究通过分析农业现代化发展的影响因素，弥补现有研究的不足，其贡献表现在构建指标体系，通过主成分分析方法对指标体系进行降维处理，找出影响陕西省农业现代化发展的核心因素，通过回归分析及假设检验，建立曲线回归模型，对影响因素进行量化测定，并分析边际效应。

1 陕西省农业概况

陕西省地势呈南北高、中间低，由高原、山地、平原和盆地等多种地貌构成，其中黄土高原占全省土地面积的40%，地跨黄河、长江两大水系，横跨3 个气候带，陕北北部长城沿线属中温带季风气候，关中及陕北大部属暖温带季风气候，陕南属北亚热带季风气候。《陕西省第三次全国国土调查主要数据公报》显示，全省耕地面积293.4 万hm2，81%分布在陕北高原和关中平原，榆林市、渭南市、咸阳市和宝鸡市耕地面积较大，合计占全省耕地面积的64.03%；陕西省水域及水利设施用地27.3 万hm2，榆林市、汉中市、安康市和渭南市水域面积较大，合计占全省水域面积的61.57%。陕西省着力推进特色现代农业建设，建成高标准农田134.1 万hm2，种粮面积稳定在300 万hm2，粮食生产“十九连丰”，年均产量保持在1 200 万t 以上，2022 年达到1 298 万t。陕西省完善提升农村公路超过5 万km[17]。

2 研究方法和数据来源

2.1 研究方法

主要利用主成分分析法和回归分析法，通过SPSS26.0 和EViews12.0 软件进行建模分析。

2.1.1 主成分分析法

主成分分析（Principal Component Analysis，PCA）是一种多元统计分析方法，用于考察多个变量之间的相关性。它可以从一组原始变量中提取少数几个主成分，这些主成分尽可能多地保留原始变量的信息，并且彼此之间不相关。在多元回归分析中，PCA 可以降低模型复杂度，同时避免自变量之间的多重共线性问题。利用主成分分析法对包含9 个变量的数据进行分析，目的是通过降维，找出影响陕西省农业现代化发展的核心因素。

2.1.2 回归分析法

回归分析法基于统计学原理，通过一系列假设检验建立拟合度较高的回归模型，揭示自变量与因变量之间的关系，并预测因变量的变化。根据主成分分析的结果，利用主成分与因变量进行回归分析，从而对陕西省农业现代化发展的影响因素进行量化测定。

2.2 数据来源

研究数据主要来源为《中国统计年鉴》和《陕西统计年鉴》、农业农村部、陕西省农业农村厅，以及及中国知网数据库，主要选择2001—2020 年相关数据进行分析。

3 影响因素分析

3.1 变量选择及说明

本着科学性、客观性和系统性原则，参考已有研究成果，结合《“十四五”推进农业农村现代化规划》《陕西省“十四五”数字农业农村发展规划》，最终从农业投入水平、农业产出水平、农村发展水平和农业可持续发展水平4 个维度选择9 个变量构建影响陕西省农业现代化发展的因素指标体系（表1）[1-16]。

表1 陕西省农业现代化发展影响因素指标体系Tab.1 Indicator system of influencing factors of agricultural modernization development in Shaanxi Province

3.2 数据处理及结果解析

3.2.1 数据处理

首先，检验9 个变量（X1～X9）是否适合做主成分分析。利用SPSS26.0 进行变量之间的相关性检验，结果显示变量之间存在显著相关关系，这为进行主成分分析奠定了基础，为了进一步验证是否适合做主成分分析，进行KMO 和Bartlett 球形度检验，KMO 的取值越接近于1，说明变量间的相关性越强，Bartlett 球形度检验的原假设（H0）是数据呈球形分布，即各变量在一定程度上相互独立。检验结果（表2）显示，KMO= 0.855，Bartlett 特球形度检验结果P＜0.001，拒绝原假设，即变量之间具有相关性。综合KMO 和Bartlett 球形度检验的结果，得出结论：这9 个变量具有相关性，适合进行主成分分析，可以继续进行下一步分析。

表2 KMO 和Bartlett 检验Tab.2 KMO and Bartlett test

其次，降维并提取主成分。以特征值大于1 且方差贡献率累积大于85%为判定准则。利用主成分分析法，对9 个变量提取主成分，结果如表3 所示。由表3 可知，特征值大于1 的主成分有农村投入产出及农村发展（FAC1）和农业治理（FAC2），FAC1的方差百分比为64.814%，表示FAC1能够解释这9 个变量中64.814%的信息。FAC1和FAC2的方差贡献率累积为89.221%，表明这2 个主成分共同解释了这9 个变量中89.221%的信息。因此，FAC1和FAC2能够较全面地解释文中构建的9 个影响陕西省农业现代化发展的指标。

表3 总方差解释Tab.3 Interpretation of total variance

分析表4 中旋转后的主成分与9 个变量的相关系数矩阵，可以揭示各主成分对每个变量的影响程度。相关系数的绝对值越接近于1，表明对应变量受主成分影响越大。由表4 可知，FAC1主要提取了8 个变量的信息，包括单位耕地面积产出率X5、单位耕地面积农药施用量X3、有效灌溉率X4、农村居民家庭平均每百户移动电话拥有量X7、森林覆盖率X8、劳均农业机械总动力X1及农业劳动者素质X6。而FAC2则主要提取了水土流失治理面积X9的信息。

表4 旋转后的主成分与变量之间的相关系数矩阵aTab.4 Correlation coefficient matrix between principal components and variables after rotation

3.2.2 结果解析

（1）对FAC1进行解析。FAC1和FAC2的累积方差贡献率为89.221%（表3）。其中，FAC1由8 个变量构成，其方差贡献率为64.814%（表3），这表明FAC1在陕西省农业现代化发展中起核心作用，占据主导地位。具体而言，在8 个影响因素中，单位耕地面积产出率X5的影响最为显著（表4），单位耕地面积产出率X5代表着农业产出水平，而农业产出水平是实现农业现代化的关键，当单位耕地面积产出率提高时，耕地利用效率也相应提高，农产品产量不断增长，从而更好地确保农产品特别是粮食的安全性，并优化农业投入结构和产出结构。单位耕地面积产出率的提高离不开单位耕地面积农药施用量X3和单位耕地面积化肥施用量X2的贡献。然而，农药和化肥的盲目施用会导致环境污染、农产品质量安全问题及增加农业生产成本等挑战。为此，陕西省采取了有机肥还田率提升、综合防控减少病虫害等多项措施，科学、精准、适量施用化肥和农药。有效灌溉率X4对陕西省农业现代化发展也具有显著影响（表4），陕西省多年平均降水量676 mm，降水南多北少，陕南为湿润区，关中为半湿润区，陕北为半干旱区。多年平均地表径流量426亿m3，水资源总量445 亿m3，居全国各省（市、区）第19 位。水资源时空分布严重不均。从时间分布上看，全省年降雨量的60%～70%大都集中在7—10 月，往往造成汛期洪水成灾，而春、夏两季旱情多发；从地域分布上看，秦岭以南的长江水系，流域面积占全省的37%，水资源量占到全省总量的71%，而秦岭以北的黄河水系，流域面积占全省的63%，水资源量仅占29%[18]。采用高效节水的灌溉技术，提高水资源的利用效率，成为节约水资源、推动农业高质量发展的重要举措。农村居民家庭平均每百户移动电话拥有量X7是衡量农村发展水平的指标，而农村发展水平与农业现代化发展相辅相成、相互促进。农业现代化发展离不开良好的农业生态环境，森林覆盖率X8是农业生态环境的基础，对农业现代化发展至关重要，可以减少农作物受灾面积，确保农业生产的稳定性和可持续发展。农业机械化是传统农业向农业现代化转变的重要标志之一，是提高劳动生产率的重要手段，不断加大劳均农业机械总动力X1，促进农业现代化快速发展。不断提升农业劳动者素质X6对农业现代化发展有正向的促进作用[19]。

（2）FAC2解析。FAC2由水土流失治理面积X9构成（表4），占主成分因素影响方差贡献率的24.407%（表3），水土流失治理与生态环境、农业经济可持续发展密不可分，对农业现代化发展影响显著。

3.3 综合回归分析

进一步验证FAC1和FAC2对陕西省农业现代化发展的影响，在主成分分析的基础上，选择农民人均纯收入Y1（以2000 年为不变价格的收入水平）和农村居民家庭恩格尔系数Y2两个因变量，FAC1和FAC2为自变量，取2001—2020 年的相关数据，利用EViews12.0进一步分析各主成分对陕西省农业现代化发展的影响程度[20-21]。

3.3.1 序列平稳性检验

为了防止出现伪回归，首先需要对时间序列进行平稳性检验，即ADF 检验，原假设（H0）是至少存在一个单位根，即序列非平稳；备择假设（H1）是不存在单位根，即序列平稳。检验结果显示，在10%显著性水平下，变量Y1、Y2、FAC1、FAC2均拒绝原假设，即不存在单位根，均为0 阶平稳序列，因此，可以继续建立和分析回归模型。

3.3.2 模型设定

以FAC1和FAC2为自变量，Y2和Y1为因变量，建立线性回归模型，尝试在线性回归模型中引入变量的平方项和变量间的交互项等方法。并进行一系列假设检验，利用F-test 对回归模型的总体显著性检验，即检验全部自变量对因变量的共同影响是否显著；利用Ramsey Reset test 进行回归模型设定误差的检验；利用White test 进行残差异方差检验；利用BG test 进行残差自回归检验；利用Shapiro-Wilk 进行残差正态性检验。经过反复尝试并结合实际情况，最终得到如下回归模型形式及相关检验结果（表5）（α=0.05）。

表5 模型1 和模型2 的检验结果Tab.5 Test results of model 1 and model 2

F-test 中，模型1 和模型2 的原假设（H0）是总体影响不显著，备择假设（H1）是总体影响显著。Ramsey Reset test 中，模型1 和模型2 的原假设（H0）是回归模型不存在设定误差，备择假设均（H1）是回归模型存在设定误差。White test 中，模型1 和模型2的原假设（H0）是残差同方差，备择假设（H1）是残差异方差。BG test 中模型1 和模型2 的原假设（H0）是残差无自相关，备择假设均（H1）是残差存在自相关；Shapiro-Wilk 检验中，模型1 和模型2 的原假设（H0）是残差序列服从正态分布，备择假设（H1）是残差序列不服从正态分布。

由表5 可知，模型1 和模型2 中AdjustedR2非常接近于1，说明模型1 和模型2 的拟合程度非常高，即模型中引入的自变量FAC1和FAC2对Y1和Y2的解释能力非常强。F-test 结果的P＜0.05，均拒绝原假设，说明两个模型均高度显著，即模型1 和模型2 中的所有自变量对因变量的总体影响显著。Ramsey Reset test 的结果分别为0.010 4 和0.055 6，均＞0.01，则均不拒绝原假设，即模型1 和模型2 的函数形式正确。White test 的结果分别为0.075 2 和0.258 4，均＞0.05，残差均为同方差。BG test 的结果分别为0.070 9 和0.315 7，均＞0.05，均不拒绝原假设，即模型1 和模型2 的残差不存在自相关。Shapiro-Wilk 检验结果分别为0.589 和0.452，均＞0.1，不拒绝原假设，即模型1 和模型2 残差均服从正态分布。

3.3.3 回归分析

由表6 可知，模型1 和模型2 中所有自变量的回归系数和常量t检验的P值均＜0.05，说明各自变量对因变量的影响均显著。

表6 回归模型估计结果Tab.6 Estimation results of regression model

将回归系数和常量代入回归模型可得

模型1 中回归系数的含义，FAC1以线性的形式出现在回归模型中，其回归系数为1 900，说明在其他变量保持不变的条件下，每增加一个单位的FAC1，可使Y1平均增加1 900 元。FAC2以平方项的形式出现在模型1 中，其系数为负，说明Y1与FAC2呈现倒U 型曲线关系，FAC2对Y1的边际效应不是恒定的，而是呈现初始的正效应和后期的负效应。具体而言，初始阶段，随着FAC2的增加，Y1增加，而在农业治理成熟之后，一旦FAC2超过某个阈值，增加FAC2反而会对Y1产生负面影响。

模型2 中回归系数的含义，FAC1的回归系数为负，说明增加FAC1会导致Y2降低，与预期一致，具体而言，FAC1的系数为-5.3，说明在其他变量保持不变的条件下，每增加一个单位的FAC1，Y2平均下降5.3%。FAC2以平方项的形式出现在模型2 中，并且回归系数为正，说明FAC2与Y2之间呈现U 型曲线关系，FAC2对Y2的边际效应不是恒定的，当自变量FAC2处于低较水平时，增加FAC2，会显著降低Y2，然而，一旦自变量FAC2超过某个阈值，边际效应变为负。即水土流失治理面积FAC2增加到一定程度后，对Y2的下降不再具有促进作用。

4 结论及建议

4.1 结论

综合主成分分析和回归分析的结果表明，FAC1是影响陕西省农业现代化发展的核心因素。回归模型分析发现，FAC1对Y1和Y2的影响效果都非常显著。具体而言，大量投入FAC1，能够持续增加Y1并降低Y2。另一方面，FAC2对Y1和Y2的影响呈现曲线关系，提示在农业现代化发展初期，需要加大农业治理力度，以促进Y1的增长和降低Y2。

FAC1是关键的推动因素，而FAC2在农业现代化发展初期具有重要的作用，共同促进了陕西省农业现代化发展，并对Y1和Y2产生积极影响。

4.2 发展建议

FAC1是陕西省农业现代化发展的核心因素，依据FAC1主要提取文中8 个变量的信息，结合陕西省实际情况。在促进陕西省农业现代化发展过程中，需进一步加强农业技术培训和科技支持，提高农民对现代农业技术的掌握和应用能力，以提高农产品产出率和农药施用的科学合理性。加大对农田水利设施的建设和改造，提高农田灌溉效率，减少水资源浪费，确保农作物的充足灌溉。不断推动信息技术在农业生产和农村发展中的应用，提供农民与市场、技术和信息的便捷渠道，促进农业现代化和农村经济的融合发展。进一步加强生态环境保护和资源节约利用，提高农业机械化水平，培养农业劳动者的专业技能和创新能力。

依据FAC2主要提取文中1 个变量的信息，结合陕西省实际情况，在促进陕西省农业现代化发展过程中，需不断加大对水土流失治理的投入和力度，采取合理的水土保持措施，包括植被恢复、防风固沙、梯田建设等，减少土壤侵蚀和水土流失的风险，保护农田生态环境，进一步加强农田水利设施的维护和管理，确保农田排水良好，有效避免水浸和积水造成的农作物损失和土地退化。