“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響

　　摘要：隨著“互聯(lián)網(wǎng)+”時代的到來，“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)在農(nóng)業(yè)經(jīng)濟(jì)領(lǐng)域的影響日益突出。為探索“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響程度，尋找其促進(jìn)湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的途徑，選取湖北省2006—2015年相關(guān)指標(biāo)建立主成分回歸分析模型，對其進(jìn)行定量分析。結(jié)果表明：互聯(lián)網(wǎng)的使用和精準(zhǔn)農(nóng)業(yè)技術(shù)的推廣對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展起著有益的推動作用。

　　關(guān)鍵詞：互聯(lián)網(wǎng)+精準(zhǔn)農(nóng)業(yè)；農(nóng)業(yè)經(jīng)濟(jì)；主成分回歸分析

　　0引言

　　“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)正呈現(xiàn)大發(fā)展之勢。當(dāng)前理論界對“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)在農(nóng)業(yè)經(jīng)濟(jì)領(lǐng)域應(yīng)用的特征、技術(shù)、模式、標(biāo)準(zhǔn)、路徑進(jìn)行了有益探索，也取得了一些成果[1-4]，但對“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)與農(nóng)業(yè)經(jīng)濟(jì)相互關(guān)系的定量研究較為鮮見。本文以“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展影響的定量研究為著力點(diǎn)，探索其對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響程度，揭示互聯(lián)網(wǎng)的應(yīng)用和精準(zhǔn)農(nóng)業(yè)技術(shù)的普及對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的作用。

　　1研究設(shè)計

　　1.1方法說明

　　主成分回歸分析方法能通過構(gòu)建原變量的線性組合，產(chǎn)生一系列互不相關(guān)的新變量，從中選出少數(shù)幾個含有盡可能多的原變量信息的新變量[5]，使得這幾個新變量能夠代替原變量，為分析問題和解決問題創(chuàng)造條件。由于主成分間具有不相關(guān)性，且能較好地反映原來眾多相關(guān)性指標(biāo)的綜合信息[6]，用主成分代表這些新的自變量進(jìn)行回歸分析，能使回歸方程及參數(shù)估計更加可靠[7]。因此本文采用主成分分析方法，提取主成分與因變量建立回歸模型，實(shí)證研究“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響。

　　1.2變量選擇與數(shù)據(jù)來源

　　本文選取湖北省2006—2015年農(nóng)業(yè)總產(chǎn)值（y）作為因變量，選取電腦普及率（x1）、互聯(lián)網(wǎng)寬帶接入用戶數(shù)（x2）、長途光纜長度（x3）、信息網(wǎng)站數(shù)（x4）、農(nóng)機(jī)總動力（x5）、有效灌溉面積（x6）、單位面積化肥施用量（x7）、單位耕地面積農(nóng)藥施用量（x8）、機(jī)耕面積（x9）、機(jī)播面積（x10）、機(jī)收面積（x11）、機(jī)械植保面積（x12）、化肥深施面積（x13）、微量元素使用面積（x14）、技術(shù)措施調(diào)控面積（x15）作為自變量。本文分析中所運(yùn)用的數(shù)據(jù)，主要來自《湖北統(tǒng)計年鑒》（2007—2016年）、《湖北農(nóng)村統(tǒng)計年鑒》（2007—2016年）和《湖北調(diào)查年鑒》（2011—2016年）。2實(shí)證分析2.1相關(guān)性分析在研究“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展影響之前，為明確各自變量與因變量之間是否存在較高的相關(guān)性，是否適合進(jìn)行回歸分析，首先對變量間的相關(guān)性進(jìn)行分析。利用SPSS21.0中的相關(guān)性分析模型計算變量間的相關(guān)系數(shù)，計算結(jié)果如下頁表1所示。一般情況下，當(dāng)相關(guān)系數(shù)小于0.3時，變量之間不存在線性相關(guān)關(guān)系；當(dāng)相關(guān)系數(shù)大于0.5時，變量之間存在線性相關(guān)關(guān)系。由表1可知：因變量農(nóng)業(yè)總產(chǎn)值（y）與單位面積化肥施用量（x7）之間的相關(guān)系數(shù)為0.074，與機(jī)械植保面積（x12）之間的的相關(guān)系數(shù)為0.077，小于0.3，線性相關(guān)性不顯著，在接下來的研究中剔除這兩個自變量。剩余的其他自變量與因變量間的相關(guān)系數(shù)全部大于0.5，有著比較明顯的相關(guān)性，本文擬將其選取進(jìn)行回歸分析。表1顯示，有的自變量間的相關(guān)系數(shù)還很高。例如機(jī)耕面積（x9）與電腦普及率（x1）、互聯(lián)網(wǎng)寬帶接入用戶數(shù)（x2）、長途光纜長度（x3）、信息網(wǎng)站數(shù)（x4）、農(nóng)機(jī)總動力（x5）、有效灌溉面積（x6）之間的相關(guān)系數(shù)都在0.9左右，有著極強(qiáng)的相關(guān)性，預(yù)示自變量間很可能存在著多重共線性，需要對變量多重共線性進(jìn)行診斷檢驗。

　　2.2自變量間多重共線性診斷

　　由于自變量的數(shù)目較多，而且從相關(guān)系數(shù)結(jié)果來看，自變量之間存在顯著相關(guān)，建立模型可能會出現(xiàn)嚴(yán)重的共線性，這種多重共線性會影響最小二乘估計。為對多重共線性進(jìn)行檢驗，本文擬采用方差擴(kuò)大因子法（VIF）進(jìn)行檢驗。VIF能夠反映某一自變量與其余自變量之間的線性相關(guān)程度，同時也能夠反映自變量之間是否存在多重共線性。一般情況下，當(dāng)VIF時，說明自變量與其余自變量之間存在著嚴(yán)重的多重共線性。為驗證是否存在多重共線性問題，利用統(tǒng)計軟件SPSS21.0對因變量與自變量進(jìn)行多元線性回歸分析。在進(jìn)行多重共線性檢驗之前，先對原始15個自變量與因變量之間做逐步回歸，最終刪去互聯(lián)網(wǎng)寬帶接入用戶數(shù)、農(nóng)機(jī)總動力等6個與因變量相關(guān)性不明顯的變量，再對剩余9個變量做多重共線性檢驗，共線性檢驗結(jié)果見表2。

　　2.3主成分回歸分析

　　2.3.1主成分檢驗

　　首先對湖北省2006—2015年電腦普及率（x1）、互聯(lián)網(wǎng)寬帶接入用戶數(shù)（x2）、長途光纜長度（x3）、信息網(wǎng)站數(shù)（x4）、農(nóng)機(jī)總動力（x5）、有效灌溉面積（x6）、單位耕地面積農(nóng)藥施用量（x8）、機(jī)耕面積（x9）、機(jī)播面積（x10）、機(jī)收面積（x11）、化肥深施面積（x13）、微量元素使用面積（x14）和技術(shù)措施調(diào)控面積（x15）13個變量的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。然后通過統(tǒng)計軟件SPSS21.0進(jìn)行KMO檢驗，判斷數(shù)據(jù)是否適合做主成分分析。KMO檢驗值為0.585，大于0.5，表明數(shù)據(jù)適合做主成分分析。

　　2.3.2主成分分析

　　利用統(tǒng)計軟件SPSS21.0進(jìn)行主成分分析，得到主成分特征值及貢獻(xiàn)率如表3所示。一般認(rèn)為，累積方差貢獻(xiàn)率達(dá)到85%的主成分就能夠較理想地反映總體的信息。從表3可知，前兩個主成分的累積方差貢獻(xiàn)率達(dá)到了87.95%，大于85%，因此選取前兩個主成分能夠較為準(zhǔn)確地反映全部指標(biāo)信息。

　　3結(jié)束語

　　本文運(yùn)用相關(guān)分析以及主成分回歸模型對湖北省2006—2015年的相關(guān)數(shù)據(jù)進(jìn)行定量分析，結(jié)果顯示電腦普及率、互聯(lián)網(wǎng)寬帶接入用戶數(shù)、農(nóng)機(jī)總動力、有效灌溉面積、技術(shù)措施調(diào)控面積等指標(biāo)與農(nóng)業(yè)總產(chǎn)值相關(guān)性顯著，而單位面積化肥施用量和機(jī)械植保面積與農(nóng)業(yè)總產(chǎn)值相關(guān)關(guān)系不明顯；進(jìn)一步由主成分回歸分析得到，電腦普及率、信息網(wǎng)站數(shù)、互聯(lián)網(wǎng)寬帶接入用戶數(shù)和機(jī)播面積、機(jī)收面積以及機(jī)耕面積能夠促進(jìn)農(nóng)業(yè)總產(chǎn)值的增加，說明互聯(lián)網(wǎng)的使用和精準(zhǔn)農(nóng)業(yè)技術(shù)的推廣對湖北省農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展起著有益的推動作用。

　　參考文獻(xiàn)：

　　[1]袁淑娟.淺析“互聯(lián)網(wǎng)+”現(xiàn)代農(nóng)業(yè)創(chuàng)新發(fā)展[J].集體經(jīng)濟(jì),2018,(2).

　　[2]戴晉,張運(yùn)棟,秦素研等.“互聯(lián)網(wǎng)+”現(xiàn)代農(nóng)業(yè)關(guān)鍵技術(shù)展望[J].種業(yè),2017,(10).

　　[3]趙子軍“.互聯(lián)網(wǎng)+”現(xiàn)代農(nóng)業(yè)需要支持[J].標(biāo)準(zhǔn)化，2016,(10).

　　[4]周勇“.互聯(lián)網(wǎng)+”現(xiàn)代農(nóng)業(yè)的經(jīng)營思維與創(chuàng)新路徑[J].農(nóng)業(yè)工程技術(shù)，2017,(2).

　　[5]李蘿秋.黑龍江省消費(fèi)需求的主要影響因素分析[J].科學(xué)技術(shù)創(chuàng)新,2013,(2).

　　[6]涂云燕,彭道黎.基于RS的森林蓄積量主成分回歸估測[J].東北農(nóng)林大學(xué)學(xué)報,2012,40(10).

　　[7]何楨,王文佳.確定顧客滿意度重要影響因素的方法[J].天津大學(xué)學(xué)報（社會科學(xué)版）,2004,6(3).

　　胡世霞1，沈祥成1，劉超群2

《“互聯(lián)網(wǎng)+”精準(zhǔn)農(nóng)業(yè)對湖北省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的影響》

上一篇：“精細(xì)農(nóng)業(yè)”的實(shí)踐與農(nóng)業(yè)科技創(chuàng)新

下一篇：精準(zhǔn)農(nóng)業(yè)節(jié)水灌溉技術(shù)推廣與應(yīng)用