牛 凯,胡 亮,曹 艳

(四川省农业科学院 农业信息与农村经济研究所，四川 成都 610066)



中国粮食主产区农业现代化效益水平的实证分析

牛 凯,胡 亮,曹 艳

(四川省农业科学院 农业信息与农村经济研究所，四川 成都 610066)

为了客观地分析我国粮食主产区农业现代化发展水平及其区域差异，对比分析国内的最新研究成果，采用主成分分析法与Hodrick-Prescott滤波相结合的形式进行实证研究，对我国粮食主产区改革开放37年(1978～2014年)来农业现代化效益水平做出客观的评价。研究表明：狭义农业现代化效益水平总体上要高于广义农业现代化效益水平，这与实际情况相符；各粮食主产区农业现代化效益水平总体上呈现上升的趋势；各粮食主产区农业现代化效益水平的排序呈现动态的变化，且地区差异逐渐缩小；在改革开放初期、中期和后期，各粮食主产区的农业现代化效益水平分别呈现上升、调整、再上升的趋势。为了进一步促进我国粮食主产区农业现代化进程，应不断提高农业资源的利用效率，转变农业的生产经营方式，加快农业科技成果的转化。

粮食主产区；农业现代化；效益水平；区域差异；主成分分析；Hodrick-Prescott滤波

农业现代化是一个动态的、相对的、不断发展的历史过程，在此过程中，随着经济的发展、技术的创新和社会的进步，使得农业现代化进程明显加快，农业现代化水平不断提高，尤其是改革开放30多年来，我国粮食主产区的农业现代化建设获得了较大的发展，实现了历史性跨越。鉴于农业现代化的主要目标是提高农业的综合生产能力，因此，只有对我国粮食主产区农业现代化的效益水平及其区域差异做出客观的评价，才能更加真实地反映我国粮食主产区农业现代化的总体发展水平。深入研究我国粮食主产区农业现代化的效益水平，正确评价粮食主产区农业现代化的发展现状，全面分析了粮食主产区农业现代化水平的时空差异，详细探讨了粮食主产区农业现代化发展的限制性因素，对于制定我国农业发展政策，合理配置资源，进一步推动我国农业现代化的发展均具有重要的理论价值和现实意义。

1 文献综述

农业现代化一直是中国农业经济学界长期关注的热点问题，近年来国内学者分别从静态[1-4]和动态[5-17]的角度对农业现代化发展水平做了大量的实证研究，从研究内容上看大致可分为3种类型:一是研究农业现代化的发展水平[1-7]，二是研究农业现代化的发展阶段[8-16]，三是研究农业现代化的效益水平[17]。从研究方法上看，有的采用层次分析法[5-6,8-15]开展相关研究，有的采用灰色关联分析法[7,17]和灰色聚类分析法[2]开展相关研究，有的采用主成分分析法[4,16]和因子分析法[1,3]开展相关研究。

学者们详细地分析了不同区域农业现代化的发展现状，构建了多种农业现代化评价指标体系，对农业现代化的发展水平、效益水平、发展趋势和影响因素进行了大量实证分析，并取得了一些研究成果。但是上述研究仍然存在一个普遍性的问题，就是测评结果的可比性较差，主要表现在以下3个方面：

(1)对农业现代化内涵认识上的不一致导致可比性较差。尽管这些研究都是对广义农业现代化进行评价，但它们在构建农业现代化评价指标体系上并未形成一致的认识，因而导致农业现代化评价指标体系结构和评价标准的差异，进而影响农业现代化测评结果的可比性。

(2)数据标准化方法的不恰当选择导致可比性较差。通常在进行数据综合时必须对原始数据进行标准化处理，而在选择标准化方法时有相当数量的研究选择了具有归一特征的标准化方法，即Min-max标准化[5-6,16-17]，Max标准化[13]和标准值(SODS)处理法[9-11,14]，这几种标准化方法对于多指标综合是不合适的，也许这并不会使各指标标准化后所得到的新的时间序列本身产生失真，但由于这些新的时间序列的最小值以及最大值在数值上的趋同(0或1)，必将导致新的时间序列之间的比较关系产生失真，进而造成数据综合的失真，而综合测评数据之间的运算将进一步放大这种失真，尤其是在最小值或最大值及其附近将产生严重的失真。实际上，各指标时间序列在可比较的情况下，其最小值或最大值一般来说是不可能为相同的数值(0或1)。

(3)杂波的干扰导致可比性较差。一方面人们在构建农业现代化评价指标体系时，往往面面俱到，把许多看似相关而无直接联系的指标纳入到评价指标体系中，有的甚至将根本不相关的指标也纳入到评价指标体系中，这就导致这些数据中的主要信息以杂波的形式也被纳入到评价指标体系中，进而对数据的综合测评结果产生较大的不利影响，使综合数据的真实信息淹没在大量的杂波中。另一方面综合测评数据即包含趋势又包含波动，趋势反映的是数据的核心成分，而波动反映的则是数据的不确定成分(如：气候、政策、经济、市场等)。现有研究对于综合测评数据的趋势与波动均未进行分离，在做相关分析时势必受到杂波的影响。为了克服现有研究的不足，笔者采用主成分分析法与Hodrick-Prescott滤波相结合的形式进行实证分析，对不同时期各粮食主产区农业现代化的效益水平作出客观的评价，为制定农业现代化相关政策提供理论依据，以促进我国粮食主产区农业现代化的快速发展。

2 数据来源与研究方法

2.1 数据来源

本研究选取数据的地区范围是全国粮食主产区，包含河北(1)、内蒙古(2)、辽宁(3)、吉林(4)、黑龙江(5)、江苏(6)、安徽(7)、江西(8)、山东(9)、河南(10)、湖北(11)、湖南(12)、四川(13)、全国(14)等14个区域，选取上述各区域的原始数据有：粮食主产区农林牧渔业全社会固定资产投资及指数、播种面积、农林牧渔业从业人数、农业机械总动力、化肥施用量、农村用电量、有效灌溉面积、农林牧渔业总产值及指数、主要农作物产量、农村居民恩格尔系数，其中，农林牧渔业全社会固定资产投资和农林牧漁业总产值均按不变价计算(1978年为基年)。样本取自1978～2014年的年度数据，本研究的所有原始数据均来源于相关统计资料[18-22]以及上述各省区2015年统计年鉴。

2.2 研究方法

本研究以我国粮食主产区为研究对象，以农业综合生产效率和狭义农业现代化水平2个综合指标变量作为主要指标，采用农业综合生产效率与狭义农业现代化水平之比的数学表达方式，定义并构建我国粮食主产区农业现代化效益水平评价指标体系，该指标体系与其他同类指标体系相比最大的特点就是摒弃了现有研究对数据的简单堆砌，使得农业现代化效益水平评价指标体系能充分反映农业现代化与农业生产之间的内在联系，具有较强的系统性、相关性、科学性和可操作性等特点，它揭示了农业现代化的真实内涵和基本特征。通过对我国粮食主产区农业现代化效益水平的研究，从时间与空间的角度分析我国粮食主产区农业现代化发展的历史过程、演变规律、区域差异，以及对农业生产的作用机制，能更加真实地反映不同区域农业现代化的发展现状。首先，采用统计学软件SPSS 19，基于主成分分析法对我国粮食主产区狭义农业现代化水平和农业综合生产效率进行数据综合，数据的标准化采用统计软件SPSS 19提供的标准化方法。其次，采用计量经济学软件Eviews 6.0，对农业现代化效益水平序列数据进行Hodrick-Prescott滤波，分离出数据的趋势成分和波动成分。然后，分别对各粮食主产区农业现代化效益水平序列的趋势成分和波动成分进行分析比较。

3 主成分分析

在实际问题研究中，为了全面、系统地分析问题，我们必须考虑到各种因素的影响。因为每种影响因素都在不同程度上反映了所研究问题的某些信息，而较多的变量无疑会为相关分析研究提供丰富的信息，但也在一定程度上增加了各变量相关数据采集和处理的难度，增加了计算量和分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多，而主成分分析正是解决上述问题的有效方法。

3.1 指标选择

为了准确反映我国粮食主产区农业现代化的发展水平，将劳均农业机械总动力、单位耕地面积化肥施用量、劳均农村用电量、有效灌溉率、单位耕地面积固定资产投入等指标(表1)，作为狭义农业现代化水平的评价指标，主要反映的是农业现代化生产条件，这些生产条件的改善是农业技术进步的具体体现，它将有效地促进农业综合生产能力的显著提升。从狭义农业现代化水平的相关评价指标看，有相当数量的评价指标数据存在较大的非农损耗，也就是说与狭义农业现代化评价指标数据相关的资源并未完全投入到农业生产中，因此，为了更加真实地反映各粮食主产区农业现代化的效益水平，需要对狭义农业现代化水平的综合指标变量进行必要的修正。将农业劳动生产率和土地生产率2个指标(表2)，作为农业综合生产效率的评价指标，主要反映的是农业综合生产能力，它是农业现代化水平对农业生产促进作用的直接体现。

表1 农业现代化水平评价指标

表2 农业综合生产效率评价指标

3.2 相关性分析

本研究分别对各粮食主产区相关变量的评价指标做相关性分析，由各变量的评价指标相关系数矩阵(略)可以看出，在1%显著水平上各变量的评价指标之间存在非常显著的相关关系，同时，对各变量评价指标的有效样本数据进行KMO抽样适当性检验和Bartlett球形检验，检验结果显示，各粮食主产区相关变量的评价指标相关系数矩阵的KMO值均大于0.5，Bartlett球形检验显著性均为0.000(P>0.01)，因此可以通过主成分分析方法，综合提取各指标变量中的各类信息，形成各粮食主产区狭义农业现代化水平和农业综合生产效率等综合变量。

3.3 主成分提取

运用SPSS 19统计软件得到粮食主产区和全国的狭义农业现代化水平和农业综合生产效率等综合变量的评价指标相关系数矩阵的特征值和方差贡献率，由表3和表4可以看出，各粮食主产区及全国狭义农业现代化水平和农业综合生产效率提取主成分的累积方差贡献率均大于85%，可以很好地解释相关指标数据。

表3 各地区农业现代化水平相关系数矩阵的特征值和方差贡献率

表4 农业综合生产效率相关系数矩阵的特征值和方差贡献率

3.4 主成分综合

由SPSS 19统计软件运算得到成分矩阵，通过将成分矩阵的各元素除以主成分特征值的平方根，计算得到对应的特征向量矩阵(略)。再将特征向量矩阵与对应指标的标准化向量按(1)、(2)、(3)式计算就可得到各粮食主产区和全国的农业现代化水平(Yi，i=1,2,3，…，14)和农业综合生产效率(Xi，i=1,2,3，…，14)等综合变量序列。

(1)

(2)

(3)

式中:Y为农业现代化水平，X为农业综合生产效率，W为特征向量，λ为主成分特征值，C为农业现代化水平评价指标的标准化向量，B为农业综合生产效率评价指标的标准化向量。M为农业现代化效益水平，N为农村居民恩格尔系数以1978年为基准的相对值(N=当年农村居民恩格尔系数/1978年农村居民恩格尔系数)。

3.5 狭义农业现代化水平修正

由狭义农业现代化水平(Yi)和农业综合生产效率(Xi)的时间序列数据(略)可以看出，各粮食主产区和全国的狭义农业现代化水平(Yi)和农业综合生产效率(Xi)在总体上均呈现为波动上行的趋势，但是两者的增长速度存在较大的差异，狭义农业现代化水平的增长速度明显要大于农业综合生产效率的增长速度，两者的变化趋势呈现出明显的失衡状态，即随着农业现代化进程的推进，农业现代化效益水平总体上不是上升，而是处于下降的状态，这显然与实际情况不符，造成这种现象的原因主要是由于在农业现代化评价指标的相关数据中，有相当数量的评价指标数据存在较大的非农损耗，也就是说与这些评价指标数据相关的资源并未全部投入到农业生产中，而是被社会进步导致的其他非农社会需求的相应增加消耗掉。为此，需对狭义农业现代化水平作必要的修正，为了便于计算，同时避免由正负号引起序列间以及序列本身的运算失真，故将狭义农业现代化水平(Yi)和农业综合生产效率(Xi)的时间序列数据在纵坐标方向上作坐标平移，使得所有序列的数据均为正值。为了使相关运算结果更加符合客观实际，平移距离设定为|min|+e，其中min∈Xi，Yi，e=2.71828。

农村居民恩格尔系数是反映农村居民家庭生活水平和农村社会富裕程度的重要指标，随着农村居民家庭生活水平和农村社会富裕程度的不断提高，必将导致其他非农社会需求的相应增加，进而造成狭义农业现代化相关资源的大量非农损耗，而以1978年为基准的农村居民恩格尔系数相对值可从另一个侧面反映狭义农业现代化相关资源非农损耗的变化情况，因此，可以以1978年为基准的农村居民恩格尔系数相对值，对经坐标平移后的狭义农业现代化水平进行修正。再根据(4)式计算出各粮食主产区农业现代化效益水平序列。

4 Hodrick-Prescott滤波

对各粮食主产区和全国农业现代化的效益水平作Hodrick-Prescott滤波，得到农业现代化效益水平的趋势图(图1)和波动图(图2)，为了便于更加详细地分析农业现代化的核心效益水平及其波动情况，将各粮食主产区农业现代化效益水平波动数据的峰度和偏度列于表5中，并将各粮食主产区和全国农业现代化效益水平的趋势数据列于表6中。

5 结果与分析

5.1 趋势分析

按照农业现代化效益水平的全国趋势(图1)，将改革开放以来37年分为3个阶段：第一阶段(1978～1987年)为改革开放初期，粮食主产区中除了辽宁省处于下降趋势，河北和江西2个省区处于基本平衡态势外，其他10个省区的农业现代化效益水平均处于快速增长趋势，表明在改革开放初期随着农业现代化水平的提高，综合生产效率大幅增长，促进了农业现代化效益水平的增长。第二阶段(1988～2001年)为改革开放中期，粮食主产区中除了江西省和湖北省2个省区处于持续上升趋势，内蒙古处于缓慢下降的趋势外，其他省区的农业现代化效益水平均处于调整态势，其中辽宁、河北、江苏、河南呈现出深度调整的状态，大部分省区的农业现代化效益水平低于全国平均水平，表明随着农业人口的快速增加，农业产出的增长相对缓慢，综合生产效率相对低下，农业现代化仍停留在简单、粗放、高能耗、低产出的水平上，而在此期间经济体制改革进一步深化，涉及到农业的相关政策调整频繁，也对农业现代化效益水平产生较大影响，导致农业现代化效益水平总体上呈现调整态势。第三阶段(2002～2014年)为改革开放后期，粮食主产区中大部分省区的农业现代化效益水平高于全国平均水平。在这一时期所有粮食主产区均逐步呈现加速上升趋势，表明随着城镇化进程的加快，大量农业劳动力向城镇第二、三产业转移，进一步推动了农业现代化的发展，使得综合生产效率增长相对较快，提高了粮食主产区农业现代化效益水平，使得农业现代化效益水平总体上呈现加速上升趋势。从3个阶段的趋势看，农业现代化效益水平的地区差异总体上是在缩小。

表5 农业现代化效益水平波动数据的偏度和峰度

图1 农业现代化效益水平趋势

图2 农业现代化效益水平波动

5.2 波动分析

由图2可以看出各粮食主产区农业现代化效益水平呈现周期性的波动，这种周期性波动并不是哪一个因素单独引起的，而是多种因素叠加作用形成的。它既有可能是气候因素引致，也可能是由政策调整等不确定因素引起，还有可能是宏观经济和市场波动造成的冲击。对于农业现代化效益水平来说这些因素中气候因素是主要因素，周期性相对较强，而政策调整、宏观经济和市场波动是则次要因素，不确定性相对较强。农业现代化效益水平波动数据的峰度反映的是农业现代化效益水平对各种影响因素的敏感性，峰度越高敏感性越强，意味着农业现代化效益水平越容易受各种影响因素的影响。从各粮食主产区农业现代化效益水平波动数据的峰度大小(表5)，可以看出各粮食主产区农业现代化效益水平对各种影响因素的敏感性由强到弱依次排列为：安徽、辽宁、四川、山东、吉林、江西、江苏、黑龙江、河南、河北、湖北、内蒙古、湖南。农业现代化效益水平波动数据的偏度反映的是农业现代化效益水平受各种影响因素影响的程度，偏度越低受影响程度越大，意味着各种影响因素对农业现代化效益水平的影响越大。从各粮食主产区农业现代化效益水平波动数据的偏度大小(表5)，可以看出各粮食主产区农业现代化效益水平受各种影响因素影响的程度由大到小依次排列为：四川、安徽、江苏、湖北、黑龙江、河北、湖南、内蒙古、江西、山东、河南、辽宁、吉林。从总体上看，各粮食主产区农业现代化效益水平的波动幅度呈现逐年减小的趋势，在一定程度上表明各粮食主产区随着农业现代化水平的提高，其抗灾减灾能力、政策适应能力以及抗击经济与市场冲击能力逐步增强。

5.3 排序变化

由图1和表6可以看出，在改革开放初期(1978～1987年)，大部分北方省区的农业现代化效益水平要高于南方省区，这主要是由于北方省区农业劳动力相对于南方省区少，加之北方省区土地的规模化生产水平相对于南方省区高，使得其综合生产效率较高。随着农业现代化水平的不断提高，河南、内蒙古、安徽、湖北、湖南、江苏、山东、四川等省区的农业现代化效益水平出现快速跃升，吉林、黑龙江等省区也出现缓慢上升的趋势，河北、江西等省区则保持基本平稳的状态，而辽宁省的农业现代化效益水平则呈现下降趋势，这主要是由于机械化、电器化的发展使得具有土地规模化生产能力的河南、内蒙古、山东、安徽等省综合生产效率大幅提高，而化肥的施用则使得湖北、湖南、四川、江苏等省弥补了土地细碎化的不足，提高了综合生产效率。对于吉林、黑龙江等省区土地肥沃而细碎化，农业生产采用的是精耕细作，低层次的农业现代化对其农业现代化效益水平影响不大。对于辽宁、河北等省区农业现代化效益水平本身较高，随着农业现代化水平的快速提高，而其综合生产效率提高相对较慢，造成农业现代化效益水平下滑。改革开放初期各粮食主产区农业现代化效益水平排序为(取均值)：辽宁、河北、河南、山东、四川、吉林、黑龙江、安徽、内蒙古、江苏、江西、湖南、湖北。

表6 农业现代化效益水平趋势

进入改革开放中期(1988～2001年)，各粮食主产区的农业现代化效益水平总体上呈现调整状态，其中，内蒙古、吉林、黑龙江、四川、山东、湖北、河南、湖南等省区的排序相对靠前并相互交替保持前列，安徽、河北、江西、江苏、辽宁等的排序相对靠后且交替换位，表明随着经济体制改革的进一步深入，农业生产结构、布局以及相关配套政策措施的深度调整，使得在这一阶段各粮食主产区农业现代化水平的提高仅仅是量的增加，而无质的改变，各粮食主产区的农业现代化效益水平在总体上处于不断调整中。改革开放中期各粮食主产区农业现代化效益水平排序为(取均值)：内蒙古、黑龙江、吉林、四川、安徽、湖北、山东、河南、湖南、江西、河北、江苏、辽宁。

进入改革开放后期(2002～2014年)，各粮食主产区的农业现代化效益水平总体上呈现加速上升的趋势，其中，除辽宁、江苏、江西等省区的农业现代化效益水平呈现快速上升的趋势外，其他省区的农业现代化效益水平均呈现稳步上升的趋势，表明随着各粮食主产区农业生产结构、布局、以及相关配套政策措施基本上调整到位，其农业现代化水平开始由量向质的方向转变，各粮食主产区的农业现代化效益水平在总体上处于上升趋势。改革开放后期各粮食主产区农业现代化效益水平排序为(取均值)：湖北、湖南、江苏、江西、辽宁、河南、安徽、河北、山东、四川、内蒙古、吉林、黑龙江。

6 讨论

6.1 农业现代化效益水平的区域差异

在对各粮食主产区农业现代化效益水平的分析中不难发现，在不同时期各粮食主产区的农业现代化效益水平均存在明显的差异，在改革开放初期，辽宁、河北、河南、山东等省区优势明显，这主要由于这些省区农业人口相对较少，而土地的规模化生产能力相对较高。但是，进入改革开放中期后，随着农村实行家庭联产承包制，农业生产规模变小，农业机械化发展和水利设施建设速度变缓，土地较高的规模化生产能力已被大大地削弱，不再具有以往的优势，使得这些省区农业现代化效益水平大幅下滑。而在此期间，内蒙古、黑龙江、吉林、四川等省区的优势逐渐显现，这主要是因为这些省区大部分土壤肥沃，水利设施相对完善，农业资源得到有效利用，使得农业产出比较稳定，有利于农业现代化水平的充分发挥。进入改革开放后期，湖北、湖南、江苏、江西等省区后发优势明显，这主要是因为这些省区农业技术研发与推广体系相对完善，农业技术成果转化程度相对较高，使得农业产出增加显著，农业综合生产能力提高较快。在改革开放初期、中期和后期各粮食主产区的农业现代化效益水平分别呈现上升、调整、再上升的趋势，从总体上看，各粮食主产区的农业现代化效益水平呈上升趋势，表明随着社会的发展和技术的进步，各粮食主产区农业现代化进程明显加快，其效益水平也有了较大的提高。

6.2 农业现代化效益水平的表达差异

关于农业现代化的效益水平问题现有研究很少，仅有1篇文献[17]涉及到相关研究，该研究将农业现代化效益水平定义为广义农业现代化收益指数与成本指数之差，相对于比值定义形式而言，这种差值定义形式缺乏明确的经济含义，不具有表达效益水平的基本经济特征，难以客观、准确地解释农业现代化发展过程中的各种经济现象。为了便于与本研究的相关结果作比较分析，在这里我们不妨对现有研究[17]中的农业现代化效益水平采用比值定义形式进行相关分析，则不难发现其经济含义比较明确，即成本收益率(或投入产出率)，尽管从该研究相关评价指标的定义上看更偏重于社会进步的成分，其成本收益率也更多地反映出整个农村社会的发展状况，但也可在一定程度上粗略地反映农业现代化的发展状况。而在本研究中将农业现代化效益水平定义为农业综合生产率与狭义农业现代化水平之比，其经济含义明确，可更加客观、准确地反映农业现代化的发展状况。由此可见，现有研究[17]与本研究在农业现代化效益水平的表达上有着显著的差异，前者强调的是广义农业现代化的投入产出效率，侧重于从农村社会进步的视角开展相关研究，而后者强调的是狭义农业现代化在农业生产中所发挥的作用，侧重于从农业技术进步的视角开展相关研究。

6.3 全国农业现代化效益水平波动趋势差异

对于全国农业现代化效益水平的总体趋势，现有研究[17]与本研究即存在相似之处也存在明显差异。在图3中T14为本研究的全国狭义农业现代化效益水平趋势数据，T15为现有研究[17]的全国广义农业现代化效益水平趋势数据。由图3可以看出，广义农业现代化效益水平(T15)均低于狭义农业现代化效益水平(T14)，这与实际情况完全相符。现有研究[17]与本研究的农业现代化效益水平在波动方向上存在某种相似性，但在波动趋势上则存在较大差异，主要表现在以下3个方面：

(1)波动缓急差异，前者波动过于剧烈，波形上升和下降速度都过快，且波动幅度较大，而后者波动相对平缓。(2)转折时间差异，两者在第一个峰顶转折时间一致，均发生的在1988年，而在第一个峰谷转折时间却相去甚远，前者发生在2001年，后者发生在1993年，可以看出1988年后前者比后者下降速度快，下降时间长，下降幅度大，到2001年基本上又回到了1981年的水平。(3)总体趋势差异，前者总体上呈现振荡而非上升的趋势，而后者总体上呈现上升的趋势。实际上，在改革开放初期，农村经济体制发生了重大转变，有力地推动了农业现代化进程，使得农业现代化效益水平呈现快速上升的趋势；在改革开放中期，随着我国经济体制改革的进一步深入，对农业生产结构、布局以及相关配套政策措施进行了一系列调整，这种调整是农业自然生态系统内的自适应调整，不会出现“突变”式剧烈变化的情况，因此，改革开放中期农业现代化效益水平呈现小幅回调后缓慢上升应该是比较合理的解释；在改革开放后期，随着城市化的发展，促进了农业资源的合理、有效配置，进一步推动了农业现代化进程，使得农业现代化效益水平稳步上升，同样，由于这些变化都是有序的、渐进的，不太可能对农业现代化效益水平产生巨大的冲击作用，因此，改革开放后期农业现代化效益水平呈现稳步上升应该是比较合理的解释。综上所述，可以看出本研究结果相对于现有研究更加符合我国农业现代化发展的实际情况。

图3 狭义与广义农业现代化效益水平的趋势比较

6.4 现有研究数据标准化产生失真的原因分析

相比狭义农业现代化，广义农业现代化包含有较多的城市化内容，随着城市化进程的加快，广义农业现代化水平可能呈现较快的上升趋势，但这并不意味着其效益水平也会随之较快上升，这还取决于广义农业现代化的收益水平与成本水平。而广义农业现代化收益与成本所涉及的面都非常广泛，其变化均要受到方方面面因素的牵制和影响，不太可能发生如此剧烈的变化，这意味着现有研究[17]的相关结果可能存在较大的失真。从现有研究[17]的相关数据看，收益与成本时间序列的初期数据以及末期数据在数值上趋同，表现为典型的归一特征。这是由于收益与成本的各相关评价指标时间序列经过Min-max标准化后，其初期数据以及末期数据在数值上趋同，并导致收益与成本综合测评结果的初期数据以及末期数据在数值上也出现趋同的现象，正是这种趋同的现象造成农业现代化效益水平(收益/成本)向趋同方向快速上升(收益<成本)或快速下降(收益>成本)的根本原因，进而导致农业现代化效益水平的初期数据以及末期数据波动过于剧烈，波形严重失真。由此可见，数据的Min-max标准化是不适合多指标综合与比较的。

7 结论

本研究通过查阅大量国内外有关农业现代化方面的文献资料，以指标体系的系统性和相关性为基本原则，以国内相关统计资料的数据为基础，构建了农业现代化效益水平的评价指标体系。采用主成分分析法与Hodrick-Prescott滤波相结合的形式进行实证分析，对不同时期各粮食主产区农业现代化的效益水平作出客观的评价。研究表明：各粮食主产区农业现代化效益水平评价指标体系的设置是合理的，研究内容是客观的，研究方法是有效的，研究结果是可信的。具体研究结论如下:

(1)各粮食主产区农业现代化水平和农业综合生产率总体上均呈现上升的趋势，各粮食主产区农业现代化效益水平总体上也呈现上升的趋势。

(2)在改革开放初期、中期和后期，粮食主产区的农业现代化效益水平分别呈现上升、调整、再上升的趋势。

(3)各粮食主产区农业现代化效益水平的排序呈现相对的、动态的变化，其中，变化较大的有辽宁、安徽、湖北、湖南、江苏等省区，变化较小的有吉林、黑龙江、山东、四川等省区。自改革开放以来各粮食主产区农业现代化效益水平增长幅度由大到小排列为：湖北、湖南、江苏、江西、安徽、内蒙古、河南、山东、四川、吉林、辽宁、黑龙江、河北。

(4)各粮食主产区农业现代化效益水平的地区差异逐渐缩小，改革开放初期地区差异相对较大，改革开放后期地区差异相对较小。

(5)狭义农业现代化效益水平总体上要高于广义农业现代化效益水平，这与实际情况相符。

[1] 林英华,李红.基于因子分析法的聊城市农业现代化水平评价研究[J].中国农学通报,2010,26(22):403-406.

[2] 王淑英.基于灰色定权聚类的河南省农业现代化发展水平评价[J].河南农业大学学报,2011,45(4):487-492.

[3] 罗敏,曾福生.基于因子分析法的农业现代化发展水平地区差异性分析[J].湖南农业科学,2011(23):142-146.

[4] 赵红巍,吕杰.基于主成分BP神经网络的农业现代化综合评价体系研究[J].沈阳农业大学学报,2013，44(1):57-62.

[5] 辛岭,王济民.我国县域农业现代化发展水平评价：基于全国1980个县的实证分析[J].农业现代化研究,2014,35(6):673-678.

[6] 邵一珊,李豫新.西北五省农业现代化发展水平的定量综合评价[J].新疆农垦经济,2010(2):45-51.

[7] 李虹来,勒中坚.灰色关联分析在农业现代化评价体系中的应用[J].江西财经大学学报,2007(1):43-44.

[8] 辛岭,蒋和平.我国农业现代化发展水平评价指标体系的构建和测算[J].农业现代化研究,2010,31(6):646-650.

[9] 吕杰,赵红巍.辽宁省农业现代化水平测度及对策研究[J].辽宁大学学报：哲学社会科学版,2014,42(1):74-82.

[10] 谭爱花,李万明,谢芳.我国农业现代化评价指标体系的设计[J].干旱区资源与环境,2011,25(10):7-14.

[11] 郭强,李荣喜.农业现代化发展水平评价体系研究[J].西南交通大学学报,2003,38(1):97-101.

[12] 蒋和平,崔凯.我国粮食主产区农业现代化指标体系的构建和测算及发展水平评价[J].农业现代化研究,2011,32(6):646-651.

[13] 王国敏,卢婷婷.我国东部地区农业现代化发展水平的定量测评与实证分析[J].上海行政学院学报,2012,13(6):64-74.

[14] 易军,张春花.北方沿海地区农业现代化进程的定量评价[J].中国软科学,2005(1):134-139.

[15] 傅晨.广东省农业现代化发展水平评价:1999～2007[J].农业经济问题,2010(5):26-33.

[16] 仁钰，韩学平.黑龙江省农业现代化发展进程评价研究[J].黑龙江农业科学,2014(1):121-124.

[17] 李丽纯.后现代农业视角下的中国农业现代化效益水平测评[J].农业经济问题,2013(12):7-14.

[18] 国家统计局.中国统计年鉴(1980～2015)[R].北京:中国统计出版社,1980～2015.

[19] 国家统计局.中国农业年鉴(1980～2015)[R].北京:中国统计出版社,1980～2015.

[20] 国家统计局.中国农村统计年鉴(1980～2015)[R].北京:中国统计出版社,1980～2015.

[21] 国家统计局.新中国六十年统计资料汇编(1980～2015)[R].北京:中国统计出版社,2010.

[22] 国家统计局.新中国六十年农业统计资料汇编[R].北京:中国统计出版社,2010.

(责任编辑：曾小军)

Empirical Analysis of Level of Agricultural Modernization Effectiveness in Major Grain Producing Areas of China

NIU Kai, HU Liang, CAO Yan

(Institute of Agricultural Information and Rural Economy,Sichuan Academy of Agricultural Sciences, Chengdu 610066, China)

In order to objectively analyze the developmental levels of agricultural modernization in major grain producing areas of China and their regional differences, by comparing with the latest domestic research results, we used principal component analysis combined with Hodrick-Prescott filtering to conduct an empirical study and make an objective evaluation of the levels of agricultural modernization effectiveness in major grain producing areas of China since the reform and opening-up (1978～2014). The research showed that the level of agricultural modernization effectiveness in a narrow sense was generally higher than that in a broad sense, which was consistent with the actual situation; the levels of agricultural modernization effectiveness in all major grain producing areas generally revealed a rising trend; the ranking of the levels of agricultural modernization effectiveness in different major grain producing areas changed dynamically, and their regional differences were shrunk gradually; in the earlier, middle and later periods of the reform and opening-up, the levels of agricultural modernization effectiveness in all major grain producing areas showed a rising, adjusting, and rising trend, respectively. In order to further promote the progress of agricultural modernization in China's major grain producing areas, we should continuously improve the efficiency of utilizing agricultural resources, transform the production and management patterns of agriculture, and expedite the conversion of agricultural scientific and technological achievements.

Main grain producing areas; Agricultural modernization; Effectiveness level; Regional difference; Principal component analysis; Hodrick-Prescott filtering

2016-05-17

牛凯，副研究员，主要从事农业系统工程研究。

F320.1

A

1001-8581(2016)11-0108-09