APP下载

基于SAS系统的农业科技信息化服务影响因素探析
——以“阿克苏农技服务”微信平台为例

2021-03-19刘荣森孙卫中李星星

科技经济导刊 2021年5期
关键词:排序语言分析

刘荣森,陈 娟,孙卫中,李星星

(阿克苏地区农业技术推广中心,新疆 阿克苏 843000)

1.引言

“阿克苏农技服务”是阿克苏地区农业技术推广中心采用国语、维吾尔语双语同步的模式运行的农业科技信息服务平台,在宣传惠农政策信息、传播农业生产技术、指导农事生产中发挥了较为实际的作用。本文运行SAS软件,通过挖掘信息间的关联性[1,2],以期为阿克苏乃至南疆地区农业信息化服务提出合理建议。

2.材料与方法

2.1 数据来源

随机选取105篇信息,统计固定时间点的阅读量。信息内容一致,分国语、维吾尔语两种文字,为同步发布,共210个样本。

2.2 数据处理

数据采用SAS软件分析。按照SAS软件要求,建立临时数据库“A”,将信息类别、信息排序、语言类别进行属性处理[3]。信息类别:1=技术类型信息,2=动态类型信息;信息排序:1=首篇,2=非首篇;语言类别:1=国语,2=维吾尔语。输入程序如下:

data A ;

input N $ F $ L $ Y@@;

label N='信息类别' F='信息排序' L='语言类别' Y='阅读量';

cards;

10184 102209 101345 102170 111413 112580 101230 102709 10173 102154 111518 112664 10172 102105 101111 102181 101114 102639 10178 102278 10181 102231 10160 102115 101105 102239 10159 102191 10180 10284 10180 102196 101100 102307 101107 102327 111540 112675 10197 102275 101125 102224 111376 112732 111865 1121594 10177 102225 111456 112766……(省略80个样本数据); run;

3.结果与分析

3.1 GLM模型分析

运用GLM模型,以阅读量为因变量,信息类别、排序、语言为自变量,分析阅读量与信息类别、排序、语言类别间的关系,研究各因子间的差异性。

3.1.1 分析程序

proc glm data=A;

class N F L;

model y = N F L N*F N*L F*L N*F*L;

run;

3.1.2 方差、均方与F值

从表1可以看出,变量因素(信息类别、排序、语言)与信息阅读量呈极显著水平(F=10.38 Pr<0.001)。

表1 GLM模型显著性分析

3.1.3 影响信息阅读量的因素分析

从表2可以看出,信息排序(是否首篇)与信息阅读量呈极显著水平(F=44.50 P<0.001);信息语言(国语或维吾尔语)与信息阅读量呈极显著水平(F=13.98 P=0.002);信息类别(技术类型或动态类型)与信息阅读量呈显著水平(F=5.12 P=0.0247)。信息类别、信息排序与信息的语言方式间的交互作用与信息阅读量均达不到显著水平(P>0.05)。

由此说明,影响信息阅读量的主要因素是信息排序和信息语言,其次为信息内容。排位首篇的信息,无论采用国语或者维吾尔语,或是技术类型与动态类型,阅读量都明显高于其他位次的信息;

登录APP查看全文

猜你喜欢

排序语言分析
隐蔽失效适航要求符合性验证分析
语言是刀
恐怖排序
节日排序
电力系统不平衡分析
让语言描写摇曳多姿
刻舟求剑
电力系统及其自动化发展趋势分析
我有我语言