当前位置 —论文—经济— 范文

关于农业科技方面论文例文,与西部农业科技能力实证相关毕业论文致谢

本论文是一篇关于农业科技方面毕业论文致谢,关于西部农业科技能力实证相关开题报告范文。免费优秀的关于农业科技及农业科技创新及农业科研方面论文范文资料,适合农业科技论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

取主因子分析法对我国西部地区的农业科技创新现有能力加以评估.因子分析可在许多变量中找出隐藏的具有代表性的因子,将相同本质的变量归入一个因子,可减少变量的数目,还可检验变量间关系的假设.它的基本目的在于通过少数几个因子来描述多个指标或因素之间的关系.用因子分析法来评估我国西部地区的农业科技创新的现有能力,其方法的优点在于因子分析法确定各数据之间关系的权数是基于已有数据的分析而得出的已有指标体系之间内在结构的关系,它们的关系不受主观因素的影响.

(三)因子分析原理及其数学模型

假设我们有m个可能存在相关关系的变量Z1、Z2等Zm含有P个公共因子F1、F2等Fp（m）,每个变量Zi含有特殊因子Ui（i等于1等m）,这些特殊因子Ui间互不相关,且与Fj（j等于1等p）也互不相关,每个Zi可由p个公共因子和与自身对应的特殊因子Ui线性组合而成,因子分析的一般数学模型表达为：

把上述方程组改成矩阵表示,则为：

我们把它简记为：Z（m*1）等于A（m*p）F（p*1）+C（m*m）U（m*1）

为了用少数几个因子来描述很多指标或者是因素之间的关系.同时,为了消除不同观测变量在量级或量纲上的影响,使各指标具有可比性,能将几个指标根据他们相互之间的关系密切程度将相似的归在同一类别中,使每一个变量成为一个因子,本文将每个变量进行标准化的处理,方法如下：

（1）设有n个样本,每个样本有p个指标,建立以下的原始矩阵：

X等于X11X12等X1pX21X22等X2p等等Xn1Xn2等Xnp

我们首先对所取得的数据矩阵进行标准化处理,其标准化以后的矩阵为：X等于（xij）nxp,其中xij等于（xij-xj）/Sj.

（2）求样本相关系数的矩阵R,R等于（rij）PXp,并判断我们获得的数据是否适合因子分析,主要的判断方法有反映像相关矩阵检验（Anti-imagecorrelationmatrix）、巴特利特球体检验（Bartletttestofsphericity）、KMO检验.其中,Barlett检验的目的在于确定所要求的数据是否曲子多远正态分布的总体.其虚无假设是“相关矩阵式一个单位矩阵”,即“相关矩阵对角线上所有元素为1,所有非对角线上元素值为0”.若差异检验的F值显著,表示该相关矩阵不是单位矩阵,索取数据来自正态分布总体,可以做进一步的因子分析,通常采用相关矩阵行列式的卡方检验.而KMO检验从比较观测变量之间的简单相关系数和偏相关系数的相对大小出发,其值得变化从0—1.当所有变量之间的偏相关系数的平方和,远远小于简单相关系数的平方和时,KMO检验的结果值趋近于1.若KMO值过小,则表明变量偶对之间的相关不能被其他变量解释,进行因子分析不合适.

（3）因子提取,采用某种方法计算因子载荷矩阵.对通常用主成分法来估计因子载荷矩阵A而言,就是通过资料矩阵的相关矩阵R来求解出相关系数的非负特征根λi和特征向量L.并根据某种规则,确定描述数据所需要的公共因子数.

（4）用以上的方法求出主因子解,并对求出的初始因子运用载荷矩阵进行旋转变换,使其结构简化,以便更好地对因子进行解释.

（5）根据主因子的贡献率,在因子模型建立后,借助各变量的系数矩阵,并反过来根据其初始的关系来考察每一个样本,用最原始的线性组合来表示主成分,计算各因子的得分.

（6）根据上面获得的公共因子得分,利用公式综合得分等于因子1得分*对应方差贡献率/累计方差贡献率+因子2得分*对应方差贡献率/累计方差贡献率+等+因子m得分*对应方差贡献率/累计贡献率来计算综合得分,并以此对西部更省市自治区的农业创新能力进行排名,并综合分析.

四、我国西部地区农业创新能力的实证研究

(一)数据来源

本论文研究所用的基础数据来源于《中国科技统计年鉴》（2000—2011）、《中国统计年鉴》（2000—2011）、《中国农村统计年鉴》（2000—2011）和《中国农业年鉴》（2000—2011）.共收集了2000年—2011年有关内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆的数据,作为对比,本论文同时还摘录了全国的统计数据.（二）实证研究过程

1.数据标准化处理

本文的研究所采用标准化的具体计算公式如下：Xi的标准化值为：Xi'等于Xi-Xσ,其中,Xi为指标的统计或原始计算值；X为该体系中指标Xi的平均值；σ为Xi的标准差；Xi'为指标Xi的标准化值.

2.确定相关系数矩阵

根据以上经过标准化处理过后的统计数据,用SPSS19.0统计分析软件,分别对2000—2010年我国西部地区农业科技创新能力的9个分析指标进行因子分析,得到相关系数矩阵,矩阵上半部分为相关性系数矩阵（correlation）,值越大,相关性越高；下半部分为显著性水平矩阵（Sig.（1-tailed））,值越小,相关性越显著.其中非常明显的结果是农业科技活动经费支出与R&D经费支出、从事农业科技活动人员、R&D人员当时全量、专利申请授权量、国外主要检索工具收录的论文数、技术市场成交额及土地生产率都有非常显著的相关关系,说明这些指标之间有很好的协同作用.

3.数据可行性的检验

根据SPSS统计软件进行分析的结果,表2列出了KMO检验和Bertlett检验结果.本例中,KMO检验取值为0.746,表明可以进行因子分析.Bartlett检验的F值等于0.000,表明我国西部地区农业科技发展统计数据来自正态分布总体.

4.因子的提取

根据SPSS统计软件分析的结果,下表3给出了全部的解释方差.表中成分为各因子的序号,“初始特征值”为相关系数矩阵的特征值,包括3项：

（1）“合计”为各成分的特征值,从大到小排列,例如,第1个主成分特征值为7.135,第2个主成分的特征值为0.859；

（2）“方差贡献率”为各成分解释的方差占总方差的百分比,即各因子特征值占总特征值总和的百分比；

（3）“累积%”为各因子方差占总方差百分比的累计百分比.

在碎石图中,碎石图的Y轴为特征值,X轴为特征值序号,特征值按大小进行了排序.碎石图中明显的拐点是2,可以得出保留前2个因子将能够概括大部分信息,且前两个因子的方差累计贡献占总方差的比例为99.927%,说明提取前2个公共因子是比较合适的.在更改了因子提取数目之后,我们再用SPSS统计实验进行因子分析,得出的解释方差矩阵如表3所示.