基于因子分析的糧食收購政策執行效果評價

王楚楚+李林++萬晨潔++許琰

摘要依據現有研究，通過歸納分析影響糧食收購政策執行效果的因素，構建評價其執行效果的模型.確定衡量糧食收購政策執行效果的指標因子，運用因子分析技術，對政策的執行效果進行分析，進而得到因子綜合得分并用于對糧食收購政策執行效果進行評價.運用本文的因子綜合得分法對部分示例省份糧食收購政策的執行效果進行評價和分析，在此基礎上進一步提出完善建議.

關鍵詞因子分析；糧食收購政策；執行效果

中圖分類號O212.4文獻標識碼A

1引言

糧食，不僅是維持人們日常生活的必需食品，而且還是維護國家經濟發展和政治穩定的戰略物資，具有不可替代的特性.國家自2005年起開始對糧食主產區實行了糧食收購政策.在糧食集中上市期間，當市場糧價低于最低收購價時，由國有糧食購銷企業按照最低收購價掛牌敞開收糧，調節市場供求關系，引導其他市場主體收購行為，實現支撐市場糧價、保護農民收益的目的；當市場糧價高于最低收購價時，則不啟動糧食收購政策.政策總體目的在于對市場糧價形成托底效應，并通過穩定糧價來保護農民種糧收益[1].

糧食收購政策已經成為了國家保護糧食生產的最為重要的舉措之一.但是不同時期在不同的省區，政策執行的效果卻不盡相同.對于糧食收購政策的執行效果的評價，蘭錄平[2，3]運用固定影響變截距模型，對糧食收購政策的執行效果及影響進行實證分析；作者還分析了政策在設計方面存在的缺陷，并從優化政策設計、提高執行效果、完善配套措施三個方面，對糧食收購政策提出完善建議.張建杰[4]以小麥為例對執行省區與非執行省區產出的糧食總量、結構與效率進行動態及靜態比較，表明小麥收購政策的托市效應較為明顯.沈旭東[5]以江蘇東臺為例，闡述了糧食收購政策執行的情況，分析了執行糧食收購政策中存在的問題并提出了完善糧食收購政策的建議.徐欣[6]以小麥為例分析糧食收購政策的效果及執行情況，并進一步分析了政策執行效果對各利益主體的影響.如何客觀評價糧食收購政策的執行效果依然是一個亟待解決的問題.

將因子分析法運用于綜合評價方法，克服了傳統評價方法在處理指標高度相關和權重設定上的缺陷，所構造的因子得分模型適用于對評價對象的靜態比較[7].張原[8]以區域信用環境評價為研究對象，以構建區域信用環境評價指標體系為核心，運用因子分析法對區域信用環境進行深入分析.本文構建糧食收購政策執行效果的評價模型，并用因子分析法對政策的執行效果進行評價.

2評價模型構建

2.1評價指標體系的構建

現根據各因素對糧食收購政策執行效果的影響，對評價糧食收購政策的影響因子進行系統分析及整合.國家實行糧食收購政策的目的就在于保護農民利益、促進農民種糧積極性以及保障糧食市場供應.人口平均的糧食產量及糧食種植面積越大說明農民種糧積極性越高，則進一步說明糧食收購政策的執行效果越好.機械化水平（如：農業機械總動力、大中型拖拉機、農用排灌柴油機、拖拉機配套農具）越高，說明農民在糧食種植方面的投入越大，也說明政策的執行發揮了效果，所以本文認為也可以將機械化因素作為衡量政策執行效果的評價因素.同時本文認為第一產業生產總值以及農村居民人均純收入的高低也會受到糧食收購政策執行效果的影響，并且認為其影響是積極的.綜上所述，本文以農業產量、機械化和經濟效益3個維度的相關指標作為評價糧食收購政策執行效果的因素.基于數據的可得性原則，為方便計算，結合已有指標體系中的各指標選取額度，篩選以后，本文從上文指出的幾個方面，構建糧食收購政策執行效果的評價指標體系.（如表1所示）本文指標體系中的相關數據均來源于《中國農村統計年鑒》和《中國統計年鑒》.2.2評價方法—因子分析法

根據本文所構建的評價指標體系，影響執行效果的因素較多，為體現不同影響因素對政策執行效果的影響程度，需要對每個影響因素的相關指標進行權重劃分，得到影響政策執行效果的主要因素及其指標.為增強評價結果的客觀性，本文采用因子分析法對糧食收購政策的執行效果進行評價.

通過相關性分析結果可知指標原始變量間存在著較強的相關性.所以評價指標并不能直接用于對執行效果進行評價分析.

本文運用KMO和Bartlett球形度檢驗進行因子分析的擬合檢驗，以確定數據是否適合進行因子分析.KMO統計量用于探查觀測變量間的偏相關系數性.Bartlett球形度檢驗是一種檢驗變量之間相關程度的檢驗方法.進行KMO檢驗的結果顯示KMO值為0.785，因此各變量間的相關程度無太大差異，數據適合做因子分析；Bartlett球形度檢驗的近似卡方為198.180，df為28，sig（球形檢驗的P值）為0.000.可見球形假設被拒絕，說明指標間并非完全獨立，取值是有關系的，適合做因子分析.

本文采用主成分法計算提取公因子前、后各變量的共同度，包括各變量對應的初始共同度和提取因子以后的再生共同度.根據初始解計算出的變量共同度，表示的是將所有變量都作為公共因子時的共同度，所以數值都為1.提取一定公共因子后每個原始變量的共同度數值也都接近于1，說明每個原始變量對提取出的所有公共因子的依賴程度較高，同時也說明提取的成分描述變量的效果讓人滿意.

表3所示為方差解釋表，顯示了主成分、初始特征值和方差貢獻等信息.該表中，成分表示因子序號；合計為特征值，其大小反映公因子的方差貢獻；方差的﹪為特征值占方差的百分數；累計的﹪為特征值占方差百分數的累加值.提取平方和載入列為根據特征值大于1的原則提取的1個因子的特征值、占方差百分數及其累加值.由表可看出2個因子其解釋力就能達到99%以上，已經包含了基本所有的信息，說明效果較為理想.

因子載荷矩陣是因子分析中最重要的部分，通過該表可以明晰的看出各變量的因子歸屬.本文運用主成份提取法和具有 Kaiser 標準化的正交旋轉法，旋轉在 3 次迭代后收斂.進行了因子旋轉后的表4更好地對主因子進行解釋.表中給出了旋轉后因子（或成分）與原始變量的相關矩陣（按系數由大到小排列），可以看出經過旋轉后相關系數已經明顯地兩極分化了.第一個主成分與指標變量

從因子得分矩陣及主成分得分表達公式可以得出：第一主成分主要包括農村經濟效益和農業產業規模兩方面.且第一產業生產總值、農村居民人均純收入和大中型拖拉機對第一主成分得分影響較大.第二主成分主要包括農業機械化方面，且農業排灌柴油機的使用量對第二主成分得分影響較大.

本文選取河北、山東、江蘇、黑龍江、湖南、四川、安徽7個省份2014年的數據，對這7個省份進行糧食收購政策執行效果的分析.分析結果如表6所示.根據表中F1得分、F2得分和F得分，可以得出安徽省的F得分最高，F2得分在示例省份中排名第一，而F1得分排名第二，說明安徽省可以從增加第一產業的投入和增加農村居民純收入兩方面提高糧食收購方案的執行效果.而河北省雖然F1得分排名第一，但是F得分卻排第五名，究其原因是F2得分較低，運用綜合得分法對其進行分析，可得出河北省急需增加農業機械化程度.四川省的F得分在示例省份中排名最后，F1得分也是排名最后，F2得分排名第三.說明四川省亟待提高糧食收購政策的執行效果，并且可以從加大對本省第一產業的投入和增強農業機械化程度這兩方面進行改進.

參考文獻

[1]黃青青，胡亞光.基于農戶視角的糧食最低收購價政策效應研究——以江西為例[J].價格月刊，2016（8）：29-33.

[2]蘭錄平. 糧食最低收購價政策實施效應的實證分析[J].山東農業大學學報：社會科學版，2013（2）：45-49.

[3]蘭錄平. 我國糧食最低收購價政策的效應和問題及完善建議[J].農業現代化研究，2013（5）：3-7.

[4]張建杰. 對糧食最低收購價政策效果的評價[J].經濟經緯，2013（5）：19-24.

[5]沈旭東. 江蘇東臺：糧食最低收購價政策執行情況、問題與建議[J].中國糧食經濟， 2015（12）：55-57.

[6]徐欣， 陳潔， 張照新.小麥最低收購價政策執行效果、存在問題與對策——對江蘇省的調研報告[J].中國糧食經濟，2007（11）：15-19.

[7]游家興. 如何正確運用因子分析法進行綜合評價[J]. 統計教育，2003（5）：10-11.

[8]張原，陳玉菲， 高革，等. 基于因子分析的陜