“互联网+”精准农业对湖北省农业经济发展的影响

　　摘要：随着“互联网+”时代的到来，“互联网+”精准农业在农业经济领域的影响日益突出。为探索“互联网+”精准农业对湖北省农业经济发展的影响程度，寻找其促进湖北省农业经济发展的途径，选取湖北省2006—2015年相关指标建立主成分回归分析模型，对其进行定量分析。结果表明：互联网的使用和精准农业技术的推广对湖北省农业经济发展起着有益的推动作用。

　　关键词：互联网+精准农业；农业经济；主成分回归分析

　　0引言

　　“互联网+”精准农业正呈现大发展之势。当前理论界对“互联网+”精准农业在农业经济领域应用的特征、技术、模式、标准、路径进行了有益探索，也取得了一些成果[1-4]，但对“互联网+”精准农业与农业经济相互关系的定量研究较为鲜见。本文以“互联网+”精准农业对湖北省农业经济发展影响的定量研究为着力点，探索其对湖北省农业经济发展的影响程度，揭示互联网的应用和精准农业技术的普及对湖北省农业经济发展的作用。

　　1研究设计

　　1.1方法说明

　　主成分回归分析方法能通过构建原变量的线性组合，产生一系列互不相关的新变量，从中选出少数几个含有尽可能多的原变量信息的新变量[5]，使得这几个新变量能够代替原变量，为分析问题和解决问题创造条件。由于主成分间具有不相关性，且能较好地反映原来众多相关性指标的综合信息[6]，用主成分代表这些新的自变量进行回归分析，能使回归方程及参数估计更加可靠[7]。因此本文采用主成分分析方法，提取主成分与因变量建立回归模型，实证研究“互联网+”精准农业对湖北省农业经济发展的影响。

　　1.2变量选择与数据来源

　　本文选取湖北省2006—2015年农业总产值（y）作为因变量，选取电脑普及率（x1）、互联网宽带接入用户数（x2）、长途光缆长度（x3）、信息网站数（x4）、农机总动力（x5）、有效灌溉面积（x6）、单位面积化肥施用量（x7）、单位耕地面积农药施用量（x8）、机耕面积（x9）、机播面积（x10）、机收面积（x11）、机械植保面积（x12）、化肥深施面积（x13）、微量元素使用面积（x14）、技术措施调控面积（x15）作为自变量。本文分析中所运用的数据，主要来自《湖北统计年鉴》（2007—2016年）、《湖北农村统计年鉴》（2007—2016年）和《湖北调查年鉴》（2011—2016年）。2实证分析2.1相关性分析在研究“互联网+”精准农业对湖北省农业经济发展影响之前，为明确各自变量与因变量之间是否存在较高的相关性，是否适合进行回归分析，首先对变量间的相关性进行分析。利用SPSS21.0中的相关性分析模型计算变量间的相关系数，计算结果如下页表1所示。一般情况下，当相关系数小于0.3时，变量之间不存在线性相关关系；当相关系数大于0.5时，变量之间存在线性相关关系。由表1可知：因变量农业总产值（y）与单位面积化肥施用量（x7）之间的相关系数为0.074，与机械植保面积（x12）之间的的相关系数为0.077，小于0.3，线性相关性不显著，在接下来的研究中剔除这两个自变量。剩余的其他自变量与因变量间的相关系数全部大于0.5，有着比较明显的相关性，本文拟将其选取进行回归分析。表1显示，有的自变量间的相关系数还很高。例如机耕面积（x9）与电脑普及率（x1）、互联网宽带接入用户数（x2）、长途光缆长度（x3）、信息网站数（x4）、农机总动力（x5）、有效灌溉面积（x6）之间的相关系数都在0.9左右，有着极强的相关性，预示自变量间很可能存在着多重共线性，需要对变量多重共线性进行诊断检验。

　　2.2自变量间多重共线性诊断

　　由于自变量的数目较多，而且从相关系数结果来看，自变量之间存在显著相关，建立模型可能会出现严重的共线性，这种多重共线性会影响最小二乘估计。为对多重共线性进行检验，本文拟采用方差扩大因子法（VIF）进行检验。VIF能够反映某一自变量与其余自变量之间的线性相关程度，同时也能够反映自变量之间是否存在多重共线性。一般情况下，当VIF时，说明自变量与其余自变量之间存在着严重的多重共线性。为验证是否存在多重共线性问题，利用统计软件SPSS21.0对因变量与自变量进行多元线性回归分析。在进行多重共线性检验之前，先对原始15个自变量与因变量之间做逐步回归，最终删去互联网宽带接入用户数、农机总动力等6个与因变量相关性不明显的变量，再对剩余9个变量做多重共线性检验，共线性检验结果见表2。

　　2.3主成分回归分析

　　2.3.1主成分检验

　　首先对湖北省2006—2015年电脑普及率（x1）、互联网宽带接入用户数（x2）、长途光缆长度（x3）、信息网站数（x4）、农机总动力（x5）、有效灌溉面积（x6）、单位耕地面积农药施用量（x8）、机耕面积（x9）、机播面积（x10）、机收面积（x11）、化肥深施面积（x13）、微量元素使用面积（x14）和技术措施调控面积（x15）13个变量的数据进行标准化处理。然后通过统计软件SPSS21.0进行KMO检验，判断数据是否适合做主成分分析。KMO检验值为0.585，大于0.5，表明数据适合做主成分分析。

　　2.3.2主成分分析

　　利用统计软件SPSS21.0进行主成分分析，得到主成分特征值及贡献率如表3所示。一般认为，累积方差贡献率达到85%的主成分就能够较理想地反映总体的信息。从表3可知，前两个主成分的累积方差贡献率达到了87.95%，大于85%，因此选取前两个主成分能够较为准确地反映全部指标信息。

　　3结束语

　　本文运用相关分析以及主成分回归模型对湖北省2006—2015年的相关数据进行定量分析，结果显示电脑普及率、互联网宽带接入用户数、农机总动力、有效灌溉面积、技术措施调控面积等指标与农业总产值相关性显著，而单位面积化肥施用量和机械植保面积与农业总产值相关关系不明显；进一步由主成分回归分析得到，电脑普及率、信息网站数、互联网宽带接入用户数和机播面积、机收面积以及机耕面积能够促进农业总产值的增加，说明互联网的使用和精准农业技术的推广对湖北省农业经济的发展起着有益的推动作用。

　　参考文献：

　　[1]袁淑娟.浅析“互联网+”现代农业创新发展[J].集体经济,2018,(2).

　　[2]戴晋,张运栋,秦素研等.“互联网+”现代农业关键技术展望[J].种业,2017,(10).

　　[3]赵子军“.互联网+”现代农业需要支持[J].标准化，2016,(10).

　　[4]周勇“.互联网+”现代农业的经营思维与创新路径[J].农业工程技术，2017,(2).

　　[5]李萝秋.黑龙江省消费需求的主要影响因素分析[J].科学技术创新,2013,(2).

　　[6]涂云燕,彭道黎.基于RS的森林蓄积量主成分回归估测[J].东北农林大学学报,2012,40(10).

　　[7]何桢,王文佳.确定顾客满意度重要影响因素的方法[J].天津大学学报（社会科学版）,2004,6(3).

　　胡世霞1，沈祥成1，刘超群2

《“互联网+”精准农业对湖北省农业经济发展的影响》

上一篇：“精细农业”的实践与农业科技创新

下一篇：精准农业节水灌溉技术推广与应用