农业产业化的信贷支持.docVIP

农业产业化的信贷支持 1指标选取与模型建立 1.1指标选取本文选取黑龙江垦区人均农业贷款余额作为终量指标代表信贷支持情况，而农业产业化指标的选取，在比较国内已有的成果及数据可得性的基础上，基于深度、广度两个层次的考虑，选取如下指标作为衡量指标代表垦区的农业产业化情况，具体如表1所示。 1.2数据来源本研究包含一个信贷支持的指标变量(DA)和九个农业产业化水平的指标变量(X1~X9)。对于每个指标变量均选取了黑龙江垦区2002～2011年间的数据，数据来源于《黑龙江金融年鉴2012》、《中国农村统计年鉴2012》《、中国区域经济统计年鉴2012》《、黑龙江垦区统计年鉴2012》及相关调查资料。具体黑龙江垦区农业产业化和信贷支持指标的数据如表2所示。 1.3研究方法由于农业产业化包含的指标变量较多，为了更好地综合指标变量，本文首先运用因子分析法提取公共因子，通过因子旋转进而得出因子得分，然后对黑龙江垦区2002～2011年的农业产业化与信贷支持进行回归分析，从而揭示出二者之间的相关性。 1.4实证分析 1.4.1因子分析的可行性检验运用SPSS17.0统计软件，通过KMO(Kaiser-Meyer-Olkin)检验和巴特利特球形检验(BartlettTestofSphericity)对农业产业化指标数据进行检验，检验结果显示KMO的值为0.665，Bartlett的值为156.435，Sig为0.000小于显著性水平0.05，拒绝Bartlett球度检验的零假设，表明以上农业产业化指标因子分析结果较好，适合进一步做因子分析。 1.4.2构造因子变量运用SPSS17.0统计软件，采用主成分分析方法对农业产业化指标数据进行因子变量的提取，结果如表3所示。表中表示通过因子分析后，可以得到未旋转的初始因子和旋转后的因子的特征值、方差贡献比率及累计方差贡献率。按照提取大于1的因子特征值的标准，得出因子变量的特征根6.821、1.665，它们共同诠释了原变量的标准方差的94.289%，综合以上分析可以得出提取的前两个公共因子F1、F2，它们能反映原始变量的绝大部分信息。 1.4.3解释因子变量为了使公共因子能够更好地解释实际问题，先对提取的四个主因子变量建立原始因子载荷矩阵，然后选用方差最大旋转方法(Varimax)对载荷矩阵进行因子旋转。对比旋转后相关系数可以发现，公共因子F1在X1、X2、X3、X4、X5、X8、X9上载荷值都很大，具有75.784%的累计方差贡献率是反映农业产业化的主要指标，可以解释为农业现代化的程度，公共因子F2在X6、X7上载荷值较大，是反映农业产业化的补充指标，可以解释为农业产业结构。 1.4.4计算因子得分通过因子得分系数矩阵，得出因子得分函数如下：F1=0.153X1+0.098X2+…+0.165X9F2=-0.028X1+0.208X2+…-0.113X9以各个主因子的信息贡献大小为参数，对两个因子得分进行加权平均，计算黑龙江垦区各个年度农业产业化的综合测评得分，公式如下：FK=0.804F1+0.196F2式中各因子的系数为各因子的方差贡献率与主因子的累计贡献率之比。通过计算最终得出垦区2002～2011各个年度的农业产业化综合得分，如表4所示。 1.4.5农业产业化与信贷支持的回归分析基于以上农业产业化得分计算，可以将农业产业化得分与人均农业贷款建立一个回归模型，以测量信贷支持对黑龙江垦区农业产业化的影响。即AK=，式中AK代表农业产业化情况，DA代表信贷支持情况，为残差项，根据AK、DA的数值运用SPSS17.0进行回归测算，结果如下：AK=-1.971+2.992DA(-6.525)(6.714)R2=0.849F=45.078Sig=0.000对回归结果进行分析，发现t统计值均通过了显著性检验且Sig值为0.000，表明两者之间的线性相关关系是显著的。AK和DA的判定系数为0.849，说明样本回归方程拟合程度较高。以上分析表明：(1)近十年来黑龙江垦区农业产业化水平与信贷支持之间具有很密切的正相关性，而且拟合度很好；(2)DA的回归系数为2.992，说明信贷支持对农业产业化影响程度较大。 1.5结论 通过以上实证分析可以看出，首先对于黑龙江垦区农业产业化自身而言，公共因子F1的系数为0.804影响程度较大，即人均农业机械总动力、机械化作业比率等反映农业现代化水平的因素，更加决定着农业产业化发展程度。其次，黑龙江垦区自2002至2011年十年来农业产业化程度和信贷支持力度均是递增的状态，并且信贷支持与农业产业化之间存在着很强的正相关关系，表明信贷对于黑龙江垦区农业产业化的发展有着较深的作用。因此，为了垦区