(一）可行性分析

采用因子分析法综合评价农业发展水平，是需要变量之间存在相关性的，只有相关，才可以将原始指标转换为独立因子。对反映农业发展的七个指标采用相关系数矩阵球度检验，检验结果如表6-3和表6-4所示。

表6-3　原有变量的相关系数矩阵

表6-4　KMO检验和巴特利特球度检验

从表6-3变量间的相关系数矩阵可以看出，变量之间的相关度较高。表6-4的巴特利特球度检验和KMO检验显示了同样的特征，KMO值为0.813，巴特利特球度检验统计量的值为283.696，其对应的p接近0，在5%的显著性水平下，拒绝原假设，说明原有变量是适合做因子分析的。

(二）提取主因子

在原有变量相关系数矩阵基础上，采用主成分分析法提取特征根大于1的特征根，在提取两个特征根后，可得到因子对原有变量解释的总方差情况，如表6-5所示。

表6-5　因子解释原有变量总方差情况

表6-5显示，可以提取两个公因子，两个因子合计可解释原有七个变量方差的82.67%。

(三）计算因子得分

采用回归法估计因子得分系数均值如表6-6所示。表6-6显示在计算两个因子得分时，第一个因子在农林牧渔业增加值上的权重较高，第二个因子在农用化肥施用量上的权重较高，这与旋转后因子载荷矩阵显示的结果是一致的(具体结果详见附录)，因子1可解释为农业产出，因子2可解释为农业投入。由表6-6可以计算出两个因子F 1、F 2的得分，即

F 1=0.647×农林牧渔业增加值+0.326×农村居民家庭人均可支配收入

+0.401×粮食作物产量+0.364×生猪年末存栏头数(www.daowen.com)

+0.196×农用化肥施用量-0.020×农药施用量

+0.391×农村用电量

F 2=0.042×农林牧渔业增加值+0.117×农村居民家庭人均可支配收入

+0.103×粮食作物产量-0.026×生猪年末存栏头数

+0.552×农用化肥施用量+0.381×农药施用量

+0.243×农村用电量

表6-6　因子得分系数均值

(四）农业发展水平的综合评价

基于表6-6的因子得分系数矩阵，并以两个因子的方差贡献率为权重，可对1995—2014年农业发展整体水平进行评价，计算公式为

F=0.4358F 1+0.3882F 2

计算结果详见表6-7。

表6-7　农业发展水平综合得分

按照上述研究思路，同理计算出建筑业和交通运输业的综合(具体计算过程结果详见本书附录A)。