科技是农业发展的动力，是国家粮食安全的保障，是农民收入持续增长的支撑。2015年2月，中央、国务院发布了《关于加强改革创新、加快农业现代化建设的若干意见》，是加强农业科技创新驱动作用的重要组成部分。科学技术在社会发展中发挥着不可替代的作用，新农村的建设也需要科学技术作为强大的支撑动力。新农村建设的核心是发展农村经济和现代农业。因此，加强农业科技创新，增加农民生产收入，提高农业发展水平，是新农村建设的必然途径。随着城市化的快速发展，耕地面积不断减少，现代城市农业的高效发展不可避免，加快农业科技发展的任务更加迫切。在经济增长放缓的背景下，如何继续推进新农村建设，增加农民收入，提高农业效率已成为一个重大问题。本研究以杭州为样本，以农业科技创新投资对新农村经济发展的影响为切入点，利用因素分析法和皮尔逊相关分析法进行分析，从而获得农业科技创新投资在新农村经济发展中的重要作用，进而对加快农业科技创新新农村发展提出对策建议。

样本和数据选择1

1．杭州农业科技与新农村发展概况

近年来，杭州市科委根据市委、市政府加快农业科技创新决策部署，大力实施创新驱动发展战略，注重杭州现代农业发展目标，建设“城市现代农业”，全面启动杭州农业现代化“十大项目”，努力加强农业前沿技术的原始创新，突破主导产业推广和食品安全保障的关键和共同技术，促进农业科技成果转化和科技企业培育，改善农业科技的基本条件和创新环境，建设农业科技教育、教育、研究一体化的推广服务体系，增强科技对现代农业和新农村建设的支持和领导能力，在农业“两区”建设、新农村科技示范点建设、农业科技创新能力提升、农业科技企业培育、科技创新服务平台建设、科技援助和服务进一步推进等方面取得显著成果。截至2015年底，已建成各级粮食生产功能区1104个，面积3.7万hm2，省级现代农业园区65个，面积18587hm2。经过多年的农业“两区”（粮食生产功能区和现代农业园区）建设，杭州蔬菜、茶叶、水果等“十大主导产业”产值368.35亿元，增长6.4%。杭州市科委已认定农业科技企业286家，新农村建设示范点（试点）84家［1］。

1．指标选择与数据源和数据源

主要包括农业科技投资和新农村经济发展数据。农业科技投资采用科技部门农业科技创新资金投资数据，即三项科技费用中涉及农民的科技发展专项资金。通过对历年农业科研、新农村建设科技示范、种苗、科技扶贫、重大科技创新等五类项目的拨款资金进行整理统计；新农村经济数据主要来自2007-2016年杭州市科技统计年鉴。新农村经济指标的选择是基于相关文献研究［2－5］在数据可获得性的基础上，选择农林牧渔总产值、粮食产量、棉花产量、油菜籽产量和淡水产品产量的人均值，反映新农村经济产出水平，即人均农林牧渔产值（元）、人均粮食产量(kg)、人均棉花产量(kg)、人均油菜籽产量(kg)人均淡水产品产量(kg);选择农业机械总动力(kW)农村固定资产投资（万元）反映新农村投资水平；选择农村消费品零售（万元）和农村居民人均可支配收入（元）反映新农村居民的生活水平。为消除不同指标间量纲的影响，对所有数据进行标准化处理(表1)，实现数据指标间的可比性。

2结果与分析

因素分析的基本目的是用几个因素来描述许多指标或因素之间的联系，即将几个相对密切的变量归类为同一类，每个变量都成为一个因素（因为它是不可观察的，即不是具体的变量），反映原始数据的大部分信息的因素较少［6］。因素分析的前提是原变量应具有较强的相关性，一般相关系数在0.3以上［7］。本研究所选择了9个新农村经济指标。要研究农业科技投资与新农村经济的关系，必须简化新农村经济指标。因此，采用因素分析法提出了新农村经济的主要组成部分，以进一步分析与农业科技投资的关系。利用SPSS19软件，对9个新农村经济指标的相关性进行分析，得出各指标的相关矩阵。从表2可以看出，多数指标之间的相关性在0.6以上，0.3以下为少数。因此，适合进行因素分析，提取主要因素，从而减少新农村经济变量的数量。新农村经济指标量表KMO(Kaiser-Meyer-Olkin)测试和Bartlet球度测试。KMO统计值在0和1之间。当所有变量之间的简单相关系数平方和远大于偏相关系数平方和时，KMO值接近1。KMO值越大，变量之间的相关性越强，原变量越适合作因子分析。当KMO＞0.5时，适宜进行因子分析［7］。在99%的信心水平下，本研究中新农村经济指标的KMO值为0.599，表示可以进行因素分析。巴特利特球度测试(BarlettTestofSpherici-ty)用于检查相关系数矩阵是否为单位阵，即每个变量是否独立。以变量相关系数矩阵为出发点，零假设：相关系数矩阵为单位阵。如果巴特利球形检查的统计值较大，相应的相关概率值小于用户给定的显著水平，则应拒绝零假设；相反，零假设不能被拒绝，相关系数矩阵可能是单位阵，不适合因素分析［7］。在本研究中，巴特利球形检测的卡方值为127.596（自由度为36），相应概率为0，表明相关系数矩阵与单位阵有显著差异。因此，本研究的新型农村经济指标数据适用于因素分析。从表3可以看出，通过对新农村经济指标数据的因素分析，得到F1和F2的主要因素，其贡献率分别为60.3%和35.1%，累计贡献率达到95.4%，要求超过85%，说明F1和F2解释了新农村经济9个指标的大部分信息。从表4可以看出，F1在粮食、棉花、油菜籽、淡水产品、消费品零售额和人均可支配收入方面负荷较高，表明F1解释了这六个指标的大部分信息。F2解释了农林牧渔和农业机械总动力的大部分信息。F1和F2还解释了农村固定资产投资指标的部分信息。采用回归分析法估计因子得分系数，主要成分得分系数矩阵如表5所示。根据矩阵的数据，可以得到因子得分函数。F1=0.036ny+0.17ls+0.168mh+0.219yc+0.235ds+0.－0.065tz－0.133xf－0.119srf2=0.317ny－0.012ls－0.014mh+0.141yc+0.249ds+0.361dl+0.194tz+0.084xf+0.113srSPSS软件根据上述因子得分函数自动计算出样本对应因子得分SF1和SF2(表6)。