- A+
农业统计分析范文第1篇
【关键词】遵义市农业 投入产出 统计分析 回归模型
一、遵义市农业综合情况
遵义市地貌山地、丘陵为主，易于农耕的土地较少，主要分布于平坝与河谷地带，占全市总面积约6.5%左右，以大娄山为分界线，山南地区易耕土地相对集中而平坦，土质肥沃、阳光比较充足，易于农业的发展，而山北地区，农耕土地比较分散的分布在河谷地带，地形起伏大，农耕比较的分散。近年来，遵义农业保持持续稳定的增长，到2013年，遵义的生产总值已经达到127余亿元，同比增加6.5%。但是，农业抵御自然灾害的能力比较弱，例如。2013年夏粮产量为67.77万吨，同比增加7个百分点，而秋粮的总产量只有192万吨，同比下降9个百分点，主要的原因是受到自然灾害的影响。
二、研究的基本原理
投入产出的基本原理是在确定农业的总产量以后，知道主要的农作物占总产量的比重，然后确定该主要农作物的产量即：
主要的农作物产量=总产量*比重【1】。
用两组变量之间的正相关关系来确定n个变量，挑选出其中对投入产出影响比较大的自变量，这些自变量包括：农业用电量，各种化肥的使用量，塑料薄膜的使用量，机柴油的使用量（包括耕地与浇灌使用的柴油），有效的灌溉面积、种子的投入、机电排灌的消耗量以及旱涝保收等基本情况，而因变量是总产量。在确定因变量的前提下，以投入作为自变量，总产量的因变量以SPSS作为回归，模型进行分析。在按照步骤对投入产出做模型分析，在消除共线性的影响以后，能够客观而合理的分析遵义市的农业投入与产出的基本的情况，发现那些因素对遵义市的农业生产影响作用比较大。这对遵义市的农业生产具有非常重要的指导的意义。
本文的统计分析是采用多元统计分析的方法，通过SPSS模型对各个因变量与变量进行系统化的分析。
在遵义市农产品投入因素农业能源消耗与农业物质消耗，而遵义市农业产出主要有：稻谷、玉米、油菜籽、甘蔗、菜花、烟叶、蔬菜、茶叶与水果等。
三、回归模型分析
（一）排除不可抗力因素建立模型
在排除不可抗力因素以后建立遵义市的投入产出的假设模型的公式1为：
Y=β0+■βi+xi+ε
排除的不抗力因素包括：
一是区域内自然灾害的影响，即暴雨洪涝、干旱、冰雹、大规模的泥石流等。
二是农业基础设施折旧与损耗排除在外，例如水利工程破损、修复等不算在内。
三是农产品的质量品质排除在外，例如优质的大米与次优的大米在价格上存在差异，而本研究不算此在内。
四是假设遵义市各地的农业生产力基本的相同，土地质量不存在差异。
五是假设数据能够真实的反应遵义市农业生产的基本情况。
（二）重要的符号表示说明
J代表的是农产品的类型，xi代表的农产品投入系数，zij代表的是农产品的产量，αj代表的是农产品在农产品总产量的系数，yi代表的是遵义市模型中的农产品的总产量，而βb代表的是回归模型的常数，Bi是在模型中农产品投入的系数，ε表示误差的修正项，z代表的农产品实际的产量。
（三）建立模型
在建立基本模型的时候，根据投入与产出基本理论来确定，主要根据遵义市农产品产量主要受到哪些因素的影响。
在得出遵义市的农产品的产量与影响变量的回归模型，并且确定一定的关系以后，对遵义市农产品的生产具有非常重要的指导作用。
首先确定遵义市的农产品主要的成分，在确定各种农产品的权重系数以后，然后根据权重系数。变量与总产量的关系，得到公式2如下：
yi=■αjz
设主要的投入的变量因素为x，而产出的因变量为y，那么可以得到投入产出回归方程的公式3：
yi=β0+■βixi+εi，i=1，2，…n
（四）模型分析
1.主成分统计分析。根据遵义市的实际的生产的情况与数据的观察，本文选取稻谷、甘蔗、蔬菜与烟叶的产量作为主成分的分析，分别把稻谷、甘蔗、蔬菜与烟叶的产量设为z1、z2、z3、z4。然后对这四种产品做主成分的分析，然后确定各种农产品的权重系数，然后代入公式2通过spss软件的分析可以得到，然后可以得到公式1中变量α。
表1 变量α值的确定
表2 主元素分析
通过对遵义市的稻谷、甘蔗、蔬菜与烟叶的四种农作物的主成分的确定，我们可以得到主元素的值为0.793，符合经济分析的基本要求。而四种农作物的权重α分别为稻谷（α1）=0.772、甘蔗（α2）=0.922，蔬菜（α3）=0.792，烟叶（α4）=0.595
由此可以得出遵义市农产品总产量为：
Zi=α1*x1+α2*x2+α3*x3+α4*x4
（五）相关性分析
对农业影响最大的三个因素为，化肥用量包括磷肥、氮肥、钾肥以及含有其他元素的复合肥;塑料薄膜包括地表覆盖的薄膜以及大棚使用增温的塑料，灌溉能源与农资的消耗等。鉴于农业用电量（x1），各种化肥的使用量（x2），塑料薄膜的使用量（x3），柴油的使用量（x4：包括耕地与浇灌使用的柴油），有效的灌溉面积（x5）、种子的投入（x6）、机电排灌的消耗量（x7）以及旱涝保收（x8）对农业的产量影响比较大，而其他的因素对农产品产量影响比较少，所以我们在相关性分析的时候，选取这几个因素作为因变量。
（六）回归分析
通过代入公式3我们会发现化肥的使用量、柴油的使用量与旱涝保收p值均在0.05以下，但是旱涝保收的p值为-0.036.这样的结果与实际生产情况不符合，所以在回归方程验证的时候把旱涝保收排除掉。而其他的因素，p数值过于大，与经济理论计算不符，所以还得进一步验证，首先取化肥的使用量、柴油的使用量做一次回归方程的验证。常数为59.203，而化肥的使用量系数为5.231，而柴油的使用量：1.302.由此得出回归方程为：y=59.203+5.231*x2 +1.302*x4。
（七）回归模型的验证
我们分别采用F模式、T模式与代入样本去验证。
1.F模式（统计量检验回归方程）验证。我们根据方程y=59.203+5.231*x2+1.302*x4，根据显著值为α=0.05，这是一般经济理论采用的数值，来确定临界值Fα，通过代入spss软件，得到F值为57.362，F值小于常数，说明该方程具有显著性。
2.T模式（回归系数的显著性检验检验）。经过代入spss软件软件计算，得出化肥的使用量x2的T值为2.763而p值为0.0013，而柴油的使用量x4的T值为为1.8952，而p值为0.00108，均小于给定的p值，所以满足显著性的要求。
3.代入样本去验证。我们给定的数据代入方程，y=59.203+ 5.231*x2+1.302*x4，得出遵义市的农业总产量为992万吨，与实际1023吨相差左右31吨，误差非常的小，基本上符合要求。
四、结论
经过以上的分析，我们发现本次的投入产出传统分析比较的合理与科学，也基本上反应遵义市农产品投入与产出的实际的情况。
遵义市在化肥使用方面：化肥的有效使用率为32%，而发达国家的化肥有效的使用率为60%，说明遵义化肥的有效的使用率的比较低。
在农业柴油的使用率方面：遵义农业柴油的营销使用率仅为42%，究其原因有遵义市土地比较的分散，不适宜大规模的机械化生产，加上在浇灌土地的时不科学，造成水与农业消耗的过重。其产生的后果有，造成资源浪费与环境的污染。
参考文献
[1]孔朝莉.中国优秀硕士学位论文全文数据库.农业投入产出统计模型建模方法的研究.
[2]孔朝莉，杨启昌.中国期刊全文数据库.农业投入产出变量的主成分回归分析模型.
农业统计分析范文第2篇
0引言
邓小平在改革开放初期提出“科学技术是第一生产力”，江泽民也提出了“科学技术是第一生产力，而且是先进生产力的集中体现和主要标志”的重要论断[1]。随着全球化竞争的不断扩大，引进吸收和科技创新成为了国家科技进步的主要途径。所谓科技创新就是对新知识、新技术发明创造和应用的动态过程，它是国家经济增长与发展的主要根源和直接源动力，也是衡量科研院所技术创新能力的重要尺度[2]。如何客观、科学地评价一个科研单位、一个地区的科技创新能力，对于优化资源配置，保持和提高竞争优势，超前制定科技创新发展规划，有效提高区域经济效益和社会效益具有重要的意义。
现实中，科技创新能力的评价一直是人事工作者较为棘手的问题，而且国内对科技创新能力评价工作的研究较少，目前的科技创新能力评价工作一般都从科技基础、科技投入、科技产出、科技创新效益等多个方面进行评价[3]，虽覆盖面广，但评价体系繁琐复杂，评价时需投入较多的人力、物力，且评价周期长，不利于科研单位科技创新评价工作的开展[4]。专利和论文作为科技产出中的重要指标，其拥有量可以反映科研院所的原始创新能力，也是科研院所综合科技实力、核心竞争力的重要体现。本文拟运用统计计量法对专利和论文的刊表量、引用量以及等数据进行分析，从而对中国热带农业科学院热带生物技术研究所的科技创新能力发展现状及存在的问题予以概括，并提出针对性的建议。
1 农业科研院所科技创新力分析中存在的问题
1.1农业科技创新体制不完善，科技投入力度低
我国的农业科研体系基本上是按照行政区设立，而不是按照自然资源和农业生态区域分布设立。而且，国内从事农业科技创新研究的单位众多，学科专业设置存在低水平重复，各科研单位在自身封闭的系统内活动，多学科交叉项目较少，造成有限科技资源极大的浪费，也使得农业科技创新综合水平低。
农业科技投入是农业科技创新的基础条件和必要条件。但国家财政一直以来对农业科技的公共投资都处于较低水平，仅占农业GDP的1%左右，远低于发达国家的2%，也低于大部分发展中国家的水平，这极大延缓了农业科技创新的步伐[5]。科技投入结构不合理，难以集中使用，导致农业科研单位的试验条件，基础设施，科研力量以及经费资助方面，都与发展现代农业对科技创新的要求相距甚远。
1.2科技创新人才缺乏，科技成果结构不合理
现有农业科技人才队伍结构矛盾已成为制约农业科技创新发展的重要因素。目前，我国一般型农业科技人才相对过剩，外向型、复合型以及高尖端人才缺乏，尤其是新兴学科、交叉学科等前沿领域的人才高度缺乏。人才结构分布不均，高中级农业科技人才主要分布在省部级农业科研单位，而县，乡(镇)的高级农业科技人员则极其缺乏[6]。农民受教育程度有限，科技文化素质较低，严重影响了现代农业科技发展的进展。
由于科技人才结构不合理，致使在一些重要的研究领域，尤其是高新技术自主创新领域缺乏相应的核心技术，重大原始性创新成果以及产业发展关键技术成果供给明显不足。在成果结构上，单项技术较多，综合性、集成性研究成果较少;在提高产量方面的技术较多，农业功能拓展性成果少;低水平重复技术多，具有自主知识产权的的成果少[7]。
2 论文、专利产出在创新能力分析中地位
科技论文是衡量科研院所科技创新能力的重要指标之一，其可以从侧面反映一个国家的科技发展状况。论文的数量可以直接反应出该科研单位、科学家、机构或地区科学产出的能力。论文影响力，即论文的被引用频次，可以间接的反应该科研单位在科技交流中的作用，也反映了科研成果对该地区影响的深度和广度[8]。所以，科技论文产出是评价科研主体创新能力真正价值和质量的重要体现。
专利也是衡量科技创新能力的重要指标之一，是区域科技核心和经济价值体现的重要组成部分。专利的拥有量既能反映出科技成果的原始创新能力，又能映射出科技成果的转化潜能。而专利的质量和专利转化能力，是城市综合科技创新能力和核心竞争力的重要体现。由此可以看出，专利在科技创新评价体系中的科技产出中占有重要地位。
总之，科技论文及专利可以准确的反映出科技创新综合实力，同时，对论文和专利统计，可以有效降低科技创新评价的投入、评价周期较短。若能客观、全面地对科研单位论文和专利进行评价，才能有针对性地找出不同地区科技创新能力间的差异，才能有效地推动区域农业科技及经济的发展。
3 论文、专利计量统计评价体系的分析
3.1论文、专利计量统计中存在的问题
农业科研创新能力已成为当前研究的热点问题，对于推动国家/地区，科研单位的创新发展，有着重要的战略意义和深远影响。目前农业科研公益类科研院所的科技创新能力评价主要集中在科技人力、研发成本、知识产权、绩效及文献计量等方面，共6个一级指标和24个二级指标组成[9]。虽覆盖面大，但统计周期长，投入的人力物力较大，指标中对论文和专利的统计，只注重数量的分析，而在、专利的学科分布、基金资助情况以及论文、专利的引用情况等方面的统计研究较少。在评价方法方面，农业科技统计方法较为单一，且未能准确、科学地反映出公益性科研单位科技创新能力间的总体差异以及科技产出发展趋势。
3.2论文、专利计量统计及主成分分析
3.2.1科研单位创新能力评价指标体系的构建
本文所构建的科技统计指标主要反映农业科研院所主要科技产出指标，包括论文、专利产出的5个一级指标，并一级指标之上，对进行分析构建二级统计指标(见表1)，从而构建适合农业体系科研活动客观实际的科技统计指标体系。在二级指标方面，主要是根据农业科技创新中，科技产出中论文、专利数量、质量以及学科分布、发展趋势进行设计。
表1 论文、专利视角下的科技创新能力评价指标
论文 论文产出数量情况X1 论文数量总体评价X11
趋势X12
论文质量情况X2 SCI/ EI /ISTP期刊收录数量及比例X21
SCI/ EI /ISTP期刊收录逐年趋势X22
CSCD期刊收录数量及比例X23
CSCD期刊收录逐年趋势X24
论文分布情况X3 论文学科分布情况X31
论文体裁分布情况X32
专利 专利申请授权情况X4 专利申请情况X41
专利授权情况X42
专利分布情况X5 专利类型分布情况X51
专利学科分布情况X52
3.2.2 主成分分析
为确保信息的完整性，一般都会设定多个指标，这也导致在收集资料的过程中产生了大量的数据。为把原始指标组合成较少的综合指标，仍能较好的反映样本各指标的变化，所以引入主成分分析，以减少信息的损失。主成分分析的基本方法如下：
用F1的方差表示第一主成分，若F1不足以表达原指标的信息，则构建第二主成分F2，并依此类推分别构建第三、第四.....、第P个主成分。
3.2.2.1 主成分模型
其中a11.....，apm为X的协差阵R的特征值所对应的特征向量，X1，....，Xp是原始指标的特征向量值。
3.2.2.2 主成分分析法步骤
先对样本数据先进行标准化处理，再计算原始指标数据的相关系数矩阵R。R表示各测评指标间的相似状况，发现各原始指标间的信息重叠程度。计算R的特征值、方差贡献率、累积方差贡献率Q和因子载荷矩阵A。
据累积方差贡献率大小确定主成分个数，并用主成分的因子载荷矩阵A计算相应的单位特征向量，则：(i，j=1，2，....p)，最终求得主成分得分系数矩阵。最后由主成分方差值及其方差贡献率构建综合评价函数方程，并得到不同地区的综合评价值F，确定不同地区、科研单位的科技创新能力。
4 小结
农业科技创新涉及指标较多、资料收集难度大，统计过程较为复杂，因此，对农业科研单位科技创新能力评价的过程难免会对指标的选取兼顾不全。若涉及指标较少会影响科技创新评价信息的完整性，但涉及指标过多会增加统计难度。本文以论文、专利等角度探讨农业科技创新评价指标体系，并结合主成分分析法，从而较为客观地评价农业科研单位的科技创新能力。当然，本文所提出的评价指标是否能完整的反映科技产出信息，能否科学地反映科技创新能力还有待进一步研究。
农业统计分析范文第3篇
【关键词】ARIMA模型；指数平滑法；股票价格；短期预测
预测已有漫长的历史。我国古代人民用沙漏来预测时间，看见蚂蚁上树预示天即将下雨等，都是自觉和不自觉运用预测技术的一种体现。但在19世纪以前，人类对于这样一类问题，往往根据个人的经验、阅历、学识和智慧，通过类比、分析和综合的方法做出直观判断，即现在我们所说的定性预测。这些方法至今仍在采用，并继续向理性化、系统化的方向发展，在一些缺乏定量信息和极端复杂的场合，仍有不可取代的作用。但该方法主观性较浓，同时也容易出错。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的，即通过时间序列的历史数据揭示现象随时间变化的规律，并将这种规律延伸到未来若干年，从而对该数据的未来做出预测。时间序列作为20 世纪近代统计学的一个分支，现在已成为数学界、工程界和经济学界应用最多、最广的课题之一。
目前，对时间序列分析的方法主要有以下三种： 一是由Box 和Jenkins 提出的Box-Jenkins 递推预报方法； 二是由Brock well 和Davis 以Hilbert 空间的基本理论和方法为基础提出的射影预报方法； 三是最优滤波理论。本文采用的ARIMA 模型即是Box 和Jenkins 提出的Box-Jenkins法中的一种预测模型。关于时间预测的软件主要有SPSS 和Excel。其中SPSS 是社会经济统计软件包，在主成分分析上有着独特的优势，但也能用来做经济学的时间序列分析。本文主要采用SPSS19.0 做分析。
ARIMA （ Auto Regressive Integrated Moving Average）即自回归求和滑动平均，其前身是ARMA 模型，是由美国统计学家Box和英国统计学家Jenkins 在20 世纪70 年代提出的时间序列模型，即自回归滑动平均模型，用此模型所作的时间序列预测方法也称Box-Jenkins（ B-J） 法，ARIMA是Box-Jenkins方法中重要的预测模型，适于处理非平稳时间序列。ARIMA是多个模型的混合，即自回归，求和，和移动平均。ARIMA模型分为非季节性ARIMA模型和季节性ARIMA模型，即 模型和模型，两者的区别在于后者在进行预测时考虑了季节周期的因素，更加适用于有季节性或周期性变动的数据。模型有三个参数（非季节性），p是自回归阶数，d是差分项阶数，q是移动平均的阶数。
指数平滑法是在单一时间序列统计模型的基础上进行预测的方法。指数平滑法分为一次指数平滑法和多次指数平滑法。指数平滑预测模型要用到平滑系数α，α值既代表模型对时间序列数据变化的反应速度，又决定了预测模型修匀误差的能力。α值越大，则新数据占的比重就越大，最近一期的观察值影响越大，预测就越依赖于近期信息。选择的关键在于，使预测值与实际值之间的误差最小，一般α值取在0 到1之间。
下面我们通过spss19.0软件来处理。
在spss19.0中输入原始数据并定义日期，也就是确定个案的起始日期。日期定义后，绘制原始序列的序列图，从序列图可以粗略观察平稳性。结果如下图所示。
可以明显看出是不平稳的。
平稳化处理。在SPSS中对原始序列进行差分处理来使序列平稳化，从一阶差分开始，每次差分都绘制序列图和自相关图，直到平稳为止。则需预测自相关，进行一阶差分后如下图：
可以看出已经是平稳序列，作一阶差分后的自相关图和偏自相关图如下图所示：
序列平稳后，开始模型的建立。由于我们确定了运用一次平滑后的曲线来分析，即进行一次差分，因此就确定了d值为1。由上图自相关图可以看出二阶之后函数明显趋于0，呈拖尾性，因此q=2，偏自相关图在2阶之后也趋于0，呈拖尾性，则p=0。于是选定模型（2，1，2）。
参数估计与诊断。对于已经建好的模型，观察表模型参数，这里会给出估计值，标准差，t统计值。参数估计通过后，观察残差的自相关图和偏自相关图，如果值都在置信区间内，可以判断残差序列为白噪声序列。说明建立的模型为比较理想的模型。
利用模型预测。分析预测应用模型，选取模型结果如下
表1 预测
至于指数平滑法，之前数据预处理部分与相同。分析预测应用模型，选取指数平滑法，得出结论。
表2 关于两种观测结果的比较
由此可看出由模型预测出来的结果更加适合，更加接近事实。
任何一种预测方法都是建立在一定的假定条件之上的，而任何一种假定条件都难以包括现实世界中所有复杂的关系，因而必须考虑适用条件，指数平滑法、ARIMA模型均适用于短期的拟合和预测ARIMA模型计算过程比指数平滑法复杂、繁琐，但在短期内，其精度要高于指数平滑法。
【参考文献】
[1]徐国祥.统计预测与决策[M].上海：上海财经大学出版社，2006
[2]王燕.应用时间序列分析[M].北京：中国人民大学出版社，2005.
农业统计分析范文第4篇
为了快速、有效地发展农业保险工作，就必须要利用现代化的技术手段[1]。着眼于农业风险的管理控制，实现最大程度的防灾减损的目标，可以为保险公司建立基于GIS技术的农业保险系统。在农业保险中建立GIS系统，主要是为农保公司提供防灾减速的决策支持和为农户提供相关的农业服务，可以对农业的灾害预测提供分析和预测，从而可以使农户提前防灾，降低灾害损失。利用GIS（地理信息系统）对空间数据的各种处理功能以及在农业气象灾害的模型研究和应用，可以为农业灾害的研究和系统的展示提供强有力的技术支持。综合利用遥感、地理信息系统和全球定位系统集成方法，构建GIS辅助巨灾保险风险管理系统，主要通过运用GIS技术集成农业保险灾情预测、农业保险防灾减损预案以及农业保险损失评估等模型，并实时、动态地接收遥感和全球定位系统技术提供的目标监测信息，为农业保险公司提供农业保单的巨灾风险评估预警服务和防灾减损决策支持服务。
1GIS在农业保险中的应用现状
在国外，GIS技术起步早且很快得到应用。在20世纪70年代，GIS技术就已经开始应用在农业信息管理中；90年代后，GIS技术已经在农业系统的仿真、统计分析、土地评价、灾害预测等方面广泛应用，现在已经取得了迅速的发展和广泛的应用，并建立了多种与农业相关的灾害模型。目前，世界许多国家已将GIS与DSS、GPS、RS等高新技术有机结合在一起，综合各种技术的优势及时有效地解决农业发展中的具体问题。“3S”（遥感RS、地理信息系统GIS、全球定位系统GPS）的有机结合，通过RS与作物的生长模型相结合，可对作物的灾害和灾情进行动态监测和预估。这些技术的成功应用，说明GIS在农业保险中的应用发展为农业保险中最关注的灾害预估、农业灾情监测提供强大的基础和依据。在国内，GIS技术的应用研究较晚，发展也较缓慢，只是在一些预测和分析工具上有应用。在农业领域中主要用于气候资源上，从最开始的绘制气候起源分布图和一些基础数据的空间查询，目前已发展到图形数据的处理和分析，其中专题图和地理数据叠加的分析在GIS的技术应用和保险行业的应用中都起了很重要的作用。当前，GIS技术在农业气象的灾害评估方面也有一些研究，主要是利用GIS的特性，对历史数据的模型演变进行分析，从而找出灾害发生的一些基本规律、空间分布等，为防灾减灾提供分析依据和对策。在国内也有一些比较成功的系统案例，如通过气候分析和环境影响评判等方法设计出的安徽省重大农业气象灾害测评系统[2]。通过历史的洪灾发生频率以及影响洪灾危害的一些因子，利用GIS技术强大的空间分析和叠加功能，得出了每个影响因子的灾害影响程度和栅格图层，并再次对其图层进行叠加分析，应用于湖北省洪涝灾害危险性评价[3]。马军等通过结合GPS、GIS、GSM和GPRS技术，构建了保险查勘车监控调度系统，通过集成地理分析，实现了对查勘车的实时监控、定位和通讯等，就近调度和历史回放等功能都已实现，有效克服了传统人工调度的缺点[4]。2GIS在农业保险中的作用我国也有一些GIS技术在农业保险的相关理论的方法的研究，但是功能仍只局限在规划数据的图形化显示、管理及简单的气象模型分析，并没有对农业保险的各项业务工作进行深度地分析，也没有相关辅助决策的支持。在农业占据很大地位的我国，农业政策性保险也在逐步发展，因此需要针对农业保险业务的各个主要环节，深入地进行GIS应用及开发，并有效整合农业防灾减损、综合服务的资源，为农业防灾减损提供有力的决策支持。通过深入分析，GIS在农业保险中主要可以用于信息管理、统计分析、模型分析和决策支持等方面。
2.1信息管理
2.1.1承保管理。承保管理应包括客户信息管理和保单信息管理，通过与承保系统对接，实现信息在地图上直观地展示。
2.1.2理赔管理。将出险查勘的理赔数据通过与理赔系统对接，实现案件信息实时在地图上直观展示，并能对赔付率、第一现场查勘率等指标进行统计。
2.1.3经营管理。出险发生后，及时调度相关保险机构人员查勘，利用模型计算出出险地与保险机构距离情况，查勘面积（或数量）情况、派出查勘员的数量和级别、使用的交通工具情况等在系统中都能够直观地显示，并测算出该次查勘所需费用，并与实际报销费用进行核对，防止多次报销的情况发生。
2.1.4灾害区划管理。自然灾害区划是减轻自然灾害的基础，目的是了解自然灾害的分布规律和灾害发生的强度、频度与规模。减灾区划是在自然灾害区划的基础上开展规划，为国土利用、区域经济发展与建设、自然灾害保险等提供依据。
2.1.5专题图管理。根据各个机构管理区域、销售业绩、投保面积、投保种类、保费金额、理赔金额等信息和受灾的统计数据，综合分析其内在关系，可制作出销售业绩变化曲线图、投保金额变化图、理赔金额变化曲线图、投保面积分布图、投保率分布图和受灾种类分布图、受灾程度分布图、受灾概率分布图等专题图层，为公司管理、综合评定业绩变化和分析保险业务信息提供依据和便利。
2.2统计分析
2.2.1空间统计。空间统计提供对特定对象数据进行归纳与统计，通过对特定对象数据数值型字段进行计数、求平均数、累加、求最大值与最小值、求取值范围、求标准差、求方差等内容，满足和实现统计需求。
2.2.2绘制保险费率图及灾种损失率图。根据不同的地理区域内各灾种的活动规律及不同区域内保险标的的抗灾性能，可以对不同的保险费率进行区域划分，根据以往不同灾种所造成的损失情况，可编制不同灾种的损失率分布图。
2.2.3编制风险分布图及区域危险等级划分。在获得有关地域空间和自然灾害的信息后，可以分析出不同地理区域以及不同灾种的历史分布情况，编制风险分布图，并根据某一区域内灾种发生的历史情况分析找出灾种的发生规律。另外还可以对不同的区域进行危险等级划分。
2.2.4空间缓冲区分析。根据分析对象的点、线、面实体，自动建立其周围一定距离的带状区，用以识别这些实体或主体对邻近对象的辐射范围或影响度，以便为某项分析或决策提供依据，从而预测可能产生的损失，进而采取相应的措施将风险损失降低到最低程度，最大程度挽回受灾主体、保险公司及政府的损失。
2.3模型分析和决策支持
2.3.1模型分析。在采集足够多的数据样本基础上，运用空间统计分析等科学方法，建立数据分析模型，根据不同地理区域内各灾种的活动规律及不同区域内特定标的的抗灾性能，对不同的特定标的进行区域划分；根据以往不同灾种所造成的损失情况，编制不同灾种的损失率分布图，在获得有关地域空间和自然灾害的信息后，分析不同地理区域以及不同灾种的历史分布情况，编制风险分布图，并根据某一区域内灾难发生的历史情况，可分析出灾难的发生规律，建立分析模型。另外，还可以对不同的区域进行危险等级划分，为某项分析或决策提供依据。
2.3.2承保决策支持。实时统计承保量，并直观展示位置、历史损失情况、风险状况、风险指数等，为承保提供依据。商业险可以决定是否承保、承保费率；政策险可以准确确定承保量，避免漏报、多报情况发生。
2.3.3理赔决策支持。对出险标的的品种、出险位置、损失情况进行实时统计和展示，并建立损失预测模型，辅助查勘定损工作。可以将损失模型测算结果与报损数据进行比较，防止多报；在出险发生后可以及时调度相关保险机构人员进行查勘。
2.3.4防灾减损决策支持。根据损失预测模型，结合测试地区的防灾条件，预测保险标的未来损失发生的位置、概率及规模，并给出防灾减损工作方案，建立预警方式。
3农业保险GIS平台
系统采用ESRI的ArcSDE作为空间数据引擎，在数据库中可以存储各种空间、时间相关的数据和数据规则。通过ArcSDE来完成海量空间数据的集中管理和共享。采用ArcMap对地图进行处理，可以作为系统的地理依据，以辅助决策农业保险。GIS平台在农业保险的具体应用体现在多方面，如图1所示。农业保险GIS应用系统定位为辅助支撑平台系统，其总体设计为辅助支撑平台确定整体框架和结构，是GIS系统工作的核心和系统开发的依据，是与核心业务系统对接和展示的基础平台。在总体设计方案指导系统开发的全过程，不但要使系统开发的近期目标和远期目标得以实现，而且要使所设计的系统达到优化[5]。根据保险公司对GIS信息系统的基本需求，以及开展农业保险业务的特殊需要，设计方案可分为2大核心子系统：即业务系统与决策支持系统。农业保险信息系统的基本框架如图2所示。GIS可以与GPS及其他动态数据采集系统高效集成；同时，GIS也可以方便地与各种视频系统、多媒体数据集成。该系统通过建设监测站点，结合运用有关部门卫星遥感数据、无人飞机航拍数据以及GPS实测数据，采集各个地区的地理位置、土壤状况、农作物种植情况、水利基础设施分布情况，以及气象灾害和病虫害发生情况等，利用不同时期自然灾害的专题数据，形成矢量数据库，输入GIS空间和属性数据库，利用GPS测量系统获取灾情发生区域的动态数据，将遥感影像（遥感时空数据库）、图形图像（地理空间数据和GPS获取的动态观测数据）以及保险公司提供的其他信息，经过校正和标准化后叠加在一起，使基础灾害信息和空间信息分层表现在图层上，利用这些信息进行灾情动态监测、交互查询、动态更新，建立损失评估模型，对灾害损失进行评估，根据损失评估结果辅助涉农中小企业进行防灾减损决策。其建设内容如图3所示。系统采用B/S+C/S+M/S相结合的系统模式并支持灵活扩展，其中C/S部分侧重于系统数据维护、专业性分析，B/S模式侧重于信息的查询统计和分析。M/S模式为移动式平台，结合手机端GPS与拍照、录像功能，可以为现场查勘理赔提供定位、丈量、信息记录、声音图像记录等大部分内容。系统可通过灵活地扩展，来满足用户各种不同需求。其C/S主界面、B/S区划主界面分别如图4、图5所示。系统具备较好的完整性，符合损失评估的工作流程，从基础数据处理分析到模型运行以及运算结果输出等自成一体。整个系统是一个人、机交互系统，在模型运行中来自于用户判断、实时输入的内容通过用户和计算机系统反复交互予以实现，因此系统必须具备友好的人机交互界面以及灵活的操作性能。系统的接口设计合理，既能保证系统内部各模块之间的数据高效传递，又能实现与外部模块和保险业务系统的动态关联，以利于分散开发的大系统的各部件在统一环境下有机地集成并顺利地运行。强调系统功能的实用性，同时系统还应具备安全性、先进性、可扩展性、可移植性、易于维护等特点。农业保险分析决策管理系统的建立本身是一个系统工程，组织尤为重要。在系统的设计中，要遵循综合性、标准化、规范化、安全性、面向用户等设计原则。
农业统计分析范文第5篇
一、加强制度建设，不断提高农业统计工作水平
我们对应泰州市农委的要求，根据《农业统计工作目标管理考核办法》进行了细则完善,对本系统农业统计工作进行了进一步规范和目标管理。对上级主管部门布置的统计工作任务，按规定按要求组织实施，进行统一扎口规范、审查、核实、提供、公布本部门范围内的统计数字，确保了统计数据的质量。对上级各部门布置的农业结构调整、农业服务业、农业生产综合、农产品及农用生产资料价格等统计月报、定报、季报、年报等专项业务工作，都能做到全面、准确、及时、规范，保质保量，并按要求形成书面分析材料进行报送。将年度报表、相关资料及分析材料分别装订成册，分门别类地进行保管，做到有案可查，井井有条。我局的计划统计工作获得了泰州市农委主管部门的高度肯定，继续在四市两区中处于先进行列。年、年被泰州农委表彰为系统计划统计工作先进集体。
二、积极开展农业生产形势分析研究和职能工作情况调查，为领导决策提供服务
按照泰州市农委、市委市政府有关部门和局领导的要求，我们经常组织开展农业生产调查研究，认真进行生产形势分析，为上级领导决策和指导全市的农业生产提供服务。
今年来主要是按季度开展了农业生产和经济形势的调研、预测、分析工作，及时总结研究各阶段生产中的情况和问题，提出建议，形成专门材料上报市委、市人大、市政府有关部门，并在上级各有关部门召开的经济形势分析、情况调研总结等会议上进行了交流。按照泰州市农委及市政府和局领导的要求，组织开展了观光农业、休闲渔业、现代农业发展及高效农业规模化建设等五次专项农业调查和分析，并形成了专门材料、报表等进行了报送。
为了确保系统全年各项职能工作任务的全面完成，将上级各部门对局和局对各单位、乡镇的考核任务专门拟文进行了分类汇总，并就有关事项进行了详细说明和明确。全年分三次对系统各项职能工作任务完成情况进行了调查和汇总并报局各位领导参考。
另外，结合职能工作的开展，还进行了系统农业招商引资、乡镇考核指标完成情况的调查分析，累计全年共组织进行农业生产调查十四次，超额完成了年初制定的农业调查等任务指标。
三、认真做好规划、计划、政策意见制定等项工作
一是组织进行了年农业重点工作目标的调研，制订了《年泰兴市农业重点工作及考核办法》，以市委办文件形式下发，将考核结果纳入市对乡镇农村经济工作百分考核，为促进系统职能工作的顺利开展提供保障。
二是根据市政府编制“十一五”农业发展规划及有关专项规划的要求，我们组织全系统各单位及相关专门人员对十五期间我市农业发展的成效进行了总结，客观分析了存在的问题和不足，结合国家、省、市新时期发展现代农业的方针、政策和总体规划，完成了泰兴市农业发展“十一五”规划和“十一五”期间政府投资农业专项规划的编制工作。
三是根据局领导的安排，和办公室一起研究制定了年农业系统目标管理百分考核工作意见。根据省委[]2号文件精神，配合农工办完善了我市发展农村合作经济组织有关的政策性意见。
客观分析全年的工作，虽然做了一点琐碎的事情，取得了一点成绩，但也存在许多的不足，年，我们将继续在上级的正确领导下，紧紧围绕科室职能的
履行和发挥，按照“编制计划，切实可行；提供信息，准确可靠；农情调研，经常深入；事务管理，系统规范；为农服务，热情周到”的工作要求及服务承诺，从严要求，从现在做起，进一步加强学习，开拓创新，着重在以下几个方面进行认真的改进和提高。
一是多到农业生产一线进行调查研究，切实提高农业调查与研究的广度和结合度，努力做到吃透上情，熟悉下情，克服就数据、材料分析情况的现象，充分发挥本科室为农业生产指导和决策提供服务的作用。
省级期刊 审核时间1个月内
河南省人民政府发展研究中心;河南省农村发展研究中心
