基于结构方程模型吉林省农民增收关键因素分析.docVIP

基于结构方程模型吉林省农民增收关键因素分析 　　摘 要：本文采用网络文献分析法以及问卷调研法对于现代农业发展与农民增收状况之间的协同效果做出了考察，并采用结构方程模型的方法，对吉林省农民增收的政府政策制定、现代农业科技的发展、农业生产要素的投入等关键因素等进行分析，并探讨了相关指标对吉林省农民增收效果的贡献度。 　　关键词：吉林省；农民增收；结构方程模型 　　中图分类号： F328 文献标识码：A DOI：10.11974/nyyjs.20160931058 　　引言 　　农民增收问题是“三农”问题的关键，是当前和今后较长一个时期经济社会发展的核心问题[1]。吉林省的农民收入问题影响着吉林省城乡经济的可持续协调发展。结合吉林省当地的背景和农业条件，有效地提高农民收入，探索影响吉林省农民增收的关键因素是一个现实而亟待解决的问题。 　　1 研究方法 　　在行为科学、教育、医学、社会科学等不同范畴，不少实质理论都涉及2种变量：显变量与隐变量。前者指可直接测量的数据，如收入、测试分数、重量等。而不能直接量度的统称隐变量，例如智力、数量能力、健康状况、购买行为等。很多时候一个隐变量的特征会在多个可察变量中反映出来，可以运用一些方程式找出隐变量的特征。而构成此现象的一个重要因素，是可察变量与隐变量之间往往互为因果互有关联。要有效评鉴这些关系，便需建立“结构方程模型”。结构方程模型 （Structural Equation Modeling，简称SEM）既能够分析处理测量误差，又可分析潜在变量之间的结构关系[2]。 　　结构方程模型的建模过程一般是： 　　模型设定：在进行模型估计之前，研究者根据先验的结论、现有理论等设定初始理论模型。由于SEM是一种证实性（confirmatory）而非探测性（exploratory）技术，估计模型的目的证实或者证伪研究者的某一个结论、关系等。模型的设定一般采取画出需要证明的关系的直观表达形式-路径图（path diagram）。 　　模型识别：考虑模型中每一个未知参数都能由样本数据得到唯一的解作为估计值[3]。由此，需要设定需要估计的参数（自由参数）和不需要估计的参数（限制、固定参数）。 　　模型估计：采取具体的方法来就样本的协方差阵数据进行各个参数的估计。常使用的方法有：最大似然法、广义最小二乘法等。 　　模型评价：取得参数估计值后，需要对模型和数据之间是否拟合进行评价[4]。常用的拟合指标有：对度量模型、结构方程式模型和整个模型的复相关系数及决定系数、Chi-平方（x2），拟合优度指数（GFI），修正的拟合优度指数（AGFI），平均平方残差的平方根（RMR）、模型修正指数等。 　　模型修正：如果模型不能较好的拟合数据，有2种可以选择的方法：修改、增加、删除模型的参数；修改理论模型。一个拟合较好的模型在实践中往往需要多次修正。如图1所示。 　　2 数据分析模型 　　本研究对于现代农业发展与农民增收状况之间的协同效果做出了考察。以上这些研究和相关文献与理论研究以及专家问卷，可以把吉林省农民增收关键因素归结为以下3个对象：政府政策制定；现代农业科技的发展；农业生产要素的投入。本研究考察的是各个对象的行为对吉林省农民增收的影响程度，具体分析如表1所示： 　　基于以上因素的考虑，本课题建立了吉林省农民增收因素因果关系模型（图2）和相应的研究假设。 　　为了考察吉林省吉林省农民增收的关键因素之间的因果关系和贡献度，现提出以下假设： 　　假设1（H1）：政府政策制定越得力，农业生产者吉林省农民增收越易达成。 　　子假设： 　　H1a：政府决策的依据越得力，吉林省农民增收越易达成。 　　H1b：政府政策的内容越有效，吉林省农民增收越易达成。 　　H1c：政府政策的保障措施越齐全，吉林省农民增收越易达成。 　　假设2（H2）：各部门的现代农业科技的发展越强，吉林省农民增收越易达成。 　　子假设： 　　H2a：税收部门执行质量越好，吉林省农民增收越易达成。 　　H2b：农业管理部门执行质量越好，吉林省农民增收越易达成。 　　H2c：金融机构执行质量越好，吉林省农民增收越易达成。 　　H2d：人力资源保障部门执行质量越好，吉林省农民增收越易达成。 　　3 吉林省农民增收关键因素问卷分析 　　3.1 样本分布与描述 　　根据研究问题和目的，本研究是探讨影响吉林省吉林省农民增收的关键因素，科技创新政策拥有一个相当广泛的研究对象，为了研究具有更大的针对性，本研究把符合以下2个条件的科技创新政策作为研究对象：对吉林省农业生产者有较大影响的科技政策；拥有突出科技成果的高科技农业生产者。 　　本研究采用SEM作为主要数据分析工具。一般来说，运用Amos软件进行数据分析所