农民对农村公共产品供给满意度实证_省略_析_基于江西省农户层面(3)

“您是否支持当地政府或村委会向村民筹资或摊派”从农村公共产品的资金来源看，农民认为Ｘ２４：是政府负担还是可以由村民共同负担。

）表征地区经济发展的变量（４

“所在地区属于”表明农Ｘ３１是地区所属变量，民所在地区的经济发展程度①。

数均较小，为了简单起见，只使用Ｘ０Ｘ０Ｘ０Ｘ０２、３、４、５进行因子分析，目的在于由Ｘ０Ｘ０２、３的主要信息构造出一个新的因子，代表Ｘ０由Ｘ０２、３的共同成分；代表Ｘ０Ｘ０４、５的主要信息构造出一个新的因子，

下面采用Ｓ进Ｘ０Ｘ０ＰＳＳ１７．０软件，４、５的共同成分。行因子分析。

初始相关性分析。由Ｓ１．ＰＳＳ１７．０的相关性分

析，对应的ｓＸ０Ｘ０．３４７，ｉｇ２、３之间的相关系数为－０值较小，为０．０００；Ｘ０Ｘ０．４、５之间的相关系数为０对应的ｓ为０．说明这两对变量４８６，ｉ０００。ｇ值较小，之间存在显著的相关性，从而有必要进行因子分析。２．ＫＭＯ和Ｂａｒｔｌｅｔｔ球形检验。ＫＭＯ检验是采样充足度的Ｋ用于检验ａｉｓｅｒｅｅｒ－Ｏｌｋｉｎ度量，－Ｍｙ变量之间的偏相关性；Ｂａｒｔｌｅｔｔ球形检验用于检验相关矩阵是否为单位阵，从而判断变量间是否独立，如果不能否定相关矩阵为单位阵的假设，说明变量不适合作因子分析。如果可能单独提供了一些信息，

小于０．输出的ＫＭＯ的值等于５则不适作因子分析，

尚可接受。０．５０５，Ｂａｒｔｌｅｔｔ的球形度检验统计量的相伴概率为０．拒绝相关矩阵为单位阵的零假设，０００，说明各变量之间存在显著的相关性，这与上一步由相关系数矩阵所做的分析相一致，可以进行因子分析。

变量的共同度。采用主成分分析方法提取公３．

根据处理的结果，因子，Ｘ０Ｘ０Ｘ０Ｘ０２、３、４、５变量共同度的取值分别为０．６７８、０．６９３、０．７４４、０．７４７，表明几个公共因子分别能够解释Ｘ０７．８％，Ｘ０２方差的６３方差的６９．３％，Ｘ０４．４％，Ｘ０４．４方差的７５方差的７

说明提取的几个公共因子对原始变量还是有解７％，释效果的。

公因子选取。根据测算结果的解释总方差，前４．

两个因子的累积方差达到７说明这个公共因６．１％，即总体７子可以解释总方差的７６．１％，６．１％的信息可以由这两个公共因子来解释。结合特征初始值（即方差贡献）的碎石图，将特征值按照从大到小的降序排列后，前两个公因子的特征值均大于１，且第二个公因子之后的特征值变化趋于平缓，故采用两个公因子来分析是比较合适的。

“因子载荷矩阵。表４中，成分矩阵”是初始的５．

“未经旋转的因子载荷矩阵，旋转成分矩阵”是经过

三、实证分析

由于纳入了较多自变量，为了保证自变量之间是不相关的，首先需要进行相关性分析。对存在相关关系的自变量，为了尽量保留变量的信息，本文采用对该自变量提取综合因子，然后再做实因子分析法，证处理。

（一）变量相关性分析

由于选择的自变量较多，当自变量之间存在相关性时，必然会影响到处理结果，故首先对所有的自变量进行相关性检验。采用Ｅｖｉｅｗｓ５．０测算自变量的相关系数矩阵，自变量之间的相关系数均比较小，在０．３以上的只有两个：Ｘ０Ｘ０２、３之间的相关序数为根据王３４７，Ｘ０Ｘ０．４８６。－０．４、５之间的相关序数为０

保进的判断法则，当两个变量之间的相关系数在就可以认为变量之间存在相关关０．３～０．８之间，６］５９６１－

。处理的方法通常有两种，一种是按照经济系［

计量的常规处理方法，删去存在相关关系的两个变量中的一个，只保留其中的一个；另一种是采用因子）方法，分析（将变量进行降维处理，ＦａｃｔｏｒＡｎａｌｓｉｓ　ｙ由存在相关关系的变量构造出新的因子，新的因子但是消包含了原来存在着相关关系的变量的信息，除了相关关系。在下面的实证分析中，笔者综合采用两种方法，一方面消除变量的相关性，另一方面尽量保留原有变量的信息。

（二）因子分析

由前文的相关系数矩阵可知，Ｘ０Ｘ０２、３之间，采用因子分析方法对Ｘ０Ｘ０４、５之间存在着相关性，

其进行处理。由于这几个变量与其他变量的相关系

①

我们将选取的２将人均Ｇ人均１个县按照人均ＧＤＰ的差异划分为三类地区：ＤＰ在１７０００元／人以上的县归为发达地区，　将人均Ｇ这种地区划分ＧＤＰ在９０００～１７０００元／人之间的县归为中等地区，ＤＰ在９０００元／人以下的县归为落后地区。　　　

只是为了说明地区的经济发展状况的不同而设定的，并无固定的划分标准。

１０５

统计与信息论坛

旋转后的因子载荷矩阵。由于因子载荷是变量与公共因子的相关系数，对于某一变量，某个公因子的载荷绝对值越大，该因子与这个变量的相关性越大。根据这一原则，无论是旋转前还是旋转后，第１个公因子更能代表Ｘ０记为Ｆ第２Ｘ０ＡＣ４、５这两个变量，１；个公因子更能代表Ｘ０Ｘ０２、３这两个变量，记为ＦＡＣ２。

表４　成份矩阵及旋转成份矩阵表

成分矩阵

变量

成分１

成分２０．２５８　０．４３２　０．７８８　６６５－０．　

成分１０．８６２０．８５４　０．０９６０．１５１　

成分２０６７－０．０．１２２８２７－０．０．８０９

旋转成分矩阵

而与Ｘ０ＦＡＣ２与Ｘ０２正相关，３负相关。

进一步检查最终因子得分的相关性，根据“成份得分协方差矩阵”的输出结果，ＦＡＣＦＡＣ１、２的相关系数为０．表明这两个公共因子之间不存在相０００，关性。

表５　成分得分系数矩阵表

成分

变量

１　

２０．５９１－０．６１５０．０５３－０．０８８

Ｘ０２Ｘ０３Ｘ０４Ｘ０５

０．０６５　０．１０１０．５６５　０．５７８

Ｘ０４Ｘ０５Ｘ０３Ｘ０２

０．８２３　０．７４９　２７０－０．　０．４８５

提取方法为主成分分析法，采用的旋转法为具有　　注：

Ｋａｉｓｅｒ标准化的正交旋转法。

对于成分矩阵，提取方法为主成分分析法，已提取　　注：

了２个成份；对于旋转成分矩阵，提取方法为主成分分析法，旋转法为具有Ｋ旋转在３次迭代ａｉｓｅｒ标准化的正交旋转法，后收敛。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说英语学习农民对农村公共产品供给满意度实证_省略_析_基于江西省农户层面(3)在线全文阅读。