各設(shè)區(qū)市新型工農(nóng)城鄉(xiāng)關(guān)系水平的實證分析,經(jīng)濟社會學(xué)論文

各設(shè)區(qū)市新型工農(nóng)城鄉(xiāng)關(guān)系水平的實證分析,經(jīng)濟社會學(xué)論文【題目】【第一章】【2.1-2.3】【2.4】【第三章】【4.1-4.3】【4.4】各設(shè)區(qū)市新型工農(nóng)城鄉(xiāng)關(guān)系水平的實證分析【第五章】【以下為參考文獻】4.4各設(shè)區(qū)市新型工農(nóng)城鄉(xiāng)關(guān)系水平的實證分析4.4.1因子分析經(jīng)過。該部分基于因子分析方式方法對江西省11個設(shè)區(qū)市的新型工農(nóng)城鄉(xiāng)關(guān)系水平的評價邏輯根據(jù)前文?！?〕合適度檢驗。經(jīng)SPSS軟件對江西省11個設(shè)區(qū)市三年指標(biāo)數(shù)據(jù)的均值做因子分析，分別得出相關(guān)系數(shù)矩陣〔表4-8〕與KMO和Bartlett檢驗表〔表4-9〕。經(jīng)觀察發(fā)現(xiàn)各指標(biāo)變量之間存在一定相關(guān)性，符合進行因子分析的前提。KMO值為0.577,表示清楚合適做因子分析。Bartlett球形度檢驗的卡方統(tǒng)計值為52.451,顯著性水平〔Sig.值〕為0.038,小于顯著水平0.05,因而拒絕原假設(shè)，講明變量之間存在相關(guān)關(guān)系，講明合適做因子分析?！?〕因子提取。將這9個變量按基于特征值大于1的最大方差法進行主成分分析，得到旋轉(zhuǎn)的主成分個數(shù)和相應(yīng)的方差奉獻率。由上表所示：共提取3個主成分，設(shè)為123F,F,F,旋轉(zhuǎn)后的指標(biāo)特征值分別為3.549、1.943、1.925,方差奉獻率分別為39.434%、21.584%、21.393%,累計奉獻率為82.41%.變量相關(guān)系數(shù)矩陣共有三大特征根，它們一起解釋了變量標(biāo)準(zhǔn)化方差的82.41%,講明原始數(shù)據(jù)所包含的絕大部分信息能夠通過這三個主因子共同解釋。通過上表我們能夠愈加直觀的看出，所有原始變量的信息都能夠被特征值大于1提取的公共因子所解釋，解釋度平均達80%以上，因子提取效果較明顯。〔3〕因子命名及解釋。由于初始因子載荷矩陣中各個因子對變量的解釋不夠明顯，我們觀察經(jīng)過方差最大化旋轉(zhuǎn)后的因子載荷矩陣。根據(jù)上表能夠看出，因子F1在變量X2、X3、X4、X5、X8上的因子載荷量最大，它涵蓋了財政支農(nóng)支出比重、非農(nóng)從業(yè)人口占總?cè)丝诒戎亍⒎寝r(nóng)產(chǎn)業(yè)占比、城鄉(xiāng)恩格爾系數(shù)差異度、城鄉(xiāng)居民醫(yī)療保險參保率五個指標(biāo)。非農(nóng)從業(yè)人口占總?cè)丝诘谋戎睾头寝r(nóng)產(chǎn)業(yè)占比兩個指標(biāo)共同反映了農(nóng)業(yè)與非農(nóng)業(yè)產(chǎn)值構(gòu)造與就業(yè)構(gòu)造，只要二者互相協(xié)調(diào)并且平衡發(fā)展，才能使得工農(nóng)城鄉(xiāng)關(guān)系中的經(jīng)濟關(guān)系得到調(diào)整。城鄉(xiāng)恩格爾系數(shù)差異度與城鄉(xiāng)居民醫(yī)療保險參保率兩個指標(biāo)同樣反映了城鄉(xiāng)居民生活水平以及生活保障程度。因而，可以以將其命名為綜合經(jīng)濟實力因子.因子F2在變量X7、X9上的因子載荷量最大，涵蓋了城鄉(xiāng)建成區(qū)綠化覆蓋率和燃?xì)馄占奥蕛蓚€指標(biāo)。燃?xì)馄占奥什粌H反映基礎(chǔ)設(shè)施建設(shè)水平而且具體表現(xiàn)出了環(huán)保的理念。尤其在農(nóng)村，傳統(tǒng)的生火做飯勢必造成環(huán)境的污染與燃料資源浪費。鑒于此，能夠命名其為生態(tài)環(huán)境因子.因子F3在變量X1、X6上的因子載荷量最大，涵蓋了城鄉(xiāng)居民收入差距和城鄉(xiāng)人均消費支出比兩個指標(biāo)，反映城鄉(xiāng)居民收入和支出的差距，因而，能夠?qū)⑵涿麨槌青l(xiāng)居民收支差異性因子.〔4〕計算因子得分及綜合得分。根據(jù)因子得分系數(shù)矩陣及變量觀測值，能夠計算出3個公共因子的表示出式，分別為：F1=-0.03X1-0.242X2+0.298X3-0.184X4+0.259X5+0.156X6+0.036X7+0.188X8-0.008X9F2=0.072X1+0.009X2-0.017X3+0.188X4+0.075X5+0.062X6+0.464X7+0.142X8+0.496X9F3=0.435X1-0.011X2+0.215X3-0.036X4+0.007X5+0.573X6+0.021X7-0.117X8+0.103X9因子經(jīng)過正交旋轉(zhuǎn)，再用回歸的方式方法計算出各因子得分。按同樣的方式方法，將三個公共因子加權(quán)匯總，得到3個公共因子的得分及綜合得分。4.4.2實證結(jié)果分析。搜集并整理11個地市2018年到2020年的相關(guān)指標(biāo)數(shù)據(jù)，采用三年均值作為因子分析源數(shù)據(jù)，計算江西省11個設(shè)區(qū)市新型工農(nóng)城鄉(xiāng)關(guān)系水平的綜合得分，如表4-14所示。從整體來看，南昌市、景德鎮(zhèn)市、萍鄉(xiāng)市、九江市、新余市贛州市六個設(shè)區(qū)市的得分均為正值，并且在11個市中排名前六。上饒市、撫州市、吉安市、鷹潭市、宜春市五個市的綜合得分均為負(fù)值，并且排名靠后。南昌市作為江西省的省會城市，得分最高，講明三年來新型工農(nóng)城鄉(xiāng)關(guān)系的平均水平在所有地市中最高，發(fā)揮了帶頭輻射作用。著名的瓷都景德鎮(zhèn)綜合得分排名第二，緊跟南昌之后。詳細(xì)來看，因子F1在各地市的得分影響較大，因子F3次之。南昌市因子F1得分最高，因子F2得分在所有地市中排名第二低，盡管如此，與所有因子得分均為正值的景德鎮(zhèn)比擬，仍然排在其之前，居首位。再者，萍鄉(xiāng)市因子F2和F3得分均為負(fù)值，但是因子F1得分在各市排名第二，綜合得分排名居于第三位，高于F1得分為負(fù)、F2和F3得分為正的九江市。鑒于此，足以看出F1〔綜合經(jīng)濟實力〕因子對綜合得分的影響之大。這一點同江西省整體新型工農(nóng)城鄉(xiāng)關(guān)系的實證結(jié)果分析相吻合。同時，比擬贛州市和宜春市的因子得分可知，兩市在F1、F2上的得分均為負(fù)值，只因兩市在因子F3的得分一正一負(fù)，造成綜合得分排名贛州第六而宜春最后的局面，足以講明F3〔城鄉(xiāng)居民收支差異性因子〕的影響也較大。4.4.3結(jié)論。從以上實證結(jié)果可知，地區(qū)間新型工農(nóng)城鄉(xiāng)關(guān)系發(fā)展存在很大差異。導(dǎo)致差異的最大影響是因子F1和F3,即綜合實力因子和城鄉(xiāng)居民收支差異性因子.兩個因子反映的指標(biāo)分別是財政支農(nóng)支出比重、非農(nóng)從業(yè)人口占總?cè)丝诒戎?、非農(nóng)產(chǎn)業(yè)占比、城鄉(xiāng)恩格爾系數(shù)差異度、城鄉(xiāng)居民醫(yī)療保險參保率和城鄉(xiāng)居民收入差距、城鄉(xiāng)人均消費支出。首先，結(jié)合綜合得分排名后五位的幾個地市來看，非農(nóng)就業(yè)人口以及非農(nóng)產(chǎn)值比重普遍低于其他地市，講明地區(qū)間的就業(yè)構(gòu)造、產(chǎn)值構(gòu)造存在不合理甚至偏離現(xiàn)象。綜合財政支農(nóng)比重來看，除了鷹潭市比擬低以外，其他市的比重平均都在15%左右。因而，同時反映出財政支農(nóng)構(gòu)造不合理以及資金使用效益低下等問題。除此之外，城鄉(xiāng)居民參加醫(yī)療保險的比率也不算理想，全民醫(yī)保的政策目的有待實現(xiàn)，人民社會保障水平亟待提高。其次，11個設(shè)區(qū)市普遍存在兩