5農(nóng)業(yè)產(chǎn)業(yè)化的金融支持(編輯修改稿)
2024-09-06 22:30 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 經(jīng)濟(jì)素質(zhì)和競(jìng)爭(zhēng)力（徐貽軍、任木榮， 2024）。農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)優(yōu)化直接表現(xiàn)為農(nóng)業(yè)產(chǎn)值比重下降，林牧漁業(yè)產(chǎn)值比重增加，因此選用林牧漁業(yè)增加值占農(nóng)業(yè)總增加值的比重這一指標(biāo)。 。金融對(duì)農(nóng)業(yè)產(chǎn)業(yè)化的支持主要體現(xiàn)為對(duì)農(nóng)業(yè)的貸款。本文選用人均農(nóng)業(yè)貸款（萬(wàn)元 /人）指標(biāo)。其中人均農(nóng)業(yè)貸款等于 XX 省金融機(jī)構(gòu)綜合信貸收支中的農(nóng)業(yè)貸款除以鄉(xiāng) 第 5 頁(yè) 共 10 頁(yè) 村從業(yè)人員所得。表 1 為農(nóng)業(yè)產(chǎn)業(yè)化和金融支持具體指標(biāo)及代碼。 。本文選取 XX 省所轄 18 個(gè)市區(qū) 2024 年的上述指標(biāo)數(shù)據(jù)作為研究樣本。具體數(shù)據(jù)根據(jù)《 XX 省統(tǒng)計(jì)年鑒 2024》整理而得，如表 2 所示。 （二）實(shí)證分析 農(nóng)業(yè)產(chǎn)業(yè)化指標(biāo)體系包含的多個(gè)變量之間可能存在相關(guān)性，這給分析帶來(lái)難度。在此先對(duì)農(nóng)業(yè)產(chǎn)業(yè)化的原始變量進(jìn)行因子分析，根據(jù)因子分析結(jié)果計(jì)算各市區(qū)的農(nóng)業(yè)產(chǎn)業(yè)化綜合得分，然后對(duì)各地農(nóng)業(yè)產(chǎn)業(yè)化水平和金融支農(nóng)水平進(jìn)行回歸分析。 。本文采用 spss 統(tǒng)計(jì)軟件，對(duì)八個(gè)農(nóng)業(yè)產(chǎn)業(yè)化的原始指標(biāo)進(jìn)行全面的 kmo 檢驗(yàn)和巴特利特 球形檢驗(yàn)，得出 kmo的值為 ，巴特利特球形檢驗(yàn)的相伴概率為，小于顯著性水平 。因此拒絕巴特檢驗(yàn)的零假設(shè)，適合因子分析。 。本文采用主成分分析法提取因子變量，提取因子的標(biāo)準(zhǔn)是特征值大于 1，從而得到農(nóng)業(yè)產(chǎn)業(yè)化水平的因子特征根及方差貢獻(xiàn)率如表 3所示。由表 3 可知，因子有三大特征根 1 3 ，他們一起解釋了原變量的標(biāo)準(zhǔn)方差的 ％，因此，提出前三個(gè)公共因子 f 第 6 頁(yè) 共 10 頁(yè) f f3，可反映原始變量所 提供的足夠信息。 。建立原始因子載荷矩陣，運(yùn)用方差極大化對(duì)此進(jìn)行因子旋轉(zhuǎn)，根據(jù)結(jié)果可知，公共因子 f1在 x x x8上的載荷值很大，是解釋農(nóng)業(yè)生產(chǎn)效率和產(chǎn)業(yè)結(jié)構(gòu)的主因子， f2在 x x x4上的載荷值很大，是解釋農(nóng)業(yè)現(xiàn)代化水平的主要指標(biāo)，f3在 x x7上的載荷值很大，是解釋經(jīng)營(yíng)規(guī)模的主要指標(biāo)。 。由因子得分矩陣得到因子得分函數(shù)。 f1=+…+ f2=++… 8f3=++… 同時(shí)得出農(nóng)業(yè)產(chǎn)業(yè)化綜合得分模型如下： ai＝ ++ 其中， ai 表示農(nóng)業(yè)產(chǎn)業(yè)化綜合得分，式中各系數(shù)為各因子的方差貢獻(xiàn)率與累計(jì)貢獻(xiàn)率的比
語(yǔ)文相關(guān)推薦
鄂ICP備17016276號(hào)-1