图1. 各省依照因子得分分布图

　　四、基础设施省际差异的形成因素研究：基于结构方程模型

　　1、模型设计

　　本文的模型设计逻辑图见图2。结构方程模型的设计之初，我们要尽可能考虑所有可能的关系，故而除了依照因子分析进行探索性因子分析外，我们还加入了诸多回归关系。图中双向箭头就表示双向因果回归关系，单向箭头表示单方向因果回归关系。方框表示外生变量，椭圆表示内生潜变量。

　　图2. 结构方程模型设计

　　在进行完模型设计之后，笔者展开了实证分析，完全依照上述图形进行的实证分析表明，所有基础设施和外生解释变量之间的双向因果关系并不显著，故而我们放弃分析这种双向关系，转而专门分析本文的主题：是什么因素造成了基础设施的省际差距，这些影响的大小又是多少?于是图4.2中人均GDP等变量和基础设施之间的双向箭头，就变为由人均GDP等变量指向基础设施的单向箭头。需要特别指出的是，为了达到SEM模型的样本要求，我们将数据扩展为2000年到2008年这9年的数据共279个样本单元。

　　2、估计结果

　　在进行具体的实证分析之前，我们先给出模型的整体检验情况，本文使用的软件是AMOS7.0。检验估计结果见表6。

　　表6. 模型整体拟合情况的相关检验 统计量 卡方 自由度 P值 NFI RFI IFI TLI CFI CMIN/DF RMSEA 模型指标 20940 243 0.000 0.901 0.773 0.966 0.839 0.953 1.921 0.015 表6中的卡方拟合指数检验的原假设是模型协方差阵等于样本协方差阵。如果模型拟合数据的原假设是真实的，则会获得大的或较大卡方值，返回的概率小于0.001。本文的模型显然达到这一要求。对于其他指数的解释是这样的：NFI 是规范拟合指数，变化范围在0和1间，1 = 完全拟合，按照约定，NFI 小于0.90 表示需要重新设置模型。RFI 是相对拟合指数，它不保证其值的变化范围在0和1间，RFI 接近1表示拟合良好。IFI 是增值拟合指数，它不保证其值的变化范围在0和1间。IFI接近1表示拟合良好，大于0.90为可接受拟合。 TLI 是Tucker-Lewis 系数，也叫做Bentler-Bonett 非规范拟合指数(NNFI)。TLI不保证其值的变化范围在0和1间。TLI接近1表示拟合良好。CFI 是比较拟合指数，其值位于0和1之间。CFI 接近1表示拟合非常好，其值大于0.90表示模型可接受。CMIN/DF 是最小样本差异除以自由度。被称之为相对卡方或规范卡方。显然该值越小越好。当相对卡方大于2或3时，保守的使用就需要拒绝模型。RMSEA是近似误差均方根，按照惯例，如果 RMSEA 小于或等于0.05，模型拟合的好。如果 RMSEA 小于0.08，有适当的模型拟合。根据上述解释，本文的模型完全符合所有检验，是一个拟合较好的模型。为此，我们可以依据模型设定的路径进行分析。表7给出了所有需要估计的路径系数的参数值。其中为了方便估计，部分路径系数的值被设计成1, 这是结构方程模型估计中必须的，为了避免我们认为设定的路径系数1的影响，表格的最后一列给出了标准回归系数。

　　见表7，首先看探索性因子分析部分，也即三类基础设施对各类基础设施指标(共17个)的聚合情况，其结果十分显著，说明前文所用因子分析很好地为这里的探索性因子分析提供了研究路线。下面我们重点分析一下各种外生变量对基础设施省际差异的影响。首先看财政分权度，财政分权对三类基础设施的影响都是显著的。从标准回归系数来看，财政分权度对经济性基础设施的正面影响最大，其次为城市基础设施。但财政分权度对医疗基础设施的改进毫无益处并且负面效果很强。这说明，中央政府向地方政府的财政权力下放，会导致地方政府更加注重地方经济性基础设施和城市基础设施建设，而忽略医疗基础设施的建设。从人均GDP的回归结果看，人均GDP对三类基础设施的作用均为正方向，这说明一个地区的经济发展水平对基础设施的优良状况具有决定性作用。从消费水平对基础设施的影响来看，其对城市基础设施和经济性基础设施的作用为正，但对医疗基础设施的作用为负，这说明消费水平越高的地区，医疗基础设施的差距反而越大，这说明如果一个区域的消费水平如果过高，则很可能影响人们在医疗上的花费，进而影响医疗基础设施的发展水平。劳动力的数量对城市基础设施和经济性基础设施的作用均为负，但对医疗基础设施的作用为正。这说明我国健康人力资本状况不良，劳动人口越多，医疗花费越高，医疗基础设施的水平也就越高。而如果劳动人口多，经济性基础设施和城市基础设施也会显得拥挤，从而产生负面影响。有意思的是，人口密度越高的区，三类基础设施均越好，这说明政府对基础设施的投入安排，或多或少地受到人口密度的影响，并认为人口密度更高的地区，能够更好地实现基础设施对经济增长的正外部性作用。二三产业人口比重对城市基础设施的作用为正，对医疗和经济性基础设施的作用为负，出现这一情况的原因在于，二三产业人口比重越大，城市的规模往往越大，这会导致医疗基础设施和经济性基础设施的拥挤并产生不良影响，但对城市基础设施的影响为正。

表7. 所有路径系数的估计结果 回归估计项目及方向 回归系数 标准差 临界值 P值 标准回 归系数 城市基础设施 <--- Fd 1 　 　 　 0.004 经济性基础设施 <--- Fd 283.334 139.797 2.027 0.043 0.045 医疗基础设施 <--- Fd -29109.4 141.261 -206.068 *** -0.143 医疗基础设施 <--- Pgdp 1 　 　 　 0.928 经济性基础设施 <--- Pgdp 0.004 0.001 5.414 *** 0.124 城市基础设施 <--- Pgdp 0.0039 0.001 0.355 0.023 0.096 医疗基础设施 <--- Pc 1 　 　 　 0.301 经济性基础设施 <--- Pc 0.038 0.003 12.333 *** 0.364 城市基础设施 <--- Pc 0 0 -5.482 *** -0.098 医疗基础设施 <--- Worker 1 　 　 　 0.099 经济性基础设施 <--- Worker -0.026 0.007 -3.66 *** -0.082 城市基础设施 <--- Worker -0.003 0 -10.583 *** -0.19 医疗基础设施 <--- Pd 1 　 　 　 0.035 经济性基础设施 <--- Pd 0.794 0.047 16.789 *** 0.892 城市基础设施 <--- Pd 0.004 0.001 6.078 *** 0.109 医疗基础设施 <--- Cityl -96.651 0.771 -125.326 *** -0.087 城市基础设施 <--- Cityl 1 　 　 　 0.029 经济性基础设施 <--- Cityl -1.059 0.027 -38.872 *** -0.713 医疗基础设施 <--- Tti -113.535 0.798 -142.235 *** -0.099 经济性基础设施 <--- Tti -6.539 0.862 -7.59 *** -0.183 城市基础设施 <--- Tti 1 　 　 　 0.651 X06 <--- 经济性基础设施 1 　 　 　 0.958 X07 <--- 经济性基础设施 22.686 2.162 10.494 *** 0.92 X08 <--- 经济性基础设施 374.721 22.416 16.717 *** 0.991 X09 <--- 经济性基础设施 0.824 0.049 16.776 *** 0.992 X10 <--- 经济性基础设施 1.951 0.109 17.945 *** 0.998 X11 <--- 经济性基础设施 0.348 0.02 16.999 *** 0.993 X16 <--- 经济性基础设施 5.528 1.367 4.044 *** 0.604 X17 <--- 经济性基础设施 0.197 0.044 4.486 *** 0.646 X12 <--- 医疗基础设施 0 0 13.764 *** 0.929 X13 <--- 医疗基础设施 0 0 12.626 *** 0.917 X14 <--- 医疗基础设施 1 　 　 　 1 X15 <--- 医疗基础设施 0 0 16.132 *** 1 X01 <--- 城市基础设施 1 　 　 　 1 X02 <--- 城市基础设施 9.315 0.041 228.898 *** 1 X03 <--- 城市基础设施 0.514 0.002 216.845 *** 1 X04 <--- 城市基础设施 0.335 0.002 221.825 *** 0.947 X05 <--- 城市基础设施 17.018 0.079 216.716 *** 1 注：***表示在1%的显著性水平下显著。单箭头指向的变量是被解释变量(或潜变量)，起始端是解释变量(或形成潜变量的观测变量)。

 3/4   首页 上一页 1 2 3 4 下一页 尾页