Page 79 - 《华中农业大学学报(社会科学版)》2021年第4期
P. 79
第 4 期 管 睿 等: 生计恢复力、 抱负水平与农户风险投资行为 7 3
而抱负水平的测度则是解决抱负失灵的核心问题.个体的抱负水平在不同的决策环境中是不一
样的, 其可以是离散也可以是连续的结果. Conradie 等的研究中就用个体期望的职业选择来测度抱
负水平 [ 28 ] .然而在农户调研中, 大多数农户已形成固定的职业选择, 若使用个体职业抱负会存在较
大偏差.因此, 本文选择大多数经济学研究中常用的李克特 5 级量表进行抱负水平测度, 用 1~5 的
连续型变量表明农户抱负水平的强烈程度, 数字愈大则抱负水平愈高.
3. 模型构建
基于变量的协方差矩阵, 结构方程模型能有效分析不能直接观测的潜变量之间的结构关系, 其逐
渐成为经济学和管理学领域重要的研究方法之一.结构方程模型中的指标类型通常包括反映型与形
成型两种, 但若反映型与形成型指标误用, 会导致参数估计出现偏差, 变量之间的关系评价也会随之
出现问题, 进而导致研究内容的全面错误. Burke等列出了判断形成型测量模型的 5 项标准: 一是测
量变量充分反映潜变量的特征; 二是测量变量的变化会影响潜变量; 三是潜变量的变化不会影响测量
变量; 四是某一测量变量的改变并不会影响其他测量变量; 五是删除某一测量变量可能会改变潜变量
的概念.因此, 参考上述标准, 本文中测量变量与潜变量之间的关系更适用于形成型测量模型 [ 29 ] .
首先, 构建内部模型( 结构模型) 来描述各潜变量之间的因果关系.
η = α+Г ξ+ ζ ( 1 )
式( 1 ) 中, 为内生潜变量, 即农户抱负水平及风险投资行为; 为外生潜变量, 即农户缓冲能力、
η
ξ
自组织及学习能力; α 为常数项, Г 为路径系数( 直接影响效应), 则为残差.
ζ
其次, 构建外部模型( 测量模型) 来描述潜变量与各测量变量之间的关系.
( 2 )
η =П y y+ δ y
( 3 )
ξ=Пx x + δ x
其中, 是内生潜变量 η 的测量变量; x 为外生潜变量 ξ 的测量变量; П 为多元回归系数矩阵; δ
y
为回归残差项.
同时, 由于本文在 HoltGLaur y 实验中设置了安全投资型项目模拟与机会驱动型项目模拟两种情
景, 两者在风险与收益方面存在较大差异, 若将两种情景置于同一结构方程中, 就无法准确量化并对
比农户在面临不同风险收益时其投资行为的差异.因此, 本文遵循实验规则, 分别构建了在安全投资
型项目与机会驱动型项目中农户生计恢复力对抱负水平及风险投资行为影响的结构方程模型.
三、 实证结果分析
1. 测量模型估计
信度与效度是评价结构方程模型的重要指标, 而在形成型测量模型中, 信度与评价结构方程模型
质量并无太大关联, 其核心在于保证效度.因此, 本文主要从测量模型的权重显著性、 测量变量间的
多重共线性及模型适配度三个方面对两个模型进行效度评价.
表 3 测量模型的权重显著性检验结果
安全投资型 机会驱动型 安全投资型 机会驱动型
人均收入 → 缓冲能力 0.203 ∗∗∗ 0.071 ∗∗∗ 社会参与 → 自组织 0.054 0.089
人力资本 → 缓冲能力 0.245 ∗∗∗ 0.181 ∗∗∗ 交通可达性 → 自组织 0.261 ∗∗∗ 0.256 ∗∗∗
房屋资本 → 缓冲能力 0.235 ∗∗∗ 0.338 ∗∗∗ 技能培训 → 学习能力 0.457 ∗∗∗ 0.215 ∗∗∗
自然资本 → 缓冲能力 -0.162 ∗∗∗ -0.130 ∗∗∗ 信息交流 → 学习能力 0.196 ∗∗∗ 0.263 ∗∗∗
健康水平 → 缓冲能力 0.279 ∗∗∗ 0.299 ∗∗∗ 教育水平 → 学习能力 0.156 ∗∗∗ 0.208 ∗∗∗
物质资本 → 缓冲能力 0.197 ∗∗∗ 0.285 ∗∗∗ 务工时间 → 学习能力 0.487 ∗∗∗ 0.598 ∗∗∗
资助机会 → 自组织 0.436 ∗∗∗ 0.368 ∗∗∗ 抱负水平 → 抱负水平 1.000 ∗∗∗ 1.000 ∗∗∗
社会网络 → 自组织 0.388 ∗∗∗ 0.395 ∗∗∗ 安全投资 → 投资行为 1.000 ∗∗∗ ———
社会信任 → 自组织 0.161 ∗∗∗ 0.222 ∗∗ 机会驱动 → 投资行为 ——— 1.000 ∗∗∗
注: ∗∗ 、 ∗∗∗ 分别表示在 5% 、 1% 的统计水平上显著, 下同.