乡村振兴背景下吉林省农村居民幸福感差异分析

张桂颖，刘晓微

乡村振兴战略的提出将农村农业的发展重新提到新的战略位置，农民是乡村振兴的主体，乡村振兴就是为了使广大农村居民获得更多的幸福感.农村居民的幸福感得到了越来越多的关注，已有研究较多关注了农村居民幸福感的影响因素［1-3］，也关注了农村居民幸福感的评价指标体系的构建［4-5］.乡村振兴战略实施后农村居民的幸福感有没有差异？这些差异又会和哪些因素有关？这些问题的解决对于因地制宜制定政策提升农村居民幸福感显然意义重大，然而已有研究缺乏从乡村振兴的视角来对农村居民幸福感进行差异性分析，本文将在已有研究的基础上，从乡村振兴视角分析农村居民幸福感的差异性，为提升农村居民幸福感提供理论基础.

1 问卷调查

吉林省是农业大省，发展的基础、潜力和后劲都在“三农”.吉林省在实施乡村振兴战略过程中，因地制宜，精准施策，把工作做细做实，一步一个脚印往前走，力图让乡村振兴战略的各项举措落地生根、开花结果，最大限度满足亿万农民对美好生活的向往.2019 年11～12 月，课题组成员通过调查问卷和面对面访谈形式，采用随机分层抽样方法，以吉林省农村居民为调研对象获取数据资料.本次调查共发放问卷900 份，有效问卷876 份，有效率为97.33%.问卷分为两个部分：第一部分是农民的基本信息，包括性别、年龄、受教育程度和收入；第二部分是农民的幸福感六个维度，包括农民对生活满意、期待满意、生态满意三方面的满足感；公共文化、社会公平、教育事业三方面的文明感；乡村治理、社会治安、社会和谐三方面的安居感；生活富裕、基础设施、社会保障三方面的富裕感；生活心态、人际关系、身体健康、当前收入四方面的获得感；生活预期、幸福预期两方面的希望感.为了便于对幸福感的测量，使用李克特量表的构造，转化成满意度的回答，即：非常满意、比较满意、一般满意、不满意、非常不满意，分别赋予5、4、3、2、1 分，得分越高即代表农民幸福感越高.

2 模型构建

2.1 因子分析模型

因子分析模型是主成分分析模型的推广，它也是利用降维的思想，从研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法［6］.

假设原来有p个变量，X1,X2,…,Xp，并且每个变量都进行过标准化处理，均值为0，方差为1，因子分析的数学模型如下：

将此式记为X=AF+ε，其中X=(X1,X2,…,Xp),F=(F1,F2,…,Fm),ε=(ε1,ε2,…,εp),F1,F2,…,Fm为公共因子相互独立，ε1,ε2,…,εp为特殊因子相互独立，特殊因子与公共因子之间也相互独立，A为系数矩阵.

本文在共同度作用较大，特殊因子之间相关性带来的影响几乎可以忽略假设的前提下，利用主成分法计算因子载荷矩阵.设随机向量X=(X1,X2,…,Xp) 的相关矩阵为R，λ1,λ2,…,λp(λ1≥λ2≥…≥λp) 为R的 特 征 根，γ1,γ2,…,γp为R的各特征根对应的标准正交特征向量，则因子载荷矩阵的一个解为：

本文采用正交旋转的最大方差法来对因子进行旋转，并采用最小二乘法利用回归的思想求出线性组合系数的估计值Fˆ=A′R-1X.

2.2 系统聚类

系统聚类是聚类分析中使用最多的方法，其过程为：假设总共有n个样品，第一步，将每个样品（或变量）独自聚成一类，共有n类；第二步，根据所确定的样品（或变量）“距离”公式，把距离较近的两个样品（或变量）聚合为一类，其他的样品（或变量）仍各自聚为一类，共聚成n-1 类；第三步，将“距离”最近的两个类进一步聚成一类，共聚成n-2类；……，以上步骤一直进行下去，最后将所有样品（或变量）全聚成一类.本文是样品聚类分析问题，在计算样品与样品之间距离时采用的是平方欧氏距离，而在计算两类之间的距离时采用类平均法中的组间联结法进行系统聚类，即设某一步Gp与Gq合并成Gr，它们各有np,nq,nr(nr=np+nq)个样品，则某一类Gk与新类Gr之间的距离公式为：

2.3 K-均值聚类

K-均值聚类分析方法借助于将每一个样品分配给最近中心的类中的思想.第一步把样品粗略分成K个初始类；第二步进行修改，逐个分派样品到其最近均值的类中去（通常用标准化数据或非标准化数据计算欧氏距离）.重新计算接受新样品的类和失去样品的类的形心（均值）；第三步重复第二步，直到各类无元素进出.

3 模型结果分析

3.1 因子分析赋值

本文为确保问卷可信度在数据统计分析之前进行了信效度检验，问卷幸福感六个维度的测量项目Cronbach’sα值为0.972，信度较好［7］.问卷中潜变量的度量方式均采用成熟量表，并在预调研时进行修正，以保证较好的效度.信效度检验之后，本文运用SPSS 19.0 统计软件采用因子分析方法对农村居民幸福感的各维度指标赋值.

（1）农村居民满足感.采用KMO 检验和Bartlett 球形度检验进行因子分析适宜性检验，对满足感3 个变量的KMO 和Bartlett 球形度检验结果如表1 所示.

表1 满足感的KMO 和Bartlett 球形度检验

从表1 可以看出，KMO 检验值为0.731，且Bartlett 球形度检验值在1‰的统计标准内显著达到1 696.894，因此满足感观测变量因子分析有效.

本文首先按照特征值大于1 的标准抽取出公因子得出各公因子得分，之后用每个公因子方差贡献率占所选因子总方差贡献率的比率为权重进行加权汇总，得出最终满足感的得分.特征值及方差贡献率情况如表2 所示，根据提取原则提取1 个公因子，该公因子得分即为满足感的指数.

表2 满足感的公共因子及方差贡献率

（2）农村居民文明感.对文明感3 个变量的KMO 和Bartlett 球形度检验结果如表3 所示.

表3 文明感的KMO 和Bartlett 球形度检验

从表3 可以看出，KMO 检验值为0.741，且Bartlett 球形度检验值在1‰的统计标准内显著达到1 807.693，因此农村居民文明感观测变量因子分析有效.

特征值及方差贡献率情况如表4 所示，根据上述的公因子提取原则和计算方法，共提取1 个公因子，该公因子得分即为文明感的指数.

表4 文明感的公共因子及方差贡献率

（3）农村居民安居感.对安居感3 个变量的KMO 和Bartlett 球形度检验结果如表5 所示.

表5 安居感的KMO 和Bartlett 球形度检验

从表5 可以看出，KMO 检验值为0.710，且Bartlett 球形度检验值在1‰的统计标准内显著达到1 243.665，因此农村居民安居感观测变量因子分析有效.

特征值及方差贡献率情况如表6 所示，根据上述的公因子提取原则和计算方法，共提取1 个公因子，该公因子得分即为安居感的指数.

表6 安居感的公共因子及方差贡献率

（4）农村居民富裕感.对富裕感3 个变量的KMO 和Bartlett 球形度检验结果如表7 所示.

从表7 可以看出，KMO 检验值为0.736，且Bartlett 球形度检验值在1‰的统计标准内显著达到2 050.378，因此农村居民富裕感观测变量因子分析有效.

表7 富裕感的KMO 和Bartlett 球形度检验

特征值及方差贡献率情况如表8 所示，根据上述的公因子提取原则和计算方法，共提取1 个公因子，该公因子得分即为富裕感的指数.

表8 富裕感的公共因子及方差贡献率

（5）农村居民获得感.对获得感4 个变量的KMO 和Bartlett 球形度检验结果如表9 所示.

表9 获得感的KMO 和Bartlett 球形度检验

从表9 可以看出，KMO 检验值为0.830，且Bartlett 球形度检验值在1‰的统计标准内显著达到3 016.016，因此农村居民获得感观测变量因子分析有效.

特征值及方差贡献率情况如表10 所示，根据上述的公因子提取原则和计算方法，共提取1 个公因子，该公因子得分即为获得感的指数.

表10 获得感的公共因子及方差贡献率

（6）农村居民希望感.对希望感2 个变量的KMO 和Bartlett 球形度检验结果如表11 所示.

表11 希望感的KMO 和Bartlett 球形度检验

从表11 可以看出，KMO 检验值为0.500，且Bartlett 球形度检验值在1‰的统计标准内显著达到1 050.490，因此农村居民希望感观测变量因子分析有效.

特征值及方差贡献率情况如表12 所示.

表12 希望感的公共因子及方差贡献率

根据上述的公因子提取原则和计算方法，共提取1 个公因子，该公因子得分即为希望感的指数.

最终获得的幸福感六个维度数据描述统计如表13 所示.

3.2 系统聚类结果

利用因子分析的计算结果，根据样本所在城市计算均值作为最终聚类的数据，绘制的树状图如图1 所示.

图1 聚类分析的树状图

从图1 可以看出，根据农村居民幸福感得分可将吉林省各城市分为三类：第一类{吉林、长春、松原}，第二类{延边、通化、四平、辽源}，第三类{白山、白城}.农村居民幸福感在三个类别中呈现高、中、低的趋势，这也与各地区的经济发展水平比较符合.

3.3 K-均值聚类分析结果

本文利用K-均值聚类分析把吉林省9 个城市居民分为三类，初始聚类中心和最终聚类中心如表14 所示.

表13 因子分析结果数据描述性分析

表14 聚类中心

综上可知，6 个变量对于聚类具有显著的贡献，本次分类的结果为第一类{白山、白城}，第二类{吉林、长春、松原}，第三类{延边、通化、四平、辽源}.从三个类的最终聚类中心可以看出，第二类各指标值是最优的.分类结果与系统聚类结果高度一致.

4 结论

利用因子分析模型将农村居民幸福感的六个维度18 个指标提取成6 个公共因子，计算出每一个调研样品公共因子得分，运用得分数据根据样本所在城市计算均值作为最终聚类的数据，系统聚类分析和K-均值聚类分析的结果一致，调研地区农村居民根据幸福感得分可将吉林省各城市分为三类，分别为{吉林、长春、松原}，{延边、通化、四平、辽源}和{白山、白城}，农村居民幸福感在三个类别中呈现高、中、低的趋势，聚类分析结果与地区的经济发展水平符合.