理论教育 社区自然地理特性对扶贫模式影响的感知对比分析

社区自然地理特性对扶贫模式影响的感知对比分析

时间:2023-06-11 理论教育 版权反馈
【摘要】:结果表明,四个不同旅游扶贫模式的乡村社区对“自然地理特性积极影响”“自然环境消极影响”和“地理空间消极影响”感知均存在显著差异,P值均为0.000,见表6-7和6-8。而石椅羌寨和空山天盆社区对自然地理特性消极影响感知则呈现交错态势。这是由于“公司+农户”型玉屏湖社区整体的自然地理特性发生了较大变化,既有基于金馨园林绿化公司基础上的景观美化,又有新村建设,因此其积极和消极影响感知均最强。

社区自然地理特性对扶贫模式影响的感知对比分析

一、不同社区自然地理特性影响感知差异检验

为了检验不同扶贫模式下乡村社区居民对自然地理特性影响感知是否存在差异,本书将旅游扶贫模式看成一个名称变量,对不同扶贫模式社区分别赋值“1~4”,即“景区带村”型旅游扶贫乡村社区白马王朗赋值为“1”“能人带户”型旅游扶贫乡村社区石椅羌寨赋值为“2”“合作社+农户”型旅游扶贫乡村社区空山天盆赋值为“3”“公司+农户”型旅游扶贫乡村社区玉屏湖赋值为“4”。在此基础上,以“旅游扶贫模式”为控制变量,以自然地理特性影响的3个因子作为指标变量,进行单因素方差(ANOVA)分析。结果表明,四个不同旅游扶贫模式的乡村社区对“自然地理特性积极影响”“自然环境消极影响”和“地理空间消极影响”感知均存在显著差异,P值均为0.000,见表6-7和6-8。

表6-7 同扶贫模式社区自然地理特性影响感知方差齐性检验(N=820)

表6-8 不同扶贫模式社区自然地理特性影响感知方差分析(N=820)

对自然地理特性影响的“自然地理特性积极影响”“自然环境消极影响”和“地理空间消极影响”因子进行事后均值多重比较。由于三个因子均不具备方差齐性。因此采用Tamhane值对其进行事后多重检验,见表6-9。检验结果表明,在对“自然地理特性积极影响”感知上,4(“公司+农户”型)与1(“景区带村”型)、2(“能人带户型”)、3(“合作社+农户”型)存在显著差异,结合均值大小(4>2>1>3),表明模式4(“公司+农户”型的玉屏湖)对“自然地理特性积极影响”感知明显强于其他三个社区。在对“自然环境消极影响”感知上1(“景区带村”型)与2(“能人带户型”)、3(“合作社+农户”型)、4(“公司+农户”型)存在显著差异,结合均值大小(1>4>3>2),表明模式1(“景区带村”型白马王朗)对“自然环境消极影响”感知明显强于其他三个社区。在对“地理空间消极影响”感知上,1与2,3存在显著差异,4与2,3存在显著差异,结合均值大小(4>1>3>2),表明(“公司+农户”型的玉屏湖)对“地理空间消极影响”感知明显强于其他三个社区,见表6-9,为了能够更加准确分析和反映四个社区对自然地理特性的感知差异,本书将在下文对四个社区分别进行描述性统计对比和因子分析对比。

表6-9 不同扶贫模式社区自然地理特性影响感知Scheffe检验(N=820)

续表

注:*代表平均值差异在0.05层级显著。

二、不同社区自然地理特性影响感知差异描述性统计分析

(一)不同乡村社区居民对自然地理特性积极影响感知的描述性统计

从不同乡村社区层面来看,玉屏湖居民对自然地理特性积极影响感知明显强于其他三个社区(除问项2“旅游扶贫后,新建蓄水设施,饮水更加方便了”均值低于白马王朗外,另外5个问项均值全部高于其他三个社区,图表8中用橙色条纹代表玉屏湖均值),这主要是由于玉屏湖近年来在金馨园林绿化有限公司的带动下,大力发展珍稀园林、紫山药、血橙等,自然地理环境得到大幅提升。其次是石椅羌寨,在6个问项中,除对问项1“旅游扶贫后,农药化肥使用减少,土壤质量改良了”感知均值低于另外两个社区外,其余5个问项感知均值都高于另外两个社区。而白马王朗和空山天盆则呈现交错态势,在问项1、2上白马王朗感知均值相对较高,问项3、4、5上空山天盆感知均值相对较高。从影响内容层面来看,四个社区感知最强烈的是问项4“旅游扶贫后,新修旅游道路,交通更加便捷了”(均值分别为4.17、4.30、4.08、4.53),而感知强度相对较弱的是问项1“旅游扶贫后,农药、化肥使用减少,土壤质量改良了”,均值分别为3.86、3.40、3.43、4.03,(详见图6-1)。

图6-1 不同社区自然地理特性积极影响感知均值对比图

(二)不同乡村社区居民对自然地理特性消极影响感知的描述性统计

总体来看四个社区对自然地理特性消极影响感知均不强烈。从不同乡村社区层面来看,白马王朗(图表9中用蓝色条纹表示)居民对自然地理特性消极影响感知明显较强,8个问项中除了问项10“旅游扶贫后,外来物种对本地植物产生了影响”(均值2.75)和问项14“旅游扶贫后,村子与外界的界线更加明显了”(均值3.36)均值低于玉屏湖外,其余6项均值全部高于其他三个社区。其次是玉屏湖(图表9中用橙色条纹表示),除问项7均值低于空山天盆社区外,其余7个问项均值均高于另外两个社区。而石椅羌寨和空山天盆社区对自然地理特性消极影响感知则呈现交错态势。从影响内容层面来看,四个乡村社区均感知较强的是问项8“旅游扶贫后,建筑变多,农田变少了”(均值分别为3.85、3.69、3.56、3.71),其均值全部大于3.5。而其他问项内容感知则呈现交错态势(详见图6-2)。

图6-2 不同社区自然地理特性消极影响感知均值对比图

(三)不同乡村社区居民对自然地理特性影响感知的描述性统计结论

通过对四个乡村社区自然地理特性影响感知的对比分析,可以总结出以下几点明显特征:

1.四个乡村社区对自然地理特性的积极影响感知明显强于消极影响感知。

2.玉屏湖(“公司+农户”型)和白马王朗(“景区带村”型)对自然地理特性的积极影响和消极影响感知均相对较强,而石椅羌寨(“能人带户”型)和空山天盆(“合作社+农户”型)则对自然地理特性的积极影响和消极影响感知均相对较弱。这是由于“公司+农户”型玉屏湖社区整体的自然地理特性发生了较大变化,既有基于金馨园林绿化公司基础上的景观美化,又有新村建设,因此其积极和消极影响感知均最强。

3.具体描述性统计结果见表6-10。

表6-10 不同扶贫模式社区自然地理特性影响感知描述性统计

三、不同社区自然地理特性影响感知因子分析对比

为了对比分析四个不同扶贫模式社区因子分析与整体因子分析之间的关系,本书对四个乡村社区的子样本分别进行了因子分析。

(一)白马王朗社区居民对自然地理特性影响感知强度的因子分析

根据KMO(Kaisex-Meyer-Olkin)值计算和Bartlett’s球形检验结果,白马王朗社区调查数据的KMO值为0.742>0.7,显著性(p值)为0.000<0.001,说明变量间的相应矩阵不是单位矩阵,各变量间具有一定的相关性,可以进行因子分析。

表6-11 白马王朗社区自然地理特性影响KMO及巴特勒球形检验(N=211)

用主成分分析及方差极大正交旋转法,萃取特征值大于1的因子方式来浓缩变量数。进行方差极大正交旋转后得到特征值大于1的3个公因子,但由于公因子3只有1个变量(题项8),且其与公因子1的变量在概念属性上差别不大,不便于命名,因此将其剔除后再对数据进行方差极大正交旋转,得到特征值大于1的2个公因子,其特征值分别为4.099和4.035,累计方差贡献率为62.564%,说明因子分析效果良好。

表6-12 白马王朗社区自然地理特性影响因子方差解释(N=211)

续表

其中公因子1包含7个变量(问项7、9、10、11、12、13、14),这7个问项均是关于自然地理特性消极影响的问项,因此根据其共同性命名为“自然地理特性消极影响”,其方差贡献率为31.529%。公因子2包含6个变量(问项1、2、3、4、5、6),这6个问项均是关于自然地理特性积极影响的问项,因此根据其共同性将其命名为“自然地理特性积极影响”,其方差贡献率为31.035%,因子分析结果见表6-13。

通过信度检验发现,因子1自然地理特性消极影响和因子2自然地理特性积极影响的内部一致性系数(Cronbach’s alpha)分别为0.888和0.879,根据信度检验标准,符合信度要求。

根据公式6.1和6.2计算出白马王朗社区居民对2个自然地理特性影响因子的感知强度为:因子2自然地理特性积极影响(均值=3.92)>因子1自然地理特性消极影响(均值=3.33)。

(二)石椅羌寨社区居民对自然地理特性影响感知强度的因子分析(www.daowen.com)

根据KMO(Kaisex-Meyer-Olkin)值计算和Bartlett’s球形检验结果,石椅羌寨社区调查数据的KMO值为0.708>0.7,显著性(p值)为0.000<0.001,说明变量间的相应矩阵不是单位矩阵,各变量间具有一定的相关性,可以进行因子分析。

表6-13 白马王朗社区自然地理特性影响因子分析结果(N=211)

表6-14 石椅羌寨社区自然地理特性影响KMO及巴特勒球形检验(N=186)

用主成分分析及方差极大正交旋转法,萃取特征值大于1的因子方式来浓缩变量数。第一次旋转后,对数据进行标准化处理,以变量共同度低于0.5,因子载荷小于0.45为筛选标准剔除变量,问项10、11、14三项被剔除。标准化处理后重新进行方差极大正交旋转,得到特征值大于1的4个主要因子,其特征值分别为2.180、2.011、1.845、1.485,累计方差贡献率为68.365%,说明因子分析效果良好。

表6-15 石椅羌寨社区自然地理特性影响因子方差解释(N=186)

其中公因子1包含3个变量(问项4、5、6),这3个问项均是关于自然地理特性地理空间维度积极影响的问项,因此根据其共同性将其命名为“地理空间积极影响”,其方差贡献率为19.818%。公因子2包含3个变量(问项7、8、9),这3个问项均是关于自然环境维度消极影响的问项,因此根据其共同性将其命名为“自然环境消极影响”,其方差贡献率为18.278%。公因子3包含3个变量(问项1、2、3),这3个问项均是关于自然环境维度积极影响的问项,因此根据其共同性将其命名为“自然环境积极影响”,其方差贡献率为16.774%。公因子4包含2个变量(问项12、13),这两个问项是关于地理空间维度消极影响的问项,因此根据其共同性将其命名为“地理空间消极影响”,其方差贡献率为13.496%,因子分析结果见表6-16。

表6-16 石椅羌寨社区自然地理特性影响因子分析结果(N=186)

通过信度检验发现,因子1“地理空间积极影响”、因子2“自然环境消极影响”、因子3“自然环境积极影响”和因子4“地理空间消极影响”的内部一致性系数(Cronbach’s alpha)分别为0.809、0.734、0.702和0.677,根据信度检验标准,符合探索性因子信度要求。

根据公式6.1和6.2计算出石椅羌寨社区居民对4个自然地理特性影响因子的感知强度为:因子1“地理空间积极影响”(均值=4.04)>因子3“自然环境积极影响”(均值=3.85)>因子2“自然环境消极影响”(均值=3.09)>因子4“地理空间消极影响”(均值=2.89)。

(三)空山天盆社区居民对自然地理特性影响感知强度的因子分析

根据KMO(Kaisex-Meyer-Olkin)值计算和Bartlett’s球形检验结果,空山天盆社区调查数据的KMO值为0.797>0.7,显著性(p值)为0.000<0.001,说明变量间的相应矩阵不是单位矩阵,各变量间具有一定的相关性,可以进行因子分析。

表6-17 空山天盆社区自然地理特性影响KMO及巴特勒球形检验(N=204)

用主成分分析及方差极大正交旋转法,萃取特征值大于1的因子方式来浓缩变量数。得到3个主要因子,其特征值分别为4.654、2.692、2.331,累计方差贡献率为69.121%,说明因子分析效果良好。

表6-18 空山天盆社区自然地理特性影响因子方差解释(N=204)

其中公因子1包含6个变量(问项1、2、3、4、5、6),这6个问项中1、2、3是关于自然地理特性自然环境维度的积极影响的问项,4、5、6是关于自然地理特性地理空间维度积极影响的问项,因此根据其共同性将其命名为“自然地理特性积极影响”,其方差贡献率为33.239%。公因子2包含4个变量(问项10、11、12、13),这4个问项中问项10和11是关于自然环境维度的生物消极性影响的问项,而12和13则是关于地理空间维度的地形地貌和聚落的问项,因此根据这四项的共同性将其命名为“聚落地形及生物消极影响”,其方差贡献率19.232%。公因子3包含4个变量(问项7、8、9、14),其中7、8、9是关于自然环境维度空气、土壤、水体的消极影响问项,而14则是地理空间维度关于边界消极影响的问项,因此根据这四个问项的共同性将其命名为“自然物质及边界消极影响”,其方差贡献率为16.650%。

表6-19 空山天盆社区自然地理特性影响因子分析结果(N=204)

通过信度检验发现,因子1“自然地理特性积极影响”、因子2“聚落地形及生物消极影响”、因子3“自然物质及边界消极影响”的内部一致性系数(Cronbach’s alpha)分别为0.938、0.819、0.751,根据信度检验标准,符合因子分析的信度要求。

根据公式6.1和6.2计算出空山天盆社区居民对三个自然地理特性影响因子的感知强度依次为:因子1“自然地理特性积极影响”(均值=3.84)>因子3“自然物质及边界消极影响”(均值=3.20)>因子2“聚落地形及生物消极影响”(均值=3.03)。

(四)玉屏湖社区居民对自然地理特性影响感知强度的因子分析

根据KMO(Kaisex-Meyer-Olkin)值计算和Bartlett’s球形检验结果,玉屏湖社区调查数据的KMO值为0.757>0.7,显著性(p值)为0.000<0.001,说明变量间的相应矩阵不是单位矩阵,各变量间具有一定的相关性,可以进行因子分析。

表6-20 玉屏湖社区自然地理特性影响KMO及巴特勒球形检验(N=219)

用主成分分析及方差极大正交旋转法,萃取特征值大于1的因子方式来浓缩变量数。第一次正交旋转后,对数据进行标准化处理,剔除了在公因子2和公因子3中标准因子载荷均大于0.45,分别为0.491和0.632的变量(问项13),之后重新进行方差极大正交旋转,得到特征值大于1的3个主要因子,其特征值分别为4.567、3.651和1.696,累计方差贡献率为76.257%,说明因子分析效果良好。

表6-21 玉屏湖社区自然地理特性影响因子方差解释(N=219)

续表

其中公因子1包含6个变量(问项1、2、3、4、5、6),这6个问项中1、2、3是关于自然地理特性自然环境维度的积极影响的问项,4、5、6是关于自然地理特性地理空间维度积极影响的问项,因此根据其共同性将其命名为“自然地理特性积极影响”,其方差贡献率为35.130%。公因子2包含5个变量(问项7、8、9、10、11),这5个问项全部是关于自然地理特性中自然环境维度消极影响的问项,因此根据其共同性将其命名为“自然环境消极影响”,其方差贡献率28.083%。公因子3包含2个变量(问项12、14),这两个问项是关于自然地理特性地理空间维度消极影响的问项,根据其共同性将其命名为“地理空间消极影响”,其方差贡献率为13.044%。

通过信度检验发现,因子1“自然地理特性积极影响”、因子2“自然环境消极影响”、因子3“地理空间消极影响”的内部一致性系数(Cronbach’s alpha)分别为0.927、0.904、0.769,根据信度检验标准,符合因子分析的信度要求。

根据公式6.1和6.2计算出玉屏湖社区居民对3个自然地理特性影响因子的感知强度依次为:因子1“自然地理特性积极影响”(均值=4.22)>因子3“地理空间消极影响”(均值=3.39)>因子2“自然环境消极影响”(均值=3.26)。

表6-22 玉屏湖社区自然地理特性影响因子分析结果(N=219)

(五)不同乡村社区自然地理特性影响因子分析结果对比总结

根据本书主题概念体系及测量指标的设计,自然地理特性影响共设定了四个维度,即:自然环境积极影响、地理空间积极影响、自然环境消极影响、地理空间消极影响。通过对整体样本和四个不同扶贫模式社区数据进行因子分析后发现,除石椅羌寨外,整体样本、白马王朗、空山天盆和玉屏湖乡村社区的积极影响因子均降成一个维度,即“自然地理特性积极影响”,而消极影响则基本和预先设计的指标体系一致,包括自然环境消极影响和地理空间消极影响,只有白马王朗消极影响的两个维度不明显,降为一个维度即“自然地理特性消极影响”,而空山天盆社区消极影响两个维度与预先设定的差异较大,问项重新进行了组合,并分别命名为“聚落地形及生物消极影响”和“自然物质及边界消极影响”。而在降维过程中五个样本总共剔除了5个问项,即8、10、11、13、14。

表6-23 自然地理特性影响因子分析对比

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈