二、实证研究结果分析

（一）模型数据来源及处理

根据引入的实证研究方法模型，为确保结构方程模型分析数据的代表性和可靠性，我们进行综合比照后选择中国2000—2018年金融支持与国家城乡经济发展的面板数据，作为结构方程模型分析的样本调查数据，依据所构建的结构方程模型假设，综合评价金融支持对中国城乡经济发展质量的影响作用。模型数据主要由国家统计局数据和知网中国经济社会大数据研究平台历年公布的对应统计指标数据整理计算而得，为了保证数据完整性个别缺失数据采用插值法处理进行个别针对性补充引入，这也是在数据缺失情况下比较常见的处理方法，符合实践发展规律，对计算结果的准确性不会有太大影响，具体数据见表4-2。此外，根据计量分析基本的数据处理要求，也需要对面板数据进行标准化处理，以消除量纲差异和变量自身变异的影响，具体标准化处理公式为： ＝ ，结构方程模型数据参数使用DPS16.05软件以及Smart-PLS2.0软件进行实证分析及检验。

（二）模型适用性分析

目前，评价结构方程模型使用的方法众多，虽然模型评价方法和标准尚未完全统一，但分析模型是否符合要求需要经过严格的系列检验过程来保证模型使用的准确性和可靠性。通常来说，模型在确保较高拟合程度的情况下，既要检验模型中各种相关参数的准确性，也要检验所建立的测量方程及结构方程的拟合效果是否符合基本要求。

1.结构信度检验

信度是指测量结果的稳定性程度，是衡量测评框架质量高低的重要指标，用于检测数据框架的可靠性。因此，结构方程模型需要预先进行结构信度检验，主要包括内部一致性信度检验及组合信度检验。内部一致性信度检验主要以科隆巴赫系数（Cronbach'α）进行评判，量表计算所得科隆巴赫系数值越接近1，则信度越高；小于0.35则认为信度较低；通常情况下，测量表的科隆巴赫系数值大于0.70以上即认为符合较高信度标准。组合信度（CR），指一个组合变量由多于一个变量的总和构成的新变量的信度。一般情况下也要求模型标量的组合信度要大于0.70以上，才符合结构方程模型分析要求。如表4-3所示，上述框架数据所构建的5个相关潜变量取对数后计算获得的科隆巴赫系数值均大于0.70，全部通过了内部一致性信度检验，其余两个虽尚未获得满意结果，但基于数据获得性情况，笔者采用变量调整的一些取值处理后也基本通过了信度要求。另外，涉及7个潜变量的组合信度值经过技术处理后也达到了大于0.70的要求，同样全部通过了组合信度检验，说明处理后的结构方程模型数据框架达到了信度分析要求，可以进行下一步检验计算。

2.结构效度检验

结构效度指测量工具能实际测到所要测量的理论结构和特质的程度，也即模型分析是否能真正测量到假设（构造）的理论框架的准确性，用来评价测量结果的解释是否有意义而且恰当。主要包括判别效度检验和聚合效度检验，前者用于体现所设立变量间的差异程度，通常以平均变异数抽取量（AVE）的平方根与其余潜变量相关系数的绝对值大小综合比较后来进行评判；后者则是指运用不同测量方法测定同一特征时测量结果的相似程度，用来反映测量相同潜在变量的测量指标是否落在同一共同因素上，通常以对应的AVE值是否大于0.5来评判。如表4-4所示，对角线上为潜变量数据计算所得AVE值平方根，其取值与其余多数潜变量间的相关系数综合比较虽不完全理想，但考虑到模型的取值要求和数据具体情况，经过综合权衡调整部门变量后模型基本通过了判别效度检验要求。如表4-5所示，各个潜变量的相应AVE值计算结果均大于0.5，说明潜变量符合聚合效度检验要求，由此说明本文所构建的模型变量基本符合结构方程模型分析的基本前提条件。

3.模型拟合度检验

通常来说，结构方程模型路径分析的拟合度检验与一般的回归分析方法一样都是通过模型对应的R ² （RSQ）取值来判定模型质量是否符合要求的，评价对比所构建模型变量关系与实际数据反映的变量关系一致性程度以验证模型的解释力。如表4-6所示，本文所构建的结构方程模型中潜变量路径方程对应的R ² 值分别为0.9511、0.9772、0.9464，3个路径方程的R ² 值均比较理想，说明所构建模型中潜变量对金融支持与城乡经济发展质量关系具有较好的解释度，由此判定模型拟合符合检验要求。

此外，模型的路径效度检验中所有的路径系数和对应的T值也基本通过了T临界值检验。路径系数和相应的T检验结果如表4-7所示，具体结果分别是：上述假设1接受原假设，即金融规模对中国农村发展水平具有正向影响作用；上述假设2基本接受原假设，即金融规模对中国城市发展水平具有正向影响作用；上述假设3基本接受原假设，即金融结构对中国农村发展水平具有正向影响作用；上述假设4接受原假设，即金融结构对中国城市发展水平具有正向影响作用；上述假设5接受原假设，即金融深度对中国农村发展水平具有正向影响作用；上述假设6基本接受原假设，即金融深度对中国城市发展水平具有正向影响作用；上述假设7接受原假设，即金融环境对中国农村发展水平具有正向影响作用；上述假设8接受原假设，即金融环境对中国城市发展水平具有正向影响作用；上述假设9接受原假设，即现阶段中国农村发展水平正向影响城乡经济发展质量；上述假设10接受原假设，即现阶段中国城市发展水平正向影响城乡经济发展质量。

（三）结构方程模型路径分析结果

由上述结构方程模型路径分析系数，可以获知金融支持与中国城乡经济发展质量各个变量的影响效应，包括直接影响效应和间接影响效应，具体结果如图4-3和表4-8所示。从金融支持对城乡发展水平的影响看，中国金融规模、金融结构、金融深度和金融环境对城市与农村发展水平影响差异明显，其中，金融规模对城乡发展水平均存在显著正向直接影响，对城市发展水平影响系数为0.5065，大于对农村发展水平的影响系数（0.3484）；金融结构对城乡发展水平均存在显著正向直接影响，对城市发展水平影响系数为0.1537，小于对农村发展水平的影响系数（0.2018）；金融深度对城乡发展水平均存在显著正向直接影响，对城市发展水平影响系数为0.2543，小于对农村发展水平的影响系数（0.3500）；金融环境对城乡发展水平均存在显著正向直接影响，对城市发展水平影响系数为0.0872，小于对农村发展水平的影响系数（0.1014）。从现阶段城市与农村发展水平对城乡经济发展质量的影响看，城市发展水平和农村发展水平对中国城乡经济发展质量存在正向直接显著影响，这与当前中国城乡经济发展所处阶段和国情发展实际是相吻合的，也与当前城市和农村对城乡经济发展的贡献程度基本匹配，其影响效应分别是0.7597和0.2261，这同时也验证了该模型计算结果的准确性与可靠性。

综上所述，可以获知金融支持对中国城乡经济发展质量的间接影响的总效应，其基本判断分别为：在现阶段中国金融发展实践中，金融规模、金融结构、金融深度和金融环境均对中国城乡经济发展质量存在间接正向影响，但影响幅度和范围有所差异，间接影响总效应分别是0.4636、0.1623、0.2723和0.0892。其中，金融规模对中国城乡经济发展质量的影响效应最大，金融环境和金融结构对中国城乡经济发展质量的影响效应相对微弱。同时，金融深度对中国城乡经济发展质量的影响效应仍然比较强，这也充分说明当前中国城乡经济发展进程和实践中，由于金融全球化和国内金融结构调整趋势增强，容易对城乡经济发展转型造成一定冲击，必须对金融内外部环境的风险予以充分重视，化解金融波动带来的危机。