数字金融对疗效的影响企业家精神的返乡的农民工

文摘

数字金融为返乡的农民工提供了一个理想的创业环境(RMWs)。从企业家的角度来看,许多学者创业影响因素量化,以及创业环境、理论的重要性,动机,和内部/外部撞击者RMW创业,并提出了很多对策。本文创新评估数字金融如何影响RMW创业的功效。首先,作者建立了一个影响因素分析模型和一个RMW创业模型和解释原则,结构方程建模的影响数字金融RMW创业功效。接下来,传统的偏最小二乘(PLS)回归进行优化,获得最佳初始迭代值(IIVs),和算法收敛。最后,多层结构方程模型(SEM)构建评价数字金融在RMW创业效果的影响。该算法并通过实验模型被证明是有效的和可行的。

1。介绍

中国已经进入了大规模的创业和创新的新时代。有效的创业活动是国家发展的基础和建设小康社会的一个重要方面。返乡的农民工(RMWs),即,the migrant workers returning from cities to their hometowns form a large group of potential entrepreneurs and have a rather large need to start their own businesses.

RMW创业提供了一个有效的解决方案RMWs的经济问题,为农村剩余劳动力创造了更多的就业机会1- - - - - -4]。通过促进农村经济,RMW创业有助于社会主义新农村建设,这是中国政府提倡的(5- - - - - -7]。

免费从金融网点的枷锁物理、数字金融,与较低的边际成本,为RMWs提供了一个理想的创业环境。燃料RMW创业的成功和热情,特别重要的是解决数字在RMW创业融资的影响。

战略农村赋予生命的诞生以来,中国和中国社会重视RMW创业(8- - - - - -10]。费雷拉et al。11)之间的关系进行一个实地调查农村振兴和当地农村剩余劳动力的就业,构建了一个二元逻辑回归模型,并进行了SPSS-based分析RMW创业的疗效在不同变化的因素,包括年龄、性别、家庭背景、当地政策支持,区域经济水平。

它有一定的现实意义研究的障碍RMW创业(12- - - - - -14]。澳网et al。15)网络障碍和政策障碍,这些障碍分为测试这些因素通过Kaiser-Meyer-Olkin (KMO)测试和巴特利特球形的测试,并提取21主成分。Ferreras-Mendez et al。16总结RMW创业的障碍通过解释结构模型(ISM)和决策跟踪和评价实验室(DEMATEL)和五类的核心障碍分为不同的层次。可以见到效果等。17]设计了反向传播神经网络(摘要)预测的数量RMW企业家和预测这一数字在2015 - 2020年自行设计测试集和训练集。

社会信息化的发展和扩散的互联网金融刺激了农村经济的发展。但还没有一个成熟的平台或网络系统的信息。农村领域的振兴,许多研究人员感兴趣的是如何现代数字金融信息平台支持灵活、适应性和持续发展大规模的RMW创业(18- - - - - -20.]。哈立德(21]的影响深入探讨农村数字金融信息化RMW创业和描述构建一个合理的想法和对策农村数字金融信息化服务体系。

结合国情,大多数研究集中在分析创业影响因素从企业家的角度来看,合格的创业环境。有许多理论分析的重要性,动机,和内部/外部撞击者RMW创业,导致许多对策和建议(22- - - - - -26]。

数字金融是一个简单、低成本、高度协作技术,促进互动与沟通。考虑在中国电子金融的繁荣,介绍了技术评估RMW创业的功效。主要内容如下:(1)建立一个影响因素分析模型和一个RMW创业模型和结构方程建模的解释原则的影响数字金融RMW创业功效;(2)优化传统的偏最小二乘(PLS)回归克服模型参数估计的问题,解决的最佳初始迭代值(IIVs)约束下的最小二乘意义上和单位向量长度合理,并提出算法收敛的概念;(3)建立一个多层结构方程模型(SEM)来评估数字金融在RMW创业效果的影响。该算法并通过实验模型被证明是有效的和可行的。

2。结构方程建模的原则

行为的原因,本文把影响因素RMW创业在数字的背景下金融为外部因素和内部因素。根据影响因素分析模型图1,内部维度包括教育水平、个人品质、人际网络、RMWs和其他个人因素,而外部维度包括三个方面:政策支持数字金融、宏观市场经济,环境和社会服务环境。

接下来,一个RMW创业模型构造(图2)。模型分离RMW创业过程分为多个阶段:生成创业动机,识别创业机会、创业决策,获取创业资源,提供创业的结果。然而,一些数字融资影响因素的实现RMW创业不能直接测量,但间接特征与可衡量的指标。这些因素包括地区创业氛围,数字金融网络嵌入和认知嵌入。具体来说,创业氛围的创建,数字金融网络嵌入和数字金融模型可以以数字财务操作,数字营销的程度和数字金融服务;认知嵌入可以意愿,创业的动机和决策。如果RMW创业效果的变化不仅带来了变化,企业资产的规模,这是直接测量,那么可以使用企业资产的测量尺度的尺度变化RMW创业功效。因此,SEM和潜变量变得越来越受欢迎的领域的公司业绩和创业行为。

本文打算评估数字的影响金融RMW创业的功效。根据RMW创业孵化模式(图3),RMW创业包括多个阶段,如代的创业动机,识别创业机会、创业决策,获取创业资源,和交付的初始创业的结果。模型是一个多层统计分析工具包含多个潜在的和可观察到的变量。这是很难估计模型参数。依靠整体变化,请回归提供了一个合适的工具来处理复杂的sem,没有严格要求观测的分布和样本的数量。

披露的影响数字金融RMW创业功效,本文构造了一个causality-based SEM估计的影响程度。让 和 是n内生潜变量和l SEM的外生潜变量,分别;古银_n×n的因子载荷矩阵β;Θ_n×l的因子载荷矩阵δ;和 是剩余的。然后,潜变量之间的关系模型可以描述的

SEM可以间接的测量变量描述潜在变量。假设SEM包含N测量变量,测量米样本米次了。然后,测量数据可以被编译成一个米×N矩阵。让一个_ij和b_ij测量变量相关δ_τ和β_我分别;Φ_τj聚合系数的测量变量外生潜变量;和σ_δτ相应的误差项。然后,外生潜变量和测量变量之间的关系可以描述的

让ζ_ij聚合系数从内生潜变量和测量变量σ_βi相应的误差项。然后,内生潜变量和测量变量之间的关系可以描述的

假设 , , ,和 。然后,公式(2)可以改写一般形式:

公式(3)也可以重写一般形式:

通过逆向思维,扫描电镜的一个测量变量的变化是由相应的潜变量的变化。让θ_ij和σ_δτj是内生的载荷系数和误差项潜变量测量变量,分别。然后,我们有

让μ_ij和σ_βij是外生的载荷系数和误差项潜变量测量变量,分别。然后,我们有

假设 。然后,公式(6)和(7)可以改写一般形式:

结合公式(1),(4)和(5),一个造型的SEM可以建立提出度量:

结合公式(1),(8)和(9),与反向反射扫描电镜测量可以获得

传统上,通过SEM参数请回归。这种方法的具体迭代过程可以表示为

然而,请回归算法往往无法收敛到一个合适的解决方案,由于IIVs的随机性。IIVs必须选择适当,保证算法收敛。

3所示。IIV优化和算法收敛

传统的PLS回归所得IIVs随机设定的公式(2)和(3)。在这里,IIVs优化公式(6)和(7)或公式(8)和(9不定SEM),合理约束下的最小二乘意义上和单位向量的长度。测量变量 ,任何组件一个_τi参与米测量一个_τj=(一个_ij1、…一个_ijM)。右乘法的 ,公式(8可以转换成)

假设潜变量δ_τ是一个单位向量满足 。然后,我们有

公式(14可以扩展到)

在左边的矩阵,每个元素是一个向量的产品;在正确的矩阵,每个元素是一个产品的数字。相应的两个矩阵的对角元素是相等的。因此,我们有

由公式(16),加载系数θ_τ可以被估计为 。的估计θ_τ是有偏见的,因为误差项的方差将被忽略。因此,需要优化的参数估计,消除偏见。假设δ_τ和σ_aτ是相互独立的,厘米(σ_aτ)= 0。然后,存在一个方程厘米(δ_τσ_aτ)=厘米(δ_τ)厘米(σ_aτ)= 0。让 ∑是协方差矩阵σ_aτ误差向量σ_aτ。然后,公式(8可以转换成)

从对称矩阵的对角元素∑σ_aτ不同维度的差异,我们有什么

比较矩阵的对角元素14日

为了解决公式(19),第一步是解决 。假设 ,和的存在。让是一个对角线的元素 。利用因子分析,可以估计

结合公式(19)和(20.),

同样的,能够解决。最后,需要估计潜变量δτ。假设 。然后,Wth组成部分δ_τ可以表示为

离开了乘法的 ,公式(22可以转换成) 在哪里特征的影响σ_aτ在一个_τ。然后,公式(23)可以改进的最小二乘原则:

然后,δ_τW可以估计

Φ的估计值_τj可以用获得的估计δ_τ到公式(2)。通过相同的方法,可以计算其他参数,即 和 。换句话说,请回归的最优IIVs约束下的单位向量长度满足

下面是讨论的收敛与最优IIVs PLS回归。公式(1可以转换成)

在评价模型的影响数字金融RMW创业功效,矩阵ZH和ZH_τ=我−ZH都是三角矩阵,对角元素的总和等于0。此外,Z |H_τ| = 1,的存在。然后,我们有 在哪里 ; 。如果请解决潜在的变量δ和β得到了在约束条件下,可以找到请解决因子载荷矩阵古银和Θ。如果请解决公式(28)是直接迭代不统一 。在这种情况下,有必要验证PLS回归的收敛。扩大我th请解决方案的组件,

让U(我的数量δ_j有关β_我。然后,最小二乘意义上的公式(29日)可以被描述

结合公式(30.)与公式(2)和(3),

公式(31日)是相当于两个无约束子空间的相互预测。因此,解决公式近似的最小值为零。因此,改进的PLS回归可以通过任何参数误差的控制迭代收敛。

4所示。SEM数字金融对RMW创业效果的影响

在传统的扫描电镜,潜变量直接与测量变量通过一层路径。考虑RMW创业过程的复杂性,本文构造了一个包含多个潜在的多层统计模型和可观察到的变量。图4介绍了评价模型的影响数字金融RMW创业功效。

我们的评估模型包含29可观测变量。八个潜变量,即数字操作δ₁,数字营销δ₂、数字金融服务δ₃,创业动机β₁创业意愿β₂创业基金会β₃创业决策β₄和企业家的性能β₅对应6 3 2 0、5、6、4、3测量变量,分别。

让一个_τj是测量变量对应于一个外生潜变量的模型。然后,测量方程可以建立外生潜变量和测量变量之间

让θ_τj之间的载荷系数τth外生潜变量和jth测量变量和σ_aτj是错误的jth测量的变量τth外生潜变量。然后,公式(23可以扩展到)

让θ_ij是测量变量对应于一个模型的内生潜变量。然后,测量方程内生潜变量和测量变量之间可以建立

让μ_ij之间的载荷系数我内生潜变量和thjth测量变量和σ_bτj是错误的jth测量的变量我th内生潜变量。然后,公式(34可以扩展到)

图5显示了评价模型的路径。让ω₁₂和ω₁₃路径从δ₂和δ₃来β₁分别为, 。这时,一个结构方程可以建立一个高水平的变量β₁没有连接到任何被测变量:

基于最小二乘意义上的最优IIVs可以解决θ_τj,μ_ij,β_我,δ_我,η_τj。替换的IIVsβ_我和δ_我基本的扫描电镜,可以解决ω,γ_ij,μ_ij。此外,β_我估计可能是针对低级和高级内生潜变量。让ζ_ij和聚合系数;K(我)测量变量对应的数量我th低级内生潜变量;和V(我)是外生潜变量对应的数量我th高层内生潜变量。然后,低级内生潜变量可能与测量变量的基础上β_我估计。然后,基于最小二乘意义上的结构方程可以给出的

让b_ij是测量变量对应于一个模型的内生变量。每个内生潜变量与每个测量变量通过载荷系数和误差。然后,可以测量两个值之间的关系

然后,聚合系数可以通过公式来解决(37)和(38)。

5。实验和结果分析

RMW创业样本的数字金融通过问卷调查收集。正常化后,收集到的数据分别处理传统的PLS回归和改进的PLS回归,旨在揭示潜变量之间的关系在我们的评价模型。表1和2目前的估计潜在的变量及其系数的关系。表3和4提供内生和外生变量的计算结果最优IIVs和随机IIVs,分别。的微不足道的区别两种算法的结果表明我们的算法的有效性。改进的PLS回归,介绍了最优IIVs传统请回归,可以获得所有变量之间的路径系数,计算所有测量变量的影响系数RMW企业家精神的影响下数字金融。数字金融影响RMW创业效果可以通过我们的排名显然方法。我们的结果比传统方法更准确请回归。

表5显示输入和输出的累积方差RMW创业精神。它可以推断出这五个差异可以解释82.53%的所有信息。比较潜变量之间的路径,五个核心变量,包括固定资产投资、设备租金,研究基金,人力资源投资,和数字金融平台运营成本,极大地影响潜在变量的状态。这些核心变量促进RMW创业的每一个阶段,如识别创业动机和奠定创业基础。

表6显示输入和输出的累积方差在数字金融的政策支持。它可以推断出这五个差异可以解释84.94%的所有信息。比较潜变量之间的路径,五个核心变量,即财政支持,实现政策的支持,保护知识产权,开放的政策支持,和覆盖的政策支持,极大地影响潜在变量的状态。这些核心变量促进创业环境。

表7显示输入和输出的累积方差在第三方数字金融服务提供者。它可以推断出这六个差异可以解释87.52%的所有信息。比较潜变量之间的路径,六个核心变量,即精密金融服务,独立的财务数据收集和对接,online-offline集成服务模型,移动支付场景建设,建设农村大数据平台和金融风险控制数字化,大大影响潜在变量的状态。这些核心变量促进创业环境、创业动机、创业绩效。

表8和9显示的累积方差RMW创业社区和数字金融环境,分别。它可以推断出,95.07%的RMW创业社区的信息可以解释为三个变量,和85.62%的数字金融环境的信息可以用两个变量来解释。比较潜变量之间的路径,五个核心变量,即孵化的创业社区模式,上游和下游企业之间的协调程度,完整性的创业服务、银行服务、保险服务、拥有大量影响其他潜变量的状态。

表10和11显示的累积方差市场经济宏观环境和社会服务环境,分别。它可以推断出,95.27%的市场经济宏观环境的关键信息可以用两个变量来解释。四个变量施加巨大的影响后续潜在变量的状态,即产业结构、人均消费、对区域经济的贡献,对区域就业的贡献。四个变量的变化显著影响创业环境、创业动机、创业绩效。

6。结论

本文主要的影响评估数字金融RMW创业的功效。第一步是建立一个影响因素分析模型和一个RMW创业模式的原则和细节结构方程建模的影响。接下来,传统的PLS回归进行优化,得到了最佳IIVs,保证算法收敛。之后,建立了多层SEM评价说的影响。然后,发现了我们的改进算法比传统的更精确的PLS回归通过比较实验,估计潜在的变量及其系数的关系,推导出内生和外生潜变量最优和随机IIVs之下。此外,多种因素的累积方差(即。,the inputs and outputs in RMW entrepreneurship, the inputs and outputs in policy supports of digital finance, the inputs and outputs in third-party digital finance service providers, RMW entrepreneurial community, digital finance environment, macro environment of market economy, and social service environment) were summarized to identify the core measured variables that greatly affect the latent variables.

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。