1.4 研究方法

1．采用理论研究和实证分析相结合的方法

本书在公共财政理论、传播学理论、认知理论等理论及国内外相关研究的基础上，基于大量实地调研数据，对农户农业补贴政策认知及对其农业生产经营行为进行实证研究。

2．采用定性分析与定量分析相结合的方法

本书在定性研究的基础上，结合不同研究内容，分别采用因子分析法、层次分析法、分层回归分析法、多元回归分析等多种定量研究方法，使研究更具有说服力。

因子分析的基本思想是寻找公共因子，以达到降维的目的。探索性因子分析主要是为了找出影响观测变量的因子个数，以及各个因子和各个观测变量之间的相关程度，试图揭示一套相对比较大的变量的内在结构，并运用因子分析对农户农业补贴政策认知的维度进行研究。探索性因子分析和验证性因子分析是因子分析的两个不可分割的重要组成部分，在管理研究的实际应用中，两者不能截然分开，只有结合运用，才能相得益彰，使研究更有深度。

层次分析法(Analytic Hierarchy Process, AHP)是美国运筹学家萨蒂(T. L. Saaty, 1977)教授于20世纪70年代初期提出的，层次分析法是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。它的特点是把复杂问题中的各种因素划分为相互联系的有序层次，使之条理化，根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来，将一层次元素两两比较的重要性进行定量描述。这种方法的基本思想是根据系统工程对各要素排列的原理，将一个复杂问题划分为多层次结构，使每一层次和下一层次保持一定联系，并在同一层次各要素之间进行简单比较、判断和计算，得出不同要素的重要程度。通过所有层次之间的总排序计算所有元素的相对权重并进行合成。

分层回归其实是对两个或多个回归模型进行比较。我们可以根据两个模型所解释的变异量的差异来比较所建立的两个模型。一个模型能够解释越多的变异，则它对数据的拟合就越好。假如在其他条件相等的情况下，一个模型比另一个模型解释了更多的变异，则这个模型是一个更好的模型。两个模型所解释的变异量之间的差异可以用统计显著性来估计和检验。如果加入模型的额外解释变量对解释分数差异具有显著的额外贡献，那么它将会显著地提高决定系数。

运用多元回归分析对农户农业补贴政策认知差异及影响因素进行研究，多元回归是指包含一个因变量(预报对象)、多个自变量(预报因子)的回归模型，能够得出各种要素间的数量依存关系，从而进一步揭示各要素间内在的规律。它基于观测数据建立变量间适当的依赖关系，以分析数据内在规律，并可用于预报、控制等问题。