《表3 大数据发展政策扩散的logit回归模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《省级政府大数据发展政策的扩散分析——基于政策扩散的视角》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:显著性水平:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’

为了验证所有的研究假设，研究所有自变量对因变量的影响，本研究利用R语言对大数据发展政策扩散行为进行建模，关于省级政府大数据发展政策扩散的因素分析的logit模型结果如表3所示。其中模型1将政治因素包括省（市）长与省（市）委书记的年龄、任期与岗位交流经历三类解释变量纳入模型进行分析；模型2在模型1的基础上加入经济因素的影响；模型3在模型2的基础上加入横向因素进行分析；模型4即所有假设变量纳入logit模型的建构过程中所得到的回归结果。表3主要整理了各回归模型中回归系数的估计值及标准误差、Wlad统计量的显著性以及各优势比变化等反映解释变量的指标。AIC是衡量统计模型拟合优良性的一种指标，AIC的值越小，表明模型拟合度越高。从logit回归结果可以发现，政治因素、经济因素、纵向因素与横向因素的不断整合后模型的AIC值越来越小，表明所构建的模型其拟合程度不断提高。模型4中AIC值最小，说明该模型的拟合程度越优，因此该模型选为本研究的最终模型。Null deviance和Residual deviance类似于线性回归模型中的残差平方和，用来评估拟合优度，Null deviance是没有任何信息的模型的残差，如果自变量对因变量有影响，则Residual deviance应该明显小于Null deviance。模型4中Null deviance和Residual deviance分别为127.231和92.848，Residual deviance明显小于Null deviance，表明自变量对因变量存在影响。