我国教育投入的影响因素分析

《我国教育投入的影响因素分析》由会员分享，可在线阅读，更多相关《我国教育投入的影响因素分析（24页珍藏版）》请在装配图网上搜索。

1、基于主成分分析方法对山东省内城市居民消费支出水平的研究我国财政性教育投入的影响因素分析目录摘要2关键词21.引言31.1研究现状31.2研究意义42.多元线性回归分析方法42.1多元线性回归分析法简介42.2显著性检验42.3 多重共线性53.财政性教育投入的影响因素研究53.1数据来源与变量介绍53.2变量概念63.3数据分析73.3.1 pearson相关关系分析73.3.2 散点图93.4 回归分析结果133.4.1 进入回归分析133.4.2逐步回归分析154.讨论及建议18致谢19参考文献20英文摘要21我国财政性教育投入的影响因素分析作者：邓文文 指导老师：张庆国（安徽农业大学理学

2、院应用统计学专业 学号：13101194）摘要:改革开放以来，随着中国经济的腾飞和社会持续不断的进步，教育事业的发展令人瞩目。同时，教育事业的飞速发展又培养了一大批高素质人才，为经济腾飞与社会进步注入了强大的动力。而在教育事业中，财政性教育经费支出是最为重要的考量教育经费投入的因素。本文选择财政性教育经费的影响因素进行研究，以国家统计局的财政性教育经费支出数据为依据。财政性教育经费包含预算内教育经费与预算外教育经费，是指中央及地方各级财政部门或其上级主管部门在一年内拨款到各类学校，教育事业单位或教育行政单位，并列入国家预算支出条目的教育经费。通过多元回归的统计方法，运用统计软件spss建立回归

3、方程。最后根据对数据的整体分析，提出通过财政性教育近年来,政府不断加大教育资源的投入,扩大招生规模,促使我国高等教育得到快速的发展,由此众多学者提高了对教育资源效率问题的关注度并对其进行深入研究,文章借助创设高等教育投入与产出指标体系的方法,选取我国2015-2017年数据,运用数据包络分析法(DEA)对我国31个省市自治区高等教育的投入产出效率进行测算和分析,并通过托宾模型(Tobit)分析高等教育投入产出效率的影响因素。结果显示:我国高等教育投入产出的综合效率、技术效率和规模效率均处于较高的水平,但是在综合效率方面存在着明显的地区差异,少数地区高等教育投入产出与教育规模不相匹配。建议:通过

4、优化高校师资队伍的结构,提高高校教育的层次水平,同时确保教育经费投入的多元发展,以实现教育效率均衡有效。经费发展我国教育事业的相关建议。关键词：财政性教育经费 相关分析 多元线性回归分析 AbstractAnanalysisofthefactorsaffectingthefinancialeducationinvestmentinChinaauthor:Deng Wenwen instructor: Zhang Qingguo(Anhui agricultural University science school statistics profession number:13101194)A

5、bstract:Sincethereformandopeningup,withtherapiddevelopmentofChinaseconomyandsocialprogress,thedevelopmentofeducation.Atthesametime,therapiddevelopmentofthecauseofeducationhastrainedalargenumberofhigh-qualitytalentsfortheeconomictake-offandintoapowerfuldrivingforce.Ineducation,financialeducationexpen

6、ditureisthemostimportantfactortoconsidertheinvestmentofeducationfunds.nthispaper,westudytheinfluencefactorsoffinancialeducationfunds,basedonthedatafromtheNationalBureauofstatistics.Throughthestatisticalmethodofmultipleregression,theregressionequationwasestablishedbyusingstatisticalsoftwarespss.Final

7、ly,basedontheoverallanalysisofthedata,thispaperputsforwardsomesuggestionsonthedevelopmentofChinaseducationthroughfinancialeducationfunds.In recent years, the government has increased investment in education resources, expand the scale of enrollment, prompting the development of higher education in C

8、hina to get fast, many scholars have thus increased attention to the problems of education resource efficiency and carries on the thorough research, the article with the help of creating the index system of higher education input and output method, selecting data from 2015 to 2017 in our country, us

9、ing the data envelopment analysis (DEA) to our countrys 31 provinces, cities and autonomous regions to measure and analysis of the input-output efficiency of higher education, and through the tobin model (Tobit) analysis the influence factors of higher education input and output efficiency. The resu

10、lts show that the comprehensive efficiency, technical efficiency and scale efficiency of Chinas higher education input and output are all at a high level, but there are obvious regional differences in the comprehensive efficiency, and the input-output of higher education in a few regions do not matc

11、h the scale of education. Suggestions: improve the level of education and ensure the diversified development of education funds, so as to achieve the balanced and effective education efficiency.Key words: financialeducationfunds correlation analysis multiple regression analysis 1.引言 1.1研究现状 财政性教育经费包

12、含预算内教育经费与预算外教育经费，是指中央及地方各级财政部门或其上级主管部门在一年内拨款到各类学校，教育事业单位或教育行政单位，并列入国家预算支出条目的教育经费。 财政性教育经费在国内有许多专家学者对其做过研究，主要是研究财政性教育经费的支出现状与对策，投入现状与对策以及财政性教育经费的管理研究等方面。其中对于财政性教育经费的总量、支出结构、支出比例、地区差异、教育经费短缺等问题进行了探讨。而对于影响财政性教育经费的因素却很少涉及，往往片面的认为是国家政策的影响。而事实上，在国家财政政策的背后，却是国家经济发展水平发挥着重要的影响，对于这些因素，我们需要找出来并加以研究探讨。随着中国经济的腾飞

13、和社会持续不断的进步，教育事业的发展令人瞩目。同时，教育事业的飞速发展又培养了一大批高素质人才，为经济腾飞与社会进步注入了强大的动力。而在教育事业中，财政性教育经费支出是最为重要的考量教育经费投入的因素。本文选择财政性教育经费的影响因素进行研究，以国家统计局的财政性教育经费支出数据为依据。通过多元回归的统计方法，运用统计软件spss建立回归方程。最后根据对数据的整体分析，提出通过财政性教育近年来,政府不断加大教育资源的投入,扩大招生规模,促使我国高等教育得到快速的发展,由此众多学者提高了对教育资源效率问题的关注度并对其进行深入研究,文章借助创设高等教育投入与产出指标体系的方法,选取我国2015

14、-2017年数据,运用数据包络分析法(DEA)对我国31个省市自治区高等教育的投入产出效率进行测算和分析,并通过托宾模型(Tobit)分析高等教育投入产出效率的影响因素。1.2研究意义 十年树木，百年树人，教育是定国安邦的百年大计。实行“科教兴国”“人才强国”战略，对于实现中华民族的复兴有着巨大的的促进作用。从2012年开始，国家的财政性教育经费已经连续四年占GDP比例超过4%，达到了国际标准，教育取得了巨大的进步。国家财政性教育经费占GDP的比重是否达到4%是国际中衡量国家或地区教育发展水平的标准线。在1993年，我国就提出在2000年实现国家财政性教育经费占GDP达4%的目标，而这一目标一

15、直到2012年才实现。本文的研究对于了解这一目标的实现有着重要意义，了解教育经费背后经济发展所起的重要作用。2.多元线性回归分析方法2.1多元线性回归分析法简介 在回归分析中，被解释的变量称为因变量，用Y表示；用来解释因变量的变量称为自变量，用X表示。通常，我们把研究一个自变量与因变量和误差项之间的线性关系的模型称为一元线性回归模型,可表示为： Y=0+1X+ （2-1） 式（2-1）中0，1为模型的参数。与一元线性回归模型类似，我们把研究多个自变量X1，X2，Xn与因变量Y和误差项之间的线性关系的模型称为多元线性回归模型，可表示为： Y=0+1X1+nXn+ （2-2） 式（2-2）中0，1

16、，2，n为模型的参数。然后根据搜集整理的数据计算出具体的参数值，并写出回归方程的具体形式，就可以估计出因变量Y怎样随着自变量X而变化。回归系数指明了自变量每变动一个单位时，因变量的变化值。 误差项通常要满足以下三个性质： （1）期望为0 （2）方差相等 （3）服从正态分布2.2显著性检验显著性检验包括线性关系检验与回归系数的检验。线性关系检验是用来检验因变量Y与多个自变量之间的线性关系是不是显著的。在多个自变量之中，仅仅只需要存在一个自变量和因变量的线性关系显著，线性关系的检验（F检验）就可以通过，但是这并不意味着每一个自变量对因变量的作用都显著。对于影响不显著的自变量，我们就不必放入回归模型

17、中了。通过了线性关系检验之后，就可以进行回归系数的检验。当有几个自变量之间高度相关时，会造成一部分回归系数无法通过检验。这种情况造成的问题就称为多重共线性。2.3 多重共线性在回归模型中，如果自变量中两个或两个以上的变量存在相关性，就称回归模型中有多重共线性。多重共线性的存在会产生许多问题，会使得回归模型混乱，把回归指向错误的方向。一般来说，下列情况的出现表明存在多重共线性：（1） 模型中的自变量之间有明显相关。（2） 模型中F检验显著，而回归系数的t检验不显著。（3） 回归系数的符号明显与预期不同。（4） 通过计算容忍度与方差扩大因子。即1-Ri2与1/1-Ri2 对于多重共线性，通常采用逐

18、步回归分析法，剔除一个或多个相关的自变量。需要注意的是，在建立模型时，并不是自变量越多越好。如果引入的不合适或者数据质量不够好，回归结果会混乱，不能完全消除共线性，致使回归结果无意义。3.财政性教育投入的影响因素研究3.1数据来源与变量介绍数据均来源于国家统计局,中国经济与社会发展统计数据库。在选择变量时均考虑了与财政性教育经费的关系后慎重选择。记Y为财政性教育经费支出（亿元）。自变量有：（1） X1GDP（亿元）（2） X2普通高等学校数（所）（3） X3社会消费品零售总额（亿元）（4） X4城镇居民人均可支配收入（元）（5） X5全国高校本科生在校生人数(万人）（6） X6中国人口总数(万

19、人） （7）X7新增固定资产(亿元)3.2变量概念（1） GDP：一个国家或地区在一段时间内生产的所有产品与劳务的总价值。（2）普通高等学校数：由教育部或省级教育厅主管的全日制高校总数。（3）社会消费品零售总额：每年国家各行业的消费品零售额加总而得。（4）城镇居民人均可支配收入：从居民总收入中扣除各项费用而剩下来的自由支配的收入。 （5）全国高校本科生在校生人数：全国各个本科高校在校生人数之和。（6） 中国人口总数：中国每年年末统计的全国人口总数。（7） 新增固定资产：每一年通过投资活动形成的新固定资产的价值。 表3-1 财政性教育经费支出与其他变量的经费支出时间YX1X2X3X4X5X6X7

20、19961671.771813.6103228360.24838.9115.389112238913080.619971862.5479715102031252.95160.3153.468912362614959.9119982032.4585195.5102233378.15425.1223.464712476117081.3419992287.1890564.4107135647.95854272.442112578618682.7120002562.61100280.1104139105.76280340.018112674320715.1720013057.01110863.1122

21、543055.46859.6424.374412762721666.2720023491.4121717.4139648135.97702.8527.084512845324791.9120033850.62117422155252516.38472.2629.208912922728663.920044465.86161840.21731595019421.6737.843612998834731.3920055161.08187318.9179268352.610493848.818813075645206.6520066348.36219438.5186779145.211759.594

22、3.339513144856290.920078280.21270232.3190893571.613785.81024.30313212967367.49200810449.63319515.52263114830.115780.81104.220713280284545.26200912231.09349081.42305133048.217174.71179.8511133450113943.89201014670.07413030.3235815800819109.41265.6132134091136970.26201118586.7489300.62409187205.821809

23、.81349.6577134735184353.91201223147.57540367.42442214432.724564.71427.0888135404222399.81201324488.21595244.42491242842.826955.61494.4353136072269780.28201426420.586439742529271896.128844.51541.0653136782333338.99201529221.45689052.12560300930.831195.21576.6848137462386200.09201631058.37744127257332

24、9027.633616.71609.2458138567415278.263.3数据分析3.3.1 pearson相关关系分析 相关关系与函数关系是两种完全不同的类型，它的特征是某个变量的取值不可以由另一个变量唯一确定，这种不确定的变量之间的关系不能由函数关系进行描述，但可以通过对大量数据的观察和分析，发现许多变量之间存在一定的客观规律。在判定相关程度时，通常通过相关系数r判定。它是通过样本数据计算出来的，主要性质包括：（1） 在-1到1之间取值，当r等于-1时，说明存在完全负线性相关；当r等于-1到0之间时，说明存在负线性相关；当r等于1时，说明存在完全正线性相关；当r等于0到1之间时，说明

25、存在正线性相关；当r等于0时，说明无关。（2） r是对称的，即Y与X，X与Y的相关系数相等。（3） 当r的绝对值大于等于0.8时，是高度相关；当r的绝对值大于等于0.5小于0.8时，是中度相关；当r的绝对值大于等于0.3小于0.5时，是低度相关；当r小于0.3时，相关程度很弱。 首先，我们将对财政性教育经费支出Y的变化态势用折线图简单图示。 图3-2 财政性教育经费随年份变化的折线图由以上折线图可以看出，财政性教育经费随着年份的增长呈现出递增趋势，对于增长有重要影响的因素，值得去研究。接下来将用相关分析方法进行分析。表3-3 pearson相关分析图相关性YX1X2X3X4X5X6X7YPea

26、rson 相关性1.996*.888*.998*.995*.919*.908*.985*显著性（双侧）.000.000.000.000.000.000.000N2121212121212121X1Pearson 相关性.996*1.917*.995*.999*.944*.932*.975*显著性（双侧）.000.000.000.000.000.000.000N2121212121212121X2Pearson 相关性.888*.917*1.885*.924*.990*.973*.823*显著性（双侧）.000.000.000.000.000.000.000N2121212121212121X3

27、Pearson 相关性.998*.995*.885*1.995*.917*.910*.991*显著性（双侧）.000.000.000.000.000.000.000N2121212121212121X4Pearson 相关性.995*.999*.924*.995*1.950*.941*.975*显著性（双侧）.000.000.000.000.000.000.000N2121212121212121X5Pearson 相关性.919*.944*.990*.917*.950*1.992*.864*显著性（双侧）.000.000.000.000.000.000.000N212121212121212

28、1X6Pearson 相关性.908*.932*.973*.910*.941*.992*1.862*显著性（双侧）.000.000.000.000.000.000.000N2121212121212121X7Pearson 相关性.985*.975*.823*.991*.975*.864*.862*1显著性（双侧）.000.000.000.000.000.000.000N2121212121212121*. 在 .01 水平（双侧）上显著相关。由上图可知，相关系数的值均在0.823以上，表明各变量之间有高度的线性关系，为了直观表明相关关系的正负，接下来用散点图更直观的说明。 3.3.2 散点图

29、 图3-4 财政性教育经费支出与GDP关系散点图 图3-5 财政性教育经费支出与普通高等学校数关系散点图 图3-6 财政性教育经费支出与社会消费品零售总额关系散点图 图3-7 财政性教育经费支出与城镇居民人均可支配收入关系散点图 图3-8 财政性教育经费支出与全国高校本科生在校生人数关系散点图 图3-9 财政性教育经费支出与中国人口总数关系散点图 图3-10 财政性教育经费支出与新增固定资产关系散点图通过以上7个散点图，可以说明因变量Y与自变量X1、X2、X3、X4、X5、X6、X7之间大体存在着正线性相关关系,即财政性教育经费随着各个变量的增长而增长。接下来用回归分析更清楚地说明，当各个变量

30、变动时对因变量变量的影响。3.4 回归分析结果3.4.1 回归分析 表3-11 模型汇总图模型汇总b模型RR 方调整 R 方标准 估计的误差1.999a.998.996608.26143a. 预测变量: (常量), X7, X2, X6, X1, X5, X4, X3。b. 因变量: Y 表3-11表明调整的可决系数为0.996，说明财政性教育经费的变差中约有99.6%可由回归模型解释，模型拟合较好。 表3-12 方差分析表Anovab模型平方和df均方FSig.1回归2.043E972.919E8788.928.000a残差4809765.52313369981.963总计2.048E920

31、a. 预测变量: (常量), X7, X2, X6, X1, X5, X4, X3。b. 因变量: Y由表3-12可知方差检验的F=788.928，p值=0.00，在显著性水平=0.05下，回归模型的线性关系显著。 表3-13 模型参数的估计和检验系数a模型非标准化系数标准系数tSig.共线性统计量B标准 误差试用版容差VIF1(常量)64322.23149597.0041.297.217X1-.006.022-.125-.249.807.0011388.939X2-4.2952.578-.255-1.666.120.008129.430X3.133.0991.2861.347.201.000

32、5041.051X4.571.809.532.705.493.0003150.156X56.0447.459.307.810.432.001794.253X6-.525.394-.245-1.334.205.005187.160X7-.041.026-.531-1.556.144.002644.451a. 因变量: Y 由表3-13回归系数的显著性检验可知，X1，X2，X,6，X7，在显著性水平=0.05下不显著，同时X1，X2，X6，X7的回归系数符号与我们的预期不符，得到的回归模型为：Y=64322.231-0.006X1-4.295X2+0.133X3+0.571X4+6.044X5-0

33、.525X6-0.041X7虽然模型拟合较好，但是可以初步判断存在多重共线性。下面采用逐步回归分析法消除多重共线性。3.4.2逐步回归分析表3-14 模型汇总图模型汇总c模型RR 方调整 R 方标准 估计的误差1.998a.995.995728.601012.998b.996.996661.14324a. 预测变量: (常量), X3。b. 预测变量: (常量), X3, X1。c. 因变量: Y 表3-14表明两个模型的调整的可决系数分别为0.995和0.996，表明模型一与模型二分别可以解释财政性教育经费99.5%与99.6%的变差。两个模型拟合的都很好。表3-15 方差分析表Anovac

34、模型平方和df均方FSig.1回归2.038E912.038E93838.957.000a残差10086329.33919530859.439总计2.048E9202回归2.040E921.020E92333.695.000b残差7867986.86618437110.381总计2.048E920表3-15表明模型一的F检验值为3838.597，p值=0.00，在显著性水平=0.05下，回归模型的线性关系显著；模型二的F检验值为2333.695，p值=0.00，在显著性水平=0.05下，回归模型的线性关系也显著。表3-16 模型参数的估计和检验系数a模型非标准化系数标准系数tSig.共线性统计

35、量B标准 误差试用版容差VIF1(常量)-1394.800258.157-5.403.000X3.103.002.99861.959.0001.0001.0002(常量)-1736.397279.049-6.223.000X3.068.016.6554.291.000.009109.238X1.015.007.3442.253.037.009109.238a. 因变量: Y 表3-16表明两个模型用于检验回归系数的统计量t值均大于显著性水平，都通过了显著性检验。 可以写出最后两个模型分别为（1）Y=-1394.8+0.103X3 （2）Y=-1736.397+0.068X1+0.015X3由于

36、模型二多保留了一个变量，对模型因变量的解释更全面，所以选择模型二为最后得到的模型。模型二说明当GDPX1每增加1亿元时，财政性教育经费支出Y将增加0.068亿元，社会消费品零售总额X3每增加1亿元时，财政性教育经费支出Y将增加0.015亿元。表3-17 已排除变量表已排除的变量c模型Beta IntSig.偏相关共线性统计量容差VIF最小容差1X1.344a2.253.037.469.009109.238.009X2.025a.714.484.166.2174.604.217X4.200a1.216.240.276.009106.610.009X5.028a.688.501.160.1596.

37、288.159X6.002a.049.962.011.1725.822.172X7-.226a-1.975.064-.422.01758.031.0172X2-.100b-1.964.066-.430.07213.980.003X4-.406b-1.344.197-.310.002447.025.002X5-.112b-1.927.071-.423.05518.232.003X6-.085b-1.977.064-.432.1009.992.005X7.022b.077.939.019.003353.390.001 表3-17表明两个模型分别排除了哪些变量，消除了多重共线性。 表3-18 残差统

38、计量图残差统计量a极小值极大值均值标准 偏差N预测值1285.538231959.837911206.890010099.9132121残差-901.468572075.07935.00000627.2155521标准 预测值-.9822.055.0001.00021标准 残差-1.3633.139.000.94921a. 因变量: Y表3-18表明残差的均值为0，符合对残差的期望为0的假设。 图3-19 标准化残差的直方图 图3-19表明出了标准化残差的正态曲线，符合正态性的假定。接下来用P-P图进一步说明。 图3-19 标准化残差的正态概率图图3-19表明散点基本在直线附近，各点近似呈现成

39、一条直线，基本符合正态性假定，模型拟合较好。4. 讨论及建议 多元线性回归中，本文用逐步回归消除多重共线性，建立了较为良好的模型。通过对上文数据分析的解读，我们可以知道在选取的变量中，消除了多重共线性之后，对财政性教育经费有重要影响的因素有GDP与社会消费品零售总额，均与财政性教育经费呈现正相关，对于如何促进教育事业发展的建议就可以从这两个方面入手。结果显示:我国高等教育投入产出的综合效率、技术效率和规模效率均处于较高的水平,但是在综合效率方面存在着明显的地区差异,少数地区高等教育投入产出与教育规模不相匹配。建议:通过优化高校师资队伍的结构,提高高校教育的层次水平,同时确保教育经费投入的多元发

40、展,以实现教育效率均衡有效。经费发展我国教育事业的相关建议。经济实力的强大是我国发展教育的重要支柱，有了强大的经济实力，才会有充足的财政收入和开支，才会有充足的财政性教育经费投入，从而促进教育事业取得更大的突破。我国的GDP增长在7%左右，经济发展进入新常态，要促进经济又好又快发展，保证充足的经费来源，赶上乃至超越发达国家教育经费占GDP 的比重，早日实现教育兴国，人才强国的目标。社会消费品零售总额的增长也对财政性教育经费的增长有重要作用，为了促进其增长。我们要采取措施，扩大内需，增加居民的消费需求，保持物价水平稳定，使居民保持稳定的收入消费预期。 从以上建议入手，必定可以使教育事业有更大的进

41、步。致谢 在论文完成的时候，我要特别感谢我的论文指导老师，张庆国教授。张老师在我论文写作过程中给与我耐心细致地指导，实在又富有建设性的建议，从选题、数据查找、结论分析到论文格式与查重，贯穿此论文的过程。他实事求是，务实认真的治学态度深深影响了我，我也会努力学习到他身上体现出的这些品质。再次感谢所有给与我帮助的老师和同学，谢谢！参考文献： 1张方捷,赵明涛,饶慧婷,王妍.基于主成分回归法的我国教育经费投入影响因素研究J.现代商贸工业,2018,39(20):11-12.2李瑛,蔡声霞,任珺楠.城市基础教育财政投入均等化的测量与影响因素基于天津的实证J.城市发展研究,2018,25(03):112

42、-117.3蔡文伯,翟柳淅.我国中等职业教育经费投入效率及影响因素分析基于DEA-Malmquist指数模型与空间面板计量模型J.职业技术教育,2018,39(01):55-59.4高娟,马陆亭.OECD国家高职教育宏观投入的影响因素及变动路径分析以19972012年数据为例J.中国高教研究,2017(06):90-94.5杨宝琰.城乡初中生学业表现差异的影响因素及作用机制基于教育投入、学习投入和教育价值观的分析J.教育科学研究,2017(03):68-75.6吴伟伟,章禄禄.财政性教育投入影响FDI的区位选择吗?基于人力资本流动视角的实证研究J.教育与经济,2017(01):48-58.7李

43、晓延,解志敏.基于多变量VAR模型的宁夏教育投入影响因素分析兼议“后4%”时代教育投入保障J.宁夏师范学院学报,2016,37(05):125-134.8张杭.城乡公共品财政投入差距及影响因素分析以农村义务教育为例J.亚太教育,2016(25):266-267.9陈潜,李萍,彭婵娟.福建省农村家庭高等教育投入意愿影响因素分析J.林业经济,2015,37(09):111-115.10宗晓华,陈静漪.义务教育投入的县际差距与影响因素研究以东部某省为例J.教育科学,2015,31(01):1-9.11金连平,乔志霞,张艳荣,荔军歌.甘肃省农民家庭子女教育投入的影响因素分析以庆阳市为例J.农业科技与信

44、息,2015(01):94-97.12董俊燕,刘泽云.普通高中政府生均投入影响因素研究基于省级面板数据的实证分析J.教育与经济,2014(03):16-20.13崔玉华,刘伟平.新建地方本科院校大学生学业收获及教育影响因素研究基于H学院大学生学习性投入调查的分析J.教育与考试,2014(01):68-72.14詹宏毅,张宇星.高等教育公共投入影响因素的实证分析基于OECD国家2000-2009年的面板数据J.中国高教研究,2013(11):8-13.15余游.中国区域间基本公共服务投入差距及影响因素分析以义务教育为例J.云南财经大学学报,2012,28(02):96-102.16张燕,刘伟民.

45、影响民族地区家庭教育投入因素探析以云南民族地区为例J.内蒙古师范大学学报(教育科学版),2011,24(11):55-57.17张倩倩.省级政府对高等教育投入努力程度的影响因素分析J.煤炭高等教育,2010,28(04):23-26.18胡德仁.中国地区间小学教育投入差异影响因素的实证研究基于财政能力和财政需求的视角J.湖北经济学院学报,2010,8(02):81-87+93.19杨斌,尹皓.影响高等教育经费投入因素的定量分析J.中国经贸导刊,2009(19):90.20蔺秀云,王硕,张曼云,周冀.流动儿童学业表现的影响因素从教育期望、教育投入和学习投入角度分析J.北京师范大学学报(社会科学版

46、),2009(05):41-47.21刘亮,胡德仁.地区间农村小学教育投入差异影响因素的分析以河北省各县为例J.清华大学教育研究,2009,30(03):99-107.22胡德仁,刘亮.农村小学教育投入影响因素的实证研究以河北省各县为例J.新疆财经大学学报,2009(02):35-42.23吴春霞,何忠伟,郑小平.城乡公共品财政投入差距及影响因素分析以农村义务教育为例J.农村经济,2009(05):66-70.24李普亮,朱永德.农户对农村义务教育投入政策的认知状况及影响因素分析基于对广东惠州市171个样本农户的调查J.新疆农垦经济,2007(05):1-4+16.25郭睿,曾昭轰,廖德文.农村税费改革后影响义务教育经费投入的主要因素分析J.江西教育科研,2003(10):20-23.22