近20年来我国农民收入的影响因素分析分析.doc

计量经济学课程结业论文近20年来我国农民收入的影响因素分析学 院：经济管理学院专 业：区域经济学姓 名：卢双学 号：2011208003论文提交日期：二O一三年一月近20年来我国农民收入的影响因素分析分析摘要：中国是一个农业大国，农民人口数在全国总人口数中占很大的比重，农民收入问题己经成为当前我国关注的热点问题，本文运用多元线性回归模型对农民收入问题进行了分析，揭示了影响我国农民收入的主要因素，并分析了模型存在的问题。关键词：农民收入；多元线性回归模型；虚拟变量；Stata1 引言农民收入问题己经成为当前研究的热点问题，关于我国农民收入的研究也引起了学术界的高度重视，研究农民收入的影响因素和波动特征并预测其发展趋势，对科学决策具有重要意义。传统理论认为，多数宏观经济时序包含确定性趋势。因此对农民收入增长趋势建立趋势模型是可行的。目前很多学者是都是从定性角度分析影响我国农民收入的因素，本文将引入多元线性回归模型，通过对历史数据进行定量分析，揭示影响我国农民收入的主要因素，为今后的政策提供导向性依据。 2 文献综述我国很多学者从不同角度分析影响我国农民收入的因素，主要研究有：农民的纯收入取决于农业的产出量、投入量、农产品的价格和价格弹性，农民的非农收入(张卫东，1994)：农业结构战略性调整、农民就业、收入分配政策和增加农民收入的关系(韩俊，2001)；不断提升农业竞争力是提高农民收入的关键(吴朝阳，2004)等。3 多元线性回归模型实证分析3.1指标选取根据相关文献对我国农民收入影响因素的研究，影响农民收入的因素很多，就农民收入的结构来看，可以分为两个方面，一方面是农民的农业收入，可以选择农业产业结构、农作物种植结构、农作物产量、农作物受灾程度四个变量。这是因为，农业产业结构调整和农作物种植结构的优化是最近几年来影响农民农业收入总额的一个重要方面，在农村耕地面积一定的条件下，对提高农民人均收入起着非常重要的作用。另一方面是农民的非农业收入。因为第二三产业的发展，促使农村剩余劳动力转移，使农民非农业收入增加，使农民人均收入得到提高。因此，本文选取我国农民的家庭人均纯收入为被解释变量（Y），解释变量的选择，也就是影响我国农民的家庭人均纯收入的主要因素暂选以下四项：粮食占农作物总播种而积比重（X1）、粮食单位面积产量（X2）、第一产业从业人员比重（X3）、成灾面积占受灾面积比重（X4）。 3.2 数据解释及描述性分析3.2.1 数据解释表1为我国1990年到2011年的农民收入相关数据。表1 模型原始数据年份year农民家庭人均纯收入（亿元）Y粮食占农作物总播种面积比重（%）X1粮食单位面积产量（kg/hm2）X2第一产业从业人员比重(%)X3成灾面积占受灾面积比重 (%)X41990133.676.47893.60.099846.315261991191.375.083064205.91559.699850.140611992397.674.197614341.72158.500150.442221993686.374.799094557.00456.400447.379521994708.673.895884499.754.299957.0105199578473.432694659.25352.200148.594621996921.673.859744894.09250.500445.187381997122173.334214822.48949.899756.72619981577.773.078514952.91249.799750.2163719991926.172.366154944.95450.099453.4893320002090.169.393894752.5635062.854742001216268.12764800.2825060.8892920022210.367.184334885.2935057.8533720032253.465.22354872.89249.159.6565920042366.466.170215186.7746.943.9206720052475.667.065345224.6244.851.4347620062622.268.98369531042.659.9442620072936.468.835955319.940.851.1586420083254.968.340435547.66339.655.722562009358768.71155447.47938.144.974820104140.468.384145524.39936.749.5328120114760.6268.135835706.6334.799838.3157数据来源：2012年国家统计年鉴，“.”代表缺省值从表1中可以看出，农民家庭人均纯收入（亿元）在逐年增加，但是2006年增加幅度迅速加大，这是由于2006年开始实行免去农业税导致的，因此需要加入虚拟变量（D，2006年以前为0，2006年及以后为1）。3.2.2 描述性分析运用Stata的“summarize y x1 x2 x3 x4”语句，对原始数据进行描述性统计，统计结果见图1。图1 各变量的描述性统计图3.3 数学建模3.3.1 散点图用表1数据作Y、X1、X2、X3、X4随时间变化的散点图如下：图2 农民家庭人均纯收入Y的时间序列图 图3 X1、X3、X4的时间序列图图4 X2的时间序列图 从图2-5可以看出，农民家庭人均纯收入Y和粮食单位面积产量X2都随时间呈递增变化，均表现出正的相关关系，粮食占农作物总播种而积比重X1、第一产业从业人员比重X3随时间呈递减变化，中间稍有波动，但是总体上呈现递减趋势，表现出负的相关关系，而成灾面积占受灾面积比重X4随时间随机波动，变化趋势不太明显。3.3.2 模型设定假设我国农民家庭人均纯收入模型的回归方程为： （1）其中虚拟变量为常数项，为待估参数，为随机扰动项。模型中还加入了虚拟变量D（废除农业税），废除农业税政策的实行，在一定程度上鼓励了农民从事农业生产，从而影响到农民的家庭人均纯收入。因此可以说，废除农业税这项政策的实行对我国农业的发展构成了不可忽视的积极影响。3.3.3 模型及模型参数的显著性检验在Stata分析软件中运用普通最小二乘法（OLS）对模型的参数进行估计，运行程序“reg y x1 x2 x3 x4 d”，得到输出结果如下图所示：图5 模型的显著性检验结果图6 模型的参数估计结果从输出结果图5看，取置信水平，模型的P值为0，拒绝模型不显著的假设，认为模型是显著的；拟合优度检验R-squared值为0.9517，说明模型解释了样本数据95.17%的信息，调整之后仍达到0.9366，说明模型的拟合度很高；但是，从图6模型的参数估计结果来看，待估参数的显著性检验中只有X1、X3和常数项的参数估计通过t值检验，说明这几个变量显著，其他变量均不显著。3.3.4 变量的多重共线性检验现在用变量的相关系数对解释变量进行多重共线性检验，Stata运行结果如下：图7 相关系数检验结果由变量间的相关系数可看出，变量之间的相关性不是很大，所以很难判断模型是否存在多重共线性。为了进一步证明模型是否存在多重共线性，运用方差膨胀因子来检验多重共线性，方差膨胀因子检验中，经验认为方差膨胀因子小于5的时候，不存在多重共线性。运行程序“vif”，得结果如下：图8 膨胀因子检验结果由图8知模型膨胀因子为4.460.1，因此接受检验假设，即模型不具有异方差性，无需进行修正。3.3.5 自相关检验对于模型 i=1,2,.,n随机误差项互不相关的基本假设表现为：，i,j=1,2,.,n,即误差项的取值在时间上是相互无关的。称误差项非自相关。如果 则称误差项存在自相关。此处利用D.W.检验法对模型进行序列相关性的检验。杜宾和瓦森针对检验假设H0：=0，即随机干扰项不存在一阶自回归（t=t-1+t），构建统计量D.W.。再根据样本容量n和解释变量数目k查D.W.分布表，得到临界值dL和dU，然后按照下列准则考察计算得到的D.W.值，以判断模型的自相关状态：若0D.W. dL,则存在正自相关；若dLD.W. dU或者4-dUD.W.4-dL，则不能确定，考虑选择另一种检验方法；若dUD.W.4-dU，则无自相关；若4-dLD.W.4，则存在负自相关。D.W.检验的Stata软件运行结果如下所示：图11 D.W.自相关检验结果由此图可知，D.W.=0.44，在1%的显著性水平下，n=22，k=5（包含常数项），查表得=1.15, =1.54，由于0D.W.，所以随机扰动项存在正的序列相关性。下面用图示法再来检验模型的自相关性，分别运行程序语句“rvfplot, ylin(0)”和“graph twoway scatter y year| line yhat year”，绘制出残差散点图和拟合效果图：图12 残差散点图 图13 拟合效果图从残差散点图看，残差序列相关性不太明显，但是模型的拟合效果一般。4 结论4.1 模型的确定本文最后得出的模型为4.2 模型的经济意义在农作物种植结构方面：粮食作物占农作物总播种面积的比重增加1%，农民的人均收入将减少80. 94元。说明在农作物种植结构方面，农民应适当减少粮食作物的种植，发展各种经济作物，才能促进收入的提高。在从事第一产业的劳动力比重方面：三次产业就业人员中第一产业所占比重增加1 %，农民的人均收入将减少142.18元，说明农村劳动力只有向第二三产业转移才能增加收入。综上所述，对农民收入的影响因素中，向第二三产业转移的劳动力比重的影响效果最大，其次是农作物的种植结构、农业产业结构。4.3 模型存在的问题（1）虚拟变量废除农业税应该对农民收入有积极影响，但是文中进行显著性检验时，虚拟变量没有通过检验，而且逐步回归剔除变量时也将其剔除，与现实有出入，可能是免去农业税后，非农收入的减少和农业收入的增加存在一定的抵消，而农民家庭人均纯收入没变化，因此导致虚拟变量的影响不大。（2）模型最终没有消除序列相关性。模型虽然经过逐步回归剔除变量后，仍然存在序列相关性，为消除序列相关性，采用一阶差分法将原模型变为差分方程： （3）其中：，但是仍然没有消除残差的自相关性，此方法仍有待于进一步研究，这是本文最大的缺陷。参考文献1 张卫东.农民收入增长的决定因素分析J .经济学家，1994, ( 6) .2 韩俊.关于增加农民收入的思考J.新视野，2001，(1).3 韩长斌.谈增加农民收入问题J.农业经济问题，1999, ( 10) .4 汪凤桂.提升农业竞争力，促进农民收入增长 J.农业经济问题，2003,(7)程序附录：*数据来源于2012年国家统计年鉴*用0替换缺省值*replace x2=0 if x2=. *描述性统计*summarize y x1 x2 x3 x4*时间序列图*scatter y yearscatter x1 x3 x4 yearscatter x2 year*模型及模型参数的显著性检验*reg y x1 x2 x3 x4 d*多重共线性检验（简单相关系数检验）*corr x1 x2 x3 x4 d*多重共线性检验（膨胀因子检验）vif*逐步