我国农民人均纯收入的计量经济模型.doc

我国农民人均纯收入的计量经济模型小组成员：詹明茹 40511076李筱映 40511098刘禹 40511097 我国农民人均纯收入的计量经济模型摘要：本文旨在分析农民收入增长的影响因素，着重通过引入虚拟变量考察乡镇企业的发展对农民收入的影响，并选出5个因素与农民收入进行多元回归分析，建立数学模型，并定量分析影响因素的作用程度。关键词：农民收入 影响因素 回归模型一、 引言我国是农业大国,根据产业经济学观点来看,农业是第二产业和第三产业的基础,农业为第二,三产业的发展提供基本物质基础。据统计，我国农村人口占了中国总人口的70 %多, 在工业中，以农产品为原料的轻工业产值，始终占整个轻工业产值的70以上。农业产业结构不合理,经济不发达,以及农民收入增长缓慢等问题势必成为我国经济持续稳定增长的障碍。中国有9亿农民, 农民收入的近60来自于农业，然农民的收入关乎整个国民经济的健康发展,中国的发展问题就其实质而言,就是农民问题。正确有效地解决好“三农”问题是中国经济走出困境,实现长期稳定增长的关键。而农民收入增长则是“三农”问题的核心,也是解决“三农”问题的关键。二、 问题的提出及变量选择我们要建设一个全面的小康社会，如果不能解决占人口多数的农民的收入问题，就只能是空谈。农民收入的提高，不仅仅会提高农民的生活水平，相应的也会改变消费的结构，对整个产业结构的优化提升也有很重要的意义，另外，农民收入的提高，对于农民对教育的投资，对农业机械的投入等方面，对于建立和谐社会，达到共同富裕的目标更有重要的意义。 本论文从财政农业支出, 农产品收购价格指数,农作物总播种面积, 乡村农林牧渔业从业人员，乡镇企业年末从业人员数5个因素来考察这些因素对农村居民家庭人均年纯收入的影响程度，本小组预期财政农业支出的增加，农产品收购价格指数的提高,农作物总播种面积的扩大,乡村农林牧渔业从业人员人数的增加，乡镇企业年末从业人员数的增加，均应当增加农村居民家庭人居年纯收入。农民收入水平的度量，通常采用人均纯收入指标。影响农民收入增长的因素是多方面的，既有结构性矛盾因素，又有体制性障碍因素。但可以归纳为以下几个方面：一,财政农业支出,农业和农村的财政支出极大影响新农村建设和整个国民经济,以及农民的收入增长。二,农产品收购价格指数, 农产品收购价格指数的提高会影响农民收入的增长。三,农作物总播种面积,农作物总播种面积直接影响农产品产量,进而影响农民收入。四, 乡村农林牧渔业从业人员, 乡村农林牧渔业从业人员的人数直接影响农作物产量,进而影响农民收入。五，乡镇企业从业人员。乡镇企业是农村富裕劳动力转移的好方式。同时，也是增加农民收入的重要途径。在作图分析时，我们发现在1992年，1997年农民收入出现了两个拐点。于是我们小组引入了两个虚拟变量。基于我们小组所寻找的变量：X1财政农业支出，直接查找中国统计年鉴可获得此变量的数据；X2农产品收购价格指数，直接查找中国农产品价格调查年鉴上查找可获得此变量数据；X3农作物总播种面积，从中经网网站可获得此变量的数据.X4乡村农林牧渔业从业人员数，查找中国农业发展报告可获得此变量的数据；X5乡镇企业年末从业人员数，从中经网网站可获得此变量的数据。数据整理结果列于表1：表1 农民人均纯收入与影响因子的原始数据农村居民家庭 人均年纯收入(元)财政农业支出（亿元）农产品收购价格指数（上年100）农作物总播种面积（千公顷）乡村农林牧渔业从业人员（万人）乡镇企业年末从业人员数（万人）YX1X2X3X4X51978133.6150.66103.915010428455.628271979160.2174.33122.114847629071.629091980191.3149.95107.114638029808.430001981223.4110.21105.914515930677.629701982270.1120.49102.214475731152.731131983309.8132.87104.414399331645.132351984355.3141.291041442213168552081985397.6153.62108.614362630351.569791986423.8184.2106.414420430467.979371987462.6195.721121449573087088051988544.9214.0712314486631455.795451989601.5265.9411514655432440.593671990 686.31307.8497.414836233336.492651991708.6347.579814958634186.396091992784376.02103.414900734037106251993921.6440.45113.414774133258.21234519941221532.98139.914824132690.3120171995 1577.74574.93119.914987932334.5128621996 1926.1 700.43104.215238132260.41350819972090.1766.3995.515396932677.913050199821621154.769215570632626.41253719992210.31085.7687.815637332911.81270420002253.421231.5496.415630032797.51282020012366.41456.73103.1155708324511308620022475.631580.7699.715463631990.61328820032622.241754.45104.3715241531259.61357320042936.42337.63113.09153553305961386620053254.932450.31101.3915548829975.514272三、 计量经济模型的建立(一) 引入虚拟变量发达国家和国内发达地区的发展历程，无一不证明推进城镇化对增加农民收入的巨大作用。城镇化的归宿是缩小城乡差距，实现共同发展，以此带动全面小康社会的建设和形成。中国农村乡镇企业的崛起是顺应农村经济进一步内在发展的要求，是为寻求解决农业剩余劳动力出路和进一步提高农村居民收入的前提下发展起来的。乡镇企业的发展对农村居民收入增长作出了巨大贡献，从微观层面看，农村居民纯收入增加额中，近两成来自于从企业劳动获得的工资性收入的贡献。为了研究19782005年期间农村居民家庭人均年纯收入随乡镇企业发展状况变化是否存在规律，考证农村居民家庭人均年纯收入、乡镇企业年末从业人员数随时间的变化情况，如图1所示：图1：农村居民家庭人均年纯收入、乡镇企业年末从业人员数随时间的变化情况可以看出：农村居民家庭人均年纯收入表现出了明显的阶段特征：在1993年和1997年有两个明显的转折点。通过查找相关文献，我们总结出选择虚拟变量的依据：第一个转折点：1992年。1992年初，邓小平同志视察南方重要谈话发表，他指出，乡镇企业是建设有中国特色社会主义的三大优势之一。1992年召开的十四大对发展乡镇企业的意义进行了又一次重大理论和政策升华，确认发展乡镇企业是繁荣农村经济、增加农民收入、促进农业现代化和国民经济发展的必由之路，要坚持不懈地搞好乡镇企业。国家政策路线的确定对乡镇企业的崛起和发展起到决定性的推动作用。从图中可以看出：1992年乡镇企业年末从业人员数（X5）的斜率明显增大。但由于政策的传导需要一定的时间，对农民纯收入（Y）的影响在1993年才得到显著的体现。第二个转折点：1997年。1996年，乡镇企业从业人员达1.35亿人，增加值近1.8万亿元。但是，1997年爆发的亚洲金融危机，使外部经济环境恶化，使乡镇企业出现了困难，发展速度明显放慢，亏损面进一步扩大，吸纳农村富余劳动力的速度有所减缓，全国乡镇企业从业人员比上年减少458万人。进入1998年，外部经济环境进一步恶化，亚洲金融危机影响继续蔓延，引发了亚洲乃至全球经济的剧烈动荡；国内市场拉动进一步趋弱，城乡市场销售不旺，致使乡镇企业自身问题充分暴露，乡镇企业面临着前所未有的压力。从图中可以看出：表示农村居民纯收入的虚线图1997年起斜率显著减小，趋于平缓。为了分析农村居民家庭人均年纯收入在1992年前后和1997年前后三个阶段的数量关系，引入虚拟变量和： 0 1992年以前 0 1997年以前= 1 1992年及以后 1 1997年及以后1992年乡镇企业年末从业人员数为10625万人，1997年为13050万人，设定了如下加法和乘法两种方式同时引入虚拟变量的模型：最小二乘估计运算，得出回归模型及各检验统计量：表2 OLS回归结果Dependent Variable: YMethod: Least SquaresDate: 06/18/07 Time: 21:28Sample: 1978 2005Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C-1091.2002205.000-0.4948750.6261X10.7484560.1112036.7305470.0000X2-5.0793242.577467-1.9706650.0628X30.0089340.0131760.6780250.5055X40.0107680.0258750.4161480.6817X50.0401180.0146032.7473050.0124(X5-10625)*D10.2672140.0470845.6752370.0000(X5-13050)*D2-0.2336070.131628-1.7747440.0912R-squared0.991021 Mean dependent var1223.960Adjusted R-squared0.987878 S.D. dependent var993.3925S.E. of regression109.3723 Akaike info criterion12.46235Sum squared resid239245.9 Schwarz criterion12.84298Log likelihood-166.4729 F-statistic315.3376Durbin-Watson stat2.154626 Prob(F-statistic)0.000000(二) 多重共线性检验及修正1、 由以上最小二乘估计结果可见，该模型，可决系数很高，明显显著。但是当时，,系数的检验不显著。这表明这3个解释变量可能引起多重共线性。计算各解释变量的相关系数表3 相关系数矩阵X1X2X3X4X5(X5-10625)*D1(X5-13050)*D2X1 1.000000-0.239471 0.801235 0.033830 0.727935 0.888187 0.634434X2-0.239471 1.000000-0.441267-0.213174-0.105701-0.174952 0.132711X3 0.801235-0.441267 1.000000 0.250904 0.721573 0.827434 0.168560X4 0.033830-0.213174 0.250904 1.000000 0.534055 0.153798-0.344035X5 0.727935-0.105701 0.721573 0.534055 1.000000 0.821741 0.256738(X5-10625)*D1 0.888187-0.174952 0.827434 0.153798 0.821741 1.000000 0.452758(X5-13050)*D2 0.634434 0.132711 0.168560-0.344035 0.256738 0.452758 1.000000由相关系数看出，某些解释变之间的相关系数较高。说明确实存在多重共线性。2、 采用逐步回归的方法，去检验和解决多重共线性问题。分别做对，的一元回归，得：表4 一元回归结果变量参数估计值1.370201-26.821560.2000970.1553940.2075440.7265651.380739t统计量15.30790-1.5374359.4882791.1674748.41649117.232852.5622290.9001280.0833360.7759150.0498120.7315080.9194970.2015970.8962860.0480790.7672960.0132660.7211820.9164010.170889其中，加入的方程最大，以为基础，顺次加入其他变量逐步回归，经比较，新加入的方程=0.961253，改进最大，且各参数的t 检验显著，选择保留。再加入其他新变量、逐步回归，经比较，新加入的方程=0.977999，改进最大，且各参数的t 检验显著，选择保留。再加入新变量、逐步回归，经比较，新加入的方程=0.984242，改进最大，且各参数的t 检验显著，选择保留。再加入新变量、逐步回归。结果如下：新加入的方程=0.984237，没有改进,且和的t 不显著检验显著；新加入的方程虽然可决系数虽然有一定改进，但是加入该变量后的t检验不显著，并且其系数与实际经济意义相反；新加入的方程，虽然可决系数有改进，但是和的t检验不显著。因此应剔除、。剔除、后再次进行线性回归，结果如下：表5 修正多重共线性后的OLS回归结果Dependent Variable: YMethod: Least SquaresDate: 06/18/07 Time: 23:33Sample: 1978 2005Included observations: 28VariableCoefficientStd. Errort-StatisticProb. C-1837.706605.6203-3.0344190.0059(X5-10625)*D10.3283670.0423817.7480590.0000X10.9176280.0923249.9392490.0000X40.0658010.0193093.4077280.0024(X5-13050)*D2-0.3622880.111761-3.2416160.0036R-squared0.986576 Mean dependent var1223.960Adjusted R-squared0.984242 S.D. dependent var993.3925S.E. of regression124.7016 Akaike info criterion12.65016Sum squared resid357661.3 Schwarz criterion12.88805Log likelihood-172.1022 F-statistic422.6026Durbin-Watson stat1.724199 Prob(F-statistic)0.000000最后修正多重共线性影响的回归结果为： 由于各个系数的t值均大于2，表明各解释变量的系数显著地不等于0，农村居民家庭人均年纯收入的回归模型分别为 Y= + (三) 异方差检验根据修正了多重共线性后的回归模型：对该模型是否存在异方差进行检验。1、 图形法残差平方和对、的散点图： 图2 散点图由两图可以看出,残差平方与解释变量的散点分布不平稳,因此,模型有可能存在异方差,但是否存在异方差还应通过更进一步的检验.2、 ARCH检验根据AIC准则，选残差平方滞后一阶，估计结果得表6 异方差的ARCH检验ARCH Test:F-statistic0.322908 Probability0.574934Obs*R-squared0.344294 Probability0.557361Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/25/07 Time: 12:59Sample(adjusted): 1979 2005Included observations: 27 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C14624.686846.7542.1360020.0427RESID2(-1)-0.1126590.198257-0.5682500.5749R-squared0.012752 Mean dependent var13189.33Adjusted R-squared-0.026738 S.D. dependent var32633.80S.E. of regression33067.21 Akaike info criterion23.72166Sum squared resid2.73E+10 Schwarz criterion23.81765Log likelihood-318.2424 F-statistic0.322908Durbin-Watson stat2.034137 Prob(F-statistic)0.574934在给定显著性水平=0.05的情况下,查分布表得临界值，即接受原假设，表明原模型不存在异方差。(四) 自相关检验根据二乘估计模型：分析该模型是否存在自相关1、 自相关的检验按照时间顺序作残差图如下图3 残差图从图形可以看出，残差随着t的变化逐次有规律地变化，表明残差项可能存在一定自相关。用DW检验，根据DW检验不能判定是否有自相关关系。采用修正的DW检验，可以认为残差项存在自相关性。2、 自相关问题的处理使用e进行一期的自回归，得回归方程：，由此可知，令X6= X7=对原模型进行广义差分，得到广义差分方程对广义差分方程进行回归分析，结果如下：表7 广义差分方程回归结果Dependent Variable: Y-0.121266*Y(-1)Method: Least SquaresDate: 06/30/07 Time: 12:25Sample(adjusted): 1979 2005Included observations: 27 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-1565.043691.6196-2.2628660.0339X1-0.121266*X1(-1)0.9134260.0992819.2004180.0000X4-0.121266*X4(-1)0.0642660.0248922.5817920.0170X6-0.121266*X6(-1)0.3246930.0458527.0813960.0000X7-0.121266*X7(-1)-0.3363940.122994-2.7350490.0121R-squared0.982523 Mean dependent var1125.040Adjusted R-squared0.979345 S.D. dependent var876.7219S.E. of regression126.0011 Akaike info criterion12.67603Sum squared resid349277.9 Schwarz criterion12.91600Log likelihood-166.1265 F-statistic309.1941Durbin-Watson stat1.937369 Prob(F-statistic)0.000000可得回归方程为其中= X1-0.121266*X1(-1) = X4-0.121266*X4(-1) = X6-0.121266*X6(-1) = X7-0.121266*X7(-1)由于使用了广义差分数据，样本容量减少了1个，为27个。查5%显著水平的DW统计表可得，模型中，说明广义差分模型中已无自相关，不必再进行迭代。同时可见，可决系数、t、F统计量也均达到理想水平。由，可得到最终的中国农村居民家庭人均纯收入的模型为：因为X6=，X7= Y= 二、 模型的经济意义检验及对策建议(一) 经济意义检验1. 从模型中可以看出国家财政支出中农业支出是影响农民收入的一个十分重要的因素。从模型中可以看出，财政农业支出每增加1亿元，平均来说，我国农村农民收入将提高。我国农业生产技术相对落后，农产品国际竞争力较弱，国家对农业的扶持对与促进农业发展和农民增收有着举足轻重的作用。2. 乡村农林牧渔业从业人员数。乡村农林牧渔业从业人员数量代表着我国农业的从业人员数，在其他条件不变的情况下，农业的从业人数越多，我国农村人口的平均收入就会增加。从模型得出的分析，我国乡村农林牧渔业从业人员数每增加1人，我国农民收入平均来说会增加元。我国农业人口基数大，农村闲置人口多，若是能发动更多的农村人口加入到我国乡村农业生产中，我国农民的收入将会有显著的改善。3. 通过虚拟变量的设置，我们可以看出乡镇企业的发展水平对农民纯收入的影响十分显著。在亚洲金融危机以前，乡镇企业从业人员数每增加1万人，农村居民家庭人均年纯收入平均增加0.324693元；亚洲金融危机使乡镇企业发展的外部环境恶化，自身市场竞争力不足等问题逐渐暴露，乡镇企业吸纳农村劳动力的能力减弱；同时乡镇企业盈利能力下降，部分出现亏损和倒闭，乡镇企业员工工资水平下降，因此对农民纯收入产生了负面的影响。(二) 对策建议从我们小组做出的结果来看，财政农业支出及乡镇企业对农民收入有着非常重要的影响。要快速增加农民的收入,切实有效地解决好“三农”问题,促进经济和社会的长期、稳定、协调发展,据此，我们小组提出以下建议：4. 增加财政支出及财政补贴，农业是我国的基础产业，也是最薄弱的产业，发达国家的经验表明，通过国家财政转移支付对农业进行补贴，是保护农业和维护农民利益的有效途径。我国财政支出中用于农业补贴的部分太少，对农民收入直接补贴更少(目前对农民直接补贴，只是通过保护价方式对农民在粮食流通中受到的损失给予一定的补偿，而不是对农民收入的全面补贴)因此，必须加大财政对农业的扶持力度特别是对农民收入的直接补贴。其次，逐步降低农业税税率，按照建立公共财政体制和现代税制的要求，逐步减少以至完全取消专门对农