我国农民收入影响因素的回归分析

1、计量经济学课程设计学生名称：学号：学院：专业领域：标题：讲师：2011年六月(空行)目录(4号黑体，居中)1引言(或引言) (正文第一章，第四号颂体，行距1.25-1.5倍).12(正文第2章).y2.1(正文第二章第一条).y2.2(正文第二章第二条).y2.x(正文第2章x条).y3(本文第三章).y.(稍微)x(正文第x章).y结论.y工具书.y注：1 .项目的内容一般列出“章”、“组”二级标题即可。2.x表示特定的阿拉伯数字。第一章导论1.研究背景农民收入问题是“三农”问题的核心，也是影响国民经济发展的重要因素。农民收入的增加是验证农村工作各项工作的有效指标。改革开发以来，青岛市农民人

2、均纯收入水平大幅提高，生活质量明显改善。但是与城市居民相比，农村人均收入增长不高，与全国部分新农村人均收入水平相比，存在一些差异。在新的发展阶段理性认识农村居民收入现状和未来的发展趋势密切分析青岛市农民增收的主要问题采取各种有效措施使农民收入继续增加是非常重要的2.选择问题毽子和变量农民收入水平的衡量，一般采用农民人均纯收入指标。影响农民收入水平变动的内部外部因素很多，但可以概括为家庭经营收入、工资收入等内部主要因素，以及农作物总播种面积、恩格尔系数、全体劳动力占常住人口比重等主要外部因素。我们将上述五个茄子影响因素作为解释变量，将农村居民人均纯收入作为解释变量，有效构建计量经济学回归模型，具

3、体分析每个解释变量对国家农民收入的影响程度，找出影响大的解释变量的相应影响因素，确保农民收入增加继续。以下是五个定义的解析变数：-家族业务收入-工资收入-作物总播种面积-农村居民家具1家具全部劳动力-农村居民家族恩格尔系数-农民人均纯收入3.研究目的和框架3.1目的：通过模型的确定，我们可以把握上述变量之间的因果回归关系，控制影响年度农民净收入的主要因素，达到增加农民收入的目的。3.2框架：第一步：引入线性回归模型，利用现有数据，确定各因素和农民年度人均纯收入之间的具体线性关系，建立回归模型的基本形式。对回归系数和回归模型执行t检查和ff检查，以确定线性回归模型是否具有代表性。步骤2:确定回归

4、方程是否存在“异方差”、“自相关”、“多重共线性”、“虚拟变量”等现象，如果存在这种现象，则分析其结果。用相应的方法消除这种现象，提高回归模型的代表性。步骤3:执行模型的结果分析，经济地解释模型，分析现有问题，预测未来年度的收益。第二章建立了回归模型，估计了回归系数。1.设定模型农村居民净收入及其主要收入构成数据表2.1时间(年)农村居民家具平均人均纯收入(元)家庭经营净收益(元)工资性净收入(元)农作物总播种面积(千公顷)农村居民家庭全部劳动力(人)农村居民家庭恩格尔系数(%)19972090.131472.72514.551539692.7955.119982161.981466.0057

5、3.581557062.7853.419992210.341448.36630.261563732.7752.620002253.421427.27702.301563002.7649.120012366.401459.63771.901557082.7347.720022475.631486.54840.221546362.7646.220032622.241541.28918.381524152.8045.620042936.401745.79998.461535532.8247.220053254.931844.531174.531554882.8245.520063587.041930

6、.961374.801521492.8343.020074140.362193.671596.221534642.8443.120084760.622435.561853.731562662.8543.720095153.172526.782061.251586142.8541.020105919.012832.802431.051606752.8541.120116977.293221.982963.431622832.7840.4表3.1最小化模型建立dependent variable: ymethod: least squaresdate : 06/01/13 time : 18336

7、038样本： 1997 2011included observations: 15variablecoefficientstd .errort-静态prob .x10.9003670.1846754.8754060.0009x21.3693040.1659748.2501090.0000x30.0100140.0032313.0994890.0127x4494.8447263.93431.8748790.0936x57.1606435.4675361.3096650.2228c-3265.689994.4050-3.2840630.0095r-squared0.999934mean dependent var3527.264adjusted r-squared0.999898s.d. dependent var1538.774s.e. of regression15.57069akaike info criterion8.617832sum squared resid2182.017schwarz criterion8.901052日志likelihood-58.63374f-静态27344.08durbin-watson stat1.740812探测(f-statisti