农民收入影响因素分析
关键词: 农村家庭人均纯收入农产品收购价格指数农作物播种面积财政用于农业的支出
一、引言:
中国现阶段农民的收入水平非常低,这表现在农民作为一个整体所取得的收入刚够维持生存所需要的水平,且从发展来看增长缓慢,与城市居民收入的差距呈扩大状。我国农民收人的增加明显减缓,由此引发了一系列严重的社会经济矛盾:农民对农业投资的积极性降低,农业的基础地位减弱。严重影响农民购买力的稳步提高,不利于农村市场的开拓。
对于农民收人增加减缓这一社会经济现象,增加农民收人是我国社会经济发展在特定发展阶段遇到的一个大问题,也是党中央高度重视和社会普遍关注的大问题。对于这一问题的认识和理解,具有十分重大的理论意义和现实意义。
二、模型的建立和分析
(一)农民收入增长的趋势分析
农民收入实际增长经历了几个阶段。我国经济体制改革是从农村开始,1978年联产承包责任制实施,极大调动农民生产积极性,又加上大幅度提高农产品价格等一系列利农政策的出台,使得农民收入再上新台阶,1978~1985年间总增长1.33倍。随着中国经济改革从农村转向城市,农民收入增长开始逐渐放缓,由于经济过热,中国经
济转入治理整顿,乡镇企业吸纳农村剩余劳动力能力急剧下降,进城农民纷纷返乡,非农收入大幅度下降。剔除价格因素后,农民实际收入1988、1989年分别下降0.61%、6.3%。90年代初期,由于卖粮难问题的出现,农民收入增长低于产量增长。之后,敞开按保护价收购农民粮食的政策实施,极大的调动农民生产积极性,在连年创高产的同时,农民收入大幅度增加。然而从1997年开始,到2003年,全国农民人均纯收人的增幅已连续7年没有一年超过5%,最高的年份增长4.8%,最低的年份只增长了2. 1%,仅相当于同期城镇居民收人年均增长幅度的一半。
(二)因素的选择
影响农民收入增长的因素很多,我们选择了农产品收购价格指数、农作物播种面积、农业生产物质条件以及国家财政用于农业的支出。
农产品收购价格指数可以看作是提高农业生产积极性的一个重要因素。农作物播种面积增加,无疑是增加农民农业收入总额的一个重要方面,在农村人口总数一定的条件下,对提高农民人均收入起着非常重要的作用。农业生产物质条件是农业生产的物质保证,我们选取其中有代表性的农村用电量为代表.国家财政用于农业的支出,特别是对农业的科技支出,调动地方财政和农民自身等各方面对农业投入的积极性。
至于以上因素是否对农民收入具有显著影响,还需我们进一步用模型来检验。
(三)模型的建立
使用多元线性回归模型:Y =C+C2X2+C3X3+C4X4+C5X5 其中 Y代表农村家庭人均纯收入(元/人)
X2代表农产品收购价格指数
X3代表农作物播种面积(千公顷)
X4代表农村用电量(亿千瓦时)
X5代表财政用于农业的支出(亿元)
数据如下:
Y X2 X3 X4 X5 1983 309.8 104.4 143993 428.1 1.81
1984 355.3 1 2.18
1985 397.69 108.6 143626 508.9 1.95
1986 423.8 106.4 144204 586.7 2.7
1987 462.6 112 144957 658.8 2.28
1988 544.9 123 144866 712 2.39
1989 601.5 1 .5 2.48
1990 686.31 97.4 148363 844.5 3.11
1991 708.6 98 149586 963.2 2.93
1992 784 103.4 149008 1106.9 3
1993 921.6 113.4 147741 1244.8 3
1994 1221 139.9 148241 1473.7 3
1995 1577.74 119.9 149879 1655.5 3
1996 1926.1 104.2 152381 1676.5 4.94
1997 2090.1 95.5 153969 1980.1 5.48
1998
2162
92 155706 2042.1 9.14 1999 2210.3 87.8 156373 2173.4 9.13 2000 2253.42
96.4 156300 2421.3
9.78
2001 2366.4 103.1 155708 2610.1 10.28 2002 2475.63
99.7 154636 2993.4
9.88
2003 2622.24 104.4 152415 3432.9 12.43 资料来源:历年《中国农村统计年鉴》 (四) 参数估计 用EVIEWS,估计结果为: Dependent Variable: Y Method: Least Squares Date: 06/07/05 Time: 15:13 Sample(adjusted): 1983 2003
Included observations: 21 after adjusting endpoints
Variable
Coeffic ient
Std. Error
t-Statis tic
Prob. C
-11376.79
2912.885 -3.905678
0.0013
X2 1.967773
4.511614 0.436157 0.6686
X3 0.077550.018302 4.237350 0.0006
1
X4
0.602589
0.157678 3.821644 0.0015
X5
-6.048939
36.53857 -0.165549 0.8706
R-squared
0.974188 Mean
dependent var
1290.5
25 Adjusted R-squared 0.967735 S.D.
dependent var
842.49
81
S.E. of regression 151.3322 Akaike info criterion 13.081
09 Sum squared resid
366423.0 Schwarz
criterion
13.329
78
Log likelihood -132.3514
F-statistic 150.96
91 Durbin-Watson stat
0.477705 Prob(F-statistic )
0.0000
00
(五) 模型检验:
F=150.9691>F0.05(4,16)=2.34 ,可决系数和修正可决系数都很大,表明模型从总体上看农民家庭人均纯收入与各解释变量之间线性
关系显著。但是x2 x5 均未通过t检验。
进一步检验解释变量之间的相关系数:
X2 X3 X4 X5
X2 1 -0.52288 -0.3035 -0.48627
X3 -0.52288 1 0.869879 0.859566
X4 -0.3035 0.869879 1 0.939695
X5 -0.48627 0.859566 0.939695 1
可以看出x4 与 x5 之间线性相关度最高,模型存在着多重共线性。(六)修正:
⑴运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。经分析,在四个一元回归模型中农民家庭人均纯收入Y对财政用于农业的支出X5的线性关系强,拟合程度好,即:
Y = 177.1251669 + 222.9135427X5
(132.3790 ) (21.92991 )
R2=0.844674S.E.=340.6661 F=103.3236
⑵逐步回归。将其余解释变量逐一代入,从而剔除了解释变量X4,得如下模型:
Dependent Variable: Y
Method: Least Squares
Date: 06/07/05 Time: 14:46
Sample: 1983 2003 Included observations: 21
Variable
Coeffic ient
Std. Error
t-Statis tic
Prob. C
-18266.15
3069.967 -5.949949
0.0000
X2 13.29706
4.563203 2.913974 0.0097
X3 0.117482
0.020161 5.827085 0.0000
X5 112.9168
25.66998 4.398789 0.0004
R-squared 0.950627 Mean
dependent var
1290.5
25 Adjusted R-squared 0.941914 S.D.
dependent var
842.49
81
S.E. of regression 203.0499 Akaike info criterion 13.634
42 Sum squared resid
700897.7 Schwarz
criterion
13.833
38
Log likelihood -139.1615
F-statistic 109.10
66
Durbin-Watson stat 0.92457
1 Prob(F-statistic
)
0.0000
00
Y=-18266.15+13.29706X2+0.117482X3+112.9168X5 (七)ARCH检验和WHITE检验
ARCH Test:
F-statistic 2.11938
0 Probability 0.1436
29
Obs*R-squared 5.62165
8 Probability 0.1315
40
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/16/05 Time: 12:40
Sample(adjusted): 1986 2003
Included observations: 18 after adjusting endpoints
Variable Coeffici
ent
Std.
Error
t-Statisti
c
Prob.
C 23945.3
2 13947.8
2
1.71677
8
0.1081
RESID^2(-1) 0.65918
7 0.26667
7
2.47185
5
0.0269
RESID^2(-2) -0.3685
35 0.30672
9
-1.20150
0.2495
RESID^2(-3) 0.08242
4 0.26289
5
0.31352
3
0.7585
R-squared 0.31231
4 Mean
dependent var 37673.
81
Adjusted R-squared 0.16495
3
S.D.
dependent var
41349.
07
S.E. of regression 37785.1
5
Akaike info
criterion
24.110
35
Sum squared resid 2.00E+
10
Schwarz
criterion
24.308
21
Log likelihood -212.99
32 F-statistic 2.1193
80
Durbin-Watson stat 1.98877
9 Prob(F-statistic)
0.1436
29
White Heteroskedasticity Test:
F-statistic 2.61442
6 Probability 0.0649
34
Obs*R-squared 11.0965Probability 0.0854
3 39
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/16/05 Time: 12:42
Sample: 1983 2003
Included observations: 21
Variable Coeffici
ent
Std.
Error
t-Statisti
c
Prob.
C -10944
542 -0.79852
0.4379
X2 18307.3
8 10567.6
2
1.73240
3
0.1052
X2^2 -79.342
33 45.3977
8
-1.74771
4
0.1024
X3 120.622
3 189.143
3
0.63773
0.5339
X3^2 -0.0003
60 0.00064
8
-0.55529
0.5875
X5 -9586.0
36 42831.7
5
-0.22380
7
0.8261
X5^2 -59.618
86 2580.79
6
-0.02310
1
0.9819
R-squared 0.52840
6 Mean
dependent var 33376.
08
Adjusted R-squared 0.32629
4
S.D.
dependent var
39685.
54
S.E. of regression 32573.7
2
Akaike info
criterion
23.881
60
Sum squared resid 1.49E+
10
Schwarz
criterion
24.229
78
Log likelihood -243.75
68 F-statistic 2.6144
26
Durbin-Watson stat 1.46402
6 Prob(F-statistic)
0.0649
34
ARCH和WHITE检验均通过,证明模型没有异方差。
(八)自相关检验及自相关的补救
从回归结果中可见,d=0.924571,在显著性水平a=0.05下,同于d
利用对数线性回归修正自相关。
Dependent Variable: LY
Method: Least Squares
Date: 06/16/05 Time: 13:07
Sample: 1983 2003 Included observations: 21
Variable Coeffici
ent
Std.
Error
t-Statisti
c
Prob.
C -252.32
80 36.7248
4
-6.87077
2
0.0000
LX2 2.08166
4 0.38917
5.34898
2
0.0001
LX3 20.9041
4 3.06233
4
6.82621
2
0.0000
LX5 0.33021
7 0.14119
8
2.33868
8
0.0318
R-squared 0.96422
1 Mean
dependent var 6.9190
61
Adjusted R-squared 0.95790
8
S.D.
dependent var
0.7474
52
S.E. of regression 0.15335
1
Akaike info
criterion
-0.742
536
Sum squared resid 0.39977
9
Schwarz
criterion
-0.543
579
Log likelihood 11.7966
3 F-statistic 152.71
49