kl800.com省心范文网

基于Eviews的中国农村居民纯收入的影响因素分析


计量经济学实验

基于 EViews 的中国 农村居民纯收入的影响因素分析

学院: 班级: 学号: 姓名:

经济学院

农村居民人均年纯收入的 影响因素分析
摘要:本文通过对农村居民纯收入进行计量分析,研究影响因子对农 村居民的影响程度,得出如下结论:农村居民人均纯收入与财政支农 支出、 非农就业系数呈正相关关系, 所以增加政策对农业的财政投入, 通过大力发展乡镇企业等方式促进非农就业, 是提高农村居民人均纯 收入的有效途径,这将加快建设小康社会的进程。 关键词: 农民收入 农就业系数 一.背景资料
我国是农业大国,农村人口接近 9 亿,占全国人口 70%;农业人口达 7 亿人,占 产业总人口的 50.1%。农村居民收入问题关系着我国全面建设小康社会的大局 , 提高。农村居民收入是建设社会主义新农村的重 要内容之一 。改革开放以来, 我国农民人均纯收入 从 1978 年的 133.57 元提高到 2007 年的 4140.36 元 , 农民收入持续增长 , 但收入分配差距也在逐渐扩大 , 虽然目前分配差距仍处于 警戒线之下 , 但已逼近警戒线 , 因而要高度重视农村收入分配差距持续扩大的 问题 。1978 的基尼系数虽然尚处于合理的区域内 , 但城乡收入差异仍在继续 扩大 。 1978 年 , 城乡收入差距为 216 : 1 ,2002 年以来, 我国城乡收入比一直在 “3”以上, 并在 2007 年和 2009 年扩大到了“3.33”, 城乡收入差距的居高不下一度 成为我国经济发展的重要问题之一。近年来,随着我国农民收入增长迅速,城乡 收入比正在回落,城乡差距正在逐步走向缩小。 城乡收入差距严重影响经济健 康发展与和谐社会构建。农村居民收入过低,不仅影响农民生活水平提高,而且 影响粮食生产和农产品供给; 不仅制约农村经济发展,而且制约整个国民经济增 长。因此,增加农村居民纯收入,缩小城乡收入差距势在必行。

计量分析

财政支农支出

人均 GDP



二.影响因素设定
影响我国农村居民人均纯收入的主要因素有: 1.财政支农支出。公共财政理论和实践表明,财政支农政策对于一国的农业增长 至关重要。财政支农政策的积极作用主要表现在两个方面:其一,财政支农政策 是国家调控农业生产进而影响农民收入 的一个基本工具;其二,财政支持能有 效产品的外部性问题并具有规模经济的优势。
2

2.人均 GDP 值。它是重要的宏观经济指标之一,它是将一个国家核算期内(通 常是一年)实现的国内生产总值与这个国家的常住人口(目前使用户籍人口)相 比进行计算,得到人均国内生产总值。是衡量各国人民生活水平的一个标准。包 括农村居民在内的人民生活水平提高了,可理解为农村居民纯收入增加。 3.非农就业。 由于农业产值在国内生产总值中的比重太低, 农村中人地矛盾突出, 进行农业生产成本高、收益低。农村居民投入第二第三产业有利于增加收入。城 市化水平。 它是衡量一个国家或地区的城市化最主要的指标,由城镇人口占总人 口的比重表示。伴随着城市化,经济社会分工逐渐细化,更多的人从事经济、政 治、文化事业,能转移大量的农村劳动力,从而提高农村居民纯收入。

三.数据选取 数据选取 1978 到 2007 年的数据
4.农村居民人均纯收入,在模型中用 y 表示 5.影响农村居民纯收入的因素: 1) 财政支农支出,用 X1 表示 2) 人均 GDP 值,用 X2 表示 3) 非农就业系数,即第二、三产业的就业人数与就业总人数的比值,用 X3 表 示 4) 城市化水平,即城镇人口与总人口的比值,用 X4 表示 5) 其他因素,我们将由各种原因未考虑到的或者无法度量的因素归入随机误差 项,如农村居民信贷

1978—2007年农村居民人均纯收入及其影响因素的统计数据
表 1: 城市化水 非农就业 (二三 农村居民纯 财政支农支 人均 CDP 平(城镇人 产业就业人数/ 收入 (元) 出(亿元)x1 值(元)x2 y 口/总人 就业总人数) x3 口)x4 133.6 160.2 191.3 223.4 270.1 309.8 355.3 397.6 423.8 462.6 544.9 601.5 76.95 89.97 82.12 73.68 79.88 86.66 95.93 101.04 124.3 134.16 158.74 197.12 381 419 463 492 528 583 695 858 963 1112 1366 1519 0.295 0.302 0.313 0.319 0.319 0.329 0.36 0.376 0.391 0.4 0.406 0.4 0.179 0.19 0.149 0.202 0.211 0.216 0.23 0.237 0.245 0.253 0.258 0.262
3

年份

1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989

1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

686.3 708.6 784 921.6 1221 1577.7 1926.1 2090.1 2162 2210.3 2253.4 2366.40 2475.60 2622.20 2936.40 3254.90 3587 4140.36

221.76 243.55 269.04 323.42 399.7 430.22 510.07 560.77 626.02 677.46 766.89 917.96 1102.7 1134.86 1693.79 1792.4 2161.35 3404.7

1644 1893 2311 2998 4044 5046 5846 6420 6796 7159 7858 8622 9398 10542 12336 14185 16500 20169

0.399 0.403 0.415 0.436 0.457 0.478 0.495 0.501 0.502 0.499 0.5 0.5 0.5 0.509 0.531 0.552 0.574 0.592

0.264 0.269 0.274 0.28 0.285 0.29 0.305 0.319 0.334 0.348 0.362 0.377 0.391 0.405 0.418 0.43 0.439 0.45

(数据来自于《中国统计年鉴》《中国金融统计年鉴》) 、 四.模型设定 1.依次对被解释变量与解释变量做散点图

说明:Y 与 X1 呈非线性关系,该图形近似对数图形

4

说明:Y 与 X2 呈线性关系

说明:Y 与 X3 呈非线性关系,该图形近似对数图形

5

说明:Y 与 X4 呈非线性关系,该图形近似对数图形

2.模型数学形式的确定 根据以上分析,可以得到如下模型
lnY=β 0+β 1*lnX1+β
2*X2+β 3*lnX3+β 4*lnX4



β1、β2、β3、β4 为待估参数,且 β1、β2、β3、β4 都大于零

假设模型中随机误差项μ 满足古典假设, 运用 OLS 方法估计模型的 参数得如下结果: 表 2:
Dependent Variable: LNY Method: Least Squares Date: 12/24/11 Time: 01:03 Sample(adjusted): 1978 2006 Included observations: 29 after adjusting endpoints Variable LNX1 X2 LNX3 LNX4 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.420929 -3.24E-05 3.123984 0.315406 7.593465 0.987381 0.985278 0.122955 0.362833 22.37687 0.508034 Std. Error 0.137517 1.90E-05 0.515799 0.340383 1.120508 t-Statistic 3.060922 -1.701336 6.056591 0.926620 6.776808 Prob. 0.0054 0.1018 0.0000 0.3633 0.0000 6.751406 1.013361 -1.198405 -0.962664 469.4791 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

得到样本回归方程:
lnY=7.593465+0.420929lnX1+(-3.24E-05)X2+3.1239841lnX3+0.315406lnX4 t=(6.776808) (3.060922) (-1.701336) ( 6.056591) (0.926620) R2=0.987381 F= 469.4791 D.W= 0.508034

通过 OLS 法可以看出, 除了 X4 的 P 值明显超过 0.05, 其他解释变量

6

都通过了 t 检验,所以有理由怀疑存在多重共线性。而且 X2 的系数为 负不合常理,这有待于进一步检验

五.模型检验 (一)经济意义检验
由回归估计结果可以看出,农村居民人均年纯收入与财政支农支出、非农就系数 数、城市化水平呈正相关关系,与数据的变化相符,与现实经济理论相符。人 均 GDP 与农村居民纯收入呈负相关关系,与现实经济理论不符。

(二)统计意义检验
从估计的结果可知,可决系数 R2=0.988000 ,F= 514.5856 ,表明模型在整体 上拟合地比较理想。系数显著性检验:给定α =0.05,X1、X2、X3 的 t 的 P 值小 于给定的显著性水平,拒绝原假设,接受备择假设,表明财政支农支出、人均 GDP 值、非农就业系数对农村居民纯收入水平有显著性影响;仅有 X4 的 t 的 P 值大于给定的显著性水平,接受原假设,表明城市化水平对农村居民纯收入影 响不显著。

(三)计量经济学检验 1. 多重共线性检验
由表 2 可看出,模型整体上非线性回归拟合较好,R2 与 F 值较显著,而解释变量 X1 的 t 检验不显著 1) 检验简单相关系数
表 3:

:

由表中数据发现 lnX1 与 X2、lnX3、lnX4 间存在高度相关性,lnX3 与 lnX4 也存在 高度相关性 2)找出最简单的回归形式 分别做 lnY 与 lnX1、X2、lnX3、lnX4 间的回归: ① lnY=1.558+0.909lnX1 (20.472) (6.04) 2 R =0.939 F= 419.104 D.W=0.2 ② lnY=5.861+0.00194X2
7

(9.828) (45.996) R2=0.782 F=96.586 D.W=0.081 ③ lnY=11.15+5.1lnX3 (86.328) (34.902) R2= 0.978 F=1218.150 D.W=0.446 ④ lnY=11.22+3.51lnX4 (46.129) (18.793) 2 R =0.929 D.W=1.029 可见,非农就业系数对农村居民的拟合优度最大,达到 R2= 0.979,故选?作为 初始的回归模型 3)运用 OLS 方法逐一求 Y 对各个解释变量的回归 并不断引入其他解释变量 表 4:
C Y=f(x3) t值 11.15 86.328 lnX3 5.098 34.902 3.7 9.118 3.363 7.545 3.53 7.442 0.267 3.619 0.449 3.353 0.236 2.706 -3.03E05 -1.607 0.246 0.702 0.9842 0.468 580.9796 0.9854 0.503 629.2443 0.9845 0.479 888.544 lnX1 X2 lnX4 R2^ 0.9775 D.W 0.466 F 1218.150

Y=f(x1, 8.417 x3) t值 11.03 Y=f(x1, 7.229 x2,x3) t值 Y=f(x1,, x3,x4) t值 6.909 8.765 9.561

可以发现: 一.在初始模型中引入 X1,模型拟合优度提高, F 值较大,且参数检验合理,变 量也通过了 t 检验,但 D.W 检验表明存在一阶序列相关性 二.引入 X2,拟合优度再度提高,F 值较大,变量通过 t 检验,但是参数符号不 合理,D.W 检验表明存在一阶序列相关性,故去掉 X2 三.引入 X4,拟合优度继续提高,且参数合理,X4 的参数未通过 t 检验,模型 还是存在一阶序列相关性,故去掉 X4
4)农村居民的纯收入函数应以 Y=f(X1,X3)为最优,虽然 R 与 F 的值都较大,
2

但是变量都通过了 t 检验 如表 5 所示:
Dependent Variable: LNY Method: Least Squares Date: 12/23/11 Time: 22:38
8

Sample(adjusted): 1978 2006 Included observations: 29 after adjusting endpoints Variable LNX1 LNX3 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.267179 3.697851 8.416507 0.985580 0.984471 0.126280 0.414613 20.44251 0.478521 Std. Error 0.073823 0.405574 0.763065 t-Statistic 3.619170 9.117571 11.02987 Prob. 0.0013 0.0000 0.0000 6.751406 1.013361 -1.202932 -1.061487 888.5436 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

得到如下模型: lnY=8.416507+0.267179lnX1+3.6978511lnX3

t=(11.02987) (9.117571) (3.619170)
R2=0.985580 F= 888.5436 D.W= 0.478521

2. 异方差检验
一.进行异方差检验,此处采用怀特检验:

表 7:
White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/23/11 Time: 23:47 Sample: 1978 2006 Included observations: 29 Variable C LNX1 LNX1^2 LNX1*LNX3 LNX3 LNX3^2 R-squared Adjusted R-squared S.E. of regression Coefficient -0.433765 0.087224 -0.001543 0.112015 -0.736483 -0.132311 0.332568 0.187474 0.015541 Std. Error 3.330441 0.646282 0.031223 0.341375 3.494887 0.909587 t-Statistic -0.130243 0.134963 -0.049406 0.328128 -0.210732 -0.145463 Prob. 0.8975 0.8938 0.9610 0.7458 0.8350 0.8856 0.014297 0.017241 -5.308725
9

2.292083 9.644459

Probability Probability

0.078976 0.085959

Mean dependent var S.D. dependent var Akaike info criterion

Sum squared resid Log likelihood Durbin-Watson stat

0.005555 82.97651 1.697079

Schwarz criterion F-statistic Prob(F-statistic)

-5.025836 2.292083 0.078976

得到 R2=0.332568,在给定显著性水平α =0.05,n=30,k=2 的条件下, nR2=9.97704<χ 20.05(5)=11.07,所以接受原假设,表明模型中随机扰动项不 存在异方差。

也可经过 OLS 检验后,得到 Y-X 的散点图看出不存在异方差

故经过异方差检验后的模型还是为 lnY=8.416507+0.267179lnX1+3.6978511lnX3

t=(11.02987) (9.117571) (3.619170)
R2=0.985580 F= 888.5436 D.W= 0.478521

3. 序列相关性检验 1)模型经过修正得到 D.W=0.4785 ,给定显著性水平α =0.05,在 n=30,k=2 时,查 Durbin-Waston 表得有上限临界值 dL= 1.35,下限 临界值 dU=1.49,此时 0< D.W <dL,故模型存在自相关 2)由残差图可得知模型存在正自相关

10

3)进行拉格朗日(LM)检验
Breusch-Godfrey Serial Correlation LM Test: Obs*R-squared Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/24/11 Time: 00:45 Variable C LNX1 LNX3 RESID(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.326071 -0.033814 0.161486 0.758397 0.516173 0.458114 0.091867 0.210989 30.23783 1.020147 Std. Error 0.555732 0.053706 0.296531 0.154398 t-Statistic 0.586741 -0.629626 0.544585 4.911955 Prob. 0.5626 0.5347 0.5909 0.0000 -0.004006 0.124798 -1.809505 -1.620913 8.890449 0.000349 14.96901 Probability 0.000109

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

一阶序列相关的 LM=n*R2=30*0.516=15.48,远大于显著性水平等于 5%、自由度 为 1 的χ 2 分布的临界值χ 20.05(1)=3.84,表明模型干扰项至少存在一阶正相 关

4)自相关修正(采用迭代法)
进行一阶迭代:
Dependent Variable: LNY Method: Least Squares
11

Date: 12/24/11 Time: 00:53 Sample(adjusted): 1979 2006 Included observations: 28 after adjusting endpoints Convergence achieved after 11 iterations Variable C LNX1 LNX3 AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Coefficient 9.086450 0.090431 1.202297 0.957655 0.996816 0.996418 0.057798 0.080174 42.25042 0.878884 .96 Std. Error 1.884965 0.127048 0.507075 0.022068 t-Statistic 4.820486 0.711791 2.371043 43.39633 Prob. 0.0001 0.4835 0.0261 0.0000 6.817712 0.965772 -2.732173 -2.541858 2504.875 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

得到 D.W=0.878884

未消除正相关

进行二阶迭代:
Dependent Variable: LNY Method: Least Squares Date: 12/24/11 Time: 00:49 Sample(adjusted): 1980 2006 Included observations: 27 after adjusting endpoints Convergence achieved after 16 iterations Variable C LNX1 LNX3 AR(1) AR(2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Coefficient 8.870097 0.080564 0.753077 1.559244 -0.577518 0.997590 0.997152 0.049134 0.053112 45.80975 1.692424 .95 Std. Error 1.966009 0.087871 0.524870 0.170807 0.164908 t-Statistic 4.511728 0.916842 1.434788 9.128700 -3.502067 Prob. 0.0002 0.3692 0.1654 0.0000 0.0020 6.882204 0.920680 -3.022944 -2.782974 2276.741 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) .61

12

此时 D.W=1.692,给定显著性水平α =0.05,n=30,k=2 时,dL=1.35 dU=1.49 1.49<1.6292<4-dU.消除了正相关

得到的模型为

lnY=8.87+0.0805lnx1+0.753lnx3 AR(2)=-0.578]

[AR(1)=1.559

六.模型结果分析
经过一系列的相关分析,得到的模型为 lnY=8.87+0.0805lnx1+0.753lnx3 , 这表明农村居民人均纯收入与财政支农支出、非农业系数呈正相关关系,说明财 政支出对农村的支持能有效促进居民收入的增长, 非农就业对农村居民收入增加 具有相当重要的作用。 所以增加农村居民收入需要增加财政对农村的支持和通过 促进非农就业的发展,才能缩小城乡差距。

13


农村居民家庭人均纯收入影响因素分析

农村居民家庭人均纯收入影响因素分析_教育学/心理学_...三、数据搜集 从中国统计年鉴得到如下数据:年度 ...模型预模拟 用 Eviews 做 OLS 回归分析得: Y=-...

农村居民收入影响因素分析_计量经济学

农村居民收入影响因素分析_计量经济学_经济学_高等教育...因此, “三农”问题成为中国经济研 究的热点问题,...我用EVIEWS计算 解释变量之间的简单相关系数得到: 表...

中国农村居民消费及其影响因素分析

中国农村居民消费及其影响因素分析 摘要:提高农村居民...关键字:农村居民消费水平;人均纯收入;消费水平 研究...统计意义上的检验 利用 Eviews 软件,做 Y 对 X1...

农村居民收入影响因素分析

农村居民收入影响因素分析_人文社科_专业资料。目录 ...因此, “三农”问题成为中国经济研究的热点问题,提高...我用EVIEWS计算解释变量之间的简单相关系数得到: 表2...

我国农民人均纯收入影响因素分析

我国农民人均纯收入影响因素分析_教育学/心理学_人文社科_专业资料。龙源期刊网...根据中国统计年鉴数据,利用 eviews 软件进行数据对农民人均纯收入进行了分 析,...

中国农村居民消费价格指数影响因素分析

中国农村居民消费价格指数影响因素分析 【摘要】 本文...农村居民年纯收入和农村居民消费价格指数, 来分析...本文所使用的是 ADF 检验,并借助 EViews5.0 软件...

我国农村居民家庭纯收入和消费支出的线性回归分析

农村的经济发展是中国经济发展的实质,作为一个农村...准确的 分析农村居民纯收入对其消费支出的影响状况,...(lnY)的 关系,需要利用 Eviews5.0 软件通过普通最...

基于eviews软件的我国城镇居民平均工资的影响因素分析

年间我国城镇居民平均工资、人均国内生产总值、教育经费投入、 就业人口数量、 个人所得税收入数据的采集和分析, 研究影响我国城镇居民平均工资的重要 因素及其相互...

基于EViews对我国国债规模影响因素的实证分析

基于EViews对我国国债规模影响因素的实证分析_社会学_人文社科_专业资料。基于EViews...债发行规模影响因素的考察范围确定为国内生产总值、财政赤字、财政收入居民储蓄...

基于Eviews对国内生产总值的回归分析

生产总值的回归分析 基于 Eviews国内生产总值的回归分析计算 B092 李宁 摘要:国内生产总值(Gross Domestic Product,简称 GDP)是指在一定时期内(一个季度或 摘要...