农村居民家庭人均纯收入影响因素分析.docx

农村居民家庭人均纯收入影响因素分析.docx

《农村居民家庭人均纯收入影响因素分析.docx》由会员分享，可在线阅读，更多相关《农村居民家庭人均纯收入影响因素分析.docx（24页珍藏版）》请在冰豆网上搜索。

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》

班级：

商学院

姓名：

学号：

指导教师：

完成时间：

年月日

农村居民家庭人均纯收入影响因素分析

摘要：

随着我国工业化与城市化建设的发展，农村问题越来越凸显，留守问题、看病问题、养老问题等，农民收入问题亦是国家各界人士十分关注的问题。

本文旨在用计量经济学方法简单分析农村居民家庭人均纯收入的影响因素。

关键字：

农村居民家庭人均纯收入财政年度支农支出农业机械总动力农作物播种总面积乡村就业人数乡村人口数第一产业总产值

正文：

一、引言

国家“十二五”规划第六章拓宽农民增收渠道中明确提出：

加大引导和扶持力度，提高农民职业技能和创收能力，千方百计拓宽农民增收渠道，促进农民收入持续较快增长。

同时“十二五”规划中明确提出以下几点：

1、稳定粮食播种面积、优化品种结构、提高单产和品质。

2、健全农业补贴制度，坚持对种粮农民实行直接补贴，继续实行良种补贴和农机具购置补贴，完善农资综合补贴动态调整机制。

3、推进农业技术集成化、劳动过程机械化、生产经营信息化。

结合这几方面，本文从第一产业总产值、财政年度支农支出、农业机械总动力等几个方面分析其对农村居民家庭人均纯收入的影响。

二、预设模型

令农村居民家庭人均纯收入Y（元）为被解释变量，农作物播种总面积X1（千公顷）、乡村就业人数X2（万人）、乡村人口数X3（万人）、第一产业总产值X4（亿元）、财政年度支农支出X5（亿元）农业机械总动力X6（万千瓦）为解释变量，据此建立回归模型。

三、数据搜集

从中国统计年鉴得到如下数据：

年度

农村居民家庭人均纯收入Y（元）

农作物播种总面积X1（千公顷）

乡村就业人数X2（万人）

乡村人口数X3（万人）

第一产业总产值X4（亿元）

财政年度支农支出X5（亿元）

农业机械总动力X6（万千瓦）

1990

686.3

148362.3

47708

84138

5062

221.76

28707.7

1991

708.6

149585.8

48026

84620

5342.2

243.55

29388.6

1992

784

149007.1

48291

84996

5866.6

269.04

30308.4

1993

921.6

147740.7

48546

85344

6963.763

323.42

31816.6

1994

1221

148240.6

48802

85681

9572.695

399.7

33802.5

1995

1577.7

149879.3

49025

85947

12135.81

430.22

36118.05

1996

1926.1

152380.6

49028

85085

14015.39

510.07

38546.9

1997

2090.1

153969.2

49039

84177

14441.89

560.77

42015.6

1998

2162

155705.7

49021

83153

14817.63

626.02

45207.71

1999

2210.3

156372.8

48982

82038

14770.03

677.46

48996.12

2000

2253.4

156299.8

48934

80837

14944.72

766.89

52573.61

2001

2366.4

155707.9

48674

79563

15781.27

917.96

55172.1

2002

2475.6

154635.5

48121

78241

16537.02

1102.7

57929.85

2003

2622.2

152415

47506

76851

17381.72

1134.86

60386.54

2004

2936.4

153552.5

46971

75705

21412.73

1693.79

64027.91

2005

3254.9

155487.7

46258

74544

22420

1792.4

68397.85

2006

3587

152149

45346

73160

24040

2161.35

72522.1

2007

4140.4

153463.9

44368

71496

28627

3404.7

76589.6

2008

4760.6

156265.7

43461

70399

33702

4544.01

82190.4

2009

5153.2

158613.5

42506

68938

35226

6720.41

87496.1

2010

5919

160674.8

41418

67113

40533.6

8129.58

92410.4

四、建立模型

1、散点图分析

2、单因素或多变量间关系分析

由散点图分析和变量间关系分析可以看出被解释变量农村居民家庭人均纯收入Y（元）与解释变量农作物播种总面积X1、乡村就业人数X2、乡村人口数X3、第一产业总产值X4、财政年度支农支出X5、农业机械总动力X6呈线性关系，因此该回归模型设为：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+μ

3、模型预模拟

用Eviews做OLS回归分析得：

Y=-6067.355+0.02029X1-0.08082X2+0.07165X3+0.09355X4+0.002962X5+0.03680X6

（-3.04593）（1.77013）（-1.2213）（1.6307）（6.2155）（0.06882）（2.4006）

R^2=0.9988R^2=0.9983F=1869.907D.W.=2.0602

五、模型检验

1、计量经济学意义检验

（1）多重共线性检验与解决

求相关矩阵得到：

发现模型存在多重共线性。

接下来运用逐步回归法对模型进行修正：

1将各个解释变量分别加入模型，进行一元回归：

作Y与X1的回归，结果如下：

作Y与X2的回归，结果如下：

作Y与X3的回归，结果如下：

作Y与X4的回归，结果如下：

作Y与X5的回归，结果如下：

作Y与X6的回归，结果如下：

②依据可决系数最大的原则选取X6作为进入回归模型的第一个解释变量,再依次将其余变量分别代入回归得:

作Y与X6、X1的回归，结果如下：

作Y与X6、X2的回归，结果如下：

作Y与X6、X3的回归，结果如下：

作Y与X6、X4的回归，结果如下：

作Y与X6、X5的回归，结果如下：

③在满足经济意义和可决系数的条件下选取X4作为进入模型的第二个解释变量,再次进行回归则:

作Y与X6、X4、X1的回归，结果如下

作Y与X6、X4、X2的回归，结果如下

作Y与X6、X4、X3的回归，结果如下

作Y与X6、X4、X5的回归，结果如下

④在满足经济意义和可决系数的条件下选取X1作为进入模型的第三个解释变量,再次进行回归则:

作Y与X4、X6、X1、X2的回归，结果如下

作Y与X4、X6、X1、X3的回归，结果如下

作Y与X4、X6、X1、X5的回归，结果如下

⑤可见加入其余任何一个变量都会导致系数符号与经济意义不符,故最终修正后的回归模型为:

Y=-3209.71+0.01089X6+0.1205X4+0.01981X1

（-3.4449）（3.6317）（19.7980）（3.1364）

R^2=0.9985R^2=0.9983F=3822.85D.W.=2.0899

（2）异方差检验

①图示法

e^2与X6的散点图如下：

说明e^2与X6不存在异方差性。

e^2与X4的散点图分析

说明e^2与X4不存在异方差性。

e^2与X1的散点图分析

说明e^2与X1不存在异方差性。

2G-Q检验

对20组数据剔除中间五组剩下的进行分组后

第一组（1990-1997）数据的分析结果：

残差平方和RSS1=2499.372

第二组（2003-2010）数据的回归结果：

残差平方和RSS2=26992.25

所以F=RSS2/RSS1=26992.25/2499.372=10.799613

=5%下，临界值F0.05（4,4）=15.98＞F

因此不拒绝两组子样方差相同的假设，从而该总体随机项不存在异方差性。

3White检验

LM=nR^2=21*0.30038=6.30798

取=5%，自由度为6

分布的临界值为12.59

LM<

接受原假设即不存在异方差

P=0.389590＞0.05的显著性水平，所以不存在异方差

（3）序列相关性检验

①从残差e与e（-1）及e与时间t的关系图（如下）看，随机项不序列相关。

如图所示，不存在序列相关

②D.W检验

Y=-3209.711+0.01089X6+0.1205X4+0.01981X1

（-3.4449）（3.6317）（19.7980）（3.1363）

R^2=0.9885R^2=0.9983F=3822.854D.W.=2.08991

取=5%，由于n=21，k=4（包含常数项），查表得：

dl=1.03，du=1.67

由于dU

不存在序列相关性。

③拉格朗日检验

LM=nR^2=21*0.006863=0.144123

取=5%，自由度为1的

分布的临界值3.84

LM＜

所以拒绝原假设，即不存在序列相关。

P=0.704217＞0.05的显著性水平

所以不存在序列相关。

④残差检验

针对该图作消除1阶序列相关回归，结果如下：

AR

（1）t统计量概率分布为69.65%，大于5%的显著水平，所以不存在1阶的序列相关。

六、模型的最终确定

Y=-3209.711+0.1205X4+0.01089X6+0.01981X1

（-3.4449）（19.7980）（3.6317）（3.1363）

R^2=0.9885R^2=0.9983F=3822.854D.W.=2.08991

七、总结：

从以上计量经济学模型检验过程知：

农村人口数及就业人数对农村居民家庭人均纯收入没有显著性影响，同时国家在财政支农支出方面对农村居民家庭人均纯收入没有显著性影响，真正影响农村居民家庭人均纯收入的因素是农业机械总动力、农作物播种总面积、第一产业总产值，且第一产业总产值是主要影响因素。

现国家“十二五”规划中明确提出几条增加农民纯收入的方式，其中“健全农业补贴制度，坚持对种粮农民实行直接补贴，继续实行良种补贴和农机具购置补贴，完善农资综合补贴动态调整机制；

推进农业技术集成化、劳动过程机械化、生产经营信息化。

”等政策的落实将有助于进一步提高农民的纯收入。