1、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： 经济学院 班级： 学号： 姓名： 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 计量分析 财政支农支出 人均GDP 非农就业系数 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
2、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
3、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。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
4、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.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
5、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19782007年农村居民人均纯收入及其影响因素的统计数据表1
6、：年份农村居民纯收入（元）y财政支农支出（亿元）x1人均CDP值（元）x2非农就业（二三产业就业人数/就业总人数）x3城市化水平(城镇人口/总人口）x41978133.676.953810.2950.1791979160.289.974190.3020.191980191.382.124630.3130.1491981223.473.684920.3190.2021982270.179.885280.3190.2111983309.886.665830.3290.2161984355.395.936950.360.231985397.6101.048580.3760.2371986423.81
7、24.39630.3910.2451987462.6134.1611120.40.2531988544.9158.7413660.4060.2581989601.5197.1215190.40.2621990686.3221.7616440.3990.2641991708.6243.5518930.4030.2691992784269.0423110.4150.2741993921.6323.4229980.4360.2819941221399.740440.4570.28519951577.7430.2250460.4780.2919961926.1510.0758460.4950.3051
8、9972090.1560.7764200.5010.31919982162626.0267960.5020.33419992210.3677.4671590.4990.34820002253.4766.8978580.50.36220012366.40 917.9686220.50.37720022475.60 1102.793980.50.39120032622.20 1134.86105420.5090.40520042936.40 1693.79123360.5310.41820053254.90 1792.4141850.5520.43200635872161.35165000.574
9、0.43920074140.363404.7201690.5920.45（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lnY0+1*lnX1+2*X2+3*lnX3+4*lnX4+1、2、3、4为待估参数，且1、2、3、4都大于零假设模型中随机误差项满足古典假设，运用OLS方法估计模型的参数得如下结果：表2：Dependent Varia
10、ble: LNYMethod: Least SquaresDate: 12/24/11 Time: 01:03Sample(adjusted): 1978 2006Included observations: 29 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. LNX10.4209290.1375173.0609220.0054X2-3.24E-051.90E-05-1.7013360.1018LNX33.1239840.5157996.0565910.0000LNX40.3154060.34038
11、30.9266200.3633C7.5934651.1205086.7768080.0000R-squared0.987381 Mean dependent var6.751406Adjusted R-squared0.985278 S.D. dependent var1.013361S.E. of regression0.122955 Akaike info criterion-1.198405Sum squared resid0.362833 Schwarz criterion-0.962664Log likelihood22.37687 F-statistic469.4791Durbin
12、-Watson stat0.508034 Prob(F-statistic)0.000000得到样本回归方程：lnY=7.593465+0.420929lnX1+(-3.24E-05)X2+3.1239841lnX3+0.315406lnX4t=（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
13、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=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
14、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：1lnY=1.558+0.909lnX1 (20.472) (6.04) R2=0.939 F= 419.104 D.W=0.22lnY=5.861+0.00194X2 (9.828) （45.996) R2=0.782 F=96.586
15、D.W=0.0813lnY=11.15+5.1lnX3 (86.328) (34.902)R2= 0.978 F=1218.150 D.W=0.4464lnY=11.22+3.51lnX4 (46.129) (18.793)R2=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：ClnX3lnX1X2lnX4R2D.WFY=f(x3)11.155.0980.97750.4661218.150t值86.32834.902Y=f(x1，x3)8.4173
16、.70.2670.98450.479888.544t值11.039.1183.619Y=f(x1，x2，x3)7.2293.3630.449-3.03E-050.98540.503629.2443t值6.9097.5453.353-1.607Y=f(x1,x3,x4)8.7653.530.2360.2460.98420.468580.9796t值9.5617.4422.7060.702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
17、.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X44）农村居民的纯收入函数应以Y=f(X1，X3)为最优，虽然R2与F的值都较大，但是变量都通过了t检验如表5所示：Dependent Variable: LNYMethod: Least SquaresDate: 12/23/11 Time: 22:38Sample(adjusted): 1978 2006Included observations: 29 after adjusting endpointsVariableCoefficientStd
18、. Errort-StatisticProb. LNX10.2671790.0738233.6191700.0013LNX33.6978510.4055749.1175710.0000C8.4165070.76306511.029870.0000R-squared0.985580 Mean dependent var6.751406Adjusted R-squared0.984471 S.D. dependent var1.013361S.E. of regression0.126280 Akaike info criterion-1.202932Sum squared resid0.4146
19、13 Schwarz criterion-1.061487Log likelihood20.44251 F-statistic888.5436Durbin-Watson stat0.478521 Prob(F-statistic)0.000000得到如下模型：lnY=8.416507+0.267179lnX1+3.6978511lnX3t=（11.02987） （9.117571） （3.619170） R2=0.985580 F= 888.5436 D.W= 0.4785212.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
20、-statistic2.292083 Probability0.078976Obs*R-squared9.644459 Probability0.085959Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/23/11 Time: 23:47Sample: 1978 2006Included observations: 29VariableCoefficientStd. Errort-StatisticProb. C-0.4337653.330441-0.1302430.8975LNX10.0872240
21、.6462820.1349630.8938LNX12-0.0015430.031223-0.0494060.9610LNX1*LNX30.1120150.3413750.3281280.7458LNX3-0.7364833.494887-0.2107320.8350LNX32-0.1323110.909587-0.1454630.8856R-squared0.332568 Mean dependent var0.014297Adjusted R-squared0.187474 S.D. dependent var0.017241S.E. of regression0.015541 Akaike
22、 info criterion-5.308725Sum squared resid0.005555 Schwarz criterion-5.025836Log likelihood82.97651 F-statistic2.292083Durbin-Watson stat1.697079 Prob(F-statistic)0.078976得到R2=0.332568，在给定显著性水平=0.05，n=30，k=2的条件下，nR2=9.9770420.05（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
23、的模型还是为lnY=8.416507+0.267179lnX1+3.6978511lnX3t=（11.02987） （9.117571） （3.619170） R2=0.985580 F= 888.5436 D.W= 0.4785213.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=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3）进行拉格朗日（LM)检验Breusch-Godfrey Serial Correlation
24、 LM Test:Obs*R-squared14.96901 Probability0.000109Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/24/11 Time: 00:45VariableCoefficientStd. Errort-StatisticProb. C0.3260710.5557320.5867410.5626LNX1-0.0338140.053706-0.6296260.5347LNX30.1614860.2965310.5445850.5909RESID(-1)0.758397
25、0.1543984.9119550.0000R-squared0.516173 Mean dependent var-0.004006Adjusted R-squared0.458114 S.D. dependent var0.124798S.E. of regression0.091867 Akaike info criterion-1.809505Sum squared resid0.210989 Schwarz criterion-1.620913Log likelihood30.23783 F-statistic8.890449Durbin-Watson stat1.020147 Pr
26、ob(F-statistic)0.000349一阶序列相关的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2分布的临界值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: LNYMethod: Least SquaresDate: 12/24/11 Time: 00:53Sample(adjusted): 1979 2006Included observations: 28 after adjusting endpointsConvergence achieved a
27、fter 11 iterationsVariableCoefficientStd. Errort-StatisticProb. C9.0864501.8849654.8204860.0001LNX10.0904310.1270480.7117910.4835LNX31.2022970.5070752.3710430.0261AR(1)0.9576550.02206843.396330.0000R-squared0.996816 Mean dependent var6.817712Adjusted R-squared0.996418 S.D. dependent var0.965772S.E.
28、of regression0.057798 Akaike info criterion-2.732173Sum squared resid0.080174 Schwarz criterion-2.541858Log likelihood42.25042 F-statistic2504.875Durbin-Watson stat0.878884 Prob(F-statistic)0.000000Inverted AR Roots .96得到D.W=0.878884 未消除正相关进行二阶迭代：Dependent Variable: LNYMethod: Least SquaresDate: 12/24/11 Time: 00:49Sample(adjusted): 1980 2006Included obse
