四川省農民收入結構分析

1、四川省農民收入結構分析 一、 文章寫作目的 農民收入結構直接關系到農民人均收入的高低。連續(xù)數年農民收入增幅下降，一些地區(qū)農民收入不升反降,農民收入增長緩慢這一問題也就成為當前我國農業(yè)和農村經濟中表現(xiàn)最為突出的問題，增加農民收入也是關系到我國國民經濟穩(wěn)步發(fā)展的關鍵問題之一。本文擬從我國農民收入的構成入手，探討現(xiàn)階段農民收入的主要構成，為政府通過多種途徑提高農民收入提供參考。二、 建立模型y=1+2x2+3x3+4x4+ux2勞動者報酬收入 x3家庭經營純收入x4接受政府轉移獲得的收入 y=平均每個農民每年的可支配收入三、 收集數據以四川統(tǒng)計年鑒為根據，采用時間序列數據。見表（一）注：數據中的各項

2、收入都是平均每個人的一項收入，不是農戶的收入 。四、 參數估計根據回歸的結果（見表二）可知道樣本回歸函數：y=41.341193+1.19166x2+1.950657x3-2.874068x4 (0.664679) (4.589561) (7.198040) (-0.964461) =0.993192 =0.991733 f=680.7665五、模型檢驗（一）經濟意義檢驗通過回歸我們可以知道：x4的系數不符合經濟意義。因為政府轉移支出的增加一般會增加農民的收入，而不是減少農民的收入。故我們需要對設定的模型進行統(tǒng)計檢驗和計量檢驗，通過進一步的修正來改進設定的模型。（二）統(tǒng)計檢驗1、擬合優(yōu)度檢驗可

3、決系數和修正可決系數的值都比較好，說明樣本回歸函數對樣本觀測數據的擬合優(yōu)度可以接受。2、參數顯著性檢驗由回歸結果可知，常數項和x4系數的t值都不顯著。3、方程顯著性檢驗由參數估計表得f統(tǒng)計量為680.7665，在5的顯著性水平下，查自由度為（3，14）的f分布表，得臨界值f0.05（3，14）=3.34。因為f=680.7665f0.05(3,14)=3.34,故模型總體是顯著的。（三）計量檢驗1多重共線性檢驗 correlation matrixx2x3x4x2 1.000000 0.926620 0.857506x3 0.926620 1.000000 0.959251x4 0.85750

4、6 0.959251 1.000000通過此表，我們可以看出解釋變量之間存在高度的線性相關。雖然可決系數和修正可決系數的值表明方程對變量的擬合度較好，但是x4參數估計值的符號與經濟意義相反。表明模型中存在解釋變量之間的多從共線性。下面通過逐步回歸法，來糾正模型。根據調整后可決系數最大原則（見表四、五、六），選取x3作為進入回歸模型的第一個解釋變量，形成一元回歸模型。將其它解釋變量分別加入模型，進一步回歸，得到相應的二元回歸模型（見表七、八）。又根據調整后可決系數最大原則，選取x3、x2作為進入回歸模型的兩個解釋變量，形成二元回歸模型（見表九）。將x4加入模型，從回歸的結果中發(fā)現(xiàn)調整后可決系數小

5、于以x3、x2作為解釋變量得到的調整后可決系數，故不能將x4加入到模型中，暫?；貧w。我們得到一個帶有常數項的二元回歸模型，但發(fā)現(xiàn)常數項的回歸系數不顯著，而且p值很大。2、異方差檢驗常數項和x4系數的t值都不顯著，且x4估計的系數不符合經濟意義，u存在異方差。因為通過white檢驗，得到=0.597719，*18=4.781752，而為0.710721，前者大于后者，拒絕接受h0,說明存在異方差。3、自相關檢驗由表2得d的統(tǒng)計量為0.966878，樣本容量為n=18，在有三個解釋變量的情況下，給定顯著性水平=0.05，則查dw表的dl=0.933,du=1.696,4-du=2.304,4-dl

6、=3.067,這時有0.933d=0.9668781.696,不能判斷是否存在自相關，則需要改變樣本容量大小或者改變模型的函數形式，采用其他檢驗方法。六、模型修改綜合對模型的檢驗和修正，我們得到下面的二元回歸模型。 y=1.182556x2+1.787749x3 (28.46965) (6.972621) =0.992632 = 0.991771 f=4.198969但是通過驗證，在給定顯著水平為0.05的情況下，f（3，12）=3.4940198969，說明f值不夠顯著。但參數的p值都很小，又說明參數的估計很好。同時可決系數和修正可決系數都比較大。我們認為出現(xiàn)這樣的結果可能是因為我們沒有不影

7、響農民收入的其他主要因素考慮進來，比如財產繼承收入，農民外出打工收入等。特別是從90年代起農民外出打工收入越來越成為農民收入的重要成分。七、模型分析 家庭經營純收入和勞動者報酬收入實行成農民收入的主要構成部分，而政府轉移支出對農民收入的影響較小。八、得出結論 農民收入的組成結構比較單一，收入增加很緩慢，缺乏新的增長動力。目前，我國的城鄉(xiāng)差距非常明顯，國家有必要對農業(yè)加大投入，通過多種途徑增加農民的收入。當前農民收入增長緩慢，城、鄉(xiāng)收入差距擴大，經過模型分析我們得知，在農民收入構成中，家庭經營純收入和勞動者報酬收入是如今影響農民收入的重要組成部分。從長期分析，推動制度創(chuàng)新實現(xiàn)土地資源大范圍內的流

8、轉和合理配置，促進農業(yè)產業(yè)化的發(fā)展。加大對農業(yè)的投入國家應選擇適度的傾斜政策，各級財政應進一步調整財政支出結構，繼續(xù)增加農業(yè)投入以及同時加強農業(yè)的基礎設施建設，使農民有效地規(guī)避自然風險和市場風險，還應大力搞活農產品流通，降低交易成本，確保農產品價值的實現(xiàn)，迅速轉化為貨幣收入。轉移農村剩余勞動力，增加就業(yè)等途徑切實減輕農民負擔，為農民增收創(chuàng)造可行條件。九、參考文獻1、四川省統(tǒng)計年鑒（1986，1989，1992，1996，2000，2001，2002年）2、農民收入、農民負擔與農民結構調整，夏永祥、趙文娟、陳雄偉等著，中國農業(yè)出版社出版十、相關附表表一：數據收集 obsx2x3x4y1984 4

9、.580000 85.37000 9.870000 420.83001985 17.56000 271.4100 24.48000 460.26001986 17.26000 293.8300 25.81000 499.76001987 18.98000 321.3400 27.96000 552.99001988 21.52000 393.5600 32.50000 680.75001989 23.88000 432.0700 37.04000 760.90001990 24.36000 493.5500 38.85000 846.69001991 22.28000 520.1500 47.

10、28000 915.75001992 25.63000 556.9200 51.75000 975.00001993 120.9800 527.8300 45.55000 1094.3201994 161.9800 708.9000 56.36000 1518.6501995 208.5800 860.4300 67.92000 1864.9201996 299.2000 1066.130 63.74000 2364.4901997 365.4100 1216.070 85.97000 2636.0801998 446.4600 1231.190 94.16000 2738.3901999 5

11、30.4000 1191.600 101.7400 2696.9402000 597.1600 1203.960 82.52000 2829.7802001 651.7900 1231.990 70.86000 2946.510表二：運用ols法進行參數估計dependent variable: ymethod: least squaresdate: 05/03/04 time: 15:20sample: 1984 2001included observations: 18variablecoefficientstd. errort-statisticprob. c41.3411962.197

12、200.6646790.5171x21.1916600.2596464.5895610.0004x31.9506570.2709987.1980400.0000x4-2.8740682.979974-0.9644610.3512r-squared0.993192 mean dependent var1489.056adjusted r-squared0.991733 s.d. dependent var956.8680s.e. of regression87.00281 akaike info criterion11.96289sum squared resid105972.9 schwarz

13、 criterion12.16075log likelihood-103.6660 f-statistic680.7665durbin-watson stat0.966878 prob(f-statistic)0.000000表三：white heteroskedasticity test:f-statistic2.724017 probability0.071322obs*r-squared10.75895 probability0.096118test equation:dependent variable: resid2method: least squaresdate: 05/04/0

14、4 time: 10:18sample: 1984 2001included observations: 18variablecoefficientstd. errort-statisticprob. c47727.4712741.113.7459440.0032x2105.9312111.15840.9529750.3611x22-0.1298730.115783-1.1216960.2859x3-112.2811188.1352-0.5968110.5627x320.0635680.0908980.6993370.4989x4-280.00842425.960-0.1154220.9102

15、x420.47727215.104100.0315990.9754r-squared0.597719 mean dependent var5887.381adjusted r-squared0.378294 s.d. dependent var12608.31s.e. of regression9941.442 akaike info criterion21.53211sum squared resid1.09e+09 schwarz criterion21.87837log likelihood-186.7890 f-statistic2.724017durbin-watson stat1.

16、483731 prob(f-statistic)0.071322表四：dependent variable: ymethod: least squaresdate: 05/04/04 time: 11:14sample: 1984 2001included observations: 18variablecoefficientstd. errort-statisticprob. c686.695887.915697.8108440.0000x24.0591470.29737213.650050.0000r-squared0.920919 mean dependent var1489.056ad

17、justed r-squared0.915976 s.d. dependent var956.8680s.e. of regression277.3659 akaike info criterion14.19299sum squared resid1230909. schwarz criterion14.29192log likelihood-125.7369 f-statistic186.3238durbin-watson stat0.362057 prob(f-statistic)0.000000表五：dependent variable: ymethod: least squaresda

18、te: 05/04/04 time: 11:15sample: 1984 2001included observations: 18variablecoefficientstd. errort-statisticprob. c-192.054668.30711-2.8116340.0125x32.4003870.08554628.059660.0000r-squared0.980083 mean dependent var1489.056adjusted r-squared0.978838 s.d. dependent var956.8680s.e. of regression139.1956

19、 akaike info criterion12.81408sum squared resid310006.7 schwarz criterion12.91301log likelihood-113.3267 f-statistic787.3446durbin-watson stat0.765750 prob(f-statistic)0.000000表六：dependent variable: ymethod: least squaresdate: 05/04/04 time: 11:15sample: 1984 2001included observations: 18variablecoe

20、fficientstd. errort-statisticprob. c-337.4843192.5772-1.7524620.0988x434.092793.24585210.503500.0000r-squared0.873341 mean dependent var1489.056adjusted r-squared0.865425 s.d. dependent var956.8680s.e. of regression351.0222 akaike info criterion14.66401sum squared resid1971465. schwarz criterion14.7

21、6295log likelihood-129.9761 f-statistic110.3234durbin-watson stat1.036959 prob(f-statistic)0.000000表七：dependent variable: ymethod: least squaresdate: 05/04/04 time: 11:29sample: 1984 2001included observations: 18variablecoefficientstd. errort-statisticprob. c28.5741060.630600.4712820.6442x31.7281660

22、.14187512.180930.0000x21.2655650.2475035.1133430.0001r-squared0.992739 mean dependent var1489.056adjusted r-squared0.991771 s.d. dependent var956.8680s.e. of regression86.80011 akaike info criterion11.91610sum squared resid113013.9 schwarz criterion12.06450log likelihood-104.2449 f-statistic1025.458

23、durbin-watson stat0.979106 prob(f-statistic)0.000000表八：dependent variable: ymethod: least squaresdate: 05/04/04 time: 11:32sample: 1984 2001included observations: 18variablecoefficientstd. errort-statisticprob. c-130.378375.96440-1.7163080.1067x32.8409600.2893279.8192150.0000x4-6.9104694.353208-1.58

24、74430.1333r-squared0.982948 mean dependent var1489.056adjusted r-squared0.980674 s.d. dependent var956.8680s.e. of regression133.0206 akaike info criterion12.76990sum squared resid265417.1 schwarz criterion12.91829log likelihood-111.9291 f-statistic432.3305durbin-watson stat0.874533 prob(f-statistic)0.000000表九：dependent variable: ymethod: least squaresdate: 05/04/04 time: 11:34sample: 1984 2001included observations: 18variablecoefficientstd. errort-statisticprob. c41.3411962.197200.6646790.5171x31.9506570.2709987.1980400.0000x21.1916600.2596464.5895610.0004x4-2.8740682.979974-0.964