四川省农民收入结构分析

1、四川省农民收入结构分析 一、 文章写作目的 农民收入结构直接关系到农民人均收入的高低。连续数年农民收入增幅下降，一些地区农民收入不升反降,农民收入增长缓慢这一问题也就成为当前我国农业和农村经济中表现最为突出的问题，增加农民收入也是关系到我国国民经济稳步发展的关键问题之一。本文拟从我国农民收入的构成入手，探讨现阶段农民收入的主要构成，为政府通过多种途径提高农民收入提供参考。二、 建立模型y=1+2x2+3x3+4x4+ux2劳动者报酬收入 x3家庭经营纯收入x4接受政府转移获得的收入 y=平均每个农民每年的可支配收入三、 收集数据以四川统计年鉴为根据，采用时间序列数据。见表（一）注：数据中的各项

2、收入都是平均每个人的一项收入，不是农户的收入 。四、 参数估计根据回归的结果（见表二）可知道样本回归函数：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、模型检验（一）经济意义检验通过回归我们可以知道：x4的系数不符合经济意义。因为政府转移支出的增加一般会增加农民的收入，而不是减少农民的收入。故我们需要对设定的模型进行统计检验和计量检验，通过进一步的修正来改进设定的模型。（二）统计检验1、拟合优度检验可

3、决系数和修正可决系数的值都比较好，说明样本回归函数对样本观测数据的拟合优度可以接受。2、参数显著性检验由回归结果可知，常数项和x4系数的t值都不显著。3、方程显著性检验由参数估计表得f统计量为680.7665，在5的显著性水平下，查自由度为（3，14）的f分布表，得临界值f0.05（3，14）=3.34。因为f=680.7665f0.05(3,14)=3.34,故模型总体是显著的。（三）计量检验1多重共线性检验 correlation matrixx2x3x4x2 1.000000 0.926620 0.857506x3 0.926620 1.000000 0.959251x4 0.85750

4、6 0.959251 1.000000通过此表，我们可以看出解释变量之间存在高度的线性相关。虽然可决系数和修正可决系数的值表明方程对变量的拟合度较好，但是x4参数估计值的符号与经济意义相反。表明模型中存在解释变量之间的多从共线性。下面通过逐步回归法，来纠正模型。根据调整后可决系数最大原则（见表四、五、六），选取x3作为进入回归模型的第一个解释变量，形成一元回归模型。将其它解释变量分别加入模型，进一步回归，得到相应的二元回归模型（见表七、八）。又根据调整后可决系数最大原则，选取x3、x2作为进入回归模型的两个解释变量，形成二元回归模型（见表九）。将x4加入模型，从回归的结果中发现调整后可决系数小

5、于以x3、x2作为解释变量得到的调整后可决系数，故不能将x4加入到模型中，暂停回归。我们得到一个带有常数项的二元回归模型，但发现常数项的回归系数不显著，而且p值很大。2、异方差检验常数项和x4系数的t值都不显著，且x4估计的系数不符合经济意义，u存在异方差。因为通过white检验，得到=0.597719，*18=4.781752，而为0.710721，前者大于后者，拒绝接受h0,说明存在异方差。3、自相关检验由表2得d的统计量为0.966878，样本容量为n=18，在有三个解释变量的情况下，给定显著性水平=0.05，则查dw表的dl=0.933,du=1.696,4-du=2.304,4-dl

6、=3.067,这时有0.933d=0.9668781.696,不能判断是否存在自相关，则需要改变样本容量大小或者改变模型的函数形式，采用其他检验方法。六、模型修改综合对模型的检验和修正，我们得到下面的二元回归模型。 y=1.182556x2+1.787749x3 (28.46965) (6.972621) =0.992632 = 0.991771 f=4.198969但是通过验证，在给定显著水平为0.05的情况下，f（3，12）=3.4940198969，说明f值不够显著。但参数的p值都很小，又说明参数的估计很好。同时可决系数和修正可决系数都比较大。我们认为出现这样的结果可能是因为我们没有不影

7、响农民收入的其他主要因素考虑进来，比如财产继承收入，农民外出打工收入等。特别是从90年代起农民外出打工收入越来越成为农民收入的重要成分。七、模型分析 家庭经营纯收入和劳动者报酬收入实行成农民收入的主要构成部分，而政府转移支出对农民收入的影响较小。八、得出结论 农民收入的组成结构比较单一，收入增加很缓慢，缺乏新的增长动力。目前，我国的城乡差距非常明显，国家有必要对农业加大投入，通过多种途径增加农民的收入。当前农民收入增长缓慢，城、乡收入差距扩大，经过模型分析我们得知，在农民收入构成中，家庭经营纯收入和劳动者报酬收入是如今影响农民收入的重要组成部分。从长期分析，推动制度创新实现土地资源大范围内的流

8、转和合理配置，促进农业产业化的发展。加大对农业的投入国家应选择适度的倾斜政策，各级财政应进一步调整财政支出结构，继续增加农业投入以及同时加强农业的基础设施建设，使农民有效地规避自然风险和市场风险，还应大力搞活农产品流通，降低交易成本，确保农产品价值的实现，迅速转化为货币收入。转移农村剩余劳动力，增加就业等途径切实减轻农民负担，为农民增收创造可行条件。九、参考文献1、四川省统计年鉴（1986，1989，1992，1996，2000，2001，2002年）2、农民收入、农民负担与农民结构调整，夏永祥、赵文娟、陈雄伟等著，中国农业出版社出版十、相关附表表一：数据收集 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：运用ols法进行参数估计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