计量经济学消费收入模型分析01级基地班.docx
《计量经济学消费收入模型分析01级基地班.docx》由会员分享，可在线阅读，更多相关《计量经济学消费收入模型分析01级基地班.docx（13页珍藏版）》请在冰豆网上搜索。
计量经济学消费收入模型分析01级基地班
浅析增加农民转移收入和财产收入以刺激农民消费
———计量经济学消费—收入模型分析
01基地田彦雪（40101060）刘敏（40101008）
引言：
农业兴，百业兴；农民富，国家富；农村稳，天下稳。
中国是一个农业大国，农民是中国人口构成的主体，也是社会构成的主体，农民占全国人口的70％左右，数量达9亿之多。
离开农民，农村综合体将不复存在关心农民，支持农业，不仅是现实需要，也是个战略问题。
因此，要促进农村发展，必须重视农民问题。
目前，农民负担重，城乡差距不断加大，在社会消费品零售总额中，农村社会消费品零售总额所占比重已由1980年的47％下降到26％，一些地方还在呈继续下降的趋势，而且农村的增长速度也低于城市，也就是说9亿农民的消费低于3亿城镇人口的消费。
故现在对中国部分地区农民消费收入情况进行分析研究。
改革开放以前，农村相对封闭，经营活动单一，农民大多从事耕种和畜牧业，故其收入主要以家庭营业收入为主。
随着农村市场的繁荣，农产品价格的竞争激烈，家庭生产经营模式以其产品产量少，单位成本高，竞争能力弱，已经无法适应农业经济发展的要求。
而农业生产的规模化、基地化，不仅产量高、质量好、科技含量高、成本低等优势不断地发展，因此农民将一部分农业用地多户联片出租本地或外地个人或公司承包进行规模化经营，例如建立蔬菜生产基地、草莓生产基地、红虫养殖场等；畜牧业也由于农户粮食种植面积的减少，手中剩余的粮食减少，靠购买饲料成本高，家庭饲养数量逐渐减少，整个畜牧业的发展走向专业饲养，同时大批富余农村劳动力基本上是转入第二产业中去，从农村劳动力就业比重来看，农业为44.44%，第二产业为24.8%，同上阶段对比农业劳动力比重下降0.8%。
专业化、基地化生产经营，农产量增长快，农产品的销售价格下调，使得一部分农民无法在农产品商品化竞争中取胜，纷纷退出农业生产进行转行。
同时，为了缩小城乡差距，国家采取了一系列的扶持政策支持农村的发展，并对农民进行一定的补贴，而且随着社会保障制度的进一步完善和健全，转移性收入的增速也明显加快。
故近几年来，转移性收入也成为总收入中不能忽略的一部分，对不同的地区而言，农民的转移性收入也有所差别。
农民家庭经济收入结构再次发生改变。
按收入性质，农民收入可分为：
Ø工资性收入：
指农村住户成员受雇于单位或个人，靠出卖劳动而获得的收入。
按来源渠道划分为在非企业组织中劳动得到的收入、在本地企业中劳动得到的收入、常住人口外出务工收入和其他。
Ø家庭经营收入：
是指农村住户以家庭为生产经营单位进行生产筹划和管理而获得的收入。
农村住户家庭经营活动按行业划分为农业、林业、牧业、渔业、工业、建筑业、交通运输业邮电业、批发和零售贸易餐饮业、社会服务业、文教卫生业和其他家庭经营。
家庭经营收入按生产经营活动所属行业划分为从各行业来源的收入。
Ø财产性收入：
指金融资产或有形非生产性资产的所有者向其他机构单位提供资金或将有形非生产性资产供其支配，作为回报而从中获得的收入。
如利息、股息、红利、租金、土地征用补偿等。
Ø转移性收入：
指农村住户和住户成员无须付出任何对应物而获得的货物、服务、资金或资产所有权等，不包括无偿得到的用于固定资本形成的资金。
所以我们在研究收入对消费的影响时，认为工资性收入、家庭性收入、转移性收入和财产性收入四种因素共同作用于消费。
以下是2000年中国部分地区农民消费——收入表。
单位：
元/人
项目
消费（Y）
工资性收入（X1）
家庭经营收入（X2）
转移性收入（X3）
财产性收入（X4）
北京
3336.52
2697.21
1396.47
405.43
313.55
天津
1833.6
1594.44
1847.46
63.2
106.02
河北
1156.25
695.53
1142.86
51.73
61.49
山西
901.59
513.14
652.97
17.23
53.82
内蒙古
1170.97
207.63
1383.38
10.38
37.09
辽宁
1386.04
702.66
1533.15
26.55
125.35
吉林
1204.51
276.93
1455.44
30.19
66.61
黑龙江
1187.6
201.75
1691.39
21.6
42.3
上海
3763.47
4549.76
736.83
187.44
331.32
江苏
1922.13
1531.64
1284.54
63.9
147.53
浙江
2911.84
1979.24
2316.22
195.22
259.54
安徽
954.93
550.67
768.61
17.34
55.35
福建
2074.58
970.42
1524.02
40.94
220.82
江西
1170.68
588.62
840.65
20.36
67.63
山东
1482.43
766.46
1543.9
47.25
86.97
河南
889.66
366.77
880.36
27.19
67.6
湖北
1058.31
470.28
904
7.13
88.26
湖南
1467.92
688.71
1019.16
25.02
146.96
广东
2197.64
1223.1
1437.05
126.42
144.22
广西
1087.2
378.85
1042.72
14.59
71.45
（资料来源：
三农数据库2000年11月）
为了进一步探讨收入和消费的关系，我们引用该模型进行简单的计量经济学分析，主要从以下几方面：
一、模型估计
由OLS法得：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/04/03Time:
22:
24
Sample:
120
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
599.6231
335.2996
1.788320
0.0939
X1
0.490497
0.107258
4.573043
0.0004
X2
0.242871
0.224664
1.081040
0.2968
X3
2.644067
1.206036
2.192361
0.0445
X4
3.805627
1.823547
2.086936
0.0544
R-squared
0.945266
Meandependentvar
2009.831
AdjustedR-squared
0.930670
S.D.dependentvar
799.1046
S.E.ofregression
210.4086
Akaikeinfocriterion
13.74830
Sumsquaredresid
664076.8
Schwarzcriterion
13.99723
Loglikelihood
-132.4830
F-statistic
64.76313
Durbin-Watsonstat
1.517035
Prob（F-statistic）
0.000000
估计模型如下：
Y=599.623+0.490X1+0.243X2+2.644X3+3.806X4
335.3000.1070.2251.2061.823
t=1.7884.5731.0812.1922.087
R2=0.945R2=0.931DW=1.517F=64.763
T检验：
α=0.05,︱t1︱≧t（16）=1.746,︱t2︱≦t（16）=1.746,︱t3︱≧t（16）=1.746,︱t4︱≧t（16）=1.746;
说明除X2以外，其余解释变量均较显著。
F检验：
F﹥F0.05（3，16）=3.24，F检验显著，说明整体拟合效果较好。
二、多重共线性分析
由于用截面数据建立回归估计模型时，根据研究的具体问题，选择的解释变量往往从经济意义上存在一定程度的关联，而且在建模过程中，由于认识的局限，造成变量选择不当，都容易引起变量之间的多重共线性。
不完全多重共线性会导致参数的区间估计失去意义，然而解释变量之间的多重共线性是难以避免的，我们追求的是多重共线性程度的尽可能减弱。
检验：
X1
X2
X3
X4
X1
1
-0.193452006626
0.701751109673
0.780304940518
X2
-0.193452006626
1
0.237784125999
0.14825983198
X3
0.701751109673
0.237784125999
1
0.689719894838
X4
0.780304940518
0.14825983198
0.689719894838
1
而由之前的检验知，F检验显著且可决系数较大，说明整体上线性回归拟合效果较好，但X2变量的参数的T值并不显著。
再根据相关系数矩阵，说明解释变量确实存在多重共线性。
故修正多重共线性：
第一步：
运用OLS方法逐一求Y的各个解释变量进行回归，得如下4个方程：
Y对X1回归：
Y=1154.37+0.75X1R2=0.852
Y对X2回归：
Y=1768.33+0.158X2R2=0.003
Y对X3回归：
Y=1052.88+9.883X3R2=0.680
Y对X4回归：
Y=1175.98+14.26X4R2=0.753
结合经济意义和统计检验后选出拟合效果最好的一元线性回归方程，可知，X1的显著性最好，所以选定解释变量X1作为进入回归模型的第一个解释变量；
第二步：
逐步回归。
将其余解释变量分别加入模型，得到：
Y对X1，X2回归：
Y=55.57+0.79X1+0.69X2R2=0.8983
Y对X1，X3回归：
Y=976.57+0.55X1+4.18X3R2=0.9035
Y对X1，X4回归：
Y=1064.69+0.51X1+6.20X4R2=0.8968
再次根据可决系数最大的原则，选定X1，X3。
继续加入其余解释变量，可得：
Y对X1，X3，X2回归：
Y=350.26+0.64X1+0.43X2+2.84X3R2=0.9013
Y对X1，X3，X4回归：
Y=348.05+0.62X1+0.47X2+4.12X4R2=0.9543
显然，Y=348.05+0.62X1+0.47X3+4.12X4是最佳模型。
但是，注意到模型中各参数符号及大小和经济理论相一致，同时参数估计的t值在统计上有意义，R2较高。
而且，现阶段，在农民收入中，家庭经营收入（X2）是总收入的主要组成部分，故它是一个重要变量，不能去掉。
所以在这种情况下，不用过多考虑多重共线性的存在，我们对方程可以不做任何修改。
三、异方差性分析
利用横截面数据研究消费和收入之间的关系时，收入较少的家庭用在购买生活必需品上的比例较大，误差项的变化幅度不大。
收入较多的家庭有更多可自由支配的收入，使得这些家庭的消费有更大的选择范围，由于个性、爱好、习惯等不同造成的差异，使误差项变化幅度增大，或者说低收入家庭消费的分散度（方差）和高收入家庭消费的分散度相比较，可以认为前者小于后者。
根据经验，使用横截面数据进行计量分析出现异方差性的可能性较大。
检验：
1、Quandt检验
先对X2（因为家庭收入X2在总收入中占最主要地位）排序，对1到8项数据进行回归，得：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/05/03Time:
23:
06
Sample:
18
Includedobservations:
8
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
932.5663
460.4627
2.025281
0.1360
X1
-0.563287
0.366788
-1.535731
0.2222
X2
0.555740
0.245902
2.260003
0.1089
X3
1.298612
1.655437
0.784453
0.4900
X4
-3.998722
2.335017
-1.712502
0.1853
R-squared
0.928626
Meandependentvar
1442.315
AdjustedR-squared
0.833461
S.D.dependentvar
161.8070
S.E.ofregression
66.03218
Akaikeinfocriterion
11.48733
Sumsquaredresid
13080.75
Schwarzcriterion
11.53698
Loglikelihood
-40.94933
F-statistic
9.758025
Durbin-Watsonstat
2.439046
Prob（F-statistic）
0.045629
Y=932.57-0.56X1+0.56X2+1.29X3-4.00X4
∑e12=13080.75
DependentVariable:
Y
Method:
LeastSquares
Date:
12/05/03Time:
23:
07
Sample:
1320
Includedobservations:
8
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-546.8460
397.3538
-1.376219
0.2625
X1
0.641372
0.076546
8.378965
0.0036
X2
0.610750
0.195616
3.122183
0.0524
X3
3.580513
0.714858
5.008703
0.0153
X4
4.114010
1.047743
3.926547
0.0294
R-squared
0.993246
Meandependentvar
2693.526
AdjustedR-squared
0.984240
S.D.dependentvar
875.9714
S.E.ofregression
109.9684
Akaikeinfocriterion
12.50743
Sumsquaredresid
36279.15
Schwarzcriterion
12.55709
Loglikelihood
-45.02974
F-statistic
110.2907
Durbin-Watsonstat
2.948502
Prob（F-statistic）
0.001382
Y=-546.8460+0.64X1+0.61X2+3.58X3+4.11X4
∑e22=36279.15
可得F=∑e22∕∑e12=2.77﹤F0.05（8，8）=3.44，则接受H0：
σ12=σ22
说明不存在异方差。
2、图示法
3、ARCH检验
ARCHTest:
F-statistic
0.478160
Probability
0.702963
Obs*R-squared
1.689437
Probability
0.639285
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/04/03Time:
22:
30
Sample（adjusted）:
420
Includedobservations:
17afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
21762.08
15294.81
1.422841
0.1783
RESID^2（-1）
0.079036
0.205629
0.384365
0.7069
RESID^2（-2）
0.196008
0.212924
0.920553
0.3741
RESID^2（-3）
-0.224351
0.259877
-0.863296
0.4036
R-squared
0.099379
Meandependentvar
25566.49
AdjustedR-squared
-0.108457
S.D.dependentvar
41777.53
S.E.ofregression
43984.76
Akaikeinfocriterion
24.42340
Sumsquaredresid
2.52E+10
Schwarzcriterion
24.61945
Loglikelihood
-203.5989
F-statistic
0.478160
Durbin-Watsonstat
2.199523
Prob（F-statistic）
0.702963
Obs*R-squared=1.689<Χ0.052（10）,所以拒绝H0。
同样说明模型中随机误差项不存在异方差。
4、WHITE检验
WhiteHeteroskedasticityTest:
F-statistic
1.297757
Probability
0.335999
Obs*R-squared
9.711000
Probability
0.285899
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/04/03Time:
22:
33
Sample:
120
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
289641.0
457833.8
0.632634
0.5399
X1
152.1521
66.77421
2.278606
0.0436
X1^2
-0.027864
0.013044
-2.136230
0.0560
X2
-166.3090
611.1458
-0.272127
0.7906
X2^2
0.044700
0.196113
0.227932
0.8239
X3
-3607.288
1545.884
-2.333479
0.0396
X3^2
11.11099
5.347387
2.077835
0.0619
X4
-621.2276
1373.633
-0.452252
0.6599
X4^2
2.260025
6.252355
0.361468
0.7246
R-squared
0.485550
Meandependentvar
33203.84
AdjustedR-squared
0.111405
S.D.dependentvar
50994.96
S.E.ofregression
48070.57
Akaikeinfocriterion
24.70089
Sumsquaredresid
2.54E+10
Schwarzcriterion
25.14897
Loglikelihood
-238.0089
F-statistic
1.297757
Durbin-Watsonstat
1.864600
Prob（F-statistic）
0.335999
Obs*R-squared=9.711<Χ0.052（10）,所以拒绝H0。
同样说明模型中随机误差项不存在异方差。
综上所述，经过多种检验，模型均不存在异方差性。
四、自相关性
1、DW检验
根据OLS估计结果，DW≈1.517，给定显著性水平α=0.05，查Durbin-Watson表，n=20,
k′（解释变量个数）=4，得下限临界值dL=0.685,上限临界值dU=1.567,可知，DW统计量为1.517落在不能判断区域。
2、图示法
由图看出，残差e不呈自回归，表明不存在自相关性。
结论：
经检验分析，得到农民消费——收入模型如下：
Y=599.623+0.490X1+0.243X2+2.644X3+3.806X4
335.3000.1070.2251.2061.823
t=1.7884.5731.0812.1922.087
R2=0.945R2=0.931DW=1.517F=64.763
从该模型来看，农民的自主性消费水平为599.623个单位，工资性收入每增加一个单位，消费支出会增加0.49个单位；家庭营业性收入每增加一个单位，消费支出会增加0.243个单位；转移性收入每增加一个单位，消费支出会增加2.644个单位；财产性收入每增加一个单位，消费支出会增加3.806个单位。
农民消费水平低的根本原因是收入水平低，要扩大农民消费必须增加农民收入。
长远来讲，提高农民收入主要是要提高农业生产的规模，提高生产效率，加快农业结构调整，进一步从农村疏散劳动力，加快城市化进程等。
而从近期看，一方面要加大政府对农业的支持，特别是在进一步改善农村、农民的生产生活条件方面，政府尽可能提供支持。
具体看来有以下措施：
✓提高农民收入，必须加快转移农村富余劳力。
加快农村城镇化进程，以现有的县城和少数中心建制镇为重点，加快园区建设，发展小城镇，壮大县域经济，为农民提供更多的就业机会，增加其工资性收入。
✓提高农民收入，必须增加政府投资。
近年来国家通过实施积极财政政策，加大了对农业的支持力度，这对稳定农民收入发挥了积极作用。
同时，国家还要加大对农村基础教育、卫生、文化事业的投入，一方面使农民增强就业和增收能力；另一方面使农民能够通过建设项目的参与获得更多的直接收入。
此外，还应进一步完善社会保障体系，以增加农民转移性收入。
✓提高农民收入，必须推进农业产业化经营。
要进一步拉长产业链，提高农产品的加工深度，实现多次增值。
对于有品牌、有市场、有竞争力的农村致富带头人和龙头企业，在政策、资金、技术、信息等方面加大扶持力度，尽快扩大规模、提高质量、改善管理，更好地发挥辐射带动作用。
✓提高农民收入，必
升级会员 