计量经济学课程论文报告

农民收入影响因素的计量分析内容摘要：本文选取1986-2005年相关数据，应用计量经济学的方法，根据农作物播种面积、农产生产价格总指数、第一产业就业人数占全社会就业人数的比重、农村用电量和财政支出对农业的投入等五因素对我国农民收入的影响，建立多元线性回归模型并检验，并对各因素的影响程度进行分析，给出相应的政策评价和政策建议，以便各级政府制定适应我国农业长久持续健康发展的相关政策。关键词：农民收入，计量分析，回归分析一、提出问题经济体制改革以来，我国农民收入总的来说增长缓慢。1979-1985年，农民人均纯收入由160.2元提高到397.6元，扣除物价上涨因素，实际平均每年增长15.2%。此后农民收入增长一度陷入低迷——两次增速连续下降：一次是在1989-1991年，连续3年农民收入增长幅度下降，甚至出现了负增长，年均增长只有0.7%；另一次是在1997-2000年，连续四年农民收入增长幅度的下降。2001-2003年增长幅度虽然超过4%，但仍是恢复性的，基础不牢固。2004年农民纯收入增长突破2936元，实际增长6.8%，是1997以来增长最快的一年。此后，农民纯收入一直出相对较高的增长速度，平均增长速度为7.73%。为什么在1989-1992年和1997-2000农民纯收入增长幅度会下降？为什么2004年农民纯收入增长幅度是1997以来增长最快的一年，并在此后能一直保持较高的增长速度？到底哪些因素影响农民纯收入？政府应该采取什么措施来增加农民收入？二、理论来源从经济学的学习中可以发现，影响农民收入增长的因素主要有：农产品价格和产量、农作物播种面积、农业从业人数和财政投入等考虑到数据获取的方便程度和模型的合理性，综合选择了一下指标作为影响农民纯收入的因素：Y:农村居民纯收入（元）；X2：农作物播种面积（千公顷）；X3：农产品的生产价格总指数（%）；X4：第一产业就业人数占全社会就业人数的比重（%）；X5：农村用电量（亿千瓦时）；X6：财政对农业的投入（亿元）。三、模型所需数据年份农村居民家庭人均纯收入（元）Y农作物总播种面积(千公顷)X2农产品生产价格总指数X3（上年=100）第一产业就业人数占全社会就业人数的比重X4农村用电量（亿千瓦时）X5财政支出对农业的投入（亿元）X61986423.80144204.00106.4060.9253.1184.201987462.60144957.00112.0060.0320.8195.701988544.90144869.00123.0059.3508.9214.101989601.50146554.00115.0060.1790.5265.901990686.30148362.0097.4060.1844.5307.801991708.60149586.0098.0059.7963.2347.601992784.00149007.00103.4058.51106.9376.001993921.60147741.00113.4056.41244.9440.5019941221.00148241.00139.9054.31473.9533.0019951577.70149879.00119.9052.21655.7574.9019961926.10152381.00104.2050.51812.7700.4019972090.10153969.0095.5049.91980.1766.4019982162.00155706.0092.0049.82042.21154.8019992210.30156373.0087.8050.12173.41085.8020002253.40156300.0096.4050.02421.31231.5020012366.40155708.00103.1050.02610.81456.7020022475.60154636.0099.7050.02993.41580.8020032622.20152415.00104.4049.13432.91754.5020042936.40153553.00113.1046.93933.02337.6020053254.90155488.00101.4044.84375.72450.3020063587.00152149.00101.2042.64895.83173.0020074140.40153464.00118.5040.85509.94318.3020084760.60156266.00114.1039.65713.25955.5020095153.20158639.0097.6038.16104.47253.10数据来源：2010年中国统计年鉴，2010年中国农业统计年鉴四、模型设定和参数估计样本回归模型设定为：12233445566iYXXXXX1、对原始模型进行回归，其结果为：VariableCoefficientStd.Errort-StatisticProb.C2457.8941993.0711.2332190.2334X20.0256750.0092712.7694410.0126X3-2.1673741.788256-1.2120040.2412X4-93.1561410.81553-8.6131840.0000X50.1813360.0423184.2850450.0004X60.1850890.0215738.5796890.0000R-squared0.998004Meandependentvar2077.942AdjustedR-squared0.997449S.D.dependentvar1376.930S.E.ofregression69.54587Akaikeinfocriterion11.53417Sumsquaredresid87059.29Schwarzcriterion11.82868Loglikelihood-132.4100F-statistic1799.580Durbin-Watsonstat0.997774Prob(F-statistic)0.000000234562457.8940.025675-2.167374-93.156140.1813360.185089YXXXXXSE=(1993.071)(0.009271)(1.788256)(10.81553)(0.042318)(0.021573)T=(1.233219)(2.769441)(-1.212004)(-8.613184)(4.285045)(8.579689)2R=0.9980042R=0.997449F=1799.580DW=0.997774模型检验：当=0.05时，2R=0.99744，可决系数很高，F=1799.580，回归方程显著。X2、X4、X5和X6都显著，截距和X3未通过显著性检验，可能具有都充共线性。2、检验是否具有多重共线性相关系数矩阵X6X5X4X3X2X610.928989-0.8761717-0.0681910.6472208X50.9289891-0.9647793-0.10517230.7504174X4-0.8761717-0.964779310.1459631-0.8300605X3-0.068191-0.10517230.14596311-0.5075543X20.64722080.7504174-0.8300605-0.50755431有解释变量的相关性矩阵可知，存在多重共线性。3、对多重共线性的修正分别作Y对X2、X3、X4、X5、X6的一元回归，相关结果如下：变量X2X3X4X5X6参数估计值0.267259-19.992-194.5970.7608690.689258t统计量6.671594-0.80359-27.753725.8218812.309020.6692230.0285160.9722320.9680590.8732080.654188-0.015640.9709690.9666070.867444其中，X4的2R=0.970969，最大，以X4为基础，顺次加入其他变量逐步回归，结果如下：变量X2X3X4X5X6X4X2-0.000414-194.8040.969587(-0.019420)(-15.13788)X4X3-3.017352-193.86240.970283(-0.701452)(-27.03521)X4X5-104.87050.3644180.986418(-5.752210)（-5.101199）X4X6-142.09770.2239410.993041(-19.95174)（-8.413075）经比较，新加入X6的方程2R=0.993041，改进最大，而且各参数的t检验显著，选择保留X6，在加入其他变量逐步回归，结果如下：变量X2X3X4X5X62RX4X6X20.027563-123.24950.2453850.995013（-3.050341）(-14.27645)（-10.39579）X4X6X3-5.292791-138.82340.2324150.994908(-2.948919)(-22.41628）（-10.12641）X4X6X5-118.46440.1426430.1749380.994222（-9.747705）（-2.300054）（-0.174938）变量X2X3X4X5X6X4X6X2X30.017085-2.941681-128.59480.2419420.995118（-1.364449）(-1.195225)(-13.33705)（-10.28132）X4X6X2X50.033561-88.24520.1865190.1859750.997386（-5.020958）(-8.693387)（-4.376511）（-8.521161）当加入X3时，X2和X3参数的t检验都不显著；当加入X5时，截距不显著。所以经过对多重共线性的修正后，样本回归模型为：2463837.294+0.027563X-123.2495X0.245385XYSE=(1733.809)(0.009036)(8.633062)(0.023604)T=(2.213216)(3.050341)(-14.27645)(10.39579)2R=0.9956642R=0.995013F=1530.746DW=0.6688664、验证异方差由于此模型为时间序列模型，且样本容量为24，可视为大样本，故采用ARCHLM检验法对上述模型进行异方差检验。为了操作方便，同时又不影响检验的效果，在建立残差平方和的辅助回归方程时，本组选择建立残差平方和的4阶辅助自回归方程：22222011223344ttttteaaeaeaeaeARCHTest:F-statistic1.262715Probability0.327699Obs*R-squared5.038048Probability0.283416C11893.654550.2562.6138430.0196RESID^2(-1)0.3002310.2618821.1464360.2696RESID^2(-2)-0.3983050.279811-1.4234780.1751RESID^2(-3)-0.1108720.277380-0.3997110.6950RESID^2(-4)-0.1585700.264617-0.5992420.5580R-squared0.251902Meandependentvar8899.171AdjustedR-squared0.052410S.D.dependentvar11005.23S.E.ofregression10712.96Akaikeinfocriterion21.60861Sumsquaredresid1.72E+09Schwarzcriterion21.8