地区人均收入影响因素的计量分析

地区人均收入影响因素的计量分析院系：小组成员：李园山子任燕陈晓谢吴文举王先涛内容摘要：本文选取2002年相关的截面数据，应用计量经济学所学知识对根据经济理论选取的影响我国地区人均收入的各因素进行检验，并对其影响程度的大小进行定量分析，进一步明确和完善相关的经济学知识。关键名词：地区人均收入物质资本人力资本技术水平一、问题来源改革开放以来，中国经济释放了难以置信的增长潜力，以平均每年7%的惊人速度连续20年大幅增长，经济总体规模更是跃居前列，2003年人均GDP已超越1000美元。虽然整个经济规模的绝对值大幅度增长，然而有关经济学者通过研究发现我国东部沿海地区和中西部内陆地区之间，在经济发展水平方面，无论是绝对差距还是相对差距都还在扩大。那么地区间收入差距的影响因素具体是哪些，各因素的影响程度如何，本文选取了2002年的截面数据，应用计量经济学所学过的知识进行定量分析，试图回答以上的问题。二、理论来源从经济学的学习中可以发现，影响地区间收入分配的因素有各地区经济发展水平、税收结构、政府转移支付以及政府政策倾向等。其中，税收结构难以为其影响各地区程度的大小划分档次，因而不能确定何种地区为0、1，故未引入虚拟变量加以说明；政府转移支付主要是补贴与各种税收优惠，补贴因其补贴人群相对狭小，补贴数量少，不足以改变各省市人均收入的相对高低，而税收优惠即为企业利润，可以说包含在各地经济发展状况中，也不引入；而目前国家针对中、西、东部沿海地区均实行了不同的优惠政策，所以政策的影响也就被削弱了。且由现实经济情况可知人均可支配收入很大程度上是受到该地区经济发展水平的影响，综合数据搜集情况等因素，我组认为分析地区间收入分配差异的影响因素可以从分析影响经济发展水平的因素着手。通过经济学各种理论的学习(如新经济增长模型)，可以清晰的发现经济发展水平（Y）是物质资本（K）、人力资本（L）、技术水平（U）的函数，即Y=f（K,L,U）。于是，本文分析地区间收入分配的差异决定从资本、劳动力以及技术三方面寻找影响因素。三、影响因素的选取鉴于以上说明，因素选取如下：1、各省市固定资产投资总额2、实际利用外商直接投资和外商其他投资。包括外企和经济组织或个人以现汇、实物等方式在我国开办企业或对我国各种企业的投资，以及股票发行价总额和设备、物料、技术的应收款等。此两因素均是说明物质资本对收入的影响。3、各地区就业人员高中或高中以上人口所占比重。因我国平均受教育程度为初中，所以在此选择各省市高中或高中以上劳动力人口（即高中、大专、本科、研究生及以上）占总劳动力人口的比率说明劳动力素质对收入分配的影响。4、各省市科技筹集经费，包括财政中科技费用支出，各组织、研究所科技经费筹集与企业革新资金筹集，从重视技术开发程度的角度侧面说明各省市科学技术水平。因各种年鉴未统计各省市科技研发投入经费，故以此代替。5、各省市第二产业产值。就我国而言，第二产业仍是经济发展的最大驱动力，借以说明经济规模对于人均收入分配的影响。四、数据处理（各数据见附表一、附表二、附表三）1、各省市人均可支配收入。各年鉴没有直接统计的人均可支配收入，于是我组选取了各省市城市居民可支配收入、农村纯收入、各省市人口数（抽样）、农村人口数（抽样），通过计算得到农村和城镇人口比重，然后分别乘以城市居民可支配收入、农村纯收入，相加得到各省市人均可支配收入。为消除物价对于人均收入差距的影响，各省市人均可支配收入除以物价指数得实际各省市人均可支配收入。2、各地区就业人员高中或高中以上人口所占比重。查年鉴得就业人员中不识字、小学、初中人口比重，用1减去即得。综上得模型各因素：Y－实际各省市人均可支配收入X1－各省市固定资产投资总额X2－各省市第二产业产值X3－各地区就业人员高中或高中以上人口所占比重X4－各省市科技筹集经费X5－实际利用外商直接投资和外商其他投资原始模型设定为：Y=β0+β1X1+β2X2+β3X3＋β4X4+β5X5+ui五、参数估计1、对原始模型进行回归，结果为：DependentVariable:YMethod:LeastSquaresDate:12/18/04Time:15:10Sample:131Includedobservations:30Excludedobservations:1VariableCoefficientStd.Errort-StatisticProb.X50.0025310.0012721.9891890.0582X4155.432328.258835.5003090.0000X30.0002040.0007220.2828560.7797X2-1.4702420.596051-2.4666360.0212X12.4362740.8837002.7569010.0110C-38.32851692.8780-0.0553180.9563R-squared0.830540Meandependentvar4829.185AdjustedR-squared0.795235S.D.dependentvar2431.177S.E.ofregression1100.130Akaikeinfocriterion17.02110Sumsquaredresid29046879Schwarzcriterion17.30134Loglikelihood-249.3165F-statistic23.52519Durbin-Watsonstat1.767723Prob(F-statistic)0.000000从表中发现在α＝0.1时，虽然模型拟合效果较好，F检验显著，但X3的t检验不显著，X2系数的符号为负，与经济意义不服，则模型存在多重共线，故采用逐步回归法进行修正。2、逐步回归对X1、X2、X3、X4、X5单个回归后发现X4的拟合程度最好，结果为：VariableCoefficientStd.Errort-StatisticProb.X4167.107928.121365.9423840.0000C1011.500702.01771.4408470.1603R-squared0.549073Meandependentvar4799.998AdjustedR-squared0.533524S.D.dependentvar2395.831S.E.ofregression1636.331Akaikeinfocriterion17.70064Sumsquaredresid77649780Schwarzcriterion17.79316Loglikelihood-272.3599F-statistic35.31192Durbin-Watsonstat1.629401Prob(F-statistic)0.000002再将其余解释变量逐个加入后，得结果为：VariableCoefficientStd.Errort-StatisticProb.X4192.633125.883087.4424340.0000X50.0023430.0007922.9569300.0064C-149.6733633.1428-0.2363970.8149R-squared0.751001Meandependentvar4829.185AdjustedR-squared0.732557S.D.dependentvar2431.177S.E.ofregression1257.281Akaikeinfocriterion17.20593Sumsquaredresid42680430Schwarzcriterion17.34605Loglikelihood-255.0890F-statistic40.71708Durbin-Watsonstat1.739272Prob(F-statistic)0.000000继续加入，得结果：VariableCoefficientStd.Errort-StatisticProb.X50.0023240.0007653.0388380.0054X4161.285030.861175.2261470.0000X30.0011940.0006911.7295980.0956C314.9939667.46460.4719260.6409R-squared0.776694Meandependentvar4829.185AdjustedR-squared0.750928S.D.dependentvar2431.177S.E.ofregression1213.330Akaikeinfocriterion17.16369Sumsquaredresid38276420Schwarzcriterion17.35052Loglikelihood-253.4554F-statistic30.14407Durbin-Watsonstat2.073796Prob(F-statistic)0.000000以及：VariableCoefficientStd.Errort-StatisticProb.X50.0011860.0012610.9403540.3560X4163.793730.775615.3221930.0000X30.0010100.0007061.4304820.1650X10.4359340.3851521.1318500.2684C-102.6452759.5370-0.1351420.8936R-squared0.787579Meandependentvar4829.185AdjustedR-squared0.753592S.D.dependentvar2431.177S.E.ofregression1206.824Akaikeinfocriterion17.18038Sumsquaredresid36410617Schwarzcriterion17.41392Loglikelihood-252.7058F-statistic23.17274Durbin-Watsonstat1.988861Prob(F-statistic)0.000000可以发现，在加入了四个解释变量后，模型的回归效果不如只有解释变量X3、X4、X5时效果好，所以通过逐步回归后模型为Y=314.9939+0.001194X3+161.285X4+0.002324X53、异方差检验对Y=314.9939+0.001194X3+161.285X4+0.002324X5进行检验得：WhiteHeteroskedasticityTest:F-statistic1.291175Probability0.301136Obs*R-squared11.02501Probability0.273998当α＝0.1时Obs*R-squared＝11.02501χ20。1（3）＝6.251，所以应拒绝原假设，认为模型存在异方差。在此，选择WLS法进行修正，权重W＝1/e，修正结果为：Weightingseries:W1VariableCoefficientStd.Errort-StatisticProb.X50.0020970.00016212.980280.0000X488.539645.26392416.820080.0000X30.0003170.0002321.3634820.1844C1930.22972.5000326.623840.0000WeightedStatisticsR-squared0.999843Meandependentvar3521.571AdjustedR-squared0.999825S.D.dependentvar23095.27S.E.ofregression305.7747Akaikeinfocriterion14.40714Sumsquaredresid2430953.Schwarzcriterion14.59397Loglikelihood-212.1071F-statistic602.7000Durbin-Wats