地区人均收入影响因素的计量分析.doc

地区人均收入影响因素的计量分析

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：
Dependent Variable: Y
Method: Least Squares
Date: 12/18/04 Time: 15:10
Sample: 1 31
Included observations: 30
Excluded observations: 1
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X5
0.002531
0.001272
1.989189
0.0582
X4
155.4323
28.25883
5.500309
0.0000
X3
0.000204
0.000722
0.282856
0.7797
X2
-1.470242
0.596051
-2.466636
0.0212
X1
2.436274
0.883700
2.756901
0.0110
C
-38.32851
692.8780
-0.055318
0.9563
R-squared
0.830540
Mean dependent var
4829.185
Adjusted R-squared
0.795235
S.D. dependent var
2431.177
S.E. of regression
1100.130
Akaike info criterion
17.02110
Sum squared resid
29046879
Schwarz criterion
17.30134
Log likelihood
-249.3165
F-statistic
23.52519
Durbin-Watson stat
1.767723
Prob(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：
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X4
167.1079
28.12136
5.942384
0.0000
C
1011.500
702.0177
1.440847
0.1603
R-squared
0.549073
Mean dependent var
4799.998
Adjusted R-squared
0.533524
S.D. dependent var
2395.831
S.E. of regression
1636.331
Akaike info criterion
17.70064
Sum squared resid
77649780
Schwarz criterion
17.79316
Log likelihood
-272.3599
F-statistic
35.31192
Durbin-Watson stat
1.629401
Prob(F-statistic)
0.000002
再将其余解释变量逐个加入后，得结果为：
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X4
192.6331
25.88308
7.442434
0.0000
X5
0.002343
0.000792
2.956930
0.0064
C
-149.6733
633.1428
-0.236397
0.8149
R-squared
0.751001
Mean dependent var
4829.185
Adjusted R-squared
0.732557
S.D. dependent var
2431.177
S.E. of regression
1257.281
Akaike info criterion
17.20593
Sum squared resid
42680430
Schwarz criterion
17.34605
Log likelihood
-255.0890
F-statistic
40.71708
Durbin-Watson stat
1.739272
Prob(F-statistic)
0.000000
继续加入，得结果：
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X5
0.002324
0.000765
3.038838
0.0054
X4
161.2850
30.86117
5.226147
0.0000
X3
0.001194
0.000691
1.729598
0.0956
C
314.9939
667.4646
0.471926
0.6409
R-squared
0.776694
Mean dependent var
4829.185
Adjusted R-squared
0.750928
S.D. dependent var
2431.177
S.E. of regression
1213.330
Akaike info criterion
17.16369
Sum squared resid
38276420
Schwarz criterion
17.35052
Log likelihood
-253.4554
F-statistic
30.14407
Durbin-Watson stat
2.073796
Prob(F-statistic)
0.000000
以及：
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X5
0.001186
0.001261
0.940354
0.3560
X4
163.7937
30.77561
5.322193
0.0000
X3
0.001010
0.000706
1.430482
0.1650
X1
0.435934
0.385152
1.131850
0.2684
C
-102.6452
759.5370
-0.135142
0.8936
R-squared
0.787579
Mean dependent var
4829.185
Adjusted R-squared
0.753592
S.D. dependent var
2431.177
S.E. of regression
1206.824
Akaike info criterion
17.18038
Sum squared resid
36410617
Schwarz criterion
17.41392
Log likelihood
-252.7058
F-statistic
23.17274
Durbin-Watson stat
1.988861
Prob(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+0.001194 X3+161.285 X4+0.002324 X5
3、异方差检验
对Y=314.9939+0.001194 X3+161.285 X4+0.002324 X5进行检验得：
White Heteroskedasticity Test:
F-statistic
1.291175
Probability
0.301136
Obs*R-squared
11.02501
Probability
0.273998
当α＝0.1时Obs*R-squared ＝11.02501>χ20 。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：
Weighting series: W1
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X5
0.002097
0.000162
12.98028
0.0000
X4
88.53964
5.263924
16.82008
0.0000
X3
0.000317
0.000232
1.363482
0.1844
C
1930.229
72.50003
26.62384
0.0000
Weighted Statistics

R-squared
0.999843
Mean dependent var
3521.571
Adjusted R-squared
0.999825
S.D. dependent var
23095.27
S.E. of regression
305.7747
Akaike info criterion
14.40714
Sum squared resid
2430953.
Schwarz criterion
14.59397
Log likelihood
-212.1071
F-statistic
602.7000
Durbin-Watson stat
0.146268
Prob(F-statistic)
0.000000
Unweighted Statistics

R-squared
0.598751
Mean dependent var
4829.185
Adjusted R-squared
0.552453
S.D. dependent var
2431.177
S.E. of regression
1626.431
Sum squared resid
68777250
Durbin-Watson stat
1.608504

进行异方差检验为：
White Heteroskedasticity Test:
F-statistic
0.567448
Probability
0.807602
Obs*R-squared
6.102317
Probability
0.729636
此时Obs*R-squared＝6.102317<χ20 。1（3）＝6.251，则接受原假设，认为模型不存在异方差，且拟合程度高，然而X3的t检验却稍不显著，但此模型在所有模型中效果最好，且从本文的目的而言，也是可以选择此模型的。而此模型中Durbin-Watson stat ＝0.146268落在了正自相关区域，于是进行自相关修正。
4、自相关修正
在此，采用了迭代法，一次迭代后结果为：
Dependent Variable: Y
Method: Least Squares
Date: 12/19/04 Time: 18:07
Sample(adjusted): 2 31
Included observations: 28
Excluded observations: 2 after adjusting endpoints
Convergence achieved after 8 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X5
0.002325
0.000823
2.825206
0.0096
X4
129.9258
31.46191
4.129624
0.0004
X3
0.003461
0.001481
2.337728
0.0285
C
679.4463
639.0971
1.063135
0.2988
AR(1)
-0.268556
0.177017
-1.517122
0.1429
R-squared
0.725553
Mean dependent var
4653.799
Adjusted R-squared
0.677823
S.D. dependent var
2137.356
S.E. of regression
1213.177
Akaike info criterion
17.20030
Sum squared resid
33851345
Schwarz criterion
17.43820
Log likelihood
-235.8043
F-statistic
15.20123
Durbin-Watson stat
1.925806
Prob(F-statistic)
0.000003
Inverted AR Roots
-.27
此时模型拟合效果好，三个解释变量均通过了t检验，F检验显著，D-W＝1.925806，非常接近于2，通过了自相关的检验。

综上，最终模型为Y=679.4463+0.003461X3+129.9258X4+0.002325X5

Y－实际各省市人均可支配收入 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

六、对模型的几点说明

1、 模型删去了X1－各省市固定资产投资总额和X2－各省市第二产业产值，虽然从经济意义上来看，此两因素均很重要，特别是X1，有资料显示固定资产投资的增加有力拉动了经济的快速增长。关于被删去的原因，经我组讨论后认为有三。第一，此两个因素的滞后效应是很强的，且滞后期常为3－5年，考虑到数据自由度的限制，模型没有引入滞后变量。第二，由于02年社会总供给大于社会总需求的宏观环境没能根本改观，投资能够转换为利润的比率不大，企业投资意向逐渐下降，工业企业内生性增长动力仍显不足，固定资产投资对经济的拉动作用被削弱。第三，龚六堂、谢丹阳研究我国各省份之间的生产要素配置的有效性问题后发现，从1970—1989年，资本的边际生产率的差异水平在缩小，从1989年起，边际生产率的差异水平保持在一个稳定水平；而劳动的边际生产率的差异水平反而开始上升。相比之下，固定资产投资对人均收入的影响比较不显著。
2、 模型中X4－各省市科技筹集经费解释效果很好，可能与新一轮经济增长点多集中在新兴产业、高新技术产业及资金密集型产业，而传统的劳动密集型产业增长势头逐渐减弱有关。
3、 外资投入较之固定资产投资而言，影响更为显著，因为自2002年年初我国正式加入WTO以后，跨国资本很快以空前的速度大量进入我国，2002年上半年全国外商投资协议额增加约40％，实际投资额增幅约为15％，为经济增长、人均收入的增加带来了直接的有力影响。

七、存在的问题

第一， 模型考虑因素不够完善，由于数据收集和实际操作性等问题的综合影响，未引入税收结构、政府转移支付以及政府政策倾向等，对地区人均收入差距这一问题的说明程度有所降低。
第二， 模型只是定性说明地区人均收入有差异，却无法定量说明差异的大小。
第三， 模型最终未包括各省市固定资产投资总额和第二产业产值的影响，且采集数据为2002年数据，分析上会出现一定的局限性。

八、简单政策取向

重视科技教育的投入，提高劳动力素质，建立完善的知识创新的激励和保护机制，进一步加强国家的基础教育的普及，中学及高等教育人群的扩大，以及大力发展职业培训等非专业教育体系等，为科技教育的发展创造健康的外部环境。
重视固定资产投资的质量，提高资本边际利润率，采取优惠政策引导资本向收益率高的产业的流动，有效的配置社会资源等。
继续加强外资的引入，注意外资投入结构，提高利用率等。

附表一

固定资产投资(亿元)
消费价格指数（％）
城市居民可支配收入（元）
农村纯收入（元）
实际利用外商直接投资和外商其他投资（万美元）
第二产业产值（亿元）
1796.14
98.2
12463.92
5398.48
172464
1116.53
807.51
99.6
9337.56
4278.71
158195
1001.9
2020.38
99
6679.68
2685.16
78761
3046
813.36
98.4
6234.36
2149.82
21164
1083.79
707.91
100.2
6051
2086.02
17701
728.34
1605.55
98.9
6524.52
2751.34
341168
2609.85
834.23
99.5
6260.16
2300.99
24468
978.37
1046.17
99.3
6100.56
2405.24
35511
2169.15
2213.72
100.5
13249.8
6223.55
427229
2564.69
3450.12
99.2
8177.64
3979.79
101896
5550.98
3477.47
99.1
11715.6
4940.36
30761
3982
1074.46
99
6032.4
2117.56
38375
1552.21
1253.08
99.5
9189.36
3538.83
383837
2159.94
889.04
100.1
6335.64
2306.45
108197
951.77
3483.31
99.3
7614.36
2947.65
48001
5309.54
1725.93
100.1
6245.4
2215.74
40463
2951.06
1605.06
99.6
6788.52
2444.06
164535
2446.05
1347.96
99.5
6958.56
2397.92
90022
1737.2
3850.78
98.6
11137.2
3911.9
1331132
5935.63
750.33
99.1
7315.32
2012.6
41726
863.96
225.41
99.5
6822.72
2423.2
51196
125.33
899.26
99.6
7238.04
2097.58
19704
827.55
1902.72
99.7
6610.8
2107.64
55583
1982.44
632.97
99
5944.08
1489.91
3821
474.68
814.61
99.8
7240.56
1608.64
11169
951.48
106.58
100.4
8079.12
1462.27

32.93
915.35
98.9
6330.84
1596.25
36005
925.78
526.21
100
6151.44
1590.3
6121
530.36
232.35
102.3
6170.52
1668.94
4726
154.01
226.98
99.4
6067.44
1917.36
2200
151.16
800.09
99.4
6899.64
1863.26
1899
627.1

附表二

人口数（人）
农村人口（人）
初中（％）
小学（％）
不识字（％）
科技筹集经费（十万元）
13723
2319
41.2
6.7
1.1
2200331
9961
2790
43.3
15.5
1.6
105512
66463
50144
49.7
24.1
4
114165
32455
20670
55.1
20.1
2.1
83911
23586
13231
41.1
23.5
10
35364
41608
20189
53.9
22.4
1.5
269571
22693
12477
45.1
25.3
1.5
153265
37806
18184
49
23.3
3.1
100111
16012
1871
39.2
11.5
2.7
609841
72966
39403
45.3
22.7
9.5
507375
45769
23928
39.6
30.1
7.7
121032
62783
43949
44.4
27.8
13.5
152179
34127
17076
36.4
32.3
8.5
55407
41521
25610
38.7
32.9
5.9
53486
89699
53072
47.4
19.1
6.5
164298
94793
70020
54.9
17.8
5
150576
59270
35418
34.8
33
11
272851
65434
44698
43.8
31.1
4.7
76929
77216
38298
47.6
20.6
2.5
261829
47504
36332
42.9
32.6
6
68895
7892
5098
48.3
17.8
5.6
25872
30724
20531
38.8
39.1
7.2
40546
85704
52562
38.4
36.3
7.7
594720
37686
27277
32.8
37.9
16.5
30403
42529
31962
27.1
46.4
19.4
83106
2609
1632
8.5
46.3
41.2
6925
36297
25086
39.5
28.3
11.9
510805
25546
19208
31.9
30.3
19.3
112682
5189
3345
30.4
36.1
23.2
9590
5585
3777
38.1
24.2
15.5
6630
19799
11557
35.1
27.9
6
48358

附表三

Y
11476.53
X1
1796.140
X2
1116.530
X3
2200331.
X4
51.00000
X5
172464.0
7952.424
807.5100
1001.900
105512.0
39.60000
158195.0
3702.985
2020.380
3046.000
114165.0
22.20000
78761.00
3692.064
813.3600
1083.790
83911.00
22.70000
21164.00
3819.133
707.9100
728.3400
35364.00
25.40000
17701.00
4745.906
1605.550
2609.850
269571.0
22.20000
341168.0
4103.860
834.2300
978.3700
153265.0
28.10000
24468.00
4353.654
1046.170
2169.150
100111.0
24.60000
35511.00
12366.95
2213.720
2564.690
609841.0
46.60000
427229.0
5958.390
3450.120
5550.980
507375.0
22.50000
1018960.
8247.739
3477.470
3982.000
121032.0
22.60000
307610.0
3325.208
1074.460
1552.210
152179.0
14.30000
38375.00
6393.995
1253.080
2159.940
55407.00
22.80000
383837.0
3846.604
889.0400
951.7700
53486.00
22.50000
108197.0
4887.430
3483.310
5309.540
164298.0
27.00000
480010.0
3265.577
1725.930
2951.060
150576.0
22.30000
40463.00
4209.236
1605.060
2446.050
272851.0
21.20000
164535.0
3862.497
1347.960
1737.200
76929.00
20.40000
90022.00
7660.809
3850.780
5935.630
261829.0
29.30000
1331132.
3289.298
750.3300
863.9600
68895.00
18.50000
41726.00
4000.763
225.4100
125.3300
25872.00
28.30000
51196.00
3818.253
899.2600
827.5500
40546.00
14.90000
19704.00
3860.608
1902.720
1982.440
594720.0
17.60000
55583.00
2747.643
632.9700
474.6800
30403.00
12.80000
3821.000
3014.007
814.6100
951.4800
83106.00
7.100000
11169.00
3924.404
106.5800
32.93000
6925.000
4.000000
NA
3092.635
915.3500
925.7800
510805.0
20.30000
36005.00
2721.926
526.2100
530.3600
112682.0
18.50000
6121.000
3195.165
232.3500
154.0100
9590.000
10.30000
4726.000
3280.525
226.9800
151.1600
6630.000
22.20000
2200.000
3983.725
800.0900
627.1000
48358.00
31.00000
1899.000