产业对城镇居民人均可支配收入的影响
模型的概况
模型的数据
模型的具体形式和检验
模型的经济解释
模型的概况
1. 模型的有关背景及目的
随着改革开放的深入和市场经济的发展,人民的生活水平得到了大大地提高.作为衡量经济增长的指标之一,人均收入自从78年以来翻了好几番.然而作为一个正在兴起的发展中国家,其目的是发展而不是纯粹的增长.那么怎样考察我们的经济是否是在健康的发展呢?我们整个国民经济由三个产业构成,三大产业也在随着时间而发生着结构性的变化.各产业的状况可以作为我们考察经济发展的一个指标,产业产值的增长又可间接地反映到收入上.因此,由各产业决定的收入水平成为我们考察经济发展的一个重要因素.
2. 模型的特点
•这是一个静态的宏观计量经济学模型。我们最终选取了城镇居民的人均可支配收入作为研究对象，是因为农村居民的收入不能确切考察，农村有一大部分的非货币收入并非是统计数据所能够体现的。况且，产业结构的调整的最直接被影响者是城镇居民，他们的收入几乎全来自第二，三产业。因此这里建立的回归模型的应变量是城镇居民人均可支配收入，而自变量是第二，三产业的年净产值。由于一个是人均量的，一个是总体量，我们采用了对数形式将各个解释变量的偏回归系数转化为弹性的含义，即当其中一个解释变量每变化1%会影响被解释变量变化的百分比。当然城镇居民的人均收入不光取决于产值，它还来自于政府的补贴，国外净要素收入等等，但这些影响比起两大产业来说，都是可以忽略的。收入的滞后效应也不像消费一般具有决定性的作用。同时要指出的是，94年的经济软着陆并没有作为一个虚拟变量放入模型中，因为整个模型中的变量都是以现价为基础的。后面的检验也证明以上这些影响是非显著的。
二.、模型的数据
我们选择了时间序列数据而没有采用横截面数据是为了避免各个不同地区发展水平的差异。每个地区的地理位置和自然资源都是决定产业结构的重要因素，且非人力和经济发展所能解决的，这就决定了各个地区的经济发展轨迹和成形都不相同。我们从各期《中国统计年鉴》收集到的全部城镇居民人均可支配收入的数据就只有1985年到2001年的，共17个。作为小样本，给检验和解释都提供了难度，因此我们加倍小心。
三.、模型的具体形式和检验
lnY=β1+β2lnv2+β3lnv3+u
y=城镇居民人均可支配收入（元）
v2=第二产业增加值（亿元）
v3=第三产业增加值（亿元）
obs V2 V3 Y
1985 3866.600 2556.200 739.1000
1986 4492.700 2945.600 899.6000
1987 5251.600 3506.600 1002.200
1988 6587.200 4510.100 1181.400
1989 7278.000 5403.200 1375.700
1990 7717.400 5813.500 1510.200
1991 9102.200 7227.000 1700.600
1992 11699.50 9138.600 2026.600
1993 16428.50 11323.80 2577.400
1994 22372.20 14930.00 3496.200
1995 28537.90 17947.20 4283.000
1996 33612.90 20427.50 4838.900
1997 37222.70 23028.70 5160.300
1998 38619.30 25173.50 5425.100
1999 40417.90 27035.80 5854.000
2000 44935.30 29878.70 6280.000
2001 49069.10 32254.30 6859.600
Dependent Variable: LOGY
Method: Least Squares
Date: 12/17/02 Time: 18:14
Sample: 1985 2001
Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob.
C -0.340779 0.071571 -4.761433 0.0003
LOGV2 0.548443 0.092567 5.924790 0.0000
LOGV3 0.312038 0.096015 3.249879 0.0058
R-squared 0.998940 Mean dependent var 7.838419
AdjustedR-squad 0.998788 S.D. dependent var 0.761698
S.E. of regression 0.026516 Akaike info criterion -4.263341
Sumsquaredresid 0.009843 Schwarz criterion -4.116304
Log likelihood 39.23840 F-statistic 6594.390
Durbin-Watsonst 1.878254 Prob(F-statistic) 0.000000
•由此得出回归模型:
lnY=-0.340779+0.548443lnv2+0.312038lnv3+u
为保证t检验和F检验的有效性,我们首先进行样本残差的正态性检验—JB test.其结果为
•从equation发现R²很大,各系数的t值显著,F值显著.
•检验多重共线性
系数相关矩阵
V2 V3
V2 1.000000 0.997423
V3 0.997423 1.000000
可以发现相关系数非常大.因此做逐步回归考察修正的R²:
1.对lnv2回归,得修正的R²为0.998016,对lnv3回归,得修正的R²为0.996033
2.取lnv2,再对lnv2,lnv3回归,得修正的R²为0.998788,因此无多重共线性
ARCH Test:
F-statistic 1.082055 Probability 0.369787
Obs*R-squared 2.291824 Probability 0.317934
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/19/02 Time: 08:09
Sample(adjusted): 1987 2001
Included observations: 15 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000487 0.000313 1.555987 0.1457
RESID^2(-1) -0.242344 0.264943 -0.914704 0.3784
RESID^2(-2) 0.22463 0.268047 0.838046 0.4184
R-squared 0.152788 Mean dependent var 0.000492
Adjusted R-squared 0.011586 S.D. dependent var 0.000665
S.E. of regression 0.000661 Akaike info criterion -11.62854
Sum squared resid 5.24E-06 Schwarz criterion -11.48693
Log likelihood 90.21405 F-statistic 1.082055
Durbin-Watson stat 1.963396 Prob(F-statistic) 0.369787
White Heteroskedasticity Test:
F-statistic 1.138000 Probability 0.384806
Obs*R-squared 4.675207 Probability 0.322275
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/29/99 Time: 00:06
Sample: 1985 2001
Included observations: 17
Variable Coefficint Std. Error t-Statistic Prob.
C -0.03507 0.047823 -0.732228 0.4781
LOG(V2) 0.034668 0.057053 0.607651 0.5547
(LOG(V2))^2 -0.00177 0.002975 -0.603957 0.5571
LOG(V3) -0.02809 0.051752 -0.541220 0.5983
(LOG(V3))^2 0.001493 0.002830 0.527591 0.6074
R-squared 0.275012 Meandependentvar 0.000579
AdjustedR-squard 0.033350 S.D. dependent var 0.000672
S.E. of regression 0.000661 Akaike infocriterion -11.56717
Sumsquared resid 5.24E-06 Schwarz criterion -11.32211
Log likelihood 103.3209 F-statistic 1.138000
Durbin-Watsonstt 3.143061 Prob(F-statistic) 0.384806
• ARCH和WHITE检验表明,不存在异方差
• 由equation得DW=1.87825,查表得dl=0.772,du=1.255,因此,不存在自相关且没有缺失变量,即不存在欠拟合,因此前面提到的滞后应变量和以94年为界的定性变量对模型的影响很小,不作为解释变量.
•
所以,我们确定的模型最终形式是:
•lnY=-0.340779+0.548443lnV2+0.312038lnV3+u
四、模型的经济解释
1．模型中两产业净产值的系数之和小于1。这是符合实际经济含义的。就如同GDP不可能全部转化为个人收入一样，这两个产业的增加值不可能完全转化为城镇居民收入，因为还存在大量的政府税收，而且从统计数据表明，它都大于对个人的补贴。除此之外，还有两个重要原因：1）有大量的农村劳动力流入到城市参与了这两个产业的发展。他们是非城市户口，其收入不计入城镇居民收入之列。2）我国现阶段城市人口仍处于正增长状态，这样的人均收入不可能达到和产值同样的增长水平。
2. 第三产业增加值对城镇人均可支配收入的偏回归系数只有0.312，比起第二产业增加值的0.548小许多。其原因在于三个方面。
首先，根据有关研究，我国第三产业的增加值被明显低估，这主要是由于：第一，统计口径的区别。国际上大多数是以人口从事的经济活动的性质分类，而我国基本以职业分类，会大大低估服务业的就业比重。第二，我国企业的职工服务和福利活动内部化，使部分第三产业产值计入到第二产业。第三，我国服务业的价格普遍偏低。国家统计局1994年提出我国服务业被低估5个百分点，最近有学者认为，被低估的程度大约在10个百分点以上。
其次，存在结构性滞后。1998年，我国第三产业的增加值中，交通运输，仓储，邮电，批零贸易及餐饮占到44.3%，其余的55.7%中，常规行政管理，初等和中等教育，修理业，洗理业等传统低层次服务业亦占相当比重，而包括金融保险，信息业，咨询业，科技研究开发与服务，高等教育，旅游，新闻出版，广播电视等在内的直接促进产业发展的新兴第三产业占第三产业的总增加值不到30%。尤其值得注意的是，我国1998年制造业总额是金融保险和服务业增加值总额的2倍多，而美国1994年的GDP总额中，仅金融保险不动产就达11928亿美元，服务业12496亿美元，均超过制造业的11680亿美元。即使是作为中等发达国家的制造业大国韩国，其金融保险不动产及服务业总增加值达1265300亿韩元，亦超过制造业的1080915亿韩元。美国的新兴服务业中，高等教育、科学技术研究和开发、科技服务、经济中介组织，尤其是近年来信息网络业的迅猛发展，对产业升级和“新经济”的形成产生了决定性的作用。由比较可见，我国第三产业的滞后的实质是结构性滞后。
最后，增长速度滞后。改革以来，我国经济尤其在市县范围内的区域经济主要是依靠工业经济的增长而增长，而第三产业的增长速度不但明显低于工业增加值总量的增长速度，而且低于GDP总额的增长速度。数据显示，1985—1998年，第三产业增加值增长率比第二产业低3．2个百分点，比全部国内生产总值增长率也低0.3个百分点。1992年，中共中央作出《关于加快第三产业发展的决定》，国家规划此后十年中，第三产业发展速度要高于第二产业。但实际上，1991至1998年间，第二产业和第三产业年增长率分别为20．2％和15．0％，后者比前者低五个多百分点。从1985年至1998年，我国第三产业的比重有较大的提高，从28．5％上升到32．9％。但不是由于第三产业以比GDP总额增长率更高的速度增长造成的，而主要是由于第一产业的低速增长，而导致其比重迅速缩小，其减少的份额让位于第三产业。
从模型得到的第三产业增加值比起第二产业增加值对城镇居民人均收入的影响要小许多.但是我们并不能就确定第三产业对我国城镇居民人均收入的影响如此之小.它作为一个新兴产业,正在逐渐显示其优势.第三产业虽然不如工业,要求更高的技术水平,但它却是一个劳动力的大蓄水池.在中国现阶段,农村剩余劳动力过多,城市的下岗待业人员也多.因此第三产业一旦吸收了这些劳动力,就会直接的增加人均收入.我们从二,三产业增加值的系数之和同样可以看出,两大产业增加值除去税收等,仍大部分地作为了城镇居民收入.可以得出这样的结论:即使现在农村大量的剩余劳动力涌入城市,但他们的收入相对城市人口的收入来说,还是很少的.中国农村人多地少的矛盾就只能通过大量农村劳动力城市化来实现.
从此模型得出的两产业产值系数之和能够达到0.86，是个很大的数。产值增长的86%都作为实际可支配收入分配给居民在现实中是不可能的。这里有抽样调查数据和样本容量的局限。
结论:经济增长是居民收入增长的基础和前提,经济增长也必伴随经济结构的调整与变化.经济结构的调整一方面提高了经济增长的质量,与此同时,也必带来社会结构的变化.这是我们研究此模型的最终目的: 不仅要注意收入的增长,更需要注意其增长来源的内涵.
产业对城镇居民人均可支配收入的影响由毕业论文网（www.huoyuandh.com）会员上传。
