农村居民收入影响因素分析
问题的提出
改革开放以来，中国经济迅速发展，GDP逐年攀升，人民生活水平总体上有很大的改善。但农村经济发展和农民生活水平的提高却面临着严重的困难，成了制约中国经济发展的重大因素。伴随着人民总体生活水平的提高，中国的城乡基尼系数却在不断的扩大，这不仅影响了中国经济的健康正常发展，还有可能引发一系列的社会问题。因此，“三农”问题成为中国经济研究的热点问题，提高农村居民收入迫在眉睫。为此，本文将就农村居民的收入影响因素进行分析，对改革开放以来影响农村居民的一些要素进行统计研究，希望从中发现一些对农民收入起关键作用的因素，给农村改革与发展提供一些线索与建议。
根据历史的资料和我们的分析，从大体上来看，中国农村在改革开放后的农民收入状况主要经历了这几个阶段：
第一阶段为1978～1985年，为收入快速增长时期。农村居民家庭人均纯收入从133．6元增加到397．6元，平均每年增长16．8％，扣除物价上涨因素，年均增长仍高达15．2％；
第二阶段为1986～1991年，为收入增长缓慢时期。农村居民家庭人均纯收入从423．8元增加到708．6元，平均每年增长10．8％，扣除物价上涨因素，年均增长率为2．7％；
第三阶段是1992～1996年，为收入增长较快时期。农村居民家庭人均纯收入从784．0元增加到1926．1元，平均每年增长25．1％，扣除物价上涨因素，年均增长5．6％；
第四阶段是1997年以来，为收入增长缓慢、增幅下降时期。农村居民家庭人均纯收入从1997年的2090．1元增加到2000年的2253．4元，四年绝对增加值仅为163．3元，每年实际增长幅度分别为4．6％、4．3％、3．8％和2．1％，收入增幅连续四年呈下降态势。
从这几个阶段的收入状况来看，总的来说，农民收入增长速度是有升有降的。但最近几年，农民收入呈现低增长趋势。对此，学者们提出了许多影响农民收入的因素。如国家财政的投入，国家税收的减免，农村人民文化水平的提高等等。有学者把提高农民收入分为“四法”：
1、加法——增加第一产业的产出
2、减法——切实减轻农负担
3、乘法——推进农业产业化经营
4、除法——减少农民数量
另外还有有一种流行的说法是解决农民收入的办法在农村之外。现有的研究大都从理论上进行说明影响农民收入的主要因素，特别是关于农民收入主要决定于农村之外的说法，大多都是从中国的二元结构出发，说明农村劳动生产率不高，需要依靠城市化和向城市转移劳动力来解决，而且也是根本的解决农村居民收入的办法。但很少做有关实证的分析，特别是把转移劳动力与农村自身的发展联合在一起来分析影响农民收入的根本因素。为此，我们采用计量分析的方法，把影响农民收入的内外因素结合起来，希望能从我们的分析中真正的找到改革开放以来影响农民收入的主要原因是什么。
研究方案与数据的搜集统计
通过我们对影响农业的主要因素的分析，和我们对改革开放以来的农业统计数据的分析。我们把影响农民收入的因素分为农村内因素和农村外因素，农村内的因素即是农业本身的资本，劳动，科技等的投入，从而我们把农业内的影响农民收入的因素主要分为三个方面进行分析，如下：
国家财政用于农业的支出（X1）：包括国家用于农业的科研支出，农村基本建设支出，支援农村生产支出和农林水利气象等部门的事业费，农村救济。
农业各税（X2）：包括农业税、牧业税、耕地占用税、农业特产税和契税。
农产品收购价格指数（X3）：价格指数以上年为基准，即上一年的价格指数=100
农业外的影响农业的因素主要是指城市化引起的农村产业结构，从而使农村人数的变化，从而对农民人均收入引起的变化，所以我们把农村产业结构的变化引起的农村居民人数的变化作为农村外影响因素的主要指标。在这里，农村居民人数是指的靠农业劳动获得收入的人，就是说不包括依靠农村第三产业，外出务工等作为主要收入的农民。
从这两方面的因素来看，结合改革开放农村的实际统计数据，我们认为农村外的因素才是影响农民收入的根本。即城市化和农村产业结构的变化对农民收入的影响有较根本性的作用。因为从中国的农村具体情况来看，农村劳动力过剩是一个基本的特征，因而使得农村劳动生产率低下，所以单纯依靠传统的农村本身发展，对中国这样的一个特殊的农业大国来说，想根本性的提高农民收入是不可能的。因而，我们研究这个问题时，先用农村内的影响因素对农民收入进行回归分析。然后我们把农村外的影响因素加入回归模型中，比较两次回归的优劣，如果加如农业外因素后的模型显然优于没加入时的模型，并且符合经济和统计的检验，那么我们可能有理由相信影响农民收入的真正原因，主要原因在农村之外。而如果加入农村外因素的引入对模型没多大的影响，我们则可以分析到底是我们模型的设定有误，还是劳动力转移对农村居民的收入影响的确是微弱的。
模型设定：（未包含农村外因素）
通过我们查阅资料，大多数研究影响农民收入因素的分析中，是把这些单个因素和农民的收入作简单线性回归。因而，我们将农村内影响农村居民收入的模型设定为以下简单的线性的三元方程：
Y=C+C1*X1+C2*X2+C3*X3+U
根据这三个方面，通过查找中国统计年鉴，我们得到如下的统计资：
年份 农村居民人均收入(Y) 国家财政用于农业的支出(X1) 农业各税(X2) 农产品收购价格指数(X3)
1980 191.3 149.95 27.67 107.1
1981 201.6 110.21 28.35 105.9
1982 240.4 120.49 29.38 102.2
1983 296.4 132.87 32.96 104.4
1984 356.3 141.29 34.84 104
1985 397.6 153.62 42.05 108.6
1986 423.8 184.2 44.52 106.4
1987 462.6 195.72 50.81 112
1988 544.9 214.07 73.69 123
1989 601.5 265.94 84.94 115
1990 686.3 307.84 87.86 97.4
1991 708.6 347.57 90.65 98
1992 784 376.02 119.17 103.4
1993 921.6 440.45 125.74 113.4
1994 1221.0 532.98 231.49 139.9
1995 1577.7 574.93 278.09 119.9
1996 1926.1 700.43 369.46 104.2
1997 2090.1 766.39 397.48 95.5
1998 2162 1154.76 398.8 92
1999 2210.3 1085.75 423.5 87.8
2000 2253.4 1231.54 465.31 96.4
2001 2366.4 1335.46 481.7 98.3
资料来源：中国统计年鉴2002
Y：农村居民人均收入（单位：元）
X1：国家财政用于农业的支出(单位：亿元)
X2：农业各税（单位：亿元）
X3：农产品收购价格指数（单位：%）
(注：价格指数以上年为基准，即上一年的价格指数=100)
三、模型的参数估计
得到如上的统计数据后，我们用EWIEWS软件对模型进行回归并得到模型的参数估计值。如下：
Dependent Variable: Y
Method: Least Squares
Date: 10/19/04 Time: 11:06
Sample: 1980 2001
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
C 233.8541 201.9679 1.157878 0.2620
X1 0.005803 0.197401 0.029397 0.9769
X2 4.675530 0.457780 10.21350 0.0000
X3 -0.382730 1.773267 -0.215833 0.8315
R-squared 0.990493 Mean dependent var 1028.768
Adjusted R-squared 0.988908 S.D. dependent var 787.2660
S.E. of regression 82.91315 Akaike info criterion 11.83643
Sum squared resid 123742.6 Schwarz criterion 12.03480
Log likelihood -126.2007 F-statistic 625.0942
Durbin-Watson stat 0.958254 Prob(F-statistic) 0.000000
表1
图1
所以模型的形式为：Y=233.8541+0.005803X1+4.67553X2-0.38273X3+U
四、检验分析
1、经济意义检验
从上表可以看出，X1的符号与经济意义是相符合的，从X2与X3的符号来看，似乎与经济意义相悖，但可能事实上并非如此，从物价指数X3来说，70年代以来，在各种价格的变动中，农民实际上是受损者，而不是受益者。因为农产品的价格上涨可能远比不上其他商品的上涨幅度，而这些商品又是农民生产生活所必须的，所以物价很可能是影响农民收入的一个重要因素。而我们在看第二个解释变量X2，农业的各种税收，其系数的符号与经济意义明显相悖，所以我们把X2排除在模型之外
2、计量经济学推断检验
(1)、多重共线性检验
由表1可以看出：F=625.0942>F(3,18)=3.16（显著性水平=0.05），且可决系数R=0.990493,表明模型从整体上看被解释变量与解释变量之间有显著的线形关系。但X1，X3的T检验值都非常小（<2），说明X1，X3对Y的影响不显著，这说明解释变量间可能存在多重共线性。我们用EVIEWS计算解释变量之间的简单相关系数得到：
表2
由表2我们可以看出：X1与X2之间存在高度的线性关系，相关系数高达0.97。由于X2违背经济原理，可能是由于X2的引入引起了共线性，我们把X2排除后得到下面的经济模型
Y=C+C1*X1+C3*X3+U
做回归得如下参数估计：
Dependent Variable: Y
Method: Least Squares
Date: 10/26/04 Time: 16:38
Sample: 1980 2001
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
C -317.7282 493.7842 -0.643456 0.5276
X1 1.956851 0.126259 15.49867 0.0000
X3 3.868425 4.373529 0.884509 0.3875
R-squared 0.935395 Mean dependent var 1028.768
Adjusted R-squared 0.928594 S.D. dependent var 787.2660
S.E. of regression 210.3718 Akaike info criterion 13.66175
Sum squared resid 840869.2 Schwarz criterion 13.81053
Log likelihood -147.2793 F-statistic 137.5474
Durbin-Watson stat 0.902709 Prob(F-statistic) 0.000000
表3
从表3可以看出，排除变量X2后，虽然可决系数的值有所降低，但X3的系数符合了经济意义，但X3的T值仍然很小（=0.884509），我们对X1和X3做逐步回归：
Dependent Variable: Y
Method: Least Squares
Date: 10/30/04 Time: 14:20
Sample: 1980 2001
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
C 114.4735 70.73879 1.618256 0.1213
X1 1.911572 0.114787 16.65324 0.0000
R-squared 0.932735 Mean dependent var 1028.768
Adjusted R-squared 0.929372 S.D. dependent var 787.2660
S.E. of regression 209.2240 Akaike info criterion 13.61120
Sum squared resid 875493.4 Schwarz criterion 13.71038
Log likelihood -147.7232 F-statistic 277.3304
Durbin-Watson stat 0.765503 Prob(F-statistic) 0.000000
表4
由表3和表4可以看出，引如变量X3使得X1和C的T值都变小了，而且可决系数的值也有稍微下降，所以，我们认为X3对模型的影响不大，可以舍去。得如下经济模型：
Y=C+C1X1+U
(2)、自相关检验
DW检验：由表4的DW=0.765503，在显著性水平=0.05下，查DW表，n=21,k=1, 得到dl=1.221,dv=1.420,由于DW=0.765503 <dl.。所以根据判定定理得到，随机误差项存在正的一阶自相关。
.自相关的修正：由于DW=0.765503，所以估计一阶自相关系数ρ=0.61725。
所以：GENR DY=Y-0.765503*(-1)Y
DX1=X1-0.765503*(-1)X1
用OLS法估计其参数得：
Dependent Variable: DY
Method: Least Squares
Date: 10/30/04 Time: 14:54
Sample(adjusted): 1981 2001
Included observations: 21 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 125.6701 52.64465 2.387139 0.0275
DX1 1.551101 0.180809 8.578655 0.0000
R-squared 0.794802 Mean dependent var 472.9573
Adjusted R-squared 0.784002 S.D. dependent var 331.8368
S.E. of regression 154.2232 Akaike info criterion 13.00507
Sum squared resid 451911.3 Schwarz criterion 13.10455
Log likelihood -134.5533 F-statistic 73.59332
Durbin-Watson stat 1.577062 Prob(F-statistic) 0.000000
表5
从输出的结果看，DW=1.57706,所以dv<DW<4-dv,所以，经过修正后的DW有所提高，落在了中间区域，已不存在自相关。经济模型得到改善。
（3）异方差检验
ARCH检验：
ARCH Test:
F-statistic 6.951963 Probability 0.006716
Obs*R-squared 8.834111 Probability 0.012070
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 10/30/04 Time: 15:21
Sample(adjusted): 1983 2001
Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 7726.776 7798.640 0.990785 0.3365
RESID^2(-1) 0.742949 0.250866 2.961537 0.0092
RESID^2(-2) -0.088557 0.249725 -0.354619 0.7275
R-squared 0.464953 Mean dependent var 23093.71
Adjusted R-squared 0.398072 S.D. dependent var 35150.23
S.E. of regression 27270.96 Akaike info criterion 23.40897
Sum squared resid 1.19E+10 Schwarz criterion 23.55809
Log likelihood -219.3852 F-statistic 6.951963
Durbin-Watson stat 1.998523 Prob(F-statistic) 0.006716
表6
从表6看到，Obs*R-squared=8.83411，表明随机误差项存在异方差。
异方差的修正：
用对数变换法做OLS回归得到：
Dependent Variable: LY
Method: Least Squares
Date: 10/30/04 Time: 15:36
Sample: 1980 2001
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
C 0.789427 0.288863 2.732875 0.0128
LX1 0.997454 0.048951 20.37655 0.0000
R-squared 0.954045 Mean dependent var 6.619998
Adjusted R-squared 0.951747 S.D. dependent var 0.844730
S.E. of regression 0.185559 Akaike info criterion -0.444383
Sum squared resid 0.688641 Schwarz criterion -0.345197
Log likelihood 6.888213 F-statistic 415.2038
Durbin-Watson stat 0.602275 Prob(F-statistic) 0.000000
表7
通过异方差的修正后，可决系数仍然比较高，而且各项系数都通过了T检验，
因此，农村内的影响因素模型基本设定为
Y=0.789427+0.997454X1+U
（4）加入农村人口变量（农村外因数）
我们加入农村外影响农民收入的因素，即农村产业结构变化，农村城市化过程中引起的劳动力人数的变化X4，X4是指的农村中主要依靠农、林、牧、渔业为主要收入的农村人口数量.（单位：万人）
年份 国家财政对农业的支出X1 农村从业人数
X4
1980 149.95 29808.40
1981 110.21 30677.60
1982 120.49 31152.70
1983 132.87 31645.10
1984 141.29 31685.00
1985 153.62 30351.50
1986 184.2 30467.90
1987 195.72 30870.00
1988 214.07 31455.70
1989 265.94 32440.50
1990 307.84 33336.40
1991 347.57 34186.30
1992 376.02 34037.00
1993 440.45 33258.20
1994 532.98 32690.30
1995 547.93 32334.50
1996 700.43 32260.40
1997 766.39 32434.90
1998 1154.76 32626.40
1999 1085.75 32911.80
2000 1231.54 32797.50
2001 1335.46 32451.00
表8
对X1，X4做回归得：
Dependent Variable: Y
Method: Least Squares
Date: 12/21/04 Time: 18:58
Sample: 1980 2001
Included observations: 22
Variable Coefficient Std. Error t-Statistic Prob.
C -797.1616 1419.879 -0.561429 0.5811
X1 1.869923 0.134226 13.93120 0.0000
X4 0.029105 0.045111 0.645190 0.5265
R-squared 0.931160 Mean dependent var 1028.768
Adjusted R-squared 0.923914 S.D. dependent var 787.2660
S.E. of regression 217.1574 Akaike info criterion 13.72525
Sum squared resid 895989.6 Schwarz criterion 13.87402
Log likelihood -147.9777 F-statistic 128.5012
Durbin-Watson stat 0.765221 Prob(F-statistic) 0.000000
表9
用表9和表7相对比，无论是从可决系数，还是各个变量的T检验来看，都是表7表现的比较好。引如X4，使得模型的拟合优度下降，而且X4的系数也明显的违背了经济意义，因为按找农村劳动力转移的理论，农村从业人员应和收入成反比的关系，而加入X4后，它的系数为正。所以我们考虑把X4排除在模型之外。
五、模型的确定
从表7看出，修正异方差后，模型的整体解释力得到增强，而且C和X1的解释能力都增强（T>2）。并没有违背经济意义，所以模型最后设定以表7为准：
Y=0.789427+0.997454X1+U
六、对模型的经济意义的分析及政策建议
1、在模型的假设时，我们假定了农村内三个经济变量对农民收入的影响，它们是国家的财政对农业的支出，农业各税和农产品收购价格指数。而从最终确定的模型来看，只保留了国家财政对农业收入的影响，我们可以说，在改革开放以后的一大段历史时期，从总体上来看，对农民收入影响最大的是国家的财政支持。因为国家对农业的财政支持包括了农业科技的研发投入，对农业的补助，农村基本设施的新建与改造等多方面。对农业推动可以说是根本上的，从我们的结果来看，也应证了科学技术是第一生产力这句话，农业科技，农业投入是影响农民收入的第一要因。所以，当前农民增收缓慢，可能是和国家对农村的投入相对于城市来说不足所引起的。国家应当进一步加大对农业的投入，主要是间接的技术投入，还包括完善农民的社会保障和提高农村居民的最低生活保障金等。
2、虽然在我们的模型中没有农业各种税收和农产品价格对农民收入的影响，这是因为从长期来看，他们可能对农民收入的影响并不明显。但不排除在一定历史时期内他们对农民收入有着一定的影响，从农产品的价格来说，我们知道，农产品的价格一般是比较稳定的，价格弹性是有限的，不可能会有很高的，因此依靠提高农产品价格来促进农民增收是有一定困难的。而从农业税收的角度考虑，现在中国的农业税收本来都不高，有些地方甚至已经开始免收农业税，但农民的收入并没有多大的提高，可见依靠税收来增加农民收入不是一个长期的办法。
3、农村外因素被排除在模型之外，这有悖于我们先前所设想的，因为中国是一个典型的二元制发展中国家，农民收入提高必须依赖于农村劳动力的转移。而改革开放以来的数据我们分析回归后得出的结论并不是这样，其中的原因可能是我们分析的是一个大的历史时期，而在90年代中期以前，农村劳动力的转移的力度是不够的，大多数农村居民还是主要依靠农村从业的收入。所以使得劳动力的转移对农民的收入影响也是很小的。农村居民收入可能在这一个大的时期主要还是靠农村自身的发展。
4、现阶段农村劳动力转移的意义，虽然我们的模型中把农村劳动力的减少看做是一个对农民收入影响并不显著的因素。但我们分析的是过去的历史数据，这只是说明了以前的状况。而现在，提高农民收入的主要途径，有可能正在朝着农村外转移，即是说农村劳动的转移才是现在或者将来的增加农民收入的主要办法。因此，我们这里并不是要否定农村劳动力转移对农民收入的意义。政府应该更加注重农村劳动力转移对农民收入的巨大作用和潜力。
六、存在的问题
1、其他的影响因素的影响，因为我们所研究的是农村居民的收入影响因素，而不是研究某一个方面，所以难免会有些因素没被考虑到，有些甚至是一些十分重要的因素。如天气、灾害等因素对农业、农民收入的影响就是十分显著的。而这些因素是难以统计的。
2、我们在模型中先分析了农村内的三个因素，通过回归去掉了一些不显著的因素，然后才加入了农村外的影响因素，这样的方法是不是合适？如果把农村内外的因素一起回归，然后再去掉一些不显著的影响因素，这种方法和我们的方法哪一个对模型的估计效果要好一些。
参考文献：
《提高农民收入方法探索》 李廷荣著 中国农业出版社
《农民收入、农民负担与结构调整》夏永祥等著 中国农业出版社
《农民收入与劳动力转移》 中国农业出版社
《农民收入增长问题研究》 鲜祖德 主编 中国统计出版社
《中国农业发展阶段》中国农业出版社编
《中国统计年鉴2002》
《计量经济学》庞皓 李南成 西南财经大学出版社
