我国城乡人均收入差距实证分析及预测.docVIP

我国城乡人均收入差距实证分析及预测摘要：文章以我国1978-2007年城市和农村人均收入时间序列数据和影响因素数据为依据，运用Eviews软件，分析了其内在规律性，对其发展趋势进行了短期预测，并提出了相关的政策建议。 关键词：城乡人均收入差距；预测 自改革开放以来，我国人均收入水平迅速提高，但与此同时收入差距也在逐渐拉大甚至悬殊，其中城乡居民收入差距是当前中国居民分配结构中最受关注的社会焦点问题。本文以我国1978-2007年的城镇家庭平均每人可支配收入、农村居民家庭人均年纯收入以及农民人均农业税、农民人均固定资产投资总额、农业增加值（现价）的统计数据为依据，运用趋势模型、ARMA时间序列模型和线形回归模型，分析研究了其现实状况和未来走势以及影 响农村人均年纯收入的因素。 一、时间序列分析 ARMA模型应用软件Eviews5.0，对1978-2006年城镇家庭平均每人可支配收入估计，并预测2007年数值。 （一）数据准备 城镇家庭平均每人可支配收入序列指数上升趋势明显，典型非平稳序列，对此进行两次差分，得到图1。 进行ADFr检验，如图2所示。 参数小于1%零界水平，基本平稳，选View/Correlogram。 模型识别：ARMA模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得，例如：AR（p）模型自相关函数拖尾，偏自相关函数p步截尾；MA（q）模型自相关函数q步截尾，偏自相关函数拖尾；而ARMA模型的自相关函数与偏自相关函数都具有拖尾性。 由图1可以看出，偏自相关系数3、4较大，在k=4后很快地趋近于0，所以取p=3、4；自相关系数在k=1处不显著，k=4之后拖尾，可考虑q=2、3、4。为了使建立的模型更加精确，可适当放宽p与q的范围，建立ARMA（p，q）模型。 （二）用Eview软件回归分析 借助Eview软件，选取ARMA（3，2）、ARMA（3，3）、ARMA（3，4）、ARMA（4，2）、ARMA（4，3）、ARMA（4，4）6个模型进行分析，剔除明显不合理的，如表1所示。 由表1可知，ARMA（4，4）调整后的R2最大，AIC和SC值最小，但t检验没通过，ARMA（3，4）也较为合适。 我们选用ARMA（3，4），拟合结果为：ddyt=-0.380843ddyt-3+ut+0.425802ut-2+0.557194ut-4。 （三）模型的检验 若残差序列不是白噪声，意味着残差序列还存在有用信息没被提取，需要进一步改进模型。本文采用残差序列的卡方检验，检验的零假设是残差序列相互独立。通过直接观察残差序列的自相关分析图，其自相关系数都落入了随机区间，表明残差序列是独立的，可直接用于预测。 （四）模型的预测： 已知y2007=ln（city2007）=ln（13785.79）=9在Eviews里进行2007年的预测为2.00*10-6，则有： 误差为： （9.486360-9/9 100%=-0.472% 二、线形回归分析 应用软件Eviews5.0，对1978-2006年农村人均年纯收入的影响因素分析： 农业收入主要来源于农业生产活动，变量pfix（全社会固定资产投资额/年底乡村总人口数）用来描述农民对全国建筑活动做出贡献而增加的农村家庭现金收入，因为目前大部分的建筑活动由农民建筑工完成。变量padd（第一产业增加值/年底乡村总人口数）用来描述人均第一产业增加值（现价）对农村人均年纯收入的影响，变量ptax（国家财政决算收入中农业各税/年底乡村总人口数）用来描述人均国家农业各税对农村人均年纯收入的影响。pinc为农村人均年纯收入，因为1978、1979年全社会固定资产投资额无法得到，只能对1980-2006年的数据进行回归。 先将数据取对数，然后用Eviews软件试模拟（见表2）。 模型四拟合优度很好，t检验和DW检验都通过，可表示为： lnpinc=0.739042lnpat+0.149748lnpfix+0.86274+1.206837ut-1-0.541387ut-2+ut 模型的检验：自相关、异方差检验可以通过，残差基本平稳。 三、评价和结论 时间序列模型采用了两种不同方法，从预测效果看ARMA模型误差较小。线形回归模型并没有直接把农民人均农业税作为单独的解释变量组成三元回归，因为，这样作为单独的解释变量的农民人均农业税系数估计值为正，与实际严重不符。因此将其从人均农业增加值（现价）中扣除，间接地研究了其对农村居民家庭人均年纯收入的影响。 从模型关