基于成分数据收入分配与经济增长关系研究.docVIP

基于成分数据收入分配与经济增长关系研究 　　内容摘要：本文采用北京市城镇和农村地区的投资、消费以及可支配收入的结构数据，建立了北京市城镇和农村的投资状况与消费状况、收入之间的回归模型。应用基于成分数据的对称logratio变换与偏最小二乘的路径分析相结合的多元回归建模方法，为解决此类问题提供了一种有效的技术途径，具有一定的应用价值。 　　关键词：投资 消费 可支配收入 成分数据 　　问题的提出 　　在目前的经济背景下，我国在经济增长与居民收入增加的同时，居民收入差距不断扩大，各收入群体并没有均等地分享经济社会发展的成果。我国居民收入分配凸显不均，已初步显示出M型的收入分布特征，即低收入群体与高收入群体规模扩大、中等收入群体比重缩小的“两头大、中间小”的趋势。随着中国经济的快速增长，收入分配不平等也呈现出不断加剧的趋势，如基尼系数已从改革开放前的0.16上升至目前的0.5左右。收入分配不平等的加剧将严重制约消费的增长空间，并导致经济增长的内生动力严重不足。 　　收入分配是经济学中永恒的主题。从色诺芬开始，到威廉·配第、亚当·斯密，再到现代西方经济学以及马克思主义经济学，都把分配作为经济学研究的核心。20世纪五六十年代，经济增长理论获得了空前发展，发展经济学也得以在经济学的研究舞台上逐渐显露。这一时期的研究文献主要集中在讨论收入分配对消费和储蓄的影响，或者说研究经济增长过程中收入分配扮演的角色。20世纪70年代中期，西方学者主要从两方面对收入分配与经济增长的问题进行深入研究：一方面，依托内生经济增长理论，在理论层面研究收入分配不平等与经济增长的关系，并主要探讨了收入分配影响经济增长的机制；另一方面，更多学者在为收入分配和经济增长问题的理论研究寻找实证依据。 　　我国学者对收入分配问题的研究主要有如下几方面：第一，我国改革开放后居民收入差距变化的趋势，如何测量我国居民收入差距的程度；第二，我国收入差距不断扩大的原因；第三，在对收入差距持续扩大对经济增长不利的价值判断基础上，对如何缩小居民收入差距进行了一些理论探索。本文将对称logratio变换与偏最小二乘的路径分析相结合，实现多元成分数据的线性回归建模。作为实证研究，本文将分析北京市城镇和农村的投资结构与消费支出结构和可支配收入结构之间的关系，并以此说明多元成分数据回归建模的工作过程及其应用价值。 　　方法和模型 　　成分数据是一种应用十分广泛的数据类型，可以被用来反映诸如投资结构、产业结构、居民消费结构等问题。按照数学的定义，成分数据是指任意非负的p维矢量X=（x1，x2，…，xp）′，它的p个分量的取值满足以下约束条件： 　　。 　　（一）成分数据与logratio变换 　　首先介绍Aitchison提出的成分数据的对数（logratio）变换方法。成分数据X： 　　（1） 　　为解决新变量不能完全和原始变量相对应，模型的解释性不强的问题，本文在回归建模时采用对称Logratio变换，见公式（2）。利用它进行回归建模更能反映各个成分的特性，所建模型的可解释性也更强。但是，经对称Logratio变换得到的数据具有完全相关性，使得普通最小二乘回归方法在这种情况下完全失效，因而需要采用偏最小二乘回归方法进行建模。 　　（2） 　　（二）PLS路径分析模型 　　假设对于n个观测样本点有J组变量，Xj={Xj1， Xj2，…， Xjk}，j=1，2，…，J。其中，第j组中的第h个变量Xjh均被称为“显变量”。为了计算方便起见，设它们都是中心化的变量。另外，还假设每一组变量中的各个显变量都主要受到同一个标准化的“隐变量”ξj的影响，它可以大致表示成显变量Xjh的线性组合，用回归模型可以表达为： 　　（3） 　　另一方面，还可以用结构模型描述各个隐变量之间的关系，即每一个隐变量均可以表示成其他隐变量的回归函数，其形式为： 　　（4） 　　回归方程（3）和（4）描述了隐变量与显变量之间的关系，以及一个显变量和其他显变量之间的关系。从这两个基本关系式出发，可以采用下面的方法导出对隐变量ξj进行估计的迭代算法。首先根据方程（3），可以认为隐变量ξj是由其相应的显变量Xjh的线性组合来估计，记为Lj： 　　（5） 　　如果Li是与ξj相关联的隐变量ξi的估计值，还可以利用Li来估计隐变量ξj。这一估计值被记为Zj： 　　（6） 　　eji为内部权重，等于Lj和与其相连的各Yi的相关系数的符号函数值，即： 　　（7） 　　Wold提出采用公式（8）来计算公式（5）中的权重Wjh，即认为权重矢量Wj是Zj关于Xjh的回归系数矢量： 　　（8） 　　（三）成分数据的多元回归建模方法 　　根据成分数据logratio变换和PLS路径分析的方法，成分数据的多元回归建模方法如下： 　　1.对因变量Y和自变量