eviews统计第二十章.pptVIP

第二十章 EVIEWS在社会学中的应用 综合案例：我国农村劳动力非农参与影响因素研究 ;一、研究背景和研究目的 ;二、研究设计;（1）职业选择（ZY）。个体的职业类型共分为13类，其中第5类为农民、渔民和猎人，其他12 类均为非农职业。因此，构造职业二值选择变量：“0”表示农业,“1”表示非农业。 （2）年龄及年龄的平方（NL、NL2）。我们将被调查者调查是所填写的年龄作为年龄变量，年龄平方变量将年龄变量进行平方得到。 （3）受教育程度(JY)。我们将个体的个体的受教育程度按照学历即，小学、初中、高中（中等技术学校) 、大学（大专）、硕士以上五个等级换算为受教育年限，分别记为6年、9年、12年、16年和19年。;（4）农业劳动任务(GD)。选取家庭耕地数量作为相应的代理变量，单位是亩。 （5）性别。本文对性别的衡量采用二值虚拟变量。其中：“0”代表女性，“1”代表男性。 （6）健康状况(JK)。我们采用自评健康状况。健康状况转化为二值变量，身体健康、一般均以“1”代表，差以“0 ”代表。;此外，为控制其他因素对估计结果的影响，我们引入了如下控制变量： （1）婚姻状况(HY)。婚姻状况可以通过对家庭负担和人口结构的影响对农村非农劳动的参与产生影响，因此，我们将其作为控制变量选入，本文对婚姻状况的衡量同样采用二值虚拟变量。其中：“0”代表未婚，“1”代表已婚。 （2）区域(QY)。本文的数据涉及我国9个省份，地区内农业生产条件和社区特征大致相同，而地区间条件则可能存在较大差异， 为了控制诸生产条件差异和社区特征等对非农劳动参与的影响，本文采取的办法是在计量检验中加入区域虚拟变量。这是因为，所以，加入省虚拟变量在一定程度上能够控制住个体的家庭特征对非农劳动参与的影响。根据东西部经济发展区域划分，根据省域变量将样本划分为东部、中部、西部3个区域。“1”代表东部，“2”代表中部，“3”代表西部。;指标; ;4.数据来源 本文的数据来源于北卡卡罗莱纳人口中心提供的中国健康和营养调查(China Health and Nutrition Survey， CHNS)。CHNS数据是包括中国9个省份(广西、贵州、黑龙江、河南、湖北、湖南??江苏、辽宁、山东)、7个年度(1989、1991、1993、1997、2000、2004和2006年)对约4400户、16000个个人的调查数据。CHNS项目设计的目标是检测健康、营养、计划生育政策和国家及地方政府补贴项目的实施效果，考察中国社会和经济转型如何影响人口的健康和营养状况，也用于测算社区组织及计划的改变、家庭和个人经济、人口及社会因素的改变对营养和健康行为和结果的影响。;根据分析的需要，我们首先剔除不符合要求的样本。数据剔除过程分为以下两步： （1）我们的研究目的是分析农村非农劳动参与的影响因素，鉴于不同年份的调查个体不完全相同，因此不符合组成面板数据的条件，因此我们采用截面数据分析。我们进行如下处理：选择2006年的调查数据，剔除其他年份的调查数据，选择农村观测点数据，剔除城市观测数据。 （2）剔除主要问题缺失的样本和调查时还在上学的样本。;四、LOGISTIC模型的估计;研究结论;（1）人力资本理论提出的相应结论在中国是符合的，个体在某一年龄以后，人力资本存量便开始加速下降，农村劳动力的非农参与和年龄之间呈现“倒U型”关系的假说。 （2）受教育程度的提高会增加农民适应非农岗位和城市生活的能力，因此受教育程度的提高会增加农民在非农工作部门找到工作的概率；此外受教育程度的提高由于在非农就业部门具有更大的边际收入提高效应，因此将会提高非农就业的净收益。此外，受教育程度的提高还会通过对城市生活方式和文化融入能力的提高从而通过减少城市生活成本而增加非农就业的净收益，从而促进了农村劳动力的非农参与。;（3）男性比女性更倾向于参与非农劳动，证明了我们提出的相对于女性，男性农业劳动力更倾向于非农劳动参与，传统的观念和女性在家庭中的定位对农村劳动力的非农参与具有重要的影响。 （4）农业劳动任务的增加（例如拥有更大面积的耕地）将通过促进农业就业收入的提高来降低非农产业的相对于农业的净收益。同时，农业劳动任务的增加使得农村的半劳动力无力承担种植业的相关劳动，使得家庭的主要劳动力无法进行非农劳动参与。 （5）我国农村劳动力具有“无条件参与”的非农参与特征，健康对农村劳动力的非农参与没有显著的影响。