1、新疆农民纯收入影响因素分析摘要：本文依据30年来新疆和全国统计年鉴相关数据，采用建立数学模型的分析研究方式，解析了各个相关因素对新疆农民纯收入所产生的影响。其旨在从30年来新疆农民收入的变化中，找出影响新疆农民收入增长的主要因素。关键字：农民人均纯收入 多元线性回归 一、引言农民收入问题是“三农”问题的核心和影响国民经济发展的重要因素，增加农民收入，是检验农村各项工作成效的主要标志。改革开放以来，新疆农村居民收入水平显著提高，生活质量显著改善。但是与城镇居民收入相比，农民收入增长的速度不高，与全国农民纯收入平均水平相比，还存在很大差距。在新的发展阶段，理性地看待农民的收入现状和未来趋势，认真分
2、析研究新疆农民增收问题，探寻促进农民增收的有效途径，制定符合实际、科学合理的农村政策，采取各种有力措施，保证农民收入不断增加，具有重要的现实意义。 二、新疆农民人均纯收入变化的主要特点（一）总体保持快速增长的态势自 1978 年以来，新疆农民收入总体来说是保持了较快增长的态势， 2008 年新疆农民纯收入为 3503 元，比 1978 年增长了 28 倍，年均增长 11.9%。总体来看，大致分为三阶段：1978 年-1993 年为平稳增长期，1994 年-1999 年为波动增长期，2000 年-2008 年为快速增长期。（见图 1）图1： 新疆农民人均纯收入趋势图05120354人981369
3、81259801247人人人人人人（二）城乡居民收入、区域农民收入差距扩大改革开放以来，新疆城镇居民人均可支配收入也大幅增长，由1978 年的 319 元增加到 2008 年的 11432 元，增长了 35 倍，年均递增 12.7，城镇居民收入增长比农村快 0.8 个百分点，城乡居民收入差距比（以农村为 1，下同）由 1978 年的 2.68：1 扩大到 2008年的 3.26：1，收入差距扩大了 58%。自 1978 年以来城乡居民收入差距呈现出缩小、扩大、趋于平稳的轨迹，19781990 年城乡居民收入差距在波动趋向缩小，1990 年城乡收入比缩小为1.92：1，19911995 年城乡居
4、民收入差距持续扩大，1995 年城镇居民可支配是农民收入的 3.66 倍。1996 至 2008 年在（3.13，3.63）区间中逐渐趋于稳定。图 2： 新疆城乡居民收入比城 乡 收 入 比0.000.501.001.502.002.503.003.504.00年份 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007城 乡 收 入 比与全国平均水平相比，新疆农民人均纯收入和全国农民人均纯收入保持着相同的增长轨迹，但增长速度明显滞后，19782008 年全国农民人均纯收入由 133.6 元增加到 4
5、760.6 元，增长了 35 倍，年均增长 12.6%，比新疆快 0.7 个百分点。以新疆农民人均纯收入为 1，1978 年全国农民人均纯收入是新疆的 1.12 倍，到 2008 年扩大为 1.36 倍，扩大了 23.9%。19781990 年新疆农民收入增长与全国基本同步，与全国收入差距在波动中趋于稳定。1991 年以后，新疆农民收入增长速度慢于全国，与全国农民收入差距逐渐拉大。2008 年新疆农民收入水平仅相当于全国的 73.6%。图 3：新 疆 与 全 国 农 民 纯 收 入 对 比 图0500100015002000250030003500400045005000年 份 1979 19
6、82 1985 1988 1991 1994 1997 2000 2003 2006全 国 农 民 人 均 纯 收 入（ 元 ）新 疆 农 民 人 均 纯 收 入（三）家庭经营性收入一直是农民收入的主要来源新疆农民收入在构成上有着明显的特点，即一直保持着以家庭经营收入为主体的结构性特征。按照现行的农村住户调查方案中规定，农民纯收入分为工资性收入、家庭经营性收入、财产性收入和转移性收入四部分。表1中可以详见到新疆农民收入这种结构性的特征。表 1： 1978-2008 年新疆农村居民纯收入构成 年份 工资性收入 家庭经营收入 财产及转移性性收入1978 77.74% 20.34% 2.07%197
7、9 0.00% 0.00% 0.00%1980 67.42% 23.81% 8.66%1981 0.00% 0.00% 0.00%1982 0.00% 0.00% 0.00%1983 24.00% 70.21% 5.88%1984 14.42% 80.82% 4.66%1985 10.06% 87.07% 2.94%1986 9.63% 88.31% 2.04%1987 8.89% 89.25% 1.80%1988 8.55% 88.79% 2.76%1989 9.43% 87.66% 2.84%1990 8.26% 89.58% 2.08%1991 8.14% 90.18% 1.71%199
8、2 9.07% 89.00% 1.99%1993 5.05% 90.60% 4.30%1994 5.04% 85.87% 9.04%1995 5.67% 85.10% 9.18%1996 4.30% 85.76% 9.95%1997 4.82% 88.37% 7.11%1998 5.30% 87.52% 4.69%1999 7.41% 88.22% 4.38%2000 6.46% 89.70% 3.84%2001 7.71% 90.18% 2.14%2002 7.63% 89.38% 3.01%2003 6.66% 89.03% 4.32%2004 6.16% 87.77% 6.07%2005
9、 7.88% 86.25% 5.88%2006 9.28% 84.87% 5.85%2007 10.39% 82.49% 7.12%2008 12.07% 79.50% 8.43%三、影响农民收入的因素分析（模型的设定和检验）（一）多元回归线性模型的设定1变量的选择农民纯收入主要由家庭经营收入、工资性收入、财产及转移性收入构成。同时考虑到农民纯收入受内部和外部双重因素影响，再选取整半劳动力占常住人口的比重和初中以上文化程度占常住人口比重等内部因素和地方财政农业支出、恩格尔系数、农村居民消费价格指数等外部因素，作为解释变量（自变量） 。2数据整理和模型构建本模型采用了新疆和全国统计年鉴上 197
10、8-2007 连续 30 年的数据，并采用 spss13.0 统计软件进行数据处理与分析。为了数据处理的需要，对所有变量的名称进行下列处理：家庭经营性收入（jtsr） ，工资性收入（gzsr） 、财产及转移性收入（czsr） 、恩格尔系数（enger） 、整半劳动力占常住人口比重（ldl） 、初中以上文化程度占常住人口比重（whcd） 、地方财政农业支出（dfcz） 、农村居民消费指数（xfzs） 、年份（nf） 。为了初步了解 9 个变量间的相互趋势关系，首先对各变量进行矩阵散点图和偏相关分析预处理（见图 4） 。从散点图来看，各变量均与因变量存在不同程度上的线性关系；从偏相关分析看（表 2
11、） ，各变量与因变量间的相关系数均大于 0.5,且对应的概率 P 值都小于显著性水平 0.05，表明各变量与因变量农村人均纯收入存在线性关系。图 4： 矩阵散点图xfzswhcdfzldengrczsrjtrgzsrjnfnfrjsgzjtsrczrengldfczwhdxzs表2： 偏相关系数分析CorrelationsControl Variables rjsr gzsr jtsr czsr ldl dfcz whcd xfzs engerCorrelation 1.000 .916 .888 .754 -.018 .842 .844 .194 -.387rjsrSignificance
12、(2-tailed) . .000 .000 .000 .925 .000 .000 .314 .038Correlation .916 1.000 .758 .606 -.173 .846 .861 .069 -.253gzsrSignificance (2-tailed) .000 . .000 .000 .369 .000 .000 .722 .186Correlation .888 .758 1.000 .831 -.181 .715 .711 .480 -.458jtsrSignificance (2-tailed) .000 .000 . .000 .348 .000 .000 .
13、008 .012Correlation .754 .606 .831 1.000 -.033 .716 .552 .396 -.597czsrSignificance (2-tailed) .000 .000 .000 . .866 .000 .002 .033 .001Correlation -.018 -.173 -.181 -.033 1.000 .119 -.267 -.527 -.250ldlSignificance (2-tailed) .925 .369 .348 .866 . .539 .161 .003 .191nfdfcz Correlation .842 .846 .71
14、5 .716 .119 1.000 .574 -.098 -.389Significance (2-tailed) .000 .000 .000 .000 .539 . .001 .612 .037Correlation .844 .861 .711 .552 -.267 .574 1.000 .337 -.162whcdSignificance (2-tailed) .000 .000 .000 .002 .161 .001 . .074 .400Correlation .194 .069 .480 .396 -.527 -.098 .337 1.000 -.024xfzsSignifica
15、nce (2-tailed) .314 .722 .008 .033 .003 .612 .074 . .903Correlation -.387 -.253 -.458 -.597 -.250 -.389 -.162 -.024 1.000engerSignificance (2-tailed) .038 .186 .012 .001 .191 .037 .400 .903 .根据上述的分析，我们可以假设因变量和变量间存在线性关系，并建立以下线形模型：农民人均纯收入=a+b1*工资性收入+b2*家庭经营性收入收入+b3*财产及转移性收入-b4*恩格尔系数+b5*整半劳动力比重+b6*初中以上
16、文化程度占常住人口比重+b7*地方财政农业支出+b8*农村居民消费指数+b9*年份+其中， 为系统误差。由于各变量对因变量的有较强的相关关系，我们尝试对模型直接采取逐步回归分析处理，以期在回归过程中逐步剔除对因变量影响因素较小的变量。逐步回归过程见附表，模型第六次回归处理后的模型拟合度和回归系数分别如下：表3： 模型摘要Change StatisticsModel RR SquareAdjusted R SquareStd. Error of the EstimateR Square ChangeF Change df1 df2Sig. F ChangeDurbin-Watson1 .991(
17、a) .981 .981 117.767 .981 1484.934 1 28 .000 2 .995(b) .989 .988 91.669 .008 19.213 1 27 .000 3 .998(c) .995 .995 61.679 .006 33.639 1 26 .000 4 .998(d) .996 .995 57.464 .001 4.954 1 25 .035 5 .999(e) .997 .996 50.761 .001 8.039 1 24 .009 6 .998(f) .997 .996 51.013 .000 1.248 1 24 .275 1.249a Predic
18、tors: (Constant), jtsrb Predictors: (Constant), jtsr, whcdc Predictors: (Constant), jtsr, whcd, xfzsd Predictors: (Constant), jtsr, whcd, xfzs, ldle Predictors: (Constant), jtsr, whcd, xfzs, ldl, gzsrf Predictors: (Constant), jtsr, whcd, ldl, gzsrg Dependent Variable: rjsr表4： 线性回归分析系数ModelUnstandard
19、ized CoefficientsStandardized Coefficients Collinearity StatisticsBStd. ErrorBeta t Sig. Tolerance VIF(Constant) -1800.324 215.127 -8.369 .000 jtsr .262 .032 .472 8.252 .000 .038 26.385whcd 14.821 5.123 .175 2.893 .008 .034 29.379ldl 31.649 5.072 .248 6.240 .000 .079 12.6986gzsr 2.123 .276 .166 7.69
20、7 .000 .265 3.768a Dependent Variable: rjsr得到线性多元回归模型如下：农民人均纯收入（rjsr）=-1800.324+2.123*工资性收入(gzsr)+0.262*家庭经营性收入(jtsr)+31.649*整半劳动力比重(ldl)+14.821*初中以上文化程度比重(whcd)（二）线性多元回归模型检验从逐步回归的结果来看，模型的复相关系数 R、和决定系数 R2来看都高达 0.99，说明模型 6 的拟和程度是很理想的。各回归系数对应的概率 P 值均小于显著性水平 0.05，表明变量jtsr、whcd、ldl、gzsr 对因变量 rjsr 均有很强的线
21、性关系。一般来说，复相关系数值越大，说明线性回归关系越密切。但光用复相关系数评价多元线性回归模型优劣时仍存在不足。有时虽然决定系数很大，但误差均方仍很大，这会导致估计的可信区间很宽，从而失去实际应用价值。因此，这就需要我们还得多采用几种方法衡量模型的优劣性。1 线性多元回归方程显著性检验（1）F 检验考察模型中的自变量与因变量之间是否存在线性关系，也就是检验各自变量的回归系数是否均为 0 ，即采用方差分析的基本思想（F 检验）进行判断。建立原假设:Ho: b1=b2=b5=b6=0H1:各 bi 不等于 O 或不全等于 O表 5： 方差分析表ModelSum of Squares df Mea
22、n Square F Sig.Regression 20917799.716 4 5229449.929 2009.566 .000(f)Residual 65056.951 25 2602.278 6Total 20982856.667 29 F = 2009.566,P = .100).2whcd .Stepwise (Criteria: Probability-of-F-to-enter = .100).3xfzs .Stepwise (Criteria: Probability-of-F-to-enter = .100).4ldl .Stepwise (Criteria: Probab
23、ility-of-F-to-enter = .100).5gzsr .Stepwise (Criteria: Probability-of-F-to-enter = .100).6. xfzsStepwise (Criteria: Probability-of-F-to-enter = .100).a Dependent Variable: rjsr模型摘要Model Summary(g)Change StatisticsModel RR SquareAdjusted R SquareStd. Error of the EstimateR Square Change F Change df1
24、df2Sig. F Change Durbin-Watson1 .991(a) .981 .981 117.767 .981 1484.934 1 28 .000 2 .995(b) .989 .988 91.669 .008 19.213 1 27 .000 3 .998(c) .995 .995 61.679 .006 33.639 1 26 .000 4 .998(d) .996 .995 57.464 .001 4.954 1 25 .035 5 .999(e) .997 .996 50.761 .001 8.039 1 24 .009 6 .998(f) .997 .996 51.0
25、13 .000 1.248 1 24 .275 1.249a Predictors: (Constant), jtsrb Predictors: (Constant), jtsr, whcdc Predictors: (Constant), jtsr, whcd, xfzsd Predictors: (Constant), jtsr, whcd, xfzs, ldle Predictors: (Constant), jtsr, whcd, xfzs, ldl, gzsrf Predictors: (Constant), jtsr, whcd, ldl, gzsrg Dependent Vari
26、able: rjsr回归系数表ModelUnstandardized CoefficientsStandardized Coefficients Collinearity StatisticsBStd. ErrorBeta t Sig. Tolerance VIF(Constant) 78.205 33.964 2.303 .029 1jtsr .549 .014 .991 38.535 .000 1.000 1.0002 (Constant) -812.970 205.026 -3.965 .000 jtsr .326 .052 .588 6.258 .000 .045 22.060whcd
27、 34.963 7.976 .412 4.383 .000 .045 22.0603 (Constant) -756.912 138.290 -5.473 .000 jtsr .447 .041 .806 10.958 .000 .034 29.832whcd 39.335 5.420 .464 7.258 .000 .044 22.495xfzs -1.648 .284 -.279 -5.800 .000 .078 12.8014 (Constant) -1149.863 218.564 -5.261 .000 jtsr .422 .039 .762 10.703 .000 .031 32.
28、249whcd 37.823 5.095 .446 7.424 .000 .044 22.903xfzs -1.714 .266 -.291 -6.434 .000 .077 12.961ldl 9.836 4.419 .077 2.226 .035 .132 7.5975 (Constant) -1638.053 258.697 -6.332 .000 jtsr .309 .053 .558 5.831 .000 .013 74.589whcd 20.921 7.470 .247 2.801 .010 .016 63.088xfzs -.534 .478 -.091 -1.117 .275
29、.019 53.494ldl 26.256 6.984 .205 3.759 .001 .041 24.318gzsr 1.581 .558 .124 2.835 .009 .064 15.550(Constant) -1800.324 215.127 -8.369 .000 jtsr .262 .032 .472 8.252 .000 .038 26.385whcd 14.821 5.123 .175 2.893 .008 .034 29.379ldl 31.649 5.072 .248 6.240 .000 .079 12.6986gzsr 2.123 .276 .166 7.697 .0
30、00 .265 3.768残差统计量Residuals Statistics(a)Minimum Maximum MeanStd. Deviation NPredicted Value 142.45 3190.52 1091.33 849.296 30Std. Predicted Value -1.117 2.472 .000 1.000 30Standard Error of Predicted Value 11.520 42.892 19.838 6.446 30Adjusted Predicted Value 134.98 3208.67 1090.42 849.925 30Residu
31、al -80.471 140.547 .000 47.364 30Std. Residual -1.577 2.755 .000 .928 30Stud. Residual -1.638 3.028 .009 1.015 30Deleted Residual -88.516 169.790 .914 56.882 30Stud. Deleted Residual -1.699 3.729 .031 1.101 30Mahal. Distance .512 19.535 3.867 3.636 30Cooks Distance .000 .382 .041 .078 30Centered Leverage Value .018 .674 .133 .125 30a Dependent Variable: rjsr
