SPSS论文

云南大学

学期结课论文论文题目:我国城镇居民收入差异的回归分析

院(部)名称:数学与统计学院

****:***

专业:统计学学号: 20131170134 论文提交时间: 2016年6月23日

我国城镇居民收入差异的回归分析

摘要

我国城镇居民收入差异受经济、体制、政策等多种因素的影响。本文对影响我国城镇居民收入差异的相关因素进行了分析,通过模型的建立,应用主成分回归分析方法对相关数据进行了实证研究,最后依据实证分析的结论提出了具体的政策建议。

关键词:城镇居民;收入差异;主成分回归分析

改革开放以来,我国城镇居民的收入水平有了大幅度的提高,在城镇居民收入快速增长的同时,其收入差距也不断扩大1993年以后,我国城镇居民收入分配差距进一步扩大,基尼系数从1993年的0. 27发展到2000年的0. 32,到2005年已经接近国际上所规定的0. 4的居民收入差距警戒线,差距扩大的速度令人担忧,对我国的社会经济的发展产生了很大的影响。

目录

第一章我国城镇居民收入差异的测度指标的选取

第二章我国城镇居民收入差异的主成分回归分析

2. 1 数据来源

2. 2 研究方法

2. 3 实证分析

第三章研究结果分析及政策建议

第四章参考文献

第一章我国城镇居民收入差异的测度指标的选取

本文从经济增长、就业、产业结构、再分配、价格等几个经济内生变量分析,选择出一些指标,运用多元统计分析中主成分回归方法筛选出具有显著影响效力的解释变量进行数量分析。

从经济增长方面看,美国发展经济学家西蒙·库兹涅茨在其《经济增长与收入不均等》论文中论证:一个国家或地区经济增长对国民收入分配产生这样的影响——即在经济发展初期,社会财富分配Vol. 28, No. 1 FORECASTING 2009年第1期差距随着经济增长而逐步扩大；当经济发展到一定阶段，个人收入分配差距将处于一个相对稳定局面，然后随着经济的进一步增长收入差距将逐步缩小，整个收入差距变化过程成倒“U”型。为此我们选择了GDP增长率指标。

从就业方面看, 20世纪90年代后期,由于历史性、体制性等多种因素,我国就业压力骤然增大,失业人数激增,而在我国对于中低收入阶层的居民,参加工作获得劳动报酬是其收入的主要来源。为此我们选择了城镇登记失业率指标。

从产业结构方面看,一国产业结构变化对居民收入分配格局的变化具有重要影响,处于各个收入阶层的居民分布在不同领域和不同行业,参加不同的经济活动,获得相异的收入。收入分配的行业差异、产业差异、所有制差异、就业差异等都会直接或间接地影响居民的收入分配差异的变动,为此我们选择了行业收入差异(收入最高行业与最低行业平均工资之比) 、第一产业增加值占GDP的比重、第三产业就业人数占全社会劳动者人数的比重等三个指标。

从社会再分配看,社会保障是国家依法建立、具有经济福利的国民生活保障和社会稳定系统,具有相对缩小城镇居民收入差距,减少社会不安定因素的作用,是国家调节社会收入进行再分配的重要手段。为此我们选择了社会救济抚恤支出占财政支出的比重这一指标。

从价格影响看,物价指数的上涨或下降不仅直接影响经济总量、制约分配政策并对居民实际收入水平发生作用。为此选择了城镇居民消费价格总指数观察价格变动。

从城镇居民工资和收入方面看,工资是我国城镇居民收入的主要来源,人均工资增长率呈现的变化规律与我国进行的几次工资调整(或改革)是一致的。每一次工资改革,一方面使得广大职工工资水平提高;另一方面,由于不同行业、不同部门工资调整的幅度不同,使得收入分配差距扩大。而居民可支配收入目前是我国用以衡量城镇居民收入最重要的指标,为此我们选择了职工平均工资增长率和城镇居民人均可支配收入增长率两个指标。

第二章国城镇居民收入差异的主成分回归分析

2. 1 数据来源

我们选取了1990～2004 年的城镇居民基尼系数( Y)和第一产业增加值占GDP 的比重(X1) 、行业收入差距(X2) 、社会救济抚恤支出占财政支出的比重(X3) 、第三产业就业人数占全社会劳动者人数的比重(X4) 、职工平均工资增长率

(X

5) 、城镇居民消费价格总指数(X

6

) 、GDP增长率(X

7

) 、城镇居民人均可支

配收入增长率(X8) 、城镇登记失业率(X9)等九个指标的数据资料。原始数据来源于《中国统计年鉴》( 1991～2005年)。限于篇幅,故略。

2. 2 研究方法

建立Y与各自变量Xi , 1 ≤i≤9 的回归模型如下

由于上述模型中的自变量之间存在多重共线性,因此不能对模型直接进行回归。为了解决自变量之间多重共线性对回归分析的影响问题, 所以,本文利用原始数据对自变量进行主成分回归分析[ 9 ] 。多元统计中的主成分回归方法是采用较少的新变量(主成分)代表原来的变量, 这些新变量是原来变量的线性组合,它们正交的新变量捕捉了尽可能多的原来变量的变差,包含了原来变量的大部分信息, 而且消除了原来变量的多重共线性问题,降低了变量的系数,很好地解决了上述问题。

2. 3 实证分析

利用原始数据资料,运用SPSS 12. 0软件计算结果如表1。

根据表1,前三个主成分的累计贡献率已经达到88. 148%,说明前三个主成分已基本包含全部指标具有的信息,且降维效果较好,因此选择前三个主成分作为评价指标,并计算出特征向量,见表2。

由此得到第一、第二和第三主成分的表达式为

F1 = -0.393ZX1+0.371ZX2-0.030ZX3+0.325ZX4+0.420ZX5-0.327ZX6-0.209ZX7- 0.295ZX8+0.433ZX9

F2 =-0.278ZX1+0.336ZX2+0.233ZX3- 0.003ZX4+0.161ZX5 +0.432ZX6 +0.526ZX7 +0.468ZX8+0.221ZX9

F3 =0.275ZX1+0.283ZX2+0.837ZX3-0.191ZX4-0.179ZX5-0.161ZX6- 0.116ZX7-0. 160ZX8+0.094ZX9

其中ZX i分别是X i的标准化数据。

第一主成分的贡献率为50.358% ,它在X9、X5和X1等指标上载荷较高, 反映了失业和工资的增长对于城镇居民收入差异的影响,命名为“失业和工资增长因子”; 第二主成分的贡献率为24. 128% ,它在X7、X8和X6等指标上载荷较高,反映了经济增长等对城镇居民收入差异的影响,命名为“经济增长因子”; 第三主成分的贡献率为13. 662% ,它在X3等指标上载荷较高,反映了社会保障对于城