计量经济学 我国农村人均生活消费支出与农村人均收入关系的计量分析

我国农村人均生活消费支出与农村人均收入关系的计量分析摘要：增加农民收入是我国扩大内需的关键，本文运用2007年我国农村人均生活消费支出与农村人均收入的数据，运用异方差的相关知识进行计量分析，通过建立回归模型的基本操作过程和借助于统计软件，建立我国农民人均生活消费支出的初步模型，以便更好的了解我国农村居民的消费支出与人均收入的关系。根据《2007年中国统计年鉴》的数据，对农民人均生活消费支出做了回归分析，并得出了系列结论。

关键词：农村人均消费支出一元线性回归异方差

一、问题提出

我国是一个农业大国，至今仍有9亿农村人口，占全国人口总数的70%，农民是我国最大的消费群体，农村消费能力的提升直接关系到国民经济的全局。从农村市场看，中国有近六成人口(约8亿)生活在农村。农村城镇化的进程对经济增长的带动作用是非常明显的，世界上还没有哪个国家有规模如此巨大的城镇化。农村居民的收入虽然低于城市居民，但是基数巨大，且农村人口的收入也在稳定增长。据测算，目前1个城镇居民的消费水平大体相当于3个农民的消费；城市化率提高1个百分点，就会有100万～120万人口从农村到城市。由于城市人口的消费是农村的2.7～3倍，约拉动最终消费增长1.6个百分点。

随着经济的发展，我国农民的消费水平和结构也发生了很大变化，农民生活水平的提高和消费的增加对于实现国民经济又好又快发展、正确处理好内需和外需的关系至关重要。但从总体来看，农民消费水平仍然较低，调查显示有的地区都不及城市居民人均消费支出的三分之一。而且消费结构不合理，局限于食品类等生存基本需求品，消费在衣着装饰等方面的极少。而影响农民消费水平的根本原因是农民的收入。本文主要研究收入对支出的影响。

二、经济理论

我国是发展中的农业大国，全面建设小康目标能否实现，重点、难点在于提高农村居民的人均收入。要实行农村居民生活稳定，农村居民要达到小康水平，其前提条件就是要保持农村居民人均收入的持续稳定快速发展，改革开放以来，我国农村经济体制改革所取得的快速发展给农民带来了真正的实惠，我国农村人均收入和全国消费水平都有较大幅度的提高，为了对我国农村人均收入情况作进一步的了解，如何客观、合理、准确地分析支出对消费的影响情况，具有重要理论和现实意义。

三、模型设定

一元线性回归分析方法是研究两个或多个变量之间关系的统计分析方法，在实际问题中，因变量y往往与多个变量x1、

x2…xn有关。在本文中只选取农民人均收入、食品、衣着、家庭设备和医疗保健作为解释变量。

下表是要进行处理的31个省市的农村居民消费相关的原始数据，数据来源于《2007中国统计年鉴》。

各地区农村居民家庭平均每人生活消费支出(2007) 单位: 元

西藏1435.41 2435.02 500.57 175.18 117.00 54.37

陕西1938.60 2260.19 612.12 138.33 94.88 195.61

甘肃1365.33 2134.05 381.12 97.23 77.78 127.35

青海1657.87 2358.37 450.66 160.51 90.12 192.77

宁夏1824.87 2760.14 523.86 159.10 104.32 187.60

新疆1696.40 2737.28 494.47 182.85 70.79 189.69 变量选择和说明：被解释变量即自变量：农民人均生活消费支出；解释变量即因变量：农民人均收入X，建立以下模型，其表达式是：

Y=C+βX

四、异方差检验

根据表中的数据，采用EViews软件进行一下回归分析。

(一)、用OLS法参数估计

由上图可以得出Y=0.776790X-416.3708，可决系数和可调整的可决系数分别为0.9176、0.914868，非常的接近1，这表明利用线性模型解释它们之间的关系是比较适合的。（二）异方差诊断

1．图示法检验

根据操作原理中的方法，可以绘制出被解释变量Y与解释变量X的散点图，如图所示：

从散点图形中可以看出，存在着随X的增加，散点分布的区域不是很明显有扩大趋势，所以继续检验异方差性。

绘制E2与X的散点图

从图中可以看出，残差平方随着人均收入的增加而不规则的变化，表明农村人均收入的方差是不同的，所以判定存在异方差。

2.怀特检验法

从表中可以看出N.R2=11.99249，自由度为2的X2分布在5%的显著性水平下对应临界值为5.991，很明显，在5%的显著性水平下可以拒绝原假设，即存在异方差。

3.goldfeld-quandt检验

前12个样本的OLS回归结果

后13个样本的OLS回归结果

进行F检验：F=2943512/70398.24=41.812295，F0.05（12，13）=2.6，因此，很明显存在异方差性。

（三）异方差的处理

Dependent Variable: X

Method: Least Squares

Date: 10/22/13 Time: 22:30

Sample: 1 32

Included observations: 32

Weighting series: WI

Weight type: Inverse standard deviation (EViews default scaling)

White heteroskedasticity-consistent standard errors & covariance

Variable Coefficient Std. Error t-Statistic Prob.

C 485.9328 12.63651 38.45466 0.0000

Y 1.314856 0.006958 188.9681 0.0000

Weighted Statistics

R-squared 0.999453 Mean dependent var 2873.927 Adjusted R-squared 0.999434 S.D. dependent var 16253.73 S.E. of regression 0.007612 Akaike info criterion -6.857653 Sum squared resid 0.001738 Schwarz criterion -6.766044 Log likelihood 111.7224 Hannan-Quinn criter. -6.827287 F-statistic 54776.01 Durbin-Watson stat 1.788654 Prob(F-statistic) 0.000000 Weighted mean dep. 2873.830

Unweighted Statistics

R-squared 0.905737 Mean dependent var 3862.173 Adjusted R-squared 0.902594 S.D. dependent var 1759.278 S.E. of regression 549.0683 Sum squared resid 9044279. Durbin-Watson stat 1.756710