吉尼系数影响因素的计量分析

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

吉尼系数影响因素的计量分析
一.总论及模型变量的选择。

收入和财富分配的不均等,长期以来是与经济发展相伴生的。

它不仅影响着一个国家和地区的经济增长,而且还影响着该国家或地区的政治稳定和社会发展。

因此,它一直是世界上许多社会经济学家研究和分析的焦点所在,是发展经济学研究的核心问题。

平等与发展,或者公平与效率是经济学一个永恒的话题。

二者的抉择对各国的发展具有重大的影响。

对于收入分配不均等程度的测量,目前常用的方法是洛伦兹曲线(Lorenz curves)和吉尼系数(Gini coefficient)。

洛伦兹曲线是衡量收入分配不均等程度的几何工具,它表示一定比例人口所占有的收入比例量,反映了相对生活水平,这种方法与传统的偏离平均生活水平程度的统计方法相比,能够全面地描述相对生活水平状况,也为研究收入分配不均等问题提供了依据。

我们结合发展经济学和西方经济学的理论知识,通过对24个国家吉尼系数影响因素的分析,了解收入分配不均等的形成原因。

这些因素既包括结构性或制度性因素(如城乡差异、地区差异、体制内外差异等),也包括个体因素(如个人的文化程度、职业、年龄、性别、政治身份等)。

由于存在政府的转移支付等政策因素对收入分配的影响,而这些政策的实施则受限于GDP的增长,所以我们引入了国民生产总值。

而人均国民生产总值考虑一国的人口基数则更可以代表了一个国家的经济发展水平,所以我们采用此变量。

世界上的国家大都存在一个恶性循环,即人口的增长问题。

收入较低的阶层往往生更多的孩子,收入很高的阶层则普遍生得较少。

农村人口占了低收入阶层的绝大部分,部分低收入城市居民也存在多生现象。

所以我们把人口增长率进入模型。

一般来讲,一个国家城市人口较之农村人口收入高,若城市人口占据的比重大了,获得较高收入的人口数量相对增加了,从而影响收入在不同阶层间的分配状况,影响吉尼系数。

众所周知,受教育的程度影响获得收入的水平不同。

一国的教育水平影响人们获得收入的机会。

从而影响不同收入阶层之间比重。

吉尼系数也会随之变化。

二.基于上述理论初步设置计量经济模型
Y =α+β1X1+β2X2+β3X3+β4X4+u
其中:X1表示人均国民生产总值;
X2表示人口增长率;
X3表示城市人口所占比重;
X4表示成人非文盲人口所占比重(占15岁及以上人口比重)
1.下面进行初步回归:
以上结果表明,拟合很好,整体回归显著,但是部分变量的T 不显著,可以判定存在严重的多重共线,进行逐步回归。

对变量x1 进行回归,结果如下: Dependent Variable: Y Method: Least Squares
Date: 12/20/04 Time: 20:26 Sample: 1 24
X1 -0.000289 0.000136 -2.120443 0.0455 R-squared
0.169695 Mean dependent
var
36.52917 Adjusted R-squared 0.131954 S.D. dependent var 8.576179 S.E. of regression 7.990342 Akaike info criterion 7.073999 Sum squared resid 1404.602 Schwarz criterion 7.172171 Log likelihood -82.88799 F-statistic 4.496277 Durbin-Watson stat 2.091889 Prob(F-statistic) 0.045481
对变量x2 进行回归,结果如下:
Dependent Variable: Y Method: Least Squares Date: 12/20/04 Time: 20:26 Sample: 1 24
Dependent Variable: Y Method: Least Squares
Date: 12/20/04 Time: 20:25 Sample: 1 24
X4 -0.330842 0.083230 -3.975029 0.0008 X3 -0.037652 0.087213 -0.431718 0.6708 X2 0.927918 0.140675 6.596197 0.0000 X1 -0.000172 9.79E-05 -1.754393 0.0955 R-squared
0.757585 Mean dependent
var
36.52917 Adjusted R-squared 0.706550 S.D. dependent var 8.576179 S.E. of regression 4.645801 Akaike info criterion 6.092856 Sum squared resid 410.0858 Schwarz criterion 6.338284 Log likelihood -68.11428 F-statistic 14.84451
Variable Coefficient Std. Error t-Statistic Prob.
X2 0.539199 0.136626 3.946525 0.0007
R-squared 0.414505 Mean dependent var 36.52917
Adjusted R-squared 0.387892 S.D. dependent var 8.576179
S.E. of regression 6.709775 Akaike info criterion 6.724663
Sum squared resid 990.4636 Schwarz criterion 6.822834
Log likelihood -78.69596 F-statistic 15.57506
Durbin-Watson stat 2.230820 Prob(F-statistic) 0.000687
对变量X3进行回归,结果如下:
Dependent Variable: Y
Method: Least Squares
Date: 12/20/04 Time: 20:26
Sample: 1 24
Included observations: 24
X3 -0.065502 0.085588 -0.765325 0.4522
R-squared 0.025933 Mean dependent var 36.52917
Adjusted R-squared -0.018342 S.D. dependent var 8.576179
S.E. of regression 8.654476 Akaike info criterion 7.233686
Sum squared resid 1647.799 Schwarz criterion 7.331857
Log likelihood -84.80423 F-statistic 0.585722
Dependent Variable: Y
Method: Least Squares
Date: 12/20/04 Time: 20:26
Sample: 1 24
Variable Coefficient Std. Error t-Statistic Prob.
X4 -0.028186 0.076640 -0.367773 0.7166
R-squared 0.006110 Mean dependent var 36.52917
Adjusted R-squared -0.039066 S.D. dependent var 8.576179
S.E. of regression 8.742094 Akaike info criterion 7.253832
Sum squared resid 1681.333 Schwarz criterion 7.352003
Log likelihood -85.04598 F-statistic 0.135257
Durbin-Watson stat 2.293358 Prob(F-statistic) 0.716557
比较以上回归结果可知:变量X2 的拟合优度最好,T值最显著。

遂逐步引入其他解释变量。

首先引入x1,进行回归:
Dependent Variable: Y
Method: Least Squares
Date: 12/20/04 Time: 20:27
Sample: 1 24
X2 0.496811 0.164607 3.018160 0.0065
X1 -6.63E-05 0.000138 -0.481397 0.6352
36.52917 R-squared 0.420896 Mean dependent
var
Adjusted R-squared 0.365743 S.D. dependent var 8.576179 S.E. of regression 6.830090 Akaike info criterion 6.797021 Sum squared resid 979.6528 Schwarz criterion 6.944278 Log likelihood -78.56426 F-statistic 7.631455
引入x3后的回归结果如下:
Dependent Variable: Y
Method: Least Squares
Date: 12/20/04 Time: 20:28
Sample: 1 24
X2 0.768920 0.164634 4.670493 0.0001
X3 0.173979 0.079958 2.175881 0.0411
C 17.60756 6.070601 2.900464 0.0086 R-squared 0.522221 Mean dependent var 36.52917 Adjusted R-squared 0.476718 S.D. dependent var 8.576179 S.E. of regression 6.203857 Akaike info criterion 6.604688 Sum squared resid 808.2445 Schwarz criterion 6.751945 Log likelihood -76.25625 F-statistic 11.47668 Durbin-Watson stat 2.318796 Prob(F-statistic) 0.000428 引入x4 后的回归结果如下:
Dependent Variable: Y
Method: Least Squares
Date: 12/20/04 Time: 20:29
Sample: 1 24
X2 1.003471 0.140319 7.151342 0.0000
X4 -0.280112 0.060413 -4.636623 0.0001
R-squared 0.710685 Mean dependent var 36.52917
Adjusted R-squared 0.683131 S.D. dependent var 8.576179
S.E. of regression 4.827626 Akaike info criterion 6.103055
Sum squared resid 489.4255 Schwarz criterion 6.250312
Log likelihood -70.23667 F-statistic 25.79261
Durbin-Watson stat 2.057363 Prob(F-statistic) 0.000002
由以上结果知,加入X1后可决系数变小,故剔除,加入X3和X4后的修正可决系数都变大了,所以对X2,X3,X4整体回归。

Dependent Variable: Y
Method: Least Squares
Date: 12/20/04 Time: 20:31
Sample: 1 24
X2 0.992249 0.142692 6.953762 0.0000
X3 -0.066256 0.090016 -0.736047 0.4702
X4 -0.326124 0.087401 -3.731350 0.0013
36.52917
R-squared 0.718315 Mean dependent
var
Adjusted R-squared 0.676063 S.D. dependent var 8.576179
S.E. of regression 4.881175 Akaike info criterion 6.159661
Sum squared resid 476.5175 Schwarz criterion 6.356003
Log likelihood -69.91593 F-statistic 17.00046
由整个回归过程知X1和X3都未经过统计检验,被剔除,故整个经济模型变为:
Y =α+β2X2+β4X4+u
2.异方差检验:
(1).图示法:
020
40
60
80
100
-10
0102030
X2
由图示知,可知存在异方差。

(2).White 检验:
White Heteroskedasticity Test: F-statistic 0.907723 Probability 0.497693 Obs*R-squared
4.832894 Probability
0.436613
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 12/20/04 Time: 20:33 Sample: 1 24
Variable Coefficient Std. Error t-Statistic Prob. C -58.74928 319.9213 -0.183637 0.8564 X2 -2.060494 10.68907 -0.192766 0.8493 X2^2 0.082616 0.085098 0.970828 0.3445 X2*X4 -0.007240 0.105040 -0.068931 0.9458 X4 2.701481 6.301490 0.428705 0.6732 X4^2
-0.018291
0.032478
-0.563202
0.5802 R-squared
0.201371 Mean dependent var 20.39273 Adjusted R-squared -0.020471 S.D. dependent var 23.71878 S.E. of regression 23.96032 Akaike info criterion 9.402993 Sum squared resid 10333.75 Schwarz criterion 9.697507 Log likelihood -106.8359 F-statistic 0.907723 由表中结果知,存在严重的异方差,用加权最小二乘法进行修正,得:
Dependent Variable: Y Method: Least Squares Date: 12/20/04 Time: 20:36 Sample: 1 24
Variable Coefficient Std. Error t-Statistic Prob. X2 1.003471 0.140319 7.151342 0.0000 X4 -0.280112 0.060413 -4.636623 0.0001 R-squared
0.710685 Mean dependent var 36.52917 Adjusted R-squared 0.683131 S.D. dependent var 8.576179 S.E. of regression 4.827626 Akaike info criterion 6.103055 Sum squared resid 489.4255 Schwarz criterion 6.250312 Log likelihood -70.23667 F-statistic 25.79261
修正后的结果可以看出,拟合效果非常好,F 值非常高,说明整体拟合非常好,解释变量的T 值都很显著,所以最后的模型如下: Y =
α+β2X2+β4X4+u
(3)自相关检验:
-10-5
5
10
-10
-50510
E
E (-1)
可见不成线性。

故自相关不存在。

而且DW 检验也通过了无自相关。

(4).通过以上步骤,我们最终确立的模型为:
Y =α+β2X2+β4X4+u
即:
Y=2.371092+1.003471X2-0.280112X4
(0.384045) (7.151342) (-4.636623)
R-squared=0.710685 Adjusted R-squared=0.683131 F-statistic=25.79261
三.过程及结果经济意义解释
在整个回归过程中,由于其检测不显著,我们剔除了变量X1和X3。

根据库滋涅茨倒U 曲线理论,吉尼系数也受国家发展程度的影响。

我们也试着将国家分为发展中国家和发达国家作为虚拟变量引入,检测结果还是不显著。

对于此,我们考虑到可能是由于一些无法引入
的如国家政策等因素的影响,各国日益增长的不平等强化了社会分配不公,而且使得增长所带来的贫困减少大打折扣。

比如在孟加拉国,90年代间人均国民生产总值每年增长约2%,然而贫困减少得相当缓慢,贫困差距依然悬殊。

对于X3,由相关矩阵表明,和X4存在高度相关,一般地,城市人口和受教育人口存在着很大的重叠性,加之X3的统计检验也没通过,所以更可以说明X3可以用X4来替代。

我们最终确立的模型表明X2人口增长率和X4受教育程度是影响吉尼系数的主要因素。

根据马尔萨斯从经济理论的收益递减规律提出的一国人口发展的总趋势即人口是以几何级数增长的,而又由于收入递减规律,粮食供给以算术级数增长,导致了这两者发展速度的矛盾。

而发展中国家生活资料占有的严重不平等,就会导致吉尼系数的增长。

人口增长过快也会极大的增大就业压力,导致失业,这部分人口收入降低,其与就业人口的收入差距拉大,最终拉大吉尼系数。

教育给民众提供了增加自身获得期望高收入的机会和条件,一国的教育水平越高,则大家获得更大收入的机会越均等。

会使吉尼系数降低。

四.模型存在的问题
由于模型的各个解释变量的选择与整体模型的设定,模型本身就缺乏一个整体的经典的理论依据支持,是我们小组在老师的指导下在讨论与实践结合中摸索出来的,我们是报着一种求知的态度进行课题的研究的,很多问题也由于知识的限制而缺乏周全的考虑,所以也存在很多问题。

(1)吉尼系数本来所能提供的信息过于简单,对于收入差距状况不能提供更详细的描述,吉尼系数的计算也存在种种差异。

而且,由于我们所选取的是一年截面数据,所以不能说明吉尼系数的变化趋势,从而进一步了解收入差距的变化。

也无从根据其评价中国的贫富差距趋势的变化。

(2)国家政策这一十分重要的因素,但其变化难以把握,我们也不知道该以何种形式将其定性引入(3)私有财产的转移也是其中很重要的因素,但引入也较困难。

还有其他一些问题,希望老师和同学能帮我们指正加以完善。

五.参考文献
《世界经济统计》
《应用计量经济学》
《发展经济学》
《西方经济学》。

相关文档
最新文档