信息时代的城镇对比

一、引言
 现今时代已进入信息发展的时代，生产力以平均每5年就有一次提高。地球早变为地球村。所以，信息在这个时代尤为重要。现在的获取信息的途径有许多：互联网、报纸、杂志、电视、广播等等。我在此处只研究的是报纸与杂志。而研究的课题是信息在城市与农村中的对比，通过此研究，想明确我国的农村对信息的重视程度到底有多少。
二、研究模型
 根据中国国家统计年鉴的历年数据，我搜集了历年的报纸总数、杂志总数、人口、城镇比率、城市每户可支配收入与农村每户可支配收入等数据。时间跨度为1985年-2001年。把（报纸总数+杂志总数）/人口，即人均信息拥有量作为被解释变量，另为Y；把城镇比率另为X1；把城市每户可支配收入令为X2；把农村每户可支配收入另为X3。则可以得到关于城镇个农村的两个模型：
 Y=C1*X1+C2*X2+C3+u（城镇模型）；Y=C4*1/X1+C5*X3+C6+u（农村模型）
 根据两个模型彼此的系数以比较各自的区别。
三、参数估计及其检验
 1．城镇模型
 将所有数据带入，得出城镇模型 ：
 Y=0。474863*X1   +    0。000513*X2     +    7。859691+    u
        （1．087581） （0.595907）       (0.780483)
       R2=0.77454        R2 =0.739948         F=23.76304
 可见3个回归系数都不是太显著，很有可能存在异方差、多重共线性等问题。为此还需要进行进一步检验。
 对次模型进行多重共线性检验，结果如下：
 
 X1 X2
  
X1  1.000000  0.970145
X2  0.970145  1.000000
  
 很明显的，多重共线性十分严重。若要修正的话，则须弱化其多重性。鉴于能力所限，此处，我们把模型变为一元，被解释变量设为Y1，即城市人均拥有信息量（Y1=Y*城镇比率/（1+城镇比率）），解释变量仍为X2。由此，得到新的模型：
 Y1=0.001422*X2       +      17.99343   +   u
     （6.99769）        　             (22.98579)
  R2=0.765613        R2=0.749987           F=48.99677
 从上面的数据可以得出，这个模型的模拟情况和显著性都十分的好。对模型进行异方差检验，得到下图：
    
 根据图示，此模型异方差不显著。再对其做自相关检验，DW=1.410352。而解释变量为1，样本容量为17的DL=1.133；DU=1.381。因此，不存在一阶自相关。
 2．农村模型
 根据城镇模型作出的修改，农村模型的结构相应调整为：Y2=C1*X3+C2+u
其中，Y2=Y-Y1。
     用eviews作出模拟，得：
 Y2=        -6.92E-06X3       +      0.784113  +       U
              (-0.325627)   　             (25.37068)
 R2=0.007019                R2=-0.059179                 F=0.106033
 由上可知，此模型是失败的。无法表示出被解释变量。我以为，这是因为农村的收入中用于信息消费的近乎于0，换句话说农村的人均收入对信息量根本无影响。造成如此现象的只有2种情况：一是农村的信息量已经饱和，不管收入多少，都能保证其稳定的信息拥有量；二是农村仍处于信息荒状态，还未步入对信息的获取中，所以导致其无资金投入于购买信息。明显的，前者情况肯定不是，只可能为后者。
四、结论
 根据作出的两个模型推断，中国的农村仍处在信息荒的状态，对信息并不是那么渴求。而城市中的人无论从对信息的边际购买倾向和固定的信息拥有量上都与农村有明显差距。根据《中国农民调查》中的载述：中国的农村中报纸和杂志几近稀有物，而互联网更是灭绝了一样。比较普遍的就是电视机和广播，这是农村中获取信息的主要方式。可这仅有的方式也是被动的接受信息，而非主动的搜寻。
 当然，农村需要信息么？我觉得还是需要的。对先进的种植技术，对投资商的吸引等等这般都需要媒体作为载体，信息作为内容来获取。农业也需要抓住信息的脉搏！
五、参考数据资料来源
 参考书籍：《中国农民调查》、《计量经济学》
 数据来源：中国国家统计局年鉴

附录                    城镇模型的最小二乘结果

Dependent Variable: Y1
Method: Least Squares
Date: 09/02/04   Time: 13:03
Sample: 1985 2001
Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob. 
X1 0.001422 0.000203 6.999769 0.0000
C 17.99343 0.782807 22.98579 0.0000
R-squared 0.765613     Mean dependent var 22.61199
Adjusted R-squared 0.749987     S.D. dependent var 3.473402
S.E. of regression 1.736745     Akaike info criterion 4.052033
Sum squared resid 45.24424     Schwarz criterion 4.150058
Log likelihood -32.44228     F-statistic 48.99677
Durbin-Watson stat 1.410352     Prob(F-statistic) 0.000004

 农村模型的最小二乘结果
 
 
Dependent Variable: Y2
Method: Least Squares
Date: 09/02/04   Time: 13:05
Sample: 1985 2001
Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob. 
X3 -6.92E-06 2.13E-05 -0.325627 0.7492
C 0.784113 0.030906 25.37068 0.0000
R-squared 0.007019     Mean dependent var 0.775426
Adjusted R-squared -0.059179     S.D. dependent var 0.062508
S.E. of regression 0.064331     Akaike info criterion -2.539409
Sum squared resid 0.062078     Schwarz criterion -2.441383
Log likelihood 23.58497     F-statistic 0.106033
Durbin-Watson stat 1.398151     Prob(F-statistic) 0.749205