四川省农民收入结构分析
文章写作目的
    农民收入结构直接关系到农民人均收入的高低。连续数年农民收入增幅下降，一些地区农民收入不升反降,农民收入增长缓慢这一问题也就成为当前我国农业和农村经济中表现最为突出的问题，增加农民收入也是关系到我国国民经济稳步发展的关键问题之一。本文拟从我国农民收入的构成入手，探讨现阶段农民收入的主要构成，为政府通过多种途径提高农民收入提供参考。
建立模型
Y=β1+β2X2+β3X3+β4X4+u
X2—劳动者报酬收入           X3—家庭经营纯收入
X4—接受政府转移获得的收入   Y=平均每个农民每年的可支配收入
收集数据
以《四川统计年鉴》为根据，采用时间序列数据。见表（一）
注：数据中的各项收入都是平均每个人的一项收入，不是农户的收入 。
参数估计
根据回归的结果（见表二）可知道样本回归函数：
 Y=41.341193+1.19166X2+1.950657X3-2.874068X4
    (0.664679)  (4.589561)   (7.198040)   (-0.964461)
  =0.993192       =0.991733   F=680.7665
五、模型检验
 （一） 经济意义检验
 通过回归我们可以知道：X4的系数不符合经济意义。因为政府转移支出的增加一般会增加农民的收入，而不是减少农民的收入。故我们需要对设定的模型进行统计检验和计量检验，通过进一步的修正来改进设定的模型。
 （二） 统计检验
 1、拟合优度检验
 可决系数和修正可决系数的值都比较好，说明样本回归函数对样本观测数据的拟合优度可以接受。
 2、参数显著性检验
 由回归结果可知，常数项和X4系数的t值都不显著。
 3、方程显著性检验
 由参数估计表得F统计量为680.7665，在5﹪的显著性水平下，查自由度为（3，14）的F分布表，得临界值F0.05（3，14）=3.34。因为F=680.7665>F0.05(3,14)=3.34,故模型总体是显著的。
 （三） 计量检验
 1．多重共线性检验
 Correlation Matrix
 X2 X3 X4 
    
X2  1.000000  0.926620  0.857506 
X3  0.926620  1.000000  0.959251 
X4  0.857506  0.959251  1.000000 
 
 通过此表，我们可以看出解释变量之间存在高度的线性相关。虽然可决系数和修正可决系数的值表明方程对变量的拟合度较好，但是X4参数估计值的符号与经济意义相反。表明模型中存在解释变量之间的多从共线性。
 下面通过逐步回归法，来纠正模型。根据调整后可决系数最大原则（见表四、五、六），选取X3作为进入回归模型的第一个解释变量，形成一元回归模型。将其它解释变量分别加入模型，进一步回归，得到相应的二元回归模型（见表七、八）。又根据调整后可决系数最大原则，选取X3、X2作为进入回归模型的两个解释变量，形成二元回归模型（见表九）。将X4加入模型，从回归的结果中发现调整后可决系数小于以X3、X2作为解释变量得到的调整后可决系数，故不能将X4加入到模型中，暂停回归。我们得到一个带有常数项的二元回归模型，但发现常数项的回归系数不显著，而且P值很大。
 2、异方差检验
 常数项和X4系数的t值都不显著，且X4估计的系数不符合经济意义，u存在异方差。因为通过white检验，得到=0.597719，*18=4.781752，而χ为0.710721，前者大于后者，拒绝接受H0,说明存在异方差。
 3、自相关检验
 由表2得d的统计量为0.966878，样本容量为n=18，在有三个解释变量的情况下，给定显著性水平α=0.05，则查D—W表的dl=0.933,du=1.696,4-du=2.304,4-dl=3.067,这时有0.933<d=0.966878<1.696,不能判断是否存在自相关，则需要改变样本容量大小或者改变模型的函数形式，采用其他检验方法。
六、模型修改
 综合对模型的检验和修正，我们得到下面的二元回归模型。
               Y=1.182556X2+1.787749X3
                (28.46965)   (6.972621)
         =0.992632    = 0.991771   F=4.198969
 但是通过验证，在给定显著水平为0.05的情况下，F（3，12）=3.49〈40198969，说明F值不够显著。但参数的P值都很小，又说明参数的估计很好。同时可决系数和修正可决系数都比较大。我们认为出现这样的结果可能是因为我们没有不影响农民收入的其他主要因素考虑进来，比如财产继承收入，农民外出打工收入等。特别是从90年代起农民外出打工收入越来越成为农民收入的重要成分。
七、模型分析
    家庭经营纯收入和劳动者报酬收入实行成农民收入的主要构成部分，而政府转移支出对农民收入的影响较小。
八、得出结论
    农民收入的组成结构比较单一，收入增加很缓慢，缺乏新的增长动力。目前，我国的城乡差距非常明显，国家有必要对农业加大投入，通过多种途径增加农民的收入。
 当前农民收入增长缓慢，城、乡收入差距扩大，经过模型分析我们得知，在农民收入构成中，家庭经营纯收入和劳动者报酬收入是如今影响农民收入的重要组成部分。从长期分析，推动制度创新实现土地资源大范围内的流转和合理配置，促进农业产业化的发展。加大对农业的投入 国家应选择适度的倾斜政策，各级财政应进一步调整财政支出结构，继续增加农业投入以及同时加强农业的基础设施建设，使农民有效地规避自然风险和市场风险，还应大力搞活农产品流通，降低交易成本，确保农产品价值的实现，迅速转化为货币收入。转移农村剩余劳动力，增加就业 等途径切实 减轻农民负担，为农民增收创造可行条件。
九、参考文献
1、《四川省统计年鉴》（1986，1989，1992，1996，2000，2001，2002年）
2、《农民收入、农民负担与农民结构调整》，夏永祥、赵文娟、陈雄伟等著，中国农业出版社出版
十、相关附表
表一：数据收集  

obs X2 X3 X4 Y
1984  4.580000  85.37000  9.870000  420.8300
1985  17.56000  271.4100  24.48000  460.2600
1986  17.26000  293.8300  25.81000  499.7600
1987  18.98000  321.3400  27.96000  552.9900
1988  21.52000  393.5600  32.50000  680.7500
1989  23.88000  432.0700  37.04000  760.9000
1990  24.36000  493.5500  38.85000  846.6900
1991  22.28000  520.1500  47.28000  915.7500
1992  25.63000  556.9200  51.75000  975.0000
1993  120.9800  527.8300  45.55000  1094.320
1994  161.9800  708.9000  56.36000  1518.650
1995  208.5800  860.4300  67.92000  1864.920
1996  299.2000  1066.130  63.74000  2364.490
1997  365.4100  1216.070  85.97000  2636.080
1998  446.4600  1231.190  94.16000  2738.390
1999  530.4000  1191.600  101.7400  2696.940
2000  597.1600  1203.960  82.52000  2829.780
2001  651.7900  1231.990  70.86000  2946.510

表二：运用OLS法进行参数估计
Dependent Variable: Y
Method: Least Squares
Date: 05/03/04   Time: 15:20
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob. 
C 41.34119 62.19720 0.664679 0.5171
X2 1.191660 0.259646 4.589561 0.0004
X3 1.950657 0.270998 7.198040 0.0000
X4 -2.874068 2.979974 -0.964461 0.3512
R-squared 0.993192     Mean dependent var 1489.056
Adjusted R-squared 0.991733     S.D. dependent var 956.8680
S.E. of regression 87.00281     Akaike info criterion 11.96289
Sum squared resid 105972.9     Schwarz criterion 12.16075
Log likelihood -103.6660     F-statistic 680.7665
Durbin-Watson stat 0.966878     Prob(F-statistic) 0.000000

表三：
White Heteroskedasticity Test:
F-statistic 2.724017     Probability 0.071322
Obs*R-squared 10.75895     Probability 0.096118
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/04/04   Time: 10:18
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob. 
C 47727.47 12741.11 3.745944 0.0032
X2 105.9312 111.1584 0.952975 0.3611
X2^2 -0.129873 0.115783 -1.121696 0.2859
X3 -112.2811 188.1352 -0.596811 0.5627
X3^2 0.063568 0.090898 0.699337 0.4989
X4 -280.0084 2425.960 -0.115422 0.9102
X4^2 0.477272 15.10410 0.031599 0.9754
R-squared 0.597719     Mean dependent var 5887.381
Adjusted R-squared 0.378294     S.D. dependent var 12608.31
S.E. of regression 9941.442     Akaike info criterion 21.53211
Sum squared resid 1.09E+09     Schwarz criterion 21.87837
Log likelihood -186.7890     F-statistic 2.724017
Durbin-Watson stat 1.483731     Prob(F-statistic) 0.071322

表四：
Dependent Variable: Y
Method: Least Squares
Date: 05/04/04   Time: 11:14
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob. 
C 686.6958 87.91569 7.810844 0.0000
X2 4.059147 0.297372 13.65005 0.0000
R-squared 0.920919     Mean dependent var 1489.056
Adjusted R-squared 0.915976     S.D. dependent var 956.8680
S.E. of regression 277.3659     Akaike info criterion 14.19299
Sum squared resid 1230909.     Schwarz criterion 14.29192
Log likelihood -125.7369     F-statistic 186.3238
Durbin-Watson stat 0.362057     Prob(F-statistic) 0.000000

表五：
Dependent Variable: Y
Method: Least Squares
Date: 05/04/04   Time: 11:15
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob.   
C -192.0546 68.30711 -2.811634 0.0125 
X3 2.400387 0.085546 28.05966 0.0000 
R-squared 0.980083     Mean dependent var 1489.056 
Adjusted R-squared 0.978838     S.D. dependent var 956.8680 
S.E. of regression 139.1956     Akaike info criterion 12.81408 
Sum squared resid 310006.7     Schwarz criterion 12.91301 
Log likelihood -113.3267     F-statistic 787.3446 
Durbin-Watson stat 0.765750     Prob(F-statistic) 0.000000 

表六：
Dependent Variable: Y
Method: Least Squares
Date: 05/04/04   Time: 11:15
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob.   
C -337.4843 192.5772 -1.752462 0.0988 
X4 34.09279 3.245852 10.50350 0.0000 
R-squared 0.873341     Mean dependent var 1489.056 
Adjusted R-squared 0.865425     S.D. dependent var 956.8680 
S.E. of regression 351.0222     Akaike info criterion 14.66401 
Sum squared resid 1971465.     Schwarz criterion 14.76295 
Log likelihood -129.9761     F-statistic 110.3234 
Durbin-Watson stat 1.036959     Prob(F-statistic) 0.000000 

表七：
Dependent Variable: Y
Method: Least Squares
Date: 05/04/04   Time: 11:29
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob. 
C 28.57410 60.63060 0.471282 0.6442
X3 1.728166 0.141875 12.18093 0.0000
X2 1.265565 0.247503 5.113343 0.0001
R-squared 0.992739     Mean dependent var 1489.056
Adjusted R-squared 0.991771     S.D. dependent var 956.8680
S.E. of regression 86.80011     Akaike info criterion 11.91610
Sum squared resid 113013.9     Schwarz criterion 12.06450
Log likelihood -104.2449     F-statistic 1025.458
Durbin-Watson stat 0.979106     Prob(F-statistic) 0.000000

表八：
Dependent Variable: Y
Method: Least Squares
Date: 05/04/04   Time: 11:32
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob. 
C -130.3783 75.96440 -1.716308 0.1067
X3 2.840960 0.289327 9.819215 0.0000
X4 -6.910469 4.353208 -1.587443 0.1333
R-squared 0.982948     Mean dependent var 1489.056
Adjusted R-squared 0.980674     S.D. dependent var 956.8680
S.E. of regression 133.0206     Akaike info criterion 12.76990
Sum squared resid 265417.1     Schwarz criterion 12.91829
Log likelihood -111.9291     F-statistic 432.3305
Durbin-Watson stat 0.874533     Prob(F-statistic) 0.000000

表九：
Dependent Variable: Y
Method: Least Squares
Date: 05/04/04   Time: 11:34
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob. 
C 41.34119 62.19720 0.664679 0.5171
X3 1.950657 0.270998 7.198040 0.0000
X2 1.191660 0.259646 4.589561 0.0004
X4 -2.874068 2.979974 -0.964461 0.3512
R-squared 0.993192     Mean dependent var 1489.056
Adjusted R-squared 0.991733     S.D. dependent var 956.8680
S.E. of regression 87.00281     Akaike info criterion 11.96289
Sum squared resid 105972.9     Schwarz criterion 12.16075
Log likelihood -103.6660     F-statistic 680.7665
Durbin-Watson stat 0.966878     Prob(F-statistic) 0.000000

 
表十：

Dependent Variable: Y
Method: Least Squares
Date: 05/04/04   Time: 11:36
Sample: 1984 2001
Included observations: 18
Variable Coefficient Std. Error t-Statistic Prob. 
X3 1.787749 0.062795 28.46965 0.0000
X2 1.182556 0.169600 6.972621 0.0000
R-squared 0.992632     Mean dependent var 1489.056
Adjusted R-squared 0.992171     S.D. dependent var 956.8680
S.E. of regression 84.66378     Akaike info criterion 11.81969
Sum squared resid 114687.3     Schwarz criterion 11.91862
Log likelihood -104.3772     Durbin-Watson stat 1.008436
F-statistic
 4.198969
     Prob(F-statistic) 0.021251