基于回归模型的城乡收入差距分析

基于回归模型的城乡收入差距分析

廖鸿志杨伟钦

关键词：回归模型城乡收入差距AnalyzestheIncomeGapbetweenUrbanandRuralAreasBasedontheRegressionModel

LiaoHongzhiYangWeiqin

Abstract：Withthehelpofregressionmodel,thispaperanalysesfactorsinfluencingtheincomegapbetweenurbanandruralareas,anddiscoversthattheproportionofthetertiaryindustryemploymentpopulationistheclosestassociatedwiththeenlargementofthegap.SothehealthydevelopmentofthetertiaryindustryhaveasignificantimpactonshorteningtheincomegapbetweenurbanandruralareasandbuildingaharmonioussocietyinChina.

Keywords：RegressionmodelIncomegapbetweenurbanandruralareas

【中图分类号】F812.45【文献标识码】A【文章编号】1009-9646(2009)03-0086-03

1．我国城乡收入差距的现状分析

自改革开放以来，虽然我国居民基尼系数和城乡居民收入相对差距的变动趋势是在不断波动的，但是二者在总体上是在不断扩张的。从图１、图2上看，二者的变动趋势是非常吻合的，都可以划分为两个阶段。1978年~1985年为第一个阶段，这一阶段是改革开放的起始阶段，基尼系数和城乡收入相对差距都在不断缩小。原因是一方面农村开始实施家庭联产承包责任制，另一方面国家大幅度地提高了农副产品的收购价格，极大地刺激了农民的生产积极性，农民的收入有了较大幅度的增加，因而缩小了与城镇居民的收入差距。1986年至今为第二个阶段，在这一阶段基尼系数和城乡收入相对差距都处于扩大的趋势。原因是农村改革取得一定成绩之后，城市的改革也开始启动，同时随着社会主义市场经济体制的建立和完善以及国家农业政策的变化，使得城市在迅猛发展的时候，农村的发展却相对地减缓甚至是停滞，从而导致城乡收入差距不断缩小的趋势发生了逆转。在这一逆转的过程中，基尼系数的扩张趋势尤为突出，在2000年达到了0.409，突破了国际上普遍认可的两极分化的警戒值0.4，并在2005年上升到了0.45，这使得我国遏制城乡收入差距扩大，缩小城乡收入差距的任务变得十分的艰巨。

注：数据来源于国家统计局公布的2006统计年鉴。

城乡可支配收入比=城镇居民人均可支配收入/农村居民人均纯收入

2．模型选择及分析

可用于研究城乡收入差距的数量模型有很多，比如回归分析模型、ARMA分析模型、协整分析模型、劳伦兹曲线以及格兰杰因果关系模型等。在本文中将采用多元回归模型对从1985年~2005年的时间序列数据进行分析。

2.1变量选择。衡量城乡收入差距的指标有很多，这其中全国居民基尼系数和城乡居民相对收入差距的解释能力较强，能够较为真实地反映出城乡收入差距的情况。我们将全国居民基尼系数和城乡居民相对收入差距依次作为多元回归模型的解释变量分别进行回归分析。

模型中的自变量为农村居民消费价格指数、城镇居民消费价格指数，GDP中第一产业、第二产业和第三产业的比重，第一产业、第二产业和第三产业就业人口的比重以及农业支出占财政支出的比重。

表1自变量信息

变量名称N最小值最大值均值农村居民消费价格指数180.928371.163051.00000城镇居民消费价格指数180.926571.173461.00000GDP中第一产业比重180.637281.429560.94815GDP中第二产业比重180.907181.043120.99396GDP中第三产业比重180.8333610201891.03739第一产业就业人口比重180.819010.140770.96973第二产业就业人口比重180.949121.086011.02112第三产业就业人口比重180.718411.342741.05101农业支出占财政支出的比重180.778961.169540.95533注：所有的数据包括全国居民基尼系数和城乡居民相对收入差距都是在原始数据的基础上进行了无量纲化。

2.2基于基尼系数的城乡收入差距变动分析。表1中所列的各个变量都在一定程度上对城乡居民的收入水平产生了影响，但是各解释变量与城乡居民基尼系数的显著性程度还不明确。本文将表1中的所有解释变量引入到模型中，通过向后回归的方式来筛选出对基尼系数的变动影响最为显著的因素。

通过SPSS15.0，获得与回归模型相关的各统计指标，见表2、表3、表4，其中模型参数均为常数和第三产业就业人口比重。

表2模型基本信息

ModelRRSquareAdjustedRSquareStd.Errorof

theEstimate10.8650.7480.7320.07681655表3方差分析

SumofSquaresdfMeanSquareFSig.Regression0.28110.281Residual0.094160.006Total0.3751747.5430.000表4回归系数

Unstandardized

CoefficientsStandardized

CoefficientsBStdErrorBetatSig.Constant0.3320.1013.2870.005第三产业就

业人口比重0.6520.0950.8656.8950.000根据表2、表3以及表4提供的数据，我们发现回归模型及其对应的参数都通过了统计检验，由此我们可以得到如下的回归模型：

Y=0.332+0.652X，其中Y为基尼系数，X为第三产业就业人口比重

根据向后回归筛选的结果，在表1中的九个自变量中，与基尼系数的变动情况最为显著的是第三产业就业人口比重，而且二者之间呈现正相关关系，这一回归结果似乎与人们对第三产业在国民经济中的作用的认识相矛盾。

依据发展经济学的理论，随着一国国民经济的发展，产业结构将由一、二、三向三、二、一转变，工业化进程将进入到后工业化阶段，国民收入大幅增加，国民之间的收入差距将大幅缩小。

那么这是否意味着模型回归的结论是错误的？我们认为结论并没有错误，二者之间并不矛盾。在我们看来这其中的原因可归纳为两个方面。一方面，在产业结构的转化过程中，虽然第三产业的迅速发展能够大量地增加社会财富，但这并不能掩盖第三产业内各行业的收入差距。实际上，在第三产业开始崭露头角并迅速发展的同时，产业内部各行业的收入差距也是在不断地扩张。在第三产业内部，IT服务、金融和房地产是典型的技术资本密集型行业，具有高附加值、高投资收益等特点，行业从业人员的薪资水平始终位于各行业的前列。而以批发零售和住宿餐饮为代表的传统服务行业则是典型的劳动密集型行业，附加值和投资收益都比较低，行业从业人员的薪资水平明显低于技术资本密集型行业。由于近几年国家加大了对IT服务、金融等技术资本密集型行业的扶持力度，IT服务、金融等行业获得了突飞猛进的发展，其发展速度远远快于传统的服务行业，这进一步加大了两类行业固有的收入差距。

另一方面，我国自1978年开始并一直在持续的改革开放，实际上是一个经济社会的完整的转型过程，是旧有的规则、体制消亡和新的规则、体制的产生和不断完善的过程，在这一过程中将不可避免地出现权钱交易、寻租和设租等不公平交易行为，使得部分社会成员以非常规的方式在短时间内累积起巨额的财富。这种现象在金融和房地产行业中表现得尤为突出。拥有大量社会资源和权利的阶层，利用自己手中掌握的资源，能够获得远比普通社会成员多的经济信息，通过发布虚假信息和内幕交易，在金融和房地产领域攫取了大量财富。

因此，第三产业就业人口与基尼系数之间的正相关关系，是我国经济发展过程中出现的一种暂时性现象，是我国由计划经济向市场经济转变并不断完善市场经济的过程中出现的特有现象，是与我国正处于经济社会转型的国情相符合的，从长远来看，非但没有违反产业结构进化的一般规律，相反还指出了第三产业的健康发展在缩小城乡收入差距的过程中所起的重要作用。

2.3基于城乡居民相对收入差距的城乡居民收入差距变动分析。影响我国城乡收入差距的因素有很多，可以归纳为两个方面。一方面，城市和农村这两大经济部门在比较优势、生产效率、经济效益等方面存在着固有的差别，这些差别在工业化的前期阶段表现得尤为突出，从而推动城乡收入差距的不断扩张。另一方面，我国在计划经济体制下实行的城乡二元分离结构并没有在社会主义市场经济体制确立后被破除，这就使得大量的农村剩余财富被抽取到城市的同时，各种生产要素却不能有效地流向农村，从而导致两大经济部门运行效率的差距非但没有得到有效的遏制，反而随着整个国民经济的发展不断扩大，最终不断地推动城乡收入差距的扩张。

通过SPSS15.0软件进行多元回归，发现影响城乡居民相对收入差距的具体因素有农村居民消费价格指数（X1）、城镇居民消费价格指数（X2）、GDP中第三产业比重（X3）、第二产业就业人口比重（X4）、第三产业就业人口比重（X5），模型参数均为常数，农村居民消费价格指数，城镇居民消费价格指数，GDP中第三产业比重，第二产业就业人口比重，第三产业就业人口比重。

表5模型基本信息

ModelRRSquareAdjustedR

SquareStd.Errorof

theEstimate20.8490.7210.7326040.0000表6方差分析

SumofSquaresdfMeanSquareFSigRegression0.00050.000Residual0.000120.000Total0.000176.1960.005表7回归系数

Unstandardized

CoefficientsStandardized