2018我国城乡人均收入差距的实证分析和预测

6396491

　　【论文摘要】文章以我国 1978-2007 年城市和农村人均收入时间序列数据和影响因素数据为依据，运用 Eviews 软件，分析了其内在规律性，对其发展趋势进行了短期预测，并提出了相关的政策建议。
【论文关键词】城乡人均收入差距；预测
自改革开放以来， 我国人均收入水平迅速提高， 但与此同时收入差距也在逐渐拉大甚至悬殊， 其中城乡居民收入差距是当前中国居民分配结构中最受关注的社会焦点问题。 本文以我国 1978-2007 年的城镇家庭平均每人可支配收入、 农村居民家庭人均年纯收入以及农民人均农业税、 农民人均固定资产投资总额、农业增加值（现价）的统计数据为依据， 运用趋势模型、ARMA 时间序列模型和线形回归模型， 分析研究了其现实状况和未来走势以及影响农村人均年纯收入的因素。
一、时间序列分析
ARMA 模型应用软件 Eviews5.0，对1978-2006 年城镇家庭平均每人可支配收入估计，并预测 2007 年数值。
（一）数据准备
城镇家庭平均每人可支配收入序列指数上升趋势明显， 典型非平稳序列，对此进行两次差分，得到图 1。进行 ADFr 检验，如图 2 所示参数小于 1%零界水平，基本平稳，选View/Correlogram模型识别：ARMA 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得，例如：AR（p）模型 自 相 关 函 数拖尾，偏自相关函数 p 步截尾；MA （q） 模 型 自相 关 函 数 q 步截尾，偏自相关函数拖尾；而 ARMA 模型的自相关函数与偏自相关函数都具有拖尾性。  http://
由图 1 可以看出， 偏自相关系数3、4 较大， 在 k=4 后很快地趋近于 0，所以取 p=3、4； 自相关系数在 k=1 处不显著，k=4 之后拖尾，可考虑 q=2、3、4。 为了使建立的模型更加精确， 可适当放宽 p 与 q 的范围，建立 ARMA（p，q）模型。
（二）用 Eview 软件回归分析
借助Eview软件， 选取 ARMA（3，2）、ARMA （3，3）、ARMA （3，4）、ARMA （4，2）、ARMA（4，3）、ARMA（4，4）6 个模型进行分析，剔除明显不合理的，如表 1 所示。由表 1 可知，ARMA（4，4）调整后的R2最大，AIC 和 SC 值最小， 但 t 检验没通过，ARMA（3，4）也较为合适。
我们选用 ARMA（3，4），拟合结果为：ddyt =-0.380843ddyt -3 +ut +0.425802ut -2 +0.557194ut-4。我国城乡人均收入差距的实证分析和预测model AIC
（三）模型的检验
若残差序列不是白噪声， 意味着残差序列还存在有用信息没被提取， 需要进一步改进模型。 本文采用残差序列的卡方检验， 检验的零假设是残差序列相互独立。 通过直接观察残差序列的自相关分析图， 其自相关系数都落入了随机区间，表明残差序列是独立的，可直接用于预测。
（四）模型的预测：
已知 y2007=ln （city2007）=ln（13785.79）=9.53139363， 在 Eviews 里进行 2007 年的预测为 2.00*10-6，则有：y 赞2007 -2y2006 +y2005 =2.00*10 -6y 赞2007 -2*9.372412452+9.258466506=0.000002y 赞2007=9.486360误差为：（9.486360-9.53139363）/9.53139363*100%=-0.472%  http://
二、线形回归分析
应用软件 Eviews5.0，对 1978-2006 年农村人均年纯收入的影响因素分析：农业收入主要来源于农业生产活动，变量 pfix （全社会固定资产投资额/年底乡村总人口数）用来描述农民对全国建筑活动做出贡献而增加的农村家庭现金收入， 因为目前大部分的建筑活动由农民建筑工完成。 变量 padd （第一产业增加值/年底乡村总人口数）用来描述人均第一产业增加值（现价）对农村人均年纯收入的影响，变量 ptax（国家财政决算收入中农业各税/年底乡村总人口数）用来描述人均国家农业各税对农村人均年纯收入的影响。 pinc 为农村人均年纯收入，因为 1978、1979 年全社会固定资产投资额无法得到，只能对 1980-2006 年的数据进行回归。
先将数据取对数， 然后用 Eviews 软件试模拟（见表 2）。模型四拟合优度很好，t 检验和 DW检验都通过，可表示为：lnpinc=0.739042lnpat+0.149748lnpfix+0.86274+1.206837ut-1-0.541387ut-2+ut模型的检验：自相关、异方差检验可以通过，残差基本平稳。  http://