论文总字数：13498字

摘 要

关键词：城乡收入差距,多元回归分析,强制进入策略,逐步回归策略

Abstract: This paper uses five indicators as independent variables to study the data from 1991 to 2012. Then, this article finds out the factors of the urban-rural income gaps. At last, prediction model is found to put forward some relevant suggestions.

Keywords: urban-rural income gap, multivariate regression analysis, compulsory entry strategy, gradual return strategy

目 录

1 引言 4

2 多元回归分析 5

2.1 回归分析概述 5

2.2 回归模型 5

2.3 回归方程的统计检验 5

2.4 变量的筛选问题 6

3 实证分析 6

3.1 指标说明 6

3.2 收集数据 6

3.3 相关分析 7

3.4 强制进入策略 8

3.5 逐步回归策略 10

3.6 残差分析 11

4 模型预测 12

5 对策建议 12

总 结 14

参考文献 15

致 谢 16

附 录 17

1 引言

实行改革开放以来,我国经济快速平稳发展,居民收入水平普遍提高,生活质量也有了很大的改善,但与此同时,城乡收入差距不断拉大甚至变得悬殊,这成为制约我国可持续发展和实现社会公平的重要因素．相关研究结果显示,中国居民基尼系数已经超过了0.4 的国际警戒线,这说明我国城乡居民收入处于极度不平衡的状态,形势十分严峻.这一日益突出的问题,引起了社会各界的广泛关注^[1]．十八大报告也指出,三农问题关系到我国的经济发展,社会稳定,和国家富强.要将解决好农业、农村、农民问题作为全党工作的重中之重.只有解决好三农问题,才能有效缩小城乡收入的差距．因此,深入研究城乡居民收入差距产生的原因是非常具有现实意义的．

在我国,有众多学者已经着手讨论了此问题,他们从不同方面揭示了城乡居民收入差距产生的原因．在《安徽城乡居民收入差距影响因素的实证研究》一文中,程瀛,栾敬东通过建立多元回归模型,分析了城乡比较劳动生产率、城乡人均资本占有量差距、城镇化水平、产业比、农业贷款率和农业产值占GDP 比重等因素对城乡居民收入差距的影响^[2]．周玲在《福建省城乡居民收入差距影响因素的实证分析》一文中借助1985—2011年福建省的相关数据,定量分析了对福建省城乡居民收入差距不断扩大起贡献作用的因素,通过Eviews软件进行变量的筛选,得出二元经济结构、政府财政政策、教育水平、外商投资水平这几个因素对福建省城乡收入差距的影响最为突出^[3]．《城乡居民收入差距的表现及其决定因素的实证研究》中蔡海龙认为二元经济结构是根本原因；人均资本占有量的差异反映了国家投资政策对城镇的倾斜,是造成收入差距的重要原因之一；城市化水平的提高并没有像人们想象的那样加快劳动力的转移从而缩小城乡收入差距,反而扩大了城乡收入差距；人力资本的差异并没有对城乡居民收入差距产生显著的影响^[1]．《城乡居民收入差距变动及其影响因素的实证研究》靳贞来在借鉴已有研究成果的基础上,借助计量经济和多元统计分析的方法,对改革开放以来城乡居民收入差距在时间序列及空间分布上的变动特征及其影响因素进行了实证研究．在方法和理论支撑上,以二元经济理论、库兹列茨倒“U”理论、地区收入差距理论、个人收入差距理论为依托,力图多角度剖析影响城乡居民收入差距扩大的经济因素及体制因素^[4]．

借鉴前人对各省城乡收入差距问题的研究方法,本课题通过多元回归分析对我国这一问题进行统计分析,得出预测模型,并给出相应的对策建议．

2 多元回归分析

2.1 回归分析概述

回归分析是一种应用极为广泛的数量分析方法．它用于分析事物之间的统计关系,侧重考查变量之间的数量变化规律,并通过回归方程的形式描述和反映这种关系,帮助人们准确把握变量受其他一个或多个变量影响的程度,进而为预测提供科学依据．其步骤一般分为：a.确定回归方程中的解释变量和被解释变量b.确定回归模型c.建立回归方程d.对回归方程进行各种检验e.利用回归方程进行预测 ^{5}．

2.2 回归模型

多元线性回归的模型为：

(2.2-1)

式（2.2-1）是一个元线性回归模型,其中有个解释变量．它表明被解释变量的变化可由两个部分解释：第一,由个解释变量的变化引起的的线性变化部分,即；第二,由其他随机因素引起的的变化部分,即．都是模型中的未知参数,分别称为回归常数和偏回归系数．称为随机误差,也是一个随机变量．如果对式（2.2-1）两边求期望,则有

（2.2-2）

式（2.2-2）称为多元回归方程^[5]．

2.3 回归方程的统计检验

通过样本数据建立的回归方程一般不能立即用于对实际问题的分析预测,通常要进行各种统计检验,主要包括回归方程的拟合优度检验、回归方程的显著性检验、回归系数的显著性检验、残差分析等^[5]．

拟合优度是指回归直线对观测值的拟合程度,评价回归方程对样本数据的代表程度．多元线性回归方程的拟合优度检验,采用统计量．的取值范围是.的值越接近,说明回归直线对观测值的拟合程度越好；反之,的值越接近0,说明回归直线对观测值的拟合程度越差．调整的判定系数的取值范围和数值大小的意义与是完全相同的^[5]．

回归方程的显著性检验：被解释变量和解释变量之间确实存在显著的线性关系是线性回归方程能够较好地反映这两个变量统计关系的前提．多元线性回归方程的显著性检验采用F统计量．SPSS将自动检验统计量的观测值和对应的P值．当P值小于给定的显著性水平,则拒绝原假设,被解释变量和解释变量的线性关系显著．反之,则关系不显著^[5]．

回归系数的显著性检验,主要研究每个解释变量能否有效地解释被解释变量的线性变化,它们能否保留线性回归方程中．同样,如果P值小于给定的显著性水平,则认为被解释变量和解释变量的全体线性关系显著,可建立线性模型．反之,则不可建立模型^[5]．

剩余内容已隐藏，请支付后下载全文，论文总字数：13498字