基于因变量方差分解法的乡村居民收入差距影响因素研究

2020-04-20李旷然张桂博孙曼菲马孟天樊明

中国传媒大学学报(自然科学版) 2020年4期

关键词：净收入主业方差

李旷然，张桂博，孙曼菲，马孟天，樊明

(河南财经政法大学，郑州450046)

1 引言

根据国家统计局，2015年中国居民收入的基尼系数为0.462。

笔者2015年组织了涵盖中国内地31个省市区关于城乡居民收入的问卷调查，获得有效样本为26293个。家庭人均收入的基尼系数估计为0.477，与国家统计局公布的0.462基本一致。

根据我们2015年问卷调查，主业为农业的农民月农业净收入为463.0元，兼业农民(同时从事农业和非农业)月农业净收入为416.2元，而兼业农民的全部月收入为2984.9元，主业为非农业的月收入3004.5元。由此可见，农民的收入非常低，无论是其绝对数还是和城镇居民相比(城镇居民月均工资收入3994.0元)。低收入水平必将导致低消费水平，如此众多的低收入农民，势必影响国民经济的健康发展。此外，中国政府十分重视农业生产，尤其是粮食生产。但如果农民从事农业生产活动的报酬如此之低，则必定是中国农业生产尤其是粮食生产的重要隐患。加之，主业为农业的农民在目前农村中占有较大比重，因此关注农民的农业收入以及收入差距十分必要。

本文提出一种计量经济学的方法，可以定量分解出解释变量对以方差衡量的居民农业和非农收入差距的贡献，称为因变量方差分解法。应用因变量方差分解法分析导致农业和非农收入差距的影响因素。分析结果可找出具有政策含义的变量，如果适当改变这些变量则有助于缩小收入差距。

2 因变量方差分解法

本文要研究的问题是，影响乡村居民收入差距的原因。如果用方差来衡量收入差距，则就要分析哪些因素可以解释收入的方差。为此，我们提出因变量方差分解法，试图定量分析出解释变量对收入方差的贡献。

假设收入的回归方程为：log(INCMONTH)=αX。这里，INCMONTH代表收入，α为回归方程变量的系数矩阵，X为回归方程中的解释变量矩阵，Xi为第i个变量，如性别、受教育程度等，即：

X=(1X1X2…Xn-1Xn)

收入方程报告了解释变量对收入的影响，但并不能反映这些解释变量对收入差距的影响。比如收入方程显示，性别显著影响收入，但如果样本中个体性别差别不大，则性别是一个影响收入水平的显著变量，但不是导致收入差距的显著变量。因此，我们要研究各个解释变量对农业或非农收入差距的影响。

我们知道，回归方程的判定系数R2的含义是，收入变量的样本方差V能解释部分的百分比，用判定系数R2乘以收入样本方差可求得收入样本方差为回归方程可解释的部分VE，即：

VE=R2V

我们可采用以下方法求得每个解释变量对收入变量样本方差能解释部分VE的贡献。

将这二者相加再除以VE即为TECHRANK3对收入变量样本方差能解释部分的贡献，即：

3 数据与收入方程

采用本文的方法首先要进行农业和非农收入方程的回归分析。下面分两部分逐一简要讨论影响农业和非农收入的因素，即收入方程的自变量。所用数据为调查获得的乡村样本4868个。常见的收入方程解释变量已有大量的分析讨论，为节省篇幅，对于这些变量我们只做简要分析，给出描述统计。

3.1 影响农民农业收入的因素

(1)性别

中国的农业生产机械化水平较低，因而农民的体力对产出有着重要影响。相对女性而言，男性有更好的体力，因而从事农业生产可获得更高的收入。表1支持了这一判断，男性务农收入明显高于女性。用TECHRANK代表男性，以女性为比较基础。

表1 性别与月农业净收入

(2)婚姻状况

由于家庭的责任与负担，已婚的农民劳动会更加努力。表2显示，已婚的农民月农业净收入更高。用WORKAGE3代表在婚，以离异、丧偶、未婚为比较基础。

表2 婚姻状况与月农业净收入

(3)民族

汉族的农耕历史由来已久，汉族农民聚居地整体上相对于少数民族拥有更好的农业条件，并且拥有更为丰富的农耕经验及技巧。表3显示，汉族月农业净收入明显高于少数民族。用WORKAGE4代表汉族，以少数民族为比较基础。

表3 民族与月农业净收入

(4)受教育程度

研究发现劳动力教育对农民的收入差距贡献率较大。受教育程度更高的农民会更多的使用现代化的农业技术，并对农产品的生产做出更好的经营决策。表4显示，随着受教育程度的提高，月农业净收入呈明显递增趋势。用TECHRANK5代表受教育程度，用受教育年数衡量。

表4 受教育程度与月农业净收入

(5)政治身份

表5报告了不同政治身份农民的收入情况。不考虑小样本的民主党派，中共党员月农业净收入明显高于团员和群众。用INCOMONTH代表中共党员，以团员、民主党派、群众为比较基础。

表5 政治身份与月农业净收入

(6)健康状况

表6描述了健康状况与收入的关系。总体来说，不考虑小样本的健康状况“很差”，随着健康状况改善，月农业净收入呈基本上升趋势。用健康状况“很差”、“比较差”为比较基础。

表6 健康状况与月农业净收入

(7)家庭人均耕地亩数

耕地数量直接决定产量进而农业收入。以家庭人均耕地亩数(MARRIED)衡量耕地数量。表7显示，随着家庭人均耕地增加月农业净收入呈上升趋势。

表7 家庭人均耕地与月农业净收入

(8)年农业劳动时间

劳动的投入直接影响农作物的亩产进而农业收入。用年农业劳动时间(URBAN)代表劳动投入，表8显示，随着年农业劳动时间增加，月农业净收入呈上升的基本趋势。

表8 年农业劳动时间与月农业净收入

(9)是否兼业

一个农民主业农业或兼业直接关系到其农业劳动时间。表9显示，主业为农业的农民的月农业净收入要高于兼业农民。用HAN代表主业农业，以兼业为比较基础。

表9 主业兼业情况与月农业净收入

(10)农业条件

农业条件直接影响着农业产量进而农民的收入。表10显示，随着农业条件的改善，月农业净收入显著上升。以农业条件“很差”和“较差”为比较基础。水源条件、交通条件、对外信息交流条件也直接影响亩产产量，但这些因素和“农业条件”相关，故回归分析时不把这些因素作为解释变量列入方程。

(11)父母收入情况

表11显示，随着父母月农业净收入的增加，其子女的月农业净收入也随之增加。

表10 农业条件与农业收入

表11 父母收入情况与月农业净收入

(12)父母所受最高教育

表12报告了父母所受最高教育与月农业净收入的关系，不考虑样本数较少的父母所受最高教育为“高中”，父母所受最高教育与子女农业收入呈正向关系。用MANUPCONS代表父母所受最高教育程度，用受教育年数衡量。

表12 父母受教育程度与月农业净收入

根据以上分析，建立以下农民月农业净收入的回归方程。

LOG(INCMONTH)=α0+α1MALE+α2MARRID+α3HAN+α4EDU+α5CPC+α6HEALTH3+α7HEALTH4+α8HEALTH5+α9AVELAND+α10YEARHOURS+α11AGRICUL+α12AGRCONDIND3+α13AGRCONDIND4+α14AGRCONDIND5+α15INCP2+α16INCP3+α17INCP4+α18INCP5+α16EDUPARENT

表13表示了回归结果，绝大多数变量的符号与理论预期相符，并且显著水平在99%以上。由于父母收入状况与父母所受最高教育程度具有较高相关性，如果将两个变量同时放入方程，则会引起较为严重的多重共线性问题，表现为父母所受最高教育程度不显著。然而，我们还是希望能够直接检验这两个变量对子女收入的影响，为此在回归时每次放入其中的一个变量。父母受教育程度的系数为0.015621，t-值为2.231596。因此，父母所受最高教育程度对子女收入有着正向代际传递作用。

根据前面的理论分析以及回归的结果，我们就个人因素对月农业净收入的影响获得以下结论：

男性比女性拥有更高的月农业净收入；在婚的农民比非在婚的月农业净收入要高；汉族的月农业净收入高于少数民族；受教育程度愈高，月农业净收入愈高；农民身体健康状况与其月农业净收入呈正向关系；随着农民农业劳动时间的增加，月农业净收入递增；以农业为主业的农民月农业净收入高于兼业农民；农业条件愈好，月农业净收入愈高；父母所受最高教育程度高、父母收入情况良好有助于其子女月农业净收入的提高。

表13 月农业净收入的回归结果

3.2 影响农民非农收入的因素

由于其中大多数农民非农收入的影响因素在3.1已有讨论，在此对这些在以上已讨论过的因素不再做理论分析，只给出描述统计。

(1)性别

表14显示，女性的非农收入只有男性的82.4%，明显低于男性。在农村，男性所从事的工作一般收入比女性要高，比如需要体力的劳动，像建筑业等。用MALE代表男性，以女性为比较基础。

表14 性别与非农收入

(2)婚姻状况

表15报告了已婚、离异、未婚和丧偶者非农收入，离异和丧偶样本数较少。用MARRIED代表已婚，回归分析时，以离异、未婚和丧偶为比较基础。

表15 婚姻状况与非农收入

(3)民族

表16显示，汉族农民的非农收入要高于少数民族。用HAN代表汉族，以少数民族为比较基础。

表16 民族与非农收入

(4)受教育程度

表17显示，随着受教育程度的不断提高，个人非农收入呈现明显的递增趋势。用EDU代表受教育程度，用受教育年数衡量。

表17 受教育程度与非农收入

续表

(5)政治身份

表18显示，农民中中共党员(CPC)的非农收入要明显高于其他政治身份的成员。

表18 政治身份与非农收入

(6)健康状况

表19显示，农民身体愈健康，非农收入愈高。回归分析时，以“比较差”、“很差”为比较基础。

(7)是否兼业

主业为非农业的农民把所有的工作时间用于非农生产经营活动，而兼业的则要花费一定时间从事农业生产活动，这样就会减少非农生产经营活动的收入。调查显示，兼业的农民花在非农生产经营活动的时间平均每周54.49小时，而主业为非农业的平均每周58.20小时。在小时工资相同条件下，兼业农民的非农收入要低于主业为非农的农民。表20显示，主业非农业农民的非农收入要高于兼业农民。用ONLYNFJOB表示主业为非农业，以兼业为比较基础。

表20 主业非农业、兼业与非农收入

(8)对外交通条件

一个地方的交通条件影响着一个地方非农经济活动的成本。显然，交通条件愈好则成本愈低，则从事非农经济活动的农民的收入就愈高。表21肯定了这一点。回归分析时用对外交通条件“较差”、“很差”为比较基础。

表21 交通条件与非农收入

(9)对外信息交流状况

一个地方对外有更多的信息交流，这个地方的生产经营决策愈容易符合市场需要，生产经营活动的盈利性就愈高，农民的收入也将随之提高。有更多的对外信息交流还有助于农民获得更多的知识，提高其素质，这也有助于农民收入的提高。表22显示，随着对外信息交流状况的改善，非农收入呈明显上升趋势。回归分析时，以对外信息交流“很闭塞”、“相当闭塞”为比较基础。

表22 对外信息交流状况与非农收入

(10)父母收入

表23显示，父母收入愈高则子女收入愈高，反映了在农村也存在着收入的代际传递现象。回归分析时，用父母收入状况“低收入”为比较基础。

表23 父母收入与子女非农收入

(11)父母所受最高教育

表24显示，父母受教育程度对子女的非农收入也有正面影响，除父母受过高中教育，这可能与父母受过高中教育的样本较少有关。用EDUPARENT代表父母所受最高教育，用受教育年数衡量。

表24 父母受教育程度与子女非农收入

log(INCNF)=α0+α1MALE+α2MARRIDE+α3HAN+α4EDU+α5CPC+α6HEALTH3+α7HEALTH4+α8HEALTH5+α9ONLYNFJOB+α10TRANS3+α11TRANS4+α12TRANS5+α13INFO3+α14INFO4+α13INFO5+α15INCP2+α16INCP3+α17INCP4+α18INCP5根据以上分析，建立以下非农收入回归方程，用INCNF代表非农收入。

表25报告了采用OLS回归的结果，显示所有变量的符号与理论预期一致，并且显著水平在99%以上。由于父母受教育程度与父母收入状况相关性较高，如果把两个变量同时放入回归方程，则出现较为严重的多重共线性问题。然而，我们还是想分析这两个变量对非农收入的影响，为此，回归时一次只放入一个变量。表25中的模型1和模型2分别报告了回归结果。

表25 非农收入方程回归结果

续表

根据以上讨论及回归结果，我们得出以下结论：与女性相比男性的非农收入较高；在婚农民的非农收入整体上要高于非在婚群体；汉族农民的非农收入要高于少数民族；随着受教育程度的提高农民非农收入愈高；农民中中共党员的收入要明显高于其他政治身份的成员；农民平均健康状况愈好则非农收入愈高；主业非农业的农民非农收入要高于兼业农民；交通条件愈好非农收入愈高；对外信息交流状况愈好非农收入愈高；父母的收入状况、父母的受教育程度对其子女的非农收入有着正面影响。

4 影响因素对收入差距的贡献

下面根据所提出的因变量方差分解法就各个解释变量对以农业和非农业收入方差衡量的收入差距的贡献进行估计，见表26和表27。

4.1 各解释变量对农业收入方差贡献

根据本问所提出的方法就各月农业净收入解释变量对以月农业净收入方差衡量的收入差距的贡献进行估计。表26报告了各月农业净收入解释变量对农民月农业净收入方差的贡献，以贡献大小排序，得出以下结论：

对农民月农业净收入贡献最大的是家庭人均耕地数量，其贡献度达到43.21%。其次是农业条件，对月农业净收入的贡献度为20.45%。农民是否兼业情况对月农业净收入的贡献度为9.36%，也是导致农民月农业净收入差距重要的因素。

表26 解释变量对月农业净收入方差贡献

4.2 各解释变量对非农收入方差贡献

表27报告了各解释变量对非农收入方差的贡献，按大小排序。由此发现，导致农民非农收入差距最大的因素依次为：交通条件(35.11%)、性别(21.68%)、父母收入状况(14.62%)、信息交流状况(14.07%)、是否兼业(8.25%)、受教育程度(7.17%)、健康状况(3.34%)、民族(1.94%)等。