山东省农民收入影响因素实证分析

2016-12-01于振伟段娜妮

山东农业大学学报（社会科学版） 2016年1期

关键词：农民收入山东省变量

□于振伟段娜妮

山东省农民收入影响因素实证分析

□于振伟段娜妮

基于山东省农村的特征以及数据的可获得性、可量化性，选取了12个变量指标，利用因子分析方法，对影响农民收入的因素进行系统研究评价，分析各市影响农民收入关键性因素的贡献率，为进一步增加农民收入提供理论依据。

影响因素；农民收入；因子分析

“三农”问题一直以来都是党中央、各级政府、各位专家学者十分关心和关注的焦点问题，自改革开放以来，中共出台了16个“涉农”一号文件，三农问题的根本为农民问题，农民问题的关键是农民收入问题，因此提出了多种增加农民收入的政策与措施，在此过程中农民收入水平得到了极大的提高。

2013年农村居民人均纯收入为10620元，涨幅为9.7，比2011年降低了三个百分点，说明山东省近年来增收速度有所减缓，增收压力加大了，具体收入情况见下表1。

表1 山东省2008—2013年农村居民人均纯收入

山东省作为中国的农业大省之一，解决好三农问题显得更加迫切。长期以来，山东省各级党委始终以增加农民收入为中心任务，采取多种措施，

有力地促进了农民收入的增加，但是农业仍是弱质农业且发展缓慢，农村仍是落后区域，城乡扩大的趋势并没有得到进一步的扭转，影响发展的障碍性因素没有消除。通过研究分析影响山东省农民收入因子，从而为其增加做出贡献。

一、模型的选择及主要说明

影响农民增收的因素众多复杂，这些显性和隐性因素共同作用，彼此间也存在相互影响，他们之间可能存在着相关性，并可能有某个共同的因子在起作用，如果直接运用这些因素的量化数据进行回归分析，不仅运算量大，而且易产生变量间共线性问题，使得理论模型缺乏统计学和实际意义，致使找不到真正影响农民收入的因素，结论差强人意。选择因子分析的这一模型将有效避免以上问题的发生，从而找出影响农民增收的核心因素。

因子分析(Factor analysis)是用来描述隐藏在一组测量到的变量中的一些更基本的，但又无法直接测量到的隐性变量，它的基本思想是将观测变量进行分类，将相关性较高,即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，每一类变量实际上就代表了一个基本结构，即公共因子。因子分析常采用以主成分分析为基础的反覆法。

二、模型的构建

(一)变量的选取

基于我国农村的特征、影响农民收入的关键因素以及数据的可获得性、可量化性。变量主要选取： X1城镇化水平(%)、X2财政支农水平、X3医疗水平、X4农民综合素质(%)、X5基础设施建设、X6工业化水平(%)、X7单位面积耕地机械总动力(千瓦/公顷)、X8有效灌溉面积(千公顷)、X9农作物播种面积(公顷)、X10粮食总产量(吨)、X11农用化肥施用量(吨)、X12居民消费指数(%)，给部分变量进行解释说明。

(二)变量的设置

X1城镇化水平(%)：各市的城镇人口除以总人口。随着城镇化发展，农村居民剩余劳动力转移更加畅通，会增加农民的工资性收入。

X2财政支农水平：各市地方财政支农资金除以该地区财政总支出。国家对三农问题的重视，逐步增加了农民转移性收入。

X3医疗水平：各市医院的床位数除以该区域年末总人口。用以解释该地区农民拥有的医疗保障，为农民收入的可持续增加提供一个健康的基础。

X4农民综合素质(%)：各市内每年毕业生人数(初中、高中、中专毕业生)除以该地区总人口，用此来表示人口素质的水平，对农民收入有着重要的影响，主要体现在绝对量、相对量、以及质量上。

X5基础设施建设：各市第一产业固定资产投资除以该地区年末农村总人口。用此近似表示农业基础设施建设水平，代表农村现代化的程度，为农民收入增加物质提供支持。

X6工业化水平(%)：各市第二产业产值除以该地区生产总值。一个地区的工业化水平越高，可以为农村的剩余劳动力和农业产品提供市场的能力就会越强，此外工业反哺农业，为农民收入的增加起到重要性作用。

X12居民消费指数(%)：作为衡量宏观经济走势的指标，反映通货膨胀，以此来解释物价水平对农民收入的影响。

其他的变量是从年鉴或者统计公报上，直接获得，均对农民收入产生巨大的影响。

(三)数据的来源及处理

根据《山东省统计年鉴2014》、山东省统计公报、山东各市的年鉴及统计公报的数据，进行筛选处理。

三、实证分析

(一)因子分析处理

运用统计分析软件spss19.0对影响农民收入的因子进行处理。

1.KMO检验和Bartlett球形检验

表2 KMO检验和Bartlett球形检验

由KMO统计量>0.5，表示可以进行因子分析。Bartlett球形检验统计量<0.01，由此可以认为影响收入的各因素之间存在着显著地相关性。这也和下表3所示的相关矩阵得出的结论相符。

表3 相关矩阵

2．变量的共同度

表4 公因子方差

提取方法：主成份分析

由表4的“提取”一列可见，提取的几个公共因子对原始变量的解释效果不错，最大限度的保留了原始信息，可信度也较高。

3.方差的解释

特征值大于1的公因子有4个，4个公因子的累计方差贡献率为 85.121(见5)，能够较好地覆盖全部指标的信息，适合运用因子分析法进行分析。

4．旋转后的因子载荷矩阵分析

本文采用方差最大化法，本文采用方差最大法对因子载荷矩阵实施正交旋转以使因子具有命名解释性，得到表6，第1公因子在指标X8有效灌溉面积(千公顷)、X9农作物播种面积(公顷)、X10粮食总产量(吨)、X11农用化肥施用量(吨)上载荷较大，因此可以定义生产力因素；第2公因子在指标X1城镇化水平(%)、X3医疗水平、X5基础设施建设、X12居民消费指数(%)上载荷较大，因此可以定义为经济发展力因素；第3公因子在指标X4农民综合素质(%)、X7单位面积耕地机械总动力(千瓦/公顷)上载荷较大，可以定义为资源力因素；第4公因子在指标X2财政支农水平、X6工业化水平(%)上载荷较大，可以简化定义为社会支持力因素。综合以上降维分析的结果可见，影响农民增收的核心因素是生产能力因素、经济发展能力因素、资源能力因素和社会支持能力因素。

表5 解释的总方差

提取方法：主成份分析。其余成分已删除。

表6 旋转成份矩阵

提取方法 :主成份。旋转法 :具有 Kaiser 标准化的正交旋转法。

a. 旋转在 5 次迭代后收敛。

5．影响因素的回归分析

由表7的主成分得分可得农民收入的主成分模型为下式所示。

F1=-0.085X1+0.022X2-0.003X3-0.024X4+0.0130X5+0.038X6-0.027X7+0.275X8+0.260X9+0.236X10+0.264X11-0.108X12

F2=0.190X1+0.010X2+0.268X3-0.085X4+0.441X5+0.130X6-0.074X7+0.110X8+0.075X9+0.038X10+0.112X11-0.373X12

F3=0.065X1+0.199X2+0.281X3-0.447X4-0.093X5-0.136X6+0.484X7-0.027X9+0.003X10+0.039X11+0.025X12

F4=-0.141X1+0.534X2+0.062X3+0.062X4+0.234X5+0.506X6+0.154X7+0.074X8-0.011X9-0.032X10+0.045X11+0.031X12

在降维分析的基础上，运用线性回归分析的方法，找出各因素对农民增收的贡献率。采用计算公共因子加权总分的方法对17个市的影响农民收入因素水平进行综合评价。本文以4个公共因子各自的方差贡献率为权重，对17个市的影响农民收入因素水平进行线性加权求和，得到各市的影响农民收入因素水平综合得分和总名次，计算公式为F=0.41807 F1+0.1898F2+0.14284F3+0.1005F4

即F=(-0.00436)X1+0.093188X2+0.095981X3+(-0.0871)X4+0.09937X5+0.071987X6+0.059278X7+0.14 3284X8+0.117971X9+0.103089X10+0.141721X11+(-0.10926)X12

表7 成份得分系数矩阵

提取方法:主成份。

旋转法:具有Kaiser 标准化的正交旋转法。

构成得分。

(二)结果分析

通过表8，可利用4个公共因子得分以及综合得分对各地区进行研究比较分析。

在第1公因子也就是有效灌溉面积、农作物播种面积、粮食总产量、农用化肥施用量，菏泽市、潍坊市、德州市、聊城市、济宁市、临沂市、青岛市的这几个因素都起了影响农民收入的程度高于一般平均水平，并且生产能力较强，而剩余的其它市在这几个因素影响农民收入的程度上低于一般平均水平。在城镇化水平、医疗水平、基础设施建设、居民消费指数即经济发展因素方面，东营市、青岛市、济南市、潍坊市、烟台市、临沂市的因子得分为正，说明这几个因素对相应各地区影响农民收入的程度高于平均水平，得分为负的市，反之。第3公因子，威海市、烟台市、济宁市、聊城市、济南市、德州市、泰安市、青岛市在农民综合素质、单位面积耕地机械总动力因素影响收入程度上高于平均水平。第4公因子，东营市、威海市、日照市、烟台市、菏泽市、德州市、聊城市、潍坊市、滨州市的财政支农水平、工业化水平因素的影响收入的程度高于平均水平，这和作者的预计不一致，经济较发达的市，工业化水平较高，但是却没有对农民收入的增加起到重要作用，其中部分原因，可能是其财政支农水平太低，在计算得分时，对工业化水平起到的作用加以消减了。

从综合得分方面来看，直观上潍坊市、东营市、济宁市、聊城市、德州市、菏泽市、烟台市、临沂市、济南市、青岛市在这12个因素指标方面对农民收入影响程度高于一般水平。从综合得分计算公式中，每一因素权重系数可以发现，城镇化水平、农民综合素质、居民消费指数这三个指标对于农民收入增加的弹性为负值，作者对此进行简单的说明。城镇化水平和农民综合素质对其弹性系数为负值，这是出乎作者预料的，可能单纯的因为2013年的数据导致，但是物价的波动，尤其近几年商品价格的上扬抵消了部分粮食价格上涨以及务工工资上涨对收入的拉动作用。对于17个市农民增收的影响因素的贡献率排序为有效灌溉面积>农用化肥施用量>农作物播种面积>粮食总产量>基础设施建设>医疗水平>财政支农水平>工业化水平>单位面积耕地机械总动力>城镇化水平>农民综合素质>居民消费指数。

排在前4位的主要是有效灌溉面积、农用化肥施用量、农作物播种面积、粮食总产量，说明不断提高农业生产效益，提高农地产出水平，走土地规模化经营，用地集约化，农业现代化道路的正确性，这同时也说明现在农民收入结构中家庭经营性收入仍占有重要性地位。

表8 各市影响农民收入因素的得分

四、结论

综上，以山东省17个市的农民增收影响因素分析说明，本地区农民增收是生产力、经济发展力、资源力、社会支持力四类因素共同作用的结果。在目前研究阶段，生产力的发展以推动工业化进程、加快城乡统筹步伐和提高农业现代化水平的方式促进农民收入增加，是影响农民增收质与量的外在核心因素。当前，城镇化水平、农民综合素质居民消费指数因素，其作用尚未有效发挥，为农民收入的进一步增长提供了空间。

[1] 佟光霁,张林等.农民增收的核心影响因素分析[J].统计与决策,2013,(13)：92-95.

[2] 李朝旗,李朝赟,刘沛等.基于主成分分析的区域可持续发展能力评价[J].开发研究，2009，(1):64-67.

[3] 刘京鹏,张进宝等.因子分析模型下影响我国农民收入的因素—基于1990-2009年间数据的实证研究[J].鲁东大学学报2011,28(3)：79 -82.

[4] 囤兴侠等.影响农民收入的因素实证分析[J].经济论坛，2012,(3):88-92.

[5] 姚林香，舒成等.江西农民收入增长影响因素的实证分析—基于江西省7县(市)的调查数据[J].江西财经大学学报，2010,(6):69-72.

[6] 刘跃奎等，农民增收问题研究的新视角—影响山东省农民增收相关因素的系统分析[J].理论学刊，2005,(1)：49-53.

[7] 冯颖,类延忠,左太安等，基于因子分析法及聚类分析法的区域可持续发展能力评价研究—以山东省临沂市为例[J].经济研究导刊，2012,(20):62-65.

[8] 覃巍等，农民收入状况评价指标体系的初步研究[J].经济问题，2000,(12):38-40.

[9] 杨楠等，现阶段我国农民增收问题探析[J].经济论坛,2013,(4):118-120.

[10] 郇红艳,谭清美,孙君等.基于空间计量模型的安徽城镇化发展与农民增收实证分析[J].农业现代化研究，2014,35(2):151-157.

2015-11-25

东北林业大学经济管理学院，黑龙江哈尔滨,150040