吉尼系数影响因素的计量分析

吉尼系数影响因素的计量分析一总论及模型变量的选择。收入和财富分配的不均等，长期以来是与经济发展相伴生的。它不仅影响着一个国家和地区的经济增长，而且还影响着该国家或地区的政治稳定和社会发展。因此，它一直是世界上许多社会经济学家研究和分析的焦点所在，是发展经济学研究的核心问题。平等与发展，或者公平与效率是经济学一个永恒的话题。二者的抉择对各国的发展具有重大的影响。对于收入分配不均等程度的测量，目前常用的方法是洛伦兹曲线（Lorenz curves）和吉尼系数（Gini coefficient）。洛伦兹曲线是衡量收入分配不均等程度的几何工具，它表示一定比例人口所占有的收入比例量，反映了相对生活水平，这种方法与传统的偏离平均生活水平程度的统计方法相比，能够全面地描述相对生活水平状况，也为研究收入分配不均等问题提供了依据。我们结合发展经济学和西方经济学的理论知识，通过对24个国家吉尼系数影响因素的分析，了解收入分配不均等的形成原因。这些因素既包括结构性或制度性因素（如城乡差异、地区差异、体制内外差异等），也包括个体因素（如个人的文化程度、职业、年龄、性别、政治身份等）。由于存在政府的转移支付等政策因素对收入分配的影响，而这些政策的实施则受限于GDP的增长，所以我们引入了国民生产总值。而人均国民生产总值考虑一国的人口基数则更可以代表了一个国家的经济发展水平，所以我们采用此变量。世界上的国家大都存在一个恶性循环，即人口的增长问题。收入较低的阶层往往生更多的孩子，收入很高的阶层则普遍生得较少。农村人口占了低收入阶层的绝大部分，部分低收入城市居民也存在多生现象。所以我们把人口增长率进入模型。一般来讲，一个国家城市人口较之农村人口收入高，若城市人口占据的比重大了，获得较高收入的人口数量相对增加了，从而影响收入在不同阶层间的分配状况，影响吉尼系数。众所周知，受教育的程度影响获得收入的水平不同。一国的教育水平影响人们获得收入的机会。从而影响不同收入阶层之间比重。吉尼系数也会随之变化。二基于上述理论初步设置计量经济模型Y =+1X1+2X2+3X3+4X4+u其中：X1表示人均国民生产总值； X2表示人口增长率；X3表示城市人口所占比重；X4表示成人非文盲人口所占比重（占15岁及以上人口比重）1下面进行初步回归：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:25Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X4-0.3308420.083230-3.9750290.0008X3-0.0376520.087213-0.4317180.6708X20.9279180.1406756.5961970.0000X1-0.0001729.79E-05-1.7543930.0955C2.7923715.9485770.4694180.6441R-squared0.757585 Mean dependent var36.52917Adjusted R-squared0.706550 S.D. dependent var8.576179S.E. of regression4.645801 Akaike info criterion6.092856Sum squared resid410.0858 Schwarz criterion6.338284Log likelihood-68.11428 F-statistic14.84451Durbin-Watson stat1.965282 Prob(F-statistic)0.000012以上结果表明，拟合很好，整体回归显著，但是部分变量的T不显著，可以判定存在严重的多重共线，进行逐步回归。对变量x1 进行回归，结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:26Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X1-0.0002890.000136-2.1204430.0455C38.929361.98532019.608600.0000R-squared0.169695 Mean dependent var36.52917Adjusted R-squared0.131954 S.D. dependent var8.576179S.E. of regression7.990342 Akaike info criterion7.073999Sum squared resid1404.602 Schwarz criterion7.172171Log likelihood-82.88799 F-statistic4.496277Durbin-Watson stat2.091889 Prob(F-statistic)0.045481对变量x2 进行回归，结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:26Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X20.5391990.1366263.9465250.0007C30.103712.12760114.149130.0000R-squared0.414505 Mean dependent var36.52917Adjusted R-squared0.387892 S.D. dependent var8.576179S.E. of regression6.709775 Akaike info criterion6.724663Sum squared resid990.4636 Schwarz criterion6.822834Log likelihood-78.69596 F-statistic15.57506Durbin-Watson stat2.230820 Prob(F-statistic)0.000687对变量X3进行回归，结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:26Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X3-0.0655020.085588-0.7653250.4522C40.203255.1154057.8592500.0000R-squared0.025933 Mean dependent var36.52917Adjusted R-squared-0.018342 S.D. dependent var8.576179S.E. of regression8.654476 Akaike info criterion7.233686Sum squared resid1647.799 Schwarz criterion7.331857Log likelihood-84.80423 F-statistic0.585722Durbin-Watson stat2.215240 Prob(F-statistic)0.452211对变量X4进行回归，结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:26Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X4-0.0281860.076640-0.3677730.7166C38.763036.3307336.1229920.0000R-squared0.006110 Mean dependent var36.52917Adjusted R-squared-0.039066 S.D. dependent var8.576179S.E. of regression8.742094 Akaike info criterion7.253832Sum squared resid1681.333 Schwarz criterion7.352003Log likelihood-85.04598 F-statistic0.135257Durbin-Watson stat2.293358 Prob(F-statistic)0.716557比较以上回归结果可知：变量X2 的拟合优度最好，T值最显著。遂逐步引入其他解释变量。首先引入x1,进行回归：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:27Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X20.4968110.1646073.0181600.0065X1-6.63E-050.000138-0.4813970.6352C31.160133.08322010.106360.0000R-squared0.420896 Mean dependent var36.52917Adjusted R-squared0.365743 S.D. dependent var8.576179S.E. of regression6.830090 Akaike info criterion6.797021Sum squared resid979.6528 Schwarz criterion6.944278Log likelihood-78.56426 F-statistic7.631455Durbin-Watson stat2.167543 Prob(F-statistic)0.003228引入x3后的回归结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:28Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X20.7689200.1646344.6704930.0001X30.1739790.0799582.1758810.0411C17.607566.0706012.9004640.0086R-squared0.522221 Mean dependent var36.52917Adjusted R-squared0.476718 S.D. dependent var8.576179S.E. of regression6.203857 Akaike info criterion6.604688Sum squared resid808.2445 Schwarz criterion6.751945Log likelihood-76.25625 F-statistic11.47668Durbin-Watson stat2.318796 Prob(F-statistic)0.000428引入x4 后的回归结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:29Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X21.0034710.1403197.1513420.0000X4-0.2801120.060413-4.6366230.0001C2.3710926.1739950.3840450.7048R-squared0.710685 Mean dependent var36.52917Adjusted R-squared0.683131 S.D. dependent var8.576179S.E. of regression4.827626 Akaike info criterion6.103055Sum squared resid489.4255 Schwarz criterion6.250312Log likelihood-70.23667 F-statistic25.79261Durbin-Watson stat2.057363 Prob(F-statistic)0.000002在示知，无法判断由以上结果知，加入X1后可决系数变小，故剔除，加入X3和X4后的修正可决系数都变大了，所以对X2，X3，X4整体回归。Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:31Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X20.9922490.1426926.9537620.0000X3-0.0662560.090016-0.7360470.4702X4-0.3261240.087401-3.7313500.0013C2.5745276.2485940.4120170.6847R-squared0.718315 Mean dependent var36.52917Adjusted R-squared0.676063 S.D. dependent var8.576179S.E. of regression4.881175 Akaike info criterion6.159661Sum squared resid476.5175 Schwarz criterion6.356003Log likelihood-69.91593 F-statistic17.00046Durbin-Watson stat2.026984 Prob(F-statistic)0.000010由回归结果知，X3的T值不显著，应该被剔除。由整个回归过程知X1和X3都未经过统计检验，被剔除，故整个经济模型变为：Y =+2X2+4X4+u2异方差检验：（1）图示法：由图示知，可知存在异方差。（2）White检验：White Heteroskedasticity Test:F-statistic0.907723 Probability0.497693Obs*R-squared4.832894 Probability0.436613Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/20/04 Time: 20:33Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-58.74928319.9213-0.1836370.8564X2-2.06049410.68907-0.1927660.8493X220.0826160.0850980.9708280.3445X2*X4-0.0072400.105040-0.0689310.9458X42.7014816.3014900.4287050.6732X42-0.0182910.032478-0.5632020.5802R-squared0.201371 Mean dependent var20.39273Adjusted R-squared-0.020471 S.D. dependent var23.71878S.E. of regression23.96032 Akaike info criterion9.402993Sum squared resid10333.75 Schwarz criterion9.697507Log likelihood-106.8359 F-statistic0.907723Durbin-Watson stat1.964791 Prob(F-statistic)0.497693由表中结果知，存在严重的异方差，用加权最小二乘法进行修正，得：Dependent Variable: YMethod: Least SquaresDate: 12/20/04 Time: 20:36Sample: 1 24Included observations: 24VariableCoefficientStd. Errort-StatisticProb. X21.0034710.1403197.1513420.0000X4-0.2801120.060413-4.6366230.0001C2.3710926.1739950.3840450.7048R-squared0.710685 Mean dependent var36.52917Adjusted R-squared0.683131 S.D. dependent var8.576179S.E. of regression4.827626 Akaike info criterion6.103055Sum squared resid489.4255 Schwarz criterion6.250312Log likelihood-70.23667 F-statistic25.79261Durbin-Watson stat1.809434 Prob(F-statistic)0.000002修正后的结果可以看出，拟合效果非常好，F值非常高，说明整体拟合非常好，解释变量的T值都很显著，所以最后的模型如下： Y = +2X2+4X4+u（3）自相关检验：可见不成线性。故自相关不存在。而且DW检验也通过了无自相关。（4）.通过以上步骤，我们最终确立的模型为：Y =+2X2+4X4+u即：Y=2.371092+1.003471X2-0.280112X4(0.384045) (7.151342) (-4.636623) R-squared=0.710685 Adjusted R-squared=0.683131 F-statistic=25.79261三过程及结果经济意义解释在整个回归过程中，由于其检测不显著，我们剔除了变量X1和X3。根据库滋涅茨倒U曲线理论，吉尼系数也受国家发展程度的影响。我们也试着将国家分为发展中国家和发达国家作为虚拟变量引入，检测结果还是不显著。对于此，我们考虑到可能是由于一些无法引入的如国家政策等因素的影响，各国日益增长的不平等强化了社会分配不公，而且使得增长所带来的贫困减少大打折扣。比如在孟加拉国，90年代间人均国民生产总值每年增长约2%，然而贫困减少得相当缓慢，贫困差距依然悬殊。对于X3，由相关矩阵表明，和X4存在高度相关，一般地，城市人口和受教育人口存在着很大的重叠性，加之X3的统计检验也没通过，所以更可以说明X3可以用X4来替代。我们最终确立的模型表明X2人口增长率和X4受教育程度是影响吉尼系数的主要因素。根据马尔萨斯从经济理论的收益递减规律提出的一国人口发展的总趋势即人口是以几何级数增长的，而又由于收入递减规律，粮食供给以算术级数增长，导致了这两者发展速度的矛盾。而发展中国家生活资料占有的严重不平等，就会导致吉尼系数的增长。人口增长过快也会极大的增大就业压力，导致失业，这部分人口收入降低，其与就业人口的收入差距拉大，最终拉大吉尼系数。教育给民众提供了增加自身获得期望高收入的机会和条件，一国的教育水平越高，则大家获得更大收入的机会越均等。会使吉尼系数降低。四模型存在的问题由于模型的各个解释变量的选择与整体模型的设定，模型本身就缺乏一个整体的经典的理论依据支持，是我们小组在老师的指导下在讨论与实践结合中摸索出来的，我们是报着一种求知的态度进行课题的研究的，很多问题也由于知识的限制而缺乏周全的考虑，所以也存在很多问题。（1）吉尼系数本来所能提供的信息过于简单，对于收入差距状况不能提供更详细的描述，吉尼系数的计算也存在种种差异。而且，由于我们所选取的是一年截面数据，所以不能说明吉尼系数的变化趋势，从而进一步了解收入差距的变化。也无从根据其评价中国的贫富差距趋势的变化。（2）国家政策这一十分重要的因素，但其变化难以把握，我们也不知道该以何种形式将其定性引入（3）私有财产的转移也是其中很重要的因素，但引入也较困难。还有其他一些问题，希望老师和同学能帮我们指正加以完善。五参考文献世界经济统计 应用计量经济学发展经济学西方经济学