农民收入区域差异影响因素的实证分析与判断，本文主要内容关键词为：实证论文,农民收入论文,差异论文,因素论文,区域论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、农民收入区域差异演变的统计描述
自改革开放以来，我国农民收入水平有了很大提高，人均纯收入由1978年的133.6元提高到2002年的2475.6元，扣除物价因素，年均实际递增7.18％，但农民收入的区域差异却有所扩大。本文通过计算省际间农民人均纯收入的极差（R）、极值比（I）、标准差（S）、变异系数（V）来反映农民人均纯收入区域差异的演变，由于1984年之前区域之间的差异不大，故主要考察1985—2002年的情况。从表1可以看出，用最高和最低省区的农民人均纯收入的极差测度的绝对差异和标准差测算的全国各区域农民人均纯收入的绝对差异在1985—2002年期间一直递增，极差由1985年的551元上升到2002年的4761元，标准差由1985年的128元上升到2002年的1199元。当然，这不能完全说明农民人均纯收入的省际差异在扩大，因为各地区的人均纯收入都在不断提高。考察变异系数，V值显示出阶段性特征：1985—1993年递增，且1993年的V值与前后几年相比显得较高，也是所有年份中的最高值；其后几年的V值有所下降（注：刘纯阳，高启杰认为，1993—1998年间农民收入的区域差异有一定程度的缩小，这可能跟当时我国执行严厉的、旨在对“泡沫经济”加大调控力度的紧缩政策及其滞后效应有关。因为就总体而言，农民收入较高的沿海发达地区“泡沫经济”现象要比内陆地区严重得多，宏观紧缩对其影响（包括对农民收入的影响）相对较大。参见刘纯阳，高启杰《我国农民收入区域差异变动趋势分析》，农业技术经济，2004年第2期。），但从1999年开始，V值又缓慢上升，且目前看不出下降的趋势。总体而言，1985—2002年我国农民人均纯收入的省际差异在不断扩大，2002年的V值比1985年上升了14.3个百分点，扩大了46.9％。
表1 省际间农民人均纯收入差距指标
1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
极差R（元）
551 667 763 961 1014 1476 1557 1736 2176 2713 3365 3746 4092 4175 4100 4266 4467 4761
极值比I3.16 3.48 3.58 3.83 3.77 4.43 4.49 4.55 4.95 4.75 4.82 4.40 4.45 4.39 4.13 4.21 4.18 4.26
标准差S（元） 128 153 180 221 251 300 333 375 476 603 778 876 939 945 974 1041 1122 1199
变异系数V（％）30.5 34.3 36.4 37.7 39.1 40.1 43.2 43.5 47.2 45.9 46.3 43.1 42.7 41.1 41.6 43.4 44.4 44.8
注：（1）1985—1999年数据来自周杰文，段一群，祝影《中国农民人均纯收入区际差异分析》，理论月刊，2003年第1期；2000—2003年数据由作者根据《中国统计年鉴》（2003）计算整理。（2）s＝
，v＝s/
*100％，其中，x[，i]为各省市农民人均纯收入，为各地平均值，计算时未考虑人口权重。
另外，从东、中、西三大区域来看，我国农民收入大体上符合东、中、西部依次递减的规律，而且1978—2002年间三大区域之间的农民收入差异还有所拉大。从表2可以看出，三大区域的农民收入水平本来就存在着差异，且增长势头也呈现出由东到西逐步减缓的特征。1978年东、中、西部农民收入的水平比值为1.37∶1.10∶1，分别相当于当年全国平均水平的122.83％、98.43％、89.82％；而到了2002年水平比值扩大为2.16∶1.30∶1，分别相当于全国平均水平的151.79％、91.67％、70.29％。2002年农民人均纯收入在2500元以上的省份有10个，分别是上海、北京、浙江、天津、江苏、广东、福建、山东、辽宁、河北，全部是东部省（市）；在2000元以下的省份有8个，分别为宁夏、新疆、青海、云南、陕西、甘肃、贵州、西藏，全都是西部省份（自治区）；而其他13个省（市、自治区）农民人均纯收入则介于2000—2500元之间。可见， 三大区域之间农民收入的差异十分明显。
表2
东、中、西部农民人均纯收入差距比较（单位：元）
年份 全国平均
东部 中部
西部
东部：中部：本部 年份
全国平均
东部
中部
西部
东部：中部：西部
1978 133.6
164.1 131.5
120.0
1.37：1.10：1
1995
1577.7
2346.1 1422.3
1051.6 2.23：1.35：1
1985 397.6
513.0 380.3
322.6
1.59：1.18：1
2000
2253.4
3341.5 2070.7
1568.5 2.13：1.32：1
1990 686.3
967.7 649.5
551.9
1.75：1.18：1
2002
2475.6
3757.6 2269.3
1740.2 2.16：1.30：1
注：（1）东、中、西地带的划分采用《中国农村住户调查年鉴》（2003）的标准。（2）各地带农民人均纯收入为算术平均，未考虑人口权重。
二、从非农收入角度解析农民收入的区域差异
近几年来，国内外学术界对改革开放以来我国农村居民地区间收入差异的研究主要集中在两个方面：一是区域间收入不平等的实证考察，以及区域间和区域内不平等的分解；二是影响区域间农村居民收入差距的主要因素分析。这些成果包括张平[1]、Knight和Song[2]、Rozelle[3]、万广华[4]、刘慧[5] 等人的论文，其主要贡献是研究证实了我国农村区域间家庭人均收入不平等加剧的趋势，认为造成农村居民收入差距拉大的主要因素包括区域的自然条件、区位与交通、历史文化背景、原有经济基础（产业结构及发展水平）、农民受教育程度以及政策因素等。其中，大多数研究把收入差距拉大的主要原因归于农村非农产业的发展，以及不同地区农民获得非农就业的机会和收入的差异。例如，万广华在前人研究的基础上，通过计算基尼系数对农村区域间的农民收入差异进行因素分解，发现中国农村区域间农民收入差异具有上升趋势，而且这个趋势与农村经济结构有关。
实际上，李嘉图、克拉克等很早就指出，由于工业和农业部门的不同生产方式和效率（农业部门存在着收益递减规律，工业部门不仅不存在收益递减规律，反而呈收益递增趋势），以及产品需求方式的差异（农产品需求弹性低），在工业化过程中，农业的产业地位有相对下降趋势，且产值比例下降速度大大超过其就业比例下降速度，这种产值比例与就业比例下降的不同步，造成由劳动生产率决定的工资水平，必然是农业部门劳动力收入水平低于工业和服务业等新兴部门劳动力的收入水平，这意味着农民的非农就业能够有效地提高农民收入[6]。考察改革开放后我国农民收入的演变趋势，基本符合上述规律。随着以乡镇企业为核心的农村非农产业的快速发展，并在农村经济中占据了越来越大的比重，以及改革开放后越来越多的农村劳动力开始流向城市和沿海发达地区寻求非农就业，农民的收入结构也发生了明显变化，主要由三大块构成：一是工资性收入；二是农民家庭经营性收入；三是其他收入，包括财产性收入和转移性收入。由于其他收入项占农民纯收入的比例很小，我们重点考察工资性收入和经营性收入。1978年在农民人均纯收入中，家庭经营性收入和工资性收入的比重分别为 84.95％和7.92％，前者的份额远远高于后者；而到了2002年，两者比重则变为47.17％和 46.82％，家庭经营性收入比重下降了约38个百分点，工资性收入则上升了约39个百分点，形成了两者平分天下的格局。可以说，农民的工资性收入（主要来自二、三产业）已经成为农民收入增长的第一要素。
但是，不同地区，尤其是东、中、西部地区的二、三产业发展存在较大的不平衡，这可能是影响改革开发后我国农民收入区域差异的一个重要原因[7]。就东部来说，2000年上海农民的工资性收入已占人均纯收入的77.01％，北京为61.22％，浙江、江苏和天津分别为47.03％、46.26％和45.23％；其中，在本地企业劳动所得收入占工资性收入的比重上海为64.95％，北京为49.71％，浙江、江苏和天津分别为53.45％、44.51％和60.45％。这种由于非农产业发展不均衡所导致的工资性收入的差别构成了地区间农民人均纯收入差异的主要原因，改革开放后的各年， 工资性收入对农民人均纯收入分配不均等的影响程度均为55％以上，1999年更是高达68.24％，而作为农民人均纯收入主要来源的农民家庭经营纯收入的分配则相对比较平均。而且，越是经济发达的地区，其非农产业发展越好，农民的工资性收入也越高，纯收入也越高，形成一个良性循环。另一方面，越是经济落后的地区，非农产业发展也落后，纯收入也越低，形成一个恶性循环。这种非农产业集中于经济发达地区的现实导致了地区间农民纯收入差异的扩大[8]。
三、农民收入区域差异影响因素的实证分析
下面考察造成农民收入省际差异的主要因素。以我国大陆31个省（市、自治区）的横截面数据为样本，采用SPSS10.0软件进行因子分析和回归分析，首先，引入如下变量：
y，农民人均纯收入（元）；
x[，1]，农业生产结构，以林牧渔业总产值与种植业总产值的比值表示；
x[，2]，种植业结构，以非粮食作物播种面积与粮食作物播种面积的比值表示；
x[，3]，农业机械总动力（万千瓦）；
x[，4]，有效灌溉面积（千公顷）；
x[，5]，第二产业占GDP比重（％）；
x[，6]，第二产业从业人员比重（％）；
x[，7]，第三产业占GDP比重（％）；
x[，8]，第三产业从业人员比重（％）；
x[，9]，农村劳动力中初中及初中以上文化程度人数所占比重（％）；
以上变量中，农民人均纯收入y为各省（市、自治区）2000、2001、2002年的算术平均值，x[，1]－x[，8]为2002年数据，资料均来自《中国统计年鉴》（2003）；农村劳动力中初中及初中以上文化程度人数所占比重x[，9]为2000年数据，资料来自《中国农业统计年鉴》（2001）。各变量数据整理见表3。
建立y与各自变量x[，i]（i＝1，2…9）的回归模型：
y＝β[，0]＋
β[，i]x[，i]＋ε，ε～N（0，σ[2]），σ＞0，E（ε│x[，1]，x[，2]…x[，9]）＝0 （1）
由于模型（1）中的自变量之间存在严重的多重共线性，因此，不能对模型（1）直接进行回归。对表3的各变量作正规化处理，将其转化成均值为0，方差为1的变量，并分别记作Y、X[，1]、X[，2]、X[，3]、X[，4]、X[，5]、X[，6]、X[，7]、X[，8]、X[，9]。对自变量X[，1]－X[，9]进行因子分析，观察总方差分解表，并根据研究需要，保留6个主因子，这6个主因子的累积方差占方差总和的97.54％，包括了绝大部分信息。为了更好地解释因子，对其进行方差最大法正交旋转，设Fi为第i个因子，i＝1，2…6。旋转后的因子负载矩阵（见表4）显示，F[，1]在X[，3]、X[，4]上有较大负载，反映的是各地农业生产条件情况，故命名为“农业生产条件”因子；F[，2]在X[，5]、X[，6]上有较大负载，反映的是第二产业发展及其创造就业的情况，故命名为“第二产业发展状况”因子；F[，3]在X[，7]、X[，8]上有较大负载，反映的是第三产业及其创造就业的情况，故命名为“第三产业发展状况”因子；F[，4]在X[，9]上有较大负载，反映的是农民受教育情况，故命名为“农民受教育程度”因子；F[，5]在X[，2]上有较大负载，反映的是粮食与非粮食播种面积的比例情况，故命名为“种植业结构”因子；F[，6]在X[，1]上有较大负载，反映的是农林渔牧业产值的比例情况，故命名为“农业生产结构”因子。
表3 各地区农民收入及影响变量原始数据
地区
y
x[，1] x[，2] x[，3] x[，4] x[，5] x[，6] x[，7] x[，8] x[，9]
北京
5009.51 1.56 1.02 381.8
316.7
34.8
30.8 62.2 60.7 86.36
天津
3949.61 1.10 0.68 612.7
354.4
48.8
38.5 47.1 41.3 68.50
河北
2589.21 0.88 0.38 7451.2 4415.2 49.8
25.8 34.6 25.1 72.32
山西
2003.83 0.55 0.30 1869.4 1103.7 53.7
24.5 36.5 28.7 71.13
内蒙古 2032.53 0.77 0.36 1510.2 2537.6 42.0
15.4 36.4 28.8 60.61
辽宁
2554.95 1.10 0.34 1484.7 1494.8 47.8
24.5 41.4 37.9 70.97
吉林
2168.57 0.62 0.16 1150.7 1499.2 43.6
17.5 36.6 34.6 63.97
黑龙江 2277.91 0.59 0.19 1741.8 2185.3 55.9
20.8 32.6 29.3 67.52
上海
5896.93 1.40 1.54 126.9
270.4
47.4
41.2 51.0 47.5 71.02
江苏
3786.53 0.73 0.60 2983.9 3886.0 52.2
30.8 37.3 30.0 64.63
浙江
4592.12 1.14 0.85 2053.2 1406.0 51.1
34.1 40.0 32.9 56.30
安徽
2024.06 0.83 0.48 3372.1 3263.8 43.5
17.2 34.9 25.6 58.29
福建
3383.35 1.45 0.63 915.8
938.8
46.1
26.1 39.7 29.2 59.28
江西
2224.45 0.96 0.68 1111.8 1894.2 38.8
15.6 39.3 33.1 56.28
山东
2803.79 0.78 0.60 8155.6 4797.4 50.3
24.9 36.5 25.0 68.66
河南
2099.81 0.61 0.49 6548.2 4802.4 47.8
18.8 31.3 19.6 70.70
湖北
2354.94 0.79 0.89 1557.4 2006.5 49.2
18.1 36.6 34.5 61.49
湖南
2298.18 0.98 0.67 2498.1 2675.6 40.0
15.3 40.5 25.9 62.66
广东
3778.72 1.10 0.71 1779.4 1425.0 50.4
26.7 40.8 33.7 62.65
广西
1940.48 0.97 0.77 1639.5 1518.5 35.2
10.2 40.6 28.6 58.60
海南
2277.31 1.38 0.70 210.2
188.0
20.7
9.6
41.4 30.3 66.99
重庆
1987.07 0.75 0.33 665.6
641.2
42.0
17.2 42.0 30.6 50.42
四川
1999.41 0.98 0.44 1803.7 2500.6 40.7
15.6 38.3 27.3 50.26
贵州
1425.27 0.55 0.51 699.4
671.5
40.1
9.5
36.2 25.2 38.86
云南
1540.33 0.66 0.40 1460.4 1442.1 42.6
8.8
36.3 17.9 37.09
西藏
1399.03 0.92 0.19 145.8
159.7
20.4
6.2
55.0 24.2 2.99
陕西
1510.30 0.44 0.24 1166.5 1314.7 45.5
16.5 39.6 30.0 63.03
甘肃
1509.20 0.40 0.39 1185.3 988.3
45.7
13.4 35.9 27.1 50.45
青海
1572.25 1.29 0.74 281.4
193.5
45.1
13.8 41.7 29.8 33.12
宁夏
1821.57 0.75 0.30 447.5
410.0
45.9
19.4 38.0 25.2 50.21
新疆
1730.59 0.45 1.30 919.6
3053.9 42.1
13.6 38.9 30.5 44.71
表4 旋转后的因子负载矩阵
F[，1] F[，2] F[，3] F[，4] F[，5] F[，6]
X[，1] -0.171 -0.022 0.293
0.149
0.247
0.889
X[，2] -0.043 0.080
0.187
0.094
0.950
0.201
X[，3]
0.949 0.158
-0.140 0.086
-0.120 0
X[，4]
0.911 0.081
-0.236 0.105
0.052
-0.216
X[，5]
0.186 0.889
-0.273 0.173
-0.009 -0.208
X[，6]
0.080 0.776
0.352
0.330
0.190
0.288
X[，7] -0.319 -0.143 0.854
-0.028 0.183
0.319
X[，8] -0.349 0.188
0.641
0.512
0.320
0.179
X[，9]
0.230 0.304
0.030
0.909
0.072
0.109
模型（3）拟合相当理想，F值为54.72，对应的P值小于0.0001；R[2]值为0.8938，R[2][，adj]＝0.8772；所有自变量T检验的P值均小于0.0001，F[，2]－F[，6]均对农民收入影响显著；残差服从正态分布，不存在异方差和序列相关。
由于模型未考虑政策、农民税负等因素，在因子分析过程中又损失了一些信息，R[2]值为0.8938是可以接受的，并不影响我们的分析结果。为更直观地表达模型各因子对农民收入的影响程度，按各因子影响系数大小绘成表5。
表5 各因子对农民收入的影响
因子方差贡献（％）
回归影响力
代表变量
第二产业发展状况（F[，2]）
17.559 0.4983
第二产业占GDP比重（x[，5]），第二产业从业人员比重（x[，6]）
第三产业发展状况（F[，3]）
17.067 0.4490
第三产业占GDP比重（x[，7]），第三产业从业人员比重（x[，8]）
农业生产结构（F[，6]） 12.761 0.4358
林牧渔业总产值与农业总产值的比值（（x[，1]）
种植业结构（F[，5]） 12.869 0.3896
非粮食作物播种面积与粮食作物播种面积的比值（x[，2]）
农民受教育程度（F[，4]）
14.191 0.3192
农村劳动力中初中及初中以上文化程度人数所占比重（x[，9]）
农业生产条件（F[，1]） 23.095 不显著
农业机械总动力（x[，3]），有效灌溉面积（x[，4]）
利用因子得分矩阵，计算各地区在F[，1]－F[，6]上的得分，然后根据F[，1]－F[，6]对Y建立因子回归方程：
Y＝0.0044*F[，1]＋0.4983*F[，2]＋0.4490*F[，3]＋0.3192*F[，4]＋0.3896*F[，5]＋0.4358*F[，6]（2）
（0.07）
（7.65）
（6.89）
（4.90）
（5.98）
（6.69）
F[，1]通不过检验，从模型中删去，重新回归，得方程：
Y＝0.4983*F[，2]＋0.4490*F[，3]＋0.3192*F[，4]＋0.3896*F[，5]＋0.4358*F[，6]（3）
（7.80）
（7.03）
（5.00）
（6.10）
（6.82）
根据因子得分矩阵所揭示的因子与原始自变量（x[，1]－x[，9]）间的关系，可以用原始自变量替换式（3）中的因子，计算出各原始自变量对因变量（农民收入）的影响力系数，但结合表5各列，我们已经得出了有意义的结论：影响农民收入的第一因素是各省（市、自治区）的二、三产业发展状况，以及由此引起的城市化和对农村劳动力的吸纳；第二是农业结构调整因素，包括大农业结构和种植业内部结构；第三，农民受教育程度对农民收入也有一定影响，但农业生产条件的差异对解释我国农民收入的省际差异不显著。
四、判断与思考
1.改革开放以来我国农民人均纯收入不断提升，但农民收入的省际差异扩大。利用2000—2002年相关横截面数据的实证分析表明，目前造成各省（市、自治区）农民收入差距扩大的影响因素依次是二、三产业发展状况以及由此引起的城市化和对农村劳动力的吸纳、农业结构调整因素、农民受教育程度。农业生产条件的解释力不显著。
2.要提高农民收入水平，乃至从根本上解决“三农”问题，不能在农业内部寻找出路，而要重新审视城乡之间、工农之间的相互关系和联系，以工业化、城市化和农村经济结构战略性调整为主线，在稳定发展农业经济，不断提高农业劳动生产率的前提下，通过二、三产业的发展，推进城市化进程，解决农民的就业问题（非农就业）和身份问题（市民化），实现工业化、城市化和农业现代化的良性循环，从根本上解决“三农”问题。在此过程中，政府应加快户籍等相关制度改革，为农村劳动力提供更多的非农就业机会；同时向中西部农村落后地区提供财政和政策支持，引导其以市场为取向的农业结构调整，促进其非农产业的发展和推进城市化。
标签：农民论文; 农民人均纯收入论文; 工资性收入论文; 因子分析论文; 工资结构论文; 三农论文; 实证分析论文; 农村论文;