论文部分内容阅读
摘要：自2013以来，精准扶贫一直是社会关注的热点。精准扶贫首要关注的就是农民收入。首先，通过观察近十年安徽省农民收入的情况，从自然、经济和社会三个方面分析影响农民收入的理论因素，并在此基础上运用计量模型对影响因素和农民收入进行拟合分析，探究哪些因素真正影响农民收入。最后根据拟合后的计量模型，结合精准扶贫，对政府提出相应的建议与意见。
关键词：精准扶贫；安徽省；农民收入；计量分析
一、安徽省农民收入的现状
（一）安徽省农民人均纯收入总体趋势变动情况
根据2007-2016年安徽省的统计年鉴，近十年来安徽省农民人均纯收入水平呈现稳健增长的态势，增速水平逐渐放缓。2016年安徽省农民人均纯收入11720.47元，相比2007年的3556.3增长了3.29倍，见图1。
（二）安徽省农民收入结构变动情况
不难看出，2007-2016农民的收入结构发生了巨大变化。从总量上來看，工资性收入、家庭经营收入、财产性收入和转移支付都或多或少呈现增长的态势。从收入来源结构看，各项收入占总收入的比例却不尽相同。家庭经营收入和转移支付收入得到了提升，其中，转移性收入的比例由4.59%增长到24.02%。工资性收入和财产性收入的占比却在下降，工资性收入在十年间下降了4.98%，见表1。
根据安徽省农民收入结构的变动不难看出，农民收入的增长更多地依赖转移性支付，农民收入中工资收入的部分逐渐降低。尤其2013年以来，随着政府对三农扶持力度的加大，农民的转移性支付增多，农民的收入增长也出现了质的飞跃。
（三）安徽省与其他省份农民收入的比较
安徽省的农民人均纯收入在很长一段时间内低于全国平均水平，并且直到2013年，该差距逐步增大。2014年，安徽省政府着力扶持金寨、霍山、岳西等贫困县，积极响应“精准扶贫”政策，安徽省的农民人均收入达到全国平均水平，见图2。
二、农民增收影响因素的理论分析
（一）自然因素
1农用化肥施用量
安徽省地势平摊平坦，农民的主要收入来源为农作物，农用化肥的施用量直接影响了农作物的质量，进行影响农民的收入。根据表2的皮卡尔检验结果，农用化肥施用量与农民收入呈正比关系，相关系数为0.796。
2.农村居民家庭经营耕地面积（亩/人）
农用化肥是施用量影响农作物的质量，而农民家庭的经营耕地面积则是通过影响农作物的产量进而影响农民收入。由表2可知，农民收入与家庭经营耕地面积呈现高度相关的关系，相关系数为0.91，说明家庭经营耕地面积比农用化肥施用量对人均纯收入的影响更大。
（二）经济因素
1.农业机械总动力
农业机械总动力从效率上影响农民收入，农业机械总动力越高，也就意味着农民的耕作工具机械化水平越高，耕作的效率也就越高。从图3可以看出，农业机械动力与农民收入大致同方向变动。
2.农村农户固定资产投资额
一般而言，农民收入越多，人均可支配收入就越多。在农民消费偏好不变的情况下，农民农户对固定资产的投资额与收入应该呈现正相关关系。然而，通过观察图4，在2014年，虽然农民收入是增加态势，农民固定资产投资却发生了下滑。农民对自身固定资产的支出发生了下降，可能与精准扶贫资金的投入有关。
（三）社会因素
除了经济因素和自然因素之外，社会公共服务也会对农民收入产生影响。为了简化寻找数据的困难，本文选取乡村私营企业就业人数、公路里程和村卫生室个数三个变量分别从就业、运输和医疗三个方面评价社会因素对农民收入的影响。并利用相关分析构造变量之间的相关系数矩阵，见表3。
三、农民收入影响因素的实证分析
（一）模型的假设与数据的来源
影响农民收入的因素多种多样，很多可能无法进行量化处理，为此对其进行计量分析之前，对模型进行充分的假设：（1）对所有的农民来说，耕种的作物自然生长，不存在特大自然灾害影响作物收成；（2）安徽省的农民人口没有大规模的人口迁入或迁出；（3）忽略其他微小影响农民收入的因素。
本文从影响农民收入的自然、经济、社会服务三个角度入手，数据来自国家统计局、2008-2017年安徽省统计年鉴和中国三农数据库，数据真实有效。
（二）计量模型的构建
农民家庭人均收入是由四个来源综合构成的，因此只对人均纯收入进行研究，并作为计量模型的因变量。其余影响因素为自变量，根据经济知识，所有的自变量与因变量之间为正相关关系，见表4。
依据以上九个自变量变量，初步建立农民收入的计量模型。其中，β。为自变量的系数，s为随机干扰项。
对数据进行初步拟合，通过图5可以看出，模型的R2接近于1，但是除自变量x3和x7之外，其他自变量的t检验均不通过。
（三）模型的修正
由于拟合的模型R2高度接近1，且自变量因素较多，相互之间的相关系数大多高于0.7，因此模型可能存在多重共线性，需要进行逐步回归。
自变量x3与y之间的相关系数最大，并且农业的机械化水平不仅影响农民收入，农民的收入也反作用于机械化水平。因此，以x3作为一元回归模型，进行逐步拟合。
二次拟合后，不存在变量，使拟合后的模型不存在自相关。对x3取对数，在此基础上重新逐步拟合。拟合后的模型见图6，模型R2接近于1，说明模型高度拟合。T检验的概率小于0.05，F检验的概率为0。
（四）模型的检验
1.自相关检验
对农民收入的拟合只选取了近十年的变量，因此n=10，样本容量小于15，无法通过DW检验来验证模型是否存在自相关。利用EVIEWS绘制模型的自相关图，通过图7可以发现模型不存在一阶、二阶乃至九阶自相关。 2.异方差检验
对模型进行怀特检验，其Prob.Chi-Square（5）的值分别为0.2882和0.6422，证明模型被解释变量的观测值分散程度相同，见图8异方差检验。
（五）结果分析
最终得到农民收入关于农用化肥施用量、农村居民家庭经营耕地面积、农业机械总动力、村卫生室个数的函数为：
這四个变量中，农村居民家庭经营耕地面积对农民收入的影响最大，其次为农用化肥施用量。可以看出对农民收入的影响中，农作物的产量及质量极其极为重要。
四、基于精准扶贫建议
（一）精确贫困识别机制
利用大数据对每一位农户的家庭成员、学历水平、劳动能力等进行统计、分析并进行归类，准确知道每位农户需要什么，精确计算每位家庭最优最大经营耕地面积。对家庭经营耕地面积超出承受范围的家庭，鼓励其出租剩余耕地，由政府出资再分配至需要耕地的家庭，实现耕地面积的合理利用。建立贫困家庭数据库，不仅需要前期认真收集的数据收集工作，还需要定期进行回访，做好监督保障工作。
（二）加大农业补助力度
对农业加大扶持力度，农民文化水平较低，大多数农民的主要收入来源还是农业。农用化肥的施用量、施用种类、施用时间都可能直接对农作物的质量产生影响，进行影响农作物的价格。政府可以对农用化肥提供一定的经济补助，聘用更多的农业专家现场指导化肥的使用情况，做到“授之以渔”，从根本上对农民精准扶贫。
（三）提高农业机械化水平
随着我国城市化步伐的加快，农村中的青年人大多离开家乡，对农业的经营管理大多是村中的中老年人。因此，提高农业的机械化水平显得尤为重要。政府可以对缺乏青年劳动力的贫困家庭提供收割机、脱皮机等农用器械，提高农民的机械化水平。这不仅可以减轻年龄较大农民的劳动量，更大大提高了耕种的效率，增加农民的收入水平。
（四）健全医疗卫生基础设施
除了对农业加大帮扶外，精准扶贫还应关心农民的医疗问题。大多数贫困家庭，由于不注重日常饮食，加之过重的劳动负担，农民会存在健康问题。在一些医疗建设较差的村镇，农民看病需要前往市里，不仅路途不便，而且花费很高。健全医疗卫生基础设施、吸引高技术医疗人才进乡村，在精准扶贫的当下，理应提上日程。
关键词：精准扶贫；安徽省；农民收入；计量分析
一、安徽省农民收入的现状
（一）安徽省农民人均纯收入总体趋势变动情况
根据2007-2016年安徽省的统计年鉴，近十年来安徽省农民人均纯收入水平呈现稳健增长的态势，增速水平逐渐放缓。2016年安徽省农民人均纯收入11720.47元，相比2007年的3556.3增长了3.29倍，见图1。
（二）安徽省农民收入结构变动情况
不难看出，2007-2016农民的收入结构发生了巨大变化。从总量上來看，工资性收入、家庭经营收入、财产性收入和转移支付都或多或少呈现增长的态势。从收入来源结构看，各项收入占总收入的比例却不尽相同。家庭经营收入和转移支付收入得到了提升，其中，转移性收入的比例由4.59%增长到24.02%。工资性收入和财产性收入的占比却在下降，工资性收入在十年间下降了4.98%，见表1。
根据安徽省农民收入结构的变动不难看出，农民收入的增长更多地依赖转移性支付，农民收入中工资收入的部分逐渐降低。尤其2013年以来，随着政府对三农扶持力度的加大，农民的转移性支付增多，农民的收入增长也出现了质的飞跃。
（三）安徽省与其他省份农民收入的比较
安徽省的农民人均纯收入在很长一段时间内低于全国平均水平，并且直到2013年，该差距逐步增大。2014年，安徽省政府着力扶持金寨、霍山、岳西等贫困县，积极响应“精准扶贫”政策，安徽省的农民人均收入达到全国平均水平，见图2。
二、农民增收影响因素的理论分析
（一）自然因素
1农用化肥施用量
安徽省地势平摊平坦，农民的主要收入来源为农作物，农用化肥的施用量直接影响了农作物的质量，进行影响农民的收入。根据表2的皮卡尔检验结果，农用化肥施用量与农民收入呈正比关系，相关系数为0.796。
2.农村居民家庭经营耕地面积（亩/人）
农用化肥是施用量影响农作物的质量，而农民家庭的经营耕地面积则是通过影响农作物的产量进而影响农民收入。由表2可知，农民收入与家庭经营耕地面积呈现高度相关的关系，相关系数为0.91，说明家庭经营耕地面积比农用化肥施用量对人均纯收入的影响更大。
（二）经济因素
1.农业机械总动力
农业机械总动力从效率上影响农民收入，农业机械总动力越高，也就意味着农民的耕作工具机械化水平越高，耕作的效率也就越高。从图3可以看出，农业机械动力与农民收入大致同方向变动。
2.农村农户固定资产投资额
一般而言，农民收入越多，人均可支配收入就越多。在农民消费偏好不变的情况下，农民农户对固定资产的投资额与收入应该呈现正相关关系。然而，通过观察图4，在2014年，虽然农民收入是增加态势，农民固定资产投资却发生了下滑。农民对自身固定资产的支出发生了下降，可能与精准扶贫资金的投入有关。
（三）社会因素
除了经济因素和自然因素之外，社会公共服务也会对农民收入产生影响。为了简化寻找数据的困难，本文选取乡村私营企业就业人数、公路里程和村卫生室个数三个变量分别从就业、运输和医疗三个方面评价社会因素对农民收入的影响。并利用相关分析构造变量之间的相关系数矩阵，见表3。
三、农民收入影响因素的实证分析
（一）模型的假设与数据的来源
影响农民收入的因素多种多样，很多可能无法进行量化处理，为此对其进行计量分析之前，对模型进行充分的假设：（1）对所有的农民来说，耕种的作物自然生长，不存在特大自然灾害影响作物收成；（2）安徽省的农民人口没有大规模的人口迁入或迁出；（3）忽略其他微小影响农民收入的因素。
本文从影响农民收入的自然、经济、社会服务三个角度入手，数据来自国家统计局、2008-2017年安徽省统计年鉴和中国三农数据库，数据真实有效。
（二）计量模型的构建
农民家庭人均收入是由四个来源综合构成的，因此只对人均纯收入进行研究，并作为计量模型的因变量。其余影响因素为自变量，根据经济知识，所有的自变量与因变量之间为正相关关系，见表4。
依据以上九个自变量变量，初步建立农民收入的计量模型。其中，β。为自变量的系数，s为随机干扰项。
对数据进行初步拟合，通过图5可以看出，模型的R2接近于1，但是除自变量x3和x7之外，其他自变量的t检验均不通过。
（三）模型的修正
由于拟合的模型R2高度接近1，且自变量因素较多，相互之间的相关系数大多高于0.7，因此模型可能存在多重共线性，需要进行逐步回归。
自变量x3与y之间的相关系数最大，并且农业的机械化水平不仅影响农民收入，农民的收入也反作用于机械化水平。因此，以x3作为一元回归模型，进行逐步拟合。
二次拟合后，不存在变量，使拟合后的模型不存在自相关。对x3取对数，在此基础上重新逐步拟合。拟合后的模型见图6，模型R2接近于1，说明模型高度拟合。T检验的概率小于0.05，F检验的概率为0。
（四）模型的检验
1.自相关检验
对农民收入的拟合只选取了近十年的变量，因此n=10，样本容量小于15，无法通过DW检验来验证模型是否存在自相关。利用EVIEWS绘制模型的自相关图，通过图7可以发现模型不存在一阶、二阶乃至九阶自相关。 2.异方差检验
对模型进行怀特检验，其Prob.Chi-Square（5）的值分别为0.2882和0.6422，证明模型被解释变量的观测值分散程度相同，见图8异方差检验。
（五）结果分析
最终得到农民收入关于农用化肥施用量、农村居民家庭经营耕地面积、农业机械总动力、村卫生室个数的函数为：
這四个变量中，农村居民家庭经营耕地面积对农民收入的影响最大，其次为农用化肥施用量。可以看出对农民收入的影响中，农作物的产量及质量极其极为重要。
四、基于精准扶贫建议
（一）精确贫困识别机制
利用大数据对每一位农户的家庭成员、学历水平、劳动能力等进行统计、分析并进行归类，准确知道每位农户需要什么，精确计算每位家庭最优最大经营耕地面积。对家庭经营耕地面积超出承受范围的家庭，鼓励其出租剩余耕地，由政府出资再分配至需要耕地的家庭，实现耕地面积的合理利用。建立贫困家庭数据库，不仅需要前期认真收集的数据收集工作，还需要定期进行回访，做好监督保障工作。
（二）加大农业补助力度
对农业加大扶持力度，农民文化水平较低，大多数农民的主要收入来源还是农业。农用化肥的施用量、施用种类、施用时间都可能直接对农作物的质量产生影响，进行影响农作物的价格。政府可以对农用化肥提供一定的经济补助，聘用更多的农业专家现场指导化肥的使用情况，做到“授之以渔”，从根本上对农民精准扶贫。
（三）提高农业机械化水平
随着我国城市化步伐的加快，农村中的青年人大多离开家乡，对农业的经营管理大多是村中的中老年人。因此，提高农业的机械化水平显得尤为重要。政府可以对缺乏青年劳动力的贫困家庭提供收割机、脱皮机等农用器械，提高农民的机械化水平。这不仅可以减轻年龄较大农民的劳动量，更大大提高了耕种的效率，增加农民的收入水平。
（四）健全医疗卫生基础设施
除了对农业加大帮扶外，精准扶贫还应关心农民的医疗问题。大多数贫困家庭，由于不注重日常饮食，加之过重的劳动负担，农民会存在健康问题。在一些医疗建设较差的村镇，农民看病需要前往市里，不仅路途不便，而且花费很高。健全医疗卫生基础设施、吸引高技术医疗人才进乡村，在精准扶贫的当下，理应提上日程。