影響我國農民收入的因子分析

戰英杰，申秋紅,2

（1.中國農業科學院農業經濟與發展研究所，北京 100081；2.中國人口與發展研究中心，北京 100081）

農民收入是關系到農業能否迅速發展，農村能否現代化的關鍵問題，甚至是制約國民經濟快速發展的瓶頸。然而我國當前農民收入現狀卻不容樂觀，20世紀80年代，農民人均純收入年均增長9%左右，90年代降到不足5%；2000～2006年農民人均純收入年均增長7.6%，同城鎮居民人均可支配收入實際增長10.8%甚有差距，農民收入增長緩慢的狀況給社會經濟的發展帶來了一系列的問題，不僅嚴重挫傷了農民的生產積極性，制約了農村經濟社會的發展，而且使得整個國民經濟陷入了一種低水平均衡陷阱[1]。在這種情況下，對中國農民收入的影響因子進行分析是十分必要的。

從收入來源看，目前農業收入和非農業收入仍然是農民收入的主要構成部分，二者相加在農民收入中的比重1985年為92%，1995年為94%，到2006年這一比例仍然高達93%，幾乎沒有發生什么變化。轉移性和財產性收入在農民人均純收入中的比重一直維持在一個較低的水平上。因此在對農民收入進行因子分析時有必要側重于從農民收入的來源方面進行考察，分析影響農民收入增長的因素，其實也就是分別分析影響農民農業收入和非農業收入的相關因素。

1 因子分析模型的建立

因子分析（Factor analysis）起源于1904年Karl Pearson和Charles Spearman等關于智力測驗的研究。該模型是利用降維的思想，由研究原始變量相關矩陣內部的依賴關系出發，把一些具有錯綜復雜關系的變量歸結為少數幾個綜合因子的一種多變量統計分析方法。具體地說，因子分析就是根據研究對象不同維度相關性的大小對維度進行分組，使得同組內的維度之間相關性較強，不同組的維度之間相關性較弱。每組維度代表一個基本結構，稱該基本結構為公因子。對于所研究的問題就可試圖用最少個數的不可測的所謂公因子的線性函數與特殊因子之和來描述原來觀測的每一維度[2]。因子分析法的模型為：

其矩陣形式為：

且滿足：① m≤p；② Cov（F，ε）=0，即F和ε是不相關的；③F1，…，Fm不相關且方差皆為1；ε1，ε2，…，εp不相關，且方差不同。

其中，X=（X1，X2，…，Xp）是可實測的 p 維隨即向量。（F1，F2，…，Fm）叫做公因子（或稱主因子），它們是在各個原觀測變量的表達式中都共同出現的因子，是相互獨立不可觀測的理論變量。矩陣A=（aij）為因子載荷矩陣，其中元素的絕對值越大表明 Xi與 Fj相依程度越大。ε=（ε1，ε2，…，εp）稱為特殊因子，在模型中起著殘差的作用，但被定義為彼此不相關且和公因子也不相關，而且每個公因子假定至少對兩個變量有貢獻，否則它將是一個特殊因子。為了使Xi與Fj的相關關系更醒目、突出，可進一步進行因子旋轉，使得Xi與Fj中某些因子的相關關系更強，而與Fj中其他因子相關更弱。經過因子旋轉后的因子負載陣可以大為提高因子的可解釋性。根據與某n個相關關系較強的指標給該因子賦予綜合經濟意義，通過觀察它們在哪些變量上載荷較大，然后再根據載荷大的本身內容來說明因子的具體含義。

2 影響農民農業收入的因子分析

農業收入是農民收入構成的主體。80年代農業收入占純收入的比重接近于70%，90年代這一比重快速下降，但仍占60%，最近幾年下降較快，2006年僅占45%，但我國仍有3/4的農戶是純農戶或以農業為主的兼業戶，他們收入的主要來源仍然是農業，特別是中西部地區的廣大農戶，來自農業的收入高達60%以上[3]。因此，農業收入保持穩定增長是純收入增長的重要條件。

本文經過對統計資料進行分析和篩選，對影響農民農業收入的因素主要采用了10個指標：X1-農業生產資料價格指數；X2-農副產品收購價格指數；X3-農民化肥購買量（公斤/戶）；X4-國家農業基本建設支出（億元）；X5-受災率（它等于受災面積除以總播種面積）；X6-家庭經營耕地面積（畝/戶）；X7-農民用于第一產業的支出（元）；X8-農民購置生產性固定資產的支出（元）；X9-國家財政用于農業的支出（億元）；X10-農村居民大中專及以上學歷所占比重。

根據《中國統計年鑒》和《中國農村住戶調查年鑒》，本文搜集了1990～2006年全國范圍內的時間序列數據，原始數據見表1。對所選指標數據進行標準化處理以消除由觀測量綱的差異所造成的影響，使標準化后的變量均值為0，方差為1。本文運用SPSS 15.0統計分析軟件進行數據計算。

因子分析的前提是原有變量之間具有較強的相關關系，否則根本無法從中綜合出能夠反映某些變量共同特性的幾個較少的公因子變量來。KMO統計量是用于比較變量之間簡單相關系數和偏相關系數的一個指標，其取值范圍在0和1之間，當所有變量之間的簡單相關系數平方和遠遠大于偏相關系數平方和時，KMO值越接近1，越適合做因子分析[4]。根據Kaiser給出的度量標準：0.9以上非常適合；0.8適合；0.7一般；0.6不太適合；0.5以下不適合。該組數據KMO=0.761，顯然適合做因子分析。因此，可運用SPSS軟件進行數據計算，采用巴特利特球度檢驗和KMO檢驗結果為：KMO=0.761；Bartlett檢驗統計量的觀測值為211.947；df=7；該模型檢驗極其顯著，P=0.0001。

表2為按指定提取條件（特征根＞1）提取特征根時的共同度。可見每一個變量的絕大部分信息（大于85%）都可被因子解釋，這些變量的信息丟失較少，因此，本次因子提取的總體效果十分理想。

表1 1990~2006年中國農民農業收入影響因素的經濟數據Table 1 Date of factors influencing farmers'agricultural income during 1990-2006

表2 因子分析初始解Table 2 Initial value of factor analysis

方差貢獻率是衡量公因子相對重要程度的指標，方差貢獻率越大表明該公因子相對越重要，或者說方差越大表明公因子對變量的貢獻越大。在這里，也就是各因子對農民農業收入的影響力。從表3可以看出，3個公因子累計方差貢獻率達到93.93%。這表明3個公因子基本保持了原來10個指標絕大部分信息。各因子旋轉后的方差貢獻率說明，因子1、因子2、因子3可以解釋原始信息的能力分別是53.76%、25.83和14.33%。由此可知，第一個因子，對農民農業收入的影響力最大，其余兩個因子的影響力明顯減弱。

表4為旋轉后的因子載荷矩陣。為了更好地對所選取的公因子賦予合理的經濟解釋，可通過因子旋轉的方式使一個變量只在盡可能少的因子上有比較高的載荷。由旋轉后的因子載荷矩陣可以看出，公因子 1 在 X3、X4、X7、X8、X9和 X10這 6 個指標上的載荷值很大。從實際情況看，農業生產中的投入包括人的投入和物的投入，X3、X7和X8是農民對農業生產的物質投入，X4和X9是國家對農業生產的投入，X10反映農業生產中人的要素。在同樣的社會經濟環境下，生產投入越多、從事農業勞動的生產者素質越高，農民的農業收入也就越高。因此，可以將公因子1定義為投入因子。公因子2在指標X1、X2和X6上的載荷值很大。實際情況是其他條件不變時，農業生產資料價格越高，農業收入就越低，而農產品收購價格越高，則農業收入就越高。我國農產品和生產資料價格長期受政府的控制，即使在放開農產品市場后，政府對農產品市場仍具有強大的宏觀調控能力。農業生產資料價格指數和農副產品收購價格指數受政策的影響，家庭經營耕地面積是農民進行農業生產必不可少的資源，因此可以將公因子2定義為政策和資源因子。X5反映了氣候與農業收入的協調狀況，可將其定義為氣候因子。由此可知，第一個因子，即投入因子對農民農業收入的影響力最大，其余兩個因子的影響力明顯減弱。

表3 相關矩陣的特征根與貢獻率Table 3 Total variance explained

表4 旋轉后因子載荷矩陣Table 4 Rotated component matrix

3 影響農民非農業收入的因子分析

盡管農民收入的主體是農業，但農民收入的主要來源已由單純的農業收入轉變為農業收入與非農業收入并駕齊驅的局面，非農業收入在農民收入中的比重呈不斷上升的趨勢[5]，對農民收入增長的貢獻在最近幾年起到了絕對性的作用。因此，分析影響農民非農業收入增長的各因素就顯得特別重要。

本文選取了影響農民非農業收入的6個指標進行分析：X1-全社會固定資產投資額（億元），X2-農村居民大專及以上學歷所占比重，X3-農村工業化率（即鄉鎮企業就業人數占農業勞動力的比重）。X4-非農業收入比重，X5-城鎮化率（即城鎮人口所占比重），X6-第三產業產值比重。

根據《中國統計年鑒》，搜集了1990～2006年全國范圍內的時間序列數據，原始數據見表5。

通過對數據進行標準化處理，選用SPSS統計分析軟件進行數據計算。KMOand Bartlett's Test檢驗顯示，KMO=0.728，Bartlett檢驗統計量的觀測值為137.062；df=11；該模型檢驗極其顯著，P=0.0001。

表5 1990~2006年中國農民非農業收入影響因素的經濟數據Table 5 Data of factors influencing farmers'non-agricultural income during 1990-2006

表6顯示了所有變量的共同度數據，可以看出，每一個變量的絕大部分信息都可以被因子解釋。表7反映了因子解釋原有變量總方差的情況，兩個公因子的累計方差貢獻率達到89.17%，表明兩個公因子基本保持了原來6個指標的絕大部分信息，公因子1和公因子2可以解釋原始信息的能力分別是49.42%和39.75%，第一個公因子對農民非農業收入的影響力大，第二個因子次之。表8是旋轉后的因子載荷矩陣。可以看出公因子1在X3和X5這兩個指標上的載荷值大，在其他條件不變時，農村工業化、城市化水平越高，給農民提供的在外就業的機會也越多，在非農部門就業的農村勞動力就越多，相應農民的非農業收入也會增加。可以將公因子1定義為城鎮化發展因子，它代表了農村工業化率和城鎮化率這兩個指標95%以上的信息，是影響農民非農業收入的主要因素；公因子2在X1、X2、X4和X6上載荷值大，可以將因子2定義為社會因子，它包括了全社會固定資產投資狀況、非農產業發展狀況以及勞動者文化素質狀況。實際情況也表明，非農業部門的經濟越景氣，對勞動力的需求就越多，在城市就業的農村勞動力也會越多，即全社會固定資產投資越多，第三產業產值所占比重越大，在非農業部門就業的農村勞動力就越多，相應非農業收入也會增加。勞動力文化程度越高，商品意識越強，擇業的范圍就越大，向二、三產業及非農產業轉移的機會多、速度快，非農業收入也就越高。可見，因子2也是影響農民非農業收入的一個因素。

表6 因子分析初始解Table 6 Initial value of factor analysis

表7 相關矩陣的特征根與貢獻率Table 7 Total variance explained

表8 旋轉后因子載荷矩陣Table 8 Rotated component matrix

4 政策建議

由上文對農業收入和非農業收入影響因子的分析，我們可以得出以下結論：①影響我國農民農業收入的主要因子是投入因子、政策和資源因子、氣候因子。其對農民農業收入的貢獻率分別是60.53%、25.83%和14.33%。可見第一個因子即投入因子對農業收入的影響力最大，其余兩個次之；②影響農民非農業收入的因子有城鎮發展因子和社會發展因子，對農民非農業收入的貢獻率分別是49.42%和39.75%。可見，農民非農業收入受城鎮化發展速度影響大，其次是社會發展尤其是第三產業發展對增加農民非農業收入有重要影響。

依據以上分析結果，并結合我國農村經濟發展實際，為提高農民收入提出以下政策建議：

4.1 優化農業產業結構，增加農民的農業收入

在新的市場環境下，增加農業收入，最根本的途徑是調整農業產業結構，進一步發揮具有比較優勢的農產品，開發優質專用品種，逐步向區域化種植、專業化生產和產業化經營方向發展；發展觀光農業、特色農業、生態農業，使之成為農民增收的亮點。為了保證農業收入長期穩定的增長，必須下大力氣改變農業和農民的弱質性。這就要求國家采取宏觀調控和宏觀經濟服務手段支持農業的發展，增加對農業的投資力度，選擇適度的傾斜政策，各級財政應進一步調整財政支出結構，繼續增加農業投入，加強農業的基礎設施建設，使農民有效地規避自然風險和市場風險。同時，由于農業生產資料價格上漲抵消了農產品收購價格上漲帶給農民的實惠，因此要搞活農產品流通，降低交易成本，打破壟斷，協調平衡農產品收購價格和農業生產資料價格是促進農民農業收入增長的關鍵所在。

4.2 推動鄉鎮企業二次創業和農村小城鎮建設，提高農民的非農業收入

大力發展農村工業化和城鎮化是促使農民變市民、農民非農化以及提高農民非農業收入的合理途徑。首先，要繼續鼓勵和支持鄉鎮企業的發展，大力扶持個體私營經濟發展，鼓勵農民從事農畜產品加工、建筑、經商、運輸、餐飲業等，發展壯大縣域經濟，從而增加農民二、三產業的收入。經驗表明，鄉鎮企業的快速發展是轉移農村剩余勞動力的主要渠道，為緩解農村剩余勞動力就業做出了巨大貢獻。其次，小城鎮建設是解決農村剩余勞動力出路的必由之路，小城鎮對增加農民非農業收入具有強大的帶動作用。大力發展小城鎮會使相當一部門農民脫離農村而進入小城鎮，從事加工業、建筑業以及各種服務業。這不僅可以使農業走專業化、規模化、集約化道路，而且農民非農業收入增加了，生活富裕了，第一產業就更有條件向著機械化、電氣化、工業化方向發展。第三，大力發展第三產業。第三產業具有分散、自由、規模小、勞動密集，就業彈性大等特點，推動第三產業的發展，將會更好發揮吸納農村剩余勞動力的作用。

4.3 提高農民素質也是不容忽視的問題

農業勞動生產率的提高有賴于農民素質的提高，農業勞動力的轉移也有賴于農民素質的提高。目前我國發達地區鄉鎮企業已步入轉制和結構調整階段，進一步完善產權制度，按照現代企業制度要求進行資產重組和制度改造，調整和優化產業結構，加強技術改造和企業管理，提高產品質量，增強競爭能力。這對企業工人的素質提出了更高的要求。現有的農村勞動力素質與勞動力市場的需求相差甚遠。這就要求政府增加對農業教育的投資力度，全面提高農村剩余勞動力的素質，使其能適應多種工作要求，徹底改變低收入的狀況。

[1]陳艷,葉慧,王雅鵬.農民收入增長因素通徑分析[J].商業研究,2005(23):201-204.

[2]何曉群.現代統計分析方法于應用[M].北京∶中國人民大學出版社,1998.

[3]劉進寶,張延君.農民收入影響因素的計量經濟分析[J].經濟論壇,2004(5):117-118.

[4]薛微.基于SPSS的數據分析[M].北京:人民大學出版社,2006.

[5]陳錫文.農民收入為何增長緩慢[J].農村.農業.農民,2004(1):7-11.