城鎮(zhèn)化對人民收入及財政收入的影響分析：以山東省為例摘要城鎮(zhèn)化是人類社會發(fā)展的必然趨勢，不同國家地區(qū)、不同階段城鎮(zhèn)化質量與城鎮(zhèn)化速度存在明顯差異，2015年，山東省城鎮(zhèn)化率達57%，居全國首位，反思和總結以往快速城鎮(zhèn)化的問題和成效，有利于更好地確保城鎮(zhèn)化的質量，為新型城鎮(zhèn)化道路導航。文章對山東省城鎮(zhèn)化對人民收入和財政收入進行了研究，報告了1984-2014年間山東省城鎮(zhèn)化及人民收入和財政收入的變化，提取了影響人民收入和財政收入的五個影響因素：稅收，GDP，財政支出，全社會固定資產投資以及就業(yè)人數。分別對城鎮(zhèn)居民人均可支配收入和財政預算收入及其影響因素建立了多元線性回歸模型，用最小二乘法估計參數，發(fā)現模型存在多重共線性，并用簡單相關系數法檢驗后利用逐步回歸法修正模型，修正后的模型顯示，城鎮(zhèn)居民人均可支配收入的主要影響因素是GDP，財政支出及就業(yè)人數，當GDP，財政支出分別增長1億元，和就業(yè)人數增長1億人，城鎮(zhèn)居民人均可支配收入分別增長0.338元，0.565元和15212.89元；財政收入的主要影響因素是稅收和財政支出，當稅收和財政支出分別增長1億元，財政預算收入分別增長0.743億元和0.294億元。最后文章根據模型結果給出了政策建議，希冀對山東省政府做出決策時有一定的幫助。關鍵詞：城鎮(zhèn)化；收入；最小二乘法；逐步回歸；Eviews軟件AbstractInthedevelopmentofhumansociety,urbanizationisaninevitabletrend.Thespeedandqualityofurbanizationdiffersindifferentcountryanddifferentphase.To2015,theurbanizationrateofShandongProvincereaches57%,whichisthehighestinthewholecountry.So,summarizingtheexistingproblemsisagoodwaytoassurethequalityofurbanization,Thispaperreportstheimpactofurbanizationinfiscalrevenueandpeople’sincomeinShandongProvincesince1984andfindoutthattherearefivefactors,whicharetax,GDP,fiscalspending,fixedassetsinvestmentsandquantityofemployment.Tostudytheinternalrelationsbetweenthem,webuildtwomultiplelinearregressionmodels,thenuseOLStoestimatetheparametersandfindoutthatthemodelshavemulticollinearity.Thenwemodifiedthemodels,theresultsshowthatGDP,fiscalspendingandquantityofemploymentaremainfactorsthatimpactpeople’sincome,theparametersare0.338,0.565,15212.89.Ontheotherhand,taxandfiscalspendingaremainfactorsinfiscalrevenue,parametersare0.743and0.294.Finally,wegivesomepolicysuggestions,hopingthattheyarebeneficialtoShandonggovernment.Keywords：urbanization;income;OLS;stepwiseregression;eviewssoftware目錄前言研究背景及意義研究背景自改革開放以來，我國在經濟、政治、文化等方面都取得了翻天覆地的變化，人民的生活也得到了極大的改善。現代化進程中，城鎮(zhèn)化是人類社會發(fā)展的必然趨勢。有關城鎮(zhèn)化的概念，學術界的說法都莫衷一是[1]，文章認為城鎮(zhèn)化應是人口ADDINEN.CITE<EndNote><Cite><RecNum>186</RecNum><record><rec-number>186</rec-number><foreign-keys><keyapp="EN"db-id="9ww0xes0optxa9e99stv2zvdfaf5sws29w5d">186</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors></contributors><titles><title><國內外關于城鎮(zhèn)化水平的衡量標準_王修達.pdf></title></titles><dates></dates><urls></urls></record></Cite></EndNote>的城鎮(zhèn)化和土地的城鎮(zhèn)化，其中更關注農村人口不斷涌進城市的過程中轉變成城鎮(zhèn)人口的進程。城鎮(zhèn)化是一個國家生產生活方式，社會和經濟結構的根本轉變，受城鄉(xiāng)結構調整、產業(yè)結構轉型、立法和基礎設施建設等多方面綜合因素的影響，是一個積累和發(fā)展的長期漸進式過程。合理的城鎮(zhèn)化能改善環(huán)境，帶動區(qū)域經濟發(fā)展，改善地區(qū)產業(yè)結構，提高區(qū)域整體發(fā)展水平，從而改善人民的生活質量，然而盲目地擴張又會引入其他很多不可忽視的問題，如交通擁擠，土地開采過度，就業(yè)難，經濟結構改變等。1996年以來，我國城鎮(zhèn)化進入加速階段，每年新增城鎮(zhèn)人口約2000萬人，年均城鎮(zhèn)化水平提高近1.5個百分點。2015年，我國城鎮(zhèn)化率達到56.1%，山東省全省常住人口城鎮(zhèn)化率達到57%，增速全國第一。根據一般國際經驗，當城鎮(zhèn)化率處于30%到70%間，城鎮(zhèn)化速度相對較快，因此未來相當一段時間內我國城鎮(zhèn)化率還將快速提高，不同國家地區(qū)、不同階段，城鎮(zhèn)化速度與城鎮(zhèn)化質量還存在著明顯差異，如何更好地確保我國城鎮(zhèn)化質量是當前需要解決的重大課題，為此需要反思和總結我國乃至各地區(qū)以往快速城鎮(zhèn)化的問題和成效。研究意義研究山東省城鎮(zhèn)化對人民收入和財政收入的影響，并分析造成這些影響的因素，有利于認識山東省情，提出山東省城鎮(zhèn)化進程中對人民收入和財政收入影響的不利因素，給出相應的對策建議，對山東省政府制定政策和國民經濟的發(fā)展起到一定的指導作用，從而改善人民生活，同時也對其他地區(qū)的城鎮(zhèn)化過程有一定的借鑒意義。文獻綜述1.2.1關于城鎮(zhèn)化對人民收入影響的文獻綜述目前關于人民收入研究最多的是城鎮(zhèn)化進程中城鄉(xiāng)居民收入差距的影響，早于2002年蘇雪串[2]研究認為差距過大是城鎮(zhèn)化速率不夠快，蔡武[3]通過建模分析后認為早期城鎮(zhèn)化能縮短城鄉(xiāng)差距，而經濟發(fā)展到一定階段會擴大差距，丁志國[4]等認為城鎮(zhèn)化利弊參半，城鄉(xiāng)差距取決于政策制定，林毅夫[5]等研究了我國省際面板數據后認為城鎮(zhèn)化有利于縮小城鄉(xiāng)差距，只是由于城鄉(xiāng)二元結構的限制農民收入無法獲得充分增長。1.2.2關于城鎮(zhèn)化對財政收入影響的文獻綜述中國經濟增長的研究始于80年代初，由于現實和理論的差距，不同學者或機構研究的結果不一，沒有同一的定論。西方學者Tidrick在1986年就進行了相關研究，1989年McGuekin等對中國工業(yè)1980-1985年多因素生產率和增長原因進行研究，中國學者林毅夫[6]、樊綱[7]等也進行了相關研究，并持有各自的財政觀點。林毅夫認為應適時利用貨幣和財政政策手段進行必要管理，防止經濟增長由偏快轉為過熱；而樊綱認為中國目前經濟失衡非宏觀調控所能解決，對現行的財稅制度改革才是根本。研究內容及方法1.3.1研究內容1.研究山東省城鎮(zhèn)化進程對人民收入的影響；2.研究山東省城鎮(zhèn)化進程對財政收入的影響；3.分析城鎮(zhèn)化進程中對人民收入和財政收入造成影響的因素。1.3.2研究方法1.比較分析法通過橫向同一年份不同地區(qū)的數據比較和縱向同一地區(qū)不同年份的數據比較，探索城鎮(zhèn)化對人民收入和財政收入的影響規(guī)范分析法通過規(guī)范分析法分析城鎮(zhèn)化進程中影響人民收入和財政收入的路徑，從時間維度和空間維度上闡釋3.最小二乘法及逐步回歸法通過Eviews軟件驗證各個參數之間存在的關系。2.山東省城鎮(zhèn)化對人民收入和財政收入影響的現狀分析山東地處華東沿海、黃河下游、京杭大運河中北段，作為中國經濟大省，山東省國內生產總值位列全國第三，占全國GDP總量的1/9，同時山東也是全國人口第二大省，在全國城鎮(zhèn)化的進程中起著不容忽視的作用。2.1.山東省城鎮(zhèn)化對人民收入和財政收入影響的描述性統(tǒng)計分析2.1.1山東省城鎮(zhèn)化水平自1984年來，山東省的戶籍城鎮(zhèn)化水平不斷提升，從12.26%到2014年的43.96%,30年間提高31.7個百分點，年均提高1.06個百分點，增速驚人。2014年，山東省的戶籍人口為9747萬人，非農業(yè)戶口人數達4285萬人，山東省的戶籍人口城鎮(zhèn)化率如表2-1所示，表2-11984-2014年山東省城鎮(zhèn)化水平變化情況年份戶籍人口城鎮(zhèn)化率年份戶籍人口城鎮(zhèn)化率年份戶籍人口城鎮(zhèn)化率198412.26%199524.94%200634.78%198513.22%199625.87%200736.76%198612.59%199726.22%200837.61%198713.25%199825.88%200937.55%198816.32%199926.03%201040.26%198918.13%200026.84%201141.13%199018.73%200127.89%201241.97%199119.33%200229.04%201342.97%199220.52%200331.10%201443.96%199322.00%200432.21%199424.03%200534.16%山東省為全國人口第二大省，城鎮(zhèn)化的腳步也是緊隨全國平均水平，如圖2-1所示，從1978年的8.76%和17.92%到2014年的43.96%和54.77%，30年間分別提高35.2和36.85個百分點。圖2-11984-2014年山東省戶籍人口城鎮(zhèn)化率變化情況與全國的比較山東省人民收入現狀可支配收入指調查戶可以用來自由支配的收入，包括工資性收入、經營凈收入、財產凈收入、轉移凈收入。隨著城鎮(zhèn)化的進程，山東人民的生活也發(fā)生了翻天覆地的變化，1984年山東省城鄉(xiāng)居民的收入分別為638.64和395元，到2014年收入水平則達29221.94和11809.38元，分別提高了44.76和28.90倍，如圖2-2所示，山東省城鎮(zhèn)化提高了人民的收入水平，城鎮(zhèn)居民的人均可支配收入及農村居民的人均純收入都有了顯著提高，但是隨著城鎮(zhèn)化的進行，城鄉(xiāng)居民的收入水平顯然有了較大的差距。圖2-21984-2014年山東省城鎮(zhèn)居民可支配收入與農村居民可支配收入變化情況2014年山東省城鄉(xiāng)人民人均可支配收入排名全國第9，為20864.21元，高于全國平均水平的20167.12元，屬于中上水平，與2013年相比增長9.76個百分點，低于全國的平均水平的10.14%，但高于大部分發(fā)達省份，總體來說山東省城鎮(zhèn)化進程中人民的收入是不斷提高的。表2-22014年全國31省人均可支配收入排名地區(qū)2014年總額相比2013年增速排名地區(qū)2014年總額相比2013年增速全國20167.1210.14%16黑龍江17404.399.44%1上海45965.838.99%17安徽16795.5210.83%2北京44488.578.96%18江西16734.1710.82%3浙江32657.579.68%19河北16647.409.60%4天津28832.299.38%20山西16538.329.38%5江蘇27172.779.68%21寧夏15906.789.21%6廣東25684.969.67%22陜西15836.7510.16%7福建23330.859.96%23四川15749.0110.67%8遼寧22820.159.62%24河南15695.1810.50%9山東20864.219.76%25廣西15557.0810.47%10內蒙古20559.349.98%26新疆15096.6210.44%11重慶18351.9010.76%27青海14373.9811.01%12湖北18283.2310.99%28云南13772.219.50%13湖南17621.7410.10%29貴州12371.0611.62%14吉林17520.399.52%30甘肅12184.7111.23%15海南17476.4611.08%31西藏10730.2210.20%山東省財政收入現狀財政收入指國家財政參與社會產品分配所取得的收入，是實現國家職能的財力保證。主要有稅收收入：包括增值稅、營業(yè)稅、企業(yè)所得稅、個人所得稅、資源稅、固定資產投資方向調節(jié)稅、城市維護建設稅、房產稅、印花稅、城鎮(zhèn)土地使用稅、土地增值稅、車船稅、耕地占用稅、契稅、煙葉稅、其他稅收收入及非稅收入：包括專項收入、行政事業(yè)性收費收入、罰沒收入、國有資本經營收入、國有資源(資產)有償使用收入、其他收入。財政收入是政府部門的公共收入，是國民收入分配中用于保證政府行使其公共職能、提供公共服務、實施公共政策的資金需求。財政收入的增長情況關系一個國家或地區(qū)社會的進步和經濟的發(fā)展。如表2-3所示，山東省公共財政預算收入從1994年的1346611萬元增長到2014年的50268273萬元，增長36.33倍，同時稅收收入比例不斷下降，最后幾年趨于平穩(wěn)，說明隨著城鎮(zhèn)化進程，山東省的財政收入由最先的幾乎完全依賴稅收收入向非稅收收入轉移了一部分，但是主體還是稅收收入。表2-31994-2014年山東省公共財政預算收入及稅收收入比變化情況年份公共財政預算收入（萬元）稅收收入（萬元）稅收收入比例年份公共財政預算收入（萬元）稅收收入（萬元）稅收收入比例19941346611126464293.91%200510731250826461277.01%19951790025163513991.35%2006135625261035790576.37%19962416742215633389.22%2007167539801308351678.09%19973044232264869387.01%2008195705411533532478.36%19983523912301902485.67%2009219863241720345578.25%19994044829342943084.79%2010274938422149899778.20%20004636788392902284.74%2011345592672603132975.32%20015731793488342285.20%2012405943013050201075.14%20026102242495026681.12%2013455994633533490677.49%20037137877558282078.21%2014502682733965760578.89%20048283306627433175.75%2014年稅收收入占公共財政預算收入的78.89%，如表2-4所示，各項稅收收入中營業(yè)稅占最大比例，在各項稅收與2011年相比，與城鎮(zhèn)化相關的資源稅、房產稅、城鎮(zhèn)土地使用稅、土地增值稅、耕地占用稅增長率尤為高，說明山東省的城鎮(zhèn)化進程顯著增加了公共財政收入。表2-42014年山東省公共財政稅收各項收入類別收入（萬元）比2011年增長率公共財政預算收入5026827345.46%一、稅收收入3965760552.35%增值稅596964744.26%營業(yè)稅1135916248.35%企業(yè)所得稅483009821.19%個人所得稅115184219.26%資源稅1195665211.69%城市維護建設稅231325328.80%房產稅122487365.48%印花稅60560747.32%城鎮(zhèn)土地使用稅264689067.04%土地增值稅2577381143.91%車船稅46649256.95%耕地占用稅2554205162.31%契稅273667635.16%煙葉稅2581434.61%二、非稅收入1061066824.42%專項收入153518117.37%行政事業(yè)性收費收入30220008.38%罰沒收入121454116.57%國有資本經營收入556949-44.31%國有資源(資產)有償使用收入3819453102.25%其他收入462544-7.73%2.2．山東省城鎮(zhèn)化進程中影響人民收入和財政收入的因素2.2.1城鎮(zhèn)化過程中影響人民收入的因素人民收入離不開基本的經濟因素，城鎮(zhèn)化通過促進經濟增長來帶動人民收入的增長。城市把農村的剩余勞動力吸收進來，為城市的各產業(yè)發(fā)展帶來充足的勞動力，降低了企業(yè)的生產成本，同時人口的聚集為城市帶來了相關的配套服務業(yè)，優(yōu)化了產業(yè)結構。對農村而言，大量剩余勞動力的遷出有助于實現農業(yè)的產業(yè)化經營，提高農業(yè)生產效率。隨著戶籍人口城鎮(zhèn)化率的提升，山東省人均GDP也出現了相應的增長曲線，如圖2-3所示。經濟的高速增長帶來了城鄉(xiāng)居民收入的顯著增加，但是城鄉(xiāng)居民的收入是有顯著差距的，城鎮(zhèn)地區(qū)憑借高附加值的二三產業(yè)，在生產率上遠超農村，其次城鄉(xiāng)之間的先天差異，顯然經濟的高速增長給城市帶來了更多的好處，單純的經濟增長造成了城鄉(xiāng)收入的差距。圖2-31984-2014年山東省人均GDP變化情況同時人民的收入離不開政府的參與，政府部門不直接參與經濟活動，卻可以調整財政支出和財政收入，政府的財政收入主要來源是稅收，由于稅收一般是法定不變的，財政支出就成為了政府影響經濟發(fā)展的主要手段。如表2-5，自1984年以來，山東省財政支出規(guī)模不斷增加，從1984年的38.9763億元，到2014年的7177.3136億元，30年間增長了237.94倍，占當年GDP的比重也逐年增加，山東省的財政支出規(guī)模與城鎮(zhèn)化水平推進密切相關。表2-51984-2014年山東省政府財政預算支出及占當年GDP總額的比重年份財政支出（億元）占當年GDP比重（%）年份財政支出（億元）占當年GDP比重（%）198438.97636.70%2000613.07747.35%198551.29537.54%2001753.77818.20%198667.93849.16%2002860.64848.38%198775.21688.43%20031010.63958.37%198894.07258.42%20041189.37167.92%1989113.67148.78%20051466.22717.98%1990123.85308.20%20061833.44008.37%1991132.06107.29%20072261.85008.77%1992145.69886.63%20082704.66008.74%1993188.36466.80%20093267.67009.64%1994218.76835.69%20104145.032010.58%1995275.86565.57%20115002.070111.03%1996358.98366.10%20125904.518811.81%1997423.33426.48%20136688.800012.11%1998487.81756.95%20147177.313612.08%1999550.00347.34%隨著社會經濟的發(fā)展，山東省每年就業(yè)人數也在不斷增加，從1984年的3563.7萬人，增長到2014年的6606.5萬人，30年間幾乎翻了一番，從1984年到2014年，三種產業(yè)結構的就業(yè)人數比例也發(fā)生明顯變化，從1984年的幾乎以農業(yè)為主，發(fā)展到2014年的農業(yè)就業(yè)人口占30.7%，工業(yè)就業(yè)人口占34.7%，第三產業(yè)就業(yè)人數占34.6%，城鎮(zhèn)化的影子顯而易見。全社會固定資產投資通過投資建設促進經濟增長，提高人民收入，從圖2-6可以看出，從2002年開始，固定資產投資總額開始大幅度升高，也是在2002年開始，山東省的GDP每年開始穩(wěn)步大幅增長。圖2-41984-2014年間就業(yè)人數變化圖2-51984-2014年間三種產業(yè)就業(yè)人數比例變化圖2-61984-2014年間山東省全社會固定資產投資總額2.2.2城鎮(zhèn)化過程中影響財政收入的因素政府財政收入的主要來源是稅收，其次，城鎮(zhèn)化進程帶動經濟增長，GDP與財政收入的增長保持同向性，財政支出促進經濟增長，從而帶動財政收入增加，就業(yè)人數直接決定稅收的的多少，從而影響財政收入，全社會固定資產投資通過投資建設促進經濟增長，提高人民收入，進而擴大稅源，拉動財政收入增長。從各個角度來說，城鎮(zhèn)化進程中影響人民收入的因素同時也影響財政收入，歸其原因是城鎮(zhèn)化影響了經濟發(fā)展水平，從而帶動了各個方面的發(fā)展。模型的建立與檢驗通過前面的分析，山東省城鎮(zhèn)化進程中影響人民收入和財政收入的主要有以下五個因素：GDP，稅收，財政支出，全社會固定資產投資及就業(yè)人數。本文研究城鎮(zhèn)化進程中影響人民收入的因素時，以城鎮(zhèn)居民人均可支配收入為例。3.1.變量與數據文章模型一以財政收入作為因變量Y，稅收（X1），GDP（X2）,財政支出（X3），全社會固定資產投資（X4），就業(yè)人數（X5）作為自變量。模型二以城鎮(zhèn)居民人均可支配收入作為因變量Y，稅收（X1），GDP（X2）,財政支出（X3），全社會固定資產投資（X4），就業(yè)人數（X5）作為自變量。文章數據來源于《山東統(tǒng)計年鑒》（2015），數據見附錄1。3.2．模型建立3.2.1模型一建立多元線性回歸方程，用Eviews6.0軟件的最小二乘法估計，得到模型估計結果為（見附錄2）=88.12172+0.802254X1+0.008568X2+0.254493X3-0.009486X4-254.4905X5（64.22093）（0.123782）（0.004172）（0.062066）（0.007187）（160.2442）t=（1.372165）（6.481166）（2.053460）（4.100361）（-1.319804）（-1.588142）R2=0.999700=0.999635F=15347.07DW=1.378612回歸結果可以看出，R2=0.999700，=0.999635，模型擬合優(yōu)度很高，F=15347.07檢驗值很大，相應的p=0.000000，回歸方程顯著，說明各自變量聯(lián)合起來對財政預算收入有顯著影響，顯著性水平=0.05，但X4和X5的t統(tǒng)計變量分別為-1.319804和-1.588142，相應的p值分別為0.1999和0.1259，且系數符號與經濟意義不符，說明可能存在多重共線性。下面計算自變量的簡單相關系數矩陣，結果如下：表3-1各自變量的相關系數矩陣X1X2X3X4X5X110.990360.9990930.9976210.788894X20.9903610.9906890.9904560.848991X30.9990930.99068910.9971870.787507X40.9976210.9904560.99718710.785293X50.7888940.8489910.7875070.7852931由表3-1可知，各自變量之間的相關性系數很高，由此可判斷回歸變量間確實存在多重共線性。3.2.2模型一修正本模型采用逐步回歸法。首先求Y對各自變量X1，X2，X3，X4，X5進行一元回歸，結果見附錄3，對比結果，依據調整后可決系數最大原則，選取X1作為進入回歸模型的第一個解釋變量，形成一元回歸模型。將剩余的解釋變量分別加入模型，得到二元回歸結果，數據見附錄4，對比結果，根據逐步回歸的思想，新加入的變量X3的二元回歸方程的=0.999614最大，且各參數t檢驗顯著，參數符號也符合經濟學意義，保留變量X3。在保留X1，X3的基礎上進行逐步回歸，得到三元回歸結果，數據見附錄5，對比結果，在X1，X3的基礎上加入X2后方程的=0.9996180.999614，F統(tǒng)計量也很大，但是X2所對應的t值較小，相應的p0.05，說明X2對因變量的影響不是很顯著；在X1，X3的基礎上加入X4和X5后方程分別為0.999602和0.999600，均比0.999614小，且各自t值很小，相應的p值為0.6552和0.7929，遠大于0.05，且X4參數符號為負，不符合經濟學意義，說明X2，X4，X5的出現引起多重共線性，予以剔除。因此，本文最后保留的變量是X1，X3，相應的回歸結果為=-2.221592+0.743802X1+0.294037X3（8.240233）（0.112988）（0.059469）t=（-0.269603）（6.583045）（4.944388）R2=0.999641=0.999614F=36248.18DW=1.405351上述回歸結果基本消除了多重共線性，并且在其他因素不變的情況下，當稅收X1和財政支出X3分別增長1億元，財政預算收入Y分別增長0.743億元和0.294億元。3.2.3模型二模型建立方法同上，數據見附錄6，得到的估計模型結果為=-4869.212+0.605025X1+0.360954X2+0.562280X3-0.084192X4+14462.01X5（592.4041）（1.162554）（0.039506）（0.590344）（0.0677587）（1489.389）t=（-8.219410）（0.520428）（9.136727）（0.952461）（-1.242532）（9.710028）R2=0.999188=0.999025F=6151.188DW=2.110165回歸結果可以看出，R2=0.999188，=0.999025，模型擬合優(yōu)度很高，F=6151.188檢驗值很大，相應的p=0.000000，回歸方程顯著，說明各自變量聯(lián)合起來對城鎮(zhèn)居民人均可支配收入有顯著影響，顯著性水平=0.05，但X4t統(tǒng)計變量分別為--1.242532，相應的p值分別為0.2256，且系數符號與經濟意義不符，說明可能存在多重共線性。各自變量的相關系數矩陣如表3-2所示，表3-2各自變量相關性系數矩陣X1X2X3X4X5X110.990360.9990930.9976210.788894X20.9903610.9906890.9904560.848991X30.9990930.99068910.9971870.787507X40.9976210.9904560.99718710.785293X50.7888940.8489910.7875070.7852931由表3-2可知，各自變量之間的相關性系數很高，由此可判斷回歸變量間確實存在多重共線性。3.2.3模型二修正步驟同模型一，一元回歸結果見附錄7，對比結果，依據調整后可決系數最大原則，選取X2作為進入回歸模型的第一個解釋變量，形成一元回歸模型。將剩余的解釋變量分別加入模型，得到二元回歸結果見附錄8，對比結果，根據逐步回歸的思想，新加入的變量X5的二元回歸方程的=0.998907最大，且各參數t檢驗顯著，參數符號也符合經濟學意義，保留變量X5。在保留X2，X5的基礎上進行逐步回歸，得到三元回歸結果，數據見附錄9，對比結果，在X2，X5的基礎上加入X3后方程的=0.9990420.998907，F統(tǒng)計量也很大，同時各解釋變量的系數所對應的t值較大，相應的p0.05，，說明各解釋變量對因變量的影響顯著，并且參數的符號也符合經濟學意義，根據逐步回歸的思想，保留X2，X3，X5。在X1加入后，=0.9991060.998907，F統(tǒng)計量也很大，但相應的t值略小，相應的p0.05，說明影響不顯著；X4加入后，=0.9988790.998907降低，且t值較小，相應的p0.05，因此，根據逐步回歸的思想，保留X2，X3，X5。在保留X2，X3，X5的基礎上，繼續(xù)進行逐步回歸，結果見附錄10，對比結果，加入X4時=0.9990530.999042，但t值小，相應的p0.05，且系數為負，不符合經濟學意義。加入X1后，=0.9990050.999042降低，且t值較小，相應的p0.05，且系數為負，不符合經濟學意義，因此，根據逐步回歸的思想，保留X2，X3，X5，剔除X1，X4。相應的模型如下：=-5110.634+0.338492X2+0.564630X3+15212.89X5（553.8471）（0.034798）（0.253935）（1349.770）t=（-9.227519）（9.727391）（2.223521）（11.27073）R2=0.999138=0.999042F=10427.26DW=2.018221上述回歸結果基本消除了多重共線性，并且在其他因素不變的情況下，當GDPX1，財政支出X3分別增長1億元，和就業(yè)人數增長1億人，城鎮(zhèn)居民人均可支配收入Y分別增長0.338元，0.565元和15212.89元。本模型存在的問題是樣本容量過小，可靠性受到影響，如果增大樣本容量，效果會好很多。結論與政策建議4.1.基本結論1.影響公共財政預算收入的主要影響因素是稅收和財政支出；2.影響城鎮(zhèn)居民人均可支配收入的主要影響因素是GDP，財政支出和就業(yè)人數。4.2．政策建議1.加強稅收管理和稅費改革，保證公共財政預算收入，保障國家關鍵職能的實現，縮小社會貧富差距；2.大力發(fā)展經濟，解決就業(yè)問題，提高人民的生活水平；3.財政支出要合理規(guī)范，才能使社會平衡發(fā)展，人民的生活更加美好。參考文獻[1]王修達，王鵬翔，國內外關于城鎮(zhèn)化水平的衡量研究[J],北京農業(yè)職業(yè)學院學報，2012.[2]蘇雪串，產業(yè)結構升級與城市化[J],財經科學，2002,1000-8306.[3]蔡武，論我國農業(yè)工業(yè)化、農村城鎮(zhèn)化與城鄉(xiāng)居民收入差距[D]，湖南大學，2008.[4]丁志國，趙宣凱等，直接影響與空間溢出效應：我國城市化進程對城鄉(xiāng)收入差距的影響路徑[J]，數量經濟技術經濟研究，2011,1000-3894[5]陳斌開，林毅夫，發(fā)展戰(zhàn)略、城市化與中國城鄉(xiāng)收入差距[J]，中國社會科學，2013,1002-4921.[6]林毅夫，政府與市場的關系，中國高校社會科學[J]，2014.[7]樊綱，現代三大經濟理論體系的比較與綜合[C]，上海格致出版社，2015.附錄附錄1年份財政預算收入(億元)城鎮(zhèn)居民人均收入（元）稅收收入（億元）GDP（億元）財政支出（億元）全社會固定資產投資（億元）就業(yè)人數（億人）198453.6022638.6448.4039581.5638.9763140.150.35637198567.5316747.5663.823680.4651.2953194.330.35611198662.1535853.556.7351742.0567.9384223.080.36512198772.7901987.1165.2813892.2975.2168297.770.37657198882.68141163.4682.56811117.6694.0725369.820.388711989100.94161349.1697.31181293.94113.6714305.540.394031990109.10821466.22105.87451511.19123.853335.660.404321991128.51841687.56114.5171810.54132.061439.820.421931992139.32251974.48128.73342196.53145.6988601.50.430261993194.39782515.08190.85542770.37188.3646892.480.437931994134.66113444.36126.46423844.5218.768311080.438211995179.00254264.08163.51394953.35275.86561320.970.520741996241.67424890.24215.63335883.8358.98361558.010.522741997304.42325190.79264.86936537.07423.33421792.220.52561998352.39125380.08301.90247021.35487.81752056.970.528761999404.48295808.96342.9437493.84550.00342222.170.531472000463.67886489.97392.90228337.47613.07742542.650.544182001573.17937101.08488.34229195.04753.77812807.790.547532002610.22427614.5495.026610275.5860.64843509.290.55272003713.78778399.91558.28212078.151010.645328.440.562062004828.33069437.8627.433115021.841189.3727629.040.5728120051073.12510744.79826.461218366.871466.22710541.870.5840720061356.25312192.241035.79121900.191833.4411136.060.59620071675.39814264.71308.35225776.912261.8512537.020.6081420081957.05416305.411533.53230933.282704.6615435.930.6187620092198.63217811.041720.34633896.653267.6719030.970.6294220102749.38419945.832149.939169.924145.03223276.690.6401920113455.92722791.842603.13345361.855002.0726769.730.6485620124059.4325755.193050.20150013.245904.51931255.960.6554320134559.94626882.393533.49155230.326688.836789.070.6580420145026.82729221.943965.76159426.597177.31442495.550.66065附錄2DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:12:20Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.8022540.1237826.4811660.0000X20.0085680.0041722.0534600.0516X30.2544930.0620664.1003610.0004X4-0.0094860.007187-1.3198040.1999X5-254.4905160.2442-1.5881420.1259C88.1217264.220931.3721650.1832R-squared0.999700

Meandependentvar1151.121AdjustedR-squared0.999635

S.D.dependentvar1470.864S.E.ofregression28.09239

Akaikeinfocriterion9.690866Sumsquaredresid18151.19

Schwarzcriterion9.973755Loglikelihood-134.5176

Hannan-Quinncriter.9.779463F-statistic15347.07

Durbin-Watsonstat1.378612Prob(F-statistic)0.000000

附錄3DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:37Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X11.3019450.006611196.94690.0000C-24.351769.457157-2.5749560.0158R-squared0.999304

Meandependentvar1151.121AdjustedR-squared0.999279

S.D.dependentvar1470.864S.E.ofregression39.50492

Akaikeinfocriterion10.25720Sumsquaredresid42137.26

Schwarzcriterion10.35150Loglikelihood-146.7294

Hannan-Quinncriter.10.28673F-statistic38788.08

Durbin-Watsonstat1.144991Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:39Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X20.0800200.00206938.669070.0000C-159.158850.20276-3.1703190.0038R-squared0.982264

Meandependentvar1151.121AdjustedR-squared0.981607

S.D.dependentvar1470.864S.E.ofregression199.4811

Akaikeinfocriterion13.49579Sumsquaredresid1074403.

Schwarzcriterion13.59008Loglikelihood-193.6889

Hannan-Quinncriter.13.52532F-statistic1495.297

Durbin-Watsonstat0.199639Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:40Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X30.6851650.004079167.96900.0000C28.4462610.892162.6116260.0145R-squared0.999044

Meandependentvar1151.121AdjustedR-squared0.999009

S.D.dependentvar1470.864S.E.ofregression46.31424

Akaikeinfocriterion10.57525Sumsquaredresid57915.25

Schwarzcriterion10.66954Loglikelihood-151.3411

Hannan-Quinncriter.10.60478F-statistic28213.60

Durbin-Watsonstat1.323250Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:41Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X40.1205580.00167971.801130.0000C61.8107525.164052.4563120.0208R-squared0.994790

Meandependentvar1151.121AdjustedR-squared0.994597

S.D.dependentvar1470.864S.E.ofregression108.1150

Akaikeinfocriterion12.27074Sumsquaredresid315599.0

Schwarzcriterion12.36504Loglikelihood-175.9257

Hannan-Quinncriter.12.30027F-statistic5155.403

Durbin-Watsonstat1.149376Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:41Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X511425.011683.5436.7862870.0000C-4815.301895.3014-5.3784130.0000R-squared0.630409

Meandependentvar1151.121AdjustedR-squared0.616720

S.D.dependentvar1470.864S.E.ofregression910.6058

Akaikeinfocriterion16.53257Sumsquaredresid22388481

Schwarzcriterion16.62687Loglikelihood-237.7223

Hannan-Quinncriter.16.56210F-statistic46.05369

Durbin-Watsonstat0.107784Prob(F-statistic)0.000000

附錄4DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:47Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X11.2265840.04615526.575440.0000X20.0047180.0028611.6487620.1112C-33.5584310.73625-3.1257120.0043R-squared0.999370

Meandependentvar1151.121AdjustedR-squared0.999322

S.D.dependentvar1470.864S.E.ofregression38.30477

Akaikeinfocriterion10.22672Sumsquaredresid38148.65

Schwarzcriterion10.36817Loglikelihood-145.2875

Hannan-Quinncriter.10.27102F-statistic20629.74

Durbin-Watsonstat1.136187Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:48Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.7438020.1129886.5830450.0000X30.2940370.0594694.9443880.0000C-2.2215928.240233-0.2696030.7896R-squared0.999641

Meandependentvar1151.121AdjustedR-squared0.999614

S.D.dependentvar1470.864S.E.ofregression28.90118

Akaikeinfocriterion9.663339Sumsquaredresid21717.23

Schwarzcriterion9.804784Loglikelihood-137.1184

Hannan-Quinncriter.9.707638F-statistic36248.18

Durbin-Watsonstat1.405351Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:48Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X11.2857760.09892512.997520.0000X40.0015040.0091810.1638290.8711C-23.3438711.42937-2.0424460.0514R-squared0.999305

Meandependentvar1151.121AdjustedR-squared0.999252

S.D.dependentvar1470.864S.E.ofregression40.23670

Akaikeinfocriterion10.32513Sumsquaredresid42093.80

Schwarzcriterion10.46658Loglikelihood-146.7144

Hannan-Quinncriter.10.36943F-statistic18695.04

Durbin-Watsonstat1.160620Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:14:49Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X11.3002310.011065117.51010.0000X523.85818122.24940.1951600.8468C-35.2637756.73646-0.6215360.5397R-squared0.999305

Meandependentvar1151.121AdjustedR-squared0.999252

S.D.dependentvar1470.864S.E.ofregression40.22801

Akaikeinfocriterion10.32470Sumsquaredresid42075.62

Schwarzcriterion10.46615Loglikelihood-146.7082

Hannan-Quinncriter.10.36900F-statistic18703.12

Durbin-Watsonstat1.141681Prob(F-statistic)0.000000

附錄5

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:15:41Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.7322850.1127836.4928500.0000X20.0025120.0021991.1421610.2642X30.2789670.0605784.6050760.0001C-8.2577019.749081-0.8470240.4050R-squared0.999659

Meandependentvar1151.121AdjustedR-squared0.999618

S.D.dependentvar1470.864S.E.ofregression28.73340

Akaikeinfocriterion9.681439Sumsquaredresid20640.20

Schwarzcriterion9.870032Loglikelihood-136.3809

Hannan-Quinncriter.9.740504F-statistic24448.93

Durbin-Watsonstat1.449741Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:15:41Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.7694360.1280066.0109530.0000X30.2978440.0609854.8839220.0001X4-0.0030570.006763-0.4520070.6552C-3.9833979.232412-0.4314580.6698R-squared0.999644

Meandependentvar1151.121AdjustedR-squared0.999602

S.D.dependentvar1470.864S.E.ofregression29.35383

Akaikeinfocriterion9.724165Sumsquaredresid21541.19

Schwarzcriterion9.912758Loglikelihood-137.0004

Hannan-Quinncriter.9.783230F-statistic23425.97

Durbin-Watsonstat1.340460Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:15:42Sample:19842014Includedobservations:29CoefficientStd.Errort-StatisticProb.

X10.7421060.1152416.4396210.0000X30.2940330.0605614.8551190.0001X523.7341989.441640.2653600.7929C-13.0772441.76100-0.3131450.7568R-squared0.999642

Meandependentvar1151.121AdjustedR-squared0.999600

S.D.dependentvar1470.864S.E.ofregression29.43212

Akaikeinfocriterion9.729492Sumsquaredresid21656.23

Schwarzcriterion9.918085Loglikelihood-137.0776

Hannan-Quinncriter.9.788557F-statistic23301.48

Durbin-Watsonstat1.407883Prob(F-statistic)0.000000

附錄6DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:16:51Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X10.6050251.1625540.5204280.6073X20.3609540.0395069.1367270.0000X30.5622800.5903440.9524610.3500X4-0.0841920.067758-1.2425320.2256X514462.011489.3899.7100280.0000C-4869.212592.4041-8.2194100.0000R-squared0.999188

Meandependentvar8945.804AdjustedR-squared0.999025

S.D.dependentvar8567.121S.E.ofregression267.4574

Akaikeinfocriterion14.18778Sumsquaredresid1788336.

Schwarzcriterion14.46533Loglikelihood-213.9106

Hannan-Quinncriter.14.27826F-statistic6151.188

Durbin-Watsonstat2.110165Prob(F-statistic)0.000000

附錄7DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:08Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X17.5998120.28904826.292530.0000C2410.362400.49296.0184880.0000R-squared0.959739

Meandependentvar8945.804AdjustedR-squared0.958351

S.D.dependentvar8567.121S.E.ofregression1748.396

Akaikeinfocriterion17.83313Sumsquaredresid88649729

Schwarzcriterion17.92564Loglikelihood-274.4134

Hannan-Quinncriter.17.86328F-statistic691.2971

Durbin-Watsonstat0.141387Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:09Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X20.4777670.00779061.330530.0000C1481.629183.16838.0888930.0000R-squared0.992349

Meandependentvar8945.804AdjustedR-squared0.992085

S.D.dependentvar8567.121S.E.ofregression762.1686

Akaikeinfocriterion16.17255Sumsquaredresid16846130

Schwarzcriterion16.26507Loglikelihood-248.6746

Hannan-Quinncriter.16.20271F-statistic3761.434

Durbin-Watsonstat0.223969Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:09Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X33.9995410.15167526.369100.0000C2723.935392.08956.9472280.0000R-squared0.959963

Meandependentvar8945.804AdjustedR-squared0.958582

S.D.dependentvar8567.121S.E.ofregression1743.522

Akaikeinfocriterion17.82754Sumsquaredresid88156229

Schwarzcriterion17.92006Loglikelihood-274.3269

Hannan-Quinncriter.17.85770F-statistic695.3294

Durbin-Watsonstat0.106173Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:10Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X40.7037320.02761825.481350.0000C2931.290400.53447.3184470.0000R-squared0.957246

Meandependentvar8945.804AdjustedR-squared0.955772

S.D.dependentvar8567.121S.E.ofregression1801.710

Akaikeinfocriterion17.89320Sumsquaredresid94138629

Schwarzcriterion17.98572Loglikelihood-275.3446

Hannan-Quinncriter.17.92336F-statistic649.2991

Durbin-Watsonstat0.189444Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:10Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X574847.247168.04910.441790.0000C-29871.933786.115-7.8898640.0000R-squared0.789902

Meandependentvar8945.804AdjustedR-squared0.782657

S.D.dependentvar8567.121S.E.ofregression3993.994

Akaikeinfocriterion19.48531Sumsquaredresid4.63E+08

Schwarzcriterion19.57783Loglikelihood-300.0223

Hannan-Quinncriter.19.51547F-statistic109.0309

Durbin-Watsonstat0.119691Prob(F-statistic)0.000000

附錄8DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:13Sample:19842014Includedobservations:31CoefficientStd.Errort-StatisticProb.

X20.6486270.04704113.788670.0000X1-2.7905440.760878-3.6675320.0010C1212.002169.93417.1321870.0000R-squared0.994832

Meandependentvar8945.804AdjustedR-squared0.994463

S.D.dependentvar8567.121S.E.ofregression637.5051

Akaikeinfocriterion15.84477Sumsquaredresid11379556

Schwarzcriterion15.98354Loglikelihood-242.5939

Hannan-Quinncriter.15.89000F-statistic2694.905

Durbin-Watsonstat0.410635Prob(F-statistic)0.000000

DependentVariable:YMethod:LeastSquaresDate:05/01/16Time:17:13Sample:19842014Includedobservatio