影响我国农民收入的因子分析

战英杰，申秋红,2

（1.中国农业科学院农业经济与发展研究所，北京 100081；2.中国人口与发展研究中心，北京 100081）

农民收入是关系到农业能否迅速发展，农村能否现代化的关键问题，甚至是制约国民经济快速发展的瓶颈。然而我国当前农民收入现状却不容乐观，20世纪80年代，农民人均纯收入年均增长9%左右，90年代降到不足5%；2000～2006年农民人均纯收入年均增长7.6%，同城镇居民人均可支配收入实际增长10.8%甚有差距，农民收入增长缓慢的状况给社会经济的发展带来了一系列的问题，不仅严重挫伤了农民的生产积极性，制约了农村经济社会的发展，而且使得整个国民经济陷入了一种低水平均衡陷阱[1]。在这种情况下，对中国农民收入的影响因子进行分析是十分必要的。

从收入来源看，目前农业收入和非农业收入仍然是农民收入的主要构成部分，二者相加在农民收入中的比重1985年为92%，1995年为94%，到2006年这一比例仍然高达93%，几乎没有发生什么变化。转移性和财产性收入在农民人均纯收入中的比重一直维持在一个较低的水平上。因此在对农民收入进行因子分析时有必要侧重于从农民收入的来源方面进行考察，分析影响农民收入增长的因素，其实也就是分别分析影响农民农业收入和非农业收入的相关因素。

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等关于智力测验的研究。该模型是利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。具体地说，因子分析就是根据研究对象不同维度相关性的大小对维度进行分组，使得同组内的维度之间相关性较强，不同组的维度之间相关性较弱。每组维度代表一个基本结构，称该基本结构为公因子。对于所研究的问题就可试图用最少个数的不可测的所谓公因子的线性函数与特殊因子之和来描述原来观测的每一维度[2]。因子分析法的模型为：

其矩阵形式为：

且满足：① m≤p；② Cov（F，ε）=0，即F和ε是不相关的；③F1，…，Fm不相关且方差皆为1；ε1，ε2，…，εp不相关，且方差不同。

其中，X=（X1，X2，…，Xp）是可实测的 p 维随即向量。（F1，F2，…，Fm）叫做公因子（或称主因子），它们是在各个原观测变量的表达式中都共同出现的因子，是相互独立不可观测的理论变量。矩阵A=（aij）为因子载荷矩阵，其中元素的绝对值越大表明 Xi与 Fj相依程度越大。ε=（ε1，ε2，…，εp）称为特殊因子，在模型中起着残差的作用，但被定义为彼此不相关且和公因子也不相关，而且每个公因子假定至少对两个变量有贡献，否则它将是一个特殊因子。为了使Xi与Fj的相关关系更醒目、突出，可进一步进行因子旋转，使得Xi与Fj中某些因子的相关关系更强，而与Fj中其他因子相关更弱。经过因子旋转后的因子负载阵可以大为提高因子的可解释性。根据与某n个相关关系较强的指标给该因子赋予综合经济意义，通过观察它们在哪些变量上载荷较大，然后再根据载荷大的本身内容来说明因子的具体含义。

2 影响农民农业收入的因子分析

农业收入是农民收入构成的主体。80年代农业收入占纯收入的比重接近于70%，90年代这一比重快速下降，但仍占60%，最近几年下降较快，2006年仅占45%，但我国仍有3/4的农户是纯农户或以农业为主的兼业户，他们收入的主要来源仍然是农业，特别是中西部地区的广大农户，来自农业的收入高达60%以上[3]。因此，农业收入保持稳定增长是纯收入增长的重要条件。

本文经过对统计资料进行分析和筛选，对影响农民农业收入的因素主要采用了10个指标：X1-农业生产资料价格指数；X2-农副产品收购价格指数；X3-农民化肥购买量（公斤/户）；X4-国家农业基本建设支出（亿元）；X5-受灾率（它等于受灾面积除以总播种面积）；X6-家庭经营耕地面积（亩/户）；X7-农民用于第一产业的支出（元）；X8-农民购置生产性固定资产的支出（元）；X9-国家财政用于农业的支出（亿元）；X10-农村居民大中专及以上学历所占比重。

根据《中国统计年鉴》和《中国农村住户调查年鉴》，本文搜集了1990～2006年全国范围内的时间序列数据，原始数据见表1。对所选指标数据进行标准化处理以消除由观测量纲的差异所造成的影响，使标准化后的变量均值为0，方差为1。本文运用SPSS 15.0统计分析软件进行数据计算。

因子分析的前提是原有变量之间具有较强的相关关系，否则根本无法从中综合出能够反映某些变量共同特性的几个较少的公因子变量来。KMO统计量是用于比较变量之间简单相关系数和偏相关系数的一个指标，其取值范围在0和1之间，当所有变量之间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值越接近1，越适合做因子分析[4]。根据Kaiser给出的度量标准：0.9以上非常适合；0.8适合；0.7一般；0.6不太适合；0.5以下不适合。该组数据KMO=0.761，显然适合做因子分析。因此，可运用SPSS软件进行数据计算，采用巴特利特球度检验和KMO检验结果为：KMO=0.761；Bartlett检验统计量的观测值为211.947；df=7；该模型检验极其显著，P=0.0001。

表2为按指定提取条件（特征根＞1）提取特征根时的共同度。可见每一个变量的绝大部分信息（大于85%）都可被因子解释，这些变量的信息丢失较少，因此，本次因子提取的总体效果十分理想。

表1 1990~2006年中国农民农业收入影响因素的经济数据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

方差贡献率是衡量公因子相对重要程度的指标，方差贡献率越大表明该公因子相对越重要，或者说方差越大表明公因子对变量的贡献越大。在这里，也就是各因子对农民农业收入的影响力。从表3可以看出，3个公因子累计方差贡献率达到93.93%。这表明3个公因子基本保持了原来10个指标绝大部分信息。各因子旋转后的方差贡献率说明，因子1、因子2、因子3可以解释原始信息的能力分别是53.76%、25.83和14.33%。由此可知，第一个因子，对农民农业收入的影响力最大，其余两个因子的影响力明显减弱。

表4为旋转后的因子载荷矩阵。为了更好地对所选取的公因子赋予合理的经济解释，可通过因子旋转的方式使一个变量只在尽可能少的因子上有比较高的载荷。由旋转后的因子载荷矩阵可以看出，公因子 1 在 X3、X4、X7、X8、X9和 X10这 6 个指标上的载荷值很大。从实际情况看，农业生产中的投入包括人的投入和物的投入，X3、X7和X8是农民对农业生产的物质投入，X4和X9是国家对农业生产的投入，X10反映农业生产中人的要素。在同样的社会经济环境下，生产投入越多、从事农业劳动的生产者素质越高，农民的农业收入也就越高。因此，可以将公因子1定义为投入因子。公因子2在指标X1、X2和X6上的载荷值很大。实际情况是其他条件不变时，农业生产资料价格越高，农业收入就越低，而农产品收购价格越高，则农业收入就越高。我国农产品和生产资料价格长期受政府的控制，即使在放开农产品市场后，政府对农产品市场仍具有强大的宏观调控能力。农业生产资料价格指数和农副产品收购价格指数受政策的影响，家庭经营耕地面积是农民进行农业生产必不可少的资源，因此可以将公因子2定义为政策和资源因子。X5反映了气候与农业收入的协调状况，可将其定义为气候因子。由此可知，第一个因子，即投入因子对农民农业收入的影响力最大，其余两个因子的影响力明显减弱。

表3 相关矩阵的特征根与贡献率Table 3 Total variance explained

表4 旋转后因子载荷矩阵Table 4 Rotated component matrix

3 影响农民非农业收入的因子分析

尽管农民收入的主体是农业，但农民收入的主要来源已由单纯的农业收入转变为农业收入与非农业收入并驾齐驱的局面，非农业收入在农民收入中的比重呈不断上升的趋势[5]，对农民收入增长的贡献在最近几年起到了绝对性的作用。因此，分析影响农民非农业收入增长的各因素就显得特别重要。

本文选取了影响农民非农业收入的6个指标进行分析：X1-全社会固定资产投资额（亿元），X2-农村居民大专及以上学历所占比重，X3-农村工业化率（即乡镇企业就业人数占农业劳动力的比重）。X4-非农业收入比重，X5-城镇化率（即城镇人口所占比重），X6-第三产业产值比重。

根据《中国统计年鉴》，搜集了1990～2006年全国范围内的时间序列数据，原始数据见表5。

通过对数据进行标准化处理，选用SPSS统计分析软件进行数据计算。KMOand Bartlett's Test检验显示，KMO=0.728，Bartlett检验统计量的观测值为137.062；df=11；该模型检验极其显著，P=0.0001。

表5 1990~2006年中国农民非农业收入影响因素的经济数据Table 5 Data of factors influencing farmers'non-agricultural income during 1990-2006

表6显示了所有变量的共同度数据，可以看出，每一个变量的绝大部分信息都可以被因子解释。表7反映了因子解释原有变量总方差的情况，两个公因子的累计方差贡献率达到89.17%，表明两个公因子基本保持了原来6个指标的绝大部分信息，公因子1和公因子2可以解释原始信息的能力分别是49.42%和39.75%，第一个公因子对农民非农业收入的影响力大，第二个因子次之。表8是旋转后的因子载荷矩阵。可以看出公因子1在X3和X5这两个指标上的载荷值大，在其他条件不变时，农村工业化、城市化水平越高，给农民提供的在外就业的机会也越多，在非农部门就业的农村劳动力就越多，相应农民的非农业收入也会增加。可以将公因子1定义为城镇化发展因子，它代表了农村工业化率和城镇化率这两个指标95%以上的信息，是影响农民非农业收入的主要因素；公因子2在X1、X2、X4和X6上载荷值大，可以将因子2定义为社会因子，它包括了全社会固定资产投资状况、非农产业发展状况以及劳动者文化素质状况。实际情况也表明，非农业部门的经济越景气，对劳动力的需求就越多，在城市就业的农村劳动力也会越多，即全社会固定资产投资越多，第三产业产值所占比重越大，在非农业部门就业的农村劳动力就越多，相应非农业收入也会增加。劳动力文化程度越高，商品意识越强，择业的范围就越大，向二、三产业及非农产业转移的机会多、速度快，非农业收入也就越高。可见，因子2也是影响农民非农业收入的一个因素。

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

表7 相关矩阵的特征根与贡献率Table 7 Total variance explained

表8 旋转后因子载荷矩阵Table 8 Rotated component matrix

4 政策建议

由上文对农业收入和非农业收入影响因子的分析，我们可以得出以下结论：①影响我国农民农业收入的主要因子是投入因子、政策和资源因子、气候因子。其对农民农业收入的贡献率分别是60.53%、25.83%和14.33%。可见第一个因子即投入因子对农业收入的影响力最大，其余两个次之；②影响农民非农业收入的因子有城镇发展因子和社会发展因子，对农民非农业收入的贡献率分别是49.42%和39.75%。可见，农民非农业收入受城镇化发展速度影响大，其次是社会发展尤其是第三产业发展对增加农民非农业收入有重要影响。

依据以上分析结果，并结合我国农村经济发展实际，为提高农民收入提出以下政策建议：

4.1 优化农业产业结构，增加农民的农业收入

在新的市场环境下，增加农业收入，最根本的途径是调整农业产业结构，进一步发挥具有比较优势的农产品，开发优质专用品种，逐步向区域化种植、专业化生产和产业化经营方向发展；发展观光农业、特色农业、生态农业，使之成为农民增收的亮点。为了保证农业收入长期稳定的增长，必须下大力气改变农业和农民的弱质性。这就要求国家采取宏观调控和宏观经济服务手段支持农业的发展，增加对农业的投资力度，选择适度的倾斜政策，各级财政应进一步调整财政支出结构，继续增加农业投入，加强农业的基础设施建设，使农民有效地规避自然风险和市场风险。同时，由于农业生产资料价格上涨抵消了农产品收购价格上涨带给农民的实惠，因此要搞活农产品流通，降低交易成本，打破垄断，协调平衡农产品收购价格和农业生产资料价格是促进农民农业收入增长的关键所在。

4.2 推动乡镇企业二次创业和农村小城镇建设，提高农民的非农业收入

大力发展农村工业化和城镇化是促使农民变市民、农民非农化以及提高农民非农业收入的合理途径。首先，要继续鼓励和支持乡镇企业的发展，大力扶持个体私营经济发展，鼓励农民从事农畜产品加工、建筑、经商、运输、餐饮业等，发展壮大县域经济，从而增加农民二、三产业的收入。经验表明，乡镇企业的快速发展是转移农村剩余劳动力的主要渠道，为缓解农村剩余劳动力就业做出了巨大贡献。其次，小城镇建设是解决农村剩余劳动力出路的必由之路，小城镇对增加农民非农业收入具有强大的带动作用。大力发展小城镇会使相当一部门农民脱离农村而进入小城镇，从事加工业、建筑业以及各种服务业。这不仅可以使农业走专业化、规模化、集约化道路，而且农民非农业收入增加了，生活富裕了，第一产业就更有条件向着机械化、电气化、工业化方向发展。第三，大力发展第三产业。第三产业具有分散、自由、规模小、劳动密集，就业弹性大等特点，推动第三产业的发展，将会更好发挥吸纳农村剩余劳动力的作用。

4.3 提高农民素质也是不容忽视的问题

农业劳动生产率的提高有赖于农民素质的提高，农业劳动力的转移也有赖于农民素质的提高。目前我国发达地区乡镇企业已步入转制和结构调整阶段，进一步完善产权制度，按照现代企业制度要求进行资产重组和制度改造，调整和优化产业结构，加强技术改造和企业管理，提高产品质量，增强竞争能力。这对企业工人的素质提出了更高的要求。现有的农村劳动力素质与劳动力市场的需求相差甚远。这就要求政府增加对农业教育的投资力度，全面提高农村剩余劳动力的素质，使其能适应多种工作要求，彻底改变低收入的状况。

[1]陈艳,叶慧,王雅鹏.农民收入增长因素通径分析[J].商业研究,2005(23):201-204.

[2]何晓群.现代统计分析方法于应用[M].北京∶中国人民大学出版社,1998.

[3]刘进宝,张延君.农民收入影响因素的计量经济分析[J].经济论坛,2004(5):117-118.

[4]薛微.基于SPSS的数据分析[M].北京:人民大学出版社,2006.

[5]陈锡文.农民收入为何增长缓慢[J].农村.农业.农民,2004(1):7-11.