中国农村贫困发生率与经济增长的动态关系-贫困对经济增长有哪些不利影响.docx

中国农村贫困发生率与经济增长的动态关系|贫困对经济增长有哪些不利影响【摘要】贫困是一个伴随人类社会发展而长期存在的问题。研究农村贫困发生率与经济增长的关系，有利于我国进一步消除贫困，达到中共十六大所确定的小康社会的要求。本文利用1990～2010年的统计数据对农村贫困发生率与经济增长的长期均衡关系进行探究，在此基础上构建了基于变参数的状态空间模型并对其进行估计，以此研究经济增长对中国农村贫困发生率的动态影响，最后得出相关结论。【关键词】经济增长；贫困发生率；协整；状态空间模型在过去的30几年的时间里，我国成功地使2.2多亿的农村人口脱贫，从而使贫困总人数从1978的2.6亿下降到2010的2688万人，农村贫困率也迅速下降，从1978年的32.9％降到2010年的2.8％。农村的贫困线也在逐年的上升，从1984年的200元增到2010年的2300元。与其他国家相比，我们农村地区贫困减小取得更突出的成就。毫无疑问，中国经济的快速增长是中国农村贫困减小的主要力量，但是贫困问题到目前为止还仍然是中国最严重的社会问题之一。我国是社会主义国家，削除贫困，实现共同富裕是社会主义的本质要求，是贯彻落实科学发展观的内在要求。因此对我国农村贫困发生率的研究，探究经济增长对它的影响程度，明确它们之间的内在联系，对我国进一步消除贫困具有极强的指导意义。我国由于经济改革、各种各样的外界冲击和政策变化等因素的影响，经济结构也在逐渐发生变化，因此对其的影响不可能是一种长期稳定的线性均衡关系，用固定参数模型表现不出来这种变化，所以变参数模型更适合反映这种关系。本文第2部分介绍了变量的平稳性和协整检验，第3部分介绍了基于状态空间模型的我国农村贫困发生率与经济增长的变参数模型，然后运用KALMAN滤波算法对状态空间模型的参数进行估计，并对波动进行分析。一、实证研究1．变量选取与数据说明。本文在研究过程过中，用y表示中国农村贫困发生率（％），采用的经济增长主要是指农村居民的经济增长，关注的是农村居民这个在中国占大多数的群体，所以用他们的纯收入来表示他们的经济增长，用x表示（元）。数据来源于《中国统计年鉴》（2010）（附录）。2．平稳性与协整检验。在变量之间建立模型，当且仅当等式两端的变量具有相同的单整阶数，且变量之间具有协整关系时，所建立的模型才有意义，否则所建立的模型将是伪回归，为了避免伪问题，状态空间模型要求变量之间存在协整关系，为此对y，x进行平稳性和协整关系检验。本文采用ADF检验方法对各变量进行检验。检验结果可以看出，在1％显著性水平上，时间序列经过两阶差分均是平稳的，即y和x属于同阶单整序列。因此，变量之间有可能存在长期稳定的均衡关系。本文采用Johasen协整检验方法，检验结果中可以看出，两个变量之间存在着长期稳定的均衡关系。协整分析证实两变量之间存在长期稳定的均衡关系，因此以这两个变量建立的状态空间模型不存在伪回归的问题。二、状态空间模型估计前文探究了它们之间的长期均衡关系，但影响因素是在不断地变化当中的，不能反映不同时期因素对贫困发生率在影响程度上的差异性。因此，我们需要采取相应的变参数模型对其进行研究，所以，本文采用了状态空间模型对该动态关系进行估计。估计模型如下：yt=c+atxt（1）其中：yt为中国农村贫困发生率，xt居民纯收入，εt为随机干扰预，a为待估计参数。为了考察中国农村贫困发生率与经济增长之间可能存在的不断变化的长期均衡比例，我们对模型（1）进行修正，本文经验分析所建立的模型是利用状态空间模型构造的可变参数模型。yt=c+atxt（2）at=ψ1at+ηt（3）方程（2）和方程（3）就是所谓的状态空间模型。状态空间模型是动态模型的一般形式，由一组观察（Observation）方程和状态（State）方程构成。许多时间序列模型如古典线性回归模型、ARIMA模型等都可以看作状态空间模型的特殊形式。本文中方程（2）是量测方程，表示中国农村贫困发生率与经济增长的一般关系，其中at参数称为状态变量，反映了各个时点上变量对贫困率的敏感程度。方程（3）称为状态方程或转换（Transition）方程，它描述了状态变量的生成过程。at为不可观测变量，但可表示成一阶马尔可夫过程。本方中状态方程都采取了递归形式进行定义。εt是扰动项，且服从均值为零、方差是常数的正态分布。利用卡尔曼滤波算法可以得到变参数at的估计值。本文可得到的数据区间是从1990～2010年，取对数后代放（2）、（3）方程，用Eviews5.0软件，以卡尔曼滤波算法得到状态空模型的如下估计结果：图1时变参数at在1990～2010期间的变化趋势首先1991农民收入增长了3.4％，贫困发生率从9.4％上升到11％，经济增长对贫困发生率的作用没有减少反而增加，原因在于改革开放初期，