《基于面板数据的社会保障支出对城乡收入差距影响的实证分析》由会员分享，可在线阅读，更多相关《基于面板数据的社会保障支出对城乡收入差距影响的实证分析（18页珍藏版）》请在金锄头文库上搜索。
1、基于面板数据的社会保障支出对城乡收入差距影响的实证分析摘要： 本文采用中国 31 个省市 20002014 年的面板数据，对中国 31 个省市的城市化率、社会保障支出与城乡收入差距之间的关系进行实证分析，以揭示各地区城市化率、社会保障支出对该地区城乡收入差距的省域影响。结果显示: 就全国而言，城市化率、社会保障支出与城乡收入差距呈正相关; 就地区而言，大部分地区城市化率的提高扩大了城乡收入差距，而半数以上的地区其社会保障支出对城乡收入差距的缩小有一定促进作用，但不同地区其影响呈现一定的差异性。其政策含义在于，可通过建立城市反哺农村机制和完善社会保障体系来缩小城乡收入差距，促进社会公平。关键字：
2、城乡收入差距 城市化率 社会保障支出 一、引言自改革开放以来，我国的经济建设取得了突飞猛进的进展，城乡居民生活水平也逐年提高。然而我国在经济高速增长的同时，也出现一些结构性问题，比如农村经济仍然严重滞后于城市，城乡分割的二元经济体制仍旧存在，城乡收入差距也不断加大。从通用的反映国民收入分配状况不平等程度的基尼系数来看，近十年中国的基尼系数始终保持在 0. 47以上，超过了 0. 4 的国际公认警戒线，成为世界上收入不平等程度较为严重的国家之一。与其他收入不平等国家的区别是，我国居民收入差距扩大主要是由城乡收入差距推动的。城乡收入差距对居民收入差距的影响最为深远。城乡收入差距的扩大使得社会公平问
3、题逐步上升为突出的问题，因此，研究城乡居民收入差距具有重要的现实意义。影响城乡居民收入差距的因素有很多，包括城市化、财政支出、财政支出结构等。本文将社会保障因素纳入实证分析，单独考察各地区财政社会保障支出对城乡差距的作用效应，采用中国 31 个省市 20002014 年的面板数据，对中国 31 个省市的城市化率、社会保障支出与城乡收入差距之间的关系进行实证分析，以揭示各地区城市化率、社会保障支出对该地区城乡收入差距的省域影响。二、文献综述（1）社会保障收入分配的本质林志芬（2001）指出社会保障制度本质上就是一种收入再分配的方式。刘玮（2006）则认为社会保障是一种转移支付制度，在一定程度上缓
4、解市场的初次分配不公，实现社会公平，并认为互助观念和互济特征是社会保障制度与生俱来的内在规定刘玮.个人责任：养老保险的一种理论分析J.云南社会科学，2006（3）：73。高霖宇（2011）认为财政社会保障支出具有降低完全市场经济体制下出现的收入分配差距问题、收入分配不平等的问题的作用，另外财政社会保障支出还可以保障低收入群体的利益，使其能够得到正常的生活，同时还能减少贫困现象的发生。高霖宇.发达国家社会保障水平与收入分配差距关系及对中国的其实J.地方财政研究，2011（7）：75-80（2）社会保障支出对城乡收入差距的影响李智（2011）认为我国在社会保障支出提高的同时，城乡居民的收入差距也进
5、一步扩大，导致这些问题最主要的原因就在于中国存在十分明显的城乡二元化的社会保障制度，致使城乡社会发展不平衡。张翼（2010）认为，城乡收入差距水平与城乡社会保障支出资金的数额之间存在密切的关系。徐倩、李放（2012）为了得到社会保障支出对中国城乡收入差距的影响，使用系统广义矩估计的方法，通过对 1998-2010 年的各省级动态面板数据进行分析得到结果。分析结果表明，人均社会保障支出、社会保障占财政支出的比例与我国的城乡差距之间的正相关关系十分明显，即财政用于社会保障方面的支出并没有起到缩小收入差距的作用，反而还扩大了收入差距。王莜欣、鲍捷（2013）通过对 1998-2010 年的中国社会保
6、障支出占 GDP 比重、社会保障支出水平数据以及基尼系数进行研究，来发现后者与前两者之间存在的相关联系，结果发现我国的社会保障支出占 GDP 比重以及社会保障支出这两项数据呈现基本相同的变化趋势，而这两项数据与基尼系数之间并不存在明显的规律。三、 实证分析 （一）模型设定本文在实证检验中建立如下计量经济模型: URIit=i+iUit+iSCEit+it ( i = 1，2N; t = 1，2T)其中: 变量下标 代表不同地区；变量下标代表不同年份。i和 i分别为城市化率与社会保障支出的回归系数； i截距项表现为个体效应； it为随机误差项； URIit是代表城乡收入差距的变量，依以往文献的研
7、究经验，这里取城市居民人均可支配收入与农村居民人均纯收入之比作为其表征指标，这个指标的值越大，说明城乡收入差距越大，反之则相反； Uit代表各省份城市化水平，用各省的城镇人口占总人口的比重来表示城市化率; SCEit表示各省份的社会保障支出水平，用各省份的地方政府财政社会保障支出占财政支出的比重来衡量。选取的样本区间为 20002014年，文中的省级面板数据包括全国31个省、直辖市及自治区。研究所选取的省际面板数据主要来自历年中国统计年鉴、国家统计数据库以及各省市的地方统计年鉴。（二）检验及回归分析 1、单位根检验按照协整的定义，如果城乡收入差距与城市化率、社会保障支出水平存在长期均衡关系，他
8、们之间必须具有相同的单整阶数。因此，进行协整检验前，先要对各变量进行单位根检验，检验结果见表3.1。表3.1 城乡收入差距与城市化率、社会保障支出的ADF检验LLC检验ADF检验PP检验VariableStatisticsP-ValueStatisticsP-ValueStatisticsP-ValueURI-1.368640.085624.38461.000046.76330.9249 URI-17.10520.0000229.6960.0000355.2010.0000 平稳U-77.2022 0.0000104.1990.000682.86330.0396U-14.93730.00001
9、63.2510.0000230.8900.0000 平稳SCE-4.029510.000066.62010.321156.90040.6594SCE-15.64480.0000175.5290.0000250.435 0.0000 平稳（注：该表由附表1-6汇总而来）从上表可以看出，根据对各变量的水平值进行检验所得的结果，城乡收入差距与城市化率、社会保障支出原始序列均为非平稳变量。对变量进行一阶差分后，得到其一阶差分序列显着平稳。因此，通过检验可以判断它们都是一阶单整。2.协整检验在完成单位根检验后，为了进一步检验城乡收入差距与城市化率、社会保障支出之间是否存在长期均衡关系，还需要进行协整检验
10、，得检验结果如表3.2所示。表3.2 城乡收入差距与城市化率、社会保障支出的Johansen协整检验结果协整序列H迹统计量P值URI与U0227.90.0000187.790.0173URI与SCE094.010.0054183.980.0330（注：该表由附表7-8汇总而来）从表3.2可以看出，城乡收入差距与城市化率、社会保障支出存在着长期稳定的均衡关系，即协整关系。3.模型的选择首先建立随机效应回归yi=+vi+xi+ui其次用Hausman检验该模型是否是随机效应模型。在研究面板数据时，固定效应模型和随机效应模型模型是通常使用的两种回归模型，但它们之间存在差异。前者认为个体间存在显著差异
11、，但是对于特定的个体而言，组内不存在时间序列上的差异；后者则假设个体效益服从均值为零、方差为的随机数，且与解释变量不相关，与相互独立。因此需要对两种模型的回归结果进行对比筛选，以获得更准确的结论。表3.3给出了Hausman检验的结果，以此来检验本文所选样本应该用固定效应模型还是随机效应模型。表3.3 城乡收入差距模型形式设定的Hausman检验 由表3.3可以看出Hausman检验的p=0.00070.05的显著性水平，所以拒绝原假设（个体影响与解释变量不相关），认为个体影响与解释变量间存在相关关系，将模型设定为固定效应模型。Panel Data模型有三种形式：无个体影响的不变系数模型（又称
12、混合模型）、变截距模型、含有个体影响的变系数模型，确定模型的形式为固定效应后，就要检验本文研究的样本适用于哪种模型。通常适用的检验是协方差分析检验。原假设为: ,模型为变截距模型； ，模型为混合模型。构造F统计量： 其中，、分别为变系数模型、变截距模型和混合模型的残差平方和，K为解释变量的个数，N为截面个体数量，为常数项，为系数向量。如果计算所得到的统计量的值不小于给定置信度下的相应临界值，则拒绝原假设，继续检验假设。反之，则认为样本数据符合不变系数模型。类似地，若计算得到的统计量的值不小于给定置信度下的相应临界值，则拒绝原假设，用变系数模型拟合样本，反之，则认为样本数据符合变截距模型。 利用
13、eviews6.0对样本数据分别就三种模型形式进行估计，得到三种模型的残差平方和如下表所示。表3.4 三种模型形式的残差平方和汇总表变系数模型S1变截距模型S2混合模型S3残差平方和17.2257835.43166127.8485（注：该表由附表9-11汇总而来）将数据代入公式得出：F2=26.5445 ：F 90,372 ，F1=6.5529 ：F 60,372都远大于5%显著性水平下各自的临界值(其中，N=31，T=15，k=2)，因此均拒绝原假设，所以用变系数模型拟合样本。4.模型的回归分析 由上述分析知道，选择变系数模型对样本进行拟合，拟合结果如表3.5所示。表3.5 模型参数的估计表
14、省（自治区、直辖市）1i北京1.686（0.465）-1.330（-0.505）天津-0.829（-1.157）9.359（1.780）河北-0.068（-0.050）1.671（0.913）山西0.401（0.332）2.809（1.222）内蒙古0.088（0.049）1.462（0.557）辽宁1.041（1.389）1.275（0.575）吉林-12.516（-2.361）5.152（2.181）黑龙江-10.240（-1.957）2.362（0.82）上海0.957（0.368）0.066（0.020）江苏-0.632（-0.355）8.710（1.559）浙江-1.565（-0.459）1.726（0.275）安徽-1.495（-1.403）2.278（0.962）福建-0.925（-0.775）3.578(1.606)江西-1.047（-1.078）3.143（1.221）山东-0.894（-0.756）4.082（1.168）河南-2.383（-1.893）4.360（1.720）湖北-3.169（-2.614）3.890（1.930）湖南-2.169（-1.847）3.827（1.728）广东-0.028（-0.014）-0.386（-0.138）广西-0.932（-2.409）-1.984（-1.077）海南-0.153（-0.214）2.370（0.
