吉尼系数影响因素的计量分析 一．总论及模型变量的选择。 收入和财富分配的不均等，长期以来是与经济发展相伴生的。它不仅影响着一个国家和地区的经济增长，而且还影响着该国家或地区的政治稳定和社会发展。因此，它一直是世界上许多社会经济学家研究和分析的焦点所在，是发展经济学研究的核心问题。平等与发展，或者公平与效率是经济学一个永恒的话题。二者的抉择对各国的发展具有重大的影响。对于收入分配不均等程度的测量，目前常用的方法是洛伦兹曲线（Lorenz curves）和吉尼系数（Gini coefficient）。洛伦兹曲线是衡量收入分配不均等程度的几何工具，它表示一定比例人口所占有的收入比例量，反映了相对生活水平，这种方法与传统的偏离平均生活水平程度的统计方法相比，能够全面地描述相对生活水平状况，也为研究收入分配不均等问题提供了依据。我们结合发展经济学和西方经济学的理论知识，通过对24个国家吉尼系数影响因素的分析，了解收入分配不均等的形成原因。 这些因素既包括结构性或制度性因素（如城乡差异、地区差异、体制内外差异等），也包括个体因素（如个人的文化程度、职业、年龄、性别、政治身份等）。 由于存在政府的转移支付等政策因素对收入分配的影响，而这些政策的实施则受限于GDP的增长，所以我们引入了国民生产总值。而人均国民生产总值考虑一国的人口基数则更可以代表了一个国家的经济发展水平，所以我们采用此变量。 世界上的国家大都存在一个恶性循环，即人口的增长问题。收入较低的阶层往往生更多的孩子，收入很高的阶层则普遍生得较少。农村人口占了低收入阶层的绝大部分，部分低收入城市居民也存在多生现象。所以我们把人口增长率进入模型。 一般来讲，一个国家城市人口较之农村人口收入高，若城市人口占据的比重大了，获得较高收入的人口数量相对增加了，从而影响收入在不同阶层间的分配状况，影响吉尼系数。 众所周知，受教育的程度影响获得收入的水平不同。一国的教育水平影响人们获得收入的机会。从而影响不同收入阶层之间比重。吉尼系数也会随之变化。 二．基于上述理论初步设置计量经济模型 Y =+1X1+2X2+3X3+4X4+u 其中：X1表示人均国民生产总值； X2表示人口增长率； X3表示城市人口所占比重； X4表示成人非文盲人口所占比重（占15岁及以上人口比重） 1．下面进行初步回归： Dependent Variable: Y Method: Least Squares Date: 12/20/04 Time: 20:25 Sample: 1 24 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob. X4 -0.330842 0.083230 -3.975029 0.0008 X3 -0.037652 0.087213 -0.431718 0.6708 X2 0.927918 0.140675 6.596197 0.0000 X1 -0.000172 9.79E-05 -1.754393 0.0955 C 2.792371 5.948577 0.469418 0.6441 R-squared 0.757585 Mean dependent var 36.52917 Adjusted R-squared 0.706550 S.D. dependent var 8.576179 S.E. of regression 4.645801 Akaike info criterion 6.092856 Sum squared resid 410.0858 Schwarz criterion 6.338284 Log likelihood -68.11428 F-statistic 14.84451 Durbin-Watson stat 1.965282 Prob(F-statistic) 0.000012 以上结果表明，拟合很好，整体回归显著，但是部分变量的T不显著，可以判定存在严重的多重共线，进行逐步回归。
对变量x1 进行回归，结果如下： Dependent Variable: Y Method: Least Squares Date: 12/20/04 Time: 20:26 Sample: 1 24 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob. X1 -0.000289 0.000136 -2.120443 0.0455 C 38.92936 1.985320 19.60860 0.0000 R-squared 0.169695 Mean dependent var 36.52917 Adjusted R-squared 0.131954 S.D. dependent var 8.576179 S.E. of regression 7.990342 Akaike info criterion 7.073999 Sum squared resid 1404.602 Schwarz criterion 7.172171 Log likelihood -82.88799 F-statistic 4.496277 Durbin-Watson stat 2.091889 Prob(F-statistic) 0.045481 对变量x2 进行回归，结果如下： Dependent Variable: Y Method: Least Squares Date: 12/20/04 Time: 20:26 Sample: 1 24 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob. X2 0.539199 0.136626 3.946525 0.0007 C 30.10371 2.127601 14.14913 0.0000 R-squared 0.414505 Mean dependent var 36.52917 Adjusted R-squared 0.387892 S.D. dependent var 8.576179 S.E. of regression 6.709775 Akaike info criterion 6.724663 Sum squared resid 990.4636 Schwarz criterion 6.822834 Log likelihood -78.69596 F-statistic 15.57506 Durbin-Watson stat 2.230820 Prob(F-statistic) 0.000687 对变量X3进
