微观影响因素（精选8篇）
微观影响因素 篇1
住宅是城市重要职能的物质载体和城市空间结构的重要组成部分 ,诺克斯[1]和吴缚龙[2]认为城市内部结构变化的最大的结果就是居住的流动性和居住区位的选择。长期以来地理学、社会学、 经济学等不同学科一直关注城市居住的相关问 题,学者们从不同的角度对城市居住空间的各方面进行了研究。20世纪60年代早期国外研究者开始对城市中住房市场的微观经济和空间方面进行研究 ,并取得了大量的成果。理论研究如古典人类生态学派的三大经典居住空间理论:伯吉斯的同心圆理论、霍伊特的扇形理论、哈里斯和乌尔曼的多核心理论[3];支付意愿和区位选择之间偏差的研究如新古典经济学派阿伦索的土地利用模型[4];居住区位选择行为模型的研究如布朗和摩尔的迁居行为模型[5]、赫夫和克拉克的迁居概率模型[6]。我国学者在20世纪90年代后期才开始关注城市居民居住区位的研究,主要包括对城市住宅区位选择影响因素[7]、城市居住空间结构[8]、 迁居行为[9]、居住分异[10]、住宅郊区化[11]、居住区位选择行为[12]等方面的研究。
在关于居住区位的相关研究中,分析城市居民居住区位选择的影响因素是主要研究内容之一。居住区位选择的影响因素可以分为宏观和微观两个方面,宏观因素主要包括国家制度与政策方面、住房制度以及城市规划方面的因素[13]。微观因素主要包括居民社会属性、收入、家庭生命周期、交通、环境、就业可达性、工作地等,事实上微观因素更直接更具体地影响居民居住区位的选择。因此,对微观因素进行研究,可以在优化城市居住区位资源配置的基础上,提高居民居住环境的质量,使住宅开发与居民需求相吻合。
1居住区位概念和模型的认识
居住区位的概念主要包括以下几种:杜德斌认为居住区位是住宅所在的空间位置[14];张文忠认为这种空间位置具有固定性和独特性,不同的居住区位价格不同[15];董昕指出居住区位不仅仅是指住宅空间中所坐落的地理位置,还包括该位置出行的便捷程度以及该位置对居住者产生的非经济方面的影响。总体来说,就是该居住区位的地理位置和在此进行日常活动所需的货币和时间成本,以及该区位的自然人文环境对居住者身心的影响[8]。
居住区位模型的研究在国外已经有相当长的历史,它对估计影响居住区位选择的因素以及对这些因素如何进行权衡有重要的意义,然而国内仍然缺少对这方面的研究。帕利亚拉和威尔逊将居住区位模型分成三大类:1基于城市经济学理论的居住区位模型;2基于空间相互作用理论的居住区位模型;3计量经济模型[16]。第一种居住区位模型起源于城市经济学理论,它受农业土地利用和租金思想的启发,理论核心是家庭在居住区位选择时需要对多种影响因素进行权衡。第二种模型的建立类似万有引力定律,主要来研究影响居民移动的因素和吸引他们的居住地的因素之间的关系。第三种居住区位模型来自于计量经济学模型,更明确地说是采用离散选择模型来研究居民居住区位的选择,它基于微观经济的随机效用理论,能够在家庭层面上来研究居住区位选择影响因素很大一部分是由于离散选择模型方法的发展。
2影响居民居住区位选择的微观因素
居住区位选择的微观影响因素主要针对城市居民而设置,对城市建设更具有实际指导意义。 通过对相关文献总结得出,国内学者研究发现居民在住房选择过程中考虑最多的因素是房价、房屋位置、交通便利程度、周边配套设施(尤其关注是否有适合子女的学校),而居民自身属性如收入水平、职业、年龄、教育程度等考虑很少[17,18,19,20]。由于城市的形成历史、制度、社会经济发展水平以及居民个性的不同,影响居民住房选择因素在国家间存在一定程度的差异。约瑟夫认为主要有四组因子影响居住区位的选择:居住单元的特点 (尺寸、设计、是否有停车场、噪音大小等);居住区位特征(本地区居民的社会经济地位、教育质量、安全水平、购物和休闲设施、交通等);可进入性的特征(进入城市多种职能区、购物中心、工作地等的方便程度);居民个人特征(家庭生命周期、教育、 收入等)[21]。库马尔等采用叙述性偏好和显示性偏好数据,研究发现居住地到目的地的时间和成本、租金高低、家庭收入、公共交通的可达性和邻里指数(是否走路能到学校、是否有好的环境)对居住区位选择有一定的影响[22]。
本文将影响居民居住区位选择的微观因素分为两种,共性因素和个性因素,其中共性因素主要是指居住 区位的因 素,个性因素 则与居民 自身相关。
2.1共性因素
2.1.1房价与居住区位的选择房价是居民在购房时考虑最多的因素,刘敬伟选择居住区和小学作为问卷调查地点,研究结果表明60% 左右的居民认为价格仍是现在和未来最重要的影响居住区位选择的因素,多数居民在自己的支付能力范围内选择实用性高的住房[23]。房价主要由房屋的面积和其坐落的地理位置所决定,这就表明当房屋的面积一定时,城市内不同的区位的房价也不相同。王玥等以沈阳市为例,采用问卷调查的方式获得数据,对住房价格距最近的城市中心的交通距离进行相关性分析,结果表明住房的价格受市中心的影响,即随着距市中心距离的减小,住房的价格增加[24],这和我国城市中房价空间分布规律相似。通常来说周边服务设施完善、靠近城市中心、文化和商业密集区的地段房价较高。
2.1.2可达性与居住区位的选择汉迪等表示可达性由潜在目的地的空间分布、每一个目的地的活动质量和特征所决定[25],即由进入一个特定地区的难易程度和地区的特征所决定。因此,居住区位的可达性由该位置的交通条件和进入城市公共设施的便捷程度共同决定[26]。可达性一直以来被认为是影响居住区位选择的重要因素,它很好地 解释了为 什么居民 喜欢居住 在城市中 心(因为它为接近 各种活动 机会提供 了一种潜 能)。苏鲁尔等通过计算达拉斯-沃斯堡地区的可达性指数,发现就业地、零售场所、公共停车场的可达性机会的确对居住区位的选择有明显的影响,同时就业地可达性机会对居民的影响更加显著[27]。在关于可达性的研究中,最多的是交通可达性和就业可达性的研究。
1交通可达性与居住区位的选择。交通可达性是居住区与外部联系的便捷程度,包括两方面含义:一是指目的地与居住地的实际距离,二是指交通工具的可获得性[28]。一个地区的交通可达性很大程度上影响居民进行日常活动的方便程度,因此一般有较近的公交站点、轨道站点的地区是居民的首选地。林瑜茂研究了上海市轨道交通与居民居住地选择的关系,表明城市外围区域居民喜欢选择轨道交通站点附近的住房,随着距轨道交通站点距离的增加,住房被选择的机会减小, 与此同时市中心的轨道交通站点对居民居住区位选择的影响并不大[29]。莫林等总结了布鲁塞尔地区关于居住选择的各种案例研究,发现这些研究都认为交通可达性机会的影响不明显,认为主要是居民支付得起多样的交通工具,但是对于依靠公共交通的居民来说情况就不同了[30]。事实上,方便快捷的城市公共交通系统(包括居住区周围道路数量和公共交通线路数量)对居民的住宅区位选择有很大的影响[31]。吕顺[32],张文忠[33]研究发现轨道交通对周边住宅区的价值有一定的提升作用,地区交通可达性水平越高,其房价也就越高,与此同时一个地区交通设施的改善,可以提高居民对该区位经济和社会价值的评价水平。潘达采用1998年和2004年曼谷的社会经济调查数据,采用双峰选 择模型 (Bimodle Choice Model) 研究交通轨道建设前后对居住区位模式的影响进行评估,结果表明,月收入高 者 (月收入大 于15 000铢)始终喜欢居住在城市外围,使用汽车进行通勤;不同点是在2004年,当引入轨道交通后, 中等收入者(月收入5 000-15 000铢)开始使用轨道交通,并搬到较原先远的地方居住[34],这也表明一个地区轨道交通的建设可能使居民离开现居地,重新选择居住地。此外赛蒙斯等采用离散选择模型来研究三藩市两性在选择居住区位的过程中对交通因素的敏感性,发现女性相比于男性对通勤时间更敏感[35],也就说女性更倾向于选择交通便利的居住地。
2就业可达性与居住区位的选择。就业可达性也影响居民居住区位的选择,地区提供的就业机会越多,人们选择在这里居住的概率也就越大。 杰西和钱德拉对达拉斯-沃斯堡的研究发现,就业可达性机会对高学历的居民的影响较大,对其他居民影响不 大[36]。现在,随着就业 流动性的 增强,双职工家庭的增多以及城市区域的分散,潜在工作中心的可达性在居住区位的选择 中变得重要。居民在选择居住地和考虑通勤时间时,同时考虑现工作地点和潜在的工作地的可达性。罗德里格兹等人通过控制重要的家庭和邻里属性,采用离散选择模型来研究北卡罗纳州-梅克伦堡县地区就业分中心地区对居民居住区位 选择的影响,结果表明,对于高收入的家庭,进入最近的就业分中心及累积进入所有就业分中心和居住区位选择之间没有显著的统计学意义;对于中等收入的家庭,进入最近的就业分中心对居住区位的选择影响不大,但是累积进入所有就业中心对选择有显著的影响;对于低收入家庭,他们尽可能选择靠近最近的就业分中心同时更靠近所有的就业 中心[37]。
2.1.3环境与居住区位的选择居住区环境包括自然环境和人文环境,自然环境包括比如光照情况,污染程度,住宅所处的山水形态等。现在, 随着城市污染的日益加重以及对健康生活的追求与享受使得居民对居住环境产生了更高层次的要求,环境因素在居民居住区位选择的影响也越来越大。刘长岐等研究发现随着北京市空气质量的下降,城市居民逐渐开始选择在环境优美、空气新鲜的小区购房[38]。亨特基于1 277个家庭进行面对面的访谈获得的数据建立一个Logit模型进行研究,结果表明空气质量对居民选择有相对较大的影响,这些家庭愿意权衡市政税的增加和通勤时间的 增加,以获得降 低恶劣空 气质量的 频率[39]。同时城市自然环境中的地形对住宅区位的影响也较大,一般家庭会选择地势平坦的地区居住,方便出行,然而对于有钱人建别墅一般选择在山区城市中较陡峭的地段,因为这种地理位置具有的孤傲性和排它性恰好显示了他们的身份和地位[40]。人文环境主要是住宅区的居民属性、公共安全、公共服务设施等。格莱泽[41]和朵拉[42]指出,在发达地区,随着收入的增加,人们对生活质量的需求提升,城市公共服务和社会环境对居住区位选择的影响越来越大。盖达的研究发现, 在布鲁塞尔周围环境安静、安全、交通量低的地区更加吸引居民,此外儿童可以安全的在街上玩耍也是家庭选择居住区位重视的因素之一[43]。现在,随着对子女教育重视程度的增加,居民倾向于选择在教学质量高的学校附近居住[44]。总的来说,居民都倾向于选择环境优良、治安良好、基础服务设施完善的居住区。
2.2个性因素
2.2.1居民收入差异与居住区位的选择居民在进行居住区位选择时,在支付能力范围内根据自己的偏好进行决策。低收入家庭的选择范围最小,以满足基本的居住需求为主;中等收入家庭会对居住的面积和环境等有所考虑;高收入家庭可以最大限度地根据个人喜好进行居住区选择。现实生活中,同一收入阶层的居民在消费观念、行为态度等方面具有一定的相似性,因此他们对住房区位的选择也具有相似的倾向性。郑思齐等通过建立支付意愿梯度模型和区位选择模型,利用北京、上海、广州、武汉和重庆5个城市详实的社会调查数据对模型参数进行估计,结果表明,高收入群体仍倾向于居住在距离市中心较近的位置,但是低收入阶层,受经济的限制,多会选择房价较低,出行购物和上班都较便利的地区[45]。
实际上,早期伯吉斯和霍伊特的居住区位理论就是从收入差异的角度来研究居民居住区位的选择。二者都认为,随着大城市的发展,高收入者多搬到新建的城市外围环境较好的新住宅,低收入者居住在他们搬出的离市中心较近的老住宅区。这主要是由于西方城市的高速发展,城市化水平的不断提高,城市出现了大量的社会和经济问题,而郊区也可以提供完善的服务设施和就业, 及公共交通发达和家庭汽车的拥有量多,因此高收入家庭一般选择居住环境质量良好、房屋面积相对较大的郊区。正如皮特等认为西方国家居民搬到郊区居住主要原因就是交通的发达和便利, 以及城市中出现的社会经济问题[46]。然而在我国由于市中心公共服务设施完善、商业服务业高度集中,高收入阶层偏好在距离城市中心较近的位置居住。例如在上海,高收入住宅主要分布在地段景观资源好、历史文化价值高、高起点成片开发地段以及市中心繁华地段,低收入住宅主要分布在老城厢、旧城区、旧工业区、设施不完善交通偏远的郊区[47]。
2.2.2居民社会属性差异与居住区位的选择居民的社会属性主要是指居民的教育程度、职业、 民族和宗教,出生及生长环境等,居民社会属性的不同会导致其对居住地的选择不同,如王铮等研究发现在校大学生在居住选择中更注重距交通干道、学校和公园的距离,而房价、距市中心、购物中心和医院的距离关注程度较低[48]。一般来说,从自身安全和心理需求出发,具有相同社会属性的居民倾向于选择特定的居住空间。然而张文忠通过问卷调查对北京市内部居民居住区位选择进行研究,结果表明不同职业居民在宏观居住区位选择偏好上趋于相似,职业对居住区位的选择更多地反映在微观层面上,总的来说个人属性与居住空间偏好之间基本独立[49]。
在居住区位选择研究中,生态学派强调居民的社会特征对特定区位形成的影响。伊文思在1985年出版的《城市经济学》中指出从社会心理学的角度看,兴趣志向相同的人倾向于居住在一个地区,而且需要类似服务的人通常居住在一起, 少数民族地区尤为突出[50]。行为地理学认为,家庭在做居住区位决策时,家庭的社会地位是很重要的考虑因素,特别是在一个社会分层严重的地区,社会分层可以来自于任何形式的分化(能力、 财富、知识、文化等),但住房和区位是最重要的表现形式[51]。在选择居住区位时居民对地区历史和文化的认知在做决策时同样有重要的作用。发展中国家,与文化、宗教等相联系的因素和情感在解释居住选择是不可忽略的[52],因社会文化背景的差异而形成的居住分离现象,在旧中国的一些大城市中有十分明显的表现[40],如在北京,位于宣武区的牛街一直是回族居民的聚居地。在西方国家,由于种族之间的相互排斥十分激励,相同种族或国籍的人居住在一起,在特定的地域内形成界限分明的少数民族居住区。斯图尔特和加里以洛杉矶为例,对非洲黑人移民家庭和白人家庭居住区位的地域分异进行了研究,结果表明非洲黑人移民家庭倾向于居住在市中心,而白人家庭倾向于居住在郊区[53]。
2.2.3家庭的生命周期与居住区位的选择根据家庭生命周期理论[54],不同发展阶段的家庭由于生活和心理需求的不同会选择不同的居住区位。罗布森[55]基于市中心处于衰落阶段,环境恶化,房价便宜的前提下得出,青年型家庭日常社交活动较频繁,喜欢出行方便靠近市中心的位置居住,因此他们的住房面积一般较小;中年型家庭相对富裕,对居住面积、住宅环境、特别是子女上学条件等要求较高,一般选择城市比较好的住宅区; 老年型家庭社会活动范围相对较小,趋向于选择贴近自然、价格便宜、邻里关系和睦和社区文化生活丰富的住宅区。然而罗布森住房区位选择模式只反映了一般情况[56],比如许多青年型家庭为了靠近父母居住,会选择离市区相对较远的住房。 如刘旺采用采用比奇的分异度指数和GIS分析方法对万科青青家园调查发现年轻型家庭由于文化程度普遍较高,收入较高,大部分拥有私家车, 因此居住区位的选择外移的趋势[57]。王益洋通过对上海市的调查研究表明,市中心区人口平均年龄大,边缘区人口平均年龄小,原因是城市边缘新建了许多住宅区,住房面积大,环境质量好,基础设施建设完善,因此许多青年夫妇会选择离开父母,居住在边缘区。而老年人熟悉原有的生活和工作环境,加上家庭住房和社区环境成为主要的活动空间,则仍多愿 意留在市 中心区[58]。 此外,梁丹等通过对郑州市8个城区居住空间分布现状和城市居民个人居住区位选择进行调查,表明不同年龄和家庭结构的居民对居住空间的选择存在趋同性[59],也就是说年龄和家庭构成对居住区位选择的影响不明显。
2.2.4工作地与居住区位的选择沃德尔认为工作地决定了家庭对具体区位的选择[60]。陈等人的研究发现工作地的距离是一个重要的影响居住区位选择的因素[61]。劳瑞认为家庭到工作地之间的 花费是解 释和促进 家庭区位 分布的原 因[62]。同时有关研究显示,居民在选择住房时会着重考虑该位置到工 作的时间 和距离[63,64]。陈科等基于分层Logit(Cross-nested Logit)模型建立了居住区位和通勤交通方式的组合选择模型, 以《成都市综合交通调查报告》(2010)全市200家企事业单位的5 000名就业员工的调查为数据来源,结果表明:就业者在选择居住区位时,会综合考虑通勤成本和居住成本,且多数人更愿意居住在离就业地近的地方,但对于收入高且有私家车的就业者来说他们的选择范围更加灵活。此外女性同男性相比,她们更希望通勤时间较短,对工作地的选择会更接近居住地。家庭责任假说”(Hou sehold Responsibility Hypothesis)认为女性要承担更多的家庭工作和照顾孩子,因此女性的通勤时间要比男性短。而许多研究都证明了家庭责任的性别差异是造成通勤时间差异的重要原因[66]。
阿伦索,米尔斯和穆特的经典模型所关注的基本问题就是,居民对住房支付意愿的高低很大程度上由居住地到工作地的时间和距离所决定, 居民对离工作地点较近的居住区位支付意愿偏 高。阿伦索[4]的经典住宅区位选择理论,是基于消费者个人追求效用最大化假设的前提下从城市内土地利用和交通系统的关系研究 住宅区位问题,称之为“互换论”。他指出在单中心城市中(所有的工作都在市中心),在经济能力范围内,家庭在居住成本和通勤成本之间选择效用最大化的住房,两者之和最小才是最佳的区位,通勤成本会随着距市中心距离的增大而增加,而住宅价格距离市中心越近越高。之后米尔斯和穆特在细节上对阿伦索的模型进行了一些修正和改进,形成了米尔斯-穆特 (Muth-Mills)模型[67]。20世纪70年代和80年代,当富人搬进城市内的废弃地区,翻新和居住在那里时(这是一个普遍的现象后来被称为绅士化(中产阶级化)[68]),该理论已经无法给出满意的解释了。里维拉等采用非集计算模 型(Disaggregate modeling)的方法来研究大马尼拉双职工家庭的空间行为和模拟他们的选择行 为,研究结果证实在大都市确实存在郊区化的模式,更多的家庭在居住区位的选择中愿意权衡更长的通勤距离,也就是通勤时间[69]。从经济学的角度来看,互换论的思想是正确的,但它缺少考虑居民个体的差异和不同的偏好对居住区位选择产生的影响。
此外,性别也是一个影响居住区位选择的因素,女性一般喜欢在靠近市中心的位置居住。虽然中心区的房价高、居住空间较小、环境质量较差,但是由于 市中心基 础设施建 设比郊区 完善[70],所以大多数中国城市女性居民都觉得选择在城区中心居住会比在郊区更加方便。
3影响因素和居民实际选择之间的关系
家庭居住区位选择是一个复杂的过程,它涉及一系列的影响因素,这些因素对不同的家庭来说重要程度是不同的[71]。各因素在一定程度上影响居民的居住区位选择,同时各种因素不是独立地起作用,往往是多个因素共同作用形成的。 但居民在区位选择过程中也不可能兼顾所有方面,因此要在许多因素之间进行权衡,毕竟一套住房不可能满足所有居住偏好[72],家庭会根据自身的需求和偏好,进行收益和成本的权衡[73]。其中最经典的权衡理论是阿伦索的关于居住成本和通勤成本之间的权衡,布鲁克纳等在该模型基础上增加了城市设施因素,这使得居民在选择住房的过程中还要考虑该位置到城市设施的可达性,居民在这些因素之间寻求平衡[74]。埃普尔等认为居民在选择居住区位时在住房成本和城市公共品之间进行权衡[75]。韦克利等提出居民在居住状况(是一种和住房相联系的社会期望,如对宗教、 环境、文化的期望)和住房质量(住房的物理的、可测量的状况)之间进行权衡[76]。克兰等学者考虑到就业位置在未来可能会发生变化,这时居民就要关注长期的利益,也就是在居住地到当前工作地的距离和到未来工作地的距离之间进行权衡, 选择最适合的区位[77]。随着生活方式的改变,人们更加注重游憩活动和环境质量的问题。研究者开始关注居民在住房成本和附近休闲设施之间选择的权衡、可达性(包括到工作地、商场和公共服务设施等)和居住环境质量之间选择的权衡,可达性和住房成本之间选择的权衡等问题。此外由于居民的社会经济属性、家庭生命周期、性格特质的不同及变化,他们对住房的偏好也会随之不断变化[78]。但最重要的是,居民只能在支付能力范围内选择效用化最大的住房。
4结语
居住区位的选择是一个复杂的过程,是多种因素共同作用的结果。在选择过程中,不仅经济因素对居民有影响,个体行为的差异也会对选择产生影响,同时外部住房市场、城市形态也直接影响居民的选择,只有将多种因素综合考虑,才能更好地理解和解释其居住区位选择的机理,进而把握其居住区位选择的规律性。目前国外已经建立了较成熟的数学模型来研究居住区位选择微观影响因素及选择机理,国内现有的相关研究中,综合考虑多因素对城市居民区位选择的微观定量分析还不够完善,仍以定性描述居多。其中有一些学者虽然采用问卷调查获得数据,但大多只进行了简单的描述性分析,缺少模型的构建来研究影响因素和其影响程度之间的关系,尤其是对离散选择模型的应用还很少。此外学者们对于一些更微观、更细致的影响因素(如邻里关系、小区人口密度和人口结构、区域交通噪音等)和一些与我国当代社会相结合的因素(如我国不同年龄层对住房的选择、是否靠近家人等)关注不够。国外已经开始关注住宅小区的特征(种族、收入、犯罪率等)、 周围公共服 务设施 (警察局。消防局等)、可达性(就业、商店等)等对居住区位选择的影响,而我国研究最多的是轨道交通对居住选择的影响。其实国内居民在选择的过程中也开始考虑这些更细致的因素,但是还没有得到研究者的重视,因此国外相关的研究对我国居住区位的研究有很好的借鉴作用。事实上,我国对影响居民居住区位选择的研究还是很少的,因此关于我国居民个人住房选择行为的影响因素及微观机理的定量研究将是今后的重点。
微观影响因素 篇2
关键词：明胶 酸乳 质地 微结构
中图分类号：TS252 文献标识码：A 文章编号：1672-5336（2014）14-0005-02
明胶是一种从动物的结缔或表皮组织中的胶原部分水解出来的蛋白质，主要存在于动物皮、筋、骨胳中。结构上，明胶是由氨基酸组成的大分子，具有典型的蛋白质特性，在食品工业中可用作胶凝剂、稳定剂、乳化剂、增稠剂和发泡剂等。
酸乳是以牛乳为主要原料，经乳酸菌发酵形成的一种风味独特、营养丰富的功能性饮料。但凝固型酸乳常存在凝固性差、乳清析出等质地缺陷。所以常添加增稠剂来控制酸乳的质地，其中明胶得到了广泛的使用。本文主要研究了明胶对酸乳质地和微观结构的影响，旨在对酸乳的流变学参数与微结构之间存在的相关性作一探索。
1 材料与方法
1.1 材料
新鲜生牛乳（来自奶牛养殖户）；冻干菌种（来自法国罗地亚公司）：由嗜热链球菌和保加利亚乳杆菌混合而成；明胶：来自丹尼斯克（中国）有限公司。
仪器：TA.XTPLUS质构仪（美国），恒温水浴锅，高压杀菌锅，高压均质机，恒温培养箱，LD4-2A离心机，扫描电镜（JeolJSM-5410）。
1.2 方法
（1）酸乳样品的制备。取新鲜全脂牛乳，预热至50～55℃，添加1.2%的脱脂乳粉（调整总乳固体含量在12.4%～13%之间），搅拌溶解后，加入糖与明胶的混合物，充分搅拌，之后进行均质处理（20MPa），90℃、5min杀菌，冷却到42-43℃，接种活化好的发酵剂，分装后置于42℃培养箱中发酵4-5h，转入4℃冰箱，冷藏两天作进一步分析。
（2）样品的流变学分析。选用A/BE探头：直径为35mm的压力盘。测定值的设置：下降速度与测试速度为1.0mm/s、提升速度为10.0mm/s，测试深度 30.0mm，记录探入过程中所需的应力（g）。探入过程中的最大峰值为硬度，到这一点的曲线面积为黏度，探头回缩过程中的负峰值代表凝聚性。每个样品重复测定4次。
（3）样品保水性的测定。在测定酸乳保水性的试验中，吸取5mL、4℃的样品放入刻度离心管中，以4000r/min的速度离心20min，1min之后读数。酸乳的保水力用离心后沉淀物体积的百分数表示[1]。
（4）样品的微观分析[2]。取酸乳中心的凝块，在2.5%的戊二醛溶液中固定3h；用pH=7.2的磷酸缓冲液清洗两次，每次10min；之后将样品在液氮中迅速冷冻，捶击使之自然断裂；分别用50%、70%、90%、100%乙醇梯度脱水，每次10min；之后用叔丁醇置换乙醇，利用叔丁醇进行冷冻干燥，最后用离子溅射方法镀金。通过扫描电子显微镜对制备好的样品进行分析、观察，得到相应的扫描电镜照片。
2 结果与讨论
2.1 质地分析
从表1可知，明胶的添加使酸乳的流变学参数和保水性不同程度地增加，并且明胶添加的比例的增大，这种加强效果越明显；由感官分析可知，添加明胶的酸乳具有更加细腻、结实的质地。这些结果说明明胶具有改善酸奶品质的作用，原因在于明胶是一种蛋白质亲水胶体，它的加入可在酸乳制品中形成弱的凝胶网络结构，从而起到改善质地、防止乳清析出[3]的效果。
2.2 微观结构
图1描绘了仍然保持着球状结构的酪蛋白胶束的链与丛之间的三维网状结构。从图1（a）可以观察到，在酪蛋白胶束中含有大量的酪蛋白粒子簇，并且在該样品的微观结构中几乎没有形成链状结构。
如图1（b）向酸乳中添加明胶，结果明胶所形成的大的薄片或表面与酪蛋白基质相作用，并在一些区域将酪蛋白颗粒包围，进而改变了产品的微结构。明胶与乳蛋白颗粒以及胶束链相连，结果产生连续的、比较均匀的、没有游离末端的、更加坚固的网状结构。这些酪蛋白颗粒仍保持它们较好的球形轮廓，并且在酪蛋白胶束之间可以明显地看到明胶所成的光滑的桥型构架。这种更加紧密的网状结构能够有效地保留水相，降低酸乳的脱水收缩[4]。明胶提供的这种新的结构能够对乳凝胶体系产生加强作用，正如表1中的流变学分析结果所示，明胶的添加使凝固型酸乳的硬度、黏度、保水性均产生不同程度地提高。
3 结语
明胶的添加在较大程度上改善了酸乳的组织状态。流变学的分析上，表现为硬度、黏度的增加；乳清析出方面表现为保水性的提高。同时，这些性质的改变也被微观结构的扫描图片所证实，添加明胶的酸乳与对照样相比，具有连续、均匀、坚固的网状结构。因此，酸乳所具有的空间网状结构特征，是决定酸乳品质的重要因素，增稠剂可以通过影响空间网状结构而影响酸乳产品的质地。
参考文献
[1]Serafettin Celik，Ihsan Bakirci.Some properties of yoghuet produced by adding mulberry pekmez （concentrated juice）[J].International Journal of Dairy Technology，2003，56（1）：26-29.
[2]马力，张国栋，谢林.酸凝乳超微结构的电镜观察[J].食品科学，2004，25（1）：63-66.
[3]胡国华.功能性食品胶[M].北京：化学工业出版社，2004.
[4]S.M.Fiszman，M.A.Lluch，A.Salvador.Effect of addition of gelatin on microstructure of acidic milk gels and yogurt and on their rheological properties[J].International Dairy Journal，1999，9：899-900.
微观影响因素 篇3
一、有关土地价格的理论依据
(一) 土地价格微观影响因素研究
1. 国内学者的研究情况
胡冠军 (2007) 采用全国主要大中城市2000-2004年土地市场交易数据建立城市地价水平的PanelData模型验证了城市人口规模与土地价格存在正相关关系。柯善咨、何鸣 (2008) 根据单中心城市模型和中国土地市场若干特点建立了城市地价检验模型并利用地级及地级以上城市地价的横截面数据进行了计量分析, 结果表明城市人口和收入是城市地价的重要决定因素。张娟凤、贾生华 (2008) 基于衍生需求模型构建理论框架以及对长三角城市的实证研究认为城市基础设施投资强度、人均持有流动资产水平和城市住宅开发量三个决定因素对于解释城市间住宅土地价格差异有显著性贡献。
2. 国外学者的研究成果
国外学者对于土地价格微观影响因素的研究主要有:Capozza和Helsley (1989) 提出的单中心城市地价的动力学模型认为城市土地价格由农业价值转换成本区位价值和发展价值四部分构成, 而在长期由人口规模增长所表征的城市, 发展速率才是造成城市间土地价格差异的根本原因。对邻里因素的研究, 很多学者认为邻里因素如超市商场、学校、医院、机场港口、公园等对土地价格的影响是显而易见的。区位因素的研究, MurtazaHaider和Miller抽取美国主要大城市的土地和房地产交易数据, 通过构建特征价格模型, 选择离城市中心的距离和交通因素作为自变量, 得到的结论是居住用地的价格随着到CBD距离的增加而减少。
可见, 目前对城市土地价格影响因素的分类和影响程度等都进行了众多的理论和实证分析, 国内外学者都进行了深入的研究。由于影响城市土地价格的因素众多且复杂, 不同经济制度、不同区域的情况各不一样, 各影响因素之间存在互相影响并且是动态的发展。即在城市经济发展的过程中, 城市土地价格的影响因素会随着社会经济技术的发展和市场需求偏好的变化而变化。各国学者对城市土地价格影响因素的分类也多种多样, 没有统一的标准。对影响城市土地价格微观因素的研究也比较多, 原因在于学者们己经认识到微观影响因素对于城市土地价格影响的重要性。但由于学者们对于土地价格的内涵、土地价格的形成机制和土地价格体系的不同认识, 同时土地价格的微观影响因素在不同经济制度和社会发展阶段差别较大且随着城市土地市场发育程度的不同而发生变化, 如何能找到一种适于城市土地市场发育的土地价格影响因素的研究方法, 并对各影响因素进行实证分析, 得出具体准确的结果, 对于城市土地价格进一步的研究会提供很好的借鉴。
(二) 本文对影响土地价格微观因素的分析
本文的研究对象和目标, 由于我国所处的社会阶段、土地制度等原因, 影响我国城市土地价格的宏观因素具有相对的稳定性和固定性, 如利率、土地制度等在短期内不会有重大的变动。相反, 由于我国经济发展的区域不平衡性, 微观因素对土地价格的影响更具有普遍性和直接性。
本文认为微观因素是指在一定时间范围内, 对城市土地价格变化具有显著性、特殊性和个别性影响的因素, 它主要影响城市土地价格的高低, 可以分为个别因素、邻里因素、区域因素和其他因素。对于城市土地价格方面的研究虽然很多, 但是主要集中在对土地价格的构成、形成过程的研究, 对城市土地价格影响的微观因素即普遍影响我国城市土地价格的具体的、细化的因素的研究较少。因此, 本文接下来以福安市的土地价格定级为例, 选取影响该城市土地价格的主要指标, 并对指标进行模型构建, 对影响土地价格的微观因素进行实证分析, 一方面检验了这些因素对土地价格的影响机理, 而另一方面则深刻揭示了我国土地价格的形成演变特征。
从已有的研究文献可知, 影响土地价格的因素是多种多样、纷繁复杂的, 而伴随着经济发展水平的不断提高、社会的不断进步、政策制度的不断改革以及需求的不断变化等, 这些影响因素也随之变化。因此, 依照现有的国内外研究成果, 根据本文的研究目的以及出于实证分析的指标是否可量化考虑, 本文将影响土地价格的因素分为城市基础设施、土地区位因素、人口状况、城市规划, 如图1所示。
从图1分析可知, 在我国, 现阶段影响土地价格的因素错综复杂, 同时伴随着城镇化、工业化的进程, 随着社会的不断进步、经济发展水平的不断提高以及土地市场改革的不断深入, 这些因素在土地价格形成过程中所起的作用和所占的地位也将发生重要的变化, 因此, 深入研究这些微观性因素对土地价格影响的动态变化, 进而揭示土地价格形成的演变特征是深刻认识和了解土地市场发展态势的关键所在。
二、福安市城区土地定级的实证分析
(一) 影响城市土地价格微观因素的选取原则
以定性分析与定量计算相结合的方法。考虑到众多的影响因素, 尽量把定性的、经验性的分析进行量化, 必要时才对某些现阶段难以定量的社会、经济因素采用定性分析, 以减少人为的任意性, 提高土地估价成果的精度。但应特别注意, 在进行定性分析时, 必须坚持以现实的市场资料为基础, 采用归纳、推理等科学的分析方法。
(二) 影响因素的选择及其影响程度的确定
本文认为, 在一个城市中, 影响土地价格的微观因素可以分成区域因素和个别因素。其中, 区域因素是指构成区域具体特征同时又对土地价格有重要影响的各项因素。对于不同的土地利用类型, 影响地价的区域因素的项目和强度各有差异, 但主要有位置、交通条件、基本设施条件、环境质量、城市规划限制等;个别因素是指构成每宗地的具体特征, 同时对宗地价格又有重大影响的因素, 主要有宗地形状、面积、工程地质等情况。
采用多因素综合评价法确定各类因素和因子对土地的作用强度。多因素综合评定法是指通过对城市土地在社会经济活动中所表现出的各种特征进行综合考量, 得出城市土地市场价格或价格与其空间分布存在的相关性, 由此划分出土地级别。多因素综合评定法的理论依据是找出影响城市土地市场价格和土地利用价值的因子, 分析各因素的影响过程和程度, 才有投入到产出的思维方法。即通过系统地、综合地分析各类因素对土地的作用强度, 推论城市土地在空间分布上的优劣差异及其成因。全面考虑各种与土地质量直接相关的因素, 包含影响土地价值的经济因素, 而且包含了其他社会性的因素。采用定性与定量相结合, 把经验转化为科学指标, 用定性的方法将复杂事物的直接判断转化为对事物某些方面的单项判断, 避免了主观随意性, 保证了土地级别划分的科学性, 同时将各种影响因素加以量化, 用精确的数学模型进行建构和阐释, 确保结论的严密性和参考价值。
(三) 选择定级因素
定级因素是指对土地价值有重大影响, 并能显著体现土地区位差异的经济、社会、自然的条件。根据上述原则, 并结合福安市城区的实际情况, 按土地用途分别确定其影响因素。
1. 商业用地定级因素选择
在繁华街道、交通干线交叉口、大型公共场所附近等人流集中的区域, 能吸引众多商家进驻, 商品品种齐全, 可选择性强, 吸引范围广, 形成较强的集聚效应, 其土地价格远远高于周边区域。确定福安市城区商业用地定级因素, 具体内容如表1所示。
2. 住宅用地定级因素选择
参考其他城市土地定级经验, 结合福安市城区实际情况, 确定福安市城区住宅用地定级因素, 具体内容如表2所示。
3. 工矿仓储用地定级因素选择
确定福安市城区工矿仓储用地定级因素, 具体内容如表3所示。
(四) 确定因素权重
权重是反映土地定级因素重要性的量度, 它与因素对土地质量影响的程度成正比。能否准确地确定各定级因素的权重是土地定级的一个重要过程。根据《定级规程》, 权重的确定方法主要有特尔菲测定法、成对比较法和层次分析法。根据比较我们采用层次分析法来确定福安市城区土地定级因素的权重。
层次分析法是指将与决策有关的主要元素分解成目标、准则、方案等不同层次, 在此基础之上通过进行定性和定量分析的决策方法。土地价格的影响因素众多, 因素之间的关系较为复杂, 采用该方法能明确的将各影响因素归纳分类及之间的关系, 而且在这个过程能用数学语言表达出来。
(五) 计量经济模型的建立
在福安市城区土地定级因素权重的确定过程中, 首先选择对于土地定级有影响的主要因素, 然后建立起各因素间一一对应的比较矩阵, 根据城市基础设施、土地区位因素、人口状况、城市规划等因素对福安市城区的土地进行划分, 然后通过对各因素两两比较、赋值获得参评因素。在进行参评因素两两比较时遵循以下规则:因子i比j十分重要, 赋值为7;因子i比j重要得多, 赋值为5;因子i比j重要, 赋值为3;因子i比j同等重要, 赋值为1;因子i比j稍次要, 赋值为1/3;因子i比j次要, 赋值为1/5;因子i比j次要得多, 赋值为1/7;而2、4、6表示相邻判断的中值。利用比较矩阵计算出其最大的特征值λmax, 则规范化后的特征向量W即为权重系数。
式中A为判断矩阵, λmax为A的最大特征值, W为对应于λmax的正规化特征向量, W的分量Wi即为相应参评因素的权重系数。采用一致性检验的方法对计算结果的可信度进行检验, 检验公式为:
式中CI代表判断矩阵的一致性, CR代表判断矩阵的随机一致性, RI代表平均随机一致性指标。
(六) 数据来源和指标计算
本文的数据来自福安市国土局、建设局、交通局、环保局、财政局、教育局、供电局、邮政局、文化局、市政公司、自来水公司、电信局、旅游局、运输公司等相关部门单位历年的统计数据。
对于1-7阶矩阵, RI值分别为0.00、0.00、0.25、0.27、0.66、1.01和1.04。一般认为CR<0.1时, 判断矩阵具有满意的一致性, 计算结果都是可信的。福安市城区商服用地、住宅用地和工矿仓储用地定级因素权重判断矩阵的随机一致性比例分别为0.0037、0.0081、0.0072, 所以计算结果十分可信的, 利用层次分析法最后求得商服用地、住宅用地、工矿仓储用地定级因素权重值, 结果如表4所示。
三、结论与启示
(一) 主要结论
商业用地是城市中经济效益最高、最重要的一种用地类型, 其土地质量的好坏主要取决于离城市商服中心的远近、交通便捷程度、人流量的大小和基础设施的完善度。主要影响价格的微观因素为土地区位、城市设施、城镇规划、人口状况, 权重值依次为土地区位0.575, 城市设施0.158, 人口状况0.1616, 城镇规划0.1054。
住宅用地是城市地域结构中最基本的组成部分, 与居民的生活密切相关, 它和商业用地一样, 都受到交通、基础设施、人口状况等因素的影响。同时, 对生活公用设施、环境质量的反应也很敏感, 如人们往往喜爱居住在教学质量好的学校或环境优美的公园附近。从计算结果看出土地区位 (权重值0.3746) 、城市设施 (权重值0.3752) 、环境优劣度 (权重值0.1738) 、城镇规划 (权重值0.0764) 是影响住在用地价格的主要微观因素。再次说明的是由于城镇规划一般是先对稳定, 其权重在确定的情况是较小值, 但是各地方政府出于种种考虑, 在特殊的情况下会很大程度上改变城镇规划, 这时权重值就相对较大。
工矿仓储用地是自然、社会、经济、技术及国民经济各部门综合影响下逐步形成和发展起来的, 是城市土地中的一个不可缺少的部分。它主要受到交通条件、基础设施状况、产业集聚规模、自然条件等因素的影响。其中交通条件是工业区位中最为重要的因素, 权重值为0.3941, 企业往往通过交通运输使原材料、产品和市场接轨, 实现其产品的价值和利润, 从而体现其工矿仓储用地效益。优越的交通条件, 可以使企业降低原料、产品的费用, 缩短资金周转周期, 提高经济效益。另外, 适当的集聚程度 (权重值为0.1035) , 可以充分发挥企业之间的技术联合和基础设施的配套合作, 从而降低生产成本, 提高经济效益。由于这种集聚效应, 促进了工业企业的集中成片分布。同时又由于受到土地区位的影响, 越靠近城市中心, 支付的土地成本就越大, 从而影响到经济效益。因此工矿仓储用地一般都集中成片分布在城市交通、用地条件优越的边缘区域。
(二) 启示
本文从土地的功能和效用出发, 通过总结国内外对于土地价格微观影响因素的研究成果, 把影响城市三种主要土地类型价格的因素分为四类, 主要的量化指标包括商服繁华度、交通通达度、基础设施、城市规划、人口密度、公共服务设施、环境质量、自然条件、城市规划、产业集聚效益等因素。通过确立福安市土地特征价格模型和对微观影响因素实证分析了三种主要土地价格的微观影响因素及影响程度;通过对土地影响因素的特征价格的研究, 可以对土地价格的构成情况有一个比较深刻的认识, 从而可以定量的认识土地价格的形成过程;通过对影响因素影响程度的分析可以了解土地使用者对土地价格影响因素的偏好, 为土地管理部门的决策提供依据。具体的内容可参考表4和表6。
参考文献
[1].周诚.土地经济学[M].农业出版社, 1989.
[2].唐众.城市土地价格及其影响因素的理论与实证研究[D].南京农业大学, 2004.
[3].沈悦.房地产价格与宏观经济的关系研究[M].中国水利水电出版社, 2006.
[4].诸晓明.对杭州市目前房地产发展状况的一些思考[J].浙江统计, 2005 (3) .
[5].姚先国, 黄炜华.地价与房价的关系[J].中国土地, 2001 (9) .
[6].徐艰奋.运用按揭贷款推动住宅市场发展[J].中国城市金融, 1997 (4) .
[7].包宗华.住宅与房地产[M].中国建筑工业出版社, 2002.
[8].黄桐城, 黄碧云.城市土地经济学[M].上海交通大学出版社, 1998.
微观影响因素 篇4
通过30多年的改革与开放实践, 充分发挥比较优势, 我国已逐步融入经济全球化, 取得了令世界瞩目的成就。然而, 由于我国以吸引外资与推动出口为主, 本土跨国公司的国际竞争力还不够强, 并且, 目前我国正处于从经济大国向经济强国转型的关键时期。因此, 在此形势下, 打造一批世界水平的跨国企业, 能够让我国在适应经济全球化的发展过程中, 抓住全球经济结构调整中的机遇, 主动参与国际分工体系, 从而赢得战略上的主动。对此, 李克强总理也曾指出, 经济全球化是必然趋势, 我们鼓励中国有实力、有信誉的企业“走出去”, 不仅对自身有利, 对世界有利, 对大家都有利。
我国企业“走出去”是适应全球化的需要, 是我国打造跨国企业的必由之路。研究世界水平跨国企业成长的微观影响因素, 对我国企业具有重要的借鉴意义。
文献评述
1. 国内学者的研究
关于世界水平的跨国企业, 清华大学国情研究院胡鞍钢 (2013) 认为必须满足3个条件:其一, 进入世界500强。主要经营指标、业绩达到世界500强的“门槛”。其二, 进入世界同行业前10名。其三, 具有世界知名品牌和核心技术。中国石油经济技术研究院吕建中 (2013) 认为必须具备六大要素:有一定的规模实力、国际发展空间、营利能力和水平、发展稳定性和文化传承性、创新能力、话语权和品牌影响力。赵斌 (2012) 认为, 世界水平的企业不仅要实现优秀的经营效益, 还要积极发挥卓越的核心能力并切实践行社会责任。由此可知, 世界水平跨国企业在规模实力、经营效益、国际化程度、核心竞争力、品牌影响力、承担社会责任等方面具有显著的优势特点和标杆作用。
2.国外学者的研究
在研究跨国公司的成长方面, 国外一些学者认为, 中国企业选择参与国际活动, 主要是为了增强企业自身的价值和竞争力。Agyenim et al (.2008) 、Gao et al (.2010) 、Lau et al (.2010) 通过研究证明, 企业国际化的发展大部分是受企业层面因素的影响, 如公司规模、所有权、国际化经验、出口强度等。另一些学者, 如Bonaglia et al. (2007) 、Niosi, Tschang (2009) 、Tolentino (2010) 则主要从行业结构层面分析了中国企业的国际化, Niosi, Tschang (2009) 、Yang et al (.2009) 通过对我国企业所在行业地位的研究发现, 一些业界的领导者如海尔、联想等大企业, 更有可能参与国际化活动进行境外投资。由此可知, 笔者的研究对我国跨国企业成长为世界水平跨国公司具有重要启发作用。
世界水平跨国企业成长的微观因素实证分析
根据世界水平跨国公司的相关文献研究可知, 《财富》世界500强企业具有世界水平跨国企业的基本特征, 500强企业营业收入变化, 在一定程度上可反映世界一流企业的成长和发展。因此, 笔者主要选择世界500强企业作为世界水平跨国企业的代表进行分析。
由世界500强榜单可知, 其入围企业的行业分布较广泛, 笔者主要选取能源、电子电气设备、个人或家居用品、化工、计算机及其零部件、零售、汽车、炼油、食品消费品、制药10个行业中具有代表性的25家企业进行分析。这些企业分别是:苏伊士集团、莱茵集团, 通用电气、索尼、飞利浦电子, 巴斯夫, IBM, 沃尔玛、家乐福, 通用汽车、福特汽车、丰田汽车、戴姆勒公司、大众公司、本田汽车、宝马, 壳牌石油、埃克森美孚、英国石油、道达尔、埃尼石油, 宝洁、联合利华, 雀巢, 罗氏制药等。
1. 模型构建
根据世界水平跨国公司的发展状况, 影响其成长的主要微观因素有:企业的国际化程度、经济效益、雇员规模、企业经济资源等, 而考虑到数据的完整性和可获得性, 笔者主要选取1998~2013年上述25家世界500强企业的营业收入作为因变量;选择跨国指数、资产额、利润、雇员数等指标作为自变量。为了消除异方差的影响, 并考虑利润变量的个别非正值数据, 以及世界500强企业营业收入变化受到的影响可能具有滞后性, 所以, 分别对各变量取其增长率处理, 从而建立面板回归模型:
GOIit=β0+β1GTNIi, t-1+β2GASi, t-1+β3GPFi, t-1+β4GPFi, t-1+β5GEMPi, t-1+μi, t
其中, GOI为世界500强企业营业收入的增长率, GTNI为跨国指数的增长率, GAS为资产的增长率, GPF为利润的增长率, GEMP为雇员数的增长率。
2. 数据来源与指标说明
模型具体变量指标说明与数据来源见表1。
3.回归分析
(1) 面板单位根检验。回归前需要对各个变量进行面板单位根检验, 判断数据的平稳性, 避免伪回归或虚假回归, 以确保估计的有效性。根据面板单位根检验结果知, 检验水平序列时, 无论是在相同根单位根检验, 还是在不同根单位根检验中, 最终结果都不存在单位根, 即水平序列平稳。
(2) 模型的选择与检验。使用EViews6.0, 利用面板数据进行Hausman检验和F检验, 以确定该面板数据采用的方法。由Hausman检验结果知, 应设定固定效应模型;由F检验结果知, 应建立变系数模型。所以, 最终建立固定效应变系数模型。
(3) 回归结果分析。为了避免横截面的异方差与序列的自相关性等问题, 笔者对该固定效应变系数模型选择按截面加权, 并采用cross-section weights (PCSE, 面板校正标准误差) 估计方法回归, 实证结果见表2。
从以上回归结果可知:
第一, 关于滞后一期的跨国指数变量。从t检验统计量看, 在所有25家世界500强跨国企业中, 有10家企业的跨国指数增长率变量对因变量有显著影响, 除了巴斯夫仅能通过10%的显著性检验外, 3家企业能通过5%的显著性检验, 而其他6家在1%的显著水平下均可以通过t检验;从回归系数看, 其中有8家企业跨国指数增长率与其营业收入增长率呈正相关, 2家企业跨国指数增长率与其营业收入增长率呈负相关。如果国际化中存在跨国并购情况, 则短期存在磨合期, 因此, 国际化与收入增长可能存在负相关。
第二, 关于滞后一期的资产变量。从t检验统计量看, 有19家企业的资产额增长率变量都是显著的, 除本田汽车通过10%的显著水平外, 苏伊士能通过5%的显著性检验, 其他均能通过1%的显著性检验;从回归系数看, 其中有16家企业资产增长率与其营业收入增长率呈正相关, 3家企业资产增长率与其营业收入增长率呈负相关。存在负相关的原因同样可能是由于并购导致的资产增长短期内致使收入减少。
第三, 关于利润变量。从t检验统计量看, 在当期的利润指标上, 有18家企业的利润增长率变量都是显著的, 除了家乐福能通过5%的显著性检验外, 其他在1%的显著水平下均能通过t检验;从回归系数看, 除了家乐福1家企业利润增长率与营业收入增长率呈负相关外, 其它17家企业利润增长率均与其营业收入增长率呈正相关。在滞后一期的利润指标上, 有20家企业的利润增长率变量都是显著的, 除了大众和飞利浦仅能通过10%的显著水平外, 其他变量均能通过5%的显著性检验;从回归系数看, 其中有9家企业利润增长率与其营业收入增长率呈正相关, 11家企业利润增长率与其营业收入增长率呈负相关, 较多的企业是利润增长与收入增长负相关。规模的扩张短期内往往导致利润的负增长, 反过来, 过度追求利润增长, 可能牺牲远期的企业规模成长。
第四, 关于滞后一期的雇员数变量。从t检验统计量看, 有19家企业的雇员数增长率变量都是显著的, 除了苏伊士集团仅能通过10%的显著水平外, 其他均能通过5%的显著水平;从回归系数看, 其中有13家企业雇员增长率与其营业收入增长率呈正相关, 6家企业跨国指数增长率与其呈负相关。负相关的原因同样可能是规模增长中的短期阵痛。从拟合优度看, 加权的R2=0.749305, 调整的R2=0.500281, 未加权的R2=0.858289, 说明拟合程度还可以。从F检验统计量看, F值=3.008697, P=0.000000, 说明模型方程总体显著。
由此可知, 总体上滞后一期的跨国指数增长率、资产增长率、雇员增长率、当期利润增长率变量与大部分企业营业收入增长率呈正相关, 即前期的跨国指数、资产、雇员数以及当期的利润能够促进大部分跨国企业的成长;滞后一期的利润增长率变量与大部分企业营业收入增长率呈负相关。说明利润增长对大部分企业成长水平的提升具有短期促进效应, 但是不具有长期积极作用。
结论与启示
根据以上实证结论分析, 在世界水平跨国公司成长分析中要认清以下几个关系:
1.要素投入规模与成长的关系
(1) 资产规模与成长的关系。大多企业资产规模增长与企业成长呈正相关, 对世界水平跨国公司成长具有积极影响, 而有些企业资产规模与成长存在负相关。原因同样可能是由于并购导致的资产增长, 故短期内并不会使其营业收入增加。但是从经营战略上考虑, 企业资产规模扩张的长期意义还是比较显著的。
(2) 雇员规模与成长的关系。与资产规模类似, 大多企业雇员规模增长与企业成长呈正相关, 即对世界水平跨国公司成长具有正面效应。出现负相关的原因同样可能是规模增长中的短期阵痛, 但总体上企业雇员规模扩张对其成长具有长期的积极意义。
2.国际化扩张与成长的关系
国际化扩张与要素投入规模增长模式一样, 对世界水平跨国公司具有积极作用, 然而, 存在短期扩张与磨合的阵痛, 短期内可能影响公司成长。但是从战略上考虑, 国际化扩张的长期战略意义还是明显的。
3. 经济效益与成长的关系
多数企业当期的利润增长与其成长呈正相关, 前期的利润增长与其成长呈负相关。原因可能是规模的扩张短期内往往导致利润的负增长, 反过来, 过度追求利润增长可能牺牲远期的企业规模成长。但总体看, 企业经济效益的增长, 对企业成长水平的提升具有短期促进作用。
总体而言, 企业前期的跨国指数、资产、雇员数对其营业收入的增长有积极作用, 能够促进世界水平跨国企业成长水平的提升。说明跨国企业的国际化程度、经济资源、雇员规模等因素, 对其成长水平的提升具有较长期的积极效应, 而企业经济效益只具有短期促进效应。这些结论对我国培育世界水平的跨国公司具有借鉴意义。
企业经济资源、雇员人数等是世界水平跨国企业成长的规模基础, 我国的跨国企业应在增强自身企业规模实力的基础上, 进一步提高其国际化程度。此外, 在经济效益方面, 我国跨国企业也应尽力提高短期经济效益, 以利于增强自身的市场竞争力, 进而增强我国的综合国力。然而, 要提高企业经济效益, 就离不开提高技术创新水平和经营管理水平。因而这不仅需要政府及有关部门的支持, 也需要企业自身的努力, 只有这样, 我国才能更好更快地培育出具有世界水平的跨国企业。
摘要：跨国公司的成长不仅受宏观因素影响, 也受自身微观因素的影响。笔者选取19982013年25家世界500强企业的面板数据, 研究世界500强企业微观因素对其收入增长的影响。研究结果显示, 企业国际化程度、经济资源、雇员规模等因素对世界水平跨国公司成长具有积极的长期效应, 经济效益对公司成长只有短期效应。
关键词：世界水平跨国公司,企业规模,国际化程度,经济效益
参考文献
[1]赵斌.中央企业如何创建世界一流企业的若干思考[J].中外企业家, 2012 (13) :102-104.
[6]Niosi, J., Tschang, F.T.The strategies of Chinese and Indian software multinationals[J].Industrial and Corporate Change, 2009, (18) :269-294.
微观影响因素 篇5
一、研究背景及意义
中国物流业的不断发展有利于各种生产及流通,对整个国民经济的发展都是大有裨益的。我国物流发展的时间并不是很长,但是这些物流公司的前身都具备不同的优势。例如由国有大中型企业转型来的物流企业,拥有大量现成的物流基础设施和专用设备、面积较大的库区园地和完善的管理机制,而且对本土的市场更加熟悉,且与政府主管部门建立了较为密切的联系,这无疑提高了外资进入中国物流市场的门槛。
目前中国的股票市场日趋完善,自2015年春以来股市一路大涨,其中互联网、物流等涨幅居前,因此研究物流行业的股价影响因素具有一定的现实意义。此外,股价的影响因素分析不仅有助于投资者对股市进行判断,理性分析股价趋势,并据以制定投资策略,还有助于公司进一步分析股价变化趋势,并在以后的经营中不断调整进而逐步适应经济运行环境。例外,只有明确各因素对于股市的影响程度,政府才能正确地制定制度、规则,减少对股市的负面影响,促进经济市场的稳定发展,为物流行业发展提供良好的环境。
二、研究设计
本文主要侧重研究从微观角度看物流行业的股票价格影响因素是什么,为此被解释变量即为物流行业的股票价格(Y),解释变量暂定为选取的16个财务指标(X1-X14)。
本文所有的实证分析数据均取自choice金融终端,行业取自申万行业类(新)中的物流行业的14家公司。样本的时间选取为2011年一季度至2014年四季度,共4年整合16个季度。被解释变量选取了4年共50个月的月均价,再按季度每一个季度取三个月的平均数,最终得到16个季度的月均价;解释变量暂定16个,选取了4年也就是16个季度的数据。最后得到了一个包含四年16个季度物流行业的面板数据。需要补充的是,为了确保数据的一贯性,以及缺失值比较少,本文对于缺失值的处理采用“均值替换法”,用指标平均值或临界点的均值替代缺失值。
财务指标的选取从X1、X2、X3……X16分别对应每股收益、净资产收益率、投入资本回报率、销售净利率、销售毛利率、流动比率、速动比率、现金债务总额比率、现金流动负债比率、存货周转率、应收账款周转率、流动资产周转率、净资产增长率、净利润增长率、资产负债率、权益乘数。
三、实证分析
1. 相关性检验
为了确保分析结果的准确性和完整性,本文选取了16个解释变量。但是,为了确保对被解释变量解释的准确性,需要对冗余的解释变量进行筛选。为此,首先对16个被解释变量和解释变量进行相关性检验,将结果显示的相关性程度由大到小排序分别是:X7、X4、X5、X6、X15(负相关)、X9、X11(负相关)、X12(负相关)、X8、X16(负相关)、X13(负相关)、X1、X2(负相关)、X3(负相关)、X10(负相关)、X14.(负相关)。
一方面,依据与Y的相关性程度从大到小进行排序,将排在最后的六个解释变量(X14、X10、X3、X2、X1、X13)剔除。另一方面,X6与X7的相关程度达到91%,于是剔除X6;X9与X8、X7、X6均相关,分别为81%、50%、50%,于是剔除X9;X16与X7相关程度为55%,并且X16原就排于后半部分,于是剔除X16。最终还剩下7个解释变量:X7、X4、X5、X15、X11、X12、X8。
2. 平稳性检验
为了确定没有随机趋势或确定趋势产生的“伪回归”问题,在做线性回归之前需要先做平稳性检验,同时也使模型更有统计分析的意义。SPSS结果显示X4、X5、X7、X8、X11、X12、X15、Y的ADF—Fisher,Chi—square的P值分别为0.0002、0.0101、0.001、0.0356、0、0、0.0456、0。由于各P值均小于0.05,所以原序列平稳。
3. 逐步回归
由于SPSS的线性回归较“智能”,而eviews处理面板数据又具备其自有的优势。因此本文首先利用SPSS处理,X选取筛选过后的X7、X4、X5、X15、X11、X12、X8.在SPSS的结果中,模型7的R2最大,标准误差最小,故选择模型7,从而被解释变量剔除了X8、X12、X15,剩余的有效解释变量为X4、X5、X7、X11。
在SPSS筛选的基础上,进而用Eviews进行逐步回归。Eviews操作最终显示为:X7(速动比率)、X5(销售毛利率)、X11(应收账款周转率)为有效解释变量。
4. Hausman检验
为了确定模型的影响形式是固定影响还是随机影响,以下进行了hausman检验(原假设是应建立随机效应模型,即随机影响模型中个体影响与解释变量不相关)。结果显示:P值大于0.05,所以接受原假设,采用随机效应模型。
5. 确定模型形式
模型有三种形式,形式一是变系数模型,形式二是固定影响模型,形式三则是不变参数模型。为了确定模型的形式,必须先计算F1、F2。
在三种不同的形势下计算S1=1080.298,S2=1448.973,S3=2012.653,代入公式得F2=2.7883>F(52,168),拒绝H2;所以还需计算F1=1.4701>F(39,168),拒绝H1。
最终确定模型形式为变系数模型:
观察发现,销售毛利率(X5)、速动比率(X7)均对当期股票价格产生正影响;应收账款周转率(X11)则与股票价格负相关。
四、结论及建议
实证结果表明,销售毛利率、速动比率与股价正相关,这与假设和以往的研究相符,即盈利能力越强股价越高,偿债能力越高股价越高。并且速动比率(对应偿债能力)、销售毛利率(对应盈利能力)与股价的相关系数相差无几(前者达到了42,后者达到了38),在三个影响因素中分列第一、第二。对于投资者而言,在选择投资物流行业的上市公司时,可以着重关注速动比率和销售毛利率较高的企业。
与之相反,应收账款周转率与股价负相关,这与假设和理论是相悖的。这可能与我国的经济大环境有关,一般来说,应收账款周转率越高越好,表明公司收账速度快,平均收账期短,坏账损失少,资产流动快,偿债能力强。但是,应收账款周转率很高,周转天数很短,往往表明公司执行较紧的信用政策,付款信用条件过于苛刻,这样会限制企业销量的扩大,如果为了保持很高的应收账款周转率,而影响企业的盈利水平,从而会导致股票价格下降。
最后本文利用16个季度的速动比率、销售毛利率、应收账款周转率算出这14家物流公司的平均数,然后利用相关系数得到一个总分,这里应收账款周转率仅作参考并未算入总分。
根据总分从大到小排列,基本选定前4家企业:保税科技、恒基达鑫、新宁物流、宋都股份,对于投资者而言,这4家企业可备参考。
摘要：近年来,我国物流行业不断转型并面临巨大市场机会,同时股票市场也日趋完善。股票价格的变动受众多因素的影响,研究这些因素与股价变动的关系有助于投资者理性认识股市。因此本文以物流行业中的14家上市公司为例,采用逐步回归模型对股价与各项财务指标的关系进行了实证研究。基于实证结论,提出关于投资物流行业的一些建议,期望能为物流行业的蓬勃发展贡献绵薄之力。
参考文献
[1]骆温平.现代物流的发展过程及我国开展物流研究的思路[J].上海海运学院学报,1997,18,(4):1~6.
[2]马金麟,陈龙.中国物流行业结构分析与机遇识别研究[J].现代管理科学,2010,(6):117~119.
[3]姜荣.物流行业SWOT分析[J].商场现代化,2008,(2).
[4]张为群.影响我国物流行业发展的因素及对物流行业发展的思考[J].中国市场,2008,(28):44~45.
[5]张思天.中国股票价格影响因素的实证分析——基于非制度影响因素[J].经济论坛,2012,(5):67~69.
[6]黄孟宜.我国上市公司财务指标与股价之间关系的实证分析[D].对外经济贸易大学,2008.
[7]国琳,杨宝臣.上市公司财务指标与股票价格定位的实证分析~以深市中小板上市公司为例[J].科学技术与工程,2005,(12):1854~1857.
微观影响因素 篇6
关键词：创业板,股价
一、问题提出
我国的创业板市场自2009年10月开始以来,就成为继主板市场、中小板市场之后的第三大主要市场板块,备受投资者的关注。有许多学者对创业板股价的宏观影响因素进行了分析,但从微观财务指标角度进行研究的较少。本文将选取有关偿债能力、营运能力、盈利能力及成长能力的主要财务指标,运用主成分分析法对其进行归类,并研究它们对我国创业板股价的影响。
二、文献综述
从国外来看,其关于股价影响因素的理论与方法经过多年发展,取得了巨大的成就,并已形成了比较完善的体系。Ball和Brown(1968)对会计信息与股票超额收益率之间的关系进行了实证研究,发现两者之间存在显著的相关性。此后,在实证研究方面,Fama和French(1992)研究了美国股市1962年至1989期间股票收益与股票β系数、总市值、财务杠杆系数等指标之间的关系。Colliesetal(1997)用美国1953年至1993年股市数据考察了会计盈余和净资产对股价解释力度的变迁;Hopwood和Schaefer(1988)认为财务报表揭露了许多非盈余信息,而这些资讯也可以影响股票的价格,因此盈余信息和非盈余信息在衡量股价时都具有用性。
从国内来看,关于会计信息与股票市场之间相关关系的研究,较早的是吴世农(1997)研究上市公司盈利信息、股价报告和市场有效性之间的关系,得出上海市场尚未达到半强势有效的结论。赵宇龙(1998)研究了上海股市123家上市公司1994-1996三个会计年度内会计信息与超额报酬率之间的相关关系,发现两者之间具有显著的相关关系;周利(2001)选取了在上海证券交易所上市的137个股票,实证研究了每股收益、净资产收益率、股本规模、换手率、日成交金额对股价的影响,发现每收益对股价影响最大的特点;王纲(2008)以A股市场为样本,对市盈率与股价关系进行了检验,得出了市盈率与实际股价关系较弱的结论;何琴华(2008)实证分析了现金营运指数、即付比率、股利支付率对股价的影响情况,发现企业投资活动中所涉及的现金流指标与股价的相关性最强的特征。
由于我国的创业板开市时间较短,运用实证方法研究微观财务指标对我国创业板股价变动的影响的文献较少。本文将从微观财务指标的视角,选取会计信息披露中较为重要的反映上市公司偿债能力、营运能力、盈利能力以及成长能力的财务指标,运用主成分分析法对其进行归类,研究我国创业板股价的影响因素。
三、研究设计
(一)样本选择
本文主要选择2015年创业板所有上市公司的2015年12月31日前52周股价均值,以及这些上市公司2015年度三季报中与偿债能力、营运能力、盈利能力、成长能力因子相关的财务指标为样本。剔除数据不全面的样本,共得到446家创业板上市公司数据,数据来源为同花顺数据库。
(二)相关变量与模型
本文以我国创业板股价为被解释变量Y,运用主成分分析法对创业板上市公司的财务指标进行归类,以归类形成的创业板上市公司偿债能力、营运能力、盈利能力以及成长能力总指标分别作为解释变量X1、X2、X3、X4,并建立多元线性回归方程(1)如下:
各变量的定义如下表1:
四、实证分析
(一)财务指标的处理
由于偿债能力、营运能力、盈利能力及成长能力分别包含的相关财务指标之间相关性较大,因此,适合运用主成分分析法,运用Stata14.0对相关财务指标进行主成分分析,得出分别代表偿债能力、营运能力、盈利能力以及成长能力的四个总指标X1、X2、X3、X4的主成分如下所示方程(2)、(3)、(4)、(5):
(二)创业板股价财务影响因素的实证分析
经过对上述财务指标的主成分分析,本文将相关财务指标集合成四个分别代表上市公司偿债能力、营运能力、盈利能力及成长能力的总指标作为解释变量X1、X2、X3、X4对被解释变量创业板股价Y进行回归分析。
由描述性统计看出,2015年度我国创业板股价均价为34.62元/股,标准差为1.05;偿债能力总指标均值为4.94,标准差为0.28;营运能力总指标均值为21.16,标准差为17.72;盈利能力总指标均值为5.66;标准差为0.32;成长能力总指标均值为4.88,标准差为26.68。解释变量与被解释变量的标准差均较小,数据总体离散程度不大。
然后,本文运用Stata14.0对各变量进行多元线性回归,发现选取的成长能力总指标X4没有通过显著性检验。
因此,笔者剔除成长能力总指标X4,将剩下的偿债能力X1、营运能力X2、盈利能力X3作为解释变量,又进行了一次多元线性回归,得到的回归结果如下表2:
由上表可以看出,方程整体通过F检验;偿债能力X1在95%的显著性水平下显著;营运能力X2、X3在99%的显著性水平下显著。
因此,可以得出多元线性回归方程(6)如下:
五、结论与建议
由上述实证分析可以看出,从微观财务指标角度,上市公司偿债能力、营运能力以及盈利能力对创业板股价的正向影响是显著的,而创业板上市公司偿债能力、营运能力以及盈利能力中,盈利能力对股价的影响最大,其次是偿债能力,最后是营运能力。
因此,笔者建议创业板投资者关注上市公司财务报告中的微观财务指标,在做出投资决策时,关注上市公司偿债能力、营运能力以及盈利能力,尤其是盈利能力与偿债能力可以重点关注。
参考文献
[1]Ball,R.J.and P.Brown.An Empirical Evaluation of Accounting Income Numbers.Journal of Accounting Research(Autumn).1968
[2]赵宇龙:《会计盈余披露的信息含量——来自上海股市的经验证据》,《经济研究》1998.7.
[3]陈述云:《基本面因素对A股股价变动影响因素的实证研究》,《贵州财经学院学报》2001.4.
[4]方军雄、向晓曦:《外部监管、制度环境与信息披露质量——基于中小企业板上市公司的证据》,《证券市场导报》2009.11.
微观影响因素 篇7
我们通常观测到的股票价格由于受到交易过程的影响而偏离均衡价格, 交易过程中导致观测价格偏离均衡价格的因素即为微观结构噪音。微观结构噪音的来源包括非同步交易、市场参与者的流动性需要、交易者的执行策略、价格的离散变化等。市场微观结构理论中对交易行为、报价行为等微观结构噪音对股价形成的影响已有大量研究[1,2]。超高频数据特别是逐笔交易数据的出现为微观结构噪音的研究提供了新的途径。
由于微观结构噪音影响, 使用超高频数据估计得到的已实现波动率并不收敛与积分波动率。为解决该问题, Zhang等 (2005) [3]、
本文针对目前国内外日内高频噪音的研究空缺, 基于Zhang等 (2005) 的噪音估计方法, 以中国市场逐笔交易数据[3]
式 (2) 表明在考虑噪音情况下, 二次变差[Y, Y] (all) T是[X, X] (all) T的有偏估计量。当n较大时, 噪音成分2nEε2成为观测价格过程二次变差一阶矩的主要部分。噪音方差的一致估计量可表示为
通过利用高频采样[Y, Y] (all) T和低频采样[y, y] (avg) T, 文献[3]给出了小样本情况下噪音的调整计算方法:
[y, y] (avg) T定义如下:将全网格g划分为K个不重合子网格g (k) ={tk-1, tk-1+K, tk-1+2K, …, tk-1+nkK}, k=1, …, K, 即
为了下文波动率估计需要, 给出二尺度以实现波动率 (Two Scales Realized Volatility, TSRV) 估计方法。积分波动率〈X, X〉T的渐进无偏一致估计量可表示为:
可以证明[3], 当K=cn2/3时,
3 微观结构噪音特性与影响因素研究
下面采用沪市逐笔交易数据对日内5分钟高频时段的噪音估计、特性、日内模式及影响因素等问题进行实证研究。
3.1 数据样本的统计描述
本文的研究数据区别于传统的分时、分笔数据, 采用了真实记录每笔交易时间和交易价格的Level2逐笔交易数据。选取上证50中的股票作为研究样本, 考察区间为2008年4月1日至2008年7月31日。由于篇幅所限, 在下文中涉及个股分析的内容仅以股票代码600000为例, 如无特殊说明其他股票具有类似结果。下面对逐笔交易数据的统计特性进行分析。
表1给出了600000样本区间前三天以及整个区间的统计量, 可以看出分笔交易数据比目前普遍使用的超高频数据 (如分笔交易数据) 包含了更多的交易信息。对于上证50等一些流动性较好的股票日平均交易在20000笔左右, 交易活跃时日交易笔数可达30000笔以上, 平均每秒有2.2笔交易, 密集交易时段每秒最高交易可达600笔以上, 即使日内交易不活跃时交易笔数也达到8000多笔, 不足两秒就有一笔交易, 这比分笔交易数据平均每6秒左右的采样频率还要高。
注: N为日交易笔数, n为日内每秒平均交易笔数, maxn和minn分别为每秒最大和最小交易笔数, 均值和最大、最小值为整个区间的统计量。
3.2 噪音估计与特性研究
利用式 (3) 估计噪音前, 首先需要验证式 (1) 关于噪音的假设。由式 (1) 及相应假设, Y的收益率可表示为:Yti-Yti-1=∫titi-1σtdWt+εti-εti-1, 由于∫titi-1σtdWt序列不存在自相关性, 且ε⊥W, 故
即含有噪音的观测价格收益率服从MA (1) 过程, 其一阶自相关系数为负, 而一阶以上的自相关系数应为0。设ρki, j表示第i只股票第j日逐笔收益率的k阶自相关系数, 第i只股票逐笔收益率一阶自相关系数在考察样本期内的均值
Zhang等 (2005) 仅从理论上证明了其噪音与波动率分离估计方法对任意时段[0, T]都是成立的, 并未应用于实际估计中。现考察该分离估计方法在日内5分钟高频时段的估计效果。考虑下文需要, 同时考察高频时段的波动率估计。实际应用中样本容量将影响到波动率和噪音的估计效果。下面检验5分钟的样本容量是否满足估计结果稳定性的需要。交易频率决定了考察时段内的样本容量, 故根据日内交易活跃程度分别分析各交易时段。图3中实线为所有考察样本有效交易日日内5分钟交易频率的均值。可以看出交幼频率在日内呈现“W”型。日内开、收盘时段交易活跃, 中午开盘时交易也较为活跃, 而在其他时段交易清淡。故以上午开盘后5分钟时段和上午收盘前5分钟时段作为交易活跃和交易清淡的典型区间进行研究。
高频时段样本容量小, 采用式 (4) 和式 (6) 估计噪音和波动率。图4为600000样本考察期内上述两个研究时段不同采样频率 (指低频采样频率) 下噪音方差的平均估计值。图5为相应时段的平均波动率。K的考察区间[2]。
从图4和图5可以看出交易活跃时段当平均采样频率大于20秒后, 噪音和波动率的估计趋于平稳;而交易清淡时段在平均采样频率大于50秒后趋于平稳。通过对日内其他时段的分析发现, 噪音和波动率的收敛速度与交易活跃度有关, 交易越活跃收敛速度越快, 但即使在最不活跃时段, 当采样间隔大于50秒后, 二者也将保持稳定。Zhang等 (2005) 从理论上证明K的最优选择为K=cn2/3, 但实证研究表明, 噪音和波动率估计结果只在采样频率极高时, 即K很小时表现欠佳, 实际应用中K的选择具有很强的鲁棒性。我们认为造成采样频率较高时估计结果欠佳的原因有两个:第一, k取值较小时, [Y, Y] (avg) T不能通过平均来有效降低噪音对波动率估计的影响; 第二, 在采样频率极高时, 每笔交易所含噪音相关性增强, 式 (1) 中关于噪音iid的假设不再成立。前文收益自相关检验结果支持这一判断, 并与国外此类研究结果一致[9,10]。上述两个原因导致[Y, Y] (avg) T不能有效减少噪音干扰, 从而影响噪音和波动率的估计。
基于以上研究统一选取K=60估计噪音和波动率。图6给出了600000在考察区间内所有5分钟时段噪音标准差的频度分布情况。从图可以看出噪音标准差具有明显的笺峰厚尾特性, 在波动率估计中剔出噪音影响十分必要。图7实线给出了噪音方差的日内模式, 每一时段的噪音方差为总体样本考察期内对应时段噪音方差的平均值。从图7可以看出, 噪音日内呈现“L”型, 在开盘时噪音方差很大, 随后迅速下降, 除在午间开收盘时略有上升外, 其它时段处于缓慢下降趋势中, 收盘时达到全天最低水平。
我们通过下一部分对噪音影响因素的分析, 探究噪音日内模式的成因。
3.3 噪音影响因素分析
根据上文噪音的定义, 将噪音分为信息和非信息两个部分, 下面分别对这两部分影响因素和影响因素的代理指标进行分析。
含有信息的噪音主要由投资者之间的信息非对称引发。经典的非对称信息理论认为[11]知情交易者利用私有信息获利, 而非知情交易者通过观察订单流调整对证券的需求和供给。在这个过程中, 信息不断融入市场, 最终通过价格得以体现。当信息释放完毕, 由市场需求和供给最终决定的价格反映了资产的真实价值, 此时资产价格均衡出现。也就说, 非对称信息的存在导致了市场价格偏离均衡价格, 因而非对称信息是噪音的一个重要来源, 信息非对称程度越高, 市场噪音越大。
真实价格的波动率和价差在一定程度上反映了信息非对称的程度。当新信息到达时, 由于新信息融入真实价格中, 导致真实价格发生波动, 信息到达越密集真实价格的波动性越大;同时由于新信息到达常常表现为公有信息和私有信息两种形式, 私有信息的到达加大了市场的信息非对称程度, 因而在新信息密集到达时, 市场同时表现为资产价格的高波动性和高信息非对称程度, 即波动性与噪音正相关。在市场信息非对称程度较高时, 非知情交易者为了弥补与知情交易者所造成的损失, 往往选择更保守的报价方式, 造成更大的价差, 即价差与噪音正相关。Bandi和Russell (2006) 研究了日波动率和价差对日噪音方差的影响, 发现日波动率、价差都与日噪音正相关;并指出市场均衡价格的高波动增加了非知情交易者与知情交易者交易的风险, 高波动性必然导致高价差, 二者都是反应了信息非对称程度。
不含有信息的噪音主要指各种交易成本, 如买卖价差、价格离散变化、不同交易规模引发的价格变化、订单流拆分等。非信息部分的噪音可以被视为一种流动性成本。
下面通过回归分析验证以上关于信息非对称程度和流动性对噪音影响的分析判断。考察指标包括波动率、价差、交易量、交易频率, 波动率反应了信息非对称程度, 价差不仅反应了流动性水平还反映了信息非对称程度, 交易量和交易频率作为流动性指标。分别利用式 (8) 和式 (9) 进行多元回归分析和一元回归分析, tsrv、spd、vol和tran分别表示波动率、对数价差、对数交易量和对数交易次数。由于篇幅原因, 表2和表3给出了部分考察样本的多元和一元回归分析结果, 其中一元线性回归省略了常数项, 均值表示所有的考察样本的平均值。
注: li为式 (8) 中的系数, ti为对应的t值。
注: ci为式 (9) 中的系数, ti为对应的t值, R2-adj表示调整R2.
分析表2的回归结果, 所有考察变量的回归系数都是显著的, 价差的t值最大, 波动率次之, 交易量和交易频率相对较低。从解释能力上看, 价差对噪音的解释能力最高, 平均达到56.4%, 波动率对噪音的解释能力略低, 平均达到15.8%, 交易量和交易频率的平均解释能力分别为2.1%和1.7%。从考察变量与噪音的关系来看, 波动率、价差都与噪音正相关, 交易量和交易频率都与噪音负相关。上述回归结果验证了前文的分析判断, 高波动率表明了市场较高的信息非对称程度, 从而表现出更高的噪音;交易量与交易频率作为流动性指标, 较高的交易量和交易频率标志着更好的市场流动性和更低的流动性成本, 故有更低的噪音;较高的价差表明低流动性和高信息非对称程度, 从而噪音水平较高。值得注意的是, 价差在对噪音的影响上起到了十分重要的作用, 我们认为由于价差不仅代表了流动性水平还是信息非对称程度的指标, 从而包含了更多的当前市场微观结构特征, 也就具有了对微观结构噪音更强的解释能力。
表3的回归结果进一步验证了上述判断, 当采用多元回归分析时, 价差的系数最为显著, 平均t值达49.068; 而其他解释变量的系数从平均水平来看, 虽通过了显著性检验, 但t值都不超过3, 并且可以发现交易量的回归系数系数与一元回归分析系数异号, 这些现象都说明上述4个考察变量之间具有很强的相关性, 当然这是我们意料之中的事情。从表3的R2 59.8%和调整R2 59.6%来看, 并没有相对表2中价差的R2 56.4%有显著提高。故我们认为价差中包含了大部分信息非对称程度和流动性的信息, 相对其他解释变量对噪音具有更强的决定性作用。
利用上述分析结果能够很好地解释噪音所呈现的日内模式形态。图7中的实线和虚线分别表示噪音和价差的日内模式, 可以看出噪音的下降基本上是伴随着价差的下降而下降的。而图3和图8给出的交易量、交易频率和波动率的日内模式并不能很好的解释噪音的变化形态。具体来说, 由于隔夜信息的累计, 在上午开盘时大量信息集中到达, 此时市场具有较大信息非对称程度, 投资者为了避免与私有信息拥有者交易, 而不愿提供流动性, 市场流动性较差, 资产价格表现出较高的波动性和较大的价差, 这一点可从图7和图8看出, 从而导致较高的噪音;随着交易的进行, 非知情交易者通过学习掌握了更多的信息, 市场信息非对称程度下降, 流动性变好, 波动性和价差水平降低, 噪音随之下降。在临近收盘时, 部分投资者出于流动性需求而清算手中的头寸, 交易频率和交易量开始增大价差进一步缩小, 流动性的提高使得噪音进一步减小。
4 结束语
基于中国市场逐笔交易数据, 有效利用全样本不规则采样数据, 本文对日内高频微观结构噪音的估计、特性及影响因素进行了研究。结果显示逐笔交易数据相对传统高频超高频数据包含更多的交易信息, Zhang等 (2005) 的方法能够较为有效的对高频噪音进行估计且对低频采样频率的选择具有鲁棒性, 噪音分布具有尖峰厚尾的特点, 日内模式呈现“L”型。信息非对称程度和流动性作为影响噪音的两个最重要因素, 分别与噪音呈正相关和负相关关系。价差由于同时包含了信息非对称程度和流动性的信息, 对噪音有最强的解释能力。
参考文献
[1]Campbell J Y, Kyle A S.Smart money, noisetrading and stock price behavior[J].Review ofEconomic Studies, 1993, 60 (202) :1~34.
[2]Bhushan R, Brown D, Mello A.Do noise traders"create their own space"?[J].Journal of Financialand Quantitative Analysis, 1997, 32 (1) :25~54.
[3]Zhang L, Mykland P A, A¨it-Sahalia Y.A tale of twotime scales:determining integrated volatility withnoisy high frequency data[J].Journal of theAmerican Statistical Association, 2005, 100:1394~1411.
[4]A¨it-Sahalia Y, Mykland P A, Zhang L.How oftento sample a continuous time process in the presence ofmarket microstructure noise[J].Review of FinancialStudies, 2005, 18:351~416.
[5]Bandi F M, Russel J R.Microstructure noise, realizedvariance, and optimal sampling[J].Review ofEconomic Studies, 2008, 75 (2) :339~369.
[6]梁崴, 王春峰, 房振明, 张蕊.基于微观结构噪音修正的波动率估计——以中国股市逐笔交易数据为样本[J].系统工程, 2009, 27 (2) , 1~6.
[7]Bandi F M, Russell J R.Separating market micro-structure noise from volatility[J].Journal ofFinancial Economics, 2006, 79:655~692.
[8]A¨it-Sahalia Y, Yu J.High frequency market micro-structure noise estimates and liquidity measures[Z].2008, NBER Working Paper, No.W13825.
[9]Hansen P R, Lunde A.Realized variance and marketmicrostructure noise[J].Journal of Business&Economic Statistics, 2006, 24 (2) :127~161 (35) .
[10]A¨it-Sahalia Y, Mykland P A, Zhang L.Ultra highfrequency volatility estimation with dependentmicrostructure noise[J].2005, NBER, w11380.
[11]O Hara M.Market microstructure theory[M].Blackwell Publishers Ltd, 1995.
微观影响因素 篇8
改革开放以来,中国经济持续保持高速增长,经济快速增长产生的涓流效应和扩散机制使得中国的贫困问题得到了较好的改善,绝对贫困问题在很大程度上得到了缓解[1]。不过,进入20世纪80年代中期以来,农村内部农民的收入差距持续扩大,经济增长带来的减贫效应已不再显著[2]。目前农村地区的贫困现象表现出“大进大出”的特征,有些农户的贫困状况在贫困线上下来回波动,每年脱贫和返贫的农户数量还较多[3],即贫困演化成动态贫困。动态贫困研究是分析个人或家庭在贫困位置上的流动状况(进入、停留或脱离)以及地位转变的原因[4]。早在20世纪初,B.Rowntree[5]就研究过动态贫困。关于动态贫困的研究主要集中于三个方面:一是发生贫困的概率与脱贫的概率,以及影响因素;二是长期贫困和短期贫困的发生率,以及影响贫困的决定性因素;三是减少短期贫困和长期贫困的政策措施研究。
当前,有关学者就中国动态贫困开展了较多的研究。Jalan J&Ravalion M[6]利用广东、广西、贵州和云南四省1985—1990年的数据研究得出,短期贫困在总贫困中均占据相当大的份额,全部样本永久性贫困为62%,长期贫困为14.4%,短期贫困为33.4%。Addabbot Baldinim[7]考察了动态贫困的区位差异,指出无论短期贫困还是长期贫困,贵州地区均比我国广东地区高。汪三贵、李文[8]通过对国内部分贫困县的研究表明,1997—2000年处于短期贫困状态的农户占比31.0%,处于长期贫困状态的农户占比27.9%,在贫困线上下波动的占31.1%。结合以上已有研究成果,本文将继续对我国动态贫困问题进行深入探讨。本文将采用CHNS数据,重点分析我国农户动态贫困特征,以及剖析影响贫困动态演化的主要因素。
二、理论框架与研究方法
(一)理论框架
根据以往研究结论,影响动态贫困的因素主要有:户主特征、人口特征、人力资本特征、生产特征和区位特征,具体分析如下:
1. 户主特征。
户主特征一般包括户主的年龄、性别、婚姻状态以及民族。以往研究表明,这些特征影响着家庭的贫困状态。一般认为,女性、高龄、非婚、少数民族户主的家庭易发生贫困[9]。
2. 人口特征。
人口特征如家庭人口数,小孩与老人抚养比,以及家庭学生人数。受传统观念的影响,我国农村地区许多家庭规模庞大,而随着家庭规模的增大易诱发出家庭贫困。现有研究认为,小孩、老人抚养比较高的家庭,因负担过重,容易发生贫困;家庭在校学生数量的增加易发生教育贫困[10]。
3. 人力资本特征。
人力资本一般用受教育程度,及是否受过技能培训来衡量。著名经济学家舒尔茨很早就提出增加农户的知识,提高他们的人力资本,有助于消除贫困。国内已有研究证实,人口素质低下、观念落后是引发贫困的重要因素[11]。而贫困人口素质低主要表现在受教育水平的普遍低下[12]。
4. 生产特征。
家庭生产特征包括人均耕地面积、土地灌溉面积以及牲畜饲养等直接影响家庭福利的指标。生产资源充沛的家庭,更具有潜力增加收入,从而贫困发生率较低[13]。不过,至于耕地面积的充裕却并不一定能降低家庭的贫困发生率,杨国涛等[9]的研究显示人均耕地面积越多,家庭贫困发生率却越高。
5. 区位特征。
经济地理学认为贫困源自于生存空间的不足,这种观点认为贫困是由居住环境的恶化诱发的,例如自然环境恶劣、土地资源贫瘠、水资源匮乏、自然灾害多发、交通条件不便等[14]。Singer[15]等人从国际贸易的视角分析了出口致贫的原因,指出了存在资源诅咒的现象。当前我国减贫的主要区域集中在边远山区、少数民族聚集区等地理环境较差的地区,这也间接地暗示着地理区位因素影响了贫困的发生率。
(二)研究方法
1. 动态贫困测量。
关于动态贫困的影响因素,部分学者采取统计描述的方法,例如阿玛蒂亚·森[16]在对孟加拉国农村家庭脱贫返贫影响因素的研究中,采取的就是描述统计分析方法。部分学者则使用计量经济学的方法研究贫困的跨期变动因素。例如,Mc Culloch、Baulch[17],Andy Mc Kay、David Lawson[18]在对贫困分析中,根据家庭贫困状况的差异,将全部家庭分为:慢性贫困家庭(chronic poverty)、暂时性贫困家庭(transitional poverty)和非贫困家庭(never poverty)四类,并用排序Logit(ordered logit)和多元Logit(multinomial logit)的计量方法考察了家庭贫困动态的影响因素。其实质上考察一段时期内家庭陷入贫困次数,以此判断贫困程度或类型,作为动态贫困的研究起点。
结合以上研究,本文拟选择一段时期内家庭陷入贫困次数,作为农户动态贫困的测量的指标。其具体做法如下:首先,本文根据家庭可比收入中位数的50%为贫困线,在每个时期内将全部家庭分为贫困家庭和非贫困家庭。其次,将统计时期内家庭陷入贫困的次数作为研究因变量。
2. 模型选择。
由于因变量序列数的特征,本文采用有序Logit模型考察一定时期内家庭贫困状态变化的决定因素。其具体的Logit模型为:设t时期段内农户家庭陷入贫困次数为因变量Y,若Y是最大值为k的有序变量。XT=(x1t,x2t,…xnt)为自变量矩阵。记等级为j(j=0,1,2,…k)的概率为:P(yt≥j∣xt),则等级大于等于j(j=0,1,2,…k)的概率为:
P(yt≥j∣xt)称为等级大于j的累计概率,对上式做Logit变换:
Logistic回归定义为:
等价于
模型中αj和βi为待估参数,估计系数βi的含义为:当其他变量不变时,某个自变量Xit的两个不同取值m与n,其比数比OR=exp[βi(m-n)]。若βi的取值大于0,即OR取值大于1,意味着随着自变量Xit取值越大,农户贫困次数增加的概率会越高。模型采用极大似然估计的方法进行计算。
三、数据来源、变量选取与描述统计
(一)数据来源、变量选取
本文所使用的数据来源于美国北卡罗来那大学和中华预防科学医学院联合调查和创建的CHNS的微观面板数据。CHNS在1996年对调查省份进行了调整,为了避免构造平衡面板时的数据损失,本文选择2000年、2004年、2006年和2009年构造面板数据进行分析。
本文首先测算2000年、2004年、2006年和2009年家庭陷入贫困次数,作为因变量。由于农村家庭户主特征、人口特征、人力资本特征、生产特征和区位特征是影响农户贫困动态转化的关键因素。因此,在本研究的自变量选取中,主要是从这个五个方面选取指标。
根据CHNS现有统计数据,农村家庭户主特征方面选取的变量有户主性别、年龄(以及年龄平方)、民族(是否为汉族)和婚姻状态(是否在婚);人力资本以户主受教育年限来表征,计算方法为“教育年限=不识字或识字很少×1+小学×6+初中×9+高中或中专×12+大专或大学×14+硕士及以上×15”[3];人口特征以家庭人口规模来衡量;区位特征以省作为虚拟变量进行区分;生产特征用家庭上年人均耕种土地面积来衡量。这些变量的赋值情况如表1所示:
(二)描述性统计
1. 农户动态贫困状态。
通过对CHNS数据的整理,本文共获得914户农户2000年、2004年、2006年和2009年的贫困状态数据。以农户家庭人均收入指标判断贫困状态,所有收入数值都经过CPI平滑到2009年价格水平,并划当年农户中值收入为当年贫困线,即每年的贫困线为农户的中值收入。农户动态贫困状态统计如表2所示:
从表2中可以看出,四个统计年中家庭从未陷入贫困状态的户数为158户,占比17.29%;仅一次陷入贫困的家庭有198户,占比21.66%;两次陷入贫困的家庭有197户,占比21.55%;三次陷入贫困的家庭共208户,占比22.76%;四次统计都处于贫困状态的家庭有153户,共占总数的16.74%。
2. 自变量取值与农户动态贫困状态分布。
户主、人力资本、人口、生产特征与农户动态贫困状态分布。表3反映的是各变量的均值和标准差(括号外的是均值,括号内的是标准差)与农户陷入贫困次数的关系。随着家庭陷入贫困次数的增多,具有相同方向或相反方向变化的变量有家庭规模与上年人均耕种土地面积。不难发现,这两个变量的均值随着农户陷入贫困次数同步增加。其他变量虽无同样的变化规律,但是均值的分布与家庭陷入贫困次数也表现出了一定的相关性。例如,1~4次贫困家庭户主性别均值逐步下降,意味着男性户主家庭易陷入贫困。年龄方面也有类似关系,如2~4次贫困家庭户主年龄均值也逐步下降,反映出户主年龄越小家庭越易陷入贫困。
区位特征与农户动态贫困状态。表4反映的是区位特征与农户动态贫困状态之间的分布关系。例如,辽宁省2~4次贫困家庭比例明显高于0~1次;黑龙江省0~4次贫困家庭所占比重依次上升,该地区贫困深度较为严重;湖北省0~4次贫困家庭所占比重逐次降低,即当地农户贫困程度较浅。其他地区尚无表现出如此明显的贫困分布趋势。由此可见,农户动态贫困状态在不同区域之间,现状表现差异较大。
四、农户动态贫困影响因素的计量分析
通过以上描述性分析不难发现所选择五方面的变量与农户动态贫困状态存在一定的相关性,这一结论与理论框架的假设较为一致。然而,这些变量与农户动态贫困之间是否显著,其影响程度究竟有多大,还需要进一步的计量实证分析。
(一)模型估计
本文选择了2000年、2004年、2006年和2009年的CHNS农村家庭调查数据。根据现有数据类型,本文选择混合截面数据的有序Logit模型估计分析,分析结果如表5所示。
注:括号外的数值为该变量的估计系数,括号内的数值为该系数下的P值;其中,***、**、*分别表示在1%、5%和10%水平上显著。
方程(1)在回归模型中只考虑了户主特征和人口特征,估计结果显示户主性别、户主年龄、年龄平方和家庭规模是农户动态贫困的显著性决定因素。
方程(2)在回归模型中增加了人力资本特征变量,发现新增的户主受教育年限是影响农户动态贫困的显著性变量。在加入人力资本特征变量后,原方程(1)中显著的年龄平方项不再显著,年龄的显著性水平有所降低,但是其他变量的显著性水平与方程(1)相同。
方程(2)与方程(3)共同探讨了模型是否应该加入户主年龄的平方项。方程(3)在去掉年龄平方项后,我们发现年龄的显著性水平明显地得到了提升,方程(3)的Pseudo R2相比方程(2)变化幅度不大。前三个方程估计结果都显示年龄对农户贫困状态深度具有负的影响,即户主年龄越大家庭陷入贫困概率越低;而方程(1)年龄平方项估计结果显示年龄具有正的效果。从描述性统计分析结论来看,户主年龄均值是随贫困深度加剧而降低的。同时,方程(1)年龄的显著性水平高于年龄平方,而且年龄的估计系数的绝对值也明显大于平方项,由此可见年龄对动态贫困的影响总体上是负向的。因此,模型去掉年龄平方项后不影响估计结果。
方程(4)在方程(3)的基础上加入生产特征变量后,原方程(3)中显著的变量,如户主性别、年龄、家庭规模和户主受教育年限在方程(4)中依然显著,而且显著水平不变。不同的是,伴随家庭上年人均耕种土地面积变量的加入,方程(1)与方程(3)中一直不显著的变量“户主是否在婚”,在方程(4)中表现为10%水平下的显著。而且“家庭上年人均耕种土地面积”显著性水平也十分高。然而,单独研究户主是否在婚与人均耕种土地面积这两个变量时,发现二者之间的相关性十分强,P值达到0.000水平,即人均耕种土地面积与户主是否在婚具有很强的内生性。这一点较符合我国农业家庭经营的特征,一般而言我国农业是建立在家庭经营之上的,户主在婚有利于家庭经营农业。当对方程(4)略加修改后,即去除户主婚姻状态的影响后,上年人均耕种土地面积仍对农户动态贫困程度具有正向的显著的影响。
方程(5)与方程(6)考虑了区位因素对农户动态贫困程度的影响。方程(5)与方程(6)未将户主民族特征纳入模型,一是因为方程(1)~(4)中民族变量一直都不显著;二是因为民族变量与区位因素具有很强的相关性:将民族变量与区位因素进行Pearson相关性检验,发现P值为0.000,去掉民族变量后能更好地反映出区位因素对动态贫困的影响。当考虑区位因素后,模型Pseudo R2值明显地得到了提高,而且变量的显著性水平表现出了区位特征,如户主的教育年限在区位因素影响下显著程度有所下降。方程(5)与方程(6)还考虑了户主婚姻状态与家庭人均耕种土地面积在区位因素下的影响程度,发现户主婚姻状态显著,而家庭人均耕种土地面积不再显著。
(二)估计结果分析
根据以上估计结果可知,在不考虑区位因素的情况下,家庭规模、户主性别、年龄、户主受教育年限和家庭上年人均耕种土地面积是影响农户动态贫困状态的主要因素。(1)男性户主家庭更易陷入高程度的贫困状态,这一点与一般研究结论“女性户主家庭易贫困”不同,从本文所选取的样本来看,女性户主家庭仅占总数的5%,这一点可能对估计结果造成了一定的影响。(2)年龄方面,表现为户主年龄越大家庭陷入次数概率越低,这反映了我国农村社会户主经验与年龄对家庭贫困状态的正面影响。(3)家庭规模对农户贫困深度具有正面影响,即家庭规模越大,一段时期内家庭陷入贫困次数会增多,反映出了家庭人口负担对致贫的影响[10,19]。(4)户主受教育年限对家庭贫困发生率具有显著地抑制作用,户主受教育年限越长,家庭在同时期内贫困发生次数越低[1,3]。(5)上年人均耕种土地面积越大,家庭贫困状态易演化成深程度贫困,折射出了农业致贫的社会现状,即以农业为主的家庭贫困发生率高,与我国农业贫困人口众多的现象相一致。
当考虑区位因素时,户主性别、年龄和家庭规模对农户动态贫困的影响仍保持在1%水平下的显著,而户主受教育年限的显著性由1%水平下降到5%水平(方程(5))、10%水平(方程(6)),体现了户主受教育年限区位差异对动态贫困的影响。家庭上年人均耕种土地面积在区位因素的影响下,由动态贫困的显著性因素变得不显著,不过其作用方向并未发生改变。值得关注的是,方程(6)中户主婚姻状态表现出1%水平下的显著性,即纳入区位因素分析时,户主在婚家庭多次陷入贫困概率较低。在方程(5)与方程(6)中,辽宁、黑龙江、江苏、河南和湖北等变量对动态贫困具有显著的决定作用。从辽宁、黑龙江、江苏和河南等省的估计回归系数来看,这些地区的家庭贫困发生率较高,易诱发家庭多次陷入贫困;但是湖北地区呈现相反情况。因此,农户动态贫困在辽宁、黑龙江、江苏、河南和湖北等地区具有很强的区位特征。
五、结论与政策含义
动态贫困研究是从中长期考察家庭贫困状态,相比一般的贫困研究,其研究结论更具有时期上的稳定性,更能反映家庭贫困的脆弱性与贫困的发展演变。本文研究了我国农户的动态贫困问题,并重点探讨了动态贫困演变的影响因素,得出如下结论:
1.农村家庭户主特征、人口特征、人力资本特征和生产特征对农户动态贫困演变具有显著性的影响。具体地说,从户主特征来看,男性户主、年轻户主的家庭更易于演变成贫困或深度贫困家庭;从人口特征来看,规模较大的家庭在一段时期内较容易多次陷入贫困状态;从人力资本特征来看,户主受教育年限有助于家庭抑制贫困发生的概率;从生产特征来看,农业为主的家庭更易发生贫困。
2.我国农村动态贫困具有很强的地理区位特征。从研究结论来看,辽宁、黑龙江、江苏和河南等地区的家庭贫困发生率较高,易诱发家庭多次陷入贫困;而湖北地区农村家庭多次贫困发生概率较低。此外,在区位因素的影响下,在婚户主家庭深度贫困发生率低。
本文研究结论对我国减少贫困具有如下政策意义:第一,细分贫困人口类型,从动态的角度细分贫困人口,实现扶贫目标从贫困地区向贫困村进而向最贫困人口转化,提高瞄准的精确度,并对不同类型的贫困采取不同的对策。第二,实施贫困家庭教育补贴制度,增加对贫困家庭的职业培训支持,以提升家庭人力资本的方式实现农户自我扶贫。第三,帮助贫困地区发展经济,尤其是帮助贫困农户发展非农经济或开展高附加值的农业生产,着力改变“农业致贫”的现状,建立高产值农业扶持贫困家庭的扶贫开发机制。第四,开展有区域性的扶贫开发工作,对辽宁、黑龙江、江苏和河南等贫困易发生区实施重点扶贫。
摘要：动态贫困研究是从中长期考察家庭贫困状态,关注家庭贫困状态的脆弱性与发展演变。采用CHNS家庭微观数据,通过对我国农户动态贫困的研究发现:男性户主、年轻户主、人口规模较大、低人力资本、人均使用耕地面积越多的家庭,在一段时间内多次贫困发生概率较大;此外,我国农户动态贫困还表现出较强的区位特性。减贫政策应该从以下四方面改进:一是细分农村贫困人口类型,实施有针对性的扶贫政策;二是建立贫困家庭教育技能补贴制度;三是帮扶贫困地区开展非农或高附加值农业经济;四是建立有区域特征的扶贫开发机制。