全国影响力（共10篇）
全国影响力 篇1
“美国《福布斯》杂志发布的2013年度最有价值品牌排行中,苹果(Apple)凭借1043亿美元(约合人民币6353亿元)品牌价值连续三年稳居榜首;微软(Microsoft)名列其后,价值567亿美元;可口可乐(Coca-Cola)位居笫三,价值549亿美元。”这份榜单出来之后,全球媒体的报道和评论纷至沓来,众说纷纭,层出不穷,上榜的品牌无疑是最大的赢家,品牌的影响力再次提升!
作为舞蹈行业的“福布斯”,《尚舞》杂志始终秉持着助力行业良性发展的宗旨,应众多舞蹈用品企业、经销商与消费者的强烈要求,成功举办舞蹈用品行业优质品牌评选活动。2013年舞蹈行业风起云涌,气象万千,谁能挺力潮头,独领风骚?谁能坚持创新,再创佳绩?谁又能突破重围,问鼎行业荣耀?历经一年的筹备,“2013中国舞蹈用品十大影响力品牌”评选结果正式揭晓!
影响力综合指数关键词:
关于品牌:知名度、认知度、美誉度、偏好度、忠诚度、合法等
关于产品:认知度、舒适度、新款发布数量和频率、客单价、产品认证、核心技术等
关于渠道:加盟店数量、客户数量、市场覆盖率、销售额等
关于公司:规模、合作伙伴、商业信誉、客户满意度等
关于营销:市场推广力度、媒体公关行为、明星代言、主题活动、广告图质量与效果等
行业特殊贡献:品牌的发展与成长对行业发展与成长有着阶段性或决定性的推动作用等
“王牌”诞生记
本次评选由《尚舞》杂志主办,力邀中国体育用品联合会、中国服装协会以及舞蹈用品行业多名专家组成评选组委会顾问团,摒弃常规评选方法及流程,针对舞蹈行业特点,制定出本次活动的评选流程和规则。本次活动从2012年12月开始筹备,到2014年1月结束,历时14个月之久。
评选规则:
选手报名方式:一改品牌自荐的模式,由评选组委会通过公共媒体、展会、赛事等渠道搜集知名度最高的50个品牌,并将品牌所呈现在大众面前的一切信息都列入到品牌档案中,这样的报名方式能有效的避免一些品牌暗箱操作、弄虚作假,而对于真正具有影响力的品牌来说,是金子总会发光的!他们的光芒一定能闪亮评委们的眼睛。
分站赛有五站比赛组成,选手每站比赛的成绩各占总成绩的20%,总成绩排名前20个品牌进入总决赛:
第一站:“谁能成为数十万名读者心中的品牌?”
通过问卷调查、微博与微信活动调研展开评选,通过尚舞影响力让读者说出自己心中的“影响力品牌”,组委会根据票数比例计算成绩。
第二站:“谁能在赛事平台上独领风骚”
通过全年20余场权威比赛进行现场调研,让舞者、裁判、赛事组织者、观众等赛事人群说出自己心中的“影响力品牌”,组委会根据票数比例计算成绩。
第三站:“谁能成为学生喜爱的品牌?”
通过“走进校园系列活动”在专业院校进行调研,让品牌终端最大的使用人群——学生说出自己心中的“影响力品牌”,组委会根据票数比例计算成绩。
第四站:“尚舞中国,一览品牌风采!”
2013“尚舞中国”舞蹈用品博览活动在南京圆满结束,现场参观的舞蹈用品经销商踊跃采购,并对他们心中的“影响力品牌”做出了评选,组委会根据票数比例计算成绩。
第五站:“2013,谁是头条?”携手行业媒体联盟针对2013年品牌开展活动频率以及行业核心媒体曝光度进行评选,组委会根据票数比例计算成绩。
总决赛评委由组委会顾问团组成,评委根据“影响力综合指数”最终评出10个品牌为
“2013中国舞蹈用品十大影响力品牌”。
2014年《尚舞》将与榜样同行,在企业巡礼、人物专访、舞妆等栏目对获奖品牌进行深入报道,同时提供品牌营销、产品推广、新媒体推广等服务。用媒体的力量去呼吁、用平台的影响去展示,传递品牌文化,给舞者—个更好的品牌体验,尚舞让榜样更有力量!2014寻找十大影响力舞蹈用品品牌活动即将开始,敬请关注!
是榜样,就亮出名片
全国影响力 篇2
名单
2018第十一届全国最有实力、最有影响力 “品鉴杯”书画大赛，是旨在发掘我国有实力、作品水平高但仍然未被发掘的书画家，参加大赛可以增加影响力，引起关注。本次大赛得到全国各地书画家的大力 支持，共有210位选手参加，收稿418件。大赛评选规则：
1、免费参赛、公开评审、公开结果。
2、根据作品水平评选，不考虑年龄资历因素。
3、网上公开获奖名次，随时可以百度。
需要制作大赛奖牌（评级、参赛、宣传、收藏），可以联系主办方统一定制，定做自愿，联系电话***。
经理事会研究通过成年组：设置金奖 8名、银奖10名、铜奖10名。
现公布大赛评选名单： 成年组：
一、金奖：李江海（江苏）、张玉峰（河南）、夏云功（安徽）、史洪起（河北）、戚锦旭（篆刻）（广东）、杨民（山东）、刘敬花（山 东）、扬雅晴（天津）
二、银奖：李秀华（新疆）、崔晓军（山东）、王克春（云南）、王劲松（河南）、李石新（河南）、王鹏飞（安徽）、韦西蒙（江西）、王文庆（安徽）、张世军（甘肃）、杨慧（河北）、三、铜奖：武太宇（河南）、田宜洪（辽宁）、潘桂林（广东）、刘士君（辽宁）、石辰湖（内蒙古）、李嘉山（广西）、李志强（河北）、梁东杰（河南）、李兴成（湖北）、刘世为（福建）
三等奖以上选手，都可以免费吸收进入中国俊彬书画院，成为名誉院士。中国俊彬书画院是黄胄弟子吴俊彬创办的，以国画、书法、速写、铜雕综合一体的书画院，下属有：中国俊彬艺术馆、中国俊彬慈善基金会、中国黄胄艺术研究会、以及中国俊彬书画院广东分院、中国俊彬书画院江苏分院等30几个分院（可以百度），在国内影响力很大，书画院举办了很多书画活动和慈善义卖等社会活动，得到大家的广泛支持和喜爱。正式成为书画院成员后（要办理相关手续），书画院会利用中国俊彬书画院平台大力宣传书画院成员。书画院已经成功推出近百名实力派书画家（可以百度），像周开畅、郑迎嘉、王占和、李江海、吴起健、韦天卫、陈耀、江善明、廖琪、刘思清、唐琦、姜海良、赵桂娥、张凯、丁云峰、张培河、王克春、黄世明、李纪成、钱强、康进龙、吕青春、郭世昌、李丽芳、辛茂君、王星燃、吴晗玥、王占和、郑志强、张正中、刘木彬、何善国、姜连鑫、钟涛、曲大鹏、赵伟、安刚、雷金乔、秦承勇、金殿林、胡博春、高涛、徐福灵、吕青春、陈友权、曾燕斌、王兰州、宋俊杰、冯成仙、陈照帅、等。现在在网上都可以百度到他们的作品。
会员统一进行微信管理，积极参与活动的，会不断得到提升，不参加活动的，会被清理出书画院。大赛选手作品照片和展览照片、视频将在网上陆续发表。
2018第十一届全国最有实力、最有影响力 “品鉴杯”书画大赛组委会
全国影响力 篇3
“自东极至西极，二亿三万三千五百里七十五步”
古人很早已开始了地图测绘活动，中华人文始祖之一的炎帝，即传说中的神农氏已测绘境内山川，“始立地形，甄度四海，远近山川林蔽所至，东西九十万里，南北八十三万里。”
另一中华人文始祖黄帝也曾绘制全国地图，据《史记·五帝本纪》，“轩辕乃修德振兵，治五气，抚万民，度四方。”这里的“度四方”，即是进行全国的测量，并且“作宝鼎三象天地人。”
古人早期曾把地图铸在大鼎上，以象征王权。此后的尧、舜也曾进行过全国性疆域测绘。但三皇五帝时期的“全国地图”毕竟是传说，无稽可查。比较靠谱的第一张“全国地图”，应该是上古夏朝开国之君禹所绘铸的《九鼎之图》。
《史记·夏本纪》记载，禹在位时曾“行山表木，定高山大川”，又“陆行乘车，水行乘船，泥行乘橇，山行乘暐。左准绳，右规矩，以开九州，通九道，陂九泽，度九山。”这里虽然是说禹治水的经过，但也透露出禹曾进行全国地图测绘，“准绳”和“规矩”都是古人早期进行地理测绘的必备工具。
夏禹所绘的《九鼎之图》什么样？《左传》中有这个一个说法：“昔夏之方有德也，远方图物，贡金九牧，铸鼎象物，百物而为之备，使民知神、奸。”传说大禹在涂山（今安徽境内）大会诸侯后，为纪念这次盛会，他将各方诸侯、方伯所献的“金”（青铜）铸成九个鼎，把全国地图刻到鼎上，上刻有地方属国名，有各地山川和各种神奇灵怪，这就是《九鼎之图》的来历。
《九鼎之图》象征夏禹统一九州，“大中国”概念从此诞生，被视为中国最早的“全国地图”。当时的夏朝疆域有多大？据《淮南子·地形训》，“禹乃使太章步自东极至西极，二亿三万三千五百里七十五步；使竖亥自北极至于南极，二亿三万三千五百里七十五步。”从中可见，夏禹测绘时还采用了“步测”法。
九鼎乃夏王朝的镇国之宝，历商周，至秦而鼎亡。据说，“鼎沦没于泗水彭城下”。彭城即今江苏徐州，九鼎是怎么弄丢的，哪去了，一直是历史谜团。据《史记·秦始皇本纪》，秦始皇当年过彭城时，“欲出周鼎泗水，使千人没水求之，弗得。”
鼎没有了，但附本《九鼎之图》还在，而且对中国后世全国地图的绘制影响十分深远，历朝历代的都没有突破“九州”的概念。
《九鼎之图》又称《山海图》，其文便是现今尚存的《山海经》。绘图界认为，《山海经》应该是先秦地图科学测绘的一项重要成果。
到了唐朝时，武则天也曾铸九州鼎。据《旧唐书·礼仪志》，女皇武则天执意铸九州鼎，绘九州图。可惜，此鼎后来也没了。
中国第一张真正意义的全国地图——《秦地图》
“以水银为百川江河大海，机相灌输，上具天文，下具地理”
秦始皇灭六国、统一九州后，一张真正意义上的“中国地图”出现，“大中国”版图从此形成，这就是《汉书·地理志》中记载的《秦地图》。
在秦始皇统一六国前，秦国已有较高的地图绘制水平。1986年，在甘肃天水北道区党川乡一号秦墓考古中，发现了一套秦国地图。这套地图共七种，绘制在四块木板的两面，统称为《放马滩秦墓地图》。
其中地形图三幅，绘有山脉、河流、沟溪、关隘、道路、界域等，并标出各处地名。行政区域图两幅、物产区域图和森林分布图各一幅，各地之间里程都标示了出来，显示了秦国较高的地图制作水平。所以，秦始皇刚统一中国后，便着手编制《秦地图》。同样遗憾，这张地图最后也未能保存下来。
在汉高祖刘邦攻进秦都咸阳后，这张《秦地图》以及秦律令、图书典籍等都被萧何拿走了。据《史记·萧相国世家》，“沛公至咸阳，诸将皆争走金帛财物之府分之，何独先人收秦丞相御史律令图书藏之……”
当时，为收藏所缴获的《秦地图》及一批秦国档案文件，萧何专门建了一座“档案馆”，史称“石渠阁”。据《三辅黄图》，石渠阁“其下砻石以导水，若今御沟，因为阁名。所藏入关所得秦之图籍。”按理说，如此珍贵的地图档案放在这种地方是很安全的，但到了西汉亡国时，却被王莽建立的新朝所毁。
不过，现代学术界的推测又为《秦地图》的存在带来了一丝希望。据《史记·秦始皇本纪》，秦始皇死后极可能随葬了《秦地图》。秦始皇建造陵墓，“穿三泉，下铜而致椁……以水银为百川江河大海，机相灌输，上具天文，下具地理。”“上具天文，下具地理”，从司马迁这句话来看，秦始皇墓中随葬的或是一件秦疆域地图模型。这一推测可靠吗？目前，秦始皇陵墓尚未发掘，谜团还要留给未来。
《秦地图》对后世全国地图的绘制产生了很大的影响，汉代及其以后历代中国疆域都是在《秦地图》版图上变化出来的。西汉时的全国地图叫《舆地图》，据《后汉书·马援传》，“前披舆地图，见天下郡国百有六所。”汉武帝时，在秦朝疆域版图基础上，汉武帝向西南、西北、东北三个方向开拓，打通了“河西走廊”，有了“丝绸之路”：西部疆界到达巴尔喀什湖。据测算，此时的中国疆域首次超过1000万平方公里，《舆地图》乃名副其实的“大中华地图”。遗憾的是，西汉这张《舆地图》也未留存下来。
中国首张全国测绘地图——《十道图》
“凡东西九千五百一十里，南北一万六千九百一十八里”
早在魏晋时，制图学专家裴琇便提出了“制图六体”理论，即地图测绘时要考虑“分率”、“准望”、“道里”、“高下”、“方邪”、“迂直”六大要素。这一理论在中国测绘史上具有划时代的意义，大大提高了地图的准确性。
虽然有“制图六体”这一先进理论，但在唐代之前，事实上还没有哪一张中国地图是全國范围内实际测量出来的，其精准度多少要打些折扣。到了唐朝，这种情况发生了改变——中国历史上第一张全国性测绘地图《十道图》的出版，成为中国地图全国性基本地图测绘的开端，这水平在当时是世界第一，标志“大中国”疆域，开始走向精准。在图上，中国疆域首次突破了1200万平方公里。
唐朝规定，每五年（原为三年）须向职方报送地图，进而编制全国《十道图》。所谓“十道”，就是自然界限，唐太宗贞观元年（公元627年）将全国划分为十大区域，唐玄宗主政后增至十五道。据《旧唐书·地理志一》，唐朝疆域，“凡东西九千五百一十里，南北一万六千九百一十八里。”
唐朝全国地图《十道图》，就是在这一背景下绘制出来的，它是依各州定期报送的地图进行绘编，作为中央政府实施各种政令的依据。
《十道图》有三种版本，均为多卷本。据《新唐书·艺文志》记载，有十三卷本《长安四年十道图》、十卷本《开元三年十道图》和李吉甫十卷本《十道图》。前两种版本的《十道图》大体有山川、户口、赋税、行政区域界线、州县总数、文武官员数字、薪俸、各州郡疆域等，但均已失传，甚至连绘制者都无从查考。
李吉甫十卷本《十道图》有记载，但原件也已不存，仅在中国现存最早的一部历史地图集、宋刻本《历代地理指掌图》中收藏有总图性质的《唐十道图》一幅，但后来流落他国，现藏于日本东洋文库。
与《秦地图》一样，唐朝《十道图》对中国的影响亦很大。宋太宗时全国地图《淳化天下图》，就是参照唐朝旧图绘制的，此后北宋先后出现了《九域图》、《十八路图》等多张全国地图。
到明朝时，中国传统测绘水平达到最高峰，明罗洪先绘制的《广舆图》，将中国地图传统绘制水平推到了新境界，明朝所绘的“中华大地图”原件，目前仍有存世。
明朝后期，西方测绘技术传入中国。清朝康熙年间绘制出的“大中华地图”《皇舆全览图》，便使用经纬度和三角测量手段。这是中国有史以来最好、最精确的一张全国地图。在这张地图上，中国疆域超过1300万平方公里。
全国影响力 篇4
本刊讯 (记者郝婵) 2015 年12 月18 日, 在浙江宁波举行的TOP100 数字阅读影响力期刊发布会上, 《新课程研究》获得奖项, 在TOP100 全国数字阅读影响力期刊综合排名第四十位, 在全国教育教学类期刊中排名第九。 龙源数字传媒集团总裁汤潮为 《新课程研究》颁发了奖牌。
TOP100 数字阅读影响力期刊排行, 是基于各城市IP地址, 根据全国各城市阅读的数据汇总分析后得出。 此排行是龙源数字传媒集团与中国新闻出版研究院连续11 年合作进行的一项基于产学研相结合的大数据分析研究活动。 根据这些数据, 读者可以更快捷地获取优质的阅读内容。
而 《新课程研究》 一直致力于立足课程教育教学实际, 传播教育教学前沿动态, 为实施新课程提供理论支持和实践经验, 内容丰富而深刻, 人大复印资料全文转载率在教育类期刊中一直名列前茅。《新课程研究》 已成为广大教师、 校长、 教育行政管理者、 教育研究机构和关心教育的社会人士案头必备的教育教学指导性期刊。
全国影响力 篇5
微软昨天发布安全公告，提示HTTP.sys中存在一个重大安全漏洞，可能允许远程执行代码。根据已公开的漏洞攻击细节显示，攻击者只需要发送恶意的http请求数据包，就可能远程读取IIS服务器的内存数据，或使服务器系统蓝屏崩溃。
该漏洞编号为CVE--1635，主要影响Windows Server R2、Server 和Win7/Win8等主流服务器操作系统，
阿里云云盾弱点分析监测统计显示，全国30%服务器受该漏洞影响。而这些受影响服务器主要分布在浙江、北京、山东、广东、上海等地，约占受服务器的94.3%。
漏洞曝光后，阿里云安全马上启动客户应急防护预案，第一时间更新了阿里云云盾的防护规则，并紧急通知广大企业和开发者尽快安装微软官方补丁(补丁地址：
technet.microsoft.com/zh-cn/library/security/MS15-034)。
全国影响力 篇6
TOP100数字阅读影响力期刊排行,是基于各城市IP地址,根据全国各城市阅读的数据汇总分析后得出的。此排行是龙源数字传媒集团与中国新闻出版研究院连续11年合作进行的一项基于产学研相结合的大数据分析研究活动。根据这些数据,读者可以更快捷地获取优质的阅读内容。
《新课程研究》一直致力于立足课程教育教学实际,传播教育教学前沿动态,为实施新课程提供理论支持和实践经验,内容丰富而深刻,人大复印资料全文转载率在教育类期刊中一直名列前茅。《新课程研究》已成为广大教师、校长、教育行政管理者、教育研究机构和关心教育的社会人士案头必备的教育教学指导性期刊。
全国影响力 篇7
自古以来房子就在中国人心中占有极其重要的地位,所谓安土重迁,人们不愿意离开家乡,主要原因就是不想离开自己的住房。人们更希望有一个自己的家,一个固定的长期的家,而短期的租房并不能满足人们对于家的追求,人们会尽可能的买一套属于自己的房子。房子不仅是居住的场所,也是一种投资,是最大的不动产,有保值增值的能力,这时房价就成了全社会都极其关注的一项价格指标,而不仅仅是针对有居住需要的人。众所周知,全国中总体房价较贵的就是北京、上海、广州这样的一线城市,且城市越发达,房价普遍越贵,然而除了一线城市的其他城市房价普遍都高,日益上涨的房价早已超出了大多数人们的可负担范围,同时也引发了固定投资占比过大、信贷危机加深等一系列问题。有数据表明,2008 年我国房价收入比1 (平均为11.06,其中北京为22.6,上海为13.9,远远超过了国际公认的3 到6 年的合理标准[1]。尽管国家曾出台过国六条、国八条等相关方案,可是效果却不明显,并没有遏制住房价大幅上涨的趋势。而每一个人都需要有住房,房价和每一个人都息息相关,所以本文以房屋中的住宅商品房房价为例,运用全国18个主要城市的房价信息来研究究竟是什么因素影响房价,以解释或预测房价变化并相应给出稳定房价的政策建议。房价收入比= 每套房屋平均价格/ 每户家庭平均年收入, 其表示一个家庭使用全部收入购买一套住房时所需的时间(或年限)。文中的测算所利用的原始数据来源于中国资讯行数据库,其中计算“房价”时采用的每套住房平均面积为90 平方米(一般经济适用房的标准),“收入”为双职工家庭的年平均可支配收入。)
二、文献综述
究竟是什么因素影响房价的变动,学界并没有给出一个统一的答案。综合前人的已有研究,总结所被采用的模型有以下五种。第一种,多元线性回归模型。曾铄寓(2015)和郭晓宇(2014)首先画出因变量与各个解释变量的散点图,从图中看出线性关系,建立模型,分别得到了房价主要受到地区生产总值的影响[2]和人均可支配收入是影响当期房价的最主要因素[3]的结论,并且曾铄寓(2015)还运用了进入法和逐步回归法。党光远和杨涛(2014)把影响因素分为供给和需求两个方面,得到了影响唐山房价的因素中地区生产总值和住宅竣工面积是最重要的两个因素[4]。时维阔和张坤(2009)得出房价受人均可支配收入、房屋平均造价和房屋竣工面积三方面因素影响的结论[5]。第二种,双对数模型。刘广平、陈立文、许海平(2015)用面板数据进行层级回归,得到了以下结论:一是经适房价格对商品房价格产生了显著的正向影响;二是经适房供给量对商品房价格产生了显著的负向影响; 三是经适房供给量在两者之间起着正向的调节作用[6]。第三种,杨贵中和邓学芬(2007)先是采用对数线性模型进行逐步回归,发现残差不符合正态分布,改用多项式混合模型,进行检验和事后模拟,得到影响成都市住房价格最重要的因素是市区人口和住宅施工面积这一结论[7]。第四种,VEC模型。况伟大(2005)、严金海(2006)、郑娟而和吴次芳(2006)、宋勃和高波(2007)运用VEC模型研究房价与地价的关系。第五种,面板数据模型。例如平新乔和陈敏彦(2004)、沈悦和刘洪玉(2004)、梁云芳和高铁梅(2007)、况伟大(2008)都采取了面板数据。
对于影响房价的因素,有以下两种观点。一种是以中国房地产业协会的杨慎(2003)、包宗华(2004)和以陈淮(2004)为代表的认为土地交易刺激了房价,由于土地竞拍和出让费用促使房价上涨,即成本推动。另一种是需求拉动,是房地产市场供需关系的紧张使得房子供不应求,才推高了房价。就实证结果来看,Raymond(1998)证明房价与地价不存在因果关系。周京奎(2005)研究认为宽松的货币政策使得房价上涨。王爱俭、沈庆劼(2007)运用1999-2004年的数据以及相关研究估计的人民币汇率低估幅度等进行实证分析,认为汇率低估会造成经济结构倾斜,之后低估汇率的调整所引发的经济结构复位都会导致房地产价格的上涨[8]。
借鉴已有研究,本文从供给和需求两方面选取自变量,从两个角度进行研究,建立面板数据回归模型,进行单位根检验、协整检验以及豪斯曼检验,研究与房价息息相关的重要因素,判别究竟是成本推动还是需求拉动以及其中的影响因素是什么。
三、理论模型
(一)变量选取与样本数据
1.变量选取
经过国内外的研究,普遍认为,影响城市商品住宅价格的因素主要分为五类:经济因素、社会因素、政策因素、自然因素以及心理因素[4]。此处不涉及利率等宏观货币因素和政府的影响,把相关因素归结为供给和需求两方面。
(1)需求方面
①总人口数
总人口数为年末该城市的所有人口,包括户籍人口和流动人口,反应住房的全部需求,也包括短暂的需求。人是需求的主体,总人口数的增加必然会带来对住宅需求的增长,若是需求大于供给,必然会导致房价上涨。不仅是常驻的户籍人口会考虑购进住房,甚至是流动人口在房价逐年上涨的大趋势下也会先下手为强,趁着现在的房价比未来低的形势,购买住房。
②住宅商品房销售面积
销售面积反映的是消费者的购买水平,也就是需求情况,所以销售面积越大,需求越多,价格也应该越高。
③住宅商品房销售额
销售额越高,说明购买的越多,人们的需求高,房价也应该越高。
(2)供给方面
①房地产开发住宅投资额
当有更多的钱投资到建房上,说明供给更多,当需求不变时,价格会下降。当开发住宅投资额增加时,说明成本相应降低,消费者应该负担的相应减少,房价也会向下浮动。
②住宅商品房施工面积
施工面积更大,预期的房子供应越多,相应的,房价会降低。当施工面积增大时意味着土地的成本也相应降低,而土地是建造住宅的成本,成本降低使得供给曲线向下移动,均衡价格也降低。
③住宅商品房竣工房屋面积
竣工面积说明了实际的住宅供给,竣工面积越大,供给越多,房价越低。
④住宅商品房新开工面积
新开工面积说明了这一年新增住宅的多少,反映新增的住宅供给,面积越大,供给越多,房价也会越低。这一指标反应的是今年的供给变化,也就是变动幅度,是对今年新增加购买住房人数的预估,反映预测的市场行情。
2.样本选取与数据来源
本文选取一线城市和副省级城市共18 个作为全国主要城市进行研究,具体包括北京市、天津市、上海市、广州市、深圳市、大连市、哈尔滨市、沈阳市、长春市、南京市、宁波市、济南市、武汉市、西安市、杭州市、厦门市、青岛市和成都市。考虑到数据的完整性,本文选取2000—2014 年以上城市住宅商品房的年度数据,数据来源于中国经济与社会发展统计数据库、中国统计年鉴和楼市白皮书。为了消除通货膨胀的影响,本文以2000 年为基期,利用居民消费价格指数进行平减。
(二)模型的建立
观察单位是中国18 个主要城市从2000 年至2014年的数据,总观察值的个数本应为18×15=270,由于2000 年除北京、天津、上海外其余城市房价数据缺失以及2002 年部分城市销售额数据缺失和一些城市某些年份相应数据缺失,实际的观察值为217 个。以住宅商品房平均销售价格P(元/ 平方米)为因变量,其余自变量分别为:住宅商品房销售额sales (万元),房地产开发住宅投资额invest(万元),住宅商品房施工房屋面积S1(万平方米),住宅商品房销售面积S2(万平方米),住宅商品房新开工面积S3(万平方米),住宅商品房竣工面积S4(万平方米),总人口数pop(万人)。除了以上变量,还应加入线性趋势项,即年份year,共8 个自变量。由于面板数据同时兼具时间和截面两个维度的变化特征,使得结果可信度更高,同时消除完全多重共线性的影响,建立如下的面板数据回归模型:
四、数据描述
单从数据来看,住宅商品房平均销售价格逐年上涨,除了个别城市个别年份的房价激高外,上涨幅度较小且较为缓慢,保持平稳增长。住宅商品房销售额也呈逐年平稳递增的态势,且涨幅比房价更小,总体上仍符合销售额越高,房价越高的规律。房地产开发住宅投资额总体也呈平稳上升趋势,涨幅不大。住宅商品房平均销售价格、住宅商品房销售额、房地产开发住宅投资额都存在某几个点异常高,异常高的点可能是北京、上海等高房价城市,但并不是每一年都是如此,说明即使是北京和上海也只是在个别年份有异常高的价格,并不是年年如此,总体上还是符合全国房价平缓增长的态势。部分城市的施工面积逐年增加,且增长率逐年加大,部分城市呈M型增长,第一个峰值出现在2005 年,第二个峰值出现在2013 年,且13 年的峰值高于05 年,可见总体还是呈现上涨趋势,并且全国来看,并没有出现类似离群点或异常值,可见全国施工面积水平相当,只有在05 年和13 年两个峰值时差距最大。施工面积部分城市上下波动,部分城市逐年上涨,且上涨幅度增大,逐渐与其他城市拉开差距,还有部分城市呈现M型增长,峰值聚集在05 年前后且峰值异常高,与其他城市的差距也最大。新开工面积大多呈现上下波动或M型波动,在05 年之前,各城市差距较大,05年之后缩小,但各点之间不密集,分散均匀。销售面积总体呈稳步增长态势,两个城市普遍高于其他城市,且呈M型,可以判断为北京和上海两个城市,峰值同样出现在20005 年前后,2007 年为最高点,之后大幅递减,11 年之后又有缓步提升。从总人口数变化中可以发现较为明显的规律,这18 个主要城市可以归为三类。第一类是500万人以下的,10 年之前人口缓慢上涨,10 年后涨幅相对10 年之前有所提高,城市人口差距开始拉大。第二类是500 万人以上1500 万人以下,07 年之前基本保持不变,仅有少量增长,07 年之后增长加快,城市间差距明显拉大,到2015 年已经达到1500 万人。第三类,1300 万人以上,10 年之前增长率逐年增长,10 年之后增长率又开始缓慢下降,总体人口一直处于上升,直到2015 年已经达到2500 万人,可以推知是北京和上海市。可见,在分析数据时,我们可以看到各年的各项指标变化,推断出某一年发生了巨大变化,是重要的转折点,我们在分析数据时也要结合当年的政策情况和市场行情进行相应调整和分析。
图1- 图7 为各个变量随年份变化的散点图。
五、结果分析
(一)单位根检验
为了避免伪回归,我们对数据的平稳性进行检验。单位根检验分为同质单位根检验和异质单位根检验[9],方法共有五种,分别为LLC检验(Levin,Lin和Chu,2002)、IPS检验(Im,Pesaran和Shin,2003),Breitung检验,Fisher检验(包括ADF和PP检验)和Hadri检验(Hadri,2000)。其中LLC检验、Breitung检验和Hadri检验是假设面板数据中各截面序列具有相同单位根过程。而IPS检验、Fisher检验面板数据中各截面序列具有不同单位根过程。其中只有Hadri检验类似于时间序列中的KPSS检验, 原假设是面板数据中各截面序列都不含有单位根[1]。此处选择同质面板的LLC检验和异质面板的ADF-Fisher检验作为代表进行检验,结果如表1。
由以上结果可知,当单位根检验出有单位根时,进行一阶差分,再做单位根检验,若仍有单位根,再进行二阶差分,检验单位根,若仍有单位根,继续进行差分,直到没有单位根,此处进行到二阶差分,不再有单位根,证明数据平稳,且LLC检验和ADF-Fisher检验结果相同。
(二)协整检验
协整检验是考察变量间长期均衡关系的方法。面板数据的协整检验方法可以分为两大类, 一种是原假设为不存在协整关系,使用类似Engle和Granger(1987)平稳回归方程, 从面板数据中得到残差构造统计量进行检验,如Pedroni(1999),Kao(1999)就属于类似分析;另一类是Maddala和Wu(1999)基于Fisher所提出的单个因变量联合检验结论, 该方法通过联合单个截面个体Johansen协整检验的结果, 获得对应于面板数据的检验统计量[1]。运用stata给出结果见表2。
有表2 可知,Gt和Ga不能拒绝原假设,Pt和Pa统计显著,能够拒绝原假设,表明存在异质性协整关系。而进行Kao检验的ADF统计显著证明序列间有协整关系。通过了协整检验,说明变量之间存在着长期稳定的均衡关系,其方程回归残差是平稳的。因此可以在此基础上直接对原方程进行回归,此时的回归结果是较精确的。
(三)豪斯曼检验
1.理论选择
固定效应主要适用于研究不同样本的不同特征,而随机效应更适合于研究由样本推断总体特征。此处我们从18 个城市15 年的数据中找出规律,是为了得到全国房价的影响因素,而不是分割的看待这18 个城市,所以用随机效应更符合文本的设定。
2.验证
首先,用固定效应进行回归,得到结果如表5-3(1)。其次,用随机效应进行回归,得到结果如表5-3(2)。接着,进行Hausman检验,得到结果如下:
由此,我们不能拒绝原假设,所以选择随机效应进行回归。
3.随机效应回归
根据随机效应回归结果,
其中的一些变量如年份以及所有和面积相关的变量并不显著,所以选取剩余的最显著的销售额和投资额这两个变量再次进行随机效应回归,得到结果如表3 所示。
可以初步判断全国主要城市房价与销售额和房地产开发住宅投资额有关,且与销售额成正比,与房地产开发住宅投资额成反比。
注：其中系数下方的括号内为对应的标准误差。单个系数在 *(5%)显著水平下统计显著。
六、结论
通过以上定性定量分析可以看出,影响全国主要城市住宅商品房房价的主要因素是住宅商品房销售额与房地产开发住宅投资额,它们分别是需求方与供给方的典型代表。销售额越高,表明售出的房子越多,反映对房子的需求高;开发投资额越多,表明房地产商加大投入,降低成本,侧面使得房价降低。销售额每增加一万元,房价每平方米上涨0.0018267 元,房地产开发住宅投资额每增加一万元,房价每平方米下降0.0018967 元,房地产开发住宅投资额基本每年都在增加,但房价却没有降低,可见销售额的影响各为深远,即需求因素的影响要远大于供给因素的影响,消费主导着市场,使得价格波动主要取决于需求方。可见,但从结果看来,需求拉动和成本推动都起了一定的作用,但实际上就本文的数据以及得出的结论来看,需求拉动的影响更大,销售额与房价和成交的数量有关,成交量大幅度增加也会使得销售额迅猛增长。
结合2015 年的实际情况,在各种利好政策的刺激下,金融财税政策频出促消费去库存,市场运行环境日趋宽松,需求得到释放,成交量不断攀升,相比供应量下滑,供需矛盾加大,房价上行压力很可能进一步加大,房价只增不减。从需求端来看,中央多轮降准降息、降首付、减免税费等降低购房成本,推动需求入市; 地方政策灵活调整,采取税费减免、财政补贴、取消限购限外等多措施刺激消费。从供应端来看,土地供应控规模、调结构,并加大保障性住房货币化安置,改善市场环境。总体来看,当前经济增速下行和高库存压力下,政府更加重视房地产在促进消费和拉动投资方面的重要作用,政策聚焦于挖掘房地产消费潜能,鼓励需求入市,进而恢复并带动投资信心。在多重政策支持下,市场需求大幅释放,楼市总体回暖趋势基本明确。若是要预测未来的房价,住宅商品房销售额与房地产开发住宅投资额是要着重考虑的因素。若是要阻止房价继续上涨,应加大房子的供给,再结合限购和利息政策可以达到一定的效果。
七、政策建议
本文并没有把利率和政府的政策作为研究的因素,并不说明这些因素不对房价产生影响,而实际上它们些许的变化就可能引起房价的波动,所以在提出政策建议时应把它们考虑在内。根据本文得出的结论,房价与住宅商品房销售额和房地产开发住宅投资额有关,但由于销售额影响因素诸多,难以人为控制,此处难以针对该因素给出具体可行的政策建议,其他的政策建议如下:
第一,促进房地产开发商加大开发住宅投资额。营造良好的房地产市场秩序和氛围,使得房地产商对房地产未来前景充满信心,加大投资开发力度,降低建筑房屋成本,进而压低房产价格,同时也使得消费者对房产市场充满信心,促进良性循环。
第二,政策调控应符合当地地产结构和当年市场情形。政策的有效贯彻和实施就要要求对症下药,不可一概而论,全国大大小小的城市虽有共性,但把握其不同地区的独特性才是能对市场进行调节的关键所在。同时还要结合近几年的趋势变化进行预测,以便于对未来的变化及时有效地做出反应,灵活应对。
第三,货币政策调控房价要注重实际变量[8]。现如今,宏观经济通货膨胀居高不下,实际利率很低甚至可能为负数,更加可能会造成房地产的泡沫,只有切实关注实际变量,比如实际利率、实际GDP、实际资本金等指标,货币政策才可能切实有效。
摘要：采用2000-2014年全国18个主要城市的面板数据,以住宅商品房平均销售价格为因变量,以住宅商品房销售额、房地产住宅开发投资额、住宅商品房施工房屋面积、住宅商品房竣工面积、住宅商品房新开工面积、住宅商品房销售面积、总人口数、年份为自变量进行回归分析。通过豪斯曼等检验,得出结论:影响全国主要城市住房价格最重要的因素是住宅商品房销售额和房地产住宅开发投资额。政策建议:政府应促进房地产开发商加大开发住宅投资额;政策调控应符合当地地产结构和当年市场情形;货币政策调控房价要注重实际变量。
关键词：房价,销售额,投资额,影响因素,结论,政策建议
参考文献
[1]王岳龙,武鹏.房价与地价关系的再检验——来自中国28个省的面板数据[J].南开经济研究,2009(4):131-143
[2]曾铄寓.关于房价影响因素的回归分析[J].商业研究,2015(30):270
[3]郭晓宇.我国房价影响因素的实证分析[J].时代金融,2014(18):22-23
[4]党光远,杨涛.唐山市房价影响因素的多元线性回归分析[J].河北联合大学报(社会科学版),2014(2):21-25
[5]时维阔,张坤.我国房价影响因素的实证分析[J].北方经济,2009,24:25-27
[6]刘广平,陈立文,许海平.经济适用房能降低房价吗?——基于经济适用房供给量的调节作用分析[J].中央财经大学学报,2015(2):106-112
[7]杨贵中,邓学芬.成都市房价影响因素的回归分析与事后模拟[J].价值工程,2007(4):46-50
[8]董志勇,官皓,明艳.房地产价格影响因素分析:基于中国各省市的面板数据的实证研究[J].中国地质大学学报(社会科学版),2010(2):98-103
全国影响力 篇8
随着经济的迅猛发展, 居民收入不断增长, 人们的生活水平也逐渐提升, 汽车消费不再是普通居民的梦想, 已成为居民消费的新亮点。1999年至2013年, 城镇居民人均可支配收入从5854元增加到了26955元, 增长了4倍多;全国私人汽车拥有量由534万辆增加到10502辆, 增长了近20倍。
从居民消费需求结构来看, 在满足了“吃”和“穿”的基本需求之后, “行”的需求上升到了一个关键的位置, 而汽车是所有“行”的方式中最能满足这一需求并且最便捷的产品, 这便是引起汽车消费增加的第一个因素。当然国家改革燃油税, 减半小排量车型购置税、汽车下乡、以旧换新等一系列鼓励汽车消费的政策刺激了汽车消费, 对汽车的消费增长起到了显著的作用, 这是引起汽车消费的第二个因素。当然也包括其他因素如:消费者之间的攀比行为、从众心理, 厂家与商家的多种促销等因素都会直接推动汽车销量的增长。
二、影响因素选择及模型设定
不同的学者对私人汽车拥有量影响因素研究时, 考虑的因素不同, 得出的结论也不尽相同。刘佳认为影响我国私人汽车拥有量的关键因素包括:国民总收入、钢材产量、公路里程和全国营运汽车拥有量。杨洁和王杰等人研究了安徽省私人汽车拥有量, 得出结论:城镇居民人均可支配收入及国际油价与安徽省私人汽车拥有量存在着长期线性关系。陈志光和梅洪常则得出影响重庆市民用汽车拥有量最直接的因素是全市GDP总量、汽车产量和公路里程。周骞和杨东援认为预测汽车保有量所需考虑的重要因素包括:市区人口、国内生产总值、人均GDP总量、工业总产值、财政收入、居民年均生活费收入和居民年均生活费支出。
本文在参考相关文献的基础上, 把城镇居民人均可支配收入、公路里程、全国GDP总量、国际油价和人口总数纳入考虑因素。按照市场营销的理论, 消费主体、购买力、购买欲望是消费市场必须同时具备三个重要要素。以上因素中购买力体现在全国GDP总量、城镇居民人均可支配收入, 消费主体则是人口总数, 消费者的购买欲望则受到公路通车里程和油价的影响。
本文考虑做一个多元线性模型, 这样各种检验的方法较多, 对模型准确程度的分析也更可靠。初步设定的计量模型为:模型1
其中, Y为因变量:私人汽车拥有量 (万辆) ;自变量包括:X1:全国GDP总量 (亿元) ;X2:城镇居民人均可支配收入 (元) ;X3:国际油价 (美元/桶) ;X4:公路里程 (万公里) ;X5:人口总数 (万人) 。为回归系数, μ为随机干扰项。
三、数据收集与处理
本文使用1999年至2013年的有关数据, 数据来源于1999年至2013年中国统计年鉴。全国私人汽车拥有量极其影响因素数据如下表1所示。
注:油价根据每年各时期的价格加权平均而算出
四、模型回归与检验
1. 模型回归
利用SPSS软件, 根据上述数据, 进行多元线性回归, 得到的结果如下:
从模型回归的结果来看, X1系数为-0.001, X4系数为-1.247, X5系数为-0.138, 这三者的符号与实际不符 (在假定其他条件不变的情况下, 当GDP每增长一元, 私人汽车拥有量就会减少0.001万辆;在假定其他条件不变的情况下, 当公路里程每增加一里, 私人汽车拥有量就会减少1.247辆;在假定其他条件不变的情况下, 当城镇人口数每增长一人, 私人汽车拥有量就会减少0.138万辆) , 因此, 该模型无法通过经济意义检验。
由于变量X1、X4和X5无法通过经济意义检验, 故剔除这三个变量, 接下来进行新的模型分析, 新的模型为:
模型2
对模型2进行多元线性回归, 得到结果如下:
从模型回归的结果来看, X2系数为0.573, X3系数为-29.215, 其符号与预期的相一致, 在经济理论上解释得通, 因此该模型通过经济意义检验。
模型估计的结果为:Y=-2565.021+0.573X2-29.215X3, 下面对这一结果进行检验分析。
2. 模型检验
从下表4模型汇总及Anovab结果看, 可决系数R2=0.994接近1, 即全国私人轿车拥有量的99.4%可以由城镇居民人均可支配收入及国际油价解释, 因此样本回归方程对数据拟合得很好, 方程通过拟合优度检验。同时ANOVA分析结果F检验值505.800, sig.值为0.000<0.05。同时, 在上面的表3中, 影响因素各系Sig.检验值均<0.05, 说明所构建的多元回归模型具有显著的统计学意义。
五、研究结论及展望
通过以上数据分析可得, 在其他条件不变的情况下, 城镇人均可支配收入与私人汽车拥有量成正比, 国际油价与私人汽车拥有量成反比。全国私人汽车拥有量与城镇居民人均可支配收入及国际油价之间存在长期线性关系, 最终回归结果为:Y=-2565.021+0.573X2-29.215X3。城镇居民人均可支配收入每增加1000元, 私人汽车将增加573辆;国际油价每增加1美元, 私人汽车拥有量将较少29.215辆。
由于私人汽车价格变动较大较难统计, 私人汽车下乡等政策的推动, 因此以后的研究中可以综合农村居民购买私人汽车、私人汽车价格以及私人汽车的产量等因素进行综合性分析, 以提高数学模型拟优度。同时为了分析结果更加完善, 应不断地进行实地调查与数据统计。
参考文献
[1]刘佳.影响我国私人汽车拥有量的因素计量分析[J]中国高新技术企业, 2010, 148 (13) 6-7
[2]陈志光, 梅洪常.民用汽车拥有量的预测模型一基于重庆市民用汽车拥有量的实证分析[J], 中国企业运筹学2011 (1) 105-112
[3]杨洁, 王杰等.影响安徽省私人汽车拥有量的因素分析[J], 科技信息, 2012 (19) 38:39
[4]周骞, 杨东援.基于多相关因素的汽车保有量预测神经网络方法[J], 公路交通科技, 2001 (6) 126-129
[5]凤凰网财经频道, 原油价格:http://app.finance.ifeng.com/data/indu/cpjg.php?symbol=285&kind=WTI月平均价
全国影响力 篇9
据悉, 全国妇联进行了中国家庭幸福指数与移动电子产品关系的调查, 结果显示, 陪伴配偶时使用移动电子产品的被调查者, 婚姻幸福感显著低于陪伴配偶时不用和有时用移动电子产品的被调查者。
在参与调查的31344人中, 73.3%的被调查者的智能手机24小时开机。43.0%的被调查者表示, 会在家庭聚会中各自玩智能手机或平板电脑。在与配偶相处时, 人们也难以放下手中的移动电子产品, 移动电子产品已经成为夫妻间的“电子情敌”。
中南医院心理咨询室专家黄怀钧介绍, “手机依赖症”易发于白领人群, 如果依赖感强还会引起脾气暴躁、焦虑等情绪。如果手机或者电子产品出现故障、电量低等情况就会心神不宁, 这都是电子产品依赖症的表现。
为此, 全国妇联倡导每天关机一小时, 有限制地使用移动电子产品, 家人之间应回归面对面沟通。
全国影响力 篇10
市场经济体制建立后,我国农村劳动力开始向城市转移,农民工数量迅速增长。但需要注意的是,农民工的部分特征随着时代变化而与以往有所差别,特别是农民工的外出就业地选择近年来发生的变化,突出表现为:本地农民工和举家外出农民工的增加以及家庭中单独外出务工劳动力的增速放缓[1]。特别是2008年金融危机以来,外出农民工数量增速明显放缓,而本地农民工有较快增加,同时举家外出人数也有较快增加。2013年农民工数量比2009年增长17.04%,其中本地农民工增速为21.78%,举家外出的农民工的增速为18.85%。而外出农民工增速最低,仅为13.12%。近年来在珠三角和长三角地区屡屡发生的“用工荒”,也印证了农民工流动的新特点,这一变化趋势对我国城市化进程具有重要影响。国家统计局的数据显示,受农村劳动力非农化转移的推动,我国城市化率快速提高,1996年之后的15年内上升20个百分点,2012年已提高到52.57%。因此,深入考察农民工打工地点选择倾向及其影响因素,可为政府合理引导农村劳动力流动、推动我国新型城镇化发展提供建议。
国外针对农村劳动力流动的相关研究可以归为结构主义方法、新古典主义方法和行为主义方法。刘易斯的二元经济理论是结构主义方法的典型代表,强调社会制度因素对劳动力转移造成的影响,忽视了微观主体自身的作用。新古典主义从微观角度出发,以劳动力个体为研究对象,托达罗模型是其经典研究。但它也有其局限性,比如没有考虑劳动者个人因素的影响。实际上,影响农村劳动力转移的因素是复杂多样的,需要从社会制度、群际关系以及个体特征等方面引入更多的变量。
国内关于农村劳动力转移的研究,基于行为主义方法的实证研究居多。赵耀辉(1997)运用Logit模型,从年龄、性别、婚姻状况、受教育程度以及家庭拥有的土地等方面分析了这些因素对劳动力外出的影响[2]。都阳等(2003)针对迁移和贫困之间关系研究,认为家庭和个人禀赋差异是决定迁移的重要因素[3]。Lin Justin Yet al(2004)通过实证研究发现,区域之间的人均收入差异、迁移成本、国家制度因素、个人特征以及家庭特征都会影响农村劳动力的迁移意愿[4]。侯红娅等(2004)的研究发现,文化水平和年龄是影响农民城市化意愿的主要因素。年龄越小、受教育程度越高,转移的意愿越强烈[5]。而朱农(2002)和丁守海(2006)着重分析收入对农村劳动力转移的影响。结果表明,收入差距在迁移决策中起着显著作用[6,7]。程名望等(2005)使用农村固定观察点的数据,分析了个体特征和家庭特征对农村剩余劳动力转移的影响。结果显示,个人特征中男性和身体健康的农民外出就业意愿更强,家庭特征中,户主、受过农业技术教育或培训的农民更不愿意外出务工[8]王智强等(2011)基于中国健康与营养调查数据库,运用Probit模型分析了中国农村劳动力迁移的影响因素。研究结果表明,婚姻状况、健康和娱乐偏好对农村劳动力的迁移决策有显著影响,而当前收入的影响并不明显[9]。朱欣乐等(2013)基于2009年东北三省的调查问卷,运用离散选择模型研究了家庭中外出务工人数和打工地点的影响因素。结论表明,正在读书孩子人数、农业收入、婚姻状况会影响务工人员对地点远近的偏好,60岁以上人口、正在读书孩子个数、家庭农业收入及总支出对农民是否选择打工有显著影响[10]。
可见,目前国内对农村劳动力转移的研究既有宏观经济政策的角度,也有农户微观主体的角度,但研究主要集中于农村劳动力是否选择外出务工的影响因素,研究对象主要为农村劳动力。而较少学者专门针对已经外出务工人群,分析影响农民工外出务工的因素。且上述的实证分析中,使用的数据多为农村固定观察点或者中国营养与健康数据库,变量选择受限,针对性有待完善。本文将运用2013年对广东、浙江、山东、四川、北京和河南6个省市农民工的调研数据,基于对农民工调研获得的3176份样本,建立离散选择模型,从农民工个体、家庭特征、家庭社会关系以及家乡所在地资源禀赋分析农民工务工地点选择倾向的影响因素。
二、理论基础
劳动力的流动受到诸多因素的影响,Sjaastad(1962)和Becker(1975)认为迁移是人力资本的函数,年轻劳动力、文化素质高的劳动力有较大迁移的可能性[11]。而以Stark(1991)为代表的新迁移经济学认为劳动力作出迁移的决策,往往需要和家庭成员进行商议。已经迁移的人员会对家庭其他成员以及亲朋好友的迁移决策有重要影响,由此形成“迁移关系网”,该网络的存在可以有效传递迁移信息,降低迁移成本和迁移风险,使得迁移更容易进行[12]。
Jorgenson(1967)明确提出了“推一拉”理论。认为人口迁移是“推”和“拉”两种相反方向的力作用的结果,在迁出地存在促进人口迁出的“推力”,如较少的就业机会、较低的收入水平、恶劣的自然条件等因素,在迁入地存在促进人口迁入的“拉力”,如较高的收入水平、较多的就业机会、较完善的基础设施等[13]。该理论主要强调外部因素对人口迁移的影响。
依据上述理论,影响农民工务工地点选择的因素可以归纳为:(1)个人特征,包括性别、年龄、婚姻状况、受教育程度、外出务工时间长短、打工收入、户籍所属地区;(2)家庭特征,包括家庭耕地数量、家庭负担、家庭拥有资产等;(3)家庭社会关系;(4)家乡所在地资源禀赋及经济发展水平特征。
三、数据来源与样本描述
本文数据来源于中国农业大学粮食经济研究团队2013年度“城镇外来务工人员就业和食品需求”调研项目,本次调研地点的选取是根据《2012年全国农民工监测调查报告》中输入地的分布,考虑区域的代表性,选取广东、山东、四川、河南、浙江和北京6省市作为调研地点。考虑到不同区域的生产、生活和消费特点,在每个省(市)选取两个市(县),一个是省会城市,另一个是农民工分布较多的地级或县级市。从行业上说,选取农民工集中的制造业、建筑业、居民服务和其他服务业、批发零售业、交通运输、仓储邮政业和住宿餐饮业。在每个市(县)基本按照《2012年全国农民工监测调查报告》中6大行业的比例分配样本数量。调研对象为农民工个体,调研时间为2013年4—7月。共回收问卷3500份,本文因后期计量分析的需要,最终使用了3176份,其余约10%的样本,均有个别变量的缺失被剔除。其中浙江683份、山东529份、四川357份、北京576份、广东485份、河南546份。调研样本的基本情况见表1。
四、模型设定与结果分析
(一)模型设定
本文的被解释变量为农民工外出务工地点,解释变量分为个人基本特征、家庭基本特征、家庭社会关系以及家乡所在地资源禀赋。变量的具体解释如表2所示。据此,本文建立离散选择模型如下:
其中,Y表示被解释变量,Xi分别表示各解释变量,βi表示各解释变量的回归系数,i=1,2,…,12。
注:对于连续变量,表中的数据为均值;对于离散型变量,表中的数据为所占比例(%)。
(二)回归结果分析
在stata11.0中运用两阶段最小二乘法(TSLS)对方程进行估计。估计结果如表3所示。回归模型的整体拟合效果较好,LR卡方值为360.21,P值为0.000,表明在1%水平下显著。个人特征、家庭特征和家庭社会关系特征等诸多因素影响农民工外出打工地点选择。
1. 个人基本特征。
不同的个体,其自身资源禀赋存在较大差异,对农民工务工地点的选择有重要影响,除性别、婚姻状况以及打工年限变量没有通过显著性检验,其余个人特征变量均通过显著性检验。
(1)受教育年限变量系数显著为正,表明受教育水平越高,能得到的工作的机会越大,收入水平也越高,趋向于选择离家较远的其他省市打工。年龄变量显著为负,表明年龄越小,家里负担相对较轻,没有家庭的压力,好奇心强,接受新事物能力也强,相对于老年人而言,更趋向于选择距离家乡较远的其他省市去打工。
(2)打工收入变量系数显著为正,表明打工收入越高,选择外省市打工的可能性越大。农民工外出打工多因为对生活现状不满意,因而情愿选择离家远点,到收入高一些的地方打工。实际情况确实如此,在调研中发现,农民工外出打工的主要目的是赚钱。
2. 家庭基本特征。
家庭基本特征中,家庭拥有耕地数量、家庭资产和家庭负担系数等变量通过显著性检验。
(1)人均拥有耕地数量变量系数显著为负,表明人均拥有的耕地数量少,越倾向于选择离家较远的其他省市打工。人均耕地数较少,需要的劳动力较少,收入也较少,为去离家较远的外省市打工提供了客观条件。
(2)家庭负担系数显著为负,表明家庭负较重的农民工多选择离家较近的本省市务工。家中60岁以上老人和16岁以下小孩的人数越多,家庭负担系数越重,没有办法去离家较远的地方打工,只能选择离家较近的地方。相反家庭负担系数小的农民工通常选择外省市打工。
(3)家庭资产系数显著为负,和预期相反,表明家庭资产越少,越倾向于选择离家较远的其余省市务工。家庭资产少的农民工意味着在家乡经济条件较差,为达到较好的经济条件,宁愿选择离家较远的外省市打工,这也是符合实际情况的。
3. 家庭社会关系特征。
(1)家庭在外打工人数系数显著为正,与预期相符,说明家庭中外出打工人数越多,越倾向于选择离家较远的其他省市打工。一般来讲,只要有一个成员外出打工,其余有条件的家庭成员都会跟随,陆续出来打工。
(2)在模型估计过程中,将通过劳动力市场找到工作作为参照组。结果显示,通过亲戚朋友介绍变量系数显著为正,表明相对于通过劳动力市场,通过亲戚朋友介绍找到工作者,更易选择离家较远的外省市务工。通过劳动力中介市场找到工作的农民工,则多选择本省市。而通过政府和其他渠道找到工作变量的系数没有通过显著性检验,这主要由于就业信息传递的制约。中介市场所拥有的招工信息地域范围有限,跨省市的信息相对较少,而政府相关的服务处于刚起步阶段,还不能及时、准确地向当地农民通报就业信息,导致农民工跨省市外出打工主要通过亲戚朋友介绍。
4. 家乡所在地资源禀赋及经济发展水平特征。
作为家乡所在地资源禀赋特征代理变量之一,家乡所处地形地势变量系数显著为正,表明家乡位于山区和丘陵地区的农民工通常会选择离家较远的外省市打工。由于交通条件的限制,和平原、沿海地区相比,山区和丘陵地区经济发展水平和基础设施建设相对落后,所需的劳动力相对较少。因此,当地农民只能选择到外省市务工。
注:***表示在1%的水平上显著;**表示在5%的水平上显著;*表示在10%的水平上显著。
就户籍所属地区变而言,相对于户籍属于华中地区而言,户籍属于东北、华北和西北地区系数显著为正,表明上述地区的农民工较多选择外省市打工,而户籍属于华南、华东和西南地区的系数显著为负,则说明以上地区农民工多选择省内打工。该现象正好和我国各省市的经济发展水平契合。东北、华北(除北京和天津市外)和西北地区各省经济发展水平整体偏低,务工机会偏少;华东、华南、华中各省市经济发展水平较高,务工水平较高。调研中也发现户籍属于山西、河北、内蒙古、黑龙江、吉林和辽宁的农民工偏好于选择北京市。而户籍为浙江、上海、江苏、山东以及四川、广州等省市的农民工多选择在本省打工。
五、政策建议
基于以上实证分析结果,政府在制定和实施有关农村剩余劳动力转移政策时,必须要以农民作为主体,充分考虑其个人特征、家庭特征和社会关系特征等因素。具体而言,第一,目前农民工外出就业信息的获取主要依靠“血缘”和人际关系网络,该方式的可靠性和信息量相对欠缺,而劳动力市场(中介组织)收费较高,使用该方式的人数相对较少。因此,相关政府部门需要及时有效地搜集、发布就业信息,建立输出地和输入地一体化的就业信息网,同时要建立劳动力中介市场服务体系,规范劳动力中介市场,控制收费额度。第二,受教育水平是农民工外出务工重要的影响因素,需要加强农村的教育投入,提高农村居民的受教育水平,尤其是职业教育,有助于农村劳动力的就业和转移。第三,家庭负担也是限制农民工远距离外出务工的重要因素。因此,为了促进农民工的合理转移,一方面针对农村留守老人以及年龄日益增加农民工迫切的养老需求,建立完善的新型养老保障制度,使其老有所养,合法权益能够得到保障;另一方面要有效解决跟随父母进城儿童的上学问题,同时社会和政府应尽可能多为留守儿童提供服务和便利。
摘要：本文基于2013年对广东、山东、四川、河南、浙江和北京6省市农民工进行调研所获得的3176份有效问卷,建立离散选择模型,分析农民工务工地点的选择倾向。研究结果表明:个人特征方面,受教育水平较高、年龄较小以及打工收入较高人员,多选择离家较远的外省市务工;家庭特征方面,家庭资产越少、家庭负担系数越小以及人均拥有耕地数量越少者,越倾向于选择外省市务工;家庭社会关系方面,家里在外打工人数越多和亲戚朋友介绍找到工作者,多选择外省市打工;家乡所在地资源禀赋方面,家乡位于山区和丘陵地区人员,偏向于选择外省市务工,户籍所在地属于东北、华北和西北地区多选择外省市务工,而户籍属于华南、华东和西南地区倾向于本省市务工。