《計量經(jīng)濟學(xué)論文》由會員分享，可在線閱讀，更多相關(guān)《計量經(jīng)濟學(xué)論文（16頁珍藏版）》請在裝配圖網(wǎng)上搜索。

中國糧食總產(chǎn)量多因素分析 專業(yè)年級 13 金融 2 班 學(xué)號 201312030140 姓名 謝昊 摘要 本文選取 1990 年到 2013 年的相關(guān)數(shù)據(jù) 應(yīng)用計量經(jīng)濟學(xué)所 學(xué)知識對根據(jù)經(jīng)濟理論選取的影響我國糧食產(chǎn)量的各因素進行分析 檢驗 并對其影響程度的大小進行定量分析 進一步明確和完善相 關(guān)的經(jīng)濟學(xué)知識 關(guān)鍵詞 糧食產(chǎn)量 糧食播種面積 農(nóng)用機械總動力 有效灌溉面積 農(nóng)業(yè)化肥使用量 1 文獻綜述 農(nóng)業(yè)作為我國最基礎(chǔ)的產(chǎn)業(yè) 農(nóng)產(chǎn)品的每年的產(chǎn)量直接關(guān)系著 我們的民生 故而糧食的產(chǎn)量一直是我們最關(guān)心的 影響因素的分析 首先 糧食作為農(nóng)作物 其產(chǎn)量肯定會受到農(nóng)用化肥施用量條件的 影響 其次 我認(rèn)為糧食的播種面積對于糧食產(chǎn)量也有一些影響 最后 農(nóng)業(yè)機械總動力也是影響糧食產(chǎn)量的一大重要因素 二 數(shù)據(jù)收集與模型的建立 一 數(shù)據(jù)收集 1983年 2009年中國糧食生產(chǎn)與相關(guān)投入的資料 表1 年份 糧食總產(chǎn) 量 Y 糧食耕種 面積 x1 農(nóng)用化肥施用 量 x2 農(nóng)業(yè)機械總 動力 x3 1990 44624 113466 2590 3 28708 1991 43529 112314 2805 1 29389 1992 44264 110560 2930 2 30308 1993 45649 110509 3151 9 31817 1994 44510 109544 3317 9 33802 1995 46662 110060 3593 7 36118 1996 50454 112548 3827 9 38547 1997 49417 112912 3980 7 42016 1998 51230 113787 4083 7 45208 1999 50839 113161 4124 3 48996 2000 46218 108463 4146 4 52574 2001 45264 106080 4253 8 55172 2002 45706 103891 4339 4 57930 2003 43070 99410 4411 6 60387 2004 46947 101606 4636 6 64028 2005 48402 104278 4766 2 68398 2006 49804 104958 4927 7 72522 2007 50160 105638 5107 8 76590 2008 52871 106793 5239 82190 2009 53082 108986 5404 4 87496 2010 54648 109876 5561 7 92780 2011 57121 110573 5704 2 97735 2012 58958 111205 5838 8 102560 2013 60194 111956 5911 9 103907 二 模型設(shè)計 為了具體分析各要素對我國糧食產(chǎn)量影響的大小 我們可以用 糧食總產(chǎn)量 y 作為衡量 代表糧食發(fā)展 用糧食耕種面積 x1 農(nóng)用化肥施用量 x2 以及農(nóng)業(yè)機械總動力 x3 運用這些數(shù)據(jù)進 行回歸分析 采用的模型如下 y 1 2x1 3x2 4x3 ui 其中 y 代表糧食總產(chǎn)量 x1 代表糧食耕種面積 x2 代表農(nóng) 用化肥施用量 x3 代表農(nóng)業(yè)機械總動力 u i代表隨機擾動項 我們 通過對該模型的回歸分析 得出各個變量與我國糧食產(chǎn)量的變動關(guān) 系 三 模型估計和檢驗 一 模型初始估計 表二 Dependent Variable Y Method Least Squares Date 12 21 15 Time 16 27 Sample 1990 2013 Included observations 24 Variable Coefficien t Std Error t Statistic Prob C 44644 14 6601 867 6 762350 0 0000 X1 0 684116 0 053113 12 88043 0 0000 X2 4 042971 0 974751 4 147697 0 0005 X3 0 031032 0 038352 0 809131 0 4280 R squared 0 966281 Mean dependent var 49317 62 Adjusted R squared 0 961223 S D dependent var 4867 060 S E of regression 958 4155 Akaike info criterion 16 71945 Sum squared resid 18371206 Schwarz criterion 16 91579 Log likelihood 196 6334 F statistic 191 0450 Durbin Watson stat 1 534928 Prob F statistic 0 000000 回歸函數(shù)為 12346 10846X 097 01iY X 6601 867 0 053113 0 974751 0 038352 T 6 762350 12 88043 4 147697 0 809131 2 9R 2 3R F 45 2 多重共線性檢驗 相關(guān)系數(shù)矩陣 表三 X1 X2 X3 X1 1 0 267566314901 0 23239867238 X2 0 267566314901 1 0 977074961235 X3 0 23239867238 0 977074961235 1 根據(jù)多重共線性檢驗 解釋變量之間可能存在著線性相關(guān) 為了 進一步了解多重共線性的性質(zhì) 我們可以做輔助回歸 表四 被解釋變量 可決系數(shù) R2 的值 方差擴大因子 X1 0 09019 1 09913 X2 0 956409 22 9405 X3 0 955583 22 6398 由上表可以得知 輔助回歸的可決系數(shù)很高 經(jīng)驗表明 方差擴大 因子 10 時 通常說明該解釋變量與其余解釋變量之間有嚴(yán)重jVIF 的多重共線性 這里的 x2 x3 的方差擴大因子遠(yuǎn)大于 10 表明存 在嚴(yán)重的多重共線性問題 為了進一步篩選并剔除引起多重共線性分變量 需要采用逐步回歸 的方法 分別作 Y 對 X1 X2 X3 的一元回歸 意愿回歸結(jié)果如下表 表五 變量 X1 X2 X3 參數(shù)估計值 0 369628 4 071071 0 162556 t 統(tǒng)計量 1 472800 6 754246 6 867695 R2 0 089748 0 674652 0 681921 0 048373 0 659863 0 667463 表六 X1 X2 X3 2R X1 X3 0 641034 9 246 298 0 186325 16 84505 0 937277 X2 X3 1 587586 0 558181 0 100949 0 893659 0 686571 通過采用剔除變量法 多重共線性的修正結(jié)果如下 剔除 X2 表 七 Dependent Variable Y Method Least Squares Date 12 25 15 Time 10 06 Sample 1990 2013 Included observations 24 Variable Coefficien t Std Error t Statistic Prob C 31636 64 7732 436 4 091419 0 0005 X1 0 641034 0 069329 9 246298 0 0000 X3 0 186325 0 011061 16 84505 0 0000 R squared 0 937277 Mean dependent var 49317 62 Adjusted R squared 0 931303 S D dependent var 4867 060 S E of regression 1275 661 Akaike info criterion 17 25679 Sum squared resid 34173555 Schwarz criterion 17 40404 Log likelihood 204 0814 F statistic 156 9019 Durbin Watson stat 1 001388 Prob F statistic 0 000000 修正后方程為 12316 4030 865iYX 7732 436 0 069329 0 011061 T 4 091419 9 246298 16 84505 2 97R 2 9R 91F 三 異方差檢驗 表八 ARCH Test F statistic 0 037667 Probability 0 847978 Obs R squared 0 041181 Probability 0 839189 Test Equation Dependent Variable RESID 2 Method Least Squares Date 12 24 15 Time 18 58 Sample adjusted 1991 2013 Included observations 23 after adjusting endpoints Variable Coefficien t Std Error t Statistic Prob C 1280357 504218 4 2 539291 0 0191 RESID 2 1 0 041531 0 213987 0 194081 0 8480 R squared 0 001790 Mean dependent var 1341173 Adjusted R squared 0 045743 S D dependent var 1852594 S E of regression 1894492 Akaike info criterion 31 82974 Sum squared resid 7 54E 13 Schwarz criterion 31 92848 Log likelihood 364 0420 F statistic 0 037667 Durbin Watson stat 1 986528 Prob F statistic 0 847978 由上表可以得知 n p 0 041181 給定顯著性水平為 0 05 2R 查 分布表得臨界值 p 5 9915 n p 則接受原假設(shè) 2 2R 表明模型中的隨機誤差項不存在異方差 四 自相關(guān)檢驗 表九 Dependent Variable Y Method Least Squares Date 12 25 15 Time 10 06 Sample 1990 2013 Included observations 24 Variable Coefficien t Std Error t Statistic Prob C 31636 64 7732 436 4 091419 0 0005 X1 0 641034 0 069329 9 246298 0 0000 X3 0 186325 0 011061 16 84505 0 0000 R squared 0 937277 Mean dependent var 49317 62 Adjusted R squared 0 931303 S D dependent var 4867 060 S E of regression 1275 661 Akaike info criterion 17 25679 Sum squared resid 34173555 Schwarz criterion 17 40404 Log likelihood 204 0814 F statistic 156 9019 Durbin Watson stat 1 001388 Prob F statistic 0 00000012316 4030 865iYX 7732 436 0 069329 0 011061 T 4 091419 9 246298 16 84505 2 97R 2 9R 91F 查 DW 表可知 dl 1 188 du 1 546 模型中 DW dl 顯然有自相關(guān) 表十 殘差的變動有系統(tǒng)模式 連續(xù)為正和連續(xù)為負(fù) 表明殘差項存在一 階自相關(guān) 對模型進行 BG 檢驗 用 Eviews 分析結(jié)果如下 表十一 Breusch Godfrey Serial Correlation LM Test F statistic 2 642994 Probability 0 097113 Obs R squared 5 223742 Probability 0 073397 Test Equation Dependent Variable RESID Method Least Squares Date 12 24 15 Time 19 24 Variable Coefficien t Std Error t Statistic Prob C 1247 564 7284 998 0 171251 0 8658 X1 0 011466 0 065346 0 175462 0 8626 X3 0 000174 0 010286 0 016914 0 9867 RESID 1 0 517086 0 228709 2 260893 0 0357 RESID 2 0 140158 0 230260 0 608696 0 5499 R squared 0 217656 Mean dependent var 4 21E 12 Adjusted R squared 0 052952 S D dependent var 1218 937 S E of regression 1186 225 Akaike info criterion 17 17799 Sum squared resid 26735479 Schwarz criterion 17 42342 Log likelihood 201 1359 F statistic 1 321497 Durbin Watson stat 1 906529 Prob F statistic 0 297918 由上表顯示 LM TR 2 5 223742 其 p 值為 0 073397 表明存在自 相關(guān) 對模型進行處理 對原模型進行科克倫 奧克特迭代法做廣義差分回歸 用 Eviews 進 行分析所得結(jié)果如下 Dependent Variable Y Method Least Squares Date 12 24 15 Time 19 38 Sample adjusted 1991 2013 Included observations 23 after adjusting endpoints Convergence achieved after 10 iterations Variable Coefficien t Std Error t Statistic Prob C 39779 15 10686 99 3 722202 0 0014 X1 0 721949 0 097350 7 416045 0 0000 X3 0 179184 0 018435 9 719934 0 0000 AR 1 0 488459 0 183541 2 661306 0 0154 R squared 0 956230 Mean dependent var 49521 70 Adjusted R squared 0 949319 S D dependent var 4870 329 S E of regression 1096 434 Akaike info criterion 16 99428 Sum squared resid 22841163 Schwarz criterion 17 19176 Log likelihood 191 4343 F statistic 138 3617 Durbin Watson stat 2 032169 Prob F statistic 0 000000 Inverted AR Roots 49 表十二 由圖表知 DW 2 032169 可以判斷 du 1 543 dl 1 168 du DW 20 所以拒絕 H0 0 25 0 25t 0 因為 t 20 所以拒絕 H0 0 因1 2 0 25 2 為 t 20 所以接受 H0 0 對斜率系數(shù)的顯10 5 1 著性表明 解釋變量 糧食耕種面積 和 農(nóng)用化肥施用量 對被 解釋變量 糧食總產(chǎn)量 有顯著影響 四 結(jié)論分析和政策建議 一 主要結(jié)論 1 從模型可以看出農(nóng)民對化肥的投入量 即模型中的化肥施用 量 是影響糧食總產(chǎn)量增產(chǎn)的最顯著因素 說明我國目前農(nóng)業(yè)生產(chǎn) 中 農(nóng)民對農(nóng)業(yè)的投入所產(chǎn)生的效益最大 2 從模型可以看出 糧食作物耕種面積也是影響糧食總產(chǎn)量的 重要因素之一 擴大糧食作物耕種面積無疑是可以使糧食增產(chǎn)的 3 農(nóng)業(yè)機械化是農(nóng)業(yè)現(xiàn)代化的重要內(nèi)容和主要標(biāo)志之一 而通 過對模型的回歸分析 可看出我國的農(nóng)業(yè)機械化程度是較低的 對 我國的糧食總產(chǎn)量增產(chǎn)貢獻十分低下 二 政策建議 1 首先 在短期內(nèi)為緩解糧食供應(yīng)緊張 應(yīng)提高農(nóng)民種糧的積 極性擴大糧食耕種面積 這是增加糧食總產(chǎn)量的唯一辦法 農(nóng)民積 極性主要取決于種糧食的收益及其預(yù)期 收益則是賣糧收入與成本 的差額 因此 應(yīng)該雙管齊下 穩(wěn)定并提高糧食價格 控制農(nóng)用物 資價格的過快增長 在涉農(nóng)物資上實行嚴(yán)格的價格管制 控制種糧 的成本 在提高農(nóng)民積極性的同時 也得以增加了化肥的施用量 在一定程度上 影響糧食總產(chǎn)量的增產(chǎn) 但是 由于我國土地后備資源有限 且糧食耕種面積已占耕地總 面積較大比例 75 其調(diào)整幅度不大 在一定程度上是一個既定的前 提 從我國糧食生產(chǎn)的發(fā)展來看 總產(chǎn)量的增長主要取決于單位面積 產(chǎn)量的提高 而單位面積產(chǎn)量直接決定于農(nóng)戶的資本和勞動投入 即 農(nóng)戶的種糧積極性 同時受經(jīng)濟體制和政策 科技進步狀況和市場環(huán) 境等強有力的影響 因此 我們一方面要堅持最嚴(yán)格的耕地保護制度 控制非農(nóng)業(yè) 占地 建立基本農(nóng)田保護區(qū) 確?；巨r(nóng)田總量不減少 質(zhì)量不下 降 一方面要加強對現(xiàn)有耕地的開發(fā) 通過進一步改進耕作制度和 應(yīng)用優(yōu)良品種 保持相對穩(wěn)定的糧食作物耕種面積 提高耕地利用 效率 2 受邊際效益遞減規(guī)律的影響 化肥投入在糧食增產(chǎn)方面的能 力逐漸下降 施肥方法落后 偏施和過施現(xiàn)象普遍存在 盲目增加 化肥施用量并不能從根本上使糧食增產(chǎn) 關(guān)鍵是要提高化肥的利用 率 3 我國現(xiàn)在農(nóng)業(yè)機械化程度遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)代農(nóng)業(yè)發(fā)展的需求 要實現(xiàn)農(nóng)業(yè)現(xiàn)代化 必須在以下各方面積極穩(wěn)妥地推進農(nóng)業(yè)機械化 的發(fā)展 要把主要農(nóng)產(chǎn)品生產(chǎn)過程機械化和產(chǎn)業(yè)化經(jīng)營有機結(jié)合起來 對農(nóng)業(yè)機械化進行結(jié)構(gòu)性調(diào)整 因地制宜 有重點的推薦地區(qū)農(nóng)業(yè)機械化 大力促進農(nóng)業(yè)技術(shù)進步 重視農(nóng)村的基礎(chǔ)教育 建立與農(nóng)業(yè)機械化相適應(yīng)的農(nóng)村經(jīng)濟體制 縱觀中國農(nóng)村現(xiàn)狀 與其他產(chǎn)業(yè)相比 農(nóng)業(yè)的發(fā)展一直處于較 低的狀態(tài) 擴大耕作面積 提高單產(chǎn) 實現(xiàn)機械化 規(guī)?；a(chǎn)是 保證我國農(nóng)業(yè)健康發(fā)展的必有之路 參考文獻 1 龐皓 計量經(jīng)濟學(xué) 西南財經(jīng)大學(xué)出版社 2014 年 6 月第三版 2 周四軍 對我國糧食生產(chǎn)影響因素的計量分析 統(tǒng)計與決策 2003 年 3 趙慧江 基于回歸分析的糧食產(chǎn)量影響因素分析 懷化學(xué)院學(xué)報 2009 年 4 呂美巧 馬廣 農(nóng)業(yè)機械化發(fā)展影響因素分析與評價 農(nóng)機化研究 2008 年 5 李妍 中國糧食生產(chǎn)影響因素及地區(qū)差異分析 經(jīng)濟研究導(dǎo)刊 2009 年 附錄 1 Dependent Variable X1 Method Least Squares Date 12 22 15 Time 09 24 Sample 1990 2013 Included observations 24 Variable Coefficient Std Error t Statistic Prob C 118379 6 8270 696 14 31314 0 0000 X2 3 589134 3 927502 0 913847 0 3712 X3 0 102201 0 155986 0 655194 0 5195 R squared 0 090190 Mean dependent var 108857 3 Adjusted R squared 0 003541 S D dependent var 3944 710 S E of regression 3937 719 Akaike info criterion 19 51106 Sum squared resid 3 26E 08 Schwarz criterion 19 65832 Log likelihood 231 1327 Hannan Quinn criter 19 55013 F statistic 1 040870 Durbin Watson stat 0 291206 Prob F statistic 0 370666 2 Dependent Variable X2 Method Least Squares Date 12 22 15 Time 09 14 Sample 1990 2013 Included observations 24 Variable Coefficient Std Error t Statistic Prob C 3217 312 1300 563 2 473784 0 0220 X1 0 010656 0 011661 0 913847 0 3712 X3 0 038411 0 001860 20 64610 0 0000 R squared 0 956409 Mean dependent var 4360 633 Adjusted R squared 0 952257 S D dependent var 981 9691 S E of regression 214 5609 Akaike info criterion 13 69153 Sum squared resid 966764 0 Schwarz criterion 13 83879 Log likelihood 161 2984 Hannan Quinn criter 13 73060 F statistic 230 3753 Durbin Watson stat 0 212818 Prob F statistic 0 000000 3 Dependent Variable X3 Method Least Squares Date 12 22 15 Time 09 15 Sample 1990 2013 Included observations 24 Variable Coefficient Std Error t Statistic Prob C 69567 67 34359 53 2 024698 0 0558 X1 0 196010 0 299163 0 655194 0 5195 X2 24 81207 1 201780 20 64610 0 0000 R squared 0 955583 Mean dependent var 59965 75 Adjusted R squared 0 951353 S D dependent var 24724 62 S E of regression 5453 262 Akaike info criterion 20 16228 Sum squared resid 6 24E 08 Schwarz criterion 20 30954 Log likelihood 238 9474 Hannan Quinn criter 20 20135 F statistic 225 8983 Durbin Watson stat 0 198222 Prob F statistic 0 000000 4 Dependent Variable Y Method Least Squares Date 12 22 15 Time 16 20 Sample 1990 2013 Included observations 24 Variable Coefficien t Std Error t Statistic Prob C 9080 945 27337 04 0 332185 0 7429 X1 0 369628 0 250970 1 472800 0 1550 R squared 0 089748 Mean dependent var 49317 62 Adjusted R squared 0 048373 S D dependent var 4867 060 S E of regression 4747 883 Akaike info criterion 19 84844 Sum squared resid 4 96E 08 Schwarz criterion 19 94661 Log likelihood 236 1813 F statistic 2 169140 Durbin Watson stat 0 116875 Prob F statistic 0 154969 5 Dependent Variable Y Method Least Squares Date 12 22 15 Time 16 27 Sample 1990 2013 Included observations 24 Variable Coefficien t Std Error t Statistic Prob C 31565 18 2691 447 11 72796 0 0000 X2 4 071071 0 602743 6 754246 0 0000 R squared 0 674652 Mean dependent var 49317 62 Adjusted R squared 0 659863 S D dependent var 4867 060 S E of regression 2838 531 Akaike info criterion 18 81962 Sum squared resid 1 77E 08 Schwarz criterion 18 91779 Log likelihood 223 8354 F statistic 45 61984 Durbin Watson stat 0 431896 Prob F statistic 0 000001 6 Dependent Variable Y Method Least Squares Date 12 22 15 Time 16 39 Sample 1990 2013 Included observations 24 Variable Coefficien t Std Error t Statistic Prob C 39569 81 1530 633 25 85193 0 0000 X3 0 162556 0 023670 6 867695 0 0000 R squared 0 681921 Mean dependent var 49317 62 Adjusted R squared 0 667463 S D dependent var 4867 060 S E of regression 2806 640 Akaike info criterion 18 79702 Sum squared resid 1 73E 08 Schwarz criterion 18 89519 Log likelihood 223 5642 F statistic 47 16524 Durbin Watson stat 0 487116 Prob F statistic 0 000001 7 Dependent Variable Y Method Least Squares Date 12 28 15 Time 21 10 Sample 1990 2013 Included observations 24 Variable Coefficien t Std Error t Statistic Prob C 31636 64 7732 436 4 091419 0 0005 X1 0 641034 0 069329 9 246298 0 0000 X3 0 186325 0 011061 16 84505 0 0000 R squared 0 937277 Mean dependent var 49317 62 Adjusted R squared 0 931303 S D dependent var 4867 060 S E of regression 1275 661 Akaike info criterion 17 25679 Sum squared resid 34173555 Schwarz criterion 17 40404 Log likelihood 204 0814 F statistic 156 9019 Durbin Watson stat 1 001388 Prob F statistic 0 000000 8 Dependent Variable Y Method Least Squares Date 12 28 15 Time 21 11 Sample 1990 2013 Included observations 24 Variable Coefficien t Std Error t Statistic Prob C 36341 26 5989 460 6 067536 0 0000 X2 1 587586 2 844212 0 558181 0 5826 X3 0 100949 0 112961 0 893659 0 3816 R squared 0 686571 Mean dependent var 49317 62 Adjusted R squared 0 656721 S D dependent var 4867 060 S E of regression 2851 611 Akaike info criterion 18 86562 Sum squared resid 1 71E 08 Schwarz criterion 19 01288 Log likelihood 223 3875 F statistic 23 00044 Durbin Watson stat 0 471671 Prob F statistic 0 000005