計量經濟學論文正稿

1、 中國糧食總產量多因素分析 專業(yè)年級： 13金融（2）班 學號： 0 ： 昊 摘要：本文選取1990年到2013年的相關數據，應用計量經濟學所學知識對根據經濟理論選取的影響我國糧食產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的經濟學知識。關鍵詞：糧食產量 糧食播種面積 農用機械總動力 有效灌溉面積 農業(yè)化肥使用量1、 文獻綜述農業(yè)作為我國最基礎的產業(yè)，農產品的每年的產量直接關系著我們的民生，故而糧食的產量一直是我們最關心的。影響因素的分析首先，糧食作為農作物，其產量肯定會受到農用化肥施用量條件的影響其次，我認為糧食的播種面積對于糧食產量也有一些影響最后，農

2、業(yè)機械總動力也是影響糧食產量的一大重要因素二、數據收集與模型的建立（一）數據收集 1983年2009年中國糧食生產與相關投入的資料（表1）年份糧食總產量Y糧食耕種面積(x1)農用化肥施用量(x2)農業(yè)機械總動力(x3)1990446241134662590.3287081991435291123142805.1293891992442641105602930.2303081993456491105093151.9318171994445101095443317.9338021995466621100603593.7361181996504541125483827.938547199749417

3、1129123980.7420161998512301137874083.7452081999508391131614124.3489962000462181084634146.4525742001452641060804253.8551722002457061038914339.457930200343070994104411.6603872004469471016064636.6640282005484021042784766.2683982006498041049584927.7725222007501601056385107.876590200852871106793523982190

4、2009530821089865404.4874962010546481098765561.7927802011571211105735704.2977352012589581112055838.81025602013601941119565911.9103907（二）模型設計為了具體分析各要素對我國糧食產量影響的大小，我們可以用糧食總產量（y）作為衡量，代表糧食發(fā)展；用糧食耕種面積（x1）、農用化肥施用量(x2)以與農業(yè)機械總動力（x3）。運用這些數據進行回歸分析。采用的模型如下：y= 1+2x1+3x2+4x3+ui其中，y代表糧食總產量，x1代表糧食耕種面積，x2代表農用化肥施用量，x3

5、代表農業(yè)機械總動力，ui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量的變動關系。三、模型估計和檢驗（一）模型初始估計（表二）Dependent Variable: YMethod: Least SquaresDate: 12/21/15 Time: 16:27Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-44644.146601.867-6.7623500.0000X10.6841160.05311312.880430.0000X24.

6、0429710.9747514.1476970.0005X30.0310320.0383520.8091310.4280R-squared0.966281 Mean dependent var49317.62Adjusted R-squared0.961223 S.D. dependent var4867.060S.E. of regression958.4155 Akaike info criterion16.71945Sum squared resid18371206 Schwarz criterion16.91579Log likelihood-196.6334 F-statistic1

7、91.0450Durbin-Watson stat1.534928 Prob(F-statistic)0.000000回歸函數為： （6601.867） （0.053113） （0.974751） （0.038352）T=（-6.762350） （12.88043） （4.147697） （0.809131）（2） 多重共線性檢驗相關系數矩陣（表三）X1X2X3X11-0.1-0.X2-0.110.5X3-0.0.51根據多重共線性檢驗，解釋變量之間可能存在著線性相關。為了進一步了解多重共線性的性質，我們可以做輔助回歸。（表四）被解釋變量可決系數R2的值方差擴大因子X10.090191.099

8、13X20.95640922.9405X30.95558322.6398由上表可以得知，輔助回歸的可決系數很高，經驗表明，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重的多重共線性，這里的x2、x3的方差擴大因子遠大于10，表明存在嚴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，意愿回歸結果如下表（表五）變量X1X2X3參數估計值0.3696284.0710710.162556t統(tǒng)計量1.4728006.7542466.867695R20.0897480.6746520.6819210.04

9、83730.6598630.667463(表六)X1X2X3X1、X30.641034（9.246298）0.186325（16.84505）0.937277X2、X31.587586(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果如下：剔除X2。（表七）Dependent Variable: YMethod: Least SquaresDate: 12/25/15 Time: 10:06Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort

10、-StatisticProb. C-31636.647732.436-4.0914190.0005X10.6410340.0693299.2462980.0000X30.1863250.01106116.845050.0000R-squared0.937277 Mean dependent var49317.62Adjusted R-squared0.931303 S.D. dependent var4867.060S.E. of regression1275.661 Akaike info criterion17.25679Sum squared resid34173555 Schwarz

11、criterion17.40404Log likelihood-204.0814 F-statistic156.9019Durbin-Watson stat1.001388 Prob(F-statistic)0.000000修正后方程為(7732.436) (0.069329) (0.011061)T= (-4.091419) (9.246298) (16.84505)（三）異方差檢驗（表八）ARCH Test:F-statistic0.037667 Probability0.847978Obs*R-squared0.041181 Probability0.839189Test Equatio

12、n:Dependent Variable: RESID2Method: Least SquaresDate: 12/24/15 Time: 18:58Sample(adjusted): 1991 2013Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C1280357.504218.42.5392910.0191RESID2(-1)0.0415310.2139870.1940810.8480R-squared0.001790 Mean depende

13、nt var1341173.Adjusted R-squared-0.045743 S.D. dependent var1852594.S.E. of regression1894492. Akaike info criterion31.82974Sum squared resid7.54E+13 Schwarz criterion31.92848Log likelihood-364.0420 F-statistic0.037667Durbin-Watson stat1.986528 Prob(F-statistic)0.847978由上表可以得知，（n-p）=0.041181，給定顯著性水平

14、為0.05，查分布表得臨界值（p）=5.9915>（n-p）,則接受原假設，表明模型中的隨機誤差項不存在異方差。（四）自相關檢驗（表九）Dependent Variable: YMethod: Least SquaresDate: 12/25/15 Time: 10:06Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-31636.647732.436-4.0914190.0005X10.6410340.0693299.2462980.0000X30.1863

15、250.01106116.845050.0000R-squared0.937277 Mean dependent var49317.62Adjusted R-squared0.931303 S.D. dependent var4867.060S.E. of regression1275.661 Akaike info criterion17.25679Sum squared resid34173555 Schwarz criterion17.40404Log likelihood-204.0814 F-statistic156.9019Durbin-Watson stat1.001388 Pr

16、ob(F-statistic)0.000000(7732.436) (0.069329) (0.011061)T= (-4.091419) (9.246298) (16.84505)查DW表可知，dl=1.188，du=1.546,模型中DW<dl，顯然有自相關。（表十）殘差的變動有系統(tǒng)模式，連續(xù)為正和連續(xù)為負，表明殘差項存在一階自相關。對模型進行BG檢驗，用Eviews分析結果如下：（表十一）Breusch-Godfrey Serial Correlation LM Test:F-statistic2.642994 Probability0.097113Obs*R-squared5.2

17、23742 Probability0.073397Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/24/15 Time: 19:24VariableCoefficientStd. Errort-StatisticProb. C1247.5647284.9980.1712510.8658X1-0.0114660.065346-0.1754620.8626X30.0001740.0102860.0169140.9867RESID(-1)0.5170860.2287092.2608930.0357RESID(-

18、2)-0.1401580.230260-0.6086960.5499R-squared0.217656 Mean dependent var-4.21E-12Adjusted R-squared0.052952 S.D. dependent var1218.937S.E. of regression1186.225 Akaike info criterion17.17799Sum squared resid26735479 Schwarz criterion17.42342Log likelihood-201.1359 F-statistic1.321497Durbin-Watson stat

19、1.906529 Prob(F-statistic)0.297918由上表顯示LM=TR2=5.223742，其p值為0.073397，表明存在自相關。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進行分析所得結果如下：Dependent Variable: YMethod: Least SquaresDate: 12/24/15 Time: 19:38Sample(adjusted): 1991 2013Included observations: 23 after adjusting endpointsConvergence achieved after 1

20、0 iterationsVariableCoefficientStd. Errort-StatisticProb. C-39779.1510686.99-3.7222020.0014X10.7219490.0973507.4160450.0000X30.1791840.0184359.7199340.0000AR(1)0.4884590.1835412.6613060.0154R-squared0.956230 Mean dependent var49521.70Adjusted R-squared0.949319 S.D. dependent var4870.329S.E. of regre

21、ssion1096.434 Akaike info criterion16.99428Sum squared resid22841163 Schwarz criterion17.19176Log likelihood-191.4343 F-statistic138.3617Durbin-Watson stat2.032169 Prob(F-statistic)0.000000Inverted 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<4-du,說明無自相關。AR(1)=0.488459 (10686.9

22、9) (0.097350) (0.018435)T= (-3.722202) (7.416045) (9.719934)（五）時間序列的平穩(wěn)檢驗：（表十三）ADF Test Statistic-3.230277 1% Critical Value*-2.6756 5% Critical Value-1.9574 10% Critical Value-1.6238*MacKinnon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent V

23、ariable: D(E)Method: Least SquaresDate: 12/24/15 Time: 19:47Sample(adjusted): 1992 2013Included observations: 22 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. E(-1)-0.6891400.213338-3.2302770.0042D(E(-1)0.0983720.2016690.4877870.6310R-squared0.364916 Mean dependent var136.81

24、52Adjusted R-squared0.333162 S.D. dependent var1264.449S.E. of regression1032.551 Akaike info criterion16.80396Sum squared resid21323242 Schwarz criterion16.90315Log likelihood-182.8436 Durbin-Watson stat1.989449 經檢驗，表明殘差序列不存在單位根，是平穩(wěn)序列。經濟意義檢驗：所估計的參數 分別為-39779.15、0.721949、0.488459從經濟學意義上來說，我國糧食產量y與農業(yè)

25、農用機械總動力x3正相關，與糧食耕種面積(x1)成負相關。1、 擬合優(yōu)度檢驗（eviews表在附錄里最后一表）可決系數，=0.949319，這說明所建模型整體上對樣本數據擬合較好，即解釋變量 “糧食耕種面積”和“農用化肥施用量”對被解釋變量“糧食總產量”的絕大部分差異作了解釋。2、F檢驗 針對H0：1=2=0，給定顯著性水平=0.05，在F分布表中查出自由度為k12和nk20的臨界值F（2,20）3.49，由表中得到F138.3617F（2，20）3.49，應拒絕原假設H0：1=2=0，說明回歸方程顯著，解釋變量 “糧食耕種面積”和“農用化肥施用量”對被解釋變量“

26、糧食總產量”有顯著影響。3、t檢驗 針對H0： =0，和 H0=0，由上表可以看出，t（ ）=-3.722202，t（ ）=7.416045，t()=9.719934，取a=0.05，查表 （20）=2.086.因為t（ ）> （20） ，所以拒絕H0： =0，因為t（ ）> （20） ，所以拒絕H0： =0，因為t（ ）< （20） ,所以接受H0 ： =0。對斜率系數的顯著性表明，解釋變量 “糧食耕種面積”和“農用化肥施用量”對被解釋變量“糧食總產量”有顯著影響。四、結論分析和政策建議（一）主要結論1）從模型可以看出農民對化肥的投入量，即模型中的化肥施

27、用量，是影響糧食總產量增產的最顯著因素，說明我國目前農業(yè)生產中，農民對農業(yè)的投入所產生的效益最大。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的。3）農業(yè)機械化是農業(yè)現(xiàn)代化的重要容和主要標志之一，而通過對模型的回歸分析，可看出我國的農業(yè)機械化程度是較低的，對我國的糧食總產量增產貢獻十分低下。（二）政策建議1）首先，在短期為緩解糧食供應緊，應提高農民種糧的積極性擴大糧食耕種面積，這是增加糧食總產量的唯一辦法。農民積極性主要取決于種糧食的收益與其預期，收益則是賣糧收入與成本的差額。因此，應該雙管齊下，穩(wěn)定并提高糧食價格，控制農用物資

28、價格的過快增長，在涉農物資上實行嚴格的價格管制，控制種糧的成本。在提高農民積極性的同時，也得以增加了化肥的施用量，在一定程度上，影響糧食總產量的增產。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。從我國糧食生產的發(fā)展來看,總產量的增長主要取決于單位面積產量的提高。而單位面積產量直接決定于農戶的資本和勞動投入,即農戶的種糧積極性;同時受經濟體制和政策、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格的耕地保護制度，控制非農業(yè)占地，建立基本農田保護區(qū)，確?；巨r田總量不減少、質量不下降。一方面要加強對

29、現(xiàn)有耕地的開發(fā)，通過進一步改進耕作制度和應用優(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，關鍵是要提高化肥的利用率。3）我國現(xiàn)在農業(yè)機械化程度遠遠不能滿足現(xiàn)代農業(yè)發(fā)展的需求，要實現(xiàn)農業(yè)現(xiàn)代化，必須在以下各方面積極穩(wěn)妥地推進農業(yè)機械化的發(fā)展：要把主要農產品生產過程機械化和產業(yè)化經營有機結合起來；對農業(yè)機械化進行結構性調整；因地制宜，有重點的推薦地區(qū)農業(yè)機械化；大力促進農業(yè)技術進步，重視農村的基礎教育；建立與農業(yè)機械化相適應的農村經濟

30、體制。縱觀中國農村現(xiàn)狀，與其他產業(yè)相比，農業(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，實現(xiàn)機械化、規(guī)?；a是保證我國農業(yè)健康發(fā)展的必有之路。參考文獻1、龐皓，計量經濟學，西南財經大學，2014年6月第三版2、周四軍，對我國糧食生產影響因素的計量分析，統(tǒng)計與決策，2003年3、慧江，基于回歸分析的糧食產量影響因素分析，學院學報，2009年4、呂美巧、馬廣，農業(yè)機械化發(fā)展影響因素分析與評價，農機化研究, 2008年5、妍，中國糧食生產影響因素與地區(qū)差異分析，經濟研究導刊，2009年附錄1Dependent Variable: X1Method: Least SquaresDate: 12

31、/22/15 Time: 09:24Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort-StatisticProb.  C118379.68270.69614.313140.0000X2-3.5891343.927502-0.9138470.3712X30.1022010.1559860.6551940.5195R-squared0.090190    Mean dependent var108857.3Adjusted R-squared0

32、.003541    S.D. dependent var3944.710S.E. of regression3937.719    Akaike info criterion19.51106Sum squared resid3.26E+08    Schwarz criterion19.65832Log likelihood-231.1327    Hannan-Quinn criter.19.55013F-statistic1.04

33、0870    Durbin-Watson stat0.291206Prob(F-statistic)0.3706662Dependent Variable: X2Method: Least SquaresDate: 12/22/15 Time: 09:14Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort-StatisticProb.  C3217.3121300.5632.4737840.0220X1-0.0106560.011661-0

34、.9138470.3712X30.0384110.00186020.646100.0000R-squared0.956409    Mean dependent var4360.633Adjusted R-squared0.952257    S.D. dependent var981.9691S.E. of regression214.5609    Akaike info criterion13.69153Sum squared resid966764.0 &#

35、160;  Schwarz criterion13.83879Log likelihood-161.2984    Hannan-Quinn criter.13.73060F-statistic230.3753    Durbin-Watson stat0.212818Prob(F-statistic)0.0000003Dependent Variable: X3Method: Least SquaresDate: 12/22/15 Time: 09:15Sample: 1990 2013Inc

36、luded observations: 24VariableCoefficientStd. Errort-StatisticProb.  C-69567.6734359.53-2.0246980.0558X10.1960100.2991630.6551940.5195X224.812071.20178020.646100.0000R-squared0.955583    Mean dependent var59965.75Adjusted R-squared0.951353    S.D. de

37、pendent var24724.62S.E. of regression5453.262    Akaike info criterion20.16228Sum squared resid6.24E+08    Schwarz criterion20.30954Log likelihood-238.9474    Hannan-Quinn criter.20.20135F-statistic225.8983    Durbin-Wat

38、son stat0.198222Prob(F-statistic)0.0000004Dependent Variable: YMethod: Least SquaresDate: 12/22/15 Time: 16:20Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C9080.94527337.040.3321850.7429X10.3696280.2509701.4728000.1550R-squared0.089748 Mean dependent var493

39、17.62Adjusted R-squared0.048373 S.D. dependent var4867.060S.E. of regression4747.883 Akaike info criterion19.84844Sum squared resid4.96E+08 Schwarz criterion19.94661Log likelihood-236.1813 F-statistic2.169140Durbin-Watson stat0.116875 Prob(F-statistic)0.1549695Dependent Variable: YMethod: Least Squa

40、resDate: 12/22/15 Time: 16:27Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C31565.182691.44711.727960.0000X24.0710710.6027436.7542460.0000R-squared0.674652 Mean dependent var49317.62Adjusted R-squared0.659863 S.D. dependent var4867.060S.E. of regression2838.

41、531 Akaike info criterion18.81962Sum squared resid1.77E+08 Schwarz criterion18.91779Log likelihood-223.8354 F-statistic45.61984Durbin-Watson stat0.431896 Prob(F-statistic)0.0000016Dependent Variable: YMethod: Least SquaresDate: 12/22/15 Time: 16:39Sample: 1990 2013Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C39569.811530.63325.851930.0000X30.1625560.0236706.8676950.0000R-squared0.681921 Mean dependen