計(jì)量經(jīng)濟(jì)學(xué)糧食產(chǎn)量論文

1、計(jì)量經(jīng)濟(jì)學(xué) (論文)題目:專 業(yè): 統(tǒng)計(jì)學(xué) 姓 名: 學(xué) 號(hào): 指導(dǎo)教師: 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院 2011年11月17日論 文重慶糧食產(chǎn)量研究 摘要  本文根據(jù)中國(guó)農(nóng)業(yè)信息網(wǎng)的相關(guān)統(tǒng)計(jì)數(shù)據(jù)在建立計(jì)量經(jīng)濟(jì)學(xué)模型的基礎(chǔ)上，分析探討了重慶糧食總產(chǎn)量的影響因素，進(jìn)行了統(tǒng)計(jì)分析和經(jīng)濟(jì)意義分析，并提出了一些政策建議。關(guān)鍵詞  因素分析  參數(shù)檢驗(yàn)  糧食總產(chǎn)量 引言 糧食是人類生存最基本的生活消費(fèi)品，一個(gè)國(guó)家的糧食問(wèn)題是關(guān)系到本國(guó)的國(guó)計(jì)民生的頭等大事。我們知道，農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)，糧食是基礎(chǔ)的基礎(chǔ)，因此糧食生產(chǎn)是關(guān)系到一個(gè)國(guó)家生存與發(fā)展的一個(gè)永恒的主題。建國(guó)以來(lái)我國(guó)

2、的糧食產(chǎn)量多次出現(xiàn)了波動(dòng)，這不僅制約了國(guó)民經(jīng)濟(jì)的發(fā)展，而且給糧食生產(chǎn)者和消費(fèi)者都帶來(lái)了極為不利的影響。分析近幾十年來(lái)的重慶糧食產(chǎn)量并從中發(fā)現(xiàn)一些規(guī)律，有助于我們認(rèn)識(shí)重慶糧食產(chǎn)量的現(xiàn)狀。重慶糧食產(chǎn)業(yè)現(xiàn)狀：從改革開放到重慶直轄，重慶糧食無(wú)論是從總產(chǎn)量的增長(zhǎng)速度來(lái)考察，還是以單位面積產(chǎn)量的增長(zhǎng)速度來(lái)分析，都取得了長(zhǎng)足的發(fā)展。重慶糧食通過(guò)1978-1997年的快速發(fā)展，在糧食播種面積由4766萬(wàn)畝下降到4323萬(wàn)畝的情況下,糧食總產(chǎn)由1978年的814.7萬(wàn)噸,增加到1997年的1185萬(wàn)噸，人均糧食占有量達(dá)到389公斤，在人均耕地不足全國(guó)的2/3的情況下，人均糧食占有量接近全國(guó)平均水平，不僅徹底扭轉(zhuǎn)

3、了長(zhǎng)期口糧缺乏的局面，總體上還表現(xiàn)出自給有余。到1997年，本地消費(fèi)已呈現(xiàn)相對(duì)飽和狀態(tài)，糧食市場(chǎng)還出現(xiàn)了一定程度的“賣難”，糧食生產(chǎn)的首要目的，維持基本生存，滿足消費(fèi)需求的歷史使命已基本完成。此時(shí)糧食生產(chǎn)的品質(zhì)構(gòu)成難以適應(yīng)消費(fèi)需求的矛盾開始顯現(xiàn)，于是對(duì)主要糧食產(chǎn)品生產(chǎn)進(jìn)行結(jié)構(gòu)調(diào)整成了當(dāng)務(wù)之急。通過(guò)近些年來(lái)各級(jí)政府和農(nóng)業(yè)部門在糧油結(jié)構(gòu)調(diào)整方面的艱苦努力，主動(dòng)調(diào)減糧食特別是低質(zhì)低效糧食播種面積，保持糧食總產(chǎn)量相對(duì)穩(wěn)定，糧食的品種結(jié)構(gòu)和品質(zhì)結(jié)構(gòu)發(fā)生了很大變化。糧食為全市農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整也提供了有力的支撐。我市糧食產(chǎn)業(yè)存在的三個(gè)問(wèn)題 ：（一）、糧食的基礎(chǔ)性日益被掩蓋，而低效性、弱質(zhì)性日益明

4、顯,糧食的重要性容易被談化。（二）、我市糧食供需缺口較大，并且呈不斷增大的趨勢(shì)。（三）、糧食增產(chǎn)的潛力大，難度也大。 重慶是農(nóng)業(yè)大市，也是糧食消費(fèi)大市，在我們這樣一個(gè)城鄉(xiāng)居民收入水平不高，商品經(jīng)濟(jì)不很發(fā)達(dá)的特殊城市里，確保本地糧食的基本消費(fèi)需求仍十分重要的，糧食安全工作必須抓緊抓好。 鑒于糧食在國(guó)民經(jīng)濟(jì)中有如此重要的作用，我們想通過(guò)計(jì)量經(jīng)濟(jì)學(xué)的方法來(lái)分析一下影響重慶糧食總產(chǎn)量與有效灌溉率、農(nóng)用機(jī)械總動(dòng)力、農(nóng)用化肥施用量之間的關(guān)系。從而得到重慶市糧食產(chǎn)量現(xiàn)狀，3個(gè)因素對(duì)糧食產(chǎn)量的影響，以及解決我市糧食問(wèn)題的方法。 1II二 模型的設(shè)定及其估計(jì) 經(jīng)分析,影響糧食產(chǎn)量的主要因素為農(nóng)業(yè)化肥施

5、用量，糧食播種面積，成災(zāi)面積，農(nóng)業(yè)機(jī)械總動(dòng)力，農(nóng)業(yè)勞動(dòng)力(X5)。為此設(shè)定了如下形式的計(jì)量經(jīng)濟(jì)模型： 其中，為第年的糧食產(chǎn)量（萬(wàn)噸），X1為農(nóng)業(yè)化肥施用量（萬(wàn)公斤），X2為糧食播種面積（千公頃），X3為成災(zāi)面積（公頃），X4為農(nóng)業(yè)機(jī)械總動(dòng)力（萬(wàn)千瓦），X5為農(nóng)業(yè)勞動(dòng)力（萬(wàn)人）。年份糧食產(chǎn)量Y（萬(wàn)噸）農(nóng)業(yè)化肥施用量X1（萬(wàn)公斤）糧食播種面積X2（千公頃）受災(zāi)面積X3（公頃）農(nóng)業(yè)機(jī)械總動(dòng)力X4（萬(wàn)千瓦）農(nóng)業(yè)勞動(dòng)力X5（萬(wàn)人）1983387281659.811404716209.31802231645.11984407311739.811288415264.01949731685.019853791

6、11775.810884522705.32091330351.51986391511930.611093323656.02295030467.01987402081999.311126820392.72483630870.01988394082141.511012323944.72657531455.71989407552357.111220524448.72806732440.51990446242590.311346617819.32870833330.41991435292806.111231427814.02938934186.31992442642930.211056025894.7

7、3030834037.01993456493151.911050923133.03181733258.21994445103317.910954431383.03380232690.31995466623593.711006022267.03611832334.51996504543827.911254821233.03854732260.41997494173980.711291230309.04201632434.91998512304083.711378725181.04520832626.41999508394124.311316126731.04899632911.820004621

8、84146.410846334374.05257432797.5 根據(jù)上述表格，得到1983年到2000年的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析。 利用Eviews軟件，我們可以作出糧食產(chǎn)量Y，與其影響因素X1、 X2 、X3、 X4、 X5之間的多元回歸模型，結(jié)果如表所示：表1Dependent Variable: YMethod: Least SquaresDate: 10/20/11 Time: 15:47Sample: 1983 2000Included observations: 18VariableCoefficientStd. Errort-StatisticProb.  C-1

9、2815.7514078.90-0.9102800.3806X16.2125620.7408818.3853730.0000X20.4213800.1269253.3199190.0061X3-0.1662600.059229-2.8070650.0158X4-0.0977700.067647-1.4452990.1740X5-0.0284250.202357-0.1404710.8906R-squared0.982798    Mean dependent var44127.11Adjusted R-squared0.975630  

10、;  S.D. dependent var4409.100S.E. of regression688.2984    Akaike info criterion16.16752Sum squared resid5685056.    Schwarz criterion16.46431Log likelihood-139.5077    F-statistic137.1164Durbin-Watson stat1.810512  

11、0; Prob(F-statistic)0.000000由回歸結(jié)果可以估計(jì)出即 （0.059229）（0.067647）（0.202357） （-2.807065）（-1.445299）（-0.140471） DW=1.810512對(duì)于回歸模型的殘差圖為下圖：圖1三、模型檢驗(yàn)（一）經(jīng)濟(jì)意義檢驗(yàn) 模型估計(jì)結(jié)果，可以的出參數(shù)估計(jì)值，模型估計(jì)結(jié)果說(shuō)明，在假定其他變量不變的情況下，當(dāng)農(nóng)業(yè)化肥施用量X1每增加1萬(wàn)公斤，平均說(shuō)來(lái)糧食產(chǎn)量會(huì)增加6.212562萬(wàn)噸；在假定其他變量不變的情況下，當(dāng)糧食播種面積X2增加1千公頃，平均說(shuō)來(lái)糧食產(chǎn)量會(huì)增加0.42138萬(wàn)噸；在假定其他變量不變的情況下，當(dāng)成

12、災(zāi)面積X3增加1公頃，平均說(shuō)來(lái)糧食產(chǎn)量會(huì)減少0.16626萬(wàn)噸；當(dāng)農(nóng)業(yè)機(jī)械總動(dòng)力X4，平均說(shuō)來(lái)糧食產(chǎn)量會(huì)減少0.09777萬(wàn)噸；當(dāng)農(nóng)業(yè)勞動(dòng)力X5，平均說(shuō)來(lái)糧食產(chǎn)量會(huì)減少0.028425萬(wàn)噸；其中，通過(guò)經(jīng)驗(yàn)可看出農(nóng)業(yè)機(jī)械總動(dòng)力（X4），農(nóng)業(yè)勞動(dòng)力(X5)系數(shù)符號(hào)與預(yù)期相反。（二）統(tǒng)計(jì)檢驗(yàn) 1.擬合優(yōu)度：由表1中數(shù)據(jù)可以得到，該模型的可決系數(shù)=0.982798，修正的可決系數(shù)為=0.97563，這說(shuō)明整體模型對(duì)樣本的擬合程度很好。 2. F檢驗(yàn)：在給定顯著性水平時(shí)，由表1可知F檢驗(yàn)值為137.1164，說(shuō)明該回歸方程明顯顯著，即“農(nóng)業(yè)化肥施用量”、“ 糧食播種面積”“ 成災(zāi)面積”“ 農(nóng)業(yè)機(jī)械總動(dòng)力

13、”“ 農(nóng)業(yè)勞動(dòng)力”等變量聯(lián)合起來(lái)確實(shí)對(duì)糧食產(chǎn)量有顯著影響。3. t檢驗(yàn)：分別對(duì)=0進(jìn)行t檢驗(yàn)，在在給定顯著性水平時(shí)，其中X4、 X5的系數(shù)t檢驗(yàn)不顯著，也就是說(shuō)在其他解釋變量不變的情況下，解釋變量“農(nóng)業(yè)化肥施用量”、“ 糧食播種面積”“ 成災(zāi)面積”分別對(duì)被解釋變量糧食產(chǎn)量有顯著影響，而解釋變量“ 農(nóng)業(yè)機(jī)械總動(dòng)力”“ 農(nóng)業(yè)勞動(dòng)力”對(duì)被解釋變量糧食產(chǎn)量沒(méi)有顯著影響。（三）計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)并修正 1.1多重共線性檢驗(yàn) 現(xiàn)在通過(guò)計(jì)算各變量之間的相關(guān)系數(shù)矩陣來(lái)檢驗(yàn)是否存在嚴(yán)重的多重共線性。得出相關(guān)系數(shù)矩陣，如下表：表2X1X2X3X4X5X110.01180.64010.96020.5454X20.011

14、81-0.4549-0.03850.1824X30.6402-0.454910.68960.3557X40.9603-0.038520.689610.4542X50.54550.18240.35570.45411由表2可以看出，各解釋變量相互之間的相關(guān)系數(shù)較高，證實(shí)確實(shí)存在嚴(yán)重的多重共線性。1.2多重共線性的修正 采用逐步回歸的方法，去檢驗(yàn)和解決多重共線性。分別作出糧食產(chǎn)量Y，與其影響因素X1、 X2 、X3、 X4、 X5的一元回歸，結(jié)果如下表：表3變量X1X2X3X4X5參數(shù)估計(jì)值4.5761150.6988800.3499780.3799672.239614統(tǒng)計(jì)量11.492021.13

15、95901.7429066.9785872.6587620.8919410.0750730.1595630.7527070.3064290.8851870.0172650.1070360.737250.263081由圖可以看出，其中X1的=0.885187最大，一元回歸模型估計(jì)的最好。故先以X1為基礎(chǔ)，順次加入其他變量逐步回歸。結(jié)果如下表所示：表4 變量變量X1X2X3X4X5X1,X24.561055 (18.46632)0.670491(5.156760)0.955833X1，X35.654330 (5.654330)-0.304546 (-5.394803)0.958348X1，X46.

16、925938(5.201597)-0.221178(-1.837792)0.900040X1，X54.431559(9.120625)0.22128 (0.545442)0.879914經(jīng)比較，新加入的X3（即成災(zāi)面積）的方程，=0.958348，改進(jìn)很大，且當(dāng)，其中X1，X3的t檢驗(yàn)值都明顯顯著，而加入X4、X5后，其參數(shù)檢驗(yàn)不顯著，故選擇保留X3，再加入其他新變量逐步回歸，結(jié)果如下表所示：表5變量變量X1X2X3X4X5X1，X3，X25.255935(19.56828)0.408432(3.348522)-0.194609(-3.568637)0.975220X1，X3，X46.4838

17、98(7.514690)-0.282914(-4.706320)-0.085292(-1.031006)0.958522X1，X3，X55.503185(15.7862)-0.30510(-5.397287)0.234429(0.979773)0.958237 由上表可知，在X1，X3基礎(chǔ)上加入X2（糧食播種面積）后的方程的=0.975220，有所改善，且當(dāng)，其X1、X2、X3的各t檢驗(yàn)值明顯顯著；而加入X4后，有所改善，然而X4參數(shù)檢驗(yàn)不顯著，而且X4參數(shù)的符號(hào)也變得不合理；而加入X5后，有所下降，并且X4參數(shù)檢驗(yàn)也不顯著。然而為進(jìn)一步檢驗(yàn)多重共線性，所以保留X2，再加入其他新變量再進(jìn)行逐步

18、回歸，結(jié)果如下表所示：表6變量變量X1X2X3X4X5X1，X2，X3，X46.167476(9.605468)0.416026(3.573713)-0.168603(-3.085344)-0.094481(-1.54817)0.977468X1，X2，X3，X55.221724(17.85555)0.395401(3.022900)-0.198291(-3.467832)0.072778(0.368223)0.973589由上表可以看出，在X1、X2、X3的基礎(chǔ)上，再加入X4（農(nóng)業(yè)機(jī)械總動(dòng)力）后，=0.977468有所增加，然而，其中X4參數(shù)的t檢驗(yàn)不顯著；加入X5（農(nóng)業(yè)勞動(dòng)力）后，=0.9

19、73589有所下降，并且X5參數(shù)的t檢驗(yàn)不顯著。從相關(guān)系數(shù)也可以看出，X4、X5與其他變量的相關(guān)系數(shù)較高，這說(shuō)明主要是X4、X5引起的多重共線性，予以剔除。 最后綜上所述，修正嚴(yán)重多重共線性影響后的回歸結(jié)果為 t = （19.56828） （3.348522） （-3.568637）=0.979593，=0.975220， F=224.0086 DW=1.5286582.1異方差的檢驗(yàn) 1.圖形法：分別做出殘差平方對(duì)“農(nóng)業(yè)化肥施用量X1”、“ 糧食播種面積X2”“ 成災(zāi)面積X3”“ 農(nóng)業(yè)機(jī)械總動(dòng)力X4”“ 農(nóng)業(yè)勞動(dòng)力X5”的散點(diǎn)圖。如下圖所示：圖2圖3圖4圖5圖6由上圖可以看出，隨著X1、X2

20、、X3、X4、X5的增加，殘差的平方變動(dòng)沒(méi)有太大的趨勢(shì)。因此，模型很可能不存在異方差，但是這僅僅是在定性的角度下看出這種趨勢(shì)，但是否確實(shí)存在異方差還應(yīng)通過(guò)進(jìn)一步的檢驗(yàn)。 2.ARCH檢驗(yàn)為了進(jìn)一步檢驗(yàn)?zāi)Ｐ偷漠惙讲钚裕扇RCH檢驗(yàn)方法，先做出輔助函數(shù)如下： 其中為的估計(jì)。對(duì)此函數(shù)做滯后兩階的回歸分析：表7ARCH Test:F-statistic0.422077    Probability0.664355Obs*R-squared0.975608    Probability0.613973Test Equat

21、ion:Dependent Variable: RESID2Method: Least SquaresDate: 11/17/11 Time: 23:24Sample (adjusted): 1985 2000Included observations: 16 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C266032.1102978.52.5833750.0227RESID2(-1)-0.2349170.273860-0.8578020.4065RESID2(-2)-0.0523970.1

22、36969-0.3825440.7082R-squared0.060976    Mean dependent var203907.8Adjusted R-squared-0.083490    S.D. dependent var288571.0S.E. of regression300375.9    Akaike info criterion28.23082Sum squared resid1.17E+12    Schwarz

23、criterion28.37568Log likelihood-222.8465    F-statistic0.422077Durbin-Watson stat2.112260    Prob(F-statistic)0.664355從上述結(jié)果中，可以得到，其概率P值為0.613973，在顯著性水平為0.05的情況下，概率P值大于顯著性水平，故接受原假設(shè)，表明模型中的隨機(jī)擾動(dòng)項(xiàng)確實(shí)不存在異方差。3.1自相關(guān)的檢驗(yàn) 1.圖示檢驗(yàn)法 對(duì)給定的回歸模型直接用回歸模型直接用普通最小二乘法估計(jì)其參數(shù)，求出殘差項(xiàng)，與其滯后一

24、項(xiàng)做散點(diǎn)圖。圖7由圖形可以看出大部分點(diǎn)都落在右上角，表明隨機(jī)誤差項(xiàng)可能存在自相關(guān)性。2.DW檢驗(yàn) 由修正嚴(yán)重多重共線性影響后的回歸結(jié)果為 t = （19.56828） （3.348522） （-3.568637）=0.979593，=0.975220， F=224.0086 DW=1.528658該回歸方程可決系數(shù)較高，且回歸系數(shù)均顯著 。對(duì)一個(gè)樣本量為18，三個(gè)解釋變量的模型，在0.05的顯著性水平，查DW統(tǒng)計(jì)表可知，=0.933, =1.696,模型中<DW<,則在糧食產(chǎn)量模型中是否有自相關(guān)不能確定。但從殘差圖中可以看出可能存在自相關(guān)。如下圖所示：圖83.2自相關(guān)的修正 我們?cè)?/p>

25、此假設(shè)隨機(jī)擾動(dòng)項(xiàng)存在自相關(guān)，下面我們用廣義差分法做最后的修正。由模型可得殘差序列e，使用e進(jìn)行滯后一期的自回歸，可得如下結(jié)果： 表8Dependent Variable: EMethod: Least SquaresDate: 11/18/11 Time: 00:04Sample (adjusted): 1984 2000Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  E(-1)-0.0343110.234566-0.1462760.8855R

26、-squared-0.025644    Mean dependent var84.91840Adjusted R-squared-0.025644    S.D. dependent var532.5462S.E. of regression539.3313    Akaike info criterion15.47556Sum squared resid4654052.    Schwarz criterion15.52457Log

27、 likelihood-130.5423    Durbin-Watson stat1.435730由表8可知?dú)埐顪笠豁?xiàng)的自回歸方程：由殘差自回歸方程得到：，對(duì)原模型進(jìn)行廣義差分，得到廣義差分方程：對(duì)此廣義差分方程進(jìn)行回歸，結(jié)果如下：表9Dependent Variable: Y+0.034311*Y(-1)Method: Least SquaresDate: 11/18/11 Time: 00:20Sample (adjusted): 1984 2000Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C-22794.2511856.66-1.9224840.0767X1+0.034311*X1(-1)5.0861680.21520223.634340.0000X2+0.034311*X2(-1)0.5040470.1001525.0328210.0002X3+0.034311*X3(-1)-0.1947520.043103-4.5183