計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)論文

中國農(nóng)業(yè)總產(chǎn)值及其影響因素的分析 摘要:本文根據(jù)我國農(nóng)業(yè)的現(xiàn)狀，從計(jì)量經(jīng)濟(jì)學(xué)的角度來檢驗(yàn)?zāi)男┮蛩貙?duì)于農(nóng)業(yè)總產(chǎn)值有顯著的影響。根據(jù)計(jì)量經(jīng)濟(jì)學(xué)原理，本文在模型中引入了三個(gè)變量：有效灌溉面積、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)用化肥施用折純量，并收集了中國31個(gè)省2003年的各項(xiàng)指標(biāo)數(shù)據(jù)，利用E-views軟件對(duì)其計(jì)量模型進(jìn)行了參數(shù)估計(jì)和檢驗(yàn)，最后對(duì)所得的分析結(jié)果進(jìn)行了經(jīng)濟(jì)意義的分析，農(nóng)用化肥施用折純量而

關(guān)鍵詞：農(nóng)業(yè)總產(chǎn)值；有效灌溉面積；農(nóng)業(yè)機(jī)械總動(dòng)力；農(nóng)用化肥施用折純量一、引言我國是傳統(tǒng)的農(nóng)業(yè)大國，農(nóng)業(yè)自古以來就是我國的支柱產(chǎn)業(yè)，是我國國民經(jīng)濟(jì)的基礎(chǔ)。我國的經(jīng)濟(jì)結(jié)構(gòu)能否順利調(diào)整，國民經(jīng)濟(jì)能否發(fā)展得更快、更好，在很大程度上取決于農(nóng)業(yè)基礎(chǔ)是否穩(wěn)固。只有加強(qiáng)農(nóng)業(yè)基礎(chǔ)，確保農(nóng)產(chǎn)品供給，才能順利推進(jìn)我國的工業(yè)和城鎮(zhèn)的快速發(fā)展；只有加強(qiáng)農(nóng)業(yè)基礎(chǔ)建設(shè)，使農(nóng)業(yè)發(fā)展、農(nóng)民富裕、農(nóng)村穩(wěn)定，才能保持整個(gè)社會(huì)的長期穩(wěn)定與可持續(xù)發(fā)展。但我國是一個(gè)生產(chǎn)力比較落后的國家，只有研究農(nóng)業(yè)總產(chǎn)值主要受哪些因素影響，才能投入相應(yīng)的對(duì)策，將基礎(chǔ)產(chǎn)業(yè)發(fā)展上去。選此模型的目的就在于分析決定農(nóng)業(yè)生產(chǎn)總值的主要影響因素以及其影響程度，從而對(duì)生產(chǎn)提出一些建設(shè)性意見。文獻(xiàn)綜述農(nóng)業(yè)是我國國民經(jīng)濟(jì)的基礎(chǔ)，直接影響到我國的糧食安全。學(xué)術(shù)界歷來重視對(duì)三農(nóng)問題的研究，并取得了一定的成果。如：林毅夫（1994）、黃少安（2005）等，從制度經(jīng)濟(jì)學(xué)角度研究了我國農(nóng)業(yè)問題，他們認(rèn)為農(nóng)村的經(jīng)濟(jì)體制改革對(duì)我國農(nóng)業(yè)總產(chǎn)出的增加起到了至關(guān)重要的作用。郝利等（2010）運(yùn)用柯布道格拉斯生產(chǎn)函數(shù)，建立了農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率測(cè)算模型，對(duì)北京市1990-2007年農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率進(jìn)行測(cè)算，得出的結(jié)論是北京市1990-2007年農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率為78.32%。在農(nóng)業(yè)總產(chǎn)出方面的研究，也有很多學(xué)者運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)方法進(jìn)行了分析。董梅生（2009）利用偏最小二乘回歸分析方法對(duì)我國農(nóng)業(yè)的投入產(chǎn)出進(jìn)行了分析，認(rèn)為我國農(nóng)業(yè)產(chǎn)出主要受家庭經(jīng)營費(fèi)用支出、國家國家財(cái)政支農(nóng)支出和化肥投入量的影響，受播種面積的影響不大；農(nóng)林牧漁業(yè)從業(yè)人員數(shù)越多，農(nóng)業(yè)產(chǎn)出反而越小。廖翼等（2011）利用時(shí)間序列數(shù)據(jù)建立多元線性回歸模型，對(duì)1986-2008年洞庭湖區(qū)農(nóng)業(yè)總產(chǎn)值進(jìn)行了分析，結(jié)果表明：農(nóng)業(yè)機(jī)械總動(dòng)力、機(jī)耕面積和化肥施用量每增加1%，農(nóng)業(yè)總產(chǎn)值將分別上升1.17%、0.83和0.40%，農(nóng)作物播種面積對(duì)湖區(qū)農(nóng)業(yè)生產(chǎn)的影響不顯著。漆文萍（2005）采用多元回歸方法，對(duì)江西省農(nóng)業(yè)生產(chǎn)總值的影響因素進(jìn)行分析，得出結(jié)論：1970-1998年間，江西農(nóng)業(yè)生產(chǎn)中的科技含量偏低，農(nóng)作物的播種面積對(duì)農(nóng)業(yè)總產(chǎn)值的影響最為顯著，化肥施用量其次，而政府對(duì)農(nóng)業(yè)生產(chǎn)和事業(yè)財(cái)政支持的影響最小。從上述學(xué)者的研究來看，不同時(shí)期、不同地區(qū)以及不同角度下，農(nóng)業(yè)生產(chǎn)總值的影響因素不盡相同，例如，在董梅生的研究中農(nóng)業(yè)總產(chǎn)出受播種面積影響不大，而在漆文萍的研究中，農(nóng)作物播種面積是影響農(nóng)業(yè)總產(chǎn)出的最顯著的變量。同時(shí)，在廖翼等人的研究中，農(nóng)作物的播種面：有效灌溉面積（單位：千公頃）：農(nóng)業(yè)機(jī)械總動(dòng)力（單位：萬千瓦）：農(nóng)用化肥施用折純量（單位：萬噸）5.變量間相關(guān)關(guān)系分析計(jì)算相關(guān)系數(shù)，如表3—2：表3—2中國農(nóng)業(yè)總產(chǎn)值及其影響因素相關(guān)系數(shù)矩陣

YX1X2X3Y

1.000000

0.854972

0.893869

0.919006X1

0.854972

1.000000

0.804146

0.816556X2

0.893869

0.804146

1.000000

0.877528X3

0.919006

0.816556

0.877528

1.000000

從表2中看出，農(nóng)業(yè)總產(chǎn)值（Y）與有效灌溉面積（）的相關(guān)系數(shù)為0.854972，呈高度正相關(guān)，與農(nóng)業(yè)機(jī)械總動(dòng)力()相關(guān)系數(shù)為0.893869，呈高度正相關(guān)，與農(nóng)用化肥施用折純量()的相關(guān)系數(shù)為0.893869，呈高度正相關(guān)。

（3）繪圖圖3—1Y與X1、X2、X3的線圖從圖中可以看出，農(nóng)業(yè)總產(chǎn)值及其影響因素的差異明顯，其變動(dòng)的方向基本相同，相互間可能具有一定的相關(guān)系。圖3—2Y與X1、X2、X3的散點(diǎn)圖從以上三個(gè)散點(diǎn)圖中可以看出，大多數(shù)散點(diǎn)均勻分布在直線的兩側(cè)，說明農(nóng)業(yè)總產(chǎn)值（Y）與有效灌溉面積()、農(nóng)業(yè)機(jī)械總動(dòng)力()、農(nóng)用化肥施用折純量()之間近似于線性關(guān)系。6.模型的參數(shù)估計(jì)Method:LeastSquaresDate:06/24/15Time:21:03Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.

C220.7614124.46941.7736190.0874X10.1752630.0841052.0838580.0468X20.1107920.0525062.1101010.0443X33.7242381.1180913.3308900.0025R-squared0.894734

Meandependentvar1661.205AdjustedR-squared0.883038

S.D.dependentvar1203.481S.E.ofregression411.5873

Akaikeinfocriterion14.99783Sumsquaredresid4573910.

Schwarzcriterion15.18286Loglikelihood-228.4664

Hannan-Quinncriter.15.05815F-statistic76.49777

Durbin-Watsonstat2.267030Prob(F-statistic)0.000000F圖3—3Y與X1、X2、X3的回歸分析結(jié)果運(yùn)用最小二乘估計(jì)法對(duì)模型進(jìn)行估計(jì)，如圖3—3，則回歸結(jié)果為：S.E(124.4694)(0.084105)(0.052506)(1.118091)t(1.773619)(2.083858)(2.110101)(3.330890)F=76.49777DW=2.267030n=31該模型中，可決系數(shù)=0.894734,修正可決系數(shù)=0.883038,這說明模型對(duì)樣本的擬合很好，參數(shù)t檢驗(yàn)均顯著，F(xiàn)檢驗(yàn)也顯著，解釋變量參數(shù)估計(jì)檢驗(yàn)通過，各變量參數(shù)均為正值，說明模型的多重共線性比較弱，不需要修正。但由于各地區(qū)的環(huán)境存在著差異，農(nóng)業(yè)總產(chǎn)值也不同，這種差異使得模型很容易產(chǎn)生異方差，從而影響模型的估計(jì)和應(yīng)用。為此，需對(duì)模型是否存在異方差進(jìn)行檢驗(yàn)。7.模型的檢驗(yàn)異方差①異方差的檢驗(yàn)a.殘差圖形分析圖3—4E2與（i=1,2,3）的散點(diǎn)圖從圖中看出，殘差平方E2隨的增加而增加，表明可能存在異方差，但由于圖形分析對(duì)異方差性的判斷比較粗糙，僅靠圖形判斷很難確定是否存在異方差，因此是否確實(shí)存在異方差還應(yīng)通過進(jìn)一步的檢驗(yàn)。b.White檢驗(yàn)F-statistic3.591375

Prob.F(9,21)0.0075Obs*R-squared18.79124

Prob.Chi-Square(9)0.0270ScaledexplainedSS14.94045

Prob.Chi-Square(9)0.0926TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:06/24/15Time:22:40Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.

C22653.2174650.510.3034570.7645X1105.9626229.35470.4620030.6488X1^2-0.0895490.037311-2.4000890.0257X1*X20.0358840.0453930.7905310.4381X1*X31.5957060.9857161.6188290.1204X2-78.72186126.9909-0.6199020.5420X2^2-0.0263700.013960-1.8889900.0728X2*X30.6700580.5756001.1641040.2574X3725.53081394.2140.5203870.6082X3^2-14.258917.219043-1.9751810.0615R-squared0.606169

Meandependentvar147545.5AdjustedR-squared0.437384

S.D.dependentvar217151.7S.E.ofregression162880.5

Akaikeinfocriterion27.09512Sumsquaredresid5.57E+11

Schwarzcriterion27.55769Loglikelihood-409.9743

Hannan-Quinncriter.27.24591F-statistic3.591375

Durbin-Watsonstat2.208639Prob(F-statistic)0.007539圖3—5white檢驗(yàn)結(jié)果從圖中可以看出，,由White檢驗(yàn)，在α=0.05下，查χ分布表，得臨界值，比較計(jì)算的統(tǒng)計(jì)量與臨界值，因?yàn)?gt;，所以拒絕原假設(shè)，不拒絕備擇假設(shè)，表明模型存在異方差。②異方差的修正運(yùn)用加權(quán)最小二乘法對(duì)模型的異方差進(jìn)行修正，將權(quán)數(shù)取為w=1/ee^2,對(duì)模型進(jìn)行參數(shù)估計(jì)，得到下圖3—6，從圖中知，運(yùn)用加權(quán)最小二乘法消除了異方差后，參數(shù)t檢驗(yàn)均顯著，F(xiàn)檢驗(yàn)也顯著。Method:LeastSquaresDate:06/24/15Time:23:13Sample:131Includedobservations:31Weightingseries:1/EE^2VariableCoefficientStd.Errort-StatisticProb.

C209.18963.59637058.166890.0000X10.1572350.0346414.5390150.0001X20.1322250.01006213.141170.0000X33.5505980.14171025.055410.0000WeightedStatisticsR-squared0.999687

Meandependentvar992.3950AdjustedR-squared0.999652

S.D.dependentvar5188.937S.E.ofregression2.275971

Akaikeinfocriterion4.602605Sumsquaredresid139.8612

Schwarzcriterion4.787635Loglikelihood-67.34037

Hannan-Quinncriter.4.662920F-statistic28734.73

Durbin-Watsonstat1.806726Prob(F-statistic)0.000000UnweightedStatisticsR-squared0.893932

Meandependentvar1661.205AdjustedR-squared0.882147

S.D.dependentvar1203.481S.E.ofregression413.1517

Sumsquaredresid4608747.Durbin-Watsonstat2.223261圖3—6用權(quán)數(shù)w的估計(jì)結(jié)果自相關(guān)①自相關(guān)的檢驗(yàn)圖3—7殘差圖圖中，殘差的變動(dòng)連續(xù)為正和連續(xù)為負(fù)，表明殘差項(xiàng)可能存在著一階正自相關(guān)。由于圖形分析比較粗糙，故用BG檢驗(yàn)作自相關(guān)檢驗(yàn)。如下圖3—8，,其p值為0,表明存在自相關(guān)。

Breusch-GodfreySerialCorrelationLMTest:F-statistic34.64575

Prob.F(2,25)0.0000Obs*R-squared22.78081

Prob.Chi-Square(2)0.0000TestEquation:DependentVariable:RESIDMethod:LeastSquaresDate:06/25/15Time:18:04Sample:131Includedobservations:31Presamplemissingvaluelaggedresidualssettozero.Weightseries:1/EE^2VariableCoefficientStd.Errort-StatisticProb.

C72.610839.0244478.0460140.0000X1-0.1639330.032609-5.0272350.0000X20.0249060.0104442.3848090.0250X30.9565300.1390356.8797760.0000RESID(-1)-0.0682930.010052-6.7942240.0000RESID(-2)-0.1122400.013571-8.2703100.0000WeightedStatisticsR-squared0.734865

Meandependentvar0.323183AdjustedR-squared0.681838

S.D.dependentvar2.134036S.E.ofregression1.217902

Akaikeinfocriterion3.404122Sumsquaredresid37.08213

Schwarzcriterion3.681668Loglikelihood-46.76389

Hannan-Quinncriter.3.494595F-statistic13.85830

Durbin-Watsonstat2.242564Prob(F-statistic)0.000002圖3—8BG檢驗(yàn)結(jié)果②自相關(guān)的修正

DependentVariable:YMethod:LeastSquaresDate:06/25/15Time:22:06Sample(adjusted):231Includedobservations:30afteradjustmentsConvergenceachievedafter12iterationsVariableCoefficientStd.Errort-StatisticProb.

C235.7052123.64381.9063240.0682X10.1605060.0890781.8018590.0836X20.0923650.0537151.7195330.0979X34.1577031.1279213.6861660.0011AR(1)-0.1862580.202833-0.9182860.3672R-squared0.892417

Meandependentvar1710.898AdjustedR-squared0.875204

S.D.dependentvar1191.268S.E.ofregression420.8333

Akaikeinfocriterion15.07336Sumsquaredresid4427516.

Schwarzcriterion15.30690Loglikelihood-221.1004

Hannan-Quinncriter.15.14807F-statistic51.84474

Durbin-Watsonstat1.983643Prob(F-statistic)0.000000InvertedARRoots

-.19

圖3—9科克倫-奧克特法估計(jì)結(jié)果

使用科克倫-奧克特迭代法作廣義差分法回歸，得到如圖3—9所示結(jié)果，圖中DW=1.983643,可以判斷，=1.650，，說明在5%的顯著水平下廣義差分后已無自相關(guān)。所以最終的回歸方程為：S.E(123.6438)(0.089078)(0.053715)(1.127921)t(1.906324)(1.801859)(1.719533)(3.686166)（3）經(jīng)濟(jì)意義檢驗(yàn)?zāi)Ｐ凸烙?jì)結(jié)果說明，在假定其他變量不變的情況下，有效灌溉面積每增加1千公頃，平均說來農(nóng)業(yè)總產(chǎn)值將增長0.160506億元；農(nóng)用機(jī)械總動(dòng)力每增加1萬千瓦，平均說來農(nóng)業(yè)總產(chǎn)值將增長0.092365億元；當(dāng)農(nóng)用化肥施用折純量增加1萬噸時(shí)，平均說來農(nóng)業(yè)總產(chǎn)值將增加4.157703億元。這與理論分析與經(jīng)驗(yàn)判斷相一致。（4）擬合優(yōu)度：由圖3—9可以得到，修正的可決系數(shù)，說明模型對(duì)樣本的擬合很好。（5）F檢驗(yàn)針對(duì):,給定顯著水平α=0.05，在F分布表中查得,由于F=51.84474>3.34，應(yīng)拒絕原假設(shè)，說明回歸方程顯著，即有效灌溉面積、農(nóng)用機(jī)械總動(dòng)力、農(nóng)用化肥施用折純量等變量聯(lián)合起來確實(shí)對(duì)農(nóng)業(yè)總產(chǎn)值有顯著影響。t檢驗(yàn)針對(duì):,給定顯著水平α=0.05，在t分布表中查得臨界值，當(dāng)在其他解釋變量不變的時(shí)候，農(nóng)用化肥施用折純量對(duì)被解釋變量農(nóng)業(yè)總產(chǎn)值有顯著的影響，而有效灌溉面積、農(nóng)用機(jī)械總動(dòng)力對(duì)被解釋變量農(nóng)業(yè)總產(chǎn)值沒有有顯著的影響。模型的預(yù)測(cè)

X1X2X3Y

Mean

2047.526

3351.831

190.7048

1661.205

Median

1510.130

2564.890

202.4200

1376.290

Maximum

5342.120

12739.83

696.3700

4509.880

Minimum

153.0200

113.1700

5.700000

57.92000

Std.Dev.

1631.598

3146.262

152.1423

1203.481

Skewness

0.657700

1.678315

1.218146

0.623441

Kurtosis

2.152167

5.319095

5.144643

2.685889

Jarque-Bera

3.163420

21.50000

13.60773

2.135615

Probability

0.205623

0.000021

0.001109

0.343761

Sum

63473.30

103906.8

5911.850

51497.36

SumSq.Dev.

79863336

2.97E+08

694418.7

43451012