計量經(jīng)濟學(xué)論文

計量經(jīng)濟學(xué)論文中國糧食總產(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)1990446241134662590.3287081991435291123142805.1293890.0483730.6598630.667463(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(jié)果如下：剔除X2。（表七）DependentVariable:YMethod:LeastSquaresDate:12/25/15Time:10:06Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C-31636.647732.436-4.0914190.0005X10.6410340.0693299.2462980.0000X30.1863250.01106116.845050.0000R-squared0.937277Meandependentvar49317.62AdjustedR-squared0.931303S.D.dependentvar4867.060S.E.ofregression1275.661Akaikeinfocriterion17.25679Sumsquaredresid34173555Schwarzcriterion17.40404Loglikelihood-204.0814F-statistic156.9019Durbin-Watsonstat1.001388Prob(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）ARCHTest:F-statistic0.037667Probability0.847978Obs*R-squared0.041181Probability0.839189TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:12/24/15Time:18:58Sample(adjusted):19912013Includedobservations:23afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C1280357.504218.42.5392910.0191RESID^2(-1)0.0415310.2139870.1940810.8480R-squared0.001790Meandependentvar1341173.AdjustedR-squared-0.045743S.D.dependentvar1852594.S.E.ofregression1894492.Akaikeinfocriterion31.82974Sumsquaredresid7.54E+13Schwarzcriterion31.92848Loglikelihood-364.0420F-statistic0.037667Durbin-Watsonstat1.986528Prob(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，查分布表得臨界值（p）=5.9915>（n-p）,則接受原假設(shè)，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）DependentVariable:YMethod:LeastSquaresDate:12/25/15Time:10:06Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C-31636.647732.436-4.0914190.0005X10.6410340.0693299.2462980.0000X30.1863250.01106116.845050.0000R-squared0.937277Meandependentvar49317.62AdjustedR-squared0.931303S.D.dependentvar4867.060S.E.ofregression1275.661Akaikeinfocriterion17.25679Sumsquaredresid34173555Schwarzcriterion17.40404Loglikelihood-204.0814F-statistic156.9019Durbin-Watsonstat1.001388Prob(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(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，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-GodfreySerialCorrelationLMTest:F-statistic2.642994Probability0.097113Obs*R-squared5.223742Probability0.073397TestEquation:DependentVariable:RESIDMethod:LeastSquaresDate:12/24/15Time: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(-2)-0.1401580.230260-0.6086960.5499R-squared0.217656Meandependentvar-4.21E-12AdjustedR-squared0.052952S.D.dependentvar1218.937S.E.ofregression1186.225Akaikeinfocriterion17.17799Sumsquaredresid26735479Schwarzcriterion17.42342Loglikelihood-201.1359F-statistic1.321497Durbin-Watsonstat1.906529Prob(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：DependentVariable:YMethod:LeastSquaresDate:12/24/15Time:19:38Sample(adjusted):19912013Includedobservations:23afteradjustingendpointsConvergenceachievedafter10iterationsVariableCoefficientStd.Errort-StatisticProb.C-39779.1510686.99-3.7222020.0014X10.7219490.0973507.4160450.0000X30.1791840.0184359.7199340.0000AR(1)0.4884590.1835412.6613060.0154R-squared0.956230Meandependentvar49521.70AdjustedR-squared0.949319S.D.dependentvar4870.329S.E.ofregression1096.434Akaikeinfocriterion16.99428Sumsquaredresid22841163Schwarzcriterion17.19176Loglikelihood-191.4343F-statistic138.3617Durbin-Watsonstat2.032169Prob(F-statistic)0.000000InvertedARRoots.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(guān)。[AR(1)=0.488459](10686.99)(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）ADFTestStatistic-3.2302771%CriticalValue*-2.67565%CriticalValue-1.957410%CriticalValue-1.6238*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(E)Method:LeastSquaresDate:12/24/15Time:19:47Sample(adjusted):19922013Includedobservations:22afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.E(-1)-0.6891400.213338-3.2302770.0042D(E(-1))0.0983720.2016690.4877870.6310R-squared0.364916Meandependentvar136.8152AdjustedR-squared0.333162S.D.dependentvar1264.449S.E.ofregression1032.551Akaikeinfocriterion16.80396Sumsquaredresid21323242Schwarzcriterion16.90315Loglikelihood-182.8436Durbin-Watsonstat1.989449經(jīng)檢驗，表明殘差序列不存在單位根，是平穩(wěn)序列。經(jīng)濟意義檢驗：所估計的參數(shù)分別為-39779.15、0.721949、0.488459從經(jīng)濟學(xué)意義上來說，我國糧食產(chǎn)量y與農(nóng)業(yè)農(nóng)用機械總動力x3正相關(guān)，與糧食耕種面積(x1)成負相關(guān)。擬合優(yōu)度檢驗（eviews表在附錄里最后一張表）可決系數(shù)，=0.949319，這說明所建模型整體上對樣本數(shù)據(jù)擬合較好，即解釋變量

“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”的絕大部分差異作了解釋。2、F檢驗

針對H0：β1=β2=0，給定顯著性水平α=0.05，在F分布表中查出自由度為k－1＝2和n－k＝20的臨界值Fα（2,20）＝3.49，由表中得到F＝138.3617＞Fα（2，20）＝3.49，應(yīng)拒絕原假設(shè)H0：β1=β2=0，說明回歸方程顯著，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。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(shù)的顯著性表明，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)機械化程度遠遠不能滿足現(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：①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；②對農(nóng)業(yè)機械化進行結(jié)構(gòu)性調(diào)整；③因地制宜，有重點的推薦地區(qū)農(nóng)業(yè)機械化；④大力促進農(nóng)業(yè)技術(shù)進步，重視農(nóng)村的基礎(chǔ)教育；⑤建立與農(nóng)業(yè)機械化相適應(yīng)的農(nóng)村經(jīng)濟體制?？v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1DependentVariable:X1Method:LeastSquaresDate:12/22/15Time:09:24Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

C118379.68270.69614.313140.0000X2-3.5891343.927502-0.9138470.3712X30.1022010.1559860.6551940.5195R-squared0.090190

Meandependentvar108857.3AdjustedR-squared0.003541

S.D.dependentvar3944.710S.E.ofregression3937.719

Akaikeinfocriterion19.51106Sumsquaredresid3.26E+08

Schwarzcriterion19.65832Loglikelihood-231.1327

Hannan-Quinncriter.19.55013F-statistic1.040870

Durbin-Watsonstat0.291206Prob(F-statistic)0.370666

2DependentVariable:X2Method:LeastSquaresDate:12/22/15Time:09:14Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

C3217.3121300.5632.4737840.0220X1-0.0106560.011661-0.9138470.3712X30.0384110.00186020.646100.0000R-squared0.956409

Meandependentvar4360.633AdjustedR-squared0.952257

S.D.dependentvar981.9691S.E.ofregression214.5609

Akaikeinfocriterion13.69153Sumsquaredresid966764.0

Schwarzcriterion13.83879Loglikelihood-161.2984

Hannan-Quinncriter.13.73060F-statistic230.3753

Durbin-Watsonstat0.212818Prob(F-statistic)0.000000

3DependentVariable:X3Method:LeastSquaresDate:12/22/15Time:09:15Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.

C-69567.6734359.53-2.0246980.0558X10.1960100.2991630.6551940.5195X224.812071.20178020.646100.0000R-squared0.955583

Meandependentvar59965.75AdjustedR-squared0.951353

S.D.dependentvar24724.62S.E.ofregression5453.262

Akaikeinfocriterion20.16228Sumsquaredresid6.24E+08

Schwarzcriterion20.30954Loglikelihood-238.9474

Hannan-Quinncriter.20.20135F-statistic225.8983

Durbin-Watsonstat0.198222Prob(F-statistic)0.000000

4DependentVariable:YMethod:LeastSquaresDate:12/22/15Time:16:20Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C9080.94527337.040.3321850.7429X10.3696280.2509701.4728000.1550R-squared0.089748Meandependentvar49317.62AdjustedR-squared0.048373S.D.dependentvar4867.060S.E.ofregression4747.883Akaikeinfocriterion19.84844Sumsquaredresid4.96E+08Schwarzcriterion19.94661Loglikelihood-236.1813F-statistic2.169140Durbin-Watsonstat0.116875Prob(F-statistic)0.1549695DependentVariable:YMethod:LeastSquaresDate:12/22/15Time:16:27Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C31565.182691.44711.727960.0000X24.0710710.6027436.7542460.0000R-squared0.674652Meandependentvar49317.62AdjustedR-squared0.659863S.D.dependentvar4867.060S.E.ofregression2838.531Akaikeinfocriterion18.81962Sumsquaredresid1.77E+08Schwarzcriterion18.91779Loglikelihood-223.8354F-statistic45.61984Durbin-Watsonstat0.431896Prob(F-statistic)0.0000016DependentVariable:YMethod:LeastSquaresDate:12/22/15Time:16:39Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C39569.811530.63325.851930.0000X30.1625560.0236706.8676950.0000R-squared0.681921Meandependentvar49317.62AdjustedR-squared0.667463S.D.dependentvar4867.060S.E.ofregression2806.640Akaikeinfocriterion18.79702Sumsquaredresid1.73E+08Schwarzcriterion18.89519Loglikelihood-223.5642F-statistic47.16524Durbin-Watsonstat