计量经济学论文

中国粮食总产量多因素分析 专业年级 13 金融 2 班 学号 201312030140 姓名 谢昊 摘要 本文选取 1990 年到 2013 年的相关数据 应用计量经济学所 学知识对根据经济理论选取的影响我国粮食产量的各因素进行分析 检验 并对其影响程度的大小进行定量分析 进一步明确和完善相 关的经济学知识 关键词 粮食产量 粮食播种面积 农用机械总动力 有效灌溉面积 农业化肥使用量 1 文献综述 农业作为我国最基础的产业 农产品的每年的产量直接关系着 我们的民生 故而粮食的产量一直是我们最关心的 影响因素的分析 首先 粮食作为农作物 其产量肯定会受到农用化肥施用量条件的 影响 其次 我认为粮食的播种面积对于粮食产量也有一些影响 最后 农业机械总动力也是影响粮食产量的一大重要因素 二 数据收集与模型的建立 一 数据收集 1983年 2009年中国粮食生产与相关投入的资料 表1 年份 粮食总产 量 Y 粮食耕种 面积 x1 农用化肥施用 量 x2 农业机械总 动力 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 模型设计 为了具体分析各要素对我国粮食产量影响的大小 我们可以用 粮食总产量 y 作为衡量 代表粮食发展 用粮食耕种面积 x1 农用化肥施用量 x2 以及农业机械总动力 x3 运用这些数据进 行回归分析 采用的模型如下 y 1 2x1 3x2 4x3 ui 其中 y 代表粮食总产量 x1 代表粮食耕种面积 x2 代表农 用化肥施用量 x3 代表农业机械总动力 u i代表随机扰动项 我们 通过对该模型的回归分析 得出各个变量与我国粮食产量的变动关 系 三 模型估计和检验 一 模型初始估计 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 回归函数为 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 多重共线性检验 相关系数矩阵 表三 X1 X2 X3 X1 1 0 267566314901 0 23239867238 X2 0 267566314901 1 0 977074961235 X3 0 23239867238 0 977074961235 1 根据多重共线性检验 解释变量之间可能存在着线性相关 为了 进一步了解多重共线性的性质 我们可以做辅助回归 表四 被解释变量 可决系数 R2 的值 方差扩大因子 X1 0 09019 1 09913 X2 0 956409 22 9405 X3 0 955583 22 6398 由上表可以得知 辅助回归的可决系数很高 经验表明 方差扩大 因子 10 时 通常说明该解释变量与其余解释变量之间有严重jVIF 的多重共线性 这里的 x2 x3 的方差扩大因子远大于 10 表明存 在严重的多重共线性问题 为了进一步筛选并剔除引起多重共线性分变量 需要采用逐步回归 的方法 分别作 Y 对 X1 X2 X3 的一元回归 意愿回归结果如下表 表五 变量 X1 X2 X3 参数估计值 0 369628 4 071071 0 162556 t 统计量 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 通过采用剔除变量法 多重共线性的修正结果如下 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 修正后方程为 12316 4030 865iYX 7732 436 0 069329 0 011061 T 4 091419 9 246298 16 84505 2 97R 2 9R 91F 三 异方差检验 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 给定显著性水平为 0 05 2R 查 分布表得临界值 p 5 9915 n p 则接受原假设 2 2R 表明模型中的随机误差项不存在异方差 四 自相关检验 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 显然有自相关 表十 残差的变动有系统模式 连续为正和连续为负 表明残差项存在一 阶自相关 对模型进行 BG 检验 用 Eviews 分析结果如下 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 由上表显示 LM TR 2 5 223742 其 p 值为 0 073397 表明存在自 相关 对模型进行处理 对原模型进行科克伦 奥克特迭代法做广义差分回归 用 Eviews 进 行分析所得结果如下 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 由图表知 DW 2 032169 可以判断 du 1 543 dl 1 168 du DW 20 所以拒绝 H0 0 25 0 25t 0 因为 t 20 所以拒绝 H0 0 因1 2 0 25 2 为 t 20 所以接受 H0 0 对斜率系数的显10 5 1 著性表明 解释变量 粮食耕种面积 和 农用化肥施用量 对被 解释变量 粮食总产量 有显著影响 四 结论分析和政策建议 一 主要结论 1 从模型可以看出农民对化肥的投入量 即模型中的化肥施用 量 是影响粮食总产量增产的最显著因素 说明我国目前农业生产 中 农民对农业的投入所产生的效益最大 2 从模型可以看出 粮食作物耕种面积也是影响粮食总产量的 重要因素之一 扩大粮食作物耕种面积无疑是可以使粮食增产的 3 农业机械化是农业现代化的重要内容和主要标志之一 而通 过对模型的回归分析 可看出我国的农业机械化程度是较低的 对 我国的粮食总产量增产贡献十分低下 二 政策建议 1 首先 在短期内为缓解粮食供应紧张 应提高农民种粮的积 极性扩大粮食耕种面积 这是增加粮食总产量的唯一办法 农民积 极性主要取决于种粮食的收益及其预期 收益则是卖粮收入与成本 的差额 因此 应该双管齐下 稳定并提高粮食价格 控制农用物 资价格的过快增长 在涉农物资上实行严格的价格管制 控制种粮 的成本 在提高农民积极性的同时 也得以增加了化肥的施用量 在一定程度上 影响粮食总产量的增产 但是 由于我国土地后备资源有限 且粮食耕种面积已占耕地总 面积较大比例 75 其调整幅度不大 在一定程度上是一个既定的前 提 从我国粮食生产的发展来看 总产量的增长主要取决于单位面积 产量的提高 而单位面积产量直接决定于农户的资本和劳动投入 即 农户的种粮积极性 同时受经济体制和政策 科技进步状况和市场环 境等强有力的影响 因此 我们一方面要坚持最严格的耕地保护制度 控制非农业 占地 建立基本农田保护区 确保基本农田总量不减少 质量不下 降 一方面要加强对现有耕地的开发 通过进一步改进耕作制度和 应用优良品种 保持相对稳定的粮食作物耕种面积 提高耕地利用 效率 2 受边际效益递减规律的影响 化肥投入在粮食增产方面的能 力逐渐下降 施肥方法落后 偏施和过施现象普遍存在 盲目增加 化肥施用量并不能从根本上使粮食增产 关键是要提高化肥的利用 率 3 我国现在农业机械化程度远远不能满足现代农业发展的需求 要实现农业现代化 必须在以下各方面积极稳妥地推进农业机械化 的发展 要把主要农产品生产过程机械化和产业化经营有机结合起来 对农业机械化进行结构性调整 因地制宜 有重点的推荐地区农业机械化 大力促进农业技术进步 重视农村的基础教育 建立与农业机械化相适应的农村经济体制 纵观中国农村现状 与其他产业相比 农业的发展一直处于较 低的状态 扩大耕作面积 提高单产 实现机械化 规模化生产是 保证我国农业健康发展的必有之路 参考文献 1 庞皓 计量经济学 西南财经大学出版社 2014 年 6 月第三版 2 周四军 对我国粮食生产影响因素的计量分析 统计与决策 2003 年 3 赵慧江 基于回归分析的粮食产量影响因素分析 怀化学院学报 2009 年 4 吕美巧 马广 农业机械化发展影响因素分析与评价 农机化研究 2008 年 5 李妍 中国粮食生产影响因素及地区差异分析 经济研究导刊 2009 年 附录 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