影响我国农业总产值因素的实证分析资料

1、计量经济学课程论文影响我国农业总产值 因素的实证分析小组成员：（保险学院 02 级）组长：侯 君 男 40205117组员：张 翠 青 40205107 石 小 航 40205074李 进 40205129 陈 永 琴 40205076指导教师：任 栋日期： 2005年 4月 5 月 内容摘要 ： 解决“三农”问题是当前我国完善社会主义市场经济制度的重头戏，而实现农业的繁荣兴 旺又是其中的重中之重。改革开放以来，我国农业发展取得的喜人的成绩，但是制约因素也很 多，这使得入世后如何保护我国农业的利益，保持农业稳定成为难题。深入了解农业发展状况， 有足于认清和解决问题。本文是根据我国农业的现状，想

2、从计量经济学的角度来验证一下是否 存在政府对农业投入不足、农业的现代化 程度（以农业的机械化为衡量指标） ，以及农村中存在大量 的剩余劳动力。根据经济学原理，在模型中我们引入了五个变量：农村居民家庭平均每户生产 型固定投资，化肥施用量，农业机械总动力，政府财政用于农业的支出以及农业从业人员。利 用EVIEW歎件对计量模型进行了参数估计和检验， 多重共线性的检验，异方差的检验和自相关 的检验并加以修正。从我们所做的回归结果看，我国农村中确实存在政府对农业投入不足、农村中存在大量的 剩余劳动力，我国的农业机械化程度是较低的，对我国的农业增加值的贡献十分低下等问题。 我们根据模型的回归结果作了经济意

3、义的分析，并相应提出一些政策建议。但是，鉴于水平有限，文中难免出现一些错误。另外还存在一些我们难以解决的问题，请 老师同学们多多包涵！ 关键词 ：农业总 产值 国家 财政对农业的 基 础性建 设投资 农业 从业人 员人 数 农村居民家庭平均每户生产型固定投资 化肥施用量 农业机械总动力一、 导论我国农业的重要性 我国是农业大国，农业的发展程度直接制约着我国的第二、第三产业的发展，是工业品市 场；农业的发展能为国民经济其他部门发展提供劳动力阵地。农产品是轻工业的重要原料、重 要的出口商品。目前，我国 70%人口在农村，农业生产的发展直接关系广大农民生活的提高， 直接关系到国家经济建设目标的实现。

4、农产品在城乡是人民的生活必需品，所以又直接关系到 城乡人民生活的提高，物价稳定，社会安定。我国农业生产相对落后，已成为国民经济最薄弱 的环节，它已很难支撑国民经济其他部门的快速发展。因而，农业生产的发展是我国人民生活 水平提高、现代化建设、社会稳定的基础，并最终决定着国民经济其他各部门的发展规模和速 度，是能否实现现代化战略目标的关键。二，模型的设定为了在更高层次上发展我国的经济，真正实现全民共同富裕的伟大目标，保证粮食安全, 关注农业总产值是必要的。而影响到农业总产值的因素是多方面的。因此，我们提取了国家财 政对农业的基础性建设投资，农业从业人员人数，农村居民家庭平均每户生产型固定投资，化肥

5、施用量，农业机械总动力这五个对农业总产值有较大影响的因素的时间序列数据来进行分析， 希望通过建立一个合适的经济模型来从理论上找出影响农业总产值的因素，从而提出增加农业 总产值的方法。在此，我们将“农业产总值”设为因变量，“农村居民家庭平均每户生产型固定投资”， “化肥施用量”，农业机械总动力”，政府财政用于农业的支出”，及“第一产业从业人员人数” 设为自变量，设定了以下经济学模型：Y =C+ 1 X2+ 2X3+ 3 X4 + 4 X5+ 5 X6+UY=农业总产值（亿元）X2 =农村居民家庭平均每户生产型固定投资（兀）X3=化肥施用量（万吨）X4=农业机械总动力（万千瓦）X5=政府财政用于农

6、业的支出（亿元）X6=农业从业人员（万人）数据如下：obsYX2X3X4X5X619896534.7301126.0702357.10028067.00265.940032440.5019907662.0901258.0602590.30028707.70307.840033336.4019918157.0301401.0102805.10029388.60347.570034186.3019929084.7101643.9502930.20030308.40376.020034037.00199310995.531950.3103151.90031816.60440.450033258.20

7、199415750.472347.6303317.90033802.50532.980032690.30199520340.862774.2703593.70036118.10567.220032334.50199622353.703605.0703827.90038546.90700.430032260.40199723788.403896.5603980.70042015.60766.390032434.90199824541.903970.8104083.70045207.701154.76032626.40199924519.104045.4804124.30048996.101085

8、.76032911.80200024915.804676.9804146.40052573.601231.54032797.50200126179.604883.8004253.80055172.101456.73032451.00200227390.805221.3304339.40057929.901580.76031990.60200329691.805586.3404411.60060386.501754.45031259.60资料来源:，中国统计年鉴2004，中国统计年鉴1998三，参数估计模型为：丫 =C+ -1 X2 + -2X3+ -3 X4+4 X5+5 X6+UY=农业总产

9、值（亿元）X3=化肥施用量（万吨）X2=农村居民家庭平均每户生产型固定投资（元）X5二政府财政用于农业的支出（亿元）X6=农业从业人员（万人）X4=农业机械总动力（万千瓦）用Eviews估计结果为:Depe ndent Variable: 丫Method: Least SquaresDate: 04/30/05 Time: 12:51Sample: 1989 2003In eluded observati ons: 15VariableCoefficie ntStd. Errort-StatisticProb.C40016.9715190.732.6343030.0272X20.5509391

10、.9208270.2868240.7807X310.087662.2054494.5739720.0013X40.0665550.2303620.2889160.7792X5-2.6453473.625498-0.7296510.4842X6-1.8264690.535716-3.4093960.0078R-squared0.992862Mean depe ndent var18793.77Adjusted R-squared0.988896S.D.dependent var8203.735S.E. of regressi on864.4572Akaike info criteri on16.

11、65126Sum squared resid6725576.Schwarz criteri on16.93448Log likelihood-118.8844F-statistic250.3705Durbi n- Watson stat1.561839Prob(F-statistic)0.000000= =丫 =40016.97+0.55093 9X2+10.08766 X3+0.066555 X4+ (-2.645347)X5+ (-1.826469) X6T = (2.634303)(0.286824)(4.573972)(0.288916)(-0.729651)(-3.409396)R2

12、=0.992862四，检验及修正1. 经济意义检验从上表中可以看出，X5符号为负，应剔出。而 X6虽然在理论上说不通，但却符合中国现 实的国情，应保留，其意义将在第四部分加以阐述。而其他因素不与经济原理向悖，说明具有 经济意义。2. 统计推断检验从回归结果可以看出，模型的拟和优度非常好（ R2 =0.992862 ），F统计量的值在给定显 著性水平a =0.05的情况下也较显著，但是 X2、X4的t统计值均不显著(X、X4的t统计量 的值的绝对值均小于2)，说明X2、X4这两个变量对Y的影响不显著，或者变量之间存在多重 共线的影响使其t值不显著。3. 计量经济学检验(1) 多重共线性检验检验：

13、由F=250.3763 F.5 (5 , 15)=4.62 (显著性水平a =0.05表明模型从整体上看农 业的总产值与解释变量间线形关系显著。这里采用简单相关系数矩阵法对其进行检验：X2X3X4X5X6X21.0000000.9745550.9779520.963494-0.707561X30.9745551.0000000.9259220.907169-0.636056X40.9779520.9259221.0000000.991186-0.666705X50.9634940.9071690.9911861.000000-0.668959X6-0.707561-0.636056-0.666

14、705-0.6689591.000000从结果可知 X , X3 , X4 , X5之间存在高度相关修正：采用逐步回归法对其进行补救。根据以上分析，由于X5不符合经济意义，首先剔出。由于 X3的t值最大，线形关系强，拟合程度最好，因此把X3作为基本变量。，将剩下的四个因素重新进行参数估计：新模型估计结果：Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05 Time: 12:57Sample: 1989 2003In cluded observati ons: 15VariableCoefficie ntStd. Errort-St

15、atisticProb.C40826.1614791.732.7600670.0201X20.7584191.8547160.4089140.6912X310.015652.1511104.6560380.0009X4-0.0691420.132722-0.5209550.6137X6-1.7603650.515507-3.4148200.0066R-squared0.992440Mean depe ndent var18793.77Adjusted R-squared0.989416S.D.dependent var8203.735S.E. of regressi on844.0038Aka

16、ike info criteri on16.57539Sum squared resid7123424.Schwarz criteri on16.81141Log likelihood-119.3154F-statistic328.1758Durbi n- Watson stat1.444093Prob(F-statistic)0.000000Y =40826.16+ X0.758419 X2+ 10.01565 X3+ (-0.069142 ) X4+(-1.760365) X6t= (2.760067)(0.408914)(4.656038)(0.520955)(-3.414820)R2=

17、0.992440可以看出个因素的T统计量都得到了不同程度的改善。在前一模型的基础上剔出X6，拟合优度变差，但对C的t值影响很大，统计检验t=-0.799100，不显著。而且X4的系数为负，与经济意义相悖。Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05 Time: 12:59Sample: 1989 2003In cluded observati ons: 15VariableCoefficie ntStd. Errort-StatisticProb.C-6120.4427659.170-0.7991000.4411X24.67

18、97942.0438192.2897300.0428X36.0162192.5319572.3761140.0368X4-0.2860730.163526-1.7493980.1080R-squared0.983624Mean depe ndent var18793.77Adjusted R-squared0.979157S.D.dependent var8203.735S.E. of regressi on1184.370Akaike info criteri on17.21499Sum squared resid15430045Schwarz criteri on17.40380Log l

19、ikelihood-125.1124F-statistic220.2341Durb in -Watson stat1.460596Prob(F-statistic)0.000000剔出X2进行回归，X4不但经济意义违背而且T统计值较小，不能通过检验Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05 Time: 13:01Sample: 1989 2003In cluded observati ons: 15VariableCoefficie ntStd. Errort-StatisticProb.C42613.8213585.49

20、3.1367140.0095X310.819350.84049912.872530.0000X4-0.0196500.052361-0.3752870.7146X6-1.8908790.389190-4.8585010.0005R-squared0.992313Mean depe ndent var18793.77Adjusted R-squared0.990217S.D.dependent var8203.735S.E. of regressi on811.4261Akaike info criteri on16.45864Sum squared resid7242535.Schwarz c

21、riteri on16.64746Log likelihood-119.4398F-statistic473.3484Durb in -Watson stat1.382173Prob(F-statistic)0.000000剔出X4进行回归虽然拟合优度略有改善，但 X2的T统计值为-0.166847，通不过检验，应剔出X2在做回归。而其他因素的统计值都较好。Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05 Time: 13:00Sample: 1989 2003In eluded observati ons: 15Variabl

22、eCoefficie ntStd. Errort-StatisticProb.C42252.9014046.333.0081100.0119X2-0.1227070.735446-0.1668470.8705X310.786301.5091097.1474590.0000X6-1.8889060.437375-4.3187370.0012R-squared0.992235Mean depe ndent var18793.77Adjusted R-squared0.990117S.D.dependent var8203.735S.E. of regressi on815.5728Akaike i

23、nfo criteri on16.46884Sum squared resid7316750.Schwarz criteri on16.65765Log likelihood-119.5163F-statistic468.5100Durbi n- Watson stat1.360316Prob(F-statistic)0.000000综合考虑所得结果,选择含有X2 X3X6这三个因素的模型。再做剔出X2的模型的参数估计:Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05Time: 13:06Sample: 1989 2003In

24、cluded observati ons: 15VariableCoefficie ntStd. Errort-StatisticProb.C41516.5112783.363.2477000.0070X310.544100.39553826.657640.0000X6-1.8519090.361404-5.1242020.0003R-squared0.992215Mean depe ndent var18793.77Adjusted R-squared0.990917S.D.dependent var8203.735S.E. of regressi on781.8390Akaike info

25、 criteri on16.33803Sum squared resid7335267.Schwarz criteri on16.47964Log likelihood-119.5352F-statistic764.7022Durbi n- Watson stat1.352428Prob (F-statistic)0.000000= =可以看出拟合优度很好 F统计量的值在给定显著性水平 a =0.05的情况下也较显著，C , X3 ,X6的T统计值也很显著，表明对 丫的影响也很显著新模型估计结果：丫 =41516.51+ 10.54410 X3 +(-1.851909) X6t= (3.247

26、7)(426.65764)(-5.124202)R2 =0.992215(2) 异方差检验检验：利用Goid_Quandt检验法检验模型是否存在异方差。将时间定义为19891993,然后对丫 CX3用OLS法求的下列结果:Y=-6225.673+5.317281 X3t= (-2.982843)(7.083533)22R =0.943584 e =634718.8Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05 Time: 13:12Sample: 1989 1993In eluded observati ons: 5Varia

27、bleCoefficie ntStd. Errort-StatisticProb.C-6225.6732087.161-2.9828430.0585X35.3172810.7506547.0835330.0058R-squared0.943584Mean depe ndent var8486.818Adjusted R-squared0.924779S.D.dependent var1677.103S.E. of regressi on459.9706Akaike info criteri on15.38938Sum squared resid634718.8Schwarz criteri o

28、n15.23315Log likelihood-36.47344F-statistic50.17643Durbi n- Watson stat1.632631Prob(F-statistic)0.005786= =将时间定义为19992003,然后对丫 CX3用OLS法求的下列结果Y=-44209.20 +16.62678 X3t= (-5.018903) (8.034508)2R =0.9555917 ef =777592.5Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05 Time: 13:13Sample: 1999 20

29、03In eluded observati ons: 5VariableCoeffieie ntStd. Errort-StatistieProb.C-44209.208808.537-5.0189030.0152X316.626782.0694218.0345080.0040R-squared0.955591Mean depe ndent var26539.42Adjusted R-squared0.940788S.D.dependent var2092.227S.E. of regressi on509.1144Akaike info eriteri on15.59240Sum squar

30、ed resid777592.5Schwarz eriteri on15.43617Log likelihood-36.98099F-statistie64.55332Durbi n- Watson stat1.966867Prob(F-statistie)0.004026= =22Z e2e =777952.5/634718.8=1.22566481409 小于 F0.05 ( 4, 4) =6.39 接受 H0 不存在异方差将时间定义为19891993,然后对丫 C X6用OLS法求的下列结果:Y=-20445.55 +0.864900 X6t= ( -0.473093)(0.669589

31、)R =0.130018 ei =9787897Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05 Time: 13:19Sample: 1989 1993In eluded observati ons: 5VariableCoeffieie ntStd. Errort-StatistieProb.C-20445.5543216.71-0.4730930.6684X60.8649001.2916890.6695890.5510R-squared0.130018Mean depe ndent var8486.818Adjusted

32、R-squared-0.159975S.D.dependent var1677.103S.E. of regressi on1806.276Akaike info eriteri on18.12510Sum squared resid9787897.Sehwarz eriteri on17.96887Log likelihood-43.31274F-statistie0.448349Durbi n- Watson stat0.815079Prob(F-statistie)0.551047= =将时间定义为19992003,然后对丫 C X6用OLS法求的下列结果Y=126537.0 +(-3.

33、097615) X6t= (48.84461)(-38.60686)R2 = 0.9979917 e； =35171.96Depe ndent Variable: YMethod: Least SquaresDate: 04/30/05 Time: 13:18Sample: 1999 2003In eluded observati ons: 5VariableCoefficie ntStd. Errort-StatisticProb.C126537.02590.60248.844610.0000X6-3.0976150.080235-38.606860.0000R-squared0.99799

34、1Mean depe ndent var26539.42Adjusted R-squared0.997322S.D.dependent var2092.227S.E. of regressi on108.2774Akaike info criteri on12.49644Sum squared resid35171.96Schwarz criteri on12.34022Log likelihood-29.24111F-statistic1490.489Durbi n- Watson stat2.434963Prob(F-statistic)0.000038= =22Z e2 宁瓦 ei =0

35、.000352467193491 小于 F0.05 (4, 4) =6.39 接受 H 不存在异方差利用WHITE检验法检验模型是否存在异方差。结果如下:White Heteroskedasticity Test:F-statistic0.34392Probability0.873777Obs*R-squared2.406316Probability0.790533Test Equati on:Depe ndent Variable: RESIDEMethod: Least SquaresDate: 04/30/05 Time: 17:28Sample: 1989 2003In eluded

36、observati ons: 15VariableCoefficie ntStd. Errort-StatisticProb.C-9.11E+081.56E+09-0.5824040.5746X346121.5269356.030.6649970.5227X3A2-1.1529751.207919-0.9545140.3648X3*X6-1.1820212.098834-0.5631800.5871X650954.9488666.680.5746800.5796X6A2-0.7165461.248717-0.5738250.5801R-squared0.160421Mean depe nden

37、t var489017.8Adjusted R-squared-0.306012S.D.dependent var1172075.S.E. of regressi on1339457.Akaike info criteri on31.34260Sum squared resid1.61E+13Schwarz criteri on31.62582Log likelihood-229.0695F-statistic0.343932Durbi n- Watson stat2.515047Prob(F-statistic)0.873777益5 (5)=9.48773 2.406316，所以接受H。，表

38、明模型中随机误差项不存在异方差。(3) 自相关检验检验：从模型设定来看，没有违背 D-W检验的假设条件，因此可以用 D-W检验来检验模型是否存在自相关。根据上表中估计的结果，由DW=1.352428，给定显著性水平 a =0.05,查 Durbin-Watson表，n=15，k 2，得 d| =0.946du =1.543因为DW统计量为dl 1.352428 du，根据判定区域知位于无决定区域，不确定是否存在 一阶正自相关，需要进行修正。修正：采用广义差分法对模型进行修正。由 DW=1.352428，根据 p =1DW/2，计算出 p=.373786。用 GENR 分别对 X3，X6和 Y

39、作广义差分。即：GENRDY= Y-0.4894*Y(-1)GENRDX3 = X3-0.4894 X3 (-1)GENRDX6 = X6-0.4894 X6 (-1)新修正为：DY=C+ 1D X3+ -2D X6+uDepe ndent Variable: DYMethod: Least SquaresDate: 05/01/05 Time: 12:36Sample(adjusted): 1990 1993In cluded observati ons: 4 after adjusti ng en dpo intsVariableCoefficie ntStd. Errort-Statis

40、ticProb.C19018.461293.82414.699420.0432DX34.8402810.17024328.431660.0224DX6-1.0403890.049918-20.842060.0305R-squared0.999733Mean depe ndent var6037.017Adjusted R-squared0.999199S.D.dependent var1105.154S.E. of regressi on31.28098Akaike info criteri on9.837603Sum squared resid978.5000Schwarz criteri

41、on9.377324Log likelihood-16.67521F-statistic1871.802Durbi n- Watson stat2.946105Prob(F-statistic)0.016342（4）确定模型DY = 19018.46 + 4.84021*DX3 + (-1.040389 )*DX6X3=化肥施用量（万吨）X6=农业从业人员（万人）由于该模型的回归结果、t值以及F统计值均显著，且不存在计量经济学问题，因此最后定型为此。根据1989-2003年的数据建立的模型中可以看出每增加一万吨的化肥使农业增加值增长 了 4.84021亿元，每减少一万人的农业从业人员数可以是农

42、业增加值增长1.040389，说明在我国的农村中存在大量的剩余劳动力。模型还可表示为Yt =19018.46+4.84021 X3t-1.809202735 X3tJ +(-1.0140389 ) X6t +0.388882842 X6t j+0.373786 YtJGENR Zt =4.84021 X3t+(-1.0140389 ) Xet+( -1.809202735)X3tj+0.388882842 Xg则模型变为：Yt =26245.95+1.712319 乙 +0.491976 YtDepe ndent Variable: YMethod: Least SquaresDate: 06

43、/06/05 Time: 12:49Sample(adjusted): 1990 2003In eluded observati ons: 14 after adjusti ng en dpo intsVariableCoefficie ntStd. Errort-StatisticProb.C26245.954065.2126.4562310.0000M1.7123190.2886635.9319010.0001Y(-1)0.4919760.0835535.8881660.0001R-squared0.992232Mean depe ndent var19669.41Adjusted R-s

44、quared0.990819S.D.dependent var7751.918S.E. of regressi on742.7666Akaike info criteri on16.24605Sum squared resid6068725.Schwarz criteri on16.38299Log likelihood-110.7224F-statistic702.4898Durbi n- Watson stat1.805031Prob(F-statistic)0.000000此模型存在滞后应变量，因此 DW值失效，需要用德宾-H检验h=(1-d/2)n 心匚 nV ar(：*) =0.09

45、74845*3.939100593=0.384001251取显著性水平=0.05，查标准正态分布表得临界值h/2 =1.96，由于|h|=0.384001251 h /2=1.96，则接受原假设=0，说明自回归模型不存在一阶自相关(5)单位根检验ADF Test Statistic-3.3307951%Critical Value*-4.88705%Critical Value-3.828810% Critical Value-3.3588*MacKinnon critical values for rejection of hypothesis of a unit root.Augme nt

46、ed Dickey-Fuller Test Equati onDepe ndent Variable: D(Y)Method: Least SquaresDate: 06/07/05 Time: 20:03Sample(adjusted): 1991 2003Included observations: 13 after adjusting endpointsVariableCoefficie ntStd. Errort-StatisticProb.Y(-1)-0.4136580.124192-3.3307950.0088D(Y(-1)0.8828440.1961304.5013280.001

47、5C2072.293786.55032.6346610.0272TREND(1989)752.9303243.68733.0897390.0129R-squared0.728585Mean depe ndent var1694.592Adjusted R-squared0.638113S.D.dependent var1480.465S.E. of regressi on890.6042Akaike info criteri on16.66934Sum squared resid7138582.Schwarz criteri on16.84317Log likelihood-104.3507F

48、-statistic8.053172Durbi n- Watson stat1.926147Prob(F-statistic)0.006448即有:八丫=2072.293+752.9303匸0.413658丫t-1 +0.882844 Y-1其中：P=1，N=13单位根的T检验结果为(H：行1 ):t =-0.413658/0.124192=-3.330795由表中给出的Mackinnon临界值显示，我们是不能拒绝 H）的，表明1989-2003年度的Y序列可 能是非平稳序列。这点也可由 Y的时序图得到验证。（见下图）Y当检验结果不能拒绝零假设时，其结论尚待进一步考证。由于水平有限对数据的平稳性修正的 内容省略。五、对模型的经济解释及存在的问题1 .经济解释从以上模型经分析可得出：（1）从模型可以看出农民对化肥的投入量，即模型中的化肥的使用量，是影响农业产值增 长的最显著因素。说明我国目前农业生产中，农民自己对农业的投入所产生的效益最大（因为 化肥是农民自己购买的，并且所占农民支出份额甚大）。在最后确定的模型中，根据 1989-1993 年的数据建立的模型中可