关于我国粮食产量的多因素分析

1、计量经济学论文学院：延陵学院班级：09贸y2姓名： 马媛媛学号：09121913关于我国粮食产量的多因素分析 摘要：我国是一个农业大国，农业的发展促进着经济的发展，它是支撑国民经济建设与发展的基础产品。本文采用计量经济学的方法，收集了我国1978-2005年粮食产量及其重要影响因素的时间序列数据为样本，分析了农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力和农产品价格指数对我国粮食产量的影响，建立合理的计量经济学模型，并对模型的经济意义进行分析得出相关因素对农业粮食产量的影响，并在此基础上对提高我国粮食生产提出自己的一些建议。关键词：粮食产量 农业化肥施用量 粮食播种面积 成灾面积 农业

2、机械总动力 农产品价格指数一、问题提出鉴于农业在国民经济中有如此重要的作用。本文将从影响粮食产量的多因素着手，分离出主要的影响因素。二、文献综述从古到今粮食一直是不可或缺的战略物资。世界各国，无论是发达国家还是发展中国家，都对粮食生产十分重视。依照战略的眼光，粮食和石油对一个国家特别是大国具有十分重要的制约作用，缺乏这两种物资，就会在国际竞争中处于被动地位，受制于人。我国是世界人口第一大国，来自人口的压力直接作用到粮食生产上。促进粮食生产稳定发展，基础是稳定面积，重点是提高单产，关键要依靠科技，核心是抗灾减灾。保障粮食有效供给和粮食市场平稳运行，对于抑制物价过快上涨、管理好通胀预期、保持经济平

3、稳较快发展、促进社会和谐稳定提供了有力支撑。 粮食生产量是一个变量，其增减和播种面积的多少有着很大的相关性。而施用化肥提高单位面积的农作物产量，就等于变相扩大了耕地面积。中国农村人口占总中国总人口的2/3，是个相当庞大的数目。人多地少，是中国农业的一个特点，在中国农业生产以劳动密集型为主的现在，农业劳动力对粮食产量的影响是不可忽视的。再则，灾害是农业主要的自然灾害，对农业来说，不可抗拒的自然力对粮食产量的影响也非常大。随着经济的发展，农业生产条件显著改善，农业机械拥有量快速增长，农业机械化水平不断提高。现阶段，农业生产中由农业机械承担的劳动已占到40%以上，对粮食产量的影响力同样不容小觑。三、

4、模型设定 y=0+1x1+2x2+3x3+4x4+5x5+（y表示粮食总产量（万吨），x1表示农业化肥施用量，x2表示粮食播种面积(千公顷)，x3表示成灾面积(千公顷)，x4表示农业机械总动力（万千瓦），x5表示农产品价格指数，0为常数项，为随机扰动项，1、2：、3、4、5为变量前参数）表1为中国统计网、中国数据网1978-2009年的有关数据。 表1 1978-2005年我国粮食产量与相关投入资料年份粮食产量(万吨)化肥施用量(万吨)粮食作物播种面积(千公顷)农业灾害成灾面积(千公顷)农业机械总动力(万千瓦)农产品价格指数（元）1978年30476.5884120587.2244571174

5、9.91011979年33211.51086.3119262.71579013379.19103.71980年32055.51269.4117234.272977714745.7103.51981年325021406.9114957.6718743.33315680.1103.91982年354501513.4113462.416117.33316614.18103.21983年38727.51659.8114047.216209.33318021.93103.41984年40730.51739.8112883.931560719497.19103.31985年37910.81775.8108

6、845.1322705.33320912.51103.311986年39151.21930.6110932.62365622950104.321987年40297.71999.3111267.820392.66724836106.21988年39408.12141.5110122.624502.66726575114.11989年40754.92357.1112204.672444928067121.31990年44624.32590.3113465.871781928707.7122.41991年43529.32805.1112313.62781429388.6108.61992年44265

7、.82930.2110559.72585930308.4124.31993年45648.83151.9110508.72313331816.6127.71994年44510.13317.9109543.73138333802.5148.71995年46661.83593.7110060.42226736118.05148.71996年50453.53827.9112547.922123338546.9134.41997年49417.13980.71129126107.51998年51229.534083.7113787.42518145207.7192.11999年5

8、0838.584124.32113160.982673148996.1296.42000年46217.524146.412108462.543437452573.6190.12001年45263.674253.763106080.033179355172.1101.52002年45705.754339.39103890.6327318.957929.8598.62003年43069.534411.5699410.3732516.360386.54102.22004年46946.954636.58101606.0316297.31664027.91126.52005年48402.194766.2

9、18104278.3819966.0668397.85101.4四、参数估计 运用eviews对建立的模型使用普通最小二乘法进行估计，eviews的回归结果如表2所示。 表2 回归结果dependent variable: ymethod: least squaresdate: 12/20/11 time: 16:33sample: 1978 2005included observations: 28variablecoefficientstd. errort-statisticprob.c38590.0317190.792.2448090.0352x111.960141.3804748.66

10、37920.0000x2-0.0081530.130728-0.0623680.9508x3-0.2223500.066211-3.3581950.0028x4-0.5519520.115527-4.7776780.0001x5-50.6415728.64483-1.7679130.0909r-squared0.937413mean dependent var42409.31adjusted r-squared0.923189s.d. dependent var5900.193s.e. of regression1635.229akaike info criterion17.82436sum

11、squared resid58827411schwarz criterion18.10983log likelihood-243.5411f-statistic65.90223durbin-watson stat0.766726prob(f-statistic)0.000000 y=38590.03+11.96x1-0.008x2-0.22x3-0.55x4-50.64x5 (2.244) (8.664) （-0.063) (-3.358)（-4.778）（-1.768）r2=0.937 f=65.902 n=28 d.w.=0.766括号内为t统计量值五、模型检验1.方程拟合优度检验由回归结

12、果可知，可决系数 r2= 0.937413说明拟合优度很好，表示粮食产量的93.74%由模型中的5个变量来解释。2.t检验x1,x2,x3，x4,x5的t统计值的概率分别为0.0352，0.0000，0.95080， 0.0028， 0.0001，表明x1，x3，x4在5%的显著性水平下通过t检验，x2和x5未通过t检验。3.f检验 f检验的概率值为0.000000小于0.05，所以方程整体也较显著。4.多重共线性检验 判断：在5%的显著性水平，f=65.902大于临界值f0.05(5,23)=2.64,且r2= 0.937413，表明方程整体上于各解释变量之间是存在线性关系的。再检验各变量之

13、间的相关系数，如图所示： x1x2x3x4x5x11-0.73350.43040.96310.1112x2-0.73351-0.2719-0.8074-0.0947x30.4304-0.271910.3852-0.0973x40.9631-0.80740.38521-0.0357x50.1112-0.0947-0.0973-0.03571由表中发现，x1和x4的相关系数较大，存在高度共线性。修正首先运用eviews分别作y与x1，x2，x3，x4，x5间的回归，得出以y与x1间的回归作为初始回归模型。dependent variable: ymethod: least squaresdate:

14、 12/20/11 time: 17:28sample: 1978 2005included observations: 28variablecoefficientstd. errort-statisticprob.c30080.621326.62622.674530.0000x14.2763630.42435910.077230.0000r-squared0.796159mean dependent var42409.31adjusted r-squared0.788319s.d. dependent var5900.193s.e. of regression2714.606akaike i

15、nfo criterion18.71943sum squared resid1.92e+08schwarz criterion18.81459log likelihood-260.0720f-statistic101.5507durbin-watson stat0.561408prob(f-statistic)0.000000y =30080.62+4.27x1 (22.67) (10.07) r2=0.79 f=101.55然后采用逐步回归法将其余解释变量逐步代入x1的回归方程，进行回归补救。先引入x2，得到如下结果：dependent variable: ymethod: least sq

16、uaresdate: 12/20/11 time: 17:33sample: 1978 2005included observations: 28variablecoefficientstd. errort-statisticprob.c-16655.0517177.19-0.9696030.3415x15.3948170.5590299.6503320.0000x20.3919430.1437102.7273260.0115r-squared0.842901mean dependent var42409.31adjusted r-squared0.830333s.d. dependent v

17、ar5900.193s.e. of regression2430.325akaike info criterion18.53039sum squared resid1.48e+08schwarz criterion18.67313log likelihood-256.4255f-statistic67.06783durbin-watson stat0.422651prob(f-statistic)0.000000y=-16655.05+5.39x1+0.39x2 (-0.97) （9.65） （2.73）r2=0.83 f=67.08经比较，拟合优度有所提高，变量通过t检验。引入x3得到结果如

18、下：dependent variable: ymethod: least squaresdate: 12/20/11 time: 17:41sample: 1978 2005included observations: 28variablecoefficientstd. errort-statisticprob.c-15861.0516516.48-0.9603160.3465x15.7496950.57433910.010980.0000x20.4092650.1384842.9553240.0069x3-0.1571500.089828-1.7494530.0930r-squared0.8

19、60669mean dependent var42409.31adjusted r-squared0.843253s.d. dependent var5900.193s.e. of regression2335.962akaike info criterion18.48180sum squared resid1.31e+08schwarz criterion18.67211log likelihood-254.7452f-statistic49.41739durbin-watson stat0.213347prob(f-statistic)0.000000y=-15861.05+5.75x1+

20、0.40x2-0.157x3 (-0.97) （10.01）（2.95）（-1.75）r2=0.84 f=49.41经比较，拟合优度有所提高，变量通过t检验，引入x4得到：dependent variable: ymethod: least squaresdate: 12/20/11 time: 20:17sample: 1978 2005included observations: 28variablecoefficientstd. errort-statisticprob.c20301.2114350.181.4147010.1706x110.308631.0623229.7038640.

21、0000x20.0985830.1211910.8134490.4243x3-0.1873690.066041-2.8371780.0093x4-0.4126760.088319-4.6725870.0001r-squared0.928521mean dependent var42409.31adjusted r-squared0.916090s.d. dependent var5900.193s.e. of regression1709.118akaike info criterion17.88578sum squared resid67184959schwarz criterion18.1

22、2367log likelihood-245.4009f-statistic74.69369durbin-watson stat0.610857prob(f-statistic)0.000000y=20301.21+10.31x1+0.09x2-0.19x3-0.42x5 (1.41) （9.70）（0.81）（-2.84）（-4.67）r2=0.92 f=74.69经比较，拟合优度有所提高，变量x4的引入使得x2没通过t检验，去除x4，引入x5.得到：dependent variable: ymethod: least squaresdate: 12/20/11 time: 20:28sam

23、ple: 1978 2005included observations: 28variablecoefficientstd. errort-statisticprob.c-20989.0916519.20-1.2705880.2166x15.6545410.56506010.006980.0000x20.4108520.1353413.0356860.0059x3-0.1362630.088946-1.5319770.1392x542.6822829.249781.4592340.1580r-squared0.872476mean dependent var42409.31adjusted r

24、-squared0.850298s.d. dependent var5900.193s.e. of regression2282.867akaike info criterion18.46468sum squared resid1.20e+08schwarz criterion18.70258log likelihood-253.5056f-statistic39.33945durbin-watson stat0.311587prob(f-statistic)0.000000y=-203989.09+5.65x1+0.41x2-0.14x3+42.68x5 (-1.27) （9.70）（0.8

25、1）（-2.84）（-4.67）r2=0.87 f=39.33经比较，拟合优度下降，变量x5没通过t检验，去除x5。最终模型为y=-15861.05+5.75x1+0.40x2-0.157x3最优。 5.异方差检验 怀特检验的结果white heteroskedasticity test:f-statistic8.213476probability0.000118obs*r-squared19.63357probability0.103217test equation:dependent variable: resid2method: least squaresdate: 12/20/11 t

26、ime: 20:38sample: 1978 2005included observations: 28variablecoefficientstd. errort-statisticprob.c4.80e+083.18e+081.5097800.1460x1-11402.244845.288-2.3532630.0284x121.6887070.8073082.0917770.0488x2-8538.8175889.318-1.4498820.1619x220.0385910.0268841.4354480.1659x31173.715899.63151.3046620.2061x32-0.

27、0258680.018438-1.4029520.1752r-squared0.701199mean dependent var4677187.adjusted r-squared0.615827s.d. dependent var4415439.s.e. of regression2736763.akaike info criterion32.69477sum squared resid1.57e+14schwarz criterion33.02782log likelihood-450.7268f-statistic8.213476durbin-watson stat2.290451pro

28、b(f-statistic)0.000118由表知模型不存在异方差。6序列相关的检验 由表知d.w.=0.21，d.w.的上下界是1.18-1.65所以是正相关。做lm检验得出序列相关滞后15阶。再通过科克伦-奥科特修正，运行4阶迭代，做lm检验，通过检验，成功消除序列相关性。breusch-godfrey serial correlation lm test:f-statistic1.538246prob. f(1,15)0.2339obs*r-squared2.232274prob. chi-square(1)0.1352test equation:dependent variable:

29、residmethod: least squaresdate: 12/21/11 time: 15:45sample: 1982 2005included observations: 24presample missing value lagged residuals set to zero.coefficientstd. errort-statisticprob.c-0.8883728539.159-0.0001040.9999x10.0560790.5121930.1094880.9143x2-0.0044470.066769-0.0666030.9478x30.0104870.0274020.3827170.7073ar(1)0.1377380.2007690.6860530.5031ar(2)-0.1013170.235159-0.4308450.6727ar(3)-0.0075490.213155-0.0354170.9722ar(4)-0.0037860.146203-0.0258950.9797resid(-1)-0.4207430.339238-1.2402600.233