计量经济学论文-影响粮食产量的因素分析

1、.计量经济学论文影响粮食产量的因素分析姓名：易士桢 班级：金融1502 学号：20153035;影响粮食产量的因素分析我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。本文严格按照计量经济分析方法,以1996-2015年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行了分析。一、模型的建立以Yi=粮食产量、X1=粮食播种面积、X2=农用化肥施用量、 X3=农用机械总动力、 X4=农、林、牧、渔业劳动力、 X5=耕地灌溉面积，设定Yi=c+1X1i+2X2i+3X3i+4X4i+5X5i+ui理论模型。由经济规律知

2、1、2、3、4、5都应大于零。二、数据的收集（资料来源于中国各年统计年鉴）年份粮食产量（万吨）粮食播种面积（千公顷）农用化肥施用量（万吨）农用机械总动力（万千瓦）农、林、牧、渔业劳动力（万人）耕地灌溉面积（千公顷）199650453.51125483827.938546.93291050381.4199749417.11129123980.742015.63309551238.5199851229.51137874083.745207.73323252295.6199950838.61131614124.3489964200046217.51084634146.452

3、573.63335553820.3200145263.71060804253.8551724200245705.81038914339.457929.93248754354.9200343069.5994104411.657929.9484.554014.2200446946.91016064636.664027.9466.154478.4200548402.21042784766.268397.8446.355029.3200649804.21049584927.772522.1435.255750.5200750160.31056385107.876589.642

4、6.356518.3200852870.9106793523982190.4410.158471.7200953082.11089865404.487496.1373.759261.4201054647.71098765561.792780.5375.760347.7201157120.81105735704.297734.7359.561681.62012589581112055838.8102559338.962490.5201360193.81119565911.9103906.8294.863473.3201460702.61127235995.9108056.6284.664539.

5、5201562143.91133436022.6111728.127065872.6三、模型的参数估计利用Eviews8得到结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/01/17 Time: 20:10Sample: 1996 2015Included observations: 20VariableCoefficientStd. Errort-StatisticProb.  C-66773.8737106.01-1.7995430.0935X10.7900680.1191396.6314990.0000X

6、21.7688438.0599230.2194620.8295X3-0.0286920.338671-0.0847200.9337X4-0.0870170.051349-1.6946140.1123X50.4777650.6637450.7198020.4835R-squared0.976250    Mean dependent var51861.43Adjusted R-squared0.967768    S.D. dependent var5548.066S.E. of regression996.0571

7、    Akaike info criterion16.88881Sum squared resid13889816    Schwarz criterion17.18753Log likelihood-162.8881    Hannan-Quinn criter.16.94712F-statistic115.0958    Durbin-Watson stat1.811852Prob(F-statistic)0.000000由此数据

8、看出，可决系数和修正可决系数为0.976250和0.967768，F的检验值为115.0958，明显显著，拟合效果还可以。但当a=0.05时，ta/2(n-k-1)=2.1448，说明X2与X5的t检验不显著，而且X3与X4系数的符号与经济解释相反，可能存在多重共线性。四、模型的检验（一）、检验多重共线性（ 利用相关系数矩阵法） Covariance Analysis: OrdinaryDate: 06/01/17 Time: 20:27Sample: 1996 2015Included observations: 20CovarianceCorrelationY X1 X

9、2 X3 X4 X5 Y 292419881.000000X1 15462398175499180.6825521.000000X2 3301563.614506.7537424.10.8328320.2000921.000000X3 1.03E+0818979416168699155.33E+080.8281200.1963000.9970801.000000X4 -3920129717367126-9252927.-2.83E+082.43E+08-0.4648140.265811-0.809287-

10、0.7873271.000000X5 210258985370007.3232375.1.03E+08-49230933203715990.8614670.2840040.9769010.987377-0.6993711.000000由相关系数矩阵可以看出，有些解释变量之间的相关系数很高，证实确实存在多重共线性。、修正多重共线性采用逐步回归的方法，去解决多重共线性的问题。分别做Y对X1，X2，X3,X4,X5的一元回归，结果如下：变量X1X2X3X4X5系数估计值0.8810526.1433110.194031-0.1611631.032118t统计量3.9623396.383465

11、6.267782-2.2272657.197309R20.4658770.6936100.6857820.2160520.742125修正的R20.4362040.6765880.6683260.1724990.727799F统计量15.7001340.74862378.60304.96070851.80126按照各解释变量医院回归模型的拟合优度大小进行排序：X5、X2、X3、X1、X4。以Y对X5的一元回归模型为最优基本模型，将其他解释变量引入，寻找最优回归模型。1、加入X2，重新估计方程得到回归结果为：Y=-12886.76+1.256017X5-1.411091X2t=（-0.66204

12、7） （1.824837） （-0.332989）R2=0.743796，F=24.67670可以发现X2的系数估计值为负，参数经济意义不合理，予以剔除。2、加入X3，重新估计方程得到回归结果为：Y= -52135.10+ 2.091869X5 -0.209898X3t=（-1.356001） （2.338466） （-1.199823）R2= 0.762257，F= 27.25294可以发现X3的系数估计值为负，参数经济意义不合理，予以剔除。3、加入X1，重新估计方程得到回归结果为：Y= -64569.78+ 0.870047X5+ 0.614831X4t=（-8.359677） （12.9

13、2946） （8.480448）R2= 0.950698，F= 163.9052可以发现X1的系数估计值高度显著，保留X1。4、加入X4，重新估计方程得到回归结果为：Y= -67319.59+ 0.564664X5+ 0.812037X1 -0.104856X4t=（-12.02244）（6.356567）（11.44358） (-4.100895)R2= 0.985263，F= 233.9970可以发现X4的系数估计值为负，参数经济意义不合理，予以剔除。综上保留X1、X5两个解释变量，最终得：Dependent Variable: YMethod: Least SquaresDate: 06

14、/01/17 Time: 20:55Sample: 1996 2015Included observations: 20VariableCoefficientStd. Errort-StatisticProb.  C-64569.787723.957-8.3596770.0000X50.8700470.06729212.929460.0000X10.6148310.0725008.4804480.0000R-squared0.950698    Mean dependent var51861.43Adjusted R-squared0

15、.944897    S.D. dependent var5548.066S.E. of regression1302.352    Akaike info criterion17.31921Sum squared resid28834031    Schwarz criterion17.46857Log likelihood-170.1921    Hannan-Quinn criter.17.34837F-statistic163.

16、9052    Durbin-Watson stat0.842832Prob(F-statistic)0.000000Y= -64569.78+ 0.870047X5+ 0.614831X1t=（-8.359677） （12.92946） （8.480448）R2=0.950698，修正R2=0.944897，F=163.9052，D-W值=0.842832（二）自相关性检验（利用拉格朗日乘数检验法）结果如下：Breusch-Godfrey Serial Correlation LM Test:F-statistic3.000670  

17、;  Prob. F(2,15)0.0801Obs*R-squared5.715197    Prob. Chi-Square(2)0.0574Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/01/17 Time: 21:00Sample: 1996 2015Included observations: 20Presample missing value lagged residuals set to zero.VariableCoefficie

18、ntStd. Errort-StatisticProb.  C3405.8487926.9100.4296560.6736X50.0030610.0605690.0505430.9604X1-0.0330240.073925-0.4467170.6615RESID(-1)0.5904170.2539592.3248530.0345RESID(-2)-0.0982700.280190-0.3507250.7307R-squared0.285760    Mean dependent var-8.73E-12Adjusted R-squared0.095296    S.D. dependent var1231.901S.E. of regression1171.734    Akaike info criterion17.18268Sum squared resid20594423    Schwarz criterion17.43161Log likelihood-166.8268    Hanna