影响粮食产量的多因素分析

1、影响粮食产量的多因素分析05经济 40501031 冉峥嵘 40501039 李仪 40501061 谭金仪【摘要】本文采用计量经济分析方法,以19782005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。分析结果表明,近年来我国粮食生产主要受到单产提高缓慢、播种面积波动大、农业基础设施投入不足、自然灾害频繁等重要因素的影响。为提高粮食产量、促进粮食生产,首先应该提供一套促进粮食生产的政策措施,提高粮食种植效益,增加粮农收入是根本。在这个前提下,才有可能提高单产、稳定面积、加强基础设施建设、提高抗灾能力,增强我国粮食生产能力和生产稳定性。【关键词】 粮

2、食产量 多因素分析一 问题提出：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。粮食生产的不稳定性对国民经济的影响是不可忽略的，主要体现在:粮食生产不稳定会引发粮食供求关系的变动,尤其当国家粮食储备不足的时候,很容易导致粮价上涨,从而影响整个宏观经济。因此,对关系国计民生的这个特殊农产品,我们不得不慎重对待。因此，分析粮食产量波动的原因，并据此提出相应的对策，对保障粮食生产持续稳定发展，具有重要意义。二 文献综述中国的粮食生产问题,不仅是中国经济界的重要研究课题,而且也越来越受到世界经济学家的重视。许多经济学家对这一问题进行了深入的研究,得

3、出了许多重要的结论。目前国内学者研究这一问题时大多采用多元统计方法,或者是简单的计量模型，主要是从某一两个因素进行的分析，从而预测粮食产量的。1978-2003年我国农业科技投入和粮食产量关系的计量分析（杨剑波）一文是采用计量模型检验科技投入增长对粮食生产增长的影响、是否存在因果关系。主要用到的计量方法有协整分析、协整关系的检验与分析，向量误差修正模型(VEC模型)和动态调整模型。得到中国科技投入增长对粮食生产增长有显著影响的结论。美国学者布朗的一篇谁来养活中国的论文,曾引发了国内的大讨论。从国内粮食生产领域来看,2003年秋冬以来,粮价在多年低位徘徊后出现上涨,引发了新一轮对粮食问题的热烈讨

4、论。而今年年初以来的农产品价格大幅上涨,尤其是猪肉价格的飙升,更引发了人们对我国食品安全问题的关注。本文严格按照计量经济分析方法,以19782005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。三 模型设定，数据处理及检验1 本模型数据来源相应年度的中国统计年鉴、中国农村统计年鉴、中国农业发展报告、中华人民共和国年鉴、中国统计摘要,选用了粮食产量、粮食零售价格指数、受灾面积，化肥施用量，乡村农林牧渔业从业人员数，粮食作物播种面积，农用机械总动力，农村用电量这7个指标,把这7个指标的19782005年28年间的时间序列数据进行回归分析,来分析这些因素与粮

5、食产量的关系。以粮食产量作为因变量,其它7个指标作为解释变量进行回归分析。数据：粮食产量粮食零售价格指数（上年=100）受灾面积化肥施用量乡村农林牧渔业从业人员数粮食作物播种面积农用机械总动力农村用电量(万吨)y(-)x1(万公顷)x2(万吨)x3(万人)x4(千公顷)x5(万千瓦)x6(亿千瓦时)x7197830476.5101.3507988428455.612058711749.9253.1197933211.5103.739371086.329071.611926313379.2282.7198032055.5103.54452.61269.429808.411723414745.73

6、20.8198132502103.93978.61406.930677.611495815679.8369.8198235450100.23313.31513.431152.711346216614.2396.9198338727.599.93471.31659.831645.111404718022.1435.2198440730.599.83188.71739.83168511288419497.2464198537910.8110.94436.51775.830351.510884520912.5508.9198639151.2109.34713.51930.630467.9110933

7、22950586.7198740473.3106.24208.61999.33087011126824836658.8198839408114.15087.42141.531455.711012326575712198940754.9121.34699.12357.132440.511220528067790.5199044624.395.23847.42590.333336.411346628707.7844.5199143529.3108.65547.22805.134186.311231429388.6963.2199244265.8124.35133.32930.23403711056

8、030308.41106.9199345648.8127.74882.93151.933258.211050931816.61244.9199444510.1148.75504.33317.932690.310954433802.51473.9199546661.8134.44582.13593.732334.511006036118.11655.7199650453.5107.54698.93827.932260.411254838546.91812.7199749417.192.15342.93980.732677.911291242015.61980.1199851229.596.950

9、14.54083.732626.411378745207.72042.2199950838.696.44998.14124.332911.811316148996.12173.4200046217.590.15468.84146.432797.510846352573.62421.3200145263.7101.55221.54253.83245110608055172.12610.8200245705.898.64711.94339.431990.610389157929.92993.4200343069.5102.25450.64411.631259.69941060386.53432.9

10、200446946.9126.53710.64636.63059610160664027.93933200548402.2101.43881.84766.229975.510427868397.84375.72 模型设定通过对中国粮食生产及影响因素的初步定性分析后假设,粮食产量与其它7个指标之间存在多元线性关系,即粮食零售价格指数、受灾面积，化肥施用量，乡村农林牧渔业从业人员数，粮食作物播种面积，农用机械总动力，农村用电量之间存在着线性关系,也即可以把粮食产量的线性回归模型初步设定为y=b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7,其中,y:粮食产量, x1粮食零

11、售价格指数、x2受灾面积，x3化肥施用量，x4乡村农林牧渔业从业人员数，x5粮食作物播种面积，x6农用机械总动力，x7农村用电量,然后利用已有的数据进行模型拟合,以便发现这些因素之间存在的数量关系。可能有人会提出质疑,是否遗漏了其它重要的解释变量,的确像农业科技费用等这些因素对粮食产量有重要的影响,但考虑农业科技费用会导致严重的多重共线性(因为它们与粮食单产有极高的正相关性),又考虑到它代表对农业的投入和科技进步,在选用指标中已有灌溉面积、农机总动力等性质相似的指标,再加上分析工具的局限性,因此就舍弃了这几个指标。这也是线性相关分析的局限性之一。3 模型结果,检验和调整将收集到的数据运用计量分

12、析软件进行运算,可得到以上设立模型的参数值,则模型结果为:Y=15833.13+8.813674x1-1.954853x2+9.762547x3-0.105747x4+0.154043x5+0.022186x6-5.516333x7Se=(25422.05) (30.81030) (0.565561) (1.802161) (0.482949) (0.143545) (0.203779) (2.316930)T=0.622811 0.286063 -3.456484 5.417134 -0.218960 1.073134 0.108874 -2.380880R2=0.946831 dw=0.7

13、50906 df=26检验和调整（1） 经济意义检验 从回归结果可以看出，x1粮食零售价格指数，x3化肥施用量，x5粮食作物播种面积，x6农用机械总动力系数为正，x2受灾面积系数为负，符合经济意义。（2） 统计推断检验从回归结果可以看出，可决系数=0.946831，认为模型的拟合程度可以接受；系数显著性检验：大多数比较显著。(3) 计量经济学检验第一步，怀疑具有多重共线性，用逐步回归方法改善Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:28Sample: 1978 2005Included observati

14、ons: 28VariableCoefficientStd. Errort-StatisticProb.  C30097.871328.76422.651020.0000X34.2725520.42504210.052060.0000R-squared0.795346    Mean dependent var42415.58Adjusted R-squared0.787475    S.D. dependent var5897.959S.E. of regression2718.984

15、0;   Akaike info criterion18.72265Sum squared resid1.92E+08    Schwarz criterion18.81781Log likelihood-260.1171    F-statistic101.0440Durbin-Watson stat0.564307    Prob(F-statistic)0.000000Dependent Variable: YMethod: Least S

16、quaresDate: 12/23/07 Time: 11:29Sample: 1978 2005Included observations: 28VariableCoefficientStd. Errort-StatisticProb.  C-9459.7389982.682-0.9476150.3524X33.5759940.3813789.3765090.0000X41.3114140.3290763.9851390.0005R-squared0.874849    Mean dependent var42415.58Adjus

17、ted R-squared0.864837    S.D. dependent var5897.959S.E. of regression2168.357    Akaike info criterion18.30228Sum squared resid1.18E+08    Schwarz criterion18.44502Log likelihood-253.2320    F-statistic87.37936Durbin-Wat

18、son stat0.935247    Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:29Sample: 1978 2005Included observations: 28VariableCoefficientStd. Errort-StatisticProb.  C-38705.6615308.13-2.5284390.0184X34.4891250.5187688.6534260.0000X41

19、.1412470.3103033.6778430.0012X50.2883130.1209062.3846120.0253R-squared0.898821    Mean dependent var42415.58Adjusted R-squared0.886174    S.D. dependent var5897.959S.E. of regression1989.859    Akaike info criterion18.16108Sum squared resid

20、95028898    Schwarz criterion18.35139Log likelihood-250.2551    F-statistic71.06816Durbin-Watson stat0.785980    Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:22Sample: 1978 2005Included observat

21、ions: 28VariableCoefficientStd. Errort-StatisticProb.  C-42532.5414425.73-2.9483810.0072X34.7863690.5050069.4778390.0000X41.2923100.2987904.3251420.0003X50.3231850.1142342.8291530.0095X2-1.2390870.586775-2.1116900.0458R-squared0.915252    Mean dependent var42415.58Adjus

22、ted R-squared0.900514    S.D. dependent var5897.959S.E. of regression1860.303    Akaike info criterion18.05530Sum squared resid79596708    Schwarz criterion18.29319Log likelihood-247.7742    F-statistic62.09847Durbin-Wat

23、son stat0.496727    Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:30Sample: 1978 2005Included observations: 28VariableCoefficientStd. Errort-StatisticProb.  C-46560.6915518.86-3.0002640.0066X34.9000480.5318119.2138880.0000X41

24、.2473000.3075434.0556920.0005X50.3517300.1214222.8967610.0084X2-1.3145370.600849-2.1877980.0396X121.3223228.368140.7516290.4602R-squared0.917374    Mean dependent var42415.58Adjusted R-squared0.898595    S.D. dependent var5897.959S.E. of regression1878.151

25、0;   Akaike info criterion18.10137Sum squared resid77603888    Schwarz criterion18.38684Log likelihood-247.4192    F-statistic48.85207Durbin-Watson stat0.527875    Prob(F-statistic)0.000000第二步，自相关检验Dependent Variable: E1Metho

26、d: Least SquaresDate: 12/23/07 Time: 11:32Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  E20.7495440.1294255.7913410.0000R-squared0.563223    Mean dependent var24.96728Adjusted R-squared0.563223 

27、;   S.D. dependent var1744.502S.E. of regression1152.925    Akaike info criterion16.97433Sum squared resid34560159    Schwarz criterion17.02232Log likelihood-228.1534    Durbin-Watson stat1.340050科克伦-奥克特迭代法Ls y-0.749544*y(-1)

28、 c x3-0.749544*x3(-1) x4-0.749544*x4(-1) x5-0.749544*x5(-1) x2-0.749544*x2(-1)Dependent Variable: Y-0.749544*Y(-1)Method: Least SquaresDate: 12/23/07 Time: 11:35Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C-7759.3673

29、505.592-2.2134250.0375X3-0.749544*X3(-1)4.6837510.6696116.9947320.0000X4-0.749544*X4(-1)0.0016260.3853840.0042180.0967X5-0.749544*X5(-1)0.5974710.1170915.1026170.0000X2-0.749544*X2(-1)-1.1546810.315405-3.6609410.0014R-squared0.822811    Mean dependent var11231.62Adjusted R-square

30、d0.790595    S.D. dependent var2169.503S.E. of regression992.7818    Akaike info criterion16.80447Sum squared resid21683546    Schwarz criterion17.04444Log likelihood-221.8604    F-statistic25.54033Durbin-Watson stat1.76

31、8527    Prob(F-statistic)0.000000第三步，异方差检验White Heteroskedasticity Test:F-statistic1.010209    Probability0.498607Obs*R-squared14.60659    Probability0.405565Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/23/07 Time:

32、12:12Sample: 1979 2005Included observations: 27VariableCoefficientStd. Errort-StatisticProb.  C8402725.951433830.0883160.9311DX3-30381.5420861.84-1.4563210.1710DX3213.097566.1144682.1420600.0534DX3*DX40.1612141.8441240.0874200.9318DX3*DX50.2840330.7154290.3970100.6983DX3*DX2-1.9204151.3461

33、02-1.4266490.1792DX48032.12713377.730.6004100.5594DX42-0.2716130.776790-0.3496600.7327DX4*DX5-0.0969430.422218-0.2296050.8223DX4*DX20.1817851.2249590.1484010.8845DX5-2680.0124759.428-0.5630950.5837DX520.0620260.0906840.6839850.5070DX5*DX2-0.1287240.410774-0.3133680.7594DX25810.03111223.370.5176720.6

34、141DX22-0.7728410.896444-0.8621190.4055R-squared0.540985    Mean dependent var803094.3Adjusted R-squared0.005467    S.D. dependent var989254.3S.E. of regression986546.5    Akaike info criterion30.74199Sum squared resid1.17E+13  &#

35、160; Schwarz criterion31.46190Log likelihood-400.0169    F-statistic1.010209Durbin-Watson stat1.662201    Prob(F-statistic)0.498607第四步，时间序列数据平稳性检验Genr dy= y-0.749544*y(-1)Null Hypothesis: DY has a unit rootExogenous: ConstantLag Length: 5 (Automatic based

36、 on SIC, MAXLAG=6)t-Statistic  Prob.*Augmented Dickey-Fuller test statistic-1.153133 0.6742Test critical values:1% level-3.7880305% level-3.01236310% level-2.646119全都没有单位根最后回归结果y-0.749544*y(-1)=-7759.367+4.683751x3-0.749544*x3(-1)+0.001626x4-0.749544*x4(-1)+0.597471x5-0.749544*x5(-1)

37、-1.154681x2-0.749544*x2(-1)四、结果分析及政策建议根据以上的分析结果,可以认为,中国粮食生产的重要影响因素包括以下几个: x1粮食零售价格指数、x2受灾面积，x3化肥施用量，x4乡村农林牧渔业从业人员数，x5粮食作物播种面积，从一般常识来看,这些因素当然直接影响粮食总产量,但不能精确地估算这种影响之间的数量关系,而通过计量经济分析,我们可以更精确地知道影响的程度和大小。当然,由于收集数据的困难,没有能力引入其它变量,事实上,对粮食生产的影响因素很多,而且很复杂,我们不可能一一引入模型,只能就因素本身的重要程度、数据取得的难易程度、模型的数学条件进行适当的取舍,很有可能

38、有所偏颇。就目前来看,比如气候条件(一定程度上可由受灾面积有所体现,但仍然有很大的偏颇)、替代品价格等,本模型都未能囊括。不过,从以上的回归分析可以断定,前述5个因素是不可忽视的重要影响因素。以下分别就各个因素进行分析。1建立粮食和生产资料保护价格体系，发挥价格调节作用。价格因素是农业产量波动的“晴雨表”，粮食生产价格上升，农民种粮积极性提高，从而粮食产量上升，反之，粮食生产下滑。同时粮食生产资料的价格变化同样会影响到粮食的生产。近年来，粮食生产资料价格的上涨幅度较快，使得粮食生产下滑幅度较大。因此，稳定粮食的生产与发展首先要稳定农业生产资料市场，控制化肥，农膜，柴油等农业生产资料市场价格。其

39、次坚持和完善重点粮食品种最低收购价政策，进一步增加对农民的种粮直接补贴，良种补贴，农机具补贴。只有这样才能保护农民种粮积极性，维护农民利益。2努力降低自然灾害,提高我国粮食生产抗灾能力和稳定性。从本模型的最后一个影响因素看,受灾面积是一个负相关因素,即受灾面积越大,粮食产量越低。这一点在我国尤为明显,根本原因就在于我国农业的抗灾能力较弱,受灾则损失极大。以2003年河南省为例,由于遭受严重的涝灾,粮食减产超过总产的1/3以上,很多农户颗粒未收。据三农数据网的资料显示,近五年,我国干旱、洪涝、风雹、低温冻害等气象灾害频繁发生。另据农业部部统计,我国的各种农业自然灾害致使38.12亿亩农作物受灾,

40、其中成灾21.8亿亩,绝收5.9亿亩;我国病虫草鼠害偏重发生,全国农作物病虫草鼠害发生280亿亩次,全国草原鼠虫害发生45.19亿亩,每年经防治后仍损失粮食1500多万吨、棉花30万吨、油料100万吨、水果300万吨、牧草6875万吨。可见我国的农业灾害非常严重,对我国的粮食生产造成了极大损失。因此,对粮食生产而言,乃至对农业生产而言,应该采取积极的措施提高抗灾能力,减少灾害损失。具体措施包括:保证每年投入一定量的资金,加强气象预报的服务功能和农田水利基本建设(抵抗旱涝灾害)。大力推广农业抗灾减灾的科学技术,比如加强旱作节水农业、旱育秧、地膜覆盖、病虫草鼠综合防治等农业抗灾减灾技术的示范、推广

41、工作。这些科学技术的推广,对减轻农业灾害影响有重要的作用。及时组织、指导灾区抗灾救灾和农业生产自救。近年来,农业部加强政策、信息引导,根据灾害的发生规律,指导各地加快结构调整步伐,尤其是干旱地区,开展适应性种植和养殖,避免灾害损失。灾害发生后,各级农业部门及时组织农业、农机等技术人员,深入抗灾救灾第一线,充分发挥农业机械的作用组织指导农民开展抗灾抢险、加强田间管理和病虫害及动物疫病防治等工作,努力减轻农业灾害损失。因此，要加快农村基础设施建设，提高抵御自然灾害能力。我国灾害频繁，近年来，受灾面积占粮食播种面积的三成左右，成灾面积占受灾面积近五成。农业和粮食生产还没有完全摆脱靠天吃饭的局面，所以

42、要保持粮食生产的持续发展，必须加快农村基础设施的建设，加快农田水利设施建设，加强农机装备，特别是要加强以小型水利设施为重点的农田基本建设，加强防风抗旱和减灾体系建设。只有这样才能使自然灾害所造成的损失减少到最小。3.在适宜地区适度发展农业机械化。从模型来看,我国农业机械的普遍使用对我国的粮食生产有很大的促进作用,从简单相关系数(0.838)来看,农机是仅次于单产的相关因素之一(但未必是最重要的因素,因为我国的农业劳动力过剩,但本模型又未引入劳动力因素)。目前,我国农业机械的使用和普及呈现出这样的特点,大型农机和小型农机均有增长,但小型农机的使用增长较快。大型农机主要用于专业服务、跨区作业,小型

43、农机主要用于农户家庭使用,数量较大的是小型拖拉机及其与之配套的小农机。这些小农机的使用一方面与我国农户所拥有的承包地面积狭小有关,另一方面也与农村剩余劳动力的季节性外出务工有关,农闲季节,壮劳力都外出打工,家中只剩老弱病残,为了赶农时、节省回家务农时间而购买小型农机,此外,农户也能承担小型农机的价格。农机的使用在一定程度上提高了我国的农业劳动生产率,是社会进步的一种表现。但我国农业劳动力过剩的基本国情使得农业机械对劳动的替代进展缓慢,除非我国农村劳动力的非农就业有很大的增长,一方面农户通过非农收入的增加来增加农业机械的投入,另一方面农户通过农业机械的投入来替代农业劳动力投入的减少。这也说明了为

44、什么在农业劳动力非农就业机会较多的地区,农机化程度在提升。因此，要调整农业产业结构，转变农业增长方式，推进粮食产业化经营。一是大力调整农业经济结构，积极采用先进适用技术改造传统农业，转变低效率的农业增长方式。二是充分考虑不同区域的农业特点和资源禀赋，调整农业产业结构，优化区域经济布局，形成各具特色，整体协调的农业产业布局。三是要在引导农民多种粮种好粮的同时，通过集约化经营来扩大高产，高效，优质粮食的种植，使农民在产业化经营中得到实惠。4稳定耕地面积是保证粮食生产的重要因素。从上述粮食产量的多元线性模型来看,播种面积也是一个重要的影响参数。虽然与单产相比,播种面积与产量的相关系数低一些,但很显然

45、,在单产不变的前提下,增加播种面积就可以增加产量。我们目前的目标不是绝对地要求每年的播种面积能够达到多少,而是要保证必须的粮食生产能力,这个粮食生产能力就包括在必要的时候有足够土地能够投入粮食生产。近几年来,我国粮食播种面积呈下降趋势,以2002年为例,比上年下降2%。播种面积下降的原因有很多,首先是近年来粮食价格在低位徘徊,种粮效益相对较低,农民主动放弃种粮。其次,农业结构调整也导致了播种面积缩小。另外,我国退耕还林的力度加大,也导致了粮食播种面积缩小。近期还有一个突出现象就是违规占地非常严重,这使得我国在近几年出现了一个新的弱势群体,就是失地农民。本来我国的人均耕地面积(1.50亩/人)不足世界平均水平的一半,如果我们还不珍视耕地,就有可能带来农业危机。应该说,在我国,耕地面积递减和人口递增是一个不可逆转的趋势,我们的任务是尽量减缓这个趋势,要依照土地法,保护耕地,控制、减少非农用地的增长,稳定粮食播种面积,达到粮食生产的持续稳定增长。事实上国家也意识到了这个问题的严重性,已经提出了我国要实施世界上最严厉的耕地保护制度。这是