篇一：粮食产量影响因素的回归分析
计量经济学论文
粮食产量影响因素的回归分析
班级：08物流
姓名：綦淇
学号：130112008034
日期：2011年6月22日
关于我国粮食产量影响因素的回归分析
摘要：本文主要采用回归分析的方法对1990—2005年影响我国粮食产量变化的主要因素进行分析，建立了以粮食产量为应变量，粮食作物播种面积、有效灌溉面积、农业机械总动力、化肥施用量和成灾面积五种可量化的影响因素为自变量的多元线性回归模型，利用模型对各个因素进行了比较分析。同时，对模型进行检验，在此基础上提出了一些关于稳定发展粮食生产的可供参考的意见。
关于我国粮食产量影响因素的回归分析
一、文献综述
1、《近年我国粮食产量变化的主要影响因素分析》赵俊晔，李秀峰，王 川著
??采用逐步回归和灰色关联分析对1991～2004年影响我国粮食产量变化的主要因素进行了分析，发现粮食产量变化主要来自稻谷单产变化及玉米和小麦播种面积的变化。有效灌溉面积与粮食产量一直保持高的关联度；成灾面积与粮食产量的关联度剧烈变动，其关联序仅次于有效灌溉面积；化肥、农药、农业机械总动力和农用塑料薄膜等用量与粮食产量的关联度逐渐下降。
2、《中国粮食产量分析及展望》 新浪财经http://finance.sina.com.cn
??自建国以来，我国粮食生产不断发展，产量不断提高，但这一过程也呈现出我国粮食产量存在周期性波动的特点，而且粮食产量的动波动基本上与粮食价格相吻合。未来我国粮食供求形势还不容乐观，粮食价格从长期看仍然有上涨要求。
3、《中国粮食产量波动影响因素实证分析》 王玉斌，蒋俊朋，王晓志，陈慧萍著 ??基于最小信息准则采用扩展ADF法对1949—2004年中国粮食及水稻、小麦、玉米产量数据进行平稳性检验,结果表明:其在原始序列水平上均为平稳时间序列;采用TARCH模型与EGARCH模型对以上数据的增长率数据进行非对称性检验,结果表明,波动具有"杠杆效应",负面影响比等量正面影响导致更大波动;根据扩展C-D函数运用1978—2004年中国粮食生产相关数据构建了粮食产量波动影响因素实证模型,结果说明,投入变动对粮食产量波动有同向影响,经济作物比较收益情况对粮食生产有反向作用,粮食本身收益情况并非影响生产的关键因素,粮食生产对气候等自然条件依赖性较强。
4、《我国粮食作物技术进步模式的经济学分析》 杨巍著 中国农业科学院
??在农业技术的推动下，我国农业发展取得了举世瞩目的成就，主要农产品供给实现了长期短缺向丰年有余的历史性转变，粮食产量从1949年的11318万吨增长为2005年的48402.2万吨，年均增长速度5.85％，技术进步带来的单产水平的提高是我国粮食产量的不断增长的主要原因，技术进步为我国粮食发展作出了巨大贡献。但是另一方面，我国农业科技面临着转化率低的现实问题。目前，我国每年登记的农业科技新成果达3000余项，但转化率仅为30％～40％，很多成果没能转化成现实生产力。导致农业科技成果转化率不高的原因很复杂，既有推广应用体系不健全的问题，也有成果应用主体的科技意识和接受能力差的问题，还与成果本身适用性密切相关。科技成果只有适应了生产力的要求、适应了市场的需求才能转化成现实的生产力。
5、《我国粮食产量的影响因素分析——利用协整理论分析1983—2003年数据》 张驰，乔现伟著
??利用1983—2003年数据,运用协整理论来对影响我国粮食产量的因素进行分析,并给出了误差修正模型。发现我国近年来粮食产量的连续下降不是由于自然原因和对农业的
投入造成的,主要原因是我国对农业的政策和其它的原因造成的。
6、《多元统计分析在粮食产量影响因素分析中的应用——以四川省为例》任平，王广杰， 何伟，蒋贵国著
??粮食安全问题引起了社会各界的高度重视。四川省作为全国的人口大省、粮食大省,粮食安全不容忽视。采用多元统计中的灰色关联度分析和主成分分析法对四川省粮食产量影响因素进行了相关分析,确定其主要影响因素,为解决粮食安全问题提供科学依据。
7、《我国粮食产量影响因素的通径分析》 熊吉峰，王雅鹏著
??通过通径分析,认为单产与化肥施用量是影响我国粮食总产量的主要因素。应通过科技进步与精耕细作来增加粮食产量。
8、《1978年以来,粮食产量的影响因素分析》 薛国琴
??1978年至今，我国粮食生产呈现增长的趋势，但1978—1984年这段时间比1984年至今增长率要高。本文就影响粮食产量的因素，尤其是近几年影响粮食产量的主要因素进行分析，以期粮食产量更上一层楼。
9、《粮食产量影响因素的灰色关联分析及其贡献率比较》赵鹏，陈阜，刘斌，卢中民著??运用灰色关联分析的方法,通过对省域(河南省)、市域(安阳市)、县域(滑县)三级粮食产量影响因素(播种面积、有效灌溉面积、农村用电、农用化肥、农用柴油、农药)的灰色关联分析及其贡献率比较,结果表明:有效灌溉面积对市域、省域两级粮食产量的影响均居第一位,农用化肥施用量对县域、市域两级粮食产量的影响均居第二位,农药与其它5个因素相比,对省、市、县三级粮食产量的影响相同,都是最小。农用柴油、农村用电、农用化肥、农药对县、市两级粮食产量的贡献率均居第一、第二、第三、第四位,化肥和农药对省、市、县三级粮食产量的贡献率都据第三和第四位。在此基础上,为不同区域尺度的粮食生产提供了决策依据
10、《改革开放以来中国耕地资源数据重建与未来耕地面积预测》朱红波著
??由于种种原因,改革开放以来中国耕地资源数据的准确性一直受到质疑。针对该问题,本文在总结前人研究的基础上,以1996年全国土地利用祥查数据作为数据重建的基准点,通过耕地资源增减变化情况对1980-1995年间耕地资源数据进行了重建。并在此重建数据的基础上,选用灰色模型GM(1,1)对未来一段时间中国耕地资源面积进行预测,结果显示,中国未来耕地递减的速度将逐年减慢,这与我国耕地保护政策越来越严厉的现实十分吻合。
11、《近20年我国有效灌溉面积动态分析》 柳长顺，杜丽娟，陈献，乔建华著
??有效灌溉耕地是我国粮食安全的重要保障。本文在全面分析近20年有效灌溉面积变化情况及其原因的基础上,提出保护有效灌溉面积的相关建议。研究表明,1986年~2004年我国年均已有灌溉面积减少量为81.81×104hm2,占年均有效灌溉面积的
1.60%。2000年以后有效灌溉面积减少的主要原因是灌溉设施损坏、建设占地和退耕。我国每年因有效灌溉面积减少至少导致粮食减产48.90×108kg。建议水利部门抓住2006年将开展的土地利用总体规划修编前期工作和第二次全国农业普查的机会,会同有关部门开展调研,提出保护有效灌溉面积的具体对策。
12、《重视农田水利建设促进我国有效灌溉面积稳步增长》 叶树石，程骏著
??建国以来，我国灌溉面积增长经历了三个阶段，即高速增长期，由１９５０年的１６６６．７万公顷发展到１９８０年的４８６６．７万公顷；十年徘徊期，由１９８０年的面积下降到１９９０年的４８４０万公顷；稳步增长期，１９９１～１９９３年面积增长１４３．９万公顷，占计划指标７２％，１９９３年全国有效灌溉面积达到４９８３．９万公顷。完成计划好的共同特点：各级政府重视农田水利建设，贯彻“巩固改造，适当发展”的方针，加强灌区改造，依靠农民投劳集资，新增了灌溉面积控制了灌溉面积的减少。影响
灌溉面积持续发展的主要因素：灌区工程老化损坏严重，灌溉水源设施和面积被占用，投资缺口大。这些问题迫切需要解决。
13、《农业机械总动力变化影响因素的灰色关联分析》 郑文钟，应霞芳
??农机总动力是反映和评价农业机械化水平的一个重要指标。为此,从系统的观点出发,选择农业劳均粮食播种面积、粮食单位面积产量、农业劳均产值和农民年纯收入等4个指标作为影响农机总动力变化的因素,并依据浙江省1981～2003年有关统计数据,利用灰色关联法对影响农机总动力变化的因素进行关联分析。结果表明,粮食单位面积产量和农业劳均粮食播种面积是影响农机总动力变化的最直接因素。
14、《基于灰色—马尔柯夫模型的中国农业机械总动力预测》朱登胜，陆江锋著
??灰色一马尔柯夫预测方法能够较好地解决既有趋势性又有较大波动性的数据序列的预测问题,且具有计算简便、精度高的特点。为此,利用该方法对我国农机总动力需求进行了预测分析,为农业机械化发展提供了依据。
15、《不同阶段化肥施用量对我国粮食产量的影响分析——基于1952—2006年30个省份的面板数据》 张利庠，彭辉，靳兴初著
??通过把1952—2006年全国30个省市的大样本面板数据分成5个不同时期,首次使用引入时间变量的变截距双对数模型,并根据不同结果的各方面检验进行模型改进,对不同阶段我国化肥施用量对粮食产量的影响进行了计量分析。分析结果表明,化肥施用量对粮食产量的显著的正增产效应一直保持到近期才变得不显著;化肥施用量对粮食产量的增产弹性先增大后减小;单位质量化肥投入带来的实际粮食产量增加量不断减少。
16、《化肥施用量对粮食产量的贡献率分析》 徐浪，贾静著
??化肥投入量是影响粮食产量的一个重要因素 ,研究化肥和粮食产量的关系 ,有利于揭示粮食增产的规律、指导粮食生产 ;研究化肥施用量对粮食产量贡献率的变动 ,有利于揭示化肥对生态环境的影响 ,从而计划合理的化肥投入。在宏观上通过对四川省历年的粮食总产及化肥投入量的建模 ,分析化肥施用量对粮食产量的贡献率及其变动的规律 ,为农业政策的制定提供依据
17、《定量评估旱灾的一种方法——利用降水量估算农田受灾面积》黄朝迎国家气象中心
??干早是我国最主要的自然灾害,全国每年平均农田受灾面积在5亿亩以上,其中早灾面积约占60％,损失粮食200—250亿公斤,造成经济损失数百亿元。然而,对早灾的评估长期以来都是采取逐级调查上报的办法,不仅花费很大的人力物力,而时效也慢,还由于各部门调查的目的和采用的方法不同,收集到的早情材料往往出入很大,给灾情分析带来困难,为此,有必要建立一套客观评估方法。我们利用质量较好的80年代灾情资料序列和同时期的年
18、《中国统计年鉴2007》 中国统计局 中国统计出版社
??粮食产量 指全社会的产量。包括国有经济经营的、集体统一经营的和农民家庭经营的粮食产量，还包括工矿企业办的农场和其他生产单位的产量。粮食除包括稻谷、小麦、玉米、高粱、谷子及其他杂粮外，还包括薯类和豆类。其产量计算方法，豆类按去豆荚后的干豆计算；薯类(包括甘薯和马铃薯，不包括芋头和木薯)1963年以前按每4公斤鲜薯折1公斤粮食计算，从1964年开始改为按5公斤鲜薯折1公斤粮食计算。城市郊区作为蔬菜的薯类(如马铃薯等)按鲜品计算，并且不作粮食统计。其他粮食一律按脱粒后的原粮计算。1989年以前全国粮食产量数据主要靠全面报表取得，1989年开始使用抽样调查数据。二、问题的提出
粮食是人类生存最基本的生活消费品，一个国家的粮食问题是关系到本国的国计民生的头等大事。我们知道，农业是国民经济发展的基础，粮食是基础的基础，因此粮食生产是关系到一个国家生存与发展的一个永恒的主题。建国以来我国的粮食产量多次出现了波动，这不仅制约了国民经济的发展，而且给粮食生产者和消费者都带来了极为不利的影响。中国的粮食产量波动对粮食价格的影响重大，意义深远。分析近几十年来的中国粮食产量并从中发现一些规律，对我们认识目前的粮食价格及未来走势有重要帮助。
在我国，粮食包括谷物、豆类和薯类，其中大宗产品——谷物又主要包括小麦、玉米、水稻三种。粮食生产在我国具有特别重要的意义，中国历史上，因为饥荒而引发的战乱是不胜枚举的，所以大凡出色的皇帝都有强烈的民本农耕思想。直到现代社会，粮食依然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。西方国家某些学者所讲的中国威胁论，很大一部分来源于对我国粮食生产的担心。因此，对我国粮食生产的影响因素进行定量分析，研究粮食生产涨落的原因以及提供某些政策建议是十分必要的。
改革开放以来，我国粮食产量从总趋势来看是增长的，然而对总趋势作进一步分析，发 现:以曾创历史最高纪录的1984年为界，向前推到1978年，这段时期，增长势头较猛，增 长率较高，1984年到今这段时期，曾经有几个年头出现徘徊，有几年继续增长，但增长势 头不如前一个时期迅猛。
也就是说，1978年至今，粮食产量的总趋势是增长的，但这增长是在波动中的增长，
这其中的原因可以从粮食产量的影响因素中得到说明。本文将就影响粮食产量的具体因素作 些分析。
三、模型的选择和变量的设定
生产函数模型的一个基本假设是关于要素之间替代性质的假设。作为粮食产量的解释变量的元素是多个的，如果假设粮食播种面积、有效灌溉面积等要素是可以替代的，则粮食产量与其投入要素之间的关系可以采用单方程线性计量经济学模型。
我国国土辽阔，但耕地面积稀少，改革开放之前粮食生产主要是以小农经济为主体的粗放式生产，粮食产量的提高几乎全部靠劳动力的投入，同时对自然灾害所带来的危害的抵御能力较弱。改革开放以来，国家在推行农村土地改革的基础上，加大了对粮食生产的其他要素的投入，比如说袁隆平的杂交水稻技术等等科学技术的投入，农业机械化的改进，化肥使用的投入，以及加大各种农村水利设施的建设等等，都在极大程度上提高了我国粮食产量和整个农业生产力的进步。同时，国家也在对防护自然灾害对粮食产量的影响方面做出了许多贡献，将自然灾害对农业生产的影响降到最低。
可以看出影响粮食产量的因素中包括了促进生产的有利因素和抑制产出的不利因素。所以在此，我们选取了粮食播种面积、有效灌溉面积、农业机械总动力、化肥施用量四个有利因素以及受灾面积和成灾面积作为研究粮食产量的模型中的解释变量。（注：由于我国特殊国情，人口众多，加之，粮食的需求是缺乏弹性的，所以对粮食的需求量不会产生较大波动，因而，影响粮食增加值的因素是生产因素，粮食生产函数是供给导向的）
综上，我们建立模型如下：
Y=C+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+U
在方程中，Y代表粮食产量(单位：万吨)；
X1代表粮食播种面积（单位：千公顷）；
篇二：我国粮食产量影响因素的计量分析
我国粮食产量影响因素的计量分析
一、引言
农业是国民经济的基础, 粮食是基础的基础。粮食是人类赖以生存的必需物品，是国民经济发展和社会稳定的重要物质基础。尤其是对人均耕地已不足1. 4 亩且人口绝对规模持续扩大的我国而言,粮食产量的稳定增长显得格外重要。因此在研究加快粮食生产发展的进程中，只有了解影响粮食产量的主要因素，才有利于揭示粮食增产的规律，对指导粮食增产有重要的意义，政府也才能正确地做出举措来促进粮食产量健康合理可持续的增长。影响粮食产量的因素众多，如水资源贫富、有效灌溉面积、城市化、自然气候、农资投入、作物种植结构、国家政策、生产资料与粮食价格指数比、农药化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力等。 二、变量的选取及模型的设定
在此，选取影响和制约粮食产量的农药化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力这五个主要因素，并拟合出关于我国粮食生产的线性回归模型。确定的模型的被解释变量为：粮食产量；解释变量为：农药化肥施用量X1、粮食播种面积X2、成灾面积X3、农业机械总动力X4、农业劳动力X5。由初步的分析知，粮食产量与成灾面积是负相关的，而与其它变量则是正相关的。根据所确定模型变量收集到了1983年至2007年主要粮食生产数据(表1)。通过EVIEWS软件对数据进行处理、分析并得出相关结论。
基于以上变量，建立模型为：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+μ，其中，β0度量常数项，表示在没有其他五个因素时粮食产量为负值，即粮食有消耗；β1度量当农药化肥使用量变动一个单位时，粮食产量的变动；β2度量当粮食播种面积变动一个单位，粮食产量的变动；β3度量当成灾面积变动一个单位，粮食产量的变动；β4度量农业机械总动力对粮食产量的影响；β5度量农业劳动力对粮食产量的影响；μ为随机扰动项。
表1 1983-2007年我国粮食产量及影响因素数据
年份
粮食产量 (万吨)
1983
38728
农业化肥
施用量 1660
粮食播种面积 114047
成灾面积 16209
农业机械 总动力 （万千瓦） 18022
农业劳 动力 （万人） 31151
（万公斤） （千公顷） （公顷）
1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
40731 37911 39151 40208 39408 40755 44624 43529 44264 45649 44510 46662 50454 49417 51230 50839 46218 45264 45706 43070 46947
1740 1776 1931 1999 2142 2357 2590 2806 2930 3152 3318 3594 3828 3981 4084 4124 4146 4254 4339 4412 4637
112884 108845 110933 111268 110123 112205 113466 112314 110560 110509 109544 110060 112548 112912 113787 113161 108463 106080 103891 99410 101606
15264 22705 23656 20393 23945 24449 17819 27814 25895 23133 31383 22267 21233 30309 25181 26731 34374 31793 27319 32516 16297
19497 20913 22950 24836 26575 28067 28708 29389 30308 31817 33802 36118 38547 42016 45208 48996 52574 55172 57930 60387 64028
30868 31130 31254 31663 32249 33225 38914 39098 38699 37680 36628 35530 34820 34840 35177 35768 36043 36513 36870 36546 35269 33970 32561 31444
2005 48402 4766 104278 19966 68398 2006 49804 4928 104958 24632 72522 2007 50160 5108 105638 25064 76590 注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。 资料来源：《中国统计年鉴》（1995，2008）。
三、实证分析
表2 中国粮食产量函数
Dependent Variable: Y Method: Least Squares Date: 11/23/11Time: 21:25 Sample: 1983 2007 Included observations: 25
X1 X2 X3 X4 X5 C
R-squared
Adjusted R-squared
5.994511 0.536701 -0.135873 -0.090822 -0.007390 -26695.08
0.609713 0.057858 0.029720 0.042053 0.070511 7507.527
9.831685 9.276245 -4.571732 -2.159696 -0.104814 -3.555775
0.0000 0.0000 0.0002 0.0438 0.9176 0.0021
0.980829 Mean dependent var 44945.64 0.975783 S.D. dependent var
4150.729
S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
645.9230 Akaike info criterion 7927113. Schwarz criterion -193.8100 F-statistic 1.715679 Prob(F-statistic)
15.98480 16.27733 194.4114 0.000000
1、用OLS法估计模型
Y=-26695.08+5.99X1+0.54X2-0.14X3-0.09X4-0.01X5
（-3.56） （9.83）（9.28）（-4.57）（-2.16）（-0.1） R2=0.9808R2 =0.9758 F=194.41D.W.=1.72
由于R2较大且接近1，而且F=194.41＞F0.05（5,19）=2.74，故认为粮食生产与上述解释变量间总体线性关系显著。但因为X4的t检验值并不显著，X5的显著性不强，而且符号的经济意义也不合理，可能存在多重共线性，故认为解释变量间存在多重共线性。 2、检验简单相关系数
表3 相关系数表
X1 X2 X3 X4 X5
X1 1 -0.61657 0.400644 0.952746 0.314885
X2 -0.616566
1 -0.238039 -0.741538 -0.06097
X3 0.400644 -0.238039 1 0.310096 0.409704
X4 0.952746 -0.74154 0.310096
1 0.128834
X5 0.314885 -0.06097 0.409704 0.128834
1
——
^
由表中数据可以发现X1与X4间存在高度相关性。 3、找出最简单的回归形式
分别作Y与X1、X2、X4、X5间的回归： （1）Y=34256.14+3.158761X1(23.53)(7.72)
R2=0.7214F=59.54 D.W.=0.79 （2）Y=60721.96-0.1443X2 （2.63） （-0.68）
R=0.0199 F=0.47 D.W.=0.33 （3）Y=38116.35+0.1652X4
^
2
^
^
（24.57）（4.78）
R2=0.4978 F=22.8 D.W.=0.51 （4）Y=25719.78+0.5538X5
（2.4）（1.8）
R2=0.1234F=3.24D.W.=0.32
可见，粮食生产受农业化肥施用量的影响最大，与经验相符合，因此选（1）为初始的回归模型。 4、逐步回归
将其他解释变量分别导入上述回归模型，寻找最佳回归方程（表4）。
表4 逐步回归
^
讨论：
第一步，在初始模型中引入X2，模型拟合优度提高，且参数符号合理，变量也通过了t检验；
第二步：引入X3，拟合优度再次提高，且参数符号合理，变量也通过了t检验；只是D.W.值为1.43偏离2，落入了无法判断的区域。
第三步：引入X4，尽管拟合优度仍略有提高，但X4的参数未能通过t检验（因为-2.67＜2.069），且符号不合理；
第四步：去掉X4，引入X5，X5的参数未能通过t检验（因为1.34＜2.069）； 综上所述，第三步、第四步表明，X4、X5是多余的。同样还可以继续验证，如果用与X1高度相关的X4代替X1，则X4与X2、X3、X5间的任意线性组合，均达不
到以X1、X2、X3为解释变量的回归效果。因此，最终的粮食生产函数应以Y=f（X1，X2，X3）为最优，拟合结果如下：
Y=-37842.67+4.79X1+0.63X2-0.11X3 四、结论及建议
模型剔除了农业机械总动力、农业劳动力两个变量，因为在模型的建立中参数符号不符合经济意义且参数的t检验和显著性检验不能通过。通过修正后的我国粮食产量模型可以发现，我国粮食产量的主要影响因素为农药化肥施用量、粮食播种面积和成灾面积。为此，提出如下建议：
1、提高化肥利用效率，推广生态农业。化肥施用量虽然对粮食增产有着积极作用，但过度施用化肥会很大程度上降低土地肥力，抑制粮食产量。因此要确定化肥施用量的合理范围，同时倡导无机肥和有机肥结合施用，提高肥料的利用率和土壤肥力，增加土壤有机质含量，提高土地的粮食生产能力。
2、保护耕地面积，探索有效机制；稳定粮食播种面积，保证粮食产量。近年来，城市化建设进程中建筑和工业用地规模的扩大，导致耕地面积急剧减少。避免城市的扩张造成耕地的损失，加大耕地保护力度，稳定粮食作物播种面积因此，要坚决贯彻执行国家出台的政策和法律法规，积极探索对耕地的有偿保护制度。从上述粮食产量的多元线性模型来看，播种面积是一个重要的影响参数。在其他条件不变的情况下，增加播种面积就可以增加产量。所以，还应发展先进农业科学技术，加强耕地的深度开发，提高耕地的使用效率，从而相对增加播种面积。
3、加强农业基础设施建设， 提高粮食生产的抗灾能力；普及防灾知识，降低受灾风险。加强以农田水利为重点的粮食生产基本建设，确保在粮食生产过程中少减产、多增收。国家应在减少粮食受灾、提高粮食生产安全性的基础上加大财政投入力度，对农民进行农业教育和技术推广，提高农民的防灾意识和增强其防灾救灾的本领。同时，大力发展现代农业，以产业化、规模化提升农业效益，增强农业自身抗灾能力。
参考文献：
【1】 李子奈、潘文卿.计量经济学【M】.第二版.高等教育出版社,2005年 【2】 王智.关于我国粮食产量影响因素的实证分析【J】.大众商务,No．1，2010
篇三：计量经济学实验报告——粮食产量的影响因素分析
粮食产量的影响因素分析
一、 问题的提出 改革开放以来，中国经济迅速发展，人口增长迅猛，对粮食的需求日益增加。粮食产量无疑成了影响中国经济发展的重大因素。同时，粮食的产量直接关系到农业劳动力的生活水平，因此，“三农”问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。为此，本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。
二．研究方案与数据的搜集统计
通过对影响粮食产量的主要因素的分析，把影响农民收入的因素主要归结与以下几个方面：农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。通过查找中国统计年鉴，我们得到如下的统计资料：
注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。 资料来源：《中国统计年鉴》（1985，2009）
三、模型的估计、检验、确认
对模型有如下假设：
1.零均值： E(ui)?0i?1,2,3,?,n 2.同方差无自相关：
COV(ui,uk)?E[(ui?Eui)(uk?Euk)]??2,
?E(ui,uk)??
?0,
i?ki?k
3.随机扰动项与解释变量不相关：Cov(Xji,ui)?0 j?2,3,?,k 4.无多重共线性
5. 残差的正态性： ?i~N(0,?2)
显然这些假设是不可能完全成立的，所以必须对其进行检验。 残差的正态性检验已完成。 主要需要检验的有：
一、多重共线性检验。二、异方差性检验。三、自相关性检验。
由于现有知识有限，只能对检验出来的一种情况进行修正，其它的暂不做修正，只做检验。 我们将基于以上数据进行分析。
（1）利用Eviews5.0作OLS估计的结果为：
Dependent Variable: Y Method: Least Squares Date: 12/26/11Time: 12:41 Sample: 1985 2009 Included observations: 25
Variable
C X1 X2 X3 X4 X5
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -26695.08 5.994511 0.536701 -0.135873 0.090822 -0.007390
Std. Error 7507.527 0.609713 0.057858 0.029720 0.042053 0.070511
t-Statistic -3.555775 9.831685 9.276245 -4.571732 -2.159696 -0.104814
Prob. 0.0021 0.0000 0.0000 0.0002 0.0438 0.9176 44945.64 4150.729 15.98480 16.27733 194.4114 0.000000
0.980829 Mean dependent var 0.975783 S.D. dependent var 645.9230 Akaike info criterion 7927113. Schwarz criterion -193.8100 F-statistic 1.715679 Prob(F-statistic)
Y= -26695.08+5.994511X1+0.536701X2+-0.135873X3+0.090822 X4+-0.007390X5
(7507.527) (0.609713) (0.057858) (0.029720)(0.042053) (0.070511) T =（-3.555775）(9.831685)(9.276245)(-4.571732) (-2.159696)(-0.104814)R-Squared=0.980829 df=19
从上面的估计的结果可以看出：可决系数R-Squared=0. 980829，表明模型在整体的拟和非常好。系数显著性检验：对于C、X1、X2、X3、X4的系数，t的统计量的绝对值都通过了检验，而X5的系数的t统计量为-0.104814，在df=19、α=0.05的情况下， X5的系数不能通过检验。
根据经验判断，无法通过第一步检验的原因很可能是解释变量之间存在多重共线性。
(2)多重共线性的检验与修正
我们对X1 X2 X3 X4 X5进行多重共线性检验，得到： 表1.2 相关系数表
X1 X2 X3 X4 X5
X11.000000 -0.616566 0.400644 0.952746 0.314885
X2 -0.616566 1.000000 -0.238039 -0.741538 -0.060970
X30.400644 -0.238039 1.000000 0.310096 0.409704
X40.952746 -0.741538 0.310096 1.000000 0.128834
X50.314885 -0.060970 0.409704 0.128834 1.000000
可以发现X1 X2 X3 X4 X5之间存在高度的线性相关关系。 运用逐步回归法进行修正：
表1.3一元回归估计结果
变量 X1 参数估计
3.158761
值 t值 7.716525 r^2 0.721363
X2 X3 X4 X5
-0.14429 0.182715 0.165219 0.553797 -0.68297 1.126564 4.775066 1.799071
0.019877 0.052295 0.165219 0.123364
其中，加入X1的r^2最大，以X1为基础，顺次加入其他变量逐步回归。结果如下。
表1.4 加入新变量的回归结果（一）
加入变量 参数估计值 t值 r^2
X2 X3 X4 X5
0.631835 -0.10622 -0.26297 0.146656 11.07516 -1.11232 -3.97217 0.79565 0.957624 0.736199 0.837737 0.729157
其中，加入X2的r^2最大，以X1，X2为基础，顺次加入其他变量逐步回归。结果如下。
表1.4 加入新变量的回归结果（二）
加入变量 参数估计值 t值 r^2
X3 X4 X5
-0.11151 -0.03681 0.002836 -3.63213 -0.82605 0.037402 0.973974 0.958958 0.957627
表1.5 加入新变量的回归结果（三）
其中，加入X3的r^2最大，以X1，X2，X3为基础，顺次加入其他变量逐步回归。
加入变量
参数估计值 t值 r^2
X4 X5
-0.08821 0.082863 -2.67113 1.34134 0.980817 0.082863
显然可见，加入X5时，参数的检验值不显著，说明主要是因为X5引起了多重共线性。 修正多重共线性以后的回归结果为：
Dependent Variable: Y Method: Least Squares Date: 12/26/11Time: 13:36 Sample: 1985 2009 Included observations: 25
Variable
C X1 X2 X3 X4
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -27110.39 5.954533 0.538519 -0.136393 0.088210
Std. Error 6217.065 0.463769 0.053816 0.028570 0.033023
t-Statistic -4.360641 12.83943 10.00673 -4.773986 -2.671134
Prob. 0.0003 0.0000 0.0000 0.0001 0.0147 44945.64 4150.729 15.90538 16.14915 255.6537 0.000000
0.980817 Mean dependent var 0.976981 S.D. dependent var 629.7498 Akaike info criterion 7931696. Schwarz criterion -193.8172 F-statistic 1.706044 Prob(F-statistic)
Y = -27110.39+ 5.954533X1+ 0.538519X2+-0.136393X3+0.088210X4 (6217.065) (0.463769) (0.053816) (0.028570)(0.033023)T = （-4.360641） (12.83943) (10.00673)(-4.571732) (-2.671134) R-Squared=0.980817Adjusted R-squared=0.976981 F-statistic=255.6537
(3)自相关检验
1.706044得到dl=1.038,dv=1.767,由于DW=1.706044，介于DL和DU之间，所以根据判定定理无法通过DW检验其自相关是否存在。
(4)异方差检验
利用怀特检验的方法进行，结果如下： White Heteroskedasticity Test: F-statistic Obs*R-squared
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 12/26/11Time: 13:54 Sample: 1985 2009 Included observations: 25
1.292972 Probability 16.10371 Probability
0.347081 0.307082
免费论文网友情提示：本网站所有内容为共享上传提供，不涉及任何商业利益，本站对此不承担任何保证责任！
Copyright © www.csmayi.cn Corporation, All Rights Reserved 共享时代 共享你我他 版权所有