计量经济学论文
影响中国粮食产量的计量分析
[摘 要]农业是国家的基础和根本。民以食为天,对于一个国家来说,农业是关系着否能够保持国家政治独立的重要保证。因此,作为世界上人口最多的国家之一,粮食对于我国的国家安全、国民经济健康稳定发展具有极为重要的战略意义。国家对于农业提出了很多优惠政策,鼓励我国农业发展,但是我国的粮食安全问题却依然存在。因此,对影响我国粮食产量的各个主要方面的因素进行定量分析,提出合理化建议,对增强我国的粮食自给能力,解决我国的粮食安全问题具有重要的意义。
[关键词] 农业 产业结构 农民
一.问题提出
农业是国家的基础和根本。民以食为天,对于一个国家来说,农业是关系着否能够保持国家政治独立的重要保证。因此,作为世界上人口最多的国家之一,粮食对于我国的国家安全、国民经济健康稳定发展具有极为重要的战略意义。国家对于农业提出了很多优惠政策,鼓励我国农业发展,但是我国的粮食安全问题却依然存在。因此,对影响我国粮食产量的各个主要方面的因素进行定量分析,提出合理化建议,对增强我国的粮食自给能力,解决我国的粮食安全问题具有重要的意义。
占金胜,林英志等认为自然灾害对于农产品产量和市场价格具有显著影响(《自然灾害对农产品市场价格影响研究》2011年)。
李淑兰认为农业结构的调整对于农产品产量有影响(《加大种植结构调整 促进农业增产增收》)。 赵静等认为农业播种面积对于农产品产量起着最主要作用(2009年《重庆粮食产量研究》)。 张镝认为农业环境已经农业政策对于农产品的产出具有较为明显的影响(《浅谈我国农村的环境问题》2006年)。
张丽君认为粮食的市场价格对于农产品产出具有显著影响(《粮食价格分析与预测》2009年)。
二.数据收集
本研究课题以《中国统计年鉴2012》为资料来源,使用了1985—2011年农作物总产量、粮食作物播种面积、农业机械总动力、农业有效灌溉面积、农业受灾面积、农用化肥施用量的影响因素。
年份 农作物总产
粮食作物播种农业机械总有效灌溉面受灾面化肥使用1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
40298 39408 40755 44624.3 43529.3 44265.8 45648.8 44510.1 46661.8 50453.5 49417.1 51229.5 50838.6 46217.5 45263.7 45705.8 43069.5 46946.9 48402.2 49804.2 50160.3 52870.9 53082.1 111268 110123 112205 148362 149586 149007 147741 148241 149879 152381 153969 155706 156373 156300 155708 154636 152415 153553 155488 152149 153464 156266 158614 24836 26575 28067 28707.7 29388.6 30308.4 31816.6 33802.5 36118.1 38546.9 42015.6 45207.7 48996.1 52573.6 55172.1 57929.9 60386.5 64027.9 68397.8 72522.1 76589.6 82190.4 87496.1 44403 4437.5 44917.2 47403.1 47822.1 48590.1 48727.9 48759.1 49281.2 50381.4 51238.5 52295.6 53158.41 53820.33 54249.39 54354.9 54014.23 54478.42 55029.34 55750.5 56518.34 58471.68 59261.4 42090 50870 46990 38474 55472 51332 48827 55046 45824 46991 53427 50145 49980 54688 52215 46946 54506 37106 38818 41091 48992 39990 47214 1999.3 2141.5 2357.1 2590.3 2805.1 2930.2 3151.9 3317.9 3593.7 3827.9 3980.7 4083.7 4124.3 4146.4 4253.8 4339.4 4411.6 4636.6 4766.2 4927.7 5107.8 5239 5404.4 图2.1 变量观测值
三.模型建立和参数估计
(1)农作物总产量与粮食种植总面积
X2
Y
(2)农作物总产量和农业机械化总动力
X3
Y
(3)农作物总产量与有效灌溉面积
X4
Y
(4)农作物总产量与受灾面积
X5
Y
(5)农作物总产量与化肥使用总量
6,000
5,000
4,000X6
3,000
2,000
1,000
Y
(6)从散点图可以看出农作物总产量(Y)与粮食种植总面积(X2)、农业机械化总动力(X3)、
有效灌溉面积(X4),受灾面积(x5),化肥使用总量(x6)大体呈现为线性关系,为了农作物总产量随粮食种植总面积,农业机械化总动力,有效灌溉面积,受灾面积,化肥使用总量规律性,可以建立如下多元线性回归模型:
Y12X23X34X45X56X6
Y为应变量农作物总产量,X2为粮食种植总面积,X3为农业机械化总动力,X4为有效
灌溉面积,X5为受灾面积,X6为化肥使用总量,1为常数项,2、3、4,5,6为待
估计参数,为随即扰动项。用OLS法对方程进行估计。
由附表1结果看到模型的拟合优度非常好,可决系数R0.825765,表明粮食种植总面积,
2
农业机械化总动力,有效灌溉面积,受灾面积,化肥使用总量对农作物总产量有显著影
响。
我们可以得到一个多元线性回归方程,用规范的形式将参数估计和检验的结果写为:
ˆ36700.68Y0.028492X20.117961X30.010682X40.176451X55.377335X6
(2)std.error=(6912.33)(0.058431) (0.090210) (0.67914)(0.093419)(1.992984) t=(5.309451)(0.4876417) (-1.30763) (-0.15729)(-1.888815)(2.698132)
2
F19.90536 df21 R0.825765 R0.78428 0
2
四、模型检验及修正 (一)经济意义检验
模型估计结果说明,在假定其他变量不变的情况下,粮食种植总面积每增长1亿元,农作物
总产量就会增加0.028492万人;在假定其他变量不变的情况下,农业机械化总动力每增加1个,农作物总产量就会减少0.117961万人;在假定其他变量不变的情况下,当有效灌溉面积增加1
万人,农作物总产量就会减少0.010682万人,在假定其他变量不变的情况下,当受灾面积增加1万人,农作物总产量就会减少0.176451万人,在假定其他变量不变的情况下,当化肥使用总量增加1万人,农作物总产量就会增长5.357335万人。
(二)拟合优度和统计检验
1.拟合优度的度量:由附录表1中的数据可以得出R0.825765,修正的可决系数为,说明所建模型整体上对样本数据拟合较好,即解释变量“粮食种植总面积”“农R0.784280
2
2
业机械化总动力”“有效灌溉面积”“受灾面积”“化肥使用总量”对被解释变量“农作物总产量”的绝大部分差异做出了解释。
2.F检验:针对H0: β2 =β3=β4=0,给定的显著性水平α=0.05,在F分布表中查出自由度为K-1=5和n-k=21的临界值F(5,21)2.68.由EViews得到F=15.90536>2.68,应拒绝原假设H0,说明回归方程显著, 解释变量“粮食种植总面积”“农业机械化总动力”“有效灌溉面积”“受灾面
积”“化肥使用总量”对被解释变量“农作物总产量”的绝大部分差异做出了解释。
3.t检验:分别针对H:βj=0(j=1,2,3,4),给定显著性水平α=0.05,查t分布表得自由
ˆ、ˆ、ˆ、ˆ度为n-k=21,临界值t/2(nk)2.08。由EViews数据可得,与2314
对应的t
统计量分别为5.309451、0.4876417、-1.30763、-0.15729,-1.888815,2.698132其中2个绝对值均大于2.201,这说明分别都应当拒绝H0,也就是说,当其他解释变量不变的情况下,解释变量“化
肥使用总量”对被解释变量“农作物总产量”有显著的影响,怀疑存在多重共线性。
(三)多重共线性检验及修正
1.计算各解释变量的相关系数,选择X2、X3、X4数据,得相关系数矩阵。
表4.1变量相关系数表
X1 X2 X3 X4 X5
X1 1.000000 0.629333 0.725110 -0.094738 0.771164
X2 0.629333 1.000000 0.633768 -0.460578 0.952715
X3 0.725110 0.633768 1.000000 -0.276023 0.698080
X4 -0.094738 -0.460578 -0.276023 1.000000 -0.312522
X5 0.771164 0.952715 0.698080 -0.312522 1.000000
由相关系数矩阵可以看出,各解释变量相互之间的相关系数较高。 2.逐步回归法修正
分别作Y对X2、X3、X4的一元回归。
其中,X5的R2最大,以X5为基础,顺次加入其它变量逐步回归。
表4.4二元回归结果
经比较,X6X5的R2最大,选择保留X5,再加入其它新变量逐步回归。
加入新变量的回归结果(二)
其中,加入X2 、X4后虽R2有所增加,但其参数的t检验不显著,且X3参数为负值不合理。
从相关系数可以看出,X2/X3/X4与其他变量高度相关,这说明主要是X2/X3/X4引起了多重共线性,予以剔除。
所以,修正严重多重共线性影响后的回归结果是:
Y=37119.35-0.085326X5+3.560783X6
t=(8.600432)
(8.813094) (-1.119467) R2=0.797127 2=0.780221 D.W=0.435264
这说明,在其他因素不变的情况下,当受灾面积增加一个单位,农作物总产量就会减少0.085326个单位;当化肥施加量增加一个单位,农作物总产量就会增加3.560783个单位。
(四)异方差检验及修正
1.图形法检验
28,000,00024,000,00020,000,00016,000,000E2
12,000,0008,000,0004,000,000
X5
28,000,00024,000,00020,000,00016,000,000E2
12,000,0008,000,0004,000,000
X6
2e判断:由图可以看出,残差平方i对解释变量X的散点图主要分布在图形中的下三角部分,大
致看出残差平方ei随Xi的变动呈上升的趋势,因此,模型很可能存在异方差。但是否确实存在异方差还应通过更进一步的检验。 2.White检验:
由表中可以看出,nR2=2.339805,由White检验知,在a=0.05时,查X2分布表,得临界值
X20.05=5.9915,因为nR2
取滞后阶数为1,P=1,取α=0.05,查临界值得
20.05(1)=2.327555,又因为(n-P)R²
2
2
=0.081072
五、自相关检验及修正
1.D.W.检验
由最终回归结果知道:
Y=37119.35-0.085326X4+3.560783X5
t=(8.600432) (8.813094) (-1.119467) R2=0.797127 2=0.780221 D.W=0.435264
查DW统计表可知,dL=1.240 ,dU=1.556,模型中DW
-
所以=0.783861,对模型进行广义差分,得到广义差分方程:Y-0.783861Y-1=8040.26751-0.085326(X4- 0.783861*X4(-1))+ 3.560783(X5- 0.783861*X5(-1))
五、总结和建议
从回归模型可以看出,对粮食产量的贡献中化肥施用量最显著,因为随着在农业的生产过程中农业技术的发展,新型化肥的成功研制极大地促进了粮食产量的提高;成灾面积对粮食产量的影响系数较小,但若受灾面积绝对值较大时,那么灾害会引起粮食产量较大幅度减少,因此减小成灾面积是提高粮食产量的关键。 经济建议:
(1)合理施用化肥,推广生态农业化肥。
虽然对化肥施加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,因此我们要坚持科学施肥,积极推广优质、绿色化肥,积极发展生态农业。 (2)普及防灾知识,减少人为灾害对于粮食产量的影响。
降低受灾风险,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,增强其防灾救灾的本领。
附录:
0.3370 0.3104 0.4789
Prob.
0.5233
Heteroskedasticity Test: White F-statistic
1.138582 Prob. F(2,24)
Obs*R-squared Scaled explained SS
Test Equation:
2.339805 Prob. Chi-Square(2) 1.472332 Prob. Chi-Square(2)
Coefficient
-4141465.
Std. Error
6393070.
t-Statistic
-0.647805
Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/13 Time: 21:08 Sample: 1985 2011 Included observations: 27
Variable C
X5^2 X4^2
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Dependent Variable: E Method: Least Squares
0.193204 0.002657
0.146268 0.002277
1.320893 1.167191
0.1990 0.2546 4813366. 6190484. 34.20876 34.35274 34.25157 1.149154
Prob.
0.0000 67.16541 2252.057 17.39969 17.44808 17.41363
Prob.
0.0000 0.0003 0.0033 10755.00 2090.351 17.34788 17.49304 17.38968 1.573965
0.086659 Mean dependent var 0.010548 S.D. dependent var 6157750. Akaike info criterion 9.10E+14 Schwarz criterion -458.8183 Hannan-Quinn criter. 1.138582 Durbin-Watson stat 0.336971
Std. Error
0.128034
t-Statistic
6.122289
Date: 12/23/13 Time: 10:55 Sample (adjusted): 1986 2011
Included observations: 26 after adjustments
Variable E(-1)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient
0.783861
0.599517 Mean dependent var 0.599517 S.D. dependent var 1425.185 Akaike info criterion 50778813 Schwarz criterion -225.1960 Hannan-Quinn criter. 1.564982
Std. Error
1267.459 0.039903 1.132780
t-Statistic
6.976413 -4.265138 3.279433
Dependent Variable: Y-0.783861*Y(-1) Method: Least Squares Date: 12/23/13 Time: 11:01 Sample (adjusted): 1986 2011
Included observations: 26 after adjustments
Variable C
X4-0.783861*X4(-1) X5-0.783861*X5(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic
Coefficient
8842.315 -0.170191 3.714876
0.621569 Mean dependent var 0.588662 S.D. dependent var 1340.660 Akaike info criterion 41339473 Schwarz criterion -222.5224 Hannan-Quinn criter. 18.88865 Durbin-Watson stat
Prob(F-statistic)
0.000014