如何提高农业产值和农民人均收入水平.doc

第13页（共13页）如何提高农业产值和农民人均收入水平摘要：本为试图通过用实证的方法来分析农业产值与其投入之间的关系，找出一个既能提高农业产值又同时能解决农村收入水平较低问题的方法；也就是要找出一个解决城乡二元经济结构问题的比较好的一种的方法。关键字：农业产值化肥施用量机械使用量基础建设投资劳动力投入量一、导论农业是社会经济的基础，其最表层的同时也是最深层的原因就在于它为人类提供了赖以生存的衣食之源，满足了人类的第一需要。从产业经济学的观点来看，农业往往是第二产业和第三产业的基础，农业的发展常常为第二产业提供原材料，据统计，在我国工业中，以农产品为原料的轻工业产值，始终占整个轻工业产值的70以上。农业本身常常还是第二产业的一个巨大需求方，发展现代农业需要的机械，化肥等，对第二产业都是巨大的市场，从整个国民经济来看，农村市场是容量最大和最具潜力的市场。另外，我国有9亿农民，农民收入的近60来自于农业，农业的产值和农民的收入关乎整个国民经济的健康发展。二、问题的提出本论文的研究，是针对农业本身的特点，从农业的投入要素即化肥施用量，机械使用量，基础建设投资，劳动力投入量来考察这些因素对农业产值的影响程度，而正如上面提到的，我国有9亿农民，农民收入的近60来自于农业，如何提高农业产值，增加农民收入，是一个很紧要的问题。我们要建设一个全面的小康社会，如果不能解决占人口多数的农民的收入问题，就只能是空谈。农民收入的提高，不仅仅会提高农民的生活水平，相应的也会改变消费的结构，对整个产业结构的优化提升也有很重要的意义，另外，农民收入的提高，对于农民对教育的投资，对农业机械的投入等方面，也有很大的促进，相应也能对农业的产值有很大的影响。我国是一个发展中国家，由于历史等众多的原因，城乡分离的二元结构一直存在，要建设一个更加富强的国家，就需要努力去改变这样一种二元结构，因为二元结构造成的市场分离很不利于整个国民经济的健康发展，由此就需要对农业现状有所改变，研究对农业产值影响的各要素，更好的促进农业的发展，提高农民的收入，改变二元分离的结构，有着很重要的意义，本文就是在这样一种背景下的探索。三、模型的设定一、理论根据根据美国数学家charles cobb和经济学家paul dauglas提出的经典生产函数即cobbdauglas生产函数理论，其数学形式为： 根据要素的产出弹性的定义，参数、分别就是资本与劳动的产出弹性，可见经济意义十分明确。本文根据该理论，将对农业的投入也分为资本部分和人力劳动部分，至于土地面积的投入，由于我国数据比较难收集样本空间就比较小，所以本文设法减少影响因素的个数，将所有变量均转化为单位面积变量，这样就可以减少一个面积变量，也有利于简化分析。由于c-d模型中，k代表的是存量资本投入，而我国可以收集到的对农业的资本投入都是流量投入，所以无法较为准确的得出每年资本的存量投入。基于此原因，本文将资本投入分解为：农业机械投入，肥料投入，易耗物资（如，地膜等）投入，种子投入，基础设施建设投入等几项。并且，由于易耗物资投入和种子投入在每年投入中只占很少一部分，所以本文将其省略以简化分析，并且数据也就比较容易得到了。二、理论模型根据上述分析，本文的理论模型就是：其中：y单位面积产值x1单位面积化肥施用量x2单位面积机械使用量x3单位面积基础建设投资x4单位面积劳动力投入量四、数据的收集与整理由于，我国的数据都是总量数据所以要做一些数据转化处理，具体的转化方法是：将所有变量均用“农作物总种植面积”进行分摊以的得到单位面积的数值。需要指出的是：1）“基础设施建设投资”是针对所有农业种植面积的；2）我国农业灾害大多发生在播种之后，并且濒临收割，因此，“农业机械使用量”，“化肥使用量”以及“劳动力使用量”，很可能在发生灾害之前已经投入了一大半；所以都应当用“农作物总种植面积”来进行分摊。至于“农业总产值”，本文也用“农作物总种植面积”来进行分摊。这样，计量模型的残差项就把天气对农业的影响以及其他影响因素都包括在内了。数据列表为：（表一）年份单位面积其原始数据农业总产值：指以货币表现的农业全部产品的总量，它反映一定时期内农业生产总规模和总成果。农业总产值的计算方法通常是按农业内各产品的产量分别乘以各自单位产品价格求得，少数生产周期较长，当年没有产品或产品产量不易统计的，则采用间接方法匡算其产值，然后将各产品产值相加即为农业总产值。产值（万元/公顷）单位面积中国统计年鉴（2004年）上的数据比较小，而中国农业信息网的数据又比较大；所以本文就以中庸之道取中间数，用的是中国农村统计年鉴上的数据。化肥施用量（吨/公顷）单位面积 该数据是年底的存量数据，所以正符合本文的需要。机械使用量（千瓦/公顷）单位面积基本建设投资（万元/公顷）单位面积劳动力投入量（人/公顷）19780.074448 0.058892 0.782779 0.003391 1.895713 1979 79年的数据不完整，所以没有展示出来。19800.099339 0.086692 1.007354 0.003552 2.036357 19810.112697 0.091969 1.080210 0.002012 2.115957 19820.128859 0.104549 1.147732 0.002356 2.154378 19830.144067 0.115269 1.251589 0.002465 2.197683 19840.165046 0.120643 1.351977 0.002573 2.197128 19850.174508 0.123641 1.456039 0.002569 2.113232 19860.192210 0.133880 1.591495 0.002434 2.112833 19870.218029 0.137924 1.713336 0.002904 2.129597 19880.253101 0.147833 1.834543 0.003189 2.171470 19890.279800 0.160835 1.915130 0.003459 2.213553 19900.333928 0.174592 1.934970 0.004529 2.246948 19910.344045 0.187524 1.964662 0.005682 2.285394 19920.375015 0.196647 2.034012 0.007449 2.284240 19930.447076 0.213340 2.153539 0.008650 2.251115 19940.618535 0.223818 2.280240 0.010449 2.205193 19950.792948 0.239773 2.409817 0.014618 2.157374 19960.888546 0.251206 2.529640 0.020862 2.117088 19970.899697 0.258539 2.728835 0.026804 2.106586 19980.914665 0.262270 2.903401 0.040917 2.095385 19990.902089 0.263749 3.133289 0.053430 2.104701 20000.887627 0.265286 3.363638 0.060141 2.111167 20010.928841 0.273189 3.543309 0.063799 2.084095 20020.965593 0.280621 3.746219 0.067442 2.068800 20030.975633 0.289444 3.961982 0.069527 2.050980 （数据来源：中国统计年鉴（2004年）、中国农村统计年鉴（2002年）和中国农业信息网）五、模型的参数估计一、计量模型的设定为了便于使用eviews3软件对模型进行估计，本文将前述理论模型变换为对数计量模型：+二、估计结果利用eviews3对上述模型进行估计，结果如下：dependent variable: log(y)method: least squaresdate: 05/12/05 time: 21:19sample: 1978 2003included observations: 25excluded observations: 1variablecoefficientstd. errort-statisticprob. log(x1)2.5746770.24630210.453310.0000log(x2)-0.7255900.214563-3.3817050.0030log(x3)0.0479050.0465751.0285530.3160log(x4)-3.6089880.838307-4.3050920.0003c6.9707700.9609137.2543160.0000r-squared0.993287 mean dependent var-1.030981adjusted r-squared0.991944 s.d. dependent var0.850726s.e. of regression0.076358 akaike info criterion-2.129922sum squared resid0.116610 schwarz criterion-1.886147log likelihood31.62402 f-statistic739.7758durbin-watson stat1.195685 prob(f-statistic)0.000000即： t-stat （10.45331） （-3.381705） （1.028553） （-4.305092） （7.254316）adjusted r-squared=0.991944六、模型检验与修正一、经济意义检验上述估计结果中，变量log(x1)和变量log(x3)的系数基本符合经济学原理和我们所观察到的实际。但是，变量log(x2)和变量log(x4)的系数均为负值，即“单位面积产值”对于“单位面积机械使用量”和“人力使用量”的弹性均小于0；也就是说，在单位面积中，减少1%的“机械使用量”或“人力使用量”均可以增加农业的单位面积产值。关于这一点，似乎与我们所观察到的事实有所不符；因为在我国，国家对农产品实行保护价，价格就不易下降；如果，单位面积中“机械使用量”和“人力使用量”投入的增加引起产出的增加，那么产值就应当增加，系数的经济意义就不对。但是，另一方面，单位面积中“机械使用量”投入的增加，虽然可以代替大部分“人力使用量”但却可能造成部分损失，比如，收割机的使用就比用人力收割损失大；而“人力使用量”投入的增加，虽然可能增加一部分产量，但是，单位面积的边际产出是递减的，并且模型中使用的“人力使用量”变量是使用人数来计量的，且农业总产值也是一个根据经验的匡算量，如果农业人口增加，那么用于养活农业人口的农产品就应当增加，很可能就会影响到用于匡算的指标使得匡算出的总产值下降。当然，还有一种可能是，解释变量存在着多重共线问题。二、统计推断检验从回归的结果看，模型的拟和优度非常好（adjusted r-squared=0.991944），f统计量的值在给定显著性水平=0.05的情况下也非常显著（prob(f-stat)=0.000000），但是log(x3)的t统计值却不显著（log(x3)的t统计量值仅为1.028553其绝对值小于2），说明变量log(x3)对y的影响不显著，或者解释变量之间存在多重共线问题，使其t值不显著。三、计量经济学检验1多重共线性检验（1）检验本文采用相关矩阵法对解释变量之间的相关性进行检验，结果列表如下：log(y)log(x1)log(x2)log(x3)log(x4)log(y) 1.000000 0.983344 0.970590 0.908090 0.095614log(x1) 0.983344 1.000000 0.976439 0.850540 0.244477log(x2) 0.970590 0.976439 1.000000 0.896854 0.105595log(x3) 0.908090 0.850540 0.896854 1.000000-0.234639log(x4) 0.095614 0.244477 0.105595-0.234639 1.000000由此可见，变量log(x1)和log(x2)、log(x3)均存在着高度的线性相关关系。其实原因很简单，在我国，每年每亩地用多少肥料基本是没什么变化的，而农业机具的用量由于好多年以前就用机器根作了，而且根作的方式也没什么突破性的变化，更重要的是，我国的农业没有实行规模化的生产，这就大大的限制了机械的使用量，从而，在最近20年内每年在单位农田中化肥和机械的使用量保持着一个相对稳定的比例。农业基础设施建设投入，多年来也就只停留在修沟、修渠以及一些农业小水利的修建和维护，很少涉及到其他方面，所以也维持着一个相对稳定比例的增长量。（2）修正由于变量log(x1)在回归中统计显著性更高，而log(x3) 统计显著性最低，所以本文选择先删去变量log(x3)，这一点也得到假设检验的支持，检验结果为：redundant variables: log(x3)f-statistic1.057922 probability0.315969log likelihood ratio1.288614 probability0.256303test equation:dependent variable: log(y)method: least squaresdate: 05/13/05 time: 09:44sample: 1978 2003included observations: 25excluded observations: 1variablecoefficientstd. errort-statisticprob. log(x1)2.6912390.21898412.289680.0000log(x2)-0.7068610.214084-3.3017950.0034log(x4)-4.2921390.512188-8.3800100.0000c7.4560890.8382418.8949200.0000r-squared0.992931 mean dependent var-1.030981adjusted r-squared0.991922 s.d. dependent var0.850726s.e. of regression0.076463 akaike info criterion-2.158377sum squared resid0.122778 schwarz criterion-1.963357log likelihood30.97971 f-statistic983.3029durbin-watson stat1.187673 prob(f-statistic)0.000000从而删去变量log(x3)后所得的新的估计结果，就是上表下半部所列。尽管，adjusted r-squared值有所下降但是f-statistic值却显著上升了。由于变量log(x1)和log(x2)仍然存在着严重的线性相关关系，即模型中还存在着严重的多重共线性问题，所以还应该进行修正。但是，单纯的删去一个变量，却会损失很多模型信息，比如删去拟合优度稍差的变量log(x2)，eviews3所输出的假设检验结果是：redundant variables: log(x2)f-statistic10.90185 probability0.003396log likelihood ratio10.45354 probability0.001224test equation:dependent variable: log(y)method: least squaresdate: 05/13/05 time: 10:15sample: 1978 2003included observations: 25excluded observations: 1variablecoefficientstd. errort-statisticprob. log(x1)1.9784060.04415044.811320.0000log(x4)-3.2162290.475853-6.7588640.0000c4.9016990.38859212.614000.0000r-squared0.989262 mean dependent var-1.030981adjusted r-squared0.988286 s.d. dependent var0.850726s.e. of regression0.092076 akaike info criterion-1.820236sum squared resid0.186516 schwarz criterion-1.673971log likelihood25.75295 f-statistic1013.392durbin-watson stat0.610714 prob(f-statistic)0.000000现在的问题在于，我们并不知道，变量log(x1)和log(x2)实际的比例关系，所以，可以选择的方式要么是删掉一个变量，要发展出一种新的发式。此时，拟合图为：图中94年的发展趋势上有一个明显的转折点，因此，本文用邹氏稳定性测试方式来进行测试，结果很显著：chow breakpoint test: 1994 f-statistic2.608401 probability0.072449log likelihood ratio11.96389 probability0.017622因此，本文对上述模型引入一个新的政策变量。经济学理由倒不是政策可以增产，而是94年是朱镕基开始当上总理并主持经济的开头一年，他的经济政策主张是打破国有企业职工的铁饭碗，所以随后大量国企职工下岗，如此多的人没了职业，其生活就成了一个问题，从而农产品对于工业产品的比价就有所上升了，特别是在01年更上有农产品推动了整个经济的通胀。引入虚拟变量后的模型为：dependent variable: log(y)method: least squaresdate: 05/13/05 time: 11:23sample: 1978 2003included observations: 25excluded observations: 1variablecoefficientstd. errort-statisticprob. log(x1)1.7034490.3647144.6706410.0002log(x2)0.1219840.3383980.3604750.7227log(x4)-2.3977690.921820-2.6011240.0181xz*log(x1)5.4242855.0377981.0767170.2958xz*log(x2)-1.3244420.937265-1.4130930.1747xz*log(x4)11.9600510.482011.1410080.2688c3.6458341.4515892.5116150.0218r-squared0.995594 mean dependent var-1.030981adjusted r-squared0.994125 s.d. dependent var0.850726s.e. of regression0.065207 akaike info criterion-2.390991sum squared resid0.076536 schwarz criterion-2.049706log likelihood36.88739 f-statistic677.8400durbin-watson stat0.834731 prob(f-statistic)0.000000与上面的模型相比较，此模型的adjusted r-squared值大大上升了，但是，却出现了几个不显著的变量。现在按照上述程序，对模型进行修正，所得结果为：dependent variable: log(y)method: least squaresdate: 05/13/05 time: 11:27sample: 1978 2003included observations: 25excluded observations: 1variablecoefficientstd. errort-statisticprob. log(x1)1.8626280.10529517.689570.0000log(x4)-2.8140700.747280-3.7657500.0012xz*log(x2)-0.3574380.143959-2.4829110.0220xz*log(x4)0.7035300.1539924.5686250.0002c4.3393440.7715415.6242580.0000r-squared0.995306 mean dependent var-1.030981adjusted r-squared0.994367 s.d. dependent var0.850726s.e. of regression0.063849 akaike info criterion-2.487738sum squared resid0.081534 schwarz criterion-2.243963log likelihood36.09673 f-statistic1060.181durbin-watson stat0.955231 prob(f-statistic)0.000000如此就规避了变量log(x1)和log(x2)的共线性问题。变量log(x1)和log(x2)的相关矩阵就变为：log(x1)xz*log(x2)log(x1) 1.000000 0.793741xz*log(x2) 0.793741 1.000000可见共线性确实减小了不少。2自相关检验尽管d-w值仅为0.955231似乎存在着负的一阶自相关，但是运用breusch-godfrey serial correlation lm test和arch test检验均得不出存在一阶或是更高阶自相关的结论。并且，引入自回归变量ar(1)后其统计性质也不显著。3. 异方差检验利用white heteroskedasticity test检验法所得结果是：white heteroskedasticity test:f-statistic2.596575 probability0.055909obs*r-squared18.04894 probability0.114213test equation:dependent variable: resid2method: least squaresdate: 05/13/05 time: 16:11sample: 1978 2003included observations: 25excluded observations: 1variablecoefficientstd. errort-statisticprob. c3.2421413.9701110.8166370.4300log(x1)0.4467100.9694970.4607650.6532(log(x1)20.0016010.0624750.0256280.9800(log(x1)*(log(x4)-0.5499530.938844-0.5857770.5689(log(x1)*(xz*log(x2)0.4619482.5645680.1801270.8601(log(x1)*(xz*log(x4)-0.6534953.689827-0.1771070.8624log(x4)-7.0182917.795196-0.9003350.3857(log(x4)23.7221433.8390430.9695500.3514(log(x4)*(xz*log(x2)1.9443706.7841950.2866030.7793(log(x4)*(xz*log(x4)-1.6662409.570304-0.1741050.8647xz*log(x2)-0.7875591.769261-0.4451340.6641(xz*log(x2)2-0.0228580.378476-0.0603950.9528xz*log(x4)0.2967762.2469020.1320820.8971r-squared0.721958 mean dependent var0.003261adjusted r-squared0.443915 s.d. dependent var0.005406s.e. of regression0.004031 akaike info criterion-7.883565sum squared resid0.000195 schwarz criterion-7.249749log likelihood111.5446 f-statistic2.596575durbin-watson stat2.481100 prob(f-statistic)0.055909可见不存在异方差性问题。四、修正好的模型t-stat (17.68957) (-3.765750) (-2.482911)(4.568625) (5.624258)此时，回归的拟合图和残差项正态性检验图分别为：由上述信息可知，尽管模型各参数以及整体的参数值都很显著，并且，残差也不违背正态性，但是从图形看拟合的并不好。还有很多缺陷。比如，y值有五六个明显的拐点但是拟合值却没能有效的描述出来，特别是最后，y值和其拟合值的增长趋势都不一样。但是，尽管如此模型仍然有一定的解释能力。在大体趋势上还是比较准确的。七、对模型的经济解释将上述模型整理得：其中，单位面积产值y的估计值x1单位面积化肥施用量x2单位面积机械使用量x4单位面积劳动力投入量虚拟变量xz 0 94年之前； xz = 1 9403年。此模型主要包含了以下几点经济意义：1) 农业单位面积产值的化肥投入量弹性系数为1.862626，即单位面积中化肥投入量在其它条件不变的情况下，每增加1个百分点，农业单位面积产值将增加约1.86个百分点；2) 虚拟变量在模型中的显著性很高，本文认为，农业单位面积产值的增加是农产品对于工业产品的比价上升了，而不是政策可以增产。3) 在94年之前，机械的使用量对农业单位面积产值的影响是不显著的。而从94年开始，业单位面积产值的机械的使用量弹性