(实习报告模版)我国粮食生产与相关投入的计量模型分析.doc

我国粮食生产与相关投入的分析 09丁颖班摘要：“民以食为天”，粮食是宝中之宝，世界上任何国家都注重粮食生产，我们中国也不例外，中国以7%的土地养活了世界22%的人口，取得举世瞩目的成果。但是应该清醒地看到，在生产实践过程中存在不少问题,制约了我国粮食生产安全。本文将从农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力等几个方面分析，应用计量模型，分析得出粮食生产函数，比较分析农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力对粮食生产的不同影响，并提出相应的政策建议。关键字：粮食生产 影响因素 经济模型 政策建议1文献综述李子奈教授（1999）1采用了农用化肥施用量、粮食播种面积、成灾面积、农业机械动力农业劳动力五个指标，根据19831995 我国的粮食生产数据拟合出了关于我国粮食生产的线性回归模型。赵俊晔、李秀峰、王川（2006）2采用逐步回归和灰色关联分析的方法对19912004 年影响我国粮食产量变化的主要因素进行了分析，发现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仅次于有效灌溉面积，在此基础上对提高我国粮食生产科技支撑能力、稳定发展粮食生产提出了建议。朱再清、陈昉源（2006）3利用湖北省1993 年和2003 年粮食生产的截面数据，运用OLS 法建立1993 年和2003 年湖北省粮食产量的回归模型，就不同时期粮食生产投入要素对产出的弹性进行了比较分析，找出了弹性变化的内在原因及粮食生产中存在的问题，并提出了相应的对策。梁子谦、李小军（2006）4选取了15 个指标，通过建立因子分析模型，对中国粮食单产和播种面积的影响因子进行了实证分析，研究结果表明，对粮食单产影响最大的因子是科技进步水平，其次是物质投入因子、环境与气候因子和政策因子；对粮食播种面积影响最大的因子是资源及科技因子，其次是比较效益及政策因子。贾金荣、朱捷（2007）5通过分析认为，在农村经济获得一定发展并全面引入市场经济机制和随着我国成功入世之后，家庭联产承包责任制下我国粮食生产的激励机制已经失效，政府必须尽快构建适应市场经济体制的激励机制，以保证我国粮食生产水平的稳定和提高。此外，沈颖（2006）6、谢杰（2007）7、王晓丽（2008）8、刘定惠和朱超洪（2009）9、李晔和崔岩（2009）10都对粮食生产问题做出了相关研究。 根据前人的研究经验，本文将从影响粮食产量的可能因素进行分析，例如农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力等，得出粮食生产函数的经济模型，分析对粮食生产的显著影响因素，并结合分析的结果，提出一些建设性的建议。2粮食生产量影响因素的实证分析2.1理论假说根据农业经济学有关理论,在一定限度内，粮食产出量与农业化肥施用量、粮食播种面积、农业机械总动力、农村劳动力数量呈现正相关关系，即化肥、播种面积农业机械动力、劳动力投入越多，则粮食产量越高；而粮食产量与成灾面积呈现负相关关系，即成灾面积越多，则粮食产量越少。2.2 影响因素的选取粮食产量，以此作为建立经济模型的被解释变量。农业化肥施用量，化肥的施用量对粮食的产量产生一定的影响，我国从化肥的研发到使用，使粮食的产量有所提高，故选择其为解释变量，分析化肥的使用量对粮食产量的影响力度。粮食播种面积，中国的粮食播种面积在逐年的减少，这对于我们粮食的产量也有一定的影响，所以选择它为解释变量，分析其对粮食产量是正相关还是负相关。成灾面积，我国是一个频繁发展自然灾害的国家之一，旱灾、水灾、台风等，对我国的粮食的产量造成一定的影响，所以将其作为解释变量，分析其过粮食产量的影响到底有多大。农业机械总动力，随着科学技术的发展，农业生产越来越趋向于机械化，在国外很过都是依靠机械化的生产，使得粮食产量有很大的提高，所以以其为解释变量，分析农业机械化的应用多我国粮食产量的影响。农村劳动力，劳动力是农业发展的保障，农业的发展离不开劳动力，所以以它为解释变量，分析其对粮食产量的影响2.3数据的收集和整理根据以上分析，我们选取19832010年中国粮食产量（Y），农业化肥施用量（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（X5）的数据作为实例，进行分析。表1 我国1983-2010年农业主要统计指标年份粮食产量/万吨（Y）农业化肥施用量/万千克（X1）粮食播种面积/千公顷（X2）成灾面积/公顷（X3）农业机械总动力/万千瓦（X4）农业劳动力/万人（X5）19833872816601140471620918022311511984407311740112884152641949730868198537911177610884522705209133113019863915119311109332365622950312541987402081999111268203932483631663198839408214211012323945265753224919894075523571122052444928067332251990446242590.31134661781928707.7389141991435292805.11123142781429388.6390981992442642930.21105602589330308.4386991993456493151.91105092313431816.6376801994445103317.91095443138233802.5366281995466623593.71100602226836118.1355301996504543827.91125482123438546.9348201997494173980.71129123030742015.6348401998512304083.71137872518145207.7351771999508394124.31131612673448996.1357682000462184146.41084633437452573.6360432001452644253.81060803179355172.1365132002457064339.41038912716057929.9368702003430704411.6994103251660386.5365462004469474636.61016061629764027.9352692005484024766.21042781996668397.8339702006498044927.71049582463272522.1325612007501605107.81056382506476589.63144420085287152391067932228382190.4306542009530825404.41089862123487496.129708资料来源：中国统计年鉴（1993-2010）3 模型的回归说明:为了更准确的预测，我们使用对数模型，设W=logY Zi=logXi 设粮食生产函数为 W= b0+b1Z1+b2Z2+b3Z3+b4Z4+b5Z5+u (u为随机干扰项)3.2用OLS法估计模型Dependent Variable:WMethod: Least SquaresDate: 05/10/11 Time: 20:54Sample: 1983 2009Included observations: 27VariableCoefficientStd. Errort-StatisticProb. C-4.0078301.892866-2.1173340.0463Z10.3827700.0509157.5178260.0000Z21.2131950.1271529.5412610.0000Z3-0.0812780.015787-5.1484900.0000Z4-0.0477010.043658-1.0925930.2869Z5-0.1074880.058511-1.8370470.0804R-squared0.982553 Mean dependent var10.72154Adjusted R-squared0.978399 S.D. dependent var0.100377S.E. of regression0.014753 Akaike info criterion-5.401667Sum squared resid0.004570 Schwarz criterion-5.113704Log likelihood78.92251 F-statistic236.5331Durbin-Watson stat1.908167 Prob(F-statistic)0.000000得到估计模型W=-4.0078+0.3828Z1+1.213Z2-0.0813Z3-0.0478Z4-0.1075Z5 (-2.117) (7.52) (9.54) (-5.15) (-1.09) (-1.837)R2=0.9825 R12=0.9783F=236.533 DW=1.908由于R2较大，且接近于1，而且F=236.533F0.05(5,21)=2.68故认为粮食生产与上述解释变量间总体线性关系显著，但由于其中X4、X5前参数估计值未能通过t检验，而且符号的经济意义也不合理，故认为解释变量间存在多重共线性。4 计量经济学检验4.1多重共线性检验(1)简单相关系数检验Z1,z2,z3,z4,z5的相关系数如下Z5Z4Z3Z2z1z5 1.000000 0.015313 0.417344-0.027438 0.203429z4 0.015313 1.000000 0.297318-0.656357 0.964872z3 0.417344 0.297318 1.000000-0.201349 0.375070z2-0.027438-0.656357-0.201349 1.000000-0.558951z1 0.203429 0.964872 0.375070-0.558951 1.000000由表格可知，X1与X4之间存在高度相关性(2)简单的回归形式 分别做W与Z1、Z2 、Z4、Z5间的回归(1) w=8.79+0.238Z1 (45.38) (9.96) R2=0.798 F=99.12 DW=0.8915(2) w=-16.42-0.49Z2(2.62) (-0.91) R2=0.032 F=0.825 DW=0.302(3) w=8.859+0.1757Z4 (34.32) (7.22) R2=0.676 F=52.162 DW=0.633(4) w=9.222+0.144Z5 (3.63) (0.59) R2=0.0137 F=0.348 DW=0.2199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）作为初始的回归模型(3)逐步回归将其他解释变量分别导入上述初始回归模型，寻找最佳回归方案（如下表）cX1X2X3X4X5R12DWY=f(z1)8.790.2380.7980.892t43.389.96W=(z1z2)-6.640.30721.2820.9441.47T-3.5620.608.33W=(z1,z2,z3)-5.960.331.29-0.090.9771.52t-4.9932.3513.06-5.95W=(z1,z2,z3,z4)-6. 2990.311.32-0.088-0.010.9761.53t-4.208.7310.88-5.44-0.39W=(z1,z2,z3,z5)-5630.3301.30-0.080.060.9781.75t-4.7633.2413.51-5.097.-153讨论：第一步，在初始模型中引入Z2，模型拟合优度提高，且参数符号合理，变量也通过t检验第二步，引入Z3，拟合优度再次提高，且参数符号合理，变量也通过t检验，只有DW值落入了无法判断的区域，但有LM检验知仍不存在一阶自相关性第三步，引入Z4，尽管拟合优度很高，但X4的未能通过t检验，而且符号不合理第四步，去掉Z4，引入Z5，拟合优度仍有所提高，但Z5未能通过t检验所以得到W关于Z1，Z2，Z3,的线性方程W=-5.96+0.33Z1+1.29Z2-0.09Z3 (-4.99) (32.35) (13.06) (-5.95) R2=0.9796 SE=0.0152 D.W=1.511 F=368.37Dependent Variable: LOG(Y)Method: Least SquaresDate: 05/10/11 Time: 21:14Sample: 1983 2009Included observations: 27VariableCoefficientStd. Errort-StatisticProb. C-5.9608871.194782-4.9890980.0000Z10.3265910.01009632.348400.0000Z21.2879380.09865413.055110.0000Z3-0.0898860.015099-5.9531720.0000R-squared0.979612 Mean dependent var10.72154Adjusted R-squared0.976953 S.D. dependent var0.100377S.E. of regression0.015239 Akaike info criterion-5.394012Sum squared resid0.005341 Schwarz criterion-5.202036Log likelihood76.81916 F-statistic368.3685Durbin-Watson stat1.511670 Prob(F-statistic)0.0000004.2序列相关性检验从上面的回归报告可以看出，常数项为负值，不符合经济含义。下面检验模型是否存在序列相关。首先做残差图：从图中可以看出，相邻残差项没有明显的正相关或者负相关走向，初步判定不存在序列相关。下面采用LM检验法：对于前面得到的方程W=-5.96+0.33Z1+1.29Z2-0.09Z3做序列相关性分析，一阶滞后et=b0+b1Z1+b2Z2+b3Z3+r1 et-1+xDependent Variable: ETMethod: Least SquaresDate: 05/28/11 Time: 16:15Sample(adjusted): 1984 2009Included observations: 26 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.0188521.0917610.0172680.9864Z1-0.0037850.009414-0.4020040.6917Z20.0083930.0901570.0930970.9267Z3-0.0083820.014779-0.5671310.5766ET(-1)0.0698210.2158030.3235420.7495R-squared0.038650 Mean dependent var0.000929Adjusted R-squared-0.144464 S.D. dependent var0.013000S.E. of regression0.013908 Akaike info criterion-5.541734Sum squared resid0.004062 Schwarz criterion-5.299792Log likelihood77.04254 F-statistic0.211070Durbin-Watson stat1.697825 Prob(F-statistic)0.929367et=-0.0189-0.003785*z1+0.008*z2-0.0083*z3+0.06982*et-1 (0.017) ( -0.402) (0.093) (0.567) (0.3235) R2=0.03865 N=25 P=1 K=4LM=(N-P)*R2=0.927，该值小于显著性水平为5%、自由度为1的分布的临界值，因此不存在一阶序列相关性，自然也不存在高阶序列相关性。4.3 异方差检验用怀特检验法，辅助回归模型的估计结果如下：White Heteroskedasticity Test:F-statistic0.747482 Probability0.663133Obs*R-squared7.655224 Probability0.569229Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/03/11 Time: 21:49Sample: 1983 2009Included observations: 27VariableCoefficientStd. Errort-StatisticProb. C-4.6888916.203960-0.7557900.4601Z10.0666090.1230830.5411690.5954Z120.0008230.0006431.2789980.2181Z1*Z2-0.0063970.010166-0.6292210.5376Z1*Z3-0.0005660.001688-0.3350840.7417Z20.7569081.0044530.7535520.4614Z22-0.0300720.041036-0.7328300.4736Z2*Z3-0.0006650.009687-0.0686260.9461Z30.0048450.1075160.0450610.9646Z320.0003740.0015180.2462840.8084R-squared0.283527 Mean dependent var0.000198Adjusted R-squared-0.095783 S.D. dependent var0.000227S.E. of regression0.000238 Akaike info criterion-13.57295Sum squared resid9.61E-07 Schwarz criterion-13.09301Log likelihood193.2348 F-statistic0.747482Durbin-Watson stat2.625568 Prob(F-statistic)0.663133怀特估计量NR2=7.65，该值小于5%显著性水平下、自由度为5的分布的相应临界值，0.05(3)=7.81因此不拒绝同方差假设，即不存在异方差。最终拟合图像如下：5模型估计参数的含义 经过以上分析，得出模型的回归方程为W=-5.96+0.33Z1+1.29Z2-0.09Z3 (-4.99) (32.35) (13.06) (-5.95) R2=0.9796 SE=0.0152 D.W=1.511 F=368.37 0.9796表明，粮食总产量的有97.96%可以由化肥施用量，粮食播种面积，成灾面积的数值来解释； Z1的回归参数32.35表示：在其他条件不变的情况下，化肥施用量每增加万吨，粮食产量增加32.35万吨； Z2的回归参数1.2