计量经济学实验课程作业模版.doc

吉 林 农 业 大 学课 程 作 业 课程名称： 计量经济学 学号姓名： 院 系： 经济管理学院 专业班级： 农林经济管理专业 班 2015年 月 日吉林省粮食产量影响因素分析摘 要：本文主要对吉林省粮食产量的影响进行分析，根据吉林省20002010年11年的数据，建立以粮食产量为被解释变量，以农业化肥施用量、粮食播种面积、受灾面积、农业机械总动力和乡村劳动力为解释变量的多元线性回归模型，并进行多元线性回归分析，以此研究吉林省粮食生产发展的趋势，为粮食生产持续发展、科学决策提供理论依据。关键词：吉林省，粮食产量，影响因素，多元线性回归1、 问题的提出吉林省黄金玉米带是地球上稀少的资源之一1，既是吉林省独有的优势资源，也是吉林省特有的宝贵财富。吉林黄金玉米带做为世界上三大黄金玉米带之一，战略意义重大。吉林黄金玉米带是吉林人民赖以生存的基础和命脉，如何对珍贵的黄金玉米带实施充分利用、科学开发和有效保护，实现优势资源永续利用，发挥长效经济效益，应成为我省社会各界共同关注的问题。我省黄金玉米带多年来为平衡国家粮食供求、稳定粮食市场方面做出过巨大贡献。但在黄金玉米带开发保护上仍存在急需解决的问题：如实现现代农业的基础薄弱，地域品牌宣传力度不够，土壤保护不够，种植面积减少，环境污染加重，防灾抗旱能力弱，品种优化不足，黑土资源蚕食严重，威胁粮食安全，黄金玉米带保护问题已刻不容缓。2、 理论综述关于粮食产量的影响因素，虽然学者研究的地区可能不一致，但是影响因素却不尽相同。胡振2等在研究中运用1999年到2008年的数据，选取了农业机械总动力、灌溉面积、化肥施用量、粮食播种面积、农林牧副渔劳动力、农用排灌机械、农业贷款比重、财政支农力度、受灾面积等九个指标，而董兴海3等在研究吉林省粮食产量时选取了灌溉面积、粮食播种面积、农用化肥施用量、农业机械总动力、农村用电量、粮食收购价格指数以及农作物成灾面积等指标。而本文从中选取了最重要的五个影响因素进行多元线性回归。3、 变量与模型的选择为了研究吉林省粮食产量影响因素，主要有四个指标可供选择，即农业化肥施用量、粮食的播种面积、受灾面积、农业机械总动力。粮食的播种面积作为衡量粮食的产量的最主要的指标，起着至关重要的作用；农作物的受灾面积对粮食产量的影响很大，但是由于同一受灾面积的受灾程度可能不同，而且作为一个随机变量，会影响到分析结果的准确性。农业机械总动力是评价一个国家、一个地区农业现代化程度的重要指标，而农业现代化程度对粮食产量也有一定得影响；化肥是农业生产中不一可缺少的重要生产资料,农业化肥施用量的多少是衡量农业生产条件以及要素投入的指标之一。这样，模型的解释变量设定为农业机械总动力（X2）、粮食的播种面积(X3)、农业化肥施用量(X4)、受灾面积(X5)、乡村劳动力（X6）等指标。可以将模型设定为如下形式： Yt =1 +2X2+3X3+4X4+5X5+6X6 +ut表1 2000-2010年吉林省粮食产量及其影响因素年份Y粮食总产量（万吨）农业机械总动力（万千瓦）粮食播种面积（千公顷）农业化肥施用量（万吨）受灾面积（万公顷）乡村劳动力（万人）2000 1638.0 1015.4 3513.4 281.3 366.3 640.9720011953.4 1096.5 3357.2 280.6 361.1 640.0320022214.8 1150.7 4037.6 283.3 205.0 656.0020032259.6 1230.6 4013.8 287.3 274.2 669.022004 2510.0 1319.8 4321.1 304.7 130.8 670.942005 2581.2 1471.3 4294.5 306.0 176.5 685.162006 2720.0 1572.3 4326.6318.0 150.3 691.902007 2454.0 1678.3 4334.7332.0 295.8 700.862008 2840.0 1800.0 4391.2 343.8 42.7 711.522009 2460.0 2001.2 4427.7 359.0 265.7 723.152010 2842.5 2144.7 4492.2372.0 85.3 7333.78数据来源：吉林统计年鉴2001-2011四、模型的回归结果及分析（1） 多元线性回归1、 回归结果 表2 OLS回归结果Dependent Variable: YMethod: Least SquaresDate: 10/30/13 Time: 15:53Sample: 2000 2010Included observations: 11VariableCoefficientStd. Errort-StatisticProb.C6241.7397617.8430.8193580.4499X22.0451761.3937381.4674030.2022X30.2730550.3245370.8413670.4385X4-17.549208.852206-1.9824660.1042X5-1.7169120.502142-3.4191760.0189X6-3.11256213.84891-0.2247510.8311R-squared0.956541Mean dependent var2406.683Adjusted R-squared0.913082S.D. dependent var371.0626S.E. of regression109.3965Akaike info criterion12.53029Sum squared resid59837.93Schwarz criterion12.74732Log likelihood-62.91657F-statistic22.01007Durbin-Watson stat2.122710Prob(F-statistic)0.002040 可用规范的形式将参数估计和检验的结果写为: =6241.739+2.045176*X2 +0.273055*X3-17.54920*X4-1.716912*X5-3.112562*X6 (7617.843) (1.393738) ( 0.324537) (8.852206) (0.502142) (13.84891) t =0.819358 1.467403 0.841367 -1.982466 -3.419176 -0.224751 R2 =0.956541, =0.913082, F=22.01007, n=11 , DW=2.1227102、 模型检验（1） 经济意义的检验模型回归结果表明，在假定其他条件不变的情况下，农业机械总动力（X2）每增加1万千瓦，平均说来粮食产量会增加2.045176万吨；在假定其他条件不变的情况下，粮食的播种面积(X3)每增加1千公顷，平均说来粮食产量会增加0.273055万吨；在假定其他条件不变的情况下，农业化肥施用量(X4)每增加1万吨平均说来粮食产量会减少17.54920万吨；在假定其他条件不变的情况下，受灾面积(X5)每增加1万公顷平均说来粮食产量会减少1.716912万吨;在假定其他条件不变的情况下，乡村劳动力(X6)每增加1万人，平均说来粮食产量会减少3.112562万吨。其中，农业化肥施用量、乡村劳动力与粮食产量的变动关系与预期相反，可能存在多重共线性。（2）统计检验 R2 =0.956541, =0.913082,可决系数很高。当=0.05时，查t分布表得自由度为11-6=5的临界值为t0.025（5）=2.571，X2、X3、X4、X6的系数t检验不显著，这表明可能存在严重的多重共线性。（2） 多重共线性的检验1、 检验简单相关系数 利用Eviews得到相关系数矩阵表3 相关系数矩阵变量X2X3X4X5X6X21.0000000.8047850.991471-0.5629880.988839X30.8047851.0000000.774771-0.7542440.869399X40.9914710.7747711.000000-0.5466420.972959X5-0.562988-0.754244-0.5466421.000000-0.609200X60.9888390.8693990.972959-0.6092001.000000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，证实确实存在严重的多重共线性。2、 逐步回归法采用逐步回归的办法，去检验和解决多重共线性的问题。分别作Y对X2、X3、X4、X5进行一元回归，结果如表4所示：表4 一元回归估计结果变量X2X3X4X5X6参数估计值0.7800780.8844948.539322-3.0092559.763553t统计量3.8919476.2571523.390293-5.4009794.559569R20.6272870.8130920.5608490.7642160.6978820.5858740.7923240.5120540.7380180.664313 由一元回归结果可以看出，X3的最大，t统计量也很大，明显显著。以X3为基础，顺次加入其他变量逐步回归。结果如表5所示：表5 加入新变量的回归结果（一） 变量变量X2X3X4X5X6X3，X20.185419（0.75677）0.735882（3.01576）0.781973X3，X40.788910（9.38446）1.434127（0.52927）0.774269X3，X50.551432（3.30916）-1.549670（-2.64996）0.875579X3，X60.704808（2.39316）2.462563（0.70177）0.779913 经比较，新加入的X5的改进最大，且各参数的t检验都显著.而加入X2，有所下降，且X2参数t检验变得不显著。加入X4，有所下降，且X4参数t检验变得不显著。加入X6，有所下降，且X6参数t检验变得不显著，最终选择保留X5，再加入其他变量逐步回归。结果如表6所示表6 加入新变量的回归结果（二） 变量变量X2X3X4X5X6X3，X5，X20.243926(1.381884)0.337219(1.523978)-1.636712(-2.934731)0.888282X3，X5，X40.411512(1.845946)1.934542(0.952047)-1.600774(-2.710023)0.874106X3，X5，X60.269072(1.054700)-1.662171(-2.979678)3.538316(1.40588)0.889114当加入X2后，有所下降，且X2参数t检验变得不显著；当加入X4后，有所下降，且X4的参数t检验变得不显著；而当加入X6后，改进最大，虽然且X6参数为1.40588，在当=0.05的显著水平下不显著，但在当=0.5显著水平下显著不为0，可予以保留。再加入其他变量逐步回归。结果如表7所示：表7 加入新变量的回归结果（三） 变量变量X2X3X4X5X6X3，X5，X6，X20.003976（0.00347）0.270058（0.68209）-1.661805（-2.7168）3.482197（0.21232）0.870634X3，X5，X6，X40.040946（0.13233）-7.95299（-1.2208）-1.77216（-3.2413）13.60519（1.58249）0.896375当加入X2后，X2、X3和X6的参数t检验均变得不显著；当加入X4后，X4、X3和X6的参数t检验均变得不显著，且X4的参数为负值不合理。这说明主要是X2、X4引起的多重共线性，予以剔除。最后修正严重多重共线性后的回归结果为 =-770.8741 + 0.269072*X3 - 1.662171*X5 +3.538316*X6 (1147.833) (0.255117) ( 0.557836) （2.516781） t =-0.671591 1.054700 -2.979678 1.405889 R2 =0.92238, =0.889114, F=27.7277, n=11 , DW=2.1623075、 结论与建议（1） 结论 在假定其他条件不变的情况下，粮食播种面积(X3)每增加1万公顷，平均说来粮食产量会增加0.269072万吨。粮食播种面积是影响粮食产量最重要因素,而我省黄金玉米带播种面积一直呈下降趋势。在假定其他条件不变的情况下，受灾面积(X5)每增加1万公顷，平均说来粮食产量会减少1.662171万吨。我省黄金玉米带农业基础设施相对较差，水利灌溉资源薄弱，因此抗灾能力弱，水旱灾害尤其是旱灾导致玉米带粮食生产波动性大，极大地影响玉米品质的提高和产量的增长。在假定其他条件不变的情况下，乡村劳动力(X6)每增加1万人，平均说来粮食产量会增加3.538316万吨。粮食生产不能缺少足够的劳动力投入,足够劳动力从事粮食生产,才能满足社会基本食物供给。（2） 建议 从模型本身得出的结论来看，要进一步提高吉林省的粮食产量，应该主要从粮食的播种面积、乡村劳动力以及受灾面积等方面重点着手。1、 保护耕地面积最近十几年来，吉林省因为非农业建设占用而使得的耕地大面积减少，耕地面积的减少会直接威胁农业发展，影响粮食产量。为此，我们必须确保一定数量和质量的耕地。耕地保护具体措施包括以下几方面