经济学之粮食生产模型.doc

一、粮食生产模型 1、选择变量和模型的关系形式研究目的：研究我国近十年粮食产量与主要影响因素之间的定量关系。（1）确定模型应包含的变量被解释变量：粮食总产量（万吨），y解释变量：X1农用化肥施用量（万公斤） X2粮食播种面积（千公顷）X3成灾面积（千公顷）X4农业机械劳动力（万千瓦）X5农业劳力（万人）变量选择依据：国家粮食政策对粮食生产的积极扶持作用，在样本区间内具有一致性；我国粮食统一平价收购，农民面临的是“无限的需求”。因此，影响粮食产量的主要因素是：资本和劳动力农业生产的特点决定了资本主要是：土地和化肥考虑到我国的传统农业耕作方式有一定的变革，一方面从事非农产业的农民增加；另一方面，农业机械化水平有所提高，表示劳动力的变量为：农机动力和农业劳动力。（2）确定模型的数学形式和参数范围被解释变量和解释变量之间的关系是投入产出关系，因此选用C-D生产函数，设定模型为：lnY=a0+a1lnX1+a2lnX2+u解释变量的个数从25个，可根据实际情况选择最有结果；偏回归系数为相应变量的产出弹性，理论值应介于01之间；截距a0为常熟虚拟变量，包含政策、气候等难以量化的影响因素；u为随即扰动项，描述模型之外的因素对模型的干扰。2、采集样本数据本模型使用时间序列数据，数据来源于中国农村统计年鉴（19841996）（见表2.10.1）其中：由于统计数据没有粮食生产的专用数据，农用化肥施用量（万公斤）、成灾面积（千公顷）、农业机械总动力（万千瓦）、农业劳力（万人）均为农业总体数据，尤其是农业劳力（万人）为农林牧副渔也总劳动力，只有几个年份有种植业、农业劳力数据，占农林牧副渔也劳力的比重为0.80.85之间。表2.10.1obsY粮食总产量（万吨）X1农用化肥施用量（万公斤）X2粮食播种面积（千公顷）X3成灾面积（千公顷）X4农业机械劳动力（万千瓦）X5农业劳力（万人）1983387281659.811404716209.31802231645.11984407311739.81128841526419497316851985379111775.810884522705.32091330351.51986391511930.61109332365622950304671987402981999.311126820393.724836308701988394082141.511012323944.72657531455.71989407552357.111220524448.72806732440.51990446242590.311346617819.32870833330.41991435292805.1112314278142938934186.31992442662930.211056025894.730308340371993456493151.9110509231333181733258.21994445103317.9109544313833380232690.31995466623593.7110060222673611832334.51996504543827.91125482123438546.932260.4将原始数据格式转换为文本文件格式，并保存为：f:sqlzn2101.txt（记住样本区间、各列对应的变量名称）387281659.811404716209.31802231645.1407311739.8112884152641949731685379111775.810884522705.32091330351.5391511930.6110933236562295030467402981999.311126820393.72483630870394082141.511012323944.72657531455.7407552357.111220524448.72806732440.5446242590.311346617819.32870833330.4435292805.1112314278142938934186.3442662930.211056025894.73030834037456493151.9110509231333181733258.2445103317.9109544313833380232690.3466623593.7110060222673611832334.5504543827.91125482123438546.932260.4进入TSP窗口，进行如下操作：Create a 1983 1996Read(o) F:sq lzn2101.txt y x1 x2 x3 x4 x5write(o) F:sq lzn2101.txt y x1 x2 x3 x4 x5save F:sq lzn2101.txtload F:sq lzn2101.txt3、参数估计结果及统计检验（1）ls lny c lnx23 lnx5 lnx123 lnx423把化肥施用量改为单位面积化肥施用量、农机劳力改为单位面积农机劳力，能够在一定程度上避免可能的多重共线性。用OLS法估计，得到如下回归方程：Create a 1983 1996Read(o) F:sq lzn2101.txt y x1 x2 x3 x4 x5write(o) F:sq lzn2101.txt y x1 x2 x3 x4 x5save F:sq lzn2101.txtload F:sq lzn2101.txtgenr lny=log(y)genr lnx23=log(x2-x3)（不受灾的面积）genr lnx5=log(x5)genr lnx123=log(x1/(x2-x3) （单位面积化肥施用量）genr lnx423=log(x4/(x2-x3) （单位面积农机劳力）smpl 1983 1995ls lny c lnx23 lnx5 lnx123 lnx423 LS / Dependent Variable is LNYDate: 10-26-2004 / Time: 19:24SMPL range: 1983 - 1995Number of observations: 13 VARIABLE COEFFICIENT STD. ERROR T-STAT. 2-TAIL SIG. C 3.5739166 1.8837160 1.8972694 0.094 LNX23 0.6440529 0.1129913 5.7000232 0.000 LNX5 0.0910628 0.1710340 0.5324249 0.609 LNX123 0.3694410 0.0756865 4.8811988 0.001 LNX423 -0.1025739 0.0852775 -1.2028254 0.263R-squared 0.971896 Mean of dependent var 10.64357Adjusted R-squared 0.957844 S.D. of dependent var 0.069927S.E. of regression 0.014357 Sum of squared resid 0.001649Durbin-Watson stat 2.301112 F-statistic 69.16506Log likelihood 39.87505经济意义检验：LNX423的回归系数为负数，经济含义上不成立。（？） K=4,n=13,查tFDW等统计量的临界值，进行统计检验；根据经济意义和t检验结果，依次分别剔除变量LNX5、LNX423，用OLS法估计，得到如下回归方程：（2） ls lny c lnx23 lnx5 lnx123 LS / Dependent Variable is LNY VARIABLE COEFFICIENT STD. ERROR T-STAT. 2-TAIL SIG. C 2.2729083 1.5800455 1.4385081 0.184 LNX23 0.6861866 0.1100585 6.2347414 0.000 LNX5 0.1528628 0.1671345 0.9146095 0.384 LNX123 0.2854699 0.0299538 9.5303370 0.000R-squared 0.966814 Mean of dependent var 10.64357Adjusted R-squared 0.955752 S.D. of dependent var 0.069927S.E. of regression 0.014709 Sum of squared resid 0.001947Durbin-Watson stat 1.837561 F-statistic 87.39905经济意义检验：LNX23 、LNX5、 LNX423的回归系数之和为1.112，约等于1，符合理论和经验期望值，模型可以通过经济意义检验。（？）K=3,n=13,查tFDW等统计量的临界值，进行统计检验；LNX5不能通过显著项检验，其原因可能是数据代表性差，用农林牧渔总劳力代替粮食生产劳力会产生很大的偏差。若能得到较准确的样本数据，LNX5应该能够通过显著性检验。因此，在比较粗略的情况下，该模型可以使用。模型的经济意义可解释如下：？（3）ls lny c lnx23 lnx123 lnx423 LS / Dependent Variable is LNY VARIABLE COEFFICIENT STD. ERROR T-STAT. 2-TAIL SIG. C 4.3376020 1.1714570 3.7027410 0.005 LNX23 0.6656238 0.1011921 6.5778227 0.000 LNX123 0.3917628 0.0604535 6.4803981 0.000 LNX423 -0.1162134 0.0780338 -1.4892708 0.171R-squared 0.970900 Mean of dependent var 10.64357Adjusted R-squared 0.961201 S.D. of dependent var 0.069927S.E. of regression 0.013774 Sum of squared resid 0.001707Durbin-Watson stat 2.285084 F-statistic 100.0945经济意义检验：LNX23 、LNX123、 LNX423的回归系数之和为0.950，约等于1，符合理论和经验期望值；但LNX423的回归系数为负数，经济含义上不成立。模型不能通过经济意义检验。（？）K=3,n=13,查tFDW等统计量的临界值，进行统计检验；LNX423不能通过显著项检验，其原因可能是由于新增添的农机动力多数不用于农业生产，因此与产量的相关性不搞因此，该模型不可以使用。为何？（）ls lny c lnx23 lnx123 LS / Dependent Variable is LNYDate: 10-26-2004 / Time: 19:29SMPL range: 1983 - 1995Number of observations: 13 VARIABLE COEFFICIENT STD. ERROR T-STAT. 2-TAIL SIG. C 3.3628247 1.0290081 3.2680255 0.008 LNX23 0.7363263 0.0946502 7.7794512 0.000 LNX123 0.3060546 0.0196035 15.612280 0.000R-squared 0.963729 Mean of dependent var 10.64357Adjusted R-squared 0.956475 S.D. of dependent var 0.069927S.E. of regression 0.014589 Sum of squared resid 0.002128Durbin-Watson stat 1.804932 F-statistic 132.8523经济意义检验：LNX23 、LNX5、 LNX423的回归系数之和为1.043，约等于1，符合理论和经验期望值，模型可以通过经济意义检验。（？）K=2,n=13,查tFDW等统计量的临界值，进行统计检验；均能够通过显著性检验。型具有相当好的统计性质,拟和优度高,该模型可以使用。模型的经济意义可解释如下：？(5) 模型ls lny c lnx23 lnx123的拟和检验fit flnygenr fy=exp(flny)genr ycjy=(y-fy)/y（相对误差）show lny flny y fy ycjyobs LNY FLNY Y FY YCJY1983 10.56432 10.57633 38728.00 39196.05 -0.0120851984 10.61475 10.58978 40731.00 39726.74 0.0246561985 10.54300 10.54222 37911.00 37881.43 0.0007801986 10.57518 10.57344 39151.00 39082.91 0.0017391987 10.60406 10.60152 40298.00 40195.91 0.0025331988 10.58172 10.59972 39408.00 40123.60 -0.0181591989 10.61533 10.63688 40755.00 41642.84 -0.0217851990 10.70603 10.70280 44624.00 44480.43 0.0032171991 10.68118 10.67387 43529.00 43211.93 0.0072841992 10.69797 10.68807 44266.00 43829.68 0.0098571993 10.72874 10.72395 45649.00 45430.89 0.0047781994 10.70347 10.69170 44510.00 43989.35 0.0116971995 10.75069 10.76614 46662.00 47388.92 -0.015578可见，模拟相对误差较小。4、预测及分析查得1996年数据，并输入。Smpl 1996 1996Forcst fflnygenr ffy=exp(fflny)genr ycjy1=(y-ffy)/y（相对误差）show lny fflny y ffy ycjy1obs LNY FFLNY Y FFY YCJY11996 10.82882 10.80239 50454.00 49137.87 0.026086预测的相对误差为2.61%，在容许的范围内（一般为5%）因此，模型ls lny c lnx23 lnx123是可以应用的。考虑：为何没有进行异方差检验、异常值检验、多重共线性检验？模型稳定性检验？怎样检验？5、批处理程序（1）：在TSP状态下编辑输入：edit F:sqlzn2101.txt回车1： load F:sqlzn2101.txt2： genr lny=log(y)3： genr lnx23=log(x2-x3)4： genr lnx5=log(x5)5： genr lnx123=log(x1/(x2-x3) 6： genr lnx423=log(x4/(x2-x3) 7： smpl 1983 19958： ls(p) lny c lnx23 lnx5 lnx123 lnx4239： ls(p) lny c lnx23 lnx5 lnx123 10： ls(p) lny c lnx23 lnx123 lnx42311： ls(p) lny c lnx23 lnx123 12： fit flny13： genr fy=exp(flny)14： genr ycjy=(y-fy)/y15： show lny flny y fy ycjy16： Smpl 1996 199617： Forcst fflny18： genr ffy=exp(fflny)19： genr ycjy1=(y-ffy)/y20： show lny fflny y ffy ycjy121： smpl 1983 199522： ls(p) lny c lnx23 lnx5 lnx123 23： Smpl 1996 199624： Forcst ffflny25： genr fffy=exp(ffflny)26： g