统计论文修改稿子.doc

桂林理工大学大学生毕业设计论文学 号：3060928113题目类型： 论 文 （设计、论文、报告）桂林理工大学GUILIN UNVERSITY OF TECHNOLGY本科毕业论文题目：我国粮食生产模型及弹性分析弹性分析在你论文中并看不出是主要内容之一，所以建议再考虑修改论文题目或丰富有关弹性分析的内容！ 学 院： 理 学 院 班 级： 统计06-1 学 生： 冯 春 兰 指导老师： 2010年5月摘要：我国是一个农业大国，粮食生产是我国粮食社会再生产的重要环节，也是我国国民经济的基础和关键。改革开放以来，随着城市规模的不断扩张和农村非农产业的不断发展，耕地占用数量不断增加，给我国的粮食生产带来了新的局面和挑战。因此，分析新形势下我国粮食生产的现状和发展趋势，预测粮食生产，分析其影响因素，对指导我国粮食安全工作，具有重要的现实意义。本文分析了我国粮食生产现状，应用多元回归和时间序列分析法，通过对数据的分析和整理，建立了逐步回归预测模型，对我国的粮食生产趋势进行了预测。在此基础上分析得出不受灾面积的生产面积即实际播种面积增加1%，粮食产量增加0.869%，单位不受灾面积化肥施用量增加1%，粮食产量增加0.335%，农业生产劳动力增加1%，粮食产量增加0.009%的结论。为进一步探讨粮食产量的影响因素，文章第三部分在逐步回归的基础上建立了误差修正模型，用于研究粮食生产模型的长期均衡与短期均衡的关系。得出实际每年播种面积的当期波动对粮食产量的当期波动调整幅度最大，单位调整系数为0.7054；其次是上期误差（ECM）；单位调整系数为-0.65157；单位面积化肥施用量的当期波动单位调整系数为0.308775，劳动力的增减对粮食产量变动影响不大的结论。通过研究，本文得到两个探讨粮食产量的数学模型，从而对提高粮食生产提供了行之有效的依据，具有较强的可行性。关键词：粮食生产；逐步回归；协整检验；误差修正模型Model of Chinas grain production and Elastic AnalysisStudent: FENG Chun-lan Teacher :XU Hai-yunAbstract: China is a large agricultural country , grain production is an important part of social reproduction, which is the foundation of our national economy. Since reform and opening-up, with the continuous expansion of city size and the continuous development of rural non-agricultural industries, the increasing number of arable land to grain production in China has brought a new situation and challenges. Therefore, in this new situation, in order to guide Chinas grain safety, it was very important and meaningful to analyze Chinas grain production status and development trends forecast and analyzing those Related facters, This paper analyzed the current situation of Chinas grain production, applied of multiple regression and time series analysis, by analyzing and compiling the data, established a stepwise regression prediction model, which can forecast the trend of Chinas grain production. On this basis, it concluded that when the production of non-affected area of the actual planting area increased by 1%, the grain output increased 0.869%, while the unit non-afflicted area of chemical fertilizer increased by 1%, 0.335% increased in grain output, at last, the number of Agricultural labor force had a little impact on the increasing in grain output.In order to further Study the impact on grain production factors, the third part of the paper established a error correction model based on stepwise regression .which studied the long-run equilibrium model of grain production and short-term equilibrium relationship. The model Came to the Conclusions that current fluctuations of The actual acreage have a biggest effect on in grain production , the unit adjustment coefficient was 0.7054; the second was early error (ECM); unit adjustment coefficient was -0.65157;the adjustment coefficient of unit area of chemical fertilizer was 0.308775, changes in the labor movement has little effect on grain production.Through this research, the paper established two mathematical model of grain production, which could provide effective policy to increasing grain production .both of the models were quite feasible.Key words: grain production; stepwise regression; co-integration analysis; Error correction model目录1课题研究背景及来源11.1选题背景11.1.2我国粮食生产现状112我国粮食生产模型的研究现状213本文研究内容及方法32 逐步回归预测模型521基本思路与模型原理522数据的来源与选定5221选择变量和模型的关系5222样本数据来源5223 多重共线性的检验及诊断62.3参数估计结果及统计检验82.4预测及分析93误差修正模型113.1 分析背景113.1.1误差修正模型原理113.1.2检验步骤：113.2参差修正模型实证分析123.2.1 数据平稳性检验直观判断123.2.2 理论判断13324全国粮食产量影响因素误差修正模型1441 结论1642 建议16致谢18201课题研究背景及来源1.1选题背景改革开放年来经济的高速发展,改变了我国千年来的粮食生产格局，传统粮食产区已不能提供足够的商品粮，而全球粮价上涨,又一次为我国敲响了粮食安全的警钟。耕地不断减少、人口不断增加、经济不断发展的今天,保证国家粮食安全,关系到国家的可持续发展。为保护好主要粮食生产区域,需要从优先保护和建设集中连片的优质耕地、促进规模化经营、规范土地整理行为和提高农民种粮积极性等方面入手。优先保护和建设集中连片的优质耕地,是建设粮食核心产区的重要环节。要把中连片的优质耕地划人永久基本农田,加以保护和持续建设。1.1.2我国粮食生产现状1）农民科技素质低，经济意识薄弱科技文化素质与经济意识是保证粮食生产和粮食产业化得以实现的基础。由于劳动者的素质差，科技成果难以转化为生产力，粮食产量难以提高。而且我国许多粮区在粮食生产领域，始终没建立起一套商品化生产机制。2）耕地面积下降我国耕地数量不足，而且不断减少，是阻碍粮食生产能力稳定和提高的一个重要因素。全国现有耕地面积为195亿亩左右，人均占有耕地面积仅为1.59亩，为世界人均数的42。即使现有的耕地面积稳定，随着人口的增加，到了2010年和2030年，人均耕地将降为143亩和1.34亩。近几年减少的耕地面积，主要是实现退耕还林、还草、还湖，工业化和城市化建设用地。1991年到1996年，全国平均每年建设占用耕地440万亩。1997年到2002年建设占用耕地共计1646万亩。到目前为止，我国城市化水平仅为30多，远远低于世界平均水平。预计到2030年，这一指标将达到60以上，21世纪中叶，这一指标可望达到70。因此经济的发展和城市化进程的加快，使我国实现耕地的动态平衡目标依然任重道远。这种耕地的减少就是粮食综合生产能力的下降。3）农业结构调整调减粮食的种植面积农业生产资源是有限的，土地尤其如此，它既不可代替，也不能再生。我国的耕地资源有限，粮食增产空间小。一是耕地面积逐年减少，土地是人类赖以生存的唯一资源，是不可再生的，多用性的宝贵资源。二是人口持续增长，人均耕地减少。有限的资源在不同的生产之间进行分配，只能是此消彼长。调整农业结构，加快非粮食生产的发展，必然会导致种粮用地的相应减少。80年代中期以后，农业生产结构调整，使我国的粮食供给一度紧张。现在提高农民收入，靠产业结构调整；解决粮食问题又要压缩结构调整。这种两难局面表明，提高农业效益与保障粮食自给这种双重政策目标之间的摩擦关系，已经成为影响我国粮食生产能力发展的重要原因。粮食的播种面积逐年下降，是粮食连年减产的主要原因。如何处理好农业结构调整与粮食生产之间的关系，缓解两者在资源利用方面的矛盾，是我国粮食生产能力发展面临的重要问题。4）粮食补贴不到位影响种粮农民的积极性粮食直接补贴向农民发送了国家鼓励粮食生产的信号，一定程度上调动了农民生产粮食的积极性。但由于目前我国粮食的直接补贴标准基本上是依据比较紧张的财政支付能力而确定的。直接补贴的额度比较小。例如，每亩仅补贴几元到几十元，对于促进粮食生产的作用比较小。对于调动农民生产粮食的积极性作用也不大，几乎不能改变种植粮食与经济作物之间悬殊的收益差距。并且在粮食的补贴过程中也遇到一些问题。5）加入世界贸易组织，对于我国粮食生产的不利影响通过资源禀赋及对我国实际情况的分析，粮食是更多地依赖于土地而较少的依赖于劳动力资源的产品。在我国虽然明显缺乏比较优势，但我国的国情决定了我们不可能采取大进大出的资源替代型发展战略。原因之一是，国际市场满足不了十几亿人口的巨大粮食需求。我国目前仅国内一年的口粮需求就达到了3亿多吨。而目前世界常规年份的粮食产量在19亿吨。世界贸易量约为世界产量的十分之一，即使世界粮食贸易量全部供给中国，也远远满足不了国内的需求。原因之二是，由于粮食安全的公共物品属性，尽管贸易可能会带来更高的经济利益，但是对于一个人口大国来说，缺少或消弱了粮食自给能力的粮食安全是有缺陷的。因此，由于贸易风险的客观存在，从战略和安全的角度出发，我国政府也不可能把十几亿人口的基本生存问题交由他国来掌控。所以，我们必须看到加入WTO对于我国粮食生产的不利影响。由于国际市场大宗的粮食品种价格普遍低于国内市场，使国内粮食市场价格有下降的趋势。资源禀赋和落后的生产方式导致我国粮食缺乏比较优势。粮食产品普遍品质不高，竞争力较弱。加入世界贸易组织以后，我国粮食总量的平衡，不但要受到国内粮食供求状况的影响，而且要受到国际粮食市场的影响。粮食进出口的规模，完全取决于粮食的竞争力和价格水平的高低。12我国粮食生产模型的研究现状我国粮食生产模型的研究较早，但是，近年来气候变暖，环境恶化速度惊人变化使我们不得不加深对粮食问题的思考。一方面，不少学者将计量经济学和时间序列中的方法运用于对粮食生产产量的预测和研究，并取得了较好的效果。申世军（2010）分析了我国粮食生产现状，应用灰色预测模型对我国未来的粮食生产趋势进行了预测，在此基础上分析了我国未来粮食生产的三个主要特征，并从两个方面探讨了未来粮食生产对我国粮食安全的影响。赵靖,王桂芝,江莹,朱干江，（2007）运用CD生产函数和CES(固定替代弹性系数)生产函数进行建模分析及比较验证,从粮食生产模型拟合和分析中得出影响中国粮食产量的关键因素及其弹性系数,并提出提高中国粮食产量的建议。徐卫涛，张俊飚，李树明，孙笑男，（2010）运用脱钩理论，分析化肥施用量与粮食生产之间的关系，得出二者之间的脱钩类型；并运用描述性分析和回归分析等方法，分析我国31个省级地区1999-2007年的面板数据，找出影响脱钩类型的因素；提出在科学施肥、粮食生产要素替代、整粮食作物种植面积等相关对策。石森昌，林秀梅，（2003）根据中国粮食生产投入及产出的数据,建立双对数粮食生产函数模型,对粮食生产投入要素的效益进行比较分析。赵之砚，金一涨，（2003）运用目前使用最多的BP(Back-Pragation Network)网络理论,进而建立粮食生产的神经网络模型模型，效果显著。王桂芝,赵靖,朱干江,江莹，（2007）运用计量经济学中的CD生产模型对中国粮食生产进行研究,并采用最小一乘估计建立粮食生产模型,并得出最小一乘估计比最小二乘估计的稳健性更强,统计性能更优的结论。为什么要这些箭头！13本文研究内容及方法综合我国在粮食产量预测及影响因素研究方面取得的成果，本文尝试将多元统计和时间序列分析方法应用于分析全国粮食生产及影响的关系，建立全国粮食生产预测模型。通过对所建立的预测模型和误差修正模型来了解我国粮食生产的发展状况。所作的主要工作有：1、完成相关数据的收集和整理；2、结合研究课题和数据，选择合适的研究方法；3、建立回归预测模型和误差修正模型，并对预测结果进行改进；4、比较各种统计方法，结合实际，得出更精确的预测结果。具体采用的方法有：1、逐步回归法当一个经济变量受到多个因素共同影响时，可能因这些变量间存在多重共线性而影响模型的估计精度。本文结合数据分析情况，采用逐步回归法，消除了变量之间存在的多重共线性，建立了逐步回归模型。2、协整检验协整检验主要用于检验非平稳时间是否存在长期均衡关系，可以运用单一方程的EG两步法检验和多变量联立的Jonhansen最大似然法检验。本文用EG两步法对粮食产量单位面积化肥施用量、单位面积化肥使用量、实际每年播种面积进行协整检验。3、误差修正模型误差修正模型是建立在协整关系的基础上，根据格兰杰定理，当时间序列变量存在非常密切的长期均衡关系。本文第三部分通过对数据整理、分析，得到粮食产量与单位面积化肥施用量、单位面积化肥使用量、实际每年播种面积之间存在协整关系，并建立了相应的误差修正模型。2 逐步回归预测模型21基本思路与模型原理逐步回归的基本思想是“有进有出”,即将变量一个一个引入,引入变量的条件是其偏回归平方和经检验是显著的。当每引入一个自变量后,对已选入的变量要进行逐个检验。当先引入的变量由于后面变量的引入而变得不再显著时,要将其剔除。引入一个变量或从回归方程中剔除一个变量,为逐步回归的一个步骤,每一步都要进行F检验,以确保每次引入新的变量之前回归方程中只包含显著的变量。这个过程反复进行,直到既无显著的自变量选入回归方程,也无不显著自变量需要从回归方程中剔除为止。逐步回归法中需要注意的一个问题是引入自变量和剔除自变量的显著性水平值是不相同的，要求引入自变量的显著性水平小于剔除自变量的显著性水平，否则可能产生“死循环”。也就是当时，如果某个变量的显著性P值在和之间，那么这个自变量将被引入、剔除、在引入、再剔除，往复循环，以至无穷。22数据的来源与选定221选择变量和模型的关系本模型是研究近25年来我国粮食产量与主要影响要素之间的定量关系。确定模型所包含的变量。被解释变量为粮食产量；解释变量为农用化肥施用量、粮食播种面积、成灾面积、农业机械劳动力、农业劳动力、灌溉面积。选择的主要依据是，国家政策对粮食生产的积极扶持作用，在样本区间有一致性；我国粮食统一平价收购，农民面临的是“无限的需求”。综合以上两点，影响粮食的主要因素是投入要素，即资本和劳动力，农业的生产的特点决定资本主要是土地和化肥；至于农业劳动力，我国一直是人工种植，但近几年来呈现农业经济多种化经营的趋势，许多人从事副业生产。同时科技进步的影响农业机械化水平有所提高，所以选取农业机械劳动力、农业劳动力作为变量。是影响粮食的主要因素的作用，在样本区间有一致性。222样本数据来源本模型使用时间序列数据，数据来源自中华人民共和国国家统计局最新编制的中国统计年鉴-2009中选取粮食总产量、粮食播种面积、成灾面积、农业机械劳动力、农业劳动力、有效灌溉积六项指标为数据来源，并查阅往年的中国统计年鉴及中国水资源公报将数据补充完整，样本数据列于表2.1中。表2.11985年-2009年各年份主要指标观测值年份粮食总产量（万吨）y农用化肥施用量（万公斤）x1粮食播种面积（万公顷）x2成灾面积（万公顷）x3农业机械劳动力（万千瓦）x4农业劳动力（万人）x5有效灌面积x6(万公顷)198537910.81775.810884.502270.5320912.531130.04403.6198639151.01930.611093.302365.6022950.030467.04793.3198740298.01999.311126.802039.2724836.030870.04787.3198839408.02141.511012.302394.4726575.031455.74438.0198940755.02357.111220.502444.8728067.032440.54474.0199044624.32590.311346.601781.9328707.734117.04740.3199143529.32805.111231.402781.4029388.634956.04782.2199244265.82930.211056.002589.3030308.434795.04859.0199345648.83151.911050.902313.4031816.633966.04872.8199444510.13317.910954.403138.2033802.533386.04875.9199546661.83593.711006.002226.8036118.133018.04928.1199650453.53827.911254.802123.4038546.932910.05038.1199749417.13980.711291.203030.7042015.633095.05123.9199851229.54083.711378.702518.1045207.733232.05229.6199950838.64124.311316.102673.3748996.133493.05315.8200046217.54146.410846.303437.4052573.633354.65382.0200145263.74253.810608.003179.3155172.132973.64787.3200245705.84339.410389.102715.9957929.932487.25435.5200343069.54411.69941.003251.6360386.5484.55401.4200446946.94636.610160.601629.7364027.9466.15447.8200548402.24766.210427.801996.6168397.8446.35502.9200649804.24927.710495.802463.1972522.1435.25575.0200750160.35107.810563.802506.3876589.6426.35651.8200852870.95239.010679.302228.3582190.4410.15847.2200953082.05621.510814.002124.2985190.4394.55780.0表中的数据的字体保持统计一。说明：由于统计数据没有粮食生产的装用数据，农用化肥施用量等六项指标均为农业整体数据，尤其是农业劳动力取的是农林牧渔业总劳动力。223 多重共线性的检验及诊断多重共线性产生的原因主要有3各方面：经济变量相关的共同趋势 ；滞后变量的引入；样本资料的限制。多重共线性的影响有以下五点（1）完全共线性下参数估计量不存在；（2）近似共线性下OLS估计量非有效，多重共线性使参数估计值的方差增大，1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF)；（3）参数估计量经济含义不合理；（4）变量的显著性检验失去意义，可能将重要的解释变量排除在模型之外；（5）模型的预测功能失效，变大的方差容易使区间预测的“区间”变大，使预测失去意义。故要先检验时间序列数据的多重共线性。表2.2 变量相关性矩阵表表2.3 OLS回归系数表这些表还是重新编辑，不要用图图片格式，很不清楚，打印出来就更不清楚！从输出结果（表2.2、 2.3）看到，x1、x4的方差因子很大，分别为VIF1=19.178,VIF4=28.397,超过10，说明粮食产量回归方程存在着严重的多重共线性，二者的简单相关系数（r14=0.954, r16=0.926, r25=0.736, r46=0.928）（这些用公式编辑器重编，怎么全是图片格式？文中的其它地方也是一样）,高度相关。另外，这些自变量与其余变量之间也可能存在严重的共线性。一般情况下，当一个回归方程存在严重的多重共线性时，有若干个自变量所对应的方差扩大因子大于10，说明这几个变量间有一定的多重共线性。因此，接下来需要对数据进行诊断。2.3参数估计结果及统计检验把化肥施用量改为单位面积化肥施用量（Of chemical fertilizer per unit area，以下用cfp表示），农业机械劳动力改为单位面积农业机械劳动力（Labor force per unit area of agricultural machinery以下用lfp表示），实际每年的粮食播种面积为，不妨用tx表示。目的是为了避免可能产生的变量之间的多重共线性。用逐步回归方法由spss16.0处理得到如下结果:表2.4方差分析表由方差分析表2.4可知，当回归方程包含不同的自变量时，其显著性水平小于0.05（P=0.000），从而表明对表2.1的数据拟合多元回归模型是可行的.进而得到如下逐步回归模型：表2.5回归系数表逐步回归的选元过程为第一步引入有效灌溉面积lnx6；第二步引入实际每年的粮食播种面积tx；第三步引入单位面积化肥施用量cfp；第四步剔除lnx6，第五步引入农业劳动力lnx5。这种有进有出的结果说明自变量之间具有相关性，如果变量是完全不相关的，那么引入的自变量就不会再被剔除，而剔除的自变量也就不会再被引入。在模型引入lnx5后，变得最显著。模型3中，为了提高方程中变量的显著性水平，引入单位面积化肥施用量cfp，得如下方程： 公式（2.1）=0.93 ,F=93.537,只有有效灌溉面积lnx6的系数显著性水平没有通过检验，其他变量的系数十分显著。经查表F、DW检验合格，方程拟合优度高，无序列自相关。经济含义上1+2+3=0.9631 成立。但是，3=-0.0180，在经济含义上不成立。有效灌溉面积越大，粮食产量也应该相应增多，此问题的出现，可能由于新增加的灌溉土地并不用于种植粮食作物，该方程不能使用。从表2.5（回归系数表）可以看出，逐步回归的最优回归子集为模型5，回归方程为： 公式（2.2）=0.952 ,F=138.41,dw=1.56,t检验值依次为：4.66,11.767,17.868,3.067。除了lnx5自变量的系数不太显著外，其他变量的显著性水平均小于0.05，效果显著。值得注意的是，单位面积农业机械劳动力lfp在数据处理中未被引用，说明该变量对粮食生产的影响不大。经查表F、DW检验合格，方程拟合优度高。经济含义上参数满足期望值，该模型可以采用。经济意义可以如此解释，不受灾面积的生产面积即实际播种面积增加1%，粮食产量增加0.869%，单位不受灾面积化肥施用量增加1%，粮食产量增加0.335%，农业生产劳动力增加1%，粮食产量增加0.009%，这是符合经济意义的。2.4预测及分析根据方程2.2式对我国粮食产量进行模拟预测，记，为相对误差，模拟结果如表2.6：表2.6 粮食生产模拟结果年份真实值预测值误差百分比年份真实值预测值误差百分比198537910.837441.32-1.24%199851229.5350355.57-1.71%19863915138759.84-1.00%199950838.5849782.47-2.08%19874029840145.13-0.38%200046217.5245960.5-0.56%19883940839920.621.30%200145263.6746371.572.45%19894075541666.012.24%200245705.7547524.413.98%199044624.344912.910.65%200343069.5342701.77-0.85%199143529.343291.1-0.55%200446946.9549446.585.32%199244265.843948.21-0.72%200548402.1949586.192.45%199345648.845762.270.25%200649804.2348829.09-1.96%199444510.143832.28-1.52%200750160.2849444.78-1.43%199546661.847983.892.83%200852870.9251167.81-3.22%199650453.549979.14-0.94%20095308253105.860.04%199749417.148024.95-2.82%图1 粮食生产估计值与真实值比较图从表2.6和图1我们可知，模型的相对误差较小，大多数预测值的误差绝对值都在5%范围内波动，模型由较强的稳定性和实用性。从全国粮食产量回归预测模型可以看出，对粮食产量影响较大的因素分别是单位面积化肥施用量和实际播种面积。3误差修正模型3.1 分析背景在上一部分中，文章建立了粮食生产的逐步回归模型，虽然模型的整体拟合优度较好，但是有的年份误差百分比较大，则表明所建立的逐步回归模型存在缺陷，所以接来下，本章将采用逐步回归模型中未被剔除的三个变量：单位面积化肥施用量lncfp、实际每年播种面积lntx、农业劳动力lnx5建立误差修正模型，进行粮食生产模型的长期均衡与短期均衡关系的探讨。3.1.1误差修正模型原理为了有效地衡量序列之间是否具有长期均衡关系，Engle和Garnger1987年提出了协整的概念.假定自变量序列为x2,x3,xn响应变量序列为 yt，构造回归模型：yt=0+i=1kixit+t 公式（3.1） 假定回归残差序列t平稳，我们称响应序列yt与自变量序列xt之间具有协整关系。协整概念的提出有非常重要的意义，因为之前对于不平稳的序列，我们不能建立动态回归模型，担心非平稳序列会产生虚假回归的问题，而虚假回归的产生是因为残差序列不平稳。如果非平稳序列之间具有协整关系，则说明残差序列平稳，因而不会产生虚假回归，大大拓宽了动态回归模型的适用范围。多元非平稳序列之间能否建立动态回归模型，关键在于它们之间是否具有协整关系。所以要对多元非平稳序列建模首先要进行协整检验，即Engle-Granger检验，也称EG检验。3.1.2检验步骤：步骤一、建立响应序列和输入序列之间的回归模型： 公式（3.2）其中是最小二乘估计值.步骤二、对回归残差序列t进行平稳性检验.主要采用单位根检验的方法考察回归残差序列的平稳性，假设条件等价于：H0:tIk,k1,H1:tI0当非平稳序列的个数为1时，对应的是ADF检验，当非平稳序列的个数为大于1时，则是EG检验。3.2参差修正模型实证分析对粮食产量（lny），单位面积化肥施用量（lncfp）、实际每年播种面积（lntx）、农业劳动力（lnx5）的对数序列进行平稳性检验。3.2.1 数据平稳性检验直观判断对粮食产量lny，单位面积化肥施用量lncfp，实际每年播种面积lntx，农业劳动力lnx5的对数序列绘制时序图，如图2所示。图2 中国粮食产量、单位面积化肥施用量、实际每年播种面积、农业劳动力对数序列时序图从时序图曲线的变化趋势，显示该四个对数序列显著非平稳。农业劳动力对数序列（第三条曲线）在2003年的骤然下降，其原因是: 农村人口大量涌向城市，加上我国新型农业的兴起，从事粮食生产的人们急剧减少。3.2.2 理论判断用Eviews6.0统计软件，对lny、lncfp、lntx、lnx5序列分别进行ADF单整检验，检验结果如下：表3.1 lny、lncfp、lntx lnx5检验结果从表3.1中的数据看出，ADF统计值显然比其它三水平的临界值大，可知lny、lncfp，lntx,lnx5序列不平稳。由于对数据取自然对数并不影响原序列的协整关系，对lny、lncfp，lntx取其1阶差分，分别记为：ilny、ilncfp，ilntx并进行ADF单位根检验，检验结果：表3.2 ilny、ilncfp、ilntx、ilnx5检验结果 表3.2中的数据检验结果显示，ADF检验的统计量都小于其它三个水平的临界值，因此，可以说,为平稳序列。在10%、5%、1%显著性水平下，ilny、ilncfp、ilntx、ilnx5四个序列均为1阶单整，记为：ilnyI(1)，ilncfpI(1) ，ilntxI(1)，ilnx5I(1)。因此我们可以认为粮食产量、单位面积化肥施用量、实际每年播种面积单位面积、农业劳动力的对数序列之间存在协整关系。根据上述检验结果，我们根据上节已经建立的回归方程：lnyt=3.089+0.869lntx+0.335lncfp+0.009lnx5+t 公式（3.3）模型已经通过显著性检验，拟合效果显著，对残差序列t 进行单位根检验：表3.3残差序列序列单位根检验图3 残差图直观上看，残差序列的散点图分布形象地表明了残差序列的平稳性。ADF检验统计量小于1%、5%显著水平下的临界值，AIC,SBC值较小，故残差序列t为白噪声序列。从而证明了上述均衡关系的成立，即ilny、ilncfp、ilntx、ilnx5存在协整关系，进而我们可以研究粮食产量、单位面积化肥施用量、实际每年播种面积、农业劳动力之间存在影响因素的长期均衡关系。324全国粮食产量影响因素误差修正模型协整关系反应的是变量之间的长期均衡关系，为研究全国粮食产量模型的短期波动特征以及短期偏向长期的均衡修正的机制，我们利用序列ilny、ilncfp、ilntx、ilnx5和前期误差序列ECMt-1构建ECM模型: 其中ECMt-1=lnyt-1-(3.089+0.869lntxt-1+0.335lncfpt-1+0.009lnx5t-1), 公式（3.4）计算结果显示ECM模型为：ilny=0.38775ilncfp+0.7054ilntx+0.00817 ilnx5-0.65157ECM(-1) 公式（3.5）方程检验结果和参数检验结果如表3.4所示。表3.4 方程检验结果和参数检验结方程检验结果显示该方程显著线性相关。参数结果显示单位面积化肥施用量、实际每年播种面积的当期波动以及上期误差对粮食产量的当期波动有显著影响，但农业劳动力当期波动对粮食产量当期波动的影响不显著。本文使用1阶差分，消除了变量可能存在的趋势因素，从而很好地避免了虚假回归问题，同时也消除了模型可能存在多重共线性的问题。粮食产量、单位面积化肥施用量、实际每年播种面积、农业劳动力之间的长期均衡关系，在这种均衡关系中，而且从回归系数的绝对值大小可以看出，实际每年播种面积的当期波动对粮食产量的当期波动调整幅度最大，每增加一万吨粮食会增加0.7054万公顷的实际播种面积，其次是上期误差（ECM），对粮食当期波动的单位调整系数为-0.65157。单位面积化肥施用量的当期波动单位调整系数为0.308775；农业劳动力当期波动对粮食产量的当期波动调整幅度不大，弹性因子只有0.00817。4 结论与建议41 结论从以上两个模型的比较和验证中可发现我国粮食生产的特征:(1)资本的投入中最主要为有效播种面积,其弹性系数为0.869和,说明有效播种面积在粮食生产中起最大贡献；(2)其次是化肥施用量的影响弹性系数为0.335； (3)农业劳力对粮食产量的影响不大,侧面反映了中国存在一定程度的农村劳力过剩问题，同时也反映出农民在从事粮食生产上的积极性不够；(4)机械劳动力对粮食生产的作用不显著,说明我国农业机械化程度不高,机械科技在农业上的贡献不足。(5)在保持原有的耕地面积数量上，增大有效灌溉面积。42 建议该文用逐步回归和误差修正模型对中国粮食生产数据进行拟合,得到了很好的统计效果和经济意义,并最终选择逐步回归模型为中国粮食生产模型,而由该模型估计所得数据与实际观测数据之间误差最小,且稳健性最强。因此可以利用误差修正模型进行产量的估计、预测和生产要素重要性的分析,并且可以将该生产模型灵活应用众多于其他的经济领域。根据所得的中国粮食问题实证分析结果,建议今后的粮食产业改革从以下几方面着手：(1)由于中国粮食生产最主要依赖的是有效播种面积,而有效播种面积是耕地面积与