计量经济学课题论文 --农业商品产值影响因素分析.doc

计量经济学课 程 论 文题 目农业商品产值影响因素的实证分析学 院专 业班 级学生姓名学号2013年12月21日目 录一、引言1二、理论分析与研究思路1（一）理论分析1（二）概念界定2（三）研究思路21、计量分析的假设条件22、基本思路3三、计量经济模型与估计3（一）模型设定3（二）数据处理41、数据收集42、数据分析5四、模型的检验与修正6（一）解释变量的多重共线性61、多重共线性检验62、多重共线性的修正7（二）随机干扰项的异方差性81、异方差性的检验8（三）随机干扰项的序列相关性101、序列相关性的检验102、序列相关性的修正11（四）模型检验121、拟合优度检验122、F检验133、变量的显著性检验（T检验）134、经济意义检验13五、研究结果及建议13（一）结果分析131、总论说明132、政策解析14（二）建议14一、引言随着中国经济的快速发展，第二产业、第三产业在整个国民经济中所占的比重越来越大。随之而来的是各种矛盾的不断加剧，比如城市发展占用农业耕地面积、工业的发展抢占农业用地，使我市的农业用地不断减少。农业总产值是否会因此而下降，我市粮食危机是否会凸现，这逐渐成为了一些极受关注的问题。另一方面，随着农民工大量进城，务农人员大量减少，导致农村的劳动力不足。此时政府提出了确保亩耕地的红线和提倡农业高科技的运用，才让我市免于严重的粮食危机的困境。重庆市近几年来粮食连续丰收，农业总产值从1999年132671万元增长到2012年的8700536万元，几乎增长了600倍，这不能不说是一个农业产值上重大的进步。农业生产上的成就不仅与我国政府重视农业生产相关，而且还与我市经济的不断发展有关，工业的发展为农业的发展提供了动力，农用机械的增加、各种水利设施的建设、化肥的用量控制等都影响着农业的发展。那么，这些因素中哪些是主要因素，哪些是次要因素也是非常值得研究的问题。因为只有了解哪些是主要影响因素，就把大部分生产成本投入到这个方面上，将次要的影响因素作为辅助动力，使得农业投入产出结构不断优化，既能使我市农业不断向前发展，又能将更多的劳动力运用于其他产业，促进我市GDP的增涨。本文我们就乡村从业人员（万人）、农作物播种面积（公顷）、农用化肥使用量（吨）、农村用电量（万千瓦时）、农药施用量（吨）这几个因素建立计量经济学模型，将这些因素对农业总产值的影响进行定量分析，并给出相关农业发展的意见和建议。二、理论分析与研究思路（一）理论分析 “十一五”期间，重庆市农村经济总量不断增大，综合实力明显增强，随后又提出“十二五”农业农村规划，全市农业持续发展。可见，重庆市的发展离不开农业，农业的发展程度直接影响第二、三产业的发展，是社会发展的基础。本文在对影响重庆市农业商品产值的因素定性分析的基础上，运用实证方法对重庆市2013年37个区县的农业商品产值的统计数据进行分析，主要是从乡村从业人员、农作物播种面积、农用化肥施用量、农村用电量以及农药使用量五个方面进行研究分析。根据以往对农业商品产值的研究结果和经济理论得到结果：农业商品产值分别与乡村从业人员、农作物播种面积、农用化肥施用量、农村用电量以及农药使用量呈正相关。（二）概念界定农业商品产值 指以货币表现的农业全部产品和对农业生产活动进行的各种支持性服务活动的价值总量，它反映一定时期内农业生产总规模和总成果。乡村从业人员 指乡村人口中16岁以上实际参加生产经营活动并取得实物或货币收人的人员，既包括劳动年龄内实际参加劳动人员，也包括超过劳动年龄但实际参加劳动的人员，但不包括户口在家的在外学生、现役军人和丧失劳动能力的人，也不包括待业人员和家务劳动者。农作物播种面积 指农业生产经营者应在日历年度内收获农作物在全部土地（耕地或非耕地）上的播种或移植面积。凡是本年内收获的农作物，无论是本年还是上年播种，都算为播种面积，但不包括本年播种，下年收获的农作物面积。农用化肥施用量 指本年内实际用于农业生产的化肥数量，包括氮肥、磷肥、钾肥和复合肥。化肥施用量要求按折纯量计算数量。折纯量是指把氮肥、磷肥、钾肥分别按含氮、含五氧化二磷、含氧化钾的百分之百成份进行折算后的数量。复合肥按其所含主要成分折算。公式为：折纯量=实物量某种化肥有效成份含量的百分比农村用电量 指调查年度内农村范围内所有企业、事业、行政单位和住户从事生产经营活动、工作和日常生活用电总量。农药使用量 指在农业生产过程中为防治病虫害使用的化学药物数量，按实物量计算。包括购买的和自产自用的杀虫剂、杀菌剂、除草剂等，不包括兽药、渔业用药以及土农药。（三）研究思路1、计量分析的假设条件 为了保证参数估计量具有良好的性质，通常一个理想的模型需满足一系列基本假设条件。计量经济学模型基本假设条件如下：（1）模型建立是正确的；（2）解释变量是确定性变量，不是随机变量在重复抽样中取固定值；（3）解释变量与随机误差项不相关；（4）解释变量之间不存在精确（完全的）线性关系；（5）随机误差项具有零均值、同方差以及不序列相关性；（6）随机误差项服从正态分布。2、基本思路本文对农业商品产值的研究采用计量经济学研究方法，基本步骤为：（1）建立模型；（2）估计参数；（3）检验模型，包括统计检验（检验模型整体显著性检验；参数估计值可靠性检验）和计量经济学检验（主要有随机干扰项是否存在自相关和异方差、解释变量的多重共线性）；（4）模型修正；（5）结果论述及分析。三、计量经济模型与估计（一）模型设定根据近几年的相关资料显示，影响重庆市农业商品产值（Y）的主要因素主要有以下五个，即农村从业人员X1（万人）、农作物播种面积X2（公顷）、农作物化肥施用量X3（吨）、农村用电量X4（万千瓦时）以及农药使用量X5（吨）。由此拟定计量经济学模型：其中，Y指农业商品产值（万元）， X1指乡村从业人员（万人），X2指农作物播种面积（公顷），X3指农用化肥施用量（折纯）（吨），X4指农村用电量（万千瓦时），X5指农药使用量（吨）。（二）数据处理1、数据收集导入数据：Fileopenforeign data as workfile。数据如下表。表1 重庆市2012年各区县农业生产总值及其各种农业总投入区 县农业商品产值（万元）Y乡村从业人员（万人）X1农 作 物播种面积（公顷）X2农用化肥施 用 量（折纯）（吨）X3农村用电量（万千瓦时）X4农药使用量（吨）X5大渡口区222731874225472266537226江北区177782301925531566183111沙坪坝区5081973263854531507188444九龙坡区11483212740513718273617277174南岸区579565645642432884879815北碚区115226204812346048758103760260渝北区16650528710360784142277898109巴南区352337352225938661589523823223涪陵区40182753469517557243253334601466长寿区278930427819888032153214918574江津区64931569012815110245028314831128合川区4545787528661680023076415409654永川区40360736980710261267900180972077南川区3062293476301001473197021532417綦江区3541794895711260713970034186495大足区2974263763221051771925021430213潼南县3996244851901391633438012997380铜梁县300480409170865083181612153450荣昌县303023417879830691491814373618璧山县183008331166528742709870175235万州区4293017248951743953947714184978梁平县2429024952269938948024111811100城口县46203109459568385722296836丰都县2023263718041117102563114090291垫江县283633504472857063485493281248忠 县276505428236107366318446758823开 县3775837980501737815378423068688云阳县2622135101031304512483314251499奉节县2583484424011332042620021150684巫山县10196229942791002196698620147巫溪县8603226628389644280187177310黔江区16552328163489270235293015665武隆县119479231485853061746113368299石柱县16285826744590089244038980626秀山县1399363443471037262760019364691酉阳县1723184524161344292824710987312彭水县143459349913121428418318655514数据来源：重庆市统计年鉴（2013） 2、 数据分析（1） 作散点图分析图1 散点图由上述散点图可以看出，农村从业人员人数X1对农业商品产值Y的影响最大，农业商品产值Y受农村从业人员人数X1的增加而增大。其次，农业商品产值Y也是随着各种要素（农作物播种面积X2，农作物化肥施用量X3，农村用电量X4以及农药使用量X5）的投入的增长而增长的，进一步说明了各影响因素与农业商品产值之间的正相关关系。（2） 回归分析通过Eviews软件对农业商品产值及其影响因素建立多元回归方程，回归分析结果得到回归模型（模型一）：t：（-0.208） （3.744） （-0.9） （0.568） （0.469） （0.062）=0.777 F=21.580 D.W.=1.133 P=0.000四、模型的检验与修正（一）解释变量的多重共线性1、多重共线性检验首先由模型一可以看出，该回归模型F统计量较大，其伴随概率P=0，表明该回归模型总体线性关系显著。而模型中x2、x3、x4、x5的参数估计量未通过t检验，表明单个解释变量未能通过参数显著性检验；另外，x2、x3的参数估计量符号为负，不符合经济理论，这可能是因为该回归模型的解释变量间存在严重的多重共线性。其次从解释变量间的相关系数矩阵（表2）来看，部分解释变量之间的相关系数较大，进一步说明了解释变量间存在多重共线性。表2 变量的相关矩阵X1X2X3X4X5相关X11.000.909.754-.039.582X2.9091.000.764-.154.561X3.754.7641.000-.076.818X4-.039-.154-.0761.000-.061X5.582.561.818-.0611.0002、多重共线性的修正针对解释变量的多重共线性，本文采用逐步回归法进行修正。首先找出最简单的回归形式（一元回归），分别作y与x1、x2、x3、x4、x5间的回归，通过Eview计算的到的相关参数结果见表3。表3 相关参数结果变量x1x2x3x4x5参数估计值0.634 2.264 6.479 0.195 205.518 t统计量9.883 7.098 5.854 0.168 5.004 R20.736 0.590 0.495 0.001 0.417 根据回归结果将从大至小排序为：x1、x2、x3、x5、x4，由此选x1作为初始的回归模型。表4 消除多重共线性过程表cx1x3x4x5修正R2x11208.80.634 0.729 t0.045 9.883 x1、x3-3206.238 0.561 1.210 0.729 t-0.119 5.746 0.994 x1、x4-7986.270 0.636 0.4270.725t-0.268 9.834 0.712x1、x5-759.849 0.539 70.4840.755t-0.030 7.188 2.183过程讨论：1)考虑到变量间的相关度，x1与x2的相关系数为0.909，相关程度极高，故作逐步回归的时候将不对x1、x2分析；2)在初始模型中引入x3，模型拟合优度无明显变化，但x3的参数估计量没有通过显著性检验，所以排除x3；3)在初始模型中引入x4，模型拟合优度有轻微下降，但是x4参数估计量没有通过显著性检验，所以排除x4；4)在初始模型中引入x5，模型拟合优度明显提高，而且x5的参数估计量通过了显著性检验，且系数符号符合经济意义，所以模型保留x5。综上所述，用X1和X5来拟合Y就可以达到消除共线性的目的，得到下面回归结果，见表5：表5 多元回归方程结果Dependent Variable: YMethod: Least SquaresSample: 1 37Included observations: 37CoefficientStd. Errort-StatisticProb.C-759.849125315.42-0.0300150.9762X10.5387600.0749507.1882860.0000X570.4841432.281042.1834530.0360R-squared0.768642Mean dependent var235149.5Adjusted R-squared0.755032S.D. dependent var142375.5S.E. of regression70467.61Akaike info criterion25.24130Sum squared resid1.69E+11Schwarz criterion25.37191Log likelihood-463.9640Hannan-Quinn criter.25.28735F-statistic56.47912Durbin-Watson stat1.001787Prob(F-statistic)0.000000由上表可以得到拟合的回归模型（模型二）如下：t ：（-0.03） （7.188） （2.183）=0.769 F=56.48 D.W.=1.002（二）随机干扰项的异方差性1、异方差性的检验在模型二的基础上运用图示法进行异方差检验，分别作解释变量x1、x5与残差平方和的散点图，分别见图2、图3：图2 解释变量X1与残差平方和的散点图图3 解释变量X5与残差平方和的散点图由图可以看出，随机干扰项的方差和解释变量（x1、x5）观测值之间均不存在异方差性。然后用White检验进一步对模型进行异方差检验，得到回归方程后，在输出结果窗口依次点击viewresidual testswhite heterosketasticity，得到White检验结果：表6 White检验结果Heteroskedasticity Test: WhiteF-statistic1.759765Prob. F(5,31)0.1505Obs*R-squared8.180054Prob. Chi-Square(5)0.1466white检验的原假设为随机误差项不存在异方差，由上述结果可知8.180054=0.05,所以接受原假设，即该回归模型不存在异方差性，故不需要作异方差的修正工作。（三）随机干扰项的序列相关性1、序列相关性的检验在模型二的基础上用图示法进行检验，从et与et滞后一期的关系（图4）看，初步确定该模型随机项存在序列正自相关。图4 残差与其滞后一期的散点图 作解释变量与被解释变量之间的回归分析，并进行D.W检验，结果如下：表7 回归结果Dependent Variable: YMethod: Least SquaresSample: 1 37Included observations: 37CoefficientStd. Errort-StatisticProb.C-759.849125315.42-0.0300150.9762X10.5387600.0749507.1882860.0000X570.4841432.281042.1834530.0360R-squared0.768642Mean dependent var235149.5Adjusted R-squared0.755032S.D. dependent var142375.5S.E. of regression70467.61Akaike info criterion25.24130Sum squared resid1.69E+11Schwarz criterion25.37191Log likelihood-463.9640Hannan-Quinn criter.25.28735F-statistic56.47912Durbin-Watson stat1.001787Prob(F-statistic)0.000000 由普通最小二乘法（OLS）的结果知回归估计模型D.W.=1.002。在0.05的显著性水平下，样本量n=37，解释变量个数k=2（不包含常数项），查D.W.表得dl=1.36，du=1.59，由于D.W.=1.002dl=1.36，所以进一步证明模型随机项存在序列正自相关。2、序列相关性的修正对序列相关性采用广义差分法进行修正，1阶广义差分的估计结果见表10：表8 序列自相关性修正结果Dependent Variable: YMethod: Least SquaresSample (adjusted): 2 37Included observations: 36 after adjustmentsConvergence achieved after 8 iterationsCoefficientStd. Errort-StatisticProb.C15909.3135959.240.4424260.6612X10.4875860.0772906.3084950.0000X570.6467023.971962.9470550.0059AR(1)0.5271720.1626683.2407760.0028R-squared0.815172Mean dependent var241062.8Adjusted R-squared0.797844S.D. dependent var139711.2S.E. of regression62816.56Akaike info criterion25.03826Sum squared resid1.26E+11Schwarz criterion25.21421Log likelihood-446.6888Hannan-Quinn criter.25.09967F-statistic47.04466Durbin-Watson stat2.311225Prob(F-statistic)0.000000Inverted AR Roots.53由上表，样本量n=36，解释变量个数k=3，在显著性水平为0.05的情况下，查D.W.表查得dl=1.29，du=1.65。由于本修正后模型du=1.65D.W.=2.3114- du=2.35，所以1阶广义差分修正后的模型已经不存在序列相关性。修正后回归模型（模型三）为：t = (0.442) (6.308) (2.947) （3.241）=0.815 F=47.045 D.W.=2.311 综上，通过计量经济学检验得到的模型三是最终完善的模型，它满足了计量经济学的基本假定。（四）模型检验1、拟合优度检验从回归估计的结果看，可决系数=0.815，调整后的可决系数，两个指标值都较大，说明该模型拟合比较好，即说明在农业商品产值的总变动中，有79.8%的部分可以由乡村从业人员农药使用量来解释。2、F检验在变量显著性检验中设计的原假设与被择假设分别为： 给定一个显著性水平， F统计量为56.47912，大于临界值 （2,34）=3.28,则拒绝原假设，认为解释变量对被解释变量的影响是显著的，即方程总体的线性关系显著成立。3、变量的显著性检验（T检验）变量显著性检验的原假设为： =0（i=1、5），即解释变量对被解释变量没有显著性影响。给定=0.05，查t分布表，在自由度为n-k-1=34时，临界值为小于2.042， t统计量的绝对值都大于2.042，所以这说明在5%的显著性水平下，拒绝原假设，斜率系数显著不为零，即变量通过了显著性检验，说明解释变量X1、X5对被解释变量Y有显著性影响。4、经济意义检验回归结果表明，在其他条件不变的情况下，农药使用量每增加1顿时，我市农业总产值相应增加4875.86元，乡村从业人员每增加1万人，我市农业总产值相应增加70.6467万元。这与经济理论相符，所以该模型通过经济意义检验。五、研究结果及建议（一）结果分析1、总论说明 通过对2012年重庆市农业产值的定量经济实证分析，可以看出影响农业产值的因素主要有乡村从业人员，农药使用量等。虽然经过计量经济学检验及相关修正后，把农作物播种面积、农用化肥施用量、农村用电量等因素剔除，