粮食产量影响因素回归分析.doc

粮食产量影响因素回归分析一、问题的提出粮食是人类生存最基本的生活消费品，一个国家的粮食问题是关系到本国的国计民生的头等大事。农业是国民经济发展的基础，粮食是基础的基础，因此粮食生产是关系到一个国家生存与发展的一个永恒的主题。建国以来我国的粮食产量多次出现了波动，这不仅制约了国民经济的发展，而且给粮食生产者和消费者都带来了极为不利的影响。中国的粮食产量波动对粮食价格的影响重大，意义深远。分析近几十年来的中国粮食产量并从中发现一些规律，对我们认识目前的粮食价格及未来走势有重要帮助。2000年以来，我国粮食产量从总趋势来看是增长的，然而对总趋势作进一步分析，发现增长是在波动中的增长，其中的原因可以从粮食产量的影响因素中得到说明。本文将就影响粮食产量的具体因素作些分析。二、模型的选择和变量的确定影响粮食产量的因素中包括了促进生产的有利因素和抑制产出的不利因素，所以我们选取了粮食播种面积、有效灌溉面积、农业机械总动力、化肥施用量四个有利因素以及成灾面积作为研究粮食产量的模型中的解释变量。被解释变量为：粮食产量cl（万吨），初步选择的影响因素为：粮食作物播种面积bzmj（千公顷）；有效灌溉面积ggmj（千公顷）；农业机械总动力jx（万千瓦）；农用化肥施用折纯量hf（万吨）；成灾面积czmj（千公顷），所选数据为2000年到2015年共16年的年度数据，数据来源为国家统计局网站。yearclbzmjggmjjxhfczmj200046217.52108462.5453820.3352573.614146.4134374200145263.67106080.0354249.3955172.14253.7631793200245705.75103890.835435557929.854339.3927160200343069.5399410.375401460386.544411.632516200446946.95101606.035447864027.914636.616297200548402.19104278.3855029.3468397.854766.2219966200649804.2310495855750.572522.124927.6924632200750160.28105638.3656518.3476589.565107.8325064200852870.92106792.6558471.6882190.415239.0222284200953082.08108985.7559261.487496.15404.421234201054647.71109876.0960347.792780.485561.6818538201157120.85110573.0261681.5697734.665704.2412441201258957.97111204.5962490.52102558.965838.8511475201360193.84111955.5663473.3103906.755911.8614303201460702.61112722.5864539.53108056.585995.9412678201562143.92113342.9365872.64111728.076022.612380用EVIEWS进行回归结果如下：Dependent Variable: CLMethod: Least SquaresDate: 06/02/17 Time: 14:44Sample: 2000 2015Included observations: 16VariableCoefficientStd. Errort-StatisticProb.C-54033.9133761.11-1.6004780.1406BZMJ0.3425320.1169352.9292500.0151GGMJ0.8968930.6134131.4621360.1744JX-0.2033750.303060-0.6710710.5174HF6.9680756.1249841.1376480.2818CZMJ-0.1107380.048682-2.2747340.0462R-squared0.992217Mean dependent var52205.63Adjusted R-squared0.988325S.D. dependent var6183.542S.E. of regression668.1246Akaike info criterion16.12682Sum squared resid4463905.Schwarz criterion16.41654Log likelihood-123.0146Hannan-Quinn criter.16.14166F-statistic254.9691Durbin-Watson stat1.554256Prob(F-statistic)0.000000可以看出R2接近1，拟合优度很好，F很大，线性关系显著，但t值不显著，回,归系数显著性不足，说明存在多重共线性，通过逐步回归的方法剔除变量，结果如下：Dependent Variable: CLMethod: Stepwise RegressionDate: 06/02/17 Time: 14:50Sample: 2000 2015Included observations: 16No always included regressorsNumber of search regressors: 6Selection method: Stepwise forwardsStopping criterion: p-value forwards/backwards = 0.5/0.5VariableCoefficientStd. Errort-StatisticProb.*HF2.9389311.1804772.4896140.0301GGMJ0.5109020.2077652.4590410.0317C-31781.556184.666-5.1387650.0003BZMJ0.3849250.0959134.0132840.0020CZMJ-0.1107410.047450-2.3338400.0396R-squared0.991866Mean dependent var52205.63Adjusted R-squared0.988909S.D. dependent var6183.542S.E. of regression651.2178Akaike info criterion16.04587Sum squared resid4664931.Schwarz criterion16.28731Log likelihood-123.3670Hannan-Quinn criter.16.05824F-statistic335.3564Durbin-Watson stat1.543528Prob(F-statistic)0.000000通过逐步回归，剔除了解释变量农业机械总动力jx（万千瓦），考虑其现实意义，这是因为时至二十一世纪，我国的农业生产已经大致实现机械化，能够通过应用农业机械的大幅提高产量地方已经应用，所以农业机械总动力的变化不再能显著影响粮食产量。剔除了解释变量农业机械总动力jx（万千瓦）后从新进行回归，R2接近1，拟合优度很好，F很大，线性关系显著，t值的p值都小于0.05，回归系数显著，所以最终的回归模型为：Y=-31781.55+0.384925*bzmj+0.510902*ggmj+2.938931*hf-0.110741*czmj三、异方差检验及序列相关检验（1）用怀特检验来进行异方差检验，结果如下：Heteroskedasticity Test: WhiteF-statistic2.971557Prob. F(14,1)0.4289Obs*R-squared15.62443Prob. Chi-Square(14)0.3368Scaled explained SS4.742047Prob. Chi-Square(14)0.9891Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/02/17 Time: 16:28Sample: 2000 2015Included observations: 16VariableCoefficientStd. Errort-StatisticProb.C1.43E+098.94E+081.6022550.3552HF227491.5237611.30.9574100.5138HF2-2.67430010.42892-0.2564310.8402HF*GGMJ-2.6898962.820251-0.9537790.5151HF*BZMJ-0.0453042.738085-0.0165460.9895HF*CZMJ-1.9008430.718449-2.6457590.2301GGMJ-21607.1827195.02-0.7945270.5726GGMJ2-0.0610620.349990-0.1744660.8900GGMJ*BZMJ0.3989850.5305130.7520740.5895GGMJ*CZMJ-0.0004920.061574-0.0079930.9949BZMJ-25822.2614756.82-1.7498530.3305BZMJ20.0014040.0287110.0488970.9689BZMJ*CZMJ0.1212590.0509162.3815540.2531CZMJ-616.00063510.348-0.1754810.8894CZMJ2-0.0616840.022857-2.6986700.2259R-squared0.976527Mean dependent var291558.2Adjusted R-squared0.647902S.D. dependent var341242.2S.E. of regression202485.7Akaike info criterion26.37714Sum squared resid4.10E+10Schwarz criterion27.10144Log likelihood-196.0171Hannan-Quinn criter.26.41423F-statistic2.971557Durbin-Watson stat3.483567Prob(F-statistic)0.428938R2的p值为0.3368，大于0.05，不显著，不能拒绝原假设即不存在异方差。（2）用拉格朗日乘数法检验序列相关，分别令p=1，29，10，R2的p值分别为：p12345prob0.34090.63520.09500.06420.0776p678910prob0.10490.12490.09730.08840.1177R2的p值均小于0.05，不显著，不能拒绝原假设即不存在序列相关。所以最终模型确定为：Y=-31781.55+0.384925*bzmj+0.510902*ggmj+2.938931*hf-0.110741*czmj四、模型的分析对粮食产量有显著影响的因素有：粮食作物播种面积bzmj（千公顷）；有效灌溉面积ggmj（千公顷）；农用化肥施用折纯量hf（万吨）；成灾面积czmj（千公顷）。其中对粮食产量影响最大的是化肥施用量，每增加1万吨农用化肥施用纯量可以增加粮食常量2.938931万吨，但实际上，施肥过度反而会降低粮食产量，这是模型所未能体现的。对比粮食作物播种面积的系数和有效灌溉面积的系数，发现有效灌溉面积影响更显著，说明我国的粮食生产缺乏有效的灌溉，这也符合我国一些粮食产区缺水的现实。而成灾面积则对粮食常量有负面影响，这也是显而易见的。五、提出建议通过模型和上面的分析可以看出，粮食播种面积和有效灌溉面积对产量的提高有着重要的作用。所以我们应在合理的基础上有规划的提高耕地面积，但也不能单纯的为了增产而盲目的扩大耕地面积，更重要的是增加有效灌溉面积，通过兴修水利设施、人工降雨、节约用水等保证耕地的有效灌溉。化肥使用量虽然对粮食增产有着积极作用，但过度使用化肥，必然在很大程度上降低土地肥力，抑制粮食的生产。所以在合理控制化肥量的同时，也要加大对化肥质的提高。从另一方面来说，自然灾害的对粮食产出的增加也有着及其重要的影响，成灾面积就很大程度上说明了这一点，所以