计量经济学实验论文

精选文件中国农业总产值及其影响因素的分析摘要：本文基于我国农业的现状，从经济学的角度验证了哪些因素对农业总产值有显着的影响。 基于计量经济学原理，本文在模型中引入了三个变量：收集有效灌溉面积、农业机械总动力、农业化肥用量和中国31个省2003年的各指标数据，利用E-views软件对该计量模型的参数进行推算和检验，最后得到的分析结果研究表明，农用化肥的施肥量对农业总产值有显着的正影响，而有效灌溉面积、农业机械总动力对农业总产值的影响不显着。关键词：农业总产值有效灌溉面积农业机械总动力农用化肥施用量一、引言我国是传统的农业大国，农业自古以来就是我国的支柱产业，是我国国民经济的基础。 我国的经济结构能否顺利调整，国民经济能否更快、更好地发展，很大程度上取决于农业的基础是否牢固。 只有加强农业基础，确保农产品供给，才能顺利推进我国工业和城镇快速发展，加强农业基础设施，只有稳定农业发展、农民富裕、农村，才能维持社会整体的长期稳定和可持续发展。 但是，中国是生产力比较落后的国家，只要研究农业总产值主要受到什么因素的影响，就可以投入相应的对策，发展基础产业。 选择该模式的目的是分析决定农业总产值的主要影响因素及其影响程度，并对生产提出建设性意见。2、文献综述农业是我国国民经济的基础，直接影响我国的粮食安全。 学术界历来重视三农问题的研究，取得了一定的成果。 例如林毅夫(1994 )、黄少安(2005 )等从制度经济学的角度研究了中国的农业问题，他们认为农村的经济体制改革对中国农业总产值的增加起到了重要的作用。 邓利等人(2010 )利用柯布达格拉斯生产函数建立了农业科技进步贡献率的测算模型，对北京市1990年至2010年的农业科技进步贡献率进行了测算，结果北京市1990年至2010年的农业科技进步贡献率为78.32%。关于农业生产总值的研究，有很多学者使用计量经济学方法进行分析。 董梅生(2009 )利用偏最小二乘回归分析方法，分析了我国农业投入产量。 中国的农业产量主要受家庭经营费用支出、国家财政农业支援支出和化肥投入量的影响，认为不太受播种面积的影响的农林畜牧渔业的员工人数越多，农业生产反而越小。 廖翼等人(2011 )利用时间序列数据建立了多元线性回归模型，对1986-2011年洞庭湖地区农业总产值进行分析，结果显示，农业机械总动力、机械耕作面积和化肥施用量每增加1%，农业总产值分别上升1.17%、0.83和0.40% 漆文萍(2005 )采用多元回归方法分析了江西省农业生产总值的影响因素，结果显示19701998年江西省农业生产中科技含量低，农作物播种面积对农业总产值的影响最显着，化肥施用量其次，政府对农业生产和事业财政支持的影响最小上述学者的研究表明，农业总产值的影响因素因时期、地区和角度而异。 例如董梅生的研究中农业总产值不太受播种面积的影响，而漆文叶的研究中农作物的播种面积是影响农业总产值的最显着变量。 同时，廖翼等研究表明，农作物播种面积对洞庭湖区农业总产值的影响不明显。 因此，本文的分析将多个变量引入模型中，用各种检验方法研究农业总产值的影响因素。三、实证过程和分析1 .理论根据本文研究了全国农业总产值与有效灌溉面积、农业机械总动力、农业化肥用量之间的关系，并找出与农业相关的各种真正指标数据，用计量经济学的方法探讨了农业总产值的各种影响因素。2 .建立模型根据以上理论分析，采用计量经济学的方法，以农业总产值(y )为解释变量，以有效灌溉面积()、农业机械总动力()、农业化肥用量()为解释变量，建立了以下回归模型(试验1 )试验1是第I年的农业总产值，第I年的有效灌溉面积，第I年的农业机械总动力，第I年的农业化学肥料施用量，模型的随机误差项。 利用自变量系数、可以判断农业总产值与有效灌溉面积、农业机械总动力与农业化肥用量之间的线性关系。 0表示农业总产值与有效灌溉面积成正相关，0表示农业总产值与有效灌溉面积成负相关，0表示农业总产值与有效灌溉面积无关。 农业总产值、农业机械总动力和农业化学肥料施肥量的相关关系判断为有效灌溉面积。 随机扰动项影响y，但代表了对模型中不包含的许多因素的综合影响。 例如，未知或不能肯定的元素、模型设定误差、变量的观测误差等。3 .数据的来源综合比较数据的可用性和其他有关因素的影响，本文运用全国31个省2013年的剖面数据深入研究了中国农业总产值及其影响因素，农业总产值、有效灌溉面积、农业机械总动力、农业化肥用量等相关数据来源于国家统计局全国年度统计数据。4 .数据的收集和处理为了研究农业总产值与有效灌溉面积、农业机械总动力、农业化肥用量之间的关系，选取全国31个省2013年的面板数据作为样品。 其中，假设农业总产值(y )为说明变量，有效灌溉面积()，农业机械总动力()，农业化学肥料的用量()为说明变量，样品数据如下表所示表3-1中国31个省的农业总产值及其影响因素数据PSyX1X2X31170.4100153.0200207.720012.780002217.1600308.8700554.180024.3400033473.2704349.03010762.72331.04004932.14001382.7903183.300121.020051328.0702957.7603430.570202.420061673.8601407.8402631.980151.760071261.6801510.1302730.040216.790082856.3405342.1204849.280244.96009172.2800184.0900113.170010.78000103167.7803785.2704405.620326.8300111336.7901409.3902462.20092.43000122003.2604305.5306140.280338.4000131376.2901122.4201336.760120.5700141072.8001995.6002014.130141.5800154509.8804729.03012739.83472.6600164202.3004969.11011149.96696.3700172678.0802791.4104081.050351.9300182726.7503084.3005433.990248.1900192444.7001770.7602564.890243.9100201868.3001586.3703382.980255.700021485.4000260.9300502.100047.5700022909.1800675.18001198.88096.64000232903.4802616.5403953.090251.140024997.1200926.90002240.80097.42000251639.4001660.2703070.330219.02002657.92000239.2700517.30005.700000271714.7901209.9402452.720241.7300281104.4701284.0802418.46094.7100029138.3500186.9000410.58009.80000030269.0000498.5600801.980040.44000311806.1104769.8902165.860203.2200注：资料来源：国家统计局y :农业总产值(单位：亿元):有效灌溉面积(单位：公顷):农业机械总动力(单位：万千瓦):农用化肥的施用量(单位：万吨)5 .变量间的相关关系分析(1)如表3-2那样计算相关系数(2)表3-2中国农业总产值及其影响因素相关系数矩阵yX1X2X3y1.0000000.8549720.8938690.919006X10.8549721.0000000.8041460.816556X20.8938690.8041461.0000000.877528X30.9190060.8165560.8775281.000000表2表明，农业总产值(y )与有效灌溉面积()的相关系数为0.854972，呈高正相关，农业机械总动力()的相关系数为0.89869，呈高正相关，农业化学肥料用量换算量()的相关系数为0.89869，呈高正相关。(3)描绘图31 Y和X1、X2、X3的线图从图中可以看出，农业总产值及其影响因素的差异很明显，其变动方向大致相同，可能有一定的相关关系。图32 Y和X1、X2、X3的散布图从以上三个散布图可以看出，很多散布点均匀分布在直线两侧，农业总产值(y )与有效灌溉面积()、农业机械总动力()、农业化肥施用量()之间线性关系近似。6 .模型的参数估计method :最低方案date :06/24/15 time :2133003Sample: 1 31包含观测： 31可变的。CoefficientStd. Errort -静态Probc.c220.7614124.46941.7736190.0874X10.1752630.0841052.0838580.0468X20.1107920.0525062.1101010.0443X33.7242381.1180913.3308900.0025R-squared0.894734门从属var1661.205调整的r-quared0.8888s.d .从属var1203.481注册S.E. of regression411.5873AK aike信息创建14.99783Sum squared resid4573910.Schwarz criterion15.18286Log likelihood-228.4664汉娜奎因criter15.05815f -静态tistic76.49777durbin-华生stat2.267030Prob(F-statistic )0.000000f.f图33 Y和X1、X2、X3的回归分析结果用最小二乘估计法估计模型时，回归结果如下s.e (124.4694 ) (0. 084105 ) (0. 052506 ) (1. 118091 )t (1.773619 ) (2.08858 ) (2.110101 ) (3.330890 )F=76.49777 DW=2.267030 n=31在该模型中，决定系数=0.894734，修正决定系数=0.888888，这与模型样品很好，参数t检验也有意义，f检验也有意义，说明变量参数估计检验通过，各变量参数为正值，说明模型的多重共线性比较弱但由于各地区的环境不同，农业总产值也不同，这种差异容易使模型产生偏差，影响模型的估计和应用。 因此，有必要验证模型是否存在偏差。7 .模型的检查(1)异方差异方差的检查a .残差模式分析图34 E2和(I=1、2、3 )的散布图从图中可以看出，虽然表示随着残差平方E2的增加，异方差可能存在，但由于基于模式分析的异方差性的判断较粗，因此难以仅利用模式