我国粮食产量的影响因素分析

1、我国粮食产量的影响因素分析摘要：本文针对我国是一个农业大国的基本国情，选取我国1978-2011年的相关数据，对我 国粮食产量的影响因素的分析、检验，并对各因素的影响程度的大小进行比较，最终建立合适的 回归模型，对其做统计和经济意义上的分析，并根据结果提出建议。关键词：农业粮食产量有效灌溉面积受灾而积一、问题的提出我国是传统意义上的农业大国，农业生产一直在我国经济发展中占据着重要的地位。建国后， 在经历人民公社运动、大跃进以及文革的浩劫后，农业发展严重滞后，无法满足人民的需要。1978 年改革开放也首先在农村地区开展，实行家庭生产承包责任制，农业有了快速的发展。随着科技 的不断进步，粮食产量也

2、不断上升。可是农村人口和耕地而积的不断减少也制约着粮食产量的进 一步增加。到底是哪些因素制约着粮食产量呢？针对这个问题，本文选取了我国1978年到2011 年的相关数据，通过建立回归模型，对各种影响因素进行分析。并且在通过分析知道影响粮食产 量的因素后，提出了提髙粮食产疑的有效途径。二、数据收集本文选取了 1978年至2011年的34组数据，从数据个数来看完全满足多元回归模型的设泄 需要。选取1978年以后的数据主要是因为1978年之前，由于人民公社化运动期间农业数据的浮 夸形象，以及文革期间农业生产的停滞等非正常社会现象会影响模型的分析，故从1978年我国 改革开放之后开始选取数据。1978

3、年-2011年我国粮食生产与相关投入的数据表年份粮食产量（万吨）农业机械 总动力（万 千瓦）有效灌溉而 积（千公顷）农用化肥 施用折纯 量（万吨）粮食作物播 种而积仟 公顷）受灾而积 （千公顷）YXIX2X3X4X5197830476. 5011749.9044965. 00884. 00120587. 2050807197933211.5013379.5045003. 131086. 30119262. 7039367198032055. 5014745. 7544888.071269. 40117234. 2750025198132502. 0015680.1044573. 801334.

4、 90114957. 6739786198235450. 0016614.2144176. 871513.40113462. 4033133198338727. 5018021.9044644. 071659. 80114047. 2034713198440730. 5019497. 2244453. 001739. 80112883. 9331887198537910. 8020912. 5544035. 931775. 80108845.1344365198639151.2022950. 0044225. 801930. 60110932. 6047135198740297. 702483

5、6. 0044403. 001999. 30111267. 7742086198839408. 1026575. 0044375.912141. 50110122. 6050874198940754.9028067. 0044917. 202357. 10112204.6746991199044624.3028707. 7047403. 072590. 30113465.8738474199143529.3029388. 6047822. 072805. 10112313.6055472199244265. 8030308. 4048590. 102930. 20110559. 7051332

6、199345648. 8031816.6048727. 903151.80110508. 7048827199444510. 1033802. 5048759. 103317. 90109543. 7055046199546661.8036118. 0549281. 603593. 70110060. 4045824199650453. 5038546. 9050381. 603827. 90112547. 9246991199749417.1042015. 6051238. 503980. 70112912. 1053427199851229. 5345207. 7152295. 60408

7、3. 69113787. 4050145199950838. 5848996. 1253158.414124. 32113160. 9849980200046217. 5252573. 6153820. 334146. 41108462. 5454688200145263. 6755172.1054249.394253. 76106080. 0352215200245705. 7557929. 8554354. 854339. 39103890. 8346946200343069. 5360386. 5454014. 234411.5699410. 3754506200446946. 9564

8、027. 9154478. 424636. 58101606. 0337106200548402. 1968397. 8555029. 344766. 22104278. 3838818200649804. 2372522.1255750. 504927. 69104957. 7041091200750160. 2876589. 5656518. 345107. 83105638.3648992200852870. 9282190.4158471. 685239. 02106792. 6539990200953082.0887496. 1059261. 455404. 35108985. 75

9、47214201054647. 7192780. 4860347. 705561. 68109876. 0937426201157120. 8597734. 6661681. 565704. 24110573. 0232471注：数据来源中国统计年鉴1978-201D三、模型设定1、分别做被解释变量(Y)与解释变量(XI、X2、X3、X4、X5)的散点图,结果如下:650C0-1600C0-550C0-o 0&500C0-0O°°0450G0-。2 oO辭400C0-300004000050000600006000050000-尖 40000-30000-20000

10、-130000400005000060000山散点图可知，解释变量与别解释变量间的线性关系并不明确，故对原方程两 边同时取对数，建立新的回归方程logK = PJogXj + logZ2 + logX3 + /?4logZ4 + 虑 logX5 + C3、为了方便计算，对变疑进行重新定义，在eviews对话框中输入genr y=log(y)genr xl=log(xl)genr x2=log(x2)genr x3=log(x3)genr x4=log(x4)genr x5=log(x5)建立新的回归模型，结果如下图Dependent Variable: YMethod: Least Squar

11、esDate: 06/10/14 Time: 15:33Sample: 1978 2011In eluded observations: 34VariableCoefficientStd. Errort-StatisticProb.-2.4080781.929996-1.2477120.22250.0781240.0586771.3314300.1938-0.6034570.171470-3.5193190.00150.4016260.0432269.2912140.00001.4615650.1767968.2669680.0000-0.1284410.029073-4.4178530.00

12、01R-squared0.979454Mean depe nd ent var10.68591Adjusted R-squared0.975785S.D. dependent var0.160659S.E. of regression0.025001Akaike info criterion-4.381056Sum squared resid0 017501Schwarz criterion-4.111698Log likelihood80.47795F-statistic266.9577Durbin-Watson stat0.958146Prob(F-statistic)0.000000由上

13、图可知新的多元回归模型为Y = -2.408078+ 0.078124Xi-0.603457X 2 + 0.401626X 3 + 1.461565X4 - 0.128441X5 四、 模型的检验与调整（-）经济意义检验由经济分析可知，粮食产量（Y）与农业机械总动力（XI）、有效灌溉面积（X2）、农用化肥 施用折纯量（X3）、粮食作物播种面枳（X4）应成正相关关系，与受灾而积（X5）应成负相关关 系。但是，多元回归模型中有效灌溉而积（X2）前的系数符合为负，证明成负相关关系，与经济 学意义不符，故认为原模型存在错误，需要调整。（二）统计检验Y = -2.408078+ 0.078124X i

14、-0.603457X2+0.401626X3 + 1.461565X4 - 0.12844 XsT = （-1.2477）（1.3314）（-3.5193）（9.2912）（8.2670）（-4.4179）F = 266.9577R2 = 0.979454F = q.975785由上述回归结果可知，尺2与斤2的值都较接近于1,表明模型的拟合优度很髙。在"二0.05 的显著性水平下,X2、X3、X4、X5的t统计量值均通过了显著性检验。F值的统计量的临界值为 2. 56, F值明显大于该临界值，所以模型的线性关系在95%的置信水平下显著成立。（三）计量经济学检验1、用逐步回归法检验多重

15、共线性（1）XI、X2、X3、X4、X5的相关系数如下表:YX1X2X3X4X5Y1.0000000.9134640.8455780.951999-0.5316330.016191X10.9134641.0000000.9540910.974134-0.7267150.038926X20.8455780.9540911.0000000.903987-0.5912830.002525X30.9619990.9741340.9039871.000000-0.7177720.125457X4-0.531633-0.726715-0.591283-0.7177721.000000-0.075902X5

16、0.0161910.0389260.0025250.125457-0.0759021.000000由表中数据可知xl与x2、x3, x2与x3,存在高度相关性。(2) 且由上图可知，粮食产量(Y)与农用化肥施用折纯量(X3)的相关系数最大，所以我 们建立的一元回归方程为Y = a + j3Xi + £(3) 分别逐步回归，结果如下图表：粮食产量影响因素模型逐步回归结果模型XIX2X3X4X5R2R2Y=f(X3)0. 2907(63. 24)0. 90630. 9034Y=f(Xl,X3)-0. 0718(-1. 14)0. 3718(5. 108)0.91010. 9043Y=f(

17、X2,X3)-0.1238(-0. 643)0. 3134(8 034)0. 90750. 9016Y=f(X3,X4)0. 3593(21.212)1.2(5.641)0. 95380. 9508Y=f(X3,X5)0. 2948(18.52)-0. 1033(-2. 013)0.91710.9118Y=f(Xl,X3,X4)-0. 0282(-0. 61)0. 3899(7. 3783)1. 1767(5. 3906)0. 95430. 9498Y=f(X2,X3,X4)-0. 2829(-2.155)0.416(13. 505)1. 2856(6. 267)0. 960. 956Y=f(

18、X3,X4, X5)0. 3642(24.374)1.2123(6. 492)-0. 1078(-3. 203)0. 96550. 9621Y=f(Xl,X3,X4,X5)-0. 0887(-2.2)0. 4614(9. 837)1. 1422(6. 379)-0. 1356(-3. 96)0. 97040. 9663Y=f(X2,X3,X4,X5)-0. 4191(-4. 09)0. 4497(18.63)1. 3425(8. 687)-0. 1391(-4. 91)0. 97810. 9751山上图可知，在引入逐步回归后，模型的拟合优度都有所提高，通过分析确定,最终粮食产量函数应以Y=f(

19、X3, X4, X5)为最优，拟合结果如下:Dependent Variable: YMethod: Least SquaresDate: 06/10/14 Time: 16:27Sample: 1978 2011Included observations】34VariableCoefficientStd. Eot-StatisticProb.C-5.1455132.2748392.2619240.0311X30.3642260.01494324.373640.0000X41.2123100.1867286.4923760.0000X5-0.1077960.0336553.2029780.00

20、32R.-squared0.965544Mean dependent var10.68691Adjusted R-squared0.962098S.D. dependent var0.160659S.E. of regression0.031278Akaike info criterion-3.981678Sum squared resid0.029349Schwarz criterion-3.802106Log likelihood71.68853F statistic280.2213Durbin-Watson stat0.496775Prob(F-statistic)0.000000Y =

21、 -5455+0.3642X3 + 1.2123X4-0.1078X52、异方差性检验（white检验法）利用white检验法对回归模型进行异方差性检验，结果如下图White Heteroskedasticity Test:F-statistic2.612073Probability0.029172Obs*R-squared16.82418Probability0.061541由上图分析可知，点的伴随槪率为0.0515,大于«=0.05显著性水T错误!未找到引用源 因此不拒绝样本方差相同的假设。所以得岀模型不存在异方差性。3、自相关性检验（偏相关系数检验法）在方程窗口中点击View/

22、Residual Test/Correlogram-Q-statisties,并输入滞 后期为16,则会得到残差©与5|,勺_2厂勺七的各期相关系数和偏相关系数，结果如图所示:Date: 06/10/14 Time: 16:42Sample: 1978 2011Included observations: 34AC PAC Q-Stat ProbAutocorrelation Partial Correlation10.745 0.74520.5660.00020.379 -0.39426.0520.00030.074 -0.06726.2710.0004-0.130 -0.0862

23、6.9600.0005-0.175 0.1052&2480.0006-0.137 -0.04129.0660.0007-0.118 0.11829.6930.0008-0.027 0.20929.7270.0009-0.011 -0.23429.7330.00010-0.069 -0.05429.9780.00111-0.101 0.03130.6210.00112-0.132 -0.06631.4920.00213-0.153 -0.05432.8500.00214-0.178 -0.20434.7890.00215-0.222 0.00137.9620.00116-0.270 -0

24、.21542.9330.000从图中可以看出，模型的第1期、第2期偏相关系数的直方块超过了虚线部分，存在着一阶 和二阶自相关。自相关性的调整：加入AR项对回归模型进行调整，在LS命令中加上AR(1)和AR(2),使用迭代估计法估计模型。结果如 图所示：Dependent Variable: YMethod: Least SquaresDate: 06/10/14 Time: 16:47Sample(adjusted): 1980 2011Included observations: 32 after adjusting endpointsConverge nee achieved after

25、7 iterationsVariableCoefficientStd. Errort-StatisticProb.C-5.7041752.759166-2.0673550.0488X30.3591290.02466114.562640.0000X41.2956340.2238225.7886790.0000X5 0.1419000.0188007.5478110.0000AR(1)1.1250920.1761196.3882570.0000AR(2)0.4 642500.179713-2.5832840.0158squared0.985529Mean dependerrt var10.7058

26、0Adjusted R-squared0.982746S_D dependent var0.142884S.E. of regression0.018768Akaike info criterion-4 945921Sum squared resid0.009159Schwarz criterion-4.671096Log likelihood85.13474F-statistic354.1370Durbin«W3tson stat934958Prob(F-statistic0_000000上图表明，估计过程经过7次迭代后收敛：P、, Qi的估计值分別为1. 1251和-0.3643

27、,并且/检验显著，说明该模型确实存在一阶和二阶自相关性。调整后模型的DW=1.935, n=32, k=3,取显箸性水平 a=0. 05 时，查表得乙=104, dv =1.428,而 <1. 935=DW<4-,一完整版学习资料分享一说明模型不存在一阶自相关性：再进行偏相关系数检验，如下图所示，表明也不存在高阶自相关性。AutocorrelationPartial CorrelationACPACQ-StatProb-q1i 11.076-0.0760.2034-d1i 匚12 -0.109-0.1160.6353-J1i13019-0.0380.64950.420-d1i匸14

28、 0.075-0.0940.8G690.G48-I9 |1】|5 0.0670.0471.04820.790-1 |16 0 0930.0851.40820.843-qI|匚17 CM91-0.1732.99380.701'1 |80.1390.1363.87590.693*11 |9 0.0340.0283.93080.788-d1|匸110 CM29-0.1064.74830.784-J|11 |11 0.0540.0264.90100.843-dI|匚112 -0.134-0.1335.88050.825-J|1|13 0 0490.0586.01880.872-4I|匚114 -0.T23-0_2416.93030 862-J*13 |150.0350.0957.00910.902-dI匚I16 -0.088-0.1607.53760 912Date: 06/10/14 Time: 16:55Sample: 1980 2011Included obsen/ations. 32Q-statistic probabilities adjusted for 2 ARMA term(s)（四）模型的最终确定综上所述，可知最终的模型为：Y = -5.7042+0.359 lXs+1.2956X4 -0.1419Xs五、结论在选择的五个因素中，农药化肥施用虽、粮食播