计量实验报告.doc

1、计量实验报告1计 量 经 济 学 实 习 报 告班级：学号：姓名：【摘 要】 本报告通过统计分析1983年至20_年我国粮食的相关数据，研究人均粮食产量的影响因素，选取亩均施肥量 、人均播种面积 、人均受灾面积 、亩均机械动力 四个因素为解释变量，利用利用Eviews软件，建立回归模型进行回归分析、参数检验和模型修正从而得出最终模型。由模型可知：人均粮食产量与亩均施肥量、人均播种面积呈正相关关系，与人均受灾面积呈负相关关系。【关键字】 粮食产量 多元回归分析 检验和修正1.文献综述中国是世界上最大的粮食生产国之一，同时也是粮食的消费大国。一直以来各种农业科技迅速的发展，带动了我国经济社会的发展

2、。随着人口的增长和贸易全球化的进程不断深化，粮食安全问题已渐渐为人们所关注。关于影响粮食产量的因素，很多前人对其做过了分析，现有文献中也出现了许许多多的粮食生产模型。如通过粮食总产量、粮食播种面积、化肥费用、其他物质费用、粮食成灾面积、时间虚变量，建立柯布道格拉斯生产函数。例如张素文，李晓青等主要运用多元回归模型的方法分析了湖南省近50年来粮食播种面积，粮食产量的总体变化趋势1,王伏虎2分别从时间空间角度，粮食价格角度，粮食资源属性和资源供给结构等方面建立了粮食供需平衡函数，并确立了粮食安全模式。总结下来，影响粮食产量的主要因素有：粮食播种面积、有效灌溉面积、农业机械总动力、粮食作物受灾面积、

3、农用化肥施用量、粮食单产、种粮劳动力数量等。经研究分析，其中一些因素已被认为对粮食产量影响不显著，各因素之间也还存在着相关性。现有文献在某些变量上也达成了一致，如种植面积、施肥量等对粮食产量的影响，但某些因素的影响仍然寻在分歧。2.前期准备首先从众多的影响因素之中，选择出对因变量影响最大的四个解释变量：亩均施肥量、人均播种面积、人均受灾面积、亩均机械动力；然后通过计量经济学对模型进行多元回归分析、多重共线性检验和修正、异方差性检验和修正、自相关性检验和修正，从而得出一个拟合程度较优、估计参数显著的最终模型。为了考察这些因素对人均粮食产量的影响，构造如下模型：Y其中，Y表示人均粮食产量，_1表示

4、亩均施肥量，_2表示人均播种面积，_3下表列出了从1983年到20_年18年期间人均粮食产量Yi和亩均施肥量_1、人均播种面积_2、人均受灾面积_年份人均粮食产量Y亩均施肥量_人均播种面积_人均受灾面积_亩均机械动力_19831.22382296203.6386820.5122214810.5695036511984103.5626952820.4817421490.6153384881985103.5861489550.7480783490.68902690119861.2850297040.01740333.6410870780.7764466470.75327403419871.3024

5、9433103.6044055720.6605992870.80453514719881.252809507030.7612197470.84483893219891.25629999503.4587937920.7536474470.86595219901.33883781803.4042795770.5346260470.86131579619911.27328783803.28535114900.85967185719921.30046713903.2482298680.7607809150.89044275319931.37256375903.32275950.6955577870.9

6、5666632619941.36156596903.3509634360.960009544119951.44310256803.4037947080.6886452551.11701124219961.56396076903.4887354160.6581753481.19487049119971.52357491503.4811884730.9344564031.29539477519981.5702021_030.7717982981.38562636419991.5447043310.03644633.4383108790.8122021951.48870617820_1.409192

7、7740.03822873.3070508421.0480676881.6029880333.回归模型建立与检验根据表中数据，运用Eviews3.1软件建立回归模型进行多元回归分析，OLS法的估计结果如下：Y（2.304216） （7.690759） (6.828676) (3.782882) (1.338807)R2=0.969793，R2=0.960498，D.W.= 1.708077，F可决系数R2此模型的可决系数和修正后的可决系数分别为R2=0.969793，R2=0.960498，表明参数t检验：由于n-k-1=18-4-1=13,所以t检验的自由度为13，从而在5的显著性水平下t分

8、布临界值为t0.025(13)=2.160。以上数据显示，截距项、_1、_2、_3、_4所对应的t值分别为t0=-2.304216，t1=7.690759，t2=6.828676，t3F检验：模型的F值为104.3393，而临界值F0.05(4,13)=3.18，模型F值远远大于临界值，说明4.多重共线性检验及修正4.1.多重共线性检验4.1.1.相关系数检验：变量的相关系数矩阵Y_1_2_3_4Y1.0000000.8731000.1725710.3032780.843149_10.8731001.0000000.5630810.6055310.950784_20.1725710.56308

9、11.0000000.4302990.414674_30.3032780.6055310.4302991.0000000.652859_40.8431490.9507840.4146740.6528591.000000从上表可知，_1和_4相关系数高达4.1.2.辅助回归判定系数检验：将亩均施肥量_1和亩均机械动力_4_（0.117237）（12.27389）R2=0.989，R2=0.897989，D.W.= 0.206，F=R2=0.989，辅助模型总体高度显著，_4前参数的t值12.27389>t0.025(16)=2.120，可认为显著不为0。以上数据说明此模型拟合程度很好，因此

10、，亩均施肥量4.1.3.方差膨胀因子检验：VIF=方差膨胀因子VIF>10，因此，模型存在较严重的多重共线性。4.2.多重共线性修正(1)运用OLS方法逐一求Y对各个解释变量的回归，结果如下：Y（21.72368）（7.163276）R2=0.762303，R2=0.747447，D.W.= 1.253261，F=Y（2.321127）（0.700797）R2=0.029781，R2=-0.030858，D.W.= 0.38520_，F=Y（8.292303）（1.273071）R2=0.091978，R2=0.035226，D.W.= 0.792076，F=Y（18.94393）（6.

11、272487）R2=0.710900，R2=0.692831，D.W.= 1.130649，F=通过比较分析，人均粮食产量Y和亩均施肥量_1(2)在第一步选出的最优回归模型的基础上，分别代入_2、_3、Y（1.940879）（12.21398） (5.022285)R2=0.911358，R2=0.899540，D.W.= 1.933729，F=Y（18.94989）（8.455421） (2.764412)R2=0.842529，R2=0.821533，D.W.= 0.757341，F=Y（20.24167）（1.838573） (0.335044)R2=0.764068，R2=0.7326

12、11，D.W.= 1.274303，F=通过比较分析，第一个模型可决系数有明显提高，且比其他模型高，各个解释变量的系数也都通过显著性检验，因此，人均粮食产量Y和亩均施肥量_1、人均播种面积_2、人均受灾面积_3的线性关系较强，拟合程度较好。在代入_4后，可决系数已无明显提高，且_4的系数为负，没有经济意义，所以将_4删除。在删除_4后，模型的统计检验均有较大改善，经过上述逐步回归分析，表明YY（1.826592）（18.84028） (7.080862) (4.701493)R2=0.965628，R2=0.958262，D.W.= 1.558951，F=处理后的模型的可决系数和修正可决系数分

13、别为R2=0.969793，R2=0.960498，表明模型在整体上拟合得很好。临界值t0.025(14)=2.145，通过对比，虽然截距项没有通过显著性检验，但_1、_2模型的F=131.1013>F0.05(3,14)=3.34，模型F值远远大于临界值，说明5.异方差检验和修正5.1.图示法残差平方散点图通过回归模型的残差平方散点图e2-_1可以判断，残差平方差异很小，没有出现明显差异趋势，因此5.2.White检验法建立辅助回归方程ei通过多元回归分析，OLS法的回归方程如下：e其中回归方程的nR2=11.65357，由于nR2服从自由度为9的卡方分布，查表可得，在5的显著性水平下

14、，卡方分布的临界值20.05(9)=16.92，综上所述，模型不存在异方差性，因此不需要修正。6.自相关性检验和修正6.1.图示法残差散点图从各个年度残差的变化图可看出，随机干扰项并不存在明显的自相关性。6.2.杜宾-瓦森(D.W.)检验法修正多重共线性后，OLS法估计结果如下：Y（1.826592）（18.84028） (7.080862) (4.701493)R2=0.965628，R2=0.958262，D.W.= 1.558951，F=从修正多重共线性后的模型回归数据可得，D.W.= 1.558951，在5的显著性水平下，n=18，k=4，查D.W.检验上下界表可得，dL=0.93，d

15、U=1.96，dL< D.W.< dU，位于不确定的区域，6.3.拉格朗日乘数（LM）检验法= 1 _GB3 一阶自相关性检验：建立辅助回归方程et=0e(0.012974) (0.028664) (0.010871) (0.145698) (0.292536)R2=0.006540，R2=-0.299140，D.W.= 1.449659，F=从回归结果可得，（n-p）R2=（18-1）.006540=0.8，在5的显著性水平下，通过查表得临界值20.05(1)=3.84，nR2<2= 2 _GB3 二阶自相关性检验：建立辅助回归方程et=0e(0.0520_) (0.168

16、588) (-0.076698) (0.014118) (-0.299275) （-0.767834）R2=0.053063，R2=-0.341493，D.W.= 1.627330，F=从回归结果可得，（n-p）R2=（18-2）.053063=0.849008，在5的显著性水平下，通过查表得临界值20.05(2)=5.99，nR2<20.05(2)综上所述，模型不存在自相关性，因此不需要修正。7.模型分析经过对原模型的多重共线性、异方差性、自相关性的检验和修正后，最终的OLS法估计模型如下：Y（1.826592）（18.84028） (7.080862) (4.701493)R2=0.

17、965628，R2=0.958262，D.W.= 1.558951，F=模型中_1前的参数表示，当其他因素不变的情况下，亩均施肥量每增加一个单位，人均粮食产量相应平均增加18.64821模型中_2前的参数表示，当其他因素不变的情况下，人均播种面积每增加一个单位，人均粮食产量相应平均增加0.423834模型中_3前的参数表示，当其他因素不变的情况下，人均受灾面积每增加一个单位，人均粮食产量相应平均减少0.234333综上所述，人均粮食产量由亩均施肥量、人均播种面积、人均受灾面积综合决定。亩均施肥量、人均播种面积与人均粮食产量呈正相关关系，说明这两个因素对人均粮食产量的增长做出了主要贡献；相反的，人均受灾面积与人均粮食产量呈负相关关系，因而认为人均受灾面积在一定程度上阻碍了人均粮食产量的增长。可见，所得出的结论正好符合现实情况。8.政策建议由以上计量经济模型可知，人均粮食产量由亩均施肥量、人均播种面积、人均受灾面积综合决定；亩均施肥量、人均播种面积与人均粮食产量呈正相关关系，人均受灾面积与人均粮食产量呈负相关关系。由此我提出如下建议：首先，政府应该加大对农民的转移支付以提高化肥的施用量，应当有效的控制化肥等农资产品的价格，让农民用得起化肥；其次，政府应该稳定粮食收购价格，保持农民的种粮热情，严格控制非农业占地，保证足够的粮食播种面积；再者，可以增加科技投入、改进现有耕作方式和