影响我国粮食产量的因素分析

1、影响我国粮食产量的因素分析摘要:通过时19902012年间我国粮食产量的分析，在影响我国粮食产量的诸多原因中选出了3个主要影响因素，建立了多元线性回归模型，利用模型对粮食产量情况进行多元线性回归分析，研究了这些影响因素对粮食产量的影响与作用，最后，在此基础上提出了提高我国粮食产量的对策建议.关键词：粮食产量；影响因素；回归分析；建议一、研究意义粮食安全问题是一个关系到国计民生的重要战略问题！它影响到经济的发展"人民生活质量的提高和社会的稳定#尽管我国粮食总体上虽然彳持了较高的自给率！但大豆进口量近年来持续快速增长！目前我国超过70%的大豆依赖进口！而其中30%以上进口自美国$当前的形

2、势提醒我们！必须进一步加强对粮食安全问题的重视$而对我国这样一个人口众多的农业大国来说！粮食供给必须首先立足于国内生产$随着我国粮食需求日益增长！以及城市化和工业化的加速推进！大量资源不断流向城市！农业可耕地面积日益萎缩！使得粮食生产面临较为严峻的形势$粮食生产问题如果解决不好！就会给我国的经济发展和社会稳定带来制约和冲击粮食是人民生存之本、经济发展之柱，对稳定社会、经济具有重要的作用。粮食问题是一个关系到国计民生的重要战略问题，它更影响到经济的发展和社会的稳定。中国是世界上的农业大国，同时又是一个农业相对落后的国家。近几年世界粮食价格的大范围浮动，应该引起我们的注意，大起大落更使我们重新审视

3、起粮食生产的重要性。同时只有抓住了影响粮食产量的主要因素，改府才能正确的做出举措来将粮食生产引向健康合理的发展路线并且实现农业的现代化。二、文献回顾影响粮食产量的因素很多，我国学者从不同角度研究了粮食生产问题.于法稳选择有效灌溉面积、化肥施用量、农业机械总动力、粮食播种面积和受灾面积等5个指标作为影响粮食生产的因素，并采用灰色关联分析的方法对这5个因素进行了分析，指出有效灌溉面积、农机总动力和粮食播种面积是影响粮食生产的3个最主要因素；肖海峰将影响粮食综合生产能力的影响因素选择为粮食播种面积、其他物质费用、成灾面积、劳动力和化肥费用，通过柯布一道格拉斯生产函数证实了粮食播种面积是影响粮食产量最

4、重要的因素；熊华等人应用灰色关联分析和CLD生产函数相结合的分析方法证实了化肥施用量、粮食作物播种面积和有效灌溉面积均对粮食生产具有重要影响'；此外,xinagLM用粗糙集理论，张建平、Yunzhan矫口WuY等人运用灰色关联分析与BP神经网络相结合的方法，在对影响粮食产量的因素中又加人了农村用电量、地膜覆盖面积、水电建设投资和支农支出等因素，从多种角度验证了这些影响因素对粮食产量的重要性。应该说前人在关于影响粮食产量的因素这个问题上做得研究已经很多而且很深，每一位学者对于影响粮食产量的因素都有自己独到的见解。本文将各位学者认为的影响因素综合起来，采用最小二乘法进行分析，试图在综合了各

5、位学者的研究成果后，找出更具有代表性的，更准确的影响因素。三、理论的框架我国以往的关于粮食产量的不同计量模型,约粮食产量的主要因素为：化肥施用量（万吨）千瓦时）；粮食作物播种面积；农用机械总动力虽然结论有所差异，但细究起来，影响和制;有效灌溉面积（千公顷）；农村用电量（亿（万千瓦）；成灾面积（千公顷）；水电建设投资额（万元）等。目前我国粮食生产的影响因素日益明朗化，随着科技的发展，化肥的施用量,以及农业机械总动力的普及使用必然会对粮食的产量产生积极影响；有效灌溉面积和建设投资的增加也会使粮食产量增加；同时不能忽略自然和认为因素造成的灾情。所以综合了前人的研究成果，选取的因变量分别为化肥施用量（

6、万吨）；有效灌溉面积（千公顷）；农村用电量（亿千瓦时）；粮食作物播种面积；农用机械总动力（万千瓦）；成灾面积（千公顷）；水电建设投资额（万元）。通过查阅2013年的中国统计年鉴，最终搜集整理了从1990年到2012年的粮食总产量、化肥施用量（万吨）；有效灌溉面积（千公顷）；农村用电量（亿千瓦时）；粮食作物播种面积；农用机械总动力（万千瓦）；成灾面积（千公顷）；水电建设投资额（万元）的数据。数据资料均来源于中国统计年鉴。年份粮食（万吨）化肥施用量（万吨）有效灌溉面积（千公顷）农村用电量（亿千瓦时）粮食作物播种面积（千公顷）农用机械总动力（万千瓦）成灾面积（千公顷）水电建设投资额（力兀）19904

7、4624.32590.347403.1844.511346628707.717819348848199143529.32805.147822.1963.211231429388.627814476529199244265.82930.248590.11106.911056030308.425893594081199345648.83151.948727.91244.911050931816.623134792747199444510.13317.948759.11473.910954433802.5313821020937199546661.83593.749281.21655.7110060

8、36118.1222681321689199650453.53827.950381.41812.711254838546.9212341442828199749417.13980.751238.51980.111291242015.6303071452004199851229.54083.752295.62042.211378745207.7251811585787199950838.64124.353158.42173.411316148996.1267341833853200046217.54146.453820.32421.310846352573.6343742220993200145

9、263.74253.854249.42610.810608055172.1317932133741200245705.84339.454354.92993.410389157929.9271602393195200343069.54411.654014.23432.99941060386.5325163006249200446946.94636.654478.43933.010160664027.9162973762995200548402.24766.255029.34375.710427868397.8199664343826200649804.24927.755750.54895.810

10、495872522.1246324604296200750160.35107.856518.35509.910563876589.6250645117926200852870.95239.058471.75713.210679382190.4222834568884200953082.15404.459261.46104.410898687496.1212344563240201054647.75561.760347.76632.310987692780.5185384398453201157120.85704.261681.67139.611057397734.712441424398820

11、1258958.05838.863036.47508.5111205102559.03671548基于以上数据建立模型为：y=B0+B1X1+B2X2+B3X3+B4X4+B5X5+B6X6+B7X7+U其中y代表全国粮食产量（万吨），x1代表化肥施用量（万吨），x2代表有效灌溉面积（千公顷），x3代表农村用电量（亿千瓦时），x4代表粮食作物播种面积（千公顷），x5代表农用机械总动力（万千瓦），x6代表成灾面积（千公顷），x7代表水电建设投资额（万元），u代表随机误差项。四、数据分析统计描述1 .用最小二乘法对数据进行回归用OL酶估计模型，利用Stata软件回归，结果如表二所示表二Stata软

12、件回归结果Source|SSdfMSNumberofobs=22+F(7,14)=180.07Model|310989892744427127.4Prob>F=0.0000Residual|3454029.814246716.414R-squared=0.9890+AdjR-squared=0.9835Total|3144439212114973520.1RootMSE=496.71y|Coef.Std.Err.tP>|t|95%Conf.Intervalx1|4.390838.8990985x2|1.096818.5223734x3|2.132321.8610323x4|.526

13、4878.0471756x5|-.4503675.15968354.880.0002.4624646.3192132.100.054-.02356152.2171972.480.027.28559073.97905211.160.000.4253061.6276695-2.820.014-.7928545-.1078804x6x7-.1472115.0004409.027-5.450.000-.2051207-.0893024.00040261.090.292-.0004227.0013044_cons|-65129.1617722.32-3.670.002-103139.8-27118.56

14、利用Stata最小二乘估计结果如下：丫=-65129.16+4.390838x12 .模型检验(1)经济意义检验根据结果分析，除X矽卜其他解释变量前的参数均通过了经济意义检验；模型中X5代表农用机械总动力，从经济行为上来看，农用机械总动力越高，粮食产量应该越高。显然此处存在经济意义上的矛盾，由此可以推出解释变量间存在多重共线性。(2)统计意义检验模型的判定系数R2=0.9890,调整过的判定系数=0.9835,表明模型的整体拟合优度非常高，解释变量对被解释变量的解释程度很高，因此，可以推测模型总体线性关系成立。但在5%勺显著性水平，X2(有效灌溉面积)前参数估计值没有通过t检验，即结解释变量X

15、冽被解释变量没有显著影响，其他6个解释变量均对被解释变量有显著影响。(3)计量经济学检验1多重共线性检验检验简单相关系数X1X2X3X4X5X6X7相关系数如下表.pwcorrx1x2x3x4x5x6x7|x1x2x3x4x5x6x7+x1|1.0000x2|0.97651.0000x3|0.96040.97081.0000x4|-0.3488-0.2757-0.30121.0000x5x6x70.97490.99020.9927-0.32411.0000-0.3297-0.3518-0.4644-0.1062-0.40881.00000.92170.86810.9129-0.53520.90

16、96-0.35301.0000由表中数据发现，X1X2X3X5X7存在高度相关性另外，也可以利用方差扩大因子法检验多重共线性.estatvifVariable|VIF1/VIF+x5x2x3x1x7x4x61030.90402.33249.8456.2635.623.081.970.0009700.0024860.0040030.0177760.0280750.3246800.506396MeanVIF|254.29由此可以看出解释变量x5与其他解释变量存在高度的线性相关性找出最简单的回归形式分另I作丫与X1X2X3X4X5X6X7之间的回归:1>.regressyx1Source|SS

17、dfMSNumberofobs=23+F(1,21)=36.92Model|2685892571268589257Prob>F=0.0000Residual|152782257217275345.59R-squared=0.6374+AdjR-squared=0.6202Total|4213715152219153250.7RootMSE=2697.3y|Coef.Std.Err.tP>|t|95%Conf.Interval+x1|3.695517.60821596.080.0002.4306634.960372_cons|32979.172671.06812.350.000274

18、24.3838533.962>.regressyx2Source|SSdfMSNumberofobs=23+F(1,21)=42Model|2809045991280904599Prob>F=0.0000Residual|140466916216688900.75R-squared=0.6666+AdjR-squared=0.6508Total|4213715152219153250.7RootMSE=2586.3y|Coef.Std.Err.tP>|t|95%Conf.Interval+x2|.7884354.12166466.480.000.53542011.041451

19、_cons|6383.3026574.4340.970.343-7288.98220055.593.>regressyx3Source|SSdfMSNumberofobs=23+F(1,21)=38.31Model|2721732191272173219Prob>F=0.0000Residual|149198296217104680.74R-squared=0.6459+AdjR-squared=0.6291Total|4213715152219153250.7RootMSE=2665.5y|Coef.Std.Err.tP>|t|95%Conf.Interval+x3|1.6

20、44425.2656836.190.0001.0919072.196943_cons|43227.341064.23440.620.00041014.1445440.534.>regressyx4Source|SSdfMSNumberofobs=23+F(1,21)=1.44Model|27116041.4127116041.4Prob>F=0.2428Residual|3942554732118774070.2R-squared=0.0644+AdjR-squared=0.0198Total|4213715152219153250.7RootMSE=4332.9y|Coef.St

21、d.Err.tP>|t|95%Conf.Interval+x4|.2791902.23230911.200.243-.203923.7623033_cons|18490.4625273.380.730.472-34068.4271049.335.>.regressyx5Source|SSdfMSNumberofobs=23+F(1,21)=35.61Model|2650553251265055325Prob>F=0.0000Residual|156316190217443628.11R-squared=0.6290+AdjR-squared=0.6114Total|42137

22、15152219153250.7RootMSE=2728.3y|Coef.Std.Err.tP>|t|95%Conf.Interval+x5|.1483408.02485915.970.000.0966435.200038_cons|40232.771551.27425.940.00037006.7243458.826.>.regressyx6Source|SSdfMSNumberofobs=22+F(1,20)=9.28Model|99672847.4199672847.4Prob>F=0.0064Residual|2147710742010738553.7R-square

23、d=0.3170+AdjR-squared=0.2828Total|3144439212114973520.1RootMSE=3277y|Coef.Std.Err.tP>|t|95%Conf.Interval+x6|-.386187.12676-3.050.006-.6506037-.1217704_cons|57830.173177.97418.200.00051201.0364459.317.>.regressyx7Source|SSdfMSNumberofobs=23+F(1,21)=12.47Model|1570181651157018165Prob>F=0.0020

24、Residual|2643533492112588254.7R-squared=0.3726+AdjR-squared=0.3428Total|4213715152219153250.7RootMSE=3548y|Coef.Std.Err.tP>|t|95%Conf.Interval+x7|.0016835.00047673.530.002.0006922.0026748_cons|44460.41445.1230.770.00041455.1147465.69可见，粮食生产受有效灌溉面积的影响最大，因此，选1为初始的回归模型。逐步回归将其他解释变量分别导入上述初始回归模型，寻找最佳回归

25、方程逐步回归CX1X2X3X4X5X6Y=f(X1)32979.173.695517t值12.356.08p值00Y=f(X1,X2)7104.3380.1079690.76644t值0.360.041.32Ip值0.7220.9690.2Y=f(X1,X3)38731.161.5814670.97307t值6.160.731.01p值00.4770.325Y=f(X1,X4)-43723.74.6738880.666858t值-7.1521.1312.68p值000Y=f(X1,X4,X5)-42602.74.2032530.6647830.019381t值-6.444.3812.360.5

26、p值0000.62Y=f(X1,X4,X6)-30294.14.1606760.59002-0.12156t值-6.21122.9415.28-4.6p值0000Y=f(X1,X4,X6,X7)-30065.24.2046180.587152-0.12255t值-5.4118.5111.811-4.22p值0000.001讨论：第一步，在初始模型中引入X2,模型拟合优度有些许提高，但是变量没有通过t检验。第二步，去掉X1,引入X3,修正的拟合优度反而略有下降，且常数项的符号为正，与经济意义不符，另一方面虽然变量通过了t检验，但是p值很大，已经快要接近显著性水平，故加入X3显然也不能得到最优方程

27、。第三步，去掉x3,引入x4,拟合优度大幅提高，变量通过t检验，且参数符号合理。第四步，引入x5,拟合优度下降，且变量没有通过t检验。第五步，去掉x5,引入x6,拟合优度达到一个新的高度，所有变量都通过t检验，且p值都为零。第六步，引入x7,拟合优度下降，且变量x7(水电建设投资额)前的参数是负值，与经济意义不符。前几步证明，x2,x3,x5,x7是多余的。同样还可继续验证，如果用与x1高度相关的x2替代x1,则x2与x3,x4,x5,x6,x7间的任意线性组合，均达不到以x1,x4,x6为解释变量的回归效果。因此，最终的粮食产量函数应以Y=f(X1,X4,X6)为最优，拟合结果如下：Y=-3

28、0294.07+4.160676x1+0.5900196x4-0.1215585x62序列相关性检验图示法下图为残差e与年份year的散点图QH1On5,0000年图示法显示，该模型不存在序列相关性D.W.检验法.tssetyeartimevariable:year,1990to2012delta:1unit.estatdwatsonDurbin-Watsond-statistic(4,22)=1.801868在5%勺显著性水平，n=22k=4通过查表得dL=1.05dU=1.66又dU<d<4-dU,所以不存在序列相关性。结论：由图示法和D城验，都得出不存在序列相关性的结论，由此

29、可得模型不存在序列相关性。3>异方差检验图示法5100001500020000250003000035000X6成灾面积（千公顷）2e100000105000110000115000X4粮食作物播种面积（千公顷）2e200030004000X1化肥施用量（万吨）50006000从上面三个32*的散点图上看，没有明显的散点扩大缩小或复杂性趋势，所以不存在异方差。怀特检验.estatimtest,whiteWhite'stestforHo:homoskedasticityagainstHa:unrestrictedheteroskedasticitychi2(9)=6.85Prob&

30、gt;chi2=0.6528Cameron&Trivedi'sdecompositionofIM-testSource|chi2dfp+Heteroskedasticity|6.8590.6528Skewness|1.3230.7240Kurtosis|1.3910.2386+Total|9.56130.7295从上面的结果中可以看出：Prob>chi2=0.6528,故接受原假设，即认为模型不存在异方差。结论：由图示法和怀特检验，都得出不存在异方差的结论，由此可得模型不存在异方差。通过多重共线性，序列相关性，异方差的检验，最终求得粮食产量的最优模型为：Y=-30294.

31、07+4.160676x1+0.5900196x4-0.1215585x6其中解释变量x1代表化肥施用量（万吨），x4代表粮食作物播种面积（千公顷），x6代表成灾面积（千公顷）。五、结论和政策建议1结论基于以上分析可得出如下结论：化肥施用量、粮食作物播种面积和成灾面积是影响粮食产量的主要因素。化肥施用量是对粮食产量的提高最为敏感的因素。在农业生产过程中化肥的施用是由传统施用农家肥向化肥转变，在这个过程中，多投入1万吨的化肥，粮食增产4.16万吨。化肥施用量是影响粮食产量的显著性因素，但从农业技术上说，化肥施用过度反而会导致谷物死亡，粮食减产。粮食的播种面积对粮食产量来说是十分重要的因素&quo

32、t;没有耕地"一切都是徒劳的！从回归结果可以看到"播种面积每增加1个单位"粮食产量增加0.59个单位"播种面积对粮食产量的贡献性"并没有化肥施用量效果显著"但由于耕地面积相当大"而且远远大于化肥施用量！因此"耕地面积的增加对粮食产量的提高效果是非常明显的！成灾面积！成灾面积对粮食产量的影响虽然较小"但由于各年成灾面积的数值从19902001年逐年增加"成灾面积对粮食产量的提高所起的负面作用还是非常大的！20012011年成灾面积得到有效控制"相对比较平稳！要想提高%M食产量"

33、减小受灾面积也是十分重要的！2建议根据以上分析与研究的结果"我们认为影响我国近十年来粮食产量的三个主要因素包括化肥施用量#粮食的播种面积和成灾面积！因此"建议应从以下几个方面采取措施来保障。第一"谨慎控制化肥施用量！考虑到化肥施用量与粮食产量间关系十分密切"在当前我国粮食需求依然缓慢增长#供给压力依然较大的情况下"可适当增加化肥的施用"但考虑到过度施用化肥存在副作用"并且我国单位面积耕地的化肥施用量已超过许多农业发达国家"因此从长远看"特别是从可持续性发展的角度看"应调整肥料施用策略"改善肥料施用结构"尤其是增加农家肥胜态肥料白使用量！除此之外，