关于农业总产值影响因素的
计量经济学模型研究
【摘要】本文针对当前非常热门的“三农”中的农业问题,从影响农业总产值的几个因素入手,通过建立多元线性回归模型,引入有效灌溉面积,农作物播种总面积、化肥施用量、农业机械机械总动力、受灾面积五个变量,
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
各个因素对农业总产值的不同程度的影响,利用EVIEWS软件对计量模型进行了经济意义检验,统计意义检验和计量经济意义检验。通过各种检验对模型进行修正和优化,找出对农业总产值影响较大的因素,便于对农业总产值进行预测,提出提高农业总产值的方法。
【关键词】农业总产值 影响因素 多元线性回归回归
一、经济理论的阐述及问题的提出
近几年来,党中央、国务院以科学发展观统领全局,按照统筹发展的要求,采取了一系列惠农的政策,农业已经有了进一步的发展,对保持整个国民经济平稳较快发展起到了重要的支撑作用。但是,我们仍清楚地看到,我国农业、农村发展水平仍然较低,仍处于十分艰难的爬坡阶段。新生物技术(新农业技术)尚未得到广泛的应用;农业基础建设仍然很脆弱;农村社会主义改革滞后;农产品的价格太低,它在市场上与工业产品的交换并不等价;农民收入仍然比较低:城乡居民收入差距扩大的矛盾依然突出,文盲半文盲充斥整个农村。
党的十六大提出全面建设小康社会的奋斗目标,催人奋进,令人鼓舞。由于我国目前达到的小康水平低而且也不全面,而全面建设小康社会,重点在农村,难点也在农村,因此,要全面建设小康社会,就必须把工作的重点放在农村,把工作的着力点放在解决农业、农村和农民的问题上。正如中共中央总书记胡锦涛所说:“要更加关注农村,关心农民,支持农业”,“把解决‘三农’问题作为全党工作的重中之重,放在更加突出的位置”。
农业问题是“三农”问题中很重要的一个方面,关乎国民经济的命脉。中国已“入世”,作为立国之本的农业,由于历史和现实原因自身存在很多问题,所以有提出研究的必要。
农业问题中如何提高农业总产值是非常重要的一个方面,而影响农业总产值的因素又是多方面的,从这个问题的经济意义理解,我们选取农业有效灌溉面积,农作物种植总、、化肥施用量、农业机械总动力、受灾面积五个因素进行研究,以建立一个合适的模型找出对农业总产值影响较大的因素。
二、样本数据的选取以及理论模型的
设计
领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计
选取有效灌溉面积、农作物播种总面积、化肥施用量、农业机械机械总动力、受灾面积五个因素作为解释变量,将“农业产总值”设为被解释变量,建立如下多元线性回归模型:
Y=β0 +β1 X1+β2 X2+β3 X3 +β4X4+β5 X5 +u
Y—农业总产值
X1—有效灌溉面积
X2—农作物播种总面积
X3—化肥施用量
X4—农业机械总动力
X5—受灾面积
U—随机干扰项
β1、、β2、、β3 、β4 、β5-----待估参数
此模型选取1990—2009年的时间序列数据进行分析,具体数据如下:
y
x1
x2
x3
x4
x5
年份
农业总产值(亿元)
有效灌溉面积(千公顷)
农作物总播种面积(千公顷)
化肥施用量(万吨)
农业机械总动力(万千瓦)
受灾面面积(千公顷)
1990
7662
47403
148362
2590
28708
38474
1991
8157
47822
149586
2805
29389
55472
1992
9085
48590
149007
2930
30308
51332
1993
10996
48728
147741
3152
31817
48827
1994
15751
48759
148241
3318
33803
55046
1995
20341
49281
149879
3594
36118
45824
1996
22354
50381
152381
3828
38547
46991
1997
23788
51239
153969
3981
42016
53427
1998
24542
52296
155706
4084
45208
50145
1999
24519
53158
156373
4124
48996
49980
2000
24916
53820
156300
4146
52574
54688
2001
26180
54249
155708
4254
55172
52215
2002
27391
54355
154636
4339
57930
46946
2003
29692
54014
152415
4412
60387
54506
2004
36239
54478
153553
4637
64028
37106
2005
39451
55029
155488
4766
68398
38818
2006
40811
55750
152149
4928
72522
41091
2007
48893
56518
153464
5108
76590
48992
2008
58002
58472
156266
5239
82190
39990
2009
60361
59261
158639
5404
87496
47214
资料来源:《国家统计年鉴 2010》
三、模型参数的估计
运用最小二乘法对模型参数进行估计,利用计量经济学软件Eviews得到如下结果:
Dependent Variable: Y
Method: Least Squares
Date: 12/10/11 Time: 19:16
Sample: 1990 2009
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
26199.32
66008.33
0.396909
0.6974
X1
-2.739880
2.801401
-0.978039
0.3447
X2
0.447378
0.761754
0.587300
0.5664
X3
7.760853
4.817702
1.610903
0.1295
X4
0.922057
0.451488
2.042263
0.0604
X5
-0.043444
0.175470
-0.247588
0.8080
R-squared
0.957005
Mean dependent var
27956.55
Adjusted R-squared
0.941650
S.D. dependent var
15389.17
S.E. of regression
3717.376
Akaike info criterion
19.52275
Sum squared resid
1.93E+08
Schwarz criterion
19.82147
Log likelihood
-189.2275
F-statistic
62.32396
Durbin-Watson stat
0.467535
Prob(F-statistic)
0.000000
于是我们得到回归方程为:
t=(0.396909) (-0.978039) (0.5873) (1.610903)(2.042263) (-0.247588)
R2=0.957005 F=62.32396
四、模型的检验
(一).经济意义检验
由上述回归结果可以看到有效灌溉面积、受灾面积与农业总产值呈负相关,农作物种植总面积、化肥施用量、农业机械总动力与农业总产值呈正相关。农作物种植总面积、化肥施用量、农业机械总动力与农业总产值呈正相关与现实经济意义相符。有效灌溉面积与农业总产值呈负相关与现实经济不符,但是可能是由于存在多重共线性引起的。
(二).统计检验
1.拟合优度检验
从估计的结果可以看出,可决系数R2=0.957005,调整后的可决系数为0.941650,两者的值都接近1,表明模型的拟合度较好。
2.方程的显著性检验
从得到的结果看,F统计量=62.32396,在5%的显著性水平下,查F分布表,得到临界值F0.05(5,14)=2.96,显然有F> F0.05(5,25),表明模型的线性关系在95%的置信水平下显著成立。
3.变量的显著性检验
在5%的显著性水平下,查t分布表,得到临界值
,从表中的得到的数据可以看到X5通过变量显著性检验,说明受灾面积对农业总产值的影响显著。而其他因素未通过变量的显著性检验可能是因为模型存在多重共线性。有待计量经济意义的检验。
(三).计量经济学检验
1.多重共线性检验
由上面对变量的显著性检验可以知道模型可能存在着多重共线性,下面我们具体来分析:
1 X1、X2、X3、X4、X5的相关系数如下表所示:
X1
X2
X3
X4
X5
X1
1
0.827081
0.974966
0.982690
-0.294342
X2
0.827081
1
0.791119
0.731576
-0.088586
X3
0.974966
0.791119
1
0.967367
-0.311306
X4
0.982690
0.731576
0.967367
1
-0.377037
X5
-0.29434
-0.088586
-0.311306
-0.377037
1
从表中数据可以看到X1 、X2 、X3、 X4间存在比较高的相关性。
②分别作Y与X1、X2、X3、X4、X5间的回归:
Y与X1
= -191141.8 + 4.159*
(-11.702) (13.442)
R2= 0.909 F=180.6798 D.W.=0.353086
Y与X2
= -493487.2 + 3.408
(-4.154) (4.391)
R2= 0.517 F=19.278 D.W.=0.239497
Y与X3
=-45518.48 + 18.00*
(-8.787) (14.454)
R2= 0.921 F=208.92 D.W.=0.3067
Y与X4
= -13981.99 +0.805*
(-5.635) (17.895)
R2= 0.9468 F=320.25 D.W.=0.440291
Y与X5
= 76109.69 - 1.0062*
(2.814) (-1.793)
R2= 0.151603 F=3.2165 D.W.=0.3126
可以看到,农业机械总动力影响最大,因此选其为初始的回归模型。
3 逐步回归
将其他解释变量分别导入初始回归模型,寻找最佳回归方程。
Dependent Variable: Y
Method: Least Squares
Date: 12/10/11 Time: 21:29
Sample: 1990 2009
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-4.093150
56552.00
-7.24E-05
0.9999
X1
-0.325305
1.314788
-0.247420
0.8075
X4
0.865437
0.249350
3.470771
0.0029
R-squared
0.946975
Mean dependent var
27956.55
Adjusted R-squared
0.940737
S.D. dependent var
15389.17
S.E. of regression
3746.333
Akaike info criterion
19.43242
Sum squared resid
2.39E+08
Schwarz criterion
19.58178
Log likelihood
-191.3242
F-statistic
151.8028
Durbin-Watson stat
0.448242
Prob(F-statistic)
0.000000
引入X1之后,模型的拟合优度反而略有下降,且未能通过t检验,同时参数符号与经济意义不符。去掉x1。
Dependent Variable: Y
Method: Least Squares
Date: 12/10/11 Time: 21:56
Sample: 1990 2009
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-24847.66
56915.19
-0.436573
0.6679
X2
0.074249
0.388533
0.191102
0.8507
X4
0.795331
0.067806
11.72956
0.0000
R-squared
0.946898
Mean dependent var
27956.55
Adjusted R-squared
0.940651
S.D. dependent var
15389.17
S.E. of regression
3749.047
Akaike info criterion
19.43387
Sum squared resid
2.39E+08
Schwarz criterion
19.58323
Log likelihood
-191.3387
F-statistic
151.5708
Durbin-Watson stat
0.429117
Prob(F-statistic)
0.000000
引入X2后,拟合优度略有下降,且未通过t检验,去掉X2.
Dependent Variable: Y
Method: Least Squares
Date: 12/10/11 Time: 22:00
Sample: 1990 2009
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-23893.33
7708.991
-3.099412
0.0065
X3
5.330536
3.935449
1.354493
0.1933
X4
0.577451
0.173518
3.327911
0.0040
R-squared
0.951968
Mean dependent var
27956.55
Adjusted R-squared
0.946317
S.D. dependent var
15389.17
S.E. of regression
3565.599
Akaike info criterion
19.33353
Sum squared resid
2.16E+08
Schwarz criterion
19.48289
Log likelihood
-190.3353
F-statistic
168.4656
Durbin-Watson stat
0.433203
Prob(F-statistic)
0.000000
引入X3后,拟合优度提高,且参数符号合理,但未通过t检验,去掉X3。
Dependent Variable: Y
Method: Least Squares
Date: 12/10/11 Time: 22:04
Sample: 1990 2009
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-10313.04
8780.531
-1.174535
0.2564
X4
0.796633
0.049687
16.03317
0.0000
X5
-0.067765
0.155246
-0.436501
0.6680
R-squared
0.947374
Mean dependent var
27956.55
Adjusted R-squared
0.941183
S.D. dependent var
15389.17
S.E. of regression
3732.215
Akaike info criterion
19.42487
Sum squared resid
2.37E+08
Schwarz criterion
19.57423
Log likelihood
-191.2487
F-statistic
153.0179
Durbin-Watson stat
0.411813
Prob(F-statistic)
0.000000
引入X5后,拟合优度略有提高,且参数符号合理,但未通过t检验,去掉X5。
于是最终的拟合结果如下:
= -13981.99 +0.805*
2.异方差检验(采用WHITE检验)
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/10/11 Time: 23:45
Sample: 1992 2009
Included observations: 18
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
127716.6
13668404
0.009344
0.9927
X4
-49.15061
508.7041
-0.096619
0.9243
X4^2
0.001903
0.004406
0.431906
0.6720
R-squared
0.280110
Mean dependent var
3699048.
Adjusted R-squared
0.184125
S.D. dependent var
5761871.
S.E. of regression
5204456.
Akaike info criterion
33.91894
Sum squared resid
4.06E+14
Schwarz criterion
34.06734
Log likelihood
-302.2705
F-statistic
2.918264
Durbin-Watson stat
2.160419
Prob(F-statistic)
0.085015
由表中数据得到: n*
= 5.6022查分布表得χ20.05(2)=5.99 。而n*
<χ20.05(2) , 因此,接受同方差性的原假设,所以模型中随机干扰项没有出现异方差性。
3.序列相关性相关检验与修正
⑴序列相关性检验
根据上表中估计的结果,D.W=0.440291,在给定显著性水平为5%,n=20, k=2时,查Durbin-Waston表得下限临界值dL=1.20,上限临界值du=1.41,可见此模型存在正自相关性。
下面在对模型进行序列相关性的拉格朗日乘数检验。含1阶滞后残差项的辅助回归为:
=-675.664+0.016*
+0.806
(-0.417) (0.543) (5.043)
R2= 0.599365
于是LM=19*0.599365=11.388 ,该值大于显著性水平为5%,自由度为1的χ2分布的临界值χ20.05 (1)=3.84,由此判断此模型存在1阶序列相关。
含2阶滞后残差项的辅助回归为:
=498.435-0.011*
+1.218
-0.624
(0.332) (-0.386) (5.593)(-2.471)
R2= 0.710038
于是LM=18*0.710038=12.78 ,该值大于显著性水平为5%,自由度为2的χ2分布的临界值χ20.05 (2)=5.99,由此判断此模型存在2阶序列相关。
含3阶滞后残差项的辅助回归为:
=345.142-0.008*
+1.321
-0.864
+0.211
(0.224) (-0.260) (4.914) (-1.966) (0.674)
R2= 0.718580
于是LM=17*0.718580=12.87,该值大于显著性水平为5%,自由度为3的x^2分布的临界值x^2(0.05)(3)=7.81,由此判断此模型仍存在阶序列相关。但参数未通过5%的显著性检验。表明并不存在3阶序列相关。
⑵序列相关的修正
在Eviews软件包下,2阶广义差分的估计结果为
= -11700.62 +0.762*
+1.224AR(1)-0.639AR(2)
(-2.757) (10.016) (5.288) (-2.367)
R2= 0.981538
= 0.977582 D.W.=1.768
经拉格朗日检验,模型干扰项已不存在序列相关项。
五、对模型的经济解释及
总结
初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf
从以上模型经分析可得出:
1.经过对模型的分析得到的方程可以看出农业机械总动力是影响农业总产值的最主要的因素,说明在我国的目前农业生产中,农业机械总动力的增加对农业总产值的增加最大。
3.出乎我们的意料的是,有效灌溉面积与农业总产值之间没有很强的相关性,这说明有效灌溉面积对农业总产值的影响并不明显。
4.农作物总播种面积、化肥施用量与农业总产值也没有很强的正相关性,这可能与我们国家的农业技术水平较低,单位面积产量比较低有关。
5.最后,我们应该看到,选取的模型其实也是存在问题的,比如有效灌溉面积与农作物播种总面积,受灾面积应该是会产生多重共线性的,因为三者者可能会呈现某种共同的增加或减少趋势,播种面积大有效灌溉面积,受灾面面积可能就会大,反之,则然。
六、对提高农业总产值提出的建议
1.由于机械化水平对农业生产总值的影响比较大,所以我国要加快提高农业机械化水平,把主要农产品生产过程机械化和产业化经营有机结合起来,对农业机械化进行结构性调整因地制宜,有重点的推进地区农业机械化,加大政府投资力度,推行农用机械下乡和购买补助政策,。
2.国家必须提高对农业科技投入,提高化肥的营养成分,从而提高对农作物增产的作用率,提高单位面积产量。
3.要提高农业总产值不能单纯依靠增加农作物的播种面积,增加农作物的播种面积必须是在提高农业技术水平,提高单位面积产量为前提。
七、个人
报告
软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载
总结
这次写计量经济学的期末报告,我遇到了很多问题,但也收获了很多,在这个过程中遇到的最大的问题就是实验数据的收集,另一个问题就是建立合适的模型,这篇
论文
政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载
中的模型是我换的第二个模型,因为前面两个模型都是因为模型中变量或数据选取不合理,在经过一系列的检验之后把所有的自变量都剔除了,导致分析无法进行下去,只能选择换经济模型。
当然,自己也有很多的收获,现在,我已经很熟悉eviews的基本操作了,而在写论文之前,自己对eviews的操作十分生涩。
另外在查找数据过程中,学会了很多的处理数据的方法。
最重要的是,通过写这篇论文,学会了用计量经济学知识和eviews软件对经济问题进行计量经济学的定量分析,收获很大。
参考文献
《计量经济学》(第二版) 李子奈 潘文卿 高等教育出版社
国家统计年鉴数据库