我国粮食产量的影响因素分析

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面积一、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，粮食产量也不断上升。可是农村人口和耕地面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，提出了提高粮食产量的有效途径。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定需要。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)有效灌溉面积(千公顷)农用化肥施用折纯量(万吨)粮食作物播种面积(千公顷)受灾面积(千公顷)YX1X2X3X4X5197830476.5011749.9044965.00884.00120587.2050807197933211.5013379.5045003.131086.30119262.7039367198032055.5014745.7544888.071269.40117234.2750025198132502.0015680.1044573.801334.90114957.6739786198235450.0016614.2144176.871513.40113462.4033133198338727.5018021.9044644.071659.80114047.2034713198440730.5019497.2244453.001739.80112883.9331887198537910.8020912.5544035.931775.80108845.1344365198639151.2022950.0044225.801930.60110932.6047135198740297.7024836.0044403.001999.30111267.7742086198839408.1026575.0044375.912141.50110122.6050874198940754.9028067.0044917.202357.10112204.6746991199044624.3028707.7047403.072590.30113465.8738474199143529.3029388.6047822.072805.10112313.6055472199244265.8030308.4048590.102930.20110559.7051332199345648.8031816.6048727.903151.80110508.7048827199444510.1033802.5048759.103317.90109543.7055046199546661.8036118.0549281.603593.70110060.4045824199650453.5038546.9050381.603827.90112547.9246991199749417.1042015.6051238.503980.70112912.1053427199851229.5345207.7152295.604083.69113787.4050145199950838.5848996.1253158.414124.32113160.9849980200046217.5252573.6153820.334146.41108462.5454688200145263.6755172.1054249.394253.76106080.0352215200245705.7557929.8554354.854339.39103890.8346946200343069.5360386.5454014.234411.5699410.3754506200446946.9564027.9154478.424636.58101606.0337106200548402.1968397.8555029.344766.22104278.3838818200649804.2372522.1255750.504927.69104957.7041091200750160.2876589.5656518.345107.83105638.3648992200852870.9282190.4158471.685239.02106792.6539990200953082.0887496.1059261.455404.35108985.7547214201054647.7192780.4860347.705561.68109876.0937426201157120.8597734.6661681.565704.24110573.0232471注：数据来源-----《中国统计年鉴1978-2011》三、模型设定1、分别做被解释变量（Y）与解释变量（X1、X2、X3、X4、X5）的散点图，结果如下:由散点图可知，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3、为了方便计算，对变量进行重新定义，在eviews对话框中输入genry=log(y)genrx1=log(x1)genrx2=log(x2)genrx3=log(x3)genrx4=log(x4)genrx5=log(x5)建立新的回归模型，结果如下图由上图可知新的多元回归模型为54321128441.0461565.1401626.0603457.0078124.0408078.2XXXXXY四、模型的检验与调整（一）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（X1）、有效灌溉面积（X2）、农用化肥施用折纯量（X3）、粮食作物播种面积（X4）应成正相关关系，与受灾面积（X5）应成负相关关系。但是，多元回归模型中有效灌溉面积（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54321128441.0461565.1401626.0603457.0078124.0408078.2XXXXXYT=（-1.2477）（1.3314）（-3.5193）（9.2912）（8.2670）（-4.4179）979454.02R975785.02R9577.266F由上述回归结果可知，2R与2R的值都较接近于1，表明模型的拟合优度很高。在α=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共线性（1）X1、X2、X3、X4、X5的相关系数如下表：由表中数据可知x1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3XY（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X1X2X3X4X5Y=f(X3)0.2907(63.24)0.90630.9034Y=f(X1,X3)-0.0718(-1.14)0.3718(5.108)0.91010.9043Y=f(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(X1,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(X3,X4,X5)0.3642(24.374)1.2123(6.492)-0.1078(-3.203)0.96550.9621Y=f(X1,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)0.97810.97512R2R由上图可知，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(X3,X4,X5)为最优，拟合结果如下：5431078.02123.13642.01455.5XXXY2、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，结果如下图由上图分析可知，nR2的伴随概率为0.0515，大于05.0显著性水平错误!未找到引用源。，因此不拒绝样本方差相同的假设。所以得出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/ResidualTest/Correlogram-Q-statistics，并输入滞后期为16，则会得到残差te与1021,,ttteee的各期相关系数和偏相关系数，结果如图所示：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：上图表明，估计过程经过7次迭代后收敛；1，2的估计值分别为1.1251和-0.3643，并且t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，取显著性水平＝0.05时，查表得Ld＝1.04，Ud＝1.428，而Ud1.935＝DW4－Ud，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。（四）模型的最终确定综上所述，可知最终的模型为：5431419.02956.13591.07042.5XXXY五、结论在选择的五个因素中，农药化肥施用量、粮食播种面积和成灾面积对粮食产量的影响较为显著，模型在建立的过程中剔除了农业机械总动力和灌溉面积两个因素，因为在模型的建立中参数符号不符合经济意义且参数的t检验和显著性检验不能通过。从回归模型可以看出，对粮食产量的贡献中化肥施用量最显著。这是因为在农业的生产过程中，化肥施用由传统的农家肥向现代新型肥料转变，化肥施用量的增加极大地促进了粮食产量的提高。播种面积对粮食产量的贡献虽然没有化肥施用量显著，但由于耕地面积的数值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贡献较大。成灾面积对粮食产量的影响系数较小，但若受灾面积绝对值较大时，那么灾害会引起粮食产量较大幅度减少，因此减小成灾面积是提高粮食产量的关键。六、政策建议（1）政府应加大对“三农”问题的持续关注，